Mark S Bauer ^1, 7, ✉ , Laura Damschroder ² , Hildi Hagedorn ³ , Jeffrey Smith ⁴ , Amy M Kilbourne ^5, 6

PMCID: PMC4573926 PMID: 26376626

Abstract

Fondo

La incorporación de prácticas basadas en la evidencia (PBE) al uso clínico rutinario no es espontánea, sino que requiere esfuerzos específicos. El campo de la ciencia de la implementación se ha desarrollado para facilitar la difusión de las PBE, incluyendo intervenciones psicosociales y médicas para problemas de salud mental y física.

Discusión

Los autores buscan presentar los principios de la ciencia de la implementación a investigadores, administradores y responsables políticos no especializados que deseen familiarizarse con este campo emergente. Esta introducción se basa en la literatura publicada y en la experiencia de los autores como investigadores en este campo, así como en su amplia trayectoria como evaluadores de subvenciones para proyectos de ciencia de la implementación.

La ciencia de la implementación es el estudio científico de métodos para promover la incorporación sistemática de los hallazgos de la investigación y otras prácticas basadas en la evidencia (PBE) a la práctica rutinaria, mejorando así la calidad y la eficacia de los servicios de salud. Si bien se distingue de los métodos de mejora de la calidad y de difusión, comparte características con ellos. Los estudios de implementación pueden evaluar la variabilidad naturalista o medir el cambio en respuesta a una intervención planificada. Estos estudios suelen emplear diseños mixtos cuantitativos-cualitativos, identificando factores que influyen en la adopción en múltiples niveles, incluyendo el paciente, el proveedor, la clínica, el centro, la organización y, a menudo, la comunidad en general y el entorno político. Por consiguiente, la ciencia de la implementación requiere una sólida base teórica y la participación de equipos de investigación transdisciplinarios.

Resumen

La justificación empresarial de la ciencia de la implementación es clara: a medida que los sistemas de salud operan en condiciones cada vez más dinámicas y con recursos limitados, las estrategias basadas en la evidencia son esenciales para garantizar que las inversiones en investigación maximicen el valor de la atención médica y mejoren la salud pública. La ciencia de la implementación desempeña un papel fundamental en el apoyo a estos esfuerzos.

Palabras clave: Implementación, Mejora de la calidad, Servicios de salud, Evaluación de resultados, Práctica basada en la evidencia, Organización de atención médica que aprende

Antecedentes: ¿Qué es la ciencia de la implementación y cómo se desarrolló?

La necesidad de una ciencia de la implementación

Se ha informado ampliamente que las prácticas basadas en la evidencia ( PBE ) tardan en promedio 17 años en incorporarse a la práctica general rutinaria en la atención sanitaria [ 1 – 3 ]. Incluso esta desalentadora estimación presenta una proyección irrealmente optimista, ya que solo alrededor de la mitad de las PBE llegan a un uso clínico generalizado [ 1 ].

Históricamente, esta brecha entre la investigación y la práctica no ha sido una preocupación para los investigadores clínicos académicos. El modelo tradicional de éxito profesional en el ámbito académico se ha centrado principalmente en la realización de estudios descriptivos o de mecanismos y estudios de intervención en poblaciones altamente seleccionadas, generalmente en centros médicos académicos, y en la publicación en revistas académicas de primer nivel. Si estos hallazgos se traducen en un impacto en la salud pública no ha sido, por lo general, una preocupación para los investigadores tradicionales del sector sanitario.

Este paradigma de éxito académico ha sido objeto de críticas, con razón, en los últimos años. Quienes financian la investigación biomédica se han mostrado preocupados por la falta de impacto en la salud pública de sus inversiones [ 4 ]. Además, la disminución de la financiación para la investigación a nivel mundial ha generado debates sobre las ventajas y desventajas de invertir en proyectos más conservadores con resultados predecibles frente a investigaciones más innovadoras, incluyendo proyectos con muestras del mundo real que podrían tener un mayor impacto en la salud pública [ 5 ].

El reconocimiento de la necesidad de investigación que impacte más directamente en la salud pública ha ampliado un poco la mentalidad académica, desde un énfasis exclusivo en estudios de eficacia a ensayos de efectividad más generalizables (Tabla  1 ) [ 6 ]. Se han desarrollado varios nombres superpuestos y estructuras conceptuales para estos últimos tipos de ensayos, incluidos “ensayos de efectividad” [ 7 , 8 ], “ensayos clínicos pragmáticos” [ 9 ], “ensayos clínicos prácticos” [ 10 ] y “ensayos simples a gran escala” [ 11 ].

Tabla 1.

Características de los diseños de ensayos de eficacia frente a ensayos de efectividad (según [ 8 ])

Sin embargo, tales ensayos en sí mismos ofrecen pocas garantías de impacto en la salud pública. Los ensayos de efectividad suelen depender, al igual que los ensayos de eficacia, de recursos de investigación que están separados de la infraestructura clínica y que son financiados externamente, limitados en el tiempo y efímeros al final del protocolo [ 8 ]. Los recursos respaldados por la investigación rara vez permanecen en los centros locales para respaldar el uso continuado incluso de las intervenciones exitosas; por lo general, hay poca memoria institucional para la intervención y no hay transferencia de tecnología. Además, las PBE a menudo tienen características que hacen improbable la traducción sin asistencia a la práctica, especialmente si la intervención requiere incorporar un cambio en la rutina de un clínico [ 12 ].

Una conceptualización útil del proceso de investigación biomédica ha sido como un “canal” [ 13 ] en el que una intervención pasa de ensayos de eficacia a ensayos de efectividad y, finalmente, a su aplicación sostenida en la práctica general. Pueden surgir obstáculos en diversas etapas, lo que genera brechas de calidad a medida que las PBE se aplican en entornos menos controlados. Muchos factores pueden impedir la adopción de las PBE, incluyendo las demandas contrapuestas de los profesionales de primera línea; la falta de conocimientos, habilidades y recursos; y la falta de alineación entre la evidencia de la investigación y las prioridades operativas. Por consiguiente, existe una clara necesidad de desarrollar estrategias específicas para promover la adopción de las PBE en el uso clínico general [ 14 ]. La ciencia de la implementación se ha desarrollado para abordar estas necesidades.

La organización de este resumen

El objetivo de esta revisión es introducir a investigadores, administradores y responsables políticos no especializados en los principios y métodos de la ciencia de la implementación. Esta revisión se elaboró ​​a partir de la literatura publicada, nuestra experiencia como investigadores en implementación y nuestra amplia participación en comités de evaluación de subvenciones para la ciencia de la implementación. Incluimos ejemplos para ilustrar principios clave, utilizando principalmente estudios de prácticas basadas en la evidencia psicosociales. La mayoría de estos ejemplos provienen de estudios financiados por el Departamento de Asuntos de Veteranos de los Estados Unidos (USVA), ya que podemos presentar estos casos con una perspectiva interna que ofrece información que no resulta evidente con la simple lectura de los resultados publicados. Sin embargo, es importante destacar que el campo de la ciencia de la implementación es global, como se evidencia al consultar algunas de las principales publicaciones, como Implementation Science , BMC Health Services Research y diversas revistas especializadas.

En esta revisión, primero definimos la ciencia de la implementación, comparándola con los métodos de mejora de la calidad y difusión. A continuación, analizamos el desarrollo de la ciencia de la implementación como campo de estudio, ilustrando esta trayectoria con la experiencia de la USVA. Posteriormente, profundizamos en el campo, comenzando con los fundamentos de los métodos descriptivos, incluyendo el papel fundamental que desempeñan las teorías, los modelos y los marcos conceptuales. Luego, presentamos los fundamentos de los ensayos de intervención controlados, incluyendo el área en rápido desarrollo de los diseños híbridos de efectividad e implementación. Finalmente, proporcionamos una descripción detallada de dos estudios de implementación reales y concluimos situando la ciencia de la implementación en el contexto de las políticas de salud global.

Definición de la ciencia de la implementación

La ciencia de la implementación puede definirse como “el estudio científico de métodos para promover la incorporación sistemática de los hallazgos de la investigación y otras prácticas basadas en la evidencia a la práctica rutinaria y, por lo tanto, para mejorar la calidad y la eficacia de los servicios de salud” [ 15 ]. Este campo abarca un alcance más amplio que la investigación clínica tradicional, centrándose no solo en el paciente, sino también en el proveedor, la organización y las políticas de atención médica (Tabla  2 ). En consecuencia, la investigación de la implementación requiere equipos de investigación transdisciplinarios que incluyan miembros que no suelen formar parte de la mayoría de los ensayos clínicos, como investigadores de servicios de salud, economistas, sociólogos, antropólogos, científicos organizacionales y socios operativos, incluidos administradores, profesionales clínicos de primera línea y pacientes.

Tabla 2.

Tipos de estudios para abordar los obstáculos en el proceso de implementación

Ciencias de la implementación, mejora de la calidad y difusión.

Tanto la ciencia de la implementación como los esfuerzos de mejora de la calidad (MC) comparten el objetivo final de mejorar la calidad de la atención médica. Los métodos utilizados en ambos campos a menudo se superponen, aunque existen algunas diferencias. Los esfuerzos de MC generalmente comienzan con un problema específico en un sistema de atención médica específico, reconocido a nivel del proveedor, la clínica o el sistema de salud, y conducen al diseño y la prueba de estrategias para mejorar un problema específico para ese sistema de atención médica específico. Se han desarrollado diversos enfoques de MC, a menudo tomados de otras industrias como Toyota Lean, Six Sigma y otros [ 16 , 17 ].

En cambio, la ciencia de la implementación suele partir de una práctica basada en la evidencia (PBE) subutilizada, para luego identificar y abordar las deficiencias de calidad resultantes a nivel del proveedor, la clínica o el sistema de salud. Además, la ciencia de la implementación, como disciplina científica, tiene como objetivo explícito desarrollar conocimiento generalizable que pueda aplicarse ampliamente más allá del sistema individual estudiado. No obstante, ambos enfoques comparten un objetivo común, un sistema de valores, un afán de rigor, un enfoque en los resultados y muchos métodos comunes.

