Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 Análise da relação entre mortalidade observada e mortalidade prevista pelo Escore Fisiológico Agudo Simplificado III (SAPS 3) em uma Unidade de Tratamento Intensivo (UTI) do interior do Estado da Bahia (BA), Brasil Analysis of the relationship between observed mortality and mortality predicted by the Simplified Acute Physiology Score III (SAPS 3) in an Intensive Care Unit (ICU) in the interior of the state of Bahia (BA), Brazil Análisis de la relación entre la mortalidad observada y la mortalidad prevista por la Puntuación Fisiológica Aguda Simplificada III (SAPS 3) en una Unidad de Cuidados Intensivos (UCI) del interior del estado de Bahía (BA), Brasil Recebido: 02/10/2026 | Aceito: 07/10/2026 | Publicado: 09/10/2026 Danylo Ribeiro dos Santos Ferreira ORCID: https://orcid.org/0009-0007-2137-4481 Hospital São Pedro, Brasil E-mail: danylosm@hotmail.com Priscila Rodrigues Gomes ORCID: https://orcid.org/0009-0003-6874-1788 Hospital São Pedro, Brasil E-mail: priscilarg@gmail.com Adilson Boson Almeida Junior ORCID: https://orcid.org/0009-0002-2211-6832 Hospital São Pedro, Brasil E-mail: adilsonbonsonjr@gmail.com Adalto Boson Almeida ORCID: https://orcid.org/0009-0007-5161-778X Hospital São Pedro, Brasil E-mail: adaltouro@gmail.com Pedro Almeida da Silva Filho ORCID: https://orcid.org/0009-0005-2578-7780 Hospital São Pedro, Brasil E-mail: drpedrofilho@gmail.com Resumo Os escores prognósticos de gravidade auxiliam a avaliação de pacientes críticos e o monitoramento do desempenho de unidades de terapia intensiva (UTI). Objetivou-se analisar a relação entre a mortalidade observada e a mortalidade prevista pelo Escore Fisiológico Agudo Simplificado III (SAPS 3) em uma UTI adulto de um hospital do interior da Bahia, Brasil, por meio de uma análise institucional baseada em indicadores agregados. Trata-se de estudo observacional, descritivo-analítico, retrospectivo, de série temporal, referente ao período de janeiro/2023 a abril/2026 (39 meses). Foram analisados admissões, óbitos, mortalidade observada e a probabilidade média de óbito estimada pelo SAPS 3, além do perfil dos óbitos. A calibração foi avaliada pela razão de mortalidade padronizada (RMP), com intervalo de confiança de 95% (IC95%) estimado por aproximação de Poisson. No período, registraram-se 1.322 admissões e 410 óbitos, com mortalidade observada de 31,0% (referida às admissões). A idade média dos óbitos foi de 66,6 anos (desvio-padrão de 15,8), sendo 72,4% com 60 anos ou mais; as condições mais frequentes foram pneumonia, choque séptico e insuficiência respiratória. A probabilidade média estimada pelo SAPS 3 foi de 57,9%, resultando em 766 óbitos esperados e RMP de 0,54 (IC95% 0,49–0,59), com valores anuais entre 0,43 e 0,62. Conclui-se que a mortalidade observada foi consistentemente inferior à prevista pelo SAPS 3, achado que pode refletir superestimação do risco pela equação original, desempenho assistencial favorável ou ambos, e que sugere potencial necessidade de validação externa e eventual recalibração local antes do uso do escore para predição absoluta. Palavras-chave: Unidade de Terapia Intensiva; Mortalidade Hospitalar; Índice de Gravidade de Doença; Indicadores de Qualidade em Assistência à Saúde; Prognóstico. 1 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 Abstract Prognostic severity scores support the assessment of critically ill patients and the monitoring of intensive care unit (ICU) performance. This study aimed to analyze the relationship between observed mortality and mortality predicted by the Simplified Acute Physiology Score III (SAPS 3) in an adult ICU of a hospital in the countryside of Bahia, Brazil, through an institutional analysis based on aggregated indicators. This was an observational, descriptive-analytical, retrospective, time-series study covering January/2023 to April/2026 (39 months). Admissions, deaths, observed mortality, and the mean SAPS 3 predicted probability of death were analyzed, together with the profile of deaths. Calibration was assessed by the standardized mortality ratio (SMR), with a 95% confidence interval (95%CI) estimated by a Poisson approximation. During the period, 1,322 admissions and 410 deaths were recorded, with an observed mortality of 31.0% (referred to admissions). The mean age of deaths was 66.6 years (standard deviation 15.8), with 72.4% aged 60 years or older; the most frequent conditions were pneumonia, sepsis/septic shock, and respiratory failure. The mean SAPS 3 predicted probability was 57.9%, yielding 766 expected deaths and an SMR of 0.54 (95%CI 0.49– 0.59), with annual values between 0.43 and 0.62. In conclusion, observed mortality was consistently lower than predicted by SAPS 3, a finding that may reflect risk overestimation by the original equation, favorable clinical performance, or both, and that suggests a potential need for external validation and eventual local recalibration before using the score for absolute prediction. Keywords: Intensive Care Units; Hospital Mortality; Severity of Illness Index; Quality Indicators, Health Care; Prognosis. Resumen Los puntajes pronósticos de gravedad apoyan la evaluación de pacientes críticos y el monitoreo del desempeño de las unidades de cuidados intensivos (UCI). El objetivo fue analizar la relación entre la mortalidad observada y la prevista por el Puntaje Fisiológico Agudo Simplificado III (SAPS 3) en una UCI de adultos de un hospital del interior de Bahía, Brasil, mediante un análisis institucional basado en indicadores agregados. Se trata de un estudio observacional, descriptivo-analítico, retrospectivo, de serie temporal, realizado de enero/2023 a abril/2026 (39 meses). Se analizaron ingresos, óbitos, mortalidad observada, probabilidad media de muerte estimada por el SAPS 3 y perfil de los óbitos. La calibración se evaluó mediante la razón de mortalidad estandarizada (RME), con intervalo de confianza del 95% (IC95%) estimado por aproximación de Poisson. Se registraron 1.322 ingresos y 410 óbitos, con mortalidad observada de 31,0% (referida a los ingresos). La edad media de los óbitos fue de 66,6 años (desviación estándar de 15,8), con 72,4% de 60 años o más; las condiciones más frecuentes fueron neumonía, sepsis/choque séptico e insuficiencia respiratoria. La probabilidad media estimada por el SAPS 3 fue de 57,9%, resultando en 766 óbitos esperados y una RME de 0,54 (IC95% 0,49–0,59), con valores anuales entre 0,43 y 0,62. Se concluye que la mortalidad observada fue consistentemente inferior a la prevista por el SAPS 3, lo que puede reflejar sobreestimación del riesgo, desempeño asistencial favorable o ambos, y sugiere la necesidad de validación externa y eventual recalibración local. Palabras clave: Unidades de Cuidados Intensivos; Mortalidad Hospitalaria; Índice de Severidad de la Enfermedad; Indicadores de Calidad de la Atención de Salud; Pronóstico. 