Software e médicos humanos apresentam desempenho semelhante ao estimar tempo de permanência de pacientes na UTI

Estudo brasileiro aponta limitações nas projeções baseadas tanto na experiência clínica quanto nas soluções digitais, mas destaca que ferramentas podem ser aliadas importantes na gestão de recursos

Arthur Almeida

Profissional de saúde em ambiente hospitalar registra informações em prontuário enquanto monitora equipamentos ao lado de um paciente em unidade de terapia intensiva (UTI). Vestida com máscara, touca e luvas, a profissional trabalha em meio a dispositivos médicos e sistemas de suporte clínico.

Calcular quantos dias um paciente permanecerá em terapia intensiva é chave para o funcionamento de qualquer hospital. É isso que dita, por exemplo, a quantidade de leitos disponíveis, como as equipes médicas e de enfermagem devem ser organizadas, o planejamento de cirurgias eletivas e até a classificação dos casos por nível de atenção.

Mas um estudo brasileiro publicado em novembro de 2025 na revista einstein revela que, mesmo com o apoio da tecnologia e da experiência clínica, prever esse período com precisão continua sendo um grande desafio. Para chegar a tal conclusão, a pesquisa comparou o desempenho das estimativas de médicos intensivistas com as projeções feitas pelo sistema Epimed Solutions, por meio do módulo Epimed Monitor Performance (EMP).

Ao todo, foram analisadas 555 internações de adultos ocorridas por mais de 12 horas entre agosto e dezembro de 2019 em três unidades de terapia intensiva (UTIs): Hospital Beneficência Portuguesa Mirante (BP Mirante), Hospital Nove de Julho (H9J) e Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (HCFMUSP).

Para além dos profissionais dos hospitais que serviram de sede para as análises, também colaboraram com a iniciativa alguns especialistas do Einstein Hospital Israelita, da Universidade Federal de São Paulo (Unifesp), do Hospital Sírio-Libanês, do Hospital São Luiz, do Hospital Vila Nova Star, do Instituto D’Or de Pesquisa e Educação (IDOR) e do Centro Universitário Faculdade de Medicina do ABC (FMABC).

Por dentro das previsões

Os dados clínicos do estudo foram obtidos logo no momento da admissão na UTI. Ali, paralelamente, o médico responsável avaliava o paciente e registrava sua estimativa de quantos dias ele permaneceria na unidade, enquanto o software EMP calculava sua própria projeção a partir das informações disponibilizadas no prontuário e no Epimed Monitor – um banco de dados em nuvem, que reúne informações de diversas UTIs adultas do Brasil.

A idade mediana dos indivíduos atendidos era de 63 anos, e quase três em cada quatro deles sofriam com outras doenças associadas.

As internações se dividiram entre casos clínicos, como infecções e sepse, e cirúrgicos, com casos eletivos e de urgência. Esse perfil diversificado dos pacientes tornou o desafio de projeção do tempo de tratamento intensivo particularmente complexo.

Quando os pesquisadores compararam as previsões com o tempo real de internação, constataram que os médicos e o software apresentaram desempenhos muito semelhantes.

Tanto a experiência clínica quanto o algoritmo conseguiram identificar tendências gerais, mas erraram com frequência ao estimar o número exato de dias. A diferença entre o tempo previsto e o observado muitas vezes ultrapassou a margem de erro de quatro dias.

Curiosamente, quando a previsão deixou de ser um número exato e passou a ser organizada em três faixas – internações curtas, intermediárias ou mais longas – o desempenho melhorou.

Cerca de seis em cada dez previsões passaram a coincidir com a realidade. Para a gestão hospitalar, essa informação já é bastante útil, pois permite estimar fluxos e organizar equipes com maior previsibilidade.

O software, por sua vez, mostrou uma vantagem específica ao identificar com razoável precisão quais pacientes tinham maior probabilidade de permanecer internados por períodos considerados prolongados.

Embora esses casos representem uma parcela menor das admissões, eles concentram grande parte dos dias totais de UTI e, portanto, dos custos e da ocupação de leitos.

Apoio, não substituição

Os resultados observados reforçam que a permanência em UTI é, por natureza, difícil de antecipar. A evolução de um paciente crítico pode mudar rapidamente, seja por melhora clínica inesperada ou complicações que surgem ao longo do tratamento.

Tal imprevisibilidade ajuda a explicar por que médicos experientes e um sistema baseado em grande volume de dados apresentaram limitações ao tentar prever o tempo exato de internação.

Apesar disso, os autores destacam que a tecnologia ainda pode ser uma grande aliada nas UTIs. Mesmo sem determinar com precisão quantos dias cada pessoa ficará internada, sinalizar pacientes com risco elevado de permanência já pode permitir com que os hospitais organizem suas equipes, ajustem a programação de procedimentos e planejem os seus fluxos assistenciais com mais cautela.

Na prática, isso significa que os algoritmos não são capazes de substituir o julgamento clínico, mas podem qualificá-lo.

Em um ambiente de alta complexidade e recursos finitos, integrar análise de dados e experiência médica tende a oferecer decisões mais informadas e uma gestão mais eficiente da terapia intensiva.

Referência

Santos TT, Resende LS, Taniguchi LU, Romano TG, Tavares MS, Azevedo LC, et al. Predicting intensive care unit length of stay: comparing physician assessments with software predictions in a multicenter study. einstein (São Paulo). 2025;23:eAO1265. https://dx.doi.org/10.31744/einstein_journal/2025AO1265

* É permitida a republicação das reportagens e artigos em meios digitais de acordo com a licença Creative Commons CC-BY-NC-ND.
O texto não deve ser editado e a autoria deve ser atribuída, incluindo a fonte (Science Arena).