ABSTRACT: Increased life expectancy leads to surgical patients that are increasingly older with more morbidity. Post-surgical complications are still an important mortality cause, although most individual surgical procedures carry a very low risk. The quality of care of surgical in-patients became thus critically dependent on the medical teams’ capacity to integrate the interactions of their different pathological conditions, warranting multidisciplinary teams for the more complex cases. The collaboration between medical and surgical specialties may follow different models, with different advantages and disadvantages. The most common approaches are (i) the traditional “on-call” model and (ii) co-management (CM). Co-management is a modern approach to the problem, which has been proven favourable in complex situations. We focused on designing the complex patients' clinical-care pathway for CM between Internal Medicine (IM) and General Surgery at Hospital da Luz Lisboa (HLL) , in order to clarify the role of the different specialties involved and to develop predictive models to support the clinical decision on which patients to select to CM. The clinical-care pathway for complex patients at HLL was graphically modelled using Business Process Modeling Notation. There followed highlighting points for potential improvement as well as critical decision nodes for CM. The criteria for inclusion in the CM pathway were made explicit using retrospective material from the patients submitted to colorectal surgery at HLL between January 2012 and December 2015 (48 months).Two different mathematical/statistical predictive models were developed, each one using the most adequate technique for the pre-processing of the data at each stage of the study. The first model, to be used in a preoperative anaesthesiology clinic, using only preoperative data; and the second one, with both preoperative and postoperative data, to be used upon discharge from the recovery facility. Both decision support tools showed good performance measures. The pre-operative model with an area under the receiver-operating characteristic (ROC) curve (AUC) of 0.81, a sensitivity of 0.74, a specificity of 0.78 and negative predictive value (NPV) of 0.93, leading to a satisfactory calibration plot. The model with both pre-operative and post-operative data attained an AUC of 0.86, a sensitivity of 0.08, a specificity of 0.82 and a NPV of 0.95, leading to a good predictive capacity gauged by the calibration plot. The pre-operative data model was internally validated and the pre and post-operative data model was externally validated, albeit without geographical transportability. The clinical-pathway graphics were thus changed, with the integration in two critical points of the input from the decision support tools. This clinical decision support tool allows to: i. Codify explicitly the implicit knowledge held typically by the clinicians, ii. Develop and extrapolate to other diseases, other procedures and other hospital settings, and iii. Add managerial reasoning to hospital practice. We acknowledge that diversity of patients and hospital setting makes impossible the existence of an exact formula to build a standard successful CM program. However, based on our experience at HLL and on the literature, we describe the main factors and variables involved, suggesting a simple approach. The integration of objective data with clinical expertise is key to achieve high standards in clinical practice.

RESUMO: O aumento da esperança média de vida leva a que a população que recorre aos hospitais seja progressivamente mais velha e, quase inerentemente, com maior multimorbilidade. Embora para a maioria dos doentes o risco do procedimento cirúrgico visto isoladamente seja muito baixo, as complicações após cirurgia são ainda uma importante causa de morte. A qualidade e resultado da assistência a doentes cirúrgicos internados depende da capacidade das equipas de cuidados integrarem a interacção dos múltiplos problemas e patologias que estes apresentam, com uma abordagem coerente multidisciplinar. Em termos práticos, a colaboração entre as especialidades médicas e cirúrgicas pode ter vários modelos assistenciais, todos com defeitos e virtudes. As duas abordagens gerais mais usadas para o controlo clínico dos aspectos médicos em doentes cirúrgicos são: 1) modelo tradicional de consultoria por chamada e 2) o modelo da co-gestão (CG). A CG é uma forma de organização de cuidados moderna e que já se demonstrou ser favorável em situações complexas. O objectivo do presente trabalho de investigação foi conceber e estruturar o circuito clínico optimizado de cuidados do doente cirúrgico, de forma a ser orientador para as especialidades envolvidas e desenvolver modelos preditivos de apoio à decisão a utilizar na implementação de um serviço de co-gestão entre a Medicina Interna (MI) e a Cirurgia Geral no Hospital da Luz Lisboa (HLL). Usou-se a modelação gráfica de linguagem de Business Process Modeling and Notation (BPMN) para desenhar o circuito clínico de cuidados do doente cirúrgico e tomar consciência das eventuais lacunas existentes, bem como identificar os locais onde, no circuito do doente, se deve tomar a decisão de orientação para CG e quem a deve tomar Os critérios para selecção dos doentes para CG foram explicitados com base numa coorte histórica de doentes cirúrgicos de cirurgia colorectal de Janeiro de 2012 a Dezembro de 2015 (48 meses). Desenvolveram-se dois modelos preditivos independentes que usam métodos de tratamento de dados adequados ao objecto do estudo, em cada momento do mesmo. O primeiro modelo preditivo, a ser aplicado na consulta de anestesia pré- -operatória, usa apenas variáveis pré-operatórias e o segundo modelo preditivo, a ser aplicado à saída do recobro, usa variáveis pré e pós-operatórias. Estes modelos preditivos funcionam como ferramentas de apoio à decisão médica de selecção para CG entre a MI e a Cirurgia Geral. Ambos os modelos mostraram medidas de desempenho muito satisfatórias. O modelo de variáveis pré-operatórias obteve uma area under the receiver-operating characteristic (ROC) curve (AUC) de 0.81, uma sensibilidade de 0.74, uma especificidade de 0.78 e um valor preditivo negativo (NPV) de 0.93 para um ponto de corte das probabilidades estimadas de 0.18. O modelo de variáveis pré e pós-operatórias obteve uma AUC de 0.86, uma sensibilidade de 0.80, uma especificidade de 0.82 e um NPV de 0.95 para um ponto de corte das probabilidades estimadas de 0.18. A capacidade preditiva dos dois modelos, avaliada através dos gráficos de calibração, foi boa. Fez-se a validação interna do modelo das variáveis pré-operatórias e a validação externa do modelo das variáveis pré e pós-operatórias, ainda que sem transportabilidade geográfica. Os gráficos do circuito clínico de cuidados foram refeitos com a introdução das alterações que se entenderam propor e com a aplicação, nos locais considerados apropriados, das ferramentas de apoio à decisão. alexandra bayão horta 13 Esta ferramenta de Apoio à decisão permite: i. Codificar de forma explícita o conhecimento implícito existente nos médicos da organização, ii. Criar o método como o primeiro passo para extrapolar para outras doenças, outros procedimentos e outros ambientes hospitalares e, iii. Acrescentar racional de gestão à prática hospitalar. Sabemos que a diversidade dos doentes e das estruturas organizativas dos diferentes hospitais torna impossível que haja uma única forma de desenhar e implementar um programa de CG bem-sucedido, mas os principais factores e variáveis envolvidas foram descritos nesta tese com base na experiência adquirida pelo autor no HLL e apoiada na literatura. Para atingir bons padrões de qualidade na prática médica é importante usar o método no qual a decisão clínica envolve a integração da evidência objectiva com a perícia individual.