EFEITO DE SISTEMAS DE LEMBRETE NO COMPARECIMENTO DE PACIENTES EM CONSULTAS

(1)

EFEITO DE SISTEMAS DE LEMBRETE NO

COMPARECIMENTO DE PACIENTES EM CONSULTAS

Aluna: Anna Carolina Lacerda Orientador: Silvio Hamacher

1.Introdução

Um dos grandes problemas da área de saúde é o denominado no-show, que corresponde ao paciente que agenda uma consulta e não comparece na data da mesma. Isso resulta em desperdício de recursos, uma vez que aumenta o tempo ocioso dos profissionais de saúde. A taxa média de no-show varia de acordo com a especialidade médica, variando entre 12% e 14% em uma clínica de cuidados primários e podendo chegar a 30% em uma unidade de abuso de substância de um hospital, segundo [2].

De acordo com [4], uma das principais causas do não comparecimento dos pacientes é o esquecimento. A fim de encontrar soluções para esse problema, iniciou-se uma busca por métodos efetivos para reduzir o absenteísmo dos pacientes. Uma abordagem analisada pela literatura é a de sistemas de confirmação. Os artigos [1], [2], [3] e [4] mostram diferentes tipos de lembrete cuja função é tentar evitar que o paciente esqueça de sua consulta agendada. Dentre os lembretes estudados, estão ligações telefônicas, mensagens automatizadas e mensagens de texto.

Nesse contexto, esse artigo irá analisar dados da literatura, através da revisão bibliográfica, e aplicar os conhecimentos obtidos em uma análise do banco de dados de uma empresa que vende software de agendamento para clínicas médicas, a Katu – Sistemas Inteligentes para Saúde. A base de dados desta empresa contém informações sobre milhões de consultas, como, por exemplo, sexo do paciente, se houve envio de lembrete, se o mesmo compareceu e se era sua primeira consulta com o médico em questão.

Levando todos esses fatores em consideração, os principais objetivos desse artigo são: entender o no-show pelo estudo da literatura e aplicar o conhecimento adquirido em um estudo de caso feito em um banco de dados real, visando analisar características que podem influenciar o não comparecimento e verificar a efetividade de lembretes por mensagem de texto na redução das taxas de no-show.

A continuação deste artigo se organizará como se segue. A Seção 2 tratará das questões abordadas na literatura, relacionadas ao no-show e à efetividade de diferentes tipos de lembrete baseada em estudos de caso feitos em diferentes lugares do mundo. A Seção 3 analisará a metodologia empregada nos dados do estudo de caso. Os resultados obtidos serão descritos na Seção 4. As conclusões do estudo serão tratadas na Seção 5, seguidos pela bibliografia utilizada na Seção 6.

2.Revisão bibliográfica

Diversos são os artigos existentes na literatura que abordam o tema no-show. O objetivo dos artigos estudados é o de enumerar os problemas gerados pelo não comparecimento, analisar as características que influenciam ou não nesse fato e comparar a efetividade de métodos de redução das taxas de no-show.

Pacientes que não comparecem às consultas agendadas representam uma grande perda para os fornecedores de saúde, tanto em termos financeiros como em recursos humanos, levando à ineficiência do fornecimento de saúde. Tempo é desperdiçado, aumenta o tempo de espera para agendar uma consulta, há queda na eficiência e maior uso de recursos. Segundo

(2)

[3], o United Kingdom National Health Services reportou uma perda de 790 milhões de libras durante um ano devido ao não comparecimento em consultas agendadas. Para os pacientes, isso gera descontentamento, devido ao maior tempo de espera para conseguir agendar uma consulta, e redução na qualidade do cuidado. Além disso, pode afetar a saúde de pacientes que precisam de um atendimento no menor intervalo de tempo possível por estarem apresentando sintomas, o que pode aumentar o risco de hospitalização e/ou uma piora no quadro apresentado. Um exemplo dessa perda, citado em [3], é o caso dos pacientes diabéticos que precisam do atestado médico, que é obtido na consulta, para adquirir a insulina necessária, logo a demora no agendamento é prejudicial e pode levar a problemas mais graves. Portanto, o não comparecimento gera resultados adversos quando se diz respeito à saúde de pacientes.

Quatro definições de conceitos se fazem necessárias para a compreensão desse estudo.

No-show é o termo que define o não comparecimento de um paciente à sua consulta agendada

e que, segundo [5], é responsável por diminuir a produtividade de certa unidade de saúde como um todo, levando, por exemplo, à ociosidade de médicos. Analogamente, show é o termo que define o comparecimento de um paciente à consulta agendada. De acordo com [3], grupo de intervenção é o grupo que recebeu algum tipo de lembrete, em especial uma mensagem de texto, dentro da amostra analisada no estudo de caso. Já grupo de controle é o grupo que não recebeu nenhum tipo de lembrete, utilizado como objeto de comparação para analisar a diferença nas taxas de no-show. Outra definição importante é a taxa de no-show, que é calculada dividindo o número de no-shows pelo número de visitas esperadas (no-shows + shows).

