Dr. Carlos Alberto Díaz.

Profesor Titular Universidad isalud. Presidente del CENAS (centro especializado para la normalización y acreditación en salud)

Introducción: cuatro principios y una diagonal

Este trabajo reúne y adapta para saludbydiaz los dos capítulos finales de mi ensayo «La evidencia es necesaria, pero no suficiente», dedicado a la ciencia de la implementación y a la ciencia de la mejora. Eran los capítulos más personales: no resumían bibliografía, sino que tomaban posición. Los publico por separado porque creo que interesan a cualquiera que atienda pacientes o conduzca un servicio, haya leído o no el resto del ensayo.

La premisa es conocida. Entre lo que la investigación demuestra y lo que efectivamente reciben los pacientes hay una brecha persistente. Morris, Wooding y Grant estimaron que se necesitan unos diecisiete años para que un hallazgo llegue a la práctica, y McGlynn y colaboradores encontraron que los adultos estadounidenses recibían apenas alrededor de la mitad de la atención recomendada. Russell Glasgow, creador del marco RE-AIM, propuso un cálculo sencillo que muestra por qué la eficacia no alcanza: si cada paso que separa el ensayo del paciente se cumple en la mitad de los casos, el beneficio que llega a la población es una fracción mínima del demostrado.

La cascada de Glasgow Eficacia demostrada en el ensayo: 100 %. Adopción por las organizaciones: 50 %. Capacitación de los profesionales: 50 %. Uso por los capacitados: 50 %. Alcance de la población elegible: 50 %. Sostenimiento en el tiempo: 50 %. Beneficio real: cerca del 3 %. Ningún ensayo clínico nuevo mejora ese número. Lo mejoran la implementación y la mejora, paso por paso.

Figura 1. La cascada de Glasgow: si cada paso conserva la mitad, a la población llega cerca del 3 % del beneficio demostrado en el ensayo

La primera parte expone cuatro principios científicos (la medicina basada en la evidencia, la ciencia de la implementación, la ciencia de la mejora y la ciencia de la complejidad) y las fisuras o límites de cada uno. La segunda suma un quinto lente, el principio ETTO de Erik Hollnagel, y busca la diagonal en la que todos se encuentran para transformar no solo un servicio, sino las políticas de salud. Detrás hay una pregunta de fondo: qué falta para que el conocimiento, la profesionalización, el trabajo en equipo, la continuidad y la longitudinalidad de la atención lleguen a todos por igual, y cómo evitar que el mercado, el complejo médico-industrial y la inteligencia artificial alejen la medicina de las personas, de sus familias y del ambiente.

1. Cuatro principios científicos para asistenciales y gestores

Después de recorrer la bibliografía sobre implementación y mejora, quiero dejar asentada una posición personal, que no es una conclusión neutra sino una convicción apoyada en lo escrito. La formulo en cuatro movimientos: qué es y qué no es la medicina basada en la evidencia; qué aporta la ciencia de la implementación; qué agrega la ciencia de la mejora; y qué desafío queda todavía mal resuelto, el de la complejidad.

1.1. La medicina basada en la evidencia es la base, pero una base con fisuras

La medicina basada en la evidencia es, y debe seguir siendo, la base del conocimiento clínico. Nada de lo que aquí se propone la reemplaza. Pero sería ingenuo no reconocer que esa base está, en algunos casos, cooptada por intereses y por sesgos estructurales del sistema de producción del conocimiento. Trisha Greenhalgh, Jeremy Howick y Neal Maskrey lo plantearon en el BMJ en 2014 con una pregunta que todavía incomoda: ¿la medicina basada en la evidencia es un movimiento en crisis? Señalaron que el sello de calidad de la evidencia había sido apropiado por intereses comerciales, que el volumen de guías se había vuelto inmanejable, que los beneficios estadísticamente significativos podían ser marginales en la práctica y que las reglas inflexibles y los recordatorios automáticos podían producir atención guiada por la gestión antes que centrada en el paciente. Al menos cuatro fisuras merecen nombrarse.

La advertencia más citada vino de dentro de la propia industria editorial científica. En abril de 2015, Richard Horton, director de The Lancet, publicó un breve editorial titulado «Offline: What is medicine’s 5 sigma?», escrito después de un simposio en Londres sobre la reproducibilidad de la investigación biomédica. Su diagnóstico fue tan crudo como inusual para el editor de una de las revistas médicas más influyentes del mundo: «el argumento contra la ciencia es sencillo: buena parte de la literatura científica, quizás la mitad, podría simplemente no ser cierta». La atribuyó a estudios con muestras pequeñas, efectos diminutos, análisis exploratorios inválidos y conflictos de interés flagrantes, sumados a la obsesión por seguir tendencias de moda de dudosa importancia, hasta el punto de afirmar que la ciencia había tomado un rumbo hacia la oscuridad.

Lo más valioso del texto es que no culpa solo a los investigadores. Horton reconoce que nadie tiene incentivos para estar en lo cierto, sino para ser productivo e innovador; que las revistas, con su culto al factor de impacto y a la «significación», contribuyen a las peores conductas; que las universidades compiten por dinero y talento con métricas que premian el volumen; y que los sistemas de evaluación de la investigación refuerzan esa lógica. Entre los remedios discutidos mencionó registrar los protocolos antes de empezar, exigir declaraciones de replicabilidad, premiar la crítica y la confirmación de resultados, y mirar a la física de partículas, que solo acepta un descubrimiento con un umbral estadístico de cinco sigmas y con verificación independiente. Y cerró con una constatación que podría servir de epígrafe a estas páginas: todos coincidían en que había que hacer algo, pero nadie estaba dispuesto a dar el primer paso.

