Não há conflito com o presente artigo.
Editor responsável pela revisão: Alexandre Colafranceschi
A análise de indicadores como taxa de readmissão hospitalar é crucial para aprimorar a qualidade dos serviços e gestão em processos hospitalares.
Identificar as variáveis correlacionadas a readmissão hospitalar até 30 dias após cirurgia de revascularização miocárdica (CRM).
Estudo de coorte transversal no banco de dados Registro Paulista de Cirurgia Cardiovascular II (REPLICCAR II)(N=3.392), de junho de 2017 a junho de 2019. Avaliaram-se retrospectivamente 150 pacientes para identificar os fatores correlacionados a readmissão hospitalar até 30 dias após-CRM via regressão logística univariada e multivariada. As análises foram realizadas no software R, com significância de 0,05 e intervalos de confiança de 95%.
Cento e cinquenta pacientes foram readmitidos até 30 dias após a alta hospitalar de CRM (150/3.392, 4,42%) principalmente por infecções (mediastinite, ferida operatória e sepse) totalizando 52 casos (52/150, 34,66%), outras causas foram: complicações cirúrgicas (14/150, 9,33%) e pneumonia (13/150, 8,66%). Os preditores de readmissão identificados foram: O modelo de regressão multivariada apontou intercepto (OR: 1,098, p<0,00001), apneia do sono (OR: 1,117, p=0,0165), arritmia cardíaca (OR: 1,040, p=0,0712) e uso de balão intra-aórtico (OR: 1,068, p=0,0021) como preditores do desfecho, com uma AUC de 0,70.
4,42% dos pacientes foram readmitidos pós-CRM, principalmente por infecções. Fatores como apneia do sono (OR: 1,117, p=0,0165), arritmia cardíaca (OR: 1,040, p=0,0712) e uso de balão intra-aórtico (OR: 1,068, p=0,0021) foram preditores de readmissão, com uma discriminação de risco moderada (AUC: 0,70).
A avaliação do desempenho do sistema e dos processos hospitalares por meio de indicadores ajudam a gerenciar o hospital, contemplando não apenas a análise estrutural da instituição, mas também os processos e os resultados obtidos com o decorrer do tempo, e conforme as intervenções de qualidade contínua são aplicadas no serviço de saúde.
A taxa de readmissão hospitalar, atualmente tem tido um importante papel no setor de qualidade dos hospitais, por se tratar de um indicador de desempenho no sistema de assistência, transparecendo a "análise de vida real" relacionada à qualidade do sistema, permitindo o monitoramento dos processos que culminam na reinternação do paciente e a definição de estratégias proativas para melhoria de resultados.
A necessidade de retorno hospitalar pelo paciente recém-operado posterga a sua volta às atividades cotidianas, acarretando dificuldades no que tange à preservação da saúde e bem-estar geral do enfermo do ponto de vista psicológico e físico, expondo-o novamente
A vista disto, levando em consideração que as readmissões são relativamente comuns após cirurgia de revascularização miocárdica (CRM), apresentando dados heterogêneos que oscilam entre 8,3 e 21,1%,
O objetivo deste estudo é identificar os fatores que pré-dispõem pacientes submetidos a CRM a readmissão hospitalar em até 30 dias após a alta hospitalar. Trata-se de um estudo de coorte transversal, sob ótica de uma análise retrospectiva do banco de dados multicêntrico do estado de São Paulo: Registro Paulista de Cirurgia Cardiovascular II (REPLICCAR II).
Estudo transversal do Registro Paulista de Cirurgia Cardiovascular II (REPLICCAR II),
Os autores seguiram os critérios estabelecidos pelo
Para esta análise, foram avaliados os pacientes que necessitaram ser reinternados em suas instituições de saúde até 30 dias após alta hospitalar de CRM, bem como os fatores que predispuseram a readmissão hospitalar após cirurgias de revascularização miocárdica.
O fluxograma de metodologias abordadas está disposto na
Foram incluídos todos os pacientes submetidos a CRM, no período de recrutamento, com idade superior a 18 anos e com indicação cirúrgica isolada e primária (N=4.049). Todos os dados obtidos foram inseridos na plataforma
A variável morbidade foi um desfecho composto que incluiu os desfechos: acidente vascular cerebral, falha renal aguda, intubação prolongada, infeção profunda da ferida torácica e reoperação.