Nos artigos [1] e [2], os estudos de caso procuraram fazer uma análise das características da população estudada, sendo algumas delas sexo, idade e se era a primeira vez do paciente na clínica ou não. Esse levantamento é importante para definir quais características influenciam o não comparecimento, por isso esse estudo apresenta cruzamento das características observadas no estudo de caso desenvolvido com as taxas de no-show encontradas.

O foco dos estudos [1], [2], [3] e [4] é a análise do efeito de sistemas de lembrete nas taxas de comparecimento. Em [1], compara-se o efeito de ligações automatizadas, que correspondem a ligações onde o paciente ouve uma gravação e tem a opção de confirmar ou cancelar a consulta, ligações feitas por um funcionário e nenhum lembrete, que corresponde ao grupo de controle. Esse estudo mostrou nos resultados que as ligações são efetivas na redução das taxas de no-show, principalmente quando feitas por um funcionário. O estudo [2] visou analisar a hipótese de que o aumento do número de aparelhos telefônicos na população mundial torna mensagens de texto tão efetivas quanto ligações telefônicas e comprovou sua hipótese apresentando resultados bem semelhantes na população estudada, mas ressaltando que mensagens de texto são mais custo-efetivas. Em [3] foi realizada uma meta-análise, que consiste na análise de diversos artigos sobre o mesmo tema, cujo objetivo era comparar as taxas de no-show de pacientes que receberam lembretes por mensagem de texto com as taxas dos que não receberam nenhum tipo de lembrete. O artigo [4] foi um estudo de caso que também comparou o grupo de intervenção, pacientes que receberam mensagem de texto como forma de lembrete, com o grupo de controle, que não recebeu lembrete algum. Além dos sistemas de lembrete citados nos artigos supramencionados, há também outras formas, como

emails, cartas, aplicativos para smartphones, etc.

De todos os sistemas de lembrete estudados, a forma escolhida para análise foi a mensagem de texto (SMS), uma vez que se mostrou efetiva nos artigos estudados e apresenta uma boa relação custo x benefício, fator importante na hora da adoção de um método por parte das clínicas e hospitais.

(3)

3.Materiais e Métodos

O estudo foi elaborado através da análise de um banco de dados fornecido pela empresa Katu, contendo informações de diversas clínicas médicas de especialidades diferentes.

A análise começou com o tratamento dos dados recebidos, que consistiam em uma planilha com mais de dez (10) milhões de linhas, onde cada linha representava uma consulta médica e apresentava as seguintes informações: código do paciente, código do médico, sexo do paciente, se a consulta era primeira vez ou não, se foi enviado um SMS ao paciente, se o paciente compareceu e especialidade da clínica.

Inicialmente, a planilha foi aberta no Microsoft Excel, porém, o número máximo de linhas que tal programa suporta é 1.048.576, número bem inferior à quantidade recebida. Dada a impossibilidade do Excel, foi feita uma tentativa de abertura da planilha no Sistema de Gerenciamento de Banco de Access, que também não suportou o tamanho do banco de dados.

Então foi necessário realizar um tratamento (remoção de dados inutilizáveis e/ou incompletos) dos dados recebidos para que os mesmos pudessem ser analisados, tratamento esse realizado no Sistema de Gerenciamento de Banco de Dados Oracle, que conseguiu manipular todas as informações contidas na planilha.

Uma vez tendo o banco de dados completo, observou-se a necessidade de filtrar as informações, pois nem todas as linhas possuíam todas as informações necessárias corretamente preenchidas, o que se mostrou como a primeira limitação encontrada. Por ser um banco de dados muito grande, contendo o histórico de diversas clínicas, os dados muito antigos não possuíam todas as informações necessárias. O filtro, então, foi fundamental para que só utilizássemos os dados realmente relevantes, por exemplo, as consultas que possuíam apenas “sim” ou “não” como resposta às colunas de comparecimento e de envio de mensagem de texto.

Excluídas todas as linhas inutilizáveis através do filtro, obteve-se um total de 2.389.562 dados de consultas, que foram exportados para o Microsoft Excel e analisados através de tabelas dinâmicas e gráficos, ambos recursos de tal programa.

Com o recurso tabela dinâmica, foram realizados diversos cruzamentos de características a fim de compreender a influência de cada uma delas nas taxas de no-show. Os gráficos foram utilizados com o intuito de apresentar os resultados dos cruzamentos de forma clara e objetiva, facilitando a comparação do número de não comparecimentos entre as diferentes características disponíveis no banco de dados.

