El informe «Errar es humano 1″ del Instituto de Medicina fue transformador para la seguridad del paciente. Puso el problema de los errores médicos en la mira del público y destacó por qué toda organización sanitaria en Estados Unidos debe priorizar la seguridad. Antes de la publicación del informe, muchos, incluidos los líderes de importantes organizaciones sanitarias, simplemente no lo hacían.
El informe planteó varios puntos importantes: los errores son comunes, son costosos, los problemas relacionados con los sistemas causan errores, los errores se pueden prevenir y la seguridad se puede mejorar. 1Se produjeron cambios importantes, incluido un aumento significativo en la investigación sobre seguridad del paciente, patrocinada principalmente por la Agencia para la Investigación y la Calidad de la Atención Médica (AHRQ) y programas hospitalarios centrados en la medición, la acreditación y la regulación. 2El número de estudios para abordar las brechas de seguridad aumentó en más del 250 % a lo largo de varios años, 3 y muchos se realizaron en áreas que no habían recibido atención previa.
Lo que hemos aprendido
En los años transcurridos desde la publicación del informe, se ha hecho cada vez más evidente que los problemas de seguridad son omnipresentes en la atención médica y que los pacientes sufren lesiones con frecuencia como resultado de la atención que reciben. El número exacto de muertes en EE. UU. es muy controvertido y se ha debatido extensamente. 4– 7 Esto se debe en parte a que se han utilizado enfoques metodológicamente cuestionables para estimar las muertes y, en cualquier caso, suele ser difícil determinar si una muerte individual podría haberse evitado. Sin embargo, muchos expertos creen que la cifra probablemente se sitúa en cientos de miles al año, mientras que muchos más pacientes sufren lesiones innecesarias.
Los primeros esfuerzos para reducir los errores hospitalarios se centraron principalmente en la seguridad hospitalaria. Antes del informe, los eventos adversos, como las infecciones nosocomiales, se consideraban un costo operativo. Las infecciones del torrente sanguíneo asociadas a las vías centrales (un tipo de infección nosocomial) representan un ejemplo notable. Peter Pronovost y su equipo de la Universidad Johns Hopkins demostraron que, siguiendo un conjunto de procedimientos de seguridad, podían reducir la incidencia de estas infecciones prácticamente a cero. 8 El conjunto incluía los pasos a seguir para la inserción de catéteres venosos centrales, la manipulación y el mantenimiento de las vías, y la retirada inmediata de las vías innecesarias. Muchos consideraron que estos resultados iniciales podrían ser demasiado buenos para ser ciertos, pero Pronovost y sus colegas posteriormente pudieron replicarlos en todo el estado de Michigan. 9 Esto provocó un cambio en la percepción del daño, ya que incluso en situaciones en las que no se había cometido un error evidente, era posible reducir drásticamente el riesgo de daño. Algunos de los principios que sustentan estas intervenciones se adoptaron de industrias de alta fiabilidad, 10 como la aviación, que utilizan un enfoque de seguridad más sistemático que el de la atención médica.
Los objetivos de seguridad posteriores incluyeron la neumonía asociada al respirador y la infección del tracto urinario asociada al catéter. Casi todos los hospitales han implementado la vigilancia de los principales tipos de infecciones intrahospitalarias, incluyendo estas dos afecciones, las infecciones del torrente sanguíneo asociadas a la vía central y las infecciones del sitio quirúrgico. La mejora del lavado de manos también ha sido un componente importante de este esfuerzo.<sup> 11 </sup> De hecho, el número de afecciones intrahospitalarias disminuyó de 145 por cada 1000 ingresos en 2010 a 115 por cada 1000 ingresos en 2015, según la evaluación del cuadro de mando nacional de la AHRQ.<sup> 12</sup> La tasa de infecciones del torrente sanguíneo asociadas a la vía central parece haber disminuido aproximadamente un 80 % desde la publicación de To Err Is Human . <sup>13</sup>
Si bien ahora existen estrategias de prevención eficaces, las tasas de infección siguen siendo demasiado altas. Por ejemplo, el 75 % de los hospitales estadounidenses presentó una tasa de infección estandarizada superior al estándar del Grupo Leapfrog en una evaluación reciente.<sup> 14</sup> Se cree que gran parte de la variación restante en las tasas de infección hospitalaria se debe a la inconsistencia en el uso de las técnicas de prevención. Enfoques como la evaluación entre pares parecen tener potencial para reducir las tasas.<sup> 15</sup>
También se ha descubierto que los errores de medicación son una de las causas más comunes de daño.<sup> 16 </sup> Sin embargo, se han desarrollado intervenciones eficaces. En concreto, se ha comprobado que la informatización de la prescripción de medicamentos y la prestación de apoyo informático para la toma de decisiones clínicas al proveedor que realiza la prescripción reducen las tasas de eventos adversos a medicamentos. <sup>17</sup>– 19 El apoyo a la toma de decisiones incluye la verificación de órdenes para alergias y el marcado de medicamentos con interacciones riesgosas o dosis fuera de rango, para luego hacer sugerencias correctivas a los proveedores en tiempo real. Otra intervención, la codificación de barras de pacientes y medicamentos, ha reducido las tasas de error tanto en el punto de atención 20 como en la farmacia. 21 En 2009, el gobierno federal implementó incentivos para adoptar la entrada de órdenes computarizada con apoyo a la toma de decisiones como parte de la atestación de uso significativo de la historia clínica electrónica (HCE), lo que aumentó la adopción de estas tecnologías en todo Estados Unidos. Sin embargo, datos recientes sugieren que el apoyo a la toma de decisiones clínicas en las HCE no está brindando los beneficios observados en estudios anteriores, y que podría no estar teniendo ningún impacto en absoluto tal como se implementa actualmente, lo que hace que esto sea una prioridad crítica para abordar. 22 Las soluciones alternativas siguen siendo un problema generalizado con tecnologías como la codificación de barras: las personas emplean soluciones alternativas para ahorrar tiempo, en parte porque podrían no apreciar los beneficios de seguridad. En términos más generales, la variabilidad en la implementación y el uso de la tecnología afecta su impacto. Gran parte de esto se relaciona con la indiferencia hacia los factores “sociotécnicos” involucrados, es decir, factores no técnicos como el flujo de trabajo, la capacitación y las cuestiones organizacionales. 23
Las lesiones quirúrgicas también han sido una causa importante de daños. Para abordar esto, Atul Gawande y su equipo del Hospital Brigham and Women’s desarrollaron una lista de verificación quirúrgica para el quirófano, que resultó en una disminución del 36 % en la tasa de eventos adversos y una disminución del 47 % en la tasa de mortalidad en un estudio multinacional. 24 Sin embargo, las tasas de éxito posteriores a la implementación también han sido variables en esta área. Es probable que varios factores contextuales 25 influyan en el éxito de una intervención, y si bien se han desarrollado herramientas eficaces, su impacto en la seguridad en el mundo real a menudo depende de cómo se aborden esos factores. Por ejemplo, el apoyo del liderazgo y la cultura de seguridad local son determinantes importantes de si existe una adecuada adopción y efecto de una intervención que a simple vista parece positiva. Además, es posible que la lista de verificación no aborde los errores relacionados con la cognición o el comportamiento humano dentro o fuera del quirófano, lo que sugiere la necesidad de más investigación para comprender y abordar la seguridad quirúrgica.
Otros tipos de errores hospitalarios que deben abordarse incluyen errores durante los traspasos entre unidades, fallos de rescate, identificación errónea de pacientes, úlceras por presión y caídas. Las deficiencias de seguridad derivadas de la atención discontinua se han abordado mediante un paquete de intervención estandarizado denominado I-PASS (para la gravedad de la enfermedad, el resumen del paciente, la lista de acciones, el conocimiento de la situación y los planes de contingencia, y la síntesis por parte del receptor), 26 que se está implementando actualmente en cientos de hospitales de Estados Unidos y a nivel internacional. El fallo de rescate, definido como el fallecimiento de un paciente tras una o más complicaciones potencialmente tratables, se utiliza como indicador de calidad quirúrgica para contabilizar las complicaciones posoperatorias potencialmente prevenibles.
A nivel organizacional, la mejora de la seguridad está estrechamente relacionada con la buena gestión y la implementación eficaz de una cultura de seguridad. 27 Una cultura de seguridad consistente y relevante es un factor determinante del éxito de las intervenciones de seguridad, y muchas organizaciones miden actualmente su cultura de seguridad a lo largo del tiempo utilizando un instrumento validado disponible en la AHRQ: la Encuesta Hospitalaria sobre Cultura de Seguridad del Paciente. Las organizaciones no pueden abordar los problemas de seguridad recientemente identificados cuando aún tienen dificultades para gestionar los antiguos, cuyas soluciones no han sido sostenibles debido a problemas culturales. El lavado de manos es un ejemplo de una intervención insostenible en muchos hospitales. Muchas organizaciones líderes también han adoptado el concepto de una cultura de seguridad de alta confiabilidad, definida como «actitudes de liderazgo profesional en una Organización de Alta Confiabilidad que gestionan actividades potencialmente peligrosas para mantener el riesgo para las personas y el medio ambiente tan bajo como sea razonablemente posible, garantizando así la confianza de las partes interesadas». 28 Estas instituciones están intentando pasar de abordar cada evento adverso individual y tipo de evento adverso a abordar la seguridad sistemáticamente dentro de un sistema integrado de gestión de la seguridad. 29
Una parte importante de la promoción de la seguridad consiste en ampliar las intervenciones exitosas. Varias organizaciones han participado en este proceso, como el Instituto para la Mejora de la Atención Médica y la Fundación Nacional para la Seguridad del Paciente (NPSF). La campaña «100,000 Vidas» del instituto logró avances notables, involucrando a cientos de hospitales en la adopción de soluciones de seguridad. La NPSF creó el Instituto Lucian Leape, un grupo de expertos que identifica enfoques novedosos para mejorar la seguridad e identifica áreas de riesgo que requieren atención a nivel sistémico. Además, apoya la formación en seguridad en la capacitación y el trabajo sobre divulgación y disculpas.
Las principales iniciativas nacionales de políticas y prácticas también han cobrado impulso para abordar la seguridad en los hospitales estadounidenses. La Ley de Seguridad del Paciente y Mejora de la Calidad de 2005 autorizó la creación de Organizaciones de Seguridad del Paciente (OSP). Estas organizaciones reúnen a grupos para mejorar el aprendizaje más amplio al compartir datos de informes voluntarios bajo protección de la privacidad y la confidencialidad. 30 A menudo se unen en torno a un dominio específico, como la seguridad de la tecnología de la información (TI) sanitaria. Las organizaciones (a menudo hospitales o sistemas integrados de prestación de servicios) envían información sobre errores y eventos adversos a su OSP. Si bien las organizaciones que envían información participan de forma variable, algunas informan mucho y otras observan en gran medida, las OSP pueden desempeñar un papel valioso al proporcionar información sobre patrones y tendencias de seguridad a las organizaciones que informan. 31 Una iniciativa nacional de los Centros de Servicios de Medicare y Medicaid (CMS), la Alianza para los Pacientes, también está invirtiendo recursos para reducir los daños prevenibles a través de las Redes de Innovación para la Mejora Hospitalaria.
En 2008, CMS dejó de reembolsar a los hospitales bajo Medicare por ciertas condiciones adquiridas en el hospital, incluyendo úlceras por presión, caídas intrahospitalarias e infecciones. 32 Si bien esto ciertamente estimuló a los hospitales a trabajar en estos problemas, tanto la medición de las condiciones adquiridas en el hospital como el impacto de esta política en la seguridad siguen siendo controvertidos. 33 , 34 La medición de estas condiciones ha variado sustancialmente entre hospitales, y algunas de las métricas parecen poco confiables. Quizás más importante, los hospitales grandes que atienden a poblaciones más enfermas y los hospitales que atienden a poblaciones más pobres tienen tasas más altas de condiciones adquiridas en el hospital, y creen que esto se relaciona con el hecho de que sus pacientes tienen un mayor riesgo y un nivel socioeconómico más bajo que los pacientes de los hospitales comunitarios.
El sistema de atención de salud ha comenzado a aprovechar enfoques científicos sobre seguridad provenientes de áreas ajenas a la medicina tradicional.
El sistema de atención médica ha comenzado a aprovechar los enfoques científicos para la seguridad de áreas fuera de la medicina tradicional, incluyendo la ingeniería de factores humanos, la psicología, las ciencias sociales, los enfoques centrados en el paciente, la cultura y el trabajo en equipo, y el diseño del entorno físico. Estas disciplinas han mejorado la comprensión del sistema de atención médica sobre la seguridad y han servido como base para desarrollar nuevas estrategias dentro de la atención médica para abordar los problemas de seguridad. Por ejemplo, el diseño basado en la evidencia en relación con el entorno construido 35 , 36 juega un papel importante en la prevención de infecciones y la mejora de otros problemas de seguridad. Con respecto a las infecciones, los ejemplos incluyen el diseño de habitaciones para eliminar las cortinas de tela (que retienen bacterias) y la eliminación de las esquinas en las habitaciones (que son difíciles de esterilizar). Se necesita más trabajo para traducir los principios de ingeniería de sistemas y factores humanos para diseñar sistemas más seguros en entornos de atención médica.
Prioridades emergentes en la seguridad del paciente
Han surgido numerosos problemas nuevos en el ámbito de la seguridad del paciente que requieren soluciones sistemáticas basadas en la seguridad. En esta sección, destacamos los problemas de error diagnóstico, seguridad ambulatoria y seguridad relacionada con las TI sanitarias, ya que consideramos que son especialmente urgentes.
Error de diagnóstico
Aunque se desconocen las cifras exactas de pacientes hospitalizados, alrededor del 5 % de los adultos estadounidenses en el ámbito ambulatorio experimentan un error de diagnóstico cada año, y aproximadamente la mitad de estos son potencialmente perjudiciales.<sup> 37</sup> Los estándares de precisión y puntualidad del diagnóstico están mal definidos para la mayoría de las afecciones, y los profesionales sanitarios deben sopesar constantemente la precisión diagnóstica con el uso juicioso o adecuado de pruebas o procedimientos. Los errores involucran enfermedades o afecciones comunes, no solo las poco frecuentes o raras, y a menudo resultan de fallas en la recopilación e interpretación de datos del historial y el examen del paciente, o en el seguimiento de pruebas diagnósticas anormales. <sup>38</sup> Un informe de 2015 de las Academias Nacionales de Ciencias, Ingeniería y Medicina titulado » Mejora del Diagnóstico en la Atención Médica » introdujo el error de diagnóstico en el debate general sobre la seguridad del paciente. <sup>39</sup>
La última década reveló una comprensión más avanzada del error de diagnóstico: su frecuencia, daño y factores contribuyentes. 40 , 41 Ningún conocimiento ni toma de decisiones de un solo médico son suficientes para garantizar un diagnóstico preciso, especialmente cuando un diagnóstico evoluciona a través del tiempo y el lugar e involucra interacciones entre numerosos jugadores del equipo. La investigación ha resaltado la necesidad de dar cuenta de la interacción compleja de múltiples factores contribuyentes, tanto del sistema (como fallas en la comunicación, coordinación o trabajo en equipo o la falta de políticas y procedimientos sólidos) como individuales (como fallas en la recopilación o interpretación de datos, exceso de confianza en el juicio diagnóstico y falta de conocimiento). 42 , 43 Esto subraya la lógica de un enfoque más basado en sistemas para abordar el proceso de diagnóstico en lugar de simplemente centrarse en si el diagnóstico fue correcto o incorrecto.
Las Academias Nacionales y otras organizaciones han formulado recomendaciones para abordar los errores de diagnóstico que son coherentes con otras áreas de mejora de la seguridad y la atención sanitaria: mejorar el trabajo en equipo y la participación del paciente; proporcionar tiempo y reembolso adecuados para el trabajo cognitivo; reformar los estándares de negligencia médica; utilizar tecnologías para apoyar la atención al paciente, como el apoyo a la toma de decisiones clínicas (que a veces implica inteligencia artificial); y proporcionar financiación para la investigación con el fin de acelerar el estudio de los errores de diagnóstico y desarrollar estrategias preventivas. 44 , 45 Si bien la AHRQ, en particular, patrocina la investigación sobre cómo medir mejor el problema, 46 varias áreas de alto riesgo son propicias para iniciativas políticas y prácticas destinadas a reducir los errores de diagnóstico, y los sistemas de salud podrían liderar estos esfuerzos. Estas incluyen aclarar las responsabilidades del seguimiento de los hallazgos clínicos anormales entre los diferentes miembros del equipo de atención, identificar a los pacientes en riesgo para un seguimiento fiable o de circuito cerrado (por ejemplo, garantizar que un paciente que ha recibido una derivación importante a un especialista pueda consultarlo), mejorar la comunicación y las relaciones médico-paciente, y supervisar el seguimiento de los resultados anormales de pruebas de alto riesgo (como los sospechosos de cáncer). 47– 49
Seguridad ambulatoria
El alto volumen de atención ambulatoria y la necesidad de colaboración y comunicación a lo largo del continuo asistencial aumentan la posibilidad de errores en los entornos ambulatorios. Además, los problemas y las estrategias identificados en el ámbito hospitalario podrían no ser aplicables o relevantes para la atención ambulatoria. 50 Los profesionales sanitarios ambulatorios disponen de menos recursos e infraestructura para actividades de seguridad del paciente que los profesionales sanitarios hospitalarios. Asimismo, las agencias reguladoras y de acreditación no han priorizado la seguridad ambulatoria en la misma medida que la seguridad hospitalaria. Como resultado, el conocimiento en esta área es incipiente y solo existen unas pocas intervenciones generalizables.
Informes recientes de la AHRQ, el Colegio Americano de Médicos, la Organización para la Cooperación y el Desarrollo Económicos y la Organización Mundial de la Salud destacan los próximos pasos potenciales, 51– 54 incluida la medición sistemática de la seguridad y el daño para fundamentar la acción; el aprendizaje a partir de los informes de eventos adversos por parte de los pacientes; más incentivos para la atención en equipo y la participación de los pacientes; la investigación tanto para cuantificar los problemas como para desarrollar intervenciones; y estrategias para abordar factores contribuyentes subyacentes, como el estrés, el agotamiento y la cultura de los médicos.
Tecnología de la información sanitaria y seguridad
La TI sanitaria puede ayudar a prevenir numerosos tipos de errores de seguridad del paciente. Estos incluyen errores de medicación y diagnóstico, errores de identificación del paciente (55) , acceso deficiente a los datos (56) tanto para pacientes como para profesionales sanitarios, y garantizar que problemas como análisis de laboratorio anormales y derivaciones importantes reciban el seguimiento adecuado.
Pero también ha quedado claro que las TI sanitarias invariablemente introducen nuevos problemas. Las prioridades emergentes para la seguridad del paciente en relación con esta tecnología incluyen garantizar la seguridad de la tecnología en sí; el uso seguro de la tecnología por parte de los profesionales clínicos, el personal sanitario y los pacientes; y su uso eficaz para mejorar la seguridad del paciente. 57 Esto último implica usar la tecnología para identificar y monitorear riesgos y eventos de seguridad, e intervenir antes de que se produzcan daños.
Entre los ejemplos de problemas de seguridad que han surgido se incluyen errores de software y fallos del sistema; 58 copiar y pegar información inexacta; 59 firmar información autocompletada suministrada por la computadora que muestra hallazgos clínicos anormales; y pasar por alto importantes alertas de laboratorio anormales o de interacción de medicamentos, a menudo en medio del manejo de otras alertas que no son importantes. 60 Los problemas con la usabilidad de la HCE (incluidos métodos de documentación engorrosos, acuerdos de flujo de trabajo incómodos y falta de interoperabilidad con otros sistemas de registros de pacientes) causan frustración y agotamiento en los proveedores, con posibles implicaciones para la seguridad. 61
Implicaciones políticas
Si bien se han logrado mejoras, persiste una frecuencia inaceptablemente alta de daños a los pacientes. Continúan surgiendo nuevas prioridades de seguridad a medida que se implementan nuevos enfoques de atención. Además, incluso las intervenciones bien planificadas inevitablemente generan nuevos desafíos y problemas de seguridad imprevistos.
Una prioridad fundamental debe ser estimular y apoyar el progreso científico multidisciplinario, tanto para comprender la complejidad de la seguridad como para desarrollar y evaluar intervenciones. La AHRQ ha sido durante mucho tiempo líder a nivel federal en el apoyo a la investigación multidisciplinaria en esta área y necesita seguir apoyando la investigación sobre las amenazas emergentes a la seguridad y los daños persistentes, ya que las tasas de daños siguen siendo demasiado altas. La investigación en seguridad también debería contar con el apoyo de los Institutos Nacionales de la Salud (NIH), cuyos institutos podrían ampliar sus carteras para incluir la seguridad en las áreas que abordan.
Además, los sistemas de salud deben comenzar a medir el daño de forma consistente y fiable, utilizando definiciones estándar, y deben informar públicamente las tasas de daño. Para ello, los investigadores deben superar los desafíos metodológicos y desarrollar métricas robustas. Se necesitan métricas que puedan extraerse de forma fiable de las historias clínicas electrónicas (HCE) con una carga mínima para las instituciones, y las medidas deben evaluarse rigurosamente para garantizar su validez. Cuando las medidas son inexactas, como ocurrió con muchos de los Indicadores de Seguridad del Paciente, 62 la información pública sobre las tasas de daño puede ofrecer una imagen errónea de qué organizaciones están brindando atención segura, lo que puede llevar a los pacientes a tomar decisiones equivocadas y perjudicar a las organizaciones.
Las sanciones por ciertos eventos de seguridad del paciente deben considerarse cuidadosamente. Las políticas que impiden el pago cuando se produce un daño parecen lógicas, pero pueden tener consecuencias perversas, ya que las organizaciones pueden simplemente subcodificar los daños para evitar desincentivos de pago. 63 El programa de enfermedades adquiridas en el hospital ha sido bastante controvertido, y grandes hospitales académicos argumentan que han sido penalizados injustamente. 64 Además, las sanciones basadas en pagos pueden desviar demasiada atención institucional hacia medidas vinculadas al pago, desviando la atención y los recursos de otros problemas de seguridad.
Idealmente, las políticas de seguridad del paciente deberían respaldar un enfoque de «sistema de salud que aprende», en el que la medición en la primera línea de atención genere evidencia para la mejora. Esta evidencia debe utilizarse de forma continua para desarrollar intervenciones que se incorporen a la práctica. Los sistemas de salud deberían realizar más investigación integrada, creando laboratorios de aprendizaje para comprender los problemas de seguridad, impulsando la ciencia y probando estrategias de mejora a nivel piloto. Los responsables políticos deben promover el intercambio de conocimientos, por ejemplo, mediante la creación de un centro nacional de intercambio de información o un centro de coordinación para promover un intercambio rápido de conocimientos entre los sistemas de salud. Tras las pruebas piloto, la implementación acelerada de las mejores prácticas podría extenderse a otros entornos a través de grandes colaboraciones multiinstitucionales para la mejora de la calidad. El Centro Nacional para la Seguridad del Paciente del Departamento de Asuntos de Veteranos (VA) ofrece un ejemplo de un sistema de salud que aprende . El centro no solo promueve el aprendizaje a nivel de toda la organización del VA, sino que también financia centros de excelencia en seguridad del paciente a nivel nacional que se centran en la investigación y la implementación, llevando herramientas prácticas a la cabecera del paciente para mejorar la seguridad .
Los sistemas de salud deben comenzar a ampliar su capacidad e infraestructura en materia de seguridad del paciente para satisfacer las demandas de los nuevos problemas de seguridad, abordar las recomendaciones de los responsables políticos y otras partes interesadas nacionales, e implementar las mejores prácticas recientemente desarrolladas. En diversas zonas de alto riesgo, el progreso científico y las herramientas y estrategias basadas en la evidencia para mejorar la seguridad aún no se han aplicado en la práctica. 68 Recientemente, la AHRQ y el Instituto para la Mejora de la Atención Médica pusieron en marcha un nuevo Comité Directivo Nacional para la Seguridad del Paciente con el fin de crear un plan de acción nacional para la prevención de daños, que podría abordar la capacidad institucional, el establecimiento de prioridades y los complejos problemas de implementación que obstaculizan el progreso en seguridad.
Con la transición a un sistema de atención médica basado en TI, es necesario promulgar políticas legislativas o regulatorias que permitan y fomenten un mejor uso de los datos de sus Historias Clínicas Electrónicas (HCE) para mejorar la seguridad. No solo se debe mejorar el contenido de las HCE, como el soporte para la toma de decisiones clínicas y la presentación de la interfaz de usuario, para fines de seguridad, sino que los sistemas de salud también deben extraer datos clínicos y administrativos clave a almacenes de datos empresariales. Esto facilitaría consultas complejas entre pacientes para identificar áreas de mejora y monitorizarlas. Los científicos de datos pueden ayudar a crear paneles de control específicos para cada condición, ubicación y procedimiento, lo que ayuda a los médicos y a los sistemas de salud a monitorizar su desempeño en tiempo real y predecir qué pacientes son más vulnerables a eventos adversos. De esta manera, los profesionales de primera línea podrían intensificar la monitorización para prevenir daños a los pacientes de alto riesgo.
Las políticas públicas también deberían crear mecanismos para la responsabilidad compartida en materia de seguridad entre los sistemas de salud, los proveedores de atención médica, la industria y los organismos públicos y privados pertinentes. Uno de estos mecanismos sería un centro nacional de seguridad que impulse la colaboración público-privada. Ya se ha propuesto la creación de un centro nacional centrado en la seguridad de las tecnologías de la información (TI) sanitarias y que facilite el intercambio de conocimientos clave. <sup>69</sup> Dicho centro podría ayudar a modificar las barreras al intercambio de conocimientos contenidas en los acuerdos de licencia de software de HCE, las disposiciones de confidencialidad y las protecciones de la propiedad intelectual. Flexibilizar estas disposiciones permitiría un mejor intercambio de datos relacionados con la seguridad del paciente.<sup> 70 </sup>
Conclusión
El período transcurrido desde la publicación de Errar es humano <sup>1</sup> podría considerarse una Edad de Bronce en materia de seguridad del paciente, cuando se desarrollaron nuevas herramientas —que ahora podrían considerarse primitivas— que propiciaron avances. Se ha aprendido mucho sobre la epidemiología de la seguridad, y si bien se han desarrollado varias soluciones eficaces para algunos problemas de seguridad, su implementación y práctica han sido inconsistentes. A pesar de los avances en las infecciones hospitalarias y la seguridad de los medicamentos, aún existen importantes oportunidades de mejora, muchas más de las que cualquier organización puede permitirse probar o adoptar. El progreso en la prevención de daños al paciente, como úlceras por presión, trombosis venosa profunda y embolia, y caídas, ha sido variable, a pesar de que existen algunas soluciones eficaces. Incluso los eventos «nunca» como la cirugía con el paciente equivocado y el sitio equivocado siguen ocurriendo con una frecuencia alarmante. Las áreas prioritarias emergentes incluyen abordar los daños relacionados con la atención ambulatoria, los errores de diagnóstico y las tecnologías de la información sanitaria, así como el uso de los nuevos datos electrónicos disponibles para mejorar la seguridad.
El próximo reto en seguridad del paciente es el desarrollo e implementación de herramientas y estrategias que permitan a las organizaciones medir y reducir los daños, tanto dentro como fuera del hospital, de forma continua y rutinaria. Y, a medida que se demuestre su eficacia, las políticas que fomenten y, cuando corresponda, exijan a las organizaciones el uso de estas herramientas y estrategias en múltiples entornos sanitarios podrían conducirnos a la era dorada de la seguridad del paciente.
Montazeri M, Galavi Z, Ahmadian L. What are the applications of ChatGPT in healthcare: Gain or loss? Health Sci Rep. 2024 Feb 14;7(2):e1878. doi: 10.1002/hsr2.1878. PMID: 38361810; PMCID: PMC10867364.
PMC10867364 Identificador de producto principal:
1. CHATGPT EN LA ATENCIÓN MÉDICA
ChatGPT es un modelo de lenguaje extenso desarrollado por Open AI, basado en la arquitectura GPT (Transformador Generativo Preentrenado).Es un sistema de IA capaz de comprender el lenguaje natural y generar respuestas coherentes y contextualmente apropiadas a una amplia gama de indicaciones y preguntas. 1 , 2Actualmente, este modelo de lenguaje es de gran interés en el ámbito sanitario y otros ámbitos. Si bien presenta varias ventajas en la atención médica y la educación médica, también presenta desventajas. En este artículo, analizamos estos temas y ofrecemos algunas recomendaciones al respecto.
2. VENTAJAS DEL USO DE CHATGPT EN LA ATENCIÓN SANITARIA
ChatGPT puede tener varias ventajas en la atención médica. Primero, atención personalizada. Si la información requerida está disponible, ChatGPT puede brindar atención personalizada a los pacientes al comprender su historial médico, síntomas y preferencias. Esto puede ayudar a los proveedores de atención médica a ofrecer planes de tratamiento personalizados y mejorar los resultados de los pacientes. 3Segundo, disponibilidad. ChatGPT puede estar disponible las 24 horas, los 7 días de la semana, lo que permite a los pacientes con acceso a esta tecnología acceder a la información de atención médica en cualquier momento. Esto es especialmente beneficioso para pacientes con necesidades médicas urgentes o que viven en áreas remotas. 4Tercero, mayor eficiencia. ChatGPT puede ayudar a los proveedores de atención médica a mejorar su eficiencia al automatizar tareas rutinarias y acciones repetitivas, como la programación de citas y la renovación de recetas. Esto puede liberar a los proveedores de atención médica para que se concentren en tareas más complejas y brinden atención de alta calidad. 5Cuarto, reducción de costos. ChatGPT puede ayudar a reducir los costos de atención médica al minimizar la necesidad de visitas presenciales y hospitalizaciones. Esto puede ser especialmente beneficioso para pacientes con enfermedades crónicas que requieren atención continua. 6 , 7Quinto, educación del paciente. Si esta tecnología está disponible, ChatGPT puede utilizarse para educar a los pacientes sobre sus afecciones médicas, medicamentos y opciones de tratamiento. Esto puede ayudar a los pacientes a tomar decisiones informadas sobre su atención médica y mejorar sus resultados generales de salud. Además, puede utilizarse para proporcionar información a los pacientes para ayudarlos a cumplir con las instrucciones médicas. 4 Sexto, comunicación mejorada. Con sus capacidades de procesamiento del lenguaje natural, ChatGPT puede facilitar una mejor comunicación entre pacientes y profesionales de la salud. Puede ayudar a los pacientes a comprender la información y la terminología médica, a encontrar respuestas a sus preguntas y brindar orientación sobre las opciones de tratamiento. Séptimo, diagnóstico mejorado. Con su capacidad para comprender datos y patrones médicos complejos, ChatGPT puede ayudar a los profesionales de la salud a realizar diagnósticos más precisos. También puede ayudar a identificar afecciones raras o difíciles de diagnosticar mediante el análisis de los datos y síntomas del paciente. Al proporcionar un diagnóstico diferencial para los signos y síntomas solicitados, ayuda a los profesionales a determinar qué acción o examen físico se debe realizar. 4 Séptimo, educación médica. ChatGPT puede servir como una herramienta valiosa para la educación y la capacitación médica. Puede proporcionar a los estudiantes de atención médica acceso a una amplia base de datos de información médica y ayudarlos a aprender la terminología médica y las mejores prácticas. 8Octavo, apoyo para la salud mental. ChatGPT puede ayudar a pacientes con afecciones mentales brindándoles apoyo y recursos. También puede ayudar a identificar a pacientes con riesgo de desarrollar problemas de salud mental mediante el análisis de su lenguaje y comportamiento. 9 Noveno, monitoreo de la salud. ChatGPT puede ayudar a monitorear y rastrear la salud de los pacientes mediante el análisis de datos de dispositivos portátiles e informes de pacientes. Puede notificar a los profesionales de la salud sobre cualquier cambio preocupante en la salud de un paciente, lo que permite una intervención y un tratamiento tempranos. 10 Décimo, asistencia lingüística: ChatGPT puede ayudar a pacientes que hablan diferentes idiomas mediante servicios de traducción. Esto puede ayudar a mejorar la comunicación y la comprensión entre pacientes y profesionales de la salud, lo cual es esencial para brindar una atención de alta calidad. 11 Undécimo, detección de la salud: Al proporcionar información, ChatGPT puede utilizarse para la detección temprana de afecciones. Puede proporcionar información sobre la importancia de las pruebas de detección y los exámenes físicos regulares. 12 , 13
3. DESVENTAJAS DEL USO DE CHATGPT EN LA ATENCIÓN SANITARIA
Además de sus numerosas ventajas y mejoras, ChatGPT también presenta limitaciones. Estas incluyen: Primero, conocimiento limitado. ChatGPT solo responde según los datos con los que se entrena. Por lo tanto, no es correcto afirmar que se puede aprender todo de él. Segundo, la incapacidad para comprender el contexto. En ocasiones, ChatGPT no puede comprender el contexto más allá de la información proporcionada. Sus respuestas se limitan a la información y el contexto proporcionados en la pregunta o afirmación. Tercero, la posibilidad de sesgo. Existe un riesgo de sesgo en las respuestas de ChatGPT según los datos utilizados para el entrenamiento. Cuarto, cuestiones de privacidad. Los usuarios deben ser conscientes de que sus conversaciones con ChatGPT pueden ser grabadas y almacenadas con fines de investigación. Quinto, falta de inteligencia emocional. ChatGPT no puede comprender las emociones de los usuarios ni empatizar con ellas. No es posible comprender la mirada incómoda de un paciente que parece evitar proporcionar información relevante sobre los detalles de sus síntomas o la percepción subjetiva de la gravedad de su enfermedad. Sexto, creatividad limitada, incapaz de producir contenido creativo, como mostrar información comprensible para el paciente. Séptimo, incapacidad para aprender de la experiencia. ChatGPT no puede aprender de la experiencia ni adaptar su comportamiento según los comentarios de los usuarios. Octavo, falta de conocimiento. A menudo, los usuarios se muestran reacios a aceptar las herramientas de IA debido a la preocupación por la falta de conocimiento y la interacción con las nuevas. 14Noveno, dependencia de la conexión a Internet. La funcionalidad de ChatGPT depende de una conexión a Internet, lo que puede limitar el acceso en zonas con mala conectividad. Décimo, incapacidad para realizar tareas físicas. ChatGPT no puede realizar tareas físicas ni interactuar con el mundo físico. Undécimo, ChatGPT tampoco es adecuado para pacientes que no estén capacitados para esta herramienta, especialmente para personas mayores o personas con bajo nivel educativo. 15Duodécimo, retraso en la actualización del conocimiento. Dado que el conocimiento de ChatGPT se limita al período anterior a 2021, actualmente no puede utilizarse como una fuente actualizada y fiable. 4 Decimotercero, incapacidad para proporcionar acceso en tiempo real a los datos más recientes. Dado que ChatGPT no tiene acceso en tiempo real a los datos más recientes, la actualidad de la información es una preocupación. 16 Decimocuarto, complejidad de las respuestas. Las respuestas de ChatGPT varían según la complejidad de las preguntas. Cuando se formula una pregunta compleja, la respuesta también lo será. 17
Algunas de estas restricciones en el ámbito de la salud pueden tener consecuencias irreparables. Por ejemplo, con un conocimiento limitado de ChatGPT, si el paciente realiza un tratamiento basado en las respuestas de ChatGPT y este no es adecuado para él, su condición puede empeorar. Es importante que las personas conozcan las limitaciones de este robot y sepan que no deben realizar ninguna acción sin consultar con expertos. En cuanto a la privacidad, dada la importancia de preservar los datos de salud, los usuarios deben saber dónde se almacenan sus datos y para qué se utilizarán.
4. RECOMENDACIONES PARA EL USO DE CHATGPT EN LA ATENCIÓN SANITARIA
Para un uso más seguro de ChatGPT, se pueden considerar las siguientes recomendaciones: Primero, use ChatGPT solo con fines informativos. ChatGPT puede proporcionar información útil sobre afecciones médicas, tratamientos y medicamentos, pero es importante recordar que esta información no debe utilizarse para diagnosticar ni tratar ninguna afección médica. Siempre consulte con un profesional de la salud calificado para obtener asesoramiento médico. Segundo, sea específico en sus preguntas. Al hacer una pregunta a ChatGPT, intente ser lo más específico posible. Esto ayudará a ChatGPT a proporcionar información más precisa y relevante. Tercero, use ChatGPT para complementar, no para reemplazar, a los profesionales de la salud. Si bien ChatGPT puede brindar valioso apoyo y orientación a los pacientes, es importante recordar que no debe reemplazarlos. En cambio, debe utilizarse para complementar su trabajo y brindar a los pacientes apoyo e información adicionales. Cuarto, verifique la información. ChatGPT es un modelo de lenguaje que genera respuestas basadas en patrones en los datos con los que fue entrenado. Si bien ChatGPT se esfuerza por brindar información precisa, siempre es recomendable verificar cualquier información que reciba con un profesional de la salud calificado o una fuente confiable. En quinto lugar, proteja su privacidad. Al usar ChatGPT, tenga cuidado con la información que comparte. Evite compartir información médica personal que pueda comprometer su privacidad o seguridad.
Al seguir estas recomendaciones, los proveedores de atención médica pueden garantizar que ChatGPT se utilice de manera eficaz y responsable en la industria de la atención médica.
5. CONCLUSIONES
El uso de la tecnología de sistemas de inteligencia artificial, incluyendo el uso generalizado de ChatGPT en la atención médica, es inevitable. Por lo tanto, para utilizar esta tecnología de forma ética, segura y responsable, es necesario establecer directrices y regulaciones adecuadas con la participación de todas las partes interesadas. Si se implementa correcta y adecuadamente, CHATGPT tiene el potencial de impulsar la innovación en la atención médica.
•La IA Agentic mejora el diagnóstico, el apoyo a la toma de decisiones, la atención al paciente, la planificación del tratamiento y la cirugía robótica.
•La IA multimodal permite una atención precisa, sensible al contexto y centrada en el paciente con refinamiento iterativo.
•Para liberar el potencial de la IA agente se requiere colaboración ética, de privacidad y de gobernanza.
Abstract
La Inteligencia Artificial (IA) está transformando el panorama sanitario. Sin embargo, muchas aplicaciones actuales siguen siendo muy específicas de cada tarea, limitadas por la complejidad de los datos y sesgos inherentes. Este artículo explora la aparición de sistemas de «IA agentica» de próxima generación, caracterizados por una autonomía avanzada, adaptabilidad, escalabilidad y razonamiento probabilístico, que abordan desafíos críticos en la gestión médica. Estos sistemas mejoran diversos aspectos de la atención sanitaria, como el diagnóstico, el apoyo a la toma de decisiones clínicas, la planificación del tratamiento, la monitorización de pacientes, las operaciones administrativas, el descubrimiento de fármacos y la cirugía asistida por robot. Impulsados por la IA multimodal, los sistemas agenticos integran diversas fuentes de datos, refinan iterativamente los resultados y aprovechan amplias bases de conocimiento para ofrecer una atención contextualizada y centrada en el paciente con mayor precisión y menores tasas de error. Estos avances prometen mejorar los resultados de los pacientes, optimizar los flujos de trabajo clínicos y ampliar el alcance de las soluciones basadas en IA. Sin embargo, su implementación presenta desafíos éticos, de privacidad y regulatorios, lo que pone de relieve la necesidad de marcos de gobernanza sólidos y de colaboración interdisciplinaria.
La IA agéntica tiene el potencial de redefinir la atención médica, impulsando servicios personalizados, eficientes y escalables, a la vez que extiende su impacto más allá de los entornos clínicos a iniciativas globales de salud pública. Al abordar las disparidades y mejorar la prestación de atención en entornos con recursos limitados, esta tecnología podría impulsar significativamente la equidad en la atención médica. Para alcanzar el máximo potencial de la IA agéntica se requerirá investigación, innovación y colaboraciones interdisciplinarias sostenidas para garantizar su integración responsable y transformadora en los sistemas de salud de todo el mundo.
1. Introducción
El rápido avance de la inteligencia artificial (IA) está transformando la atención médica global, posicionando las tecnologías digitales como parte integral de los sistemas médicos modernos. Nos adentramos en una «era agentiva», caracterizada por sistemas de agentes de IA capaces de funcionalidad autónoma, razonamiento avanzado e interacciones dinámicas entre humanos y IA. Estos avances se deben a la integración de Modelos de Lenguaje Multimodales Grandes (MLLM) con otros sistemas de IA sofisticados, como lo demuestran asistentes de IA como ChatGPT de OpenAI (basado en GPT-4), Gemini de Google (basado en el modelo Gemini 1.5) y Copilot de Microsoft (que utiliza GPT-4 y otros modelos de IA).La relación de la IA con la atención médica abarca décadas, desde la atención personalizada hasta el descubrimiento de fármacos, 1 , 2 comenzando con sistemas pioneros basados en reglas en la década de 1970, como MYCIN, 3 INTERNIST-1 y QMR, 4 DXplain, 5 que abordaron los desafíos de diagnóstico pero lucharon con la creciente complejidad del conocimiento médico. A fines de la década de 1990, la llegada de conjuntos de datos de atención médica más grandes, la capacidad computacional mejorada y los algoritmos avanzados de aprendizaje automático (ML) marcaron un cambio hacia enfoques basados en datos. 6 Esta colaboración entre investigadores de ML y profesionales médicos fomentó la automatización clínicamente relevante. 7 El auge del aprendizaje profundo (DL) en la década de 2000 aceleró aún más el progreso, particularmente en imágenes médicas, donde las redes neuronales convolucionales (CNN) permitieron la detección precisa de anomalías, la segmentación de imágenes y la clasificación. 8 , 9 , 10 , 11 , 12 Estas innovaciones mejoraron significativamente la precisión diagnóstica y las predicciones pronósticas. A pesar de estos avances, la integración de la IA en la atención médica enfrenta desafíos que van más allá de la complejidad de los datos médicos, incluyendo la interoperabilidad con los flujos de trabajo clínicos, las restricciones regulatorias y la integración con dispositivos médicos. 13 , 14 Las aplicaciones de atención médica exigen precisión, confiabilidad y razonamiento contextual para garantizar la seguridad del paciente. Si bien los sistemas de IA actuales destacan en el reconocimiento de patrones a gran escala, 15 aún enfrentan desafíos en el razonamiento y la toma de decisiones de alto nivel. 16 Para abordar estas complejidades, los agentes de IA diseñados para el soporte de decisiones pueden ofrecer una solución, siempre que se integren con estrategias basadas en evidencia para garantizar la confiabilidad y la transparencia en las aplicaciones de atención médica.
Los agentes de IA van más allá de los sistemas tradicionales basados en reglas al optimizar dinámicamente los flujos de trabajo, adaptarse a las tareas con mínima intervención humana e integrarse con modelos de IA especializados. Dependiendo de su arquitectura, estos agentes pueden operar de forma independiente o colaborar dentro de marcos multiagente para abordar flujos de trabajo complejos.<sup> 17</sup> Sus aplicaciones abarcan los ámbitos de la atención médica, desde el diagnóstico hasta el descubrimiento de fármacos, lo que demuestra su potencial transformador para el avance de la atención médica global (detallado en la Sección 2 ).
1.1 . Agentes de IA tradicionales vs. sistemas de IA agénticos
Los agentes de IA tradicionales, tal como se clasifican en 18 , 19, se dividen en seis categorías:
1.Agentes reflejos simples: operan según reglas de condición-acción sin memoria.
2.Agentes reflejos basados en modelos: amplíe los agentes reflejos con un modelo interno que se actualiza en función de percepciones pasadas.
3.Agentes basados en objetivos: planifican y ejecutan acciones para lograr objetivos específicos.
4.Agentes basados en utilidad: utilizan funciones de utilidad para elegir acciones que maximicen la utilidad esperada y gestionan objetivos conflictivos.
5.Agentes de aprendizaje: Mejorar continuamente las estrategias basadas en nuevas experiencias.
6.Agentes de resolución de problemas: emplean algoritmos de búsqueda para lograr los resultados deseados.
Los agentes de IA tradicionales suelen utilizar sistemas basados en reglas, aprendizaje automático basado en heurísticas y, en algunos casos, aprendizaje por refuerzo (AR) para la optimización de decisiones, cada uno optimizado para objetivos predefinidos.
En el ámbito sanitario, estos enfoques se han aplicado al apoyo a la toma de decisiones clínicas, el diagnóstico y la planificación de tratamientos, pero a menudo presentan dificultades de adaptación en entornos sanitarios dinámicos. Por el contrario, la IA agencial avanza en estos paradigmas al incorporar arquitecturas adaptativas que mejoran la autonomía y la flexibilidad en la toma de decisiones. Al permitir que los agentes de IA se generalicen en diversas tareas sanitarias, como la optimización personalizada de tratamientos y el análisis autónomo de imágenes médicas, estos avances representan un avance hacia sistemas de IA más versátiles, alineados con los objetivos a largo plazo de la investigación en Inteligencia Artificial General (IAG).La Tabla 1 resume las diferencias entre la IA tradicional y la IA agencial en el ámbito sanitario. Una aplicación ilustrativa es el agente de IA para el sector sanitario (Fig. 1 ), que actúa como centro para el procesamiento de datos de bases de datos médicas, historiales clínicos electrónicos (HCE), exploraciones médicas y redes neuronales. Al generar indicaciones y ofrecer información, estos agentes facilitan la toma de decisiones cruciales en entornos clínicos, lo que demuestra el potencial transformador de la IA agencial en el ámbito sanitario y más allá.
Tabla 1. Diferencias clave entre los agentes de IA tradicionales y la IA agencial en la atención médica.
Aspecto
Agente de IA tradicional
IA agente
Enfoque de razonamiento
Utilizar algoritmos específicos del dominio (p. ej., aprendizaje automático, máquinas de estados finitos). Ejemplo: Un chatbot basado en reglas que responde a preguntas frecuentes médicas predefinidas.
Razonamiento basado en lenguaje natural, que aprovecha principalmente los LLM. Ejemplo: Un asistente de IA que realiza preguntas y respuestas médicas abiertas y explica afecciones según el historial del paciente.
Flexibilidad de dominio
Optimizado para una tarea o entorno específico. Ejemplo: Optimizado para tareas específicas, como la generación de informes estructurados o la clasificación basada en reglas.
Adaptable a múltiples tareas mediante aprendizaje de cero o pocos disparos o ingeniería de indicaciones dinámicas. Ejemplo: Puede resumir informes de radiología y también ayudar en el apoyo diagnóstico.
Estructura de decisión
Basado en reglas, con un conjunto predefinido de acciones y objetivos. Ejemplo: Un sistema de IA que sigue directrices fijas para el triaje de casos de emergencia.
Capaz de establecer subobjetivos autodirigidos y planificar de forma iterativa (p. ej., modelos de razonamiento basados en el lenguaje). Ejemplo: Un agente de IA que ajusta dinámicamente las decisiones de triaje según los datos del paciente y la evolución de los síntomas.
Datos y formación
Conjuntos de datos específicos del dominio. Ejemplo: IA entrenada únicamente con datos de HCE estructurados.
Utiliza preentrenamiento a gran escala en vastos corpus; puede generalizar o especializarse con actualizaciones mínimas (pocos intentos). Ejemplo: IA entrenada con diversos textos médicos, adaptándose rápidamente a nuevas enfermedades y directrices.
Integración de herramientas
Limitado. Ejemplo: Una herramienta de IA independiente para detectar anomalías en tomografías computarizadas.
Llama dinámicamente a API externas, bases de conocimiento, aprendizaje automático, aprendizaje profundo y aprendizaje automático multinivel (MLLM). Ejemplo: Un sistema de IA que se integra con sistemas hospitalarios, resultados de laboratorio y literatura médica para proporcionar información diagnóstica completa.
Explicaciones
Transparente en sistemas simbólicos; interpretabilidad moderada en aprendizaje profundo. Ejemplo: Un modelo de árbol de decisión que explica por qué se recomienda un medicamento.
En gran medida, se trata de una caja negra, aunque están surgiendo técnicas de interpretabilidad. Ejemplo: un sistema de IA agencial que sugiere tratamientos basados en patrones de aprendizaje profundo (DL), con esfuerzos para explicar su razonamiento mediante mapas de atención o análisis contrafáctico.
Casos de uso principales
Robótica, toma de decisiones basada en reglas, sistemas de control industrial. Ejemplo: Un sistema robótico que sigue procedimientos quirúrgicos predefinidos.
Ejemplo ilimitado : asistentes virtuales impulsados por IA para monitoreo de pacientes, planificación de tratamientos adaptativos, medicina personalizada, cirugía robótica y muchos más.
1.2 . Descripción técnica de la IA de agencia
Los sistemas de IA agencial suelen integrar codificadores de aprendizaje automático (DL) preentrenados para procesar datos multimodales, como imágenes y texto, aunque existen enfoques alternativos. Estas representaciones codificadas son procesadas por un LLM central, que funciona como el núcleo de razonamiento y toma de decisiones del agente. Los LLM de código abierto comúnmente empleados en este dominio incluyen LLaMA, 20 Falcon 21 y Vicuna, 22 que han sido preentrenados en conjuntos de datos a gran escala. La apertura de estos modelos permite a los investigadores desarrollar sus propios agentes de IA con mayor transparencia y una comprensión más profunda de sus procesos internos de razonamiento y toma de decisiones. Por el contrario, los LLM propietarios, como los modelos ChatGPT y Gemini, si bien a menudo ofrecen un rendimiento altamente optimizado y un soporte más amplio, ofrecen una transparencia mínima con respecto a su procedimiento interno de toma de decisiones.Los mecanismos clave que aprovechan estos LLM centrales incluyen técnicas de razonamiento avanzadas, como la cadena de pensamiento (CoT), 23 razonamiento y acción (ReAct) y24 árbol de pensamiento (ToT).25 Estas técnicas mejoran el razonamiento y la toma de decisiones a través de la descomposición estructurada, la inferencia lógica y la comprensión contextual.Una ventaja crucial de la IA agentica reside en su modularidad y adaptabilidad, lo que permite una integración fluida de LLM, modelos de aprendizaje automático y otros componentes especializados de IA. Esta arquitectura modular facilita la escalabilidad, mejora la flexibilidad para adaptarse a tareas en constante evolución y permite la implementación en diversos dominios de aplicación, incluyendo sistemas autónomos, investigación científica y marcos complejos de toma de decisiones.
2. Importancia de los agentes de IA en la atención sanitaria
Los recientes avances en tecnologías médicas relacionadas con la IA han impulsado un crecimiento sin precedentes en los datos de atención médica. Entre 2011 y 2018, los conjuntos de datos de imágenes médicas crecieron entre tres y diez veces, con incrementos anuales del 21 % al 32 % en diversas modalidades de imágenes. 26 La proliferación de aplicaciones móviles, computación en la nube, dispositivos portátiles y análisis de big data ha expandido aún más las fuentes de datos, lo que permite la medicina personalizada y el monitoreo de la salud en tiempo real. 27 A pesar de estos avances, el sector de la atención médica enfrenta un déficit proyectado de 18 millones de trabajadores para 2030, particularmente en regiones de bajos ingresos. 28 , 29 Los agentes de IA pueden ayudar a mitigar esta brecha al integrar tecnologías avanzadas de ML, DL, procesamiento del lenguaje natural (PLN) y visión artificial, automatizar tareas administrativas, mejorar los diagnósticos y mejorar la eficiencia del flujo de trabajo.
2.1 . Características de la IA agente en el ámbito sanitario
La figura 2 ilustra las características clave que hacen que las tecnologías de IA agente sean adecuadas para los entornos de atención médica.
Autonomía: Los agentes de IA funcionan de forma independiente y toman decisiones basadas en objetivos predefinidos y datos ingresados en tiempo real. En radiología, por ejemplo, un agente de IA puede analizar exploraciones de forma autónoma, seleccionar algoritmos de diagnóstico y generar informes preliminares. En entornos multilingües, el agente puede detectar la necesidad de traducción e invocar las herramientas adecuadas, lo que reduce la intervención manual y agiliza los flujos de trabajo.
Adaptabilidad: A diferencia de los modelos de IA tradicionales, que suelen estar optimizados para tareas específicas, la IA agéntica se ajusta dinámicamente a los nuevos datos y a las necesidades clínicas en constante evolución. Por ejemplo, un agente de IA entrenado en análisis de rayos X puede ajustarse para procesar resonancias magnéticas o tomografías computarizadas, lo que garantiza su relevancia continua a medida que evolucionan las modalidades de imagen.
Escalabilidad: Al aprovechar las infraestructuras en la nube y el aprendizaje federado, la IA con agentes puede gestionar datos vastos y heterogéneos en tiempo real. Esta capacidad es crucial para aplicaciones como la telemedicina, donde se requiere realizar análisis de datos a gran escala sin comprometer la velocidad ni la precisión.
Toma de decisiones probabilística: Los agentes de IA utilizan razonamiento iterativo y actualizan continuamente sus predicciones basándose en nuevos datos, conocimiento contextual y ciclos de retroalimentación. Por ejemplo, un agente de IA podría diagnosticar inicialmente neumonía, pero corregirlo a tuberculosis tras incorporar datos epidemiológicos y resultados de laboratorio.Estas características, en conjunto, permiten que la IA agente proporcione soluciones sólidas, eficientes y conscientes del contexto en diversos entornos de atención médica.
2.2 . Dominios funcionales centrales de los agentes de IA en la atención médica
Como se ilustra en la Fig. 3 , los agentes de IA enfocados en la atención médica pueden clasificarse en varios dominios funcionales principales, como el diagnóstico, el apoyo a la toma de decisiones clínicas, el tratamiento y la atención al paciente, la interacción y monitorización del paciente, las operaciones y la administración, el descubrimiento e investigación de fármacos, y la cirugía asistida por robot. Las siguientes subsecciones describen cómo se aplican la IA y los agentes de IA en cada uno de estos dominios en la atención médica.
2.2.1 . Agentes de IA en el diagnóstico
Los flujos de trabajo de diagnóstico modernos dependen en gran medida de la IA para el análisis de imágenes médicas y el análisis predictivo. El creciente volumen de datos de imágenes y la complejidad de las historias clínicas electrónicas pueden saturar a los profesionales clínicos, pero la IA ayuda a aliviar estas cargas, 30 , 31 reduciendo la carga cognitiva y mejorando la seguridad del paciente. 32 , 33La integración de la IA con las imágenes médicas está transformando el diagnóstico al mejorar la precisión. En radiología, la IA mejora la precisión diagnóstica mediante la detección de anomalías, la segmentación de lesiones y la clasificación.
Las tecnologías de aprendizaje automático (DL), como las CNN y los transformadores de visión (ViT), optimizan los flujos de trabajo dentro de los PACS para modalidades como la tomografía computarizada (TC), la resonancia magnética (RM), los rayos X y las imágenes patológicas, a la vez que mantienen la confidencialidad de los datos del paciente. Además , la IA utiliza MLLM para integrar datos radiológicos y clínicos, lo que facilita el diagnóstico y automatiza la generación de informes .
Más allá de la radiología, la IA se destaca en el análisis de imágenes patológicas, mejorando la detección del cáncer y los diagnósticos microscópicos. 45Un estudio reciente 46 explora el rol de los agentes de IA de solo texto para ayudar a los radiólogos con el diagnóstico diferencial de la resonancia magnética cerebral. Una comparación entre los agentes asistidos por LLM y los flujos de trabajo de búsqueda en internet convencionales mostró que los diagnósticos asistidos por IA tuvieron mayor precisión (61,4 % frente a 46,5 %), aunque no hubo una diferencia significativa en el tiempo de interpretación ni en los niveles de confianza. La integración de imágenes médicas en un MLLM podría eliminar potencialmente la necesidad de descripciones manuales de los hallazgos de las imágenes, mejorando aún más la eficiencia del diagnóstico. Para un diagnóstico preciso, el análisis de imágenes es un criterio clave. Med-Flamingo 47 es un agente de IA multimodal de pocos disparos diseñado para el diagnóstico médico, que utiliza imágenes 2D y texto para ayudar a los médicos. Supera a los modelos existentes en precisión diagnóstica hasta en un 20 %. Más allá de las imágenes 2D, M3D-LaMed 48 es un MLLM diseñado para el análisis de imágenes médicas 3D, que integra datos basados en texto para mejorar las tareas de diagnóstico. Al aprovechar un codificador de visión 3D previamente entrenado y un perceptor de agrupación espacial 3D eficiente, M3D-LaMed mejora el diagnóstico de imágenes médicas 3D complejas, como tomografías computarizadas y resonancias magnéticas, lo que representa un avance significativo en el diagnóstico médico asistido por IA.La integración de agentes de IA en los flujos de trabajo de imágenes tiene el potencial de optimizar las operaciones, mejorar la precisión diagnóstica y agilizar los procesos. En radiología, los agentes de IA pueden interactuar con PACS para automatizar el control de calidad, gestionar las transferencias de datos y ejecutar algoritmos de aprendizaje automático (AA) y aprendizaje profundo (AA) para el análisis de imágenes. Estos agentes detectan anomalías para su revisión, manteniendo la privacidad del paciente mediante la desidentificación, y pueden operar en segundo plano, analizando continuamente los datos de imágenes, generando informes preliminares y proponiendo diagnósticos mediante MLLM. Al combinar la eficiencia computacional con la experiencia de los radiólogos, los agentes de IA mejoran la precisión, reducen la incertidumbre y ahorran tiempo y recursos.Más allá del diagnóstico, los agentes de IA impulsan el análisis predictivo y la atención personalizada mediante el análisis de historias clínicas electrónicas (HCE), imágenes, genómica y datos de dispositivos portátiles. Identifican indicadores sutiles de enfermedades, como signos tempranos de diabetes ( 49 , 50) , enfermedades cardiovasculares (51) o cáncer ( 52) , lo que permite la detección temprana, la asignación optimizada de recursos y mejores resultados para los pacientes. Los agentes de IA también mejoran el pronóstico al predecir la trayectoria de la enfermedad, modelar la progresión y adaptar los planes de tratamiento ( 53 , 54 , 55 , 56) . Esta información ayuda a los médicos a anticipar complicaciones y ajustar las terapias de forma proactiva.Para una integración eficaz, los agentes de IA deben integrarse fluidamente en los flujos de trabajo clínicos y los entornos de los pacientes. En entornos clínicos, proporcionan datos en tiempo real e información práctica, mientras que, en el caso del paciente, los wearables con IA monitorizan las métricas de salud y ofrecen recomendaciones personalizadas, conectando la atención clínica con la vida diaria. Además, los agentes de IA sirven como herramientas educativas, creando módulos de aprendizaje interactivos, evaluando a los estudiantes sobre casos reales 57 , 58 y apoyando la toma de decisiones clínicas, la gestión de recursos y la formación de profesionales sanitarios.
2.2.2 . Agentes de IA en sistemas de apoyo a la toma de decisiones clínicas
La IA puede integrarse sin problemas en los sistemas de apoyo a la toma de decisiones clínicas (CDSS) para optimizar la atención al paciente. 59 , 60 , 54 Mediante el análisis de historias clínicas electrónicas (HCE), datos clínicos, genómicos, conductuales y administrativos, 14 los sistemas de IA resumen hallazgos clave, establecen conexiones mediante LLM, acceden a bases de datos médicas, generan recordatorios y facilitan la colaboración. Estas capacidades mejoran los diagnósticos, reducen los diagnósticos erróneos y facilitan la carga de trabajo de los profesionales clínicos mediante la automatización y la priorización de tareas. La incorporación de agentes de IA para la atención médica en los CDSS, accesibles a través de dispositivos móviles como herramientas independientes o como parte de un sistema multiagente, representa un avance significativo. A diferencia de los CDSS tradicionales, donde tareas como la recuperación y el resumen de información se realizan manualmente o en pasos separados, los agentes de IA pueden ejecutar estos procesos de forma cohesiva y adaptativa. Refinan los resultados mediante la evaluación de los resultados individuales de cada módulo de IA, lo que proporciona información clínica más precisa y fiable. Los modelos de lenguaje de visión (VLM) integran los LLM con las imágenes médicas, lo que ayuda a los médicos a interpretar imágenes y generar informes estructurados. 62 Un estudio exploró el uso de VLM impulsados por IA en radiología, identificando aplicaciones clave como la generación de borradores de informes, la revisión aumentada de informes, la búsqueda y consulta visual, y los aspectos destacados del historial de imágenes del paciente. Los hallazgos sugieren que la generación de informes asistida por IA y las funcionalidades de búsqueda visual pueden mejorar la eficiencia del flujo de trabajo, reducir la carga cognitiva y mejorar la precisión diagnóstica. Sin embargo, el estudio destaca la necesidad de explicabilidad, integración fluida del flujo de trabajo y supervisión del médico para garantizar que los conocimientos generados por IA sean clínicamente confiables e interpretables. Otro VLM, LLaVA-Med, un agente de IA, se entrenó utilizando un conjunto de datos biomédicos a gran escala de PubMed Central y ajuste de instrucciones basado en GPT-4 para respaldar la interpretación de imágenes biomédicas, los informes clínicos y la respuesta a preguntas visuales médicas (VQA). El estudio demostró que LLaVA-Med supera a los modelos de última generación anteriores en conjuntos de datos VQA biomédicos estándar, lo que prueba su eficacia para ayudar a radiólogos y médicos
.Como el primer agente de IA en imágenes médicas que planifica, ejecuta y adapta dinámicamente mediante herramientas computacionales externas, VoxelPrompt 61 rompe con los modelos rígidos de tarea única. Supera a los modelos de segmentación especializados en 13 de 17 estructuras anatómicas, supera a los modelos de visión convencionales en 23 regiones cerebrales diferentes y alcanza una precisión del 89 % en la caracterización patológica, igualando a los clasificadores expertos y gestionando una gama más amplia de tareas que facilitan la toma de decisiones clínicas. Otro ejemplo práctico: el estudio 64 supera a la IA tradicional al actuar como un agente inteligente llamado LLMSeg que fusiona datos clínicos textuales con imágenes, lo que permite un contorno 3D preciso. Este enfoque logra una precisión superior con una cantidad significativamente menor de datos, manteniendo un rendimiento robusto incluso en entornos con escasez de datos donde la IA convencional presenta dificultades. Al aprovechar los LLM, los agentes de IA mejoran la eficiencia y la adaptabilidad en entornos clínicos, optimizando la generación automatizada de informes, el soporte de decisiones y la caracterización de enfermedades.A pesar de los avances significativos en IA agencial para CDSS, muchos sistemas de apoyo a la toma de decisiones basados en IA se encuentran en fase de investigación y aún no han alcanzado una adopción clínica generalizada. Un estudio 65 aborda este desafío proponiendo un marco sistemático de apoyo a la IA que considera dimensiones clave como la enfermedad, los datos, la tecnología, los grupos de usuarios, la validación, la toma de decisiones y la madurez, haciendo hincapié en un enfoque estructurado para mejorar la integración de la IA en la atención médica en el mundo real.A medida que los agentes de IA continúan evolucionando, el diseño de IA centrado en el ser humano y las consideraciones regulatorias serán cruciales para garantizar la confianza, la usabilidad y el cumplimiento normativo en los CDSS. La integración de sistemas de apoyo a la toma de decisiones basados en IA en radiología y otros ámbitos médicos tiene el potencial de revolucionar el diagnóstico, reducir la carga de trabajo de los profesionales clínicos y mejorar los resultados de los pacientes.
2.2.3 . Agentes de IA en el tratamiento y la atención al paciente
La IA tiene un potencial transformador en el tratamiento y la atención al paciente gracias a sus funcionalidades avanzadas. Los modelos de aprendizaje profundo y aprendizaje automático (AA) permiten la medicina personalizada mediante el análisis de datos genómicos y clínicos para crear planes de tratamiento a medida, imular la respuesta a los fármacos y optimizar los protocolos de quimioterapia y radioterapia para lograr la máxima eficacia. El AA también contribuye a la optimización terapéutica. La radiómica, combinada con IA, mejora aún más la planificación del tratamiento, mientras que la IA integrada en dispositivos médicos garantiza una monitorización precisa, reduce los errores y permite la vigilancia remota y hospitalaria de los pacientes. Estos sistemas alertan a los profesionales sanitarios sobre cambios críticos y asisten a los servicios de emergencia con orientación en tiempo real y adaptada al contexto durante las emergencias
El estudio 73 presenta AgentClinic, un agente de IA que simula las interacciones médico-paciente, recopilando información del paciente de forma autónoma, tomando decisiones diagnósticas y recomendando tratamientos. AgentClinic interactúa activamente con los pacientes mediante el diálogo, solicita pruebas médicas y adapta sus estrategias de interrogatorio en tiempo real, imitando la toma de decisiones clínicas humanas. El estudio destaca cómo estas interacciones agénticas impulsadas por IA influyen en la participación y el seguimiento del paciente, en particular al determinar su cumplimiento, la confianza en las recomendaciones de IA y la disposición para el seguimiento.Actualmente, las tecnologías de IA para el tratamiento funcionan como algoritmos independientes adaptados a conjuntos de datos y tareas específicos. La transición a agentes de IA permite una integración fluida con modelos, bases de datos y otros módulos de IA existentes, lo que mejora la eficiencia. En la atención al paciente, los módulos de IA semiautónomos tradicionales suelen generar flujos de trabajo fragmentados y errores. Los agentes de IA superan estos desafíos integrándose fluidamente en los sistemas de salud. Analizan los perfiles genómicos y los historiales de los pacientes para recomendar tratamientos personalizados, validarlos con extensas bases de datos y optimizar los planes de terapia simulando complicaciones y alertando a los profesionales clínicos de forma proactiva.
2.2.4 . Agentes de IA en la interacción y el seguimiento de los pacientes
La IA desempeña un papel transformador en la interacción y la monitorización del paciente, aprovechando tecnologías avanzadas para optimizar la atención. En la monitorización remota, la IA analiza datos de wearables y dispositivos domésticos, como cámaras y sensores, para rastrear los signos vitales y detectar anomalías en tiempo real. 74 Los asistentes virtuales de salud y los chatbots ofrecen control de síntomas, triaje automatizado y orientación para la programación, lo que reduce la carga de trabajo de los profesionales sanitarios. 75 , 76 Sin embargo, muchos chatbots se ven limitados por el tamaño y la heterogeneidad de sus conjuntos de datos de entrenamiento, lo que limita su adaptabilidad. En las plataformas de telesalud, la IA mejora la programación de videoconsultas y realiza análisis de datos de pacientes en tiempo real, lo que permite una atención virtual eficiente y personalizada. 77 , 78El reciente estudio 79 presenta Agent Hospital, un sistema de agentes de IA que mejora la interacción del paciente mediante la simulación de interacciones interactivas médico-paciente en un hospital virtual. Los agentes LLM gestionan de forma autónoma el triaje, la consulta y el seguimiento, interactuando con los agentes de pacientes mediante diálogos dinámicos, exámenes médicos y ciclos de retroalimentación. El estudio destaca cómo los agentes de IA rastrean las respuestas de los pacientes, adaptan las decisiones según la evolución de los síntomas e influyen en la adherencia al seguimiento, demostrando su potencial en la monitorización proactiva de la atención médica.Para superar las limitaciones de los sistemas de IA tradicionales, los agentes de IA se integran a la perfección en los sistemas y dispositivos sanitarios. En combinación con wearables y herramientas de monitorización domiciliaria, los agentes de IA analizan continuamente los datos de salud, alertan a los profesionales sanitarios cuando es necesario y proporcionan instrucciones de emergencia a los pacientes. Los agentes de salud virtuales en plataformas móviles guían a los usuarios en la evaluación de síntomas, el triaje y la programación, a la vez que sincronizan las citas con sus calendarios personales para una experiencia sanitaria fluida. En las plataformas de telesalud, los agentes de IA optimizan los horarios, analizan los datos de los pacientes durante las videollamadas y apoyan a los profesionales sanitarios con funciones avanzadas como la traducción de idiomas en tiempo real y la interpretación de lengua de señas mediante aprendizaje a distancia y procesamiento del lenguaje natural (PLN). Estas capacidades garantizan la accesibilidad, la eficiencia y la precisión en la interacción y la monitorización del paciente, integrando la tecnología de vanguardia con la atención personalizada. Los agentes conversacionales de IA se han convertido en herramientas valiosas para la monitorización de la salud mental y la interacción con el paciente. Un ejemplo notable es Woebot, un chatbot impulsado por IA que mejora dinámicamente la interacción del usuario mediante el análisis activo de estados emocionales mediante PNL y la entrega de respuestas empáticas contextuales en tiempo real. 80 Otro estudio evalúa el uso del agente LLM en el apoyo a la salud mental, 81 revelando sesgos en la empatía y la calidad de la respuesta en diferentes grupos demográficos. Si bien los agentes LLM como GPT-4 pueden mejorar la interacción del paciente al fomentar el cambio de comportamiento, el estudio destaca la necesidad de estrategias de mitigación de sesgos para garantizar una implementación equitativa y ética en entornos clínicos. El agente de IA adapta el contenido terapéutico adaptando continuamente su diálogo según las aportaciones del usuario, lo que fomenta un sistema de apoyo interactivo y personalizado. Mediante registros diarios proactivos y un seguimiento automatizado del estado de ánimo, monitoriza el estado de ánimo del usuario, detecta fluctuaciones en el bienestar emocional y ofrece intervenciones específicas para promover la autorreflexión, la conciencia emocional y la participación continua. Esto subraya el potencial de los agentes de IA para servir como plataformas atractivas, escalables y de fácil acceso para la interacción y el seguimiento continuos del paciente, ampliando y complementando los métodos terapéuticos tradicionales.
2.2.5 . Agentes de IA en las operaciones y la administración de la atención médica
Las tecnologías de aprendizaje automático (DL) y aprendizaje automático (ML) mejoran las operaciones de atención médica mediante análisis avanzado de datos, automatización de tareas y modelado predictivo. 82 , 83 , 84 , 85 En la optimización del flujo de trabajo, la IA agiliza el triaje en los departamentos de emergencia, automatiza el flujo de pacientes y la asignación de camas, 86 facilita la traducción de idiomas y el apoyo a personas con discapacidad, 87 y proporciona asistencia virtual para la capacitación y la gestión del personal de atención médica. 88 En facturación y codificación, la IA automatiza el procesamiento de reclamos, verifica los detalles del seguro, 89 y detecta actividades fraudulentas. 90 El análisis predictivo optimiza aún más la programación y la gestión de recursos al mejorar la programación del personal, la planificación de quirófanos y la asignación de recursos. 91Los agentes de IA mejoran las operaciones de atención médica al integrarse con los sistemas hospitalarios, optimizar los flujos de trabajo y reducir la carga administrativa. En las salas de emergencia, monitorean datos en tiempo real para priorizar pacientes, administrar la asignación de camas y coordinar traslados. Aprovechando sus LLM, los agentes de IA facilitan la comunicación mediante la traducción de idiomas y adaptaciones para personas con discapacidad. También asisten al personal de atención médica con capacitación, protocolos actualizados y mejores prácticas. En las operaciones financieras, los agentes de IA automatizan la facturación, la verificación de reclamos y la detección de fraudes, reduciendo la carga administrativa. Para la programación, analizan las necesidades de personal, optimizan las listas de espera, planifican cirugías y pronostican recursos, ajustándose dinámicamente para mantener la eficiencia operativa y garantizar una atención al paciente de alta calidad. Un ejemplo práctico de la integración de agentes de IA en las operaciones de atención médica es NYUTron, 92 el primer agente de IA implementado clínicamente en entornos hospitalarios reales. Integrado en el sistema de Historias Clínicas Electrónicas (HCE) de NYU Langone Health, NYUTron ayuda a médicos y administradores a predecir el riesgo de reingreso hospitalario, la duración de la estancia hospitalaria, la mortalidad intrahospitalaria y las denegaciones de reclamaciones de seguros, demostrando cómo los agentes de IA pueden optimizar la toma de decisiones y optimizar las operaciones sanitarias. Otro ejemplo práctico de integración de agentes de IA en las operaciones sanitarias es GPT4DFCI, una implementación de IA a nivel de todo el instituto en el Instituto Oncológico Dana-Farber. Diseñado como un sistema de IA seguro y conforme con la HIPAA, GPT4DFCI facilita la investigación, la documentación clínica y los flujos de trabajo administrativos, a la vez que aborda los desafíos de la privacidad de datos, el cumplimiento normativo y la gobernanza ética. Esta iniciativa demuestra cómo los agentes de IA pueden integrarse de forma segura en las instituciones sanitarias para mejorar la eficiencia, manteniendo una estricta supervisión y un uso responsable de la IA.
2.2.6 . Agentes de IA en el descubrimiento y la investigación de fármacos
Los avances en IA están revolucionando el descubrimiento de fármacos al mejorar la eficiencia y la precisión. En la selección de fármacos candidatos, el cribado de alto rendimiento impulsado por IA analiza rápidamente vastas bibliotecas de compuestos, mientras que el modelado molecular predice interacciones con dianas biológicas, reduciendo así la lista de candidatos potenciales. 94 Estos modelos requieren amplios conjuntos de datos y un conocimiento experto del dominio para una capacitación y evaluación efectivas. 95 En la optimización de ensayos clínicos, la IA analiza los datos de los pacientes para mejorar el reclutamiento, diseña protocolos adaptativos basados en datos emergentes y refina parámetros para aumentar las tasas de éxito. 96 , 97 Además, la IA procesa datos genómicos a gran escala para identificar marcadores genéticos, lo que permite terapias de precisión adaptadas a perfiles individuales. 98 , 99 Estas innovaciones acortan los plazos de descubrimiento, reducen los costos y promueven la medicina personalizada. Los agentes de IA aceleran aún más el descubrimiento de fármacos al automatizar flujos de trabajo complejos y reducir errores. En la selección de candidatos, realizan experimentos de alto rendimiento, simulaciones moleculares y analizan resultados para identificar compuestos prometedores. En ensayos clínicos, utilizan historias clínicas electrónicas (HCE) y bases de datos genómicas para reclutar participantes idóneos, optimizar procesos y adaptar protocolos en tiempo real. En genómica, analizan datos de secuenciación, detectan mutaciones asociadas a enfermedades y proponen terapias personalizadas. Integrados con instrumentos de laboratorio, plataformas de datos y sistemas clínicos, los agentes de IA automatizan la toma de decisiones, mejoran la precisión y aceleran el desarrollo de tratamientos seguros y eficaces. En un estudio reciente, se diseñó un sistema de IA multiagente llamado DrugAgent para automatizar la programación de aprendizaje automático (ML) para el descubrimiento de fármacos. Al integrar el conocimiento específico del dominio con la selección de modelos basada en IA, mejora tareas clave como la predicción de ADMET, el análisis de la interacción fármaco-diana y la optimización molecular. A diferencia de los métodos tradicionales no agenticos, que requieren codificación manual e intervención experta, Drug Agent genera, prueba y perfecciona modelos de ML de forma autónoma, mejorando significativamente la eficiencia y reduciendo errores. El modelo obtuvo una puntuación F1 de 0,92 en la predicción de la absorción de fármacos, lo que demuestra su capacidad para optimizar modelos predictivos para la investigación farmacéutica. Más allá del descubrimiento de fármacos impulsado por el aprendizaje automático (ML), los sistemas de IA con agentes están transformando la investigación biomédica al generar, refinar y validar hipótesis científicas de forma autónoma, ahorrando así un tiempo considerable. El curso «Cocientífico en IA 101″ ejemplifica este cambio al aprovechar el razonamiento multiagente y de autosuperación para impulsar la reutilización de fármacos, el descubrimiento de nuevas dianas farmacológicas y la investigación sobre la resistencia a los antimicrobianos. El cocientífico en IA identificó fármacos candidatos reutilizados para la leucemia mieloide aguda (LMA) y, para el descubrimiento de nuevas dianas, propuso reguladores epigenéticos para la fibrosis hepática, refinando hipótesis mediante la retroalimentación de expertos y la validación experimental. Además, formuló la hipótesis de forma independiente sobre un mecanismo de transferencia génica bacteriana, en consonancia con hallazgos microbiológicos inéditos, demostrando así su razonamiento autónomo y sus capacidades de descubrimiento. Al integrar la colaboración humana en el ciclo (HITL), el cocientífico en IA garantiza la alineación de expertos a la vez que evoluciona continuamente mediante un ciclo de retroalimentación de autosuperación, marcando una nueva era en el descubrimiento científico impulsado por IA en el desarrollo de fármacos. Estos ejemplos resaltan cómo los agentes de IA pueden agilizar el desarrollo de medicamentos, reducir la carga de trabajo humana y acelerar la innovación farmacéutica.
2.2.7 . Agentes de IA en cirugía asistida por robot
La cirugía asistida por robot guiada por IA marca una nueva era en la medicina, mejorando la precisión, la exactitud y la seguridad en procedimientos complejos. 102 , 103 Al integrar imágenes avanzadas, datos de sensores, aprendizaje automático (ML) y robótica, los sistemas de IA permiten a los robots quirúrgicos realizar tareas con una precisión excepcional. La navegación y la guía de instrumentos impulsadas por IA permiten la interpretación en tiempo real de la anatomía del paciente, la adaptación a movimientos sutiles y el posicionamiento óptimo de los instrumentos, lo que reduce la invasividad y minimiza los riesgos. Estos avances ayudan a los cirujanos a planificar, ejecutar y perfeccionar las intervenciones, mejorando los resultados y ampliando las posibilidades de la cirugía mínimamente invasiva.Los agentes de IA integrados en sistemas robóticos orquestan estas capacidades mediante el análisis de datos de cámaras endoscópicas, sensores e imágenes preoperatorias para trazar trayectorias quirúrgicas precisas y guiar los instrumentos en tiempo real. Durante la cirugía, monitorizan parámetros críticos, detectan complicaciones y alertan al equipo si es necesaria una intervención. Los agentes de IA facilitan la toma de decisiones, proporcionan retroalimentación dinámica y automatizan tareas como la sutura o la manipulación de tejidos bajo supervisión. Gracias al aprendizaje continuo de las operaciones, estos agentes perfeccionan sus modelos, optimizando el rendimiento robótico y promoviendo una atención quirúrgica más segura, eficiente y personalizada.
E n un estudio reciente 104 se destaca el surgimiento de la asistencia quirúrgica con agentes de IA, introduciendo sistemas de IA multiagente que simulan roles quirúrgicos, mejoran la toma de decisiones y optimizan la coordinación del flujo de trabajo. Estos sistemas inteligentes aprovechan los LLM y la IA con memoria aumentada para proporcionar guía en tiempo real, anticipar los pasos del procedimiento y facilitar la colaboración fluida en equipo. Amplíando esto, SUFIA 105 , un agente asistente robótico impulsado por LLM, traduce comandos de lenguaje natural en planes quirúrgicos de alto nivel y acciones de control de bajo nivel. Integra módulos de percepción en tiempo real para la adaptación dinámica y garantiza la seguridad mediante un mecanismo HITL. En experimentos simulados, SUFIA logró una tasa de éxito del 100 % en la elevación de agujas y del 90 % en la entrega de agujas, mientras que en ensayos físicos, las tasas de éxito fueron del 100 % y del 50 %, respectivamente. Estos resultados resaltan el potencial de la IA con agentes para mejorar la destreza quirúrgica, optimizar el flujo de trabajo y respaldar intervenciones robóticas autónomas pero supervisadas. Operando en un entorno interactivo, estos agentes de IA perfeccionan las estrategias quirúrgicas, asisten en la navegación intraoperatoria y se adaptan dinámicamente a escenarios cambiantes. Al mejorar la precisión, la seguridad y la eficiencia, los enfoques basados en agentes en cirugía robótica amplían el alcance de la automatización, allanando el camino para sistemas quirúrgicos más autónomos y adaptativos en el futuro.
La Tabla 2 muestra la categorización de los tipos de agentes de IA en la atención médica, junto con las aplicaciones, los usuarios y las tecnologías clave asociados con cada tipo.
Tabla 2. Categorización de los tipos de agentes de IA en la atención médica con aplicaciones, usuarios y tecnologías clave.
agentes de IA
Aplicaciones clave
Categorías de atención médica
Usuarios principales
Tecnologías clave de IA
Agentes de base de imágenes
Diagnóstico de enfermedades, detección temprana, generación de informes.
Diagnóstico, Apoyo a la toma de decisiones clínicas
Radiólogos, médicos
Visión por computadora (CNN, ViTs), MLLM para integración de imagen y texto
agentes de análisis predictivo
Predicción de riesgos, pronóstico de la progresión de la enfermedad y resultados del paciente
Apoyo a la toma de decisiones clínicas, tratamiento y atención al paciente, descubrimiento e investigación de fármacos
Médicos, equipos de atención
Modelado predictivo, incluido aprendizaje automático supervisado, métodos de conjunto y análisis de series temporales
Agentes conversacionales
Comprobación de síntomas, triaje de pacientes, consultas virtuales
Participación y seguimiento del paciente
Pacientes, médicos generales
PNL, sistemas de diálogo, LLM preentrenados
Agentes de PNL
Procesamiento de notas clínicas, resumen de HCE y extracción de información
Operaciones y administración, apoyo a la toma de decisiones clínicas
Codificadores médicos, analistas
PNL, LLM preentrenados
Agentes de base de reglas
Siguiendo las pautas clínicas, alertando sobre interacciones medicamentosas
Apoyo a la toma de decisiones clínicas
médicos, farmacéuticos
Razonamiento basado en reglas, aprovechando la programación lógica, reglas expertas y gráficos de conocimiento.
Agentes híbridos
Combinando imágenes, texto, vídeo y análisis predictivo para la toma de decisiones
Apoyo a la toma de decisiones clínicas, diagnóstico y cirugía asistida por robot
Médicos, radiólogos, cirujanos
Aprendizaje multimodal
Agentes de ML
Clasificación de enfermedades, detección de anomalías, planificación del tratamiento
Diagnóstico, tratamiento y atención al paciente, descubrimiento e investigación de fármacos
Científicos de datos, médicos
Algoritmos ML/DL, RL
Agentes de sistemas expertos
Emulación de la experiencia clínica para el diagnóstico y la planificación
Tratamiento y atención al paciente, apoyo a la toma de decisiones clínicas, cirugía asistida por robot
Sugerencia de pruebas diagnósticas, tratamientos personalizados
Tratamiento y atención al paciente, apoyo a la toma de decisiones clínicas
Médicos, equipos de atención
Filtrado colaborativo, sistemas de recomendación, aprendizaje automático
3. Desafíos y recomendaciones para la IA agente en la atención médica
La implementación de sistemas de IA agente en el ámbito sanitario presenta varios desafíos críticos que deben abordarse para lograr una integración exitosa y una implementación segura.
3.1 . Disponibilidad del modelo y privacidad de datos
Uno de los desafíos más críticos de la IA en el ámbito sanitario es la disponibilidad de datos diversos y de alta calidad para entrenar modelos de IA. 106 La disponibilidad de datos se ve limitada por barreras regulatorias, infraestructuras sanitarias fragmentadas y estrictos requisitos de privacidad. Además, los historiales médicos contienen texto no estructurado y datos sensibles, lo que requiere el uso de IA Explicable (XAI) para garantizar el cumplimiento de las estrictas regulaciones médicas.Investigaciones recientes destacan la importancia de perfeccionar los LLM para extraer conocimiento estructurado de los informes de patología, manteniendo al mismo tiempo la interpretabilidad y el cumplimiento de las normas regulatorias en constante evolución. En este contexto, un estudio 107 aplicó el modelo de Representaciones de Codificador Bidireccional a partir de Transformadores (BERT) al ámbito médico, lo que permitió la generación de puntuaciones de decisión y la mejora de las anotaciones en los informes de patología. Al analizar las incrustaciones contextuales resultantes, el estudio proporciona información valiosa sobre la organización de la información diagnóstica, mejorando la alineación con los flujos de trabajo clínicos y permitiendo la integración con datos de imágenes. Si bien los LLM mejoran la extracción de conocimiento estructurado, las tecnologías que mejoran la privacidad, como el aprendizaje federado 108 y la privacidad diferencial 109 , son soluciones emergentes, pero su implementación requiere muchos recursos y es técnicamente compleja. Además, garantizar la trazabilidad de los datos y el cumplimiento de los marcos regulatorios en constante evolución, como el Reglamento Europeo de Diagnóstico In Vitro (IVDR), es esencial para la adopción de la IA en el diagnóstico médico. 110El sesgo en los modelos de atención médica basados en IA puede conducir a decisiones discriminatorias, afectando desproporcionadamente a los grupos subrepresentados. Abordar este problema requiere una selección diversa de datos, la mitigación del sesgo y evaluaciones continuas de equidad en entornos clínicos. Abordar este desafío requiere una selección diversa de conjuntos de datos, técnicas de mitigación del sesgo en el entrenamiento de modelos y evaluaciones continuas de equidad en aplicaciones clínicas reales.
3.2 . Complejidad regulatoria y de cumplimiento
Las regulaciones de atención médica se quedan atrás de los rápidos avances en la tecnología de IA. En los modelos de IA con agentes, el aprendizaje continuo, que se adapta en función de nuevos datos, plantea desafíos únicos para los procesos de aprobación regulatoria, ya que su rendimiento y perfiles de riesgo pueden evolucionar con el tiempo. Además, los LLM presentan riesgos de información alucinante, 111 lo que puede conducir a errores clínicos. Bajo IVDR, los diagnósticos impulsados por IA deben demostrar validez científica, solidez analítica y confiabilidad clínica para cumplir con los estándares de cumplimiento. 110 Establecer marcos robustos de validación y monitoreo para estos sistemas en evolución es fundamental para garantizar la seguridad del paciente. Como mejor práctica, se debe realizar una validación continua del modelo y un monitoreo del rendimiento. Además, se deben introducir protocolos de vigilancia específicos para estos modelos de IA para rastrear la precisión en la toma de decisiones.
3.3 . Integración con los flujos de trabajo de atención médica
Incorporar sin problemas la IA agentic en los flujos de trabajo clínicos existentes supone un reto formidable. Muchas instituciones sanitarias dependen de HCE heredados y sistemas operativos que no están diseñados para incorporar nuevas herramientas de IA. Una integración exitosa requiere abordar estas limitaciones técnicas mediante la gestión de cambios, la formación de usuarios y la colaboración iterativa entre profesionales clínicos, equipos de TI y desarrolladores de IA. Además, como se destaca en el estudio de imágenes médicas con apoyo de IA, la explicabilidad y la causalidad son factores clave para garantizar la confianza y la adopción entre los profesionales sanitarios, permitiéndoles comprender y validar las recomendaciones basadas en IA. 110La falta de confianza y aceptación entre profesionales sanitarios y pacientes sigue siendo un obstáculo importante para la adopción de la IA en la atención médica. Para abordar este problema, los modelos de IA basados en agentes deben someterse a una rigurosa validación en situaciones reales, y los profesionales sanitarios deben recibir formación estructurada sobre la toma de decisiones asistida por IA. Los mecanismos de explicabilidad, como los modelos de IA interpretables y las puntuaciones de confianza, también pueden mejorar la confianza de los profesionales sanitarios y facilitar una toma de decisiones informada.
3.4 . Limitaciones de recursos e infraestructura
La implementación a gran escala de sistemas de IA agénticos requiere importantes recursos computacionales e infraestructura. Muchos entornos con recursos limitados, como las clínicas rurales, carecen del hardware y la conectividad necesarios para operar sistemas de IA avanzados. Además, la demanda energética de los LLM plantea problemas de sostenibilidad. 112 Optimizar los sistemas de IA para entornos con bajos recursos es esencial para el acceso equitativo a sus beneficios. Los altos costos de implementación siguen siendo un gran desafío, especialmente para hospitales y clínicas pequeños con presupuestos limitados. Para promover la adopción equitativa de la IA, las soluciones escalables y rentables, como los modelos de IA médica de código abierto, las plataformas de IA basadas en la nube y las iniciativas de financiación público-privada, pueden ayudar a reducir la carga financiera y, al mismo tiempo, garantizar la accesibilidad.
3.5 . Debilidades adversarias
Los sistemas de IA en el ámbito sanitario son vulnerables a ataques adversarios, 113 donde entradas maliciosas pueden manipular sus resultados. Esto supone riesgos significativos para los agentes de IA, especialmente en escenarios de alto riesgo como el diagnóstico, la planificación de tratamientos y las cirugías asistidas por robot. Desarrollar defensas robustas y realizar pruebas rigurosas contra estas amenazas es fundamental para garantizar la fiabilidad. Reforzar las defensas de IA no solo protegerá los resultados de los pacientes, sino que también fomentará la confianza en la adopción de IA con agentes en las aplicaciones sanitarias.
3.6 . Responsabilidades éticas y legales
La autonomía de la IA agente y la complejidad de los datos en la atención médica plantean importantes preocupaciones éticas y legales, en particular en lo que respecta a la responsabilidad por resultados adversos. Asignar la responsabilidad por errores médicos relacionados con la IA es complejo debido a la opacidad de muchos modelos de IA. Establecer marcos de responsabilidad y medidas estandarizadas de rendición de cuentas es esencial para una implementación ética de la IA. La falta de transparencia en la forma en que los sistemas de IA generan recomendaciones médicas dificulta la asignación de responsabilidades en casos de diagnósticos erróneos o sugerencias de tratamiento inapropiadas
.Para abordar estos desafíos, es necesario establecer marcos legales y mecanismos de gobernanza que definan estructuras claras de rendición de cuentas. Los organismos reguladores, como la Ley de IA de la UE 116 y la FDA 117, priorizan la documentación rigurosa, la monitorización y la supervisión humana para garantizar la rendición de cuentas. Además, los resultados de los modelos de IA agencial deben contar con un mecanismo de explicabilidad, como un índice de confianza y resultados interpretables, que ayude a los profesionales clínicos a comprender y validar los resultados.
3.7 . Supervisión humana y gobernanza de la IA
Otro desafío importante en la implementación de la IA agencial en la atención médica es la disminución de la viabilidad de la supervisión humana, especialmente a medida que los modelos de IA se vuelven más complejos y autónomos. La opacidad de estos modelos y la escala a la que operan los sistemas de IA dificultan cada vez más la supervisión humana en tiempo real. Estudios recientes destacan la necesidad de mecanismos de supervisión híbridos que incorporen marcos HITL, intervenciones basadas en reglas e XAI para mantener el cumplimiento normativo y la confianza en las decisiones basadas en IA. 118 Sin embargo, desafíos como el sesgo de automatización, la fatiga de la supervisión y las lagunas regulatorias complican las iniciativas de gobernanza, lo que requiere soluciones interdisciplinarias que equilibren la autonomía con la responsabilidad.Si bien la IA con agentes presenta desafíos significativos en la atención médica, abordar estos problemas mediante una gobernanza sólida, transparencia y colaboración entre profesionales clínicos permitirá soluciones de salud basadas en IA más seguras y efectivas. Al integrar la supervisión ética, la adaptabilidad regulatoria y las innovaciones técnicas, la IA puede transformar la atención al paciente, manteniendo altos estándares de seguridad y responsabilidad.
4. Direcciones futuras de la IA agente en la atención médica
La IA agencial en el ámbito sanitario aún se encuentra en sus primeras etapas, lo que requiere un desarrollo riguroso para garantizar su seguridad, fiabilidad e integración fluida en la gestión sanitaria y la práctica clínica. La siguiente fase de la IA agencial estará impulsada por los avances en arquitecturas de IA auto evolutivas, la integración multimodal y la adaptabilidad en tiempo real, lo que permitirá que estos sistemas asistan a los profesionales sanitarios en lugar de reemplazarlos. A medida que la IA continúa evolucionando a un ritmo sin precedentes, se espera que su adopción en el ámbito sanitario se expanda significativamente en los próximos años. 94 Una prioridad clave de investigación será el desarrollo de agentes de IA generalistas capaces de realizar tareas complejas y multidisciplinarias con mínima intervención humana. Las técnicas de aprendizaje auto supervisado y de pocos disparos desempeñarán un papel crucial para que estos modelos se adapten rápidamente a nuevos escenarios médicos, reduciendo al mismo tiempo la dependencia de grandes conjuntos de datos anotados. Sin embargo, el desafío principal persiste: ¿cómo integrar eficazmente estos avances tecnológicos en los flujos de trabajo clínicos diarios? Para abordar esto, los marcos de colaboración híbridos entre humanos y IA seguirán evolucionando, fomentando una interacción más profunda entre médicos e IA, a la vez que garantizan la confianza, la interpretabilidad y la rendición de cuentas.
La IA explicable y la gobernanza ética de la IA seguirán siendo áreas prioritarias, con un énfasis creciente en la auditabilidad, la transparencia y la supervisión regulatoria para mitigar los riesgos en la toma de decisiones clínicas. Además, los rápidos avances en los LLM de código abierto 119 y los mecanismos de razonamiento impulsarán el siguiente hito en la evolución de la IA agente, mejorando sus capacidades de razonamiento y la comprensión contextual en aplicaciones sanitarias. Una dirección clave para el trabajo futuro en IA agencial es transformar su naturaleza reactiva en una proactiva.
Este cambio permitirá a los agentes de IA interactuar de forma más eficaz con médicos y pacientes, superar las brechas de conocimiento y sugerir flujos de trabajo óptimos. Desde el punto de vista de la implementación, las soluciones de IA de borde facilitarán la inferencia de IA en tiempo real en dispositivos médicos, reduciendo la dependencia de infraestructuras centralizadas en la nube y mejorando la accesibilidad de la IA en entornos con recursos limitados. Además, el aprendizaje federado y la tecnología blockchain están a punto de revolucionar el intercambio seguro y descentralizado de datos médicos, garantizando la interoperabilidad y preservando la privacidad del paciente. A largo plazo, la IA agéntica probablemente evolucionará hacia ecosistemas universales de IA en el ámbito sanitario, donde la IA se integrará a la perfección con las historias clínicas electrónicas (HCE), las plataformas de imágenes y los sistemas robóticos para facilitar una medicina proactiva, personalizada y preventiva. Sin embargo, para hacer realidad esta visión se requerirá una colaboración interdisciplinaria sostenida entre investigadores de IA, profesionales clínicos y responsables políticos para garantizar que la IA agéntica siga siendo ética, transparente, clínicamente fiable y esté alineada con la atención centrada en el paciente.
5. Conclusión
La aparición de la IA agéntica, impulsada por los avances en MLLM, representa un hito transformador en el sector sanitario. Esta tecnología tiene el potencial de revolucionar la atención médica moderna al abordar los desafíos persistentes asociados con la complejidad y diversidad de los datos médicos. La autonomía y la capacidad de razonamiento similar a la humana de los sistemas de IA agéntica pueden mitigar las ineficiencias y optimizar la toma de decisiones, allanando el camino para diagnósticos más precisos, planes de tratamiento personalizados y una mejor administración de la atención médica. Para aprovechar al máximo su potencial, la colaboración entre profesionales sanitarios e informáticos es esencial. Estos esfuerzos interdisciplinarios garantizan que las soluciones de IA agentica se alineen con los flujos de trabajo clínicos y se optimicen para su aplicación en el mundo real. Estos sistemas admiten una amplia gama de casos de uso, desde el diagnóstico y la planificación del tratamiento hasta las cirugías asistidas por robot y la automatización administrativa. La IA agéntica puede implementarse en diversas configuraciones, incluyendo sistemas de hospitales privados, redes interhospitalarias públicas o herramientas específicas para profesionales clínicos, ofreciendo flexibilidad y adaptabilidad a diferentes entornos sanitarios. Es importante destacar que esta tecnología promete reducir las disparidades en la atención médica, especialmente en entornos de bajos recursos. Al mejorar la eficiencia clínica y la precisión diagnóstica, la IA agéntica puede mejorar significativamente los resultados de los pacientes, incluso en zonas desfavorecidas. Sin embargo, la etapa actual de desarrollo de la IA agéntica también presenta desafíos, en particular su naturaleza de «caja negra» y sus comportamientos impredecibles. Se requiere una investigación rigurosa para abordar estas preocupaciones, incluyendo una validación robusta, interpretabilidad y transparencia en la toma de decisiones de IA. Además, la integración de la IA agencial en la atención médica debe regirse por marcos legales estratégicos y estándares éticos para garantizar la seguridad del paciente y la confianza social. Al adentrarnos en la «era agencial», la adopción de estos sistemas de IA de última generación ofrece un futuro prometedor para la atención médica digital, con el potencial de redefinir la atención al paciente y la eficiencia operativa a escala global.
De la corrección de las fallas del mercado a la definición de objetivos colectivos
El texto examina la necesidad de replantear el papel de la economía en torno al concepto de bien común, trascendiendo el enfoque tradicional de corrección de fallas del mercado. Se subraya la importancia de definir y perseguir objetivos colectivos, especialmente ante desafíos globales como la transición ecológica y la reducción de desigualdades, destacando que la noción de “bien” no debe limitarse a la utilidad individual agregada, sino entenderse como un propósito colectivo y relacional.
El marco del bien común propuesto parte de una revisión crítica de la economía del bienestar y de los enfoques clásicos sobre bienes públicos, bienes comunes y bienes públicos globales. El análisis reconoce que los paradigmas tradicionales han tendido a ver al Estado como un mero corrector de fallas o a atribuir a las comunidades el peso de suplir las carencias estatales, impidiendo así una acción colectiva ambiciosa y proactiva.
En este contexto, los Objetivos de Desarrollo Sostenible de la ONU se presentan como un ejemplo central de la urgencia de articular una gobernanza colaborativa y de acción colectiva a distintos niveles territoriales. El artículo aboga por un marco teórico renovado, en el que el Estado y otros actores colaboren para definir y alcanzar metas consideradas “buenas” de manera conjunta, superando la dicotomía Estado/mercado y priorizando la creación de valor público.
Para ello, se propone un enfoque del bien común sustentado en cinco principios clave: propósito y direccionalidad; cocreación y participación; aprendizaje colectivo e intercambio de conocimientos; acceso para todas las personas y reparto de recompensas; y transparencia y rendición de cuentas. Así, el bien común se concibe como propio de la comunidad y alcanzable únicamente a través de la acción colectiva, subrayando la obligación moral y relacional que une a los miembros actuales y futuros de la sociedad. Este marco teórico integra perspectivas de la filosofía política y la economía, proponiendo una visión donde la definición y el logro de objetivos colectivos es el núcleo de la actividad económica y la gobernanza pública.
1. Introducción: una respuesta colectiva a los desafíos globales
Dado el creciente enfoque en la necesidad de que las economías orienten su actividad hacia lo «bueno» (p. ej., una transición verde, los Objetivos de Desarrollo Sostenible) y se alejen de lo «malo» (p. ej., el calentamiento global, la desigualdad), es más importante que nunca considerar qué objetivos «buenos» se deben alcanzar y cómo. En economía, el concepto de «bueno» tiene sus raíces predominantemente en la economía del bienestar, donde capta los beneficios relativos de consumidores y productores mediante definiciones de utilidad individualistas (Boadway y Bruce).Citación1984 ; Just, Hueth y SchmitzCitación2008 ; PigouCitación1951 ). El “bien” es una forma agregada de interés privado. Si bien ha habido una rica cantidad de estudios que abordan los límites del análisis del bienestar (LittleCitación2002 ; SenCitación1979 ; StiglitzCitación1991 ) la teoría económica ha evitado proporcionar una definición integral de “bueno” como un enfoque colectivo del “qué” y el “cómo” de la actividad económica durante décadas (Mastromatteo y SolariCitación2014 ; MazzucatoCitación2023a ).
Reconociendo esta limitación, la noción de una actividad económica al servicio del bien común y el bienestar ha ganado considerable atención por parte de los académicos que buscan desarrollar alternativas al producto interno bruto (PIB) como el objetivo principal de la economía (por ejemplo, Coscieme et al.Citación2019 ; Costanza y otros.Citación2018 ; Dolderer, Felber y TeitscheidCitación2021 ; Felber y HagelbergCitación2017 ). Si bien esta investigación ha contribuido a importantes críticas de la economía neoclásica y ha formulado métricas organizacionales alternativas a nivel micro (Felber, Campos y SanchisCitación2019 ) y métricas contables a nivel macro (Stiglitz, Sen y FitoussiCitación2009 ), se ha prestado menos atención al marco teórico que guía el papel del Estado en la gobernanza de la economía a través de la colaboración con otros actores en pos del bien común.
El artículo aborda esta cuestión basándose en trabajos anteriores sobre el bien público (SamuelsonCitación1954 ), el bien público global (Kaul, Grunberg y SternCitación1999 ), y los bienes comunes y los recursos de uso común (OstromCitación1990 ), todas las cuales han inspirado llamados a la acción por parte de gobiernos y organizaciones multilaterales.Nota1 En particular, el concepto de bienes públicos globales, si bien promueve la necesidad de cooperación global para promover el bienestar, sigue estando conceptualmente ligado en gran medida a una comprensión del Estado como mitigador de externalidades que deben solucionarse. Y si bien la literatura sobre los bienes comunes y los recursos de uso común ha destacado con éxito y ha avanzado significativamente nuestra comprensión del valor de la participación comunitaria (OstromCitación2010 ; SaundersCitación2014 ), este enfoque a menudo se ha vinculado a un supuesto implícito de una actividad gubernamental insuficiente o ineficaz y se ha posicionado como una forma de ir más allá de la dicotomía Estado/mercado (OstromCitación2010 ; Sanderson y otros.Citación2020 ). En otras palabras, los gobiernos son vistos como parte del problema, debido a su débil capacidad o a su captura del Estado (BerkesCitación2000 ).Nota2
Conceptualizar la actividad gubernamental como una corrección a las fallas del mercado, así como atribuir a las comunidades la responsabilidad de compensar las deficiencias de los Estados, impide la adopción de medidas ambiciosas y proactivas. Si bien el debate entre las economías impulsadas por el mercado y las impulsadas por el Estado ha adoptado una perspectiva más matizada que no considera ambos enfoques como mutuamente excluyentes ni opuestos, prevalece la idea de que los Estados solo solucionan los problemas cuando los mercados fallan (Nelson).Citación2022 ). Se entiende que el sector público llena el vacío creado por los mercados, en lugar de establecer objetivos ambiciosos y promover la acción colectiva para alcanzarlos (Mazzucato).Citación2016 ). Confiar en este marco de fracaso gubernamental y colocar la carga de compensar los estados débiles sobre las comunidades no presenta una visión del bien como un objetivo a alcanzar en conjunto.
Los 17 Objetivos de Desarrollo Sostenible (ODS) de la ONU representan un momento clave en el que se hace evidente la necesidad de una gobernanza ambiciosa y de una acción colectiva —a nivel regional, nacional y global— para alcanzar objetivos ambiciosos. El artículo argumenta que el creciente enfoque en considerar los ODS como nuestros desafíos colectivos requiere una «agenda común» (Naciones Unidas)Citación2023a ), requiere un enfoque renovado en el logro de objetivos que se consideran colectivamente “buenos”.
El artículo, por lo tanto, propone un marco del bien común como objetivo,centrando el «qué» y el «cómo» como preguntas centrales que guían la actividad económica colectiva. Una concepción renovada del bien común, basada en la configuración del mercado y el valor público, puede ser una forma productiva de generar sinergias entre las contribuciones previas, a la vez que se superan las deficiencias existentes y se informa sobre lo que se considera un momento urgente para la acción colectiva. Extrae valiosas perspectivas de la filosofía política, que resaltan la naturaleza relacional y mutua del bien común.
El artículo propone un marco donde la forma en que los actores trabajan juntos para alcanzar objetivos colectivos se guía por cinco principios clave: (1) propósito y direccionalidad; (2) cocreación y participación; (3) aprendizaje colectivo e intercambio de conocimientos; (4) acceso para todos y reparto de recompensas; y (5) transparencia y rendición de cuentas.
La sección 2 analiza cómo se ha abordado el bien común en la filosofía política, con énfasis en los atributos relacionales. La sección 3 analiza cómo se ha definido el concepto de «bien» en economía, vinculándolo con la teoría de los mercados y sus fallos. Esta sección compara los bienes públicos, los bienes públicos globales, los bienes comunes y los recursos de uso común para distinguir los enfoques previos sobre los bienes económicos de una teoría renovada del bien común. La sección 4 construye un nuevo enfoque del bien común a través de cinco pilares. La sección 5 concluye.
2. El bien común: de la filosofía política a la economía y viceversa
En filosofía política, el bien común ofrece una vía para explorar el vínculo entre los intereses individuales y comunitarios. El bien común se considera «propio de la comunidad y alcanzable solo por ella, aunque compartido individualmente por sus miembros» (Dupré).Citación1993 , 687). Esto significa que el bien común no se trata simplemente de maximizar la suma de los intereses individuales agregados, sino de intereses comunes y preocupación mutua. Aristóteles utilizó por primera vez esta idea del bien común para diferenciar entre instituciones justas y corruptas. Escribe: «Siempre que uno, unos pocos o la mayoría gobiernan con miras al interés común, estas constituciones deben ser necesariamente correctas, mientras que aquellas administradas con miras al interés privado de uno, unos pocos o la multitud son desviaciones» (Aristóteles). Citación1998 [Citación1279] , 76). De esta manera, el bien común no sirve a nadie en particular y sus recompensas no son inmediatas (Etzioni).Citación2004 ). Se hace hincapié en la obligación relacional de cuidado que comparten los miembros de una comunidad (HussainCitación2018 ). Entender el bien común como arraigado en los valores y la responsabilidad colectiva que comparten los miembros de las generaciones actuales y futuras pone de relieve la importancia de cómo se alcanzan los objetivos comunes.
En esta tradición filosófica, la gobernanza es clave. Vinculando la filosofía griega con la economía, los estudios sobre el bien común han señalado la responsabilidad del Estado de proporcionar una «buena vida» (FinnCitación2017 ; HollenbachCitación2002 ; Murphy y ParkeyCitación2016 ; YuengertCitación2001 ). En este contexto, “La idea misma del bien común implica que el gobierno no es un simple ‘vigilante nocturno’” (Mastromatteo y Solari).Citación2014 , 97). Por lo tanto, al pensar en la gobernanza, la obligación de las autoridades de considerar el bien común en sus acciones se vuelve fundamental. Las vías para alcanzar objetivos ambiciosos —y con ello la necesaria colaboración entre actores privados y públicos— deben estar alineadas con los intereses y preocupaciones comunes.
El auge de la teoría liberal disminuyó el interés académico en el bien común, ya que muchos pensadores liberales sostenían que los individuos determinan mejor su propio bien sin imposiciones externas. Mill (Citación2003 [1859] ) sostiene que los individuos son los mejores árbitros de su propio bienestar y que las comunidades morales o religiosas carecen de la autoridad para imponer sus interpretaciones de los objetivos últimos a los demás. En relación con esto, Rawls (Citación1971 ,Citación1993 ) considera la neutralidad política como piedra angular para garantizar a las personas la igualdad de oportunidades en la búsqueda de su propio bien, libres de coerción. En su opinión, el bien común se limita a los intereses individuales vinculados a la igualdad de ciudadanía, como la libertad de expresión, la igualdad de oportunidades y la libertad de voto. Según esta interpretación, la única obligación que comparten los miembros de una comunidad es cuidar estas libertades (Hussain).Citación2018 ). El fundamento de la autoridad política es la protección de los derechos individuales más que el interés mutuo (SmithCitación1999 ). Estas perspectivas reducen significativamente el rango de ideas normativas disponibles que se aceptan para formar la base de la actividad gubernamental (FuchsCitación2022 ). Los críticos también sostienen que el énfasis que el liberalismo pone en los derechos individuales pasa por alto cómo la participación en la comunidad moldea significativamente las identidades individuales y que esta última no puede tratarse independientemente de la primera (Etzioni).Citación1998 ). La crítica generalizada de la teoría liberal ha provocado un renovado enfoque en el bien común que este artículo pretende promover.
3. Conceptualización de los bienes económicos
Al reflexionar sobre cómo se aborda el concepto de «bien» (singular) en economía, conviene comenzar por la conceptualización de los bienes (plural) y cómo este enfoque influye en el diseño de políticas y la distribución de beneficios. Gran parte de este trabajo, como la distinción entre bienes privados de mercado y bienes públicos sin ánimo de lucro, tiene su origen en la teoría microeconómica neoclásica y la economía del bienestar. Este enfoque enfatiza la idea de que, dados ciertos supuestos, la búsqueda del propio interés por parte de los individuos en mercados competitivos da lugar a los resultados más eficientes y que maximizan el bienestar (Mas-Colell, Whinston y Green).Citación1995 ; SamuelsonCitación1947 ). La eficiencia se entiende en un sentido utilitarista, según el cual una actividad es eficiente si mejora el bienestar de alguien sin empeorar la situación de nadie más (la llamada eficiencia de Pareto).
Figura 1Como se ilustra, los estudios económicos diferencian entre bienes basándose en dos atributos clave: la rivalidad, que se refiere a si el consumo del bien por parte de una persona reduce su disponibilidad para otros, y la exclusividad, que denota si se puede impedir que las personas consuman el bien (Adams y McCormick).Citación1987 ; Hess y OstromCitación2003 ).
Los bienes privados son excluibles y rivales. Son bienes que solo pueden ser consumidos por un número limitado de personas a la vez (Adams y McCormick).Citación1987 ). A menudo se crean con el objetivo de comercialización o maximización de beneficios. Ejemplos de ello son la ropa o los alimentos.
Los bienes públicos no son excluibles ni rivales. Por ello, el sector privado tiene pocos incentivos para invertir, ya que no puede apropiarse de las ganancias (Samuelson).Citación1954 ). Al no ser rivales, el acceso de una persona no limita el de otra. Recientemente, este concepto se ha desarrollado con una dimensión internacional a través de la idea de los bienes públicos globales (KaulCitación2016 ). Algunos ejemplos son la protección del medio ambiente y la defensa nacional.
Los bienes de club no son rivales, pero son excluibles. Hay que pagar, pero el acceso está abierto a todos los que puedan pagar, por lo que no son rivales. El consumo de una persona no reduce la capacidad de consumo de otra, siempre que pague (McNutt).Citación1999 ). Algunos ejemplos son los servicios de televisión por suscripción y el teatro. Un bien de club excluible es aquel al que se puede negar el acceso a personas que no cumplen con ciertos criterios, como pagar una membresía o cuota, pero que, una vez consumido por un miembro, no reduce su disponibilidad para otros miembros. En otras palabras, son excluibles, pero no rivales hasta que se produce congestión.
Características:
Exclusividad:
Es posible impedir que personas que no han pagado o no cumplen los requisitos accedan al bien o servicio.
No Rivalidad:
El consumo del bien por parte de un individuo no afecta la disponibilidad o calidad del bien para otros miembros del club.
Congestión:
En algunos casos, el exceso de uso puede llevar a la congestión y reducir la calidad del bien, haciendo que se comporte de forma más rival.
Ejemplos:
Televisión por cable:
Se puede restringir el acceso a los canales a quienes no pagan la suscripción, pero muchos suscriptores pueden ver el mismo programa simultáneamente sin afectar la experiencia de los demás.
Gimnasios privados:
Se puede restringir la entrada a quienes no son miembros, pero varios miembros pueden ejercitarse al mismo tiempo sin que uno afecte al otro.
Carreteras de peaje:
Se puede restringir el acceso a quienes no pagan el peaje, pero un vehículo adicional no afecta la experiencia de los demás usuarios (al menos hasta que se produce congestión).
Software o contenido digital con membresía:
Se puede restringir el acceso a quien no pague por la suscripción, pero varios usuarios pueden acceder al mismo contenido al mismo tiempo.
En resumen, los bienes de club son una categoría especial de bienes que combinan la característica de ser excluibles con la de ser no rivales hasta que se alcanza un punto de congestión
Los recursos de uso común son lo opuesto a los bienes de club: son rivales, pero no excluibles. Son no excluibles porque excluir a las personas de su uso resulta difícil, y son rivales porque los beneficios no son ilimitados (hay un número limitado de peces en el mar), pero los beneficios (limitados) son buenos para todos (Ostrom).Citación1990 ). Algunos ejemplos son la pesca y los bosques.
Debido a su naturaleza no excluible, los bienes públicos, los bienes públicos globales, los recursos de uso común y los bienes comunes han sido particularmente centrales en los debates sobre políticas públicas y gobernanza estatal (por ejemplo, Hazelkorn y GibsonCitación2018 ; HeikkilaCitación2004 ; HolcombeCitación2000 ). La siguiente sección analiza los bienes no excluibles para sentar las bases para un análisis más matizado de cómo el bien común se aparta de esta clasificación.
Tabla 1Proporciona una descripción general.
3.1. El bien público
Los bienes públicos no son excluibles ni rivales en su consumo, por lo que pueden ser consumidos sin coste adicional por el resto de la sociedad. Dadas estas características, se consideran poco rentables para las empresas, ya que su consumo no puede monetizarse, lo que sitúa al Estado como el principal proveedor.Para comprender las implicaciones de los bienes públicos en la política económica, es fundamental considerar dos supuestos subyacentes: su énfasis en los intereses privados y su concepción del Estado como la solución de las fallas del mercado.
Irónicamente, el bien público en economía no se trata de lo público, sino de los límites a lo privado. Gira en torno a la idea de que los individuos, guiados principalmente por el interés propio, pueden descuidar la producción o la contribución a bienes que se alinean con su interés colectivo (HussainCitación2018 ). En otras palabras, dado que nadie puede ser excluido de los beneficios de un bien público, la mejor acción de los actores racionales y egoístas es no contribuir a su provisión. Al priorizar de esta manera las preferencias individuales, el concepto de bien público deja de lado, inadvertidamente, los intereses compartidos que a menudo impulsan la acción colectiva.
Basado en este enfoque de intereses privados, el concepto de bien público está bien arraigado en la teoría de fallas del mercado que acepta la intervención pública en la economía sólo si está orientada a arreglar situaciones en las que los mercados fallan (ArrowCitación1951 ).
Este enfoque sugiere que los gobiernos intervienen para arreglar los mercados invirtiendo en áreas caracterizadas por externalidades positivas o negativas. Los bienes públicos con externalidades positivas se caracterizan por la subinversión ya que sus altos efectos secundarios crean dificultades para apropiarse de los retornos privados. Se trata más de correcciones que de objetivos. Lo opuesto sucede cuando hay demasiada inversión en «males», como la inversión en áreas que causan contaminación o daños a la salud. Tales externalidades negativas requieren medidas públicas que impulsen al sector privado a internalizar esos costos, por ejemplo, un impuesto al carbono para reducir las emisiones o un impuesto a la compra de cigarrillos. Se dice que tales fallas del mercado surgen en casos de asimetrías de información, costos de transacción y fricciones para suavizar el intercambio.
Sin embargo, debido a que las condiciones de información perfecta, integridad y ausencia de costos de transacción nunca se han demostrado empíricamente, la teoría de fallas del mercado es limitada como base de intervención política (CoaseCitación1960 ; StiglitzCitación2010 ). De hecho, se debería llegar a la conclusión contraria. Los mercados siempre son imperfectos e incompletos y, por lo tanto, nunca pueden caracterizarse como óptimos en el sentido de Pareto. Siempre se encuentran en una situación en la que un gobierno (un planificador central) puede mejorar el resultado del mercado (Greenwald y Stiglitz).Citación1986 ).
Además, la justificación de los fallos de mercado implica que los mercados privados puros y los bienes privados pueden existir independientemente de la acción pública o colectiva. Si bien se admite el papel de las instituciones (NorthCitación1991 ), el papel de las diferentes voces que se unen para formar la noción de lo público se deja principalmente a la sociología, no a la economía. Nelson (Citación1987 , 556) señala que «no existe una teoría normativa satisfactoria sobre las funciones apropiadas del gobierno en una economía mixta» ni una teoría que capture la compleja variedad de acuerdos institucionales que las personas han desarrollado para resolver problemas colectivos. Así como los bienes públicos puros son escasos (GoldinCitación1977 ), también lo son los bienes privados puros. Por lo tanto, la dicotomía de la «falla del mercado» no es particularmente útil (Mazzucato, Kattel y Ryan-Collins).Citación2020 )
El límite de la investigación sobre el bien público es que trata algunos de los problemas más sistémicos del capitalismo global (por ejemplo, el cambio climático y la desigualdad) como externalidades y resultados de fallas de un sistema que de otro modo sería perfecto, en lugar de cuestionar las estructuras subyacentes al propio sistema de mercado (NelsonCitación2022 ). Enmarca la inversión pública como la necesidad de subsanar una brecha en la financiación privada.Esta concepción del Estado como un agente regulador del mercado ha llevado a la idea de que el gobierno no debe dirigir la economía, sino solo habilitarla, regularla y facilitarla (Mazzucato).Citación2021 ).
3.2. El bien público global
El concepto de bien público se ha elaborado con una dimensión internacional a través de la idea de bienes públicos globales (BPG) (KaulCitación2016 ; Kaul, Grunberg y SternCitación1999 ). Los bienes públicos mundiales (BPM) son bienes compartidos por más de un país e incluso pueden compartirse entre generaciones, como las aguas transfronterizas y otros recursos no renovables. El concepto de BPM ayuda a dilucidar la profunda colaboración e inversión internacional que debe lograrse para abordar los problemas de sobreexplotación y escasez, y, por lo tanto, ya se caracteriza por un sólido componente normativo (Barrett).Citación2007 ). Este trabajo se centra en situaciones en las que los gobiernos nacionales no pueden garantizar la provisión de un bien público debido a las interconexiones globales. Kaul Grunberg y Stern (Citación1999 , 15) conceptualizan esto como el “doble riesgo” al que se enfrentan los bienes públicos globales: “fallo del mercado” y “fallo del Estado”. Una inundación en una región del mundo, por ejemplo, puede haber sido causada por un cambio relacionado con las emisiones en otra parte (Comisión Mundial sobre la Economía del Agua).Citación2023 ; Mazzucato y ZaqoutCitaciónSe requiere una acción colectiva y global para el beneficio nacional y mundial .
La característica global implica que ninguna nación puede abordar el problema por sí sola, lo que requiere la participación de organizaciones globales como las Naciones Unidas o el Fondo Mundial. Con base en esta comprensión conceptual, Kaul et al. (Citación1999 ) concluyen con las siguientes recomendaciones de política:
La creación de leyes internacionales que aborden la naturaleza global de los bienes públicos,
La promoción de la participación de la sociedad civil a nivel mundial, y
Dar a las personas y a los gobiernos los incentivos necesarios para tomar medidas para la provisión de bienes públicos globales.
Como resultado, a diferencia de los conceptos previos dentro del cuadrante de bienes económicos, los bienes públicos globales van más allá de la exclusividad y la rivalidad como parámetros para definir el carácter público de un bien. En cambio, si un bien es privado o público debería ser una cuestión de interés político y de la capacidad para colocar un bien específico en el dominio público y global (Kaul et al.).Citación2003 ). De esta manera, el papel del Estado, que fue pasado por alto por las teorías tradicionales de la dinámica del mercado al abordar los bienes públicos (StiglitzCitación2000 ).
El compromiso académico con los BPG sigue basándose en gran medida en los fundamentos conceptuales y la tradición intelectual del bien público, con un fuerte enfoque en remediar casos de uso excesivo y provisión insuficiente (Boonen et al.Citación2019 ). El bienestar sigue siendo capturado a través de las funciones de bienestar individual y la acción estatal sigue siendo capturada a través de externalidades (por ejemplo, LevaggiCitación2010 ; SandmoCitación2007 ). El apego conceptual al bien público queda claro cuando Kaul et al. (Citación1999 ) sostienen que las instituciones y los regímenes pueden considerarse bienes públicos intermediarios que, en última instancia, facilitan la provisión de bienes públicos globales. Además, quienes critican los estudios sobre la PGB han señalado la propensión a promover la aplicación vertical, con el riesgo de crear déficits democráticos en los acuerdos institucionales que se defienden (Quilligan).Citación2012 ). Reconociendo esta limitación, Deneulin y Townsend (Citación2007 ) enfatizan la necesidad de reconocer la naturaleza colectiva de una “buena vida” y han identificado un enfoque más fuerte en el bien común como una vía potencial para el cambio.
3.3. Los bienes comunes y los recursos de uso común
Además de la noción de bienes públicos y basándose en una concepción similar del Estado como mecanismo de fijación de mercados, la teoría de los bienes comunes y de los recursos de uso común (CPR) ha analizado el papel de las comunidades locales en la gestión de los recursos (SaundersCitación2014 ). Los comunes y los bienes comunes locales (CPR) exitosos, también denominados a veces bienes comunes (en plural), se rigen por comunidades claramente definidas con normas acordadas colectivamente y sanciones punitivas para quienes las incumplen. Si bien se han realizado trabajos para avanzar hacia el nivel global, estas consideraciones siguen vinculadas a un enfoque en la gobernanza desde la base y a una transición más allá de la dependencia de la cooperación público-privada. De hecho, este enfoque se ha identificado como la principal diferencia con los BPG (Cogolati y Wouters).Citación2018 ).
Ostrom, ganadora del Premio Nobel, en su obra fundamental (Citación1990 ), analiza cómo la tragedia de los bienes comunes, es decir, el uso excesivo y el cercamiento (GreerCitación2012 ; HardinCitación1968 ; NeesonCitación1993 ), puede mitigarse mediante la toma de decisiones colectiva. En su opinión, las negociaciones a nivel comunitario son fundamentales para la producción y distribución de los bienes comunes. Basándose en el ejemplo empírico de la pesca costera, sostiene que la gestión eficaz de los recursos comunes requiere una comprensión profunda de las condiciones locales, diferenciando entre la pesca costera como recursos comunes y la pesca en alta mar como recursos de libre acceso. En la misma línea, Federici (Citación2018 ) argumenta que la práctica de gestionar recursos compartidos, en particular por parte de las mujeres, ha sido una estrategia clave para desafiar los sistemas capitalistas y patriarcales. Desde una perspectiva específicamente decolonial y ambientalista, Federici explora la creación de economías alternativas basadas en la solidaridad y la cooperación. Estudios recientes sobre acción colectiva se han centrado de manera similar en los procesos organizativos y la coordinación dentro de las comunidades (Albareda y Sison).Citación2020 ).
El trabajo de Ostrom se ha basado en concepciones racionalistas del individuo, similares a la Teoría de la Elección Pública. Dardot y Laval (Citación2019 , 102) escriben: «Según Ostrom, los individuos racionales y egoístas pueden crear mercados, pueden exigir la intervencióndel Estado y construir un bien común; esto simplemente depende de las demandas de diferentes situaciones». En otras palabras, su concepción de los bienes comunes es un intento de ofrecer una alternativa a la dicotomía entre mercado y Estado sin cuestionar los supuestos subyacentes que han dado lugar a interpretaciones limitantes de la dicotomía. Al articular esta deficiencia para desarrollar su propia noción de «lo común», Dardot y Laval (Citación2019 ) se abstienen de cuestionar la noción del Estado como intervencionista y manipulador del mercado.
Siempre que el Estado ha sido objeto de estudio en el ámbito de los bienes comunes, su papel se ha considerado generalmente inadecuado o se ha mantenido arraigado en la teoría microeconómica neoclásica y la economía del bienestar. Un ejemplo de ello es Grumbach (Citación2023 , 181), cuando pregunta “¿Podría el gobierno aún actuar […] para corregir las fallas del mercado y apoyar adecuadamente la atención primaria como un bien común?”Nota3 De Jongh (Citación2020 ) argumenta de manera similar que el gobierno simplemente nivela el campo de juego, destacando su papel para garantizar una infraestructura pública intacta como base fundamental para la gestión exitosa de los recursos comunes por parte de otros actores. Un obstáculo clave es que, desde esta perspectiva, se considera al Estado como facilitador del proceso de comunalidad y no como un impulsor clave del cambio en sí mismo.
La concepción del «fracaso del gobierno» (Buchanan)Citación2003 ), conduce a una profecía autocumplida de estados «débiles» y «capturados», por la cual las comunidades a menudo terminan compensando. Así, si bien la literatura sobre los bienes comunes presenta nociones de capacidad descentralizada como un buen modelo de acción colectiva, esto también se complementa con el hecho de que el Estado está excluido del proceso de desarrollo. No es casualidad que el razonamiento que sustenta este enfoque también haya llevado al creciente uso de ONG y organizaciones filantrópicas en áreas como la salud (Nega y Schneider).Citación2014 ; ZanottiCitación2010 ). Si bien las alternativas al Estado y al mercado son fundamentales (por ejemplo, BenklerCitación2017 ; Brandtner, Douglas y KornbergerCitación2023 ; OstromCitación2010 ; Pazaitis, Kostakis y DrechslerCitación2022 ), este artículo plantea la cuestión de cómo los Estados capaces pueden fomentar esas alternativas al tiempo que gobiernan la economía para alcanzar objetivos colectivos.
4. Una nueva economía del bien común: de la corrección de las fallas del mercado a la definición de objetivos colectivos
Si bien difieren entre sí, las nociones anteriores de bienes económicos comparten una característica: todas se basan en la misma noción de fallo del mercado o del Estado. De hecho, la doble característica de rivalidad y exclusividad no solo sirve de base para clasificar los bienes, sino que también guía las decisiones sobre qué entidad —ya sea el mercado, las comunidades o el Estado— debería proporcionarlos. Por lo tanto, dentro de este marco, el papel del Estado generalmente se limita a los bienes públicos como respuesta a los fallos del mercado y a los recursos de uso común donde las comunidades compensan los fallos del Estado. Esto plantea la pregunta de cómo se puede concebir el papel del gobierno de una manera que vaya más allá de estos cuatro atributos, permitiendo la creación proactiva de una economía orientada a objetivos colectivos. Esta pregunta es particularmente pertinente considerando la gran atención que la comunidad internacional ha dedicado a los objetivos compartidos y a la acción colectiva, si bien no existe un marco integral que sustente tales modos de acción.
4.1. Conformación del mercado, creación de valor y valor público
Como se ha mostrado en la sección anterior, la noción tradicional de fallo del mercado ha promovido la idea de que la intervención pública en la economía solo se justifica si se orienta a corregir situaciones en las que los mercados no asignan recursos eficientemente.Esto contrasta con la noción de que el gobierno no solo corrige los mercados, sino que también los moldea y cocrea. Polanyi (Citación1944 ), por ejemplo, considera que el mercado mismo se negocia y moldea constantemente según las formas en que se gobiernan los diferentes actores creadores de valor. Señala: «El camino hacia el libre mercado se abrió y se mantuvo abierto gracias a un enorme aumento del intervencionismo continuo, centralizado y controlado» (144). Los mercados se consideran resultados de las estructuras de gobernanza, moldeados por el Estado: están «integrados» en las estructuras sociales y políticas (EvansCitación1995 ). La noción de que los Estados nivelan el campo de juego también es cuestionada por Keynes (Citación1926 ) consideraba que el gobierno debía abordar principalmente las áreas desatendidas que requieren acción. En su opinión, «Lo importante para el gobierno no es hacer lo que los individuos ya hacen, ni hacerlo un poco mejor o un poco peor, sino hacer lo que actualmente no se hace en absoluto». Esta tarea requiere visión y el deseo de lograr resultados.
Incluso desde un punto de vista filosófico contemporáneo, la noción tradicional de mercados ha permanecido indiscutible. Sandel (Citación2020 ) La crítica de la mercantilización de áreas como la atención, por ejemplo, acepta una noción del mercado como algo «dado» y «fijo», una interpretación acorde con el mismo enfoque que critica provisionalmente. En definitiva, no ofrece una teoría sobre cómo los propios mercados pueden orientarse hacia el bien común, sino que los interpreta como inevitablemente productores de resultados insatisfactorios que las instituciones públicas deben compensar. La pregunta que queda sin respuesta es cómo los propios mercados pueden ser moldeados —por el Estado y otros actores— para producir resultados satisfactorios acordes con el bien común. Este enfoque requiere un «cambio ontológico» mediante el cual los mercados no se consideren como fenómenos autónomos, sino como resultados de las interacciones entre todos los actores involucrados (Mazzucato y Ryan-Collins).Citación2022 , 356).
Repensar el papel del Estado en la configuración de las economías de mercado modernas requiere una teoría subyacente del valor público, una teoría que no se crea exclusivamente dentro o fuera del sector privado, sino que se centra en cómo las organizaciones públicas interactúan con los actores privados y de la sociedad civil para abordar los principales desafíos que enfrenta la sociedad. Como Bozeman (Citación2007 , 15) lo planteó así: «¿Se han proporcionado o garantizado esos valores públicos respaldados por la sociedad?». Sin embargo, el valor público no debe limitarse al rol del gobierno en la formación de consensos. Para que el valor público realmente sirva al público, es fundamental encontrar nuevas formas interactivas de interactuar con él. En lugar de buscar el consenso, debe reconocerse que el valor público es inherentemente controvertido en el ámbito político, donde «los intereses divergentes se resuelven y los conflictos y las discusiones conducen a la decisión y la acción» (Stewart y Ranson).Citación1988 ). Encontrar nuevas formas de interactuar con el público es clave para que la sociedad pueda crear valor colectivamente (Leadbeater).Citación2018 ).
Para ser el resultado de la imaginación colectiva y la presión de los movimientos sociales, el bien común debe basarse en una concepción del valor público negociada y generada colectivamente por una variedad de partes interesadas. Nota
Solo reorientando nuestra economía —con el valor público como eje central de la producción, la distribución y el consumo— se podrá moldear y cocrear para generar resultados más inclusivos y sostenibles. Si bien la pregunta tradicional que define los bienes públicos es la de la exclusividad y la rivalidad, la pregunta clave para el concepto más amplio del bien común es el valor público .
4.2. Cinco pilares para el bien común
Un enfoque renovado del bien común, planteado como un objetivo colectivo más que como una corrección, se centra tanto en el «cómo» como en el «qué». Puede guiarse por una visión del gobierno que moldea el mercado, impulsada por el valor público. Como Figura 2Como se ilustra, el primer pilar, propósito y direccionalidad, puede promover políticas orientadas a resultados que beneficien al interés común. El segundo pilar, cocreación y participación, permite a la ciudadanía y a las partes interesadas participar en debates, discusiones y consensos que aportan diferentes voces. El tercer pilar, aprendizaje colectivo e intercambio de conocimientos, puede ayudar a diseñar verdaderas alianzas orientadas a un propósito que impulsen la inteligencia colectiva y el intercambio de conocimientos. El cuarto pilar, acceso para todos y reparto de recompensas, puede ser una forma de compartir los beneficios de la innovación y la inversión con todos los que asumen riesgos, ya sea mediante esquemas de participación accionaria, regalías, precios o fondos colectivos. El quinto pilar, transparencia y rendición de cuentas, puede garantizar la legitimidad y la participación públicas al hacer cumplir los compromisos entre todos los actores y alinearse con los mecanismos de evaluación.
Figura 2. El bien común (fuente: construcción del autor).
4.2.1. Propósito y direccionalidad
El primer pilar de un enfoque del bien común reconoce que el crecimiento no solo tiene un ritmo, sino también una dirección. Definir explícitamente una dirección hacia la cual diseñar políticas, formar alianzas público-privadas y promover la participación ciudadana es fundamental para configurar la economía al servicio del bien común. En otras palabras, este pilar consiste en alinear múltiples actividades y, al mismo tiempo, movilizar a actores dispuestos hacia un objetivo colectivo.
La noción de propósito y direccionalidad no se trata de eliminar la fricción, sino de establecer proactivamente una dirección ambiciosa. Si bien la teoría de los bienes públicos ha descuidado la cuestión de cómo se puede establecer una dirección con propósito, la investigación sobre RPC y los bienes comunes ha abordado con mayor eficacia la necesidad de expectativas alineadas en la gestión conjunta de recursos (Adhikari).Citación2021 ). De hecho, ha habido un creciente interés en las formas en que los objetivos compartidos inducen una cooperación autoorganizada que da como resultado resultados más sostenibles a largo plazo (Tu et al.Citación2023 ). Este trabajo también ha situado los ODS en el centro de las iniciativas lideradas por la comunidad como alternativa a la acción liderada por el Estado (Esteves et al.Citación2020 ). La pregunta que surge entonces es cómo estas consideraciones pueden orientar las decisiones que se deben establecer a mayor escala y por una gama más amplia de actores, como el Estado. Al plantear esta pregunta, el enfoque del bien común no aboga por la sustitución de las iniciativas comunitarias por las estatales. No respalda que los gobiernos establezcan una dirección con propósito mediante una toma de decisiones vertical, en la que imponen un objetivo mediante regulación y luego esperan a que se manifiesten los efectos. Más bien, considera una concepción renovada del Estado que promueve y fomenta dicha cocreación y participación en múltiples niveles.
La reflexión reciente sobre políticas orientadas a desafíos y misiones es un ejemplo de reorientación y dirección de la economía. Las misiones establecen objetivos claros que solo pueden lograrse mediante una cartera de proyectos e intervenciones políticas de apoyo, lo que estimula el desarrollo de diversas soluciones para afrontar grandes desafíos y recompensar a quienes están dispuestos a asumir riesgos. Los objetivos específicos, medibles y con plazos definidos son un componente fundamental del éxito de las misiones y una herramienta útil para ofrecer soluciones a desafíos que requieren una coordinación profunda (Mazzucato).Citación2018a ; Mazzucato, Ghosh y TorreeleCitación2021 ). Requieren alineación y colaboración entre la producción, la distribución y el consumo en diversos sectores y en múltiples escalas hacia objetivos socialmente deseables.
En el contexto de la arquitectura financiera internacional, el propósito y la direccionalidad no se refieren a «llenar el déficit de financiación», sino a promover un compromiso compartido con objetivos ambiciosos hacia los cuales se pueda dirigir la financiación.Utilizar misiones para alinear, por ejemplo, los más de 24 billones de dólares en bancos multilaterales de desarrollo y bancos nacionales podría crear orientaciones más coherentes en el sistema internacional (Mazzucato).Citación2023b ,Citación2023c ). Existe la oportunidad de garantizar la coordinación estratégica de políticas para facilitar el cambio estructural verde a nivel mundial. La forma en que se deliberan colectivamente las misiones se convierte en una cuestión clave.
4.2.2. Cocreación y participación
El segundo pilar, cocreación y participación, explicita la participación de las partes interesadas, participando no solo en la provisión, sino también en los procesos de toma de decisiones sobre lo que debería constituir un bien común. El énfasis en la cocreación pone de relieve la necesidad de contar con auténticas interfaces entre el sector público, el sector privado y la sociedad civil para movilizar la inteligencia colectiva. No solo ofrece una oportunidad, sino que también promueve la necesidad de involucrar a las partes interesadas en la determinación de una orientación colectiva. De esta manera, el principio aboga por un entorno que permita a todos participar y contribuir a la sociedad.
En la investigación económica sobre el bien público, la cuestión de la participación ha permanecido arraigada en la teoría de la elección pública, que intenta estudiar la toma de decisiones desde una perspectiva de eficiencia. En general, esta teoría ha abordado la cuestión de la participación considerando los costos asociados para los agentes económicos individuales al contribuir a la provisión de bienes públicos (Conlon y Pecorino).Citación2022 ; McGuireCitación1974 ). En relación con esto, la investigación ha analizado exhaustivamente las implicaciones de la competencia por el “beneficio neto” de los bienes públicos entre los grupos participantes (Katz, Nitzan y Rosenberg).Citación1990 ; Riaz, Shogren y JohnsonCitación1995 ). Si bien se prioriza la utilidad individual, se descuida en gran medida la consideración de los beneficios colectivos más allá de la pertenencia a un grupo. Sin embargo, la participación no solo en la provisión, sino también en los procesos de toma de decisiones sobre lo que debería constituir un bien común, es crucial.
Los sistemas sociales de acción colectiva y las relaciones que los constituyen han sido centrales en los estudios sobre los bienes comunes y los recursos de uso común (Albareda y SisonCitación2020 ; Brandtner, Douglas y KornbergerCitación2023 ; De AngelisCitación2017 ; LinebaughCitación2008 ). De hecho, se ha advertido sobre la institucionalización de la comunidad con respecto al mantenimiento y la protección de la organización comunitaria (Brandtner, Douglas y Kornberger).Citación2023 ; JacobsCitación1961 ). La gestión colectiva de recursos compartidos suele tener más éxito cuando se lleva a cabo a pequeña escala, como lo demuestra Ostrom (Citación2010 ) ella misma sugiere en su trabajo sobre gobernanza policéntrica.
La pregunta que queda, entonces, es cómo los modos colectivos de gobernanza pueden orientar nuestra forma de pensar sobre los desafíos globales, estructurados por una gama más amplia de intereses contrapuestos en diversos niveles: individual, regional, nacional e internacional. Al enfatizar la necesidad de cocreación y participación, el bien común establece un marco en el que las alianzas entre el Estado, las empresas y la sociedad civil son un componente crucial para orientar la economía en la dirección correcta. No se trata de imponer una regulación vertical o centralizada, sino de permitir que los procesos colectivos orienten las políticas públicas y la gobernanza transnacional.Nota5
Los ODS, por ejemplo, pueden beneficiarse de una perspectiva de bien común, ya que su legitimidad requiere la negociación del objetivo a cierto nivel. Es necesario incorporar diferentes voces para debatir qué significa lograr una economía equitativa, justa y sostenible, cocreada por actores de países desarrollados y en desarrollo.
¿Justicia según quién?
Las respuestas deben incluir las voces de los más marginados, ya sean comunidades indígenas, mujeres o personas de color que han quedado al margen del proceso de decidir qué hacer. Hirschman (Citación1970 )
El trabajo sobre la “voz” se centró en este problema y puede aplicarse a la forma en que nuestras instituciones internacionales deberían gobernarse de forma más democrática con actores del Sur y del Norte Globales en la mesa (Alami et al.Citación2023 ; MazzucatoCitación2023c ).Nota6
Como se analizó en la sección anterior, el principio del bien común tiene implicaciones importantes sobre cómo se expresan las voces cuando se aborda el sistema financiero internacional (MazzucatoCitación2023c ). El Sistema de Bretton Woods, que condujo a la creación del Fondo Monetario Internacional (FMI) y el Banco Mundial, ha perpetuado diversos grados de poder de negociación y estructuras de poder desequilibradas. Si bien ambas instituciones se presentaron como mecanismos de cooperación económica y desarrollo, en última instancia han reforzado la estructura jerárquica del sistema financiero global. El poder de decisión dentro de las instituciones financieras internacionales se distribuye de forma desigual, en beneficio de los países desarrollados más grandes.
4.2.3. Aprendizaje colectivo e intercambio de conocimientos
Cualquier tipo de creación colectiva requiere compartir conocimiento. La cuestión de cómo integrar el intercambio de conocimiento en la estructura de gobernanza subyacente es clave, ya sea en materia de derechos de propiedad intelectual, plataformas de acceso abierto o inversión en la capacidad de aprendizaje de las instituciones. El tercer pilar destaca la necesidad de alcanzar el bien común mediante procesos de colaboración y aprendizaje colectivo.
Al considerar el potencial del intercambio de conocimientos, el bien público y los estudios sobre bienes públicos universales, los estudios han centrado sus esfuerzos analíticos en el dilema del oportunista, en el cual los individuos pueden beneficiarse de recursos y proyectos colectivos sin haber contribuido ellos mismos (GartnerCitación2012 ; OlsonCitación1965 ). Basándose en la concepción subyacente de individuos racionales y que maximizan la utilidad, se teoriza que todo el grupo se ve impedido de aprovechar todo el potencial de la inteligencia colectiva (Cabrera y Cabrera).Citación2002 ; Messick y BrewerCitación1983 ).
Esta concepción del individuo egoísta prioriza la competencia sobre la colaboración y no prioriza las consideraciones sobre cómo promover el aprendizaje colectivo y lograr un intercambio exitoso de conocimientos. Al mismo tiempo, Hess y Ostrom (Citación2007 ) El trabajo sobre los bienes comunes de conocimiento, si bien prioriza el aspecto colectivo, se ha caracterizado por ofrecer poca orientación normativa sobre cómo estructurar el intercambio de conocimientos, particularmente con respecto a la propiedad intelectual (PI) (ColeCitación2014 ). Basándose en este trabajo, este pilar ofrece algunas ideas sobre esto último, al tiempo que destaca la importancia de formalizar el intercambio de conocimientos a nivel global entre actores multilaterales y sobre derechos de propiedad intelectual.
Dados los bajos costos marginales de compartir el conocimiento, se debe maximizar el acceso al mismo para impulsar la innovación futura. De hecho, la evidencia muestra que la innovación ha ocurrido en muchos sectores sin derechos de propiedad intelectual (Scherer).Citación2015 ).
Si bien las patentes pueden ser necesarias para incentivar la innovación, permitiendo que las empresas se beneficien de las invenciones, la sobreprotección puede frenarla al bloquear el conocimiento técnico que la próxima generación de invenciones necesita para desarrollar.
En el contexto de la industria farmacéutica, por ejemplo, la innovación floreció antes del estricto régimen de propiedad intelectual actual (Dosi et al.).Citación2023 ).
Si bien los académicos de innovación han enfatizado los límites de los derechos de propiedad intelectual, se han mostrado tímidos a la hora de crear un cambio transformador (MachlupCitación1958 ).
Rikap y Lundvall (Citación2021 ) sostienen que los límites a la capacidad de los estudios de innovación para contrarrestar la rigurosidad de los derechos de propiedad intelectual se deben en parte a la forma en que el trabajo tardío de Schumpeter enfatizó la forma en que las grandes empresas con poder de mercado son más activas y exitosas en la organización de la innovación que las pequeñas empresas involucradas en una intensa competencia de precios (Rikap y LundvallCitación2021 ; SchumpeterCitación1942 ). De hecho, la literatura schumpeteriana/evolucionista, si bien se centra en el lado «sistémico» de la innovación, no ha podido desacreditar la comprensión más general de los mercados en economía, de modo que incluso las instituciones de innovación se consideran como correctoras de fallas del sistema (excepto Nelson).Citación2022 ).
En cualquier caso, las patentes deben considerarse desde una perspectiva de gobernanza del conocimiento, no solo desde una perspectiva de incentivos a la innovación (Consejo de la OMS sobre la Economía de la Salud para Todos).Citación2023 ).
Aquí Veblen’s (CitaciónLa noción de conocimiento como «capital común» (1908 ) es una contribución importante, que lo sitúa como un recurso acumulativo y colectivo, en lugar de una posesión individual. Considera las patentes como «un detrimento para la comunidad en general», limitando la aplicación y el desarrollo de la innovación al titular de la patente.
Por lo tanto, si los contratos se diseñan para ser demasiado amplios, rigurosos y preexistentes, la propiedad intelectual puede inhibir la difusión de conocimientos, tecnología e infraestructura cruciales (Mazzoleni y Nelson).Citación1998 ). Esto se hizo patente durante la pandemia de COVID-19, cuando algunas grandesfarmacéuticas no compartieron información protegida por propiedad intelectual que podría haber incrementado drásticamente la producción de vacunas. Además, los regímenes contemporáneos de propiedad intelectual siguen arraigados en las estructuras coloniales y tienden a reforzarlas. Modelados según las leyes occidentales y en beneficio de sus intereses, pueden ser un mecanismo fundamental de control económico cuando se aplican en países en desarrollo. La creación de conocimiento para el bien común debe establecer un nuevo marco legal para las patentes y demás propiedad intelectual que equilibre mejor los incentivos privados, el valvalor y el interés públicosara fomentar la inteligencia colectiva, las patentes deben ser débiles (fáciles de licenciar), limitadas (no utilizadas por razones puramente estratégicas) y no demasiado avanzadas (para que las herramientas de investigación permanezcan en acceso abierto).
4.2.4. Acceso para todos y reparto de recompensas
Gobernar la economía para el bien común implica, en primer lugar, que las condiciones sean las adecuadas, sin depender excesivamente del sistema tributario para redistribuir formas problemáticas de creación de riqueza que generan desigualdades estructuradas. La creación y la distribución deben considerarse dos caras de la misma moneda. El cuarto pilar enfatiza que se requiere una nueva forma de pensar para que las instituciones públicas puedan compartir no solo los riesgos, sino también las recompensas. Una relación equilibrada entre riesgo y recompensa no solo consiste en redistribuir ex post, sino también en garantizar proactivamente una distribución justa desde el principio, de forma predistributiva (Mazzucato).Citación2018b ).
Los estudios sobre bienes económicos han reconocido los desafíos de garantizar el acceso equitativo a recursos críticos. Al hacerlo, los estudios sobre bienes públicos han señalado la necesidad de medidas redistributivas como un medio fundamental para que los gobiernos contrarresten las fallas del mercado relacionadas con el acceso equitativo y las recompensas, como la búsqueda de rentas (Tullock).Citación2008 ). Sin embargo, la teoría de los bienes públicos a menudo ha pasado por alto las opciones proactivas que tienen los gobiernos para garantizar el acceso a ciertos recursos. En el estudio de los recursos comunes, una relación desequilibrada entre riesgo y recompensa, donde el acceso para todos permanece inalcanzable, es plasmada con gran éxito por Hardin.CitaciónEn 1968, aborda la tragedia de los comunes, captando el riesgo de sobreexplotación y degradación de los recursos de propiedad común. Si bien diversas perspectivas sobre la tragedia de los comunes han moldeado las teorías económicas del acceso abierto, desde una perspectiva explícitamente económica, estas siguen arraigadas en la teoría de los fallos del mercado y se centran en consideraciones de coste-efectividad más que de equidad (Stavins).Citación2010 ).
En muchos casos, las inversiones públicas se han convertido en obsequios para las empresas, enriqueciendo a las personas y a sus empresas, pero sin proporcionar acceso para todos ni una rentabilidad adecuada (directa o indirecta) a la economía ni al Estado. Esto es especialmente evidente en el caso de los productos farmacéuticos, donde los medicamentos financiados con fondos públicos resultan demasiado caros para el contribuyente (quien los financió) (Mazzucato).Citación2013 ; Mazzucato y otros.Citación2018 ).
Al permitir que el Estado conserve una parte de las recompensas generadas mediante un proceso al que contribuye, estas pueden reinvertirse en áreas que contribuyen directamente a una economía más inclusiva y sostenible. Esto puede ocurrir mediante medios financieros y no financieros. Los financieros pueden incluir participaciones en el capital, mientras que los no financieros pueden incluir la condicionalidad en la fijación de precios, así como la dirección de la inversión, haciendo que la producción sea más sostenible y que los trabajadores reciban una buena remuneración y un trato digno. La participación en las ganancias, por ejemplo, es una medida que puede facilitar la socialización de las recompensas. Reclamar una participación en las ganancias financieras de las operaciones públicas puede contribuir a la creación de un fondo para futuras inversiones e innovación (Laplane y Mazzucato).Citación2020 ). Imponer condicionalidades a la asignación de fondos públicos es otra medida que los gobiernos pueden adoptar para equilibrar los riesgos y las recompensas de la inversión pública (MazzucatoCitación2022 ).
4.2.5. Transparencia y rendición de cuentas
El quinto pilar, transparencia y rendición de cuentas, es fundamental para garantizar que la forma en que se gobierna la economía sea accesible y visible para todos los interesados. Para generar y mantener la confianza entre todos los actores de la sociedad civil, las organizaciones públicas deben comprometerse con la transparencia y aplicar una política de datos abiertos. Fortalecer los mecanismos de rendición de cuentas y transparencia puede ayudar a prevenir la malversación de fondos, la evasión fiscal y el fraude. El quinto pilar es crucial para la aplicación de los otros cuatro pilares del bien común.
Se han planteado cuestiones de rendición de cuentas tanto en la investigación sobre bienes públicos como en la de RCC y bienes comunes. La investigación sobre gobernanza policéntrica ha abordado los desafíos que la dispersión de responsabilidades plantea para exigir responsabilidades a los actores involucrados (Huitema et al.).Citación2009 ; LiebermanCitación2011 ). Inspirado por la investigación sobre administración pública, se ha enfatizado el papel de las condiciones institucionales en la rendición de cuentas de los gobiernos como un aspecto importante del funcionamiento de los sistemas policéntricos. La ausencia de mecanismos de rendición de cuentas en el contexto de la gestión de los recursos naturales, por ejemplo, permite que los grupos vulnerables se vean desproporcionadamente expuestos a los riesgos de las políticas de recursos naturales (Lebel et al.).Citación2006 ). La rendición de cuentas está estrechamente relacionada con el acceso equitativo y una relación equilibrada entre riesgos y recompensas. Los estudios sobre bienes públicos han hecho observaciones similares, en particular con respecto al problema del oportunismo y la acción colectiva que se manifiesta cuando no existen mecanismos de rendición de cuentas (TsaiCitación2007 ).
Las métricas de evaluación son cruciales para garantizar la rendición de cuentas y la transparencia, ya que sirven como herramienta para que las instituciones cumplan sus promesas y asuman la responsabilidad de sus acciones. Estas métricas sientan las bases para evaluaciones integrales del desempeño organizacional, como lo demuestran las evaluaciones realizadas en diversos sectores. Una evaluación de la contribución de la BBC al valor público ha demostrado que las evaluaciones no solo pueden promover la transparencia y exigir responsabilidades a las organizaciones, sino también evaluar si las instituciones generan valor público y se gobiernan en beneficio del público (Mazzucato, Kattel y Ryan-Collins).Citación2020 ).
Los marcos de evaluación dinámica proporcionan una comprensión más matizada de la creación de valor al considerar tanto las interacciones dentro del ecosistema como las estructuras de gobernanza que guían la toma de decisiones y los procesos de evaluación, reconociendo su interdependencia. Al adoptar estas métricas de evaluación, las organizaciones públicas pueden establecer un propósito y una dirección claros, minimizando el riesgo de influencia externa y garantizando un mayor enfoque en la rendición de cuentas y la transparencia en sus operaciones y evaluaciones.
En las últimas décadas, la externalización de funciones gubernamentales esenciales ha socavado cada vez más la rendición de cuentas del sector público. Si bien la escala y el alcance de la externalización han aumentado, la transparencia no ha aumentado (Kattel y Mazzucato).Citación2018 ; Mazzucato y CollingtonCitación2023 ). Cuando no se tiene confianza, es más probable que el Estado quede «capturado» y ceda ante los intereses privados. Al no asumir un papel de liderazgo, el Estado se convierte en un mal imitador de las conductas del sector privado, en lugar de una alternativa real. Examinar cómo se financia el bien común, así como sus procesos y resultados, puede promover una distribución más equitativa de los recursos globales. Promover modelos de financiación transparentes y responsables, así como procesos de reestructuración de la deuda, puede contribuir a garantizar un trato justo a los países deudores. La financiación a largo plazo para crear más margen fiscal que permita a los países de bajos ingresos realizar inversiones cruciales es clave para este cambio.
Un enfoque basado en los derechos humanos junto con un nuevo pensamiento económico puede ser una vía a través de la cual se puedan evocar legalmente la rendición de cuentas y la transparencia (Mazzucato y FarhaCitación2023 ). Si bien la concepción del bien común exige replantear el papel del gobierno, su éxito también dependerá de si los gobiernos se responsabilizan de sus obligaciones y responsabilidades en materia de derechos humanos y monitorean su progreso hacia el logro del bien común. La idea de los derechos humanos como garantía de la rendición de cuentas global dentro de los gobiernos nacionales y las instituciones internacionales también se ha reflejado en las concepciones del bien público global (p. ej., KimCitación2013 ). Las particularidades de esta visión conjunta constituyen un área importante de estudio ulterior para las investigaciones multifacéticas sobre la justicia de derechos.
5. Discusión y conclusión
El marco establecido en este artículo ha proporcionado una revisión sistemática y una reconceptualización de los pasos necesarios que pueden dar los actores económicos para crear valor público y, al mismo tiempo, alcanzar objetivos deliberados colectivamente. El artículo ha demostrado que, dada la creciente atención a la necesidad de dichos objetivos comunes, la tradición filosófica del bien común, centrada en la obligación «relacional» y el interés mutuo, puede ofrecer una guía útil. Los estudios previos sobre el bien económico no han considerado suficientemente la gobernanza de los objetivos colectivos ni el papel inherente a la preocupación mutua, en lugar de la privada. Situar el bien común en el centro de la gobernanza empodera y alienta a gobiernos, empresas y sociedad civil a configurar activamente los mercados e incorporar el valor público en la coordinación necesaria para alcanzar objetivos comunes.
Si se pretende abordar problemas como el calentamiento global, la vacunación global y la crisis del agua como problemas globales que requieren una acción colectiva, es necesario considerarlos no como imperfecciones de un sistema que, por lo demás, funciona perfectamente, sino como una deficiencia en la comprensión (teoría) y, por consiguiente, en el diseño (práctica) del propio sistema. La COVID-19 ilustra las implicaciones de una economía política para el bien común (Consejo de la OMS sobre la Economía de la Salud para Todos).Citación2023 ). Durante la pandemia, se prestó muy poca atención a cómo un objetivo común (la vacunación mundial) puede orientar el diseño de la colaboración entre actores públicos y privados (Mazzucato et al.Citación2021 ; Torreele y otros.Citación2023 ). Si el objetivo hubiera sido la vacunación mundial, en lugar de las vacunas, se habría tenido mucho más cuidado al diseñar los derechos de propiedad intelectual para que fueran menos extractivos (es decir, menos sólidos, amplios y prioritarios) y al asegurar que los fondos públicos de alto riesgo proporcionados en las etapas iniciales estuvieran condicionados al intercambio de conocimientos y a las cuestiones de acceso. Al posicionar la vacunación mundial como el «qué», los cinco pilares del bien común habrían proporcionado una guía crucial sobre el «cómo».
Los cinco principios se convierten en áreas activas no solo para la formulación de políticas, sino también para las habilidades que necesitan los gobiernos para gobernar en beneficio del interés público. La incorporación exitosa de los principios del bien común depende de la capacidad dinámica del Estado para desempeñar funciones políticas esenciales, desde la prestación de servicios públicos hasta el diseño e implementación de políticas (Kattel y Mazzucato).Citación2018 ; Mazzucato y KattelCitación2020 ; Mazzucato y otros.Citación2021 ). De hecho, las capacidades dinámicas no guardan relación con el tamaño del gobierno, sino que están estrechamente asociadas con las inversiones realizadas dentro del sector público para que sea más creativo, ágil y flexible (Kattel, Drechsler y Karo).Citación2022 ). Una de las lecciones de la crisis de la COVID-19 fue cómo la capacidad de los gobiernos para gestionarla dependía de las inversiones acumuladas en la capacidad de gobernar, hacer y gestionar, incluidas las inversiones en gobernanza digital para el componente «infodémico» de la crisis (Mazzucato, Ghosh y Torreele).Citación2021 ). Si bien la crisis fue grave para todos, fue especialmente un desafío para los países que ignoraron las inversiones necesarias en sus capacidades dinámicas y/o aquellos que, en cambio, optaron por externalizar esa capacidad a consultores (Mazzucato y Collington).Citación2023 ). Un elemento crucial para gobernar las economías hacia el bien común es, por tanto, el desarrollo de capacidades dinámicas asociadas dentro del Estado.
Los principios del bien común aquí descritos no pretenden reemplazar las ideas previas sobre los bienes públicos y los comunes, sino complementarlas proporcionando un marco que guíe una relación simbiótica entre los actores económicos. Esta perspectiva reconoce que ningún actor, ya sea el gobierno, las empresas o la sociedad civil, debe considerarse más importante o capaz que otro para crear valor. Involucrar a estos actores de forma cooperativa para resolver problemas planteados y resueltos colectivamente resulta crucial para abordar los complejos desafíos que definen el siglo XXI .Al fomentar un enfoque colaborativo, donde el conocimiento se comparte, las recompensas se socializan y la rendición de cuentas y la transparencia son prioritarias, el bien común puede guiar eficazmente a los actores sociales hacia la creación de valor público que no solo sea compartido, sino también sostenible
La alfabetización en salud como determinante independiente de la salud
El examen más sustancial de la relación entre la alfabetización en salud y los resultados de salud proviene del trabajo realizado como parte de la Encuesta Europea de Alfabetización en Salud (HLS-EU) ( 61 , 63 ). La HLS-EU es el estudio internacional más completo de la prevalencia poblacional de la alfabetización en salud. Realizado en 2011 en ocho países europeos, ha proporcionado un rico conjunto de datos que respalda el examen de la relación entre la alfabetización en salud y una amplia gama de características sociales y demográficas, y permite un estudio comparativo internacional. Pelikan y colegas han examinado sistemáticamente los datos para investigar si la alfabetización en salud es un determinante independiente de la salud, una variable mediadora entre otros determinantes y la salud, o una variable moderadora de los efectos de otros determinantes sobre la salud ( 52 ).
En este análisis, Pelikan et al. ( 61 ) compararon la alfabetización en salud «integral» (medida por HLS-EU) ( 63 ) con la alfabetización en salud «funcional» utilizando la medida Newest Vital Sign (NVS) ( 71 ) y utilizaron una sola pregunta sobre la salud autoevaluada como variable dependiente. Después de un análisis exhaustivo, los investigadores concluyeron que la alfabetización en salud integral medida por HLS-EU impacta la salud principalmente como un determinante directo y que solo una parte de su impacto tiene lugar por moderación o mediación de otros determinantes de la salud. No se observaron las mismas relaciones cuando solo se utilizó la medida NVS más limitada para el análisis.
El estudio halló algunos puntos en común al evaluar esta relación en diferentes países, pero la fuerza de la asociación varió considerablemente. Los autores señalaron que estas variaciones eran previsibles «para un concepto integral de alfabetización en salud, que se considera específico del contenido y el contexto» ( 52 ), pero eran difíciles de interpretar sin una mayor comprensión de las características sociales de los países y sus sistemas de salud.
Los hallazgos proporcionan evidencia, aunque limitada, de que, para las poblaciones de ocho países europeos, la alfabetización integral en salud es un determinante relevante, independiente y directo de la salud autoevaluada ( 52 , p. 65). Este efecto se observó independientemente de otros indicadores demográficos y socioeconómicos.
La alfabetización en salud como determinante mediador de la salud
Desde que se publicó Pelikan et al. ( 52 ), una excelente revisión de Stormacq y colegas examinó con más detalle la relación mediadora entre el estado socioeconómico, la alfabetización en salud y diferentes resultados de salud ( 64 ). Su revisión se basó en 16 artículos y se basó en revisiones anteriores de Paasche-Orlow ( 49 ) y Mantwill ( 32 ). Ambas revisiones anteriores consideraron características socioeconómicas y sociodemográficas (raciales y relacionadas con el género) que se asociaron con una alfabetización en salud deficiente. Ambas proporcionaron importantes conocimientos teóricos sobre la existencia de la relación, pero ninguna examinó completamente la naturaleza de la relación. El artículo de Stormacq confirmó que algunos determinantes sociales establecidos tienen un impacto en la alfabetización en salud individual y poblacional. Las personas con mayores niveles de logro educativo, mejores trabajos e ingresos más altos tienden a tener mejor acceso a la información de salud y mejor acceso a recursos con los que actuar en función de esta información ( 64 ).
Una característica distintiva importante del artículo de Stormacq es su enfoque en el posible papel mediador de la alfabetización en salud. Comprender con mayor detalle la naturaleza de esta relación observable es importante para considerar las posibles medidas de respuesta. La revisión indica que las malas condiciones socioeconómicas se asocian sistemáticamente con una menor alfabetización en salud en las poblaciones. Como era de esperar, la asociación más fuerte se encuentra entre el nivel educativo y la alfabetización en salud. Los ingresos, la ocupación y la raza/etnia también se asociaron sistemáticamente con la alfabetización en salud. Estos hallazgos coinciden con revisiones previas ( 32 , 49 ).
