Guia de Apoio à Decisão em Enfermagem Obstétrica: aplicação da técnica da
Lógica Fuzzy
ENSAIO
Guia de Apoio à Decisão em Enfermagem Obstétrica: aplicação da técnica da
Lógica Fuzzy
Decision-support guideline in Obstetrical Nursing: application of Fuzzy Logic
technique
Guia de Apoyo a la Decisión en Enfermería Obstetrica: aplicación de la tecnica
de la Logica Relativa
Isaac R. MarquesI,1; Sayonara de Fátima BarbosaII; Anatália Lopes de Oliveira
BasileIII; Heimar F. MarinIV
IEnfermeiro. Mestre em Enfermagem. Doutorando em Enfermagem pela
UNIFESP.Professor Adjunto da Disciplina de Informática em Saúde da Faculdade de
Enfermagem da Universidade de Santo Amaro
IIEnfermeira. Mestre em Enfermagem. Doutoranda em Enfermagem pela UNIFESP
IIIEnfermeira. Mestre em Enfermagem. Doutoranda em Enfermagem pela UNIFESP
IVEnfermeira. Livre Docente. Professora Adjunto do Departamento de Enfermagem
da UNIFESP
1. INTRODUÇÃO
A enfermagem traz implícita em sua prática o processo de tomada de decisão.
Este processo ocorre nos mais variados contextos da assistência de enfermagem
(1). Para que ele seja realizado eficazmente é necessário a utilização de
domínios de conhecimento, os quais contribuem para uma prática mais coerente
com a natureza holística da profissão. Entretanto, para tomar uma decisão, o
enfermeiro faz uso de conhecimentos complexos e que precisam ser considerados
no contexto da prática clínica. O ambiente onde tais decisões ocorrem, é
permeado por vários fatores que contribuem para que a análise dos dados se
apresente de modo impreciso, ficando, por vezes, difícil o acesso ou consulta à
base de conhecimento dentro de um período hábil de tempo. Assim, as ferramentas
computacionais construídas para uma área de domínio específica podem apoiar ou
facilitar o processo de tomada de decisão em situações clínicas de enfermagem.
Ao considerar que algumas situações da prática de enfermagem são permeadas por
dados cuja natureza ou é ambígua ou imprecisa, a Lógica Fuzzy (LF) providencia
a possibilidade de manipulação destes dados através de uma abordagem de
relativa facilidade para modelar o processo decisório(2).
2. OBJETIVO
Baseado no potencial providenciado pela técnica da LF, este estudo objetiva
apresentar noções gerais sobre como implementar esta técnica sob a forma de um
guideline eletrônico e demonstrar sua aplicação, tomando como exemplo a
realização da amniotomia, procedimento que se apresenta com relativa freqüência
na prática da enfermagem obstétrica.
3. REVISÃO DA LITERATURA
3.1 A tomada de Decisão para o Cuidado e os Padrões de Conhecimento
O processo decisório nas situações clínicas da prática de enfermagem apoia-se
na formulação dos padrões de conhecimento apresentados por Carper(3). Os
padrões de conhecimento ético, empírico, estético e pessoal, ao serem
considerados no nível assistencial, propiciam as ferramentas para as múltiplas
abordagens compreendidas pela natureza holística da profissão. Há cerca de uma
década e meia após a formulação inicial dos padrões de conhecimento por Caper
(3), começaram a surgir indagações sobre as mudanças na enfermagem(4) até que
esta formulação conceitual foi revista e atualizada por White(5). Decorreu
desta atualização a inserção do padrão de conhecimento sócio-político, o qual
inclui os entendimentos dos níveis do contexto sócio-político enfermeiro-
paciente e da enfermagem-sociedade. Este novo padrão é apontado por Jacobs-
Kramer e Chinn(6) como um novo modelo para o conhecimento em enfermagem.
O caso da amniotomia no trabalho de parto normal é uma das situações
regulamentadas para a prática do enfermeiro obstetra e que requer o processo
decisório baseado em padrões de conhecimento(7). O processo de escolha por uma
determinada decisão é particularmente difícil porque a maioria das decisões
clínicas utiliza combinações variadas de conhecimento(8) ou padrões de
conhecimento A partir do momento que uma decisão correta tenha sido tomada
usando a informação disponível daquele momento, ela ainda pode levar a
resultados indesejáveis puramente devido a fatores probabilísticos. Entretanto,
a experiência profissional (padrão de conhecimento pessoal) no processo de
tomada de decisão pode aumentar a chance da obtenção de resultados desejáveis.
