Quedas moderadas e graves: modelo preditivo baseado em seis anos de notificações no sul do BrasilRESUMO
Objetivo: Caracterizar o perfil sociodemográfico e clínico dos pacientes e identificar fatores preditivos associados às quedas moderadas e graves.
Método: Estudo transversal analítico com 300 notificações de quedas (2019–2024). Utilizou-se a regressão de Poisson com variância robusta para estimar as razões de prevalência (RP), regressão logística, para análise preditiva, e AUC ROC, para avaliação da capacidade discriminatória do modelo.
Resultados: Predominaram pacientes do sexo masculino (55,0%), com média de 56,4 anos e alta frequência de doenças crônicas (86,2%). As quedas foram majoritariamente leves (54,2%) e moderadas (44,6%). Associaram-se a maior risco de quedas moderadas/graves: tempo de internação >14 dias (RP = 7,21; IC95%:1,68–26,47), sexo masculino (RP = 2,89; IC95%:1,15–7,40), turno da manhã (RP = 2,54; IC95%:1,17–6,73), desorientação (RP = 1,86; IC95%:1,11–4,55), doenças crônicas (RP = 1,36; IC95%:1,11–3,69) e doenças circulatórias (RP = 1,58; IC95%:1,03–4,31) se associaram a maior risco de quedas moderadas/graves. Internações prévias foram fator de proteção (RP = 0,37; IC95%:0,22–0,94).
Conclusão: As quedas associaram-se a fatores clínicos e assistenciais. O modelo apresentou discriminação moderada (AUC = 0,77), com potencial para apoiar a prevenção de quedas com esse desfecho.
DESCRITORES
Segurança do Paciente; Acidentes por Quedas; Hospitalização; Predição; Enfermagem
ABSTRACT
Objective: To characterize the sociodemographic and clinical profile of patients and identify predictive factors associated with moderate and severe falls.
Method: An analytical cross-sectional study conducted using 300 fall reports (2019–2024). Poisson regression with robust variance was used to estimate prevalence ratios (PRs), logistic regression was performed for predictive modeling, and the area under the receiver operating characteristic (ROC) curve (AUC) was used to assess the model’s discriminatory performance.
Results: Most patients were male (55.0%), with a mean age of 56.4 years and a high prevalence of chronic diseases (86.2%). Most falls resulted in mild harm (54.2%) or moderate harm (44.6%). A hospital stay longer than 14 days (PR = 7.21; 95%CI: 1.68–26.47), male sex (PR = 2.89; 95%CI: 1.15–7.40), falls occurring during the morning shift (PR = 2.54; 95%CI: 1.17–6.73), disorientation (PR = 1.86; 95%CI: 1.11–4.55), chronic diseases (PR = 1.36; 95%CI: 1.11–3.69), and diseases of the circulatory system (PR = 1.58; 95%CI: 1.03–4.31) were associated with a higher risk of moderate/severe falls. Previous hospitalizations were identified as a protective factor (PR = 0.37; 95%CI: 0.22–0.94).
Conclusion: falls were associated with clinical and healthcare-related factors. The model demonstrated moderate discriminatory performance (AUC = 0.77), supporting its potential use in the prevention of moderate and severe falls.
DESCRIPTORS
Patient Safety; Accidental Falls; Hospitalization; Forecasting; Nursing
RESUMEN
Objetivo: Caracterizar el perfil sociodemográfico y clínico de los pacientes e identificar factores predictivos asociados a caídas moderadas y graves.
Método: Estudio transversal analítico con 300 notificaciones de caídas (2019-2024). Se utilizó regresión de Poisson con varianza robusta para estimar las razones de prevalencia (RP), regresión logística para el análisis predictivo y AUC ROC para evaluar la capacidad discriminatoria del modelo.
Resultados: Predominaron los pacientes varones (55,0%), con una edad media de 56,4 años y una alta frecuencia de enfermedades crónicas (86,2%). Las caídas fueron mayoritariamente leves (54,2 %) y moderadas (44,6 %). La duración de la estancia >14 días (RP = 7,21; IC95%: 1,68–26,47), el sexo masculino (RP = 2,89; IC95%: 1,15–7,40), el turno de mañana (RP = 2,54; IC95%: 1,17–6,73), la desorientación (RP = 1,86; IC95%: 1,11–4,55), las enfermedades crónicas (RP = 1,36; IC95%: 1,11–3,69) y las enfermedades circulatorias (RP = 1,58; IC95%: 1,03–4,31) se asociaron con un mayor riesgo de caídas moderadas/graves. Las hospitalizaciones previas fueron un factor protector (PR = 0,37; IC95%: 0,22–0,94).
Conclusión: Las caídas se asociaron con factores clínicos y de atención. El modelo mostró una discriminación moderada (AUC = 0,77), con potencial para apoyar la prevención de caídas con este resultado.
DESCRIPTORES
Seguridad del Paciente; Accidentes por Caídas; Hospitalización; Predicción; Enfermería
INTRODUÇÃO
As quedas em ambiente hospitalar constituem um dos eventos adversos mais frequentes relacionados à segurança do paciente, representando um problema de saúde pública mundial. Segundo a Organização Mundial da Saúde, a queda é definida como o deslocamento não intencional de uma pessoa para um nível inferior, podendo resultar em lesões fatais ou não fatais, embora a maioria dos episódios não evolua para óbito(1). Evidências da Agency for Healthcare Research and Quality indicam que esses eventos são comuns durante a hospitalização e, em grande parte, potencialmente preveníveis(2).