1. Introdução A Unidade De Terapia Intensiva (UTI) concentra os pacientes mais graves do ambiente hospitalar, caracterizados por disfunções orgânicas potencialmente reversíveis e elevado risco de óbito. Nesse contexto, a mensuração objetiva da gravidade é essencial tanto para a decisão clínica quanto para a gestão e a avaliação da qualidade do cuidado, o que motivou o desenvolvimento de sistemas de pontuação prognóstica desde a década de 1980 (Knaus et al., 1985; Vincent & Moreno, 2010). Esses instrumentos traduzem, em uma probabilidade numérica, a combinação de alterações fisiológicas, características demográficas e comorbidades, permitindo comparar populações heterogêneas a partir de uma métrica comum de risco. As finalidades desses instrumentos são múltiplas e complementares. No plano clínico, auxiliam a estratificação de risco à beira do leito e a comunicação entre equipes; no plano da pesquisa, permitem caracterizar e comparar a gravidade de coortes, ajustando análises de desfecho para o case-mix; e no plano da gestão, viabilizam a avaliação de desempenho institucional por meio da confrontação entre mortalidade observada e esperada. É importante, contudo, reconhecer que nenhum escore foi concebido para, isoladamente, determinar condutas individuais de limitação de suporte, e que seu uso adequado pressupõe a compreensão das premissas e dos limites de cada modelo, sob pena de conclusões equivocadas a partir de estimativas populacionais aplicadas a casos singulares (Moreno et al., 2005; Vincent & Moreno, 2010). 2 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 Ao longo das últimas décadas, diferentes famílias de escores foram propostas e aprimoradas. O Acute Physiology and Chronic Health Evaluation (APACHE), em suas versões II e IV, e o Simplified Acute Physiology Score (SAPS), em suas versões II e 3, tornaram-se referências para a estimativa da probabilidade de morte hospitalar a partir de variáveis coletadas na admissão (Knaus et al., 1985; Le Gall et al., 1993; Zimmerman et al., 2006). De forma complementar, o Sequential Organ Failure Assessment (SOFA) passou a ser utilizado para descrever e acompanhar a disfunção orgânica ao longo da internação, com valor prognóstico tanto em sua medida basal quanto em sua variação (Vincent et al., 1998; Ferreira et al., 2001). O SAPS 3 foi desenvolvido a partir de uma coorte multinacional de 16.784 pacientes admitidos em 303 UTIs e estima a probabilidade de óbito hospitalar com base em vinte variáveis disponíveis na admissão, tendo apresentado boa capacidade discriminativa, com área sob a curva ROC de 0,848 no estudo de derivação (Metnitz et al., 2005; Moreno et al., 2005). Uma característica central do modelo é a disponibilização de equações customizadas por regiões do mundo, o que reconhece, desde a sua concepção, que o desempenho de um escore prognóstico depende do contexto assistencial em que é aplicado. Por utilizar informações de uma janela restrita em torno da admissão, o SAPS 3 aproxima-se de uma medida da gravidade na entrada, propriedade que favorece o seu uso para ajuste de case-mix e comparação entre serviços (Moreno et al., 2005; Metnitz et al., 2005). Estruturalmente, o SAPS 3 combina cinco variáveis relativas a condições prévias e comorbidades, cinco relacionadas às circunstâncias da admissão e dez referentes ao grau de alteração fisiológica aguda, das quais deriva uma pontuação convertida em probabilidade de óbito hospitalar por uma equação logística. No Brasil, o escore foi amplamente incorporado à rotina de unidades de terapia intensiva e a registros de qualidade, o que torna especialmente relevante conhecer o seu comportamento em diferentes contextos assistenciais do país, sobretudo em serviços cujas características diferem substancialmente daquelas da coorte multinacional de derivação (Metnitz et al., 2005; Moralez et al., 2017). A avaliação do desempenho de um modelo prognóstico envolve duas dimensões complementares e independentes. A discriminação refere-se à capacidade de ordenar corretamente os pacientes segundo o risco e costuma ser quantificada pela área sob a curva ROC; a calibração expressa a concordância entre a mortalidade prevista e a observada. Um modelo pode discriminar bem e, ainda assim, estar mal calibrado em uma dada população, prevendo, por exemplo, mais óbitos do que os que ocorrem, razão pela qual ambas as dimensões devem ser verificadas em estudos de validação externa, conforme sistematizado pelo referencial TRIPOD (Moons et al., 2015; Vincent & Moreno, 2010). Decorre diretamente da calibração o conceito de mortalidade ajustada ao risco, operacionalizado pela razão de mortalidade padronizada, definida como o quociente entre o número de óbitos observados e o número de óbitos esperados segundo o escore. Um valor igual a 1,0 indica que a mortalidade observada corresponde exatamente à prevista; valores inferiores a 1,0 apontam mortalidade menor do que a esperada para aquele perfil de gravidade, e valores superiores, o oposto. Por incorporar a gravidade estimada de cada paciente ao denominador, esse indicador permite comparações mais justas entre serviços do que a taxa bruta de mortalidade, e por isso constitui uma das principais ferramentas de avaliação de desempenho em terapia intensiva, ainda que sua interpretação dependa criticamente da adequação do escore utilizado à população em análise (Zimmerman et al., 2006; Bastos et al., 2022). Estudos brasileiros de grande porte demonstraram que escores internacionais, incluindo o SAPS 3, tendem a apresentar descompasso de calibração quando aplicados à realidade nacional, frequentemente exigindo ajuste local antes de seu uso comparativo (Moralez et al., 2017; Zampieri et al., 2020; Falcão et al., 2019). Esse cenário é agravado pela acentuada heterogeneidade de estrutura, organização e processos das UTIs brasileiras: o estudo ORCHESTRA, com 59.693 pacientes de 78 unidades, mostrou que a adoção de protocolos assistenciais foi o fator organizacional mais consistentemente associado a menor mortalidade, evidenciando que o desempenho de um serviço não depende apenas da gravidade admitida (Soares et al., 2015). 3 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 Entre as condições que mais pesam sobre a mortalidade nas UTIs brasileiras, a sepse ocupa posição de destaque, com letalidade em torno de 55% entre pacientes sépticos e um número expressivo de óbitos anuais no país, em linha com a elevada carga global atribuída à síndrome (Machado et al., 2017; Rudd et al., 2020). Esse perfil ajuda a contextualizar a casuística de unidades de menor porte, nas quais a taxa bruta de mortalidade, sem ajuste à gravidade, tende a produzir comparações injustas entre serviços com perfis distintos (Hashmi et al., 2014; Bastos et al., 2022). No plano regulatório e da qualidade assistencial, o acompanhamento sistemático de indicadores tornou-se parte integrante da gestão hospitalar brasileira, seja por exigências de fontes pagadoras e da saúde suplementar, seja por programas de acreditação que valorizam a mensuração contínua de desfechos. A taxa de mortalidade em UTI figura entre os indicadores mais difundidos, mas seu uso isolado, sem ajuste à gravidade, tende a produzir comparações injustas entre serviços com perfis de pacientes distintos. É nesse ponto que a articulação entre indicadores institucionais e escores prognósticos se mostra promissora, ao permitir que a mortalidade observada seja interpretada à luz da mortalidade esperada para aquele perfil de gravidade (Hashmi et al., 2014; Bastos et al., 2022). Esse gradiente de recursos tem implicações diretas sobre a equidade em saúde. Serviços situados fora dos grandes centros costumam operar com menor disponibilidade de leitos, de tecnologia e de pessoal especializado, fatores que se associam de forma