Intervenções determinísticas e estocásticas na redução das interações medicamentosas na prescrição inadequada: Uma revisão sistemática
Medicina e TecnologiaO que aconteceu
As interações medicamentosas (IDD) continuam a ser um dos principais contribuintes para os danos evitáveis ao paciente, particularmente no contexto da polifarmácia. Nas últimas duas décadas, intervenções para mitigar a prescrição inadequada evoluíram do suporte clínico determinístico e baseado em regras para modelos cada vez mais complexos e estocásticos. No entanto, a medida em que esses avanços metodológicos se traduzem em maior segurança clínica ainda não está clara. Realizou-se uma revisão sistemática de acordo com as diretrizes PRISMA 2020, orientada pelo quadro SPIDER. PubMed, Scopus, ScienceDirect e IEEE Xplore foram pesquisados desde o início até outubro de 2025 para estudos primários avaliando intervenções computacionais ou de apoio à decisão clínica visando à redução de DDIs ou prescrição inadequada. Estudos elegíveis incluíram sistemas determinísticos baseados em regras, estruturas ontológicas e modelos preditivos baseados em inteligência artificial. O risco de viés foi avaliado utilizando-se o Modelo de Predição de Risco de Bias Assessment Tool, estendido com considerações artificiais de inteligência específicas (PROBAST+AI). Devido à heterogeneidade nos desenhos do estudo e medidas de desfecho, os achados foram sintetizados narrativamente.
O que encontraram
Dez estudos atenderam aos critérios de inclusão. As intervenções anteriores empregaram predominantemente abordagens determinísticas voltadas para otimização de fluxo de trabalho, gerenciamento de alertas e aplicação de políticas, demonstrando modestas melhorias nos processos de prescrição, mas inconsistentes ligações aos resultados de nível de paciente. Estudos mais recentes aplicaram modelos estocásticos e generativos utilizando conjuntos de dados clínicos de alta dimensão para predizer DDIs, relatando fortes métricas de desempenho interno. No entanto, a avaliação do PROBAST+AI identificou um risco consistentemente alto de viés no domínio de análise para estudos conduzidos por IA, principalmente devido à validação externa limitada, relato insuficiente de calibração e manuseio obscuro de sobreajustamento e vazamento de dados.
Por que isso importa
Embora modelos estocásticos e generativos ofereçam maior capacidade preditiva para detecção de DDI, as evidências atuais não demonstram uma melhora proporcional no suporte de decisão clinicamente confiável. Os sistemas determinísticos proporcionam restrições de transparência e segurança, mas carecem de adaptabilidade a contextos específicos do paciente. As futuras intervenções devem priorizar arquiteturas híbridas que integrem guardrails explicáveis baseados em regras com modelos estocásticos rigorosamente validados para garantir que a complexidade metodológica produz ganhos reprodutíveis na segurança do paciente.
Tradução automática do resumo original, publicado em PloS one sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.
O estudo original
Deterministic and stochastic interventions in reducing drug-drug interactions in inappropriate prescribing: A systematic review
Muhammad Fahmi Ahmad Zuber, Nur Aishah Che Roos, Ruzanna Mat Jusoh, Nurulhuda A Manaf
Descritores MeSH
- Inappropriate Prescribing
- Drug Interactions
- Humans
- Stochastic Processes
- Decision Support Systems, Clinical