Goodhart, Campbell y Strathern: por qué los indicadores se degradan cuando se convierten en metas vacías de la generación de valor, de la atención centrada en la persona y la calidad, y qué hacer con eso en la gestión sanitaria

Dr. Carlos Alberto Díaz

Profesor Titular · Universidad ISALUD

Buenos Aires, octubre de 2026

Idea central Medir es indispensable para gestionar. Pero un indicador que se transforma en objetivo, y sobre todo en objetivo con premios y castigos, cambia la conducta de quienes son medidos. Primero se deteriora la información que el indicador transmitía; después se deteriora el propio proceso asistencial que pretendía vigilar. Este trabajo recorre las tres formulaciones clásicas de esa advertencia y la documenta con casos concretos de la salud.

Índice

1. Introducción: la paradoja del indicador………………………………………………………………… 3

2. Tres formulaciones de una misma advertencia………………………………………………………. 3

3. Anatomía de la corrupción: cómo se degrada un indicador…………………………………… 5

4. Ejemplos concretos en salud……………………………………………………………………………… 7

5. Los riesgos en nuestro medio…………………………………………………………………………… 11

6. ¿Dejar de medir? No: medir de otra manera……………………………………………………….. 12

7. Conclusión: la métrica como brújula, no como destino……………………………………….. 14

Bibliografía……………………………………………………………………………………………………… 15

1. Introducción: la paradoja del indicador

Quien haya dirigido un servicio, un sanatorio o un hospital público conoce la escena. Se fija una meta razonable —reducir la estancia media, bajar el tiempo de espera en la guardia, disminuir las reinternaciones— y los números empiezan a mejorar, pero la atención no es percibida por el paciente. El tablero se pinta de verde. Y sin embargo, en las recorridas, en las quejas, en la conversación de pasillo con enfermería, la sensación es que la atención no mejoró en la misma proporción, o incluso que empeoró en algún aspecto que nadie estaba mirando.

Esa distancia entre el número y la realidad no es un accidente ni, en la mayoría de los casos, un fraude deliberado. Es una regularidad del comportamiento humano en las organizaciones, descripta de manera independiente por un economista, un psicólogo social y una antropóloga: Charles Goodhart, Donald T. Campbell y Marilyn Strathern. Sus tres enunciados se citan habitualmente como si fueran uno solo, pero no dicen exactamente lo mismo, y las diferencias importan para quien diseña indicadores en salud.

Este trabajo propone llamar al fenómeno, en conjunto, la corrupción de las métricas. La palabra corrupción se usa aquí en su sentido etimológico y técnico —algo que se descompone, que pierde su forma original—, no en el sentido penal. Una métrica corrompida es una que dejó de informar sobre aquello para lo que fue creada, porque el sistema aprendió a producir el número sin producir el resultado.

El recorrido es el siguiente: primero, las tres formulaciones y sus matices; segundo, los mecanismos por los cuales una métrica se corrompe; tercero, un conjunto de casos documentados en sistemas de salud de distintos países; cuarto, una lectura de los riesgos en nuestro medio; y, finalmente, criterios prácticos para seguir midiendo —porque hay que seguir midiendo— sin caer en la trampa.

2. Tres formulaciones de una misma advertencia

2.1. Goodhart (1975): la regularidad estadística que colapsa

Charles Goodhart, economista del Banco de Inglaterra, presentó en 1975 un trabajo sobre la política monetaria británica en una conferencia del Banco de la Reserva de Australia. En una nota casi lateral formuló lo que después se conocería como su ley: toda regularidad estadística observada tiende a desmoronarse en cuanto se la presiona con fines de control.

El contexto era preciso. El Banco de Inglaterra había observado una relación estable entre ciertos agregados monetarios y la inflación, y decidió usar esos agregados como objetivo de política. En cuanto lo hizo, los bancos y los agentes financieros modificaron su conducta —crearon instrumentos que quedaban fuera del agregado controlado— y la relación que antes era confiable dejó de serlo. El indicador no estaba mal construido: funcionaba bien mientras nadie lo perseguía.

La idea tiene un pariente cercano en la macroeconomía: la crítica de Lucas (1976), según la cual las relaciones estimadas a partir de datos históricos no sirven para evaluar una política nueva, porque los agentes cambian sus expectativas y su comportamiento cuando cambia la regla. Goodhart lo dijo con menos aparato formal y con más ironía: el acto mismo de convertir una correlación en palanca de control la destruye.

Lo esencial de Goodhart El problema es informacional. Un indicador es valioso porque resume una relación que existe en el sistema cuando nadie actúa estratégicamente sobre él. Al transformarlo en objetivo se rompe esa relación: el número sigue existiendo, pero ya no significa lo mismo.

