Natália Cristina Borges de Faria
Sistema de Recomendação de Evidência a
Profissionais da Saúde
Campinas
2015
UNIVERSIDADE ESTADUAL DE CAMPINAS
Faculdade de Engenharia Elétrica e de Computação
Natália Cristina Borges de Faria
Sistema de Recomendação de Evidência a Profissionais da
Saúde
Dissertação apresentada à Faculdade de Enge-nharia Elétrica e de Computação da Univer-sidade Estadual de Campinas como parte dos requisitos exigidos para a obtenção do título de Mestra em Engenharia Elétrica, na Área de Engenharia de Computação.
Orientador: Prof. Dr. Ivan Luiz Marques Ricarte
Este exemplar corresponde à versão final da dissertação defendida pela aluna Natália Cristina Borges de Faria, e orientada pelo Prof. Dr. Ivan Luiz Marques Ricarte
Campinas
2015
Ficha catalográfica
Universidade Estadual de Campinas Biblioteca da Área de Engenharia e Arquitetura
Rose Meire da Silva - CRB 8/5974
Faria, Natália Cristina Borges,
F225s FarSistema de recomendação de evidência a profissionais da saúde / Natália Cristina Borges de Faria. – Campinas, SP : [s.n.], 2015.
FarOrientador: Ivan Luiz Marques Ricarte.
FarDissertação (mestrado) – Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação.
Far1. Sistemas de recomendação. 2. Evidência. I. Ricarte, Ivan Luiz Marques,1962-. II. Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computação. III. Título.
Informações para Biblioteca Digital
Título em outro idioma: Recommendation system of evidence for health professionals Palavras-chave em inglês:
Recommendation system Evidênce
Área de concentração: Engenharia de Computação Titulação: Mestra em Engenharia Elétrica
Banca examinadora:
Ivan Luiz Marques Ricarte [Orientador] Fabio Carmona
José Mario De Martino Data de defesa: 25-08-2015
Programa de Pós-Graduação: Engenharia Elétrica
Powered by TCPDF (www.tcpdf.org)
Resumo
O crescimento constante no volume de publicações na área da saúde tem aumentado a necessidade de estratégias que facilitem a disseminação das informações que são relevantes aos profissionais da saúde. A aplicação dessas informações na rotina clínica é chamada de medicina baseada em evidências, ou de maneira mais geral, prática baseada em evidências.
Apesar do conhecido potencial para poder melhorar a qualidade da assistência pres-tada ao paciente, as evidências são pouco utilizadas na prática clínica. Uma das barreiras encontradas na literatura é a dificuldade dos profissionais em encontrar informações relevan-tes e que possam ser aplicadas na rotina clínica.
Portanto, para propor estratégias que disseminem de forma eficiente as evidências mais relevantes a um determinado profissional é preciso identificar a relação entre as caracte-rísticas pessoais dos profissionais e a percepção da relevância clínica. Diante disso, o objetivo desse projeto é responder a seguinte questão de pesquisa: Qual o impacto das características pessoais dos profissionais de saúde (especialidade clínica, idade e gênero) na percepção da relevância clínica?
Por meio de uma análise quantitativa feita a partir de dados coletados de um ques-tionário estruturado (IAM) aplicado a um grupo de médicos canadenses no ano de 2010 foi possível perceber que há diferença na percepção de relevância para profissionais que são de idades e especialidades clínicas diferentes.
Com base nesses resultados, um sistema de recomendação de evidências foi proposto para direcionar as melhores evidências para um determinado perfil de profissional utilizando os diagramas da linguagem UML. Para validação do sistema proposto, cenários hipotéticos foram elaborados representando a utilização do sistema por diferentes perfis de profissionais.
Abstract
The constant growth in the volume of health’s publications has increased the neces-sity for the creation of new strategies to facilitate the dissemination of information that is relevant to health professionals. The application of this information in clinical practice is called evidence-based medicine, or more generally, evidence-based practice.
Despite having the right knowledge throw the evidences to improve the quality of care to the patients, they are rarely used in clinical practice. One of the barriers that we found in our literature review: is the difficulty of the professionals to find relevant information that could be applied in the clinical practice in the evidence databases.
Therefore, to propose strategies that disseminate efficiently the most relevant evidence to a specific practitioner it is necessary to identify the relationship between the personal characteristics of the professionals and the perception of its clinical relevance. Thus, the objective of this project is to answer the following research question: What is the impact of the personal characteristics of health professionals (clinical specialty, age and gender) in the perception of the clinical relevance?
Through a quantitative analysis based on data collected from a structured questi-onnaire (IAM) applied to a group of Canadian doctors in 2010 it was revealed that there are differences in the perception of relevance for professionals who have different clinical specialties and ages.
Based on these results, an evidence rating system was proposed to target the best evidence for a particular professional profile using the diagrams from the UML language. To validate the proposed system, hypothetical scenarios were developed representing the use of the system for different profiles.
Sumário
1 Introdução . . . . 1 2 Referencial Teórico . . . . 3 2.1 Evidências . . . 3 2.2 Barreiras e facilitadores . . . 6 2.3 Sistema de recomendação . . . 132.3.1 Filtragem baseada em conteúdo . . . 14
2.3.2 Filtragem colaborativa . . . 15
2.3.3 Filtragem híbrida . . . 16
2.4 Sistemas de recomendação na área da saúde . . . 17
2.5 Objetivo . . . 19 2.5.1 Objetivo geral . . . 19 2.5.2 Objetivos específicos . . . 19 3 Materiais e Métodos . . . . 21 3.1 Fundamentação e proposta . . . 21 3.2 Etapas do estudo . . . 22
3.3 Características pessoais dos profissionais . . . 24
3.4 Características das evidências . . . 24
3.5 Elaboração do sistema de recomendação e validação . . . 25
4 Resultados . . . . 27 4.1 Etapas . . . 27 4.2 Características pessoais . . . 28 4.2.1 Especialidade . . . 28 4.2.2 Idade . . . 29 4.2.3 Gênero . . . 30
4.3 Características das evidências . . . 31
4.3.1 Número de citações . . . 31
4.3.2 Nível de evidência . . . 33
4.4 Modelagem do sistema . . . 34
4.4.1 Diagramas de casos de uso e sequência . . . 36
4.4.2 Diagrama de classes . . . 42
4.5 Validação . . . 44
4.5.1 Cenário - visualizar lista de evidências . . . 44
4.5.2 Cenário - comparar valor do CRII em diferentes datas . . . 47 xi
Referências . . . . 53 APÊNDICE A Dados . . . . 59
Lista de ilustrações
Figura 1 – Número de publicações referentes aos últimos anos. . . 1
Figura 2 – Diagrama PRISMA. . . 8
Figura 3 – Mapa conceitual. . . 8
Figura 4 – Etapas iniciais do estudo. . . 23
Figura 5 – Cenários utilizados para a validação do sistema. . . 26
Figura 6 – Histogramas dos atributos especialidade, idade e gênero. . . 28
Figura 7 – Relação entre os valores de CRII para médicos de família e para profissio-nais com outras especialidades. . . 28
Figura 8 – Comparação entre os valores de CRII para cada faixa etária. . . 30
Figura 9 – Relação entre os valores de CRII para gênero masculino e gênero feminino. 31 Figura 10 – Comparação entre os valores de CRII e o número de citações do artigo correspondente. . . 32
Figura 11 – Comparação entre os valores de CRII e o nível das evidências. . . 33
Figura 12 – Arquitetura do sistema de recomendação. . . 35
Figura 13 – Diagrama de Casos de Uso. . . 36
Figura 14 – Diagrama de Sequência: Selecionar uma evidência específica. . . 38
Figura 15 – Diagrama de Sequência: Visualizar lista de evidências. . . 40
Figura 16 – Diagrama de Sequência: Avaliar uma evidência. . . 41
Figura 17 – Diagrama de Classes. . . 43
Figura 18 – Validação do cenário "Visualizar lista de evidências". . . 45
Figura 19 – Cenário: Comparar valor do CRII em diferentes datas. . . 48
Lista de tabelas
Tabela 1 – Níveis de evidências e seus respectivos desenhos do estudo. . . 4
Tabela 2 – Exemplos de bases de evidências - Adaptado de Galvão (2012). . . 4
Tabela 3 – Estratégia de busca aplicada em Pubmed com o correspondente número de resultados retornados em cada fase da busca. . . 7
Tabela 4 – Matriz referente aos artigos encontrados na literatura e seus respectivos facilitadores e barreiras. . . 9
Tabela 5 – Exemplos de sistemas de recomendação na área da saúde. . . 17
Tabela 6 – Características pessoais dos profissionais e suas respectivas subcategorias 24 Tabela 7 – Diferenças entre os valores de CRII para médicos de família (CRII 1) e para profissionais de outras especialidades (CRII 2). . . 29
Tabela 8 – Matriz de correlação entre os valores das faixas etárias. . . 30
Tabela 9 – Requisitos do sistema. . . 34
Tabela 10 – Sequência Típica de Eventos: Selecionar uma evidência específica. . . 37
Tabela 11 – Sequência Típica de Eventos: Visualizar lista de evidências. . . 39
Tabela 12 – Sequência Típica de Eventos: Avaliar uma evidência. . . 41
Tabela 13 – Identificador das evidências e seus respectivos títulos . . . 44
Tabela 14 – Evidências e respectivos valores do CRII para cada perfil. . . 46
Tabela 15 – Processo de validação do cenário. . . 46
Tabela 16 – Evidências e respectivos valores do CRII para cada perfil. . . 47
Tabela 17 – Passos do diagrama de sequência "Avaliar uma evidência"para validar o sistema. . . 49
Tabela 18 – Tabela de dados. . . 59
Tabela 19 – Identificador das evidências e seus respectivos títulos . . . 65
Lista de abreviaturas e siglas
CMA: Canadian Medical Association
CFPC: College of Family Physicians Canada
CRII: Clinical Relevance of Information Index
IAM: Information Assessment Method
LOE: Level of Evidence
MBE: Medicina Baseada em Evidência
PBE: Prática Baseada em Evidência
PRISMA: Preferred Reporting Items for Systematic Reviews and Meta-Analyses
UML: Unified Modeling Language
1
1 Introdução
Uma grande quantidade de conhecimento científico é produzido diariamente. Parte desse crescimento constante de publicações pertence à área da saúde, como pode ser observado na Figura 1, a qual mostra os artigos indexados pela base de dados PubMed nos últimos anos (PUBMED, 2013).
