( PDF ) Avaliação da aplicabilidade do índice de risco de infecção cirúrgica do sistema NNIS em pacientes submetidos a procedimentos ortopédicos: um estudo multicêntrico em hospitais de Belo Horizonte...

Download PDF

ads:

FLÁVIA FALCI ERCOLE

Avaliação da aplicabilidade do índice de risco DE INFECÇÃO CIRÚRGICA do Sistema

NNIS em pacientes submetidos a procedimentos ortopédicos:

BELO HORIZONTE

ads:

Livros Grátis

http://www.livrosgratis.com.br

Milhares de livros grátis para download.

FLÁVIA FALCI ERCOLE

Avaliação da aplicabilidade do índice de risco DE INFECÇÃO CIRÚRGICA do Sistema

NNIS em pacientes submetidos a procedimentos ortopédicos:

TESE APRESENTADA AO PROGRAMA DE PÓS-GRADUAÇÃO EM

PARASITOLOGIA DO INSTITUTO DE CIÊNCIAS BIOLÓGICAS DA

UNIVERSIDADE FEDERAL DE MINAS GERAIS, DEPARTAMENTO

DE PARASITOLOGIA, COMO REQUISITO PARA OBTENÇÃO DO

GRAU DE DOUTOR EM CIÊNCIAS.

ÁREA DE CONCENTRAÇÃO: EPIDEMIOLOGIA DAS DOENÇAS

INFECCIOSAS E PARASITÁRIAS

ORIENTADORA: PROFA

DRA

MARIÂNGELA CARNEIRO

BELO HORIZONTE

INSTITUTO DE CIÊNCIAS BIOLÓGICAS DA UFMG

2006

ads:

TRABALHO DESENVOLVIDO NO LABORATÓRIO DE

EPIDEMIOLOGIA DE DOENÇAS INFECCIOSAS E

PARASITÁRIAS, DEPARTAMENTO DE PARASITOLOGIA,

INSTITUTO DE CIÊNCIAS BIOLÓGICAS, UNIVERSIDADE

FEDERAL DE MINAS GERAIS E FINANCIADO PELO

CONSELHO NACIONAL DE DESENVOLVIMENTO

CIENTÍFICO E TECNOLÓGICO (CNPQ).

PESQUISADORES COLABOLADORES:

PROF. DR. ENRICO ANTÔNIO COLOSIMO – DEPARTAMENTO DE ESTATÍSTICA

DO INSTITUTO DE CIÊNCIAS EXATAS DA UNIVERSIDADE FEDERAL DE MINAS

GERAIS.

DR. CARLOS ERNESTO FERREIRA STARLING – MÉDICO INFECTOLOGISTA E

COORDENADOR DOS SERVIÇOS DE CONTROLE DE INFECÇÃO HOSPITALAR

DOS HOSPITAIS DO ESTUDO.

PROF. DR. GREY ERCOLE – DEPARTAMENTO DE MATEMÁTICA DO INSTITUTO

DE CIÊNCIAS EXATAS DA UNIVERSIDADE FEDERAL DE MINAS GERAIS.

Ao Deus dO IMPOSSÍVEL, ao Senhor de todas as coisas que por graça,

bondade e misericórdia esteve comigo todo o tempo nesta árdua caminhada.

por tudo que passei e vivi neste tempo, Consagro este trabalho a ti, apenas a ti

e te dou toda a glória.

Aos meus AmADOS Grey, Rafael e Lorena

AGRADECIMENTOS.............................................................................................

vii-xi

RESUMO................................................................................................................

xxi-xxii

ABSTRACT..............................................................................................................

xxiii-xxiv

1. INTRODUÇÃO....................................................................................................

1-34

1.1 INFECÇÕES HOSPITALARES....................................................................................

1-12

1.2 INFECÇÕES ORTOPÉDICAS......................................................................................

12-15

1.3 O DESENVOLVIMENTO DE ÍNDICES DE RISCO DE INFECÇÃO DE SÍTIO

CIRÚRGICO..........................................................................................................................

15-23

1.4 A PROPOSTA DO SISTEMA NNIS PARA O ÍNDICE DE RISCO DE INFECÇÃO

DE SÍTIO CIRÚRGICO – IRIC...........................................................................................

23-28

1.5 APLICAÇÕES E LIMITAÇÕES DO IRIC NA PRÁTICA CLÍNICA.........................

28-34

2. JUSTIFICATIVA.................................................................................................

35-37

3. OBJETIVOS.........................................................................................................

3.1 OBJETIVO GERAL........................................................................................................

3.2 OBJETIVO ESPECÍFICO.............................................................................................

4. MATERIAIS E MÉTODOS................................................................................

39-65

4.1 DELINEAMENTO DO ESTUDO..................................................................................

4.2 LOCAL DO ESTUDO.....................................................................................................

4.3 POPULAÇÃO E AMOSTRA DO ESTUDO..................................................................

4.4 COLETA E CONSISTÊNCIA DOS DADOS................................................................

40-44

4.5 CARACTERIZAÇÃO DOS HOSPITAIS DO ESTUDO............................................... 45

4.5.1 SERVIÇO DE CONTROLE DE INFECÇÃO HOSPITALAR......................................................

46-48

4.5.2 SACIH – SISTEMA AUTOMOTIZADO DE CONTROLE DE INFECÇÕES

HOSPITALARES....................................................................................................................................

48-49

4.5.3 SISTEMA DE VIGILÂNCIA NNIS................................................................................................

49-51

4.6 PROCEDIMENTOS ORTOPÉDICOS NNIS A SEREM CONSIDERADOS NO

ESTUDO................................................................................................................................

51-52

4.6.1 CÓDIGOS DE PROCEDIMENTOS DE CIRURGIAS TRAUMATO -ORTOPÉDICAS

CONSIDERADAS NO ESTUDO...........................................................................................................

52-53

4.7 VARIÁVEIS DO ESTUDO.............................................................................................

53-59

4.7.1 VARIÁVEL DEPENDENTE..........................................................................................................

4.7.1.1 INFECÇÃO DE SÍTIO CIRÚRGICO – ISC..............................................................................

4.7.2 VARIÁVEIS INDEPENDENTES..................................................................................................

54-59

4.8 CONSIDERAÇÕES ÉTICAS E LEGAIS DO ESTUDO..............................................

4.9 TRATAMENTO E ANÁLISE DOS DADOS.................................................................

60-66

4.9.1 ANÁLISE DESCRITIVA DOS DADOS.........................................................................................

4.9.2 CÁLCULO DAS TAXAS DE INCIDÊNCIA DE ISC....................................................................

4.9.3 ANÁLISE UNIVARIADA DOS DADOS.......................................................................................

4.9.4 ANÁLISE MULTIVARIADA DOS DADOS..................................................................................

62-66

5. RESULTADOS.....................................................................................................

67-121

5.1 CARACTERIZAÇÃO DAS VARIÁVEIS QUE COMPÕEM O BANCO EM

ESTUDO................................................................................................................................

68-73

5.1.1 CARACTERIZAÇÃO DAS VARIÁVEIS POR HOSPITAL............................................................

73-78

5.2 INCIDÊNCIA DE SÍTIO CIRÚRGICO........................................................................

78-85

5.3 ASSOCIAÇÃO DAS VARIÁVEIS INDEPENDENTES COM A ISC-ANÁLISE

UNIVARIADA........................................................................................................................

85-94

5.4 ANÁLISE DE REGRESSÃO LOGÍSTICA E O DESENVOLVIMENTO DE

MODELOS “ALTERNATIVOS” DE PREDIÇÃO DE RISCO DE

INFECÇÃO............................................................................................................................

5.5 CÁLCULO DAS PROBABILIDADES DO MODELO IRIC E MODELO 2...............

5.6 COMPARAÇÃO ENTRE OS MODELOS IRIC E MODELO 2 NO CÁLCULO

DAS PROBABILIDADES....................................................................................................

95-111

111-115

115-121

6. DISCUSSÃO.........................................................................................................

122-146

7. CONCLUSÕES.....................................................................................................

147-149

8. DESDOBRAMENTOS.........................................................................................

150

9. REFERÊNCIAS BIBLIOGRÁFICAS................................................................

151-163

ANEXOS....................................................................................................................

164-197

Lista de Figuras

Figura 1 – Classificação das ISC de acordo com a localização anatômica.......

Figura 2 – Esquema de coleta de dados das informações dos pacientes

submetidos a procedimentos cirúrgicos ortopédicos, Belo Horizonte, MG –

1994-2002................................................................................................................

Figura 3 – Histogramas das probabilidades de ISC para as 4 categorias do

IRIC........................................................................................................................

115

Lista de Tabelas

Tabela 1 – Avaliação das perdas de informações de algumas variáveis em

relação ao Índice de Risco de Infecção Cirúrgico, Belo Horizonte – MG,

1994-2002.................................................................................................................

165-166

Tabela 2 – Avaliação das perdas de informações de algumas variáveis em

relação à ISC, Belo Horizonte - MG, 1994-

2002..................................................

167-168

Tabela 3 - Medidas de tendência central e dispersão dos 8.236

procedimentos cirúrgicos ortopédicos, Belo Horizonte – MG, 1994-

2002...........................................................................................................................

Tabela 4 - Distribuição da freqüência simples das variáveis relacionadas aos

pacientes submetidos a procedimentos cirúrgicos ortopédicos, Belo

Horizonte – MG, 1994-2002..................................................................................

70-71

Tabela 5 - Medidas de tendência central e dispersão dos 8.236

procedimentos cirúrgicos ortopédicos, Belo Horizonte – MG, 1994-

2002...........................................................................................................................

Tabela 6 – Distribuição da freqüência simples, por hospital, das variáveis

relacionadas aos pacientes submetidos a cirurgias ortopédicas, Belo

Horizonte – MG, 1994-2002...................................................................................

Tabela 7 – Taxas de ISC dos 8.236 pacientes submetidos a procedimentos

cirúrgicos ortopédicos de acordo com o Potencial de Contaminação da

Ferida Cirúrgica, ASA e Duração da Cirurgia, Belo Horizonte – MG, 1994-

2002..........................................................................................................................

Tabela 8 – Incidência de infecção de ISC segundo os hospitais envolvidos no

estudo, Belo Horizonte – MG, 1994-

2002..........................................................................................................................

Tabela 9 – Caracterização dos 116 pacientes cirúrgicos ortopédicos com ISC,

Belo Horizonte – MG, 1994-

2002..........................................................................................................................

82-83

Tabela 10 - Medidas de tendência central e dispersão das variáveis contínuas

de acordo com a ISC, Belo Horizonte – MG, 1994-

2002...........................................................................................................................

Tabela 11 - Análise Univariada da ISC com as Variáveis independentes, Belo

Horizonte - MG, 1994-2002....................................................................................

87-88

Tabela 12- Estimativas da regressão logística para avaliação do IRIC, Belo

Horizonte – MG, 1994-2002..................................................................................

Tabela 13 - Estimativas da regressão logística para avaliação das variáveis

que compõem o IRIC, Belo Horizonte – MG, 1994-

2002...........................................................................................................................

Tabela 14 - Estimativas da regressão logística para definição do Modelo 2

Alternativo, Belo Horizonte – MG, 1994-2002....................................................

100

Tabela 15 - Estimativas da regressão logística para definição do Modelo 3

Alternativo, Belo Horizonte – MG, 1994-2002....................................................

103

Tabela 16 - Estimativas da regressão logística para definição do Modelo 4

Alternativo, Belo Horizonte – MG, 1994-2002....................................................

105

107

Tabela 17 - Estimativas da regressão logística para definição do Modelo 5

Alternativo, Belo Horizonte – MG, 1994-2002....................................................

Tabela 18 – Comparação dos Modelos 0, 1 e 2 em relação às áreas da Curva

ROC.........................................................................................................................

109

Tabela 19 – Resultados dos Modelos Alternativos em relação ao Modelo

IRIC do Sistema NNIS/CDC, Belo Horizonte – MG, 1994-2002.......................

110

Tabela 20 – Avaliação da correlação do IRIC com a ISC dos 8.236 pacientes

submetidos a procedimentos cirúrgicos ortopédicos, através do Teste de

Goodman-Kruskal (G) – coeficiente Gamma, Belo Horizonte – MG, 1994-

2002..........................................................................................................................

111

Tabela 21 – Probabilidades observadas e esperadas de ocorrência de ISC de

acordo com a variável IRIC nos 8.236 pacientes submetidos a procedimentos

cirúrgicos ortopédicos, Belo Horizonte – MG, 1994-

2002..........................................................................................................................

113

Tabela 22 – Variáveis que compõem o Modelo 2 Alternativo e seus

respectivos coeficientes β.......................................................................................

116

Tabela 23 - Probabilidades observadas e esperadas de ocorrência de ISC do

Modelo alternativo para os procedimentos cirúrgicos ortopédicos, Belo

Horizonte – MG, 1994-

2002..........................................................................................................................

118

Lista de Quadros

Quadro 1 – Critérios para definição da ISC........................................................

Quadro 2 – Infecções de Ossos e Articulações.....................................................

Quadro 3 – Classificação da Ferida Cirúrgica....................................................

Quadro 4 – Classificação ASA..............................................................................

Quadro 5 – Índice de Risco SENIC......................................................................

Quadro 6 – Índice de Risco IRIC.........................................................................

Quadro 7 – Distribuição dos quatro hospitais de estudo segundo o número

de admissões/ano, leitos e entidade mantenedora, no período de 1991-1996,

Belo Horizonte, MG...............................................................................................

Quadro 8 – Composição do Serviço de Controle de Infecções Hospitalares

dos hospitais em estudo, no período de 1991-1996, Belo Horizonte, MG.........

Lista de Gráficos

Gráfico 1 – Incidência de ISC segundo os tipos de procedimentos cirúrgicos

ortopédicos, Belo Horizonte, MG – 1994-2002....................................................

Gráfico 2 – Incidência de ISC segundo o IRIC, Belo Horizonte, MG – 1994-

2002..........................................................................................................................

Gráfico 3 – Curva ROC do Modelo 0 – IRIC......................................................

Gráfico 4 - Curva ROC do Modelo 1 (ASA, Potencial de Contaminação e

Duração da Cirugia................................................................................................

Gráfico 5 – Curva ROC do Modelo 2 Alternativo..............................................

101

Gráfico 6 – Pontos de corte para cada probabilidade do Modelo 2..................

102

Gráfico 7 – Curva ROC do Modelo 3 Alternativo..............................................

104

Gráfico 8 – Curva ROC do Modelo 4 Alternativo..............................................

106

Gráfico 9 – Curva ROC do Modelo 5 Alternativo............................................

108

Gráfico 10 – Curva ROC comparativa do Modelo 0 – IRIC com Modelo 1 e

Modelo 2 alternativo..............................................................................................

109

Gráfico 11 – Curva ROC comparativa dos Modelos 1,2,3,4 e 5 Alternativos

com o Modelo 0 - IRIC..........................................................................................

110

Gráfico 12 – Probabilidades estimadas do Modelo 2 Alternativo em 474

grupos de Configurações, Belo Horizonte, MG – 1994-

2002.........................................................................................................................

119

Gráfico 13 – Probabilidades estimadas do Modelo 2 Alternativo nos 8.236

dados, Belo Horizonte, MG – 1994-

2002.........................................................................................................................

119

Gráfico 14 – Resíduos de Pearson x 474 grupos de configurações do Modelo

2, Belo Horizonte, MG – 1994-2002......................................................................

120

Gráfico 15 – Resíduos de Pearson x Número de observações totais (8.236),

Belo Horizonte, MG – 1994-2002..........................................................................

121

Relação de Anexos

Anexo 1 – Ponto de corte dos procedimentos cirúrgicos do Sistema NNIS....

164

Anexo 2 – Avaliação das perdas de informações de algumas variáveis em

relação ao IRIC e à ISC.........................................................................................

Anexo 3 – Esquema representativo da metodologia do Sistema NNIS e

SACIH.............................................................................

........................................

165-168

169

Anexo 4 – Ficha de coleta de dados do componente de vigilância

cirúrgica.................................................................................................................

170

Anexo 5 – Folha de cirurgia dos hospitais do estudo........................................

171

Anexo 6 - Ficha de notificação de infecção hospitalar.....................................

172

Anexo 7 - Comitê de Ética....................................................................................

173

Anexo 8 – Análise dos modelos propostos – saída do programa STATA 8.0..

174-196

Anexo 9 – Carta de aceite do artigo de revisão da tese enviada à Revista

The Brazilian Journal of Infectious Diseases......................................................

197

Resumo

Foi realizada uma coorte histórica de 8.236 informações de cirurgias ortopédicas registradas

em banco de dados no período de 1994 a 2002, de quatro hospitais gerais, de médio porte,

localizados em diferentes pontos da região metropolitana de Belo Horizonte-MG. O objetivo

geral deste estudo foi avaliar a aplicabilidade do Índice de Risco de Infecção Cirúrgica do

National Nosocomial Infection Surveillance System - NNIS para predizer o risco de infecção

em pacientes submetidos a seis tipos de cirurgias ortopédicas. Os objetivos específicos foram:

determinar a incidência global de ISC no período estudado; determinar a incidência de ISC

para cada hospital, para os diferentes procedimentos cirúrgicos ortopédicos e para as

categorias do índice de risco do Sistema NNIS; identificar, dentre as variáveis coletadas

regularmente pelo Serviço de Controle de Infecção Hospitalar dos hospitais de estudo, quais

variáveis que constituem fatores de risco para infecção cirúrgica em pacientes ortopédicos;

avaliar o poder preditivo do índice de risco do NNIS e das variáveis que o compõem; calcular

as probabilidades de infecção de cada categoria do índice de risco do NNIS e propor o

desenvolvimento de um modelo para a predição do risco de infecção de sítio cirúrgico em

pacientes cirúrgicos ortopédicos, a partir das variáveis selecionadas no modelo logístico. A

taxa de incidência global de ISC foi de 1,41 para o período de estudo. Taxa abaixo dos limites

estabelecidos pela literatura. As taxas de incidência por hospital, por procedimento ortopédico

e por categorias do índice de risco do NNIS também foram muito baixas. As variáveis que

apresentaram valor de p≤0,20 na análise univariada foram elegíveis para comporem a análise

de regressão logística multivariada, foram elas: Hospital, Uso de Prótese, ASA, Potencial de

Contaminação da Ferida Cirúrgica, IRIC, Número de Profissionais na Cirurgia e Uso de

Antibioticoprofilático. Apesar de não apresentarem associação com infecção neste estudo, de

acordo com a análise univariada e pelo teste estatístico Gamma, as seguintes variáveis foram

também selecionadas para a análise multivariada devido a importância que elas têm como

fatores de risco, reconhecida na literatura: Tipo de Procedimento Cirúrgico, Ocorrência de

Trauma, Uso de Anestesia Geral, Idade, Tempo Pré-operatório e Duração da Cirurgia. Ao

todo, este estudo analisou seis modelos de predição de risco de ISC. Através da análise de

Regressão Logística, foram construídos quatro modelos de predição de risco. Esses quatro

modelos foram comparados ao Modelo do Sistema NNIS, denominado Índice de Risco de

Infecção Cirúrgica – IRIC, em sua versão padrão que contabiliza os três fatores de risco

específicos (ASA, Potencial de Contaminação de Ferida Cirúrgica e Duração da Cirurgia)

através dos escores (0, 1, 2 ou 3), bem como à versão que considera estes três fatores como

variáveis independentes. O modelo IRIC não foi considerado bom preditor de ISC por

apresentar baixa associação com a infecção em suas duas versões. Entretanto, o IRIC, em sua

versão padrão, estratificou satisfatoriamente os pacientes em seus quatro escores. O modelo

alternativo (Modelo 2), composto das variáveis (Prótese, ASA, Potencial de Contaminação da

Ferida Cirúrgica, Número de Profissionais na Cirurgia, Hospital, Uso de Anestesia Geral e

Duração da Cirurgia) foi dentre os quatro construídos, o que apresentou melhor habilidade

para classificar corretamente os pacientes com e sem infecção, medida por meio da área

abaixo da curva ROC (0.75). A acurácia deste modelo em relação à ISC foi muito superior à

do IRIC e sua validação será objeto de um estudo prospectivo a ser realizado, posteriormente,

nos mesmos quatro hospitais.

Palavras-chave: Epidemiologia, Infecção hospitalar, Infecção de sítio cirúrgico, Cirurgias

ortopédicas, Índice de Risco de Infecção Cirúrgica – IRIC, Predição de risco.

Abstract

It was accomplished a historical cohort of 8.236 records of orthopedical surgeries from a

database in the period from 1994 to 2002, relative to four general hospitals, of medium size,

located in different points of the metropolitan area of Belo Horizonte-MG. The main objective

of this study was to evaluate the applicability of the NNISS risk index of National

Nosocomial Infection Surveillance System to predict the infection risk in patients submitted

to six types of orthopedical surgeries. The specific objectives included: to determine the

global incidence rate of Surgery Site Infection (SSI) during the period; to determine the

incidence of SSI by studied hospitals for different procedures of orthopedical surgeries and

for the different categories of index risk of NNISS; to identify among the variables collected

by the Nosocominal Infection Surveillance System those that are risk factors associated with

surgeries infectious for orthopedic patients; to evaluate the predictive values of NNISS risk

index and the variables included in this index; to calculate the probabilities of infectious

among each category of the NNISS risk index and to a model to predict the risk of infection

surgical site in surgical orthopedical patients. The incidence rate of SSI was 1.41% for the

study period. This rate was lower than those reported in literature. The incidence rates for

hospitals, orthopedical procedures and categories of NNISS risk index were also lower than

expected. Those variables that reached statistical significance of p≤0,20 in univariate analyses

were eligible to compose the multivariate regression logistics analysis and the following

variables were selected: ASA, Use of Prosthesis, Potential of Contamination of the Surgical

Wound, Hospital, System Risk Index/NNIS, Use of Prophylactic Antibiotics and Number of

Professionals involved in the Surgery. In spite of no association with infection, according to

Gamma statistical test, the following variables were selected for the multivariate analysis due

to the importance that they have as risk factors, recognized in the literature: Type of Surgical

Procedure, Occurrence of Trauma, Emergency Surgery, Use of General Anesthesia, Age,

Preoperative Time and Duration of the Surgery. At the whole, this study analyzed six models

of prediction of risk of SSI. Through logistic regression analysis four models of risk

prediction were built. These four models were compared to the NNISS model - referred in this

work by IRIC - in its standard score version that counts the number of factors of presents (0,

1, 2 or 3) according to three specific risk factors (ASA, Potential of Contamination of the

Surgical Wound and Duration of the Surgery), as well as in its version that consider these

factors as independent variables. NNISS model was not considered a good predictor of SSI by

not presenting association with the infection in their two versions. However, the standard

version stratified the patients satisfactorily in their four scores. The proposed alternative

model (Model 2), composed of the variables Prosthesis, ASA, Potential of Contamination of

the Surgical Wound, Number of Professionals involved in the Surgery, Hospital, Use of

General Anesthesia and Duration of the Surgery, was, among the four, what presented more

ability to classify correctly the patients with and without infection, measured through the area

under the curve ROC (0.75). The accuracy of this model in relation to SSI was higher to the

one of NNISS and its validation will be subject of a prospective study to be conducted at the

same four hospitals.

Key words: Epidemiology, Hospital infection, Infection of surgical site, Orthopedical

surgeries, NNIS risk index, Prediction of risk.

1 Introdução

1 Introdução1 Introdução

1 Introdução

1.1 Infecções Hospitalares

A história das infecções hospitalares está inserida na história da medicina que se inicia

primeiramente com a luta, tanto pela sobrevivência, como pelo intento de conhecer um mundo

aparentemente governado por forças poderosas e ocultas (THORWALD, s/d; MARTINS,

2005).

A história da medicina pode nos revelar através de fósseis o desenvolvimento da infecção, já

encontrada nos primórdios da vida na terra. Naquela época, a relação da infecção com o

predador versus presa e parasita versus hospedeiro, representava, neste contexto, regras gerais

de sobrevivência. Segundo Fernandes (2000); Lyons e Petrucelli (1987); Thorwald (1990)

fragmentos ósseos de dinossauros mostraram claramente lesões compatíveis com

osteomielite.

Na época pré-histórica, o Homo erectus e posteriormente o Homo sapiens em sua vida

comunitária, já tratavam as feridas de outros de sua espécie com o uso de plantas medicinais e

de instrumentos cirúrgicos rústicos (FERNANDES, 2000; FERRAZ e FERRAZ, 1997).

Evolutivamente, a infecção talvez seja uma das mais antigas preocupações da medicina e da

humanidade.

A partir da metade do século XIX, a questão da infecção hospitalar começa a ser enfocada

pelos profissionais de saúde. Sabe-se que as infecções adquiridas em hospitais, já ocorriam

muito antes das primeiras construções destes. A inclusão do adjetivo “hospitalar” ao termo

infecção, certamente originou-se com o surgimento dos hospitais no Ocidente, quando os

bispos da igreja católica passaram a abrigar as pessoas doentes em galpões junto às catedrais

existentes na Europa (COUTO, PEDROSA e NOGUEIRA, 1997).

A infecção hospitalar (IH) pode ser conceituada como sendo:

“qualquer infecção adquirida após a internação do paciente manifestada

durante a internação ou mesmo após a alta quando puder ser relacionada

com a internação ou procedimentos hospitalares” (MINISTÉRIO DA

SAÚDE, 1992).

A IH é ainda considerada uma complicação grave da internação em muitos hospitais e

continua sendo, com razão, objeto de grande preocupação de todos os que lidam com a saúde

dentro dos nosocômios embora tenha havido, nos últimos tempos, grandes avanços científicos

e tecnológicos na área médico-hospitalar como equipamentos mais modernos, antibióticos de

última geração, técnicas cirúrgicas e de anestesia modernas (MEDEIROS, 1996).

Nos Estados Unidos estima-se que no ano de 1996, as infecções hospitalares atingiram

aproximadamente dois milhões de pacientes, a um custo extra de quatro e meio bilhões de

dólares (KEITA-PERSE e GAYNES, 1996; OLIVEIRA, 2002).

Na Inglaterra, os custos da infecção hospitalar giraram em torno de 111 milhões de libras em

1986. Os gastos atribuídos a cada paciente com infecção foram estimados a um custo médio

extra de 1.041 libras, resultando em um aumento da internação em aproximadamente oito dias

(SMYTH e EMMERSON, 2000; WENZEL, 1985).

No Brasil, apesar de não existirem estatísticas nacionais atualizadas que revelem a magnitude

real do problema das IH, estima-se que entre 6,5% e 15% dos pacientes internados contraem

algum tipo de IH (MINISTÉRIO DA SAÚDE, 1985) e que entre 50.000 e 100.000 óbitos

anuais estejam associados a sua ocorrência (GUIMARÃES, 1985).

Segundo a Agência Nacional de Saúde (2005) o Brasil não possui dados relevantes sobre a

incidência de IH, embora tenha uma das medicinas mais modernas do mundo. A última

estatística é de 1994, onde pesquisa realizada pelo Ministério da Saúde apontou uma taxa de

infecção de 13,1%.

É provável que o número de casos de IH seja maior do que estimado. Este fato pode estar

relacionado à dificuldade na obtenção de taxas reais de infecções porque, de um modo geral,

as taxas de IH nas instituições brasileiras são subnotificadas.

A ocorrência de subnotificação nos resultados dos hospitais, ora pode ser causada pela

liberação de taxas de infecções não ajustadas, ora pela dificuldade de implantação de um

sistema de vigilância epidemiológica eficaz durante a internação do paciente no hospital e

principalmente após alta hospitalar (MARTINS, 2001; OLIVEIRA, 2002; PANNUTI e

GRINBAUM, 1995; STARLING, COUTO e PINHEIRO, 1997; WEY, 1995).

Segundo Arrowsmith (1998), nos EUA, os custos anuais da IH têm sido estimados em torno

de quatro bilhões de dólares. O impacto das infecções não deve ser considerado apenas sobre

o prisma financeiro, pois elas representam uma das dez principais causas de morte, dentre os

pacientes hospitalizados.

Dentre as principais topografias das IH, a Infecção de Sítio Cirúrgico – ISC continua a ser

uma complicação das mais temíveis, decorrente de um ato operatório.

A ISC acompanha os primeiros atos cirúrgicos. Como elucidado por Fernandes (2000), os

primeiros atos cirúrgicos datam dos primórdios da humanidade, indicando a realização

inclusive de neurocirurgia (trepanação) em época pré-histórica.

Hoje, apesar do desenvolvimento das técnicas cirúrgicas de esterilização e de desinfecção e

do uso de antimicrobianos de última geração, a infecção ainda não foi controlada. Continua

preocupando a comunidade de profissionais de saúde e acarretando danos aos pacientes que a

adquirem após cirurgias ou outros procedimentos invasivos.

Para Bartlett (1987); Duse (1998) e Haley et al. (1987) apesar dos grandes avanços científicos

e tecnológicos, a infecção hospitalar continua a se constituir em séria ameaça à segurança dos

pacientes hospitalizados. Ela contribui para elevar as taxas de morbimortalidade, aumentar os

custos de hospitalização mediante o prolongamento da permanência e gastos com

procedimentos diagnósticos e terapêuticos, além de negligenciar o tempo de afastamento do

paciente de seu trabalho e de sua família (BRANDT et al., 2004).

Apesar de todo o progresso, a infecção persiste como a causa mais freqüente de mortalidade

relacionada ao ato cirúrgico. Ela pode ocorrer em 30% dos pacientes internados para cirurgia

em geral e em cerca de 7% das feridas cirúrgicas (BEVILACQUA, 1995).

A infecção de sítio cirúrgico constitui um risco inerente ao ato cirúrgico sendo reconhecido

como sua complicação mais comum (BRAVO NETO et al., 1986; MOREIRA e NOGUEIRA,

1997; OLIVEIRA, 1999,2003; ZANON, 1987).

As infecções de sítio cirúrgico (ISC) podem ser conceituadas como:

“ infecções que ocorrem na incisão ao nível superficial e profundo, como

também aquelas que envolvem órgãos ou espaços que foram abertos ou

manipulados durante a cirurgia. Ocorrem até o trigésimo dia de pós-

operatório ou até o primeiro ano, no caso de inserção de próteses”

(NNISS, 1994).

Conforme Horan et al. (1992) os tipos de infecções hospitalares mais freqüentes são as

urinárias, respiratórias e de sítio cirúrgico. Esta última pode ocupar ora o primeiro lugar ora o

segundo lugar na classificação topográfica dessas infecções.

As ISC são classificadas de acordo com sua localização anatômica como esquematizado na

FIG.1.

FIGURA 1 – Classificação das ISC de acordo com a localização anatômica.

Fonte: HORAN et al., 1992.

O Sistema NNISS (National Nosocomial Infections Surveillance System) do CDC-P (Centers

for Diseases Control and Prevention) com objetivo de aprimorar os métodos de vigilância nos

hospitais, estabeleceu alguns critérios para definir ou classificar as infecções de sítio

cirúrgico, a fim de padronizar as diversas interpretações. Estes critérios estão apresentados no

QUADRO 1.

QUADRO 1

Critérios para definição da infecção de sítio cirúrgico

Categorias Critérios

Infecção de sítio cirúrgico incisional

superficial

• Ocorrer nos primeiros 30 dias de pós-operatório.

• Envolver pele e tecido subcutâneo da incisão

• Atender a pelo menos mais um dos seguintes critérios:

•

a) drenagem de secreção purulenta proveniente dos tecidos superficiais da

incisão;

b) cultura positiva de fluidos ou tecidos da incisão superficial;

c) apresentar pelo menos um dos sinais e sintomas de inflamação e a incisão

for deliberadamente aberta por cirurgião, a menos que haja cultura

negativa;

d) diagnóstico de infecção incisional superficial por cirurgião ou clínico.

Infecção de sítio cirúrgico incisional

profunda

• ocorrer nos primeiros 30 dias de pós-operatório. Se implante de prótese,

considerar a possibilidade de ocorrência durante o primeiro ano de pós-

operatório;

• envolver tecidos moles profundos (fáscia e músculos) próximos à incisão;

• atender a pelo menos mais um dos seguintes critérios:

•

e) drenagem de secreção purulenta proveniente da incisão profunda, mas

não de órgão e espaço pertencentes ao sítio cirúrgico;

f) deiscência incisional profunda espontânea ou abertura deliberada por

cirurgião quando o paciente apresentar temperatura superior a 38 graus

C e/ou dor e/ou sensibilidade local, a não ser que a cultura seja negativa;

g) abscesso ou outra evidência de infecção envolvendo a incisão profunda,

baseado em exame direto durante re-operação ou através de exames

radiológicos ou histopatológicos;

h) diagnóstico de infecção de sítio cirúrgico incisional profunda por cirurgião

ou clínico.

Infecção de sítio cirúrgico em

órgão/espaço

• ocorrer nos primeiros 30 dias de pós-operatório. Se implante de prótese,

considerar a possibilidade de ocorrência durante o primeiro ano de pós-

operatório. Neste caso, considerar somente infecções no local do implante;

• envolver qualquer parte do corpo que tenha sido aberta e manipulada durante

o procedimento cirúrgico, exceto aquelas já consideradas nas classes anteriores;

• atender a pelo menos um dos seguintes critérios:

i) drenagem de secreção purulenta proveniente de dreno colocado dentro de

órgão ou espaço através de incisão contra-lateral;

j) cultura positiva de fluido ou tecido de órgão/espaço obtido

assepticamente;

k) abscesso ou outra evidência de infecção envolvendo órgão/espaço, baseado

em exame direto durante re-operação ou através de exames radiológicos

ou histopatológicos;

l) diagnóstico de infecção de sítio cirúrgico em órgão/espaço por cirurgião ou

clínico.

Fonte: Adaptado de MANGRAN et al., 1999; MOREIRA, 1997.

As infecções pós-cirúrgicas surgem como resultado de um desequilíbrio nas relações entre o

ser humano e a microbiota endógena ou exógena, decorrente do ato cirúrgico e de

procedimentos que o antecedem e o sucedem. Podem ser resultantes de contaminação no pré,

trans ou pós-operatório (ARROWSMITH, 1998; MOREIRA, 1997).

Para que haja uma infecção no sítio cirúrgico é necessária a presença e a interação das

características de cada indivíduo, além da exposição a fatores externos. Nenhuma

característica e/ou fator de exposição é suficiente para explicar a grande maioria das

infecções. Assim, as ISC são resultantes da combinação de fatores ou causas diversas, que

reunidos diferirão entre os pacientes infectados (FERRAZ et al., 2001; MARTONE et al.,

1995; SMYTH e EMMERSON, 2000; STARLING, PINHEIRO e COUTO, 1993; ZILIOTTO

JUNIOR et al., 1989).

Devido a essa variação nos fatores de risco, os pacientes infectados ou com probabilidade de

se infectarem, terão riscos diferentes de infecção após procedimentos cirúrgicos. Assim, o

Sistema NNIS/ CDC-P vem desenvolvendo e refinando algumas medidas de incidência de IH

através da estratificação, ajustando a população de pacientes cirúrgicos, de acordo com fatores

de risco extrínsecos e intrínsecos não controláveis para comparação (SMYTH e

EMMERSON, 2000).

As infecções de sítio cirúrgico são complicações evolutivas, no sentido de que podem ser

decorrentes de técnicas cirúrgicas avançadas e bastante invasivas realizadas em populações

jovens (prematuros), imunodeprimidas e idosas. Apesar disso, as ISC muitas vezes podem ser

evitáveis em cerca de 30% (VEGAS et al., 1993).

AS ISC podem originar-se durante o processo de atenção aos pacientes hospitalizados e é por

essa razão que a utilização cada vez maior de indicadores para delimitar a qualidade da

assistência prestada pelos hospitais está recebendo uma atenção maior na última década

(MARTINS, 2001; SANDS et al., 1996; VEGAS et al., 1993).

Sabe-se que as infecções adquiridas em hospitais podem estar associadas à assistência

prestada nessas instituições e quando ocorrem podem ser causadas por falhas no cuidado ao

paciente (CONWAY, 2003; NOY e CREEDY, 2002). É interessante ressaltar que cerca de

85% das infecções classificadas como evitáveis seriam controláveis apenas com a

higienização adequada das mãos (FERNANDES, FERNANDES e RIBEIRO FILHO, 2000;

MARTINS, 2001).

Será a infecção hospitalar o sintoma mais evidente da inadequação de um sistema de saúde?

Segundo Fernandes (2000) muitas vezes ela é confundida com erro médico, pela imprensa

leiga, colocando a responsabilidade da sua ocorrência sobre o profissional de saúde, quando

em verdade, é o elo final de uma complexa cadeia de eventos.

Seria ilógico acreditar que o profissional de saúde contaminaria voluntariamente seus

pacientes, mas o seu desconhecimento das principais medidas de controle da IH pode trazer

sérias conseqüências. A infecção hospitalar continua sendo uma das principais causas de

morbimortalidade, e, portanto, as ações desenvolvidas para seu controle têm grande

importância na promoção da saúde coletiva.

Apoiadas em estimativas nacionais Pereira e Moriya (1988); Moriya, Pereira e Gir (1991)

relatam que em hospitais brasileiros, 720.000 indivíduos contraem infecções, por ano e,

dessas, 144.000 vão a óbito. Provavelmente, nos dias atuais essas estimativas sejam maiores

pelo próprio crescimento populacional.

Segundo Moreira e Nogueira (1997); Kaye et al., (2001); Keita-Perse e Gaynes (1996) e

Sands et al., (1996) nos EUA, estima-se a ocorrência anual de 325.000 ISC, a um custo extra-

estimado entre um a dois bilhões de dólares.

No cenário mundial, observa-se um aumento cada vez maior das ISC em alguns hospitais

gerais. Segundo dados já publicados em maio de 1995 (baseados no relatório semianual do

Sistema NNIS, de janeiro de 1993 a abril de 1995), a infecção do trato urinário (ITU)

apresentou a maior freqüência entre todas as infecções, com um percentual de 27,2% seguida

da infecção do sítio cirúrgico com um percentual de 18,7%. A pneumonia ocupa o terceiro

lugar com 17,3% (MARTINS, 2001; MARTONE, 1995; VEGAS et al., 1993).

Baseados no sistema de informação do Sistema NNIS, a infecção do sítio cirúrgico é a

segunda ou terceira infecção mais freqüente e comum de ocorrer entre pacientes que se

submetem a procedimentos cirúrgicos. São responsáveis por aproximadamente 16% de todas

as IH (SMYTH e EMMERSON, 2000).

No Brasil, um estudo prospectivo realizado no Serviço de Cirurgia Geral do Hospital das

Clínicas da Universidade Federal de Pernambuco (UFPE) durante 23 anos, onde foram

incluídas 42.274 cirurgias gerais, realizadas no Serviço de Cirurgia Geral do Hospital

mostrou que a ISC foi a IH mais freqüente, com uma taxa de infecção de 11%. A infecção

respiratória foi a segunda maior com uma taxa de 4,0% e em terceiro lugar a infecção urinária

com 2,8% (FERRAZ et al., 2001).

Outros autores reportam taxas de infecção que variam entre 2,8% a 20% dependendo das

características dos hospitais, das condições clínicas dos pacientes e do tipo de procedimento

realizado, acarretando um aumento considerável da morbimortalidade e um aumento da

hospitalização, o que gera aumento nos custos sociais, econômicos e humanos (LIZÁN-

GARCÍA, 1997; OLIVEIRA, 2003; STARLING, PINHEIRO e COUTO, 1993).

Este fato, segundo Ponce De Leon (1993), pode ser confirmado em relatórios esporádicos

sobre infecção hospitalar, quase sempre baseados na vigilância epidemiológica inadequada,

sem a realização da vigilância no pós-alta do hospital, revelando com isso taxas de incidências

subestimadas.

Para Penteado (1993) a infecção hospitalar representa um sério problema enfrentado em

nossos hospitais. Apesar de sua incidência ser estimada em torno de 20% e estar dentro da

média aceita pela Organização Mundial de Saúde (BIBLIOMED, 2005)

casuística

brasileira de infecção em hospitais e sua incidência real em nosso meio é ainda, segundo

Bravo Neto et al. (1986); Lacerda (1992) e Pereira, Moriya e Gir (1993), praticamente

desconhecida por falta de dados estatísticos confiáveis e estudos bem conduzidos.

Conclusivamente, as taxas de incidência de ISC além dos fatores já mencionados acima,

diferem de um país para outro, determinando sistemas diferentes de controle e de vigilância

epidemiológica das IH (FREITAS, CAMPOS e CIPRIANO, 2000; GRINBAUM, 1994;

HALEY et al., 1985; LIZÁN-GARCÍA et al., 1997; MANGRAN et al., 1999; MARTINS,

2001; MOREIRA e NOGUEIRA, 1997; OLIVEIRA, 2003; STARLING, PINHEIRO e

COUTO, 1993; SMYTH e EMMERSON, 2000; VEGAS et al., 1993).

http://corporativo.bibliomed.com.br

Sistemas eficazes de vigilância epidemiológica das IH, nas instituições, levam ao

conhecimento de grupos, fatores e procedimentos de risco que determinam o desenvolvimento

das ISC. Conseqüentemente, este fato é de suma importância para a prevenção, controle,

redução dessas infecções em até 50% dos pacientes operados e para a identificação dos

pacientes com maior probabilidade de desenvolver uma ISC (EMORI et al., 1991; FERRAZ

et al., 2001; FREITAS, CAMPOS e CIPRIANO, 2000; GRINBAUM, 1994; HALEY et al.,

1985; VEGAS et al., 1993).

O componente cirúrgico é um importante componente dos programas de vigilância

epidemiológica dos hospitais, assim como o sistema de estratificação das taxas de infecção

que levam em consideração alguns importantes fatores de risco associados com o

desenvolvimento das ISC. Eles servem para comparações em períodos diferentes em uma

mesma instituição, ou entre instituições diferentes (MARTONE et al., 1995; SMYTH e

EMMERSON, 2000; STARLING, PINHEIRO e COUTO, 1993).

Devido a grande variedade de fatores que intervêm na produção das IH, quando se comparam

as taxas de infecção (de diferentes centros, serviços e cirurgiões), há de se empregar métodos

de ajuste que eliminam fatores de risco de infecção não controláveis. Assim, exclusivamente

as taxas que estão relacionadas com a prática assistencial dos centros ou serviços comparáveis

emergirão (BRANDT et al., 2004; BRAVO NETO et al., 1992; HALEY et al., 1985;

STARLING, PINHEIRO e COUTO, 1993; BARRASA VILLAR et al., 1996).

Ao comparar as taxas de infecção de sítio cirúrgico, técnicas de ajuste devem ser introduzidas.

Entre elas está o índice de risco de infecção cirúrgica (IRIC), índice criado pelo Sistema

NNIS/CDC-P, que deveria eliminar o risco produzido pelos diferentes perfis de pacientes

atendidos nos hospitais visando estabelecer a comparabilidade inter-hospitalar (FREITAS,

CAMPOS e CIPRIANO, 2000; GRINBAUM, 1994; MARTINS, 2001; STARLING,

PINHEIRO e COUTO, 1993).

O controle das ISC constitui um padrão indicador de qualidade da vigilância epidemiológica

dos pacientes cirúrgicos (CONWAY, 2003; FERRAZ et al., 1997; NOY e CREEDY, 2002;

OLIVEIRA, 1999). Assim, os sistemas de vigilância epidemiológica dos hospitais ao

identificarem fatores de risco, grupos de pacientes ou procedimentos de maior risco à

aquisição de infecção, podem planejar ações preventivas e estratégias de controle que

resultem na redução das taxas de infecção de sítio cirúrgico (FREITAS, CAMPOS e

CIPRIANO, 2000).

1.2 As Infecções ortopédicas

O paciente de traumato-ortopedia quase sempre reúne condições (trauma, necrose tissular,

presença de prótese e de outros corpos estranhos, imobilização prolongada no leito,

comprometimento das funções respiratória e urinária, etc.) que o tornam susceptível a

infecções causadas por microrganismos de baixa virulência, que constituem a própria

microbiota humana (OLIVEIRA, 2005; ZANON et al., 1984).

Estas infecções podem manifestar-se durante a internação ou após a alta do paciente, como

infecções de sítio cirúrgico, do trato respiratório, osteoarticulares e outras. No caso específico

deste estudo, serão consideradas as infecções que podem ocorrer no sítio ortopédico

manipulado cirurgicamente (QUADRO 2).

