A research report submitted to the Faculty of Health Sciences, University of the Witwatersrand, Johannesburg in partial fulfilment of the requirements for the degree of Master of Public Health (Hospital Management) Johannesburg, August 2014 / Background Tuberculosis (TB) remains a major cause of disease and death worldwide. In 2008, South Africa ranked third in the world in terms of the total numbers of new TB cases. Little is known about the profile of TB deaths at individual hospital level. Hence, the aim of the study was to describe the profile of TB deaths in Charles Hurwitz TB Hospital for the period January to December 2007. Methods A descriptive study was done, based on retrospective record review of all patients who died between January and December 2007 at Charles Hurwitz TB Hospital, irrespective of the date of admission. The data was analysed using Microsoft Excel. Findings The mean age at death was 41 years (standard deviation =10.9 years). Less than half of deceased individuals were employed (43.4%), more than one third had a history of smoking (42%) and the majority had a history of alcohol consumption (60.5%). Almost three quarters of the patients (75.3%) were being treated for the first time. The majority (85.1%) of deceased patients tested for HIV were HIV positive, but only 23.3% of those referred for treatment were actually on ART, indicating missed opportunities in treatment and care at the hospital. Conclusion There is need for ongoing vigilance and training to ensure that TB hospitals and individual health care providers comply with the national quality of care and TB management standards, and that missed opportunities are eliminated to reduce avoidable TB deaths.

A partir de informações existentes e registradas em Maternidades e Hospitais Gerais de Florianópolis (S.C.) e na Secretaria de Estado da Saúde de Santa Catarina, realizou-se estudo retrospectivo compreendendo o período de 19 de janeiro de 1975 a 31 de dezembro de 1979. Determinou-se coeficientes de mortalidade materna numa série histórica de cinco anos, segundo o tipo de óbtios e causas básicas. Verificou-se ainda a relação entre mortalidade materna e as variáveis idade, paridade, tipo de parto e local de residência. Os resultados obtidos mostraram que o coeficiente de mortalidade materna foi elevado e atingiu nível maior do que os resultados de registros oficiais. Em 18,2 por cento dos óbitos houve preenchimento inadequado dos atestados, o que teria proporcionado perda destes casos como óbito materno. A maior proporção das mortes maternas foi devida aos óbitos obstétricos diretos, com um percentual de 75,0 por cento . Os óbitos obstétricos diretos foram constituídos em 54,5 por cento de infecção, 30,3 por cento de hemorragia e 15,2 por cento de toxemia. O coeficiente específico por infecção foi de 4,15/10.000 nascidos vivos (N.V.) tendo como principal causa básica o aborto. O grupo de hemorragia teve coeficiente de 2,31/10.000 N.V. e as causas básicas que contribuíram na quase totalidade dos óbitos foram rotura de útero sem outras especificações (SOE), laceração de colo de útero e parto a vácuo extrator. A toxemia apresentou coeficiente de 1,15/10.000 N.V. tendo como causa básica mais incidente, a eclâmpsia sobreposta à hipertensão arterial pré-existente. Conclui-se, ainda, que houve relação entre mortalidade materna e as variáveis idade, paridade e, em especial, com tipo de parto e local de residência. / Based on data collected at Maternities and General Hospitais in Florianópolis (S.C.) and at the State of Santa Catarina Secretary of Health a retrospective study on Maternal Mortality in the period January 1st, 1975 december 31th, 1979 was performed. The Maternal Mortality rate was determined by means of a historical series of 5 years, according to the type and main basic cause of death. The relation between Maternal Mortality and variables like chronological age, parity, type of delivery and place of residence was also studied. The results of the investigation indicated that the Maternal Mortality rate was high, being even higher than that officially presented. In 18.2 per cent of the cases there was an incorrect filling of the death certificates what could cause their exclusion as maternal deaths. The highest proportion of maternity deaths was caused by direct obstetric causes with a percentage of 75.0 per cent . The direct obstetric deaths were due to infection (54,5 per cent ), haemorrhagy (30.3 per cent ) and toxemy (15,2 per cent ). The speciific rate for infections was 4.15/10,000 live borns (L.B.) being abortion its main basic cause. The specific rate for haemorrhagy was 2.3/10,000 L.B. being its basic cause, which contributed to almost the totality of deaths, rupture of the uterus not otherwise specified (NOS),laceration of the uterus walls and delivery by vacuum extractor. The specific rate for toxemy was 1.15/10,000 L.B. being its basic cause eclampsy associated to pre-existent hypertension. It was concluded that there was a relation between maternal mortality and the variables chronological age parity and, in some special causes with the type of delivery and place of residence.