El editorial se apoya en una tradición anterior. Iain Chalmers y Paul Glasziou habían estimado en The Lancet, en 2009, que alrededor del 85 % de la inversión en investigación biomédica se desperdicia en cuatro etapas: preguntas poco relevantes, diseños inadecuados, falta de publicación de alrededor de la mitad de los estudios y reportes incompletos o sesgados. La serie de The Lancet «Research: increasing value, reducing waste», de 2014, desarrolló cada etapa y sus remedios.

«El argumento contra la ciencia es sencillo: buena parte de la literatura científica, quizás la mitad, podría simplemente no ser cierta.»

— Richard Horton, director de The Lancet, 2015

Ninguno de estos autores propone abandonar la evidencia. Proponen lo contrario: tomarla más en serio, con más rigor, más transparencia y mejores incentivos. Es el mismo espíritu con el que aquí se nombran las fisuras de la medicina basada en la evidencia.

Primera: la positividad y lo que no se publica. Los estudios con resultados positivos tienen más probabilidad de publicarse, de publicarse antes y de citarse más. Dwan y colaboradores mostraron en revisiones sistemáticas de cohortes de ensayos que los estudios con resultados estadísticamente significativos tenían más probabilidades de ser publicados, y que los desenlaces informados se seleccionaban con frecuencia. Turner y colaboradores compararon en el NEJM los ensayos de antidepresivos registrados ante la FDA con los publicados: casi todos los estudios positivos se publicaron, mientras que la mayoría de los negativos o dudosos no se publicó o se publicó presentado como positivo, lo que infló el tamaño de efecto aparente. Boutron y colaboradores describieron el spin, la presentación favorable de resultados no significativos. Ioannidis llegó a sostener que la mayoría de los hallazgos de investigación publicados podían ser falsos cuando se combinan estudios pequeños, efectos pequeños, flexibilidad en el análisis e intereses. Como recordaba Michael Parchman a partir de los datos de Balas y Boren, una parte de los resultados negativos ni siquiera llega a enviarse a publicación.

Segunda: la no inferioridad. Los ensayos de no inferioridad tienen un lugar legítimo cuando la nueva alternativa ofrece ventajas en seguridad, costo o comodidad. Pero se han multiplicado como vía de aprobación de productos que no demuestran ser mejores. Garattini y Bertele escribieron en The Lancet que muchos ensayos de no inferioridad son éticamente objetables porque no responden al interés de los pacientes: los exponen a un tratamiento que, en el mejor de los casos, no es peor. Kaul y Diamond explicaron cómo la elección del margen de no inferioridad, a menudo generosa, puede permitir aceptar tratamientos sucesivamente menos eficaces, un deslizamiento conocido como biocreep.

Tercera: la costo-efectividad contra el comparador equivocado. La evaluación económica pertinente para quien decide es la incremental: cuánto cuesta y cuánto agrega la nueva intervención frente a la mejor alternativa disponible, no frente a no hacer nada. Drummond y colaboradores lo establecen como principio metodológico básico. Sin embargo, con frecuencia los estudios de eficacia, y las evaluaciones económicas que se construyen sobre ellos, comparan contra placebo o contra comparadores débiles, lo que hace parecer costo-efectivas intervenciones cuya ventaja incremental real es pequeña o incierta. Para un sistema de salud con recursos escasos, como el nuestro, esa diferencia entre la razón promedio y la incremental no es un tecnicismo: es la diferencia entre invertir bien y desplazar otras prestaciones de mayor valor.

Cuarta: las poblaciones que no son del mundo real. Rothwell, en The Lancet, advirtió que la validez externa de los ensayos aleatorizados había recibido mucha menos atención que su validez interna, y se preguntó a quiénes se aplican realmente sus resultados. Van Spall y colaboradores, en JAMA, encontraron que los ensayos publicados en revistas de alto impacto excluían con frecuencia, y a menudo sin justificación suficiente, a mujeres, ancianos y personas con comorbilidades. Es decir, excluyen exactamente a los pacientes que llenan nuestras camas. Suárez-Obando y colaboradores lo recuerdan en términos epidemiológicos: el ensayo de eficacia privilegia la validez interna; la práctica necesita validez externa.

La evidencia como base, no como dogma La medicina basada en la evidencia sigue siendo la mejor herramienta que tenemos para saber qué conviene hacer. Reconocer sus fisuras no la debilita: la protege. La respuesta a la positividad, a la no inferioridad mal usada, a la costo-efectividad contra placebo y a las poblaciones seleccionadas no es menos evidencia, sino mejor evidencia: registro de todos los ensayos, publicación de los resultados negativos, comparadores activos, evaluación incremental y estudios pragmáticos con pacientes reales.

1.2. La ciencia de la implementación: abrir los caminos

La ciencia de la implementación acerca la ciencia a la práctica. Lo hace, primero, difundiendo y diseminando el conocimiento, pero sobre todo abriendo los caminos: diagnosticando las barreras del contexto, eligiendo estrategias que correspondan a esas barreras y midiendo si la práctica se adoptó, con qué fidelidad, a quién llegó y si se sostuvo. Es la disciplina que convierte la medicina basada en la evidencia en práctica basada en la evidencia. Sin ella, la cascada de Glasgow descrita en la introducción nos deja con apenas una fracción del beneficio demostrado.