QUADRO 2

Infecções de ossos e articulações

Sítio específico Critérios

Osso

Osteomielite

A osteomielite precisa atender a pelo menos um dos seguintes critérios:

Critério 1: o paciente apresentar cultura positiva do osso;

Critério 2: o paciente deve apresentar evidências de osteomielite no exame direto do osso durante a

cirurgia ou exame histopatológico;

Critério 3: o paciente deve apresentar pelo menos dois dos seguintes sinais e sintomas: febre > 38

edema localizado, eritema, rubor, calor ou drenagem de secreção purulenta proveniente do osso e ainda

pelo menos um dos seguintes critérios:

a) cultura positiva do sangue;

b) teste antígeno positivo do sangue (H. influenzae, S. pneumoniae);

c) evidências radiológicas de infecção (achados anormais no raio-x, ressonância magnética-

MRI,

métodos cintilográficos com gálio, tecnétio e índio).

Articulação ou

bursa

A infecção de articulação ou bursa precisa atender a pelo menos um dos seguintes critérios:

Critério 1: o paciente apresentar cultura positiva proveniente do líquido articular ou biópsia sinovial

Critério 2: o paciente deve apresentar evidências de infecção de articulação ou bursa no exame direto

durante a cirurgia ou exame histopatológico;

Critério 3: o paciente deve apresentar pelo menos dois dos seguintes sinais e sintomas: dor articular,

edema, rubor, calor ou evidência de limitação de movimento e ainda pelo menos um dos seguintes

critérios:

a) cultura positiva do fluido articular ou achados de células brancas no gram de fluido articular;

b) teste antígeno positivo do sangue, urina ou fluido articular;

c) perfil celular e químico de fluido articular compatíveis com infecção e não explicados por uma

desordem reumatológica;

d) evidências radiológicas de infecção (achados anormais no raio-x, ressonância magnética-MRI,

métodos cintilográficos com gálio, tecnétio e índio etc).

e) drenagem de secreção purulenta proveniente da incisão profunda, mas não de órgão e espaço

pertencentes ao sítio cirúrgico.

Espaço Disco

vertebral

A infecção do espaço vertebral precisa atender a pelo menos um dos seguintes critérios:

Critério 1: o paciente apresentar cultura positiva proveniente do tecido do espaço vertebral obtido

durante a cirurgia ou aspirado;

Critério 2: o paciente deve apresentar evidências de infecção de espaço do disco vertebral no exame

direto durante a cirurgia ou exame histopatológico;

Critério 3: o paciente deve apresentar febre > 38

C (não proveniente de outra causa) e dor envolvendo

o espaço vertebral

e ainda evidências radiológicas de infecção (achados anormais no raio-x, ressonância magnética-MRI,

métodos cintilográficos com gálio, tecnétio e índio etc).

Critério 4: o paciente deve apresentar febre > 38

C (não proveniente de outra causa) e dor envolvendo

o espaço vertebral e ainda teste antígeno positivo do sangue ou urina (H. influenzae, S. pneumoniae, N.

meningitidis ou Streptococcus do grupo B).

Fonte: Adaptado do Manual NNIS-CDC, 1994.

s infecções cirúrgicas traumato-ortopédicas abrangem tanto infecções incisionais

superficiais, quanto profundas, que podem comprometer as próteses ortopédicas, o próprio

osso e as articulações. As infecções osteoarticulares se manifestam sob a forma de

osteomielites e artrites (PERCOP de ANDRADE e LISBOA, 2005; ZANON et al., 1984).

A infecção de sítio cirúrgico em cirurgia traumato-ortopédica em hospitais no Brasil, Canadá

e Estados Unidos variaram entre 0,8 a 10,6% (ZANON et al., 1984). Ferraz (1982) verificou

uma incidência de 9,1% no Hospital de Clínicas da Universidade Federal de Pernambuco.

A incidência de infecções incisionais superficiais ocorridas no Hospital de Traumato-

ortopedia do INAMPS/RJ (HTO), no período de 1982-1983, variou entre 3,6% para a

artroplastia total do quadril, a 12,5% na cirurgia corretiva de escoliose. Não houve infecções

profundas em cirurgias da coluna e artroplastias parciais do quadril e nas artroplastias de

joelho a incidência foi de 5,3% (ZANON et al., 1984).

Para Zanon et al. (1984) a incidência de infecções osteoarticulares em pacientes

hospitalizados é desconhecida. No Hospital Geral de Bonsucesso, INAMPS/RJ, no biênio

1984-1985, para um total de 770 pacientes operados, foram notificadas taxas de 0,2% de

acometimento de osteomielites hospitalares; 0,5% de artrites infecciosas hospitalares; 1,45%

de osteomielites comunitárias e 3,4% de artrites comunitárias.

Segundo informações obtidas no Serviço de Controle de Infecção Hospitalar de um hospital

de Belo Horizonte, a taxa de infecção de sitio cirúrgico em cirurgias ortopédicas foi de 1,54%,

no período de janeiro de 1995 a outubro de 2001. Ao analisar as taxas de incidência pelo

IRIC/NNIS de alguns procedimentos específicos ("outros" procedimentos do sistema

músculo-esquelético, prótese de quadril e redução de fratura aberta) verificou-se que as taxas

de infecção aumentaram com o aumento do número de fatores de risco do índice de risco.

Para cirurgias envolvendo fusões e artrodeses, colocação de prótese de joelho e de outros

tipos de próteses verificou-se uma não estratificação adequada dos pacientes pelo IRIC

(informação verbal).

1.3 O desenvolvimento de índices de risco de infecção de sítio cirúrgico

A preocupação crescente das instituições de saúde, privadas ou públicas, por melhores

resultados na assistência reflete um sistema extremamente competitivo onde se considera que

o aumento do volume de atendimentos prestados, a redução do tempo de permanência

hospitalar e de custos assistenciais, a priorização da satisfação do paciente, sejam fatos que

revertam em garantias de sobrevivência no mercado. Assim, a utilização de indicadores de

resultados vem configurando-se como uma forma objetiva de mensurar a qualidade dos

serviços de saúde (ALMEIDA, 2001).

Segundo Decker (1991) e Grinbaum (1994) a principal utilidade das taxas de incidência de

infecção de determinada instituição ou serviço é ser um indicador clínico que auxilie na

avaliação e monitoramento da qualidade do serviço prestado. Ele não mede diretamente a

qualidade da assistência, mas permite que a instituição identifique problemas e direcione a

atenção para o desempenho de questões específicas. A qualidade passa então a ser medida a

partir da comparação desses índices, ao longo do tempo, entre instituições ou em uma mesma,

em momentos diferentes.

Os indicadores devem se apresentar como taxas ajustadas. Podem ser mostrados através do

cálculo dos índices de ISC. Assim, a Comissão de Vigilância Epidemiológica de um hospital

Informe repassado em Reunião da Comissão de Infecção Hospitalar dos Hospitais envolvidos na pesquisa no período de

janeiro de 1995 a outubro de 2001.

pode detectar a existência de um problema, monitorar e avaliar a ocorrência de ISC, oferecer

suporte para as atividades de controle, avaliar a eficiência dessas medidas institucionais,

avaliar indiretamente a qualidade do serviço prestado e estabelecer comparações entre

cirurgiões, serviços ou instituições (ABRUTYN e TALBOT, 1987; DONABEDIAN, 1966;

HALEY et al., 1985; GRINBAUM, 1994,1999; LIZÁN-GARCÍA et al., 1997; STARLING,

PINHEIRO e COUTO, 1993).

Um indicador não define um padrão de cuidado, mas deve ser apropriado para fornecer uma

panorâmica dos potenciais problemas apresentados e assim reduzir o grande volume de

eventos que aparentemente precisariam ser revisados (DECKER, 1991).

Taxas gerais de incidência calculadas a partir do número de ISC diagnosticadas, dividido pelo

número de admissões ou altas de um serviço (em um dado período) são consideradas

imprópriaspara o estabelecimento de comparações adequadas e precisas. Elas impedem

avaliações claras da magnitude do problema das ISC dentro e entre instituições (ABRUTYN e

TALBOT, 1987; GRINBAUM, 1994, 1999; STARLING, PINHEIRO e COUTO, 1993).

Para estabelecer comparações adequadas é necessário que o denominador reflita a população

exposta ao risco, ou seja, devem ser incluídos dados referentes ao risco de infecção de cada

procedimento cirúrgico realizado, doença de base e gravidade dos pacientes que são

submetidos à cirurgia - Risco Intrínseco (ABRUTYN e TALBOT, 1987; GRINBAUM, 1994,

1999; HALEY, 1991; STARLING, PINHEIRO e COUTO, 1993).

Um índice para ser comparável requer alguma forma de correção ou estratificação de acordo

com o risco intrínseco de cada amostra a ser estudada. Quando taxas de infecções forem

comparadas entre hospitais ou mesmo em uma mesma instituição em períodos diferentes, tal

risco deve ser considerado, pois a predisposição dos pacientes e o risco inerente a cada tipo de

procedimento realizado variam consideravelmente. Esta variabilidade precisa ser expressa ou

utilizada como parâmetro de ajuste. Geralmente, indicadores diferentes podem avaliar cada

etapa do processo, desde a estruturação até o resultado do cuidado prestado (ABRUTYN e

TALBOT, 1987; GRINBAUM, 1994; STARLING, PINHEIRO e COUTO, 1993).

As taxas de incidência de infecção cirúrgica foram consideradas um dos melhores avanços

nos últimos anos do século XX porque trouxeram a oportunidade de analisar o campo do

cuidado à saúde através de dados de estatística (DONABEDIAN, 1988).

A idéia de controlar o risco intrínseco de infecção cirúrgica está longe de ser nova. Desde

1895, indicadores clínicos foram usados para obter-se uma revisão das taxas de infecção

cirúrgica para comparação entre cirurgiões e com isso tentar reduzir essas taxas (BREWER,

1915; HALEY, 1991).

Brewer surpreendeu seus colegas cirurgiões do New York’s Roosevelt Hospital ao demonstrar

estatisticamente, que em um período de seis meses, a taxa de cirurgia abdominal considerada

limpa foi de 39%. Posteriormente com a inovação de técnicas cirúrgicas, essas taxas

reduziram em 95% (BREWER, 1915).

A primeira menção a uma classificação da ferida cirúrgica foi feita entre as décadas de vinte e

trinta. Goff, em 1925, através de um estudo feito no Woman’s Hospital of New York que

considerava a técnica de sutura, o tipo de fio cirúrgico e a classificação da cirurgia abdominal

em limpa ou contaminada determinaram condições similares para a comparação das taxas de

infecção (GOFF, 1925).

Posteriormente, a essa classificação da ferida cirúrgica feita por Goff em 1925, que dividia as

cirurgias em limpa e contaminada, surgiu a estratificação das cirurgias de acordo com seu

potencial de contaminação, como a primeira forma de correção, ou seja, o primeiro índice

utilizado pelo National Research Council (NATIONAL RESEARCH COUNCIL, 1964).

Esse tradicional sistema de classificação da ferida cirúrgica que estratifica os procedimentos

em cirurgias limpas, potencialmente contaminadas, contaminadas e infectadas tem sido usado

desde 1964 (QUADRO 3).

QUADRO 3

Classificação da Ferida Cirúrgica

Classificação do Potencial de Contaminação da Ferida Cirúrgica

Limpa

Cirurgia sem intercorrências, realizada em tecidos estéreis. Ex: cardiovascular,

neurológico, osteoarticular, endócrino, hematológico, fígado e pâncreas.

Potencialmente

Contaminada

Cirurgia sem intercorrências, realizada em tecidos com flora própria. Ex: trato

digestivo, respiratório alto e geniturinário baixo.

Contaminada

Quaisquer cirurgias com intercorrências que levam à presença de

microrganismos no sítio cirúrgico, como acidentes intra-operatórios, processo

infeccioso a distância, bolsa rota, traumas recentes e cirurgias de urgência

realizadas sem preparo adequado.

Infectada

Cirurgia realizada com presença de pus, sujidades ou necrose nos tecidos

manipulados durante o ato cirúrgico ou bolsa rota e trauma atendidos acima de

12 horas de exposição.

Fonte: Adaptado de Mangran, A.J. et al., 1999.

As limitações deste tipo de estratificação de risco são bem conhecidas. Um dos maiores

problemas é a não consideração do risco intrínseco do paciente, no desenvolvimento da

infecção, após a realização de qualquer procedimento cirúrgico (CULVER et al., 1991;

GAYNES et al., 2001).

Lidwell, por volta de 1960, utilizou a análise de regressão múltipla para avaliar a infecção

pós-operatória de 3.000 pacientes de 20 hospitais. Os resultados encontrados foram

importantes porque ele encontrou diferentes taxas de infecção e esta diferença foi devida às

diferentes características dos pacientes, dos hospitais e dos tipos de cirurgias realizadas

(HALEY, 1991; LIDWEL, 1961).

Cruse e Foord, por volta de 1967, iniciaram um estudo prospectivo com 23.649 pacientes

operados, onde 1.124 cirurgias foram classificadas como infectadas. Este estudo teve a

finalidade de determinar as taxas de infecção cirúrgica para a comparação entre cirurgiões e

serviços e assim reduzir as infecções em cirurgias consideradas limpas. Os autores não

focalizaram seus achados para a construção de um índice de risco (CRUSE e FOORD, 1973;

HALEY, 1991).

Em 1970, Davidson, Clark e Smith através de um estudo prospectivo, obtiveram informações

de 1.000 pacientes e conduziram uma análise de regressão múltipla para avaliação de fatores

de risco para infecção de ferida cirúrgica. Cinco fatores foram altamente significativos e

independentes (mais de 90% de associação), entre eles a idade do paciente, a duração da

cirurgia, o tipo de procedimento, a presença de bactéria na ferida ao final da cirurgia e um

fator ambiental da sala cirúrgica. O estudo também não focalizou os resultados para a

construção de um índice de risco (DAVIDSON, CLARK e SMITH., 1971; HALEY, 1991).

Ehrenkranz, em 1981 publicou um estudo prospectivo de cinco anos (1975-1980) onde

analisou infecções em oito tipos de procedimentos cirúrgicos de 9.108 pacientes de um

hospital comunitário. Ele utilizou alguns fatores de risco como infecção remota, presença de

diabetes e cirurgias com duração acima de quatro horas para estratificar a população em risco

de infecção. Os autores também não direcionaram seus achados para a construção de um

índice de risco (EHRENKRANZ, 1981; HALEY, 1991).

Simchen e colaboradores nessa mesma época estenderam essa análise multivariada com a

inclusão de outros fatores de risco. Entretanto, estes autores não direcionaram os resultados

para a construção de um índice de risco (HALEY, 1991; SIMCHEN et al., 1981).

Ainda no início da década de oitenta foi criada a classificação da condição clínica do paciente

pela "American Society of Anesthesiology" – ASA (QUADRO 4). Atualmente, esse escore

tem sido bastante questionado devido à sua subjetividade. O índice de concordância entre dois

anestesistas é pequeno e essa subjetividade poderia afetar a determinação do índice de risco

de infecção cirúrgica baseado no NNIS (KEATS, 1978; SALEMI, ANDERSON e FLORES,

1997).

QUADRO 4

Classificação ASA

Classificação do Risco Anestésico-Cirúrgico pelo Índice ASA

ASA Estado Físico do Paciente

I Saudável ou com doença localizada

Doença sistêmica discreta, sem limitação de capacidade

III

Doença sistêmica grave, com limitação de capacidade, mas totalmente incapacitado

Doença sistêmica grave, incapacitante, com ameaça à vida

V Moribundo, com alta probabilidade de morte em 24 horas

Fonte: Mangran, A.J., 1999

Na década de setenta, foram coletados e analisados dados de prontuários de pacientes

admitidos para uma amostra de hospitais americanos participantes do "Study on the Efficacy

of Nosocomial Infection Control" (projeto SENIC). Hooton e colaboradores, em 1981, usando

a Técnica de Detecção de Interação Automática do Qui-quadrado (CHAID) desenvolveram

três índices multivariados sítio-específicos para controlar uma variedade de fatores de risco do

paciente. No entanto, esses índices não puderam ser aplicados em muitos hospitais, por serem

considerados muito complexos para aplicação na prática diária, mas foram posteriormente

utilizados em futuras análises dos dados no projeto SENIC (HALEY, 1991; HOOTON et al.,

1981).

Nichols e colaboradores, em 1984, utilizaram a análise de regressão logística em um estudo

com 145 pacientes e identificaram a idade, a transfusão de sangue, a necessidade de

colostomia e as lesões de múltiplos órgãos, como fatores de risco altamente associados ao

desenvolvimento de infecções após cirurgias de perfuração intestinal devido a trauma

abdominal (HALEY, 1991; NICHOLS et al., 1984).

Os trabalhos de Hooton e colaboradores, Nichols e colaboradores, Ehrenkranz e Simchen, não

desenvolveram um índice de risco de infecção cirúrgica que fosse aplicável na prática clínica

diária em hospitais, mas foram importantes como precursores para outros estudos (HALEY,

1991).

A partir dos dados do projeto SENIC, Haley e colaboradores, em 1985, desenvolveram um

índice de risco de ISC, através da técnica de regressão logística. Foram estudadas

retrospectivamente 59.352 cirurgias. Dentre dez fatores de risco considerados potenciais,

quatro deles mostraram-se independentemente associados à ocorrência de infecção: cirurgia

envolvendo abdome, duração da cirurgia maior que duas horas, cirurgias contaminadas ou

infectadas e presença de mais do que três diagnósticos na alta do paciente (HALEY et al.,

1985; NICHOLS, 2004).

Assim, a partir destas quatro variáveis foi criado o índice SENIC que consistia do somatório

do número de fatores de risco presentes no paciente. Dentre os quatro fatores citados, o

paciente podia receber uma pontuação que o incluía nos grupos de zero a quatro, existindo

associação com a ocorrência de infecção (QUADRO 5). Este novo índice, apesar de não

validado, foi considerado melhor preditor de risco de infecção do que o tradicional sistema de

classificação da ferida cirúrgica instituída em programas de controle e acompanhamento das

infecções em hospitais (CULVER et al., 1991; GAYNES et al., 2001; HALEY et al.,

1985,1991).

QUADRO 5

Índice de risco SENIC

Índice SENIC Coeficiente Peso atribuído Valor P

Duração cirurgia > duas horas 1,04 1 < 0.0001

Cirurgia contaminada/infectada 1,04 1 < 0.0001

Cirurgia abdominal 1,12 1 < 0.0001

Mais de três diagnósticos na alta

0,86 1 < 0.0001

Fonte: Haley et al., 1985.

Em 1987, Christou e colaboradores desenvolveram um índice que incluía a avaliação da

condição nutricional e estado imunológico do paciente (CHRISTOU et al., 1987; HALEY et

al., 1991).

Um índice de risco composto, que consiga articular um ou mais fatores de risco, é sem dúvida

preferível antes que sejam feitas quaisquer comparações das taxas de infecção de sítio

cirúrgico entre hospitais e cirurgiões, ao longo do tempo e em momentos distintos (GAYNES,

2000,2001; GAYNES et al., 2001; HUGHES, 1988).

O índice SENIC teve um melhor poder preditivo para a ocorrência de infecção do que a

classificação do sítio cirúrgico de acordo com o potencial de contaminação, anteriormente

utilizada (CULVER et al., 1991; GAYNES et al., 2001; GRINBAUM, 1994; VALLS et al.,

1999).

Apesar da boa acurácia do índice SENIC na predição de infecção demonstrada em alguns

estudos, este modelo ainda não se mostrou adequado para utilização, devido à imprecisão

encontrada em duas de suas quatro variáveis (CULVER et al., 1991).

A variável mais que três diagnósticos na alta do paciente (variável gravidade da doença de

base constatada no momento da alta hospitalar) e a duração da operação (por estabelecer o

ponto de corte de duas horas para todas as cirurgias) fizeram com que o projeto NNIS

sugerisse um índice corretivo. Em 1991, aproveitando três das quatro variáveis do índice

SENIC, para correção de tal discrepância, o Sistema NNIS propôs o Índice de Risco de

Infecção Cirúrgica – IRIC (CULVER et al., 1991; GRINBAUM, 1999; HUGHES, 1988;

STARLING, COUTO e PINHEIRO, 1997).

1.4 A proposta do Sistema NNIS para o Índice de Risco de Infecção Cirúrgica -

IRIC

O Sistema NNIS foi estabelecido em 1970 quando hospitais nos Estados Unidos foram

selecionados para reportarem seus dados de vigilância epidemiológica de infecções

hospitalares para fazerem parte do banco de dados nacional (CDC NNIS SYSTEM, 1996,

2004).

Todos os dados NNIS foram coletados pelo uso de quatro protocolos padronizados incluídos

na chamada vigilância epidemiológica das infecções hospitalares por componentes. Todos os

critérios clínicos e definições foram baseados na padronização do CDC-P (GULÁCSI et al.,

2000).

Em 1991, pesquisadores iniciaram a utilização da metodologia do Sistema NNIS em cinco

hospitais brasileiros e concluíram que o método NNIS aplica-se perfeitamente à realidade dos

hospitais brasileiros (STARLING, COUTO e PINHEIRO, 1997).

Posteriormente o método NNIS foi estendido nacionalmente sendo utilizado em mais de 70

hospitais no Brasil. Nessa mesma época a Argentina e o Uruguai representando países do

Mercosul, conduziram um estudo prospectivo, multicêntrico para avaliar a metodologia do

Sistema NNIS em seus hospitais e iniciar a sua aplicação (STARLING, COUTO e

PINHEIRO, 1997).

Alguns países da Europa até recentemente não haviam adotado um Sistema de Vigilância

Nacional de Infecções Hospitalares. Em 1994 foi designado por uma Comissão da

Comunidade Européia, um grupo de hospitais para o controle das infecções denominado

HELICS com o propósito de desenvolver métodos padronizados de vigilância das IH. Em

1996, com base no HELICS, três novos esquemas de vigilância Nacional das Infecções

Hospitalares foram desenvolvidos na Inglaterra, Alemanha e Holanda denominadas

respectivamente NINSS, KYSS e PREZIES. Todos utilizando o Sistema NNIS do CDC-P

como modelo para realizarem suas metodologias de vigilância (BOER et al., 1999; COELHO

et al., 2001; GAYNES, 2000; GEUBBELS et al., 2000; GULÁCSI et al., 2000).

Adaptações à realidade de cada país foram feitas. Algumas diferenças, como o seguimento

dos pacientes, precisam ser ainda melhor desenvolvidas. Todos os três programas como o

Sistema NNIS/CDC-P procuram uma padronização para obter taxas ajustadas de IH e

utilizam o índice de risco de infecção do Sistema NNIS para estratificar suas cirurgias (BOER

et al., 1999; COELHO et al.,2001; GAYNES, 2000; GEUBBELS et al., 2000; GULÁCSI et

al., 2000).

A metodologia do Sistema NNIS representou um avanço significativo na vigilância da IH por

introduzir conceitos fundamentais para a investigação epidemiológica e por possibilitar o

estabelecimento de comparações ajustadas pelas características das amostras populacionais

atendidas. A padronização dos critérios de casos utilizados e a necessidade de considerar

fatores de confusão na interpretação das taxas de infecção possibilitaram uma melhor

comparação entre as instituições (FREEMAN et al., 1987; MARTINS, 2001; STARLING,

COUTO e PINHEIRO, 1997).

Nos Estados Unidos, desde 1969, o Sistema NNIS vem desenvolvendo e refinando medidas

de incidência das infecções hospitalares e tem conseguido aplicação ampla de indicadores de

qualidade nessa área (FREITAS, CAMPOS e CIPRIANO, 2000; VEGAS et al., 1993).

Os indicadores propostos pelo sistema NNIS para a análise epidemiológica e detecção das

infecções (após o estabelecimento de critérios de acordo com as características de cada

instituição) podem, como já foi dito, constituir-se como indicadores indiretos da qualidade

assistencial prestada nos hospitais. Portanto, podem servir como guia para atividades que

contribuem para a melhoria da assistência à saúde (ABRUTYN e TALBOT, 1987; DECKER,

1991; GRINBAUM, 1999).

Muitos investigadores tentaram desenvolver métodos para estratificar grupos de

procedimentos cirúrgicos em categorias de risco, mas nenhum desses métodos foi específico e

direcionado para a infecção de sítio cirúrgico (EHRENKRANZ, 1981; SMYTH e

EMMERSON, 2000; WILSON e RIDGWAY, 1992).

O Sistema NNIS/CDC-P, após avaliar 84.691 procedimentos operatórios realizados em 44

hospitais participantes do projeto, no final da década de oitenta e início da década de noventa,

propôs um sistema de índice de risco. Este estratificava as populações de pacientes cirúrgicos,

levando em consideração as suas diferentes condições clínicas (GAYNES et al., 2001; ROY

et al., 2000). Assim, em 1991, o NNIS propôs modificações no índice de risco de infecção

cirúrgica, até então utilizado pelo projeto SENIC. Estas modificações foram feitas para um

aprimoramento e para correção de duas das quatro variáveis do índice SENIC com o objetivo

de simplificar a sua utilização pelo sistema de vigilância epidemiológica dos hospitais e

corrigir suas deficiências. Desde então, as taxas de infecção cirúrgica vêm sendo estratificadas

pelo Índice de Risco de Infecção Cirúrgica - IRIC (GAYNES et al., 2001; MARTINS, 2001;

PANNUTI e GRINBAUM, 1995; ROY et al., 2000; STARLING, COUTO e PINHEIRO,

1997).

A estratificação feita pelo escore de risco do Sistema NNIS – IRIC considera três principais

fatores de risco independentes e com pesos iguais que são obtidos facilmente pela equipe

hospitalar: classificação clínica do paciente segundo o escore ASA (American Society of

Anesthesiology) igual a três, quatro ou cinco (pacientes com patologia de base mais graves),

Classificação da ferida cirúrgica como contaminada ou infectada e Duração da cirurgia maior

que o ponto de corte para cada procedimento específico - percentil 75 de cada cirurgia

(ANEXO 1). Esta estratégia permite comparar taxas, discriminar corretamente um dado

evento do outro e detectar mudanças ocorridas, com o passar do tempo, entre hospitais e em

momentos diferentes dentro de uma mesma instituição (GAYNES et al., 2001; STARLING,

FERREIRA e COUTO, 2001; STARLING, PINHEIRO e COUTO, 1993; STARLING et al.,

2002).

Sendo assim, o IRIC estratifica os pacientes em quatro grupos de risco (0,1,2 e 3), que

recebem uma pontuação de zero a três na escala de risco. Calcula-se o índice de risco de

infecção cirúrgica (QUADRO 6), obtendo-se o somatório de cada ponto computado para cada

critério encontrado conforme presença ou não dos três fatores: um ponto, se a cirurgia foi

contaminada ou infectada; um ponto, se o paciente for classificado como ASA três, quatro ou

cinco e, outro ponto, se o tempo cirúrgico foi maior que o percentil 75 - ponto de corte dos

procedimentos cirúrgicos NNIS (GAYNES et al., 2001; STARLING, FERREIRA e COUTO,

2001; STARLING, PINHEIRO e COUTO, 1993; STARLING et al., 2002).

QUADRO 6

Índice de Risco de Infecção Cirúrgica do Sistema NNIS

Fatores de Risco 0 Ponto 1 Ponto

Classificação ASA

< 3

≥ 3

Grau de contaminação da ferida

Limpa

Potencialmente

Contaminada

Infectada

Percentil do tempo cirúrgico < 75 > 75

Fonte: Adaptado por STARLING, PINHEIRO e COUTO, 1993.

A utilização do IRIC como preditor de risco de infecção permite comparações das taxas de

infecção cirúrgica entre cirurgiões, dentro e entre instituições, desde que os hospitais

comparados utilizem a metodologia do Sistema NNIS para a vigilância das infecções

hospitalares. Assim, as avaliações dessas taxas de infecção, podem estar livres da influência

das variações da clientela, e podem ser realizadas através do tempo (GAYNES et al., 2001;

KEATS, 1978; SALEMI, ANDERSON e FLORES, 1997; STARLING, FERREIRA e

COUTO, 2001; STARLING et al., 2002).

1.5 Aplicações e limitações do IRIC na prática clínica

Ao analisarem 738.398 procedimentos operatórios que inicialmente não eram NNIS, Gaynes e

colaboradores, no período de 1992 a 1998, observaram que o índice de ISC do Sistema NNIS

foi eficaz para o ajustamento do risco de infecção em uma grande variedade de

procedimentos. De uma maneira geral, esse índice de risco do NNIS foi eficaz para predizer o

risco de infecção em 34 das 44 categorias de procedimentos operatórios avaliados (GAYNES

et al., 2001).

Por outro lado, o índice de infecção baseado no NNIS não foi adequado para procedimentos

operatórios que combinaram uma grande variedade de cirurgias. Ele foi adequado para seis

das treze combinações de procedimentos designados como "outros", onde as taxas de infecção

cirúrgica aumentaram significantemente com o aumento do número de fatores de risco.

Dentre esses seis procedimentos encontram-se outros procedimentos do sistema

cardiovascular, musculoesquelético, digestivo, endócrino e cirurgias de nariz e olhos. As taxas

de infecção cirúrgica não aumentaram significativamente com o aumento do número de

fatores de risco em procedimentos operatórios específicos como nefrectomia, esplenectomia e

amputação de membro (GAYNES et al., 2001).

O risco de aquisição de ISC, segundo Culver e colaboradores em 1991, eleva-se

significativamente de 1,5% para 13% se o índice de risco NNIS aumentar de zero para três

(CULVER et al., 1991).

Sabe-se que o índice do Sistema NNIS foi desenvolvido para a avaliação de uma grande

diversidade de procedimentos cirúrgicos e por isso os resultados podem ser limitados, o que

impede a generalização para populações e procedimentos específicos (GRINBAUM, 1999).

Essas limitações do modelo são causadas basicamente pela própria diversidade e

especificidade das cirurgias. Cada tipo de operação possui peculiaridades próprias referentes

aos sujeitos submetidos aos procedimentos, às doenças subjacentes e aos aspectos da técnica

operatória. A consideração de fatores de risco gerais somente pode ser apropriada para

conglomerados de cirurgias. Portanto, para a finalidade de comparações de pacientes

internados em uma mesma instituição, o método NNIS pode não ser uma medida apropriada

quando utilizada na vigilância epidemiológica rotineira das infecções hospitalares

(GRINBAUM, 1999).

Variáveis que possam descrever as condições específicas de cada procedimento operatório

devem ser consideradas cuidadosamente, a fim de propiciar o desenvolvimento de modelos

individualizados ou alternativos para cada procedimento que levem em conta não só os

possíveis fatores de risco, mas também a diversidade de modalidades cirúrgicas

abordadas(GRINBAUM, 1999).

Para quatro procedimentos cirúrgicos como apendicectomia, colecistectomia, cirurgias do

estômago e do cólon, Gaynes e colaboradores em 1991, sugeriram a necessidade de

incorporar uma medida adicional ao índice de risco do NNIS: o uso de laparoscópio (CDC

NNIS SYSTEM REPORT, 2001,2004; COELHO et al., 2001; GAYNES et al., 1991).

As cirurgias laparoscópicas e endoscópicas estão sendo utilizadas com bastante freqüência

nos hospitais, desde 1992, por diminuírem o risco de infecção após a cirurgia. Não se pode

deixar de mencionar que muitas cirurgias ortopédicas como as próteses de joelho ou ombro

estão utilizando o laparoscópico. Ele tem sido incorporado ao índice de risco de infecção de

sítio cirúrgico modificando-o de maneira a influenciar as taxas de ISC por categoria de risco

(CDC NNIS SYSTEM REPORT, 2001,2004; COELHO et al., 2001; GAYNES et al., 1991).

Quando outros fatores de risco que fazem parte do índice de risco NNIS são controlados, o

uso do laparoscópico subtrai dos fatores presentes um ponto, criando uma categoria do índice

de risco modificada. Quando dois fatores de risco estão presentes e o procedimento foi feito

por via laparoscópica, a nova categoria do índice de risco é 1 (ie. 2-1=1) (CDC NNIS

SYSTEM REPORT, 2001,2004; COELHO et al., 2001; GAYNES et al., 1991).

Estudos como os realizados por pesquisadores em procedimentos como craniotomia,

revascularização do miocárdio e cardiotorácicas mostraram que o índice de risco do NNIS não

estratificou adequadamente o risco de desenvolvimento de infecção de sítio cirúrgico em

populações de pacientes submetidos a procedimentos considerados limpos (HORAN et al.,

1994; ROY et al., 2000; RUSSO e SPELMAN, 2002).

Analisando cirurgias estudadas no projeto do Sistema NNIS, no período de 1987 a 1990,

Culver e colaboradores, em 1991, encontraram sete tipos de procedimentos no qual o índice

não estratificou adequadamente os pacientes que realizaram cesariana, histerectomia

abdominal, outros procedimentos obstétricos, nefrectomia, prostatectomia, outros

procedimentos do sistema endócrino e cirurgia de olhos (CULVER et al., 1991).

Para alguns procedimentos cirúrgicos específicos, como as cirurgias vasculares e digestivas o

índice NNIS não atendeu a sua proposta de predição de risco de ISC (GRINBAUM, 1999).

Para o pesquisador, variáveis utilizadas no IRIC não estão necessariamente associadas a ISC

em operações específicas, onde existam particularidades próprias da população e

procedimentos.

Em um estudo multicêntrico em hospitais de Belo Horizonte, no período de 1994 a 1996,

Starling e colaboradores, observaram que o índice NNIS não foi capaz de discriminar nos

quatro estratos a população cirúrgica em risco, em procedimentos como craniotomia e em

cirurgias cardíacas (STARLING, COUTO e PINHEIRO, 1997).

Entretanto, em alguns estudos, o IRIC foi considerado bom preditor de risco de infecção

cirúrgica quando comparado aos índices de componentes individuais ou ao próprio índice do

SENIC. Ele revelou valores mais confiáveis uma vez que trabalha com um número maior de

variáveis e não apenas com o potencial de contaminação de ferida cirúrgica (BERBARI et al.,

1998; DELGADO-RODRIGUEZ et al., 1997; FREITAS, CAMPOS e CIPRIANO, 2000).

Avaliando o índice de risco cirúrgico como preditor de risco de infecção após procedimentos

de revascularização do miocárdio, Culver e colaboradores em 1997 observaram uma

dicotomização da população de pacientes baseada no ponto de corte de duração da cirurgia

(CULVER et al., 1997).

O poder preditivo do índice de risco de infecção cirúrgico foi avaliado por Starling e

colaboradores em pacientes da clínica pediátrica. Os autores concluíram que o IRIC se aplica

bem a esse grupo de pacientes e a diversidade de procedimentos, mas a variável faixa etária

deva ser incluída (STARLING et al., 1996).

Starling et al. (2002), em estudo multicêntrico, avaliaram a eficiência do índice de risco NNIS

em 64.158 pacientes submetidos a diferentes procedimentos cirúrgicos e concluíram que o

índice NNIS estratifica adequadamente o risco de ISC em uma análise global dos

procedimentos cirúrgicos. A análise de procedimentos específicos mostrou uma boa eficiência

para 26% das intervenções cirúrgicas (estratificando em 3 ou 4 categorias de risco), uma

razoável eficiência em 52% (estratificando em 2 categorias de risco) e em 22% dos

procedimentos analisados mostraram uma eficiência pobre para predizer infecção

(estratificando em somente 1 categoria de risco).

Os autores acima concluíram que outros fatores de risco específicos devem ser também

analisados em outros procedimentos cirúrgicos como revascularização do miocárdio,

nefrectomia, implante de shunt ventricular, transplante e prótese de quadril.

Oliveira (2003) ao analisar 609 cirurgias do aparelho digestivo verificou que o Índice de

Risco NNIS foi pouco preditivo para a infecção de sítio cirúrgico nessa amostra estudada.

Assim como Oliveira (2003); Soleto et al. (2003) e Vernet et al. (2004) ao estudarem 376

procedimentos cirúrgicos para avaliar o desempenho do Índice de Risco do Sistema NNIS em

cirurgias gerais de um hospital público de Santa Cruz - Bolívia, também não encontrou

associação significativa entre o IRIC e as taxas de ISC. O Índice de Risco NNIS não

discriminou adequadamente os pacientes entre baixo e alto risco para o desenvolvimento de

infecção de sítio cirúrgico nos pacientes envolvidos no estudo.

Em um estudo realizado com 16.799 cirurgias gerais em 51 hospitais da Bélgica os

pesquisadores concluíram que o índice de risco de infecção cirúrgica do Sistema NNIS

mostrou uma alta correlação para predizer a ISC, evidenciando ser o IRIC um bom preditor de

infecção (RONVEAUX et al., 1996).

Ao avaliarem o índice de risco NNIS em cirurgias neurológicas realizadas no Hospital das

Clínicas da Universidade de Barcelona, Espanha, Vernet et al. (2004) constataram que quando

esse índice é aplicado em outro sistema de saúde, que não a dos Estados Unidos, deve ser

adaptado para ser utilizado. O valor da adição de um novo fator de risco (uso de antibiótico

profilático perioperatório) mostrou uma melhoria significante na taxa preditiva de ISC em

pacientes submetidos a craniotomia, principalmente naqueles pacientes com baixo risco para

desenvolvimento de ISC superficial.

A utilização dos índices de risco originalmente desenvolvidos para serem utilizados em

hospitais americanos para medir o risco de ISC é segundo Vernet et al. (2004) importante e

útil na vigilância dessas infecções, mas precisa ser analisado de acordo com cada

procedimento cirúrgico específico.

O Índice de Risco de Infecção do Sistema NNIS mostrou-se adequado para estratificar o risco

de infecção de 5.126 pacientes que se submeteram a 6.006 operações (colecistectomia,

herniorrafia, apendicectomia e redução de fratura aberta). Essas cirurgias foram realizadas em

20 hospitais públicos na Hungria, durante o ano de 1996, e apresentaram melhor estratificação

do risco de infecção do que a classificação da ferida cirúrgica. As distribuições de

procedimentos nas categorias de risco dos hospitais participantes foram muito consistentes

com aquelas reportadas pelo Sistema NNIS (GULÁCSI et al., 2000).

Para comparar a habilidade do Índice SENIC com o Índice NNIS para predizer a infecção

após cirurgias foi realizado um estudo caso-controle em um Hospital de cuidado terciário na

Espanha. Os dois índices mostraram-se bons preditores de ISC, mas o IRIC teve um poder

preditivo melhor (FARIÑAS-ÁLVAREZ et al., 2000).

O índice de risco proposto pelo Sistema NNIS mostrou-se adequado para a avaliação do risco

de infecção cirúrgica nos pacientes submetidos a cirurgias no Hospital Universitário da

Universidade Federal de Florianópolis, Santa Catarina, Brasil (FREITAS, CAMPOS e

CIPRIANO, 2000).

Para os autores, esse índice tem sido recomendado por especialistas em

infecções hospitalares por sua simplicidade e facilidade de aplicação para a vigilância das

infecções cirúrgicas.

2 Justificativa do Estudo

2 Justificativa do Estudo2 Justificativa do Estudo

2 Justificativa do Estudo

Alguns estudos já demonstraram que o índice de risco do Sistema NNIS tem sido hábil em

discriminar e predizer o risco de aquisição de ISC, embora outros tenham chegado a

conclusões diferentes. Existem controvérsias na literatura. A utilização desse índice, para a

predição do risco de infecção em alguns grupos específicos de pacientes cirúrgicos é

contraditória.

A literatura internacional, há vários anos, mostra-se polêmica em relação à utilização do IRIC

como preditor de risco em procedimentos específicos. Esta discussão data de 1991, quando a

utilização do IRIC foi proposta pelo CDC. Desde então, novos índices individualizados estão

sendo construídos a partir de análise multivariada de fatores de risco potenciais, sem que antes

seja esgotada a avaliação do índice de risco original do NNIS no leque de procedimentos

cirúrgicos.

O índice NNIS já foi aplicado em estudos brasileiros realizados para predição de risco de

infecção em alguns tipos de cirurgias específicas como as cardiotorácicas, cardiovasculares,

digestivas, neurológicas e pediátricas e os resultados também são controversos. Em todos

esses estudos houve a necessidade de inclusão de outras variáveis específicas em cada

procedimento, o que possibilitou a construção de modelos alternativos para a predição do

risco de infecção cirúrgica.

Os pesquisadores devem usar métodos já estabelecidos para o desenvolvimento e validação de

novos índices. Estes devem ser comparados a algum índice já reconhecido, antes de serem

amplamente divulgados e utilizados, porque qualquer índice de risco apresentará limitações,

que o fará servir melhor a determinados grupos de pacientes quando comparado a outros

(HALEY, 1991; MACHADO, 1997).

Para Gaynes (2000, 2001), o índice de risco NNIS deve ser melhorado. A eficácia do índice

NNIS em predizer o risco de infecção deve ser reavaliada como ferramenta de comparação

das taxas de ISC antes que sejam propostos outros índices de risco (adaptações locais do

índice oficial do NNIS) através de análise multivariada.

Apesar da utilização do índice NNIS para a predição do risco de infecção em alguns estudos

ter sido considerado de pouco valor, este deve ser avaliado em outros procedimentos

cirúrgicos específicos em que o mesmo não foi testado.

A razão de avaliar o poder de predição de ISC do índice NNIS em cirurgias específicas, se

deve ao fato dele ser facilmente aplicável na prática diária da Comissão de Infecção

Hospitalar.

Por ser pequeno e inexpressivo o número de trabalhos internacionais e nacionais avaliando

sua adequação como método de estratificação, para comparação das taxas de infecção dentro

de um mesmo hospital ou entre instituições diferentes, este Índice deve ser avaliado.

No Brasil, são poucos os estudos que demonstram a habilidade do índice NNIS em predizer

infecções em vários procedimentos específicos como nas cirurgias ortopédicas. Sabe-se que a

grande maioria dos hospitais brasileiros ainda não utiliza a metodologia NNIS e o IRIC para

comparar suas taxas.

Segundo Freitas, Campos e Cipriano (2000) estudos comparando e validando este índice em

populações que não aquelas dos hospitais participantes do sistema NNIS são raros. Assim,

novos estudos utilizando amostras de diferentes hospitais com características semelhantes são

necessários e sugeridos para a avaliação do risco associado a procedimentos cirúrgicos

específicos.

Segundo Gaynes et al. (2001) atualmente o índice de risco baseado no NNIS permanece ainda

o melhor método de avaliação para comparações "benchmark" das taxas de ISC.

Em revisão de literatura pertinente à avaliação do IRIC em cirurgias ortopédicas, nos últimos

dez anos, não foram encontrados trabalhos nacionais e internacionais sobre a temática

proposta pelo estudo. Reconhecendo a importância e a gravidade que uma infecção no sítio

ortopédico representa para o paciente e para a instituição hospitalar, além da inexistência de

trabalhos nacionais de avaliação do IRIC como preditor de infecção em cirurgias ortopédicas,

julga-se ser relevante a realização desse estudo.

Os resultados da avaliação da aplicabilidade desse índice em procedimentos cirúrgicos

ortopédicos poderão indicar se há necessidade ou não de modificar o protocolo de vigilância

de infecção para procedimentos ortopédicos nos Hospitais estudados ou mesmo implementar,

com outras variáveis preditoras, o índice de infecção cirúrgica (IRIC) do NNIS.

Neste contexto, este estudo vem propor a utilização do índice NNIS para estratificar a

população de pacientes que foram submetidos a procedimentos ortopédicos, avaliando sua

eficácia ou não como preditor de infecção cirúrgica.

3 Objetivos

3.1 Geral

Avaliar a aplicabilidade do Índice de Risco de Infecção Cirúrgica (IRIC) do Sistema NNIS e

verificar qual modelo prediz melhore o risco de infecção em pacientes submetidos a cirurgias

ortopédicas em hospitais da região metropolitana de Belo Horizonte e o melhor modelo.

