Eventos adversos e não conformidades em imagiologia

Abstract

Em 2000, o relatório do Instituto da Medicina, “To Err Is Human: Building A Safer Health System”, captou a atenção da opinião pública ao relevar a magnitude do problemática do erro médico e da inerente segurança do doente: cerca de 44 000 a 98 000 pessoas morrem por ano nos Estados Unidos da América devido a erros médicos. Actualmente, verifica-se um crescente interesse na gestão do risco na área médica, em particular na gestão dos eventos adversos. Tem sido sobretudo devido ao empenho da Organização Mundial de Saúde que este campo de investigação tem ganho cada vez mais a atenção que merece. A Imagiologia é uma das área de risco com grande potencial para o aparecimento de erros, nomeadamente devido à multiplicidade de técnicas utilizadas, aos diversos intervenientes e à complexidade de todo o circuito que envolve a realização de exames. Muitos dos métodos utilizados para analisar a segurança na prestação de cuidados de saúde foram adaptados de técnicas de gestão de risco em indústrias de alto risco (e.g. indústria química, nuclear e aeronáutica). É reconhecido que é possível apreender mais com os erros do que com êxitos e os sistemas de registo de erros destas industrias têm prestado um valioso contributo para o estudo da prevenção e gestão do erro. No mínimo os sistemas de registo de eventos adversos ajudam a identificar perigos e riscos, fornecendo informações relevantes sobre os aspectos do sistema que devem ser melhorados. Contudo, a acumulação de dados potencialmente relevantes contribui muito pouco para a melhoria do serviço de saúde. Torna-se fundamental aplicar modelos para identificar as causas subjacentes ao sistema, as causas fundamentais dos eventos e potenciar a partilha de experiência e conhecimento. Neste artigo, é sugerida uma solução para reduzir os eventos adversos, através da identificação e eliminação das causas fundamentais que estão na sua origem. Para tal, é descrito o modo como o Modelo de Classificação de Eindhoven foi adaptado e estendido especificamente para a Imagiologia. A abordagem proposta inclui a análise das causas fundamentais e introduz conceitos de informação incompleta através da utilização de operadores lógico-matemáticos formalmente sustentados. Este modelo é a base do sistema de registo e aprendizagem de eventos adversos e não conformidades que foi desenvolvido para a Imagiologia e que se encontra implementado em duas instituições de saúde Portuguesas. Os objectivos, características e modo de funcionamento deste sistema são apresentados ao longo deste artigo.

In 2000, the Institute of Medicine’s report, “To Err Is Human: Building a Safer Health System”, has caught the public attention documenting the magnitude of the medical error problem and the inherent patient safety: medical errors cause between 44,000 and 98,000 deaths annually in the United States. Currently, there is a growing interest in risk management on the medical field, particularly in the management of adverse events. It has been mainly due to the commitment of the World Health Organization, that this field of research has gained increasing the attention it deserves. Medical imaging is one of the high-risk fields for the occurrence of errors, especially due to the multiplicity of techniques, the several stakeholders and the complexity of the whole circuit that involves the conduct of studies. Many of the methods used to analyze patient safety were adapted from risk-management techniques in high-risk industries (e.g. chemical, nuclear power and aviation industry). It is recognized that we can learn more from our mistakes than from our successes and the reporting systems in these industries have provided a valuable contribution to error's prevention and risk management techniques. At a minimum, adverse events reporting systems can help to identify hazards and risks, providing important information on the system aspects that should be improved. However, the accumulation of potentially relevant data contributes little to healthcare services improvement. It is crucial to apply models to identify the underlying system failures, the root causes, and enhance the sharing of knowledge and experience. In this paper, it is suggested a solution to reduce adverse events, by identifying and eliminating the root causes that are in their source. How the Eindhoven Classification Model was adapted and extended specifically for the Medical Imaging field is also presented. The proposed approach includes the root causes analysis and introduces incomplete information concepts through the use of logical-mathematical operators formally sustained. This model is the basis of the adverse event and near misses reporting and learning system that was developed for Medical Imaging and is implemented in two Portuguese healthcare institutions. The objectives, characteristics and function of this system are presented throughout this article.