independente a piores desfechos e que tornam ainda mais delicada a comparação de suas taxas de mortalidade com as de hospitais de referência terciária. Nesse contexto, dispor de um método simples e replicável para confrontar a mortalidade observada com a esperada, mesmo a partir de indicadores agregados, representa um avanço concreto de governança clínica para unidades que raramente participam de grandes registros multicêntricos (Bastos et al., 2022; Soares et al., 2015). Apesar do amplo uso desses instrumentos, hospitais de pequeno porte e de regiões do interior permanecem subrepresentados na literatura, ainda que enfrentem perfis de gravidade desfavoráveis. Nesse cenário, a confrontação entre a mortalidade observada por indicadores institucionais e a probabilidade estimada por escores prognósticos constitui uma estratégia factível de monitoramento, ainda que com as limitações inerentes a dados agregados. Este estudo objetivou analisar a relação entre a mortalidade observada e a mortalidade prevista pelo Escore Fisiológico Agudo Simplificado III (SAPS 3) em uma UTI adulto de um hospital do interior da Bahia, Brasil, por meio de uma análise institucional baseada em indicadores agregados. 2. Metodologia 2.1 Desenho e local do estudo Trata-se de estudo observacional, descritivo-analítico, retrospectivo (Toassi & Petry, 2021) numa investigação documental de fonte direta em relatórios (Risemberg et al., 2026a) e, numa pesquisa de abordagem quantitativa (Risemberg et al., 2026b; Pereira et al., 2018) com emprego de estatística descritiva simples com Gráficos de linhas e de pontos, classes de dados e valores de frequência absoluta em quantidade e frequência relativa porcentual (Vieira, 2021; Shitsuka et al., 2014), com delineamento de série temporal (Moretin & Toloi, 2018; Nascimento et al., 2015), e que foi conduzido a partir de indicadores institucionais agregados de qualidade assistencial. A abordagem ecológica, fundamentada em dados secundários consolidados mensalmente, foi adotada por ser compatível com a fonte de informação disponível e por permitir a avaliação da relação entre observado e esperado ao longo do tempo (Moons et al., 2015). O estudo foi realizado na Unidade de Terapia Intensiva Adulto (UTIA) do Hospital São Pedro, no município de Remanso, interior do estado da Bahia, Brasil. Trata-se de serviço de referência regional, cuja casuística é majoritariamente composta por pacientes clínicos de elevada gravidade. Foram considerados os relatórios mensais de indicadores da unidade referentes ao período de janeiro de 2023 a abril de 2026. 4 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 2.2 Fonte de dados e variáveis Os dados foram extraídos dos relatórios de indicadores elaborados pela coordenação multidisciplinar da unidade, segundo a metodologia de cálculo da taxa de mortalidade preconizada pela Agência Nacional de Saúde Suplementar (ANS/Proqualis), conforme a Portaria nº 312, de 30 de abril de 2002. De cada relatório foram coletados: número de admissões, número de altas, número de óbitos, taxa de mortalidade e probabilidade média de óbito estimada pela aplicação do formulário SAPS 3 no conjunto de pacientes do mês. Adicionalmente, registraram-se a idade e os diagnósticos descritos para cada óbito. Cabe destacar que a probabilidade de óbito disponível nos relatórios corresponde a uma média mensal aplicada ao conjunto de pacientes, e não ao escore individual de cada admissão. Essa característica da fonte de dados delimita o tipo de análise possível e foi considerada em todas as etapas interpretativas. A taxa de mortalidade registrada nos relatórios segue a definição operacional preconizada pela ANS/Proqualis, na qual o numerador corresponde ao número de óbitos de pacientes internados na UTI e o denominador ao número de saídas, com meta contratual estabelecida em valor menor ou igual a 11%. A probabilidade de óbito pelo SAPS 3, por sua vez, é obtida pela aplicação rotineira do formulário do escore aos pacientes admitidos, sendo consolidada como média mensal nos relatórios. Para os fins desta análise, as informações de cada relatório foram tabuladas em planilha eletrônica única, com conferência dupla dos valores extraídos, e organizadas em série temporal contínua, o que permitiu tanto a descrição da casuística quanto o cálculo dos indicadores de calibração descritos a seguir. 2.3 Desfechos e definições operacionais A mortalidade observada foi definida como a razão entre o número de óbitos e o número de admissões no período, expressa em percentual. Adotou-se o total de admissões como denominador principal por ser a base mais adequada à comparação com a probabilidade estimada pelo SAPS 3, que se refere ao conjunto de pacientes admitidos. A mortalidade esperada foi estimada pela soma, ao longo dos meses, do produto entre a probabilidade média de óbito pelo SAPS 3 e o número de admissões correspondente, procedimento que pondera adequadamente os meses de maior volume (Zimmerman et al., 2006). A calibração foi avaliada pela razão de mortalidade padronizada (RMP), definida como o quociente entre óbitos observados e esperados, em que valores inferiores a 1,0 indicam mortalidade observada menor do que a prevista pelo modelo. O intervalo de confiança de 95% (IC95%) da RMP foi estimado assumindo distribuição de Poisson para o número de óbitos observados, por meio da expressão RMP × exp(±1,96/√O), em que O é o número de óbitos observados; essa aproximação, amplamente utilizada em estudos de mortalidade padronizada, produz intervalos tanto mais estreitos quanto maior o número de eventos (Zimmerman et al., 2006; Bastos et al., 2022). 2.4 Análise estatística As variáveis foram analisadas por estatística descritiva, com frequências absolutas e relativas para variáveis categóricas e medidas de tendência central e dispersão para variáveis contínuas. O perfil etário dos óbitos foi descrito por média, desviopadrão, mediana e faixas etárias, e as condições clínicas associadas aos óbitos foram tabuladas a partir das descrições dos relatórios. A evolução temporal das admissões, dos óbitos e da mortalidade foi examinada em base anual e mensal, e a calibração foi avaliada de forma global e por ano. Cabe ressalvar, do ponto de vista metodológico, que os dados disponíveis são agregados e não contemplam o escore SAPS 3 individual de cada paciente nem informações sobre os sobreviventes; por essa razão, não foi possível recalcular medidas de discriminação, como a área sob a curva ROC, nem ajustar modelos de regressão, restringindo-se a presente avaliação à calibração e à descrição da casuística (Moons et al., 2015; Vincent & Moreno, 2010). 5 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 A indisponibilidade do relatório de março de 2023 foi tratada por exclusão do mês da série, sem imputação de valores, de modo a não introduzir estimativas artificiais. Dado que a análise se baseia em somatórios de admissões e óbitos ao longo de 39 meses, a ausência de um único mês, situado no início da série, tende a exercer influência desprezível sobre os indicadores globais de calibração; ainda assim, essa limitação foi explicitada para preservar a transparência do relato, conforme recomendado para estudos que utilizam dados secundários (Moons et al., 2015). 