.png){kind=logo}
Identifique pacientes com IC de alto risco, oriente-os em programas de tratamento e reduza hospitalizações e custos.
A insuficiência cardíaca (IC), caracterizada pela capacidade prejudicada do coração de bombear sangue, afeta 6,5 milhões de adultos norte-americanos e leva à retenção de líquidos e falta de ar (2). Espera-se que os custos médicos diretos da HF cheguem a 70 bilhões de dólares até 2030 (1), com 33% dos gastos do Medicare dedicados ao tratamento dessa condição (4). Após o diagnóstico, metade dos pacientes sobrevive apenas cinco anos e um em cada dez chega aos dez anos (3) (5). As hospitalizações por IC, muitas vezes evitáveis, são um fator chave nesses altos custos e constituem a principal causa de internações hospitalares entre pacientes com mais de 65 anos, com uma taxa significativa de readmissões em 30 dias (6) (7). Abordar esse problema é fundamental para melhorar os resultados dos pacientes e reduzir os gastos com saúde.
Um modelo preditivo chamado “HeartSafe AI” foi projetado para prever readmissões para pacientes com insuficiência cardíaca. Esse modelo usa dados clínicos, como pressão arterial e níveis de colesterol, para prever a ocorrência de exacerbações da insuficiência cardíaca, ajudando os profissionais de saúde a prestar cuidados direcionados com o objetivo de reduzir a probabilidade de hospitalizações subsequentes.
A seleção das variáveis e sua inclusão no modelo são baseadas em relatórios estatísticos sobre doenças cardíacas e derrames (1), bem como em pesquisas sobre as implicações financeiras (2) e a epidemiologia da insuficiência cardíaca (3). Análises de custos (4), prevenção de internações hospitalares por insuficiência cardíaca descompensada (5), taxas de reinternação (6) e a importância do autocuidado na insuficiência cardíaca (7) contribuem para uma compreensão profunda dos fatores que levam às readmissões.
A insuficiência cardíaca (IC), caracterizada pela capacidade prejudicada do coração de bombear sangue, afeta 6,5 milhões de adultos norte-americanos e leva à retenção de líquidos e falta de ar (2). Espera-se que os custos médicos diretos da HF cheguem a 70 bilhões de dólares até 2030 (1), com 33% dos gastos do Medicare dedicados ao tratamento dessa condição (4). Após o diagnóstico, metade dos pacientes sobrevive apenas cinco anos e um em cada dez chega aos dez anos (3) (5). As hospitalizações por IC, muitas vezes evitáveis, são um fator chave nesses altos custos e constituem a principal causa de internações hospitalares entre pacientes com mais de 65 anos, com uma taxa significativa de readmissões em 30 dias (6) (7). Abordar esse problema é fundamental para melhorar os resultados dos pacientes e reduzir os gastos com saúde.
Um modelo preditivo chamado “HeartSafe AI” foi projetado para prever readmissões para pacientes com insuficiência cardíaca. Esse modelo usa dados clínicos, como pressão arterial e níveis de colesterol, para prever a ocorrência de exacerbações da insuficiência cardíaca, ajudando os profissionais de saúde a prestar cuidados direcionados com o objetivo de reduzir a probabilidade de hospitalizações subsequentes.
Without AI:
High readmission rates (>25%) lead to additional costs of $3,000-5,000 per hospitalization [5].
Increased mortality due to delayed diagnoses and suboptimal treatment.
With AI:
Projected 15-25% reduction in hospitalizations through early interventions.
Up to 20% reduction in overall treatment costs by focusing on prevention and outpatient management.
Clinical:
- Reduction in the annualmortality rate due to HF by 5-10% in 3 years, significantly improving thequality of life of patients [2].
- Decrease in the annual hospitalizationrate by at least 20%, with a direct impact on the sustainability of the healthsystem.
Economic:
Potential savings of up to USD50 million annually in national health systems in countries such as Brazil orMexico, based on a 20% reduction in hospitalizations due to HF [5].
Social:
Improved quality of life andincreased life expectancy, especially in vulnerable communities affected byChagas and other preventable conditions [3].
A seleção das variáveis e sua inclusão no modelo são baseadas em relatórios estatísticos sobre doenças cardíacas e derrames (1), bem como em pesquisas sobre as implicações financeiras (2) e a epidemiologia da insuficiência cardíaca (3). Análises de custos (4), prevenção de internações hospitalares por insuficiência cardíaca descompensada (5), taxas de reinternação (6) e a importância do autocuidado na insuficiência cardíaca (7) contribuem para uma compreensão profunda dos fatores que levam às readmissões.
