Perspetivas históricas da documentação clínica

As origens da documentação clínica remontam a civilizações antigas. Na antiga Mesopotâmia, as tábuas de argila inscritas com escrita cuneiforme fornecem evidência de alguns dos mais antigos registos médicos conhecidos (^{Lorkowski & Pokorski, 2022}). No Egipto, as informações médicas eram transcritas em rolos de papiro, enquanto na Grécia e em Roma era utilizado pergaminho para documentar as práticas médicas (^{Lorkowski & Pokorski, 2022}). A transição destas práticas antigas para métodos mais sofisticados ocorreu gradualmente ao longo dos séculos. Com o advento da imprensa escrita, o conhecimento médico tornou-se mais amplamente disseminado, permitindo uma documentação uniformizada. No entanto, o aparecimento dos sistemas de registos de saúde eletrónicos transformou a estrutura não só da documentação dos cuidados de saúde, mas também de todos os aspetos da comunicação e da prestação de cuidados de saúde. Estes sistemas permitiram que os profissionais de saúde armazenassem, gerissem e recuperassem informações sobre os doentes e forneceram a arquitetura digital e o repositório necessários para a ciência de dados (^{Dicuonzo et al., 2022}).

Os megadados referem-se a conjuntos de dados extensos que ultrapassam as capacidades das bases de dados convencionais, sendo que a sua utilização pode transformar os cuidados de saúde (^{Batko & Ślęzak, 2022}). A análise computacional pode revelar padrões, tendências e associações nos cuidados aos doentes, sinalizando aspetos nos dados que só são detetados através de dados populacionais. Esta evolução significa uma abordagem mais ampla e abrangente para extrair informações relevantes da documentação clínica. A ciência de dados integra técnicas analíticas avançadas, algoritmos de aprendizagem automática e modelos estatísticos de forma a obter informações práticas a partir de conjuntos de dados complexos. A mudança na terminologia de megadados para ciência de dados reflete o reconhecimento de que não é apenas o volume de dados que importa, mas também as metodologias e ferramentas analíticas que lhe são aplicadas. A ciência de dados engloba a análise preditiva, a medicina personalizada e a gestão da saúde da população (^{Subrahmanya et al., 2022}). A ciência de dados está a moldar o futuro dos cuidados de saúde ao revelar novas perspetivas que podem melhorar os resultados, simplificar os processos e melhorar a prestação de cuidados de saúde.

Características dos megadados

Os megadados têm várias dimensões que podem ser resumidas pelos 5 Vs: volume, velocidade, variedade, veracidade e valor. Cada uma das dimensões pode ser aplicada à prática de enfermagem. O volume na ciência de dados envolve conjuntos de dados extensos, desde registos de doentes a ficheiros de imagens médicas, frequentemente medidos em terabytes (^{Batko & Ślęzak, 2022}). A velocidade reflete a taxa acumulada de dados dos doentes, necessitando frequentemente de processamento em tempo real para informar as decisões clínicas (^{Batko & Ślęzak, 2022}). A variedade abrange o formato e a fonte dos dados, incluindo registos estruturados dos doentes, dados semiestruturados de dispositivos vestíveis e dados não estruturados de narrativas clínicas (^{Batko & Ślęzak, 2022}). A veracidade está relacionada com a exatidão e a fiabilidade da informação sobre os doentes, que é fundamental para manter a qualidade dos cuidados (^{Batko & Ślęzak, 2022}). Por último, o valor sublinha o objetivo principal de extrair informações valiosas dos dados de enfermagem, facilitando a melhoria contínua dos protocolos e da prestação de cuidados (^{Batko & Ślęzak, 2022}).

A importância da ciência de dados nos cuidados de saúde

A ciência de dados é relevante em diversas áreas da enfermagem, desde o apoio à decisão clínica até aos algoritmos preditivos para antecipar e gerir surtos de doenças. A ciência de dados pode acelerar a descoberta de medicamentos, identificar ineficiências operacionais e apoiar medidas preventivas para beneficiar a saúde da população (^{Yogesh & Karthikeyan, 2022}). Apesar da promessa desta tecnologia, persistem desafios no aproveitamento dos megadados para investigação e disseminação de resultados de qualidade. Os enfermeiros devem documentar e recolher dados de forma consistente para apoiar a investigação, promovendo a colaboração e a tradução do conhecimento. A utilização pioneira da estatística por Florence Nightingale durante a Guerra da Crimeia destaca o poder transformador dos dados (^{Bradshaw, 2020}). Florence Nightingale demonstrou que a tomada de decisões deve ser feita com base na evidência e não na perceção ou na tradição. Atualmente, os enfermeiros têm a oportunidade de utilizar a ciência de dados para melhorar os resultados no domínio da saúde (^{Bradshaw, 2020}). A ciência de dados está a transformar os cuidados de saúde, nomeadamente através de dispositivos portáteis e tecnologias vestíveis (^{Uddin & Syed-Abdul, 2020}). Os modelos individualizados baseados em trajetórias pessoais de saúde permitem cuidados personalizados. Num cenário de rápido fluxo de dados provenientes de bases de dados, dispositivos vestíveis e outras fontes, os enfermeiros desempenham um papel fundamental nas análises significativas, tanto a nível individual como populacional.