A Escala de Morse é amplamente reconhecida como uma das ferramentas mais utilizadas na prática clínica para a avaliação do risco de quedas em pacientes hospitalizados. Trata-se de um instrumento validado, de fácil aplicação e rápida execução, que permite identificar pacientes com maior probabilidade de sofrer quedas a partir da análise de múltiplos fatores de risco, como histórico prévio, estado mental e condições clínicas(3).
Os desfechos das quedas podem ser classificados como sem dano, dano leve, moderado ou grave. O evento sem dano ocorre sem repercussões clínicas detectáveis; o dano leve envolve manifestações discretas, com mínima perda funcional e necessidade apenas de monitoramento ou cuidados básicos; o dano moderado corresponde a comprometimentos físicos ou psicológicos temporários da capacidade funcional ou da qualidade de vida; e o dano grave envolve repercussões importantes, como dor intensa, deformidades ou desfiguração, com redução substancial da autonomia do paciente(1,4).
As quedas em ambiente hospitalar são influenciadas por múltiplos fatores, incluindo o ambiente físico, as condições clínicas dos pacientes e a complexidade/acuidade dos casos, o envolvimento e a adesão dos pacientes, o perigo/insegurança e a triagem/avaliação de risco clínico, conforme evidenciado em estudos internacionais realizados na Itália e na Austrália(5,6). Os efeitos das quedas vão além das repercussões físicas e emocionais, pois podem aumentar o tempo de internação em, em média, 3,9 dias nas unidades somáticas e 13,2 dias nas psiquiátricas, além de elevar os custos assistenciais, que podem atingir US$62.521 por episódio, chegando a US$64.526 quando há lesão(7,8).
No Brasil, em 2024, as quedas configuraram-se como o quarto evento adverso mais notificado no sistema nacional de vigilância, com mais de 34 mil registros, majoritariamente em ambiente hospitalar. Entre esses, 9,3% resultaram em danos moderados ou graves. A maioria dos episódios (mais de 31 mil) ocorreu em ambiente hospitalar. Embora o país adote as seis Metas Internacionais de Segurança do Paciente, que incluem a prevenção de quedas, conforme preconizado pela Joint Commission International, observa-se ainda elevada ocorrência desse evento(9). No primeiro semestre de 2025, observou-se aumento expressivo das notificações, ultrapassando 80 mil casos, dos quais mais de 76 mil ocorreram em hospitais(10).
Apesar da relevância do tema, ainda há lacunas na literatura quanto à identificação de fatores preditivos associados à gravidade das quedas em contextos hospitalares brasileiros, especialmente com base em dados de notificação. Nesse sentido, modelos preditivos podem contribuir para a antecipação de riscos e o direcionamento de estratégias preventivas voltadas à segurança do paciente(11).
Diante desse panorama, este estudo foi norteado pelas seguintes questões: quais são as características sociodemográficas e clínicas dos pacientes acometidos? E quais fatores estão associados à ocorrência de quedas moderadas e graves? Assim, o objetivo foi analisar notificações de quedas hospitalares e identificar fatores associados às quedas moderadas e graves em um hospital universitário do sul do Brasil.
MÉTODO
Tipo do Estudo
Trata-se de um estudo transversal analítico, realizado a partir da análise de todas as notificações entre 2019 e 2024.
Local do Estudo
O estudo foi realizado em um hospital universitário federal situado na região Sul do Brasil. A instituição presta assistência gratuita por meio do Sistema Único de Saúde (SUS) a pacientes de média e alta complexidade.
População do Estudo
Identificaram-se registros de pacientes com notificação de queda, totalizando 313 casos. Desses, 13 foram excluídos por duplicidade, resultando em uma população de 300 pacientes.
Coleta de Dados
A coleta de dados foi realizada por meio de fontes secundárias, utilizando-se os registros fornecidos pela instituição. Complementarmente, foram acessados os prontuários eletrônicos e coletadas as variáveis clínicas. Os dados foram coletados entre junho de 2024 e fevereiro de 2025.
As variáveis coletadas inicialmente foram: características sociodemográficas (sexo, data de nascimento, raça, situação conjugal, escolaridade); dados da notificação da queda (data da notificação, turno, setor hospitalar, classificação do risco de queda pela Escala de Morse, situação, local do incidente, características da queda); e informações analíticas (categoria profissional do notificador, possíveis causas, fatores de risco). Posteriormente, a equipe de gestão de risco analisa e classifica a queda quanto ao dano (nenhum, leve, moderado, grave ou óbito) e às circunstâncias do evento adverso. As duas últimas, associadas às possíveis causas e aos fatores de risco, são obtidas por meio da avaliação subjetiva do profissional.
Posteriormente, foram coletadas as seguintes variáveis clínicas: peso; altura; tabagismo; etilismo; obesidade; diabetes; hipertensão arterial sistêmica (HAS); neoplasia; doenças crônicas; motivo da internação; internações prévias no último ano (2024); dias de internação; e Índice de Massa Corporal (IMC).
O IMC é calculado pela razão entre o peso e a altura ao quadrado e classificado conforme os critérios da Organização Mundial da Saúde, permitindo a categorização dos indivíduos em “baixo peso”, “eutrofia”, “sobrepeso” e “obesidade”. Trata-se de um indicador amplamente utilizado por sua simplicidade e aplicabilidade, podendo ser relevante para identificar condições nutricionais associadas ao risco de eventos adversos, incluindo quedas(12).
Análise e Tratamento de Dados
A análise de dados foi realizada no Statistical Package for Social Sciences (SPSS®), versão 25.0 (SPSS Inc., Chicago, IL, USA, 2018) para Windows, adotando-se o nível de significância de 5%. Os resultados foram apresentados por estatística descritiva, com distribuições absoluta e relativa (n–%), bem como medidas de tendência central (média e mediana) e de variabilidade (desvio padrão, amplitude e amplitude interquartil). A simetria das distribuições contínuas foi avaliada pelo teste de Kolmogorov-Smirnov.
