Vigilancia de enfermedades, cambio de comportamiento y control de la desinformación

Documento de síntesis

Basado en: Okebalama VC, Eke O, Okoronkwo C, et al. (22 de junio de 2026). Social Media as a Tool for Public Health: Reviewing the Use of Social Media for Disease Surveillance, Behavioral Change, and Misinformation Control. Cureus 18(6): e111303. DOI: 10.7759/cureus.111303

1. Introducción y contexto

El artículo parte de una constatación: las redes sociales transformaron la comunicación sanitaria de un modelo unidireccional (folletos, comunicados oficiales) a uno interactivo y participativo, en el que pacientes y cuidadores discuten síntomas, tratamientos y experiencias personales muchas veces sin mediación profesional. Este cambio democratizó el acceso a la información de salud, pero también abrió la puerta a la amplificación de narrativas conflictivas y desinformación.

Los autores ubican el origen de este fenómeno en los foros y blogs de salud de comienzos de los años 2000, que sirvieron de antesala a la Web 2.0 y al surgimiento de comunidades digitales organizadas en torno a patologías específicas (diabetes, salud mental, enfermedades raras). La transición de la Web 1.0 (consumo pasivo) a la Web 2.0 (contenido generado por el usuario) resultó estructural para la salud pública, al obligar a las instituciones a desarrollar capacidades de escucha y moderación, no solo de emisión de mensajes.

Metodológicamente, se trata de una revisión narrativa —no sistemática ni metaanalítica— que combinó búsquedas booleanas en Google Scholar, Cochrane Library, PubMed, ScienceDirect y Scopus durante dieciséis meses, priorizando revisiones sistemáticas, consensos y estudios de cohorte relevantes.

2. Evolución institucional: de canal experimental a infraestructura central

La adopción de redes sociales por parte de organismos de salud pública atravesó tres fases bien diferenciadas que el artículo documenta con detalle:

• Fase experimental (años 2010): campañas piloto de bajo costo orientadas a vacunación, hábitos saludables y prevención, con métricas de alcance pero sin integración estratégica formal.
• Fase de institucionalización: creación de unidades dedicadas de comunicación digital, cuentas verificadas de organismos como la OMS y los CDC, y procedimientos operativos estándar para publicación y gestión de crisis.
• Fase de consolidación durante emergencias sanitarias: la pandemia de COVID-19 aceleró la integración de las redes sociales en los marcos formales de respuesta a emergencias, dejando de ser un canal opcional para convertirse en un componente central de la gestión de crisis.

El estudio identifica barreras persistentes para esta institucionalización: falta de infraestructura digital y personal capacitado, desconfianza institucional hacia datos no verificados, y brechas digitales que excluyen a poblaciones rurales, de edad avanzada o con bajo acceso a internet.

3. Vigilancia epidemiológica en tiempo real

3.1 El contenido generado por el usuario como señal epidemiológica

Los autores describen cómo publicaciones sobre síntomas, diagnósticos y experiencias de enfermedad constituyen “trazas digitales” susceptibles de mapearse en tiempo, ubicación e idioma. Esta proximidad temporal —las personas suelen postear antes de buscar atención formal— convierte a las redes en un potencial sistema de alerta temprana, particularmente útil en contextos con sistemas de notificación débiles o fragmentados.

3.2 Métodos analíticos

La revisión detalla un conjunto de técnicas utilizadas para transformar contenido no estructurado en señales epidemiológicas útiles:

• Filtrado por palabras clave y hashtags (#flu, #COVID), como primer paso de cribado.
• Análisis de sentimiento, para captar el tono emocional (miedo, confianza, rechazo) frente a enfermedades o intervenciones.
• Modelado de tópicos (topic modeling), que revela narrativas emergentes no anticipadas por el analista.
• Clasificadores de aprendizaje automático, entrenados con datos etiquetados para distinguir contenido sanitario genuino de ruido.
• Análisis geoespacial y agrupamiento espacial (clustering), que permite mapear focos de discusión y anticipar brotes antes de que aparezcan en los sistemas oficiales.
• Modelos de series temporales e inteligencia artificial, que pronostican tendencias combinando señales digitales con datos de movilidad y clima.

3.3 Evidencia empírica y limitaciones

El artículo revisa experiencias con influenza y COVID-19 en las que los indicadores derivados de Twitter/X mostraron correlaciones moderadas a fuertes con los registros oficiales, a veces anticipando los picos de casos. Sin embargo, advierte que estos resultados son heterogéneos según país, plataforma y enfermedad: lo que funciona en un contexto de alta penetración digital puede fallar en entornos de bajos y medianos ingresos.

Frente al debate sobre si los métodos digitales deberían reemplazar o complementar la vigilancia tradicional, el artículo se inclina claramente por el segundo enfoque: los modelos híbridos —que usan señales sociales como gatillo para investigaciones de campo más rigurosas— son los que muestran mejor desempeño y mayor aceptación institucional.

4. Cambio de comportamiento y promoción de la salud

Más allá de la vigilancia, las redes sociales se han consolidado como canal de intervención conductual. El artículo destaca el uso de mensajes personalizados, contenido visual y narrativo, y campañas segmentadas por edad, idioma y contexto cultural, especialmente en vacunación, higiene y prevención durante brotes.

4.1 Marcos teóricos aplicados

Los autores identifican tres modelos conductuales recurrentes en el diseño de intervenciones digitales:

• Modelo de Creencias en Salud: las campañas buscan aumentar la percepción de riesgo y beneficio, reduciendo barreras percibidas mediante historias relatables.
• Teoría de la Conducta Planificada: se trabajan actitudes, normas sociales percibidas y control conductual percibido (por ejemplo, mostrando que vacunarse es una práctica común y accesible).
• Teoría Cognitivo-Social: se apela al aprendizaje observacional mediante testimonios de pares que modelan la conducta deseada, fortaleciendo la autoeficacia.

El artículo también discute el uso de “nudges” (recordatorios, botones de acceso directo a turnos) y comunicación persuasiva, advirtiendo sobre las implicancias éticas de influir en el comportamiento sin transparencia plena sobre los mecanismos utilizados.

4.2 Medición de resultados

Una observación metodológica relevante: las métricas de engagement (me gusta, comentarios, compartidos) no equivalen a cambio de comportamiento real. Los estudios más rigurosos vinculan la exposición digital con registros administrativos —cobertura de vacunación, asistencia a controles— para evitar confundir popularidad con impacto sanitario efectivo.

5. Influencers y comunidades digitales

Un capítulo específico analiza el papel de los influencers de salud, describiéndolo como una influencia “de doble filo”. Por un lado, narrativas personales de vacunación o adherencia a tratamientos —compartidas por figuras percibidas como auténticas y cercanas— pueden reducir la indecisión vacunal y llegar a audiencias que ignoran la comunicación institucional. Por otro, la misma confianza puede ser explotada para difundir desinformación, promover productos sin respaldo científico o generar conflictos de interés no declarados.

Las comunidades de pares (grupos de apoyo organizados alrededor de condiciones específicas) ofrecen soporte emocional e informacional valioso, pero también pueden derivar en cámaras de eco que refuerzan prácticas no basadas en evidencia cuando la moderación es débil.

6. Desinformación: mecanismos, consecuencias y estrategias de mitigación

6.1 Por qué se viraliza la desinformación

El artículo explica que los algoritmos de las plataformas priorizan el contenido que genera mayor interacción, independientemente de su veracidad, lo que favorece sistemáticamente a las afirmaciones sensacionalistas o emocionalmente cargadas frente a la información basada en evidencia. A esto se suman bots y campañas coordinadas que simulan consenso social, y sesgos cognitivos individuales (confirmación, disponibilidad, anclaje) que hacen a las personas más receptivas a narrativas falsas que confirman sus creencias previas.

6.2 Consecuencias documentadas

• Aumento de la indecisión y el rechazo a la vacunación, con caídas medibles en la cobertura y riesgo para la inmunidad de rebaño.
• Adopción de prácticas peligrosas (dietas extremas, desintoxicaciones sin respaldo científico) que han derivado en consultas de urgencia.
• Erosión de la confianza institucional, que dificulta que incluso los mensajes precisos sean aceptados por la población.
• Mayor transmisión de enfermedades por desestimación de medidas preventivas (uso de mascarillas, distanciamiento) durante brotes.

6.3 Estrategias de respuesta

Frente a este escenario, la revisión describe un repertorio de intervenciones tecnológicas e institucionales: detección automatizada mediante inteligencia artificial entrenada en grandes volúmenes de afirmaciones verificadas; políticas de moderación de plataformas que retiran o reducen la visibilidad de contenido dañino; y sistemas de verificación de datos (fact-checking) que contrastan afirmaciones con fuentes confiables. Los autores advierten que la eficacia de estas medidas es desigual entre regiones e idiomas, y que el retiro de contenido puede generar percepciones de censura que desplazan a los usuarios hacia espacios menos regulados.

7. Conclusiones del artículo y proyección

La revisión concluye que las redes sociales han pasado de ser un canal periférico a un componente estructural de la salud pública contemporánea, con aplicaciones legítimas en vigilancia, promoción de conductas saludables y comunicación de emergencias. No obstante, su integración exitosa exige:

• Marcos de validación rigurosos que crucen señales digitales con datos clínicos y de laboratorio.
• Gobernanza institucional clara, con unidades especializadas y protocolos de respuesta ante crisis de desinformación.
• Atención activa a los sesgos de representación digital, para no profundizar inequidades en salud.
• Colaboración con voces creíbles (influencers, líderes comunitarios) bajo criterios de transparencia y evidencia.

Los autores cierran señalando que el debate no debería plantearse en términos de sustitución de la vigilancia tradicional, sino de complementariedad: las redes sociales funcionan mejor como una capa de alerta temprana y de escucha social que dispara investigaciones más rigurosas, nunca como fuente autosuficiente de evidencia.

8. Lectura crítica y relevancia para la gestión sanitaria

Desde la perspectiva de la gestión clínica y la economía de la salud, este trabajo resulta pertinente para pensar el diseño de estrategias de comunicación institucional en sanatorios y sistemas de salud privados, particularmente en lo referido a:

• La necesidad de profesionalizar la comunicación digital institucional, con equipos dedicados que articulen mensajes médicos, de gestión y de marketing sanitario de forma coherente y basada en evidencia.
• El valor potencial —y los límites— de monitorear redes sociales como insumo complementario para anticipar demanda asistencial o detectar percepciones erróneas sobre servicios y tratamientos.
• La oportunidad de colaborar con voces médicas creíbles para contrarrestar desinformación específica del sector (por ejemplo, sobre prácticas quirúrgicas, vacunación o tratamientos oncológicos), replicando el modelo de cuentas institucionales verificadas que describe el artículo.
• La importancia de no sobredimensionar el valor predictivo de las señales digitales sin la correspondiente validación clínica, un punto especialmente relevante para evitar decisiones de gestión basadas en datos no representativos.

