Autópsia verbal: como se descobre a causa da morte
Sumário
Uma mulher de 34 anos morre em casa, em uma vila a quatro horas do hospital mais próximo. Ela estava grávida de sete meses e, segundo a irmã, teve dor de cabeça forte, inchaço nas pernas e, na última noite, uma convulsão. Nenhum médico a examinou, e o corpo foi enterrado no dia seguinte. Semanas depois, uma entrevistadora treinada visita a família e faz uma série de perguntas sobre os últimos dias. A cena é fictícia e foi escrita para ensino.
Este texto trata da autópsia verbal, o método que usa uma entrevista com familiares para estimar a causa de uma morte que ninguém certificou. A ideia é mostrar como ela funciona, o que os estudos dizem sobre sua precisão e por que ela importa para a saúde global. Se você joga o caso do dia no NEXO, vai reconhecer o desafio: chegar a uma causa a partir de pistas contadas, e não vistas.
Principais pontos
- Perto de metade das mortes no mundo não tem causa certificada.
- A autópsia verbal é uma entrevista estruturada com familiares ou cuidadores, feita depois de um período de luto.
- A Organização Mundial da Saúde publicou em 2016 um instrumento padronizado, legível por programas automáticos.
- Algoritmos como InterVA, InSilicoVA e Tariff interpretam as respostas.
- Contra a autópsia diagnóstica completa, a concordância caso a caso foi baixa em Maputo.
- Perguntas sobre as circunstâncias da morte trazem informação útil para o planejamento.
Mortes que ninguém registra
Saber de que as pessoas morrem é o ponto de partida para decidir onde investir em saúde. Uma revisão sobre o uso da autópsia verbal em políticas de saúde lembra que uma em cada duas mortes no mundo não é registrada (Thomas e colaboradores, 2018). Outra análise estima que menos de um terço das mortes no mundo recebe uma causa atribuída (de Savigny e colaboradores, 2017). Os autores do InterVA-5 descrevem as mortes sem certificação como perto de metade da mortalidade global e como fonte de muita incerteza para o planejamento em saúde (Byass e colaboradores, 2019).
Um comentário de patologistas acrescenta o contexto: mais de dois terços da população mundial vive e morre em países sem registro vital funcional, onde a maior parte das mortes acontece fora de serviços de saúde e não é contada nem classificada por causa. Nesses lugares, a autópsia verbal virou o principal método para determinar a causa de morte (Fligner e colaboradores, 2011).
Por que a certificação não chega
A literatura sobre o tema aponta alguns motivos para a falta de causa registrada. A maior parte das mortes acontece fora dos serviços de saúde, e os sistemas de registro civil não funcionam em muitos países (Fligner e colaboradores, 2011). Faltam médicos treinados para certificar as mortes, e montar um sistema de registro completo levou décadas ou séculos em países como Suécia, Reino Unido e Austrália (Hazard e colaboradores, 2020).
Registro civil e estatísticas vitais
Os sistemas de registro civil e estatísticas vitais, conhecidos pela sigla em inglês CRVS, existem para contar nascimentos e mortes e para registrar suas causas. Onde a certificação médica é rara, a autópsia verbal foi proposta como a melhor alternativa disponível para preencher a lacuna das causas de morte (de Savigny e colaboradores, 2017). Isso exige integrar a entrevista à rotina do sistema, e não apenas a projetos de pesquisa, com a autópsia verbal feita na comunidade e ligada ao registro de cada morte (de Savigny e colaboradores, 2017).
Os mesmos autores defendem que os métodos automáticos permitem acompanhar as causas de morte dentro do CRVS de forma econômica e quase em tempo real (de Savigny e colaboradores, 2017). Uma revisão de 26 trabalhos, feitos em 15 países de renda baixa e média da África, da Ásia, do Oriente Médio e da América do Sul, examinou o uso da autópsia verbal para orientar políticas e melhorias nos sistemas de saúde e a descreve como uma solução pragmática e provisória para a falta de CRVS funcional (Thomas e colaboradores, 2018). O texto sobre one health mostra outro campo em que a vigilância depende de dados coletados longe do hospital.