3.2 Modelagem da Decisão e os Programas Computacionais
A representação probabilística mais comum da tomada de decisão clínica utiliza
uma árvore decisória para estruturar a progressão de escolhas e conseqüências
(9,10). Alguns ramos desta árvore representam caminhos alternativos e outros
são eventos possíveis. As probabilidades dos eventos são estimadas e os
resultados finais são valores fornecidos, e que representam a preferência do
paciente para aquele resultado. A abordagem tenta fundir benefícios subjetivos
(utilidade) com probabilidades objetivas. Entretanto, é mais um método de
racionalizar o comportamento clínico do que explicar como ele realmente
comporta-se.
Considerando a problemática envolvida na representação de um problema clínico
até a decisão por uma ou outra conduta, várias propostas matemáticas formais
foram apresentadas para tratar a incerteza. A mais antiga e também a melhor
estudada é a proposta probabilística formulada por Kolmogorov nos anos 30,
sendo ela utilizada para o apoio à decisão médica somente nos anos 70 através
dos sistemas inteligentes. O perigo em usar a probabilística reside no fato de
que a vasta maioria de probabilidades condicionais requerida para as regras
bayesianas não são sempre disponíveis e suas estimativas subjetivas feitas por
especialistas médicos tendem a ser inconsistentes e imprecisas(11). Nos modelos
onde apenas as probabilidades são utilizadas, e não as utilidades, como as
regras bayesianas, a maior probabilidade de um resultado (condição ou doença) é
a sua probabilidade se há ou não a evidencia para isso; ou seja, os julgamentos
sobre os resultados do paciente ajustam-se com o acúmulo de evidência, e estes
modelos fazem o ajustamento por meio de leis de probabilidade.
Na enfermagem, o reconhecimento de padrões(12,13) assim como a intuição(14),
são termos populares para descrever julgamentos, os quais por terem sempre sido
recebidos com muita ênfase em sua utilização, podem ter influenciado o status
profissional da enfermagem.
O raciocínio baseado na heurística (conjunto de regras e métodos que conduzem à
descoberta) é um elemento importante da intuição(15). A heurística foi
postulada como um método para simplificar a probabilidade de julgamentos
complicados sobre diferentes resultados(16). Em vez de aprender as múltiplas
probabilidades que ligam as pistas aos resultados, o raciocínio humano utiliza
"regras" que as levam a estimativas de probabilidade razoavelmente apuradas.
Para o empirismo, que defende a objetividade na prática de enfermagem, bem como
nas ciências biológicas, existem apenas duas alternativas para responder a uma
questão: verdadeiro ou falso. O emprego da lógica de Aristóteles leva a uma
linha de raciocínio lógico baseado em premissas e conclusões. Como um exemplo:
se é observado que "todo ser vivo é mortal" (premissa 1), a seguir é constatado
que "sou um ser vivo" (premissa 2), como conclusão temos que "sou mortal".
Desde então, a lógica Ocidental, assim chamada, tem sido binária, isto é, uma
declaração é falsa ou verdadeira, não podendo ser ao mesmo tempo parcialmente
verdadeira e parcialmente falsa. Esta suposição e a lei da não contradição,
cobrem todas as possibilidades, e formam a base do pensamento lógico ocidental.
3.3 A Teoria da Lógica Fuzzy
A teoria da Lógica Fuzzy (LF) viola as suposições fechadas abordadas pela
lógica formal ao apresentar o conceito de dualidade, o qual estabelece que algo
pode e deve coexistir com o seu oposto, fazendo a lógica nebulosa (fuzzy)
parecer natural. Se por um lado a lógica clássica trata de valores "verdade"
das afirmações, classificando-as como verdadeiras ou falsas, na LF muitas das
experiências humanas não podem ser classificadas como verdadeiras ou falsas,
sim ou não, branco ou preto; ou seja, os significados dos comportamentos e
respostas humanas para a saúde e doença, por exemplo, não podem simplesmente
ser explicados com o preto ou branco, sendo necessárias as áreas de
granularidade(17).