En conjunto, el artículo ofrece un marco conceptual sólido y actualizado —aunque de naturaleza narrativa y no sistemática— para integrar de manera crítica y responsable las redes sociales en las estrategias de comunicación y vigilancia de instituciones de salud.

Imaginá que en un hospital, cada mes, el personal de enfermería dedica el equivalente a casi un mes de trabajo completo de una sola persona —750 horas— únicamente a corregir y reconfirmar los pedidos de comida de los pacientes. No a cuidarlos. No a controlar signos vitales. A perseguir formularios, llamar a cocina y aclarar malentendidos sobre quién es alérgico a qué.

Eso fue exactamente lo que encontró un equipo de investigadores en un gran hospital universitario del norte de Italia. Y lo que hicieron para resolverlo —combinar dos disciplinas que casi nunca se hablan entre sí: la gestión de riesgos clínicos y la metodología Lean— terminó reduciendo ese número a 47 horas mensuales, mientras la seguridad del paciente mejoraba en paralelo. La historia, publicada recientemente en la International Journal of Health Care Quality Assurance, es un caso de estudio que vale la pena desempacar.

Dos lenguajes distintos, un mismo objetivo

En la mayoría de los hospitales, la gestión de riesgos clínicos y la gestión Lean viven en mundos separados. La primera mira hacia atrás: analiza incidentes ya ocurridos, investiga causas raíz, refuerza protocolos. La segunda mira hacia adelante: observa el proceso en tiempo real, elimina pasos que no aportan valor, rediseña el flujo de trabajo antes de que el error ocurra.

Una es reactiva por naturaleza. La otra, proactiva. Pero ambas persiguen lo mismo: que el paciente no sufra daño y que el sistema funcione mejor. El estudio italiano parte de una idea simple pero poco explorada hasta ahora: ¿qué pasa si dejamos de tratarlas como enfoques rivales y las hacemos trabajar juntas, paso a paso, dentro del mismo proceso?

Para responder esa pregunta, no eligieron un quirófano ni una sala de urgencias —los escenarios habituales en este tipo de estudios—, sino algo mucho más cotidiano y, paradójicamente, mucho más revelador: el proceso de alimentación hospitalaria.

Un proceso invisible, pero de alto riesgo

Pensar la comida de un hospital como «bajo riesgo» es un error común. En este hospital, el servicio entregaba unas 1.200 comidas diarias, ajustadas a 31 planes dietéticos distintos, en 20 departamentos y más de 30 unidades clínicas. Las prescripciones las hacían los médicos en la historia clínica electrónica, pero las alergias y restricciones muchas veces se anotaban en campos de texto libre en lugar de códigos estandarizados. Resultado: el sistema no podía excluir automáticamente alimentos peligrosos para un paciente alérgico, y enfermería terminaba revisando manualmente, unidad por unidad, todos los días.

Era, en otras palabras, un proceso plagado de lo que la filosofía Lean llama los tres enemigos del buen funcionamiento: muda (desperdicio, en este caso de tiempo y de información redundante), mura (variabilidad, procesos que cambiaban según quién los ejecutara) y muri (sobrecarga, personal de enfermería interrumpiendo el cuidado del paciente para perseguir papeles).

Cómo se rediseñó el proceso

El equipo —formado por gestores de riesgo, gestores Lean, médicos, enfermería, personal de cocina y nutricionistas— no aplicó una receta genérica. Usaron herramientas concretas de ambas disciplinas, combinadas en un mismo ciclo de mejora (la metodología DMAIC: Definir, Medir, Analizar, Mejorar, Controlar):

Hicieron Gemba walks, es decir, salieron a observar el proceso real en el terreno en lugar de asumir cómo funcionaba en el papel. Mapearon todo el flujo de valor (Value Stream Mapping) con la participación directa del personal que vive el proceso día a día. Aplicaron análisis de causa raíz para entender por qué se producían los errores. Y, sobre todo, rediseñaron el sistema bajo el principio poka-yoke: hacer que el error sea físicamente imposible, no solo menos probable.

Concretamente, eso significó tres cambios clave: redujeron las categorías dietéticas de 31 a 13, eliminaron los campos de texto libre que generaban ambigüedad, y restringieron quién podía modificar una prescripción médica dentro del sistema de cocina (los auxiliares ya no pueden alterar lo que indicó el médico). También introdujeron un detalle simple pero efectivo de gestión visual Lean: una bandeja azul distintiva para identificar de un vistazo a los pacientes con alergias.

Los resultados, en números

Los datos recogidos antes y después de la intervención son contundentes. Las prescripciones dietéticas documentadas correctamente dentro de las 24 horas pasaron del 71% al 99%. Las variaciones de último momento solicitadas a cocina —síntoma de un proceso desordenado— cayeron del 52% al 2%. La satisfacción del paciente con la calidad de las comidas subió 11 puntos porcentuales. Y, como mencionamos al principio, el tiempo administrativo del personal de enfermería se redujo de 750 a 47 horas mensuales.

Hay un dato que a primera vista podría parecer una mala noticia, pero es justamente lo contrario: la notificación de incidentes relacionados con errores dietéticos subió de 7 casos en 2020 a 30 en 2023. Esto no significa que hubiera más errores reales, sino que el personal se sentía más seguro reportándolos, gracias a una cultura organizacional de «no culpabilización». Y lo más importante: ninguno de esos incidentes adicionales llegó a causar daño al paciente. El sistema estaba detectando y conteniendo los errores antes de que escalaran, que es exactamente lo que se busca en seguridad del paciente.

Por qué este caso importa más allá de la cocina hospitalaria

La lección de fondo no es sobre bandejas de comida. Es sobre cómo pensamos la gestión de la calidad en salud. Durante años, seguridad del paciente y eficiencia operativa se trataron como objetivos en tensión: cuidar más rápido sonaba a cuidar peor. Este caso muestra lo contrario: cuando el proceso está mal diseñado, la inseguridad y la ineficiencia son la misma cosa, y corregir una corrige la otra.

Los propios autores reconocen que se trata de un estudio de caso único, sin series de datos previas completamente sistematizadas, así que conviene leer estos resultados como evidencia sólida y prometedora, no como prueba definitiva. Pero el marco que proponen —pensar la gestión de riesgos y el pensamiento Lean como dos caras de la misma moneda, unidas por una cultura compartida de calidad y seguridad— es una idea que cualquier gestor sanitario, sin importar el tamaño de su institución, puede empezar a aplicar mañana mismo, aunque sea revisando un solo proceso, como hicieron acá con la comida.

A veces la transformación más grande no empieza en el quirófano. Empieza en la bandeja.

Basado en el estudio «Gestión de riesgos clínicos y de metodología Lean: un marco de implementación integrado», publicado en International Journal of Health Care Quality Assurance (2025).

John B. Rode,^1,2Francesca Lim, MS³Todd M. Jenkins, ^4,5

 JAMA Network Open

Publicado en línea: 15 de junio  de 2026

2026;9;(6):e2618648. doi:10.1001/jamanetworkopen.2026.18648

Claro. A continuación te dejo una síntesis formal del artículo, destacando sus conceptos más sólidos:

Síntesis formal del artículo

El artículo analiza la rentabilidad a 10 años de la cirugía metabólica y bariátrica en adolescentes con obesidad severa, comparando tres estrategias: ausencia de cirugía, gastrectomía en manga y bypass gástrico en Y de Roux. A través de un modelo de microsimulación aplicado a una cohorte hipotética de 100.000 adolescentes, el estudio busca determinar si estas intervenciones quirúrgicas representan una alternativa clínicamente beneficiosa y económicamente justificable dentro del sistema sanitario estadounidense.

Uno de los conceptos centrales del trabajo es que la obesidad severa en adolescentes constituye un problema de salud pública de creciente magnitud, asociado con comorbilidades metabólicas y cardiovasculares de aparición temprana, como diabetes tipo 2, hipertensión y dislipidemia. Estas condiciones tienden a persistir en la adultez, incrementando la carga sanitaria, el deterioro de la calidad de vida y el riesgo de mortalidad prematura. En este contexto, el artículo plantea que las intervenciones tempranas y eficaces son fundamentales.

El estudio sostiene que, si bien el tratamiento intensivo basado en cambios conductuales y de estilo de vida continúa siendo la primera línea terapéutica, su efectividad a largo plazo suele ser limitada en adolescentes con obesidad severa. Frente a ello, la cirugía bariátrica aparece como una estrategia terapéutica con evidencia creciente de eficacia sostenida. Los datos del estudio Teen-LABS muestran reducciones importantes del índice de masa corporal a 10 años, junto con mejoras relevantes en comorbilidades metabólicas, especialmente la remisión de la diabetes tipo 2.

El hallazgo más sólido del artículo es que tanto la gastrectomía en manga como el bypass gástrico en Y de Roux resultan costo-efectivos en comparación con la ausencia de cirugía. La gastrectomía en manga presentó un índice de costo-efectividad incremental de 41.164 dólares por año de vida ajustado por calidad ganado, mientras que el bypass gástrico en Y de Roux alcanzó 50.271 dólares por año de vida ajustado por calidad ganado frente a la no cirugía. Ambos valores se ubican por debajo del umbral de disposición a pagar de 100.000 dólares por año de vida ajustado por calidad, lo que respalda su valor económico.

Sin embargo, al comparar directamente ambas técnicas quirúrgicas, la gastrectomía en manga emerge como la estrategia más rentable. Aunque el bypass gástrico en Y de Roux generó una cantidad ligeramente mayor de años de vida ajustados por calidad, su mayor costo hizo que no resultara costo-efectivo frente a la gastrectomía en manga. Esta última ofrece resultados clínicos comparables, menor costo total y una relación costo-beneficio más favorable, por lo que se posiciona como la alternativa preferente en el horizonte temporal analizado.

Otro punto fuerte del artículo es la incorporación de variables clínicas relevantes en el modelo económico, como la evolución del índice de masa corporal, la remisión de diabetes tipo 2, las complicaciones quirúrgicas, las deficiencias de micronutrientes, los costos médicos directos y los ajustes en calidad de vida. Esta amplitud metodológica fortalece la interpretación de los resultados y permite una aproximación más integral al impacto real de la cirugía bariátrica en adolescentes.

El análisis también reconoce riesgos asociados a las intervenciones quirúrgicas. Los pacientes sometidos a cirugía presentaron mayor probabilidad de desarrollar deficiencias de micronutrientes, especialmente ferritina baja y vitamina B12 baja. No obstante, estos riesgos fueron considerados dentro del modelo y no modificaron la conclusión principal sobre la rentabilidad de la cirugía, particularmente de la gastrectomía en manga.