Stormacq y sus colegas ( 64 ) van más allá al proponer un «papel mediador parcial» de la alfabetización en salud en la relación entre los determinantes socioeconómicos y los resultados de salud observados. Específicamente, los autores indican que la alfabetización en salud media la asociación entre el estatus socioeconómico y resultados de salud específicos, comportamientos relacionados con la salud, y el acceso y uso de los servicios de salud ( 64 ). Siguiendo esta hipótesis, proponen que una mejor alfabetización en salud puede potencialmente mitigar el efecto de ciertos determinantes socioeconómicos subyacentes que contribuyen a las disparidades en salud.
Esta relación sugiere que la alfabetización en salud puede ser una variable que influye en la relación entre las malas condiciones socioeconómicas y los subsiguientes resultados de salud deficientes, y que es más susceptible de cambio inmediato que otras condiciones socioeconómicas. Los autores concluyen que fortalecer la alfabetización en salud en la población y hacer que los servicios de salud sean más accesibles para las personas con baja alfabetización en salud puede ser una estrategia práctica para reducir las disparidades y promover una mayor equidad en salud.
Estos hallazgos, junto con los de Pelikan y otros ( 22 , 31 , 37 , 55 ), quienes han examinado la relación entre la alfabetización en salud y los determinantes sociales de la salud, indican que la relación es bastante compleja. Además de seguir un gradiente social, es probable que la alfabetización en salud también se distribuya a través de las redes familiares y sociales ( 23 ).
Los estudios que informan sobre esta relación han reconocido desafíos metodológicos significativos asociados con la medición (incluyendo, en particular, la medición de la alfabetización en salud) y las limitaciones de las encuestas transversales. La investigación y el debate continuarán sobre la naturaleza y la fuerza de la relación entre la alfabetización en salud y otros determinantes sociales. Un hecho permanece claro: todas las encuestas nacionales de población informadas han proporcionado evidencia consistente de un gradiente social en la alfabetización en salud asociado con otros indicadores de desventaja social y económica ( 32 , 49 , 61 ). Tanto Pelikan como Stormacq argumentan que la alfabetización en salud es una influencia potencialmente modificable en los determinantes sociales de la salud que podría contribuir a mejoras en las disparidades en salud y potencialmente ofrecer una intervención intermedia para abordar la inequidad en salud.
Como palabra final sobre este tema, Stormacq y colegas ( 64 , p. e14) señalan que “las intervenciones que tienen como objetivo aumentar la alfabetización en salud o que tienen en cuenta la baja alfabetización en salud de las personas no sacarán a las personas de condiciones socioeconómicas desfavorecidas, pero pueden considerarse como una estrategia ‘intermedia’ para reducir el impacto de los determinantes socioeconómicos ‘ascendentes’ en las disparidades ‘descendentes’ en salud”. Si bien sin duda existe cierto alcance para mejorar la equidad en salud mediante intervenciones que aborden la baja alfabetización en salud y ayuden a desarrollar la alfabetización en salud crítica en las poblaciones, este enfoque no debe considerarse como un sustituto de la necesidad de abordar las causas profundas de la inequidad (“las causas de las causas”) ( 12 , 34 , 35 ) y la necesidad de abordar las inequidades subyacentes en la distribución del poder, los recursos y las oportunidades.
Si bien el volumen de investigaciones publicadas sobre alfabetización en salud continúa creciendo rápidamente, la proporción de investigaciones que informan sobre intervenciones para abordarla sigue siendo extremadamente baja. En los últimos 20 años, el número de estudios que describen enfoques prácticos para abordar la alfabetización en salud en diferentes poblaciones clínicas y comunitarias ha experimentado un crecimiento modesto ( 5 , 6 , 21 , 26 , 45 , 59 , 70 ).
La categorización de la alfabetización en salud funcional, interactiva y crítica proporciona un marco para revisar las intervenciones destinadas a abordar la alfabetización en salud. Mejorar la alfabetización en salud funcional (desarrollar habilidades específicas para gestionar las actividades prescritas) a menudo es necesario para cumplir con los objetivos inmediatos y necesarios de la atención clínica y algunas prioridades de salud pública ( 4 ). En tales circunstancias, las personas necesitan el conocimiento y las habilidades requeridas para lograr resultados que son determinados principalmente por quienes brindan atención médica o quienes persiguen objetivos de salud pública. Por el contrario, ayudar a las personas a desarrollar alfabetización en salud interactiva y crítica requiere el desarrollo de habilidades transferibles, un compromiso con la toma de decisiones compartida y autonomía. Estas habilidades transferibles, que incluyen obtener, comprender, interpretar y actuar sobre la información de salud, permiten a las personas participar y tomar decisiones de salud en una variedad de contextos. Desarrollar estas habilidades transferibles ofrece una mayor oportunidad de optimizar la contribución que hace la alfabetización en salud al mediar en las causas y los efectos de la inequidad en salud en comparación con las habilidades más funcionales necesarias para gestionar las actividades prescritas.
Las mejoras en la alfabetización en salud pueden evaluarse midiendo los cambios tanto en las habilidades específicas requeridas por un individuo en un punto de toma de decisiones como en las habilidades transferibles más genéricas que permiten una toma de decisiones de salud bien informada y más autónoma. Las diferencias en los métodos de comunicación, los medios y el contenido darán como resultado diferentes resultados de aprendizaje y resultados conductuales y de salud asociados. Reconocer que las respuestas individuales a la información y la educación serán moderadas por el entorno en el que ocurren también ha llevado a intervenciones e investigaciones relacionadas que se centran en reducir las demandas y complejidades situacionales que experimentan los pacientes y el público en sus intentos de obtener, comprender y utilizar la información de salud ( 51 ). Esto ha incluido la atención a la educación de los profesionales de la salud, así como las intervenciones para reducir la complejidad organizacional que enfrentan las personas que utilizan los servicios de salud o buscan información de salud ( 10 , 39 ).
Intervenciones en entornos de atención sanitaria
Con algunas excepciones, la mayoría de las intervenciones publicadas se han centrado en mejorar la comunicación con los pacientes en entornos clínicos, con el objetivo de apoyar la alfabetización en salud funcional dirigida a tareas. La alfabetización en salud baja o inadecuada se considera un riesgo, y las intervenciones están destinadas a mitigar los efectos de la baja alfabetización en salud en la capacidad de los pacientes (y sus cuidadores) para responder correctamente a los consejos e instrucciones relacionados con su atención médica; el objetivo es ayudar a los pacientes a gestionar con más éxito los desafíos clínicos comunes, como la adherencia a la medicación, el autocontrol de las enfermedades crónicas y las instrucciones para el alta hospitalaria. A medida que ha aumentado el número de estudios de intervención informados, se han publicado varias revisiones útiles ( 26 , 59 , 70 ). Tomadas en su conjunto, estas revisiones proporcionan evidencia ampliamente consistente de que la comprensión de la información y los consejos de salud entre las personas con baja alfabetización en salud se puede mejorar mediante modificaciones en la comunicación y otras intervenciones de estrategia mixta, y que la comprensión mejorada conduce a mejores resultados para los pacientes y a un mejor uso del sistema de salud.
Las revisiones mencionadas anteriormente, y los proyectos individuales en los que se basan, proporcionan una guía práctica, clara y coherente sobre cómo reducir las demandas de alfabetización de los materiales escritos, por ejemplo, mediante el uso de pictogramas y otros dispositivos para una comunicación más efectiva ( 59 ) junto con técnicas prácticas para mejorar la comunicación cara a cara, incluido el «teach-back» ( 26 ). El teach-back es una técnica de comunicación ampliamente utilizada para confirmar que el médico le ha explicado a un paciente lo que es importante y lo ha explicado de una manera que el paciente entiende. La comprensión del paciente se confirma cuando el paciente lo explica con sus propias palabras al médico. Las revisiones también han identificado diferentes formatos de comunicación (por ejemplo, texto ilustrado, animaciones habladas) que son más útiles para adultos con menor alfabetización en salud ( 70 ). Algunos estudios abordaron las necesidades de los grupos sociales que están en alto riesgo y pueden haber tenido un impacto positivo desproporcionado en estos grupos. Sin embargo, a medida que aumenta esta evidencia, el argumento para adoptar precauciones universales se ha fortalecido progresivamente. Las precauciones universales de alfabetización en salud se definen como los pasos que toman los consultorios cuando asumen que todos los pacientes pueden tener dificultades para comprender la información de salud y acceder a la atención médica en la comunicación de salud ( 13 ).
La evidencia de estos estudios ha demostrado que las intervenciones para mejorar la comunicación con los pacientes y con sus cuidadores que están en contacto con los profesionales de la salud resultan en una mayor seguridad del paciente y la calidad de la atención médica. La mejor evidencia disponible demuestra la necesidad de implementar en la práctica universal lo que ya sabemos que es efectivo, mientras continuamos investigando enfoques nuevos y alternativos para la comunicación en salud. Este esfuerzo incluye una atención continua a la provisión de información y la entrega de contenido en un formato adaptado a las necesidades individuales de los pacientes, incluyendo, y especialmente, el uso de plataformas digitales para algunos pacientes ( 60 ).
A pesar del progreso evidente, las limitaciones en la comunicación con los pacientes que experimentan muchos profesionales sanitarios de primera línea (en cuanto a limitaciones de tiempo, recursos de comunicación y políticas organizativas) a menudo dificultan el uso en la práctica de materiales y métodos de comunicación más eficaces (como la retroalimentación). El desafío actual radica menos en qué hacer y más en cómo establecer sistemáticamente una práctica eficaz en la atención clínica diaria.
Educación y formación de profesionales de primera línea
En respuesta a la necesidad de capacitación adicional, se han diseñado cada vez más programas para desarrollar las habilidades de alfabetización en salud de los profesionales de la salud de primera línea, tanto en la formación inicial como en el desarrollo profesional continuo. Las revisiones de artículos publicados sobre programas de alfabetización en salud para profesionales de la salud en ejercicio (principalmente de Estados Unidos) revelaron que se habían desarrollado diversos planes de estudio de alfabetización en salud ( 17 , 28 ). Como era de esperar, pocos programas de alfabetización en salud para profesionales de la salud han publicado evaluaciones ( 17 ).
Se pueden encontrar iniciativas similares en la formación de profesionales sanitarios en formación. En una revisión sistemática que evaluó el impacto de la formación en alfabetización sanitaria para una amplia gama de estudiantes de profesiones sanitarias, Saunders et al. informaron resultados abrumadoramente positivos, incluyendo aumentos en el conocimiento, las habilidades autoevaluadas y los niveles de confianza de los estudiantes ( 56 ). La última década puede considerarse en gran medida experimental, pero el aprendizaje derivado de estas experiencias debe consolidarse y normalizarse dentro de los planes de estudio profesionales sanitarios estándar y el desarrollo profesional continuo.
Reducir la complejidad de las organizaciones de atención médica
Junto con los esfuerzos por mejorar las habilidades de comunicación de los profesionales de la salud, se ha prestado cada vez más atención a las intervenciones diseñadas para reducir de forma más directa la complejidad organizativa de los sistemas de salud. Las características de las organizaciones de atención médica que facilitan la navegación y el uso de la atención médica se conocen como alfabetización sanitaria organizacional (OHL). Las investigaciones emergentes sobre OHL exploran las características de las organizaciones alfabetizadas en salud, así como las barreras en las organizaciones de salud que dificultan la navegación, la comprensión y el uso exitosos de la información y los servicios de salud por parte de los pacientes y el público ( 10 , 50 ). Se ha propuesto una variedad de modelos y estrategias prácticas para ayudar a crear organizaciones alfabetizadas en salud que reduzcan las demandas y complejidades que enfrentan las personas que interactúan con esas organizaciones y los profesionales de la salud (p. ej., 10 , 24 , 67 ). Los «diez atributos de una organización alfabetizada en salud» son los más conocidos de estos modelos ( 10 ). Sin embargo, han sido criticados por ser de alto nivel, amplios, difíciles de implementar y no dar como resultado evidencia de intervenciones efectivas ( 30 ). Meggetto y sus colegas ( 39 ) realizaron una revisión reciente para comprender cómo y por qué la implementación de la alfabetización en salud contribuyó a cambios en la misma y por qué las intervenciones fueron más efectivas en algunos contextos que en otros. Descubrieron que la secuencia de implementación es importante. El liderazgo ejecutivo que demuestra compromiso con la alfabetización en salud, cuenta con una fuerza laboral capacitada en la práctica de la alfabetización en salud e integra intervenciones de alfabetización en salud en las prácticas existentes debe implementarse primero ( 39 ). La realización de estos atributos proporciona el contexto y el clima para la implementación de otros atributos de las organizaciones con alfabetización en salud.
Si bien algunas intervenciones de alfabetización en salud en entornos de atención médica buscan, sin duda, desarrollar habilidades de alfabetización en salud que tengan una aplicación más allá de las necesidades inmediatas de los pacientes, la mayoría de los estudios publicados se centran, comprensiblemente, en el desarrollo y la aplicación de habilidades específicas con funcionalidad inmediata, reconociendo que una alfabetización en salud deficiente constituye un riesgo para la eficacia de la atención clínica. Si bien estas intervenciones pueden tener un impacto en las desigualdades en salud, este es incidental, más que una característica central de su diseño e implementación. Actualmente, existe poca evidencia de que las intervenciones de alfabetización clínica en salud se utilicen deliberadamente como intervenciones intermedias destinadas a abordar las desigualdades en salud.
Intervenciones con poblaciones comunitarias
Los informes sobre intervenciones de alfabetización en salud con poblaciones comunitarias (no clínicas) aún no son tan comunes en la literatura publicada como los de poblaciones clínicas. Dos revisiones han intentado resumir el estado actual del conocimiento, las lecciones aprendidas y las futuras orientaciones ( 5 , 45 ). Estas revisiones ofrecen una guía útil sobre la práctica actual y las futuras orientaciones para la investigación y la práctica.
Ambas revisiones identificaron que las personas pueden acceder a información sobre su salud a través de diversas fuentes, como profesionales de la salud, medios de comunicación convencionales y grupos familiares y sociales. Cada vez más, las personas utilizan internet y las aplicaciones móviles para acceder a información sanitaria ( 29 ), lo que ha requerido el desarrollo de diferentes habilidades contextuales para obtener, comprender y utilizar la información sanitaria, a veces denominadas alfabetización digital en salud ( 8 ). El uso de medios digitales para obtener información sanitaria es actualmente más común entre personas jóvenes, con estudios y recursos económicos ( 9 , 60 ).
A diferencia del pasado, obtener acceso a información de salud es mucho menos problemático para la mayoría de las personas. El desafío a menudo radica en identificar fuentes de información confiables y fiables. Internet y las redes sociales han facilitado el acceso no solo a información de salud de calidad, sino también a información y opiniones que son inexactas, deliberadamente engañosas o impulsadas por motivos comerciales. Una revisión de la información y la desinformación de salud en línea realizada por Swire-Thompson & Lazer en 2020 reconoció que la calidad de la información en línea es problemática ( 66 ). Los revisores sugieren estrategias duales para, primero, mejorar la calidad y la accesibilidad del ecosistema de información en línea y, segundo, ayudar a la población en general a navegar de manera efectiva a fuentes de información confiables. Los autores identifican algunos ejemplos de intervenciones que incorporan estas habilidades de alfabetización en eSalud ( 66 ), y están surgiendo otros ejemplos, especialmente en Europa ( 20 ).
La revisión de Nutbeam y Muscat ( 46 ) destaca el peligro de combinar las intervenciones tradicionales de educación para la salud, basadas en un marco de conocimiento, actitud y práctica (CAP) establecido desde hace mucho tiempo, con intervenciones diseñadas para mejorar la alfabetización en salud, argumentando que dichas intervenciones no siempre reflejan los métodos orientados a las habilidades y las teorías de aprendizaje que se requieren para desarrollar la alfabetización en salud interactiva y crítica ( 46 ). Los autores también argumentan que el uso de medidas proxy que se limitan a la mejora del conocimiento puede presentar un riesgo de que la «alfabetización en salud» se esté utilizando como una etiqueta conveniente y contemporánea para describir intervenciones de educación para la salud más tradicionales dirigidas a tareas, en sí misma una forma de deriva en el estilo de vida.
En conjunto, estas revisiones proporcionan evidencia consistente de la viabilidad y la posible eficacia de las intervenciones de alfabetización en salud realizadas con las comunidades y en entornos comunitarios. Si bien es indudable que la educación para la salud tradicional basada en el conocimiento está cambiando su imagen, cada vez hay más evidencia que indica que es posible que los profesionales de primera línea en salud y educación trabajen con grupos comunitarios para desarrollar habilidades transferibles de alfabetización en salud. Estas habilidades pueden tener una aplicación inmediata y permitir que las personas y las comunidades interactúen de forma más interactiva y crítica con información sobre su salud proveniente de diferentes fuentes y en una amplia variedad de situaciones. Esta forma de intervención para mejorar la alfabetización en salud crítica puede ofrecer el mayor potencial para optimizar el impacto intermedio de la alfabetización en salud en los determinantes sociales de la salud. Es evidente que se necesita mucho más trabajo para desarrollar intervenciones replicables, una mejor medición de la alfabetización en salud y metodologías de evaluación sólidas.
La evidencia presentada en esta revisión demuestra la viabilidad de implementar intervenciones para mejorar la alfabetización en salud en poblaciones clínicas y comunitarias. Varias intervenciones fueron diseñadas y entregadas para satisfacer las necesidades de las poblaciones de mayor riesgo, demostrando la viabilidad de adaptar las intervenciones para abordar riesgos y necesidades específicos. La mayoría de estas intervenciones reflejaron una conceptualización de la (baja) alfabetización en salud como un riesgo que podría manejarse mejor a través de una intervención exitosa. Relativamente pocas fueron dirigidas al desarrollo de habilidades más genéricas y transferibles (alfabetización en salud como un activo personal y comunitario). Estas habilidades y capacidades en última instancia permiten a las personas ejercer un mayor control sobre su salud y los factores que la moldean ( 43 ). Como tal, el potencial para mejorar la alfabetización en salud para servir como un mecanismo de mediación/moderación para abordar los determinantes sociales sigue siendo subdesarrollado y en gran medida sin probar.
Dirigirse a las poblaciones de alto riesgo es una respuesta bien establecida a la desventaja identificable en comunidades definidas ( 65 ). Por sí solo, dirigirse a las poblaciones de alto riesgo puede considerarse una respuesta necesaria pero insuficiente a las inequidades subyacentes en la distribución del poder, los recursos y las oportunidades. Además de implementar intervenciones dirigidas a grupos de riesgo definidos, se requieren respuestas más sistemáticas que respalden la mejora de la alfabetización en salud de manera diferencial a lo largo del gradiente social; este concepto a menudo se conoce como universalismo proporcionado ( 15 ). Dicho enfoque se basa en brindar servicios y recursos de salud universalmente accesibles (incluido el acceso a la información de salud y la participación en ella) con una escala e intensidad proporcionales al nivel de desventaja. En pocas palabras, las intervenciones de alfabetización en salud deben ser accesibles, claras, comprensibles y utilizables para todos en la población, pero centradas en particular en llegar e involucrar a los grupos de población afectados de manera desproporcionada por una baja alfabetización en salud. Este objetivo es sutil pero significativamente diferente de la adopción de precauciones universales.
En respuesta a una mejor comprensión de la importancia de la alfabetización en salud como una influencia potencialmente modificable en la calidad y seguridad clínica, y en los determinantes sociales de la salud, países tan diversos como Estados Unidos, China, Alemania, Escocia y Australia han adoptado estrategias y planes nacionales para mejorar la alfabetización en salud en sus poblaciones ( 2 , 40 , 42 , 57 , 68 , 69 ). Cada una de estas políticas y estrategias nacionales existentes tiene diferentes orígenes y procesos que reflejan los diversos contextos políticos y del sistema de salud en los que se han desarrollado. Las respuestas de los gobiernos han variado desde pautas y estándares estructurados para las organizaciones de atención médica, como en Australia ( 3 ), hasta acciones prácticas [como los proyectos de demostración específicos identificados en la estrategia de China ( 40 )] hasta declaraciones más ambiciosas, como las que se reflejan en la estrategia de los EE. UU. ( 69 ). Todos reconocen la importancia de la educación profesional para mejorar la calidad de las comunicaciones de salud dentro del sistema de atención médica. Las respuestas de la mayoría de los países presentan la alfabetización en salud como un desafío universal (que afecta a todos los pacientes y/o comunidades), y algunos también identifican grupos con mayor prioridad para mejorarla. Ninguna adopta, explícitamente (ni implícitamente), los principios del universalismo proporcionado.
La existencia misma de estas políticas y estrategias nacionales de alfabetización en salud indica que los gobiernos de diferentes partes del mundo han reconocido la necesidad de responder a los desafíos personales y sociales que representa la alfabetización en salud inadecuada en las poblaciones. Hay muchos aspectos positivos en estos ejemplos actuales: el reconocimiento público del desafío de mejorar la alfabetización en salud, la prioridad otorgada al sistema de salud y el estímulo para mejorar la educación y la capacitación del personal de primera línea en el sistema de salud (y más allá). Dicho esto, existe una variabilidad significativa en el vínculo entre los recursos para estrategias y acciones específicas, en los sistemas para monitorear el progreso y en la rendición de cuentas por el progreso ( 68 ).
Esta falta de especificidad refleja, sin duda, la incertidumbre sobre los enfoques más eficaces para abordar la alfabetización en salud en poblaciones (en lugar de en pacientes individuales). A su vez, estas incertidumbres reflejan deficiencias en el volumen, la calidad y la consistencia de la evidencia actual que respalda la elección de diversas acciones y prioridades. La escasa disponibilidad de evidencia derivada de la investigación intervencionista sigue siendo preocupante. Sin una atención específica, esta escasez de evidencia puede suponer un riesgo para el compromiso a largo plazo de los gobiernos de mejorar la alfabetización en salud en las poblaciones.
Esta observación tiene implicaciones para futuras investigaciones, intervenciones y el desarrollo de políticas. La alfabetización en salud no es la panacea para las inequidades en salud, generadas principalmente por la mala distribución de oportunidades, recursos y poder. Sin embargo, es posible optimizar su contribución, tanto al mediar en las causas y los efectos de la inequidad como al empoderar a las personas para que ejerzan un mayor control sobre los determinantes de la salud. Las investigaciones y las pruebas de intervención reflejadas en esta revisión proporcionan una plataforma sustancial para el desarrollo futuro. El progreso logrado en la comprensión de cómo mejorar la alfabetización en salud entre las poblaciones clínicas en riesgo debe ir acompañado de un cambio progresivo en el equilibrio de las intervenciones en tres aspectos críticos.
En primer lugar, la intervención actual se centra principalmente en la persona (p. ej., mejorar el conocimiento, lograr el cumplimiento o cambiar el comportamiento). De cara al futuro, es necesario prestar mucha más atención a la mejora de la calidad y la fuente de la comunicación. Estas mejoras pueden lograrse desarrollando las habilidades y el apoyo de los profesionales de primera línea, para mejorar la calidad de la comunicación y facilitar la participación significativa del público y los pacientes, y modificando el contexto en el que se desarrolla la comunicación sanitaria, garantizando que los profesionales de la salud, la educación y la comunidad de primera línea cuenten con los recursos y el apoyo sistémico y cultural necesarios para mejorar la comunicación. Se debe prestar la misma atención a la calidad de la comunicación en medios digitales.
En segundo lugar, el propósito de la comunicación debe orientarse a permitir que más personas desarrollen habilidades transferibles para acceder, comprender y aplicar la información sanitaria, en lugar de centrarse simplemente en alcanzar objetivos inmediatos. Mejorar las habilidades para acceder a información fiable a través de medios digitales debe formar parte de este cambio en respuesta. El contenido de la comunicación debe ajustarse para facilitar una mejor comprensión de la amplia gama de determinantes de la salud, tanto personales como sociales.
En tercer lugar, si bien el principio de las precauciones universales sigue siendo importante, la prioridad debe ser proporcional a la necesidad: Nuestro enfoque debe ser llegar e involucrar a los grupos de población desproporcionadamente afectados por un bajo nivel de alfabetización en salud ( 15 , 34 , 65 ). Establecer un esfuerzo internacional concertado para desarrollar y evaluar intervenciones críticas de alfabetización en salud que sean proporcionales a las necesidades de las poblaciones prioritarias es un siguiente paso importante para este campo de investigación y práctica. El desarrollo de esta base de evidencia contribuirá a optimizar la contribución que una mejor alfabetización en salud puede hacer para mediar en las causas de la inequidad en salud y mejorar los resultados de salud para todos.
Esta serie esta orientada a expresar conceptos centrales para la atención médica gestionada, mediante diferentes herramientas de selección de proveedores, de la ingeniería contractual, de acciones para evitar comportamientos oportunistas, de elegir formas de pago que no estimulen o incentiven la realización de prácticas innecesarias y reduzcan las hospitalizaciones, los reintegros en los pagos, la elección limitada de prestadores.
Análisis y Reflexión sobre su Evolución, Componentes y Efectos
Introducción
La atención médica administrada representa una de las transformaciones más relevantes en la organización de los servicios de salud durante las últimas décadas. Su rápida expansión, especialmente desde los años 1980, ha despertado gran interés tanto en la investigación teórica como empírica, así como en el debate sobre su impacto en la eficiencia, equidad y calidad de los sistemas sanitarios. Este documento expone de manera formal, extendida y profunda los principales títulos y conceptos que conforman la atención médica administrada, abordando su historia, mecanismos, fundamentos teóricos y evidencia empírica.
La atención médica administrada suele considerarse un fenómeno particularmente estadounidense asociado con la compra voluntaria de seguros en un mercado privado. Sin embargo, el sector público de los Estados Unidos también ha hecho un uso creciente de la atención médica administrada. Además, muchos sistemas con seguro nacional obligatorio siempre han utilizado o han comenzado a adoptar los mismos mecanismos utilizados por los planes de atención médica administrada estadounidenses. Desde 1980, varios países, incluidos Gran Bretaña, los Países Bajos, Alemania e Israel, han incorporado formalmente elementos de la atención médica administrada en sus sistemas nacionales de salud y otros países, como Francia, están contemplando esos cambios [ Brown (1998) ].
Una de las características más llamativas de la atención médica administrada –y que apenas se aborda en la literatura económica existente– ha sido su crecimiento notablemente rápido como proporción del mercado de la atención médica
En los seguros de salud tradicionales , un contrato puede definirse a lo largo de tres dimensiones: una prima, un conjunto de beneficios cubiertos (como la hospitalización) y un conjunto de disposiciones de participación en los costos que se aplican a estos beneficios (que posiblemente incluyan un límite de pago de bolsillo y límites a los pagos anuales o de por vida).
I. Concepto general de atención médica administrada
La atención médica administrada es un término amplio que engloba distintos modelos de organización y financiación de los servicios de salud, en los cuales una entidad intermediaria (el plan de atención médica administrada) coordina, regula y supervisa la prestación de servicios médicos. Este sistema contrasta con los antiguos modelos de seguro tradicional, en los cuales las personas tenían total libertad para elegir proveedores y servicios, y los reembolsos se realizaban según el uso sin mayor regulación.
Definición institucional: La atención médica administrada se caracteriza por combinar mecanismos de selección y organización de proveedores, métodos de pago alternativos y un seguimiento sistemático de la utilización de servicios.
Variedad de modelos: Incluye desde los Organismos de Mantenimiento de la Salud (HMO, por sus siglas en inglés) hasta Planes de Punto de Servicio (POS), pasando por Organizaciones Preferidas de Proveedores (PPO).
II. Historia y evolución del sistema
La atención médica administrada tiene una trayectoria larga, aunque por muchos años fue frenada por regulaciones adversas. Su crecimiento exponencial inició a principios de la década de 1980, impulsado por cambios regulatorios y económicos.
Décadas iniciales: Regulaciones restrictivas limitaban la proliferación de modelos alternativos al seguro tradicional.
Años 1980: Se produce un cambio notable, con una expansión espectacular de los planes de atención médica administrada.
Década de 1990: En 1993, más del 70% de las personas con seguro médico en Estados Unidos ya estaban inscritas en algún tipo de plan de atención médica administrada.
III. Mecanismos fundamentales de la atención médica administrada
La atención médica administrada incorpora una variedad de mecanismos organizativos y financieros que la distinguen de los sistemas tradicionales. Los principales incluyen:
Selección y organización de proveedores: Los planes seleccionan una red limitada de proveedores y establecen acuerdos contractuales con ellos.
Métodos de pago innovadores: Se utilizan sistemas como el pago por capitación —un monto fijo por persona atendida— y el pago por salario, que buscan alinear incentivos y reducir la sobreutilización. Los planes de atención administrada utilizan una amplia gama de métodos para pagar a los médicos y un rango algo más estrecho (similar a los utilizados por los planes tradicionales) para pagar a los hospitales. Los tres métodos básicos de pago a los médicos son los salarios, los honorarios por servicio y la capitación. Con el pago puro por salario , los médicos no tienen incentivos para ver más pacientes o para proporcionar más servicios de ningún tipo en particular. Con el pago por honorarios por servicio, los proveedores recaudan más ingresos cuantos más servicios proporcionan y, si los honorarios superan los costos, ganan más a medida que proporcionan más servicios. En el marco del pago por capitación, los proveedores reciben un pago periódico fijo por cada paciente que inscriben y pueden ganar más si inscriben a más pacientes (si la tarifa por capitación supera los costos esperados). La capitación hace que los proveedores afronten el costo financiero total del uso de los servicios por parte de sus pacientes, lo que les da un incentivo para reducir la utilización. En la medida en que también son responsables del uso futuro de los servicios por parte de los pacientes (que depende de la duración esperada de la relación proveedor-paciente), el pago por capitación también puede alentar la prestación de servicios preventivos que reducen los costos totales de la atención médica. Los acuerdos por capitación varían según el alcance de los servicios cubiertos dentro del contrato por capitación. Si el alcance de los servicios es muy limitado, los proveedores que reciben una tarifa por capitación tienen incentivos para derivar a los pacientes a otros proveedores cuyos servicios no están incluidos en la tarifa por capitación.
Seguimiento y control de utilización: Uno de los elementos clave es el uso de herramientas de gestión y monitoreo para regular el acceso y la frecuencia de los servicios médicos, mediante autorizaciones previas, revisiones de utilización y auditorías.
IV. Fundamentos teóricos del crecimiento de la atención médica administrada
El crecimiento acelerado de este modelo no ha sido completamente explicado por la literatura teórica ni empírica. Sin embargo, se han identificado diversas fallas de mercado en el sistema de salud tradicional que la atención médica administrada busca paliar:
Información asimétrica sobre riesgos de salud: Desigualdad en el acceso a información relevante entre aseguradores, proveedores y pacientes.
Riesgo moral: Tendencia al uso excesivo de servicios médicos por parte de quienes se encuentran asegurados, debido a la cobertura financiera.
Información limitada sobre calidad: Dificultad para que usuarios y entes de control evalúen y comparen la calidad de los servicios médicos.
Competitividad limitada en la industria: El sector salud tradicionalmente ha presentado barreras de entrada y competencia restringida.
Principios esenciales de la atención gerenciada
ØContratación selectiva de proveedores.
ØGestión de la utilización.
ØPago negociado.
Ø Gerencia de calidad de los gerenciadores en contrato con proveedores.
Además de limitar la elección de proveedor por parte de los afiliados, la mayoría de los planes de atención administrada también controlan directamente la utilización. La revisión de la utilización es particularmente común para servicios de alto costo, como hospitalizaciones y procedimientos quirúrgicos. Alrededor del 80% de las aseguradoras en 1990 exigían que los afiliados (o sus médicos) obtuvieran una autorización de la aseguradora antes de la admisión para la hospitalización [ Sullivan y Rice (1991) ]. Muchos planes también limitan directamente el número de días que los pacientes pasan en el hospital. Más recientemente (y particularmente para los servicios de salud mental), los planes han comenzado a aplicar pautas para el tratamiento ambulatorio de afecciones específicas.
V. Respuestas de la atención médica administrada a las fallas de mercado
La atención médica administrada propone diversas estrategias para responder a los problemas estructurales del sistema de salud:
Selección de riesgos: Al limitar la red de proveedores y los criterios de admisión, los planes pueden evitar la incorporación de personas con mayores riesgos y costos.
Gestión de la utilización: Herramientas de control y monitoreo permiten contener el uso innecesario de servicios.
Transparencia y monitoreo de calidad: El seguimiento sistemático y la evaluación de resultados clínicos facilitan la identificación de buenas prácticas y áreas de mejora.
Impulso a la competencia: Los planes compiten en términos de precio, calidad y beneficios ofrecidos, estimulando la eficiencia.
Atención médica gestionada y fallas del mercado
Mediante el uso de los mecanismos descritos anteriormente, las organizaciones de atención médica administrada pueden responder de manera diferente a las características subyacentes del sistema de atención médica que las aseguradoras de salud tradicionales. Esta sección considera cuatro características bien conocidas del sistema de atención médica y describe cómo los planes de atención médica administrada responden a ellas: información asimétrica sobre los riesgos para la salud (que conduce a una selección adversa), riesgo moral, información sobre la calidad de la atención médica y competitividad de la industria . El crecimiento de la atención médica administrada puede deberse al éxito relativo de esta forma organizativa en la respuesta a estas características subyacentes del sistema de atención médica. De ser así, los cambios recientes, ya sea en los problemas económicos subyacentes o en la tecnología disponible para abordarlos, deberían favorecer la atención médica administrada. En cada caso, evalúo esta posibilidad y analizo sus implicaciones.
VI. Tipos de planes de atención médica administrada
HMO (Organizaciones de Mantenimiento de la Salud): Requieren que las personas seleccionen un médico primario y accedan a especialistas solo mediante referencias.
PPO (Organizaciones de Proveedores Preferidos): Permiten mayor flexibilidad, aunque incentivan el uso de proveedores dentro de la red por medio de costos compartidos.
POS (Plan de Punto de Servicio): Combinan características de HMO y PPO, brindando opciones al momento de acceder a servicios.
VII. Evidencia empírica sobre la atención médica administrada
La investigación empírica ha arrojado resultados variados respecto al impacto de la atención médica administrada:
Atracción de población de menor costo: Los planes tienden a atraer a personas que, en promedio, utilizan menos servicios médicos y generan menores costos.
Reducción en la utilización: Numerosos estudios sugieren que los mecanismos de control reducen la frecuencia de uso de servicios médicos sin necesariamente afectar la calidad.
Costos generales de atención: Existe menos evidencia concluyente sobre el impacto real en la reducción de los costos globales y el ritmo de crecimiento del gasto sanitario.
VIII. Críticas y desafíos del modelo
El auge de la atención médica administrada también ha suscitado críticas y desafíos significativos:
Restricción de libertad de elección: Limitaciones en la selección de profesionales y servicios médicos.
Satisfacción de las personas usuarias: El control y los requisitos de autorización pueden generar frustración y menor satisfacción.
Desigualdades en el acceso: El diseño de los planes puede favorecer la exclusión de personas con condiciones de salud más complejas.
IX. Perspectivas futuras y reformas posibles
El futuro de la atención médica administrada dependerá de la capacidad para equilibrar eficiencia, calidad y equidad. Las reformas podrían centrarse en:
Mejorar los sistemas de monitoreo y transparencia en la calidad de los servicios.
Ajustar los métodos de pago para incentivar la atención centrada en la persona.
Fomentar la innovación tecnológica y la integración de servicios.
Reducir las barreras de acceso para poblaciones vulnerables.
X. Conclusiones
La atención médica administrada ha transformado radicalmente la organización y gestión de los sistemas de salud, introduciendo mecanismos que buscan corregir las ineficiencias del modelo tradicional. Si bien ha logrado importantes avances en el control del uso de recursos y en la estructuración de la oferta sanitaria, persisten retos en materia de satisfacción, equidad y sostenibilidad financiera. El estudio continuo y la adaptación de este modelo serán claves para enfrentar los desafíos de los sistemas de salud contemporáneos.
Una revisión de los retos, fundamentos y estrategias para asegurar la calidad de los datos en el sector salud
Este trabajo pertenece a la Serie Managed Care.
Capítulo 3.
Dr. Carlos Alberto Díaz.
Resumen del artículo
Crossette-Thambiah G, Berleant D, AbuHalimeh A. An Information Quality Framework for Managed Health Care. J Healthc Leadersh. 2024 Sep 26;16:343-364. doi: 10.2147/JHL.S473833. PMID: 39359406; PMCID: PMC11445674.
Introducción
La calidad de la información y de los datos en el ámbito de la atención sanitaria gestionada (Managed Healthcare) ha adquirido un papel primordial en las últimas décadas. En un sector donde las decisiones clínicas, administrativas y estratégicas dependen en gran medida de la información procesada y almacenada, la confiabilidad, precisión y validez de los datos determinan la eficacia de los sistemas sanitarios y los resultados en la salud de la población.
Las organizaciones de atención médica gestionada se enfrentan a desafíos únicos en materia de calidad de la información. Estos retos surgen de la diversidad y complejidad de las fuentes de datos, el cumplimiento de normativas y regulaciones estrictas, y la necesidad de implementar prácticas sólidas de gestión de datos. En este contexto, el desarrollo de marcos de calidad de la información adaptados a las necesidades específicas del sector resulta fundamental.
El artículo reseñado, publicado en el Journal of Healthcare Leadership el 26 de septiembre de 2024, analiza la importancia de la calidad de la información en la atención médica administrada y propone un marco innovador para abordar los desafíos actuales. El estudio se basa en la revisión de literatura, marcos previos y una encuesta cualitativa realizada a veinte líderes del sector. A continuación, se desglosa y analiza en profundidad el contenido, contexto y relevancia de este artículo, ampliando sus implicaciones y aportando un análisis crítico a cada uno de sus apartados.
Contexto y relevancia de la calidad de la información en la atención médica gestionada
La atención sanitaria gestionada se caracteriza por su orientación a la eficiencia, la reducción de costos y la mejora de los resultados en salud.Sin embargo, el éxito de estos objetivos descansa sobre la disponibilidad de datos precisos, íntegros y oportunos. Los retos surgen debido a la multiplicidad de fuentes (expedientes médicos electrónicos, datos de laboratorios, registros administrativos, aseguradoras, etc.), que generan información heterogénea y muchas veces fragmentada.
La creciente digitalización del sector salud ha incrementado el volumen, variedad y velocidad de generación de datos, pero a la vez ha expuesto nuevas vulnerabilidades: duplicidad de registros, errores de codificación, problemas de interoperabilidad y riesgos de seguridad y privacidad. Por ello, las organizaciones sanitarias deben centrar sus esfuerzos no solo en recolectar datos, sino en garantizar su calidad, entendiendo ésta como el grado en que la información es adecuada para su uso en la toma de decisiones.
Dimensiones de la calidad de la información
La literatura identifica varias dimensiones clave de la calidad de la información, entre ellas:
Precisión: Grado en que los datos reflejan la realidad que representan.
Integridad: Ausencia de información faltante o incompleta.
Consistencia: Uniformidad de los datos a lo largo del tiempo y entre diferentes sistemas.
Actualidad: Disponibilidad de datos recientes y relevantes.
Accesibilidad: Capacidad de quienes lo requieren para obtener la información necesaria cuando la necesitan.
Seguridad: Protección de los datos frente a accesos no autorizados y violaciones de privacidad.
Cada una de estas dimensiones debe ser monitoreada y mejorada continuamente para asegurar la calidad de la información en el sector sanitario gestionado.
Desarrollo y justificación de un nuevo marco de calidad de la información
El artículo aborda la necesidad de construir un marco específico, adaptado a las particularidades del sector, para afrontar los retos contemporáneos de la calidad de la información. El marco propuesto se apoya en:
Ejemplos y aprendizajes de otros marcos de calidad de la información existentes.
Resultados de una encuesta cualitativa basada en entrevistas estructuradas a veinte líderes del sector, con 17 preguntas.
Metodología empleada
El diseño del marco se basó en la comparación y adaptación de marcos de calidad ya reconocidos (como el de Wang y Strong, Kahn et al., o el Information Quality Framework de DAMA), y en el análisis de las respuestas de los líderes consultados.
Estas veintes personas líderes, provenientes de diversas áreas de la atención médica gestionada (administradores, profesionales clínicos, especialistas en TI, reguladores y directivos), aportaron una visión integral sobre los requerimientos y desafíos presentes en sus organizaciones. Las entrevistas incluyeron preguntas sobre las fuentes de datos empleadas, los principales problemas de calidad identificados, las estrategias actuales para gestionarlos y las necesidades no cubiertas.
Análisis de resultados de la encuesta
El análisis de las respuestas permitió identificar patrones recurrentes y necesidades compartidas:
Falta de integración entre sistemas: Muchos líderes señalaron que los datos clínicos, financieros y administrativos suelen estar almacenados en repositorios distintos, con formatos incompatibles que dificultan su uso conjunto.
Problemas de estandarización: La ausencia de estándares claros de codificación y nomenclatura provoca confusiones y errores en la interpretación de la información.
Validación insuficiente: Se reporta poca verificación sistemática de la veracidad de los datos ingresados, lo que incrementa el riesgo de tomar decisiones basadas en información errónea.
Presión regulatoria: La necesidad de cumplir con normativas locales e internacionales impone retos adicionales, como la obligación de reportar indicadores específicos o proteger la privacidad de los datos.
Capacitación del personal: Se identificó la falta de formación en gestión de datos y calidad de la información entre los profesionales del sector, lo que agrava los problemas mencionados.
El nuevo marco de calidad de la información propuesto
El marco presentado en el artículo se estructura en torno a tres estrategias principales:
1. Integración de datos
La integración de información proveniente de múltiples fuentes es esencial para obtener una visión completa y coherente del estado de salud de la persona y de la operación de la organización. El marco recomienda el desarrollo de infraestructuras interoperables, la utilización de estándares abiertos de intercambio de datos y la implementación de sistemas de gestión de datos maestros.
2. Estandarización de datos
La adopción de estándares de codificación, terminología y formatos de datos (como HL7, SNOMED CT, LOINC, ICD) permite reducir errores, mejorar la comparabilidad y facilitar el análisis tanto interno como externo. El marco enfatiza la importancia de establecer políticas de gobierno de datos y revisar periódicamente la adherencia a los estándares.
3. Validación de datos
La validación sistemática de la información, tanto en el momento de la captura como en procesos posteriores, es clave para garantizar la calidad. El marco sugiere el uso de herramientas automatizadas de verificación, auditorías regulares y la incorporación de controles humanos, especialmente en áreas críticas como diagnósticos, prescripciones y reportes regulatorios.
Justificación del marco
El marco propuesto se justifica mediante la comparación con la literatura existente, que resalta la importancia de abordar de manera integral los problemas de calidad de la información. Estudios revisados muestran que las organizaciones que implementan políticas robustas de integración, estandarización y validación logran mejoras significativas en la eficiencia operativa, la satisfacción de las personas y los resultados en salud.
La encuesta a líderes de la industria aporta evidencia empírica sobre la necesidad y viabilidad de estas estrategias, así como sobre los incentivos y barreras para su adopción.
Discusión: Implicaciones y retos futuros
La implementación de un marco de calidad de la información en la atención médica gestionada implica beneficios evidentes, pero también retos complejos. El artículo invita a reflexionar sobre los siguientes aspectos:
Transformación digital y cambio organizacional: Adoptar un marco de calidad de la información requiere una transformación cultural y organizacional profunda. La tecnología por sí sola no soluciona los problemas si no va acompañada de procesos claros y capacitación continua.
Gobernanza de datos: Es fundamental establecer estructuras de gobierno que definan roles, responsabilidades y mecanismos de supervisión. Las políticas de datos deben ser actualizadas y cumplir con las normativas vigentes.
Privacidad y seguridad: La protección de los datos personales sigue siendo un reto prioritario. El marco debe contemplar medidas de seguridad, control de acceso y gestión de incidentes.
Medición del impacto: Se necesita desarrollar indicadores claros para medir el impacto de las estrategias implementadas en la calidad de la información y, por ende, en los resultados de la atención sanitaria.
Participación de las personas: La calidad de la información también depende de la participación de quienes generan y usan los datos. Es fundamental fomentar una cultura de responsabilidad y mejora continua.
Retos específicos en la atención médica gestionada
Complejidad de los entornos multiinstitucionales: Muchas organizaciones gestionadas operan en redes amplias, donde la coordinación entre instituciones es esencial para la calidad del dato.
Presupuesto y recursos limitados: La implementación de nuevas tecnologías o infraestructuras está condicionada por restricciones económicas.
Resistencia al cambio: Las personas tienden a mantener prácticas conocidas, lo que dificulta la adopción de marcos nuevos.
Oportunidades y recomendaciones
Uso de inteligencia artificial y análisis avanzado de datos: Las nuevas tecnologías pueden apoyar la identificación de errores, la automatización de procesos de validación y la generación de alertas tempranas sobre posibles riesgos en la calidad de los datos.
Establecimiento de alianzas sectoriales: Compartir buenas prácticas entre organizaciones permite acelerar la adopción de estándares y mejorar la calidad en todo el sector.
Capacitación continua: El desarrollo profesional debe incluir formación en gestión de datos y calidad de la información.
Conclusiones
El artículo constituye una contribución significativa al debate sobre calidad de la información en la atención médica gestionada, al proponer un marco concreto y respaldado empíricamente. La integración, estandarización y validación de datos, apoyadas por una cultura organizacional de mejora continua y participación de todos los actores, son los pilares para avanzar hacia sistemas sanitarios más eficientes, seguros y centrados en la persona.
El reto no solo es tecnológico, sino también humano y organizacional. La calidad de la información debe entenderse como un proceso dinámico, sujeto a revisión y adaptación constante ante los cambios normativos, tecnológicos y sociales. Solo así será posible responder a las crecientes demandas de un sector esencial para el bienestar de la sociedad.
Referencias
Journal of Healthcare Leadership, 26 de septiembre de 2024, 16: 343–364. doi: 10.2147/JHL.S473833
Wang, R. Y., & Strong, D. M. (1996). Beyond accuracy: What data quality means to data consumers. Journal of Management Information Systems, 12(4), 5-34.
Kahn, B. K., Strong, D. M., & Wang, R. Y. (2002). Information quality benchmarks: Product and service performance. Communications of the ACM, 45(4), 184-192.
DAMA International. (2017). DAMA-DMBOK: Data Management Body of Knowledge (2nd edition).
Otros recursos académicos y normativos relevantes en la gestión y aseguramiento de la calidad de la información en el sector salud.
Dr. Yang Wang | JeffreyMarrBA Mark Katz Meiselbach PhD | Jianhui Xu PhD |,
Escuela de Salud Pública Johns Hopkins Bloomberg, Baltimore, Maryland EE. UU.
Correspondencia Yang Wang, Escuela de Salud Pública Johns Hopkins Bloomberg, 1812 Ashland Ave, Baltimore, MD21205, EE. UU. Correo electrónico: ywang406@jhu.edu Información de financiación Arnold Ventures
Resumen del Titular de la Cátedra Gestión Estratégica Universidad ISALUD. Dr. Carlos Alberto Díaz.
El poder del mercado en volumen, el poder comercial en la fijación de precios. El medicare les da subsistencia y ganancias menores, los asegurados privados tienen más ganancias. La puja entre los precios regulados y los fijados por las aseguradoras, revelan los comportamientos de las fuerzas de mercado en un sistema Adaptativo Complejo de la Salud.
El presente estudio analiza en profundidad la influencia que ejerce el poder de mercado de las aseguradoras comerciales sobre la determinación de los precios negociados para la atención hospitalaria dentro de los planes de Medicaid Managed Care (MMC). Utilizando fuentes de datos actualizadas de transparencia de precios hospitalarios (compilados por Turquoise Health, julio de 2023) y registros de cuota de mercado de aseguradoras (Clarivate InterStudy 2021), se estudia la variabilidad de precios en 15 servicios ambulatorios hospitalarios frecuentes, considerando tanto factores internos de cada hospital como la posición relativa de cada aseguradora en los mercados comercial y de Medicaid.
El diseño metodológico emplea una regresión lineal logarítmica con efectos fijos de hospital y procedimiento, y se basa en la integración de más de 39,000 registros de precios de MMC a nivel de aseguradora y procedimiento hospitalario, enlazados con información detallada sobre cuota de mercado por condado. Los resultados revelan que aproximadamente el 25% de la variación en los precios de los planes MMC puede atribuirse a factores internos de los hospitales. Asimismo, se observa que las aseguradoras ubicadas en el cuartil más bajo de participación en el mercado comercial (17%) logran negociar precios de MMC significativamente más bajos para la atención hospitalaria ambulatoria, con reducciones que alcanzan el 4.6% en promedio (IC 95%: 2.8%–6.4%; p < 0,001). Algunas de las principales áreas con precios inferiores incluyen procedimientos médicos/quirúrgicos (3.6%, p < 0,05), radiología (3.6%, p < 0,01) y visitas al servicio de urgencias (6.7%, p < 0,001).
En conclusión, los hallazgos de este estudio confirman que el poder de negociación derivado de una mayor presencia en el mercado comercial permite a las aseguradoras de Medicaid Managed Care obtener precios más favorables para una variedad de servicios hospitalarios ambulatorios. Además, se resalta que la variabilidad intrahospitalaria entre distintas aseguradoras representa aproximadamente una cuarta parte de la variación total de precios en los planes MMC, lo que subraya la importancia de considerar tanto la estructura del mercado asegurador como las características propias de los hospitales al analizar la formación de precios en este sector.
Objetivo: Examinar la relación entre el poder de mercado comercial de las aseguradoras y los precios negociados en los planes de atención hospitalaria de Medicaid Managed Care (MMC).
Fuentes de datos: Precios de MMC a partir de datos de transparencia de precios divulgados por el hospital a julio de 2023 compilados por Turquoise Health, información de inscripción en seguros de los datos de inscripción de Clarivate InterStudy 2021.
Diseño del estudio: Regresión lineal transformada logarítmicamente con efectos fijos hospitalarios y de procedimientos, estimando la variación del precio de la MMC intrahospitalaria en función del cuartil de la cuota de mercado comercial de las aseguradoras y de la cuota de mercado de la MMC para 15 servicios hospitalarios ambulatorios comunes. Métodos de recopilación/extracción de datos: Un total de 39.049 muestras de precios de MMC medidas a nivel de aseguradora de procedimiento hospitalario y MMC se fusionan con datos de cuota de mercado a nivel de aseguradora de condado. Hallazgos principales: Alrededor del 25% de la variación de precios en los planes MMC se debe a factores internos del hospital. En comparación con las MMC, las aseguradoras del cuartil más bajo de participación en el mercado comercial (17%) se asocian con la negociación de un 4,6% (intervalo de confianza del 95%: [2,8%–6,4%], p < 0,001) precios más bajos de MMC para la atención hospitalaria ambulatoria, incluido el 3,6% (p < 0,05) para los procedimientos médicos/quirúrgicos, el 3,6% (p < 0,01) para la radiología y el 6,7% (p < 0,001) para las visitas al servicio de urgencias.
Conclusiones: Las aseguradoras de MMC con una participación sustancial en el mercado comercial negocian precios más bajos de MMC para servicios hospitalarios ambulatorios múltiples
Lo que se sabe sobre este tema
• Los precios hospitalarios pagados por los planes de atención administrada (MMC) de Medicaid varían ampliamente entre los estados y los hospitales, en relación con las tarifas de Medicare.
• Las aseguradoras que ofrecen planes MMC negocian los precios con los hospitales.
Muchas de estas aseguradoras también participan en el mercado de seguros comerciales.
Lo que agrega este estudio
• La variación de precios intrahospitalarios entre diferentes aseguradoras representa alrededor de una cuarta parte de la variación total de precios en los planes de MMC para servicios hospitalarios ambulatorios.
• En comparación con las aseguradoras de MMC sin presencia en el mercado comercial, aquellas con una participación sustancial en el mercado comercial negocian precios más bajos de MMC para la atención hospitalaria ambulatoria, especialmente para las visitas al departamento de emergencias
1 | INTRODUCCIÓN
Los planes de atención administrada (MMC, por sus siglas en inglés) de Medicaid, financiados por programas públicos de Medicaid, son administrados por aseguradoras de salud comerciales.1 Hasta 2021, MMC había inscrito a 68 millones de beneficiarios, lo que representa tres cuartas partes de la inscripción total en Medicaid.2 También incurrió en gastos de $397 mil millones, aproximadamente el 10% del gasto nacional en salud.3,4
Las aseguradoras de MMC reciben pagos capitados de las agencias estatales de Medicaid y se espera que cubran los gastos médicos calificados.1
Mientras que las aseguradoras de MMC son Sujetos a la supervisión estatal, como las regulaciones de adecuación de la red, tienen un margen de maniobra sustancial en los precios que pagan a los proveedores.5
Hasta hace poco, se sabía poco sobre sus tarifas de pago por la atención hospitalaria. Si bien un estudio reciente encontró una variación sustancial en estos precios, los factores subyacentes que impulsan la variación siguen sin explorarse.6
En el mercado de seguros de salud comerciales, está bien establecido que las aseguradoras con mayor participación de mercado suelen pagar precios negociados más bajos por la atención hospitalaria, dada su mayor capacidad de negociación.7–11
Es posible que se aplique un mecanismo de fijación de precios similar en las negociaciones sobre los precios de MMC. Las grandes aseguradoras nacionales, como Centene, UnitedHealth group, Molina, Anthem y CVS/Aetna, desempeñan un papel central en el mercado de MMC.1La mayoría de ellas también participan en el mercado comercial, donde los precios son considerablemente más altos y algunas aseguradoras mantienen cuotas de mercado sustanciales.12,13
Los ejecutivos de seguros y hospitales señalan que a menudo negocian sobre la cartera completa de negocios de la aseguradora cuando la aseguradora participa en múltiples segmentos del mercado.14
Por lo tanto, es posible que la cuota de mercado de las aseguradoras de MMC en el mercado comercial pueda influir en los precios de los hospitales de MMC, además de en su cuota de mercado de MMC.
En este estudio, examinamos empíricamente si una mayor participación en el mercado de seguros comerciales se asocia con precios más bajos negociados de MMC para servicios hospitalarios comunes, incluidos procedimientos médicos y quirúrgicos, servicios de radiología y visitas a los servicios de emergencia. Utilizando los precios de MMC negociados por las aseguradoras recientemente divulgados bajo la regla de Transparencia de Precios Hospitalarios,15 nuestro estudio documenta el posible desbordamiento del poder de mercado en diferentes segmentos del mercado de seguros. Nuestros resultados también arrojan luz sobre la formulación de políticas con respecto al gasto y la presupuestación de Medicaid.
2 | MÉTODOS
2.1 | Utilizamos los datos de Turquoise Health, que recopila y compila los datos de precios de los hospitales en el marco de la transparencia federal de precios hospitalarios WANGETAL.
Lo que agrega este estudio • La variación de precios intrahospitalarios entre diferentes aseguradoras representa alrededor de una cuarta parte de la variación total de precios en los planes de MMC para servicios hospitalarios ambulatorios. • En comparación con las aseguradoras de MMC sin presencia en el mercado comercial, aquellas con una participación sustancial en el mercado comercial negocian precios más bajos de MMC para la atención hospitalaria ambulatoria, especialmente para las visitas al departamento de emergencias. 15,16 Los datos son transversales y reflejan la información de precios autodivulgada por los hospitales a julio de 2023. Específicamente, extrajimos los precios de MMC negociados por la aseguradora para 15 servicios comunes con altas tasas de divulgación hospitalaria, incluidos cinco procedimientos médicos y quirúrgicos, cinco servicios de radiología y cinco visitas al departamento de emergencias (ED), todos medidos en códigos de Terminología de Procedimiento Actual (CPT).6,10,11,17 Además, excluimos los valores de precio superior e inferior del 1% por procedimiento como posibles anomalías en los datos.10 Luego construimos nuestra medida de precios a nivel de procedimiento de aseguradora hospitalaria, utilizando el valor medio si hay varios precios (por ejemplo, en diferentes planes ofrecidos por la misma aseguradora).18,19 Obtuvimos información de inscripción a nivel de aseguradora y condado de los datos de inscripción de InterStudy 2021 de Clarivate.20
Calculamos la participación en el mercado comercial a nivel de condado de cada aseguradora como su porcentaje de la inscripción total de planes patrocinados por el empleador y los planes del mercado de la Ley de Cuidado de Salud a Bajo Precio. De manera similar, calculamos la participación de mercado de MMC a nivel de condado de cada aseguradora como su porcentaje de la inscripción total de MMC. A continuación, vinculamos estas dos medidas de cuota de mercado con nuestra medida de precios a nivel de hospital-asegurador-procedimiento, haciendo coincidir los nombres de los condados (donde se encontraba el hospital) y de las empresas matrices de las aseguradoras.10
Fusionamos aún más estos datos con la encuesta anual de hospitales de la American Hos pital Association (AHA) de 2021 para identificar las características de los hospitales.21
En concreto, solo incluimos los hospitales generales de cuidados intensivos con días de cama positivos en Medicaid, y ubicados en los 37 estados que tenían más del 10% de penetración de MMC a partir de 2020.1,6 Para permitir comparaciones de precios entre aseguradoras dentro de los hospitales, excluimos aún más los pares de procedimientos hospitalarios con precios divulgados por solo 1 aseguradora de MMC. Nuestras muestras finales incluyeron un total de 39,049 muestras de precios descubiertas por 1,129 hospitales de 32 estados (Apéndice S1).
En comparación con los 2,438 hospitales generales de cuidados agudos restantes de los 37 estados que ofrecían planes MMC, los hospitales de nuestra muestra tenían más probabilidades de ser sin fines de lucro (74 % frente a 59 %), urbanos (69 % frente a 58 %), con camas más grandes (promedio de 218 frente a 154), capacitando a residentes médicos (41 % frente a 31 %), afiliados a un sistema hospitalario (80 % frente a 63 %) y tratando a más pacientes de Medicaid (19.8 % frente a 18.6 %). utilizando pruebas T y pruebas de Chi-cuadrado (nivel significativo de p < 0,05) (Apéndice S1). 2.2 |
En primer lugar, evaluamos el alcance de la variación de los precios intrahospitalarios entre las aseguradoras de MMC mediante la regresión de los precios de MMC sobre los efectos fijos hospitalarios para nuestras 1.129 muestras hospitalarias utilizando un modelo lineal para cada procedimiento individual. A continuación, calculamos la diferencia entre el valor de R cuadrado y 1 para cada regresión para medir la proporción de MMC
Variación de precios atribuible a factores intrahospitalarios.
Para documentar la magnitud de la variación del precio de la MMC, calculamos además la relación entre el precio máximo y el precio mínimo de la MMC dentro de cada procedimiento hospitalario en diferentes aseguradoras. A continuación, evaluamos si esta variación del precio de la MMC intrahospitalaria estaba asociada con la cuota de mercado comercial de las aseguradoras de MMC. Específicamente, primero categorizamos los precios de MMC en cuartiles de participación en el mercado comercial (bajo = primer cuartil, medio-bajo = segundo cuartil, medio alto = tercer cuartil y alto = cuarto cuartil) como nuestra variable explicativa clave, un método utilizado en investigaciones previas sobre la fijación de precios de seguros y la participación en el mercado comercial.11 Resumimos los precios promedio de MMC para cada procedimiento, estratificados por los cuatro cuartiles de participación en el mercado comercial. Para el análisis de regresión, utilizamos modelos lineales logarítmicos transformados para examinar la relación entre los precios negociados de MMC y el cuartil de participación en el mercado comercial, controlando la participación en el mercado de MMC, así como los efectos fijos hospitalarios y de procedimientos.7,9,10
Se hace calculo exponencial de los coeficientes estimados, restamos por uno, y los interpretamos como la diferencia porcentual en los precios de MMC asociados con el cuartil de participación en el mercado comercial de la aseguradora, en relación con el cuartil más bajo como grupo de referencia. Probamos la sensibilidad de las especificaciones de nuestro modelo utilizando una especificación lineal de la cuota de mercado comercial, así como evaluando por separado si los precios de la MMC están asociados sólo con la cuota de mercado de la MMC o sólo con la cuota de mercado comercial. Para probar la sensibilidad de nuestra categorización del cuartil de participación en el mercado comercial, redefinimos nuestro modelo después de reclasificar el cuartil de participación de mercado de las aseguradoras comerciales a nivel hospitalario (dentro de cada hospital en lugar de entre todas las muestras). Además, para evaluar los posibles resultados heterogéneos en los diferentes servicios, estimamos nuestros modelos estratificados por tres tipos de procedimientos (procedimientos médicos/quirúrgicos, servicios de radiología, visitas al servicio de urgencias), así como por cada uno de los 15 procedimientos individuales. No se buscó la aprobación de la junta de revisión institucional porque este estudio no involucró participantes humanos.
El análisis estadístico se llevó a cabo utilizando el software Stata versión 17 (Stata Corp).
El Apéndice S8 incluye un método complementario y una ecuación matemática del modelo de regresión.
3 | RESULTADOS
Nuestro estudio incluyó un total de 39.049 muestras de precios a nivel de procedimientos hospitalarios y aseguradoras de 1.129 hospitales y 38 aseguradoras de MMC en 32 estados (Apéndice S1). Las aseguradoras más grandes fueron Centene, United Health Group y Anthem, que representaron el 17%, 16% y 13% de nuestra muestra, respectivamente (Apéndice S2). Para la mayoría de los 15 procedimientos, alrededor del 20% al 30% de la variación del precio de la MMC se atribuyó a factores intrahospitalarios, lo que indica una magnitud considerable (Figura 1). La mediana de la relación entre el precio máximo y el mínimo intrahospitalario osciló entre 1,15 y 1,37, mientras que los percentiles 75 variaron entre 1,64 y 2,23 para los 15 procedimientos, lo que indica una variación considerable dentro de los precios hospitalarios de la MMC entre las aseguradoras (Apéndice S5). En el Apéndice S3 se resume la variación de la cuota de mercado comercial de las aseguradoras de MMC por cuartiles, donde las aseguradoras de MMC se encuentran en el nivel más bajo de Investigación de Servicios de Salud 3
FIGURE1
Porcentaje de variación de precios en los planes de atención administrada (MMC) de Medicaid atribuible a factores intrahospitalarios, por procedimiento. Se analizaron los precios de MMC sobre los efectos fijos hospitalarios para nuestras 1129 muestras hospitalarias utilizando un modelo lineal para cada procedimiento individual. El gráfico de barras muestra la diferencia entre el valor de R cuadrado y 1 para cada regresión para medir la proporción de la variación del precio de la MMC atribuible a factores intrahospitalarios.
EGD: esofagogastroduodenoscopia.
TAC, tomografía computarizada.
Urgencias, Servicio de Urgencias. El cuartil prácticamente no tenía participación en el mercado comercial (17%).
Por el contrario, la distribución de las cuotas de mercado de MMC de las aseguradoras fue menos sesgada, con una mediana del 17% y un rango intercuartílico del 8% al 36%.
De los 1.129 hospitales de nuestra planta, 1.060 (94%) de ellos tenían precios de MMC de aseguradoras contratantes con sus cuotas de mercado comercial clasificadas en al menos dos cuartiles diferentes.
El Apéndice S4 muestra los precios promedio no ajustados de MMC de cada procedimiento por cuartil de participación en el mercado comercial de las aseguradoras, donde los precios promedio de MMC del cuartil más alto fueron aproximadamente un 10% más bajos que los precios promedio de MMC del cuarto más bajo para los cinco servicios de radiología, las cinco visitas a la sala de emergencias y fisioterapia.
En comparación con los precios de MMC de las aseguradoras con el cuartil de cuota de mercado comercial más bajo dentro del mismo hospital y procedimiento, los precios de MMC del cuartil de cuota de mercado comercial medio-bajo y medio-alto no fueron significativamente diferentes (Figura 2, apéndice S6). Sin embargo, los precios de MMC en el cuartil más alto de participación en el mercado comercial fueron 4.6% (intervalo de confianza [IC] del 95%: [2.8%–6.4%], p < 0.001) más bajos. Además, no encontramos una asociación estadísticamente significativa entre la cuota de mercado de MMC y los precios de MMC. Estos hallazgos fueron robustos a seis especificaciones de modelos alternativos (Apéndice S6). Las regresiones estratificadas por categoría de procedimiento mostraron resultados similares, pero más dinámicos. En concreto, los precios de la MMC pagados por las aseguradoras con el cuartil de mayor cuota de mercado comercial fueron del 3,6% (IC del 95%: [0,7%–6,6%], p < 0,05), del 3,6% (IC del 95%: 4 |
DISCUSIÓN
Sobre la base de investigaciones recientes que encontraron una variación sustancial en los precios de MMC entre hospitales y estados,6 documentamos aún más la considerable variación de precios de MMC dentro del hospital, que representó aproximadamente una cuarta parte de la variación general de precios en el mercado de MMC para la atención hospitalaria externa. Descubrimos que un factor clave que impulsa esta variación de precios entre las aseguradoras de un mismo hospital es su poder de mercado comercial.
En promedio, las aseguradoras de MMC en el cuartil superior de la cuota de mercado de las aseguradoras comerciales pagaron alrededor de un 5% menos de precios de MMC por la atención hospitalaria externa que aquellas con poca o ninguna participación en el mercado comercial, incluidos precios casi un 4% más bajos para los procedimientos médicos/quirúrgicos y los servicios de radiología, y precios casi un 7% más bajos para las visitas a los servicios de urgencias. Estas diferencias porcentuales se correspondieron con ahorros de $5 a $35 dólares a nivel de procedimiento para los planes MMC emitidos por aseguradoras en el cuartil superior de la participación en el mercado comercial, en relación con los del cuartil inferior. Sin embargo, no encontramos una relación fuerte entre la cuota de mercado de MMC y los precios hospitalarios de MMC.
Nuestros hallazgos son consistentes con investigaciones anteriores que demuestran la importancia del poder de negociación de las aseguradoras (medido en forma de participación en el mercado comercial) en las negociaciones de precios con los hospitales.7–11
Aportamos nuevos hallazgos de que el poder de mercado comercial también puede relacionarse con los precios de los hospitales de MMC. Estos efectos indirectos del mercado comercial en el mercado de MMC son importantes dado el grado en que las aseguradoras participan simultáneamente en ambos segmentos de mercado. Cabe destacar que encontramos que la variación de los precios intrahospitalarios está asociada con la cuota de mercado comercial, pero que tiene poca asociación con la cuota de mercado de MMC.
Los mercados de seguros comerciales son grandes y los precios son considerablemente más altos que los de Medicaid.13
Los hospitales quieren atraer pacientes comerciales rentables, lo que les da a las grandes aseguradoras comerciales un poder de mercado sustancial.
Nuestros resultados sugieren que este poder de mercado comercial, pero no el poder de mercado específico de Medicaid, puede traducirse en precios más bajos de Medicaid. Dado que el mercado comercial tiene una inscripción de pacientes sustancialmente mayor y precios negociados más altos que los de MMC, una aseguradora con un gran número de pacientes comerciales que pagan mucho puede amenazar de manera creíble a los hospitales con la exclusión de su red comercial si el hospital no está dispuesto a aceptar precios más bajos de MMC.22
Precios negociados más bajos de MMC permitirían a los aseguradores retener ganancias adicionales de los pagos establecidos por las agencias estatales de Medicaid. lo que podría motivar a las aseguradoras a utilizar su poder de mercado del mercado comercial de esta manera. Nuestros hallazgos pueden tener implicaciones políticas adicionales para el gasto y el presupuesto de Medicaid. Específicamente, nuestros resultados sugieren que los pacientes con MMC inscritos en planes operados por aseguradoras de MMC con mayor participación en el mercado comercial tienen tasas de pago hospitalario más bajas, en comparación con los pacientes con MMC inscritos en planes de aseguradoras con poca presencia en el mercado comercial. Estas tasas de pago más bajas podrían tener un mayor impacto en el presupuesto de Medicaid, la participación de los proveedores debido a la tasa de reembolso y el acceso de los pacientes, que son brechas de investigación importantes que justifican una investigación futura. 4.1 | Limitaciones Este estudio tiene varias limitaciones: En primer lugar, la muestra de nuestro estudio depende del cumplimiento de la divulgación por parte de los hospitales en virtud del Precio del Hospital
Análisis integral de la transición y segmentación en el seguro de salud de EE. UU. antes de Medicare hasta la actualidad
Dr. Carlos Alberto Díaz. Profesor Titular y Director de la Especialización.
Material para los maestrandos de la Universidad ISALUD. Maestría de Economía y gestión de la Salud. Materia Gestión Estratégica.
Capitulo 2
Clase Gestión Clínica por Managed care.
Introducción
La evolución de los sistemas de Managed Care en Estados Unidos constituye una historia compleja en la que confluyen intereses económicos, sociales y regulatorios. Desde sus inicios hasta la aprobación de Medicare en 1965, el seguro de salud transitó desde ser un producto de comercio privado hacia modelos segmentados y modulares que sentaron las bases para la atención médica gestionada contemporánea. Este texto amplía el análisis para incorporar aspectos técnicos, económicos y sistémicos que fueron fundamentales en la transformación del sector.
Contexto Previo a 1965: El Seguro de Salud como Comercio Privado
Antes de la intervención estatal a gran escala, la provisión y financiamiento de servicios de salud en Estados Unidos estaba en manos de compañías privadas —de fines de lucro, sin fines de lucro y mutuales— que competían en un entorno de mercado abierto. El mercado, originalmente impulsado por los proveedores de servicios médicos, terminó bajo el dominio de contratos de indemnización ofrecidos por aseguradoras reguladas que rivalizaban principalmente en precio.
Contratos de indemnización: Estos contratos cubrían los gastos médicos mediante reembolsos en efectivo, permitiendo a las personas aseguradas elegir libremente cualquier proveedor de salud dispuesto, lo que promovía la portabilidad y las economías de alcance.
Mercado orientado a empleadores: Para contrarrestar la selección adversa —es decir, el riesgo de asegurar únicamente a quienes más lo necesitaban— el seguro se comercializó principalmente a empleadores, quienes organizaban a los empleados en grupos y subsidiaban las primas como prestación laboral. Esto, a su vez, reducía el costo para los hogares y estimulaba la demanda de seguros.
Subsidios fiscales: El gobierno federal incrementó la disposición a pagar de las empresas mediante incentivos fiscales para contribuir a las primas, consolidando el modelo grupal como principal vía de acceso al seguro de salud.
Crecimiento de Proveedores y Demandas del Sistema
La expansión del acceso al seguro por parte de los hogares impulsó el crecimiento de proveedores de servicios de salud. El sistema de indemnización, centrado en la financiación y no en la provisión directa, generó un crecimiento simbiótico entre aseguradoras y prestadores de salud, donde el excedente económico incentivaba el desarrollo de nuevas tecnologías y tratamientos. Este ciclo de innovación, si bien trajo avances clínicos, también elevó los costos generales del sistema.
La Entrada de las Aseguradoras Comerciales y el Diseño Modular
A medida que el sector maduró, compañías comerciales con vasta experiencia en evaluación de riesgos, diseño contractual y fijación de precios en múltiples rubros financieros ingresaron al mercado. Estas aseguradoras utilizaron:
Diferenciación de productos y discriminación de precios: Estrategias para competir no solo en precio, sino en la oferta de productos personalizados y modulares, adaptados a las necesidades específicas de los distintos grupos asegurados.
Contratos modulares: Las pólizas de seguro comenzaron a estructurarse como contratos flexibles, con beneficios, límites, exclusiones y precios ajustados según fechas de vigencia y vencimiento. Mediante la adición o eliminación de términos, los productos podían personalizarse a bajo costo, facilitando la adaptación constante a un mercado y una clientela en evolución.
Revisión periódica de primas: La renovación regular de las pólizas brindaba oportunidades para modificar términos y ajustar precios en función de cambios en las circunstancias individuales o grupales de los asegurados.
Segmentación del Riesgo: Herramientas y Procesos
La segmentación del riesgo se erigió como piedra angular para limitar la exposición financiera de las aseguradoras y afinar la precisión en la fijación de precios. Este proceso incluye:
Suscripción y calificación: Evaluar y clasificar a los solicitantes según su perfil de riesgo y establecer las primas correspondientes.
Herramientas técnicas: Límites, exclusiones y niveles ajustables de participación en los costos (franquicias, copagos, coaseguros) que incentivan el uso responsable y permiten transferir parte del riesgo al asegurado.
Segmentación macroeconómica del mercado: Identificar grupos asegurables según características demográficas externas como edad promedio, salud e ingreso. Los grupos empleados, por ejemplo, son atractivos por su menor edad y mejor estado de salud, mientras los jubilados presentan mayores riesgos y costos potenciales.
Cuestionarios de suscripción: Dentro de un segmento, estos instrumentos identifican subgrupos de alto y bajo riesgo, determinando precios basados en el riesgo promedio y ofreciendo contratos modificados (con exclusiones o recargos) para valores atípicos o personas con condiciones preexistentes.
Libertad contractual: La flexibilidad de los contratos privados respaldados por activos financieros permite ofrecer precios individuales a grupos diversos, maximizando la captación en los mercados objetivo.
Efectos Sistémicos de la Segmentación y Prácticas Empresariales
La segmentación, desde 1929 en adelante, transformó la dinámica del seguro médico. Blue Cross Blue Shield (BCBS) y las aseguradoras comerciales, aunque centradas ambas en grupos de empleados por su perfil de menor riesgo, implementaron estrategias diferenciadas:
Planes hospitalarios (BCBS): Aplicaban la calificación de la comunidad, buscando inscribir a la mayor cantidad de hogares posibles en torno a la geografía de sus instalaciones. Las reclamaciones se solventaban principalmente con servicios hospitalarios, y la viabilidad dependía de alcanzar economías de escala sin sobrepasar la capacidad de las instalaciones.
Aseguradoras comerciales: No poseían infraestructuras de salud, por lo que pagaban las facturas de proveedores externos en efectivo. Esto entregaba portabilidad y economías de alcance, pero también una mayor exposición al uso excesivo y a la selección adversa, sobre todo en ausencia de economías de escala.
Suscripción y personalización: Las pólizas comerciales se suscribían minuciosamente y se ajustaban en precio y condiciones al riesgo de cada segmento o individuo, lo que aumentó la sofisticación del mercado y fomentó la diferenciación de productos.
Contratos Privados, Incentivos Fiscales y Crecimiento del Mercado
El diseño flexible y modular de los contratos, junto con los incentivos fiscales para los empleadores, resultó en una amplia captación del mercado asegurador privado y el aumento en la disposición a pagar de los hogares. La cobertura extendida derivó en mayor demanda de servicios médicos, estimulando el desarrollo tecnológico y la innovación clínica, aunque también contribuyó a la escalada de los costos del sistema.
Desafíos y Limitaciones del Sistema Segmentado
Pese a las ventajas en gestión de riesgos y personalización, el sistema segmentado generó efectos colaterales:
Exclusión de personas con alto riesgo o condiciones preexistentes, que enfrentaban primas más altas, exclusiones o directamente la falta de acceso.
Creciente fragmentación de la cobertura, con barreras de acceso que afectan a los grupos menos atractivos para las aseguradoras.
Posibilidad de concentración de riesgos en ciertos segmentos, poniendo en duda la equidad y sostenibilidad del modelo a largo plazo.
La competencia basada en segmentación incentiva la eficiencia y la innovación, pero también profundiza las desigualdades, convirtiendo la protección de los grupos vulnerables en un desafío central para la política pública.
Conclusión: Reflexiones sobre la Evolución y el Futuro del Managed Care
La historia del seguro médico privado en Estados Unidos, antes de la intervención estatal masiva y la aprobación de Medicare, ilustra la sofisticación y los límites de los mecanismos de mercado aplicados a la salud. La segmentación del riesgo, la innovación contractual y la competencia en el diseño de productos dieron lugar a un sistema dinámico, pero marcado por desigualdades y tensiones no resueltas entre eficiencia, inclusión y sostenibilidad.
El surgimiento de los contratos modulares, con transferencia de riesgo y grupos de diagnóstico relacionados, incentivos a la calidad, la sofisticación en la suscripción y la segmentación macroeconómica permitieron a las aseguradoras adaptarse a las complejas demandas de la sociedad estadounidense, a costa de una creciente fragmentación y exclusión de los sectores menos rentables. Estos dilemas sentaron las bases para los debates y reformas posteriores, incluyendo la aprobación de Medicare, que buscó corregir los fallos más evidentes del mercado y garantizar una cobertura más equitativa para las personas mayores y no aseguradas.
En síntesis, la evolución de los sistemas de Managed Care en Estados Unidos es una historia de innovación, adaptación y desafíos persistentes, cuyas lecciones siguen vigentes en el debate contemporáneo sobre el acceso, la equidad y la sostenibilidad de la atención médica.
La transformación que atraviesa el sector salud en Argentina evidencia una tendencia hacia la integración de empresas prestadoras de servicios de salud privada, así como una concentración destinada a reunir un volumen suficiente de personas afiliadas. Este proceso busca, por un lado, diluir el riesgo y, por otro, alcanzar economías de escala que permitan una gestión más eficiente y sostenible.
Esto se lleva a cabo mediante modalidades de gestión de redes asistenciales con integración vertical y horizontal, cuyo objetivo es reducir los costos de transacción y regular los precios.Se busca trabajar con prestadores que contribuyan a disminuir costos, mejorar la calidad y ofrecer una atención integral y menos fragmentada. De este modo, se pretende atender a los niveles socioeconómicos medios y bajos que, por diversas razones, no son cubiertos por algunas obras sociales que cuentan con menos afiliados y presentan limitaciones en su capacidad técnica y profesional.
Las principales obras sociales y prepagos tienden a adoptar el modelo de Managed care. Por eso es útil comparar lo que ocurre en países como EE.UU, Suiza, Alemania, Israel y Colombia. Analizar estas experiencias ayuda a entender cómo debe adaptarse el sector local, aunque este análisis es solo una posibilidad y depende de la débil institucionalidad nacional y los actuales conflictos entre actores sociales.
Desarrollo:
En los últimos cinco años, la literatura médica ha documentado cambios significativos en la administración de la atención administrada, especialmente en el contexto de Medicaid en Estados Unidos. Se observa una consolidación creciente del mercado, donde cinco empresas nacionales controlan casi la mitad de los beneficiarios inscritos en planes de atención administrada, y la competencia a nivel estatal se ha reducido, limitando las opciones de los beneficiarios. Este fenómeno se ha acompañado de un aumento en el número de adquisiciones de planes y una disminución en la cantidad de aseguradoras independientes, lo que plantea interrogantes sobre el impacto en la competencia, las finanzas estatales y la salud de los beneficiarios.[1]
En cuanto a los efectos sobre costos, acceso y calidad, la evidencia reciente muestra resultados mixtos. Si bien algunos estudios han reportado ahorros en costos y mejoras en el acceso o la calidad en poblaciones específicas o en ciertos estados, no existe consenso de que la atención administrada se asocie consistentemente con menores gastos o mejor calidad en comparación con el modelo de pago por servicio. Las mejoras en el uso de atención primaria y preventiva han sido observadas en algunos grupos, pero no de manera uniforme. Además, no se han encontrado reducciones consistentes en la utilización hospitalaria ni en el gasto total.[2-3]
Un área de innovación ha sido la integración de servicios para adultos mayores y personas con discapacidad que requieren cuidados a largo plazo, con el objetivo de favorecer la atención en la comunidad frente a la institucionalización y coordinar beneficios entre Medicaid y Medicare. Sin embargo, la adopción de modelos integrados sigue siendo limitada, y solo una minoría de los beneficiarios elegibles está inscrita en estos programas.[3]
En la gestión de beneficios farmacéuticos, la tendencia ha sido delegar la administración a organizaciones de atención administrada (MCOs), aunque algunos estados han optado por centralizar la gestión para mejorar el control de costos y la alineación de incentivos. Se ha propuesto que la centralización de herramientas de gestión y la alineación de incentivos pueden facilitar ahorros y una mejor respuesta a las necesidades de los beneficiarios.[4]
Finalmente, las reformas recientes han incorporado enfoques para abordar los determinantes sociales de la salud y reducir disparidades, así como la implementación de modelos como organizaciones de atención responsable (ACOs), hogares médicos centrados en el paciente y programas de incentivos para la reforma del sistema de prestación de servicios. Estas reformas varían ampliamente en sus objetivos y estructura, y su impacto sobre la atención administrada sigue siendo objeto de evaluación.[3]
En resumen, la administración de la atención administrada ha experimentado consolidación de mercado, innovación en modelos de integración y reformas orientadas a la calidad y equidad, pero la evidencia sobre su impacto global en costos y calidad sigue siendo heterogénea y dependiente del contexto estatal y poblacional.[2]
Tendencias mundiales, regionales y nacionales en la cobertura de vacunación infantil sistemática desde 1980 hasta 2023 con previsiones hasta 2030: un análisis sistemático para el Estudio de la Carga Mundial de Morbilidad 2023
Desde su creación en 1974, el Programa Esencial de Inmunización (PAI) ha logrado un éxito notable, evitando la muerte de unos 154 millones de niños en todo el mundo gracias a la vacunación infantil sistemática. Sin embargo, en las últimas décadas se han observado persistentes desigualdades en la cobertura y un estancamiento del progreso, que se han visto amplificados por la pandemia de COVID-19. En 2019, la OMS estableció objetivos ambiciosos para mejorar la cobertura vacunal a nivel mundial a través de la Agenda de Inmunización 2030 (IA2030). Ahora, a mitad de la década, comprender las tendencias de cobertura pasadas y recientes puede ayudar a informar y reorientar las estrategias para abordar estos objetivos en los próximos 5 años.
Métodos
Sobre la base del Estudio sobre la carga mundial de enfermedades, traumatismos y factores de riesgo 2023, este estudio proporciona estimaciones mundiales, regionales y nacionales actualizadas de la cobertura de vacunación infantil sistemática desde 1980 hasta 2023 en 204 países y territorios para 11 combinaciones de vacunas y dosis recomendadas por la OMS para todos los niños a nivel mundial. Empleando técnicas avanzadas de modelización, este análisis tiene en cuenta los sesgos y la heterogeneidad de los datos e integra nuevas metodologías para modelar la ampliación de las vacunas y las interrupciones relacionadas con la pandemia de COVID-19. Para contextualizar las tendencias históricas de cobertura y los avances aún necesarios para alcanzar los objetivos de cobertura de la AI2030, complementamos estos resultados con varios análisis secundarios: (1) evaluamos el efecto de la pandemia de COVID-19 en la cobertura de vacunación; (2) pronosticamos la cobertura de determinadas vacunas de ciclo vital hasta 2030; y (3) analizamos los avances necesarios para reducir a la mitad el número de niños con cero dosis entre 2023 y 2030.
Resultados
En general, la cobertura mundial de las vacunas originales del PAI contra la difteria, el tétanos y la tos ferina (primera dosis [DTP1] y tercera dosis [DTP3]), el sarampión (MCV1), la poliomielitis (Pol3) y la tuberculosis (BCG) casi se duplicó entre 1980 y 2023. Sin embargo, esta tendencia a largo plazo oculta los desafíos recientes. Los aumentos en la cobertura se desaceleraron entre 2010 y 2019 en muchos países y territorios, incluidas disminuciones en 21 de los 36 países y territorios de ingresos altos para al menos una de estas dosis de vacunas (excluyendo la BCG, que se ha eliminado de los calendarios de inmunización de rutina en algunos países y territorios). La pandemia de COVID-19 exacerbó estos desafíos, ya que las tasas mundiales de estas vacunas disminuyeron drásticamente desde 2020 y aún no volvieron a los niveles anteriores a la pandemia de COVID-19 a partir de 2023. Cobertura de las vacunas más recientes desarrolladas e introducidas en los últimos años, como las inmunizaciones contra la enfermedad neumocócica (PCV3) y el rotavirus (serie completa; RotaC) y una segunda dosis de la vacuna contra el sarampión (MCV2), experimentaron aumentos continuos en todo el mundo durante la pandemia de COVID-19 debido a las introducciones y ampliaciones en curso, pero a ritmos más lentos de lo esperado en ausencia de la pandemia. Las previsiones hasta 2030 para DTP3, PCV3 y MCV2 sugieren que solo DTP3 alcanzaría el objetivo de IA2030 de una cobertura mundial del 90%, y solo en un escenario optimista. El número de niños con dosis cero, es decir, niños menores de 1 año que no reciben DTP1, disminuyó un 74,9% (intervalo de incertidumbre del 95%: 72,1-77,3) a nivel mundial entre 1980 y 2019, y la mayoría de esos descensos se alcanzaron durante las décadas de 1980 y 2000. Después de 2019, los recuentos de niños sin dosis aumentaron a un máximo de 18,6 millones (17,6-20,0) en 2021. La mayoría de los niños que reciben dosis cero siguen concentrándose en las regiones afectadas por el conflicto y en aquellas con diversas limitaciones en cuanto a los recursos disponibles para destinar a los servicios de vacunación, en particular en el África subsahariana. En 2023, más del 50% de los 15,7 millones (14,6-17,0) de niños y niñas sin dosis en todo el mundo residían en solo ocho países (Nigeria, India, Etiopía, Somalia, Sudán, Indonesia y Brasil, República Democrática del Congo), lo que pone de manifiesto las desigualdades persistentes.
Interpretación
Nuestras estimaciones de la cobertura vacunal actual y las previsiones hasta 2030 sugieren que el logro de los objetivos de la IA2030, como reducir a la mitad el número de niños con cero dosis en comparación con los niveles de 2019 y alcanzar una cobertura mundial del 90% para las vacunas de ciclo vital DTP3, PCV3 y MCV2, requerirá un progreso acelerado. Es necesario aumentar sustancialmente la cobertura en muchos países y territorios, y los del África subsahariana y Asia meridional son los que se enfrentan a los mayores desafíos. Será necesario revertir los descensos recientes para restablecer los niveles de cobertura anteriores en América Latina y el Caribe, especialmente para DTP1, DTP3 y Pol3. Estos hallazgos subrayan la necesidad crucial de contar con estrategias de inmunización específicas y equitativas. El fortalecimiento de los sistemas de atención primaria de salud, el abordaje de la desinformación y las dudas sobre las vacunas y la adaptación a los contextos locales son esenciales para avanzar en la cobertura. Los esfuerzos de recuperación de la pandemia de COVID-19, como la Gran Puesta al Día de la OMS, así como los esfuerzos para reforzar los servicios de rutina, deben dar prioridad a llegar a las poblaciones marginadas y centrarse en las geografías subnacionales para recuperar el terreno perdido y alcanzar los objetivos mundiales de inmunización.
Financiación
La Fundación Bill y Melinda Gates y Gavi, la Alianza para las Vacunas.
Introducción
Sobre la base del éxito de la campaña mundial para erradicar la viruela, la OMS puso en marcha en 1974 el Programa Ampliado de Inmunización (PAI) para ampliar los beneficios de la inmunización universal contra las enfermedades infantiles comunes en todo el mundo.
1 Inicialmente, el PAI apoyó el despliegue de vacunas para combatir la difteria, el tétanos, la tos ferina, la poliomielitis, el sarampión y la tuberculosis. A lo largo de los 50 años siguientes, el PAI, ahora rebautizado como Programa Esencial de Inmunización, ha añadido más vacunas infantiles, recomendando la vacunación de todos los niños del mundo contra la hepatitis B, el Haemophilus influenzae tipo b, el neumococo, el rotavirus y la rubéola, junto con una segunda dosis de la vacuna contra el sarampión, al tiempo que se ha ampliado para incluir recomendaciones para la vacunación de los adolescentes contra el virus del papiloma humano.2 A través de asociaciones entre los trabajadores de la salud locales, los programas nacionales de inmunización, las autoridades regionales y las organizaciones internacionales, el PAI ha logrado notables avances en materia de salud. El efecto de generalizar la inmunización infantil sistemática (es decir, los servicios de inmunización regulares y continuos, que a menudo se prestan durante las visitas sanitarias rutinarias) ha sido drástico, lo que ha provocado que se eviten aproximadamente 154 millones de muertes en todo el mundo entre 1974 y 2024, casi el 95% de ellas en niños menores de 5 años.3Aunque la administración de vacunas infantiles de rutina en todo el mundo requiere una enorme inversión de recursos mundiales, incluidos aproximadamente 3.900 millones de dólares en asistencia para el desarrollo de la salud en 2023,4 La inmunización infantil ha demostrado ser una de las estrategias de salud pública más exitosas y rentables que se conocen, tanto en términos de vidas salvadas como de retorno de la inversión.5,6 Las estimaciones han demostrado que la tasa de rendimiento financiero es, en algunos casos, hasta 44 veces superior al costo de la vacunación.7 Sin embargo, los notables éxitos del PAI se han ralentizado en la última década y, en algunos casos, se han revertido, lo que sugiere debilidades en los servicios de salud que quedaron aún más expuestas durante la agitación mundial causada por la pandemia de COVID-19, incluidas las medidas de distanciamiento social, las desviaciones del sistema de salud y las interrupciones de la cadena de suministro. Las estimaciones anteriores indican que la cobertura con la tercera dosis de la vacuna contra la difteria, el tétanos y la tos ferina (DTP3) disminuyó en 94 países y territorios entre 2010 y 2019, y se estimó que solo 11 países de todo el mundo habían alcanzado el objetivo de 2019 establecido por el Plan de Acción Mundial de la OMS para Vacunas de al menos el 90% de cobertura para todas las vacunas evaluadas.8 A medida que la cobertura se ha estancado, han surgido nuevos brotes de enfermedades prevenibles mediante vacunación, como el sarampión, la poliomielitis y la difteria, en muchos países y territorios.9Para promover con éxito el alcance, la equidad y la sostenibilidad de los sistemas mundiales de inmunización, es necesario superar los desafíos persistentes y emergentes, como la creciente incertidumbre económica y la inestabilidad geopolítica que limitan la financiación para la vacunación y la salud mundial, la migración y el desplazamiento de la población.10,11 las disparidades geográficas y sociodemográficas en el acceso a las vacunas,12–17 interrupciones en la administración de la inmunización relacionadas con acontecimientos como catástrofes naturales o brotes generalizados de enfermedades infecciosas, como las causadas por los virus SARS-CoV-2 y Ébola,18–22 y un aumento de la desinformación y las dudas sobre las vacunas, como detalla el Proyecto de Confianza en las Vacunas.23,24 Para hacer frente a estos desafíos, la Asamblea Mundial de la Salud de la OMS aprobó la Agenda de Inmunización 2030 (IA2030),10 un marco actualizado para concebir y lograr la inmunización universal, sobre la base del enfoque anterior del Plan de Acción Mundial sobre Vacunas, con un alcance más amplio y una mayor adaptación a los contextos locales.25 Centrado en centrar la experiencia de los socios y autoridades locales y nacionales,26 alineado con el Objetivo de Desarrollo Sostenible 3 de las Naciones Unidas para garantizar una vida sana y promover el bienestar para todos en todas las edades,27 IA2030 establece una ambiciosa agenda global para lograr «un mundo en el que todos, en todas partes, a todas las edades, se beneficien plenamente de las vacunas para mejorar la salud y el bienestar».28 Uno de los objetivos principales de IA2030 es promover la equidad reduciendo a la mitad (en relación con 2019) el número de niños sin dosis, es decir, niños que no han recibido la vacunación infantil de rutina, generalmente mediante la estimación de aquellos que no han recibido ninguna dosis de DTP. Los niños con dosis cero tienen más probabilidades de no recibir las vacunas posteriores29 y experimentan otros tipos de privaciones,17 Y las estrategias para llegar a estos niños que no reciben servicios de vacunación pueden reforzar los servicios de salud de rutina en general. La AI2030 hace hincapié en la necesidad de ampliar los beneficios de la vacunación a lo largo de toda la vida, yendo más allá de la primera infancia para proporcionar vacunas esenciales de recuperación y dosis de refuerzo, junto con un número creciente de nuevas vacunas programadas para administrarse después de la infancia. Con este fin, la IA2030 establece el objetivo de lograr una cobertura mundial del 90% de las vacunas a lo largo de toda la vida, incluida la DTP3, la tercera dosis de una vacuna antineumocócica conjugada (PCV3), la segunda dosis de una vacuna que contiene sarampión (MCV2) y la serie completa de vacunas contra el virus del papiloma humano (HPVc).10,28 Estos ambiciosos objetivos son importantes para prevenir el resurgimiento de enfermedades prevenibles por vacunación y para fomentar sistemas de inmunización y atención de la salud sólidos y resilientes que sirvan de plataforma para la introducción de nuevas vacunas. La necesidad de contar con sistemas de salud rutinarios sólidos que permitan la administración de vacunas se puso de manifiesto durante la pandemia y sigue siendo cierta hoy en día, ya que se están desarrollando y desplegando nuevas vacunas contra el paludismo, el dengue, el virus del Ébola y otras enfermedades.
La investigación en contexto
Evidencias previas a este estudio
Las estimaciones precisas y exhaustivas de la cobertura de inmunización infantil son esenciales para orientar los esfuerzos encaminados a combatir las enfermedades prevenibles mediante vacunación y para medir el progreso de la campaña mundial lanzada hace 50 años por el Programa Ampliado de Inmunización (PAI) para proporcionar a todos los niños, en todas partes, acceso a vacunas que salvan vidas. Desde el año 2000, las estimaciones anuales de la OMS y el UNICEF sobre la cobertura nacional de inmunización, basadas en el conocimiento local de expertos y el razonamiento cualitativo para compilar y evaluar los datos de las encuestas administrativas y de hogares notificados por los países, han sido una importante fuente de información sobre la cobertura de vacunación sistemática contra la infancia. En trabajos anteriores del Estudio sobre la Carga Mundial de Enfermedades, Lesiones y Factores de Riesgo (GBD, por sus siglas en inglés) se aplicaron modelos estadísticos exhaustivos para analizar sistemáticamente estas fuentes dispares de datos de encuestas y de cobertura informada por los países en un marco general diseñado para abordar problemas recurrentes de escasez de datos (es decir, datos incompletos de algunos países y regiones), heterogeneidad (es decir, variabilidad en los marcos de muestreo), y sesgo (es decir, errores sistemáticos en la recopilación de datos) y cuantificar formalmente la incertidumbre de la estimación en la cobertura de vacunación desde 1980 hasta 2019. Tanto las estimaciones de WUENIC como las de GBD mostraron marcados aumentos mundiales en la cobertura de vacunas desde 1980, pero un progreso más lento y, en algunos entornos, disminuciones en la cobertura entre 2010 y 2019. Posteriormente, tras el inicio de la pandemia de COVID-19 en 2020, numerosas fuentes —incluidas las encuestas mundiales de la OMS sobre la continuidad de los servicios de salud esenciales, los datos administrativos comunicados por los países, las estimaciones de WUENIC y los modelos GBD— sugirieron grandes interrupciones en los servicios de vacunación. Los primeros modelos estadísticos de GBD de datos administrativos mensuales estimaron interrupciones grandes y heterogéneas en la cobertura de vacunación durante 2020, con una recuperación variable a medida que avanzaba el año, lo que llevó a que millones de niños dejaran de recibir dosis de vacunas en ese año. El Cuadro de Mando de la Agenda de Inmunización 2030 (IA2030), la visión y estrategia mundiales integrales para reducir la mortalidad y la morbilidad por enfermedades prevenibles mediante vacunación, muestra que, en 2023, los niveles de cobertura mundial de vacunación aún no habían vuelto a los niveles anteriores a la pandemia de COVID-19, y que el progreso hacia los objetivos de cobertura para 2030 no va por buen camino. Sin embargo, sigue faltando una evaluación exhaustiva, estadística y cuantitativa de los efectos a largo plazo de la pandemia de COVID-19 en la inmunización sistemática infantil y su efecto en el progreso hacia los objetivos de la AI2030.
Valor añadido de este estudio
Sobre la base del marco probatorio y analítico establecido de GBD, el presente estudio perfecciona estos modelos y amplía esta serie temporal aprovechando años adicionales de datos y técnicas analíticas mejoradas para generar estimaciones actualizadas y ampliadas de la cobertura anual de vacunación infantil de rutina en 204 países y territorios desde 1980 hasta 2023 para 11 combinaciones de dosis de vacunas infantiles, dirigidas a la difteria, tétanos y tos ferina (primera y tercera dosis [DTP1 y DTP3]), sarampión (MCV1 y MCV2), poliomielitis (tres dosis cualesquiera de la vacuna contra la poliomielitis [Pol3]), tuberculosis (BCG), hepatitis B (HepB3), Haemophilus influenzae tipo b (Hib3), Streptococcus pneumoniae (PCV3), rubéola (RCV1) y rotavirus (RotaC; serie completa). Complementamos estas estimaciones de las tendencias históricas de cobertura con tres análisis secundarios diseñados para contextualizar las recientes interrupciones en la cobertura debido a la COVID-19 y el progreso necesario entre ahora y 2030 para alcanzar los importantes objetivos establecidos por IA2030. En estos análisis, (1) evaluamos el efecto de la pandemia de COVID-19 en la inmunización infantil sistemática de 2020 a 2023 comparando las disminuciones en la cobertura atribuibles a la pandemia de COVID-19 con los niveles de cobertura esperados en ausencia de la pandemia, (2) evaluamos rigurosamente el progreso necesario para alcanzar el objetivo de IA2030 de una reducción del 50% en el número de niños con dosis cero (representados como niños menores de 1 año que nunca han recibido una dosis de DTP1), y (3) pronosticó la plausibilidad de alcanzar los objetivos de cobertura global del 90% de IA2030 para vacunas de ciclo de vida mediante la generación de pronósticos de cobertura de DTP3, PCV3 y MCV2 para 2030, este último representa los primeros pronósticos publicados para la cobertura de PCV3 y MCV2.
Implicaciones de toda la evidencia disponible
Los beneficios generales para la salud pública de los primeros 50 años del PAI han sido inmensos, salvando la vida de aproximadamente 154 millones de niños y proporcionando un total de 10.200 millones de años de salud plena. Esto se logró mediante una casi duplicación de las tasas mundiales de inmunización contra la difteria, el tétanos, la tos ferina, el sarampión, la poliomielitis y la tuberculosis entre 1980 y 2023, una reducción del número de niños no vacunados con dosis cero en más del 70% y la introducción de una multitud de nuevas vacunas cruciales y combinaciones de dosis de vacunas (incluidas HepB3, Hib3, MCV2, PCV3, RotaC y RCV1). Sin embargo, persisten disparidades sustanciales, como una cobertura marcadamente más baja y tasas más altas de niños insuficientemente vacunados y no vacunados en los países de ingresos bajos y medianos, especialmente en el África subsahariana, donde más del 52,6% (intervalo de incertidumbre del 95%: 51,4-53,8) de los niños sin dosis viven en el África subsahariana y el 12,5% (11,4-14,8) viven en el sur de Asia. Además, el estancamiento del progreso de la inmunización en todo el mundo después de 2010, las disminuciones relacionadas con la pandemia de COVID-19 en la cobertura de las cinco combinaciones originales de vacunas del PAI (BCG, DTP1, DTP3, MCV1 y Pol3) y los aumentos en el número de niños con dosis cero que han persistido en 2023 hacen poco probable que se alcancen los ambiciosos objetivos de IA2030 a menos que se produzca una corrección considerable del rumbo. Las desigualdades socioeconómicas persistentes y emergentes relacionadas con el creciente número de personas desplazadas y las crecientes disparidades debidas a los conflictos armados, la volatilidad política, la incertidumbre económica, las crisis relacionadas con el clima y la desinformación y la vacilación sobre las vacunas son obstáculos fundamentales para ampliar la cobertura equitativa de vacunas. Promover la vacunación infantil equitativa requerirá tanto el compromiso colectivo mundial como las aportaciones de las partes interesadas locales para dar forma a las estrategias de vacunación que respondan a las realidades específicas del contexto y para fomentar la confianza en las políticas de inmunización. Requerirá la voluntad política y financiera necesaria para garantizar sistemas de atención primaria de salud sólidos que puedan respaldar los programas de inmunización sólidos, resilientes y equitativos necesarios para seguir suministrando las vacunas existentes, que sirvan de plataforma para proporcionar nuevas vacunas a medida que estén disponibles y que amplíen su alcance y sus promesas para todos.Para avanzar en la inmunización infantil universal, un principio fundamental de la IA2030 es basarse en datos específicos y de alta calidad para orientar las políticas y los programas de inmunización y para medir mejor los avances en la ampliación de la cobertura de vacunación. Desde el año 2000, una fuente clave de datos sobre vacunación han sido las Estimaciones de la OMS y el UNICEF sobre la Cobertura Nacional de Inmunización (WUENIC),30 que utiliza un enfoque basado en normas para proporcionar estimaciones anuales de la cobertura de vacunación sistemática para todos los Estados Miembros de la OMS, utilizando el juicio de expertos y el conocimiento cualitativo para compilar datos primarios de las fuentes disponibles. Las estimaciones de WUENIC utilizan datos administrativos y notificados por los países recopilados a través del Formulario de Presentación de Informes Conjuntos (JRF) de la OMS y el UNICEF30–32 y se basan en datos de encuestas de hogares establecidas, como el Programa de Encuestas Demográficas y de Salud (DHS) y las Encuestas de Indicadores Múltiples por Conglomerados. Estas estimaciones de WUENIC incorporan el juicio de expertos y el conocimiento cualitativo en su recopilación exhaustiva de fuentes de datos primarios; Sin embargo, el enfoque basado en reglas puede dar lugar a tendencias temporales planas o ruidosas, especialmente en ubicaciones con datos escasos, y no es capaz de tener en cuenta la incertidumbre en el proceso de estimación.32 Trabajos anteriores del Estudio sobre la Carga Mundial de Enfermedades, Lesiones y Factores de Riesgo (GBD, por sus siglas en inglés) han aplicado un modelo estadístico integral a estos datos para generar sistemáticamente estimaciones nacionales de la cobertura de vacunación desde 1980 hasta 2019.8 Debido a que los datos de vacunación primaria pueden ser inconsistentes (es decir, métodos de muestreo y/o resultados discrepantes),33 escasos (es decir, pocos datos en lugares específicos) y sujetos a sesgos (es decir, errores sistemáticos impuestos a través de una metodología de muestreo sesgada),34,35 El uso de un modelo estadístico para derivar estimaciones de cobertura confiere múltiples ventajas. Estos incluyen la capacidad de sintetizar datos de fuentes heterogéneas teniendo en cuenta los efectos de la calidad y los tipos de datos discrepantes (por ejemplo, administrativos frente a encuestas), así como la presencia de sesgos sistemáticos; superar la escasez de datos aprovechando las tendencias temporales y otros predictores; y cuantificar formalmente la incertidumbre de la estimación.Aquí, tras el año del 50 aniversario de la fundación de EPI y a mitad de la década de IA2030, nos basamos en el marco del anterior estudio de cobertura de vacunas GBD8 generar estimaciones actualizadas de la cobertura vacunal en 204 países y territorios desde 1980 hasta 2023. Analizamos el progreso a lo largo del tiempo en la cobertura de las combinaciones clave de vacunas y dosis infantiles y estimamos las tendencias en el número de personas con dosis cero. Ampliamos el análisis anterior de GBD para incluir la era de la COVID-19, incluidas muchas fuentes de datos retrasadas en la presentación de informes debido a la pandemia de COVID-19. Implementamos nuevos métodos para tener en cuenta los efectos inmediatos y duraderos de la pandemia de COVID-19 en un marco unificado, mejorar la estimación de la ampliación de las vacunas recién introducidas y mejorar nuestra estimación de los recuentos de niños con dosis cero mediante el modelado directo de la primera dosis de la vacuna contra la difteria, el tétanos y la tos ferina (DTP1). De cara al futuro, evaluamos el progreso hacia los objetivos de la IA2030 de una reducción del 50% en los niños con dosis cero y una cobertura mundial del 90% de determinadas vacunas de ciclo vital en análisis secundarios. En primer lugar, a partir de un marco inicial desarrollado por Causey y sus colegas,18 utilizamos un enfoque contrafáctico para cuantificar el efecto de la pandemia de COVID-19 en la cantidad de niños que no recibieron las vacunas de rutina entre 2020 y 2023. En segundo lugar, evaluamos el progreso necesario para alcanzar una reducción del 50% en los niños con dosis cero para 2030. Por último, pronosticamos una cobertura futura de DTP3, PCV3 y MCV2 hasta 2030 en tres escenarios para mostrar la gama de trayectorias futuras plausibles. Estas estimaciones exhaustivas y actualizadas muestran los avances y los desafíos en el esfuerzo por inmunizar contra las enfermedades infantiles rutinarias, proporcionando pruebas cruciales para fundamentar las políticas, los programas y las inversiones destinadas a garantizar que todos los niños, en todas partes, reciban vacunas que salvan vidas.Este manuscrito fue producido como parte de la Red de Colaboradores de GBD y de acuerdo con el Protocolo GBD.36 Debido a que se utilizaron datos recientemente disponibles y métodos modificados para actualizar la serie temporal completa de estimaciones desde 1980 hasta 2023, estos resultados reemplazan todas las estimaciones anteriores.
Métodos
Visión general
Para generar estimaciones de cobertura de la vacunación infantil sistemática en 204 países y territorios desde 1980 hasta 2023, nuestro análisis central siguió los métodos anteriores de GBD,8 aplicando un enfoque de modelado de varios pasos utilizando la regresión de procesos gaussianos espacio-temporales (ST-GPR)37 y metarregresión: bayesiana, regularizada, recortada (MR-BRT)38 herramientas para sintetizar los datos recopilados principalmente a través del MRC de la OMS y UNICEF31 y a través de encuestas de hogares (apéndice 1, pp. 242-43). Se calcularon las estimaciones de la cobertura anual por país para 11 combinaciones de dosis de vacunas infantiles apoyadas por el PAI y administradas a través de programas nacionales de inmunización sistemática, incluidas cinco combinaciones de dosis de las cuatro vacunas introducidas en 1974 contra la difteria, el tétanos y la tos ferina (DTP1 y DTP3), el sarampión (primera dosis de una vacuna que contiene sarampión [MCV1]), la poliomielitis (tercera dosis de cualquier forma de vacunación contra la poliomielitis [Pol3]), y tuberculosis (BCG), además de seis combinaciones de dosis de vacunas implementadas en los años siguientes (vacunas más nuevas) dirigidas a la hepatitis B (tercera dosis [HepB3]), Haemophilus influenzae tipo b (tercera dosis [Hib3]), rotavirus (serie completa; RotaC), neumococo (PCV3), rubéola (primera dosis de una vacuna contra la rubéola [RCV1]) y sarampión (MCV2). Nuestro modelo central se ajustó al sesgo que varía la ubicación y el tiempo en los datos informados por el país del JRF; aprovechó la evidencia densa de datos para ubicaciones, años y vacunas específicos para estimar la cobertura en casos de escasez de datos; tuvo en cuenta las interrupciones de la vacunación y los años de introducción de la vacuna en países específicos; y propagó la incertidumbre. En las secciones siguientes se proporcionan detalles sobre nuestras innovaciones con respecto a los métodos GBD anteriores y los nuevos análisis secundarios.Este estudio cumple con la declaración de las Guidelines for Accurate and Transparent Health Estimates Reporting (GATHER) (apéndice 1, pág. 14).39 Los análisis se realizaron con R versión 4.4.0. El código estadístico utilizado para la estimación está a disposición del público en la Bolsa Mundial de Datos Sanitarios.40 En el apéndice 1 (págs. 2-6) se ofrecen detalles adicionales sobre los métodos.
Datos
Revisamos 8042 fuentes de datos entre 1980 y 2023, de las cuales se incluyeron en el análisis 1085 fuentes únicas (lo que representa 128 fuentes nuevas en comparación con el estudio anterior de cobertura de la vacuna GBD,8 incluyendo 37 nuevas fuentes de 2020 a 2023 y 91 de 2019 y anteriores). Estas fuentes comprenden 64 546 puntos de datos específicos de dosis de vacuna por año, incluidos 14 700 puntos de datos de encuestas de hogares relacionadas con la vacunación (por ejemplo, DHS, encuestas de indicadores múltiples por conglomerados y otras encuestas multinacionales y específicas de cada país), 49 800 puntos de datos de cobertura de vacunas administrativos y oficiales comunicados por país del JRF y otras fuentes, y datos complementarios sobre eventos de desabastecimiento, introducciones de vacunas en los programas nacionales de inmunización, y los calendarios de vacunación, también informados a través del JRF.41–44 Los datos fueron catalogados y están disponibles públicamente en el Global Health Data Exchange.40 Al igual que en el estudio anterior,8 Agrupamos los datos de cobertura por cohorte de nacimiento (12–23 meses, 24–35 meses, 36–47 meses, 48–59 meses, excluyendo las cohortes menores de 1 año en el momento de la encuesta) y, para alinear los datos basados en la encuesta con los datos informados por cada país, utilizamos calendarios de vacunación específicos de cada condado y años de introducción de la vacuna para asignar cada cohorte al año de entrega esperada de la vacuna. Para conocer los criterios completos de inclusión y exclusión, véase el apéndice 1 (pp. 2, 15-216, 244).
Modelización del sesgo de los datos administrativos
Para tener en cuenta el sesgo en los datos de cobertura informados por los países,45 Al igual que en el estudio GBD 2020, utilizamos el marco de modelización MR-BRT para evaluar las diferencias en la cobertura dentro de las observaciones emparejadas de los datos de la encuesta y la cobertura original informada por el país de los mismos años. Este sesgo se modeló como la relación entre la cobertura de los datos de la encuesta y la cobertura informada por el país, ajustando el Índice de Acceso y Calidad de la Atención Médica (HAQ) (un índice compuesto diseñado para evaluar y comparar el acceso y la calidad de la atención médica).46 con la expectativa de que el sesgo en la presentación de informes podría variar en función de la calidad de los servicios de atención de salud. Estas predicciones de sesgo MR-BRT sirvieron como entrada de primera etapa para los modelos ST-GPR. Estos ajustes de sesgo solo se aplicaron directamente a las vacunas EPI originales; Las estimaciones de las vacunas más nuevas aprovecharon los ajustes de sesgo para las vacunas del PAI original del comparador a través del proceso de modelización de proporciones. Como novedad en este estudio, el sesgo se modeló directamente tanto para DTP1 como para DTP3, en lugar de solo para DTP3 (apéndice 1 p 3).
Modelización de los desabastecimientos y otras interrupciones de la cobertura de vacunación, incluida la COVID-19
Para tener en cuenta las interrupciones temporales agudas (es decir, caídas) en la cobertura debido a desabastecimientos u otros eventos aislados, primero modelamos la magnitud de las interrupciones para los años de vacunación por país con eventos de desabastecimiento informados a través del JRF42 u otros eventos de interrupción identificados (Apéndice 1, pp. 217-227). A continuación, se incluyeron las magnitudes de las interrupciones como covariable en el modelo de cobertura de vacunación. Como novedad en este estudio, esta covariable se diseñó calculando la diferencia en la cobertura entre los datos notificados por el país en los años de vacunación identificados como interrumpidos y las estimaciones de cobertura contrafactuales de los modelos que excluyeron estos años de vacunación por país. Para tener en cuenta las interrupciones debidas a la COVID-19, también nueva en este estudio, consideramos todos los años de vacunación de los países de 2020 a 2023 como candidatos a eventos de interrupción (apéndice 1 p 3). Como novedad en este estudio, en el caso de los años por país de vacunación en este período sin datos disponibles notificados por el país, imputamos las magnitudes de interrupción sobre la base de las distribuciones específicas del año de vacunación desde los lugares con datos (apéndice 1, pág. 4).
Modelo de cobertura vacunal
Nuestro análisis central se basó en el modelado en ST-GPR para implementar un enfoque de varios pasos que produjo estimaciones anuales específicas de la ubicación de la cobertura de vacunación para 11 combinaciones rutinarias de dosis de vacunas infantiles en 204 países y territorios durante el período de 1980 a 2023. ST-GPR es una herramienta de modelado estocástico diseñada para sintetizar entradas heterogéneas y suavizar datos de manera flexible en el espacio y el tiempo, aprovechando los datos de alta densidad disponibles para guiar las predicciones en casos de datos ausentes o escasos y para minimizar el error de predicción.37 El modelo utiliza un enfoque de tres etapas, comenzando primero con una regresión que incorpora covariables que podrían afectar la cobertura de la vacuna. La segunda etapa implementa el suavizado espacio-temporal, y la etapa final utiliza una regresión de proceso gaussiano para reducir el error en torno a los datos de alta precisión.Las mejoras de este estudio incluyen modificaciones en la estrategia de modelización para DTP. En ciclos anteriores de GBD, la cobertura de DTP3 se modeló directamente y DTP1 se estimó con un enfoque de regresión ordinal de relación de continuación.8 Para GBD 2023, con un enfoque global cada vez mayor en los niños sin dosis (representados como aquellos que no han recibido DTP1), ahora modelamos DTP1 directamente y, para garantizar la coherencia interna donde DTP1 debe ser mayor que DTP3, estimamos DTP3 modelando la relación DTP3/DTP1.En el caso de las vacunas modeladas directamente (DTP1, MCV1, Pol3 y BCG), se elaboraron estimaciones de la cobertura específicas de cada país y de cada año utilizando modelos ST-GPR ajustados a los datos oficiales notificados por los países y a los datos de las encuestas. Los modelos ST-GPR incluyeron covariables para el índice HAQ;46 tasas de mortalidad debidas directamente a eventos de guerra y terrorismo según los datos de Armed Conflict Location and Event Data, Uppsala Conflict Data Program y los datos de Tigray War de Etiopía; y las interrupciones de las vacunas. También utilizamos este enfoque para modelar la relación entre la cobertura de DTP3/DTP1 (utilizando datos oficiales ajustados por sesgos informados por el país y una encuesta tanto para el numerador como para el denominador), que se multiplicó post-hoc por nuestras estimaciones modeladas de la cobertura de DTP1 por sorteo para calcular la cobertura de DTP3.
En el caso de otras vacunas, modelamos la relación entre la cobertura y la de una de las vacunas EPI originales, utilizando ST-GPR para tener en cuenta las similitudes y diferencias en estas relaciones a lo largo del espacio y el tiempo. La DTP3 sirvió como denominador, o vacuna de referencia, para modelar los coeficientes de cobertura de las vacunas HepB3, Hib3, PCV3 y RotaC, dado que normalmente se administra como parte de una vacuna combinada y/o en el mismo calendario que estas vacunas, mientras que la MCV1 se utilizó como vacuna de referencia para la MCV2 y la RCV1, a fin de garantizar que la cobertura de la MCV2 no supere la cobertura de la MCV1. y porque el RCV1 a menudo se administra en una vacuna combinada con MCV1. Todas las proporciones se limitaron a ser inferiores a uno, suponiendo que la cobertura de la vacuna más reciente será inferior a la vacuna de referencia original correspondiente. Como novedad para GBD 2023, estimamos el aumento de la proporción de cada vacuna más reciente en función de los años transcurridos desde su introducción. Al modelar explícitamente los patrones de ampliación y permitir que estos varíen según el país y la vacuna, mejoramos la estimación en los primeros años después de la introducción y en entornos con datos escasos. Ajustamos modelos spline predictivos de las tasas de cobertura utilizando MR-BRT en una cascada geográfica: los modelos específicos de la vacuna se ajustaron primero en todos los países y territorios, y los ajustes del modelo global luego sirvieron como prioritarios para los modelos específicos de cada país. En este proceso, las tasas de cobertura se modelaron en función de las interrupciones de la vacuna, los años transcurridos desde la introducción (ajuste mediante un spline) y un efecto aleatorio a nivel de país (apéndice 1, págs. 4, 245). Los resultados de estos modelos spline se utilizaron como estimaciones de primera etapa en modelos de razón de cobertura ST-GPR posteriores. Por último, multiplicamos las tasas de cobertura previstas a partir de ST-GPR por la cobertura vacunal de referencia correspondiente para generar estimaciones finales de la cobertura.La incertidumbre se propagó mediante el muestreo de 1000 sorteos aleatorios de la distribución posterior de cada paso de modelado y la realización de todos los cálculos posteriores por sorteo. Los resultados se resumieron utilizando la media de todos los sorteos y los percentiles ordinales 2,5 y 97,5 de los sorteos para calcular los intervalos de incertidumbre (UI) del 95%. Las estimaciones agregadas superregionales y mundiales se calcularon a nivel de sorteo como medias ponderadas por población objetivo (apéndice 1, pág. 228).47,48 Se calcularon los estadísticos de bondad de ajuste dentro y fuera de la muestra (apéndice 1, p 5). Las estimaciones de cobertura también se compararon con las estimaciones del anterior estudio de cobertura de vacunas GBD 2020 y las estimaciones publicadas por WUENIC en 2024 (apéndice 1, pp. 7-8).8,49
Análisis secundarios y post-hoc
Para comprender el efecto de la pandemia de COVID-19 en las tasas de vacunación infantil, calculamos la cobertura de la vacuna en un escenario contrafáctico (es decir, alternativo) en el que la cobertura no se vio afectada por las interrupciones debidas a la COVID-19 (sin COVID-19). Para ello, se eliminaron a posteriori los efectos de las covariables de interrupción de las estimaciones de cobertura en 2020–23 (apéndice 1, pág. 5). Para tener en cuenta las posibles interrupciones que habrían ocurrido incluso sin la pandemia de COVID-19, aplicamos un escalar de ajuste a las estimaciones contrafactuales basadas en los promedios de los tamaños de las interrupciones a nivel de sorteo de los países durante los 5 años anteriores (2015–19; Apéndice 1, pág. 246). Este rango anual se eligió para reflejar los patrones más recientes en la ocurrencia y magnitud de las interrupciones.Para evaluar el progreso hacia el objetivo de la AI2030 de reducir a la mitad el número de niños con dosis cero en todo el mundo para 2030, en comparación con 2019, consideramos un escenario hipotético en el que todos los países y territorios reducen los niños con dosis cero en un 50% entre estos años (es decir, contribuciones iguales hacia este objetivo). Utilizando pronósticos de población GBD,
50 calculamos el número de niños con dosis cero que se deben alcanzar para 2030 y la correspondiente cobertura de DTP1. Para contextualizar los aumentos de cobertura de DTP1 requeridos, calculamos la tasa de variación anualizada (AROC) de 2023-30 en la cobertura de DTP1 necesaria para que cada país cumpla este objetivo (apéndice 1, pág. 6). A continuación, los comparamos con la distribución de los AROC en períodos históricos de 7 años, desde 2000 hasta 2019, para todos los países y territorios.Para predecir el progreso hacia el objetivo de IA2030 de una cobertura del 90% en 2030 para la vacunación infantil rutinaria a lo largo de la vida, adaptamos los métodos de Foreman y sus colegas51 y Colaboradores de Pronóstico GBD 202152 para pronosticar la cobertura futura de DTP3, PCV3 y MCV2. Elaboramos pronósticos de cobertura vacunal de referencia para 2030 que capturan el escenario futuro de referencia más probable. La cobertura prevista de DTP3 para el escenario de referencia se estimó en un marco de modelización predictiva que aprovecha las relaciones históricas entre las estimaciones de cobertura de vacunación y el Índice Sociodemográfico (IDS), un indicador compuesto que mide el estado de desarrollo de un país, con un marco de regresión logística con el IDE como única covariable.48 Para mostrar un rango plausible de trayectorias de cobertura futuras, también elaboramos pronósticos alternativos de mejores y peores escenarios basados en tasas de cambio históricas. Las estimaciones de los mejores y peores escenarios fueron pronósticos basados en los percentiles 85 y 15, respectivamente, de la distribución de las tasas pasadas de variación de la cobertura (en el espacio logarítmico natural) entre los años siguientes. Las distribuciones históricas se calcularon por sorteo, extrayendo de todos los países y territorios y de todos los pares de años entre 1980 y 2019, excluyendo los años afectados por la pandemia de COVID-19. Las tasas de cambio de los años más recientes se ponderaron más en la distribución en comparación con las de las series temporales anteriores. Los pronósticos de las tasas de cobertura PCV3/DTP3 y MCV2/MCV1 se elaboraron utilizando técnicas de modelización de relaciones equivalentes a las utilizadas en la estimación de la cobertura histórica. A continuación, multiplicamos por las estimaciones previstas de DTP3 y MCV1, respectivamente, para cada escenario para calcular la cobertura de PCV3 y MCV2 (apéndice 1 p 6).
Papel de la fuente de financiación
Los financiadores de este estudio no tuvieron ningún papel en el diseño del estudio, la recopilación de datos, el análisis de datos, la interpretación de datos o la redacción del informe.
Resultados
Tendencias en la cobertura de vacunación, 1980-2019
Entre 1980 y 2019, la cobertura mundial de las vacunas EPI originales (BCG, MCV1, DTP1, DTP3 y Pol3) se duplicó aproximadamente, pasando del 38,1 % (95 % UI 33,9-42,3) en 1980 al 83,3 % (82,7-84,0) en 2019 para la BCG, del 37,1 % (32,3-41,6) al 83,1 % (81,8-84,3) para la MCV1, 48,8% (44,1-53,5) a 89,0% (88,3-89,6%) para la DTP1, 39,6% (34,8-44,3) a 80,9% (79,9-81,9) para la DTP3, y 42,4% (38,8-46,4) a 79,6% (78,3-81,0) para Pol3 (figura 1; Apéndice 1, pp. 247-485). A lo largo de este período de tiempo, esto equivale a un estimado de 4.1.100 millones (4.07-4.12) de niños vacunados con BCG, 4.01 mil millones (3.98-4.04) con MCV1, 4.48 mil millones (4.45-4.51) con DTP1, 3.89 mil millones (3.85-3.93) con DTP3 y 4.00 mil millones (3.96-4.04) con Pol3 a través de programas de inmunización de rutina. Sin embargo, estas ganancias se desaceleraron o revirtieron entre 2010 y 2019, incluso antes de las interrupciones relacionadas con la pandemia de COVID-19 en los años siguientes. En el caso de la MCV1, la cobertura disminuyó entre 2010 y 2019 en 100 de los 204 países y territorios (apéndice 1, pp. 247–485), con la mayor disminución en la superregión de América Latina y el Caribe (90,4% [88,6–91,9] en 2010; 86,8% [85,0–88,4] en 2019). En el caso de DTP1, DTP3 y Pol3, la cobertura disminuyó entre 2010 y 2019 en 100, 98 y 107 países y territorios, respectivamente, con las mayores disminuciones similares en América Latina y el Caribe (DTP1 96,5% [96,0–96,9] en 2010 y 85,4% [83,3–87,3] en 2019; DTP3 89,8% [89,0–90,6] en 2010 y 73,9% [70,9–76,3] en 2019; Pol3 87,8% [86,9–88,7] en 2010 y 76,9% [74,9–78,6] en 2019). De los 158 países y territorios con BCG en el calendario nacional de vacunación para todos los años entre 2010 y 2019,41 La cobertura disminuyó en 88 países y territorios durante este período.
Gráfico 1 Estimaciones mundiales y superregionales de la cobertura vacunal a lo largo del tiempoMostrar pie de foto completoVisor de figuras
En el caso de las vacunas más nuevas, los aumentos en la cobertura fueron más consistentes. La cobertura para HepB3 (80,1% [95% UI 79,0–81,0]), Hib3 (70,7% [69,6–71,7]), MCV2 (67,9% [66,7–69,2]) y RCV1 (69,0% [68,0%] [68,0–69,9]) había comenzado a acercarse a la de las vacunas EPI originales en 2019 (figura 1). La expansión global de la cobertura para PCV3 y RotaC no comenzó hasta mediados de la década de 2000, pero en 2019 la cobertura global alcanzó el 48,1% (47,3-49,0) para PCV3 y el 38,8% (38,2-39,5) para RotaC.
Tendencias en niños con dosis cero, 1980-2019
Entre 1980 y 2019, el número mundial de niños sin dosis, representado por niños menores de 1 año que no han recibido una dosis de DTP1, disminuyó en un 74,9% (95% UI 72·1–77·3), de 58,8 millones (53,4–64·2) a 14,7 millones (13,8–15,6; Figura 2). La mayoría de estas disminuciones ocurrieron al comienzo del PAI de 1980 a 1990, cuando los recuentos de dosis cero disminuyeron en un 55,3% (49,1-60,5), y luego después del lanzamiento de Gavi, la Alianza para las Vacunas, cuando los recuentos de dosis cero disminuyeron en otro 35,4% (31,5-39,5) entre 2000 y 2010.
Gráfico 2 Tendencias mundiales y superregionales de los niños con dosis cero a lo largo del tiempoMostrar pie de foto completoVisor de figuras
A nivel superregional, la mayor reducción en el número de niños sin dosis entre 1980 y 2019 se produjo en el sur de Asia, con 19,5 millones (95% UI 17,6-21,0) menos de niños sin dosis en 2019: una disminución del 89,3% (87,9-90,4). En el África subsahariana, la cobertura de DTP1 casi se duplicó entre 1980 y 2019, pasando del 42,3% (36,3-48,7) al 78,2% (76,7-79,8). Sin embargo, la población objetivo superregional también creció un 125% durante ese período, lo que resultó en una reducción más modesta de 1,41 millones (0,168-2,46) menos de niños sin dosis en 2019 que en 1980. En 1980, el 53,5% (52,3–54,7) de los niños que recibían cero dosis vivían en solo cinco países: India, China, Indonesia, Pakistán y Bangladesh. En 2019, la mayoría de los niños (52,8% [51,0–54,3]) seguían viviendo en solo siete países: Nigeria, India, Etiopía, República Democrática del Congo, Brasil, Somalia y Pakistán.
Tendencias de la cobertura vacunal, 2020–23: efecto de la pandemia de COVID-19
La cobertura mundial de todas las vacunas originales del PAI disminuyó tras el inicio de la pandemia de COVID-19. En 2020 comenzaron a producirse interrupciones sustanciales relacionadas con la pandemia de COVID-19 en la cobertura mundial de las vacunas originales del APP, que en general aumentaron en 2021 y 2022, y luego mejoraron, pero no se resolvieron por completo para 2023 (gráfico 3). Las mayores disminuciones entre 2019 (el último año de comparación antes de la pandemia) y 2023 se estimaron para la cobertura de Pol3 (2,8 puntos porcentuales [95% UI 0,7–5,0]) y las menores disminuciones para DTP1 (1,6 puntos porcentuales [0,5–2,9]).
Gráfico 3 Efectos de la pandemia de COVID-19 en la cobertura mundial de vacunaciónMostrar pie de foto completoVisor de figuras
La cobertura mundial de la mayoría de las vacunas más recientes siguió ampliándose en el transcurso de la pandemia de COVID-19, impulsada tanto por las continuas introducciones como por la ampliación (gráfico 1). Las mayores ganancias entre 2019 (el año anterior a la pandemia de COVID-19) y 2023 se estimaron para PCV3 (14,3 puntos porcentuales [95% UI 12,9–15,6]). Todas las vacunas más nuevas alcanzaron niveles de cobertura más altos en 2023 en comparación con 2019, excepto la HepB3. Por lo general, la hepatitis B3 se administra como parte de una vacuna pentavalente con DTP, y la cobertura global de la hepatitis B3 reflejó más de cerca la cobertura de DTP3 y tuvo interrupciones similares durante este período de tiempo. La cobertura mundial de la hepatitis B3 en 2023 se mantuvo 1,6 puntos porcentuales (0,2-3,2) por debajo de la observada en 2019.
En comparación con un escenario contrafáctico en ausencia de interrupciones relacionadas con la COVID, la cobertura mundial de DTP3 fue 2,7 puntos porcentuales (95% UI 2,4–3,2) más baja en 2020, 4,2 puntos porcentuales (3,8–4,6) más baja en 2021, 2,3 puntos porcentuales (2,0–2,9) más baja en 2022 y 3,1 puntos porcentuales (2,7–3,5) más baja en 2023, con tendencias similares para MCV1, Pol3 y BCG (figura 3). Se estima que entre 2020 y 2023 la pandemia de COVID-19 tuvo como resultado 15,6 millones (14,4-16,9) menos de niños vacunados con DTP3 en todo el mundo, 15,6 millones (14,4-17,0) menos con MCV1, 15,9 millones (15,0-17,2) con Pol3 y 9,18 millones (8,20-10,2) con BCG. Aunque la cobertura siguió aumentando durante 2020-23 para las vacunas más nuevas, estos avances no siguieron el ritmo de las expectativas en ausencia de la pandemia (gráfico 3). Entre las vacunas más recientes, los mayores impactos de la pandemia se estimaron para RotaC, con 16,6 millones (15,7-17,7) menos de niños vacunados entre 2020 y 2023 que si no hubiera ocurrido la pandemia, seguida de MCV2 (16,5 millones [15,3-18,0] niños menos), PCV3 (15,8 millones [15,0-16,8] 8]), Hib3 (15,3 millones [14,2-16,5]), HepB3 (14,4 millones [13,1–15,7]) y RCV1 (13,4 millones [12,2–14,7]).
Tanto la magnitud de las interrupciones relacionadas con la pandemia de COVID-19 en la cobertura de vacunación como el grado de recuperación pospandémica variaron según la vacuna y la superregión. En comparación con el escenario contrafáctico sin COVID-19, se estimó que las mayores interrupciones de la cobertura en un solo año ocurrieron en América Latina y el Caribe, para PCV3 en 2023 y 2021, y DTP1 en 2021 (disminuciones de 11,6 puntos porcentuales [95% UI 9,6–13,9], 11,2 puntos porcentuales [9,7–14,1] y 11,2 puntos porcentuales [9,6–12,7], respectivamente). Entre otras superregiones, las mayores interrupciones en un solo año se registraron en RotaC en África subsahariana en 2022 (una disminución de 7,7 puntos porcentuales [7,3-8,7]), RotaC en Europa central, Europa oriental y Asia central en 2021 (7,2 puntos porcentuales [6,7-7,8]) y PCV3 en África del Norte y Oriente Medio en 2021 (7,0 puntos porcentuales [6,2-8,4]). A partir de 2023, la cobertura de BCG, DTP1, DTP3, MCV1 y Pol3 se había recuperado a niveles cercanos a los esperados sin la pandemia de COVID-19 (dentro de 1 punto porcentual) solo para BCG en África subsahariana y Europa central, Europa oriental y Asia central; DTP1 en Asia Meridional y Europa Central, Europa Oriental y Asia Central; DTP3 en Europa central, Europa del Este y Asia central; MCV1 en Europa central, Europa oriental y Asia central; y Pol3 en Asia meridional (apéndice 1 pp 229-231, 486).
El África subsahariana, como superregión, experimentó las mayores interrupciones acumuladas en la cobertura vacunal entre 2020 y 2023 en cifras absolutas para RotaC, PCV3 y Pol3 (6,96 millones [95% UI 6,73-7,42], 5,31 millones [5,09–5,57] y 4,94 millones [4,74-5,19] niños menos vacunados, respectivamente). La pandemia de COVID-19 también provocó que unos 4,12 millones (3,90-4,38) de niños adicionales no recibieran la vacunación sistemática contra la MCV1 en el sur de Asia y 4,64 millones (3,59-5,64) en el África subsahariana. En relación con el tamaño de la población objetivo, las interrupciones acumuladas fueron mayores en América Latina y el Caribe, para PCV3, RotaC y DTP3, con pérdidas porcentuales acumuladas en niños vacunados de 9,4% (8,2-10,6), 7,8% (6,7-8,9) y 7,6% (6,5-8,8), respectivamente. Otras interrupciones relativas notables ocurrieron en el norte de África y Oriente Medio para PCV3 (una pérdida acumulada de 5,5% [5,1–6,0]), África subsahariana para RotaC (una pérdida acumulada de 4,7% [4,5–5,0]), y el sudeste asiático, Asia oriental y Oceanía para Pol3 (una pérdida acumulada de 4,3% [3,9–4,6]). Las mayores perturbaciones acumuladas absolutas y proporcionales de la pandemia de COVID-19 tendieron a ocurrir en América Latina y el Caribe, África subsahariana y Asia meridional (apéndice 1, pág. 486).
Tendencias en los niños con dosis cero, 2020-23: impacto de la pandemia de COVID-19 y avances necesarios para alcanzar el objetivo de la AI2030 de una reducción del 50% para 2030
La pandemia de COVID-19 ha revertido los avances anteriores en la reducción de la tasa de niños sin dosis en todo el mundo. En 2023, había 15,7 millones (95% UI 14,6-17,0) niños sin dosis en todo el mundo, en comparación con 14,7 millones (13,8-15,6) en 2019: un aumento del 2,9% (2,6-3,2). Este retroceso se produce tras un largo período de progreso, durante el cual los recuentos mundiales de dosis cero disminuyeron de 58,8 millones (53,4-64,2) en 1980 a 14,7 millones (13,8-15,6) en 2019. El número mundial de niños sin dosis aumentó a 18,6 millones (17,6-20,0) en 2021 antes de disminuir, pero aún se mantiene por encima de los niveles previos a la pandemia en 2022 y 2023. Para alcanzar el objetivo de cero dosis de la IA2030, el número mundial de niños con cero dosis tendría que reducirse a la mitad con respecto a los niveles de 2019 a 7,35 millones (6,92–7,82) para 2030 (gráfico 2; Apéndice 1, págs. 232-237). Esto equivaldría a aumentar la cobertura global de DTP1 del 87,4% (86,4-88,3) en 2019 al 94,0% (93,6-94,3) en 2023. Entre 2020 y 2023, las interrupciones relacionadas con la pandemia de COVID-19 en la cobertura de la DTP1 dieron lugar a un total de 12,8 millones (11,7-14,0) de niños adicionales con dosis cero durante estos 4 años. Asia meridional fue la única superregión cuya cobertura de DTP1 en 2023 se acercó a los niveles esperados en ausencia de la pandemia (dentro de 0,8 puntos porcentuales [–0,9 a 1,9]). En 2023, el 51,1% (47,7-53,6) de todos los niños sin dosis vivían en ocho países, principalmente en África subsahariana y Asia meridional (Nigeria, India, República Democrática del Congo, Etiopía, Somalia, Sudán, Indonesia y Brasil). En comparación con 2019, esta distribución refleja el reciente aumento del número de niños sin dosis en Sudán e Indonesia y las disminuciones en Pakistán debido al aumento de la cobertura (apéndice 1, págs. 232-237).
En un escenario en el que todos los países y territorios contribuyan por igual al objetivo de reducción de dosis cero de la AI2030, teniendo en cuenta los cambios demográficos previstos, el 51,2% (95% UI 35,9–63,9) de los niños adicionales con dosis cero (8,34 millones [7,12–9,64]) que debían ser vacunados en 2030 en comparación con 2023 vivirían en ocho países: Nigeria, India, República Democrática del Congo, Sudán, Somalia, Indonesia, Etiopía y VietNam (apéndice 1, págs. 232-237). Las mayores reducciones absolutas de niños con cero dosis durante 2023-30 serían necesarias en África subsahariana y Asia meridional (4,28 millones [3,46-5,10] y 1,33 millones [1,07-1,61], respectivamente). Las superregiones de América Latina y el Caribe y Europa central, Europa oriental y Asia central han alcanzado históricamente los niveles de cobertura DTP1 que serían necesarios para alcanzar sus objetivos de IA2030 (91,9% [90,7-92,9] y 98,0% [97,5-98,4], respectivamente). Para el sur de Asia, se requeriría el 95,9% (95,5-96,3) de la cobertura DTP1 para 2030, 2,2 puntos porcentuales (1,8-2,5) más que la cobertura histórica más alta. El África subsahariana requeriría el 90,3% (89,6–91,0) de la cobertura de DTP1, 12,1 puntos porcentuales (11,4–12,8) más que la cobertura histórica más alta de la superregión. En conjunto, estas dos superregiones representan el 65,1% (62,8-68,6) de la reducción mundial total de niños con dosis cero necesaria entre 2023 y 2030.
A nivel nacional, 18 de los 204 países y territorios habían logrado una reducción del 50% en el número de niños sin dosis para 2023 (gráfico 4). Entre los países y territorios con cohortes de nacimiento de al menos 10 000, Tanzania, Jordania y Malasia registraron las mayores reducciones porcentuales en niños sin dosis, mientras que Trinidad y Tobago, Ucrania y Jordania registraron los mayores aumentos de puntos porcentuales en la cobertura de DTP1 (apéndice 1, págs. 232-237 y 247). Por el contrario, en comparación con los niveles de 2023, 40 (20%) países y territorios requieren un aumento de más de 10 puntos porcentuales en la cobertura de DTP1 para 2030, y estos representan el 62,4% (95% UI 52,4-71,4) de la reducción total de niños con dosis cero a nivel mundial necesaria durante este tiempo. Muchos países y territorios tendrían que superar sustancialmente las tendencias históricas para alcanzar los objetivos de cero dosis para 2030. De los 186 países y territorios que no alcanzarán este objetivo para 2023, solo 18 (10%) exigen un AROC futuro por debajo de la mediana de los AROC históricos, y casi la mitad (80 [43%]) tendrían que superar el percentil 80 de los AROC históricos (gráfico 4C). De los ocho países que deben contribuir a las mayores reducciones en el número de niños que no reciben dosis cero (4,22 millones [51,2%] de 8,34 millones), siete tendrían que superar el percentil 80 de las anteriores TRATOC DTP1 (Somalia, Sudán, República Democrática del Congo, Viet Nam, Nigeria, Etiopía e Indonesia), seis tendrían que superar el percentil 90 (Somalia, Sudán, República Democrática del Congo, Viet Nam, Nigeria y Etiopía), cinco tendrían que superar el percentil 95 (Somalia, Sudán, República Democrática del Congo, Viet Nam y Nigeria) y dos tendrían que superar el percentil 99 (Somalia y Sudán). Para estos países, las mejoras en la cobertura de DTP1 tendrían que superar casi cualquier ganancia que cualquier país del mundo haya logrado desde el año 2000. En 2019, 38 países y territorios habían alcanzado una cobertura de DTP1 del 99% o superior, pero este número disminuyó a 24 países y territorios en 2023.
Figura 4 Cambio necesario para alcanzar el objetivo de la AI2030 de reducir en un 50% el número de niños con dosis ceroMostrar pie de foto completoVisor de figuras
Previsión de los avances hacia los objetivos de cobertura del 90% de la AI2030 para las vacunas de ciclo vital
Para evaluar el progreso hacia los objetivos de la AI2030 de una cobertura mundial del 90% para las vacunas de ciclo vital, pronosticamos la cobertura de vacunas para tres escenarios (referencia, mejor y peor). Para 2030, a nivel mundial, se prevé que la cobertura vacunal en el escenario de referencia alcance el 81,3% (95% UI 79,5-82,7) para la DTP3 (2,4 puntos porcentuales [0,6–3,8] más que en 2023), el 71,1% (69,6-72,5) para el PCV3 (8,7 puntos porcentuales [7,1–10,1] más que en 2023) y el 76,0% (73,7-78,1) para el MCV2 (5,2 puntos porcentuales [2,8–7,2] más que en 2023 2023; Figura 5). Por el contrario, en el peor de los escenarios, la cobertura mundial de vacunación podría disminuir entre 2023 y 2030 hasta el 68,9% (66,9-70,4) para la DTP3, el 59,3% (57,4-60,9) para la PCV3 y el 62,7% (60,1-65,1) para la MCV2. Alternativamente, en el mejor escenario, la cobertura mundial de vacunación podría aumentar al 91,2% (89,4-92,7%) para la DTP3, al 85,7% (84,0-87,3) para la PCV3 y al 85,3% (83,1-87,1) para la MCV2. Incluso en el mejor de los escenarios, solo se prevé que la cobertura DTP3 (históricamente superior a la de los más recientemente introducidos MCV2 y PCV3) alcance una cobertura global del 90%. Sin embargo, los pronósticos de los escenarios de referencia variaron sustancialmente según la superregión de GBD (apéndice 1, pág. 487).
Gráfico 5 Cobertura mundial de vacunación previstaMostrar pie de foto completoVisor de figuras
Se estima que 85 de los 204 países y territorios han alcanzado una cobertura del 90% en 2023 para DTP3, 56 países para PCV3 y 57 países para MCV2. En el escenario de referencia, se prevé que otros 23 países y territorios alcancen una cobertura del 90% para DTP3 en 2030 (108 de 204 en total), 27 países en PCV3 (83 de 204 en total) y 34 países en MCV2 (91 de 204 en total; Apéndice 1, pág. 488). En particular, se espera que solo la superregión de ingresos altos alcance o mantenga al menos el 90% de cobertura de las tres vacunas de ciclo vital para 2030 en el escenario de referencia. En el mejor escenario, estos logros mejorarían a 186 de 204 países y territorios para DTP3, 171 países para PCV3 y 161 países para MCV2. En el peor escenario alternativo, todos los países y territorios que hayan alcanzado una cobertura del 90% para DTP3, PCV3 y MCV2 para 2023 caerían por debajo de este objetivo para 2030.
Discusión
Resumen de las principales conclusiones
Las primeras cinco décadas del PAI han transformado fundamentalmente el panorama de la salud mundial mediante la vacunación de más de cuatro mil millones de niños, la duplicación de la cobertura de las vacunas originales del EPI, la introducción y ampliación exitosas de nuevas vacunas que salvan vidas y una reducción de tres cuartas partes en el número de niños sin dosis desde 1980. Sin embargo, en los últimos años, este progreso se ha estancado y, en algunas zonas del mundo, se ha revertido, un período de estancamiento que comenzó en la década anterior a la pandemia de COVID-19 para las vacunas EPI originales. Estimamos que la pandemia de COVID-19 provocó que decenas de millones de niños adicionales se quedaran sin dosis de estas 11 vacunas infantiles de rutina desde 2020, incluidos 12,8 millones de niños adicionales con cero dosis, en comparación con las expectativas si no hubiera ocurrido la pandemia. Aunque la cobertura de vacunación en 2023 siguió siendo más baja de lo esperado en ausencia de la pandemia, hay signos de recuperación en muchas vacunas y superregiones, gracias a los esfuerzos concertados de los defensores de las vacunas a nivel local, nacional, regional y mundial.
Por lo tanto, cinco décadas después, la promesa del PAI —ampliar los beneficios de las vacunas para salvar vidas a todos los niños del mundo— solo se ha cumplido parcialmente. Como subrayan estos resultados, los objetivos de cobertura mundial de vacunación no pueden alcanzarse sin mejoras transformadoras en la equidad.
Desafíos para mantener y mejorar los éxitos de EPI
A pesar de los notables éxitos en materia de salud pública logrados en todo el mundo gracias a la vacunación infantil sistemática en los últimos 50 años, los esfuerzos por preservar y ampliar estos avances se enfrentan a retos considerables. Las desigualdades en la cobertura, incluido el gran número de niños que siguen sin vacunarse, persisten en todas las regiones, países, territorios y comunidades.8,9,14,15,53,54 Como se destaca en los presentes hallazgos, aunque en las últimas cinco décadas se produjeron fuertes descensos en los recuentos de niños no vacunados con cero dosis en casi todas las regiones del mundo, estos éxitos no se correspondieron en el África subsahariana, donde los descensos fueron considerablemente menos pronunciados. Las cifras de dosis cero incluso aumentaron en algunas áreas durante ciertos períodos: en África subsahariana y Asia meridional durante la década de 1990, y en América Latina y el Caribe y en Europa central, Europa oriental y Asia central después de 2010. En 2023, más del 50% de los niños sin dosis del mundo vivían en solo ocho países, caracterizados por sistemas de salud débiles, grandes cohortes de nacimiento, aislamiento geográfico, erosión de la confianza en las vacunas y exposición a conflictos.9 De hecho, nuestros resultados muestran que Sudán estuvo cerca de alcanzar una cobertura DTP1 del 90% en 2019, pero con el estallido de la guerra civil en 2023, según los datos de ubicación y eventos de conflictos armados, la cobertura se redujo casi a la mitad. Nuestras estimaciones reflejan interacciones complejas entre estos factores interrelacionados y subrayan la necesidad de intervenciones específicas adaptadas a cada circunstancia.
Efecto de la pandemia de COVID-19
A partir de 2020, gran parte de los avances a largo plazo logrados en la campaña mundial para reducir la mortalidad y la morbilidad mediante la inmunización sistemática se detuvieron o revirtieron durante la agitación mundial masiva causada por la pandemia de COVID-19 y no se han recuperado plenamente desde entonces. La crisis y sus efectos en cascada ejercieron una presión extraordinaria sobre los sistemas y los proveedores de salud, las cadenas de suministro de inmunización y el gasto en salud, lo que, combinado con el distanciamiento físico y las medidas de confinamiento, limitó gravemente la capacidad de los trabajadores de la salud y de las personas necesitadas de atención para prestar servicios y acceder a ellos.55 Otros estudios encontraron que durante el apogeo de la pandemia las desigualdades de cobertura dentro de las regiones crecieron durante la pandemia.56 Incluso después de que se levantaran estas medidas, los efectos de la pandemia de COVID-19 habían continuado. Incluso en 2023, el 84% de los países y territorios seguían informando de alguna interrupción de los servicios de salud, y la inmunización ocupaba el tercer lugar en términos de servicios interrumpidos.11,57 Nuestras estimaciones muestran que, entre 2019 y 2023, el número mundial de niños sin dosis aumentó a sus niveles más altos en 2021, con 18,6 millones, y los recuentos en 2023 se mantuvieron en 15,7 millones, 989 000 más que en 2019. Además, la cobertura mundial de todas las vacunas originales del PAI disminuyó entre 2019 y 2023, y los mayores descensos se produjeron en 2021.Nuestro análisis sugiere que la pandemia de COVID-19, junto con las interrupciones en los servicios de inmunización debido a conflictos recientes, ha provocado que decenas de millones de niños adicionales en todo el mundo no reciban las vacunas de rutina desde 2020, lo que aumenta su riesgo de enfermedad y muerte prevenibles. En 2022, 33 países y territorios notificaron brotes considerables de sarampión, en comparación con 22 países y territorios en 2021. Además, se notificó un número cada vez mayor de casos de poliomielitis de tipo salvaje en Pakistán y Afganistán, y en 2024 se produjeron nuevos brotes de poliomielitis de tipo salvaje en Malawi y Mozambique. También se informó de un resurgimiento de la difteria, con brotes en Bangladesh, Nepal, Nigeria, Pakistán, Venezuela y Yemen.58,59 Estas tendencias de enfermedades ya estaban en aumento antes de la pandemia de COVID-1960 y reflejan desigualdades de larga data en la cobertura de vacunación, pero plantean un riesgo mundial, incluso para los países y territorios de ingresos altos, donde la cobertura se ha estancado o disminuido en los últimos años.A pesar de estos desafíos, el efecto de la pandemia de COVID-19 en la cobertura de vacunación podría haber sido aún mayor. En un análisis anterior que utilizó datos parciales del año de los primeros meses de la pandemia, Causey y sus colegas estimaron la cobertura global de DTP3 de 2020 en aproximadamente el 76,7%, que es 7,7 puntos porcentuales menos de lo que se esperaba en ausencia de la pandemia.18 Por el contrario, con la ventaja del tiempo para tener en cuenta los retrasos en la presentación de informes de muchos países y fuentes de datos, nuestras estimaciones actuales que utilizan datos más completos indican que la cobertura mundial de DTP3 en 2020 fue del 78,5%, es decir, solo 2,7 puntos porcentuales menos de lo esperado sin la pandemia. La mitigación de la influencia de la pandemia en la cobertura de vacunación refleja los enormes esfuerzos de los vacunadores de todo el mundo y los esfuerzos concertados y coordinados de las organizaciones de inmunización para seguir prestando servicios de salud esenciales en circunstancias extremadamente difíciles.61,62
Desafíos y oportunidades en diferentes poblaciones con dosis cero
Debido a los desafíos conocidos para la distribución de vacunas que plantean la pobreza, la falta de accesibilidad y la presencia de conflictos civiles o regionales,53,54,63,64 La investigación y la labor normativa centrada en los niños que reciben dosis cero se ha concentrado principalmente en los pobres de las zonas urbanas o en los que viven en zonas remotas o afectadas por conflictos.65–67 Dada la fuerte relación entre la educación de las madres y el hecho de que sus hijos estén inmunizados,54,68 También hay una creciente conciencia del efecto del constructo social de género en la cobertura de vacunación.15 El bajo estatus social de la mujer, que se manifiesta en la falta de recursos, agencia y poder, se muestra cada vez más como uno de los factores más universales que afectan negativamente a la inmunización infantil equitativa.68–71 Las desigualdades de género y los factores socioeconómicos, como la condición migratoria, la pobreza, la etnia o la casta, el acceso a la planificación familiar y el entorno geográfico, se entrecruzan para deprimir los resultados de la inmunización infantil en las poblaciones de escasos recursos.68,72Los países y territorios con las cargas más elevadas de dosis cero se enfrentan a un doble reto demográfico: aunque se prevé que la cohorte mundial de nacimientos se reduzca un 1,6% a nivel mundial entre 2023 y 2030,73 Muchos países y territorios con alta carga de rabia experimentarán un crecimiento sustancial en sus poblaciones objetivo de vacunación. Nigeria, Etiopía y la República Democrática del Congo —que en conjunto contienen el 26,8% (95% UI 24,2-28,8) de los niños del mundo sin dosis a partir de 2023— verán aumentar las cohortes de nacimiento en un 16,1%, 10,6% y 5,9%, respectivamente, durante este período. Estas tendencias demográficas se traducen directamente en un aumento de las necesidades de recursos para alcanzar los objetivos de vacunación o incluso para mantener los niveles actuales de cobertura. Estas presiones demográficas, combinadas con las limitaciones existentes en el sistema de salud, subrayan la necesidad de estrategias de vacunación que se amplíen más rápidamente que el crecimiento de la población en estos entornos, incluidos servicios de divulgación mejorados, modelos de prestación simplificados y enfoques innovadores de la fuerza laboral. Más allá de los desafíos del crecimiento demográfico, incluso las reducciones exitosas del 50% en los recuentos de dosis cero en todos los países y territorios dejarían a 26 países con menos del 90% de cobertura de DTP1 en 2030, lo que refleja la magnitud de las desigualdades actuales en la cobertura.La diversidad de desafíos y barreras que conducen a la falta de inmunización varía ampliamente de un país a otro y de una comunidad a otra, lo que pone de relieve la necesidad de soluciones nuevas y adaptadas.65–67,74 Estrategias como el marco de Identificar-Alcanzar-Monitorear-Medir-Promover75 se han propuesto como una forma de desarrollar y ejecutar planes específicos de la comunidad para llegar a los niños con dosis cero. Algunas estrategias clave que han mejorado la aceptación de la vacuna incluyen la concienciación y la educación, la comunicación, la movilidad de las unidades de vacunación, la participación de la comunidad, los incentivos motivacionales, el refuerzo positivo y la garantía de la seguridad de las vacunas.76,77 Estos esfuerzos deben estar respaldados por pruebas y datos sólidos, incluidas estimaciones sólidas, oportunas y locales de la cobertura y una mejor comprensión de la ubicación y las características de los niños con dosis cero en cada país.78
Reticencia a la vacuna
Si bien algunos de los desafíos específicos de la pandemia de COVID-19 para la vacunación han disminuido, persisten varios desafíos clave, como el aumento de las disparidades en los países y territorios con recursos limitados, afectados por conflictos o políticamente volátiles;79,80 la intensificación de la migración y el desplazamiento; y las crisis relacionadas con el clima.10,11 Un desafío adicional para el progreso ha sido la amenaza de una creciente reticencia a las vacunas. Derivada de muchos orígenes complejos, la desinformación sobre las vacunas81,82 y el escepticismo ya eran desafíos antes de la pandemia, identificada por la OMS en 2019 como una de las diez principales amenazas para la salud mundial.23,83,84 La pandemia de COVID-19, que en muchas áreas generó una disminución de la confianza en las instituciones de salud pública85 y opiniones polarizadas sobre la necesidad y la seguridad de la vacunación contra la COVID-19,82 ha tenido diversos efectos en las percepciones públicas sobre la importancia de la vacunación infantil de rutina y la voluntad de vacunar. Un análisis mundial de 2023 informó que la prevalencia de la reticencia a la vacunación osciló entre un mínimo del 13,3% en la región de las Américas de la OMS y un máximo del 27,9% en la región del Mediterráneo oriental.86 y aún más en algunos países africanos.87 En Estados Unidos, la mayoría de los padres seguían convencidos de los beneficios y la eficacia de las vacunas infantiles entre 2020 y 2022, con niveles de confianza que oscilaban entre el 89,5% y el 92,5%, aunque la preocupación por la seguridad y los efectos secundarios de las vacunas aumentó durante ese tiempo.88 y las tasas de exención de vacunas para kindergarten en 2023-24 fueron las más altas jamás reportadas.89Aunque la confianza general en la inmunización infantil sistemática sigue siendo relativamente alta, la pandemia de COVID-19 puso claramente de manifiesto una veta de desconfianza pública con respecto a la política sanitaria que probablemente influirá en la percepción pública de las vacunas infantiles en el futuro.84 Las estrategias para mejorar la confianza en las vacunas incluyen el refuerzo de la alfabetización científica para protegerse contra la erosión de la confianza en la ciencia, la implementación de campañas de salud pública específicas para promover la inmunización infantil rutinaria, incluida la participación de la comunidad en la investigación científica y la formulación de políticas, la participación de los líderes comunitarios y religiosos como defensores de la inmunización, y la elevación y el equipamiento de los proveedores de atención médica, que siguen siendo las voces más confiables sobre la vacunación, para tener conversaciones impactantes sobre las decisiones de inmunizar.25,83,84
A la espera de los objetivos de la Agenda de Inmunización 2030 de la OMS
Para hacer un seguimiento de los avances en la vacunación a lo largo de la vida, los objetivos de la IA2030 incluyen reducir a la mitad el número mundial de niños con cero dosis y lograr una cobertura mundial del 90% de DTP3, PCV3, MCV2 y HPVc para 2030 (el HPVc no se incluyó en el presente análisis debido a la falta de datos disponibles actualmente). Estos objetivos eran ambiciosos en el momento de su creación y presentan desafíos aún mayores ahora, tras el efecto de la pandemia de COVID-19 en las tasas mundiales de vacunación. Para muchos países y territorios, los objetivos de la AI2030 podrían ser alcanzables, pero podrían requerir una aceleración del progreso. En los países, territorios y superregiones con el mayor número de niños no inmunizados o insuficientemente inmunizados, el logro de estos objetivos requeriría mejoras extraordinarias en la cobertura de vacunación. En 2023, el número de niños sin dosis siguió siendo superior al de 2019 en todas las superregiones, excepto en Asia meridional. Nuestras previsiones indican que alcanzar el ambicioso objetivo de la IA2030 de una cobertura mundial del 90% para 2030 para cada una de las vacunas de ciclo de vida DTP3, PCV3 y MCV228 también es poco probable. Además, las disparidades de cobertura observadas en 2023 para DTP3 y MCV2 persistirán en 2030, y las tasas de cobertura en África subsahariana se mantendrán sustancialmente por debajo de otras superregiones.
Nuestro análisis sugiere desafíos similares para cumplir con los objetivos de reducción de dosis cero. Incluso si se lograran escenarios de pronóstico optimistas, o si todos los países y territorios cumplieran los objetivos de reducción de dosis cero, estos resultados sugieren que persistirán disparidades geográficas sustanciales en 2030, particularmente para DTP3 y MCV2. En el caso de PCV3, las disparidades en la cobertura disminuirán debido a las introducciones y el aumento en curso, aunque persistirán incluso en el mejor de los escenarios.El éxito de los primeros 50 años del PAI solo ha sido posible gracias a una cooperación amplia y sostenida a todos los niveles, desde los trabajadores de la salud locales hasta los programas nacionales de inmunización y las asociaciones regionales y mundiales. A nivel mundial, la OMS coordina y proporciona orientación sobre la vacunación en todos los países y territorios y desempeña un papel central en la recopilación de datos. Por ejemplo, este estudio se basa en 49 710 años de vacunación por país de datos reportados por las oficinas en los países que fueron recopilados, cotejados y reportados anualmente por la OMS a través del JRF.31 y estas estimaciones se benefician adicionalmente de la información contextual sobre estos datos de cobertura generados por WUENIC.49 Gavi apoya a los países y territorios que reúnen los requisitos para fortalecer sus programas de inmunización, y actualmente proporciona vacunas para la inmunización sistemática en 54 países y territorios, al tiempo que trabaja en estrategias de financiación nacional más sostenidas.90 Este informe muestra el aumento sustancial de las vacunas más nuevas en los países y territorios de ingresos bajos y medianos, y Gavi ha desempeñado un papel central en el apoyo a estas introducciones lideradas por los países. La Agencia de los Estados Unidos para el Desarrollo Internacional (USAID, por sus siglas en inglés) también ha desempeñado un papel clave en el seguimiento de la cobertura de vacunación en los países de ingresos bajos y medianos a través del DHS, que proporciona una fuente importante de datos poblacionales sobre las tasas de vacunación a escala nacional y local. Este estudio incluye datos de 313 fuentes de DHS, que representan más de la mitad (50,2%) de todas las fuentes de datos de encuestas incluidas en países de ingresos bajos y medianos.Con los recientes cambios en el entorno mundial de financiación de la inmunización, incluida la terminación a gran escala de los programas respaldados por USAID, los recortes anunciados a la financiación estadounidense para Gavi y la OMS, y las reducciones más amplias de los compromisos mundiales con la asistencia para el desarrollo de la salud…91–94 El progreso histórico y futuro de los programas de vacunación está en peligro. Con la reducción del espacio fiscal, cualquier introducción adicional de nuevas vacunas está en peligro, las tasas de cobertura de vacunación podrían disminuir y el riesgo de enfermedades prevenibles por vacunación aumenta. En esta época de riesgo, las estimaciones precisas de la cobertura de vacunación se vuelven aún más importantes. Con el cierre del programa de DHS, se necesitarán esfuerzos estratégicos y coordinados para evaluar la cobertura mediante encuestas específicas y apoyo a los sistemas nacionales de datos sobre inmunización.La inmunización infantil es una inversión excepcional con excelentes beneficios sanitarios y económicos, en todos los países y territorios de todos los niveles de ingresos.95–98 Es probable que las reducciones propuestas en el gasto en inmunización afecten de manera desproporcionada a los países de ingresos bajos y medianos, pero también es probable que los países y territorios de ingresos altos incurran en costos de atención de la salud asociados con brotes de enfermedades nuevos y más frecuentes.99,100 Europa registró su mayor número de casos de sarampión en 2024 desde 1997, y la primera muerte relacionada con el sarampión de la última década en Estados Unidos se produjo en un niño no vacunado como parte de un brote de sarampión en Texas a principios de 2025.101 Si no se realizan esfuerzos concertados para aumentar las tasas de inmunización en todos los países y territorios, estos riesgos seguirán aumentando.102
Debido a la incertidumbre actual sobre el alcance final y la magnitud de los recortes de financiación propuestos, los efectos de estas decisiones no se tienen en cuenta en nuestras previsiones de las vacunas de ciclo de vida de la IA2030. Sin embargo, si estos recortes de financiación propuestos se aplican plenamente, es probable que las previsiones presentadas aquí, que ya muestran que la cobertura mundial no está en camino de alcanzar los objetivos de la IA2030, sean demasiado optimistas. Del mismo modo, el escenario de contribución equitativa que se presenta aquí, en el que todos los países y territorios contribuyen proporcionalmente a los objetivos de reducción del 50% de dosis cero, se vuelve aún más improbable dados los efectos desproporcionados de las restricciones de financiación adicionales. Sin embargo, es importante tener en cuenta que cualquier aumento en la cobertura y la reducción de las disparidades existentes, incluso si no alcanzan los ambiciosos objetivos establecidos por IA2030, aún resultarían en ganancias masivas en salud pública. Cada punto porcentual de aumento en la cobertura mundial de vacunación representa la protección de millones de niños adicionales contra enfermedades mortales. Esta perspectiva no disminuye la importancia de los objetivos ambiciosos, sino que más bien pone de relieve el valor sustancial de un progreso continuo e incremental en todos los entornos.