3.2 Específicos

1) determinar a incidência global de ISC para o período de estudo;

2) determinar a incidência de ISC para cada hospital participante do estudo, para os diferentes

procedimentos cirúrgicos ortopédicos e para as categorias do índice de risco NNIS;

3) identificar, dentre as variáveis coletadas regularmente pelo Serviço de Controle Infecção

Hospitalar dos hospitais em estudo, quais as variáveis que constituem fatores de risco para a

infecção cirúrgica em pacientes ortopédicos nos hospitais analisados;

4) calcular as probabilidades de infecção de cada categoria do IRIC;

5) avaliar o poder preditivo do IRIC e das variáveis que o compõem na população

selecionada;

6) propor um modelo de predição de risco de infecção a partir das variáveis selecionadas no

modelo logístico.

4 Materiais e Métodos

4 Materiais e Métodos4 Materiais e Métodos

4 Materiais e Métodos

4.1 Delineamento do estudo

Foi realizada uma coorte histórica de pacientes submetidos a procedimentos cirúrgicos

ortopédicos gerais, classificados como procedimentos NNIS.

Em um estudo de coorte histórico também denominado coorte retrospectiva a seleção de

indivíduos expostos e não expostos acontece no passado. O investigador acompanha a coorte

e observa o desenvolvimento ou não do evento de interesse ao longo do período.

A diferença de um estudo de coorte prospectivo concorrente (longitudinal), para um estudo de

coorte histórica, não acontece na exposição dos grupos expostos e não expostos, pois estes

continuam a ser comparados. A diferença está no encurtamento do tempo em que se obtêm o

resultado e pelo uso de dados históricos do passado, que podem prejudicar a qualidade da

informação, tanto da exposição quanto do efeito.

4.2 Local do estudo

O estudo foi realizado em quatro hospitais da cidade de Belo Horizonte - Minas Gerais. Eles

fazem parte de um grupo de hospitais cujos Serviços de Controle de Infecções Hospitalares

estão sob a coordenação de um mesmo Médico Infectologista, que cedeu as informações das

cirurgias ortopédicas gerais, registradas em banco de dados do programa denominado Sistema

Automatizado de Controle de Infecções Hospitalares – SACIH, de cada uma dessas

instituições.

4.3 População e Amostra do estudo

Cada um dos quatro hospitais incluídos no estudo possui informações das cirurgias

ortopédicas gerais realizadas, no período de 1994 a 2001, registradas em banco de dados do

programa denominado Sistema Automatizado de Controle de Infecções Hospitalares –

SACIH.

Após a coleta das informações de cada um dos bancos dos quatro hospitais, um banco geral

foi construído e constituído inicialmente de 21.737 procedimentos ortopédicos.

No Programa EPI-INFO 6.04 foi feita a consistência do banco inicial de 21.737 registros de

cirurgias ortopédicas, formando um banco com 21.558 informações de pacientes cirúrgicos

ortopédicos.

Como os 21.558 registros estavam distribuídos em variáveis que ainda continham dados não

informados (“missing”), optou-se por trabalhar na análise estatística com 8.236 informações

de cirurgias ortopédicas, cujas variáveis apresentavam informações completas, a fim de que

um dos objetivos do estudo fosse alcançado. Estes dados foram transferidos e tratados

estatisticamente no Programa STATA 8.1 (STATA, 2003).

4.4 Coleta e consistência dos dados

Além de outras informações, o banco de dados do programa SACIH de cada hospital foi

alimentado com informações contidas em dois formulários - ficha de coleta de dados do

componente de vigilância cirúrgica do Sistema NNIS e ficha de notificação de infecções,

ambas, padronizadas nos quatro hospitais do estudo.

Segundo Starling, Pinheiro e Couto (1993), esses formulários foram criados a partir de uma

adaptação da metodologia do Sistema NNIS para garantir uma coleta de dados mais rápida,

eficiente, acurada e consistente nos hospitais brasileiros.

Após a união dos bancos dos quatro hospitais em um único banco, observou-se que a entrada

de dados no programa SACIH tem problemas de consistência. Foi verificado que há variações

na entrada de dados de um hospital para outro. Pode-se inferir que, provavelmente, essa

inconsistência de informações foi devida à imprecisão no passo denominado “checagem de

entrada” das informações no banco, na ausência de manual de instrução para digitação ou

treinamento dos diferentes digitadores.

Por isso, cada variável passou por uma investigação manual para verificar sua consistência e

quando possível foram corrigidos os pequenos erros encontrados. Podemos exemplificar o

problema de inconsistência com algumas variáveis: duração da cirurgia, data de admissão do

paciente no hospital e data da cirurgia. Elas necessitaram ser reformatadas após a união dos

quatro bancos. Os formatos de entrada das variáveis referentes a datas variaram de um

hospital para outro (modelo americano e europeu). O mesmo aconteceu com a variável

duração da cirurgia, que em determinado banco a entrada foi feita em horas e em outro a

entrada foi feita em minutos. Padronizou-se a variável em minutos.

A partir de algumas variáveis já existentes no banco de dados do programa SACIH foram

criadas outras para completarem e auxiliarem a análise do conjunto de dados. Ressaltam-se

duas variáveis que foram criadas para tal fim: perdas da ISC e perdas do IRIC, representando

os dados informados e não informados da amostra. Essas variáveis foram dicotomizadas da

seguinte forma:

 dados informados,

 dados não informados.

Cada variável do banco (com 21.558 informações de pacientes) foi analisada em relação a

essas duas novas variáveis criadas, para avaliar o problema das perdas em relação à ISC e ao

IRIC, peças-chave da análise estatística para que os objetivos do estudo fossem alcançados.

Foi verificado se as perdas de informação em algumas variáveis em relação ao evento

investigado e ao IRIC eram diferenciais, ou seja, foi investigado se o grupo de pacientes com

informações completas tinha características similares ou não ao grupo sem informações.

Para algumas variáveis analisadas em relação à ISC e ao IRIC as perdas foram diferenciais

(ANEXO 2). No entanto, deve-se enfatizar que ao lidar com banco de dados com grande

número de registros (21.558), como foi o caso deste estudo, estas perdas inicialmente

consideradas diferenciais podem ter ocorrido devido a uma associação ao acaso. Não se pode

afirmar a ocorrência de um erro sistemático no estudo (introdução do viés de seleção).

Como o objetivo principal do estudo foi avaliar o IRIC como índice preditor de infecção para

cirurgias ortopédicas, optou-se por trabalhar com o banco cujos dados eram completos, quer

dizer sem informações perdidas, pois caso contrário, os modelos que posteriormente poderiam

ser propostos não seriam comparáveis.

É preciso esclarecer que o fato de se retirar os dados faltantes do banco não eliminaria o

problema da perda diferencial, caso tenha realmente ocorrido o viés de seleção. Os 8.236

pacientes com dados informados teriam características diferentes daqueles sem informações.

Podem-se observar todos os passos da coleta de dados realizada no estudo pelo diagrama feito

do esquema de coleta de dados apresentado na FIGURA 2.

Como o objetivo principal do estudo foi avaliar o IRIC como índice preditor de infecção para

cirurgias ortopédicas, optou-se por trabalhar com o banco cujos dados eram completos, quer

dizer sem informações perdidas, pois caso contrário, os modelos que posteriormente poderiam

ser propostos não seriam comparáveis.

Hospital

6.569

Hospital

11.601

Hospital

2.304

Hospital

1.263

Formulário 1

Folha cirurgia

(coleta de dados)

Formulário 2

Ficha de infecção

(notificação ISC)

Metodol

ogia

NNISS

FIGURA 2 - Esquema de coleta dos dados dos bancos dos hospitais em estudo.

4.5 Caracterização dos Hospitais de estudo

21.737 registros

Informações de procedimentos cirúrgicos ortopédicos com

dados faltantes

21.558 registros com

dados faltantes

analisados no STATA

8.1

Hospital

2.752

Dados faltantes retirados de cada variável

Hospital

4.000

Hospital

563

Hospital

921

Banco de Dados com

8.236 registros com

informações

completas

Segundo Starling, Couto e Pinheiro (1997) todas as quatro instituições hospitalares estão

localizadas em diferentes áreas da região metropolitana de Belo Horizonte - Minas Gerais. Os

hospitais são classificados como gerais e de ensino, de médio porte, de cuidado terciário a

quaternário e são mantidos financeiramente por entidade privada e por Fundação

(STARLING, COUTO e PINHEIRO, 1997). Todos eles atendem pacientes conveniados ao

Sistema Único de Saúde (SUS), aos sistemas de previdência privada e a pacientes particulares

(QUADRO 7).

Os hospitais são semelhantes entre si por possuírem Comissões de Controle de Infecções

Hospitalares - CCIHs constituídas e atuantes há bastante tempo, pela homogeneidade

(treinamento e reciclagem dos profissionais para a busca ativa, utilização de fichas de coleta

de dados padronizadas e utilização de um mesmo “software” para processamento dos dados

coletados) da vigilância epidemiológica das infecções hospitalares e pelo tipo de assistência

prestada à população (STARLING, COUTO e PINHEIRO, 1997).

QUADRO 7

Distribuição dos hospitais de estudo segundo o número de admissões/ano, leitos e

entidade mantenedora, no período de 1991-1996, Belo Horizonte, Minas Gerais.

Hospital

Admissões/ano

de leitos

Entidade Mantenedora

0 9264 300 Fundação

1 15638 600 Fundação

2 6025 130 Privado

3 4950 170 Fundação

Fonte: STARLING, COUTO e PINHEIRO, 1997.

4.5.1

Serviço de Controle de Infecção Hospitalar

Os hospitais constituíram suas Comissões de Controle de Infecções Hospitalares (CCIH) de

acordo com a Portaria 196/83 do Ministério da Saúde, que recomendava a vigilância passiva

das infecções hospitalares. A partir da década de oitenta e início da década de noventa, foram

contratados profissionais com dedicação exclusiva para desenvolver programas de prevenção

e controle das infecções, constituindo então os Serviços de Controle de Infecções Hospitalares

(STARLING, COUTO e PINHEIRO, 1997).

A partir de 1991 foi iniciada a implantação do Sistema NNIS/CDC-P (desenvolvido na década

de setenta) nos hospitais participantes do presente estudo. Segundo Starling, Couto e Pinheiro

(1997) adequações dessa metodologia foram realizadas de acordo com a realidade de cada

instituição.

A composição destas comissões variou de acordo com a complexidade de cada instituição.

Basicamente, a equipe de controle de infecção de cada hospital foi composta de pelo menos

um médico, um enfermeiro, uma secretária e um estatístico, com exceção do Hospital 2, que

contou com três médicos e quatro enfermeiros. Todos os hospitais contam com um mesmo

profissional estatístico para colaborar no tratamento e na análise dos dados (QUADRO 8).

QUADRO 8

Composição do Serviço de Controle de Infecção Hospitalar dos hospitais em estudo, no

período de 1991-1996. Belo Horizonte, Minas Gerais.

Hospital

Implantação

CCIH

Implantação

Sistema NNIS

Equipe Profissional Componentes de Vigilância

0 nov., 1987 jan., 1991 1 médico Global

1 enfermeiro

1 secretária

Terapia Intensiva

Cirúrgico

1 abril, 1989 jan.,1991 2 médicos

2 enfermeiros,

1 secretária

Global

Terapia Intensiva

Cirúrgico

jan., 1991

3 médicos

4 enfermeiros

2 secretárias

Global

Terapia Intensiva

Cirúrgico

Obstétrico

3 abril, 1992 abril, 1992 3 médicos

1 enfermeira

1 secretária

Global

Terapia Intensiva (1995)

Cirúrgico

Fonte: STARLING, COUTO e PINHEIRO, 1997.

Nota -

CCIH – Comissão de Controle de Infecção Hospitalar

Um mesmo profissional estatístico atende a todos os hospitais.

Atualmente outros componentes de vigilância foram acrescentados.

As equipes de todos os hospitais estão, desde então, sob a coordenação de um único médico

infectologista, com formação em epidemiologia hospitalar. Os médicos residentes da equipe

recebem treinamento em epidemiologia hospitalar durante dois anos. As enfermeiras possuem

especialização em controle de infecção hospitalar (STARLING COUTO e PINHEIRO, 1997).

Semanalmente, as equipes dos quatro hospitais se reúnem para apresentação de seminários,

atualizações, discussão de casos e planejamento de atividades. Em todos os hospitais, os

Serviços de Controle de Infecção Hospitalar desenvolvem as atividades de vigilância

epidemiológica, auditoria em antimicrobianos, normatização de medidas de prevenção,

realização e participação em treinamentos.

A identificação dos casos de infecção é feita através da metodologia de busca ativa durante a

internação dos pacientes, utilizando conceitos e critérios já determinados, anteriormente, pelo

CDC para o diagnóstico das IH. Estes critérios diagnósticos são utilizados de maneira coesa

por todos os enfermeiros dos hospitais para a busca de casos de infecção (STARLING

COUTO e PINHEIRO, 1997). É importante ressaltar que não há ambulatório de egressos para

a busca de casos de infecção no período pós-alta.

A notificação das infecções hospitalares é feita pelos enfermeiros, em formulários próprios,

onde são registrados dados demográficos dos pacientes, dados das infecções encontradas

como fatores de risco do paciente e os sítios principais e específicos acometidos, apenas no

período da internação do paciente no hospital.

Posteriormente, todas as informações coletadas do paciente (prontuários e busca ativa por

infecção) em formulários durante sua hospitalização são digitadas em um banco de dados do

programa SACIH.

4.5.2 SACIH - Sistema Automatizado de Controle de Infecções Hospitalares

O SACIH é um dos softwares existentes para o controle das infecções hospitalares. É um

pacote gráfico-estatístico baseado em uma poderosa base de dados especializados no suporte

ao controle de infecção hospitalar (STARLING, PINHEIRO e COUTO, 1993).

Ele foi desenvolvido a partir do Sistema NNIS e adaptado aos hospitais brasileiros para

orientar a coleta e o processamento de dados referentes à internação de pacientes em

hospitais.

O programa SACIH é um software interativo com o usuário, permitindo que ele seja utilizado

por pessoas com nenhum conhecimento de informática porque possui níveis de ajuda na tela,

informando o que deve ser digitado.

4.5.3 Sistema de vigilância NNIS

Na tentativa de obter dados comparáveis para uma posterior avaliação de medidas de

prevenção e controle das infecções hospitalares, o sistema NNIS implantado nos quatro

hospitais foi originalmente dividido em 4 componentes: global, cirúrgico, terapia intensiva e

berçário de alto risco (ANEXO 3). Além disso, o NNIS determinou uma série de definições

específicas como a definição de procedimentos cirúrgicos, infecções, fatores de risco e

população sob vigilância (definido pela instituição), o que possibilitou uma coleta de dados

homogênea entre todos os hospitais que utilizam esse sistema de vigilância, para posterior

comparação com o padrão NNIS.

O componente cirúrgico, abordado neste estudo, possui definições básicas, que segundo o

Manual do NNIS (1994) são as seguintes:



Paciente NNIS: é aquele cuja data de admissão no hospital e a data de alta ocorrem em

dias diferentes do calendário. O paciente deve ser admitido num determinado dia do mês e

receber alta num dia subseqüente. Logo, são excluídos os pacientes sob tratamento

ambulatorial (atualmente sofrendo reconsiderações do CDC), aqueles com doenças

crônicas (psiquiátricos, em reabilitação e etc);



Procedimento cirúrgico - NNIS: é aquele realizado em paciente NNIS, no qual o

cirurgião faz no mínimo uma incisão através da pele ou membrana mucosa, incluindo

abordagens endoscópicas e laparoscópicas e realiza a sutura antes do paciente sair da sala

de operação. Não estão agrupados aqui procedimentos ambulatoriais, cirurgias em

paciente-dia;



Infecção hospitalar - NNIS: condição sistêmica ou localizada, resultante de reação

adversa à presença de agentes infecciosos e/ou suas toxinas. A IH deve ocorrer em

paciente NNIS, não deve existir qualquer evidência de que esteja presente ou em período

de incubação no momento da admissão, exceto se estiver relacionada com a internação

prévia no mesmo hospital e deve preencher os critérios específicos para cada topografia

corporal de infecção hospitalar, conforme definido por Garner et al.. (1988);



Infecção de sítio cirúrgico - NNIS: é a infecção que ocorre na incisão cirúrgica, podendo

ser classificada como incisional superficial, incisional profunda ou em órgão/ espaço sítio-

específico manipulados durante o procedimento cirúrgico, diagnosticada até 30 dias após

o procedimento ou até o primeiro ano, no caso de colocação de próteses;



Sítios principais e específicos de infecção: dois termos são usados para descrever sítios

de infecção no NNIS: sítios específicos de infecção e sítios principais de infecção. Ao

todo são 49 sítios específicos de infecção ou tipos de infecção para os quais critérios para

a determinação de presença têm sido desenvolvidos. Os 49 sítios específicos de infecção

têm sido agrupados em 13 categorias de sítios principais para facilitar a análise de dados.

Por exemplo, há três sítios específicos ou tipos de infecções de ossos e articulações (BJ)

como osteomielites - BONE, articulação ou bursa - JNT e espaço disco vertebral – DISC;



Infecções traumato-ortopédicas: São as três infecções sítio-específicas como as

osteomielites - BONE, as que ocorrem na articulação ou bursa - JNT e as de espaço disco

vertebral - DISC agrupadas no sítio principal denominado BJ que englobam as infecções

de ossos e articulações (QUADRO 2);



Infecções no sítio cirúrgico específico ortopédico: são aquelas infecções classificadas

como agudas (superficiais e profundas) ou tardias que ocorrem no sitio ortopédico até o

primeiro ano de pós-operatório em caso de colocação de materiais não orgânicos (estão

mais relacionadas aos procedimentos PROS). As infecções de sítio cirúrgico classificadas

como órgão/espaço envolvem as infecções dos ossos como as osteomielites - BONE, as

que ocorrem na articulação ou bursa - JNT e as de espaço disco vertebral – DISC.

4.6 Procedimentos ortopédicos NNIS a serem considerados no estudo

As categorias de procedimentos cirúrgicos traumato-ortopédicos NNIS são combinações de

operações que são similares clinicamente. Essa divisão em grupos de pacientes submetidos a

procedimentos cirúrgicos semelhantes possibilita a comparação das taxas de ISC.

Com exceção do grupo cirúrgico Amputação de Membros (AMP), todos os outros

procedimentos operatórios ortopédicos do Sistema NNIS farão parte do estudo. Nos hospitais

estudados as cirurgias de amputação estão incluídas em outra classe de procedimentos, o que

difere do preconizado pelo Sistema NNIS.

4.6.1 Códigos de procedimentos de cirurgias traumato-ortopédicas

consideradas no estudo

Segundo Starling, Pinheiro e Couto (1993) as cirurgias listadas a seguir são procedimentos

cirúrgicos classificados de acordo com o Sistema NNIS e fazem parte do estudo:

1) FUS - Fusão e Artrodese

 correção cirúrgica de luxação (acrômio-clavicular, cotovelo, joelho, tornozelo,

ossos do pé, articulação coxo-femural, metacarpianos ao nível das falanges),

 artrodese (coluna, interfalangiana, metafalangiana, coxo-femural, tíbio-társica,

tornozelo),

 patelectomia,

 meniscectomia,

 tratamento cirúrgico do pé torto congênito,

 outras cirurgias das articulações.

2) FX - Redução de fratura aberta

 redução cirúrgica de fratura: (clavícula, úmero, cotovelo, rádio, ulna, ossos

metacarpianos, falanges, diálise do fêmur, tornozelo, ossos do pé),

 correção cirúrgica de pseudo-artrose de clavícula, úmero, antebraço, fêmur e tíbia.

3) OMS - Outros procedimentos do sistema musculoesquelético

 tenorrafia, tenotomia, tenoplastia e miorrafia,

 transposição do tendão e outras cirurgias dos músculos e tendões,

 osteotomia,

 retirada de próteses,

 tratamento cirúrgico de lesões do cóccix, da aponeurose palmar e ruptura de

ligamentos,

 outras cirurgias do punho e da mão,

 outras cirurgias do sistema musculoesquelético.

4) PROS - Próteses

 J - Prótese de joelho,

 O - Outras próteses articulares,

 Q - Prótese de quadril.

4.7 Variáveis do estudo

O banco de dados do programa SACIH foi composto por um conjunto de variáveis coletadas

nos serviços de origem de cada paciente ortopédico para a identificação de fatores de risco

para ISC.

Dentre o leque de variáveis existentes no banco de dados de cada hospital, as variáveis

consideradas no estudo estão entre aquelas constantes na ficha de coleta de dados do

componente de vigilância cirúrgica NNIS e na ficha de notificação de infecções, comuns a

todos os hospitais do estudo (ANEXO 4, 5 e 6).

4.7.1 Variável Dependente

4.7.1.1 Infecção de sítio cirúrgico (ISC)

Foram consideradas, neste estudo, as infecções de sítio cirúrgico que ocorreram nos pacientes

submetidos a procedimentos cirúrgicos ortopédicos constantes em banco de dados dos

hospitais participantes do estudo.

A categorização baseou-se na ausência (não) ou presença (sim) da ISC. A ISC foi. A variável

que se referia à especificação da ISC constava do banco, mas não estava disponível de forma

clara e consistente para que fosse incluída, de forma segura, no estudo.

4.7.2 Variáveis independentes

As variáveis independentes ou explanatórias são variáveis explicativas, investigadas como

possíveis fatores de risco à ISC. São fatores cujas presenças estão associadas a uma maior

probabilidade de que uma infecção venha a desenvolver-se. São retirados da folha cirúrgica

preenchida pelo cirurgião (ANEXO 4). Foram elas:

1) Hospital

Foram analisados quatro hospitais não identificados, mas codificados em 0, 1, 2 e 3 por

questões éticas e legais do estudo.

2) ASA

Essa variável determinada pelo anestesista no período pré-operatório imediato ou em consulta

prévia refere-se às condições clínicas gerais do paciente. Os anestesistas utilizam os critérios

propostos pela “American Society of Anestesiologists” para avaliar os pacientes através de

um escore, estabelecidos em cinco categorias, já especificados no QUADRO 4:

 ASA I,

 ASA II,

 ASA III,

 ASA IV,

 ASA V (Neste estudo não houve pacientes nessa categoria).

3) Idade

É uma variável contínua. A idade correspondeu ao número de anos dos pacientes, obtidos pela

data de nascimento.

4) Tipo de procedimento cirúrgico realizado

As cirurgias ortopédicas foram categorizadas de acordo com o NNIS, em quatro grupos de

procedimentos homogêneos em relação ao risco de ISC, exceto o procedimento de

amputação:

 FUS (fusão e artrodese),

 FX (redução de fratura aberta),

 OMS (outros procedimentos do sistema musculoesquelético),

 PROS (prótese de joelho; outros tipos de próteses que não as de joelho e quadril).

5) Duração da Cirurgia

Correspondeu ao período, em minutos, entre o início da incisão cirúrgica e o último ponto de

sutura da pele.

Tomando como parâmetro a tabela “Cut Point” do Sistema NNIS/CDC (ANEXO 1), que

determina o tempo específico para cada tipo de cirurgia, segundo a duração esperada (duração

máxima de 75% das cirurgias), foi feita a análise, tanto do ponto de corte do Sistema NNIS,

quanto das cirurgias realizadas nos hospitais do estudo.

A média de duração dos procedimentos cirúrgicos envolvidos no estudo foi obtida,

arredondando-se o ponto de corte para 120 minutos. Os resultados obtidos utilizando-se essas

duas versões da variável foram praticamente os mesmos. Para efeito de análise do trabalho

dicotomizou-se a variável em duas categorias:

 0 - ≤120 minutos,

 1 - >120 minutos.

6) Potencial de contaminação da ferida cirúrgica

As cirurgias são classificadas em quatro categorias como aludidas no Quadro 3:

 limpa,

 potencialmente contaminada,

 contaminada,

 infectada.

7) Índice de Risco NNIS – IRIC

Este índice foi desenvolvido pelo Sistema NISS/CDC com o objetivo de calcular taxas de ISC

ajustadas pelas três variáveis ou fatores de risco que o compõe: ASA, Potencial de

Contaminação da Cirurgia e Duração da cirurgia. Para cada um desses fatores de risco é

atribuída a pontuação 0 ou 1, de acordo com a ausência ou presença do fator de risco. O IRIC

é, então, calculado pelo resultado da soma das pontuações atribuídas aos três fatores de risco.

A variável é categorizada em quatro níveis:

 IRIC 0 – se os três fatores de risco foram ausentes,

 IRIC 1 – se apenas um dos fatores de risco foi presente e os outros ausentes,

 IRIC 2 – se dois fatores foram presentes e o outro foi ausente,

 IRIC 3 – se os três fatores de risco foram presentes.

8) Uso de anestesia geral

Esta variável foi categorizada da seguinte forma:

 não (outros tipos de anestesia),

 sim (anestesia geral).

9) Caráter emergencial da cirurgia

Foram consideradas cirurgias de emergência aquelas não agendadas com antecedência, onde o

paciente não recebeu a preparação necessária para a cirurgia. Portanto pode estar em piores

condições clínicas. Cirurgias realizadas de urgência são consideradas fatores de risco para a

ocorrência de ISC. Duas categorias foram consideradas:

 não (cirurgia eletiva),

 sim (cirurgia de emergência).

10) Trauma

É um procedimento cirúrgico realizado devido a um ferimento traumático penetrante ou por

impacto (provocando esmagamento dos órgãos ou membros). Essa variável foi constituída de

duas categorias:

 não,

 sim.

11) Uso de prótese

Pela definição do Sistema NNIS, prótese é todo material não orgânico que é implantado

permanentemente no paciente e não utilizado rotineiramente para fins diagnósticos e

terapêuticos. Existiu uma diferença de classificação do que o Sistema NNIS classifica como

prótese e o que foi empregado nos hospitais estudados. Essa variável no banco em estudo não

estava de acordo com o conceito do Sistema NISS. Provavelmente, no preenchimento da folha

de cirurgia, os cirurgiões consideraram como próteses qualquer tipo de material de implante

permanente ou não (placas, pinos parafusos e fios). Foi categorizada como:

 não,

 sim.

12) Tempo de internação pré-operatório

É o período em dias que corresponde ao intervalo de tempo entre a admissão do paciente no

hospital e a data em que foi realizada a cirurgia. É uma variável contínua.

13) Uso de antibiótico profilático

Considerou-se o uso de antimicrobiano profilático aquele prescrito pelo cirurgião no trans e

pós-operatório. Essa variável foi categorizada da seguinte maneira:

 não (não utilizou),

 uso do antibiótico Cefazolina,

 uso do antibiótico Clindamicina e associados.

14) Número de profissionais participantes na sala de cirurgia

Corresponde ao número de cirurgiões, residentes, auxiliares de enfermagem, instrumentadores

e alunos que participaram da cirurgia. Inicialmente essa variável foi analisada como variável

contínua. Após essa análise foi realizada a categorização do número de profissionais

participantes da cirurgia através das medidas de tendência central, ficando, então, da seguinte

forma:

 1-4 profissionais,

 5-8 profissionais,

 9-16 profissionais.

4.8 Considerações éticas e legais do estudo

O Projeto de pesquisa (processo ETIC 274/04) foi submetido ao Comitê de Ética e Pesquisa

da UFMG, sendo julgado e aprovado pelo mesmo, uma vez que a natureza da pesquisa não

necessita a apresentação de um Termo de Consentimento Livre e Esclarecido – TCLE, por

envolver dados secundários na pesquisa (ANEXO 7).

4.9 Tratamento e análise dos dados

A análise dos dados foi realizada utilizando-se o programa STATA 8.1, conforme as seguintes

fases:

4.9.1 Análise descritiva dos dados

Foram utilizadas as distribuições de freqüências simples, as medidas de tendência central

(como média ou mediana) e também as medidas de variabilidade (como desvio padrão e

quartis) para todas as variáveis do banco, a fim de caracterizar e descrever a população de

pacientes submetidos a procedimentos cirúrgicos ortopédicos.

4.9.2 Cálculo das taxas de incidência de infecção de sítio cirúrgico

Foram calculadas as taxas de incidência para as categorias de risco do índice NNIS (IRIC),

por hospital e por procedimento operatório. Para seu cálculo foram utilizados o número de

casos de infecção hospitalar e o número de casos de infecção de sítio cirúrgico entre os

pacientes cirúrgicos ortopédicos como numerador e como denominador o total de pacientes

cirúrgicos ortopédicos no período de estudo. A taxa de incidência pode ser representada pela

seguinte fórmula:

ISC = Número de procedimentos cirúrgicos que desenvolveram ISC (no período de estudo) x 100

Total de procedimentos cirúrgicos ortopédicos realizados

4.9.3 Análise univariada dos dados

Para a análise da associação dos possíveis fatores de risco envolvidos com o evento de

interesse (infecção de sítio cirúrgico) nos procedimentos cirúrgicos ortopédicos foi utilizada a

análise univariada de todas as variáveis do banco, através do cálculo do teste de qui-quadrado

) de Pearson.

Para estimar a força da associação do evento com as variáveis independentes foi estimada a

odds ratio (OR) com um intervalo de confiança de 95% e um p < 0,05 evidenciando que o

evento não tenha ocorrido em razão do acaso. Para a análise das variáveis contínuas com a

ISC foi utilizada a técnica de análise de variância ANOVA e o teste de Scheffé, para

identificar diferenças. Para as medianas foi utilizado o teste de Kruskal Wallis e o teste de

Dunn’s, para identificar diferenças (SZKLO e JAVIER NIETO, 2000).

Também foi utilizado o Coeficiente Gamma de Goodman-Kruskal (G) para avaliar a força de

associação entre cada um dos fatores de risco (variáveis independentes categóricas) e a

ocorrência de ISC. Esse coeficiente de correlação mede a associação, apenas, entre variáveis

ordinais (GOODMAN e KRUSKAL, 1994; WASSER, 1998). Para Everitt (1992); Freitas,

Campos e Cipriano (2000); Jobson (1992) e Polit (1996) a associação desse coeficiente pode

ser entendida como a probabilidade que um par de observações aleatórias sejam concordantes

menos a probabilidade de que o par seja discordante, assumindo-se a ausência de vínculos.

4.9.4 Análise de Regressão Logística

A análise multivariada foi realizada utilizando-se a regressão logística com a finalidade de

desenvolver modelos logísticos de predição de ISC.

A análise multivariada oferece um modelo estatístico, mais robusto, que possa predizer

determinada resposta ante uma série de variáveis intervenientes. Analisa simultaneamente a

influência ou os efeitos de todas as variáveis relacionadas à exposição sobre a ocorrência do

evento (infecção), ajustando todas as variáveis do modelo, a fim de se corrigir os possíveis

efeitos de fatores de confusão (SZKLO e JAVIER NIETO, 2000).

Segundo Szklo e Javier Nieto (2000), modelos de regressão logística são usados muito

freqüentemente para determinar os fatores que estão associados, de forma independente, com

a ocorrência do evento de interesse e para estimar a probabilidade de um indivíduo

(caracterizado pelos valores das covariáveis x

, x

, ....x

) desenvolver a doença.

O modelo de regressão pode ser expresso pela seguinte fórmula:

Em que:

P = probabilidade de ocorrência do evento conforme variável explicativa

= variáveis explicativas (fatores de exposição)

= coeficientes a serem estimados – razão das chances de desenvolver a doença de um

exposto em relação ao não exposto.

Como a variável resposta (evento) neste estudo é a presença ou ausência de infecção no sítio

cirúrgico ortopédico, a técnica de regressão logística múltipla se mostra adequada para

estimar o valor de predição dessa variável, em função de determinados valores das variáveis

independentes (SZKLO e JAVIER NIETO, 2000).

A modelagem inicial foi realizada a partir das variáveis selecionadas na análise univariada

(associação estatística com a ISC com um p ≤ 0,20) ou com aquelas variáveis que tiveram um

significado biológico conhecido na literatura, de forma a permitir a construção de modelos

logísticos com os grupos de variáveis selecionadas. As variáveis que possuíam mais de duas

categorias foram transformadas em variáveis indicadoras (“dummies”).

XXX

ββββ

++++=













−

22110

logito

ln =













− P

Iniciou-se com a construção do modelo cheio e as variáveis foram retiradas passo a passo até

a definição do modelo final. Para a definição do melhor modelo final foi utilizado o teste da

razão de verossimilhança, os coeficientes

(Beta), o odds ratio (OR) e o valor p < 0,05.

A análise pela curva de operação característica denominada ROC “Receiver Operating

Characteristic Curve” (porque esse método originou-se dos estudos de detecção de sinais por

operadores de radares) foi o método escolhido para a avaliação da acurácia (poder

discriminatório entre os indivíduos com e sem o evento – ISC) dos modelos alternativos para

predição da ISC (HANLEY e MCNEIL, 1982; SOARES e SIQUEIRA, 2001; PAGANO e

GAUVREAU, 2004).

A área sob a curva ROC representa a distinção de todos os pares possíveis de indivíduos que

apresentam ISC daqueles que não a apresentam. Ela mede a probabilidade de um paciente

com ISC apresentar um

(probabilidade estimada) maior do que um paciente sem ISC, ou

seja, essa probabilidade de um paciente com ISC apresentar um p

maior do que um paciente

sem ISC seria 58% (CHILDREN’S MERCY, 2006).

A curva ROC oferece uma representação gráfica da relação entre a taxa de verdadeiros

positivos (sensibilidade do teste) no eixo vertical do gráfico e o complemento da

especificidade, a taxa de falsos positivos (1 – especificidade) no eixo horizontal. Este método

baseia-se em uma avaliação visual do comportamento do teste mediante as prevalências

distintas do evento (SOARES e SIQUEIRA, 2001; PAGANO e GAUVREAU, 2004).

Pela curva ROC, a visualização de dois modelos permite escolher qual é o melhor, em razão

de seu poder diagnóstico, ou seja, em função de seus níveis de sensibilidade e especificidade.

É considerado como o melhor teste aquele em que a curva mais se aproxima do canto superior

esquerdo do gráfico. A área abaixo da curva pode variar de 0,5 a 1,0. Um teste inútil teria uma

área de 0,5, ou seja, um teste positivo teria a mesma probabilidade de ser falso-positivo ou

verdadeiro-positivo. Uma área de 0,5 a 0,7 indica baixa acurácia. De 0,7 a 0,9 indica teste útil

para estratificação. Um teste > 0,9 é útil para predição individual do evento. Um teste perfeito

teria uma área de 1,0 (HANLEY, 1982; MACHADO, 1997; THE AREA UNDER NA ROC

CURVE, 2006

Foram calculadas e verificadas as probabilidades observadas e estimadas de ocorrência de

ISC em relação ao Índice de Risco NNIS – IRIC com a finalidade de avaliar se essas

probabilidades eram crescentes, como também avaliar a variabilidade do estimador utilizado.

O esperado é que a variabilidade entre as probabilidades observadas e as estimadas seja

pequena, assim, pode-se dizer que o modelo está bem ajustado aos dados para a predição de

infecção.

Para verificar a força de correlação do índice de risco NNIS - IRIC com a ocorrência de ISC

foi utilizado o teste de Goodman-Kruskal (Gamma). Este coeficiente é particularmente

adequado para a análise de variáveis com nível de mensuração ordinal, como é o caso do

índice de risco a ser analisado. Ele varia de -1 a +1. Se as variáveis analisadas forem

independentes seu valor aproxima-se de zero. Valores positivos indicam aumento de risco de

infecção para um aumento dos fatores de risco presentes. Valores negativos indicam uma

diminuição no risco de infecção para um aumento no número de fatores de risco presentes

(EVERITT, 1992; JOBSON, 1992; GOODMAN e KRUSKAL, 1994; POLIT, 1996;

WASSER, 1998; FREITAS, CAMPOS e CIPRIANO, 2000).

http://gim.unmc.edu/dxtests/roc3.htm

Após a obtenção do melhor modelo alternativo de predição de risco de infecção de sítio

cirúrgico foi feita a comparação da curva ROC do novo modelo preditor com a Curva ROC

do modelo IRIC.

Para o modelo alternativo, também, foram calculadas e verificadas as probabilidades

observadas e estimadas de ocorrência de ISC, com a finalidade de avaliar a magnitude e a

variabilidade do estimador de probabilidades.

Era esperado que as probabilidades observadas e estimadas do modelo alternativo fossem

maiores quando comparadas ao modelo IRIC. A variabilidade entre as duas probabilidades

deveria ser pequena para que os estimadores utilizados fossem considerados adequados para

estimar as probabilidades de ISC oferecidas pelo modelo.

Para o modelo alternativo, a variabilidade ocorrida entre as probabilidades observadas e as

esperadas foi plotada em gráfico para a análise dos resíduos.

Pois todo aquele que pede recebe; o que busca encontra; e a quem bate, abrir

Pois todo aquele que pede recebe; o que busca encontra; e a quem bate, abrirPois todo aquele que pede recebe; o que busca encontra; e a quem bate, abrir

Pois todo aquele que pede recebe; o que busca encontra; e a quem bate, abrir-

-se

sese

se-

lhe

lhelhe

lhe-

-á

áá

Lucas 11.10

Lucas 11.10 Lucas 11.10

Lucas 11.10

5. Resultados

5. Resultados5. Resultados

5. Resultados

Os resultados obtidos neste estudo foram apresentados sob a forma de tabelas e gráficos,

dispostos da seguinte maneira:

1) caracterização das variáveis do estudo;

2) incidência da ISC de cada hospital, categoria IRIC e por procedimentos operatórios;

3) associação entre o evento de interesse (ISC) e as variáveis independentes;

4) análise univariada;

5) análise multivariada, com apresentação do modelo alternativo de predição de risco de

infecção;

6) análise da correlação do Índice de Risco de Infecção – IRIC com a ISC pelo

Coeficiente de Correlação de Goodman-Kruskal (G);

7) probabilidade de infecção pelo Índice de Risco de Infecção – IRIC;

8) probabilidade de infecção pelo modelo alternativo.

5.1 Caracterização das variáveis que compõem o banco em estudo

As características dos pacientes submetidos a 8.236 procedimentos cirúrgicos ortopédicos,

podem ser analisadas na TABELA 3. Os pacientes caracterizam-se por serem jovens, com

média de idade de 34,6 anos, desvio padrão de 27 e mediana de 30 anos com quartis 1 e 3

iguais a 10 e 57, respectivamente. A idade mínima dos pacientes detectada no estudo foi zero,

quer dizer, os pacientes recém-nascidos foram agrupados na categoria de menores de 1 ano. A

idade máxima foi de 99 anos.

TABELA 3

Medidas de tendência central e dispersão dos 8.236 procedimentos cirúrgicos ortopédicos – Belo

Horizonte, MG – 1994 – 2002.

Variáveis Medidas de Tendência Central

Idade

Média + DP

Mediana (Q1/Q3)

Tempo internação pré-operatório

Média + DP

Mediana (Q1/Q3)

Duração cirurgia

Média + DP

Mediana (Q1/Q3)

Número de profissionais participantes da cirurgia

Média + DP

Mediana (Q1/Q3)

34,6 + 27,0

30(10/57)

3,8 + 25,6

1(0/1)

115,5 + 69,9

95(60/150)

4,6 + 1,6

5(4/6)

Nota:

DP = desvio padrão;

Q1/Q3 = quartis 1 e 3

Em relação ao tempo de internação pré-operatório a média de permanência dos pacientes,

durante o período que antecede a cirurgia, foi de 3,8 dias com desvio padrão de 25,6 e

mediana de um dia (quartis 1 e 3 iguais a 0 e 1, respectivamente). O tempo mínimo de

permanência foi de zero dia, isto é, os pacientes foram submetidos ao procedimento cirúrgico

no mesmo dia em que foram internados no hospital. O período máximo de internação pré-

operatória foi de 595 dias.

A média de duração da cirurgia foi de 115,6 minutos com desvio padrão de 69,9 e mediana de

95 minutos (quartis 1 e 3 iguais a 60 e 150). O tempo mínimo de cirurgia foi de 10 minutos e

o máximo de 660 minutos (11 horas).

A variável denominada número de profissionais atuantes durante a cirurgia foi analisada,

inicialmente, como variável contínua. A média de profissionais participantes durante a

cirurgia foi de aproximadamente 4,6 profissionais, com desvio padrão de 1,6 (4/6) e mediana

de 5 (quartis 1 e 3 iguais a 4 e 6). Do total de procedimentos cirúrgicos ortopédicos, apenas

26,6% contaram com 5 profissionais. O número mínimo de profissionais em cada cirurgia foi

1 e o máximo 16.

Na TABELA 4 observa-se a freqüência dos procedimentos cirúrgicos ortopédicos realizados

nos hospitais integrantes do estudo. Verificou-se que 14,9% dos pacientes foram submetidos a

cirurgias do grupo FUS (fusão e artrodese); 35,3% pertenceram ao grupo de cirurgias FX

(redução aberta de fratura); 41,6 % realizaram cirurgias do grupo OMS (Outras cirurgias do

sistema musculoesquelético); 1,59% fizeram cirurgia de prótese de joelho (PROS – J); 1,1%

colocaram outros tipos de próteses (PROS – O) e 5,4% foram submetidos à prótese de Quadril

(PROS – Q).

TABELA 4

Distribuição da freqüência simples das variáveis relacionadas aos pacientes submetidos a

procedimentos cirúrgicos ortopédicos – Belo Horizonte, MG – 1994-2002.

Variáveis

Freqüência

N = 8.236

Percentual

Tipo de cirurgia realizada

FUS (Fusão e Artrodese) 1.232

14.9

FX (Redução Fratura Aberta) 2.905

35.3

OMS (Outras Cirurgias do Sistema Músculo-

esquelético)

3.429

41.6

PROS - J (Prótese de Joelho) 131

1.6

PROS - O (Outros Tipos de Próteses) 91

1.1

PROS - Q (Prótese de Quadril 448

5.4

Hospital

0 2.752

33.4

1 4.000

48.6

2 563

6.8

3 921

11.2

Uso de anestesia geral

não 4.458

54.1

sim

3.778

45.8

Caráter emergencial cirurgia

não 7.098

86.2

sim

1.138

13.8

Uso de próteses

não 4.232

51.4

sim 4.004

48.6

Ocorrência de trauma no local da cirurgia

não 4.844

58.8

sim 3.392

41.2

ASA - condição clínica do paciente

ASA I

ASA II

5.021

2.378

60.9

28.8

ASA III 763

9.3

ASA IV

0.9

Continuação da TABELA 4

Potencial de contaminação da ferida cirúrgica

limpa 7.176

87.1

pot.contaminada

560

6.8

contaminada 184

2.2

infectada 316

3.8

IRIC

IRIC 0 5.263

63.9

IRIC 1 2.523

30.6

IRIC 2 431

5.2

IRIC 3

0.2

Uso de antibiótico profilático na cirurgia

não 3.602

43.7

cefazolina 4.472

54.3

clindamicina + outros 162

1.9

Nota

Nesta amostra não houve pacientes classificados como ASA V

Pot. Contaminada = Potencialmente Contaminada

A freqüência simples dos pacientes que utilizaram próteses difere da freqüência simples da variável tipo de procedimento

cirúrgico por erro conceitual do que seria considerado como ”prótese ortopédica”

O Hospital 1 foi responsável pelo maior número de cirurgias ortopédicas realizadas (48,6%)

seguido do Hospital 0 com 33,4% das cirurgias.

Quanto à utilização de anestesia, 4.458 (54,13%) dos pacientes utilizaram outros tipos de

anestesia que não a geral.

Em relação ao caráter emergencial da cirurgia, 7.098 (86,18%) delas foram realizadas

eletivamente. Apenas 1.138 (13,82%) foram realizados de emergência, quer dizer sem a

preparação adequada do paciente para a cirurgia.

Apenas 4.004 (48,62%) dos pacientes utilizaram algum tipo de prótese ortopédica. Ao ser

analisada, essa variável não estava de acordo com o conceito preconizado pelo Sistema NNIS

quanto ao uso de prótese. Foram consideradas próteses não apenas aquelas utilizadas nas

substituições das principais articulações, mas também outros implantes tais como placas,

pinos e parafusos. Com isso houve discrepância das freqüências absolutas encontradas.

A maioria dos pacientes (58,81%) submetidos a procedimentos cirúrgicos ortopédicos não

sofreu nenhum tipo de trauma.

No que se refere à condição clínica geral dos pacientes (ASA) no período pré-operatório

determinado pelo anestesista, houve um predomínio dos pacientes classificados na categoria

ASA I, perfazendo um total de 5.021 (60,96%).