Los análisis de sensibilidad refuerzan la robustez de los resultados. La gastrectomía en manga se mantuvo como la estrategia más costo-efectiva en la mayoría de los escenarios evaluados y fue la opción preferida en el análisis probabilístico. Esto indica que la conclusión no depende exclusivamente de supuestos puntuales, sino que conserva solidez bajo condiciones de incertidumbre.

El artículo también destaca que la evidencia sobre medicamentos antiobesidad en adolescentes, especialmente agonistas del receptor GLP-1, todavía presenta limitaciones importantes por la falta de datos a largo plazo, los altos costos y las diferencias entre las poblaciones estudiadas. Por ello, el análisis quirúrgico se plantea como una referencia sólida de largo plazo frente a futuras comparaciones con terapias farmacológicas emergentes.

Entre las limitaciones, los autores señalan que algunas variables fueron modeladas a partir de supuestos o datos provenientes de adultos, como las complicaciones tardías, y que no se incorporó la posible recaída de la diabetes tipo 2 tras la remisión. Aun así, algunas de estas decisiones metodológicas tienden a favorecer la estrategia no quirúrgica, por lo que los autores consideran que la rentabilidad real de la cirugía podría incluso estar subestimada.

En conclusión, el artículo aporta evidencia consistente de que la cirugía metabólica y bariátrica constituye una intervención clínicamente eficaz y económicamente rentable para adolescentes con obesidad severa. La gastrectomía en manga se destaca como la opción más sólida desde el punto de vista económico, al combinar beneficios de salud sostenidos con menores costos relativos. Estos hallazgos respaldan la necesidad de ampliar el acceso a la cirugía bariátrica en adolescentes médicamente aptos y de considerar políticas sanitarias que reduzcan las barreras de cobertura y adopción clínica.

Puntos clave

Pregunta:   ¿Resulta rentable la cirugía metabólica y bariátrica (CMB), mediante gastrectomía en manga o bypass gástrico en Y de Roux (RYGB), para adolescentes con obesidad severa en un horizonte de 10 años?

Resultados   En esta evaluación económica de 100 000 adolescentes simulados con obesidad severa, se estimó que tanto la derivación gástrica en Y de Roux (RYGB) como la gastrectomía en manga eran rentables en comparación con la ausencia de cirugía, con índices de costo-efectividad incrementales de $50 271 y $41 164 por año de vida ajustado por calidad ganado, respectivamente. Sin embargo, la RYGB no resultó rentable al compararla directamente con la gastrectomía en manga.

Significado:   Estos resultados sugieren que la cirugía bariátrica es una estrategia de tratamiento a largo plazo rentable para adolescentes con obesidad severa, lo que respalda un uso más amplio en la atención clínica y en las decisiones políticas.

Abstract

Importancia   La obesidad afecta a 1 de cada 5 niños estadounidenses, y se prevé que la prevalencia mundial se duplique para 2035. Entre los adolescentes con obesidad severa, la cirugía metabólica y bariátrica (CMB) produce una pérdida de peso duradera y una mejora de las comorbilidades, aunque su rentabilidad a largo plazo sigue siendo incierta.

Objetivo   : Evaluar la rentabilidad a 10 años de la cirugía bariátrica mecánica (CBM) para adolescentes con obesidad severa utilizando los resultados publicados recientemente del estudio Teen–Longitudinal Assessment of Bariatric Surgery (Teen-LABS).

Diseño, contexto y participantes   Esta evaluación económica utilizó un modelo de microsimulación de una cohorte de 100 000 adolescentes simulados en el sector sanitario estadounidense para proyectar los resultados en salud y costes de la ausencia de cirugía, el bypass gástrico en Y de Roux (RYGB) y la gastrectomía en manga durante 10 años en adolescentes con obesidad severa. Los datos de entrada del modelo, incluido el rendimiento clínico longitudinal, se obtuvieron del estudio Teen-LABS, la literatura publicada y las bases de datos nacionales. Los datos se analizaron desde abril de 2023 hasta octubre de 2025.

Principales resultados y medidas:   Años de vida ajustados por calidad (AVAC), costos (en dólares estadounidenses de 2022) y razones de costo-efectividad incrementales (RCEI), con costos y AVAC futuros descontados a una tasa anual del 3,0 %. Se utilizó un umbral de disposición a pagar (DAP) de 100 000 dólares por AVAC ganado para evaluar la costo-efectividad.

Resultados   La población fue una cohorte hipotética de 100 000 adolescentes con las siguientes características basales: edad 17 años, índice de masa corporal 52,1, 75,0 % mujeres, 13,3 % con diabetes tipo 2, 4,9 % con ferritina baja, 37,2 % con vitamina D baja y 0,4 % con vitamina B12 baja. A los 10 años, se proyectó que la gastrectomía en manga sería la estrategia costo-efectiva, con un ICER de $41 164 por QALY ganado en comparación con la no cirugía. El RYGB produjo la mayor cantidad de QALY, aunque con un ICER menos favorable de $557 751 por QALY ganado en comparación con la gastrectomía en manga. Sin embargo, en una comparación directa con la no cirugía, se estimó que el RYGB sería costo-efectivo, con un ICER de $50 271 por QALY ganado. En los análisis de sensibilidad, la gastrectomía en manga fue consistentemente la estrategia costo-efectiva.

Conclusiones y relevancia:   En esta evaluación económica de la cirugía bariátrica para adolescentes con obesidad severa, tanto el bypass gástrico en Y de Roux (RYGB) como la gastrectomía en manga resultaron ser rentables en comparación con la ausencia de cirugía. Sin embargo, se estimó que la gastrectomía en manga era la estrategia más rentable a lo largo de un horizonte temporal de 10 años al comparar simultáneamente las tres intervenciones. Estos hallazgos complementan la evidencia clínica establecida sobre los beneficios a largo plazo de la cirugía bariátrica, lo que respalda su valor económico.

Introducción

La obesidad pediátrica es un desafío creciente para la salud pública en los EE. UU. ^1 – 3 De 2008 a 2023, entre los niños de 2 a 18 años, la prevalencia de obesidad severa, definida como clase 2 (índice de masa corporal [IMC; calculado como peso en kilogramos dividido por altura en metros al cuadrado] de 120 % a <140 % del percentil 95 para la edad y el sexo) o clase 3 (IMC de 140 % a <160 % del percentil 95), aumentó sustancialmente, con un aumento de la obesidad de clase 2 o superior en un 44,5 % y de la clase 3 o superior en un 88,6 %. ³ Aún más alarmante, durante el mismo período, la obesidad extremadamente severa, definida como clase 4 (IMC de 160 % a <180 % del percentil 95) y clase 5 (IMC de 180 % o superior del percentil 95), aumentó en prevalencia en un 253,1 %. ^{3 Por lo tanto ,} la intervención temprana y eficaz es fundamental, dada la asociación entre la obesidad severa en la infancia y la aparición temprana de comorbilidades metabólicas y cardiovasculares crónicas, como la diabetes tipo 2, la hipertensión y la dislipidemia. ^4-6 Estas afecciones a menudo persisten o empeoran en la edad adulta, contribuyendo a enfermedades cardiometabólicas a largo plazo, deterioro de la calidad de vida y mortalidad prematura. 7 , 8 Además , la carga económica de la obesidad pediátrica es considerable, con costos médicos directos anuales estimados en 1300 millones de dólares. ^9 , 10

El tratamiento intensivo de comportamiento y estilo de vida sigue siendo el enfoque de primera línea para el manejo de la obesidad pediátrica; sin embargo, esta estrategia a menudo produce un éxito limitado a largo plazo, particularmente para niños con obesidad severa. ^11 – 13 La cirugía metabólica y bariátrica (CMB) ha surgido como una opción de tratamiento viable, respaldada por los resultados del estudio Teen-Longitudinal Assessment of Bariatric Surgery (Teen-LABS). En este estudio de cohorte prospectivo y observacional de 260 adolescentes que se sometieron a CMB, los participantes experimentaron una reducción promedio del IMC del 20,6 % después del bypass gástrico en Y de Roux (RYGB) y del 19,2 % después de la gastrectomía en manga a los 10 años de la cirugía. ¹⁴ Las tasas de remisión para la diabetes tipo 2, la hipertensión y la dislipidemia oscilaron entre el 50 % y el 60 %. ¹⁴ A pesar de la pérdida de peso comparable y la remisión de comorbilidades, la evidencia sugiere un riesgo modestamente mayor de complicaciones quirúrgicas y deficiencias de micronutrientes después del RYGB en comparación con la gastrectomía en manga. ^{15 , 16 Por lo tanto, el uso de la} gastrectomía en manga ha aumentado en los últimos años. ^17-19 No obstante, ambos procedimientos siguen siendo opciones de tratamiento seguras y eficaces para adolescentes con obesidad severa seleccionados adecuadamente.

A pesar de la seguridad y eficacia comprobadas de la cirugía bariátrica en adolescentes, su adopción sigue siendo limitada, en parte debido a las preocupaciones sobre los costos iniciales y la rentabilidad general. ^{17 , 18 , 20} Los análisis de rentabilidad son cruciales para orientar la asignación de recursos, especialmente para intervenciones de alto costo como la cirugía bariátrica. Sin embargo, los datos sobre la rentabilidad a largo plazo de estos procedimientos en adolescentes siguen siendo escasos, particularmente aquellos que utilizan datos prospectivos a largo plazo. Este estudio tiene como objetivo abordar esta brecha evaluando la rentabilidad a 10 años de la derivación gástrica en Y de Roux y la gastrectomía en manga en comparación con la ausencia de cirugía para adolescentes con obesidad severa.