Critério de exclusão desta presente análise: mortalidade operatória (definida como a morte ocorrida após a alta hospitalar, mas antes do trigésimo dia de pós-operatório, assim como os óbitos ocorridos durante a internação em que a operação foi realizada, mesmo que após 30 dias depois do procedimento [N=133]) e dados ausentes (
Para este estudo, foi realizada coorte entre os pacientes que necessitaram readmissão na instituição de saúde na qual foi submetido a CRM (N=150), e a partir de seus dados, as análises estatísticas de regressão foram realizadas para identificação das causas relacionadas à readmissão e os fatores associados ao evento. Os dados relacionados aos 3.242 pacientes que receberam alta sem readmissão nos 30 dias e permaneceram vivos até o final do acompanhamento foram comparados com o grupo readmitido.
Esta é uma subanálise do projeto REPLICCAR II, aprovado pela Comissão de Ética para Análises de Projetos de Pesquisa (CAPPesq) do Hospital das Clínicas da Universidade de São Paulo com o número 1.575, sob o número de registro SDC: 4506/17/006. O consentimento livre e esclarecido foi dispensado devido à metodologia do desenho de pesquisa aplicado ao projeto.
Na análise descritiva, as variáveis contínuas foram expressas em média ± desvio-padrão ou mediana e intervalo interquartil, conforme normalidade dos dados, em termos de medidas de resumo (média, mediana, desvio padrão e quartis), enquanto as variáveis categóricas foram expressas em termos de porcentagens. Como as variáveis contínuas não seguem distribuição normal (teste de Anderson-Darling), para a comparação de dois grupos foram utilizados os testes não paramétricos de Mann-Whitney e Brunner-Munzel, respectivamente, para as variáveis homogêneas e heterogêneas (teste de Bartlett). Para as variáveis categóricas, foi utilizado o teste Exato de Fisher ou o teste Qui-Quadrado.
Para encontrar associações entre as variáveis explicativas e desfecho binário foi utilizado o modelo de regressão logística. Para a construção de um modelo múltiplo mais parcimonioso (menos variáveis), foi utilizado o algoritmo de stepwise backward para selecionar as variáveis que melhor explicam o desfecho. Foi utilizado a AUC (Area Under Curve) por meio da Curva ROC para avaliar a acurácia do modelo.
Todas as análises foram realizadas com o software R versão 4.2.0. O nível de significância adotado nos testes foi de 0,05. Foram consideradas hipóteses bicaudais. Além disso, os intervalos de confiança construídos são de 95%.
Foi feita uma coorte transversal no banco de dados REPLICCAR II, originando 2 grupos: 1) Grupo de pacientes que foram readmitidos até 30 dias após a alta hospitalar (N=150, 4,42% da amostra total desta análise) e 2) pacientes que receberam alta e não necessitaram retornar ao hospital (N=3.242).
Na tabela suplementar 1 foram representadas as variáveis descritivas entre os 2 grupos analisados. Observamos que o grupo de pacientes que necessitou readmissão até 30 dias após a alta hospitalar apresentava maior quantidade de pacientes do sexo feminino (p<0,001), tendencia à anemia no período pré, intra e pós-operatório (p<0,001, p<0,001 e p=0,001), hemoglobina glicosilada mais elevada (p=0,013) e necessidade de transfusão sanguínea intraoperatória (p<0,001).
Identificamos que dentre as razões que levaram os pacientes a retornar às instituições pertencentes ao estudo, os quadros infecciosos (mediastinite, ferida operatória e sepse) foram as mais expressivas (n=34,66%), como é representado na
A análise de regressão foi feita a partir da variável de desfecho "readmissão hospitalar" no banco de dados REPLICCAR II. Com base nas variáveis significativas da regressão univariada (arquivo suplementar 2), o modelo multivariado foi construído (
| Variável Explicativa | Coeficiente | Erro Padrão Coeficiente | OR | IC 95% | Valor de p |
|---|---|---|---|---|---|
| Intercepto | 0,093 | 0,015 | 1,098 | 1,065-1,131 | <0,00001 |
| Arritmia Cardíaca | 0,039 | 0,022 | 1,040 | 0,997-1,085 | 0,071212 |
| Apneia do sono | 0,110 | 0,0046 | 1,117 | 1,021-1,222 | 0,016523 |
| Hemoglobina intraoperatória mais baixa registrada no período intraoperatório | -0,006 | 0,002 | 0,994 | 0,991-0,997 | 0,000399 |
| Necessidade de Balão intra-aórtico | 0,066 | 0,021 | 1,068 | 1,024-1,113 | 0,002103 |
IC: intervalo de confiança; Fonte: autoria própria.