La difusión, a diferencia de la implementación, se refiere a la propagación de información sobre una intervención, apoyada, como máximo, por esfuerzos educativos [ 18 ]. Sin embargo, existe cierta superposición, ya que los esfuerzos de implementación pueden incorporar técnicas de difusión, pero generalmente están integrados en iniciativas más amplias, específicas y activas para difundir la práctica basada en la evidencia (PBE).

Desarrollo de la ciencia de la implementación

En los últimos 10-15 años, los sistemas de salud responsables de administrar presupuestos fijos para atender a sus poblaciones se han vuelto cada vez más conscientes de los problemas de implementación para maximizar el valor de sus fondos de salud [ 19 ]. Estas organizaciones incluyen los servicios nacionales de salud de varios países y la USVA en Estados Unidos. Más recientemente, en EE. UU., nuevas leyes como la Ley de Cuidado de Salud Asequible han llevado al desarrollo de organizaciones de atención responsable, que alinean a los proveedores de atención, a menudo en diferentes sistemas hospitalarios, y que frecuentemente administran la atención para una población determinada bajo un límite de reembolso fijo o restringido [ 20 ]. Como resultado, las organizaciones federales de financiamiento de investigación de EE. UU. han desarrollado recientemente una inversión en ciencia de la implementación [ 21 , 22 ]. Otro programa norteamericano, Knowledge Translation Canada [ 23 ], se esfuerza por mejorar el impacto de los hallazgos de la investigación a través de estrategias de ciencia de la implementación.

Entre los programas científicos más antiguos y extensos centrados en la implementación se encuentra la Iniciativa de Investigación para la Mejora de la Calidad (QUERI; [ 13 ]) del Departamento de Asuntos de Veteranos de EE. UU. (USVA), que presentamos como un estudio de caso en el desarrollo de la ciencia de la implementación como campo de estudio. Desde su creación en 1998, el objetivo de QUERI ha sido mejorar la salud de los veteranos militares apoyando la rápida implementación de intervenciones efectivas en la práctica [ 24 ]. QUERI combina el rigor científico proporcionado por investigadores académicos líderes con asociaciones con líderes de operaciones del USVA que enfrentan problemas urgentes de implementación. QUERI se encuentra en una posición única como recurso de ciencia de la implementación dentro de un sistema nacional de atención médica y, como resultado, proporciona importantes sinergias entre el ámbito académico y el operativo: QUERI se centra en aumentar el impacto en el sistema de salud de las prácticas basadas en la evidencia (PBE) de importancia clínica y política para las operaciones del VA, y a través del rigor científico contribuye con conocimientos fundamentales al campo de la ciencia de la implementación que pueden tener un impacto mucho más allá del propio sistema del USVA.

Como reflejo del desarrollo de la ciencia de la implementación como campo, el primer salto evolutivo de QUERI fue su transición de la inversión en estudios de investigación de servicios de salud convencionales a la investigación centrada en la descripción de las brechas en el uso de las PBE y la descripción de las barreras y facilitadores relevantes. El segundo salto evolutivo, que actualmente está en curso, es una transición de los estudios descriptivos de barreras/facilitadores a la especificación y prueba de estrategias óptimas para la implementación, incluyendo tanto ensayos controlados como estudios observacionales que evalúan experimentos naturales de iniciativas de mejora basadas en la práctica. Más recientemente, la misión de QUERI se ha extendido para apoyar la implementación de las PBE, como lo promueve la Oficina de Administración y Presupuesto de los Estados Unidos [ 25 ] mediante el uso de una evaluación rigurosa para estudiar y ampliar programas o iniciativas que han demostrado efectividad, o el uso de un diseño de programa aleatorio para probar políticas o programas a nivel poblacional [ 26 , 27 ].

Debate: los principios y métodos de la ciencia de la implementación.

Los estudios de implementación difieren de los estudios clínicos.

El primer paso para comprender los estudios de implementación es distinguir los procesos de implementación de las prácticas basadas en la evidencia (PBE) que buscan implementar. Una intervención de implementación es “un método o técnica única para facilitar el cambio”, mientras que una estrategia de implementación es “un conjunto integrado, paquete o conjunto de intervenciones de implementación discretas, idealmente seleccionadas para abordar barreras específicas identificadas para el éxito de la implementación” [ 13 ]. Las intervenciones de implementación pueden incluir, por ejemplo, esfuerzos para cambiar el comportamiento a nivel del paciente, el proveedor, el sistema o incluso la política. Ejemplos comunes incluyen estrategias a nivel del proveedor, como educación/capacitación, retroalimentación de auditoría e incentivos de desempeño. Las estrategias dirigidas a los niveles del proveedor, el equipo o la clínica pueden incluir técnicas de mejora de la calidad u otros esfuerzos de rediseño de sistemas, incentivos de desempeño basados ​​en equipos, colaboraciones de aprendizaje o participación comunitaria. La facilitación, esfuerzos guiados por personal organizacional interno o externo para apoyar múltiples niveles de cambio del sistema a través del coaching basado en el proveedor o el equipo, se reconoce cada vez más como fundamental para el éxito de muchos efectos de implementación [ 28 , 29 ].

A diferencia de la investigación clínica, que generalmente se centra en los efectos en la salud de una PBE, los estudios de implementación generalmente se centran en las tasas y la calidad del uso de las PBE en lugar de sus efectos. Dichas PBE pueden ser tan «simples» como aumentar el uso de un solo medicamento, como los betabloqueantes, en personas que han sufrido un infarto de miocardio o el uso de la monitorización de los efectos secundarios metabólicos para personas que toman medicamentos antipsicóticos, o tan complejas como instituir psicoterapias como la terapia cognitivo-conductual o incluso paradigmas de atención multicomponente como el modelo de atención crónica colaborativa [ 30 ].

Si bien la distinción entre la estrategia de implementación y la práctica basada en la evidencia (PBE) parece clara en teoría, es fundamental prestar atención a sus funciones específicas para formular hipótesis precisas y tomar decisiones sobre el diseño de la evaluación. Por ejemplo, al estudiar los efectos de un programa para aumentar el uso efectivo de la terapia cognitivo-conductual en el trastorno bipolar, el impacto de la terapia cognitivo-conductual en el estado de salud sería un resultado de la PBE (y, por lo general, el foco de un estudio clínico), mientras que medir la proporción de profesionales que brindan terapia cognitivo-conductual, o la proporción de pacientes que asisten a un mínimo de sesiones de terapia cognitivo-conductual, sería un resultado más típico de un estudio de implementación.

Evaluación del proceso de implementación y su impacto

Por lo tanto, el punto clave de los estudios de implementación es su enfoque en evaluar el proceso de implementación y su impacto en la PBE de interés. Estos estudios pueden incluir uno o más de tres tipos generales de evaluación: evaluación de procesos , evaluación formativa y evaluación sumativa [ 13 , 31 ].

La evaluación de procesos simplemente describe las características del uso de una práctica basada en la evidencia (o su ausencia). Los datos se recopilan antes, durante y/o después de la implementación y son analizados por el equipo de investigación sin proporcionar retroalimentación al equipo de implementación y sin intención de modificar el proceso en curso. La evaluación de procesos puede realizarse en un estudio puramente observacional (por ejemplo, como preparación para el desarrollo de una estrategia de implementación) o durante un cambio de sistema o política, ya sea espontáneo o planificado.

La evaluación formativa utiliza los mismos métodos que la evaluación de procesos, pero se diferencia en que los datos se retroalimentan al equipo de implementación o al personal del sistema objetivo durante el estudio para adaptar y mejorar el proceso de implementación a lo largo del protocolo. La evaluación formativa es conceptualmente similar al monitoreo de fidelidad que se realiza como parte de cualquier ensayo clínico tradicional, pero se diferencia en que se especifica a priori en una hipótesis de estudio o pregunta de investigación.

Una versión cuantitativa de la evaluación formativa en ensayos clínicos es el uso de ensayos aleatorizados de asignación múltiple secuencial (SMART) o diseños de intervención adaptativa, que se utilizan para aumentar o cambiar los tratamientos en puntos de decisión críticos donde hay evidencia de falta de respuesta inicial [ 32 , 33 ]. Como se analiza más adelante, el uso de la evaluación formativa tiene implicaciones para la validez de los ensayos controlados, que pueden diferir entre los ensayos clínicos y los de implementación.

La evaluación sumativa es una recopilación, al final del estudio, del impacto de la estrategia de implementación. Las medidas de evaluación sumativa suelen evaluar los impactos en los procesos de atención (por ejemplo, mayor uso o calidad de la práctica basada en la evidencia dirigida). Otro componente común de la evaluación sumativa es caracterizar el impacto económico de una estrategia de implementación y sus efectos. Los estudios de implementación generalmente no emplean análisis formales de costo-efectividad, sino que realizan análisis de impacto empresarial focalizados [ 34 ]. Dichos análisis se centran en estimar las consecuencias financieras de la adopción de una práctica clínica dentro de un entorno o sistema de atención médica específico. Por lo general, esto incluye los costos para el sistema asociados tanto con la estrategia de implementación como con la utilización de la práctica basada en la evidencia.

Tipos de datos de evaluación

Los datos para la evaluación formativa, de proceso o sumativa pueden provenir de diversas fuentes e incluir datos cuantitativos, cualitativos o ambos. Estos datos pueden recopilarse en distintos niveles de observación, como pacientes, proveedores, sistemas y factores ambientales más amplios, como la comunidad, las políticas o los indicadores económicos.

Las medidas cuantitativas comunes incluyen encuestas estructuradas y herramientas que evalúan, por ejemplo, el contexto organizacional, las actitudes y comportamientos de los proveedores o la receptividad de los pacientes al cambio. Los datos administrativos se utilizan con frecuencia, ya sea en poblaciones objetivo específicas o a nivel del sistema en general, para caracterizar, por ejemplo, los niveles iniciales y los cambios en las tasas de utilización de prácticas particulares. Las medidas de fidelidad a la práctica basada en la evidencia suelen ser componentes centrales del plan de evaluación, y pueden ser cuantitativas, cualitativas o ambas.