Figura 1 – Número de publicações referentes aos últimos anos.
Segundo a base PubMed, há mais de 23 milhões de artigos publicados somente na área da saúde, dentre eles, milhares podem ser considerados evidências clínicas (PUBMED, 2013). Na área da saúde, uma evidência é uma informação aplicável à prática clínica que foi obtida por meio de estudos clínicos, metodologicamente e cientificamente construídos, publicados na literatura especializada (CRUZ; PIMENTA, 2005).
As evidências são coletadas nas bases de dados tradicionais do campo da saúde por editores especializados que, por sua vez, as analisam e disseminam por meio de novos produtos informacionais. São exemplos de bases de evidências voltadas para a prática clínica:
Best-BETs, Clinical Evidence, DynaMed, Essential Evidence Plus, Cochrane Systematic Reviews
e PubMed (na sua interface de consulta por questões clínicas) (GALVÃO, 2012).
A medicina baseada em evidências ou, de modo mais geral, a prática da saúde baseada em evidências é definida como a integração da experiência clínica individual com as melhores evidências externas disponíveis (SACKETT, 1997). Apesar do reconhecido potencial para melhorar a qualidade da assistência aos pacientes, a prática baseada em evidências não é amplamente utilizada pelos profissionais da saúde (CHIU et al., 2009).
Pesquisas mostram que profissionais da saúde de diferentes áreas de atuação deixam de utilizar as bases de evidências por diversos motivos. Falta de tempo, desconhecimento
das bases e dificuldade para encontrar as evidências, são alguns dos fatores apontados na literatura vinculados a pouca utilização das evidências na prática clínica (ALGHAMDI, 2009; BIGBY, 2000; DAHM et al., 2009).
Sabendo que uma das barreiras encontradas na literatura é a dificuldade dos profis-sionais encontrarem evidências que são relevantes para sua área de atuação (SHABI et al., 2011; PEPPER et al., 2013), estratégias baseadas em tecnologia como sistemas que possam direcionar as melhores evidências para um determinado perfil de profissional são importantes para aumentar a prática baseada em evidências.
Diante dessas informações, surgiu a motivação para o desenvolvimento deste trabalho, que tem como um dos objetivos identificar a relação entre as características pessoais dos profissionais da saúde como especialidade clínica, idade e gênero na percepção da relevância clínica das evidências. Para medir a relevância clínica das evidências, o índice CRII (Clinical
Relevance of Information Index) pode ser utilizado. Esse índice foi desenvolvido em estudos
envolvendo médicos de família do Canadá, mas pode ser facilmente utilizado em outros contextos (RICARTE et al., 2012).
Ao identificar quais características influenciam a relevância clínica, é possível pro-por ferramentas tecnológicas de recomendação, como sistemas que direcionam as melhores evidências para um determinado perfil de profissional, podendo promover assim o uso das evidências na prática clínica.
Para modelar o sistema a linguagem padrão UML (Unified Modeling Language) foi utilizada através dos diagramas de casos de uso, sequência e classes. Após realizada a modela-gem foi necessário validar o sistema por meio da elaboração de dois cenários. Um dos cenários foi criado com o objetivo de verificar se há diferença entre as evidências recomendadas aos diferentes perfis de profissionais e o outro cenário foi elaborado para comparar o valor do CRII obtido por um perfil de profissional em uma determinada data com a avaliação dessa mesma evidência por um profissional do mesmo perfil, mas em uma data posterior.
3
2 Referencial Teórico
Este capítulo está organizado da seguinte forma: a Seção 2.1 contém alguns conceitos relacionados à evidência clínica, a Seção 2.2 possui uma revisão de literatura baseada no framework PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) sobre as barreiras e facilitadores no uso das bases de evidências pelos profissionais da saúde, a Seção 2.3 contém conceitos relacionados aos sistemas de recomendação bem como as três principais técnicas de recomendação e a Seção 2.4 apresenta alguns sistemas de recomendação na área da saúde.
2.1
Evidências
De acordo com Cruz e Pimenta (2005), uma evidência é uma informação aplicável à prática clínica que foi obtida por meio de estudos clínicos, metodologicamente e cienti-ficamente construídos. Para que haja uma evidência científica é necessário que exista uma pesquisa realizada dentro de preceitos científicos e que pode ser aplicada no contexto clínico. A qualidade da evidência é avaliada, principalmente considerando a metodologia ci-entífica empregada no estudo. O Centro de Medicina Baseada em Evidência de Oxford, no Reino Unido, por exemplo, classifica as evidências em níveis de 1 a 5. O nível 1 representa evidências com maior peso, ou seja, revisões sistemáticas de estudos clínicos controlados ran-domizados, estudos prospectivos ou de diagnóstico de alta qualidade ou estudos de análise de custos bem desenhados (MEDINA et al., 2006). As evidência consideradas de nível 2 são derivadas de estudos de coorte não randomizados, o que representa uma menor qualidade do estudo se comparado com ensaios clínicos randomizados. Evidências classificadas como nível 3 são derivadas de estudos de caso-controle e evidências de nível 4 provém de dados obtidos de estudos de coorte ou caso-controle de baixa qualidade. O nível 5 representa as evidências de menor peso, ou seja, para a opinião de especialistas sem uma apreciação crítica mais ampla e/ou baseada em fisiologia (GALVÃO, 2012).
Cada nível de evidência pode ser subdividido em categorias relacionadas com a quali-dade, quantidade e consistência da evidência (MEDINA et al., 2006). Para níveis de 1 a 2 há três subcategorias: A, B e C. A subcategoria "A" contém evidências que possuem estudos de meta-análise e revisões sistemáticas de vários estudos que demonstram consistência clínica dos resultados. As evidências da subcategoria "B" estão relacionadas com estudos individuais dentro de cada nível. No nível 1 a subcategoria "C" representa estudos terapêuticos do tipo
"tudo ou nada" e no nível 2 a subcategoria "C" contém estudos com observações de estudos terapêuticos. A Tabela 1 contém o resumo dos níveis de evidências.