1.3. La ciencia de la mejora: la granularidad

La ciencia de la mejora continua aporta la granularidad que la implementación necesita para llegar al nivel del proceso, del servicio y del turno. El ciclo PDCA y su variante PDSA permiten probar cambios pequeños con predicciones explícitas. Lean ayuda a ver el flujo de valor y a eliminar los desperdicios que consumen el tiempo de los equipos. El ciclo DMAIC de Seis Sigma (definir, medir, analizar, mejorar y controlar) aporta rigor estadístico para reducir la variación no deseada y sostener los resultados. No son modas ni recetas: son métodos para que lo que la evidencia dice y la implementación habilita se transforme en procesos confiables, medidos y mejorados día a día.

1.4. Lo que todavía no está bien considerado: la complejidad

Pero creo que nos enfrentamos a algo que la medicina basada en la evidencia, la implementación y la mejora no han considerado suficientemente: cómo aplicar todo esto en el terreno de la complejidad. Una complejidad doble.

La primera es la complejidad organizacional. Plsek y Greenhalgh, en una serie del BMJ de 2001, propusieron mirar los servicios de salud como sistemas adaptativos complejos, en los que la planificación lineal y el control de cada parte no alcanzan. Jeffrey Braithwaite y colaboradores mostraron en 2018, con dos casos australianos, que el oleoducto de la evidencia se fisura precisamente porque el sistema no es una máquina. Greenhalgh y colaboradores desarrollaron después el marco NASSS, que explica por qué muchas innovaciones tecnológicas no se adoptan, se abandonan o no logran escalar ni sostenerse: cuanto más compleja es la condición, la tecnología, la propuesta de valor, los adoptantes, la organización, el contexto y su evolución en el tiempo, más improbable es el éxito de un enfoque lineal.

La segunda es la complejidad clínica: la polipatología, la multimorbilidad y la polimedicación. Barnett y colaboradores, en The Lancet, mostraron con datos de Escocia que la multimorbilidad es la regla y no la excepción a partir de la mediana edad, y que aparece antes en las poblaciones más pobres. Tinetti, Bogardus y Agostini advirtieron en el NEJM sobre los riesgos de aplicar guías diseñadas para una sola enfermedad a pacientes con varias. Boyd y colaboradores, en JAMA, simularon qué pasaría si una paciente anciana con cinco enfermedades crónicas frecuentes recibiera todo lo que recomiendan las guías correspondientes: un régimen de una docena de medicamentos, interacciones potenciales y una carga de tratamiento difícil de sostener. La evidencia generada en poblaciones seleccionadas, sumada enfermedad por enfermedad, no produce automáticamente buena atención para el paciente complejo.

A esas dos complejidades se suman los dominios sociotécnicos: la interacción entre personas, tareas, tecnologías, entorno físico, organización y reglas, que modelos como SEIPS, de Carayon y colaboradores, o el modelo sociotécnico de Sittig y Singh para la historia clínica electrónica ayudan a analizar. Muchas veces no progresamos al ritmo necesario no por falta de evidencia ni de voluntad, sino porque esos dominios no están alineados: una historia clínica que no ayuda, un circuito que obliga a dar vueltas, una dotación que no alcanza, una regla que nadie revisó. Mirarlos desde la Seguridad-II y los factores humanos, y no desde la búsqueda de culpables, es condición para removerlos.

1.5. Cuatro principios, no excluyentes

Los cuatro enfoques no son excluyentes; son complementarios y se necesitan entre sí. Cada uno responde una pregunta distinta, y ninguno responde las cuatro.

Tabla 1. Cuatro principios científicos para asistenciales y gestores

Principio	Pregunta que responde	Aporte	Riesgo si se usa solo
Medicina basada en la evidencia	¿Qué conviene hacer?	Base del conocimiento; jerarquía de la evidencia; guías	Evidencia sesgada o no aplicable al paciente real
Ciencia de la implementación	¿Cómo lograr que se haga?	Diagnóstico de barreras; estrategias; resultados de implementación	Imponer prácticas sin adaptarlas ni mejorarlas
Ciencia de la mejora	¿Mejoró aquí? ¿Cómo seguir mejorando?	Granularidad: PDCA, Lean, DMAIC, medición en el tiempo	Activismo local sin respaldo científico
Ciencia de la complejidad	¿Cómo actuar en sistemas y pacientes complejos?	Mirada sistémica; adaptación; multimorbilidad; dominios sociotécnicos	Parálisis ante la incertidumbre si no se traduce en acción

Mi deseo es que todos los que actuamos en la salud, como asistenciales y como gestores, apliquemos estos cuatro principios científicos y nos formemos cada día para hacerlo. No como un ejercicio académico, sino como una obligación con los pacientes: superar los obstáculos que enfrentamos y los dominios sociotécnicos que a veces impiden progresar de forma adecuada y a la velocidad necesaria. Cada mes de demora entre lo que sabemos y lo que hacemos es una oportunidad que algún paciente pierde. Y como esas oportunidades perdidas se concentran en los más vulnerables, cerrar la brecha es también la forma más concreta de hacer una medicina más equitativa.

El compromiso Evidencia, para saber qué hacer. Implementación, para que se haga. Mejora, para hacerlo cada día mejor. Complejidad, para hacerlo en el mundo real, con los pacientes reales y las organizaciones reales. Formarnos todos los días en los cuatro es la manera de que la medicina llegue a tiempo y llegue a todos.