Métodos

Descripción general del modelo

Desarrollamos un modelo de transición de estado a nivel de paciente ^21 , 22 para evaluar la rentabilidad de 3 estrategias de tratamiento para adolescentes con obesidad severa en un horizonte temporal de 10 años: sin cirugía, RYGB y gastrectomía en manga. El modelo utilizó datos demográficos y clínicos del estudio Teen-LABS, una cohorte prospectiva multicéntrica de adolescentes de 12 a 19 años con un IMC de 35 o más que cumplían los criterios de elegibilidad para MBS y fueron inscritos en 5 centros participantes en los EE. UU. Un total de 260 participantes se sometieron a RYGB (161 adolescentes) o gastrectomía en manga (99 adolescentes) entre 2007 y 2013, con un seguimiento que concluyó en 2023. Incorporamos resultados quirúrgicos a largo plazo, trayectorias de IMC, deficiencias de micronutrientes y remisión de diabetes tipo 2. ^14 , 23 También incluimos mortalidad y complicaciones quirúrgicas, costos médicos directos y calidad de vida. Los datos de entrada del modelo se derivaron de bases de datos nacionales e investigaciones publicadas ( Tabla 1 ). ^{25 , 26 , 31 , 34 , 35} Todos los pacientes de la cohorte hipotética comenzaron a los 17 años de edad, con un IMC inicial de 52,1; el 75% eran mujeres con una prevalencia basal de diabetes tipo 2 en el 13,3% de los pacientes, ferritina baja en el 4,9%, vitamina D baja en el 37,2% y vitamina B12 baja en el 0,4% según datos observados de 10 años del estudio Teen-LABS. ¹⁴ Cada mes de la simulación, los pacientes estuvieron sujetos a complicaciones quirúrgicas, remisión de la diabetes tipo 2, mortalidad o desarrollo de ferritina baja, vitamina D o vitamina B12 ( Figura 1 ).

El estudio Teen-LABS fue aprobado por los comités de ética de todas las instituciones participantes. Este estudio estuvo exento de los requisitos de consentimiento informado, ya que, según la política institucional, no se consideró investigación con participantes humanos. La presentación de este análisis siguió las directrices de los Estándares Consolidados para la Presentación de Informes de Evaluación Económica en Salud ( CHEERS ).

Comparadores

Simulamos tres comparadores: sin cirugía, gastrectomía en manga y bypass gástrico en Y de Roux (RYGB). La estrategia sin cirugía se modeló a partir de los resultados de un grupo de comparación no quirúrgico utilizando un estudio publicado previamente que identificó factores asociados con el mantenimiento de la pérdida de peso a largo plazo después de la cirugía bariátrica en adolescentes con obesidad severa y comorbilidades asociadas. ²⁴

Trayectoria del IMC y remisión de la diabetes tipo 2

El aumento de peso sin cirugía se basó en una cohorte no quirúrgica de un programa de control de peso que experimentó un aumento del IMC del 10,3 % durante 7,3 años. ²⁴ Por lo tanto, los pacientes que no se sometieron a cirugía aumentaron linealmente su IMC durante 7,3 años. Luego asumimos que su IMC se mantuvo constante hasta el final del horizonte temporal de 10 años del modelo. Para los pacientes quirúrgicos, las trayectorias de reducción del IMC se basaron en datos de Teen-LABS, donde la derivación gástrica en Y de Roux (RYGB) y la gastrectomía en manga se asociaron con una reducción del IMC del 20,6 % y del 19,2 % 10 años después de la cirugía, respectivamente.

Se asumió que los pacientes que no se sometieron a cirugía no lograron la remisión de la diabetes tipo 2. Solo a los pacientes que recibieron gastrectomía en manga y bypass gástrico en Y de Roux se les asignó una probabilidad mensual de remisión derivada de los datos de remisión de diabetes tipo 2 a 10 años del estudio Teen-LABS.^¹⁴ La recaída de la diabetes tipo 2 no se incorporó al modelo, ya que estos datos aún están en estudio.

Complicaciones y mortalidad

Los pacientes que se sometieron a gastrectomía en manga o RYGB experimentaron un pequeño riesgo de mortalidad a los 30 días después de la cirugía. ^25 – 27 Si bien no se informaron muertes dentro de los 30 días posteriores a la cirugía en el estudio Teen-LABS, ¹⁶ otros estudios más grandes han informado una tasa de mortalidad distinta de cero. ^39 , 40 Las complicaciones menores y mayores de RYGB y gastrectomía en manga se definieron como tempranas (es decir, dentro de 1 mes de la cirugía) o tardías (es decir, después de 1 mes de la cirugía). Las tasas de complicaciones tempranas se basaron en datos de una publicación anterior de Teen-LABS. ¹⁶ Las tasas de complicaciones tardías menores y mayores se estimaron a partir de un gran ensayo clínico aleatorizado que comparó gastrectomía en manga y RYGB. ²⁸ Las complicaciones tardías en la cohorte Teen-LABS aún no se han analizado. El riesgo de complicaciones tardías fue constante durante los primeros 4 años después de la cirugía y luego se redujo en un 50% para los años 5 a 10. ²⁵ La mortalidad por todas las causas se estimó utilizando tablas de vida específicas por edad e IMC. ^{25 , 41 , 42} Debido a la escasez de datos, las tasas de mortalidad antes de los 18 años se obtuvieron de las tablas de mortalidad de EE. UU. de 2017 y se asumió que eran constantes en todos los valores de IMC. ⁴²

Deficiencias de micronutrientes

Los pacientes sometidos a gastrectomía en manga o bypass gástrico en Y de Roux (RYGB) incurrieron en el costo de la evaluación de micronutrientes al inicio del estudio, cada 3 a 6 meses durante el primer año postoperatorio y anualmente a partir de entonces, según las directrices de la Sociedad Americana de Cirugía Metabólica y Bariátrica (ASMBS). ⁴³ Solo los pacientes quirúrgicos estaban en riesgo de desarrollar deficiencias de micronutrientes. La incidencia a 10 años de ferritina baja, vitamina D baja y vitamina B12 baja del estudio Teen-LABS se convirtió en una probabilidad mensual de que los pacientes pudieran desarrollar una o más deficiencias de micronutrientes. El manejo, incluida la formulación y la dosificación de los suplementos, siguió las directrices de la ASMBS ( Tabla 1 ). ⁴³ Todos los pacientes con una deficiencia de micronutrientes recibieron tratamiento hasta el final del horizonte temporal de 10 años. Los pacientes quirúrgicos también recibieron el costo de un multivitamínico diario durante todo el período del estudio, según las directrices de la ASMBS. ⁴³

Costos y ajustes en la calidad de vida

El modelo incluyó costos asociados con la cirugía y complicaciones tempranas y tardías derivadas de análisis de costo-efectividad publicados previamente. ^{25 , 26 , 31 , 34 , 35} Los costos totales anuales de atención médica directa, basados ​​en la edad, el sexo, la diabetes tipo 2 y el IMC, se estimaron a partir de la Encuesta del Panel de Gastos Médicos de EE. UU. publicada en un estudio previo de costo-efectividad (tablas electrónicas 1 y 2 en el Suplemento 1 ). ²⁵ El grupo de edad más joven informado fue de 18 a 34 años. Por lo tanto, debido a esta limitación de datos, asumimos que los pacientes de 17 años incurrieron en los mismos costos que los pacientes de 18 años. Los costos de la detección de micronutrientes se obtuvieron del Programa de Tarifas de Laboratorio Clínico de los Centros de Servicios de Medicare y Medicaid. ³⁶ Los costos de los suplementos orales de micronutrientes se obtuvieron del Micromedex RED BOOK (IBM). ³⁷ Todos los costos se ajustaron a dólares estadounidenses de 2022 utilizando el componente de atención médica del índice de precios de Gastos de Consumo Personal. ³⁸

La calidad de vida (CdV) inicial asociada a la obesidad se definió a partir de un estudio publicado previamente que midió la CdV relacionada con la salud de adolescentes con obesidad. ²⁹ Estimamos la CdV asociada a la obesidad y la diabetes tipo 2 a partir de datos de adultos que informaron una disminución en la CdV cuando los pacientes con obesidad también tenían diabetes tipo 2. ³⁰ Asumimos que la misma disminución relativa en la CdV observada en adultos se aplicó a los adolescentes. El decremento de utilidad por diabetes tipo 2 fue la diferencia absoluta en la CdV entre obesidad y obesidad con diabetes. La utilidad basal para adolescentes con obesidad se estimó en 0,737, disminuyendo a 0,654 para aquellos con obesidad y diabetes tipo 2. Cada unidad de reducción del IMC proporcionó una ganancia de utilidad de 0,0056 AVAC. ^{25 , 26 , 32-34 Los} procedimientos quirúrgicos se asociaron con disminuciones de utilidad a corto plazo: -0,220 durante 6 semanas después de la cirugía y -0,360 durante 6 semanas después de complicaciones mayores. ^{25 , 26 , 31 Todas} las utilidades se descontaron a una tasa anual del 3%.

Análisis estadístico

Todos los análisis de costo-efectividad se realizaron utilizando el software estadístico Python versión 3.8.8 (Python Software Foundation). El análisis de datos se llevó a cabo desde abril de 2023 hasta octubre de 2025. Los parámetros del modelo incluyeron costos totales, AVAC (años de vida ajustados por calidad) y ICER (cocientes de costo-efectividad incrementales). La costo-efectividad se evaluó utilizando un umbral de disposición a pagar (DAP) de 100 000 dólares por AVAC ^{ganado . 44-47}

Se realizaron análisis de sensibilidad unidireccionales para explorar el impacto de los parámetros individuales del modelo en los resultados de costo-efectividad, variando un parámetro del modelo a la vez en un rango plausible de valores, mientras que todos los demás se mantuvieron en su valor base. Los resultados se presentaron utilizando un marco de beneficio monetario neto para identificar la estrategia preferida que fue costo-efectiva y resultó en el mayor aumento de AVAC (eMétodos en el Suplemento 1 ). ²² Los análisis de sensibilidad probabilísticos variaron simultáneamente todas las entradas del modelo de acuerdo con distribuciones de probabilidad especificadas. Los costos de suplementación con micronutrientes y detección no se variaron en los análisis de sensibilidad. Debido a sus bajos costos en relación con el costo de la cirugía, las complicaciones y los costos totales de atención médica directa, es poco probable que las fluctuaciones en estos valores por región o a lo largo del tiempo cambien drásticamente los resultados de costo-efectividad del modelo. Los análisis de sensibilidad probabilísticos se realizaron con 1000 iteraciones para evaluar la incertidumbre general en los resultados del modelo.

Resultados

Resultados del caso base

El modelo simuló 100 000 pacientes a partir de los 17 años con un IMC inicial de 52,1, de los cuales 75 000 (75,0 %) eran mujeres. Entre esta cohorte hipotética al inicio, 13 300 (13,3 %) tenían diabetes tipo 2, 4900 (4,9 %) tenían ferritina baja, 37 200 (37,2 %) tenían vitamina D baja y 400 (0,4 %) tenían vitamina B12 baja. Durante el horizonte temporal de 10 años, los costos totales estimados para no cirugía, gastrectomía en manga y RYGB fueron $40 882, $72 048 y $79 626, respectivamente ( Tabla 2 ). Entre las 3 estrategias, RYGB produjo los mayores AVAC ganados (6,888), seguido de cerca por la gastrectomía en manga (6,875). La estrategia no quirúrgica proporcionó la menor cantidad de AVAC ganados, con 6,117 (Figuras electrónicas 1 y 2 en el Suplemento 1 ).