A partir de informações existentes e registradas em Maternidades e Hospitais Gerais de Florianópolis (S.C.) e na Secretaria de Estado da Saúde de Santa Catarina, realizou-se estudo retrospectivo compreendendo o período de 19 de janeiro de 1975 a 31 de dezembro de 1979. Determinou-se coeficientes de mortalidade materna numa série histórica de cinco anos, segundo o tipo de óbtios e causas básicas. Verificou-se ainda a relação entre mortalidade materna e as variáveis idade, paridade, tipo de parto e local de residência. Os resultados obtidos mostraram que o coeficiente de mortalidade materna foi elevado e atingiu nível maior do que os resultados de registros oficiais. Em 18,2 por cento dos óbitos houve preenchimento inadequado dos atestados, o que teria proporcionado perda destes casos como óbito materno. A maior proporção das mortes maternas foi devida aos óbitos obstétricos diretos, com um percentual de 75,0 por cento . Os óbitos obstétricos diretos foram constituídos em 54,5 por cento de infecção, 30,3 por cento de hemorragia e 15,2 por cento de toxemia. O coeficiente específico por infecção foi de 4,15/10.000 nascidos vivos (N.V.) tendo como principal causa básica o aborto. O grupo de hemorragia teve coeficiente de 2,31/10.000 N.V. e as causas básicas que contribuíram na quase totalidade dos óbitos foram rotura de útero sem outras especificações (SOE), laceração de colo de útero e parto a vácuo extrator. A toxemia apresentou coeficiente de 1,15/10.000 N.V. tendo como causa básica mais incidente, a eclâmpsia sobreposta à hipertensão arterial pré-existente. Conclui-se, ainda, que houve relação entre mortalidade materna e as variáveis idade, paridade e, em especial, com tipo de parto e local de residência. / Based on data collected at Maternities and General Hospitais in Florianópolis (S.C.) and at the State of Santa Catarina Secretary of Health a retrospective study on Maternal Mortality in the period January 1st, 1975 december 31th, 1979 was performed. The Maternal Mortality rate was determined by means of a historical series of 5 years, according to the type and main basic cause of death. The relation between Maternal Mortality and variables like chronological age, parity, type of delivery and place of residence was also studied. The results of the investigation indicated that the Maternal Mortality rate was high, being even higher than that officially presented. In 18.2 per cent of the cases there was an incorrect filling of the death certificates what could cause their exclusion as maternal deaths. The highest proportion of maternity deaths was caused by direct obstetric causes with a percentage of 75.0 per cent . The direct obstetric deaths were due to infection (54,5 per cent ), haemorrhagy (30.3 per cent ) and toxemy (15,2 per cent ). The speciific rate for infections was 4.15/10,000 live borns (L.B.) being abortion its main basic cause. The specific rate for haemorrhagy was 2.3/10,000 L.B. being its basic cause, which contributed to almost the totality of deaths, rupture of the uterus not otherwise specified (NOS),laceration of the uterus walls and delivery by vacuum extractor. The specific rate for toxemy was 1.15/10,000 L.B. being its basic cause eclampsy associated to pre-existent hypertension. It was concluded that there was a relation between maternal mortality and the variables chronological age parity and, in some special causes with the type of delivery and place of residence.

INTRODUCTION: The worldwide incidence of acute kidney injury is 18% and the overall hospital mortality can rise above 50%. In Peru, there are few series about mortality of acute kidney injury in hemodialysis patients. OBJECTIVES: To identify risk factors associated to hospital mortality of acute kidney injury in hemodialysis patients. METHODS: This is a retrospective cohort of patients with acute kidney injury in hemodialysis of Hospital Nacional Edgardo Rebagliati Martins gathered between January 2013 and December 2015. The sample size was 154 patients which allowed a power of 80% and a CI of 95%. ICD-10 codes were used to identify medical records of patients with acute kidney injury (N.17) and hemodialysis (Z.49). The independent variable was oliguria, and the primary outcome was hospital mortality. Poisson regression was used for multivariate analysis. RESULTS: We identified a total of 285 patients; 212 medical records were analyzed and 44 were excluded. Out of the 168 medical records, 129 belonged to living patients and 39 to deceased ones. The overall mortality incidence was 17.2%. The principal etiologies of acute kidney injury while in hemodialysis were sepsis (39.2%), and severe dehydration (10.8%). In the adjusted model, the risk factors associated to hospital mortality of acute kidney injury while in hemodialysis were elevated serum lactate (RR 1.09), elevated serum potassium (RR 0.93), and mean arterial pressure (RR 0.97). CONCLUSIONS: Lactate is an objective parameter that can predict prognosis and contributes to a better management of acute kidney injury in hemodialysis patients. INTRODUCCIÓN: La incidencia de insuficiencia renal aguda a nivel mundial es 18% y la mortalidad intrahospitalaria puede alcanzar más del 50%. En Perú, existen escasos estudios acerca de la mortalidad en pacientes con insuficiencia renal aguda en hemodiálisis. OBJETIVOS: Identificar los factores de riesgo asociados a mortalidad intrahospitalaria en pacientes con insuficiencia renal aguda en hemodiálisis. MÉTODOS: Es una cohorte retrospectiva, en la cual se estudió a los pacientes con insuficiencia renal aguda en hemodiálisis en el Hospital Nacional Edgardo Rebagliati Martins entre enero de 2013 y diciembre de 2015. Se halló un tamaño de muestra de 154 pacientes con una potencia de 80%, y un intervalo de confianza de 95%. Se utilizaron los códigos de la Clasificación Internacional de Enfermedades-10 para identificar las historias clínicas de pacientes con insuficiencia renal aguda (N.17) y hemodiálisis (Z.49). La variable independiente fue oliguria y la variable dependiente fue mortalidad intrahospitalaria. Para el análisis multivariado, se utilizó regresión de Poisson. RESULTADOS: El universo fue de 285 pacientes. Se revisaron 212 historias clínicas y se excluyeron 44. De las 168 historias clínicas estudiadas, 129 pertenecían a pacientes vivos y 39 a fallecidos. La incidencia de mortalidad fue de 17,2%. Las principales causas de insuficiencia renal aguda en hemodiálisis fueron sepsis (39,2%) y deshidratación severa (10,8%). En el modelo ajustado, los factores de riesgo asociados a mortalidad intrahospitalaria de insuficiencia renal aguda en hemodiálisis fueron lactato (riesgo relativo 1,09), potasio (riesgo relativo 0,93), y presión arterial media (riesgo relativo 0,97). CONCLUSIONES: El lactato es un parámetro objetivo que permite predecir el pronóstico y contribuye a un mejor manejo de los pacientes con insuficiencia renal aguda en hemodiálisis.