Para testar a performance do modelo para predizer readmissões, foi utilizado o teste stepwise forward-backward. A curva ROC teve uma área sob a curva (AUC) de 0,70, indicando uma capacidade de discriminação moderada do modelo (IC 95%: 0,63 – 0,77). Esta AUC sugere que o modelo tem uma probabilidade de 70% de discriminar corretamente entre os desfechos positivo e negativo (
Nesta presente análise, foi observado que na coorte do banco de dados REPLICCAR II (N=3.392) houve 150 readmissões (4,42%). O que chama a atenção é que esta taxa é significativamente menor do que é observado na literatura científica atual, onde as taxas de readmissão variam entre 8,3 e 21,1%.
Em 2012 Li et al.
Independentemente da diferença entre os resultados brasileiros e estrangeiros neste quesito, é importante ressaltar que a maioria das variáveis são características não modificáveis do paciente, desta forma, o corpo clínico hospitalar deve lançar mão do adequado planejamento de processos e condutas para a internação e prestação de cuidados a cada paciente, utilizando scores de risco, engajando o paciente e seus familiares sobre seus cuidados pós-cirúrgicos e realizando follow-up para investigação dos cuidados adequados e evolução clínica do doente.
O desenvolvimento de quadros infecciosos foram as razões mais expressivas de readmissão hospitalar, o que levanta a suspeita de que os tratamentos intra-hospitalares possam estar sendo insuficientes no que tange ao tratamento da infecção
Nesta análise, observou-se que cada unidade adicional de hemoglobina intraoperatória (variável contínua do banco de dados) está associada a uma redução da probabilidade de readmissão hospitalar (OR 0,994, p= 0.000399). Ao mesmo passo que Trooboff et al.
Em nosso estudo, não foi avaliado o estado clínico dos pacientes além dos 30 dias de seguimento, entretanto, em 2021, Bianco et al.
No mundo atual, onde a assistência baseada em valor e a qualidade dos processos é cada vez mais valorizada,
O pagamento por desempenho vem ganhando cada vez mais destaque no mundo, o sistema baseia-se em ressarcir hospitais de acordo não apenas do seu volume cirúrgico, mas também avaliar aos resultados do hospital como complicações, óbitos e taxa de readmissão.
No que tange a linhas de processos modernos que lançam olhar sobre a melhoria nos atendimentos, os protocolos de rápida recuperação vêm progressivamente mostrando resultados positivos e promissores e apresentam potencial para reduzir ainda mais as taxas de readmissão nos centros de saúde. Em 2021, Chudgar et al.
A implementação deste tipo de linha de cuidados pode beneficiar o hospital de forma ampla,
Por se tratar de um estudo de coorte transversal no banco de dados multicêntrico REPLICCAR II, o desempenho de cada centro de saúde incluído na análise pode ter afetado a análise, devido a heterogeneidade de anos de experiência dos cirurgiões, do cardiologista clínico, materiais e outros. Os dados de acompanhamento sobre os casos de readmissão não estavam disponíveis além do exposto no presente artigo. Não fez parte do escopo do projeto atual, mas, é necessário avaliar como estão atualmente os pacientes que necessitaram readmissão após a alta de CRM, no que tange a qualidade de vida, estado clínico e evolução. Em uma próxima análise estes questionamentos devem ser levantados para a melhor compreensão do impacto da readmissão hospitalar para esta população de pacientes.
Nesta análise de coorte transversal do banco de dados REPLICCAR II, 4,42% dos pacientes submetidos a CRM foram readmitidos até 30 dias após a alta hospitalar (N=150/3.392). O modelo múltiplo criado através das variáveis correlacionadas ao desfecho, se mostrou satisfatório para predizer readmissão hospitalar até 30 dias após a alta de cirurgia de CRM, evidenciada pela AUC de 0.70 da curva ROC, entretanto mais estudos devem ser conduzidos com o propósito de melhorar ainda mais a precisão preditiva do modelo.