Análise de dados em enfermagem

De acordo com o National Institute of Standards and Technology, a análise de dados envolve o processamento e a manipulação sistemáticos de dados para revelar padrões, relações, tendências históricas e previsões de comportamentos e eventos futuros (^{National Institute of Standards and Technology, 2015}). Portanto, a análise de dados é muito mais ampla do que as análises estatísticas, englobando a preparação da informação, a análise de padrões, a síntese de conhecimentos e a criação de valor (^{National Institute of Standards and Technology, 2015}). O processo analítico começa com a recolha, extração, processamento e transformação de dados e prossegue para a análise e a criação de modelos e algoritmos, culminando na interpretação e elaboração de relatórios que podem informar a tomada de decisão (^{National Institute of Standards and Technology, 2015}). A análise engloba os métodos, a implementação e os resultados necessários para sintetizar a informação e orientar a tomada de decisão.

Tipos de análises

A análise pode ser descritiva, diagnóstica, preditiva ou prescritiva. A análise descritiva inclui a utilização de inteligência empresarial ou extração de dados para explicar ocorrências passadas e fornecer informações sobre eventos históricos sem aprofundar as causas subjacentes (^{Sarker, 2021}). A análise diagnóstica procura descobrir as razões subjacentes aos eventos, comparando dados históricos com outras fontes e fornecendo informações aprofundadas sobre problemas específicos (^{Sarker, 2021}). A análise preditiva utiliza modelos estatísticos e projeções para prever tendências futuras, muitas vezes com base em algoritmos de aprendizagem automática ou de aprendizagem profunda (Deep Learning; ^{Sarker, 2021}). A análise prescritiva utiliza a otimização e a simulação para recomendar ações com o objetivo de eliminar problemas futuros ou capitalizar tendências promissoras através de ferramentas e tecnologias sofisticadas e uma análise cuidadosa dos dados históricos e externos (^{Sarker, 2021}).

Fontes existentes para a ciência de dados em enfermagem

No domínio da ciência de dados em enfermagem, várias fontes revelam-se indispensáveis para os enfermeiros que necessitam de informações valiosas. A MarketScan, uma base de dados longitudinal, fornece informação sobre pedidos de reembolso de cuidados de saúde a nível individual, facilitando estudos aprofundados sobre cuidados cirúrgicos e gestão de doenças (^{Hirsch & Pitak-Arnnop, 2023}; ^{Premo et al., 2023}; ^{Wadhwa et al., 2023}; ^{Xie et al., 2023}). O Healthcare Cost and Utilization Project (HCUP) inclui bases de dados estaduais e nacionais, oferecendo informações abrangentes sobre altas hospitalares, idas ao serviço de urgência e consultas de ambulatório em centros de cirurgia (^{Ma et al., 2023}; ^{Matabele et al., 2023}). As bases de dados nacionais, tais como a Kids’ Inpatient Database, a National Inpatient Sample e as National Readmission Databases, fornecem dados sobre internamento de base familiar, contribuindo para as estimativas nacionais sobre a carga de doença (^{Metcalfe et al., 2019}). Os registos especializados, tais como o registo de dados clínicos Reg-ent da American Academy of Otolaryngology-Head and Neck Surgery, fornecem dados clínicos específicos sobre especialidades, permitindo avaliações de resultados (^{Saraswathula et al., 2023}; ^{Schmalbach et al., 2021}). Além disso, iniciativas como o Global Tracheostomy Collaborative Registry, que recolhe dados de mais de 50 hospitais a nível mundial, utilizam a ciência de dados para melhorar a compreensão e o tratamento dos doentes com traqueostomia (^{Brenner et al., 2020}). Estas diferentes fontes ajudam os enfermeiros coletivamente nos seus esforços ao nível da ciência de dados, fornecendo uma base rica para análise e inovação nos cuidados de saúde.