2.2. Campbell (1976): la doble corrupción del dato y del proceso

Donald T. Campbell fue uno de los grandes metodólogos de la evaluación de programas sociales en los Estados Unidos. En un trabajo de 1976, publicado en versión definitiva en 1979 bajo el título Assessing the Impact of Planned Social Change, enunció su propia ley, que en traducción fiel dice:

«Cuanto más se usa un indicador social cuantitativo para la toma de decisiones sociales, más sujeto estará a presiones de corrupción y más apto será para distorsionar y corromper los procesos sociales que pretende monitorear.» — Donald T. Campbell, 1979

La formulación de Campbell es más amplia e inquietante que la de Goodhart, porque describe dos corrupciones simultáneas. La primera afecta al dato: el registro se manipula, se reclasifica, se omite. La segunda afecta al proceso: la gente cambia lo que hace para que el indicador mejore, aunque eso no mejore —o empeore— el resultado de fondo. Sus ejemplos venían de la educación (docentes que enseñan para la prueba estandarizada en lugar de enseñar), de la policía (tasas de esclarecimiento de delitos infladas mediante la reclasificación de denuncias) y de los programas sociales.

Para la salud, Campbell es probablemente el más pertinente de los tres, porque las decisiones sanitarias son, en el sentido que él usaba, decisiones sociales: asignan recursos públicos, definen quién recibe atención y cuándo, y se toman cada vez más sobre la base de indicadores cuantitativos que se publican, se comparan y se pagan.

Lo esencial de Campbell El problema es conductual y social. No solo se deteriora la información: se deteriora la práctica. Un indicador usado como único criterio de decisión termina modelando lo que la organización hace, y no siempre en la dirección deseada.

2.3. Strathern (1997): la medida convertida en meta

La frase que se cita con más frecuencia —«cuando una medida se convierte en objetivo, deja de ser una buena medida»— no es de Goodhart sino de la antropóloga británica Marilyn Strathern. Aparece en un artículo de 1997 sobre la cultura de auditoría en las universidades británicas, «Improving ratings»: audit in the British University system, donde Strathern reformula la ley de Goodhart en términos más generales a partir de un comentario del contador e historiador Keith Hoskin.

El contexto era el Research Assessment Exercise, el sistema británico que calificaba a los departamentos universitarios según su producción científica y asignaba fondos en función de esa calificación. Strathern observó cómo los académicos reorganizaban su trabajo en torno a lo que el sistema contaba —cantidad de publicaciones, revistas elegidas, plazos de cierre—, y cómo la evaluación, pensada para describir la calidad, empezaba a producir un tipo particular de calidad: la que puntuaba bien.

Su aporte es antropológico: la auditoría no es un instrumento neutral que se aplica sobre una realidad ya dada, sino una práctica cultural que transforma a quienes audita. Los profesionales internalizan la métrica, empiezan a describirse a sí mismos en sus términos y a juzgar su trabajo por ella. La medida deja de ser una ventana para convertirse en un espejo.

Lo esencial de Strathern El problema es cultural. La generalización —cualquier medida, no solo las estadísticas monetarias— y el foco en la cultura de la auditoría explican por qué su versión se volvió la más citada en educación, salud y administración pública.

2.4. Tres leyes, una familia

La tabla siguiente resume las diferencias. Conviene tenerlas presentes, porque cada formulación sugiere un remedio distinto: Goodhart invita a desconfiar de la estabilidad de cualquier indicador sometido a presión; Campbell, a no tomar decisiones sociales con un único parámetro; Strathern, a vigilar la cultura que la medición genera.

	Goodhart (1975)	Campbell (1976/1979)	Strathern (1997)
Disciplina	Economía monetaria	Psicología social y evaluación de programas	Antropología social
Contexto original	Agregados monetarios como objetivo de política del Banco de Inglaterra	Indicadores de educación, policía y programas sociales en EE. UU.	Auditoría de la investigación universitaria británica
Qué se corrompe	La relación estadística que daba sentido al indicador	El dato y, además, el proceso social que el dato vigila	La medida y la identidad profesional de los medidos
Mecanismo central	Los agentes cambian su conducta ante el control	Presión de decisión sobre un único parámetro cuantitativo	Cultura de auditoría que internaliza la meta
Lección para la salud	Ningún indicador es estable si se lo persigue	Ninguna decisión sanitaria debe depender de un solo número	Medir transforma a quien es medido: hay que cuidar la cultura

Tabla 1. Las tres formulaciones de la corrupción de las métricas.

La corrupción de un indicador es un proceso previsible y no un accidente. Goodhart explica qué se rompe, Campbell cómo se rompe y Strathern por qué la ruptura se vuelve permanente; el gestor puede intervenir en cada etapa si sabe reconocerla.

3. Anatomía de la “corrupción”: cómo se degrada un indicador

Decir que las métricas se corrompen es una advertencia; entender cómo lo hacen es una herramienta de gestión. La literatura ofrece varias taxonomías complementarias. Tres son especialmente útiles. Atender solo lo que se mide y se descuida lo que no esta midiéndose. Pasar un paciente del pronto socorro a la urgencia aunque se provoque un overcrowding de la misma. Registrar en un check list sin haberlo hecho. Educar sin hacerlo. Rechazar o derivar un paciente de riesgo, para disminuir las complicaciones posibles. Mejorando resultados por bajo riesgo al inicio.

