Factor analysis for the adoption of nuclear technology in diagnosis and treatment of chronic diseases / Análise de fatores para adoção da tecnologia nuclear no diagnóstico e tratamento de doenças crônicas

Objective: To identify and evaluate latent variables (variables that are not directly observed) for adopting and using nuclear technologies in diagnosis and treatment of chronic diseases. The measurement and management of these latent factors are important for healthcare due to complexities of the sector. Methods: An exploratory factor analysis study was conducted among 52 physicians practicing in the areas of Cardiology, Neurology and Oncology in the State of Sao Paulo who agreed to participate in the study between 2009 and 2010. Data were collected using an attitude measurement questionnaire, and analyzed according to the principal component method with Varimax rotation. Results: The component matrix after factor rotation showed three elucidative groups arranged according to demand for nuclear technology: clinical factors, structural factors, and technological factors. Clinical factors included questionnaire answers referring to medical history, previous interventions, complexity and chronicity of the disease. Structural factors included patient age, physician's practice area, and payment ability. Technological factors included prospective growth in the use of nuclear technology and availability of services. Conclusions: The clinical factors group dimension identified in the study included patient history, prior interventions, and complexity and chronicity of the disease. This dimension is the main motivator for adopting nuclear technology in diagnosis and treatment of chronic diseases.

Objetivo: Identificar e avaliar as variáveis latentes (que não podem ser observadas diretamente) no processo de adoção e uso de tecnologias nucleares no diagnóstico e tratamento de doenças crônicas. A mensuração e a gestão dos fatores latentes são importantes dentro da área da Saúde devido às complexidades inerentes do setor. Métodos: Foi realizado um estudo do tipo fatorial exploratório com 52 médicos das especialidades de Cardiologia, Neurologia e Oncologia no Estado de São Paulo que participaram do estudo entre 2009 e 2010. Os dados foram coletados por meio de questionário de mensuração de atitudes e analisados pelo método dos componentes principais, com rotacionamento do tipo Varimax. Resultados: A matriz de componentes após a rotação dos fatores apresentou três agrupamentos explicativos ordenados para a demanda de uso das tecnologias nucleares: fatores clínicos, fatores estruturais e fatores tecnológicos. O fator clínico é formado por respostas referentes a histórico clínico, intervenção anterior, complexidade e cronicidade. O fator estrutural é composto por idade do paciente, área de atuação do médico e capacidade de pagamento; o fator tecnológico diz respeito às perspectivas de aumento do uso da tecnologia nuclear - quantidade de serviços. Conclusões: A dimensão de fatores clínicos é composta por histórico clínico, intervenção anterior, complexidade e cronicidade da doença. Essa dimensão é o principal motivador para adoção da tecnologia nuclear no diagnóstico e tratamento das doenças crônicas.

O desafio na difusão da medicina nuclear no contexto dos radiofármacos para tomográfos por emissão de pósitrons / The challenges of nuclear medicine radiopharmaceuticals diffusion forpositron emission tomography

O texto apresenta um ensaio descritivo do mercado da medicina nuclear,especialmente o mercado dos tomógrafos por emissão de pósitrons. São apresentadas as vantagens de uso desse tipo de tecnologia, os desafiospara sua maior difusão dentro da sociedade e as possíveis repercussõesna área da saúde. Para tanto esse ensaio cita os resultados obtidos nomercado dos Estados Unidos ilustrando a penetração da tecnologia emum contexto recente.

This is a descriptive review on the nuclear medicine market, especiallyin the positron emitting tomography market. The present study we presentadvantages on the use of this technology, the challenges for itsdiffusion amongst society and we analyze the possible repercussionson healthcare. This review references results obtained from a NorthAmerican market research illustrating the recent penetration of this technology.

Markov Models in health care / Modelos de Markov aplicados a saúde

Markov Chains provide support for problems involving decision on uncertainties through a continuous period of time. The greater availability and access to processing power through computers allow that these models can be used more often to represent clinical structures. Markov models consider the patients in a discrete state of health, and the events represent the transition from one state to another. The possibility of modeling repetitive events and time dependence of probabilities and utilities associated permits a more accurate representation of the evaluated clinical structure. These templates can be used for economic evaluation in health care taking into account the evaluation of costs and clinical outcomes, especially for evaluation of chronic diseases. This article provides a review of the use of modeling within the clinical context and the advantages of the possibility of including time for this type of study.

Os modelos de Markov prestam apoio aos problemas de decisão envolvendo incertezas em um período contínuo de tempo. A maior disponibilidade e o maior acesso no poder de processamento por meio dos computadores permite que esses modelos possam ser utilizados mais frequentemente para representar estruturas clínicas. Os modelos de Markov consideram os pacientes em um estado discreto de saúde, e os eventos representam a transição de um estado para outro. A possibilidade de modelar eventos repetitivos e a dependência temporal das probabilidades e utilidades associadas permitem uma representação mais precisa da estrutura clínica avaliada. Esses modelos podem ser utilizados para avaliações econômicas em saúde levando em consideração a avaliação dos custos e desfechos clínicos (outcomes), especialmente para a avaliação de doenças crônicas. Este artigo oferece uma revisão do uso dessa modelagem dentro do contexto clínico e as vantagens da possibilidade da inclusão temporal para esse tipo de estudo.