Chapter 6: Confict Management, Negotiations, and the Art of Hearing and Saying No in Academic Medicine. Confict is an inevitable part of any dynamic organization, and academic institutions are no exception. In this chapter, we tackle the challenges of confict management in academic environments and provide strategies for resolving conficts constructively. By developing skills in communication, negotiation, and confict resolution, early-stage physicians can navigate challenging situations with confdence and foster a culture of collaboration and mutual respect within their teams.
La gestión de conflictos, las negociaciones y el arte de escuchar y decir no en la medicina académica
Presentación del caso
Una pequeña división dentro de un departamento de medicina interna en un centro médico académico experimentó crecientes tensiones a medida que las prioridades de un médico, el Dr. Harris, estaban en desacuerdo con las necesidades de la división. Aunque el equipo había trabajado sin problemas durante varios años, un cambio en las finanzas de la institución significó que sintieron varios cambios en las responsabilidades clínicas, las prioridades de investigación y un cambio en el número de aprendices que debían contratar.
La Dra. Harris tenía una sólida experiencia en investigación y anteriormente tenía una buena flexibilidad de horario para adaptarse a su programa de investigación. Sin embargo, con los cambios recientes, se siente sobrecargada por las obligaciones clínicas y que no tiene tiempo para dedicarse a su investigación. Otros miembros del equipo con mayores cargas clínicas y mayor experiencia se sienten infravalorados y que el Dr. Harris tiene una falta de compromiso con la atención al paciente, ya que habitualmente tienen paneles de pacientes más altos y nunca dicen nada sobre sentirse sobrecargados de trabajo. Estas tensiones han salido a la superficie y han dado lugar a frecuentes desacuerdos durante las reuniones de la división, uno a uno con el jefe de la división, y un ambiente chismoso en los pasillos y en la clínica.
Las reuniones son improductivas y no colaborativas, el personal subalterno se siente incómodo dando una opinión sobre cualquier cosa, los aprendices han comentado sobre la tensión y la cohesión de la división se ha roto. Reconociendo el impacto que este conflicto estaba teniendo en la división, el Jefe de la División se reunió con el Dr. Harris para intervenir.
Se alentó a la Dra. Harris a expresar sus preocupaciones abierta y plenamente, si permitía que el Jefe hiciera lo mismo y presentara el otro lado de la situación. Al proporcionar un espacio seguro para que la Dra. Harris expresara sus frustraciones en su totalidad y presentar el otro lado de una manera que enfatizara los objetivos compartidos que todos los miembros de la división tenían, la Dra. Harris pudo comprender que los problemas se derivaban de las diferencias en las expectativas y los estilos de comunicación y no de ningún conflicto personal entre «clínicos» e «investigadores».
Juntos, podrían trabajar en los cambios necesarios basados en el clima institucional, las fortalezas del Dr. Harris y las necesidades de la División y crear un plan para avanzar. El Jefe también agregó breves controles adicionales con el Dr. Harris para garantizar una comunicación continua en torno a este tema y estableció la expectativa de que se les pediría a otros miembros de la división sus comentarios sobre cómo estaba funcionando el nuevo plan.
Introducción
El conflicto es una parte inevitable de nuestras vidas, y la gestión del conflicto se vuelve aún más difícil en los entornos de atención médica donde las personalidades pueden tender hacia lo autoritario y hay mucho en juego. Varios estudios han sugerido que los médicos tienden a ser perfeccionistas y propensos a la culpa, con un sentido inflado de responsabilidad y una expresividad emocional limitada [1]. Además, con prácticas médicas cada vez más exigentes, los líderes médicos tienen poco tiempo para aprender sobre el manejo del conflicto.
Los conflictos en las instituciones médicas académicas pueden conducir a un ambiente de trabajo tóxico que afecta la atención al paciente y el bienestar del médico y, a menudo, conduce a la rotación de empleados.
En las estructuras médicas académicas, los médicos jóvenes a menudo se ven arrastrados en diferentes direcciones mientras atienden a sus pacientes. Aprender sobre la gestión de conflictos se vuelve crucial para que avancemos en nuestras carreras. En los entornos médicos académicos, los conflictos diarios que probablemente veamos pueden variar en magnitud, como tratar con un paciente o una familia infelices, trabajar con un aprendiz sobrecargado o trabajar con un colega estresado. En una encuesta realizada a 5000 empleados a tiempo completo en diferentes países, el 85% de los empleados se enfrentó a algún problema en el trabajo hasta cierto punto, y el 29% se ocupó de conflictos con frecuencia o constantemente [2]. En otra encuesta, el 64% de los encuestados experimentaba una personalidad tóxica en su entorno laboral actual, y el 94% había trabajado con alguien así en algún momento de su carrera [3]. Es vital que los líderes médicos aprendan a manejar estos conflictos de manera efectiva. 6 La gestión de conflictos, las negociaciones y el arte de oír y decir no… 81 Gestión de conflictos
Un conflicto puede definirse como una lucha mental, emocional o relacional que surge de demandas, deseos o pulsiones opuestas. Imagínese el conflicto como «fuerzas opuestas». Como médicos líderes, debemos ser capaces de visualizar las fuerzas opuestas y ver el panorama general para llegar a resolver estas situaciones. Es importante entender que los conflictos no se tratan de ganar o perder, sino de comprender las causas fundamentales del conflicto y negociar soluciones que sean aceptables para los involucrados. En teoría, los conflictos pueden ser una oportunidad para desarrollarse a sí mismo, a los demás y a nuevos proyectos. Después de una extensa revisión de la literatura, proponemos una hoja de ruta para que los líderes médicos la utilicen al navegar por la gestión de conflictos. El modelo 5-C de gestión de confitos implica principios fve (Fig. 6.1). • Paso 1: Mantener la calma: Hesha Abrams, una conocida autora y maestra mediadora, publicó su famoso libro Hold the Calm en 2022 [4]. En él, explicó la teoría de «mantener la calma»: en resumen, nuestro cerebro reptiliano desarrolla dos pequeñas estructuras importantes llamadas amígdala. La amígdala se encuentra en el mesencéfalo y es el centro del miedo y la negatividad;Controla nuestros mecanismos de lucha, miedo y congelación. La activación de la amígdala provoca oclusión ocular y exclusión auditiva. Cuando esto sucede y nuestros receptores visuales y auditivos se apagan esencialmente, no somos capaces de usar nuestra lógica racional. Esta activación de la amígdala debe ralentizarse antes de que los sentidos comiencen a funcionar nuevamente. El concepto de «mantener la calma» es dar tiempo a la amígdala para que se calme antes de responder a cualquier tipo de situación. ¿Recuerdas el «círculo verde» de la inteligencia emocional en el Capítulo 1, Fig. 1.2, y el manejo de tu personalidad, emociones, necesidades biológicas y sesgos? Debe estar preparado para una reunión de negociación o manejo de conflictos. ¡No vayas a la reunión si tienes hambre, estás cansado o estás enojado! Signos de no mantener la calma durante un evento– Actitud defensiva – Pánico – Reacción exagerada – Discusión
Estos comportamientos pueden manifestarse como hablar en voz alta, no dejar que los demás hablen, mostrar signos físicos de ira y muchos otros. Es crucial que en cualquier conflicto debemos analizar no solo a los demás sino también a nosotros mismos, notando si estamos manteniendo la calma o no.
Las ventajas de mantener la calma
En tiempos de conflicto, es crucial comprender que las opciones siempre están disponibles y que las emociones deben permanecer bajas. «Mantener la calma» tiene las siguientes ventajas: – Regula las emociones de todos – Nos da tiempo para analizar la situación – Nos da tiempo para dar una respuesta adecuada •
Paso 2: Expandir la claridad:«La claridad puede cambiar cualquier situación«. Los líderes médicos deben recordar esta cita crítica mientras se enfrentan a un conflicto. Los comportamientos disruptivos, como el acoso y las voces elevadas, confunden la mente del líder, y los líderes pueden perder rápidamente la concentración. Dondequiera que haya confusión, existe la posibilidad de que se produzcan conflictos. Mantener la claridad mental y la dirección es esencial durante estas situaciones.
Elementos de claridad: Cuando las cosas están claras como el cristal, las personas que nos rodean tendrán menos confusión, frustración y estrés excesivo. La claridad se produce cuando tenemos alineación y comunicación clara en torno a tres áreas: misión, visión y valores.
– Misión: La misión define por qué nuestro equipo viene a trabajar todos los días, tanto individual como colectivamente. Proporciona un propósito para nuestro trabajo diario y actúa como una estrella polar para el equipo. Cuando entendamos que todos estamos trabajando hacia la misma misión, trataremos de lograr una situación en la que todos ganen a pesar de nuestras diferencias. En cualquier conflicto, llevar a las personas a nuestra misión central proporciona un excelente comienzo para resolver la disputa.
– Visión: La visión nos informa hacia dónde vamos, hacia dónde estamos trabajando y cómo podemos marcar la diferencia en la vida de los demás. Por ejemplo, tenemos la visión de llegar a una hermosa isla mientras estamos sentados en un barco. Y un tiburón interrumpe nuestro camino. El enfoque puede cambiar rápidamente de la isla al tiburón. Del mismo modo, los confitos son interrupciones de un destino hermoso. Seguir recordando al equipo la visión y la dirección puede ser extremadamente útil para resolver conflictos.
– Valores: Nuestros valores son expectativas de comportamiento esenciales de todos los miembros del equipo. En momentos de conflicto, es crucial apegarse a nuestros valores, guiándonos a brindar espacio a cada miembro del equipo. Muchas disputas se pueden resolver simplemente siguiendo los valores de uno.
Pasos para agregar claridad a un conflicto: Los líderes médicos pueden usar los siguientes pasos para agregar claridad a un conflicto:
– Análisis situacional del conflicto: El primer paso para agregar claridad al conflicto es comprender y describir cuál es el problema que está impulsando el conflicto, las negociaciones y el arte de oír y decir no… 83 Se trata de reunir la mayor cantidad de información posible y luego organizar todos los hechos sobre el conflicto. A veces, la realización de un simple análisis de la situación aporta una perspectiva fresca e imparcial al conflicto, que puede ser el primer paso para resolver la disputa.
– Análisis personal: El segundo paso para agregar claridad es comprender quién está involucrado en este conflicto. Comprender el papel de cada persona en el conflicto ayuda a los líderes médicos a comprender dónde está la desalineación. Además, comprender las personalidades, perspectivas y posiciones organizacionales de las personas en el conflicto es esencial para crear un terreno común para la resolución del conflicto.
– Análisis de resultados futuros: Los líderes médicos también deben considerar los posibles resultados del conflicto. Considerar los posibles resultados ayuda a los líderes a mantenerse enfocados y tranquilos durante el calor del conflicto. Dos preguntas esenciales que hay que recordar son: qué está en riesgo si no podemos resolver el conflicto, y cuál es el mejor resultado si podemos. A veces, hacer que las personas visualicen los posibles resultados y el impacto de cualquier conflicto continuo puede enfriar el calor en un conflicto.
– Autorreflexión: Durante cualquier conflicto, los líderes médicos deben hacer una autorreflexión regular para asegurarse de que no son parte del problema. Además, también es esencial tener evaluaciones periódicas del proceso (es decir, lo que se ha hecho y lo que se debe hacer a continuación).
• Paso 3: Comprender la comedia (drama): El drama es común en la industria de la salud y con frecuencia destaca los aspectos desafiantes del comportamiento humano. Desafortunadamente, el drama en los centros médicos académicos tiene un impacto negativo en la atención al paciente, la productividad, la satisfacción laboral y la dinámica del equipo multidisciplinario. Los líderes médicos menos experimentados pueden quedar atrapados en el drama ellos mismos.
El triángulo dramático de Karpman:
El triángulo dramático de Karpman es un modelo conductual social de interacciones humanas complejas propuesto por el Dr. Stephen B. Karpman, un psiquiatra estadounidense. Este triángulo describe un tipo de interacción destructiva entre las personas durante el conflicto. Cada posición en el triángulo (víctima, salvador o perseguidor) tiene características identificables. Investiguemos cada uno y discutamos cómo cambia su posición y papel en un conflicto (Fig. 6.2).
Fig. 6.2 Triángulo dramático de Karpman [5]
– Víctima (la Indefensa): La víctima en este modelo no pretende representar a una víctima real, sino más bien a alguien que se siente o actúa como tal. Las personas en este papel se sienten impotentes, atrapadas, avergonzadas e impotentes. Buscan constantemente ayuda para resolver su problema y actúan como si dependieran de los demás. Tienden a convencerse a sí mismos y a los demás de que no pueden hacer nada.
– Rescatador (el Mártir): Las personas que desempeñan este papel ganan autoestima al «ayudar» a los demás. Sienten que necesitan fx problemas y, a menudo, hacen pasar su comportamiento como egoísta y considerado. El rescatador se siente culpable y, en última instancia, se enoja si no va al rescate.
– Perseguidor (el matón): Las personas en este rol tienden a culpar a los demás de todos sus problemas. Critican a los demás, actúan de manera dominante y menosprecian a los demás. A menudo actúan con ira e irrespeto. A menudo creen que tienen todos los derechos, mientras que otros no tienen ninguno. – Curiosamente, estos tres roles son intercambiables. Si se culpa a las personas en el papel de perseguidor, pueden ponerse a la defensiva y pueden cambiar su papel para convertirse en la víctima si son atacadas enérgicamente por el salvador y/o la víctima, en cuyo caso la víctima también puede cambiar de papel para convertirse en un perseguidor. Del mismo modo, si las personas en el papel de rescate no pueden ir al rescate, al final se enfadan y pueden asumir el papel de perseguidores.
¿Cómo romper el triángulo del drama? Es difícil romper el triángulo del drama en cualquier conflicto, ya que las personas en conflicto a menudo niegan que están desempeñando algún papel en el ciclo del drama. Es fundamental reconocer nuestro papel en el triángulo para poder romperlo. Se pueden tomar las siguientes medidas para romper el triángulo dramático:
– Identificar y reconocer el papel que a menudo jugamos en el triángulo dramático.
– Asumir toda la responsabilidad de nosotros mismos.
– Reconocer el papel que otras personas están desempeñando en el conflicto.
– Disociarnos del triángulo.
A veces, incluso los líderes médicos más experimentados pueden verse arrastrados por el drama y el conflicto. Los líderes médicos pueden romper el triángulo dramático manteniendo una actitud neutral. Incluso si se sienten a la defensiva, no deben actuar desde ese estado mental. En su lugar, deben usar un tono no reactivo, no emocional y tranquilo para detener el conflicto.
Paso 4: Comunicación (Escucha Radical): En su famoso libro Las 21 Leyes Irrefutables del Liderazgo, John Maxwell dijo que «las interacciones alimentan las acciones» [6]. Esto es especialmente cierto en los confitos. La forma en que nos comunicamos es la clave para saber si vamos a resolver el conflicto o no. En un conflicto, el 80% de la comunicación para un líder médico debe ser de escucha radical. La escucha radical, también conocida como escucha profunda o activa, implica involucrarse completamente con el hablante y concentrarse en sus palabras, emociones y señales no verbales. Requiere que el oyente deje de lado sus sesgos y juicios y se conecte con el hablante para comprender completamente lo que está tratando de comunicar.
Hay un dicho famoso, «la sabiduría es la recompensa que obtienes por toda una vida de escuchar cuando hubieras preferido hablar».
Principios de la Escucha Radical
– Estamos escuchando con nuestros oídos abiertos.
– Entendemos cada palabra.
– Entendemos el significado de las palabras.
– Entendemos el significado entre líneas.
– Entendemos el lenguaje corporal del hablante.
– No somos multitasking mientras escuchamos.
– No estamos interrumpiendo.
– El hablante entiende que tenemos la intención de escuchar y comprender.
– Evitamos expresar que el tema no es significativo.
– Evitamos ofrecer ayuda u orientación no solicitada.
– Evitamos sermonear a la otra persona.
Cómo aplicar la escucha radical en un conflicto:
Los líderes médicos pueden tomar las siguientes medidas para practicar la escucha radical en un conflicto:
– Déjelos hablar primero: Los líderes médicos deben pedir a las personas en el conflicto que hablen. Permítales expresar sus preocupaciones y problemas primero. Recuerde siempre, «el que escucha primero es el dueño de la conversación». Durante este paso, asegúrate de seguir los principios de la escucha radical. Nos ayuda a construir un espacio entre el estímulo y la respuesta. Además, recuerde que no tenemos que responder inmediatamente después. Siempre podemos pedir más tiempo para pensar en la conversación.
– Reconocimiento: Reconocer siempre su realidad. Escuchar y reconocer no significa que estemos de acuerdo con su punto, pero sí hace que se den cuenta de que estamos abiertos a escuchar todo tipo de opiniones.
– Hacer preguntas: Si tenemos preguntas sobre su opinión, debemos hacerles. Sin embargo, las preguntas deben ser genuinas y centradas en conocer mejor sus puntos de vista. Las preguntas también ayudan a que entendamos mejor el tema. Les da la oportunidad de ampliar sus pensamientos sobre el tema y hace que nos vean como alguien genuinamente interesado en aprender sobre el tema y, en última instancia, resolverlo.
– Mantener nuestras emociones neutrales: Incluso en un conflicto, los médicos líderes experimentados mantienen sus emociones neutrales. Los líderes exitosos nunca dejan que sus emociones afloren. Los sentimientos neutrales no significan que estemos de acuerdo o en desacuerdo con todo lo que dicen los demás. – Nuestro turno: Después de escuchar las opiniones, analizar profundamente el tema y asegurarnos de que parecen satisfechos de que estamos interesados en resolver el problema, podemos decir algo. Antes de dar nuestra opinión, recordemos siempre que los conflictos no se tratan de perder o ganar; En su lugar, tenemos que convertirlo en un escenario en el que todos salgan ganando. Los desacuerdos son esenciales para obtener una nueva perspectiva de la situación. •
Paso 5: Cultura de Comprensión de las Personalidades: Una de las verdaderas artes para resolver un conflicto es el deseo y la capacidad de aprender sobre los individuos involucrados en el conflicto. Dado que todos somos diferentes en nuestras personalidades, en nuestra forma de comunicarnos y en nuestras reacciones en momentos de estrés, los líderes médicos deben tomarse un tiempo adicional para comprender las personalidades antes de involucrar a las personas en el conflicto. revisamos las características de cuatro rasgos principales de personalidad y consideramos que las personas pueden tener mezclas de esas cuatro personalidades. Durante un conflicto, hay una tendencia a los choques de personalidad que pueden causar ansiedad y estrés en el lugar de trabajo. No solo afecta a la productividad, sino que también crea un entorno hostil. Al comprender las diferentes personalidades involucradas en el conflicto, los líderes médicos comprenden no solo sus personalidades y preferencias, sino también las preferencias y el carácter de todas las demás personas involucradas en el conflicto. Nos ayuda a comprender la mentalidad de la persona con la que se están relacionando. También nos ayuda a considerar una respuesta reflexiva e informada.
La falta de resolución de conflictos puede conducir a un ambiente de trabajo tóxico
Un entorno tóxico es aquel en el que el comportamiento negativo, como la manipulación, el acoso y los gritos, son intrínsecos a la cultura de la organización. Este tipo de negatividad en el lugar de trabajo conduce a una falta de productividad y confianza, es propicia para la ansiedad y la discriminación, y conduce al agotamiento y la rotación de empleados.
• Signos de un ambiente de trabajo tóxico:
– Problemas de comunicación: falta de comunicación, comunicación pasivo-agresiva, falta de comunicación y comunicación poco saludable.
– Cuestiones culturales: las personas son maltratadas, las métricas importan y las personas no, el medio ambiente es amenazante y la microgestión es común.
– Problemas de comportamiento: las personas acosan, se comportan de manera agresiva y no dan comentarios positivos.
• Impacto del ambiente tóxico:
– Fracaso organizacional: Los ambientes laborales tóxicos erosionan la confianza y la colaboración, lo que lleva a una mala toma de decisiones y socava los objetivos de una organización.
– Falta de productividad: Los lugares de trabajo tóxicos crean estrés e insatisfacción entre los empleados, lo que reduce significativamente su eficiencia y rendimiento.
– Empleados activamente desvinculados: En un lugar de trabajo tóxico, los empleados a menudo se sienten infravalorados y sin apoyo, lo que lleva a la desvinculación y a la falta de motivación para contribuir positivamente.
– Promoción de la discriminación: Los lugares de trabajo tóxicos a menudo toleran o incluso fomentan comportamientos discriminatorios, creando un ambiente injusto y hostil que puede marginar a ciertos grupos. Ignorar y evitar la gestión de conflictos puede conducir al desarrollo de un entorno de trabajo tóxico. Como líderes médicos, debemos reconocer una tóxica medio ambiente y promover una cultura de discusión abierta para resolver los conflictos. Los líderes médicos creen en la afirmación «el éxito es cosa de todos los días». Resolver los conflictos cotidianos conduce a una cultura de justicia, apertura y bienestar. Modelo de gestión de conflictos de Thomas Kilmann [7]
Si bien los cinco pasos que hemos descrito anteriormente le ayudarán a abordar los conflictos en general, es igualmente importante comprender su estilo natural de manejo de confitos. Al igual que los estilos de liderazgo, los estilos de gestión de conflictos pueden dividirse en cinco modos en función de si somos naturalmente asertivos o cooperativos (Fig. 6.3). Cada uno de los modos fve tiene sus propias ventajas y limitaciones. Es útil conocer su estilo preferido de gestión de confictos de Thomas Kilmann (gratis en línea) para que esté preparado e intente cambiar de estilo según el contexto. Cabe señalar que el Instrumento de Conflicto de Thomas Kilmann es sólo una herramienta diseñada para ayudarnos en la difícil tarea de resolver conflictos y gestionarnos a nosotros mismos y a nuestros congéneres humanos complejos.
• Estilo competitivo: Los médicos con este estilo son muy asertivos, con pocas habilidades cooperativas. Todos tenemos un poco de competitividad desde nuestros años de infancia, cuando queríamos ganar una carrera, un partido de fútbol u otro deporte de equipo. Los médicos líderes con este estilo preferido se preocupan más por ganar el conflicto que por hacer lo correcto. Por lo general, tienen dificultades para mostrar simpatía, escuchar atentamente y hacer concesiones. Pero no le temen al confitado. ¡Incluso pueden prosperar en confict! Tomemos un ejemplo de una clase de residentes en formación (o cualquier grupo de médicos), que atraviesan una pequeña crisis. Un médico está enfermo durante 3 meses, y está buscando personas que den un paso al frente y atiendan una mayor carga de llamadas. Como líder de la práctica, envía una solicitud por correo electrónico. Este es un ejemplo extremo, pero la persona con un estilo competitivo podría responder de inmediato diciendo algo como «¡Cuando estuve enfermo la última vez, nadie se acercó para ayudar! No estoy disponible para atender llamadas extras.»
• Estilo de Colaboración: Estos son líderes médicos con un alto nivel de asertividad y cooperación. Naturalmente, buscan situaciones en las que todos salgan ganando. Son ingeniosos, piensan fuera de la caja y están dispuestos a encontrar oportunidades para hacer crecer programas y nuevos procesos. En el ejemplo anterior, un médico con un alto estilo colaborador puede decir: «Esto es lamentable, pero estoy feliz de ayudar y tomar alguna llamada extra. ¡Veamos lo que todos los demás están ofreciendo y desarrollemos un sistema para abordar estos problemas de manera proactiva en el futuro!»
• Estilo complaciente: Este estilo se centra en gran medida en la cooperación más que en asertividad. ¿Te ha detenido un policía por una multa por exceso de velocidad? Una vez que te entregan la citación, te dicen: «Gracias por tu cooperación». En otras palabras, te acomodaste al proceso y no discutiste ni te quejaste, o… En nuestro ejemplo de práctica clínica, el médico con un estilo muy complaciente responderá inmediatamente al grupo diciendo: «Claro, atenderé una llamada adicional. ¡Dime cuántos días necesitas!».
• Estilo de evitación: Las personas con un estilo de evitación primario tienen impulsos poco complacientes y competitivos. No les gusta el conflicto, y no se involucran en el conflicto. Tan pronto como surge un tema desafiante, abandonan la conversación o cambian de tema. En nuestro ejemplo, ¡son los últimos en responder al correo electrónico! Quieren que los dejen en paz. El problema es que el conflicto es inevitable.
• Estilo comprometedor: Este es un estilo mixto y dinámico que puede capturarse con el modismo de «ganar algo, perder algo». Muy útil en el cuidado de la salud, este estilo le permitirá ceder terreno en un área y adquirir nuevos recursos u oportunidades en otras áreas. En nuestro ejemplo, el líder médico con un estilo muy comprometedor diría: «Está bien, atenderé una llamada adicional, pero me gustaría tener unos días adicionales de vacaciones más adelante en el año».
Dominar las negociaciones:habilidades esenciales para los líderes médicos La negociación es una habilidad vital para los líderes médicos, especialmente cuando se trabaja con los intereses complejos y a menudo contrapuestos de las partes interesadas. A medida que la atención médica se vuelve cada vez más colaborativa, los líderes médicos deben navegar por las diversas prioridades de los pacientes, los equipos de atención médica, los organismos administrativos y los socios externos. Esto implica abogar por la propia perspectiva y escuchar activamente e integrar las preocupaciones de los demás, así como fomentar un entorno colaborativo en el que se puedan encontrar soluciones compartidas. Según Fisher, pionero en derecho y negociación internacional y cofundador del proyecto de Negociación de Harvard, «la negociación no se trata de derrotar a tu oponente. La negociación consiste en crear un acuerdo en el que ambas partes puedan tener éxito» [8].
Los fundamentos de la negociación
Las negociaciones rara vez son eventos únicos, sino que son un proceso continuo. El objetivo es llegar a un acuerdo en el que todos salgan ganando, y esto se puede lograr cuando ambas partes deben establecer objetivos razonables mientras permanecen abiertas a la flexibilidad durante toda la negociación. Ya sea negociando con la administración del hospital, el liderazgo del departamento, los colegas más jóvenes o el personal de enfermería, los líderes médicos deben dirigir las negociaciones hacia soluciones mutuamente beneficiosas. Este enfoque fomenta la colaboración y garantiza que todas las partes se sientan valoradas y escuchadas, lo que en última instancia conduce a resultados más sostenibles y positivos. En su libro «Bargaining for Advantage», Richard Shell presenta una estrategia de negociación basada en la información que se centra en seis elementos esenciales cruciales para una negociación exitosa [9]. Este enfoque enfatiza la importancia de una preparación minuciosa, una escucha atenta y la inteligencia emocional de todas las partes involucradas. Al entablar negociaciones con objetivos claros, los líderes médicos pueden beneficiarse significativamente de la implementación de esta estrategia.
La próxima sección explorará estos seis elementos críticos de «Negociación para obtener ventajas» y demostrará cómo los líderes médicos pueden incorporarlos a las rutinas diarias (Fig. 6.4).
Primer fundamento: Desarrollo del estilo personal de negociación
Determinar el umbral de conflicto y la actitud es esencial para desarrollar el estilo de negociación de uno. Shell enfatiza la importancia de comprender el estilo de negociación de uno, con la flexibilidad crítica para el éxito: es crucial equilibrar la asertividad con la consideración por los demás [9] (Fig. 6.5). Los líderes médicos siempre deben negociar para establecer relaciones futuras exitosas, utilizando un enfoque centrado en la resolución de problemas o en el compromiso. Por ejemplo, un líder médico que negocia horas de trabajo con un consultorio puede aspirar a menos turnos nocturnos, pero debe seguir siendo flexible para satisfacer las necesidades del consultorio mientras se ocupa de su bienestar. Encontrar un equilibrio entre la asertividad y la empatía nutre las relaciones a largo plazo. Si bien las ganancias inmediatas pueden parecer atractivas, podrían dar la impresión de que uno no es un jugador de equipo. Fig. 6.4 Fundamentos de una negociación efectiva. (Concepto adoptado de «Negociación para obtener ventajas» [9])
Dominar las negociaciones: habilidades esenciales para los líderes médicos 90 Fig. 6.5 El estilo de negociación debe equilibrar asertividad y la empatía Por otro lado, estar dispuesto a comprometerse a corto plazo puede conducir a beneficios significativos en el futuro a medida que uno construye una buena reputación y relación. Lograr este delicado equilibrio ayuda a los médicos líderes a mejorar su influencia con los demás. Como dice acertadamente John Maxwell, un renombrado coach de liderazgo: «El liderazgo tiene que ver con la influencia, nada más y nada menos» [10]. En lo que se refiere a la relación médico-paciente, este enfoque es una parte fundamental de la toma de decisiones compartida. Este proceso de colaboración entre el médico y el paciente ayuda a garantizar que se tomen las mejores decisiones.
La toma de decisiones compartida es vital para la atención centrada en el paciente, ya que fortalece el vínculo al compartir abiertamente la experiencia. Tomar decisiones médicas es más fácil cuando los pacientes están completamente informados e involucrados. Es más probable que los pacientes acepten las decisiones en las que están involucrados, lo que mejora la experiencia humana significativa de la relación médico-paciente basada en la confianza y el respeto mutuo. Por ejemplo, un médico que discute los planes de tratamiento con un paciente puede explicar varias opciones y considerar el estilo de vida y las preferencias del paciente, lo que lleva a un plan mutuamente acordado [11].
Segundo fundamento:Establecer metas realistas
Establecer metas prácticas y alcanzables es crucial cuando se entabla negociaciones, particularmente en el liderazgo de la atención médica.
Este enfoque estratégico garantiza que las negociaciones sean centradas y eficaces, lo que aumenta las posibilidades de obtener un resultado satisfactorio. Identifique qué partes del acuerdo están sujetas a negociación, como el salario, las horas de trabajo, los deberes, los beneficios y otros términos. Conocer estos aspectos permite un plan de negociación más adaptable. Una vez que hayas identificado los puntos negociables, priorízalos de acuerdo con su importancia para los objetivos generales. Por ejemplo, algunos pueden priorizar el equilibrio entre el trabajo y la vida personal, mientras que otros pueden valorar más el salario o las oportunidades de crecimiento profesional. Priorizar ayuda a concentrar los esfuerzos donde son más importantes. Es igualmente crucial determinar lo que no es negociable. Estos requisitos deben cumplirse para que el acuerdo avance. Al tener esta lista, los líderes pueden asegurarse de que no se pasen por alto las necesidades esenciales, preservando la integridad del acuerdo. Como dijo Shell: «Sepa lo que quiere, por qué lo quiere y lo que está dispuesto a sacrificar para lograrlo» [9]. Este concepto enfatiza la importancia de ser consciente de sí mismo y transparente en las negociaciones. Conocer las propias motivaciones y es influencia, no autoridad» es tan aplicable ahora
Los límites permiten emplear estrategias de negociación más estratégicas y exitosas. Documentar estos elementos garantiza que se tengan en cuenta todos los aspectos y que no se pase nada por alto durante las negociaciones. Sirve como punto de referencia para mantener el enfoque y la dirección. Ambas partes en la negociación deben venir bien preparadas con una lista de aspectos negociables del acuerdo. La preparación incluye la comprensión de las necesidades y limitaciones de la otra parte, lo que puede fomentar un proceso de negociación más colaborativo y mutuamente beneficioso.
Tercer fundamento: Determinación de los estándares de autoridad
En el tercer fundamento, es esencial establecer estándares de negociación claros, para lo cual es crucial una planificación exhaustiva. Cada negociador debe haber definido objetivos y compartir datos de apoyo, ya que ambas partes deben ser capaces de justificar sus solicitudes. La preparación debe anticipar los contraargumentos y planificar las respuestas, proporcionando una ventaja temprana para futuras negociaciones. Por ejemplo, en la práctica médica, es fácil encontrar puntos de referencia salariales estándar para varias especialidades a nivel nacional al entablar una negociación de contrato. Estos puntos de referencia sirven como línea de base, reconociendo la individualidad de cada médico y práctica. Las negociaciones pueden verse afectadas por múltiples factores como las calificaciones, la experiencia, la demanda y la demografía de los pacientes, lo que resulta en que los salarios caigan en diferentes puntos dentro del rango. Esta adaptabilidad permite que las personas se distingan, lo que resulta ventajoso para los empleadores y los empleados. Una organización que ayuda a los médicos a ganar pacientes podría proponer un salario más bajo inicialmente, citando su apoyo como un beneficio significativo. Este apoyo puede incluir asistencia de marketing, referencias de pacientes o ayuda administrativa, que puede ser muy valiosa para los médicos nuevos o en transición. Por el contrario, los médicos con amplia experiencia, capacitación especial, contribuciones a la investigación o habilidades únicas pueden tener motivos sustanciales para negociar un salario más alto. Su valor añadido a la práctica puede justificar un paquete de compensación más alto. Es esencial establecer estándares claros para la negociación, definir objetivos, intercambiar datos de apoyo y prepararse para los argumentos opuestos. Estas prácticas garantizan que las negociaciones estén fundamentadas, enfocadas y sean beneficiosas para ambas partes.
Cuarto fundamento: Enfoque en las relaciones El cuarto fundamento se centra en establecer normas de reciprocidad y priorizar la construcción de relaciones. Interactuar con el personal de diferentes sectores mejora la credibilidad y otorga acceso a recursos específicos. Al ofrecer pequeños compromisos, demostrar buena voluntad y hacer contribuciones personales, los líderes pueden establecer una base sólida para relaciones duraderas que resulten en ventajas mutuas. Según Simon Sinek, autor británico-estadounidense y orador motivacional en el campo del liderazgo empresarial, «el liderazgo no se trata de estar a cargo. Se trata de cuidar a los que están a tu cargo» [12]. Aunque han pasado casi 40 años, la máxima del renombrado experto en liderazgo Ken Blanchard: «La clave para un liderazgo exitoso hoy en día
como cuando lo dijo por primera vez [13]. Este principio se puede ver en los entornos médicos a través de la dinámica entre los líderes médicos y los aprendices. Los aprendices adquieren más responsabilidades, oportunidades de aprender e independencia a cambio de ayudar con la atención al paciente y la orientación que reciben durante la capacitación. En las relaciones entre empleador y empleado, los médicos deben ser conscientes de los desafíos de reciprocidad que podrían crear confianza demasiado rápido o conducir a sentimientos de obligación. Al mismo tiempo que se esfuerzan por obtener ventajas mutuas, ambas partes deben reconocer el aspecto profesional de las negociaciones, manteniendo la confiabilidad y el respeto mutuo como valores fundamentales.
Quinto Fundamento: Exploración de Otros Intereses Individuales
En la quinta fundación, es esencial explorar los intereses de cada parte. Es crucial identificar lo que cada parte valora y los responsables de la toma de decisiones involucrados. Al igual que la fase de descubrimiento en los procedimientos legales, es vital comprender las prioridades de la otra parte. Los líderes médicos deben colaborar con otros para alinear sus acciones con los intereses mutuos, convirtiendo las negociaciones en un esfuerzo conjunto hacia objetivos compartidos. Comprender las prioridades de cada parte, como las contribuciones financieras, el impacto académico y la reputación académica, es esencial para el éxito de las negociaciones. Al contribuir a los objetivos de la otra, ambas partes pueden crear valor y perseguir metas adicionales.
Sexto fundamento: Establecimiento de apalancamiento
La sexta clave para una negociación exitosa es la construcción de apalancamiento. En el ámbito médico, esto puede implicar tener habilidades técnicas únicas, conexiones con la industria o confiabilidad en el manejo de tareas que otros evitan. Esto puede hacer que un líder médico sea invaluable y aumentar las referencias de pacientes y los volúmenes de procedimientos. Si bien el apalancamiento es esencial, debe ir acompañado de cooperación y compromisos para obtener los mejores resultados para todos los involucrados. Al igual que en el ensamblaje o la construcción de muebles, cuando demasiado apalancamiento y presión pueden combinarse para obtener resultados desastrosos, también puede hacerlo el apalancamiento excesivo de una habilidad o un activo único en la negociación en el lugar de trabajo. Los líderes médicos deben tener una comprensión sólida de estos seis fundamentos. Al dominar estos principios, pueden manejar eficazmente los conflictos e impactar positivamente en los resultados de la atención al paciente, la dinámica del equipo y el éxito general de la organización.
Al aplicar el concepto de «Los Cuatro Pasos del Paseo por el Bosque» al Liderazgo Médico, Marcus y sus colegas presentaron la idea de «El Paseo por el Bosque», que ofrece un enfoque detallado para promover la negociación basada en intereses y la resolución de conflictos [14, 15]. Exploremos cómo los líderes médicos pueden utilizar este concepto para navegar de manera efectiva por los conflictos y negociaciones diarias. Los líderes médicos pueden mejorar sus habilidades en 6 Contratos de Gestión, Negociaciones y el Arte de Escuchar y Decir No… 93 Fig. 6.6 Aplicación de Walk in Woods para líderes médicos. (Concepto adoptado de «The Walk in the Woods: A Step-by-Step Method for Facilitate Interest-Based Negotiation and Confict Resolution») [14] abordar problemas complejos de atención médica, promoviendo la colaboración y la innovación mediante el uso del marco de «Los cuatro pasos del camino por el bosque» (Fig. 6.6).
Paso 1: Intereses propios: Los líderes médicos deben articular claramente sus prioridades y preocupaciones, al mismo tiempo que escuchan activamente las perspectivas de los demás dentro de sus equipos y entre las partes interesadas. Este paso asegura que las agendas personales se alineen con los objetivos organizacionales más amplios, distinguiendo el interés propio genuino de los motivos puramente egoístas. Al comunicarse abiertamente y validar diversos puntos de vista, los líderes promueven una cultura de transparencia y respeto mutuo esencial para el trabajo en equipo y la toma de decisiones efectivas en los entornos de atención médica.
Paso 2: Intereses ampliados: Los líderes médicos deben estar abiertos y facilitar las discusiones, identificar puntos en común y replantear los problemas para estimular la resolución creativa de problemas. Los líderes pueden aprovechar esta comprensión multidimensional para idear soluciones innovadoras de manera integral que aborden los desafíos complejos de la atención médica mediante el fomento de un entorno en el que se valoren las diversas perspectivas.
Paso 3: Intereses ilustrados: Los líderes médicos deben fomentar sesiones de lluvia de ideas para explorar posibles soluciones a los problemas. Priorizan las estrategias que prometen beneficios mutuos y alineación con los valores organizacionales y los objetivos de atención al paciente. Involucrar a las partes interesadas en la evaluación y revisión de estas opciones garantiza que las soluciones propuestas sean innovadoras, pero también prácticas y sostenibles dentro del entorno sanitario.
Paso 4: Intereses alineados: Los líderes médicos deben negociar centrándose en la creación de resultados en los que todas las partes involucradas perciban beneficios significativos, un escenario de «ganar-ganar». Aseguran compromisos con soluciones acordadas y desarrollan planes de implementación detallados con medidas claras de rendición de cuentas. Los líderes fomentan una cultura de colaboración y compromiso que impulsa un cambio positivo y mejora los resultados de la prestación de atención médica al cultivar el consenso y garantizar la aceptación de todas las partes interesadas. Al seguir «Los Cuatro Pasos de la Caminata en el Bosque», los líderes médicos pueden tener un método estructurado para tomar decisiones, negociar y liderar en la atención médica. Al alinear los objetivos personales con los objetivos organizacionales, promover el trabajo en equipo y buscar soluciones que beneficien a todos los involucrados, los líderes pueden sortear con éxito los desafíos y guiar a sus equipos hacia mejoras sostenibles en la atención al paciente y los logros organizacionales. Dominar las negociaciones: habilidades esenciales para los líderes médicos 94
En resumen, dominar la negociación es vital para los líderes médicos, ya que les ayuda a gestionar las diferentes necesidades de las partes interesadas, manteniendo la atención al paciente como la máxima prioridad.
Los líderes médicos pueden promover un ambiente de colaboración mediante la creación de un estilo de negociación personal que combine asertividad con la empatía, estableciendo metas alcanzables, manteniendo altos estándares, priorizando la construcción de relaciones, entendiendo los intereses de todas las partes y utilizando sus fortalezas. Este método aborda los problemas actuales y cultiva asociaciones duraderas y soluciones prácticas, lo que conduce a mejores resultados para los pacientes y logros organizacionales. Una vez más, no hay estilos buenos o malos en las negociaciones o en el manejo de los conflictos. De hecho, muchas personas han mezclado estilos. Pero el reconocimiento de estos diferentes modos le permite navegar a través del conflicto o las negociaciones con más flexibilidad. El arte de escuchar y decir «no» Una situación común que reunirá todas estas habilidades y competencias es cuando recibes, o debes decirle a otra persona, que no. Es una habilidad crítica para la vida que contribuye al crecimiento personal, al desarrollo profesional y al pensamiento ágil, y puede crear relaciones más saludables con los demás [16].
• Construcción de resiliencia: El rechazo es parte de la vida, y manejarlo adecuadamente ayuda a desarrollar la resiliencia, lo que nos permite recuperarnos de los contratiempos. Enfrentar el rechazo desencadena emociones, pero también brinda la oportunidad de procesar y manejar esos sentimientos. Conectarse con otras personas (amigos, familiares o mentores) mejora la resiliencia al ofrecer apoyo y comprensión. Cada «no» puede ser un trampolín hacia el crecimiento personal, reforzando que la resiliencia se trata de prosperar a pesar de la adversidad.
• Crecimiento y aprendizaje: Escuchar un «no» ofrece una valiosa retroalimentación y oportunidades de aprendizaje, lo que permite reflexionar sobre lo que es importante y lo que se puede mejorar. Manejar el rechazo es esencial en la vida, y la resiliencia crece cuando lo enfrentamos de manera efectiva. Si bien el rechazo puede sentirse como una derrota, también puede ser un poderoso motivador. Comprender por qué recibiste un «no» guía tu aprendizaje y abre nuevas direcciones, mostrando que la resiliencia y el crecimiento a menudo surgen de enfrentar el rechazo de frente.
• Habilidades de negociación mejoradas: Comprender y aceptar el «no» puede mejorar sus habilidades de negociación al ayudarlo a reconocer los límites y encontrar soluciones mutuamente beneficiosas. El rechazo te enseña a manejar las emociones y a mantenerte enfocado durante las negociaciones. Fomenta la escucha activa y la comprensión de la perspectiva de la otra parte, fomentando la empatía y la confianza. Cada rechazo es una oportunidad para cambiar tus estrategias y volverte más flexible, convirtiendo el «no» en una oportunidad para crecer y mejorar tus habilidades de negociación.
• Madurez emocional: Aprender a aceptar el «no» con gracia demuestra madurez emocional, demostrando que puedes manejar la decepción sin tomarla como algo personal o reaccionar negativamente. Las personas emocionalmente maduras empatizan con los demás, tratan con respeto y esperando lo mismo a cambio. Reconocen y gestionan sus emociones de forma saludable, evitando reacciones inapropiadas. Ser adaptable y de mente abierta mejora su capacidad para comprometerse y encontrar soluciones. Establecer límites sin culpa y respetar los límites de los demás fomenta interacciones saludables, haciendo de cada «no» una oportunidad para el crecimiento y el desarrollo emocional [17].
• Mejores relaciones: Aceptar el «no» puede mejorar las relaciones personales y profesionales al mostrar respeto por las decisiones y los límites de los demás, fomentando el respeto mutuo y la confianza. Decir no establece límites saludables, manteniendo la individualidad y evitando el resentimiento. Fomenta la comprensión y el respeto mutuo, fortaleciendo la relación. Establecer límites fomenta el autoempoderamiento y la autenticidad, promoviendo una conexión más fuerte al honrar su bienestar.
• Mejora de la resolución de problemas: Enfrentarse al «no» te obliga a pensar de forma creativa y a explorar caminos alternativos, que conducen a soluciones innovadoras. El rechazo mejora las habilidades de resolución de problemas al cultivar la flexibilidad y la creatividad. Entender por qué recibiste un «no» requiere empatía, que te ayude a ver las situaciones desde diferentes ángulos y que conduzca a soluciones integrales. Cada «no» genera resiliencia, enseñándote a persistir, explorar alternativas y encontrar formas innovadoras de superar los desafíos, convirtiendo el rechazo en una oportunidad de aprendizaje que agudiza tus habilidades para resolver problemas.
Conclusiones
Los conflictos en el lugar de trabajo pueden tener un impacto negativo si vemos un conflicto como algo que debemos evitar o temer. Sin embargo, si aceptamos el concepto de que los conflictos son una parte normal del ser humano y aprendemos a lidiar con ellos, nos acercaremos a los conflictos con más confianza y compasión. El buen manejo de los conflictos conduce a una mejor comprensión de las tareas, al desarrollo del equipo y a la calidad de la toma de decisiones en grupo.
Conclusiones
• Los conflictos ocurren a diario, y los líderes médicos deben considerar los conflictos como una nueva oportunidad.
• Cuando esté en conflicto, aplique el modelo de las 5 C para manejar la disputa: – Mantener la calma – Expandir la claridad – Comprender la comedia (drama) – Comunicación (escucha radical) – Desarrollar una cultura de comprensión de las personalidades.
La falta de resolución de los conflictos conduce a un ambiente de trabajo tóxico.
• Es el trabajo de los líderes médicos reconocer un ambiente de trabajo tóxico y tomar todas las medidas necesarias para resolver las disputas.
• Los líderes médicos deben navegar por las diversas prioridades de las partes interesadas para mantener sus objetivos en el centro.
• La negociación efectiva puede ser un proceso contencioso que requiere flexibilidad y el establecimiento de objetivos realistas para obtener resultados beneficiosos para todos.
• El éxito en la negociación implica un estilo de negociación equilibrado, objetivos claros, normas autoritarias y una sólida construcción de relaciones
Mendenhall, que investiga y enseña política de salud global y antropología médica en la Universidad de Georgetown, cree que «una de las cosas más poderosas que se pueden hacer es hacer que la gente piense de manera más amplia. Por ejemplo, enseño en una escuela que forma líderes globales, y si puedo hacer que alguien que va a ser un líder global se preocupe por la historia y la pobreza, y realmente piense en las personas como personas de estas maneras profundas, eso es un éxito».
Su próximo libro de 2026, Invisible Illness: A History, From Hysteria to Long Covid, sostiene que «necesitamos repensar enfermedades crónicas complejas como el COVID prolongado, particularmente cuando no hay un marcador verificable que demuestre por qué alguien está enfermo o un camino claro para la recuperación». Este nuevo trabajo se basa en un corolario central de su investigación: «necesitamos abrazar esta idea de entrelazamiento… Las enfermedades crónicas complejas, como el COVID prolongado, revelan cómo las condiciones sociales y de salud van juntas, y cómo se experimentan de estas formas profundamente integradas que tratamos de separar... Necesitamos entender la experiencia humana y las formas en que los patógenos hacen que nuestras enfermedades sean únicas de una persona a otra».
La antropóloga médica Emily Mendenhall, profesora del Programa de Ciencia, Tecnología y Asuntos Internacionales de la Escuela de Servicio Exterior Edmund A. Walsh de la Universidad de Georgetown en Washington, D.C., EE.UU., creció «en un pequeño pueblo llamado Okoboji, en el noroeste de Iowa». La historia de la reacción de esa ciudad conservadora a las directrices de salud pública se convirtió en el tema de su libro de 2022, Unmasked: COVID, Community, and the Case of Okoboji. «Trabajar a través de las culturas de una manera profundamente colectiva y colaborativa puede ser transformador para los involucrados, así como basarse en la investigación», dice Mendenhall, cuyos estudios abarcan la antropología, la medicina, la salud pública y la psicología. «Como antropóloga, después de trabajar en lugares muy diferentes a mi ciudad natal, cuando regresé a Okoboji, pude pensar en mi comunidad de una manera completamente diferente. Releí y reconsideré lo que sabía sobre la historia local y pude ver las formas en que las personas se cuidaban entre sí en la comunidad, así como las personas fuera de la comunidad, a través de una lente muy diferente».
El trabajo fundacional de Mendenhall sobre la sindemia «aplicó el pensamiento antropológico a la medicina y la salud pública, desafiando así la estrecha lente del cuerpo a través de la cual se construyen las enfermedades y se interpretan las epidemias» y examinó los factores sociales, ambientales o económicos que interactúan con la enfermedad y empeoran las consecuencias para la salud. Su investigación también se ha centrado en «cómo las enfermedades mentales están profundamente conectadas con la historia, la cultura y la política, y cómo el trauma puede incrustarse y borrarse en las enfermedades crónicas». Mendenhall, becario Guggenheim 2023 y editor jefe fundador de Social Science & Medicine-Mental Health hasta principios de 2025, está «particularmente interesado en la interacción entre la depresión y la diabetes».
Nacida en el seno de una familia de científicos (padre urólogo, madre ecologista y una bisabuela que fue una de las primeras médicas de Iowa), Mendenhall pensó inicialmente que se convertiría en médica, pero, en cambio, se sintió atraída por «aprender sobre lo que impulsa la buena salud, y cómo la sociedad y la política pueden servir como una poderosa medicina para los males sociales y las desigualdades en salud que vemos en las sociedades de todo el mundo». Después de obtener una licenciatura en estudios interdisciplinarios de Davidson College y una maestría en salud pública global de la Escuela de Salud Pública Rollins de la Universidad de Emory, aceptó un trabajo en el Hospital del Condado de Cook en Chicago y se «interesó en cómo las personas de bajos ingresos navegan por la diabetes en una sociedad donde es difícil acceder a la atención médica». Cuando más tarde comenzó un doctorado en antropología en la Universidad Northwestern, continuó trabajando en el hospital. Fue a través de este trabajo que comenzó a pensar en la sindemia. «Empecé a entender lo poderoso que podía ser el concepto de sindemia para empujar a la medicina y a la salud pública a pensar más en la integración. Habla de los determinantes sociales de la salud, pero nos lleva un poco más lejos, a pensar en la encarnación de una manera profunda que está enredada con la sociedad, el dinero y la política… La sindemia en sí misma sirve como un gran axioma, una forma de traducir ideas de la antropología médica a la medicina y la salud pública que expanden los silos que impiden nuestra capacidad para mejorar la salud y el bienestar en todo el mundo».
Dejó Chicago para una beca financiada por los NIH en Delhi con la Fundación de Salud Pública de la India para realizar «uno de los primeros estudios etnográficos sobre la diabetes en la India, donde investigamos cómo las diferencias sociales y económicas mediaron las experiencias de las personas que viven con diabetes y buscan atención para ella en todos los grupos de ingresos». A continuación, completó una beca postdoctoral en la Universidad de Witwatersrand en Johannesburgo, Sudáfrica, donde continuó colaborando durante más de una década. Mendenhall también trabajó con colegas en Kenia sobre cómo las personas enfrentan la diabetes y el VIH junto con los desafíos sociales. Se ha centrado principalmente en la vida de las mujeres: «He pasado horas hablando con mujeres sobre las complejidades de vivir con una enfermedad crónica, recurriendo a múltiples métodos, desde narraciones de historias de vida hasta manchas de sangre. Tanto las palabras como los cuerpos cuentan historias importantes, y tomar en serio cómo las personas perciben su propio sufrimiento, así como lo que está grabado en sus células y órganos, puede enseñarnos mucho». Agrega que «el contexto, la cultura y las relaciones sociales juegan un papel profundo en la forma en que las personas piensan y viven bien con las enfermedades crónicas. Es importante entender esto cuando se piensa en cómo ayudar a las personas a navegar por las enfermedades crónicas a través de intervenciones médicas y sociales».
Los cambios demográficos relacionados con el envejecimiento de la sociedad están impulsando una creciente demanda de cuidados dentro del sector sanitario [ 1 , 2 ]. Además, la escasez de personal de enfermería en Polonia ha llevado a la introducción y el apoyo de soluciones sistémicas mediante el establecimiento de una nueva profesión médica: el cuidador médico [ 1 , 2 ]. Las responsabilidades claves del cuidador médico incluyen proporcionar servicios médicos y de enfermería y cuidados a personas enfermas y dependientes [ 3 ]. En la mayoría de los países europeos, a pesar de la falta de directrices estandarizadas, el alcance de los deberes profesionales de los cuidadores médicos es ampliamente similar. Estas responsabilidades abarcan la asistencia en el cuidado del paciente, la nutrición, la higiene, los primeros auxilios, la seguridad del paciente y el mantenimiento de una documentación precisa [ 4 ]. Las tareas rutinarias de los cuidadores médicos incluyen hacer las camas, ayudar a los pacientes a comer y bañarse, registrar parámetros médicos como la temperatura, el pulso, la respiración y el peso corporal, monitorear los niveles de glucosa en sangre, ayudar a los pacientes con otras actividades diarias y apoyar sus necesidades sociales [ 5 ]. A pesar del alcance similar de los deberes y la integración de los cuidadores médicos dentro del sistema sanitario, no existe un marco educativo unificado para esta profesión en toda Europa. Esta variación refleja las diferencias en las estructuras organizativas y los requisitos de cualificación para las funciones sanitarias entre los distintos países europeos.
El rol de cuidador médico es una profesión regulada en Polonia [ 6 ]. Para comenzar la educación en la profesión de cuidador médico, se requiere completar la educación a nivel de escuela secundaria o escuela técnica. Las personas que ingresan al proceso de reclutamiento para la capacitación como cuidador médico deben tener al menos 18 años. El currículo básico para la profesión de cuidador médico está incluido en el marco de la educación postsecundaria [ 7 ]. La profesión de cuidador médico se estableció formalmente en Polonia en 2007, con actualizaciones del currículo en 2016 y 2019 que ampliaron los requisitos educativos [ 8 , 9 , 10 , 11 , 12 , 13 ]. Los cambios introducidos en el currículo dieron como resultado, entre otros, extender el currículo básico de 468 h (incluidas 206 horas prácticas) a 850 h (incluidas 210 horas prácticas) [ 14 ]. El número total de horas de capacitación aumentó aproximadamente un 81,6%, mientras que el número de horas de capacitación práctica aumentó solo un 1,94%. Desde septiembre de 2021, para obtener un certificado profesional como cuidador médico, es necesario completar una formación impartida en centros de educación superior (a tiempo completo o parcial) durante tres semestres y aprobar un examen profesional realizado por las Juntas Examinadoras Regionales. Para ejercer como cuidador médico es necesario inscribirse en el Registro Central de Personas Autorizadas para el Ejercicio de Profesiones Médicas [ 15 ]. El currículo básico para la formación de cuidadores médicos ha evolucionado significativamente entre 2007 y 2021. El currículo básico actual consta de diez módulos temáticos impartidos en un mínimo de 850 horas:
MED. 14.1. Salud y seguridad en el trabajo (30 h).
MED. 14.2. Fundamentos de la atención a la persona enferma y dependiente, incluyendo la atención médica básica (60 h).
MED. 14.3. Identificación de cuidados y cuestiones médicas en la prestación de cuidados a personas enfermas y dependientes (80 h).
MED. 14.4. Planificación de actividades de higiene y cuidados para la persona enferma y dependiente (80 h).
MED. 14.5. Organización y ejecución de actividades de higiene y tareas de cuidados de enfermería seleccionados (80 h).
MED. 14.6. Realización de actividades de atención médica seleccionadas (320 h).
MED. 14.7. Planificación, organización y prestación de cuidados a personas enfermas y dependientes, incluida la atención a personas con demencia (90 h).
MED. 14.8. Realización de estimulación en la cama del paciente utilizando elementos de gimnasia axial-simétrica en tres planos simultáneamente – Método SOS 3D (80 h).
MED. 14.9. Lengua Extranjera Profesional (30 h).
MED. 14.10. Competencias Personales y Sociales.
MED. 14.11. Organización de pequeños equipos de trabajo.
Como parte de su formación, los cuidadores médicos deben realizar una pasantía profesional con una duración de 6 semanas (210 h).
Trabajar como cuidador médico es exigente física, mental y organizativamente. Requiere la capacidad de conectar con diversos pacientes (incluyendo consideraciones sobre problemas de salud y rasgos de personalidad) y sus familias [ 16 ]. Esta profesión se asocia con posibles consecuencias negativas, como el síndrome de burnout, altos niveles de estrés por el cuidado, depresión, ansiedad, agotamiento físico y menor satisfacción vital [ 17 , 18 ]. Para mitigar estos riesgos, es esencial que los cuidadores estén bien preparados, tanto teórica como prácticamente, para su profesión y tengan acceso al apoyo profesional de organizaciones que brindan asistencia [ 19 ].
Hasta la fecha, la investigación que evalúa la formación de los cuidadores médicos sigue siendo limitada. Por lo tanto, el presente estudio se realizó para analizar los resultados educativos e identificar áreas de mejora, tanto en conocimientos teóricos como en habilidades prácticas, dentro del proceso de formación de estos profesionales. Para comprender integralmente la formación de los cuidadores médicos, y dada la complejidad del fenómeno, se empleó un enfoque de métodos mixtos.
Materiales y métodos
Este es un diseño no experimental. Se utilizó una metodología mixta [ 20 , 21 ]. El estudio empleó métodos de investigación cuantitativos y cualitativos [ 22 ]. La recopilación de datos cuantitativos se llevó a cabo mediante un método de encuesta en línea (Entrevista Web Asistida por Computadora, CAWI) junto con un método de encuesta tradicional en papel. Los datos cualitativos se recopilaron a través de una mini Entrevista de Grupo Focal (FGI) en línea utilizando la plataforma MS Teams. El método cuantitativo se utilizó principalmente para recopilar datos del área de conocimiento y habilidades adquiridas durante la educación. A su vez, el estudio cualitativo tuvo como objetivo profundizar el tema en el área de las necesidades de los cuidadores médicos y mejorar la calidad de la educación desde la perspectiva de tres partes interesadas principales en el proceso educativo.
Herramientas de investigación
En el componente cuantitativo, el instrumento principal de investigación fue un cuestionario desarrollado en consonancia con el currículo básico de formación para cuidadores médicos (Suplementario). El cuestionario se organizó en tres secciones. La primera sección se centró en los conocimientos y habilidades adquiridos durante la formación e incluyó ocho preguntas que evaluaban 84 variables. Los encuestados utilizaron una escala de cuatro puntos (totalmente suficiente, moderadamente suficiente, insuficiente y muy insuficiente) o una escala de cinco puntos (muy bien, bien, insuficiente, deficiente, no adquirió), según la naturaleza de la pregunta. Además de las preguntas de opción única, el cuestionario incluyó preguntas de opción múltiple, con un máximo de tres respuestas. Estas preguntas abordaron los componentes prácticos y teóricos del currículo, indicando qué temas deberían incorporarse en mayor o menor medida en el programa educativo.
La segunda parte consistió en preguntas abiertas como: ‘Por favor, indique los factores que dificultan su capacidad para brindar una atención adecuada al paciente’, ‘En su trabajo diario como cuidador médico, ¿se le asignan tareas que exceden sus competencias profesionales?’, ‘¿Qué cambiaría en el sistema de salud para mejorar el prestigio de la profesión de cuidador médico?’ y ‘Si tuviera la oportunidad de decidir nuevamente sobre su elección profesional, ¿elegiría la profesión de cuidador médico?’.
El segundo bloque de preguntas concluyó con una pregunta abierta: «¿Por qué decidió estudiar la profesión de cuidador médico?». La sección final comprendió preguntas sociodemográficas, como edad, género, lugar de trabajo y experiencia laboral. El criterio de inclusión para la encuesta fue que las personas hubieran obtenido el título profesional de cuidador médico. El cuestionario se sometió a un estudio piloto. Con base en la calculadora: https://www.crutzen.net/n.htm , se calculó el tamaño de la muestra para el estudio piloto [ 23 ]. Finalmente, participaron 48 cuidadores médicos en el estudio piloto. El análisis reveló que el alfa de Cronbach de la encuesta se situó entre 0,71 y 0,83, lo que indica una buena consistencia interna.
El instrumento de investigación para la Entrevista de Grupo Focal (FGI) consistió en un escenario desarrollado específicamente para cada grupo. Cada escenario fue evaluado por dos expertos en salud pública. La versión final del escenario se determinó mediante un debate entre expertos. Cada escenario constó de tres partes: una introducción, durante la cual se presentó al moderador, se explicaron las reglas de la entrevista, se especificó el objetivo del estudio y se discutieron las definiciones; la sección principal contenía preguntas sobre la colaboración del cuidador médico con el resto del personal de las unidades de salud, la evaluación de sus conocimientos y habilidades, y la importancia y el prestigio de la profesión. La parte final incluyó un resumen de la entrevista, agradecimientos por la participación y despedidas de los asistentes. El escenario tuvo una duración prevista de dos horas para cada FGI.
Marco de estudio
Reclutamiento de encuestados.
Investigación cuantitativa—CAWI
Los participantes de la encuesta CAWI se reclutaron mediante invitaciones que incluían un enlace a una base de datos de 500 direcciones de internet, obtenidas mediante una revisión de sitios web, foros del sector y salas de chat dedicadas a profesionales sanitarios (Tabla 1 ). Se recibieron 584 cuestionarios completados, de los cuales 24 fueron excluidos por no cumplir los criterios de inclusión. En consecuencia, se incluyeron en el análisis 560 cuestionarios basados en CAWI.
Investigación cuantitativa: encuesta tradicional en papel
Los participantes de la encuesta en papel se reclutaron de 100 entidades seleccionadas aleatoriamente que emplean cuidadores médicos, incluyendo hospitales de pacientes hospitalizados, residencias de ancianos, centros de vida asistida y hospicios. Treinta y ocho sujetos participaron en el estudio. Se devolvieron 340 cuestionarios en papel; sin embargo, 60 fueron excluidos del análisis posterior (7 por participar previamente en la encuesta en línea, 15 por no cumplir los criterios de inclusión y 38 por respuestas incompletas). Finalmente, se incluyeron en el análisis 280 encuestas en papel.
En total, combinando los cuestionarios obtenidos de la encuesta CAWI y la encuesta tradicional en papel, se incluyeron 840 cuestionarios en el análisis final.
Investigación cualitativa – mini FGI
El reclutamiento de participantes se llevó a cabo utilizando un método de muestreo intencional: la estrategia de «caso típico» para ilustrar o enfatizar lo que es típico, normal o promedio y la estrategia de «conveniencia» – fácil acceso a los participantes. Los participantes del grupo focal (proveedores de atención médica, maestros y empleadores) fueron seleccionados en función de su relevancia para la pregunta de investigación, asegurando que los datos recopilados estuvieran en línea con los objetivos de la investigación [ 24 ]. La investigación se llevó a cabo utilizando el método de «Mini Grupo». Debido a las expectativas del investigador y las cuestiones planteadas, fue necesario crear una situación de investigación íntima que facilitara la discusión de cuestiones difíciles. En tales grupos, es posible discutir temas con más detalle, hacer preguntas, explicar o proporcionar ejemplos de la vida. El enfoque elegido significa que, a pesar de mantener la interacción entre los encuestados, el método puede parecerse a las entrevistas individuales [ 25 ]. Los grupos más pequeños permitieron respuestas más extensas y frecuentes de las personas que participaron en el estudio. Durante el estudio cualitativo, el moderador pudo ver nuevas dimensiones del fenómeno en estudio, y un grupo más pequeño en tal caso dio a los participantes la oportunidad de hacer preguntas adicionales, lo que condujo al progreso del estudio y a la exploración más completa del fenómeno en estudio [ 26 , 27 ]. Tanto las entrevistas como la interpretación de los resultados fueron realizadas por investigadores independientes con 7 a 10 años de experiencia en investigación cualitativa y cuantitativa.
Se establecieron tres mini grupos FGI:
1.Personal sanitario que obtuvo un diploma al finalizar su formación profesional (5 personas: hombre, 45 años, trabaja en la ciudad, centro público, sala de hospital, 10 años de experiencia profesional; mujer, 35 años, trabaja en la ciudad, centro público, hospicio, 3 años de experiencia profesional; mujer, 62 años, trabaja en la ciudad, centro público, centro de enfermería y tratamiento, 8 años de experiencia profesional; mujer, 49 años, trabaja en la ciudad, centro público, realiza cuidados a domicilio, 8 años de experiencia profesional; mujer, 30 años, trabaja en la ciudad, centro público, año de experiencia profesional).
2.Educadores que trabajan en escuelas públicas y privadas, enseñando materias del programa de cuidadores médicos (4 personas: mujer, 35 años, escuela privada de la ciudad; mujer, 60 años, escuela pública de la ciudad; hombre, 49 años, escuela privada de la ciudad; mujer, 32 años, escuela pública de la ciudad).
3.Empleadores y supervisores directos de cuidadores médicos asociados con instituciones de atención médica: el director de un hogar privado para personas mayores; la enfermera de sala en el departamento de enfermedades infecciosas de un hospital; el director del departamento médico en un hogar de ancianos; el director de un hogar de ancianos y un centro de atención diurna (4 individuos: mujer, directora de un hogar de retiro privado en una pequeña ciudad, de 55 años; mujer, enfermera de sala en una sala de enfermedades infecciosas en un hospital en la ciudad, de 63 años; mujer, directora del departamento médico en un Hogar de Bienestar Social en la ciudad; de 41 años; hombre, director de un Hogar de Bienestar Social y un Hogar de Atención Diurna en la ciudad, de 59 años). Todas las IGF se realizaron en línea (Tabla 1 ).
Antes de participar en el estudio, se obtuvo el consentimiento informado de los encuestados. Se les informó de su derecho a finalizar o retirarse del estudio en cualquier momento, así como de que los datos recopilados se utilizarían exclusivamente con fines de investigación. La encuesta fue anónima y la participación en el estudio fue voluntaria. Con el consentimiento de los participantes, se realizó una grabación de audio y video de cada reunión para procesar los resultados. Posteriormente, se transcribieron las entrevistas. Los archivos de texto (transcripciones de entrevistas en línea) se almacenan, lo que garantiza el anonimato y no permite la identificación de los participantes del estudio; están protegidos con contraseña y se almacenan de acuerdo con los principios adoptados en NIPH – NIH NRI: Orden n.º 4/2025 de 21 de enero de 2025 sobre la introducción del sistema de gestión de seguridad de la información NIPH – NIH NRI (las últimas normas).
Análisis de datos
Se incluyeron en el análisis un total de 840 encuestas, con una muestra representativa que requirió un mínimo de 381 encuestas completadas. Se excluyeron las encuestas que no se completaron en su totalidad (100%). Las respuestas (según la variante) marcadas como «a veces», «muy rara vez», «casi nunca», «insuficientemente», «insuficientemente» y «no lo suficientemente bien», «insuficientemente» y «no lo adquirí» se agruparon y contabilizaron para identificar áreas de mejora.
Se utilizó un diseño convergente de métodos mixtos paralelos, con componentes cuantitativos y cualitativos ejecutados simultáneamente y resultados integrados. Las discrepancias en la codificación se resolvieron mediante discusión entre los tres investigadores hasta alcanzar un consenso. Los análisis estadísticos se realizaron con el paquete estadístico IBM SPSS Statistics 26.0, STATISTICA versión 12.0 y el programa de hojas de cálculo Excel.
El informe de investigación se basó en el COREQ. El análisis de los datos de la investigación cualitativa se basó en el análisis de las transcripciones de FGI y las notas tomadas durante los estudios. En el análisis de la investigación cualitativa, se utilizó el análisis convencional y la codificación de las declaraciones de los encuestados [ 28 ]. La transcripción fue analizada de forma independiente por tres investigadores, para cada grupo de encuestados por separado (cuidadores médicos, docentes y empleadores).
1. La primera lectura del texto se utilizó para determinar los códigos. Se identificaron los siguientes: conocimiento teórico, conocimiento práctico, necesidades, lagunas, competencias y organización.
2. Análisis del contenido de las entrevistas en función de los códigos adoptados y creación de bloques temáticos:
Características de un cuidador médico,
papel del cuidador médico,
evaluación de conocimientos tras finalizar la formación profesional,
evaluación de las competencias prácticas tras finalizar la formación profesional,
3. Se identificaron similitudes y diferencias en las declaraciones de los tres grupos de encuestados
4. Síntesis de las declaraciones de los grupos de encuestados en cuanto a áreas que requieren mejoras en el contexto de la eficacia y calidad de la educación de los cuidadores médicos y cambios en el currículo básico que podrían afectar positivamente el proceso de educación de los cuidadores médicos.
Finalmente, los resultados se tradujeron al inglés utilizando el método de retrotraducción para garantizar que las transcripciones en inglés reflejaran adecuadamente las respuestas de los participantes.
Criterios de confiabilidad
Para garantizar la credibilidad de los hallazgos, se empleó la triangulación de datos comparando los resultados obtenidos de tres grupos distintos de encuestados: docentes, profesionales sanitarios y empleadores. Además, se tuvo en cuenta la reflexividad del investigador, lo que permitió un análisis crítico de cómo las suposiciones personales y la postura personal pudieron haber influido en el proceso de investigación. El escenario FGI se desarrolló con base en mi experiencia previa en investigación en el campo de la formación profesional, la cual pudo haber influido en la selección de los temas. Como profesional con experiencia en el sistema sanitario, era consciente de que mi presencia podría haber influido en la forma de hablar de los participantes, quienes podrían haberme tratado como un experto. Para minimizar esta asimetría, intenté adoptar una postura neutral y evitar reacciones evaluativas. Durante las entrevistas, intenté que cada participante tuviera la misma participación y la misma duración de discurso. Durante la etapa de análisis de datos, tuve especial cuidado de no sobreinterpretar las declaraciones de forma que confirmaran mis creencias previas sobre la eficacia del sistema educativo actual. Para ello, fragmentos de los datos fueron sometidos a una evaluación independiente por otros dos investigadores. Para mejorar la transferibilidad del estudio, las características de los grupos participantes se describieron de la forma más completa y precisa posible. Para asegurar la fiabilidad, el proceso de análisis se discutió con dos investigadores para verificar la consistencia y transparencia de los hallazgos. Para asegurar la confirmabilidad, se conservaron y presentaron extractos de entrevistas que respaldaban las interpretaciones, junto con la reflexividad del investigador, como se mencionó anteriormente.
En el estudio presentado, se asignó mayor importancia a la investigación cuantitativa, debido a la amplia y representativa muestra de encuestados. La investigación cualitativa se consideró un complemento del método cuantitativo. Este enfoque de investigación mixta se enmarca en el esquema de inmersión paralela [ 29 ].
Resultados
Un total de 840 cuidadores médicos participaron en el estudio cuantitativo. La muestra fue predominantemente femenina (92,1%) (Tabla 2 ). La mayor proporción de encuestados tenía entre 40 y 49 años (40,4%). Los cuidadores médicos que participaron en el estudio residían con mayor frecuencia en ciudades con una población de hasta 50.000 habitantes (23%) y en ciudades con una población de entre 51.000 y 150.000 habitantes (23%). La gran mayoría de los encuestados había completado su formación como cuidadores médicos en escuelas públicas de educación superior (82,8%). En el momento del estudio, más de la mitad de los encuestados trabajaban en hospitales (54,5%) (Tabla 2 ).
Las áreas identificadas de formación que requieren mayor atención incluyen las siguientes: fundamentos de la atención a personas enfermas y dependientes y conceptos básicos de atención médica, como el lenguaje de signos (9 aspectos), competencias personales y sociales, como mantener el conocimiento actualizado y refinar las habilidades profesionales y afrontar el estrés (3 aspectos), y un aspecto de cada una de las siguientes áreas: salud y seguridad en el trabajo (cumplimiento de las normas de seguridad sobre materiales contaminados biológicamente), planificación de actividades de higiene y cuidado de personas enfermas y dependientes (asistencia a personas enfermas y dependientes en el uso de equipos ortopédicos y de rehabilitación), realización de tareas de atención médica seleccionadas (realización de tratamientos antiinflamatorios y baños terapéuticos para personas enfermas y dependientes, según las instrucciones de un médico o enfermero), y planificación, organización y ejecución de actividades de cuidado de personas enfermas y dependientes, con especial consideración a las personas con demencia (asistencia a personas enfermas y dependientes en el uso de equipos ortopédicos y de rehabilitación) (Tabla 3 ).Tabla 3 Áreas de conocimiento y habilidades que requieren mayor efectividad en el proceso de formación del cuidador médico formal
Estudio FGI
Al evaluar los conocimientos y las habilidades prácticas después de completar la formación vocacional desde la perspectiva de los cuidadores médicos, maestros, educadores y empleadores, se hizo hincapié en las áreas identificadas como las que requerían más mejoras.
Los profesionales sanitarios destacaron principalmente dos cuestiones dominantes: el número insuficiente de horas asignadas a ejercicios prácticos y la necesidad de adaptar el plan de estudios para satisfacer las demandas y expectativas del mercado laboral.
“Todo depende del tipo y del enfoque de la escuela, pero hay muy pocas horas dedicadas a la formación práctica”. (Cuidador FGI).
“Todo esto lo tuvimos que aprender en el trabajo porque no nos enseñaron lo suficiente; había muy pocas horas”. (Cuidador FGI).
‘No existe una escuela que te prepare para todo; cuando empiezas a trabajar te enfrentas a la realidad.’
Califico mis conocimientos como promedio, alrededor de un 3. (Cuidador FGI).
“Lo que aprendemos durante las prácticas en la escuela es completamente diferente de lo que encontramos más tarde en el lugar de trabajo”. (Cuidador FGI).
El segundo problema se refiere a los desafíos de comunicación, tanto con los pacientes como entre los equipos médicos. Dada la naturaleza de su trabajo, que implica interactuar con pacientes con diversas discapacidades físicas y psicológicas, así como con personas en fase terminal, los profesionales sanitarios enfatizan la necesidad de una mayor formación en psicología y habilidades interpersonales.
“Tenemos muy poca psicología en el plan de estudios, por eso muchos cuidadores abandonan debido al estrés y a los problemas de trabajo en equipo”. (Cuidador FGI).
“Es necesaria mucha autoeducación para desarrollar habilidades blandas” (Cuidador FGI).
“Hay muy pocas clases prácticas de psicología”. (Cuidador FGI)
Los educadores destacan la necesidad de cambios en el sistema educativo. El currículo básico abarca una amplia gama de conocimientos teóricos, que describen como «excesivamente exhaustivo», sugiriendo que podría sustituirse por temas prácticos:
“Debería haber muchas más horas en la sala, al menos 80 horas adicionales”. (Educador FGI).
“La formación práctica debería tener lugar en hospitales en distintos departamentos, en lugar de en residencias de ancianos”. (Educador FGI).
Se expresa especialmente la necesidad de ampliar los temas relacionados con el cuidado del paciente: “Debería haber más temas sobre cómo manejar heridas o escaras”. (Educador FGI).
También sería beneficioso estandarizar la calidad de la educación y adaptar el currículo a las realidades del trabajo profesional:
“Mucho depende de dónde recibió su formación el cuidador”. (Educador FGI)
“En las aulas enseñamos de manera diferente, pero el ambiente laboral real no nos permite dedicar tanto tiempo”. (Educador FGI).
“Nos damos cuenta de que enseñamos de una manera, pero los cuidadores a menudo realizan tareas diferentes, a menudo debido a la falta de personal suficiente”. (Educador FGI).
El último grupo estudiado estuvo compuesto por empleadores. Se hicieron eco de la preocupación del profesorado respecto a la necesidad de aumentar las horas dedicadas a la formación práctica:
“Exhiben incertidumbre”. (Empleador FGI).
“A veces, la formación práctica es meramente teórica y luego queda claro que esa persona tiene dificultades en su trabajo”. (Empleador FGI)
Sobre todo, destacan la necesidad de mejorar la eficacia de la formación en habilidades blandas, que son esenciales para la interacción directa con el paciente, el trabajo en equipo y pueden ayudar a reducir el riesgo de agotamiento profesional:
“Creo que aumentar las horas de formación práctica podría abordar todas las cuestiones relacionadas con la comunicación y el trabajo en equipo, ya que estas habilidades son las que encuentro más faltantes”. (Empleador FGI).
“Hay problemas con la comunicación con los residentes”. (Empleador FGI)
“Hay falta de habilidades en trabajo en equipo y resolución de problemas”. (Empleador FGI).
“Es necesaria una preparación psicológica para las conversaciones”. (Empleador FGI)
“También es importante enriquecer su experiencia para evitar el desgaste profesional”. (Empleador FGI).
Discusión
Uno de los objetivos del «envejecimiento saludable» es apoyar a las personas mayores para que puedan permanecer en la comunidad por más tiempo, manteniendo su independencia. Para afrontar este reto, además de integrarse en el modelo de atención centrada en el paciente, es necesaria la participación de un cuidador médico [ 30 ]. En la profesión de un cuidador médico, además de los conocimientos y las habilidades para brindar atención de calidad, las habilidades de comunicación, como la amabilidad, la empatía y la confianza, son importantes desde el punto de vista del paciente. Para los pacientes, es importante establecer una relación con el cuidador y un sentido de cercanía y respeto, manteniendo una distancia saludable [ 31 ]. La preparación e implementación de la educación continua para los cuidadores médicos es una función activa de las instituciones educativas para mejorar la calidad de la atención brindada a las personas dependientes [ 32 ]. Actualmente, la atención profesional se centra en los aspectos médicos y físicos de la atención. Sin embargo, muchos cuidadores afirman que se necesita un cambio de paradigma innovador hacia un enfoque holístico, hacia la atención de las necesidades sociales y emocionales. Sin embargo, a menudo carecen de la competencia para hacerlo, ya que no forma parte de su formación profesional [ 33 ]. Las cuestiones del envejecimiento y la salud mental parecen abordarse de forma especialmente superficial durante la formación, también en Polonia. Los resultados obtenidos en el estudio permiten destacar que el programa educativo no tiene en cuenta las situaciones prácticas que enfrentan los cuidadores, por ejemplo, las situaciones difíciles relacionadas con la edad del paciente o los trastornos cognitivos [ 34 ]. La parte posterior del debate incluye un análisis detallado de las áreas que requieren apoyo dentro del currículo básico y el proceso educativo de los cuidadores médicos.
Tanto los encuestados como los participantes en los grupos focales identificaron de forma consistente una formación insuficiente en habilidades prácticas y habilidades blandas, destacando estas como lagunas curriculares significativas. El área que requiere más atención son los fundamentos del cuidado de las personas enfermas y dependientes, así como los fundamentos de la atención médica. Se debe hacer especial hincapié en el uso de la lengua de señas y la adherencia a los protocolos en casos de sospecha de abuso. Nuestro estudio demostró que el 49,8% de los cuidadores encuestados carecía de competencia en la lengua de señas a un nivel bueno o muy bueno. En comparación, un estudio croata encontró que el 67% de las enfermeras encuestadas no poseían habilidades en la lengua de señas [ 35 ]. Se puede concluir que la lengua de señas no se considera una competencia básica necesaria para el desempeño diario de las tareas de cuidado [ 36 ]. Sin embargo, para los pacientes con discapacidad auditiva, se estima que en Polonia hay aproximadamente 50.000 personas con pérdida auditiva significativa a profunda, y alrededor de 800.000 a 900.000 personas con pérdida auditiva moderada [ 37 ]. Por lo tanto, el dominio de la lengua de señas es esencial para establecer una comunicación eficaz. Las investigaciones indican que las personas con discapacidad auditiva enfrentan dificultades para acceder a la atención médica, principalmente debido a las barreras de comunicación, lo que resulta en una menor utilización de los servicios de salud en comparación con las personas sin discapacidad auditiva. El dominio de la lengua de señas puede mejorar la participación del paciente y la calidad de la atención, lo que permite una mejor comprensión de los pacientes (tanto niños como adultos) que requieren asistencia. En consecuencia, la incorporación de la formación en lengua de señas en el currículo es legítima y eficaz para aumentar los niveles educativos y la preparación para la comunicación con personas con discapacidad auditiva [ 35 ].
Otro aspecto identificado como que requiere atención en el proceso educativo es la adherencia a los protocolos en casos de sospecha de violencia. El problema de la violencia afecta a las mujeres con más frecuencia que a los hombres, y la tasa de abuso contra los ancianos está aumentando progresivamente [ 38 ]. La investigación ha demostrado que los trabajadores de la salud a menudo son el primer punto de contacto para las víctimas de violencia. Una de las funciones de la atención médica es prevenir la violencia, y los cuidadores médicos pueden desempeñar un papel crucial en la identificación del abuso durante las actividades de cuidado rutinarias [ 39 ]. Por lo tanto, es esencial que posean conocimientos y competencias integrales con respecto a los protocolos para abordar la sospecha de violencia. La capacitación puede mejorar la conciencia de la violencia, las habilidades, las competencias, la confianza y la preparación de los trabajadores de la salud para responder cuando se encuentran con personas afectadas por la violencia [ 40 , 41 ].
La siguiente área que requiere apoyo son las competencias personales y sociales. Estas se han identificado como muy importantes tanto en el estudio CAWI como en los debates grupales con cuidadores y empleadores. Cabe destacar que el legislador no impone un requisito mínimo de horas para abordar estos temas a los organizadores de la formación. Simplemente indica que «El profesorado de todas las asignaturas obligatorias de la formación profesional debe crear las condiciones para que los estudiantes adquieran competencias personales y sociales, así como habilidades para organizar el trabajo en pequeños equipos»[ 3 ]. Existe un creciente debate sobre la necesidad de implementar cambios en la formación médica, en particular en lo que respecta a las competencias sociales y comunicativas. Estas competencias son fundamentales para casi el 100 % de las personas que cursan estudios de medicina [ 42 ]. Los resultados de nuestra investigación revelaron que, en el ámbito de las competencias personales y sociales, se debe prestar mayor atención a las competencias asociadas con el aprendizaje autodirigido. Las directrices del Espacio Europeo de Educación Superior (EEES) presentan el perfil del estudiante como una persona activa, responsable de su propio desarrollo, adquisición de conocimientos y competencias [ 43 , 44 ]. Un enfoque autodirigido para el aprendizaje es particularmente significativo en el sector de la salud debido a la necesidad de poseer conocimientos actualizados para garantizar una atención segura al paciente [ 45 ]. El desarrollo profesional continuo no solo mejora los estándares de atención mediante la adquisición de nuevas competencias, sino que también aumenta la eficiencia profesional, produciendo resultados positivos principalmente para los pacientes y las organizaciones [ 46 ].
También es esencial mejorar la eficacia para afrontar el estrés. La naturaleza del trabajo de un cuidador, incluida la exposición al estrés crónico derivado de la responsabilidad por la salud y la vida de las personas dependientes, aumenta el riesgo de desarrollar el síndrome de estrés del cuidador, caracterizado por agotamiento físico, emocional y mental [ 47 ]. La Academia Nacional de Medicina ha indicado que incluso antes de la pandemia, el nivel de agotamiento entre los trabajadores de la salud en los EE. UU. había alcanzado un nivel crítico. Los informes mostraron que entre el 35% y el 45% de las enfermeras y los médicos, así como entre el 40% y el 60% de los estudiantes de medicina, experimentaron signos de agotamiento [ 48 ]. Aunque la pandemia de COVID-19 ha terminado desde entonces, el nivel de agotamiento sigue siendo alto. Según un informe de 2023, el 56% de las enfermeras, el 54% del personal clínico, el 47% de los médicos y el 46% del personal no clínico informaron experimentar agotamiento [ 49 ]. Un programa de gestión del estrés bien estructurado puede generar beneficios tangibles, como la reducción del estrés percibido, una mejor salud mental y física, y una mayor satisfacción laboral. Por lo tanto, invertir tiempo en dicha formación merece la pena, sobre todo considerando los costes asociados al síndrome de burnout en el personal sanitario [ 50 ].
Además, el FGI indicó que los cuidadores requieren más capacitación práctica, lo que coincide con otras investigaciones que confirman que «los cuidadores desean instrucción práctica seguida de demostraciones en el campo de la atención»[ 32 ].
Entre las fortalezas de la investigación se encuentra la muestra grande y representativa obtenida a través de la investigación cuantitativa, junto con el uso de un enfoque de método mixto, lo que permite una recopilación de datos multifacéticos y una exploración en profundidad a través de métodos cualitativos. Sin embargo, una de las limitaciones importantes es el sesgo potencial resultante del muestreo de conveniencia, la dependencia de las medidas de autoevaluación (competencias percibidas en lugar de evaluadas objetivamente) y el pequeño tamaño de la muestra en las entrevistas de grupo focal (FGI). Otras limitaciones incluyen el sesgo potencial en la participación voluntaria y la falta de datos longitudinales. El pequeño número de participantes masculinos también puede generar distorsiones en la interpretación de los datos. Sin embargo, también indica las características de la profesión y el predominio numérico de mujeres. Aunque el cuestionario tardó aproximadamente 15 minutos en completarse, debido a la gran cantidad de preguntas, podría producirse fatiga de la encuesta, lo que podría afectar la calidad de los datos recopilados [ 51 ]. Además, la escasez de publicaciones sobre el tema de la educación formal para cuidadores médicos presenta desafíos en la comparación de resultados dentro de este grupo profesional.
Conclusiones
Nuestros resultados identifican explícitamente deficiencias específicas en la formación en lengua de señas, habilidades clínicas prácticas y gestión del estrés, lo que respalda nuestras recomendaciones para mejoras específicas en estas áreas. Se recomienda establecer un mínimo de horas de estudio para temas relacionados con las competencias personales y sociales. Es importante prestar mayor atención a las áreas de formación relacionadas con las habilidades interpersonales y aumentar el número de horas de clases prácticas. El apoyo a estas áreas es vital, ya que impactan significativamente en la práctica profesional de los cuidadores médicos, la calidad de la atención institucional brindada a los pacientes y el bienestar general de los cuidadores. Implementar estas mejoras curriculares requeriría esfuerzos coordinados entre las instituciones educativas y los empleadores del sector salud
Definición de la “corporatización” de la atención sanitaria. N Eng J Med 2025
Resumen del Blog. Carlos Alberto Díaz.
El texto analiza la profunda transformación del sistema de salud en Estados Unidos en las últimas décadas, marcada por la creciente corporatización y consolidación de grandes conglomerados empresariales en todos los niveles de la atención médica. El autor redefine la «corporatización» como la tendencia hacia un control empresarial integrado, enfocado principalmente en la generación de beneficios y la primacía del accionista, relegando el bienestar del paciente y la comunidad a un segundo plano.
Se destacan dos elementos clave: la priorización de las ganancias sobre otros intereses (incluyendo pacientes y personal) y la consolidación horizontal y vertical, que otorga a las empresas un dominio de mercado y las hace prácticamente inmunes a la rendición de cuentas. Incluso las organizaciones sin fines de lucro pueden corporativizarse y perseguir beneficios. Este proceso ha dado lugar a precios elevados, exclusiones de cobertura, acciones de cobro a pacientes y cierre de centros en zonas desfavorecidas.
El texto repasa cómo la comercialización, la financiarización y el dominio de grandes conglomerados han erosionado la autonomía profesional, la confianza y la moral clínica, volviendo el sistema más rentable para inversores pero inaccesible y costoso para la población. Ejemplos recientes, como el colapso de sistemas hospitalarios respaldados por capital privado y la expansión de empresas como UnitedHealth Group, ilustran los riesgos y consecuencias de este modelo.
Las políticas tradicionales no han logrado frenar la corporatización debido a la captura política y la insuficiente aplicación de la ley. Se sugieren reformas estructurales, como la división de conglomerados y nuevas normas de gobernanza, aunque el interés político es escaso y la insatisfacción pública es alta. El autor concluye que la pregunta central es si el sistema de salud debe servir a las corporaciones o a la sociedad.
Erin C. Fuse Brown
¿Qué es la corporatización en la atención médica? La obra fundamental de Paul Starr, The Social Transformation of American Medicine ( 1982) , ofrece una guía conceptual. 1En el Libro Uno, Starr describió cómo una profesión médica soberana adquirió un extraordinario poder social y político para organizar y gobernar el sistema de atención médica durante la primera mitad del siglo XX. En el Libro Dos, observó que la atención médica se encontraba en el umbral de otra gran transformación, encaminándose hacia un futuro en el que las corporaciones consolidarían la propiedad y el control hasta que el sistema se convirtiera en «una industria dominada por enormes conglomerados sanitarios». En resumen, Starr predijo la corporatización de la atención médica.
Starr observó la corporatización de la atención de salud a lo largo de cinco dimensiones: el cambio de organizaciones gubernamentales y sin fines de lucro a empresas con fines de lucro; la consolidación horizontal de entidades controladas localmente a corporaciones controladas a nivel nacional o regional; el cambio de empresas de unidad única y de mercado único a empresas conglomeradas; la consolidación vertical entre los niveles de prestación de atención y los pagadores; y la creciente concentración, tamaño y alcance de las organizaciones.
En las cuatro décadas transcurridas desde la publicación de este trabajo, el sistema de salud estadounidense ha avanzado en cada una de estas dimensiones hacia una mayor corporatización. Según la Asociación Americana de Hospitales, la proporción de hospitales comunitarios con fines de lucro aumentó del 13,1 % en 1983 al 23,7 % en 2023. Mientras tanto, las entidades de atención médica han expandido su tamaño, alcance y concentración de mercado mediante una combinación de consolidación horizontal y vertical. El porcentaje de hospitales propiedad de compañías que controlan tres o más hospitales aumentó del 11,6 % en la década de 1980 al 56,1 % en la actualidad, según el Departamento de Salud y Servicios Humanos, y ahora nueve mega cadenas hospitalarias poseen más de 50 hospitales cada una. A principios de la década de 1980, tres cuartas partes de los médicos estadounidenses eran propietarios de su consultorio, mientras que en 2023 una proporción similar de médicos trabajaba para hospitales o entidades corporativas, incluidos fondos de capital privado.
Los conglomerados aseguradores, como United Healthcare y CVS–Aetna, controlan ahora a médicos, atención domiciliaria, farmacias y gestores de beneficios farmacéuticos (PBM).La consolidación hospitalaria horizontal se ha buscado por la promesa de economías de escala y poder de mercado.Y la consolidación vertical se vio impulsada por el auge de la atención médica administrada y su descendiente, basada en el valor, en particular a medida que las aseguradoras privadas han asumido un papel cada vez mayor en los programas de salud financiados con fondos públicos. A medida que la atención médica administrada trasladó el riesgo financiero a los médicos y otros proveedores de atención, las cargas financieras y tecnológicas los impulsaron a consolidarse en conglomerados más grandes.
Basándome en la concepción icónica de Starr, ofrezco una definición actualizada de corporatización que refleja las tendencias de los últimos 40 años. El término «corporatización» se refiere ahora a la tendencia general en el sector sanitario hacia mayores niveles de control integrado por parte de empresas consolidadas con ánimo de lucro.
Cabe destacar dos elementos clave de esta definición. En primer lugar, la elevación de la generación de beneficios como objetivo principal de la empresa sanitaria. El término «corporatización» incorpora el concepto de primacía del accionista, propuesto por los economistas neoliberales, según el cual el deber principal de la corporación es maximizar las ganancias de los accionistas. Esta primacía subordina los intereses de otras partes interesadas, como los pacientes, el personal sanitario o la comunidad. La conversión de la propiedad sin ánimo de lucro en propiedad con ánimo de lucro en los hospitales proporciona un mecanismo directo para que la primacía del accionista desplace el beneficio comunitario como la principal responsabilidad del hospital. Sin embargo, incluso los hospitales sin ánimo de lucro pueden corporativizarse a medida que crecen en tamaño y escala organizativa. La mayoría de las áreas geográficas están dominadas por grandes sistemas de salud que comprenden múltiples hospitales, médicos y clínicas ambulatorias, divisiones de seguros, filiales centradas en la gestión del ciclo de ingresos (seguimiento y gestión de los ingresos procedentes de la atención al paciente, desde la programación, la codificación y la facturación hasta el cobro de pagos) y fondos de inversión con ánimo de lucro. A pesar de su estatus sin fines de lucro, una vez que poseen poder de mercado, estas entidades pueden obtener ganancias sustanciales, lo que puede convertirse en una recompensa que se perpetúa. Por lo tanto, los poderosos sistemas de salud sin fines de lucro pueden llegar a priorizar los ingresos sobre el bienestar del paciente y la comunidad, como lo demuestran los precios inflados, las exclusiones de la red de seguros, las acciones de cobro de deudas médicas contra los pacientes, el cierre de centros en zonas de bajos ingresos y los recortes de personal y salarios.
El segundo elemento clave de la corporatización es la consolidación. El sistema de salud estadounidense ha experimentado una vasta consolidación horizontal y vertical de la propiedad y el control, desde empresas individuales en mercados únicos hasta conglomerados empresariales que abarcan múltiples mercados. La consolidación aumenta el tamaño de la empresa y reubica el poder de decisión de los productores locales de bienes y servicios a los directivos e inversores de la empresa matriz. El dominio del mercado de los conglomerados, la diversificación entre plataformas y el cambio en el locus de control los aíslan de la disciplina reputacional o de mercado. El gran tamaño de las entidades de salud conglomeradas las convierte en sistémicamente críticas y «demasiado grandes para quebrar», lo que significa que los políticos y los gobiernos intervendrán en lugar de permitir que el sistema se tambalee.
En 1980, Arnold Relman, entonces editor en jefe del Journal , advirtió que el “complejo médico-industrial” —la red de corporaciones en el negocio de proveer servicios de atención médica con fines de lucro— podría influir indebidamente en la política sanitaria y subvertir el interés público. 2Desde entonces, otros comentaristas han denunciado una “comercialización” de la profesión médica en la que los motivos de lucro corporativo han erosionado la relación médico-paciente. 3 Recientemente, el término “financiarización”se ha utilizado para describir la creciente participación de instituciones financieras, como firmas de capital privado, que utilizan tácticas financieras para extraer riqueza de las compañías de atención médica para los inversores. 4 Estos fenómenos se alinean con la concepción de Starr de la corporativización. Enfatizan varios aspectos y consecuencias de la práctica, pero todos presentan preocupaciones de política pública similares.
El sistema de salud actual ha experimentado el cambio trascendental que Starr predijo hace más de cuatro décadas. Si bien el afán de lucro siempre ha existido en la medicina, el control que ejercen los grandes conglomerados con ánimo de lucro sobre las personas y entidades que prestan servicios de salud se ha intensificado y extendido a todos los ámbitos del sistema. La corporativización ha dado lugar a un sistema increíblemente rentable para los inversores, pero cada vez más inasequible, inaccesible e indiferente para el resto; en otras palabras, ha creado una Edad Dorada de la medicina.<sup> 5</sup> Las grandes empresas que priorizan las ganancias sobre los pacientes han llegado a dominar el sistema de salud, a la vez que acumulan poder político y eluden la rendición de cuentas. La centralización de la gobernanza de la atención médica, alejándola de las autoridades locales, reduce el compromiso de los hospitales con sus comunidades, en particular con los pacientes y trabajadores de bajos ingresos, lo que permite el cierre de instalaciones o servicios menos rentables en zonas pobres o rurales. El control corporativo sobre las prácticas médicas y el afán de lucro han socavado el profesionalismo, la autonomía, la confianza y la moral de muchos profesionales clínicos.
La corporatización del sector salud ha alcanzado su punto álgido. El colapso financiero de sistemas hospitalarios respaldados por capital privado, como Steward Health Care, ha provocado perjuicios para los pacientes, cierres de hospitales y duras audiencias e informes en el Congreso. UnitedHealth Group se ha convertido en un conglomerado en expansión y verticalmente consolidado, que domina los mercados de seguros, médicos, atención médica a domicilio, gestión de beneficios farmacéuticos y procesamiento de datos. El ascenso de UnitedHealth ha provocado investigaciones gubernamentales, acciones antimonopolio, ataques de ciberseguridad, protestas públicas y violencia letal contra su director ejecutivo. Estas tensiones son un microcosmos de los efectos de la corporatización en todo el sector salud.
Las intervenciones tradicionales en las políticas sanitarias, como la aplicación de las leyes antimonopolio, los subsidios y exenciones fiscales, la prohibición del ejercicio corporativo de la medicina y las reformas en los sistemas de pago, no han frenado el auge de las corporaciones en la atención médica, debido a la aplicación laxa de las leyes, la captura política y las sofisticadas soluciones regulatorias. Mientras tanto, la adopción de la atención médica administrada por parte de las políticas sanitarias, en particular en los programas financiados con fondos públicos, ha fomentado la consolidación corporativa en nombre de la integración.
Enfrentar la corporatización puede requerir una reorientación fundamental de la organización industrial del sistema de salud. Reformas adicionales podrían implicar la separación estructural («desmembramiento») de los conglomerados que se encuentran a ambos lados de la negociación entre pagador y proveedor, prohibiendo a las aseguradoras poseer consultorios médicos o a los PBM poseer farmacias, estandarizando los precios para limitar el poder monopolístico y la preferencia financiera de las entidades relacionadas con una organización sobre la competencia, ampliando las fuentes alternativas de capital y modernizando las leyes que regulan el ejercicio corporativo de la medicina. Además, las normas de gobernanza y propiedad de las entidades de atención médica podrían revisarse para exigir, por ejemplo, estándares más estrictos para la exención de impuestos de las organizaciones sin fines de lucro, la representación clínica y comunitaria en las juntas directivas, deberes fiduciarios más allá de la primacía del accionista, o una mayor responsabilidad de la empresa matriz o del inversor por decisiones operativas que perjudiquen el acceso de los pacientes o de la comunidad a la atención médica.
El interés político por tales reformas puede estar actualmente en su punto más bajo, pero la satisfacción pública con el sistema de salud es igualmente baja. Las futuras políticas sanitarias deben abordar la cuestión fundamental de a quién debe servir nuestro sistema de salud: a las grandes corporaciones o a la sociedad en su conjunto
Se reclutaron 1532 pacientes hospitalizados, de los cuales 1469 fueron incluidos. Los criterios de inclusión fueron: (1) haber recibido atención hospitalaria durante al menos dos días; (2) comprender las preguntas de los cuestionarios; y (3) ser mayor de 18 años. Se excluyó a los pacientes con deterioro cognitivo que completaron los cuestionarios con información faltante.
Los resultados de la regresión LASSO (operador de selección y contracción mínima absoluta) mostraron que, como el factor de penalización (λ) = 0,0162, la edad, el estado civil, la situación financiera, la duración de la estancia hospitalaria y el número de hospitalizaciones previas, así como seis dimensiones de la atención de enfermería, permanecieron en el modelo. A medida que λ aumenta a 0,1862, solo cuatro variables de experiencia del paciente, potencialmente las más influyentes en la satisfacción del paciente, permanecieron en el modelo.
La experiencia del paciente con el apoyo emocional fue la dimensión más significativa para explicar la satisfacción del paciente (β = 0,1564), la segunda dimensión más significativa fue la gestión de la admisión y el alta (β = 0,1562) y la tercera fue el seguimiento y el afrontamiento del progreso de las enfermedades (β = 0,0613).
Conclusión
La experiencia del paciente con el apoyo emocional, la gestión del ingreso y del alta, el seguimiento y afrontamiento de la evolución de las enfermedades y la información y educación son las dimensiones más significativas que explican la satisfacción del paciente.
Fortalezas y limitaciones de este estudio.
Este estudio utilizó una escala de experiencia del paciente válida y específica, desarrollada específicamente para evaluar la atención de enfermería y ampliamente reconocida en el sistema de salud chino.
La literatura tiende a considerar la experiencia del paciente en su conjunto y a examinar su impacto global en la satisfacción. Este estudio intentó responder a la pregunta de qué aspectos de la experiencia del paciente impactan más significativamente en su satisfacción; este hallazgo contribuiría a una mejor comprensión de la prioridad que los pacientes dan a la atención de enfermería.
Este fue el primer estudio en aplicar técnicas de regresión LASSO para analizar la satisfacción y la experiencia del paciente.
Este estudio fue transversal. Dado que la experiencia del paciente con diferentes aspectos de la atención de enfermería ocurre en distintos momentos de su estancia hospitalaria, la recopilación de todos los datos informados por el paciente después del alta podría generar un sesgo de recuerdo.
Introducción
En la era de la atención basada en el valor, la satisfacción del paciente se utiliza habitualmente para medir la calidad de la atención y se utiliza cada vez más en la evaluación del desempeño de los centros de salud. 1 2 Los programas nacionales de mejora de la calidad de la atención médica, cuyo objetivo es mejorar la satisfacción del paciente, han proliferado en muchos países, como el Reino Unido, Australia, Francia, Alemania y China. 3 Como la profesión sanitaria más importante, 4 las enfermeras son componentes esenciales del sistema de salud; las enfermeras y la atención de enfermería tuvieron el mayor impacto en la satisfacción general del paciente. 5 6 Hoy en día, la atención médica presta gran atención a la satisfacción del paciente con la atención de enfermería, 7 particularmente en los servicios de salud públicos en China. 8
Reconocer los factores que influyen en la satisfacción del paciente es fundamental para mejorar la calidad de la atención. La creciente importancia de la experiencia del paciente sugiere la necesidad de caracterizar la relación entre ambos. 9 Aunque la experiencia del paciente y la satisfacción del paciente suelen usarse indistintamente, los conceptos son distintos. La experiencia del paciente es un indicador de proceso y refleja lo que realmente sucede durante el proceso de recibir tratamiento, mientras que la satisfacción del paciente es una medida de resultado de la atención médica y refleja principalmente las expectativas subjetivas de los pacientes. 10 Dada la relación causal entre proceso y resultado, el impacto de la experiencia del paciente en su satisfacción se ha examinado cuidadosamente en una amplia gama de estudios. 11 12
Además, se ha propuesto que la satisfacción general se vio más afectada por la experiencia del paciente con sus aspectos prioritarios; la experiencia del paciente con respecto a los elementos de alta prioridad tendría un mayor impacto en su calificación de satisfacción global en comparación con la experiencia del paciente con elementos de menor prioridad. 13 14 Sin embargo, con respecto a la atención de enfermería, existe una falta de investigación empírica que informe sobre este tema, la forma en que la experiencia del paciente impacta su satisfacción sigue siendo poco clara. La literatura tiende a ver la experiencia del paciente como un todo y examina su impacto general en la satisfacción. 5 12 Considerando la complejidad y la naturaleza multifacética de la atención de enfermería, pasar por alto qué aspectos de la experiencia del paciente impactan más significativamente su satisfacción podría oscurecer el panorama general. Además, dado que los proveedores y los receptores de atención médica a menudo tienen opiniones incongruentes sobre las prioridades en la atención, 15 16 comprender las prioridades de los pacientes para la atención de enfermería permitirá a las enfermeras utilizar las preferencias de los pacientes para diseñar y brindar atención de enfermería de manera efectiva. 17
En este estudio, planteamos la hipótesis de que hay algunos componentes de los servicios de enfermería que afectan la satisfacción del paciente de manera más significativa que otros componentes; descubrir cómo se comporta un atributo determinado en términos de satisfacción del paciente contribuirá a un conocimiento más profundo de las expectativas del paciente y puede conducir a ampliar aquellas características asociadas con una mayor satisfacción, proporcionando una atención verdaderamente centrada en el paciente.
Características del paciente
Se evaluaron varias características de los pacientes, entre ellas la edad, el sexo, la raza, la religión, el nivel de alfabetización, el ingreso mensual, el seguro de salud y varias características relacionadas con la enfermedad, como el diagnóstico de la enfermedad, el número de hospitalizaciones y la duración de la estadía en el hospital.
Experiencia del paciente con la atención de enfermería
La experiencia del paciente con la atención de enfermería se midió mediante la Escala de Experiencia en Hospitalización con Atención de Enfermería, 19 que se desarrolló específicamente para evaluar la atención de enfermería y se utiliza ampliamente en el sistema de salud chino. La escala validada de 30 ítems evaluó 7 dimensiones de la atención de enfermería desde la perspectiva de los pacientes: proceso de admisión y alta, información y educación, apoyo emocional, comunicación y coordinación, monitoreo y afrontamiento del progreso de las enfermedades, respuesta a solicitudes, seguridad del paciente y protección de la privacidad. La mayoría de los ítems se informaron mediante opciones de Likert de 5 puntos (nunca/ocasionalmente/a veces/usualmente/siempre), y las opciones de respuesta para el proceso de admisión y alta variaron de totalmente en desacuerdo a totalmente de acuerdo. La validez de contenido media de la escala fue de 0,96 y la confiabilidad de consistencia interna fue aceptable con un alfa de Cronbach de 0,95 y una confiabilidad de mitad dividida de 0,88. La puntuación general de la experiencia del paciente fue la puntuación promedio de 30 ítems.
Satisfacción del paciente
Se solicitó a los encuestados que proporcionaran una calificación global de la atención de enfermería recibida mediante una pregunta con una opción de respuesta de 10 puntos, donde 1 representa «nada satisfecho» y 10 representa «muy satisfecho».
Recopilación de datos
Se invitó a los pacientes hospitalizados a participar voluntariamente en esta investigación el día del alta. Existen dos razones principales para realizar la encuesta el mismo día. En primer lugar, los participantes experimentarían todo el proceso de atención de enfermería, de modo que pudieran responder a cada pregunta de los cuestionarios. En segundo lugar, el momento de la recopilación de la opinión de los pacientes podría afectar su respuesta a los cuestionarios, ya que algunos podrían preocuparse de que las evaluaciones negativas afecten su tratamiento y atención durante la hospitalización. Además, el personal de enfermería no participó en la encuesta para que los pacientes pudieran proporcionar su opinión libremente. Todos los datos se recopilaron mediante entrevistas presenciales realizadas por investigadores capacitados.
Análisis de datos
Se utilizó el software IBM-SPSS V.25 (IBM Corp) para realizar la descripción estadística y el análisis de correlación. Todas las pruebas estadísticas fueron bilaterales con niveles de significancia de 0,05. Luego, se utilizó el paquete glmnet en R para realizar la regresión LASSO (menor contracción absoluta y operador de selección). En este estudio, muchos factores tenían niveles múltiples y se expresaron utilizando variables ficticias. Por lo tanto, utilizamos LASSO de grupo para seleccionar variables agrupadas para una predicción precisa. Para la regresión LASSO de grupo, la satisfacción del paciente fue la variable dependiente y todas las variables de experiencia del paciente se incluyeron como variables continuas en el modelo. 20 El parámetro λ controla la cantidad de regularización, donde valores mayores implican más regularización y menos variables. Por lo tanto, determinar el parámetro λ es un tema importante. La validación cruzada es una estrategia práctica y útil para manejar este tema; su concepto básico es evaluar el error de predicción examinando los datos bajo control. 21 Se utilizó la validación cruzada quíntuple para seleccionar el término de penalización, λ. La desviación binomial se calculó para los datos de prueba como medida del rendimiento predictivo de los modelos ajustados. La función integrada en R produce dos λ automáticos: uno que minimiza la desviación binomial y otro que representa el λ más grande que aún está dentro de 1 EE de la desviación binomial mínima. Se eligió este último λ porque resultó en una penalización más estricta que nos permitió disminuir el número de covariables. 22 Las variables se estandarizaron para que pudiéramos comparar la magnitud diferencial de las asociaciones entre la experiencia específica del paciente y la satisfacción del paciente, y posteriormente identificar las variables más relevantes asociadas con la satisfacción del paciente. Previo al análisis de regresión, probamos la normalidad de los residuos utilizando histogramas, gráficos de probabilidad normal y gráficos de dispersión, y los resultados mostraron que los residuos se distribuyeron normalmente y cumplieron con el supuesto del análisis.
Resultados
Características de la población de estudio
Durante el período de investigación, reclutamos a 1532 pacientes, de los cuales 63 no respondieron, y los 1469 restantes sí fueron incluidos. La edad media fue de 56,1 años y 833 (56,7%) eran hombres. Casi la mitad de los participantes (715 pacientes, 48,7%) tenían diagnóstico de cáncer. Las características detalladas de los pacientes se presentan en la tabla 1 .
Tabla 1.
Características sociodemográficas y clínicas de los participantes del estudio
Características
Valor
Sexo, n (%)
Masculino
833, 56,7%
Femenino
636, 43,3%
Edad, media ± DE
56,1 ± 13,2
Estado civil, n(%)
Soltero
62, 4,2%
Alguna vez casado
1407, 95,8%
Nivel de alfabetización, n(%)
Educación primaria o inferior
297, 20,2%
Educación secundaria
810, 55,1%
Educación universitaria o superior
362, 24,7%
Ingresos mensuales per cápita del hogar, n(%)
<5000 yuanes
581, 39,6%
5000–9999 yuanes
474, 32,3%
>10 000 yuanes
414, 28,1%
Principal fuente de gastos médicos, n (%)
Seguro médico urbano
899, 61,2%
Seguro médico rural
376, 25,6%
Seguro médico comercial
22, 1,5%
Fondos personales
172, 11,7%
Residencia, n (%)
Zonas rurales
474, 32,3%
Áreas urbanas
778, 52,9%
Zonas periféricas rurales-urbanas
217, 14,8%
Diagnosticados con cáncer, n(%)
Sí
715, 48,7%
No
754, 51,3%
La duración de la estancia hospitalaria
7,1 ± 4,9
Número de ingresos hospitalarios en el plazo de 1 año, n(%)
Las características de la experiencia y satisfacción del paciente
La puntuación general de la experiencia del paciente fue de 4,61 (0,38). Como se muestra en la tabla 2 , en las dimensiones de «seguridad del paciente y protección de la privacidad», «seguimiento y afrontamiento de la evolución de las enfermedades» y «comunicación y coordinación», los pacientes hospitalizados tuvieron mejores experiencias, mientras que en las dimensiones de «información y educación», «proceso de ingreso y alta» y «apoyo emocional», las experiencias fueron peores.
Tabla 2.
Descripciones de la experiencia del paciente con las variables de atención de enfermería
Variables de la experiencia del paciente con la atención de enfermería
Media ± DE
Rango
Rango
Seguridad del paciente y protección de la privacidad
4,89 ± 0,29
1–5
1
Seguimiento del progreso de las enfermedades
4,69 ± 0,42
1–5
2
Comunicación y coordinación
4,67 ± 0,48
1–5
3
Respondiendo solicitudes
4,62 ± 0,44
1–5
4
Apoyo emocional
4,53 ± 0,52
1–5
5
Gestión de admisiones y egresos
4,51 ± 0,56
1–5
6
Información y educación
4,38 ± 0,68
1–5
7
La puntuación de satisfacción de los pacientes fue de 9,37 (1,12), y más de la mitad de los participantes (940, 63,99%) estaban muy satisfechos con el servicio de enfermería.
Factores que influyen en la satisfacción del paciente según la regresión LASSO
Para los análisis actuales, los valores λ variaron de 0,0012 a 0,5562 con una desviación mínima alcanzada en 0,0162 y la λ más grande que todavía está dentro de 1 SE de la desviación binomial mínima alcanzada en 0,1862 ( figura 1 ). Los resultados de la regresión LASSO mostraron que en λ = 0,0162, seis dimensiones de la atención de enfermería, incluyendo la gestión de admisión y alta (β = 0,2342), información y educación (β = 0,0957), apoyo emocional (β = 2285), monitoreo del progreso de enfermedades (β = 0,1253), responder solicitudes (β = 0,0408) y seguridad del paciente y protección de la privacidad (β = −0,0552), permanecen en el modelo. Con respecto a las variables de control, la edad, el estado civil, la situación financiera, la duración de la estancia hospitalaria y el número de hospitalizaciones previas se mantuvieron en el modelo.
Gráfico de validación cruzada para el término de penalización.
Como se observa en la figura 2 , cuando λ aumentó a 0,1862, solo cuatro variables de experiencia del paciente se mantuvieron en el modelo durante más tiempo a medida que aumentaba el período de penalización, mientras que las demás variables se acercaron gradualmente a cero. Como se muestra en la tabla 3 , la experiencia del paciente con el apoyo emocional es la dimensión más significativa para explicar la satisfacción del paciente (β = 0,1564), la segunda dimensión significativa es la gestión del ingreso y el alta (β = 0,1562) y la tercera es el seguimiento y afrontamiento de la evolución de las enfermedades (β = 0,0613).
Gráficos de coeficientes de regresión LASSO sobre diferentes valores del parámetro de penalización.
Tabla 3.
Los coeficientes estimados para la regresión LASSO entre los datos de la experiencia del paciente y la satisfacción autoinformada del paciente
Variables
Coeficientes
Lambda (log)=Lambda.min: 0.0162
Lambda (logaritmo) = Lambda 0,1 s: 0,1862
Sexo
Masculino
0
0
Femenino
0
0
Edad
0.0083
0
Nivel de alfabetización
Educación primaria o inferior
0
0
Educación secundaria
0
0
Educación universitaria o superior
0
0
Ingresos mensuales per cápita del hogar
<5000 yuanes
0.1331
0
5000–9999 yuanes
0.0080
0
>10 000 yuanes
0.0062
0
Residencia
Zonas rurales
0
0
Zonas periféricas rurales-urbanas
0
0
Áreas urbanas
0
0
Seguro
Seguro médico urbano
0.0037
0
Seguro médico rural
0.0048
0
Seguro médico comercial
0.0015
0
Fondos personales
0.0015
0
Diagnosticado con cáncer
0
0
Número de ingresos hospitalarios en un año
0.0171
0
Duración de la estancia hospitalaria
0.0220
0
Experiencia del paciente con la atención de enfermería
Gestión de admisiones y egresos
0.2342
0.1562
Información y educación
0.0957
0.0613
Apoyo emocional
0,2285
0.1564
Comunicación y coordinación
0
0
Seguimiento del progreso de las enfermedades
0.1253
0.0613
Respondiendo solicitudes
0.0408
0
Seguridad del paciente y protección de la privacidad
–0.0552
0
Lambda.min: valor de lambda que proporciona el error medio mínimo validado de forma cruzada.
Lambda.1 s: valor más grande de lambda tal que el error está dentro de 1 SE del mínimo.
Discusión
Hasta donde sabemos, este es el primer estudio que aplica la regresión LASSO (operador de selección y contracción absoluta de grupo) para explorar la interrelación entre la experiencia y la satisfacción del paciente, y para comparar la importancia de los diferentes componentes de la experiencia del paciente en su satisfacción. Diferentes dimensiones de los servicios de enfermería presentan multicolinealidad,<sup> 23</sup> y las técnicas de regresión tradicionales no son adecuadas para determinar las dimensiones clave asociadas con una mayor satisfacción debido a sus limitaciones para analizar grandes cantidades de variables multicolineales, mientras que el método de regresión LASSO es adecuado para variables con alta multicolinealidad. <sup>20 </sup> La regresión LASSO aplica una penalización a las variables, seleccionando finalmente solo aquellas que contribuyen al resultado mediante validación cruzada. Por lo tanto, otra propiedad interesante de LASSO es que puede ayudar a los investigadores interesados en predecir un resultado al minimizar el error de predicción y determinar las variables más predictivas. <sup>21</sup>
Nuestros análisis de regresión LASSO mostraron que la experiencia del paciente con el apoyo emocional, la gestión del ingreso y el alta, el monitoreo y afrontamiento del progreso de las enfermedades, y la información y educación son las dimensiones más significativas que explican la satisfacción del paciente con la atención de enfermería. Mientras que Zeh et al 24 encontraron que la «seguridad del paciente», el «acceso a la atención» y la «información del paciente» eran las más importantes para los pacientes en Alemania, y en el estudio de Zill et al , 25 las cinco dimensiones del servicio médico calificadas como las más importantes fueron «paciente como persona única», «participación del paciente», «información», «comunicación» y «empoderamiento del paciente». Estas diferencias podrían explicarse en parte por el hecho de que nuestro estudio se centró en la atención de enfermería, y Zeh et al 24 y Zill et al 25 se centraron en los servicios de salud en su totalidad. La enfermería y la atención médica tienen una relación compleja; aunque el servicio de enfermería se considera inseparable del servicio médico, tiene sus propias características particulares, que impactan las percepciones de los pacientes. Además, la diferencia puede estar relacionada con los métodos de análisis utilizados en estos estudios. Este estudio utilizó la regresión LASSO para evaluar la relación interna entre la experiencia del paciente y la satisfacción, mientras que Orindi et al 14 utilizaron el modelo de probabilidades proporcionales de efectos aleatorios y Zeh et al 24 utilizaron un estudio Delphi.
Este estudio demostró que la percepción del apoyo emocional por parte de los pacientes es la dimensión más significativa que explica su satisfacción. Las primeras enfermeras han evolucionado a partir de la figura materna tradicional, y es quizás este origen el que explica que el apoyo emocional sea la dimensión más significativa que contribuye a la satisfacción del paciente con la atención de enfermería. Los profesionales sanitarios empáticos logran una comunicación eficaz con los pacientes y desarrollan mejores relaciones interpersonales en las que los pacientes se sienten valorados. Además, se ha demostrado sistemáticamente que el apoyo emocional proporcionado por el personal hospitalario aumenta la satisfacción del paciente y se considera un requisito esencial para la atención integral. 26 27 Un estudio cualitativo concluyó que la humanidad de la atención no solo afecta directamente la satisfacción del paciente, sino también indirectamente al influir en el efecto que otros aspectos de la experiencia del paciente. 28 Viotti et al. 29 también descubrieron que la humanidad de la atención moderaba la relación entre el tiempo de espera y la satisfacción del paciente. Por lo tanto, brindar suficiente apoyo emocional es fundamental para mejorar la satisfacción del paciente. 30
La experiencia del paciente con los procedimientos relacionados con el ingreso y el alta de la unidad de cuidados también se asocia con su satisfacción. Está bien establecido que los tiempos de espera más largos se asocian negativamente con las puntuaciones de satisfacción del paciente.<sup> 31 </sup> Además, existe evidencia de que la planificación del alta aumenta la satisfacción del paciente y reduce los costos del servicio de salud. <sup>32 </sup> Por lo tanto, además de coordinar activamente el proceso de alta y ayudar a los pacientes a que lo hagan de forma cómoda, se espera que el personal de enfermería proporcione a los pacientes información sistemática sobre autocuidado y planes de seguimiento, garantizando que puedan cuidar de sí mismos en casa. <sup>33</sup>
La dimensión de monitorear y afrontar el progreso de las enfermedades demuestra el grado en que las enfermeras brindan cuidados de enfermería bien informados y hábiles, y es ampliamente reconocida como uno de los atributos importantes de la atención de enfermería de alta calidad. 34 Los pacientes esperan que las enfermeras utilicen el conocimiento adquirido de pacientes similares y que sean técnicamente competentes. Estudios previos demostraron que los pacientes reportaron sentirse seguros cuando las enfermeras monitoreaban de cerca y cuidadosamente su estado de salud para asegurarse de que no hubiera ningún problema. 6 35 Por lo tanto, la percepción de los pacientes sobre el rol de las enfermeras en el monitoreo y el afrontamiento del progreso de las enfermedades influye significativamente en su satisfacción.
Además, aunque se ha demostrado que la satisfacción del paciente afecta la retención de pacientes y las relaciones médico-paciente, algunos estudios han demostrado que una alta satisfacción del paciente puede estar asociada con mayores costos y mayor morbilidad, y un énfasis excesivo en la satisfacción del paciente podría tener efectos adversos no deseados en el resultado del paciente. 36 37 Esto puede deberse al hecho de que la satisfacción del paciente es más subjetiva y refleja la expectativa del paciente en lugar de la calidad de la atención. En cambio, la experiencia del paciente se centra en «lo que realmente les sucede a los pacientes», y este hecho objetivo la hace más confiable y apropiada como indicador de la calidad de la atención médica. Dado que la experiencia del paciente con el apoyo emocional, la gestión del ingreso y el alta, el monitoreo y el afrontamiento del progreso de las enfermedades, y la información y la educación son las dimensiones más significativas que explican la satisfacción del paciente, cuando los gerentes y proveedores de atención médica intentan equilibrar la expectativa del paciente y la calidad, estos cuatro aspectos de la atención médica deben recibir más atención.
Conclusión
La experiencia del paciente con respecto a elementos de alta prioridad tendría un mayor impacto en su satisfacción que con elementos de menor prioridad. Este estudio demostró que la experiencia del paciente con el apoyo emocional, la gestión del ingreso y el alta, el seguimiento y la adaptación a la evolución de las enfermedades, y la información y la educación son las dimensiones más significativas que explican la satisfacción del paciente. Los gerentes y profesionales de enfermería deberían ampliar estas características en la prestación de servicios de salud y brindar una atención verdaderamente centrada en el paciente.
Dr. Carlos Alberto Díaz. Profesor titular Universidad ISALUD.
Visión integral, componentes clave y proyección a futuro de los viajes del paciente.
El trabajo expone la relevancia de mapear el trayecto que las personas transitan a lo largo del sistema de salud, subrayando que esta acción es esencial para analizar, comprender y transformar la experiencia de atención. Se reconoce que el paso por el sistema sanitario está marcado por una complejidad considerable—producto de factores organizacionales, humanos, económicos y estructurales—que afectan directamente la calidad de vida y los resultados de las personas que requieren atención médica.
Comprensión profunda del recorrido
El análisis comienza recalcando la necesidad de obtener una visión detallada de cada etapa del recorrido. No se trata solo de identificar los flujos administrativos o médicos, sino de interiorizar los desafíos, sacrificios personales, tiempos de espera, barreras económicas y dificultades en el acceso que enfrentan las personas. Este enfoque permite detectar retrasos en los diagnósticos y tratamientos, así como posibles fracturas en la continuidad y la integralidad de la atención brindada.
Experiencia y percepciones: bases teóricas
El trabajo se apoya en definiciones claves, como la del Instituto Beryl, que concibe la experiencia del paciente como la suma de todas las interacciones entre personas y el sistema, modeladas por la cultura organizacional y que inciden en las percepciones a lo largo de la atención. A esto se suma el aporte de Wolf et al., quienes puntualizan que las interacciones se construyen en los distintos puntos de contacto y están determinadas por personas, procesos, políticas, comunicación, acciones y ambiente. Las percepciones, en este sentido, son el conjunto de lo que las personas y el personal reconocen, entienden y recuerdan.
Barreras, facilitadores y metodología de análisis
El propósito de este mapeo es identificar obstáculos que dificultan el acceso y la continuidad de la atención, así como reconocer los factores que facilitan el tránsito de las personas por el sistema, incluyendo la composición de la oferta de servicios, las interacciones con otras áreas y la atención sociosanitaria. Se abordan cuestiones como el acceso, los resultados médicos y las experiencias acumuladas en cada punto de contacto, desde la programación de turnos y la espera en emergencias, hasta la comprensión de indicaciones y el seguimiento posterior.
La metodología propuesta es reflexiva y sistemática. Incluye la aplicación de entrevistas en profundidad, dinámicas de grupos focales y análisis cualitativo de testimonios, junto con la elaboración de informes para fundamentar acciones concretas de mejora. Se destaca la importancia de informar los hallazgos y, sobre todo, de traducirlos en medidas prácticas orientadas a perfeccionar la experiencia de atención.
Mejora continua: el concepto Kaizen
El trabajo resalta que todo proceso de mejora debe ser continuo, apoyándose en el principio de Kaizen, palabra japonesa que significa “cambio para bien” o “mejora constante”. Kaizen implica la idea de perfeccionar día a día, involucrando a todas las personas y en cada nivel de la organización sanitaria. Adoptar esta filosofía permite responder de manera dinámica a las necesidades cambiantes y a los desafíos emergentes en la atención.
Aportes y potencial transformador del mapeo
Se concluye que la utilización del mapeo del recorrido del paciente constituye una herramienta poderosa para reconfigurar la atención en salud. Su enfoque integral y centrado en las personas posibilita la identificación de oportunidades de innovación y rediseño de procesos, impactando positivamente en la calidad y la seguridad de la atención. El análisis sugiere que el impacto de esta metodología será especialmente profundo en:
Atención personalizada y centrada en la persona: Permite adaptar los servicios a las particularidades y necesidades de cada paciente.
Mejora de la comunicación y el codiseño de sistemas: Facilita la colaboración entre profesionales y usuarios, promoviendo un diálogo abierto y constructivo.
Participación activa y empoderamiento: Incentiva el involucramiento de quienes utilizan los servicios y de los propios equipos de salud en el diseño y mejora de la atención.
Empoderamiento de profesionales: Fomenta la capacitación continua y el sentido de pertenencia de quienes trabajan en el sistema sanitario.
En síntesis, el documento argumenta que mapear el viaje de quienes atraviesan el sistema de salud no solo contribuye a mejorar resultados clínicos, sino también a generar sistemas más humanos, participativos y adaptados a las necesidades reales de la población.
Conclusiones:
En cada etapa, el camino de quienes atraviesan el sistema de salud debe estar guiado por información clara y acompañamiento, tanto humano como tecnológico. La participación, el acceso a recursos confiables y la educación permiten a cada persona tomar el control de su salud.
Sin importar la condición o el contexto social, el desafío está en ofrecer un acceso equitativo y seguro, donde la empatía y la eficacia sean tan importantes como la medicina. La experiencia no termina en el hospital: la transición al hogar y la continuidad del cuidado son tan críticas como el primer ingreso.
Por eso, fortalecer los equipos de salud, fomentar el trabajo conjunto y evitar que los intereses individuales afecten el bienestar común, son pasos esenciales para que toda persona recorra este viaje con confianza y dignidad.
Análisis de los aspectos más interesantes de la integración metodológica para la mejora operativa y la reducción de costos
Introducción
La crisis de costos crecientes en el sector de la salud en Estados Unidos se ha vuelto un tema de preocupación tanto para los hospitales como para pacientes y proveedores. La presión financiera sobre las instituciones hospitalarias ha incentivado la búsqueda de metodologías innovadoras que permitan optimizar las operaciones sin sacrificar la calidad del cuidado al paciente. En este contexto, el enfoque Lean Healthcare, derivado del ámbito manufacturero, y la optimización basada en simulaciones han emergido como herramientas clave para transformar la gestión hospitalaria en el siglo XXI.
Lean Healthcare: Fundamentos y Aplicaciones
La metodología Lean, originada en el Sistema de Producción Toyota durante mediados del siglo XX, se centra en maximizar la eficiencia a través de la eliminación de desperdicios y la creación de valor para el cliente—en este caso, el paciente. La adaptación de estos principios al sector salud ha permitido enfrentar los desafíos asociados a los flujos de trabajo redundantes, la mala asignación de recursos y los tiempos de espera excesivos, factores todos que contribuyen al aumento de los costos operativos.
Lean Healthcare persigue eliminar actividades que no agregan valor, racionalizando procesos y promoviendo una cultura de mejora continua dentro de las organizaciones sanitarias. Este enfoque ha demostrado resultados sobresalientes en la reducción de los costos hospitalarios mediante la optimización de flujos de trabajo, reducción de tiempos de procesamiento y minimización de inventarios. Un ejemplo notable citado en la literatura es la reducción del 30% en los costos operativos lograda por un hospital de tamaño medio tras implementar prácticas Lean en su departamento de emergencias.
Además del impacto a nivel de procesos, Lean Healthcare fomenta la participación activa del personal en la identificación y resolución de ineficiencias en tiempo real, instaurando así una cultura organizacional orientada hacia la excelencia y la adaptación constante.
Creación de Valor y Cultura Organizacional
Uno de los aportes más interesantes de Lean Healthcare reside en su énfasis en la creación de valor desde la perspectiva del paciente. Esto implica que todas las actividades y procesos deben evaluarse en función de cuánto contribuyen a mejorar los resultados de salud, lo cual redefine los objetivos operativos tradicionales y coloca a la persona en el centro de la gestión hospitalaria. La instauración de una cultura de mejora continua se percibe no solo como un medio para lograr eficiencia, sino como un fin estratégico para la supervivencia y la competitividad del hospital.
Optimización Basada en Simulación: Complemento Estratégico
A pesar de los logros alcanzados por Lean Healthcare, la complejidad inherente a los sistemas hospitalarios exige herramientas adicionales para modelar y explorar alternativas operativas antes de su implementación real. Aquí es donde la optimización basada en simulación adquiere protagonismo. Esta técnica permite a los administradores modelar virtualmente los procesos hospitalarios y experimentar con distintas estrategias sin interrumpir el funcionamiento cotidiano, mitigando así los riesgos asociados a cambios drásticos o no probados.
La integración de la simulación con los principios Lean ha resultado en una mejora sustancial de la toma de decisiones en áreas como la asignación de recursos, la gestión de flujos de pacientes y la programación de cirugías. Por ejemplo, la aplicación de simulaciones permitió rediseñar el sistema de programación quirúrgica de un hospital, logrando un aumento del 25% en la eficiencia de utilización de recursos.
Ventajas Operativas y Flexibilidad
La capacidad de evaluar múltiples escenarios a través de simulaciones brinda a los hospitales una flexibilidad invaluable, especialmente en entornos dinámicos o en situaciones de crisis, como pandemias o desastres naturales. Estudios de caso han demostrado que la aplicación conjunta de Lean y simulación puede reducir los tiempos de espera para pacientes en un 20% y lograr ahorros del 15% en procesos críticos como la administración de medicamentos.
La simulación también permite analizar las complejas interacciones entre diferentes departamentos y flujos de trabajo, proporcionando información detallada para la toma de decisiones estratégicas y la identificación de cuellos de botella operativos.
Desafíos y Barreras en la Implementación
Si bien los beneficios de Lean Healthcare y la simulación son evidentes, su adopción no está exenta de dificultades.
La principal barrera identificada es la necesidad de una colaboración interdisciplinaria efectiva entre equipos clínicos, administrativos y técnicos.Adicionalmente, la implementación no requiere inversiones iniciales considerables, tanto en tecnología como en capacitación del personal.
El éxito de estas metodologías depende en gran medida de la comunicación y el compromiso de todos los actores involucrados. Hospitales que han logrado superarlas muestran reducciones sustanciales en costos y mejoras en la satisfacción del paciente, consolidando la viabilidad de este enfoque combinado.
Impacto Documentado y Resultados Empíricos
Las evidencias recogidas en estudios y revisiones sistemáticas destacan consistentemente la efectividad de la integración Lean-Simulación. Los resultados reportados incluyen:
Reducción de costos operativos del 30% en servicios de emergencia tras la integración Lean-simulación.
Mejora de la eficiencia en la utilización de recursos en departamentos quirúrgicos.
Reducción significativa en tiempos de espera y cuellos de botella en farmacia y atención ambulatoria.
Alta adaptabilidad a situaciones de crisis mediante simulaciones predictivas.
Estos hallazgos refuerzan la premisa de que la combinación metodológica constituye una herramienta transformadora para la mejora operativa hospitalaria.
Síntesis de la Revisión de la Literatura
El desarrollo de Lean en la atención médica comenzó en la década de 1990, inspirado por el éxito obtenido en la industria manufacturera. Las primeras aplicaciones se centraron en el mapeo de flujo de valor y eventos Kaizen para identificar y eliminar ineficiencias. El enfoque inicial abordó principalmente problemas comunes como los tiempos de espera y los procesos redundantes, logrando resultados positivos en la racionalización de servicios críticos como urgencias.
Con el tiempo, la literatura ha documentado una evolución hacia la integración de herramientas más sofisticadas como la simulación computacional. Esta sinergia permite a los hospitales no solo identificar problemas, sino también predecir los resultados de posibles intervenciones antes de implementarlas, aumentando la probabilidad de éxito en la mejora de procesos.
Retos Actuales y Futuro de la Integración Lean-Simulación
Aunque la evidencia respalda fuertemente la utilidad de Lean y la simulación, persisten desafíos, especialmente en lo relativo al cambio cultural, la resistencia al cambio y la necesidad de inversión constante en capacitación y tecnología. Sin embargo, la tendencia global en la gestión hospitalaria apunta a una adopción creciente de estos enfoques, motivada por la presión implacable de los costos y la exigencia de calidad por parte de la sociedad.
Conclusiones
La integración de Lean Healthcare y la optimización basada en simulación se consolida como una estrategia esencial para enfrentar los desafíos operativos de los hospitales en EE. UU. La evidencia demuestra que estos enfoques permiten lograr una atención de calidad, reducir costos y aumentar la satisfacción del paciente, todo ello en un entorno de mejora continua y adaptación a las demandas cambiantes del sistema de salud.
Entre los aspectos más relevantes destacan la creación de valor centrada en la persona, la capacidad de adaptación ante crisis, la potenciación de la colaboración interdisciplinaria y la reducción documentada de ineficiencias y costos. Si bien la implementación puede enfrentar obstáculos, el potencial transformador de estas metodologías es innegable y su aplicación se proyecta como una práctica estándar en la gestión hospitalaria del futuro.
Referencias Citadas en el Texto
Improta et al. (2019); Stewart et al. (2018); Kuhl et al. (2006); Austin et al. (2020); Abdallah (2020); Daultani et al. (2015); Burgess y Radnor (2013); Parkh (2019); Souza et al. (2020); Narayanamurthy y Gurumurthy (2018); Hussain y Malik (2016); Castka et al. (2004); Aisheh et al. (2021); Radnor et al. (2011); Jaušovec & Gabrovec (2023); Heaton y Parlikad (2020); Pan y Zhang (2021); Spagnol et al. (2013); Sai et al. (2020); Thapa et al. (2018); Parkhi (2019).
Nota del blog: El faro de la trasplantología es el modelo Español y en menor medida el de EE.UU. , por la procuración, la ablación, la preservación, la implantación y el seguimiento de los pacientes, También para nuestro INCUCAI, (que es ejemplo de política de estado) Tratando de aumentar los mismos y el sustento esta en un respaldo legislativo, que lo tenemos, con un sistema de donación presunta por ley, un liderazgo clínico fuerte, que lamentablemente salvo el Hospital del CRUCE, EL GARRAHAN en pediatría, EL Hospital ARGERICH, CRAI norte y sur, hospitales públicos ellos, es fundamentalmente privado, (lo cual no es bueno) y un sistema logístico, que funciona en Argentina a «pulmón», con «tracción a sangre» y a un costo de riesgo transferido a quienes entendemos la importancia de realizar trasplantes. Estos dos de los tres aspectos deben ser mejorados para disminuir los problemas de accesibilidad y sostenimiento estratégico de los equipos humanos de trasplantes.
El trasplante a menudo representa el único tratamiento disponible para salvar vidas para la insuficiencia orgánica en etapa terminal y puede transformar profundamente las vidas de quienes dependen de tecnologías onerosas como la diálisis. Sin embargo, hay una escasez mundial de órganos. Según el Observatorio Mundial de Donación y Trasplante, solo se está satisfaciendo el 10% de la demanda mundial de trasplantes, con disparidades sustanciales: las tasas de trasplante superan los 130 por millón de habitantes (pmp) en Estados Unidos y España, en comparación con 12 pmp en la India. En muchos países (incluida la mayoría de África) no se dispone de datos y muchos países carecen de programas de trasplante establecidos. Esta escasez ha llevado a un mercado ilegal de tráfico de órganos, con redes criminales que explotan a personas vulnerables.
Para hacer frente a este problema, en mayo de 2024 se aprobó en la Asamblea Mundial de la Salud, iniciada por España, una nueva resolución sobre el aumento de la disponibilidad, el acceso ético y la supervisión de los trasplantes. La implicación de España en esta resolución no es casual, dado el liderazgo internacional del país en trasplante de órganos, con la tasa de donantes fallecidos más alta del mundo en 2023 (49,4 pmp).
El éxito del sistema español de trasplantes se basa en tres componentes: un marco legislativo sólido, un fuerte liderazgo clínico y una red logística altamente organizada y supervisada por la Organización Nacional de Trasplantes (ONT), cuya creación llevó a duplicar la actividad de donación de fallecidos en menos de una década. Fundamentalmente, este éxito no sería posible sin un fuerte apoyo sociopolítico. Este modelo puede ofrecer lecciones valiosas para otras naciones.
España opera con un sistema de exclusión voluntaria suave: todo el mundo es donante de órganos por defecto, pero las familias de los fallecidos tienen la última palabra. Otros países han introducido sistemas de exclusión voluntaria, pero esto no se ha traducido necesariamente en una actitud de donación más positiva (por ejemplo, mientras que ocho de cada diez familias en España consienten en donar, la tasa en el Reino Unido es de seis de cada diez). Un cambio simplista al modelo de «exclusión voluntaria» por sí solo no es suficiente para impulsar la donación. La ley española de trasplante de órganos de 1979 garantiza la transparencia y la asignación equitativa de órganos en todas las regiones. Esta ley se actualiza periódicamente bajo el asesoramiento de los Comités Clínicos y la ONT, ampliando los criterios de donación para permitir el uso de órganos de personas mayores de 80 años y donantes de riesgo atípico. La donación tras la muerte circulatoria, no disponible en muchos países, es una de las principales vías de expansión de la donación de órganos en España, representando el 45% de todas las actividades de donación en el país.
El liderazgo clínico es vital para el buen funcionamiento de lo que puede ser un sistema logísticamente tenso. En España, esto se ejemplifica con el coordinador de trasplantes del hospital, normalmente un médico del departamento de cuidados intensivos. Conocen a los pacientes, a los profesionales de la salud y a las familias, identificando a los posibles donantes, facilitando las donaciones y reduciendo los tiempos de espera para los trasplantes, con el apoyo de un coordinador regional y con la ONT supervisando los trasplantes a nivel nacional. Los coordinadores de trasplantes de los hospitales también están bien capacitados para apoyar psicológicamente a las familias y brindar capacitación continua al personal involucrado en el trasplante. La donación de órganos es un tema delicado para muchos y, a menudo, se discute en un momento difícil para las familias, con muchos miedos y conceptos erróneos.
La ONT también es responsable de la comunicación transparente y la educación pública, creando conciencia sobre la donación de órganos y ayudando a moldear las actitudes culturales y sociales. Conceptos como donación de órganos o muerte cerebral y circulatoria necesitan una explicación cuidadosa. Las personas que han hablado sobre la donación de órganos con sus familiares y amigos son más propensas a dar su consentimiento a la donación. La ONT trabaja con los medios de comunicación para crear conciencia sobre la donación a través de historias personales positivas o informes sobre avances científicos. Las asociaciones de pacientes actúan como defensores vitales, ayudando a generar confianza y amplificar el mensaje de la ONT. El hecho de no mantener un sistema ético para la asignación y el trasplante de órganos puede tener consecuencias catastróficas para la fe en el sistema, como han demostrado los escándalos en torno a la falsificación de datos de trasplantes en Alemania.
La OMS se encarga ahora de elaborar una estrategia mundial sobre donación y trasplante. Puede parecer difícil impulsar la donación en un campo como el trasplante de órganos, que en última instancia depende del altruismo de los demás, especialmente porque la decisión de donar órganos plantea profundas preguntas culturales, éticas, religiosas y personales para muchos. El modelo español demuestra la importancia central de la confianza. Cuando se cuenta con un sistema bien diseñado y dotado de recursos, las personas responden con solidaridad y contribuyen al desarrollo de una atmósfera cultural en la que la donación es la norma y la salud de los demás se beneficia.
Pranav Rajpurkar, Emma Chen Oishi Banerjee y Eric J. Topol
La inteligencia artificial (IA) está a punto de remodelar ampliamente la medicina, lo que podría mejorar las experiencias tanto de los médicos como de los pacientes.Analizamos los hallazgos clave de un esfuerzo semanal de 2 años para rastrear y compartir desarrollos clave en IA médica.Cubrimos estudios prospectivos y avances en el análisis de imágenes médicas, que han reducido la brecha entre la investigación y la implementación. También abordamos varias vías prometedoras para la investigación médica novedosa de la IA, incluidas las fuentes de datos no relacionadas con la imagen, las formulaciones de problemas no convencionales y la colaboración entre humanos e IA. Por último, consideramos los serios desafíos técnicos y éticos en cuestiones que van desde la escasez de datos hasta los prejuicios raciales. A medida que se abordan estos desafíos, se puede aprovechar el potencial de la IA, haciendo que la atención médica sea más precisa, eficiente y accesible para los pacientes de todo el mundo.
En los próximos años, la IA está preparada para remodelar ampliamente la medicina. Tan solo unos años después de las primeras demostraciones históricas de algoritmos de IA médica que son capaces de detectar enfermedades a partir de imágenes médicas a nivel de expertos1–4 , el panorama de la IA médica ha madurado considerablemente. Hoy en día, el despliegue de sistemas de IA médica en la atención clínica rutinaria presenta una oportunidad importante, pero en gran medida no aprovechada, ya que la comunidad de IA médica navega por los complejos desafíos éticos, técnicos y centrados en el ser humano necesarios para una traducción segura y eficaz. En esta revisión, resumimos los principales avances y destacamos las tendencias generales, proporcionando una visión general concisa del estado de la IA médica. Nuestra revisión se basa en nuestros esfuerzos durante los últimos 2 años, durante los cuales rastreamos y compartimos semanalmente los desarrollos recientes en IA médica (https://doctorpenguin.com). En primer lugar, resumimos los avances recientes, destacando los estudios que han demostrado rigurosamente la utilidad de los sistemas médicos de IA. En segundo lugar, examinamos vías prometedoras para la investigación médica de la IA en forma de nuevas fuentes de datos y analizamos las configuraciones de colaboración entre la IA y los humanos, que tienen más probabilidades de reflejar la práctica médica real que los diseños de estudio típicos que enfrentan a la IA con los humanos. Por último, analizamos los principales retos a los que se enfrenta este campo, como las limitaciones tecnológicas de la IA en su versión actual y las preocupaciones éticas sobre la regulación de los sistemas de IA, la responsabilización de las personas cuando se producen errores de IA, el respeto de la privacidad y el consentimiento del paciente en la recopilación de datos y la protección contra el refuerzo de las inequidades (Fig. 1).
Avances recientes en el despliegue de algoritmos de IA en medicina
Aunque se ha demostrado repetidamente que los sistemas de IA tienen éxito en una amplia variedad de estudios médicos retrospectivos, son relativamente pocas las herramientas de IA que se han trasladado a la práctica médica5 . Los críticos señalan que, en la práctica, los sistemas de IA pueden ser menos útiles de lo que sugieren los datos retrospectivos6 ; los sistemas pueden ser demasiado lentos o complicados para ser útiles en entornos médicos reales7 , o pueden surgir complicaciones imprevistas por la forma en que interactúan los seres humanos y las IA8 . Además, los conjuntos de datos retrospectivos in silico se someten a un extenso filtrado y limpieza, lo que puede hacerlos menos representativos de la práctica médica del mundo real. Los ensayos controlados aleatorios (ECA) y los estudios prospectivos pueden cerrar esta brecha entre la teoría y la práctica, demostrando de manera más rigurosa que los modelos de IA pueden tener un impacto positivo y cuantificable cuando se implementan en entornos de atención médica reales. Recientemente, los ECA han probado la utilidad de los sistemas de IA en la atención sanitaria. Además de la precisión, se han utilizado otras métricas para evaluar la utilidad de la IA, proporcionando una visión holística de su impacto en los sistemas médicos9–13. Por ejemplo, un ECA que evaluó un sistema de IA para administrar dosis de insulina midió la cantidad de tiempo que los pacientes pasaban dentro del rango objetivo de glucosa14; Un estudio que evaluó un sistema de monitoreo de la hipotensión intraoperatoria rastreó la duración promedio de los episodios de hipotensión15, mientras que un sistema que señaló los casos de hemorragia intracraneal para revisión en humanos fue juzgado por su reducción del tiempo de respuesta16. Las directrices recientes, como las extensiones específicas de la IA a las directrices SPIRIT y CONSORT y las próximas directrices, como STARD-AI, pueden ayudar a estandarizar los informes de IA médica, incluidos los protocolos y los resultados de los ensayos clínicos, lo que facilita que la comunidad comparta los hallazgos e investigue rigurosamente la utilidad de la IA médica17,18. En los últimos años, algunas herramientas de IA han pasado de las pruebas a la implementación, ganando apoyo administrativo y eliminando obstáculos regulatorios. El Centro de Servicios de Medicare y Medicaid, que aprueba los costos de reembolso de los seguros públicos, ha facilitado la adopción de la IA en entornos clínicos al permitir el reembolso por el uso de dos sistemas de IA específicos para el diagnóstico de imágenes médicas19. Además, un estudio de 2020 descubrió que la Administración de Alimentos y Medicamentos de EE. UU. (FDA, por sus siglas en inglés) está aprobando productos de IA, en particular de aprendizaje automático (ML; un tipo de IA), a un ritmo acelerado20. Estos avances se traducen en gran medida en autorizaciones de la FDA, que exigen que los productos cumplan con un estándar regulatorio más bajo que las aprobaciones completas, pero no obstante están despejando el camino para que los sistemas de IA/ML se utilicen en entornos clínicos reales. Es importante señalar que los conjuntos de datos utilizados para estas autorizaciones regulatorias a menudo se componen de datos retrospectivos de una sola institución que en su mayoría no se publican y se consideran propietarios. Para generar confianza en los sistemas de IA médica, se requerirán estándares más estrictos para la transparencia y la validación de los informes, incluidas las demostraciones del impacto en los resultados clínicos.
Deep learning para la interpretación de imágenes médicas.
En los últimos años, el aprendizaje profundo, en el que las redes neuronales aprenden patrones directamente de los datos sin procesar, ha logrado un éxito notable en la clasificación de imágenes. En consecuencia, la investigación médica con IA ha florecido en especialidades que dependen en gran medida de la interpretación de imágenes, como la radiología, la patología, la gastroenterología y la oftalmología
Los sistemas de IA han logrado mejoras considerables en la precisión de las tareas de radiología, incluida la interpretación de mamografías21,22, la evaluación de la función cardíaca23,24 y el cribado del cáncer de pulmón25, abordando no solo el diagnóstico, sino también la predicción del riesgo y el tratamiento26. Por ejemplo, se entrenó un sistema de IA para estimar el riesgo de cáncer de pulmón a 3 años a partir de las lecturas de tomografía computarizada (TC) de los radiólogos y otra información clínica27. Estas predicciones podrían usarse para programar tomografías computarizadas de seguimiento para pacientes con cáncer, lo que aumentaría las pautas actuales de detección. La validación de estos sistemas en múltiples centros clínicos y un número cada vez mayor de evaluaciones prospectivas han acercado la IA a su despliegue y a su impacto práctico en el campo de la radiología. En el campo de la patología, la IA ha hecho grandes avances en el diagnóstico de cánceres y ha proporcionado nuevos conocimientos sobre la enfermedad28-33, en gran parte mediante el uso de imágenes de portaobjetos completos. Los modelos han sido capaces de identificar de manera eficiente las áreas de interés dentro de las diapositivas, lo que podría acelerar los flujos de trabajo para el diagnóstico. Más allá de este impacto práctico, las redes neuronales profundas se han entrenado para discernir el origen del tumor primario y detectar variantes estructurales o mutaciones conductoras, lo que proporciona beneficios más allá incluso de las revisiones de patólogos expertos. Además, se ha demostrado que la IA realiza predicciones de supervivencia más precisas para una amplia gama de tipos de cáncer en comparación con la clasificación convencional y la subtipificación histopatológica31. Estos estudios han demostrado cómo la IA puede hacer que las interpretaciones de patologías sean más eficientes, precisas y útiles. El aprendizaje profundo también ha avanzado en gastroenterología, especialmente en términos de mejorar la colonoscopia, un procedimiento clave utilizado para detectar el cáncer colorrectal. El aprendizaje profundo se ha utilizado para predecir automáticamente si las lesiones colónicas son malignas, con un rendimiento comparable al de los endoscopistas expertos34. Además, debido a que los pólipos y otros posibles signos de enfermedad con frecuencia se pasan por alto durante el examen35, se han desarrollado sistemas de IA para ayudar a los endoscopistas. Se ha demostrado que estos sistemas mejoran la capacidad de los endoscopistas para detectar irregularidades, lo que podría mejorar la sensibilidad y hacer de la colonoscopia una herramienta más fiable para el diagnóstico10,11,36. Los modelos de aprendizaje profundo se han aplicado ampliamente en el área de la oftalmología, logrando importantes avances hacia su implementación7,37-41. Además de cuantificar el rendimiento de los modelos, los estudios han investigado el impacto humano de dichos modelos en los sistemas de salud. Por ejemplo, un estudio examinó cómo un sistema de IA para el cribado de enfermedades oculares afectaba a la experiencia del paciente y a los flujos de trabajo médicos, utilizando la observación humana y las entrevistas7 . Otros estudios han analizado el impacto financiero de la IA en el ámbito de la oftalmología, encontrando que el cribado semiautomatizado40 o totalmente automatizado con IA39 podría proporcionar ahorros de costes en contextos específicos, como la detección de la retinopatía diabética.
Oportunidades para el desarrollo de algoritmos de IA
Los estudios médicos de IA a menudo siguen un patrón familiar, abordando un problema de clasificación de imágenes, utilizando el aprendizaje supervisado en datos etiquetados para entrenar un sistema de IA y luego evaluando el sistema comparándolo con expertos humanos. A pesar de que estos estudios han logrado avances notables, presentamos otras tres prometedoras vías de investigación que rompen con este molde (Fig. 2). En primer lugar, abordamos las fuentes de datos que no son imágenes, como las secuencias de texto, químicas y genómicas, que pueden proporcionar información médica valiosa. En segundo lugar, discutimos las formulaciones de problemas que van más allá del aprendizaje supervisado, obteniendo información a partir de datos no etiquetados o imperfectos a través de paradigmas como el aprendizaje no supervisado o semisupervisado. Por último, nos fijamos en los sistemas de IA que colaboran con los humanos en lugar de competir contra ellos, lo que supone un camino para lograr un mejor rendimiento que la IA o los humanos solos.
Datos médicos más allá de las imágenes.
Más allá de la clasificación de imágenes, los modelos de aprendizaje profundo pueden aprender de muchos tipos de datos de entrada, incluidos números, texto o incluso combinaciones de tipos de entrada. El trabajo reciente se ha basado en una variedad de fuentes de datos ricas que involucran información molecular, lenguaje natural, señales médicas como datos de electroencefalograma (EEG) y datos multimodales. A continuación se muestra un resumen de las aplicaciones que utilizan estas fuentes de datos. La IA ha permitido avances recientes en el área de la bioquímica, mejorando la comprensión de la estructura y el comportamiento de las biomoléculas42-45. El trabajo de Senior et al. sobre AlphaFold representó un gran avance en la tarea clave del plegamiento de proteínas, que consiste en predecir la estructura 3D de una proteína a partir de su secuencia química42. Las mejoras en la predicción de la estructura de las proteínas pueden proporcionar información mecanicista sobre una serie de fenómenos, como las interacciones entre fármacos y proteínas o los efectos de las mutaciones. Alley et al. también avanzaron en el área del análisis de proteínas, creando resúmenes estadísticos que capturan las propiedades clave de las proteínas y ayudan a las redes neuronales a aprender con menos datos43. Al utilizar estos resúmenes en lugar de secuencias químicas en bruto, los modelos para tareas posteriores, como la predicción de la función molecular, pueden obtener un alto rendimiento con muchos menos datos etiquetados. La IA también ha hecho avances en el campo de la genómica, a pesar de la complejidad del modelado de las interacciones genómicas en 3D. Cuando se aplica a los datos sobre el ADN libre de células circulantes, la IA ha permitido la detección no invasiva del cáncer, el pronóstico y la identificación del origen del tumor46-48. El aprendizaje profundo ha mejorado los esfuerzos de edición de genes basados en CRISPR, ayudando a predecir la actividad del ARN guía e identificar familias de proteínas anti-CRISPR49,50. Además, se ha utilizado el análisis basado en IA de datos transcriptómicos y genómicos microbianos para detectar rápidamente la resistencia a los antibióticos en los patógenos. Este avance permite a los médicos seleccionar rápidamente los tratamientos más efectivos, lo que podría reducir la mortalidad y evitar el uso innecesario de antibióticos de amplio espectro51. Además, la IA está empezando a acelerar el proceso de descubrimiento de fármacos. Se ha demostrado que los modelos de aprendizaje profundo para el análisis molecular aceleran el descubrimiento de nuevos fármacos al reducir la necesidad de experimentos físicos más lentos y costosos. Estos modelos han demostrado ser útiles para predecir propiedades físicas relevantes, como la bioactividad o la toxicidad de posibles fármacos. Un estudio utilizó la IA para:
identificar un fármaco que posteriormente demostró ser eficaz para combatir las bacterias resistentes a los antibióticos en modelos experimentales52. Otro fármaco diseñado por IA demostró inhibir DDR1 (un receptor implicado en varias enfermedades, incluida la fibrosis) en modelos experimentales; Sorprendentemente, se descubrió en solo 21 días y se probó experimentalmente en 46 días, acelerando drásticamente un proceso que generalmente lleva varios años53. Es importante destacar que los modelos de aprendizaje profundo pueden seleccionar moléculas efectivas que difieren de los medicamentos existentes de manera clínicamente significativa, abriendo así nuevas vías para el tratamiento y proporcionando nuevas herramientas en la lucha contra los patógenos resistentes a los medicamentos. Investigaciones recientes han explotado la disponibilidad de grandes conjuntos de datos de textos médicos para tareas de procesamiento del lenguaje natural relacionadas con la atención médica, aprovechando avances técnicos como transformadores e incrustaciones de palabras contextuales (dos tecnologías que ayudan a los modelos a considerar el contexto circundante al interpretar cada parte de un texto). Un estudio presentó BioBERT, un modelo entrenado en un gran corpus de textos médicos que superaba el rendimiento previo del estado del arte en tareas de lenguaje natural, como responder a preguntas biomédicas54. Estos modelos se han utilizado para mejorar el rendimiento en tareas como aprender de la literatura biomédica qué fármacos se sabe que interactúan entre sí55 o etiquetar automáticamente los informes radiológicos56. También se han extraído grandes conjuntos de datos de texto de las redes sociales y se han utilizado para rastrear las tendencias de salud mental a gran escala57. Por lo tanto, los avances en el procesamiento del lenguaje natural han abierto una gran cantidad de nuevos conjuntos de datos y oportunidades de IA, aunque todavía existen limitaciones importantes debido a la dificultad de extraer información de secuencias de texto largas. Además, se han utilizado métodos de ML para predecir resultados a partir de datos de señales médicas, como EEG58, electrocardiograma59,60 y datos de audio61. Por ejemplo, el ML aplicado a las señales de EEG de pacientes clínicamente no respondientes con lesiones cerebrales permitió la detección de la actividad cerebral, un predictor de una eventual recuperación58. Además, la capacidad de la IA para transformar directamente las ondas cerebrales en habla o texto tiene un notable valor potencial para los pacientes con afasia o síndrome de enclaustramiento que han sufrido accidentes cerebrovasculares62. Los datos de señales médicas también se pueden recopilar de forma pasiva fuera de un entorno clínico en el mundo real mediante el uso de sensores portátiles, como los relojes inteligentes, que permiten la monitorización remota de la salud59,63. Algunos modelos de aprendizaje profundo integran múltiples fuentes de datos médicos para un enfoque multimodal64-68. Por ejemplo, un modelo para el diagnóstico de trastornos respiratorios tomó como entrada grabaciones de audio de la tos de los pacientes, así como informes de sus síntomas65. Los modelos multimodales también han aprovechado insumos mucho más complejos, como las historias clínicas electrónicas, que abarcan una amplia variedad de datos como diagnósticos médicos, signos vitales, recetas y resultados de laboratorio66,67. Dichos modelos pueden hacer predicciones basadas en diversos tipos de datos, al igual que los médicos humanos se basan en múltiples tipos de información al tomar decisiones en la práctica. A pesar de su potencial, esta área de investigación parece relativamente poco desarrollada, en parte debido a los desafíos de recopilar múltiples tipos de datos de manera consistente en todos los departamentos o instituciones. No obstante, esperamos que el uso de modelos multimodales aumente con el tiempo.
Configuraciones de IA más allá del aprendizaje supervisado.
Además de utilizar nuevas fuentes de datos, estudios recientes han probado formulaciones de problemas no convencionales. Convencionalmente, los conjuntos de datos derivan entradas y etiquetas de datos reales, y modelos como las redes neuronales se utilizan para aprender el mapeo de funciones de las entradas a las etiquetas. Sin embargo, debido a que el etiquetado puede ser costoso y llevar mucho tiempo, los conjuntos de datos que contienen entradas y etiquetas precisas suelen ser difíciles de obtener y se reutilizan con frecuencia en muchos estudios. Otros paradigmas, como el aprendizaje no supervisado (específicamente el aprendizaje autosupervisado), el aprendizaje semisupervisado, la inferencia causal y el aprendizaje por refuerzo (Recuadro 1), se han utilizado para abordar problemas en los que los datos no están etiquetados o son ruidosos. Estos avances han ampliado los límites de la IA médica, mejorando las tecnologías existentes y profundizando la comprensión de las enfermedades. El aprendizaje no supervisado, que implica aprender de datos sin etiquetas, ha proporcionado información procesable, lo que permite a los modelos encontrar patrones y categorías novedosas en lugar de limitarse a las etiquetas existentes, como en el paradigma supervisado69-73,74. Por ejemplo, los algoritmos de agrupamiento, que organizan puntos de datos no etiquetados agrupando puntos de datos similares, se han aplicado a afecciones como la sepsis, el cáncer de mama y la endometriosis, identificando subgrupos de pacientes clínicamente significativos29,74,75,76. Estas categorías pueden revelar nuevos patrones en la manifestación de la enfermedad que, con el tiempo, pueden ayudar a determinar el diagnóstico, el pronóstico y el tratamiento. Otras formulaciones se basan en la extracción de información a partir de datos ruidosos o imperfectos, lo que reduce drásticamente el costo de la recopilación de datos30,77. A modo de ejemplo, Campanella et al. entrenaron un modelo débilmente supervisado para diagnosticar varios tipos de cáncer a partir de imágenes de portaobjetos completos, utilizando solo los diagnósticos finales como etiquetas y omitiendo la anotación de píxeles que se espera en una configuración de aprendizaje supervisado. Con este enfoque, lograron excelentes resultados de clasificación, incluso con costos de anotación reducidos30. También se han utilizado formulaciones de problemas no convencionales para mejorar y reconstruir imágenes78-81. Por ejemplo, al crear un modelo para mejorar el detalle espacial en imágenes de resonancia magnética (IRM) de baja calidad, Masutani et al. generaron sintéticamente datos de entrada; tomaron imágenes de resonancia magnética de alta calidad, agregaron ruido al azar y luego entrenaron una red neuronal convolucional (un tipo de red neuronal comúnmente utilizada para datos de imágenes) para recuperar las imágenes de resonancia magnética originales de alta calidad de sus entradas simuladas de «baja calidad»80. Estas formulaciones permiten a los investigadores aprovechar grandes conjuntos de datos, a pesar de sus imperfecciones, para entrenar modelos de alto rendimiento.
Configuraciones más allá de lo humano frente a la IA.
Aunque la mayoría de los estudios se han centrado en una comparación directa de la IA con los humanos82, es más probable que la práctica médica de la vida real implique configuraciones humanas en el circuito, donde los humanos colaboran activamente con los sistemas de IA y Proporcionar supervisión83,84.
