Introdução
Na área da saúde, os Grupos Relacionados ao Diagnóstico (GDR) têm sido uma ferramenta fundamental desde a sua criação em 1980. No entanto, a sua adoção em larga escala tem enfrentado obstáculos, apesar da sua eficácia na classificação dos pacientes e na otimização de recursos. Atualmente, na era da Inteligência Artificial (IA), os GRDs estão ressurgindo. Neste artigo falamos abordamos as suas vantagens e desafios, bem como o seu papel na transformação da assistência médica em modelos de saúde baseados em valores.
O que são os GRD
Você já se deparou com ideias que foram revolucionárias, mas talvez o momento do seu aparecimento não tenha sido o adequado? Atrevo-me a dizer que com a adoção dos Grupos Relacionados ao Diagnóstico ou DRG, na sua sigla em espanhol, aconteceu algo semelhante e que hoje, por diferentes razões, estão ressurgindo.
Os Grupos Relacionados ao Diagnóstico são um sistema de classificação de pacientes que permite organizar a atividade assistencial de um hospital relacionando os diferentes tipos de pacientes atendidos com os custos envolvidos no seu atendimento.
Imaginemos que alguém necessita de cuidados para uma artroplastia de quadril, o que esse paciente representa para o sistema de saúde que o assiste e logo, o que uma seguradora ou financiador teria que reembolsar o hospital que prestou os serviços pode ser determinado de diferentes formas.
Uma forma clássica é reembolsar cada prática realizada (por exemplo em honorários, diagnósticos por imagem, laboratórios, entre outros), pelos consumíveis que o paciente necessitou (itens descartáveis, medicamentos, próteses) e também pela utilização das diferentes áreas do hospital (horário do centro cirúrgico, leitos de internação, entre outros). É uma forma lógica, muito utilizada atualmente chamada de “Fee For Service” ou “Pagamento por Prática”. Como você pode imaginar, nada nos garante que estas práticas têm sido adequadas para cada paciente. Um risco desse tipo de praxe é o uso excessivo de procedimentos, uma vez que há poucos incentivos à eficiência no uso de recursos vinculados aos resultados médicos alcançados no paciente.
Outra forma de pagamento, baseada em dados históricos de casos de artroplastia de quadril, é a montagem de módulos ou pacotes específicos que, com base nas taxas históricas de utilização de práticas, serviços, produtos e horários que esses pacientes costumam consumir, ajustam os detalhes por perfil de risco e características específicas que cada caso pode ter.
Esses módulos ou pacotes permitem determinar com maior segurança o custo médio do atendimento, bem como seus máximos e mínimos derivados da particularidade de cada caso, já que a medicina não é uma ciência exata, e cada paciente (e doenças) tem suas variações (episódios). Em última análise, este módulo e o seu custo é o que é reembolsado ao prestador dos serviços.
Uma vantagem dos modelos de pagamento modulados é que eles permitem padronizar a atividade assistencial e, assim, torná-la comparável entre diferentes hospitais, bem como com normas ou padrões de atendimento. Essa forma, onde é modulada e permite a comparação entre pacientes, instituições, além de incentivar a eficiência, é chamada de Metodologia GRD Internacional.
Desde a sua adoção, os GRD se mostraram como uma ferramenta fundamental para o controle de custos na área da saúde e para o aprimoramento da qualidade dos cuidados. Entre suas vantagens mais notáveis estão :
- Maior eficiência na gestão de leitos hospitalares .
- Aumento da transparência e redução do atrito nas relações entre pagadores e prestadores de serviços de saúde.
- Uso mais eficaz dos recursos dedicados à assistência médica.
- Redução de gastos administrativos que não agregam valor para pagadores, hospitais ou pacientes.
Apesar da sua lógica aparentemente simples e da sua eficácia comprovada ao longo do tempo, surge a questão sobre por que razão os GRD não foram implementados em grande escala em todo o mundo.
Bem, existem nuances…
Os GRD oferecem uma forma eficiente de classificar os pacientes segundo os padrões de atenção médica (semelhança clínica) e custos semelhantes (iso-consumo). Isto permite uma alocação mais precisa de recursos, uma avaliação comparativa da qualidade da atenção e uma previsão mais precisa de custos e reembolsos. No entanto, a sua implementação pode enfrentar desafios em termos de padronização de dados, exigência de informações necessárias para a sua utilização e resistência à mudança por parte dos sistemas de saúde ou dos seus dirigentes.
A implementação de algoritmos como os utilizados nos GRD, juntamente com a gestão de mudanças necessária durante a introdução de um novo método de pagamento, não é simplesmente um processo técnico. A política que rodeia a introdução do sistema e a esperada mudança de recursos irá gerar tanto apoiantes como opositores. Portanto, é necessária uma capacidade técnica sólida por parte dos compradores, fornecedores e ministérios da saúde ou outras agências reguladoras relevantes para gerir o sistema GRD, como também o “change management” necessários.