4.Resultados

Tomando como base os números obtidos do banco de dados, será possível observar as características que influenciam nas taxas de no-show. Além disso, será analisado o comparecimento nas principais especialidades retiradas do estudo de caso, a fim de determinar em quais há uma maior tendência de não comparecimento dos pacientes. O indicador a ser comparado em todas as análises é o no-show, alvo desse estudo.

O principal objetivo desse artigo é testar a hipótese de que o envio de mensagens de texto implica na redução de tais taxas. Tendo isso em vista, tabelas foram geradas com as taxas de comparecimento e de no-show para possibilitarem comparações.

A Tabela 1 mostra as taxas nas principais especialidades médicas, que correspondem a 65% do banco de dados, e o número de agendamentos para cada uma delas.

(4)

Especialidades Comparecimento No-Show Número de Consultas Oftalmologia 85,2% 14,8% 275.168 Cardiologia 83,8% 16,2% 190.939 Outras 71,3% 28,7% 179.689 Dermatologia 69,5% 30,5% 141.493 Ginecologia e Obstetrícia 78,3% 21,7% 140.943 Acupuntura 51,2% 48,8% 140.599 Psiquiatria 78,7% 21,3% 101.613 Endocrinologia 72,4% 27,6% 100.226 Ortopedia e Traumatologia 84,4% 15,6% 86.250 Pediatria 82,6% 17,4% 83.237 Neurologia 84,8% 15,2% 72.212 Fisioterapia 75,4% 24,6% 62.334 Total Geral 76,5% 23,5% 1.574.703

Tabela 1 - Taxas de no-show nas diferentes especialidades.

A partir da tabela gerada, pode-se notar que, dentre as especialidades listadas, as que apresentam maiores taxas de não comparecimento são Acupuntura e Dermatologia, respectivamente. Já as menores taxas ocorrem nas especialidades Oftalmologia, Neurologia, Ortopedia e Traumatologia e Cardiologia.

A Tabela 2 mostra a taxa de no-show total do banco de dados, que inclui os 2.389.562 agendamentos. Ela mostra que o no-show, que engloba diferentes especialidades médicas e pacientes com diferentes características, é de 23,6%, resultado que evidencia a necessidade de métodos que possibilitem a redução dessa taxa, pois tal taxa representa um valor monetário significativo quando analisado o custo de oportunidade associado a esse não comparecimento.

Características Comparecimento No-Show Total

TOTAL 76,4% 23,6% 2.389.562

Tabela 2 - Taxa de no-show total.

Os resultados mostrados na Tabela 3 divergem das hipóteses levantadas na literatura, uma vez que era acreditado que pacientes de primeira vez possuíam uma maior tendência a não comparecer. No nosso estudo, o no-show dos pacientes de primeira vez (22.2%) foi inferior ao de pacientes cuja consulta não era a primeira em dada clínica (24%). Além disso, o resultado do sexo também surpreende, pois era esperado que mulheres teriam uma menor taxa, o que não corresponde quando se compara a taxa de 24.9% das mulheres com os 20.9% dos homens.

Mulheres 75,1% 24,9% 1.601.245 Homens 79,1% 20,9% 788.317 Primeira vez 77,8% 22,2% 538.426 Não primeira vez 76,0% 24,0% 1.851.136

Tabela 3 - Taxas de no-show nas diferentes características.

A Tabela 4 comprova a hipótese de um dos principais objetivos desse estudo, que era o de testar a efetividade de mensagens de texto na redução das taxas de não comparecimento.

(5)

Pode-se afirmar que a hipótese levantada foi confirmada, uma vez que a taxa de no-show passou de 25.9% nos pacientes que não receberam lembrete para 16.3% nos pacientes que receberam SMS, ou seja, houve uma redução de quase 10%, número significativo, principalmente levando-se em consideração que estes valores correspondem a uma amostra de mais de dois milhões de agendamentos.

Receberam SMS 83,7% 16,3% 572.684 Não SMS 74,1% 25,9% 1.816.878

Tabela 4 - Taxas de no-show do envio de SMS.

A Tabela 5 mostra os cruzamentos do sexo dos pacientes com o recebimento de mensagens de texto. Os resultados apresentados na tabela mostram que o efeito de SMS é homogêneo entre os sexos, uma vez que a redução do no-show ocasionada pelo envio de mensagens de texto foi de aproximadamente 10% tanto para homens quanto para mulheres.