3.1. Las consecuencias no buscadas de publicar datos de desempeño

Peter Smith, economista de la salud de la Universidad de York, publicó en 1995 un análisis sistemático de las consecuencias no deseadas de publicar indicadores de desempeño en el sector público. Su lista sigue siendo un excelente instrumento de diagnóstico para cualquier tablero hospitalario:

Efecto	Qué es	Ejemplo hospitalario
Visión de túnel	Se atiende lo medido y se descuida lo no medido	Mejorar el tiempo de espera de la guardia mientras se deteriora la calidad de la evaluación inicial
Suboptimización	Cada unidad optimiza su indicador en perjuicio del conjunto	La guardia «cumple» derivando rápido a una sala que colapsa
Miopía	Se privilegian resultados de corto plazo	Recortar capacitación o mantenimiento para mostrar costos bajos este trimestre
Fijación en la medida	Se persigue el indicador y no el objetivo que representa	Registrar la «educación al alta» como casillero tildado, sin educación real
Tergiversación	Manipulación deliberada del dato	Reclasificar una reinternación como «nueva internación» o como consulta
Mala interpretación	Lectura errónea de datos complejos	Comparar mortalidad cruda entre un hospital de derivación y uno de baja complejidad
Juego (gaming)	Alterar la conducta para obtener ventaja estratégica	Rechazar o derivar pacientes de alto riesgo para proteger la tasa de complicaciones
Osificación	El sistema de indicadores se vuelve rígido e impide innovar	Mantener metas que ya no reflejan la casuística ni la tecnología actual

Tabla 2. Consecuencias no buscadas de los indicadores de desempeño (adaptado de Smith, 1995).

3.2. Los juegos con las metas: umbral, trinquete y distorsión

Gwyn Bevan y Christopher Hood estudiaron el régimen de metas que el gobierno británico impuso al NHS de Inglaterra a comienzos de la década de 2000, con publicación de «estrellas» y consecuencias severas para los gerentes que no cumplían. Lo describieron como un régimen de «metas y terror» y señalaron que se apoyaba en dos supuestos frágiles: que una parte medida puede representar al todo —una sinécdoque— y que los problemas de medición y de juego no importan.

Identificaron tres formas típicas de juego frente a las metas:

• Efecto trinquete (ratchet effect): si la meta del año próximo se fija sobre el desempeño de este año, nadie tiene incentivo para superarla con holgura. Se rinde lo justo.
• Efecto umbral (threshold effect): una meta uniforme no da incentivo a quienes ya la superan para seguir mejorando, y a veces los empuja a relajarse hasta el límite.
• Distorsión del producto (output distortion): se logra el número a costa de aspectos no medidos de la calidad, o mediante manipulación del registro.

El hallazgo más importante de Bevan y Hood no fue que el régimen fracasara —en varios aspectos mejoró el desempeño reportado—, sino que no había forma de saber cuánto de esa mejora era real sin un sistema de verificación independiente. Las visitas de la Comisión para la Mejora de la Atención Sanitaria descubrieron prácticas de juego que los datos por sí solos no revelaban.

3.3. Cuatro variantes de Goodhart

Más recientemente, Manheim y Garrabrant (2018) propusieron clasificar la ley de Goodhart en cuatro variantes, una taxonomía nacida en el campo de la inteligencia artificial que resulta sorprendentemente útil para la gestión sanitaria:

Variante	Lógica	Traducción sanitaria
Regresional	El indicador es una aproximación imperfecta; al optimizarlo se optimiza también el ruido	Los hospitales con mejor mortalidad un año suelen «empeorar» el siguiente por simple regresión a la media
Extremal	La relación entre indicador y objetivo cambia en los valores extremos	Reducir la estancia es bueno hasta cierto punto; más allá, aparecen altas prematuras y reinternaciones
Causal	Se interviene sobre el indicador sin actuar sobre la causa	Bajar reinternaciones usando internaciones de observación, sin mejorar la transición del cuidado
Adversarial	Los agentes explotan activamente la métrica	Seleccionar pacientes, reclasificar eventos o maquillar registros para cobrar un incentivo

Tabla 3. Variantes de la ley de Goodhart (adaptado de Manheim y Garrabrant, 2018).

Esta clasificación tiene una consecuencia práctica: no toda corrupción es mala fe. Las variantes regresional y extremal ocurren aunque todos los actores sean honestos. Por eso el remedio no puede ser solamente la auditoría o la sanción; tiene que incluir el diseño mismo del indicador.

Steven Kerr lo había resumido ya en 1975 en un artículo clásico de la administración: es una locura premiar A mientras se espera B. Las organizaciones obtienen aquello que recompensan, no aquello que declaran desear.

4. Ejemplos concretos en salud

Los casos que siguen están documentados en la literatura o en informes oficiales. Se eligieron porque cada uno ilustra un mecanismo distinto y porque, en conjunto, muestran que la corrupción de las métricas aparece en sistemas públicos y privados, con financiamiento por presupuesto y por desempeño, en países ricos y con buenas instituciones de control.

4.1. La meta de las cuatro horas en las guardias inglesas

A partir de 2004, el NHS de Inglaterra fijó como meta que el 98 % de los pacientes que concurrían a un servicio de urgencias fueran atendidos, internados, derivados o dados de alta en menos de cuatro horas. La meta produjo mejoras reales en los tiempos de espera. Pero también dejó una huella estadística inconfundible: Locker y Mason (2005), al analizar la distribución de los tiempos de permanencia, encontraron un pico pronunciado de egresos justo antes de las cuatro horas, una forma que ninguna distribución natural de tiempos asistenciales produciría.