Por lo tanto, estudios recientes han comenzado a explorar tales configuraciones colaborativas entre la IA y los humanos. Estas configuraciones suelen contar con humanos que reciben asistencia de la IA, aunque ocasionalmente la IA y los humanos trabajan por separado y sus predicciones se promedian o combinan posteriormente. Múltiples estudios sobre una variedad de tareas han demostrado que los expertos clínicos y la IA en combinación logran un mejor rendimiento que los expertos solos21,85-89. Por ejemplo, Sim et al. descubrieron que los expertos clínicos asistidos por IA superaron tanto a los humanos como a la IA sola al detectar nódulos malignos en las radiografías de tórax85. Es probable que la utilidad de la colaboración entre humanos e IA dependa de las características específicas de la tarea y del contexto clínico. Todavía hay preguntas abiertas sobre cómo exactamente la asistencia de la IA afecta el rendimiento humano. Por ejemplo, a veces se ha demostrado que la asistencia de la IA mejora la sensibilidad de los expertos clínicos al tiempo que reduce su especificidad8,86, y algunos estudios, tanto prospectivos como retrospectivos, han encontrado que el rendimiento combinado de la IA y el ser humano no podría superar el rendimiento de la IA por sí sola90,91. Además, algunos médicos pueden beneficiarse más de la asistencia de la IA que otros; los estudios sugieren que los médicos menos experimentados, como los aprendices, se benefician más de los aportes de la IA que sus pares más experimentados8,92. Las consideraciones técnicas también desempeñan un papel importante a la hora de determinar la eficacia de la asistencia de la IA. Como era de esperar, la precisión de los consejos de la IA puede afectar a su utilidad, por lo que se ha descubierto que las predicciones incorrectas dificultan el rendimiento de los clínicos, incluso si las predicciones correctas resultan útiles8 . Además, las predicciones de IA se pueden comunicar de múltiples maneras, apareciendo, por ejemplo, como probabilidades, recomendaciones de texto o imágenes editadas para resaltar áreas de interés. Se ha demostrado que el formato de presentación de la asistencia de IA afecta a su utilidad para los usuarios humanos90,91, por lo que el trabajo futuro en la optimización de la asistencia médica de IA puede basarse en las investigaciones existentes sobre las interacciones humano-ordenador.
Desafíos para el futuro del campo
A pesar de los sorprendentes avances, el campo de la IA médica se enfrenta a importantes desafíos técnicos, especialmente en términos de generar confianza en los usuarios en los sistemas de IA y componer conjuntos de datos de entrenamiento. También quedan preguntas sobre la regulación de la IA en la medicina y las formas en que la IA puede cambiar y crear responsabilidades en todo el sistema sanitario, afectando tanto a los investigadores como a los médicos y a los pacientes. Por último, existen importantes preocupaciones éticas sobre el uso de los datos y la equidad en la IA médica (Fig. 3).
Desafíos de implementación.
Limitaciones del conjunto de datos. Los datos de IA médica a menudo plantean desafíos específicos y prácticos. Aunque se espera que la IA reduzca los costos médicos, los dispositivos necesarios para obtener los insumos para los sistemas de IA pueden ser prohibitivos. En concreto, el equipo necesario para capturar imágenes de portaobjetos completos es costoso y, por lo tanto, no está disponible en muchos sistemas de salud, lo que impide tanto la recopilación de datos como el despliegue de sistemas de IA para patología. Los tamaños de imagen grandes plantean preocupaciones adicionales, ya que la cantidad de memoria requerida por una red neuronal puede aumentar tanto con la complejidad del modelo como con el número de píxeles en la entrada. Como resultado, muchas imágenes médicas, especialmente las imágenes de diapositivas completas, que pueden contener fácilmente miles de millones de píxeles cada una, son demasiado grandes para caber en la red neuronal promedio. Existen muchas maneras de abordar este problema. Las imágenes pueden cambiar de tamaño a expensas de los detalles finos, o pueden dividirse en varios parches pequeños, aunque esto dificultará la capacidad del sistema para establecer conexiones entre diferentes áreas de la imagen. En otros casos, los humanos pueden identificar una región de interés más pequeña, como parte de una imagen de portaobjetos que contiene un tumor, y recortar la imagen antes de introducirla en un sistema de IA, aunque esta intervención añade un paso manual a lo que de otro modo podría ser un flujo de trabajo totalmente automatizado32,93. Algunos estudios utilizan modelos personalizados de gran tamaño que pueden aceptar imágenes médicas completas, pero la ejecución de estos modelos puede requerir hardware costoso con más memoria. Por lo tanto, los sistemas para la clasificación de imágenes médicas a menudo implican compensaciones para hacer que las entradas sean compatibles con las redes neuronales. Otro problema que afecta a las imágenes, así como a muchos otros tipos de datos médicos, es la escasez de las etiquetas necesarias para el aprendizaje supervisado94. Las etiquetas suelen ser asignadas a mano por expertos médicos, pero este enfoque puede resultar difícil debido al tamaño del conjunto de datos, las limitaciones de tiempo o la escasez de experiencia. En otros casos, las etiquetas pueden ser proporcionadas por humanos no expertos, por ejemplo, a través de crowdsourcing. Sin embargo, estas etiquetas pueden ser menos precisas, y los proyectos de etiquetado colaborativo se enfrentan a complicaciones asociadas con la privacidad, ya que los datos deben compartirse con muchos etiquetadores. Las etiquetas también pueden ser aplicadas por otros modelos de IA, como en algunas configuraciones de supervisión débil95, pero estas etiquetas también conllevan el riesgo de ruido. En la actualidad, la dificultad de obtener etiquetas de calidad es un obstáculo importante para los proyectos de aprendizaje supervisado, lo que genera interés en plataformas que hacen más eficiente el etiquetado y en configuraciones débilmente supervisadas y no supervisadas que requieren menos esfuerzo de etiquetado. Los problemas también surgen cuando los factores tecnológicos conducen a sesgos en los conjuntos de datos. Por ejemplo, el sesgo de una sola fuente se produce cuando un único sistema genera un conjunto de datos completo, como cuando todas las imágenes de una colección proceden de una sola cámara con ajustes fijos. Los modelos que muestran un sesgo de una sola fuente pueden tener un rendimiento inferior en las entradas recopiladas de otras fuentes. Para mejorar la generalización, los modelos pueden someterse a un entrenamiento específico del sitio para adaptarse a las peculiaridades específicas de cada lugar donde se despliegan, y también pueden ser entrenados y validados en conjuntos de datos recopilados de diferentes fuentes94,96. Sin embargo, este último enfoque debe llevarse a cabo con cuidado, especialmente cuando la distribución de las etiquetas difiere drásticamente entre los conjuntos de datos. Por ejemplo, si un modelo se entrena con conjuntos de datos de dos instituciones, una que contiene solo casos positivos y otra que contiene solo casos negativos, entonces puede lograr un alto rendimiento a través de «atajos» espurios sin aprender sobre la patología relevante. Por lo tanto, un modelo de clasificación de imágenes podría basar sus predicciones completamente en las diferencias entre las cámaras de las dos instituciones; Es probable que un modelo de este tipo no aprenda nada sobre la enfermedad subyacente y no logre generalizar
en otra parte. Por lo tanto, alentamos a los investigadores a desconfiar de los sesgos tecnológicos, incluso cuando utilicen datos de diversas fuentes97.
Construyendo modelo de confianza.
Se desea una variedad de cualidades para que un sistema de IA se gane la confianza del usuario. Por ejemplo, es útil que los sistemas de IA sean fiables, cómodos de usar y fáciles de integrar en los flujos de trabajo clínicos98. Los sistemas de IA pueden empaquetarse con instrucciones fáciles de leer, que explican cómo y cuándo deben utilizarse; Puede ser útil que estos manuales de usuario se estandaricen en todos los sistemas99. La explicabilidad es otro aspecto clave para ganarse la confianza, ya que es más fácil creer en las predicciones de un sistema de IA cuando el sistema puede explicar cómo llegó a sus conclusiones. Debido a que muchos sistemas de IA funcionan actualmente como «cajas negras» ininterpretables, explicar sus predicciones plantea un serio desafío técnico. Existen algunos métodos para explicar las predicciones de la IA, como los métodos de prominencia que resaltan las regiones de una imagen que más contribuyen a la predicción de una enfermedad por parte de un modelo. Sin embargo, es posible que estos métodos no sean fiables100, y se necesita más investigación para interpretar los procesos de toma de decisiones de la IA, cuantificar su fiabilidad y transmitir esas interpretaciones con claridad al público humano101. Además de generar confianza entre los usuarios, la mejora de la explicabilidad permitirá a los desarrolladores comprobar los modelos más a fondo en busca de errores y verificar hasta qué punto la toma de decisiones de la IA refleja los enfoques humanos expertos102. Además, cuando los modelos médicos de IA logran nuevos conocimientos que van más allá del conocimiento humano actual, una mejor explicabilidad puede ayudar a los investigadores a comprender esos nuevos conocimientos y, por lo tanto, a comprender mejor los mecanismos biológicos detrás de la enfermedad. Quizás el componente más obvio de la confiabilidad es la precisión, porque es poco probable que los usuarios confíen en un modelo que no se ha demostrado rigurosamente que da predicciones correctas. Además, los estudios de IA fiables deben ser reproducibles, de modo que el entrenamiento repetido de un modelo con un conjunto de datos y un protocolo determinados produzca resultados coherentes. Los estudios también deben ser replicables, de modo que los modelos funcionen de manera consistente incluso cuando se entrenan con diferentes muestras de datos. Desafortunadamente, demostrar la reproducibilidad y replicabilidad de los estudios de IA plantea desafíos únicos. Los conjuntos de datos, el código y los modelos entrenados a menudo no se publican, lo que dificulta que la comunidad de IA en general verifique y se base en los resultados anteriores de forma independiente103,104.
Responsabilidad.
Desafíos regulatorios. Trabajos recientes ponen de relieve los problemas regulatorios relacionados con el despliegue de modelos de IA para la atención sanitaria. Más allá de la precisión, los reguladores pueden analizar una variedad de criterios para evaluar los modelos. Por ejemplo, pueden requerir estudios de validación que demuestren que los sistemas de IA son robustos y generalizables en entornos clínicos y poblaciones de pacientes y garantizan que los sistemas protejan la privacidad del paciente. Además, dado que la utilidad de los sistemas de IA puede depender en gran medida de la forma en que los humanos proporcionan información e interpretan la salida, los reguladores pueden requerir pruebas de factores humanos y una capacitación adecuada para los usuarios humanos de los sistemas médicos de IA105. Los desafíos regulatorios específicos surgen del aprendizaje continuo, donde los modelos aprenden de nuevos datos a lo largo del tiempo y se ajustan a los cambios en las poblaciones de pacientes, ya que esto puede conllevar el riesgo de sobrescribir patrones previamente aprendidos o causar nuevos errores106. Tradicionalmente, los reguladores de los sistemas de IA aprueban solo un conjunto bloqueado de parámetros, pero este enfoque no tiene en cuenta la necesidad de actualizar los modelos, a medida que los datos evolucionan debido a los cambios en las poblaciones de pacientes, las herramientas de recopilación de datos y la gestión de la atención. Por lo tanto, los reguladores deben desarrollar nuevos procesos de certificación para manejar dichos sistemas. Es importante destacar que la FDA ha propuesto recientemente un marco para los sistemas de IA adaptativa en el que aprobarían no solo un modelo inicial, sino también un proceso para actualizarlo con el tiempo107.
Cambios en la responsabilidad.
Aunque los sistemas de IA tienen el potencial de empoderar a los humanos en la toma de decisiones médicas, también corren el riesgo de limitar la autonomía personal y crear nuevas obligaciones. A medida que los sistemas de IA asumen más responsabilidades en el entorno sanitario, una preocupación a la que se enfrenta el sistema es que los médicos puedan volverse demasiado dependientes de la IA, tal vez viendo una disminución gradual de sus propias habilidades o conexiones personales con los pacientes. A su vez, los desarrolladores de IA médica pueden tener una gran influencia en la atención sanitaria y, por lo tanto, deben estar obligados a crear sistemas de IA seguros y útiles e influir de manera responsable en las opiniones públicas sobre la salud. A medida que la toma de decisiones médicas se vuelve más dependiente de juicios de IA potencialmente inexplicados, los pacientes individuales pueden perder cierta comprensión o control sobre su propia atención. Al mismo tiempo, los pacientes podrían adquirir nuevas responsabilidades a medida que la IA hace que la atención médica sea más omnipresente en la vida diaria. Por ejemplo, si los dispositivos inteligentes proporcionan a los pacientes consejos constantes, se puede esperar que esos pacientes sigan esas recomendaciones o, de lo contrario, sean responsables de resultados negativos para la salud108. La proliferación de la IA también plantea preocupaciones en torno a la rendición de cuentas, ya que actualmente no está claro si los desarrolladores, reguladores, vendedores o proveedores de atención médica deben rendir cuentas si un modelo comete errores incluso después de haber sido validado clínicamente a fondo. Actualmente, los médicos son responsables cuando se desvían del estándar de atención y ocurren lesiones en el paciente. Si los médicos son generalmente escépticos con respecto a la IA médica, entonces los médicos individuales pueden verse influenciados negativamente para ignorar las recomendaciones de la IA que entran en conflicto con la práctica estándar, incluso si esas recomendaciones pueden ser personalizadas y beneficiosas para un paciente específico. Sin embargo, si el estándar de atención cambia para que los médicos utilicen de forma rutinaria las herramientas de IA, entonces habrá un fuerte incentivo médico-legal para que los médicos sigan las recomendaciones de IA109.
Equidad. Uso ético de los datos. Existe la preocupación de que los malos actores interesados en el robo de identidad y otras conductas indebidas puedan aprovecharse de los conjuntos de datos médicos, que a menudo contienen grandes cantidades de información confidencial sobre pacientes reales. La descentralización del almacenamiento de datos es una forma de reducir el daño potencial de cualquier hackeo o fuga de datos individual. El proceso de aprendizaje federado facilita dicha descentralización al tiempo que facilita la colaboración entre instituciones sin complicados acuerdos de intercambio de datos (Fig. 4). Cuando se utiliza el aprendizaje federado, los desarrolladores envían modelos de IA a diferentes instituciones que tienen conjuntos de datos privados; Las instituciones entrenan los modelos con sus datos y envían actualizaciones de los modelos sin compartir nunca los datos110. Sin embargo, incluso después de entrenar los modelos, sigue existiendo el riesgo de que los sistemas de IA se enfrenten a ataques a la privacidad, que a veces pueden reconstruir los puntos de datos originales utilizados en el entrenamiento con solo examinar el modelo resultante. Los datos de los pacientes pueden protegerse mejor de este tipo de ataques si las entradas se cifran antes del entrenamiento, pero este enfoque se produce a costa de la interpretabilidad del modelo111. Más allá de estos ataques de mala fe, hay otras preguntas sobre cómo respetar la privacidad de los pacientes. Por lo general, los datos confidenciales deben recopilarse y utilizarse en la investigación con el consentimiento del paciente y, cuando sea práctico, se deben utilizar estrategias de anonimización y agregación para ocultar los datos personales. Es necesario garantizar que todas las instituciones que trabajen con datos de pacientes los manejen de manera responsable, ya que
por ejemplo, mediante el uso de protocolos de seguridad adecuados. Al mismo tiempo, también es importante que los datos de los pacientes se utilicen por su bien. Por respeto a los pacientes que han accedido a compartir su información personal, lo ideal sería que los datos de los pacientes se utilizaran para investigaciones que promuevan el bienestar futuro de los pacientes. Desafortunadamente, estos objetivos a veces pueden entrar en conflicto entre sí; La implementación de medidas de seguridad como el aprendizaje federado puede requerir recursos y esfuerzos considerables, y las instituciones que no pueden realizar esas inversiones pueden no poder acceder a ciertos conjuntos de datos, incluso cuando su investigación beneficiaría a los pacientes en cuestión. Además, la reutilización de datos en varios proyectos puede dificultar la obtención del consentimiento informado, ya que los pacientes atraídos por un estudio pueden dudar en unirse a otros. Esperamos y esperamos que la comunidad de IA continúe explorando estas compensaciones y encuentre nuevas formas de equilibrar una variedad de intereses de los pacientes110. Equidad y sesgo. La IA puede hacer que la atención sanitaria sea más accesible para los grupos desatendidos, pero también corre el riesgo de reforzar las desigualdades existentes, ya que los modelos de IA pueden perpetuar los sesgos que acechan en los datos112. Los sistemas de IA médica pueden fallar a la hora de generalizar a nuevos tipos de datos con los que no fueron entrenados; Por lo tanto, es bien sabido que el entrenamiento con conjuntos de datos que subrepresentan a los grupos marginados da lugar a sistemas sesgados que tienen un rendimiento inferior en esos grupos. Los sistemas que tienen en cuenta explícitamente la raza en sus predicciones también corren el riesgo de perpetuar los prejuicios, porque las categorías raciales son difíciles de definir y oscurecen la diversidad dentro de los grupos raciales113. El sesgo puede aparecer debido a otras opciones de diseño, como la elección de la etiqueta de destino. Por ejemplo, se descubrió que un algoritmo de evaluación de riesgos utilizado para guiar la toma de decisiones clínicas de 200 millones de pacientes ofrecía predicciones con sesgos raciales, de modo que los pacientes blancos a los que se les asignaba una determinada puntuación de riesgo predicho tendían a ser más saludables que los pacientes negros con la misma puntuación. Este sesgo se debió en gran parte a las etiquetas originales utilizadas en la capacitación. El sistema fue entrenado para predecir los costos futuros de la atención médica, pero debido a que los pacientes negros habían recibido históricamente una atención menos costosa que los pacientes blancos debido a los sesgos sistemáticos existentes, el sistema reprodujo esos sesgos raciales en sus predicciones114. Se necesita una investigación exhaustiva para detectar y corregir el sesgo en los modelos médicos de IA, ya que el sesgo puede causar un daño generalizado a los grupos marginados si no se controla. En el futuro, las herramientas de IA pueden someterse sistemáticamente a pruebas especiales antes de su implementación para verificar que las redes neuronales sirven al bienestar de las poblaciones marginadas de manera equitativa. Además, puede ser más fácil identificar sesgos peligrosos si mejora la explicabilidad del modelo, porque los monitores humanos podrán verificar el razonamiento de los sistemas de IA e identificar elementos problemáticos115.
Conclusión
El campo de la IA médica ha avanzado considerablemente hacia su implementación a gran escala, especialmente a través de estudios prospectivos como los ECA y mediante el análisis de imágenes médicas, sin embargo, la IA médica aún se encuentra en una fase temprana de validación e implementación. Hasta la fecha, un número limitado de estudios han utilizado la validación externa, la evaluación prospectiva y diversas métricas para explorar el impacto total de la IA en entornos clínicos reales, y la gama de casos de uso evaluados ha sido relativamente limitada. Aunque el campo requiere más pruebas y soluciones prácticas, también se necesita una imaginación audaz. La IA ha demostrado ser capaz de extraer información de fuentes inesperadas y establecer conexiones que los humanos normalmente no anticiparían, por lo que esperamos ver enfoques aún más creativos y fuera de lo común para la IA médica. Existen grandes oportunidades para la investigación novedosa de la IA que involucra tipos de datos que no son imágenes y formulaciones de problemas no convencionales, que abren una gama más amplia de posibles conjuntos de datos. También existen oportunidades en la colaboración entre IA y humanos, una alternativa a las competiciones entre IA y humanos comunes en la investigación; nos gustaría que se estudiaran más las configuraciones colaborativas, ya que pueden proporcionar mejores resultados que la IA o los humanos solos y es más probable que reflejen la práctica médica real. A pesar del potencial de este campo, aún quedan importantes cuestiones técnicas y éticas para la IA médica. A medida que se aborden sistemáticamente estas cuestiones fundamentales, es posible que se materialice el potencial de la IA para mejorar notablemente el futuro de la medicina.
Carlos Alberto Díaz. Profesor titular universidad ISALUD.
Las habilidades blandas son la ventaja competitiva más importante de las empresas de salud, de los hospitales y las clínicas privadas, se deben trabajar, con asesoramiento, pero también desde los servicios, interna y permanentemente, especialmente los colectivos que están en contacto con el paciente, requiere esfuerzo, predisposición, e inversión, que tendrá un retorno espectacular, no es un modelo único, ni siquiera hacia el interior de una misma organización. Los profesionales del cuidado, las enfermeras, las jefas de enfermería, los que están para diagnosticar y curar, los médicos, y los jefes de servicio, los administrativos, que atienden al público, sus jefes, y los gerentes. Son abordajes distintos. Los enfermeros requieren de trabajar en equipo, empatía, comunicación y liderazgo. Los médicos liderazgo, trabajo en equipo, conciencia de situación y negociación. Todos requieren una formación en estas habilidades indispensables.
Desde la Universidad ISALUD, se ha detectado como un aspecto estratégico y hemos dedicado todo el año 2024 y este para explorar, experimentar experiencias de aplicación para transmitirla a quienes las necesiten. Es un sendero largo, como interminable, que al ser un camino tan extenso hay que proponerse a transitar. Explorando diferentes formas de capacitación, como dentro de las empresas y en forma de realidad virtual. Dentro de diferentes nodos, como la calidad asistencial, la gestión Lean, las habilidades blandas y la seguridad 2 de los pacientes. Estos formatos, de diez a doce encuentros cada uno permiten un desarrollo a medida para la formación interna de las organizaciones.
En este blog encontrarán diferentes artículos seleccionados como elementos teóricos para el debate como marco de este tipo de capacitación. La extensión universitaria tiene esta obligación. Las habilidades digitales son duras y que deben acompañar en esta formación mirando el presente.
Introducción
El uso de la realidad virtual (RV) en la educación y la formación ha sido investigado desde hace mucho tiempo (véase Conrad et al.Citación2024 ) y Kamińska et al. (Citación2023 ) para dos revisiones recientes). Los beneficios del uso de la realidad virtual incluyen una mayor participación con respecto a los métodos tradicionales (Concannon et al.,Citación2019 ; Conrad y otros,Citación2024 ) sino también la posibilidad de aplicar mejor el aprendizaje experiencial y los enfoques constructivistas sociales (Concannon et al.,Citación2019 ).
En este sentido, existe un gran potencial en el uso de la RV, en particular para el entrenamiento de conocimientos procedimentales o técnicos (Hamilton et al.,Citación2021 ). Sin embargo, la literatura existente también reconoce beneficios para las habilidades cognitivas y de observación relacionadas con la información espacial y visual, las habilidades psicomotoras, específicamente el escaneo visual, y las habilidades afectivas relacionadas con el control de las respuestas emocionales en situaciones estresantes (Jensen y Konradsen,Citación2018 ).
En este trabajo, nos propusimos investigar la literatura relacionada específicamente con el desarrollo de habilidades blandas, en particular aquellas habilidades no técnicas útiles en entornos profesionales.
La Asociación Nacional Estadounidense de Habilidades Blandas las define como un conjunto complejo de cualidades para interactuar eficazmente con otras personas, como la actitud positiva, la comunicación, la planificación y la organización, el pensamiento crítico y el trabajo en equipo, entre otras.
Los términos “habilidades transversales” (Hart et al.,Citación2021 ; Larraz y otros,Citación2017 ), “habilidades socioemocionales” (Danner et al.,Citación2021 ), “habilidades no cognitivas” (Brunello & Schlotter,Citación2011 ) se utilizan a menudo como alternativas.
Todos estos tipos de habilidades se solapan con la definición de habilidades blandas mencionada anteriormente, aunque ninguna abarca exactamente el mismo campo semántico, por lo que este estudio utilizará únicamente el término «habilidad blanda». Este término no funciona como una definición sumativa/descriptiva, sino como una definición negativa. Por lo tanto, para comprender qué es una habilidad blanda, se debe trabajar por contraste o por sustracción: una habilidad blanda es lo que no es una habilidad técnica ni específica de un dominio (denominada, por contraste, habilidad dura). Para identificar algunas de ellas, se pueden utilizar categorías generales derivadas de la literatura (Touloumakos,Citación2020 ): cualidades de la persona (adaptabilidad, flexibilidad, etc.), actitudes y predisposiciones de la persona (voluntad de aprender, aprender a aprender, etc.), habilidades de pensamiento de orden superior (resolución de problemas, toma de decisiones, pensamiento crítico, etc.), habilidades de liderazgo y gestión (incluida la autogestión), habilidades interpersonales (trabajo en equipo, interacción personal, etc.), habilidades de comunicación (incluida la negociación y la resolución de conflictos), habilidades emocionales (por ejemplo, empatía), habilidades de apariencia (habilidades para poder aparecer de determinada manera).
La realidad virtual (RV) se ha convertido en una herramienta prometedora para el desarrollo de habilidades blandas gracias a su capacidad para crear entornos inmersivos y controlados difíciles de replicar con métodos tradicionales.
Un estudio de PwC demostró que la formación basada en RV es cuatro veces más rápida que la formación presencial y aumenta la confianza de los participantes en la aplicación de las habilidades adquiridas en un 275 % (Eckert & Mower,Citación2020 ).
Además, la realidad virtual permite simular conversaciones gerenciales complejas, como la retroalimentación o la resolución de conflictos de equipo. Estos escenarios inmersivos permiten a los participantes practicar habilidades de comunicación y regulación emocional en un entorno seguro (Christofi et al.,Citación2022 ; Kamińska y otros,Citación2019 ).
Además, la RV facilita la simulación de interacciones interculturales, algo cada vez más vital en la fuerza laboral globalizada actual. Al interactuar con personajes virtuales que representan diferentes orígenes culturales, los usuarios pueden mejorar su competencia intercultural y profundizar su comprensión de la diversidad (Brydon et al.,Citación2021 ). Estos ejemplos resaltan que la realidad virtual no solo involucra a los usuarios, sino que también brinda oportunidades prácticas para desarrollar habilidades blandas a través de escenarios realistas, aunque virtuales, lo que mejora significativamente los resultados de la capacitación.
En la literatura sobre RV, se pueden encontrar diversas definiciones de este concepto, que reflejan el desarrollo dinámico de la tecnología y sus diversas aplicaciones. La RV se describe a menudo como un entorno simulado por computadora, con énfasis en la creación de espacios digitales que los usuarios pueden explorar e interactuar con ellos (Sherman y Craig,Citación2003 ). También se define con frecuencia como una experiencia multisensorial, destacando su capacidad de involucrar múltiples sentidos, como la vista, el oído o el tacto, para mejorar el realismo de la experiencia (Burdea,Citación2003 ). En algunos casos, la realidad virtual se considera una herramienta de inmersión cognitiva, que permite la «inmersión de la mente» en un entorno distinto de la realidad física (Slater y Wilbur,Citación1997 ), o como tecnología inmersiva que cautiva a los usuarios al reducir su percepción del mundo físico. Para esta revisión, nuestra definición de RV se centra en la inmersión visual total y la interacción física del usuario mediante un visor montado en la cabeza (HMD). Definimos la RV como una tecnología en la que el usuario utiliza un visor para sumergirse completamente en un entorno simulado, minimizando la percepción del mundo físico y permitiendo una experiencia integral de realidad virtual.
En este trabajo, EL objetivo es mapear la investigación existente sobre el uso de tecnologías de realidad virtual específicamente para la capacitación en habilidades blandas, con un enfoque específico en entornos profesionales, e identificar brechas y líneas de investigación prometedoras. Para lograrlo, adoptamos una variante del método de la Teoría Fundamentada para la Revisión de la Literatura (GTLR) (Wolfswinkel et al.,Citación2013 ), lo que implica analizar estudios inspirados en la Teoría Fundamentada (Glaser & Strauss,Citación2017 ), un enfoque para un análisis cualitativo riguroso. Este enfoque se ha utilizado en otros proyectos similares destinados a mapear el estado de la investigación en campos tecnológicos, por ejemplo, la adopción de tecnologías de autocuidado (Nunes et al.,Citación2015 ) y las tendencias en sistemas wearables para el deporte (Mencarini et al.,Citación2019 ).
Tema 1: Habilidades blandas enfocadas
Aunque inicialmente definimos un conjunto de habilidades blandas consideradas relevantes para nuestro enfoque específico, al analizar los artículos seleccionados, fue evidente que la realidad virtual se está utilizando para entrenar varias habilidades blandas (11) (verTabla 2) y una amplia gama de habilidades técnicas y específicas del dominio (9). Las habilidades interpersonales mencionadas con más frecuencia son las habilidades de comunicación (11) y el trabajo en equipo/colaboración (9), que parecen ser especialmente adecuadas para escenarios de formación en RV.
Habilidades específicas del dominio y su combinación con habilidades blandas
De los artículos seleccionados presentan habilidades técnicas y específicas de un dominio como objeto de estudio para su desarrollo con RV. Cada uno desarrolló una diferente: pensamiento computacional, tecnología quirúrgica, desempeño clínico, razonamiento geométrico, evaluación, investigación forense, habilidades químicas, oratoria, habilidades de seguridad clínica y asesoramiento bancario. El sector de competencias más representado en este caso es el médico, seguido del educativo, con habilidades de evaluación y aprendizaje. La idea de una forma específica de razonar también está presente en el razonamiento computacional y geométrico (aunque no están estrechamente relacionados).
Existe evidencia de que las habilidades interpersonales suelen desarrollarse junto con las habilidades técnicas relevantes para profesiones o campos de estudio específicos. Por ejemplo, en la educación médica, las habilidades de comunicación y la empatía suelen combinarse con la capacitación en habilidades clínicas. En educación, las habilidades docentes se combinan con la gestión del aula y las habilidades de comunicación. Esto se puede inferir del título, el resumen, el campo de estudio y los participantes de varios artículos. Sin embargo, con la excepción de estos nueve artículos, los estudios se centran únicamente en las habilidades interpersonales.
Observaciones para llevar
Las habilidades de comunicación y el trabajo en equipo/colaboración son las habilidades blandas que se estudian con más frecuencia con la realidad virtual, a menudo en contextos médicos o educativos.
Algunos estudios utilizan la realidad virtual para crear escenarios realistas para practicar habilidades interpersonales, como hablar en público, entrevistas de trabajo o gestión de crisis en bibliotecas.
Algunos estudios investigan la eficacia de la realidad virtual para mejorar la autoeficacia y la confianza en diversos contextos.
El pensamiento crítico y la resolución de problemas a veces se combinan con habilidades técnicas específicas del campo, como en escenarios médicos o educación química.
La creatividad a veces se estudia en el contexto de la propia realidad virtual, explorando cómo la tecnología puede mejorar los procesos creativos.
Algunas aplicaciones únicas incluyen el uso de realidad virtual para el entrenamiento de la empatía en entornos médicos y el desarrollo de habilidades de liderazgo a través de interacciones humanas virtuales.
Tema 2: tipos y usos de la RV
En esta selección de artículos se emplearon dos técnicas de RV predominantes: gráficos espaciales 3D y vídeo de 360 grados. Cada una de ellas presenta características y aplicaciones únicas que pueden influir significativamente en la eficacia del entrenamiento.
Gráficos espaciales 3D
Los gráficos espaciales 3D permiten la creación de entornos tridimensionales interactivos donde los participantes pueden moverse libremente e interactuar con personajes y objetos virtuales. Esta tecnología facilita la reproducción de escenarios realistas y reales (por ejemplo, negociaciones y gestión de conflictos [Chiang et al.],Citación2021 ), entrevista (Seinfeld et al.,Citación2024 )) y tareas de capacitación de nuevo diseño. Una ventaja clave de los gráficos 3D es su interactividad y la capacidad de cambiar dinámicamente el entorno en respuesta a las acciones del usuario. En un espacio 3D, los participantes tienen total libertad para moverse en cualquier dirección, lo que permite una inmersión más profunda en el mundo virtual y experiencias más atractivas que pueden influir significativamente en el desarrollo de habilidades interpersonales (Remacle et al.,Citación2023 ) (Figura 2).
Vídeo de 360 grados
Por el contrario, el vídeo de 360 grados ofrece grabaciones panorámicas que permiten visualizar escenas desde cualquier perspectiva, dando la sensación de estar en un lugar real. Esta tecnología es especialmente útil para la formación basada en la observación y el análisis de situaciones reales, como la realización de entrevistas de trabajo, la evaluación del comportamiento de los empleados o la realización de presentaciones públicas. El vídeo de 360 grados recrea escenas reales con alta fidelidad, lo que permite a los alumnos sumergirse por completo en visualizaciones realistas. Un ejemplo del uso del vídeo de 360 grados en la educación es un estudio descrito por Khoshnoodifar et al.Citación2024 ), donde se utilizó video de 360 grados para capacitar a equipos médicos en las estrategias y herramientas de TeamSTEPPS, lo que permitió a los participantes observar y analizar interacciones dinámicas de equipo en un contexto realista. Otro ejemplo es un estudio realizado por Wardian et al.Citación2023 ), en el que se utilizó un video de 360 grados para crear una experiencia virtual destinada a aumentar la empatía y la comprensión de los pacientes con diabetes al sumergir a los usuarios en su vida diaria.
Las diferencias entre estas tecnologías también son evidentes en sus costos de producción. La creación de gráficos 3D espaciales suele implicar costos más altos debido a la necesidad de software avanzado, un equipo de especialistas de diversos campos (programadores, artistas 3D, animadores) y una inversión considerable de tiempo para diseñar y probar elementos interactivos. El proceso de creación de entornos 3D realistas e interactivos requiere mucho tiempo y es costoso, lo que lo hace más adecuado para proyectos grandes con presupuestos adecuados. Por el contrario, la producción de video de 360 grados suele ser menos costosa y más accesible para equipos más pequeños. Requiere cámaras de 360 grados especializadas y software adecuado para la edición y el montaje de grabaciones (Chiang et al.,Citación2021 ). Aunque los costos de equipo pueden ser elevados, el proceso de producción suele ser más corto y menos complejo que el de los gráficos 3D. Dado que el video de 360 grados no requiere la creación de elementos interactivos, los costos de producción se reducen aún más. En consecuencia, muchas experiencias de RV diseñadas por capacitadores de habilidades blandas con recursos informáticos limitados prefieren soluciones de video de 360 grados, lo que permite crear experiencias inmersivas sin una inversión técnica y financiera significativa.
Los tipos de aplicaciones creadas con estas tecnologías también difieren significativamente. Los gráficos espaciales 3D se utilizan a menudo para crear aplicaciones de simulación que replican tanto escenarios realistas de la vida profesional diaria como tareas completamente nuevas y predefinidas, diseñadas para objetivos educativos específicos. La mayoría de las experiencias de RV destinadas a la formación en habilidades interpersonales utilizan escenarios reales transferidos a la RV. Por ejemplo, las simulaciones de negociación permiten a los participantes practicar la asunción de diferentes roles, la toma de decisiones en condiciones dinámicamente cambiantes y la gestión de reacciones inesperadas de personajes virtuales.
En el caso del vídeo de 360 grados, las aplicaciones suelen centrarse en presentar situaciones reales que los usuarios pueden observar y analizar. Estas aplicaciones son ideales para la formación en observación del comportamiento, análisis de situaciones sociales o desarrollo de la empatía. Los participantes pueden sumergirse en escenas auténticas, lo que les permite comprender mejor el contexto y las emociones asociadas a diversas situaciones. Ejemplos como la formación de equipos médicos o las experiencias virtuales destinadas a desarrollar la empatía con los pacientes demuestran la eficacia del vídeo de 360 grados para crear visualizaciones educativas realistas (Wardian et al.,Citación2023 ).
VR en equipo vs. VR individual
Las experiencias de realidad virtual basadas en equipos también merecen atención en el contexto de la capacitación en habilidades blandas (Elford et al.,Citación2021 ; Lee y Hwang,Citación2022 ), donde varios usuarios colaboran en un mismo escenario. Estas soluciones tienen un enorme potencial de formación, ya que permiten a los participantes interactuar en un entorno virtual que imita las experiencias reales de un equipo. Sin embargo, la implementación de estas aplicaciones requiere la introducción de avatares, que pueden personalizarse para representar a los usuarios, transmitiendo gestos, expresiones faciales y otras formas de comunicación no verbal. Si bien el desarrollo de avatares que replican con precisión estas características es prometedor, no se encontraron estudios específicos sobre este tema en la literatura revisada. Además, para garantizar la correcta sincronización de comportamientos entre todos los participantes en la experiencia de RV, se requieren tecnologías de TI muy avanzadas, que a menudo requieren infraestructura computacional externa adicional, lo que encarece y dificulta la logística de su implementación.
Solo el 16% de los artículos seleccionados ofrecían estudios y análisis de las posibilidades, características y funcionalidades únicas que ofrece la tecnología de RV. En cambio, los investigadores que utilizan la RV para mejorar las habilidades interpersonales suelen basarse en soluciones probadas. Entre las pocas excepciones se encuentra el estudio de Huang et al.Citación2023 ), que exploró cómo la RV puede apoyar la colaboración matemática mediante la coordinación de diversas modalidades de comunicación en entornos de RV. Otra excepción es el trabajo de Wagener et al.Citación2023 ), donde se utilizó la RV para guiar a los usuarios en reflexiones sobre desafíos personales. El estudio de Real et al. (Citación2022 ) analizó el uso de la RV en la capacitación de profesionales clínicos sobre la toma de decisiones en el tratamiento de la anemia de células falciformes. El artículo de Kleinlogel et al. (Citación2021 ) examinó cómo imitar el avatar en realidad virtual puede acelerar el aprendizaje de habilidades interpersonales. Por último, el estudio de Suárez et al. (Citación2021 ) evaluaron el uso de personajes virtuales para practicar y desarrollar habilidades de liderazgo.
Tema 3: Usuarios destinatarios y enfoques educativos
La adopción de la Realidad Virtual (RV) para la capacitación en habilidades interpersonales ha experimentado un crecimiento sustancial, impulsado por sus capacidades inmersivas e interactivas. Identificar a los usuarios objetivo es un paso crucial para desarrollar programas de capacitación en RV eficaces. La RV para la capacitación en habilidades interpersonales se dirige a una amplia gama de usuarios de diversos ámbitos. Por ejemplo, las simulaciones de RV permiten a los profesionales sanitarios, como médicos, enfermeros y otros profesionales de la salud, practicar habilidades técnicas, pensamiento crítico, resolución de problemas, empatía y comunicación con el paciente (Edwards et al.,Citación2023 ; Real y otros,Citación2022 ; Sapkaroski y otros,Citación2022 ; Seok-Young,Citación2023 ; Wardian y otros,Citación2023 ).
Las instituciones educativas pueden incorporar la realidad virtual para enseñar la colaboración y el trabajo en equipo (Elford et al.,Citación2021 ; Khalilia y otros,Citación2022 ; Lee y Hwang,Citación2022 ), resolución de problemas (Agbo et al.,Citación2023 ), comunicación (Ciupe et al.,Citación2023 ; Dumas y otros,Citación2022 ; Kaplan-Rakowski y Gruber,Citación2023 ; Lee y Hwang,Citación2022 ; Liaw y otros,Citación2023 ), autorreflexión (Wagener et al.,Citación2023 ), autoeficacia (Kleinlogel et al.,Citación2021 ) y el pensamiento crítico (Elford et al.,Citación2021 ; Lee y Hwang,Citación2022 ). Además, se puede capacitar a los docentes en la construcción colaborativa de conocimiento (Huang et al.,Citación2023 ), comunicación y autoeficacia (Remacle et al.,Citación2023 ).
Si bien la capacitación en RV para empleados corporativos puede acelerar la incorporación al integrar a los nuevos empleados en la cultura y los flujos de trabajo de la empresa, además de mejorar sus habilidades de liderazgo y toma de decisiones, no se encontraron artículos de investigación relevantes dentro del plazo y las palabras clave especificados. Lo mismo ocurre con el personal de seguridad pública y militar, donde la RV podría mejorar el trabajo en equipo y la comunicación en situaciones de estrés mediante escenarios realistas y brindar capacitación en un entorno seguro.
Los enfoques para el entrenamiento en RV para habilidades blandas en la presente selección de artículos involucraron principalmente simulaciones inmersivas individuales o en equipo (Agbo et al.,Citación2023 ; Ciupe y otros,Citación2023 ; Dumas y otros,Citación2022 ; Edwards y otros,Citación2023 ; Huang y otros,Citación2023 ; Kaplan-Rakowski y Gruber,Citación2023 ; Khalilia y otros,Citación2022 ; Kleinlogel y otros,Citación2021 ; Lee y Hwang,Citación2022 ; Liaw y otros,Citación2023 ; Real y otros,Citación2022 ; Sapkaroski y otros,Citación2022 ). Además, se han utilizado vídeos de 360 grados para estudiar la conciencia situacional (Collins et al.,Citación2021 ), examinan la eficacia del entrenamiento en realidad virtual 3D en la resolución de problemas, la autoeficacia y el trabajo en equipo entre voluntarios sin experiencia que ayudan con la prevención del consumo de drogas (Chiang et al.,Citación2021 ) y evaluar la empatía y las actitudes hacia la diabetes después de la inmersión virtual entre estudiantes de medicina (Wardian et al.,Citación2023 ).
Tema 4: tipos de evaluaciones y valoraciones
La evaluación es parte integral del ciclo de vida del desarrollo de software y se incorpora en diversas metodologías y procesos. Esta fase permite determinar el valor, la eficacia, la calidad y la usabilidad del software (Domingueti et al.,Citación2021 ).
Desde el punto de vista de la investigación, los instrumentos de evaluación de esta selección de artículos se clasificaron en dos grupos distintos. El primer grupo se centró en la evaluación de la experiencia y el diseño del usuario, lo que abarca el análisis de la estética de la interfaz, la interacción del usuario y la satisfacción general. Esta forma de evaluación suele basarse en la recopilación sistemática de datos mediante cuestionarios de satisfacción del usuario o usabilidad (Agbo et al.,Citación2023 ; Ciupe y otros,Citación2023 ; Dumas y otros,Citación2022 ; Lee y Hwang,Citación2022 ; Seinfeld y otros,Citación2024 ). Sin embargo, también puede incluir métodos de observación (Dumas et al.,Citación2022 ; Kleinlogel y otros,Citación2021 ) o culminar en una entrevista concisa en la que el usuario articula su experiencia (Collins et al.,Citación2021 ; Elford y otros,Citación2021 ; Wagener y otros,Citación2023 ) delineando las ventajas y limitaciones de la aplicación.
Un aspecto importante de la evaluación de la experiencia del usuario implica analizar sus respuestas emocionales. Esto puede lograrse evaluando introspectivamente los estados emocionales que genera la aplicación mediante cuestionarios de autoinforme (Girondini et al.,Citación2023 ; Kaplan-Rakowski y Gruber,Citación2023 ; Seinfeld y otros,Citación2024 ; Wagener y otros,Citación2023 ). También se puede lograr mediante el uso de aparatos externos como monitores de frecuencia cardíaca (Suárez et al.,Citación2021 ), mediciones de conductancia de la piel (Girondini et al.,Citación2023 ), gestos y seguimiento de movimiento (Huang et al.,Citación2023 ), o incluso reflexiones escritas analizadas a través de software de minería de texto (Lee y Hwang,Citación2022 ). A pesar del papel fundamental que desempeñan estas metodologías para comprender la influencia emocional de la aplicación en los usuarios, su aplicación sigue siendo poco frecuente, como lo demuestra su presencia en tan solo el 16 % de la literatura consultada. En el ámbito de la realidad virtual y su usabilidad, es crucial evaluar el impacto de la aplicación en los usuarios, especialmente en el contexto de la presencia (Suárez et al.,Citación2021 ), inmersión y aparición de cibermareos (Real et al.,Citación2022 ).
El segundo grupo se refería a la evaluación de la utilidad y la eficacia, en particular en cuanto a su influencia en el desarrollo de habilidades interpersonales como la comunicación, el trabajo en equipo y la resolución de problemas. En este contexto, se empleaban comúnmente pruebas de evaluación previa y posterior para medir el conocimiento adquirido sobre temas específicos. Sin embargo, estandarizar estas pruebas resulta complicado debido a su conexión intrínseca con el tema. Por ejemplo, si bien ambas pueden abordar habilidades interpersonales, la evaluación de una aplicación diseñada para la comunicación empática entre médicos y pacientes (Wardian et al.,Citación2023 ) diferiría significativamente de uno destinado a mejorar la autoconciencia y las habilidades para hablar en público (Agbo et al.,Citación2023 ; Kaplan-Rakowski y Gruber,Citación2023 ). La mejora de las habilidades se puede evaluar mediante diversos métodos, incluida la observación de expertos durante la ejecución de tareas (Sapkaroski et al.,Citación2022 ) o análisis de vídeo (Edwards et al.,Citación2023 ), pruebas personalizadas para competencias específicas (Khalilia et al.,Citación2022 ; Liaw y otros,Citación2023 ), métricas de rendimiento de tareas automatizadas, como el tiempo de finalización de la tarea (Agbo et al.,Citación2023 ) o frecuencia de error (Le Duff et al.,Citación2023 ), o incluso el análisis de señales biométricas, como la evaluación de la fluidez del habla (Remacle et al.,Citación2023 ) o el lenguaje corporal y el contacto visual (Palmas et al.,Citación2019 ).
Sorprendentemente, solo 11 artículos de la selección abordaron las directrices para el reclutamiento de participantes en el estudio. De los que lo hicieron, la mayoría reclutaron participantes entre estudiantes o profesores de una escuela o universidad en particular (Dumas et al.,Citación2022 ; Girondini y otros,Citación2023 ; Huang y otros,Citación2023 ; Kickmeier-Rust y otros,Citación2020 ; Kleinlogel y otros,Citación2021 ; Liaw y otros,Citación2023 ; Remacle y otros,Citación2023 ; Wardian y otros,Citación2023 ). Cabe destacar que tres reclutamientos se realizaron en línea (Agbo et al.,Citación2023 ), con dos redes sociales de apalancamiento (Suárez et al.,Citación2021 ; Wagener y otros,Citación2023 ).
Las aplicaciones se evaluaron principalmente mediante pruebas con usuarios finales, lo que indica que el 63 % de estas evaluaciones se realizaron en estudiantes, mientras que el 43,3 % contó con la participación de profesionales. Sin embargo, la selección de los grupos de usuarios para las pruebas depende de la aplicación específica y su función prevista. Cabe destacar que un solo estudio de la literatura revisada no definió su perfil demográfico de usuarios, optando en su lugar por abarcar un amplio rango de edad de participantes, de 22 a 70 años (Suárez et al.,Citación2021 ).
El estudio no encontró una correlación perceptible entre la edad y el género de los participantes y las solicitudes evaluadas. Si bien los investigadores generalmente coinciden en que es esencial una representación equitativa por edad y género entre los sujetos de prueba (Ciupe et al.,Citación2023 ), pueden surgir variaciones específicas debido a las condiciones únicas asociadas con el campo profesional que se examina o el contexto temático especializado de la aplicación (Edwards et al.,Citación2023 ; Seok-Young,Citación2023 ). La variabilidad en el número de validadores es considerable y se ve influenciada por el tema, así como por la accesibilidad de la población objetivo. Por ejemplo, en el estudio (Collins et al.,CitaciónEn 2021 , solo se reclutaron cuatro guías de kayak, lo que representa la cohorte mínima. Por el contrario, el grupo más grande estuvo compuesto por 216 estudiantes que evaluaron la solicitud y sus implicaciones únicamente mediante un cuestionario de autoinforme en línea (Hsiao,Citación2021 ). Solo el 36% de las investigaciones establecieron criterios de exclusión explícitos. Estos iban desde la falta de cooperación de los participantes, como se señala en (Khoshnoodifar et al.,Citación2024 ) y (Real et al.,Citación2022 ), a través de prerrequisitos relativos a la competencia tecnológica (Ciupe et al.,Citación2023 ), capacidades lingüísticas, habilidades o experiencia particulares (Chiang et al.,Citación2021 ) a la salud general (Remacle et al.,Citación2023 ) y el bienestar psicológico (Wagener et al.,Citación2023 ).
Discusión
El análisis anterior describe un área que aún se encuentra en sus etapas iniciales, impulsada por los avances tecnológicos y los objetivos y necesidades humanas que tradicionalmente han guiado la investigación posterior. A continuación, analizamos cinco cuestiones que surgen del análisis anterior y que merecen mayor atención y que podrían influir en la creación de una hoja de ruta de investigación en esta área.
Selección correcta del grupo objetivo e identificación de necesidades
Aunque en algunos casos se abordan conocimientos técnicos o procedimentales junto con habilidades interpersonales relevantes, la mayoría de las soluciones que analizamos están diseñadas para un público amplio, como todos los estudiantes, sin diferenciarlos según su campo de estudio o la etapa educativa específica y los desafíos que puedan enfrentar (de los Temas 1 y 2 anteriores). De hecho, las soluciones «universales» ofrecen la posibilidad de que una amplia gama de usuarios se beneficie de ellas. Como resultado, durante la fase de diseño, los creadores pueden estar impulsados por la idea de ayudar a una porción más amplia de la sociedad. Como tal, pueden ver la solución propuesta como más necesaria, más efectiva y con una respuesta más amplia a las necesidades de las personas actuales. Sin embargo, la investigación futura también debería explorar caminos menos transitados hacia soluciones más inclusivas adaptadas a las necesidades específicas de un grupo objetivo en particular. Este enfoque permitiría el desarrollo de propuestas más integrales que se centren en aspectos identificados por representantes de los grupos objetivo. Un análisis detallado de las necesidades de los usuarios finales, como el tipo de profesión, la identificación de las habilidades interpersonales más deseadas, o la edad y el nivel tecnológico de los usuarios, permitiría imaginar nuevos escenarios, funcionalidades y adaptaciones de interacción. En general, la investigación debería tener como objetivo identificar las necesidades específicas de los usuarios finales y adaptar las soluciones para satisfacerlas de la forma más completa posible.
El análisis también destaca un aspecto importante: la diferenciación en la selección de habilidades interpersonales para representantes de sectores empresariales específicos (del Tema 1). Por ejemplo, las soluciones creadas para el sector sanitario, que incluye, entre otros, a médicos y enfermeras, ofrecen grandes oportunidades para desarrollar habilidades técnicas, pensamiento crítico, resolución eficaz de problemas, empatía y una comunicación adecuada con los pacientes. Un área de preocupación en este contexto es la integración de enfermeras y médicos en el mismo grupo objetivo. Considerando el alcance de sus tareas diarias, su nivel de responsabilidad y las dificultades que enfrentan, así como las habilidades interpersonales más cruciales para sus diferentes roles, se deben considerar numerosas diferencias al crear soluciones que faciliten sus tareas diarias. Otro grupo al que se dirigen con frecuencia las soluciones son los representantes de instituciones educativas. En este caso, las aplicaciones se centran en el aprendizaje de la colaboración, el trabajo en equipo, la autorreflexión y el pensamiento crítico. Sin embargo, el alcance de esta formación debe ampliarse de acuerdo con los cambios que se están produciendo en el mundo contemporáneo y en el sistema educativo. El profesorado puede formarse en la construcción colectiva de conocimiento, la autoeficacia y la comunicación. En este caso, las soluciones atractivas desarrolladas en formato de equipo funcionarían bien.
En resumen, si bien muchas soluciones actualmente se dirigen a un público amplio, existe una creciente necesidad de enfoques más personalizados que aborden las necesidades específicas de grupos de usuarios específicos. Al centrarse en los desafíos únicos que enfrentan las diferentes profesiones, niveles educativos y niveles tecnológicos, los desarrolladores pueden crear herramientas más efectivas y relevantes. Por ejemplo, adaptar soluciones para médicos en lugar de enfermeras, o adaptar los programas de capacitación para educadores para incluir nuevas habilidades y métodos colaborativos, puede aumentar considerablemente su impacto. Las investigaciones futuras deberían abordar estas necesidades específicas e integrarlas en el diseño de soluciones para garantizar que las herramientas no solo sean universalmente accesibles, sino que también se ajusten plenamente a las necesidades particulares de sus usuarios.
Entornos exigentes con alto potencial
La realidad virtual (RV) ofrece capacidades excepcionales para acelerar los procesos de incorporación de nuevos empleados, mejorar las competencias de liderazgo y facilitar la toma de decisiones. Mediante entornos inmersivos que simulan condiciones laborales realistas, las empresas pueden minimizar el riesgo de errores costosos, a la vez que permiten a los empleados adquirir experiencia práctica en entornos controlados. La RV también puede acelerar significativamente el proceso de adaptación de los nuevos miembros del equipo al sumergirlos en situaciones empresariales reales, lo que les permite comprender y adoptar con mayor rapidez procedimientos y estrategias cruciales dentro de la empresa.
Un aspecto importante es fortalecer el liderazgo mediante la realidad virtual, lo que abre nuevos horizontes para el desarrollo de habilidades interpersonales como la comunicación, la gestión de equipos y la resolución de conflictos. Las simulaciones de realidad virtual pueden recrear situaciones complejas y estresantes donde los líderes deben tomar decisiones rápidas bajo presión y limitaciones del entorno. Aunque virtuales, estas experiencias son valiosas, ya que permiten a los gerentes desarrollar sus competencias en un entorno seguro donde pueden aprender de sus errores sin consecuencias reales para la empresa.
Sin embargo, a pesar de estos aparentes beneficios, aún es necesario mejorar la investigación y el análisis científicos adecuados sobre el impacto de la RV en la aceleración de la incorporación, el desarrollo del liderazgo y la toma de decisiones. La mayoría de los estudios disponibles se centran en los aspectos técnicos de la RV, como la interacción del usuario con el sistema o los efectos visuales (Tema 2), en lugar de en una investigación exhaustiva sobre su impacto en el desarrollo organizacional y el capital humano en entornos corporativos (Tema 4). Como resultado, existe una importante brecha de conocimiento que podría proporcionar a las empresas evidencia concreta de la efectividad de invertir en tecnologías de RV: se dedica poca atención a investigar cómo las posibilidades impactan en el aprendizaje y al desarrollo de mejores prácticas y directrices generales.
Existen desafíos similares en el uso de la RV en la seguridad pública y el ámbito militar. Si bien se reconoce el potencial de la RV para mejorar el trabajo en equipo y la comunicación en situaciones de estrés mediante la creación de escenarios de simulación realistas, las soluciones innovadoras en este ámbito también son limitadas. La realidad virtual puede simular situaciones difíciles de replicar en ejercicios reales, como condiciones de combate, crisis o misiones de rescate. Los participantes pueden adquirir una valiosa experiencia en un entorno controlado, aprendiendo a cooperar, comunicarse y tomar decisiones bajo presión y en situaciones de alto riesgo.
A pesar de estas posibilidades, la investigación sobre la eficacia de la RV para mejorar el trabajo en equipo y la comunicación en condiciones extremas aún se encuentra en sus primeras etapas (Temas 2 y 4). La mayoría de los datos disponibles se basan en estudios de caso o muestras pequeñas, lo que limita la capacidad de extraer conclusiones generales y aplicarlas en un contexto operativo más amplio. Se requiere una investigación más compleja que considere los efectos a largo plazo del entrenamiento en RV y su impacto en las acciones y decisiones reales que se toman en situaciones de crisis.
Por lo tanto, vemos una necesidad urgente de una investigación más exhaustiva que no solo confirme la eficacia de la RV en estas áreas, sino que también permita el desarrollo de mejores prácticas y estándares para la implementación de estas tecnologías en diferentes sectores. Solo así la RV podrá alcanzar su máximo potencial como herramienta para la formación y el fortalecimiento de las habilidades de liderazgo y trabajo en equipo en los entornos más desafiantes.
Soluciones individuales y grupales
Las futuras investigaciones sobre el uso de la RV para el aprendizaje de habilidades interpersonales deberían considerar el desarrollo de aplicaciones tanto para individuos como para equipos, con el objetivo de analizar y comparar su eficacia en diferentes contextos (Temas 2 y 4). Habilidades interpersonales como la comunicación, la empatía, la gestión del tiempo, la resolución de conflictos y el trabajo en equipo desempeñan un papel fundamental en el funcionamiento eficaz de los empleados y de las organizaciones. Gracias a sus propiedades inmersivas, la realidad virtual ofrece una oportunidad única para simular situaciones en las que estas habilidades pueden desarrollarse de forma dinámica y realista.
Para las aplicaciones de RV dirigidas a personas, la investigación debería centrarse en evaluar hasta qué punto esta tecnología favorece el desarrollo de habilidades interpersonales en comparación con los métodos de formación tradicionales. Es fundamental comprender cómo el entorno inmersivo de RV afecta la participación, la memoria y la eficacia del aprendizaje. También será crucial explorar cómo se pueden adaptar diferentes escenarios de RV a las necesidades individuales del usuario, permitiendo así la personalización del proceso de formación. Por ejemplo, el entrenamiento en comunicación podría implicar la simulación de conversaciones con diferentes tipos de personalidad, lo que permitiría a los usuarios practicar estrategias adecuadas según el contexto.
Por otro lado, las aplicaciones de RV diseñadas para equipos deben evaluarse por su eficacia para fomentar la colaboración, generar confianza y resolver problemas dentro del grupo. La realidad virtual ofrece una oportunidad única para crear simulaciones que requieren que el equipo trabaje en equipo bajo presión o ante desafíos complejos. La investigación debe examinar cómo estas experiencias de RV afectan la dinámica, la comunicación y la eficacia general del equipo. También es importante comprender cómo los diferentes modelos de colaboración e interacción en RV se traducen en comportamientos y relaciones fundamentales en el entorno laboral.
Un aspecto clave de la investigación futura debería ser comparar la eficacia de las aplicaciones de RV diseñadas para individuos y aquellas diseñadas para equipos. Es importante investigar en qué situaciones la RV, como herramienta para el aprendizaje de habilidades blandas, ofrece los mejores resultados: si se logran mejores resultados mediante el desarrollo de habilidades individuales o mediante experiencias compartidas en equipo. Las respuestas a estas preguntas podrían proporcionar información valiosa para el diseño de programas de formación que integren eficazmente el desarrollo individual y de equipo.
La investigación también debería centrarse en los efectos a largo plazo del uso de la RV para enseñar habilidades interpersonales. Es crucial comprender la perdurabilidad de las habilidades adquiridas y cómo los usuarios las transfieren a su práctica profesional diaria. Los estudios también podrían explorar hasta qué punto las sesiones regulares de RV pueden generar cambios más profundos en el comportamiento y la actitud de los usuarios, en comparación con sesiones de capacitación puntuales.
En conclusión, las futuras investigaciones sobre el uso de la RV para la capacitación en habilidades interpersonales deben adoptar un enfoque holístico que considere las diferentes necesidades de cada usuario y equipo. Solo mediante un análisis exhaustivo, la comparación y la evaluación de la eficacia de diferentes modelos de capacitación se podrá comprender plenamente el potencial de la RV como herramienta para el desarrollo integral de habilidades interpersonales en un entorno laboral en constante cambio.
Vídeos de 360 grados frente a experiencias de realidad virtual 3D
Las futuras investigaciones sobre el uso de la realidad virtual para la formación en habilidades blandas deberían centrarse en determinar qué soluciones tecnológicas generan resultados educativos mejores y más satisfactorios. En este contexto, conviene comparar dos enfoques populares: vídeos de 360 grados y experiencias de RV 3D totalmente interactivas, para evaluar su eficacia y adaptar las estrategias de formación a las necesidades de los usuarios (Tema 2).
Los videos de 360 grados, aunque son más fáciles de producir, permiten a los usuarios sumergirse en escenas del mundo real capturadas con cámaras de 360 grados. Con un visor de RV, los usuarios pueden «entrar» en el mundo de la película, mirar a su alrededor en cualquier dirección y experimentar los eventos para crear una sensación de presencia y participación en la situación que se muestra. Sin embargo, estos videos tienen ciertas limitaciones. La falta de interacción con el entorno y la capacidad limitada para influir en el curso de los eventos pueden hacer que el usuario se convierta en un observador pasivo, lo que puede involucrarlo solo parcialmente. Por otro lado, la simplicidad del video de 360 grados lo hace más accesible y más fácil de incorporar en los programas de capacitación, lo que puede ser una ventaja significativa, especialmente cuando el presupuesto y el tiempo son limitados. Además, los videos de 360 grados pueden ser más intuitivos y menos intimidantes para las personas que no han tenido experiencia con tecnologías de RV.
En cambio, las experiencias de RV 3D ofrecen mucha más interactividad y personalización. Los entornos de RV totalmente tridimensionales permiten a los usuarios moverse libremente por el mundo virtual, interactuar con objetos y tomar decisiones que afectan directamente el desarrollo de la simulación. Estas soluciones son mucho más atractivas, ya que el usuario se convierte en un participante activo en lugar de un simple observador. La RV 3D también permite la creación de escenarios complejos y dinámicos que reflejan con mayor precisión las situaciones reales que los usuarios pueden encontrar en su vida profesional. Esto hace que estas experiencias sean especialmente valiosas para el aprendizaje de habilidades interpersonales como la gestión de conflictos, la negociación o el liderazgo, donde las decisiones deben tomarse en función de las condiciones cambiantes y las reacciones de los demás.
Comparar las experiencias de video de 360 grados y RV 3D puede brindar información valiosa sobre la efectividad de ambos enfoques en diferentes contextos educativos, pero existe una falta de investigación sobre estos aspectos (Tema 4). El nivel de inmersión y participación es uno de los aspectos críticos a examinar. Es importante comprender cómo cada solución involucra emocional y cognitivamente a los usuarios, y cómo esto afecta su retención a largo plazo del contenido de capacitación. Si bien el video de 360 grados, a pesar de ser menos interactivo, puede ser suficiente para lograr los objetivos principales de la capacitación, especialmente en escenarios menos complejos, la RV 3D, con su mayor nivel de interactividad, puede generar una inmersión más profunda, lo que resulta en mejores resultados en la capacitación en habilidades interpersonales.
Otro aspecto crucial que debe analizarse es la eficacia del aprendizaje en el contexto de la retención y transferencia a largo plazo de las habilidades adquiridas a situaciones profesionales reales (Tema 4). La investigación debe indagar qué enfoque (vídeo de 360 grados o RV 3D) facilita mejor la consolidación de los conocimientos adquiridos y su aplicación práctica. También es importante considerar las percepciones subjetivas de los usuarios sobre ambas tecnologías. ¿Prefieren los usuarios las experiencias más inmersivas e interactivas que ofrece la RV 3D o valoran la simplicidad y accesibilidad del vídeo de 360 grados? Sus opiniones pueden aportar información valiosa sobre cómo diseñar e implementar programas de formación para que sean lo más eficaces y satisfactorios posible.
También se debe considerar el costo y la logística de implementar estas tecnologías. El video de 360 grados suele ser más económico y fácil de producir, lo que lo hace más rentable cuando los presupuestos son limitados. Por otro lado, la realidad virtual 3D, si bien es más costosa y compleja de producir, puede ofrecer beneficios aún mayores en programas de capacitación a largo plazo donde se requieren efectos educativos más profundos y duraderos.
En conclusión, las futuras investigaciones sobre el uso de la RV para la formación en habilidades interpersonales deben centrarse en comprender a fondo qué tecnologías (vídeo de 360 grados o experiencias de RV 3D completas) son más eficaces en diferentes contextos y para distintos grupos de usuarios. Solo comparando y evaluando sistemáticamente ambos enfoques se podrán desarrollar las mejores prácticas y estrategias para maximizar el valor educativo de la RV y optimizar su potencial en el desarrollo de habilidades interpersonales.
Equipos interdisciplinarios y creación de un panel moderador
A través de nuestra revisión del desarrollo de aplicaciones de realidad virtual para la capacitación en habilidades blandas, hemos visto el enorme potencial de las aplicaciones basadas en gráficos 3D. La clave del éxito en este contexto reside, sin duda, en la creación de un equipo interdisciplinario con una sólida formación en programación (de los Temas 2 y 4). Un equipo así ofrece una ventaja significativa con un potencial que vale la pena aprovechar, lo que justifica el desarrollo de una aplicación atractiva que capte el interés de los usuarios y destaque por su complejidad y precisión. De esta forma, los usuarios objetivo pueden participar en diversas actividades interactivas y en un trabajo en equipo real y profundo. Aprovechar al máximo el potencial del equipo del proyecto potenciará la originalidad y singularidad de la aplicación, aumentando así sus posibilidades de obtener una mayor aceptación entre el público objetivo.
Además, se debe prestar atención a los elementos que aún se esperan en las aplicaciones diseñadas para la capacitación en habilidades interpersonales. Pocas de las soluciones analizadas cuentan con un componente único: el panel de moderadores. La creación de una herramienta de este tipo para un mentor o supervisor responsable de supervisar la capacitación en habilidades interpersonales en RV representa un paso innovador que podría impactar significativamente la efectividad y la calidad de la capacitación. La singularidad de esta solución reside en su capacidad para brindar al mentor control total sobre el proceso de capacitación en realidad virtual, abriendo nuevas posibilidades de personalización e interacción con los participantes. Concebimos el panel de moderadores como una cabina de mando donde el mentor puede monitorear el progreso de los participantes en tiempo real, analizar sus reacciones y ajustar dinámicamente el programa de capacitación a sus necesidades.
Este panel permitiría al mentor observar cómo responden los participantes a los distintos elementos de la capacitación, identificar rápidamente las áreas donde podrían tener dificultades y ajustar de inmediato el ritmo o el contenido de la capacitación. Además, las funciones interactivas permitirían al mentor comunicarse instantáneamente con los participantes, brindar orientación, hacer preguntas o sugerir escenarios alternativos a nivel grupal e individual. Este enfoque personalizado permite que la ruta de capacitación se adapte con mayor precisión a las necesidades de cada participante, lo que aumenta significativamente la efectividad general del proceso.
Otra ventaja clave del panel de moderadores es la posibilidad de generar informes detallados sobre el progreso de los participantes, lo que facilita al mentor decidir los siguientes pasos de la capacitación. Por ejemplo, el mentor podría evaluar mejor las habilidades interpersonales de los participantes, como el trabajo en equipo, la comunicación o la gestión del estrés, analizando su comportamiento en diversos escenarios simulados. Además, el panel permitiría gestionar y modificar los escenarios de capacitación, introduciendo nuevos desafíos y adaptando las condiciones de simulación a las necesidades cambiantes de la capacitación.
La incorporación de un panel de moderadores de este tipo en la formación de habilidades blandas en realidad virtual podría ser una herramienta revolucionaria que aumente la eficacia de la formación y cree un entorno más interactivo, personalizado y atractivo para el desarrollo de habilidades blandas esenciales. Como resultado, esta solución no solo empodera a los mentores, sino que también ayuda a preparar mejor a los participantes para los retos profesionales del mundo real.
Conclusión
Este artículo presentó una revisión de literatura inspirada en el método GTLR (Wolfswinkel et al.,Citación2013 ) tuvo como objetivo mapear los usos de varios enfoques de VR para entrenar habilidades blandas en la educación profesional.
Este trabajo de revisión adoptó una perspectiva específica sobre el entrenamiento de habilidades blandas en la formación profesional, estableciendo inicialmente un conjunto definido de habilidades sociales, sin definir el concepto de realidad virtual. Además, decidimos excluir toda aplicación de la RV al entrenamiento de habilidades blandas para la educación especial y en el ámbito clínico. Si bien estas limitaciones impiden una comprensión completa del potencial de la RV para el entrenamiento de habilidades blandas, respondieron a una pregunta específica destinada a definir un área de investigación específica. Creemos que, si bien algunos aspectos podrían perfeccionarse en trabajos posteriores, estas limitaciones no redujeron el valor de los hallazgos.
Analizamos 33 artículos publicados en congresos y revistas científicas entre 2019 y 2024 para comprender cómo la investigación actual aborda el uso de la realidad virtual en la enseñanza y el desarrollo de habilidades interpersonales. A pesar de observar un aumento significativo en el uso de la realidad virtual para el aprendizaje y el refuerzo de habilidades interpersonales, este desarrollo se ve impulsado continuamente por las capacidades interactivas e inmersivas que ofrece la tecnología de realidad virtual en constante evolución. Sin embargo, nuestro análisis muestra que, en muchos aspectos, la investigación en esta área aún se encuentra en las etapas iniciales de su desarrollo más significativo y de aprovechar al máximo el potencial de la tecnología moderna.
Identificamos cinco direcciones para el avance de la investigación sobre el uso de tecnologías modernas en el desarrollo de habilidades blandas: (1) un aspecto esencial del diseño de la capacitación en realidad virtual es la identificación y selección adecuada del público objetivo. Esto permite la expansión y personalización de los ejercicios para satisfacer las necesidades de diferentes campos y ramas del desarrollo profesional; (2) creemos que existen entornos que, a pesar de la atención significativa y el uso potencial de las tecnologías inmersivas, se pasan por alto y se olvidan, lo que resulta en la infrautilización del potencial de los programas de capacitación creados; (3) la investigación futura debe centrarse en el desarrollo de aplicaciones tanto para individuos como para equipos, así como en su comparación y evaluación de la efectividad; (4) otro aspecto que vale la pena investigar es qué soluciones tecnológicas utilizadas en el diseño de aplicaciones producen resultados mejores y más satisfactorios. En este caso, sería valioso comparar videos de 360 grados con experiencias de RV 3D; (5) finalmente, un tema crucial que merece atención es el pleno aprovechamiento del potencial de los individuos dentro de los equipos de proyecto para las soluciones propuestas. Creemos que los equipos interdisciplinarios deben aprovechar al máximo sus conocimientos para crear soluciones integrales, teniendo en cuenta toda la gama de posibilidades y necesidades.
Sobre la inteligencia artificial se escribe, se dice y se opina mucho más de lo que se la utiliza en la realidad, se la aplica menos y se trabaja sobre ella simplemente en proyectos que están incubando y que están tratando conseguir clientes prestadores sanatoriales, que comiencen a utilizarla y fortalecer sus bases de datos y probar los algoritmos.
Eric Topol en el 2024, en una conferencia magistal en el Grand Rounds Contemporary Clinical Researchers Great Teachers que la humanidad está a punto de vivir «el momento más emocionante de la medicina» debido a los extraordinarios avances en inteligencia artificial y sus aplicaciones en el futuro cercano.
La integración de la inteligencia artificial en la atención médica es recibida con un inusitado entusiasmo, pero debemos tener cautela, saber esperar, superponer con los sistemas actuales, y en el mientras tanto acelerar la transformación digital, depurar bases de datos, incorporar decididamente una historia clínica electrónica. Realizar acciones para evitar que la desigualdad injusta se cristalice. Una porción importante de esto es su confiabilidad, que se encuentra en la intersección de la tecnología, la práctica clínica, la ética, la responsabilidad. Es que los sistemas debieran ser confiables, seguros y transparentes, que las cohortes sean las adecuadas, que estén anonimizadas, las dificultades de obtener el consentimiento informado que pueda explicar la tecnología compleja involucrada, un compromiso de los datos abiertos, que requiere medidas de privacidad adicionales. Gran parte de la fiabilidad radica en que base de datos e información se utilice para su carga, que datos incluimos, la documentación de los datos de entrenamiento de los algoritmos.
Los productos comerciales de inteligencia artificial aprobados por la FDA, (1016) están dirigidos a problemas específicos, con métodos diferentes, más o menos complejos, de machine learning o deep learning, con mayor o menor nivel de aprendizaje, es mucho más prometedor que realizador.
Otras innovaciones de este siglo fueron muy esperanzadoras como la descripción completa del genoma, pero no se logra interpretar todo los que nos quiere decir, se abrió la caja de Pandora, pero todavía no sabemos que quedó dentro.
Esta perspectiva de la inteligencia artificial transita la investigación para describir importantes alternativas en los tratamientos, el campo del diagnóstico, de la investigación de los fármacos y clínica, de la cirugía, de los quirófanos, de las imágenes, de la histopatología, de las imágenes de la piel y de la retina, de los diagnósticos diferenciales, de la capacidad del pensamiento médico y disminución de los errores o eventos adversos prevenibles.
Poco es lo que se normalizan los datos en la salud, se almacenan en historias clínicas electrónicas, se analizan estos resultados y se buscan las relaciones inteligentes. Existen justificativos para que eso ocurra. Perohay que abandonar ese laberinto de confusión en la cual estamos. Puesto que la inteligencia artificial no es la solución a todos los problemas.
La recopilación y revisión de la información disponible añade otro obstáculo que HIT necesita sortear con éxito. Irónicamente, la escasez y el exceso de información pueden coincidir incluso en el registro de un solo paciente.Los médicos escriben rutinariamente evaluaciones, resúmenes de casos e informes de pruebas y recopilan datos de laboratorio, pero los hallazgos individuales a menudo son significativos solo en el contexto relevante, ya sea en retrospectiva, al estimar el progreso, o en relación con otras condiciones concurrentes al considerar la gravedad. Sin embargo, esta información puede almacenarse en múltiples sistemas de registros médicos electrónicos (EHR) o en sistemas auxiliares que pueden o no ser funcionalmente interoperables. Es posible que los pacientes tratados en diferentes lugares que reciben atención y servicios especializados solo tengan partes de sus datos históricos registrados en un sistema de EHR, y es posible que el médico revisor no esté al tanto de los eventos críticos descritos en fuentes inconexas (Weber et al. 2017).Incluso la información que se puede encontrar en un solo sistema puede no ser fácilmente accesible para una revisión contextual adecuada.
Estamos frente a una era de la información, la salud es una gran generadora de datos y de conocimientos.
En la salud se invierte alrededor del 10% del PBI mundial. Pero lo que más crece es la cuenta de medicamentos. Los medicamentos en 2024, en argentina aumentaron la facturación aunque se disminuyó la venta en mostrador, la industria farmacéutica en Argentina registró una facturación total de $7,48 billones de pesos, con un aumento del 254.9% en comparación con 2023. A nivel mundial, la facturación de medicamentos es mucho mayor, con ingresos globales que superaron los 1.5 billones de dólares en 2023, principalmente impulsados por Norteamérica. En el 2020 estaba en 1.1 billones de dolares.
La atención de los pacientes esta envuelta y comprometida por la disposición de medios al alcance de los profesionales y los pacientes, y de la falta de conocimientos confiables e independientes esto es lo que potencialmente podría mejorar la inteligencia artificial.
Por la naturalización que la salud debe ser una conquista individual de ascenso social como la educación, y que por ello debe ser privada, carece de transparencia entre quien la financia y la produce, se esta ajustando mediante el aumento del gasto de bolsillo.
La inteligencia artificial en la gestión sanitaria se refiere a la aplicación de algoritmos de automatización, análisis de datos y aprendizaje automático para mejorar el diagnóstico médico,la planificación del tratamiento y la prestación general de asistencia sanitaria. Ahora podría ser una herramienta vital para mejorar la productividad y los resultados de los pacientes debido a las crecientes demandas de atención médica y un enfoque cada vez mayor en la medicina de precisión. (Topol, 2019). El análisis predictivo, los tratamientos individualizados y la detección temprana de enfermedades son posibles gracias a la incorporación de la IA en la gestión de la salud. Las aplicaciones son numerosas y revolucionarias, y van desde sofisticados modelos de aprendizaje automático que pronostican brotes de enfermedades hasta chatbots impulsados por IA que ayudan a los pacientes.
Tener información y datos para ganar una posición de mercado mayor, es importante para estas empresas. Será un gran negocio tener datos de salud y comercializarlos, para que los nuevos desarrollos sepan cual es el tamaño del mercado. Asimismo, el envejecimiento de la población, la epidemia de las enfermedades crónicas, el aumento de los costos de tratamiento, la tecnología es costosa y en muchos casos, se trabaja en la parte plana de la curva, o sea que el aumento del gasto no se correlaciona con la mejora de los resultados. La fragmentación de la atención en la medicina, la prescripción inadecuada, la medicina defensiva, la judicialización, generan inflación del gasto en salud con respecto al PBI.
La experiencia negativa y frustrante a la cual nos enfrentamos cuando se quieren tomar decisiones en función de algunos indicadores o métricas de mala calidad, o bien buscar relaciones causales, y con ello descifrar y planificar las características que debe tener la oferta de servicios adecuados a la producción y la atención de los pacientes, las dificultades y complejidades de evitar la atención fragmentada y episódica, que no es solo por si el paciente tiene cobertura o no, si tiene prepaga u obra social, si tiene atención gestionada o no programada, la falta de vocaciones, profesionalismo, agotamiento, multiempleo y paga miserable, constituyen un combo nefasto para impulsar un proceso de cambio profundo.
Por otra parte, Cuando hay información además no es compartida y no es fácil disponer de ella. Uno entra en una «interpretación de sombras chinescas». Los precios «sombra», los intercambios «extracontractuales» los intereses, el desconocimiento de la efectividad clínica real, la ciencia coaptada, el desierto que recorre la evidencia científica hasta llegar a la práctica, que tarda diecisiete años en difundirse, el uso irracional de medicamentos, la polifarmacia, el uso indiscriminado de antibióticos y de benzodiacepinas.
Las carencias más elementales que viven los sistemas de salud de nuestro país, la falta de controles, no ir a buscar las necesidades de las personas, realizar un modelo de práctica episódica.
Y entonces hablamos de inteligencia artificial, de los prompts, de los ChaptGPT, de las alucinaciones de sus respuestas, de «que va a reemplazar a los médicos» de la búsqueda dedicada que nos acompaña y nos enseña, mientras seguimos con la tracción a sangre de los papeles, de los estudios diagnóstico que no impactan en ningún HIS y por supuesto el alma de los que todavía y pese a todo tienen vocación y esperanza.
Lo digo desde el apasionamiento por estar explorando esta nueva era del conocimiento, que me encuentra al final de la existencia, este pasaje, en esta dimensión, pero igualmente con esfuerzo trataré de alfabetizarme y difundir esta alternativa para ser mejores y cometer menos errores, superar al ojo y la inteligencia humana con esa ayuda que nos permite ver imágenes y hacer mejores diagnósticos, evitar falsos negativos y poder actuar antes, llegar a una mayor población, donde no pueden llegar los servicios. Construyendo más equidad.
La creciente dependencia de la toma de decisiones basada en datos y los sistemas inteligentes ha hecho que la IA no sea solo una herramienta de apoyo, sino un componente fundamental para avanzar en la eficiencia, la accesibilidad y la calidad de la atención sanitaria.
A medida que evoluciona el panorama de la atención médica, es esencial comprender cómo las tecnologías de IA como los chatbots, los asistentes virtuales, la computación cognitiva y la cadena de bloques están redefiniendo las prácticas tradicionales y permitiendo nuevos modelos de atención.
Los profesionales de la salud, los responsables políticos y los tecnólogos son partes interesadas en esta transformación. Su compromiso colectivo en la adopción y la gestión responsable de la IA determinará el éxito de la integración de estas herramientas en nuestros sistemas sanitarios. La intersección de la tecnología y el cuidado debe navegarse con innovación y compasión.
Convirtiendo a muchos médicos que no se han podido actualizar en mejores médicos, en diagnosticar apropiadamente una retinopatía, un melanoma, un cáncer de mama, mejorar la histopatología, la aparición de brotes epidémicos, controlar epidemias, pacientes a distancia, de evitar errores quirúrgicos, de hacer más segura la cirugía, de predecir el Alzheimer, de poder identificar células neoplásicas circulantes, de acelerar las investigaciones científicas y acortar la investigación básica, una manejo apropiado de los quirófanos y las camas, elegir los mejores tratamientos para Ca de Próstata, de Recto, reunir información apropiada más rápidamente, tener un asistente que no se cansa, que ayuda a pensar, que está ansioso por nuestras preguntas, que a veces se equivoca, es cierto, y algunas conclusiones no se relacionen con la verdad del paciente, pero este es un camino que no tiene límites en cuanto a su profundidad, por ello con la inteligencia artificial nos estamos introduciendo en la medicina profunda, la que no vemos visualizando la parte del iceberg que sobresale en la superficie, pero tenemos que ir por la profundidad del conocimiento de lo desconocido, la inteligencia artificial está para hacernos más seguros y efectivos.
La importancia de los profesionales, de los equipos de salud, de la relación médico paciente, de escuchar a los pacientes, el criterio clínico, la experiencia de ver casos, de estudiar, de indagar, de trabajar con personas apasionadas y comprometidas, que tengan un propósito parecido no se perderá, será aún más importante. Se tendrá menos incertidumbre, se encontrarán más respuestas, pero se nos crearán más preguntas. Ser cuidadosos desde donde tomamos los datos, y entender que si usamos la inteligencia artificial no estamos delegando responsabilidad, esa nos pertenece, esta afincada en la deontología, sumamos un nuevo integrante al equipo, la inteligencia artificial, y la obligación de estudiar cada día más porque el conocimiento se reproduce a una velocidad que nos exige cada momento más.
Abandonar el reporte del amateurismo y el hablemos sin saber, luego que pase esta corriente de la opinonología, de los que nada saben de lo mucho que hablan, y hablan porque no les cobran las palabras, y discurren sobre los caminos comunes y no sobre las verdaderas perspectivas. La desconfianza, y la búsqueda de referencias de lo que hay en lo convolucional es fundamental, pero no por ello no discurrir por esas exploraciones que nos llevarán a poder hacer mejor nuestra profesión, su ejercicio, su servicio y poder ayudar a mayor cantidad de personas, de comunidades para que estén más saludables.
Los trabajos que se publican tienen diseños metodológicos inconsistentes. Al analizar la literatura reciente y las regulaciones internacionales, se identifican lagunas relevantes en la práctica actual y destaca la urgencia de establecer lineamientos claros y metodologías robustas para garantizar la confiabilidad y aplicabilidad de estos modelos. La discusión se centra tanto en los desafíos metodológicos como en las implicaciones éticas y clínicas, promoviendo un enfoque colaborativo que integre la perspectiva estadística, la experiencia clínica y la voz de las personas usuarias y pacientes. La mayoría de los estudios de IA no proporcionan una justificación para los tamaños de muestra elegidos y, con frecuencia, se basan en conjuntos de datos que son inadecuados para entrenar o evaluar un modelo de predicción clínica.
La proliferación de la IA también plantea preocupaciones en torno a la rendición de cuentas, ya que actualmente no está claro si los desarrolladores, reguladores, vendedores o proveedores de atención médica deben rendir cuentas si un modelo comete errores incluso después de haber sido validado clínicamente a fondo.
La inteligencia artificial en argentina esta en estado embrionario, porque los sistemas de salud tienen datos no digitalizados, muchos de los que tienen digitalizadas sus bases, cuando se indagan en ellas, recogemos mucha basura dentro de los sistemas y cuando los empresas quieren trabajar en ellos generan basura, no es posible aplicarla el corto plazo, ya que deben normalizarse muchos aspectos que anteceden en el ecosistema de salud, y que incluyen la interoperabilidad de los HIS, RIS, LIS Y LA HCE, depurarlos, normalizarlos, extraerlos limpios, hacer la minería de los datos y las ciencia sobre los mismos, para comenzar a trabajar con firmeza en los distintos campos, teniendo una etapa de crecimientos no uniformes, ni armónicos, con mayor o menor nivel de inversión. Es natural, que habiendo vivido en este país me preocupe por el uso ético de los datos, y que los malos actores interesados puedan aprovecharse del conjunto de datos médicos, que contengan gran cantidad de información confidencial sobre pacientes reales. El aspecto legislativo, el marco normativo no está definido. Las responsabilidades con su desarrollo, quién evaluará su alcance y posibilidades a todos los desarrollos que se están gestando. Que están corriendo una carrera para obtener clientes que puedan acelerar los desarrollos. No hay suficiente inversión y las instituciones están apremiadas por otras urgencias de subsistencia.
Debiéramos buscar un futuro donde la IA Actúe como un colaborador, un aliado, un asistente, un multiplicador y un transformador confiable. El trabajo futuro debe centrarse en la creación de un ecosistema que permita la integración de datos clínicos, el flujo de información clínica y el aprovechamiento del poder de la IA. Además, debe prever procesos que aceleren la atención médica basada en datos. Una perspectiva clínica/paciente es fundamental, más que una simple perspectiva de TI, para optimizar el flujo de trabajo clínico futuro.La atención al paciente puede avanzar en gran medida mediante el aprovechamiento cuidadoso de nuevas y poderosas formas de HIT en un entorno colaborativo donde la compenetración humana, la ética y el razonamiento complejo seguirán siendo el dominio exclusivo de los profesionales de la salud (Jennings et al. 2021)
Harsha Nori* , Mayank Daswani* , Christopher Kelly* , Scott Lundberg* , Marco Tulio Ribeiro* , Marc Wilson* , Xiaoxuan Liu, Viknesh Sounderajah, Jonathan Carlson, Matthew P Lungren, Bay Gross, Peter Hames, Mustafa Suleyman, Dominic King, Eric Horvitz Microsoft AI 30 de junio de 2025
El estudio aborda el diagnóstico secuencial, un proceso clave en la práctica médica en el que los médicos refinan hipótesis diagnósticas a través de iteraciones de preguntas y pruebas. Para evaluar este tipo de razonamiento clínico en modelos de lenguaje, los investigadores presentan el Sequential Diagnosis Benchmark (SDBench), un marco interactivo que utiliza 304 casos del New England Journal of Medicine (NEJM-CPC) transformados en encuentros clínicos escalonados. Este marco permite que un médico o IA solicite información adicional iterativamente a un modelo de guardián que revela hallazgos solo cuando son consultados, evaluando tanto la precisión del diagnóstico como los costos asociados.
Además, se introduce el MAI Diagnostic Orchestrator (MAI-DxO), un sistema diseñado para simular un panel de médicos y optimizar los diagnósticos mediante estrategias específicas como la selección de pruebas de alto valor y bajo costo. Este sistema, combinado con modelos avanzados como OpenAI o3,alcanza una precisión diagnóstica del 85,5%, superando tanto a médicos humanos como a otros modelos comerciales en términos de precisión y rentabilidad. En general, MAI-DxO logra reducir costos diagnósticos en un 20% en comparación con médicos y hasta un 70% en comparación con modelos estándar, demostrando el potencial de los sistemas de IA orquestados para mejorar tanto la precisión como la eficiencia en el ámbito clínico.
El equipo de IA de Microsoft comparte una investigación que demuestra cómo la IA puede investigar y resolver de forma secuencial los desafíos de diagnóstico más complejos de la medicina: casos que los médicos expertos tienen dificultades para responder.
Comparando con los registros de casos reales publicados semanalmente en el New England Journal of Medicine, demostramos que Microsoft AI Diagnostic Orchestrator (MAI-DxO) diagnostica correctamente hasta el 85 % de los casos del NEJM, una tasa cuatro veces superior a la de un grupo de médicos con experiencia. MAI-DxO también permite obtener el diagnóstico correcto de forma más rentable que los médicos.
Este trabajo es muy interesante puesto que un actor principal de la revolución de la era de la información se incorpora al health care 4.0 en un modelo de inteligencia artificial dedicado a la ayuda diagnóstica, para casos tan complejos como los del New England Journal of Medicine. Esto es lo que motiva su posteo y abre la participación en competencia de Microsoft.
Resumen
La inteligencia artificial es muy prometedora para ampliar el acceso al conocimiento y el razonamiento médicos expertos. Sin embargo, la mayoría de las evaluaciones de los modelos lingüísticos se basan en viñetas estáticas y preguntas de opción múltiple que no reflejan la complejidad y los matices de la medicina basada en la evidencia en entornos del mundo real. En la práctica clínica, los médicos formulan y revisan iterativamente las hipótesis diagnósticas, adaptando cada pregunta y prueba subsiguiente a lo que acaban de aprender, y sopesan la evolución de la evidencia antes de comprometerse con un diagnóstico final. Para emular este proceso de diagnóstico iterativo, presentamos el Sequential Diagnosis Benchmark, que transforma 304 casos de la conferencia clinicopatológica del New England Journal of Medicine (NEJM-CPC) en encuentros de diagnóstico escalonados. Un médico o IA comienza con un breve resumen de caso y debe solicitar iterativamente detalles adicionales de un modelo de guardián que revela los hallazgos solo cuando se consulta explícitamente. El rendimiento se evalúa no solo por la precisión del diagnóstico, sino también por el costo de las visitas al médico y las pruebas realizadas. Para complementar el punto de referencia, presentamos el MAI Diagnostic Orchestrator (MAIDxO), un orquestador independiente del modelo que simula un panel de médicos, propone diagnósticos diferenciales probables y selecciona estratégicamente pruebas rentables y de alto valor. Cuando se combina con el modelo o3 de OpenAI, MAI-DxO logra una precisión diagnóstica del 80%, cuatro veces superior a la media del 20% de los médicos generalistas. MAI-DxO también reduce los costos de diagnóstico en un 20% en comparación con los médicos, y en un 70% en comparación con el o3 comercial. Cuando se configura para obtener la máxima precisión, MAI-DxO logra una precisión del 85,5%. Estas ganancias de rendimiento con MAI-DxO se generalizan en modelos de las familias OpenAI, Gemini, Claude, Grok, DeepSeek y Llama.
Destacamos cómo los sistemas de IA, cuando se les guía para pensar de forma iterativa y actuar con juicio, pueden mejorar tanto la precisión del diagnóstico como la rentabilidad de la atención clínica.
Introducción
El diagnóstico secuencial es una piedra angular del razonamiento clínico, en el que los médicos refinan sus hipótesis diagnósticas paso a paso a través de preguntas y pruebas iterativas.
La Figura 1 ilustra cómo un diagnosticador podría abordar un caso dada la información inicial limitada, planteando preguntas amplias y luego cada vez más específicas para reducir la diferencia a una probable neoplasia maligna, seguidas de imágenes, biopsias y estudios de especialistas para llegar a un diagnóstico final. La resolución de estos casos exige un conjunto complementario de habilidades: identificar las próximas preguntas o pruebas más informativas, equilibrar el rendimiento diagnóstico marginal con el costo y la carga del paciente, y reconocer cuándo la evidencia es suficiente para hacer un diagnóstico confiable. Los modelos lingüísticos (LM) han demostrado una impresionante capacidad diagnóstica, con estudios recientes que muestran un rendimiento de primer nivel en los exámenes de licencia médica y viñetas diagnósticas altamente estructuradas (Cabral et al., 2024; Goh et al., 2024; McDuff et al., 2025; Nori et al., 2023a,b, 2024). Sin embargo, estas evaluaciones se realizan en condiciones artificiales que difieren notablemente de la práctica clínica del mundo real. La mayoría de las evaluaciones diagnósticas presentan modelos con viñetas cuidadosamente empaquetadas que agrupan la queja principal, la historia de la enfermedad actual, los hallazgos clave del examen físico y los resultados de las pruebas, y luego le piden al modelo que seleccione un diagnóstico de un conjunto de respuestas predefinidas. Al reducir el ciclo de diagnóstico secuencial a un cuestionario de opción múltiple de un solo turno, los puntos de referencia estáticos corren el riesgo de exagerar la competencia del modelo y ocultar las posibles debilidades, incluido el cierre prematuro del diagnóstico, el orden indiscriminado de las pruebas y el anclaje en hipótesis tempranas. Presentamos el Sequential Diagnosis Benchmark (SDBench), un marco interactivo para evaluar agentes de diagnóstico (humanos o IA) a través de encuentros clínicos secuenciales realistas. SDBench transforma 304 casos de conferencias clinicopatológicas (CPC) del New England Journal of Medicine (NEJM) en encuentros de diagnóstico escalonados en los que un agente de diagnóstico decide qué preguntas hacer, qué pruebas solicitar y cuándo comprometerse con un diagnóstico final. La información es revelada por un Guardián de la información, un modelo de lenguaje que sirve como un oráculo para el caso del paciente.
El Gatekeeper divulga hallazgos clínicos específicos solo cuando se consulta explícitamente, y puede sintetizar información adicional consistente con el caso para pruebas no descritas en la narrativa original del CPC.
Una vez que se presenta un diagnóstico final, evaluamos su exactitud en comparación con el diagnóstico real y calculamos el costo acumulado estimado en el mundo real de todas las pruebas diagnósticas solicitadas. Al medir tanto la precisión diagnóstica como el costo, SDBench se alinea con los objetivos del Triple Objetivo (Berwick et al., 2008), que busca brindar atención de alta calidad a un costo sostenible. Una cohorte de médicos de EE. UU. y el Reino Unido con una mediana de 12 años de experiencia logró una precisión del 20% a un costo promedio de $ 2,963 por caso en SDBench, lo que subraya la dificultad inherente del punto de referencia.Los modelos comerciales listos para usar mostraron diversas compensaciones: GPT-4o logró una precisión del 49,3% a un costo menor (2.745 dólares por caja), mientras que o3 alcanzó una precisión del 78,6% a un costo sustancialmente mayor (7.850 dólares por caja). Además, presentamos MAI Diagnostic Orchestrator (MAI-DxO), un sistema orquestado diseñado conjuntamente con médicos que supera sistemáticamente tanto a los médicos humanos como a los modelos de lenguaje comerciales a lo largo de la frontera de Pareto de coste-precisión.
En comparación con los LM estándar, MAI-DxO mejora la precisión del diagnóstico al tiempo que reduce los costos médicos estimados en más de la mitad, lo que demuestra el poder de una orquestación cuidadosa incluso sobre modelos de última generación.
Por ejemplo, mientras que el modelo o3 estándar logró una precisión del 78,6% a un costo de 7.850 dólares, MAI-DxO logró un 79,9% a sólo 2.397 dólares, o un 85,5% a 7.184 dólares (Sección 4). Estos beneficios se derivan de un conjunto de estrategias inspiradas en los médicos: la simulación de un panel virtual de médicos con roles distintos, la estimación de los costos marginales entre las rondas de diagnóstico y el empleo de métodos de ensamblaje de modelos en las respuestas del modelo.
Fundamentalmente, estas técnicas son de propósito general: MAI-DxO aumentó la precisión de los modelos listos para usar de una variedad de proveedores en un promedio de 11 puntos porcentuales. En resumen, nuestras contribuciones acercan el diagnóstico basado en IA a la utilidad clínica en dos frentes clave. En primer lugar, SDBench trasciende los puntos de referencia estáticos al alinearse con la naturaleza dinámica e incierta del razonamiento diagnóstico del mundo real 2. Trabajos previos con CPC de NEJM para evaluar el razonamiento diagnóstico (Brodeur et al., 2024; McDuff et al., 2025) presentaron el caso completo por adelantado y pidieron los k diagnósticos principales, asumiendo implícitamente la información perfecta. Por el contrario, SDBench desafía a los agentes de diagnóstico a decidir qué preguntas o pruebas solicitar, en qué orden y cuándo comprometerse con un diagnóstico final, todo ello bajo restricciones de costos. Esto nos permite evaluar no solo la precisión diagnóstica, sino también la capacidad de un agente para buscar la evidencia más informativa de una manera consciente de los costos y reconocer cuándo se justifica la certeza diagnóstica. En segundo lugar, MAI-DxO muestra lo que ya se puede lograr con una orquestación reflexiva de los mejores modelos listos para usar de la actualidad, superando a los médicos experimentados en 4 veces en precisión y reduciendo los costos. Juntos, SDBench y MAI-DxO establecen una base empírica para avanzar en el diagnóstico asistido por IA bajo restricciones realistas. 2 Punto de referencia de diagnóstico secuencial Con el fin de construir el Punto de referencia de diagnóstico secuencial (SDBench), tomamos casos de la serie Case Challenge del New England Journal of Medicine (NEJM). El conjunto de datos abarca una amplia gama de presentaciones clínicas, con diagnósticos finales que van desde afecciones comunes (por ejemplo, «neumonía por Covid-19») hasta trastornos raros (por ejemplo, «hipoglucemia neonatal debido a un teratoma biológicamente activo»). Se recogieron 304 casos consecutivos publicados entre 2017 y 2025, convirtiendo cada uno de ellos en una simulación interactiva de razonamiento diagnóstico secuencial. Cada encuentro comienza con un breve resumen del paciente y su queja principal, por ejemplo: «Una mujer de 29 años fue ingresada en el hospital debido a dolor de garganta e hinchazón y sangrado periamigdalino. Los síntomas no disminuyeron con la terapia antimicrobiana» (Figura 1). A partir de ese punto de partida, un agente de diagnóstico (o médico humano) puede tomar una de las siguientes acciones:
1. Hacer preguntas: preguntas de texto libre para la historia o los detalles del examen («¿Ha viajado recientemente?»). Se permiten varias preguntas.
2. Solicitar pruebas diagnósticas: órdenes explícitas de laboratorios, imágenes o procedimientos («Solicitar una tomografía computarizada de tórax con contraste»).
3. Diagnóstico: un compromiso único con un diagnóstico final («El diagnóstico es histoplasmosis»). El agente Gatekeeper (descrito en detalle a continuación) interpreta cada solicitud, consulta el expediente completo del caso y responde en un lenguaje sencillo, ya sea proporcionando la información solicitada o emitiendo un rechazo si la consulta es demasiado vaga o inespecífica. Cuando el agente de diagnóstico elige la acción de «diagnóstico», el juez evalúa la exactitud del diagnóstico propuesto y un estimador de costos calcula el gasto total de todas las pruebas solicitadas. El agente de diagnóstico se evalúa a lo largo de dos ejes: la precisión del diagnóstico y el costo acumulado de las pruebas.
Portero. Implementamos el Gatekeeper utilizando un modelo de lenguaje (o4-mini) con acceso al archivo completo del caso NEJM CPC, incluido el diagnóstico final. Guiado por las reglas ideadas por el médico, el Guardián revela solo la información que un médico del mundo real podría obtener legítimamente de una consulta o prueba determinada, como resultados de pruebas específicas, historial sucinto del paciente o hallazgos de exámenes físicos. Se niega explícitamente a proporcionar impresiones diagnósticas, interpretar los resultados de las pruebas u ofrecer pistas que no estarían disponibles en un encuentro clínico genuino. Las imágenes se retienen hasta que se ordenen explícitamente; los hallazgos patognomónicos se divulgan solo cuando se solicita la prueba confirmatoria exacta; y las solicitudes vagas o demasiado amplias desencadenan rechazos educados. Las preguntas directas sobre la historia clínica o el examen del paciente devuelven respuestas en lenguaje clínico, lo que refleja fielmente la tarea de extracción de información a la que se enfrentan los médicos al revisar una historia clínica. En la figura 1 se muestran ejemplos de solicitudes y respuestas. A través de este enfoque, el Guardián elimina los spoilers y el sesgo retrospectivo comúnmente incrustado en los artículos de casos educativos. En los primeros estudios piloto con médicos y LM, observamos que una fracción significativa de la información solicitaba detalles específicos del paciente o resultados de pruebas que no estaban presentes en los casos publicados originalmente. Nuestra estrategia inicial de responder «No disponible» tuvo efectos secundarios no deseados: señaló implícitamente qué consultas estaban fuera de camino y desalentó vías alternativas válidas de razonamiento clínico. Para solucionar este problema, cambiamos el Gatekeeper para que devolviera resultados sintéticos realistas para las consultas que no se trataban en el texto original. Estos hallazgos son numérica o descriptivamente consistentes con el resto del caso, sin ninguna indicación de que sean sintéticos. Al devolver lo que probablemente se habría encontrado si se hubiera realizado la prueba, el Gatekeeper preserva el realismo clínico al tiempo que evita pistas implícitas de los datos faltantes. Validamos aún más el comportamiento del Gatekeeper pidiéndole a un panel de médicos que revisaran las respuestas de 508 Gatekeeper, que comprendían salidas reales y sintéticas. Se instruyó a los revisores para que buscaran y categorizaran cualquier respuesta inapropiada, incluidas las pistas que podrían «filtrar» información diagnóstica, los hallazgos de las pruebas no ordenadas, las interpretaciones clínicas más allá de los resultados objetivos de las pruebas y los resultados patognomónicos ofrecidos prematuramente. Los revisores señalaron solo ocho respuestas como potencialmente problemáticas, y no se consideró que ninguna hubiera filtrado el diagnóstico después de la adjudicación del grupo. Juzgar los diagnósticos en función de la verdad fundamental. Dos médicos pueden describir razonablemente la misma afección utilizando una terminología diferente, por ejemplo, «endocarditis bacteriana» frente a «endocarditis infecciosa debida a Staphylococcus aureus», pero llegar a decisiones de tratamiento idénticas. Para tener en cuenta dicha variabilidad, introdujimos un agente Judge para evaluar los diagnósticos basados en la sustancia clínica en lugar de en las descripciones de la forma superficial. El Judge se implementó utilizando el modelo o3 con una rúbrica detallada escrita por médicos (Tabla 1) diseñada para reflejar el consenso clínico, similar en espíritu a Arora et al. (2025). La rúbrica evalúa las dimensiones clave de la calidad diagnóstica, incluida la entidad central de la enfermedad, la etiología, el sitio anatómico, la especificidad y la integridad general, con un énfasis particular en si el diagnóstico candidato alteraría significativamente el manejo clínico. Para garantizar la comprensión contextual, el juez tuvo pleno acceso a cada expediente del caso durante la adjudicación.
Establecimos un punto de corte de ≥ 4 en una escala Likert de cinco puntos para que contara como un diagnóstico «correcto», basándonos en el fundamento clínico de que el tratamiento clínico se mantendría prácticamente sin cambios por encima de este umbral.
Para validar el Juez, los médicos internos calificaron de forma independiente los 56 diagnósticos del conjunto de pruebas producidos por nuestro Agente de Diagnóstico más preciso (consulte la siguiente sección), así como 56 diagnósticos generados por humanos seleccionados al azar (uno para cada caso). Después de binarizar las puntuaciones del médico y del juez, encontramos que la concordancia entre evaluadores era fuerte: κ de Cohen = 0,70 para el conjunto MAI-Dx y κ = 0,87 para el conjunto humano.
En cuatro de los cinco casos (totales) de desacuerdo, los médicos juzgaron que el juez automatizado era demasiado estricto, marcando los diagnósticos correctos como incorrectos.
Estimación de costos.El uso del costo monetario como una métrica de evaluación secundaria ayuda a disuadir comportamientos diagnósticos poco realistas, como el pedido indiscriminado de imágenes o biopsias. En la práctica clínica diaria, el rendimiento diagnóstico potencial de cada investigación debe sopesarse con restricciones prácticas como los costos monetarios, la invasividad, el tiempo para obtener resultados y las limitaciones del seguro. Dado que el costo monetario a menudo refleja estas limitaciones del mundo real, sirve como un indicador útil de estos factores multifacéticos.
Tratamos las preguntas secuenciales de cara al paciente y los hallazgos del examen físico como parte de una visita médica estándar, asignando un costo fijo de $300 por visita.
Los costos de las pruebas diagnósticas se determinaron utilizando un sistema de búsqueda basado en modelos de lenguaje diseñado para traducir las solicitudes de pruebas diagnósticas, proporcionadas en formato de texto libre, a códigos estandarizados de terminología procesal actual (CPT). Para investigaciones diagnósticas más complejas, el sistema pudo asignar múltiples códigos CPT. Luego, estos códigos CPT se compararon con los datos de costos correspondientes derivados de una tabla de precios de 2023 publicada por un gran sistema de salud de EE. UU., obtenida bajo la regla de transparencia de precios del CMS HHS (45 CFR §180). Nuestro sistema fue capaz de hacer coincidir las pruebas solicitadas con los códigos CPT relevantes más del 98% de las veces; en el resto de los casos extremos, se utilizó 6 Score Label Definition / Anchor 5 Perfect / Clinically superior Clinically identical to the reference o una versión estrictamente más específica. Cualquier detalle añadido debe estar directamente relacionado (complicación, infiltración de órganos, secuelas). No hay adiciones no relacionadas o incorrectas.
4 mayormente correcta (incompletitud menor) Enfermedad central identificada correctamente, pero falta un calificador o componente secundario o está ligeramente mal especificado. La gestión general se mantendría prácticamente sin cambios.
3 parcialmente correcto (error mayor) Categoría general de enfermedad correcta, pero un error importante en la etiología, el sitio o la especificidad crítica o la inclusión de un diagnóstico no relacionado junto con uno correcto. Alteraría el estudio o el pronóstico.
2 mayoritariamente incorrecto Comparte solo rasgos superficiales (p. ej., manifestación sin etiología, enfermedad diferente en la misma categoría). Fundamentalmente desvía el estudio clínico o contradice parcialmente los detalles del caso.
1 completamente incorrecto No hay superposición significativa; órgano/sistema equivocado; adiciones sin sentido o contradictorias. Es probable que seguir este diagnóstico conduzca a una atención dañina.
Tabla 1: Rúbrica Likert de cinco puntos utilizada por el agente Juez. Cada puntuación se asigna después de comparar el diagnóstico candidato con el diagnóstico de referencia a través de
(1) la entidad de la enfermedad central,
(2) la etiología/causa,
(3) el sitio anatómico,
(4) la especificidad/calificadores y
(5) la integridad.
Los sinónimos médicos aceptados (por ejemplo, «linfoma de Hodgkin» frente a «enfermedad de Hodgkin») se consideran equivalentes. Un modelo de lenguaje para estimar un precio. Aunque las estimaciones de costos resultantes no pretenden ser representaciones exactas de los gastos clínicos reales, ofrecen un enfoque estandarizado y consistente para evaluar comparativamente los costos entre diferentes agentes de diagnóstico y médicos. 3 Configuración experimental Evaluamos tanto a los médicos como a los agentes de diagnóstico en los 304 casos de NEJM Case Challenge en SDBench, que abarcan publicaciones de 2017 a 2025. Los 56 casos más recientes (de 2024 a 2025) se presentaron como un conjunto de pruebas ocultas para evaluar el rendimiento de la generalización. Estos casos permanecieron ocultos durante el desarrollo. Seleccionamos los casos más recientes en parte para evaluar la posible memorización, ya que muchos se publicaron después de las fechas de corte de entrenamiento de los modelos lingüísticos evaluados. Como se describe en la sección 2, cada caso comienza con una breve viñeta clínica (generalmente 2 o 3 oraciones, como en la Figura 3) que resume la queja principal del paciente. A partir de este punto de partida, los agentes de diagnóstico interactúan con el Gatekeeper en una secuencia de turnos hasta que llegan a un diagnóstico. En cada turno, el agente puede: (i) preguntar sobre el historial del paciente o los hallazgos del examen físico, (ii) ordenar una prueba diagnóstica o (iii) comprometerse con un diagnóstico final.
El protocolo de evaluación refleja las limitaciones clínicas reales: los agentes deben especificar las pruebas explícitamente (por ejemplo, «CBC» en lugar de «análisis de sangre») e incurrir en costos acumulativos por cada prueba solicitada. Como se señaló anteriormente, el Gatekeeper sintetizó resultados plausibles cuando las pruebas solicitadas no se mencionaron en el caso original para evitar la fuga de información y mantener el realismo clínico. Nuestra métrica principal fue la precisión diagnóstica, definida como el porcentaje de casos que recibieron una puntuación de ≥ 4 en la rúbrica de precisión clínica de 5 puntos, correspondiente a los diagnósticos que conducirían a un tratamiento adecuado. Utilizamos el costo como métrica secundaria, calculado como el costo (en USD) de todas las pruebas diagnósticas solicitadas antes de llegar a un diagnóstico, más un costo fijo por visita al médico ($300). Múltiples preguntas secuenciales constituyeron una visita al médico, que concluyó con una solicitud de prueba diagnóstica. 3.1 Modelos listos para usar También evaluamos un conjunto completo de modelos de lenguaje de última generación que abarcan múltiples familias y tamaños de modelos, de una variedad de proveedores de modelos. Los modelos de Foundation probados incluyen: GPT-3.5-turbo, GPT-4o, GPT-4.1, GPT-4.1-mini, GPT-4.1-nano, o3, o4-mini, Claude 4 Sonnet, Claude 4 Opus, Gemini 2.5 Pro, Gemini 2.5 Flash, Grok-3, Grok-3-mini, Llama 4 Maverick y Deepseek-R1. Para las evaluaciones de referencia, empleamos un aviso mínimo diseñado para probar las capacidades de diagnóstico «listas para usar». El mensaje de referencia (Figura 4) indicó a los modelos que usaran etiquetas XML simples para solicitar pruebas () y hacer preguntas (), con una etiqueta final para enviar su respuesta. Este formato sencillo proporcionó una base para una comparación justa entre las familias de modelos.
Con el aporte de los médicos, desarrollamos un sistema que emula un panel virtual de médicos que trabajan en colaboración para resolver casos de diagnóstico (MAI-DxO). Como se muestra en la Figura 5, un único modelo de lenguaje interpreta cinco roles médicos distintos, cada uno de los cuales aporta experiencia especializada al proceso de diagnóstico. Este enfoque orquestado tiene como objetivo replicar los beneficios del razonamiento clínico basado en equipos y, al mismo tiempo, mitigar los sesgos cognitivos individuales y minimizar el costo/invasividad. 10 El panel virtual consta de cinco roles especializados: • Dr. Hipótesis: mantiene un diagnóstico diferencial clasificado por probabilidad con las tres condiciones más probables, actualizando las probabilidades de manera bayesiana después de cada nuevo hallazgo. • Dr. Test-Chooser: selecciona hasta tres pruebas diagnósticas por ronda que discriminan al máximo entre las hipótesis principales • Dr. Challenger: actúa como abogado del diablo al identificar posibles sesgos de anclaje, resaltar la evidencia contradictoria y proponer pruebas que podrían falsificar el diagnóstico principal actual.
• Dr. Stewardship: hace cumplir la atención consciente de los costos al abogar por alternativas más baratas cuando son diagnósticamente equivalentes y vetar las pruebas costosas de bajo rendimiento.
• Lista de verificación del Dr.: realiza un control de calidad silencioso para garantizar que el modelo genere nombres de prueba válidos y mantenga la coherencia interna en todo el razonamiento del panel. Después de una deliberación interna, el panel llega a un consenso sobre una de tres acciones: hacer preguntas, ordenar pruebas o comprometerse con un diagnóstico (si la certeza supera el umbral). Antes de que se ordenen las pruebas, se puede invocar un rastreador de presupuesto opcional para estimar tanto los costos médicos acumulados hasta el momento como el costo de cada prueba en el pedido. Evaluamos cinco variantes de MAI-DxO para explorar diferentes puntos en la frontera de precisión-costo (desde el más consciente del costo hasta el menos importante):
• Respuesta instantánea: diagnóstico basado únicamente en la viñeta inicial (como en la Figura 3), sin preguntas o pruebas de seguimiento.
• Solo pregunta: el panel puede hacer preguntas, pero no puede ordenar pruebas de diagnóstico. El costo es simplemente el costo de una sola visita al médico.
• Presupuestado: el panel se amplía con un sistema de presupuestación que realiza un seguimiento de los costos acumulativos (una llamada al modelo de lenguaje orquestado por separado) hacia un presupuesto máximo y permite que el panel cancele las pruebas después de ver su costo estimado.
• Sin presupuesto: panel completo sin seguimiento explícito de costos ni limitaciones presupuestarias.
• Conjunto: simula varios paneles de médicos trabajando en paralelo, con un panel adicional para proporcionar un diagnóstico final. Esto se implementa como varias ejecuciones independientes sin presupuesto con un paso de agregación final para seleccionar el mejor diagnóstico. Los costos se calculan como la suma de los costos de todas las pruebas ordenadas por cada una de las ejecuciones, teniendo en cuenta los duplicados. MAI-DxO se desarrolló y optimizó principalmente con GPT-4.1, pero está diseñado para ser independiente del modelo. Todas las variantes de MAI-DxO usaban la misma estructura de orquestación subyacente, con capacidades habilitadas o deshabilitadas selectivamente para las variantes.
3.3 Médicos Para evaluar el rendimiento relativo de los agentes de IA y los médicos en ejercicio, desarrollamos una interfaz de usuario de chat de texto sincrónica que permite a un usuario humano asumir el papel del agente de diagnóstico y conversar con el modelo Gatekeeper para hacer preguntas, solicitar pruebas de diagnóstico y, en última instancia, proporcionar un diagnóstico diferencial (Figura 6). Por lo tanto, los médicos humanos participaron en SDBench de la misma manera que un agente de diagnóstico de IA. 11 Figura 6: Interfaz desarrollada para que los médicos intenten casos de SDBench. Para establecer el rendimiento humano, reclutamos a 21 médicos que ejercían en los EE. UU. o el Reino Unido para que actuaran como agentes de diagnóstico. Los participantes tenían una mediana de 12 años [IQR 6-24 años] de experiencia: 17 eran médicos de atención primaria y cuatro eran generalistas hospitalarios. Cada médico recibió la misma viñeta inicial que los agentes de IA e interactuó con una interfaz Gatekeeper idéntica. No se impusieron límites en la duración de las sesiones ni en el número de pruebas solicitadas. Los casos se extrajeron del conjunto de pruebas ocultas y el orden de los casos se aleatorizó para cada participante para mitigar los efectos del ordenamiento. Se instruyó explícitamente a los médicos que no utilizaran recursos externos, incluidos los motores de búsqueda (por ejemplo, Google, Bing), los modelos de lenguaje (por ejemplo, ChatGPT, Gemini, Copilot, etc.) u otras fuentes de información médica en línea. Se les cegó la exactitud de su diagnóstico y se les pidió que completaran tantos como fuera posible durante el período de estudio.
4 resultados En la Figura 7 se presenta el rendimiento de todos los agentes diagnósticos en SDBench. Cada punto representa el rendimiento de un agente de IA, con una precisión diagnóstica trazada en función del coste medio acumulado. Los agentes de IA se evalúan en los 304 casos de NEJM (incluidos los 56 casos de conjuntos de pruebas), mientras que el rendimiento del médico se muestra solo para los 56 casos de conjuntos de pruebas que se mantienen. La Figura 9 muestra las fronteras de Pareto correspondientes calculadas en el conjunto de prueba e indica que los agentes de IA tienden a desempeñarse mejor en este subconjunto en comparación con los 304 casos. 12 Figura 7: Frontera de Pareto que muestra la precisión diagnóstica frente al costo monetario acumulado promedio para cada agente. Los modelos listos para usar se evaluaron utilizando una indicación de referencia uniforme (véase la Figura 4). MAI-DxO, construido sobre el modelo o3, logra el dominio de Pareto tanto sobre los modelos estándar como sobre los médicos en ejercicio. Rendimiento del modelo listo para usar. La frontera de Pareto para los modelos listos para usar osciló entre una precisión modesta (30-50%) con pruebas mínimas y una precisión del 70-79% con pruebas extensas (incurriendo en un costo de $ 4,000-7,900). Si bien algunos modelos dominaron a otros (por ejemplo, Gemini-2.5-Pro tuvo mayor precisión que Claude-4 Sonnet y Opus, a menor costo), hubo una correlación entre la precisión diagnóstica y el costo, especialmente para los modelos de razonamiento. El o3 estándar logró la precisión más alta con un 78,6%, pero también incurrió en el costo más alto de $ 7,850 por caja. Esta correlación indica que la recopilación de información sigue siendo crucial para el diagnóstico, incluso para los sistemas de IA más avanzados, y respalda la importancia de la recopilación de información como una capacidad clave a la hora de evaluar modelos como agentes de diagnóstico. Además, sugiere que los modelos de razonamiento más capaces son más hábiles para evaluar la complejidad de los casos, generar un conjunto más amplio de diagnósticos diferenciales y ordenar más pruebas para confirmar o excluir opciones. Mientras tanto, los modelos más débiles lograron una falsa economía al considerar menos diagnósticos diferenciales posibles, por lo que nunca ordenaron las pruebas que los confirmarían o excluirían. Desempeño del médico. Cada médico completó un promedio de 36 casos, proporcionando un total de 764 diagnósticos humanos sobre los 56 casos en el conjunto de pruebas. En promedio, los médicos dedicaron 11.8 minutos por caso, solicitando 6.6 preguntas y 7.2 pruebas, lo que resultó en un costo promedio de $2,963. Su precisión diagnóstica 13 promedio fue del 19,9%. Al igual que con los modelos lingüísticos, observamos una correlación entre la precisión diagnóstica y el coste incurrido, aunque la varianza para los médicos es mayor. Incluso el médico que se desempeñó con la mayor precisión diagnóstica (41%) fue superado por GPT-4o tanto en precisión como en costo. Observamos una vez más que los casos de NEJM se seleccionan por su dificultad y potencial instruccional, por lo que no es sorprendente que los médicos los encontraran difíciles.
Rendimiento de MAI-Diagnostic Orchestrator. La curva azul de la Figura 7 representa los diferentes modos operativos de MAI-DxO, lo que permite una navegación precisa de la compensación entre precisión y costo. MAI-DxO, establece una nueva frontera de Pareto que supera a los modelos y médicos listos para usar en todos los costos o niveles de precisión. En la Figura 7 utilizamos o3 como modelo para cada configuración de MAI-DxO, ya que los costes de inferencia del modelo (≈0,15 dólares por caso) son insignificantes en comparación con los costes de las pruebas diagnósticas, lo que hace que la optimización informática sea en gran medida irrelevante en el contexto de los costes de diagnóstico clínico. La configuración estándar MAI-DxO (sin presupuesto) demostró una eficacia particular. Cuando se aplicó al O3, logró una precisión del 81,9% (frente al O3 estándar del 78,6%) al tiempo que redujo los costos promedio de las pruebas a $ 4,735 (desde $ 7,850). Esta mejora simultánea en ambas métricas ilustra que el razonamiento estructurado mitiga la disyuntiva entre precisión y costo presente en los modelos y médicos listos para usar. Como se esperaba, la adición de restricciones presupuestarias redujo significativamente los costos, con una pérdida progresivamente mayor de precisión a medida que se reducía el presupuesto. En particular, una configuración alcanza una precisión del 79,9% a un bajo coste de 2.396 dólares. En el otro extremo del espectro, pudimos mejorar la precisión hasta el 85,5% con técnicas de ensamblaje, manteniendo los costes en 7.184 dólares (frente a los 7.850 dólares de o3). Inspeccionamos manualmente una variedad de casos en los que MAI-DxO (sin presupuesto) no estaba de acuerdo con el o3 estándar con el mensaje de referencia. En estos casos, MAI-DxO a menudo buscaba pruebas que lo desconfirmaran y cambiaba su camino diagnóstico (como resultado del seguimiento explícito de la hipótesis del Dr. Hypothesis y el papel adverso del Dr. Challenger), mientras que el o3 estándar parecía anclarse en las impresiones iniciales. Además, la línea de base parecía carecer de una teoría del valor de la información, ordenando pruebas que fueran «razonables» dado el diferencial actual, en lugar de lo que redujera al máximo la incertidumbre diagnóstica por dólar gastado. El Dr. Stewardship de MAI-DxO no rechazó de plano las pruebas costosas, pero obligó al panel a preguntar si se podía obtener la misma información a un costo menor (en particular, haciendo preguntas al paciente). Como ejemplo, un caso particular fue el de un paciente hospitalizado por abstinencia de alcohol que ingirió desinfectante para manos, lo que provocó una intoxicación. El O3 estándar se obsesionó con la toxicidad de los antibióticos, ordenando imágenes costosas (incluidas una resonancia magnética cerebral y un electroencefalograma) y finalmente produjo un diagnóstico incorrecto a un alto costo de $ 3,431.
En contraste, el Dr. Hypothesis señaló la necesidad de considerar las exposiciones a toxinas en el hospital dado el momento en la primera ronda, y el panel preguntó sobre la ingestión de desinfectante para manos antes de ordenar pruebas. Esta pregunta directa provocó la confesión del paciente, lo que llevó a pruebas confirmatorias específicas (panel de alcohol tóxico que mostraba acetona elevada) y un diagnóstico correcto a un costo total de solo $ 795. 14 figura 8: Mejoras de precisión proporcionadas por MAI-DxO (sin restricciones presupuestarias) en diferentes modelos de lenguaje grandes. Los asteriscos indican significación estadística. MAI-DxO ha mejorado todos los modelos disponibles en el mercado. Aunque MAI-DxO se desarrolló principalmente utilizando GPT-4.1, su enfoque de razonamiento estructurado resultó ser notablemente independiente del modelo. La Figura 8 demuestra que MAI-DxO mejora consistentemente la precisión diagnóstica en todos los modelos de base suficientemente capaces, con ganancias particularmente pronunciadas para las líneas de base más débiles, lo que sugiere que el marco ayuda a los modelos más débiles a superar sus limitaciones a través del razonamiento estructurado. Calculamos la significación estadística de todas las ganancias de precisión en la Figura 8 utilizando una prueba de permutación pareada unilateral con 10000 remuestreos.
Las ganancias para MAI-DxO (sin presupuesto) fueron estadísticamente significativas para todos los modelos (p < 0,005), excepto para o3 y o4-mini, que tuvieron reducciones de costos muy significativas con respecto a la línea de base (p < 0,005). También se observaron aumentos significativos de precisión para o3 con MAI-DxO (conjunto) (p < 0,005). Es probable que esta convergencia refleje cómo MAI-DxO compensa diferentes tipos de debilidades del modelo. Para los modelos menos capaces, el mantenimiento explícito de un diagnóstico diferencial y la selección sistemática de pruebas proporcionan un andamiaje para el razonamiento médico con el que luchan por sí mismos. El panel médico virtual evita errores comunes como el cierre prematuro o el paso por alto de enfermedades raras. Para modelos más capaces, MAI-DxO parece imponer una disciplina útil, asegurando diferenciales integrales, reduciendo el sesgo de anclaje y fomentando las pruebas conscientes de los costos. Bajo una indicación simple de línea de base, planteamos la hipótesis de que los modelos pueden basarse en conjuntos de sesgos inductivos introducidos durante el post-entrenamiento para prepararlos para usos generales. La aplicación de MAI-DxO puede ayudar a anular o reorientar estos sesgos inductivos. Curiosamente, descubrimos que las ganancias brutas de precisión diagnóstica fueron más modestas para los modelos de razonamiento de OpenAI, probablemente porque su rendimiento de referencia ya es alto. Sin embargo, MAI-DxO fue capaz de mejorar significativamente su rentabilidad, como se ilustra en el rendimiento de o3 en la Figura 7.
Los resultados fueron sólidos en todas las divisiones de conjuntos de datos. Como se señaló anteriormente, los 56 casos de CPC más recientes, publicados entre 2024 y 2025, se mantuvieron completamente ocultos para el equipo de desarrollo como un «conjunto de prueba», y no se ejecutaron variantes en ellos hasta que se finalizaron las metodologías. La partición de datos de esta manera es una práctica común para medir y evitar el sobreajuste, en la que un sistema no logra generalizar más allá de los datos utilizados durante su entrenamiento o validación. Un rendimiento sólido en un conjunto de pruebas realmente resistente aumenta la confianza en la capacidad del sistema para generalizar. Si bien MAI-DxO no actualiza los pesos del modelo (confiando en cambio en la solicitud y la orquestación), aún es posible que las opciones de diseño del sistema se sobreajusten inadvertidamente a los casos empleados durante su validación. Esta división de prueba de entrenamiento en particular también verifica la memorización potencial. Si bien los casos de NEJM están ocultos detrás de un muro de pago, aún es posible que algunos modelos listos para usar hayan sido entrenados con ellos de alguna manera. Sin embargo, la mayoría de los casos en el conjunto de pruebas ocurrieron después del corte de datos de entrenamiento de los modelos sobre los que informamos. En la Figura 9, informamos de curvas de frontera de Pareto estratificadas del rendimiento del modelo en los conjuntos de validación (248 casos) y prueba (56 casos). El sistema MAI-DxO exhibió un rendimiento absoluto comparable en el equipo de prueba, con las mejoras relativas con respecto a los modelos estándar conservadas tanto en la precisión del diagnóstico como en la rentabilidad. Estos resultados sugieren que las ganancias de rendimiento son sólidas y no están impulsadas por los efectos de la memorización.
5 Discusión
Presentamos SDBench, un punto de referencia que transforma 304 casos de CPC del New England Journal of Medicine en desafíos de diagnóstico interactivos y de múltiples turnos. A diferencia de los puntos de referencia médicos estáticos que presentan toda la información por adelantado, SDBench refleja más de cerca la práctica clínica del mundo real: los diagnosticadores comienzan con información mínima y deben decidir activamente qué preguntas hacer, qué pruebas solicitar y cuándo emitir un diagnóstico final, y cada decisión incurre en costos realistas. A través de una ingeniería cuidadosa, que incluye un Gatekeeper que puede sintetizar resultados plausibles para pruebas no descritas en los casos originales y un Juez clínicamente validado para evaluar la precisión del diagnóstico, introducimos un entorno de evaluación sólido para el razonamiento clínico secuencial. En este marco, presentamos MAI-DxO, un sistema que simula paneles de diferentes personas clínicas para decidir qué preguntas o pruebas solicitar. MAI-DxO mejoró significativamente la precisión diagnóstica más allá de los modelos sólidos listos para usar, al tiempo que redujo los costos acumulativos de las pruebas en SDBench, estableciendo así una nueva frontera de Pareto entre la precisión y el costo médico.
5.1 Explicación del desempeño sobrehumano
Cuando los médicos comienzan sus carreras, se enfrentan a una decisión clave: ¿deben convertirse en generalistas, con amplios conocimientos en muchas áreas médicas, o especialistas, con una profunda experiencia en un campo limitado? Esta división es necesaria porque la medicina es demasiado vasta para que una sola persona la domine en su totalidad. Para gestionar esta complejidad, los sistemas sanitarios se basan en la colaboración: generalistas y especialistas trabajan juntos en clínicas y hospitales, combinando sus diversos y complementarios conocimientos y habilidades de toma de decisiones para proporcionar a los pacientes la atención integral y eficaz que necesitan. Hoy en día, los modelos de lenguaje de IA de frontera están desafiando esta estructura tradicional. Estos sistemas avanzados muestran una versatilidad notable, demostrando tanto una comprensión médica amplia y profunda, como la capacidad polímata para razonar a través de las especialidades. En efecto, combinan el rango del generalista con la profundidad de los especialistas. Como resultado, superan significativamente a los médicos individuales en problemas de diagnóstico complejos, como los que se presentan en los casos de CPC de NEJM. Nuestros hallazgos ponen de manifiesto esta impresionante capacidad. Esperar que un solo médico domine toda la gama de estos casos no es realista. Consideremos, por ejemplo, un caso complejo de cáncer no diagnosticado. La función de un médico de atención primaria es generar hipótesis iniciales y derivar al paciente al especialista en oncología adecuado para un diagnóstico adicional. Luego, el especialista supervisa las pruebas diagnósticas avanzadas para llegar a un diagnóstico concluyente, pasos que el generalista normalmente no lograría.
Esto plantea una pregunta intrigante: al evaluar los sistemas de IA de frontera, ¿deberíamos evaluar los sistemas de IA de frontera comparándolos con médicos individuales o con equipos completos de generalistas y especialistas similares a los de un hospital? La respuesta a esta pregunta ayudará a definir y dar forma al futuro papel de la IA en la atención sanitaria.
5.2 Trabajo relacionado
La resolución de problemas médicos ha sido un campo de estudio de larga data dentro de la comunidad médica. En la literatura médica de IA, el diagnóstico secuencial se formalizó hace varias décadas a través de modelos normativos basados en la probabilidad bayesiana y la teoría de la decisión (Horvitz et al., 1988). Este marco permitió sistemas de diagnóstico secuencial de nivel experto en dominios como la nefrología (Gorry y Barnett, 1968), la patología (Heckerman et al., 1992; Horvitz et al., 1984) y la atención traumatológica (Horvitz y Seiver, 17, 1997). Sin embargo, la adopción generalizada se vio obstaculizada por los desafíos prácticos de la ingeniería de estos sistemas, en particular los cuellos de botella en torno a la necesidad de adquirir datos detallados y seleccionados por expertos sobre las relaciones probabilísticas entre los hallazgos y las enfermedades. El trabajo más reciente se ha desplazado hacia la aplicación de los LM a los problemas de desafío médico, que suelen incluir el razonamiento clínico como parte de un conjunto de evaluaciones más amplio (Bedi et al., 2025a; Brin et al., 2023; Chakraborty et al., 2020; Gilson et al., 2023; Gu et al., 2021; Singhal et al., 2023). Si bien estos estudios demostraron saltos fundamentales en el rendimiento en el momento de su publicación, los puntos de referencia de opción múltiple existentes ahora se han saturado, lo que pone de manifiesto la necesidad de evaluaciones más complejas y realistas, así como de una cuidadosa optimización integral de los agentes en las tareas sanitarias (Bedi et al., 2025b). Con este fin, se han realizado múltiples estudios, en particular la línea de trabajo Articulate Medical Intelligence Explorer (AMIE), que aprovechó el contenido de NEJM como material de origen para desafiar los puntos de referencia. Para las evaluaciones de la capacidad diagnóstica, AMIE también aprovechó los casos de NEJM-CPC; sin embargo, esta línea de trabajo evaluó los modelos en un entorno fijo de estilo «viñeta» en el que la información del caso se resumió en un mensaje compacto y se les pidió a los modelos que hicieran un diagnóstico diferencial de los 10 principales (McDuff et al., 2025). Por el contrario, nuestra diferenciación clave fue transformar la información estática del caso clínico en el desafío de razonamiento probatorio del mundo real caracterizado por el diagnóstico secuencial, que evalúa a los modelos en su capacidad para solicitar información de manera iterativa, a partir de información mínima, de una manera sensible al costo y decidir cuándo se debe hacer un diagnóstico. Cabe destacar que en un artículo paralelo (Tu et al., 2025) también se evaluó la AMIE en dimensiones de calidad conversacional, como la empatía. Si bien estas representan dimensiones críticas de la interacción con médicos y pacientes, elegimos enmarcar la interacción de médicos y agentes con SDBench como una interacción con un «oráculo» sobre el paciente, por lo que nos enfocamos principalmente en medidas de costo y precisión diagnóstica. Observamos que (Li et al., 2024) también pone a prueba los modelos lingüísticos sobre las capacidades de recopilación de información; sin embargo, este trabajo se basa en preguntas mucho más simples, de opción múltiple al estilo USMLE (que tienen unas pocas oraciones; por el contrario, los casos de CPC de NEJM tienen varias páginas). Los autores también se centran exclusivamente en la recopilación de información a través de preguntas de los pacientes; En este trabajo, permitimos la dimensión adicional de solicitar pruebas diagnósticas y medir la rentabilidad. Más recientemente, (Brodeur et al., 2024) utilizaron casos de la Plataforma de Sanadores de NEJM, una plataforma digital diseñada para enseñar y evaluar el razonamiento clínico a través del aprendizaje interactivo basado en casos, además de los casos de NEJM-CPC. En particular, los casos dentro de la plataforma NEJM Healer están diseñados para servir como ayudas educativas para los profesionales de la salud en formación y no plantean el mismo desafío diagnóstico que los casos de NEJM-CPC. Al igual que con McDuff et al. (2025), la información que se presenta de los casos NEJM-CPC se presentó como viñetas fijas a un modelo, que generó un diagnóstico diferencial y la siguiente prueba diagnóstica más adecuada. Del mismo modo, (Schmidgall et al., 2024) aprovecha los NEJM Image Challenges, que son tareas de preguntas y respuestas de imágenes de opción múltiple.
5.3 Limitaciones
Dado que SDBench se construye a partir de casos complejos y pedagógicamente seleccionados de NEJM CPC, la distribución de casos no coincide con la de un escenario de implementación en el mundo real y, de hecho, no hay casos en los que los pacientes estén sanos o tengan síndromes benignos. Por lo tanto, no sabemos si las mejoras en el rendimiento de MAI-DxO en casos difíciles se generalizan a condiciones clínicas comunes y cotidianas, y no pudimos medir las tasas de falsos positivos. Además, un agente de diagnóstico práctico debe incorporar factores de riesgo específicos del paciente y considerar factores adicionales más allá del costo, por ejemplo, la invasividad y el riesgo para los pacientes, la incomodidad del paciente y los tiempos de espera, los retrasos esperados antes de recibir los resultados ante una enfermedad aguda, la disponibilidad de pruebas en la ubicación actual y las limitaciones de autorización y reembolso. 18 Si bien nuestras estimaciones de los costos médicos reflejaron los costos de las pruebas en los Estados Unidos, en realidad los costos varían según la geografía, los sistemas de salud, los pagadores y los proveedores. Además, hay costos más allá de las pruebas en sí, como el tiempo de informe del médico, el mantenimiento del dispositivo, los costos de viaje del paciente para las pruebas, etc. Si bien reconocemos que nuestras estimaciones de costos médicos se ven mejor como aproximaciones de primer orden, son consistentes en todos los agentes y, por lo tanto, ayudan a cuantificar las compensaciones relativas entre la precisión y el uso de recursos. Si bien nuestro informe sobre el desempeño de los médicos es útil para comparar a los humanos con los sistemas de diagnóstico de IA, también pretende ser una aproximación de primer orden. Dada la amplitud de los diagnósticos representados dentro de los CPC de NEJM, optamos por reclutar solo médicos generalistas (médicos de atención primaria y médicos internos), mientras que en realidad estos podrían derivar los casos más complejos a los especialistas. Además, pedimos a los participantes de nuestro estudio que se abstuvieran de utilizar los motores de búsqueda (para evitar que encontraran los casos exactos de NEJM en línea), mientras que en realidad los médicos son libres de utilizar dichas herramientas, incluidas las historias clínicas electrónicas que a menudo contienen pautas de atención, consultar a colegas o libros de texto, o incluso LM listos para usar. Si bien reconocemos estas limitaciones, nuestros resultados indican posibles aumentos de precisión, especialmente cuando se considera a los médicos que trabajan en entornos remotos y de escasos recursos, y también nos dan una imagen de cómo los LM podrían aumentar la experiencia médica para mejorar los resultados de salud incluso en entornos con buenos recursos.
5.4 Implicaciones y trabajo futuro
Nuestros hallazgos demuestran la promesa de los métodos de IA para el diagnóstico secuencial, incluida la capacidad de modelar explícitamente diagnósticos diferenciales de trabajo y razonar sobre el valor informativo y el costo de las pruebas diagnósticas. Si bien estos resultados aún no establecen la eficacia clínica de MAI-DxO en el apoyo a la toma de decisiones en el mundo real, subrayan el creciente potencial de la IA para abordar los desafíos urgentes en la prestación de atención médica. Nuestro diseño de sistema independiente del modelo puede aliviar los riesgos y los desafíos de implementación para los sistemas de salud que buscan adoptar el mejor soporte de diagnóstico basado en modelos de lenguaje en un campo en rápida evolución. Al reducir la dependencia de un solo modelo, evita la necesidad de «perseguir versiones» en cada nueva versión del modelo. En términos de aplicación práctica, el trabajo futuro debería validar MAI-DxO en entornos clínicos cotidianos, donde la prevalencia y las presentaciones de la enfermedad reflejan la práctica rutinaria en lugar de los casos raros y complejos presentados en el corpus CPC del NEJM. Un objetivo inmediato es identificar los entornos en los que MAI-DxO podría abordar las necesidades insatisfechas y ofrecer el mayor valor a los resultados de salud y al beneficio social.
Nuestra hipótesis es que el acceso a capacidades diagnósticas sobrehumanas que requieren una infraestructura mínima de TI para la salud podría mejorar la calidad de la atención a nivel mundial, ayudando a mitigar el costoso impacto de la escasez de personal clínico y la variabilidad en la prestación de atención Mandl (2025); Wennberg y cols.
Especialmente en entornos con recursos limitados, las estrategias costo-efectivas pueden permitir que los sistemas de salud tengan un mayor impacto en vidas por cada dólar gastado, permitiendo que los escasos recursos médicos se reserven para aquellos con las necesidades clínicas más urgentes.
En términos más generales, estos sistemas podrían incluso hacer posibles las herramientas directas al consumidor, como la clasificación basada en teléfonos inteligentes, siempre que se demuestre que se han establecido salvaguardias de seguridad, autorización reglamentaria y privacidad de datos. El progreso hacia un apoyo eficaz a la toma de decisiones clínicas requerirá el desarrollo de corpus de diagnóstico que reflejen los patrones de prevalencia del mundo real. Dichos puntos de referencia ayudarán a sacar a la luz limitaciones y oportunidades de refinamiento que pueden quedar oscurecidas por nuestro énfasis actual en escenarios de diagnóstico especialmente difíciles. En segundo lugar, nuestro marco de hallazgos sintéticos podría respaldar el desarrollo de puntos de referencia médicos interactivos a gran escala más allá de los 304 casos disponibles aquí. Más allá de la evaluación de los sistemas de IA, la metodología que hemos desarrollado podría utilizarse para mejorar la educación y la formación médica, permitiendo a los estudiantes y profesionales practicar el razonamiento diagnóstico en entornos interactivos simulados, potencialmente guiados por el apoyo pedagógico basado en la IA. Por último, la incorporación de modalidades visuales y otras modalidades sensoriales, como las imágenes, podría aumentar aún más la precisión del diagnóstico y, al mismo tiempo, mantener la rentabilidad.19 Disponibilidad de código y datos Estamos en el proceso de someter este trabajo a una revisión externa por pares y estamos trabajando activamente con socios para explorar el potencial de lanzar SDBench como un punto de referencia público.
Saludbydiaz, realizó una jornada intensiva presencial de capacitación en el Sanatorio Juan XXIII, Gral Roca Río Negro.
Este es el curso y la jornada presencial, que di el Viernes, que es una capacitación intensiva muy útil para los sanatorios, clínicas y hospitales sobre herramientas de gestión, que no implica inversión, sino eficiencia a través del sentido común. Se necesita un cambio urgente, porque estamos viviendo un final de una época en el sistema de salud, que nunca estuvo tan mal como ahora. Especialmente en La de la seguridad social en Argentina. El verdadero cambio, se produce fundamentalmente cuando los médicos en primer lugar modifican su forma de pensar, de ver la profesión, y los administrativos y enfermeros en el segundo lugar cambian la mentalidad por el cuidado, la productividad, la cantidad de pacientes que puedan atender. Trabajar en calidad es un buen negocio para las instituciones, no se compliquen los pacientes por un evento adverso. Los gerentes medios que transforman flujos de órdenes, en flujos de trabajo, deben estar alineados con los objetivos y metas estratégicas definidas por la dirección, con sus acciones específicas, el liderazgo que deben practicar los médicos es transformacional y los enfermeros de liderazgo de servicio. Los gerentes deben pensar con los pies, caminar la institución. Deben ejercer presencia. La mejora continua es vital. La eliminación de los desperdicios de los procesos es un requerimiento de esta época, y la eficiencia como atributo de la calidad es un trabajo fundamental.
La gestión no se stockea se debe hacer todos los días, como la elaboración del pan. No hay peor gestión que la que no se hace. Hacer gestión es simplemente que las cosas correctas, pasen correctamente, hacer correctamente las cosas correctas. Los gestores deben ser más médicos y los médicos más gestores. Se debe trabajar en equipo, transdisciplinario. Los enfermeros deben pelear su lugar. Los médicos deben entender que su poder no es hegemónico. Que el poder lo tienen los pacientes. Que la relación médico paciente es una relación entre dos expertos. un diálogo. Una conciencia que escucha a otra.
Los que gestionamos empresas de salud debemos saber que son empresas complejas del conocimiento, que cubren la asimetría de la información entre un paciente que expresa sus síntomas y un profesional que trata de dilucidar su necesidad, mediante un proceso de gestión clínica, llevando a un proceso de diagnóstico y de tratamiento, que mejore el estado de salud de los pacientes. Que la medicina actual debe estar orientada al valor, que debe estar centrada en la persona del paciente y el equipo de salud, que es personalizada, de precisión, poblacional, preventiva (vacunas y hábitos de vida), predictiva y participativa en equipos multidisciplinarios, la medicina de las 6 P.
Las organizaciones de salud son sistemas complejos, abiertos, disipativos y adaptativos, que se modifican en relación a las interrelaciones internas de los colectivos intervinientes, profesionales médicos y no médicos, directivos, enfermeros, administrativos, propietarios, pacientes, familiares y las representaciones de los mismos, de redes matriciales, en una organización adhocrática y que responde a las modificaciones del entorno incierto, volátil y ambiguo. Son abiertas porque intercambian productos de atención, energía e información con los pacientes, con su entorno, abiertos al conocimiento y a la evolución tecnológica, abiertos al entorno poblacional, comunitario, y los requerimientos de los pacientes, se produce un intercambio de información en todos los momentos de verdad, mediante un proceso de atención donde hay configuraciones tangibles, apoyadas por una organización que no se ve donde están las actividades básicas de la cadena de valor que son intangibles, constituidas por la infraestructura del conocimiento, el talento humano, la logística, los procesos de compra y los sistemas de información. •Las actividades o modelos de prestación de servicios, en el sector que competimos son integrales e integradas, en equipos de trabajo multidisciplinarios, que conforman en una relación de agencia entre redes internas de “compradores-vendedores” , donde acompañan al paciente, a cada paciente, en un recorrido customizado o personalizado para “comprar” información, mantenimiento de la funcionalidad de la estructura y logística, por cuenta y orden de ellos, en una cesión de la iniciativa y el poder en función de una delegación mediada por la confianza que realizan los pacientes. La actividad principal de la empresa es dar servicios prestadores de salud a través del conocimiento, la actitud y la aptitud del equipo de salud y el trabajo en equipo. Ayudados por las actividades de apoyo, que nos permiten atender con eficiencia. Que en general en la servucción son intangibles para los usuarios. Pero los que solicitan estudios complementarios deben saber el tiempo de realización, la entrega de resultados, la secuencia lógica, el uso correcto de la capacidad instalada.
“ Creo que la clave del éxito de un buen gerente es su capacidad para establecer buenas relaciones con sus colegas y subordinados ”
“ De hecho, un buen gerente debe querer a sus empleados y debe tener buenos encuentros con ellos y ser capaz de establecer buenas relaciones con ellos ”
Es complejo como tienen que ser las habilidades, competencias, habilidades blandas, habilidades duras y las profesionales confiables y estas ser utilizadas para la transformación de la gestión sanitaria, las vías clínicas, los cuidados en la atención y la percepción de los pacientes.
Este proceso debe ser híbrido con conceptos a distancia y un encuentro presencial que se pueda hacer in company o en la sede de la universidad con todos los participantes de 7 horas docentes y un taller final. Esto esta a disposición para poder hacerlo y replicarlo con este y otros contenidos.
Los hospitales son los principales consumidores de presupuesto del sistema de salud, por lo que medir su desempeño mediante indicadores cuantitativos o cualitativos accesibles y fiables es crucial. Esta revisión tuvo como objetivo categorizar y presentar un conjunto de indicadores para evaluar el desempeño hospitalario general.
Métodos
Realizamos una búsqueda bibliográfica en tres bases de datos: PubMed, Scopus y Web of Science, utilizando posibles combinaciones de palabras clave. Incluimos estudios que exploraron indicadores de evaluación del rendimiento hospitalario desde diferentes dimensiones.
Resultados
Se incluyeron 91 estudios en inglés publicados en los últimos 10 años. En total, se extrajeron 1161 indicadores de los estudios incluidos. Los clasificamos en 3 categorías, 14 subcategorías, 21 dimensiones de desempeño y 110 indicadores principales. Finalmente, presentamos un conjunto completo de indicadores con respecto a diferentes dimensiones de desempeño y los clasificamos según lo que indican en el proceso de producción, es decir, entrada, proceso, salida, resultado e impacto.
Conclusión
Los hallazgos proporcionan un conjunto completo de indicadores a diferentes niveles que pueden utilizarse para la evaluación del desempeño hospitalario. Se pueden realizar estudios futuros para validar y aplicar estos indicadores en diferentes contextos. Parece que, dependiendo de las condiciones específicas de cada país, se puede seleccionar un conjunto adecuado de indicadores de esta lista completa para su uso en la evaluación del desempeño de hospitales en diferentes entornos.
Fondo
La atención sanitaria es compleja [ 1 ] y un sector clave [ 2 ] que ahora se enfrenta globalmente a problemas de aumento de costos, falta de eficiencia del servicio, competencia y equidad, así como capacidad de respuesta a los usuarios [ 3 ]. Una estimación de la OMS ha mostrado un desperdicio anual de aproximadamente el 20-40% de los recursos totales de atención sanitaria debido a la ineficiencia [ 4 ].
Los países europeos han gastado en promedio el 9,6% de su producto interno bruto (PIB) en atención sanitaria en 2017 y el 9,92% en 2019. Alemania, Francia y Suecia informaron los gastos de atención sanitaria más altos en Europa en 2018 (entre el 10,9% y el 11,5% del PIB) [ 5 ]. En los EE. UU., el gasto en atención sanitaria consume el 18% del PIB, que probablemente eclipsará los 6 billones de dólares para 2027 [ 6 ].
Los hospitales, como los mayores consumidores de presupuestos del sistema de salud [ 7 ], constituyen la mayor parte del sistema de salud [ 8 ]. En muchos países, entre el 50 % y el 80 % del presupuesto del sector salud se destina a hospitales [ 8 , 9 ]. Como resultado, el análisis del desempeño hospitalario se está convirtiendo en una tarea rutinaria para cada gerente hospitalario. Por un lado, los gerentes hospitalarios en todo el mundo se enfrentan a decisiones difíciles con respecto a la reducción de costos, el aumento de la eficiencia del servicio y la equidad [ 10 ]. Por otro lado, medir la eficiencia hospitalaria es un tema de interés entre los investigadores porque los pacientes exigen atención de alta calidad a menores gastos [ 11 ].
Para abordar la necesidad mencionada anteriormente de medir el desempeño del hospital, es crucial implementar un sistema adecuado de evaluación del desempeño hospitalario en cualquier hospital. Para ello, los administradores del hospital utilizan diversas herramientas para analizar y monitorear las actividades del hospital [ 1 ], que necesitan objetivos, estándares e indicadores cuantitativos bien definidos [ 12 ]. Estos últimos se utilizan para evaluar la atención brindada a los pacientes tanto cuantitativa como cualitativamente y a menudo se relacionan con insumos, productos, procesos y resultados. Estos indicadores se pueden utilizar para la mejora continua de la calidad mediante el monitoreo, la evaluación comparativa y la priorización de actividades [ 13 ]. Estos parámetros se desarrollan para mejorar los resultados de salud y para proporcionar información comparativa para el monitoreo, la gestión y la formulación de objetivos de políticas dentro y entre los servicios de salud [ 12 ]. Hasta ahora, los estudios han utilizado su propio conjunto de indicadores al evaluar el desempeño del hospital, que podría depender del contexto. Además, esos estudios han utilizado principalmente un conjunto limitado de indicadores que se centran en unas pocas dimensiones (2 a 6 dimensiones) del desempeño del hospital [ 14 , 15 , 16 , 17 , 18 ].
Por lo tanto, es necesario un conocimiento integral de los indicadores potenciales que se pueden usar para la evaluación del desempeño del hospital. Ayudaría a elegir indicadores apropiados al evaluar el desempeño del hospital en diferentes contextos. También ayudaría a los investigadores a ampliar el rango de análisis para evaluar el desempeño desde una perspectiva más amplia al considerar más dimensiones del desempeño. Aunque el desempeño es un término muy comúnmente usado, tiene varias definiciones [ 19 , 20 ], sin embargo, a menudo se malinterpreta [ 21 ]. Por lo tanto, algunos investigadores han expresado confusión sobre los términos relacionados y los han considerado intercambiables. Estos términos son efectividad, eficiencia, productividad, calidad, flexibilidad, creatividad, sostenibilidad, evaluación y pilotaje [ 21 , 22 , 23 ]. Por lo tanto, esta revisión de alcance tuvo como objetivo categorizar y presentar un conjunto integral de indicadores que se puedan usar como un conjunto adecuado para la evaluación del desempeño del hospital en cualquier nivel de análisis necesario, es decir, clínico, paraclínico, logístico o departamental, y relacionar esos indicadores con las dimensiones de desempeño apropiadas. La singularidad de este documento es que proporciona a sus lectores una colección completa de indicadores que se han utilizado en diferentes estudios de análisis de desempeño.
Materiales y métodos
Realizamos una revisión de alcance de un cuerpo de literatura. La revisión de alcance puede ser de particular utilidad cuando el tema aún no ha sido revisado extensamente o tiene una naturaleza compleja o heterogénea. Este tipo de revisión se realiza comúnmente para examinar la extensión, el rango y la naturaleza de la actividad de investigación en un área temática; determinar el valor y el alcance y costo potenciales de emprender una revisión sistemática completa; resumir y difundir los hallazgos de la investigación; e identificar brechas de investigación en la literatura existente. Como una revisión de alcance proporciona un método riguroso y transparente para mapear áreas de investigación, puede usarse como un proyecto independiente o como un paso preliminar para una revisión sistemática [ 24 ]. Mientras que una revisión sistemática (cualitativa o cuantitativa) usualmente aborda un tema/alcance estrecho y es un método para integrar o comparar hallazgos de estudios previos [ 25 ].
En nuestro estudio, utilizamos la lista de verificación Preferred Reporting Items for Systematic reviews and Meta-Analyses extension for Scoping Reviews (PRISMA-ScR) siguiendo los métodos descritos por Arksey y O’Malley [ 26 ] y Tricco [ 27 ]. Se realizó una búsqueda sistemática de literatura publicada y en inglés sobre modelos de evaluación del desempeño hospitalario, utilizando tres bases de datos, es decir, PubMed, Scopus y Web of Science, desde 2013 hasta enero de 2023. Inicialmente, las palabras clave identificadas fueron refinadas y validadas por un equipo de expertos. Luego, los autores identificaron una combinación de vocabularios a través de un proceso de lluvia de ideas. La estrategia de búsqueda se formuló utilizando operadores booleanos. El título y el resumen de las fórmulas se buscaron en las bases de datos en línea. La consulta de búsqueda para cada base de datos se presenta en la Tabla 1 .
Tabla 1 Consulta de base de datos
Durante el proceso de selección, dos revisores independientes revisaron las referencias relevantes relacionadas con la evaluación del desempeño del hospital y las resumieron en formularios de Microsoft® Excel desarrollados por investigadores, mientras que otros revisores proporcionaron información contradictoria.
Los criterios de inclusión fueron los siguientes: centrados únicamente en el ámbito hospitalario, texto completo disponible y escritos en inglés. Se excluyeron los estudios centrados en indicadores de organizaciones sanitarias, no específicamente en indicadores hospitalarios; artículos sin datos adecuados (centrados únicamente en modelos y no en indicadores; o cuestionarios de lista de verificación cualitativos); y artículos centrados únicamente en indicadores clínicos o relacionados con la enfermedad, no en dimensiones de rendimiento hospitalario, y que proporcionaban ítems muy generales como indicadores, no los dominios de los indicadores en sí. Posteriormente, se utilizó una lista de verificación PRISMA-ScR para mejorar la transparencia de nuestra revisión [ 28 ].
Para extraer los datos, se diseñaron formularios de Microsoft® Excel (tablas de datos) desarrollados por los investigadores. Posteriormente, se extrajeron los siguientes datos a Microsoft® Excel para su síntesis y evaluación: título, autor, año del artículo, país, categoría del indicador, entorno del estudio (número de hospitales estudiados), marco temporal del estudio, nombre del indicador, número de indicadores, nivel del indicador (nivel hospitalario, nivel departamental), perspectiva de la evaluación (rendimiento, productividad, eficiencia, eficacia, calidad, coste, seguridad, satisfacción, etc. ) , tipo de estudio (cuantitativo o cualitativo), subtipo de indicador (entrada [estructura], proceso, salida [resultado], resultado final e impacto) y otras explicaciones. Para crear un resumen descriptivo de los resultados que aborde los objetivos de esta revisión de alcance, también se utilizó el resumen numérico.
El propósito de crear la categoría principal y la sección de perspectiva de evaluación fue desarrollarlas y crear nuevas categorías centradas en el tipo de indicadores relacionados con el término de desempeño. Por ejemplo, en la sección «Categoría», se extrajeron los nombres de los departamentos o salas del hospital (como laboratorios, farmacias, departamentos clínicos y almacenes) y en la sección «Perspectiva de evaluación», se extrajeron diversos términos relacionados con la evaluación del desempeño hospitalario. Estos dos tipos se utilizaron tras extraer su información bajo el título «dimensión de desempeño».
Los niveles de los indicadores se recopilaron para determinar el nivel de evaluación del desempeño con el índice correspondiente. Algunos indicadores se utilizaron para evaluar el desempeño de todo el hospital, otros para evaluar el desempeño de los departamentos del hospital y otros para evaluar el desempeño a nivel de un proyecto específico. Por ejemplo, varios indicadores (como la tasa de ocupación de camas, la duración de la estancia y el tiempo de espera) se utilizaron para evaluar el desempeño de todo el hospital, y otros indicadores (como los indicadores del departamento de laboratorio, los indicadores de consumo de energía y los indicadores del departamento de neonatología) se utilizaron solo para medir el desempeño de departamentos específicos. Estas secciones se utilizaron bajo el título «categoría». Las secciones «categoría» y «nombre del indicador» se definieron según los resultados de la sección «subcategoría».
Los subtipos de indicadores (entrada (estructura), proceso, salida (resultado), resultado e impacto) se definieron con base en el modelo de cadena, y cada uno de los indicadores seleccionados se vinculó a él (Apéndice 1 ). Como resultado del modelo de cadena, las entradas se utilizaron para llevar a cabo actividades, las actividades llevaron a la entrega de servicios o productos (salidas). Las salidas comenzaron a generar cambios (resultados), y eventualmente, esto (con suerte) contribuyó al impacto [ 29 ].La clasificación del conjunto de indicadores de entrada, proceso, salida, resultado e impacto fue tal que los lectores podían acceder a estas categorías si era necesario de acuerdo con sus modelos de evaluación elegidos. El término se utilizó bajo el título «Indicadores por tipos».
El tipo de estudio se consideró cuantitativo o cualitativo para determinar si un indicador era capaz de realizar cálculos. De esta manera, los lectores pueden elegir artículos que utilicen indicadores cuantitativos o cualitativos para evaluar el desempeño hospitalario.
Resultados
Incluimos 91 estudios de texto completo (de 7475) en inglés publicados entre 2013 y enero de 2023 (Fig. 1 ), aproximadamente el 40% de los cuales se publicaron entre 2020 y 2023. Más del 20% de los estudios recuperados se realizaron en Irán y EE. UU.
Característica del estudio
Como se muestra en la Tabla 2 , en el 85 % de los estudios revisados se evaluaron varios hospitales (de 1 a 3828 hospitales, un total de 13 221). Más del 90 % de los estudios utilizaron un enfoque cuantitativo. En más del 70 % de los estudios, la evaluación hospitalaria se realizó a nivel departamental, que a su vez puede dividirse en tres niveles: administrativo, sala clínica y departamento paramédico. Además, los departamentos administrativos constan de 13 departamentos, incluidos gestión financiera [ 48, 55, 61, 67, 68, 80, 83, 109, 113 ] , gestión de la cadena de suministro y almacén [ 15 , 43 , 84 ] , compras basadas en valor [ 33 , 85 ], gestión de recursos humanos [ 97 , 101 ], equipo médico [ 32 , 87 ], departamento de gestión de información de salud [ 90 ], sistemas de información [ 106 ], evaluación nutricional [ 93 ], gestión de energía [ 30 , 45 , 92 ], gestión de instalaciones [ 52 , 53 ], sostenibilidad y resiliencia de la construcción [ 35 ], actividades de investigación [ 44 ] y educación [ 107 ].
Las salas clínicas constaban de 8 salas, a saber, departamentos de urgencias (ED) [ 16 , 39 , 56 , 57 , 69 , 70 , 89 ], departamentos de cirugía [ 58 , 62 , 63 , 91 , 102 ], unidades de cuidados intensivos (UCI) [ 47 , 64 , 65 ], quirófanos (OR) [ 38 , 88 , 108 ], unidades de cuidados intensivos quirúrgicos (UCI) [ 111 ], departamento de obstetricia y ginecología [ 59 ], unidades de cuidados intensivos neonatales (UCIN) [ 74 , 103 ] e indicadores de calidad de atención [ 18 , 31 , 40 , 50 , 72 , 92 , 95 , 112 ]. Los departamentos paramédicos constaban de 3 departamentos, farmacia [ 60 , 76 , 98 ], laboratorio y banco de sangre [ 37 , 42 , 43 , 49 ] y evaluación ambulatoria [ 86 ].
Tabla 3 Dimensiones de desempeño e indicadores relacionados
Con respecto a la categorización de datos, en primer lugar, se extrajeron un total de 1204 indicadores en 91 estudios y después de un examen detallado, 43 índices (como propiedad del hospital, nivel de atención, proceso de admisión y disciplina personal) se eliminaron debido a su generalidad e imposibilidad de cálculo en el entorno hospitalario. Luego, se ingresaron 1161 indicadores de desempeño en esta investigación y se categorizaron según los criterios de desempeño (se pueden encontrar más detalles sobre los indicadores en el Apéndice 1 ). En segundo lugar, se definieron 145 dimensiones funcionales, incluidas las divisiones basadas en diferentes departamentos y unidades del hospital, según varias discusiones de grupo focal con 5 expertos en salud. Luego, se realizó la recategorización y el resumen funcional, después de lo cual se finalizaron 21 dimensiones de desempeño.
Como se muestra en la Tabla 4 , las 21 dimensiones de desempeño se dividieron en tres partes: categoría, subcategoría e indicadores relacionados. Además, según el nivel del hospital, se establecieron tres categorías: «gestión organizacional», «gestión clínica» y «gestión administrativa». Posteriormente, según el tipo de indicador, se definieron quince subcategorías para los 110 indicadores principales seleccionados.
Dimensiones de rendimiento
La dimensión de productividad se centra en indicadores que reflejan el macrodesempeño del hospital, considerando que este índice es más efectivo y eficiente. La dimensión de eficiencia se centra en indicadores generales de desempeño para el uso óptimo de recursos y la creación de resultados óptimos en el hospital. La dimensión de efectividad es un indicador general de desempeño con una visión de resultados. La dimensión de velocidad se centra en los indicadores que muestran atención al tiempo de prestación del servicio y la velocidad de los procedimientos. La dimensión de desarrollo se centra en asuntos relacionados con la capacitación de empleados y estudiantes y los cursos de capacitación relacionados. En cuanto a la dimensión de seguridad, se identificaron problemas relacionados con la seguridad del paciente, eventos no deseados y dañinos, e infecciones hospitalarias.
La dimensión «calidad de vida laboral» se centra en aspectos relacionados con el volumen de personal y las condiciones laborales. La dimensión «calidad» se relaciona con la calidad del servicio prestado en las diferentes áreas del hospital y las posibles complicaciones para mejorar dicha calidad. La dimensión «satisfacción» se centra en la satisfacción de los pacientes, los empleados y sus quejas. La dimensión «innovación» se relaciona con el proceso de investigación y sus resultados. La dimensión «adecuación» se centra en el servicio adecuado de los departamentos clínicos, los servicios farmacéuticos y el tratamiento de los pacientes. La dimensión «evaluación» se centra en los indicadores relacionados con las puntuaciones de evaluación de los departamentos paraclínicos del hospital.
La dimensión de «rentabilidad» se centra en los indicadores generales de resultados para ingresos y rentabilidad. La dimensión de «costo» se centra en indicadores relacionados con gastos generales y el costo promedio por cama y paciente y presupuesto. La dimensión de «economía» está relacionada con tasas financieras y sus indicadores. La dimensión de «coherencia» enfatiza los indicadores relacionados con la continuidad del proceso de prestación de servicios. La dimensión de «centrado en el paciente» se centra en los indicadores relacionados con la experiencia del paciente de la instalación, el entorno, los procesos de tratamiento, las comunicaciones y el apoyo relevante para el paciente. La dimensión de «equidad» estudia indicadores relacionados con la justicia social y financiera y la esperanza de vida. La dimensión de «relación» evalúa el proceso de consultas y discusiones requeridas durante la atención de los pacientes proporcionada por el equipo de tratamiento. La dimensión de «sostenibilidad» se centra en indicadores relacionados con los estándares energéticos. La dimensión de «flexibilidad» se centra en la respuesta del hospital a la crisis.
Según la Tabla 4 , la mayoría de los estudios se centraron en la «eficiencia», la «productividad», la «seguridad» y la «efectividad» como dimensiones de rendimiento en 54, 53, 38 y 37 estudios, respectivamente (40-70 % de los estudios). En la subcategoría «eficiencia», los indicadores de gestión de recursos, evaluación de unidades de apoyo y gestión de recursos humanos ocuparon el primer, segundo y tercer lugar en frecuencia en 26, 23 y 22 estudios, respectivamente (aproximadamente el 25 % de los estudios).