Para a comparação de proporções, utilizou-se o teste qui-quadrado de aderência para categorias de uma única variável, e o teste de Cochran, para variáveis dependentes (múltiplas respostas). Na análise bivariada, empregaram-se o teste qui-quadrado de Pearson ou o teste exato de Fisher, quando indicado, além da estimativa do valor de p e do Intervalo de Confiança de 95% (IC95%s)(13,14).
As medidas de associação foram estimadas por meio de regressão de Poisson com variância robusta, com cálculo da razão de prevalência (RP) e do respectivo IC95%, sendo essa a abordagem adotada para análise inferencial. Variáveis com p≤0,250 na análise bivariada foram consideradas elegíveis para inclusão nos modelos multivariados.
Para a construção do modelo preditivo e a seleção das variáveis, utilizou-se a regressão logística multivariada, considerando como variável dependente a classificação da queda (moderada/grave vs. leve/sem dano). A regressão logística foi empregada exclusivamente para fins de seleção de variáveis e avaliação da capacidade discriminatória do modelo, não sendo utilizada para estimativa de medidas de associação.
A modelagem foi conduzida em duas etapas: intrabloco e interblocos. Inicialmente, realizou-se a análise intrabloco para identificação das variáveis com potencial preditivo em cada conjunto. Posteriormente, procedeu-se à modelagem interblocos, com inserção progressiva das variáveis selecionadas, visando à construção do modelo final ajustado. Após essa etapa, as associações finais foram reestimadas por meio de regressão de Poisson com variância robusta.
A construção dos modelos intrablocos considerou a seguinte estrutura: bloco 1 – variáveis sociodemográficas (sexo, idade, raça, situação conjugal e escolaridade); bloco 2 – características clínicas (tabagismo, etilismo, HAS, doenças crônicas, motivo da internação, procedimento e doenças do aparelho circulatório); bloco 3 – informações da queda (turno, internações prévias, dias de internação e local do incidente); e bloco 4 – possíveis causas do incidente (falta de equilíbrio, desorientação e estrutura do prédio).
As variáveis “categoria notificadora”, “circunstâncias do evento adverso” e “fatores de risco” foram excluídas da modelagem final por apresentarem instabilidade e colinearidade, possivelmente relacionadas a viés de seleção, o que comprometeu a precisão dos estimadores. A variável “obesidade” também foi excluída devido ao reduzido número de casos na categoria de desfecho moderado/grave (n = 9), o que inviabilizou sua utilização como preditor robusto no modelo.
O Critério de Informação de Akaike possibilitou a seleção das variáveis de interesse para o modelo final. A adequação do modelo de regressão foi avaliada pelo teste de bondade de ajuste do modelo (teste de Hosmer-Lemeshow goodness-of-fit). O modelo robusto final foi alcançado em 15 passos (qui-quadrado de razão de verossimilhança: inicial = 487,156; p = 0,411; final = 622,341; p = 0,564), não havendo diferenças significativas entre os modelos esperado e observado. A avaliação da capacidade discriminatória do modelo logístico final alcançado neste estudo foi estimada por meio da análise da área sob a curva ROC. Sua interpretação corresponde ao ajuste entre a especificidade e a sensibilidade(15).
Neste manuscrito, ferramentas de inteligência artificial foram utilizadas exclusivamente para apoio na revisão linguística, sem interferência na análise dos dados, na interpretação dos resultados ou na formulação científica do conteúdo.
Aspectos Éticos
A pesquisa foi aprovada pelo Comitê de Ética em Pesquisa da Universidade Federal de Santa Catarina, sob Certificado de Apresentação para Apreciação Ética no 75.344723.4.2001.0121 e Parecer no 6.712.325.
RESULTADOS
Foram analisadas as notificações de quedas que ocorreram com 300 pacientes. As características clínicas e sociodemográficas da amostra estão apresentadas na Tabela 1. Predominaram pacientes do sexo masculino (55%), com média de 56 anos, destacando-se a faixa etária de 50 a 59 anos (25,6%). Observou-se uma baixa prevalência de tabagismo (39,2%) e de etilismo (24,1%). Entre as comorbidades, prevaleceram HAS (52,1%), diabetes (39,8%) e neoplasias (35,3%), com predomínio significativo de doenças crônicas (86,2%). Os principais motivos de internação foram doenças do aparelho circulatório (14,0%) e do respiratório (10,5%).
Características clínicas e sociodemográficas de pacientes que sofreram quedas. Medidas de tendência central e de variabilidade para idade – Florianópolis, SC, Brasil, 2026.
Variáveis sociodemográficas adicionais também foram analisadas. Houve maior frequência de pacientes casados/em união estável (n = 108; 37,9%) em comparação aos solteiros (n = 94; 33,0%). Em relação à escolaridade, prevaleceram indivíduos com ensino fundamental incompleto (n = 77; 27,3%), seguidos por aqueles com ensino médio completo (n = 67; 24,4%). Quanto à cor autorreferida, houve maior frequência de indivíduos brancos (n = 228; 77,0%) em relação aos não brancos (n = 68; 23,0%). Em relação aos hábitos de vida, 24,0% (n = 54) dos pacientes apresentavam hábito etilista, e 39,2% (n = 87) eram tabagistas. Quanto ao IMC, a média foi de 25,2 ± 6,2 kg/m2 (amplitude: 13,0–53,1), e a mediana, de 25,2 kg/m2 (intervalo interquartil: 21,2–27,8), sendo que 15,0% (n = 33) dos pacientes foram classificados como obesos, considerando a elevada proporção de dados faltantes para essa variável (42,0%).
