Manzarada Renksel İzlenimler ve İlk Soyutlama

O principal determinante da disseminação mundial do índice NNIS é sua simplicidade. Ela torna viável a aplicação do índice na vigilância epidemiológica rotineira, e até mesmo em bases de dados administrativos populacionais, por meio da identificação de variáveis substitutivas (DANEMAN et al., 2009). Para manter ao máximo possível a simplicidade, reprodutibilidade e credibilidade clínica dos escores prognósticos descritos neste estudo, duas estratégias, usadas na construção do próprio índice NNIS, foram mantidas: a construção de modelos de efeitos principais e a categorização das variáveis preditoras.

A primeira destas implica na decisão de não incorporar nos modelos interações entre variáveis explicativas, potencialmente importantes para explicar o risco de ISC. A incorporação de termos de interação nos modelos de regressão logística é equivalente a testar o pressuposto de aditividade das variáveis explicativas na escala log odds (STEYERBERG et al., 2001a). Dito de outro modo, não investigar termos de

interação em modelos de regressão logística assume que o efeito das variáveis preditoras no logito da variável resposta é rigorosamente linear. Este pressuposto não é necessariamente verdadeiro, especialmente em sistemas biológicos, em que a interação entre as variáveis explicativas pode ser complexa. O uso de termos de interação pode melhorar o ajuste de um modelo de regressão logística. Nesta pesquisa, interações entre o indicador de vigilância extra-hospitalar e outros preditores melhoraram significativamente o ajuste dos modelos de outras operações do aparelho geniturinário e outras operações do sistema musculoesquelético (dados não mostrados). Entretanto, a interpretação clínica das interações nem sempre é intuitiva e, ao mesmo tempo em que podem melhorar o ajuste, também podem comprometer a credibilidade clínica.

A categorização das variáveis explicativas do índice NNIS aumenta não só a simplicidade na aplicação rotineira, como também a reprodutibilidade. Em estudo clássico, Cardo et al. (1993) estudaram a acurácia com a qual enfermeiras circulantes do Centro Médico Regional de Memphis alocavam os sítios cirúrgicos em uma das quatro categorias do potencial de contaminação. Observaram maior concordância com a classificação feita por um observador independente quando o potencial de contaminação era dicotomizado (i.e., sítios limpos ou potencialmente contaminados vs. contaminados ou infectados) que quando era usado com quatro categorias. Fato análogo pode esperar-se com a classificação do estado físico dos pacientes segundo o escore da ASA. O escore da ASA é baseado em critérios clínicos subjetivos, e diversos estudos atestaram baixa concordância interobservador na alocação de pacientes a uma das cinco categorias do escore (ARONSON et al., 2003; MAK et al., 2002; OWENS et al., 1978), fato que pode conspirar contra sua precisão para refletir a suscetibilidade intrínseca do paciente. Foram citadas como principais fontes dessa variabilidade a idade, a obesidade, o tabagismo, a gravidez, a natureza da cirurgia e as lesões ou doenças agudas de início próximo à cirurgia em pacientes previamente hígidos (ARONSON et al., 2003; OWENS et al., 1978). Salemi et al. (1997) constataram que o erro de classificação mais frequente é a alocação do paciente à categoria 3 em lugar da categoria 2 do escore da ASA. Isto reflete discrepâncias ou erros de interpretação sobre o que deve ser considerado doença sistêmica grave ou doença sistêmica moderada (ANEXO D). Estas discrepâncias entre observadores são potencialmente importantes, pois podem afetar a estratificação das taxas de ISC pelo índice básico NNIS (SALEMI et al., 1997).

Entretanto, sabe-se que tanto o uso de efeitos principais quanto a categorização de preditores podem sacrificar o poder de predição dos modelos. No

primeiro caso, porque interações biológicas potencialmente importantes são ignoradas pelo pesquisador. No segundo, porque a compressão de variáveis categóricas ou a categorização de preditores numéricos implica necessariamente em perda de informação (STEYERBERG et al., 2001a). Assim, a construção de modelos de predição clínica implica sempre num compromisso entre simplicidade, reprodutibilidade, credibilidade clínica, e rigor estatístico e metodológico (ALTMAN; ROYSTON, 2000).