Los métodos comunes de recopilación de datos cualitativos incluyen entrevistas semiestructuradas con pacientes, proveedores u otras partes interesadas; grupos focales; observación directa de procesos clínicos; y revisión de documentos. La recopilación y el análisis de datos cualitativos pueden estructurarse como una exploración sin hipótesis utilizando la teoría fundamentada o enfoques relacionados [ 35 ] o pueden utilizar el análisis de contenido dirigido [ 36 ] para abordar cuestiones preespecificadas como la comprobación de hipótesis o la medición de la fidelidad de la intervención. La mayoría de los procesos de evaluación de la implementación incluyen medidas cualitativas y cuantitativas mixtas, y requieren una atención cuidadosa en el diseño del estudio a las diversas formas de combinar dichos datos [ 37 ].

El papel de la teoría y su vínculo con decisiones de diseño específicas.

La necesidad de una implementación basada en la teoría

Describir, implementar y luego mantener cualquier innovación es una tarea compleja [ 38 ], compleja porque las estrategias de implementación (a) suelen ser multicomponentes y (b) deben adaptarse a los contextos locales. Los contextos en los que se realizan los esfuerzos de implementación son complejos debido a los múltiples niveles de interacción (p. ej., pacientes, proveedores, equipos, unidades de servicio), con una amplia variación de un entorno a otro [ 39 ]. Sin una comprensión profunda del contexto, una PBE puede no ser adoptada o puede ser adoptada de forma adaptada con fidelidad comprometida debido a las presiones contextuales. El esfuerzo requiere un uso claro, colectivo y consistente de la teoría para construir conocimiento sobre qué funciona, dónde y por qué [ 40 ].

Teorías, modelos y marcos conceptuales

Los términos teoría , modelo y marco se utilizan, lamentablemente, a menudo de forma intercambiable e imprecisa. En este artículo, el término teoría se refiere a cualquier propuesta sobre relaciones significativas entre constructos (variables) o sobre cómo un mecanismo o constructo puede modificar el comportamiento de otro constructo o resultado [ 41 , 42 ].

Una teoría puede operacionalizarse dentro de un modelo , que es una representación simplificada de un mundo más complejo con supuestos relativamente precisos sobre causa y efecto. Por ejemplo, el modelo de la Figura  1 representa una única vía hipotética de cambio para la implementación de un programa de control de peso [ 43 , 44 ]. Este modelo plantea la hipótesis de que el compromiso del liderazgo dará como resultado recursos suficientes para la implementación y que los líderes articularán objetivos de implementación que se alineen con las prioridades organizacionales. Estas acciones de liderazgo sirven para elevar la percepción de prioridad dentro de la organización, lo que a su vez conduce a resultados de implementación positivos (por ejemplo, alta fidelidad del programa a su diseño previsto) y, por lo tanto, a una mejor pérdida de peso para los pacientes. Cada constructo del modelo puede evaluarse y el modelo puede someterse a prueba para confirmar o refutar esta vía de cambio. Con base en los resultados, el modelo puede requerir refinamiento o ser rechazado por completo.

Los marcos proporcionan un amplio conjunto de constructos que organizan conceptos y datos de forma descriptiva sin especificar relaciones causales. También pueden proporcionar una serie de pasos prescriptivos que resumen cómo debería planificarse y llevarse a cabo la implementación idealmente [ 13 , 45 ]. Por ejemplo, el Marco Consolidado para la Investigación de la Implementación (CFIR, [ 46 ]) clasifica 39 constructos de implementación en cinco dominios considerados moderadores o mediadores influyentes de los resultados de la implementación, proporcionando una estructura para evaluar sistemáticamente el contexto en el que se produce la implementación [ 47 ]. Idealmente, los investigadores también volverán y utilizarán datos empíricos para evaluar la utilidad de las teorías, modelos o marcos que guiaron el diseño del estudio y ofrecerán recomendaciones para mejorarlos [ 48 ]. El uso consistente de constructos en diferentes estudios permite además síntesis más eficientes mediante el uso de, por ejemplo, técnicas de análisis comparativos cualitativos [ 49 ]. La operacionalización explícita de constructos teóricos también puede guiar el desarrollo de medidas cuantitativas robustas [ 50 , 51 ].

Ejemplo: utilizar un marco de trabajo para guiar la recopilación y el análisis de datos.

Un ejemplo ilustrará el papel de estos marcos. Damschroder y Lowery realizaron una evaluación de un programa de control de peso en la USVA, financiado por el programa QUERI descrito anteriormente [ 43 , 44 ]. Hubo una amplia variación en la implementación del programa 1,5 años después de su difusión inicial. Se utilizó el CFIR para desarrollar una guía para entrevistar al personal de las instalaciones locales y comprender qué contribuía a esta variación. Se aplicaron calificaciones cuantitativas a los datos de las entrevistas codificadas cualitativamente [ 36 ] y se utilizaron para identificar constructos que distinguían entre los sitios con mejores y peores resultados de implementación. Se encontraron diez constructos relacionados con una implementación exitosa. Por ejemplo, los sitios con los peores resultados de implementación tenían calificaciones más bajas para «Objetivos y retroalimentación» porque el personal de estos sitios no tenía el tiempo ni las habilidades para identificar los objetivos del programa o monitorear el progreso hacia esos objetivos. Esta información se puede utilizar para desarrollar modelos más específicos que guíen futuras implementaciones e identifiquen estrategias de implementación discretas (por ejemplo, auditoría-retroalimentación [ 52 ], identificación de promotores [ 53 ]).

Ensayos de implementación controlados

Tipos de ensayos de implementación controlados

Muchos estudios de implementación buscan identificar barreras y facilitadores de la adopción de la PBE en condiciones naturales. Sin embargo, otros estudios buscan mejorar la adopción de la PBE empleando estrategias de implementación específicas en ensayos controlados. Los diseños de ensayos de implementación controlados son de dos tipos principales: grupos paralelos y series temporales interrumpidas. Los diseños de grupos paralelos son aleatorizados y prospectivos, similares a otros tipos de servicios de salud o ensayos clínicos. La unidad de aleatorización depende de la estrategia y el resultado de interés, y puede ser el paciente, el proveedor, la clínica, el centro o el sistema. Algunos diseños creativos responden a las limitaciones del mundo real combinando características de estudios de control históricos con una verdadera aleatorización emparejada [ 28 ]. Se han empleado diseños innovadores adicionales, como los diseños de cuña escalonada en los que todos los sitios participantes reciben apoyo para la implementación, aunque escalonado en el tiempo [ 54 , 55 ], que se asemejan a los diseños de bloques incompletos tradicionales. Además, los ensayos de implementación controlados a veces aleatorizan un pequeño número de sitios y miden los resultados a nivel de paciente individual, utilizando análisis anidados multivariados [ 56 ]. Finalmente, los diseños de aleatorización SMART, como se mencionó anteriormente [ 32 ], pueden aportar un grado adicional de rigor al uso de la evaluación formativa dentro del estudio.

En el mundo real de la implementación de políticas y los cambios de programas, los diseños de grupos paralelos pueden no ser factibles por razones pragmáticas, políticas o éticas. En tales situaciones, se pueden utilizar diseños de series temporales interrumpidas . Estos también se asemejan a sus contrapartes en los servicios de salud y los ensayos clínicos, idealmente con el resultado de implementación de interés medido en múltiples momentos antes y después de un esfuerzo de implementación. Dichos diseños son más factibles cuando la estrategia de implementación es un evento discreto, como un cambio de política [ 57 ], ya que las estrategias de implementación más típicas ejercen su efecto durante meses, lo que hace que la «interrupción» en la serie temporal sea más difícil de determinar.

Implementación frente a servicios de salud tradicionales y ensayos clínicos

Los ensayos de implementación controlados se diferencian de otros tipos de servicios de salud y ensayos clínicos en dos aspectos principales. En primer lugar, y como se mencionó anteriormente, se centran en el impacto de la estrategia de implementación en el uso de una práctica basada en la evidencia (PBE), en lugar del impacto en la salud de la PBE en sí misma. En segundo lugar, adoptan un enfoque de validez fundamentalmente diferente, como se ilustra a continuación.

Consideremos un ensayo hipotético de entrevista motivacional ( EM ) para trastornos por consumo de sustancias en la población sin hogar (Tabla  3 ). Los diseños de implementación difieren de los ensayos de intervención en un nivel básico: el de la hipótesis . Mientras que los ensayos de intervención se centran en comparar la intervención con un grupo de comparación, los ensayos de implementación se centran en la capacidad del equipo de investigación para aumentar la adopción de la EM. Si bien la población y el entorno pueden ser similares a los de los ensayos de efectividad, la unidad de observación en los ensayos de implementación pueden ser los proveedores o las clínicas, según el enfoque de los esfuerzos de implementación. A medida que la población se vuelve más heterogénea, las medidas de resultado deben ser más breves y sencillas para minimizar la carga de los participantes y retener en el protocolo a los sujetos menos tolerantes a la investigación. A medida que se avanza de izquierda a derecha en la Tabla  3 , los clínicos de intervención se vuelven progresivamente menos especializados y los esfuerzos de desarrollo de habilidades se asemejan más a la capacitación que normalmente sería factible en condiciones clínicas; la medición de la fidelidad a la intervención varía de manera similar.

Tabla 3.

Perspectivas del diseño de ensayos de intervención frente a ensayos de implementación: un ejemplo hipotético del uso de la entrevista motivacional (EM) para los trastornos por consumo de sustancias en la población sin hogar.