Figura 1. Esquema ilustrativo del efecto umbral (no son datos reales). Cuando una meta binaria se fija en un tiempo determinado, la distribución se deforma y los pacientes se acumulan justo antes del límite.

El pico, por sí solo, no prueba un daño: puede reflejar decisiones aceleradas que igualmente eran correctas. Lo preocupante fueron las prácticas que lo acompañaron, descriptas por Bevan y Hood y por la prensa especializada: pacientes que esperaban en las ambulancias en la puerta del hospital porque el reloj no empezaba a correr hasta que ingresaban; internaciones en unidades de «evaluación» creadas para sacar al paciente de la guardia sin resolverlo; y decisiones de internar o dar el alta tomadas por el reloj y no por la clínica. Es Campbell en estado puro: el indicador mejoró y una parte del proceso que debía vigilar se distorsionó.

4.2. Los tiempos de respuesta de las ambulancias

Algo similar ocurrió con la meta de responder a las llamadas de emergencia más graves en ocho minutos. Bevan y Hamblin (2009) compararon los servicios de ambulancias de Inglaterra, sometidos al régimen de metas con publicación y sanción, con los de Escocia y Gales, que tenían sistemas más laxos. Inglaterra mejoró más su desempeño reportado, pero los datos mostraban también patrones de registro concentrados justo por debajo del umbral, compatibles con ajustes en la forma de medir —cuándo se considera iniciada la llamada, cómo se clasifica su gravedad— más que con una mejora real de la respuesta.

4.3. Las listas de espera ocultas de los veteranos (Phoenix, 2014)

El caso más grave y mejor documentado es el del sistema de salud de los veteranos de los Estados Unidos. El Departamento de Asuntos de Veteranos tenía una meta de 14 días para otorgar turnos de atención primaria, y el cumplimiento de esa meta estaba vinculado a la evaluación y las bonificaciones de los gerentes.

El informe interino del Inspector General, publicado en mayo de 2014, comprobó que en Phoenix unos 1.700 veteranos que esperaban un turno de atención primaria no figuraban en la lista de espera electrónica oficial, lo que los exponía a quedar olvidados en un circuito de agendamiento enrevesado. En una muestra de 226 veteranos, la espera promedio para el primer turno había sido de 115 días, frente a los 24 días que el hospital había informado a la administración central. El Inspector General describió además una práctica por la cual los administrativos ignoraban la fecha que el médico o el paciente deseaban y registraban como «fecha deseada» el próximo turno disponible, de modo que la espera medida siempre parecía corta, y concluyó que las prácticas inadecuadas de agendamiento eran sistémicas en toda la red.

La lección de Phoenix Es la combinación más peligrosa: una meta exigente, un incentivo económico personal ligado a ella y una capacidad real insuficiente para cumplirla. Cuando el recurso no alcanza y el castigo por no cumplir es alto, el sistema no produce más turnos: produce mejores números. El ajuste no se hace sobre la oferta sino sobre el registro, y el costo lo pagan los pacientes invisibles para la estadística.

La analogía con la lista de espera oculta que caracteriza a buena parte de nuestro sistema es directa: la espera que no se registra no existe para el tablero, pero existe para el paciente.

4.4. El programa de reducción de reinternaciones de Medicare

El Hospital Readmissions Reduction Program (HRRP), creado en 2010 por la reforma sanitaria estadounidense, penaliza a los hospitales con tasas de reinternación a 30 días superiores a las esperadas para insuficiencia cardíaca, infarto agudo de miocardio y neumonía. Las reinternaciones bajaron, y durante un tiempo el programa se presentó como un éxito.

Dos líneas de evidencia matizaron ese diagnóstico. La primera: el programa solo contaba como reinternación una internación formal, no las estadías en unidades de observación ni las consultas en la guardia; Wadhera, Yeh y Joynt Maddox (2019) señalaron que esa definición había inflado artificialmente la estimación de su éxito, y otros trabajos del mismo grupo mostraron que el aumento de las visitas a la guardia y de las estadías de observación tras el alta superaba la caída de las reinternaciones. La segunda: Wadhera y colaboradores (2018), en una cohorte de casi ocho millones de egresos de Medicare, encontraron que el anuncio y la implementación del programa se asociaron con un aumento de la mortalidad a 30 días posterior al alta en insuficiencia cardíaca y neumonía, aunque no en el infarto.

La evidencia no es unánime. Khera y colaboradores (2020), con otra metodología, no encontraron que el programa hubiera causado daño mediante el desvío de pacientes de alto riesgo hacia observación o guardia, y los propios autores del estudio de 2018 advirtieron que la asociación no probaba causalidad. Pero el caso es un ejemplo extraordinario de la variante causal de Goodhart: un indicador puede mejorar porque cambió la categoría administrativa del evento, no porque cambió el evento.