Destaca-se a presença de dados faltantes em algumas das variáveis citadas a cima, como IMC (42,0%), obesidade (28,0%), tabagismo (26,0%), etilismo (25,3%), situação conjugal (5,0%) e cor autorreferida (1,3%). As análises foram conduzidas considerando os dados disponíveis para cada variável.
Conforme a Tabela 2, as quedas ocorreram principalmente nos turnos da manhã (36,6%) e da noite (37,0%). Predominou o alto risco para queda antes do evento (61,7%). Houve maior ocorrência entre pacientes com até sete dias de internação (26,6%). O setor de clínica médica concentrou a maior proporção de quedas (37,9%), seguido pela clínica cirúrgica (27,9%) e pelo setor de emergência adulto (14,6%).
Distribuição absoluta e relativa para as características das notificações das quedas – Florianópolis, SC, Brasil, 2026.
Conforme mostrado na Tabela 3, as quedas se mostraram mais frequentes em pacientes internados (89,2%), predominantemente no quarto (42,9%) e no banheiro (34,5%), sendo mais frequentes as quedas da própria altura (54,9%).
Distribuição absoluta e relativa das variáveis relacionadas ao evento quedas – Florianópolis, SC, Brasil, 2026.
Entre as possíveis causas, destacaram-se a falta de equilíbrio (n = 111; 37,0%), a perda de força (n = 93; 31,0%) e a desorientação (n = 89; 30%). Apenas 14% (n = 43) apontaram a estrutura do prédio e os materiais hospitalares como possíveis causas. A maior parte das notificações foi realizada pela equipe de enfermagem (n = 259; 86,6%). As circunstâncias mais frequentemente associadas às quedas pelos profissionais notificadores incluíram a condição clínica do paciente (n = 198; 66,0%), a nutrição inadequada (n = 144; 48,0%) e a realização de múltiplos procedimentos (n = 126; 42,0%). Por outro lado, a falta de orientação para a prevenção de quedas (n = 61; 20,3%) e o dimensionamento da equipe (n = 31; 10,3%) foram menos frequentemente apontados como circunstâncias relacionadas ao evento adverso.
Na análise bivariada, a ocorrência de quedas moderadas/graves esteve associada ao sexo masculino (RP = 1,43; IC95%: 0,94–2,43; p = 0,069), à menor idade (RP = 0,99; IC95%: 0,97–1,00; p = 0,093), à raça não branca (RP = 1,28; IC95%: 0,91–1,32; p = 0,086), a não viver em união estável (RP = 1,66; IC95%: 0,85–2,77; p = 0,091) e à menor escolaridade. Entre as variáveis clínicas e relacionadas à queda, destacaram-se a falta de equilíbrio (RP = 0,80; IC95%: 0,63–1,01; p = 0,064), a desorientação (RP = 1,33; IC95%: 0,86–2,33; p = 0,214) e os fatores estruturais (RP = 1,64; IC95%: 0,83–3,45; p = 0,187). Observou-se associação estatisticamente significativa apenas para internações prévias (RP = 0,72; IC95%: 0,43–0,91; p = 0,009), configurando-se como fator de proteção.
Nos modelos intrablocos, mantiveram-se como preditores no bloco sociodemográfico a cor autorreferida não branca (RP = 2,46; IC95%: 1,12–5,41; p = 0,025) e a idade mais jovem (RP = 0,99; IC95%: 0,86–1,01; p = 0,099), com variância explicada pela cor autodeclarada e pela idade sobre os tipos de gravidade da queda de 7,8% (R2 Nagelkerke = 0,078) e acurácia de 63,9%. No bloco clínico, permaneceram o hábito etilista (RP = 1,55; IC95%: 0,92–3,26; p = 0,064), as doenças crônicas (RP = 1,76; IC95%: 1,10–3,88; p = 0,004), a realização de procedimento (RP = 1,35; IC95%: 0,95–2,34; p = 0,063) e as doenças do aparelho circulatório (RP = 2,85; IC95%: 1,19–6,44; p = 0,008), com R2 = 0,156 e acurácia de 61,7%. No bloco referente às características da queda, destacaram-se o turno da manhã (RP = 2,35; IC95%: 1,93–6,98; p = 0,027) e as internações prévias (RP = 0,32; IC95%: 0,41–0,75; p = 0,009), com R2 = 0,119 e acurácia de 60,7%.
Conforme apresentado na Tabela 4, no modelo final, não houve redução expressiva da variância explicada (R2 ajustado: 0,522 vs. 0,497), da associação entre variáveis (0,389 vs. 0,327) ou da acurácia (74,4% vs. 69,2%), indicando a manutenção do poder preditivo com menor número de variáveis. Pelo método backward conditional, os principais preditores de quedas moderadas/graves foram o tempo de internação >14 dias (RP = 7,21; IC95%: 1,68–26,47), o sexo masculino (RP = 2,89; IC95%: 1,15–7,40), a ocorrência de queda no turno da manhã (RP = 2,54; IC95%: 1,17–6,73), apresentar desorientação como possível causa do incidente (RP = 1,86; IC95%: 1,11–4,55), as doenças crônicas (RP = 1,36; IC95%: 1,11–3,69) e o motivo da internação ser doenças do aparelho circulatório (RP = 1,58; IC95%: 1,03–4,31), enquanto internações prévias mantiveram efeito protetor (RP = 0,37; IC95%: 0,22–0,94) para queda moderada/grave.