Quanto ao potencial de contaminação da ferida operatória, 7.176 (87,13%) dos procedimentos

foram realizados em ferida operatória limpa; 560 (6,80%) foram classificadas como

potencialmente contaminadas; 184 (2,23%) foram contaminadas e 316 (3,84%) foram

classificadas como infectadas.

Ao analisar o Índice de Risco de Infecção Cirúrgica – IRIC, a maior parte dos pacientes foi

categorizada como IRIC 0, com um total de 5.263 (63,90%) cirurgias nessa categoria. Em

segundo lugar 2.523 pacientes categorizados como IRIC I (30,63%).

Quanto ao uso de antibioticoprofilaxia administrada nos pacientes no período trans-

operatório, 4.472 (54,30%) deles receberam o antibiótico cefazolina. Em 3.602 (43,73%)

pacientes não foi utilizado nenhum tipo de antibiótico.

5.1.1 Caracterização das variáveis por hospital

Observando-se a TABELA 4, no Hospital 0, foram realizados 2.752 (33,4%) procedimentos

cirúrgicos ortopédicos. O Hospital 1 foi responsável por 4.000 (48,6%) cirurgias; o Hospital 2

fez 563 (6,8%) e por último o hospital 3 realizou 921 (11,2%) cirurgias, somando um total de

8.236 cirurgias. As maiores representatividades, nesta variável foram determinadas pelos

hospitais 0 e 1.

Na TABELA 5 estão descritas as características das variáveis contínuas do banco de dados,

por hospital.

TABELA 5

Medidas de tendência central e dispersão dos procedimentos cirúrgicos ortopédicos por Hospital

– Belo Horizonte, MG – 1994 – 2002.

Variáveis Hospital 0

N=2.725

Hospital 1

N=4.000

Hospital 2

N=563

Hospital 3

N=921

Valor P

Idade

Média ± DP* (dias)

Mediana (Q1/Q3)**

11,4±13,6

8(1/27)

46,2±25,1

43(25/67)

45,2±22,1

45(17/75)

47,5±22,6

46(18/78)

≤0,000

Tempo internação pré-operatório

Média ± DP (dias)

Mediana (Q1/Q3)

4,4±28,5

1(1/1)

4,2±26,3

0(0/1)

.89±8,1

0(0/0)

2,1±13,2

1(0/3)

≤0,000

Duração cirurgia

Média ± DP (min)

Mediana (Q1/Q3)

77,5±42,0

60(30/120)

142,9±76,6

120(90/180)

102,9±57,1

90(45/180)

111,8±58,4

110(50/180)

≤0,000

profissionais na sala de cirurgia

Média ± DP

Mediana (Q1/Q3)

3,3±1,3

3(2/5)

5,4±1,2

5(4/7)

3,8±1,0

4(3/4)

5,0±1,7

5(3/6)

≤0,000

Nota

: *

DP = desvio padrão ;

Q1/Q3 = quartis 1 e 3

Análise de variância para as médias e teste de Schefeé para as diferenças entre hospitais; Kruskal-Wallis para medianas e teste de Dunn’s

para as diferenças entre hospitais.

Hosp. 0 ≠

;

Hosp. 0 ≠ Hosp. 2;

Hosp. 0 ≠ Hosp. 1 ≠ Hosp. 2 ≠ Hosp. 3

Hosp. 1 ≠ Hosp. 2

Para testar as diferenças entre as médias e medianas de algumas variáveis que caracterizaram

os pacientes da amostra nos diferentes hospitais, foram realizados testes de comparação de

medianas (Teste de Kruskal-Wallis) e Análise de Variância (ANOVA) para as médias. Para

localização das diferenças foram utilizados teste de Dunn’s para as medianas e teste de

Scheffé para as médias.

O Hospital 0 apresenta a menor média de idade entre os quatro hospitais. Observa-se, neste

hospital, uma população bastante jovem com média de idade aproximada de 11,4 anos, com

desvio padrão de 13,6 anos. A mediana encontrada foi de 8 anos (quartis 1 e 3 iguais a 1 e

27).

Os Hospitais 1, 2 e 3 apresentam média de idade variando em torno de 45 anos.

Provavelmente, este hospital localizado em uma determinada área da cidade seja referência

como hospital de ensino, para o atendimento ao público mais jovem e com patologias do

sistema musculoesquelético mais complexos.

Em relação ao tempo de internação pré-operatório, diferenças das médias e medianas

encontram-se no Hospital 0 em relação ao Hospital 2 e no Hospital 1 em relação ao 2. O

Hospital 1 apresentou a maior média de tempo gasto em cirurgia, com 142,9 minutos, seguido

do Hospital 0 com 111,8 minutos.

Na variável duração da cirurgia, diferenças das médias e medianas encontram-se no Hospital

0 em relação ao Hospital 1.

Quanto ao número de profissionais na cirurgia, a diferença das médias e medianas encontra-se

no Hospital 0 em relação aos outros três. Os Hospitais 1 e 3 apresentaram média de 5

profissionais durante o procedimento cirúrgico.

A TABELA 6 apresenta as características por hospital de algumas variáveis principais do

banco em estudo.

TABELA 6

Distribuição da freqüência simples das variáveis estudadas, por hospital, das variáveis

relacionadas aos pacientes submetidos a procedimentos cirúrgicos ortopédicos – Belo Horizonte,

MG – 1994-2002.

Variáveis Hospital 0

N=2.752

Hospital 1

N=4.000

Hospital 2

N=563

Hospital 3

N=921

Freq.

% Freq. % Freq. % Freq. %

Tipo procedimento cirúrgico

FUS - Fusão e Artrodese

FX - Redução Fratura Aberta

OMS-Outras Cirurgias do Sistema

Músculo esquelético

PROS-J - Prótese joelho

PROS-O-Outros Tipos de Próteses

PROS-Q - Prótese de Quadril

730 26,5

664 24,1

1.353 49,2

0 0,0

01 0,04

04 0,2

303 7,6

1.777 44,4

1.455 36,4

116 2,9

17 0,4

332 8,3

112 19,9

87 15,5

274 48,7

06 1,1

72 12,8

12 2,1

87 9,5

377 40,9

347 37,7

09 1,0

01 0,1

100 10,8

Uso de próteses

não

sim

1.506 54,7

1.246 45,3

1.820 45,5

2.180 54,5

396 70,3

167 29,7

510 55,4

411 44,6

ASA-condição clínica do paciente

ASA I

ASA II

ASA III

ASA IV

2.416 87,8

311 11,3

23 0,8

2 0,1

1.833 45,8

1.505 37,6

596 14,9

66 1,6

290 51,5

218 38,7

51 9,1

4 0,7

482 52,3

344 37,4

93 10,1

2 0,2

Potencial de contaminação cirurgia

limpa

potencialmente contaminada

contaminada

infectada

IRIC

IRIC 0

IRIC 1

IRIC 2

IRIC 3

Uso de antibioticoprofilático

não

cefazolina

clindamicina + outros

2.433 88,4

160 5,8

50 1,8

109 3,9

2.401 87,3

340 12,4

11 0,4

0 0,0

2.619 95,2

127 4,6

6 0,2

3.360 84,0

351 8,8

111 2,8

178 4,5

1.798 44,9

1.810 45,3

375 9,4

17 0,4

607 15,2

351 81,3

140 3,5

519 92,2

15 2,7

16 2,8

13 2,3

402 71,4

146 25,9

15 2,7

0 0,0

162 28,8

396 70,3

5 0,9

864 93,8

34 3,7

7 0,7

16 1,7

662 71,9

227 24,6

30 3,3

2 0,2

214 23,2

696 75,6

11 1,2

Ocorrência de trauma

não

sim

2.345 85,2

407 14,8

1.584 39,6

2.416 60,4

449 79,7

114 20,3

466 50,6

455 49,4

Uso de anestesia geral

não

sim

812 29,5

1.940 70,5

2.444 61,1

1.556 38,9

451 80,1

112 19,9

751 81,5

170 18,5

Nota: X

Inspeção:

Hosp. 0 ≠ FX e Hosp. 2 ≠ PROS-O;

Hosp. 2 ≠;

Hosp. 0 ≠ ASA 1 e 2;

Hosp. 1 ≠ Hosp. 2 ≠ Hosp. 3;

Hosp. 0 e Hosp.1 ≠ IRIC 1;

Hosp. 0 e Hosp. 1 ≠ Não ≠, Hosp 0 e Hosp 1 ≠ Cefazolina;

Hosp.

0 ≠,

Hosp. 0 ≠.

No Hospital 0, as cirurgias do grupo OMS foram realizadas em maior número, apresentando

freqüência de 49,2% seguidas das FUS com freqüência de 26,5%. No Hospital 1, as cirurgias

do grupo FX foram as mais freqüentes com 44,4%, seguidas das cirurgias do grupo OMS com

36,4%. As cirurgias do grupo OMS, no Hospital 2, foram as mais freqüentes (48,7%). No

Hospital 3, as cirurgias do grupo FX foram as mais realizadas (40,9%).

Nos quatro hospitais, em relação à condição clínica do paciente (ASA), observou-se

predomínio de pacientes classificados como ASA 1 e ASA 2. O Hospital 0 apresentou 2.416

pacientes categorizados como ASA 1.

Quanto ao potencial de contaminação da ferida cirúrgica, os maiores percentuais de

procedimentos ortopédicos, nos quatro hospitais, foram as cirurgias classificadas como

limpas.

Quanto à classificação do Índice de Risco de Infecção Cirúrgica - IRIC, os pacientes

categorizados como IRIC 0 apresentaram maior percentual nos quatro hospitais seguidos do

IRIC 1. Os Hospitais 0 e 2 não apresentaram pacientes classificados na categoria IRIC 3.

Dentre os quatro hospitais, o Hospital 0 utilizou a anestesia geral em 1.940 pacientes que

fizeram cirurgia, correspondendo a um percentual de 70,5%. O Hospital 1 apresentou o

segundo maior percentual (38,9%) realizando 1.556 cirurgias em que os pacientes receberam

anestesia geral.

O Hospital 1 realizou, em maior freqüência, cirurgias em caráter de emergência (20,9%). O

Hospital 2 teve o menor percentual (10,1%) de cirurgias consideradas de emergência.

5.2 Incidência de Sítio Cirúrgico

Nos 8.236 pacientes que se submeteram à procedimentos cirúrgicos ortopédicos foram

detectadas 116 infecções de sítio cirúrgico. A incidência global de infecção foi, portanto, de

1,41% [IC95% = 1,18 – 1,76] para o período de estudo.

São apresentadas, no GRÁFICO 1, as incidências de infecção de sítio cirúrgico dos

procedimentos ortopédicos. O grupo de cirurgias FUS apresentou a maior incidência de ISC,

com uma taxa de 1,7%. Em segundo lugar as cirurgias de prótese de Joelho, com uma taxa de

1,5%. Em terceiro lugar as cirurgias do grupo OMS com uma incidência de 1,4%.

1,1

1,4

1,5

1,7

2,2 2,2

0,5

1,5

2,5

FX FUS PROS-J OMS PROS-O PROS-Q

Incidência

GRÁFICO 1 - Incidência de ISC de acordo com os Tipos de Procedimentos

Cirúrgicos Ortopédicos - Belo Horizonte, MG - 1994-2002

FUS

PROS-J

OMS

PROS-O

PROS-Q

No GRÁFICO 2, a incidência de infecção de sítio cirúrgico é apresentada por categoria do

IRIC. Observa-se que as taxas de incidência aumentam com o aumento dos fatores de risco do

IRIC. A maior taxa de ISC foi encontrada nos pacientes categorizados como IRIC 3 (5,3%). A

menor incidência de ISC foi encontrada nos pacientes categorizados como IRIC 0 (1,1%).

GRÁFICO 2 - Incidência de ISC de acordo com as categorias do IRIC - Belo

Horizonte, MG - 1994-2002

5,3%

2,8%

1,8%

1,1%

IRIC 0 IRIC 1 IRIC 2 IRIC 3

Incidência

Linear

(Incidência)

Ao analisar as variáveis que compõem o IRIC (ASA, potencial de contaminação da cirurgia e

duração da cirurgia) em relação à incidência de ISC, verificou-se que os pacientes

classificados como Asa IV e III apresentaram as maiores taxas 4,1% e 2,4% respectivamente

(TABELA 7).

TABELA 7

Taxas de ISC em 8.236 pacientes submetidos a procedimentos cirúrgicos ortopédicos de acordo

com o Potencial de Contaminação da Ferida Cirúrgica, ASA e Duração da cirurgia, Belo

Horizonte – MG, 1994-2002

Variáveis que compõem o Índice NNIS - IRIC Número de

Cirurgias

Taxas de ISC

Potencial de contaminação da ferida cirúrgica (G

= 0,43 ASE

= 0,08)

limpa 84 1,2

pot. contaminada 13 2,3

contaminada 8 4,3

infectada

Total

116

3,5

ASA

(G = 0,25 ASE = 0,07)

I 56 1,1

II 39 1,6

III 18 2,4

Total

116

4,1

Duração da cirurgia (G = 0,10 ASE = 0,09)

0 ≥ 120 59 1,3

1 < 120

Total

116

1,6

Nota:

Coeficiente de Correlação de Goodman-kruskal Gamma – G;

desvio padrão;

ASA - American Society

of Anesthesiologists

Em relação ao potencial de contaminação da ferida cirúrgica e a ISC, observou-se que as

cirurgias classificadas como contaminadas e infectadas apresentaram as maiores incidências

4,3% e 3,5% e respectivamente (TABELA 7). Pode-se inferir pelo resultado do Coeficiente de

Correlação de Goodman-kruskal Gamma (G = 0,43) que das variáveis que compõem o IRIC,

o potencial de contaminação da ferida cirúrgica é o fator de risco mais importante.

Como explicado anteriormente, foi realizada a dicotomização da variável contínua duração da

cirurgia para analisá-la em relação à ISC. Utilizou-se a média do ponto de corte das cirurgias

(percentil 75) do NNIS, obtendo-se uma taxa de incidência de 1,3% para a categoria ≤ 120

minutos e de 1,6% para a categoria >120 minutos (TABELA 7).

Analisando a ISC por hospital, verificou-se que no Hospital 0 houve 56 casos de infecção,

correspondendo a uma incidência de infecção de sítio cirúrgico de 2,0%, sendo esta a maior

incidência entre os quatro hospitais. Em ordem decrescente, as outras incidências foram as

seguintes (TABELA 8): o Hospital 2 com 1,8% (10 casos de infecção), o Hospital 3 com

1,2% (11 casos) e o Hospital 1 com 1,0% (39 casos).

TABELA 8

Incidência de ISC segundo os hospitais envolvidos no estudo - Belo Horizonte, MG - 1994-2002.

Infecção Sítio Cirúrgico

Não Sim Total

Hospital

Freq. % Freq.

Hospital 0 2.696

97,9

2,1

2.752 1,0

Hospital 1 3.961

99,0

1,0

4.000 0,5

Hospital 2 553

98,2

1,8

563 0,9

Hospital 3 910

98,8

1,2

921 0,6

Os riscos relativos de ISC para os diferentes hospitais foram calculados tendo como referência

o Hospital 0. Uma vez que este hospital teve a maior taxa de infecção, os Riscos Relativos

foram menores que 1.

A caracterização dos pacientes que adquiriram ISC, na amostra estudada está apresentada na

TABELA 9.

TABELA 9

Caracterização dos 116 pacientes cirúrgicos ortopédicos com ISC – Belo Horizonte, MG – 1994-

2002

Variáveis ISC

N = 116

Idade (Média e DP)

Min/Max

36,3 ± 30,2

0/94

Tempo internação pré-operatório (Média e DP)

Min/Max

6,01 ± 25,2

0/260

Duração cirurgia (Média e DP)

Min/Max

122,1 ± 76,5

20/465

de profissionais em cirurgia (Média e DP)

Min/Max

até quatro

5-8

9-16

4,8 ± 2,7

(1/16)

60(51,7%)

51(44,0%)

5(4,3%)

Hospital

Procedimento cirúrgico realizado

FUS

OMS

PROS-J

PROS-O

PROS-Q

Prótese

não

sim

56(48,3%)

39(33,6%)

10(8,6%)

11(9,5%)

21(18,1%)

32(27,6%)

49(42,2%)

2(1,7%)

10(8,6%)

45(39,0%)

71(61,0%)

ASA

III

56(48,3%)

39(33,6%)

18(15,5%)

3(2,6%)

Potencial de contaminação cirurgia

limpa

pot. contaminada

contaminada

infectada

84(72,4%)

13(11,2%)

8(6,9%)

11(9,5%)

Continuação TABELA

IRIC

Uso de anestesia geral

não

sim

Caráter emergencial da cirurgia

não

sim

Trauma

não

sim

56(48,0%)

47(41,0%)

12(10,0%)

1(1,0%)

65(56,0%)

51(44,0%)

97(84,0%)

19(16,0%)

77(66,0%)

39(34,0%)

Apesar da média de idade entre os pacientes com infecção ser aproximadamente de 36 anos,

observa-se que 46 dos 116 pacientes com ISC eram crianças, cujas idades variavam entre

menores de um ano a quinze anos.

A média de internação dos pacientes com ISC no hospital foi de aproximadamente 6,1. Dos

116 pacientes com infecção 56 deles ficaram internados por um dia no hospital antes da

realização da cirurgia. Apenas um paciente, com dois anos de idade, permaneceu internado no

Hospital 0 por 260 dias.

A média de duração dos procedimentos operatórios ortopédicos foi de 122 minutos. Dos 116

pacientes com ISC, 19 foram operados em duas horas. 25 pacientes com ISC foram operados

em um tempo maior que duas horas e estavam internados no Hospital 1.

Dos 116 pacientes com ISC, 21 deles realizaram cirurgias do grupo FUS, sendo que destes, 19

no Hospital 0; dos 32 pacientes que realizaram redução de fratura aberta, 17 o fizeram no

Hospital 1; dos 49 pacientes que realizaram cirurgias do grupo OMS, 31 deles o fizeram no

hospital 0 e 12 no Hospital 1. Nenhum paciente realizou algum tipo de colocação de prótese

ortopédica no Hospital 0.

Fizeram uso de algum tipo de prótese ortopédica 71 dos 116 pacientes com ISC. Destes 32

eram pacientes do Hospital 0, 29 do Hospital 1, 5 do Hospital 2 e 5 do Hospital 3.

Dos 116 pacientes com ISC, 82% foram classificados como sendo ASA I ou II. Apenas 21

(16%) foram classificados como ASA III ou IV. Dos 21 pacientes com piores condições

clínicas (ASA III ou IV), 14 foram operados no hospital 1, 4 deles no Hospital 2 e 3 no

Hospital 3.

Dos 116 pacientes com ISC, 84 (72,4%) a cirurgia foi classificada como limpa; 13 (11,2%)

como potencialmente contaminadas; 8 (6,9%) como contaminadas e; 11 (9,5%) como cirurgia

infectada. Dos 84 pacientes cujas cirurgias foram classificadas como limpas, 42 eram do

Hospital 0, 26 do Hospital 1, 7 do Hospital 2 e 8 do Hospital 3.

Dos 56 pacientes com ISC categorizados como IRIC 0, 44 eram pacientes operados no

Hospital 0. Dos 47 pacientes com ISC categorizados como IRIC 1, 20 eram pacientes

operados no Hospital 1 e 12 no Hospital 0. Dos 12 pacientes com ISC categorizados como

IRIC 2, 10 foram operados no Hospital 1 e 2 no Hospital 2. Nesta amostra, apenas 1 paciente

com ISC foi categorizado como IRIC 3 e foi operado no Hospital 1. Nos Hospitais 0, 2 e 3

não havia pacientes com ISC e categorizados como IRIC 3.

Dos 116 pacientes com ISC, 64 (55,2%) não fizeram uso de antibioticoprofilático em cirurgia;

51 ( 43,9%) dos infectados usaram o antibiótico cefazolina e; apenas 1 (0,86%) usou

clindamicina.

Dos 116 pacientes com ISC, 19 fizeram cirurgia de emergência. Destes, 9 eram do Hospital 1.

Sofreram algum tipo de trauma antes da cirurgia 39 dos 116 pacientes com ISC. Dos 39, 21

fizeram cirurgia no Hospital 1.

Dentre os 116 com ISC, 38 pacientes receberam anestesia geral, no Hospital 0.

5.3 Associação das variáveis independentes com a ISC - Análise Univariada

Na TABELA 10 observa-se as médias e medianas das variáveis contínuas em relação à ISC.

A média de internação dos pacientes sem ISC no hospital antes da cirurgia foi de 3,79 dias

com desvio de 25,6 e a média de internação entre os pacientes com ISC foi de 6,06 dias com

desvio de 25,2. Existem diferenças estatísticas entre as médias (Teste t) e entre as medianas

(Mann-Whitney).

A variável contínua duração da cirurgia foi avaliada, entre os pacientes com e sem ISC, em

relação à média (TABELA 10). Entre os pacientes sem infecção, a média de duração das

cirurgias foi de 115,5 minutos com desvio de 69,8. A média entre os pacientes com ISC foi de

122,1 minutos com desvio de 76,5. Existem diferenças estatísticas entre as médias dos dois

grupos (Teste t), mas não existem diferenças estatísticas entre as medianas (Mann-Whitney).

TABELA 10

Medidas de tendência central e de dispersão das variáveis contínuas de acordo com a ISC – Belo

Horizonte, MG – 1994 – 2002.

Variáveis Infecção de Sítio Cirúrgico

Não Infecção Infecção Valor p

N=8.120 N = 116

Idade

Média±DP

Mediana (Q1/Q3)

34,6±26,9

30 (10/57)

36,3±30,2

28,5 (9/66,5)

p = 0,56

p = 0,77

Tempo internação pré-operatório

Média±DP

Mediana (Q1/Q3)

3,8±25,6

1 (0/1)

6,1±25,2

1(1/4)

p ≤ 0,00

Duração cirurgia

Média±DP

Mediana (Q1/Q3)

115,5±69,8

95 (60/150)

122,1±76,5

110 (60/162,5)

p ≤ 0,00

p = 0,35

profissionais na sala cirurgia

Média±DP

Mediana (Q1/Q3)

4,6±1,6

5 (4/6)

4,8±2,7

4 (3/6)

p ≤ 0,00

p = 0,43

Nota:

DP = desvio padrão

Q1/Q3 = quartis 1 e 3

Ao avaliar a variável contínua número de profissionais na sala de cirurgia, observou-se que,

entre os pacientes sem infecção, a média de profissionais na cirurgia foi de 4,6 com desvio de

1,6. A média entre os pacientes com ISC foi de 4,8 com desvio de 2,7 (TABELA 10). Existem

diferenças estatísticas entre as médias dos dois grupos (Teste t), mas não existem diferenças

estatísticas entre as medianas (Mann-Whitney).

Dessas quatro variáveis apenas o número de profissionais na sala de cirurgia se mostrou

estatisticamente associada à ISC.

A TABELA 11 é um resumo da análise univariada, realizada para avaliação das variáveis do

banco em relação à ISC. A partir da análise univariada, as variáveis estatisticamente

significativas (p ≤ 0,20) foram selecionadas para a análise multivariada.

TABELA 11

Análise univariada da infecção de sítio cirúrgico com as variáveis independentes – Belo

Horizonte, MG – 1994-2002.

Variáveis ISC Variáveis

“Dummy”

OR [IC95%] P Gamma

Não

N= 8.120

Sim

N = 116

Freq. % Freq. %

Hospitais (0,1,2,3)

2.696

3.961

553

910

33,2

48,8

6,8

11,2

48,3

33,6

8,6

9,5

Referência

hospital_1

hospital_2

hospital_3

1,0

0,5 [0,3-0,7]

0,8 [0,4-1,7]

0,6 [0,3-1,1]

0,00

0,70

0,10

Tipo procedimento cirúrgico

FUS

OMS

PROS-J

PROS-O

PROS-Q

1.211

2.873

3.380

129

438

14,9

35,4

41,6

1,6

1,1

5,4

18,1

27,6

42,2

1,7

8,6

Referência

tipoproc_2

tipoproc_3

tipoproc_4

tipoproc_5

tipoproc_6

1,0

0,6 [0,4-1,1]

0,8 [0,5-1,4]

0,9 [0,2-3,9]

1,3 [0,3-5,6]

1,3 [0,6-2,8]

0,12

0,50

0,88

0,73

0,48

0,06

0,47

Uso de prótese

não

sim

4.187

3.933

51,6

48,4

38,8

61,2

Referência

prótese_1

1,0

1,7 [1,2-2,4]

0,01

0,25

0,01

ASA

ASAI

ASAII

ASAIII

ASAIV

4.965

2.339

745

61,2

28,8

9,2

0,8

48,3

33,6

15,5

2,6

Referência

asa_2

asa_3

asa_4

1,0

1,5 [0,9-2,2]

2,2 [1,3-3,7]

3,7 [1,2-12,3]

0,10

0,00

0,25

0,00

Potencial de contaminação da

cirurgia

limpa

pot. contaminada

contaminada

infectada

7.092

547

176

305

87,3

6,7

2,2

3,7

72,4

11,2

6,9

9,5

Referência

potcont_1

potcont_2

potcont_3

1,0

2,0[1,1-3,6]

3,8[1,8-8,0]

3,0[1,6-5,8]

0,02

0,00

0,43

0,00

IRIC

IRIC 0

IRIC 1

IRIC 2

5.207

2.476

419

64,1

30,5

5,2

48,3

40,5

10,3

Referência

iric_1

iric_2

1,0 --

1,7 [1,2-2,6]

0,00

2,7[1,4-5,0]

0,00

Continuação da TABELA 11

IRIC 3 18 0,2 1 0,8 iric_3 5,7 [0,7-39,4] 0,11 0,31

0,00

de profisionais na cirurgia

até 4

5-8

9-16

3.739

4.316

46,1

53,2

0,8

51,7

43,9

4,3

Referência

nprofi_1

nprofi_2

1,0

0,7[0,5-1,1]

4,8[1,8-12.3]

0,11

0,00

-0,07

0,45

Uso antibioticoprofilático

não

cefazolina

clindamicina + outros

3.53

4.421

161

43,6

54,5

1,9

55,2

43,9

0,8

Referência

antbprofi_1

antbprofi_2

1,0

0,6 [0,4-0,9]

0,3 [0,1-2,5]

0,02

0,30

-0,23

0,01

Ocorrência de trauma

não

sim

4.767

3.353

58,7

41,3

66,4

33,6

Referência

trauma_1

1,0

0,7 [0,5-1,1]

0,09

-0,16

0,09

Caráter emergencial da cirurgia

não

sim

7.001

1.119

86,2

13,8

83,6

16,4

Referência

emergência_1

1,0

1,2 [0,7-2,0]

0,42

0,10

0,42

Uso anestesia geral

não

sim

4.393

3.727

54,1

45,9

56,0

44,0

Referência

tipanes_1

1,0

0,9 [0,6-1,3]

0,68

-0,04

0,68

Idade (anos) variável contínua

0,52 -- --

Tempo internação pré-operatório (dias) variável contínua

0,36 -- --

Duração cirurgia (min)

≤ 120

> 120

4.555

3.565

56,1

43,9

51,0

49,0

Referência

duraçãocir_1

1,0

1,2[0,8-1,8]

0,26

0,11

0,26

Nota:

A variável Duração Cirurgia foi dicotomizada para avaliação da OR e valor p;

Coeficiente de correlação Gamma de

Goodman Kruskall (G).

Tomando como referência o Hospital 0, cuja taxa de incidência (2,1%) foi maior em relação

aos outros três, obteve-se uma associação estatisticamente significativa do Hospital 1 com a

ocorrência de infecção de sítio cirúrgico. O Hospital 1 (com 4.000 procedimentos

ortopédicos) apresentou OR = 0,5; IC95% = [0,3-0,7] e p ≤ 0,00.

A variável denominada tipo de procedimento cirúrgico realizado não se mostrou associada

estatisticamente a ISC em nenhuma das suas categorias.

A utilização de prótese ortopédica em cirurgia mostrou-se associada à ocorrência de infecção

de sítio cirúrgico, apresentando OR = 1,7; IC 95% = [1,2-2,4] e p ≤ 0,00.

Observou-se uma associação significativa de duas categorias da variável ASA com a

ocorrência de infecção de sítio cirúrgico. À medida que a gravidade da condição clínica do

paciente aumenta, pôde-se notar uma tendência do aumento da OR. Apesar disso, não houve

associação estatística significativa em relação à ISC na categoria ASA II (OR = 1,5; IC95% =

[0,9-2,2] e p = 0,10).

Em relação ao potencial de contaminação verificou-se que esta variável está associada à

ocorrência de infecção de sítio cirúrgico em todas as categorias (p = 0,00). Quando as demais

categorias foram comparadas à classificação da ferida operatória limpa, utilizada como

categoria de referência, observou-se que as cirurgias potencialmente contaminadas

apresentaram OR = 2,0; IC 95% = [1,1-3,6] e p ≤ 0,00. As cirurgias contaminadas

apresentaram OR = 3,8; IC 95% = [1,8-8,0] e p ≤ 0,00.

Contraditoriamente ao gradiente da OR que era esperado, as cirurgias infectadas apresentaram

OR = 3,0; IC 95% = [1,6-5,8] e p ≤ 0,00. Portanto, as cirurgias infectadas apresentaram uma

chance de desenvolvimento de infecção menor do que as cirurgias contaminadas.

Provavelmente, este fato se deve ao menor número de pacientes nesta categoria e

possivelmente ao tratamento da infecção instituído ao paciente. A falência terapêutica, com os

avanços das técnicas nessa área vem diminuindo, determinando assim, esse comportamento

epidemiológico.

Na distribuição da variável IRIC, o escore 0 (pacientes sem nenhum fator de risco) foi

considerado referência para a análise univariada. A partir de então se observa uma tendência

de aumento da OR à medida que o número de fatores de risco em cada escore aumenta.

Apesar disso, pacientes classificados como IRIC 3 (presença dos três fatores de risco) tiveram

OR = 5,2; IC 95% = [0,7-39,4] e p = 0,11. Entretanto, não apresentaram significância

estatística em relação a ISC. Somente um paciente infectado foi classificado como IRIC 3.

Em uma análise global, ao avaliar a eficiência do Índice de Risco NNIS nos 8.236 pacientes

submetidos a procedimentos cirúrgicos ortopédicos verificou-se que, o IRIC conseguiu

estratificar moderadamente os pacientes cirúrgicos em suas quatro categorias.

Maiores percentuais de pacientes foram encontrados nos estratos do IRIC 0 ou 1.

Categorizados como IRIC 0 foram 5.263 pacientes (63,1%) e como IRIC 1 foram

estratificados 2.523 pacientes (30,6%). Observou-se que houve 431 pacientes na categoria

IRIC 2 (5,2%) e 19 pacientes como IRIC 3 (0,2%).

Quando realizada a análise do IRIC em relação aos procedimentos ortopédicos específicos

(FUS, FX, OMS, PROS – J, PROS – O e PROS – Q), observou-se que o índice NNIS não foi

eficiente para estratificar, nas quatro categorias, os pacientes que realizaram essas seis

cirurgias específicas. Possivelmente, este fato se deve à característica da amostra estudada ou

talvez à deficiência do IRIC enquanto preditor de ISC. O índice NNIS estratificou

moderadamente os pacientes em apenas dois estratos (IRIC 0 e IRIC 1). Não havia pacientes

classificados como IRIC 3 nos procedimentos FUS, PROS – J, PROS – O e PROS – Q.

Classificados como IRIC 2 foram menos que 8%.

A variável número de profissionais participantes da cirurgia mostrou-se associada à

ocorrência de ISC. Quando o número de participantes esteve entre 5 e 8, a categoria obteve

OR=0,6; IC 95% = [0,4 – 0,9] e p ≤ 0,00 indicando que a presença de até 8 profissionais na

cirurgia, funcionou como um fator de proteção. Não houve significância estatística entre a

ISC e um número maior de profissionais na sala de operação.

A utilização do antibiótico cefazolina em cirurgia mostrou-se associado estatisticamente à ISC

como fator de proteção, apresentando OR = 0,6; IC95% = [0,4-0,9] e p ≤ 0,00.

A ocorrência de trauma não mostrou uma associação significativa com a ocorrência de ISC

(OR = 0,7, IC95% = [0,5-1,1] e p = 0,09).

Observou-se que as variáveis uso de anestesia geral, ocorrência de trauma, caráter

emergencial da cirurgia, idade, tempo de internação pré-operatória e a duração da cirurgia não

se mostraram estatisticamente significativas em relação à ocorrência de ISC, apesar de

relevantes segundo a literatura.

Considerando-se a idade e a ocorrência de ISC, observou-se que a média de idade entre os

pacientes que apresentaram ISC foi de 36,3 anos com desvio padrão de 30,2. A média de

idade dos pacientes que não adquiriram ISC foi de 34,6 anos com desvio padrão de 26,9

(TABELA 11). Não existem diferenças estatísticas entre as médias (Teste t) e entre as

medianas (Mann-Whitney).

Com o objetivo de confirmar a associação de cada variável ou fator de risco em

relação à ocorrência de ISC, também se utilizou o Coeficiente Gamma de

Goodman-Kruskal (G). Porém, ele foi usado apenas nas variáveis categóricas.

O Coeficiente Gamma confirmou a associação das variáveis tipo de

procedimento cirúrgico, prótese, ASA, potencial de contaminação da cirurgia,

IRIC e uso de antibiótico profilático com a ocorrência de ISC. O maior

coeficiente apresentado foi relativo à variável potencial de contaminação da

cirurgia G = 0,431 e p ≤ 0,00, mostrando que esse “velho índice” possui

importância como preditor de ISC.

Quanto ao número de profissionais na cirurgia, o Gamma não mostrou

associação com a ISC (G = - 0,071 e p = 0,45).

Após a realização da análise univariada foram elegíveis para a análise multivariada, sete

variáveis: ASA, uso de prótese, potencial de contaminação da ferida cirúrgica, IRIC, uso de

antibioticoprofilático, hospital e número de profissionais participantes da cirurgia.

Vale ressaltar que outras sete variáveis não foram elegíveis na análise univariada (p > 0,20)

para comporem a análise logística, mas possuem importância já comprovada na literatura

médica (CANO & ARMAZÃNAS, 1988; CRUSE & FOORD, 1980; NATIONAL

RESEARCH COUNCIL, 1964; ERCOLE, 2000). Foram elas: tipo de procedimento,

ocorrência de trauma, caráter emergencial da cirurgia, uso de anestesia geral, idade, tempo de

internação pré-operatório e duração da cirurgia.

As seguintes variáveis foram selecionadas pela análise univariada:

☞ ASA

☞ Uso de prótese

☞ Potencial contaminação da ferida cirúrgica

☞ IRIC

☞ Uso de antibioticoprofilático

☞ Hospital

☞ Número de profissionais participantes da cirurgia

Variáveis consideradas importantes na literatura ortopédica:

Tipo de procedimento ☜

Ocorrência de trauma ☜

Caráter emergencial da cirurgia

☜

Uso de anestesia geral ☜

Idade ☜

Tempo internação pré-

operatório ☜

Duração da cirurgia ☜

Proposição de modelos de Predição de

Proposição de modelos de Predição de Proposição de modelos de Predição de

Proposição de modelos de Predição de

ISC

ISCISC

ISC

5.4 Análise de regressão logística multivariada e o desenvolvimento de

modelos “alternativos” de predição de risco de infecção

Baseando-se nos resultados da análise univariada foram selecionadas 14 variáveis de acordo

com a significância estatística escolhida (p ≤ 0,20) e a importância na literatura, para serem

utilizadas na análise de regressão logística multivariada a fim de possibilitar a construção de

modelos “alternativos” ao modelo proposto pelo Sistema NNIS – IRIC (TABELA 12).

A partir dessas variáveis selecionadas especificaram-se quatro dos seis modelos de predição

de risco de ISC apresentados no estudo.

Modelo 0: constituído pelo Índice de Risco de Infecção – IRIC do Sistema NNIS/CDC para

avaliá-lo, enquanto preditor de risco de infecção em pacientes submetidos a procedimentos

cirúrgicos ortopédicos (TABELA 12). O Modelo IRIC serviu de modelo-padrão para

comparação com os outros modelos propostos (ANEXO 8).

TABELA 12

Estimativas da Regressão logística para avaliação do Índice de Risco de Infecção – IRIC

do Sistema NNIS/CDC, Belo Horizonte, MG – 1994-2002.

Variável Coeficiente OR Valor P IC 95%

Constante

- 4.53

IRIC

iric_1 0.568 1,76 0,004 1,2 – 2,6

iric_2 0,979 2,66 0,002 1,4 – 5,0

iric_3 1,642 5,16 0,113 0,7 – 39,4

A seguir, este modelo foi representado na Curva ROC para uma melhor visualização dos

resultados (GRÁFICO 3).

0.00 0.25 0.50 0.75 1.00

Sensitivity

0.00 0.25 0.50 0.75 1.00

1 - Specificity

Area under ROC curve = 0.5855

GRÁFICO 3 – CURVA ROC – Modelo 0 - IRIC

A curva ROC tem sido utilizada na comparação de modelos de regressão logística

(CHILDREN’S MERCY, 2006). No presente contexto, em que o evento estudado é a

ocorrência de ISC, a probabilidade estimada pelo modelo, p

, é utilizada como ponto de corte

para a definição de cada ponto da curva ROC, ou seja, de cada par (sensibilidade e 1 –

especificidade).

A área sob a curva representa a distinção de todos os pares possíveis de indivíduos que

apresentam ISC daqueles que não apresentam a ISC. É uma medida da probabilidade de um

paciente com ISC apresentar um p

(probabilidade estimada) maior do que o de um paciente

sem ISC, sendo ambos escolhidos aleatoriamente (CHILDREN’S MERCY, 2006).

Essa interpretação permite utilizar a área sob a curva ROC como parâmetro de avaliação da

eficácia do modelo proposto, enquanto preditor de ISC. Quanto maior a área, maior a

capacidade de predição de infecção do modelo correspondente. Daí a utilidade da área sob a

curva ROC.

Em termos geométricos, as curvas ROC são, em geral, côncavas. Elas se iniciam no canto

superior direito (quando p

= 0) e terminam no canto inferior esquerdo (para algum p

entre 0

e 1) ficando acima da diagonal. Portanto, a área abaixo da curva ROC tem valor igual ou

maior que 0,5 e aumentam quando os valores intermediários da curva se aproximam do canto

superior esquerdo (CHILDREN’S MERCY, 2006).

O Modelo 0 – IRIC apresentou um valor de 0,58 para a área sob a curva correspondente,

indicando uma baixa acurácia ou baixo poder de predição dos pacientes infectados.

O modelo proposto foi analisado pelo Coeficiente de Correlação de Goodman-Kruskal –

Gamma. O resultado encontrado (Gamma = 0,31) foi considerado muito baixo, corroborando

com o resultado achado pela área sob a curva ROC.

Modelo 0 – IRIC

Área Gamma Intervalo de Confiança (95%) p (Gamma) Chi2 df

0,58 0.31 [0,154 - 0,455] 0.000 16.2 3

Modelo 1: constituído pelas variáveis que compõem o Índice de Risco de Infecção – IRIC do

Sistema NNIS/CDC (ASA, Potencial de Contaminação da Ferida Cirúrgica e Duração

Cirurgia) para avaliá-lo enquanto preditor de risco de infecção em pacientes submetidos a

procedimentos cirúrgicos ortopédicos (TABELA 13).

O Modelo IRIC serviu de padrão para

comparação em relação aos outros modelos alternativos (ANEXO 8).

TABELA 13

Estimativas da Regressão logística para avaliação das variáveis que compõem o Índice

de Risco de Infecção IRIC do Sistema NNIS/CDC, Belo Horizonte, MG – 1994-2002.

Variável Coeficiente OR Valor P IC 95%

Constante

- 4.69

ASA

asa_2 0.318 1,37 0,14 0,9 – 2,1

asa_3 0,661 1,94 0,02 1,1 – 3,4

asa_4

0,968 2,63 0,12 0,8 – 9,0

Pot. Contaminação da Ferida

Cirúrgica

potencial contaminação_1 0.706 2,03 0,02 1,1 – 3,6

potencial contaminação_2 1.224 3,39 0,00 1,6 – 7,2

potencial contaminação_3

1.089 2,97 0,00 1,5 – 5,6

Duração da Cirurgia (min)

tempo_1

0.152

1,16

0,44

0,8 - 1,7

Observou-se que a variável Duração da Cirurgia, uma das três variáveis que compõem o

IRIC, não se mostrou associada à ocorrência de ISC.

A seguir, este modelo foi representado na Curva ROC para uma melhor visualização dos

resultados (GRÁFICO 4).

0.00 0.25 0.50 0.75 1.00

Sensitivity

0.00 0.25 0.50 0.75 1.00

1 - Specificity

Area under ROC curve = 0.6295

GRÁFICO 4 – CURVA ROC – Modelo 1 – (ASA, Potencial de Contami-

nação da Ferida Cirúrgica e Duração Cirurgia)

Analisando a área sob a curva do Modelo 1, observa-se que ela está muito afastada do canto

superior esquerdo. Seu valor de 0,63 indica baixa acurácia ou baixo poder de predição do

modelo em relação aos pacientes com ISC.

Modelo 2: constituído pelas variáveis com p ≤ 0,20 obtidas na análise univariada. Além delas,

fizeram parte desse modelo as variáveis consideradas importantes na literatura. Constou do

Modelo 2 as seguintes variáveis: ASA, Trauma, Prótese, Tipo de Procedimento, Potencial de

Contaminação da Ferida Cirúrgica, Uso de Antibioticoprofilático, Número de Profissionais

Participantes da Cirurgia, Hospital, Idade, Tempo Pré-operatório, Duração da cirurgia,

Uso de Anestesia Geral e Caráter Emergencial da cirurgia.

Foram testadas todas as interações possíveis dentre as variáveis que compuseram o modelo.

Para a obtenção do Modelo Final 2 optou-se por retirar as interações significativas

estatisticamente como (ASA*Hospital, Pot.Contaminação*Prótese e Hospital*Número de

Profissionais) devido à colinearidade entre cada interação e com as demais variáveis do

banco.

Retirando do modelo cheio as variáveis (Trauma, Caráter Emergencial da cirurgia,

Tempo Pré-operatório, Tipo de Procedimento, Idade e Uso de Antibióticoprofilático)

uma a uma na ordem apresentada, de acordo com o valor de p < 0,05, o Modelo 2 ficou com

as seguintes variáveis: ASA, Prótese, Potencial de Contaminação da Ferida Cirúrgica,

Hospital, Número de Profissionais Participantes da Cirurgia, Uso de Anestesia Geral e

Duração da Cirurgia (ANEXO 8). A TABELA 14 apresenta as estimativas da regressão

logística para este modelo.

TABELA 14

Estimativas da Regressão logística para definição do Modelo 2, Belo Horizonte, MG – 1994-

2002.

Variável Coeficiente OR Valor P IC 95%

Constante

- 4.406

Prótese

0.628 1,87 0,003 1,3 –2,9

ASA

asa_2 0.633 1,88 0,01 1,2 – 3,1

asa_3 1,111 3,03 0,00 1,7 – 5,8

asa_4

1.576 4,83 0,02 1,4 – 17,3

0.065 1,06 0,78 0,7 – 1,7

Profissionais na cirurgia

número profissionais_1

número profissionais_2

1.667 5,29 0,00 1,7 – 14,5

Hospital

hospital_1

-1.758

0,17

0,00

0,1 – 0,3

hospital_2 -0.655 0,52 0,09 0,3 – 1,1

hospital_3 -1.363 0,26 0,00 0,1 – 0,6

Pot. Contaminação da ferida

cirúrgica

potencial contaminação_1 0.904 2,47 0,00 1,3 – 4,4

potencial contaminação_2 1.564 4,78 0,00 2,2 – 10,6

potencial contaminação_3

1.347 3,85 0,00 1,9 – 7,4

Uso de Anestesia Geral

(sim)

-0.383

0,68

0,06

0,5- 1,0

Duração da Cirurgia

tempo_1

0.503

1,65

0,03

1,1 – 2,6

A seguir, este modelo foi representado na Curva ROC para uma melhor visualização dos

resultados (GRÁFICO 5).