4.5. Los informes públicos de cirugía cardíaca en Nueva York

El Estado de Nueva York fue pionero, a fines de la década de 1980, en publicar la mortalidad ajustada por riesgo de cirugía de revascularización miocárdica por hospital y por cirujano. La mortalidad reportada bajó de manera notable. Pero los estudios posteriores mostraron efectos no buscados:

• Omoigui y colaboradores (1996) observaron en la Cleveland Clinic un aumento de pacientes neoyorquinos de alto riesgo que llegaban a operarse fuera de su estado tras la publicación de los informes.
• Dranove, Kessler, McClellan y Satterthwaite (2003) encontraron que los informes públicos se asociaron con una selección de pacientes más sanos para cirugía y con peores resultados para los más graves, que veían postergados o negados los procedimientos.
• Narins y colaboradores (2005) encuestaron a cardiólogos intervencionistas de Nueva York: una amplia mayoría reconoció que la publicación de resultados había influido en su decisión de intervenir o no a pacientes críticos.

Aquí la métrica no se corrompe por fraude sino por selección adversa: el profesional que acepta los casos más difíciles es el que más arriesga su indicador. Es la misma preocupación que surge cuando se proponen esquemas de pago por calidad a los financiadores: si no se ajusta bien por riesgo, el prestador que atiende a los pacientes más graves o con mayor carga social queda castigado.

4.6. El Quality and Outcomes Framework británico

En 2004 el Reino Unido introdujo el Quality and Outcomes Framework (QOF), el programa de pago por desempeño más grande del mundo en atención primaria, que vinculaba una proporción sustancial de los ingresos de los médicos de familia al cumplimiento de indicadores clínicos. El programa permitía la «exclusión por excepción»: retirar del denominador a pacientes para los cuales el indicador no era apropiado (por ejemplo, quienes rechazaban un tratamiento o tenían contraindicaciones).

Doran y colaboradores (2006) mostraron que el nivel de exclusión era la variable que mejor predecía un alto puntaje, y que un pequeño grupo de prácticas parecía haber excluido pacientes de manera inapropiada para elevar su desempeño. Gravelle, Sutton y Ma (2010) analizaron precisamente si las prácticas «trataban, hacían trampa o buscaban casos», y encontraron evidencia de las tres conductas. Y Doran y colaboradores (2011) observaron que, tras alcanzar las metas, la mejora de las actividades incentivadas se estancó, mientras que algunas actividades no incentivadas empeoraron respecto de su tendencia previa: visión de túnel en sentido estricto.

4.7. El dolor como quinto signo vital

Quizás el ejemplo más dramático de Campbell en la medicina contemporánea. A fines de los noventa, en respuesta a una preocupación legítima por el subtratamiento del dolor, se impulsó la evaluación sistemática del dolor como «quinto signo vital», y la Joint Commission incorporó en 2001 estándares de manejo del dolor. Más tarde, las encuestas de experiencia del paciente utilizadas por Medicare para ajustar pagos incluyeron preguntas sobre si el dolor había estado «bien controlado».

Diversos autores advirtieron que la combinación de un indicador de satisfacción vinculado al pago con una práctica clínica fácilmente ajustable —prescribir más opioides— generaba un incentivo perverso. La relación causal con la epidemia de opioides es materia de debate y sin duda multifactorial, pero la preocupación fue suficiente para que Medicare retirara las preguntas sobre dolor del cálculo de pagos a partir de 2018. El caso muestra cómo una medida bien intencionada, convertida en objetivo económico, puede presionar sobre la conducta clínica en una dirección dañina.

4.8. Mid Staffordshire: cuando las metas desplazan al paciente

La investigación pública sobre el hospital de Mid Staffordshire, en Inglaterra, presidida por Robert Francis y publicada en 2013, describió años de atención deficiente, con pacientes desatendidos en necesidades elementales de higiene, hidratación y alimentación. Entre las causas, el informe señaló una cultura institucional orientada a cumplir metas financieras y de desempeño y a obtener el estatus de Foundation Trust, en la que los indicadores que importaban a la administración central desplazaron la atención sobre lo que les ocurría a los pacientes en las salas.

Mid Staffordshire es Strathern llevado al extremo: una organización que había aprendido a describirse a sí misma en los términos de su tablero, y que dejó de ver lo que el tablero no mostraba.

Caso	Indicador	Qué se corrompió	Ley que mejor lo explica
Guardias NHS (4 horas)	Proporción de pacientes resueltos en < 4 h	Momento de la decisión clínica; ambulancias en espera	Campbell
Ambulancias NHS (8 min)	Tiempo de respuesta a llamadas graves	Registro y clasificación de las llamadas	Goodhart
Veteranos, Phoenix	Espera para primer turno (meta 14 días)	Listas paralelas; fecha deseada adulterada	Campbell (fraude)
HRRP Medicare	Reinternaciones a 30 días	Categoría administrativa del retorno (observación, guardia)	Goodhart causal
Cirugía cardíaca NY	Mortalidad ajustada por cirujano	Selección de pacientes de menor riesgo	Campbell
QOF británico	Metas clínicas de atención primaria	Exclusiones del denominador; actividades no incentivadas	Goodhart / Smith
Dolor quinto signo vital	Control del dolor y satisfacción	Prescripción de analgésicos	Campbell
Mid Staffordshire	Metas financieras y de desempeño	Cultura institucional y cuidado básico	Strathern

Tabla 4. Síntesis de casos documentados.