Dentre os componentes e processos técnicos necessários, destacamos os seguintes :
- Algoritmos GRD: Do ponto de vista técnico, o desenvolvimento de um algoritmo de classificação nacional e público é a tarefa mais complexa. Por esta razão, a maioria dos países começa com um algoritmo de agrupamento GRD importado ou se inspiram num já existente, adaptando-o ao contexto do país. A experiência internacional mostra que as adaptações no sistema de gestão da informação em saúde, nas modalidades de contratação e pagamento, bem como os ajustes no algoritmo GRD importado, requerem vários anos.
- Sistema de Informação Hospitalar Eficaz: A qualidade dos dados básicos é essencial para a implementação de um sistema de GRD. Contudo, este sistema pode, ao longo do tempo, encorajar e melhorar continuamente a coleta de dados para este e outros fins de política sanitária. Há necessidade de registos médicos electrónicos baseados em sistemas de codificação padronizados, bem como de sistemas de contabilidade de custos por episódio e por GRD.
Em conclusão, as deficiências na coleta ou na qualidade dos dados não devem ser um obstáculo para um país ou organização implementar um modelo GRD, uma vez que estas são ferramentas que contribuem para os objetivos de cobertura universal da atenção à saúde. Os incentivos estabelecidos pelo sistema devem ser cuidadosamente considerados para garantir que a atenção integrada se concentre nas pessoas e não apenas em considerações económicas.
O Ressurgimento Atual
Na era da Inteligência Artificial (IA) e da saúde digital, os GRD estão a ressurgir devido à sua capacidade de integração com tecnologias avançadas e de aproveitamento de grandes volumes de dados médicos. A normalização e agrupamento da combinação de casos, a avaliação comparativa clínica e económica, bem como os sistemas de apoio à tomada de decisões e a análise preditiva, estão a reforçar o papel dos GRD na transformação da atenção médica.
Atualmente, para aproveitar ao máximo os GRD, é crucial garantir a padronização e a qualidade dos dados médicos, bem como a interoperabilidade entre diferentes sistemas de saúde e plataformas digitais. Além disso, é necessária a colaboração entre empresas HealthTech, profissionais de saúde e reguladores para garantir a privacidade e segurança dos dados.
A IA, a análise de dados e a digitalização de registos médicos eletrónicos são tecnologias facilitadoras essenciais que estão a impulsionar o ressurgimento dos GRD. Essas tecnologias permitem uma triagem mais precisa dos pacientes, uma otimização mais eficiente dos recursos e uma tomada de decisões clínicas mais informada.
Por que Globant e Avedian?
Desde Globant Healthcare & Lifesciences AI Reinvention estamos trabalhando em conjunto com a Avedian para oferecer soluções avançadas de saúde digital que integram os GDR com tecnologias de IA e análise de dados. Nossos serviços incluem a implementação de sistemas end-to-end utilizando algoritmos GRD proprietários e customizados à realidade de cada país e de cada organização, a otimização dos fluxos de trabalho hospitalares e a melhoria da qualidade da assistência médica através da inteligência artificial e dos mais recentes avanços tecnológicos.
Com mais de 40 implementações na região, contamos com experiência, equipes e escala disponíveis para transformar a forma como as organizações de saúde enfrentam hoje seus desafios, como por exemplo, a auditoria de processos médicos, o aumento dos custos dos produtos farmacêuticos inovadores e a transformação feita em modelos de pagamento baseados no valor.
Um dos diferenciais que aplicamos em cada projeto são as capacidades de uma das empresas de software e tecnologia mais admiradas do mundo como a Globant, aliadas ao conhecimento especializado sobre sistemas de saúde com seus desafios, emergências e necessidades que a Avedian proporciona.
Os algoritmos GRD proprietários, tanto para casos hospitalares como populacionais, estão disponíveis desde o início de cada projeto, sendo uma das razões pelas quais os nossos tempos de implementação para projetos com componente GRD, seja em modelo analítico ou pago, rondam os dois a três meses em hospitais e entre seis e oito meses em seguros de saúde.
Credenciais e Casos de Sucesso
Caso 1 : Grupo Keralty – Rede de hospitais particulares Colsanitas (Colombia)
Colsanitas, uma organização proeminente na Colômbia dedicada a oferecer serviços de saúde integrais através da sua rede de Entidades e Hospitais de Promoção da Saúde, bem como da sua divisão de seguros, faz parte do grupo Keralty, com presença em vários países. A Colsanitas implementou a metodologia de GRD para reformular o seu modelo de gestão da rede hospitalar, constituindo um marco importante na otimização da assistência médica.
Esta abordagem permitiu um melhor planejamento dos recursos, uma alocação de fundos mais eficiente e um atendimento mais personalizado para cada paciente, em linha com o paradigma do cuidado centrado no paciente. Os resultados foram notáveis:
- Aumento significativo da eficiência na gestão dos leitos, alcançando uma redução do desaproveitamento de 35% em internações;
- Incremento notável na seguranca dos pacientes internados, com uma diminuição de 27% das possíveis complicações;
- Otimização dos processos hospitalares, refletida na redução de 5% dos reingressos evitáveis.