2.5 Aspectos éticos Por se tratar de análise de dados secundários, agregados e institucionais, sem identificação de pacientes, o estudo apresenta risco mínimo. Em conformidade com a Resolução nº 466/2012 do Conselho Nacional de Saúde, foi apreciado e aprovado pelo Comitê de Ética em Pesquisa. CEP/CAAE: 00460326.0.0000.5025. 3. Resultados e Discussão 3.1 Caracterização da casuística e da mortalidade observada No período de 39 meses analisado, a UTIA registrou 1.322 admissões, 839 altas e 410 óbitos, correspondendo a uma mortalidade observada de 31,0% quando referida ao total de admissões, indicador adotado como principal neste estudo. Como observação metodológica, cabe registrar que a metodologia contratual da unidade, ao empregar o número de altas como denominador, resulta em um valor mais elevado (48,9%); tal divergência não reflete diferença de desfecho, mas apenas a escolha do denominador, e reforça a recomendação de padronizar a definição do indicador antes de qualquer comparação entre serviços (Hashmi et al., 2014; Bastos et al., 2022). A síntese anual é apresentada no Quadro 1 e a série mensal completa, no Quadro 2. Quadro 1. Síntese anual das admissões, óbitos, mortalidade observada e probabilidade média de óbito pelo SAPS 3. UTIA/HSP, janeiro de 2023 a abril de 2026. Meses Admissões Óbitos Mortalidade observada SAPS 3 (prob. média) 2023* Ano 11 338 116 34,3% 55,4% 2024 12 406 124 30,5% 60,3% 2025 12 449 135 30,1% 56,2% 2026** 4 129 35 27,1% 63,1% Total 39 1.322 410 31,0% 57,9% Mortalidade observada = óbitos/admissões. *Março de 2023 indisponível. **Janeiro a abril de 2026. Fonte: Elaborado pelos Autores a partir dos relatórios da UTIA/HSP. Observa-se relativa estabilidade da mortalidade anual, que variou de 27,1% a 34,3%, enquanto a mortalidade mensal apresentou maior amplitude, oscilando entre 12% e 48% (Quadro 2). Tal variabilidade mensal é esperada em unidades de menor volume, nas quais um pequeno número absoluto de óbitos produz grandes flutuações percentuais, o que reforça a importância de janelas temporais amplas para a avaliação de desempenho e desaconselha conclusões baseadas em medidas pontuais isoladas (Bastos et al., 2022). 6 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 Quadro 2. Série mensal de admissões, óbitos, mortalidade observada e probabilidade média de óbito pelo SAPS 3. UTIA/HSP, janeiro de 2023 a abril de 2026 (março de 2023 indisponível). Mês/Ano Adm. Óbitos Mort. obs. SAPS 3 Jan/2023 30 11 37% 59,0% Fev/2023 28 11 39% 60,8% Abr/2023 32 9 28% 59,0% Mai/2023 33 12 36% 49,0% Jun/2023 25 10 40% 59,0% Jul/2023 30 5 17% 63,3% Ago/2023 33 14 42% 53,3% Set/2023 35 15 43% 49,6% Out/2023 32 6 19% 58,2% Nov/2023 27 7 26% 49,0% Dez/2023 33 16 48% 49,0% Jan/2024 33 6 18% 50,0% Fev/2024 28 8 29% 50,0% Mar/2024 33 6 18% 50,0% Abr/2024 22 10 45% 68,0% Mai/2024 36 10 28% 68,0% Jun/2024 39 11 28% 61,0% Jul/2024 29 10 34% 61,0% Ago/2024 33 10 30% 65,0% Set/2024 39 10 26% 65,0% Out/2024 33 15 45% 65,0% Nov/2024 41 12 29% 65,0% Dez/2024 40 16 40% 55,0% Jan/2025 39 13 33% 60,4% Fev/2025 38 18 47% 64,2% Mar/2025 29 8 28% 54,3% Abr/2025 31 12 39% 54,3% Mai/2025 37 11 30% 58,2% Jun/2025 37 15 41% 68,3% Jul/2025 38 8 21% 62,2% Ago/2025 43 14 33% 49,1% Set/2025 42 8 19% 54,9% Out/2025 34 5 15% 45,1% Nov/2025 36 12 33% 52,1% Dez/2025 45 11 24% 51,6% Jan/2026 27 7 26% 61,0% Fev/2026 24 3 12% 62,1% Mar/2026 38 12 32% 62,1% Abr/2026 40 13 32% 67,1% Adm. = admissões; Mort. obs. = mortalidade observada (óbitos/admissões). Fonte: Elaborado pelos Autores a partir dos relatórios da UTIA/HSP. 7 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 Figura 1. Evolução mensal da mortalidade observada e da probabilidade média de óbito estimada pelo SAPS 3. UTIA/HSP, janeiro de 2023 a abril de 2026. Fonte: Elaborado pelos Autores. A representação gráfica da série mensal (Figura 1) evidencia, de forma visual, o achado central deste estudo: a curva da probabilidade prevista pelo SAPS 3 manteve-se, na quase totalidade dos meses, acima da curva da mortalidade observada, sem que houvesse cruzamento sistemático entre elas. Esse afastamento persistente entre previsto e observado, mantido ao longo de mais de três anos e a despeito das oscilações mensais, é a expressão gráfica do descompasso que a razão de mortalidade padronizada quantifica adiante, e sugere que não se trata de um fenômeno pontual, mas de um padrão estável na aplicação do escore a esta população (Moralez et al., 2017; Bastos et al., 2022). A mortalidade observada nesta unidade, de 31,0%, é substancialmente superior à descrita em amostras de UTIs brasileiras predominantemente privadas e localizadas em grandes centros, diferença compatível com um perfil de maior gravidade e com as particularidades de um serviço de referência do interior (Soares et al., 2015). Esse contraste ilustra por que a comparação direta de taxas brutas entre unidades de contextos distintos, sem ajuste ao risco, é metodologicamente frágil. Chama atenção, ainda, a tendência de crescimento do volume anual de admissões ao longo da série (de 338 em 2023 para 406 em 2024 e 449 em 2025), acompanhada de discreta redução da mortalidade observada no mesmo intervalo. Embora o desenho do estudo não permita estabelecer relações causais, esse padrão é compatível com um aumento progressivo da demanda atendida pela unidade sem deterioração proporcional dos desfechos, o que, em um serviço de referência do interior, pode refletir tanto a ampliação do acesso quanto eventuais ganhos de organização do cuidado. A confirmação dessa hipótese exigiria, contudo, análise ajustada à gravidade individual dos pacientes admitidos em cada período (Soares et al., 2015; Bastos et al., 2022). 3.2 Perfil etário e condições clínicas associadas aos óbitos Quanto ao perfil dos óbitos, a idade média foi de 66,6 anos (desvio-padrão de 15,8), com mediana de 69 anos e amplitude de 15 a 97 anos; 72,4% ocorreram em pacientes com 60 anos ou mais e 23,2% em pacientes com 80 anos ou mais. O predomínio de pacientes idosos é coerente com o fato de a idade avançada constituir fator associado a desfechos desfavoráveis e variável de peso nos próprios modelos prognósticos, incluindo o SAPS 3 (Moreno et al., 2005; Zimmerman et al., 2006). Esse perfil predominantemente idoso tem implicações para a interpretação do próprio escore. Como a idade avançada é uma das variáveis de maior peso no SAPS 3, uma casuística concentrada em faixas etárias elevadas tende a produzir probabilidades médias de óbito também elevadas, como as observadas nesta série. A distância entre essa probabilidade prevista e a mortalidade efetivamente observada sugere que, nesta população específica, o peso atribuído à idade e às comorbidades pela equação original pode não corresponder integralmente ao risco real, hipótese compatível com a necessidade de avaliação da 8 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 calibração em cada contexto, mas que só poderia ser confirmada com a análise do escore individual de cada paciente (Metnitz et al., 2005; Moreno et al., 2005). As condições clínicas mais frequentemente registradas entre os óbitos com descrição detalhada estão apresentadas no Quadro 3. Predominaram pneumonia, sepse e choque séptico e insuficiência respiratória, seguidas por doenças cerebrovasculares e lesão renal aguda. Esse perfil é compatível com a carga da sepse como uma das principais causas de morte em pacientes críticos e com o impacto prognóstico da disfunção