5. Los riesgos en nuestro medio

Nuestro sistema mide menos que los descriptos y, sobre todo, publica muy poco. Podría pensarse que eso nos protege de la corrupción de las métricas. No es así: los indicadores que usamos —en la relación entre financiadores y prestadores, en los compromisos de gestión de los hospitales públicos, en los tableros internos de los sanatorios— están expuestos exactamente a los mismos mecanismos. Algunos riesgos que conviene vigilar:

Indicador habitual	Riesgo de corrupción	Contramétrica sugerida
Estancia media / giro cama	Altas prematuras; traslado de la estancia a otro sector o a otra institución	Reinternaciones a 7 y 30 días; consultas a la guardia posteriores al alta
Tasa de ocupación	Retener pacientes en días de baja demanda; sobreocupación crónica	Pacientes en espera de cama en la guardia (boarding); cancelaciones quirúrgicas
Tiempo de espera en guardia	Recategorizar el triaje; «primer contacto» sin evaluación real	Auditoría de concordancia del triaje; tiempo hasta la decisión clínica
Consultas por hora médica	Consultas fragmentadas y breves; más turnos por menos resolución	Reconsultas por el mismo motivo; tiempo hasta el diagnóstico
Débitos y rechazos de auditoría	Codificar para cobrar y no para describir; reclasificación de prácticas	Auditoría clínica de muestras; concordancia diagnóstico-práctica
Espera para turno programado	Agendas cerradas; listas paralelas; «no hay turnos» sin registro	Demanda rechazada registrada; tiempo hasta el primer contacto efectivo
Tasa de infecciones o complicaciones	Subregistro; búsqueda activa débil	Vigilancia activa independiente; consumo de antimicrobianos
Tasa de cesáreas	Selección de pacientes; reclasificación de indicaciones	Clasificación de Robson; resultados neonatales

Tabla 5. Riesgos de corrupción de indicadores frecuentes en clínicas, sanatorios y hospitales argentinos.

Dos rasgos de nuestro sistema agravan el riesgo. El primero es la fragmentación del financiamiento: cuando cada financiador mide y paga distinto, el prestador aprende a satisfacer cada métrica por separado, y el paciente queda partido entre lógicas contradictorias. El segundo es la debilidad de la verificación independiente: sin auditorías externas creíbles, sin visitas sorpresivas, sin datos cruzados entre fuentes, no hay forma de distinguir la mejora real de la mejora contable. Bevan y Hood lo mostraron con claridad: lo que descubrió el juego en Inglaterra no fueron los datos, sino la gente que fue a mirar.

Hay un tercer rasgo, menos visible: la cultura del cumplimiento formal. En muchas de nuestras instituciones el indicador se vive como una exigencia externa —del financiador, de la acreditadora, del ministerio— y no como una herramienta propia de aprendizaje. En ese clima, la tentación de producir el número en lugar del resultado es máxima, porque nadie siente que el número le pertenezca.

Para quien diseña esquemas de pago por desempeño Todo esquema de incentivos o penalidades basado en indicadores debe diseñarse suponiendo que será jugado. No por desconfianza moral hacia los prestadores, sino porque así funcionan los sistemas sometidos a presión. Las preguntas obligatorias antes de vincular dinero a un número son: ¿cómo podría mejorar este indicador sin que mejore la atención?, ¿quién podría quedar perjudicado por atender a los pacientes más complejos?, ¿qué contramétrica revelaría el juego?, ¿quién va a verificar el dato en terreno?

6. ¿Dejar de medir? No: medir de otra manera

La conclusión equivocada de todo lo anterior sería abandonar la medición. Jerry Muller, en The Tyranny of Metrics (2018), hace una crítica feroz de la fijación métrica en la medicina, la educación y la administración pública, pero no propone dejar de medir, sino reconocer los límites de la medición y devolverle un lugar al juicio profesional. Onora O’Neill, en sus conferencias Reith de 2002, advirtió que la cultura de la rendición de cuentas basada en indicadores, lejos de generar confianza, puede erosionarla, porque reemplaza la responsabilidad profesional por el cumplimiento de métricas.

Donald Berwick, uno de los grandes impulsores de la medición de la calidad, propuso en 2016 reducir de manera drástica la cantidad de indicadores obligatorios y dejar de usar incentivos financieros individuales complejos, porque el exceso de medición había generado una burocracia que consumía tiempo clínico y alimentaba el juego. Mucho antes, W. Edwards Deming había incluido la gestión por metas numéricas entre las enfermedades mortales de la administración, y había pedido eliminar las cuotas y los objetivos numéricos que se fijan sin un método para alcanzarlos.

6.1. Las tres caras de la medición

Solberg, Mosser y McDonald (1997) distinguieron tres propósitos de la medición del desempeño, que exigen diseños distintos y que no deberían confundirse:

Propósito	Pregunta	Características del indicador	Riesgo de corrupción
Mejora	¿Estamos mejorando nuestro proceso?	Pocos datos, frecuentes, cercanos al proceso; los usa el propio equipo	Bajo: no hay premio ni castigo externo
Rendición de cuentas	¿Cómo nos comparamos? ¿Merecemos el pago?	Ajuste por riesgo, definiciones estandarizadas, verificación externa	Alto: aquí actúan Goodhart y Campbell
Investigación	¿Qué funciona y por qué?	Diseño riguroso, control de sesgos, datos completos	Medio: depende del uso posterior

Tabla 6. Las tres caras de la medición del desempeño (adaptado de Solberg, Mosser y McDonald, 1997).