0.00 0.25 0.50 0.75 1.00

Sensitivity

0.00 0.25 0.50 0.75 1.00

1 - Specificity

Area under ROC curve = 0.7486

GRÁFICO 5 – CURVA ROC - Modelo 2

100

Analisando a área sob a curva do Modelo 2, observa-se que ela está mais próxima do canto

superior esquerdo do gráfico, quando comparado aos modelos 0 e 1.

O modelo 2 apresentou uma área de 0,75 sob a curva, revelando uma boa acurácia ou um bom

poder de predição do teste em relação à detecção dos pacientes com ISC para p

próximo de

1,5%. O valor p

= 0,015 pode ser considerado o melhor ponto de corte do modelo 2, pois, a

partir desse valor as sensibilidades e especificidades são 0 e 1, respectivamente (GRÁFICO 6)

e os pontos da curva ROC recaem sempre no canto inferior esquerdo (GRÁFICO 5).

0.00 0.25 0.50 0.75 1.00

Sensitivity/Specificity

0.00 0.25 0.50 0.75 1.00

Probability cutoff

Sensitivity Specificity

GRÁFICO 6 – Pontos de corte para cada Probabilidade do Modelo 2 (Pró-

tese, ASA, Número de Profissionais na Cirurgia, Hospital, Potencial de Con-

taminação, Uso de Anestesia Geral e Duração da Cirurgia)

Esse baixo valor limita a utilização do p

como parâmetro de diagnóstico de ISC. Este fato é

uma conseqüência dos baixos índices de ISC verificados no estudo.

Modelo 3:

foram incluídas as variáveis com p ≤ 0,20 na análise univariada. Constou do

Modelo 3 as seguintes variáveis: ASA, Trauma, Prótese, Tipo de Procedimento, Potencial de

101

Contaminação da Ferida Cirúrgica, Uso de Antibióticoprofilático, Número de Profissionais

Participantes da Cirurgia e Hospital.

Foram testadas todas as interações possíveis entre as variáveis que compunham o modelo.

Para a obtenção do Modelo Final 3 optou-se por retirar as interações (ASA*Hospital,

Pot.Contaminação*Prótese e Hospital*Número de Profissionais) devido à colinearidade entre

cada interação e as demais variáveis do banco.

Retirando do modelo cheio as variáveis (Trauma, Uso de Antibioticoprofilático e Tipo de

Procedimento) uma a uma na ordem apresentada, de acordo com o valor de p < 0,05, o

Modelo Final 3 ficou com as seguintes variáveis: ASA, Prótese, Potencial de Contaminação

da Ferida Cirúrgica, Hospital e Número de Profissionais Participantes da Cirurgia

(ANEXO 8).

A TABELA 15 apresenta as estimativas da regressão logística para este modelo.

TABELA 15

Estimativas da Regressão logística para definição do Modelo 3, Belo Horizonte, MG –

1994-2002.

Variável Coeficiente OR Valor P IC 95%

Constante

- 4.612

Prótese 0.728 2,1 0,00 1,4 –3,1

ASA

asa_2 0.685 2,0 0,00 1,3 – 3,1

asa_3 1,144 3,1 0,00 1,7 – 5,8

1,557 4,7 0,02 1,3 – 16,7

0,083

1,1

0,73

0,7 – 1,7

1,773 5,9 0,00 2,1 – 16,5

asa_4

Profissionais na cirurgia

número profissionais_1

número profissionais_2

Hospital

102

hospital_1 -1.429 0,2 0,00 0,1 – 0,4

hospital_2 -0.356 0,7 0,33 0,3 – 1,4

hospital_3 -1.005 0,4 0,01 0,2 – 0,7

Pot. Contaminação da ferida

cirúrgica

potencial contaminação_1 0.846 2,3 0,01 1,3 – 4,3

potencial contaminação_2 1.489 4,3 0,00 2,0 – 9,8

potencial contaminação_3 1.273 3,6 0,00 1,8 – 7,0

A seguir, este modelo foi representado na Curva ROC para uma melhor visualização dos

resultados (GRÁFICO 7).

0.00 0.25 0.50 0.75 1.00

Sensitivity

0.00 0.25 0.50 0.75 1.00

1 - Specificity

Area under ROC curve = 0.7339

GRÁFICO 7 – CURVA ROC – Modelo 3

Analisando a área sob a curva do Modelo 3, observa-se que ela apresenta alguns pontos de

corte próximos do canto superior esquerdo do gráfico. Esse modelo possui uma área de 0,73

sob a curva representando, também, um bom poder de predição do teste em relação à ISC,

mas inferior ao apresentado pela Curva ROC do Modelo 2.

Modelo 4: foram incluídas as variáveis com um p ≤ 0,20 obtidas na análise univariada. Além

delas, foi incluída a variável IRIC (excluídas as variáveis que o compõem – ASA, Potencial

de Contaminação da Ferida Cirúrgica e Duração da Cirurgia). Constou do Modelo 4 as

103

seguintes variáveis: Trauma, Prótese, Tipo de Procedimento, Uso de Antibióticoprofilático,

Número de Profissionais Participantes da Cirurgia, Hospital, IRIC.

Foram testadas todas as interações possíveis dentre as variáveis que compuseram o modelo.

Para a obtenção do Modelo 4 optou-se por retirar as interações significativas estatisticamente

como (IRIC*Hospital, IRIC*Prótese e Hospital*Número de Profissionais) devido à

colinearidade entre cada interação e entre as demais variáveis do banco.

Retirando do modelo cheio as variáveis (Trauma, Tipo de Procedimento e Uso de

Antibióticoprofilático) uma a uma na ordem apresentada, de acordo com o valor de p < 0,05,

o Modelo Final 4 ficou com as seguintes variáveis: Prótese, IRIC, Hospital e Número de

Profissionais Participantes da Cirurgia (ANEXO 8).

A TABELA 16 apresenta as estimativas da regressão logística para este modelo.

TABELA 16

Estimativas da Regressão logística para definição do Modelo 4, Belo Horizonte, MG -

1994-2002.

Variável Coeficiente OR Valor P IC 95%

Constante

- 4.350

Prótese 0.503 1,6 0,01 1,1 –2,4

IRIC

iric_1 1,013 2,7 0,00 1,8 – 4,3

iric_2 1,634 5,1 0,00 2,5 – 10,4

iric_3

2,428 11,3 0,02 1,4 – 90,6

0,074

1,1

0,76

0,7 – 1,7

Profissionais na cirurgia

número profissionais_1

número profissionais_2

1,701 5,5 0,00 2,0 – 15,3

Hospital

hospital_1 -1.522 0,2 0,00 0,1 – 0,4

hospital_2 -0.331 0,7 0,35 0,4 – 1,4

hospital_3 -0,977 0,4 0,01 0,2 – 0,8

104

A seguir, este modelo foi representado na Curva ROC para uma melhor visualização dos

resultados (GRÁFICO 8).

0.00 0.25 0.50 0.75 1.00

Sensitivity

0.00 0.25 0.50 0.75 1.00

1 - Specificity

Area under ROC curve = 0.7065

GRÁFICO 8 – CURVA ROC – Modelo 4

Analisando a área sob a curva do Modelo 4, observa-se que ela apresenta uma curva com

pontos distribuídos de maneira não homogênea e apenas alguns pontos de corte estão

próximos do canto superior esquerdo do gráfico. Este modelo possui uma área de 0,71 sob a

curva. Este valor está próximo do limite entre um teste com bom poder de predição em

relação à ISC e um teste considerado não adequado para a predição de ISC.

Modelo 5: foram incluídas neste modelo as variáveis que tiveram um p ≤ 0,20 na análise

univariada. Foram também incluídas a variável IRIC (excluídas as variáveis que o compõe –

ASA, Potencial de Contaminação da Ferida Cirúrgica e Duração da Cirurgia) e as variáveis

importantes na literatura.

Constou do Modelo Cheio 5 as seguintes variáveis:

Trauma, Prótese, Tipo de Procedimento,

IRIC, Uso de Antibióticoprofilático, Hospital, Número de Profissionais Participantes da

105

Cirurgia, Caráter Emergencial da Cirugia, Uso de Anestesia Geral, Idade e Tempo pré-

operatório.

Foram testadas todas as interações possíveis dentre as variáveis que compuseram o modelo.

Para a obtenção do Modelo Final 5 optou-se por retirar as interações significativas

estatisticamente como (IRIC*Hospital, IRIC*Prótese e Hospital*Número de Profissionais)

devido à colinearidade entre cada interação e entre as demais variáveis do banco.

Retirando do modelo cheio as variáveis (Trauma, Tempo pré-operatório, Tipo de

Procedimento, Caráter Emergencial da Cirurgia, Uso de Anestesia Geral e Uso de

Antibióticoprofilático) uma a uma na ordem apresentada, de acordo com o valor de p < 0,05,

o Modelo Final 5 ficou com as seguintes variáveis: Prótese, IRIC, Hospital, Número de

Profissionais Participantes da Cirurgia e Idade (ANEXO 8).

A TABELA 17 apresenta as estimativas da regressão logística para este modelo.

TABELA 17

Estimativas da Regressão logística para definição do Modelo 5, Belo Horizonte,MG – 1994-2002.

Variável Coeficiente OR Valor P IC 95%

Constante

- 4.425

Prótese 0.45 1,6 0,03 1,1 –2,3

IRIC

iric_1 0,94 2,6 0,00 1,6 – 4,0

iric_2 1,46 4,3 0,00 2,1 – 8,9

iric_3 2,33 10,2 0,03 1,3 – 81,4

0,05 1,1 0,82 0,6 – 1,7

Profissionais na cirurgia

número profissionais_1

número profissionais_2

1,70 5,4 0,00 1,9 – 14,9

Hospital

hospital_1 -1.82 0,2 0,00 0,1 – 0,3

-0.67 0,5 0,09 0,2 – 0,6

-1,34 0,3 0,01 0,1 – 0,6

hospital_2

hospital_3

Idade

0,01

1,0

0,00

1,0– 1,0

106

A seguir, este modelo foi representado na Curva ROC para uma melhor visualização dos

resultados (GRÁFICO 9).

0.00 0.25 0.50 0.75 1.00

Sensitivity

0.00 0.25 0.50 0.75 1.00

1 - Specificity

Area under ROC curve = 0.7123

GRÁFICO 9 – CURVA ROC – Modelo 5

Este modelo, também, possui uma área de 0,71 sob a curva ROC (GRÁFICO 9). Apesar de o

valor encontrado estar próximo do limite entre um teste com bom poder de predição em

relação à ISC e um teste considerado não adequado para a predição de ISC, ele é melhor do

que o modelo 4, pois os pontos da curva estão distribuídos de maneira homogênea.

Através dos gráficos construídos pôde-se, visualmente e através dos parâmetros descritos,

verificar a capacidade discriminante dos modelos alternativos. Dentre os modelos

apresentados, considerou-se o Modelo 2 (Alternativo), o que apresentou melhor adequação

em relação à ISC, com uma área sob a curva de 0,75. Dois dos outros três modelos

apresentaram uma área sob a curva de 0,71 e o outro uma área sob a curva de 0,73.

A seguir serão apresentadas no GRÁFICO 10 as comparações dos modelos 2, 0 (IRIC) e 1

(com as três variáveis que compõem o IRIC).

107

0.00 0.25 0.50 0.75 1.00

Sensitivity

0.00 0.25 0.50 0.75 1.00

1-Specificity

Mod0 ROC area: 0.5855 Mod1 ROC area: 0.6295

Mod2 ROC area: 0.7486 Reference

GRÁFICO 10 – CURVA ROC – Comparação do Modelo 0 – IRIC com Modelo 2

Alternativo e o modelo 1 (ASA, Potencial de Contaminação da Cirurgia e Duração

da Cirurgia)

Pelo GRÁFICO 10 e TABELA 18, quando a curva do Modelo Alternativo 2 é comparada

com a do Modelo 0 – IRIC do Sistema NNIS/CDC, observa-se que as curvas são diferentes

estatisticamente e são significativas em relação ao valor de p. O mesmo acontece em relação

às curvas do Modelo 2 Alternativo em relação ao Modelo 1.

TABELA 18

Comparação dos Modelos 0, 1 e 2 em relação às áreas da Curva ROC

Modelo Área DP Intervalo de Confiança (95%) valor p

Modelo 0

0.5855 0.0245 [0.53747 - 0.63361] <0,005

Modelo 1

0.6295 0.0269 [0.57678 - 0.68218] <0,005

Modelo 2

0.7486 0.0199 [0.70948 - 0.78764] <0,005

Ho: área(Mod 0) = área (Mod 1) = área(Mod 2) chi2(1) = 32.40 Prob>chi2 = 0.00

Modelo 0 – IRIC

Modelo 1 – (ASA, Potencial de Contaminação da Ferida Cirúrgica e Duração Cirurgia)

Modelo 2 - (ASA, Potencial de Contaminação da Ferida Cirúrgica, N

de Profissionais na cirurgia, Hospital, Uso de Anestesia Geral e

Duração Cirurgia).

De acordo com o GRÁFICO 11 e TABELA 19 quando se realiza a comparação dos seis

Modelos pode-se observar que as áreas das curvas acima da reta de 45 graus são áreas que

diferem estatisticamente uma da outra, apresentando um p ≤ 0,00. Todos os modelos

apresentam um p < 0,05.

108

O Modelo 2 Alternativo tem um melhor poder de predição de ISC quando comparado ao

Modelo do Índice de Risco do NNIS – IRIC e ao Modelo 1.

0.00 0.25 0.50 0.75 1.00

Sensitivity

0.00 0.25 0.50 0.75 1.00

1-Specificity

Mod0 ROC area: 0.5855 Mod1 ROC area: 0.6295

Mod2 ROC area: 0.7486 Mod3 ROC area: 0.7339

Mod4 ROC area: 0.7065 Mod5 ROC area: 0.7123

Reference

GRÁFICO 11 – CURVA ROC – Comparação Modelos 1, 2, 3, 4, 5 Al-

ternativos com o Modelo 0

(IRIC)

TABELA 19

Resultados dos Modelos Alternativos em relação ao Modelo IRIC do Sistema NNIS/CDC.

Modelos Área DP IC 95% Valor p

Modelo 0 - IRIC 0,58 0,0245

[0,53747 - 0,63361] <0,005

Modelo 1 0,63 0,0296

[0,57678 - 0,68218] <0,005

Modelo 2 0,75 0,0194

[0,70948 - 0,78164] <0,005

Modelo 3 0,73

0,0222 [0,69039 - 0,77738] <0,005

Modelo 4 0,71

0,0234 [0,66071 – 0,75238] <0,005

Modelo 5 0,71

0,0215

[0,67010 - 0,75449]

<0,005

Ho: área (Mod. 0) = área(Mod. 1) = área(Mod. 2) = área(Mod.3) = área(Mod. 4) = área(Mod.5)

chi2(5) = 39.72 Prob>chi2 = 0.000

Na TABELA 20, ao avaliar a correlação do Índice de Risco de Infecção do Sistema

NNIS/CDC através do Teste de Goodman-Kruskal (também denominado coeficiente Gamma

- G) com a ocorrência de ISC observou-se que este índice tem baixa associação com a ISC (G

= 0,31), isto é, tem baixo poder preditivo de ISC.

109

TABELA 20

Avaliação da Correlação do IRIC com a ISC de pacientes submetidos a procedimentos

cirúrgicos ortopédicos, através do Teste de Goodman-Kruskal (G) - Coeficiente Gamma,

Belo Horizonte, MG – 1994-2002.

ISC Índice de Risco de Infecção Cirúrgica do Sistema NNIS - IRIC

IRIC 0 IRIC 1 IRIC 2 IRIC 3 Total

0 - Não 5.207 2.476 419 18 8.120

(64,13%) (30,49%) (5,16%) (0,22) (100%)

1 – Sim 56 47 12 01 116

Total

(48,28%)

5.263

(40,52%)

2.523

(10,34%)

431

(0,86%)

(100%)

8.236

Pearson chi2(3) = 16,15 p = 0,001 Gamma = 0,305 IC95% = [0,154 – 0,455] p ≤ 0,000 ASE = 0,077

5.5 Cálculo das probabilidades do modelo IRIC e modelo 2 alternativo

Outra maneira de se verificar a capacidade de um modelo em predizer ISC é utilizando

estimadores diferentes de probabilidades de ocorrência de infecção (cálculo de probabilidades

observadas e estimadas). Quanto menor a variância dos valores obtidos entre essas

probabilidades, mais confiável será o resultado obtido. Essa situação pode ser analisada a

seguir.

A probabilidade (estimada) de ocorrência de ISC pode ser calculada pela fórmula:

)exp(1

)exp(

em que

3322110

XXXd

ββββ

+++= e X

= IRIC

, para

= 1 ou 2 ou 3.

☞ Para o paciente com melhor prognóstico, ou seja, aquele que tem IRIC 0 = 1, IRIC 1 = 0,

IRIC 2 = 0 e IRIC 3 = 0, tem-se 0

321

=== XXX

e 532407,4

−==

d . Portanto, nesse

caso, a probabilidade de ocorrência de ISC é dada por:

110

1,06403241

)-4,532407exp(1

)-4,532407exp(

=p %

☞ Para o paciente com pior prognóstico, ou seja, aquele que tem IRIC 0 = 0, IRIC 1 = 0,

IRIC 2 = 0 e IRIC 3 = 1, tem-se

== XX

=X e

890371,2642036,1532407,4

−

d . A respectiva probabilidade de ocorrência de ISC é

dada por :

%26316167,5

)964255,3exp(1

)964255,3exp(

−+

−

Todas as quatro possíveis configurações do Modelo IRIC foram consideradas. Como

observado na TABELA 21, as probabilidades (observadas e estimadas) dos pacientes

adquirirem ISC do Modelo IRIC foram crescentes à medida que os fatores de risco dessa

variável foram aumentando.

Pode-se observar que apesar das probabilidades serem baixas, elas são crescentes. Quando se

compara as probabilidades entre os escores, verifica-se que a probabilidade do IRIC 3 em

relação ao IRIC 0 quintuplica.

As probabilidades observadas e as estimadas diferem uma da outra apenas na sexta casa

decimal, demonstrando ser o Modelo IRIC um bom estimador de probabilidades além de

conseguir estratificar, adequadamente, os pacientes cirúrgicos ortopédicos nos quatro escores

do modelo.

As probabilidades observadas e esperadas são na verdade dois estimadores consistentes do

mesmo parâmetro (probabilidade de infecção verdadeira). Como o número de registros do

banco é muito grande (8.236), pode acontecer dos estimadores apresentarem valores

111

próximos. Mesmo assim, considera-se que as estimativas das probabilidades obtidas através

do modelo IRIC são confiáveis.

TABELA 21

Probabilidades observadas e esperadas de ocorrência da ISC dos pacientes cirúrgicos

ortopédicos segundo a variável IRIC, Belo Horizonte, MG – 1994-2000

Configurações Possíveis do IRIC Probabilidades

IRIC 0 IRIC 1 IRIC 2 IRIC 3 ISC - ISC + P

OBS

(%) P

EST

(%)

IRIC = 0

1 0 0 0 5.207 56 1,06403192% 1,06403241%

IRIC = 1

0 1 0 0 2.476 47 1,86286167% 1,86286246%

IRIC = 2

0 0 1 0 419 12 2,78422274%

2,78422401%

IRIC = 3

0 0 0 1 18 1 5,26315789%

5,26316167%

Nota: 0 = Fator de Risco Ausente P

OBS

(%) = Probabilidade Observada

1 = Fator de Risco Presente P

EST

(%) = Probabilidade Estimada

Optou-se por realizar reamostragens da mesma amostra estudada (8.236 registros) para

validar os estimadores das probabilidades e com isso, a variabilidade de cada escore do IRIC

(EFRON e TIBSHIRANI, 1993; MANLY, 1997).

Foram feitas 400 reamostragens. Cada uma delas contendo 1.000 observações retiradas

aleatoriamente do banco de 8.236 registros. Para cada uma das amostras com 1.000

observações foi realizada a análise de regressão logística para estimação dos parâmetros.

Estas estimativas foram utilizadas para estimar a probabilidade de ISC em cada escore do

IRIC. Conseguiu-se, portanto, 400 estimativas das probabilidades de infecção para cada um

dos níveis do IRIC.

O objetivo da reamostragem foi avaliar a variabilidade do estimador das probabilidades de

ISC dentro de cada nível da variável IRIC. Caso o estimador fosse bom, não haveria grande

112

variabilidade das estimativas geradas por ele, de uma amostra para outra. Como a

variabilidade foi pequena, comprova a adequação e confiabilidade do estimador para obtenção

das probabilidades do modelo IRIC. A única ressalva foi observada para as probabilidades

estimadas, quando o indivíduo foi categorizado no escore 3 do IRIC. Neste caso observou-se

uma variância maior do estimador da probabilidade de ISC, mas isto se deve ao fato do

número baixo de indivíduos nesta categoria e uma incidência de infecção muito baixa.

A FIGURA 3 representa os gráficos das 400 estimativas de cada um dos escores da variável

IRIC. Pode-se observar que as probabilidades estimadas para os três primeiros escores

apresentaram uma distribuição aproximadamente normal (Gaussiana) com as estimativas

flutuando simetricamente em torno de sua média.

IRIC 0 - Média:0,01102 DP: 0,00386 IRIC 1- Média: 0,01733 DP: 0,00531

IRIC 2 - Média: 0,2983 DP: 0,01593 IRIC 3 - Média: 0,06276 DP: 0,05248

FIGURA 3 - Histogramas das probabilidades de infecção para as quatro categorias do IRIC

113

5.6 Comparação entre os modelos IRIC e o modelo 2 no cálculo das

probabilidades

Foram calculadas as probabilidades observadas e estimadas do modelo 2 alternativo para

comparação com as probabilidades encontradas pelo modelo IRIC. Quanto menor a variância

dos valores obtidos entre as probabilidades, melhor o estimador. Quanto maiores os valores

das probabilidades encontradas pelo modelo 2, melhor ele pode ser considerado. Essa

situação pode ser analisada nos GRÁFICOS 12 e 13.

A probabilidade estimada de ocorrência de ISC, conforme o modelo 2 alternativo pode ser

calculada pela fórmula:

)exp(1

)exp(

em que d é o logito, podendo ser definido por

141422110

XXXd

ββββ

++++=

As variáveis

1421

,,, XXX

, os respectivos coeficientes

1421

,,,

βββ

e o intercepto

modelo 2 (alternativo) estão apresentados na TABELA 22.

TABELA 22

Variáveis que compõem o Modelo 2 e seus respectivos coeficientes β

Variáveis Coeficientes

= Uso de Prótese β

≈ 0,628

= ASA_2 β

≈ 0,633

= ASA_3 β

≈ 0,111

= ASA_4 β

≈ 1,576

= Nprofi_1 β

≈ 0,065

= Nprofi_2 β

≈ 1,667

= Hospit_1 β

≈ -1,758

= Hospit_2 β

≈ - 0,655

= Hospit_3 β

≈ - 1,363

114

= Cont_1 β

≈ - 0,904

= Cont_2 β

≈ - 1,564

= Cont_3 β

≈ - 1,347

= Uso Anestesia β

≈ - 0,383

= Duração Cirurgia β

≈ 0,503

Intercepto β

≈ - 4,606

O modelo 2 alternativo gerou 474 tipos diferentes de configurações, das quais 7 foram

observadas somente entre indivíduos com ISC, 402 somente entre indivíduos sem infecção e

65 distribuídas entre indivíduos com ou sem infecção.

Na TABELA 23 estão apresentadas as probabilidades estimadas pelo modelo 2 para 4

configurações das variáveis, bem como as probabilidades observadas nos dados. Estas são

calculadas pela freqüência de ISC entre os pacientes cujas variáveis do modelo possuem o

mesmo valor (mesma configuração)

Por exemplo, a penúltima linha da tabela mostra que a configuração:

14107521

====== XXXXXX e 0

13121198643

======== XXXXXXXX

ocorreu em 21 pacientes, dos quais, apenas 1 apresentou ISC positiva. Isto significa que a

probabilidade observada para esta configuração foi de:

%.76,4

≈=

obs

Para a mesma configuração o valor de d foi de:

.431,3503,0904,0758,1065,0633,0628,0406,4

14107510

−=++−+++−=

+++++=

ββββββ

Portanto, para esta configuração, a probabilidade estimada pelo modelo 2 alternativo foi de:

115

%.13,3

431,3exp(1

)431,3exp(

)dexp(1

)dexp(

≈

−+

−

116

0 .1 .2 .3

Pr(SSI)

0 100 200 300 400 500

covariate pattern

GRÁFICO 12 – Probabilidades Estimadas do Modelo 2 Alternativo

em 474 Grupos de Configurações.

0 .1 .2 .3

Pr(SSI)

0 2000 4000 6000 8000

Observacoes

GRÁFICO 13 – Probabilidades Estimadas do Modelo 2

117

Alternativo nos 8.236 dados

Nota: As observações foram ordenadas pela probabilidade

Para avaliar o ajuste do modelo 2 foi realizado o teste do X

de Pearson encontrando-se um

valor de p > 0,05 (aproximadamente 0,08). Portanto pode-se deduzir que a hipótese de

igualdade das probabilidades observadas e esperadas do modelo 2 é verdadeira.

Ao teste de ajuste de Hosmer-Lemeshow para 15 grupos de covariáveis, dos 474 diferentes

grupos de configurações observadas, encontrou-se um valor de p = 0,74. Este resultado

encontrado confirma, portanto, que a hipótese de igualdade das probabilidades é verdadeira,

conforme o X

de Pearson.

Este fato é evidenciado nos GRÁFICOS 14 e 15. No primeiro foram plotados os resíduos de

Pearson para os 474 padrões de observações das variáveis do modelo 2. No segundo, foram

plotados os resíduos de Pearson para cada uma das observações, ordenadas pela probabilidade

esperada. Em ambos os gráficos, os resíduos se distribuem uniformemente em torno do valor

zero, o que quer dizer que o estimador utilizado para estimar as probabilidades observadas e

esperadas de ocorrência de ISC pelo modelo 2 alternativo está adequado.

-2 0 2 4 6 8

Pearson residual

0 100 200 300 400 500

covariate pattern

118

GRÁFICO 14 – Resíduos de Pearson x 474 Grupos de

Configurações do Modelo 2

-2 0 2 4 6 8

Pearson residual

0 2000 4000 6000 8000

Observacoes

GRÁFICO 15 – Resíduos de Pearson x Número de Observações

Totais (8.236)

119

5 Discussão

5 Discussão5 Discussão

5 Discussão

Serão discutidos, inicialmente, os aspectos relacionados ao delineamento e à metodologia

utilizada na análise, seguidos pela discussão dos resultados encontrados neste estudo.

5.1 Considerações metodológicas

5.1.1 Referentes ao delineamento do estudo e principais limitações

Para analisar os dados deste estudo utilizou-se o delineamento coorte histórica. A coorte

histórica é identificada e formada no passado com base na existência de registros em

prontuários e é seguida em direção ao presente, tempo em que o estudo foi iniciado.

Um dos principais aspectos que merece consideração em estudos epidemiológicos é a

presença de vícios ou vieses. Segundo Pereira (2000) viés é sinônimo de erro sistemático,

vício, tendenciosidade, desvio, deturpação, distorção ou “bias”.

Em uma pesquisa científica, devem-se conhecer as causas possíveis ou prováveis de erros. As

possíveis falhas na metodologia do estudo devem ser analisadas criticamente e expostas para

que a validade interna e externa seja claramente discutida. Em geral, o viés não é intencional,

mas proveniente de questões conceituais e metodológicas não resolvidas adequadamente, quer

por impossibilidade prática de evitá-las, quer por não serem identificadas no devido tempo

(PEREIRA, 2000).

120

Erros sistemáticos introduzidos em qualquer etapa do estudo, sejam eles no delineamento, na

condução ou na análise tendem a produzir resultados que não refletem os valores verdadeiros

(SZKLO & JAVIER NETO, 2000; GORDIS, 2000). Os erros em uma investigação

epidemiológica podem ser evitados e controlados nas fases de planejamento, execução e

análise dos dados (PEREIRA, 2000; GORDIS, 2000; SZKLO & JAVIER NETO, 2000).

O estudo de coorte histórica mostrou-se ideal para a análise dos dados do estudo. Como

qualquer outro tipo de estudo, mesmo que de forma não intencional, vieses podem ter

ocorrido durante a condução do estudo.

Um dos principais vieses identificados neste estudo foi devido a perdas de informação. Perdas

diferenciais entre os indivíduos com informações perdidas quando comparados aos com

informações no estudo podem levar a um resultado do risco relativo ou odds relativa

deturpados, o que influenciaria diretamente no evento de interesse.

O planejamento inicial deste estudo visava analisar o banco de dados dos 4 hospitais

envolvidos no trabalho. Após realizar a consistência dos bancos iniciais, estes compuseram

21.558 informações de pacientes submetidos a procedimentos cirúrgicos ortopédicos.

Observou-se que entre todas as variáveis, a grande maioria delas, tinha percentuais de perdas

que variavam de 17% a aproximadamente 40%. Variáveis importantes e principais do banco,

como a Infecção de Sítio Cirúrgico (variável resposta) e o Índice de

Risco de Infecção de Sítio Cirúrgico do Sistema NNIS/CDC – IRIC (uma das variáveis

independentes que faz parte do principal objetivo do estudo) tinham perdas consideráveis de

informações. Quando analisadas, essas perdas elas foram classificadas como diferenciais o

121

que impossibilitaria a priori trabalhar com tais variáveis. Entretanto, quando se realiza

comparações com bancos de dados contendo muitas informações, como é o caso deste estudo,

a significância estatística pode ocorrer ao acaso. Isto poderia explicar em parte as diferenças

estatísticas encontradas entre as informações dos indivíduos que foram perdidos dos

indivíduos que foram analisados. Provavelmente, introduziu-se assim

viés de seleção e de

informação

no estudo.

O banco que foi denominado “completo”, quer dizer sem perdas de informações nas variáveis,

permaneceu com um total de 8.236 registros de pacientes submetidos a procedimentos

cirúrgicos ortopédicos. Número ainda grande o suficiente para ser trabalhado estatisticamente

para atingir os objetivos propostos. É necessário ressaltar que as 8.236 informações dos

pacientes submetidos a cirurgias ortopédicas continuam com características diferentes dos que

foram retirados do banco.

Assim, o banco que foi denominado “completo”, quer dizer sem as perdas de informações nas

variáveis, permaneceu com um total de 8.236 informações de pacientes submetidos a

procedimentos cirúrgicos ortopédicos. Número ainda grande o suficiente para ser trabalhado

estatisticamente para atingir os objetivos propostos serem alcançados. É necessário ressaltar

que as 8.236 informações dos pacientes submetidos a cirurgias ortopédicas continuam com

características diferentes dos que foram retirados do banco.

Outro tipo de viés que pode ser introduzido nos estudos de coorte é o viés de seguimento. O

viés de seguimento

pode ter ocorrido por não se fazer, nos hospitais do estudo a vigilância

após alta das ISC. Com isso os pacientes com curta permanência pós-operatória podem ter

122

tido infecção e esta não ter sido detectada pelos hospitais, gerando com isso uma baixa

incidência de ISC

A vigilância epidemiológica das infecções hospitalares, enquanto processo de observação,

produção de informações adequadas e análise rotineira da ocorrência e distribuição das IH, é a

maior atividade dentro de um Serviço de Controle de Infecções Hospitalares que necessita do

auxílio de programa (softwares) para gerenciar dados de infecções.

Pode-se dizer que a vigilância epidemiológica das infecções hospitalares é um sistema de

informação complexo que gerencia muitos dados e por isso deva ser bem planejada. As

definições dos mecanismos de coleta, das variáveis que irão compor o banco de dados, das

análises que serão feitas e da produção de relatórios devem ser claras.

As informações geradas pela metodologia de vigilância das infecções dentro de um hospital

podem e devem resultar na montagem de um banco de dados. Para Lessa et al (2000) um

banco de dados é um produto da transcrição dos instrumentos de coleta. A partir dessa

definição de Lessa e colaboradores pode-se inferir a grande importância que um instrumento

de coleta de dados tem dentro de um sistema de informação, seja ele para qualquer finalidade.

Os arquivos de dados hospitalares devem ser compostos de um conjunto de variáveis para

cada paciente, que são retirados de uma ficha de coleta. Essa ficha ou instrumento de coleta

deve garantir uma rápida e ágil obtenção de informações para uma melhor consistência dos

dados.

123

A obtenção de dados através de instrumentos de coleta é um subsistema de produção de dados

bastante crítico para o sistema como um todo. A partir desses dados coletados das fichas de

coletas ou instrumentos de coleta é que são produzidas ou não as informações, que

racionalmente, serão analisadas e entrarão nos relatórios, que no caso deste estudo, irão

caracterizar o problema das infecções hospitalares de um dado serviço, em um dado hospital.

Para Campos et al. (2000) a principal vantagem de se trabalhar com banco de dados é o

grande volume de casos registrados e o reduzido tempo entre a ocorrência do evento e seu

registro no sistema. Para eles a utilização de bancos de dados pode representar um importante

avanço nas ações de avaliação e melhoria da qualidade dos serviços de saúde.

Ao utilizar um banco de dados em estudos epidemiológicos, deve-se atentar para algumas

limitações como o fato de se trabalhar com variáveis já pré-determinadas e coletadas (o

investigador não pode escolher e realizar o seguimento) e de se trabalhar com grandes perdas

de informações.

Segundo Machado (2002) ao se utilizar um sistema de arquivos de dados vitais de qualquer

país, mas principalmente de países em desenvolvimento (bancos de dados de mortalidade ou

de nascidos vivos) para estudos, deve-se ter em mente o grau de precisão limitada das

informações geradas por esse sistema, devido ao grande percentual de dados sem informação.

Grandes perdas comprometem a qualidade dos dados. Sabe-se que ao analisar banco de dados,

esforços devem ser feitos para minimizar resultados pouco acurados.

De que maneira essas perdas de informações podem ser trabalhadas para produzirem

resultados consistentes e acurados? É necessária uma avaliação do sistema de vigilância

124

epidemiológica das infecções no sítio cirúrgico em cada hospital do estudo, com o objetivo de

fazer com que os profissionais envolvidos no preenchimento dos instrumentos de coleta, nos

centros cirúrgicos, que o façam de maneira coerente, minimizando as perdas de informação.

Além disso, é necessário também que se realize a “checagem” de entrada dos dados de cada

variável no banco, para que sejam determinados os possíveis limites de entrada para cada

informação. Outro procedimento que garante acúrácia é a “dupla entrada de dados” no banco.

Isso pode ser feito, talvez, por um bom sistema de conferencia, a fim de verificar o nível de

concordância dos dados do banco.

5.2 Incidência de Infecção de Sítio Cirúrgico

Durante o período do estudo, entre 1994 a 2002, foram notificados 116 casos de ISC entre os

8.236 pacientes submetidos a procedimentos cirúrgicos ortopédicos.

A incidência global de 1,41% foi resultante da vigilância dos pacientes realizada durante a

internação, no hospital. A taxa obtida encontra-se abaixo dos parâmetros preconizados por

vários estudos, que obtiveram taxas variando entre 2,8% a 20% (MARTONE et al., 1985;

STARLING et al., 1993; LIZÁN-GARCÍA,1997; OLIVEIRA, 2003).

Essa baixa incidência obtida no período de estudo nas quatro instituições pode ser devida à

ocorrência de subnotificação, por vários motivos: falta de controle dos pacientes após a alta

hospitalar e problemas relacionados aos registros no banco de dados. A taxa de ISC no banco

com 21.512 registros foi de 2,0%, demonstrando que mesmo sem retirar os indivíduos com

informações perdidas a taxa de ISC é baixa. Por outro lado, deve-se considerar que os

125

hospitais estudados realizam uma vigilância epidemiológica, já, há muitos anos, consolidada,

o que poderia refletir em baixas taxas de ISC.

A vigilância do paciente após a alta hospitalar deve ser feita até o trigésimo dia a partir da

data da cirurgia e até um ano se houver implante de prótese. Essa vigilância é preconizada por

vários estudos como os de FERRAZ e LIMA-FILHO, 1981; BURNS e DIPPE, 1987;

MANGRAN et al., 1999; OLIVEIRA, 1999 e 2003.

Segundo Gaynes (2001) atualmente os pacientes hospitalizados tendem a receber alta

precocemente após a realização da cirurgia, o que pode acarretar em uma menor taxa de

incidência no período intra-hospitalar. Este fato gera taxas de incidência que não condizem

com a realidade.

Segundo Oliveira (2003) a infecção leva de quatro a seis dias para a sua manifestação. Em

pacientes que recebem alta precoce, essas ISC podem não ser detectadas por um Sistema de

Vigilância Epidemiológica que não realize o seguimento dos pacientes após a alta hospitalar.

Se os pacientes tivessem infecção neste período após alta, o esperado é que ele retornasse ao

hospital onde a intervenção tenha sido realizada. Este fato não é garantido, pois o paciente

pode procurar outro serviço ou mesmo o tratamento em consultório das infecções

consideradas menos graves. A infecção só seria registrada no prontuário se o paciente

necessitasse de uma reinternação no mesmo local do procedimento para o tratamento de uma

infecção considerada mais grave.

Quando a incidência de ISC foi analisada por instituição, observou-se que o Hospital 0

apresentou uma taxa de 2,0% (n=56) sendo a maior quando comparada aos outros hospitais.

126

Mesmo elevada quando comparada às outras três instituições, a taxa encontrada está abaixo

dos limites recomendados pela Organização Mundial de Saúde para a ocorrência de ISC.

A taxa de incidência mais elevada em relação aos outros hospitais pode estar associada ao fato

dessas infecções, nesse hospital, terem ocorrido em clientela bastante jovem, com patologias e

prognósticos mais graves e condições nutricionais menos favoráveis. Dos 56 casos com ISC

ocorridos no Hospital 0, 43 (76,8%) deles eram crianças menores de 13 anos; 23 (53,5%) das

43 crianças menores de 13 anos fizeram algum tipo de cirurgia do grupo OMS. Dessas 23

crianças, 4 (17,4%) tiveram a cirurgia classificada como potencialmente contaminada, 3

(13%) como contaminada e 3 (13%) como infectada.

Lacerda (1992) afirma que a realização de cirurgia em pacientes jovens constitui situação de

risco à infecção, devido a uma resposta imunológica imatura ou comprometida dos pacientes

extremamente jovens e por desgaste deste em populações idosas. As maiores taxas de ISC por

idade (0,53% e 0,41%) foram verificadas no grupo de menores de 13 anos e no grupo com

faixa etária entre 61 e 99 anos respectivamente.

As maiores taxas de incidência entre os seis tipos diferentes de procedimentos cirúrgicos

foram entre as próteses de quadril e outros tipos de próteses. Esses dois procedimentos

apresentaram taxas de 2,2%. Este fato pode ser explicado pelo uso de materiais de implante

não orgânicos nessas cirurgias elevando o risco para a infecção no pós-operatório tardio.

Segundo Saravolatz (1993); Nafziger e Saravolatz (1997); Yamaguti (1997); Starling (1998) o

desenvolvimento da infecção no local onde foi colocado o dispositivo protético pode ocorrer

127

por implantação direta na ferida aberta, por disseminação via hematogênica ou ainda por

reativação da infecção latente.

Os pacientes com ISC classificados como IRIC 0 foram 56 casos apresentando uma

incidência de 1,1%. Os pacientes categorizados como IRIC 1 foram 47 casos apresentando

uma incidência de 1,8%. A taxa de incidência dos pacientes incluídos nas categorias IRIC 2 e

3 foram respectivamente 2,8% e 5,3%. Já era esperado que as incidências fossem crescentes à

medida que os fatores de risco aumentassem. Freitas, Campos e Cipriano (2000) encontraram

em seu estudo taxas de ISC também crescentes à medida que se aumentavam os fatores de

risco do Índice NNIS.

As variáveis que compõem o Índice se Risco de Infecção do NNIS – IRIC são as variáveis ou

fatores de risco ASA, Potencial de Contaminação da Ferida Cirúrgica e Duração da Cirurgia.

Dessas a única variável que não se mostrou associada à ocorrência de ISC na análise

univariada foi a Duração da Cirurgia. Para confirmação dessa não associação optou-se por

dicotomizar a variável para a avaliação. Esta nova variável mostrou o mesmo comportamento

da variável contínua e por isso foi utilizada, na análise, em algumas situações.

5.3 Análise das variáveis que permaneceram nos modelos

A variável Hospital foi incluída como possível fator de risco, neste estudo, para verificação de

possíveis diferenças que poderiam ter ocorrido na metodologia de vigilância nesses hospitais

e com isso influenciar a ocorrência de ISC. Essa variável fez parte de quatro dos seis modelos

do estudo.

128

A menor taxa de infecção hospitalar foi no Hospital 1 quando comparado ao Hospital 0.

Provavelmente este hospital tenha uma vigilância mais acurada e um controle mais eficaz das

infecções em relação aos outros hospitais. Desde que a metodologia NNIS foi implantada

nesses quatro hospitais, esforços da equipe de controle de infecção têm sido feitos para

propiciar uma metodologia de vigilância homogênea com métodos que favoreçam a

minimização de agravos como a ISC.

Mesmo apresentando problemas conceituais já relatados em capítulo anterior a variável

Prótese (não obedecer ao conceito instituído pelo Sistema NNISS/CDC para ser considerado

um procedimento NNIS), fez parte de quatro dos seis modelos do estudo e apresentou-se

como fator de risco para a ocorrência de ISC. Sua associação estatisticamente significativa

com a ISC pôde ser confirmada pelo valor apresentado pelo Coeficiente de Correlação de

Goodman-Kruskal – Gamma, cujo valor foi positivo.

A colocação de próteses ou implantes não orgânicos apresentam um risco inerente ao próprio

procedimento. Além de se implantar um material estranho no organismo causando reação

tissular, essas próteses são colocadas em pacientes idosos que já possuem um risco elevado de

contrair ISC no pós-operatório devido às comorbidades e ao desgaste do sistema imune

(HORAN et al. 1993; PEREIRA te al. 1996).

A variável ASA fez parte de três (Modelos 1, 2 e 3) dos seis modelos do estudo. Nos Modelos

2 e 3, as categorias II, III e IV dessa variável, mostraram-se estatisticamente significativas á

ocorrência de ISC. A chance de infecção de um paciente classificado como ASA IV foi quase

três vezes maior que um paciente classificado como ASA I.

129

Além de outros estudos, o poder preditivo independente do ASA foi também comprovado por

Garibaldi et al. (1991) em um estudo prospectivo em 1.852 pacientes cirúrgicos. Eles

encontraram uma maior chance de ISC de 4,2% quando os pacientes eram classificados entre

o ASA III e ASA V quando comparado com os que se encontravam no ASA I e II

(GARIBALDI et al., 1991; SAWYER e PRUETT, 1994 MACHADO, 1997; MOREIRA,

1997; OLIVEIRA, 1999).

A variável Potencial de Contaminação da Ferida Cirúrgica fez parte de três dos seis modelos

do estudo. Essa variável mostrou-se estatisticamente associada à ocorrência de ISC. As

cirurgias classificadas como infectadas apresentaram uma chance de adquirir ISC menor que a

categoria anterior denominada Contaminada. Este fato pode ser explicado pelo número menor

dos pacientes, cujas cirurgias foram classificadas como Infectadas. O Coeficiente de

Goodman-Kruskal – Gamma dessa variável foi positivo e o segundo maior quando

comparado às outras variáveis do estudo, mostrando a existência de correlação entre o

Potencial de Contaminação da cirurgia e a ISC.

Espera-se que as cirurgias classificadas como limpas tenham uma menor incidência de ISC

por apresentarem poucos fatores envolvidos que demandam um risco menor de contaminação

em relação às outras categorias. A taxa de incidência de ISC para cirurgias consideradas

limpas segundo Arrowsmith (1998) deve ser inferior a 2%. Neste estudo a taxa ( 1,7%)

encontrada nas cirurgias limpas foi menor do que o preconizado pela literatura. Em relação às

cirurgias consideradas limpas, as taxas para as outras categorias foram crescentes.

