Este documento apresenta uma estratégia de modelagem do conhecimento de enfermagem baseada na modelagem multinível de sistemas de informação em saúde. Através de uma revisão sistemática, instrumentos de coleta de dados da área de enfermagem foram obtidos e o modelo de Fehring para débito cardíaco reduzido foi selecionado para modelagem. Os conceitos clínicos deste modelo foram mapeados para arquétipos openEHR e modelados como Constraint Definition Designs de acordo com as especificações MLHIM.
1. METODOLOGIA DE MODELAGEM DE SISTEMAS DE INFORMAÇÃO
INTEROPERÁVEIS PARA A ÁREA DE ENFERMAGEM
Joyce Rocha de Matos Nogueira, Timothy Wayne Cook, Luciana Tricai Cavalini
Laboratório “Multilevel Healthcare Information Modeling” (MLHIM) Associado ao
Instituto Nacional de Ciência e Tecnologia – Medicina Assistida por Computação Científica
Resumo. Este trabalho apresenta uma estratégia de modelagem do conhecimento de enfermagem, baseada em modelagem multinível de sistemas de
informação em saúde. Através de uma revisão sistemática da literatura, instrumentos de coleta de dados da área de enfermagem foram obtidos, e um deles
foi escolhido para a modelagem do conhecimento de acordo com as especificações Multilevel Healthcare Information Modeling (MLHIM).
Introdução. Informática em enfermagem é a área que estuda a aplicação de recursos tecnológicos para o ensino, a prática, a gerência e o cuidado em
enfermagem [7]. As aplicações na área da saúde desenhadas para a melhoria das definições da área de informática em enfermagem devem levar em
consideração as necessidades específicas da área, como por exemplo, suprir a demanda de padronização dos conceitos de enfermagem [3].
Um modo importante de padronizar as informações é o uso de instrumentos validados de coleta de dados, tais como questionários. Questionários oferecem
meios objetivos para a coleta de informações e podem ser utilizados como uma ferramenta de pesquisa em estudos epidemiológicos e clínicos [1].
Assim, o objetivo deste estudo é o de revisar a literatura relacionada aos questionários validados para o diagnóstico de enfermagem e a pesquisa clínica
em enfermagem, e selecionar um caso de uso para a modelagem do conhecimento correspondente, de acordo com os princípios de modelagem
multinível de sistemas de informação em saúde.
Método. Realizou-se uma revisão sistemática, através da busca nas bases PubMed, Scopus e ISI Web of Knowledge. Os termos MeSH adotados foram:
“Validation AND Studies AND (Nursing Diagnosis OR Clinical Nursing Research)”. Foram incluídos os artigos publicados até junho de 2011.
A modelagem do conhecimento foi baseada nos princípios modelagem multinível de sistemas de informação em saúde. Esta abordagem garante as
características de interoperabilidade, coerência semântica e persistência a longo prazo da informação para aplicativos em saúde [4].
Na modelagem multinível, as classes do Modelo de Referência (1° nível) são genéricas e, portanto, persistentes. Na Modelagem do Conhecimento (2° nível),
as restrições ao Modelo de Referência provêm uma interpretação semântica dos objetos armazenados através do Modelo de Referência [5].
A modelagem do conhecimento dos conceitos em enfermagem selecionados foi efetuada utilizando-se o Constraint Definition Designer (CDD), uma
ferramente gráfica de mapas mentais que permite a criação de arquivos XSD de acordo com as especificações Multilevel Healthcare Information Modeling
(MLHIM) (https://launchpad.net/mlhim).
Resultados. Foi obtido um total de 190 artigos, e 18 deles foram selecionados para leitura. Para o presente estudo, o modelo Fehring de validação clínica
do diagnóstico de débito cardíaco reduzido [6] foi modelado. Os conceitos clínicos modelados foram: fadiga, dispnéia, edema, ortopnéia, dispnéia
paroxística noturna e pressão venosa central elevada (características primárias), ganho de peso, hepatomegalia, distensão da veia jugular, palpitações,
crepitações, oligúria, tosse, pele úmida e alterações na coloração da pele (características secundárias).