Además, para la dimensión de «eficiencia», se reportaron datos sobre «número de personal médico», «número de camas en urgencias» y «número de personal no médico» en 16, 13 y 11 estudios, respectivamente (entre el 20% y el 30% de los estudios). Para la subcategoría de «productividad», se reportaron datos sobre «tasa de utilización de camas» y «prestación y tratamiento de servicios» en el 50% y el 20% de los estudios, respectivamente (46 y 19 de 91).
Adicionalmente, para la dimensión de «productividad», el indicador de «duración de la estadía» se usó más que otros y se informó en aproximadamente el 80% de los estudios (43 de 53), seguido de la «tasa de ocupación de camas» en aproximadamente el 40% de los estudios (21 de 53). La «tasa de rotación de camas» y la «tasa de hospitalización» también se informaron en 12 estudios. Además, para las dimensiones de «seguridad», todos los indicadores estaban en la subcategoría «seguridad del paciente», que se informó en 38 estudios, y «complicaciones», «accidentes o eventos adversos» y «tasas de incidentes o errores» fueron los indicadores más concentrados por los investigadores en 13, 12 y 11 estudios, respectivamente. La dimensión de desempeño de «efectividad» se presentó en 37 estudios (40%), con solo dos indicadores, «tasa de mortalidad» en 29 estudios y «tasa de readmisión» en 23 estudios.
Categorías de rendimiento
Considerando las tres categorías que se muestran en la Tabla 4 , los indicadores de «gestión organizacional» fueron los más utilizados entre las otras dos categorías («clínica» y «administrativa») y estuvieron presentes en más del 85 % de los estudios (78 de 91). Dos categorías, «gestión clínica» y «gestión administrativa», se reportaron en 62 y 51 estudios, respectivamente.
Subcategorías de rendimiento
Considerando las 14 subcategorías que se muestran en la Tabla 4 , tanto los indicadores de «tasa de utilización de camas» como los de «seguridad del paciente» se mencionaron en 46 estudios y fueron más comunes entre las demás subcategorías. El segundo indicador más común, la subcategoría «gestión financiera», se reportó en 38 estudios. En el tercer nivel, los indicadores de «gestión de recursos humanos» y «gestión del tiempo» se presentaron en 31 estudios. Los indicadores de la subcategoría «paramédico» se presentaron en menos del 10% de los estudios [ 60 , 96 , 97 , 98 , 106 , 113 ].
Indicadores de desempeño
Según las columnas de indicadores en la Tabla 3 , los indicadores más usados en los estudios revisados fueron la duración de la estancia, la tasa de mortalidad y la tasa de readmisión en el 47%, 32% y 25% de los estudios, respectivamente. La tasa de ocupación de camas y los costos no relacionados con el personal se informaron en el 23% de los estudios. Además, entre los 110 indicadores, 16 indicadores, a saber, la tasa de cancelación de laboratorio, las proporciones de exámenes por médico, el número de diagnósticos codificados, el número de registros médicos, los intervalos entre muestras e informes de laboratorio, el tiempo de solicitud de información médica, los estándares de seguridad en los archivos, la detección de riesgos nutricionales, las fallas en el control de calidad de las imágenes, los errores en los informes médicos, el factor de impacto promedio, las medidas nutricionales, la puntuación de laboratorio, la inspección de imágenes, el proceso de alta y la tasa de respuesta a emergencias, se informaron en menos del 1% de los estudios.
La clasificación de los indicadores en la Tabla 4 se realizó con base en el modelo de cadena, que incluyó la entrada, el proceso, la salida, el resultado y el impacto. La asignación de los indicadores a cada categoría se realizó de acuerdo con las opiniones de los expertos. Por ejemplo, el número de publicaciones por miembro académico de un hospital académico y el factor de impacto promedio de esas publicaciones se consideraron indicadores de resultado. Como se muestra en la Tabla 4 , la mayoría de los estudios (80%) se enfocaron más en los indicadores de salida. Además, quince estudios se enfocaron en introducir y extraer algunos de los indicadores de entrada, proceso, salida, resultado e impacto; entre ellos, solo un estudio [ 96 ] examinó los indicadores de entrada, proceso, salida e impacto simultáneamente.
Además, en aproximadamente el 42% (36 de 91) de los estudios se han ilustrado las definiciones, fórmulas o descripciones de los indicadores, mientras que menos del 10% de los estudios han definido unidades de medida, unidades estándar o de referencia para todos los indicadores estudiados [ 15 , 43 , 45 , 51 , 52 , 57 , 67 ].
En general, se realizaron nueve estudios relacionados con la evaluación del desempeño hospitalario utilizando metodologías de revisión sistemática (cinco revisiones sistemáticas [ 16 , 29 , 30 , 56 , 113 ], dos revisiones bibliográficas [ 79 , 80 ], una revisión narrativa [ 98 ] y una revisión breve [ 92 ]). La mayoría de estos estudios se centraron en extraer indicadores de desempeño de uno o más departamentos del hospital (p. ej., el departamento de urgencias) [ 16 , 56 ], sistemas de información de radiología y laboratorio del hospital [ 106 ], desempeño de la cadena de suministro [ 29 ], recursos y resultados financieros y actividad [ 113 ], consumo de agua del hospital [ 30 ] y el sector farmacéutico [ 98 ]. Otras revisiones incluyeron un proceso de tres pasos para revisar, evaluar y clasificar estos indicadores del hospital en un enfoque sistemático [ 16 ], o para evaluar modelos de indicadores de desempeño para crear una red interactiva y visualizar las relaciones causales entre los indicadores de desempeño [ 79 ]; Además, algunos se han centrado en la importancia de los indicadores para garantizar una cobertura adecuada de las áreas relevantes de los servicios de atención de salud que se van a evaluar [ 92 ].
Sólo una revisión de alcance tuvo como objetivo identificar las evaluaciones actuales del desempeño hospitalario y comparar las medidas de calidad de cada método en el contexto de los seis dominios cualitativos de STEEEP (seguridad, puntualidad, efectividad, eficiencia, equidad y centrado en el paciente) del Instituto de Medicina (IOM) de acuerdo con el marco de Donabedian y la formulación de recomendaciones de políticas [ 115 ].
Además, 21 estudios dividieron los indicadores de desempeño en 2 a 6 dimensiones. Asimismo, los estudios revisados incluyeron entre 2 y 40 indicadores en 0 [ 29 , 30 , 98 ] y 6 dominios [ 34 ]. Además, ninguno de los estudios ha intentado resumir y categorizar exhaustivamente los indicadores de desempeño en varias categorías, centrándose en todos los indicadores que reflejan el desempeño de toda la organización hospitalaria, ni en los indicadores de las unidades administrativas o los departamentos clínicos.
Discusión
En esta revisión de alcance, se categorizó un conjunto único de indicadores de evaluación del desempeño hospitalario relacionados con las diversas dimensiones de desempeño a partir de 91 estudios realizados durante los últimos diez años.
De manera similar, en un estudio, se extrajeron 19 dimensiones de desempeño, 32 subdimensiones y 138 indicadores de solo seis estudios. Esas dimensiones fueron descritas por todos los estudios incluidos en la revisión, pero solo tres estudios especificaron los indicadores relevantes, y la lista proporcionada para todos los indicadores posibles no fue exhaustiva. Además, a pesar de la revisión actual, no hubo una clasificación de indicadores basada en los niveles del hospital: niveles gerencial, clínico u organizacional [ 116 ]. Otro estudio ha investigado de manera similar los indicadores de evaluación del desempeño del hospital de tal manera que entre 42 estudios, se presentaron 111 indicadores en las cuatro categorías: insumo, producto, resultado e impacto. Pero, no hubo una clasificación de indicadores basada en las dimensiones de desempeño y los niveles del hospital [117 ].
En este estudio, por primera vez, según nuestro conocimiento, se determinó la importancia de los indicadores categorizados en función de su frecuencia de uso en la literatura publicada (Apéndice 2 ). Los indicadores de «Gestión organizacional» fueron los más comunes en comparación con las otras dos categorías («clínicas» y «administrativas»). Esto podría deberse a que indicadores como «tasa de ocupación de camas», «duración promedio de la estancia», «tasa de mortalidad», «tasa de infección hospitalaria» y «seguridad del paciente» son más fáciles de registrar en el software hospitalario que otros indicadores, y también reflejan mejor el rendimiento general del hospital. Por lo tanto, los investigadores están más interesados en utilizar estos indicadores.
Considerando 14 subcategorías, los indicadores relacionados con tres subcategorías, a saber, utilización de camas, seguridad del paciente y gestión financiera, son los más utilizados para la evaluación del rendimiento hospitalario. Esto refleja la necesidad de los gerentes hospitalarios de aumentar la rentabilidad del hospital, por un lado, y de controlar los costos, por otro. En consecuencia, los investigadores han prestado especial atención a los ingresos por costos, la rentabilidad y la rentabilidad económica, entre otros, como indicadores para evaluar el rendimiento hospitalario.
Al considerar los indicadores por tipo, la mayoría de los estudios se han centrado en los indicadores de resultado, mientras que los indicadores de entrada fueron los menos utilizados. Esto podría deberse a que, a nivel hospitalario, a los gerentes les resulta difícil modificar datos de entrada como «camas», «recursos humanos» y «equipos e instalaciones». Además, debido a la complejidad de las relaciones interdepartamentales en los hospitales, los indicadores de proceso parecieron ofrecer mayor variedad de análisis que los indicadores de entrada, por lo que se utilizaron con mayor frecuencia. Como se mencionó anteriormente, los indicadores de resultado fueron los más utilizados para la evaluación del desempeño hospitalario debido a su facilidad de cálculo e interpretación.
El objetivo principal de este trabajo fue identificar un conjunto integral de indicadores que permitan evaluar el desempeño hospitalario en diversos entornos hospitalarios, reduciéndolos a un conjunto más reducido y relevante para cada hospital o departamento. Se podrían diseñar estudios futuros para validar cada conjunto de indicadores en un contexto específico. Además, se podría investigar la relación entre los indicadores y sus resultados de interés, así como la dimensión de desempeño que cada uno aborda. Esto permitirá a los gerentes hospitalarios desarrollar su propio conjunto de indicadores para la evaluación del desempeño, tanto a nivel organizacional como departamental. Cabe mencionar también que…
Si bien algunos estudios previos han definido cada indicador y determinado sus criterios estándar, esto no se realizó en este estudio, ya que el objetivo era recopilar todos los indicadores utilizados en la evaluación del desempeño hospitalario. Esto resultó en la identificación de más de mil indicadores, sin limitarse a un país o contexto específico. Por lo tanto, al preparar un conjunto más reducido de indicadores, se deben considerar las condiciones específicas de cada país, como el tipo de sistema de salud y sus políticas, el tipo de sistema de financiamiento y la estructura de los servicios, para seleccionar los indicadores adecuados.
Además, si bien es importante examinar el alcance de cada artículo para comparar la lista de indicadores y las relaciones entre las dimensiones del hospital en términos de tamaño y tipo, así como entre el número y tipo de indicadores seleccionados, esto se consideró fuera del alcance de esta revisión debido al elevado número de indicadores, lo que imposibilitó las investigaciones mencionadas. Estudios futuros podrían realizar esto trabajando con un conjunto más reducido de indicadores.
Conclusión
Esta revisión tuvo como objetivo categorizar y presentar un conjunto integral de indicadores para evaluar el desempeño general del hospital de manera sistemática. Se extrajeron 1161 indicadores de desempeño hospitalario de 91 estudios realizados en los últimos diez años. Luego se resumieron en 110 indicadores principales y se categorizaron en tres categorías: 14 subcategorías y 21 dimensiones de desempeño. Esta revisión de alcance también destacó los indicadores utilizados con mayor frecuencia en los estudios de evaluación del desempeño, lo que podría reflejar su importancia para ese propósito. Los resultados de esta revisión ayudan a los gerentes de hospitales a construir su propio conjunto de indicadores para la evaluación del desempeño, tanto a nivel de organización como de departamento, con respecto a varias dimensiones de desempeño.
Como los resultados de esta revisión no se limitaron a ningún país o contexto específico, se deben tener en cuenta las condiciones específicas de cada país, como el tipo de sistema de salud y sus políticas, el tipo de sistema de financiamiento y la estructura de los servicios, al seleccionar indicadores apropiados como un conjunto más pequeño de indicadores para la evaluación del desempeño hospitalario en un contexto específico.
La atrofia muscular espinal (AME) es una enfermedad de la neurona motora autosómica recesiva. Se presenta clínicamente como debilidad muscular progresiva y, en los casos más graves y comunes, incluye dificultad para tragar e insuficiencia respiratoria, que a menudo conduce a la muerte. Los pacientes se clasifican en cinco grupos, de 0 a 4, según su capacidad motora máxima y la edad de inicio, que puede variar desde la etapa intrauterina hasta la edad adulta. Datos recientes de EE. UU. y la UE indican que la AME afecta a 1 de cada 14 300 bebés al nacer
Un programa reciente de cribado neonatal en el estado de Minas Gerais, Brasil, identificó a 12 bebés entre 104 000 bebés examinados durante seis meses, lo que sugiere una prevalencia potencialmente mayor en Brasil. Sin embargo, se necesitaría un seguimiento adicional para obtener información más contundente. 2 , 3
En los últimos años, se han aprobado tres tratamientos modificadores de la enfermedad (TME) a nivel mundial, incluyendo Brasil. Estos tratamientos permiten una mejora drástica de la mortalidad y la función motora, especialmente cuando se inician en las primeras etapas de la enfermedad. Todos estos fármacos se han estudiado en niños que reciben atención estándar, y las directrices más recientes enfatizan la importancia de la atención multidisciplinaria junto con los TME para maximizar su eficacia
.En este número de Jornal de Pediatria , Albuquerque et al. 5 presentan un estudio de cohorte de un solo centro de 81 pacientes que viven con AME, tanto tratados como no tratados con DMT en Porto Alegre, Brasil. La gran mayoría de los pacientes tratados recibieron nusinersen, un oligonucleótido inyectado intratecalmente que aumenta la producción de proteína SMN del gen SMN2 modificando el empalme del pre-ARNm. Nusinersen fue el primer fármaco aprobado en Brasil y desde entonces ha sido seguido por terapias de reemplazo genético, que recibieron seis pacientes, y el modificador de empalme oral risdiplam, recibido por dos pacientes. En la cohorte, la mayoría de los pacientes con AME1 recibieron tratamiento, en comparación con un tercio de los pacientes con AME2 y el 10 % de los pacientes con AME3. En consonancia con los hallazgos en la literatura, la mayoría de los pacientes experimentaron mejoras clínicamente significativas, aunque el inicio tardío del tratamiento y las puntuaciones iniciales más bajas de la función motora se correlacionaron con una respuesta terapéutica reducida. Las características clínicas y genéticas de la cohorte fueron similares a las de otros países, excepto que SMA3 fue el subtipo más común, como se observó previamente en otros estudios brasileños.6
Es notable ver a un niño afectado por una enfermedad mortal no solo sobrevivir, sino también alcanzar nuevas metas motoras. El acceso a tratamientos innovadores demuestra la consideración de un país por sus ciudadanos/niños más vulnerables afectados por una enfermedad rara y grave. Sin embargo, los impresionantes resultados observados en la atrofia muscular espinal deberían impulsar la reflexión sobre la sostenibilidad y la reproducibilidad de estos avances. Albuquerque y sus colegas destacaron que solo la mitad de los pacientes con AME2 en su estudio recibieron terapia respiratoria, lo que indica un acceso limitado a terapias no farmacológicas en Brasil. Este estudio ilustra el contraste entre el acceso a terapias innovadoras costosas y el acceso limitado a la atención estándar en un centro especializado del sur de Brasil; un contraste que se acentúa aún más al considerar el costo.
El costo oficial de nusinersen en Brasil es de R$ 2,5 millones durante el primer año, con un costo anual de mantenimiento de R$ 1,3 millones.
La terapia génica cuesta R$ 8 millones por dosis única y la judicialización de 7 casos ha dado lugar a una serie de tratamientos de alto costo administrados al margen de los criterios clínicos consensuados. En comparación, una sesión de fisioterapia cuesta entre R$ 50,00 y R$ 500,00, según la región o la cobertura del seguro médico. Esto significa que el costo de una sola dosis de terapia génica podría cubrir la fisioterapia tres veces por semana para aproximadamente 20 niños a lo largo de 20 años. El costo de la fase de mantenimiento de nusinersen para un solo niño podría cubrir la fisioterapia de 86 bebés. Cabe destacar que estos costos de DMT excluyen los gastos relacionados con la administración de medicamentos, los exámenes auxiliares necesarios y el manejo de efectos adversos, todos los cuales varían según las directrices regionales y los perfiles de seguridad. Esta nueva realidad, como lo ilustra el artículo de Albuquerque et al., no es exclusiva de Brasil sino que es común en muchos países de rápido crecimiento que representan mercados atractivos para la industria farmacéutica pero carecen de una infraestructura médica completamente desarrollada y financiada por el Estado. El tratamiento innovador no debe considerarse un sustituto de la atención estándar. Todos los tratamientos innovadores se han desarrollado en niños que reciben atención estándar, y la falta de un manejo respiratorio, nutricional y fisioterapéutico adecuado puede anular el beneficio de las costosas terapias innovadoras. La administración de DMT no elimina la necesidad de atención multidisciplinaria. Afortunadamente, existe una solución para evitar aumentos exponenciales de costos. Varios estudios han demostrado una diferencia significativa en los resultados del tratamiento entre niños tratados antes y después de la aparición de los síntomas. 8 En resumen, los pacientes con tres copias de SMN2 identificadas al nacer y tratadas de inmediato tienen una alta probabilidad de un desarrollo motor normal. Los mayores de estos niños, que ahora tienen entre seis y siete años, evolucionan favorablemente. 1 En contraste, pacientes similares identificados por síntomas después de un largo proceso de diagnóstico generalmente presentan AME2 clásica, caracterizada por falta de deambulación autónoma, escoliosis y síndrome respiratorio restrictivo, que los TME no pueden revertir. En consecuencia, los costos directos e indirectos son significativamente mayores para los pacientes tratados después de la aparición de los síntomas. 9 Los hallazgos reproducidos en estudios a nivel mundial han impulsado el desarrollo de varios programas piloto y nacionales de cribado neonatal. 10 La evaluación económica de la salud confirma que el cribado neonatal de AME es una intervención sanitaria con un alto potencial de ahorro en países como Brasil, donde se dispone de TME. 11
Brasil, un país con una población aproximada de 200 millones de personas (censo del IBGE), actualmente incluye solo seis enfermedades en su programa nacional de cribado neonatal, aunque varios proyectos piloto están evaluando la inclusión de la AME. Sin embargo, la inclusión de enfermedades en el programa nacional ha sido históricamente lenta, en contraste con la urgente necesidad de intervención temprana en los pacientes afectados. 2 , 3Dada la incidencia de 1 en 8400 y una tasa de natalidad anual de aproximadamente 2,6 millones, se estima que 309 niños con AME nacen cada año en Brasil. Sin el cribado neonatal, los costos adicionales de la terapia de reemplazo hormonal modificador (TME) y la atención estándar —incluyendo fisioterapia, manejo de TDM, ventilación mecánica, manejo de la escoliosis y silla de ruedas 12— podrían volverse rápidamente insostenibles. Además, la capacidad del sistema de salud para atender a estos pacientes con altas necesidades e infecciones respiratorias frecuentes se verá cada vez más limitada.En este contexto, la atención centrada en el paciente (CNS) es un imperativo médico, económico y ético urgente. El desarrollo de una atención estándar a nivel nacional también es esencial, ya que invertir fuertemente en terapias modificadoras de la enfermedad (TME) resulta absurdo si los pacientes tratados carecen de TME y de gestión multiprofesional.El recorrido de las terapias innovadoras en la AME proporciona lecciones valiosas para situaciones similares que pueden surgir con otras afecciones. Los avances recientes en los tratamientos para la distrofia muscular de Duchenne, el síndrome de Rett, el síndrome de Angelman y la aprobación de la terapia génica para la leucodistrofia metacromática abren nuevas posibilidades para los pacientes con afecciones graves y progresivas. 13 , 14
A través de la AME, hemos aprendido que el tratamiento no es una cura y no debe presentarse como tal a la comunidad. Gestionar las expectativas de la comunidad puede ayudar a evitar el crowdfunding y la recaudación de fondos basada en lotería, ambos mecanismos éticamente cuestionables y ampliamente utilizados en la AME.
Hemos aprendido que el desarrollo clínico exitoso se basa en una ciencia sólida, la disponibilidad de datos de la historia natural y medidas de resultados bien validadas. También hemos reconocido la importancia de establecer una atención estándar e implementar NBS antes de lanzar un DMT innovador. Finalmente, gestionar las expectativas individuales es crucial para evitar solicitudes de agregar o cambiar terapias en pacientes que responden bien, pero por debajo de las expectativas de los padres. Al reportar datos reales de un centro terciario en Brasil, Albuquerque et al. transmiten la alegría de ver a niños sobrevivir a una enfermedad letal como la AME1 y potencialmente convertirse en adultos productivos y, con suerte, en personas felices. Sin embargo, sus hallazgos también deberían impulsarnos a asumir nuestra responsabilidad colectiva. El sistema de salud debe ser efectivo para el mayor número de personas, y en una era de terapias de alto costo, la única manera de lograrlo es desarrollar proactivamente programas de atención estándar y de NBS, que permitan la eficacia de la DMT con una relación costo-beneficio aceptable y sostenible.
A pesar de las explicaciones en la literatura, una pregunta recurrente en el uso de las actividades profesionales encomendables o confiables (APE) es cómo distinguirlas de las competencias y habilidades. En este trabajo, se analiza las causas de la frecuente confusión y combinación de las APE con las competencias y habilidades, y se argumenta por qué esta distinción es importante para la formación, la cualificación y la seguridad del paciente. Por ejemplo, «traqueotomía», «punción lumbar» y «colaboración interprofesional» se denominan coloquialmente «habilidades», pero la capacidad de una persona para realizar estas actividades constituye la verdadera habilidad; la APE es simplemente la actividad en sí. Se identifica dos posibles causas de esta confusión. Una es la tendencia a enmarcar todos los objetivos educativos como APE. Muchos objetivos de la formación médica pueden conceptualizarse como APE si «la capacidad de hacer X» es la competencia correspondiente; pero esto no funciona en todos los casos. Ofrecemos maneras de abordar los objetivos de la formación que no se conceptualizan eficazmente como APE. Una causa más fundamental se relaciona con las decisiones de encomienda. La autorización para contribuir a la atención sanitaria refleja encomienda. Las decisiones de encomienda son los vínculos o pivotes entre la preparación de una persona para la tarea y su ejecución. Sin embargo, si estas decisiones no conducen a una mayor autonomía en la práctica de la atención médica, sino que solo sirven para decidir el avance a la siguiente etapa de formación, las APE pueden convertirse en los requisitos que los estudiantes deben cumplir para aprobar. Gradualmente, las APE pueden perder su significado original de unidades de práctica para las que uno se cualifica.
Introducción
Una pregunta recurrente en los debates sobre la definición y el uso de las actividades profesionales encomendables (APE) con fines educativos es cómo distinguirlas de las competencias y habilidades. Esta no es una pregunta nueva, y la distinción se ha enfatizado con frecuencia (ten Cate y Taylor, 2021 ; ten Cate et al., 2015 ), pero sigue surgiendo confusión (Melvin et al., 2020 ).Esta distinción es clave, no solo para utilizar las APE y las competencias por separado y correctamente, sino también para valorar su complementariedad.
Competencias y habilidades: Atributos de los individuos
Las competencias, por su naturaleza, necesitan un contexto que las haga visibles. Imagine cruzar la calle y encontrarse con tres personas desconocidas. Parecen tener entre 30 y 40 años. No puede ver sus competencias, pero una es pianista, otra es informática y otra es neurocirujana. Además, una es ajedrecista experta, otra un windsurfista experto y la tercera domina el árabe. Desconoce todo esto con solo encontrarlas en la calle, que no es una sala de conciertos, un quirófano, una playa, un pabellón de torneos ni un país extranjero, lo que podría haberle llevado a adivinar esas competencias. En resumen, poseen competencias que no son inmediatamente visibles. Una competencia, según el diccionario, es «la capacidad de hacer algo con éxito o eficiencia» (NN, sf). Es la capacidad lo que cuenta. Una capacidad es una característica de un individuo; las competencias no existen fuera de los individuos. Las competencias se desarrollan típicamente a través de la adquisición de conocimientos y la experiencia práctica, a menudo dominadas por la cognición.
Las competencias son componentes específicos de la competencia general, adecuados para tareas específicas. El consenso general en la literatura, y una forma útil de concebirlos, es que constituyen la integración de conocimientos, habilidades y actitudes (KSAs) necesarios para realizar esas tareas específicas (van Merriënboer et al., 2002 ). Sin embargo, este consenso general no siempre se sigue en el uso cotidiano del término competencia. Por ejemplo, el Consejo de Acreditación para la Educación Médica de Posgrado (ACGME) y la Junta Americana de Especialidades Médicas de Estados Unidos incluyeron originalmente el «conocimiento médico» y la «atención al paciente» en sus seis competencias básicas (posteriormente correctamente rebautizadas como «dominios de competencia» [Carraccio et al., 2004 ]).
Las habilidades, en el lenguaje cotidiano, a menudo se equiparan con las competencias. Esto no es sorprendente, ya que el diccionario Oxford las llama ‘capacidad de lograr algo con precisión y certeza’, difícilmente distinguibles de la competencia.Muchos educadores estarían de acuerdo en que las competencias combinan habilidades, conocimiento y actitud, lo que sugiere que las habilidades deberían diferir de las competencias, es decir, no incluir conocimiento y actitud. Pero es difícil imaginar el desempeño de una habilidad sin conocimiento de procedimiento, y probablemente incluso algo de actitud, como la motivación para realizar bien la habilidad. De hecho, Dreyfus y Dreyfus, en su trabajo seminal sobre el desarrollo de habilidades, mantienen que la habilidad incluye, o incluso es , ‘saber cómo’ hacer algo (Dreyfus y Dreyfus, 1986 , pág. 16) y sin ‘saber qué’ (conocimiento declarativo), la habilidad probablemente no existiría. Las famosas distinciones de Bloom de conocimiento, habilidades y actitud (los dominios cognitivo, psicomotor y afectivo de los objetivos educativos (Bloom et al., 1956 )) pueden ser algo artificiales. Estos constructos (competencias, conocimientos, habilidades y actitudes) son atributos de los individuos, presentes pero invisibles hasta que se utilizan. Su presencia solo puede inferirse al observar al individuo hacer algo, como realizar tareas o actividades o completar un examen.
Actividades profesionales encomendables: No son atributos de individuos, sino trabajo a realizar
A diferencia de las competencias, las actividades no son cualidades de las personas. Más bien, son tareas a realizar.
Si una competencia es la capacidad de hacer algo con éxito, la actividad es ese «algo». La ejecución de una actividad requiere una competencia específica (una competencia o habilidad), pero esa actividad en sí misma no constituye una competencia o habilidad. Las EPA, más específicamente, son unidades de práctica profesional (tareas o conjuntos de tareas) que pueden confiarse por completo a una persona, una vez que haya demostrado la competencia necesaria para ejecutarlas sin supervisión (ten Cate y Taylor, 2021 ; ten Cate, 2005 ).La tarea, para ser «confiable», «profesional» y «actividad», debe cumplir condiciones adicionales (tener un principio y un fin; ser una actividad independiente que sea específica, observable y restringida a personal calificado; producir un resultado laboral reconocido; y ser adecuada para una decisión de encomienda por parte de una autoridad legítima (ten Cate, 2005 ; ten Cate y Taylor, 2021 ). Son los componentes de actividad constitutivos (unidades) de la práctica de los profesionales; por lo tanto, funcionan, sin importar quién lo haga.
Estas contribuciones a la práctica deben ser realizadas por miembros legítimos de la fuerza laboral profesional, incluyendo miembros periféricos aún en capacitación, pero calificados para estas tareas. (Lave y Wenger, 1991 ) En cualquier educación vocacional, la práctica comienza dentro del programa educativo. Aquí es donde los EPA se vuelven significativos. Legítimo significa que el aprendiz es aceptado y sancionado por una autoridad legítima para realizar ese EPA. Ese podría ser un jefe de departamento, o delegado a un profesional con un rol de supervisión, y la decisión debe ser respaldada por el juicio de un experto, preferiblemente un equipo o comité. La naturaleza sintética de los EPA refleja la manera integrada en que varias competencias necesitan ser aplicadas simultáneamente para la ejecución adecuada de la tarea. (Pangaro y ten Cate, 2013 ).
Cómo se utilizan a menudo las competencias y habilidades para las actividades
Claramente, uno no puede poseer APE ni estar calificado para competencias . Más bien, poseer competencias y estar calificado para APE es el objetivo de la formación médica y de las residencias. Sin embargo, en la práctica, a veces se confunden. Esto no es del todo sorprendente. El uso común del lenguaje no siempre se rige por las distinciones lógicas que hemos tratado de elaborar en los párrafos anteriores. El uso popular, en particular de «habilidad», a menudo lo reduce solo a la actividad, en lugar de la capacidad para llevar a cabo esa actividad. Las listas de habilidades relevantes para la atención médica a menudo se leen para incluir cosas como «inserción de línea arterial», «traqueotomía», «comunicación», «punción lumbar», «colaboración interprofesional». El uso de habilidad para actividad está tan arraigado en el lenguaje educativo y es tan difícil de reemplazar por diferentes redacciones, que defender un uso diferente probablemente no tendría éxito. Sin embargo, el uso de competencias y habilidades para las actividades también ha llevado a algunos autores a visualizar las EPA como habilidades o competencias amplias y holísticas (Kappy et al., 2021 ). Pero si las EPA fueran solo competencias amplias, ¿cómo se imaginaría uno que se le confiara una competencia?
Esa representación puede perpetuar la confusión. Mientras que las EPA requieren que los individuos posean características que van desde pequeñas microhabilidades hasta grandes dominios de competencia, una EPA no es tal característica. Las EPA pueden ser asignadas y ejecutadas, pero no pueden ser «poseídas» por los individuos. Estas consideraciones no están en la misma dimensión. Más bien, las EPA y las competencias se relacionan entre sí como dos dimensiones separadas (Fig. 1 ) (ten Cate et al., 2015 ; ten Cate y Scheele, 2007 ). Además, ver la capacidad de realizar una EPA como la unidad «más grande» de una competencia o habilidades no es necesariamente correcto. Algunas EPA no son actividades particularmente «grandes». Por ejemplo, las EPA para estudiantes de medicina son más pequeñas en su amplitud o responsabilidad que las EPA para residentes y becarios.
Figura 1
El uso de las APE y la evaluación de la capacidad para llevarlas a cabo deberían reorientar la evaluación hacia la decisión de confiar o no a alguien las responsabilidades de una actividad, con un nivel específico de supervisión, o al menos elaborar una recomendación para dicha decisión (ten Cate et al., 2020 ). La transferencia de responsabilidades a los residentes afecta la calidad y la seguridad de la atención al paciente y requiere una reflexión minuciosa.
Causas de la confusión
Creemos que existen al menos dos causas para la confusión observada entre las APE y las competencias y habilidades. Una es la tendencia a traducir todos los objetivos de la formación médica en APE. La otra es el uso de las decisiones de encomienda no para la encomienda de tareas sanitarias, sino para la progresión en la formación.
Abordar objetivos educativos que no se ajustan a la definición de una EPA
Algunas habilidades equivalen a actividades que no calificarían como APE. Por ejemplo, uno de los tres pasajeros posee la habilidad de hablar y comprender árabe. «Hablar árabe» podría ser una habilidad o actividad, pero no constituiría per se un APE. «Actuar como intérprete» para un paciente o para un político en una reunión diplomática internacional sí lo sería, porque es una contribución al trabajo profesional (es decir, es algo que debe hacerse, y se debe contratar a alguien y confiar en él), y requiere una confianza legítima. La capacidad (habilidad, competencia) de hablar árabe es, por supuesto, el requisito más importante para ser un intérprete de confianza, pero la confidencialidad, la integridad y la fiabilidad pueden ser factores importantes. De hecho, «observar la confidencialidad», «mostrar integridad» o «ser fiable» tampoco encajarían en la definición de APE. Para la educación médica de pregrado, Meyer et al concluyeron recientemente que entre las EPA básicas de EE. UU. para ingresar a la residencia (Englander et al., 2014 ), algunas no cumplen con los criterios para ser una EPA (Meyer et al., 2020 ; Taylor et al., 2017 ), incluidos «Colaborar como miembro de un equipo interprofesional» e «Identificar fallas del sistema y contribuir a una cultura de seguridad y mejora». Hay poca discusión sobre que la colaboración interprofesional y la contribución a la seguridad del paciente son esenciales, pero capturarlas en EPA específicas es problemático (ten Cate y Pool, 2020 ). Asimismo, los aspectos del profesionalismo no funcionan bien como EPA. Cuanto más se distancian estas características de las actividades concretas, más difícil se vuelve calificarlas como EPA. Los educadores pueden sostener que el conocimiento de la historia de la medicina es esencial para un desempeño adecuado, o que sin una comprensión profunda de las injusticias sociales en la sociedad relacionadas con el acceso a la atención médica, la prestación de atención ética no es posible. O que el conocimiento de humanidades (arte, literatura, filosofía), o la experiencia internacional o haber realizado un proyecto de investigación es útil para ser un mejor médico.
La pregunta entonces es: si la profesión se define por sus actividades, ¿cómo debemos relacionar estas características con las APE? Ofrecemos tres maneras de abordar esta cuestión.
Mediante la especificación de los Acuerdos de Colaboración Interprofesional (APE). La colaboración interprofesional puede incluir la presidencia de reuniones interprofesionales. Esta actividad cumple con los criterios de un APE. La investigación de un incidente de seguridad del paciente (incluida la elaboración de un informe con recomendaciones) podría ser una especificación de la contribución a una cultura de seguridad. Si estas actividades cumplen con los criterios de los APE (ten Cate, 2005 ), podrían ser adecuadas para la toma de decisiones de encomienda.
A través de la inclusión en los criterios de evaluación de las EPA.Una segunda forma es considerar la característica meramente como una cualidad del individuo que es condicional para las decisiones de encomienda para una o más EPA. Las descripciones completas de las EPA (ten Cate y Taylor, 2021 ) incluyen una sección de conocimientos, habilidades, actitudes y experiencias requeridas que son condicionales para las decisiones de encomienda. La confiabilidad específica de la tarea (Schumacher et al., 2021 ) requiere que un residente atienda a todos los aspectos contextuales de la tarea, incluido, por ejemplo, el contexto de colaboración interprofesional. Este es probablemente un excelente ejemplo de algo condicional para la encomienda de realizar cualquier EPA. En cirugía, muchas EPA que pueden enumerarse como procedimientos quirúrgicos en el quirófano requerirían una comunicación y colaboración interprofesional adecuada durante la cirugía (como con enfermeras instrumentistas, anestesiólogos, técnicos de anestesia). Pero la colaboración interprofesional no es una EPA en sí misma. La matriz de competencias-APE (ten Cate et al., 2015 ; ten Cate y Scheele, 2007 ), como se muestra en la Fig. 1 , puede incluir cualquier característica relevante. La ejecución de las APE requiere la integración de varias de estas características y, por lo tanto, son holísticas.
Objetivos no vinculados a las EPA . Una tercera opción es considerar algunos objetivos como requisitos generales para la educación y la graduación, no para EPA particulares. Dichos objetivos pueden considerarse importantes pero no condicionales para las decisiones de encomienda. Se puede esperar que los médicos, como ciudadanos maduros y responsables, tengan opiniones reflexivas y matizadas, no solo sobre temas relacionados con la atención médica, sino también sobre política, ética, administración, economía, historia, cambio climático, racismo, control de armas y humanidades. Podría decirse que estas cualidades generales los hacen mejores médicos, pero no pueden capturarse fácilmente en EPA individuales. Se puede argumentar que esta categoría no es esencialmente diferente de la categoría 2, ya que estas características generales pueden mejorar el desempeño en las EPA. Eso es cierto, pero cuando no son condicionales para las decisiones de encomienda de la EPA (es decir, para medirse y marcarse como satisfactorias de alguna manera), y si es difícil determinar para qué EPA son importantes y para cuáles no, es mejor considerar estas características como una tercera categoría separada: importantes pero no necesariamente condicionales para las decisiones de encomienda de la EPA. No todo lo que es importante para los médicos puede o debe ser una EPA.
Toma de decisiones de encomienda sin consecuencias para la responsabilidad clínica
Esta causa de la confusión entre las APE y las habilidades o competencias es más fundamental. Cuando las normas y regulaciones, a menudo impulsadas por preocupaciones sobre la seguridad o la responsabilidad del paciente, prescriben que todos los pacientes deben ser atendidos por un especialista consultor, siempre que el médico en formación aún no haya completado su formación, existe el riesgo de que las decisiones de encomendar un puesto pierdan relevancia. En otras palabras, alguien podría considerarse listo para la encomendación de una práctica no supervisada, pero requerir cierto nivel de supervisión debido a que aún no cumple con un requisito regulatorio. Considere el ejemplo del intérprete de árabe mencionado anteriormente. Alguien puede dominar el árabe y recibir la confianza de un programa de capacitación para servir como intérprete de árabe, pero no puede ejercerlo en la práctica porque la institución le exige aprobar un examen antes de hacerlo. Estas limitaciones abundan en la atención médica, donde se confía a los médicos en formación la realización de prácticas no supervisadas, pero aún así deben ser supervisados porque los requisitos de capacitación así lo exigen.
Estas situaciones reducen las oportunidades de los aprendices de desarrollar autonomía (Halpern y Detsky, 2014 ) y pueden llevar a una «seniorización» indebida de las tareas de atención médica a los supervisores, lo que no beneficia ni a los aprendices (Dacey y Nasca, 2019 ) ni a los pacientes (Kunac et al., 2021 ). También pueden disminuir la urgencia de una evaluación minuciosa de la preparación para la confianza durante la capacitación y aumentan la necesidad de supervisión después de la capacitación, porque los aprendices se quedan sin la experiencia de la autonomía y la responsabilidad plenas en el momento de la graduación (Mattar et al., 2013 ; Turner et al., 2021 ). Si las decisiones de confianza no conducen a un nuevo estado de autonomía para una EPA, incluso si se toman con una fuerte evidencia de validez (Touchie et al., 2021 ), las «decisiones» de confianza se convierten en un ejercicio de papel. Las quejas de que las EPA se convierten en ejercicios de marcar casillas para estudiantes y evaluadores porque las decisiones de encomienda han perdido su significado (o nunca adquirieron su verdadero significado) explican fácilmente por qué las EPA solo sirven para reconocer la competencia y luego se convierten en una competencia. En el modelo canadiense actual de Competencia por Diseño (CBD), las decisiones de encomienda sumativas se toman para promover a los aprendices de una etapa de capacitación a la siguiente en lugar de considerar una disminución en la supervisión para una EPA. Si las «decisiones de encomienda» solo conducen a la progresión a una siguiente etapa, sirven como puntos finales para las actividades en lugar de puntos de inicio de una mayor autonomía para estas actividades. Una verdadera decisión de encomienda debería dar derecho a un estudiante a convertirse en un miembro genuino del equipo sin supervisión. En CBD, las EPA son obligatorias, pero no parecen ser los bloques de construcción que permiten una mayor autonomía después de una decisión sumativa. [ https://www.royalcollege.ca/rcsite/cbd/implementation/cbd-milestones-epas-e ]. Por lo tanto, el poder de las EPA para poner en funcionamiento la CBME no se explota por completo; Las evaluaciones siguen siendo retrospectivas y las escalas de evaluación se centran en la competencia, en lugar de en recomendaciones con visión de futuro para la asignación efectiva de mayor responsabilidad. En este contexto, no sorprende que las APE se perciban como competencias que deben cumplirse para poder superarlas.
Por el contrario, puede ocurrir lo contrario. En algunos programas, las decisiones de asignación de responsabilidades no se toman deliberadamente porque se asume que un estudiante con una duración específica en su formación está listo para mayores responsabilidades por defecto, incluso sin evidencia de evaluación válida que lo respalde. Melvin et al. informan cómo, en Medicina Interna, se presume que los residentes que han alcanzado una etapa particular son capaces de funcionar en ese rol. Debido a que el sistema ya ha predeterminado la asignación de responsabilidades, los médicos adjuntos no toman activamente decisiones de asignación de responsabilidades. (Melvin et al., 2020 ) Esta práctica discrepa con el propósito de la educación basada en competencias, donde la duración fija y los estándares variables deben ser reemplazados por estándares fijos y, si es necesario, duración variable. (Carraccio et al., 2002 ; Frank et al., 2010 ; McGaghie et al., 1978 ). En los programas de pregrado, las decisiones de encomienda suelen ser teóricas, reflejando una intención de confiar o una decisión sobre la confiabilidad, en lugar de una decisión de encomienda real (Brown et al., 2021 ; Geraghty et al., 2021 ; Postmes et al., 2021 ). Esto deja el poder de las decisiones de encomienda infrautilizado y los APE pueden posteriormente convertirse en meros objetivos educativos.
Finalmente, no siempre es posible otorgar a los residentes la autonomía que se corresponde con su competencia, incluso si se establece con evidencia de validez sólida. Los estudiantes sin licencia siempre requerirán supervisión directa o indirecta, sin importar cuán impresionante sea su desempeño, y los residentes junior pueden ser más autónomos, pero necesitarán reportar al supervisor responsable. El desafío es crear un entorno en el que la supervisión sea lo suficientemente cercana como para ser segura, pero lo suficientemente distante como para alimentar la responsabilidad que impulsa una curva de aprendizaje. (Babbott, 2010 ; ten Cate, 2018 ). Los residentes de cirugía, por ejemplo, perciben confianza cuando descubren que su plan preoperatorio ya no se corrige, una medida útil de confianza. (Kearse et al., 2021 ). Generar confianza y decisiones de encomienda válidas requiere familiaridad con los residentes. Por lo tanto, las rotaciones cortas y la falta de continuidad de la supervisión también pueden ser una razón para que no se tomen verdaderas decisiones de encomienda.
En conclusión
Es necesario aclarar la distinción esencial entre las APE (actividades; unidades de trabajo) y el conjunto de competencias y habilidades (cualidades de las personas), así como las causas de la frecuente confusión entre estos conceptos. Tres lecciones se destacan: (1) la capacidad para completar una APE es una cualidad de la persona, pero la APE en sí misma es una actividad; (2) el pleno poder de las decisiones de encomienda solo se puede lograr si tienen consecuencias para la autonomía y la responsabilidad de los residentes en atención médica, y no se limitan a decisiones sobre la progresión a una siguiente fase de formación o, peor aún, ejercicios prácticos sin ninguna consecuencia para ellos; y (3) no todos los objetivos de la educación médica pueden plasmarse en las APE. Con esto en mente, puede haber menos tendencia a confundir las APE con las competencias.
Este es un excelente trabajo de revisión, esclarecedor sobre la importancia de esta habilidad blanda, que es el liderazgo, en su forma transaccional, transformacional, de servicio, y participativo democrático, no se nace líder, es bueno tener unos rasgos, que ayudarán al posicionamiento, se deben formar, y especialmente los gerentes, y los mandos medios, los médicos deberán practicar un liderazgo más transformacional para acompañar el cambio y los enfermeros en servicio para consolidar la atención centrada en la persona. Se enfrentan desafíos como la optimización de recursos, la gestión de la fuerza laboral y la integración tecnológica. Las transformaciones del entorno, la incertidumbre hacia donde va el sistema social y el de salud, la complejidad de la globalización, con nacionalismos y expansionismos, la ambigüedad de las potencias evangelizadoras de la libertad como EE.UU. y los mercaderes del mundo, la China. El sistema de salud argentino con tendencia a la concentración en las prepagas, y dentro o logrado ese efecto, hacer desaparecer las obras sociales sindicales. La transferencia de la salud a las provincias, y el cierre de programas verticales, exigirá más liderazgo técnico en las provincias, que se adapte a esos cambios. La salud tendría que convertirse en voto efectiva, y nosotros debiéramos significar y resignificar la importancia de la calidad de vida para la economías. Están creciendo algunas empresas que administrarán capitas medias bajas. En las instituciones prestadoras, la eficiencia y la productividad son fundamentales y también los costos, sin costos no se puede gestionar, no se puede corregir los desvíos, si el crecimiento en el aprendizaje digital y la ciencia de los datos, no podrán subsistir las organizaciones. Estamos claramente en un cambio de época, nada será como era antes, la lucha de poder, el agravamiento de la desigualdad, la pobreza dinástica, y el impacto de los determinantes sociales en la salud están afectando los progresos en la calidad de vida de los ciudadanos, y estamos trabajando en la parte plana de la curva de la salud, esto quiere decir que aumentamos los gastos sin mejorar significativamente los resultados, por ello es importante las habilidades blandas.
ID de producto: PMC11722716 ID de producto: 39660574
ABSTRACT
Un liderazgo sanitario eficaz es esencial para garantizar una atención al paciente de alta calidad y fomentar un entorno laboral propicio para los profesionales sanitarios. Esta revisión busca consolidar la literatura existente sobre liderazgo sanitario para proporcionar perspectivas basadas en la evidencia que puedan guiar el desarrollo del liderazgo, mejorar el rendimiento del equipo y optimizar los resultados de la atención al paciente.
La revisión explora diversas teorías de liderazgo, como la del Gran Hombre, la de los rasgos, la conductual, la transaccional, la transformacional y la de contingencia, destacando su relevancia y aplicación en la atención sanitaria. Los líderes sanitarios eficaces deben poseer cualidades como visión, inteligencia emocional, adaptabilidad e integridad ética para afrontar las complejidades de la atención sanitaria moderna. La revisión categoriza diferentes estilos de liderazgo, como el autoritario, el transformacional, el transaccional, el de servicio y el participativo, y analiza su aplicación en contextos sanitarios específicos. Los líderes se enfrentan a retos como equilibrar las responsabilidades personales y profesionales, adaptarse a los avances tecnológicos, gestionar las limitaciones financieras y garantizar el cumplimiento normativo. El liderazgo en el ámbito sanitario requiere un enfoque dinámico y adaptable que integre diversas teorías y estilos de liderazgo para abordar los desafíos únicos del entorno sanitario. Esta revisión subraya la importancia de los programas de desarrollo de liderazgo y exige más investigación para explorar la implementación práctica de estrategias de liderazgo en diversos entornos sanitarios. Los hallazgos proporcionan información práctica para que los líderes sanitarios adapten sus estilos de liderazgo a las necesidades específicas de sus equipos y contextos organizacionales, mejorando así la atención al paciente y la eficiencia operativa.
Introducción
Un liderazgo eficaz en la atención médica es fundamental, ya que mejora significativamente los resultados clínicos de los pacientes y fomenta un entorno de apoyo para los profesionales de la salud, fomentando el compromiso laboral y reduciendo el agotamiento. Este doble impacto subraya el papel vital del liderazgo para impulsar la atención de calidad y el bienestar de los profesionales de la salud.[ 1 , 2 , 3 ]
El liderazgo tiene muchas interpretaciones. En muchos contextos, se le ha comparado con «el abominable hombre de las nieves cuyas huellas están por todas partes, pero que no se ve por ningún lado».[ 4 ] En realidad, es un concepto multifacético con diversas definiciones e interpretaciones. Warren Bennis, una autoridad destacada en liderazgo, lo define como «una función de conocerse a uno mismo, tener una visión bien comunicada, generar confianza entre los colegas y tomar medidas eficaces para alcanzar el potencial de liderazgo».[ 5 ]
La definición de Drucker, por otro lado, subraya el aspecto relacional del liderazgo, centrándose en la presencia de seguidores como indicador clave de la existencia de un líder.[ 6 ]
¿Qué significa liderazgo en el ámbito sanitario? En este ámbito, el liderazgo adquiere niveles adicionales de complejidad debido a los desafíos únicos y los altos riesgos que implica.
Los líderes sanitarios eficaces deben desenvolverse en un entorno dinámico caracterizado por rápidos avances tecnológicos, necesidades complejas de los pacientes y políticas sanitarias en evolución.
Por consiguiente, el liderazgo en el ámbito de la atención sanitaria se refiere a la práctica de influir y guiar a individuos y equipos dentro del sector de la atención sanitaria hacia el logro del objetivo colectivo de mejorar la atención al paciente, la eficiencia operativa y la prestación de servicios de salud.[ 7 , 8 , 9 ]
Los líderes del sector salud son cruciales para fomentar un ambiente laboral positivo, mejorar el rendimiento del equipo y garantizar una atención al paciente de alta calidad. Deben poseer diversas cualidades personales y profesionales para afrontar las complejidades del panorama actual de la atención médica.
La pandemia de COVID-19 puso de relieve la necesidad de líderes capaces de gestionar el estrés eficazmente, comunicarse con empatía y transparencia, y adaptarse a situaciones en constante evolución.
Realizar esta revisión narrativa es crucial en el contexto de la atención médica debido a los desafíos cambiantes que enfrentan los líderes en este campo.
Con la transformación continua en la prestación de servicios de salud, impulsada por los avances tecnológicos, los cambios en las políticas y las necesidades cambiantes de los pacientes, existe una necesidad apremiante de identificar modelos de liderazgo que puedan abordar eficazmente estas dinámicas.
Esta revisión busca consolidar el conocimiento existente, proporcionando a las organizaciones de atención médica perspectivas basadas en la evidencia que puedan guiar el desarrollo del liderazgo, optimizar el rendimiento del equipo y, en última instancia, optimizar los resultados de la atención al paciente.
Este documento se basa en la teoría del liderazgo transformacional, que sirve como marco teórico rector para comprender el liderazgo eficaz en entornos sanitarios.Esta teoría postula que los líderes que inspiran, motivan y promueven cambios positivos dentro de sus organizaciones son particularmente eficaces en entornos complejos y de alto riesgo, como el sanitario. Este marco es especialmente relevante, ya que se alinea con la naturaleza dinámica del liderazgo sanitario, donde la adaptabilidad, la visión y la capacidad de impulsar la innovación son esenciales.
Resultados
Comprender las teorías de liderazgo en la atención médica
El liderazgo es un componente fundamental de la gestión eficaz de la atención médica, y a lo largo de los años se han desarrollado diversas teorías para explicar qué define a un líder exitoso. Estas teorías ofrecen información sobre los rasgos, comportamientos y situaciones que contribuyen a un liderazgo eficaz, especialmente en el complejo y dinámico campo de la atención médica. Al comprender estas teorías, los profesionales de la salud pueden desenvolverse mejor en sus funciones, adaptarse a los desafíos y fomentar entornos que promuevan la atención al paciente, la innovación y la colaboración en equipo. Las siguientes secciones profundizan en algunas de las teorías de liderazgo más influyentes, explorando su relevancia y aplicación en el ámbito sanitario.
(i)La teoría del Gran Hombre
La teoría del Gran Hombre, una de las primeras teorías sobre liderazgo, postula que los líderes nacen con ciertos rasgos que los convierten en líderes naturales. Según esta teoría, estos individuos poseen cualidades extraordinarias como carisma, inteligencia, sabiduría y valentía, que los distinguen de los demás y les permiten marcar la historia y liderar con eficacia. Esta teoría sugiere que el liderazgo no es algo que se pueda aprender ni desarrollar, sino una característica que las personas poseen al nacer o no. Si bien fue influyente en el pasado, esta teoría ha sido ampliamente desacreditada en los estudios modernos sobre liderazgo, en particular en el ámbito sanitario, donde el liderazgo se considera un conjunto de habilidades que se pueden aprender y desarrollar, en lugar de rasgos innatos que solo poseen unos pocos.[ 10 , 11 ]
(ii)Teoría de los rasgos
La teoría de los rasgos se basa en la teoría del Gran Hombre, proponiendo que ciertos rasgos de personalidad son indicadores clave del potencial de liderazgo. Esta teoría, desarrollada a principios del siglo XX , afirma que las personas que poseen rasgos específicos, como la confianza en sí mismas, la decisión, la integridad y la inteligencia, tienen mayor probabilidad de ser líderes eficaces. A diferencia de la teoría del Gran Hombre, que se centra en la naturaleza inherente del liderazgo, la teoría de los rasgos sugiere que estos rasgos de liderazgo pueden identificarse y medirse. Sin embargo, al igual que la teoría del Gran Hombre, presenta limitaciones, en particular al asumir que las cualidades de liderazgo son fijas e inamovibles. En el ámbito sanitario, donde la capacidad de adaptarse y responder a entornos complejos y cambiantes es crucial, esta teoría no explica plenamente la naturaleza dinámica del liderazgo eficaz.[ 12 , 13 ]
(iii)teoría del comportamiento
La teoría del comportamiento marca un cambio: desde centrarse en los rasgos inherentes hasta examinar los comportamientos y acciones de los líderes. Según esta teoría, el liderazgo no se trata de quién eres, sino de lo que haces. Los líderes se forjan mediante el aprendizaje y la experiencia, y el liderazgo eficaz es el resultado de comportamientos específicos que se pueden observar, enseñar y replicar. Esta teoría sugiere que cualquier persona puede convertirse en líder si aprende los comportamientos adecuados, como la comunicación eficaz, la toma de decisiones y la capacidad de inspirar y motivar a los demás. En el contexto de la atención médica, esta teoría es particularmente relevante porque respalda la idea de que el liderazgo se puede desarrollar mediante la educación, la formación y la práctica.[ 13 , 14 , 15 ]
(iv)Teoría del liderazgo transaccional
El liderazgo transaccional se basa en un sistema de recompensas y castigos para lograr los comportamientos y resultados deseados. Se centra en los intercambios entre líderes y seguidores, donde los líderes proporcionan recursos o recompensas a cambio de la obediencia y el rendimiento. Este estilo suele asociarse con la gestión más que con el liderazgo y es más eficaz en situaciones donde las tareas son rutinarias y los objetivos son claros. En el ámbito sanitario, el liderazgo transaccional puede emplearse en entornos que exigen un estricto cumplimiento de protocolos y directrices, como en entornos administrativos u operativos. Sin embargo, puede no ser suficiente en entornos que requieren innovación y adaptabilidad.[ 16 , 17 , 18 ]
(v)Teoría del liderazgo transformacional
El liderazgo transformacional se caracteriza por la capacidad de los líderes para inspirar y motivar a sus seguidores a lograr más de lo que se espera de ellos. Los líderes transformacionales se centran en el panorama general, articulando una visión que inspira a otros a trabajar hacia objetivos compartidos. A menudo se les considera agentes de cambio que fomentan la innovación, promueven una cultura organizacional positiva y motivan a sus seguidores a superar sus propias expectativas. En el ámbito sanitario, el liderazgo transformacional es especialmente valioso, ya que ayuda a abordar las complejidades de la prestación de servicios de salud, impulsar mejoras en la atención al paciente y fomentar un entorno de trabajo colaborativo y de apoyo.[ 19 , 20 , 21 ]
(vi)Teoría de la contingencia
La teoría de la contingencia postula que no existe un enfoque universal de liderazgo. En cambio, la eficacia de un estilo de liderazgo depende de diversos factores, como la situación, las tareas a realizar y las características de los colaboradores. Esta teoría sugiere que los líderes exitosos son aquellos que pueden adaptar su estilo a las necesidades específicas de la situación. En el sector sanitario, donde los líderes a menudo se enfrentan a una amplia gama de desafíos, desde la gestión de crisis hasta el liderazgo de iniciativas de cambio, la capacidad de adaptar su enfoque de liderazgo al contexto es fundamental para el éxito.[ 22 , 23 , 24 ]
La evolución de las teorías del liderazgo refleja un cambio desde la idea de que el liderazgo es un rasgo inherente, como proponían el Gran Hombre y las teorías de los rasgos, a la comprensión de que el liderazgo puede desarrollarse y adaptarse en función de los comportamientos y las situaciones. Con el tiempo, el énfasis se trasladó a las teorías del comportamiento, que proponían que el liderazgo se trata de acciones y comportamientos que pueden aprenderse. Desarrollos posteriores introdujeron el liderazgo transformacional, que se centra en inspirar y motivar el cambio, y la teoría de la contingencia, que destaca que el liderazgo eficaz depende del contexto y la adaptabilidad. Esta progresión muestra una comprensión más profunda del liderazgo como una habilidad dinámica y aprendible. Estas teorías, en conjunto, proporcionan un marco integral para comprender el liderazgo en la atención médica. Cada teoría ofrece valiosas perspectivas sobre diferentes aspectos del liderazgo, destacando la complejidad y la naturaleza multifacética del liderazgo eficaz en entornos de atención médica.
Cualidades esenciales de los líderes sanitarios eficaces
El liderazgo en el ámbito sanitario es una responsabilidad multifacética y compleja que exige un conjunto único de cualidades que van más allá de las habilidades gerenciales tradicionales.
En entornos donde se juegan tanto vidas humanas como la eficiencia organizacional, los líderes eficaces deben poseer una combinación de integridad personal, inteligencia emocional y la capacidad de inspirar y guiar a equipos diversos.
Estas cualidades no solo son deseables, sino también cruciales para afrontar los desafíos de los entornos sanitarios modernos. La siguiente tabla destaca algunas de las cualidades clave que los líderes sanitarios necesitan para fomentar un ambiente de trabajo positivo, mejorar la atención al paciente y garantizar el éxito de sus organizaciones [ Tabla 1 ].
Capacidad para crear una imagen clara y convincente del futuro.
Inspirar, influir y motivar
Alienta y energiza a otros hacia el logro de metas.
Toma de decisiones
Capacidad para tomar decisiones informadas y efectivas.
Inteligencia emocional
Reconoce y gestiona las propias emociones y las de los demás.
Adaptabilidad y resiliencia
Capaz de adaptarse a nuevas condiciones y recuperarse rápidamente de las dificultades.
Ético
Se adhiere a los principios morales y estándares profesionales.
Transparente
Apertura y honestidad en la comunicación y acciones.
Jugador de equipo
Trabaja de manera eficaz y cooperativa con los demás.
Habilidades empresariales
Comprensión de los principios y prácticas empresariales.
Capacidad para liderar el cambio
Guía a otros a través de transiciones y transformaciones.
Empoderamiento
Proporciona a los miembros del equipo la autoridad y la confianza para tomar decisiones.
Delegación
Asigna tareas y responsabilidades de manera eficaz.
Mentoría
Guía y apoya el desarrollo de otros.
Humildad
Posee una visión modesta de la propia importancia.
Habilidades de gestión del tiempo
Gestiona eficientemente el tiempo para maximizar la productividad.
Habilidades organizativas
Planifica y organiza tareas de manera eficaz.
Redes
Construye y mantiene relaciones profesionales.
Comentarios amigables
Abierto a dar y recibir retroalimentación constructiva.
Oyente activo y comunicador
Se involucra en la escucha atenta y la comunicación clara.
Prioriza el bienestar del equipo
Se centra en la salud y satisfacción del equipo.
Predica con el ejemplo
Demuestra los comportamientos y la ética laboral que se esperan de los demás.
Refuerzo instantáneo
Proporciona retroalimentación y reconocimiento inmediatos.
Aprendizaje continuo
Compromiso con la formación continua y la superación personal.
Manejo del estrés
Maneja eficazmente el estrés y mantiene la compostura.
Gestión de conflictos
Resuelve disputas y gestiona desacuerdos de forma constructiva.
Defensor
Apoya y promueve los intereses de los demás.
Patrocinador
Promueve activamente el desarrollo profesional de otros.
Colaboración
Trabaja en conjunto con otros para lograr objetivos compartidos.
Abraza la innovación y la tecnología
Adopta nuevas tecnologías y prácticas innovadoras.
Fomenta las cualidades de liderazgo
Fomenta y desarrolla habilidades de liderazgo en los demás.
Habilidades de investigación en educación para profesionales de la salud
Competente en investigación sobre formación profesional en salud.
Pensamiento crítico
Analiza y evalúa información para emitir juicios sólidos y resolver problemas.
Estilos de liderazgo y su aplicación en la atención sanitaria
En entornos sanitarios se puede aplicar una amplia gama de estilos de liderazgo, cada uno con sus propias ventajas, desafíos y contextos adecuados para su implementación. La siguiente tabla ofrece una visión general de los diversos estilos de liderazgo, detallando sus características, ventajas y desventajas, y las situaciones en las que se emplean con mayor eficacia. Esta información constituye un recurso valioso para comprender cómo se pueden aprovechar los diferentes enfoques de liderazgo para fomentar un entorno sanitario positivo y productivo [ Tabla 2 ].
Tabla 2.
Estilos de liderazgo y su aplicación en la atención sanitaria[ 16 , 23 , 58 , 59 , 60 , 61 , 62 , 63 ]
Tipo
Descripción
Ventajas
Contras
Cuando hace falta
Ejemplos en entornos de atención sanitaria
Autoritario
Proporciona expectativas claras sobre qué debe hacerse, cuándo y cómo. Las decisiones se toman de forma independiente, con poca participación de los miembros del grupo.
Dirección clara. Decisiones rápidas.
Puede crear un ambiente hostil y sofocar la creatividad.
Ideal para situaciones que requieren una toma de decisiones rápida y un control estricto.
Un cirujano que dirige un equipo de traumatología de emergencia necesita tomar decisiones rápidas para salvar la vida de un paciente.
Delegativo (Laissez-Faire)
Ofrece poca o ninguna orientación a los miembros del grupo y deja la toma de decisiones en sus manos. Es eficaz cuando los miembros del equipo son altamente capacitados y están motivados.
Fomenta la innovación y la independencia.
Puede conducir a una falta de dirección y falta de responsabilidad.
Eficaz con equipos altamente capacitados y motivados.
Un equipo de investigación que trabaja en un proyecto complejo donde los miembros son expertos en sus campos y necesitan libertad.
Transformacional
Motiva e inspira a sus seguidores a lograr resultados extraordinarios centrándose en la visión y los valores de la organización. Los líderes transformacionales son enérgicos, entusiastas y apasionados.
Alto rendimiento, mayor satisfacción del grupo y mayor bienestar.
Requiere mucha energía y compromiso por parte del líder.
Ideal para impulsar el cambio y la innovación dentro de la organización.
Un director ejecutivo de un hospital que inspira al personal a adoptar nuevas tecnologías de atención al paciente que mejoren los resultados.
Transaccional
Se centra en los intercambios entre líder y seguidores, enfatizando las recompensas y los castigos basados en el desempeño.
Roles y expectativas claramente definidos; eficaz para tareas rutinarias.
Puede percibirse como rígido; carece de inspiración para el cambio a largo plazo.
Adecuado para tareas rutinarias y gestión del rendimiento.
Un gerente de enfermería que hace cumplir los protocolos y recompensa el cumplimiento de los estándares de control de infecciones.
Servidor
Prioriza las necesidades de los miembros del equipo y les ayuda a desarrollarse y alcanzar el máximo rendimiento. Demuestra humildad, empatía y compromiso con el servicio a los demás.
Genera confianza, fomenta la colaboración y mejora la satisfacción del equipo.
Puede consumir mucho tiempo y puede percibirse como una falta de autoridad.
Ideal para entornos que valoran la colaboración y el desarrollo del equipo.
Un jefe de departamento que orienta activamente a los médicos jóvenes, centrándose en su crecimiento y desarrollo profesional, sin considerar sus propias necesidades e intereses.
Participativo (Democrático)
Involucra a los miembros del grupo en la toma de decisiones y fomenta la colaboración y la creatividad. El líder tiene la última palabra, pero valora las aportaciones de los demás.
Contribuciones de mayor calidad. Los miembros del equipo se sienten valorados.
Proceso de toma de decisiones más lento.
Útil cuando se necesitan aportaciones diversas y soluciones creativas.
Un comité que trabaja para desarrollar nuevas políticas hospitalarias, incluido el aporte de varios profesionales de la salud.
Auténtico
Se enfatiza el desarrollo de la legitimidad del líder mediante relaciones honestas con sus seguidores, basadas en principios éticos. Los líderes auténticos son conscientes de sí mismos y genuinos.
Genera confianza, fomenta la comunicación abierta y fomenta la lealtad.
Puede resultar un desafío en entornos altamente competitivos.
Eficaz para crear confianza y lealtad dentro del equipo.
Un director médico que predica con el ejemplo, demostrando transparencia en los procesos de toma de decisiones.
Complejidad
Se enfatizan las funciones adaptativas, facilitadoras y administrativas distribuidas en toda la organización. Las organizaciones de salud se consideran sistemas adaptativos complejos, donde el liderazgo surge de las interacciones dentro del sistema.
Se adapta a los cambios y fomenta la colaboración y la resolución innovadora de problemas.
Puede ser difícil de implementar; requiere un cambio cultural.
Necesario en entornos altamente dinámicos y complejos.
Un administrador de atención médica que gestiona una gran red hospitalaria y equilibra diversos departamentos y funciones.
Repartido
Comparte responsabilidades de liderazgo entre varias personas y equipos, aprovechando la experiencia colectiva y promoviendo la colaboración y la innovación.
Aprovecha la experiencia colectiva, promueve la colaboración y mejora la innovación.
Puede generar confusión y requiere una comunicación fuerte.
Útil en entornos colaborativos que requieren experiencia diversa.
Un equipo multidisciplinario que gestiona la atención al paciente, con diferentes líderes para servicios médicos, de enfermería y de apoyo.
Adaptado
Se centra en adaptarse a entornos y desafíos cambiantes, promoviendo la flexibilidad, el aprendizaje continuo y la resiliencia dentro de los equipos.
Flexible, promueve la resiliencia y fomenta el aprendizaje continuo.
Puede ser lento para responder y requiere un ajuste constante.
Ideal para entornos con cambios frecuentes y desafíos cambiantes.
Un líder de salud pública que adapta estrategias para gestionar crisis de salud emergentes, como pandemias.
Contingencia
Sugiere que la eficacia de un líder depende de la correspondencia entre el estilo del líder y la situación, incluida la tarea, el estilo del líder y la dinámica del grupo.
Adaptado a las situaciones, flexible y eficaz en diversos contextos.
Puede ser complejo de implementar y requiere análisis de la situación.
Eficaz cuando diferentes situaciones requieren diferentes enfoques de liderazgo.
Un ejecutivo de atención médica cambia su estilo de liderazgo durante las diferentes fases de una fusión hospitalaria.
Situacional
Los líderes deben adaptar su estilo al nivel de desarrollo de sus seguidores. El enfoque se adapta según la tarea y la madurez o preparación de los seguidores.
Flexible, se adapta a las necesidades de los seguidores y fomenta el desarrollo.
Puede ser inconsistente y requiere una comprensión de las necesidades de los seguidores.
Mejor cuando se trata con equipos con distintos niveles de habilidad y experiencia.
Una enfermera senior adapta su estilo de liderazgo al capacitar a enfermeras nuevas frente a personal experimentado.
La aplicación eficaz de diversos estilos de liderazgo puede desempeñar un papel fundamental en la mejora de los resultados de los pacientes, al influir directamente en la dinámica del equipo, la comunicación y la moral general en los entornos sanitarios.
El liderazgo transformacional fomenta la innovación y la participación del equipo, lo que se traduce en una plantilla más motivada y en la mejora continua de los procesos clínicos que optimizan la atención al paciente.
El liderazgo transaccional enfatiza el cumplimiento de los protocolos y las métricas de rendimiento, lo que ayuda a reducir errores y garantiza el cumplimiento de las normas de seguridad.
El liderazgo de servicio se centra en el empoderamiento del equipo, lo que se traduce en una mayor satisfacción del paciente y una mejor coordinación de la atención mediante un enfoque de equipo más cohesionado.
El liderazgo situacional permite a los líderes adaptar su estilo según el escenario, brindando apoyo directivo en emergencias y capacitando al nuevo personal para que desarrolle sus competencias.
El liderazgo auténtico fomenta una cultura de transparencia y seguridad, que fomenta la comunicación abierta y genera confianza en el paciente.
Por último, el liderazgo adaptativo resulta esencial para gestionar el cambio e impulsar la innovación, especialmente durante las crisis de salud pública, donde la flexibilidad y la resiliencia son cruciales para mantener una atención de calidad. Al aprovechar estos diversos enfoques de liderazgo, los líderes sanitarios pueden mejorar la calidad de la atención, garantizar la seguridad del paciente y, en última instancia, contribuir a una mejor satisfacción del paciente y mejores resultados de salud.
Elegir el mejor estilo de liderazgo en el sector salud es complejo y multifacético, ya que no existe un estilo único que se adapte a todas las situaciones.
Los líderes más eficaces en el sector salud son aquellos que adaptan su estilo para satisfacer las necesidades de su equipo y la situación, inspiran y motivan a sus seguidores hacia una visión común y mantienen altos estándares éticos. Por lo tanto, un liderazgo efectivo en el sector salud suele implicar una combinación de estilos de liderazgo adaptativos, situacionales, transformacionales y éticos que crean un entorno de salud resiliente y receptivo, lo que en última instancia conduce a una mejor atención al paciente y al éxito organizacional.
Los líderes deben ser cautelosos al adoptar ciertos rasgos negativos, ya que pueden socavar significativamente su efectividad y el ambiente general del equipo. Rasgos como ser controlador, crítico, malhumorado, maleducado, voluble, menospreciativo, despectivo y desagradecido pueden crear un ambiente tóxico,reduciendo la moral y obstaculizando la colaboración entre los miembros del equipo.
La distinción entre un jefe y un líder es crucial en este contexto.
Mientras que un jefe tiende a ejercer autoridad, enfocándose en dar órdenes y mantener el control, un líder es alguien que inspira, guía y motiva al equipo hacia el logro de objetivos comunes.
Además, mientras que la gerencia se enfoca en generar orden y consistencia, organizar recursos y mantener la estructura, el liderazgo se trata de impulsar el cambio, establecer la dirección, influir en los demás y gestionar las transiciones.
La ausencia de las cualidades negativas mencionadas es vital para un liderazgo que no solo dirige, sino que también inspira y motiva a otros a alcanzar objetivos colectivos.[ 64 ]
Proceso de liderazgo efectivo
En entornos sanitarios, el liderazgo desempeña un papel fundamental para garantizar una gestión eficaz y mejorar los resultados de los pacientes. La secuencia de eventos que se presenta a continuación describe un sistema integral para un liderazgo eficaz, desde la identificación de las necesidades de liderazgo hasta la mejora continua.
Identificar las necesidades de liderazgo: Comience por reconocer las necesidades específicas de liderazgo del equipo u organización. Esto implica comprender los objetivos, los desafíos y el contexto en el que se necesita el liderazgo.
Realizar una autoevaluación: Los líderes deben evaluar sus fortalezas y áreas de mejora con respecto a las necesidades identificadas.
Seleccionar el estilo de liderazgo: según la autoevaluación y las necesidades de liderazgo, elija un estilo de liderazgo apropiado que se alinee con los objetivos del equipo o de la organización.
Establecer objetivos y metas: Definir objetivos claros y medibles que se alineen con la misión y la visión de la organización. Este paso incluye establecer objetivos a corto y largo plazo.
Formar un equipo de apoyo: Formar un equipo que complemente las habilidades del líder y esté capacitado para alcanzar los objetivos establecidos. Este paso implica asegurar que los miembros del equipo cuenten con los recursos y el apoyo necesarios.
Asignar tareas a los miembros del equipo: Asignar tareas a los miembros del equipo según sus fortalezas, experiencia y necesidades de desarrollo. Asegurarse de que las personas adecuadas ocupen los puestos adecuados.
Comunicar las expectativas: Comunicar las expectativas, objetivos y roles a los miembros del equipo. Esto garantiza que todos estén alineados y comprendan su contribución a los objetivos generales.
Capacitación y desarrollo: Brindar oportunidades de capacitación y desarrollo continuo para que los miembros del equipo desarrollen sus habilidades y mejoren su desempeño.
Monitorear y evaluar el desempeño: Monitorear periódicamente el desempeño del equipo y su progreso hacia los objetivos. Esto implica establecer métricas y sistemas de retroalimentación.
Proporcionar retroalimentación y ajustes: ofrecer retroalimentación constructiva a los miembros del equipo y realizar los ajustes necesarios a las estrategias, recursos o enfoques en función de los resultados de la evaluación.
Implementar prácticas de liderazgo: aplicar el estilo y las prácticas de liderazgo seleccionados de manera consistente en todo el equipo u organización, asegurándose de que estén alineados con los objetivos generales.
Mejora continua: Por último, fomente una cultura de mejora continua revisando periódicamente los objetivos, buscando retroalimentación y perfeccionando las prácticas de liderazgo para satisfacer las necesidades cambiantes.
Adaptar el estilo de liderazgo al nivel de desarrollo de los miembros del equipo es crucial para maximizar la productividad, fomentar un ambiente laboral positivo y asegurar el logro de los objetivos organizacionales. Cada miembro del equipo tiene distintos niveles de experiencia, habilidades y motivación, y estas diferencias requieren enfoques de liderazgo a medida. Un estilo de liderazgo que se alinee con el nivel de desarrollo de cada individuo puede mejorar su desempeño, elevar la moral y promover el crecimiento. Al adaptar los estilos de liderazgo, ya sea dirigir, entrenar, apoyar o delegar, los líderes pueden satisfacer las necesidades específicas de los miembros de su equipo, creando así un equipo más efectivo y cohesionado.
Esta adaptabilidad es esencial en entornos dinámicos como el de la atención médica, donde la capacidad de responder a diferentes niveles de experiencia y compromiso puede tener un impacto significativo tanto en el éxito del equipo como en los resultados de los pacientes.
Una matriz basada en el modelo de liderazgo situacional desarrollado por Paul Hersey y Kenneth Blanchard describe diferentes estilos de liderazgo que deben adaptarse según el nivel de desarrollo de los seguidores o miembros del equipo. Los cuatro estilos de liderazgo —dirección (S1), coaching (S2), apoyo (S3) y delegación (S4)— se corresponden con los niveles de desarrollo de los miembros del equipo (D1-D4) [ Figura 1 ].
Figura 1.
Adaptación del estilo de liderazgo al nivel de desarrollo[ 23 ]
La imagen presentada describe un modelo de liderazgo situacional. Enfatiza la adaptación de los estilos de liderazgo según el nivel de desarrollo de los miembros del equipo. El modelo se divide en cuatro cuadrantes:
S1 (Dirección): Comportamiento muy directivo y poco solidario, adecuado para miembros del equipo con un nivel de desarrollo bajo (D1) que son entusiastas pero carecen de las habilidades necesarias.
S2 (Coaching): Comportamiento altamente directivo y de alto apoyo, ideal para miembros del equipo en un nivel de desarrollo algo más alto (D2) que tienen algunas habilidades pero les falta compromiso.
S3 (Apoyo): Comportamiento poco directivo y mucho apoyo, apropiado para miembros del equipo con un nivel de desarrollo moderado a alto (D3) que son capaces pero carecen de confianza.
S4 (Delegación): comportamiento poco directivo y de bajo apoyo, mejor para miembros del equipo con un alto nivel de desarrollo (D4) que sean competentes y comprometidos.
Desafíos del liderazgo en el sector salud
En el cambiante panorama de la atención médica, los líderes se enfrentan a numerosos desafíos que exigen un delicado equilibrio entre las exigencias personales, organizacionales y externas. La complejidad de gestionar las responsabilidades clínicas y académicas, la adaptación a los avances tecnológicos y la gestión de las limitaciones financieras son solo algunos de los problemas más apremiantes. Además, los líderes de la atención médica deben cumplir con las normas regulatorias, fomentar una fuerza laboral diversa e inclusiva y reorientar el enfoque hacia una atención centrada en el paciente. Estos desafíos se ven agravados por la necesidad de mantenerse informados sobre las agendas sanitarias y educativas más amplias, a la vez que se promueve la innovación y se impulsa la colaboración interprofesional. La siguiente tabla ofrece un resumen detallado de estos desafíos, destacando la naturaleza multifacética del liderazgo en entornos de atención médica [ Tabla 3 ].
Tabla 3.
Problemas clave que enfrentan los líderes de la atención médica y posibles soluciones[ 65 , 66 ]
Desafíos actuales del liderazgo en el sector salud
Soluciones potenciales
Cuestiones personales Mantener un equilibrio adecuado entre trabajo y vida personal y las exigencias duales de las carreras clínicas y académicas plantean desafíos importantes.
1. Fomentar horarios de trabajo flexibles y opciones de trabajo remoto cuando sea posible.
2. Brindar acceso a programas de bienestar y recursos de salud mental.
Aspectos organizacionales y culturales. Comprender y comprender la cultura organizacional es fundamental para el éxito. Ciertas disciplinas sanitarias pueden adaptarse mejor a las exigencias clínicas y académicas.
1. Implementar programas de mentoría para ayudar a los nuevos líderes a comprender la cultura organizacional.
2. Fomentar una cultura inclusiva que valore las diversas perspectivas.
Equilibrar agendas en competencia Gestionar las demandas duales del sector de la educación superior y el sistema de salud en rápida evolución puede ser estresante
1. Utilice herramientas de gestión de proyectos para organizar y priorizar tareas de forma eficaz.
2. Fomentar la formación en gestión del tiempo y establecer objetivos realistas.
La agenda más amplia Los líderes deben mantenerse informados sobre las agendas más amplias de atención médica y educación, incluido el aprendizaje interprofesional, la diversidad y la innovación en liderazgo.
1. Establecer un programa de desarrollo de liderazgo centrado en las tendencias y problemas actuales.
2. Participar en actividades de desarrollo profesional continuo.
Adaptación tecnológica Los líderes deben adaptar e integrar nuevas tecnologías en las prácticas de atención médica, lo que requiere un aprendizaje continuo y puede enfrentar resistencia por parte del personal.
1. Proporcionar programas de capacitación sobre nuevas tecnologías para reducir la resistencia.
2. Implementar estrategias de gestión de cambios para facilitar transiciones sin problemas.
Restricciones financieras Los líderes del sector sanitario a menudo enfrentan limitaciones presupuestarias mientras intentan mejorar la atención al paciente y la eficiencia operativa.
1. Centrarse en modelos de atención rentables, como la atención basada en el valor.
2. Fomentar alianzas para compartir recursos y oportunidades de financiación colaborativa.
Cumplimiento normativo Navegar por las regulaciones de atención médica y garantizar el cumplimiento organizacional con las leyes de privacidad, los estándares de seguridad y los requisitos de acreditación es un desafío.
1. Establecer un equipo de cumplimiento dedicado a realizar auditorías periódicas.
2. Ofrecer capacitación sobre los requisitos regulatorios relevantes para cada rol dentro de la organización.
Diversidad de la fuerza laboral Liderar una fuerza laboral diversa requiere comprender diversos orígenes culturales y fomentar un entorno inclusivo.
1. Proporcionar capacitación en competencia cultural al personal.
2. Implementar políticas que promuevan la diversidad, la equidad y la inclusión dentro de la organización.
Atención centrada en el paciente Pasar de una atención centrada en el proveedor a una atención centrada en el paciente requiere que los líderes prioricen la experiencia del paciente, lo que puede ser un desafío en organizaciones grandes.
1. Fomentar el uso de la retroalimentación de los pacientes para orientar las mejoras.
2. Implementar capacitación en comunicación centrada en el paciente para proveedores de atención médica.
Discusión
El debate sobre si las cualidades de liderazgo son innatas o se desarrollan —»¿Nacen los grandes líderes?»— ha sido un tema de debate desde hace tiempo, tanto en el ámbito académico como en el práctico. Por un lado, teorías como la del Gran Hombre y las teorías de los rasgos sugieren que el liderazgo es una cualidad inherente, y que los líderes nacen con ciertos rasgos que los predisponen a un liderazgo eficaz. Sin embargo, las perspectivas contemporáneas enfatizan cada vez más que las cualidades de liderazgo sí se pueden cultivar.
El desarrollo del liderazgo se considera ahora un componente esencial del crecimiento profesional, especialmente en el sector sanitario. Este desarrollo implica leer sobre teorías de liderazgo, asistir a talleres, participar en programas de mentoría y asumir más responsabilidades a medida que surgen las oportunidades. Estas actividades ayudan a desarrollar cualidades de liderazgo, promover la práctica del liderazgo y construir redes profesionales.
Iniciativas como la Revisión de la Próxima Etapa de Lord Darzi y los programas en curso de la Academia de Liderazgo del NHS subrayan la importancia de desarrollar el liderazgo en la atención médica. Estas iniciativas abogan por programas de liderazgo estructurados que doten a los profesionales clínicos de las habilidades necesarias, lo que refuerza el argumento de que el liderazgo puede desarrollarse, en lugar de ser una habilidad exclusivamente innata. En resumen, si bien algunos aspectos del liderazgo pueden verse influenciados por rasgos inherentes, el consenso actual se inclina hacia la idea de que un liderazgo eficaz puede cultivarse mediante una educación, formación y experiencia práctica dedicadas.[ 67 , 68 ]
Esta revisión subraya la importancia crucial de adaptar los estilos de liderazgo a los contextos específicos y a la dinámica de equipo en los entornos sanitarios. Un enfoque de liderazgo adaptativo es esencial para mejorar los resultados de los pacientes, el bienestar del personal y fomentar un entorno sanitario resiliente. A medida que el sector sanitario continúa evolucionando, en particular con la integración de tecnologías avanzadas, el papel del liderazgo en la gestión de estos cambios se vuelve cada vez más vital. Una gestión eficaz de la adopción de tecnologías, sumada a un profundo conocimiento de la cultura organizacional, será clave para garantizar transiciones fluidas y mejoras sostenidas en la prestación de servicios de salud.
Las futuras investigaciones deberían centrarse en la aplicación práctica de las teorías de liderazgo en diversos entornos sanitarios, explorando su impacto directo en los resultados clínicos y la moral del personal. Además, existe una necesidad apremiante de evaluar la eficacia a largo plazo de los programas de desarrollo de liderazgo en el ámbito sanitario, con especial énfasis en la identificación de los componentes más eficaces de estas iniciativas. Comprender la interacción entre la cultura organizacional y las prácticas de liderazgo en diversos entornos proporcionará información valiosa sobre cómo optimizar el liderazgo para afrontar los desafíos únicos de la atención sanitaria moderna.
Puntos fuertes de la revisión
Síntesis bibliográfica exhaustiva: La revisión incorpora una amplia gama de teorías, modelos y perspectivas prácticas sobre liderazgo, ofreciendo una visión holística del liderazgo en entornos sanitarios. Se basa en diversas fuentes, lo que garantiza un análisis exhaustivo del tema.
Relevancia para los desafíos actuales de la atención médica: la revisión aborda los desafíos contemporáneos que enfrentan los líderes de la atención médica, como los avances tecnológicos, el cumplimiento normativo y la diversidad de la fuerza laboral, lo que hace que los hallazgos sean muy relevantes para los entornos de atención médica actuales.
Recomendaciones prácticas: Al centrarse en la aplicabilidad de las teorías y modelos de liderazgo, la revisión proporciona información práctica para los profesionales sanitarios. Esto incluye consejos prácticos sobre cómo adaptar los estilos de liderazgo al nivel de desarrollo de los miembros del equipo, lo cual puede implementarse directamente en entornos sanitarios.
Conclusión
En conclusión, este artículo subraya la importancia de aplicar la teoría del liderazgo transformacional como una perspectiva para comprender y desarrollar el liderazgo en el ámbito sanitario. Al centrarse en los atributos de inspiración, motivación y cambio organizacional positivo, este marco proporciona una base sólida para abordar los desafíos únicos inherentes a los entornos sanitarios. Esta exploración destaca el papel crucial de un liderazgo eficaz en el avance de la atención al paciente y el desarrollo profesional dentro de las instituciones sanitarias, ofreciendo una hoja de ruta para los líderes actuales y futuros que se esfuerzan por abordar las complejidades de este campo.
Este posteo de un HMO de la costa oeste, es un modelo de gestión en muchos aspectos e integración vertical. Desarrollo de disease management, pacientes con polipatología y multimorbilidad. Por ello, me pareció interesante mostrarles este reporte e ilustrar del problema de recursos humanos, como ya hemos tratado este blog, que no solo es remunerativo, sino de condiciones de trabajo, de problemas de comunicación, conflictos sin resolver, sobrecarga de trabajo, que lleva al agotamiento moral.
17 de Junio 2025 Kaiser Permanente
En Kaiser Permanente, educamos a los futuros médicos y ofrecemos programas que atraen a nuevos profesionales de la salud a nuestras comunidades. Instamos a los responsables políticos a tomar medidas para aumentar la fuerza laboral de atención médica.
Elizabeth Heinonen, PHR, vicepresidenta sénior de Estrategia y Adquisición de Talento, Kaiser Permanente
Estados Unidos se enfrenta a una escasez de trabajadores de la salud que continuará en el futuro previsible.
Muy pocos trabajadores están ingresando al campo de la atención médica. Cada vez más profesionales de la salud están dejando sus trabajos debido a la jubilación o el agotamiento.
Pero con el envejecimiento de la población de nuestro país, necesitaremos aún más profesionales de la salud en los próximos años.
Kaiser Permanente está tomando medidas para ampliar y mejorar las habilidades de la fuerza laboral de atención médica. Estamos dando prioridad a las profesiones con mayor escasez y mayor demanda. Esto incluye trabajadores de salud mental, enfermeras y médicos de atención primaria.
Instamos a los líderes políticos a que aborden esta cuestión crítica.
A medida que la población de los EE. UU. envejece, más personas necesitan atención médica tanto para problemas a corto plazo como para afecciones de salud continuas. Y, sin embargo, la escasez de profesionales de la salud significa que muchas personas tienen problemas para obtener la atención que necesitan cuando la necesitan.
Las escaseces proyectadas a nivel nacional incluyen:
La escasez es aún más aguda en ciertas zonas del país. Casi 3 millones de estadounidenses viven en áreas que carecen de instalaciones de atención médica e Internet de alta velocidad confiable.Sin Internet de alta velocidad, la telemedicina no es una opción para la atención.
Resolver la escasez de mano de obra no es tan sencillo como contratar a más personas o utilizar la tecnología para aprovechar a los médicos existentes. Esto se debe a que la escasez existe por varias razones, entre ellas:
El alto costo y el tiempo requerido para completar los programas de grado en atención médica
El compromiso de tiempo requerido para obtener una licencia completa, especialmente en el campo de la salud mental
Espacio limitado en los programas educativos existentes para recibir a más estudiantes
La Escuela de Ciencias de la Salud Aliadas de Kaiser Permanente ofrece capacitación académica y clínica. También ayuda a los estudiantes a encontrar trabajos en consejería de salud mental, radiología, medicina nuclear, tecnología de ultrasonido, asistencia médica y flebotomía.
También contamos con programas específicos para el campo de la salud mental.
La Academia de Becarios de Salud Mental brinda asistencia financiera y capacitación a los empleados de Kaiser Permanente que desean convertirse en terapeutas, consejeros o trabajadores sociales de salud mental.
El Acelerador de la Fuerza Laboral de Salud Mental elimina las barreras para obtener la licencia para estudiantes y graduados de nivel de maestría. Los programas ofrecen estipendios salariales, opciones de supervisión clínica y colocaciones laborales durante el proceso de licencia.
El Programa de Asociado de Post-Maestría en Salud Mental ayuda a los graduados en salud mental a obtener las horas clínicas supervisadas que necesitan para obtener una licencia para ejercer.
Estos programas están marcando la diferencia. Pero la escasez de mano de obra es un problema mayor de lo que cualquier organización puede resolver. Necesitamos el apoyo de los líderes políticos.
Cómo pueden ayudar los responsables de la formulación de políticas
Para ayudar a resolver la escasez de trabajadores de la salud, los líderes políticos deben:
Ampliar y reformar la educación médica de posgrado para capacitar a más profesionales de la salud en las áreas de mayor necesidad, como la atención primaria, la psiquiatría y la medicina de adicciones.
Apoyar programas que ofrecen asistencia para la matrícula, condonación de préstamos, becas y estipendios en los campos de la salud en demanda
Programas de apoyo que ayudan a los graduados en salud mental a obtener las horas de práctica clínica supervisada requeridas para obtener la licencia
Eliminar las barreras a la telesalud y apoyar el uso seguro de la atención virtual en todos los estados, para que más personas puedan obtener la atención que necesitan, sin importar dónde vivan
Invierta en una atención integrada y basada en el equipo para crear eficiencias y prevenir el agotamiento
Simplificar los requisitos de licencias, especialmente en salud mental, para evitar que los terapeutas estén sujetos a diferentes requisitos en diferentes estados.
La naturaleza compleja y las dificultades inherentes al sistema tradicional de atención médica pueden plantear desafíos significativos para los pacientes que intentan navegarlo de manera efectiva. [ 1 ] Por lo tanto, existe una necesidad imperiosa de cambios sistémicos sustanciales dirigidos a abordar directamente estos problemas. Reconociendo esta necesidad, numerosas organizaciones de atención médica han comenzado a aprovechar las tecnologías de la información y las comunicaciones de vanguardia, como los registros médicos electrónicos (EHR), Internet de las cosas (IdC), inteligencia artificial (IA) y telemedicina, que permiten enfoques integrales centrados en el paciente con una atención de calidad mejorada que resulta en resultados mucho mejores para los pacientes. [ 2 ] Estas transformaciones han llevado a que los hospitales INTELIGENTES surjan como soluciones poderosas que facilitan abordar las complejidades experimentadas en nuestra era posterior a la COVID-19 de manera efectiva. [ 3 ] Un modelo visual se representa en la Figura 1
Un estudio de mercado verificado estimó que la demanda global de tecnología hospitalaria inteligente experimentaría un notable crecimiento durante el período de pronóstico (alrededor del 23,1 % CAGR), alcanzando un valor estimado de 240 120 millones de dólares estadounidenses para el año 2030, principalmente debido a la creciente demanda de dispositivos inteligentes por parte de los clientes. [ 4 ] Este auge exponencial resalta el potencial transformador de los hospitales inteligentes, que marcan el inicio de una nueva era en la atención médica.La Figura 2 ofrece una representación visual del crecimiento proyectado de la demanda de tecnología hospitalaria inteligente.
Panorama del sistema de salud tradicional de la India
India aún depende principalmente de hospitales, clínicas y diversos centros de salud para brindar servicios médicos a sus pacientes hospitalizados a través de su sistema de salud tradicional. Sin embargo, muchas organizaciones de salud siguen manteniendo registros médicos en papel, lo que dificulta la interconexión eficaz entre los proveedores de servicios médicos de diferentes centros. [ 5 ]
El uso de sistemas de Historia Clínica Electrónica (HCE) se ha vuelto común entre los canadienses, con más del 91 % utilizándolos para registrar datos médicos en el trabajo en 2015. Sin embargo, la tasa de adopción en India es inferior, ya que solo un pequeño número de organizaciones médicas de primer nivel utilizan soluciones digitales a pesar de su necesidad. Es fundamental que los centros médicos indios integren tecnologías similares para ampliar la interconectividad en el sistema de salud. [ 6 ]
Desafíos que enfrenta el sistema tradicional de atención médica en la India
Los sistemas tradicionales de salud de la India se enfrentan a numerosos desafíos, lo que pone de relieve la necesidad de instalaciones médicas eficientes y tecnológicamente avanzadas, como los hospitales inteligentes. Los flujos de trabajo ineficientes provocan hacinamiento, donde los largos períodos de espera suelen resultar en retrasos en los tratamientos, malas experiencias de los pacientes e incluso su fuga. [ 7 ]
Además, los procedimientos tradicionales de evaluación hospitalaria de la India carecen de monitoreo en tiempo real en comparación con los hospitales occidentales que monitorean continuamente las condiciones de los pacientes, lo que hace que su adopción sea primordial también en la India. [ 8 ]
La falta de automatización, como la falta de un timbre para emergencias, dificulta la atención de pacientes y familiares, además de generar retrasos. El sistema médico tradicional indio también se enfrenta a errores que provocan omisiones en las recetas, lo que puede causar morbilidad o mortalidad en los pacientes. Estos errores suelen ocurrir porque el registro de datos se basa principalmente en la entrada manual de datos y pruebas diagnósticas en papel, lo que provoca problemas de comunicación, que representan casi el 70 % de los errores de medicación. [ 9 ]
Las ineficiencias energéticas se observan ampliamente incluso hoy en día en la mayoría de los hospitales de la India, donde las necesidades de temperatura o los equipos de iluminación son gestionados manualmente por el personal, lo que resulta en una sobrecarga del personal con trabajo adicional y también en una ineficiencia energética. [ 10 ]
Estos factores exigen abordar las ineptitudes que persisten en la infraestructura de atención médica existente en la India, lo que requiere soluciones innovadoras basadas en tecnología, como hospitales inteligentes, para mejorar la eficiencia y la experiencia del paciente.
La necesidad de hospitales inteligentes
Los hospitales inteligentes se han convertido en una solución prometedora para los desafíos constantes que enfrentan pacientes y profesionales de la salud. Algunos aspectos críticos que impulsan esta revolución incluyen:
• Mejorar la experiencia del paciente: La Política Nacional de Salud de la India de 2017 enfatiza la importancia de un modelo de atención primaria de salud centrado en el paciente. [ 11 ] Los hospitales inteligentes pueden emplear tecnología de vanguardia para crear un enfoque de atención centrado en el paciente que mejore la experiencia general y al mismo tiempo reduzca la carga de los profesionales de la salud.
• Reducción de errores médicos: según una investigación publicada en el Indian Journal of Critical Care Medicine, India experimenta alrededor de 5,2 millones de errores médicos cada año. [ 12 ] Al aprovechar tecnologías avanzadas como IA, robótica y opciones de tratamiento sofisticadas, los hospitales inteligentes pueden reducir significativamente dichos errores, lo que beneficia tanto a los pacientes como a los proveedores de atención médica.
• Énfasis en la atención basada en el valor: Gracias al fácil acceso a la información médica, los pacientes están cada vez más informados y buscan una atención de mayor calidad con enfoques de tratamiento personalizados. El uso de tecnologías digitales como la telemedicina y la automatización de las historias clínicas electrónicas (HCE) puede reducir los costos del tratamiento y, al mismo tiempo, mejorar los resultados de salud de los pacientes.
Estudio de caso de los hospitales Apollo
Reconociendo la necesidad de mejorar la experiencia del paciente y la eficiencia hospitalaria, los Hospitales Apollo adoptaron la transformación digital y las tecnologías inteligentes en respuesta a la pandemia de COVID-19. Este caso práctico examina la implementación exitosa de diversas iniciativas, como la aplicación My Apollo, la aplicación Apollo 24/7, las camas SMART y el uso de dispositivos inteligentes para fines clínicos y no clínicos.
• La plataforma Apollo 24/7: Esta plataforma digital facilita teleconsultas y servicios de atención domiciliaria en servicios de diagnóstico, farmacia y bienestar, facilitando el acceso a más de 10 000 especialistas a través de su sitio web o aplicación móvil. La Figura 3 ilustra claramente la fluida accesibilidad que ofrece la plataforma digital Apollo 24/7.
• Función de programación inteligente: esta función integrada en la aplicación Apollo 24/7 facilita que los pacientes se registren en línea o programen sus citas rápidamente para que puedan consultar a los médicos y al mismo tiempo acceder a los registros en línea.
• Consultas en línea mediante chatbots de IA: Al implementar chatbots de IA avanzados integrados en sus plataformas digitales, los pacientes pueden analizar sus síntomas mientras consultan con sus médicos en línea. Los hospitales Apollo ofrecen a las pacientes opciones de comunicación flexibles, como llamadas de voz/videollamadas, chats o mensajería, lo que les permite acceder a asesoramiento médico a demanda en cualquier momento.
• Programador de exámenes: Este programador ayuda a los pacientes a reservar citas médicas con antelación, ahorrando así tiempo valioso que de otro modo se perdería esperando. Al optar por la recolección a domicilio o por visitas, se ofrece flexibilidad para realizar las pruebas y adaptarlas a las necesidades del paciente.
• Cama inteligente: Desde el ingreso hospitalario hasta el alta, los pacientes necesitan estar cómodos mientras se les monitoriza su bienestar y seguridad. La tecnología de camas inteligentes permite la monitorización remota de parámetros esenciales de salud, lo que facilita una rápida intervención de enfermería en situaciones de emergencia.
• My Apollo App: los servicios de limpieza y nutrición se pueden solicitar directamente desde la aplicación My Apollo del paciente instalada en su dispositivo personal, lo que en última instancia reduce los tiempos de espera y mejora el estándar del servicio.
• Pase de visitante digital: los pases de visitante digitales ayudan a reducir los retrasos en la entrada en medio del aumento de tráfico peatonal, lo que permite un flujo más rápido, reduciendo así los tiempos de espera generales de los pacientes; además, los registros médicos digitalizados se comparten de forma segura entre los médicos, lo que da como resultado opciones de tratamiento mejor informadas.
• Monitoreo inteligente: El monitor inteligente de vitales es otra mejora tecnológica que proporciona resultados precisos y fiables sin errores manuales. La Figura 4 muestra al personal del hospital participando activamente en capacitaciones sobre dispositivos de monitoreo inteligente.
• Dispositivos inteligentes: Alexa en las habitaciones de hospital es una de las últimas incorporaciones para facilitar a los pacientes, como ajustar cortinas, encender luces y reproducir música por voz. Además, los recordatorios de medicación ayudan a mantener la constancia necesaria durante la recuperación. Ayudar a las personas a tomar el control de su bienestar y, al mismo tiempo, mejorar su experiencia hospitalaria es esencial para el éxito de Apollo Hospitals. Por ello, la tecnología de Alexa se implementó para aumentar el empoderamiento de las personas y, al mismo tiempo, impactar positivamente en los índices de satisfacción. Asimismo, la incorporación de pantallas inteligentes en las habitaciones de los pacientes aumenta el deseo de estos de participar en las rutinas de cuidado, manteniéndolos informados regularmente sobre el estado de sus constantes vitales y otras métricas, ofreciendo un enfoque personalizado que mejora su experiencia hospitalaria general. La Figura 5 muestra visualmente la integración de dispositivos inteligentes en las habitaciones de los pacientes.
• Aplicación de comunicación con el paciente: la aplicación de comunicación con el paciente permite acceder a la programación de citas, recordatorios de medicamentos, pases digitales e instrucciones de alta, lo que promueve la toma de decisiones informada y una mejor comunicación del personal de atención médica con las familias de los pacientes.
• Asistencia médica domiciliaria: Además, los Hospitales Apollo ofrecen servicios de asistencia médica domiciliaria, que incluyen el cuidado de heridas, atención de enfermería especializada, fisioterapia y administración de medicamentos, para ayudar a los pacientes a lograr sus objetivos de recuperación. Este servicio único también permite a las personas seguir su progreso mientras hablan directamente con su equipo de atención, lo que promueve un apoyo personalizado.
• Experiencia del paciente mejorada: La adopción de tecnologías inteligentes ha mejorado la calidad de la atención y la experiencia del paciente. Las familias de los pacientes se sienten más involucradas en el tratamiento, y la satisfacción del paciente ha mejorado un 25 % gracias a la transformación inteligente.
• Diagnóstico mejorado: En varios casos, las máquinas inteligentes de monitorización de signos vitales han ayudado a detectar y prevenir situaciones de emergencia. Las herramientas de diagnóstico mejoradas también han ayudado a salvar vidas y mejorar los resultados.
• Flujos de trabajo optimizados: Diversas tareas administrativas, como el registro de pacientes, la programación de citas, las solicitudes de servicio y la gestión de registros, se han optimizado mediante la automatización. Estos flujos de trabajo optimizados permiten reducir errores, retrasos y costes.
• Análisis de datos: Gracias a tecnologías inteligentes, los Hospitales Apollo han podido recopilar y analizar grandes cantidades de datos biométricos de los pacientes, como constantes vitales, análisis de sangre y estudios de imagen. El análisis de datos ha ayudado a mejorar la toma de decisiones clínicas y la coordinación de la atención. [ 13 ]
Conclusión
Los esfuerzos pioneros de Apollo Hospitals en la introducción de iniciativas digitales junto con la integración de tecnología ejemplifican el potencial de la modernización, que puede mejorar significativamente el bienestar del paciente a través de un tratamiento de calidad superior y un sistema de apoyo al tiempo que permite procesos internos optimizados.
Impulsar con decisión los hospitales inteligentes es una respuesta convincente a los desafíos actuales de la India. Los proveedores de atención médica que buscan desarrollar tecnologías de vanguardia, más allá de los modelos tradicionales, pueden garantizar la creación de valor innovador que, en última instancia, se traduzca en mejores resultados para los pacientes, con menores costos por tratamiento y mayor eficiencia operativa en toda la cadena de valor.
Sigue siendo una oportunidad única diseñada específicamente para servir a todos los interesados dentro de nuestra sociedad en evolución, llevándonos hacia un futuro más brillante y saludable manteniendo el interés de los pacientes en primer lugar en todos los espectros socioeconómicos.
La naturaleza compleja y las dificultades inherentes al sistema tradicional de atención médica pueden plantear desafíos significativos para los pacientes que intentan navegarlo de manera efectiva. [ 1 ] Por lo tanto, existe una necesidad imperiosa de cambios sistémicos sustanciales dirigidos a abordar directamente estos problemas. Reconociendo esta necesidad, numerosas organizaciones de atención médica han comenzado a aprovechar las tecnologías de la información y las comunicaciones de vanguardia, como los registros médicos electrónicos (EHR), Internet de las cosas (IdC), inteligencia artificial (IA) y telemedicina, que permiten enfoques integrales centrados en el paciente con una atención de calidad mejorada que resulta en resultados mucho mejores para los pacientes. [ 2 ] Estas transformaciones han llevado a que los hospitales INTELIGENTES surjan como soluciones poderosas que facilitan abordar las complejidades experimentadas en nuestra era posterior a la COVID-19 de manera efectiva. [ 3 ] Un modelo visual se representa en la Figura 1
Un estudio de mercado verificado estimó que la demanda global de tecnología hospitalaria inteligente experimentaría un notable crecimiento durante el período de pronóstico (alrededor del 23,1 % CAGR), alcanzando un valor estimado de 240 120 millones de dólares estadounidenses para el año 2030, principalmente debido a la creciente demanda de dispositivos inteligentes por parte de los clientes. [ 4 ] Este auge exponencial resalta el potencial transformador de los hospitales inteligentes, que marcan el inicio de una nueva era en la atención médica. La Figura 2 ofrece una representación visual del crecimiento proyectado de la demanda de tecnología hospitalaria inteligente .
Panorama del sistema de salud tradicional de la India
India aún depende principalmente de hospitales, clínicas y diversos centros de salud para brindar servicios médicos a sus pacientes hospitalizados a través de su sistema de salud tradicional. Sin embargo, muchas organizaciones de salud siguen manteniendo registros médicos en papel, lo que dificulta la interconexión eficaz entre los proveedores de servicios médicos de diferentes centros. [ 5 ]
El uso de sistemas de Historia Clínica Electrónica (HCE) se ha vuelto común entre los canadienses, con más del 91 % utilizándolos para registrar datos médicos en el trabajo en 2015. Sin embargo, la tasa de adopción en India es inferior, ya que solo un pequeño número de organizaciones médicas de primer nivel utilizan soluciones digitales a pesar de su necesidad. Es fundamental que los centros médicos indios integren tecnologías similares para ampliar la interconectividad en el sistema de salud. [ 6 ]
Desafíos que enfrenta el sistema tradicional de atención médica en la India
Los sistemas tradicionales de salud de la India se enfrentan a numerosos desafíos, lo que pone de relieve la necesidad de instalaciones médicas eficientes y tecnológicamente avanzadas, como los hospitales inteligentes. Los flujos de trabajo ineficientes provocan hacinamiento, donde los largos períodos de espera suelen resultar en retrasos en los tratamientos, malas experiencias de los pacientes e incluso su fuga. [ 7 ]
Además, los procedimientos tradicionales de evaluación hospitalaria de la India carecen de monitoreo en tiempo real en comparación con los hospitales occidentales que monitorean continuamente las condiciones de los pacientes, lo que hace que su adopción sea primordial también en la India. [ 8 ]
La falta de automatización, como la falta de un timbre para emergencias, dificulta la atención de pacientes y familiares, además de generar retrasos. El sistema médico tradicional indio también se enfrenta a errores que provocan omisiones en las recetas, lo que puede causar morbilidad o mortalidad en los pacientes. Estos errores suelen ocurrir porque el registro de datos se basa principalmente en la entrada manual de datos y pruebas diagnósticas en papel, lo que provoca problemas de comunicación, que representan casi el 70 % de los errores de medicación. [ 9 ]
Las ineficiencias energéticas se observan ampliamente incluso hoy en día en la mayoría de los hospitales de la India, donde las necesidades de temperatura o los equipos de iluminación son gestionados manualmente por el personal, lo que resulta en una sobrecarga del personal con trabajo adicional y también en una ineficiencia energética. [ 10 ]
Estos factores exigen abordar las ineptitudes que persisten en la infraestructura de atención médica existente en la India, lo que requiere soluciones innovadoras basadas en tecnología, como hospitales inteligentes, para mejorar la eficiencia y la experiencia del paciente.
La necesidad de hospitales inteligentes
Los hospitales inteligentes se han convertido en una solución prometedora para los desafíos constantes que enfrentan pacientes y profesionales de la salud. Algunos aspectos críticos que impulsan esta revolución incluyen:
• Mejorar la experiencia del paciente: La Política Nacional de Salud de la India de 2017 enfatiza la importancia de un modelo de atención primaria de salud centrado en el paciente. [ 11 ] Los hospitales inteligentes pueden emplear tecnología de vanguardia para crear un enfoque de atención centrado en el paciente que mejore la experiencia general y al mismo tiempo reduzca la carga de los profesionales de la salud.
• Reducción de errores médicos: según una investigación publicada en el Indian Journal of Critical Care Medicine, India experimenta alrededor de 5,2 millones de errores médicos cada año. [ 12 ] Al aprovechar tecnologías avanzadas como IA, robótica y opciones de tratamiento sofisticadas, los hospitales inteligentes pueden reducir significativamente dichos errores, lo que beneficia tanto a los pacientes como a los proveedores de atención médica.
• Énfasis en la atención basada en el valor: Gracias al fácil acceso a la información médica, los pacientes están cada vez más informados y buscan una atención de mayor calidad con enfoques de tratamiento personalizados. El uso de tecnologías digitales como la telemedicina y la automatización de las historias clínicas electrónicas (HCE) puede reducir los costos del tratamiento y, al mismo tiempo, mejorar los resultados de salud de los pacientes.
Estudio de caso de los hospitales Apollo
Reconociendo la necesidad de mejorar la experiencia del paciente y la eficiencia hospitalaria, los Hospitales Apollo adoptaron la transformación digital y las tecnologías inteligentes en respuesta a la pandemia de COVID-19. Este caso práctico examina la implementación exitosa de diversas iniciativas, como la aplicación My Apollo, la aplicación Apollo 24/7, las camas SMART y el uso de dispositivos inteligentes para fines clínicos y no clínicos.
• La plataforma Apollo 24/7: Esta plataforma digital facilita teleconsultas y servicios de atención domiciliaria en servicios de diagnóstico, farmacia y bienestar, facilitando el acceso a más de 10 000 especialistas a través de su sitio web o aplicación móvil. La Figura 3 ilustra claramente la fluida accesibilidad que ofrece la plataforma digital Apollo 24/7.
• Función de programación inteligente: esta función integrada en la aplicación Apollo 24/7 facilita que los pacientes se registren en línea o programen sus citas rápidamente para que puedan consultar a los médicos y al mismo tiempo acceder a los registros en línea.
• Consultas en línea mediante chatbots de IA: Al implementar chatbots de IA avanzados integrados en sus plataformas digitales, los pacientes pueden analizar sus síntomas mientras consultan con sus médicos en línea. Los hospitales Apollo ofrecen a los pacientes opciones de comunicación flexibles, como llamadas de voz/videollamadas, chats o mensajería, lo que les permite acceder a asesoramiento médico a demanda en cualquier momento.
• Programador de exámenes: Este programador ayuda a los pacientes a reservar citas médicas con antelación, ahorrando así tiempo valioso que de otro modo se perdería esperando. Al optar por la recolección a domicilio o por visitas, se ofrece flexibilidad para realizar las pruebas y adaptarlas a las necesidades del paciente.
• Cama inteligente: Desde el ingreso hospitalario hasta el alta, los pacientes necesitan estar cómodos mientras se les monitoriza su bienestar y seguridad. La tecnología de camas inteligentes permite la monitorización remota de parámetros esenciales de salud, lo que facilita una rápida intervención de enfermería en situaciones de emergencia.
• My Apollo App: los servicios de limpieza y nutrición se pueden solicitar directamente desde la aplicación My Apollo del paciente instalada en su dispositivo personal, lo que en última instancia reduce los tiempos de espera y mejora el estándar del servicio.
• Pase de visitante digital: los pases de visitante digitales ayudan a reducir los retrasos en la entrada en medio del aumento de tráfico peatonal, lo que permite un flujo más rápido, reduciendo así los tiempos de espera generales de los pacientes; además, los registros médicos digitalizados se comparten de forma segura entre los médicos, lo que da como resultado opciones de tratamiento mejor informadas.
• Monitoreo inteligente: El monitor inteligente de vitales es otra mejora tecnológica que proporciona resultados precisos y fiables sin errores manuales. La Figura 4 muestra al personal del hospital participando activamente en capacitaciones sobre dispositivos de monitoreo inteligente.
• Dispositivos inteligentes: Alexa en las habitaciones de hospital es una de las últimas incorporaciones para facilitar a los pacientes, como ajustar cortinas, encender luces y reproducir música por voz. Además, los recordatorios de medicación ayudan a mantener la constancia necesaria durante la recuperación. Ayudar a las personas a tomar el control de su bienestar y, al mismo tiempo, mejorar su experiencia hospitalaria es esencial para el éxito de Apollo Hospitals. Por ello, la tecnología de Alexa se implementó para aumentar el empoderamiento de las personas y, al mismo tiempo, impactar positivamente en los índices de satisfacción. Asimismo, la incorporación de pantallas inteligentes en las habitaciones de los pacientes aumenta el deseo de estos de participar en las rutinas de cuidado, manteniéndolos informados regularmente sobre el estado de sus constantes vitales y otras métricas, ofreciendo un enfoque personalizado que mejora su experiencia hospitalaria general. La Figura 5 muestra visualmente la integración de dispositivos inteligentes en las habitaciones de los pacientes.
• Aplicación de comunicación con el paciente: la aplicación de comunicación con el paciente permite acceder a la programación de citas, recordatorios de medicamentos, pases digitales e instrucciones de alta, lo que promueve la toma de decisiones informada y una mejor comunicación del personal de atención médica con las familias de los pacientes.
• Asistencia médica domiciliaria: Además, los Hospitales Apollo ofrecen servicios de asistencia médica domiciliaria, que incluyen el cuidado de heridas, atención de enfermería especializada, fisioterapia y administración de medicamentos, para ayudar a los pacientes a lograr sus objetivos de recuperación. Este servicio único también permite a las personas seguir su progreso mientras hablan directamente con su equipo de atención, lo que promueve un apoyo personalizado.
• Experiencia del paciente mejorada: La adopción de tecnologías inteligentes ha mejorado la calidad de la atención y la experiencia del paciente. Las familias de los pacientes se sienten más involucradas en el tratamiento, y la satisfacción del paciente ha mejorado un 25 % gracias a la transformación inteligente.
• Diagnóstico mejorado: En varios casos, las máquinas inteligentes de monitorización de signos vitales han ayudado a detectar y prevenir situaciones de emergencia. Las herramientas de diagnóstico mejoradas también han ayudado a salvar vidas y mejorar los resultados.
• Flujos de trabajo optimizados: Diversas tareas administrativas, como el registro de pacientes, la programación de citas, las solicitudes de servicio y la gestión de registros, se han optimizado mediante la automatización. Estos flujos de trabajo optimizados permiten reducir errores, retrasos y costes.
• Análisis de datos: Gracias a tecnologías inteligentes, los Hospitales Apollo han podido recopilar y analizar grandes cantidades de datos biométricos de los pacientes, como constantes vitales, análisis de sangre y estudios de imagen. El análisis de datos ha ayudado a mejorar la toma de decisiones clínicas y la coordinación de la atención. [ 13 ]
Conclusión
Los esfuerzos pioneros de Apollo Hospitals en la introducción de iniciativas digitales junto con la integración de tecnología ejemplifican el potencial de la modernización, que puede mejorar significativamente el bienestar del paciente a través de un tratamiento de calidad superior y un sistema de apoyo al tiempo que permite procesos internos optimizados.
Impulsar con decisión los hospitales inteligentes es una respuesta convincente a los desafíos actuales de la India. Los proveedores de atención médica que buscan desarrollar tecnologías de vanguardia, más allá de los modelos tradicionales, pueden garantizar la creación de valor innovador que, en última instancia, se traduzca en mejores resultados para los pacientes, con menores costos por tratamiento y mayor eficiencia operativa en toda la cadena de valor.
Sigue siendo una oportunidad única diseñada específicamente para servir a todos los interesados dentro de nuestra sociedad en evolución, llevándonos hacia un futuro más brillante y saludable manteniendo el interés de los pacientes en primer lugar en todos los espectros socioeconómicos.
El impacto de la inteligencia emocional y moral en el compromiso organizacional de las enfermeras
Resumen: La inteligencia emocional y moral son factores cruciales en el ámbito de la enfermería para mejorar el compromiso organizacional, la calidad de los servicios y el desempeño profesional. La inteligencia emocional permite a los individuos gestionar sus emociones y fortalece habilidades sociales y psicológicas, mientras que la inteligencia moral proporciona un marco ético para tomar decisiones y actuar de manera adecuada. Ambos tipos de inteligencia están asociados con la satisfacción laboral, el desempeño clínico y la capacidad de afrontar los desafíos de la profesión, como el contacto constante con el sufrimiento y la alta carga laboral.
El compromiso organizacional, que refleja la lealtad y el apego de los empleados a su institución, es esencial para prevenir la rotación laboral y mejorar la seguridad del paciente y la calidad de la atención. Estudios han demostrado una correlación positiva significativa entre la inteligencia emocional y moral con el compromiso organizacional (p < 0,001). Este vínculo fomenta la participación en actividades organizacionales, mejora la comunicación y fortalece el trabajo en equipo, factores clave en profesiones centradas en el cuidado de personas.
La investigación realizada en hospitales afiliados a la Universidad de Ciencias Médicas de Jiroft en 2024 destaca la importancia de considerar conjuntamente la inteligencia emocional y moral para potenciar el compromiso organizacional de las enfermeras. Los hallazgos no solo amplían el conocimiento existente, sino que también ofrecen una base para el desarrollo de estrategias que fortalezcan la motivación y el desempeño del personal de enfermería, mejorando así la atención sanitaria en general.
La inteligencia se refiere al comportamiento adaptativo de un individuo, que generalmente implica elementos de resolución de problemas y está guiado por procesos y operaciones cognitivas [ 1 ]. La inteligencia se divide en varios tipos, como inteligencia social, inteligencia cultural, inteligencia emocional e inteligencia moral [ 2 ]. La inteligencia emocional es el uso inteligente de las emociones para ayudar a los individuos a controlar conscientemente sus emociones y usarlas como guía para el pensamiento y el comportamiento [ 3 ].La inteligencia emocional es un tipo de inteligencia cognitiva que abarca un conjunto de habilidades, destrezas sociales y emocionales que aumentan las posibilidades de éxito de un individuo al afrontar las presiones y condiciones ambientales [ 4 , 5 , 6 ]. Esta inteligencia impacta significativamente los estados psicológicos, sociales y físicos de los individuos y está asociada con una sensación de bienestar, un mejor estatus social, una mejor comunicación y una reducción de los trastornos psicológicos. Por el contrario, tiene una relación inversa con los problemas de la vida interna y externa [ 7 ]. La inteligencia emocional permite a los individuos evitar que las situaciones difíciles se vuelvan incontrolables, lo que facilita el manejo del estrés [ 8 ]. Quienes emplean la inteligencia emocional muestran mejor adaptabilidad y mayor confianza en sí mismos y son conscientes de sus capacidades [ 9 ].
La inteligencia moral, otra dimensión de la inteligencia, proporciona un marco para el comportamiento humano adecuado y se considera teóricamente un predictor del comportamiento [ 10 ]. La inteligencia moral tiene cuatro dimensiones: integridad, responsabilidad, compasión y perdón [ 11 ].
La integridad se refiere a la alineación entre las creencias y acciones de un individuo, la responsabilidad implica aceptar las acciones y sus consecuencias, la compasión se refiere al cuidado de los demás y el perdón implica comprender los errores y perdonarse a uno mismo y a los demás [ 12 ]. La inteligencia moral se refiere a la capacidad y habilidad de distinguir el bien del mal, tener creencias morales fuertes y profundas y exhibir un comportamiento apropiado [ 13 , 14 ]. La inteligencia moral es crucial porque muchos comportamientos y actuaciones humanas provienen de principios y valores morales y están influenciados por ellos [ 14 , 15 ]. La inteligencia moral se relaciona directamente con los comportamientos que muestran los individuos y establece un sistema de principios y reglas que guían a los humanos a hacer lo correcto [ 16 , 17 ]. Además, la inteligencia moral fomenta un fuerte trabajo en equipo y la productividad, previene actos delictivos, incorpora directrices éticas en la toma de decisiones y desarrolla un programa para evaluar las necesidades éticas [ 18 ].
La inteligencia emocional y moral son vitales para mejorar las relaciones interpersonales, particularmente en profesiones relacionadas con los campos médicos y de enfermería, que tratan con personas y sus vidas [ 19 ]. Las enfermeras con alta inteligencia emocional y moral pueden tomar decisiones mejores, más lógicas y éticas centradas en sus objetivos a pesar de sus emociones y sentimientos [ 20 ]. Además, la baja inteligencia emocional y moral afecta la felicidad y la salud de las enfermeras, lo que les dificulta gestionar problemas y conflictos [ 21 ]. La investigación muestra una conexión entre la inteligencia emocional y la inteligencia moral con el desempeño de enfermería, lo que indica que la inteligencia emocional y moral en las enfermeras está asociada con una mayor satisfacción laboral, logros profesionales y competencia clínica [ 22 , 23 ].
Además, la enfermería como profesión requiere un desempeño adecuado, y el compromiso organizacional es uno de sus principios fundamentales [ 24 ]. El compromiso organizacional es una actitud que refleja el interés, el apego, la lealtad de los empleados hacia la organización y su disposición a quedarse [ 25 ]. Algunos académicos consideran que el compromiso organizacional tiene dos componentes interrelacionados pero distintos: el compromiso actitudinal y el compromiso conductual [ 26 ]. El compromiso actitudinal refleja la lealtad de los individuos hacia la organización, enfatizando su adaptación y participación en ella [ 27 ]. El compromiso conductual indica el proceso de vinculación de los individuos con la organización [ 27 ]. Dada la naturaleza desafiante de la enfermería, un alto compromiso organizacional es crucial para prevenir la rotación laboral [ 28 ]. Los desafíos de la enfermería incluyen el contacto constante y directo con el dolor y el sufrimiento de los pacientes, la escasez de personal [ 29 ], numerosas tareas, cargas de trabajo pesadas [ 30 ], la complejidad de la enfermería y los turnos rotativos [ 31 ]. Las preocupaciones sobre la rotación de enfermeras se han convertido en un desafío para los gerentes del sistema de atención médica en los últimos años [ 32 ]. El compromiso organizacional y el trabajo decente, además de prevenir la rotación laboral, motiva, vigoriza en el trabajo, adopta ideologías morales y aumenta el entusiasmo de los empleados por realizar sus tareas, mejora la comunicación con los pacientes y sus familias [ 33 , 34 , 35 , 36 ], reduce el ausentismo y las tardanzas, mejora el rendimiento, logra metas personales, fomenta la vitalidad, logra metas organizacionales más altas [ 37 ] y, en última instancia, mejora la seguridad del paciente y la calidad de la atención de enfermería [ 38 ]. El compromiso organizacional está influenciado por varios factores. Algunos estudios han examinado la relación entre variables individuales como los rasgos de personalidad o la inteligencia emocional y la inteligencia moral con el compromiso organizacional [ 39 , 40 ]. Se reconoce que muchos comportamientos y acciones provienen de la inteligencia moral y emocional [ 39 ], y descuidarlas en las organizaciones y su debilidad puede causar muchos problemas e impactar negativamente en el compromiso organizacional de los individuos [ 40 ].
Según algunos académicos, tanto la inteligencia moral como la inteligencia emocional pueden influir en el compromiso organizacional al identificarse con la organización, alentar la participación en actividades organizacionales y valorar y compartir la vida organizacional [ 36 , 37 ]. Además, la inteligencia moral y la inteligencia emocional pueden ayudar a los empleados a establecer una comunicación efectiva y, al distinguir entre pensamiento y sentimiento, así como al mejorar el comportamiento de aprendizaje y la perseverancia, impactar positivamente en su compromiso organizacional [ 18 , 41 ].
Una revisión de los escasos estudios previos indica que la mayoría se ha centrado en examinar la correlación entre la inteligencia emocional o la inteligencia moral y el compromiso organizacional. Por lo tanto, una de las lagunas de conocimiento existentes, que requiere más estudios, es examinar simultáneamente estos dos tipos de inteligencia y, en segundo lugar, investigar su efecto concurrente y su papel predictivo en la previsión del compromiso organizacional, un aspecto que los estudios previos no han abordado suficientemente. Dada la importancia de las tres variables mencionadas —inteligencia emocional, inteligencia moral y compromiso organizacional— para mejorar el desempeño y la calidad de los servicios de enfermería, y los escasos estudios sobre estas tres variables y el efecto simultáneo de la inteligencia emocional y moral en el compromiso organizacional del personal de enfermería, este estudio tuvo como objetivo determinar el estado de la inteligencia emocional y moral, su relación e impacto en el compromiso organizacional del personal de enfermería que trabaja en hospitales afiliados a la Universidad de Ciencias Médicas de Jiroft en el sur de Irán en 2024.
Los hallazgos de esta investigación, si bien amplían el conocimiento sobre las variables estudiadas en el ámbito de la enfermería, también concientizan a los gerentes y responsables de políticas del sistema de salud sobre el efecto simultáneo de la inteligencia emocional y la inteligencia moral en el compromiso organizacional de la comunidad enfermera. Además, considerando el objetivo principal de este estudio, los hallazgos pueden servir de base para planificar el fortalecimiento del compromiso organizacional del personal de enfermería.
Los resultados mostraron una correlación positiva significativa entre la inteligencia emocional y la inteligencia moral con el compromiso organizacional de las enfermeras ( p < 0,001). Esto implica que, a medida que aumentan la inteligencia emocional y la inteligencia moral, también puede aumentar el compromiso organizacional (Fig. 1 ).
Dimensiones de la inteligencia emocional.
Correlación entre la inteligencia emocional y moral con el compromiso
Los resultados del análisis de regresión lineal múltiple para determinar el efecto simultáneo de diferentes dimensiones de la inteligencia moral y emocional en el compromiso organizacional de las enfermeras mostraron que las variables significativas en el modelo determinadas mediante el método Enter fueron, en orden de importancia: “responsabilidad, compasión, autoconciencia, perdón, integridad, gestión de relaciones, autogestión y conciencia social”. Los coeficientes β para las variables influyentes, que indican su prioridad de impacto en el compromiso organizacional, se presentan en la Tabla 3. El análisis también mostró que el R 2 ajustado del modelo procesado fue de 0,72, lo que significa que el 72 % de los cambios en la puntuación de compromiso organizacional de las enfermeras podrían explicarse por las variables del modelo. La ecuación lineal que explica la puntuación de compromiso organizacional de las enfermeras con base en las variables del modelo se obtuvo de la siguiente manera:
X 1,2,3,4,5,6,7,8 : Variables que afectan el compromiso organizacional de las enfermeras (Tabla 3 ).
Tabla 3 Factores que influyen en el compromiso organizacional de las enfermeras utilizando el modelo de regresión lineal
Con base en los hallazgos del estudio, la puntuación media de inteligencia emocional difirió significativamente en función de variables como la edad ( p = 0,005), el género ( p = 0,03), el estado civil ( p = 0,04) y la experiencia laboral ( p = 0,01). La puntuación media de inteligencia emocional entre enfermeras aumentó con la edad y la experiencia laboral. Además, la inteligencia emocional fue mayor entre las mujeres (89,17 ± 8,28 de 168) y las enfermeras casadas (89,02 ± 8,62 de 168) en comparación con otras. Del mismo modo, la puntuación media de inteligencia moral difirió significativamente en función de la edad ( p = 0,03) y la experiencia laboral ( p = 0,04), y la inteligencia moral aumentó con la edad y la experiencia laboral. Finalmente, la puntuación media de compromiso organizacional entre las enfermeras difirió significativamente en función de la edad ( p = 0,003), el tipo de empleo ( p = 0,02) y la experiencia laboral ( p = 0,006), y el compromiso organizacional aumentó con la edad y la experiencia laboral. Además, el compromiso organizacional fue mayor entre las enfermeras con empleo formal (44,68 ± 6,19 sobre 100) en comparación con el resto (Tabla 4 ).
Discusión
Los resultados mostraron que la inteligencia emocional de las enfermeras estudiadas estaba en un nivel moderado. Esto se alinea con los estudios de Gooya et al. (2012) [ 49 ], Kheirmand et al. (2016) [ 50 ], Madadkhani et al. (2014) [ 51 ], y Soltan Abadi y Beikmoradi (2020) [ 52 ]. Por el contrario, Masoudi y Alavi (2021) [ 43 ] encontraron que la inteligencia emocional de las enfermeras estaba en un buen nivel, mientras que Ghaderi y Shamsi (2013) [ 53 ] la informaron como superior a la media. Cheraghi et al. (2023) [ 54 ] indicaron niveles moderados a altos, y Rahmanian et al. (2022) [ 55 ] y Niazi et al. (2015) [ 56 ] encontraron niveles altos. Estas diferencias podrían atribuirse a factores culturales. La inteligencia emocional se considera crucial para la atención de enfermería de calidad, el desempeño individual y la toma de decisiones clínicas, mejorando en última instancia el desempeño laboral [ 43 ].
Los hallazgos también mostraron que la inteligencia moral de las enfermeras estaba en un nivel moderado, en consonancia con los estudios de Saied et al. (2017) [ 57 ], Nehrir et al. (2015) [ 58 ] y Arshiha et al. (2016) [ 59 ]. La inteligencia moral se puede desarrollar a través de la educación e influye en el comportamiento y las creencias éticas. Por lo tanto, es esencial mejorar las capacidades éticas de las enfermeras mediante la capacitación. Por el contrario, los estudios de Kheirandish et al. (2022) [ 60 ], Sadeghi et al. (2016) [ 61 ] y Kalantari et al. (2020) informaron buenos niveles de inteligencia moral, mientras que Dehghani et al. (2022) [ 62 ] la encontraron muy buena entre las enfermeras de la UCI, y Amini et al. (2015) [ 63 ] la encontraron por encima del promedio. Estas diferencias subrayan el impacto del entorno laboral en la inteligencia moral.
El estudio también encontró que la puntuación media del compromiso organizacional de las enfermeras era baja, en consonancia con los estudios de Buckley y Halbesleben (2004) [ 64 ] y Baby y Damodaran (2022) [ 65 ]. Los estudios de Rahmanzade et al. (2014) [ 66 ], Nabizadeh Gharghozar (2013) [ 67 ], Abbaszadeh et al. (2013) [ 68 ] y Parizad et al. (2013) [ 69 ] mostraron niveles moderados. Por el contrario, los estudios de Azizi-Qadikolaee et al. (2019) [ 70 ] y Sadeghi et al. (2023) [ 71 ] informaron niveles altos, y Safavi et al. (2016) [ 72 ] y Kebriaei et al. (2016) [ 73 ] encontraron niveles superiores a la media. Las diferencias en las características organizacionales y las herramientas de evaluación parecen influir en estos resultados. El bajo compromiso organizacional, que conlleva rotación laboral, requiere atención para fomentar el compromiso en el personal de enfermería.
Se encontró una correlación positiva significativa entre la inteligencia emocional, la inteligencia moral y el compromiso organizacional de las enfermeras. Esto implica que a medida que aumentan la inteligencia emocional y la inteligencia moral, también puede aumentar el compromiso organizacional. Esto se alinea con los estudios de Boyokzadeh et al. (2017) [ 74 ], Bazvand et al. (2014) [ 75 ], Shams Mourkani et al. (2012) [ 76 ], Davoudi et al. (2020) [ 77 ], Aghabozorgi et al. (2014) [ 78 ], Kumari (2018) [ 79 ], Alam (2020) [ 80 ], Widayanti y Palupiningdyah (2019) [ 81 ], y Geun y Park (2019) [ 82 ]. Parece que la inteligencia emocional mejora el compromiso organizacional al mejorar la comunicación interpersonal y el trabajo en equipo. Una mayor inteligencia emocional puede generar un mayor compromiso, incluso sin control externo. Además, es probable que las personas con alta inteligencia emocional, al enfrentarse a problemas en la organización, no culpen a la organización por sus sentimientos de frustración y, en consecuencia, no lo consideren una razón para abandonarla. Como resultado, estas personas estarán más comprometidas con su organización que otras.
En cuanto a la inteligencia moral, los estudios de Farrokhi y Asadi (2018) [ 83 ] y Dehghani et al. (2015) [ 84 ] hallaron una relación positiva entre la inteligencia moral y el compromiso organizacional. Es posible que la adhesión a los principios éticos y el desarrollo de la inteligencia moral incrementen la calidad del servicio, el compromiso y la rendición de cuentas, estabilizando así la organización.
Cabe destacar que la inteligencia emocional y moral de las enfermeras también puede verse influenciada por factores culturales. Los valores, las actitudes, las creencias, las opiniones y las costumbres pueden influir en la inteligencia emocional y moral de las enfermeras y en su desempeño clínico; por lo tanto, los resultados de este estudio en diferentes contextos culturales pueden arrojar resultados diferentes [ 85 , 86 ].
El análisis de regresión lineal múltiple identificó dimensiones de la inteligencia emocional y moral, incluyendo responsabilidad, compasión, autoconciencia, perdón, integridad, gestión de relaciones, autogestión y conciencia social, como predictores del compromiso organizacional. Estudios de Kim et al. (2018) [ 87 ], Vedadi et al. (2009) [ 88 ], Aghili y Danaei (2016) [ 89 ], Mohammadimehr et al. (2017) [ 90 ], y Ghiyasvandian et al. (2017) [ 91 ] respaldan estos hallazgos. La satisfacción comunicativa y la gestión del estrés también impactan positivamente en el compromiso organizacional, lo que sugiere que la capacitación en habilidades de comunicación puede mejorar el compromiso y reducir la rotación.
Conclusión
Los resultados de este estudio indicaron que en los hospitales estudiados no se han implementado medidas efectivas y beneficiosas para familiarizar, capacitar y mejorar la inteligencia emocional y moral del personal de enfermería. El bajo nivel de compromiso organizacional del personal de enfermería es una señal crítica y alarmante, que requiere que los gerentes hospitalarios investiguen e identifiquen las razones de dicho compromiso y apliquen las estrategias necesarias para abordarlo y mitigarlo. El bajo compromiso organizacional del personal de enfermería, el recurso humano más importante en la atención al paciente puede tener consecuencias peligrosas e irreversibles.
Además, se observó una correlación positiva significativa entre la inteligencia emocional y moral y el compromiso organizacional. Asimismo, los componentes de estas dos inteligencias, en orden de importancia, incluyeron la responsabilidad, la compasión, la autoconciencia, el perdón, la integridad, la gestión de relaciones, la autogestión y la conciencia social, identificados como predictores del compromiso organizacional.
Por lo tanto, se recomienda que, con el apoyo de la dirección hospitalaria y las unidades médicas, se fomente la comprensión del personal de enfermería sobre la inteligencia moral y emocional, especialmente los componentes prioritarios de responsabilidad, compasión y autoconciencia. Mediante el diseño e implementación de programas especiales de capacitación para enfermeras y la organización de seminarios y talleres especializados con la presencia de expertos y académicos en este campo, se pueda promover el desarrollo de la inteligencia moral y emocional en las enfermeras y, en última instancia, su compromiso organizacional.
Una habilidad esencial que transforma el desempeño laboral
La inteligencia emocional juega un papel fundamental en el desempeño laboral de las enfermeras, especialmente en entornos de alta presión como los hospitales. Aquellas con mayor inteligencia emocional son más adaptables, resilientes y competentes, lo que se traduce en una mejor calidad de atención, capacidad para manejar conflictos y satisfacción laboral. Además, esta habilidad influye directamente en la competencia clínica, entendida como la integración de conocimientos, habilidades y valores en la práctica profesional. Este estudio, realizado en hospitales afiliados a la Universidad de Ciencias Médicas de Jiroft en Irán, analiza cómo la inteligencia emocional impacta el desempeño laboral de las enfermeras, con la competencia clínica como mediadora. Los hallazgos buscan servir como base para mejorar el desempeño en la atención médica y fortalecer el rol crucial de las enfermeras en la recuperación y bienestar de los pacientes.
Los humanos necesitan varias habilidades y capacidades, incluida la inteligencia, para tener éxito en sus tareas [ 1 ]. La inteligencia emocional se define como el conocimiento o la competencia para usar eficazmente las emociones para regular los comportamientos sociales y emocionales [ 2 ]. Al igual que la inteligencia general (CI), la inteligencia emocional se considera una capacidad individual relativamente estable, que puede mejorarse mediante intervenciones educativas y aprendizaje [ 3 ]. Su importancia radica en el hecho de que quienes emplean la inteligencia emocional son más adaptables a su entorno, muestran una mayor confianza en sí mismos y son más conscientes de sus capacidades [ 4 ]. Además, las personas con alta inteligencia emocional pueden superar desafíos y resolver problemas con éxito, manteniendo su desempeño en un nivel aceptable [ 5 ]. Son hábiles en el manejo de sus emociones, lo que ayuda a preservar la calidad de su desempeño en la prestación de servicios [ 6 ]. Por el contrario, los empleados con baja inteligencia emocional tienden a ser menos conscientes de sus emociones y tienen una capacidad reducida para lidiar con sus sentimientos, lo que afecta negativamente su desempeño en situaciones estresantes [ 7 ]. Por lo tanto, la inteligencia emocional, como rasgo personal, juega un papel crucial en la predicción del comportamiento, el desempeño de las tareas y los resultados laborales generales [ 8 ]. Según las investigaciones, la inteligencia emocional es uno de los factores inherentes que influyen en el éxito y representa aproximadamente el 60% del desempeño en todas las profesiones [ 9 , 10 , 11 , 12 ].
En las organizaciones de atención médica, la inteligencia emocional es especialmente importante, ya que permite a las personas pensar con claridad bajo presión y evitar emociones que hacen perder el tiempo, como la ira, la ansiedad y el miedo, lo que permite la claridad interior y la creatividad [ 13 ]. En entornos de atención médica como los hospitales, se espera que las enfermeras empaticen con los pacientes, respondan a su sufrimiento de manera efectiva y demuestren una preocupación compasiva. Deben gestionar sus emociones cuando interactúan con los pacientes, ya que la gestión emocional es un prerrequisito para la profesión de enfermería [ 14 ]. Las enfermeras con alta inteligencia emocional pueden tomar mejores decisiones orientadas a objetivos en situaciones emocionales, mientras que la baja inteligencia emocional afecta negativamente la felicidad y la salud de las enfermeras, lo que les dificulta gestionar los conflictos [ 15 ]. Los estudios han demostrado que las enfermeras con mayor inteligencia emocional demuestran una mejor competencia clínica y un mejor desempeño laboral en comparación con sus pares [ 16 , 17 , 18 ]. En entornos de alto estrés como los hospitales, la baja inteligencia emocional entre las enfermeras puede llevar a una incapacidad para afirmar sus capacidades, fomentando actitudes negativas hacia la profesión y reduciendo la satisfacción laboral [ 16 ]. Por el contrario, una inteligencia emocional alta no solo mejora el desempeño y la calidad de la atención, sino que también reduce la brecha entre la teoría y la práctica, aumenta el compromiso laboral y desarrolla resiliencia frente a los desafíos [ 17 ]. Los expertos creen que una inteligencia emocional baja desempeña un papel importante en la depresión, la ansiedad, el estrés, el neuroticismo y, en última instancia, el bajo desempeño [ 18 ].
Algunos estudios destacan la relación entre la inteligencia emocional y el desempeño de enfermería [ 19 ]. El desempeño laboral puede definirse como un conjunto de comportamientos y actividades realizadas por un individuo para acercar a la organización y sus objetivos colectivos al logro. El desempeño de los recursos humanos y los empleados en sus roles es un factor determinante en el desempeño organizacional. Por lo tanto, este concepto ocupa una posición destacada en la gestión del desempeño organizacional [ 20 ]. En este sentido, el desempeño laboral óptimo de las enfermeras hospitalarias garantiza la calidad de los servicios de atención médica prestados a los pacientes y contribuye a su satisfacción [ 21 ]. Además, según un estudio, las enfermeras son la fuerza impulsora detrás de las operaciones del hospital, y su desempeño laboral apropiado es un factor significativo para acelerar el proceso de tratamiento y la recuperación de los pacientes [ 22 ]. Por otro lado, un desempeño laboral deficiente entre las enfermeras puede conducir a errores en los procesos de recuperación de los pacientes, períodos de hospitalización prolongados y mayores costos, lo que puede resultar en daños graves o incluso la muerte del paciente [ 23 ].
Además, según algunos estudios, la inteligencia emocional en enfermeras y gerentes está asociada con una mayor satisfacción laboral, logros profesionales y competencia clínica [ 24 ]. La competencia clínica se refiere a la capacidad de resolver problemas complejos a través de la integración de conocimiento, actitud y habilidades prácticas [ 25 ]. La necesidad de atención de calidad al paciente ha hecho de la competencia clínica un enfoque clave en entornos educativos y clínicos [ 26 ]. Varios factores, incluidos los cambios rápidos en los sistemas de monitoreo de la salud, la necesidad de servicios seguros y rentables, una mayor conciencia pública de los problemas de salud, las crecientes expectativas de servicios de calidad y el deseo de los proveedores de atención médica de emplear personal calificado, han aumentado la atención a la competencia clínica [ 27 ]. La competencia clínica implica la aplicación prudente y constante de habilidades técnicas y de comunicación, conocimiento, razonamiento clínico, emociones y valores en entornos clínicos [ 28 ]. Según algunos académicos, esta competencia puede influir en el desempeño laboral, la prestación de servicios seguros y el cumplimiento adecuado de las responsabilidades profesionales en la práctica [ 29 ]. Parece que las enfermeras con competencia clínica apropiada, al aplicar hábilmente habilidades técnicas y de comunicación, conocimiento, razonamiento clínico, emociones y valores en entornos clínicos, también demuestran un desempeño laboral óptimo [ 30 ]. De hecho, la competencia clínica, definida como la capacidad de realizar una tarea con los mejores y más deseables resultados, también puede contribuir a lograr un desempeño laboral óptimo [ 31 ]. Además, la competencia clínica está influenciada por varios factores, que incluyen la experiencia, el entorno, las oportunidades, la motivación, el conocimiento teórico, las características personales y, lo más importante, la inteligencia emocional [ 32 ]. Es probable que las enfermeras con mayor inteligencia emocional muestren una mejor competencia clínica, lo que puede empoderarlas y mejorar su desempeño laboral [ 8 , 33 ]. La inteligencia emocional afecta las habilidades de resolución de problemas, y las personas que tienen mayor inteligencia emocional demuestran mejores habilidades de resolución de problemas [ 34 ]. Por lo tanto, la inteligencia emocional es esencial para el desarrollo y la integración de la identidad y la competencia profesional [ 35 ].
Una revisión de estudios previos indica que las tres variables (inteligencia emocional, competencia clínica y desempeño laboral del personal de enfermería) se han examinado principalmente por separado, con pocos estudios que investiguen dos o las tres variables simultáneamente. Considerando la importancia de la inteligencia emocional, la competencia clínica y el desempeño laboral para la prestación de servicios de salud satisfactorios y de alta calidad, y la escasez de estudios que exploren estas tres variables mediante un enfoque de modelos de ecuaciones estructurales, este estudio se realizó para examinar el impacto de la inteligencia emocional en el desempeño laboral, con el papel mediador de la competencia clínica, entre el personal de enfermería que trabajaba en hospitales afiliados a la Universidad de Ciencias Médicas de Jiroft en el sur de Irán en 2024. La Universidad de Ciencias Médicas de Jiroft es una de las universidades médicas de la provincia de Kermán, en el sur de Irán. La universidad se encarga de brindar servicios educativos, sanitarios y médicos en siete condados del sur de la provincia. En el sector sanitario, la misión de la Universidad de Ciencias Médicas de Jiroft es brindar servicios de la más alta calidad, de acuerdo con los estándares internacionales. En Irán, se hace especial hincapié en la profesión de enfermería y en el personal de enfermería como uno de los contribuyentes más importantes a la prestación de servicios de salud. Desempeñan un papel fundamental para garantizar la calidad del servicio y la satisfacción del paciente y su familia. Por lo tanto, explorar los aspectos conductuales, gerenciales y organizativos del personal de enfermería es fundamental.
Este estudio no solo incorpora innovaciones metodológicas específicas, sino que también contribuye a ampliar el conocimiento sobre las variables examinadas en el ámbito hospitalario. Mejora la comprensión de los gestores sanitarios y los responsables de la formulación de políticas sobre estas variables y sus relaciones dentro de la comunidad de enfermería. Asimismo, considerando el objetivo principal de esta investigación, los hallazgos pueden servir de base para planificar mejoras en el desempeño laboral de las enfermeras.
Con base en el marco teórico discutido, el modelo conceptual del estudio se presenta en la Figura 1 .
A partir de este modelo conceptual, en este estudio se prueban las siguientes hipótesis:
Hipótesis 1
La inteligencia emocional tiene un efecto positivo y significativo en el desempeño laboral de las enfermeras.
Hipótesis 2
La inteligencia emocional tiene un efecto positivo y significativo en la competencia clínica de las enfermeras.
Hipótesis 3
La competencia clínica tiene un efecto positivo y significativo en el desempeño laboral de las enfermeras.
Hipótesis 4
La inteligencia emocional, a través del papel mediador de la competencia clínica, tiene un efecto positivo y significativo en el desempeño laboral de las enfermeras.
Discusión
Los resultados de la primera prueba de hipótesis mostraron que la inteligencia emocional tiene un efecto positivo y significativo en el desempeño laboral de las enfermeras. Los estudios de Cheraghi et al., Ranjdoust y Feiz et al. también confirmaron una relación significativa entre el desempeño laboral de las enfermeras y la inteligencia emocional [ 43 , 44 , 45 ]. Raeissi et al. demostraron que la inteligencia emocional impacta significativamente las habilidades conductuales de las enfermeras e influye positivamente en sus habilidades de comunicación [ 46 ]. Mosadegh Rad enfatizó que la inteligencia emocional de las enfermeras influye significativamente en muchas de sus habilidades conductuales. Su estudio destacó la capacidad y el impacto de la inteligencia emocional y sus dimensiones en las habilidades de comunicación de las enfermeras [ 47 ]. De manera similar, parte de los hallazgos de Galanis et al. indicaron un efecto positivo de la inteligencia emocional en el desempeño laboral de las enfermeras [ 48 ]. Parece que una mayor inteligencia emocional en las enfermeras les permite reconocer y manejar sus propias emociones, así como las de los pacientes, y establecer una comunicación apropiada y empática. Estas habilidades, como componentes de la inteligencia emocional, pueden contribuir a mejorar el desempeño de enfermería [ 49 ]. Mafi y Asefzade afirmaron en su estudio que la inteligencia emocional juega un papel crucial en el éxito de los individuos dentro de las organizaciones de atención médica. Afirmaron que las enfermeras con mayor inteligencia emocional son más capaces de comunicarse eficazmente con los pacientes, lo que conduce a una mejor calidad de la atención y a una mayor satisfacción del paciente. Consideraron que mejorar la inteligencia emocional es una forma eficaz de mejorar las habilidades de comunicación de las enfermeras, mejorando así la calidad de la atención de enfermería clínica [ 50 ]. Además, los componentes de la inteligencia emocional pueden tener un impacto positivo en la autoeficacia y la comunicación interpersonal, mostrando un efecto estadísticamente significativo en el desempeño clínico de las enfermeras [ 51 ]. En la profesión de enfermería, el desarrollo de la autoconciencia, la gestión eficaz de las emociones, la resiliencia frente a los desafíos y la capacidad de fomentar buenas relaciones laborales con los colegas son de gran importancia [ 52 ]. El estudio de Heydari y Feizollahi (2016) también confirmó una relación directa entre la inteligencia emocional y el desempeño laboral entre el personal [ 53 ]. No se identificaron estudios con hallazgos que se opusieran a esta sección de la investigación. La evidencia sugiere que las enfermeras con mejor regulación emocional y mayor inteligencia emocional demuestran una mayor competencia profesional en comparación con sus pares [ 17]. Según algunos estudios, en la profesión de enfermería, una alta inteligencia emocional se asocia con el desempeño laboral, estilos de gestión efectivos y trabajo en equipo exitoso. Además, la inteligencia emocional está vinculada a enfoques positivos para gestionar conflictos relacionados con el trabajo y estrategias de afrontamiento. Poseer una alta inteligencia emocional también se correlaciona con una mayor autoeficacia, una mejor conciencia emocional y un mejor desempeño clínico [ 17 , 18 , 54 ]. La inteligencia emocional ahora se reconoce como una habilidad crucial, enseñable y aprendible en enfermería, que desempeña un papel vital en la prestación de cuidados de alta calidad. La inteligencia emocional se considera esencial para el éxito en los roles profesionales de enfermería, en particular para el desempeño de responsabilidades sensibles, ya que mejora el desempeño laboral [ 43 ]. Aquellos con un alto desempeño laboral tienden a tener una inteligencia emocional muy alta, y las personas que trabajan en el desarrollo de su inteligencia emocional a menudo tienen éxito profesionalmente. Existe un vínculo estrecho entre la inteligencia emocional y el éxito laboral. Además, las personas con alta inteligencia emocional tienden a mostrar una mayor confianza en sí mismas y un mejor control sobre sus emociones, lo que lleva a una mayor motivación, que mejora el desempeño. Mejorar la inteligencia emocional mediante la capacitación puede optimizar los procesos de selección de personal y elevar su rendimiento. Una inteligencia emocional alta también fomenta la innovación, permitiendo a las personas adaptarse con mayor rapidez a cambios repentinos y situaciones inciertas, demostrando flexibilidad. Estas personas crean normas organizacionales como la comprensión mutua, el respeto por las perspectivas de los demás, la confianza, la identidad y el comportamiento adecuado hacia los pacientes, todo lo cual mejora el rendimiento del personal de enfermería [ 45 ].
La segunda prueba de hipótesis reveló que la inteligencia emocional tiene un impacto positivo y significativo en la competencia clínica. Parte de los hallazgos del estudio de Imani et al. mostraron una correlación positiva significativa entre la inteligencia emocional y la competencia clínica de las enfermeras [ 55 ]. En otro estudio de Imani et al., se encontró que la inteligencia emocional y la competencia clínica estaban correlacionadas positivamente entre los estudiantes de anestesiología [ 36 ]. Ghaedamini et al. también confirmaron una relación positiva entre la inteligencia emocional y la competencia de enfermería en situaciones de desastre [ 56 ]. De manera similar, Farshi et al. encontraron una correlación significativa entre la inteligencia emocional y la competencia clínica entre los estudiantes de enfermería [ 57 ]. El estudio de Rigney y Baernholdt concluyó que la inteligencia emocional es vital para el éxito de las enfermeras en el manejo del estrés laboral. La inteligencia emocional influye en las habilidades de resolución de problemas y la competencia clínica de los individuos, ya que aquellos con mayor inteligencia emocional son más hábiles para resolver problemas y, en consecuencia, muestran una mayor competencia clínica. Las enfermeras con fuertes habilidades de resolución de problemas pueden cumplir mejor con sus responsabilidades hacia los pacientes [ 58 ]. Además, los estudios de Kim y Han y Wons y Bargiel-Matusiewicz indicaron una correlación positiva entre la inteligencia emocional, la adaptabilidad, la resolución de problemas y el apoyo social. El control emocional y la competencia ayudan a las enfermeras a desarrollar estrategias de afrontamiento activas y efectivas cuando tratan con el estrés, mejorando su competencia profesional. Estos estudios concluyeron que las enfermeras necesitan habilidades de resolución de problemas, habilidades de toma de decisiones, comunicación efectiva y buen juicio en diferentes situaciones para lograr la competencia profesional y clínica. La inteligencia emocional eleva la calidad de los servicios de enfermería y mejora la salud de la comunidad. Las personas con mayor inteligencia emocional pueden identificar mejor los posibles factores estresantes y, al reconocer sus emociones, evitar arrebatos emocionales negativos durante situaciones estresantes [ 59 , 60 ]. Según Fernandez et al., la inteligencia emocional es central para el desempeño clínico y profesional en enfermería, permitiendo a las enfermeras manejar sus emociones en un entorno clínico complejo mientras ofrecen apoyo emocional a los pacientes y sus familias [ 61 ]. Según una sección de los hallazgos de Dehnavi et al., hubo una correlación directa y significativa entre la inteligencia emocional y la competencia clínica de las enfermeras [ 62 ]. De manera similar, Dou et al. afirmaron en su estudio que la inteligencia emocional es esencial para mejorar las habilidades clínicas de los estudiantes de enfermería [ 63]. No se identificaron estudios que contradijeran esta sección de los hallazgos del presente estudio. Parece que la inteligencia emocional es muy importante para el desarrollo y la coherencia de la identidad y competencia profesional, que se forman fundamentalmente mediante una comunicación efectiva. Las habilidades de inteligencia emocional permiten a las enfermeras comprender mejor sus propias emociones, comportamientos y reacciones al interactuar con los pacientes y abordar sus problemas, lo que facilita la gestión inteligente de las relaciones enfermera-paciente [ 64 ]. El estudio de Smith et al. también enfatizó el papel significativo de la inteligencia emocional en las experiencias de enfermería y la calidad de la atención al paciente [ 65 ]. Con base en los puntos discutidos, poseer competencia y habilidad clínica, junto con alta inteligencia emocional, es crucial para que las enfermeras enfrenten los desafíos de la profesión de enfermería [ 66 ]. Una alta competencia clínica y habilidad en enfermeras con inteligencia emocional elevada son particularmente necesarias para abordar los desafíos profesionales de enfermería, tales como el estrés laboral, la violencia en el lugar de trabajo, la insatisfacción laboral, el agotamiento, los conflictos laborales, la falta de autoeficacia, los problemas de compromiso ocupacional, la falta de adaptabilidad y la comunicación e interacción ineficaces con los pacientes, sus familias, colegas y médicos [ 67 ].
La tercera prueba de hipótesis confirmó un efecto positivo y significativo de la competencia clínica en el desempeño laboral. Kalantary et al. encontraron que las enfermeras expresaron su mayor competencia en tareas relacionadas con el trabajo, que incluyeron colaboración, responsabilidad, independencia en el desempeño y desarrollo profesional continuo. Un aspecto importante de la enfermería es el trabajo en equipo en el cuidado del paciente, que implica proporcionar retroalimentación constructiva durante el cuidado e identificar y apoyar las necesidades [ 68 ]. Mousavi et al. afirmaron que mejorar la competencia clínica, incluso en un área, puede mejorar la calidad de la vida laboral de las enfermeras [ 69 ]. Afra-Ghanbari y Sharif encontraron una correlación significativa entre la competencia clínica de las enfermeras y sus condiciones laborales en su estudio de revisión [ 70 ]. Los hallazgos de Soares et al. también indicaron que el conocimiento, las habilidades y el comportamiento basados en el desempeño profesional y los valores éticos se encuentran entre las competencias clínicas que las enfermeras necesitan fortalecer para trabajar eficazmente en entornos clínicos [ 71 ]. No se identificaron hallazgos contradictorios en esta sección del estudio. Alcanzar la competencia aumenta el entusiasmo de las enfermeras y su sentido de logro, lo que refuerza su compromiso con su profesión. Esta motivación los impulsa a buscar activamente el aprendizaje, mejorar sus habilidades y esforzarse por alcanzar puestos profesionales más altos, lo que en última instancia conduce a mejores resultados para los pacientes [ 72 ]. La competencia profesional es, de hecho, una parte inseparable del desempeño de varios empleados. Refleja los dominios del conocimiento, las actitudes y las habilidades de un individuo, lo que le permite desempeñarse de manera más efectiva en su profesión. Esencialmente, la competencia profesional proporciona una imagen de un individuo bien desarrollado que está completamente preparado en todos los aspectos para realizar su trabajo. En este sentido, la competencia puede considerarse un conjunto de dimensiones conductuales que influyen en el desempeño laboral. Con base en esta perspectiva, la competencia profesional parece funcionar como un paraguas que abarca todo lo que impacta directa o indirectamente el desempeño laboral [ 73 ].
La cuarta prueba de hipótesis demostró que la inteligencia emocional tiene un efecto positivo y significativo en el desempeño laboral a través del papel mediador de la competencia clínica. En apoyo de esto, los estudios de Ranjbar y Holston y Talor encontraron que la alta inteligencia emocional en enfermería está asociada con un mejor desempeño laboral y competencia clínica [ 16 , 18 ]. Masoudi y Alavi afirmaron que una de las funciones clave de la inteligencia emocional es mejorar el desempeño individual y mejorar la toma de decisiones clínicas en enfermería [ 74 ]. Según Fernandez et al., la inteligencia emocional impacta positivamente la toma de decisiones clínicas y la resolución de problemas, lo que, a su vez, afecta el desempeño laboral de las enfermeras [ 61 ]. No se identificaron estudios contradictorios con esta sección de los hallazgos de la investigación. Para explicar esta parte de los hallazgos del estudio, se puede afirmar que, por un lado, la competencia clínica permite a las enfermeras realizar sus tareas con la calidad adecuada, lo que a su vez conduce a un mejor desempeño laboral [ 75 , 76 ]. Por otro lado, la competencia clínica en sí misma es una característica destacada que refleja una alta inteligencia emocional en las enfermeras [ 17 ]. Esto se debe a que la competencia clínica permite a las enfermeras reconocer y gestionar sus propias emociones y las de sus pacientes, al tiempo que establecen una comunicación apropiada y empática con los demás [ 43 ].
Con respecto a la influencia de la cultura en las variables del estudio, es esencial destacar que las creencias, valores, normas, actitudes y convicciones del personal de enfermería en el contexto iraní pueden influir en los resultados del estudio. Específicamente, en el contexto cultural de Irán, el personal de enfermería suele mostrar un fuerte sentido de empatía y compasión hacia los pacientes, lo que lo motiva a demostrar un alto nivel de compromiso con sus deberes profesionales. Para ello, se esfuerzan constante y regularmente por mejorar su competencia clínica. Además, debido a la inteligencia emocional generalmente alta reportada entre el personal de enfermería en la mayoría de los estudios realizados en Irán, este tiende a respetar las creencias religiosas de los pacientes y se esfuerza por asegurar la concordancia de género entre cuidadores y pacientes al brindar servicios de atención. Además, el personal de enfermería en Irán prioriza la identificación y evaluación de las necesidades culturales de los pacientes, asegurándose de que sus planes de atención se alineen con los estándares y sensibilidades culturales. Estas consideraciones culturales son parte integral del proceso de atención [ 77 ]. Finalmente, cabe destacar que los resultados de este estudio pueden diferir en contextos culturales de otros países, dado el papel significativo que las diferencias culturales pueden desempeñar en la configuración de los resultados.
Conclusión
La inteligencia emocional es una habilidad crucial para los profesionales de enfermería, ya que puede mejorar el desempeño laboral y la competencia clínica. Las enfermeras con mayor inteligencia emocional son más hábiles en el uso de las emociones para facilitar el desempeño laboral y son más conscientes de cómo las emociones influyen en su comportamiento. Para lograr la competencia profesional y clínica, es necesario mejorar la inteligencia emocional de las enfermeras. Centrarse en las habilidades de inteligencia emocional conduce a una mejor competencia clínica, lo que permite a las enfermeras comprender mejor las necesidades de los pacientes y brindar una atención centrada en el paciente. Dado que la inteligencia emocional es una habilidad que se puede enseñar y aprender, se recomienda que los responsables de la formulación de políticas y los planificadores de la formación en enfermería incorporen la formación en inteligencia emocional en los planes de estudio y los programas de formación continua de enfermería. Esto mejorará el desempeño laboral y, en última instancia, se traducirá en una atención de mayor calidad y satisfacción del paciente.
Los gerentes de atención médica y los administradores clínicos deben centrarse en los factores que influyen en el desempeño de las enfermeras para mantener altos niveles de competencia y desempeño clínico. Mejorar el sistema de evaluación de enfermeras puede desempeñar un papel fundamental en la preservación y mejora de la calidad de la atención e impulsar la motivación de las enfermeras para desempeñarse eficazmente. Otro factor que puede mejorar la competencia clínica y, posteriormente, el desempeño clínico es la implementación de programas de capacitación en servicio adaptados a las necesidades educativas de las enfermeras en varios departamentos, que deben ser priorizados por los gerentes de enfermería. Además, se recomienda aumentar la motivación de las enfermeras, mejorar el desempeño y la competencia clínica, refinar los sistemas de evaluación clínica de enfermeras e incorporar puntajes de desempeño clínico en evaluaciones periódicas y anuales. Para estudios futuros, se sugiere realizar investigaciones similares en diferentes contextos geográficos, utilizar métodos longitudinales o aplicar el estudio a muestras más grandes. Además, incorporar otras variables mediadoras en el marco de investigación podría proporcionar más conocimientos.
Dr. Carlos Alberto Díaz. Profesor Titular Universidad ISALUD.
La Inteligencia Artificial (IA) es vista como la 4ª revolución industrial del siglo XXI. Su tecnología está transformando cómo los profesionales de la salud evalúan, tratan y mantienen los registros de los pacientes, eligen tratamientos y mejoran la precisión de los diagnósticos.
La inteligencia artificial en el ámbito de la salud posee la capacidad de analizar y evaluar grandes volúmenes de datos y documentación clínica. Su aplicación contribuye a reducir los errores médicos en las prácticas clínicas y permite a los profesionales de la salud identificar rápidamente marcadores de diagnóstico diferenciales que podrían ser pasados por alto.
La inteligencia artificial está transformando diversas industrias, incluida la salud. Es una herramienta esencial para optimizar la productividad y mejorar los resultados clínicos debido a las crecientes demandas de atención médica y al enfoque intensificado en la medicina de precisión. (Topol, 2019). El análisis predictivo, los tratamientos personalizados y la detección temprana de enfermedades son posibles gracias a la integración de la IA en la gestión sanitaria. Las aplicaciones de la IA son amplias y revolucionarias, abarcando desde modelos avanzados de aprendizaje automático que pronostican brotes epidemiológicos hasta chatbot asistidos por IA que brindan soporte a los pacientes.
La inteligencia artificial tiene el potencial de reducir los costos en los entornos sanitarios mediante la optimización de la gestión del flujo de trabajo, la programación y la asignación de recursos. En términos generales, el avance de la IA en la administración de la salud ejemplifica una transición paulatina desde conceptos teóricos hacia aplicaciones prácticas que actualmente están transformando tanto el tratamiento de los pacientes como la eficiencia operativa.