The recent study by Argamany et al1 concluded that the incidence and hospital mortality for Clostridium difficile infection (CDI) differed between major regions of the United States and across different seasonal times of the year. However, these conclusions were not supported by the data in their study because the authors based them exclusively on statistical significance without considering the effect size of their findings. The effect sizes of region and season on CDI were very low or near zero, contradicting their conclusion, as subsequently explained.

Yes / Objectives There are no established mortality risk equations specifically for emergency medical patients who are admitted to a general hospital ward. Such risk equations may be useful in supporting the clinical decision-making process. We aim to develop and externally validate a computer-aided risk of mortality (CARM) score by combining the first electronically recorded vital signs and blood test results for emergency medical admissions. Design Logistic regression model development and external validation study. Setting Two acute hospitals (Northern Lincolnshire and Goole NHS Foundation Trust Hospital (NH)—model development data; York Hospital (YH)—external validation data). Participants Adult (aged ≥16 years) medical admissions discharged over a 24-month period with electronic National Early Warning Score(s) and blood test results recorded on admission. Results The risk of in-hospital mortality following emergency medical admission was 5.7% (NH: 1766/30 996) and 6.5% (YH: 1703/26 247). The C-statistic for the CARM score in NH was 0.87 (95% CI 0.86 to 0.88) and was similar in an external hospital setting YH (0.86, 95% CI 0.85 to 0.87) and the calibration slope included 1 (0.97, 95% CI 0.94 to 1.00). Conclusions We have developed a novel, externally validated CARM score with good performance characteristics for estimating the risk of in-hospital mortality following an emergency medical admission using the patient’s first, electronically recorded, vital signs and blood test results. Since the CARM score places no additional data collection burden on clinicians and is readily automated, it may now be carefully introduced and evaluated in hospitals with sufficient informatics infrastructure. / The Health Foundation, National Institute for Health Research (NIHR) Yorkshire and Humberside Patient Safety Translational Research Centre

Yes / Background Avoidable hospital mortality is often attributable to inadequate patient vital signs monitoring, and failure to recognise or respond to clinical deterioration. The processes involved with vital sign collection and charting; their integration, interpretation and analysis; and the delivery of decision support regarding subsequent clinical care are subject to potential error and/or failure. Objective To determine whether introducing an electronic physiological surveillance system (EPSS), specifically designed to improve the collection and clinical use of vital signs data, reduced hospital mortality. Methods A pragmatic, retrospective, observational study of seasonally adjusted in-hospital mortality rates in three main hospital specialties was undertaken before, during and after the sequential deployment and ongoing use of a hospital-wide EPSS in two large unconnected acute general hospitals in England. The EPSS, which uses wireless handheld computing devices, replaced a paper-based vital sign charting and clinical escalation system. Results During EPSS implementation, crude mortality fell from a baseline of 7.75% (2168/27 959) to 6.42% (1904/29 676) in one hospital (estimated 397 fewer deaths), and from 7.57% (1648/21 771) to 6.15% (1614/26 241) at the second (estimated 372 fewer deaths). At both hospitals, multiyear statistical process control analyses revealed abrupt and sustained mortality reductions, coincident with the deployment and increasing use of the system. The cumulative total of excess deaths reduced in all specialties with increasing use of the system across the hospital. Conclusions The use of technology specifically designed to improve the accuracy, reliability and availability of patients’ vital signs and early warning scores, and thereby the recognition of and response to patient deterioration, is associated with reduced mortality in this study.

CONTEXTUALIZAÇÃO: A preocupação com a qualidade da assistência tem aumentado nas últimas décadas em todo o mundo. O aumento da demanda, aliado à escassez de recursos financeiros e ao desenvolvimento e incorporação de novas tecnologias, tem suscitado reflexões e pesquisas que busquem avaliar a assistência hospitalar prestada em termos de custo-efetividade. Os estudos têm utilizado, na sua grande maioria, taxas de mortalidade hospitalar, que é um indicador tradicional de desempenho hospitalar. A análise comparativa de indicadores de desempenho pressupõe que as taxas de mortalidade sejam ajustadas às características dos pacientes e ao perfil do hospital, que também contribui na probabilidade de óbito hospitalar. Muitos autores têm utilizado bases de dados administrativas para avaliar estabelecimentos de saúde, principalmente pelo baixo custo e fácil disponibilidade. Diversos estudos internacionais têm analisado a eficiência dos serviços hospitalares de forma intensa e constante. No Brasil, os estudos ainda são poucos e a maioria tem avaliado diagnósticos específicos ou faixas-etárias específicas. Além disso, são poucos os que agregam o perfil dos hospitais na análise de predição do óbito hospitalar. OBJETIVO: O objetivo desta tese é desenvolver um índice de risco para óbito hospitalar ajustado pelas características das internações e pelo perfil dos hospitais a partir dos dados disponíveis no Sistema de Informações Hospitalar (SIH-SUS), com a finalidade de comparação de desempenho entre hospitais. É também objetivo desenvolver um modelo preditivo de probabilidade de óbito hospitalar utilizando a metodologia de modelo multinível. MÉTODOS: Trata-se de um estudo transversal com dados de 453.515 Autorizações de Internação Hospitalar (AIHs) do Sistema de Informações Hospitalares do Sistema Único de Saúde (SIH-SUS) do Rio Grande do Sul no ano de 2005. Utilizou-se regressão logística tradicional a fim de desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações. A seguir, foi realizada modelagem multinível buscando desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações e o perfil dos hospitais. Após o ajuste do modelo, foi calculado o Índice de Risco (IR), que permitiu o cálculo das probabilidades de óbitos hospitalares esperados (E), que foram comparados aos óbitos observados (O). O ordenamento do desempenho dos estabelecimentos foi realizado através da razão O/E em função da incorporação das características das internações (nível individual) e do perfil dos hospitais (nível contextual) conjuntamente no modelo preditivo. RESULTADOS: A taxa bruta de mortalidade para o conjunto dos 332 hospitais (453.515 AIHs) foi de 6,3%. A mortalidade foi maior para os homens. As doenças infecciosas e parasitárias, neoplasias, doenças do sistema nervoso, do aparelho circulatório e respiratório e, ainda, diagnósticos informados como sinais e sintomas anormais foram os que apresentaram significativamente maior número de óbitos do que o esperado através do teste Qui-quadrado. A especialidade clínica médica apresentou maior número de óbitos em comparação à especialidade cirurgia. A maioria das internações ocorreu em hospitais privados, enquanto que a taxa bruta de mortalidade foi maior nos hospitais públicos. Através da modelagem por regressão logística, utilizando o perfil das internações, obteve-se um Índice de Risco (IR) para mortalidade hospitalar. A partir do modelo preditivo foram calculados os óbitos esperados para os hospitais. Dos 206 hospitais analisados, a razão O/E (óbito observado/óbito esperado) mostrou 40 hospitais com mortalidade significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. A partir do modelo preditivo multinível, formado por variáveis explicativas referentes à internação (primeiro nível) e variáveis explicativas referentes ao hospital (segundo nível), verificou-se que o perfil dos hospitais tem papel importante na predição do óbito hospitalar. As variáveis uso de UTI, seguida por idade foram as principais preditoras para óbito hospitalar no nível individual e porte do hospital, seguida por natureza jurídica, o foram no nível contextual respectivamente. A razão O/E baseada no modelo multinível mostrou que os hospitais de pequeno porte tem pior desempenho, os de grande porte melhoram seu desempenho e os de médio porte mantiveram-se praticamente sem modificações, quando comparados ao desempenho medido pela razão O/E obtida apenas para as características das internações. Constatou-se, ainda, um melhor desempenho dos estabelecimentos públicos, para todos os portes, e pior desempenho para os hospitais privados CONCLUSÕES: O índice de risco construído a partir das características da internação e do perfil dos estabelecimentos por modelos multinível pode ser empregado na análise de desempenho dos hospitais do SIH-SUS. O IR construído permitirá calcular a probabilidade de óbito e assim obter a taxa ajustada de mortalidade, a ser usada como um indicador de desempenho. Esta metodologia mostrou-se útil para rastrear hospitais que merecem uma atenção maior por parte de gestores, prestadores de serviços, profissionais e comunidade. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta não é igual à ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade para o nível de internações, e esse último também não é igual quando se adiciona o nível dos hospitais. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco que incorpora tanto o nível das internações, quanto dos hospitais. Estudos acrescentando outras variáveis do nível de internações, do nível hospitalar, além da região, poderão contribuir para o aprimoramento do modelo e do índice de risco. O desenvolvimento de uma série histórica de acompanhamento, bem como a discussão com representantes de várias instâncias envolvidas no processo de avaliação hospitalar poderão aumentar a eficiência do método. / CONTEXTUALIZATION: The concern with the quality of care has increased in recent decades throughout the world. Increased demand, combined with the scarcity of financial resources and the development and incorporation of new technologies, has raised debate and research that seek to evaluate the hospital care provided in terms of costeffectiveness. Studies have mostly used hospital mortality rates, which is a traditional indicator of hospital performance. Comparative analysis of performance indicators means that mortality rates are adjusted to the characteristics of patients and to the hospital profile, which also contributes to the risk of death in hospital. Many authors have used administrative databases to assess health institutions, especially for their low cost and easy availability. Several international studies have analyzed the efficiency of hospital services in intense and constant way. In Brazil, studies are still few and most have evaluated specific diagnoses or specific age ranges. Moreover, few studies add the profile of hospitals to the analysis of prediction of hospital death. OBJECTIVE: The objective of this thesis is to develop a risk index for hospital death adjusted by characteristics of hospital admissions and by the profile of hospitals, using the available data in the SIH-SUS, for the purpose of comparison of performance between SUS hospitals. It also aims to develop a multilevel model of hospital risk of death. METHODS: This is a cross-sectional study with data from 453.515 Authorization Form for Hospital Admittance (AIHs) of the Hospital Information System of the Unified Health System (SIH-SUS) in Rio Grande do Sul in 2005. A traditional logistic regression was used to develop a predictive model of the chances of hospital death considering the characteristics of hospital admissions. Additionally a multilevel modeling was employed to develop a predictive model of the chances of death considering the characteristics of hospital admissions and hospital profiles. After fitting the model, the risk index (IR) was calculated, which allowed for the calculation of the likelihood of hospital expected deaths (E), which were then compared to the observed deaths (O). The performance ranking of the establishments was conducted through the ratio O/E depending on the incorporation of characteristics of hospital (individual level) and the profiles of hospitals (contextual level) together in the predictive model. RESULTS: The crude death rate for all 332 hospitals (453.515 AIHs) was 6.3%. Mortality was higher for men. Infectious and parasitic diseases, neoplasms, diseases of the nervous system, of the circulatory and of the respiratory apparatus, and also informed diagnoses as abnormal signs and symptoms were those that had significantly more deaths than expected by the chi-square test. Higher number was observed for the speciality medical clinic of deaths compared to surgery. Most hospitalizations occurred in private hospitals, while the crude death rate was higher in public hospitals. Through the RL model, by using the profile of hospitalizations, a Risk Index (IR) was obtained for hospital mortality. From the predictive model were calculated expected deaths for hospitals. In 40 out of the 206 hospitals studied, the ratio O/E (observed deaths / expected deaths) showed mortality rates significantly higher than expected and, in 58 hospitals the mortality rates were significantly lower than expected. As for the multilevel predictive