Neste artigo
Protocolos de remoção de líquidos em terapia renal substitutiva contínua (CKRT) viraram um ponto sensível na UTI.
De um lado, a sobrecarga hídrica pode piorar desfechos em pacientes críticos.
Do outro, a tentativa de remover volume de forma mais agressiva pode aumentar o risco de hipotensão intradialítica, além de gerar tensão operacional na equipe.
Um estudo publicado na Applied Nursing Research investigou exatamente esse equilíbrio, avaliando a viabilidade e a aceitabilidade de uma estratégia de remoção líquida baseada no peso (UFNET weight-based) durante CKRT, apoiada por uma calculadora automatizada de remoção de fluidos.
Segundo o estudo, 59% dos enfermeiros concordaram que a ultrafiltração líquida baseada no peso pode reduzir o risco de sobrecarga hídrica, mas 36% citaram aumento de carga de trabalho como barreira.
O que é UFNET “baseado no peso” e por que isso importa
Na prática, UFNET (net ultrafiltration) é a quantidade “líquida” de fluido removida do paciente por hora, considerando o balanço entre o que entra e o que é retirado pelo circuito.
A proposta “baseada no peso” organiza essa retirada em uma taxa por kg, tentando padronizar o ritmo de remoção de volume e reduzir variações grandes entre profissionais, turnos ou unidades.
Esse tipo de padronização pode ser atraente por dois motivos.
Primeiro, porque tende a deixar a meta mais objetiva.
Segundo, porque cria um caminho para incorporar apoio à decisão no leito, especialmente quando a UTI já opera com sobrecarga de alarmes e múltiplos sistemas concorrendo por atenção.
Onde entra a “inteligência” do processo: calculadora automatizada
O estudo avaliou uma estratégia apoiada por uma calculadora automatizada de remoção de fluidos.
Isso não é “IA generativa” no sentido popular do termo, mas é um exemplo muito concreto de decisão assistida por software, com potencial de reduzir erros de cálculo e padronizar condutas.
Em contextos críticos como CKRT, pequenas diferenças de taxa podem representar:
- Segurança hemodinâmica — menos episódios de queda de pressão durante a terapia.
- Controle de volume — maior consistência para atingir metas de balanço hídrico.
- Comunicação em equipe — metas mais claras em passagens de plantão.
Como o estudo foi conduzido (em linguagem direta)
De acordo com o abstract do PubMed, os autores realizaram um estudo de survey (questionário) para entender percepções e atitudes de enfermeiros de UTI diante da estratégia UFNET baseada no peso.
O levantamento incluiu enfermeiros que cuidavam de pacientes inscritos no estudo RELIEVE-AKI, em UTIs da University of Pittsburgh Medical Center e da Mayo Clinic.
Ou seja, a pergunta central não foi “funciona clinicamente para todos os pacientes?”, mas “é viável no mundo real e é aceitável para quem executa?”.
- Tipo de evidência — opinião e experiência de enfermeiros (não é ensaio clínico de desfecho).
- Foco — usabilidade, fluxo de trabalho, flexibilidade e percepção de risco/benefício.
- Contexto — UTIs com prática de CKRT e pacientes em estudo multicêntrico.
Principais resultados: ganhos percebidos, mas com fricção operacional
Os dados do abstract trazem um retrato bem honesto do “trade-off” típico de tecnologia em saúde.
Há uma percepção de benefício, mas também sinais de custo operacional.
Entre os 90 enfermeiros que participaram:
- 59% concordaram que a estratégia baseada no peso pode reduzir o risco de sobrecarga hídrica.
- 50% acreditaram que pode reduzir hipotensão intradialítica.
- Apenas 41% sentiram que o método permitia flexibilidade na remoção de fluidos.
Quando o assunto é barreira, dois itens apareceram com força:
- Aumento de carga de trabalho — citado por 36%.
- Demanda de tempo — citada por 24%.