Partindo do exemplo da estatura de uma pessoa, pode-se afirmar que ela ou é
alta ou baixa? Um sim ou um não como resposta a esta questão é, na maioria das
vezes, uma conclusão incompleta. Na verdade, entre a certeza de ser e a certeza
de não ser, existem infinitos graus de incerteza. Esta imperfeição intrínseca à
informação representada numa linguagem natural tem sido tratada matematicamente
no passado com o uso da teoria das probabilidades. Contudo, a LF, com base na
teoria dos conjuntos nebulosos (Fuzzy-sets) tem se mostrado mais adequada para
tratar imperfeições da informação do que a teoria das probabilidades.
Semanticamente, uma distinção entre probabilidade e LF está na afirmação de uma
probabilidade para um evento ocorrer ou não, sendo que afirmar com a LF quando
um evento ocorre ou não, é inequívoco. A LF consiste em uma ferramenta que pode
aproximar a decisão computacional da decisão humana, capturando informações
vagas, em geral descritas em linguagem natural, e convertendo-as em um formato
numérico de fácil manipulação pelo computador, tornando as máquinas mais
capacitadas a este trabalho(18). Isto é feito de forma que a decisão de uma
máquina não se resuma apenas a um "sim" ou a um "não", mas também tenha
decisões "abstratas", do tipo "um pouco mais", "talvez sim", e outras tantas
variáveis que representem as decisões humanas. Ao tomar como exemplo a seguinte
afirmativa: se o tempo cirúrgico é longo e o paciente está instável, então, a
taxa de infecção é muito alta. Os termos "longo", "instável" e "alto" trazem
consigo informações vagas. A extração (representação) destas informações vagas
se dá por meio do uso de conjuntos nebulosos. Devido a esta propriedade de
realizar inferências, a LF tem sido aplicada em muitas áreas, tais como
controle de aeronaves, análise do mercado de ações, ajuste de imagem de TV,
dentre outros.
Uma das principais potencialidades da LF, quando comparada com outros esquemas
que tratam com dados imprecisos como redes neurais, é que suas bases de
conhecimento, as quais estão no formato de regras de produção, são fáceis de
examinar e entender. Este formato de regras também torna fácil a manutenção e a
atualização da base de conhecimento(19).
O conceito de conjunto Fuzzy foi introduzido, em 1965, por Lotfi A. Zadeh.
Naquela ocasião ele observou que os recursos tecnológicos disponíveis eram
incapazes de automatizar as atividades relacionadas a problemas de natureza
industrial, biológica ou química, que compreendessem situações ambíguas, não
passíveis de processamento através da lógica computacional fundamentada na
lógica booleana. Procurando solucionar esses problemas Zadeh publicou em 1965
um artigo(2) que resumiu os conceitos dos conjuntos Fuzzy.
Assim que a LF foi introduzida como uma nova abordagem para tratar o problema
da incerteza na área biológica, várias aplicações vêm sendo apresentadas para a
resolução de problemas clínicos. Estas aplicações são empregadas na área médica
para desmame ventilatório(20); para o suporte ao cuidado do doente crônico(21);
para o ensino de anatomia(22); para selecionar estratégias clínicas(23) e para
a monitorização de parâmetros vitais(24-26). Na área de enfermagem estas
aplicações aparecem na literatura como formulações para a resolução de
problemas de enfermagem, como citadas por Bosque(27) e Lake & John(1).
3.4 Generalidades sobre a Amniotomia
O exemplo selecionado neste estudo para aplicar a técnica da LF, é o da
modelagem do processo decisório quanto ao procedimento de amniotomia no
trabalho de parto normal. A amniotomia, por definição, é a rotura ou ruptura
artificial das membranas ovulares através de um instrumento esterilizado
inserido na cérvice por meio do toque vaginal, que pode ser realizada no
início, durante ou no final do trabalho de parto, sendo indicado como método de
indução de parto e também recomendado em presença de gestação a termo e estando
o colo favorável e amadurecido com apresentação cefálica insinuada(28, 29).