Modelo final de regressão de Poisson para fatores associados à ocorrência de quedas moderadas/graves – Florianópolis, SC, Brasil, 2026.
Quanto à capacidade preditiva do modelo final, a área sob a curva ROC foi de 0,768 (IC95%: 0,681 – 0,812; p < 0,001) (Figura 1), apontando para uma discriminação moderada além do acaso (50,0%). As estimativas de sensibilidade e especificidade foram de 74,6% e 62,3%, respectivamente. Dessa forma, há evidências de que as classificações não foram preditas por acaso.
Curva ROC para o modelo logístico preditivo de queda moderada/grave Florianópolis, SC, Brasil, 2026.
DISCUSSÃO
Os anos com maior concentração de quedas foram 2024 (25,7%) e 2019 (20,7%). Entre esses períodos, ocorreu a pandemia de COVID-19, que exigiu a reestruturação dos serviços de saúde e o redirecionamento de recursos, o que possivelmente resultou em subnotificação de eventos adversos sem representar a redução real na ocorrência. Achados semelhantes foram descritos em um estudo multicêntrico italiano, que também evidenciou variações anuais significativas no número de quedas hospitalares durante e após a pandemia(4).
Em relação ao sexo, identificaram-se o predomínio masculino (55%) e o risco aproximadamente duas vezes maior para quedas moderadas e graves (RP = 2,89). Esse resultado diverge de estudos que apontam maior risco no sexo feminino(16), e pode ser explicado pelas características do hospital estudado, da população atendida no serviço de saúde analisado e das demais variáveis presentes no estudo(16).
As doenças crônicas estavam presentes em 86,2% da população e se associaram significativamente a quedas moderadas e graves (RP = 1,36), assim como as doenças do aparelho circulatório (RP = 1,58). Esses resultados são consistentes com evidências que relacionam comorbidades, como HAS, diabetes, insuficiência cardíaca, acidente vascular cerebral e doença hepática, ao aumento da suscetibilidade a quedas e a lesões principalmente em adultos idosos(17). O hospital analisado atende pacientes de média e alta complexidade do SUS, concentrando casos com múltiplas condições clínicas e procedimentos invasivos.
Embora os períodos matutino (36,6%) e noturno (37,0%) tenham apresentado proporções semelhantes de quedas, o modelo preditivo identificou que o turno da manhã esteve associado ao risco 2,5 vezes maior de quedas moderadas e graves (RP = 2,54). Esse achado pode estar relacionado à maior concentração de atividades assistenciais nesse período, como banhos, troca de roupas de cama, exames e transporte de pacientes, conforme descrito em estudos internacionais(18).
As quedas ocorreram predominantemente em pacientes internados (89,2%), com destaque para quartos (42,9%) e banheiros (34,5%). Esses ambientes são descritos como locais críticos na literatura. Outro estudo também evidenciou que as quedas ocorreram principalmente nos quartos de internação (64,2%), seguidos por banheiros (35,8%) e corredores (10%)(5). Esse achado evidencia a necessidade de intervenções estruturais, como barras de apoio, pisos antiderrapantes e iluminação adequada, além de vigilância intensificada pela equipe de enfermagem.
Pacientes internados apresentam maior suscetibilidade a quedas intra-hospitalares em decorrência de múltiplos fatores identificados pelos profissionais de saúde, como a condição clínica do paciente (66%), a nutrição inadequada (48%), a idade avançada (45,3%), a falta de equilíbrio (37%), a perda de força (31%) e o diagnóstico clínico (60,7%). Nessa perspectiva, observou-se que pacientes com desorientação como possível causa da queda apresentaram maior chance de sofrer uma queda moderada e grave (RP = 1,86). Resultados semelhantes evidenciaram que, além de outros fatores, a desorientação foi um fator de risco médio e alto (OR de 2,40 e 12,54, respectivamente) para quedas(19).
A queda da própria altura foi o mecanismo de maior predomínio neste estudo (54,9%), associada a fatores intrínsecos descritos no parágrafo anterior. Esses achados convergem com uma revisão sistemática recente que identificou o comprometimento de marcha e de equilíbrio como forte preditor de quedas (OR = 2,11). De forma semelhante, a desorientação presente em 30% dos pacientes deste estudo, associada a quedas com desfecho moderado e grave (RP = 1,86), apresenta consonância com evidência internacional que aponta prejuízo cognitivo e delirium como fatores críticos para queda (OR = 2,30)(20).
O motivo de internação mais frequente foi o grupo das doenças do aparelho digestivo (20,6%), seguido por procedimentos cirúrgicos (18,2%) e doenças circulatórias (14%). Embora as doenças do aparelho circulatório não tenham se destacado na análise descritiva, foram observadas razões de prevalência significativas no conjunto de variáveis incluídas no modelo preditivo. As condições mais frequentemente identificadas nesse grupo foram insuficiência cardíaca, doença arterial obstrutiva periférica, trombose venosa profunda, acidente vascular cerebral, isquemia e aneurisma. Apesar de a variável referente a pacientes submetidos a procedimentos não ter se mantido no modelo final, a amputação se destacou como um dos principais procedimentos registrados.
Nesse cenário, pacientes com doenças circulatórias descompensadas podem apresentar maior risco de amputação de membros, evento que acarreta impacto substancial na vida do indivíduo, comprometendo a qualidade de vida, reduzindo a mobilidade e a participação em atividades sociais, além de estar associado a sintomas de ansiedade, depressão e insegurança diante das novas condições impostas(21,22). Além disso, outro estudo salienta a maior prevalência de quedas tardias (acima de dez dias) em pacientes com comprometimento das extremidades, em comparação àqueles que não apresentam esses sintomas (2,58; IC95% = 1,40–4,76)(23).