model, consisting of explanatory variables related to hospitalization (first level) and explanatory variables for the hospital (second level), the profiles of hospitals had an important role in prediction of hospital death. The variable use of Intensive Care Unit (UTI), followed by patient age, were the main predictors for hospital death at the individual level and size of the hospital, followed by a legal nature were the more important variables for the contextual level. The ratio O/E based on the multilevel model showed that small hospitals had a worse their performance, large institutions had better performances and those of medium size virtually unchanged when compared to the ratio O/E only for the characteristics of admissions It was also verified an improvement of performance of the public hospitals, for all sizes, and worsening of performance for private hospitals. CONCLUSIONS: The risk index constructed from the characteristics of hospitalization and the profile of establishments by multilevel models can be used in the analysis of performance of the SIH-SUS hospitals. The presently developed IR will yield a probability of death and thereby an adjusted rate of mortality, to be used as an indicator of performance. This methodology proved to be useful to track hospitals that deserve greater attention from managers, providers, professionals and community. The ordering of the hospitals using only the crude mortality rate is not equal to the ordering that uses the ranking set by the predictive model of probability for the level of admissions, and the latter is not equal when it adds the level of hospitals. When comparing hospitals, it is recommended the use of adjustment of the predictive model of probability of risk that incorporates both the levels of admissions and of the hospitals. Studies adding other variables in the level of admissions, the hospital level, as well as the region, could contribute to the improvement of the model and the risk index. The development of a historical series of monitoring and discussion with representatives of various groups involved in hospital evaluation will add validity to the assessment method.

CONTEXTUALIZAÇÃO: A preocupação com a qualidade da assistência tem aumentado nas últimas décadas em todo o mundo. O aumento da demanda, aliado à escassez de recursos financeiros e ao desenvolvimento e incorporação de novas tecnologias, tem suscitado reflexões e pesquisas que busquem avaliar a assistência hospitalar prestada em termos de custo-efetividade. Os estudos têm utilizado, na sua grande maioria, taxas de mortalidade hospitalar, que é um indicador tradicional de desempenho hospitalar. A análise comparativa de indicadores de desempenho pressupõe que as taxas de mortalidade sejam ajustadas às características dos pacientes e ao perfil do hospital, que também contribui na probabilidade de óbito hospitalar. Muitos autores têm utilizado bases de dados administrativas para avaliar estabelecimentos de saúde, principalmente pelo baixo custo e fácil disponibilidade. Diversos estudos internacionais têm analisado a eficiência dos serviços hospitalares de forma intensa e constante. No Brasil, os estudos ainda são poucos e a maioria tem avaliado diagnósticos específicos ou faixas-etárias específicas. Além disso, são poucos os que agregam o perfil dos hospitais na análise de predição do óbito hospitalar. OBJETIVO: O objetivo desta tese é desenvolver um índice de risco para óbito hospitalar ajustado pelas características das internações e pelo perfil dos hospitais a partir dos dados disponíveis no Sistema de Informações Hospitalar (SIH-SUS), com a finalidade de comparação de desempenho entre hospitais. É também objetivo desenvolver um modelo preditivo de probabilidade de óbito hospitalar utilizando a metodologia de modelo multinível. MÉTODOS: Trata-se de um estudo transversal com dados de 453.515 Autorizações de Internação Hospitalar (AIHs) do Sistema de Informações Hospitalares do Sistema Único de Saúde (SIH-SUS) do Rio Grande do Sul no ano de 2005. Utilizou-se regressão logística tradicional a fim de desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações. A seguir, foi realizada modelagem multinível buscando desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações e o perfil dos hospitais. Após o ajuste do modelo, foi calculado o Índice de Risco (IR), que permitiu o cálculo das probabilidades de óbitos hospitalares esperados (E), que foram comparados aos óbitos observados (O). O ordenamento do desempenho dos estabelecimentos foi realizado através da razão O/E em função da incorporação das características das internações (nível individual) e do perfil dos hospitais (nível contextual) conjuntamente no modelo preditivo. RESULTADOS: A taxa bruta de mortalidade para o conjunto dos 332 hospitais (453.515 AIHs) foi de 6,3%. A mortalidade foi maior para os homens. As doenças infecciosas e parasitárias, neoplasias, doenças do sistema nervoso, do aparelho circulatório e respiratório e, ainda, diagnósticos informados como sinais e sintomas anormais foram os que apresentaram significativamente maior número de óbitos do que o esperado através do teste Qui-quadrado. A especialidade clínica médica apresentou maior número de óbitos em comparação à especialidade cirurgia. A maioria das internações ocorreu em hospitais privados, enquanto que a taxa bruta de mortalidade foi maior nos hospitais públicos. Através da modelagem por regressão logística, utilizando o perfil das internações, obteve-se um Índice de Risco (IR) para mortalidade hospitalar. A partir do modelo preditivo foram calculados os óbitos esperados para os hospitais. Dos 206 hospitais analisados, a razão O/E (óbito observado/óbito esperado) mostrou 40 hospitais com mortalidade significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. A partir do modelo preditivo multinível, formado por variáveis explicativas referentes à internação (primeiro nível) e variáveis explicativas referentes ao hospital (segundo nível), verificou-se que o perfil dos hospitais tem papel importante na predição do óbito hospitalar. As variáveis uso de UTI, seguida por idade foram as principais preditoras para óbito hospitalar no nível individual e porte do hospital, seguida por natureza jurídica, o foram no nível contextual respectivamente. A razão O/E baseada no modelo multinível mostrou que os hospitais de pequeno porte tem pior desempenho, os de grande porte melhoram seu desempenho e os de médio porte mantiveram-se praticamente sem modificações, quando comparados ao desempenho medido pela razão O/E obtida apenas para as características das internações. Constatou-se, ainda, um melhor desempenho dos estabelecimentos públicos, para todos os portes, e pior desempenho para os hospitais privados CONCLUSÕES: O índice de risco construído a partir das características da internação e do perfil dos estabelecimentos por modelos multinível pode ser empregado na análise de desempenho dos hospitais do SIH-SUS. O IR construído permitirá calcular a probabilidade de óbito e assim obter a taxa ajustada de mortalidade, a ser usada como um indicador de desempenho. Esta metodologia mostrou-se útil para rastrear hospitais que merecem uma atenção maior por parte de gestores, prestadores de serviços, profissionais e comunidade. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta não é igual à ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade para o nível de internações, e esse último também não é igual quando se adiciona o nível dos hospitais. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco que incorpora tanto o nível das internações, quanto dos hospitais. Estudos acrescentando outras variáveis do nível de internações, do nível hospitalar, além da região, poderão contribuir para o aprimoramento do modelo e do índice de risco. O desenvolvimento de uma série histórica de acompanhamento, bem como a discussão com representantes de várias instâncias envolvidas no processo de avaliação hospitalar poderão aumentar a eficiência do método. / CONTEXTUALIZATION: The concern with the quality of care has increased in recent decades throughout the world. Increased demand, combined with the scarcity of financial resources and the development and incorporation of new technologies, has raised debate and research that seek to evaluate the hospital care provided in terms of costeffectiveness. Studies have mostly used hospital mortality rates, which is a traditional indicator of hospital performance. Comparative analysis of performance indicators means that mortality rates are adjusted to the characteristics of patients and to the hospital profile, which also contributes to the risk of death in hospital. Many authors have used administrative databases to assess health institutions, especially for their low cost and easy availability. Several international studies have analyzed the efficiency of hospital services in intense and constant way. In Brazil, studies are still few and most have evaluated specific diagnoses or specific age ranges. Moreover, few studies add the profile of hospitals to the analysis of prediction of hospital death. OBJECTIVE: The objective of this thesis is to develop a risk index for hospital death adjusted by characteristics of hospital admissions and by the profile of hospitals, using the available data in the SIH-SUS, for the purpose of comparison of performance between SUS hospitals. It also aims to develop a multilevel model of hospital risk of death. METHODS: This is a cross-sectional study with data from 453.515 Authorization Form for Hospital Admittance (AIHs) of the Hospital Information System of the Unified Health System (SIH-SUS) in Rio Grande do Sul in 2005. A traditional logistic regression was used to develop a predictive model of the chances of hospital death considering the characteristics of hospital admissions. Additionally a multilevel modeling was employed to develop a predictive model of the chances of death considering the characteristics of hospital admissions and hospital profiles. After fitting the model, the risk index (IR) was calculated, which allowed for the calculation of the likelihood of hospital expected deaths (E), which were then compared to the observed deaths (O). The performance ranking of the establishments was conducted through the ratio O/E depending on the incorporation of characteristics of hospital (individual level) and the profiles of hospitals (contextual level) together in the predictive model. RESULTS: The crude death rate for all 332 hospitals (453.515 AIHs) was 6.3%. Mortality was higher for men. Infectious and parasitic diseases, neoplasms, diseases of the nervous system, of the circulatory and of the respiratory apparatus, and also informed diagnoses as abnormal signs and symptoms were those that had significantly more deaths than expected by the chi-square test. Higher number was observed for the speciality medical clinic of deaths compared to surgery. Most hospitalizations occurred in private hospitals, while the crude death rate was higher in public hospitals. Through the RL model, by using the profile of hospitalizations, a Risk Index (IR) was obtained for hospital mortality. From the predictive model were calculated expected deaths for hospitals. In 40 out of the 206 hospitals studied, the ratio O/E (observed deaths / expected deaths) showed mortality rates significantly higher than expected and, in 58 hospitals the mortality rates were significantly lower than expected. As for the multilevel predictive model, consisting of explanatory variables related to hospitalization (first level) and explanatory variables for the hospital (second level), the profiles of hospitals had an important role in prediction of hospital death. The variable use of Intensive Care Unit (UTI), followed by patient age, were the main predictors for hospital death at the individual level and size of the hospital, followed by a legal nature were the more important variables for the contextual level. The ratio O/E based on the multilevel model showed that small hospitals had a worse their performance, large institutions had better performances and those of medium size virtually unchanged when compared to the ratio O/E only for the characteristics of admissions It was also verified an improvement of performance of the public hospitals, for all sizes, and worsening of performance for private hospitals. CONCLUSIONS: The risk index constructed from the characteristics of hospitalization and the profile of establishments by multilevel models can be used in the analysis of performance of the SIH-SUS hospitals. The presently developed IR will yield a probability of death and thereby an adjusted rate of mortality, to be used as an indicator of performance. This methodology proved to be useful to track hospitals that deserve greater attention from managers, providers, professionals and community. The ordering of the hospitals using only the crude mortality rate is not equal to the ordering that uses the ranking set by the predictive model of probability for the level of admissions, and the latter is not equal when it adds the level of hospitals. When comparing hospitals, it is recommended the use of adjustment of the predictive model of probability of risk that incorporates both the levels of admissions and of the hospitals. Studies adding other variables in the level of admissions, the hospital level, as well as the region, could contribute to the improvement of the model and the risk index. The development of a historical series of monitoring and discussion with representatives of various groups involved in hospital evaluation will add validity to the assessment method.