Tabela 1 – Níveis de evidências e seus respectivos desenhos do estudo.
Nível de Evidência Desenho do Estudo
1A Revisão Sistemática (com homogeneidade) de ensaios clínicos con-trolados e randomizados
1B Ensaio clínico controlado e randomizado com intervalo de confiança estreito
1C Resultados terapêuticos do tipo "tudo ou nada"
2A Revisão sistemática (com homogeneidade) de estudos de coorte 2B Estudo de coorte (incluindo ensaio clínico randomizado de menor
qualidade)
2C Observação de resultados terapêuticos e estudo ecológico
3A Revisão sistemática (com homogeneidade) de estudo caso-controle 3B Estudo caso-controle
4 Relato de casos (incluindo coorte ou caso-controle de menor quali-dade). Observação de resultados terapêuticos e estudo ecológico 5 Opinião desprovida de avaliação crítica ou baseada em matérias
básicas (estudo fisiológico ou estudo com animais)
As evidências estão disponibilizadas em bases de dados bibliográficas que oferecem aos profissionais informações sobre esses estudos atualizados e publicados na forma de artigos na literatura médica especializada (RICARTE et al., 2013). Centros de pesquisas de diversos países como Inglaterra, Estados Unidos e Canadá promovem o ensino, pesquisa e extensão em bases de evidências (BOSI, 2012). A Tabela 2 contém alguns exemplos dessas bases e respectivas informações sobre seus conteúdos. No Brasil, o Ministério da Saúde lançou o Portal Saúde Baseada em Evidências que oferece aos profissionais da saúde ferramentas de referência clínica baseada em evidências disponibilizadas em 13 bases de dados.
Tabela 2 – Exemplos de bases de evidências - Adaptado de Galvão (2012).
Base de Evidência Informações Gerais
BestBETs É uma base de dados que foca em problemas clínicos
2.1. Evidências 5
Clinical Evidence
Apresenta revisões sistemáticas e sínteses sobre o estado atual do conhecimento, além das principais incertezas sobre a prevenção e tratamento de condições clínicas.
Cochrane Systematic Reviews
Contém revisões sistemáticas que inclui estudos que in-vestigam os efeitos das intervenções de prevenção, tra-tamento e reabilitação.
DynaMed
Fornece resumos clinicamente organizados e conteúdo atualizado além de recursos com relevância, validade e conveniência para responder a maioria das questões du-rante a prática clínica.
Essential Evidence Plus
Abrange diretrizes clínicas, resumos, ferramentas, ima-gens e sumários abrangendo as condições mais comuns de saúde, doenças e procedimentos clínicos.
MedlinePlus
Inclui informações abrangentes dos Institutos Nacionais de Saúde e de outras fontes confiáveis em mais de 800 tópicos sobre bem-estar, doenças e condições.
A princípio o uso das evidências na medicina foi denominado “Medicina Baseada em Evidência” (MBE), movimento o qual teve seu início no Canadá com um grupo de estudos da Universidade McMaster, na década de 1980, com a finalidade de promover a melhoria da assistência à saúde e do ensino, sendo David L. Sackett um dos principais idealizadores deste movimento. Segundo Bosi (2012), o termo “baseado em evidência” implica no uso e aplicação de pesquisas como base para a tomada de decisões sobre a assistência à saúde.
O termo "Prática Baseada em Evidência" (PBE) passou a ser empregado em meados da década de 90, de uma forma mais abrangente, compreendendo os mesmos conceitos e princípios da MBE, sendo empregada por diferentes profissionais e em diversos contextos de saúde (FILIPPIN; WAGNER, 2008). A medicina baseada em evidências ou, de modo mais geral, a prática da saúde baseada em evidências é definida segundo Sackett (1997) como o uso consciencioso, explícito e criterioso da melhor evidência atual na tomada de decisões sobre o tratamento do indivíduo. Isso significa integrar a experiência clínica individual com a melhor evidência clínica externa disponível proveniente da busca sistemática de informações (SACKETT, 1997).
A prática baseada em evidências não desconsidera a experiência adquirida pelo pro-fissional ao longo dos anos. De acordo com Bosi (2012), não é correto dizer que essa prática busca desqualificar o profissional ou ignorar a sua experiência ao tratar o paciente, pelo
con-trário, a boa utilização das evidências só fará sentido se passar pelo filtro da experiência adquirida ao longo dos anos no tratamento de situações semelhantes.
A implementação da prática baseada em evidências poderá melhorar a qualidade do cuidado prestado ao cliente e aprimorar o julgamento clínico. No entanto, o que se observa na prática clínica é uma baixa utilização das evidências, pois os profissionais de saúde devem saber como obter, interpretar e integrar as evidências oriundas de pesquisas com os dados do paciente e as observações clínicas (RICARTE et al., 2013). Para avaliar as potenciais causas relacionadas a essa observação, uma revisão de literatura foi realizada a fim de identificar as barreiras e facilitadores em relação ao uso das bases de evidências pelos profissionais da saúde.
2.2
Barreiras e facilitadores
O método utilizado para realizar a revisão bibliográfica foi baseado nas estratégias definidas pelo framework PRISMA (Preferred Reporting Items for Systematic Reviews and
Meta-Analyses), que estabelece os princípios da pesquisa bibliográfica e da apresentação da
revisão sistemática da literatura na área da saúde. Para execução do framework PRISMA algumas etapas foram definidas:
1. Definição de conceitos: Essa etapa consiste em definir os conceitos relevantes para o estudo e associá-los a termos utilizados na busca. Nesse estudo foram selecionados os seguintes termos:
Barreiras e Facilitadores
Algo que impeça ou facilite o uso das bases de evidências na prática clínica em relação aos profis-sionais da saúde.
Barrier*, difficult*, disadvantage*, problem, ease, facility
Profissionais de Saúde
Indivíduos que trabalham na provisão de serviços de saúde quer como médicos individuais ou empregados de instituições e programas de saúde.
Health professionals, physicians, resident, surgeon, nurse, physiotherapist, “occupational therapist”
Bases de Evidências
Evidência é a informação aplicável à prática clínica que foi obtida por meio de estudos clínicos publicados na literatura especializada. Bases de evidências são bases de dados onde estão localizadas as evidências.
“online clinical evidence”, “online evidence”, evidence, clinical evidence, CE, Online databases, PubMed, Cochrane
2.2. Barreiras e facilitadores 7
2. Seleção das bases bibliográficas: O próximo passo foi definir quais bases de dados bibli-ográficas eram relevantes para o presente estudo. Foram consultadas as bases: PubMed, ScienceDirect, IEEExplore do Institute of Electrical and Electronics Engineers (IEEE) e a Digital Library da Association for Computing Machinery (ACM).
3. Estratégia de busca: Na sequência, foram definidas as estratégias de busca em cada base de dados, segundo as regras específicas de cada uma, e as buscas foram realizadas. A Tabela 3 ilustra a estratégia de busca aplicada à base PubMed. As buscas foram realizadas no dia vinte de março de 2013.
Tabela 3 – Estratégia de busca aplicada em Pubmed com o correspondente número de resultados retornados em cada fase da busca.
Estratégia de Busca PubMed Barreiras/Facilitadores
(794273)
1) barrier OR difficult* OR disadvantage* OR
ease OR facility OR problem
Profissionais da Saúde (447925)
2) "Health professionals"OR Physicians OR
Resi-dent OR Surgeon OR nurse OR physiotherapist OR therapist
Bases de Evidências (43813) 3) online evidence OR PubMed OR Cochrane Busca Final (381) 1 AND 2 AND 3: (barrier OR difficult* OR
disadvantage* OR ease OR facility OR problem) AND ( "Health professionals"OR Physicians OR Resident OR Surgeon OR nurse OR physiothera-pist OR theraphysiothera-pist) AND (“online evidence” OR PubMed OR Cochrane)
4. Diagrama PRISMA: Aos resultados obtidos na etapa anterior foram aplicados filtros para restringir os resultados a artigos completos, com texto em língua inglesa ou por-tuguesa, publicados a partir do ano de 2008. A Figura 2 sintetiza, por meio de um diagrama de fluxo, as etapas executadas e o número de resultados obtidos.