Tabla 2. Resultados de rentabilidad

Ver en grandeDescargar

(Se abre en una pestaña nueva)

La gastrectomía en manga resultó rentable en comparación con la ausencia de cirugía a los 10 años, con un ICER de 41 164 dólares por AVAC ganado, muy por debajo de nuestro umbral de disposición a pagar de 100 000 dólares por AVAC ganado. El bypass gástrico en Y de Roux (RYGB) no resultó rentable en comparación con la gastrectomía en manga, con un ICER de 557 751 dólares por AVAC ganado. Sin embargo, el RYGB sí resultó rentable en comparación con la ausencia de cirugía, con un ICER de 50 271 dólares por AVAC ganado.

Los tratamientos quirúrgicos se asociaron con un mayor riesgo de desarrollar deficiencias de micronutrientes. Por ejemplo, el 44 % y el 43 % de los pacientes sometidos a RYGB y gastrectomía en manga, respectivamente, desarrollaron niveles bajos de ferritina durante el período de 10 años. De manera similar, la deficiencia de vitamina B12 se presentó en el 9 % de los pacientes con RYGB en comparación con el 3 % de los pacientes con gastrectomía en manga. Además, la exposición a la cirugía se asoció con la remisión de la diabetes tipo 2 y la consiguiente mejora en la calidad de vida. Durante 10 años, el 58 % y el 41 % de los pacientes que se sometieron a RYGB y gastrectomía en manga, respectivamente, experimentaron la remisión de la diabetes tipo 2.

Análisis de sensibilidad

Los resultados de los análisis de sensibilidad unidireccionales indicaron que el modelo era más sensible a los cambios en las ganancias de utilidad por reducción del IMC, a los cambios en el IMC en pacientes no quirúrgicos y a las reducciones del IMC en pacientes sometidos a gastrectomía en manga ( Figura 2 ). En la mayoría de los cambios de parámetros plausibles, la gastrectomía en manga siguió siendo la estrategia rentable. Sin embargo, el bypass gástrico en Y de Roux (RYGB) se volvió rentable cuando la reducción del IMC asociada a la gastrectomía en manga disminuyó, la reducción del IMC asociada al RYGB aumentó, la probabilidad de complicaciones mayores tras el RYGB disminuyó y el coste del RYGB disminuyó.

Figura 2. Análisis de sensibilidad unidireccional en un horizonte temporal de 10 años.

Ver en grandeDescargar

(Se abre en una pestaña nueva)

IMC indica índice de masa corporal (calculado como peso en kilogramos dividido por altura en metros al cuadrado); RYGB, bypass gástrico en Y de Roux; SG, gastrectomía en manga. Las entradas del modelo se variaron independientemente en un rango plausible de valores, mientras que todas las demás entradas se mantuvieron constantes en su valor base. Se muestran los 10 parámetros del modelo con mayor efecto en el beneficio monetario neto incremental (BMNI) en comparación con la ausencia de cirugía. Las entradas del modelo con mayor efecto se muestran en la parte superior de la figura, mientras que las entradas con menor efecto se muestran en la parte inferior. El BMNI es el valor monetario de una intervención para un umbral específico de disposición a pagar (DAP) en comparación con una estrategia de referencia, calculado como los años de vida ajustados por calidad (AVAC) incrementales multiplicados por el umbral de DAP, menos los costos incrementales. Si el BMNI es mayor que $0, la estrategia es rentable en comparación con la ausencia de cirugía. Las barras horizontales representan el rango del beneficio monetario neto incremental en el rango de cada parámetro del modelo. El color indica la estrategia preferida (es decir, la estrategia rentable que generó la mayor ganancia en AVAC). Un cambio en la estrategia preferida se indica con una barra vertical de color al final de la barra horizontal. Los símbolos de más y menos se utilizan para indicar si el final de la barra horizontal representa el valor máximo o mínimo del parámetro, respectivamente. En los métodos electrónicos del Suplemento 1 se incluyen más detalles sobre el uso de INMB en este contexto .

En el análisis de sensibilidad probabilístico, la gastrectomía en manga resultó ser la estrategia más rentable en el 57,7 % de las iteraciones en comparación con las demás estrategias ( Figura 3 ; Figura complementaria 3 en el Suplemento 1 ). La ausencia de cirugía y el bypass gástrico en Y de Roux (RYGB) resultaron rentables en el 21,3 % y el 21,0 % de las iteraciones, respectivamente. Estos resultados destacan la solidez de la gastrectomía en manga como la estrategia preferida en condiciones de incertidumbre.

Figura 3. Gráfico lineal del análisis de sensibilidad probabilístico sobre diversas estrategias.

Ver en grandeDescargar

(Se abre en una pestaña nueva)

QALY significa año de vida ajustado por calidad; RYGB, bypass gástrico en Y de Roux; SG, gastrectomía en manga.

La línea discontinua vertical indica el umbral de disposición a pagar del caso base de 100 000 dólares por año de vida ajustado por calidad ganado.

Discusión

Este análisis demuestra el valor a largo plazo de la cirugía bariátrica para adolescentes con obesidad severa. En un horizonte temporal de 10 años, tanto el bypass gástrico en Y de Roux (RYGB) como la gastrectomía en manga resultaron rentables en comparación con la ausencia de cirugía. Cabe destacar que la gastrectomía en manga se posicionó como la estrategia preferida al comparar simultáneamente las tres intervenciones, debido a su menor costo y resultados de salud comparables a los del RYGB. Estos resultados complementan la evidencia clínica existente al demostrar que la cirugía bariátrica también es una estrategia rentable para el manejo de la obesidad severa en adolescentes.

Aunque la rentabilidad de la cirugía bariátrica se ha estudiado ampliamente en adultos, la investigación con adolescentes sigue siendo limitada. Los análisis de rentabilidad de la cirugía bariátrica en adultos demuestran consistentemente que es rentable en comparación con la ausencia de cirugía en múltiples horizontes temporales, aunque los resultados sobre el valor relativo de la gastrectomía en manga en comparación con el bypass gástrico en Y de Roux son mixtos en esta población ^{32 , 48-50 en parte debido a la evidencia contradictoria sobre el grado de pérdida de peso y la resolución de} comorbilidades entre los dos procedimientos. ^{51-53 Por el contrario, pocos modelos de análisis de rentabilidad existentes han demostrado la rentabilidad de la cirugía bariátrica en adolescentes. Además, estos estudios se basaron en datos a corto plazo extrapolados a horizontes temporales más amplios y modelaron el bypass gástrico en Y} de Roux y la gastrectomía en manga juntos o solo el bypass gástrico en Y de Roux, lo que limita la precisión y la aplicabilidad clínica de sus proyecciones a largo plazo. Específicamente, Klebanoff et al. ²⁶ evaluaron la rentabilidad de la MBS en adolescentes utilizando resultados a 3 años del estudio Teen-LABS, encontrando que si bien la RYGB y la gastrectomía en manga no eran rentables en el horizonte temporal de 3 años, se volvieron rentables cuando el modelo se extrapoló a 5 años. Bairdain y Samnaliev ³⁴ emplearon un modelo similar utilizando datos de resultados a 12 meses de 11 pacientes adolescentes que se sometieron solo a RYGB. De igual manera encontraron que si bien la RYGB no era rentable en los primeros 3 años posteriores a la cirugía, se volvió rentable a partir de entonces, hasta 7 años después de la operación. ^26 , 34 Hasta donde sabemos, este análisis es el primero en comparar la rentabilidad de la gastrectomía en manga y la RYGB, tanto por separado como en comparación entre sí, en adolescentes con obesidad severa incorporando datos a largo plazo recopilados prospectivamente sin el uso de extrapolación o proyección. Además, una de las fortalezas de este estudio es la inclusión de deficiencias de micronutrientes y la remisión de la diabetes tipo 2, aspectos que otros modelos para adolescentes publicados anteriormente no han incorporado.

Evaluaciones económicas recientes de medicamentos contra la obesidad (MAO) en un horizonte temporal de 5 a 10 años han sugerido que ciertos fármacos, en particular la fentermina-topiramato, son complementos rentables para el tratamiento intensivo de comportamiento y estilo de vida para el manejo de la obesidad en pacientes adolescentes estadounidenses. ^54 , 55 Estos estudios también demuestran que, si bien los agonistas del receptor del péptido similar al glucagón-1 (AR-GLP-1) tienden a producir reducciones favorables a corto plazo en el IMC, debido a los altos costos actuales, siguen sin ser rentables en comparación con las farmacoterapias existentes. ^54 , 55 Cabe destacar que la liraglutida y la semaglutida recibieron la aprobación de la Administración de Alimentos y Medicamentos para adolescentes de 12 años o más en 2020 y 2022, respectivamente, y han demostrado reducciones significativas del IMC a corto plazo en ensayos aleatorizados; Sin embargo, la mayoría de los datos de ensayos disponibles tienen un seguimiento de 17 meses o menos, y la evidencia sobre la eficacia a largo plazo, la recuperación de peso después de la interrupción y los efectos sobre el crecimiento y la densidad mineral ósea sigue siendo limitada. ^58 – 62 Si bien reconocemos que el panorama de los agonistas del receptor de GLP-1 en rápida evolución puede cambiar la relación costo-efectividad comparativa de la cirugía bariátrica con el tiempo, particularmente si el precio de los medicamentos disminuye en relación con los costos quirúrgicos, incorporar un comparador formal de GLP-1 en nuestro modelo de 10 años requeriría una extrapolación sustancial de estos datos de ensayos a corto plazo en poblaciones que difieren significativamente de la cohorte Teen-LABS en la gravedad de la enfermedad y la duración del seguimiento, lo que introduce un grado de incertidumbre estructural y modelado especulativo que socavaría la principal fortaleza de este análisis, a saber, su uso de datos longitudinales de 10 años recopilados prospectivamente. Por lo tanto, diseñamos intencionalmente este análisis como un punto de referencia quirúrgico a largo plazo basado en datos prospectivos observados en adolescentes, contra el cual se pueden comparar futuros análisis de costo-efectividad que incorporen agonistas del receptor de GLP-1 a medida que se disponga de datos a más largo plazo. Además, al comparar la rentabilidad de los AOM con la de la MBS, es importante reconocer las diferencias poblacionales subyacentes. Los ensayos de farmacoterapia han incluido principalmente a adolescentes con obesidad leve a moderada, ^56 , 57 mientras que la MBS se reserva para aquellos con obesidad grave. ¹³ Por lo tanto, los análisis de rentabilidad basados ​​en medicamentos deben interpretarse en el contexto de una enfermedad más leve, mientras que nuestros hallazgos se aplican a adolescentes con obesidad grave, la población para la cual la Academia Estadounidense de Pediatría (AAP) recomienda actualmente la derivación para MBS. ¹³