Buena parte de la corrupción de las métricas proviene de usar para rendir cuentas —con dinero y reputación en juego— indicadores que fueron pensados para mejorar. Un indicador de mejora es frágil frente a la presión; uno de rendición de cuentas necesita blindaje.

6.2. Diez principios para métricas menos corruptibles

1. Medir canastas, no números aislados. Ningún indicador individual debe decidir una asignación de recursos. Campbell lo dijo hace cincuenta años: la decisión social sobre un único parámetro es la más vulnerable.
2. Acompañar cada indicador con su contramétrica. Si se mide la estancia, se mide la reinternación; si se mide el tiempo de espera, se mide la concordancia del triaje. El Institute for Healthcare Improvement las llama balancing measures.
3. Mirar distribuciones, no solo promedios ni porcentajes de cumplimiento. Un pico justo antes del umbral es una alarma. Las metas binarias («menos de cuatro horas») invitan al efecto umbral; las metas continuas lo atenúan.
4. Ajustar por riesgo con seriedad. Sin ajuste por complejidad y por carga social, todo indicador de resultado castiga a quien atiende a los más graves y premia la selección de pacientes.
5. Verificar en terreno. Auditorías clínicas por muestreo, visitas sin aviso, cruce de fuentes de datos (historia clínica, farmacia, facturación, laboratorio). La ronda gerencial es también un instrumento de verificación de los indicadores.
6. Separar el indicador de mejora del indicador de pago. El equipo necesita datos propios, frecuentes, sin castigo, para aprender. El financiador necesita otros, más robustos, verificados y menos manipulables.
7. Moderar los incentivos individuales. Cuanto más grande y personal es el premio o el castigo vinculado a un número, mayor es la presión de corrupción. Phoenix es la demostración.
8. Rotar y revisar los indicadores. Un sistema de medición que no cambia nunca se osifica y se vuelve predecible. Bevan y Hood sugirieron introducir cierta ambigüedad estratégica: que no todo lo que se evalúa se conozca de antemano.
9. Involucrar a los clínicos en el diseño. Los profesionales saben mejor que nadie cómo se puede «jugar» un indicador. Preguntárselo antes de implementarlo es la forma más barata de prevenir la corrupción.
10. Preservar el juicio profesional. La métrica informa la decisión; no la reemplaza. Una cultura donde el profesional solo responde a su tablero es la cultura que Strathern describió y la que Mid Staffordshire padeció.

6.3. Señales de alarma

Una lista breve para la reunión mensual del cuadro de mando. Si varias de estas preguntas tienen respuesta afirmativa, es probable que alguna métrica se esté corrompiendo:

• ¿Mejoró el indicador sin que haya habido un cambio de proceso que lo explique?
• ¿Aparecen acumulaciones de casos justo por debajo o justo por encima de un umbral?
• ¿Empeoró algún indicador vecino que no estaba incluido en la meta?
• ¿Cambió la definición, la codificación o la forma de registrar el evento?
• ¿Disminuyó la proporción de pacientes complejos, derivados o de alto riesgo?
• ¿Aumentaron las exclusiones del denominador o las categorías de «otro» y «no registrado»?
• ¿Los equipos hablan del indicador más que del paciente?
• ¿Lo que se ve en la recorrida contradice lo que dice el tablero?

7. Conclusión: la métrica como brújula, no como destino

Goodhart nos enseña que ningún indicador es estable cuando se lo persigue. Campbell, que la corrupción no se limita al dato, sino que alcanza al proceso que el dato vigila. Strathern, que medir transforma la cultura de quienes son medidos. Juntas, las tres formulaciones describen una ley de la gestión tan firme como cualquier ley de la física organizacional: las personas responden a lo que se mide y se premia, no a lo que se declara.

Los casos de la salud son elocuentes porque el costo de la corrupción no es abstracto. Son pacientes que esperan en una ambulancia en la puerta de la guardia, veteranos que no figuran en ninguna lista, enfermos graves a los que nadie quiere operar, ancianos que mueren en su casa en lugar de reinternarse. Detrás de cada métrica corrompida hay alguien que quedó fuera del número.

La salida no es medir menos por principio, sino medir mejor: pocas cosas, bien elegidas, con contra métricas, con ajuste por riesgo, con verificación en terreno y, sobre todo, con un uso honesto de los datos que privilegie el aprendizaje por encima del castigo. El indicador tiene que ser una brújula que orienta la marcha, no el destino al que se llega. Cuando el número se vuelve el fin, deja de decirnos dónde estamos. Y una organización de salud que no sabe dónde está no puede saber si está cuidando bien a sus pacientes.

Hay, finalmente, una dimensión ética que excede la técnica. Diseñar un indicador es también diseñar un sistema de incentivos morales. El gestor que fija una meta sin los recursos para alcanzarla, o que premia un número sin verificar cómo se produjo, está empujando a su organización hacia la corrupción de las métricas. La responsabilidad no es solo de quien maquilla el dato, sino también de quien construyó el sistema que hizo del maquillaje la única salida razonable.