orgânica múltipla e da lesão renal aguda no ambiente intensivo (Rudd et al., 2020; Seymour et al., 2016; Hoste et al., 2015). Quadro 3. Condições clínicas mais frequentes entre os óbitos com descrição clínica detalhada (n = 254). UTIA/HSP, 2023– 2026. n % Pneumonia Condição clínica 118 46% Sepse / choque séptico 98 39% Insuficiência respiratória 70 28% Doença cerebrovascular (AVC/AVE) 55 22% Insuficiência / lesão renal 47 19% Insuficiência cardíaca / choque cardiogênico 41 16% Choque circulatório / neurogênico 26 10% Doença pulmonar obstrutiva crônica 23 9% Disfunção de múltiplos órgãos 14 6% Neoplasia 10 4% As categorias não são mutuamente exclusivas; um mesmo paciente pôde apresentar mais de uma condição, e a soma dos percentuais excede 100%. Fonte: Elaborado pelos Autores. A elevada frequência de sepse e choque séptico é especialmente relevante à luz do estudo SPREAD, que evidenciou alta letalidade entre pacientes sépticos em UTIs brasileiras e associou os piores desfechos à menor disponibilidade de recursos e à adequação do tratamento (Machado et al., 2017). Esse achado sugere que parte da mortalidade pode relacionar-se não apenas à gravidade intrínseca dos quadros, mas também a fatores estruturais e de processo potencialmente modificáveis, em linha com o papel dos protocolos assistenciais demonstrado no estudo ORCHESTRA (Soares et al., 2015). A presença expressiva de insuficiência respiratória, doenças cerebrovasculares e lesão renal aguda é coerente com o perfil etário idoso e com a elevada prevalência de comorbidades crônicas, sendo a lesão renal aguda reconhecidamente um marcador de gravidade independentemente associado à mortalidade (Hoste et al., 2015). 3.3 Relação entre mortalidade observada e prevista pelo SAPS 3 No tocante à relação entre observado e previsto, a probabilidade média de óbito estimada pelo SAPS 3 foi de 57,9% no período, variando de 45,1% a 68,3% entre os meses. A aplicação dessa probabilidade ao total de admissões resultou em 766 óbitos esperados, frente aos 410 efetivamente observados, o que corresponde a uma razão de mortalidade padronizada de 0,54 (IC95% 0,49–0,59). O intervalo de confiança, relativamente estreito em razão do número expressivo de eventos (410 óbitos), situa-se integralmente abaixo de 1,0, indicando que a mortalidade observada foi consistentemente inferior à prevista pelo modelo (Zimmerman et al., 2006; Moralez et al., 2017). A decomposição anual, apresentada no Quadro 4, reforça essa leitura: em todos os anos a RMP situou-se entre 0,43 e 0,62, sempre com limite superior do intervalo de confiança inferior ou próximo a 0,75. A relativa constância do indicador, apesar das oscilações de volume e de probabilidade média entre os anos, indica que o descompasso entre observado e previsto é um 9 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 achado estável ao longo da série, e não um artefato de um único ciclo. Os valores de 2026 devem ser interpretados com cautela, por contemplarem apenas quatro meses e, portanto, um intervalo de confiança mais amplo (Bastos et al., 2022). Quadro 4. Óbitos observados, óbitos esperados pelo SAPS 3, razão de mortalidade padronizada (RMP) e intervalo de confiança de 95% (IC95%), por ano. UTIA/HSP, 2023–2026. Ano Admissões Óbitos obs. Óbitos esp. RMP IC95% 2023* 338 116 186 0,62 0,52–0,75 2024 406 124 245 0,51 0,42–0,60 2025 449 135 252 0,53 0,45–0,63 2026** 129 35 82 0,43 0,31–0,60 Total 1.322 410 766 0,54 0,49–0,59 Óbitos esperados = Σ (probabilidade média mensal do SAPS 3 × admissões do mês). IC95% estimado por aproximação de Poisson. *Março de 2023 indisponível. **Janeiro a abril de 2026. Fonte: Elaborado pelos Autores. Figura 2. Razão de mortalidade padronizada (RMP) e intervalo de confiança de 95%, por ano e no total. UTIA/HSP, 2023– 2026. A linha tracejada indica RMP = 1,0 (igualdade entre óbitos observados e esperados). Fonte: Elaborado pelos Autores. A Figura 2 sintetiza a estabilidade do achado: em todos os anos, tanto a estimativa pontual quanto o limite superior do intervalo de confiança da RMP permaneceram abaixo da linha de referência de 1,0, que corresponderia à igualdade entre óbitos observados e esperados. A sobreposição parcial dos intervalos de confiança anuais indica ausência de diferença estatística relevante entre os anos, reforçando a interpretação de que o descompasso entre observado e previsto é uma característica constante do período, e não o resultado de um ano atípico (Bastos et al., 2022). A leitura desse resultado exige equilíbrio, pois uma razão de mortalidade padronizada inferior a 1,0 admite mais de uma interpretação. Um valor de 0,54 pode refletir três situações não mutuamente exclusivas: (i) superestimação do risco pela equação original do SAPS 3 quando aplicada a esta população; (ii) desempenho assistencial da unidade acima do previsto para o perfil de gravidade admitido, com menos óbitos do que o esperado; ou (iii) a combinação de ambos. Os dados agregados aqui disponíveis não permitem discriminar entre essas hipóteses, e seria precipitado atribuir a discrepância exclusivamente a uma descalibração do modelo. É plausível que parte da diferença entre previsto e observado corresponda efetivamente à qualidade do cuidado prestado, hipótese coerente com a literatura que associa a adoção de protocolos assistenciais a desfechos melhores do que os esperados pela gravidade (Soares et al., 2015). Assim, o achado deve ser interpretado como um descompasso persistente entre previsão e observação, e não como prova isolada de inadequação do escore. 10 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 A hipótese de desempenho assistencial favorável merece consideração explícita, sob pena de o estudo assumir, sem demonstração, que toda a discrepância decorre do modelo. A literatura nacional oferece base plausível para essa possibilidade: o estudo ORCHESTRA demonstrou que características organizacionais, e em especial a adoção de protocolos assistenciais, associam-se de forma independente a mortalidade inferior à esperada pela gravidade dos pacientes (Soares et al., 2015). Da mesma forma, no manejo da sepse, condição predominante entre os óbitos desta unidade, a precocidade do reconhecimento e a adequação das medidas iniciais são determinantes de desfecho potencialmente modificáveis (Machado et al., 2017; Seymour et al., 2016). É, portanto, metodologicamente mais prudente reconhecer que a mortalidade observada abaixo da prevista pode traduzir, ao menos em parte, a efetividade do cuidado prestado, do que atribuí-la integralmente a uma falha de calibração do escore. A distinção definitiva entre essas contribuições, contudo, só seria possível com dados individuais que permitissem o ajuste simultâneo pela gravidade de cada paciente. Independentemente da hipótese predominante, o padrão observado é coerente com a literatura de validação externa em UTIs brasileiras, na qual o SAPS 3, em sua equação original, tende a prever mortalidade superior à observada, sugerindo a conveniência de ajuste local (Moralez et al., 2017; Zampieri et al., 2020; Falcão et al., 2019). Propostas de refinamento do escore, como a incorporação do lactato, e o desenvolvimento de modelos baseados em aprendizado de máquina para subpopulações específicas ilustram o esforço contínuo de aprimoramento da acurácia preditiva, embora dependam de dados individualizados ainda não disponíveis neste serviço (Andersson & Frigyesi, 2018; Gupta et al., 2020; Gao et al., 2024). A magnitude do afastamento observado, com mortalidade prevista cerca de 1,9 vez superior à observada, é expressiva mesmo quando comparada à de outros estudos brasileiros de validação externa do SAPS 3, nos quais o descompasso de calibração, embora frequente, costuma ser menos acentuado. Essa diferença pode relacionar-se à própria natureza agregada dos dados aqui utilizados, que parte de probabilidades médias mensais em vez de escores individuais, bem como a particularidades de case-mix e de aferição local do escore. A comparação deve, portanto, ser feita com prudência e não invalida o achado central; antes, reforça que qualquer uso do escore para predição absoluta ou comparação interinstitucional neste serviço deveria ser precedido de uma etapa de validação com dados individuais (Moralez et al., 2017; Zampieri et al., 2020; Moons et al., 2015). 