Limitaciones

Nuestro estudio presentó limitaciones comunes a los análisis de modelización. En concreto, asumimos que el IMC en pacientes no quirúrgicos aumentó durante 7,3 años y se estabilizó, basándonos en los datos disponibles de la cohorte no quirúrgica, lo que podría subestimar la trayectoria real del IMC y la carga de comorbilidades acumuladas en este grupo durante los 10 años completos. Este sesgo direccional favorece la estrategia de no cirugía, lo que significa que la verdadera rentabilidad de la cirugía bariátrica es probablemente mejor de lo que sugiere nuestro modelo. El hallazgo de que tanto la gastrectomía en manga como el bypass gástrico en Y de Roux siguen siendo rentables incluso bajo estas suposiciones conservadoras refuerza, en lugar de debilitar, la confianza en las conclusiones de este análisis. Además, las tasas de complicaciones tardías se obtuvieron de estudios en adultos debido a la insuficiencia de datos a largo plazo en adolescentes, lo que podría afectar a la estimación del riesgo. Asimismo, si bien se modeló la remisión de la diabetes tipo 2, no se incluyeron las posibles recaídas, ya que estos datos se encuentran actualmente en estudio, lo que podría llevar a una sobreestimación de los beneficios a largo plazo de la cirugía bariátrica en el subgrupo de diabetes tipo 2 modelado en este estudio. Estas limitaciones ponen de relieve la necesidad de obtener evidencia prospectiva de mayor calidad, e idealmente aleatorizada, en adolescentes para perfeccionar aún más las estimaciones de rentabilidad a largo plazo de la cirugía bariátrica, incluidos análisis futuros que incorporen agonistas del receptor de GLP-1 y otras farmacoterapias emergentes a medida que se disponga de datos de eficacia y seguridad a largo plazo.

Conclusiones

Los resultados de nuestro estudio destacan la rentabilidad a largo plazo tanto de la gastrectomía en manga como del bypass gástrico en Y de Roux (RYGB) como intervenciones para adolescentes con obesidad severa. La gastrectomía en manga se perfila como la estrategia más rentable en una comparación de 10 años entre la gastrectomía en manga, el RYGB y la ausencia de cirugía. Si bien los beneficios duraderos para la salud de la cirugía bariátrica están bien establecidos por el estudio Teen-LABS, persisten importantes obstáculos para su adopción generalizada. Superar estos desafíos requerirá acciones a nivel político, incluyendo la ampliación de la cobertura de seguro para incluir la cirugía bariátrica en todos los adolescentes con obesidad severa que sean médicamente aptos. Nuestro análisis aporta evidencia adicional que respalda la rentabilidad a largo plazo de la cirugía bariátrica en esta población para orientar futuras decisiones de política sanitaria dirigidas a mejorar los resultados para los adolescentes con obesidad severa.

Adopción, continuidad, seguridad y la pregunta que nadie quiere responder: ¿quién paga?

Carlos Alberto Díaz. carlosdiazssc@gmail.com

Este trabajo sobre la aplicación de la inteligencia artificial en la práctica clínica fue realizado leyendo y analizando los dos artículos de Takagi S y Sugihara en Jama Health Forum del 17 de junio, así como otro artículo de Hassan M et al. 2024, que profundiza en la evolución y el impacto de la IA clínica en la atención médica. La investigación se llevó a cabo bajo la premisa de que la inteligencia artificial tiene el potencial de transformar la manera en que se brindan los servicios de salud, optimizando tanto el diagnóstico como el tratamiento de diversas enfermedades. Con correcciones posteriores realizadas por mí, me parece que para aquellos que seguimos con interés académico y de gestión, la inquietud sobre cómo se financia la IA clínica, esencial para asistir a los profesionales, debería ser impulsada por asociaciones profesionales no coaptadas y por financiadores públicos, de la seguridad social o privados, integrados en un modelo que priorice el bienestar de la población. El trabajo colaborativo entre diferentes sectores es fundamental, ya que el verdadero interés debe radicar en mejorar la salud de las comunidades, cumpliendo con un deber político y también respondiendo a intereses lucrativos. Sin embargo, es crucial alinear los intereses de los pacientes, las comunidades, los países y los sistemas de salud, junto con la industria del cuidado de la salud, para que trabajen en sinergia. Esto no sólo fomentaría una integración más efectiva de la IA en la práctica clínica, sino que también permitiría una gestión más eficiente de los recursos. Porque, con estas acciones, no se generará una «epidemia de salud»; al contrario, si bien las personas se enfermarán igualmente, tendrán la posibilidad de vivir más años y con mayor libertad, disfrutando de una mejor calidad de vida a pesar de los desafíos que la salud pública sigue enfrentando en el mundo contemporáneo.

Cada pocos meses aparece un nuevo algoritmo capaz de detectar un cáncer de piel con la precisión de un dermatólogo experto, de predecir un paro cardíaco horas antes de que ocurra, o de redactar la nota clínica mientras el médico simplemente conversa con el paciente. Los titulares son consistentes: la inteligencia artificial (IA) «supera» a los humanos en tal o cual tarea diagnóstica. Y sin embargo, la mayoría de esas herramientas nunca llega a usarse de forma rutinaria en un hospital o un centro de salud. Quedan atrapadas en la distancia que separa un buen estudio publicado en una revista de alto impacto de un sistema que un clínico abre todos los días, durante años, para atender pacientes reales.

Esa distancia no se explica por la tecnología. Dos investigaciones recientes —una revisión de alcance publicada en JMIR Human Factors sobre barreras y facilitadores de la adopción de IA en salud, y un artículo de opinión publicado en JAMA Health Forum en junio de 2026 sobre quién debería pagar la IA clínica— coinciden en algo incómodo: el problema rara vez es si el algoritmo funciona. El problema es todo lo que rodea al algoritmo: la confianza, la gobernanza, el sostenimiento en el tiempo, la seguridad de los datos y, sobre todo, el dinero. En este artículo recorremos esos cuatro frentes —adopción, continuidad, seguridad y financiamiento— y cerramos con la pregunta que motivó esta nota: ¿pueden los grandes financiadores públicos, como Medicare, ser la respuesta?

1. Qué entendemos por IA clínica (y por qué importa la definición)

Antes de hablar de barreras conviene aclarar de qué estamos hablando. La definición de IA más citada en la literatura sigue siendo la que acuñó John McCarthy en 1956: la ciencia y la ingeniería de crear máquinas inteligentes. En el contexto sanitario actual, esa idea se traduce sobre todo en dos familias de técnicas: el aprendizaje automático, que trabaja con datos estructurados como imágenes diagnósticas o resultados de laboratorio, y el procesamiento del lenguaje natural, que extrae sentido de datos no estructurados como las notas clínicas en texto libre. La aparición de modelos de lenguaje extenso —ChatGPT es el ejemplo más visible desde 2022— sumó una tercera capa: sistemas capaces de leer historiales electrónicos y generar resúmenes o documentación, reduciendo la carga administrativa del personal clínico.

El artículo de Takagi y Sugihara en JAMA Health Forum propone una definición operativa más estrecha y útil para esta discusión: IA clínica es aquella que afecta materialmente la documentación, la toma de decisiones, el flujo de trabajo o el pago dentro de la atención médica, incluyendo herramientas híbridas como los sistemas de documentación ambiental que escuchan la consulta y generan la nota automáticamente. Esta definición importa porque deja afuera la IA puramente administrativa de bajo riesgo y concentra la conversación donde realmente se juegan la seguridad del paciente y el dinero público: en los sistemas que tocan decisiones clínicas o ciclos de facturación.

2. La adopción no es un evento, es un proceso largo y frágil

La revisión sistemática de Hassan, Kushniruk y Borycki analizó 50 estudios publicados entre 2011 y 2023 y agrupó los hallazgos en aproximadamente 18 categorías de barreras y facilitadores. El dato que enmarca todo el trabajo es contundente: se estima que el 70% de los proyectos de tecnología de la información en salud fracasan. No por falta de presupuesto inicial ni de validación técnica, sino porque las organizaciones sanitarias son sistemas complejos, con estructuras heredadas, escasez crónica de recursos y una resistencia natural al cambio cuando la carga de trabajo ya es alta.

Los autores distinguen, citando el marco clásico de difusión de innovaciones de Everett Rogers, entre implementación —la introducción técnica de una herramienta— y adopción —su incorporación real a la práctica cotidiana. Esa distinción es clave: un hospital puede instalar perfectamente un sistema de IA y que, dos años después, nadie lo use porque no se ganó la confianza de los clínicos.

¿Qué hace que un sistema sí se adopte? La revisión identifica varios factores que se repiten en la literatura:

Gobernanza con responsabilidades claras. No alcanza con un comité de ética genérico. Los estudios revisados piden estructuras que supervisen todo el ciclo del proyecto —desde la concepción hasta la implementación y el mantenimiento— con roles explícitos: quién revisa una predicción de riesgo, quién responde si el algoritmo se equivoca, quién aprueba una actualización del modelo.

Alineación estratégica. Cuando la incorporación de IA no está conectada con los objetivos generales de la organización, los resultados son inconsistentes y la comunicación entre departamentos se fragmenta. Alemania, por ejemplo, introdujo una ley específica de apoyo financiero para que las organizaciones sanitarias pudieran incluir la IA en su estrategia sin que el costo fuera la barrera de entrada.

Un problema real detrás del algoritmo. Varios estudios advierten sobre el error de partir de los datos disponibles para «buscarle una solución», en lugar de identificar primero un problema clínico concreto que la IA pueda resolver. Los proyectos sin un caso de uso bien definido tienden a estancarse en la fase de implementación.

Participación temprana de los usuarios finales. Clínicos y pacientes deben estar involucrados desde el diseño, no solo en la fase de prueba final. Los estudios documentan que incorporar a un «líder clínico» desde el inicio —alguien que entienda tanto la tecnología como la práctica diaria— mejora sustancialmente las probabilidades de adopción exitosa.

Integración real con el flujo de trabajo. Un sistema de IA que obliga a los clínicos a salir de su rutina habitual para consultarlo está destinado al abandono. La recomendación que se repite en distintos estudios es simple en su enunciado y difícil en la ejecución: la herramienta debe encajar en cómo se trabaja hoy, no exigir que el equipo cambie su forma de trabajar para acomodarla.

Por encima de todos estos factores, los autores identifican la confianza como el catalizador central. La confianza, a su vez, depende de que se resuelvan adecuadamente el sesgo algorítmico, la transparencia de las decisiones y la seguridad clínica —temas que desarrollamos en la siguiente sección.