5. Mapa conceitual: Foram selecionados vinte e três artigos que atenderam aos critérios estabelecidos na estratégia de busca descrita e adicionados treze artigos obtidos atra-vés de outras fontes, totalizando trinta e seis artigos. A Figura 3 apresenta um mapa conceitual que sintetiza a distribuição de interesses dos artigos selecionados.
Figura 2 – Diagrama PRISMA.
2.2. Barreiras e facilitadores 9
Após a leitura completa dos artigos, foi elaborado um breve resumo de cada artigo, os quais foram sistematizados em uma matriz para melhor elaboração da revisão de litera-tura (Tabela 4). Essa matriz contém os autores dos artigos selecionados e seus respectivos facilitadores e/ou barreiras identificados.
Tabela 4 – Matriz referente aos artigos encontrados na literatura e seus respectivos facilita-dores e barreiras.
xxxARTIGOS Barreiras & Facilitadores
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 KNOPS et al., 2009 F F F F CHIU et al., 2010 F F SADEGHI et al., 2011 F F S.-GLYASSI et al., 2011 F F F CHIU et al., 2009 F ALGHADI et al., 2009 F F F F BIGLY, 2000 F ULVENES et al., 2009 F F F F GOSTING et al., 2003 F F F F F DAHM et al., 2008 F F SUR et al., 2006 F METCALFE et al., 2001 F F F F F GRIMMER et al., 2004 F SHAHI et al., 2011 F F ROSENBAUM et al., 2008 F F BENMETT et al., 2005 F GOSTING et al., 2003 F F F F CALDWELL et al., 2006 F F DJKERS et al., 2012 F F F
LEWIS et al., 2009 F F MCKENNA et al., 2003 F F F F UBBINK et al., 2013 F F F MOHAN et al., 2013 F F F F BARNARD, 2001 F F F LINTON et al., 2013 F F F CHANG et al., 2013 F F F F STRAKA et al., 2012 F F HUNT, 2012 F F F BAUM et al., 2000 F F F SITZIA, 2002 F F F WENGER, 2012 F MELNYK et al., 2012 F F F F F MOLLON et al., 2012 F HANNES et al., 2012 F F MOHSEN, 2007 F GRIMMER et al., 2007 F F F
(1)-Termos; (2)-Resultados conflitantes; (3)-Deficiência metodológica; (4)-Falta de conheci-mento; (5)-Tempo; (6)-Educação; (7)-Dificuldade no uso; (8)-Falta de acesso; (9)-Tempo de busca; (10)-Conhecimento; (11)-Facilidade no uso; (12)-Preferência por procedimentos; (13)-Atitude favorável; (14)-Workshop e palestra; (15)-Compreensão estatística; (16)-Facilidade em encontrar informação; (17)-Dificuldade com idioma; (18)-Interpretação; (19)-Cultura lo-cal; (20)-Autoridade para mudar
A literatura apresenta diversos estudos envolvendo profissionais da área da saúde como médicos de diferentes especialidades (clínicos, urologistas, cirurgiões e dermatologistas) que destacam a importância de utilizar a medicina baseada em evidências, pois reconhecem que essa prática melhora o conhecimento dos profissionais podendo causar melhora da saúde do paciente (GOSLING et al., 2003; DAHM et al., 2009; SUR et al., 2006; ULVENES et al.,
2.2. Barreiras e facilitadores 11
2009). Segundo Bennett et al. (2007), mesmo os profissionais que relatam nenhuma alteração na prática clínica concordam que o uso das evidências melhora o seu conhecimento geral.
Apesar de estudos demonstrarem que a prática baseada em evidências é considerada válida e útil pelos profissionais, a sua aplicação é pouco utilizada. Portanto, há barreiras e limitações para seu uso. Segundo Alghamdi (2009), o motivo pelo qual os profissionais não utilizam as bases de evidências durante a consulta do paciente é a falta de acesso a essas bases. A falta de acesso à Internet, por exemplo, pode comprometer o uso das evidências na prática cínica, no entanto, Shabi et al. (2011) destacam que mesmo os profissionais que possuem acesso às bases de evidências apresentam dificuldades de encontrarem evidências de boa qualidade e que possam ser utilizadas na sua prática clínica.
Estudos mostram que a falta de qualidade da evidência é principalmente devido à de-ficiência metodológica e aos resultados conflitantes, isto é, resultados com maneiras distintas de realizar os procedimentos (METCALFE et al., 2001; KNOPS et al., 2009). Segundo Wen-ger (2012), na especialidade de ortopedia pediátrica, diversas pesquisas que estão disponíveis na literatura apresentam níveis de evidência 4 ou 5 como pequenos estudos em uma única instituição, com pesquisas mal elaboradas e executadas, produzindo assim resultados que são de validade científica questionável e, portanto, não são amplamente aceitáveis.
Mesmo quando as evidências apresentam resultados confiáveis, os profissionais têm dificuldade para analisá-las, pois apresentam dificuldades em lê-las e avaliá-las criticamente, sobretudo, em relação à análise estatística (VOTANO et al., 2004; LINTON; PRASUN, 2013; SUR et al., 2006). O fato da maioria dos profissionais não possuírem aulas de pesquisa ou estatística em sua formação profissional gera falta de confiança na pesquisa e, portanto, podem não aplicar as informações contidas nas evidências na prática clínica (LEWIS, 2009). Estudos mostram que iniciativas devem ser propostas para melhorar a análise das evidências por profissionais da saúde e alertá-los dos benefícios das evidências na prática clínica. Dijkers et al. (2012), Knops et al. (2009), Sadeghi et al. (2011), Dahm et al. (2009) propõem que as instituições ofereçam oportunidade de aprendizagem profissional, como cur-sos presenciais ou on-line, oficinas e palestras para que os profissionais da saúde melhorem a capacidade de encontrar e avaliar as evidências.
No entanto, não é apenas a falta de preparação dos profissionais que influencia o uso das bases de evidências na prática clínica. Outra barreira mencionada pelos profissionais da saúde é a cultura do local de trabalho. No estudo de Barnard e Wiles (2001), a cultura do local de trabalho é vista como uma grande influência sobre o envolvimento da prática baseada em evidências pelos profissionais. Este estudo concluiu que os fisioterapeutas que trabalham em hospitais universitários estão mais envolvidos com a cultura de pesquisa, enquanto em
departamentos onde os gestores não querem mudança na rotina, a prática baseada em evi-dências é pouco utilizada. Esta falta de interesse em mudar a rotina é relatada principalmente pelos profissionais da área de enfermagem.
De acordo com Closs et al. (2000) e Hunt (2002), os enfermeiros não têm autoridade para alterar os procedimentos para a assistência ao paciente e, portanto, não usam as evi-dências na prática clínica. No entanto, Gosling et al. (2003) relatam que a razão pela qual os enfermeiros não utilizam a prática baseada em evidências é porque esses profissionais va-lorizam mais os procedimentos e têm preferências aos costumes e exemplos como base para a tomada de decisão.
Apesar de diversos estudos apresentarem barreiras baseadas na especialidade dos pro-fissionais, características como gênero e idade também podem influenciar a prática baseada em evidências. Segundo Chiu et al. (2009), profissionais com menos de cinquenta anos aces-sam com mais frequência as bases de evidências se comparados com profissionais acima dessa idade. No entanto, Ulvenes et al. (2009) e Chiu et al. (2010) afirmam que não há diferença significativa nas atitudes e comportamento dos profissionais em relação à idade. Para Ulvenes
et al. (2009), a diferença de gênero é que influencia o uso das evidências na prática clínica.
Segundo Ulvenes et al. (2009), profissionais, principalmente cirurgiões, do gênero feminino estão mais propensos a utilizarem as evidências se comparados com os cirurgiões do gênero masculino.
Outra barreira identificada na literatura é a dificuldade dos profissionais encontrarem informações que são relevantes para sua área de atuação (SHABI et al., 2011; PEPPER et
al., 2013; GRIMMER et al., 2004). Segundo Grimmer et al. (2004), são necessárias
ferra-mentas que direcionem evidências relevantes que possam ser utilizadas na prática clínica do profissional.