3.4 Discriminação, calibração e implicações para a gestão A interpretação desses resultados deve considerar a distinção entre discriminação e calibração. No estudo de derivação, o SAPS 3 apresentou boa discriminação (área sob a curva ROC de 0,848), e um trabalho anterior conduzido com dados individuais de uma amostra de pacientes desta mesma unidade também havia demonstrado boa capacidade discriminativa, com área sob a curva de 0,81. A presente análise, por se basear em dados agregados, não recalcula a discriminação na amostra ampliada, mas acrescenta evidência sobre a calibração ao longo de 39 meses, dimensão na qual observou-se descompasso consistente entre previsto e observado (Moreno et al., 2005; Moons et al., 2015). Essa combinação — boa discriminação previamente documentada e mortalidade observada persistentemente inferior à prevista — é justamente o padrão que a literatura metodológica antecipa quando um modelo é transportado para um contexto diferente daquele em que foi derivado. A ordenação relativa dos pacientes segundo o risco pode permanecer válida, ao mesmo tempo em que o nível absoluto de risco previsto deixa de corresponder à mortalidade observada, o que recomenda cautela no uso do escore para predição absoluta e para comparações de desempenho sem validação prévia (Moons et al., 2015; Vincent & Moreno, 2010). A coexistência dos dois achados nesta unidade, área sob a curva de 0,81 no estudo prévio com dados individuais e razão de mortalidade padronizada de 0,54 na presente série, ilustra de forma concreta por que discriminação e calibração não devem ser tratadas como medidas intercambiáveis. Um gestor que dispusesse apenas do dado de discriminação poderia concluir, equivocadamente, que o escore está apto a estimar a mortalidade esperada do serviço para fins de comparação; a análise de 11 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 calibração revela, ao contrário, que as estimativas absolutas precisam ser interpretadas com cautela e, possivelmente, corrigidas antes de qualquer uso comparativo. Essa distinção tem consequências operacionais relevantes e justifica que ambas as dimensões sejam rotineiramente relatadas em estudos de avaliação de escores (Moons et al., 2015; Vincent & Moreno, 2010). Do ponto de vista da gestão da qualidade, os resultados reforçam que a taxa bruta de mortalidade, isoladamente, é um indicador limitado para julgar o desempenho de uma UTI, sobretudo quando o denominador não é padronizado e quando não se ajusta para a gravidade dos pacientes. Indicadores ajustados ao risco, como a razão de mortalidade padronizada, e a análise de séries temporais oferecem leitura mais adequada do desempenho institucional do que medidas pontuais isoladas (Bastos et al., 2022; Hashmi et al., 2014). Nesse sentido, a confrontação sistemática entre mortalidade observada e probabilidade estimada pelo SAPS 3, ainda que com dados agregados, mostrou-se útil como instrumento de vigilância: variações relevantes na razão entre observado e esperado podem sinalizar mudanças no perfil de gravidade ou na qualidade do cuidado, justificando investigação adicional. A consolidação de uma série temporal institucional como a deste estudo pode ser entendida, ela própria, como um primeiro passo em direção a uma cultura de registro e retroalimentação. Mesmo a partir de indicadores agregados, a unidade passa a dispor de um histórico estruturado que permite detectar tendências e contextualizar variações de mortalidade à luz da gravidade estimada. A evolução natural desse processo seria a migração progressiva para o registro individualizado, que ampliaria substancialmente o repertório de análises possíveis, da avaliação conjunta de discriminação e calibração ao estudo do impacto de intervenções específicas sobre os desfechos (Bastos et al., 2022; Moons et al., 2015). Em termos práticos, a operacionalização dessa agenda em um serviço do interior pode seguir etapas escalonadas e factíveis, que agregam valor de forma incremental sem exigir grandes investimentos tecnológicos: primeiro, a padronização da definição do indicador de mortalidade, com explicitação de numerador, denominador e horizonte temporal do desfecho; segundo, o registro prospectivo do escore SAPS 3 individual de cada admissão, em substituição à média mensal; terceiro, a verificação periódica e conjunta de discriminação e calibração; e, por fim, caso confirmada a descalibração com dados individuais, a recalibração local da equação. Cada etapa é compatível com a realidade de unidades de menor porte e alinha-se às recomendações de uso responsável de modelos prognósticos e de gestão orientada por indicadores (Moons et al., 2015; Bastos et al., 2022). Na prática do serviço, a razão entre óbitos observados e esperados pode ser incorporada como um parâmetro de vigilância de rotina. Uma vez estabelecida a faixa habitual desse indicador para a unidade, elevações abruptas e sustentadas, que ultrapassem a variação esperada pelo acaso, funcionariam como um sinal de alerta a motivar investigação estruturada, seja de mudanças no perfil de gravidade dos pacientes admitidos, seja de eventuais falhas de processo assistencial. Utilizado dessa forma, o escore deixa de ser apenas um instrumento de predição pontual e passa a integrar o ciclo de melhoria contínua da qualidade, mesmo em serviços que ainda não dispõem de registro individualizado (Bastos et al., 2022; Hashmi et al., 2014). Convém, por fim, ressaltar que o valor de um escore prognóstico não se esgota na exatidão de sua predição absoluta. Mesmo descalibrado para a estimativa pontual de mortalidade, o SAPS 3 permaneceu informativo nesta unidade ao caracterizar de forma coerente e reprodutível o elevado grau de gravidade da casuística. As probabilidades médias mensais, situadas entre 45% e 68%, retratam adequadamente uma população crítica, majoritariamente idosa e acometida por quadros infecciosos e disfunções orgânicas, e são consistentes com a mortalidade elevada efetivamente observada em relação a outras amostras nacionais (Soares et al., 2015; Machado et al., 2017). Nesse sentido, o escore cumpre, neste contexto, uma função descritiva e de vigilância que independe da correção de sua calibração absoluta. A razão entre óbitos observados e esperados, acompanhada ao longo do tempo, oferece um parâmetro estável de monitoramento, ao passo que o nível das probabilidades estimadas