O histórico de internação no último ano (2024) demonstrou ser um fator de proteção para quedas com consequências moderadas e graves (RP = 0,37). Uma possível explicação para esse achado é que tais pacientes já possuíam conhecimentos prévios sobre o risco de quedas, além de maior familiaridade com a rotina hospitalar e com as medidas preventivas implementadas pela equipe de enfermagem. Esse achado pode ser reforçado pelo fato de que apenas 20,3% dos profissionais notificadores identificaram a falta de orientação para prevenção de quedas como circunstância potencialmente associada à ocorrência do evento(24).
O tempo de internação hospitalar prolongado está fortemente associado a piores desfechos clínicos e ao maior risco de eventos adversos. No presente estudo, a permanência superior a 14 dias foi o fator de maior impacto para a classificação de quedas moderadas e graves (RP = 7,21). Achados semelhantes foram descritos por outro autor, que observaram médias de 14,2 dias de internação no grupo com quedas e de 4,7 dias no grupo sem quedas, indicando que a maior permanência hospitalar está associada à ocorrência do evento(25).
Embora o tempo de internação prolongado esteja associado ao aumento da chance de queda, não deve ser entendido apenas como um fator isolado, mas como um reflexo da complexidade clínica do paciente, o que inclui maior fragilidade física, como desequilíbrio e perda de força (variáveis também identificadas neste estudo), além da maior exposição a procedimentos e do agravamento de condições preexistentes. Esses aspectos tornam o paciente mais suscetível a quedas com consequências mais graves(26).
Além disso, especialmente em idosos, o prolongamento da hospitalização pode favorecer a perda funcional adquirida durante a internação, incluindo sarcopenia, redução da capacidade funcional e piora do equilíbrio postural. Esse descondicionamento está associado a um maior risco de quedas, fraturas, delírio, infecções hospitalares, perda de independência após a alta e aumento do tempo de internação. Portanto, são necessárias medidas preventivas desde a admissão hospitalar(27).
A incidência de quedas predominantemente em pacientes classificados como alto risco (61,7%) corrobora a capacidade preditiva da Escala de Morse. Entretanto, esse achado demonstra que a estratégia de prevenção baseada apenas na pontuação total da escala pode ser insuficiente, sendo necessária uma transição para intervenções baseadas nos componentes individuais do risco, conforme sugerido por um amplo estudo multicêntrico realizado em 72 hospitais. Esse achado reforça a necessidade de reavaliações dinâmicas, uma vez que as medidas preventivas estáticas implementadas na admissão podem não acompanhar as mudanças clínicas do paciente ao longo da internação(28).
Apesar de apenas 14% (n = 43) dos profissionais notificadores terem apontado a estrutura física e os materiais hospitalares como possíveis causas da queda e 10% (n = 31) terem relacionado o evento ao dimensionamento da equipe, é possível que esses fatores estejam subestimados. Questões organizacionais tendem a ser menos reconhecidas durante a análise do evento adverso, pois a equipe assistencial geralmente concentra sua atenção nas condições clínicas do paciente e nos processos imediatos de cuidado(29). Entretanto, mesmo quando os profissionais conhecem os protocolos de prevenção, as limitações estruturais e as inadequações no dimensionamento de pessoal podem dificultar a implementação efetiva dessas medidas preventivas(29).
A predominância da enfermagem como categoria notificadora (86,6%) reflete o seu papel central na vigilância e na segurança do paciente, devido à proximidade contínua com os internados. Contudo, é fundamental fortalecer o envolvimento multiprofissional, incentivando que todas as categorias participem ativamente do processo de notificação e da implementação de estratégias preventivas(30).
A pesquisa foi conduzida em um único hospital geral que presta atendimento exclusivamente pelo SUS, o que reflete a realidade institucional e assistencial desse contexto específico. Dessa forma, os resultados devem ser interpretados com cautela quanto à sua generalização para outros cenários, especialmente aqueles com diferentes perfis de financiamento, gestão ou complexidade assistencial. Entretanto, as características do hospital estudado podem tornar os achados relevantes e potencialmente aplicáveis a outras instituições com perfil semelhante.
CONCLUSÃO
O estudo permitiu caracterizar os pacientes acometidos por quedas hospitalares. Neste cenário, houve predomínio do sexo masculino, com média de idade de 56 anos, sendo a faixa etária de 50 a 59 anos a mais representativa. A maior parte dos pacientes que sofreram queda (86,2%) apresentava doenças crônicas. As quedas ocorreram principalmente entre pacientes internados. Entre os motivos de internação, destacaram-se doenças do aparelho circulatório e respiratório, com predomínio de pacientes previamente classificados como de alto risco para quedas. A maioria das quedas (54,9%) foi da própria altura.
Além disso, foram identificados como preditores para quedas moderadas e graves em pacientes hospitalizados o sexo masculino, o maior tempo de internação, as doenças crônicas, as doenças do aparelho circulatório, a desorientação e o turno matutino. Ter internações prévias no último ano foi um fator de proteção para quedas com esse desfecho. O modelo final apresentou capacidade discriminatória moderada, reforçando a sua utilidade como ferramenta para apoiar a prática clínica e orientar as estratégias de prevenção direcionadas a grupos de maior risco.
Os achados ressaltam a importância de investir em medidas preventivas específicas no hospital estudado, como a intensificação da vigilância nos períodos da manhã, a avaliação rigorosa do estado clínico de pacientes com comorbidades e a adaptação do ambiente físico de quartos e banheiros. O estudo contribui para o avanço da segurança do paciente no contexto hospitalar brasileiro e sinaliza a necessidade de novas pesquisas multicêntricas que validem e ampliem o modelo preditivo aqui proposto.