Preguntas para la reflexión 1. ¿Cómo evalúa críticamente la evidencia que llega a su servicio? ¿Considera el sesgo de publicación, los ensayos de no inferioridad y el comparador de las evaluaciones económicas? 2. ¿Los pacientes de los ensayos que sustentan sus guías se parecen a los pacientes que usted atiende? 3. ¿Qué herramienta de mejora (PDCA, Lean, DMAIC) se ajusta mejor a los problemas de su servicio? 4. ¿Cómo aborda la atención de pacientes con multimorbilidad cuando las guías son para una sola enfermedad? 5. ¿Qué dominios sociotécnicos impiden hoy progresar en su organización a la velocidad necesaria?

2. La diagonal de encuentro: evidencia, mejora, ETTO y complejidad para transformar las políticas

La primera parte recorrió, uno por uno, varios procesos de conocimiento y de cambio: la evidencia científica, la ciencia de la implementación, la ciencia de la mejora y la mejora continua, y la ciencia de la complejidad. Falta una pregunta que los atraviesa a todos: ¿existe un eje común, una diagonal, en la que estos procesos se encuentran y que pueda orientar la transformación de las políticas de salud, no solo la de un servicio o un hospital? Y una segunda pregunta, más incómoda: ¿qué falta para que esa transformación llegue a todos por igual y no aleje a la medicina de las personas que le dan sentido?

2.1. Un quinto lente: el principio ETTO

Antes de buscar la diagonal conviene sumar un lente que hasta aquí no se mencionó. Erik Hollnagel, el mismo autor de la Seguridad-II, formuló en 2009 el principio ETTO (Efficiency-Thoroughness Trade-Off), el compromiso entre eficiencia y exhaustividad. Su enunciado es simple: en cualquier trabajo real, las personas y las organizaciones deben elegir permanentemente entre ser eficientes (hacer las cosas con el tiempo, los recursos y la energía disponibles) y ser exhaustivas (hacer todo lo que sería necesario para asegurarse de que se hacen bien). Como los recursos son siempre limitados y las demandas siempre exceden la capacidad, ese compromiso es inevitable y se resuelve cientos de veces por día.

Hollnagel describe las reglas informales con las que se resuelve el compromiso: «parece estar bien», «no es realmente importante», «normalmente funciona, no hace falta verificar», «otro lo va a controlar después», «no hay tiempo». Ninguna de ellas es irracional; son ajustes que permiten que el sistema funcione. Pero también son el lugar donde, en ocasiones, las cosas que suelen salir bien salen mal. El aporte del principio para este argumento es decisivo: toda práctica basada en la evidencia exige exhaustividad, y todo sistema bajo presión empuja hacia la eficiencia. Una implementación que ignora ese compromiso agrega exigencias de exhaustividad sin quitar ninguna otra, y termina resuelta, en la práctica, por las reglas del atajo. Es lo que Fabián Vítolo, siguiendo a David Marx, describe como la deriva de las conductas de riesgo y lo que muestra cualquier listado de verificación firmado sin pausa.

El principio también opera en las políticas. Un financiador que paga por prestación, un gobierno que fija metas de producción o una institución que reduce los minutos por consulta resuelven el compromiso a favor de la eficiencia, y trasladan el costo de la exhaustividad perdida a los profesionales y, en última instancia, a los pacientes. Leer las políticas con el lente ETTO permite preguntar, en cada decisión, quién paga la exhaustividad que se deja de hacer.

2.2. La diagonal: el trabajo real, aprendido en ciclos, al servicio de la trayectoria de la persona

Con cinco lentes sobre la mesa, la diagonal aparece en el lugar donde todos ellos miran, aunque desde ángulos distintos. Propongo formularla en tres puntos de cruce.

El primer punto de cruce es el trabajo real. La evidencia describe el trabajo imaginado: lo que debería hacerse en condiciones ideales. La implementación intenta insertar ese trabajo imaginado en el trabajo real. La mejora rediseña el trabajo real con ciclos de prueba. El principio ETTO explica cómo las personas ajustan el trabajo real a sus recursos. La complejidad muestra que el resultado emerge de la interacción de muchos trabajos reales. Todos convergen en una misma consigna: conocer y respetar el trabajo tal como se hace, y no solo como figura en el protocolo.

El segundo punto de cruce es el aprendizaje en ciclos. El ciclo PDSA, la evaluación formativa, los bucles de retroalimentación de Braithwaite, el monitoreo reflexivo de la Teoría del Proceso de Normalización y el ciclo del conocimiento a la práctica, de la práctica a los datos y de los datos al conocimiento en los sistemas que aprenden son variaciones de una misma idea. Ninguno de los cinco lentes concibe el cambio como un acto único, sino como un proceso iterativo que aprende de sí mismo.

El tercer punto de cruce es la trayectoria de la persona. La evidencia se produce por enfermedad; la implementación, por práctica; la mejora, por proceso. Pero el paciente vive una trayectoria: varias enfermedades, muchos encuentros, distintos niveles de atención, una familia, un barrio, un trabajo. La complejidad clínica de la multimorbilidad y la complejidad organizacional de la fragmentación se encuentran en esa trayectoria. Por eso la diagonal termina en la persona y no en el proceso.

Tabla 2. Cinco lentes y la diagonal de encuentro

Lente	Qué ve	Qué tiende a ignorar	Qué aporta a la diagonal
Evidencia científica	Qué funciona en condiciones controladas	El contexto, la multimorbilidad, el trabajo real	El núcleo de lo que conviene hacer
Ciencia de la implementación	Las barreras y las estrategias para adoptar	La mejora local y la variabilidad necesaria	El puente entre el trabajo imaginado y el real
Ciencia de la mejora y mejora continua	El proceso local y su variación en el tiempo	La generalización y la evidencia externa	El aprendizaje en ciclos y la medición
Principio ETTO	Los compromisos cotidianos entre eficiencia y exhaustividad	Las soluciones de diseño a gran escala	La comprensión de por qué se adoptan atajos y quién paga su costo
Ciencia de la complejidad	Las interacciones, la emergencia, la no linealidad	La acción concreta, si no se traduce en método	La mirada sistémica y la humildad ante lo imprevisible

La diagonal en una frase Transformar es conocer el trabajo real de las personas, aprender de él en ciclos y orientar ese aprendizaje a la trayectoria completa de cada paciente, con la evidencia como núcleo, la implementación como puente, la mejora como método, el principio ETTO como advertencia y la complejidad como mirada.