Mulheres SMS 82,8% 17,2% 360.130 Homens SMS 85,1% 14,9% 212.554 Mulheres não SMS 72,8% 27,2% 1.241.115 Homens não SMS 76,9% 23,1% 575.763

Tabela 5 - Taxas de no-show do cruzamento de sexo e envio de SMS.

Por fim, a Tabela 6 mostra que o envio de mensagens de texto foi mais eficiente para reduzir o não comparecimento dos pacientes de primeira vez, pois a redução nesse caso foi de aproximadamente 13%, número maior que no caso dos pacientes que não eram primeira vez, cuja redução foi de aproximadamente 8%. Isso levanta a hipótese de que o hábito do paciente torna a confirmação menos efetiva.

Primeira vez SMS 86,8% 13,2% 158.755 Não primeira vez SMS 82,5% 17,5% 413.929 Primeira vez não SMS 74,0% 26,0% 379.671 Não primeira vez não SMS 74,2% 25,8% 1.437.207

Tabela 6 - Taxas de no-show do cruzamento de primeira vez e envio de SMS.

5.Conclusões

O estudo feito objetivou o entendimento do no-show: se há características que influenciam em sua taxa e, se sim, quais delas apresentam taxas maiores, através da análise de uma base de dados de uma empresa do setor privado, a Katu, que vende software de controle de agendamento e de histórico de pacientes para clínicas médicas. Além disso, o estudo visou testar a hipótese de que um tipo de sistema de lembrete dentre os existentes, as mensagens de texto, é efetivo na redução das taxas de não comparecimento. Para isso, os mais de dez milhões de dados de consultas recebidos foram tratados e filtrados com o intuito de realizar uma análise dos mesmos através de tabelas dinâmicas, recurso do Microsoft Excel.

(6)

A partir das tabelas geradas do banco de dados, foi possível chegar a conclusões sobre as características e sua relação com o no-show, bem como sobre a efetividade de lembretes por mensagens de texto.

Primeiramente, da análise das características dos pacientes conclui-se que há uma maior tendência de não comparecimento por parte das mulheres quando comparadas aos homens. Em segundo lugar, pacientes cuja consulta é a primeira vez em dada clínica possuem menor taxa de no-show quando comparados aos pacientes recorrentes.

Conclui-se também, através dos resultados numéricos, que o uso de sistemas de lembretes é efetivo na redução do no-show total, em especial as mensagens de texto, objeto desse estudo. Essa redução chega a quase 10% na amostra analisada. Quando comparado o efeito das mensagens de texto entre homens e mulheres, o resultado foi uma redução homogênea, mostrando que as mesmas são igualmente efetivas independente do sexo. Outro resultado obtido foi do cruzamento de SMS com o fato do paciente ser primeira vez ou não, o que mostrou que as mensagens são mais efetivas nos pacientes que não são recorrentes.

A principal conclusão é que a hipótese de que mensagens de texto são efetivas na redução das taxas de no-show foi comprovada.

Por fim, propõe-se que estudos futuros analisem a interação de mensagens de texto com outras características de pacientes, como, por exemplo, a idade, além de relacionar os sistemas de lembrete com as diferentes especialidades a fim de encontrar o método ótimo para cada uma delas, bem como fazer uma análise financeira dos diferentes métodos e encontrar a melhor relação custo x benefício. Outros estudos também podem analisar o efeito de sistemas mais atuais, como aplicativos de lembrete ou mensagens via aplicativos como o Whatsapp e o

Telegram, uma vez que boa parte da população tem acesso quase instantâneo aos mesmo. 6.Referências

1 – Parikh, A., Gupta, K., Wilson, A. C., Fields, K., Cosgrove, N. M., Kostis, J.B. (2010) The effectiveness of outpatient appointment reminder systems in reducing no-show rates, The

American Journal of Medicine, 123: 542-548

2 – Junod Perron, N., Dao, M. S., Righini, N. C., Humair, J-P., Borers, B., Narring, F., Haller, D. M., Gaspoz, J-M. (2013) Text-messaging versus telephone reminders to reduce missed appointments in an academic primary care clinic: a randomized controlled trial, BMC Health

Services Research, 13: 125

3 – Boksmati, N., Butler-Henderson, K., Anderson, K., Samaha, T. (2016) The effectiveness of SMS reminders on appointment attendance: a meta-analysis, Journal of Medical Systems, 40: 90

4 – da Costa, T. M., Salomão, P. L., Martha, A. S., Pisa, I. T., Sigulem, D. (2010) The impact of short message service text messages sent as appointment reminders to patients’ cell phones at outpatient clinics in São Paulo, Brazil, International Journal of Medical Informatics, 79: 65-70

5 - Cayirli, T., Veral, E. (2003) Outpatient Scheduling in Health Care: A Review of Literature, Production and Operations Management, 12: 519-549