La consideración del contexto de la investigación también difiere sustancialmente. Los ensayos de eficacia valoran la realización de un ensayo invariable de principio a fin. Esto implica, en ocasiones, esfuerzos extraordinarios en la formación de clínicos y el seguimiento de los participantes, de modo que los esfuerzos del equipo de investigación se reducen a veces a una gestión de casos compleja, lo cual no supone un problema, ya que el objetivo del ensayo es únicamente probar la intervención en condiciones óptimas. Sin embargo, dado que los estudios de efectividad se centran más en el desempeño de una intervención eficaz en entornos reales, se presta especial atención a limitar la cantidad de recursos financiados por la investigación que se incorporan al protocolo, a menudo restringiendo dichos recursos con parámetros definidos de forma precisa y explícita (p. ej., 8). Además, en los ensayos de implementación, intentar optimizar el contexto natural en el que se mide la adopción supone una amenaza para la validez del ensayo. Por lo tanto, la participación del investigador en el lugar de adopción se limita drásticamente, e incluso algunos ensayos de implementación restringen el apoyo a la investigación a la formación de clínicos locales y al uso de evaluaciones de resultados remotas y sencillas para pacientes y proveedores.

Estas diferencias se deben a prioridades radicalmente distintas respecto a la validez del ensayo [ 58 ]. La validez interna prioriza establecer una conexión causal entre la intervención y el resultado; para lograr este objetivo, la muestra, las mediciones de resultados y la intervención se controlan rigurosamente sin considerar su aplicabilidad a otros contextos ajenos al ensayo. La validez externa prioriza la generalización de los resultados del ensayo a otras poblaciones y situaciones relevantes. Si bien los estudios de eficacia valoran la validez interna sobre la externa, el equilibrio cambia en los estudios de efectividad: aunque el ensayo de efectividad debe tener suficiente validez interna para llevarse a cabo con éxito, se toman decisiones de diseño explícitas que valoran la generalización más allá del ensayo.

Finalmente, los ensayos de implementación, a diferencia de ambos tipos de ensayos de intervención, buscan alcanzar la estrategia de implementación óptima y el máximo impacto de la práctica basada en la evidencia (PBE) al final del estudio, en lugar de aislar mecanismos específicos. Cabe señalar, sin embargo, que de manera sutil esto se aplica a todos los tipos de estudios, incluidos los ensayos de eficacia, en los que se recopilan diligentemente datos de fidelidad de la intervención a lo largo del estudio y se realizan ajustes en la capacitación e incluso en el personal para garantizar la validez interna. La diferencia con los ensayos de implementación es que dichas modificaciones se planifican mediante la evaluación formativa y, a menudo, se plantean hipótesis específicas al respecto [ 31 ].

Diseños de ensayos híbridos de efectividad e implementación

Aunque un protocolo de investigación de implementación puede demostrar mejoras en la adopción de prácticas basadas en la evidencia (PBE), el impacto de dichas prácticas en los resultados de salud no ha sido tradicionalmente una preocupación de la ciencia de la implementación. Sin embargo, muchos estudios demuestran que la suposición de que la mejora de los procesos implica una mejora en los resultados de salud es errónea [ 59 , 60 ]. Además, incluso si las PBE se implementan según lo previsto con la fidelidad adecuada, puede haber una disminución en su efectividad cuando una PBE pasa del entorno de los ensayos clínicos de efectividad a la implementación en la práctica clínica real. Asimismo, es importante conocer el grado en que una PBE, al utilizarse en la práctica clínica general, conserva los mecanismos activos al tiempo que se adapta a las necesidades y prioridades locales [ 61 , 62 ].

Conscientes de estas necesidades, un grupo de investigadores de implementación y ensayos clínicos codificó el concepto de diseños híbridos de efectividad e implementación [ 63 ]. El término correcto es «codificar», en lugar de «desarrollar», ya que todos los conceptos y metodologías involucrados en los diseños híbridos ya existían en campos científicos a menudo dispares; el propósito del documento conceptual del diseño híbrido era reunir esos conceptos y metodologías en un marco único y explorar la utilidad de dicho marco para las necesidades de los investigadores del mundo real y las partes interesadas en la salud pública. En pocos años, este marco ha comenzado a ser adoptado por investigadores y financiadores [ 64 ].

Los diseños de investigación híbridos se definen como diseños de ensayos que adoptan un doble enfoque a priori para evaluar tanto la efectividad de la estrategia de implementación en la mejora del uso de la PBE como el impacto en la salud de la PBE [ 63 ]. Por lo tanto, los diseños híbridos plantean hipótesis sobre la PBE y los efectos de la implementación, midiendo típicamente tanto los procesos de atención médica (resultados de la implementación) como el estado de salud (resultados de la intervención). No todos los diseños híbridos aplican metodologías de ensayos controlados a ambos aspectos del resultado simultáneamente, pero todos incorporan a priori la evaluación de ambos dominios explícitamente durante el desarrollo del diseño de investigación. Hay tres tipos de diseños híbridos.

Los diseños híbridos de tipo I evalúan el impacto en la salud de una práctica basada en la evidencia (PBE) al tiempo que recopilan datos explícitos sobre el proceso de implementación para facilitar los esfuerzos de implementación posteriores. Estos diseños se suelen utilizar como paso previo a un ensayo de implementación. Algunos defensores afirman que todos los ensayos de efectividad deberían ser híbridos de tipo I.

Los diseños híbridos de tipo III evalúan la capacidad de una estrategia de implementación para mejorar el uso de una práctica basada en la evidencia (PBE) mientras se recopilan datos sobre el impacto de la PBE en la salud durante su implementación. Estos diseños son útiles cuando la efectividad de una intervención está bien establecida, pero no está claro cuán robustos serán sus efectos en condiciones de implementación. Algunos defensores afirman que todos los ensayos de implementación que involucren procesos para mejorar los resultados de salud deberían ser híbridos de tipo III.

Los diseños híbridos de tipo II son una combinación de diseños híbridos: evalúan tanto los efectos de la práctica basada en la evidencia (PBE) en los resultados de salud como los efectos de la estrategia de implementación en el uso de la PBE. Estos diseños se utilizan cuando existe un impulso significativo en la implementación dentro de un sistema clínico, pero los datos sobre la efectividad de la intervención son menos extensos o solo indirectos. Por lo tanto, tanto el impacto de la estrategia de implementación en el uso de la PBE como el impacto de la PBE en el estado de salud constituyen el doble enfoque de los diseños híbridos de tipo II.

Dos ejemplos de estudios de implementación en el mundo real

Una breve descripción de dos proyectos de USVA QUERI ilustrará algunos de los conceptos tratados en esta revisión.

Incentivos en trastornos por consumo de sustancias (Ilustración de un diseño híbrido de tipo I)

El primer ejemplo [ 65 , 66 ] es un ensayo de efectividad con un componente de implementación observacional totalmente integrado en su diseño (Tipo I híbrido). La razón para agregar el componente de implementación a este ensayo fue que si la intervención demostraba ser efectiva, la información sobre las estrategias más factibles para la implementación y las barreras más significativas que probablemente se encontrarían ya estarían recopiladas, informando los esfuerzos de implementación futuros. Como los métodos de la parte del estudio del ensayo de efectividad controlado y aleatorizado son estándar y familiares para la mayoría de los investigadores (ver también la Tabla  3 ), esta descripción se centrará en la evaluación del proceso. La evaluación del proceso fue guiada por dos marcos. RE-AIM [ 67 ] guió al investigador para examinar el alcance , la efectividad, la adopción, la implementación y el mantenimiento de la intervención, planteando preguntas como cuántos pacientes estarán interesados ​​en recibir la intervención, qué información requerirá una clínica para considerar la adopción de la intervención, qué capacitación, herramientas y/o recursos requerirá la clínica para implementar la intervención propuesta con alta fidelidad y qué recursos se requerirán para que la clínica mantenga la intervención a largo plazo. De manera complementaria, el marco PARIHS ( Promoting Action on Research Implementation in Health Services [ 68 ] ; revisado recientemente [ 69 ]) propone que la implementación exitosa es una función de la solidez de la evidencia que respalda la intervención, el contexto en el que se implementa la intervención y la facilitación proporcionada para respaldar la implementación. Estos constructos guiaron a los investigadores para determinar cómo perciben los profesionales la base de evidencia de la intervención, qué características del contexto impidieron o facilitaron la implementación y qué herramientas y apoyos facilitaron el abordaje de las barreras identificadas.

La evaluación del proceso para este estudio combinó múltiples herramientas y estrategias de recolección de datos con el fin de identificar las principales barreras y facilitadores relacionados con cada uno de estos constructos. Las herramientas de recolección de datos incluyeron datos administrativos, encuestas a pacientes, encuestas y entrevistas al personal, entrevistas con el liderazgo de la clínica y datos de seguimiento de costos. La información de estas múltiples fuentes permitió identificar las principales barreras y facilitadores que probablemente se encuentren en cualquier esfuerzo por implementar la intervención de incentivos en otras clínicas y permitió la creación de estrategias de implementación recomendadas (Tabla  4 ).

Tabla 4.

Mejora de la implementación de la terapia de incentivos para los trastornos por consumo de sustancias guiada por los marcos RE-AIM y PARIHS (Sección VI.A)

Implementación de la farmacoterapia para los trastornos por consumo de alcohol (ejemplo de evaluación formativa)

El segundo ejemplo es un ensayo de implementación en curso que utiliza técnicas de evaluación formativa para refinar y probar una estrategia de implementación basada en la teoría para aumentar el acceso a la farmacoterapia para el trastorno por consumo de alcohol en entornos de atención primaria. La justificación para incluir la evaluación formativa fue que, por muy cuidadosamente que se planifique una estrategia de implementación con antelación, la experiencia de la implementación real genera conocimientos que pueden utilizarse para mejorar aún más la estrategia. El desarrollo de la estrategia inicial se basó en trabajos previos de QUERI formativa, así como en la Teoría del Comportamiento Planificado [ 70 ]. Entrevistas cualitativas previas con proveedores habían documentado: (1) falta de confianza de los proveedores en la eficacia de la medicación, (2) falta de habilidades y conocimientos de los proveedores sobre el uso de los medicamentos, y (3) percepción de baja demanda por parte de los pacientes como las tres principales barreras para la implementación. Este trabajo sugirió que las intervenciones de implementación tendrían que centrarse no solo en la educación, sino también en el «marketing», y que las intervenciones tendrían que centrarse no solo en los proveedores, sino también en los pacientes.