Avanços em programas de qualidade e protocolos para cirurgias cardíacas enfatizam a necessidade de melhorar continuamente os resultados, visando reduzir as taxas de readmissão no estado de São Paulo, que embora inferiores às internacionais, têm grande potencial de aprimoramento.
O presente estudo não teve fontes de financiamento externas.
Não há vinculação deste estudo a programas de pós-graduação.
Este estudo foi aprovado pelo Comitê de Ética do Hospital das Clínicas da Universidade de São Paulo sob o número de protocolo 1.575, SDC:4506/17/006. Todos os procedimentos envolvidos nesse estudo estão de acordo com a Declaração de Helsinki de 1975, atualizada em 2013.
Ao Grupo de Estudos REPLICCAR, Ministério da Saúde, Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) e Secretaria de Estado da Saúde de São Paulo (SES-SP) no âmbito do Programa de Pesquisa em Saúde Unificada Sistema de gestão compartilhada (PPSUS), que permitiu o desenvolvimento deste estudo no âmbito do Processo FAPESP nº 16 /15163-0.
Para informação adicional, por favor, clique aqui.
No potential conflict of interest relevant to this article was reported.
Editor responsible for the review: Alexandre Colafranceschi
The analysis of indicators such as hospital readmission rates is crucial for improving the quality of services and management of hospital processes.
To identify the variables correlated with hospital readmission up to 30 days following coronary artery bypass grafting (CABG).
Cross-sectional cohort study by REPLICCAR II database (N=3,392) from June 2017 to June 2019. Retrospectively, 150 patients were analyzed to identify factors associated with hospital readmission within 30 days post-CABG using univariate and multivariate logistic regression. Analysis was conducted using software R, with a significance level of 0.05 and 95% confidence intervals.
Out of 3,392 patients, 150 (4,42%0 were readmitted within 30 days post-discharge from CABG primarily due to infections (mediastinitis, surgical wounds, and sepsis) accounting for 52 cases (34.66%). Other causes included surgical complications (14/150, 9.33%) and pneumonia (13/150, 8.66%). The multivariate regression model identified an intercept (OR: 1.098, p<0.00001), sleep apnea (OR: 1.117, p=0.0165), cardiac arrhythmia (OR: 1.040, p=0.0712), and intra-aortic balloon pump use (OR: 1.068, p=0.0021) as predictors of the outcome, with an AUC of 0.70.
4.42% of patients were readmitted post-CABG, mainly due to infections. Factors such as sleep apnea (OR: 1.117, p=0.0165), cardiac arrhythmia (OR: 1.040, p=0.0712), and intra-aortic balloon pump use (OR: 1.068, p=0.0021) were predictors of readmission, with moderate risk discrimination (AUC: 0.70).
The system and hospital processes performance evaluation through indicators help hospital management, contemplating not only the structural analysis of the institution but also the processes and results obtained over time, while the continuous quality interventions are applied in the health service.
The hospital readmission rate has currently played an important role in the quality management department of hospitals, as it is a performance indicator in the health care system, showing the "real-life analysis" related to the system quality, allowing the process monitoring that culminates in patient's readmission and definition of proactive strategies to improve results.
The need for a newly operated patient to return to the hospital postpones his/her return to daily activities, causing difficulties in preserving health and general well-being from a psychological and physical point of view, exposing him/her again to the potentially contaminated hospital environment,
Readmissions are relatively common after coronary artery bypass graft (CABG) surgery, presenting heterogeneous data that oscillate between 8.3 and 21.1%,
This study aims to identify predisposing factors for hospital readmission in patients undergoing CABG within 30 days after discharge. This is a cross-sectional cohort study, from the perspective of a retrospective analysis of the multicenter database of São Paulo state: the São Paulo Registry of Cardiovascular Surgery II (REPLICCAR II).
Cross-sectional study of REPLICCAR II,
The authors followed the Strengthening the Reporting of Observational Studies in Epidemiology (STROBE)10 guidelines.
For this analysis, we evaluated patients who needed to be readmitted to their health institutions within 30 days after hospital discharge following CABG, as well as the factors that predisposed them to hospital readmission after CABG surgeries.