Dentre os efeitos produzidos pela amniotomia, em termos de alteração na
dinâmica uterina, destacam-se: a indução na liberação de prostaglandina do
líquido amniótico para o interior da cavidade uterina, sem aumento de ocitocina
endógena; o encurtamento das fibras miometriais (decorrente da diminuição
volumétrica do líquido amniótico no interior da bolsa) e o aumento na duração e
intensidade das contrações uterinas(30). Quanto à realização do procedimento,
ele é justificado apenas quando não há outro meio de se averiguar o
comprometimento da vitalidade fetal ou, quando a ruptura das membranas não
ocorre espontaneamente; isto é, quando a dilatação é maior que 8.0 cm e o colo
apresenta-se com espessura média ou fina, reduzindo assim o trauma da cérvice
(31).
A amniotomia ainda é uma intervenção contestada na prática obstétrica(32). A
primeira publicação concernente à realização de amniotmia data do ano de 1965,
tendo como origem a Alemanha(33). Deste período em diante este procedimento tem
sido associado à infusão de ocitocina, o que é chamado de parto dirigido, um
método de redução do tempo de trabalho de parto(34,35).
Não existe nenhuma concordância geral entre os profissionais obstetras
praticantes no que diz respeito ao efeito da amniotomia no curso do trabalho de
parto. Alguns estudos têm demonstrado efeitos favoráveis e outros desfavoráveis
a ela. Dentre os efeitos favoráveis é destacada a redução do trabalho de parto
e a possível redução dos escores Apgar anormais nos primeiros cinco minutos(36)
e, os desfavoráveis, o alto risco para operação Cesária e arritmias no recém-
nascido(37,38).
A despeito da discussão em torno do tema, poucos estudos meta-analíticos têm
sido conduzidos na tentativa de evidenciar tanto o sucesso como o insucesso, a
fim de que se estabeleçam comparações em termo de efetividade da amniotmia e
uso de ocitocina conjugados para a indução do parto. A combinação destes dois
métodos continua sendo um campo fértil de investigação(39).
Dentro do contexto da realização da amniotomia como uma competência do
enfermeiro obstetra, vale ressaltar a atenção atualmente atribuída aos aspectos
enfocados pela filosofia de assistência humanizada ao nascimento e ao parto
(40). Dentro desta abordagem, a realização precoce da amniotomia, assim como
outros procedimentos, não pode ser considerada como uma prática de rotina,
sendo necessário para tal o estabelecimento de critérios rígidos para sua
realização, dado ser esta situação eminentemente permeada pela incerteza.
Ao considerar estas referências como evidência da probabilidade de haver riscos
ao realizar o procedimento e que a natureza do processo decisório em torno da
mesma é permeada por dados imprecisos, é importante salientar que esta situação
requer uma abordagem que elimine a imprecisão a fim de se obter uma decisão com
maior grau de segurança, sendo a LF uma técnica apropriada para tal fim.
3.5 Variáveis Usadas no Processo Decisório por Amniotomia
O conjunto de cinco variáveis, tomando como principal base o referencial
teórico de Ziegel e Craley(28), fornece a fundamentação necessária para a
formulação do processo decisório por meio da técnica da LF. A seguir cada uma
destas variáveis será explanada para uma melhor compreensão posterior, quando
as fases da técnica serão descritas.
3.5.1 Dilatação Cervical
A primeira variável a ser analisada no processo decisório por amniotmia é a
dilatação cervical. Quer na primípara ou na multípara ela é inicialmente lenta,
sendo necessário muito mais tempo para a primeira metade da dilatação do que
para a última metade. A evolução média da primeira etapa do trabalho de parto
em primíparas foi demonstrado pela primeira vez por Friedman(41), denominado de
Gráfico de Trabalho de Parto de Friedman, o qual divide o trabalho de parto em
uma fase latente e uma fase ativa, e mais adiante subdivide-a em fase de
aceleração, fase de inclinação e fase de desaceleração. Num trabalho de parto
normal cada uma dessas fases tem um padrão de evolução característico(28).