DISPONIBILIDADE DE DADOS
Todo o conjunto de dados que dá suporte aos resultados deste estudo foi publicado no próprio artigo.
Referências bibliográficas
-
1. World Health Organization. Falls: fact sheet. Geneva: WHO; 2021 [cited 2025 Nov 9]. Available from: https://www.who.int/news-room/fact-sheets/detail/falls.
» https://www.who.int/news-room/fact-sheets/detail/falls. -
2. Ganz D.A., Huang C., Saliba D., Shier V., Berlowitz D., Lukas C.V., et al. Preventing falls in hospitals: a toolkit for improving quality of care. Rockville (MD): Agency for Healthcare Research and Quality; 2013 [cited 2026 May 15]. Available from: https://www.ahrq.gov/sites/default/files/publications/files/fallpxtoolkit.pdf.
» https://www.ahrq.gov/sites/default/files/publications/files/fallpxtoolkit.pdf. -
3. Morse JM. Preventing patient falls: establishing a fall intervention program. 2nd ed. New York: Springer; 2009 [cited 2026 May 15]. Available from: https://link.springer.com/book/10.1891/9780826103864.
» https://link.springer.com/book/10.1891/9780826103864. -
4. Hoppes M., Mitchell J. Serious safety events: a focus on harm classification – deviation in care as link. Chicago: American Society for Healthcare Risk Management; 2014 [cited 2026 May 15]. Available from: https://www.ashrm.org/system/files/media/file/2019/05/SSE-2_getting_to_zero-9-30-14.pdf.
» https://www.ashrm.org/system/files/media/file/2019/05/SSE-2_getting_to_zero-9-30-14.pdf. - 5. De Franceschi V, Visentin A. Hospital falls: retrospective analysis of risk factors and prevention strategies in a healthcare organization in Northern Italy. Ig Sanita Pubbl. 2025;95(2):55–65. PubMed PMID: 40698431.
-
6. Fernandez R, Green H, Paulik O, Christopher K, Haigh S, Whitaker R, et al. Falls in an Australian hospital during the COVID-19 pandemic: a study of patient safety incident reports. J Patient Saf. 2025;21(4):220–5. doi: https://doi.org/10.1097/PTS.0000000000001336. PubMed PMID: 40152700.
» https://doi.org/10.1097/PTS.0000000000001336 -
7. Heikkilä A, Lehtonen L, Junttila K. Consequences of inpatient falls in acute care: a retrospective register study. J Patient Saf. 2024;20(5):340–4. doi: https://doi.org/10.1097/PTS.0000000000001230. PubMed PMID: 38687005.
» https://doi.org/10.1097/PTS.0000000000001230 -
8. Dykes PC, Curtin-Bowen M, Lipsitz S, Franz C, Adelman J, Adkison L, et al. Cost of inpatient falls and cost-benefit analysis of implementation of an evidence-based fall prevention program. JAMA Health Forum. 2023;4(1):e225125. doi: https://doi.org/10.1001/jamahealthforum.2022.5125. PubMed PMID: 36662505.
» https://doi.org/10.1001/jamahealthforum.2022.5125 -
9. Joint Commission International. International patient safety goals. Oak Brook (IL): Joint Commission International; 2024 [cited 2026 May 15]. Available from: https://www.jointcommission.org/en/standards/international-patient-safety-goals.
» https://www.jointcommission.org/en/standards/international-patient-safety-goals. -
10. Agência Nacional de Vigilância Sanitária. Notivisa (módulo: assistência à saúde). Brasília: ANVISA [cited 2026 Mar 1]. Available from: https://www.gov.br/anvisa/pt-br/acessoainformacao/dadosabertos/informacoes-analiticas/servicos-de-saude/notivisa-modulo-assistencia-a-saude.
» https://www.gov.br/anvisa/pt-br/acessoainformacao/dadosabertos/informacoes-analiticas/servicos-de-saude/notivisa-modulo-assistencia-a-saude. -
11. Chowdhury MZI, Turin TC. Variable selection strategies and its importance in clinical prediction modelling. Fam Med Community Health. 2020;8(1):e000262. doi: https://doi.org/10.1136/fmch-2019-000262. PubMed PMID: 32148735.
» https://doi.org/10.1136/fmch-2019-000262 -
12. World Health Organization. Obesity: preventing and managing the global epidemic: report of a WHO consultation. Geneva: WHO; 2000 [cited 2026 May 15]. 252 p. (WHO Technical Report Series, 894). Available from: https://iris.who.int/bitstream/handle/10665/42330/WHO_TRS_894.pdf.
» https://iris.who.int/bitstream/handle/10665/42330/WHO_TRS_894.pdf. - 13. Coutinho LM, Scazufca M, Menezes PR. Methods for estimating prevalence ratios in cross-sectional studies. Rev Saude Publica. 2008;42(6):992–8. PubMed PMID: 19009156.
-
14. Francisco PMSB, Barros MBA, Segri NJ, Alves MCGP, César CLG, Carandina L, et al. Association measures in cross-sectional studies with complex sampling designs. Rev Bras Epidemiol. 2008;11(3):347–55. doi: https://doi.org/10.1590/S1415-790X2008000300002.
» https://doi.org/10.1590/S1415-790X2008000300002 - 15. Medronho R.A., Perez M.A. Testes diagnósticos. In: Medronho RA, Bloch KV, Luiz RR, Werneck GL, editores. Epidemiologia. 2. ed. São Paulo: Atheneu; 2009. p. 389–402.