Bibliografía

Bevan G, Hamblin R. Hitting and missing targets by ambulance services for emergency calls: effects of different systems of performance measurement within the UK. Journal of the Royal Statistical Society: Series A. 2009;172(1):161–190.

Bevan G, Hood C. Have targets improved performance in the English NHS? BMJ. 2006;332(7538):419–422.

Bevan G, Hood C. What’s measured is what matters: targets and gaming in the English public health care system. Public Administration. 2006;84(3):517–538.

Berwick DM. Era 3 for medicine and health care. JAMA. 2016;315(13):1329–1330.

Campbell DT. Assessing the impact of planned social change. Evaluation and Program Planning. 1979;2(1):67–90. (Versión original: Occasional Paper Series n.º 8, Public Affairs Center, Dartmouth College, 1976.)

Deming WE. Out of the Crisis. Cambridge (MA): MIT Center for Advanced Engineering Study; 1986.

Doran T, Fullwood C, Gravelle H, et al. Pay-for-performance programs in family practices in the United Kingdom. New England Journal of Medicine. 2006;355(4):375–384.

Doran T, Kontopantelis E, Valderas JM, et al. Effect of financial incentives on incentivised and non-incentivised clinical activities: longitudinal analysis of data from the UK Quality and Outcomes Framework. BMJ. 2011;342:d3590.

Dranove D, Kessler D, McClellan M, Satterthwaite M. Is more information better? The effects of «report cards» on health care providers. Journal of Political Economy. 2003;111(3):555–588.

Francis R. Report of the Mid Staffordshire NHS Foundation Trust Public Inquiry. London: The Stationery Office; 2013.

Goodhart CAE. Problems of monetary management: the U.K. experience. En: Papers in Monetary Economics, Vol. I. Sydney: Reserve Bank of Australia; 1975. Reimpreso en: Courakis AS (ed.). Inflation, Depression, and Economic Policy in the West. London: Mansell; 1981. p. 111–146.

Gravelle H, Sutton M, Ma A. Doctor behaviour under a pay for performance contract: treating, cheating and case finding? The Economic Journal. 2010;120(542):F129–F156.

Hoskin K. The «awful idea of accountability»: inscribing people into the measurement of objects. En: Munro R, Mouritsen J (eds.). Accountability: Power, Ethos and the Technologies of Managing. London: International Thomson Business Press; 1996.

Kerr S. On the folly of rewarding A, while hoping for B. Academy of Management Journal. 1975;18(4):769–783.

Khera R, Wang Y, Bernheim SM, Lin Z, Krumholz HM. Post-discharge acute care and outcomes following readmission reduction initiatives: national retrospective cohort study of Medicare beneficiaries in the United States. BMJ. 2020;368:l6831.

Locker TE, Mason SM. Analysis of the distribution of time that patients spend in emergency departments. BMJ. 2005;330(7501):1188–1189.

Lucas RE. Econometric policy evaluation: a critique. Carnegie-Rochester Conference Series on Public Policy. 1976;1:19–46.

Manheim D, Garrabrant S. Categorizing variants of Goodhart’s Law. arXiv. 2018;1803.04585.

Mannion R, Braithwaite J. Unintended consequences of performance measurement in healthcare: 20 salutary lessons from the English National Health Service. Internal Medicine Journal. 2012;42(5):569–574.

Muller JZ. The Tyranny of Metrics. Princeton: Princeton University Press; 2018.

Narins CR, Dozier AM, Ling FS, Zareba W. The influence of public reporting of outcome data on medical decision making by physicians. Archives of Internal Medicine. 2005;165(1):83–87.

O’Neill O. A Question of Trust: The BBC Reith Lectures 2002. Cambridge: Cambridge University Press; 2002.

Omoigui NA, Miller DP, Brown KJ, et al. Outmigration for coronary bypass surgery in an era of public dissemination of clinical outcomes. Circulation. 1996;93(1):27–33.

Smith P. On the unintended consequences of publishing performance data in the public sector. International Journal of Public Administration. 1995;18(2-3):277–310.

Solberg LI, Mosser G, McDonald S. The three faces of performance measurement: improvement, accountability, and research. Joint Commission Journal on Quality Improvement. 1997;23(3):135–147.

Strathern M. «Improving ratings»: audit in the British University system. European Review. 1997;5(3):305–321.

U.S. Department of Veterans Affairs, Office of Inspector General. Interim Report: Review of Patient Wait Times, Scheduling Practices, and Alleged Patient Deaths at the Phoenix Health Care System. Report No. 14-02603-178. Washington, DC; 28 de mayo de 2014.

Wadhera RK, Joynt Maddox KE, Wasfy JH, Haneuse S, Shen C, Yeh RW. Association of the Hospital Readmissions Reduction Program with mortality among Medicare beneficiaries hospitalized for heart failure, acute myocardial infarction, and pneumonia. JAMA. 2018;320(24):2542–2552.

Wadhera RK, Yeh RW, Joynt Maddox KE. The Hospital Readmissions Reduction Program — time for a reboot. New England Journal of Medicine. 2019;380(24):2289–2291.