The flowchart of the methodologies addressed is shown in
We included all patients who underwent CABG during the selected period, over 18 years old, and with isolated and primary surgical indications (N=4,049). All data obtained were entered into the REDCap platform, in an area created for the REPLICCAR II project, by health professionals trained to perform this task. All variable definitions followed the criteria and definitions from the STS Adult Cardiac Surgery Database version 2.9.11 Quality audits were carried out periodically to verify data accuracy, integrity, and consistency.
The variable morbidity was a composite outcome that included the following outcomes: cerebrovascular accident, acute kidney failure, prolonged intubation, deep sternal wound infection, and reoperation.
Exclusion criteria for this present analysis: Operative mortality (defined as deaths occurring after hospital discharge but within 30 days after the procedure, as well as deaths during the hospital stay in which the surgery was performed, even if 30 days after the procedure [N=133]) and missing data for "readmission" variable or life status until the 30th day after the CABG discharge (N=524).
For this study, a cohort was selected among patients who needed to be readmitted to the health institution where they underwent CABG surgery (N=150), and based on their data, statistical regression analyses were performed to identify the causes related to readmission and the factors associated with the event. Data related to the 3.242 patients who were discharged non-30 days-readmission and were alive in the follow-up by the 30th were compared with the readmitted group.
This is a subanalysis of the REPLICCAR II project, approved by the Ethics Committee for Analysis of Research Projects (CAPPesq) of the
In the descriptive analysis, continuous variables were expressed as mean ± standard deviation or median and interquartile range, depending on the normality of the data, in terms of summary measures (mean, median, standard deviation, and quartiles), while categorical variables were expressed in terms of percentages. As continuous variables do not follow a normal distribution (Anderson-Darling test), for the comparison of two groups, the non-parametric Mann-Whitney and Brunner-Munzel tests were used for homogeneous and heterogeneous variables (Bartlett test), respectively. For categorical variables, the Fisher's Exact test or the Chi-Squared test was employed.
To find associations between explanatory variables and a binary outcome, the logistic regression model was utilized. For constructing more parsimonious multiple models (fewer variables), the stepwise backward algorithm was employed to select the variables that best explain the outcome. The AUC (Area Under the Curve) through the ROC Curve was used to evaluate the model's accuracy.
All analyses were conducted with the R software version 4.2.0. A significance level of 0.05 was adopted for the tests. Two-tailed hypotheses were considered. Additionally, the constructed confidence intervals are 95%.
A cross-sectional cohort was selected in the REPLICCAR II database, divided into two groups: 1) a Group of patients readmitted until thirty days after hospital discharge (N=150, 4.42% of the total sample of this analysis); and 2) Discharged patients who did not need to return to the hospital (N=3,242).
Supplementary
| Explanatory variable | Coefficient | Standard error Coefficient | OR | CI 95% | p-value |
|---|---|---|---|---|---|
| Intercept | 0.093 | 0.015 | 1.098 | 1.065-1.131 | <0.00001 |
| Cardiac arrhythmia | 0.039 | 0.022 | 1.040 | 0.997-1.085 | 0.071212 |
| Sleep apnea | 0.110 | 0.0046 | 1.117 | 1.021-1.222 | 0.016523 |
| Lowest intraoperative hematocrit recorded during the intraoperative period | -0.006 | 0.002 | 0.994 | 0.991-0.997 | 0.000399 |
| Intra-aortic balloon pump use | 0.066 | 0.021 | 1.068 | 1.024-1.113 | 0.002103 |
We identified that, among the reasons that led patients to be readmitted to the institutions included in the study, infectious conditions (mediastinitis, surgical wound, and sepsis) were the most expressive (34.66%), as shown in
Regression analysis was performed using the outcome variable "Hospital readmission" in the REPLICCAR II database. Based on the significant variables of the univariate regression (Supplementary file 2), the multivariate model was constructed (
To test the model performance to predict readmissions the forward and backward stepwise model was used. The ROC curve had an area under the curve (AUC) of 0.70, indicating a moderate discrimination capacity of the model (95% CI: 0.63 - 0.77). This AUC suggests that the model has a 70% probability of correctly discriminating between positive and negative outcomes (
In the current analysis, it was observed that within the cohort from the REPLICCAR II database (N=3,392), there were 150 readmissions (N=4.42%). This rate is significantly lower than the observed in the current scientific literature. where readmission rates vary between 8.3 and 21.1%.