3. Continuidad: la IA no se instala, se sostiene

Si la revisión de Hassan et al. describe qué hace falta para que un sistema empiece a usarse, el artículo de Takagi y Sugihara pone el foco en un problema distinto y menos discutido: qué hace falta para que ese sistema siga funcionando bien con el paso del tiempo.

Su argumento central es que la IA clínica no es software estático. A diferencia de un equipo médico tradicional, que una vez calibrado se mantiene relativamente estable, un modelo de IA puede degradarse silenciosamente a medida que cambian las poblaciones de pacientes, los patrones de práctica clínica, los hábitos de documentación o el ecosistema de dispositivos con el que interactúa. Un algoritmo entrenado con los datos de un hospital en 2023 puede empezar a fallar en 2026 simplemente porque el perfil de los pacientes que llegan a urgencias cambió, o porque se actualizó el sistema de historia clínica electrónica con el que se integra.

Esto convierte el monitoreo continuo del rendimiento en parte del análisis de seguridad de la tecnología, no en un costo accesorio. Los autores señalan que las tendencias regulatorias más recientes ya reflejan esta realidad: cada vez se exige a los desarrolladores presentar planes formales para actualizar sus sistemas a lo largo del tiempo, reconociendo que el cambio es inevitable y que necesita procesos de supervisión claros.

La pregunta de fondo, entonces, no es solo «¿quién implementa este sistema?», sino «¿quién tiene la autoridad y el presupuesto para vigilar su desempeño dentro de tres años, comunicar sus limitaciones a los usuarios y financiar las actualizaciones cuando hagan falta?». Esta pregunta, según Takagi y Sugihara, casi nunca se responde antes de que un programa piloto arranque, y esa omisión es una de las razones por las que tantas herramientas técnicamente sólidas terminan abandonadas.

4. Seguridad: dos problemas distintos que suelen mezclarse

Cuando se habla de «seguridad» en IA clínica, en realidad se están discutiendo dos cuestiones diferentes que conviene separar.

Seguridad de los datos. La revisión de Hassan et al. identifica la seguridad de los datos como un factor central de vacilación entre las organizaciones sanitarias. Las preocupaciones giran en torno a la ciberseguridad de los datos de entrenamiento y de prueba, el temor a que rastreadores o spyware accedan a información no solicitada, y un riesgo particularmente delicado: la posibilidad de reidentificar pacientes a partir de datos que se suponían anonimizados. Este último punto alimenta una resistencia comprensible a compartir datos clínicos, lo que a su vez limita la cantidad y diversidad de información disponible para entrenar mejores algoritmos —un círculo que se retroalimenta.

Seguridad clínica. Es un problema distinto: qué tan seguro es el resultado que el algoritmo le entrega al clínico. Aquí aparece el sesgo algorítmico, definido en la literatura como los casos en que un algoritmo agrava desigualdades existentes de estatus socioeconómico, raza, género o discapacidad. Los ejemplos documentados son contundentes: algoritmos que no detectan correctamente el cáncer de piel en personas de piel oscura por haber sido entrenados mayoritariamente con imágenes de piel clara, o un sistema ampliamente usado en hospitales estadounidenses que, al usar el gasto histórico en salud como variable para predecir quién necesita atención adicional, terminó siendo discriminatorio hacia pacientes negros, que en promedio gastan menos en salud que los pacientes blancos por razones estructurales ajenas a su estado de salud real.

A esto se suma el riesgo de imprecisión simple: un algoritmo demasiado conservador puede generar falsos negativos que retrasan un tratamiento necesario, mientras que uno demasiado sensible puede generar falsos positivos que añaden trabajo, ansiedad y costos innecesarios. Takagi y Sugihara conectan este punto con el financiamiento de una forma que no suele discutirse: la ciberseguridad, los controles de privacidad y los registros de auditoría no son extras opcionales, sino costos recurrentes que se repiten a lo largo de toda la vida útil del sistema. Tratarlos como un gasto único en el momento de la compra es, según los autores, una de las formas más comunes en que los proyectos de IA clínica se vuelven financieramente insostenibles.

5. El nudo del financiamiento: el problema que explica todo lo demás

Llegamos al punto donde ambos artículos convergen con más fuerza. Hassan et al. identifican la falta de financiamiento y la incertidumbre financiera como una barrera central para la implementación, especialmente cuando una tecnología todavía no tiene evidencia robusta que demuestre su valor: nadie quiere pagar por algo que todavía no probó que funciona, pero probar que funciona en condiciones reales requiere, justamente, financiamiento. Citan además el caso de IBM Watson en China, donde los pacientes debían cubrir tarifas elevadas de su bolsillo, lo que limitó severamente la adopción del sistema.

Pero es el artículo de Takagi y Sugihara el que lleva esta idea a su forma más afilada. Su tesis es que quién paga no es un detalle contable, sino la variable que determina para quién se diseña realmente un sistema de IA y con qué criterios se va a evaluar su éxito. Cuando el pagador es ambiguo —y en la mayoría de los proyectos de IA clínica lo es— el beneficiario del sistema termina siendo, de forma implícita, quien pueda justificar la partida presupuestaria. Las métricas de éxito se ajustan en consecuencia, casi siempre sin que nadie lo decida explícitamente.

Esto genera lo que los autores llaman una paradoja estructural de compra: la organización a la que se le pide que financie la adquisición y el mantenimiento no siempre es la que obtiene los ahorros a largo plazo. Un pagador —una aseguradora, por ejemplo— puede valorar la reducción de hospitalizaciones o la mejora de resultados poblacionales, mientras que el hospital que adopta el sistema enfrenta de inmediato mayores costos de integración, capacitación y gestión de riesgo. No es un problema de mala negociación entre las partes: es que, cuando un mismo sistema debe generar valor para múltiples actores con intereses distintos, alguien tiene que decidir qué métrica importa más, y esa decisión suele tomarla, sin decirlo abiertamente, quien controla el dinero.

El artículo describe además lo que llama un «círculo vicioso» de evidencia: si los sistemas de salud van a pagar, exigen un retorno de inversión demostrable —ahorro de tiempo clínico, mayor eficiencia, menor carga administrativa—; si los pacientes van a pagar de su bolsillo, necesitan percibir una experiencia mejor que la habitual; y si las aseguradoras van a reembolsar, exigen pruebas sólidas de costo-efectividad, pruebas que son difíciles de generar a gran escala precisamente porque todavía no existe una cobertura sostenible que permita esa escala. Las aseguradoras, en otras palabras, suelen pedir el tipo de evidencia que solo se puede producir con la adopción masiva que se niegan a financiar hasta tener esa evidencia.

6. El caso Medicare: ¿son los grandes financiadores la solución?

Esta es la pregunta que motivó este artículo, y la respuesta que ofrece la evidencia disponible es más matizada de lo que uno desearía.

Takagi y Sugihara citan un dato revelador del informe de junio de 2024 de la Comisión Asesora de Pagos de Medicare (MedPAC, por su sigla en inglés). Entre el software incluido como servicio pagadero por separado bajo el sistema de pago prospectivo para pacientes ambulatorios en 2022, solo una herramienta diagnóstica registró un volumen y un gasto significativos: 8.665 usos y 8,4 millones de dólares. La gran mayoría de los demás elementos de software cubiertos por esa vía de pago tuvieron poco o ningún uso registrado.

Este dato es importante porque desmonta una intuición razonable —»si un gran financiador público como Medicare paga, la adopción debería despegar»— y la reemplaza por un cuadro más complejo. Tener una vía de pago no equivale a tener un mecanismo de pago suficiente. Incluso cuando Medicare cubre formalmente una tecnología, la porción de valor que cubre puede ser pequeña en relación con el costo total de una operación verdaderamente segura: el rediseño del flujo de trabajo, el monitoreo continuo, la auditabilidad y las actualizaciones —los costos de «continuidad» que describimos en la sección 3— suelen quedar fuera del reembolso. En el caso de muchas tecnologías basadas en software, el pago de Medicare puede cubrir únicamente la etapa de análisis del algoritmo, dejando toda la implementación y la supervisión continua a cargo de la organización que lo adopta.

Además, el modelo predominante en Estados Unidos exige evidencia antes de reembolsar de forma consistente, lo que genera el círculo vicioso descrito en la sección anterior: las vías de pago para software de IA siguen siendo heterogéneas entre distintos entornos de atención y distintos pagadores, lo que añade incertidumbre regulatoria a la incertidumbre financiera.

Esto no significa que los grandes financiadores públicos no puedan ser parte de la solución. Significa que serlo requiere algo más que asignar una partida presupuestaria: requiere que el modelo de pago reconozca explícitamente los costos recurrentes del ciclo de vida completo, no solo el costo de adquisición inicial.

7. Una alternativa: el modelo alemán DiGA

El artículo de Takagi y Sugihara ofrece un punto de comparación útil: la vía de Aplicaciones de Salud Digital de Alemania, conocida por su sigla en alemán, DiGA. Bajo este esquema, las aplicaciones de salud digital elegibles pueden prescribirse y reembolsarse incluso antes de contar con evidencia madura, a través de una cobertura limitada en el tiempo o condicional que permite generar esa evidencia mientras la tecnología ya está siendo reembolsada y usada en la práctica real.

La lógica es distinta a la estadounidense: en lugar de exigir certeza probatoria completa antes de pagar, el sistema alemán intercambia explícitamente una parte de esa certeza inicial por un mecanismo que financia el aprendizaje sobre la marcha. Es, en cierto sentido, una forma de reconocer que la evidencia de costo-efectividad a gran escala solo puede generarse si primero existe una vía de pago que permita esa escala —rompiendo el círculo vicioso que el propio artículo describe para el caso estadounidense.

Ningún modelo es automáticamente superior al otro; cada uno responde de forma distinta a la misma pregunta de fondo: ¿quién financia el período de incertidumbre que existe entre un prototipo clínicamente plausible y la evidencia madura que finalmente justifica su uso masivo? Lo que sí queda claro al comparar ambos sistemas es que la ambigüedad —no tener ninguna respuesta explícita a esa pregunta— es la peor opción posible para cualquier sistema de salud.

8. Cuatro preguntas antes de cualquier piloto de IA clínica

A partir de todo este análisis, Takagi y Sugihara proponen un marco simple pero exigente: antes de lanzar cualquier programa piloto de IA clínica destinado a convertirse en uso rutinario, desarrolladores y organizaciones adoptantes deberían poder responder, de forma explícita, cuatro preguntas.