2.3. La diagonal aplicada a la transformación de las políticas

Las políticas de salud son, también, intervenciones que deben implementarse. La Ley Nicolás (Ley 27.797), el Plan Nacional de Prevención y Control de la Hipertensión Arterial, que institucionalizó la Iniciativa HEARTS en la Argentina, o los estándares nacionales de seguridad y calidad de Australia muestran que una política formalmente adoptada no garantiza resultados. Leída desde la diagonal, una política transformadora debería reunir cinco condiciones:

1. Fundarse en evidencia valorada críticamente, con conciencia de sus sesgos y de su aplicabilidad a la población real, y no en la última novedad tecnológica.
2. Diseñarse con su estrategia de implementación, que incluya diagnóstico del contexto, facilitación, financiamiento del tiempo de los equipos y medición de los resultados de implementación, y no solo de los resultados finales.
3. Aprender en ciclos: pilotos, evaluación formativa, ajustes explícitos y la decisión de continuar, adaptar o abandonar, como proponen los sistemas que aprenden.
4. Hacerse cargo del compromiso ETTO: no exigir más exhaustividad sin dar más tiempo o más recursos, ni medir solo producción cuando lo que se busca es calidad.
5. Asumir la complejidad: construir coaliciones, aprovechar las ventanas de oportunidad que describió Kingdon, combinar el impulso de arriba hacia abajo con la apropiación desde el medio y desde abajo, y aceptar horizontes de años.

Ninguna de estas condiciones es nueva por separado. Lo nuevo es exigirlas juntas. Una política que cumple solo la primera produce normas que no se aplican; una que cumple las cuatro primeras sin la quinta produce programas técnicamente correctos que el sistema rechaza; una que ignora la cuarta produce cumplimiento en el papel.

2.4. Lo que falta: conocimiento, profesionalización, equipo, continuidad y longitudinalidad, con equidad

Si la diagonal termina en la trayectoria de la persona, hay cinco procesos que todavía no se incorporaron de manera suficiente ni equitativa a nuestros sistemas de salud.

Los procesos de conocimiento. La formación sigue concentrada en el grado y en la residencia, y la actualización depende del esfuerzo individual. Las organizaciones casi no dedican tiempo protegido a la formación continua ni a la reflexión sobre la práctica. Falta convertir el conocimiento en una función institucional, no en una responsabilidad privada de cada profesional.

La profesionalización de la gestión. Muchos servicios son conducidos por excelentes clínicos sin formación en gestión, en mejora o en implementación. La profesionalización no significa burocratizar la conducción, sino dotarla de las competencias que aquí se describen: diagnosticar contextos, elegir estrategias, medir, conversar sobre datos y sostener cambios.

El trabajo en equipo. La evidencia sobre el trabajo en equipo en salud, sintetizada por Michael Rosen, Sallie Weaver y colaboradores, muestra que la comunicación, la coordinación, el liderazgo compartido y la seguridad psicológica se asocian con una atención más segura y de mejor calidad, y que pueden entrenarse. Herramientas como TeamSTEPPS, que el Instituto de Efectividad Clínica y Sanitaria (IECS) ha implementado en la región, existen. Falta que el equipo, y no el profesional individual, sea la unidad de diseño, de formación y de evaluación.

La continuidad de la atención. Jeannie Haggerty y colaboradores distinguieron tres tipos de continuidad: la informacional (que la información siga al paciente), la de gestión (que los cuidados de distintos profesionales sean coherentes y complementarios) y la relacional (una relación terapéutica sostenida). Las tres se pierden en sistemas fragmentados, entre niveles de atención y entre financiadores, como ocurre en buena parte de la Argentina.

La longitudinalidad. Barbara Starfield definió la longitudinalidad como la atención a lo largo del tiempo por una misma fuente, centrada en la persona y no en la enfermedad, y la identificó como uno de los atributos esenciales de la atención primaria. La evidencia es consistente: la revisión sistemática de Pereira Gray y colaboradores encontró que la continuidad con el mismo médico se asocia con menor mortalidad, y un estudio de registros de Noruega mostró que cuanto más larga es la relación con el médico de cabecera, menores son la mortalidad, las internaciones agudas y el uso de la atención fuera de horario. La longitudinalidad es, probablemente, la intervención de mayor valor que nuestros sistemas no implementan de manera sistemática.

A todo ello se suma la equidad. Julian Tudor Hart formuló en 1971 la ley de cuidados inversos: la disponibilidad de buena atención tiende a variar en sentido inverso a la necesidad de la población. Toda mejora que se implementa primero donde hay más recursos, más profesionales formados y más datos amplía las brechas. Una diagonal equitativa obliga a preguntar, en cada implementación, para quién mejora y para quién no.