O método na rotina de vários países
A ferramenta SmartVA, que reúne um questionário reduzido e o algoritmo Tariff 2.0, foi traduzida e aplicada em países como Bangladesh, Brasil, China, Colômbia, Papua-Nova Guiné, Filipinas, Mianmar, Peru, Ruanda, Ilhas Salomão, Sri Lanka e Zâmbia (Hazard e colaboradores, 2020). Os autores relatam a experiência de usá-la como parte da rotina do registro civil e lembram que ela teve desempenho igual ou melhor que a maior parte dos métodos alternativos, inclusive a causa atribuída por médicos.
O que é a autópsia verbal
Patologistas lembram que, para a maior parte dos médicos, o termo autópsia verbal parece uma contradição. Mesmo assim, trata-se de um procedimento bem definido, que classifica a causa de morte a partir de entrevistas estruturadas com familiares, amigos e cuidadores e da revisão de registros médicos disponíveis (Fligner e colaboradores, 2011). Não há exame do corpo nem coleta de tecido. A palavra autópsia aparece porque o objetivo é o mesmo: descobrir por que a pessoa morreu.
A autópsia verbal é uma entrevista estruturada com um parente próximo ou cuidador da pessoa que morreu, feita depois de um período de luto (Nichols e colaboradores, 2018). As respostas são depois interpretadas, por médicos ou por algoritmos, para chegar a uma causa provável.
Quem responde e quando
A entrevista é feita na comunidade, depois de um período de luto culturalmente aceitável (de Savigny e colaboradores, 2017). Na cena do início, a irmã é a informante. Ela viu a dor de cabeça, o inchaço e a convulsão, e essas três pistas, junto com a gestação, entram nas perguntas do questionário.
O questionário e o relato livre
Os questionários da OMS seguem uma estrutura comum (Nichols e colaboradores, 2018). Eles começam pela data e pelo local da entrevista, pelo local de estudo e pelo domicílio, seguem com os dados do informante principal e os dados sociodemográficos da pessoa que morreu, e passam pela história de lesões e acidentes. Depois vêm a lista de sintomas com a duração de cada um, os serviços de saúde usados antes da morte, o atestado e os documentos médicos guardados em casa, se houver, e, por fim, o relato livre dos acontecimentos até a morte, com a causa na opinião do informante.
Esse relato livre é considerado essencial quando a análise é feita por médicos (Nichols e colaboradores, 2018). Ele permite ver a ordem dos acontecimentos, algo que uma lista de sintomas sozinha não mostra.
O instrumento da OMS
A versão de 2016 do instrumento da OMS foi desenhada para servir de padrão internacional e para ser lida diretamente por programas automáticos como InterVA, InSilicoVA e Tariff 2.0. Ela vem acompanhada de manuais para entrevistadores e supervisores e está disponível em um modelo para coleta eletrônica na plataforma Open Data Kit (Nichols e colaboradores, 2018). A coleta pode ser feita em papel ou em tablet (de Savigny e colaboradores, 2017).
Encurtar sem perder informação. Um grupo de pesquisa desenvolveu, de forma sistemática, uma versão reduzida do questionário usado no estudo de validação do consórcio PHMRC. O tamanho ideal foi escolhido analisando como o desempenho caía à medida que o instrumento encolhia, para adultos, crianças e recém-nascidos (Serina e colaboradores, 2015). Essa versão reduzida, junto com o Tariff 2.0, deu origem ao SmartVA, preparado para uso em escala em tablets e celulares (Nichols e colaboradores, 2018).
