News

Big Data de informações de DMI’s e sua importância para revolucionar o rastreamento de usuários de marca-passo no Brasil

Nenhuma organização planeja e controla sua produção ou capacidade laboral, atualmente, sem considerar os elementos tecnológicos disponíveis. A tecnologia está cada vez mais presente na vida de cada indivíduo, na gestão da produção e na estratégia da empresa.

O ambiente competitivo muitas vezes obriga estas organizações em diferentes setores, a incorporar existentes, ou desenvolver tecnologias novas. Uma organização focada no crescimento, sobrevivência do negócio, entende que para que haja engajamento e satisfação dos atores a ela ligados é importante que ela tenha a capacidade de desempenhar suas funções com foco em monitoramento contínuo e reavaliação da qualidade, rapidez na sua capacidade resolutiva durante gerenciamento de crises, manutenção da confiabilidade, capacidade adaptativa que se reflete em flexibilidade, e análise de custos de processos.

Há muito tempo, pelo menos há quase 4 anos e meio a perspectiva de um sistema de cadastramento e monitoramento em tempo real de implantes de dispositivos médicos eletrônicos  implantáveis (DMI’s) é um tópico recorrente no meu trabalho de reflexão frente a questões cuja magnitude foge ao conhecimento de grande parte daqueles atores envolvidos neste cenário. A legitimidade desta preocupação é fruto de minha experiência com a temática infoveillance e Infodemiology, com a qual trabalhei em minha residência pós-doutoral. O acesso a estas questões se dá justamente pela minha lida diária com aqueles que mais são afetados pela ausência desta tecnologia: os pacientes.

A necessidade de se tornar acessível aos profissionais um sistema de cadastro online das informações de registro paperless (sem papel) de implantes de dispositivos cardíacos, ou outros dispositivos médicos, destes pacientes, sempre se mostrou importante para tornar dinâmicos os dados e também para se avançar em estatísticas aplicáveis em vigilância à saúde, como em casos de Recall de dispositivos por exemplo.

Aplicações pontuais como na de identificação de usuários em risco, e ainda a importante necessidade de transformar dados em IMFORMAÇÃO, são paradigmas que ainda têm que avançar para que as estatísticas em estimulação cardíaca artificial possam amadurecer ainda mais o seu um nível descritivo, e aumentar a possibilidade de se entender melhor a correlação entre variáveis, para aumentar a confiabilidade do resultado, e consequente mente potencializar sua utilidade para subsidiar tomada de decisões.

Além disso, a rastreabilidade em tempo real, e dados atualizados e com sistemas de inteligência artificial (IA) integrados, podem democratizar oportunidades a profissionais e pacientes, de se estabelecer condutas eficientes e eficazes para lidar com determinadas contingências. Na IA temos a área de Machine Learning. Trata-se de uma uma área da ciência da computação que evoluiu  a partir do estudo de reconhecimento do patern recognition (padrões) e da teoria da aprendizagem computacional em inteligência artificial. Machine Learning está “íntimamente” ligada com o big data pois constitui-se base da análise preditiva extremamente importante para realizar estimativas em Saúde (predictive analytics ou predictive modelling).

Para além destas questões, o custo operacional de sistemas baseados em papel são altos, ineficientes e ineficazes. As perdas de dados em sua maior parte são proibitivas para que seja possível se gerar informações altamente confiáveis, uma vez que inúmeras causas de viés podem incidir de forma inaceitável sobre o resultado encontrado, e deixar um pesquisador à deriva quanto ao caminho a ser tomado e decisões futuras. Ou seja, grande quantidade de dados, entretanto incompletos incorrem no risco de não possibilitar a geração de conhecimento coerente e útil para subsidiar decisões para policymakers. Big Data em saúde é de interesse de vários stakeholders: Governos, Operadoras, Administradoras de Planos, Hospitais, Farmacêuticas, entre outros.

A dificuldade de se encontrar um usuário de um gerador ou eletrodos com necessidade de acompanhamento para garantia da segurança à saúde do paciente, por notificação da ANVISA por exemplo, certamente se torna uma tarefa árdua e na maioria da vezes impossível, quando os registros chegam em papel, e não são mensurados em diversos níveis de complexidade o impacto do gap, por exemplo, entre a data do cadastramento dos dados do implante ou gerador por exemplo, e a inserção destes dados no sistema, se é que os dados são preenchidos.

Sistemas de Big Data em Saúde interessam a vários “stakeholders”: Governos, Operadoras, Administradoras de Planos, Hospitais, Farmacêuticas, entre outros.

Ainda que isto seja apenas um pontapé inicial para se pensar e amadurecer as questões aqui junto aos atores deste cenário, uma conquista da qual o Pacemaker Users (Clube do Marcapasso) se orgulha, é ter pensado, e criado um modelo de sistema de cadastro, com total enfoque paperless para pacientes usuários de dispositivos médicos no Brasil, e disseminado para membros das sociedades médicas e indústria a importância de ferramentas como esta. Também é importante que uma ferramenta como esta seja disponibilidade  disponibilizada aos profissionais que implantam estes dispositivos.

Esta ONG que representa usuários de dispositvos fica feliz em poder contribuir com a sua perspectiva para se pensar na importância da implantação de sistemas de cadastro informatizados relativos a dispositivos médicos, e seu monitoramento em tempo real no Brasil, incluindo motivar uma reflexão crítica a respeito do significado do mesmo em diferentes contextos clínicos.

Dra. Luciana Alves PhD e-Patiente Adviser | Fundadora e Blogger no PACEMAKERusers | President/CEO no Clube do Marcapasso (Organização Não Governamental) | Membro da Society for Participatory Medicine | Expertise Infoveillance & Infodemiology | Usuária de Marcapasso Cardíaco

Padrão