Tabla 3. Lo que falta para que estos procesos se incorporen con equidad

Proceso	Lo que falta	Qué podría hacerse
Conocimiento	Tiempo protegido, formación continua institucional	Horas formativas incluidas en la dotación; aprendizaje sobre la propia práctica
Profesionalización	Competencias de gestión, mejora e implementación en los mandos	Formación de jefes de servicio y coordinadores; carrera de gestión
Trabajo en equipo	El equipo como unidad de diseño y evaluación	Entrenamiento en equipo; indicadores de equipo; seguridad psicológica
Continuidad	Información que siga al paciente; coordinación entre niveles	Historia clínica interoperable; transiciones protocolizadas; educación al alta
Longitudinalidad	Médico o equipo de referencia estable	Nominalización de la población; equipos de cabecera; seguimiento activo
Equidad	Medición desagregada; prioridad para los más vulnerables	Indicadores por grupo social; implementación primero donde más se necesita

2.5. Que la medicina no se aleje de la persona, la familia y el ambiente

La última pregunta es la más profunda. Los dominios sociotécnicos, el mercado, el complejo médico-industrial y la inteligencia artificial son fuerzas poderosas. Pueden acercar la medicina a las personas o alejarla de ellas.

Los dominios sociotécnicos. Las tecnologías, las reglas, los espacios y las organizaciones no son neutrales: configuran lo que los profesionales pueden hacer y cómo. Abraham Verghese advirtió en el NEJM sobre el «iPaciente», la representación digital que recibe más atención que la persona en la cama. Una historia clínica diseñada para facturar, un circuito diseñado para la productividad o un tablero que solo mide volumen pueden desplazar la mirada del paciente a su imagen.

El mercado. Kenneth Arrow mostró en 1963 que la atención médica no se comporta como un mercado común: la incertidumbre, la asimetría de información y la naturaleza de la relación entre médico y paciente exigen instituciones, normas y ética profesional que el mercado por sí solo no produce. El mercado puede aportar eficiencia e innovación, pero cuando define por sí solo qué se produce y para quién, tiende a concentrarse en lo rentable y no en lo necesario.

El complejo médico-industrial. Arnold Relman, editor del NEJM, advirtió en 1980 sobre el surgimiento de un nuevo complejo médico-industrial, con intereses que podían entrar en conflicto con los de los pacientes y con la ética profesional. Ivan Illich había denunciado antes la iatrogenia clínica, social y cultural de una medicina que expropia la capacidad de las personas para cuidarse. Las fisuras de la evidencia descritas en la primera parte (la positividad, la no inferioridad, el comparador débil) son, en parte, manifestaciones de esa tensión.

La inteligencia artificial. Eric Topol sostuvo que la inteligencia artificial podría devolver humanidad a la medicina, liberando a los profesionales de tareas administrativas para que recuperen el tiempo con los pacientes. Pero esa promesa no se cumple sola. Como mostró la revisión sistemática de Artsi y colaboradores (2025) sobre los modelos de lenguaje en flujos clínicos reales, la tecnología llega a la práctica con mucha más velocidad que la evidencia sobre su uso real, y si el tiempo liberado se convierte en más producción y no en más presencia, la inteligencia artificial profundizará la distancia en lugar de acortarla. Implementarla con los mismos principios aquí expuestos (evidencia, estrategia, medición, monitoreo) es la manera de orientarla hacia la persona.

La persona, la familia y la comunidad. Eric Cassell recordó que el sufrimiento lo padecen las personas, no los cuerpos, y que aliviarlo es un fin de la medicina tan importante como curar. George Engel propuso el modelo biopsicosocial para superar una biomedicina que reducía la enfermedad a su sustrato biológico. La medicina de familia hizo de la familia y de la comunidad su unidad de atención. Ninguna transformación es completa si no incluye a la familia en la información, en las decisiones y en el cuidado.

El ambiente. La Comisión Rockefeller-Lancet sobre salud planetaria mostró que la salud humana depende de la salud de los sistemas naturales, y el sector salud contribuye con alrededor del 4,4 % de las emisiones netas mundiales de gases de efecto invernadero, según la estimación de Health Care Without Harm. Una medicina que daña el ambiente daña, en el largo plazo, la salud que pretende proteger. Desimplementar lo innecesario, reducir el desperdicio y evitar la sobreutilización son, además de decisiones de calidad, decisiones ecológicas.

El compromiso de la diagonal Que la evidencia se valore críticamente y se implemente con método. Que la mejora sea continua y aprenda del trabajo real. Que las políticas se hagan cargo del compromiso entre eficiencia y exhaustividad. Que la complejidad se mire de frente. Y que todo ello sirva para que cada persona tenga continuidad, un equipo que la conozca a lo largo del tiempo, una atención equitativa y una medicina que no se aleje de ella, de su familia, de su comunidad ni del ambiente que la sostiene.

Preguntas para la reflexión 1. ¿En qué decisiones cotidianas de su servicio se resuelve el compromiso entre eficiencia y exhaustividad (ETTO)? ¿Quién paga el costo cuando se elige la eficiencia? 2. ¿Qué falta en su institución para que la continuidad y la longitudinalidad de la atención sean la regla y no la excepción? 3. ¿Las mejoras que impulsa su organización reducen o amplían las brechas de equidad entre los pacientes? 4. ¿Cómo evitar que el mercado, la tecnología o la inteligencia artificial alejen la atención de la persona y de su familia? 5. ¿Qué lugar ocupa la huella ambiental en las decisiones de su institución? 6. ¿Qué compromiso personal asume, como asistencial o como gestor, para formarse en los cuatro principios científicos?

3. A modo de cierre

La evidencia es necesaria, pero no suficiente. Tampoco alcanzan, cada una por separado, la implementación, la mejora o la comprensión de la complejidad. Lo que transforma es su combinación sostenida en el tiempo: continuidad, para que lo logrado no se pierda cuando termina el proyecto; incrementalidad, para aprender en pequeño antes de extender; y sinergia, para que cada cambio deje capacidades que abaraten el siguiente.