Do relato à causa: médicos e algoritmos
Depois da entrevista, alguém precisa atribuir uma causa às respostas. Uma forma é a revisão dos formulários por médicos. Outra é o uso de algoritmos. Um grande estudo comparou cinco métodos automáticos, InterVA-4, Random Forest, Simplified Symptom Pattern, Tariff e King-Lu, com a revisão por médicos, usando 12.535 mortes de populações diversas com causa estabelecida de forma confiável (Murray e colaboradores, 2014).
O InterVA se baseia na regra de Bayes (Nichols e colaboradores, 2018). A versão InterVA-5 foi desenvolvida para se alinhar ao padrão OMS 2016 (Byass e colaboradores, 2019).
As três famílias de algoritmos mais citadas são o InterVA, baseado na regra de Bayes, o InSilicoVA, um dos programas que leem o instrumento OMS 2016, e o Tariff 2.0 com o SmartVA, algoritmo empacotado com o questionário reduzido do PHMRC (Nichols e colaboradores, 2018).
Os três aceitam dados do instrumento OMS 2016, o que permite comparar resultados entre países e entre métodos (Nichols e colaboradores, 2018).
O raciocínio por trás do algoritmo
A regra de Bayes é o mesmo princípio da probabilidade pré-teste: parte-se da chance de cada hipótese e ajusta-se essa chance conforme cada nova informação. A diferença é que o clínico faz isso de cabeça, e o programa faz por conta. O texto sobre taxa básica no diagnóstico mostra por que a prevalência inicial pesa tanto nesse cálculo.
Quanto acerta a causa estimada
A pergunta mais importante sobre qualquer método diagnóstico é quanto ele acerta. Para responder, é preciso um padrão de referência. O consórcio PHMRC criou critérios diagnósticos rigorosos, com achados de laboratório, patologia e imagem, para identificar mortes com causa confirmada em serviços de saúde, e desenvolveu um questionário de autópsia verbal baseado nos padrões da OMS (Murray e colaboradores, 2011). O objetivo era reunir mortes de referência bem definidas para validar os métodos de atribuição de causa.
Com esse banco, os pesquisadores compararam os métodos. Em adultos, a acurácia na fração de causas dos métodos automáticos ficou entre 0,764 e 0,770, contra 0,680 da revisão por médicos e 0,625 do InterVA (Murray e colaboradores, 2014). Em crianças, o Tariff chegou a 0,783, a revisão por médicos a 0,678 e o InterVA a 0,520 (Murray e colaboradores, 2014). Em recém-nascidos, os valores foram 0,817, 0,719 e 0,629 (Murray e colaboradores, 2014).
Comparar com a autópsia completa
| Estudo | Referência usada | Achado principal |
|---|---|---|
| Murray 2011 | Mortes em serviços de saúde com critérios clínicos, de laboratório e de imagem | Criou o banco de validação PHMRC |
| Murray 2014 | Banco PHMRC | Métodos automáticos superaram a revisão médica na fração de causas |
| Menéndez 2020 | Autópsia diagnóstica completa em Maputo | Baixa concordância para tuberculose, malária e pneumonia |
O teste mais duro veio de Maputo, em Moçambique. Pesquisadores compararam o InterVA com a autópsia diagnóstica completa em 316 mortes. Nenhuma das mortes por tuberculose foi identificada pela autópsia verbal, e a sensibilidade foi de 33 para malária e de 36 para pneumonia, em cada 100 mortes por essas causas. O algoritmo atribuiu 26 mortes a eclâmpsia, mas apenas 4 tinham essa causa na autópsia (Menéndez e colaboradores, 2020). A sensibilidade também foi zero para doenças diarreicas e infecções disseminadas, e de 32 em cada 100 para HIV. Em 16 mortes, o modelo não chegou a um resultado conclusivo.
Os autores concluem que esses resultados não ajudam a construir confiança nas estimativas atuais de causas de morte (Menéndez e colaboradores, 2020). Eles também lembram que a transmissão de malária em Maputo é baixa, o que pesa na interpretação dos números dessa causa.