A variável IRIC (escores 0, 1, 2 e 3) fez parte de três dos seis modelos de estudo (0, 4 e 5). No

modelo 0, as categorias do IRIC 1 e 2 foram estatisticamente associadas à ISC quando

130

comparada à categoria de referência IRIC 0. A categoria IRIC 3 não se mostrou associada à

ocorrência de infecção. Este fato pode ser devido ao pequeno número de pacientes neste

escore. Nos Modelos 4 e 5 as três categorias do IRIC foram estatisticamente significativas e

com a OR crescente (quase cinco vezes maior) em relação à categoria de referência. Quando

essa variável foi analisada pelo Coeficiente de Correlação de Goodman-Kruskal - Gamma,

esta mostrou-se pouco associada à ISC.

A variável Número de Profissionais Participantes da Cirurgia fez parte de quatro dos seis

modelos do estudo. Observou-se que nos quatro Modelos (2, 3, 4 e 5), quando participaram da

cirurgia entre nove e dezesseis profissionais, esta categoria se mostrou estatisticamente

associada à ISC, quando comparado à categoria de referência até quatro profissionais.

Segundo Allen (1997) e Saravolatz (1993,1996) devem-se limitar o número de pessoas dentro

da sala de cirurgia como medida de prevenção da ISC. Um número grande de pessoas na sala

de cirurgia aumenta a disseminação de microrganismos através das mãos e principalmente por

vias aéreas e, portanto, aumentar o número de microrganismos no ar, aumentando a chance de

se inocular bactérias, vírus e fungos diretamente na incisão cirúrgica.

A variável Uso de Anestesia Geral fez parte, apenas, do Modelo 2. Ela permaneceu no

modelo para estabilizá-lo. A utilização de anestesia geral neste estudo não mostrou associação

estatisticamente significativa em relação à ISC. Em contradição ao achado neste estudo,

Couto (1983); Lacerda et al., (1992) e Mangran et al., (1999) relatam que a anestesia geral

interfere com a resposta imunológica (provocam uma significativa redução da capacidade de

defesa às infecções), possivelmente por inibir a fagocitose, por prejudicar a oxigenação

131

tecidual e por causar hipotermia. Estudos experimentais demonstraram o efeito deletério de

substâncias anestésicas sobre o número de leucócitos (Referencias).

A variável Idade fez parte, apenas, do Modelo 5. Mesmo não sendo estatisticamente

significativa esta variável permaneceu no modelo para melhor ajuste. A Idade não se mostrou

estatisticamente significativa à ocorrência de ISC. Oliveira (2003) em seu estudo também não

achou associação dessa variável com a ISC. Vários estudos como os de Zillioto Junior et

al.,(1989), Lacerda et al., (1992) e Morris (1993) demonstraram a relação entre os extremos

de idade e a ISC. Nos extremos de idade, quando os pacientes são muito jovens ou idosos, o

sistema imunológico é imaturo ou incompetente ou há um desgaste do sistema imune.

A variável Duração da Cirurgia fez parte de dois dos seis modelos do estudo. Ela não foi

associada à ISC. Para muitos autores como Cruse e Foord, (1980), Haley et al., (1987), Ferraz

et al., (1992) e Soleto et al., (2003) o risco de infecção é proporcional à duração do

procedimento. Segundo Al-Ibrahin e Futh (1993); Ferraz et al. (1982) e Moreira (1999) a

duração da cirurgia por um tempo superior a duas horas ou que ultrapasse a duração esperada

para o procedimento (percentil 75%), tem sido apontada como um fator de risco altamente

correlacionado à ISC.

Para Zillioto Junior et al. (1989) e Lacerda et al. (1992) a duração da cirurgia aumenta o

tempo de exposição dos tecidos abertos, facilitando o acesso aos microrganismos que podem

contaminar o sítio manipulado.

5.4 Análise de Regressão Logística Multivariada

132

Foram analisados neste estudo seis modelos para predição de ISC. Através da análise de

regressão logística foram construídos quatro modelos alternativos de predição de risco de ISC.

Dos seis modelos, dois foram considerados como modelos-padrão (IRIC do Sistema

NNIS/CDC) para comparação em relação aos quatro.

5.4.1 Modelo IRIC

O primeiro modelo analisado foi o Modelo 0 constituído do Índice de Risco de Infecção

Cirúrgica do NNIS/CDC – IRIC. O escore do Índice do NNIS, como já foi dito, é utilizado

para ajustar as taxas de ISC, quer dizer ele coloca os pacientes em um mesmo patamar de

risco e este fato serve para que comparações das taxas de infecção possam ser realizadas em

uma mesma instituição em diferentes momentos, e entre hospitais diferentes, mas que

utilizam a mesma metodologia do Sistema NNIS (Referências).

O objetivo principal deste estudo foi investigar a aplicabilidade do Índice NNIS nos pacientes

submetidos às cirurgias ortopédicas em quatro instituições, por meio da avaliação do modelo

preditivo de ISC que deu origem ao Índice de Risco de Infecção Cirúrgica do Sistema NNIS -

IRIC.

Quando analisamos a correlação do IRIC com a ISC através do Coeficiente de Goodman-

Kruskal – Gamma (0,31), pode-se considerar que a associação obtida neste estudo é pequena

(GRÁFICO 8). Enquanto modelo de ajuste, o grau de associação entre o Índice NNIS e a

ocorrência de ISC encontrada no presente estudo está em consonância com trabalhos como os

de Oliveira (2003) e Grinbaum (1999). O Índice composto mostrou-se associado à ISC, mas

133

apresentou um baixo poder de adequação para a avaliação do risco de infecção cirúrgica em

pacientes ortopédicos.

Ao analisá-lo visualmente pela área da curva ROC, pôde-se considerar que o modelo

apresentou um baixo poder de predição de infecção, com uma chance de acerto dos

verdadeiros positivos em torno de 58%.

Para análise individual de cada uma das três variáveis do Índice de Risco de Infecção

Cirúrgica do NNIS – IRIC (ASA, Potencial de Contaminação da Ferida Cirúrgica e Duração

da Cirurgia) construiu-se o Modelo 1.

Foi analisada cada variável em relação à ISC. A variável Duração da Cirurgia não apresentou

associação estatisticamente significativa com a ISC. Seu coeficiente de correlação de

Goodman-Kruskal (G) foi próximo de zero, demonstrando que não há uma associação da

variável com a ISC.

Na variável ASA, apenas o escore IV perdeu sua significância estatística na presença das

variáveis Potencial de Contaminação da Ferida Cirúrgica e Duração da Cirurgia. O coeficiente

de correlação de Goodman-Kruskal – (G) do ASA foi muito baixo, demonstrando que há uma

associação muito baixa da variável com a ISC.

Dentre as três variáveis que compõem o IRIC, apenas a variável Potencial de Contaminação

da Ferida Cirúrgica mostrou ser um indicador com um razoável poder preditivo de infecção

comparável a resultados de estudos como os de Freitas et al (2000) e Culver et al. (1991).

Somente ele contribuiu com um maior peso para o desempenho final do Índice NNIS, quando

analisado pelas variáveis que o compõem.

134

Observou-se que a não associação estatística da variável Duração da Cirurgia e a fraca

associação da variável ASA com a ISC, pode ter prejudicado o IRIC enquanto Modelo de

predição. Todas as suas variáveis deveriam ser associadas estatisticamente à ISC, para que

este fosse considerado um bom preditor de infecção.

De uma maneira geral o Modelo 1 (composto pelas três variáveis do IRIC) mostrou ser

melhor preditor de ISC, em relação ao Modelo 0 (IRIC 0,1,2 e 3), quando visualizamos a área

da Curva ROC (0,64). Pode-se concluir que os dois modelos, similarmente, têm baixa

associação com a ISC. Apresenta, também baixo poder de predição de ISC, ou melhor, baixo

poder em detectar os verdadeiros infectados entre os pacientes cirúrgicos ortopédicos.

As questões que envolvem a variável ASA, enquanto componente do índice de Risco de

Infecção – NNIS, já são bem conhecidas. Esta variável é considerada por muitos

pesquisadores como Garibaldi, Cushing e Lerer, (1991); Keita-Perse e Gaynes (1996), Salemi,

Anderson e Flores (1997), Oliveira (1999) como um escore subjetivo que reflete o grande

nível de discordância entre os diferentes Anestesistas. Este fato reflete diretamente na

aplicabilidade do Índice de Risco Cirúrgico do NNIS em predizer as infecções. Sabe-se que a

maior discordância entre os anestesistas está entre a classificação ASA II e ASA III. Segundo

Mangran et al., (1999) é recomendado que esta variável passe por uma reavaliação minuciosa.

Pela Curva Roc pode-se afirmar que o Modelo 1 tem 64% de chance de diagnosticar os

pacientes que verdadeiramente tem ISC (os verdadeiros positivos). Ele foi melhor que o

Modelo 0 (escore 0,1,2 e 3 do IRIC) que teve 58% de acerto em diagnosticar os verdadeiros

positivos. Mesmo assim, o Modelo 1 com 64% de sensibilidade tem baixo poder de predição.

Em alguns estudos como os de Freitas, Campos e Cipriano (2001) e Machado (1997) o índice

135

NNIS foi um bom preditor de ISC. Em outros estudos esse índice teve um baixo poder de

predição de infecção corroborando com os achados deste estudo (SALEMI, ANDERSON e

FLORES, 1997; GRINBAUM, 1999; PLATT, 2001; OLIVEIRA, 2003).

Para avaliar o Índice de Risco cirúrgico do NNIS – IRIC pelas probabilidades observadas e

estimadas do modelo, foram utilizados dois estimadores diferentes, mas consistentes, porém

na mesma amostra em que foram realizadas todas as análises logísticas. Para Harrell et

al.(1985) este fato é considerado uma limitação para estimativas finais confiáveis. Assim,

optou-se por realizar técnica de reamostragem aleatória. Foram feitas 400 reamostragens

aleatoriamente, contendo 1.000 observações cada, em substituição à avaliação em amostra

previamente separada, conforme (EFRON e TIBSHIRANI, 1993; MANLY, 1997).

Quando o Índice de Risco cirúrgico do NNIS – IRIC foi avaliado pelas probabilidades

observadas e estimadas do modelo, observou-se que ele se ajustou muito bem aos dados deste

estudo. Praticamente, não existiu diferença entre as probabilidades de ISC observadas e as

estimadas pelo Modelo 0 - IRIC como pode ser analisado na TABELA 19 e no GRÁFICO 15.

A variância foi quase inexistente.

Quanto menor a variância dos valores obtidos entre as probabilidades, melhor o ajuste do

modelo. Nesta amostra, o Modelo 0 - IRIC está bem ajustado aos dados da amostra. Isto

comprova que as estimativas das probabilidades obtidas através do Modelo IRIC são

garantidas. Apesar disso, as probabilidades obtidas foram baixas, mas crescentes à medida

que se aumentam os fatores de risco em cada escore do IRIC. Quando se comparou a

probabilidade do IRIC 0 em relação às outras três probabilidades, elas foram praticamente

136

dobrando. Quando se comparou a probabilidade da categoria do IRIC 3 com a do IRIC 0,

observou-se que ela foi aproximadamente cinco vezes maior.

As estimativas das taxas de incidência pelo IRIC foram iguais às estimativas encontradas

pelas probabilidades observadas e esperadas deste modelo. As incidências foram baixas para

cada escore, mas crescentes à medida que os fatores de risco em cada um deles aumentaram.

Quando se comparou a incidência do IRIC 0 em relação às outras três categorias de risco, elas

foram praticamente dobrando. Quando se comparou a incidência da categoria do IRIC 3 com

a do IRIC 0, observou-se que ela foi aproximadamente cinco vezes maior.

Através dos resultados encontrados tanto pelas probabilidades do IRIC quanto pelas taxas de

incidência, observa-se que o Índice do NNIS consegue estratificar bem os pacientes cirúrgicos

ortopédicos nos quatro escores.

Pelos seis tipos de procedimentos cirúrgicos que foram estudados na amostra, o IRIC não

estratificou adequadamente os pacientes cirúrgicos ortopédicos nos quatro escores.

Quando se analisa os resultados encontrados pelo coeficiente de Goodman-Kruskal – (G) do

IRIC em relação à ISC observa-se que ele tem uma associação muito fraca com a ISC.

Através da Curva ROC observa-se que o Modelo IRIC têm baixo poder de detecção dos

verdadeiros infectados.

Essa fraca associação com a ISC e o baixo poder de detecção dos verdadeiros infectados faz

com que o Modelo IRIC não tenha uma boa acurácia para a predição da ISC. Assim, optou-se

por construir modelos alternativos.

137

5.4.2 Construção de Modelos Alternativos

O Modelo 2 Alternativo foi constituído a partir das variáveis que foram significativas na

análise univariada em adição às variáveis com importância biológica. Isto foi feito para

analisar todas as 14 variáveis em conjunto. Seu modelo final contou com as variáveis:

Prótese, ASA, Potencial de Contaminação da Ferida Cirúrgica, Hospital, Número de

Profissionais na Cirurgia, Uso de Anestesia Geral e Duração da Cirurgia.

Todas as variáveis constantes nesse modelo foram associadas estatisticamente à ISC. Ao

analisar o Modelo 2 Alternativo pela Curva ROC, este teve um bom poder em predizer a

infecção. Por esta curva podemos afirmar que este modelo tem 75% de chance de diagnosticar

os verdadeiros positivos, quer dizer os pacientes que verdadeiramente tem ISC. Apesar da

variável Uso de anestesia Geral não ter sido estatisticamente significativa, ao realizar o teste

da razão da verossimilhança, este indicou que a variável deveria permanecer no modelo,

provavelmente para melhor ajuste.

Quando se avalia o Modelo 2 Alternativo pelas probabilidades observadas e esperadas do

modelo em relação à ISC, observa-se que ele se ajusta bem aos dados deste estudo. As

diferenças existentes, quer dizer a variância entre as probabilidades de ISC observadas e as

estimadas, como pode ser analisado na TABELA 21 e nos GRÁFICOS 16, 17 e 18 é pequena.

Com a finalidade de avaliar essa pequena variância foram construídos gráficos onde foram

plotados os resíduos. Pode-se verificar que a maioria dos dados está entre zero e um. Isto

mostra como o Modelo 2 está bem ajustado aos dados do estudo. As estimativas das

probabilidades obtidas através do Modelo 2 Alternativo são confiáveis.

138

Segundo Harrell Jr et al. (1985) a validação de modelos obtidos através da regressão múltipla

deve ser realizada em amostra com tamanho adequado e previamente separada. O objetivo

deste estudo não foi validar o modelo alternativo proposto. Este passo será feito

posteriormente em estudo prospectivo multicêntrico, cuja amostra será separada previamente.

Segundo Grinbaum (1999) a determinação de taxas esperadas e seu confrontamento com as

observadas possui grande potencial de aplicação na vigilância epidemiológica rotineira.

O Modelo 3 Alternativo incluiu as variáveis que foram significativas na análise univariada. O

Modelo 3 final ficou com as variáveis: ASA, Prótese, Potencial de Contaminação da Ferida

Cirúrgica, Hospital, Número de Profissionais na Cirurgia. Ao analisar o Modelo 3 Alternativo

pela Curva ROC, este teve um bom poder em predizer a infecção. Por esta curva podemos

afirmar que este modelo tem 73% de chance de diagnosticar os verdadeiros positivos, quer

dizer os pacientes que verdadeiramente tem ISC.

O Modelos 4 Alternativo incluiu as variáveis que foram significativas na análise univariada e

o IRIC (retirando-se as três variáveis que o compõem). O Modelo 4 final ficou com as

variáveis: Prótese, IRIC, Número de Profissionais na Cirurgia e Hospital. Ao analisar o

Modelo 3 Alternativo pela Curva ROC, este teve um bom poder em predizer a infecção. Por

esta curva podemos afirmar que este modelo tem 71% de chance de diagnosticar os

verdadeiros positivos, quer dizer os pacientes que verdadeiramente tem ISC.

O Modelo 5 Alternativo incluiu as variáveis que foram significativas na análise univariada, as

variáveis com importância na literatura e o IRIC (retirando-se as três variáveis que o

139

compõem). O Modelo 5 final ficou com as variáveis: Prótese, IRIC, Número de Profissionais

na Cirurgia e Hospital. Ao analisar o Modelo 5 Alternativo pela Curva ROC, este teve um

bom poder em predizer a infecção. Por esta curva podemos afirmar que este modelo tem 71%

de chance de diagnosticar os verdadeiros positivos, quer dizer os pacientes que

verdadeiramente tem ISC (GRÁFICO 10, 11 e 12). Apesar da variável Idade não ter sido

estatisticamente significativa, ao realizar o teste da razão da verossimilhança, este indicou que

a variável deveria permanecer no modelo para melhor ajuste.

A variável IRIC fez parte dos Modelos 4 e 5 apresentando uma OR crescente, com todas as

categorias estatisticamente associadas à ISC e demonstrando sua importância enquanto

modelo de estratificação dos pacientes cirúrgicos, apesar de não ser bom preditor (TABELA

10, 11).

O Modelo 2 Alternativo, em relação aos outros modelos construídos, foi o melhor modelo de

predição da ISC. Este modelo pode teoricamente substituir o Modelo IRIC, já que contém

suas variáveis e mais três que foram significativas (GRÁFICO 8).

O Modelo 2 não pôde ser analisado pelo Coeficiente de Correlação de Goodman-Kruskal -

Gamma porque este coeficiente só é adequado para a associação entre duas variáveis

categóricas.

5.4 Comentários Finais

O CDC desenvolveu um método de estudo das taxas de ISC, denominado Método NNIS, para

que fosse possível avaliar o risco de infecção em diferentes populações que realizam

140

diferentes procedimentos cirúrgicos. Métodos de ajuste para minimizar essas diferenças

também foram criados. Essa forma de ajuste utilizando indicadores de infecção trouxe uma

nova visão para os Sistemas de Vigilância Epidemiológica dos hospitais que adotam essa

metodologia.

A metodologia NNIS foi criada para diversas finalidades e uma delas é a comparabilidade do

risco de infecção de pacientes cirúrgicos de diferentes hospitais através da utilização de

indicadores ou índices. Desde que adequados para a estratificação da população a ser

investigada e para os diferentes procedimentos cirúrgicos, essa comparabilidade permite que

confrontos das taxas de incidência de infecção sejam feitos entre hospitais com características

semelhantes. Assim, parâmetros de qualidade de atenção podem ser planejados.

Para Grinbaum (1994, 1999) os índices de infecção hospitalar são importantes parâmetros da

avaliação da qualidade da assistência prestada. A partir destes índices que são determinados

os parâmetros de normalidade para que sejam bem definidas as atitudes das comissões de

controle de infecção.

Vários estudos multicêntricos têm sido realizados com a intenção de avaliar a utilização do

Índice NNIS para análise de risco da infecção cirúrgica. A avaliação do Índice NNIS é um

assunto que tem sido bastante discutido. Muitas críticas têm sido feitas em relação à

adequação desse índice NNIS para procedimentos cirúrgicos generalizados e muito distintos.

Grinbaum (1999) recomenda a avaliação do Índice NNIS para determinar o risco do paciente,

em contrair ISC, em casos cirúrgicos similares e em populações homogêneas.

141

Para Haley et al., (1985) o Índice NNIS veio substituir o Índice SENIC (considerado o

primeiro Índice de Risco utilizado para o ajuste das taxas de ISC) desenvolvido em 1974.

Inadequações desse Índice NNIS têm sido mostradas em estudos como os de Culver et al.,

(1991); Grinbaum (1994, 1999) e Oliveira (2003) que afirmaram que para determinados tipos

de procedimentos específicos, esse índice não apresentava boa capacidade de discriminação

do risco de ISC e, portanto, não deveria ser aplicado na vigilância epidemiológica das

Infecções Hospitalares.

Para Grinbaum (1999) a utilização do Índice NNIS em estudos multicêntricos, com uma

grande diversidade de procedimentos, não pode ser extrapolados para populações e

procedimentos restritos. Este autor recomenda que para a análise de procedimentos

específicos que possuam peculiaridades próprias sejam criados modelos de predição de ISC

mais adequados para essas situações específicas.

Diversos índices multivariados (alternativos ao Índice NNIS) foram desenvolvidos para

cirurgias cardíacas, cirurgias do aparelho digestivo, cirurgias vasculares entre outras para a

avaliação das ocorrências de IH. Segundo Culver et al., (1991); CDC-P, (1998) e Grinbaum

(1999) o método de construção de índices a partir de análise multivariada possui limitações e

sua aplicação rotineira nos hospitais não pode ser feita ou generalizada sem prévia validação e

crítica.

Para esses autores a abordagem estatística proposta, de construção de índices preditivos

multivariados, pelo menos na área de atuação da IH é recente, e com freqüência a aplicação

dos métodos e a interpretação dos resultados é realizada sem juízo crítico. No Brasil o método

142

NNIS tem sido utilizado em diversas instituições sem uma prévia análise da validade do

índice multivariado.

Para Harrell Jr et al. (1985) modelos de regressão múltipla têm sido amplamente aplicados na

predição de eventos em uma variedade de doenças. Quando a análise é feita cuidadosamente,

os modelos de regressão podem fazer estimativas prognósticas que são frequentemente tão

bons quanto e algumas vezes melhor do que aqueles obtidos usando métodos de

estratificação.

Espera-se que este trabalho possa de alguma forma contribuir positivamente para que sejam

aplicadas ações educativas por parte da Comissão de Controle de Infecção Hospitalar de cada

hospital participante do estudo, frente aos cirurgiões responsáveis pelo preenchimento dos

protocolos referentes às cirurgias. É também necessário reforçar o treinamento das pessoas

responsáveis pela entrada de dados no programa utilizado para a análise dos dados relativos às

IH.

143

6 Conclusões

6 Conclusões6 Conclusões

6 Conclusões

1. A

Incidência global de ISC nos quatro hospitais de estudo foi de 1,41%. Esta taxa

apresenta-se abaixo do preconizado pela Organização Mundial de Saúde, cujas taxas variam

de 2,8 a 20%. Ressalta-se que estas taxas baixas podem ser resultantes de uma vigilância

epidemiológica eficaz e consolidada dos hospitais envolvidos ou pode ser devido à

subnotificação;

2. As incidências de ISC encontradas nos Hospitais 0, 1, 2 e 3 foram respectivamente 2,0%,

0,97%, 1,8% e 1,2%;

3. As Incidências de ISC foram crescentes em relação aos escores do IRIC: IRIC 0, IRIC 1,

IRIC 2 e IRIC 3 foram respectivamente 1,1%, 1,8%, 2,8% e 5,3%. Conclui-se que o IRIC, de

um modo geral, estratifica nos quatro escores os pacientes cirúrgicos ortopédicos;

4. A maior incidência de ISC encontrada entre os seis grupos de procedimentos cirúrgicos

ortopédicos foi entre as cirurgias de Próteses (PROS-O e PROS-Q) com taxas de 2,2% e 2,2%

respectivamente;

5. Quando se analisou o poder de estratificação do IRIC em relação aos seis tipos de

procedimentos ortopédicos observou-se que ele estratificou apenas em três estratos os

pacientes cirúrgicos ortopédicos em quatro dos seis procedimentos;

6. O índice de Risco de Infecção do NNIS - IRIC não se mostrou associado estatisticamente à

ISC. Pela correlação de Goodman-Kruskal – Gamma mostrou-se com baixo poder preditivo

de ISC nos pacientes submetidos a procedimentos cirúrgicos ortopédicos. Pela visualização da

144

Curva ROC, o poder de discriminação do Índice NNIS foi de 58% em detectar os verdadeiros

positivos;

7. O Modelo Alternativo (Modelo 2) proposto para o Sistema NNIS/CDC apresentou as

seguintes variáveis associadas à ISC e preditoras de infecção: ASA, Potencial de

Contaminação da Ferida Cirúrgica, Duração da Cirurgia, Número de Profissionais

Participantes da Cirurgia, Uso de Anestesia Geral e Hospital;

8. O poder de descriminação da ISC do Modelo Proposto (Modelo 2) em detectar os

verdadeiros positivos visualizado pela Curva ROC foi de 75% (IC95% = [0,71 – 0,79] e p <

0,05). Este resultado encontrado significa que o Modelo é um bom preditor de infecção;

9. Quando as variáveis que compõem o IRIC (ASA, Potencial de Contaminação da Ferida

Cirúrgica e Duração da Cirurgia) foram avaliadas individualmente (Modelo 1), foi encontrado

resultado similar ao encontrado no Modelo IRIC 0,1,2 e 3 (Modelo 0). A correlação de

Goodman-Kruskal – (G) de cada variável mostrou baixa associação em relação à ISC. A

variável Duração da Cirurgia não mostrou significância estatística. Conclui-se que o IRIC

possui baixo poder preditivo de ISC nos pacientes submetidos a cirurgias ortopédicas. Pela

visualização da Curva ROC, o poder de discriminação do Índice NNIS foi de 63% (pouco

discriminante) em detectar os verdadeiros positivos, confirmando os resultados acima

encontrados;

O Modelo IRIC/NNIS (Modelo 0) quando analisado pela avaliação das probabilidades

observadas e esperadas mostrou um ajuste adequado para os dados do estudo. A variância

entre as probabilidades foi praticamente zero, mostrando um bom ajuste do modelo para

145

estimar probabilidades confiáveis de ISC nos pacientes cirúrgicos ortopédicos. As

probabilidades encontradas foram crescentes, mas muito baixas, significando que o IRIC é

pouco adequado para a predição de ISC. Entretanto, pode ser considerado um bom

estratificador dos pacientes cirúrgicos ortopédicos;

10. O Modelo Alternativo (Modelo 2) quando analisado pela avaliação das probabilidades

observadas e esperadas mostrou um ajuste adequado para os dados do estudo. A variância

entre as probabilidades foi baixa, ficando os resíduos concentrados em torno do zero,

mostrando um bom ajuste do Modelo Alternativo para estimar probabilidades confiáveis de

ISC nos pacientes cirúrgicos ortopédicos.

146

9. Referências Bibliográficas

. Referências Bibliográficas. Referências Bibliográficas

. Referências Bibliográficas

AGÊNCIA NACIONAL DE SAÚDE (Col.) Brasil não tem dados relevantes sobre a

incidência da infecção hospitalar. Disponível em:

<http://www.unisite.com.br/saude/ihospitalar.shtml>. Acesso em: 22 set. 2005.

ABRUTYN, E.; TALBOT, G.H. Surveillance strategies: a primer. Infection Control, v. 8,

n. 11, p. 459-464, 1987.

AL-IBRAHIM, M.S.; FURTH, P.A. Prevenção e tratamento da infecção no período

perioperatório. In: WOLFSTHAL, S.D. Tratamento médico perioperatório. Porto Alegre:

Artes Médicas, 1993. cap.4, p. 49-67.

ALLEN, D.M. Orthopaedic implant infections: current management strategies. Annals

Academy of Medicine Singapore, v. 26, n. 5, p. 687-690, Sep. 1997.

ALMEIDA, F.F. Predição de risco em infecção cardíaca. 2001. 113 f. Dissertação

(Mestrado em Medicina) - Faculdade de Medicina, Universidade Federal de Minas Gerais,

Belo Horizonte, 2001.

ARROWSMITH, M. Surgical site infection. In: EMMERSON, A.M.; ARROWSMITH,

M. (Ed.). Infection control practices. Germany: 3M Medical Markets Laboratory, 1998. p.

60-69

BARTLETT, C.L.R. Efficacy of different surveillance systems in detecting hospital

aquired infections. Chemioterapia, v. 6, n. 3, p. 152-155, 1987.

BARIE, P.S. Surgical site infections: epidemiology and prevention. Surg. Infect.

(Larchmt), v. 3, Suppl 1, p. 9-21, 2002.

BARRASA VILLAR, J. I.; DOMINGOS CUEVAS, I.; VIZMANOS SEVILLA, F.

Utilización del índice NNIS para determinar el riesgo intrínseco de infección quirúrgica.

Med. Clín. (Barc), v. 107, n. 20, p. 767-771, 1996.

BERBARI, E.F. et al. Risk factors for prosthetic joint infection: case-control study.

Clinical Infectious Diseases, v. 27, p. 1247-1254, 1998.

BEVILACQUA, F.A. Manual de cirurgia. São Paulo: E.P.U., 1995. 675 p.

BIBLIOMED Corporativo. Disponível em: < http

://

corporativo.bibliomed.com.br>.

Acesso em: 22 set. 2005.

BOER, A.S. et al. Risk assessment for surgical site infections orthopedic patients.

Infection Control Hospital and Epidemiology, v. 20, n. 6, p. 402-407, June. 1999.

BRANDT, C. et al. Finding a method for optimizing risk adjustment when comparing

surgical-site infection rates. Infection Control Hospital and Epidemiology, v. 25, n. 4, p.

313-318, Apr. 2004.

147

BRAVO NETO, G.P. et al. Infecção cirúrgica. ARS CVRANDI - a revista do clínico geral,

v. 19, n. 4, p. 48-58, maio. 1986.

BRAVO NETO, G.P. et al. Infecção cirúrgica: avaliação crítica de fatores de risco. Rev.

do Colégio Brasileiro de Cirurgiões, v. 19, n. 5, p. 216-220, set./out. 1992.

BREWER, G.E. Studies in aseptic technic. The Journal of the American Medical

Association, Chicago, v. 64, n. 17, p. 1369-1372, 24 Apr. 1915.

BURNS, S.J.; DIPPE, S.E. Postoperative wound infections detected during hospitalization

and after discharge in a community hospital. Am. J. Infect. Control, v. 10, p. 60-65, 1987.

CAMPOS, M.R.; MARTINS, M; NORONHA, J.C. Proposta de integração de dados do

sistema de informações hospitalares do Sistema Único de Saúde (SIH-SUS) para pesquisa.

Inf. Ep. do SUS, v. 9, n. 1, p. 51-58, 2000.

CANO, B; MARIA, J; ARMAZÃNAS, V. Análisis discriminante de los fatores de riesgo

de infección postperatoria em cirurgía gastroduodenal. Rev. Ap. Digest., p. 74-76, 1988.

CENTERS FOR DISEASE CONTROL AND PREVENTION NNIS System. National

Nosocomial Infections Surveillance (NNIS) system report: data summary from October

1986 to April 1996, issued May 1996. Am. J. Infect. Control, v. 24, p. 380-388, 1996.

CENTERS FOR DISEASE CONTROL AND PREVENTION NNIS System. National

Nosocomial Infections Surveillance (NNIS) system report: data summary from January

1992 to June 1996, issued October 2004. Am. J. Infect. Control, v. 32, p. 470-485, 2004.

CENTERS FOR DISEASE CONTROL AND PREVENTION NNIS System. National

Nosocomial Infections Surveillance (NNIS) system. Manual NNISS - Centers for Disease

Control and Prevention, U.S. Department of health & Human Services, May 1994.

CENTERS FOR DISEASE CONTROL AND PREVENTION NNIS System. National

Nosocomial Infections Surveillance (NNIS) System report: data summary from January

1992 to June 2001, issued August 2001. Am. J. Infect. Control, v. 29, p. 404-421, 2000.

CHILDREN’S MERCY. STATS Steve’s Attempt to Teach Statistics. Disponível em: <

http://www. childrensmercy.org/stats/ask/roc.asp>. Acesso em: 14 maio 2006.

CHRISTOU, N.V. et al. Assessing operative site infection in surgical patients. Arch.

Surg., v. 122, Feb. 1987.

COELHO, R.; GASTMEIER, P.; BOER, A.S. Surveillance of Hospital-Acquired

Infection in England, Germany, and The Netherlands: Will International Comparison of

Rates Be Possible? Infection Control and Hospital Epidemiology, v. 22, n. 6, p. 393-397,

2001.

CONWAY, W.A. Back to basics: giving attention to surgical infection prevention. Mich.

Health Hosp., v. 39, n. 4, p. 40-42, 2003.

148

COUTO, R.C.; PEDROSA, T.M.G.; NOGUEIRA, J.M. Infecção hospitalar:

epidemiologia e controle. 2. ed. Rio de Janeiro: MEDSI, 1997. 545p.

COUTO, D.S.G. Infecção pós-operatória. Rio de Janeiro: Guanabara Koogan, 1983.

177p.

CRUSE, P.J.E.; FOORD, R. A five-year prospective study of 23,649 surgical wounds.

Arch Surg, v.107, p.206-210, Aug. 1973.

CRUSE, P.J.E.; FOORD, R. The epidemiology of wound infection: a 10 year prospective

study of 62.932 wounds surgical. Clinics of North America, v. 60, p. 27-40, 1980.

CULVER, D.H. et al. Surgical wound infection rates by wound class, operative procedure

and patient risk index. The American Journal of Medicine, v. 91(suppl.3B), p. 152S-157S,

16 Sep. 1991.

CULVER, D.H.; GAYNES, R.P.; HORAN, T.C. Chest and leg surgical site infections

following coronary artery bypass graft procedure: the value of the NNIS Risk Index.

Infection Control and Hospital Epidemology, v. 18, p. 55, 1997.

DAVIDSON, A.I.G.; CLARK, C.; SMITH, G. Postoperative wound infection: a computer

analysis. Brit. J. Surg., v. 58, n. 5, p. 333-337, May. 1971.

DECKER, M.D. The development of indicators. Infection Control and Hospital

Epidemiology, v. 12, n. 8, p. 490-492, Aug. 1991.

DELGADO-Rodriguéz, M. et al. Usefulness of intrinsic infection risk indexes as

predictors of in hospital death. Am. J. Infect. Control, v. 25, n. 5, p. 365-370, Oct. 1997.

DONABEDIAN, A. Evaluating the quality of medical care. Milbank Memorial Fund

Quaterly. v. 44, p. 166-203, 1966.

DONABEDIAN, A. The quality of care: how can it be assessed? JAMA, v. 260, p. 1743-

1748, 1988.

DUSE, A.G. Infection control in countries with limited resources. In: EMMERSON,

A.M.; ARROWSMITH, M. (Ed.) Infection control practices. Germany: 3M Medical

Markets Laboratory Europe, 1998. 96p.

EFRON, B; TIBSHIRANI, R.J. An introduction to the bootstrap. New York: Chapman &

Hall, 1993. 436p.

EMORI, T.G. et al. Nacional nosocomial infections surveillance system (NNIS):

description of surveillance methods. Am. J. Infect. Control, n. 19, p. 19-35, 1991.

EHRENKRANZ, N.J. Surgical wound infestion occurrence in clean operations: risk

stratification for interhospital comparisons. The American Journal of Medicine, v. 70, p.

909-914, Apr. 1981.

149

ELLIDOKUZ, H. et al. Hospital-acquired infections in elderly patients: results of a West

Anatolian University Hospital surveillance. Arch. Gerontol. Geriatr., v. 37, n. 3, p. 259-

63, 2003.

ERCOLE, F.E. Aspectos epidemiológicos da infecção de sítio cirúrgico em pacientes

submetidos a artroplastias de quadril em um hospital escola de grande porte de BH-MG.

2000. 151f. Dissertação (Mestrado em Enfermagem) – Escola de Enfermagem,

Universidade Federal de Minas Gerais, Belo Horizonte, 2000.

EVERITT, B.S. The Analyses of Contingency Tables. 2nd ed. London: Chapman & Hall,

1992. p. 161.

FARIÑAS-ÁLVARES, C. et al. Applicability of two surgical-site infection risk indices to

risk of sepsis in surgical patients. Infection Control and Hospital Epidemiology, v. 21, n.

10, p. 633-638, Oct. 2000.

FERNANDES, A. T. (ed) FERNANDES, A.T.; FERNANDES, M.O.V.; RIBEIRO

FILHO, N. Infecção hospitalar e suas interfaces na área de saúde. São Paulo: Atheneu,

2000. cap. 1, p. 3-7.

FERNANDES, A.T.; FERNANDES, M.O.V.; RIBEIRO FILHO, N. Infecção hospitalar e

suas interfaces na área de saúde. São Paulo: Atheneu, 2000. p. 1721.

FERRAZ, E.M. Epidemiologia e controle da infecção em cirurgia. In: FERRAZ, E. M.

Manual de controle de infecção em cirurgia. São Paulo: E.P.U., 1982. v. 1, cap. 3, p. 17-

27.

FERRAZ, E.M. et al. Controle de infecção em cirurgia geral: resultado de um estudo

prospectivo de 23 anos e 42.274 cirurgias. Rev. do Colégio Brasileiro de Cirurgiões, v.

28, n. 1, p. 17-26, 2001.

FERRAZ, E.M.; FERRAZ, Á.A.B. Infecção em cirurgia: aspectos históricos. In:

FERRAZ, E.M. Manual de controle de infecção em cirurgia. 2. ed. Rio de Janeiro: Medsi,

1997. cap. 1, p. 1-6.

FERRAZ, Á.A.B.; FERRAZ, E.M.; BACELAR, T.S. Infecção da ferida cirúrgica. In:

FERRAZ, E. M. Manual de controle de infecção em cirurgia. 2. ed. Rio de Janeiro:

Medsi, 1997. cap. 20, p. 267-277.

FERRAZ, E.D.; LIMA-FILHO, J.F.C. Inquérito nacional sobre infecção pós-operatória.

Rev. do Colégio Brasileiro de Cirurgia, v. 3, n. 5, p. 249-262, 1981.

FRANÇA, J.L.; VASCONCELLOS, A.C. Manual para normalização de publicações

técnico-científicas. 7. ed. Belo Horizonte: UFMG, 2004. 242p.

FREEMAN, J.; GOLDMANN, D.A; MCGOWAN, J.E. Confounding and the analyses of

multiple variables in hospital epidemiology. Infection Control, v. 8, n. 11, p. 465-473,

1987.

150

FREITAS, P.F.; CAMPOS, M.L.; CIPRIANO, Z.M. Aplicabilidade do índice de risco do

Sistema NNIS na predição de risco da incidência de infecção do sítio cirúrgico (ISC) em

um hospital universitário no sul do Brasil. Rev. Ass. Med. Brasil, Florianópolis, SC, v. 46,

n. 4, p. 359-362, 2000.

GARIBALDI, R.A.; CUSHING, D.; LERER, T. Risk factors for postoperative infection.

The American Journal of Medicine, v. 91(3B), p. 158S- 163S, 1991.

GARNER, J.S. et al. CDC definitions for nosocomial infections. Am. J. Infect. Control, v.

16, p. 128-40, 1988.

GAYNES, R.P. Surgical-site infections and the NNIS SSI Risk Index: room for

improvement. Infection Control and Hospital Epidemiology, v. 21, n. 3, p. 184-185, Mar.

2000.

GAYNES, R.P. Surgical-site infections and the NNIS SSI Risk Index, part II: room for

improvement. Infection Control and Hospital Epidemiology, v. 22, n. 5, p. 266-267, 2001.

GAYNES, R.P. et al. Surgical-site infections (SSI) rates in the United States, 1992-1998:

the National Nosocomial Infections Surveillance System basic SSI Risk Index. Clinical

Infectious Diseases, v. 33, (Suppl. 2), p. 69-77, 2001.

GEUBBLES, E. et al. An operative surveillance system of surgical site infections in the

Netherlands: results of the Prezies National Surveillance Network. Infection Control and

Hospital Epidemiology, v. 21, n. 5, p. 311-318, 2000.

GOFF, B.H. An analysis of wound union in 3,000 incisions based on the woman's hospital

classification of wounds and wound union. Surg. Gynecol. Obstet., v. 41, p. 728-739,

1925.

GOODMAN, L.A.; KRUSKAL, W.H. Measures of association for cross classifications. J.

Am. Stat. Assoc., v. 49, p. 732-764, 1954.

GOULART, E.M.A. Metodologia e informática na pesquisa médica. Belo Horizonte:

Cultura, 1999. 161 p.

GORDIS, L. Epidemiology. 2nd ed. Philadelphia/Pennsylvania: W. B. Saunders, 2000.

308p.

GRINBAUM, R.S. Análise da validade dos índices preditivos do risco de infecção de

sítio cirúrgico e desenvolvimento de modelo de ajuste para avaliação de cirurgias

vasculares. 1999. 145 f. Tese (Doutorado em Medicina) - Escola Paulista de Medicina,

Universidade Federal de São Paulo, São Paulo, 1999.

GRINBAUM, R.S. Estudo dos fatores de risco e dos índices calculados em vigilância de

infecções de ferida cirúrgica em serviços de cirurgia vascular e de aparelho digestivo de

dois hospitais brasileiros. 1994. 74f. Dissertação. (Mestrado em Medicina) - Escola

Paulista de Medicina, Universidade Federal de São Paulo, São Paulo, 1994.

151

GRINBAUM, R.S. Infecções de sítio cirúrgico e antibioticoprofilaxia em cirurgia. In:

RODRIGUES, E. A. et al. Infecções hospitalares: prevenção e controle. São Paulo:

Sarvier, 1997. p. 149-161.

GUIMARÃES, R.X. et al. Planejamento na Prevenção e Controle da Infecção Hospitalar

parte). Laes Haes, v. 6, n. 4, p. 58-61, 1985.

GULÁCSI, L. et al. Risk-adjusted infection rates in surgery: a model for outcome

measurement in hospitals developing new quality improvement programmes. Journal of

Hospital Infection, v. 44, n. 1, p. 43-52, Jan. 2000.

HALEY, R.W. Nosocomial infections in surgical patients: developing valid measures of

intrinsic patient risk. The American Journal of Medicine, v. 91 (suppl 3B), p. 145-51,

1991.

HALEY, R.W. et al. Identifying patients at high risk of surgical wound infection. The

American Journal of Epidemiology, v. 121, n. 2, p. 206-215, 1985.

HALEY, R.W. et al. The financial incentive for hospitals to prevent nosocomial infections

under the prospective payment system: an empirical determination from a nationally

representative sample. JAMA, v. 257, n. 12, p. 1611-1614, Mar. 1987.

HANLEY, J.A.; MCNEIL, B.J. The meaning and use of the area under a receiver

operating characteristic (ROC) curve. Radiology, v. 50, p. 23-26, 1982

HORAN, T.C. et al. CDC definitions of nosocomial surgical site infections 1992: a

modification of CDC definitions of surgical wound infections. Infection Control and

Hospital Epidemiology, Atlanta/Georgia, v. 13, n. 10, p.271-274, Oct. 1992.

HORAN, T.C.; GAYNES, R.; CULVER, D. National Nosocomial Infections Surveillance

(NNIS) System: CDC. Development of predictive risk factors for nosocomial surgical site

infections (SSI). Infection Control and Hospital Epidemioogy, v. 15, p. 46(M72), 1994.

Abstract.

HOOTON, T.M. et al. The joint associations of multiple risk factors with the occurrence

of nosocomial infection. The American Journal of Medicine, v. 70, p. 960-970, Apr. 1981.

HOSMER, J.R.; David W.; LEMESHOW, S. Applied logistic regression. New York: John

Wiley & Sons, 1989. 307p.

HUGHES, J.M. Study on the efficacy of nosocomial infection control (SENIC Project):

results and implications for the future. Chemotherapy, n. 34, p. 553-561, 1988.

JOBSON, J.D. Applied Multivariate Data Analysis. volume II: Categorical and

Multivariate Methods. New York: Springer-Velag, 1992. p.731.

KAYE, K.S. et al. Preoperative drug dispensing as predictor of susrgical site infection.

Emerging Infectious Diseases, v. 7, n. 1, Jan./Feb. 2001.

152

KEATS, A.S. The ASA classification of physical status: a recapitulation. The Journal of

Anesthesiology, v. 49, n. 4, p. 233-236, 1978.

KEITA-PERSE, O.; GAYNES, R.P. Severity of illness scoring system to adjust

nosocomial infection rates: a review and commentary. Am. J. Infect. Control, Atlanta, v.

24, p. 429-434, 1996.

LACERDA, R. et al. (Ed.). Buscando compreender a infecção hospitalar no paciente

cirúrgico. São Paulo: Atheneu, 1992. 178p.

LESSA, F.J.D; MENDES, A.C.G.; FARIAS, S.F. Novas metodologias para vigilância

epidemiológica: uso da sistema de informações hospitalares- SIH/SUS. Informe

Epidemiológico do SUS, v. 9 (supl 1), p. 3-27, 2000.

LIDWELL, O.M. Sepsis in surgical wounds: multiple regression analysis applied to

records of post-operative hospital sepsis. J. Hygiene, Cambridge, n.59, p.259-270, 1961.