A fase latente vai do início do trabalho de parto até um ponto onde a curva
começa uma tendência para cima. Durante esta fase as contrações uterinas se
tornam bem estabelecidas, a cérvice se afina, tornando o apagamento cervical a
principal alteração da fase (a cérvix se dilatata entre 2,0 e 3,0 cm). A fase
latente pode levar várias horas, em primíparas leva em média 6,4 horas e não
excede à 20 horas; em multíparas essa fase leva em média 4,8 horas e em geral
não ultrapassa 14 horas(28) .
A fase ativa de trabalho de parto começa quando a curva da dilatação cervical
estimada inicia uma tendência brusca para cima e finda com a dilatação cervical
completa. Há um período inicial de aceleração, quando a dilatação vai de 3,0 cm
para 4,0 cm e uma fase de máxima ascensão (fase de aceleração máxima) entre 4,0
e 9,0 cm, durante a qual o colo uterino se dilata mais rapidamente; e a fase de
transição(fase de desaceleração) quando o ritmo de dilatação diminui um pouco à
medida que a completa dilatação se aproxima(28) .
3.5.2 Dilatação em Centímetros por Hora
A segunda variável é a evolução da dilatação cervical em relação ao vetor
tempo, contado a partir do início do trabalho de parto. Segundo o Protocolo de
Controle do Trabalho de Parto do Parkland Hospital, a velocidade de dilatação
de 1,0 a 2,0 cm por hora são aceitas como evidência de progresso satisfatório
no trabalho de parto(42). Dentre todas as variáveis envolvidas, esta é
considerada como a mais precisa como indicadora para alguma intervenção, seja a
amniotmia isoladamente, ou a estimulação conjunta com ocitocina. De acordo com
OMS(43), a curva de alerta no partograma é ultrapassada quando a dilatação for
menor do que 1,0 cm por hora. Sendo assim, a dilatação é lenta quando menor que
1,0 cm/h; esperada quando for de 1,0 a 1,5 cm/h e rápida quando maior 2,0 cm/h.
Complementando este panorama, a amniotmia pode ser a responsável pelo
encurtamento do trabalho de parto numa média de 60 a 120 minutos.
3.5.3 Freqüência das Contrações Uterina no Período de Dilatação
A terceira variável que interfere na decisão por amniotomia é o intervalo de
tempo entre o início de uma contração e outra. No parto normal sem distócia a
freqüência da contração varia de duas a três no período de 10 minutos no início
do período de dilatação, alcançando no final deste período, o número de quatro
em 10minutos(44).
3.5.4 Duração das Contrações Uterinas no Período de Dilatação
Outra variável que influencia neste processo é a duração de cada contração
uterina. Este evento é aferido no intervalo de tempo entre a primeira sensação
de endurecimento do músculo até o completo relaxamento do mesmo. As contrações
uterinas são consideradas curtas, durando por volta de 30 segundos; moderada,
durando por volta de 45 segundos e, longa, quando dura mais do que 60 segundos,
estando o útero bastante rígido à palpação(28).
3.5.5 Intensidade das Contrações Uterinas no Período de Dilatação
A quinta variável é a intensidade das contrações uterinas, que são estimadas
pela firmeza da musculatura uterina. Este dado é habitualmente aferido
manualmente. A contração fraca é aquela em que a musculatura uterina torna-se
firme porém não endurecida, sendo o útero facilmente palpado; a de intensidade
moderada, quando a musculatura uterina mostra-se moderadamente firme a
palpação; a de intensidade forte quando o útero mostra-se rígido à palpação
(28). Para a avaliação da aferição manual usualmente é utilizada a
classificação pelo sistema bastante conhecido na área médica que é a atribuição
de cruzes (+). O valor mais alto na escala de cruzes é considerado como 4+,
sendo os outros parâmetros classificados ordinariamente em ordem decrescente
até 1+.
4. MODELAGEM DO PROCESSO DECISÓRIO DA AMNIOTOMIA PELA TÉCNICA DA LÓGICA FUZZY
4.1 Detalhamento das Variáveis
Existem três principais passos para que um conjunto de variáveis possa ser
transformado em algo distingüível dentro da técnica da LF. O primeiro passo é o
detalhamento (fuzzification) de cada variável. Este é um estágio no qual os
antecedentes das regras se...então... e as próprias regras, são detalhadas,
isto é, as variáveis juntamente com suas regras são transformadas em variáveis
lingüísticas (VL) para trazerem embutidos os graus de pertinência (GP) de um
objeto dentro do conjunto fuzzycorrespondente(11,21).