População e indivíduo
Esses resultados parecem contraditórios, mas medem coisas diferentes. A acurácia na fração de causas mede se o método acerta a distribuição de causas em um grupo grande. A concordância caso a caso mede se ele acerta a causa de cada morte. No estudo do PHMRC, a concordância corrigida para o acaso dos métodos automáticos em adultos ficou perto de metade, abaixo da acurácia na fração de causas (Murray e colaboradores, 2014). Um método pode estimar bem a proporção de mortes por uma causa em uma região e, ainda assim, errar quais mortes foram essas.
Onde o método erra
A acurácia da autópsia verbal depende muito da qualidade dos critérios diagnósticos, da idade da pessoa que morreu e do tipo de doença envolvida. Mortes com sinais e sintomas pouco específicos são especialmente difíceis (Fligner e colaboradores, 2011). Os autores citam a dificuldade de separar mortes por malária das causadas por outras doenças febris, como septicemia, meningite, encefalite e pneumonia. Mortes maternas, perinatais e natimortos também têm especificidade diagnóstica ruim.
O caso da eclâmpsia em Maputo ilustra o problema na prática: o algoritmo atribuiu a essa causa muito mais mortes do que a autópsia confirmou (Menéndez e colaboradores, 2020). Na cena do início, a doença hipertensiva da gestação é a hipótese que mais chama atenção, mas o método sozinho não a confirmaria. É o mesmo atalho discutido no texto sobre diagnóstico diferencial com pistas: uma pista marcante pode encerrar a busca cedo demais.
Fontes de erro descritas nos estudos
- Sinais e sintomas pouco específicos (Fligner e colaboradores, 2011).
- Febres de causas diferentes que se parecem no relato (Fligner e colaboradores, 2011).
- Mortes maternas e perinatais, com especificidade ruim (Fligner e colaboradores, 2011).
- Falta de qualquer fonte médica de informação em muitos questionários (Fligner e colaboradores, 2011).
- Sensibilidade nula para tuberculose em comparação com a autópsia completa (Menéndez e colaboradores, 2020).
- Mortes sem resultado conclusivo do modelo (Menéndez e colaboradores, 2020).
Quando os métodos se completam
A autópsia anatomopatológica é considerada há muito tempo a referência para a causa de morte (Fligner e colaboradores, 2011). O principal obstáculo é a necessidade de patologistas, assistentes e laboratório de histologia, que faltam em muitos países de renda baixa e média. Outra preocupação são as atitudes culturais e religiosas sobre a morte e o manejo do corpo, que variam por país e precisam ser tratadas caso a caso.
Os autores propõem avaliar continuamente uma parte das mortes com autópsia anatomopatológica junto com a autópsia verbal, para melhorar a qualidade dos dados de mortalidade e identificar doenças novas ou emergentes (Fligner e colaboradores, 2011). Eles lembram ainda que os mesmos pressupostos que levam a erro em até 40 de cada 100 mortes certificadas por médicos estão presentes nos dados da autópsia verbal. O texto sobre sessões de morbimortalidade mostra a mesma lógica de aprender com o erro em escala menor.
Além da causa: as circunstâncias da morte
A causa biológica é só parte da história. Pesquisadores em Agincourt, na África do Sul, criaram um conjunto curto de perguntas sobre o caminho até o cuidado e as circunstâncias e eventos em torno da morte e o integraram ao formulário curto de autópsia verbal da OMS de 2012 (D'Ambruoso e colaboradores, 2016). Entre as mortes estudadas, 39 em cada 100 famílias não chamaram ajuda, 36 em cada 100 acharam o cuidado caro demais e 33 em cada 100 não foram a um serviço de saúde.
