Assistência de fisioterapia na UTI está relacionada a redução de custos de internação?

Introdução: A unidade de terapia intensiva (UTI) é conhecida por ser um setor de alta complexidade dos pacientes e por seu alto custo ao sistema hospitalar. A gravidade da doença, o tempo de internação na UTI e a necessidade de ventilação mecânica invasiva (VMI) são fatores conhecidos como influenciadores no custo destas unidades, sendo que aproximadamente 30% dos pacientes internados em UTI necessitam de VMI. Os objetivos deste estudo foram avaliar os custos de internação em UTI comparando unidades com assistência de fisioterapia 24 horas e unidades com assistência de fisioterapia 12 horas e analisar o impacto da fisioterapia nos referidos custos. Método: Este é um estudo observacional, prospectivo, realizado em um hospital geral, público e de grande porte, localizado na cidade de São Paulo. Foram incluídos pacientes clínicos e cirúrgicos com 18 anos de idade ou mais, que estiveram em VMI por um período >= 24 horas e que receberam alta da UTI para a enfermaria. A coleta de dados incluiu diagnóstico de internação hospitalar, diagnóstico de admissão na UTI, gravidade do paciente no momento da admissão na UTI através do Acute Physiology and Chronic Health Disease Classification (APACHE II), tempo de VMI e tempo de internação na UTI; para a análise de custos utilizamos a ferramenta Omega French Score. Um modelo de regressão linear múltipla foi construído para verificar a associação entre o custo de internação em UTI com o turno diário de assistência fisioterapêutica. Resultados: Foram incluídos na amostra 815 pacientes, distribuídos em dois grupos conforme o turno de fisioterapia existente na UTI: 332 pacientes em UTI\'s com 24 horas de assistência fisioterapêutica (PT-24) e 483 pacientes em UTI\'s com 12 horas de assistência fisioterapêutica (PT-12). Os grupos não apresentaram diferença quanto ao APACHE II (p=0,65); comparado ao grupo PT-12 o grupo PT-24 era mais velho (p < 0,001), apresentou menor tempo de VMI (p < 0,001) e de internação na UTI (p=0,013). Quanto a análise de custos o grupo PT-24 apresentou custos menores indicados pela menor pontuação no Omega 3 (p=0,005) e Omega Total (p=0,010), menor custo direto, custo com equipe médica e enfermagem (p=0,010). A análise de regressão linear múltipla indicou associação do custo da internação em UTI com as variáveis APACHE II (p < 0,001), tempo de internação da UTI (p < 0,001) e assistência fisioterapêutica em turnos de 24 horas (p=0,05). Conclusão: O grupo com assistência de fisioterapia em turnos de 24 horas apresentou custos menores sendo que a severidade da doença, o tempo de internação na UTI e a assistência de fisioterapia foram variáveis preditoras para redução de custo de internação na UTI

Aplicação de uma rede neural artificial para a avaliação da rugosidade e soprosidade vocal

A avaliação perceptivo-auditiva tem papel fundamental no estudo e na avaliação da voz, no entanto, por ser subjetiva está sujeita a imprecisões e variações. Por outro lado, a análise acústica permite a reprodutibilidade de resultados, porém precisa ser aprimorada, pois não analisa com precisão vozes com disfonias mais intensas e com ondas caóticas. Assim, elaborar medidas que proporcionem conhecimentos confiáveis em relação à função vocal resulta de uma necessidade antiga dentro desta linha de pesquisa e atuação clínica. Neste contexto, o uso da inteligência artificial, como as redes neurais artificiais, indica ser uma abordagem promissora. Objetivo: Validar um sistema automático utilizando redes neurais artificiais para a avaliação de vozes rugosas e soprosas. Materiais e métodos: Foram selecionadas 150 vozes, desde neutras até com presença em grau intenso de rugosidade e/ou soprosidade, do banco de dados da Clínica de Fonoaudiologia da Faculdade de Odontologia de Bauru (FOB/USP). Dessas vozes, 23 foram excluídas por não responderem aos critérios de inclusão na amostra, assim utilizaram-se 123 vozes. Procedimentos: avaliação perceptivo-auditiva pela escala visual analógica de 100 mm e pela escala numérica de quatro pontos; extração de características do sinal de voz por meio da Transformada Wavelet Packet e dos parâmetros acústicos: jitter, shimmer, amplitude da derivada e amplitude do pitch; e validação do classificador por meio da parametrização, treino, teste e avaliação das redes neurais artificiais. Resultados: Na avaliação perceptivo-auditiva encontrou-se, por meio do teste Coeficiente de Correlação Intraclasse (CCI), concordâncias inter e intrajuiz excelentes, com p = 0,85 na concordância interjuízes e p variando de 0,87 a 0,93 nas concordâncias intrajuiz. Em relação ao desempenho da rede neural artificial, na discriminação da soprosidade e da rugosidade e dos seus respectivos graus, encontrou-se o melhor desempenho para a soprosidade no subconjunto composto pelo jitter, amplitude do pitch e frequência fundamental, no qual obteve-se taxa de acerto de 74%, concordância excelente com a avaliação perceptivo-auditiva da escala visual analógica (0,80 no CCI) e erro médio de 9 mm. Para a rugosidade, o melhor subconjunto foi composto pela Transformada Wavelet Packet com 1 nível de decomposição, jitter, shimmer, amplitude do pitch e frequência fundamental, no qual obteve-se 73% de acerto, concordância excelente (0,84 no CCI), e erro médio de 10 mm. Conclusão: O uso da inteligência artificial baseado em redes neurais artificiais na identificação, e graduação da rugosidade e da soprosidade, apresentou confiabilidade excelente (CCI > 0,80), com resultados semelhantes a concordância interjuízes. Dessa forma, a rede neural artificial revela-se como uma metodologia promissora de avaliação vocal, tendo sua maior vantagem a objetividade na avaliação.