Prevendo readmissões hospitalares: reduzindo os custos de saúde

As readmissões hospitalares, definidas como um paciente sendo readmitido na mesma ou em outra unidade de tratamento intensivo dentro de 30 dias após a internação inicial, representam um problema significativo no sistema de saúde dos EUA. Anualmente, há 4,2 milhões de readmissões hospitalares de adultos, e um em cada seis beneficiários do Medicare é readmitido dentro de 30 dias após a alta (1) (2). Para idosos com deficiências funcionais, o risco de readmissão é 40% maior do que para aqueles sem deficiências (3). O impacto financeiro é substancial, com o custo médio de uma readmissão sendo de $14.500 e as readmissões hospitalares custando ao Medicare $26 bilhões anualmente (4). Em 2019, 83% dos hospitais gerais do HRRP foram penalizados pelo CMS, totalizando $564 milhões em penalidades por taxas excessivas de readmissão em 30 dias (5). Abordar as condições que contribuem para as readmissões e fatores como o apoio inadequado do cuidador e os determinantes sociais da saúde pode reduzir significativamente as taxas de readmissão, com programas bem-sucedidos alcançando reduções de até 34% (6) (7).

• Anualmente, 4,2 milhões de readmissões hospitalares de adultos ocorrem nos EUA, com beneficiários do Medicare experimentando uma taxa de readmissão de 1 em 6 dentro de 30 dias após a alta.
• As readmissões hospitalares custam ao Medicare $26 bilhões anualmente, com o custo médio de uma readmissão sendo $14.500.
• Em 2019, 83% dos hospitais gerais do HRRP foram penalizados pelo CMS, totalizando 564 milhões de dólares em penalidades por taxas excessivas de readmissão em 30 dias.

“ReadmitPredict AI” é um modelo preditivo de IA projetado para estimar a probabilidade de readmissões hospitalares em 30 dias. Ele analisa uma ampla gama de parâmetros de saúde e detalhes de hospitalização para identificar pacientes com alto risco de readmissão, facilitando intervenções precoces e possíveis economias de custos.

O conjunto de dados sintéticos, criado para refletir cenários reais de pacientes, é baseado em pesquisas sobre readmissões hospitalares. Os estudos de Bailey et al. (1), o Fórum Nacional de Qualidade do Departamento de Saúde e Serviços Humanos (2), Greysen et al. (3) e o material RevCycleIntelligence (4) fornecem uma compreensão dos padrões e causas das readmissões. A pesquisa de Rau (5) e os resultados de Hines et al. (6) sobre os custos e condições das readmissões, juntamente com os estudos sobre a participação do paciente nos processos de alta de Kemp et al. (7), são usados para moldar os parâmetros do modelo.