Para avaliar se as evidências são relevantes para os profissionais da saúde, um questio-nário estruturado denominado IAM (Information Assessment Method) proposto por Pluye et
al. (2010) pode ser utilizado. Nesse estudo os profissionais da saúde do Canadá receberam as
evidências por correio eletrônico e responderam ao questionário IAM analisando o impacto da informação contida na síntese da evidência recebida. Segundo Grad et al. (2011), por meio do IAM é possível compreender mais claramente como os médicos utilizam a informação clínica; além de determinar a relevância das evidências, isto é, a importância clínica das evidências na rotina do profissional (GALVÃO et al., 2013).
A relevância clínica pode ser obtida através do índice CRII (Clinical Relevance of
In-formation Index), o qual considera as respostas dos profissionais a uma determinada questão
2.3. Sistema de recomendação 13
sobre a relevância da evidência na prática clínica. Esse índice foi avaliado no contexto de medicina familiar no Canadá, mas é aplicável a outros contextos.
Há diversas maneiras de medir a relevância das informações. Uma medida geralmente utilizada para avaliar o impacto de estudos acadêmicos é o número de citações recebidas pelo artigo publicado. No entanto, essa medida reflete a qualidade da pesquisa em relação a universidades, pesquisadores e revistas científicas e não necessariamente à sua aplicação no contexto da assistência (RICARTE et al., 2012). Segundo Ricarte et al. (2012), o índice CRII captura aspectos não comtemplados na medida usual de citações, ou seja, o CRII é uma medida adequada para capturar a efetividade do processo de transferência do conhecimento gerado em pesquisas, para a prática clínica; já o número de citações é uma medida produzida e empregada no e para o contexto acadêmico.
Além do número de citações, outra característica das evidências relacionada à in-formação clínica é o nível de evidência (LOE, do inglês Level of Evidence). Assim como a quantidade de citações, Galvão et al. (2013) compararam os valores do índice CRII das evidências com seus respectivos níveis de evidências e constataram que essas duas medidas apresentam uma fraca correlação. Galvão et al. (2013) consideram que tanto LOE quanto o número de citações não representam o conceito de relevância clínica da informação medida pelo CRII. No entanto não há na literatura estudos que relacionem essas características das evidências com o perfil do profissional.
Identificar a relação das características pessoais dos profissionais e das evidências com a relevância clínica das evidências é importante para elaborar ferramentas tecnológicas de recomendação, como sistemas que direcionam as melhores evidências para um determinado perfil de profissional, podendo promover assim o uso das evidências na prática clínica.
2.3
Sistema de recomendação
Resnick e Varian (1997) definem sistemas de recomendação como sistemas que uti-lizam as opiniões de uma comunidade de usuários para auxiliar indivíduos desta mesma comunidade a identificarem conteúdos de interesse em um conjunto de opções que poderiam caracterizar uma sobrecarga. Em uma definição mais simplista, sistemas de recomendação são sistemas que procuram facilitar a busca por um conteúdo interessante no meio de tantas informações.
Os sistemas de recomendação têm se tornado uma importante área de pesquisa desde o aparecimento dos primeiros estudos em meados da década de 1990 (GOLDBERG et al., 1992; ADOMAVICIUS; TUZHILIN, 2005). Na última década, muitas pesquisas relacionadas
a novas abordagens para sistemas de recomendação têm sido realizadas tanto na indústria quanto na academia. Segundo Adomavicius e Tuzhilin (2005), o interesse por essa área ainda permanece elevado, por causa da grande quantidade de aplicações práticas que ajudam os usuários a lidar com a sobrecarga de informações, uma vez que estes sistemas fornecem recomendações personalizadas de conteúdos e serviços para os usuários.
As aplicações dos sistemas de recomendação podem ser encontradas em diversas áreas. O comércio eletrônico é atualmente uma das áreas com maior foco de utilização de sistemas de recomendação, onde se empregam diferentes técnicas para encontrar os produtos mais ade-quados aos seus clientes e aumentar assim a lucratividade (REATEGUI; CAZELLA, 2005). Grandes empresas como Netflix, Amazon e Google são reconhecidas por utilizarem de forma intensiva os sistemas de recomendação com os quais obtêm grande vantagem competitiva, implicando diretamente em seu lucro, devido ao aumento do consumo e da fidelização do cliente (ADOMAVICIUS; TUZHILIN, 2005).
Para realizar as recomendações algumas técnicas podem ser utilizadas a partir de uma predição sobre as informações dos itens e usuários. A seguir são descritas três principais técnicas aplicadas aos sistemas de recomendação, segundo os autores Ansari et al. (2000): filtragem baseada em conteúdo, filtragem colaborativa e filtragem híbrida.
2.3.1
Filtragem baseada em conteúdo
Essa técnica é chamada de filtragem baseada em conteúdo porque o sistema realiza filtragem baseada na análise de conteúdo dos itens e no perfil do usuário, isto é, na descrição dos interesses do usuário (ANSARI et al., 2000). As informações em relação ao interesse do usuário podem ser obtidas pelo próprio usuário, pela realização de uma consulta, ou por meio do conteúdo dos itens que ele consome (REATEGUI; CAZELLA, 2005).
Segundo Ansari et al. (2000), os sistemas baseados em conteúdo têm o objetivo de gerar, de forma automática, descrição dos conteúdos dos itens (conjunto de termos ou pala-vras, sinais do áudio, imagens, etc.) e comparar esta descrição de cada item com a descrição dos interesses dos usuários ou com o histórico de consumo do mesmo, a fim de verificar se o item é ou não relevante para o usuário. De acordo com Torres et al. (2004) as principais vantagens da filtragem baseada em conteúdo são:
• Não possui o problema do primeiro avaliador, isto é, para recomendar um item a um usuário não precisa que esse item seja avaliado por outros usuários, pois o critério de recomendação é baseado apenas na comparação das descrições de conteúdo, e indepen-dente se o item foi ou não escolhido por mais algum usuário;
2.3. Sistema de recomendação 15
• Possui a capacidade de recomendar todos os itens, pois todos os itens são comparados com o perfil do usuário, e assim possuem igual probabilidade de serem recomendados; • Possui independência do número de usuários, pois a análise de similaridade é feita
ape-nas entre os itens e um único usuário, logo a qualidade da recomendação não dependerá da quantidade de usuários no sistema.
Segundo Adomavicius e Tuzhilin (2005) e Burke (2002) os sistemas baseados nesta técnica possuem as seguintes limitações:
• Apresenta análise de conteúdo limitada, pois é necessário que as características do conteúdo sejam estruturadas de forma que possam ser analisadas automaticamente pelo sistema. A extração de características de dados multimídia como vídeo e som, por exemplo, é de difícil aplicação e atribuí-las manualmente torna-se inviável.
• Como esta técnica é baseada na similaridade de novos itens com aqueles anteriormente avaliados, muitas vezes a recomendação acaba ficando limitada a fazer recomendações de conteúdo muito semelhante ao que o usuário já conhece, criando uma superespeciali-zação do conteúdo. Exemplificando: uma pessoa que nunca experimentou comida árabe jamais receberia uma recomendação para ir ao melhor restaurante de comida árabe da cidade (OLIVEIRA, 2011).
• Apresenta o problema do novo usuário, pois caso o usuário tenha avaliado um número pequeno de itens no sistema a recomendação fica pouco precisa, já que esta técnica utiliza o histórico do usuário.
2.3.2
Filtragem colaborativa
A filtragem colaborativa é uma das técnicas de recomendação mais utilizadas, a qual utiliza a similaridade entre os usuários para fornecer as recomendações (RESNICK; VARIAN, 1997). Segundo Reategui e Cazella (2005), a filtragem colaborativa difere da filtragem baseada em conteúdo, por não exigir a compreensão dos itens a serem recomendados.