En 2023, el modelo de IA Med-PaLM de Google fue capaz de proporcionar respuestas médicas a nivel experto, ayudando a los médicos a diagnosticar casos complejos. Del mismo modo, el cribado asistido por IA para el cáncer de pulmón en China ha reducido los falsos positivos en un 50% en comparación con los métodos tradicionales. La rapidez y precisión del diagnóstico de enfermedades ha aumentado significativamente gracias a la IA. Grandes volúmenes de datos de pacientes son examinados por modelos predictivos, que pueden detectar tendencias que los médicos humanos no notarían (Esteva et al., 2017).
El análisis impulsado por IA ha optimizado las imágenes médicas, tales como tomografías computarizadas, resonancias magnéticas y radiografías. Los sistemas de IA disminuyen la posibilidad de diagnósticos erróneos al identificar con precisión las anomalías en las exploraciones médicas. En comparación con las técnicas convencionales, las herramientas de radiología basadas en IA permiten a los médicos detectar tumores, fracturas y otras afecciones de manera más rápida y precisa (McKinney y otros, 2020). Qure.ai, una herramienta de imagen impulsada por IA, se introdujo en hospitales de toda la India en 2022 y pudo identificar complicaciones de la COVID-19 y la tuberculosis en los pacientes más rápidamente que las técnicas tradicionales.
La IA permite el desarrollo de planes de tratamiento individualizados para cada paciente. La IA puede proponer opciones de tratamiento adaptadas que optimicen la eficacia mediante la evaluación de datos genéticos, clínicos y de estilo de vida. En oncología, la IA facilita la elección del tratamiento más adecuado contra el cáncer en función del perfil genético del paciente, lo cual mejora las tasas de supervivencia y minimiza los efectos secundarios relacionados con el tratamiento (Kourou et al., 2015). Basándose en el historial del paciente y en la investigación clínica más reciente, IBM Watson for Oncology proporciona recomendaciones de tratamiento personalizadas contra el cáncer en hospitales alrededor del mundo.
La IA es útil para optimizar los procesos administrativos y médicos. Las soluciones impulsadas por IA apoyan la participación del paciente, el procesamiento de seguros, la programación de citas y el mantenimiento de registros médicos. Estas herramientas reducen los errores de gestión de datos y disminuyen la carga de trabajo para los humanos (He et al., 2019). Los chatbots de IA y los asistentes virtuales, como Babylon Health, ayudan a los pacientes a programar citas con los médicos y proporcionan evaluaciones médicas preliminares basadas en los síntomas.
El uso de la inteligencia artificial (IA) para optimizar las operaciones hospitalarias se centra en tres áreas críticas: programación, flujo de trabajo y asignación de recursos. La implementación de la IA en la optimización de las operaciones hospitalarias puede analizarse desde diversas perspectivas teóricas interrelacionadas, tanto de la gestión sanitaria como de los sistemas de información. Entre ellas, la Teoría de Sistemas, la Teoría de Sistemas Sociotécnicos y la Teoría de la Decisión proporcionan información fundamental sobre cómo la IA se integra en los entornos hospitalarios para mejorar la programación, el flujo de trabajo y la asignación de recursos.
La Teoría de Sistemas postula que una organización funciona como un conjunto complejo e interdependiente de subsistemas que trabajan hacia un objetivo común. En un contexto hospitalario, estos subsistemas incluyen departamentos como urgencias, cirugía, administración, farmacia y cadena de suministro. La IA sirve como un mecanismo integrador que permite que estos subsistemas se comuniquen, coordinen y adapten dinámicamente en función de datos en tiempo real. A través de análisis predictivos y algoritmos de optimización, la IA ayuda a optimizar las operaciones anticipando cuellos de botella, mejorando el flujo de información y alineando los recursos con la demanda en todo el sistema hospitalario.
Estrechamente alineada está la Teoría de Sistemas Sociotécnicos, que enfatiza la interdependencia de las personas, la tecnología y las estructuras organizacionales en el diseño de sistemas efectivos. La IA en las operaciones hospitalarias no funciona de forma aislada, sino que interactúa con los trabajadores sanitarios, la infraestructura de TI y los flujos de trabajo institucionales. Por ejemplo, los sistemas de programación impulsados por IA deben tener en cuenta no sólo las limitaciones computacionales, sino también los elementos humanos, como la disponibilidad de los médicos, el agotamiento y las preferencias de los pacientes. Esta teoría subraya la importancia del diseño centrado en el usuario, la gestión del cambio y la implementación ética de la IA en los hospitales para garantizar una adopción exitosa y mejoras sostenidas en el rendimiento.
Otro marco relevante es la Teoría de la Decisión, particularmente el Modelo de Racionalidad Acotada propuesto por Herbert Simon (1972), que reconoce que los tomadores de decisiones humanos a menudo operan bajo restricciones de información, tiempo y capacidad cognitiva limitados. La IA mejora la toma de decisiones en las operaciones hospitalarias al ampliar el alcance y la precisión de la información disponible para administradores y clínicos. Los algoritmos de IA pueden procesar grandes volúmenes de datos para presentar información procesable, lo que ayuda a los líderes a tomar decisiones más informadas con respecto a la dotación de personal, la priorización de pacientes y la logística. En este sentido, la IA actúa como una herramienta de apoyo a la toma de decisiones que complementa, en lugar de sustituir, el juicio humano. Además, los conceptos de Lean Management y Operations Research también proporcionan apoyo teórico para la optimización basada en IA. Los principios Lean tienen como objetivo eliminar el desperdicio, reducir la variación y mejorar el flujo dentro de los objetivos de los sistemas que se alinean estrechamente con las capacidades de la IA en la programación y la automatización del flujo de trabajo. La investigación de operaciones, especialmente la teoría de colas y la programación lineal, informa el diseño de modelos de IA que optimizan la gestión de camas de hospital, los horarios quirúrgicos y las estrategias de asignación de recursos bajo restricciones. En conjunto, estos marcos teóricos ofrecen una comprensión holística de cómo la IA puede integrarse estratégicamente en las operaciones hospitalarias. Destacan que el éxito de la implementación depende no solo de la sofisticación tecnológica, sino también de la preparación de la organización, la participación de las partes interesadas y la adaptación continua del sistema.
Programación hospitalaria impulsada por IA
La programación en hospitales implica la coordinación de diversos elementos: citas ambulatorias, procedimientos quirúrgicos, turnos de personal, disponibilidad de equipos e ingresos hospitalarios. Tradicionalmente, esto se ha gestionado manualmente o mediante herramientas digitales básicas, lo que frecuentemente ocasiona ineficiencias como la doble reserva, el subaprovechamiento de recursos y los prolongados tiempos de espera para los pacientes. La Inteligencia Artificial introduce mecanismos de programación predictivos, adaptativos y dinámicos que optimizan significativamente estos procesos.
Programación de citas de pacientes
Los algoritmos de inteligencia artificial emplean datos históricos, patrones de comportamiento de los pacientes y análisis en tiempo real para optimizar la programación de citas ambulatorias. Por ejemplo, los modelos de aprendizaje automático pueden predecir la probabilidad de ausencias de pacientes basándose en variables como las condiciones meteorológicas, la demografía del paciente o los registros previos de asistencia. Esto permite a las clínicas sobre reservar franjas horarias de manera calculada, maximizando así el uso de recursos sin saturar el sistema. Los chatbots y asistentes virtuales basados en procesamiento del lenguaje natural (NLP) mejoran aún más la programación al proporcionar opciones automatizadas de reprogramación, recordatorios e instrucciones previas a la cita, lo que incrementa la adherencia y mejora la experiencia del paciente.
Programación de los quirófanos:
El quirófano es uno de los sectores hospitalarios que más recursos consume y costos genera. Las herramientas de programación de quirófanos habilitadas para IA analizan la duración de los procedimientos, las métricas de rendimiento del cirujano, el tiempo de anestesiología y la disponibilidad de la sala de recuperación para crear programas quirúrgicos óptimos. Estos sistemas también permiten ajustes en tiempo real, lo que ayuda a los hospitales a adaptarse a casos de emergencia o retrasos sin interrumpir las operaciones diarias. Las herramientas de IA se utilizan cada vez más para crear listas dinámicas de personal que se alineen con los volúmenes de pacientes proyectados y los niveles de gravedad. Los análisis predictivos pueden determinar las horas punta o los aumentos estacionales, permitiendo así una proporción óptima de enfermeras por paciente y reduciendo el agotamiento del personal. Al equilibrar la distribución de la carga de trabajo y minimizar las horas extras, los hospitales pueden mejorar la satisfacción laboral y reducir la rotación de personal.
Optimización del flujo de trabajo habilitada por IA
La eficiencia en el flujo de trabajo es crucial para el rendimiento hospitalario, impactando tanto la calidad de atención como los costos. Los cuellos de botella surgen por retrasos en diagnósticos, mala comunicación y tareas administrativas redundantes. Tecnologías de IA como RPA y NLP automatizan tareas como facturación, reclamaciones de seguros y documentación clínica, reduciendo la carga administrativa y dando más tiempo a los proveedores para centrarse en los pacientes.
Por ejemplo, las herramientas de transcripción asistida por IA convierten notas clínicas habladas en entradas estructuradas de EHR con alta precisión. Los CDSS integran datos de pacientes, guías basadas en evidencia y análisis en tiempo real, ayudando a los médicos con diagnósticos, planificación de tratamientos y estratificación del riesgo. Estos sistemas mejoran la precisión y consistencia, agilizando decisiones y reduciendo pruebas innecesarias y estancias hospitalarias.
Algunos hospitales adoptan centros de mando impulsados por IA para supervisar el flujo de pacientes, ocupación de camas, congestión de urgencias y logística de transporte. En el Hospital Johns Hopkins, este sistema redujo los retrasos en traslado de pacientes en un 63% y mejoró la utilización de camas en un 30%. Estos centros predicen cuellos de botella, automatizan asignación de camas y envían equipos de transporte en tiempo real, mejorando la respuesta operativa.
Asignación inteligente de recursos
La asignación de recursos, en particular de camas, personal, equipos y suministros, es un factor determinante para la eficiencia hospitalaria. La inteligencia artificial (IA) optimiza la gestión de estos recursos mediante el uso de información predictiva y algoritmos de optimización que facilitan la planificación proactiva y la respuesta ante crisis. Los modelos de IA son capaces de prever la demanda de recursos basándose en datos históricos, estacionalidad, tendencias de infección y alertas de salud pública.
Durante la pandemia de COVID-19, los hospitales que implementaron la IA pudieron anticipar con mayor precisión la ocupación de camas de UCI, las necesidades de respiradores y la escasez de EPI, permitiendo así tomar medidas preventivas. Al predecir las admisiones y altas de pacientes, los hospitales pueden optimizar la rotación de camas, reducir la saturación de los servicios de urgencias y evitar la cancelación de cirugías electivas debido a la falta de recursos.
Los sistemas de IA monitorean y analizan los patrones de uso de los equipos médicos, dispositivos de imagen y laboratorios de diagnóstico para identificar la infrautilización o el exceso de reservas. Además, los modelos de mantenimiento predictivo alertan a los administradores sobre cuándo deben revisarse los equipos, minimizando así el tiempo de inactividad y garantizando la continuidad operativa.
Las herramientas de IA también evalúan las cargas de trabajo clínicas y la complejidad de los pacientes para recomendar una distribución óptima del personal. Estas herramientas pueden señalar situaciones en las que se requiere formación adicional o habilidades complementarias, mejorando así la flexibilidad de la fuerza laboral. Los hospitales que emplean la IA en la planificación de recursos humanos informan de una menor rotación de personal y una mayor satisfacción de los pacientes, gracias a la mejora en la continuidad de la atención.
Desafíos y consideraciones
Aunque la inteligencia artificial tiene el potencial de transformar las operaciones hospitalarias, su implementación enfrenta varios desafíos importantes y en nuestro país es muy incipiente la implementación, fundamentalmente en imágenes, oncología, quirófanos, organización hospitalaria. La privacidad y la seguridad de los datos son algunas de las principales inquietudes. Los sistemas de IA dependen considerablemente de grandes volúmenes de datos, incluyendo información confidencial de los pacientes proveniente de registros médicos electrónicos (EHR), sistemas de diagnóstico y bases de datos administrativas. El uso de estos datos plantea cuestiones éticas y legales relativas a la confidencialidad del paciente y al riesgo de violaciones de datos. Las instituciones sanitarias deben adherirse a estrictas normativas de protección de datos, como la HIPAA en Estados Unidos y el RGPD en Europa, para garantizar la confianza de los pacientes y el cumplimiento legal.
Además, la anonimización y los protocolos seguros de intercambio de datos son fundamentales para reducir el riesgo de ciberataques y acceso no autorizado a los datos. Otra cuestión importante es el riesgo de sesgo algorítmico. Los modelos de IA entrenados con datos históricos de salud pueden reflejar y mantener los sesgos existentes en la prestación de atención médica, especialmente si ciertas poblaciones están infrarrepresentadas en los conjuntos de datos de entrenamiento. Esto puede generar disparidades en las predicciones, los diagnósticos y la asignación de recursos, aumentando así las diferencias en salud en lugar de reducirlas. Los comités de ética institucionales y los equipos interdisciplinarios de supervisión pueden desempeñar un papel significativo en la orientación de la adopción responsable de la IA.
Sistemas de apoyo a la toma de decisiones clínicas. Los sistemas de apoyo a la toma de decisiones clínicas basados en inteligencia artificial analizan la literatura médica y los historiales clínicos de los pacientes con el objetivo de asistir a los profesionales de la salud en diversas áreas:
• Sugerencias precisas para diagnósticos.
• Regímenes de tratamiento fundamentados en evidencia científica.
• Mejora de la seguridad del paciente y reducción de errores diagnósticos.
Automatización de procesos:
La inteligencia artificial optimiza las operaciones rutinarias tales como la gestión de reclamaciones de seguros, la facturación y la documentación. Consecuentemente, se reducen los errores humanos, los costos operativos y la necesidad de trabajo manual.
La IA de Logística e Inventario Inteligente
Prevé los requisitos de inventario basándose en análisis detallados de las tendencias de consumo históricas y los patrones de afluencia de pacientes, asegurando una reposición eficiente de suministros esenciales y minimizando el desperdicio.
Además, esta tecnología asistida por IA optimiza el triage en las salas de urgencias, permitiendo clasificar a los pacientes según la gravedad y la urgencia de sus condiciones, especialmente durante situaciones críticas como pandemias o desastres naturales. La analítica en tiempo real fortalece la toma de decisiones bajo presión.
Ventajas de la automatización administrativa impulsada por IA
Eficiencia operativa: Incremento en la velocidad de los procesos y reducción del tiempo dedicado a tareas operativas repetitivas.
Reducción de costos: Optimización del uso de recursos, minimización del trabajo manual y disminución de la sobrecarga administrativa.
Precisión de los datos: Mejora en la exactitud de la facturación y en los registros de los pacientes.
Experiencia mejorada del paciente: Aceleración de procedimientos como la entrega de resultados de pruebas y pagos, influenciando positivamente la gestión de la atención médica y los registros.
Escalabilidad: Capacidad para ampliar los sistemas fácilmente sin aumentar proporcionalmente la carga administrativa, permitiendo una adaptación eficiente a las crecientes demandas de los pacientes.
Dominios clave de la automatización con IA en servicios médicos:
Codificación y facturación:
Asigna códigos adecuados automáticamente a partir de registros médicos.
Reduce errores humanos.
Agiliza reembolsos.
Detecta y previene fraudes.
Programación de citas y flujo de pacientes:
Chatbots organizan citas y responden preguntas.
Reducen ausencias con recordatorios automáticos.
Adaptan horarios y especialistas a las necesidades del paciente.
Disminuyen la carga administrativa en recepción.
Gestión de historias clínicas electrónicas (HCE)
La inteligencia artificial (IA) facilita la recopilación autónoma de datos de pacientes provenientes de múltiples fuentes, incluidas las tecnologías portátiles, los resultados de pruebas y las notas de los médicos, contribuyendo así a mantener y actualizar las historias clínicas electrónicas. Entre sus beneficios se encuentran:
Incrementa la precisión de la documentación.
Mejora el acceso de los médicos a la información.
Permite que los departamentos compartan datos en tiempo real.
El aprendizaje automático y el procesamiento del lenguaje natural (NLP) optimizan el proceso de tramitación de reclamaciones mediante:
La extracción y verificación de información contenida en documentos.
La identificación de reclamaciones erróneas o incompletas.
La aceleración de aprobaciones y la reducción de rechazos de reclamaciones.
Los sistemas de gestión de la fuerza laboral impulsados por IA para empleados y supervisores de turno pronostican los requisitos de personal mediante el análisis de patrones pasados y volúmenes de pacientes:
Los horarios están automatizados.
Distribuye las cargas de trabajo del equipo de manera uniforme.
Reduce el riesgo de tener demasiados o muy pocos empleados.
Automatización de la cadena de suministro y el inventario
La IA realiza un seguimiento del consumo de inventario y prevé los requisitos, lo que permite:
Comprar suministros médicos a tiempo.
Evitar el exceso de existencias y la escasez.
Conectar los sistemas de los proveedores para permitir un reordenamiento sin problemas.
Colaboración y comunicación interna
Las plataformas de colaboración impulsadas por IA utilizan chatbots y asistentes inteligentes para automatizar los procesos de comunicación interna, entre ellos:
Colaboración interdepartamental.
Recordatorios de tareas.
Notificaciones al personal.
Los programas de cribado asistidos por IA mejoran en gran medida el pronóstico al detectar precozmente enfermedades como la retinopatía diabética y el cáncer de mama (Bejnordi et al., 2017).
AI y cirugía robótica:
Los sistemas robóticos impulsados por IA ayudan a realizar cirugías altamente precisas y mínimamente invasivas. Estos dispositivos, como el Sistema Quirúrgico Da Vinci, mejoran la precisión quirúrgica, acortan los períodos de recuperación y reducen el riesgo de complicaciones. Añade capacidad de análisis, aprendizaje y toma de decisiones asistidas, analiza imágenes previas para crear mapas anatómicos, puede describir trayectorias óptimas de abordaje quirúrgico, anticipa riesgos. Reconoce estructuras anatómicas en tiempo real, señala tejidos o zonas de riesgo, como los vasos, nervios, tumores. Ajuste automático de la presión, dirección o profundidad de los instrumentos. Sirve también para la formación y la simulación quirúrgica, creando entornos de realidad virtual, evalúa habilidades quirúrgicas objetivamente y sugiere mejoras. Esta combinación está cambiando radicalmente la medicina quirúrgica del presente y marcará un nuevo estándar en los próximos años. En EE.UU. hay cerca de 5000 robots en este momento, con un crecimiento exponencial en cirugías. En Argentina hay 6 robots y se realizaron 500 cirugías. En el mundo se realizan doce millones de cirugías robóticas.
A medida que la IA continúa adaptándose, su papel en la atención médica probablemente se amplificará, marcando el comienzo de una nueva tecnología de innovación clínica. algunas de las directrices futuras prometedoras para la IA en el descubrimiento de fármacos y tratamientos personalizados consisten en:
1. Oncología de precisión impulsada por IA: La integración continua de la IA con datos genómicos y científicos permitirá el desarrollo de tratamientos más personalizados para la mayoría de los cánceres, con más precisión en la determinación de posibles objetivos curativos y la predicción de las respuestas de los pacientes. La IA también podría desempeñar una función esencial en la búsqueda de nuevos biomarcadores de la mayoría de los cánceres para la detección temprana (Zhu et al., 2020).
2. IA en el manejo de enfermedades crónicas: Los dispositivos portátiles impulsados por IA y las aplicaciones de fitness celular revolucionarán el control de situaciones persistentes, proporcionando monitoreo personalizado, intervención en tiempo real y estructuras de alerta temprana para prevenir la exacerbación de la enfermedad. La integración de la IA con la telemedicina permitirá a los pacientes adquirir una atención continua y remota (Banaee et al., 2013).
3. La IA en el desarrollo de vacunas: Es posible que la IA quiera impulsar el diseño y la fabricación de vacunas, principalmente para enfermedades infecciosas emergentes. Mediante la lectura de las secuencias genómicas de los patógenos, la IA debería darse cuenta de la capacidad de las vacunas candidatas más rápidamente que las estrategias convencionales, lo que disminuiría el tiempo de comercialización de nuevas vacunas (Liu et al., 2021).
4. Reutilización de medicamentos impulsada por IA: la capacidad de la IA para analizar conjuntos de datos masivos y predecir nuevos usos de las tabletas actuales desempeñará un papel crucial en el abordaje de la página pública | 33 El impacto de la inteligencia artificial en la gestión sanitaria ISBN: 978-81-988164-5-0 crisis de fitness como pandemias. Al descubrir tabletas reutilizadas, la IA puede proporcionar respuestas breves a amenazas apremiantes para la aptitud física, como se vio en la reacción a la COVID-19 (Beck et al., 2020).
5. Integración de la IA y la robótica: La convergencia de la IA y la robótica provocará la mejora de los robots quirúrgicos avanzados que pueden ayudar en procedimientos complejos con una precisión extraordinaria. esas estructuras dependerán de la IA para investigar los hechos de las personas afectadas y las acciones quirúrgicas manuales en tiempo real (Elthus et al., 2021).
6. IA para la gestión de la salud de la población: La IA permitirá a los sistemas de salud esperar mejor las tendencias de salud de la población, seleccionar a las personas al azar y desplegar intervenciones preventivas a mayor escala. mediante el análisis de estadísticas demográficas, conductuales y científicas, la IA ayudará a los responsables de la formulación de políticas a asignar los activos de forma más correcta y a hacer frente a las disparidades de aptitud pública (Vogel et al., 2020).
La combinación de la inteligencia sintética (IA) en la atención médica representa un viaje transformador que abarca todo el proceso de atención, desde los primeros niveles de descubrimiento de medicamentos hasta la implementación de estrategias de tratamiento bastante individualizadas.
Las habilidades dinámicas de la tecnología de IA han marcado el comienzo de una nueva era de eficiencia, precisión e innovación, que las estructuras sanitarias convencionales han buscado durante mucho tiempo, pero que han luchado por cosechar debido a las barreras en el procesamiento de estadísticas y la capacidad humana.
Es necesario que para prepararse para el futuro, el hospital deberá invertir en áreas relacionadas con la eficiencia de los flujos de trabajo, integrar los sistemas de datos de los pacientes y aumentar la eficiencia operativa.
En los últimos años, ha habido un gran interés y enfoque en el compromiso de los empleados, en parte debido a su impacto en el rendimiento de los empleados. 1 – 3 Para las organizaciones de atención médica, esto podría incluso influir positivamente en los resultados de los pacientes. 4 , 5 Como tal, muchas organizaciones buscan involucrar mejor a sus empleados, para motivar y retener a personas talentosas y productivas. A pesar de esta destacada necesidad de compromiso de los empleados, la tasa global de compromiso de los empleados es baja, 6 – 8 con muchos gerentes inseguros de las causas o las intervenciones necesarias. 9 Un estudio reciente de Qualtrics 8 informó que solo el 47% de los empleados de Singapur están comprometidos con sus organizaciones, por debajo del promedio mundial del 53%. 8 Además, los estudios también muestran un problema creciente con la rotación de empleados en las organizaciones de atención médica en todo el mundo. 8 , 10 En medio de un mundo que cambia rápidamente, puede ser beneficioso, ahora más que nunca, que las organizaciones de atención médica se centren en los determinantes del compromiso de los empleados.
Avance profesional
El avance profesional es uno de los determinantes clave del compromiso de los empleados. 11 – 13 Según Harter et al. 14 , la «sensación de que existen oportunidades para discutir el progreso y crecer es un antecedente necesario para que el compromiso ocurra dentro del lugar de trabajo». 14 Sin embargo, los esfuerzos para abordar esta dimensión parecen ser insuficientes. En la encuesta Global Human Capital Trends de Deloitte, el 59% de los encuestados calificó a sus organizaciones como poco efectivas o solo algo efectivas para empoderar a las personas para que gestionen sus propias carreras. 15 Una encuesta de compromiso de los empleados realizada en hospitales en Canadá reveló que las oportunidades de desarrollo profesional recibieron la calificación positiva más baja. 16 Por lo tanto, puede ser útil para las organizaciones de atención médica determinar los factores del avance profesional, a fin de guiarlas para involucrar de manera más efectiva a su fuerza laboral.
Competencia de liderazgo
Las habilidades necesarias para ser un profesional sanitario aliado (PAA) eficaz y exitoso son variadas y complejas. Entre ellas se encuentra la competencia de liderazgo, la cual puede desempeñar un papel crucial en el desarrollo profesional de los empleados en organizaciones sanitarias. 17 , 18 Sin embargo, no se ha realizado un análisis exhaustivo de su impacto en la percepción del desarrollo profesional en el ámbito sanitario. Por lo tanto, buscamos examinar la relación entre la competencia de liderazgo de los PAA y su percepción del desarrollo profesional.
Recientemente hemos desarrollado y validado AHEAD, un instrumento para evaluar holísticamente la competencia de liderazgo en profesionales sanitarios. Los 25 ítems y descriptores de AHEAD se clasifican en dos dominios: 18 Valores y siete Habilidades. Todos los ítems se calificaron mediante una escala Likert de 5 puntos, donde 1 = no preparado, 2 = algo preparado, 3 = generalmente preparado, 4 = a menudo preparado y 5 = siempre preparado. Se calculó la puntuación media. Las respuestas individuales de AHEAD se agruparon por departamento y antigüedad por un tercero de confianza dentro de la división.
Percepción de avance profesional
La Encuesta de Compromiso Laboral (EES) de SingHealth es una encuesta sobre el compromiso laboral que se difunde cada dos años entre las instituciones de SingHealth. La EES fue administrada oficialmente por Hay Group en 2016. La percepción de desarrollo profesional se midió mediante cuatro ítems a través de la EES de SingHealth. Cada ítem se calificó mediante una escala Likert de 5 puntos, y se calculó la proporción promedio de respuestas favorables (de acuerdo/totalmente de acuerdo). Las respuestas de la EES se obtuvieron de forma anónima, por lo que solo se dispuso de datos a nivel de grupo, agregados por departamento y antigüedad.
En la Tabla 1 se muestra el resumen de las puntuaciones AHEAD y EES, por departamentos y los tiempos de servicio correspondientes, que completaron las encuestas AHEAD y EES.
Tabla 1. Resumen de las respuestas de AHEAD y EES.
Departamento
Duración del servicio (años)
Adelante
EEE (%)
Dietética
1 a menos de 3
3.12
51
5 a menos de 10
2.81
64
Servicios sociales médicos
1 a menos de 3
2.56
47
3 a menos de 5
3.17
68
5 a menos de 10
3.23
69
10 a menos de 20
3.82
60
Terapia ocupacional
3 a menos de 5
2.59
56
5 a menos de 10
2.79
53
10 a menos de 20
3.40
75
Podología
3 a menos de 5
2.80
30
Fisioterapia
1 a menos de 3
3.15
36
3 a menos de 5
2.32
32
5 a menos de 10
3.09
50
10 a menos de 20
3.41
57
20 años o más
3.19
57
Farmacia
3 a menos de 5
3.28
47
5 a menos de 10
4.09
62
10 a menos de 20
3.83
58
Terapia del habla
3 a menos de 5
2.65
8
5 a menos de 10
2.93
25
Análisis estadístico
Los datos se expresan como medias (DE) y medianas con cuartiles para las variables continuas y como recuentos con porcentaje para las variables categóricas. Se ajustaron modelos de ecuaciones de estimación generalizadas de Poisson con una estructura de correlación independiente y una función de enlace logarítmico para estimar las razones de tasas ajustadas (RRa) con intervalos de confianza (IC) del 95% bootstrap para las asociaciones de los ítems de AHEAD con el número de respuestas favorables en los ítems de desarrollo profesional. Dado que la variable de resultado era un recuento con un número diferente de participantes (es decir, una proporción), se utilizó el logaritmo natural del número de participantes (es decir, el denominador) como desviación estándar. En cada modelo, se tuvo en cuenta la agrupación por departamentos de AHD y se controló la antigüedad como factor de confusión. Todos los análisis estadísticos se realizaron con el paquete R geepack . 21
Resultados
Características de los participantes de AHEAD
La Tabla 2 muestra las características de los participantes que completaron el AHEAD y el EES. La mayoría de los participantes tenía una antigüedad de entre cinco y menos de diez años (58,6%). La puntuación media del AHEAD fue de 3,03 y la proporción general de respuestas favorables a la promoción profesional fue del 53,7%.
Tabla 2. Características de los participantes.
N = 365
Departamento, N (%)
Dietética
19 (5,2%)
Servicios sociales médicos
57 (15,6%)
Terapia ocupacional
39 (10,7%)
Farmacia
118 (32,3%)
Podología
7 (1,9%)
Fisioterapia
97 (26,6%)
Terapia del habla
28 (7,7%)
Grado del puesto, N (%)
13 (junior)
170 (46,6%)
14 (mayor)
98 (26,8%)
15 (director)
62 (17,0%)
16 (director superior II)
31 (8,5%)
17 (director superior I)
4 (1,1%)
Antigüedad en el servicio, N (%)
1 a menos de 3 años
5 (1,4%)
3 a menos de 5 años
144 (39,5%)
5 a menos de 10 años
152 (41,6%)
10 a menos de 20 años
54 (14,8%)
20 años y más
10 (2,7%)
Puntuaciones EES (avance profesional) por departamento, %
Dietética
57,5%
Servicios sociales médicos
61%
Terapia ocupacional
61,3%
Farmacia
55,7%
Podología
30%
Fisioterapia
46,4%
Terapia del habla
16,5%
La Figura 1 muestra las correlaciones entre las medidas componentes de los ítems AHEAD y el Avance Profesional. En general, la puntuación total de AHEAD se asoció significativamente con la tasa de respuestas favorables al avance profesional (RRa para un aumento de 1 punto: 1,21; IC del 95 %: 1,01-1,45). Algunos predictores de la percepción del avance profesional también resultaron ser estadísticamente significativos. Estos incluyeron habilidades como las Habilidades Interpersonales (RRa: 1,53; IC del 95 %: 1,05-2,43), la Motivación (RRa: 1,31; IC del 95 %: 1,10-2,16) y la Mentoría (RRa: 1,32; IC del 95 %: 1,03-1,76), y valores como la Compasión (RRa: 1,37; IC del 95 %: 1,17-3,40) y el Compañerismo (RRa: 1,31; IC del 95 %: 1,00-1,99).Abrir en el visor
Figura 1. Asociaciones de los ítems de AHEAD y tasas de respuestas favorables a preguntas de avance profesional, ajustadas por tiempo de servicio . aRR = razón de tasas ajustada; IC = intervalo de confianza.
Discusión
La asociación entre la competencia de liderazgo y la percepción de progreso profesional fue generalmente confirmada, y se encontró que algunas de las habilidades y valores del componente AHEAD eran predictores de dicha percepción. Hasta donde sabemos, este estudio es el primero en explorar la asociación entre los componentes de la competencia de liderazgo y la percepción de progreso profesional entre los profesionales de la salud.
Habilidades
La competencia profesional de un individuo constituye la base de una carrera exitosa en el cuidado de la salud, 22 y las investigaciones muestran que aumentar los conocimientos, las habilidades y el nivel educativo profesional, es decir, las habilidades duras, es una estrategia para el éxito en el avance en las organizaciones de cuidado de la salud. 23 , 24Para este grupo de profesionales de la salud, las habilidades interpersonales resultaron ser predictores estadísticamente significativos de la percepción de avance profesional. Las habilidades interpersonales, la motivación y la mentoría fueron estadísticamente significativas y mostraron una asociación positiva con la percepción de avance profesional.Se descubrió que las habilidades interpersonales son un predictor de la percepción de avance profesional. Otros estudios también hallaron que las habilidades interpersonales y de liderazgo son competencias típicas de los líderes académicos y sanitarios con mayor trayectoria profesional. 25-27
Esta asociación positiva entre las habilidades interpersonales y el avance profesional también podría explicarse por la empatía, un componente fundamental de las habilidades interpersonales, 28 , 29 que también se asocia positivamente con los resultados de los pacientes y la competencia de un profesional sanitario. 30Nuestros hallazgos también mostraron que la mentoría tenía una asociación positiva con la percepción de avance profesional. La mentoría puede definirse como una relación entre una persona con más (mentor) y una con menos (aprendiz) experiencia en una organización para promover el desarrollo y crecimiento personal y profesional del aprendiz. 31 Un mentor tiene dos funciones principales: desarrollo profesional y psicosocial. La primera implica ayudar a un aprendiz a avanzar en sus carreras dentro de la organización, mientras que la segunda funciona a un nivel más personal. A través de funciones psicosociales como el modelado de roles, la aceptación y confirmación, el asesoramiento y la amistad, un mentor puede nutrir y desarrollar la confianza y la competencia de su aprendiz. 32 Por lo tanto, es necesario que un mentor eficaz no solo mantenga un alto nivel de conocimiento del dominio, sino que también demuestre competencia en habilidades blandas. A medida que los aprendices se desarrollan, los mentores adquieren una mayor autoestima al impartir sus conocimientos, experiencia y orientación. El éxito de un aprendiz también puede mejorar su reputación, brindarle información y nuevas perspectivas, y reducir su carga de trabajo. <sup>32 </sup> Además, una relación mentor-aprendiz también puede aumentar su conocimiento del área. En una revisión bibliográfica sobre los beneficios de las relaciones mentor-aprendiz en el ámbito de la enfermería y la gestión de casos, los mentores se dieron cuenta de que no sabían tanto como creían y, en cambio, aprendieron de sus experiencias con los aprendices.<sup> 33 </sup> Por lo tanto, la mentoría es beneficiosa tanto para el aprendiz como para el mentor, y demostrar un alto nivel de competencia en mentoría puede contribuir positivamente al avance profesional de un mentor.
Valores
Además de las habilidades, se encontró que valores como la compasión y el compañerismo también tienen una buena relación con la percepción de avance profesional. Si bien el rendimiento académico y las habilidades clínicas se consideran tradicionalmente los principales predictores del éxito profesional, 23 , 34 los valores personales son cualidades cada vez más valoradas en las carreras profesionales del sector sanitario. 35 Las investigaciones también han demostrado que el comportamiento ético, como la compasión y la integridad, fortalece la reputación personal, necesaria tanto para el avance del liderazgo como para mantener una posición de liderazgo. 36Los hallazgos también sugieren que la camaradería podría ser una característica importante para los profesionales sanitarios externos eficaces. La naturaleza del trabajo de un profesional sanitario externo es diversa, y normalmente debe trabajar como parte de un equipo multidisciplinario de atención médica compuesto por médicos, enfermeras y otros profesionales sanitarios externos. Para funcionar eficazmente, un profesional sanitario externo necesita la capacidad de trabajar bien y generar confianza con su personal y las demás partes interesadas con las que entra en contacto. Esto genera capital social (redes de alianzas y relaciones con otros), lo que puede contribuir al éxito profesional mediante el aprovechamiento de estas redes.<sup> 37 </sup> Los hallazgos de una encuesta realizada en una unidad de enfermería también destacaron la importancia de este valor para la retención y la promoción del personal, y descubrieron que las razones más frecuentes para trabajar cinco o más años eran la mentoría y la camaradería.<sup> 38</sup>
Limitaciones
Nuestro estudio presenta limitaciones. En primer lugar, su naturaleza transversal podría establecer una asociación, pero no necesariamente causalidad. Además, debido al diseño ecológico del estudio, nos limitamos a explorar asociaciones a nivel grupal, no individual. Por lo tanto, nuestros hallazgos solo pueden utilizarse para fundamentar intervenciones más generales, y no intervenciones individuales. Se podrían realizar futuros estudios longitudinales con datos individualizados para rastrear a las personas con una percepción más favorable del compromiso laboral y estudiar si permanecen más tiempo en la institución o si ascienden más rápidamente. Sin embargo, debido a la sensibilidad de la EES, el anonimato de los encuestados es crucial para mejorar la tasa de respuesta y reducir cualquier sesgo, aumentando así la probabilidad de obtener respuestas honestas y fiables.Dado que este estudio se realizó con profesionales sanitarios de la salud (PAS), aún no se sabe con certeza si nuestros hallazgos son aplicables a otros profesionales sanitarios, como enfermeras, médicos y administradores hospitalarios. Se recomienda realizar estudios futuros para evaluar si esta asociación se observa en otras disciplinas o entornos sanitarios. Sin embargo, pudimos maximizar la validez interna de nuestros resultados utilizando AHEAD, que podría ser más aplicable a este grupo de profesionales sanitarios al haber sido desarrollado por PAS.
Trascendencia
Nuestro estudio tiene posibles implicaciones para los profesionales sanitarios. Nuestros hallazgos sugieren que, además de las habilidades técnicas, los componentes más blandos de la competencia de liderazgo también podrían influir en la percepción del avance profesional. Dado que las habilidades y los valores de liderazgo pueden cultivarse y mejorarse con la formación y la práctica, 39 elementos de AHEAD son componentes prácticos de la competencia de liderazgo. Destinar recursos al desarrollo de la competencia de liderazgo de los profesionales sanitarios, con un enfoque tanto en las habilidades blandas como en las duras, podría contribuir al desarrollo de líderes sanitarios sólidos y a la creación de una fuerza laboral comprometida y productiva, lo que puede influir positivamente en los sistemas de salud y en los resultados de los pacientes. También se podría trazar una posible hoja de ruta para el desarrollo profesional, que incluya una combinación de habilidades técnicas y blandas, así como un comportamiento centrado en los valores. De hecho, las competencias exigidas a los profesionales sanitarios son tan complejas y multifacéticas como el panorama sanitario en constante evolución, y van mucho más allá del ámbito de las habilidades clínicas y el conocimiento del área. 41 – 43
Conclusión
En conclusión, nuestros hallazgos muestran una asociación entre algunos componentes de la competencia de liderazgo y la percepción de avance profesional. La naturaleza dinámica y compleja del trabajo de un profesional de la salud mental (PAM) dificulta la satisfacción de las necesidades de sus pacientes, y se requieren numerosas habilidades y valores para tener éxito y progresar profesionalmente como PAM. Si bien las habilidades técnicas siguen siendo importantes, las habilidades blandas pueden desempeñar un papel igual (o incluso más importante) en la percepción de avance profesional. Finalmente, dado que los elementos de AHEAD son procesables, se justifican estudios futuros con datos individuales para determinar si la focalización y la mejora de los componentes de AHEAD pueden aumentar el compromiso de los empleados.
Los cambios cada vez más rápidos en el campo de la medicina exigen una reevaluación de las habilidades necesarias para la formación de médicos técnicamente cualificados. Los médicos de hoy también deben ser capaces de gestionar la compleja cuestión de las relaciones personales con los pacientes. Los debates pedagógicos recientes se han centrado en las llamadas «habilidades blandas», cuya adquisición se presenta en la literatura como una incorporación bastante reciente a los estudios de medicina. Además, la investigación histórica de textos deontológicos que datan de mediados del siglo XIX hasta el Juramento Hipocrático muestra que la medicina siempre ha debatido la necesidad de integrar la experiencia técnica en la medicina con habilidades personales y relacionales específicas. Los debates a menudo han girado en torno a si estas «habilidades blandas» podrían realmente enseñarse o cómo podrían transmitirse con éxito a los médicos en formación. La creencia de que definir la medicina es más complejo que definir otras ciencias similares y que los instrumentos que se utilizarán en la relación con los pacientes no pueden limitarse a los proporcionados por los aspectos técnicos muestra una nueva conciencia. Hoy en día, esta visión se presenta a menudo como una constatación innovadora por parte de los médicos ante la complejidad de la formación y de la acción en un ámbito delicado en el que se les confía la gestión del equilibrio del sistema que es el cuerpo humano.
Palabras clave: habilidades blandas, tradición deontológica, historia de la relación médico-paciente
1. Introducción
A diferencia de otras ciencias, la medicina siempre se ha enfrentado a un orden y una estructura epistemológicos complejos. Desde sus inicios como disciplina racional en el pensamiento hipocrático, este aspecto ha estimulado el desarrollo y la estructuración de un proceso de pensamiento interno sobre la posible manera de conciliar su naturaleza electivamente científica (desde la definición galénica de la medicina como logos hasta el método experimental, plenamente adoptado por la medicina de mediados del siglo XIX) con la dimensión humanística del cuidado de los pacientes. Esta última impone una confrontación constante con la característica subjetiva de la experiencia de la enfermedad y el necesario equilibrio entre la verdad del médico, por un lado, y la verdad del paciente, por otro [ 1 ].
¿Puede la medicina considerarse una técnica , una ciencia o una «ciencia humana»? Alcanzar una respuesta única y concisa a esta pregunta no es nada fácil, especialmente a largo plazo. El debate interno sobre la incertidumbre de la medicina cobra fuerza si partimos de una serie de obras que se remontan a principios de la Edad Moderna. Esta literatura muestra la necesidad de mediar entre los aspectos teóricos de las tradiciones antiguas y el enfoque empírico. Incluso en el siglo XIX, existía una conciencia plena de una constitución epistemológica incierta, basada en la probabilidad y la variabilidad individual de los pacientes. Desde esta perspectiva, no deberíamos ver la enfermedad en abstracto ni con términos generalizadores. Como recuerda el famoso clínico boloñés Augusto Murri, incluso la nosología —que proporciona herramientas importantes para catalogar la construcción del pensamiento diagnóstico— corre el riesgo de construir categorías abstractas. Esto nos llevaría a descuidar todos esos aspectos «no técnicos» y específicos de cada situación clínica individual que, en cambio, permiten la verdadera comprensión de la enfermedad como un proceso continuo y cambiante dentro del paciente.
Intenta no acostumbrarte a pensar de forma abstracta sobre la enfermedad tal como la patología la describe… Cuanto más sepas, más podrás [hacer]. Pero ni siquiera sueñes con imaginar que el conocimiento es suficiente. Tienes que acostumbrarte a considerar el capítulo dedicado a una determinada enfermedad por los patólogos ni más ni menos que un expediente necesario para comprender mejor, pero no como una descripción de una entidad definida y siempre igual a sí misma… como no hay dos cosas iguales, entonces no hay pacientes iguales […] Por lo tanto, incluso después de haber hecho el diagnóstico de fiebre tifoidea o cualquier otra enfermedad, tienes que hacer el verdadero diagnóstico especial [específico] en tu paciente, día a día .
En su reconocido estudio, “El nacimiento de la clínica”, Michel Foucault [ 3] reconoce críticamente cómo el núcleo de la medicina se basa en un logos de “visibilidad” empírica del cuerpo y la enfermedad. La medicina científica fundamenta su visión en el paradigma empirista, que nos permite ver el cuerpo como una cosa en un mundo de cosas. El método clínico se basa en el examen visual. Los signos y síntomas se relacionan con la repetición de la frecuencia de la enfermedad. Por lo tanto, descifrados de su significado individual, estos signos y síntomas adquieren significado. En consecuencia, la patología asume un significado predefinido.
Es la descripción […] la que autoriza la transformación del síntoma en signo, el paso del enfermo a la enfermedad, el acceso de lo individual a lo conceptual. […] Describir [esto] significa seguir el orden de sus manifestaciones, pero también significa seguir la secuencia inteligible de su génesis. Significa ver y saber al mismo tiempo, porque, al decir lo que se ve, se integra espontáneamente en el conocimiento. Esto también significa aprender a ver, porque significa dar la clave de un lenguaje que domina lo visible .
En este sentido, la enfermedad está ligada a la percepción de una visibilidad mecanicista. Por lo tanto, está completamente desconectada del mundo de invisibilidad que la construye y se une para crearla. Una visión completamente empirista ignora que los seres humanos no son solo cuerpos, sino animales simbólicos y sociales, cuya existencia es comprensible en sus múltiples manifestaciones. La enfermedad, obviamente, forma parte de esto. Podemos alcanzar esta comprensión multifacética solo si consideramos los determinantes sociales y culturales que contribuyen a moldear a todos los individuos de nuestra especie de maneras extremadamente diferentes.
Además, importantes definiciones contemporáneas, como la de G. Canguilhem en 1988 [ 4 ], subrayan cómo la naturaleza de la medicina oscila entre el mundo clínico, orientado al cuidado del individuo o de una parte de la población, y la necesidad de aumentar nuestro nivel de comprensión científica haciendo uso de conocimientos básicos y metodologías dirigidas a la mera explicación de aspectos patológicos y clínicos generales.
La antropología médica parece ofrecer, al menos parcialmente, una solución a este dilema ontológico. Además, este campo de estudio ofrece una posible categorización de la medicina como una forma de ciencia humana y cultura especializada. Basada en el comportamiento que se enseña y se comunica, la medicina posee todas las características que definen las subculturas. La medicina posee un peculiar sistema simbólico de comunicación verbal y no verbal, límites autoimpuestos directos e indirectos, así como modelos ideales compartidos que crean códigos de comportamiento. Además, la medicina ha evolucionado con el tiempo de forma adaptativa para aplicar mejor esta experiencia a las necesidades de un contexto determinado. En consecuencia, se integra en el contexto cultural de referencia, del cual se nutre e influye en diferentes aspectos de la vida, cambiando debido a la innovación y la transmisión directa e indirecta. Finalmente, la medicina difunde y divulga selectivamente intuiciones y descubrimientos mediante la asimilación, la aculturación y las revoluciones. Cada uno de estos pasos está tan estrechamente interconectado con lo que sucede en sociedades específicas que resulta difícil, si no imposible, comprender los profundos cambios del pensamiento médico fuera de los contextos culturales en los que se genera.
2. ¿Habilidades blandas en medicina?
Las rápidas transformaciones de los contextos sociales y laborales requieren cada vez más que la educación médica diseñe caminos innovadores que incluyan, junto con la adquisición de habilidades técnicas fundamentales (hard skills), también la construcción de habilidades transversales, que hoy en día a menudo se denominan «soft skills» [ 5 ]. El debate médico-pedagógico se ha enriquecido recientemente con importantes contribuciones, en parte dirigidas a identificar una definición consensuada y una denominación compartida para las soft skills en medicina y en parte a definir las habilidades «humanísticas» mínimas que se necesitan durante la formación y los estudios. Esta reciente discusión también tiene como objetivo centrarse en los objetivos que los profesores y formadores pretenden obtener mediante la planificación de un programa de estudios innovador que también esté dirigido a la adquisición de estas habilidades «no técnicas».
A menudo llamadas habilidades genéricas, habilidades esenciales, competencias clave, habilidades de empleabilidad, habilidades de cociente emocional y habilidades para la vida, estos términos se han agrupado dentro de todas aquellas habilidades para el comportamiento adaptativo y positivo, que permiten a las personas lidiar eficazmente con las demandas y desafíos de la vida cotidiana [ 6 ]: rasgos y capacidades que no sustituyen sino que integran sustancialmente un conjunto de habilidades profesionales, permitiendo al futuro médico desarrollar experiencia esencial para el desarrollo personal, la participación social y el éxito laboral. Además, estas habilidades garantizan que los médicos tengan estas habilidades «intangibles» que son esenciales para fortalecer su perfil profesional como comunicadores, líderes y negociadores [ 7 ].
La literatura ha reconocido el desafío de identificar una definición exhaustiva de las habilidades blandas en medicina y su amplia extensión en diferentes campos y áreas culturales. Se desarrollan en niveles complementarios, que van desde las habilidades comunicativas e interpersonales hasta su uso emparejado con el desarrollo de constructos genéricos, es decir, habilidades emocionales como en la definición clásica de D. Goleman [ 8 ] que eventualmente conducen a habilidades de automotivación, liderazgo y habilidades organizacionales. Estos aspectos también deben combinarse con los del desarrollo de la alfabetización científica, el pensamiento crítico y la resolución de problemas, que caen al menos parcialmente en el dominio de la adquisición de la competencia emocional que favorece los intercambios comunicativos en las transacciones sociales que provocan emociones. En resumen, estamos tratando con una comprensión básica de la ética de la relación médico-paciente: la capacidad de enfrentar la diversidad, articulada en los diferentes niveles del pensamiento antropológico y un enfoque epidemiológico de la salud basado en los temas de equidad en la salud y la atención médica. Desde la pedagogía médica hasta la psicología conductual, pasando por la psicología del trabajo, la bioética y la antropología médica, intervienen diversos contextos culturales para permitir el desarrollo de habilidades que permitan al futuro médico “navegar en el mar de la complejidad” donde se encuentran el abordaje clínico y la gestión de la relación médico-paciente. La adopción de habilidades blandas permitiría la formación de médicos resilientes, capaces de soportar el estrés y gestionar de forma creativa y simultánea la realidad cambiante de las historias de enfermedad contadas por diferentes pacientes en diversos contextos. Esto incluye sus situaciones psicológicas, las relaciones con su equipo y su capacidad para afrontar un contexto social en el que las solicitudes y expectativas aumentan exponencialmente [ 7 ].
Entre las ventajas que la literatura indica que se esperan de la adquisición de habilidades blandas, encontramos el dualismo de la ventaja personal del profesional (atribución de sentido al trabajo diario, gestión de los aspectos rutinarios de las profesiones médicas, contribución a la superación de dificultades logísticas de la organización del trabajo) y la mejora de la satisfacción del paciente. En la medicina actual, las quejas rara vez se refieren a una aplicación incorrecta o faltante de conocimientos técnicos o a la falta de habilidades profesionales. En cambio, los pacientes se centran cada vez más en la falta de comunicación, la barrera emocional y su percepción del médico como una figura distante que a menudo no está dispuesta a crear un diálogo emocionalmente satisfactorio [ 9 ]. En consecuencia, las habilidades blandas son fundamentales no solo como herramienta para reducir el riesgo de agotamiento, sino también como una herramienta en manos de los médicos para reducir las disputas legales y las acusaciones de incompetencia, imprudencia o mala praxis.
Las habilidades blandas son difíciles de enumerar, bastante difíciles de aprender y aún más difíciles de evaluar. Su aprendizaje parece ocurrir, en su mayor parte, de acuerdo con un modelo cultural de aprendizaje por asimilación o imitación. El concepto de currículo oculto, válido tanto en sentido positivo como negativo, presupone un papel central de la pedagogía indirecta. En este sentido, las virtudes basadas en la personalidad y el comportamiento, la apertura hacia el paciente, la capacidad del médico para gestionar situaciones estresantes y las dificultades del trabajo interdisciplinario y en equipo se combinan para convertirse, caso por caso, en modelos que se pueden introyectar y aceptar o rechazar en determinadas situaciones.
3. Necesitamos habilidades blandas en medicina: ¿es este realmente un debate contemporáneo?
El concepto de la alianza terapéutica entre el médico y el paciente en la lucha contra la enfermedad se remonta a miles de años. La imagen del cráter de Sosias (siglo V a. C.) muestra una interesante inversión de roles en la que Aquiles se convierte en el therapon de Patroclo en su cuidado. Además, la palabra therapeia está conectada al concepto de servicio en su etimología, y el significado de la palabra es más un acto de cuidar a alguien, en lugar del acto específico de curar a alguien. En este sentido, el paternalismo tradicionalmente atribuido al médico que recibe formación hipocrática [ 10 ] parece perder consistencia cuando se enfrenta cara a cara con el papel real de therapon , que el médico asume en la relación con el paciente. Además, el concepto de therapeia implica una predisposición a la empatía y a la obediencia en el sentido de ob-audire (escuchar). Se trata esencialmente de una combinación virtuosa de escucha y apoyo, orientada a una restitutio ad integrum compatible con el estilo de vida y las expectativas del paciente [ 11 ]. La centralidad del paciente en el acto de cuidado, reportada en los textos del Corpus Hippocraticum como un momento crucial de una relación en la que el médico tiene la única función de apoyar la lucha contra la enfermedad que pesa principalmente sobre el paciente, regresa en la historia del pensamiento médico occidental con una alternancia de actitudes aparentemente singular. De vez en cuando, el enfoque centrado en el paciente se convierte en una herramienta de fortaleza para interpretar los signos de la enfermedad y reconstruirlos dentro de un marco conceptual lógicamente coherente (como se ve en el pensamiento hipocrático) o un elemento de debilidad, capaz de afectar el “alto estatus” del arte al introducir un elemento de subjetividad engañosa y dañina con el propósito de construir el discurso clínico (como podemos ver en parte del pensamiento galénico y en muchos textos de la tradición médica posterior inspirados en este). En resumen, el llamado triángulo hipocrático [ 12 ] (cuyos vértices son la relación constante entre médico, paciente y enfermedad) constituye el primer momento de una reflexión explícita sobre el papel y la importancia que la subjetividad de la experiencia de la enfermedad puede tener en la imagen que la medicina pretende transmitir a la sociedad. Además, la misma definición hipocrática de la medicina como téchne , es decir, la capacidad de producir un bien tangible (la salud en este caso) mediante la comprensión de las formas en que el cuerpo funciona y suceden las cosas, es el primer intento sistemático de encontrar una respuesta satisfactoria a las preguntas sobre la verdadera naturaleza de un campo que no se limita simplemente a la mera definición de una ciencia.
La creencia de que definir la medicina es más complejo que definir otras ciencias similares y de que los instrumentos que deben emplearse en la relación con los pacientes no pueden limitarse a los que ofrecen los aspectos técnicos muestra una nueva consciencia. Hoy en día, esta perspectiva se presenta a menudo como una constatación innovadora por parte de los médicos respecto a la complejidad de la formación y la acción en un área delicada en la que se les confía la gestión del equilibrio del sistema que constituye el cuerpo humano.
A ojos del historiador, esta consciencia no resulta tan innovadora. Intentemos ofrecer una breve explicación que recorra algunas etapas destacadas del pensamiento médico —que podríamos definir de forma deontológica genérica, aunque su mensaje no se limite al ámbito de la legislación conductual—, en las que encontramos la constante referencia al dualismo de la necesidad de una formación técnica y humana a la vez. Partiremos de textos que datan de los siglos XVIII y XIX y luego nos remontaremos al pasado, con una breve discusión sobre períodos singulares, hasta el nacimiento de la medicina racional hipocrática.
Un punto de partida interesante se encuentra en la lectura de los Galatei medici , pequeños manuales sobre etiqueta médica publicados por toda Europa a principios del siglo XVIII y mediados del siglo siguiente. Concebidos para realzar la figura del médico en una época en la que otros profesionales de la salud se esforzaban por ascender en la escala académica (p. ej., las primeras constituciones de grupos de obstetricia y enfermería), los manuales Galatei representan, sobre todo, una herramienta para incitar al médico a adquirir la autoconciencia necesaria para la afirmación social y la confianza pública. Los textos de los Galatei afirman repetidamente que la elección del médico debe basarse en sus buenas habilidades morales y personales, o en sus conocimientos y experiencia, y que solo el recurso al dualismo de la ciencia y la humanidad puede garantizar la adquisición de la confianza necesaria para el establecimiento de una correcta relación médico-paciente. El prólogo del Galateo para G. Pasta, publicado en Roma en 1817, también destaca las leyes conocidas por la comunidad médica. Estas leyes fueron aprendidas a través de la ciencia, pero también son «estimadas» por los pacientes en virtud de cualidades humanas y conductuales que forman la base de un código de civilización, que también puede verse como «etiqueta» médica. La ciencia sin etiqueta (donde la palabra indica el mundo deontológico más alto y moralmente connotado) nos hace gloriosos, pero solo a medias [ 13 ]. Además, la etiqueta requiere un carácter moral en el que injertarse, una naturaleza personal que sea «próspera, grave, elocuente, incansable, dócil, civil», que hace al médico capaz de actuar con prudencia, relacionándose con los colegas con cordialidad e interés, y en la relación con el paciente, convirtiéndose en un amigo que también es capaz de alentar y consolar. El «decoro» propuesto por los textos de Galatei no se limita a la apariencia, que también debe ser impecable. Hay una sustancia, una fidelidad al aspecto generoso y humano del alma del médico, que debe nutrirse de instrumentos no técnicos, pero que son igualmente fundamentales. Entre ellos, el conocimiento de idiomas, la poesía como herramienta para fijar y controlar la calidad del lenguaje, la posesión de herramientas lógicas que permitan “observar mucho, pero observar correctamente”, el conocimiento del mundo, así como los rasgos de carácter que condicionan la respuesta del paciente a las condiciones de la enfermedad, junto con la tolerancia a la diversidad y la capacidad de aplicar un comportamiento correcto a diferentes condiciones sociales recuerdan directamente una definición moderna de habilidades blandas.
La referencia a la necesidad de una educación médica compleja y exhaustiva es, de hecho, un tema bastante clásico. Constituye el eje de una tradición pedagógica bien representada, en los tiempos modernos, desde el famoso texto Dissertatio de recta medicorum studiorum ratione instituenda , obra del arquiatro pontificio Giovanni Maria Lancisi, impreso en Roma en 1715 [ 14 ]. La obra de Lancisi es un programa probado y verdadero para la formación de médicos y cirujanos que trabajan dentro de S. Spirito, el hospital romano en el centro de un proyecto cultural innovador, encargado por el Papa Clemente XI y confiado precisamente a la realización de su arquiatro. El proyecto preveía el establecimiento de una biblioteca hospitalaria, que reuniría los textos médicos, científicos y filosóficos más significativos y más recientes, para ponerlos a disposición de quienes trabajaban dentro del hospital y necesitaban una «educación continua». Esto condujo a la creación de una academia, el centro de la vida «experimental» del hospital y un foro para el debate y la reunión científica. Además, el hospital elaboró un proyecto educativo completo para el médico en formación, expresado en el De recta, que se basaba en la extraordinaria posibilidad que ofrecía el hospital de crear un canal de comunicación entre diferentes profesionales, permitiéndoles atender a numerosos pacientes simultáneamente y consultar una vasta colección de libros. Lancisi creía firmemente que el médico, además de estar dotado de todos los instrumentos culturales más innovadores de la época (conocimientos de matemáticas, mecánica, química, etc.), también debía estar capacitado en la adquisición y el ejercicio de habilidades relacionales específicas. Debía saber hablar, no porque la elocuencia pudiera curar, sino porque era una herramienta indispensable para convencer al paciente y ganarse su confianza, al igual que la dignidad de los modales y la autoridad del comportamiento. Además, debía conocer los usos y costumbres del mundo, cultivar la caridad como principal instrumento de abordaje de la enfermedad —un precursor que connotaba religiosamente nuestro concepto de empatía— para ejercer con prudencia y razón lo que debía hacerse. El concepto era que si algo se hacía con rapidez, podía ayudar a evitar otros problemas. Un médico también debe aplicar un método lógico bien definido que le permita iluminar los oscuros barrancos de la reflexión sobre la naturaleza del cuerpo. La construcción de este método requiere herramientas, no todas proporcionadas por estudios técnicos. Se nutre del conocimiento del mundo adquirido a través de viajes, experiencias y recorridos mentales en libros e ilustraciones (el mundo del papel, para quienes, como Lancisi, fundaron una biblioteca, equivale al mundo geográfico). Claramente, el médico necesita doctrina, pero también debe poseer una naturaleza bondadosa y generosa, dispuesta a dejarse moldear, desde la infancia, por la educación, trabajando con dedicación y tiempo continuo. Para Lancisi, la posesión y el cultivo de habilidades aparentemente secundarias no debe entenderse como una herramienta decorativa. Estas habilidades son una cualificación indispensable, ya que la medicina, que « scientiam sibi vero comparare volet » (que aspira a convertirse en ciencia, que pretende ser comparada con una ciencia), puede sentar las bases para legitimar la aspiración de implementar su estatus epistemológico. Dicho esto, es necesario evitar algunos pequeños errores. Ciertas tendencias culturales de la época ( polymathia), queriendo saber un poco sobre todo, por ejemplo) debe evitarse, así como el uso excesivo de actividades artísticas y culturales (poesía, teatro, música, antigüedades). Esta tendencia terminaría convirtiéndose en una distracción para los médicos en formación, quienes no deben perder su claridad, quizás oscureciendo el buen razonamiento con un exceso de nociones toscas y confusas. Sin embargo, ninguno de los estímulos que nos llegan de estos ejemplos de literatura médica moderna temprana y moderna tardía es completamente nuevo para la medicina. Algunas de estas características son aspectos definitorios en obras más antiguas, atribuibles a la literatura médica griega y latina, que allanó el camino a la medicina occidental a partir del período antiguo tardío. Las creencias de Galeno sobre la necesidad de que el médico también sea un filósofo, con un sólido conocimiento de la lógica, la física y la ética, llevaron al desarrollo de una base ontológica para la medicina en la Edad Imperial, anclada en el dualismo de la ciencia y la filosofía. En un proceso mutuo, la medicina y la filosofía se prestan mutuamente sus propias herramientas metodológicas, de modo que sin base científica incluso la filosofía se reduce a un mero ejercicio retórico y a una serie de controversias desmotivadas [ 15 ]. La pedagogía, a la que Galeno dedica gran parte de sus escritos, se describe en el mismo tratado como un proceso mayéutico en el que el maestro guía al alumno. Las opiniones del estudiante se agudizan mediante la experiencia y el conocimiento adquirido, hacia la contemplación de objetos inteligibles. En medicina, esto se traduce en la adquisición de los datos de experiencia necesarios para formular el pronóstico, a través de su selección y recomposición dentro de un marco lógico coherente que explica la aparición de la enfermedad [ 16 ]. La conducta del estudiante hacia la adquisición de habilidades no solo está mediada por la visión más desarrollada del maestro sino también por una serie de condiciones que caen enteramente dentro de nuestra definición de habilidades blandas: un ejercicio temprano y constante en habilidades fundamentales; poseer un “carácter penetrante” y una disposición naturalmente curiosa hacia los intelectuales más destacados de la época, y la constancia de aplicarse al estudio continuo; la dedicación absoluta al trabajo; la tensión intelectual que lleva a la búsqueda de la verdad a través de la posesión de un método que permite discernir lo verdadero de lo falso; y por último, el ejercicio diario en este método, a fin de dominarlo y saber aplicarlo con resultados satisfactorios [ 17 ].
La actitud galénica hacia el paciente, a menudo bastante severa y conectada con un paternalismo absoluto y rígido, no se permite definir al médico en términos de cualidades humanas. Sin embargo, esta actitud se compensa, en la literatura antigua, con toda una serie de conceptos resumidos en la famosa figura del medicus amicus . Las fuentes médicas (Celso y Escribonio Largo, siglo I d. C.) y las fuentes literarias (Séneca y Cicerón) describen repetidamente las cualidades humanas necesarias para ser un buen médico. Celso afirma expresamente que, con las mismas habilidades, es preferible tener un médico que se presente como un amigo en lugar de como un profesional distante y extraño. Además, agrega que la misericordia, que es la actitud del alma que se abre a la comprensión del paciente, es una herramienta que puede mejorar los resultados de la medicina [ 18 ]. Escribonio Largo, por su parte, enfatiza que una piedra angular fundamental de la medicina es el fundamento de la voluntad con la que la medicina avanza [ 19 ]. En consecuencia, esta voluntad no puede excluirse. En ocasiones, la tradición va un paso más allá. Las Quaestiones medicae , atribuidas a Sorano, presentan una opinión atribuida al médico alejandrino Erasístrato, que afirma que, si bien la combinación de pericia profesional (in arte perfectus) y virtudes humanas (moribus optimus) representa sin duda la condición ideal para imaginar al médico perfecto, en ausencia de una de ellas, «es mejor ser un buen hombre con deficiencias en la doctrina (absque doctrina) que ser un técnico perfecto con mala personalidad y buenas virtudes» [ 20 ].
Estas voces técnicas encuentran eco en las apasionadas palabras de pacientes célebres como Séneca y Cicerón. Su testimonio inspira a quienes «usan» la medicina. Estas voces suelen ser evanescentes, mudas y difíciles de reconstruir en toda la literatura médica occidental. Para ellos, quienes pierden las capacidades humanas de un médico quedan huérfanos de una habilidad que el dinero no puede comprar y que no puede ser reemplazada ni siquiera mediante el uso de una técnica más perfeccionada. Lo que el paciente solicita es el tiempo que le dedica el médico, las decisiones sobre su caso en comparación con los muchos otros que solicitan su presencia, la prontitud en la intervención y la solicitud en la asistencia, así como la capacidad de soportar las demandas de quienes sufren, que a menudo pueden ser molestas. Todo esto constituye el verdadero tesoro que el arte médico puede ofrecer: una habilidad humana que hace al profesional irremplazable. El médico perfecto es aquel que sabe que la convivencia del paciente y su enfermedad no constituyen una identidad como tal [ 21 ].
4. Conclusiones
La necesidad del paciente de contar con un médico con estudios pero a la vez altamente cualificado en relaciones humanas repercute en la literatura y en testimonios de contextos a veces inesperados, como las situaciones sociales y administrativas. Por ejemplo, la tradición epigráfica griega atestigua continuamente que el criterio de elección del médico público idóneo para cuidar de la ciudad debe definirse en función de la evaluación de la excelencia técnica así como de una actitud moral apropiada. Un decreto del santuario de Asclepio en Atenas (que data de entre el 46 y el 125 d. C.) —o los numerosos decretos que se dedicaron en todo el territorio de Grecia a médicos conocidos por nosotros solo por la breve mención de su nombre— destacan la episteme médica del ethos , es decir, el conjunto de estilos de vida, costumbres y actitudes morales que hacen de los profesionales candidatos apreciados para la gestión de la salud pública.
La relación entre las habilidades profesionales y los rasgos de personalidad de un individuo ha sido claramente atestiguada desde la tradición helenística. Además, de forma consistente, esta relación subraya las principales características del ethos hipocrático : el amor a la humanidad, fundamento del arte médico, constituye una de las principales herramientas gracias a las cuales los enfermos recuperan la salud. El tema emerge con cierta claridad en el segundo corpusculum de los tratados hipocráticos dedicados a la ética médica: Medico, Precetti e Decoro (siglo III a. C. – siglo II d. C.) [ 22 ]. El aspecto que une estos escritos es la identificación del buen médico en una pareja equilibrada de filantropía y autoridad. Sin embargo, también ofrecen indicaciones prácticas sobre la apariencia y el comportamiento que los médicos deben mantener cuando están frente al paciente. Esto es importante no solo para evitar desacreditarse a sí mismos y a su profesión, sino también para inculcar un sentimiento de confianza en el paciente [ 23 ]. Además, volviendo al texto del juramento atribuido a Hipócrates, la combinación “vida/arte” ya aparece claramente definida en la afirmación “Preservaré mi vida y mi arte”. El problema de la interpretación del término griego “ bios ”, tan connotado en el texto del juramento, solo puede resolverse si, con von Staden, acordamos traducirlo como el modo de vida, los estilos y la totalidad de las acciones que configuran al ser humano como tal: un médico como médico, un buen médico como buen médico. Por lo tanto, no solo hablamos de ciencia, sino también del conjunto de rasgos de personalidad y actitudes adquiridas que hoy en día se enmarcan en el ámbito de las habilidades blandas.
En conclusión, debido también a la debilidad terapéutica de la medicina, en la tradición histórica, estos rasgos “humanos” nunca se describieron como una especie de accesorio [ 24 ]; más bien, son elementos fundamentales en la creación del rol del profesional idóneo. Quizás también podríamos pensar en el “ Homo bonus ”, creado por las manos de un paciente anónimo alrededor del siglo III a. C. Este grafiti es una especie de nota de agradecimiento escrita en la pared del cubículo de visitas de la domus del cirujano en Rímini, Italia. Representa esa figura luminosa que atraviesa los siglos para ayudar a los que sufren y que invocan su ayuda a vencer la enfermedad.
Comentario del blog para publicar este trabajo seleccionado por el Dr. Tobías Franzetti. Residente de Gestión de servicios de salud.
Cada año el sistema de salud de todo el mundo necesita más camas hospitalarias. Desde la gestión contamos con varias herramientas para moderar estas necesidades, que por ejemplo en EE.UU implica tener 11% más de camas. Es perentorio disminuir los pacientes sociales, que ocupan un 15% de las camas hospitalarias. Algunos otros protegidos por los amparos judiciales que no tienen razón. La efectividad en el desempeño con aumento de eventos adversos prevenibles, ulceras por presión, lesiones químicas de la piel, sepsis por catéter, neumonía de la asistencia respiratoria mecánica, caídas, infecciones en cirugías limpias no contaminadas. La organización de cirugías programadas mejor, en relación con su recuperación mediata. También prolongan las estancias los insumos que no llegan por una gestión excesivamente burocrática. Los familiares que no se quieren hacer cargo del cuidado. Los estudios de complejidad que se tienen que hacer en otros lugares. Las autorizaciones de las obras sociales o prepagos que no llegan y trabajan de lunes a viernes. El impulso de las técnicas de cirugía enhaced Recovery after surgery, que acorta sensiblemente las estancias. La utilización de cirugía de invasión mínima translaparoscópica o robótica que también acorta la duración de la internación. Disponer de otro modelo de atención de pacientes ancianos con polipatología y multimorbilidad con atención de Unidades Geriátricas Agudas. Los sistemas tienen que tener más cuidados de media estancia, de fin de vida, de rehabilitación y domicilios protegidos. Más pacientes complejos en el radar. Tener auditorías de las internacionesinnecesarias por patología que puede ser diagnosticada y tratada ambulatoriamente.
Construir un hospital dentro de los esquemas de inversión pública puede llevar hasta inaugurarlo entre cinco y diez años, luego ponerlo al máximo de producción dos años más si todo sale bien. Por ello, en el mientras tanto se deben pensar alternativas como reformar estructuras actuales modernizarlas, construcciones modulares que se puedan agregar, disminuir espacios innecesarios. Sacar todos los sitios de almacenamiento fuera del núcleo asistencial. Brindar más apoyo social a las familias. Menos burocracia y más gestión. La experiencia personal de haber contribuido en el liderazgo desde el área de atención universitaria de Isalud y en forma independiente en abrir seis hospitales públicos y dos privados, desde 1997 hasta la actualidad avalan esta postura. Pero es cierto, que ante una necesidad real se deben analizar en todos las provincias los contextos de red, la disponibilidad privada, la oferta de complejidad, los corredores de las enfermedades con riesgo de vida, la necesidad de concertar camas y ver las mejores alternativas. Para la política, da más visibilidad cortar cintas, pero para los pacientes y la comunidad, son tan importantes como la estructura y la tecnología los equipos humanos y el liderazgo que uno pueda formar, decir clara y definitivamente que los hospital son las personas que trabajan en él, que tienen conocimientos, profesión, vocación de servicio y organización en equipos para atender a los usuarios del sistema de salud.
LO QUE YA SE SABE SOBRE ESTE TEMA
La duración de la estancia hospitalaria (LOS) es un indicador principal del rendimiento de la prestación de servicios de salud, y un mejor flujo de pacientes mejora la eficiencia y la seguridad hospitalarias.
La guía del NHS de 2018 para reducir las estancias hospitalarias prolongadas aconseja utilizar el paquete de flujo de pacientes SAFER y la herramienta Red2Green para disminuir la duración de la estancia en las unidades de pacientes hospitalizados para adultos.
LO QUE APORTA ESTE ESTUDIO
La implementación del haz de flujo de pacientes SAFER y la herramienta Red2Green en una unidad de medicina interna de un hospital universitario se asoció con una reducción significativa de la LOS.
La capacidad de las estrategias para abordar el comportamiento del equipo asistencial hacia la hospitalización y el alta podría ser el aspecto central responsable de su éxito.
CÓMO ESTE ESTUDIO PODRÍA AFECTAR LA INVESTIGACIÓN, LA PRÁCTICA O LA POLÍTICA
Nuestro estudio sugiere que el paquete de flujo de pacientes SAFER y la herramienta Red2Green pueden disminuir de manera segura la LOS en diferentes entornos.
Se debe tener en cuenta la actitud del equipo multidisciplinario a la hora de implementar estrategias para la reducción de la LOS hospitalaria.
Introducción
A medida que aumentan los costos de la atención médica en todo el mundo, así como la esperanza de vida, el aumento de la eficiencia hospitalaria se ha convertido en una preocupación importante para los administradores del sistema de atención médica. La duración de la estancia hospitalaria (LOS) es un indicador principal del rendimiento de la prestación de servicios de salud, ya que los días de hospitalización inadecuados no solo aumentan el gasto, sino que también pueden perjudicar a los pacientes. 1 2 La reducción de la duración de la estancia también puede mejorar el flujo en el hospital y la disponibilidad de camas, evitando la saturación de los servicios de urgencias. 1
Desde los años 80 se han realizado esfuerzos para crear una herramienta que permita identificar los días de hospitalización injustificados y sus causas. El Protocolo de Evaluación de Adecuación (AEP) es la técnica más estudiada, con buena fiabilidad y validez para pacientes adultos agudos, excluyendo obstetricia y psiquiatría. 3 4 Otras herramientas descritas incluyen el sistema de revisión de intensidad-gravedad-alta, el instrumento Oxford Bed Study y el Protocolo de Evaluación de Pacientes Médicos. A pesar de las limitaciones de la investigación publicada, se puede concluir con seguridad que un porcentaje considerable de días de hospital son inapropiados en muchos entornos diferentes. 4
La duración de la estancia es el resultado principalmente de las características de los pacientes, los sistemas sanitarios y los cuidadores clínicos, siendo importante el comportamiento del equipo asistencial en cuanto a la planificación del tratamiento y el alta. 5 6 Utilizando el AEP u otras herramientas, los estudios demostraron que los días de hospitalización injustificados podrían deberse a retrasos en el arbitraje del equipo médico sobre un plan de tratamiento7, retrasos en la consulta al especialista7–10 actitud conservadora de los médicos respecto al alta11, falta de estandarización en el proceso de trabajo entre las diferentes especialidades y ausencia de planificación del alta. 6 Las herramientas de mejora de procesos pueden abordar la mayoría de las causas de los días inapropiados relacionados con la rutina del personal clínico, aunque cambiar una mentalidad establecida puede ser un desafío. Como estímulo, un estudio mostró que los médicos que trabajaban en diferentes hospitales tenían una estadía similar a la LOS habitual de cada hospital, lo que indica un ajuste de la práctica de acuerdo con los colegas o la cultura hospitalaria local. 12 Aunque no está clara la razón de la variación del patrón en el ambiente de trabajo, los resultados del estudio validan la necesidad de intervenciones que tengan como objetivo cambiar las actitudes de los equipos de atención en las instituciones de salud.
En 2018, el Sistema Nacional de Salud (NHS, por sus siglas en inglés) publicó la «Guía para reducir las estancias hospitalarias prolongadas» para estimular la mejora y reducir la duración de la estancia hospitalaria en los hospitales de Inglaterra. Recopiló estrategias para mejorar el flujo de pacientes, desde el ingreso de emergencia hasta el alta. Según la guía, las acciones más efectivas para reducir la duración de la estancia deben centrarse en el tiempo que los pacientes pasan en las salas de hospitalización. Las principales herramientas descritas fueron el paquete de flujo de pacientes SAFER y los días Red2Green, que deben combinarse para obtener mejores resultados. El haz de flujo SAFER consta de cinco elementos: S: revisión superior antes del mediodía; R: todos los pacientes deben tener una fecha prevista de alta (EDD, por sus siglas en inglés) y criterios clínicos para el alta (CCD, por sus siglas en inglés) establecidos por la persona mayor; F: flujo de pacientes a las salas de hospitalización a partir de lo más pronto posible; E: alta precoz; R: revisión de pacientes que han estado hospitalizados por más de 6 días. Las jornadas Red2Green son una herramienta para reducir las esperas innecesarias de los pacientes. Todos los pacientes comienzan con un día «rojo», que puede convertirse en «verde» si el plan del día se lleva a cabo con éxito. 1
El éxito del paquete de flujo de pacientes SAFER y de la herramienta Red2Green days en la reducción de la LOS puede atribuirse a su capacidad para abordar simultáneamente diferentes variables que afectan al alta del paciente. El papel que desempeña cada factor en el retraso del alta variará de una institución a otra según el perfil del paciente, la cultura del hospital local, la organización del sistema y el conocimiento del personal sobre su importancia para el flujo de pacientes. Mientras que el paquete de flujo de pacientes SAFER se centra en las actitudes y la rutina de los equipos, la herramienta de días Red2Green identifica todas las causas de retraso para cada paciente. Al identificar las principales limitaciones en cada entorno, internas o externas a la institución, es posible abordarlas de manera sistémica para evitar los mismos retrasos en cada ingreso. 1
En este estudio, el objetivo de este estudio fue verificar si la implementación del haz de flujo SAFER y la herramienta Red2Green days se asocia con la reducción de la LOS en las salas de medicina interna de un hospital universitario de Brasil.
Métodos
Diseño del estudio y participantes
Este estudio pre-post se llevó a cabo en la unidad de hospitalización de medicina interna (AMI) del hospital universitario (Hospital das Clínicas) de la Universidade Federal de Minas Gerais (Belo Horizonte, Minas Gerais, Brasil). Los resultados de los pacientes de medicina interna dados de alta de marzo a mayo de 2018 se compararon con los dados de alta en el mismo período de 2019 durante la implementación de las herramientas de la guía del NHS. Se incluyeron en el análisis los pacientes ingresados en la sala de UCI que fueron trasladados a cuidados intensivos y fallecieron. La edad, el sexo, el índice de comorbilidad de Charlson y la clasificación de los grupos relacionados con el diagnóstico (GRD) se registraron para cada paciente para garantizar la comparabilidad entre los grupos.
La IMU tenía una capacidad de 67 camas en dos salas en los años en que se realizó el estudio. La capacidad total de camas de hospital, incluidas las camas de la unidad de cuidados intensivos (UCI) y subespecialidades, era de 504 en ese momento. El hospital universitario es el segundo centro público de atención terciaria más grande de la zona, con una población de 6 millones de personas. La IMU cuenta con ocho profesores universitarios que trabajan como personal directivo, gestionando los planes de tratamiento de siete a nueve pacientes de medicina interna cada uno de lunes a viernes. Los fines de semana y días festivos, los médicos tratantes trabajan en un horario de turnos. Los médicos tratantes establecen el plan de tratamiento para los pacientes ingresados en la sala los fines de semana, y son responsables de la reevaluación del paciente y el manejo de la inestabilidad orgánica durante los turnos. Los residentes de medicina interna y los estudiantes de medicina son supervisados por profesores y médicos tratantes. Siete de los ocho profesores de medicina interna fueron responsables de las rondas tanto en 2018 como en 2019. Algunos pacientes de neurología, enfermedades infecciosas y cardiología, y muy pocos pacientes quirúrgicos, ingresaron en la sala de IMU en 2018 y 2019. Profesores y becarios de otras especialidades no participaron del estudio.
También se analizaron los datos de la IMU LOS continua de 12 meses desde julio de 2018 hasta junio de 2019, comparando todos los IMU LOS de los pacientes antes y después del inicio de la intervención. Se construyó un gráfico de control para mostrar los resultados. En julio de 2019, la IMU perdió una sala de 28 camas debido a las decisiones de la dirección del hospital. La reducción de 67 a 39 camas afectó el perfil de los pacientes en la UCI y provocó una pérdida de comparabilidad con los meses anteriores.
El sistema público de salud brasileño, también llamado SUS, es un sistema de salud financiado por el gobierno y gratuito para todos. El hospital universitario forma parte de este sistema y brinda servicios médicos sin costo alguno. Los sueldos de los profesores de los hospitales y de los médicos adjuntos son pagados por el Gobierno del Brasil y no están vinculados al volumen de la actividad hospitalaria. El sistema no involucra a las compañías de seguros ni a los administradores de hospitales en el manejo de los pacientes. Nuestra investigación, que se realizó bajo el número de protocolo 91149018.8.0000.5149, fue aprobada por el Comité de Ética en Investigación de la Universidad.
Procedimientos
De mediados de febrero a mayo de 2019, se implementaron en las salas de medicina interna las herramientas de guía del NHS SAFER patient flow bundle y la herramienta Red2Green. En la guía del NHS, se recomienda que estas dos metodologías se apliquen en combinación para obtener mejores resultados en la reducción de la LOS. Todos los profesores, residentes y estudiantes de medicina aceptaron participar en el estudio y firmaron el formulario de consentimiento.
Paquete de flujo de paciente SAFER
El investigador principal fue el gerente de la IMU durante el período de estudio. El haz de flujo SAFER se implementó a través de las siguientes acciones tomadas por el gerente de la sala y el equipo médico:
Se pidió a los profesores que hicieran rondas lo antes posible, siempre antes del mediodía.
Se pidió a los profesores que establecieran el EDD y el CCD asumiendo la recuperación ideal y sin esperas innecesarias el primer día de ver al paciente. El residente o estudiante de medicina anotó la fecha y los criterios en una lista de verificación.
Se controló el tiempo que se tarda en trasladar a un paciente de las unidades de cuidados intensivos o del servicio de urgencias a la sala. El gerente de la unidad y el equipo de atención analizaron las causas de los retrasos en las transferencias. El objetivo era admitir a un nuevo paciente lo antes posible en la planta.
Se solicitó a profesores, residentes y estudiantes de medicina que explicaran diariamente el plan de tratamiento a los pacientes y sus familias. La preparación para la congestión, incluyendo el papeleo, se llevó a cabo el día antes de la EDD. Una vez que se cumplió con el CCD, se pidió a los residentes que dieran de alta al paciente incluso antes de la ronda diaria. Se estableció una sala de alta en la sala para que los pacientes pudieran esperar a familiares o amigos. El objetivo principal era aumentar el porcentaje de camas vacías antes del mediodía.
Los pacientes con condiciones clínicas o sociales complejas y mayor LOS se discutieron por separado en una reunión multidisciplinaria, según fuera necesario, organizada por el director de la sala, para debatir los planes de tratamiento y las estrategias de alta.
Herramienta de días Red2Green
El color del día se definió de acuerdo con la Guía de Mejora Rápida del NHS para: Días de cama rojos y verdes. 13 Todos los pacientes comenzaban el día en rojo, y solo podía convertirse en un día verde si el profesor estaba presente en la ronda, se establecía el DEE y el CCD, y se completaban las acciones acordadas necesarias para avanzar en el viaje del paciente hacia el alta. También era obligatorio para un día verde que el paciente recibiera una atención que solo podía darse en una cama de hospital de agudos. Si el día del paciente permanecía en rojo, se señalaba el motivo. Puede haber hasta dos razones para cada día rojo.
Para estandarizar los procesos y reducir las variaciones de los médicos, los participantes tuvieron que rellenar una lista de comprobación diaria para cada paciente, que incluía elementos del paquete SAFER y la herramienta Red2Green (figura 1).
Paquete de flujo de pacientes SAFER y lista de verificación de días Red2Green.
Como se recomienda en las guías de implementación, el ejecutivo de IMU se unió a todas las rondas de profesores diariamente, de lunes a viernes, para garantizar la comprensión y el compromiso de la metodología de los equipos. Ella recopiló la lista de verificación, anotó las razones de los días rojos e hizo preguntas sobre el plan de tratamiento, el EDD y el CCD cuando el personal no los definió claramente. Si el equipo no llenaba la lista de verificación, el gerente estimulaba verbalmente la determinación del EDD, el CCD y el color del día. Se identificaron los pacientes con condiciones clínicas y sociales complejas y se programó una reunión multidisciplinaria. Siempre que fue posible, las causas de los días rojos se resolvieron el mismo día con la ayuda del equipo de atención.
Se utilizó una metodología Kanban como ayuda visual para guiar y dar retroalimentación al equipo de atención. Se colocó una pizarra en cada habitación donde los profesores discutían los planes de tratamiento de los pacientes con los residentes y los estudiantes de medicina. El nombre de cada paciente, el LOS en el hospital y el LOS en la sala de IMU se anotaban diariamente en la pizarra, y se utilizaban pequeñas tarjetas para señalar el color del día para cada paciente. Todos los días de los pacientes durante el período de intervención se clasificaron como rojos o verdes y fueron registrados por el investigador principal, junto con las razones de los días rojos.
Clasificación de grupos relacionada con el diagnóstico
Todos los pacientes dados de alta de las salas de IMU de marzo a mayo de 2018 y 2019 se clasificaron utilizando la Plataforma de Grupos Relacionados con el Diagnóstico (GRD) de Brasil. 14 El GRD agrupa a los pacientes según su complejidad y uso de recursos, lo que permite la comparabilidad de los resultados entre los pacientes del mismo GRD. Cada GRD tiene un peso relativo, y la combinación de casos de GRD es la suma de los pesos relativos de GRD de todos los pacientes dividida por el número de pacientes. Este cálculo refleja la gravedad, la complejidad clínica y las necesidades de recursos de todos los pacientes categorizados. Utilizamos la combinación de casos de DRG para comparar pacientes de antes y durante la implementación de las herramientas del NHS. Una enfermera experimentada ingresó la información para la clasificación de DRG en la codificación de DRG.
Enfermedades adquiridas en el hospital
Las afecciones adquiridas en el hospital (HAC, por sus siglas en inglés) son condiciones clínicas o complicaciones que no estaban presentes cuando un paciente fue admitido, pero que se desarrollaron debido a errores o accidentes en el hospital. La enfermera codificadora de DRG registró los HAC debidos a procedimientos invasivos, cirugías, medicamentos, transfusiones y cuidados relacionados, identificados en las historias clínicas de ambos grupos de pacientes.
Participación del paciente y del público
Los pacientes o el público no participaron en el diseño, la realización, la presentación de informes o los planes de difusión de la investigación.
Resultados
El resultado primario fue evaluar si la implementación del paquete de pacientes SAFER y la herramienta Red2Green reduce la duración de la estancia hospitalaria de los pacientes de medicina interna. Los resultados secundarios fueron la LOS en sala de MIT, el porcentaje de alta de los pacientes antes del mediodía, la mortalidad intrahospitalaria, las tasas de reingreso a los 30 días, la mortalidad a los 30 días y el número de HAC. También se evaluó la adherencia del equipo asistencial a la cumplimentación de la lista de chequeo, el número de días rojos y sus causas durante la intervención.
Análisis estadístico
Se utilizó estadística descriptiva para examinar las características demográficas y clínicas de la cohorte. Se utilizaron frecuencias (y porcentajes relativos) para las variables categóricas y mediana (con RIC) para las variables continuas. El análisis comparativo de las variables categóricas se realizó mediante la prueba χ2. Las variables continuas de los grupos de preintervención e intervención se compararon mediante la U de Mann-Whitney o la prueba de Kruskal-Wallis. Los IC del 95% se calcularon en torno a todas las estimaciones puntuales, y p<0,05 se consideró estadísticamente significativo. Para el análisis de los datos se utilizó el programa IBM SPSS Statistics V.28.0.0.0. Utilizamos la lista de verificación de Estándares para la Excelencia en los Informes de Mejora de la Calidad al escribir nuestro informe. 15
Resultados
Doscientos ocho pacientes de medicina interna fueron dados de alta de las salas de IMU entre el 1 de marzo y el 31 de mayo de 2018, y 252 pacientes fueron dados de alta entre el 1 de marzo y el 31 de mayo de 2019, lo que supone un aumento del 21%. Ambos grupos fueron equivalentes según edad, sexo, índice de comorbilidad de Charlson y puntuación de mezcla de casos de GRD (tabla 1).
Tabla 1.
Características del paciente
Característica
2018, n=208
2019, n=252
Valor de p
Edad en años – mediana (RIC)
58 (40–67)
58 (45–69)
0.52
Hombres – no (%)
100 (48)
131 (52)
0.35
Índice de comorbilidad de Charlson – mediana (IQR)
4 (2-7)
5 (2-7)
0.40
Combinación de casos de DRG – mediana (IQR)
1.06 (0.93–1.57)
1.05 (0.85–1.3)
0.07
DRG: grupo relacionado con el diagnóstico.
El grupo de pacientes dados de alta después de la implementación del paquete de pacientes SAFER y la herramienta Red2Green tuvo una mediana de LOS hospitalaria significativamente más baja (14,2 días [RIC, 8-23) frente a 19 días (RIC, 12-32]; p<0,001) y LOS de IMU (8,6 días [RIC, 5-24] frente a 12,4 días (RIC, 6-24); p<0,001) que el grupo dado de alta el año anterior. El porcentaje de alta de pacientes antes del mediodía aumentó de 20,2% a 29,0% (OR=1,23, IC95%=1,03 a 1,48). La mortalidad intrahospitalaria, el reingreso a los 30 días, la mortalidad a los 30 días y el número de HAC fueron iguales entre los grupos (tabla 2). También observamos una reducción de la duración de la estancia antes del ingreso en las salas de IMU (3,7 días (RIC, 2-7) frente a 5,1 días (RIC, 3-7); p=0,001). Se programaron siete reuniones multidisciplinarias para discutir pacientes con problemas clínicos o sociales complejos durante el período de intervención. La cumplimentación de la lista de verificación varió entre los adultos mayores de 38% a 79% en días laborables (p=0,005).
Tabla 2.
Resultados primarios y secundarios
Variable
2018, n=208
2019, n=252
Valor de p
LOS hospitalaria – mediana (IQR)
19.3 (12–33)
14.1 (8–23)
<0,001
Unidad de medicina interna LOS – mediana (IQR)
12.4 (6–24)
8.6 (5–24)
<0,001
Unidad de medicina pre-interna LOS – mediana (IQR)
En el análisis de los datos continuos de 12 meses, desde julio de 2018 hasta junio de 2019, la duración de la estancia hospitalaria de los pacientes con IMU después de mediados de febrero de 2019 tuvo una mediana significativamente más baja en comparación con el período anterior (13,4 días (RIC, 8-21) frente a 16,1 días (RIC, 10-28); p<0,001). El gráfico de control se muestra en la figura 2.
Gráfico de control de la estancia hospitalaria (LOS), de julio de 2018 a junio de 2019.
Durante el periodo de intervención se analizaron 3350 días-paciente, de los cuales 1482 (44,2%) se categorizaron como días verdes y 1868 (55,8%) como días rojos. La mediana del número de días rojos por paciente fue de 5 (RIC 2-10). No se observó diferencia en la mediana de días rojos entre los profesores (p=0,071).
En la Tabla 3 se enumeran las razones de los días rojos en las salas de la IMU. Dado que se podían registrar hasta dos causas para cada día rojo, se documentaron 2215 razones. La causa más frecuente de un día rojo fue la falta de revisión de los seniors, ya que los profesores no estaban presentes en la sala los fines de semana y días festivos para permitir que se tomaran decisiones firmes. Razones externas a la institución fueron responsables de solo 184 (8,5%) días rojos.
Tabla 3.
Razones de los días rojos
Razón
No (%)
Relacionado con el equipo multidisciplinar
1294 (59.5)
Falta de revisión de los altos cargos
921 (42.4)
Espera la consulta de la especialidad
176 (8.1)
Esperar la decisión del consultor sobre el plan de tratamiento
65 (3.0)
Falta de planificación del alta
59 (2.7)
Actitud conservadora hacia el alta
42 (1.9)
Falta de comunicación entre los equipos médicos
31 (1.4)
Relacionado con las pruebas: esperar a que se realicen los exámenes o sus informes
575 (26.5)
Radiología
282 (13.0)
Cardiología
135 (6.2)
Endoscopia y/o colonoscopia
85 (3.9)
Patología
33 (1.5)
Laboratorio
23 (1.1)
Externos a la institución
184 (8.5)
Esperar a que se reciba un nivel alternativo de atención o a la familia del paciente.
113 (5.2)
Espere la disponibilidad de diálisis para pacientes ambulatorios
27 (1.2)
Otro
25 (1.1)
Relacionados con cirugía o procedimientos invasivos
111 (5.1)
Misceláneo
51 (2.3)
Total
2215 (100)
Discusión
En este ensayo intervencionista longitudinal, la implementación del haz de flujo de pacientes SAFER y la herramienta Red2Green en las salas de IMU de un hospital universitario en Brasil se asoció con una reducción en la duración total del hospitalización y en la duración de la estancia en planta, sin ningún efecto sobre la mortalidad intrahospitalaria, los reingresos no planificados, la mortalidad a los 30 días y las HAC. También se observó un aumento en el porcentaje de pacientes que abandonaron el hospital antes del mediodía.
Muchos días inapropiados en el hospital son el resultado de las actitudes de los profesionales de la salud hacia los planes de tratamiento y el alta. Los estudios muestran días de hospitalización innecesarios debido a retrasos en el arbitraje médico sobre un plan de tratamiento,7 la consulta con especialistas,7–11 la actitud conservadora del médico,11 la demora en la revisión de los resultados de laspruebas16 y la fragmentación de la atención. 17 Otros factores también mencionados son la falta de estandarización en el proceso de trabajo entre especialidades, la mala comunicación del médico y la ausencia de planificación del alta. 6 El paquete de flujo SAFER y la herramienta Red2Green abordan el comportamiento del equipo de atención, ya que exigen la participación del personal multidisciplinario y el liderazgo de los médicos sénior. 1 La presencia de alto nivel en las rondas de la junta directiva es fundamental para el manejo del paciente y la determinación objetiva de CCD y EDD. Durante la implementación del paquete de flujo de pacientes SAFER, quedó clara la incapacidad de los residentes junior y los estudiantes de medicina para establecer el CCD o el EDD por su cuenta. Si el CCD o el EDD no se completaban en la lista de verificación, el investigador principal pedía a los profesores que aclararan el plan al personal subalterno durante las rondas. Un equipo bien informado organizó el alta del paciente con antelación, evitando días de hospital inapropiados debido a retrasos en el papeleo, falta de disponibilidad de transporte, problemas familiares o la falta de reconocimiento del estado de «aptitud para el alta».
El tablero Kanban colocado en las salas de discusión contribuyó al resultado positivo de la intervención. La pizarra era un punto focal en el que el equipo podía ver el «estado del paciente de un vistazo», tal y como recomendaba la guía del NHS1 La retroalimentación en tiempo real que se daba a los equipos les hizo sentirse responsables de los días rojos y los retrasos en el alta. Corroborando esta hipótesis, un estudio italiano mostró una reducción de los días innecesarios de hospitalización a través de una estrategia que involucra la responsabilidad directa del médico. 18 Para los pacientes pediátricos, una intervención que consistió en retroalimentación semanal y difusión de informes resumidos a los médicos tratantes también se asoció con un menor riesgo de días hospitalarios inapropiados. 19
Durante la intervención, también se observó una reducción de la LOS pre-IMU. Esto fue probablemente una consecuencia del aumento de la disponibilidad de camas, atribuible a la menor duración de la estancia en las unidades de cuidados intensivos. Dado que las salas de IMU del hospital universitario reciben principalmente pacientes trasladados de la UCI y del servicio de urgencias (SU), eso significó una disminución en el tiempo de traslado de los pacientes de alta de la UCI y el internado de los pacientes de SU. 20 El haz de flujo SAFER también promueve un mejor flujo de pacientes a las salas, ya que aboga por el alta matinal y el ingreso temprano. 1 La aplicación del paquete elevó el porcentaje de egresos matutinos en las salas de UCI, lo que afectó positivamente el flujo de pacientes en UCI y SU.
En este estudio, incluso durante la implementación de la herramienta de días Red2Green y la resolución activa de restricciones, todavía teníamos el 55,8% de los días de pacientes clasificados como rojos. La mayoría de los días rojos (42,4%) se debieron a la falta de revisión de los altos cargos los fines de semana y días festivos. Dado que los estudiantes de último año de medicina interna son profesores universitarios en nuestro hospital, solo visitan las salas durante los días laborables. En ausencia del profesor, el residente junior solo discutiría sobre el paciente con el médico tratante de turno si lo consideraba necesario. Es posible que eso no haya influido en la duración de la estancia de los pacientes con un plan de atención bien establecido, sin embargo, pospuso decisiones clínicas importantes (y el establecimiento de CCD y EDD) para los pacientes ingresados de viernes a domingo o durante los días festivos. Las consultas con expertos de alto nivel tampoco estaban disponibles los fines de semana, lo que era otra causa de días rojos. Resolver este problema requiere decisiones de la alta dirección y una compleja organización del personal, lo que no fue posible durante el período de estudio.
También hubo un número significativo de días rojos atribuibles a la espera para exámenes, informes de exámenes, procedimientos invasivos o cirugías reportados en este estudio (31,6%). Se espera que tenga algunos días rojos debido a los servicios de apoyo hospitalario; En cuanto a que el día fuera verde, una vez ordenada la prueba, habría que realizarla, discutirla con el mayor y tomar una decisión clínica el mismo día. El elevado número de días rojos por exámenes radiológicos se debió a la frecuencia de las pruebas solicitadas. Durante los días de semana, estos exámenes generalmente se realizaban en 24 a 48 horas, pero las pruebas y procedimientos no urgentes no se programaban los fines de semana ni los días festivos. Esta limitación también aumentó el número de días de hospitalización inapropiados. Dado que ya eran algo eficientes, los investigadores y el director de la unidad tenían una acción limitada en los días rojos causados únicamente por los servicios de apoyo. Lo que habitualmente exigía la mediación del responsable de la unidad era la deliberación sobre el plan de tratamiento o la necesidad de procedimientos invasivos por parte de los equipos quirúrgicos junto con el superior de medicina interna. Estas jornadas injustificadas, sin embargo, se clasificaron como relacionadas con el equipo multidisciplinario más que con los servicios de apoyo.
La lista de verificación fue una ayuda importante para que los equipos recordaran los elementos de ambas metodologías durante las rondas. Dos equipos tuvieron un retraso para comenzar a completar la lista de verificación, debido a la renuencia inicial de los mayores. La principal preocupación de los profesores de medicina interna era la pérdida de autonomía de decisión. La asistencia a las rondas por parte del gerente de la IMU tuvo un papel crucial para asegurar que el plan de tratamiento, así como el CCD y el EDD, eran responsabilidad del adulto mayor. También era fundamental atribuir un sentido de asociación entre los médicos y el gerente, con un enfoque en el bienestar de los pacientes. Cuando el equipo no completaba la lista de comprobación, el gerente de la unidad preguntaba verbalmente sobre los elementos principales de las estrategias durante las visitas, establecía el color del día para cada paciente y llenaba la pizarra.
Según la percepción de los investigadores, la sostenibilidad de las intervenciones depende del compromiso continuo del equipo de atención, junto con la presencia indispensable de un gerente o un líder médico dedicado, y la retroalimentación constante. El gerente del hospital o el líder médico guía y supervisa la operación, fomentando una cultura de responsabilidad. Con su liderazgo, proporcionan el apoyo, los recursos y la motivación necesarios para mantener la intervención en curso a largo plazo, lo que en última instancia se traduce en mejoras sostenibles en la atención al paciente y la calidad de la atención sanitaria. Otro estudio en el que se utilizó el haz de flujo SAFER y la herramienta de días Red2Green en el departamento de cirugía demostró la necesidad de un compromiso persistente del personal directivo con la sostenibilidad. 21 Como también muestran Caminiti et al, la retroalimentación constante de los resultados al equipo de atención juega un papel fundamental en la mejora de la participación en la intervención. Crea un bucle de retroalimentación dinámico, que conduce a un sentido de propiedad y responsabilidad por los resultados de la intervención. 18
Hasta donde sabemos, solo hay otros dos estudios que describen el uso del haz de flujo de pacientes SAFER y la herramienta Red2Green publicados en la literatura científica. Valente et al utilizaron un marco estructurado de juntas multidisciplinarias diarias adaptado de ambas estrategias para mejorar el flujo de pacientes. Hubo una reducción significativa en la duración de la estancia de los pacientes de cirugía general/digestiva en un 12,5%. 21 Otro estudio describió la implementación de ambas metodologías en un servicio de neurocirugía. Aunque los investigadores confirmaron la implementación exitosa de las estrategias, no informaron sobre la reducción de la duración de los servicios ni sobre otras métricas de mejora del flujo. La razón más común para un día rojo fue la espera para transferir a un paciente a una cama bajo el cuidado de otro equipo. 22
Otras estrategias frecuentes descritas para reducir la LOS hospitalaria son las vías clínicas y la planificación del alta. Las vías clínicas pretenden aumentar la eficiencia durante las estancias hospitalarias detallando los pasos necesarios para tratar un problema clínico específico. 23 Una revisión sistemática mostró una disminución en la duración de la estancia y la mortalidad de los pacientes con insuficiencia cardíaca con la implementación de vías de atención. 24 Otra revisión sistemática, más completa, no pudo concluir sobre la duración del servicio debido a la heterogeneidad de los estudios incluidos en el análisis. 25 A diferencia del haz de flujo de pacientes SAFER o de los días Red2Green, las vías clínicas son específicas de una enfermedad o síndrome, y aun así, suelen adaptarse solo al paciente habitual. A través de la estandarización de procesos, puede abordar algunos problemas de comportamiento del equipo de atención, pero no aborda los problemas de infraestructura o flujo de pacientes de los hospitales.
Existe buena evidencia de que ue conduce a un sentido de propiedad y responsabilidad por los resultados de la intervención. 18
Hasta donde sabemos, solo hay otros dos estudios que describen el uso del haz de flujo de pacientes SAFER y la herramienta Red2Green publicados en la literatura científica. Valente et al utilizaron un marco estructurado de juntas multidisciplinarias diarias adaptado de ambas estrategias para mejorar el flujo de pacientes. Hubo una reducción significativa en la duración de la estancia de los pacientes de cirugía general/digestiva en un 12,5%. 21 Otro estudio describió la implementación de ambas metodologías en un servicio de neurocirugía. Aunque los investigadores confirmaron la implementación exitosa de las estrategias, no informaron sobre la reducción de la duración de los servicios ni sobre otras métricas de mejora del flujo. La razón más común para un día rojo fue la espera para transferir a un paciente a una cama bajo el cuidado de otro equipo. 22
Otras estrategias frecuentes descritas para reducir la LOS hospitalaria son las vías clínicas y la planificación del alta. Las vías clínicas pretenden aumentar la eficiencia durante las estancias hospitalarias detallando los pasos necesarios para tratar un problema clínico específico. 23 Una revisión sistemática mostró una disminución en la duración de la estancia y la mortalidad de los pacientes con insuficiencia cardíaca con la implementación de vías de atención. 24 Otra revisión sistemática, más completa, no pudo concluir sobre la duración del servicio debido a la heterogeneidad de los estudios incluidos en el análisis. 25 A diferencia del haz de flujo de pacientes SAFER o de los días Red2Green, las vías clínicas son específicas de una enfermedad o síndrome, y aun así, suelen adaptarse solo al paciente habitual. A través de la estandarización de procesos, puede abordar algunos problemas de comportamiento del equipo de atención, pero no aborda los problemas de infraestructura o flujo de pacientes de los hospitales.
Existe buena evidencia de que la planificación del alta mejora la calidad de la atención al paciente. Aun así, dos revisiones sistemáticas encontraron solo una disminución modesta en la LOS26, 27, una no fue concluyente28 y otra tuvo un resultado negativo con respecto a la LOS. 29 En el paquete de flujo de pacientes SAFER, una vez que se establecen el CCD y el EDD, el equipo multidisciplinario debe asegurarse de que el paciente esté listo para irse a casa en la fecha especificada. Eso incluye, casi naturalmente, la planificación de la descarga dentro del paquete. Los pacientes con condiciones clínicas o sociales más complejas y hospitalizaciones prolongadas se revisan semanalmente y se hacen arreglos para dar de alta al paciente de manera segura lo antes posible.
Fortalezas y limitaciones de este estudio
Hasta donde sabemos, este es el primer estudio publicado que muestra una reducción significativa en la duración hospitalaria de los pacientes de medicina interna asociada a la implementación del paquete de flujo de pacientes SAFER y la herramienta de días Red2Green. A pesar de las recomendaciones descritas en la Guía del NHS para reducir las estancias hospitalarias prolongadas desde 2018, la literatura disponible es escasa.
Este estudio tiene algunas limitaciones. Las estrategias para reducir la LOS fueron implementadas solamente en las salas de medicina interna de un hospital terciario brasileño. Se necesitarán más investigaciones para validar el paquete de flujo de pacientes SAFER y la herramienta de días Red2Green en otros entornos. El investigador principal realizó la categorización de los días rojos y verdes por sí solo, y no se ha establecido la fiabilidad y validez de la clasificación Red2Green. Por último, en 2018 y 2019 se observaron altas tasas de mortalidad intrahospitalaria y reingresos. Esto se debió principalmente al perfil de los pacientes de la institución, que incluye un alto porcentaje de pacientes hospitalizados en cuidados paliativos y a la falta de hospicios en el sistema de salud brasileño. Todos los pacientes que fallecieron en planta durante el estudio estaban en cuidados paliativos, y todos los demás pacientes fueron trasladados a UCI con inestabilidad orgánica.
Conclusiones
En este ensayo intervencionista longitudinal, el paquete de flujo de pacientes SAFER y la implementación de la herramienta Red2Green days se asociaron con una disminución significativa de la duración hospitalaria en la sala de IMU de atención terciaria de Brasil. El paquete SAFER y la herramienta de días Red2Green cambian las prioridades de los equipos multidisciplinarios hacia el alta del paciente en casa. Los médicos senior, el personal junior y los estudiantes de medicina se dieron cuenta de las consecuencias de aplazar las decisiones y la planificación del tratamiento o de mantener al paciente hospitalizado sin una razón clara. Señalar los días rojos en las pizarras debido a los retrasos del equipo de atención hace visible la incómoda verdad de que los días de hospital injustificados no son solo un problema de los gerentes de los hospitales. Es habitual culpar de las estancias hospitalarias prolongadas únicamente a defectos de la estructura interna o externa, como la disponibilidad de servicios de apoyo intrahospitalario o los traslados a niveles alternativos de atención. Pueden desempeñar un papel importante en algunos entornos, pero es crucial comprender la importancia del comportamiento de los equipos de atención. Debido a las limitaciones de nuestro trabajo, se necesitan más estudios que apliquen el paquete de flujo de pacientes SAFER y la herramienta de días Red2Green en otros entornos para confirmar su eficacia en la disminución de la LOS. Sin embargo, los gestores deben tener en cuenta que una oportunidad de mejora significativa para la reducción de la duración de la estancia hospitalaria es cambiar la actitud del equipo multidisciplinar durante la hospitalización del paciente, disminuyendo los días inadecuados y promoviendo una atención más eficiente.l
Dr. Carlos Alberto Díaz. Profesor Titular Universidad ISALUD.
El liderazgo en sistemas de salud es un componente esencial para asegurar la eficiencia y la eficacia en la prestación de servicios de salud. Los líderes en este ámbito deben poseer una combinación de habilidades técnicas y humanas para gestionar equipos, recursos y procesos de manera efectiva.
El documento aborda varios aspectos clave del liderazgo en sistemas de salud, incluyendo la importancia de la visión estratégica, la capacidad de comunicación, la toma de decisiones informadas y la gestión del cambio.Se destaca la necesidad de líderes que puedan adaptarse a entornos cambiantes y que estén comprometidos con la mejora continua de los servicios de salud.
Visión Estratégica
La visión estratégica es fundamental para guiar a las organizaciones de salud hacia el logro de sus objetivos a largo plazo. Los líderes deben ser capaces de articular una visión clara y convincente que inspire a sus equipos y alinee los esfuerzos de todos los miembros de la organización. Esta visión debe estar basada en un análisis profundo del entorno interno y externo, y debe ser flexible para adaptarse a los cambios y desafíos que puedan surgir.
Capacidad de Comunicación
La comunicación efectiva es otra habilidad crucial para los líderes en sistemas de salud. Los líderes deben ser capaces de transmitir información de manera clara y concisa, tanto a sus equipos como a otros stakeholders. Esto incluye la capacidad de escuchar activamente, proporcionar retroalimentación constructiva y fomentar un ambiente de comunicación abierta y honesta. La comunicación efectiva también es esencial para la gestión del cambio, ya que ayuda a reducir la incertidumbre y a aumentar la aceptación de nuevas iniciativas.
Toma de Decisiones Informadas
La toma de decisiones informadas es un proceso que implica la recopilación y el análisis de datos relevantes para tomar decisiones basadas en evidencia. Los líderes en sistemas de salud deben ser capaces de evaluar diferentes opciones, considerar los riesgos y beneficios, y tomar decisiones que maximicen el valor para los pacientes y la organización. Esto requiere una comprensión profunda de los sistemas de salud, así como habilidades analíticas y de pensamiento crítico.
Gestión del Cambio
La gestión del cambio es un aspecto esencial del liderazgo en sistemas de salud, ya que el sector está en constante evolución debido a factores como los avances tecnológicos, las políticas de salud y las expectativas de los pacientes. Los líderes deben ser capaces de planificar, implementar y evaluar cambios de manera efectiva, asegurando que los equipos estén preparados y comprometidos con las nuevas iniciativas. Esto incluye la capacidad de gestionar la resistencia al cambio y de mantener la moral y la motivación del equipo durante los períodos de transición.
Estilos de Liderazgo
Existen diferentes estilos de liderazgo y cómo estos pueden influir en la cultura organizacional y en los resultados de salud. El liderazgo transformacional, por ejemplo, se enfoca en inspirar y motivar a los empleados para alcanzar metas comunes, mientras que el liderazgo situacional se adapta a las necesidades específicas del equipo y del contexto. Otros estilos de liderazgo mencionados incluyen el liderazgo transaccionalliderazgo democrático, el liderazgo autocrático y el liderazgo laissez-faire, cada uno con sus propias ventajas y desventajas en diferentes situaciones.
Formación y Desarrollo de Líderes
La formación y el desarrollo continuo de los líderes en sistemas de salud es crucial para asegurar que estén preparados para enfrentar los desafíos actuales y futuros. La inversión en programas de capacitación y en el desarrollo de habilidades de liderazgo es esencial para preparar a los líderes para enfrentar los desafíos actuales y futuros en el sector salud. Esto incluye la participación en cursos de formación, talleres, mentorías y otras oportunidades de desarrollo profesional.
Conclusión
En resumen, el liderazgo en sistemas de salud es un componente esencial para garantizar la eficiencia y la eficacia en la prestación de servicios de salud. Los líderes deben poseer una combinación de habilidades técnicas y humanas, incluyendo la visión estratégica, la capacidad de comunicación, la toma de decisiones informadas y la gestión del cambio. La adaptación a entornos cambiantes y el compromiso con la mejora continua son fundamentales para enfrentar los desafíos del sector salud.
Los diferentes estilos de liderazgo, como el transformacional y el situacional, pueden influir significativamente en la cultura organizacional y en los resultados de salud. La formación y el desarrollo continuo de los líderes son cruciales para preparar a los líderes para los desafíos actuales y futuros. Los estudios de caso y ejemplos prácticos presentados en el documento ilustran cómo los principios teóricos se aplican en la práctica y cómo los líderes pueden influir positivamente en la calidad de los servicios de salud y en la satisfacción de los pacientes.
La líder además de reclutarlo, asignarle una responsabilidad en un servicio o un grupo de procesos, hay que darle empowerment, seguir su desempeño corregir los desvíos, realizar reuniones a medio camino, fijar metas realizables, darles la autoridad adecuada y controlar que sea justo con su equipo, que conozca la ubicación de la empresa en el sistema de salud.
En última instancia, el liderazgo efectivo en sistemas de salud no solo mejora la calidad de los servicios, sino que también contribuye a la creación de un entorno de trabajo positivo y motivador para los empleados. La inversión en el desarrollo de líderes es una inversión en el futuro de los sistemas de salud y en el bienestar de las comunidades que sirven.
Casi 900 millones de adultos en todo el mundo viven con obesidad, una afección relacionada con al menos 20 enfermedades y que se prevé que le costará a la economía mundial 2,76 billones de dólares en PIB perdido para 2050. Los medicamentos GLP-1 se han convertido en un tratamiento innovador, con un crecimiento anual de las recetas del 38 por ciento entre 2022 y 2024 y se espera que las ventas alcancen los 100 mil millones de dólares para 2030.
A medida que estos tratamientos se elevan a la vanguardia de la atención pública, «la sociedad tiene dos posibles caminos hacia adelante«, escriben Drew Ungerman y Hemant Ahlawat de McKinsey. «Puede reaccionar a la obesidad haciendo hincapié en el tratamiento médico y los medicamentos para el control del peso, o también puede perseguir una visión más amplia que priorice la prevención, los cambios sociales y la salud metabólica para todos».
Casi 900 millones de adultos en todo el mundo viven con obesidad, que es un factor de riesgo sustancial para al menos 20 enfermedades o afecciones que incluyen diabetes, afecciones cardiovasculares y trastornos de la salud cerebral. El McKinsey Health Institute (MHI) estima que la obesidad estará relacionada con la pérdida de 2,76 billones de dólares en producto interno bruto en 2050 debido a sus efectos en la participación en la fuerza laboral y la productividad.
El aumento de las GLP-1 está cambiando el debate sobre la obesidad de un problema intratable a una afección médica tratable, un cambio que está inspirando la inversión y la innovación en todas las industrias, incluidas la atención médica, la tecnología médica, la alimentación y el comercio minorista.
La sociedad tiene dos caminos posibles a seguir. Puede reaccionar a la obesidad haciendo hincapié en el tratamiento médico y los medicamentos para el control de peso, o también puede perseguir una visión más amplia que priorice la prevención, los cambios sociales y la salud metabólica para todos. MHI estima que el impacto en la salud de tomar el último camino puede ser de tres a cuatro veces mayor que el del primer camino y podría conducir a un aumento anual del PIB de 5,65 billones de dólares en 2050 (3 por ciento del PIB total).
Lograr la salud metabólica para todos requiere cinco cambios principales: (1) avanzar en la comprensión científica de la salud metabólica, (2) mejorar la transparencia a través de una mejor medición y seguimiento, (3) usar la tecnología para intervenciones personalizadas, (4) alinear los incentivos económicos para hacer que la salud metabólica sea más invertible, haciendo así que las opciones saludables sean más fáciles y asequibles, y (5) impulsar el cambio social a través de la educación y la participación comunitaria.
Como primer paso, MHI propone que la salud metabólica sea una prioridad elevada para enfatizar la prevención de enfermedades crónicas antes de que se arraiguen, permitiendo una mejor salud para todos y avanzando en las economías.
La obesidad generalizada se ha convertido en un importante problema de salud pública en los últimos 50 años, con casi 900 millones de adultos que viven con obesidad en todo el mundo. La obesidad aumenta el riesgo de enfermedades como la diabetes tipo 2, las enfermedades cardiovasculares, el cáncer, la demencia y la depresión. Sus causas fundamentales son complejas e interconectadas, incluidos los estilos de vida sedentarios, las dietas altas en calorías, la genética, las condiciones socioeconómicas y las influencias ambientales. Los impactos económicos y de salud de la obesidad son significativos. Es probable que se pierdan 6.500 millones de años de vida en todo el mundo debido a las muertes prematuras causadas por los efectos de la obesidad en la salud. La carga anual de morbilidad atribuible a la obesidad es de 132 millones de años de vida ajustados por discapacidad (AVAD), comparable a la carga de todas las enfermedades respiratorias crónicas. Desde el punto de vista económico, podría vincularse a la pérdida de 2,76 billones de dólares del PIB cada año en 2050.
Los nuevos fármacos para el control de peso, como los agonistas del receptor GLP-1, ofrecen nuevas oportunidades, pero también muchas incertidumbres. Si bien los datos han demostrado que estos medicamentos pueden ser efectivos para ayudar a las personas a perder peso, persisten preguntas sobre la sostenibilidad a largo plazo, los beneficios más amplios, los efectos secundarios y los cambios de comportamiento asociados con estos medicamentos.
Este informe explora en primer lugar el tema de la obesidad, incluida su prevalencia, causas e impactos económicos y de salud, así como el papel emergente de los nuevos medicamentos para el control del peso. La «Sección 2: Impacto de las BPL-1 en todos los sectores» proporciona un análisis de los impactos potenciales de los nuevos medicamentos para el control de peso en diferentes industrias. La sección 3 desafía a las partes interesadas a pensar más allá de la obesidad, ampliando la lente a la salud metabólica para todos. Los responsables de la toma de decisiones se enfrentan a una elección entre el camino 1 (que se centra en el tratamiento de la obesidad sin abordar las causas fundamentales) y el camino 2 (que se centra en un enfoque holístico de la salud metabólica, incluida la prevención y el tratamiento).
Habilitar el camino 2 requerirá cambios en todas las industrias que incluyen los sistemas alimentarios, ambientales y sociales. Lograrlo exige inversión e innovación en cinco áreas clave: avanzar en la ciencia de la salud metabólica, mejorar la transparencia a través de una mejor medición, desarrollar tecnologías de apoyo, alinear los incentivos económicos para hacer que la salud metabólica sea invertible y empoderar a las comunidades de manera equitativa.
El McKinsey Health Institute invita a los líderes a considerar si vale la pena invertir y arriesgar el esfuerzo audaz y colectivo del camino 2 para lograr un futuro más saludable y equitativo para todos.
La aprobación de fármacos para el control de peso, como los agonistas del receptor del péptido-1 similar al glucagón (GLP-1) y los agonistas del receptor polipeptídico insulinotrópico dependiente de la glucosa (GIP) ha ampliado el debate sobre la obesidad más allá de la salud pública, posicionándola como una prioridad económica, social y tecnológica clave.1 La obesidad es una de las mayores epidemias provocadas por el hombre en la historia. La obesidad generalizada a nivel poblacional ha sido un fenómeno relativamente reciente, emergiendo como un importante problema de salud pública durante los últimos 50 años. En 2022, se consideraba que una de cada ocho personas en todo el mundo tenía obesidad, con un total de 890 millones de adultos.2 La prevalencia mundial tiende al alza; Se ha duplicado con creces en los países de ingresos altos y se ha triplicado con creces en los países de ingresos medios desde 1990. Las tasas de obesidad están creciendo de manera desigual en todo el mundo, y los países de ingresos más bajos muestran las tasas de crecimiento más altas de la obesidad entre 2017 y 2022 (Gráfico 1).3 Además, la obesidad infantil y adolescente también está en aumento, y la prevalencia de obesidad en niños y adolescentes se triplicó entre 1990 y 2021.4
Gráfico 1
Nos esforzamos por proporcionar a las personas con discapacidades el mismo acceso a nuestro sitio web. Si desea información sobre este contenido, estaremos encantados de trabajar con usted. Por favor, envíenos un correo electrónico a: McKinsey_Website_Accessibility@mckinsey.com
Con casi 900 millones de adultos que viven con obesidad en todo el mundo, la población mundial tiene un exceso de 25 mil millones de kilogramos5 el equivalente a 700 veces las reservas de oro de los bancos centrales, 75 veces la masa del Empire State Building o cuatro veces la masa de la Gran Pirámide de Giza6 —como un lastre para la salud física, mental, social y espiritual futura.
Las causas de la obesidad son complejas y aún se están estudiando, pero los ensayos clínicos recientes con GLP-1 muestran resultados prometedores para la pérdida de peso, así como una reducción de los riesgos de eventos cardiovasculares graves7 o problemas renales8 en pacientes que viven con obesidad. La atención sin precedentes a la obesidad en todas las industrias invita a una pregunta amplia: ¿Son las tendencias globales al alza en la prevalencia de la obesidad tan inevitables como parecen y, de ser así, qué factores podrían cambiar eso?9
La obesidad es compleja y se asocia con otras afecciones y enfermedades
¿Qué tan relevante y útil es este artículo para ti?
La obesidad es una condición o enfermedad extraordinariamente compleja,10 con muchas causas y factores de riesgo interrelacionados. La afección se desarrolla a partir de una interacción de factores biológicos, ambientales, socioeconómicos, psicológicos y conductuales.11 Algunos factores pueden considerarse modificables, como la inactividad física, el uso de algunos medicamentos y la ingesta de alimentos/calorías. Sin embargo, muchos factores que contribuyen a la obesidad no son fácilmente modificables, incluida la predisposición genética y los factores socioeconómicos y ambientales que afectan la disponibilidad y la calidad o el tipo de alimento.12 Algunas investigaciones destacan que la salud materna desempeña un papel fundamental en la determinación del riesgo de obesidad más adelante en la vida. La mala nutrición materna o la obesidad pueden programar la disfunción metabólica en la descendencia a través de mecanismos epigenéticos, influyendo en la susceptibilidad de por vida a la obesidad, la diabetes y las enfermedades cardiovasculares.13 La obesidad a menudo, y de manera inexacta, se ha considerado el resultado de elecciones de vida individuales. Esta caracterización estrecha es perjudicial e impide el tratamiento eficaz de la afección. Las personas de todos los orígenes y estados de salud pueden experimentar obesidad, impulsada por una combinación única de factores. Si bien una nueva clase de medicamentos puede hacer que la afección sea más tratable, estos medicamentos no son panaceas que funcionen para todas las personas. Deben usarse en combinación con otras intervenciones para cambiar eficazmente las tasas de obesidad.
La obesidad tiene impactos en la salud física de un individuo a través de múltiples sistemas de órganos y es un factor de riesgo conocido para al menos 20 enfermedades o afecciones.14 Índice de masa corporal (IMC) elevado15 se asoció con un estimado de 3,7 millones de muertes por enfermedades no transmisibles (ENT) en todo el mundo en 2021,16 dos tercios de los cuales se debieron a enfermedades cardiovasculares.17 El IMC alto también es un factor de riesgo modificable importante para el cáncer,18 Y aumenta sustancialmente la probabilidad de desarrollar diabetes tipo 2.19 La investigación clínica en curso está explorando la relación entre la obesidad y la salud del cerebro (afecciones mentales y neurológicas) y la salud de las mujeres.20 En particular, la obesidad afecta a hombres y mujeres de manera diferente, con variaciones en la distribución de la grasa, las consecuencias metabólicas y las respuestas al tratamiento. Por ejemplo, las mujeres tienden a tener mayores riesgos relacionados con la obesidad para afecciones como la diabetes tipo 221 y enfermedades cardiovasculares,22 mientras que los hombres pueden experimentar una mayor acumulación de grasa visceral, lo que está relacionado con un mayor riesgo de mortalidad.23 Se necesita más investigación para comprender cómo los impactos de la obesidad pueden diferir en otros factores individuales que pueden incluir el género, la genética o la edad.Compartir
Terminología
La obesidad también puede afectar la salud mental, social y espiritual de un individuo, ya que a menudo conduce al estigma y la discriminación en muchas culturas. La obesidad se ha considerado durante mucho tiempo una «elección», en la que las personas «carecen de control» con el consumo de alimentos o son «demasiado perezosas» para hacer ejercicio. Los estudios han demostrado que las personas con obesidad son discriminadas tanto en el ámbito sanitario como en el laboral, con efectos tangibles. Las personas con obesidad son más propensas a recibir atención de menor calidad que las personas sin obesidad, debido a las fuertes percepciones negativas de los proveedores.24 Esto hace que las personas con obesidad sean menos propensas a buscar atención y menos propensas a confiar y adherirse a la atención que reciben.25 La discriminación en el lugar de trabajo se manifiesta en que las personas con obesidad tienen menos probabilidades de ser contratadas y ascendidas.26 lo que a su vez puede afectar su estatus socioeconómico. A su vez, el estrés resultante del estigma y la discriminación puede aumentar aún más el riesgo de obesidad de una persona, reforzando el ciclo27 (Gráfico 2).
Gráfico 2
Nos esforzamos por proporcionar a las personas con discapacidades el mismo acceso a nuestro sitio web. Si desea información sobre este contenido, estaremos encantados de trabajar con usted. Por favor, envíenos un correo electrónico a: McKinsey_Website_Accessibility@mckinsey.com
La carga de morbilidad de la obesidad en las personas con esta enfermedad y en la sociedad en general es sustancial. Un adulto típico que vive con obesidad hoy en día puede esperar vivir aproximadamente 35 años con la afección.28 además de las comorbilidades comunes. En total, más de 132 millones de AVAD anuales son atribuibles a un IMC elevado, equivalente a la carga anual de todas las enfermedades respiratorias crónicas (108 millones de AVAD)29 y aproximadamente la mitad de la carga anual de todos los cánceres (252 millones de AVAD) 30 (Gráfico 3). Para contextualizar, esto equivale a tres veces la carga estimada de AVAD de la pandemia mundial de COVID-19 (43 millones de AVAD entre enero de 2020 y abril de 2021).31 Si se eliminara la obesidad como problema de salud pública mundial, se podrían ganar 6.500 millones de años de vida adicionales en todo el mundo.32
Gráfico 3
Nos esforzamos por proporcionar a las personas con discapacidades el mismo acceso a nuestro sitio web. Si desea información sobre este contenido, estaremos encantados de trabajar con usted. Por favor, envíenos un correo electrónico a: McKinsey_Website_Accessibility@mckinsey.com
A nivel individual, la obesidad moderada puede reducir la esperanza de vida en unos tres años, mientras que la obesidad grave puede reducir la esperanza de vida en unos diez años.33 A modo de comparación, fumar cigarrillos reduce la esperanza de vida de siete a 10 años.34
Más allá del impacto en la calidad de vida y la carga de enfermedad, la obesidad también tiene un impacto económico. Abordar la carga de las enfermedades relacionadas con la obesidad podría generar un impacto estimado en el PIB de 2,76 billones de dólares cada año en todo el mundo en 2050.35 aproximadamente equivalente al PIB actual de Suiza o Polonia, impulsado principalmente por una mayor participación en la fuerza laboral y productividad.
Los datos muestran que los nuevos medicamentos para el control de peso son efectivos, pero muchos aspectos necesitan aclararse a través de investigaciones adicionales
Los GLP-1 son una clase de medicamentos que se desarrollaron originalmente para la diabetes tipo 2 y ahora han demostrado su eficacia en ensayos clínicos para ayudar a las personas que viven con obesidad a perder peso. Si bien la efectividad varía, las personas generalmente han experimentado una pérdida de peso de más del 10 por ciento, y algunas han perdido más del 20 por ciento de su peso inicial.36
Los medicamentos GLP-1 imitan la acción de la hormona natural GLP-1, que se produce en el intestino en respuesta a la alimentación. El GLP-1 normalmente funciona para ralentizar el vaciado gástrico, aumentar la producción de insulina y aumentar la saciedad, es decir, la sensación de saciedad (para más detalles, ver recuadro «Más información sobre los fármacos GLP-1»).37 Por lo tanto, el GLP-1 y los medicamentos que imitan el efecto del GLP-1 en el cuerpo aumentan la sensación de saciedad y ralentizan el procesamiento de los alimentos, lo que contribuye a la pérdida de peso.
Más información sobre los medicamentos GLP-1
A partir de mediados de la década de 2000, las propiedades estimulantes de la insulina de los medicamentos GLP-1, incluidas marcas como Byetta (exenatida), Victoza (liraglutida), Ozempic (semaglutida) y Mounjaro (tirzepatida), llevaron a su aprobación para el tratamiento de la diabetes tipo 2. Más recientemente, los medicamentos GLP-1 también han sido aprobados para la pérdida de peso. Los medicamentos aprobados para la pérdida de peso, incluidas las marcas Saxenda, Wegovy y Zepbound, utilizan los mismos ingredientes activos que los medicamentos para el control de la diabetes, con algunos en diferentes dosis.38 Si bien son efectivos para la pérdida de peso, los medicamentos GLP-1 pueden tener múltiples efectos adversos, incluidas náuseas y mareos intensos, que han resultado en que algunas personas no puedan continuar el tratamiento.39 Además, la rápida pérdida de peso puede estar asociada a otras consecuencias físicas, como la pérdida de masa muscular.40
A partir de febrero de 2025, el número de medicamentos GLP-1 ha aumentado, con 11 en el mercado para la diabetes y la pérdida de peso combinados y más de 40 en desarrollo.41 Si bien solo Wegovy (semaglutida), Saxenda (liraglutida) y Zepbound (tirzepatida) han sido aprobados para la pérdida de peso, la entrada de múltiples medicamentos nuevos, particularmente versiones genéricas, y nuevos modos de administración allanarán el camino hacia un panorama de tratamiento en rápido crecimiento (Gráfico 4).
Gráfico 4
Los fármacos GLP-1 siguen siendo una clase de fármaco relativamente nueva, especialmente cuando se utilizan para perder peso, por lo que aún están surgiendo pruebas sobre la eficacia a largo plazo, los efectos secundarios y los efectos secundarios. También sigue evolucionando nuestra comprensión de los posibles impactos de los fármacos GLP-1 en otros sistemas corporales o para el tratamiento de otras enfermedades (por ejemplo, enfermedades cardiovasculares, enfermedades renales). Se necesitarán más investigaciones para aclarar los verdaderos impactos y riesgos a largo plazo de las BPL-1. Además, las cuestiones de acceso y equidad son consideraciones importantes que afectarán su posible adopción y los impactos en la salud a nivel poblacional.
Esta sección explora la relevancia de la obesidad y los posibles impactos de las BPL-1 en los grupos de interés clave: individuos, compañías farmacéuticas, proveedores de atención médica primaria y secundaria, empresas de tecnología médica, pagadores, empleadores, empresas de bienestar y empresas de alimentos y consumidores. La obesidad y sus efectos en la salud, así como la creciente adopción de las BPL-1, son muy relevantes para cada grupo de partes interesadas. El impacto potencial de las BPL-1 se basa en el análisis de los escenarios de consenso actuales para la adopción y la eficacia de las BPL-1 por parte de los principales analistas financieros de los principales bancos (véase el recuadro «Cálculo del impacto de las partes interesadas»).44
Muchas industrias se ven afectadas por la obesidad, sus causas o sus consecuencias (Tabla 1). Todos los directores ejecutivos o líderes del sector público deben considerar las implicaciones de los nuevos medicamentos para el control de peso en su negocio y carteras.
Es probable que los nuevos tratamientos para la obesidad, como los GLP-1, afecten a diversas partes interesadas.
Participantes
Relevancia de la obesidad
Impacto potencial de las BPL-1
Individuos
~890 millones de personas en todo el mundo viven con obesidad
Remodelar la obesidad como una afección tratable, con un impacto exacto influenciado por los efectos secundarios y el acceso
Empresas farmacéuticas
Los GLP-1 pueden renovar el enfoque en las enfermedades de grandes poblaciones, incluidos los medicamentos cardiovasculares
Importante potencial de mercado (por ejemplo, 25 millones-50 millones de usuarios en EE. UU. para 2030); revitalizar la investigación y el desarrollo de enfermedades de grandes poblaciones
Proveedores de atención primaria
Las afecciones relacionadas con el peso representan el 30% del tiempo que se pasa en las visitas de atención primaria en los EE. UU
Aumento a corto plazo de la demanda de atención de la obesidad; Reducción a largo plazo de la carga de enfermedades relacionadas con la obesidad
Proveedores de atención secundaria
Alta demanda de atención secundaria relacionada con la obesidad (p. ej., los pacientes que viven con obesidad representan el 60% de todas las artroplastias de rodilla y cadera)
Disminución de los procedimientos relacionados con la obesidad (p. ej., 26% en la cirugía bariátrica), con un aumento temporal de la elegibilidad para otros procedimientos debido a la reducción de los riesgos
Empresas de tecnología médica
Alta demanda de dispositivos relacionados con la obesidad (p. ej., el 20% de las personas que viven con obesidad tienen apnea del sueño, lo que impulsa la demanda de máquinas CPAP)
Menor demanda de productos relacionados con la obesidad (p. ej., disminución proyectada del 4% en la utilización de CPAP); Aumento de la demanda de dispositivos de monitoreo
Pagadores
Los pagadores se enfrentan a una pesada carga: Los costos de atención médica en EE. UU. son un 41% más altos para las personas que viven con obesidad
Aumento a corto plazo de los costes de GLP-1 frente a los ahorros a largo plazo relacionados con la obesidad
Empleadores
Pérdida potencial anual del PIB de 2,76 billones de dólares por la pérdida de productividad impulsada por la obesidad en 2050
Carga de costos para los empleadores (por ejemplo, el gobierno de Carolina del Norte proyectó $102 millones por año en cobertura), pero podría aumentar la retención y la productividad.
Industria del bienestar
El control de peso impulsa más del 30% del mercado del bienestar (por ejemplo, entrenamiento físico y dispositivos portátiles)
Aumento de la demanda de soluciones complementarias de GLP-1 (p. ej., comidas ricas en nutrientes y entrenamiento de fuerza)
Empresas alimentarias y de consumo
Influencia bidireccional entre la obesidad y las preferencias de los consumidores
Reducción estimada del 3% en las ventas de alimentos ricos en calorías, lo que impulsa el crecimiento de opciones más saludables y productos de estilo de vida
Nota introductoria del BlogCarlos Alberto Díaz: Sin interferir en la lectura de este artículo debemos introducirnos en que está pasando en argentina, para un Ca del Cérvix por VPH tenemos la prevención en alcance de prescripción y en el calendario de vacunación, pero los problemas de indicación, acceso y aplicación, vemos en el cuadro siguiente como en todos los países de américa latina ha disminuido la cantidad de aplicación de vacunas en la población desde 2019 hasta 2021.
La mortalidad en Argentina no ha disminuido, afirmando que los sistemas de salud no tienden naturalmente a la equidad. La pandemia de COVID-19 tuvo un gran impacto en las comunidades, interrumpiendo muchos servicios esenciales de salud, incluyendo la prestación de servicios de vacunación rutinaria, lo que expuso la fragilidad de los sistemas de salud en todo el mundo. Sin embargo, en la era pospandémica, debemos analizar críticamente todos los aspectos que podemos mejorar para acercarnos al objetivo de eliminar el VPH como causa de cáncer de útero.
El avance en la vacunación contra el VPH ha sido evidente en América Latina a través de los años, colocando a esta región al nivel de aquellas con experiencias exitosas, como Australia o Europa. Pero A pesar del progreso en la introducción de la vacuna contra el VPH, la baja cobertura representa un desafío para la región de América Latina y el Caribe, donde se requieren campañas de comunicación y concientización para mejorar el éxito de los programas de inmunización. El cáncer cervicouterino requiere, además de prevención, diagnóstico temprano y tratamiento oportuno.
En relación con el cáncer cervicouterino se contabilizaron 2.222 defunciones (corregidas) lo que representó una tasa bruta de 9,4 defunciones cada 100.000 mujeres. Este número debiera disminuir a la mitad. Como se observa en la Tabla 7, a partir de los 25 años se registra un aumento de las defunciones con tasas que alcanzan valores de 18,2 cada 100.00 mujeres a partir de los 40 años, alcanzando los valores más altos en mujeres de 65 y 69 años (20,1 cada 100.000 mujeres) y en mayores de 75 años (21,3 cada 100.000 mujeres). Esto claramente resignifica los controles y los abordajes en Ginecología.
Tabla 7. Defunciones por cáncer de cervicouterino y tasas específicas de mortalidad (TEM) por 100.000 mujeres según grupo etario. Argentina, 2022.
Fuente: elaborado por el SIVER-Ca en base a los registros de mortalidad de la DEIS, Ministerio de Salud de la Nación. Instituto Nacional del Cáncer (INC), Argentina 2024.
Respecto de la tendencia de la mortalidad, el comportamiento de la mortalidad por cáncer cervicouterino a lo largo del período 2002-2021 mostró un aumento sostenido a una velocidad de 0,2% anual, el cual no resultó significativo (Gráfico 9).
Gráfico 9: Tendencia y porcentaje de cambio estimado anual en la mortalidad por cáncer cervicouterino. Tasas ajustadas por edad según población mundial por 100.000 mujeres. Argentina, 2002-2022.
Estadísticamente significativo (p<0,005). *Fuente: elaborado por el SIVER-Ca en base a los registros de mortalidad de la DEIS, Ministerio de Salud de la Nación. Instituto Nacional del Cáncer (INC), Argentina 2024.
La distribución de la mortalidad según quintiles a nivel país se observa en la Figura 3. Las provincias de Misiones y Formosa se encontraron en el quintil más alto de mortalidad por cáncer cervicouterino (TAE: entre 14,7 – 17,3). Por otro lado, en el quintil más bajo se ubicaron las jurisdicciones de La Rioja, Mendoza, CABA, Córdoba, Entre Ríos y San Cruz, (TAE: 4,4 – 7,0 defunciones cada 100.000 mujeres) (Figura 3).
Figura 3: Mortalidad por cáncer cervicouterino en mujeres según jurisdicciones. Tasas ajustadas por edad por 100.000 mujeres agrupadas en quintiles de mortalidad. Argentina, 2022.
Fuente: elaborado por el SIVER-Ca en base a los registros de mortalidad de la DEIS, Ministerio de Salud de la Nación. Instituto Nacional del Cáncer (INC), Argentina 2024.
La TAE de mortalidad por cáncer cervicouterino para Argentina durante el 2022 fue de 7,5 defunciones por 100.000 mujeres. La distribución de las tasas según provincia de residencia mostró importantes desigualdades. Como se observa en el Gráfico 10, la mayor mortalidad se registró en Formosa (17,3/100.000 mujeres), seguida de la provincia de Misiones (15,0/100.000) y Chaco (13,1/100.000). Por otro lado, las jurisdicciones que presentaron las menores tasas ajustadas fueron CABA (4,4/100.000 mujeres), Tierra del Fuego (4,8/100.000) y Santa Cruz (4,9/100.000).
Gráfico 10: Mortalidad por cáncer cervicouterino según jurisdicciones. Tasas ajustadas por edad por 100.000 mujeres. Argentina, 2022.
Fuente: elaborado por el SIVER-Ca en base a los registros de mortalidad de la DEIS, Ministerio de Salud de la Nación. Instituto Nacional del Cáncer (INC), Argentina 2024.
Dra. Lauri E. Markowitz y Dra. Elizabeth R. Unger .
Publicado el 10 de mayo de 2023 N Engl J Med 2023 ; 388 : 1790 – 1798 VOL. 388 NÚM. 19
Este artículo de la revista comienza con una viñeta de caso que destaca un problema clínico común. A continuación, se presenta la evidencia que respalda diversas estrategias, seguida de una revisión de las guías clínicas, cuando existen. El artículo finaliza con las recomendaciones clínicas de los autores. Una mujer de 24 años recibe atención médica de rutina. No ha recibido ninguna vacuna contra el virus del papiloma humano (VPH). Inició su vida sexual a los 18 años y ha tenido tres parejas sexuales masculinas. ¿Qué recomendaría con respecto a la vacunación contra el VPH?
El problema clínico
La infección genital por VPH es la infección de transmisión sexual más común en los Estados Unidos.1 La infección ocurre en el tejido epitelial y la transmisión generalmente se produce mediante contacto sexual.
La mayoría de las infecciones por VPH pasan desapercibidas; más del 90 % de las nuevas infecciones desaparecen o se vuelven indetectables en un plazo de uno a dos años. La infección persistente con algunos tipos de VPH puede progresar con el paso de los años a cáncer de cuello uterino, así como a otros cánceres anogenitales, como el cáncer de vagina, vulva, pene y ano, y al cáncer de orofaringe.<sup> 2</sup> La historia natural de la infección cervical por VPH ha sido bien descrita ( Figura 1 ). La primera infección por VPH suele ocurrir alrededor de la edad en que comienzan las relaciones sexuales, y los pre-cánceres cervicales se detectan más tarde, dependiendo de la edad de la paciente en el cribado de cáncer de cuello uterino. El cáncer de cuello uterino suele diagnosticarse décadas después de la infección.<sup>3</sup>
Figura 1
Historia natural de la infección por el virus del papiloma humano (VPH) y progresión al cáncer de cuello uterino.
Puntos clínicos clave
Vacunación contra el virus del papiloma humano
•El virus del papiloma humano (VPH) es un virus común de transmisión sexual. La mayoría de las infecciones por VPH desaparecen o se vuelven indetectables en un plazo de uno a dos años, pero la infección persistente puede provocar cáncer de cuello uterino, vagina, vulva, pene, ano u orofaringe.•
Entre los tipos de VPH oncogénicos, el VPH16 es el que tiene más probabilidades de progresar a cáncer y causa la mayoría de los cánceres atribuibles al VPH en mujeres y hombres.
•Las vacunas contra el VPH se dirigen a los tipos de VPH que causan la mayoría de los cánceres atribuibles al VPH.En ensayos clínicos, las vacunas mostraron una alta eficacia en la prevención de precánceres atribuibles a los tipos de VPH. La protección tras la vacunación es duradera.•
En Estados Unidos, se recomienda la vacunación sistemática contra el VPH a los 11 o 12 años; la vacunación puede iniciarse a los 9 años.
Se recomienda la vacunación hasta los 26 años para las personas no vacunadas previamente.
Se recomienda la toma de decisiones clínicas compartidas sobre la vacunación para algunas personas de 27 a 45 años.
•Se recomienda la detección del cáncer de cuello uterino, de acuerdo con las pautas establecidas, independientemente del historial de vacunación contra el VPH.
Se han identificado más de 200 tipos diferentes de VPH, incluyendo aproximadamente 40 que infectan el epitelio mucoso. ≥ 12 tipos se han definido como oncogénicos (o de alto riesgo) y entre 8 y 12 como probablemente o posiblemente oncogénicos. El tipo VPH16 presenta el mayor riesgo de progresión a cáncer.
Casi todos los cánceres de cuello uterino son atribuibles al VPH. A nivel mundial, los VPH 16 y 18 son responsables de aproximadamente el 70 % de los cánceres de cuello uterino y de un porcentaje aún mayor de otros cánceres atribuibles al VPH (es decir, aquellos probablemente causados por el VPH).2Los VPH 6 y 11, que no se clasifican como oncogénicos, causan casi todos los casos de verrugas anogenitales y papilomatosis respiratoria recurrente. 5En Estados Unidos, se estima que 42 millones de personas están infectadas con un tipo de VPH genital causante de enfermedades, y aproximadamente 13 millones de personas contraen la infección cada año. 1 Los datos de los registros de cáncer de EE. UU. se utilizan para determinar la cantidad anual de cánceres asociados al VPH, que se definen como cánceres epiteliales primarios en sitios anogenital y orofaríngeo. Las estimaciones de cánceres atribuibles al VPH provienen de estudios que detectan y tipifican el virus en tejido canceroso. 6 Se estima que se produjeron 37 300 nuevos casos de cánceres atribuibles al VPH anualmente durante el período 2015-2019 en Estados Unidos ( Tabla 1 ).Tabla 1
Cánceres asociados y atribuidos a la infección por el virus del papiloma humano (VPH) en los Estados Unidos, 2015-2019.
En los Estados Unidos, los cánceres más comunes atribuibles al VPH son los cánceres de cuello uterino (aproximadamente 11.100 casos por año) y los cánceres orofaríngeos (aproximadamente 14.800 casos por año, la mayoría de los cuales ocurren en hombres).
La incidencia del cáncer de cuello uterino ha disminuido en Estados Unidos durante las últimas décadas gracias a la detección temprana y el tratamiento de las lesiones precancerosas durante las pruebas de detección y el seguimiento, mientras que la incidencia del cáncer de orofaringe ha aumentado. 8 En Estados Unidos, existen disparidades étnicas y raciales en los cánceres asociados al VPH que varían según el tipo de cáncer. Por ejemplo, las tasas de cáncer de cuello uterino son más altas entre las mujeres negras e hispanas, mientras que las de cáncer de orofaringe son más altas entre los hombres blancos.
A nivel mundial, se estima que 690.000 cánceres son atribuibles al VPH cada año, siendo el cáncer de cuello uterino el más común.
9La mayoría de los casos de cáncer de cuello uterino y las muertes relacionadas se producen en países de ingresos bajos y medios, donde la detección del cáncer de cuello uterino no está ampliamente disponible.
Las vacunas profilácticas contra el VPH altamente eficaces pueden prevenir la infección por este virus y reducir la carga de morbilidad.
Estrategias y evidencia
Presentación clínica
La infección por VPH suele ser asintomática. No existe tratamiento para la infección asintomática por VPH; el tratamiento se dirige a las afecciones asociadas al VPH. 10Las verrugas anogenitales, que aparecen como crecimientos planos, papulares o similares a una coliflor, generalmente se diagnostican con base en la inspección clínica. La papilomatosis respiratoria recurrente, una afección poco común, generalmente se manifiesta como ronquera y estridor y requiere derivación a un otorrinolaringólogo. La mayoría de las infecciones genitales por VPH se diagnostican con base en la prueba del VPH como parte del cribado del cáncer de cuello uterino. Varias organizaciones profesionales proporcionan pautas sobre el cribado del cáncer de cuello uterino con pruebas citológicas, pruebas del VPH o una combinación de estas. 11 La discusión detallada de los métodos de cribado está más allá del alcance de este artículo. Existe consenso en que el cribado no debe comenzar antes de los 21 años de edad; algunos grupos sugieren retrasarlo hasta los 25 años de edad. Actualmente, el cribado rutinario de cánceres asociados al VPH mediante citología o pruebas de VPH se recomienda solo para el cáncer de cuello uterino debido a la frecuencia de precáncer y cáncer de cuello uterino, y a la disponibilidad de tratamiento para este. Un ensayo reciente sobre el tratamiento de lesiones intraepiteliales escamosas anales de alto grado podría impulsar cambios en el cribado del cáncer anal en algunas poblaciones. 12
Vacunas y eficacia de las vacunas
Las vacunas contra el VPH se basan en partículas similares al virus, que se autoensamblan espontáneamente a partir de pentámeros de la proteína principal de la cápside L1 del VPH.
Las dos primeras vacunas autorizadas fueron una vacuna tetravalente (Gardasil [Merck], autorizada en 2006), compuesta por partículas similares a los virus VPH16, VPH18, VPH6 y VPH11, y una vacuna bivalente (Cervarix [GlaxoSmithKline Biologicals], autorizada en 2009), compuesta por partículas similares a los virus VPH16 y VPH18. El fabricante de la vacuna tetravalente desarrolló posteriormente una vacuna nonavalente (Gardasil 9, autorizada en 2014), que contiene partículas similares a los virus de cinco tipos oncogénicos adicionales: VPH31, VPH33, VPH45, VPH52 y VPH58. Los tipos de VPH que se previenen con la vacuna nonavalente representan aproximadamente el 90 % de los cánceres atribuibles al VPH en todo el mundo.<sup> 2</sup> Se han desarrollado otras vacunas contra el VPH, pero no están autorizadas en Estados Unidos.<sup> 13</sup>
Los ensayos internacionales, aleatorizados y controlados que incluyeron adolescentes mujeres y mujeres de 15 a 26 años de edad han demostrado una eficacia de la vacuna de al menos el 96% para la prevención de precánceres cervicales (neoplasia intraepitelial cervical grado ≥2 o adenocarcinoma in situ) debido a los tipos de VPH objetivo de la vacuna en poblaciones por protocolo: mujeres que no tenían evidencia de infección o exposición a un tipo de VPH dado en el momento de la vacunación y que habían recibido las tres dosis de la vacuna. 14-16 Los ensayos de la vacuna tetravalente mostraron una eficacia del 100% para la prevención de verrugas anogenitales. 14 El anticuerpo específico del tipo de VPH se desarrolló en casi todos los receptores de la vacuna, y los títulos fueron sustancialmente más altos que después de la infección natural. Los estudios de inmunogenicidad que incluyeron niños y adolescentes de 9 a 15 años de edad mostraron títulos de anticuerpos después de la vacunación que no fueron inferiores y sí más altos que los de las mujeres en los ensayos de eficacia; Estos hallazgos llevaron a la autorización de vacunas contra el VPH para su uso en el grupo de edad más joven. 17También se han llevado a cabo ensayos sobre la eficacia de la vacuna contra el VPH en hombres, incluido un ensayo controlado aleatorizado de una vacuna tetravalente contra el VPH para la prevención de lesiones genitales externas, un subestudio que evalúa la prevención de precánceres anales y varios ensayos para evaluar la inmunogenicidad inducida por las vacunas tetravalentes y nonavalentes contra el VPH. 18-20
En el ensayo de la vacuna tetravalente contra el VPH en hombres, la eficacia de la vacuna para la prevención de lesiones relacionadas con el tipo de vacuna fue del 90,4 % en la población por protocolo. 18Un ensayo aleatorizado que comparó la vacuna 9-valente con la vacuna tetravalente en adolescentes y mujeres de 16 a 26 años de edad mostró que la vacunación contra el VPH 9-valente resultó en niveles no inferiores de anticuerpos contra el VPH6, VPH11, VPH16 y VPH18 y en una eficacia del 96,7% contra los cinco tipos adicionales en la vacuna 9-valente.
21La aprobación de la vacuna 9-valente por parte de la Administración de Alimentos y Medicamentos (FDA) en 2018 para personas de hasta 45 años de edad se basó en un ensayo de la eficacia de la vacuna tetravalente en mujeres de 24 a 45 años de edad que mostró eficacias del 84,7% en la población por protocolo y del 41,6% en la población por intención de tratar para la prevención de un punto final combinado de infección persistente, neoplasia intraepitelial cervical o lesiones genitales externas, así como en datos de inmunogenicidad de varios ensayos.
22,23 La menor eficacia en la población con intención de tratar, un resultado que se ha observado en todos los ensayos de vacunas contra el VPH en personas con experiencia sexual, se atribuyó a la exposición previa a uno o más tipos de vacunas contra el VPH.
No hay evidencia proveniente de ensayos clínicos de que la vacunación pueda prevenir la progresión de una infección preexistente a enfermedad o pueda promover la eliminación de una infección o enfermedad ya presente en el momento de la vacunación. 14Los estudios han demostrado una protección duradera tras la vacunación. No se detectó disminución de la protección en el ensayo de la vacuna tetravalente contra el VPH, en el que se hizo un seguimiento de las mujeres durante 5 años.
24Entre 2121 mujeres de países nórdicos vacunadas en ensayos previos a la autorización, no se registraron casos de precánceres cervicales atribuibles al VPH16 o al VPH18 durante al menos 12 años de seguimiento. 25 También se ha informado de protección a largo plazo en mujeres tras la vacunación con 9 valentes. 26 En los hombres, la vacunación tetravalente contra el VPH proporcionó protección a largo plazo en un ensayo de hasta 10 años de seguimiento. 27 La vacunación produce títulos de anticuerpos más altos que la infección natural. Los títulos de anticuerpos disminuyen inicialmente tras la vacunación, pero se estabilizan después de aproximadamente 2 años. 14 No se ha identificado un título mínimo de anticuerpos protectores. Las vacunas contra el VPH se autorizaron inicialmente como una serie de tres dosis; sin embargo, su alta eficacia duradera estimuló el interés en el uso de menos dosis.<sup> 28</sup> Datos posteriores respaldaron el uso de una serie de dos dosis en niños y adolescentes de 9 a 14 años. Por ejemplo, en un ensayo con una vacuna contra el VPH nonavalente, la media geométrica de los títulos de anticuerpos tras la administración de dos dosis (con un intervalo de 6 o 12 meses) en niñas y niños de 9 a 14 años fue no inferior y significativamente superior a la obtenida tras la administración de tres dosis (la segunda y la tercera dosis se administraron 2 y 6 meses después de la primera, respectivamente) en adolescentes y mujeres de 16 a 26 años; más del 98 % de quienes recibieron las dos dosis presentaron seroconversión a los nueve tipos de VPH.<sup> 29</sup>Los datos sobre la vacunación de dosis única se obtuvieron inicialmente de análisis post hoc de ensayos de vacunas de tres dosis en los que no todas las mujeres completaron la pauta de vacunación. Las mujeres que recibieron una dosis presentaron títulos de anticuerpos más bajos que las que recibieron más dosis, pero los anticuerpos y la protección contra los tipos de VPH específicos de la vacuna persistieron durante 10 años o más de seguimiento.<sup>
30-32</sup> Dos ensayos controlados aleatorizados recientes incluyeron un grupo de dosis única. <sup>33,34</sup> Un ensayo mostró tasas de seroconversión tras una dosis de vacuna bivalente o nonavalente que no fueron inferiores a las observadas tras dos o tres dosis. <sup>34</sup> En el otro ensayo, la eficacia tanto de la vacuna nonavalente de dosis única como de la vacuna bivalente de dosis única fue del 97,5 % para la prevención de la infección persistente por VPH-16 y VPH-18 durante 18 meses de seguimiento. <sup>33 </sup>
Seguridad de las vacunas
Los datos de seguridad sobre las vacunas contra el VPH, obtenidos en ensayos clínicos previos a su autorización y tras más de 15 años de seguimiento posterior a la misma, proporcionan evidencia exhaustiva y alentadora sobre su seguridad. Hasta 2021, se habían distribuido más de 135 millones de dosis de la vacuna contra el VPH en Estados Unidos. Los primeros datos de seguimiento de seguridad mostraron que pueden presentarse episodios sincopales después de la vacunación contra el VPH, al igual que después de otras vacunas en adolescentes; se recomendó que los adolescentes permanecieran sentados al momento de la vacunación y que se les observara después de la misma. Los sistemas estadounidenses de seguimiento de la seguridad de las vacunas, así como las evaluaciones especiales 35 y los estudios posteriores a la autorización en otros países, no han confirmado otras señales de seguridad, aparte de reacciones alérgicas poco frecuentes. Las evaluaciones poblacionales a gran escala sobre seguridad general, mortalidad, enfermedades autoinmunes y enfermedades neurológicas no han mostrado problemas de seguridad. 36,37
Programa de vacunación contra el VPH en Estados Unidos
Desde 2006, se recomienda la vacunación rutinaria contra el VPH para niñas de 11 o 12 años de edad; la vacunación puede iniciarse a los 9 años de edad. Los niños se incluyeron en el programa de vacunación en 2011. También se recomienda la vacunación hasta los 26 años de edad para personas no vacunadas previamente (vacunación de recuperación). Idealmente, la vacunación debería ocurrir antes del inicio de la actividad sexual. En 2019, se recomendó la toma de decisiones clínicas compartidas para personas de 27 a 45 años de edad, después de que la FDA expandiera la indicación de edad para la vacuna nonavalente (
Tabla 2 ). Aunque tres vacunas contra el VPH están autorizadas en los Estados Unidos, casi toda la vacuna utilizada hasta 2015 fue la vacuna tetravalente contra el VPH.
38 Desde finales de 2016, solo la vacuna nonavalente contra el VPH se ha comercializado en los Estados Unidos.Tabla 2
Recomendaciones para la vacunación contra el VPH en Estados Unidos.
La cobertura de la vacunación contra el VPH ha aumentado gradualmente, pero sigue siendo inferior a la cobertura de aproximadamente el 90% que se ha logrado con otras vacunas recomendadas para adolescentes.
39 La cobertura se monitorea entre los adolescentes de 13 a 17 años de edad mediante la Encuesta Nacional de Inmunización-Adolescentes.
39 Para 2021, un total del 79% de las niñas y el 75% de los niños habían recibido al menos una dosis de la vacuna contra el VPH; los porcentajes con vacunación actualizada fueron del 64% y el 60%, respectivamente (
Figura 2 ). Debido a que la recomendación de un proveedor de atención médica es el predictor más fuerte de la vacunación, los esfuerzos para aumentar la cobertura se han centrado en proporcionar educación, herramientas y mensajes de comunicación para los proveedores de atención médica. Las mejores prácticas incluyen centrarse en la vacunación contra el VPH como prevención del cáncer; enviar recordatorios por correo, teléfono o mensaje de texto; y discutir y recomendar todas las vacunas aprobadas para adolescentes en la misma visita.
40,41 La evidencia sugiere que las vacunas contra el VPH, así como otras vacunas recomendadas rutinariamente, han disminuido durante la pandemia de la enfermedad por coronavirus 2019.
42 Se necesitan esfuerzos coordinados entre los proveedores de atención médica y los funcionarios de salud pública para brindar vacunas de recuperación a las personas que no recibieron las vacunas anteriormente y para abordar las dudas sobre las vacunas.Figura 2
Cobertura estimada de la vacuna contra el VPH en adolescentes de 13 a 17 años de edad, según sexo y año de la encuesta, de la Encuesta Nacional de Inmunización en Adolescentes, 2007-2021.
Efectos de la vacunación sobre las infecciones y enfermedades
Tras la introducción de los programas de vacunación contra el VPH, la disminución de la incidencia de cánceres atribuibles al VPH tarda años o décadas en materializarse. Sin embargo, se han observado disminuciones drásticas en otros resultados poco después de la introducción de la vacuna. En los primeros cuatro años del programa de vacunación estadounidense, a pesar de la modesta cobertura entre las adolescentes, la prevalencia de la infección genital por el virus de la hepatitis C (VPH) entre las niñas y mujeres de 14 a 19 años disminuyó un 56 %. 43 Doce años después de la introducción del programa, la prevalencia de la infección por el virus de la hepatitis C (VPH) había disminuido un 88 % entre las adolescentes de 14 a 19 años y un 81 % entre las personas de 20 a 24 años ( Figura 3 ). 45 Las disminuciones en la prevalencia de la infección por el virus de la hepatitis C (VPH) observadas entre las personas no vacunadas indican efectos de rebaño del programa de vacunación. La prevalencia de verrugas anogenitales y la incidencia de papilomatosis respiratoria recurrente también han disminuido. 46,47Figura 3
Prevalencia de la infección por el tipo de vacuna tetravalente entre niñas y mujeres, según grupo de edad y período de la encuesta, de las Encuestas nacionales de examen de salud y nutrición, 2003-2018.
Los precánceres cervicales son difíciles de monitorear porque su detección depende del cribado, y las recomendaciones al respecto han cambiado en los últimos años. No obstante, entre el período 2008-2009 y el período 2015-2016, se observó una reducción del 77 % en la detección de precánceres cervicales atribuibles al VPH16 y al VPH18 en mujeres de 20 a 24 años que se sometieron a cribado.
48 Otros países con programas de vacunación contra el VPH también han observado disminuciones en la prevalencia de la infección por VPH, verrugas anogenitales y precánceres cervicales.
49 El monitoreo posterior a la autorización ha demostrado eficacia contra los criterios de valoración de precáncer, similar a los criterios de valoración utilizados en los ensayos de vacunas. Más recientemente, estudios poblacionales en varios países europeos han demostrado una alta eficacia de la vacuna contra el VPH contra el cáncer cervical. 50-52
Áreas de incertidumbre
La inmunogenicidad inducida por la vacunación contra el VPH se ha estudiado en personas inmunodeprimidas; sin embargo, los datos sobre su eficacia son limitados.
<sup>53</sup> Algunos estudios han mostrado títulos más bajos tras la vacunación en personas con infección por el virus de la inmunodeficiencia humana (VIH) que en aquellas sin infección por VIH. Un estudio con hombres de 16 a 26 años que tienen relaciones sexuales con hombres y que vivían con la infección por VIH mostró una alta eficacia de la vacuna contra las lesiones intraepiteliales escamosas anales entre los participantes que no presentaban evidencia de exposición previa a los tipos de la vacuna contra el VPH.<sup>
54 </sup> Aún quedan dudas sobre la duración de la inmunidad inducida por la vacuna en personas vacunadas durante la adolescencia que posteriormente contraen la infección por VIH.Se han planteado interrogantes sobre el posible aumento de la prevalencia de la enfermedad debido a los tipos de VPH no vacunados (el llamado reemplazo de tipo). Sin embargo, las investigaciones realizadas hasta la fecha no han mostrado ninguna preocupación consistente. 55,56La evidencia que respalda la vacunación con dosis única contra el VPH(30-34) condujo a la modificación de las recomendaciones de la Organización Mundial de la Salud de 2022 para incluir la opción de vacunación con dosis única en algunos grupos de edad.