La Teoría del Comportamiento Planificado se utilizó como teoría guía porque el cambio de comportamiento deseado se produce principalmente a nivel individual, por ejemplo, convencer a los proveedores y pacientes de que consideren la farmacoterapia como una opción de intervención viable para los trastornos por consumo de alcohol. La Teoría del Comportamiento Planificado establece que las intenciones conductuales están guiadas por las actitudes hacia el comportamiento, las normas subjetivas de los pares y el control conductual percibido, y se seleccionaron intervenciones de implementación para abordar cada uno de estos constructos. Las estrategias de implementación seleccionadas para los proveedores incluyen marketing social, acceso a consultores expertos pares, retroalimentación sobre las tasas de prescripción y herramientas de educación y apoyo a la toma de decisiones. Se seleccionaron envíos postales directos al consumidor como intervención para abordar la falta de conocimiento de los pacientes sobre las opciones de medicación y las posibles actitudes negativas de los pares hacia el tratamiento farmacológico del trastorno por consumo de alcohol, y para alentar a los pacientes a hablar sobre el consumo de alcohol con su médico de atención primaria. La estrategia de implementación se está evaluando utilizando un diseño de series temporales interrumpidas con controles. Se están monitoreando las tasas de prescripción durante las fases de preimplementación, implementación y postimplementación de 9 meses para los centros de intervención y los centros de control emparejados. Ya en el estudio, la evaluación formativa ha llevado a perfeccionamientos de la estrategia de implementación (Tabla  5 ).

Tabla 5.

Evaluación formativa del desarrollo: El ejemplo de la farmacoterapia para los trastornos por consumo de alcohol (Sección VI.B)

Resumen

Los entornos sanitarios en todo el mundo son cada vez más dinámicos, con recursos limitados e interconectados, y están condicionados por entornos políticos y económicos igualmente complejos. Por consiguiente, maximizar el valor de la atención sanitaria [ 19 ] se ha convertido en un imperativo político a nivel mundial. Las ciencias de la salud deben evolucionar en paralelo para satisfacer esta necesidad.

Con este fin, la ciencia de la implementación se está convirtiendo en una herramienta fundamental para promover lo que el Instituto de Medicina de los Estados Unidos ha denominado el “Sistema de Atención Médica de Aprendizaje”. El sistema de atención médica de aprendizaje puede definirse como un sistema de atención médica que emplea un conjunto de procesos continuos para proporcionar una atención médica de mayor valor a través de la revisión sistemática de análisis de datos de atención médica y la aplicación de dichos datos para informar la promoción de estrategias generales y esfuerzos de mejora específicos [ 71 , 72 ].

Hasta la fecha, la mayor parte de la atención en los sistemas de aprendizaje de la atención médica se ha centrado en la adquisición y el análisis de grandes conjuntos de datos recopilados de prácticas clínicas reales en tiempo casi real [ 73 ]. Sin embargo, dicha recopilación de datos representa solo el componente inicial de la organización de aprendizaje de la atención médica. Los sistemas de atención médica también necesitan actuar sobre estos datos para mejorar la práctica. La ciencia de la implementación proporciona un conjunto sistemático de principios y métodos para lograrlo.

El comportamiento de los proveedores y del sistema no cambia por sí solo, y las intervenciones unimodales no suelen producir cambios efectivos o duraderos en sistemas tan complejos como el de la atención médica [ 39 ]. Sin una atención concertada a las estrategias de implementación basadas en la evidencia, los sistemas de atención médica que aprenden corren el riesgo de desarrollar repositorios de información masivos y costosos sin estrategias adecuadas para utilizar realmente esos datos para el cambio del sistema. Al igual que con las suposiciones anteriores de que la mera publicación de los resultados de un ensayo de eficacia o efectividad conduciría a la adopción automática de la práctica basada en la evidencia, la suposición de que los conjuntos de datos completos, elegantes y en tiempo real conducirán, por sí solos, a un cambio en la práctica es, en el mejor de los casos, una aspiración optimista y, en el peor, un error sumamente costoso.

Más bien, para que los sistemas de atención médica basados ​​en el aprendizaje cumplan con sus promesas, es necesario combinar sistemas sofisticados de recopilación de datos con estrategias de implementación igualmente sofisticadas. La ciencia emergente de la implementación proporciona un enfoque sistematizado para identificar y abordar las barreras y los facilitadores del cambio sistémico, y por lo tanto representa un componente fundamental de cualquier sistema de atención médica basado en el aprendizaje.

El pensamiento de la complejidad se está adoptando cada vez más en el sector sanitario; esto se debe al reconocimiento de que la atención sanitaria es compleja [ 1 ] y, por lo tanto, requiere respuestas complejas [ 2 ] en lugar de soluciones reduccionistas tradicionales. Los enfoques de la complejidad tienen una rica historia arraigada en múltiples disciplinas [ 3 ] y se basan en la evolución y transformación de los sistemas [ 3 , 4 ]. Además, los enfoques de la complejidad se alinean con ideas y filosofías aceptadas en la atención sanitaria (por ejemplo, el liderazgo distribuido y la atención centrada en el paciente), que fomentan una participación activa y significativa de todos los actores involucrados. Comprender la complejidad inherente a la transformación de los sistemas humanos es particularmente importante ahora; la atención sanitaria se encuentra en una era de transformación, donde la convergencia de múltiples presiones sistémicas, como una esperanza de vida sin precedentes [ 5 ], una mayor incidencia y prevalencia de enfermedades crónicas [ 6 ] y la globalización de las enfermedades infecciosas [ 7 ], están poniendo a prueba la resiliencia de los sistemas de salud en todo el mundo. A medida que los sistemas se enfrentan a estos desafíos, es crucial desarrollar un enfoque que permita una adaptación rápida y efectiva frente a la dinámica cambiante de los entornos de atención sanitaria. El pensamiento de la complejidad puede proporcionar orientación a los actores del sistema (es decir, personas, organizaciones y otros componentes que lo conforman) sobre cómo responder a estas presiones y transformar los sistemas de atención sanitaria de forma innovadora, colaborativa y orientada a la acción. Esto implica considerar no solo las interacciones entre los componentes, sino también aquellos factores contextuales que pueden influir en los resultados. En este contexto, es fundamental prestar atención a las experiencias y perspectivas de los pacientes, así como la formación continua de los profesionales de la salud para enfrentar la creciente complejidad. En este artículo, nuestro objetivo es aclarar las ideas derivadas del pensamiento complejo que pueden ayudarnos a comprender cómo gestionar la complejidad en la atención sanitaria, promoviendo así un enfoque más holístico y eficiente en la prestación de servicios de salud.

La relevancia del pensamiento complejo para la atención sanitaria

La atención médica (que incluye el autocuidado del paciente, la prestación de servicios y programas de salud para afecciones agudas y crónicas, la salud pública y la atención a largo plazo) se describe a menudo específicamente como un sistema adaptativo complejo (SAC) [ 3 ], un término que requiere ser desglosado. Un “sistema” se crea cuando el nivel de conectividad entre los actores fomenta la interdependencia entre ellos; en un sistema, la acción de un actor puede tener implicaciones más amplias para otros actores conectados [ 3 ]. Estas interdependencias determinan la naturaleza, el alcance y el tamaño del sistema [ 3 ]. Un sistema se vuelve “complejo” porque las interdependencias que lo definen también lo hacen altamente dinámico, oscilando entre períodos de estabilidad y caos [ 3 ].

El sistema de atención médica es jerárquico y comprende múltiples niveles (micro, meso y macro) que están anidados o incrustados unos dentro de otros [ 3 ], lo que aumenta el dinamismo y, por lo tanto, la complejidad. Una sola interacción paciente-médico puede ocurrir dentro de una organización que consta de su propio sistema más amplio de interdependencias que impone o restringe cómo opera la organización; La organización puede tener múltiples interdependencias con otras organizaciones para asegurar las necesidades operativas (como los recursos) y brindar servicios en una red de atención al paciente; esta red de organizaciones existe en un sistema más amplio que establece prioridades y políticas, y asigna recursos que dictan cómo se gestiona la salud del paciente dentro de estos múltiples sistemas. La naturaleza dinámica de los sistemas complejos les confiere una cualidad bayesiana en la que las probabilidades de los resultados se actualizan perpetuamente a medida que se introduce continuamente nueva información, e implica que cierta cantidad de «incertidumbre irreducible» persistirá dentro del sistema [ 8 ]; por lo tanto, un sistema complejo se caracteriza por un alto grado de incertidumbre y un bajo nivel de acuerdo entre los actores del sistema sobre las causas de las presiones del sistema y las posibles soluciones para aliviar esas presiones [ 9 , 10 , 11 ]. Esta incertidumbre irreducible contribuye a la no linealidad entre causa y efecto, esa incapacidad de atribuir resultados a acciones que a menudo afecta a la atención médica.

La capacidad reactiva de un sistema para cambiar en respuesta a las presiones del sistema se conoce como adaptabilidad , y es lo que convierte a un sistema complejo en adaptativo. Nuestro creciente interés en los sistemas complejos adaptativos (SCA) surge de nuestro creciente interés en la transformación del sistema de salud. Los sistemas complejos se transforman naturalmente mediante la adaptación; de hecho, la adaptabilidad es una medida del potencial de un sistema para cambiar o transformarse. En la ciencia de la complejidad, los actores del sistema se autoorganizan a través de interacciones locales, lo que conduce a la aparición de nuevos patrones de normas y comportamientos del sistema. La autoorganización, entonces, parece ser una característica del sistema que facilita la adaptación. Por lo tanto, en cualquier reestructuración actual o futura de nuestro sistema de salud, nuestro objetivo es posicionar nuestros sistemas de manera que la adaptabilidad pueda contribuir a una transformación positiva del sistema.