Para gerar uma recomendação essa técnica se baseia na similaridade entre os usuários, isto é, tentam predizer a utilidade dos itens para um usuário particular com base nos itens previamente avaliados por outros usuários que também participam do sistema e possuem um perfil semelhante (REATEGUI; CAZELLA, 2005). As vantagens da filtragem colaborativa, segundo Torres et al. (2004) são:
• Por não depender das características intrínsecas dos itens, essa técnica permite que possam ser recomendados itens de diversas categorias, como por exemplo: livros, CDs, filmes, etc.;
• Possui a capacidade do sistema surpreender o utilizador com recomendações inesperadas e com qualidade. Isso se deve ao fato que a similaridade é entre usuários e não entre itens.
Segundo Adomavicius e Tuzhilin (2005) e Reategui e Cazella (2005) a filtragem colaborativa apresenta as seguintes desvantagens:
• Apresenta o problema do primeiro avaliador, pois os itens que não foram avaliados não estão relacionados a nenhum perfil, logo não serão recomendados até que recebam uma avaliação.
• Usuários com gostos únicos não receberão boas recomendações, pois não existirão usuá-rios com gostos similares aos seus e a tendência é que itens populares sejam recomen-dados.
2.3.3
Filtragem híbrida
Os sistemas híbridos são a combinação de pelo menos dois tipos de filtragem. O caso mais comum é a junção da filtragem colaborativa com a filtragem baseada em conteúdo (MELVILLE; SINDHWANI, 2010). A motivação principal para a criação dos sistemas híbri-dos é o aumento da qualidade das recomendações (OLIVEIRA, 2011), pois permite diminuir as desvantagens de cada um dos tipos de filtragem e aproveitar as suas vantagens. Segundo Adomavicius e Tuzhilin (2005), existem diferentes formas de agregar estes dois tipos de fil-tragem:
1. Implementação colaborativa e baseada em conteúdo separadamente e combinar as suas previsões,
2. Incorporando algumas características baseadas em conteúdo em uma abordagem cola-borativa,
3. Incorporando algumas características colaborativas em uma abordagem baseada em conteúdo,
4. Construção de um modelo de unificação geral que incorpora ambas as técnicas: baseada em conteúdo e colaborativa.
2.4. Sistemas de recomendação na área da saúde 17
As principais características herdadas pela filtragem híbrida de cada uma das abordagens anteriores são (REATEGUI; CAZELLA, 2005):
• Descoberta de novos relacionamentos entre usuários;
• Recomendação de itens diretamente relacionados ao histórico; • Bons resultados para usuários incomuns;
• Precisão independente do número de usuários.
As duas primeiras características são herdadas da filtragem colaborativa, pois estão baseadas em “perfis similares”. Já as duas últimas são herdadas da filtragem baseada em conteúdo, pois não levam em consideração qualquer relacionamento entre perfis de usuários.
2.4
Sistemas de recomendação na área da saúde
As diversas técnicas de recomendação podem ser aplicadas em várias áreas. A litera-tura apresenta pesquisas sobre sistemas de recomendação sendo usados em serviços de infor-mação em saúde. Nessa área os sistemas têm um papel significativo em relação ao processo de tomada de decisão sobre a saúde do paciente. Pesquisas voltadas para a recomendação de medicamentos, nutrição e registro de saúde são exemplos de aplicações dos sistemas de recomendações na área da saúde. A Tabela 5 contém alguns desses estudos.
Tabela 5 – Exemplos de sistemas de recomendação na área da saúde.
Autores Informações Gerais
ABChomeopatia (2014)
ABChomeopatia é um web site de saúde que propõe remédios ou medicamentos, de acordo com os sintomas dos usuários. Usando este site, o usuário pode escolher vários sintomas de cada parte do corpo, e obter informações sobre os remédios para os sintomas selecionados. No entanto, os resultados são simples e limitado a apenas remédios, além de não considerar o estado de saúde do paciente de modo suficiente para garantir uma boa recomendação.
Wiesner e Pfeifer (2010)
O objetivo desse estudo é propor um sistema que fornece aos usuários do registro pessoal de saúde informações individua-lizadas e relevantes a partir de um sistema de recomendação de saúde com ênfase na semântica.
Lee e Lee (2008)
Esse estudo utiliza o método baseado em conteúdo para pro-por um sistema de recomendação de serviços de saúde perso-nalizados, isto é, um sistema que considera o estado de saúde dos usuários para recomendar serviços adequados para eles.
Kim et al. (2009)
Esse estudo propõe um sistema que recomenda dietas perso-nalizadas para os usuários que necessitam de prevenção e tra-tamento de doenças coronarianas considerando algumas infor-mações básicas pessoais como sinais vitais, histórico familiar de doenças e preferências alimentares.
2.5. Objetivo 19
2.5
Objetivo
De acordo com a literatura, para propor estratégias que disseminem de forma eficiente as evidências mais relevantes a um determinado profissional é preciso identificar a relação entre as características pessoais dos profissionais e das evidências com a percepção da relevân-cia clínica. Diante disso, o objetivo desse projeto é responder a seguinte questão de pesquisa: Qual o impacto das características das evidências (número de citações e nível de evidência) e as características pessoais dos profissionais da saúde (especialidade clínica, idade e gênero) na percepção da relevância clínica?
2.5.1
Objetivo geral
Identificar a relação entre as características das evidências e dos profissionais da saúde com a percepção de relevância das evidências.
2.5.2
Objetivos específicos
• Identificar a relação entre a especialidade clínica e a percepção de relevância • Identificar a relação entre a idade e a percepção de relevância
• Identificar a relação entre o gênero e a percepção de relevância
• Identificar a relação entre o número de citações obtidas pelo artigo correspondente das evidências e a percepção de relevância
21
3 Materiais e Métodos
Este capítulo está organizado da seguinte forma: a Seção 3.1 contém a proposta do estudo, fundamentação e a origem dos dados; a Seção 3.2 determina as etapas do estudo; a Seção 3.3 e Seção 3.4 apresentam a metodologia utilizada para realizar a análise das carac-terísticas pessoais dos profissionais e das evidências respectivamente; e a Seção 3.5 contém como será elaborada a modelagem do sistema de recomendação e a validação.
3.1
Fundamentação e proposta
Diante do resultado da revisão de literatura, na qual se apontou a dificuldade dos profissionais encontrarem nas evidências informações que são relevantes para sua área de atuação, estratégias baseadas em tecnologias como sistemas que possam direcionar as melho-res evidências para um determinado perfil de profissional são importantes para aumentar o conhecimento dos profissionais, podendo assim melhorar a qualidade da assistência prestada ao paciente.
Para disseminar as melhores evidências aos profissionais foi proposto um sistema de recomendação baseado na filtragem colaborativa, isto é, as evidências são recomendadas aos profissionais com perfil semelhante ao do usuário. Com o objetivo de identificar se há atributos dos profissionais e das evidências que influenciam a percepção de relevância clínica pelos profissionais, um estudo quantitativo e documental foi realizado aplicando o índice CRII e técnicas de mineração de dados ao conjunto de dados coletados no ano de 2010 pelo programa de educação médica continuada canadense promovido pela CMA (Canadian
Medical Association) em conjunto com o CFPC (College of Family Physicians Canada).
Esse programa dissemina, desde 2006, evidências aos médicos de diversas especiali-dades, no entanto esse programa é voltado principalmente a médicos de família. No ato da inscrição no programa, os participantes respondem a um questionário demográfico com suas características pessoais como especialidade clínica, gênero e data de nascimento. Os profis-sionais passam então a receber, por correio eletrônico, uma mensagem com uma evidência por dia útil. Ao ler e refletir sobre a aplicação da evidência em sua prática clínica, o pro-fissional tem direito a créditos que são utilizados para renovar sua afiliação ao CFPC. Para receber esses créditos o profissional deve responder a um questionário online denominado IAM. (PLUYE et al., 2010).
influenciam a percepção de relevância clínica, cada característica foi dividida em categorias e o índice CRII foi aplicado para cada uma e comparados entre si para verificar a correlação entre os valores.
Para analisar se as características das evidências influenciam a percepção de relevân-cia, o nível de evidência e o número de citações do artigo correspondente da evidência foram comparados com o índice CRII dos diferentes perfis dos profissionais. A quantificação das citações foi realizada no período de dois anos após o ano de publicação do artigo, o que justifica a utilização dos dados do ano de 2010.