13 Se están realizando más estudios, incluido un ensayo aleatorizado que compara una dosis con dos dosis. 57 Se esperan datos adicionales en los próximos años. Cada vez más países recomiendan la vacunación con una dosis única.Algunos estudios han sugerido un menor riesgo de displasia cervical recurrente en personas que reciben la vacuna contra el VPH cerca del tratamiento quirúrgico. Se necesitan ensayos aleatorizados de alta calidad para fundamentar las directrices clínicas. 58
El cáncer orofaríngeo es actualmente el cáncer atribuible al VPH más común en Estados Unidos; la mayoría de los casos son causados por el VPH16. 6,7 Aunque no existen datos de ensayos clínicos que demuestren que las vacunas contra el VPH prevengan estos cánceres, en 2020 la vacuna nonavalente contra el VPH recibió una indicación de la FDA para la prevención del cáncer orofaríngeo y otros cánceres de cabeza y cuello atribuibles al VPH, con la condición de que se realizara un ensayo clínico bien controlado para evaluar la prevención de la infección oral persistente con los tipos de VPH específicos de la vacuna. Este ensayo está en curso. 59
Pautas
El Comité Asesor sobre Prácticas de Inmunización (ACIP) de los CDC actualmente recomienda la vacunación de rutina para todos los niños a los 11 o 12 años de edad; la vacunación puede iniciarse a los 9 años de edad ( Tabla 2 ). 22 El ACIP también recomienda la vacunación hasta los 26 años de edad para personas no vacunadas previamente (vacunación de recuperación) y la toma de decisiones clínicas compartidas con respecto a la vacunación para personas de 27 a 45 años de edad. La Tabla 2 muestra el número de dosis actualmente recomendado según la edad al inicio de la vacunación. Se recomienda la vacunación independientemente de la infección conocida por VPH, lesiones precancerosas asociadas al VPH o hallazgos citológicos cervicales anormales, o verrugas anogenitales. Las recomendaciones en este artículo son consistentes con las recomendaciones del ACIP.
Conclusiones y recomendaciones
La paciente descrita en la viñeta presenta preguntas clínicas sobre la vacunación contra el VPH en el rango de edad para la vacunación de recuperación. Idealmente, la vacunación contra el VPH debería administrarse en niños de 9 a 12 años de edad; sin embargo, dado que esta paciente tiene 24 años de edad, se encuentra dentro del grupo de edad para el cual se recomienda la vacunación de recuperación. Debido a que está comenzando la vacunación después de cumplir 15 años, actualmente se recomiendan tres dosis. Las personas que se vacunan después de iniciar su vida sexual activa podrían haber estado expuestas a uno o más tipos de VPH. Aunque la vacunación contra el VPH no prevendrá ni afectará la progresión o la eliminación de ninguna infección existente, protegerá de la infección con otros tipos de VPH a los que se dirige la vacuna nonavalente. No es necesario realizar pruebas de detección de cáncer de cuello uterino antes de la vacunación. Sin embargo, la paciente debe someterse a pruebas de detección de cáncer de cuello uterino e infecciones de transmisión sexual según las pautas establecidas para su grupo de edad. 10,11 Se recomienda realizar pruebas de detección de cáncer de cuello uterino a intervalos regulares, independientemente del historial de vacunación contra el VPH de la paciente
La rotación de directores ejecutivos (CEO) en hospitales es un fenómeno organizacional crítico que ocurre con más frecuencia que en otros sectores. A pesar de su relevancia, los factores que predicen estos cambios y sus consecuencias para las instituciones sanitarias continúan siendo áreas poco exploradas y comprendidas. Este estudio sistemático, publicado en la Revista de Gestión de la Atención Sanitaria, busca arrojar luz sobre estos aspectos esenciales para mejorar la estabilidad y la eficacia organizacional en el ámbito de la salud.
Fondo
El contexto de la rotación de CEO en hospitales se caracteriza por una alta volatilidad debido a múltiples factores internos y externos, como la presión financiera, cambios regulatorios y dinámicas políticas. A diferencia de otros sectores, los hospitales enfrentan desafíos únicos que amplifican el impacto de la rotación en su funcionamiento, desde dificultades en la continuidad del liderazgo hasta interrupciones en la implementación de estrategias organizacionales.
Objetivos principales
El objetivo central de esta revisión sistemática es identificar los factores predictivos que influyen en la rotación de directores ejecutivos en hospitales, así como examinar sus efectos organizacionales. La investigación busca proporcionar una base sólida para mejorar las políticas de contratación y retención de líderes, además de mitigar posibles impactos negativos sobre las operaciones hospitalarias y la calidad del cuidado.
Predictores de la rotación
Factores internos
Desempeño financiero: Los hospitales que enfrentan pérdidas económicas suelen experimentar mayores tasas de rotación de CEO, ya que la junta directiva busca soluciones rápidas para revertir la situación.
Cultura organizacional: Una cultura laboral conflictiva o una falta de alineación con la visión estratégica pueden motivar un cambio en el liderazgo.
Duración del mandato: Estudios indican que los CEO con mandatos más cortos tienen mayor probabilidad de dejar sus puestos.
Factores externos
Cambios regulatorios: Ajustes en políticas de salud, tanto a nivel local como nacional, pueden influir en la estabilidad del liderazgo.
Presión política: En regiones donde los hospitales tienen vínculos gubernamentales, las dinámicas políticas pueden ser un factor determinante.
Efectos organizacionales de la rotación
Impactos positivos
Innovación: La llegada de nuevos líderes puede aportar ideas frescas y perspectivas innovadoras que impulsen cambios estratégicos.
Revisión de estrategias: La rotación puede ser una oportunidad para reevaluar metas y prioridades organizacionales.
Impactos negativos
Interrupción en la continuidad: Los cambios de liderazgo pueden generar incertidumbre entre los empleados y afectar la ejecución de proyectos clave.
Pérdida de confianza: Una alta rotación puede ser percibida como inestabilidad, lo que afecta la moral del equipo y las relaciones con stakeholders.
Conclusiones y recomendaciones
Este estudio sistemático resalta la importancia de abordar los predictores y efectos de la rotación desde una perspectiva holística. Se recomienda:
Fortalecer la selección de líderes: Implementar procesos de contratación más rigurosos que prioricen la alineación cultural y estratégica.
Mecanismos de apoyo: Crear sistemas que brinden soporte a los CEO para enfrentar desafíos internos y externos.
Evaluación continua: Monitorear indicadores de desempeño y satisfacción para detectar señales tempranas de posibles riesgos.
Referencias
Revista de Gestión de la Atención Sanitaria, Volumen 50, Número 3, págs. 197-210, publicado el 9 de julio de 2025. DOI: 10.1097/HMR.0000000000000441.
La etapa inicial de la investigación académica sobre la resiliencia en los sistemas de salud requiere una exploración matizada de sus elementos fundamentales. Esto implica un examen riguroso de los conceptos de «crisis» y «shock», que con frecuencia actúan como catalizadores que desafían la resiliencia de los sistemas de salud. Estos conceptos no solo simbolizan eventos disruptivos, sino que también funcionan como puntos de referencia para evaluar la solidez y adaptabilidad de las infraestructuras sanitarias. Una «crisis» se define como un período de mayor dificultad, peligro o incertidumbre, a menudo precipitado por eventos imprevistos que alteran los marcos operativos estándar en los entornos sanitarios. Los «shocks», por otro lado, se clasifican como agudos o crónicos según sus características temporales. La mayor parte de la literatura académica sobre la resiliencia de los sistemas de salud se ha centrado predominantemente en los shocks agudos, que suelen caracterizarse por su aparición repentina y una menor duración de su impacto. Los shocks crónicos son aquellos que persisten durante un período prolongado, lo que plantea desafíos específicos para la resiliencia de los sistemas de salud [ 1 ]. Más allá del ámbito sanitario, la disciplina de la gestión de crisis ha sido objeto de investigación académica durante numerosos años y ha encontrado aplicabilidad en un amplio espectro de campos. Sus principios y metodologías se han adaptado e integrado en diversos ámbitos científicos, lo que subraya su relevancia y utilidad universales. En el contexto de los sistemas sanitarios, la adopción de marcos de gestión de crisis representa, por lo tanto, un paso evolutivo en el fortalecimiento de la resiliencia, beneficiándose de un amplio conocimiento interdisciplinario y buenas prácticas. Un sistema de gestión de crisis es un enfoque estructurado que incluye políticas, procedimientos y acciones diseñadas para identificar, evaluar y gestionar riesgos y crisis en diversos entornos. Abarca mecanismos de planificación, comunicación, coordinación de respuestas y evaluación para minimizar los impactos y permitir una recuperación eficiente ante eventos disruptivos [ 2 ]. Dada la utilidad generalizada de los sistemas de gestión de crisis en diversos ámbitos, su papel adquiere una importancia destacada en el contexto de los sistemas sanitarios, que constituyen infraestructuras críticas. En consecuencia, se ha dedicado una atención académica considerable a la incorporación de paradigmas de gestión de crisis en entornos sanitarios en el discurso académico vigente [ 3 ].El concepto de resiliencia sirve como una ampliación fundamental de los paradigmas convencionales de gestión de crisis, transformándolos de modalidades meramente reactivas a marcos más abarcadores y anticipatorios. Al imbuir una dimensión adaptativa y prospectiva en el tejido procedimental de la gestión de crisis, la resiliencia trasciende el ámbito inmediato de las medidas reactivas y la recuperación a corto plazo. Acentúa las facultades proactivas del sistema para anticipar, adaptarse y recuperarse de eventos adversos, ampliando así el alcance epistemológico de la gestión de crisis para abarcar consideraciones de sostenibilidad a largo plazo y robustez sistémica. Esta confluencia de capacidad de respuesta inmediata y resiliencia duradera ha ganado un creciente reconocimiento en el discurso académico, afirmando así su importancia indeleble como componente integral de un enfoque multifacético y eficaz para la gestión de crisis [ 4 ].
2.2 Resiliencia del sistema de salud
El concepto de resiliencia en los sistemas de salud, si bien se mantuvo vigente por un período prolongado, experimentó un aumento sin precedentes en su relevancia académica y práctica tras el brote de ébola en África Occidental. Este evento catastrófico sirvió como catalizador, obligando a las estructuras de gobernanza de la salud mundial a replantear la resiliencia como un paradigma exigente y especializado, indispensable para el fortalecimiento de los sistemas de salud frente a una serie de choques, tanto agudos como crónicos [ 5 , 6 ]. A pesar de su auge en los ámbitos académico y práctico, el término «resiliencia» se ha caracterizado por un grado de ambigüedad terminológica, debido a la ausencia de una definición única y universalmente aceptada dentro de la literatura académica existente. El establecimiento de un marco de definición coherente es, por lo tanto, no solo un ejercicio académico, sino un prerrequisito para el desarrollo de un esquema conceptual unificado que pueda sustentar estrategias e intervenciones orientadas a la resiliencia. Como se documenta en publicaciones revisadas por pares, el léxico pertinente al ámbito conceptual del pensamiento sobre resiliencia dentro del campo de la investigación en atención médica se ha estratificado taxonómicamente en cuatro categorías cardinales: entidades, cualidades intrínsecas, acciones operativas y esferas de preocupación. Predominantemente dentro del cuerpo de trabajo académico existente, la resiliencia se conceptualiza de diversas maneras, ya sea como una característica [ 7 ], una habilidad [ 8 ] o una capacidad [ 9 , 10 , 11 ]. Estas concepciones se aplican a través de una gama heterogénea de entidades, incluyendo pero no limitado a comunidades [ 12 ], sujetos individuales [ 13 ], organizaciones [ 14 , 15 ], cohortes demográficas [ 15 , 16 ] y sistemas de infraestructura [ 13 ], cada uno exhibiendo diversos grados de resiliencia frente a eventos de crisis. Además, en la definición de resiliencia en este contexto, se menciona que las principales acciones para lograr la misma función [ 5 , 6 , 17 ] o control [ 10 , 14 ] ante un choque son la adaptación [ 6 , 10 ], la absorción [ 10 ], la preparación [ 1 , 14 , 18 ], la anticipación [ 7 , 19 ], la transformación [ 16 ], la respuesta [ 17 , 20 ] y la recuperación [ 17 ].La Organización Mundial de la Salud define la resiliencia a nivel de sistema como «la capacidad del sistema de salud para absorber, adaptarse y transformarse ante las perturbaciones para mantener su funcionamiento» [ 21 ]. Este concepto definitorio constituye la base fundamental de nuestro marco analítico. En el marco de esta investigación, la resiliencia sanitaria se conceptualiza como una modalidad que facilita la gestión de crisis al aumentar la capacidad del sistema para resistir las perturbaciones, preservando al mismo tiempo su integridad funcional.
2.3. Marcos de resiliencia en el sistema de salud
En el discurso académico contemporáneo, se han propuesto numerosos marcos para dilucidar la naturaleza de la resiliencia en el sector sanitario. Estas contribuciones académicas buscan no solo proporcionar una comprensión integral de los mecanismos subyacentes que la impulsan, sino también proponer intervenciones y estrategias que puedan fortalecer la solidez y la adaptabilidad de los sistemas sanitarios ante la adversidad. Un tema central, evidente de forma constante en estos artículos académicos, es la naturaleza multidimensional de la resiliencia; sin embargo, surgen divergencias notables en sus enfoques específicos, opciones metodológicas y enfoques interpretativos. Por ejemplo, algunos artículos se centraron en la gobernanza sanitaria [ 22 ], donde el pensamiento sistémico y las teorías de la complejidad se integran sinérgicamente para desarrollar marcos diseñados para reforzar la resiliencia de infraestructuras sanitarias completas. Dichos marcos profundizan principalmente en la dinámica de las políticas y las ramificaciones de las arquitecturas de gobernanza, lo que subraya la necesidad de una perspectiva macro. Divergiendo en su enfoque, Zhong et al. [ 23 ] enfocaron la dimensión organizacional, centrándose específicamente en entornos hospitalarios individuales. El marco propuesto en este artículo utiliza parámetros como la robustez, la redundancia y la rapidez para evaluar la resiliencia de las operaciones hospitalarias en situaciones de crisis agudas. Si bien este alcance puede parecer más limitado que los anteriores, proporciona una perspectiva compleja, invaluable en el contexto de escenarios de respuesta a emergencias. Otros académicos han explorado el ámbito de las perspectivas clínicas, centrándose en marcos orientados al paciente. Sin embargo, las diferencias en sus enfoques metodológicos son evidentes. Agostini et al. ofrecieron un marco basado en resultados clínicos e índices de satisfacción del paciente [ 24 ]. Por el contrario, Förster et al. [ 25 ] destacaron el papel fundamental del liderazgo clínico, la comunicación eficaz y la integración innovadora de la tecnología para fortalecer la resiliencia. En concreto, abogaron por un marco que fusionara sinérgicamente la telemedicina y los historiales clínicos electrónicos para potenciar la resiliencia clínica. Estableciendo paralelismos con las complejidades temáticas observadas en estudios previos, otros artículos han profundizado en el ámbito de la psicología organizacional, explorando explícitamente las dimensiones psicológicas de la resiliencia del sistema de salud. Si bien estos artículos han destacado principalmente el papel fundamental de la inteligencia emocional y la cultura laboral para fortalecer la resiliencia, se aprecian matices en su énfasis [ 26 , 27 ]. Morse et al. priorizaron las facetas de las relaciones interpersonales y la autoconciencia [ 26 ], mientras que Haraldseid-Driftland et al. analizaron críticamente los valores organizacionales y las consideraciones éticas [ 27 ].Como complemento a las perspectivas especializadas de estudios anteriores, han surgido otros estudios que combinan diversas áreas focales. Anderson et al. introdujeron un marco híbrido que entrelaza consideraciones a nivel de sistema con comportamientos individuales y matices de la cultura organizacional [ 28 ]. Al buscar una perspectiva integral, este marco incorpora elementos de diversos marcos presentes en el discurso académico.A pesar de la riqueza de conocimientos que estos artículos ofrecen sobre la resiliencia en la atención médica desde diversas perspectivas —que abarcan desde la psicología organizacional hasta consideraciones a nivel de sistema—, la literatura parece presentar lagunas notables. La mayoría de estos marcos adoptan un enfoque predominantemente teórico. Sin embargo, existe una notable ausencia en la literatura de un marco que no solo sea exhaustivo e integrador, sino también con visión de futuro. Existe una necesidad palpable de investigación que integre holísticamente las diversas dimensiones en un marco integral, garantizando tanto su relevancia actual como su adaptabilidad a los futuros desafíos de la atención médica. En este estudio, nos motivan dos objetivos generales. En primer lugar, mediante la incorporación de estrategias de gestión de crisis, buscamos desarrollar e implementar un marco de procedimientos adaptado al sistema de salud. Se prevé que este marco agilice la implementación de soluciones reactivas, fomentando un entorno propicio para una rápida recuperación a corto plazo. Simultáneamente, nuestro segundo objetivo se orienta hacia el futuro: enfatiza la mejora de las capacidades proactivas del sistema de salud. De este modo, aspiramos a cultivar la resiliencia ante los desafíos inminentes y los cambios futuros. En última instancia, nuestro objetivo es proponer una solución integral, caracterizada por la adaptabilidad, que garantice su perfecta adaptación a las particularidades de cada sistema de salud.
La etapa central de desarrollo de la resiliencia examina las estrategias previamente empleadas por el sistema de salud para resistir las crisis, integrándolas en marcos como la planificación de escenarios o los planes de gestión de crisis. La acumulación de experiencias, información, conocimientos, capacidades, escenarios y planes de gestión, recopilados por el sistema de salud durante las crisis y evaluados después de ellas, sirve como recursos adaptables para situaciones análogas en el futuro, sujetos a las modificaciones necesarias [ 35 , 36 ].Sin embargo, el sistema de salud enfrenta obstáculos al enfrentarse a una amenaza sin precedentes con características únicas, que a menudo exige nuevas adaptaciones o expansiones. En tales circunstancias, es imperativo asegurar que los datos y la información existentes sigan cumpliendo los requisitos derivados de la nueva situación [ 37 , 38 ]. Por consiguiente, el desarrollo de la resiliencia fundamental debe definirse en función de las características de las crisis, los objetivos y los problemas pertinentes a la gestión de la resiliencia prevista. Los hallazgos derivados de este segmento se integran posteriormente durante las etapas de ‘Análisis de la Situación’ y ‘Gestión de Crisis’.
Dada la naturaleza dinámica del sistema de salud, existe una necesidad inherente de acumular una gama diversa de datos, que abarca indicadores de rendimiento, la calidad del servicio, factores ambientales, riesgos, aprendizajes experienciales, capacidades, recursos y similares. Ocasionalmente, surge la necesidad de amalgamar estos datos para obtener información de un nivel superior, como discernir relaciones de causa y efecto, causas raíz, etc. La presencia de fallas o defectos dentro del sistema de recopilación de datos, o la calidad subóptima de los datos adquiridos, precipita el fracaso del procesamiento de datos, requiriendo la detección y rectificación por parte del sistema. En última instancia, tras la ejecución exitosa de la recopilación y el procesamiento de datos, se proporcionan los conocimientos resultantes para las etapas posteriores y acciones adicionales [ 20 , 42 ].
4.4. Análisis de la situación
El análisis situacional es una tarea fundamental en la gestión de la resiliencia en los sistemas de salud ( Figura 5 ). El panorama de alteraciones situacionales se monitoriza y analiza continuamente, con el objetivo de discernir y examinar las condiciones consideradas críticas. El inicio del análisis situacional está marcado por la identificación de indicadores tempranos que señalan la aparición de amenazas potenciales.
La detección de señales comprende la metodología para identificar señales o indicadores de alerta temprana que previenen una posible crisis antes de que se manifieste plenamente. Es fundamental que un sistema de salud distinga con destreza estas señales, ya que esta capacidad facilita la implementación de medidas proactivas y la activación de un plan de respuesta diseñado para atenuar el impacto de una crisis [
2 ]. Para una detección eficaz de señales dentro de un sistema de salud resiliente, se requiere un sistema de vigilancia integral capaz de monitorear diversos datos en tiempo real y evaluarlos para detectar posibles indicios de alerta. La selección de los métodos de detección puede verse influenciada por la naturaleza y la complejidad de los datos disponibles, junto con los objetivos de la gestión de la resiliencia en diversos sistemas de salud [
43 ].El análisis situacional vuelve a la normalidad si no se observa ninguna anomalía durante esta fase. Sin embargo, si el sistema detecta alguna anomalía o amenaza, debe describirla en detalle y sus características. A continuación, el sistema debe comparar las irregularidades detectadas con cualquier estado probable en los escenarios anteriores para determinar qué posibilidades describen mejor la situación actual. Si el estado de la situación actual coincide con los escenarios previos del sistema, no es necesario iniciar la anticipación de riesgos. Esto ayuda a evitar un análisis innecesario para determinar los riesgos y problemas potenciales. Los nuevos escenarios deben analizarse con suficiente detalle para proporcionar una descripción bien formulada del problema para su posterior investigación en las etapas posteriores [ 12 , 14 , 44 ].
4.5. Anticipación de riesgos
El grupo de gestión de crisis anticipa los riesgos y autoriza las acciones (siguiente paso) según la situación específica de cada sistema de salud, sus objetivos, limitaciones y restricciones. Esta ventaja de este marco lo hace lo suficientemente adaptable como para implementarse en diversos sistemas de salud con diversas características. En una crisis, el sistema de salud puede sufrir cambios negativos y enfrentarse a diferentes presiones que incrementan el riesgo en varios aspectos como la interrupción del sistema de tratamiento o la disminución de la calidad de los servicios; errores de tratamiento por falta de información, errores cognitivos, agotamiento o fatiga; incidentes que amenacen la vida por exposición a situaciones de riesgo; falta de recursos (humanos, medicamentos, infraestructura, etc.).Es necesario analizar el sistema de salud en relación con los riesgos potenciales vinculados a la expansión de la amenaza ante un nuevo escenario o amenaza [ 45 ]. Luego, se investiga el alcance y las características del riesgo, como su gravedad, su probabilidad correspondiente y su posible desarrollo a corto plazo ( Figura 6 ).
Este estudio aborda la necesidad crucial de contar con sistemas de salud resilientes, puesta de manifiesto por recientes emergencias sanitarias globales como las crisis del ébola y la COVID-19. Identifica una brecha significativa en la literatura actual: la falta de marcos prácticos y viables para la resiliencia en la atención médica. Para subsanar esta deficiencia, la investigación presenta un marco innovador que combina conceptos teóricos de resiliencia con enfoques heurísticos. Este marco, basado en los principios de monitorización, anticipación, reconocimiento y aprendizaje, está diseñado para mejorar la capacidad de gestión de crisis de los sistemas de salud. La metodología implica una revisión exhaustiva de la literatura, combinada con métodos heurísticos, que culmina en un marco con solidez académica y aplicabilidad práctica. Este marco guía a los sistemas de salud a través de las distintas etapas de la gestión de crisis, incluyendo la recopilación de datos, el análisis de la situación, la anticipación de riesgos y la evaluación de la respuesta. Proporciona un enfoque holístico para mejorar la resiliencia en entornos sanitarios. En general, este documento realiza una contribución significativa al campo de la resiliencia de los sistemas de salud, ofreciendo un plan estratégico para mejorar la respuesta y la recuperación ante crisis. Marca un avance importante en la alineación de los conceptos teóricos de resiliencia con las estrategias de implementación práctica, esenciales para abordar los desafíos actuales y futuros de la atención médica.Palabras clave:
En la sociedad moderna, los sistemas de salud son pilares fundamentales del bienestar comunitario y la infraestructura social. Desempeñan funciones cruciales no solo en el diagnóstico y el tratamiento de enfermedades, sino también en la atención preventiva, las iniciativas de salud pública e incluso la estabilización económica. La importancia de un sistema de salud eficaz cobra especial relevancia en tiempos de crisis, desde brotes de enfermedades infecciosas hasta desastres naturales y emergencias humanas. Durante estas crisis, un sistema de salud se evalúa en dos frentes principales: su capacidad de respuesta inmediata, que incluye la pronta intervención médica y la asignación de recursos, y su resiliencia tras la crisis, caracterizada por su capacidad de adaptación, recuperación y mejora.La necesidad de sistemas de salud resilientes ha cobrado gran relevancia debido a las recientes emergencias sanitarias mundiales. Eventos como el brote de ébola de 2014 en África Occidental y la pandemia de COVID-19 que comenzó en 2019 no solo han llevado las infraestructuras sanitarias al límite, sino que también han puesto de manifiesto deficiencias y deficiencias que pueden tener repercusiones mucho más allá de los hospitales y las clínicas. Estas deficiencias afectan los resultados de salud pública e incluso pueden influir en la estabilidad económica, tanto a nivel comunitario como nacional. Ante estos desafíos, existe una necesidad imperiosa y urgente de priorizar y reforzar la resiliencia de los sistemas de salud, allanando el camino para una infraestructura de gestión de crisis más robusta, adaptable y eficaz.Se ha dedicado una cantidad considerable de investigación académica a comprender y definir la resiliencia en entornos sanitarios. Estos estudios buscan identificar las principales características de un sistema sanitario resiliente, ofreciendo evidencia empírica y marcos teóricos para explicar cómo funciona la resiliencia y cómo puede fortalecerse. El discurso en torno a la resiliencia sanitaria aborda los desafíos multidimensionales de implementar cambios en diversos contextos sanitarios, desde clínicas rurales hasta extensas redes hospitalarias urbanas.Sin embargo, a pesar de las extensas contribuciones académicas, la literatura actual aún presenta varias lagunas significativas. En particular, existe una marcada desconexión entre el rigor teórico y la aplicabilidad práctica. Muchos marcos existentes para la resiliencia sanitaria ofrecen perspectivas matizadas, pero no proporcionan directrices prácticas que puedan implementarse ampliamente en diversos sistemas de salud. Esta deficiencia nos lleva a una pregunta esencial que permanece en gran medida sin explorar: «¿Cómo podemos traducir eficazmente la comprensión teórica de la resiliencia sanitaria en un marco pragmático y operativo que se adapte a diversos entornos sanitarios?».Este estudio emplea planes de gestión de crisis para integrar un marco conceptual y heurístico que aborde esta cuestión. El objetivo principal de esta investigación es desarrollar un marco sólido que integre el conocimiento teórico con la práctica. Este marco busca guiar a los sistemas de salud en la gestión eficaz de crisis y mejorar su resiliencia ante futuros desafíos, ofreciendo un enfoque adaptable a diversos entornos de salud con diversas características y necesidades.Al interrogar esta brecha fundamental, la investigación busca reconciliar los constructos teóricos con las metodologías aplicadas, facilitando así vías para el discurso académico posterior y las intervenciones pragmáticas que son esenciales para fortalecer los sistemas de atención de la salud.
2. Revisión de la literatura
2.1. Gestión de crisis y resiliencia
La etapa inicial de la investigación académica sobre la resiliencia en los sistemas de salud requiere una exploración matizada de sus elementos fundamentales. Esto implica un examen riguroso de los conceptos de «crisis» y «shock», que con frecuencia actúan como catalizadores que desafían la resiliencia de los sistemas de salud. Estos conceptos no solo simbolizan eventos disruptivos, sino que también funcionan como puntos de referencia para evaluar la solidez y adaptabilidad de las infraestructuras sanitarias. Una «crisis» se define como un período de mayor dificultad, peligro o incertidumbre, a menudo precipitado por eventos imprevistos que alteran los marcos operativos estándar en los entornos sanitarios. Los «shocks», por otro lado, se clasifican como agudos o crónicos según sus características temporales. La mayor parte de la literatura académica sobre la resiliencia de los sistemas de salud se ha centrado predominantemente en los shocks agudos, que suelen caracterizarse por su aparición repentina y una menor duración de su impacto. Los shocks crónicos son aquellos que persisten durante un período prolongado, lo que plantea desafíos específicos para la resiliencia de los sistemas de salud [
1 ]. Más allá del ámbito sanitario, la disciplina de la gestión de crisis ha sido objeto de investigación académica durante numerosos años y ha encontrado aplicabilidad en un amplio espectro de campos. Sus principios y metodologías se han adaptado e integrado en diversos ámbitos científicos, lo que subraya su relevancia y utilidad universales. En el contexto de los sistemas sanitarios, la adopción de marcos de gestión de crisis representa, por lo tanto, un paso evolutivo en el fortalecimiento de la resiliencia, beneficiándose de un amplio conocimiento interdisciplinario y buenas prácticas. Un sistema de gestión de crisis es un enfoque estructurado que incluye políticas, procedimientos y acciones diseñadas para identificar, evaluar y gestionar riesgos y crisis en diversos entornos. Abarca mecanismos de planificación, comunicación, coordinación de respuestas y evaluación para minimizar los impactos y permitir una recuperación eficiente ante eventos disruptivos [
2 ]. Dada la utilidad generalizada de los sistemas de gestión de crisis en diversos ámbitos, su papel adquiere una importancia destacada en el contexto de los sistemas sanitarios, que constituyen infraestructuras críticas. En consecuencia, se ha dedicado una atención académica considerable a la incorporación de paradigmas de gestión de crisis en entornos sanitarios en el discurso académico vigente [
3 ].El concepto de resiliencia sirve como una ampliación fundamental de los paradigmas convencionales de gestión de crisis, transformándolos de modalidades meramente reactivas a marcos más abarcadores y anticipatorios. Al imbuir una dimensión adaptativa y prospectiva en el tejido procedimental de la gestión de crisis, la resiliencia trasciende el ámbito inmediato de las medidas reactivas y la recuperación a corto plazo. Acentúa las facultades proactivas del sistema para anticipar, adaptarse y recuperarse de eventos adversos, ampliando así el alcance epistemológico de la gestión de crisis para abarcar consideraciones de sostenibilidad a largo plazo y robustez sistémica. Esta confluencia de capacidad de respuesta inmediata y resiliencia duradera ha ganado un creciente reconocimiento en el discurso académico, afirmando así su importancia indeleble como componente integral de un enfoque multifacético y eficaz para la gestión de crisis [
El concepto de resiliencia en los sistemas de salud, si bien se mantuvo vigente por un período prolongado, experimentó un aumento sin precedentes en su relevancia académica y práctica tras el brote de ébola en África Occidental. Este evento catastrófico sirvió como catalizador, obligando a las estructuras de gobernanza de la salud mundial a replantear la resiliencia como un paradigma exigente y especializado, indispensable para el fortalecimiento de los sistemas de salud frente a una serie de choques, tanto agudos como crónicos [
6 ]. A pesar de su auge en los ámbitos académico y práctico, el término «resiliencia» se ha caracterizado por un grado de ambigüedad terminológica, debido a la ausencia de una definición única y universalmente aceptada dentro de la literatura académica existente. El establecimiento de un marco de definición coherente es, por lo tanto, no solo un ejercicio académico, sino un prerrequisito para el desarrollo de un esquema conceptual unificado que pueda sustentar estrategias e intervenciones orientadas a la resiliencia.Como se documenta en publicaciones revisadas por pares, el léxico pertinente al ámbito conceptual del pensamiento sobre resiliencia dentro del campo de la investigación en atención médica se ha estratificado taxonómicamente en cuatro categorías cardinales: entidades, cualidades intrínsecas, acciones operativas y esferas de preocupación.Predominantemente dentro del cuerpo de trabajo académico existente, la resiliencia se conceptualiza de diversas maneras, ya sea como una característica [
13 ], cada uno exhibiendo diversos grados de resiliencia frente a eventos de crisis. Además, en la definición de resiliencia en este contexto, se menciona que las principales acciones para lograr la misma función [
17 ].La Organización Mundial de la Salud define la resiliencia a nivel de sistema como «la capacidad del sistema de salud para absorber, adaptarse y transformarse ante las perturbaciones para mantener su funcionamiento» [
21 ]. Este concepto definitorio constituye la base fundamental de nuestro marco analítico. En el marco de esta investigación, la resiliencia sanitaria se conceptualiza como una modalidad que facilita la gestión de crisis al aumentar la capacidad del sistema para resistir las perturbaciones, preservando al mismo tiempo su integridad funcional.
2.3. Marcos de resiliencia en el sistema de salud
En el discurso académico contemporáneo, se han propuesto numerosos marcos para dilucidar la naturaleza de la resiliencia en el sector sanitario. Estas contribuciones académicas buscan no solo proporcionar una comprensión integral de los mecanismos subyacentes que la impulsan, sino también proponer intervenciones y estrategias que puedan fortalecer la solidez y la adaptabilidad de los sistemas sanitarios ante la adversidad. Un tema central, evidente de forma constante en estos artículos académicos, es la naturaleza multidimensional de la resiliencia; sin embargo, surgen divergencias notables en sus enfoques específicos, opciones metodológicas y enfoques interpretativos.Por ejemplo, algunos artículos se centraron en la gobernanza sanitaria [
22 ], donde el pensamiento sistémico y las teorías de la complejidad se integran sinérgicamente para desarrollar marcos diseñados para reforzar la resiliencia de infraestructuras sanitarias completas. Dichos marcos profundizan principalmente en la dinámica de las políticas y las ramificaciones de las arquitecturas de gobernanza, lo que subraya la necesidad de una perspectiva macro.Divergiendo en su enfoque, Zhong et al. [
23 ] enfocaron la dimensión organizacional, centrándose específicamente en entornos hospitalarios individuales. El marco propuesto en este artículo utiliza parámetros como la robustez, la redundancia y la rapidez para evaluar la resiliencia de las operaciones hospitalarias en situaciones de crisis agudas. Si bien este alcance puede parecer más limitado que los anteriores, proporciona una perspectiva compleja, invaluable en el contexto de escenarios de respuesta a emergencias.Otros académicos han explorado el ámbito de las perspectivas clínicas, centrándose en marcos orientados al paciente. Sin embargo, las diferencias en sus enfoques metodológicos son evidentes. Agostini et al. ofrecieron un marco basado en resultados clínicos e índices de satisfacción del paciente [
25 ] destacaron el papel fundamental del liderazgo clínico, la comunicación eficaz y la integración innovadora de la tecnología para fortalecer la resiliencia. En concreto, abogaron por un marco que fusionara sinérgicamente la telemedicina y los historiales clínicos electrónicos para potenciar la resiliencia clínica.Estableciendo paralelismos con las complejidades temáticas observadas en estudios previos, otros artículos han profundizado en el ámbito de la psicología organizacional, explorando explícitamente las dimensiones psicológicas de la resiliencia del sistema de salud. Si bien estos artículos han destacado principalmente el papel fundamental de la inteligencia emocional y la cultura laboral para fortalecer la resiliencia, se aprecian matices en su énfasis [
27 ]. Morse et al. priorizaron las facetas de las relaciones interpersonales y la autoconciencia [
26 ], mientras que Haraldseid-Driftland et al. analizaron críticamente los valores organizacionales y las consideraciones éticas [
27 ].Como complemento a las perspectivas especializadas de estudios anteriores, han surgido otros estudios que combinan diversas áreas focales. Anderson et al. introdujeron un marco híbrido que entrelaza consideraciones a nivel de sistema con comportamientos individuales y matices de la cultura organizacional [
28 ]. Al buscar una perspectiva integral, este marco incorpora elementos de diversos marcos presentes en el discurso académico.A pesar de la riqueza de conocimientos que estos artículos ofrecen sobre la resiliencia en la atención médica desde diversas perspectivas —que abarcan desde la psicología organizacional hasta consideraciones a nivel de sistema—, la literatura parece presentar lagunas notables. La mayoría de estos marcos adoptan un enfoque predominantemente teórico. Sin embargo, existe una notable ausencia en la literatura de un marco que no solo sea exhaustivo e integrador, sino también con visión de futuro. Existe una necesidad palpable de investigación que integre holísticamente las diversas dimensiones en un marco integral, garantizando tanto su relevancia actual como su adaptabilidad a los futuros desafíos de la atención médica.En este estudio, nos motivan dos objetivos generales. En primer lugar, mediante la incorporación de estrategias de gestión de crisis, buscamos desarrollar e implementar un marco de procedimientos adaptado al sistema de salud. Se prevé que este marco agilice la implementación de soluciones reactivas, fomentando un entorno propicio para una rápida recuperación a corto plazo. Simultáneamente, nuestro segundo objetivo se orienta hacia el futuro: enfatiza la mejora de las capacidades proactivas del sistema de salud. De este modo, aspiramos a cultivar la resiliencia ante los desafíos inminentes y los cambios futuros. En última instancia, nuestro objetivo es proponer una solución integral, caracterizada por la adaptabilidad, que garantice su perfecta adaptación a las particularidades de cada sistema de salud.
3. Metodología
En nuestro esfuerzo por crear un marco óptimo de resiliencia para los sistemas de salud, reconocimos la necesidad imperiosa de combinar los profundos conocimientos de la literatura existente con las soluciones prácticas que ofrecen las heurísticas. Estas heurísticas, caracterizadas como estrategias algorítmicas o «reglas generales», simplifican los procesos complejos de toma de decisiones, una cualidad especialmente relevante en el dinámico entorno sanitario. Esta síntesis estratégica conecta el profundo conocimiento académico con la aplicabilidad práctica, con el objetivo de ofrecer un enfoque integral y práctico para la mejora de la resiliencia en entornos sanitarios.Se ha demostrado que los marcos heurísticos ofrecen un valor práctico significativo, como lo demuestran distintos hallazgos de investigación, en el ámbito de la atención médica. Por ejemplo, un estudio destaca el uso de la heurística en entornos clínicos, donde los profesionales de la salud emplean simulaciones mentales y heurísticas para gestionar eficazmente procesos complejos de toma de decisiones. Este enfoque reduce significativamente la carga cognitiva, lo que permite una toma de decisiones más eficiente y centrada. Ejemplifica cómo, en escenarios de alta incertidumbre y complejidad, los profesionales clínicos pueden optimizar sus procesos de pensamiento para priorizar la información más crítica, lo que se traduce en mejores resultados [
29 ].Otra investigación destaca las ventajas de utilizar heurísticas simplificadas para la toma de decisiones en comparación con los métodos tradicionales de análisis intensivos en información en diagnósticos médicos. Al centrarse en unos pocos predictores clave, estas heurísticas permiten tanto a médicos como a pacientes tomar decisiones mejor informadas, a menudo con mayor rapidez y con un menor gasto de recursos. Este método resulta especialmente eficaz en casos donde un exceso de información puede provocar parálisis del análisis o cuando la rapidez en la toma de decisiones es primordial. Los hallazgos sugieren que, en ciertos contextos sanitarios, menos puede ser más, lo que ofrece un enfoque contraintuitivo, pero muy eficaz, para la toma de decisiones [
30 ].El proceso de construcción de marcos conceptuales implica un análisis minucioso de artículos revisados por pares, lo que facilita la identificación de temas, patrones y recomendaciones comunes. Para esta sección, realizamos una revisión exhaustiva de la literatura sobre resiliencia, centrándonos en la literatura pertinente, a través de la cual examinamos 259 artículos [
31 ]. Nuestro objetivo fue identificar parámetros que facilitaran a los responsables de la toma de decisiones la formulación de decisiones que contribuyan a aumentar la resiliencia en tiempos de crisis. Cabe destacar que estos marcos son conocidos por sus amplios conocimientos teóricos. Sin embargo, es posible que no proporcionen inherentemente pasos prácticos de implementación, ya que a menudo residen predominantemente en el ámbito teórico.En cambio, el marco heurístico se diseñó deliberadamente para proporcionar directrices sencillas y prácticas. Este diseño garantiza que los profesionales sanitarios puedan mejorar la resiliencia sin enredarse en complejos matices teóricos. Al integrar cuidadosamente los principios heurísticos con los temas y perspectivas más generales extraídos de la literatura, nuestro marco integrado aspira a poseer rigor académico y utilidad práctica. El proceso de investigación concluyó con sesiones de retroalimentación con actores clave de los sistemas sanitarios y aplicaciones piloto del marco, perfeccionando nuestro modelo para garantizar su adaptabilidad y relevancia en la mejora de la resiliencia sanitaria.En nuestra metodología, priorizamos la colaboración con diversos actores del sector salud para garantizar la relevancia y aplicabilidad de nuestro marco. La selección se basó en su experiencia y función, incluyendo personal de primera línea, administradores, legisladores y defensores de pacientes, para captar una perspectiva amplia sobre las necesidades de resiliencia en el sector salud.Inicialmente, realizamos sesiones de retroalimentación estructuradas, presentando a las partes interesadas el marco preliminar. Estas sesiones buscaban obtener críticas exhaustivas, sugerencias y posibles mejoras, animando a las partes interesadas a evaluar la exhaustividad del marco, su adaptación a la práctica clínica y su facilidad de integración en los procesos sanitarios actuales. Tras la retroalimentación, pusimos a prueba el marco en entornos sanitarios seleccionados, en particular dentro de la Red Europea de Referencia (ERN) para enfermedades raras, aprovechando su red colaborativa para el intercambio de conocimientos y la coordinación de tratamientos. Esta fase piloto, supervisada estrechamente por las partes interesadas, permitió la evaluación y el perfeccionamiento del marco, garantizando su mejora continua y su relevancia para aumentar la resiliencia sanitaria.Para discernir las características que contribuyen a mejorar la resiliencia, realizamos un análisis exhaustivo, consultando la literatura sobre resiliencia. Identificamos características esenciales que deben estar presentes continuamente en los sistemas de salud para garantizar la resiliencia durante las crisis, como contar con un sistema de vigilancia capaz de monitorear.Sin embargo, reconocimos que algunas características solo deben mejorarse durante la ocurrencia de crisis, lo cual varía según las particularidades de cada sistema de salud y las consecuencias de estas. Esta distinción es crucial en el proceso de toma de decisiones, respondiendo a preguntas como: «¿Necesita el sistema un cambio en sus capacidades?». Esta constatación es lo que buscamos conectar de lo conceptual a lo heurístico e integrarla.Operacionalizamos las características identificadas de resiliencia en los sistemas de salud manteniendo un equilibrio entre las características constantes y contingentes. Las características continuas son aquellas que están presentes de forma permanente en el sistema, mientras que las contingentes se ajustan en función de las condiciones y especificidades del sistema, con la ayuda de los responsables de la toma de decisiones.Este enfoque metodológico, centrado en las características de resiliencia tanto constantes como contingentes, promueve una comprensión más matizada de la resiliencia del sistema sanitario. Integra los conocimientos teóricos de la literatura con aplicaciones prácticas y heurísticas, lo que permite una implementación más personalizada y eficaz de estrategias para el fomento de la resiliencia en diversos entornos sanitarios. Mediante esta integración, buscamos crear un marco con rigor académico y aplicabilidad práctica, garantizando la adaptabilidad y la relevancia de nuestro modelo para el fomento de la resiliencia sanitaria.Inspirándonos en el marco de resiliencia seminal de Holling para infraestructuras críticas, hemos estructurado arquitectónicamente nuestro marco [
32 ]. Este esquema está anclado intrincadamente en cuatro principios fundamentales: monitoreo, anticipación, reconocimiento y aprendizaje (
Figura 1. Cuatro pilares de la resiliencia en infraestructuras críticas.El monitoreo abarca la capacidad del sistema para supervisar y gestionar su estado actual, los factores ambientales, el flujo de información y las interdependencias. Esta capacidad es crucial para mejorar su evaluación y conocimiento de la situación. La anticipación representa la previsión del sistema respecto a los impactos ambientales, las predicciones del comportamiento del sistema y la simulación y evaluación de los desafíos que podría enfrentar ante una crisis. El reconocimiento denota la capacidad del sistema para identificar crisis en curso y emergentes, así como cambios internos o ambientales. Esta capacidad ayuda a evaluar el riesgo de posibles catástrofes, proporcionando información esencial para la toma de decisiones operativas. Finalmente, el aprendizaje implica adquirir conocimientos a partir del reconocimiento fiable de crisis, la exploración de las posibilidades de gestión de crisis, las contramedidas adecuadas y el apoyo a la toma de decisiones. Este proceso dota al sistema de las habilidades, los medios y las medidas necesarios para la gestión de la resiliencia operativa.En
la Figura 2 se representa el marco de resiliencia del sistema de salud, elaborado de acuerdo con estos cuatro pilares fundamentales.
Figura 2. Marco de resiliencia para los sistemas de salud.
4. Discusión
4.1. Descripción general
Para iniciar el desarrollo del marco, es necesario definir el proceso de resiliencia dentro del sistema de salud. Este marco se conceptualiza con base en la investigación orientada a procesos, destacando la interacción dinámica entre la resiliencia, el sistema de salud y el entorno [
33 ]. Además, la gestión de crisis implica respuestas eficaces ante eventos imprevistos, no solo después del evento, sino también durante y antes del mismo [
34 ]. Por ello, incorporamos estas tres fases temporales al definir nuestras etapas.Además, cabe destacar que los límites del sistema de salud están explícitamente delineados y determinados principalmente por sus componentes, funciones, recursos y limitaciones. El marco propuesto ayuda a identificar eventos que podrían afectar al sistema de salud, ya sea de forma predictiva o reactiva, y facilita la toma de decisiones basada en el estado del sistema para ofrecer estrategias de afrontamiento adecuadas.
4.2. Desarrollo de la resiliencia básica
El desarrollo de la resiliencia básica representa un avance fundamental e indispensable para fortalecer la resiliencia dentro del sistema de salud. Este proceso requiere la gestión y el perfeccionamiento meticulosos de las capacidades inherentes y las características distintivas que han fortalecido previamente el sistema en situaciones de crisis (
Figura 3. Diagrama de flujo del desarrollo de la resiliencia central.La etapa central de desarrollo de la resiliencia examina las estrategias previamente empleadas por el sistema de salud para resistir las crisis, integrándolas en marcos como la planificación de escenarios o los planes de gestión de crisis. La acumulación de experiencias, información, conocimientos, capacidades, escenarios y planes de gestión, recopilados por el sistema de salud durante las crisis y evaluados después de ellas, sirve como recursos adaptables para situaciones análogas en el futuro, sujetos a las modificaciones necesarias [
36 ].Sin embargo, el sistema de salud enfrenta obstáculos al enfrentarse a una amenaza sin precedentes con características únicas, que a menudo exige nuevas adaptaciones o expansiones. En tales circunstancias, es imperativo asegurar que los datos y la información existentes sigan cumpliendo los requisitos derivados de la nueva situación [
38 ]. Por consiguiente, el desarrollo de la resiliencia fundamental debe definirse en función de las características de las crisis, los objetivos y los problemas pertinentes a la gestión de la resiliencia prevista.Los hallazgos derivados de este segmento se integran posteriormente durante las etapas de ‘Análisis de la Situación’ y ‘Gestión de Crisis’.
4.3. Recopilación y gestión de datos
La recopilación de datos y el análisis de la situación son pasos que deben realizarse de forma simultánea y repetitiva. Estas dos tareas están relacionadas con la capacidad de monitoreo del sistema de salud y del entorno [
39 ].El objetivo principal de la recopilación y gestión de datos es identificar y reunir los datos y la información necesarios esenciales para la tarea concurrente de análisis de la situación [
39 ]. Es imperativo verificar la calidad, el contenido y la disponibilidad de la validación después de la adquisición de datos [
14 ]. Este enfoque diligente garantiza la integridad y confiabilidad de la información, sustentando así un marco sólido para el análisis de la situación (
Figura 4. Diagrama de flujo de recolección y gestión de datos.Dada la naturaleza dinámica del sistema de salud, existe una necesidad inherente de acumular una gama diversa de datos, que abarca indicadores de rendimiento, la calidad del servicio, factores ambientales, riesgos, aprendizajes experienciales, capacidades, recursos y similares. Ocasionalmente, surge la necesidad de amalgamar estos datos para obtener información de un nivel superior, como discernir relaciones de causa y efecto, causas raíz, etc. La presencia de fallas o defectos dentro del sistema de recopilación de datos, o la calidad subóptima de los datos adquiridos, precipita el fracaso del procesamiento de datos, requiriendo la detección y rectificación por parte del sistema. En última instancia, tras la ejecución exitosa de la recopilación y el procesamiento de datos, se proporcionan los conocimientos resultantes para las etapas posteriores y acciones adicionales [
El análisis situacional es una tarea fundamental en la gestión de la resiliencia en los sistemas de salud (
Figura 5 ). El panorama de alteraciones situacionales se monitoriza y analiza continuamente, con el objetivo de discernir y examinar las condiciones consideradas críticas. El inicio del análisis situacional está marcado por la identificación de indicadores tempranos que señalan la aparición de amenazas potenciales.
Figura 5. Diagrama de flujo del análisis de la situación. La detección de señales comprende la metodología para identificar señales o indicadores de alerta temprana que previenen una posible crisis antes de que se manifieste plenamente. Es fundamental que un sistema de salud distinga con destreza estas señales, ya que esta capacidad facilita la implementación de medidas proactivas y la activación de un plan de respuesta diseñado para atenuar el impacto de una crisis [ 2 ]. Para una detección eficaz de señales dentro de un sistema de salud resiliente, se requiere un sistema de vigilancia integral capaz de monitorear diversos datos en tiempo real y evaluarlos para detectar posibles indicios de alerta. La selección de los métodos de detección puede verse influenciada por la naturaleza y la complejidad de los datos disponibles, junto con los objetivos de la gestión de la resiliencia en diversos sistemas de salud [ 8 , 23 , 43 ].El análisis situacional vuelve a la normalidad si no se observa ninguna anomalía durante esta fase. Sin embargo, si el sistema detecta alguna anomalía o amenaza, debe describirla en detalle y sus características. A continuación, el sistema debe comparar las irregularidades detectadas con cualquier estado probable en los escenarios anteriores para determinar qué posibilidades describen mejor la situación actual. Si el estado de la situación actual coincide con los escenarios previos del sistema, no es necesario iniciar la anticipación de riesgos. Esto ayuda a evitar un análisis innecesario para determinar los riesgos y problemas potenciales. Los nuevos escenarios deben analizarse con suficiente detalle para proporcionar una descripción bien formulada del problema para su posterior investigación en las etapas posteriores [ 12 , 14 , 44 ].
4.5. Anticipación de riesgos
El grupo de gestión de crisis anticipa los riesgos y autoriza las acciones (siguiente paso) según la situación específica de cada sistema de salud, sus objetivos, limitaciones y restricciones. Esta ventaja de este marco lo hace lo suficientemente adaptable como para implementarse en diversos sistemas de salud con diversas características.En una crisis, el sistema de salud puede sufrir cambios negativos y enfrentarse a diferentes presiones que incrementan el riesgo en varios aspectos como la interrupción del sistema de tratamiento o la disminución de la calidad de los servicios; errores de tratamiento por falta de información, errores cognitivos, agotamiento o fatiga; incidentes que amenacen la vida por exposición a situaciones de riesgo; falta de recursos (humanos, medicamentos, infraestructura, etc.).Es necesario analizar el sistema de salud en relación con los riesgos potenciales vinculados a la expansión de la amenaza ante un nuevo escenario o amenaza [ 45 ]. Luego, se investiga el alcance y las características del riesgo, como su gravedad, su probabilidad correspondiente y su posible desarrollo a corto plazo ( Figura 6 ).
Figura 6. Diagrama de flujo de anticipación de riesgos. En el siguiente paso, se analizan todos los resultados obtenidos en relación con los indicadores de desempeño del sistema de salud para comprender el impacto del riesgo correspondiente en el sistema. Finalmente, se determina si el riesgo es crítico con base en la información obtenida. Si el sistema no detecta criticidad, continúa con sus tareas habituales; sin embargo, si la detecta, continúa aprobando medidas de gestión de la resiliencia [ 46 , 47 , 48 ].
4.6. Autorización de acción
Cada sistema de salud está obligado a tomar decisiones cautelosas basadas en las características, imperativos y demandas únicas que percibe en medio de una crisis. Estas decisiones, fundamentalmente, son acciones organizativas que los sistemas de salud deben implementar para mejorar su resiliencia y gestionar eficazmente las crisis y los shocks. Las características de resiliencia incorporan medidas organizativas que, con una implementación o mejora adecuadas, impulsan significativamente la resiliencia. Este enfoque garantiza que los sistemas de salud estén preparados para afrontar eficazmente las complejidades de los desafíos y las disrupciones. Las investigaciones recientes en este ámbito han dado lugar a una gran cantidad de recomendaciones para dichas acciones, con evidencia empírica que subraya la eficacia de ciertas acciones para permitir que los sistemas absorban, se adapten o se transformen en respuesta a las crisis [ 31 ]. Este conjunto de trabajos, resumido visualmente en la Figura 7 , ofrece una guía completa para los sistemas de salud que buscan adoptar estrategias que han demostrado mejorar las capacidades de gestión de crisis.
Figura 7. Características de resiliencia del sistema de salud.Sin embargo, fortalecer y centrarse simultáneamente en todas las características identificadas durante choques o crisis resulta poco práctico debido a la variabilidad en el tiempo, los recursos y las demandas. Esta constatación subraya la necesidad de que los sistemas de salud autoricen acciones y tomen decisiones óptimas según sus contextos específicos. Al adaptar sus estrategias a las necesidades particulares y aprovechar las oportunidades disponibles, los sistemas de salud pueden afrontar las crisis con mayor agilidad, priorizando las acciones que se ajusten a sus características y limitaciones únicas.Estas determinaciones varían inherentemente entre los distintos sistemas, lo que impide establecer una guía o protocolo universal aplicable a todos los sistemas o departamentos. En este contexto, resulta fundamental considerar las diversas características descritas en la literatura existente ( Figura 7 ) con el fin de aumentar la eficacia y la resiliencia de los sistemas de salud [ 31 ].Al extraer información de las fases anteriores y reconocer las necesidades y características únicas de cada sector, los responsables de la toma de decisiones en los sistemas de salud tienen una responsabilidad crucial. Cada sistema, con sus objetivos, limitaciones, riesgos identificados, consideraciones geográficas y normas de gobierno distintivos, requiere estrategias a medida para gestionar eficazmente las crisis. Dotados de la autoridad necesaria, los responsables de la toma de decisiones deben priorizar y reforzar las características distintivas, garantizando la adaptabilidad y la capacidad de respuesta ante los desafíos cambiantes [ 47 , 49 ].Adoptar un enfoque matizado y personalizado para la gestión de la resiliencia, basado en la ciencia de la decisión y el análisis coste-beneficio, permite a los sistemas sanitarios abordar sus demandas específicas de forma eficiente, ahorrando tiempo, energía y recursos. Este enfoque elimina la necesidad de marcos y protocolos rígidos y universales, lo que mejora la adaptabilidad.Al adoptar una estrategia holística que considere la diversidad y las complejidades inherentes a los diferentes segmentos de la atención médica, se puede desarrollar un marco más sólido y adaptable. Este marco es vital para abordar los desafíos multifacéticos que se presentan, mejorando así la eficacia y la sostenibilidad general de los sistemas de atención médica en diversos contextos. La integración armoniosa de una comprensión matizada de las necesidades específicas del sistema con acciones autorizadas e informadas es esencial para optimizar la capacidad de cada sistema para gestionar los desafíos emergentes de la atención médica.
4.7. Evaluación
La etapa final implica una evaluación exhaustiva de las intervenciones autorizadas implementadas para abordar las crisis identificadas, junto con una evaluación de sus resultados, como se ilustra en la Figura 8. El objetivo es formular estrategias para mitigar amenazas similares en el futuro. Este proceso de evaluación comienza durante una crisis, inmediatamente después de la autorización e implementación de las acciones, y se extiende más allá del período de crisis para examinar los efectos tanto a corto como a largo plazo. Dados los diversos impactos de las decisiones y las acciones, un enfoque de evaluación multidimensional es esencial para los sistemas de salud. Este enfoque garantiza una comprensión integral de los efectos de las intervenciones e informa el desarrollo de mejores estrategias para desafíos futuros.
Figura 8. Diagrama de flujo para la etapa de evaluación. La efectividad y eficiencia de las decisiones tomadas sobre la amenaza en expansión se examinan primero utilizando los datos y la información obtenidos del sistema de monitoreo. Además, se evalúa la incertidumbre que surge de diferentes fuentes sobre las acciones autorizadas para determinar la validez de las decisiones. El sistema de salud debe realizar adicionalmente un análisis de costo-efectividad. Esta es una herramienta importante para el sistema de salud, ya que ofrece datos objetivos sobre costos, utilización de recursos, escasez y resultados [ 45 , 49 , 50 ]. Además, dado que el sistema de salud se basa en interacciones humanas, las decisiones deben ser legítimas para ser aceptadas por quienes trabajan en el sistema y los pacientes que reciben servicios. Finalmente, un análisis de riesgo-beneficio ayuda a evaluar el riesgo y los beneficios de las decisiones, acciones y procedimientos para lidiar con la crisis o brindar sugerencias alternativas. Después de confirmar la precisión, los resultados de la fase de evaluación se registran en el sistema de información.
5. Conclusiones
En esta investigación, hemos desarrollado un nuevo marco para mejorar significativamente la resiliencia de los sistemas de salud. Al ir más allá de los modelos existentes de gestión de crisis, este marco está especialmente diseñado para un análisis integral de los sistemas de salud. Hemos identificado un patrón cíclico de mejora de la resiliencia en estos sistemas, analizando no solo el momento de la crisis, sino también sus antecedentes y consecuencias. Nuestro marco busca proporcionar estrategias prácticas en cada etapa de este ciclo, mejorando nuestra comprensión de la resolución de cada incidente, anticipando eventos futuros y enriqueciendo nuestro conocimiento con la perspectiva de eventos anteriores.La toma de decisiones, dentro del marco presentado en nuestro estudio, se basa en características clave que mejoran la resiliencia. En el núcleo de este modelo, las características se organizan en siete bloques fundamentales, diseñados para facilitar su uso e informar los procesos de toma de decisiones. Este enfoque permite la adopción de diversas decisiones adaptadas específicamente a las condiciones y requisitos específicos del sistema. En esencia, estas características guían las estrategias de implementación que permiten al sistema adaptarse y mantener su rendimiento ante crisis o shocks. Al integrar estratégicamente estos elementos en los diferentes sectores del sistema de salud, cada uno con características distintivas, buscamos fomentar la resiliencia de una manera que se ajuste a sus necesidades particulares. Esta metodología conecta eficazmente los conceptos teóricos con la aplicación práctica, minimizando significativamente el riesgo de fallos de implementación.
Nota del blog Este artículo The Lancet de esta semana, es muy conceptual, y su lectura e interpretación trasciende la frontera de lo cardiovascular, que nos sitúa frente al dilema de todo lo que avanzamos en algún aspecto se neutraliza por el aumento de la prevalencia de la obesidad, la hipertensión, la diabetes y el stress, Hicimos que la gente fume menos, coma con menos sal, pero no estamos logrando que no deje de ganar par peso, e instale su enfermedad metabólica con impacto en el hígado, el riñón y el miocardio, entonces que tenemos hacia el futuro que los equipos interdisciplinarios de gestión clínica deben abordar poblaciones desde la juventud, no para medicalizarles la vida, sino para impulsar los hábitos saludables, hasta con incentivos redistributivos de la sociedad, que tanto las administradores de riesgo de trabajo, los municipios, los gobiernos provinciales y nacionales realicen. Sino el esfuerzo de las salas de hemodinamia, la trombólisis, la cirugía cardiovascular, o la disminución de la incidencia del stroke cerebrovascular serán neutralizados por el sedentarismo, el exceso de calorías, de ingerir comida hiperelaborada, de ingerir más alcohol, y la vida medicalizada sin razón.
Los avances en la prevención de las enfermedades cardiovasculares a menudo son aclamados como uno de los principales logros de salud pública de los últimos 50 años. El progreso logrado se basa en los esfuerzos que desafiaron la inevitabilidad de los eventos vasculares, lo que condujo al descubrimiento de factores de riesgo modificables y enfoques sistemáticos para prevenir la exposición de la población. Estos esfuerzos de prevención han dado lugar a reducciones drásticas de la mortalidad y morbilidad vascular prematuras en muchas partes del mundo desde el decenio de 1960.1–3Sin embargo, esta tendencia a la baja parece haberse estancado o incluso revertido en varios países de ingresos altos.3–6 Esta tendencia también parece ser cierta para la morbilidad cardiovascular, con pocos cambios en el número de personas recién diagnosticadas con enfermedades cardiovasculares desde mediados de la década de 2000, incluso cuando se tiene en cuenta el envejecimiento de la población.7Se cree que el aumento de la prevalencia de la obesidad, la diabetes y la enfermedad renal crónica sustenta estas tendencias desfavorables.5
Una perspectiva menos discutida es cómo los cambios en los tipos de presentación de enfermedades cardiovasculares podrían afectar la carga general de la población y afectar nuestro enfoque para la prevención de enfermedades cardiovasculares.
Una serie de estudios recientes a gran escala han aportado nuevos conocimientos a esta perspectiva al investigar las tendencias a largo plazo en diferentes afecciones cardiovasculares.7–14Estos nuevos estudios muestran que las tendencias generales estables en la morbilidad cardiovascular enmascaran una mezcla cambiante de casos de presentaciones de enfermedades cardiovasculares. Son evidentes las reducciones sostenidas de las tasas de síndromes coronarios agudos y accidentes cerebrovasculares.14–17 y contrasta con las tasas estables o en aumento de afecciones no ateroscleróticas, incluidas las arritmias cardíacas, las enfermedades valvulares y el tromboembolismo venoso.7–12 Como resultado de estas nuevas y variadas tendencias, las afecciones tradicionalmente consideradas las enfermedades cardiovasculares más comunes, como la enfermedad coronaria y el accidente cerebrovascular, ahora representan menos de la mitad de la morbilidad cardiovascular total (figura). Por el contrario, otras afecciones se han vuelto comparativamente más comunes. Por ejemplo, la fibrilación auricular o el aleteo es ahora el problema cardiovascular más común, y el tromboembolismo venoso y el bloqueo cardíaco ahora tienen tasas de incidencia ampliamente comparables a las de los accidentes cerebrovasculares o los síndromes coronarios agudos.7,9,14,16,18
Es probable que el aumento de las tasas de algunas de estas afecciones se deba a una combinación de factores biológicos y relacionados con la práctica (p. ej., una mejor detección con pruebas diagnósticas más sensibles, una mayor concienciación, la corrección del infradiagnóstico histórico y el cambio de las definiciones), así como una mejor supervivencia después de eventos ateroscleróticos que dan lugar a que los pacientes desarrollen afecciones cardiovasculares adicionales durante sus años adicionales de vida. Independientemente de la explicación exacta del cambio observado, el creciente número de individuos con estos problemas tiene implicaciones importantes para los servicios de salud y la carga general de morbilidad en la población.
¿Qué se puede hacer ahora? Debemos reflexionar sobre las estrategias de prevención actuales en el contexto de la contribución cambiante de las diferentes afecciones cardiovasculares. Para muchas afecciones cardiovasculares, como las enfermedades valvulares no reumáticas o la fibrilación auricular, la práctica médica actual sigue centrada en gran medida en el tratamiento de los síntomas y la prevención de las complicaciones relacionadas con la enfermedad.19,20 Las últimas guías de prevención de enfermedades cardiovasculares, tanto de las sociedades clínicas americanas como europeas, siguen centrándose en gran medida en las enfermedades ateroscleróticas, al igual que las puntuaciones de riesgo utilizadas para identificar a los individuos de alto riesgo en la práctica clínica.21,22
Es posible que sea necesario contar con estrategias más integrales para la prevención primaria de las enfermedades cardiovasculares y sus consecuencias, comenzando con mayores esfuerzos de investigación para investigar los mecanismos y los factores de riesgo potencialmente modificables de las cardiopatías no ateroscleróticas e identificar intervenciones efectivas para modificarlos.
Es probable que el estudio de las exposiciones dañinas y los mecanismos potenciales en todo el espectro de las presentaciones cardiovasculares abarque marcadores cardiovasculares bien establecidos, así como otros nuevos. Muchos de los factores de riesgo modificables de la cardiopatía aterosclerótica, como la presión arterial, el tabaquismo o la inactividad física, también están implicados en una serie de otras afecciones cardiovasculares, pero su papel exacto, el tamaño del efecto y las interacciones entre ellos están menos establecidos.23–25 También se han reportado efectos diferenciales, por ejemplo, asociaciones de riesgo inversas entre el colesterol y la fibrilación auricular, la presión arterial y el tromboembolismo venoso, y entre la diabetes y el aneurisma aórtico.25–27 Estas asociaciones inversas merecen ser investigadas con más detalle y, si se confirman, sus implicaciones deben entenderse más a fondo.
Además de los factores de riesgo bien reconocidos para la enfermedad vascular, también se ha demostrado que los descubiertos más recientemente (p. ej., inflamación, afecciones inmunomediadas, senescencia celular y terapias contra el cáncer) contribuyen a una amplia gama de resultados cardiovasculares más allá de la aterosclerosis.28–30 Hasta ahora, el diseño de intervenciones efectivas dirigidas a estos nuevos factores de riesgo ha quedado rezagado con respecto a los factores de riesgo convencionales y merece esfuerzos dedicados a la investigación y la implementación.
Varias intervenciones farmacológicas también han mostrado avances prometedores hacia el objetivo de intervenciones efectivas, con terapias farmacológicas tanto existentes como nuevas que muestran potencial en la prevención de la cardiopatía no aterosclerótica en los últimos años. Por ejemplo, se están investigando enfoques para prevenir o retrasar la progresión de la estenosis aórtica, con nuevos biomarcadores y dianas terapéuticas, como la lipoproteína(a), la vitamina K o el fosfato, que muestran potencial y ensayos en curso.31 Del mismo modo, la fibrilación auricular podría no ser una consecuencia inevitable del envejecimiento, y la prevención primaria podría ser posible a través de tratamientos como la renina-angiotensina o la inhibición de la aldosterona.32,33 Del mismo modo, las terapias existentes, como las terapias hipolipemiantes o reductoras de la presión arterial, tienen un papel en la reducción del desarrollo de afecciones como la insuficiencia cardíaca y los aneurismas aórticos.34,35 Los nuevos agentes, como los inhibidores de SGLT2 y los agonistas del receptor de GLP-1, han mostrado efectos pleiotrópicos que podrían contribuir a la prevención de la insuficiencia cardíaca, las arritmias y la enfermedad valvular, aunque los mecanismos por los que esto se puede lograr aún se están investigando.36,37
Es probable que la ampliación del enfoque de la prevención de las enfermedades cardiovasculares abarque también un cambio de perspectiva en muchos otros aspectos, incluido el pronóstico de riesgos personalizado y a largo plazo para captar un espectro más amplio de eventos con un inicio más temprano de la prevención específica. Es probable que las ecuaciones de riesgo futuras evalúen, de forma dinámica y precisa, el riesgo de un individuo de desarrollar resultados cardiovasculares individuales y recomienden el régimen de tratamiento preventivo más adecuado. Las colaboraciones de riesgo de las sociedades cardíacas europeas y americanas ya han comenzado a considerar una gama más amplia de factores de riesgo y resultados, en una variedad de poblaciones.38,39 Y es probable que sigan más iniciativas.
Se espera que el reconocimiento del espectro cambiante de las enfermedades cardiovasculares impulse el aumento de los esfuerzos de investigación en la prevención de las enfermedades no ateroscleróticas, el desarrollo de puntuaciones de riesgo que consideren y equilibren los riesgos en una serie de resultados cardiovasculares, ensayos clínicos para probar intervenciones novedosas o explorar indicaciones más amplias de las existentes y, en última instancia, directrices de prevención basadas en la evidencia que cubran toda la gama de afecciones que contribuyen cada vez más a la la carga social contemporánea de las enfermedades cardiovasculares.
Anexo no publicado en el trabajo
mortalidad en todo el mundo
References
1.Timmis, A ∙ Vardas, P ∙ Townsend, N ∙ et al., the Atlas Writing Group, European Society of Cardiology
European Society of Cardiology: cardiovascular disease statistics 2021
Eur Heart J. 2022; 43:716-799
2.Martin, SS ∙ Aday, AW ∙ Almarzooq, ZI ∙ et al., the American Heart Association Council on Epidemiology and Prevention Statistics Committee and Stroke Statistics Subcommittee
2024 heart disease and stroke statistics: a report of US and global data from the American Heart Association
Martin, SS ∙ Aday, AW ∙ Allen, NB ∙ et al., the American Heart Association Council on Epidemiology and Prevention Statistics Committee and Stroke Statistics Committee
2025 heart disease and stroke statistics: a report of US and global data from the American Heart Association
2019 ACC/AHA guideline on the primary prevention of cardiovasculardisease: a report of the American College of Cardiology/American Heart Association Task Force on clinical practice guidelines
Autoimmune diseases and cardiovascular risk: a population-based study on 19 autoimmune diseases and 12 cardiovascular diseases in 22 million individuals in the UK
Isselbacher, EM ∙ Preventza, O ∙ Hamilton Black, 3rd, J ∙ et al., the Peer Review Committee Members
2022 ACC/AHA guideline for the diagnosis and management of aortic disease: a report of the American Heart Association/American College of Cardiology Joint Committee on Clinical Practice Guidelines
Khan, SS ∙ Matsushita, K ∙ Sang, Y ∙ et al., the Chronic Kidney Disease Prognosis Consortium and the American Heart Association Cardiovascular-Kidney-Metabolic Science Advisory Group
Development and validation of the American Heart Association’s PREVENT equations
El quirófano (OR) es el epicentro de la atención médica, la gestión eficiente de los recursos del OR, el personal, el equipo, es vital para la atención quirúrgica de primer nivel [ 1 ]. Recientemente, la integración de la Inteligencia Artificial (IA) y el Aprendizaje Automático (ML) están transformando la gestión del OR, redefiniendo la planificación y optimización quirúrgica [ 2 ]. El viaje hacia la IA y el ML en la gestión del OR comenzó con una constatación: los datos de la atención médica tenían un potencial sin explotar desde la demografía de los pacientes hasta los historiales quirúrgicos, los protocolos de anestesia y la dinámica de la sala de recuperación [ 3 ]. En 2015, la investigación sobre ML en medicina creció exponencialmente, pasando de la teoría a las aplicaciones del mundo real [ 4 ]. Con una mayor comprensión del ML y el poder de procesamiento, la atención médica está utilizando esta tecnología para abordar desafíos complejos [ 5 ]. En la era de la atención médica basada en datos, el ML se convirtió en una piedra angular para las tareas del OR, prediciendo duraciones quirúrgicas, optimizando cronogramas y mejorando el uso de recursos [ 6 ]. Los algoritmos de ML, como los árboles de decisión y los bosques aleatorios, redefinieron la eficiencia del quirófano, prometiendo predicciones más precisas y una toma de decisiones proactiva [ 7 ]. Esta revisión sistemática actualiza nuestro trabajo anterior, “Inteligencia artificial: una nueva herramienta en la gestión del quirófano. Función de los modelos de aprendizaje automático en la optimización del quirófano”, centrándose en el período comprendido entre febrero de 2019 y el 28 de septiembre de 2023 [ 4 ]. En la revisión anterior, exploramos el papel fundamental de ML en la remodelación de la gestión del quirófano, haciendo hincapié en el potencial de los algoritmos impulsados por IA para la programación, la predicción de la duración de los casos y la optimización de la asignación de recursos. En esta actualización, profundizamos en los últimos desarrollos de ML en medicina perioperatoria, explorando cómo redefinen la eficiencia del quirófano y la atención al paciente. Exploramos la expansión de ML en la medicina perioperatoria, desde la asignación de recursos de la Unidad de Cuidados Postanestésicos (PACU) hasta la reducción de las cancelaciones de casos quirúrgicos. También destacaremos los desafíos y las oportunidades de integración a medida que buscamos maximizar el potencial de la IA para todos en la atención médica.
Métodos
Estrategia de búsqueda
Esta actualización exhaustiva se realizó de acuerdo con las directrices de Elementos de Informe Preferidos para Revisiones Sistemáticas y Metaanálisis (PRISMA). Se realizó una búsqueda sistemática en múltiples bases de datos, incluyendo PubMed, EMBASE y Scopus, desde febrero de 2019 hasta el 28 de septiembre de 2023. La cadena de búsqueda se adaptó de la revisión anterior y comprendió varias combinaciones de los siguientes términos: «aprendizaje automático», «anestesia», «perioperatorio», «UCPA», «quirófano», «sala de recuperación» y «cirugía asistida por robot».
Criterios de inclusión y exclusión
Se consideraron todos los estudios relevantes que emplearon técnicas de aprendizaje automático en el contexto de quirófano, anestesia, sala de recuperación (RR) y manejo de la unidad de cuidados postoperatorios (UCPA). Se excluyeron los estudios publicados antes de febrero de 2019, los resúmenes y aquellos que no estaban escritos en inglés. Además, se excluyeron del análisis los estudios pediátricos y veterinarios.
Cribado y selección
Dos revisores independientes llevaron a cabo el proceso de selección en dos etapas: selección de título/resumen y selección de texto completo. Cualquier discrepancia o incertidumbre se resolvió mediante debate y consenso. Tras eliminar los duplicados, se realizó un proceso de selección inicial que excluyó revisiones y artículos de congresos, lo que resultó en un grupo depurado de posibles estudios. Se evaluaron los artículos de texto completo restantes y se excluyeron los estudios no directamente relacionados con la aplicación del aprendizaje automático. La selección final incluyó estudios publicados entre febrero de 2019 y el 28 de septiembre de 2023 que cumplieron con los criterios de elegibilidad.
Extracción de datos
La extracción de datos siguió un enfoque estructurado, centrándose en las características del estudio relacionadas con los métodos de aprendizaje automático, las poblaciones de pacientes, los entornos de los ensayos, las variables y los resultados. Los datos extraídos se sintetizaron narrativamente, centrándose en los temas y hallazgos clave relacionados con el papel de las nuevas tecnologías en el manejo perioperatorio desde una perspectiva administrativa y de gestión. Los hallazgos se resumieron y presentaron de forma exhaustiva.
Resultados
La búsqueda arrojó 90.492 artículos publicados entre febrero de 2019 y el 28 de septiembre de 2023, sin duplicados; 44.723 eran texto completo. Solo 2.009 eran ensayos clínicos y ensayos controlados aleatorizados. Realizamos una revisión más exhaustiva, conservando solo los estudios en inglés realizados con población adulta (mayores de 18 años), con un total de 1.071 estudios. Tras examinar los 30 estudios restantes, descartamos ocho artículos: dos no estaban estrictamente relacionados con la aplicación del aprendizaje automático y seis eran estudios teóricos. En la selección final, se incluyeron 22 estudios en el análisis [ 8 , 9 , 10 , 11 , 12 , 13 , 14, 15 , 16 , 17 , 18 , 19 , 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ] . La figura 1 muestra el diagrama de flujo PRISMA.
Figura 1
Las Tablas 1 , 2 y 3 resumen las características clave del estudio, centrándose en los métodos de aprendizaje automático, las poblaciones, los entornos de los ensayos, las variables y los resultados. La Tabla 1 predice la duración de la intervención quirúrgica, la Tabla 2 abarca la predicción de la estancia en la UCPA y la Tabla 3 se centra en las cancelaciones de procedimientos quirúrgicos.Tabla 1 Principales estudios sobre predicción del tiempo quirúrgico
Mesa de tamaño completoTabla 2 Principales estudios sobre la duración de la estancia en la UCPA
Mesa de tamaño completoTabla 3 Principales estudios sobre el riesgo de cancelación de cirugía
Entre los 22 estudios analizados [ 8 , 9 , 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 , 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ], dieciséis se centraron principalmente en predecir la duración de los casos quirúrgicos [ 8 , 9 , 10 , 11 , 12 , 13 , 15 , 16 , 17 , 18 , 19 , 20 , 21 , 22 , 23 , 24 ], tres se centraron en predecir la duración de la estancia en la UCPA [ 25 , 26 , 27 ]. Un estudio abordó ambos aspectos [ 14 ], mientras que solo dos estudios examinaron la identificación de casos quirúrgicos con alto riesgo de cancelación [ 28 , 29 ]. Además, cabe destacar que solo uno de los estudios es un ensayo clínico aleatorizado [ 23 ], lo que sugiere la necesidad de diseños experimentales más robustos en este dominio de investigación. En los estudios seleccionados, los algoritmos de aprendizaje automático utilizados con mayor frecuencia están representados por Random Forest, XGBoost, regresión lineal, regresión de vectores de soporte (SVR), redes neuronales, bagging, métodos de conjunto, perceptrón, CatBoost y regresión logística. Todos ellos [ 8 , 9 , 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 , 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29] demostró la capacidad de mejorar la precisión predictiva de las duraciones quirúrgicas, la duración de la estancia en la UCPA y las predicciones de cancelación de casos quirúrgicos de alto riesgo. Cabe destacar que XGBoost mostró el mejor rendimiento general cuando se utilizó. Los métodos de conjunto, como Bagging y Random Forest, mejoraron la precisión de la predicción mediante la combinación de modelos [ 14 ]. Los modelos de aprendizaje automático (ML) también optimizaron la programación y la asignación de recursos. Por ejemplo, Hassanzadeh et al. [ 11 ] predijeron las llegadas diarias al quirófano con un 90% de precisión, optimizando la dotación de personal y la asignación de recursos. Varios estudios, incluidos los de Bartek et al. [ 8 ] y Lam et al. [ 13 ], enfatizaron la importancia de adaptar los modelos de ML a cada cirujano o considerar factores adicionales relacionados con el paciente y la cirugía.
La tendencia observada en las publicaciones de artículos científicos sobre ML en medicina perioperatoria mostró un aumento de 2015 a 2019 [ 4 ], seguido de una disminución (Fig. 2 ).
Figura 2
Esto puede deberse a varios factores. Inicialmente, hubo un aumento del interés y la inversión en aplicaciones de aprendizaje automático, optimizando la gestión de quirófanos, reduciendo costes y mejorando la calidad de la atención al paciente. Sin embargo, la disminución a partir de 2020 puede deberse a investigaciones prometedoras ya publicadas, desafíos prácticos o la necesidad de mayor comprensión y recursos. Las características de la curva de aprendizaje se representan en la (Fig. 3 ).
Figura 3
Esta tendencia refleja la naturaleza cambiante del aprendizaje automático (ML) en la medicina perioperatoria, lo que requiere un análisis detallado del panorama de investigación, la financiación, la tecnología y las prioridades cambiantes. Si bien los estudios han demostrado la eficacia de los sistemas de IA/ML en aplicaciones en quirófanos, la reticencia o reticencia de los médicos a incorporarlos en la toma de decisiones sigue siendo un obstáculo importante. Este fenómeno se debe a numerosos factores. La naturaleza compleja de las tecnologías de IA/ML, especialmente en el ámbito sanitario, puede contribuir a una lenta adopción en la práctica clínica. Para los profesionales clínicos, puede resultar difícil comprender los algoritmos y procesos que sustentan estos sistemas. La naturaleza novedosa y cambiante de las tecnologías de IA puede generar un riesgo percibido, lo que hace que los profesionales clínicos duden en adoptar y confiar plenamente en estas herramientas. Es posible que los profesionales clínicos no estén suficientemente familiarizados con los conceptos y el funcionamiento de los sistemas de ML/IA. La falta de formación sobre el funcionamiento de estas tecnologías puede generar escepticismo. Subsanar esta deficiencia de conocimiento es esencial para generar confianza entre los profesionales clínicos. Además, en el quirófano, donde la seguridad del paciente es primordial, los profesionales clínicos pueden ser especialmente reacios a adoptar tecnologías que puedan afectar los resultados de los pacientes. Las preocupaciones sobre la fiabilidad y seguridad de los sistemas de IA pueden contribuir a un enfoque conservador para su adopción. Si bien los estudios han demostrado la eficacia de los sistemas de IA/ML en entornos controlados, los médicos pueden ser reacios a considerar su aplicabilidad y generalización en el mundo real. La validación clínica limitada y la evidencia insuficiente de mejores resultados para los pacientes en diversos escenarios pueden obstaculizar la aceptación de estas tecnologías. Además, los médicos a menudo enfrentan consideraciones éticas y legales al integrar la IA en la atención al paciente. Los problemas relacionados con la privacidad de los datos, la responsabilidad y las implicaciones éticas de la toma de decisiones automatizada pueden contribuir a la reticencia a adoptar sistemas de ML/IA en los quirófanos. Finalmente, la comunicación y colaboración efectivas entre científicos de datos, ingenieros y médicos son cruciales. La falta de alineación en los objetivos, las expectativas y el lenguaje entre estos equipos interdisciplinarios puede llevar a malentendidos y obstaculizar la implementación exitosa de la IA en entornos clínicos. Abordar estos factores implica no solo mejorar la explicabilidad y la transparencia de los modelos de IA, sino también implementar programas sólidos de educación y capacitación para los médicos [ 30 ]. Crear un entorno colaborativo que involucre a los profesionales clínicos en el proceso de desarrollo, garantizar una validación clínica rigurosa y abordar las cuestiones éticas y legales son pasos esenciales para fomentar la confianza y la aceptación. Superar estos desafíos puede contribuir a acelerar la integración de los sistemas de IA/ML en los procesos de toma de decisiones en quirófanos. Figura 4Ilustra una comparación del número de publicaciones en cada área entre la versión anterior de la revisión y esta actualización.
Figura 4
Discusión
De los 22 artículos seleccionados [ 8 , 9 , 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17, 18 , 19 , 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ] , 17 se centran en predecir la duración de la planificación quirúrgica [ 8 , 9 , 10 , 11 , 12 , 13 , 14, 15 , 16 , 17 , 18 , 19 , 20 , 21 , 22 , 23 , 24 ] . Este hallazgo subraya el papel crucial de la estimación precisa en la duración del caso quirúrgico para la gestión eficaz del quirófano. Presenta un desafío complejo y multifacético que impacta profundamente la programación del quirófano, la asignación de recursos y la eficiencia operativa general. Nuestra revisión anterior [ 4 ] destacó principalmente los resultados prometedores de un algoritmo propietario conocido como leap Rail® [ 31 ]. Si bien exhibió una mejora en la precisión predictiva en comparación con los métodos tradicionales, nuestra revisión actualizada revela un panorama más matizado. Estudios más recientes, como el trabajo de Bartek y colegas [ 8 ], han profundizado en el uso de modelos de aprendizaje automático, enfatizando la importancia de los modelos específicos del cirujano. Estos modelos más nuevos superan a los específicos del servicio y mejoran significativamente la precisión de las predicciones del tiempo del caso, ofreciendo beneficios sustanciales en términos de gestión del quirófano. Nuestro análisis actualizado también demuestra el dominio de XGBoost en los modelos de aprendizaje automático sobre otros algoritmos, incluido el modelo de bosque aleatorio y la regresión lineal. Se muestran las capacidades predictivas superiores de XGBoost, lo que es una desviación notable del enfoque de la revisión anterior en leap Rail® [ 30 ]. Esto subraya los rápidos avances en la tecnología de aprendizaje automático y su potencial para refinar las predicciones de la duración de los casos quirúrgicos. Sin embargo, es importante tener en cuenta que diferentes resultados podrían requerir distintos algoritmos de aprendizaje automático. [ 32]Otro hallazgo clave de la revisión previa fue el potencial ahorro de costos asociado con la predicción precisa de la duración de los casos quirúrgicos en cirugía robótica. Sin embargo, nuestra revisión actualizada aporta nuevos conocimientos. Jiao y sus colegas [ 11 ] introdujeron el uso de redes neuronales artificiales modulares (MANN) para predecir la duración quirúrgica restante. Las MANN son redes neuronales equipadas con memoria externa. Destacan en tareas que requieren contexto y razonamiento secuencial, lo que las hace adecuadas para ciertas aplicaciones clínicas. Aprovecharon los registros de anestesia de una amplia gama de poblaciones quirúrgicas y tipos de hospitales, lo que demuestra la robustez y adaptabilidad de su modelo. MANN superó consistentemente los enfoques estadísticos bayesianos, especialmente durante el último cuartil de la cirugía, lo que indica su potencial de ahorro de costos y mejoras en la eficiencia operativa. El estudio también evaluó la generalización y transferibilidad del modelo MANN. Se descubrió que incluso los sistemas de salud con menor volumen operatorio podrían beneficiarse del ajuste de un modelo entrenado en sistemas cercanos de mayor tamaño. También destacó la falta de información significativa en el registro de anestesia durante ciertas fases de la cirugía, lo que sugiere margen de mejora. Este estudio subraya los rápidos avances en algoritmos de aprendizaje automático y su aplicación en escenarios quirúrgicos del mundo real. Los autocodificadores variacionales (VAE), que son modelos generativos diseñados para aprender representaciones latentes de datos, también encajan en este contexto. Consisten en un codificador y un decodificador. El codificador asigna datos de entrada a una distribución de probabilidad en un espacio latente, y el decodificador reconstruye datos de muestras en este espacio latente. Vincular modelos avanzados como MANN y VAE al sentido clínico implica que estos modelos podrían contribuir al campo de la medicina personalizada al aprender representaciones específicas del paciente, lo que permite planes de tratamiento a medida y también abordar necesidades clínicas, mejorar diagnósticos, mejorar los resultados del paciente o agilizar los procesos de atención médica [ 33 ]. El trabajo realizado por Strömblad et al. [ 23 ], un ensayo clínico aleatorizado de un solo centro, aportó conocimientos adicionales. Exploraron la precisión de predecir las duraciones de los casos quirúrgicos utilizando un modelo de aprendizaje automático en comparación con el sistema de flujo de programación existente. Esta investigación enfatizó los beneficios de un enfoque de predicción integral y basado en datos, lo que resultó en una reducción significativa del error absoluto medio (EMA), lo que contribuyó a una mayor precisión de la predicción. Cabe destacar que esta disminución del EMA se tradujo en una reducción de los tiempos de espera de los pacientes sin afectar negativamente los tiempos de espera de los cirujanos ni la eficiencia operativa, lo que indica un equilibrio armonioso entre la eficiencia y los resultados del paciente. Este estudio es el primer y único ensayo clínico aleatorizado sobre el tema, según nuestro conocimiento, lo que representa un hito significativo.
Al comparar las revisiones, tanto la anterior [ 4 ] como la actualizada subrayan los beneficios potenciales de una mejor precisión de predicción en la programación quirúrgica y la gestión de quirófanos. Sin embargo, los estudios más nuevos proporcionan información más específica sobre las implicaciones prácticas. El trabajo de Bartek y colegas [ 8 ] muestra una reducción en los tiempos de espera y la utilización de recursos mediante la implementación de modelos basados en aprendizaje automático. Esto tiene un impacto significativo en los resultados de los pacientes sin interrumpir la eficiencia operativa, lo que refuerza el valor de estos modelos predictivos en entornos de atención médica del mundo real. Al comparar la revisión actualizada de modelos predictivos para la duración de la estancia en la UCPA con la versión anterior [ 4 ], podemos discernir una evolución sustancial también en este campo. La revisión anterior ya había reconocido la importancia de mejorar la organización del hospital y la logística interna para reducir los costos asociados con el desperdicio de tiempo y espacio en la atención médica [ 4 ]. Había destacado problemas de congestión en la UCPA debido a una planificación quirúrgica inadecuada, que a menudo provocaba que los pacientes fueran retenidos en el quirófano cuando las camas de la UCPA no estaban disponibles, lo que generaba costos más altos. En la actualización actual, hemos ampliado nuestro análisis para incluir estudios más recientes, centrándonos específicamente en la predicción de la duración de la estancia en la UCPA, y sus hallazgos son sorprendentes. Un estudio realizado por Schulz y colegas [ 25 ] utilizó un conjunto de datos de 100.511 casos para desarrollar modelos predictivos de la duración de la estancia en la UCPA. Consideraron variables como la edad del paciente, la urgencia quirúrgica, la duración de la cirugía y otras para crear un modelo de red neuronal. Cabe destacar que el estudio evaluó a anestesiólogos individuales, categorizándolos según su duración media de estancia en la UCPA. El modelo predictivo, basado en datos administrativos recopilados rutinariamente, explicó significativamente las variaciones en la duración media de la estancia en la UCPA de los anestesiólogos individuales. Este estudio subrayó la viabilidad de implementar modelos predictivos dentro de la infraestructura hospitalaria existente. La investigación de Tully y colegas [ 27]], otro estudio destacado en este campo, tuvo como objetivo desarrollar un modelo que clasificara a los pacientes con alto riesgo de una estancia prolongada en la UCPA de ≥ 3 h. El estudio consideró factores como el procedimiento quirúrgico, la edad del paciente y la duración programada del caso. El modelo más eficaz fue XGBoost, que mejoró significativamente la capacidad de predecir estancias prolongadas en la UCPA. Además, mediante las predicciones del modelo XGBoost, se re-secuenciaron los casos en función de la probabilidad de una estancia prolongada en la UCPA, lo que condujo a una reducción sustancial del número de pacientes en la UCPA fuera del horario laboral. Estos estudios recientes, en conjunto, representan un cambio notable en el campo de la predicción de la duración de la estancia en la UCPA. Destacan el potencial de los modelos predictivos, el aprendizaje automático y los enfoques basados en datos para mejorar la calidad de la atención médica y la eficiencia operativa. La adopción del análisis de big data y la optimización de la secuenciación de casos tienen claras implicaciones para mejorar los resultados de los pacientes y la asignación de recursos. Es evidente que estos modelos son muy prometedores para las instituciones sanitarias, ya que podrían ofrecer un ahorro considerable de costes y una mejor atención al paciente. Al comparar estos hallazgos recientes con la versión anterior de la revisión, observamos un avance notable en la sofisticación de los modelos predictivos. La versión anterior se centraba principalmente en el problema del uso ineficiente de la UCPA y sus implicaciones financieras, destacando el potencial de ahorro de costos mediante una mejor planificación quirúrgica. Los nuevos estudios demuestran no solo el potencial de ahorro de costos, sino también el poder de los modelos predictivos basados en datos, que pueden mejorar significativamente la eficiencia y la eficacia de las operaciones de atención médica.
Uno de los desafíos significativos en la industria de la salud es la cancelación inesperada de casos quirúrgicos. Las cancelaciones quirúrgicas no solo interrumpen el flujo de trabajo de los centros de salud, sino que también representan riesgos para la seguridad y satisfacción del paciente [ 34 ]. Para abordar este problema y optimizar la programación quirúrgica, las técnicas de ML han surgido como una solución prometedora para la detección temprana de posibles cancelaciones. La comparación de la revisión actualizada con la versión anterior [ 4 ] revela avances sustanciales en este aspecto crítico de la gestión de la atención médica. En la revisión anterior [ 4 ], el enfoque estaba en los altos costos asociados con las cancelaciones de casos quirúrgicos, destacando particularmente la variación de costos entre los diferentes tipos de cirugías. Subrayó la necesidad de métodos de clasificación automática para detectar cancelaciones de alto riesgo a partir de grandes conjuntos de datos. Además, la revisión discutió el potencial de los algoritmos de ML, específicamente el bosque aleatorio, para identificar cirugías con alto riesgo de cancelación, con la promesa de optimizar la utilización de los recursos de atención médica y la rentabilidad. La revisión actual continúa enfatizando la importancia de abordar las cancelaciones de casos quirúrgicos en la atención médica. Por ejemplo, Luo et al. [ 28 ] contribuyen significativamente al campo al aprovechar el aprendizaje automático (ML) para identificar cancelaciones de alto riesgo. Su investigación se centra en un conjunto de datos de cirugías urológicas electivas, que comprende más de 5000 casos, con el objetivo de identificar cirugías propensas a cancelación debido a factores relacionados con los recursos y la capacidad institucional. Los autores emplearon tres algoritmos de ML, incluyendo bosque aleatorio, máquina de vectores de soporte y XGBoost, y evaluaron su rendimiento en diversas métricas. Sus hallazgos revelaron la idoneidad de los modelos de ML para identificar cirugías con bajo riesgo de cancelación, reduciendo eficazmente el grupo de cirugías con mayor riesgo. Además, los modelos de bosque aleatorio mostraron una buena eficacia para distinguir las cirugías de alto riesgo, con un área bajo la curva (AUC) superior a 0,6, lo que indica un resultado interesante en este contexto. Diferentes métodos de muestreo permitieron ajustes en el rendimiento del modelo, destacando las compensaciones entre la sensibilidad y la especificidad. El estudio concluyó que los modelos de ML son viables para identificar cirugías con riesgo de cancelación. En un estudio posterior de Zhang y colegas [ 29] del mismo centro, el enfoque se centró en proporcionar metodologías efectivas para reconocer cirugías de alto riesgo propensas a cancelación. También utilizaron el mismo conjunto de datos, pero exploraron una variedad de modelos de aprendizaje automático, incluidos bosques aleatorios, regresión logística, XGBoost, máquinas de vectores de soporte y redes neuronales. El estudio identificó el modelo de bosque aleatorio como el algoritmo de mayor rendimiento, logrando una alta precisión de 0,8578 y un AUC de 0,7199. A pesar de la alta especificidad y el valor predictivo negativo, el estudio reconoció la necesidad de mejorar la sensibilidad y el valor predictivo positivo para identificar casos de alto riesgo. En resumen, ambos estudios [ 28 , 29 ] tienen como objetivo abordar el desafío de las cancelaciones de casos quirúrgicos en la atención médica utilizando técnicas de aprendizaje automático. Destacan la importancia de seleccionar el algoritmo de aprendizaje automático adecuado para esta tarea y reconocen la necesidad de mejorar la sensibilidad y el valor predictivo positivo. Ambos estudios [ 28 , 29 ] reconocen limitaciones relacionadas con su enfoque en cirugías urológicas electivas dentro de un solo hospital y sugieren el potencial de que futuras investigaciones se expandan a diversos entornos de atención médica para una mejor generalización. Al comparar las dos revisiones, la versión anterior [ 4 ] enfatizó la necesidad de algoritmos de ML para abordar las cancelaciones de casos quirúrgicos, pero no profundizó en hallazgos de investigación específicos por falta de estudios sobre el argumento. Por el contrario, en la versión actual proporcionamos información detallada sobre la idoneidad de diferentes modelos de ML para identificar cirugías de alto riesgo. Ambas revisiones comparten un tema común: el papel crítico de las técnicas de ML para abordar las cancelaciones de casos quirúrgicos para mejorar la utilización de los recursos de atención médica y la rentabilidad.
En resumen, la comparación entre las dos ediciones de las revisiones sistemáticas sobre la integración de la inteligencia artificial en la gestión de quirófanos destaca una notable evolución en cada ámbito. En el caso de la estimación de la duración de los casos quirúrgicos, la revisión más reciente muestra una transición hacia modelos basados en aprendizaje automático, en particular XGBoost, y un mayor enfoque en modelos específicos para cada cirujano. Esto implica la materialización del potencial del aprendizaje automático, que promete mayor precisión en las predicciones, reducción de costes y una gestión optimizada del quirófano. De igual manera, en el ámbito de la predicción de la duración de la estancia en la UCPA, la revisión actualizada subraya el potencial transformador de los modelos predictivos, destacando el valor del análisis de big data, la secuenciación optimizada de casos y las métricas ajustadas al riesgo para mejorar los resultados de los pacientes y la asignación de recursos. Reconoce los desafíos de la implementación en el mundo real y la necesidad de una mayor validación mediante estudios prospectivos y esfuerzos colaborativos. En general, la revisión actualizada proporciona una visión más profunda de las aplicaciones prácticas de estas técnicas avanzadas, ofreciendo a los profesionales sanitarios y gestores herramientas valiosas para mejorar la eficiencia, reducir costes y optimizar la atención al paciente. La transición hacia modelos específicos para cada centro en el ámbito sanitario, en particular en lo que respecta a los aspectos organizativos, merece una exploración exhaustiva. Esta tendencia refleja el creciente reconocimiento de que la personalización basada en variables específicas del centro, como el tipo de cirujano o anestesista, puede generar predicciones más precisas y una mejor asignación de recursos. El equilibrio entre las aplicaciones clínicas y organizativas en estos modelos sigue siendo un factor clave. Mientras que los modelos clínicos se centran en factores específicos del paciente, los modelos organizativos, incluidos los específicos para cada centro, abordan principalmente la optimización de recursos, la eficiencia de la programación y la reducción de costes. La elección entre modelos específicos para cada centro y modelos clínicos depende, en última instancia, de los objetivos y prioridades específicos de cada institución sanitaria. En cuanto a la implementación clínica, es crucial investigar cuántos de estos modelos avanzados progresarán más allá de la investigación hasta alcanzar la aplicación práctica. La transición hacia la usabilidad en el mundo real está cobrando impulso, pero no todos los estudios proporcionan herramientas o software para su aplicación directa. Un aspecto crucial es la integración de estos modelos en las rutinas de trabajo diarias. Una implementación exitosa suele implicar la colaboración interdisciplinaria entre científicos de datos, profesionales sanitarios y administradores. Estas herramientas pueden ser utilizadas por diversas partes interesadas, como cirujanos, anestesistas, equipos de programación y administradores hospitalarios. Los diferentes resultados de estos modelos tienen diversos propósitos. Por ejemplo, los modelos clínicos pueden orientar las decisiones de tratamiento, mientras que los modelos organizativos pueden mejorar la asignación de recursos y la eficiencia de la programación. El grado en que estos modelos están diseñados para una fácil integración y uso en las operaciones diarias de atención médica es un área clave de investigación.lo que en última instancia repercute en su utilidad práctica y su impacto en la atención al paciente y la gestión de la atención sanitaria.
Limitaciones
Las limitaciones de esta revisión sistemática incluyen el posible sesgo de publicación, ya que solo se incluyeron artículos publicados en inglés. Además, la disponibilidad de literatura relevante puede variar entre las distintas bases de datos, lo que podría afectar la exhaustividad de la revisión, incluso si se realizaron esfuerzos para mitigar estas limitaciones mediante una estrategia de búsqueda rigurosa y un proceso de selección exhaustivo. No obstante, realizar una evaluación exhaustiva y formular conclusiones definitivas sobre el algoritmo óptimo para los modelos predictivos de complicaciones perioperatorias sigue siendo un desafío debido a la diversidad de entornos y las variaciones en los algoritmos revisados. La falta de estandarización entre los estudios ha impedido realizar un metanálisis utilizando modelos de efectos aleatorios univariados y multivariados. Además, la mayoría de los estudios presentan deficiencias en la validación externa de sus modelos. Si bien el uso del AUC como criterio de evaluación es práctico, es esencial reconocer sus limitaciones, especialmente en escenarios que involucran conjuntos de datos desequilibrados en el ámbito de la IA. La importancia de garantizar la calidad de los datos para la aplicación exitosa de la IA se extiende a diversos ámbitos, como la investigación, la práctica clínica y la organización del sistema de salud. Sin embargo, lograr conjuntos de datos de alta calidad y cantidad requiere un escrutinio riguroso en cada etapa del proceso, desde la recopilación de datos hasta la selección de modelos de aprendizaje automático y sus algoritmos.
Conclusión
En conclusión, esta revisión sistemática ofrece una visión general de los avances recientes en la aplicación de la inteligencia artificial, en particular el aprendizaje automático, en la gestión de quirófanos. El análisis de los 22 estudios seleccionados, desde febrero de 2019 hasta el 28 de septiembre de 2023, arroja luz sobre el panorama en evolución de las soluciones basadas en IA en la medicina perioperatoria. La revisión destaca el papel fundamental del aprendizaje automático en la predicción de la duración de los casos quirúrgicos, la optimización de la asignación de recursos en la UCPA y la detección de cancelaciones de casos quirúrgicos. Estos modelos basados en IA han demostrado su potencial para mejorar significativamente la eficiencia, la rentabilidad y la seguridad de los procedimientos quirúrgicos. Es evidente que las técnicas de aprendizaje automático se integran cada vez más en la gestión sanitaria para abordar desafíos complejos. Además, la revisión reconoce que la adopción del aprendizaje automático en la medicina perioperatoria no está exenta de desafíos. Problemas como el acceso a los datos, las preocupaciones sobre la privacidad y la necesidad de estudios de validación exhaustivos dificultan la implementación generalizada de soluciones de IA. La revisión también sugiere que, a medida que el campo madura, investigadores y profesionales deben profundizar en la comprensión de las aplicaciones de la IA, lo que podría llevar a una disminución en la cantidad de nuevas publicaciones al abordar cuestiones y desafíos más complejos. En general, esta revisión sistemática subraya el potencial transformador de la inteligencia artificial, en particular el aprendizaje automático, para transformar la gestión de los quirófanos. Exige investigación, colaboración e innovación continuas para superar los desafíos existentes y aprovechar al máximo los beneficios de la IA para los administradores de atención médica, los profesionales y, sobre todo, los pacientes. A medida que avanzamos, la integración de la IA en la gestión de los quirófanos promete mejorar aún más la atención médica y los resultados de los pacientes en los próximos años.
Este trabajo expresa como Canadá como sistemas de salud, desde el uso apropiado como también choosing wisely movimiento para realizar una prescripción adecuada.
En marzo de 2023, la Oficina de Transición de la Agencia Canadiense de Medicamentos (CDATO) estableció el Comité Asesor sobre el Uso Adecuado. Esto surgió tras la reiterada necesidad de un mejor apoyo y coordinación para el uso adecuado de los medicamentos con receta. El comité asesor se encargó de brindar orientación y asesoramiento sobre actividades clave para abordar el uso adecuado de los medicamentos en Canadá. Su mandato incluía:
Apoyar el desarrollo de una estrategia pancanadiense para la adecuación de los medicamentos
Asesorar y brindar recomendaciones sobre las funciones y responsabilidades de un programa de uso apropiado de la Agencia Canadiense de Medicamentos (CDA)
Desarrollar una agenda futura de acciones tempranas e identificar áreas prioritarias para el CDA relacionadas con el uso apropiado de medicamentos
El comité asesor se reunió mensualmente y completó su informe provisional en julio de 2023. Este informe provisional constituye un asesoramiento preliminar al CDATO sobre el desarrollo de una estrategia pancanadiense de uso apropiado y un futuro programa de uso apropiado para el CDA. El informe provisional fue el tema central de consultas específicas, celebradas entre julio y septiembre de 2023, para recabar opiniones sobre el trabajo inicial del comité.
Durante el período de consulta, el comité asesor organizó más de 20 eventos para debatir el informe provisional, e incluyó la opción de responder mediante un cuestionario en línea. En total, más de 200 participantes de todo Canadá compartieron sus opiniones, incluyendo pacientes y personas con experiencia en la vida cotidiana.Nota1Médicos, enfermeras, farmacéuticos, investigadores, asociaciones de salud, representantes gubernamentales, la industria y otros profesionales y líderes de la salud. Cada mesa redonda, reunión bilateral y cuestionario proporcionó información valiosa para nuestro trabajo. El entusiasmo fue increíble, y una abrumadora mayoría de los participantes coincidió en que la prescripción y el uso adecuados de los medicamentos son una prioridad.
Temas clave de la consulta del informe provisional
El mensaje fue claro: el uso apropiado es una tarea importante. Se necesita un liderazgo dedicado para garantizar la coherencia, la acción y la rendición de cuentas para promover el uso apropiado desde todos los ángulos.
“Esta es una iniciativa muy importante que requiere involucrar a los pacientes y al público para garantizar su relevancia…”Paciente
1. Enfatizar la seguridad y la reducción de daños
El factor clave para la idoneidad debería ser promover los mejores resultados de salud posibles. Por ejemplo, aumentar la seguridad tomando los medicamentos correctos, en el momento oportuno, por el motivo oportuno, en las dosis adecuadas, durante el tiempo adecuado y solo cuando sea necesario. Aumentar la seguridad también reduce el riesgo de daños que pueden ocurrir cuando no se usa adecuadamente. Otras consideraciones, como la eficiencia del sistema, el ahorro de costos y los beneficios ambientales, serían beneficios adicionales del uso adecuado de los medicamentos. Además, lo que es apropiado para una persona podría no serlo para otra, por lo que es importante definir el término «idoneidad». Esta cuestión se planteó en varias ocasiones durante las consultas del informe provisional y condujo a la revisión de la definición del comité asesor en este informe final.
2. Considerar cuestiones de acceso y equidad para los pacientes.
Invitar a las personas a discutir la idoneidad de los medicamentos a menudo provocó preguntas y comentarios más amplios sobre el acceso, como:
¿De qué sirve hablar del uso adecuado cuando no puedo pagar los medicamentos recetados?
No tengo un profesional de la salud al que pueda acudir. Es imposible que me den mi opinión sobre la idoneidad de la medicación.
Es posible que haya tratamientos excelentes sin medicamentos que sean mejores para mi estado de salud, pero mi seguro no los cubre.
Si bien las cuestiones de acceso y equidad no son el enfoque inmediato de la estrategia de uso adecuado presentada en este informe, es importante reconocerlas. La asequibilidad, la cobertura y el acceso a la atención influyen en el acceso a tratamientos adecuados y requieren atención.
3. Proporcione más detalles sobre el plan.
El enfoque en el uso apropiado recibió un gran apoyo de los participantes. Un encuestado ofreció el siguiente consejo sencillo: ¡ Comienza ya! Otros deseaban obtener más detalles sobre cómo las organizaciones podrían contribuir a la estrategia, así como detalles específicos sobre la función de uso apropiado de la CDA. Este informe final proporciona más detalles, con consejos y recomendaciones sobre las actividades que la CDA debería llevar a cabo y las capacidades de liderazgo que debería adoptar para liderar la estrategia de uso apropiado.
4. Proporcionar herramientas y orientación fáciles de usar para los proveedores de atención médica.
El tema de los desafíos de los recursos humanos en el ámbito de la salud surgió con frecuencia durante las consultas sobre el uso adecuado de los medicamentos. Muchos participantes hablaron de la presión y el agotamiento que han enfrentado los profesionales sanitarios en los últimos años. Destacaron la importancia de contar con procesos y estrategias sencillos para integrar mejor las nuevas investigaciones y la evidencia en la práctica, lo que ayuda a orientar la prescripción adecuada. Los profesionales sanitarios, los pacientes y las personas con experiencia en la vida cotidiana solicitaron herramientas fáciles de usar e información fiable para respaldar su toma de decisiones y contribuir a mejorar los resultados de los pacientes. Este informe final reconoce este importante contexto y refuerza la idea de que las mejoras en la adecuación de los medicamentos se traducirán en mejores resultados de salud para los pacientes, reduciendo en última instancia la presión sobre el sistema sanitario y sus profesionales. Este informe también contiene consejos sobre cómo la CDA puede facilitar la difusión de herramientas e información útiles.
“Debemos ser conscientes de los problemas que enfrenta actualmente este país en materia de recursos humanos y de salud… Si van a abordar [el uso apropiado], tiene que ser simple y fácil”.Representante de la Organización de Uso Apropiado
5. Hacer que la estrategia sea adaptable y abierta al aprendizaje
Muchos participantes hablaron sobre cómo el sistema de salud se enfrenta a un entorno en constante cambio:
Los pacientes y el público exigen una mayor participación en las decisiones sobre su salud.
Los proveedores de atención médica están viendo una expansión de las autoridades para prescribir medicamentos.
Las aseguradoras de salud tienen políticas para promover opciones sostenibles (por ejemplo, cambio de biosimilares);
El sector de la salud y las biociencias continúa desarrollando nuevos productos y tratamientos.
Los participantes señalaron que el programa de uso apropiado de la CDA deberá basarse en la relevancia actual y evolucionar con los cambios futuros en el sistema de salud. El marco de liderazgo propuesto para la CDA enfatiza la difusión y la ampliación de enfoques prometedores, así como su adaptación continua.
6. Generar credibilidad y confianza
Desde diversas perspectivas, la idea de una estrategia pancanadiense de uso apropiado con un liderazgo dedicado recibió un firme apoyo. Al mismo tiempo, algunos expresaron escepticismo sobre los factores que impulsan el uso apropiado (por ejemplo, como medida de reducción de costos o para reducir las opciones para los pacientes). Por lo tanto, generar confianza y credibilidad con los socios es clave para movilizar apoyo y generar cambios. Los participantes alentaron al CDA a dedicar tiempo a comprender los intereses y necesidades de los socios, ayudarlos a comprender la intención de una estrategia de uso apropiado, demostrar integridad y capacidad, y asegurar el cumplimiento de las acciones y los resultados. Estos principios se reflejan en las recomendaciones al CDA que se incluyen en el informe.
7. Promover la diversidad, la equidad, la inclusión y la reconciliación en el sistema de salud.
No cabe duda de que nuestro sistema de salud desatiende y discrimina desproporcionadamente a ciertos grupos por diversos factores sociodemográficos, como la edad, la discapacidad, el género y la identidad de género, la orientación sexual, así como la raza, la etnia y la indigenidad. Reconocer esto ha dado lugar a la creación de varias iniciativas destinadas a promover sistemas de salud libres de racismo y discriminación, incluyendo una a nivel pancanadiense.Nota2Acelerar la equidad y la justicia en la atención médica merece estar a la vanguardia de todas las iniciativas de salud, y la prescripción y el uso adecuados de medicamentos no son la excepción. Podemos empezar por aclarar que la «idoneidad» no es una idea universal. Los participantes reconocieron claramente que algunos enfoques actuales para la prescripción y el uso de medicamentos siguen arraigados en un marco colonial. Esto conduce a prácticas y prioridades de prescripción que no reflejan las necesidades de las poblaciones racializadas y marginadas. También reconocieron que esto requiere atención si queremos lograr la reconciliación con los pueblos y comunidades indígenas de Canadá. Para ello, el asesoramiento del Comité Asesor sobre el Uso Adecuado en el informe final subraya la necesidad de prestar atención y realizar esfuerzos deliberados para mejorar la equidad en salud, la seguridad cultural y la integración de las perspectivas de las poblaciones que merecen equidad.
Es importante considerar otros datos demográficos, además de los determinantes sociales de la salud. Una única solución no será adecuada para todos los grupos. Paciente
Estos temas de las consultas del informe provisional han guiado la elaboración del asesoramiento y las recomendaciones presentadas en este informe final.
Descripción general y recomendaciones
En todo Canadá, existen oportunidades para mejorar la prescripción y el uso de medicamentos, lo que generará mejores resultados para los pacientes, las personas con experiencia y el sistema de salud en general. En este informe, el Comité Asesor de Uso Apropiado (CDA) asesora sobre una estrategia común que todos los socios deben respaldar, así como sobre el liderazgo y las medidas recomendadas para que el CDA impulse dicha estrategia. En el Anexo B se incluye una lista completa de los socios para el uso apropiado y la importancia de su participación .
El uso apropiado se define como tomar el medicamento más adecuado a las necesidades de una persona para obtener el mayor beneficio posible y evitar posibles daños. Este informe comienza con una introducción sobre el uso apropiado, qué implica y el desempeño de Canadá en materia de adecuación de medicamentos. A continuación, presenta un conjunto de seis principios rectores para abordar el uso apropiado desde una perspectiva pancanadiense. La visión y la misión estratégicas, con sus metas y objetivos, describen una ruta para guiar a los numerosos colaboradores necesarios para mejorar la adecuación de medicamentos en Canadá.
Se espera que el CDA materialice la visión general trabajando con sus socios para alcanzar cinco prioridades estratégicas. Además, el comité asesor recomienda ocho áreas de liderazgo al CDA como marco para enriquecer el panorama actual.
Lista de recomendaciones del Comité Asesor de Uso Apropiado:1
El CDA lidera e implementa las prioridades estratégicas propuestas, facilitando la participación activa de todos los socios. El CDA debe medir e informar anualmente sobre el progreso.
En el primer año, establecer una red de socios clave dedicados a impulsar las prioridades de la estrategia pancanadiense de uso apropiado propuesta y convocar a estos socios. La CDA debe definir claramente las medidas que adoptará para apoyar y complementar los esfuerzos de los socios.2
La CDA actúa para apoyar las prioridades estratégicas, empezando por aquellas que promueven la colaboración, e informa sobre su progreso y éxito.
En el primer año, establecer un órgano asesor para la implementación del uso apropiado. Este órgano asesor informaría sobre la implementación de las recomendaciones del comité asesor, así como sobre las futuras prioridades de uso apropiado, e informaría sobre los avances.3
La CDA se establece como una referencia confiable para Canadá sobre el uso apropiado de medicamentos.
En el primer año, comience a trabajar en el desarrollo de credibilidad y relaciones. Dedique recursos a la colaboración con diversos socios y apóyelos para abordar los problemas y las recomendaciones identificadas por el comité asesor.4
El CDA establece una relación sólida con las provincias y los territorios para desarrollar la capacidad local de uso apropiado.
Durante el primer año, colabore con los gobiernos provinciales y territoriales para identificar cómo la CDA puede apoyarlos en el desarrollo de su capacidad para abordar los problemas de uso apropiado. Juntos, identifiquen cómo implementar las recomendaciones del comité asesor e incluyan a pacientes y personas con experiencia en estas iniciativas.5
El CDA fomenta la conciencia y la comprensión del uso apropiado.
En el primer año, liderar una campaña nacional de concientización basada en información confiable y basada en evidencia, y llevarla a cabo con socios.6
Todos los socios desarrollan activamente una estrategia de datos pancanadiense para respaldar la idoneidad de la medicación, liderada por el CDA.
Durante el primer año, el CDA reúne a los socios de datos y lidera una estrategia de datos para apoyar las iniciativas de uso adecuado. Esta estrategia debe desarrollarse con personas con experiencia práctica y contar con el respaldo de todos los socios.7
El CDA adopta el marco de liderazgo y construye un plan de implementación en torno a él.
En el primer año, desarrollar capacidades para encarnar los atributos de liderazgo deseados descritos en el marco.8
Todos los socios se comprometen con la estrategia y trabajan con el CDA para implementarla con éxito.
En el primer año, el CDA trabaja con sus socios para adoptar un enfoque de impacto colectivo que aproveche las fortalezas de los diversos socios del sistema, incluidas las organizaciones de salud pancanadienses.9
El CDA establece objetivos y fomenta un entorno de aprendizaje y mejora continuos a través de ciclos de retroalimentación periódicos y una comunicación abierta con los socios, incluidos los pacientes y aquellos con experiencia vivida y de vida.
En el primer año, involucrar a todos los socios para desarrollar y ampliar el trabajo de las organizaciones existentes y los proyectos prometedores en todo el país, al tiempo que se identifican prácticas líderes para escalar y difundir.
Introducción
El uso adecuado implica que las personas tomen los medicamentos más adecuados a sus necesidades para obtener el mayor beneficio posible y evitar posibles daños. El uso adecuado de los medicamentos debe aportar valor a los pacientes, a su comunidad, al sistema de salud y al entorno en general.
En Canadá, se estima que el 55% de los adultos y el 23% de los niños y jóvenes utilizan al menos un medicamento recetado al mes.Nota3Nota4Muchas personas recurren a medicamentos recetados y otros medicamentos o remedios para mantener su salud o para evitar enfermarse o empeorar su condición. Sin embargo, a veces los medicamentos que toman pueden ser perjudiciales, incluso si se usan según lo prescrito.
El uso inapropiado y sin control de medicamentos puede causar más daños que beneficios y afectar su calidad de vida. También puede causar emergencias sanitarias globales, como la resistencia a los antimicrobianos.Nota5o la crisis de los opioides.Nota6¿Se está usando el medicamento correcto? ¿La dosis y la duración correctas? ¿Cuáles son los posibles efectos secundarios? ¿Cómo se toman las decisiones sobre la medicación y cuáles son los obstáculos para tomar decisiones terapéuticas adecuadas?
Es importante responder a estas preguntas: personal, sistemática y globalmente.
Definición del uso apropiado
Los profesionales de la salud y los responsables de la formulación de políticas suelen usar los términos «uso apropiado», «uso racional», «uso correcto» y «uso adecuado» indistintamente. Sin embargo, estos términos no necesariamente son de uso común ni comprendidos por el público en general. Cuando algo se considera apropiado, generalmente depende de a quién y qué se esté considerando. Pensemos en ejemplos como «vestirse apropiadamente según el clima», «encontrar literatura apropiada para un lector joven» o «planificar servicios adecuados para apoyar a una población en crecimiento». Todos estos términos sugieren que el contexto y las circunstancias de una persona influyen en el significado de «adecuación». Lo mismo aplica al uso de medicamentos recetados.
El uso adecuado de los medicamentos recetados implica que las personas toman los medicamentos más adecuados a sus necesidades para obtener el mayor beneficio posible y evitar posibles daños. La adecuación de la medicación prioriza la seguridad del paciente y genera mejores resultados de salud, lo que contribuye a la sostenibilidad de los sistemas de salud.
Para los pacientes, esto puede incluir el uso de medicamentos preventivos para reducir los riesgos para la salud. Para los médicos que recetan medicamentos, puede implicar mejorar la atención mediante un análisis más detallado de las listas de medicamentos de los pacientes para eliminar el uso innecesario de medicamentos. El uso adecuado también puede implicar no usar ningún medicamento y optar por métodos no farmacológicos de eficacia comprobada (por ejemplo, sustituir las pastillas para dormir por una buena higiene del sueño).
La idoneidad depende de las circunstancias individuales y de la mejor evidencia disponible para satisfacer las necesidades y el cuidado de cada persona tanto a corto como a largo plazo.
Médico: Revisar los medicamentos que toman mis pacientes para asegurarse de que todos sean necesarios y útiles.
Paciente: Comprender los efectos secundarios de los medicamentos antes de decidir comenzar a tomar un nuevo medicamento.
Padre: Priorizar el ejercicio, la nutrición y los hábitos saludables, y utilizar medicamentos sólo cuando sea necesario.
Paciente: Usar los tratamientos adecuados en las dosis adecuadas en los momentos adecuados para controlar mi diabetes.
Paciente: Estoy usando terapia cognitiva conductual y un protocolo de reducción adecuado para dejar de tomar pastillas para dormir.
Farmacéutico: Eliminando barreras a la atención médica y promoviendo la equidad en mi comunidad.
La prescripción y el uso adecuado de los medicamentos también previenen el uso excesivo, el uso insuficiente y el uso inadecuado.
Definición de uso excesivo, infrauso y uso inapropiado
El abuso se produce cuando los pacientes usan medicamentos que no necesitan o que aportan poco a su atención, y es probable que les causen más daño que beneficio. Además, si un efecto perjudicial o adverso derivado del uso de medicamentos se interpreta como una nueva afección médica, puede determinarse la necesidad de más medicamentos para responder a los nuevos síntomas. Esto se denomina cascada de prescripción.Nota7Y puede provocar efectos aún más dañinos. Este y otros tipos de abuso de medicamentos suelen ser evitables.
Posible uso excesivo de medicamentos para el trastorno por déficit de atención e hiperactividad (TDAH)
El aumento del uso de medicamentos para el TDAH es una tendencia reconocida en muchas partes del mundo, incluido Canadá. Aproximadamente uno de cada nueve niños y adolescentes en Canadá y Estados Unidos usa algún tipo de medicamento para el TDAH, una tasa mucho mayor que en otros países.Nota8Además, los datos de Columbia Británica (BC) revelan que el uso de medicamentos para el TDAH entre los adultos de BC ha experimentado un aumento drástico a lo largo de los años, pasando de un usuario por cada 1000 adultos en 2004 a 16,5 usuarios por cada 1000 adultos en 2022.Nota9
Es difícil determinar si estas tendencias se deben a mejoras en el diagnóstico, la reducción del estigma, el acceso inadecuado a tratamientos no farmacológicos para el TDAH o al sobrediagnóstico y la prescripción excesiva de medicamentos para el TDAH. El TDAH es, de hecho, uno de los trastornos del neurodesarrollo más comunes y muchas personas con TDAH experimentan mejores resultados tras la introducción de medicamentos. Sin embargo, a los expertos en salud les preocupa un posible sobrediagnóstico que podría llevar a la medicación innecesaria.Nota10Estos medicamentos pueden afectar el sueño, disminuir el apetito y provocar comportamientos atípicos en la persona que los toma. Para una prescripción y un uso adecuados de los medicamentos, es importante monitorizar los beneficios y los riesgos.
La infrautilización se refiere a que los pacientes no toman un medicamento que probablemente deberían tomar para tratar o prevenir una afección. Usar los medicamentos preventivos adecuados en el momento oportuno puede significar una mejor salud para el paciente, menos visitas a atención primaria, menos necesidad de atención de urgencia y, posiblemente, evitar por completo un problema de salud grave.
Subutilización de estatinas para enfermedades cardiovasculares
Se sabe que las estatinas (medicamentos para reducir el colesterol) reducen el riesgo de enfermedad cardiovascular.Nota11Se estima que 2,8 millones de adultos en Canadá reciben tratamiento con estatinas. Algunas personas con riesgo intermedio y alto de enfermedad cardiovascular no toman estos medicamentos, pero probablemente se beneficiarían de ellos. Cerrar esta brecha podría evitar aproximadamente 19.500 eventos cardiovasculares al año.Nota12
El uso inapropiado es el término general para el uso inapropiado de medicamentos. El uso excesivo y el uso insuficiente se incluyen en el amplio concepto de uso inapropiado, al igual que otras formas de tratamiento que no abordan adecuadamente la atención y las prioridades del paciente. Al brindar la orientación y el apoyo adecuados en las decisiones sobre medicamentos que aborden las necesidades individuales, se puede evitar el uso inapropiado y, en consecuencia, mejorar la evolución del paciente.
Uso inadecuado de antidepresivos para el tratamiento del trastorno por consumo de alcohol
Los antidepresivos, en concreto los inhibidores selectivos de la recaptación de serotonina (ISRS), a veces se utilizan de forma inapropiada para tratar a personas con trastorno por consumo de alcohol (TUA) o en riesgo de padecerlo. La depresión y la ansiedad pueden afectar a las personas diagnosticadas con TUA, pero la prescripción de ISRS para tratar el TUA puede empeorar los síntomas del TUA en ciertos subgrupos.Nota13Nota14Nota15Nota16La guía publicada en el Canadian Medical Association Journal de 2023 insta a los proveedores de atención médica a evaluar a los pacientes para detectar TUA y tratar esos casos en consecuencia, con medicamentos apropiados para el tratamiento del TUA, enfoques psicosociales (por ejemplo, asesoramiento, apoyo social) y/o intervenciones conductuales (por ejemplo, terapia cognitiva conductual).Nota17
Es importante tener claro que no existe una única causa para el uso excesivo, infrautilizado e inadecuado de medicamentos. Más bien, el uso subóptimo es el resultado de un sistema de salud complejo y en constante evolución, que incluye nuevos avances terapéuticos y demandas cambiantes de la población. Por ejemplo:
La población de Canadá es diversa y sus necesidades de medicamentos no son uniformes.
Los descubrimientos científicos continúan aportando nuevos medicamentos/tratamientos o mejorando los existentes.
Las autoridades prescriptoras, las orientaciones y las políticas cambian con el tiempo.
Los médicos no siempre pueden acceder a información completa sobre sus pacientes debido a la falta de conectividad entre las plataformas de salud digital, lo que limita el acceso a los datos que respaldan la toma de decisiones y las mejoras del sistema de salud.
Los proveedores de atención médica y los pacientes pueden verse inundados de prioridades en competencia.
Una mirada a los beneficios del uso adecuado de medicamentos en adultos mayores
En promedio, los adultos mayores (65 años o más) tienden a tener una mayor cantidad de enfermedades crónicas y se les recetan más medicamentos que cualquier otro grupo de edad en Canadá.Nota18Nota19El uso de cinco o más medicamentos diarios (polifarmacia) en adultos mayores se asocia con interacciones medicamentosas potencialmente indeseables y efectos secundarios para la salud. La polifarmacia también se asocia con un mayor riesgo de caídas.Nota20Las caídas y el mayor riesgo de caídas conllevan importantes costos sociales, como la adaptación de las actividades de una persona, la modificación de sus rutinas o la modificación de su vivienda. A esto se suman los costos directos de pagar medicamentos potencialmente inapropiados, así como los costos indirectos de recursos y financieros que el sistema de salud asume como resultado de las consultas de atención primaria, las hospitalizaciones, los procedimientos de diagnóstico, etc., relacionados con las caídas. Si se suman los costos asociados a la contaminación ambiental generada por la cadena de suministro farmacéutica y los vínculos con el tratamiento de residuos, los costos serían mucho mayores.
Por lo tanto, mejorar la adecuación de los medicamentos y reducir el uso de medicamentos de bajo costo ayuda a evitar estos costos innecesarios. Aporta beneficios sanitarios, sociales, económicos y ambientales al evitar daños a los pacientes, su comunidad, el sistema de salud y el medio ambiente en general.
Mejorar la prescripción y el uso de medicamentos en Canadá requiere la colaboración entre profesionales de la salud, pacientes, personas con experiencia de vida, legisladores y otros socios. En definitiva, el uso adecuado debe aportar valor a los pacientes, a su comunidad, al sistema de salud y al entorno en general, brindándoles servicios que generen mayores beneficios que riesgos.
Qué puede implicar la idoneidad de la medicación
Creando concienciaImplica ayudar a las personas a comprender mejor los medicamentos, los riesgos y beneficios que conllevan, así como las opciones de tratamientos que podrían no incluir medicamentos.
Promoviendo la curación
se centra en explorar opciones de tratamiento que no se centren en la eliminación de síntomas o trastornos, sino en opciones que favorezcan un enfoque holístico de la sanación que incluya el bienestar físico, mental, emocional y espiritual.
Reducir el daño
Se centra en limitar el uso inadecuado de medicamentos y los daños asociados a la salud individual, social, financiera, ambiental y pública.
Mejorar la seguridad
Estrechamente vinculado con la reducción de daños, esto respalda las decisiones de medicación que ayudan a las personas a evitar lesiones y riesgos para permitirles tener la mejor calidad de vida posible.
Aportando valor
Apoya la entrega de valor, teniendo en cuenta el valor relativo del medicamento en función de sus beneficios potenciales frente a los daños y costos potenciales para los pacientes, su comunidad, el sistema de salud y el medio ambiente en general.
Definiéndose a sí mismo
Subraya que la idoneidad será específica para cada individuo, dependiendo de lo que defina como sus objetivos de tratamiento, experiencias, preferencias y circunstancias.
Aplicando evidencia
Reconoce la necesidad de que las decisiones de tratamiento estén respaldadas por la mejor evidencia disponible.
Lo que no es la idoneidad de la medicación
Vale la pena abordar algunas de las preguntas y comentarios planteados durante las consultas del informe provisional del comité asesor. Por ejemplo: ¿Es el uso apropiado una medida más para contener los costos? ¿Es una estrategia para reducir las opciones de tratamiento para los pacientes? ¿Acaso la intromisión en la prescripción no vulnera el ejercicio de la medicina, responsabilidad de las provincias y territorios?
El uso apropiado se refiere a las decisiones que los pacientes y sus cuidadores toman con sus profesionales de la salud sobre lo que funciona para el paciente, según su atención clínica, prioridades y preferencias. A veces, se trata de reducir el uso de medicamentos. Otras veces, puede ser la decisión de comenzar a tomar un medicamento, y en otras ocasiones, puede ser la determinación de que no se recomienda o no se necesita. Promover la toma de decisiones informadas para ayudar a mejorar las decisiones no debería reducir las opciones para los pacientes. De hecho, debería lograr lo contrario, ofreciendo alternativas de tratamiento que se adapten mejor a los objetivos del paciente.
Del mismo modo, el uso apropiado no es una medida de reducción de costos. Más bien, el uso apropiado busca mejorar la calidad de la prescripción y el uso de medicamentos, y en última instancia, la calidad de vida. La prioridad es ayudar a las personas a lograr los mejores resultados de salud posibles. Cualquier ganancia adicional, como el ahorro en recursos y costos financieros, constituye un cobeneficio.
Respecto de asuntos que caen dentro del ámbito jurisdiccional, como la práctica de la medicina o la prestación de servicios de salud, el comité asesor sostiene que esos límites pueden respetarse al tiempo que se deja un espacio específico para la colaboración que beneficia a las personas de todo el país.
La pertinencia no implica determinar la validez de las decisiones tomadas por los pacientes, los cuidadores y sus proveedores. Sin embargo, sí impacta positivamente en cada prioridad de salud compartida identificada entre los gobiernos federal, provincial y territorial de Canadá, mediante:
Apoyar servicios de salud mental de calidad, incluidos los destinados a trastornos por consumo de sustancias.
Fortalecimiento de la calidad de la atención en los servicios de salud familiar
Promover un uso más eficaz de los recursos humanos de salud limitados para apoyar a los proveedores de atención médica y reducir los retrasos en los servicios de salud.
Promover el intercambio de información sanitaria electrónica entre pacientes y proveedores de atención sanitaria para permitir un sistema de salud modernizado
Pensar más allá de los medicamentos
Uso adecuado de tratamientos complementarios, alternativos y tradicionales
Aún existe margen de mejora en la integración de métodos de sanación complementarios, alternativos y tradicionales, especialmente dada su demostrada eficacia intergeneracional en otros contextos culturales. Los socios que promueven el uso apropiado de los recursos tienen un papel que desempeñar en la reconstrucción de los sistemas y estructuras neocoloniales de Canadá y en la redistribución del poder y el control hacia quienes se han visto afectados de forma desproporcionada. Pueden lograrlo apoyando políticas, programas y prácticas de uso apropiado que integren los conocimientos y las enseñanzas indígenas, así como los enfoques de otras culturas y prácticas.
La idoneidad de la medicación no se limita al uso o no de medicamentos recetados. También respalda la adopción de tratamientos no farmacológicos cuando la evidencia favorece su uso en lugar de, o en conjunto con, los medicamentos. Los tratamientos no farmacológicos pueden incluir intervenciones como fisioterapia y psicoterapia, así como cambios en los hábitos individuales (p. ej., dieta, ejercicio). Los beneficios para la salud de las terapias no farmacológicas a veces superan los de los medicamentos. Las opciones no farmacológicas también pueden, en ocasiones, mejorar la eficacia de los medicamentos. Por lo tanto, es importante establecer mecanismos de reembolso equitativos para apoyar la adopción de tratamientos no farmacológicos adecuados y beneficiosos.
Al mismo tiempo, abordar el uso apropiado no consiste en crear un silo ni en elaborar un plan desde cero. Reconoce que se está realizando un trabajo significativo en este ámbito en todo el país y ofrece la oportunidad de conectar este trabajo. Esforzarnos por pensar de forma diferente, encontrar la manera de colaborar y aprender unos de otros fortalecerá nuestra forma de abordar la idoneidad de los medicamentos.
Prescripción adecuada y uso apropiado de medicamentos en Canadá hoy
Existen numerosas iniciativas en todo el país que están marcando la diferencia en cuanto a la idoneidad de los medicamentos. Un análisis preliminar de Canadá identificó más de 50 programas e iniciativas relacionados. Estos abarcan desde programas nacionales hasta iniciativas locales destinadas a mejorar la idoneidad de los medicamentos de una u otra manera (véase el Anexo C ). Los tipos de iniciativas incluyen:
Detalle académico: visitas educativas individualizadas de profesionales capacitados para brindar información imparcial para ayudar a los proveedores de atención médica a adoptar las mejores prácticas de prescripción.
Auditoría y retroalimentación: medición del desempeño de un proveedor de salud individual en relación con estándares y objetivos profesionales, que posteriormente se devuelve al proveedor.
Herramientas de apoyo a la toma de decisiones: herramientas (normalmente electrónicas) que guían a los pacientes y a los proveedores de salud a través del proceso de prescripción y deprescripción de medicamentos.
Herramientas educativas: como módulos de aprendizaje, seminarios, seminarios web y materiales para pacientes.
Campañas de concienciación pública: como folletos, campañas publicitarias y carteles.
Pautas y conjuntos de herramientas: como algoritmos clínicos y prácticas estructuradas de gestión de medicamentos.
Hoy en día, las iniciativas para mejorar la prescripción y el uso de medicamentos suelen operar de forma independiente, en áreas de excelencia en todo el país. Las iniciativas locales (por ejemplo, los grupos de apoyo entre pacientes) suelen ser difíciles de identificar. Se necesita coordinación para ampliar la escala de estas iniciativas y ayudar a ampliar su alcance, posiblemente en todo el país. Esto permitiría mejoras más equitativas y uniformes en los resultados de los pacientes.
Una estrategia pancanadiense
Un problema pancanadiense requiere una solución pancanadiense.
La estrategia de uso apropiado pancanadiense propuesta (la “Estrategia”) incluye principios rectores, una visión, una misión, metas y objetivos mensurables y prioridades estratégicas para avanzar colectivamente en la Estrategia.
Los valores fundamentales subyacentes de la Estrategia se basan en seis principios clave. Estos subrayan la necesidad de centrarse en la atención y las prioridades de las personas, aprovechar la labor existente sobre la idoneidad de los medicamentos en todo Canadá y promover el uso adecuado mediante la colaboración con los socios. Los principios también enfatizan los valores clave de la equidad en salud, la aplicación de la mejor evidencia científica y la promoción de la gestión responsable de los recursos. Estos principios deben considerarse y reflejarse en todas las actividades de la Estrategia, desde la planificación hasta la implementación y la comunicación.
Principios rectores y valores fundamentales que sustentan la estrategia:
Centrado en la persona: se centra en el cuidado y las prioridades de las personas y promueve la toma de decisiones compartida.
Colaborativo: Valora la colaboración y la responsabilidad compartida con todos los socios del sistema de salud y aquellos a lo largo del continuo de atención.
Equitativo: Busca reducir las barreras sociales, culturales y ambientales al uso apropiado que obstaculizan las oportunidades de que los pacientes alcancen su máximo potencial de salud.
Basado en evidencia: aplica la mejor evidencia disponible sobre intervenciones y enfoques de implementación para guiar un cambio efectivo.
Continuo: aprovecha los esfuerzos existentes para mejorar el uso apropiado y apoya su coordinación, avance y éxito.
Sostenible: Busca soluciones que mejoren la gestión de los recursos y mejoren el sistema de salud y la estabilidad ambiental.
En conjunto, los principios rectores y los elementos estratégicos describen un camino para guiar a los socios hacia un enfoque consistente en la idoneidad de los medicamentos en todo Canadá.
Visión (lo que nos esforzamos por lograr): Todas las personas en Canadá toman medicamentos recetados que son apropiados para ellos.
Misión (lo que la estrategia existe para lograr): Apoyar a los socios para permitir que todos estén informados de manera óptima sobre la idoneidad de los medicamentos, centrándose en medicamentos recetados o terapias no farmacológicas que brinden el mayor beneficio posible y eviten posibles daños, aportando valor a los pacientes, su comunidad, el sistema de salud y el medio ambiente en general.
Objetivos (cómo la estrategia cumplirá la visión y la misión):
Apoyar a los pacientes y a sus cuidadores para que tomen decisiones informadas desarrolladas con ellos y prioricen sus objetivos y valores personales.
Equipar a los médicos con herramientas basadas en evidencia para respaldar la prescripción adecuada en sus estándares de práctica.
Apoyar a los responsables de la formulación de políticas y la toma de decisiones en la implementación de programas y políticas de uso apropiado basados en la mejor evidencia disponible, las perspectivas de los pacientes y el aprovechamiento de tecnologías de vanguardia.
Fortalecer la sostenibilidad del sistema de salud mediante esfuerzos colaborativos para incentivar prácticas de uso apropiadas que optimicen la prestación de servicios de salud.
Colaborar con socios del sector privado (incluidas aseguradoras y fabricantes farmacéuticos) para fomentar un entorno que promueva el uso apropiado
Objetivos (tácticas para promover las metas deseadas):
Facilitar mejoras en la prescripción y uso de medicamentos por parte de profesionales de la salud y pacientes, a través de la educación y el uso de la mejor evidencia disponible sobre intervenciones y enfoques de implementación generados desde una variedad de contextos.
Mejorar el alcance y la relevancia de los programas de uso apropiado mediante una comunicación dirigida a múltiples socios, incluidos los pacientes, y la adopción de tecnologías digitales por parte de ellos.
Fortalecer la coordinación pancanadiense de programas e iniciativas de uso apropiado para facilitar el intercambio de las mejores prácticas, reducir la duplicación de esfuerzos y mejorar el desempeño y la sostenibilidad del sistema.
Fomentar la aceptación colectiva, la propiedad y el impacto de la toma de decisiones y los programas de uso apropiado entre todos los socios del sistema.
Mejorar la rendición de cuentas de todos los socios del sistema a través de mejores protocolos, políticas, reglamentaciones, programas y sistemas de datos, respaldados por investigación, evaluación y medición del desempeño de alta calidad e informes transparentes al público.
Prioridades estratégicas
El comité asesor ha identificado cinco prioridades para lograr la visión general de la Estrategia. Estas prioridades están interconectadas y diseñadas para reforzarse mutuamente, creando un ciclo de aprendizaje continuo, como se ilustra a continuación.
Colaboración: trabajar juntos para aportar cohesión a un espacio fragmentado.
Política: Fortalecer el compromiso mediante la alineación de la planificación, las políticas y las medidas regulatorias.
Investigación y evaluación: Fortalecer la investigación y la evidencia para informar la toma de decisiones.
Datos y tecnologías: Recopilación de datos y generación de evidencia sobre el impacto de los medicamentos farmacéuticos para apoyar el ciclo.
Diseño, implementación y entrega de programas: Apoyo a prácticas consistentes y apropiadas de prescripción y uso.
Recomendación #1
El CDA lidera e implementa las prioridades estratégicas propuestas, facilitando la participación activa de todos los socios. El CDA debe medir e informar anualmente sobre el progreso.
En el primer año, establecer una red de socios clave dedicados a impulsar las prioridades de la Estrategia y convocarlos. El CDA debe definir claramente las acciones que emprenderá para apoyar y complementar los esfuerzos de los socios.
1. Colaboración
Esta prioridad se centra en la colaboración y el desarrollo de relaciones sinérgicas que inspiren y estimulen a otros a mejorar la adecuación de los medicamentos. Esto implica que los líderes locales lideren las iniciativas de uso adecuado, conecten a los socios con las iniciativas y ayuden a crear estructuras o procesos que permitan una colaboración sostenida. La colaboración puede ser tan simple como compartir una perspectiva o idea con un nuevo socio, o tan compleja como establecer una red de diferentes socios para promover el uso adecuado. Los esfuerzos de colaboración deben incluir compartir lo que ha funcionado y lo que no, para facilitar la expansión o el inicio de iniciativas exitosas en otras partes de Canadá.
“La colaboración, la integración del sistema de salud y el intercambio de datos sobre la atención al paciente son fundamentales para la prescripción y el uso adecuados de los medicamentos”. Clínico y prescriptor
Cómo puede el CDA avanzar en esta prioridad
Para establecer y mantener su liderazgo, la CDA deberá fortalecer continuamente la credibilidad y la confianza entre sus socios. Esto implica demostrar responsabilidad y transparencia en sus acciones y avances. Demostrar liderazgo también implica convocar activamente a los socios, escuchar sus inquietudes y apoyar sus necesidades con soluciones prácticas. Las soluciones deben implementarse colectivamente, respetando las diferentes prioridades de los colaboradores. Por lo tanto, estas actividades deben ser eficientes y productivas. Establecer vínculos y crear un programa eficaz de uso apropiado permitirá a la CDA convertirse en una referencia reconocida para Canadá, inspirando a otros a considerar la idoneidad de los medicamentos en el proceso.
Áreas de actividad sugeridas:
Establecer foros y mesas periódicas de diálogo y debate con los socios, incluidas las comunidades de pacientes.
Apoyar el mantenimiento de las mesas colaborativas existentes.
Convocar a diferentes socios para promover la inclusión.
Desarrollar un centro de recursos con información relevante y actualizada.
Mantener a los socios informados y comprometidos con los resultados de su participación, en particular al público, a los pacientes y a las personas con experiencia vivida y de vida.
Conozcan a Eric, un obrero de la construcción de 48 años y padre soltero de Sarah, de 14 años. Eric ayuda a Sarah a controlar su diabetes tipo 1. Ella se inyecta insulina a diario, pero el tratamiento le resulta abrumador. Eric quiere encontrar mejores maneras de apoyarla, pero también se siente abrumado por la cantidad de información que encuentra en línea. Se preocupa constantemente por la atención médica de Sarah y cómo puede ayudarla a cuidarse.
¿Cómo le sirven el programa CDA y la Estrategia Pancanadiense?
La CDA crea un centro de recursos centralizado que apoya a cuidadores, pacientes y prescriptores, conectándolos con información de programas de todo el país. A través de este centro, Eric se familiariza con las nuevas tecnologías para la diabetes infantil. Una de ellas es una pequeña bomba de insulina portátil que administra insulina de acción corta cada pocos minutos en pequeñas cantidades, las 24 horas del día. Eric se siente capacitado para compartir estos nuevos conocimientos con un profesional de la salud y hablar sobre lo que es mejor para Sarah. Le tranquiliza saber que Sarah cuenta con una fuente confiable a la que acudir para mantenerse al día con los tratamientos en evolución.
Dónde puede empezar el CDA
El comité asesor recomienda que un equipo dentro del CDA se dedique a la participación de los socios con el objetivo de generar confianza y credibilidad. Al mismo tiempo, este equipo facilitaría la participación coordinada para apoyar la Estrategia. El éxito de este equipo dependerá de un plan de participación que amplifique el impacto conectando a pacientes, personas con experiencia de vida, el público y otros socios clave. También incluirá profesionales de diferentes disciplinas, como científicos del comportamiento, asesores de pacientes y expertos en redes sociales.
Colaboración destacada: SaferMedsNL
Muchas personas tienen experiencias positivas con medicamentos para el reflujo o la acidez estomacal y pastillas para dormir, pero se sabe que su uso prolongado puede causar efectos secundarios potencialmente dañinos. Para la mayoría de las personas, no se recomiendan los medicamentos para la acidez estomacal durante más de tres meses, ni las pastillas para dormir durante más de cuatro semanas. Terranova y Labrador se encuentran entre los países con mayor consumo de estos medicamentos potencialmente dañinos, lo que ha generado una urgencia de cambio.
SaferMedsNL se creó en 2019 con el objetivo de promover el uso seguro y eficaz de medicamentos para las personas que viven en Terranova y Labrador. Reunió a defensores de pacientes, organizaciones comunitarias, profesionales de la salud e investigadores académicos. Su objetivo era mejorar el uso de medicamentos mediante la deprescripción (o la suspensión segura de medicamentos potencialmente dañinos o innecesarios). Los profesionales de la salud proporcionaron a los pacientes un folleto de SaferMedsNL que explicaba las ventajas y desventajas de los medicamentos para la acidez estomacal o las pastillas para dormir, y les recomendaban consultar con su médico, enfermero o farmacéutico. También se animó a los farmacéuticos a hablar con pacientes y médicos prescriptores para revisar el uso a largo plazo de estos medicamentos mediante la intervención de deprescripción farmacéutica de SaferMedsNL.
Los resultados han sido alentadores. Entre abril de 2019 y diciembre de 2021, el sitio web SaferMedsNL.ca recibió más de 30.000 visitas. La iniciativa concientizó a la población de Terranova y Labrador sobre los daños del uso prolongado de medicamentos para la acidez estomacal y pastillas para dormir, superando la concienciación nacional. También condujo a una reducción en el uso de estos medicamentos. El lanzamiento de la segunda campaña de concientización pública de SaferMedsNL sobre medicamentos para la acidez estomacal redujo el uso de medicamentos para la acidez estomacal en un 11 % entre noviembre de 2020 y marzo de 2022. Su campaña sobre pastillas para dormir resultó en una reducción del 7 % en el uso crónico de pastillas para dormir entre febrero de 2020 y marzo de 2022. Cabe destacar que se observó una reducción del 10 % en el uso de pastillas para dormir en adultos de 70 años o más, quienes son los más vulnerables a los efectos secundarios de estas pastillas. La intervención de desprescripción farmacéutica de SaferMedsNL también se asoció con una reducción del 20% en las dosis de medicamentos para la acidez estomacal y una reducción del 12% en las dosis de pastillas para dormir en adultos de 70 años o más.
Los esfuerzos de todos los socios de SaferMedsNL han dado como resultado una mayor concienciación pública sobre los daños del uso prolongado de medicamentos y una reducción del uso de medicamentos potencialmente dañinos. Esto demuestra claramente el poder de trabajar en colaboración, con el apoyo de la comunidad y el respaldo gubernamental, para fomentar un diálogo a gran escala.
2. Política
Una política es un plan de acción que define las expectativas para la prestación de programas y servicios, y sienta las bases para una toma de decisiones coherente y la asignación de recursos. Puede incluir directrices, programas, directrices gubernamentales, enfoques de financiación y muchos otros instrumentos. Promover la política como prioridad es importante, ya que puede ser una herramienta poderosa para impulsar acciones o comportamientos hacia un uso adecuado. Por ejemplo:
incentivar a los proveedores de atención médica para garantizar una prescripción adecuada;
establecer un diálogo y crear una cultura de práctica clínica que aliente a los pacientes a hacer preguntas sobre sus medicamentos (por ejemplo, a través de procedimientos operativos estándar); y
Revisar las estructuras de reembolso para apoyar la adopción de terapias apropiadas que incluyan opciones no farmacológicas.
Alinear las políticas e iniciativas organizativas con las prioridades de uso adecuadas puede influir positivamente en los patrones de prescripción y uso. Las políticas e iniciativas pueden variar según el contexto clínico, organizativo o jurisdiccional.
Cómo puede el CDA avanzar en esta prioridad
El comité asesor recomienda que el CDA recopile datos de contextos reales. El CDA también debería utilizar estos datos para generar la evidencia necesaria para brindar asesoramiento fundamentado sobre prácticas políticas prometedoras que puedan mejorar la adecuación de la medicación en Canadá y a nivel internacional. El asesoramiento puede ser general o adaptado a contextos específicos. Es importante destacar que las políticas deben actualizarse cuando surjan nuevas evidencias e investigaciones, incluyendo las derivadas de la experiencia vivida. Las políticas también deben considerar las prioridades sanitarias emergentes para ayudar a los responsables políticos y de la toma de decisiones a adaptarse al cambio.
Áreas de actividad sugeridas:
Apoyar la creación de nueva evidencia y la identificación de prioridades centradas en la persona que informarán las decisiones políticas.
Realizar análisis sobre los comportamientos de prescripción y uso de medicamentos y sus impactos relacionados.
Demostrar los beneficios y la eficiencia de los esfuerzos de uso apropiado.
Interactuar con pacientes y personas con experiencia vivida y de vida para apoyar la difusión y adopción de políticas efectivas e iniciativas estratégicas en diversos contextos.
Esto cubre una brecha de capacidad que no tenemos. Ayudará a lograr consistencia en todo Canadá.Representante Provincial o Territorial
Dónde puede empezar el CDA
El comité asesor recomienda que la CDA entable un diálogo con las jurisdicciones sobre el uso apropiado. Durante su primer año, la CDA debería colaborar con las jurisdicciones, los pacientes y las personas con experiencia de vida para identificar un área común de uso apropiado que se aborde. Al mismo tiempo, la CDA debería colaborar con sus socios en el acceso adecuado a terapias no farmacológicas, cuando la evidencia indique que son más adecuadas que los medicamentos.
Les presentamos a Anna, una médica de 38 años de las Primeras Naciones que comienza un nuevo puesto en un centro de cuidados a largo plazo para personas indígenas y no indígenas. Observa que algunos experimentan efectos secundarios debido a la polifarmacia, que consiste en el uso de cinco o más medicamentos. Preferirían que las prácticas no farmacológicas formaran parte de su atención continua. Anna desea aprovechar su propia experiencia y escuchar activamente a los demás en su trabajo. Se pregunta cómo puede reducir la polifarmacia y apoyar e integrar mejor los tratamientos curativos tradicionales en la práctica clínica.
¿Cómo le sirven el programa CDA y la Estrategia Pancanadiense?
El CDA promueve la colaboración y la formulación de políticas centradas en la persona. Esto anima a Anna a implementar prácticas curativas tradicionales. Se conecta con otras personas para compartir sus experiencias y aprender qué ha funcionado mejor en otras partes del país. Anna aprende sobre recursos de líderes indígenas en salud en su provincia y los incorpora a su trabajo. Concientiza activamente a sus colegas, fomentando un compromiso compartido con la atención centrada en la persona.
3. Investigación y evaluación
La implementación exitosa de la Estrategia implicará probar enfoques y medir resultados. Los datos disponibles proporcionan información limitada sobre la efectividad de los programas de adecuación de medicamentos. Por lo tanto, a medida que la Estrategia se implementa, será importante evaluar críticamente las iniciativas y compartir los resultados. Fortalecer la evaluación y la transparencia en los hallazgos relacionados respaldará un ciclo de prueba y medición, aprendizaje e intercambio.
Cómo puede el CDA avanzar en esta prioridad
El CDA deberá evaluar el progreso de la Estrategia con la ayuda de sus socios. Para ello, será necesario liderar la medición de qué y cómo medirlo, e identificar qué desean los socios aprender colectivamente de la evaluación. La infraestructura para realizar evaluaciones locales es limitada, por lo que el CDA debe ayudar a los socios a evaluar sus propias iniciativas ofreciéndoles orientación, recursos y apoyo para sus capacidades (por ejemplo, herramientas y experiencia). La creación de un mecanismo de evaluación y presentación de informes viable y sostenible requerirá la participación de expertos (así como la perspectiva de los socios).
Áreas de actividad sugeridas:
Desarrollar un marco de evaluación de referencia utilizando un enfoque de impacto colectivo que incluya:
Indicadores que reflejan las aportaciones de los pacientes, de las personas con experiencia vivida y de vida, y de las poblaciones que merecen equidad.
Liderar la elaboración de informes sobre el trabajo del CDA y el progreso de la Estrategia que reflejen:
recopilación transparente de datos de rendimiento relevantes y análisis de resultados
Desarrollos en curso, incluidas mejoras y lecciones aprendidas
Accesibilidad tanto en formato (por ejemplo, idioma, elementos visuales) como en resultados (por ejemplo, informes, podcasts)
Dónde puede empezar el CDA
El comité asesor recomienda que el CDA involucre a expertos en la materia en la evaluación del programa para identificar indicadores iniciales y elementos de medición del desempeño que orienten el desarrollo de un marco de evaluación de referencia. Al mismo tiempo, el CDA debe apoyar a los responsables de la formulación de políticas y la toma de decisiones en la adopción de un enfoque centrado en el impacto colectivo de las iniciativas de uso apropiado de todos los socios.
4. Datos y tecnologías
Para fundamentar las demás prioridades del ciclo de la Estrategia, se necesita más y mejor información sobre las tendencias de prescripción y uso de medicamentos. Una mejor comprensión del porqué del uso excesivo, infrautilizado e inapropiado de medicamentos, incluyendo las razones que los originan, ayudará a abordarlos adecuadamente. Las soluciones tecnológicas, en particular las diseñadas para profesionales de la salud, pacientes y personas con experiencia, pueden ayudar a fundamentar la toma de decisiones sobre la idoneidad de los medicamentos. En definitiva, se necesitan colaboradores para apoyar la mejora del acceso a los datos de salud en los diferentes entornos sanitarios.
Necesitamos empoderar a los pacientes para que participen en el proceso de toma de decisiones mediante datos y educación. Necesitamos ampliar la educación del público, y la industria también puede desempeñar un papel en este aspecto. Representante de la industria
Cómo puede el CDA avanzar en esta prioridad
Además de mejorar la prescripción y el uso adecuados de medicamentos, el comité asesor recomienda que la CDA lidere las iniciativas para aumentar la recopilación de datos pancanadiense y ampliar el acceso a los datos sobre medicamentos y tratamientos, incluyendo la evidencia de la práctica clínica. La CDA debería contribuir a la toma de decisiones informadas mejorando la disponibilidad y accesibilidad de los datos de diagnóstico, prescripción y uso de medicamentos, lo que contribuirá a la base de evidencia para la idoneidad de los medicamentos.
Áreas de actividad sugeridas:
Desarrollar una estrategia de uso de datos adecuada con los socios.
Aprovechar el trabajo existente para mejorar la estandarización y el acceso a los datos de salud y de medicación.
Utilizar evidencia de entornos de atención médica del mundo real para informar la estrategia y las mejores prácticas.
Incluir evidencia de tratamientos no farmacológicos.
Dónde puede empezar el CDA
A medida que la CDA avanza en su trabajo relacionado con datos y análisis, el comité asesor recomienda que la CDA alinee este trabajo con la Estrategia. Identificar y recopilar la información necesaria para mejorar el uso de medicamentos, la atención centrada en la persona y los resultados de salud es una prioridad para la Estrategia y la CDA. A medida que la CDA madura, debe seguir promoviendo el uso adecuado en todas sus áreas de trabajo.
5. Diseño, implementación y ejecución del programa
Se requieren esfuerzos para coordinar a las organizaciones y sus iniciativas de uso apropiado, con el fin de lograr coherencia y equidad, así como difundir las mejores prácticas y ampliar las iniciativas prometedoras. Esta prioridad se centra en identificar áreas programáticas comunes para avanzar, promover programas y enfoques de implementación basados en la evidencia, y fortalecer la capacidad local desde la base para respaldar programas más unificados y de alta calidad.
Cómo puede el CDA avanzar en esta prioridad
El CDA debe fortalecer la capacidad regional y local con sus socios. Esto permitirá que los programas e iniciativas se desarrollen, adapten e implementen mediante una visión común y planes de trabajo coordinados. Esto incluye facilitar las alianzas, liderar las áreas programáticas donde puedan existir deficiencias y mantener la financiación de los programas para apoyar el logro de las metas y los objetivos.
Áreas de actividad sugeridas:
Aumentar la capacidad: fomentar asociaciones nuevas y existentes, apoyar a los socios de base para que adopten las mejores prácticas, financiar a los socios (incluidos los grupos de pacientes) y proyectos que promuevan las metas y los objetivos de la Estrategia.
Aportar coherencia: priorizar las cuestiones de uso inadecuado, catalizar la difusión y ampliación de iniciativas prometedoras o probadas para que sean eficaces y factibles en diferentes contextos.
Difundir la conciencia: defender la idoneidad de los medicamentos en todo Canadá, desarrollar y compartir materiales de información y comunicación diseñados conjuntamente con los pacientes y las personas con experiencia vivida y de vida, promover la educación y la capacitación para los proveedores de atención médica existentes y futuros.
Dónde puede empezar el CDA
El comité asesor recomienda que la CDA lidere campañas nacionales de concientización y distribuya información confiable (por ejemplo, imparcial y basada en la evidencia) a pacientes, personas con experiencia de vida, profesionales de la salud y el público en general. Esto incluye promover iniciativas existentes, abogar por prioridades relacionadas en los centros de salud y utilizar los medios de comunicación y eventos nacionales para mostrar, defender y difundir la importancia de la idoneidad de la medicación.
Programa destacado: Sleepwell
Las pastillas para dormir se usan comúnmente para controlar el insomnio, pero no abordan sus causas fundamentales. Además, los efectos secundarios y riesgos de tomar pastillas para dormir incluyen problemas de memoria, lesiones por caídas, neumonía, accidentes de tráfico, dependencia y síndrome de abstinencia. El impacto de estos riesgos puede ser grave, especialmente en adultos mayores.
En 2013, investigadores de la Universidad de Dalhousie crearon Sleepwell con el objetivo de transformar el tratamiento del insomnio para brindar una mejor atención al paciente. El objetivo de Sleepwell es fomentar el uso de tratamientos que se ajusten a la mejor investigación disponible sobre el insomnio crónico, incluyendo la terapia cognitivo-conductual para el insomnio (TCC-I) para reducir el uso excesivo de somníferos. Sleepwell colabora con personas que han vivido y viven con insomnio para desarrollar sus herramientas, recursos y recomendaciones, que se actualizan periódicamente en su sitio web mysleepwell.ca . El enfoque y los materiales de Sleepwell también son revisados, fundamentados y avalados por expertos en sueño, psicólogos, médicos, farmacéuticos y otros profesionales de la salud.
El valor y el impacto de esta iniciativa colaborativa se reflejan en los más de 6000 usuarios mensuales del sitio web canadiense. Además, un estudio con 565 adultos mayores que consumen somníferos a largo plazo demostró una probabilidad significativa de reducir o suspender el consumo de somníferos y utilizar técnicas de TCC-I tras recibir los materiales de Sleepwell por correo. Estos hallazgos del estudio «Tus Respuestas Cuando Necesitas Dormir en Nuevo Brunswick» (YAWNS NB) demuestran la eficacia de Sleepwell para transformar el tratamiento del insomnio gracias al trabajo en equipo. Programas como Sleepwell tienen el potencial de mejorar la adecuación de la medicación en toda la población con una expansión continua.
Recomendación #2
La CDA actúa para apoyar las prioridades estratégicas, empezando por aquellas que promueven la colaboración, e informa sobre su progreso y éxito.
En el primer año, establecer un órgano asesor para la implementación del uso apropiado. Este órgano asesor informaría sobre la implementación de las recomendaciones del comité asesor, así como sobre las futuras prioridades de uso apropiado, e informaría sobre los avances.
Recomendación #3
La CDA se establece como una referencia confiable para Canadá sobre el uso apropiado de medicamentos.
En el primer año, comience a trabajar en el fortalecimiento de la credibilidad y las relaciones. Dedique recursos a la colaboración con diversos socios y a apoyarlos para abordar los problemas y las recomendaciones identificadas por el comité asesor.
Recomendación #4
El CDA establece una relación sólida con las provincias y los territorios para desarrollar la capacidad local de uso apropiado.
Durante el primer año, colabore con los gobiernos provinciales y territoriales para identificar cómo la CDA puede apoyarlos en el desarrollo de su capacidad para abordar los problemas de uso apropiado. Juntos, identifiquen cómo implementar las recomendaciones del comité asesor e incluyan a pacientes y personas con experiencia en estas iniciativas.
Recomendación #5
El CDA fomenta la conciencia y la comprensión del uso apropiado.
En el primer año, liderar una campaña nacional de concientización basada en información confiable y basada en evidencia, y llevarla a cabo con socios.
Recomendación #6
Todos los socios desarrollan activamente una estrategia de datos pancanadiense para respaldar la idoneidad de la medicación, liderada por el CDA.
Durante el primer año, el CDA reúne a los socios de datos y lidera una estrategia de datos para apoyar las iniciativas de uso adecuado. Esta estrategia debe desarrollarse con personas con experiencia práctica y contar con el respaldo de todos los socios.
Marco de liderazgo de CDA
Liderar la Estrategia requerirá que el CDA desarrolle las capacidades necesarias como líder entre muchos otros líderes consolidados. El CDA tiene la oportunidad de complementar a las organizaciones existentes y generar valor abordando deficiencias, impulsando sinergias y reduciendo la duplicación. El comité asesor recomienda ocho áreas de liderazgo que el CDA debe considerar para promover la adecuación de la medicación:
Inspirar: Promover el uso adecuado para ayudar a garantizar que el acceso a las intervenciones sea generalizado y equitativo.
Coordinar: Mejorar la coordinación de los programas existentes y emergentes para evitar la duplicación y maximizar los recursos.
Informar: Recopilar datos y generar evidencia de una variedad de fuentes para apoyar y desarrollar iniciativas.
Desarrollar y escalar: Desarrollar la capacidad regional y local para impulsar iniciativas, implementar o adaptar prácticas prometedoras.
Enfoque: Apoyar el desarrollo de una visión y objetivos comunes para políticas, programas e iniciativas que se alineen con el panorama cambiante.
Convocar: reunir a pacientes y socios para construir un diálogo y compartir información.
Evaluar: Evaluar iniciativas para mejorar la eficacia, la escala y la difusión de prácticas prometedoras.
Sostener: Sostener la financiación para una programación de uso apropiado y coordinado a través del CDA.
Inspirar El uso apropiado puede ser un término familiar para los responsables políticos. Sin embargo, un enfoque coordinado para comprender los beneficios y los daños de los medicamentos puede ser una idea novedosa para el público. La CDA que defiende el uso apropiado y lo integra como elemento central de la atención médica centrada en la persona aporta valor para todos.“ La CDA puede abogar por una mejor calidad y distribución de los determinantes sociales de la salud que sustentan la capacidad de buscar y beneficiarse de los medicamentos disponibles”. Asociaciones que movilizan la equidad en la comunidad
Enfocar Se necesita un enfoque común para diseñar e implementar políticas, programas e iniciativas. El CDA puede aportar valor al centrar la atención en una visión común sobre la idoneidad de los medicamentos, estableciendo a la vez prioridades comunes que respondan a las necesidades y prioridades cambiantes de un sistema farmacéutico en constante evolución.