No caso que foi tomado como demonstração neste trabalho, foram usadas cinco
variáveis. A primeira é a dilatação cervical (variável A, medida em cm); a
segunda, a relação entre dilatação e tempo (variável B, aferida em centímetros
por hora), a terceira, a freqüência da contração cervical (variável C, aferida
no prazo de 10 min); a quarta, a duração da contração (variável D, aferida em
segundos); e a quinta, a intensidade da contração uterina (variável E, estimada
em +, sendo o valor máximo 4+).
Cada variável é classificada por regras numa escala que determina um estado em
quatro valores de 0 a 3. Para a primeira variável (dilatação), o valor 0
classifica a ausência da variável; o valor 1, quando a dilatação se apresenta
até 3.0 cm. O valor 2, quando a dilatação apresenta-se entre 3.0 e 8.0 cm; e o
valor 3, quando a dilatação apresenta-se entre 8.0 e 10.0 cm.
Para detalhar estes valores foram adotadas as seguintes VLs: para o valor 0,
ausente; para o valor 1, fase latente; para o valor 2, fase ativa de aceleração
e, para o valor 3, fase ativa de transição. No quadro_1 está apresentado o
conjunto de variáveis envolvidos no processo decisório por amniotomia, as
regras correspondentes e a distinção em termos de variáveis lingüísticas.
4.2 Inferência Fuzzy
O segundo passo é a inferência (fuzzy inference). Esta etapa consiste em
determinar a força que cada regra tem, tendo como base a variável, para a
fixação do algoritmo de cálculo. A recomendação que deriva desta inferência
fixa o GP ou, a força de um conjunto de variáveis, para produzir um valor entre
0 e 1. Para compor esta etapa na demonstração usada, foram atribuídos valores
ou pesos (P) para cada variável, isto baseado na força que cada variável
representa no processo de tomada de decisão em amniotomia no trabalho de parto
normal. Para a variável A foi atribuído o P=0,2; para a variável B, P=0,3; para
as variáveis C, D e E, P=0,166. Desta forma, para a obtenção de um algoritmo de
cálculo a partir destes pesos, postula-se que um peso de variável (Pv) é
dividido pelo número de variáveis lingüísticas (VLn) menos 1, pois estando a
variável lingüística ausente, seu valor é 0. Estes valores foram transformados
em algoritmos através da seguinte equação:
alg=Pv/(VLn1)
onde:alg=algoritmo; Pv= valor da variável; VLn= número de variáveis
lingüísticas.
Exemplificando esta equação, no quadro_2 estão apresentados os algoritmos
resultantes da equação.
Continuando a fase de inferência, usamos a regra se...então... para estabelecer
a equação que determina o grau de pertinência (GP). O GP é o resultado da
somatória dos valores de cada VL resultante da multiplicação pelo algoritmo
(Pv/VLn-1).
GP="(VL*(Pv/VLn-1))
A partir desta equação, são apresentados os seguintes exemplos para representar
a inferência que determina o grau de pertinência:
Uma gestante primípara com a seguinte dinâmica uterina: dilatação de colo
uterino de 5 cm (fase ativa de aceleração); tempo de dilatação uterina <1 cm/h
(lento); freqüência de 2 contrações/10 min (fase ativa de transição) cuja
duração entre 30 e 60 s (média), e com intensidade de contração de +++/4+
(forte) terá a seguinte inferência na LF:
GP=(2*0,066)+(3*0,15)+(2*0,055)+(2*0,055)+(1*0,055)=0,766
Uma outra situação:
Uma gestante primípara com a seguinte dinâmica uterina: dilatação de colo
uterino de 3 cm (fase latente); tempo de dilatação uterina rápido (>1.5 cm/h;)
freqüência de 2 contrações/10 min (fase ativa de aceleração) cuja duração é
maior do que 60 s (longa), e com intensidade de contração de 3/4+ (forte) e com
terá a seguinte inferência na LF:
GP=(1*0,066)+(1*0,15)+(3*0,055)+(1*0,055)+(1*0,055)=0,444
4.3 Elaboração do Curso de Ação
O último passo para completar um guia de recomendações clínicas através da
técnica da LF é o estabelecimento das recomendações (defuzzification), ou seja,
a determinação do curso de ação a ser tomado a partir do valor encontrado
dentro da variação de 0 a 1. De acordo com Warren et al(11), o tipo de
incerteza que apresenta dados vagos para a formulação de uma recomendação deve
ter os seguintes cursos de ação: "recomendado", "sugerida" ou "deve ser
considerado". Tendo em vista estes cursos de ação, foram formuladas as
seguintes recomendações para o caso demonstrado neste estudo, considerando que
para realizar a amniotmia (AMN), um valor deveria ser maior do que 0,76, ou
seja 0,76<AMN>1.