LIZÁN-GARCÍA, M.; GARCÍA-CABALLERO, J.; ASENSIO-VEGAS, A. Risk Factors

For Surgical-Wound Infection In General Surgery: A Prospective Study. Infection Control

and Hospital Epidemiology, v. 18, may, p. 310-315, 1997.

LYONS, A.S. Prehistoric Medicine. In: LYONS, A.S.; PETRUCELLI R.J. Medicine: an

illustrated history. New York: Abradale & Abrams, 1987. 616 p.

MACHADO, C.J. Early infant morbidity and infant mortality in the city of São Paulo,

Brazil: a probabilistic record linkage approach, 2002. 336f. Tese (Doutorado em Filosofia)

– Johns Hopkins University, Baltimore, Maryland, 2002.

MACHADO, G. P.M. Infecção no sítio cirúrgico: avaliação de índice de risco de

ocorrência do evento em pacientes admitidos em hospital geral de Belo Horizonte, 1997.

53p. Dissertação (Mestrado em Saúde Pública) – Faculdade de Medicina, Universidade

Federal de Minas Gerais, 1997.

MANGRAN, A.J. et al. Guideline for prevention of surgical site infection, 1999.

University of Minnesota, Mineapolis, Am. J. Infect. Control, v. 27, n. 2, p. 97-134, Apr.

1999.

MANLY, B. F. J. Randomization, bootstrap and Monte Carlo methods in biology. 2

nd ed.

New York: Chapman & Hall, 1997. 399p.

MARTINS, M.A. (Coord.). Manual de infecção hospitalar: epidemiologia, prevenção e

controle. 2. ed. Rio de Janeiro: MEDSI, 2001. 1116 p.

MARTINS, M.A. Aspectos históricos da infecção hospitalar. In: OLIVEIRA, A.C.

Infecções hospitalares: epidemiologia, prevenção e controle. Rio de Janeiro: Guanabara

Koogan; MEDSI, 2005. cap.1, p.3-11.

MARTONE, W.J. et al. National Nosocomial Infections Surveillance (NNIS) semi-annual

report. Am. J. Infect. Control, v. 23, p. 377-385, 1995.

153

MEDEIROS, Á.M. Infecção hospitalar: dados históricos e legislação atual. Âmbito

Hospitalar, v. 6, p. 17-26, 1996.

MINISTÉRIO DA SAÚDE DO BRASIL. Manual de controle de infecção hospitalar.

Centro de Documentação do Ministério da Saúde. Brasília, 1985, 123p.

MINISTÉRIO DA SAÚDE DO BRASIL. Portaria n

196, de 24 ago 1992. Diário Oficial

da União, 04 set 1992.

MOREIRA, L. F. R. Infecções de sítio cirúrgico: um enfoque epidemiológico em um

hospital universitário. 1997. 115 f. Dissertação. (Mestrado em Enfermagem) - Escola de

Enfermagem, Universidade Federal de Minas Gerais, Belo Horizonte, 1997.

MOREIRA, C.A.X. ; NOGUEIRA, J.M. Prevenção de infecção de ferida cirúrgica e

antibioticoprofilaxia. In: COUTO, R.C.; PEDROSA, T.M.C.; NOGUEIRA, J.M. Infecção

hospitalar: epidemiologia e controle. Rio de Janeiro: Medsi, 1997. p.309-338.

MORRIS, W.T. Prophylaxis against sepsis in patients undergoing major surgery. World J.

Surg., v. 17, p. 178-183, Mar. 1993.

MORIYA, T.M.; PEREIRA, M.S.; GIR, E. Researches, conferences and articles about

hospital infections: some aspects investigated by nurses. Rev. Esc. Enf. USP, v. 25, n. 1, p.

29-40, 1991

NAFZIGER, D.A.; SARAVOLATZ, L.D. Infection in implantable prosthetic devices. In:

Wenzel, R.P. Prevention and control of nosocomial infections 3nd ed. Virgínia: Willians

& Wilkins, 1997. p. 889-923.

NATIONAL RESEARCH COUNCIL. Postoperative wound infection: the influence of

ultraviolet radiation on the operating room and various other factors. Ann. Surg., v. 160,

(suppl.), p. 1-192, 1964.

NATIONAL NOSOCOMIAL INFECTION SURVEILLANCE SYSTEM – Centers for

Disease Control. Vigilância epidemiológica por components. Brasília. Ministério da

Saúde. 1994.

NICHOLS, R.L. et al. Risk of Infection After Penetrating Abdominal Trauma. The New

England Journal of Medicine, v. 25, n.17, p. 1065-1070, Oct. 1984.

NICHOLS, R.L. Preventing Surgical Site Infections. Clin. Med. Res., v. 2, n. 2, p. 115-

118, May. 2004.

NOY, D. CREEDY, D. Postdischarge surveillance of surgical site infections: a multi-

method approach to data collection. Am. J. Infect. Control, v. 30, n. 7, p. 417-424, Nov.

2002.

OLIVEIRA, A.C. Controle de egresso cirúrgico: impacto na incidência da infecção de

sítio cirúrgico em um hospital universitário. 1999. 84 f. Dissertação. (Mestrado em

Enfermagem) - Escola de Enfermagem, Universidade Federal de Minas Gerais, Belo

Horizonte, 1999.

154

OLIVEIRA, A. C. Infecção do sítio cirúrgico em pacientes submetidos à cirurgia do

aparelho digestivo: uma proposta de predição de risco. 2003. 117f. Tese. (Doutorado em

Enfermagem) – Escola de Enfermagem, Universidade de São Paulo, São Paulo, 2003.

OLIVEIRA, A.C. et al. Estudo comparativo do diagnóstico da infecção do sítio cirúrgico

durante e após a internação. Revista Saúde Pública, São Paulo, v. 36, n. 6, p. 717-722,

2002.

OLIVEIRA, A.C.; ARMOND, G.A.; CLEMENTE, W. T. Infecções Hospitalares:

epidemiologia, prevenção e controle. Rio de Janeiro: Guanabara Koogan, MEDSI, 2005.

710 p.

PANNUTI, C.S.; GRINBAUM, R.S. An overview of nosocomial infection control in

Brazil. Infection Control and Hospital Epidemiology, v. 16, n. 3, p. 170-174, Mar. 1995.

PAGANO, M.; GAUVREAU, K. Princípios de bioestatística. Tradução de Luís Sérgio de

Castro Paiva. São Paulo: Pioneira Thompson Learning, 2004. 506p.

PENTEADO, M.S. Medidas de prevenção e controle de infecções de ferida cirúrgica.

Revista Paulista de Enfermagem, São Paulo, v. 12, n. 1, p. 8-12, jan./abr. 1993.

PERCOP de ANDRADE, M.A.; LISBOA, F.B.G. Infecções osteoarticulares. In:

OLIVEIRA, A.C.; ARMOND, G.A.; CLEMENTE, W.T. Infecções hospitalares:

epidemiologia, prevenção e controle. Rio de Janeiro: Guanabara Koogan. 2005. p. 215-

227.

PEREIRA, M.S.; MORIYA, T.M. Controle de infecção hospitalar. Rev. Bras. Enf., v. 41,

n. 1, p. 39-45, 1988.

PEREIRA, M.S.; MORIYA, T.M.; GIR, E. Infecções hospitalares e seu controle:

problemática e o papel do enfermeiro. Rev. Esc. Enf. USP, São Paulo, v. 27, n. 3, p. 355-

361, dez. 1993.

PEREIRA, M.S.; MORIYA, T.M.; GIR, E. Infecção hospitalar nos hospitais escola: uma

análise sobre seu controle. Rev. Latino Americana de Enfermagem, Ribeirão Preto, v. 4, n.

1, p. 145-162, jan. 1996.

PEREIRA, M.G. Epidemiologia: teoria e prática. Rio de Janeiro: Guanabara Koogan,

2000. 596p.

PERL, T.M. Prevention of Staphylococcus aureus infections among surgical patients:

beyong traditional perioperative prophylaxis. Surgery, v. 134 (Suppl 5), p. 10-17, 2003.

PLATT, R.; YOKOE, D.S.; SANDS, K. Automated methods for surveillance of surgical

site infections. Emerg. Infect. Dis., v. 7, n. 2, p. 212-216, 2001.

PONCE DE LEON, S.; RANGEL, F.S. Organising control with lilited resources. In:

WENZEL, R.P. (Ed.). Prevention and control of nosocomial infections. Baltimore/

Maryland: Williams & Wilkins, 1993. p. 82-88.

155

PROVEDA, V.B; GALVÃO, C.M.; HAYASHIDA, M. Análise dos fatores de risco

relacionados à incidência de infecção do sítio cirúrgico em gastrocirurgias. Rev. Esc.

Enferm. USP, v. 37, n. 1, p. 81-89, 2003.

RONVEAUX, O.; MERTENS, R.; DUPONT, Y. Acta Chir. Belg. v. 96, n. 1, p.3-10,

1996.

ROY, M.C. et al. Does the centers for Disease Control's NNIS System Risk Index stratify

patients undergoing cardiothoracic operations by their risk of surgical-site infection?

Infection Control and Hospital Epidemiology, v. 21, n. 3, p. 186-190, Mar. 2000.

RUSSO, P.L.; SPELMAN, D.W. A new surgical-site infection risk index using risk

factors identified by multivariate analysis for patients undergoing coronary artery bypass

graft surgery. Infection Control and Hospital Epidemiology, v. 23, n. 7, p. 372-376, Jul.

2002.

SALEMI, C.; ANDERSON, D.; FLORES, D. American Society of Anesthesiology

scoring discrepancies affecting the National Nosocomial Infection Surveillance System:

surgical-site-infection risk index rates. Infection Control and Hospital Epidemiology, v.

18, n. 4, p. 246-247, 1997.

SANDS, K.; VINEYARD, G.; PLATT, R. Surgical site infections occurring after hospital

discharge. The Journal of Infectious Diseases, Chicago, n. 173, p. 963-970, Apr. 1996.

SARAVOLATZ, L.D. Infection in implantable prosthetic devices. In: WENZEL, R.D.

(Ed.). Prevention and control of nosocomial infections. 2nd ed. Baltimore: Willians &

Wilkins, 1993. p. 683-707.

SARAVOLATZ, L.D. Infections associated with implantable prosthetic devices. In:

WENZEL, R.D. (Ed.). Infection control and applicad epidemiology; principles and

practice. 2nd ed. Baltimore: Willians & Wilkins, 1996. p. 49.1-49.2.

SAWER, R.G.; PRUETT, T.L. Wound infections. Surgical Clinics of North America, v.

74, n. 3, p. 519-534, 1994.

SERVIÇO DE CONTROLE DE INFECÇÃO HOSPITALAR. Infecções associadas a

cirurgias ortopédicas. Belo Horizonte: Hospital Felicio Rocho, 2002. 6 p. Relatório.

SIMCHEN, E. et al. Multivariate analysis of determinantes of postoperative wound

infection: a possible bases for intervention. Rev. Infect. Disease, v. 3, p. 678-682, 1981.

SMYTH, E.T.M.; EMMERSON, A.M. Surgical site infection surveillance. Journal of

Hospital Infection, v. 45, p. 173-184, 2000.

SOLETO, L. et al. Incidence of surgical-site infections and the validity of the National

Nosocomial Infections Surveillance System risk index in a general surgical ward in Santa

Cruz, Bolívia. Infection Control and Hospital Epidemiology, v. 24, n. 1, p. 26-30, Jan.

2003.

156

STARLING, C.E.F.; PINHEIRO, S.M.C.; COUTO, B.R.G.M. Vigilância epidemiológica

das infecções hospitalares na prática diária: ensaios. Belo Horizonte: Cuatiara, 1993.

488p.

STARLING, C.E.F. et al. Evaluación del índice de riesgo de infección quirúrgica (IRIQ)

en la cirugía pediátrica. Rev. de Cir. Infantil, v. 6, n. 4, p. 181-187, 1996.

STARLING, C.E.F.; COUTO, B.R.G.M.; PINHEIRO, S.M.C. Applying the Centers for

Disease Control and Prevention and National Nosocomial Surveillance System methods in

Brazilian hospitals. Am. J. Infect. Control, v. 25, p. 303-311, Aug. 1997.

STARLING, C.E.F.; FERREIRA, M.C.; COUTO, B.R.G.M. Risk factors for nosocomial

infection in patients undergoing pediatric surgery: a seven and half year prospective

analysis. Abstracts tracking. In: Program and abstracts: 11

Annual Meeting of The

Society for Healthcare Epidemiology of América (SHEA) Toronto: SHEA Canadá, 2001.

Available at <http:/asp.shea-online.org/displayabstracts.asp?id=136> Accessed 10 Oct.

2005.

STARLING, C.E.F. et al. Performance of NNIS Risk Index for surgical infection in

different surgical procedures: multicenter study in 64,158 patients from 5 brazilian

hospitals. In: Program and abstracts: 12

Annual Meeting of The Society for Healthcare

Epidemiology of América (SHEA) Salt Lake City: SHEA USA, 2002. Available at

<http://www.shea-online.org>. Accessed 10 Oct. 2005.

STATACORP. Stata Statistical Software: release 8.1. College Station, Texas: Stata

Corporation, 2003.

SUMIYAMA, Y.; ARIMA, Y. Surgical site infection: SSI. Nippon Rinsho, v. 60, n. 11, p.

220-409, 2002.

SZKLO, M.; JAVIER NIETO, F. Epidemiology: beyond the basics.

Gaitherburg/Maryland: AN Aspen Publication, 2000. 493 p.

The Area Ander an ROC Curve. Disponível em: <http://gim.unmc.edu/dxtests/roc3.htm>

Acesso em 14 maio 2006.

TRORWALD, J. O século dos cirurgiões. São Paulo: Hemus Livraria Editora. s/d, 63p.

TRORWALD, J. O segredo dos médicos antigos. São Paulo: Melhoramentos. 1990, 319

VALLS, V. et al. Evaluation of the SENIC risk index in a Spanish University Hospital.

Infection Control And Hospital Epidemiology, v. 20, n.3, p.196-199, Mar. 1999.

VEGAS, Á.A. et al. Infección de la herida quirúrgica: factores de riesgo y modelo

predictivo. Med. Clín. ( Barc), v. 100, n. 14, p. 521-525, 1993.

VERNET, E. et al. Utilidad de los indices compuestos de riesgo para predecir el

desarrollo de infección quirúrgica en neurocirugía. Med. Clin. (Barc), v. 122, n. 3, p. 92-5,

2004.

157

WALDVOGEL, R.A., VASEY, H. Osteomyelitis: the past decade. N. Engl. J. Med., v.

303, p. 30, 1980.

WASSER, T.E. A software program to calculate Goodman and Krustal’s Gamma: a

method to monitor surgical-site infection rates. Infection Control and Hospital

Epidemiology, v. 19, n. 11, p. 869-871, 1998.

WENZEL, R.P. Nosocomial infections diagnosis-related groups and study on the efficacy

of nosocomial infection control. The American Journal of Medicine, v. 78, p. 3-7, 1985.

WEY, S.B. Infection control in a country with annual inflation of 3,600%. Infection.

Control and Hospital Epidemiology, v. 16, p. 175-178, 1995.

WILSON, A.P.R.; RIDGWAY, G.L. Scoring systems for surgical infection. Surg. Infect.,

v. 4, p.6-8, 1992.

YAMAGUTI, A. Infecções relacionadas a dispositivos ortopédicos, genitourinários,

mamários e oculares. In: RODRIGUES, E. A. et al. Infecções hospitalares; prevenção e

controle. São Paulo: Sarvier, 1997, p. 209-217.

ZANON, U.; PINTO, C.A.G.; NASCIMENTO, A.K. Infecções hospitalares traumato-

ortopédicas. In: Infecção Hospitalar: prevenção, diagnóstico e tratamento. Rio de janeiro:

MEDSI, 1984. cap. 14, p. 409-426.

ZANON, U. Sistema parasito-ambiente hospedeiro. In: ZANON, Uriel; NEVES, J.

Infecções hospitalares: prevenção, diagnóstico e tratamento. Rio de janeiro: Medsi, 1987.

p. 59-60.

ZILLIOTTO JUNIOR, A. et al. Infecção hospitalar em hospital privado de Ribeirão Preto,

São Paulo. Rev. Ass. Med. Brasil, São Paulo, v. 35, n. 1, jan/fev., 1989.

158

ANEXO 1

Ponto de Corte dos Procedimentos Cirúrgicos do Sistema NNIS

Código NNISS Procedimento Cirúrgico Ponto de corte (em horas)

CABG

CARD

OCVS

THOR

ORES

APPY

BILI

CHOL

COLO

GAST

XLAP

OGIT

AMP

FUS

PROS

OMS

CSEC

HYST

VHYS

OOB

NEPH

PRST

OGU

OENT

CRAN

VSHN

ONS

HER

MAST

SKGR

SPLE

OES

OEYE

OBL

OSKN

Bypass coronariano

Cardíaca

Outras cardiovasculares

Torácica

Outros do sistema respiratório

Apendicectomia

Ductor biliar, Fígado, Pâncreas

Colecistectomia

Cólon

Gástrica

Intesino delgado

Laparotomia exploradora

Outros do sistema digestivo

Amputação de membros

Fusões, Artrodese

Redução aberta de fraturas

Prótese articular

Outros sistemas musculoesqueléticos

Cesáreas

Histerectomia abdominal

Histerectomia vaginal

Outros procedimentos obstétricos

Nefrectomia

Prostatectomia

Outros do sistema geniturinário

Cabeça e Pescoço

Outros otorrinolaringológicos

Craniotomia

Shunt ventricular

Outros Sist. Nervoso, coluna

Herniorrafia

Mastectomia

Transplante de órgãos

Enxerto de pele

Esplenectomia

Vascular

Outros sist. Endócrino

Olhos

Outros do sistema linfático e hemático

Outros do sistema tegumentar

FONTE - STARLING, PINHEIRO e COUTO, 1993

NOTA - Corresponde ao valor em horas do tempo cirúrgico máximo de 75% das cirurgias

analisadas no estudo NNISS.

159

ANEXO 2

TABELA 1

Avaliação das perdas de informação de algumas variáveis em relação ao Índice de

Risco de Infecção Cirúrgico. BH – 1994-2002.

Variável: perdas do IRIC

Variáveis

Independentes

Dados Informados Dados não informados

Freqüência

Percentual

Freqüência

Percentual

Total

Valor P

Hospital

0 4.911

38,5

6.563

74,6 16.385

1 5.787

45,4

738

8,4 6.525

2 873

6,8

389

4,4 1.202

3 1.185

9,3

1.112

12,6 4.667

Total 12.756 100 8.802 100 21.558 p = 0,000

Tipo Procedimento

Fusão e Artrodese 2.036

15,9

1.592

18,1 3.628

Redução Aberta de Fratura 4.370

34,3

2.904

32,9 7.274

Outras cirurgias do sistema Músculo-

esquelético

5.409

42,4

3.962

45 9.371

Prótese Joelho

Outras Próteses

Prótese Quadril

Total

166

108

667

12.756

1,3

0,9

5,2

100

273

8.802

0,4

3,1

100

204

141

940

21.558

p = 0,000

Uso Prótese

Não 6.216

48,7

2.899

32,9 9.115

Sim 5.917

46,4

3.283

37,3 9.200

9 (perdas) 813

6,4

4.559

51,8 9.160

Total 12.756 100 8.802 100 21.558 p = 0,000

ASA

1 8.044

63,1

4.087

46,4 12.131

2 3.505

27,5

908

10,3 3.595

1.093

8,6

204

2,3 1.297

4 114

0,9

0,3 133

9 (perdas)

0 0,0

3.584

40,7 3.584

Total 12.756 100 8.802 100 21.558 p = 0,000

Potencial de Contaminação

Limpa 10.910

85,5

3.361

38,2 14.271

Pot. Contaminada 938

7,4

417

4,7 1.355

Contaminada 345

2,7

0,74 410

Infectada 560

4,4

138

1,57 698

Continuação da TABELA 1

9 (perdas) 3

0,02

4.824

54,8

4.824

160

Total 12.756 100 8.802 100 21.558 p = 0,000

Trauma

Não 7.390

57,9

3.364

38,2 10.754

Sim 4.918

38,6

1.127

12,8 6.045

9 (perdas) 448

3,5

4.311

49,0 4.759

Total 12.756 100 8.802 100 21.558 p = 0,000

de Profissionais em Cirurgia

0 6.120

48,0

6.120

69,5 12.240

1 6.091

47,7

1.832

20,8 7.923

2 97

0,76

0,6 146

9 (perdas) 448

3,51

801

9,1 1.249

Total 12.756 100 8.802 100 21.558 p = 0,000

Uso de Antibioticoprofilático

Não 4.384

34,0

1.389

15,8 5.773

Cefazolina 5.601

43,9

1.442

16,4 7.043

Clindamicina + outros 227

2,2

0,4 266

9 (perdas) 2.544

19,9

5.932

67,4 8.476

Total 12.756 100 8.802 100 21.558 p = 0,000

Emergência

Não 10.551

86,1

4.119

46,8 14.670

Sim 1.709

13,4

392

4,5 2.101

9 (perdas) 496

3,9

4.291

48,7 4.787

Total 12.260 100 8.802 100 21.558 p = 0,000

Uso Anestesia Geral

Não 6.216

48,7

2.899

32,9 9.115

Sim 5.457

42,8

3.283

37,3 8.740

9 (perdas) 1.083

8,5

2.620

29,7 3.703

Total 11.673 100 8.802 100 21.558 p = 0,000

SSI

Não 12.522

98,4

8.559

97,2 21.081

Sim 210

1,6

221

2,5 431

9 (perdas) 24

0,2

0,3 46

Total 12.756 100 8.802 100 21.558 p = 0,000

* Percentual em relação ao total da coluna.

TABELA 2

Avaliação das perdas de informação de algumas variáveis em relação à ISC. BH – 1994-

2002.

161

Variável: perdas da ISC

Variáveis

Independentes

Dados Informados Dados não informados

Freqüência

Percentual

Freqüência

Percentual

Total

Valor P

Hospital

0 11.474

53,3

0 11.474

1 6.525

30,3

0 6.525

2 1.262

5,8

0 1.262

3 2.251

10,5

100 2.297

Total 21.512 100 46 100 21.558 p = 0,00

Tipo Procedimento

Fusão e Artrodese 3.621

16,8

2,2 3.628

Redução Aberta de Fratura 7.258

33,7

34,8 7.274

Outras cirurgias do sistema Músculo-

esquelético

9.255

43,0

34,8 9.371

Prótese Joelho

Outras Próteses

Prótese Quadril

Total

203

141

934

21.512

0,9

0,6

4,3

100

2,2

0,0

100

204

141

940

21.558

p = 0,08

Uso Prótese

Não 8.661

40,3

41,3 8.680

Sim 7.482

34,8

41,3 7.506

9 (perdas) 5.364

24,9

17,4 5.372

Total 21.512 100 46 100 21.558

p = 0,45

ASA

1 12.115

56,3

34,8 12.131

2 4.399

20,4

30,4 4.413

1.292

6,0

10,8 1.297

4 133

0,62

0,0 133

9 (perdas) 3.573

16,6

23,9 3.584

Total 21.512 100 46 100 21.558

p = 0,05

Potencial de Contaminação

Limpa 14.231

66,2

86,9 14.271

Pot. Contaminada 1.354

6,3

2,2 1.355

1,9

2,2 410

Contaminada 409

Continuação da TABELA 2

Infectada 697

3,2

2,2 698

9 (perdas) 4.821

22,4

6,5

4.824

Total 21.512 100 46 100 21.558

p = 0,05

162

Trauma

Não 10.733

49,9

45,7 10.754

Sim 6.026

28,0

41,3 6.045

9 (perdas) 4.753

22,1

13,0 4.759

Total 21.512 100 46 100 21.558

p = 0,09

de Profissionais em Cirurgia

0 12.222

56,8

39,0 12.240

1 7.895

36,7

61,0 7.923

2 146

0,7

0,0 146

9 (perdas) 1.249

5,8

0,0 1.249

Total 21.512 100 46 100 21.558 p = 0,01

Uso de Antibioticoprofilático

Não 5.758

26,7

32,6 5.733

Cefazolina 7.016

32,6

58,7 7.043

Clindamicina + outros 266

1,2

0,0 266

9 (perdas) 8.472

39,4

8,7 8.476

Total 21.512 100 46 100 21.558 p = 0,00

Emergência

Não 14.633

68,0

80,4 14.670

Sim 2.096

9,7

10,8 2.101

9 (perdas) 4.783

22,2

8,7 4.787

Total 21.512 100 46 100 21.558

p = 0,08

Uso Anestesia Geral

Não 9.080

42,2

76,1 9.115

Sim 8.734

40,6

13,1 8.740

9 (perdas) 3.698

17,2

10,8 3.703

Total 21.512 100 46 100 21.558 p = 0,00

IRIC

0 7.983

37,1

26,1 7.995

1 4.035

18,7

23,9 4.046

2 684

3,2

14,8 685

3 30

0,1

0,0 30

9 8.780

40,8

47,8 8.807

Total 21.512 100 46 100 21.558 p = 0,57

* Percentual em relação ao total da coluna.

163

ANEXO 3

Esquema Representativo da Metodologia do Sistema NNIS e SACIH

Fonte: STARLING, PINHEIRO e COUTO, 1993.

Metodologia

NNISS

Global

Cirúrgico

Terapia

Intensiva

HRN

Componente

Global

Componente

Cirúrgico

Componente

Unidades

Componente

Serviços

SACIH

Microbiológico Farmácia

164

ANEXO 4

Ficha de Coleta de Dados do Componente de Vigilância Cirúrgico

Rec # ___________

Data da cirurgia: ___/___/____ Bloco:__________ Sala:____________

Nome do Paciente: _____________________ Prontuário: _________________

Idade: _________ D M A Sexo: ______ M F

Doença de Base: __________________________________________________

Procedimento Cirúrgico: ____________________________________________

Tempo de Cirurgia: _____:_____ Tempo de CEC: ____:____

Grau de Contaminação: L PC C I

Anest. Geral: S N Emergência: S N Trauma: S N

ASA: 1 2 3 4 5 Prótese: S N

ATB Profilático: ________________________________ Dose:_____________

Cirurgião 1: ___________________________

Cirurgião 2: ___________________________

Cirurgião 3: ___________________________

Anestesista: ___________________________

Instrumentadora: _______________________

Circulante: ____________________________

Fonte - STARLING, PINHEIRO e COUTO, 1993.

Nota - L = Cirurgia limpa, PC = Cirurgia potencialmente contaminada, C = Contaminada,

I = Infectada

CEC = Circulação Extra Corpórea

165

ANEXO 5

Folha de Cirurgia

ANEXO 6

166

Ficha de notificação de infecção hospitalar (frente)

Identificação

Nº prontuário:_____________________ Nome:______________________________________________

RN: (ignorar) Internação:___ (1

a 99) Admissão: ____/____/_________ Vínculo:______________

Sexo:  M  F Nascimento: ____/____/_________ ou Idade: ______  Anos  Dias  Meses

Movimentação do paciente entre as clínicas e as unidades de internação (setores)

Serviço: __________________ Entrada: ____/____/________ Saída: ____/____/________

Unidade: __________________ Entrada: ____/____/________ Saída: ____/____/________

Evolução:  alta ou transferência  óbito Data de saída do hospital: ____/____/________

Dados da infecção (F7)

Infecção número: ___

Serviço onde ocorreu a infecção:_____________ Unidade onde ocorreu a infecção:_______________

Tipo de infecção:  Hospitalar  Comunitária  colonização Sítio principal: ______ Sítio específico: ______

Data diagnóstico: ____/____/_______ (menor data entre início ATB, início sintomas ou pedido de cultura)

Data calculada da infecção: (data estimada automaticamente pelo sistema; se não concordar, altere !)

Sepse secundária:  sim  não Se óbito, relação com a infecção:  causa  relacionada  não relacionada

(

)

Utilização de antimicrobiano para tratar a infecção:  não  sim → Preencher dados abaixo

Antimicrobiano

Via

Dose

Freq

Serviço

responsável

Pela prescrição

Início do ATB

Término do ATB

Classificação

( 1 ou 4)

____/____/_____

Obs.: classificação = 1 (prescrição recomendada);classificação = 4 (prescrição não recomendada

pela CCIH);

Procedimentos invasivos e variáveis associados à infecção:  não  sim → Preencher dados abaixo

Procedimento / variável Serviço responsável

Setor Início Término ATB profilático

Cateter Venoso Central

____/___/___

Respirador

____/___/___

Sonda Vesical De Demora

____/___/___

ANEXO 7

167

ANEXO 8

Saída do Programa STATA 8.0

Análise dos Modelos Propostos

168

Modelo 1

O Modelo 1 foi composto pelas variáveis do IRIC

. xi: logit SSI i.asa1 i.cont tempciru

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -605.10963

Iteration 2: log likelihood = -595.90209

Iteration 3: log likelihood = -595.22049

Iteration 4: log likelihood = -595.20943

Iteration 5: log likelihood = -595.20943

Logit estimates Number of obs = 8236

LR chi2(7) = 28.88

Prob > chi2 = 0.0002

Log likelihood = -595.20943 Pseudo R2 = 0.0237

------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+----------------------------------------------------------------------------

_Iasa1_2 | .3316948 .215282 1.54 0.123 -.0902501 .7536398

_Iasa1_3 | .6796749 .2795369 2.43 0.015 .1317925 1.227557

_Iasa1_4 | .9870642 .618665 1.60 0.111 -.2254969 2.199625

_Icont_1 | .6952461 .3017282 2.30 0.021 .1038697 1.286623

_Icont_2 | 1.21271 .3866653 3.14 0.002 .4548604 1.97056

_Icont_3 | 1.075529 .327303 3.29 0.001 .434027 1.717031

tempciru | .0006938 .0012786 0.54 0.587 -.0018122 .0031998

_cons | -4.712261 .1982037 -23.77 0.000 -5.100733 -4.323789

--------------------------------------------------------------------------------------------

lroc, nograph

Logistic model for SSI

number of observations = 8236

area under ROC curve = 0.6352

Modelo 2

As variáveis que compõem o Modelo 2: Asa, Trauma, Protese, Tipo de procedimento cirúrgico, Potencial

de contaminação, Uso de antibiótico profilático, Número de profissionais envolvidos na cirurgia, Hospital,

Idade, Tempo pré-operatório, Duração da cirurgia, Uso de anestesia e Carater emergencial da cirurgia.

Modelo Cheio 2:

. xi: logit SSI i.asa1 trauma protese i.tipoproc i.cont i.antbprofilat i.nprofi i.hospit idade tpreop tempciru tipanes

emerg

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

169

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -574.38268

Iteration 2: log likelihood = -563.88693

Iteration 3: log likelihood = -563.32209

Iteration 4: log likelihood = -563.3188

Iteration 5: log likelihood = -563.3188

Logit estimates Number of obs = 8236

LR chi2(25) = 92.66

Prob > chi2 = 0.0000

Log likelihood = -563.3188 Pseudo R2 = 0.0760

---------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-------------------------------------------------------------------------------------

_Iasa1_2 | .5761393 .2603194 2.21 0.027 .0659226 1.086356

_Iasa1_3 | 1.029576 .3646461 2.82 0.005 .3148824 1.744269

_Iasa1_4 | 1.394233 .6800455 2.05 0.040 .061368 2.727097

trauma | -.0364555 .2717003 -0.13 0.893 -.5689783 .4960672

protese | .6801479 .2296872 2.96 0.003 .2299693 1.130326

_Itipoproc_2 | -.3606165 .3345146 -1.08 0.281 -1.016253 .29502

_Itipoproc_3 | -.1881738 .2871839 -0.66 0.512 -.7510439 .3746962

_Itipoproc_4 | -.1817943 .7966045 -0.23 0.819 -1.74311 1.379522

_Itipoproc_5 | -.191523 .8268922 -0.23 0.817 -1.812202 1.429156

_Itipoproc_6 | -.0218758 .4552533 -0.05 0.962 -.914156 .8704043

_Icont_1 | .9062055 .3143598 2.88 0.004 .2900716 1.52234

_Icont_2 | 1.551804 .4253799 3.65 0.000 .7180746 2.385533

_Icont_3 | 1.33754 .3646106 3.67 0.000 .6229161 2.052163

_Iantbprof~1 | -.3224653 .3324119 -0.97 0.332 -.9739806 .3290499

_Iantbprof~2 | -1.374115 1.055532 -1.30 0.193 -3.44292 .6946906

_Inprofi_1 | .0602739 .2401598 0.25 0.802 -.4104308 .5309785

_Inprofi_2 | 1.571558 .5562201 2.83 0.005 .4813869 2.66173

_Ihospit_1 | -1.508845 .4019268 -3.75 0.000 -2.296607 -.721083

_Ihospit_2 | -.5014053 .4610554 -1.09 0.277 -1.405057 .4022466

_Ihospit_3 | -1.09225 .472066 -2.31 0.021 -2.017482 -.1670177

idade | .0039452 .0057209 0.69 0.490 -.0072675 .0151579

tpreop | .0015957 .0028198 0.57 0.571 -.0039309 .0071224

tempciru | .0029702 .0015203 1.95 0.051 -9.49e-06 .0059498

tipanes | -.3921144 .2290255 -1.71 0.087 -.8409961 .0567673

emerg | .089383 .2905782 0.31 0.758 -.4801398 .6589058

_cons | -4.424653 .3580145 -12.36 0.000 -5.126348 -3.722957

------------------------------------------------------------------------------------------------

. est store a

Retirando a variável Trauma

. xi: logit SSI i.asa1 protese i.tipoproc i.cont i.antbprofilat i.nprofi i.hospit idade tpreop tempciru tipanes emerg

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

170

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -574.40704

Iteration 2: log likelihood = -563.89627

Iteration 3: log likelihood = -563.33111

Iteration 4: log likelihood = -563.32782

Iteration 5: log likelihood = -563.32782

Logit estimates Number of obs = 8236

LR chi2(24) = 92.64

Prob > chi2 = 0.0000

Log likelihood = -563.32782 Pseudo R2 = 0.0760

--------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+------------------------------------------------------------------------------------

_Iasa1_2 | .5783355 .2598057 2.23 0.026 .0691257 1.087545

_Iasa1_3 | 1.030662 .3646353 2.83 0.005 .3159897 1.745334

_Iasa1_4 | 1.400055 .6782975 2.06 0.039 .0706163 2.729494

protese | .6756477 .227192 2.97 0.003 .2303596 1.120936

_Itipoproc_2 | -.3751015 .3166786 -1.18 0.236 -.9957801 .2455771

_Itipoproc_3 | -.1886678 .2871227 -0.66 0.511 -.751418 .3740824

_Itipoproc_4 | -.1705882 .7922228 -0.22 0.830 -1.723316 1.38214

_Itipoproc_5 | -.1896748 .8267658 -0.23 0.819 -1.810106 1.430756

_Itipoproc_6 | -.02526 .4546265 -0.06 0.956 -.9163115 .8657915

_Icont_1 | .9048784 .3141602 2.88 0.004 .2891357 1.520621

_Icont_2 | 1.554508 .4248601 3.66 0.000 .7217975 2.387218

_Icont_3 | 1.338218 .364487 3.67 0.000 .6238366 2.052599

_Iantbprof~1 | -.3255259 .3316459 -0.98 0.326 -.97554 .3244882

_Iantbprof~2 | -1.378238 1.055287 -1.31 0.192 -3.446562 .6900869

_Inprofi_1 | .0601276 .2402263 0.25 0.802 -.4107073 .5309625

_Inprofi_2 | 1.571427 .5560876 2.83 0.005 .4815157 2.661339

_Ihospit_1 | -1.520105 .393154 -3.87 0.000 -2.290673 -.7495377

_Ihospit_2 | -.505156 .4602412 -1.10 0.272 -1.407212 .3969001

_Ihospit_3 | -1.102478 .4660297 -2.37 0.018 -2.015879 -.1890762

idade | .003943 .0057209 0.69 0.491 -.0072697 .0151557

tpreop | .0015867 .0028213 0.56 0.574 -.0039429 .0071163

tempciru | .002981 .0015172 1.96 0.049 7.32e-06 .0059547

tipanes | -.3913785 .2288603 -1.71 0.087 -.8399365 .0571795

emerg | .0814785 .2843476 0.29 0.774 -.4758325 .6387895

_cons | -4.424834 .3579042 -12.36 0.000 -5.126313 -3.723355

--------------------------------------------------------------------------------------------------

. est store b

. lrtest a

likelihood-ratio test LR chi2(1) = 0.02

(Assumption: b nested in a) Prob > chi2 = 0.8932

A variável Trauma foi retirada do modelo de acordo com Prob > chi2 = 0.8932

Retirando a Variável Carater emergencial da cirurgia

. xi: logit SSI i.asa1 protese i.tipoproc i.cont i.antbprofilat i.nprofi i.hospit idade tpreop tempciru tipanes

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

171

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -574.41949

Iteration 2: log likelihood = -563.93605

Iteration 3: log likelihood = -563.37173

Iteration 4: log likelihood = -563.36842

Iteration 5: log likelihood = -563.36842

Logit estimates Number of obs = 8236

LR chi2(23) = 92.56

Prob > chi2 = 0.0000

Log likelihood = -563.36842 Pseudo R2 = 0.0759

--------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+------------------------------------------------------------------------------------

_Iasa1_2 | .5817805 .2595408 2.24 0.025 .0730899 1.090471

_Iasa1_3 | 1.037066 .3639515 2.85 0.004 .3237341 1.750398

_Iasa1_4 | 1.424013 .6723525 2.12 0.034 .1062259 2.741799

protese | .6742699 .2269738 2.97 0.003 .2294094 1.11913

_Itipoproc_2 | -.360223 .3118439 -1.16 0.248 -.9714258 .2509797

_Itipoproc_3 | -.1881326 .2870662 -0.66 0.512 -.750772 .3745069

_Itipoproc_4 | -.1759701 .7919675 -0.22 0.824 -1.728198 1.376258

_Itipoproc_5 | -.1924259 .8268814 -0.23 0.816 -1.813084 1.428232

_Itipoproc_6 | -.0176153 .4534508 -0.04 0.969 -.9063625 .8711319

_Icont_1 | .9143679 .312232 2.93 0.003 .3024045 1.526331

_Icont_2 | 1.571655 .4204683 3.74 0.000 .7475525 2.395758

_Icont_3 | 1.361809 .3546147 3.84 0.000 .666777 2.056841

_Iantbprof~1 | -.3188517 .330437 -0.96 0.335 -.9664964 .328793

_Iantbprof~2 | -1.384018 1.055052 -1.31 0.190 -3.451882 .6838465

_Inprofi_1 | .0560627 .2397777 0.23 0.815 -.4138928 .5260183

_Inprofi_2 | 1.574624 .555468 2.83 0.005 .4859272 2.663322

_Ihospit_1 | -1.514022 .392203 -3.86 0.000 -2.282725 -.7453178

_Ihospit_2 | -.5021065 .4599568 -1.09 0.275 -1.403605 .3993922

_Ihospit_3 | -1.104887 .4657417 -2.37 0.018 -2.017724 -.1920495

idade | .003921 .0057174 0.69 0.493 -.0072848 .0151269

tpreop | .0015948 .0028207 0.57 0.572 -.0039337 .0071233

tempciru | .0029482 .0015145 1.95 0.052 -.0000201 .0059165

tipanes | -.389406 .2286248 -1.70 0.089 -.8375023 .0586903

_cons | -4.422569 .3576213 -12.37 0.000 -5.123493 -3.721644

--------------------------------------------------------------------------------------------------

. est store c

. lrtest b

likelihood-ratio test LR chi2(1) = 0.08

(Assumption: c nested in b) Prob > chi2 = 0.7757

A variável Carater emergencial da cirurgia foi retirada do modelo de acordo com Prob > chi2 = 0.7757

Retirando a Variável Tempo pré-operatório

. xi: logit SSI i.asa1 protese i.tipoproc i.cont i.antbprofilat i.nprofi i.hospit idade tempciru tipanes

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

172

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -574.54181

Iteration 2: log likelihood = -564.07113

Iteration 3: log likelihood = -563.50937

Iteration 4: log likelihood = -563.50609

Iteration 5: log likelihood = -563.50609

Logit estimates Number of obs = 8236

LR chi2(22) = 92.29

Prob > chi2 = 0.0000

Log likelihood = -563.50609 Pseudo R2 = 0.0757

---------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-------------------------------------------------------------------------------------

_Iasa1_2 | .5807214 .2593897 2.24 0.025 .072327 1.089116

_Iasa1_3 | 1.041307 .3632781 2.87 0.004 .3292951 1.753319

_Iasa1_4 | 1.418614 6725802 2.11 0.035 .1003809 2.736847

protese | .6768482 .2269883 2.98 0.003 .2319593 1.121737

_Itipoproc_2 | -.3641712 .3116911 -1.17 0.243 -.9750745 .2467321

_Itipoproc_3 | -.1852992 .2869663 -0.65 0.518 -.7477429 .3771445

_Itipoproc_4 | -.1623422 .7914323 -0.21 0.837 -1.713521 1.388837

_Itipoproc_5 | -.1936319 .8268087 -0.23 0.815 -1.814147 1.426883

_Itipoproc_6 | -.0132915 .4526463 -0.03 0.977 -.9004621 .873879

_Icont_1 | .9117765 .3121835 2.92 0.003 .2999081 1.523645

_Icont_2 | 1.577328 .4202109 3.75 0.000 .7537301 2.400926

_Icont_3 | 1.362706 .354602 3.84 0.000 .6676985 2.057713

_Iantbprof~1 | -.3244932 .3302385 -0.98 0.326 -.9717487 .3227624

_Iantbprof~2 | -1.387848 1.05519 -1.32 0.188 -3.455982 .6802862

_Inprofi_1 | .0548811 .2397192 0.23 0.819 -.41496 .5247222

_Inprofi_2 | 1.594089 .5530716 2.88 0.004 .5100882 2.678089

_Ihospit_1 | -1.508964 .3920598 -3.85 0.000 -2.277387 -.7405411

_Ihospit_2 | -.5018683 .4596785 -1.09 0.275 -1.402822 .399085

_Ihospit_3 | -1.096455 .4645549 -2.36 0.018 -2.006966 -.1859447

idade | .0039096 0057114 0.68 0.494 -.0072846 .0151038

tempciru | .0029533 .001513 1.95 0.051 -.0000121 .0059186

tipanes | -.387345 .2284747 -1.70 0.090 -.8351471 .0604572

_cons | -4.418227 .357512 -12.36 0.000 -5.118938 -3.717516

--------------------------------------------------------------------------------------------------

. est store d

. lrtest c

likelihood-ratio test LR chi2(1) = 0.28

(Assumption: d nested in c) Prob > chi2 = 0.5998

A variável tempo pré-operatório foi retirada do modelo de acordo com Prob > chi2 = 0.5998

Retirando a Variável Tipo de procedimento cirúrgico

. xi: logit SSI i.asa1 protese i.cont i.antbprofilat i.nprofi i.hospit idade tempciru tipanes

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

173

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -575.31763

Iteration 2: log likelihood = -564.96696

Iteration 3: log likelihood = -564.42185

Iteration 4: log likelihood = -564.41878

Iteration 5: log likelihood = -564.41878

Logit estimates Number of obs = 8236

LR chi2(17) = 90.46

Prob > chi2 = 0.0000

Log likelihood = -564.41878 Pseudo R2 = 0.0742

-----------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+---------------------------------------------------------------------------------------

_Iasa1_2 | .5979772 .2573504 2.32 0.020 .0935796 1.102375

_Iasa1_3 | 1.052247 .3609092 2.92 0.004 .3448779 1.759616

_Iasa1_4 | 1.436574 .668919 2.15 0.032 .1255167 2.747631

protese | .6599419 .2157004 3.06 0.002 .2371768 1.082707

_Icont_1 | .8800912 .3100454 2.84 0.005 .2724134 1.487769

_Icont_2 | 1.580578 .4125942 3.83 0.000 .7719082 2.389248

_Icont_3 | 1.329652 .3476761 3.82 0.000 .6482197 2.011085

_Iantbprof~1 | -.3520024 .3273989 -1.08 0.282 -.9936925 .2896877

_Iantbprof~2 | -1.409741 1.055346 -1.34 0.182 -3.478181 .6586987

_Inprofi_1 | .0624805 .2392639 0.26 0.794 -.4064681 .5314291

_Inprofi_2 | 1.604429 .5500165 2.92 0.004 .5264168 2.682442

_Ihospit_1 | -1.566751 .3868985 -4.05 0.000 -2.325058 -.8084434

_Ihospit_2 | -.5006856 .4407235 -1.14 0.256 -1.364488 .3631166

_Ihospit_3 | -1.123162 .4601068 -2.44 0.015 -2.024955 -.2213689

idade | .0038906 .0056168 0.69 0.489 -.007118 .0148993

tempciru | .0032368 .0014757 2.19 0.028 .0003445 .0061292

tipanes | -.3649912 .2242963 -1.63 0.104 -.8046038 .0746214

_cons | -4.617048 .2767223 -16.68 0.000 -5.159414 -4.074683

-----------------------------------------------------------------------------------------------------