Caso 2: APROSS (Administração Provincial de Seguros de Saúde de Córdoba, Argentina)
A APROSS é a Administração Provincial do Seguro de Saúde, entidade que oferece cobertura e seguros de saúde aos agentes ativos e passivos dos três poderes do Estado provincial e dos municípios e comunas participantes. Da mesma forma, pode oferecer cobertura a outras pessoas ou grupos, através da adesão voluntária.
Possui uma comunidade de mais de 630.000 membros, sendo uma das 5 maiores seguradoras da Argentina. Possui uma rede de quase 350 hospitais mono e polivalentes, hospital próprio com 400 leitos e outros 15 mil prestadores diversos. Além disso, oferece descontos em 1.600 farmácias participantes.
No APROSS, a metodologia GRD foi utilizada para reformular todo o modelo de pagamento dos prestadores, anteriormente baseado em orçamentos fixos, para um modelo de pagamento por resultados (value based healthcare). Isso permitiu:
- Otimização de gastos em 32% devido à redução de desperdícios em dias de internação evitáveis;
- Diminuição de 40% no tempo médio de permanência na rede (num total de 90 mil internamentos anuais).
Ademais, os GRD foram utilizados para integração e análise avançada de dados, o que permitiu estratificar, de acordo com os níveis de risco, a população de membros e planejar melhores estratégias de prevenção, disease & case management.
De acordo com evidências internacionais, foram necessários em média três anos para implementar reformas semelhantes às do APROSS, no entanto, graças a algoritmos GRD proprietários e tecnologia específica, conseguimos reduzir esses tempos de implementação para 6-8 meses.
Como é a nossa abordagem
Como a Avedian e a Globant facilitam a implementação dos GRD e potenciam o seu papel como ferramenta analítica.
Na Globant Healthcare & Life Sciences AI Reinvention, juntamente com a Avedian, oferecemos soluções avançadas de saúde digital que integram nossos algoritmos GRD proprietários com tecnologias de IA e análise de dados. Nossos serviços incluem a implementação de sistemas GRD personalizados, a otimização dos fluxos de trabalho hospitalares e a melhoria da qualidade da atenção médica por meio de IA e dos mais recentes avanços tecnológicos.
Com ampla experiência na região, lideramos em tempo recorde, inúmeras implementações exitosas que transformaram a forma como as organizações de saúde enfrentam seus desafios, como por exemplo, auditoria de processos médicos, gestão de custos e transição para modelos de pagamento baseados em custos.
Em suma, os GRD estão vivendo um renascimento na era da IA, aprimorando o seu papel como ferramenta de gestão e análise na atenção médica. Com o apoio de empresas como a Avedian e a Globant, estamos redefinindo a forma como os dados de saúde são geridos, impulsionando uma transformação significativa na prestação de serviços de saúde em direção a modelos mais eficientes e centrados no valor para os pacientes.
Autores:
Dr. Guillermo Tabares Martinez – Avedian CEO y Co Founder
Dr. Lucas Najún Dubos – Globant Healthcare & Life Sciences Partner
- Blog Gestión Sanitaria
- The Evolution of Diagnosis-Related Groups (DRGs): From Its Beginnings in Case-Mix and Resource Use Theory, to Its Implementation for Payment and Now for Its Current Utilization for Quality Within and Outside the Hospital. Quality Management in Health Care. 2009
- Transition to DRG Payments for Health: Lessons from Case Studies. International Development in Focus. Washington, D.C: World Bank; 2019.
- Diagnosis-Related Groups in Europe: Moving towards transparency, efficiency and quality in hospitals. European Observatory on Health Systems and Policies Series. World Health Organization. 2011
- Assessing health provider payment systems. A practical guide for countries working towards universal health coverage. Washington (DC): Joint Learning Network for Universal Health Coverage; 2015
- Key aspects related to implementation of risk stratification in health care systems. The ASSEHS study. BMC Health Services Research. 2017
- The long-run effects of diagnosis related group payment on hospital lengths of stay in a publicly funded health care system: Evidence from 15 years of micro data. Health Economics. 2022
- Health Technology, Quality, Law, and Ethics.The New Public Health (Third Edition). 2014
- Using diagnosis-related groups for studying variations in hospital admissions. Health Care Financ Review. 1988
- The effects of diagnosis-related groups payment on hospital healthcare in China: a systematic review. BMC Health Services Research. 2020
- DIAGNOSIS-RELATED GROUPS (DRG): A Question & Answer guide on case-based classification and payment systems. World Health Organization. 2020
- Challenges of implementing diagnostic‐related groups and healthcare promotion in Iran: A strategic applied research. Health Science Report. 2023
- https://youtu.be/EwB5rmdh7H0
- https://aws.amazon.com/es/solutions/case-studies/apross-case-study/
- EURODRG. Diagnosis-Related Groups in Europe: Moving towards transparency, efficiency and quality in hospitals. European Observatory on Health Systems and Policies Series. 2011
