Publication year: 2019
Introdução:
O julgamento clínico do enfermeiro deve ser expresso por meio de diagnósticos de enfermagem de alta acurácia para o alcance de melhores resultados dos pacientes. Os Sistemas de Apoio à Decisão Clínica (SADCs) são projetados para serem utilizados como ferramenta no processo de tomada de decisão clínica por possibilitar a organização e o processamento de dados e informações em tempo real. O Sistema de Documentação Eletrônica do Processo de Enfermagem da Universidade de São Paulo (PROCEnfUSP®) é um SADC desenvolvido para apoiar decisões de enfermeiros e estudantes sobre julgamento clínico de diagnósticos, resultados e intervenções de enfermagem. Ainda não está claro na literatura se o uso de SADC apoia usuários na seleção de diagnósticos de alta/moderada categoria de acurácia, independentemente do nível educacional em enfermagem. Além disso, melhor compreensão sobre os fatores que interferem na seleção de diagnósticos de alta/moderada acurácia é necessária. Objetivo:
Analisar a acurácia dos diagnósticos de enfermagem determinados por usuários de sistema de apoio à decisão clínica e identificar os fatores preditivos de acurácia diagnóstica. Método:
Trata-se de estudo exploratório-descritivo, cujos dados foram coletados entre setembro a janeiro/2018. Os participantes foram enfermeiros, residentes e estudantes de enfermagem, usuários do PROCEnf-USP® no Hospital Universitário (HU-USP) e na Escola de Enfermagem da USP (EEUSP). Dados demográficos, acadêmicos e profissionais foram coletados. Dois estudos de casos fictícios forneceram aos participantes os dados clínicos que deveriam ser inseridos no SADC para realizar a avaliação inicial dos pacientes. Os participantes podiam selecionar diagnósticos dentre as hipóteses oferecidas pelo SADC ou indicar diagnósticos que não haviam sido sugeridos pelo sistema. Uma lista com os diagnósticos selecionados pelos participantes foi obtida do sistema. A acurácia das categorias de diagnósticos foi avaliada por um painel de especialistas com base na Escala de Acurácia Diagnóstica versão 2 (EADE-2). Os escores da EADE-2 variam de zero a 13,5, e as categorias de acurácia são alta, moderada, baixa e nula. Utilizou-se estatística descritiva para descrever as categorias de acurácia de acordo com os grupos de participantes. O modelo estatístico ANOVA foi utilizado para comparar as porcentagens médias das categorias de acurácia entre os usuários do sistema. Modelo de regressão linear foi utilizado para identificar os fatores preditivos da acurácia diagnóstica. O nível de significância foi de 5%. O estudo foi aprovado pelo Comitê de Ética da EEUSP e do HU-USP. Resultados:
Foram incluídos no estudo 15 graduandos, 10 residentes e 22 enfermeiros. 414 diagnósticos foram selecionados pelos participantes; a categoria moderada de acurácia foi predominante (n= 210; 54,4%) seguida de alta acurácia (n= 164; 42,5%). Embora residentes e graduandos tenham selecionado predominantemente diagnósticos de alta acurácia (51,8 ± 19,1; 48,9 ± 27,4 respectivamente), e os enfermeiros tenham selecionado majoritariamente diagnósticos de moderada acurácia (54,7±14,7), não houve diferença estatisticamente significativa em relação às categorias de acurácia entre os usuários do sistema. De acordo com o modelo de regressão linear, cada diagnóstico indicado pelos participantes diminuiu a acurácia em 2,09% (p= 0,030), e ter pouca ou nenhuma experiência no uso do PROCEnf-USP® na prática clínica diminuiu a acurácia dos diagnósticos em 5,41% (p = 0,022). Contudo, o modelo apresentou pouco valor preditivo (R2=15%). Conclusão:
Confirmou-se a legitimidade da hipótese do estudo, corroborando que o SADC apoia a tomada de decisão clínica, levando usuários com diferentes níveis de educação e experiência profissional em enfermagem a selecionar diagnósticos de alta e moderada acurácia. Embora tenham sido identificados que a experiência com o PROCEnf-USP® na prática e o número de diagnósticos indicados sejam fatores preditores para a seleção de diagnósticos acurados, deve-se considerar o pouco valor preditivo das variáveis escolhidas.
Introduction:
The clinical judgment of the nurse must be expressed through highly accurate nursing diagnoses, as these will allow the achievement of better patient outcomes. Clinical decision support systems are designed to be used as a tool in the clinical decision-making process by enabling the organization and processing of data and information in real time. The Electronic Documentation System of the Nursing Process of the University of São Paulo (PROCEnf-USP®) is a CDSS developed to support the decision of nurses and students in the clinical judgment of nursing diagnoses, results and interventions. Objective:
To analyze the accuracy of nursing diagnoses determined by users of a clinical decision support system (CDSS) and to identify the predictive factors of diagnostic accuracy. Method:
This is an exploratory-descriptive study carried out from September to December 2017. Participants were nurses, resident nurses, and senior-year undergraduate students users of a CDSS (PROCEnf-USP®) in the University Hospital and School of Nursing, University of São Paulo. Demographic, academic and professional data were collected. Two written case studies provided the participants with the clinical data to fill out the assessment forms in the CDSS. The CDSS supports decision-making with respect to nursing diagnoses based on assessment data. Participants could either choose amongst the diagnostic hypotheses suggested by the CDSS or add diagnoses that were not suggested by the system. A list of the diagnoses selected by the participants was retrieved from the system. The accuracy of the selected diagnostic labels was determined by a panel of experts using the Diagnostic Accuracy Scale version 2 (EADE-2). EADE-2 scores range from zero to 13.5, and the categories of accuracy may be high, moderate, low and null. Descriptive statistics were used to describe the categories of accuracy according to each group of participants. ANOVA was used to compare the mean percentages of accuracy categories across groups. A linear regression model was used to identify the predictors of diagnostic accuracy. The significance level was 5%. The study was approved by the Ethics Committee. Results:
Fifteen undergraduate students, 10 residents and 22 nurses were enrolled in the study. 414 diagnoses were selected; most of which were moderate (n=210; 54.4%) and highly accurate (n=164; 42.5%). Although resident nurses and students had selected predominantly highly accurate diagnoses (51.8± 19.1; 48.9 ± 27.4 respectively), and nurses had selected mostly diagnoses of moderate accuracy (54.7 ± 14.7), there were no differences in the accuracy categories of the selected diagnoses across groups. According to the linear regression model, each diagnosis added by the participants decreased the diagnostic accuracy in 2.09% (p= .030), and none or little experience using the system decreased such diagnostic accuracy in 5.41% (p = .022). However, the model presented little predictive value (R2 = 15%). Conclusion:
The legitimacy of the study hypothesis was confirmed, corroborating that CDSS supports clinical decision-making, leading users with different levels of education and nursing professional experience to select diagnoses of high and moderate accuracy. Although it has been identified that the experience with PROCEnf-USP® in practice and the number of diagnoses indicated are predictive factors for the selection of accurate diagnoses, the low predictive value of the variables chosen should be considered.