Este artículo surgió de una serie de seminarios que tuvo lugar en abril de 2016 en la Universidad de Toronto, centrada en la teoría y la práctica de la complejidad y el pensamiento sistémico, y su aplicación a la atención sanitaria [ 9 , 11 , 12 , 13 , 14 ]. La serie contó con la participación de expertos en las áreas de la ciencia y la práctica de la complejidad, y ofreció una variedad de temas, incluyendo la evaluación de la complejidad en la investigación en salud global; el liderazgo en complejidad; la complejidad en la atención clínica; y los fundamentos teóricos y el origen de la ciencia de la complejidad. En conjunto, la serie ofreció diversas perspectivas sobre las aplicaciones de los ámbitos de los CAS a la atención sanitaria, las cuales exploramos aquí. Al sintetizar las observaciones de estos expertos, complementamos estas perspectivas con otras obtenidas a través de la literatura que se centra en la intersección de los conceptos de complejidad y pensamiento sistémico con la atención sanitaria. Algunos investigadores de los CAS sugieren que los conceptos de los CAS pueden ser instructivos para los esfuerzos de transformación de sistemas [ 1 ], mientras que otros sostienen que la aplicación de los conceptos de los CAS a los sistemas sociales humanos es totalmente inapropiada [ 15 ]. A lo largo de este artículo, además de analizar las perspectivas que ofrece la aplicación de los conceptos de los sistemas complejos adaptativos (CAS) a la transformación del sistema sanitario, también abordamos esta paradoja con respecto a la aplicación de los conceptos de los CAS a los sistemas sociales humanos.

Ideas clave sobre la aplicación de la ciencia de la complejidad a la atención sanitaria.

Idea clave 1: Una perspectiva de complejidad nos ayuda a comprender mejor el término nebuloso «contexto».

La complejidad en la atención médica se reconoció mucho antes de que el pensamiento de la complejidad explicitara su influencia. Las desviaciones de los resultados esperados a menudo se atribuyen al «contexto»; es decir, que las relaciones que asumimos conocer entre resultados y acciones se ven perturbadas por una multitud de factores conocidos y desconocidos que interactúan de maneras impredecibles. El debate predominante sobre el papel del contexto en la atención médica es, en sí mismo, un reconocimiento de la complejidad, pues implica que nuestra comprensión de los resultados en salud no puede desvincularse de las particularidades de cada entorno y cada grupo de pacientes [ 9 ]. Explicitar el pensamiento de la complejidad nos desafía a ir un paso más allá; a pensar más allá de la influencia discreta de factores contextuales particulares y a considerar la interconexión de esos factores, o quizás, la naturaleza sistémica del sistema, que implica que cada decisión y práctica en la atención médica forma parte de una red más amplia de relaciones que pueden alterarse por cambios sutiles o significativos. En 2009, la Organización Mundial de la Salud reconoció que el contexto, de hecho, está influenciado por una dinámica más amplia de interacciones del sistema [ 16 ]. Foster-Fishman et al. afirman que estudiar el sistema en lugar del contexto «captura mejor el énfasis en el cambio ecológico y social del campo que el contexto» [ 17 ]. En su marco para el cambio de sistemas, enfatizan los enfoques para evaluar el contexto del sistema y el papel multidireccional entre el contexto, los actores del sistema y las intervenciones mediante el análisis de las interdependencias y los patrones de comportamiento del sistema [ 17 ]. Los enfoques actuales para analizar el contexto implican evaluar los factores contextuales y su influencia específica en los actores e intervenciones, sin hacer referencia explícita a las interdependencias multidireccionales que caracterizan las interacciones en el ámbito sanitario. Esta falta de un análisis más profundo puede llevar a abordajes limitados que ignoren la complejidad presente en la atención médica actual. Utilizar un enfoque de complejidad para comprender el contexto como un fenómeno sistémico puede contribuir a una mejor comprensión y análisis de este concepto difuso, permitiéndonos, así, identificar oportunidades para mejorar la calidad de atención y los resultados en salud a través de estrategias enfocadas a la transformación del sistema entero.

Idea clave 2: Los conceptos de CAS pueden aplicarse de manera diferente cuando los actores son conscientes del sistema en el que operan.

La atención sanitaria es un sistema humano, cuya funcionalidad depende de la cognición y la sociabilidad humanas [ 18 ]. Los principios de los sistemas complejos adaptativos (SCA) se derivaron originalmente de observaciones de sistemas naturales (como los ecosistemas), cuyos actores no son conscientes del sistema o sistemas en los que operan; de hecho, los sistemas son una construcción social humana. En los sistemas naturales, las adaptaciones se producen como respuestas emergentes a las presiones del sistema sin que los actores del sistema sean conscientes de su adaptabilidad. En los sistemas humanos, la adaptación puede ser igualmente emergente a través de un cambio lento e incremental, o puede ocurrir rápidamente cuando hay una perturbación sustancial del sistema. Pero a diferencia de los sistemas naturales, cierta adaptación debe ser concertada o intencional en los sistemas humanos, dado que estos se caracterizan por estructuras sociales y políticas arraigadas diseñadas para imponer orden en un mundo complejo y caótico.

Aplicar el pensamiento de la complejidad a la noción de mejorar la adaptabilidad del sistema de manera concertada e intencional es, sin duda, paradójico, dada la conceptualización de los sistemas adaptativos complejos como sistemas de emergencia y retroalimentación no planificados, no gestionados, no lineales y no jerárquicos. Por ejemplo, la autoorganización se basa en la falta de conocimiento sobre el comportamiento del sistema, pero en los sistemas humanos, los esfuerzos intencionales para cambiar y transformar son comunes. Las reglas simples de un sistema también se basan en la falta de conocimiento sobre cuáles son esas reglas simples; no obstante, algunos investigadores de los sistemas adaptativos complejos sugieren que una forma de autoorganización del sistema puede guiarse mediante el «desarrollo» de reglas simples, como la coordinación y la cooperación [ 19 ], para comprender (y quizás intentar influir en) el comportamiento del sistema. Un ejemplo de esto en la atención médica es la priorización de la atención integrada, donde se están imponiendo esfuerzos coordinados y estratégicos para transformar las estructuras de prestación de servicios de salud existentes y fomentar colaboraciones interorganizacionales y transsectoriales emergentes en todo el sistema [ 20 ]. Si bien los principios de los sistemas complejos adaptativos (SCA) siguen vigentes, existen casos en los que la transformación del sistema presenta propiedades tanto emergentes como intencionales en los sistemas humanos. La implicación de los esfuerzos de transformación intencional es que los actores del sistema son conscientes del sistema en el que se desenvuelven y lo reconocen como complejo; esto introduce un elemento de reflexividad, donde las percepciones y acciones humanas en respuesta a la dinámica del sistema se convierten en causas de dicha dinámica. Al mismo tiempo, existen elementos de los sistemas humanos de los que los actores nunca serán plenamente conscientes, donde las adaptaciones emergentes se producen a través de acciones no intencionales y donde las consecuencias no deseadas resultan de esfuerzos intencionales. De esta manera, persiste una dualidad en la que los actores de los sistemas humanos pueden ser conscientes, y a la vez no serlo, de la naturaleza de los SCA.

La cognición en los sistemas complejos adaptativos (SCA) no está bien descrita ni explicada en la literatura sobre complejidad; por lo tanto, sus implicaciones conceptuales y prácticas para los sistemas de salud no se comprenden del todo. John Paley llamó la atención sobre este tema en su artículo de opinión sobre la teoría de la complejidad [ 15 ]; sostiene que la complejidad (y los SCA) funcionan para explicar el comportamiento del sistema, pero cuando se introduce la cognición, las variables explicativas como la autoorganización dejan de ser relevantes. Dado que la noción de cognición subyace a los principios de los SCA y al pensamiento complejo en general, se requiere un mayor debate en este ámbito para comprender las aplicaciones de los SCA a los sistemas humanos.

Idea clave 3: Las respuestas de los actores a la incertidumbre dentro de un sistema complejo adaptativo son un mecanismo para la adaptación emergente e intencional.

Como se describió anteriormente, las presiones que afectan a un sistema complejo se originan en la incertidumbre y dan como resultado dicha incertidumbre. Sostenemos que, si bien las respuestas tradicionales de los actores del sistema buscan reducir la incertidumbre, aceptar la complejidad requiere aceptar un nivel de incertidumbre irreductible, dado que la eliminación de la incertidumbre no puede existir en un sistema complejo sin soluciones finitas y simples [ 21 ]. En los sistemas de atención médica, la incertidumbre prevalece en múltiples niveles y la enfrentan múltiples actores del sistema, incluidos pacientes, personal clínico de primera línea, gerentes y líderes, legisladores e investigadores. Gestionar la incertidumbre puede requerir minimizar el énfasis en los procesos estandarizados (por ejemplo, listas de verificación) y fomentar enfoques alternativos para la gestión y mejora de la calidad que permitan explorar múltiples soluciones potenciales [ 21 ]. Bar-Yam [ 22 ] recomienda clasificar los problemas según su complejidad e introducir soluciones en consecuencia. Por ejemplo, en situaciones donde existe un bajo nivel de incertidumbre sobre la solución al problema, se puede introducir una mayor estandarización, lo que puede mejorar la eficiencia general del sistema. Cuando existe un mayor grado de incertidumbre sobre la solución a un problema, se pueden implementar actividades que fomenten la innovación, la creación de relaciones y las soluciones mediante el método de ensayo y error. Estos enfoques se describen en las secciones siguientes.

Idea clave 4: Reconocer la complejidad favorece los enfoques centrados en el paciente y los enfoques interseccionales en la atención al paciente.