-
16. Ghosh M, O’Connell B, Afrifa-Yamoah E, Kitchen S, Coventry L. A retrospective cohort study of factors associated with severity of falls in hospital patients. Sci Rep. 2022;12(1):12266. doi: https://doi.org/10.1038/s41598-022-16403-z. PubMed PMID: 35851400.
» https://doi.org/10.1038/s41598-022-16403-z -
17. Lin WQ, Lin L, Sun SY, Yuan LX, Sun MY, Wang C, et al. Prevalence of falls, injury from falls and associations with chronic diseases among community-dwelling older adults in Guangzhou, China: a cross-sectional study. Front Public Health. 2023;11:1251858. doi: https://doi.org/10.3389/fpubh.2023.1251858. PubMed PMID: 37780423.
» https://doi.org/10.3389/fpubh.2023.1251858 -
18. Mikos M, Biskup E, Daubmann A, Müller N, Rosenberg C, Böhner M, et al. Hospital inpatient falls across clinical departments. Int J Environ Res Public Health. 2021;18(15):3982. doi: https://doi.org/10.3390/ijerph18158167. PubMed PMID: 34360462.
» https://doi.org/10.3390/ijerph18158167 -
19. Lee YH, Kim MS. Risk Factors according to Fall Risk Level in General Hospital Inpatients. J Korean Acad Fundam Nurs. 2022;29(1):35–44. doi: https://doi.org/10.7739/jkafn.2022.29.1.35.
» https://doi.org/10.7739/jkafn.2022.29.1.35 - 20. McKercher JP, Peiris CL, Hill AM, Peterson S, Thwaites C, Fowler-Davis S, et al. Hospital falls clinical practice guidelines: a global analysis and systematic review. Age Ageing. 2024;53(7):afae149. PubMed PMID: 39023234.
-
21. Calabrese L, Maffoni M, Torlaschi V, Pierobon A. What is hidden behind amputation? Quanti-qualitative systematic review on psychological adjustment and quality of life in lower limb amputees for non-traumatic reasons. Healthcare (Basel). 2023;11(11):1661. doi: https://doi.org/10.3390/healthcare11111661. PubMed PMID: 37297801.
» https://doi.org/10.3390/healthcare11111661 -
22. Govekar SG, Prameela D’Souza J, Kotian RR. Impact of peripheral artery disease on daily living: a study on knowledge, contributing factors and quality of life among patients. J Vasc Nurs. 2025;43(2):73–9. doi: https://doi.org/10.1016/j.jvn.2025.02.002. PubMed PMID: 40484577.
» https://doi.org/10.1016/j.jvn.2025.02.002 -
23. Satoh M, Miura T, Shimada T, Hamazaki T. Risk stratification for early and late falls in acute care settings. J Clin Nurs. 2023;32(3-4):494–505. doi: https://doi.org/10.1111/jocn.16267. PubMed PMID: 35224808.
» https://doi.org/10.1111/jocn.16267 -
24. Yasan C, Rohlje B, Cork J, Cooper-Blair C, Hayes A. Systematic review of patients’ perceptions of the contributing factors that led to falling in acute care hospitals during their hospitalisation. Nurs Open. 2025;12(5):e70240. doi: https://doi.org/10.1002/nop2.70240. PubMed PMID: 40401919.
» https://doi.org/10.1002/nop2.70240 -
25. Heikkilä A, Lehtonen L, Junttila K. Fall rates by specialties and risk factors for falls in acute hospital: a retrospective study. J Clin Nurs. 2023;32(15-16):4868–77. doi: https://doi.org/10.1111/jocn.16594. PubMed PMID: 36478598.
» https://doi.org/10.1111/jocn.16594 -
26. Xu J, Peng S, Yao L, Liu M, Yue L. Clinical characteristics and influencing factors of serious fall injuries among older inpatients: a secondary analysis of multicenter cross-sectional administrative data. Int J Nurs Stud. 2025;161:104956. doi: https://doi.org/10.1016/j.ijnurstu.2024.104956. PubMed PMID: 39571495.
» https://doi.org/10.1016/j.ijnurstu.2024.104956 -
27. Arun B, Lewis SH. Frailty and deconditioning on the acute take. Clin Med. 2026 Mar;26(2):100548. doi: https://doi.org/10.1016/j.clinme.2025.100548.
» https://doi.org/10.1016/j.clinme.2025.100548 -
28. LaFond CM, Moreno ACP, Hooper V, Okuno-Jones S, Sitterding M. A mixed effects model analysis for inpatient falls using health record data from 72 hospitals. J Clin Nurs. 2026;35(6):2696–705. doi: https://doi.org/10.1111/jocn.70204. PubMed PMID: 41531209.
» https://doi.org/10.1111/jocn.70204 -
29. Cheng Y, Jiang Y, Tai R, Yang L, Xiang Q, Wang Y, et al. Structural analysis of nursing quality issues in tertiary hospitals based on quality control inspections: a case study of 59 hospitals in Shanghai. Front Public Health. 2026;13:1677639. doi: https://doi.org/10.3389/fpubh.2025.1677639.
» https://doi.org/10.3389/fpubh.2025.1677639 -
30. Quadros DV, Magalhães AMM, Wachs P, Severo IM, Tavares JP, Dal Pai D. Modeling of adult patient falls and the repercussions to Nursing as a second victim. Rev Lat Am Enfermagem. 2022;30:e3617. doi: https://doi.org/10.1590/1518-8345.5830.3617. PubMed PMID: 35920541.
» https://doi.org/10.1590/1518-8345.5830.3617
Fonte: Dados da pesquisa.