In 2012. Li et al.14 evaluated 11.823 hospital discharges following CABG in California and identified a 30-day readmission rate of 13.2%, correlating the following risk factors: age, gender, family income, and zip code compatible with the most vulnerable regions. Regarding the pre and intraoperative risk factors related to readmission, our study pointed to sleep apnea (OR: 1.117, p=0.0165), cardiac arrhythmia (OR: 1.040, p=0.0712), and intra-aortic balloon pump use (OR: 1.068, p=0.0021), while the more recent meta-analysis on the subject15 shows a correlation between outcome and variables such as female gender. non-White ethnicity and lack of private health insurance (Medicare and Medicaid beneficiaries), diabetes, hypertension, previous myocardial infarction, atrial fibrillation, cerebrovascular accident, peripheral vascular disease, renal, pulmonary, and/or hepatic dysfunctions, immunosuppression, and obesity.
Regardless of the difference between Brazilian and foreign results in this matter, such variables are non-modifiable characteristics of the patient, therefore, the hospital clinical staff must use adequate planning of processes and conducts for the hospitalization and provision of care to each patient, using risk scores, engaging the patient and their families in their post-surgery care and performing follow-up to investigate the appropriate care and clinical evolution of the patient.
The development of infectious conditions was the most significant cause of hospital readmission, which raises the suspicion that in-hospital treatments may be insufficient regarding the treatment of infection16 or that patients are not receiving proper postoperative instructions. The relevance of infection related to hospital readmission presented in this study is in line with the current scientific literature,
In this analysis, it was observed that each additional unit of hemoglobin (a continuous variable from the database), is associated with a decreased probability of hospital readmission (OR: 0.994, 95% CI: 0.991 - 0.997, p=0.0004). Trooboff et al.6 showed that hematocrit levels <36% are significantly related to the readmission outcome (p=0.017).
In our study, the clinical status of patients was not assessed beyond the 30-day follow-up period. However, in 2021 Bianco et al.
In a world where value-based care and quality processes are increasingly valued.
Pay-for-performance is gaining increased prominence worldwide. The system is based on not only reimbursing hospitals according to their surgical volume but also evaluating hospital results such as complications. deaths and readmission rates.
Regarding types of modern processes that focus on improving care, rapid recovery protocols have progressively shown positive and promising results and have the potential to further reduce readmission rates in health centers. In 2021. Chudgar et al.
The implementation of this type of care can benefit the hospital in a broad way,
As this is a cross-sectional cohort study in the REPLICCAR II multicenter database, the performance of each health center included may have affected the analysis, due to the heterogeneity in years of experience of surgeons and clinical cardiologists, materials used, and others. Follow-up data on readmission cases were not available beyond what is set out in this work. It was not part of the scope of the current project; however, it is necessary to assess how patients who need to be readmitted after discharge following CABG surgery are currently doing in terms of quality of life, clinical status, and evolution. In a future analysis, these questions should be raised to better understand the impact of hospital readmission on this patient population.
In this cross-sectional cohort analysis from the REPLICCAR II database, 4.42% of patients who underwent CABG were readmitted within 30 days post-discharge (N=150/3.392). The multiple models created through variables correlated with the outcome, proved satisfactory for predicting hospital readmission within 30 days post-CABG surgery, evidenced by the ROC curve's AUC of 0.70. However, further studies should be conducted to improve the model's predictive accuracy. The advancement of quality programs in cardiac surgeries with safety protocols shows the need and interest in the continuous improvement of results, which can positively affect the reduction of readmissions observed in São Paulo state, which are currently below the rates observed abroad. but with a great potential for improvement.
There were no external funding sources for this study.
This study is not associated with any thesis or dissertation work.
This study was approved by the Ethics Committee of the Hospital das Clínicas da Universidade de São Paulo under the protocol number 1.575, SDC:4506/17/006. All the procedures in this study were in accordance with the 1975 Helsinki Declaration, updated in 2013.
For additional information, please click here.
To REPLICCAR Study Group. Ministry of Health. Brazilian National Council for Scientific and Technological Development (CNPq). São Paulo Research Foundation (FAPESP) and the São Paulo State Health Secretariat (SES-SP) within the scope of the Research Program for the Unified Health System (PPSUS). which allowed the development of this study within the scope of FAPESP Process n. 16/15163-0.