. est store e

. lrtest d

likelihood-ratio test LR chi2(5) = 1.83

(Assumption: e nested in d) Prob > chi2 = 0.8727

. xi: logit SSI i.asa1 protese i.cont i.antbprofilat i.nprofi i.hospit tempciru tipanes

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -575.39374

Iteration 2: log likelihood = -565.1872

Iteration 3: log likelihood = -564.66265

174

Iteration 4: log likelihood = -564.65979

Iteration 5: log likelihood = -564.65979

Logit estimates Number of obs = 8236

LR chi2(16) = 89.98

Prob > chi2 = 0.0000

Log likelihood = -564.65979 Pseudo R2 = 0.0738

--------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+------------------------------------------------------------------------------------

_Iasa1_2 | .6668976 .2354323 2.83 0.005 .2054587 1.128336

_Iasa1_3 | 1.167004 .31851 3.66 0.000 .542736 1.791272

_Iasa1_4 | 1.534986 .6523183 2.35 0.019 .2564654 2.813506

protese | .6704762 .2152029 3.12 0.002 .2486863 1.092266

_Icont_1 | .8692221 .3095372 2.81 0.005 .2625403 1.475904

_Icont_2 | 1.573661 .4130888 3.81 0.000 .7640218 2.3833

_Icont_3 | 1.319156 .3475608 3.80 0.000 .6379492 2.000362

_Iantbprof~1 | -.3350062 .3267074 -1.03 0.305 -.9753409 .3053286

_Iantbprof~2 | -1.401729 1.055657 -1.33 0.184 -3.470779 .6673208

_Inprofi_1 | .0686208 .2386565 0.29 0.774 -.3991373 .536379

_Inprofi_2 | 1.620129 .5487662 2.95 0.003 .5445673 2.695691

_Ihospit_1 | -1.493474 .3716421 -4.02 0.000 -2.221879 -.7650691

_Ihospit_2 | -.4322018 .4295571 -1.01 0.314 -1.274118 .4097146

_Ihospit_3 | -1.051217 .4484869 -2.34 0.019 -1.930236 -.1721993

tempciru | .0032398 0014709 2.20 0.028 .000357 .0061227

tipanes | -.4234052 .2081012 -2.03 0.042 -.831276 -.0155344

_cons | -4.548397 .2576192 -17.66 0.000 -5.053321 -4.043472

---------------------------------------------------------------------------------------------------

. est store f

. lrtest e

likelihood-ratio test LR chi2(1) = 0.48

(Assumption: f nested in e) Prob > chi2 = 0.4875

. xi: logit SSI i.asa1 protese i.cont i.nprofi i.hospit tempciru tipanes

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -576.49962

Iteration 2: log likelihood = -566.55913

Iteration 3: log likelihood = -566.07041

Iteration 4: log likelihood = -566.06832

Logit estimates Number of obs = 8236

LR chi2(14) = 87.16

Prob > chi2 = 0.0000

Log likelihood = -566.06832 Pseudo R2 = 0.0715

-----------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+---------------------------------------------------------------------------------------

_Iasa1_2 | .6430845 .2348383 2.74 0.006 .1828099 1.103359

_Iasa1_3 | 1.13548 .3168434 3.58 0.000 .5144785 1.756482

175

_Iasa1_4 | 1.580481 .6471765 2.44 0.015 .3120383 2.848924

protese | .6471103 .2133194 3.03 0.002 .229012 1.065209

_Icont_1 | .8657004 .3088043 2.80 0.005 .2604551 1.470946

_Icont_2 | 1.566742 .40585 3.86 0.000 .7712909 2.362194

_Icont_3 | 1.323643 .3458546 3.83 0.000 .6457807 2.001506

_Inprofi_1 | .067515 .2392436 0.28 0.778 -.4013939 .5364238

_Inprofi_2 | 1.589788 .5481299 2.90 0.004 .5154728 2.664102

_Ihospit_1 | -1.73708 .3072673 -5.65 0.000 -2.339313 -1.134847

_Ihospit_2 | -.6300476 .3848509 -1.64 0.102 -1.384342 .1242463

_Ihospit_3 | -1.280561 .3943948 -3.25 0.001 -2.053561 -.5075617

tempciru | .0027699 .001443 1.92 0.055 -.0000582 .0055981

tipanes | -.4061783 .2077389 -1.96 0.051 -.8133391 .0009826

_cons | -4.521681 .2569704 -17.60 0.000 -5.025334 -4.018028

---------------------------------------------------------------------------------------------------------

. est store g

. lrtest f

likelihood-ratio test LR chi2(2) = 2.82

(Assumption: g nested in f) Prob > chi2 = 0.2445

. lroc

Logistic model for SSI

number of observations = 8236

area under ROC curve = 0.7499

Modelo 3

O Modelo 3 foi composto pelas variáveis:asa, trauma, protese tipo de procedimento cirúrgico, potencial de

contaminação, uso de antibiótico profilático, número de profissionais envolvidos na cirurgia e hospital

Modelo Cheio 3:

. xi: logit SSI trauma i.asa1 protese i.tipoproc i.cont i.antbprofilat i.nprofi i.hospit

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -576.85356

Iteration 2: log likelihood = -567.7612

Iteration 3: log likelihood = -567.31513

Iteration 4: log likelihood = -567.31289

Iteration 5: log likelihood = -567.31289

Logit estimates Number of obs = 8236

LR chi2(20) = 84.67

Prob > chi2 = 0.0000

Log likelihood = -567.31289 Pseudo R2 = 0.0694

-------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

176

-------------+-----------------------------------------------------------------------------------

_Iasa1_2 | .6608928 .2400545 2.75 0.006 .1903946 1.131391

_Iasa1_3 | 1.123847 .3253136 3.45 0.001 .4862444 1.76145

_Iasa1_4 | 1.482589 .6494644 2.28 0.022 .2096623 2.755516

trauma | -.0407682 .2674175 -0.15 0.879 -.5648968 .4833605

protese | .7513786 .2270277 3.31 0.001 .3064125 1.196345

_Itipoproc_2 | -.2910407 .3293865 -0.88 0.377 -.9366263 .354545

_Itipoproc_3 | -.115581 .2830679 -0.41 0.683 -.6703838 . 4392219

_Itipoproc_4 | .097253 .7882932 0.12 0.902 -1.447773 1.642279

_Itipoproc_5 | -.0166185 .8212276 -0.02 0.984 -1.626195 1.592958

_Itipoproc_6 | .2280258 .4444456 0.51 0.608 -.6430716 1.099123

_Icont_1 | .8972737 .3105742 2.89 0.004 .2885595 1.505988

_Icont_2 | 1.505703 .419135 3.59 0.000 .6842136 2.327193

_Icont_3 | 1.313532 .3547535 3.70 0.000 .6182274 2.008836

_Iantbprof~1 | -.1548858 .3248671 -0.48 0.634 -.7916136 .481842

_Iantbprof~2 | -1.15049 1.047316 -1.10 0.272 -3.203192 .9022116

_Inprofi_1 | .0727574 .2379383 0.31 0.760 -.393593 .5391078

_Inprofi_2 | 1.741171 .5344125 3.26 0.001 .6937413 2.7886

_Ihospit_1 | -1.222193 .3815176 -3.20 0.001 -1.969954 -.4744325

_Ihospit_2 | -.2490367 .4417126 -0.56 0.573 -1.114777 .616704

_Ihospit_3 | -.8471548 .4530234 -1.87 0.061 -1.735064 .0407548

_cons | -4.493052 .2847092 -15.78 0.000 -5.051072 -3.935032

---------------------------------------------------------------------------------------------------

. est store a

Retirando a primeira variável: Trauma

. xi: logit SSI i.asa1 protese i.tipoproc i.cont i.antbprofilat i.nprofi i.hospit

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -576.87618

Iteration 2: log likelihood = -567.77301

Iteration 3: log likelihood = -567.32677

Iteration 4: log likelihood = -567.32453

Iteration 5: log likelihood = -567.32453

Logit estimates Number of obs = 8236

LR chi2(19) = 84.65

Prob > chi2 = 0.0000

Log likelihood = -567.32453 Pseudo R2 = 0.0694

---------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-------------------------------------------------------------------------------------

_Iasa1_2 | .6629762 .2396704 2.77 0.006 .1932309 1.132721

_Iasa1_3 | 1.124223 .3254175 3.45 0.001 .4864164 1.76203

_Iasa1_4 | 1.48649 .6487831 2.29 0.022 .2148986 2.758082

protese | .7465206 .2247751 3.32 0.001 .3059694 1.187072

_Itipoproc_2 | -.3094721 .3065368 -1.01 0.313 -.9102733 .291329

_Itipoproc_3 | -.1165424 .2829529 -0.41 0.680 -.6711199 .4380352

_Itipoproc_4 | .1097157 .784098 0.14 0.889 -1.427088 1.64652

177

_Itipoproc_5 | -.0139522 .8209845 -0.02 0.986 -1.623052 1.595148

_Itipoproc_6 | .2230579 .4433818 0.50 0.615 -.6459545 1.09207

_Icont_1 | .8951354 .3102104 2.89 0.004 .2871342 1.503137

_Icont_2 | 1.506197 .4190796 3.59 0.000 .6848163 2.327578

_Icont_3 | 1.311231 .3543755 3.70 0.000 .6166675 2.005794

_Iantbprof~1 | -.1582135 .3241934 -0.49 0.626 -.7936209 .4771938

_Iantbprof~2 | -1.153476 1.047289 -1.10 0.271 -3.206124 .8991723

_Inprofi_1 | .0731728 .2380072 0.31 0.759 -.3933128 .5396585

_Inprofi_2 | 1.741684 .534461 3.26 0.001 .69416 2.789208

_Ihospit_1 | -1.235259 .3719378 -3.32 0.001 -1.964244 -.5062746

_Ihospit_2 | -.2540753 .440577 -0.58 0.564 -1.11759 .6094397

_Ihospit_3 | -.8590203 .4465635 -1.92 0.054 -1.734269 .0162282

_cons | -4.491446 .2844188 -15.79 0.000 -5.048897 -3.933995

--------------------------------------------------------------------------------------------------

. est store b

. lrtest a

likelihood-ratio test LR chi2(1) = 0.02

(Assumption: b nested in a) Prob > chi2 = 0.8787

A Variável Trauma foi retirada do modelo de acordo com Prob > chi2 = 0.8787

Retirando a variável uso de Antibióticoprofilático

. xi: logit SSI i.asa1 protese i.tipoproc i.cont i.nprofi i.hospit

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -577.58565

Iteration 2: log likelihood = -568.5914

Iteration 3: log likelihood = -568.16776

Iteration 4: log likelihood = -568.16605

Iteration 5: log likelihood = -568.16605

Logit estimates Number of obs = 8236

LR chi2(17) = 82.97

Prob > chi2 = 0.0000

Log likelihood = -568.16605 Pseudo R2 = 0.0680

--------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+------------------------------------------------------------------------------------

_Iasa1_2 | .6473116 .2390513 2.71 0.007 .1787797 1.115843

_Iasa1_3 | 1.110463 .3245775 3.42 0.001 .4743031 1.746624

_Iasa1_4 | 1.507585 .6456834 2.33 0.020 .2420691 2.773101

protese | .7305082 .2229845 3.28 0.001 .2934666 1.16755

_Itipoproc_2 | -.311168 .3051673 -1.02 0.308 -.909285 .286949

_Itipoproc_3 | -.1153625 .2828972 -0.41 0.683 -.6698309 .4391059

_Itipoproc_4 | .0779612 .7837017 0.10 0.921 -1.458066 1.613988

_Itipoproc_5 | -.0555448 .8164212 -0.07 0.946 -1.655701 1.544611

_Itipoproc_6 | .2199598 .4397692 0.50 0.617 -.641972 1.081892

_Icont_1 | .8865363 .3097612 2.86 0.004 .2794155 1.493657

_Icont_2 | 1.485528 .4137884 3.59 0.000 .6745177 2.296538

178

_Icont_3 | 1.304992 .3529324 3.70 0.000 .6132577 1.996727

_Inprofi_1 | .0722884 .238116 0.30 0.761 -.3944104 .5389873

_Inprofi_2 | 1.711215 .5319427 3.22 0.001 .6686263 2.753803

_Ihospit_1 | -1.382078 .2940694 -4.70 0.000 -1.958444 -.8057129

_Ihospit_2 | -.3527015 .3947452 -0.89 0.372 -1.126388 .4209848

_Ihospit_3 | -.981378 .3896341 -2.52 0.012 -1.745047 -.2177092

_cons | -4.486244 .2838817 -15.80 0.000 -5.042642 -3.929846

----------------------------------------------------------------------------------------------------

. est store c

. lrtest b

likelihood-ratio test LR chi2(2) = 1.68

(Assumption: c nested in b) Prob > chi2 = 0.4311

A variável uso de Antibióticoprofilático foi retirada do modelo de acordo com Prob > chi2 = 0.4311

Retirando a variável Tipo de procedimento cirúrgico

. xi: logit SSI i.asa1 protese i.cont i.nprofi i.hospit

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -578.66653

Iteration 2: log likelihood = -569.81539

Iteration 3: log likelihood = -569.41331

Iteration 4: log likelihood = -569.41182

Logit estimates Number of obs = 8236

LR chi2(12) = 80.48

Prob > chi2 = 0.0000

Log likelihood = -569.41182 Pseudo R2 = 0.0660

---------------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-------------------------------------------------------------------------------------

_Iasa1_2 | .6846136 .2342822 2.92 0.003 .2254289 1.143798

_Iasa1_3 | 1.143885 .3179982 3.60 0.000 .5206204 1.767151

_Iasa1_4 | 1.557752 .642153 2.43 0.015 .2991548 2.816348

protese | .7285448 .2092061 3.48 0.000 .3185084 1.138581

_Icont_1 | .8465417 .3072222 2.76 0.006 .2443972 1.448686

_Icont_2 | 1.489747 .4034373 3.69 0.000 .6990243 2.280469

_Icont_3 | 1.273232 .3455161 3.69 0.000 .5960328 1.950431

_Inprofi_1 | .0833832 .2372273 0.35 0.725 -.3815738 .5483402

_Inprofi_2 | 1.772553 .5267807 3.36 0.001 .7400814 2.805024

_Ihospit_1 | -1.429663 .2797015 -5.11 0.000 -1.977868 -.8814581

_Ihospit_2 | -.3566682 .3684285 -0.97 0.333 -1.078775 .3654383

_Ihospit_3 | -1.004702 .3769751 -2.67 0.008 -1.743559 -.2658439

_cons | -4.612152 .2069001 -22.29 0.000 -5.017668 -4.206635

---------------------------------------------------------------------------------------------------

. est store d

179

. lrtest c

likelihood-ratio test LR chi2(5) = 2.49

(Assumption: d nested in c) Prob > chi2 = 0.7778

A variável Tipo de Procedimento cirúrgico foi retirada do modelo de acordo com Prob > chi2 = 0.7778

Modelo final 3: Asa Protese Pot. cont Número de prodissionais na sala de cirurgia e Hospital

. xi: logistic SSI i.asa1 protese i.cont i.nprofi i.hospit

i.asa1 _Iasa1_1-4 (naturally coded; _Iasa1_1 omitted)

i.cont _Icont_0-3 (naturally coded; _Icont_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

Logistic regression Number of obs = 8236

LR chi2(12) = 80.48

Prob > chi2 = 0.0000

Log likelihood = -569.41182 Pseudo R2 = 0.0660

-------------------------------------------------------------------------------------

SSI | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]

-------------+-----------------------------------------------------------------------

_Iasa1_2 | 1.983005 .4645829 2.92 0.003 1.25286 3.138667

_Iasa1_3 | 3.138941 .9981776 3.60 0.000 1.683071 5.854148

_Iasa1_4 | 4.748134 3.049028 2.43 0.015 1.348718 16.7157

protese | 2.072063 .4334882 3.48 0.000 1.375075 3.122335

_Icont_1 | 2.33157 .71631 2.76 0.006 1.276851 4.257517

_Icont_2 | 4.435972 1.789637 3.69 0.000 2.011789 9.781271

_Icont_3 | 3.572379 1.234314 3.69 0.000 1.814904 7.031717

_Inprofi_1 | 1.086958 .2578562 0.35 0.725 .682786 1.730379

_Inprofi_2 | 5.885859 3.100557 3.36 0.001 2.096106 16.52747

_Ihospit_1 | .2393896 .0669576 -5.11 0.000 .1383639 .4141786

_Ihospit_2 | .7000047 .2579017 -0.97 0.333 .3400119 1.441146

_Ihospit_3 | .3661539 .1380309 -2.67 0.008 .1748968 .7665588

-----------------------------------------------------------------------------------------------

. lroc

Logistic model for SSI

number of observations = 8236

area under ROC curve = 0.7339

Modelo 4

O Modelo 4 foi composto das variáveis retiradas da univariada (sem as variáveis asa, pot. Cont e duração

cirurgia) + a variável IRIC

O Modelo 4 tinha as seguintes variáveis: trauma protese i.tipoproc i.antbprofilat i.hospit i.nprofi i.iric2

O Modelo Cheio 4:

. xi: logit SSI trauma protese i.tipoproc i.antbprofilat i.hospit i.nprofi i.iric2

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

180

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -609.4912

Iteration 2: log likelihood = -576.49294

Iteration 3: log likelihood = -574.33962

Iteration 4: log likelihood = -574.23488

Iteration 5: log likelihood = -574.23431

Iteration 6: log likelihood = -574.23431

Logit estimates Number of obs = 8236

LR chi2(17) = 70.83

Prob > chi2 = 0.0000

Log likelihood = -574.23431 Pseudo R2 = 0.0581

-------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+------------------------------------------------------------------------------

trauma | .0016044 .2599704 0.01 0.995 -.5079282 .5111371

protese | .5550907 .2186129 2.54 0.011 .1266173 .9835641

_Itipoproc_2 | -.3604122 .3265827 -1.10 0.270 -1.000502 .279678

_Itipoproc_3 | -.1008772 .2788196 -0.36 0.718 -.6473536 .4455991

_Itipoproc_4 | .2514759 .7825798 0.32 0.748 -1.282352 1.785304

_Itipoproc_5 | .0917095 .8157091 0.11 0.910 -1.507051 1.69047

_Itipoproc_6 | .3300875 .4394945 0.75 0.453 -.5313058 1.191481

_Iantbprof~1 | -.4757653 .327185 -1.45 0.146 -1.117036 .1655055

_Iantbprof~2 | -1.303486 1.054402 -1.24 0.216 -3.370075 .7631036

_Ihospit_1 | -1.16105 .3794068 -3.06 0.002 -1.904673 -.417426

_Ihospit_2 | -.0760983 .4285634 -0.18 0.859 -.916067 .7638705

_Ihospit_3 | -.6376455 .4398935 -1.45 0.147 -1.499821 .2245298

_Inprofi_1 | .0837363 .2398952 0.35 0.727 -.3864497 .5539223

_Inprofi_2 | 1.679043 .5327824 3.15 0.002 .6348087 2.723277

_Iiric2_1 | 1.079736 .232053 4.65 0.000 .6249208 1.534552

_Iiric2_2 | 1.747365 .3686548 4.74 0.000 1.024815 2.469915

_Iiric2_3 | 2.618872 1.091928 2.40 0.016 .4787332 4.75901

_cons | -4.24169 .2720658 -15.59 0.000 -4.774929 -3.708451

------------------------------------------------------------------------------------------------

. est store a

Retirando a variável trauma

. xi: logit SSI protese i.antbprofilat i.tipoproc i.hospit i.nprofi i.iric2

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -609.49113

Iteration 2: log likelihood = -576.49281

Iteration 3: log likelihood = -574.33963

Iteration 4: log likelihood = -574.2349

Iteration 5: log likelihood = -574.23433

181

Logit estimates Number of obs = 8236

LR chi2(16) = 70.83

Prob > chi2 = 0.0000

Log likelihood = -574.23433 Pseudo R2 = 0.0581

---------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-------------------------------------------------------------------------------

protese | .5552753 .2165558 2.56 0.010 .1308337 .979717

_Iantbprof~1 | -.475666 .3267857 -1.46 0.146 -1.116154 .1648223

_Iantbprof~2 | -1.303395 1.054275 -1.24 0.216 -3.369735 .7629453

_Itipoproc_2 | -.3597085 .3060246 -1.18 0.240 -.9595056 .2400887

_Itipoproc_3 | -.1008441 .27877 -0.36 0.718 -.6472232 .4455349

_Itipoproc_4 | .2509201 .7773784 0.32 0.747 -1.272713 1.774554

_Itipoproc_5 | .0915745 .8154154 0.11 0.911 -1.50661 1.689759

_Itipoproc_6 | .3302084 .4390555 0.75 0.452 -.5303245 1.190741

_Ihospit_1 | -1.160535 .3701206 -3.14 0.002 -1.885958 -.435112

_Ihospit_2 | -.075909 .4274601 -0.18 0.859 -.9137154 .7618975

_Ihospit_3 | -.6371906 .4336635 -1.47 0.142 -1.487156 .2127743

_Inprofi_1 | .0837219 .2398804 0.35 0.727 -.3864351 .5538788

_Inprofi_2 | 1.679081 .5327263 3.15 0.002 .6349561 2.723205

_Iiric2_1 | 1.079741 .2320528 4.65 0.000 .6249261 1.534556

_Iiric2_2 | 1.74734 .3686306 4.74 0.000 1.024837 2.469843

_Iiric2_3 | 2.618597 1.091028 2.40 0.016 .4802206 4.756974

_cons | -4.241739 .2719498 -15.60 0.000 -4.774751 -3.708728

---------------------------------------------------------------------------------------------

. est store b

. lrtest a

likelihood-ratio test LR chi2(1) = 0.00

(Assumption: b nested in a) Prob > chi2 = 0.9951

A variável trauma nào volta para o modelo.

Retirando a variável tipo de procedimento cirúrgico

. xi: logit SSI protese i.antbprofilat i.hospit i.nprofi i.iric2

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -585.46924

Iteration 2: log likelihood = -576.69259

Iteration 3: log likelihood = -576.32507

Iteration 4: log likelihood = -576.32371

Iteration 5: log likelihood = -576.32371

Logit estimates Number of obs = 8236

LR chi2(11) = 66.65

Prob > chi2 = 0.0000

Log likelihood = -576.32371 Pseudo R2 = 0.0547

----------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+--------------------------------------------------------------------------------

182

protese | .5540658 .2009587 2.76 0.006 .160194 .9479377

_Iantbprof~1 | -.4622384 .3193744 -1.45 0.148 -1.088201 .1637238

_Iantbprof~2 | -1.273385 1.052208 -1.21 0.226 -3.335676 .7889058

_Ihospit_1 | -1.177358 .3600273 -3.27 0.001 -1.882998 -.4717172

_Ihospit_2 | -.0296254 .4087012 -0.07 0.942 -.830665 .7714141

_Ihospit_3 | -.651442 .4246727 -1.53 0.125 -1.483785 .1809013

_Inprofi_1 | .094245 .2385129 0.40 0.693 -.3732318 .5617218

_Inprofi_2 | 1.765926 .5271144 3.35 0.001 .7328007 2.799051

_Iiric2_1 | 1.080122 .2267705 4.76 0.000 .6356598 1.524584

_Iiric2_2 | 1.698566 .3642051 4.66 0.000 .9847369 2.412395

_Iiric2_3 | 2.526939 1.083389 2.33 0.020 .4035347 4.650343

_cons | -4.372808 .1876468 -23.30 0.000 -4.740589 -4.005027

--------------------------------------------------------------------------------------------------

. est store c

. lrtest b

likelihood-ratio test LR chi2(5) = 4.18

(Assumption: c nested in b) Prob > chi2 = 0.5240

A variável tipo de procedimento cirúrgico nào volta ao modelo.

Retirando a variável antibioticoprofilático

. xi: logit SSI protese i.hospit i.nprofi i.iric2

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -586.51099

Iteration 2: log likelihood = -578.19242

Iteration 3: log likelihood = -577.86779

Iteration 4: log likelihood = -577.86692

Logit estimates Number of obs = 8236

LR chi2(9) = 63.57

Prob > chi2 = 0.0000

Log likelihood = -577.86692 Pseudo R2 = 0.0521

---------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-------------------------------------------------------------------------------

protese | .5031846 .1967145 2.56 0.011 .1176312 .888738

_Ihospit_1 | -1.521767 .287361 -5.30 0.000 -2.084984 -.9585493

_Ihospit_2 | -.331333 .3583553 -0.92 0.355 -1.033696 .3710305

_Ihospit_3 | -.9773093 .3665334 -2.67 0.008 -1.695702 -.258917

_Inprofi_1 | .0741212 .2392513 0.31 0.757 -.3948028 .5430452

_Inprofi_2 | 1.700668 .523986 3.25 0.001 .6736742 2.727661

_Iiric2_1 | 1.012657 .2224673 4.55 0.000 .5766288 1.448684

_Iiric2_2 | 1.634082 .3628645 4.50 0.000 .9228808 2.345283

_Iiric2_3 | 2.428692 1.06038 2.29 0.022 .3503852 4.506999

_cons | -4.350304 .18525 -23.48 0.000 -4.713387 -3.987221

-----------------------------------------------------------------------------------------------

. est store d

. lrtest c

183

likelihood-ratio test LR chi2(2) = 3.09

(Assumption: d nested in c) Prob > chi2 = 0.2137

. lroc, nograph

Logistic model for SSI

number of observations = 8236

area under ROC curve = 0.7065

Modelo 5

O Modelo 5 foi composto das variáveis retiradas da univariada + IRIC + as variáveis importantes na literatura

O Modelo 5 continha as seguintes variáveis: trauma protese i.tipoproc i.iric2 i.antbprofilat i.hospit

i.nprofi emerg tipanes idade tpreop

Modelo cheio 5:

. xi: logit SSI trauma protese i.tipoproc i.iric2 i.antbprofilat i.hospit i.nprofi emerg tipanes idade tpreop

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -607.40853

Iteration 2: log likelihood = -572.61186

Iteration 3: log likelihood = -570.46032

Iteration 4: log likelihood = -570.35527

Iteration 5: log likelihood = -570.35469

Logit estimates Number of obs = 8236

LR chi2(21) = 78.59

Prob > chi2 = 0.0000

Log likelihood = -570.35469 Pseudo R2 = 0.0645

-----------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+---------------------------------------------------------------------------------

trauma | -.0881617 .2686988 -0.33 0.743 -.6148018 .4384783

protese | .5405511 .221394 2.44 0.015 .1066268 .9744754

_Itipoproc_2 | -.5155046 .3352055 -1.54 0.124 -1.172495 .1414862

_Itipoproc_3 | -.2246916 .2837149 -0.79 0.428 -.7807626 .3313794

_Itipoproc_4 | -.1076794 .7960939 -0.14 0.892 -1.667995 1.452636

_Itipoproc_5 | -.1214151 .8247989 -0.15 0.883 -1.737991 1.495161

_Itipoproc_6 | .0318869 .4555338 0.07 0.944 -.8609428 .9247167

_Iiric2_1 | 1.013254 .2352878 4.31 0.000 .5520988 1.47441

_Iiric2_2 | 1.580195 .3795475 4.16 0.000 .8362951 2.324094

_Iiric2_3 | 2.585502 1.093062 2.37 0.018 .4431387 4.727865

_Iantbprof~1 | -.5079762 .3243499 -1.57 0.117 -1.14369 .1277379

_Iantbprof~2 | -1.327548 1.059942 -1.25 0.210 -3.404995 .7498992

_Ihospit_1 | -1.428665 .3955798 -3.61 0.000 -2.203987 -.653343

_Ihospit_2 | -.4614041 .455268 -1.01 0.311 -1.353713 .4309048

_Ihospit_3 | -.98716 .4652039 -2.12 0.034 -1.898943 -.0753771

_Inprofi_1 | .0895998 .2415054 0.37 0.711 -.383742 .5629417

_Inprofi_2 | 1.721517 .5387199 3.20 0.001 .6656452 2.777389

184

emerg | .3502928 .2804331 1.25 0.212 -.1993459 .8999315

tipanes | -.316332 .2246135 -1.41 0.159 -.7565663 .1239023

idade | .0077756 .0051616 1.51 0.132 -.0023409 .017892

tpreop | .0010038 .0027358 0.37 0.714 -.0043583 .0063659

_cons | -4.032848 .3337385 -12.08 0.000 -4.686964 -3.378733

-------------------------------------------------------------------------------------------------

. est store a

Retirando a variável Trauma

xi: logit SSI protese i.tipoproc i.iric2 i.antbprofilat i.hospit i.nprofi emerg tipanes idade tpreop

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -607.44166

Iteration 2: log likelihood = -572.66557

Iteration 3: log likelihood = -570.51436

Iteration 4: log likelihood = -570.40935

Iteration 5: log likelihood = -570.40878

Logit estimates Number of obs = 8236

LR chi2(20) = 78.48

Prob > chi2 = 0.0000

Log likelihood = -570.40878 Pseudo R2 = 0.0644

----------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+--------------------------------------------------------------------------------

protese | .5295012 .2187744 2.42 0.016 .1007113 .9582911

_Itipoproc_2 | -.5498835 .3185264 -1.73 0.084 -1.174184 .0744169

_Itipoproc_3 | -.2255007 .2835754 -0.80 0.426 -.7812982 .3302968

_Itipoproc_4 | -.0771488 .7905598 -0.10 0.922 -1.626618 1.47232

_Itipoproc_5 | -.1145526 .8246196 -0.14 0.890 -1.730777 1.501672

_Itipoproc_6 | .0257392 .4554239 0.06 0.955 -.8668752 .9183537

_Iiric2_1 | 1.015262 .235187 4.32 0.000 .5543038 1.47622

_Iiric2_2 | 1.585735 .3791572 4.18 0.000 .8426004 2.328869

_Iiric2_3 | 2.601964 1.091669 2.38 0.017 .4623319 4.741597

_Iantbprof~1 | -.5144888 .3239044 -1.59 0.112 -1.14933 .1203522

_Iantbprof~2 | -1.333867 1.059268 -1.26 0.208 -3.409994 .742259

_Ihospit_1 | -1.45293 .3887551 -3.74 0.000 -2.214876 -.6909838

_Ihospit_2 | -.4691088 .454844 -1.03 0.302 -1.360587 .4223691

_Ihospit_3 | -1.009146 .46066 -2.19 0.028 -1.912023 -.1062688

_Inprofi_1 | .0891229 .2416617 0.37 0.712 -.3845253 .5627712

_Inprofi_2 | 1.719279 .5389566 3.19 0.001 .6629429 2.775614

emerg | .3296989 .2729886 1.21 0.227 -.2053489 .8647466

tipanes | -.3143756 .2243186 -1.40 0.161 -.7540319 .1252808

idade | .0077614 .0051628 1.50 0.133 -.0023575 .0178803

tpreop | .0009938 .0027414 0.36 0.717 -.0043793 .0063669

_cons | -4.030809 .3333234 -12.09 0.000 -4.684111 -3.377507

------------------------------------------------------------------------------------------------

. est store b

. lrtest a

185

likelihood-ratio test LR chi2(1) = 0.11

(Assumption: b nested in a) Prob > chi2 = 0.7422

A variável trauma não volta ao modelo

Retirada a variável tempo pré-operatório

. xi: logit SSI protese i.tipoproc i.iric2 i.antbprofilat i.hospit i.nprofi emerg tipanes idade

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -607.25081

Iteration 2: log likelihood = -572.72017

Iteration 3: log likelihood = -570.57354

Iteration 4: log likelihood = -570.46923

Iteration 5: log likelihood = -570.46867

Logit estimates Number of obs = 8236

LR chi2(19) = 78.36

Prob > chi2 = 0.0000

Log likelihood = -570.46867 Pseudo R2 = 0.0643

--------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-------------------------------------------------------------------------------

protese | .5315096 .2187173 2.43 0.015 .1028316 .9601877

_Itipoproc_2 | -.5528698 .3183678 -1.74 0.082 -1.176859 .0711197

_Itipoproc_3 | -.2241386 .2835086 -0.79 0.429 -.7798052 .3315281

_Itipoproc_4 | -.0673191 .7899668 -0.09 0.932 -1.615626 1.480987

_Itipoproc_5 | -.1155998 .824542 -0.14 0.889 -1.731673 1.500473

_Itipoproc_6 | .029156 .4546801 0.06 0.949 -.8620006 .9203126

_Iiric2_1 | 1.019495 .2347657 4.34 0.000 .5593622 1.479627

_Iiric2_2 | 1.588154 .3790929 4.19 0.000 .8451457 2.331162

_Iiric2_3 | 2.607235 1.091602 2.39 0.017 .4677346 4.746735

_Iantbprof~1 | -.5182686 .3236727 -1.60 0.109 -1.152655 .1161181

_Iantbprof~2 | -1.335459 1.058865 -1.26 0.207 -3.410796 .7398769

_Ihospit_1 | -1.451955 .3887803 -3.73 0.000 -2.213951 -.6899599

_Ihospit_2 | -.4699001 .4546769 -1.03 0.301 -1.36105 .4212502

_Ihospit_3 | -1.003917 .459717 -2.18 0.029 -1.904945 -.102888

_Inprofi_1 | .0879681 .2415963 0.36 0.716 -.3855519 .5614882

_Inprofi_2 | 1.732072 .5364908 3.23 0.001 .6805696 2.783575

emerg | .3307279 .2728451 1.21 0.225 -.2040387 .8654944

tipanes | -.3129813 .224195 -1.40 0.163 -.7523955 .1264329

idade | .0077519 .00516 1.50 0.133 -.0023616 .0178654

_cons | -4.028429 .333236 -12.09 0.000 -4.68156 -3.375298

-------------------------------------------------------------------------------------------------

. est store b

. lrtest a

likelihood-ratio test LR chi2(2) = 0.23

(Assumption: b nested in a) Prob > chi2 = 0.8923

A variável tempo pré-operatório não volta ao modelo pelo valor de Prob > chi2 = 0.8923

186

Retirada a variável emergência

. xi: logit SSI protese i.tipoproc i.iric2 i.antbprofilat i.hospit i.nprofi tipanes idade

i.tipoproc _Itipoproc_1-6 (naturally coded; _Itipoproc_1 omitted)

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -607.33265

Iteration 2: log likelihood = -573.42783

Iteration 3: log likelihood = -571.27129

Iteration 4: log likelihood = -571.16584

Iteration 5: log likelihood = -571.16526

Logit estimates Number of obs = 8236

LR chi2(18) = 76.97

Prob > chi2 = 0.0000

Log likelihood = -571.16526 Pseudo R2 = 0.0631

---------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-------------------------------------------------------------------------------

protese | .518669 .2180317 2.38 0.017 .0913347 .9460032

_Itipoproc_2 | -.4920161 .3122536 -1.58 0.115 -1.104022 .1199897

_Itipoproc_3 | -.2140566 .2829377 -0.76 0.449 -.7686042 .340491

_Itipoproc_4 | -.1006418 .7893693 -0.13 0.899 -1.647777 1.446494

_Itipoproc_5 | -.130935 .8246196 -0.16 0.874 -1.74716 1.48529

_Itipoproc_6 | .0521993 .4527059 0.12 0.908 -.835088 .9394865

_Iiric2_1 | 1.051274 .2338394 4.50 0.000 .5929573 1.509591

_Iiric2_2 | 1.628115 .37934 4.29 0.000 .8846225 2.371608

_Iiric2_3 | 2.641625 1.091757 2.42 0.016 .5018212 4.781429

_Iantbprof~1 | -.5271527 .3227999 -1.63 0.102 -1.159829 .1055235

_Iantbprof~2 | -1.368959 1.059626 -1.29 0.196 -3.445788 .7078706

_Ihospit_1 | -1.422609 .3866387 -3.68 0.000 -2.180407 -.6648108

_Ihospit_2 | -.4441801 .4527955 -0.98 0.327 -1.331643 .4432828

_Ihospit_3 | -1.005743 .4586723 -2.19 0.028 -1.904724 -.1067619

_Inprofi_1 | .0722153 .2411752 0.30 0.765 -.4004794 .5449101

_Inprofi_2 | 1.737853 .5357046 3.24 0.001 .6878916 2.787815

tipanes | -.2992616 .2231678 -1.34 0.180 -.7366625 .1381392

idade | .0080415 .0051562 1.56 0.119 -.0020645 .0181474

_cons | -4.029731 .3328066 -12.11 0.000 -4.68202 -3.377442

------------------------------------------------------------------------------------------------

. est store c

. lrtest b

likelihood-ratio test LR chi2(1) = 1.39

(Assumption: c nested in b) Prob > chi2 = 0.2379

A variável emergência não volta ao moelo pelo valor de Prob > chi2 = 0.2379

Retirada a variável tipo de procedimento

. xi: logit SSI protese i.iric2 i.antbprofilat i.hospit i.nprofi tipanes idade

187

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -607.96558

Iteration 2: log likelihood = -575.37382

Iteration 3: log likelihood = -573.22225

Iteration 4: log likelihood = -573.11288

Iteration 5: log likelihood = -573.11224

Logit estimates Number of obs = 8236

LR chi2(13) = 73.08

Prob > chi2 = 0.0000

Log likelihood = -573.11224 Pseudo R2 = 0.0599

----------------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+---------------------------------------------------------------------------------

protese | .5011648 .2033669 2.46 0.014 .1025731 .8997566

_Iiric2_1 | 1.027034 .228702 4.49 0.000 .5787859 1.475281

_Iiric2_2 | 1.559222 .3739444 4.17 0.000 .8263042 2.292139

_Iiric2_3 | 2.547882 1.08287 2.35 0.019 .4254969 4.670268

_Iantbprof~1 | -.5347533 .3181676 -1.68 0.093 -1.15835 .0888438

_Iantbprof~2 | -1.35463 1.058233 -1.28 0.201 -3.428729 .7194698

_Ihospit_1 | -1.469598 .381215 -3.86 0.000 -2.216766 -.7224306

_Ihospit_2 | -.4117362 .4350437 -0.95 0.344 -1.264406 .4409339

_Ihospit_3 | -1.046613 .4534663 -2.31 0.021 -1.93539 -.1578348

_Inprofi_1 | .0843587 .2401801 0.35 0.725 -.3863857 .555103

_Inprofi_2 | 1.812819 .5295788 3.42 0.001 .7748639 2.850775

tipanes | -.2643015 .2182716 -1.21 0.226 -.692106 .163503

idade | .0084241 .0049894 1.69 0.091 -.0013548 .0182031

_cons | -4.26191 .2460234 -17.32 0.000 -4.744107 -3.779713

-----------------------------------------------------------------------------------------------

. est store d

. lrtest c

likelihood-ratio test LR chi2(5) = 3.89

(Assumption: d nested in c) Prob > chi2 = 0.5648

A variável tipo procedimento cirúrgico não volta ao modelo pelo valor de Prob > chi2 = 0.5648

Retirando a variável uso de anestesia geral

. xi: logit SSI protese i.iric2 i.antbprofilat i.hospit i.nprofi idade

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

i.antbprofilat _Iantbprofi_0-2 (naturally coded; _Iantbprofi_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -608.49766

Iteration 2: log likelihood = -576.09337

Iteration 3: log likelihood = -573.95559

Iteration 4: log likelihood = -573.84818

Iteration 5: log likelihood = -573.84756

188

Logit estimates Number of obs = 8236

LR chi2(12) = 71.61

Prob > chi2 = 0.0000

Log likelihood = -573.84756 Pseudo R2 = 0.0587

-----------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-----------------------------------------------------------------------------

protese | .502947 .2032153 2.47 0.013 .1046522 .9012418

_Iiric2_1 | 1.010041 .2289614 4.41 0.000 .5612847 1.458797

_Iiric2_2 | 1.514688 .3731164 4.06 0.000 .7833939 2.245983

_Iiric2_3 | 2.458581 1.078217 2.28 0.023 .3453143 4.571848

_Iantbprof~1 | -.5319051 .3191684 -1.67 0.096 -1.157464 .0936535

_Iantbprof~2 | -1.344652 1.055675 -1.27 0.203 -3.413738 .7244331

_Ihospit_1 | -1.460617 .3837777 -3.81 0.000 -2.212808 -.7084267

_Ihospit_2 | -.3574484 .4350772 -0.82 0.411 -1.210184 .4952872

_Ihospit_3 | -.9931813 .4533699 -2.19 0.028 -1.88177 -.1045926

_Inprofi_1 | .0733716 .2404514 0.31 0.760 -.3979045 .5446477

_Inprofi_2 | 1.750349 .5271684 3.32 0.001 .717118 2.78358

idade | .0104998 .0046994 2.23 0.025 .0012892 .0197104

_cons | -4.455384 .1909671 -23.33 0.000 -4.829673 -4.081096

------------------------------------------------------------------------------------------------

. est store e

. lrtest d

likelihood-ratio test LR chi2(1) = 1.47

(Assumption: e nested in d) Prob > chi2 = 0.2252

A variável uso de anestesia geral não volta ao modelo pelo valor de Prob > chi2 = 0.2252

Retirando a variável antibioticoprofilático

. xi: logit SSI protese i.iric2 i.hospit i.nprofi idade

i.iric2 _Iiric2_0-3 (naturally coded; _Iiric2_0 omitted)

i.hospit _Ihospit_0-3 (naturally coded; _Ihospit_0 omitted)

i.nprofi _Inprofi_0-2 (naturally coded; _Inprofi_0 omitted)

Iteration 0: log likelihood = -609.6501

Iteration 1: log likelihood = -609.48206

Iteration 2: log likelihood = -577.91394

Iteration 3: log likelihood = -575.84039

Iteration 4: log likelihood = -575.73449

Iteration 5: log likelihood = -575.73387

Logit estimates Number of obs = 8236

LR chi2(10) = 67.83

Prob > chi2 = 0.0000

Log likelihood = -575.73387 Pseudo R2 = 0.0556

-----------------------------------------------------------------------------------------

SSI | Coef. Std. Err. z P>|z| [95% Conf. Interval]

-------------+-----------------------------------------------------------------------------

protese | .4473718 .1992517 2.25 0.025 .0568455 .837898

_Iiric2_1 | .9435892 .2253684 4.19 0.000 .5018753 1.385303

_Iiric2_2 | 1.46205 .3719658 3.93 0.000 .7330104 2.19109

_Iiric2_3 | 2.325319 1.057987 2.20 0.028 .2517021 4.398937

189

_Ihospit_1 | -1.827031 .3273361 -5.58 0.000 -2.468597 -1.185464

_Ihospit_2 | -.6731453 .3970197 -1.70 0.090 -1.45129 .1049989

_Ihospit_3 | -1.338319 .4092066 -3.27 0.001 -2.14035 -.5362891

_Inprofi_1 | .0546506 .2413568 0.23 0.821 -.4183999 .5277012

_Inprofi_2 | 1.677808 .524354 3.20 0.001 .6500933 2.705523

idade | .0096662 .0046586 2.07 0.038 .0005355 .0187968

_cons | -4.425271 .1884761 -23.48 0.000 -4.794678 -4.055865

----------------------------------------------------------------------------------------------

. est store f

. lrtest e

likelihood-ratio test LR chi2(2) = 3.77

(Assumption: f nested in e) Prob > chi2 = 0.1516

A variável antibioticoprofilático não volta ao modelo pelo valor de Prob > chi2 = 0.1516

. lroc, nograph

Logistic model for SSI

number of observations = 8236

area under ROC curve = 0.7123

190

ANEXO 9

Livros Grátis
( http://www.livrosgratis.com.br )
 
Milhares de Livros para Download:
 
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas

Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
 
 