Desafios da ciência de dados nos cuidados de saúde

As considerações éticas são uma pedra angular do aproveitamento dos megadados e da ciência de dados para os avanços nos cuidados de saúde. As considerações específicas dizem respeito à privacidade, segurança e equidade dos dados. As partes interessadas - dos doentes aos profissionais de saúde - devem adotar uma perspetiva de mente aberta que inclua a vontade de analisar criticamente e aprender com a ciência de dados. Garantir a exatidão e a consistência dos dados é fundamental, sendo que é necessária uma otimização contínua para evitar perceções e decisões erradas (^{Osama et al., 2023}). Além disso, trabalhar com diversos conjuntos de dados implica navegar em silos de dados, questões de interoperabilidade e redução da discriminação (^{Osama et al., 2023}). A integração de diferentes sistemas de armazenamento de dados requer mapeamento, transformação, consolidação e garantia de compatibilidade para uma análise e uma tomada de decisão eficazes (^{Osama et al., 2023}). Esses esforços são fundamentais para uma análise representativa que pode ajudar a reduzir a discriminação e a perpetuar as desigualdades na saúde.

Avanços tecnológicos e tendências emergentes na ciência de dados

A ciência de dados capacite os enfermeiros para prestarem cuidados personalizados e defenderem a melhoria das práticas de cuidados. A análise preditiva permite a identificação proactiva de problemas de saúde iminentes e a expansão da telessaúde e da monitorização remota pode melhorar a monitorização de doenças crónicas. O crescimento da tecnologia vestível acrescenta outra dimensão, permitindo que os enfermeiros utilizem dados de dispositivos e sensores para monitorizar os sinais vitais, os níveis de atividade e a adesão ao plano de tratamento (^{Uddin & Syed-Abdul, 2020}). A medicina genómica é outra fronteira para a ciência de dados, permitindo aos enfermeiros desenvolver e implementar planos de tratamento personalizados (^{Hassan et al., 2022}). A ciência de dados é também fundamental na gestão da saúde da população, permitindo aos enfermeiros identificar populações em risco e criar intervenções direcionadas para melhorar a saúde das comunidades. O Processamento de Linguagem Natural pode extrair dados de notas clínicas e narrativas não estruturadas, facilitando uma compreensão mais aprofundada (^{Aramaki et al., 2022}).

À medida que o sector avança, os enfermeiros devem reconhecer as promessas e os perigos dos conjuntos de dados e das capacidades analíticas em constante expansão. A cibersegurança é fundamental para garantir a privacidade dos dados dos doentes, sendo que é necessária uma vigilância constante para salvaguardar as informações sensíveis no sector da saúde (^{Cremer et al., 2022}). O advento da medicina de precisão, os testes genómicos e a integração da Inteligência Artificial na análise de dados estão a transformar os cuidados de enfermagem (^{Johnson et al., 2021}). Os ensaios clínicos são cada vez mais realizados virtualmente. Os smartphones permitem o acesso contínuo aos ensaios e as crescentes capacidades de computação dos dispositivos abriram novas possibilidades. A aprendizagem automática é um importante catalisador na evolução da ciência de dados, lançando as bases para uma maior integração da Inteligência Artificial nos cuidados de saúde. Os enfermeiros serão fundamentais na aceitação da mudança e na adaptação a novas dinâmicas necessárias para navegar num cenário em constante mudança ao nível dos cuidados de saúde.

Dados e o futuro da enfermagem

Ao aceitarem a integração dos megadados nos cuidados de saúde, os enfermeiros podem liderar descobertas inovadoras e desenvolver ferramentas baseadas em dados que revolucionem os cuidados prestados aos doentes. A ciência de dados pode servir de base para as tecnologias imersivas necessárias para acelerar a aprendizagem e melhorar o desempenho. A ciência de dados ajuda os futuros profissionais de saúde a navegarem com confiança e competência nas complexidades de um panorama de cuidados de saúde rico em dados. Os enfermeiros são fundamentais nos debates políticos e podem defender a utilização ética dos dados, a privacidade dos doentes e a utilização responsável dos megadados. A colaboração interdisciplinar com profissionais de diversas áreas promove a inovação e cria soluções que ultrapassam as fronteiras tradicionais. Através da aprendizagem ao longo da vida e da atualização constante sobre os avanços na ciência de dados, os enfermeiros estarão preparados para enfrentar os desafios do futuro.