Para quienes trabajamos en hospitales y sanatorios, la consecuencia es práctica. Conocer el trabajo real antes de exigir. Medir para aprender y no para castigar. Preguntar, en cada decisión, quién paga la exhaustividad que se deja de hacer. Diseñar alrededor de la trayectoria del paciente y no solo del proceso. Y verificar, en cada mejora, para quién mejora y para quién no. Ese es el compromiso que propongo asumir, como asistenciales y como gestores, formándonos cada día en los cuatro principios para que la medicina llegue a tiempo y llegue a todos.

Cierre reflexivo: Al final, el verdadero cambio no reside solo en protocolos, ciclos o políticas, sino en nuestra capacidad de mantener a la persona en el centro de cada decisión. Formarnos, medir con propósito, respetar la complejidad y actuar con equidad son los compromisos que transforman la evidencia en cuidado real. Solo así la medicina no solo llega a tiempo, sino que llega a todos, con humanidad, justicia y conciencia del mundo que nos rodea.ienta de redacción y edición, bajo su supervisión científica.

Bibliografía

Arrow KJ. Uncertainty and the welfare economics of medical care. American Economic Review. 1963;53(5):941-973.

Artsi Y, Sorin V, Glicksberg BS, Korfiatis P, Nadkarni GN, Klang E. Large language models in real-world clinical workflows: a systematic review of applications and implementation. Frontiers in Digital Health. 2025;7:1659134. doi:10.3389/fdgth.2025.1659134

Balas EA, Boren SA. Managing clinical knowledge for health care improvement. Yearbook of Medical Informatics. 2000;(1):65-70.

Barnett K, Mercer SW, Norbury M, Watt G, Wyke S, Guthrie B. Epidemiology of multimorbidity and implications for health care, research, and medical education: a cross-sectional study. The Lancet. 2012;380(9836):37-43.

Boutron I, Dutton S, Ravaud P, Altman DG. Reporting and interpretation of randomized controlled trials with statistically nonsignificant results for primary outcomes. JAMA. 2010;303(20):2058-2064.

Boyd CM, Darer J, Boult C, Fried LP, Boult L, Wu AW. Clinical practice guidelines and quality of care for older patients with multiple comorbid diseases: implications for pay for performance. JAMA. 2005;294(6):716-724.

Braithwaite J, Churruca K, Long JC, Ellis LA, Herkes J. When complexity science meets implementation science: a theoretical and empirical analysis of systems change. BMC Medicine. 2018;16:63. doi:10.1186/s12916-018-1057-z

Carayon P, Schoofs Hundt A, Karsh BT, Gurses AP, Alvarado CJ, Smith M, Flatley Brennan P. Work system design for patient safety: the SEIPS model. Quality and Safety in Health Care. 2006;15(Suppl 1):i50-i58.

Cassell EJ. The nature of suffering and the goals of medicine. New England Journal of Medicine. 1982;306(11):639-645.

Chalmers I, Glasziou P. Avoidable waste in the production and reporting of research evidence. The Lancet. 2009;374(9683):86-89.

Drummond MF, Sculpher MJ, Claxton K, Stoddart GL, Torrance GW. Methods for the Economic Evaluation of Health Care Programmes. 4.ª ed. Oxford: Oxford University Press; 2015.

Dwan K, Altman DG, Arnaiz JA, Bloom J, Chan AW, Cronin E, et al. Systematic review of the empirical evidence of study publication bias and outcome reporting bias. PLoS One. 2008;3(8):e3081.

Engel GL. The need for a new medical model: a challenge for biomedicine. Science. 1977;196(4286):129-136.

Garattini S, Bertele V. Non-inferiority trials are unethical because they disregard patients’ interests. The Lancet. 2007;370(9602):1875-1877.

Glasgow RE, Vogt TM, Boles SM. Evaluating the public health impact of health promotion interventions: the RE-AIM framework. American Journal of Public Health. 1999;89(9):1322-1327.

Greenhalgh T, Howick J, Maskrey N. Evidence based medicine: a movement in crisis? BMJ. 2014;348:g3725.

Greenhalgh T, Robert G, Macfarlane F, Bate P, Kyriakidou O. Diffusion of innovations in service organizations: systematic review and recommendations. Milbank Quarterly. 2004;82(4):581-629.

Greenhalgh T, Wherton J, Papoutsi C, Lynch J, Hughes G, A’Court C, et al. Beyond adoption: a new framework for theorizing and evaluating nonadoption, abandonment, and challenges to the scale-up, spread, and sustainability of health and care technologies. Journal of Medical Internet Research. 2017;19(11):e367.

Haggerty JL, Reid RJ, Freeman GK, Starfield BH, Adair CE, McKendry R. Continuity of care: a multidisciplinary review. BMJ. 2003;327(7425):1219-1221.

Hart JT. The inverse care law. The Lancet. 1971;297(7696):405-412.

Health Care Without Harm, Arup. Health Care’s Climate Footprint: How the Health Sector Contributes to the Global Climate Crisis and Opportunities for Action. 2019.

Hollnagel E, Wears RL, Braithwaite J. From Safety-I to Safety-II: A White Paper. The Resilient Health Care Net; 2015.

Hollnagel E. The ETTO Principle: Efficiency-Thoroughness Trade-Off. Why Things That Go Right Sometimes Go Wrong. Farnham: Ashgate; 2009.

Horton R. Offline: What is medicine’s 5 sigma? The Lancet. 2015;385(9976):1380.