William Osler afirmó célebremente: «Escuche a su paciente, él le está diciendo el diagnóstico» [ 23 ]. La atención centrada en el paciente (un término popular en entornos clínicos) y la interseccionalidad y la salud (un término popular en los ámbitos social, político y de salud pública) son formas ampliamente aceptadas de concebir la atención. Sin embargo, estas perspectivas no se aplican necesariamente en los enfoques de atención. El pensamiento de la complejidad sirve para fundamentar los enfoques centrados en el paciente y de la interseccionalidad, y puede proporcionar métodos para aplicar dichos enfoques. Reconsiderada desde una perspectiva de complejidad, la sugerencia de Osler insinúa las perspectivas que los clínicos pueden obtener al ver al paciente como la encarnación de sistemas complejos interrelacionados (a través de mecanismos biológicos y de la enfermedad), y como un individuo cuya salud y atención médica están determinadas por la interrelación de otros sistemas complejos (por ejemplo, apoyo social, educación, acceso a recursos y servicios, y estructuras sociales y políticas más amplias). Al mismo tiempo, lograr que los pacientes comprendan las interdependencias que afectan su salud puede garantizar que se expresen y cuestionen el papel de estas interdependencias en un encuentro clínico. La participación de los valores y las opiniones de los pacientes en la toma de decisiones se alinea con una perspectiva de complejidad que subraya la tensión entre la reducción de la incertidumbre (es decir, tomar decisiones basadas en la probabilidad de mitigarla con éxito) y la absorción de la incertidumbre (es decir, reconocer el alcance de las interdependencias y las numerosas «soluciones» potenciales, sin que ninguna sea necesariamente la «correcta»; reconocer que la reducción de la incertidumbre es potencialmente inalcanzable y ya no es la prioridad de facto). A menudo, en un intento por reducir la incertidumbre, los médicos que asumen el rol tradicional de único responsable de la toma de decisiones pueden (involuntariamente) minimizar las numerosas interdependencias que afectan la salud del paciente; el enfoque centrado en el paciente puede resultar en una mayor absorción de la incertidumbre que en su reducción, y puede permitir la consideración de soluciones que se ajusten a la complejidad de la afección.

Los métodos potenciales para incorporar la centralidad del paciente y la interseccionalidad en los procesos clínicos incluyen un compromiso a nivel de sistema con una mejor educación del paciente que enfatice las interdependencias que afectan la salud. Los clínicos de primera línea se beneficiarían de una capacitación que les permitiera sentirse más cómodos absorbiendo la incertidumbre residual que define los sistemas complejos. Participar en la construcción compartida de significado es un enfoque para absorber la incertidumbre y puede permitir que los clínicos de primera línea prosperen dentro de un CAS [ 24 ]. La construcción compartida de significado, descrita como “un proceso diagnóstico dirigido a construir interpretaciones plausibles de señales ambiguas que sean suficientes para sostener la acción” [ 24 ] proporciona a los clínicos de primera línea una plataforma a través de la cual procesar la incertidumbre y la imprevisibilidad y discernir un curso de acción apropiado en medio de un entorno en constante evolución. Valorar las relaciones, incluida la protección del tiempo y el espacio para el diálogo clínico entre pacientes y proveedores, así como entre proveedores que colaboran, es necesario para aplicar enfoques centrados en el paciente e interseccionales [ 23 ]. A nivel del sistema de salud, esto puede informar, y potencialmente alterar radicalmente, los modelos de atención [ 25 ].

Idea clave 5: Las perspectivas de complejidad pueden ayudar a los líderes a gestionar el cambio (y la transformación) en el sector sanitario.

El liderazgo desde una perspectiva de complejidad no se basa en jerarquías ni roles formales, sino que se atribuye a individuos que aportan ideas y toman acción [ 26 ]. También tiende a ser visto como un fenómeno emergente que se observa como resultado de la interacción entre agentes dinámicos en un CAS [ 27 ]. Begun afirma que “en un entorno organizacional complejo, las tareas de liderazgo (por ejemplo, encontrar dirección, generar compromiso y superar desafíos) se logran mediante un diálogo relacional emergente entre individuos diversos” [ 28 , 29 ]. Esta definición se alinea con las nociones de liderazgo distribuido, donde el liderazgo no se basa en roles sino en acciones, y donde el liderazgo es un proceso social dentro de un grupo en lugar de la acción de un individuo [ 30 ].

Sin embargo, la realidad de los sistemas y organizaciones de atención médica es que muchos aún se rigen por concepciones tradicionales de liderazgo que promueven un enfoque esencialmente jerárquico, en el que los líderes en puestos formales imponen orden y control para intentar alinear a los actores del sistema con la visión de la organización [ 11 ]. Mientras que los líderes tradicionales se esfuerzan por eliminar el caos y reducir la incertidumbre, los líderes de la complejidad prosperan en el caos y absorben la incertidumbre.

Aunque parece existir tensión entre estos dos tipos de liderazgo, Uhl-Bien [ 31 ] sostiene que pueden coexistir dentro de las organizaciones de atención médica. De manera similar a alinear las respuestas a la incertidumbre con el nivel de incertidumbre, diferentes tipos de liderazgo pueden requerirse para diferentes objetivos y funciones de la organización. El liderazgo tradicional puede estar justificado cuando se exige institucionalización y control. El liderazgo de la complejidad puede ser necesario cuando un sistema u organización enfrenta desafíos complejos. A menudo, surgen ideas novedosas en respuesta a presiones o desafíos; estos esfuerzos emprendedores aseguran que el sistema u organización se mantenga adaptable. Los líderes de la complejidad estimulan la innovación y aseguran que haya suficiente espacio, tiempo y recursos para permitir que estas innovaciones se materialicen. Apoyan las ideas y las seleccionan para los líderes formales (tradicionales), quienes son capaces de institucionalizar las innovaciones a través de su mecanismo de control descendente. De esta manera, Uhl-Bien imagina un sistema que puede asumir la complejidad a través de las acciones de líderes que operan en los «espacios adaptativos» entre los brazos institucionales y emprendedores de una organización, y que trabajan en conjunto con los líderes tradicionales para formalizar el cambio [ 11 ].

Sin embargo, en muchos casos (quizás debido al creciente reconocimiento de la complejidad y a un campo establecido de investigación sobre liderazgo que respalda los estilos de liderazgo transformadores y adaptativos), los líderes formales (definidos aquí como una posición de liderazgo institucionalizada) se beneficiarían de abordar el liderazgo desde una perspectiva de complejidad. Quienes buscan cultivar la innovación frente a la incertidumbre deben reconocer la dinámica social como fundamental para desarrollar respuestas adaptativas a las presiones del sistema. Se alienta a los líderes formales inspirados por la complejidad a fomentar las relaciones y la comunicación colaborativa, y a promover el aprendizaje consciente (abierto a nuevas explicaciones para eventos ordinarios) y recíproco (iterativo) [ 32 ]. Estas interacciones, a su vez, facilitarán la construcción compartida de significado, que es fundamental para respaldar la adaptación. Begun y Malcolm argumentan que “el liderazgo para afrontar desafíos complejos implica trabajar en la construcción compartida de significado, la exploración de opciones estratégicas a través de la acción y el aprendizaje a partir de esas acciones, y la alteración y el aumento de las conexiones entre individuos, equipos, departamentos y partes interesadas” [ 27 ]. El liderazgo formal inspirado en la complejidad exige humildad y paciencia, suprimiendo el instinto de solucionar problemas mientras se exploran varios enfoques y se traslada lentamente el tiempo y la atención a las soluciones que parecen funcionar [ 1 , 8 ]. Se basa en la noción de “patrocinio”, en la que los líderes buscan acción dentro del sistema, conectan actores para catalizar relaciones y siembran semillas para ideas e innovaciones emergentes [ 11 ]. Begun y Malcolm afirman que “[l]a competencia más importante para los líderes inspirados en la complejidad puede ser hacer preguntas en lugar de dar respuestas” [ 27 ].

En las organizaciones, los líderes también pueden ser gerentes que a menudo son directamente responsables de operacionalizar los esfuerzos de cambio, que, en el contexto actual de la atención médica, suelen ser cambios dirigidos e intencionales. Dentro de un CAS, dicha responsabilidad exige que los gerentes —quizás incluso con mayor énfasis que los líderes estratégicos— cultiven la exploración y fomenten la innovación. Gestionar un CAS requiere una mayor atención a la naturaleza y las interacciones de los actores del sistema para determinar cómo se puede aprovechar la incertidumbre para lograr una adaptación positiva y prácticas innovadoras. Se recomienda que los gerentes promuevan la exploración como respuesta a la incertidumbre, al tiempo que fomentan la «disidencia y la diversidad» [ 28 , 33 ]. Estas ideas son consistentes con el concepto de espacio adaptativo de Uhl-Bien, descrito anteriormente [ 11 ], y están alineadas con el concepto de «desviación positiva», una técnica de gestión del cambio que busca apoyar la identificación de «soluciones sostenibles ocultas a simple vista» al promover el surgimiento del aprendizaje y la adaptación grupales [ 27 ]. Por ejemplo, para mejorar la calidad y el rendimiento del equipo en un CAS, Bar-Yam sugiere empoderar las competencias grupales que permiten a los equipos trabajar localmente y no prescriptivamente para estimular la innovación utilizando una dinámica evolutiva: competencia de equipo (por ejemplo, publicar tasas de infección por sala) [ 12 ]. Begun y Thygeson señalan que para fomentar la diversidad y la exploración entre los equipos, los gerentes deben asegurarse de que un sistema tenga procesos de comunicación efectivos para permitir que todas las voces sean escuchadas, pero deben “curar el trabajo del grupo” para asegurar que se cumplan los estándares de calidad [ 28 ]. El pensamiento de la complejidad sugiere reconocer en lugar de tratar de resolver la tensión entre estas demandas. Una táctica para trabajar dentro de esta tensión puede ser el enfoque “actuar y luego mirar” [ 8 ], que sugiere que debido a que los CAS son inherentemente impredecibles y están en flujo, el aprendizaje que informa la innovación puede lograrse mejor actuando primero y luego buscando retroalimentación [ 28 ]. Este enfoque es similar al enfoque planificar-hacer-estudiar-actuar [ 34 ]; Lo que aporta una perspectiva de complejidad es la creación de condiciones en torno a cómo surgen las ideas novedosas. Los gestores que se sientan cómodos trabajando dentro de los CAS buscarán gestionar las condiciones iniciales, monitorear la aparición de innovaciones [ 33 ] y dirigir las innovaciones para beneficiar la adaptabilidad del sistema.

Idea clave 6: La complejidad exige diferentes maneras de implementar ideas y evaluar el sistema.