comunica, de forma sintética, a gravidade média dos pacientes atendidos. Essa dupla utilidade justifica a manutenção do SAPS 3 como instrumento institucional, desde que suas 12 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 estimativas absolutas sejam interpretadas com a cautela que os presentes achados recomendam (Vincent & Moreno, 2010; Bastos et al., 2022). Do ponto de vista da validade externa, os achados aqui descritos referem-se a um serviço específico e não devem ser generalizados, sem cautela, para outras unidades, ainda que de perfil semelhante. A direção do resultado, com mortalidade observada inferior à prevista, é convergente com a literatura brasileira de validação do SAPS 3, mas a sua magnitude depende de fatores locais de case-mix, de estrutura e de processos de cuidado. Por essa razão, o principal valor do presente estudo talvez resida menos no valor absoluto da razão de mortalidade padronizada encontrada e mais na demonstração de um método simples, transparente e replicável de monitoramento, que outras unidades do interior poderiam adotar a partir de seus próprios indicadores (Moralez et al., 2017; Bastos et al., 2022). 3.5 Limitações e forças do estudo Este estudo apresenta limitações que devem ser consideradas e que decorrem, sobretudo, de seu caráter de análise institucional baseada em dados agregados. A ausência do escore SAPS 3 individual e de informações sobre os sobreviventes impede o cálculo de medidas de discriminação e o ajuste de modelos multivariáveis na amostra ampliada, restringindo a análise à calibração e à descrição. Soma-se a isso o caráter unicêntrico, a indisponibilidade de um mês da série (março de 2023) e a variação no denominador adotado nos relatórios de origem. Por essas razões, o estudo é adequado para demonstrar que a mortalidade observada foi consistentemente inferior à prevista, mas não é suficiente, isoladamente, para afirmar que o SAPS 3 seja inadequado a esta população ou que deva ser recalibrado de imediato (Moons et al., 2015). Apesar dessas limitações, o estudo apresenta forças que merecem registro. A amplitude temporal de 39 meses confere robustez à descrição da tendência e atenua o efeito das flutuações mensais típicas de unidades de menor volume, e o número expressivo de óbitos (410) resultou em estimativas de calibração com intervalos de confiança estreitos. Além disso, o uso sistemático de uma fonte institucional padronizada e a confrontação explícita entre mortalidade observada e esperada constituem uma prática de avaliação de desempenho ainda incomum em serviços do interior, cujo valor reside tanto nos resultados específicos quanto na demonstração de viabilidade do método (Bastos et al., 2022; Hashmi et al., 2014). Recomenda-se, como direção futura, a condução de estudo com dados individualizados de escore e desfecho, que permita recalcular a discriminação, ajustar modelos multivariáveis e, se confirmada a descalibração, proceder à recalibração local do SAPS 3, seguindo as recomendações de relato transparente de modelos prognósticos (Moons et al., 2015; Gao et al., 2024). Essa etapa possibilitaria distinguir, de forma mais segura, a parcela da discrepância atribuível ao modelo daquela atribuível ao desempenho assistencial da unidade. 4. Considerações Finais Ao longo de 39 meses, a UTIA do Hospital São Pedro caracterizou-se por um perfil de elevada gravidade, com predomínio de pacientes idosos e de quadros infecciosos e disfunções orgânicas, e por uma mortalidade observada de 31,0%. A análise da relação entre observado e previsto mostrou que a mortalidade foi consistentemente inferior à estimada pelo SAPS 3, com razão de mortalidade padronizada de 0,54 (IC95% 0,49–0,59) e valores anuais estáveis entre 0,43 e 0,62. Esse descompasso persistente entre previsão e observação pode refletir superestimação do risco pela equação original do escore, desempenho assistencial favorável da unidade ou a combinação de ambos os fatores. Tratando-se de uma análise institucional baseada em dados agregados, os achados não autorizam, isoladamente, afirmar a inadequação do modelo, mas sugerem potencial necessidade de validação externa e eventual recalibração local antes de seu uso para predição absoluta ou para comparação de desempenho entre serviços. 13 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 Estudos futuros, baseados em dados individualizados, são necessários para reavaliar a capacidade discriminativa do modelo na amostra ampliada e para distinguir a contribuição do escore e a do cuidado prestado sobre a diferença observada. Ainda assim, mesmo descalibrado para a estimativa pontual de mortalidade, o SAPS 3 permaneceu informativo nesta unidade ao caracterizar coerentemente o elevado grau de gravidade da casuística e ao oferecer, na razão entre óbitos observados e esperados, um parâmetro reprodutível de acompanhamento. A consolidação de séries temporais como a aqui apresentada, ainda que a partir de indicadores agregados, constitui um ponto de partida factível para que serviços de menor porte iniciem uma cultura de avaliação sistemática de desempenho, condição indispensável para a melhoria contínua da qualidade do cuidado intensivo. Em síntese, este estudo demonstra que, em uma UTI adulto do interior da Bahia, a mortalidade observada foi consistentemente inferior à prevista pelo SAPS 3 ao longo de mais de três anos, com razão de mortalidade padronizada estável e intervalos de confiança que se mantiveram integralmente abaixo da unidade. O conjunto dos achados sustenta uma recomendação prática de duplo sentido: de um lado, cautela no uso do escore para predição absoluta e comparação de desempenho sem validação local; de outro, valorização do monitoramento longitudinal sistemático como ferramenta de gestão da qualidade, mesmo em contextos de recursos limitados. A transição para o registro individualizado de dados constitui o passo seguinte, natural e necessário, para que este e outros serviços de perfil semelhante avancem de uma avaliação descritiva para uma avaliação plenamente ajustada ao risco. Referências Andersson, P., & Frigyesi, A. (2018). Lactate improves SAPS 3 prognostication. Acta Anaesthesiologica Scandinavica, 62(2), 220–225. https://doi.org/10.1111/aas.13033 Bastos, L. S. L., Wortel, S. A., de Keizer, N. F., Bakhshi-Raiez, F., Salluh, J. I. F., Dongelmans, D. A., Zampieri, F. G., & Burghi, G. (2022). Comparing continuous versus categorical measures to assess and benchmark intensive care unit performance. Journal of Critical Care, 70, 154063. https://doi.org/10.1016/j.jcrc.2022.154063 Falcão, A. L. E., Barros, A. G. A., Bezerra, A. A. M., Ferreira, N. L., Logato, C. M., Silva, F. P., do Monte, A. B. F. O., & Tonella, R. M. (2019). The prognostic accuracy evaluation of SAPS 3, SOFA and APACHE II scores for mortality prediction in the surgical ICU: An external validation study and decision-making analysis. Annals of Intensive Care, 9(1), 18. https://doi.org/10.1186/s13613-019-0488-9 Ferreira, F. L., Bota, D. P., Bross, A., Mélot, C., & Vincent, J. L. (2001). Serial evaluation of the SOFA score to predict outcome in critically ill patients. JAMA, 286(14), 1754–1758. https://doi.org/10.1001/jama.286.14.1754 Gao, T., Nong, Z., Luo, Y., Mo, M., Chen, Z., Yang, Z., & Pan, L. (2024). Machine learning-based prediction of in-hospital mortality for critically ill patients with