Previsão por aprendizado de máquina do destino de alta em pacientes com doença de Parkinson; um estudo de coorte nacional

Por que a alta hospitalar importa para pessoas com Parkinson

Para famílias que convivem com a doença de Parkinson, uma internação costuma trazer uma pergunta angustiante: o ente querido poderá voltar para casa, ou precisará se mudar para uma instituição de longa permanência ou enfrentará complicações potencialmente fatais? Este estudo utiliza ferramentas computacionais modernas para estimar essas probabilidades no início da internação, oferecendo a médicos, pacientes e cuidadores mais tempo para planejar os próximos passos.

Olhar por hospitais em todo o país

Os pesquisadores analisaram registros de um grande banco de dados hospitalar dos Estados Unidos que captura aproximadamente um quarto de todas as internações no país. Focaram em mais de 280.000 pessoas com 50 anos ou mais que foram hospitalizadas com doença de Parkinson entre o final de 2017 e meados de 2023. Para cada pessoa, eles consideraram apenas a primeira internação nesse período e agruparam os desfechos finais em três categorias simples: voltar para casa, transferir-se para algum tipo de instituição de cuidados ou morrer no hospital. Quase metade dos pacientes voltou para casa, quase tantos foram para uma instituição, e cerca de um em cada quatorze morreu antes da alta.

Padrões de quem volta para casa e de quem não volta

As pessoas encaminhadas para uma instituição tendiam a ser mais velhas e mais fragilizadas medicamente do que aquelas que voltaram para casa. Elas apresentavam com mais frequência demência, dificuldade para engolir, pneumonia por aspiração (quando alimentos ou líquidos entram nos pulmões) ou uma fratura ou queda recente. Também era mais comum que fossem solteiras e que tivessem chegado ao hospital vindas de outra unidade de saúde, e não diretamente de casa. Suas internações foram mais longas e receberam mais terapia de reabilitação. Os pacientes que morreram no hospital apresentaram as maiores taxas de demência e de infecção pulmonar grave, ressaltando como doença avançada e complicações moldam esses desfechos.

Ensinando computadores a reconhecer risco

Para transformar esses padrões em ferramentas práticas, a equipe treinou modelos de aprendizado de máquina, um tipo de programa de computador que aprende a partir dos dados, para prever cada um dos três desfechos de alta. Usando a maior parte das internações para treinar os modelos e o restante para testá-los, os programas atingiram boa acurácia para as três categorias. Por exemplo, o modelo que prevê quem voltaria para casa separou corretamente as altas para casa dos outros desfechos em cerca de três quartos das vezes. Um modelo similar para transferências para instituição teve desempenho equivalente, e o modelo que prevê morte durante a internação apresentou desempenho um pouco melhor. Esses modelos foram verificados em diferentes períodos de tempo e em formas ligeiramente diferentes de agrupar tipos de seguro, e seu desempenho se manteve, sugerindo que são razoavelmente estáveis.

Uma pontuação simples à beira do leito para risco de institucionalização

Como médicos e enfermeiros precisam de ferramentas que possam entender rapidamente, os pesquisadores também construíram uma pontuação de risco mais simples e transparente, voltada para prever a transferência para uma instituição. Essa pontuação usou sete características facilmente reconhecíveis: história de fratura, demência, chegada como transferência de outra instituição, histórico de quedas, tipo de seguro, estado civil e região do país onde o hospital está localizado. Cada fator adiciona ou subtrai pontos, e a pontuação total classifica os pacientes em grupos de risco baixo, médio ou alto. Neste estudo, as pessoas no grupo de baixo risco tiveram cerca de quarenta por cento de chance de serem encaminhadas para uma instituição, enquanto aquelas no grupo de alto risco tiveram quase três em cada quatro de chance.

O que isso significa para pacientes e famílias

Essas ferramentas não decidem para onde uma pessoa deve ir após a internação, mas podem funcionar como um alerta precoce. Ao destacar pacientes com Parkinson que têm maior probabilidade de precisar de suporte intensivo ou enfrentar complicações sérias, os modelos e a pontuação de sete itens podem incentivar conversas antecipadas sobre reabilitação, ajuda domiciliar ou cuidados de longo prazo. Usadas junto com o julgamento clínico e as preferências da família, essas abordagens orientadas por dados podem ajudar os hospitais a organizar planos de alta mais seguros e personalizados e a alocar recursos de cuidados limitados para quem mais precisa.

Citação: Kamo, H., Mehta, T.R., Remz, M. et al. Machine learning prediction of discharge destination in patients with Parkinson’s disease; a nationwide cohort study. npj Parkinsons Dis. 12, 120 (2026). https://doi.org/10.1038/s41531-026-01309-8

Palavras-chave: Doença de Parkinson, alta hospitalar, aprendizado de máquina, previsão de risco, cuidados pós-agudos