Estabelecidas as características dos profissionais e das evidências que influenciam a percepção de relevância, foram utilizados diagramas da UML para modelar o sistema pro-posto. De acordo com Booch et al. (2005), UML é uma linguagem padrão utilizada para representar as múltiplas perspectivas (estruturais, estáticas, comportamentais e dinâmicas) do sistema sobre análise e desenvolvimento. Essa linguagem apresenta um conjunto básico de diagramas o qual os seguintes diagramas fazem parte: casos de uso, sequência e classes.
O diagrama de casos de uso descreve como diferentes tipos de usuários interagem com o sistema, já o diagrama de sequência mostra a interação entre os objetos do sistema ao longo do tempo e a sequência de mensagens trocadas entre eles; e o diagrama de classe é um gráfico que representa a estrutura do sistema, isto é, suas classes, conteúdos e relações (BOOCH et
al., 2005).
3.2
Etapas do estudo
Após adquirir os dados referentes às respostas dos questionários demográfico e IAM do ano de 2010 é necessário realizar o pré-processamento. Essa etapa compreende a aplicação de diversas técnicas para organização, tratamento e preparação dos dados. Por meio dessas técnicas é possível realizar a limpeza dos dados, isto é, corrigir informações ausentes, errôneas ou inconsistentes; selecionar somente os atributos importantes para o estudo a fim de reduzir a dimensão do banco de dados; e construir novos atributos os quais podem estar relacionados com os atributos existentes, podendo assim reduzir também o conjunto de dados (HAN; KAMBER, 2006).
Após o pré-processamento é necessário realizar a análise descritiva dos dados. Essa é a fase inicial do processo de estudo dos dados coletados, utilizada para resumir, organizar e descrever as características de um conjunto de dados através de operações como histogramas, médias e moda dos atributos (REIS; REIS, 2001). A próxima etapa é obter a relevância clínica das evidências.
3.2. Etapas do estudo 23
Para obter a relevância clínica o índice CRII (Clinical Relevance of Information Index) foi utilizado considerando as respostas dos profissionais a seguinte questão do questionário IAM: “Esta informação é relevante para pelo menos um de seus pacientes?”. As respostas são fechadas e possuem três alternativas: “totalmente relevante” (T), “parcialmente relevante” (P) e “não relevante” (N) (GALVÃO et al., 2013). A partir das respostas obtidas pelos profis-sionais, o CRII é calculado como a média harmônica entre a proporção de indicações positivas e a proporções de indicações negativas de relevância pela seguinte expressão (RICARTE et
al., 2012). CRII = 2T (T +P ) (T +P +N )(2T +P ), quando T + P > 0, 0, caso contrário. (3.1)
O resultado da expressão apresenta valores entre 0 e 1, sendo que o valor 0 ocorre quando a evidência não recebe nenhuma indicação “totalmente relevante”, e o valor 1 ocorre quando todas as indicações são consideradas “totalmente relevante”. Na próxima etapa o cálculo do índice CRII foi executado de acordo com as características pessoais dos profissionais e das evidências, os quais serão apresentados nas próximas seções. A Figura 4 ilustra as três etapas iniciais do estudo.
3.3
Características pessoais dos profissionais
Na terceira etapa, o cálculo do índice CRII foi executado de acordo com as três ca-racterísticas pessoais dos profissionais: especialidade clínica, idade e gênero. Para determinar se a especialidade clínica altera a percepção de relevância da evidência, é necessário calcular o CRII baseado em duas categorias distintas. A primeira é considerar os profissionais que são médicos de família e a outra os profissionais que não possuem essa especialidade clínica. A especialidade médicos de família foi escolhida, pois os dados utilizados nesse trabalho são voltados para essa especialidade.
Para identificar se a idade influencia na relevância clínica da evidência, o cálculo do CRII foi baseado em três faixas etárias: profissionais de 20 a 40 anos, de 41 a 65 anos e de 66 a 90 anos. A divisão da faixa etária foi definida a partir do histograma dos dados. O mesmo processo também foi realizado de acordo com o gênero dos profissionais. Nesse caso duas categorias foram definidas: feminino e masculino.
Ao final desse processo, foram obtidos os valores de CRII para cada uma das cate-gorias apresentadas. A Tabela 6 contém as características pessoais dos profissionais e suas respectivas subcategorias que foram analisadas.
Tabela 6 – Características pessoais dos profissionais e suas respectivas subcategorias Especialidade Médico de Família
Outra especialidade
Idade
Faixa etária 1 - até 40 anos Faixa etária 2 - 41 a 65 anos Faixa etária 3 - 66 a 90 anos
Gênero Feminino
Masculino
Os resultados foram então explorados e apresentados em gráficos a fim de verificar a relação entre as características pessoais dos profissionais (especialidade médica, idade e gênero) e a percepção de relevância das evidências.
3.4
Características das evidências
Além das características pessoais dos profissionais, as características das evidências (número de citações e níveis de evidência) também foram analisadas. Com os valores do CRII estabelecidos para cada evidência, foi possível compará-los com uma medida usualmente
3.5. Elaboração do sistema de recomendação e validação 25
reconhecida e que está associada com o impacto de estudos científicos: a quantidade de citações recebidas pelo artigo que originou a evidência.
Para quantificar as citações foi utilizada a base de dados Scopus Elsevier (2013), que consiste de um banco de dados de resumos e citações de artigos para revistas acadêmicas. A fim de uniformizar a comparação, a quantificação das citações foi realizada no período de dois anos após o ano de publicação do artigo. Em seguida foi analisada a correlação entre o valor do índice de relevância clínica de cada evidência e o número de citações do artigo correspondente.
Outra característica das evidências que foi analisada é o nível de evidência, o qual é uma medida definida pelo Oxford Centre for Evidence-Based Medicine, com categorias que variam entre 1 e 5, de acordo com as características do desenho e do propósito do estudo. Assim como o número de citações, o LOE de cada evidência foi comparado com os valores do CRII estabelecidos para cada categoria e assim determinada a correlação entre esses valores.
3.5
Elaboração do sistema de recomendação e validação
Após as análises do CRII em relação às características pessoais dos profissionais e das evidências, foi possível identificar quais características influenciam a percepção de relevância das evidências pelos profissionais da saúde e assim propor um sistema de recomendação de evidências por meio dos diagramas da UML (Unified Modeling Language). Nesse estudo foram elaborados diagramas de casos de uso, sequência e classes.
Para validar o sistema, dois cenários foram elaborados baseados nos diagramas de sequência para simular o comportamento do sistema em possíveis situações reais. Foram selecionadas 15 evidências aleatoriamente do conjunto de dados do ano de 2010 e aplicadas em todos os cenários. Um dos cenários foi elaborado com o objetivo de verificar se há diferença entre as evidências recomendadas aos diferentes perfis de profissionais. Para isso o cenário simula a utilização do sistema por determinados perfis de profissionais e estabelece quais dentre as 15 evidências são recomendadas a eles, posteriormente essas recomendações foram comparadas entre si, como mostra a Figura 5 (a).
O outro cenário tem como objetivo verificar se a avaliação de uma evidência feita por um determinado perfil de profissional está em conformidade com o CRII fornecido pelo sistema. Para isso é necessário comparar o valor do CRII obtido por um perfil de profissional em uma determinada data com a avaliação dessa mesma evidência por um profissional do mesmo perfil, mas em uma data posterior, assim como demonstrado na Figura 5 (b), isto é, verificar a correlação entre o CRII da evidência e a avaliação do profissional. Através desses
cenários é possível avaliar se o sistema realmente é capaz de recomendar evidências relevantes para o profissional a partir das avaliações dos outros profissionais com mesmo perfil.
(a) Cenário 1
(b) Cenário 2
27
4 Resultados
Esse capítulo está organizado da seguinte forma: a Seção 4.1 apresenta as primeiras três etapas do trabalho; a Seção 4.2 contém os resultados do cálculo do CRII para as três características pessoais dos profissionais (especialidade, idade e gênero); a Seção 4.3 apresenta os resultados do cálculo do índice CRII para as características das evidências como o número de citações e o nível da evidência; a Seção 4.4 contém a modelagem do sistema proposto com diagramas de casos de uso, sequência e classes, e a Seção 4.5 apresenta o processo de validação do sistema.