Os autores concluem que acrescentar essas perguntas traz informação complementar à distribuição de causas e relevante para o planejamento em saúde (D'Ambruoso e colaboradores, 2016). O objetivo era criar indicadores sobre os processos de cuidado, as circunstâncias e os eventos ligados ao sistema de saúde e ao contexto social.
Perguntas sobre o caminho até o cuidado
Os temas do conjunto de Agincourt pedem que a entrevista investigue se a família chamou ajuda, se a pessoa chegou a um serviço de saúde, se o gasto pesou na decisão de buscar cuidado, que caminho de cuidado a pessoa percorreu e que eventos aconteceram perto do momento da morte (D'Ambruoso e colaboradores, 2016).
Uso em saúde pública e na clínica
Os dados da autópsia verbal alimentam estimativas de carga de doença, planejamento de programas e avaliação de intervenções. A revisão de 26 trabalhos encontrou exemplos de uso do método para orientar políticas em vários países (Thomas e colaboradores, 2018). O SmartVA foi apresentado como forma de melhorar rapidamente o conhecimento sobre causas de morte em populações rurais, com poucos recursos, com experiências em Mianmar, Papua-Nova Guiné, Bangladesh e Filipinas (Hazard e colaboradores, 2020).
Para o clínico, a autópsia verbal tem uma lição direta: mostra quanto se consegue inferir apenas a partir do relato e quanto se perde. O texto sobre sinais, sintomas e história discute como interpretar o que chega pela fala do paciente e de quem o acompanha.
O que a autópsia verbal ensina a quem atende
O questionário da OMS separa a lista de sintomas, com a duração de cada um, do relato livre e da causa na opinião do informante (Nichols e colaboradores, 2018). Essa separação é um bom modelo para a consulta, em que o relato de um acompanhante também mistura o que foi visto com o que foi concluído. O texto sobre incerteza diagnóstica trata de como pesar pistas contadas por terceiros.
Na consulta, isso se traduz em registrar cada sintoma com sua duração, pedir o relato livre na ordem em que as coisas aconteceram, anotar separadamente o que o informante acha que foi a causa e perguntar por documentos médicos guardados em casa.
Raciocínio sobre a cena do início
Uma sequência didática para a cena, usando as etapas descritas acima, pode ser esta:
- Contexto. Mulher jovem, gestação de sete meses, morte em casa.
- Pistas. Dor de cabeça forte, inchaço nas pernas, convulsão.
- Questionário. Registrar cada sintoma com duração e colher o relato livre da irmã.
- Atribuição. Revisão por médico ou por algoritmo.
- Limite. Mortes maternas têm especificidade ruim na autópsia verbal, e em Maputo a eclâmpsia foi atribuída em excesso.
- Circunstâncias. Perguntar se a família chamou ajuda e se chegou a um serviço.
- Registro. Codificar a causa estimada, sabendo da incerteza.
O passo 7 lembra que a causa estimada também precisa de código. Saber encontrar o código certo na CID-10 é parte do trabalho. O texto sobre preparação para pandemias mostra outro uso de dados de vigilância, e o texto sobre cólera, sarampo e desnutrição em conflitos lembra como a contagem de mortes orienta a resposta em crises.
Como o NEXO ajuda a treinar esse raciocínio
No NEXO, o caso do dia é fictício, com apresentação clínica real e até seis pistas progressivas, e você propõe o diagnóstico buscando o código na CID-10.
Os limites de uso do jogo estão descritos na página de economia do NEXO. Se você pesquisa ensino de raciocínio clínico, a página para pesquisadores explica como entrar em contato. Profissionais que escrevem ou revisam casos encontram informações em curadoria e em criadores, e instituições podem conhecer a proposta na página para parcerias.
Perguntas frequentes
A autópsia verbal é usada onde não há atestado de óbito?
Ela foi proposta como a melhor alternativa onde a certificação médica da morte é rara (de Savigny e colaboradores, 2017).
Existe um questionário padronizado da OMS?