Diante deste enunciado foi considerado que os valores entre 0,76 e 1
representam a recomendação mais forte para que a amniotomia seja realizada. Por
outro lado, os valores entre 0 e 0,25 representam a recomendação para não
realizar a amniotomia. Desta forma, dentro da formulação pela técnica da LF, o
problema está em lidar com valores dentro da chamada zona cinza (entre 0,25 e
0,75). Dentro desta zona de granularidade os valores foram divididos para
formar o curso de ação em termos de recomendações como apresentado no quadro
acima (quadro_3).
4.4 Análise de Exemplos Hipotéticos
Retornando aos exemplos hipotéticos apresentados anteriormente, cujos valores
resultantes foram: 0,766 e 0,444 respectivamente; teremos: no primeiro caso, a
recomendação para realizar a amniotmia, considerando que embora haja dilatação
intermediária, sua progressão está lenta, o que nos dá a idéia de que o tempo
de trabalho de parto irá estender-se. Neste caso, a lentidão na progressão da
dilatação foi o fator que deu maior peso ao escore total. Somando-se a isto, a
amniotomia contribuirá para que as outras variáveis desencadeiem, através de
seus fatores, para que somadas estas variáveis, a dinâmica uterina culmine com
a dilatação total.
No segundo caso, o resultado do escore determinou a recomendação de que a
amniotomia não seja realizada rotineiramente; ou seja, deve-se aguardar a
evolução do quadro porque a progressão da dilatação está rápida, a duração da
contração é longa e a intensidade da contração é forte. Esta condição nos dá a
idéia de que o tempo de trabalho de parto está ocorrendo dentro do limite de
tempo esperado, não sendo necessária a intervenção; pois, naturalmente a bolsa
será rompida e, a diminuição volumétrica da bolsa das águas desencadeará os
mecanismos das demais variáveis.
O que foi notado nestes exemplos foi que: à medida que as variáveis
lingüísticas foram modificadas, o valor resultante da inferência também indicou
recomendações diferentes. Isto ocorreu devido à alteração dentro da variação do
grau de pertinência.
5. CONCLUSÕES
Pela utilização da técnica da LF foram descritos os principais passos para
elaborar um modelo de recomendações clínicas para a realização de amniotomia no
trabalho de parto normal sem distócia em primíparas por enfermeiros,. A partir
deste modelo, conclui-se que o uso desta técnica apresenta-se como uma opção
que pode ser utilizada para a modelagem de sistemas de apoio às decisões
clínicas de enfermagem.
Ao considerar que tais decisões requerem o uso de conhecimento e que suas
fontes nem sempre estão disponíveis ou não são facilmente acessíveis no momento
e ambiente onde tais decisões são tomadas, os sistemas de apoio à decisão são
instrumentos que podem ser aliados do enfermeiro a fim de que a qualidade e a
efetividade intrínsecas de um dado procedimento, como o caso da amniotomia,
possam ser alcançadas.
Conclui-se também, que a técnica da LF, como uma linguagem matemática precisa,
é uma abordagem efetiva para descrever e lidar com a incerteza e imprecisão,
representando explicitamente a natural indistinção das situações clínicas, ao
invés de desconsiderá-las ou aboli-las.
Estudos comparativos de caráter retospectivo devem ser realizados, tomando por
base o registro destas variáveis no prontuário de paciente. A partir dos
resultados obtidos nesta comparação, será possível a implementação do sistema
para uso no apoio a tomada de decisão nos casos de amniotomia.