Los paisajes políticos se reconocen como CAS, caracterizados por la incertidumbre y propiedades y comportamientos emergentes que son impredecibles, sujetos a la influencia de actores a menudo no reconocidos y moldeados por dinámicas coadaptativas. Además, la formulación de políticas siempre es intencional, aunque, de acuerdo con los CAS, las políticas implementadas no siempre producen el resultado previsto, y el potencial de resistencia a las políticas, definido como «la tendencia a que las intervenciones sean derrotadas por la respuesta del sistema a la intervención misma», suele predominar [ 35 ]. Por lo tanto, resulta difícil aplicar la teoría que postula mecanismos de acción lineales a la formulación y el análisis de políticas; los enfoques de complejidad pueden ser más apropiados. Weick argumenta que, dada la imprevisibilidad inherente de un CAS, los responsables políticos deberían adoptar un enfoque iterativo de «actuar y luego observar», como se describió anteriormente, primero a pequeña escala para determinar qué acciones merecen ser extendidas a nivel del sistema [ 36 ]. Desde una perspectiva de complejidad, la teoría no impulsa la creación de políticas ni predice adecuadamente los resultados. Más bien, se convierte en una herramienta para la reflexión y la construcción de significado, “la práctica de crear una coherencia intelectual a partir de condiciones emergentes” [ 37 ] – en esencia, aprender de manera iterativa para una implementación de políticas más óptima.

El pensamiento complejo también tiene implicaciones para la naturaleza de la investigación científica; algunos argumentan que la ciencia de la complejidad es una “nueva ontología científica” [ 37 ], quizás en referencia a la perspectiva de la complejidad que valora los principios de los sistemas complejos y un compromiso con enfoques de investigación que puedan abordar estos principios, aunque esto podría ser ilustrativo del paradigma del pragmatismo. Una visión del mundo de la ciencia de la complejidad implica una manera particular de plantear preguntas y una calidad específica en las respuestas que se buscan. Influye en cómo se posiciona el investigador dentro de su investigación y cómo se relaciona con el tema de interés. Un marco de complejidad abraza la incertidumbre en el proceso de investigación, ya que se reconoce como una condición crítica para crear un espacio para un intercambio social importante y para permitir que las preguntas de investigación surjan y resurjan [ 8 ]. Adoptar una visión del mundo de la complejidad definirá inherentemente la forma, el curso y las implicaciones del esfuerzo de investigación. Además, los investigadores que adoptan la ciencia de la complejidad como paradigma estarán mejor posicionados para ayudar a quienes trabajan en el sistema de salud a introducir cambios intencionales dentro de un CAS. Más allá de lo filosófico, el paradigma de la ciencia de la complejidad tiene implicaciones pragmáticas para los investigadores. El estudio de los sistemas complejos adaptativos (SCA) requiere un conjunto de herramientas de investigación que faciliten el examen y la exploración de fenómenos dinámicos, no lineales, coadaptativos y emergentes. Se ha demostrado matemáticamente que los enfoques tradicionales de referencia para la investigación, como los ensayos controlados aleatorios, tienen limitaciones para generar evidencia suficiente que permita capturar todas las condiciones y permutaciones potenciales [ 38 ], y buscan minimizar la incertidumbre en lugar de explorar posibles fuentes de incertidumbre irreducible. Se ha propuesto un nuevo repertorio de «herramientas» de investigación basadas en la complejidad que tienen en cuenta las propiedades de los SCA. Estas incluyen enfoques como la dinámica de sistemas, la simulación de eventos discretos, el modelado basado en agentes, el análisis comparativo cualitativo de conjuntos difusos y el análisis de redes sociales [ 27 ], además de los enfoques de investigación estándar.

Discusión

En este artículo, analizamos las ideas extraídas de un seminario sobre ciencia de la complejidad impartido en la Universidad de Toronto, un evento que reunió a académicos, profesionales y estudiantes interesados en la intersección entre la salud y la teoría de sistemas complejos. Describimos cómo los principios de los sistemas complejos adaptativos (SCA) sustentan las filosofías e iniciativas aceptadas en el sistema de salud actual, brindando una nueva lente a través de la cual podemos examinar y redefinir nuestras prácticas y estructuras existentes. Asimismo, examinamos cómo los actores dentro del sistema de salud, que incluyen a pacientes, profesionales clínicos de primera línea, gerentes y líderes, responsables políticos e investigadores, pueden aplicar los principios de los CAA tanto a los esfuerzos de cambio emergentes como a los intencionales, facilitando así un enfoque más cohesivo y colaborativo hacia el bienestar de la comunidad. El pensamiento de la complejidad se revela como fundamental para comprender y transformar los sistemas de salud, que son inherentemente complejos y cambiantes, pues la interacción continua entre sus diversos componentes genera un comportamiento emergente que no puede ser ignorado. Las diversas perspectivas derivadas del pensamiento de la complejidad pueden ayudar a moldear nuestra percepción del sistema y el papel de los actores dentro del mismo, lo que resulta en estrategias más efectivas y adaptativas. El pensamiento de la complejidad también respalda las nociones existentes sobre la naturaleza de un sistema determinado, proporcionando un marco más robusto y dinámico que puede ser útil para abordar los desafíos contemporáneos. Además, ofrece perspectivas adicionales sobre cómo estas ideas podrían implementarse o evaluarse en contextos prácticos. Las seis ideas principales que destacamos de nuestra serie de seminarios para expertos fueron aquellas que, en nuestra opinión, contribuirían a una mayor comprensión de las ideas ya aceptadas que reconocen la complejidad, tales como el contexto y enfoque centrado en el paciente. Creemos que estas ideas merecen un mayor debate para entender mejor las aplicaciones de la complejidad, como es el caso de la cognición. Por último, discutimos las implicaciones prácticas sobre cómo se puede considerar la complejidad en la práctica, abordando aspectos fundamentales como el reconocimiento de la incertidumbre, la complejidad para los líderes y los métodos de evaluación de la complejidad, lo que permite una integración más efectiva y sostenible de estos conceptos en las políticas y prácticas de salud.

Un hilo conductor en todos estos puntos es la noción de respuestas a la incertidumbre (Insight 3). La complejidad del sistema genera incertidumbre, y los niveles de incertidumbre en los sistemas complejos adaptativos (SCA) pueden ser a veces extremos. Gestionar esta incertidumbre es lo que los actores del sistema intentan lograr al someterse a la adaptación (o transformación) del sistema, y ​​los actores pueden adoptar comportamientos, acciones y roles específicos para facilitar la adaptación intencional (además de la adaptación emergente), lo cual es una característica única de los CA en los sistemas humanos. Cabe señalar que, si bien estas acciones pueden conducir en última instancia a la adaptación del sistema, la naturaleza multinivel y en red de un sistema complejo hace que los resultados de estas acciones sean difíciles de predecir. En otras palabras, los resultados de las respuestas a la incertidumbre son inciertos en sí mismos, lo que hace que el ejercicio de aceptar la complejidad en lugar de combatirla sea aún más valioso.

La adopción del pensamiento de la complejidad en los sistemas de salud exige que los actores del sistema trabajen en contra de muchas de las normas estructurales y sociales profundamente arraigadas que prevalecen. Los enfoques comúnmente practicados para brindar y comprender la atención médica se basan en soluciones reduccionistas y en la mayor estandarización posible. Un enfoque basado en los Sistemas Adaptativos Complejos (SAC) para transformar los sistemas de salud requiere una perspectiva conexionista (y potencialmente ascendente), donde el conocimiento es dinámico y difuso, y la mejora de la calidad requiere variabilidad en respuesta a las condiciones locales. Los expertos sugieren introducir el pensamiento de la complejidad en las estructuras existentes «replanteando la complejidad» para otros actores que trabajan en el sistema; en otras palabras, restando importancia a los conceptos abstractos del pensamiento de la complejidad que son tan difíciles de aplicar a sistemas específicos, al tiempo que se alienta a los actores del sistema a «complejizar» su propio pensamiento al aumentar la conciencia sobre la naturaleza sistémica de sus sistemas en relación con elementos como su trabajo, comportamiento y salud.

Si bien destacamos varias ideas que surgen al aplicar el pensamiento de la complejidad a los intentos concertados de mejorar la adaptabilidad del sistema, también reconocemos la paradoja de aplicar conceptos destinados a describir sistemas naturales a sistemas humanos socialmente construidos. Por ejemplo, el problema de establecer límites artificiales y socialmente construidos para el sistema es bien conocido y ampliamente discutido. Los enfoques para examinar los SCA implican reconocer la complejidad del sistema, pero necesariamente reducirla hasta el punto en que podamos estudiarla; de esta manera, imponemos límites socialmente construidos dentro de un sistema más grande, cuando no existen límites reales [ 14 ], para poder examinar un sistema más pequeño que es aparentemente menos complejo. La cuestión de la cognición en los factores de complejidad es importante para nuestra comprensión de qué factores se aplican al cambio intencional y la transformación en los sistemas humanos. Una limitación que hemos observado en la aplicación de las perspectivas de los SCA en la literatura hasta la fecha es que se han centrado en la organización como un sistema complejo, a pesar del potencial para comprender sistemas de atención médica más grandes (es decir, múltiples actores organizacionales y un grupo de profesionales independientes no afiliados a organizaciones) utilizando una perspectiva de los SCA. Las futuras aplicaciones de CAS podrían tener como objetivo ampliar los «límites» dentro de los cuales se aplica la lente CAS.

Conclusiones

Este artículo destaca aspectos clave del pensamiento complejo que pueden aplicarse en la práctica, así como otros que merecen mayor debate y exploración. En última instancia, el pensamiento complejo reconoce la complejidad inherente a la atención sanitaria y nos anima a aceptarla. Esto implica ver los desafíos como oportunidades de adaptación, estimular soluciones innovadoras para garantizar una adaptación positiva, aprovechar el sistema social para que las ideas surjan y se difundan, y, aún más importante, reconocer que estas acciones adaptativas forman parte del comportamiento del sistema, al igual que los periodos de estabilidad. Al aceptar la incertidumbre y adaptarse de forma innovadora, el pensamiento complejo permite a los actores del sistema participar de manera significativa y cómoda en la transformación del sistema sanitario.