CONTEXTUALIZAÇÃO: A preocupação com a qualidade da assistência tem aumentado nas últimas décadas em todo o mundo. O aumento da demanda, aliado à escassez de recursos financeiros e ao desenvolvimento e incorporação de novas tecnologias, tem suscitado reflexões e pesquisas que busquem avaliar a assistência hospitalar prestada em termos de custo-efetividade. Os estudos têm utilizado, na sua grande maioria, taxas de mortalidade hospitalar, que é um indicador tradicional de desempenho hospitalar. A análise comparativa de indicadores de desempenho pressupõe que as taxas de mortalidade sejam ajustadas às características dos pacientes e ao perfil do hospital, que também contribui na probabilidade de óbito hospitalar. Muitos autores têm utilizado bases de dados administrativas para avaliar estabelecimentos de saúde, principalmente pelo baixo custo e fácil disponibilidade. Diversos estudos internacionais têm analisado a eficiência dos serviços hospitalares de forma intensa e constante. No Brasil, os estudos ainda são poucos e a maioria tem avaliado diagnósticos específicos ou faixas-etárias específicas. Além disso, são poucos os que agregam o perfil dos hospitais na análise de predição do óbito hospitalar. OBJETIVO: O objetivo desta tese é desenvolver um índice de risco para óbito hospitalar ajustado pelas características das internações e pelo perfil dos hospitais a partir dos dados disponíveis no Sistema de Informações Hospitalar (SIH-SUS), com a finalidade de comparação de desempenho entre hospitais. É também objetivo desenvolver um modelo preditivo de probabilidade de óbito hospitalar utilizando a metodologia de modelo multinível. MÉTODOS: Trata-se de um estudo transversal com dados de 453.515 Autorizações de Internação Hospitalar (AIHs) do Sistema de Informações Hospitalares do Sistema Único de Saúde (SIH-SUS) do Rio Grande do Sul no ano de 2005. Utilizou-se regressão logística tradicional a fim de desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações. A seguir, foi realizada modelagem multinível buscando desenvolver um modelo preditivo das chances de óbito hospitalar considerando as características das internações e o perfil dos hospitais. Após o ajuste do modelo, foi calculado o Índice de Risco (IR), que permitiu o cálculo das probabilidades de óbitos hospitalares esperados (E), que foram comparados aos óbitos observados (O). O ordenamento do desempenho dos estabelecimentos foi realizado através da razão O/E em função da incorporação das características das internações (nível individual) e do perfil dos hospitais (nível contextual) conjuntamente no modelo preditivo. RESULTADOS: A taxa bruta de mortalidade para o conjunto dos 332 hospitais (453.515 AIHs) foi de 6,3%. A mortalidade foi maior para os homens. As doenças infecciosas e parasitárias, neoplasias, doenças do sistema nervoso, do aparelho circulatório e respiratório e, ainda, diagnósticos informados como sinais e sintomas anormais foram os que apresentaram significativamente maior número de óbitos do que o esperado através do teste Qui-quadrado. A especialidade clínica médica apresentou maior número de óbitos em comparação à especialidade cirurgia. A maioria das internações ocorreu em hospitais privados, enquanto que a taxa bruta de mortalidade foi maior nos hospitais públicos. Através da modelagem por regressão logística, utilizando o perfil das internações, obteve-se um Índice de Risco (IR) para mortalidade hospitalar. A partir do modelo preditivo foram calculados os óbitos esperados para os hospitais. Dos 206 hospitais analisados, a razão O/E (óbito observado/óbito esperado) mostrou 40 hospitais com mortalidade significativamente superior à esperada e 58 hospitais com mortalidade significativamente inferior à esperada. A partir do modelo preditivo multinível, formado por variáveis explicativas referentes à internação (primeiro nível) e variáveis explicativas referentes ao hospital (segundo nível), verificou-se que o perfil dos hospitais tem papel importante na predição do óbito hospitalar. As variáveis uso de UTI, seguida por idade foram as principais preditoras para óbito hospitalar no nível individual e porte do hospital, seguida por natureza jurídica, o foram no nível contextual respectivamente. A razão O/E baseada no modelo multinível mostrou que os hospitais de pequeno porte tem pior desempenho, os de grande porte melhoram seu desempenho e os de médio porte mantiveram-se praticamente sem modificações, quando comparados ao desempenho medido pela razão O/E obtida apenas para as características das internações. Constatou-se, ainda, um melhor desempenho dos estabelecimentos públicos, para todos os portes, e pior desempenho para os hospitais privados CONCLUSÕES: O índice de risco construído a partir das características da internação e do perfil dos estabelecimentos por modelos multinível pode ser empregado na análise de desempenho dos hospitais do SIH-SUS. O IR construído permitirá calcular a probabilidade de óbito e assim obter a taxa ajustada de mortalidade, a ser usada como um indicador de desempenho. Esta metodologia mostrou-se útil para rastrear hospitais que merecem uma atenção maior por parte de gestores, prestadores de serviços, profissionais e comunidade. A ordenação dos hospitais utilizando apenas a taxa de mortalidade bruta não é igual à ordenação quando se utiliza o ranking ajustado pelo modelo preditivo de probabilidade para o nível de internações, e esse último também não é igual quando se adiciona o nível dos hospitais. Recomenda-se que, ao comparar hospitais, seja utilizado o ajuste pelo modelo preditivo de probabilidade de risco que incorpora tanto o nível das internações, quanto dos hospitais. Estudos acrescentando outras variáveis do nível de internações, do nível hospitalar, além da região, poderão contribuir para o aprimoramento do modelo e do índice de risco. O desenvolvimento