O instrumento OMS 2016 serve de padrão internacional e pode ser lido por InterVA, InSilicoVA e Tariff 2.0 (Nichols e colaboradores, 2018).
Os algoritmos podem substituir a revisão por médicos?
Na estimativa da distribuição de causas, os estudos mostram vantagem dos algoritmos. No banco PHMRC, os métodos automáticos tiveram acurácia maior que a revisão médica (Murray e colaboradores, 2014).
A autópsia verbal pode errar a causa de uma morte específica?
Em Maputo, a comparação com a autópsia completa mostrou baixa concordância para tuberculose, malária e pneumonia (Menéndez e colaboradores, 2020).
Dá para usar a entrevista para entender falhas do sistema de saúde?
Perguntas sobre as circunstâncias mostraram famílias que não chamaram ajuda ou acharam o cuidado caro demais (D'Ambruoso e colaboradores, 2016).
Take-home messages
- Perto de metade das mortes no mundo não tem causa certificada.
- A autópsia verbal é uma entrevista estruturada com familiares, feita depois do luto.
- O instrumento OMS 2016 padroniza a entrevista e permite análise automática.
- No banco PHMRC, algoritmos superaram a revisão médica na fração de causas.
- Contra a autópsia completa em Maputo, a concordância caso a caso foi baixa.
- Sintomas pouco específicos e mortes maternas são os mais difíceis de classificar.
- Perguntas sobre as circunstâncias trazem informação útil para o planejamento.
- A autópsia anatomopatológica em parte das mortes pode melhorar a qualidade dos dados.
Quer praticar o raciocínio com pistas progressivas? Jogue o caso do dia.
Referências
- Byass P, Hussain-Alkhateeb L, D'Ambruoso L, et al. An integrated approach to processing WHO-2016 verbal autopsy data: the InterVA-5 model. BMC Med. 2019. PMID 31146736.
- D'Ambruoso L, Kahn K, Wagner RG, et al. Moving from medical to health systems classifications of deaths: extending verbal autopsy to collect information on the circumstances of mortality. Glob Health Res Policy. 2016. PMID 29202052.
- de Savigny D, Riley I, Chandramohan D, et al. Integrating community-based verbal autopsy into civil registration and vital statistics (CRVS): system-level considerations. Glob Health Action. 2017. PMID 28137194.
- Fligner CL, Murray J, Roberts DJ. Synergism of verbal autopsy and diagnostic pathology autopsy for improved accuracy of mortality data. Popul Health Metr. 2011. PMID 21806831.
- Hazard RH, Buddhika MPK, Hart JD, et al. Automated verbal autopsy: from research to routine use in civil registration and vital statistics systems. BMC Med. 2020. PMID 32146903.
- Menéndez C, Quintó L, Castillo P, et al. Limitations to current methods to estimate cause of death: a validation study of a verbal autopsy model. Gates Open Res. 2020. PMID 33145479.
- Murray CJ, Lopez AD, Black R, et al. Population Health Metrics Research Consortium gold standard verbal autopsy validation study: design, implementation, and development of analysis datasets. Popul Health Metr. 2011. PMID 21816095.
- Murray CJ, Lozano R, Flaxman AD, et al. Using verbal autopsy to measure causes of death: the comparative performance of existing methods. BMC Med. 2014. PMID 24405531.
- Nichols EK, Byass P, Chandramohan D, et al. The WHO 2016 verbal autopsy instrument: An international standard suitable for automated analysis by InterVA, InSilicoVA, and Tariff 2.0. PLoS Med. 2018. PMID 29320495.
- Serina P, Riley I, Stewart A, et al. A shortened verbal autopsy instrument for use in routine mortality surveillance systems. BMC Med. 2015. PMID 26670275.
- Thomas LM, D'Ambruoso L, Balabanova D. Verbal autopsy in health policy and systems: a literature review. BMJ Glob Health. 2018. PMID 29736271.