sepsis-associated acute kidney injury. Renal Failure, 46(1), 2316267. https://doi.org/10.1080/0886022X.2024.2316267 Gupta, T., Puskarich, M. A., DeVos, E., Javed, A., Smotherman, C., Sterling, S. A., Wang, H. E., & Moore, F. A. (2020). Sequential Organ Failure Assessment component score prediction of in-hospital mortality from sepsis. Journal of Intensive Care Medicine, 35(8), 810–817. https://doi.org/10.1177/0885066618795400 Hashmi, Z. G., Schneider, E. B., Castillo, R., Haut, E. R., Zafar, S. N., Cornwell, E. E., Mackenzie, E. J., & Latif, A. (2014). Benchmarking trauma centers on mortality alone does not reflect quality of care: Implications for pay-for-performance. Journal of Trauma and Acute Care Surgery, 76(5), 1184–1191. https://doi.org/10.1097/TA.0000000000000215 Hoste, E. A. J., Bagshaw, S. M., Bellomo, R., Cely, C. M., Colman, R., Cruz, D. N., Edipidis, K., Forni, L. G., Gomersall, C. D., Govil, D., Honoré, P. M., Joannes-Boyau, O., Joannidis, M., Korhonen, A. M., Lavrentieva, A., Mehta, R. L., Palevsky, P., Roessler, E., Ronco, C., … Kellum, J. A. (2015). Epidemiology of acute kidney injury in critically ill patients: The multinational AKI-EPI study. Intensive Care Medicine, 41(8), 1411–1423. https://doi.org/10.1007/s00134-015-3934-7 Knaus, W. A., Draper, E. A., Wagner, D. P., & Zimmerman, J. E. (1985). APACHE II: A severity of disease classification system. Critical Care Medicine, 13(10), 818–829. Le Gall, J. R., Lemeshow, S., & Saulnier, F. (1993). A new Simplified Acute Physiology Score (SAPS II) based on a European/North American multicenter study. JAMA, 270(24), 2957–2963. https://doi.org/10.1001/jama.270.24.2957 Machado, F. R., Cavalcanti, A. B., Bozza, F. A., Ferreira, E. M., Angotti Carrara, F. S., Sousa, J. L., Caixeta, N., Salomão, R., Angus, D. C., & Pontes Azevedo, L. C. (2017). The epidemiology of sepsis in Brazilian intensive care units (the Sepsis PREvalence Assessment Database, SPREAD): An observational study. The Lancet Infectious Diseases, 17(11), 1180–1189. https://doi.org/10.1016/S1473-3099(17)30322-5 Metnitz, P. G. H., Moreno, R. P., Almeida, E., Jordan, B., Bauer, P., Campos, R. A., Iapichino, G., & Edbrooke, D. (2005). SAPS 3: From evaluation of the patient to evaluation of the intensive care unit. Part 1: Objectives, methods and cohort description. Intensive Care Medicine, 31(10), 1336–1344. https://doi.org/10.1007/s00134-005-2762-6 14 Research, Society and Development, v. 15, n. 10, e36151051801, 2026 (CC BY 4.0) | ISSN 2525-3409 | DOI: http://dx.doi.org/10.33448/rsd-v15i10.51801 Moons, K. G. M., Altman, D. G., Reitsma, J. B., Ioannidis, J. P. A., Macaskill, P., Steyerberg, E. W., Vickers, A. J., Ransohoff, D. F., & Collins, G. S. (2015). Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis (TRIPOD): Explanation and elaboration. Annals of Internal Medicine, 162(1), W1–W73. https://doi.org/10.7326/M14-0698 Moralez, G. M., Rabello, L. S. C. F., Lisboa, T. C., Lima, M. F. A., Hatum, R. M., De Marco, F. V. C., Alves, A., & Pinto, J. E. S. S. (2017). External validation of SAPS 3 and MPM-III scores in 48,816 patients from 72 Brazilian ICUs. Annals of Intensive Care, 7(1), 53. https://doi.org/10.1186/s13613-017-0276-3 Moreno, R. P., Metnitz, P. G. H., Almeida, E., Jordan, B., Bauer, P., Campos, R. A., Iapichino, G., & Edbrooke, D. (2005). SAPS 3: From evaluation of the patient to evaluation of the intensive care unit. Part 2: Development of a prognostic model for hospital mortality at ICU admission. Intensive Care Medicine, 31(10), 1345–1355. https://doi.org/10.1007/s00134-005-2763-5 Moretin, P. A. & Toloi, C. M. C. (2018). Análise de Séries Temporais: Modelos Lineares Univariados. (3ed). Editora Blucher. ISBN-13: 978-8521213512. Nascimento, E. G. S. et al. (2015). Um algoritmo baseado em técnicas de agrupamento para detecção de anomalias em séries temporais. In: Estudos e Práticas de Aprendizagem de Matemática e Finanças com Apoio de Modelagem (pp.155-186). Editora Ciencia Moderna. Pereira, A. S. et al. (2018). Metodologia da pesquisa científica. [Free ebook]. Santa Maria. Editora da UFSM. Risemberg, R. I. C. et al. (2026a). A importância da metodologia científica no desenvolvimento de artigos científicos. E-Acadêmica, 7(1), e0171675. https://eacademica.org/eacademica/article/view/675. Risemberg, R. I. C. et al. (2026b). Qualitativa, quantitativa ou quali-quantitativa: Como identificar de modo rápido a abordagem de um artigo científico? EAcadêmica, 7(2), e0172702. DOI: https://doi.org/10.52076/eacad-v7i2.702. Rudd, K. E., Johnson, S. C., Agesa, K. M., Shackelford, K. A., Tsoi, D., Kievlan, D. R., Colombara, D. V., Ikuta, K. S., Kissoon, N., Finfer, S., FleischmannStruzek, C., Machado, F. R., Reinhart, K. K., Rowan, K., Seymour, C. W., Watson, R. S., West, T. E., Marinho, F., Hay, S. I., … Naghavi, M. (2020). Global, regional, and national sepsis incidence and mortality, 1990–2017: Analysis for the Global Burden of Disease Study. The Lancet, 395(10219), 200–211. https://doi.org/10.1016/S0140-6736(19)32989-7 Seymour, C. W., Liu, V. X., Iwashyna, T. J., Brunkhorst, F. M., Rea, T. D., Scherag, A., Rubenfeld, G., Kahn, J. M., Shankar-Hari, M., Singer, M., Deutschman, C. S., Escobar, G. J., & Angus, D. C. (2016). Assessment of clinical criteria for sepsis: For the Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3). JAMA, 315(8), 762–774. https://doi.org/10.1001/jama.2016.0288 Shitsuka, C. D. W. M., Shitsuka, D. M., Shitsuka, R. I. C. M., & Shitsuka, R. (2014). Matemática aplicada. Editora Érica. Soares, M., Bozza, F. A., Angus, D. C., Japiassú, A. M., Viana, W. N., Costa, R., Brauer, L., Mazza, B. F., Corrêa, T. D., Nunes, A. L. B., Lisboa, T., Colombari, F., Maciel, A. T., Azevedo, L. C. P., Damasceno, M., Fernandes, H. S., Cavalcanti, A. B., do Brasil, P. E. A. A., Kahn, J. M., & Salluh, J. I. F. (2015). Organizational characteristics, outcomes, and resource use in 78 Brazilian intensive care units: The ORCHESTRA study. Intensive Care Medicine, 41(12), 2149–2160. https://doi.org/10.1007/s00134-015-4076-7 Toassi, R. F. C. & Petry, P. C. (2021). Metodologia científica aplicada à área da saúde. (2ed). Editora da UFRGS. Vieira, S. (2021). Introdução à bioestatística (6ª ed.). Editora Guanabara Koogan. Vincent, J. L., de Mendonça, A., Cantraine, F., Moreno, R., Takala, J., Suter, P. M., Sprung, C. L., & Colardyn, F. (1998). Use of the SOFA score to assess the incidence of organ dysfunction/failure in intensive care units. Critical Care Medicine, 26(11), 1793–1800. https://doi.org/10.1097/00003246-199811000-00016 Vincent, J. L., & Moreno, R. (2010). Clinical review: Scoring systems in the critically ill. Critical Care, 14(2), 207. https://doi.org/10.1186/cc8204 Zampieri, F. G., Granholm, A., Møller, M. H., Scotti, A. V., Alves, A., Cabral, M. M., Sousa, M. F., & Balieiro, H. M. (2020). Customization and external validation of the Simplified Mortality Score for the Intensive Care Unit (SMS-ICU) in Brazilian critically ill patients. Journal of Critical Care, 59, 94–100. https://doi.org/10.1016/j.jcrc.2020.05.016 Zimmerman, J. E., Kramer, A. A., McNair, D. S., & Malila, F. M. (2006). Acute Physiology and Chronic Health Evaluation (APACHE) IV: Hospital mortality assessment for today's critically ill patients. Critical Care Medicine, 34(5), 1297–1310. https://doi.org/10.1097/01.CCM.0000215112.84523.F0 15