Illich I. Medical Nemesis: The Expropriation of Health. Londres: Calder & Boyars; 1975.

Ioannidis JPA. Why most published research findings are false. PLoS Medicine. 2005;2(8):e124.

Kaul S, Diamond GA. Good enough: a primer on the analysis and interpretation of noninferiority trials. Annals of Internal Medicine. 2006;145(1):62-69.

Kingdon JW. Agendas, Alternatives, and Public Policies. 2.ª ed. Nueva York: Longman; 2011.

Lane C, McCrabb S, Turon H, Bialek C, Couper L, Wilczynska M, et al. Learning health system for implementation, scale-up, and sustainment: a systematic review to consolidate guidance for improvement. Implementation Science. 2026;21:13. doi:10.1186/s13012-025-01482-z

Ley 27.797 de Calidad y Seguridad Sanitaria (Ley Nicolás). República Argentina. Sancionada el 18 de septiembre de 2025; promulgada el 8 de octubre de 2025.

Macleod MR, Michie S, Roberts I, Dirnagl U, Chalmers I, Ioannidis JPA, et al. Biomedical research: increasing value, reducing waste. The Lancet. 2014;383(9912):101-104.

Marx D. Patient Safety and the «Just Culture»: A Primer for Health Care Executives. Nueva York: Columbia University; 2001.

May C, Finch T. Implementing, embedding, and integrating practices: an outline of normalization process theory. Sociology. 2009;43(3):535-554.

McGlynn EA, Asch SM, Adams J, Keesey J, Hicks J, DeCristofaro A, Kerr EA. The quality of health care delivered to adults in the United States. New England Journal of Medicine. 2003;348(26):2635-2645.

Morris ZS, Wooding S, Grant J. The answer is 17 years, what is the question: understanding time lags in translational research. Journal of the Royal Society of Medicine. 2011;104(12):510-520.

Parchman M. Diffusion, dissemination and implementation: what is the difference? Grand Rounds. Seattle: MacColl Center for Health Care Innovation, Group Health Research Institute; octubre de 2015.

Pereira Gray DJ, Sidaway-Lee K, White E, Thorne A, Evans PH. Continuity of care with doctors: a matter of life and death? A systematic review of continuity of care and mortality. BMJ Open. 2018;8(6):e021161.

Plsek PE, Greenhalgh T. Complexity science: the challenge of complexity in health care. BMJ. 2001;323(7313):625-628.

Relman AS. The new medical-industrial complex. New England Journal of Medicine. 1980;303(17):963-970.

Rodríguez G, Rosende A, Prado C, Cejas Mariño R, Irazola V, DiPette D, Orias M, Giraldo Arcila G, Laspiur S. Implementación de la Iniciativa HEARTS en Argentina: primeros resultados. Revista Panamericana de Salud Pública. 2022;46:e181. doi:10.26633/RPSP.2022.181

Rosen MA, DiazGranados D, Dietz AS, Benishek LE, Thompson D, Pronovost PJ, Weaver SJ. Teamwork in healthcare: key discoveries enabling safer, high-quality care. American Psychologist. 2018;73(4):433-450.

Rothwell PM. External validity of randomised controlled trials: «to whom do the results of this trial apply?». The Lancet. 2005;365(9453):82-93.

Sandvik H, Hetlevik Ø, Blinkenberg J, Hunskaar S. Continuity in general practice as predictor of mortality, acute hospitalisation, and use of out-of-hours care: a registry-based observational study in Norway. British Journal of General Practice. 2022;72(715):e84-e90.

Sittig DF, Singh H. A new sociotechnical model for studying health information technology in complex adaptive healthcare systems. Quality and Safety in Health Care. 2010;19(Suppl 3):i68-i74.

Starfield B. Primary Care: Balancing Health Needs, Services, and Technology. Nueva York: Oxford University Press; 1998.

Suárez-Obando F, Gómez-Restrepo C, Castro-Díaz SM. Ciencias de la implementación: de la evidencia a la práctica. Acta Médica Colombiana. 2018;43(4):207-216.

Tinetti ME, Bogardus ST Jr, Agostini JV. Potential pitfalls of disease-specific guidelines for patients with multiple conditions. New England Journal of Medicine. 2004;351(27):2870-2874.

Topol E. Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Nueva York: Basic Books; 2019.

Turner EH, Matthews AM, Linardatos E, Tell RA, Rosenthal R. Selective publication of antidepressant trials and its influence on apparent efficacy. New England Journal of Medicine. 2008;358(3):252-260.

Van Spall HGC, Toren A, Kiss A, Fowler RA. Eligibility criteria of randomized controlled trials published in high-impact general medical journals: a systematic sampling review. JAMA. 2007;297(11):1233-1240.

Verghese A. Culture shock: patient as icon, icon as patient. New England Journal of Medicine. 2008;359(26):2748-2751.

Vítolo F. Cultura justa: el equilibrio entre lo no punitivo y lo disciplinario. Microjuris Argentina, MJ-DOC-7367-AR. 31 de agosto de 2015.

Whitmee S, Haines A, Beyrer C, Boltz F, Capon AG, de Souza Dias BF, et al. Safeguarding human health in the Anthropocene epoch: report of The Rockefeller Foundation–Lancet Commission on planetary health. The Lancet. 2015;386(10007):1973-2028.

Nota sobre la elaboración

Adapta los capítulos 13 y 14 del ensayo «La evidencia es necesaria, pero no suficiente» (saludbydiaz, noviembre de 2026). Las opiniones expresadas son responsabilidad del autor.