A modelagem do conhecimento foi efetuada a partir de arquétipos openEHR previamente modelados, disponíveis no openEHR Clinical Knowledge Manager
(http://www.openehr.org/knowledge). O mapeamento entre os conceitos clínicos do modelo Fehring e os arquétipos openEHR produziram a estrutura
apresentada na Tabela 1.
Tabela 1. Mapeamento entre os conceitos clínicos do modelo
Fehring e os arquétipos openEHR.
Conceito Arquétipo openEHR
Fadiga Symptom (CLUSTER)
Dispnéia Symptom (CLUSTER)
Edema Oedema (CLUSTER)
Ortopnéia Respirations (OBSERVATION)
Dispnéia paroxística noturna Respirations (OBSERVATION)
Pressão venosa central elevada Central venous pressure (OBSERVATION)
Ganho de peso Body weight (OBSERVATION)
Hepatomegalia Examination of the abdomen (CLUSTER)
Distensão da veia jugular Examination (CLUSTER)
Palpitações Symptom (CLUSTER)
Crepitações Auscultation of the chest (CLUSTER)
Oligúria Urination (OBSERVATION)
Tosse Symptom (CLUSTER)
Pele úmida Inspection of skin (CLUSTER) Figura 1. Modelagem do CCD referente ao conceito clínico de
dispnéia, de acordo com as especificações MLHIM 2.3.0.
Alterações na coloração da pele Inspection of skin (CLUSTER)
Este mapeamento demonstrou que muitos arquétipos openEHR teriam que ser especializados para permitir o registro direto dos conceitos clínicos de débito
cardíaco reduzido, de acordo com o modelo Fehring. Baseando-se neste achado, os conceitos foram modelagem como Concept Constraint Definitions
(CCDs), de acordo com as especificações MLHIM versão 2.3.0. A representação gráfica do CCD modelado para dispnéia é apresentada na Figura 1.
Este trabalho apresentou um processo de modelagem do conhecimento para duas especificações de modelagem multinível (openEHR and MLHIM). Estes
resultados demonstram a possibilidade de representação padronizada dos conceitos de enfermagem, em adição ao tradicional desenvolvimento de
terminologias de referência e vocabulários controlados.
[1] Boynton, P. M. and Greenhalgh, T. 2004. Selecting, designing, and developing your questionnaire. BMJ 328, 7451 (May. 2004), 1312-1315. DOI=
http://dx.doi.org/10.1136/bmj.328.7451.1312.
[2] Cavalini, L. T., Cook, T.W. Health informatics: the relevance of open source and multilevel modeling. IFIP Advances in Information and Communication
Technology 365 (Oct. 2011), 338-347.
[3] Coenen, A., Marin, H. F., Park, H. and Bakken, S. 2001. Collaborative efforts for representing nursing concepts in computer-based systems: international
perspectives. JAMIA 8, 3 (May.-Jun. 2001), 202-211.
[4] Garde. S., Knaup, P., Hovenga, E., Heard, S. 2007. Towards semantic interoperability for electronic health records. Methods Inf. Med. 46, 3 (May.-Jun. 2007),
332-343. DOI= http://dx.doi.org/10.1160/ME5001.
[5] Madsen, M., Leslie, H., Hovenga, E. J. and Heard, S. 2010. Sustainable clinical knowledge management: an archetype development life cycle. Stud. Health
Technol. Inform. 151 (2010), 115-132.
[6] Martins, Q. C., Aliti, G. and Rabelo, E. R. 2010. Decreased cardiac output: clinical validation in patients with decompensated heart failure. Int. J. Nurs.
Terminol. Classif. 21, 4 (Oct.-Dec. 2010), 156-65.
[7] Staggers, N. and Thompson, C. B. 2002. The evolution of definitions for nursing informatics: a critical analysis and revised definition. JAMIA 9, 3 (May.-Jun.
2002), 255-261. DOI= http://dx.doi.org/10.1197/jamia.M0946.
Visite-nos: www.mlhim.org