de uma série histórica de acompanhamento, bem como a discussão com representantes de várias instâncias envolvidas no processo de avaliação hospitalar poderão aumentar a eficiência do método. / CONTEXTUALIZATION: The concern with the quality of care has increased in recent decades throughout the world. Increased demand, combined with the scarcity of financial resources and the development and incorporation of new technologies, has raised debate and research that seek to evaluate the hospital care provided in terms of costeffectiveness. Studies have mostly used hospital mortality rates, which is a traditional indicator of hospital performance. Comparative analysis of performance indicators means that mortality rates are adjusted to the characteristics of patients and to the hospital profile, which also contributes to the risk of death in hospital. Many authors have used administrative databases to assess health institutions, especially for their low cost and easy availability. Several international studies have analyzed the efficiency of hospital services in intense and constant way. In Brazil, studies are still few and most have evaluated specific diagnoses or specific age ranges. Moreover, few studies add the profile of hospitals to the analysis of prediction of hospital death. OBJECTIVE: The objective of this thesis is to develop a risk index for hospital death adjusted by characteristics of hospital admissions and by the profile of hospitals, using the available data in the SIH-SUS, for the purpose of comparison of performance between SUS hospitals. It also aims to develop a multilevel model of hospital risk of death. METHODS: This is a cross-sectional study with data from 453.515 Authorization Form for Hospital Admittance (AIHs) of the Hospital Information System of the Unified Health System (SIH-SUS) in Rio Grande do Sul in 2005. A traditional logistic regression was used to develop a predictive model of the chances of hospital death considering the characteristics of hospital admissions. Additionally a multilevel modeling was employed to develop a predictive model of the chances of death considering the characteristics of hospital admissions and hospital profiles. After fitting the model, the risk index (IR) was calculated, which allowed for the calculation of the likelihood of hospital expected deaths (E), which were then compared to the observed deaths (O). The performance ranking of the establishments was conducted through the ratio O/E depending on the incorporation of characteristics of hospital (individual level) and the profiles of hospitals (contextual level) together in the predictive model. RESULTS: The crude death rate for all 332 hospitals (453.515 AIHs) was 6.3%. Mortality was higher for men. Infectious and parasitic diseases, neoplasms, diseases of the nervous system, of the circulatory and of the respiratory apparatus, and also informed diagnoses as abnormal signs and symptoms were those that had significantly more deaths than expected by the chi-square test. Higher number was observed for the speciality medical clinic of deaths compared to surgery. Most hospitalizations occurred in private hospitals, while the crude death rate was higher in public hospitals. Through the RL model, by using the profile of hospitalizations, a Risk Index (IR) was obtained for hospital mortality. From the predictive model were calculated expected deaths for hospitals. In 40 out of the 206 hospitals studied, the ratio O/E (observed deaths / expected deaths) showed mortality rates significantly higher than expected and, in 58 hospitals the mortality rates were significantly lower than expected. As for the multilevel predictive model, consisting of explanatory variables related to hospitalization (first level) and explanatory variables for the hospital (second level), the profiles of hospitals had an important role in prediction of hospital death. The variable use of Intensive Care Unit (UTI), followed by patient age, were the main predictors for hospital death at the individual level and size of the hospital, followed by a legal nature were the more important variables for the contextual level. The ratio O/E based on the multilevel model showed that small hospitals had a worse their performance, large institutions had better performances and those of medium size virtually unchanged when compared to the ratio O/E only for the characteristics of admissions It was also verified an improvement of performance of the public hospitals, for all sizes, and worsening of performance for private hospitals. CONCLUSIONS: The risk index constructed from the characteristics of hospitalization and the profile of establishments by multilevel models can be used in the analysis of performance of the SIH-SUS hospitals. The presently developed IR will yield a probability of death and thereby an adjusted rate of mortality, to be used as an indicator of performance. This methodology proved to be useful to track hospitals that deserve greater attention from managers, providers, professionals and community. The ordering of the hospitals using only the crude mortality rate is not equal to the ordering that uses the ranking set by the predictive model of probability for the level of admissions, and the latter is not equal when it adds the level of hospitals. When comparing hospitals, it is recommended the use of adjustment of the predictive model of probability of risk that incorporates both the levels of admissions and of the hospitals. Studies adding other variables in the level of admissions, the hospital level, as well as the region, could contribute to the improvement of the model and the risk index. The development of a historical series of monitoring and discussion with representatives of various groups involved in hospital evaluation will add validity to the assessment method.