Sobre a calculadora automatizada, a percepção também foi mista:
- 70% disseram que era fácil de aprender.
- 47% a consideraram clinicamente valiosa.
- 31% relataram aumento de carga de trabalho.
- 37% disseram que ela adicionou tempo ao fluxo.
O ponto mais importante: padronizar sem “engessar” o julgamento clínico
Um detalhe do abstract merece destaque porque conversa direto com a realidade da enfermagem.
Os enfermeiros enfatizaram a necessidade de individualizar decisões de remoção de fluido com base em fatores específicos do paciente, e não apenas no peso corporal.
Isso é crucial.
Em CKRT, metas de ultrafiltração costumam ser influenciadas por múltiplos sinais, por exemplo:
- Estado hemodinâmico — uso de vasopressores, tendência de pressão, perfusão.
- Resposta ao tratamento — tolerância prévia a remoções, episódios de hipotensão.
- Objetivos do dia — balanço planejado, ventilação, edema, necessidade de mobilização.
Quando uma ferramenta impõe um caminho “único”, a equipe pode sentir que perdeu autonomia.
E autonomia, na enfermagem, não é ego.
É um componente direto de segurança, porque o cuidado em UTI exige adaptação minuto a minuto.
Decisão assistida não é decisão terceirizada: a melhor tecnologia é a que reforça o julgamento clínico do enfermeiro, em vez de competir com ele por controle.
O que esse estudo ensina sobre “IA” aplicada à enfermagem (mesmo sem GenAI)
Para quem acompanha IA na enfermagem, o estudo é um lembrete útil.
Nem toda inovação relevante precisa ser um modelo complexo.
Às vezes, a transformação vem de algo mais “simples” e muito bem aplicado: um calculador, um fluxo padronizado, um apoio à decisão integrado.
A mensagem principal é que tecnologia que mexe em condutas críticas precisa passar por três testes práticos:
- Treinamento — o estudo destaca a necessidade de capacitação robusta.
- Integração ao workflow — se acrescenta cliques e tempo, a adesão cai.
- Espaço para julgamento — protocolos precisam permitir adaptação ao paciente real.
Como aplicar essas lições no seu serviço (passo a passo realista)
Se a sua UTI considera adotar uma estratégia padronizada de UFNET ou uma calculadora, vale um roteiro bem pé no chão.
Ele evita dois extremos comuns: “vamos automatizar tudo” e “isso só atrapalha”.
- Comece pequeno — pilote em poucos leitos, com equipe referência e metas claras.
- Meça o que dói — tempo extra por ajuste, número de interrupções e eventos de hipotensão.
- Colha feedback estruturado — o estudo mostra que percepção de flexibilidade é decisiva.
- Documente exceções — quando e por que o enfermeiro saiu do padrão, e se isso evitou dano.
Isso transforma a ferramenta em algo coproduzido com a equipe, e não imposto de cima para baixo.
Conclusão: tecnologia útil é a que economiza “cognição”, não a que consome
O estudo sugere que uma estratégia de UFNET baseada no peso, apoiada por calculadora, pode ser vista como benéfica para reduzir risco de sobrecarga hídrica e hipotensão em parte significativa dos enfermeiros entrevistados.
Mas também deixa claro o principal gargalo: carga de trabalho, tempo e sensação de flexibilidade limitada.
Na prática, isso reforça uma regra de ouro na IA (e na tecnologia clínica em geral): se não respeitar o fluxo e o julgamento do enfermeiro, a ferramenta não escala.
Quando respeita, ela vira exatamente o que a enfermagem precisa em ambientes de alta complexidade: mais consistência, menos ruído e decisões mais seguras.
Referência
Singh W, Nikravangolsefid A, Palevsky PM, Kashani K, Murugan R. Feasibility and acceptability of weight-based net fluid removal during continuous kidney replacement therapy: A nursing survey. Applied Nursing Research. 2026;88:152066. DOI: 10.1016/j.apnr.2026.152066. PMID: 41826036.