4.1
Etapas
No estudo realizado com os dados do ano de 2010, 256 evidências foram enviadas por correio eletrônico a 2.455 profissionais (2.020 médicos de família e 435 profissionais de outra especialidade), resultando em um total de 70.129 respostas ao longo do ano.
Na fase de pré-processamento foram selecionados os atributos necessários para medir o índice CRII como o identificador da evidência, a percepção da relevância clínica da evidência pelo profissional e o identificador, data de nascimento e gênero do profissional.
A seguir foi realizado o procedimento de limpeza dos dados (data cleaning), no qual as informações sobre gênero e datas de nascimento consideradas errôneas (exemplos: 1996, 1847 e 1119) e ausentes foram eliminadas do conjunto de dados. Após a limpeza dos dados um novo atributo foi construído para fornecer a idade dos profissionais.
Na fase de análise descritiva foi possível analisar o conjunto de dados por meio de histogramas, tabelas de frequência e médias dos atributos. A Figura 6 apresenta alguns desses histogramas. Através dessas figuras é possível perceber que a quantidade de profissionais que são médicos de família é maior que profissionais que não possuem essa especialidade, o que já era esperado, pois os dados utilizados neste trabalho foram coletados do programa de educação médica continuada canadense voltado para médicos de famíia. Em relação a idade e ao gênero dos profissionais a média é de 48 anos e os dois gêneros apresentam quantidades semelhantes de profissionais.
Após a análise dos dados o cálculo do índice CRII foi executado para as diversas categorias das características pessoais dos profissionais e das evidências, os quais serão apre-sentados nas próximas seções.
(a) Especialidade (b) Idade (c) Gênero
Figura 6 – Histogramas dos atributos especialidade, idade e gênero.
4.2
Características pessoais
O cálculo do índice CRII foi obtido para as três categorias dos atributos selecionados: especialidade (Médicos de família e Outras especialidades), idade (Faixa etária 1, 2 e 3) e gênero (Feminino e Masculino) utilizando a Expressão (3.1). A seguir serão apresentados os resultados para cada categoria.
4.2.1
Especialidade
A primeira característica analisada foi a especialidade. Para identificar se a especiali-dade influencia a percepção de relevância das evidências o cálculo do CRII foi realizado para as duas categorias: médicos de família e profissionais com outras especialidades. A Figura 7 apresenta a relação entre os valores obtidos do índice CRII pelos profissionais que são médicos de família e pelos profissionais que não apresentam essa especialidade (eixo horizontal e eixo vertical, respectivamente), sendo que cada ponto do gráfico se refere a uma evidência.
Figura 7 – Relação entre os valores de CRII para médicos de família e para profissionais com outras especialidades.
4.2. Características pessoais 29
Para uma melhor exploração dos resultados a Tabela 7 apresenta algumas evidências extraídas da Figura 7 e seus respectivos valores do índice CRII para cada categoria, assim como suas diferenças de valores.
Tabela 7 – Diferenças entre os valores de CRII para médicos de família (CRII 1) e para profissionais de outras especialidades (CRII 2).
ID Título da evidência CRII 1 CRII 2 Diferença
1 Internal = external monitoring in labor 0,148 1 0,852
2 ACE inhibitor preferred over ARB in patients with is-chemic heart disease
0,795 0 0,795
3 J-shaped survival curve for glycemic control in patients with type 2 DM
0,776 0 0,776
4 High-flow oxygen effective for treatment of cluster hea-dache
0,385 1 0,615
CRII 1 - Médicos de família; CRII 2 - Profissionais com outras especialidades
Sabendo que a correlação entre as duas variáveis é de 0,377 e de acordo com a Figura 7 e a Tabela 7, é possível perceber que a especialidade clínica influencia na percepção da rele-vância das evidências, pois há evidências que foram consideradas relevantes para os médicos de família e pouco relevantes para outros tipos de profissionais (exemplos: evidências 2 e 3), assim como há evidências relevantes para esses profissionais e não para aqueles (exemplos: evidências 1 e 4). Caso a especialidade clínica não influenciasse na percepção da relevância, as evidências apresentariam valores de CRII semelhantes tanto para médicos de família quanto para profissionais com outras especialidades, isto é, a correlação seria maior.
4.2.2
Idade
Para identificar se a idade influencia a percepção de relevância clínica pelos profissio-nais, o cálculo do índice CRII foi realizado para as três categorias definidas: Faixa etária 1 (20 a 40 anos), Faixa etária 2 (41 a 65 anos) e Faixa etária 3 (66 a 90 anos); e então comparados entre si por meio de gráficos e matriz de correlação como mostra a Figura 8 e a Tabela 8.
(a) Faixa etária 1 Vs Faixa etária 2
(b) Faixa etária 1 Vs Faixa etária 3
(c) Faixa etária 2 Vs Faixa etária 3
Figura 8 – Comparação entre os valores de CRII para cada faixa etária.
Tabela 8 – Matriz de correlação entre os valores das faixas etárias. Faixa etária 1 Faixa etária 2 Faixa etária 3
Faixa etária 1 1 0,757 0,318
Faixa etária 2 0,757 1 0,366
Faixa etária 3 0,318 0,366 1
A partir desses gráficos e matriz de correlação podemos perceber que a idade influencia a percepção de relevância das evidências, pois em todos os gráficos há evidências que foram consideradas relevantes para uma categoria e pouco relevantes para outra, assim como há evidências relevantes para os profissionais pertencentes a essa categoria e não para aquelas. Caso a idade não influenciasse na percepção da relevância, as evidências apresentariam valores de CRII semelhantes para todas as faixas etárias.
A matriz de correlação confirma essa fraca correlação entre essas categorias, princi-palmente entre as categorias Faixa etária 1 e 2 com a Faixa etária 3, as quais apresentam valores de correlação 0,318 e 0,366 respectivamente.
4.2.3
Gênero
Outra característica dos profissionais que foi analisada é o gênero. Para avaliar se essa característica influencia a percepção de relevância clínica pelos profissionais, o cálculo do índice CRII foi executado para as duas categorias: Feminino e Masculino.
A Figura 9 apresenta a relação entre os valores obtidos do índice CRII pelos profis-sionais que são do gênero feminino e pelos profisprofis-sionais que são do gênero masculino (eixo
4.3. Características das evidências 31
horizontal e eixo vertical, respectivamente), sendo que cada ponto do gráfico se refere a uma evidência.
Figura 9 – Relação entre os valores de CRII para gênero masculino e gênero feminino.
De acordo com a Figura 9 e sabendo que a correlação dos valores apresentados para CRII do gênero masculino e feminino é de 0.647, não podemos considerar que o gênero influencia na percepção da relevância das evidências, pois apesar do gráfico mostrar que há várias evidências que os profissionais divergem de opinião, o valor da correlação não é tão baixo.
4.3
Características das evidências
Além das características pessoais dos profissionais, as características das evidências também foram analisadas. A seguir serão apresentados os resultados da comparação entre o número de citações das evidências e o nível de evidência com a percepção de relevância pelos profissionais.
4.3.1
Número de citações
O número de citações foi a primeira característica das evidências que foi analisada. A Figura 10 apresenta o resultado da análise que considerou se a percepção de relevância clínica da evidência pelos médicos de diferentes especialidades é afetada pelo número de citações recebidas pelo artigo científico correspondente.
(a) Médicos de família
(b) Profissionais com outras especialidades
Figura 10 – Comparação entre os valores de CRII e o número de citações do artigo corres-pondente.
É possível perceber através das Figuras 10 (a) e (b) que as duas categorias apresentam uma fraca correlação entre essas duas medidas, corroborando o resultado de estudo anterior que fez essa análise sem distinção de especialidade para outro conjunto de evidências.
Segundo Galvão et al. (2013), a fraca correlação entre essas medidas confirma que o índice CRII captura aspectos não contemplados na outra medida. Como o índice CRII expressa o uso ou potencial de uso das informação sobre as evidência para os pacientes dos profissionais da saúde, ele é uma medida adequada para capturar a efetividade da translação do conhecimento, ou seja, do processo de transferência do conhecimento gerado em pesquisas, publicado em artigos científicos, para a prática clínica; enquanto o número de citações é uma