Outra questão metodológica importante se refere à escolha dos pontos de corte alternativos. Embora fossem sempre priorizados pontos de corte alternativos definidos no sentido ordinal das variáveis, isto não foi possível para o potencial de contaminação dos procedimentos outras operações do aparelho geniturinário e histerectomia abdominal. Nestas operações, os sítios potencialmente contaminados apresentaram menor risco de ISC que os limpos, contaminados e infectados, nas amostras de desenvolvimento (TAB. 1 e 43) e nas de validação (TAB. 12 e 54). A ausência de aumento do risco de ISC com cada aumento do potencial de contaminação não é observação inédita deste estudo, tendo sido já observada por outros autores (ARIAS et al., 2003; DELGADO-RODRÍGUEZ et al., 2001a; ERCOLE, 2006; GEUBBELS et al., 2000; HERNANDEZ et al., 2005; KASATPIBAL et al., 2006; NGUYEN et al., 2001; OLIVEIRA et al., 2006; ROUMBELAKI et al., 2008; WEISS et al., 1999). Em particular, outros autores já reportaram menor risco de ISC em sítios potencialmente contaminados em relação aos limpos, contaminados ou infectados (DELGADO- RODRÍGUEZ et al., 2001a; GEUBBELS et al., 2000; KASATPIBAL et al., 2006; NGUYEN et al., 2001; WEISS et al., 1999). O fato de esta associação ter se apresentado nas amostras de desenvolvimento e de validação, e em procedimentos clinicamente relacionados (i.e., outras operações do aparelho geniturinário e histerectomia abdominal), sugere que possa tratar-se de associação real, decorrente de característica comum a estes procedimentos, e não de associação espúria decorrente da variação aleatória dos dados. O uso diferencial de antibióticos profiláticos e/ou terapêuticos de acordo com o potencial de contaminação é mecanismo que pode explicar o aumento não ordinal do risco de ISC. Pacientes com feridas limpas ou potencialmente contaminadas tendem a receber antibióticos profiláticos, enquanto pacientes com feridas contaminadas ou infectadas recebem geralmente antibióticos em regimes de tratamento (Di LEO et al., 2009).

Quanto aos pontos de corte alternativos da duração da cirurgia, eles pareceram refletir o comportamento das casuísticas de forma mais estável que os

pontos de corte T do sistema NNIS. De acordo com Moro et al. (2005), o perfil específico de procedimentos incluídos em cada categoria de procedimento NNIS explica as diferenças nas distribuições da duração da cirurgia entre o sistema NNIS e os hospitais que não participam deste sistema.

Uma preocupação abordada durante a construção dos modelos prognósticos se refere à natureza desbalanceada dos dados e à ocorrência esparsa de ISC. Sabe-se que estas configurações dos dados podem retornar resultados inconsistentes quando os coeficientes dos modelos logísticos são estimados pelo MMV. O MCE surge, nestas situações, como alternativa metodológica razoável (AGRESTI, 2001; MEHTA; PATEL, 1995). Infelizmente, afora conjuntos de dados com separação completa ou quase completa, não existe recomendação formal referente a quando deva optar-se por um método de estimação ou por outro (KING; RYAN, 2002; MATIN, 2006; MEHTA; PATEL, 1995). Nesse contexto, optou-se por conduzir análise da sensibilidade dos coeficientes a diferentes métodos de estimação, como recomendado por alguns autores (CORCORAN et al., 2001; KING; RYAN, 2002; MATIN, 2006; MEHTA; PATEL, 1995). Para todos os modelos prognósticos estudados, os coeficientes de regressão estimados pelo MMV e pelo MCE foram muito similares entre si, enquanto os estimados pelo MMVC mostraram algumas diferenças em relação àqueles, mais marcadas para os coeficientes dos modelos alternativos NNIS e 1 que para os coeficientes dos modelos alternativos 2. King & Ryan (2002) mostraram que as conclusões sugeridas pelo MMV e pelo MCE em regressão logística podem de fato ser muito similares ou muito diferentes dependendo da particular configuração dos dados. Entretanto, não existem estudos que tenham avaliado de forma sistemática a questão do viés na estimação exata dos coeficientes logísticos. Em experimento de simulação, os mesmos autores observaram que, para configurações de dados nas quais os resultados do MMV são inconsistentes, o desempenho do MCE nem sempre é necessariamente satisfatório (KING; RYAN, 2002). A comparação dos resultados dos diferentes métodos de estimação nesta pesquisa mostra que o MMVC trouxe informação adicional, não sugerida pelo MCE, quanto à estabilidade dos coeficientes de regressão do MMV, medida pela variação percentual dos coeficientes e pelas estatísticas MMV/MMVC e MMV/MMVC. As diferenças observadas entre os diferentes métodos de estimação dos coeficientes e dos valores p dos modelos nunca indicaram a necessidade de se incluirem ou excluirem variáveis dos modelos em função do particular método de inferência usado, e só esporadicamente sugeriram ponderação diferente para as variáveis dos escores prognósticos. Entretanto, é preciso que pesquisadores que

lidam com eventos raros ou com amostras pequenas ou desbalanceadas reconheçam o impacto potencial da natureza esparsa e desbalanceada dos dados nos resultados dos coeficientes dos modelos de risco.