La primera es quién paga, y no solo en el momento de la adquisición: quién financiará los costos recurrentes de una operación segura, incluyendo cómputo, soporte de integración, ciberseguridad, gobernanza, monitoreo y actualizaciones. Si el costo se comparte entre varias partes, hace falta definir qué activa la obligación de cada una y cómo se resuelven los desacuerdos.

La segunda es quién es el beneficiario principal: pacientes, médicos, la organización o las aseguradoras. Cuando estos intereses entran en conflicto —algo que ocurre con frecuencia— hace falta establecer de antemano cuál tiene prioridad y qué salvaguardias impiden que se manipulen las métricas de éxito, por ejemplo optimizando la velocidad de la documentación a costa de la calidad de la atención.

La tercera es la alineación de métricas: qué resultados van a definir el valor del sistema tanto para el pagador como para el beneficiario, y cuál es el plan concreto para medirlos. Los autores sugieren métricas plausibles como el tiempo recuperado por el personal clínico, el acceso y la continuidad de la atención, medidas de resultado validadas, señales de seguridad y el impacto en la equidad —junto con umbrales preestablecidos que determinen cuándo interrumpir, revisar o ampliar el programa.

La cuarta es la rendición de cuentas a lo largo del ciclo de vida: quién tiene la autoridad y la responsabilidad de supervisar los cambios de rendimiento en el tiempo, comunicar las limitaciones del sistema a los usuarios, supervisar las actualizaciones, y quién financia esas obligaciones cuando surgen tensiones en la operación real, no en el plan original.

Los autores son claros en un punto: estas cuatro preguntas no reemplazan los estudios clínicos tradicionales, sino que los hacen interpretables. Y proponen una idea final que vale la pena subrayar: la IA clínica puede tratarse como un bien público que justifica infraestructura subvencionada y supervisión compartida, o como un complemento premium cuyo beneficio debe estar contemplado dentro del reembolso existente. Ambas opciones son defendibles. Lo que no es defendible es la ambigüedad.

9. Conclusión: la pregunta correcta no es si funciona

Si hay una idea que conviene llevarse de este recorrido por ambos artículos, es que la conversación pública sobre IA en salud está, en buena medida, formulando la pregunta equivocada. Preguntar si un algoritmo es preciso, si supera a un especialista humano en una tarea específica, es relevante pero insuficiente. La pregunta que realmente determina si esa tecnología va a llegar a transformar la atención de un paciente real es otra: ¿para quién se está diseñando este sistema, quién va a financiar su seguridad a lo largo de los años, y con qué criterios se va a evaluar el valor que genera?

La evidencia disponible —tanto la revisión sistemática de barreras y facilitadores como el análisis específico sobre financiamiento— apunta en la misma dirección. La confianza no se construye solo con buenos resultados técnicos, sino con gobernanza, participación de los usuarios e integración cuidadosa en el flujo de trabajo real. La continuidad no es un detalle posterior a la implementación, sino parte central del análisis de seguridad desde el primer día. Y el financiamiento, lejos de ser un problema administrativo secundario, es la variable que termina decidiendo, en la práctica, para quién trabaja realmente cada sistema de inteligencia artificial en salud.

Los grandes financiadores públicos como Medicare pueden, eventualmente, ser parte central de la solución. Pero la experiencia documentada hasta ahora muestra que asignarles ese rol sin resolver antes las cuatro preguntas de financiamiento, beneficiario, métricas y rendición de cuentas produce justamente lo que se observó en el informe de 2024: una vía de pago que existe en el papel, pero que en la práctica casi nadie usa.

Referencias

1. Hassan M, Kushniruk A, Borycki E. Barreras y facilitadores de la adopción de la inteligencia artificial en la atención sanitaria: Revisión del alcance. JMIR Human Factors. 2024;11:e48633. PMID: 39207831; PMCID: PMC11393514.
2. Takagi S, Sugihara G. Inteligencia artificial clínica: ¿a quién beneficia y quién la paga? JAMA Health Forum. 2026;7(6):e261531. doi:10.1001/jamahealthforum.2026.1531.

Nota: este artículo fue elaborado por saludbydiaz como una síntesis divulgativa de los dos estudios citados. Para profundizar en la metodología, las tablas de evidencia completas y la bibliografía secundaria empleada por cada uno de los autores originales, se recomienda consultar los artículos completos en las fuentes indicadas.

Christopher M. Worsham, Charles F. Bray, Anupam B. Jena,

JAMA Pediatr 1 de junio  de 2026doi: 10.1001/jamapediatrics.2026.1546

Los Centros para el Control y la Prevención de Enfermedades de EE. UU. eliminaron recientemente la vacunación anual contra la influenza de sus recomendaciones para la infancia, ^¹ citando preocupaciones sobre la falta de datos aleatorios contemporáneos que respalden la vacunación anual contra la influenza y la dependencia histórica de datos observacionales para respaldar la eficacia de la vacuna (es decir, comparaciones anuales de las tasas de vacunación contra la influenza entre individuos con enfermedades similares a la influenza que dieron positivo frente a negativo para la influenza), lo que puede estar sesgado.² ^, ³ Una forma de utilizar datos observacionales para evaluar la eficacia anual de la vacuna contra la influenza en niños que sea menos susceptible a sesgos es identificar casos en los que algunos niños, por casualidad, se vacunan mientras que otros no: un experimento natural.⁴

Los niños pequeños suelen tener visitas anuales de control de salud infantil cerca de su cumpleaños. Esta visita puede ser una oportunidad conveniente para la vacunación contra la gripe entre los niños que cumplen años en otoño, cuando la vacuna para la próxima temporada está disponible en una visita de control de salud infantil. Por el contrário, los niños que cumplen años en verano (y tienen visitas de control de salud infantil en verano) deben programar una cita adicional para vacunarse, lo que lleva a que los niños que cumplen años en verano sean efectivamente asignados aleatoriamente a una vía de vacunación más engorrosa en comparación con niños similares que cumplen años en otoño. Investigaciones previas han demostrado que los niños de 2 a 5 años que cumplen años en otoño tienen más probabilidades de recibir la vacuna contra la gripe y menos probabilidades de ser diagnosticados con gripe en comparación con los niños que cumplen años en verano, apesar de que ambos grupos de niños son similares en una amplia gama de características observables: evidencia cuasiexperimental de la eficacia de la vacuna. ⁴ Utilizamos este experimento natural para evaluar la eficacia de la vacunación contra la gripe en várias temporadas de gripe individuales recientes.

Métodos

Al examinar 5 temporadas típicas de influenza de 2016 a 2023 (excluyendo las temporadas 2020-2021 y 2021-2022 debido a la COVID-19) y utilizando datos nacionales de reclamaciones de seguros (MarketScan), medimos las tasas de vacunación contra la influenza y el diagnóstico de influenza entre niños de 2 a 5 años con cumpleaños en otoño frente a verano. Bajo el supuesto de que los niños con cumpleaños en otoño frente a verano deberían tener un riesgo basal de diagnóstico de influenza similar (como se mostró previamente ^4 , 5 ), cualquier diferencia en los diagnósticos de influenza observados entre los 2 grupos puede atribuirse a diferencias en las tasas de vacunación, lo que permite una evaluación cuasi-experimental de la eficacia de la vacuna en cada temporada de influenza. Por ejemplo, en una temporada de influenza determinada, tasas de vacunación más altas entre niños con cumpleaños en otoño frente a verano que no estén acompañadas de tasas de diagnóstico de influenza más bajas sugerirían una baja eficacia de la vacuna en esa temporada. También comparamos las diferencias en el diagnóstico de infecciones virales no influenza como prueba de falsificación, porque no se esperaría que las tasas de diagnóstico se vieran influenciadas por la vacunación contra la influenza, agregadas en todas las temporadas. En el Suplemento 1 se incluyen métodos adicionales . El estudio fue eximido de revisión por el comité de ética de la Facultad de Medicina de Harvard y se adhirió a las directrices STROBE para la presentación de informes de estudios transversales. Los análisis se realizaron con R 4.1 (The R Foundation) y Stata 16.1 (StataCorp); los intervalos de confianza del 95 % se generaron utilizando errores estándar y un nivel de significancia α bilateral de 0,05.Resultados

En cada una de las 5 temporadas de influenza analizadas, los niños nacidos en otoño tenían mayor probabilidad de estar vacunados contra la influenza y menor probabilidad de ser diagnosticados con ella ( Tabla 1 ). En términos absolutos, las tasas de vacunación contra la influenza fueron entre 8,6 y 12,5 puntos porcentuales más altas, según la temporada, entre los niños nacidos en otoño en comparación con los nacidos en verano. Por otro lado, las tasas de diagnóstico de influenza fueron entre 1,0 y 1,4 puntos porcentuales más bajas para los niños nacidos en otoño en comparación con los nacidos en verano. No se observaron diferencias en las tasas de diagnóstico de afecciones falsas de infección viral no gripal ( Tabla 2 ), lo que sugiere que no hubo confusión residual por factores como los comportamientos de búsqueda de atención médica.Tabla 1. Evaluación de la eficacia de la vacuna contra la influenza en temporadas individuales de influenza mediante un experimento natural.

Tabla 2. Resultados de falsificación entre niños con cumpleaños en otoño frente a verano 

(Se abre en una pestaña nueva)

Las estimaciones de Wald ^6 , 7 del efecto de la vacunación contra la influenza en el riesgo de infección (un efecto de tratamiento promedio local, definido como la diferencia en las tasas de diagnóstico entre niños con cumpleaños de otoño versus verano dividido por la diferencia en las tasas de vacunación) sugirieron que por cada 100 niños que fueron vacunados debido a la fecha de su cumpleaños, hubo entre 9 y 14 casos menos diagnosticados de influenza, dependiendo de la temporada ( Tabla 1 ).

Discusión

Estos hallazgos son consistentes con la vacunación contra la influenza que reduce significativamente el riesgo de infección por influenza diagnosticada entre niños de 2 a 5 años cada temporada de influenza. Los enfoques cuasiexperimentales como este, que aprovechan la variación plausiblemente exógena en los patrones de vacunación, pueden utilizarse para evaluar la eficacia de la vacunación contra la influenza anualmente utilizando datos observacionales sin necesidad de ensayos aleatorizados grandes y costosos. ⁵ La magnitud de la eficacia de la vacuna que estimamos es consistente con los resultados de ensayos aleatorizados anteriores. ⁸ Una limitación principal de este estudio es que las reclamaciones de seguros pueden no capturar todas las vacunaciones ni todos los casos de influenza; sin embargo, es poco probable que esto introduzca sesgo ya que no debería ser sistemáticamente diferente entre los meses de nacimiento. Además, debido a que muchos casos de influenza no se diagnostican formalmente, los casos identificados en este análisis probablemente representan infecciones clínicamente significativas que llevaron a los padres a buscar atención médica.