Os erros médicos são uma das principais causas de morte em ambiente hospitalar. Nos Estados Unidos, as mortes causadas por erro médico superam aquelas causadas por câncer de mama, AIDS e acidentes de carro juntos. O erro médico mais comum é aquele de medicação, sendo os enfermeiros os principais responsáveis por administrar remédios. Enquanto que os erros de medicação que causam prejuízo aos pacientes são geralmente reportados, há um forte incentivo para não reportar os erros “benignos”, sendo as principais razões o medo de atribuição de culpa, de punição e de retaliações. Com isto, as causas dos erros acabam não sendo investigadas adequadamente, e eles continuam acontecendo.
Um trabalho de pesquisadores da Universidade de Iowa, nos Estados Unidos, aplicou inteligência artificial para entender melhor as principais razões pelas quais estes erros benignos não são reportados. Eles escolheram algoritmos de machine learning por sua habilidade de tratar dados inter-relacionados de maneira não-linear, como é o caso dos comportamentos humanos envolvidos no processo. Primeiro, as variáveis de maior impacto no fenômeno foram selecionadas por um método chamado de extreme learning machines (ELMs), que usa modelos de predição extremamente rápidos para investigar um número grande de variáveis potenciais. As variáveis selecionadas foram então visualizadas na forma de mapas auto-organizáveis (SOMs), que realizam redução não-linear de dimensionalidade para permitir a visualização e interpretação dos resultados.
Os dados utilizados no estudo envolviam três pesquisas realizadas com enfermeiros, incluindo dados demográficos, relacionados à carga de trabalho, experiência e hierarquia, e como eles avaliam o ambiente e suas inter-relações profissionais. Três cenários foram avaliados: quando o erro é identificado e corrigido antes de afetar o paciente, quando o erro só é identificado depois da administração do medicamento mas o efeito é neutro, e finalmente quando havia risco de prejuízo mas isto não ocorreu. No primeiro caso, as variáveis de maior impacto foram aquelas relacionadas ao tempo de trabalho na unidade de saúde atual e à confiança e dedicação dos colegas. No segundo, teve relevância o turno de trabalho, a habilidade de procurar soluções alternativas para problemas, e o entusiasmo para realizar as tarefas que lhe foram confiadas. No terceiro, foram importantes os anos de experiência do profissional, sua visão otimista sobre o futuro, e sua percepção de um bom trabalho de seus administradores. Os mapas auto-organizáveis correspondentes podem ser visualizados na publicação, que está com acesso aberto.
Estes resultados podem ajudar os gestores a promover um ambiente organizacional onde os enfermeiros se sintam mais à vontade para reportar os erros de medicação que porventura ocorram, e assim estabelecer políticas para evitar que eles ocorram, melhorando os índices de qualidade de atendimento.
