Os eventos adversos são complicações indesejadas durante o atendimento à saúde. Uma das causas destes eventos é o erro de diagnóstico.

Estima-se que todo indivíduo passará por pelo menos um erro de diagnóstico na vida. Os Estados Unidos apresentam estes dados sobre o caso:

• Anualmente, há mais de 12 milhões de erros de diagnóstico.
• O custo anual para o sistema decorrente destes erros varia entre US$ 100 e 500 bilhões.

Saiba como agir em: Conheça o Modelo de Informações Mínimas (OMS) para notificar eventos adversos

Estes resultados demonstram a necessidade da utilização de métricas para aprimorar o cuidado e reduzir os erros de diagnóstico. Estas medições ocorrem, mas por que elas ainda não trouxeram mudanças efetivas?

• Indicadores com informações pobres
• Baixa média de confiabilidade
• Preconceito
• Alto custo de trabalho humano para a coleta de dados

Para superarmos estas barreiras, é preciso instaurar uma análise estatística séria que abranja dados clínicos e administrativos, para que as deficiências sejam quantificadas, monitoradas e controladas.

Nesta coleta, é necessário gerenciar dados em vários níveis para ir além dos resultados, mas medir todo o processo e suas interfaces.

Melhorar o diagnóstico é mais que um ato técnico e profissional, mas moral para a melhora do cuidado ao paciente. Diminuir a ocorrência de eventos adversos é também diminuir a taxa de mortalidade dentro das organizações de saúde. É preservar e assegurar a saúde da população.

Conheça outras formas de melhorar o cuidado oferecido ao paciente no II Fórum Práticas de Excelência para a  Segurança do Paciente, nos dias 20 e 21 de julho em São Paulo!

Vagas limitadas pelo link: www.foruminternacionalibes.com.br

Confira também este vídeo! Neste episódio Aléxia Costa comenta um estudo sobre recomendações nas ocorrências de eventos adversos.

Inscreva-se também no XVIII Curso de Formação de Avaliadores IBES | Metodologia SBA/ONA!

Referência:

Liberman AL, Newman-Toker DE. Symptom-Disease Pair Analysis of Diagnostic Error (SPADE): a conceptual framework and methodological approach for unearthing misdiagnosis-related harms using big data. BMJ Qual Saf 2018;27:557-566.