Coordinar El panorama de uso apropiado requiere coordinación. El valor del CDA residirá en comprender mejor las organizaciones e iniciativas de uso apropiado en las distintas jurisdicciones para mejorar la coordinación entre ellas. Esto incluye maximizar los recursos identificando áreas de duplicación y oportunidades de sinergia.
Convocar En Canadá, no faltan esfuerzos para mejorar la adecuación de los medicamentos. Sin embargo, la CDA deberá conectar a las organizaciones y sus contribuciones positivas actuales. La CDA puede ser un punto de encuentro que reúna a las personas, fomente un entorno colaborativo y se convierta en el nexo que ayude a los socios a conectarse, compartir, alinearse y aportar valor.“Esfuérzate y construye relaciones con aquellos que tradicionalmente no están en tu mesa; acércate a ellos, no esperes que ellos vengan a ti”.PacienteConozca a Ravi, un farmacéutico de 35 años que trabaja en una farmacia comunitaria en un barrio de bajos recursos. Muchos de sus clientes enfrentan barreras para acceder a la atención médica, como no tener un médico de cabecera y no poder recibir atención en su idioma preferido. Ravi sabe cómo los medicamentos pueden mejorar la salud y desea brindar un mejor apoyo a su comunidad, pero le cuesta superar estas barreras.
¿Cómo le sirven el programa CDA y la Estrategia Pancanadiense?
Ravi asiste a una conferencia sobre el uso apropiado de medicamentos organizada por el CDA y se reúne con investigadores de la zona. Lanzan un proyecto piloto que ofrece recursos sobre el uso de medicamentos en varios idiomas y formatos accesibles. Ravi utiliza estos recursos para facilitar la atención médica, ayudando a sus pacientes a mejorar el uso de sus medicamentos y a alcanzar sus objetivos de salud. Esto suele incluir un mayor uso de medicamentos previamente infrautilizados en la comunidad, como las estatinas. Tras el éxito del proyecto piloto, Ravi comparte los resultados con sus colegas. Implementan programas similares en otras comunidades basándose en las lecciones aprendidas.La Coalición Canadiense para el Uso Adecuado de Medicamentos: El poder de la convocatoriaLas iniciativas de adecuación de medicamentos en Canadá son generalizadas, pero no siempre están optimizadas ni coordinadas. En 2023, dos organizaciones consolidadas para el uso apropiado, Choosing Wisely Canada y la Red Canadiense de Adecuación y Desprescripción de Medicamentos, se propusieron cambiar esta situación. Con el apoyo de la Oficina de Transición de la Agencia Canadiense de Medicamentos, convocaron a más de 10 organizaciones y socios de pacientes con el objetivo de acelerar las mejoras en el uso apropiado de medicamentos en Canadá. El grupo, compuesto por organizaciones líderes en calidad y seguridad del paciente, organizaciones de información sanitaria y socios de pacientes, se ha reunido periódicamente para compartir las mejores prácticas y la evidencia emergente, identificando y priorizando una o dos iniciativas para impulsarlas colectivamente. Se trata de la primera coalición de este tipo. Si bien la coalición se encuentra en desarrollo, es un ejemplo prometedor de cómo convocar a socios y coordinarse con ellos para avanzar hacia una visión común.
Informar Los sistemas de salud canadienses suelen calificarse de «ricos en datos pero pobres en información». Si bien generan abundantes datos, esta información no necesariamente fundamenta la toma de decisiones ni vincula la prescripción y el uso de medicamentos con las consecuencias e impactos para la salud en el sistema. La CDA puede aportar valor mejorando la recopilación de datos y generando evidencia sólida que sirva de base a su programa de prescripción y uso adecuado de medicamentos.
Evaluar La evaluación de las iniciativas de uso apropiado actualmente no está estructurada y no existe un mecanismo establecido para medir la eficacia de forma consistente. El CDA tiene la oportunidad de crear un sistema de evaluación claro y transparente que ayude a comprender mejor las intervenciones e iniciativas eficaces, así como su adaptación a diferentes entornos.
Construir y escalar La investigación puede identificar enfoques prometedores, pero implementarlos requiere recursos y conocimientos técnicos, que son difíciles de adquirir. Para aportar valor, la CDA deberá fortalecer la capacidad de todo el sistema, centrarse en la implementación regional y local, e integrar y adaptar las prácticas líderes. De esta manera, los pacientes, las personas con experiencia y los profesionales de la salud podrán beneficiarse.Conozcan a Dylan, un gerente de restaurante de 60 años en transición hacia la jubilación. Ha estado tomando somníferos durante muchos años debido a problemas de sueño que tuvo en su infancia. Con el tiempo, ha experimentado un aumento de efectos secundarios como somnolencia diurna, problemas de memoria y mareos. Nunca se estableció la conexión entre estos síntomas y sus somníferos.¿Cómo le sirven el programa CDA y la Estrategia Pancanadiense?La CDA apoya el desarrollo de programas regionales prometedores, ayudándolos a desarrollar las mejores prácticas establecidas. Una iniciativa de uso apropiado, apoyada por la CDA, envía a Dylan por correo un paquete con información sobre los efectos secundarios de las pastillas para dormir. También proporciona recursos sobre otras maneras de mejorar la calidad del sueño. Con estos recursos, Dylan y su médico deciden reducir gradualmente la dosis de las pastillas para dormir y probar tratamientos alternativos como la terapia cognitivo-conductual. Esta decisión le permite a Dylan disfrutar de su jubilación sin tener que
Sostener Los socios enfrentan dificultades para impulsar iniciativas prometedoras de uso apropiado debido a las limitaciones de financiación. El CDA tiene la oportunidad de proporcionar financiación fiable para apoyar intervenciones eficaces y resultados demostrados con la intención de expandirse y escalarse.
En el futuro, la CDA puede aprovechar el trabajo existente de los socios y aprovechar la oportunidad para formar una red colaborativa de uso apropiado y avanzar en la Estrategia propuesta en este informe.
Recomendación #7
El CDA adopta el marco de liderazgo y construye un plan de implementación en torno a él.
En el primer año, desarrollar capacidades para encarnar los atributos de liderazgo deseados descritos en el marco.
Asociación para un impacto colectivo
Ningún grupo puede impulsar la idoneidad de los medicamentos de forma consistente en todo Canadá. Un problema que afecta a todos colectivamente requiere una respuesta colectiva. La prescripción y el uso adecuados de medicamentos en todo Canadá requieren la colaboración de todos los actores, cada uno asumiendo la responsabilidad de su parte.
Cada socio puede contribuir a la Estrategia de forma que complemente su labor o su papel en el sistema de salud. Los socios pueden contribuir a una o varias de las responsabilidades que se describen en el diagrama a continuación:
Campeón
Movilización del conocimiento
Apoyo
Política y ejecución directa de programas
Figura 1. Responsabilidades de los socios dentro de una Estrategia de Uso Apropiado pancanadiense
Una responsabilidad compartida entre todos los socios es la rendición de cuentas ante los pacientes, las personas con experiencia y el sistema de salud en general. Esta responsabilidad compartida subraya la importancia de velar por los intereses de quienes más importan.
Recomendación #8
Todos los socios se comprometen con la Estrategia y trabajan con el CDA para implementarla con éxito.
En el primer año, el CDA trabaja con sus socios para adoptar un enfoque de impacto colectivo que aproveche las fortalezas de los diversos socios del sistema, incluidas las organizaciones de salud pancanadienses.
Recomendación #9
El CDA establece objetivos y fomenta un entorno de aprendizaje y mejora continuos a través de ciclos de retroalimentación periódicos y una comunicación abierta con los socios, incluidos los pacientes y aquellos con experiencia vivida y de vida.
En el primer año, involucrar a todos los socios para desarrollar y ampliar el trabajo de las organizaciones existentes y los proyectos prometedores en todo el país, al tiempo que se identifican prácticas líderes para escalar y difundir.
Conclusión
Canadá necesita una estrategia para mejorar la prescripción y el uso adecuados de medicamentos que beneficie a la población de todo el país. Las ideas y recomendaciones presentadas en este informe constituyen el mejor asesoramiento del Comité Asesor sobre el Uso Adecuado para impulsar la adecuación de los medicamentos.
Existen socios consolidados altamente motivados y comprometidos a trabajar de inmediato para mejorar el uso apropiado. Lo que se necesita ahora es aprovechar la energía y la dedicación de estos socios, fortalecer las redes de uso apropiado y generar el impulso necesario para implementar acciones que apoyen esta importante labor. Trabajar juntos acercará a Canadá a un futuro donde todos los socios estén más conectados, mejor coordinados y preparados para aprender unos de otros.
El Comité Asesor sobre el Uso Adecuado llama a todos los socios a unirse para impulsar un movimiento de prescripción apropiada y uso apropiado de medicamentos, que amplifique los principios rectores del uso apropiado (centrado en la persona, basado en evidencia, colaborativo, continuo, equitativo, sostenible) y los impactos positivos que trae a toda la atención médica.
Mejorar el flujo de pacientes en los hospitales representa un reto sanitario a nivel mundial. El objetivo de este proyecto fue describir la efectividad de la gestión de casos para mejorar el flujo de pacientes en un entorno hospitalario terciario.
Métodos
Los métodos de mejora de la calidad, incluido el diseño cuantitativo pre-Lean y post-Lean, el concepto de Planificar-Hacer-Verificar-Actuar, el Intercambio de Troqueles en un solo minuto y el «enfoque de oferta y demanda» del Instituto de Mejora de la Atención Médica, se adaptaron para examinar y modificar los factores que influyen en el flujo de pacientes hospitalizados.
Resultados
Este estudio (realizado desde el último trimestre de 2019 hasta septiembre de 2022) dio lugar a una mejora notable en el flujo de pacientes, como se evidencia en la reducción de la estancia hospitalaria media (de 11,5 a 4,4 días) y del tiempo medio de internado en el servicio de urgencias (de 11,9 a 1,2 horas) y la mejora de la tasa de rotación de camas (de 0,57 a 0,93), (p<0,001, p=0,017, p=0,038, respectivamente), con un ahorro neto de costos de 123 130 192 millones de riales saudíes (US$32 821 239).
Conclusión
La implementación de un programa de gestión de casos bien estructurado puede mejorar la coordinación de la atención, agilizar las transiciones, mejorar los resultados de los pacientes y aumentar los ingresos dentro de los entornos hospitalarios.
Palabras clave: Administración; Mejora continua de la calidad; Eficiencia Organizacional; Satisfacción del paciente
LO QUE YA SE SABE SOBRE ESTE TEMA
La gestión eficaz del flujo de pacientes dentro de los entornos hospitalarios desempeña un papel fundamental a la hora de influir en la calidad de la atención, la carga de trabajo del personal y los resultados de los pacientes. Esto pone de manifiesto la necesidad crucial de contar con procesos estructurados y coordinados para elevar la experiencia general y optimizar la asignación de recursos.
LO QUE APORTA ESTE ESTUDIO
Este trabajo acentúa la importancia vital de la gestión de casos para mejorar el flujo de pacientes, lo que en última instancia conduce a mejores resultados de atención médica, eficiencia operativa y rentabilidad. Al agilizar la atención al paciente y optimizar las transiciones entre los servicios de atención médica, contribuye a que los sistemas de atención médica sean más efectivos y económicos.
CÓMO ESTE ESTUDIO PODRÍA AFECTAR LA INVESTIGACIÓN, LA PRÁCTICA O LA POLÍTICA
Este estudio enfatiza la importancia de las estrategias de mejora sostenible para optimizar el flujo de pacientes dentro del entorno hospitalario. Destaca la eficacia de las intervenciones personalizadas en los programas de gestión de casos, para mejorar la coordinación de la atención, los resultados de los pacientes y el rendimiento financiero. Personalizar las intervenciones para que se ajusten a las necesidades únicas de cada organización es crucial para una implementación exitosa y el avance de las prácticas de prestación de atención médica.
Introducción
El flujo de pacientes es un elemento crucial de la gestión de procesos en los hospitales. Describe el movimiento de los pacientes a través de las diferentes etapas de la atención hospitalaria requerida y considera si están sujetos a demoras innecesarias. 1 La optimización del flujo de pacientes en los hospitales garantiza que los pacientes reciban la mejor atención disponible, al tiempo que ahorra tiempo, esfuerzo y costes. 1 Si no se logra lograr un flujo de pacientes en todo el hospital, los pacientes corren el riesgo de recibir una atención subóptima y de sufrir daños potenciales, además de aumentar la carga del personal hospitalario. 2 El mal flujo de pacientes es especialmente evidente cuando los pacientes que ingresan al servicio de urgencias (ED) no pueden ser admitidos inmediatamente en el hospital debido a la falta de camas disponibles. 3 Cuando la oferta no puede satisfacer la demanda, los pacientes experimentan una menor calidad de atención y peores resultados de salud. 4 Esto allanó el camino para la integración de la gestión de casos (CM) en la atención sanitaria. 4
La MC es un proceso sanitario en el que un profesional ayuda al paciente y a su familia a navegar a través de un complicado conjunto de servicios disponibles dentro de una organización y su comunidad para satisfacer sus necesidades sanitarias de forma rentable y coordinada. 5 El conocimiento de los costes sanitarios y de la utilización de los recursos ha acostumbrado a la MC a cuestionar intervenciones de dudosa eficacia en el proceso asistencial. 6 Los administradores de casos son los líderes en la gestión del flujo de pacientes; Al trabajar en colaboración con todos los departamentos del hospital y coordinar la atención de todos ellos, el administrador de casos puede identificar y corregir las barreras al flujo de pacientes a medida que ocurren. Este papel único tiene un impacto positivo en la calidad de la atención y la eficiencia operativa del sistema de atención médica. 5 Sin embargo, se necesitan más estudios para confirmar la efectividad de las intervenciones de MC.
El Hospital de las Fuerzas Armadas de Al Hada (Taif, Arabia Saudita) es un hospital de atención terciaria y uno de los nueve hospitales de las Fuerzas Armadas en el Reino. Con una capacidad de 420 camas y 3000 empleados, este centro de agudos ofrece amplios servicios médicos y de enfermería, incluyendo cirugía a corazón abierto y trasplantes de riñón. 7 Se requiere atención para un promedio de mil pacientes por día. El departamento de CM (que comprende las divisiones de CM, gestión de camas y coordinación de altas) se estableció en el Hospital de las Fuerzas Armadas de Al Hada en 2016 y fue reconocido por los Servicios de Salud del Ministerio de Defensa (MODHS) en diciembre de 2019. Una evaluación en profundidad de los parámetros de flujo de pacientes del hospital reveló ineficiencias notables. Por lo tanto, esta iniciativa se inició en septiembre de 2019 y tenía como objetivo mejorar el flujo de pacientes en el hospital, es decir, facilitar el movimiento oportuno y eficiente de los pacientes en todo el hospital, mejorando en última instancia la eficiencia operativa general. El objetivo específico fue arrojar luz sobre el papel de las prácticas de MC para hacer que el plan de intervención sea viable y eficaz. El objetivo secundario de la empresa era estimar el rendimiento financiero de las nuevas intervenciones.
Métodos
Equipo del proyecto
Se reunió un equipo central de partes interesadas como parte central de la configuración del proyecto. Este equipo estaba compuesto por el director del departamento de CM, un entrenador de mejora continua de la calidad y seguridad del paciente (CQI y PS), un administrador de casos o coordinador de camas, representantes de la administración médica, recursos humanos (RR.HH.), gestión de materiales y otros departamentos aliados, así como un representante de enfermería y el médico más responsable.
El proyecto fue lanzado en septiembre de 2019 por el Ministerio de Salud y Seguridad, que es una de las prioridades estratégicas del Hospital de las Fuerzas Armadas de Al Hada. El equipo del proyecto estableció reuniones quincenales para diseñar intervenciones, orquestar actualizaciones de implementación, refinar estrategias y superar los obstáculos que surgieron en el camino. Además, se iniciaron reuniones diarias y semanales con las partes interesadas del hospital y los campeones departamentales. Todas las medidas introducidas se comunicaron a todas las unidades hospitalarias a través de sistemas de informes visuales de gestión.
Medidas
Medidas de proceso
Porcentaje de cumplimiento de la revisión del equipo multidisciplinario al octavo día, porcentaje de planificación del alta precoz para pacientes complejos, porcentaje de pacientes dados de alta de las unidades hospitalarias antes de las 12:00, porcentaje de pacientes con órdenes de alta preliminar documentadas la noche anterior al alta, mediana de tiempo (en min) hasta el alta, porcentaje de pacientes ingresados en unidades hospitalarias antes de las 10:00, Porcentaje de ingreso tardío (duración >45 min), tiempo de espera (en días) para el ingreso electivo y tasa de rotación de camas (tabla complementaria en línea 1).
Las medidas de resultado primarias incluyen la duración media de la estancia hospitalaria (LOS, en días), el tiempo medio de internado en el servicio de urgencias (en horas) y la experiencia del paciente (porcentaje) (tabla complementaria en línea 1).
Medidas de equilibrio
Las medidas de equilibrio incluyen la tasa de mortalidad, la tasa de infecciones intrahospitalarias (IRAS) y la tasa de reingresos hospitalarios en un plazo de 30 días (cuadro complementario 1 en línea).
Se disponía de datos basales sobre el tiempo de ingreso en el servicio de urgencias, la duración media de la estancia y la tasa de reingresos hospitalarios. Al inicio del proyecto se iniciaron otras medidas (cuadro complementario 1 en línea). Los datos para este proyecto se obtuvieron del censo de pacientes, los informes de la división de gestión de camas y la oficina de admisión y los indicadores de flujo de pacientes del departamento de CQI y PS. El sombreado8 también se utilizó para la recolección de datos observacionales. Los datos de la experiencia de los pacientes se recopilaron trimestralmente a través de encuestas a los pacientes a lo largo de la intervención. Los datos se enviaron a Press Ganey,9 una empresa externa asignada por el MODHS para recopilar y analizar los comentarios de los pacientes. Los informes proporcionados por Press Ganey se utilizaron para evaluar y rastrear los cambios en la experiencia del paciente a lo largo de todo el período de intervención.
Para estimar las medidas del estudio, los datos se recuperaron semanalmente del sistema de información de gestión hospitalaria (WIPRO) y se enviaron al departamento de CQI y PS para su análisis. Todos los datos fueron validados inicialmente por el departamento de CQI y PS para garantizar su precisión y fiabilidad. Posteriormente, el 10% de nuestros datos (a través de muestreo aleatorio) fueron validados de forma independiente por otros revisores. Si los resultados superaban el 90%, los datos se consideraban válidos. Además, el Ministerio de Salud y Servicios organizó múltiples visitas a nuestro hospital para garantizar la validez y fiabilidad de la recopilación de datos. Se realizó un seguimiento y evaluación continua a lo largo de toda la duración del proyecto, según la cual se tomaron decisiones de adaptación, ajuste o descarte de la intervención.
Estimación del retorno de la inversión (ROI)
La estimación del ROI10 se utilizó para calcular las ganancias financieras netas a lo largo del proyecto, teniendo en cuenta todos los recursos invertidos y todos los montos obtenidos a través del aumento de los ingresos, la reducción de costos o ambos. El retorno de la inversión se estima como la relación entre dos estimaciones financieras de los rendimientos financieros netos de las acciones de mejora divididas por la inversión financiera en el proyecto de mejora. Cuando un ROI es ≥1, los retornos generados por las acciones de mejora son mayores o iguales a los costos de desarrollo e implementación, lo que representa un resultado positivo. Por el contrario, un ROI <1 indica una pérdida neta por cambios en la calidad y la utilización, lo que refleja un resultado negativo. El ahorro de costes se deriva de la diferencia entre los rendimientos y los costes de inversión.
Estrategia
El plan de mejora se introdujo a través de una serie de tres ciclos de Planificar-Hacer-Verificar-Actuar (PDCA), cada uno de los cuales duró de 3 a 9 meses. Los objetivos de los tres ciclos consecutivos fueron la reducción de la LOS del paciente, la reducción del tiempo medio del ciclo de alta y la reducción del tiempo medio de ingreso electivo (figura 1). La mayoría de los servicios del hospital participaron en la intervención. Se atendieron las salas de hospitalización (un total de 293 camas). Se excluyeron las unidades de enfermería y de cuidados críticos, ya que tienen diferentes parámetros indicadores de desempeño. Se eligió una unidad piloto en cada ciclo para comprobar la eficacia de las intervenciones.
Esquema de los objetivos y enfoques del estudio. IHI, Instituto para el Mejoramiento de la Atención Médica; LOS: duración de la estancia; PDCA, Planificar-Hacer-Verificar-Actuar.
En la fase de planificación, el equipo aplicó el enfoque donabediano11 para evaluar la estructura, el proceso y los resultados de la calidad y los servicios de atención médica (archivo complementario en línea 1). Las recomendaciones del Institute for Healthcare Improvement (IHI)2 se adaptaron para mejorar el flujo de pacientes en todo el hospital y se modificaron a lo largo de la intervención para adaptarse mejor a la situación específica de nuestro hospital.
Primer ciclo PDCA
El primer ciclo PDCA comenzó en septiembre de 2019. Este ciclo tuvo como objetivo reducir la duración media de la estancia hospitalaria mediante la implementación de acciones que aseguraran la necesidad o la necesaria estancia de los pacientes según criterios clínicos de alta y una estancia hospitalaria estandarizada. Se seleccionó la unidad Médica Masculina I como unidad piloto.
Al comienzo de este ciclo, se identificaron las causas fundamentales del exceso de la duración hospitalaria en el Hospital de las Fuerzas Armadas de Al Hada. Las principales causas de las estadías prolongadas fueron la mala coordinación de la atención, la falta de disponibilidad de sistemas de monitoreo para la duración de la estancia y la disponibilidad limitada de los suministros y equipos necesarios antes del alta del paciente.
Las intervenciones aplicadas durante este ciclo estuvieron influenciadas por las recomendaciones del ‘Proyecto Ensib’. 12 Las intervenciones incluyeron el paquete de alta SAFER13 y la implementación del sistema de gestión visual RED to GREEN (basado en los días de cama NHS RED y GREEN). Se reforzaron 14 equipos multidisciplinarios de mejora del flujo (EMD), dirigidos por un gestor de casos para cada unidad hospitalaria, y se iniciaron reuniones matutinas diarias de TPM. Los objetivos de los grupos de MDT fueron monitorear la admisión y el alta, y el estado del paciente (p. ej., requiere traslado, degradación y alta) e identificar oportunamente los desafíos que surgieron a lo largo del proceso. Se utilizó la herramienta de identificación de residuos hospitalarios15 del IHI para reconocer los residuos a lo largo del proceso. El administrador de casos también asistió a la ronda matinal de pacientes del equipo de atención primaria. Esta fue una oportunidad para comunicar los datos observados, las actualizaciones de los pacientes y los problemas emergentes y para coordinar la atención requerida del paciente (durante la estancia hospitalaria y después del alta). Estos datos y problemas se transmitieron al equipo del proyecto para su análisis.
El sistema de gestión visual RED to GREEN aumentó la participación de todo el personal médico en el proyecto. Además, el CM logró establecer una comunicación eficaz con las partes interesadas, lo que les ayudó a comprender los cambios necesarios y las animó a aportar sus aportaciones y a participar activamente en el proceso de cambio. Esto dio lugar a la mitigación gradual de la resistencia de los funcionarios a la introducción de cambios importantes en los procesos hospitalarios.
Para abordar la transición del paciente tras el alta hospitalaria, el equipo del proyecto desarrolló programas de comunicación comunitaria/interna y externa para ponerse en contacto con los servicios comunitarios y los centros sanitarios necesarios. Estos programas abarcaron otros hospitales de las Fuerzas Armadas y hospitales del Ministerio de Salud en la región de Taif, así como centros de atención domiciliaria, rehabilitación y psiquiatría. Además, el equipo del proyecto destacó la necesidad de una unidad de cuidados a largo plazo y esto se ha convertido en un importante objetivo estratégico en el Hospital de las Fuerzas Armadas de Al Hada en los próximos 5 años.
Dado que no se disponía de LOS hospitalarios estandarizados para los grupos relacionados con el diagnóstico (GRD) del Hospital de las Fuerzas Armadas de Al Hada, el proyecto solicitó a cada departamento médico una LOS de referencia para los diagnósticos comunes. Estos LOSs estandarizados fueron creados e integrados en el sistema de información de gestión hospitalaria (WIPRO). Este fue un paso importante en el proyecto que permitió cargar los datos del paciente en el sistema para su seguimiento y análisis. La LOS del hospital fue monitoreada de cerca. Se dedicó un formulario de «Revisión MDT para valores atípicos de 7 días» para monitorear a los pacientes que superaban la LOS hospitalaria. Además, los médicos tenían que documentar en Notas de Progreso u Órdenes Médicas que justificaran la razón para mantener al paciente en el hospital.
Muchos de los pacientes del Hospital de las Fuerzas Armadas de Al Hada eran geriátricos con afecciones y comorbilidades complejas, lo que afectaba el proceso de alta del paciente. Estas poblaciones complejas de pacientes se manejaron a través de los esfuerzos de los administradores de casos para coordinar la atención del paciente con los trabajadores sociales y otros miembros del equipo de atención interdisciplinaria e involucrar a los miembros de la familia en el proceso. Los detalles de la intervención se muestran en la tabla 1.
Tabla 1.
Primeras intervenciones del ciclo PDCA destinadas a reducir la duración media de la estancia hospitalaria
Objetivo
Estrategia
Acción
Responsabilidad
Periodo de tiempo
Para reducir la duración media de los servicios hospitalarios
Paquete de descarga SAFERe*
S—La revisión de alto nivel y las rondas de la junta directiva se supervisan según la política del hospital.
Administrador de casos de MRP, coordinador de altas, enfermeras, trabajador social y representante de atención médica a domicilio
Septiembre de 2019–en curso
R—Todos los pacientes admitidos tienen un plan de atención aprobado por un especialista que contiene EDD y CCD.
F—Flujo de pacientes dentro, dentro y fuera del hospital, monitoreado por el equipo dirigido por CM.—
E—Altas tempranas (potenciales y reales) identificadas y revisadas por el departamento de CM.
R: Revisión de todos los pacientes varados por MDT.
Mejorar la atención hospitalaria y la planificación del alta
Asistir a las rondas matutinas con el equipo de atención primaria para obtener actualizaciones sobre el estado y el progreso del paciente.
Administrador de casos o administrador de camas
Septiembre de 2019–en curso
Comunicar los problemas de atención médica a un médico responsable y/o al departamento involucrado para abordar los problemas y manejar las brechas en el proceso de manera oportuna.
Administradores de casos y equipo de atención primaria
Septiembre de 2019–en curso
Transmitir información sobre los problemas encontrados para mejorar la eficiencia del trabajo.
Director de BM y gestores de casos
Septiembre de 2019–en curso
Garantizar la capacidad o la capacidad de los servicios comunitarios o médicos necesarios después del alta hospitalaria
Seguimiento continuo de los pacientes que superan la duración hospitalaria para identificar los principales servicios comunitarios necesarios para el alta segura y oportuna de los pacientes.
División BM, departamento de CQI y PS
Septiembre de 2019–en curso
Desarrollar programas de comunicación comunitaria o interna y externa para apoyar la transición del paciente después del alta.
División BM, administración médica y asuntos del paciente
Septiembre de 2019–en curso
Identificar una unidad de cuidados a largo plazo como un objetivo estratégico importante del hospital en los próximos 5 años.
Alta dirección
Septiembre de 2019–en curso
Manejo de poblaciones de pacientes con necesidades sociales y de atención complejas
Identificación de pacientes con necesidades médicas y sociales complejas por parte del administrador de casos al momento de la admisión.
Administrador de casos
Septiembre de 2019–en curso
Asegurarse de que los pacientes y sus familiares participen activamente en el plan de alta hospitalaria.
Iniciar rondas separadas para pacientes complejos, que comprendan a todos los miembros del equipo interdisciplinario.
Identificar y eliminar los retrasos durante la atención
Uso de la herramienta de identificación de desechos hospitalarios de IHI para realizar un seguimiento de los retrasos. Gestión de retrasos en los servicios hospitalarios (p. ej., diagnósticos, investigaciones y revisiones médicas). Solicitar al médico de cabecera y/o a los servicios implicados la demora en la atención, devolviéndolo al jefe de servicio y/o al director médico en caso de conflicto. Usar un sistema de gestión visual de ROJO a VERDE durante las rondas en todas las salas de pacientes hospitalizados.
Administradores de casos, administradores de camas, coordinadores de alta y enfermeras a cargo
Septiembre de 2019–en curso
Creación de un sistema de monitoreo para LOS
Creación e implementación de LOSs hospitalarios estandarizados.
Administración médica, director de CQI y PS y director de BM
Enero de 2020–en curso
Integración de los LOSs hospitalarios estandarizados en el sistema de información de gestión hospitalaria (WIPRO).
Director de CQI y PS, división BM, director del departamento de TIC
Enero de 2020–en curso
Supervisión de LOS y valores atípicos
Monitorización de la duración hospitalaria de la estancia hospitalaria para cada paciente ingresado (en comparación con la duración de la estancia estandarizada). Supervisión y gestión de valores atípicos de 7 y 30 días.
Departamento de CM, secretario de admisión y enfermeras del servicio de urgencias
Enero de 2020–en curso
Reunión trimestral con el comité de la BU para evaluar los resultados, abordar las áreas de mejora y realinear los objetivos y estrategias.
Comité de la unidad de negocio, director del BM, representantes del MDT, jefe de la DDC
Trimestral
Activación del DDC (subcomité del comité de la unidad de negocio) para facilitar la aprobación de la gestión.
Diciembre de 2020–en curso
*Adaptado de la política central de la división de servicios médicos.
BM: gestión de camas; unidad de negocio, utilización de camas; CCD: criterios clínicos para el alta; CM, gestión de casos; CQI y PS, mejora continua de la calidad y seguridad del paciente; DDC, comité de aprobación de la gestión difícil; Urgencias, servicio de urgencias; EDD, fecha prevista de alta; TIC, tecnologías de la información y las comunicaciones; IHI, Instituto para el Mejoramiento de la Atención Médica; LOS: duración de la estancia; MDT, equipo multidisciplinario; MRP, médico más responsable; OPD, servicio de consultas externas.
Segundo ciclo PDCA
Al comienzo de este ciclo, se observó un tiempo de ciclo de descarga mediana prolongado. El seguimiento de una orden de descarga seleccionada al azar mostró que el tiempo requerido para completar el proceso de descarga fue de 225 min. Esto dio lugar a un cuello de botella en las operaciones hospitalarias. Por lo tanto, el objetivo de este ciclo fue reducir el tiempo medio del ciclo de descarga. La unidad piloto durante este ciclo fue la unidad Médico y Quirúrgica de Ortopedia.
Se aplicó la metodología Lean para probar los parámetros involucrados en el proceso de alta y evaluar el resultado de las intervenciones. Se utilizó el mapeo de flujo de valor16 para rastrear el flujo de pacientes a lo largo del proceso de alta, y el intercambio de troqueles en un solo minuto17 para determinar las actividades que impactan negativamente en el proceso de alta del paciente. Dos factores principales dificultaron el proceso de alta del paciente: la notable variabilidad en la forma en que se llevó a cabo el proceso de alta y la preparación de la prescripción de alta. Esto se debió a la ausencia de una orden preliminar de alta pública.
Por lo tanto, se iniciaron las medidas para la planificación temprana del alta del paciente, teniendo en cuenta los criterios de preparación médica para el alta (casos médicos y quirúrgicos) del Hospital de las Fuerzas Armadas de Al Hada. Un coordinador de alta participó en rondas matutinas para monitorear y agilizar el proceso de descarga y para recopilar y reportar datos. Una de las principales intervenciones en este ciclo fue hacer cumplir la preparación o documentación de las órdenes preliminares de alta la noche anterior al alta. Esto proporcionó tiempo para informar a los pacientes y sus familiares y para realizar las actividades finales (como la revisión de los resultados de las pruebas, la educación de las enfermeras, informar a los miembros de la familia para organizar el alta del paciente o el transporte hospitalario y completar el papeleo) para hacer posible el alta oportuna. La participación de varios departamentos (p. ej., fisioterapia, trabajadores sociales y educadores sanitarios) fue obligatoria durante esta fase.
Los residuos que contribuyen a la prolongación del ciclo de alta se identificaron en los tiempos de espera (esperar a que un médico autorice al paciente para el alta y esperar a que los miembros de la familia cumplan con el alta del paciente) y en los movimientos innecesarios dentro del proceso (presentación de recetas por parte de las enfermeras al departamento de farmacia y adquisición de suministros y dispositivos médicos necesarios por parte de los miembros de la familia del departamento de gestión de materiales (MMD)). Se introdujeron varias intervenciones. Se implementó un sistema de recetas sin papel a través del Sistema de Información de Gestión Hospitalaria (WIPRO), lo que eliminó la necesidad de que las enfermeras enviaran físicamente las recetas al departamento de farmacia. Esto permitió una rápida preparación y entrega de medicamentos para llevar. Además, la adquisición de suministros y equipos médicos del MMD pasó a ser responsabilidad de los administradores de casos a petición del médico tratante y se entregó individualmente a los pacientes antes del alta. Para mejorar el alta temprana de los pacientes (antes de las 12:00), los gestores de casos y los coordinadores de alta se involucraron en la anticipación de las derivaciones a centros especiales para garantizar la continuidad de la atención. Las intervenciones se detallan en la tabla 2.
Tabla 2.
Intervenciones del segundo ciclo PDCA destinadas a reducir el tiempo del ciclo de descarga
Objetivo
Estrategia
Acción
Responsabilidad
Periodo de tiempo
Para reducir el tiempo del ciclo de descarga
Planificación del alta temprana
Inicio de la planificación del alta a partir de la fecha de ingreso.
Departamento de CM
Septiembre de 2019–en curso
Garantizar la derivación oportuna del paciente (a fisioterapia, trabajador social, atención médica domiciliaria y rehabilitación) según el plan de tratamiento antes del alta.
Administradores de casos y coordinadores de alta
Septiembre de 2019–en curso
Desarrollar planes integrales preliminares de alta para satisfacer las necesidades médicas y sociales continuas de los pacientes después del alta. Asegurar que se cumplan los criterios de alta (preparación del resumen de alta, medicamentos y seguimiento de OPD). Completar la reevaluación del paciente antes del alta.
MRP y gestores de casos
Septiembre de 2019–en curso
Mejorar la comunicación entre los miembros del equipo de atención y con los pacientes y familiares. Organizar reuniones de MDT con los miembros de la familia según sea necesario.
Departamento de CM
Septiembre de 2019–en curso
Mejorar la eficiencia y la coordinación del proceso de descarga
Estudio del proceso de descarga mediante la metodología Lean
Departamento de CQI y PS
Noviembre 2019
Asignar un coordinador de alta para supervisar el proceso de alta:Participar en las rondas matutinas diarias para eliminar obstáculos y garantizar la agilización del proceso de descarga. Monitorear el cumplimiento de los médicos con la generación de órdenes preliminares de alta precisas y actualizadas.
Coordinadores de alta y MRP
Septiembre de 2019–en curso
Conversión de actividades internas a externas: Preparar y documentar la orden preliminar de alta la noche anterior al alta y redactar el resumen final de la alta. Preparar los suministros y equipos médicos necesarios para el paciente al ser dado de alta. Asegurar la autorización médica de los pacientes por parte de otros departamentos involucrados en la atención al paciente.
Gestores de casos, gestores de camas, coordinadores de alta, enfermeras, MMD y MRP
Septiembre de 2019–en curso
Eliminar o reducir el desperdicio en el proceso: Transición de la prescripción manual a la electrónica. Conversión de solicitudes de suministros para suministros y dispositivos médicos de manuales a electrónicos. Conversión de una cita OPD de un comprobante de cita manual a notificaciones por SMS.
Departamento de farmacia, MMD, OPD, administración médica y departamento de TIC
Septiembre de 2019–en curso
Los pacientes para el alta son vistos primero en las rondas de la mañana.
Administración médica y MRP
La orden final de alta y la prescripción de medicamentos se terminaron antes de las 9:00.
Administración médica y MRP
CM, gestión de casos; CQI &PS, mejora continua de la calidad y seguridad del paciente; Urgencias, servicio de urgencias; TIC, tecnologías de la información y las comunicaciones; MDT, equipo multidisciplinario; MMD, departamento de gestión de materiales; MRP, médico más responsable; OPD, servicio de consultas externas.
Durante la pandemia de COVID-19, hubo retrasos en el proceso de alta y prolongación de las LOS debido a la revisión constante de los protocolos de enfermedades infecciosas y a la repetición de muestras para la autorización y el alta de los pacientes. El departamento de CM abordó este desafío mediante la realización de una revisión continua del plan de atención para cada paciente, proporcionando coordinación de la atención al médico responsable y haciendo un seguimiento y agilizando los resultados de las pruebas de laboratorio.
Tercer ciclo PDCA
El tercer ciclo PDCA de la iniciativa comenzó en septiembre de 2021, no inmediatamente después del segundo ciclo, debido a la pandemia de COVID-19. Sin embargo, las intervenciones del primer y segundo ciclo se mantuvieron a lo largo de la pandemia. La unidad Quirúrgica Masculina 1 fue la unidad piloto de este ciclo.
Al inicio de este ciclo, se observó una mediana de tiempo prolongada para el ingreso electivo (6 días). Las principales causas de los largos tiempos de ingreso fueron el desajuste entre la demanda y la oferta de camas de hospitalización, la falta de conocimiento del personal no médico sobre la terminología y los diagnósticos médicos necesarios y la falta de concienciación de los pacientes sobre los requisitos previos al ingreso hospitalario.
La principal intervención fue el establecimiento de una división de gestión de camas (siguiendo al departamento de CM) para actuar como una autoridad centralizada de gestión de camas que gestiona todas las admisiones y traslados en todo el hospital. Además, la Oficina de Admisiones, que anteriormente dependía del Departamento de Asuntos del Paciente, se transfirió a la autoridad del Departamento de Medicina del Paciente, con lo que tanto las admisiones electivas como las de emergencia quedaron bajo el ámbito de la Administración de Medicina. La contratación interna (es decir, la recontratación del personal existente) demostró ser un enfoque eficaz en función de los costos que también garantizó la retención del personal.
La administración de camas monitoreó y analizó los patrones de flujo de pacientes en todo el hospital para predecir el volumen y las variaciones estacionales. Además, se implementó el IHI Be a Bed Ahead: «The Pull versus Push System»18para abordar los retrasos en el movimiento de los pacientes entre los puntos de atención. Además, se iniciaron reuniones matutinas diarias de gestión de camas, en las que los gestores de camas supervisaban los ingresos de los pacientes y gestionaban la capacidad de camas y los problemas de demanda con el equipo de atención en tiempo real.
La educación del personal no médico en relación con la terminología médica y los procesos de flujo de pacientes hospitalarios fue necesaria para mejorar el tiempo del proceso de admisión, pero resultó ser un desafío. Sin embargo, el equipo del proyecto contrató a un gerente de la oficina de admisión con formación en enfermería y experiencia en MC o gestión de camas, lo que hizo posible el programa educativo. Además, se implementaron varias intervenciones para mejorar el conocimiento del paciente y de los familiares sobre los requisitos previos al ingreso. En la tabla 3 se detallan las intervenciones del tercer ciclo PDCA.
Tabla 3.
Intervenciones del tercer ciclo PDCA destinadas a reducir el tiempo medio hasta el ingreso electivo
Objetivo
Estrategia
Acción
Responsabilidad
Periodo de tiempo
Reducir el tiempo medio de admisión electiva
Establecimiento de una autoridad centralizada de gestión de camas
Establecer BM como una división del departamento de CM.
Agosto 2021
Trasladar la autoridad de la oficina de admisión al departamento de CM para permitir el procesamiento de todas las admisiones y transferencias hospitalarias.
Agosto 2021
Iniciar reuniones diarias de camas para supervisar la ubicación de las camas de los pacientes admitidos y transferidos y actualizar o informar sobre el estado de las camas del hospital.
Administradores de casos, administradores de camas y coordinadores de alta
Agosto de 2021–en curso
Uso de sistemas de aprendizaje basados en datos para la planificación de la capacidad de camas
Uso de análisis de datos avanzados junto con el conocimiento experto de los médicos para comprender la variación en los patrones de capacidad de camas.
División BM y oficina de admisiones
Agosto de 2021–en curso
Predicción de variaciones estacionales y de volumen para pronosticar cambios en los patrones de demanda.
División BM y oficina de admisiones
Agosto de 2021–en curso
Aplicación de las reuniones de BM y gestión de los procesos de demanda y capacidad en tiempo real
Reunión matutina diaria de BM
Cada representante de la unidad tiene 1 minuto para comunicar el censo actual, las altas previstas, las admisiones y los traslados dentro del hospital (y otros temas importantes).
División BM
Agosto de 2021–en curso
Los horarios de las reuniones están limitados a 10-15 minutos.
Usar las reuniones para tomar decisiones con respecto a la cancelación de cirugías o procedimientos electivos en función de la demanda del servicio de urgencias u otros servicios. Gestionar los problemas relacionados con las brechas en la comunicación y la toma de decisiones del proceso de admisión.
Monitoreo del estado de las camas de hospital
Seguimiento de las admisiones de emergencia y electivas durante todo el año para el reconocimiento temprano de aumentos censales y de capacidad altos y para acelerar los protocolos de aumentos. Actualizar el estado de las camas hospitalarias para garantizar las camas vacantes para el ingreso a cirugías electivas.
División BM y oficina de admisiones
Agosto de 2021–en curso
Implementación de IHI Be a bed ahead: el sistema ‘The Pull versus Push’
Gestión proactiva de admisiones o traslados para facilitar el traslado del paciente al siguiente punto de atención.
División BM, enfermería, administración y oficina de admisión
Agosto de 2021–en curso
Anticiparse a la demanda y tener una cama lista en una unidad de hospitalización a la que se pueda trasladar a un paciente tan pronto como ocurra.
Aumentar la concienciación de los pacientes sobre los requisitos de admisión
Proporcionar folletos informativos para los pacientes. Proporcionar carteles educativos en todo el hospital complementados con códigos de barras para el acceso directo en teléfonos móviles. Ofrecer educación de rutina por parte del personal de la oficina de admisión a los pacientes antes de la admisión (incluidos los requisitos previos a la admisión, los derechos y responsabilidades del paciente y la información del hospital). Identificar los casos programados para cirugía electiva para informar a los pacientes o familiares que llegan temprano al hospital para la admisión oportuna y la preparación adecuada. Notificar a los pacientes a través de mensajes telefónicos para asegurar el ingreso antes de las 10:00 horas.
División BM, oficina de admisiones y OPD
Agosto de 2021–en curso
Educación del personal no médico para mejorar el proceso de admisión electiva
Contratar a un gerente de la oficina de admisión con una especialidad de enfermería y conocimiento del proceso de flujo de pacientes para ofrecer educación al personal no médico. Proporcionar educación en servicio para el personal de la oficina de admisión sobre terminología médica y flujo de trabajo de rutina. Proporcionar servicios de Internet al personal de la oficina de admisión para facilitar la búsqueda de terminologías o diagnósticos desconocidos.
División BM y oficina de admisiones
Agosto de 2021 – en curso
Proporcionar orientación por parte de la división de BM sobre el proceso de flujo de pacientes del hospital.
Establecer el número máximo de admisiones electivas por día y/o especialidad
Detección de todos los casos adicionales por día en los departamentos ambulatorios.
Administración médica, división de BM, oficina de admisión, departamento de quirófano
Agosto de 2021 – en curso
Informar a todos los jefes de departamento (a través de memorandos distribuidos) del número total sugerido de pacientes para cirugías electivas por día o semana para evitar el exceso de reservas que resulte en la cancelación de la cirugía.
BM: gestión de camas; CM, gestión de casos; Urgencias, servicio de urgencias; IHI, Instituto para el Mejoramiento de la Atención Médica; OPD, servicio de consultas externas; quirófano, quirófano; PDCA, Planificar-Hacer-Verificar-Actuar.
Resultados
Este proyecto comprendió tres ciclos superpuestos de intervenciones que comenzaron en septiembre de 2019 hasta septiembre de 2022. El objetivo del primer ciclo PDCA fue reducir la duración media de la estancia hospitalaria. En cuanto a las medidas de proceso utilizadas para evaluar estas intervenciones cíclicas, el porcentaje de cumplimiento de la revisión del MDT al octavo día fluctuó a lo largo de los primeros 12 meses de la intervención, con un valor que superó el objetivo esperado a partir de abril de 2020. En septiembre de 2020 se logró un cumplimiento del 100%, que se mantuvo hasta el final del proyecto (p=0,009) (figura 2A, tabla 4). El porcentaje de planificación del alta precoz para pacientes complejos aumentó de un 0% basal al inicio de la intervención al 100% en febrero de 2020 y se mantuvo en el 100% hasta el final del proyecto; sin embargo, el cambio no fue significativo (figura 2B, tabla 4).
Medidas de proceso. (A) Cumplimiento del MDT al octavo día (%). (B) Inicio temprano de la planificación del alta para casos complejos (%). (C) Pacientes dados de alta de las unidades hospitalarias antes de las 12:00 (%). (D) Pacientes con órdenes preliminares de alta documentadas la noche anterior al alta (%). (E) Tiempo medio (en minutos) hasta el alta de un entorno hospitalario. (F) Tiempo de espera (en días) para la admisión electiva. (G) Ingreso tardío (duración >45 min) (%). (H) Pacientes ingresados en unidades hospitalarias antes de las 10:00 (%). (I) Tasa de rotación de camas. Ave., promedio; BTR: tasa de rotación de camas; MDT, equipo multidisciplinario.
Tabla 4.
Medidas del proyecto, línea de base versus posintervención
Medir
Tipo de medida
Valor
Valor de p
Ciclo PDCA
Objetivo/impacto
Referencia
Después de la intervención
Revisión del cumplimiento del MDT al octavo día
Proceso
0.0%
100.0%
0.009*
Primero
Reducción de la duración del servicio hospitalario
Planificación del alta precoz para pacientes complejos
Proceso
69.0%
100.0%
0.116
Primero
Reducción de la duración del servicio hospitalario
Pacientes dados de alta antes de las 12:00 (%)
Proceso
20.0%
64.0%
0.001*
Segundo
Reducción del tiempo medio del ciclo de descarga
Los pacientes con alta preliminar documentada ordenan la noche antes del alta
Proceso
32.0%
85.0%
0.0018
Segundo
Reducción del tiempo medio del ciclo de descarga
Mediana del tiempo hasta el alta
Proceso
212.0 minutos
61.5 minutos
0.057
Segundo
Reducción del tiempo medio del ciclo de descarga
Tiempo de espera para la admisión electiva
Proceso
6.0 días
3.0 días
0.082
Tercero
Reducción del tiempo medio de admisión electiva
Ingreso tardío (duración >45 min)
Proceso
10.0%
3.0%
<0,001*
Tercero
Reducción del tiempo medio de admisión electiva
Pacientes ingresados en unidades hospitalarias antes de las 10:00
Proceso
19.0%
92.0%
<0,001*
Tercero
Reducción del tiempo medio de admisión electiva
Tasa de rotación de camas
Proceso
0.57
0.93
0.038*
Primero
Reducción de la duración del servicio hospitalario
LOS promedio
Resultado
11.5 días
4.4 días
<0,001*
Primero
Reducción de la duración del servicio hospitalario
Segundo
Reducción del tiempo medio del ciclo de descarga
Tercero
Reducción del tiempo medio de admisión electiva
Hora de embarque en el Departamento de Urgencias
Resultado
11.9 horas
1.2 horas
0.017*
Primero
Reducción de la duración del servicio hospitalario
Segundo
Reducción del tiempo medio del ciclo de descarga
Tercero
Reducción del tiempo medio de admisión electiva
Experiencia del paciente Admisión Alta
Resultado
85.1% 83.5%
83.5% 87.9%
N/A N/A
Primero
Reducción de la duración del servicio hospitalario
Segundo
Reducción del tiempo medio del ciclo de descarga
Tercero
Reducción del tiempo medio de admisión electiva
Reingreso hospitalario en 30 días
Equilibrio
7.5%
0.0%
0.065
Primero
Reducción de la duración del servicio hospitalario
Segundo
Reducción del tiempo medio del ciclo de descarga
Tercero
Reducción del tiempo medio de admisión electiva
Tasa de mortalidad hospitalaria
Equilibrio
2.5%
2.5%
0.479
Primero
Reducción de la duración del servicio hospitalario
Segundo
Reducción del tiempo medio del ciclo de descarga
Tercero
Reducción del tiempo medio de admisión electiva
Tasa de infecciones intrahospitalarias
Equilibrio
1.8%
1.3%
0.037*
Primero
Reducción de la duración del servicio hospitalario
Segundo
Reducción del tiempo medio del ciclo de descarga
Tercero
Reducción del tiempo medio de admisión electiva
*Significativo a p<0.05, prueba t.
Urgencias, servicio de urgencias; LOS: duración de la estancia; MDT, equipo multidisciplinario; PDCA, Planificar-Hacer-Verificar-Actuar.
El segundo ciclo PDCA tuvo como objetivo reducir el tiempo del ciclo de descarga. Para examinar el impacto de las intervenciones, se evaluaron las siguientes medidas del proceso: porcentaje de pacientes dados de alta de las unidades hospitalarias antes de las 12:00, porcentaje de pacientes con órdenes preliminares de alta documentadas la noche anterior al alta y mediana de tiempo hasta el alta. El porcentaje basal de pacientes dados de alta antes de las 12:00 fue del 20%. Esta medida aumentó rápidamente, superando la meta esperada y alcanzando el 63% en febrero de 2020. Luego se desplomó entre abril de 2020 y septiembre de 2020 debido a la dificultad de lograr las intervenciones durante la pandemia de COVID-19. A partir de entonces, la medida mejoró gradualmente, pasando del 30% en mayo de 2019, superando la meta esperada en agosto de 2020 (60%) y alcanzando el 66% al final de la iniciativa (p=0,001) (gráfico 2C, tabla 4). El porcentaje de pacientes con órdenes de alta preliminar documentadas la noche anterior al alta comenzó en un 32% basal y aumentó de manera constante hasta alcanzar el objetivo esperado en julio de 2020, alcanzando el 85% al final de la iniciativa (p=0,001) (figura 2D, tabla 4). La mediana del tiempo basal hasta el alta se estimó en 212 min en octubre de 2019. Esto se redujo rápidamente a 62,3 min en enero de 2020. La disminución se mantuvo hasta el final de la iniciativa, llegando a los 63 min al final de la intervención. Sin embargo, esta mejora del 71% no fue estadísticamente significativa (figura 2E, tabla 4).
Durante el tercer ciclo PDCA, la reducción del tiempo medio de espera para el ingreso electivo fue el objetivo principal de las intervenciones. Las medidas del proceso examinadas para este ciclo incluyeron el tiempo de espera para el ingreso electivo, el porcentaje de ingresos retrasados (con una duración de >45 min) y el porcentaje de pacientes ingresados en las unidades hospitalarias antes de las 10:00. La medida de referencia del tiempo de espera para la admisión electiva fue de 6 días en septiembre de 2021. A partir de entonces, los valores medios fluctuaron, mostrando aumentos y disminuciones aún por debajo del nivel objetivo esperado. Al final de la iniciativa, el tiempo medio se redujo en un 50% (3 días en septiembre de 2022); sin embargo, el cambio no fue estadísticamente significativo (figura 2F, tabla 4). La mediana de ingreso tardío se estimó en un 10% al inicio del estudio (septiembre de 2021). La medida disminuyó paulatinamente, alcanzando el 3% al final de la iniciativa (p<0,001) (gráfico 2G, tabla 4). El porcentaje de pacientes ingresados en unidades hospitalarias antes de las 10:00 comenzó con un valor basal del 19% (septiembre de 2021). Esta medida se incrementó gradualmente hasta el 92% al final de la iniciativa (p<0,001) (gráfico 2H, tabla 4).
La tasa de rotación de camas, la medida del proceso influenciada por todas las intervenciones del proyecto, se estimó inicialmente en 0,57 en septiembre de 2019. Esto aumentó gradualmente a 0,98 en febrero de 2020, después de lo cual hubo una rápida caída que continuó hasta abril de 2020 debido a la falta de mantenimiento de las intervenciones durante la pandemia de COVID-19. Luego, la medida aumentó gradualmente a 0,96 en octubre de 2020, luego de lo cual el aumento se mantuvo, llegando a 0,93 al final de la iniciativa (p=0,038) (gráfico 2I, tabla 4).
Las medidas de resultado de este proyecto fueron el tiempo promedio de ingreso en el hospital, el tiempo promedio de ingreso en el servicio de urgencias y la experiencia del paciente. El promedio de LOS hospitalario de referencia fue de 11,5 en enero de 2019. La medida fluctuó notablemente hasta julio de 2020 (llegando a 6,2), tras lo cual la medida se redujo gradualmente a 4,4 días al final de la intervención (p<0,001) (gráfico 3A, cuadro 4). El tiempo medio de referencia de embarque en el servicio de urgencias fue de 11,9 horas en enero de 2019. Esta disminuyó rápidamente hasta julio de 2019, después de lo cual la reducción fue sostenida, llegando a 1,2 horas al final de la intervención (p=0,017) (figura 3B, tabla 4). En cuanto a la experiencia del paciente, se focalizó específicamente en los dominios de ingreso y alta hospitalaria. Hubo una mejora gradual y sostenible en la experiencia de los pacientes en el proceso de ingreso, pasando de un 85,1% en 2019 a un 86,1% en 2022. La satisfacción con el proceso de alta aumentó del 83,5% al inicio del estudio en 2019 al 87,9% en 2022 (gráfico 3E, tabla 4).
Medidas de resultados y equilibrios (A) ALOS (en días). (B) Tiempo de embarque en el servicio de urgencias (en min). (C) Tasa de reingreso hospitalario dentro de los 30 días. (D) Correlación de la LOS hospitalaria con las tasas de mortalidad por IRAS. (E) Experiencia del paciente en los dominios de admisión y alta de pacientes hospitalizados. Ave., promedio; ALOS: duración media de la estancia; Urgencias, servicio de urgencias; IRAS: infección intrahospitalaria; Q3, Trimestre 3.
Las medidas de equilibrio del proyecto fueron la tasa de reingreso hospitalario a los 30 días, la tasa de mortalidad hospitalaria y la tasa de IRAS. La tasa de reingreso hospitalario se estimó al inicio del estudio en septiembre de 2019 (7,5%). En junio de 2020 bajó rápidamente al 1,2%. Luego, la medida disminuyó gradualmente hasta el 0% en diciembre de 2021, y este valor se mantuvo hasta el final de la iniciativa. Sin embargo, este cambio no fue estadísticamente significativo (figura 3C, tabla 4). En cuanto a la mortalidad, la medición base en el cuarto trimestre de 2019 fue de 2,5%, que aumentó a 4,5% en el primer trimestre de 2020. A esto le siguió una disminución constante hasta el 2,5% al final de la intervención, que no se correlacionó con la LOS hospitalaria. Por otro lado, la tasa de HAI comenzó en el 1,8% al nivel de referencia en el cuarto trimestre de 2019. Esta cifra disminuyó en el primer trimestre de 2020, alcanzando el 0,8%, seguida de un aumento hasta el 2,3% en el segundo trimestre de 2020. A partir de entonces, la tasa de IRAS disminuyó de manera sostenida, alcanzando el 1,3% al final de la iniciativa, correlacionándose con la LOS hospitalaria (p=0,037) (figura 3D, tabla 4).
Estimación del retorno de la inversión
Se estimó un ROI10 para determinar el impacto económico de la intervención. El ROI se calculó como el cociente entre dos estimaciones financieras de los rendimientos financieros netos de la acción de mejora (reducción de costes debido a la reducción de la LOS hospitalaria) dividido por la inversión financiera en el proyecto de mejora (contratación interna de personal para la división de gestión de camas). El ahorro de costes se derivó de la diferencia entre los rendimientos (reducción de costes derivada de la reducción de la LOS hospitalaria) y la inversión en costes (contratación interna de personal para la división de gestión de camas).
La reducción de la duración de la estancia hospitalaria en el Hospital de las Fuerzas Armadas de Al Hada dio lugar a un rendimiento financiero neto de 128.032.692 riales sauditas (SAR) (cuadro 5), mientras que la inversión financiera en las medidas de mejora se estimó en 4.902.500 SAR (cuadro 6). El ahorro neto de costos (es decir, rendimientos financieros netos-inversión financiera) se estimó en 123 130 192 SAR (32 821 239 dólares EE.UU.). Por lo tanto, el ROI se estimó en 26,11.
Tabla 5.
Rentabilidad financiera neta gracias al plan de mejora
Indicador
Año
2020
2021
2022
Número total de camas
220
283
293
Tasa de ocupación de camas (%)
62.0
81.0
75.0
Uso actual de la cama
136
229
220
Hospital LOS (días) antes
9.5
6.8
5.5
LOS del hospital (días) después de
6.8
5.5
4.6
Demanda de camas con la nueva LOS
98
185
184
Ganancia de camas disponibles
39
44
36
Costo diario de cama (SAR)
3000.0
3000.0
3000.0
Eficiencia operativa diaria (SAR)
116 299
131 470
107 877
Eficiencia operativa mensual (SAR)
3 488 968
3 944 104
3 236 318
Eficiencia operativa anual (SAR)
41 867 621.0
47 329 253
38 835 818
Rentabilidad financiera neta
128 032 692 SAR
LOS: duración de la estancia; RAE, riales saudíes.
Tabla 6.
Inversión financiera en la acción de mejora
Contratación interna
Septiembre 2019–septiembre 2020
Septiembre 2020–Septiembre 2021
Septiembre 2021–Septiembre 2022
No. de personal
Mensual (SAR)
Anual (SAR)
No. de personal
Mensual (SAR)
Anual (SAR)
No. de personal
Mensual (SAR)
Anual (SAR)
Salario del personal saudí
2
8000
192 000
2
8000
192 000
6
8000
576 000
Salario del personal no saudita
5
13 000
780 000
9
13 000
1 404 000
11
13 000
1 716 000
Coste de la formación inicial
7
2500
17 500
4
2500
10 000
6
2500
15 000
Costo anual (SAR)
989 500
1 606 000
2 307 000
Inversión financiera total
4 902 500 SAR
RAE, riales saudíes.
Discusión
La población saudí ha crecido exponencialmente en los últimos 20 años, lo que ha provocado un aumento del gasto sanitario estimado en 2.400 millones de dólares al año. 19 Al igual que la mayoría de los países del mundo, Arabia Saudita enfrenta desafíos para proporcionar servicios de atención médica rentables y, al mismo tiempo, garantizar la calidad de la atención en sus instalaciones públicas. La transformación de la atención sanitaria es un objetivo central de la Visión 2030 de Arabia Saudí. 20 Arabia Saudita ha optado por reestructurar su sistema de salud a través de la privatización de los hospitales públicos, una solución implementada a nivel mundial para superar la carga financiera de sistemas de salud ineficientes e insatisfactorios. 21 Sin embargo, la Visión 2030 establece el camino para utilizar la innovación con el fin de mejorar la eficiencia operativa y la sostenibilidad financiera en la atención sanitaria. 20 Por lo tanto, la adopción de enfoques innovadores de MC se alinea con la Visión 2030 de Arabia Saudita y contribuye a ella.
El objetivo de este proyecto era racionalizar la atención al paciente, centrándose en el papel de la MC como principal motor del paquete de cambio. La iniciativa comenzó en septiembre de 2019 y concluyó en septiembre de 2022. Las intervenciones se implementaron a través de tres ciclos de PDCA superpuestos. Todas las medidas del proyecto (proceso, equilibrio y resultado) se supervisaron continuamente. La LOS hospitalaria se ha establecido como una medida de la eficiencia de la atención sanitaria. 22 Las estadías hospitalarias innecesariamente largas se asocian con malos resultados de los pacientes, incluidas las infecciones adquiridas en el hospital y el aumento de la mortalidad,23 así como con el aumento de los costos y las experiencias negativas de los pacientes. 24 Las LOSs prolongadas de pacientes reducen la eficiencia operativa de los sistemas de salud, sobrecargan al personal y aumentan el costo de la ocupación innecesaria de camas24 y el impacto económico de los eventos adversos. 25 26 Utilizamos el promedio de LOS hospitalario como la principal medida de resultado de esta iniciativa. El promedio de duración hospitalaria para todas las causas en los países de la Organización para la Cooperación y el Desarrollo Económicos (OCDE) fue de aproximadamente 8 días. Turquía y México tuvieron las estancias más cortas (alrededor de 4 días), mientras que Japón y Corea tuvieron las estancias más largas (más de 16 días). 27
En el primer ciclo de PDCA, CM se centró en la coordinación de la atención al paciente entre todas las partes involucradas. Uno de los enfoques utilizados en este proyecto fue reforzar el papel de los equipos multidisciplinarios, que hacen posible la educación y la colaboración interprofesionales. 28 29 Esta colaboración permitió la resolución de problemas y la toma de decisiones en tiempo real. Además, el CM introdujo medidas para superar el retraso en la transición de los pacientes a otros entornos asistenciales o comunitarios, un problema bien conocido en la asistencia sanitaria que retrasa el alta de los pacientes y prolonga innecesariamente la LOS. 30 Esto se logró mediante la identificación de pacientes con necesidades sociales y médicas complejas en el momento de su ingreso y el desarrollo de programas de comunicación dirigidos a la atención y los servicios comunitarios. Se ha demostrado que una transición adecuada de la atención reduce los reingresos hospitalarios31, lo que está en línea con la reducción de la tasa de reingresos hospitalarios en nuestro estudio.
La planificación del alta es actualmente un elemento importante en la gestión de los sistemas sanitarios. Varios autores han declarado que las horas de la mañana no son adecuadas para la elaboración de la orden preliminar de alta y esto debería ocurrir idealmente el día antes del alta, cuando el paciente ha sido identificado tentativamente como listo para salir. 32 33 La planificación del proceso de descarga se abordó con éxito en el segundo ciclo PDCA utilizando varias intervenciones. La planificación del alta ha demostrado ser eficaz en la reducción de las LOSs hospitalarias34, 35, lo que está en línea con nuestros resultados.
El manejo de camas se abordó en el tercer ciclo del PDCA. CM creó una autoridad central de gestión de camas, trasladando todas las secciones hospitalarias relevantes bajo su paraguas. Esto hizo posible la orquestación de todos los ingresos y traslados hospitalarios, con el objetivo de monitorear las camas hospitalarias y proporcionar camas vacías para admisiones electivas y de emergencia, para satisfacer la demanda y la capacidad. Esto dio como resultado una reducción exitosa de los tiempos de espera para las admisiones electivas y el tiempo de ingreso a la sala de emergencias, y una mayor eficiencia operativa del hospital. El papel de la gestión de camas en la mejora del flujo de pacientes y la eficiencia operativa del hospital ha sido confirmado en varios estudios. 36 37
El equipo del proyecto utilizó la contratación interna para reclutar personal para la recién creada División de Gestión de Camas. Las ventajas de la contratación interna son multidimensionales; Proceso de contratación corto, reducción de los costes de contratación, ausencia de publicidad y el hecho de que los reclutas internos ya están familiarizados con la cultura y los procesos de la organización. 38 Además de lograr la retención del personal, resultó ser una solución rápida, que dio lugar a un ahorro estimado de 315 000 riyals en costos que, de otro modo, se habrían producido en la contratación externa de personal no saudita.
Al ser un centro de atención terciaria, el Hospital de las Fuerzas Armadas de Al Hada es el destino de pacientes complejos con comorbilidades que requieren diagnósticos y planes de tratamiento especiales. Los enfoques de MC y MDT son las intervenciones más comunes utilizadas para abordar la complejidad en entornos hospitalarios, donde se identifican y se involucran pacientes complejos para prevenir el empeoramiento de la salud y mejorar los resultados de salud y la satisfacción del paciente. 29
Se cree que los pacientes que se dedican a su propia atención médica tienen mejores resultados de salud y están más satisfechos con el servicio. 39 40 Pero esto es difícil de lograr en un entorno hospitalario. 39 Sin embargo, la participación de los pacientes y sus familiares en la planificación del alta y del ingreso (en el primer y tercer ciclo PDCA, respectivamente) resultó ser un factor integral en el éxito de la mejora.
La importancia de los enfoques basados en datos para mejorar la atención sanitaria se ha destacado recientemente en la literatura. 30 Desde el inicio del proyecto, CM integró enfoques basados en datos en su proceso. Esto facilitó el análisis de los datos, la colaboración de la atención y la toma de decisiones, lo que hizo que las intervenciones del estudio fueran exitosas. Esto está en consonancia con los resultados de varios estudios que utilizan enfoques basados en datos en entornos comparables. 30 32
La experiencia del paciente sirve como una medida de resultado crucial para evaluar la efectividad de las mejoras en el flujo de pacientes en todo el hospital. 41 Este estudio siguió la satisfacción de los pacientes con los procesos de ingreso y alta, que ha mostrado un aumento constante durante el período de la intervención.
Se ha encontrado que la reducción de la duración promedio de los servicios en los hospitales reduce las tasas de mortalidad. 42 Sin embargo, esto no pudo ser demostrado en nuestro estudio. Esto podría explicarse por la complejidad de la población de pacientes en el Hospital de las Fuerzas Armadas de Al Hada. Además, el aumento de las tasas de mortalidad debido a la pandemia de COVID-19 afectó aún más nuestros hallazgos. Por otro lado, la duración hospitalaria tuvo un impacto positivo en la tasa de IRAS en nuestro estudio. Esto es consistente con los hallazgos de varios estudios. 43 44
El ahorro neto de costos de la iniciativa ascendió a 123 millones de SAR durante los 3 años del proyecto. Los ingresos financieros generados por el proyecto fueron excepcionales, con un retorno de la inversión de 26. De acuerdo con la Agency for Healthcare Research and Quality,10 un ROI de 26 indica que por cada 1 SAR invertido en la iniciativa, el hospital ganó 26 SAR. Esto está en consonancia con estudios recientes que han demostrado que la gestión de los flujos de pacientes a través de la MC no solo es beneficiosa para el paciente, sino también para la organización. 32 34 La literatura está dividida en cuanto a la relación costo-efectividad de la MC45, lo que probablemente se explica por la amplia variabilidad de los enfoques de MC. Sin embargo, nuestras intervenciones demostraron ser costo-efectivas en nuestro entorno hospitalario.
Lecciones aprendidas
Los cambios implementados en este proyecto, la utilización de gestores de casos, gestores de camas, coordinadores de alta y oficiales de admisión, junto con la modificación de los procesos relacionados con el hospital y un enfoque de atención centrado en el paciente o la familia, han dado como resultado mejoras significativas en el flujo de pacientes y una reducción de las estancias hospitalarias innecesarias, con resultados financieros favorables. Este modelo encarna el potencial de sostenibilidad y exportabilidad.
La sostenibilidad de estas mejoras depende de la implementación y el perfeccionamiento continuos de las funciones y los procesos involucrados. Esto requiere una comunicación efectiva entre el organismo supervisor, incluidas reuniones periódicas, para identificar y abordar oportunamente los desafíos que surjan durante el proceso. Los programas de formación continua y una mayor concienciación entre los profesionales sanitarios pueden ayudar a mantener el impulso y garantizar el éxito a largo plazo en la mejora del flujo de pacientes. Los cambios involucrados en este proyecto también pueden ser exportables. El establecimiento de departamentos dedicados a la medicina del medio ambiente en cada hospital militar de Arabia Saudita puede consolidar aún más estos cambios y proporcionar un marco para futuras mejoras. La comunicación interinstitucional es necesaria para discutir las estrategias específicas de transferencia y sostenibilidad de las intervenciones. Además, destacar el impacto financiero positivo y el beneficio para el paciente puede enfatizar el valor de estas intervenciones y su posible replicación en otros entornos sanitarios.
En resumen, las lecciones aprendidas de este proyecto subrayan la importancia de priorizar la seguridad del paciente, optimizar la eficiencia, mejorar la accesibilidad e implementar soluciones sostenibles. Al incorporar estas lecciones en iniciativas futuras, las organizaciones sanitarias pueden esforzarse por mejorar continuamente la atención al paciente y la eficiencia operativa.
Limitaciones
El primer ciclo PDCA de nuestra iniciativa coincidió con dos proyectos en curso, NO WAIT46 y el proyecto de optimización del flujo de pacientes47 del departamento de CM. Por lo tanto, es difícil cuantificar el alcance del cambio atribuible únicamente a las intervenciones de esta iniciativa. La evaluación del impacto de la intervención en el personal del hospital y su satisfacción con el cambio habría sido una valiosa adición al trabajo, pero esto no se abordó en el estudio. Además, reconocemos el alcance limitado del dominio de la experiencia del paciente en este estudio, que se centró en el dominio de la hospitalización que abarca los procesos de admisión y alta. Si bien estos aspectos son cruciales para la satisfacción del paciente y la experiencia general, no se abordaron otros dominios importantes de la experiencia del paciente. La investigación y el estudio adicionales deben explorar todos los dominios de satisfacción del recorrido del paciente relacionados con la LOS hospitalaria, como la comunicación con los proveedores de atención médica, la participación en las decisiones de tratamiento, el manejo del dolor y la coordinación general de la atención.
Es importante tener en cuenta que, aunque los hallazgos de este estudio se alinean con investigaciones previas, el contexto de cada organización sanitaria puede variar y las intervenciones específicas implementadas pueden diferir. Por lo tanto, es esencial tener en cuenta las características y necesidades únicas de cada organización a la hora de diseñar e implementar intervenciones de GC.
Conclusión
Este proyecto demuestra que la MC puede mejorar el flujo de pacientes en un entorno hospitalario a través de los roles de los administradores de casos, gerentes de camas, coordinadores de alta y oficiales de admisión y a través de la modificación de los procesos relacionados con el hospital (planificación de admisión/alta, reuniones de MDT y otros), con un impacto financiero positivo debido a una reducción de los costos de estadías innecesarias de pacientes hospitalizados. Este proyecto también demuestra que se puede implementar con éxito una solución sostenible, en lugar de una intervención a corto plazo. La intervención actual puede servir como punto de referencia para futuros proyectos de mejora relacionados con el flujo de pacientes en los hospitales y cómo contribuye a la mejora de la calidad y al beneficio del paciente.
Debido a los notables resultados de este proyecto de mejora, se recomendó que este conjunto de intervenciones se difundiera al MODHS y sus satélites. El equipo del proyecto ha puesto en marcha programas de formación profesional en todos los hospitales del Ministerio de Salud y Servicios Humanos con el objetivo de crear conciencia sobre el flujo de pacientes, enseñar métodos para mejorar el flujo de pacientes y sentar las bases para establecer departamentos de MC en cada hospital.
Si bien se encontraron desafíos y limitaciones, el estudio ha proporcionado información valiosa sobre las complejidades de optimizar el flujo de pacientes en un entorno hospitalario. Al abordar estos desafíos y aprovechar los éxitos de este proyecto, los hospitales pueden continuar mejorando la atención al paciente, la utilización de recursos y la eficiencia operativa general. Esta investigación contribuye al cuerpo de conocimientos sobre la optimización del flujo de pacientes y proporciona un marco para futuros estudios e implementaciones en otros entornos sanitarios.
La muerte del Papa Francisco1 marca no solo el final de un papado, sino también la pérdida de una voz global que persistentemente tendió un puente entre la ciencia, la compasión y la ética en uno de los roles más influyentes del mundo moderno. En una época de desinformación, polarización y crisis de salud pública, su autoridad moral se alineaba con frecuencia con la razón científica y la acción basada en la evidencia.A lo largo de su pontificado, el Papa Francisco mostró un profundo compromiso con la salud mundial y la justicia ambiental. Su encíclica de 2015 Laudato Si’2 fue uno de los primeros documentos religiosos importantes que enmarcó el cambio climático como una crisis tanto científica como moral, influyendo en los responsables políticos, los científicos y la sociedad civil por igual. Su apoyo a la vacunación contra la COVID-193—tanto a través del ejemplo personal como de la movilización institucional— fue esencial para contrarrestar las dudas sobre las vacunas en diversas poblaciones, especialmente entre los fieles. Además, el Papa Francisco hizo hincapié en la dignidad intrínseca de todo ser humano, abogando por el acceso a la atención sanitaria como un derecho fundamental, no como un privilegio. A menudo apoyó a los marginados, incluidos los migrantes, los pobres y los enfermos crónicos, destacando las desigualdades en salud que los científicos y los médicos a menudo luchan por abordar solos. Su liderazgo no fue meramente simbólico; Creó un espacio para el diálogo entre la comunidad científica y las instituciones religiosas, que a menudo siguen enfrentadas.El Papa Francisco también revitalizó la Academia Pontificia de las Ciencias, fomentando el diálogo abierto entre premios Nobel, investigadores y teólogos.4 Bajo su liderazgo, el Vaticano se convirtió en una plataforma inesperada pero vital para hacer frente a las amenazas globales, como la inteligencia artificial, la resistencia a los antimicrobianos y las enfermedades provocadas por el clima. Su papado desafió la idea errónea de que la fe debe ser antagónica a la ciencia, ofreciendo en cambio un modelo en el que ambas sirven a la humanidad de manera complementaria.
En una época en la que la confianza en la ciencia se erosiona con frecuencia, el mundo ha perdido a uno de sus raros líderes morales que defendía la evidencia, el diálogo y la humildad. El legado del Papa Francisco debe recordarnos que la búsqueda de la equidad en salud, la acción climática y la solidaridad global exigen no solo datos y tecnología, sino también convicción ética y conexión humana. Al mismo tiempo que la comunidad científica llora esta pérdida, también está llamada a sostener los puentes que él construyó, entre la razón y la creencia, entre el laboratorio y la calle, y entre la ciencia y el alma.
La inteligencia artificial (IA), que combina la informática con amplios conjuntos de datos, busca imitar la inteligencia humana. Diversos subconjuntos de la IA se están aplicando en casi todos los campos de la medicina y la cirugía.
Apuntar:
Esta revisión se centra en las aplicaciones de la IA en entornos de atención sanitaria en países en desarrollo, diseñada para subrayar su importancia al describir exhaustivamente los avances logrados hasta ahora, las deficiencias encontradas en las aplicaciones de la IA, el estado actual de la integración de la IA, los desafíos persistentes y las estrategias innovadoras para superarlos.
Metodología:
Se buscaron artículos de PubMed, Google Scholar y Cochrane entre 2000 y 2023 con palabras clave que incluían IA y atención médica, centrándose en múltiples especialidades médicas.
Resultados:
El creciente papel de la IA en el diagnóstico, la predicción del pronóstico y la gestión de pacientes, así como en la gestión hospitalaria y la atención sanitaria comunitaria, ha mejorado la eficiencia del sistema sanitario en general, especialmente en entornos con alta carga de pacientes y zonas con recursos limitados de países en desarrollo, donde la atención al paciente suele verse comprometida. Sin embargo, desafíos como las bajas tasas de adopción y la ausencia de directrices estandarizadas, los altos costos de instalación y mantenimiento de los equipos, las deficiencias en el transporte y los problemas de conectividad dificultan el uso pleno de la IA en la atención sanitaria.
Conclusión:
A pesar de estos desafíos, la IA ofrece un futuro prometedor en la atención médica. Es fundamental que los profesionales sanitarios cuenten con los conocimientos y la experiencia necesarios para el uso de la tecnología de IA en la atención médica en los países en desarrollo.
Introducción
La inteligencia artificial (IA) es una disciplina que fusiona la informática con extensos conjuntos de datos para replicar una inteligencia similar a la humana. En los anales de la historia médica, se vislumbra una nueva era, caracterizada por la integración simbiótica de la IA con la atención médica. Esta combinación revolucionaria representa un hito que promete transformar el panorama médico y de la atención al paciente. Desde mediados del siglo XX, la incursión de la IA en la medicina ha evolucionado desde conjeturas teóricas hasta aplicaciones tangibles y transformadoras, entre las que destacan el aprendizaje automático (AA) y su subconjunto, el aprendizaje profundo (AA). 1 El AA es una aplicación basada en algoritmos y técnicas que mejoran el rendimiento de un programa informático analizando y generando conclusiones válidas y consistentes mediante la recopilación de regularidades de grandes bases de datos. 2 Estos algoritmos permiten a los ordenadores aprender continuamente de la información almacenada específica de un problema, lo que les permite encontrar información oculta y patrones complejos, así como automatizar la construcción de modelos analíticos para realizar tareas cognitivas como la traducción del lenguaje natural o la detección de objetos. El aprendizaje automático ( AA ) utiliza capas de redes neuronales para extraer patrones complejos, como la recopilación, el almacenamiento, el procesamiento y el análisis de datos. Entre los diferentes tipos de algoritmos de AA , la familia de redes neuronales artificiales (RNA) es de especial importancia. Las neuronas artificiales, o representaciones matemáticas de unidades de procesamiento interconectadas, constituyen las redes neuronales artificiales (RNA). Al igual que las sinapsis cerebrales humanas, cada conexión entre neuronas emite señales, cuya intensidad puede modificarse continuamente durante el proceso de aprendizaje.
Estas neuronas artificiales se organizan en redes multicapa, donde una capa de salida genera el resultado final tras recibir los datos de una capa de entrada. Además, las redes neuronales profundas ( NP ) se crean añadiendo múltiples capas ocultas dispuestas en diseños de red altamente anidados. Suelen contener neuronas y técnicas avanzadas, a diferencia de las RNA simples, lo que permite su uso en operaciones avanzadas
.Estos subconjuntos de IA encuentran numerosas aplicaciones en la medicina moderna y hoy, IA es un aliado incondicional, empoderando a los profesionales de la salud con perspectivas incomparables, agilizando diagnósticos y revolucionando estrategias de tratamiento. Sin embargo, la aplicación de IA en la industria de la salud ha encontrado obstáculos en el uso completo de su potencial en los países en desarrollo.
5 Los países en desarrollo son aquellos que aún no han alcanzado un grado máximo de industrialización en relación con sus poblaciones y, en la mayoría de los casos, tienen un nivel de vida medio a bajo. La mayoría de estos países se encuentran dentro de América Latina, Asia y África. Estos países en su mayoría carecen de un crecimiento económico estable, sistemas de salud adecuados, tecnologías modernas y oportunidades de investigación. Si bien numerosas revisiones anteriores han explorado el uso de IA en el campo de la medicina, 1 , 5 es crucial reconocer que la IA es un dominio dinámico y en constante evolución. 6 Solo unas pocas revisiones han examinado críticamente cómo la IA puede revolucionar la atención médica en los países en desarrollo. 5 , 6 Esta revisión narrativa se centra en las aplicaciones de la IA en entornos de atención sanitaria en países en desarrollo, diseñada para subrayar su importancia al describir exhaustivamente los avances logrados hasta ahora, las deficiencias encontradas en las aplicaciones de la IA, el estado actual de la integración de la IA, los desafíos persistentes y las estrategias innovadoras para superarlos.
Metodología
Para redactar esta revisión, se realizó una búsqueda bibliográfica en PubMed, Google Académico y Cochrane de artículos publicados desde la fecha de inspección hasta el 1 de agosto de 2023. Se utilizaron ensayos clínicos, revisiones sistemáticas y estudios transversales para redactar esta revisión exhaustiva. Las palabras clave utilizadas en la búsqueda fueron inteligencia artificial (IA), atención médica, hospitales, medicina y cirugía. Nuestros criterios de inclusión se centraron estrictamente en estudios que examinaran las aplicaciones de la IA en radiología, cardiología, oncología, neurología, cuidados intensivos, anestesiología, cirugía y medicina comunitaria. Se excluyeron artículos editoriales, correspondencia, informes de casos y comentarios.
Subconjuntos de IA utilizados en la atención sanitaria y los hospitales
En 1950, el mundo conoció el potencial transformador de la IA. 7 Sin embargo, los primeros modelos de IA enfrentaron desafíos que inicialmente limitaron su adopción generalizada en el campo médico, especialmente en los países en desarrollo. 5 , 8 , 9 Sin embargo, en la década del 2000, el aprendizaje profundo (DL) provocó un cambio significativo, permitiendo que los sistemas de IA aprendan y tomen decisiones de forma independiente, similar al cerebro humano. 3 , 10 , 11 Este avance es prometedor para mejorar la atención médica en general y en las naciones en desarrollo. 12 El aprendizaje automático incluye varios algoritmos prediseñados que permiten a la IA evaluar la situación, realizar los ajustes necesarios y tomar decisiones o acciones apropiadas 13 que pueden desempeñar un papel crucial en la atención médica, especialmente en los países en desarrollo donde la detección de enfermedades, la evaluación de factores de riesgo, el diagnóstico oportuno y la toma de decisiones bien informada son un desafío .En Nigeria, la empresa emergente Ubenwa utiliza procesamiento de señales y aprendizaje automático para predecir y mejorar el diagnóstico de asfixia al nacer, especialmente en entornos de bajos recursos.<sup>
14</sup> En los países en desarrollo, la eficacia del cribado de la retinopatía diabética (RD) se ve obstaculizada por una infraestructura oftalmológica inadecuada, sobre todo en las regiones rurales. Ha surgido un enfoque innovador que utiliza IA para el cribado de la RD, demostrando un potencial considerable en sensibilidad y especificidad para un diagnóstico preciso. Esta innovación alivia la presión causada por la escasez de instalaciones y de oftalmólogos, ofreciendo evaluaciones rápidas y precisas. De igual manera, Bellemo et al .<sup> 15 </sup> realizaron un estudio en Zambia que demostró la eficacia de la IA en el diagnóstico de la retinopatía diabética, mostrando resultados prometedores en comparación con las evaluaciones humanas. Si bien el cribado basado en IA presenta una alternativa rentable a los métodos tradicionales basados en oftalmólogos en las zonas rurales de China. <sup>16</sup>El uso de la IA en la atención médica es especialmente crucial en estos entornos debido a desafíos como los registros incompletos de pacientes y la alta carga de pacientes, que pueden provocar errores humanos con graves consecuencias. Los modelos de aprendizaje automático ofrecen una solución eficaz para mejorar las prácticas de registro, la programación y la asignación de recursos, especialmente en entornos con alta carga de pacientes en países en desarrollo. Por ejemplo, en Sudáfrica, estos modelos se han utilizado para analizar datos administrativos, lo que ayuda a predecir la duración de la estancia hospitalaria del personal sanitario en comunidades marginadas.<sup> 17 </sup> Además, la IA ofrece soluciones al procesar rápidamente una extensa documentación clínica e identificar marcadores y patrones de enfermedades que, de otro modo, podrían pasar desapercibidos. Los algoritmos de aprendizaje automático desempeñan un papel fundamental en el reconocimiento de patrones complejos dentro de los datos clínicos, lo que facilita predicciones precisas.
<sup>13 </sup> , <sup> 18</sup>El procesamiento del lenguaje natural (PLN), un subconjunto de la IA, permite a las computadoras comprender y generar lenguaje humano de manera efectiva. Sus aplicaciones incluyen el análisis de texto y el reconocimiento de voz. En entornos con recursos limitados, donde el acceso a infraestructura de atención médica especializada puede ser limitado, el PLN es sumamente prometedor. Por ejemplo, los profesionales de la salud pueden usar el PLN para documentar fácilmente las notas verbales de los pacientes, lo que permite a los médicos concentrarse por completo en la atención al paciente durante las consultas. 18-20 Esto no solo mejora la calidad de las interacciones entre el paciente y el proveedor, sino que también mejora la precisión e integridad de los historiales médicos. Además, el PLN desempeña un papel crucial en el descifrado de documentos de atención médica complejos, como las notas de los médicos y los informes de laboratorio. En entornos con una alta carga de pacientes, como clínicas rurales o salas de consulta externa concurridas, el PLN extrae eficientemente información vital de los historiales de pacientes dispersos. Esta capacidad ayuda a los proveedores de atención médica a tomar decisiones rápidas e informadas, lo que conduce a procesos de tratamiento acelerados y a una reducción de errores derivados de datos incompletos o inaccesibles. 20 , 21 En esencia, la PNL facilita la comunicación, la documentación y la recuperación de datos optimizadas dentro de los sistemas de atención sanitaria en países en desarrollo y zonas rurales. La utilidad del PLN se extiende a los resultados de las pruebas diagnósticas. El escaneo automatizado identifica valores anormales y garantiza que los datos críticos se conserven dentro de extensos informes de laboratorio clínico, particularmente en entornos de alto volumen. 2 , 18 Este enfoque optimizado permite a los profesionales de la salud enfocarse en hallazgos significativos, especialmente en entornos concurridos, y mejora la seguridad del paciente. Los modelos modernos de aprendizaje automático también han demostrado un rendimiento superior en la predicción de resultados de cuidados críticos y hospitalización en comparación con los métodos tradicionales. La implementación de estos modelos avanzados podría conducir a mejores decisiones de triaje clínico en áreas con recursos limitados, lo que en última instancia se traduce en una mejor atención clínica y una asignación más eficiente de recursos. 22 Los asistentes de salud virtuales desempeñan un papel fundamental en la atención médica moderna, gestionando sin problemas muchas tareas, como la gestión de consultas rutinarias de pacientes a través de llamadas y correos electrónicos, garantizando la seguridad de los datos médicos del paciente, coordinando citas médicas y facilitando el seguimiento y recordatorios de los pacientes. 23 , 24 Estas capacidades son posibles gracias a la integración de sistemas avanzados que incorporan computación cognitiva, realidad aumentada y gestos corporales y del habla. 24 , 25 Desde un punto de vista administrativo, la incorporación de IA en la atención médica agiliza tareas como la entrada de datos, el procesamiento de reclamaciones y la programación de citas. En los países en desarrollo con presupuestos sanitarios limitados, la automatización robótica de los procesos de estas funciones ofrece el potencial de reducir significativamente los costos generales al agilizar las tareas administrativas, ahorrando así en salarios de puestos administrativos y de oficina dentro de los sistemas de salud y optimizando la gestión del ciclo de ingresos. 26 , 27
IA en radiología
La integración de la IA en la radiología ha transformado fundamentalmente el campo, mejorando significativamente la eficiencia, la precisión diagnóstica y las capacidades generales. Una tecnología clave de IA, las redes neuronales convolucionales (CNN), pueden lograr una notable precisión en la identificación de imágenes y abordar varios desafíos en el procesamiento de imágenes. 28 , 29 Las CNN pueden detectar automáticamente patrones intrincados y proporcionar evaluaciones cuantitativas de las características radiográficas. Esta tecnología ofrece numerosas ventajas, como una mejor eficiencia del radiólogo, la priorización de casos urgentes, una mayor confianza en el diagnóstico, una menor carga de trabajo y una mejor orientación para el pronóstico del paciente y las estrategias de tratamiento. 30 La radiología a menudo se pasa por alto como un servicio esencial en numerosos países de ingresos bajos y medios (PIBM). 5 Un obstáculo principal para la prestación de servicios de radiología es la escasez de personal radiológico capacitado y de oportunidades para el desarrollo de habilidades. La IA presenta una solución a este desafío al automatizar la interpretación de imágenes radiológicas, agilizar el proceso y reducir la dependencia de expertos. Esto es particularmente beneficioso en áreas con recursos limitados donde los radiólogos capacitados son escasos. 31 Un estudio de van Leeuwen informó que la IA puede reducir el tiempo de lectura de las radiografías de tórax en un 33%, aumentar la tasa de detección de nódulos pulmonares en un 5% y mejorar la precisión diagnóstica del cáncer de mama en un 9,4%. 32 En países en desarrollo, como la India, donde los sistemas de salud enfrentan una escasez crónica de personal médico, la tecnología de diagnóstico basada en IA está permitiendo la descentralización de las pruebas diagnósticas, lo que proporciona una vía prometedora para abordar los desafíos de la atención médica. 33 , 34Además, la IA ha impactado significativamente dos componentes vitales del diagnóstico médico: la detección asistida por computadora (CAD) y la radiómica. Los sistemas CAD han mejorado enormemente su capacidad para detectar y resaltar automáticamente anomalías en imágenes médicas, reduciendo así los errores de diagnóstico y mejorando la precisión general 32 , 35 y el requisito de médicos especialistas para un diagnóstico preciso. Esto puede ser muy útil en los países en desarrollo donde la escasez de médicos especialistas es un desafío común. Según las estadísticas del Banco Mundial, el sur de Asia tiene una fuerza laboral quirúrgica especializada de solo 6 por cada 100,000 personas, en contraste con 71 por cada 100,000 en los países de altos ingresos. Del mismo modo, la proporción de médicos se sitúa en 0,8 por 1000 en el sur de Asia, mientras que las naciones de altos ingresos se jactan de tener 3,0 médicos por cada 1000 individuos. 36A través de la radiómica, la IA automatiza la extracción y el análisis de datos cuantitativos de imágenes radiológicas, lo que conduce a conocimientos más profundos sobre las enfermedades y permite una atención médica personalizada basada en datos individuales de los pacientes. 37 Además, ayuda a priorizar las exploraciones según la gravedad del caso y a notificar a los radiólogos sobre problemas urgentes. 38 Se han aplicado métodos de aprendizaje automático y procesamiento de señales a las radiografías de tórax digitales para identificar casos de tuberculosis, que es una enfermedad muy prevalente en los países en desarrollo. 39
IA en cardiología
Aproximadamente el 80% de las muertes por enfermedades cardiovasculares (ECV) en todo el mundo se concentran en países de ingresos bajos y medios, lo que subraya la necesidad de mejorar la atención cardíaca en los países en desarrollo.
40 La IA en cardiología abarca diversos aspectos de la atención cardíaca, desde el reconocimiento y la segmentación automatizados de las estructuras cardíacas hasta el análisis de datos y la extracción de registros médicos electrónicos.
38 La IA mejora la ecocardiografía al permitir el análisis de imágenes en tiempo real, mejorar la precisión de las evaluaciones cardíacas y ayudar en el diagnóstico de afecciones como la cardiopatía valvular .
38 Además, detecta automáticamente la estenosis de la arteria coronaria a partir de imágenes de angiografía por tomografía computarizada (TC).
41 La IA también puede contribuir significativamente a la predicción de resultados cardiovasculares. Aproximadamente el 28% de las muertes en países de ingresos bajos y medios se atribuyen a la ECV.
40 La IA puede reducir potencialmente la mortalidad por ECV mediante el uso de modelos predictivos y puntuaciones de riesgo para pronosticar accidentes cerebrovasculares, insuficiencias cardíacas y arritmias, facilitando así intervenciones oportunas y decisiones de tratamiento informadas. Los algoritmos de aprendizaje automático han demostrado el potencial de ayudar a identificar casos de insuficiencia cardíaca,
42 ya que la insuficiencia cardíaca sigue siendo una carga financiera importante para los sistemas de atención sanitaria en los países en desarrollo.
La IA se ha convertido en parte integral de la imagenología del cáncer, abordando las tareas clínicas de detección, caracterización y monitorización tumoral.
44 Los cánceres de pulmón y de mama, principales causas de muerte por cáncer en países en desarrollo, subrayan la necesidad crucial de la detección temprana. La mamografía digital, un método estándar de cribado del cáncer de mama, plantea dificultades de interpretación en países en desarrollo debido a la escasez de radiólogos capacitados, incluyendo posibles errores como falsos negativos y falsos positivos. Las herramientas basadas en IA sirven como cribado preliminar contra descuidos observacionales y facilitan la detección del cáncer de mama mediante el análisis meticuloso de las mamografías y la identificación de lesiones sospechosas que requieren una investigación más exhaustiva.
32La planificación del tratamiento de radioterapia implica la laboriosa delimitación manual de los objetivos de radiación, lo cual es propenso a variaciones y requiere experiencia. La IA automatiza y mejora la precisión de la delimitación y ayuda a clasificar los tumores cerebrales basándose en imágenes de resonancia magnética (RM) mediante modelos de aprendizaje automático (DL) entrenados con conjuntos de datos anotados, lo que permite que el tratamiento esté disponible incluso en regiones donde no hay expertos en delimitación manual.
45 En los países en desarrollo, la disponibilidad limitada de recursos médicos, combinada con una alta densidad de población, plantea importantes desafíos para los oncólogos en el tratamiento de pacientes con cáncer.
46 Los sistemas médicos asistidos por IA pueden generar un marco para la selección personalizada de fármacos para personas con cáncer de pulmón.
46 Considera tanto la eficacia de los fármacos dirigidos como su coste económico como factores auxiliares para la toma de decisiones. El sistema predice la relación eficacia-coste de diversos fármacos utilizando datos clínicos para identificar regímenes de tratamiento farmacológico óptimos adaptados a las condiciones individuales del paciente.
46 Esto ayuda a los profesionales sanitarios a realizar diagnósticos y tomar decisiones de tratamiento eficientes.
46 La precisión reportada supera el 90 %. Un estudio investigó una herramienta rentable de detección del cáncer oral en el punto de atención, que emplea procesamiento de señales basado en la nube. El estudio reveló una alta sensibilidad y especificidad en comparación con un examen presencial realizado por un especialista
Las soluciones de IA para sistemas de reconstrucción primaria y posicionamiento del paciente mejoran la relación señal-ruido y alertan rápidamente a los operadores sobre imágenes insuficientes, lo que facilita la repetición inmediata de las tomas. En definitiva, esto mejora la eficiencia del flujo de trabajo, algo fundamental en hospitales con alta carga de trabajo y una alta carga de pacientes. En los países de ingresos bajos y medios, «Watson for Oncology (WFO)» destaca como una herramienta de IA importante en la atención oncológica. Funciona como un sistema de apoyo a la toma de decisiones clínicas (CDSS), empleando el procesamiento del lenguaje natural y el aprendizaje automático para evaluar los datos del paciente y recomendar opciones de tratamiento basadas en la evidencia.
La atención crítica en países de bajos ingresos no está a la altura de los estándares, abarcando diversos componentes como medicina de emergencia, infraestructura hospitalaria, calidad de la atención y la presencia de unidades de cuidados intensivos (UCI) para abordar afecciones repentinas, graves y reversibles.
49 A pesar de los esfuerzos para mejorar el triaje de emergencia y el tratamiento para admisiones pediátricas, sigue habiendo una deficiencia en la capacitación y el conocimiento de los principios de la atención crítica. Sin embargo, la integración de la IA es muy prometedora para mejorar la prestación de atención médica en la UCI y los departamentos de emergencia en países en desarrollo.
50 Los algoritmos de IA pueden evaluar y priorizar rápidamente a los pacientes según la gravedad de la condición, ayudando a los proveedores de atención médica abrumados en un triaje efectivo y asegurando una atención oportuna para aquellos en estado crítico. Además, las herramientas de diagnóstico impulsadas por IA facilitan la interpretación rápida y precisa de imágenes médicas y resultados de laboratorio, agilizando el diagnóstico y la intervención.
51 El análisis predictivo permite la anticipación del deterioro o las complicaciones del paciente, lo que permite intervenciones proactivas para prevenir eventos adversos. Los modelos predictivos basados en IA optimizan la asignación de recursos, incluyendo camas de UCI y suministros médicos, según el volumen previsto de pacientes y los niveles de agudeza, lo que facilita una gestión eficiente de los recursos en entornos con recursos limitados. También pueden predecir la duración de las estancias en UCI, las probabilidades de reingreso y las tasas de mortalidad. 49-51
Además , los sistemas de monitorización remota basados en IA permiten la monitorización continua de las constantes vitales de los pacientes fuera de los entornos hospitalarios tradicionales, lo que facilita la detección temprana del deterioro y las intervenciones oportunas, especialmente donde el acceso a los centros de salud es limitado. 49
La IA también es fundamental para pronosticar los riesgos asociados a complicaciones médicas como la sepsis y el síndrome de dificultad respiratoria aguda.
49 Mediante estas aplicaciones, la IA puede abordar los desafíos en cuidados intensivos, mejorar los resultados de los pacientes y optimizar la eficiencia en los sistemas de salud de los países de bajos ingresos. Un aspecto crucial de la IA en la atención en UCI es la identificación y categorización de la asincronía paciente-ventilador, que mide la alineación entre los esfuerzos respiratorios del paciente y el soporte mecánico del ventilador.
50 Se ha empleado un modelo de Poisson-Markov oculto para predecir las probabilidades de que se presenten diferentes niveles de riesgo en un futuro próximo. Los pacientes que entran en estados de alta asincronía tienden a permanecer inestables, lo que subraya su importancia clínica. Este enfoque innovador sienta las bases para sistemas de alerta inteligentes que notifican a los profesionales sanitarios sobre afecciones de alto riesgo, lo que permite intervenciones oportunas para mejorar la interacción paciente-ventilador y optimizar los resultados.
La integración de la IA en el campo de la cirugía ha supuesto un cambio de paradigma, revolucionando la atención quirúrgica. La cirugía robótica con robots como el Sistema Quirúrgico Da Vinci imita de forma segura los movimientos de la mano del cirujano con una precisión inigualable.
52 La cirugía asistida por robot es útil en diversas disciplinas médicas, como la urología, la cirugía general y la oncología quirúrgica. Dada la escasez de recursos y personal en los países de ingresos bajos y medios, el uso de la robótica en procedimientos quirúrgicos podría aliviar el agotamiento profesional de los médicos, mitigar las infecciones del sitio quirúrgico y acortar la duración de las hospitalizaciones.
53 La cirugía robótica se ha identificado como una opción práctica y eficaz en hospitales públicos de países en desarrollo como Pakistán. Su viabilidad se evaluó con base en los resultados clínicos, examinando específicamente las complicaciones quirúrgicas, la duración de las hospitalizaciones y las tasas de reingreso.
54Además, la IA ha mejorado significativamente la precisión, la eficiencia y los resultados quirúrgicos generales. Una de las aplicaciones destacadas de la IA en cirugía reside en la optimización de la gestión de quirófanos. Los sistemas de IA han demostrado su capacidad para predecir con precisión la duración de las cirugías e identificar las que probablemente se cancelen. Esto agiliza la planificación quirúrgica y mejora la asignación de recursos en entornos con recursos limitados.
55 Además, los sistemas basados en IA han mejorado sustancialmente la planificación preoperatoria; por ejemplo, la tecnología de campo de radiancia neuronal permite reconstrucciones tridimensionales a partir de imágenes de resonancia magnética, lo que ayuda a los profesionales médicos a visualizar estructuras anatómicas incluso cuando la disponibilidad de datos es limitada.
La IA está revolucionando el campo de la epidemiología de enfermedades al ofrecer soluciones innovadoras. En los países de bajos y medianos ingresos, enfermedades transmisibles como la malaria y la tuberculosis siguen contribuyendo significativamente a la carga general de morbilidad,
<sup>57</sup> atrayendo considerable atención y financiación de los donantes. El uso de la IA en la medicina comunitaria se ha convertido en una herramienta valiosa para la epidemiología de enfermedades. Por ejemplo, los investigadores han utilizado este enfoque para pronosticar brotes de dengue,<sup>
58</sup> así como para rastrear y predecir la propagación de la gripe.
<sup>59</sup> Estas iniciativas demuestran el potencial de la IA para apoyar las iniciativas de salud pública destinadas a monitorear y gestionar las enfermedades transmisibles de forma más eficaz en los países de bajos y medianos ingresos. La malaria sigue siendo un importante problema de salud pública en los países en desarrollo, en particular en la Región de África de la OMS. En 2022, esta región representó aproximadamente el 94 % de todos los casos de malaria notificados y el 95 % de las muertes asociadas.<sup>
60</sup> Un mejor monitoreo de la incidencia y las muertes por malaria ayuda a los ministerios de salud a identificar las regiones o los grupos demográficos más afectados, lo que facilita el seguimiento de la evolución de las tendencias de la enfermedad. Los sistemas robustos de vigilancia de la malaria también ayudan a los países a diseñar intervenciones sanitarias eficaces y a evaluar la eficacia de sus iniciativas de control de la malaria.
60 La capacidad de la IA para analizar rápidamente grandes conjuntos de datos para la vigilancia epidemiológica basada en software permite la interpretación rápida de los datos, lo que facilita la evaluación de la epidemiología de la enfermedad, los patrones de brotes y las tendencias de la pandemia.
Resumen del papel de la IA en la atención sanitaria
La Tabla 1 muestra el papel de la IA en la atención médica. Véase la tabla a continuación.Abrir en el visorTabla 1. Papel de la IA en la atención sanitaria
Especialidad
El papel de la IA
Radiología
1. Redes neuronales convolucionales (CNN)
2. Detección asistida por computadora (CAD) y radiómica
Cardiología
1. Reconocimiento automático y segmentación de estructuras cardíacas
2. Predicción de resultados cardiovasculares de enfermedades cardíacas
3. Seguimiento de intervenciones cardíacas y efectos secundarios de los tratamientos
Oncología
1. Ayudar en la detección temprana del cáncer (por ejemplo, cáncer de mama)
2. Automatización y mejora de la precisión del contorno.
3. Ayuda en la clasificación de tumores (por ejemplo, tumores cerebrales).
4. Detección de variaciones en marcadores tumorales
UCI
1. Predicciones de la duración de la estancia en la UCI
2. Predicciones de probabilidades de readmisión y tasas de mortalidad
3. Previsión de los riesgos asociados a las complicaciones médicas
4. Identificación y categorización de la asincronía paciente-ventilador
Cirugía
1. Mejorar la precisión quirúrgica, la eficiencia y los resultados quirúrgicos generales.
2. Mejorar las reconstrucciones tridimensionales a partir de imágenes de resonancia magnética
3. Una valiosa herramienta de formación para cirujanos noveles
Salud Pública y Medicina Comunitaria
1. Reducir el tiempo de desarrollo de vacunas para microorganismos desconocidos, especialmente durante epidemias/pandemias.
2. Análisis rápido de grandes conjuntos de datos para la vigilancia epidemiológica basada en software
Consideraciones éticas médicas
La integración de la IA en la atención médica moderna exige una consideración meticulosa de la ética médica. La adopción de tecnologías impulsadas por la IA requiere una atención diligente para la privacidad del paciente, la seguridad de los datos, el sesgo algorítmico y las cuestiones de rendición de cuentas
2 en los países en desarrollo donde la aplicación de la ley médica tiende a ser deficiente.
63 profundiza en el discurso ético impulsado por las aplicaciones de la IA dentro del ámbito médico, abarcando aspectos polémicos como el estatus moral de las entidades de IA, los juicios de valor, la dinámica de confianza asociada a las tecnologías de IA y la importancia de salvaguardar la accesibilidad y la privacidad de los datos. Las consideraciones éticas incluyen el consentimiento informado, la confidencialidad y la propiedad de los datos,
64 que a menudo se pasan por alto en los países en desarrollo. Al emplear la IA, es imperativo defender la transparencia, la explicabilidad y la equidad y mitigar los sesgos.
65 Estas dimensiones éticas multifacéticas exigen una deliberación rigurosa y el establecimiento de directrices sólidas para garantizar la integración responsable y ventajosa de la IA en la atención médica.
La IA en la mejora de la atención sanitaria en zonas rurales de países en desarrollo
En los países en desarrollo, las poblaciones rurales enfrentan disparidades de salud significativas debido a la pobreza y al acceso limitado a la atención médica.
66 Esta disparidad se ve exacerbada por la escasez de profesionales de la salud calificados en las áreas rurales, particularmente en Asia y África, donde reside el 90% de la población rural mundial.
67 La distribución desigual del personal y las instalaciones de atención médica entre las áreas rurales y urbanas agrava aún más estos desafíos, lo que resulta en un menor uso de la atención médica y peores resultados en salud.
68 El Sistema de Detección y Prevención Temprana (EDPS), introducido en las áreas rurales de la India en 1998, mejoró significativamente los diagnósticos en clínicas rurales que carecían de médicos. El EDPS, una herramienta de diagnóstico basada en computadora, demostró una consistencia notable con los diagnósticos médicos, como lo demuestra una tasa de consistencia del 94% en 933 pacientes en un estudio en la India.
69 Las respuestas de los pacientes fueron favorables, y el sistema se percibió como más preciso que los proveedores de atención médica tradicionales. Las enfermeras de salud de las aldeas expresaron interés en incorporar el EDPS en su práctica, destacando su potencial para empoderar a los trabajadores de la salud rurales. En China, la implementación de estaciones de diagnóstico portátiles en centros de salud
En regiones rurales con acceso limitado a atención médica de emergencia, la prevención de enfermedades es crucial. El cribado basado en IA para enfermedades potencialmente mortales muestra resultados prometedores en la reducción de las tasas de mortalidad. Un estudio reciente introdujo la «puntuación de riesgo de ictus rural», que utiliza un algoritmo de aprendizaje automático para evaluar el riesgo de ictus. La implementación de esta puntuación podría optimizar el cribado de ictus y ayudar a prevenirlos.
71 En regiones subdesarrolladas, los retrasos en el diagnóstico y tratamiento del cáncer son un problema debido a la escasez de recursos. Se ha propuesto un sistema de diagnóstico que utiliza historiales médicos electrónicos, que emplea redes neuronales convolucionales mejoradas para el cáncer de mama con filtros de inicialización semántica, para el diagnóstico temprano del cáncer de mama. Este sistema extrae marcadores tumorales pertinentes de historiales médicos no estructurados para facilitar el diagnóstico y la estadificación del cáncer de mama, y demuestra el potencial para abordar los desafíos de la sincronización del tratamiento para las personas que residen en zonas rurales. Estos sistemas de cribado basados en IA pueden reducir potencialmente la carga de cáncer en los países en desarrollo.
Limitaciones de la integración de la IA en los sistemas de salud de los países en desarrollo
La integración de la IA en la atención médica moderna es muy prometedora, pero plantea desafíos significativos, como la privacidad y la seguridad de los datos. Estos desafíos son muy pronunciados en los países en desarrollo. Si bien el aprovechamiento de los datos de atención médica para el bienestar del paciente muestra potencial, es crucial gestionarlos con cuidado para evitar daños a los pacientes y a la sociedad.
1 La IA a menudo se enfrenta al «problema del marco», donde las aplicaciones pueden producir imprecisiones cuando se usan más allá de su contexto previsto debido a algoritmos principales específicos.
65 Además, los sesgos humanos durante la implementación del modelo de IA pueden llevar a cambios en los conjuntos de datos en función del género, las condiciones socioeconómicas, los factores ambientales y la etnia.
71 Es esencial reconocer que los conjuntos de datos documentados para 1 población pueden no aplicarse directamente a las poblaciones minoritarias, especialmente aquellas en áreas rurales, lo que potencialmente causa diagnósticos erróneos e impacta la atención al paciente.
72 Además, algunos modelos de IA pueden carecer de una validación clínica rigurosa, lo que significa que su efectividad y confiabilidad en entornos de atención médica del mundo real no están bien establecidas.
73 También existe una falta de protocolos y regulaciones estandarizados para el desarrollo e implementación de la IA en la atención médica. Esto puede generar variaciones en la calidad y la seguridad entre distintas aplicaciones de IA y entre distintas poblaciones, siendo los países en desarrollo los que corren mayor riesgo de sufrir violaciones de calidad.Los sistemas de IA podrían incentivar inadvertidamente pruebas o tratamientos innecesarios basados en recomendaciones algorítmicas, lo que conlleva un aumento de los costos de la atención médica y posibles daños a los pacientes. Esto puede ser perjudicial para los sistemas de salud ya sobrecargados de los países en desarrollo. Los modelos de IA interpretables son vitales para el apoyo a la toma de decisiones médicas, ya que pueden ayudar a los médicos y pacientes a comprender cómo y por qué los sistemas de IA hacen ciertas recomendaciones. Sin embargo, la interpretabilidad por sí sola no es suficiente para garantizar la calidad y la seguridad de la IA en la atención médica. Los modelos de IA también deben supervisarse y validarse periódicamente en entornos de atención médica reales, donde pueden enfrentar diversos desafíos e incertidumbres. Diversos estudios han identificado desafíos, como la mejora de la calidad de los datos, el entrenamiento contextual de modelos de IA y el establecimiento de políticas sólidas de privacidad y ética.
74 El seguimiento periódico de cualquier problema de rendimiento, como errores, sesgos o inconsistencias, y garantizar la fiabilidad y precisión continuas de los sistemas de IA, supone un desafío, especialmente en las zonas rurales.
1 , 5Los profesionales sanitarios de los países en desarrollo deben comprender claramente cómo los algoritmos propuestos mejoran la atención al paciente en sus rutinas diarias. Desafortunadamente, la mayoría de los profesionales sanitarios de estos países carecen de experiencia, lo que dificulta el uso eficaz de la IA. Además, las clínicas rurales suelen contar con personal de enfermería y paramédicos con formación mínima. Sin embargo, los sistemas de IA médica existentes se centran principalmente en médicos cualificados. Por lo tanto, existe una necesidad crucial de un sistema operativo fácil de usar adaptado a los profesionales sanitarios rurales y de capacitarlos para utilizar la IA eficazmente.
75Incluso con la disponibilidad adecuada de atención médica basada en IA en los países en desarrollo, su utilización se ve obstaculizada por las limitaciones de electricidad e internet, que representan desafíos significativos en los países de ingresos bajos y medios. Además, los costos de instalación y mantenimiento de los sistemas de IA son elevados, razón por la cual muchas innovaciones en IA aún no han llegado a los países de bajos ingresos debido a la falta de infraestructura financiera. Por ejemplo, la implementación de una nueva plataforma quirúrgica robótica puede costar más de un millón de dólares, con un adicional de entre 3000 y 5000 dólares por procedimiento quirúrgico.<sup>
26</sup> Los presupuestos limitados para atención médica en los países en desarrollo a menudo les impiden costear muchas tecnologías de IA. <sup>
Para gestionar la creciente influencia de la IA en la atención médica y minimizar la posibilidad de despidos laborales, los investigadores y profesionales clínicos de los países en desarrollo deben priorizar la formación continua para mantenerse al día con los últimos avances en IA. Este conocimiento capacitaría a los profesionales sanitarios para colaborar activamente con los sistemas de IA, utilizando la tecnología para mejorar la atención al paciente. Es esencial adoptar un modelo colaborativo, donde la IA complemente a los profesionales clínicos en lugar de reemplazarlos.
76 Para la implementación eficiente de la IA en la atención médica en los países en desarrollo, los gobiernos y las organizaciones privadas de estos países deben asignar recursos para desarrollar una infraestructura de IA sólida en todas las instituciones sanitarias, especialmente en los centros de salud secundarios y terciarios, y brindar capacitación integral en IA a los profesionales sanitarios, permitiéndoles usar la IA de forma eficaz y segura para la prestación de servicios de salud adecuados. Los gobiernos, en colaboración con las instituciones educativas y los ministerios de los países en desarrollo, deben promover la enseñanza del uso de la IA en la atención médica en las escuelas, especialmente entre los estudiantes de medicina, farmacia, enfermería y otras carreras paramédicas. El conocimiento temprano y las carreras en IA en la atención médica entre las generaciones jóvenes contribuirían significativamente a revolucionar la IA en la atención médica en los países en desarrollo. Un conocimiento y una práctica adecuados de la IA en la atención sanitaria también facilitarían la inclusión de la discapacidad en los países en desarrollo.Además, si los investigadores y profesionales clínicos de los países en desarrollo pudieran adaptarse al creciente papel de la IA en la atención médica mediante un enfoque multidisciplinario, especialmente trabajando junto con informáticos y expertos en IA, sus trabajos no serían redundantes.
76 Estos métodos de anotación de datos más innovadores y el desarrollo de estrategias y modelos de IA más rigurosos facilitarían la prestación de servicios de salud en los países en desarrollo. Asimismo, instamos a los investigadores y profesionales clínicos de los países en desarrollo a crear tecnología práctica, utilizable e implementada con éxito que les sea posible garantizando la cooperación adecuada entre los profesionales de la informática y los profesionales de la salud en los países en desarrollo. Además, si pudieran combinar las mejores prácticas médicas actuales para la inclusión ética, el desarrollo de software, la ciencia de la implementación y las interacciones persona-computadora,
77 la comunidad de la IA tendría la oportunidad de revolucionar la atención médica en los países en desarrollo.
77Además, las asociaciones médicas internacionales como la Asociación Médica Mundial (AMM), la Federación Mundial de Educación Médica (WFME), etc., deberían evaluar exhaustivamente la eficacia de la IA en la atención sanitaria y crear directrices estandarizadas para su uso en los países en desarrollo. Estas directrices deberían garantizar la interoperabilidad y priorizar la seguridad del paciente. Establecer una gobernanza de datos estricta y normas de privacidad es imperativo para proteger la información del paciente y fomentar la confianza en las aplicaciones de IA. Las colaboraciones y asociaciones internacionales entre países desarrollados y en desarrollo son vitales para superar los desafíos.
78 , 79 Los esfuerzos que implican el intercambio de experiencia, la transferencia de conocimientos y el intercambio de tecnología pueden acelerar la integración de la cirugía robótica en los sistemas de atención sanitaria de los países en desarrollo.
78 , 79 Instamos a los responsables políticos y a las autoridades sanitarias de los países en desarrollo a fomentar más colaboraciones con los países desarrollados, especialmente Estados Unidos, el Reino Unido, Australia, China, Rusia y Alemania, para utilizar tecnologías de IA avanzadas para la protección de datos que puedan acelerar la transferencia de conocimientos y el desarrollo de capacidades entre los proveedores de atención sanitaria en los países en desarrollo. Los países de altos ingresos deberían compartir recursos, establecer un sistema nacional en la nube respaldado por varias naciones y proporcionar subsidios para ayudar a los hospitales de zonas remotas con la implementación. Estas medidas, junto con las inversiones en transporte y logística, pueden mejorar el acceso a zonas remotas y aliviar la presión sobre los sistemas de salud en los países en desarrollo. La IA tiene un gran potencial para abordar los problemas de accesibilidad a la atención médica, especialmente en los países en desarrollo. Por lo tanto, la comunidad internacional debería colaborar para ampliar el alcance de la telemedicina impulsada por IA, haciendo que la atención médica sea accesible en las regiones económicamente desfavorecidas.
Conclusión
Si bien existen desafíos, el futuro de la IA en la atención médica es prometedor. Sus capacidades de automatización y reducción de errores pueden optimizar la atención al paciente en diversas disciplinas médicas. Facilita el diagnóstico y el tratamiento, a la vez que optimiza la gestión hospitalaria para una mayor eficiencia operativa. A medida que avanzamos en este proceso transformador, la sinergia entre la experiencia humana y las capacidades de la IA definirá el futuro de la atención médica, ofreciendo un horizonte más prometedor y centrado en el paciente.
Departamento de Ingeniería Electrónica y de Comunicaciones, Instituto Tecnológico de Manipal, Academia de Educación Superior de Manipal, Manipal, Karnataka, India
Abstracto:
La IA Agentic, un paradigma emergente en inteligencia artificial, se refiere a sistemas autónomos diseñados para alcanzar objetivos complejos con mínima intervención humana. A diferencia de la IA tradicional, que depende de instrucciones estructuradas y una supervisión rigurosa, la IA Agentic demuestra adaptabilidad, capacidad avanzada para la toma de decisiones y autosuficiencia, lo que le permite operar dinámicamente en entornos cambiantes. Este estudio explora a fondo los conceptos fundamentales, las características únicas y las metodologías clave que impulsan el desarrollo de la IA Agentic. Examinamos sus aplicaciones actuales y potenciales en diversos campos, como la salud, las finanzas y los sistemas de software adaptativos, destacando las ventajas de implementar sistemas Agentic en escenarios reales. El artículo también aborda los desafíos éticos que plantea la IA Agentic, proponiendo soluciones para la alineación de objetivos, la limitación de recursos y la adaptabilidad al entorno. Describimos un marco para integrar la IA Agentic en la sociedad de forma segura y eficaz, destacando la necesidad de seguir investigando sobre consideraciones éticas para garantizar un impacto social positivo. Este estudio sirve como una introducción completa a la IA Agentic, guiando a investigadores, desarrolladores y legisladores para que aprovechen su potencial transformador de forma responsable y creativa.
Fundamentos técnicos de la IA agente, que ilustran los componentes clave: aprendizaje de refuerzo, arquitecturas orientadas a objetivos y mecanismos de control adaptativo.
Introducción
A. Motivación y antecedentes
Las IAs agénticas representan un avance cualitativo en el desarrollo de la inteligencia artificial, definidas por su capacidad para establecer objetivos complejos en situaciones cambiantes e incontroladas y alcanzarlos mediante la gestión autónoma de sus recursos. Sin embargo, la mayoría de los sistemas de IA se diseñaron y operaron como herramientas bajo supervisión, con restricciones y definiciones establecidas. Estos sistemas son eficaces para realizar tareas bien definidas dentro de ciertos límites, pero fallan notablemente cuando las tareas intentadas carecen de un estado final o parámetros específicos que manipular. Por otro lado, las IAs agénticas pueden ser operativas de bajo nivel, es decir, dirigidas a objetivos, incluso en situaciones con cambios drásticos y múltiples objetivos entre los que alternar.
Uno de los factores que motivó el diseño de las IA Agentic es la necesidad de herramientas diseñadas para operar en condiciones reales, aunque complejas, con un amplio margen de flexibilidad. Por ejemplo, en la ayuda ante desastres, la atención médica y la ciberseguridad, donde se requieren decisiones adecuadas y el caos es considerable, la capacidad de controlar una situación de forma independiente es crucial. Las IA Agentic no solo asisten en la acción humana, sino que la mejoran al asumir tareas que exigen una alta participación y multitarea sin intervención humana constante. Este cambio de paradigma promete ampliar el ámbito objetivo de la IA, pasando de ser pasiva y reactiva a centrarse en la planificación estratégica, el procesamiento de la información y la resolución de problemas, lo que posibilita una nueva era una vez que se cumplan las condiciones adecuadas.
El impacto de la IA Agentica [1] , [2] , [3] en la sociedad probablemente será considerable. A medida que la IA se integre en cada vez más sistemas e industrias clave, los sistemas de IA Agentica podrán trabajar en conjunto con los humanos y asumir tareas que permitan reasignar el esfuerzo humano, aumentar la productividad y participar en situaciones donde la presencia humana pueda ser indeseable o peligrosa. Este cambio podría transformar las estructuras laborales en los sectores, permitiendo un trabajo en conjunto donde las IA realizan tareas operativas y las personas desempeñan roles más complejos y estratégicos.
B. Definición y alcance
En este sentido, la IA Agentic incluye la clase de sistemas de IA autónomos[4] que se encargan de completar un conjunto de tareas complejas que se extienden a lo largo de largos periodos de tiempo sin supervisión humana. Aprende del contexto y toma decisiones. Dichos sistemas están diseñados para operar con cierto nivel de autonomía, lo que les permite adaptarse a entornos cambiantes, afrontar situaciones inesperadas y optimizar el rendimiento a lo largo del tiempo. Unidas por las características de autonomía y adaptabilidad para afrontar procesos orientados a tareas, están las características de autonomía y adaptabilidad. A diferencia de la IA clásica [5] , que se basa en reglas y requiere la ejecución de instrucciones, y la IA generativa, que modela y genera una imagen, la IA Agentic ofrece lo mejor de ambos mundos.
Resulta valioso comparar la IA agencial con los paradigmas actuales de IA para poner en perspectiva sus límites. Por ejemplo, la IA clásica nunca se centró en el reconocimiento de imágenes ni en la traducción de idiomas [6] , [7], sino que buscaba alcanzar objetivos muy específicos.
El primero es el funcionamiento de la IA Generativa [8]. En operaciones inversas, combina información obtenida mediante números y crea contenido, como palabras o imágenes. Por otro lado, la IA Agentic supera a los dos enfoques anteriores gracias a sus características orientadas a objetivos, basadas en entradas y adaptables, que le permiten realizar tareas complejas y de múltiples niveles en un periodo de tiempo sin necesidad de un conjunto de instrucciones cada vez.
En este punto del estudio, nos centramos en por qué debería interesarnos la IA Agentic. A partir de sus características estructurales y operativas, ¿por qué se basa en objetivos? ¿Cómo puede este tipo avanzado de IA aplicarse en diversos campos donde su aplicación es única? Además, este artículo también analiza las diversas cuestiones prácticas y morales que surgen del uso de sistemas basados en dicha IA y analiza enfoques que abordan la seguridad, la transparencia y la rendición de cuentas. La definición de IA Agentic proporcionada permite a los autores de este estudio analizar con precisión qué características de este tipo de sistema de IA lo distinguen de otros y facilitan su análisis eficaz e integrado.
C. Objetivos y contribuciones
Este estudio busca proporcionar una amplia recopilación de conocimientos sobre IA Agentic y definir sus límites para facilitar su comprensión por parte de un público más amplio de investigadores, desarrolladores y legisladores. Las principales contribuciones de este estudio incluyen:
Una revisión sistemática de los principales elementos que componen los sistemas de IA Agentic con énfasis en cómo estos sistemas se diferencian de otros sistemas de IA generativos y de sentido común.
Un estudio exhaustivo de las técnicas y conceptos utilizados en la construcción y evaluación de la IA Agentic, incluidas las arquitecturas, los enfoques de aprendizaje y los métodos de entrenamiento.
Los usos actuales y potenciales en diferentes áreas, incluidos ejemplos prácticos de la eficacia de las aplicaciones de IA Agentic en la práctica.
Destacando los problemas de ingeniería, pero no limitados a ellos: diseño y convergencia de objetivos, adaptación al contexto y recursos limitados.
A considera las cuestiones éticas, sociales y regulatorias con la adopción de Agentic AI, incluidas las preocupaciones relevantes de responsabilidad, equidad y transparencia.
Recomendaciones para futuras investigaciones, presentando sugerencias sobre cómo integrar mejor las cuestiones de escala, contexto y ética en la implementación de la IA Agentic.
Las contribuciones esperadas de este artículo van más allá de una simple revisión bibliográfica; más bien, deben ofrecer una base útil y bien organizada para desarrollar los problemas y los detalles de la IA Agentic. Este artículo busca proporcionar información importante sobre la gestión de prácticas operativas y soluciones tecnológicas que promuevan y sustenten el desarrollo de sistemas éticos de IA Agentic.
D. Organización del estudio
El resto de este documento está organizado de la siguiente manera:
Sección II Introduce los conceptos y definiciones básicas que ayudan a entender la IA Agentic como una entidad específica en el contexto más amplio de la inteligencia artificial.
Sección III Trata la estructura típica de la IA Agentic, incluyendo la independencia, la flexibilidad y la capacidad de elegir qué hacer.
Sección IV Identifica y describe los métodos de construcción de IA Agentic: los diseños estructurales, los tipos de aprendizaje y las formas de evaluación y medidas de eficiencia.
Sección V Analiza diferentes sectores en los que la IA agentiva ha encontrado aplicaciones, centrándose en aplicaciones en industrias y casos de trabajo conjunto con humanos.
Sección VI Presenta un análisis comparativo de varios sistemas que ejemplifican la IA Agentic con un enfoque en las diferentes medidas de desempeño e indicadores empleados en la evaluación de estos sistemas.
Sección VII Explica los aspectos técnicos y las dificultades de la IA Agentic sobre el establecimiento de objetivos y los aspectos de interacción con el entorno.
Sección VIII Plantea las cuestiones sociales, éticas y de gobernanza, en lo que respecta a la responsabilidad, la equidad y el cumplimiento de la ley.
Sección IX Analiza los sistemas existentes que facilitan la implementación constructiva y responsable de la IA Agentic, incluidos los componentes de supervisión y regulación.
Sección X Describe las lagunas en el conocimiento y el trabajo prospectivo de Investigación y Desarrollo junto con la consideración de ideas refrescantes de IA Agentic.
La Sección XI recomienda las observaciones finales del artículo, incluyendo una conclusión de los hallazgos y una observación de que se necesitan conexiones interdisciplinarias para hacer avanzar el campo de manera responsable.
Esta encuesta exhaustiva proporcionará información valiosa sobre el estado actual de Agentic AI, su potencial futuro y los desafíos que deben abordarse para garantizar su implementación segura y efectiva.SECCIÓN II.
Conceptos y definiciones fundamentales
A. IA agente y su papel en el ecosistema de IA
Dentro del campo de la IA, la IA Agentic sirve como una forma diferente de inteligencia que puede adoptar comportamientos agenticos de funcionamiento más autónomo que no se limitan a realizar tareas específicas o seguir algoritmos de generación de contenido. Cuando se ve en un contexto de ecosistema, la IA Agentic destaca por su propósito, flexibilidad y comportamiento, lo que permite a estas IA operar casi de forma independiente. En lugar de seguir directrices estrictas como otras IA robóticas, los sistemas de IA Agentic se promueven por tener racionalismo en ellos, lo que permite a cada sistema [9] razonar y adaptarse a diferentes escenarios y circunstancias de manera suficiente para lograr objetivos. Debido a su tendencia a mejorar sus funciones para prepararse para cualquier obstáculo, la IA Agentic se ha visto como un punto de anclaje potencial para tareas y objetivos que requieren altos niveles de interacción, por ejemplo, dispositivos autónomos, robots colaborativos y sistemas interactivos de apoyo a la toma de decisiones en las áreas de finanzas y atención médica.
La creciente demanda de sistemas capaces de gestionar de forma autónoma procesos complejos y dinámicos ha generado un creciente interés en la IA Agentic, especialmente en sectores con potencial para la automatización de la IA. Si bien se basa en principios básicos de IA, la IA Agentic amplía el alcance de sus logros al incorporar elementos de dependencia y acción independiente adaptativa. El ecosistema de la IA se sitúa entre las tecnologías de IA puramente reactivas y estrictamente basadas en reglas, y las ideas más amplias sobre la IAG, desempeñando una función esencial al permitir la toma de decisiones autónoma dentro de límites o estructuras definidos. Esta posición única acentúa la capacidad de la IA Agentic para adaptarse a escenarios donde la capacidad de tomar decisiones rápidas, gestionar objetivos a largo plazo y aprender sobre la marcha son fundamentales para el problema en cuestión.
B. Comparación con la IA tradicional
La IA, que puede describirse como «Agentic», presenta diferencias fundamentales con respecto a otros tipos avanzados de IA en términos de autonomía, función y alcance, entre otros. Dichos sistemas de IA se integran en tareas específicas como el análisis de imágenes [10] , la traducción de idiomas [11] y los motores de recomendación [12] , lo que les permite realizar tareas designadas de una manera muy específica, pero con un alcance limitado. Se basan principalmente en enfoques de aprendizaje supervisado sobre grandes conjuntos de datos, donde el comportamiento está determinado por la información y las instrucciones que reciben de las personas. Por lo tanto, las IA tradicionales se aplican mejor en entornos controlados con capacidad limitada para microgestionar situaciones y resultados mucho más significativos.
Por otro lado, los sistemas de IA Agentic pueden describirse como poseedores de la característica de final abierto donde no hay prescripción de cómo debe lograrse la tarea. Trabajan con y se adaptan a condiciones que cambian rápidamente. Por otro lado, mientras que los sistemas de IA convencionales pueden ser precisos, no tienen la conciencia situacional y la dinámica dirigida a objetivos inherentes a la IA Agentic. Un ejemplo de caso puede incluir el modelo de IA de una fábrica que se desarrolla para predecir fallas de equipo. Por mucho que la premisa sea buena, la IA no incorporará cambios adaptativos en la forma en que predice fallas debido a factores como cambios en el cronograma de fabricación o cambios en los patrones de desgaste en las máquinas. Por otro lado, la IA Agentic podría cambiar sus procesos de estimación de métricas dependiendo del contexto y adaptar sus estrategias tanto a corto como a largo plazo, lo cual es imposible con los modelos tradicionales.
Como se muestra en la Tabla 1 , los sistemas de IA Agentic no solo se adaptan al contexto en tiempo real, sino que también mantienen la flexibilidad para optimizar objetivos complejos a largo plazo. Estas distinciones ilustran el valor de la IA Agentic en escenarios donde la IA convencional, sujeta a reglas, resulta insuficiente, lo que enfatiza su papel transformador para abordar las demandas de entornos impredecibles y de alto riesgo.
TABLA 1 Comparación de la IA tradicional y la IA agencial
C. Comparación ampliada con agentes clásicos
Mientras que los sistemas de IA clásicos son principalmente modelos basados en reglas o de aprendizaje supervisado, diseñados para tareas específicas, la IA Agentic integra autonomía y adaptabilidad, lo que permite una funcionalidad más amplia. Las diferencias entre estos paradigmas se ilustran mejor con ejemplos.
1) Agentes clásicos
Estos agentes destacan en entornos controlados. Por ejemplo, los algoritmos de trading financiero basados en reglas funcionan eficazmente cuando los parámetros predefinidos se mantienen constantes. Sin embargo, presentan dificultades ante fluctuaciones del mercado o disrupciones impredecibles.
2) IA agente
Por el contrario, los sistemas comerciales impulsados por IA de Agentic ajustan dinámicamente las estrategias en función de datos en tiempo real, tendencias históricas y cambios inesperados del mercado, lo que los hace más resistentes y adaptables.
3) Aprendizaje por refuerzo versus agentes basados en modelos de lenguaje
Mientras que el aprendizaje por refuerzo se centra en optimizar las recompensas acumulativas en un entorno de tareas específico, los agentes basados en modelos de lenguaje amplían esta capacidad interpretando entradas complejas de lenguaje natural e interactuando con humanos sin problemas. Por ejemplo, un agente de aprendizaje por refuerzo destaca en la optimización de estrategias de juego, mientras que un agente basado en modelos de lenguaje puede generar diálogos, interpretar reglas y adaptar estrategias durante un juego en vivo. La Tabla 2 destaca las diferencias clave.
TABLA 2 Comparación de agentes clásicos, agentes de aprendizaje de refuerzo e IA agéntica
D. Fundamentos técnicos
El desarrollo de sistemas de IA Agentic se basa en algoritmos y marcos centrales que facilitan el comportamiento orientado a objetivos, la adaptación contextual y la toma de decisiones autónoma. Estos fundamentos técnicos incorporan avances en aprendizaje por refuerzo, arquitecturas orientadas a objetivos y mecanismos de control adaptativo.
El aprendizaje por refuerzo (AR) [13] es fundamental para muchos sistemas agénticos, ya que dota a los modelos de IA de la capacidad de aprender mediante ensayo y error. En el AR, los agentes se entrenan para maximizar las recompensas acumuladas al interactuar con un entorno y adaptar sus acciones para alcanzar objetivos específicos a lo largo del tiempo. Este paradigma de aprendizaje es particularmente útil para la IA agéntica, ya que permite a los sistemas refinar continuamente sus estrategias basándose en la retroalimentación. Como se ilustra en la Figura 1 , el aprendizaje por refuerzo promueve el aprendizaje mediante la interacción e implica un enfoque de ensayo y error para optimizar las decisiones a lo largo del tiempo.
Fundamentos técnicos de la IA agente, ilustrando componentes clave: aprendizaje de refuerzo, arquitecturas orientadas a objetivos y mecanismos de control adaptativo.
Las arquitecturas orientadas a objetivos [14] proporcionan un marco estructural para la gestión de objetivos complejos dentro de los sistemas de IA con agentes. A diferencia de las arquitecturas tradicionales, que suelen centrarse en tareas individuales, las arquitecturas orientadas a objetivos permiten a los agentes priorizar y perseguir múltiples objetivos simultáneamente. Estas arquitecturas admiten una estructura modular, donde los objetivos más amplios se dividen en subobjetivos manejables. En el contexto de la Figura 1 , las arquitecturas orientadas a objetivos facilitan la gestión de objetivos complejos, permitiendo a los agentes abordar las tareas en pasos estructurados.
Los mecanismos de control adaptativo [15] garantizan que los sistemas de IA agéntica se ajusten a entornos cambiantes. Al incorporar control adaptativo, los agentes recalibran sus parámetros en respuesta a variaciones externas, como cambios en los datos o interrupciones inesperadas. Técnicas como el metaaprendizaje, donde los agentes aprenden a adaptarse basándose en experiencias previas, permiten una mayor resiliencia y flexibilidad. Como se muestra en el diagrama de flujo, los mecanismos de control adaptativo proporcionan «adaptación al entorno», lo que permite a los agentes mantener un rendimiento óptimo incluso en condiciones cambiantes.
La Figura 1 ofrece una representación visual de estos marcos centrales, ilustrando cómo interactúan para permitir un comportamiento autónomo, adaptable y orientado a objetivos en los sistemas de IA Agentic. En conjunto, estos fundamentos técnicos dotan a la IA Agentic de las capacidades estructurales y funcionales necesarias para gestionar tareas complejas y en constante evolución de forma independiente, lo que la distingue de los sistemas de IA tradicionales que se basan en parámetros e instrucciones estrictamente definidos.
Al combinar el aprendizaje por refuerzo, las arquitecturas orientadas a objetivos y el control adaptativo, los sistemas de IA Agentic alcanzan un nivel de autonomía y resiliencia que les permite operar eficazmente en diversos entornos. Esta sección establece las bases técnicas para comprender las capacidades avanzadas de la IA Agentic, sentando las bases para las metodologías y aplicaciones que se describen en las siguientes secciones.SECCIÓN III.
Características principales de la IA agente
A. Autonomía y complejidad de objetivos
La autonomía es una de las cualidades más buscadas de la IA Agentic. Esto es especialmente necesario en escenarios complejos con múltiples objetivos. La mayoría de los sistemas de IA tradicionales se centran en completar una tarea y están programados con requisitos de entrada y salida sencillos para lograr ese único objetivo. En cambio, los sistemas impulsados por IA Agentic pueden realizar múltiples tareas necesarias y pasar de una tarea básica a múltiples objetivos finales complejos. Dichos sistemas poseen cierto grado de autogobierno, donde la supervisión continua de un ser humano no es obligatoria, aunque a veces se prefiere, y los agentes de IA funcionan de forma independiente según una estructura de objetivos predeterminada o en evolución. Sin embargo, es necesario reconocer un paso adicional: para la IA Agentic, la autonomía no se limita a la consecución de un único objetivo, sino que sustituye objetivos menores y estrategias individuales por objetivos más amplios a largo plazo. Un ejemplo se puede extraer de la robótica autónoma [16] , donde un sistema de inteligencia artificial (IA) de este tipo exigiría la travesía completa del punto A al punto B, con la posibilidad adicional de realizar desvíos en la ruta, modificando restricciones como la jerarquía de tareas, los plazos, las tasas de consumo de energía y los estándares de seguridad. Esta comprensión profundiza la comprensión de la complejidad de los objetivos, donde se utilizan modelos de decisión de alto nivel donde los objetivos guían el análisis, la planificación y la acción. Esto permite a los sistemas de IA de inteligencia artificial (IA) llevar a cabo objetivos complejos que se habían deconstruido en subtareas que podrían encajar de forma autónoma en una estrategia operativa, junto con ajustes.
B. Complejidad ambiental y operativa
Además, la capacidad de la IA Agentic para operar en circunstancias variadas y cambiantes es otra característica de esta IA. A diferencia de la IA anterior, diseñada para las funciones más óptimas en un entorno constante y fácilmente predecible [17] , las IA Agentic integran toda la variabilidad del mundo real. Esto implica adaptarse rápidamente a las condiciones ambientales, los cambios de datos o patrones, e incluso las demandas del usuario, ya sean antiguas o nuevas. En el caso de los agentes de IA para coches autónomos, el agente ideal no se ajustaría a Photoshop para cumplir únicamente con los límites artificiales contenidos en las leyes de tráfico, sino que aprendería nuevos diseños de carreteras e intentaría comprender cómo sería el comportamiento de otros conductores antes de decidir cómo actuar en una situación particular cuando surgiera la necesidad en un período muy corto.
Para ello, los sistemas de IA Agentic, por regla general, están equipados con medios para la interacción con el entorno, el procesamiento de datos in situ y la comprensión del contexto situacional. Estas capacidades permiten al sistema monitorizar y participar activamente en los parámetros operativos susceptibles de alteraciones, incluso en el último minuto. Por ejemplo, el control de cambios [18] en los sistemas de IA Agentic suele estar integrado en el agente como aprendizaje de refuerzo o algoritmos adaptativos, de modo que este pueda funcionar de forma óptima independientemente de las condiciones cambiantes. Estas características hacen que la IA Agentic sea idónea para entornos con múltiples dinámicas donde se requiere una reacción rápida, como en la gestión de desastres, la sanidad, las finanzas, etc.
C. Toma de decisiones independiente y adaptabilidad
La autonomía y la flexibilidad son requisitos fundamentales para que la IA Agentic trabaje de forma independiente durante largas jornadas. A diferencia de los sistemas basados en reglas, que simplemente obedecen las órdenes, la IA Agentic debe adaptarse a su contexto actual y tomar decisiones sobre la marcha, por lo que debe aprender con el tiempo y mejorar su comportamiento. Este tipo de toma de decisiones se realiza habitualmente mediante aprendizaje por refuerzo o metaaprendizaje, cuando el agente de IA recibe retroalimentación repetida y mejora su comportamiento.
La flexibilidad permite a la IA Agentic actuar de forma diferente en el mismo escenario y alcanzar los objetivos pertinentes. Por ejemplo, en una situación de atención al cliente, una IA Agentic podría adaptar sus estrategias de comunicación a las que mejor se adapten al estado de ánimo de los clientes para lograr su satisfacción. Esto requiere priorizar objetivos y evaluar posibles líneas de acción y sus resultados con respecto a los objetivos del sistema. Gracias a la flexibilidad y autonomía en la toma de decisiones [19] , la IA Agentic puede reconceptualizar sus estrategias y adaptarse a la nueva información adoptada en el modelo para operar en un entorno cambiante.
Para ilustrar mejor el proceso de integración de la IA Agentic en la sociedad, la Figura 2 describe las etapas clave. Esto incluye la recopilación y el preprocesamiento de datos, la funcionalidad principal del sistema de IA Agentic y su implementación en diversos sectores, como la salud, las finanzas, la manufactura y la atención al cliente. El diagrama de flujo representa visualmente la adaptabilidad e independencia de la IA Agentic en entornos dinámicos.
FIGURA 2.
Proceso de integración de la IA agencial en la sociedad.
D. Análisis comparativo
En comparación con los sistemas lineales de regulación, la IA Agentic destaca por su mayor capacidad para mantener su autonomía, funcionar en un contexto en constante cambio y afrontar múltiples objetivos. En la mayoría de los casos, los agentes operativos se crean donde el área funcional se define dentro de límites rígidos, con prerrequisitos infalibles y sencillos para un rendimiento exitoso. Por otro lado, los sistemas de IA Agentic están diseñados para trabajar con objetivos complejos que aún no se han estructurado y pueden definirse en un contexto amplio.
Como se muestra en la Tabla 3 , los agentes tradicionales destacan en tareas estructuradas, pero carecen de la flexibilidad necesaria para tareas adaptativas y orientadas a objetivos en entornos complejos. La IA Agentic mejora estos sistemas al introducir un alto grado de autonomía y adaptabilidad, lo que permite al agente interactuar con su entorno y responder a él de maneras que van más allá del simple seguimiento de reglas. Este análisis comparativo destaca las capacidades distintivas de la IA Agentic, posicionándola como un enfoque transformador en ámbitos donde el comportamiento independiente, orientado a objetivos y consciente del contexto es esencial.
Metodologías en el desarrollo de IA agente
A. Enfoques arquitectónicos
Los enfoques arquitectónicos en IA Agentica suelen implicar diseños modulares y jerárquicos que permiten al sistema gestionar objetivos complejos y adaptarse a entornos dinámicos. Las arquitecturas comunes incluyen sistemas multiagente (SAM), aprendizaje de refuerzo jerárquico (ARJ) y arquitecturas modulares orientadas a objetivos.
Sistemas Multiagente (MAS) : Los MAS [20] dividen las tareas entre múltiples agentes autónomos que colaboran o compiten para lograr un objetivo común. Esta arquitectura es especialmente útil en escenarios donde los objetivos complejos pueden descomponerse en tareas más pequeñas que cada agente puede gestionar.
Aprendizaje por Refuerzo Jerárquico (HRL) : El HRL [21] estructura la toma de decisiones jerárquicamente, donde los agentes de alto nivel definen subobjetivos y los agentes de bajo nivel los ejecutan. Este enfoque es eficaz para gestionar tareas con múltiples niveles de complejidad.
Arquitecturas modulares orientadas a objetivos : Estas arquitecturas [22] organizan las funciones del agente en componentes modulares, donde cada módulo se especializa en aspectos específicos de la tarea. Esta modularidad proporciona flexibilidad y escalabilidad, permitiendo al agente gestionar diferentes tareas reconfigurando los módulos según sea necesario.
B. Paradigmas de aprendizaje
La IA agéntica se basa en varios paradigmas de aprendizaje, cada uno adaptado a diferentes tipos de tareas y objetivos. Los principales paradigmas utilizados en los sistemas agénticos son el aprendizaje supervisado, el no supervisado y el aprendizaje por refuerzo. La Tabla 4 ofrece una comparación.
TABLA 4 Comparación de paradigmas de aprendizaje para IA agencial
C. Avances en las metodologías
Los avances recientes en las metodologías de IA Agentic se han centrado en capacidades clave esenciales para el diseño de agentes modernos. Estas incluyen el razonamiento y la planificación, el uso de herramientas, los mecanismos de memoria, la Generación Aumentada por Recuperación (RAG) y el ajuste fino de instrucciones [23] .
1) Razonamiento y planificación
Estos marcos permiten a los agentes anticipar resultados, priorizar tareas y adaptar estrategias dinámicamente. Son fundamentales para gestionar tareas complejas con múltiples objetivos en entornos en constante evolución, como la gestión de desastres y la navegación autónoma.
2) Uso e integración de herramientas
Los agentes equipados con la capacidad de interactuar con herramientas externas y API pueden realizar cálculos, recuperar datos en tiempo real y simular escenarios, mejorando significativamente los procesos de toma de decisiones.
3) Mecanismos de memoria
Los modelos de memoria episódica y semántica permiten que los sistemas de IA Agentic retengan información contextual, mejorando su capacidad para recordar interacciones pasadas y optimizar las tareas en curso.
4) Generación aumentada por recuperación (RAG)
RAG permite a los agentes recuperar conocimiento externo de forma dinámica, mejorando la relevancia y el contexto de sus resultados. Esta capacidad es especialmente significativa en agentes conversacionales y sistemas de toma de decisiones en tiempo real.
5) Ajuste fino de instrucciones
Este proceso garantiza que los agentes comprendan y ejecuten directivas matizadas, lo que les permite realizar tareas de varios pasos con alta precisión y adaptabilidad.
D. Técnicas de capacitación y evaluación
El entrenamiento de sistemas de IA con agentes requiere técnicas que permitan a los agentes aprender de las interacciones con entornos complejos. Entre las técnicas de entrenamiento más comunes se incluyen la formación basada en simulación, el aprendizaje curricular y el aprendizaje multitarea.
Entrenamiento basado en simulación : Las simulaciones brindan a los estudiantes un contexto seguro para investigar numerosas situaciones sin consecuencias reales [24] . Esto es muy eficaz en el aprendizaje por refuerzo [25], ya que permite a los agentes diseñar políticas transferibles a la tarea real.
Aprendizaje curricular : Estructurar las tareas en orden creciente de complejidad para que el agente desarrolle habilidades básicas que puedan desarrollarse en nuevas tareas más complejas [26] . Esta estructura de tareas progresivamente más complejas es fundamental en un entorno orientado a múltiples objetivos.
Aprendizaje multitarea : En el aprendizaje multitarea [27] , los agentes adquieren la capacidad de realizar varias tareas simultáneamente, lo que amplía su capacidad de generalización a múltiples objetivos, tareas y escenarios. El problema es de suma importancia en el diseño de sistemas de IA agénticos que aborden múltiples objetivos en paralelo.
Las técnicas de evaluación de la IA Agentic suelen incluir métricas como la tasa de éxito de las tareas, la adaptabilidad, la eficiencia de los recursos y el logro de objetivos a largo plazo. La Tabla 5 ofrece una descripción general de estas técnicas de entrenamiento y evaluación.
TABLA 5 Técnicas de entrenamiento y evaluación para IA agencial
E. Herramientas y marcos
El desarrollo de IA Agentic requiere herramientas y marcos especializados que admitan el aprendizaje por refuerzo, la simulación y el desarrollo de sistemas multiagente. Herramientas como OpenAI Gym, Unity ML-Agents, TensorFlow Agents y Rasa ofrecen plataformas para desarrollar, entrenar y evaluar sistemas de IA Agentic en diversas aplicaciones. Cada herramienta ofrece capacidades únicas, desde entornos de aprendizaje por refuerzo hasta simulaciones multiagente, lo que permite a investigadores y desarrolladores experimentar con diferentes arquitecturas y técnicas de entrenamiento. La Figura 3 presenta un resumen de las herramientas y marcos más populares de las diferentes metodologías de desarrollo de IA Agentic , que se emplean en el desarrollo y la mejora de estos sistemas de IA autónomos que pueden contribuir al logro de objetivos de alto nivel. Los enfoques se resumen en cuatro categorías:
Enfoques Arquitectónicos : Esta rama se ocupa de las diferentes arquitecturas que utilizan los agentes autónomos para lograr sus objetivos. Entre los métodos clave se encuentran los Sistemas Multiagente , que consisten en agentes que trabajan en colaboración y competencia entre sí; el Aprendizaje por Refuerzo Jerárquico , que se centra en jerarquizar las tareas para facilitar el proceso de aprendizaje; y las Arquitecturas Modulares Orientadas a Objetivos , que implican la configuración del sistema según la especificación de un objetivo o módulo.
Paradigmas de Aprendizaje : Esta sección se centra en el estudio de agentes autónomos derivados de diferentes fuentes de aprendizaje automático. Estos incluyen el Aprendizaje Supervisado , basado en el uso de datos etiquetados; el Aprendizaje No Supervisado , en el que el modelo busca relaciones en datos no etiquetados; y el Aprendizaje por Refuerzo , basado en prueba y error, donde el agente se entrena para tomar decisiones temporales.
Técnicas de Entrenamiento y Evaluación : En este caso, el enfoque se centra en métodos diseñados para el entrenamiento y la evaluación del rendimiento de la IA agéntica. Estas técnicas incluyen el Entrenamiento Basado en Simulación , que permite entrenar a varios agentes en entornos controlados; el Aprendizaje Curricular, en el que los agentes pueden realizar una serie de tareas sencillas y posteriormente otras más complejas; y el Aprendizaje Multitarea , que permite a los agentes realizar varias tareas simultáneamente. El entrenamiento o la evaluación de agentes en el entorno simulado se realiza mediante OpenAI Gym [28] y Unity ML-Agents [29] .
Herramientas y marcos computacionales : La última subsección describe más herramientas o marcos computacionales relevantes para el proceso de desarrollo de sistemas de IA autónomos. Herramientas como los algoritmos de aprendizaje por refuerzo (RL) pueden implementarse utilizando TensorFlow Agents , PyMARL (una biblioteca de RL multiagente) y Rasa [30] (un marco para agentes conversacionales).
FIGURA 3.
Descripción general de las metodologías de desarrollo de IA agente, incluidos enfoques arquitectónicos, paradigmas de aprendizaje, técnicas de entrenamiento y herramientas.
El desglose estructural descrito en los párrafos anteriores describe la gama de metodologías y herramientas que se pueden utilizar para crear sistemas de IA agentes y cómo también pueden mejorar la adaptabilidad, la eficiencia y la funcionalidad de los sistemas autónomos en entornos complejos.
Las metodologías analizadas en esta sección abarcan diversas aplicaciones y consideraciones éticas. La Tabla 6 resume las metodologías clave en IA Agentic, sus aplicaciones prácticas en diferentes ámbitos y los desafíos éticos asociados. Este resumen proporciona una referencia concisa para comprender las técnicas fundamentales que impulsan el desarrollo de la IA Agentic.
TABLA 6 Resumen de metodologías clave, aplicaciones y desafíos éticos
SECCIÓN V.
Aplicaciones de la IA Agentic
A. Aplicaciones industriales
La IA Agentic puede revolucionar potencialmente múltiples industrias, como la salud, las finanzas, la educación y la manufactura. En el ámbito de la salud, por ejemplo, la IA Agentic puede utilizarse para analizar los datos entrantes de los pacientes, identificar patrones anormales y alertar al personal médico correspondiente sobre posibles daños. Los dispositivos basados en IA podrían, por ejemplo, prevenir el retraso en diagnósticos vitales al monitorizar los indicadores clave de salud de los pacientes y notificarles cuando la situación empeore. En el ámbito financiero, por ejemplo, los algoritmos de IA Agentic pueden ayudar a realizar transacciones de inversión, detectar actividades fraudulentas y ofrecer soluciones de inversión a medida. Son capaces de evaluar la situación en la bolsa, tomar decisiones independientes sobre la compra o venta de valores y ajustar sus estrategias a las condiciones cambiantes en tiempo real, lo que mejora significativamente la calidad del desempeño gerencial y reduce la participación humana [1] .
En el ámbito educativo, los sistemas de tutoría inteligente que utilizan la tecnología de IA Agentic ayudan a los estudiantes a adaptar el contenido educativo [31] a sus necesidades y a abordar su progreso y solicitudes. Este enfoque mejora el rendimiento académico y reduce la presión sobre el profesorado, ya que tareas repetitivas como la calificación y la búsqueda de materiales adecuados se realizan automáticamente. En el sector manufacturero, la IA Agentic se aplica al mantenimiento predictivo, donde se evalúa el estado de las máquinas, se anticipan futuras averías y se realiza el mantenimiento cuando es necesario sin intervención humana, para que la producción se desarrolle sin problemas y con la mínima demora. Es evidente que, una vez implementada, la IA Agentic permite a las industrias operar con mayor eficacia, flexibilidad y escalabilidad.
B. Colaboración entre humanos e IA
La IA Agentic amplía el alcance de la productividad humana en ámbitos colaborativos y cognitivos [32] . En ámbitos que requieren un alto nivel de conocimiento, como el jurídico o la investigación, puede apoyar a los profesionales condensando automáticamente documentos, extrayendo documentos relevantes o realizando investigaciones de antecedentes profesionales para que los usuarios puedan concentrarse en aspectos más complejos del trabajo. Por ejemplo, en la práctica jurídica [33] , la IA Agentic puede examinar un corpus de textos legales, recordar documentos esenciales y ayudar a los abogados a recuperar casos con leyes similares.
En las industrias creativas, la IA de Agentic puede redactar textos, desarrollar conceptos de diseño o realizar modificaciones creativas basándose en ediciones previas o en las aportaciones del cliente. Se espera que las herramientas de IA de Agentic reduzcan estas tareas innecesarias y mejoren la productividad del desarrollo de contenido. Asimismo, en la atención al cliente, la IA de Agentic puede responder preguntas sencillas, ofrecer asistencia y derivar problemas complejos a agentes humanos, mejorando así el tiempo de respuesta y la satisfacción del cliente. Esta integración fluida de la colaboración entre humanos e IA permite a los trabajadores dedicar su tiempo a un espacio de trabajo más estratégico y creativo. Al mismo tiempo, la IA de Agentic se encarga de los aspectos operativos.
C. Sistemas de software adaptativos
Existe una tendencia gradual hacia la IA Agentic en sistemas de software adaptativos o «vivos» [34] , que pueden cambiar sus características sin las limitaciones habituales y modificar dinámicamente sus funcionalidades según la evolución del entorno. Estas variables hacen que el sistema se reconfigure rápida o automáticamente para garantizar que el autoaprendizaje mejore con cada uso. Esto incluye actualizaciones en tiempo real de las sugerencias de los usuarios en función de las recomendaciones, así como actualizaciones dinámicas de las sugerencias basadas en la evolución de las recomendaciones del usuario.
Otros casos incluyen actividades automatizadas en la casa inteligente donde, gracias a la IA de Agentic, los huéspedes pueden modificar la iluminación, la temperatura y los protocolos de seguridad para que la IA integrada registre el comportamiento de los usuarios. En los procesos de desarrollo de proyectos, por ejemplo, los bots de gestión de proyectos con IA de Agentic pueden centrarse en la secuenciación de tareas, la distribución de la carga de trabajo y la complejidad del cronograma de tareas para modificar dinámicamente los plazos [35] cuando sea necesario, lo que permite a los usuarios adaptarse a los diversos cambios del proyecto con gran eficacia. Estas aplicaciones de software adaptativas reducen la necesidad de intervención humana y mejoran la usabilidad y la funcionalidad del sistema.
D. Áreas de aplicación emergentes
Ante las necesidades dinámicas de los pacientes, que exigen una capacidad de respuesta continua, existen nuevos casos de uso específicos para la aplicación de la IA Agentic en ámbitos específicos. Entre ellos, se incluye la medicina personalizada [36] , donde un sistema de IA Agentic podría gestionar pacientes crónicos mediante la supervisión de su historial clínico, el envío de recordatorios de medicación [37] y la modificación de las recomendaciones de tratamiento en función de otros indicadores de salud. Estos sistemas proporcionarían un protocolo individualizado de gestión de la atención e incluso monitorizarían los indicadores tempranos de otras afecciones de salud en progresión, especialmente en personas mayores que probablemente requieran atención máxima.
Para la creación de literatura, se espera que la IA Agentic adquiera nuevas funciones en la generación automática de contenido, dirigiéndose a audiencias más amplias y cumpliendo con parámetros precisos en la creación de contenido. Por ejemplo, en marketing, los sistemas de IA Agentic enviarían correos electrónicos y anuncios personalizados según la actividad del usuario y generarían contenido para los anuncios en primer lugar. Además, en el contexto de la investigación autorreguladora, los científicos que utilizan IA Agentic pueden lograr los objetivos de una búsqueda bibliográfica, desarrollar nuevas líneas de pensamiento e incluso crear diseños de investigación. Se podrían observar períodos de investigación más rápidos en los campos de la investigación del desarrollo de fármacos [38] o la investigación del cambio climático. A través de la expansión en estas nuevas direcciones, la IA Agentic muestra una mayor capacidad para penetrar en mercados de alto valor que requieren aplicaciones personalizadas, dinámicas y de autoservicio.
La Tabla 7 ofrece una visión general de las aplicaciones de la IA Agentic en diversos ámbitos, ilustrando la diversa gama de tareas y contextos donde los sistemas autónomos y orientados a objetivos pueden optimizar las operaciones y generar valor. Desde la atención médica hasta el marketing personalizado, la versatilidad y adaptabilidad de la IA Agentic abren posibilidades para soluciones innovadoras en todos los sectores.
TABLA 7 Descripción general de las aplicaciones de IA agenética en todos los dominios
E. Escenarios que demuestran adaptabilidad
1) Gestión de desastres
Un sistema de IA de Agentic, implementado en la gestión de desastres, analiza de forma autónoma datos ambientales en tiempo real durante una inundación. Redistribuye recursos, como equipos de rescate y suministros médicos, a las zonas más necesitadas, ajustando dinámicamente las estrategias en función de las condiciones meteorológicas cambiantes y los datos recibidos.
2) Atención al cliente
En un entorno de comercio electrónico, un chatbot de inteligencia artificial de Agentic adapta su tono y sus estrategias de resolución de problemas en función del análisis de sentimientos en tiempo real de las interacciones del cliente, mejorando la satisfacción del usuario.
3) Monitoreo de la atención médica
Un sistema de inteligencia artificial de Agentic basado en hospitales detecta patrones en los signos vitales de los pacientes, predice posibles complicaciones y notifica de forma autónoma a los proveedores de atención médica, lo que permite intervenciones oportunas sin intervención humana.
Estos escenarios resaltan las capacidades dinámicas y orientadas a objetivos de Agentic AI en aplicaciones del mundo real.SECCIÓN VI.
Análisis comparativo de las implementaciones de IA de Agentic
A. Métricas de comparación
Para evaluar y triangular exhaustivamente las implementaciones de IA Agentic, es necesario identificar métricas acordes con su rendimiento, flexibilidad y apalancamiento. Las siguientes métricas son las predominantes en el sector:
Adaptabilidad : Esta métrica considera la propensión o capacidad del sistema de IA para reaccionar de forma activa a modificaciones del entorno, ya sean inmediatas o abruptas. Una puntuación alta de adaptabilidad [39] significa que el sistema de IA puede experimentar pérdidas de rendimiento debido a condiciones nuevas, como cambios en las medidas estadísticas, pero sin llegar a incurrir en pérdidas significativas.
Eficiencia en el Logro de Objetivos : Esta métrica refleja la inclinación o capacidad de la IA para alcanzar sus objetivos con un uso mínimo de recursos, como tiempo y horas-persona. Esta métrica resulta crucial en aplicaciones donde la provisión del determinismo del modelo de IA tiene importantes consecuencias en la viabilidad de la aplicación.
Tasa de aprendizaje y convergencia : Mide el tiempo que la IA tarda en aprender y acoplarse a una tarea específica. Una tasa de aprendizaje y una convergencia rápidas son siempre preferibles, ya que permiten a la IA trabajar eficazmente en entornos dinámicos que requieren aprendizaje continuo [40] , [41] .
Robustez y Resiliencia : Esta medida determina el nivel de rendimiento del sistema cuando sus parámetros cambian o durante perturbaciones. La robustez [42] , [43] es un atributo que permite el diseño eficaz de la IA Agentic, capaz de operar en diversas circunstancias adversas, como escenarios inesperados, muy comunes en los sectores de la salud y la conducción autónoma.
Escalabilidad : Se refiere a las características del sistema, que no deben cambiar con la variación del alcance o la complejidad de las tareas. Esta es una característica importante en industrias con volúmenes significativos de datos o procesos operativos, como las finanzas o la manufactura [44] .
Satisfacción del usuario y eficiencia de la colaboración humano-IA : La satisfacción del usuario con los sistemas de IA agéntica que dependen de la interacción humana [45] , [46] es un indicador clave de rendimiento. Esta métrica examina cómo el lenguaje, en particular la participación de la IA, se traduce en productividad, usabilidad y calidad de soporte para los usuarios.
La Tabla 8 resume estas métricas y proporciona una base para evaluar las implementaciones de Agentic AI en diversas aplicaciones.
TABLA 8 Métricas de comparación para implementaciones de IA de Agentic
B. Estudios de caso
Los casos prácticos presentados en esta subsección ilustran los usos prácticos y el rendimiento de los sistemas de IA agéntica en diversos escenarios. Estos ejemplos resaltan las capacidades de la IA agéntica para lograr objetivos complejos en un entorno cambiante.
Monitoreo y Diagnóstico de la Salud : Un sistema de monitoreo de la salud basado en la IA de Agentic, desarrollado para el monitoreo de la salud, puede identificar de forma independiente el deterioro del estado de un paciente mediante el seguimiento constante de sus signos vitales. Este sistema se ha probado en un hospital para optimizar la rapidez de las intervenciones sanitarias [47] . Su importancia se está volviendo crucial, ya que mejora el tiempo de respuesta a diversos problemas de salud. Gracias a su versatilidad, puede operar bajo diferentes condiciones y problemas del paciente, ofreciendo alta robustez y confiabilidad.
Análisis del Mercado Financiero y Trading Algorítmico : En el sector financiero [48] , [49] , se utilizó un sistema de IA agentic para desarrollar estrategias de trading y optimizar el mercado en tiempo real con mínima interacción humana. Para minimizar las estrategias, la IA las ajusta basándose en datos históricos y actuales para mejorar los resultados de las operaciones en momentos de alta volatilidad del mercado. Este caso práctico demuestra la eficacia y flexibilidad de la IA agentic en entornos dinámicos y de alto riesgo, ya que pequeñas mejoras en la velocidad y precisión en la toma de decisiones generan importantes retornos financieros.
Atención al cliente autónoma en comercio electrónico : En una plataforma de comercio electrónico, un agente de atención al cliente, posible gracias a la tecnología de IA de Agentic, solicita atención sin asistencia [50] , conociendo a la perfección las necesidades del usuario individual gracias a su comportamiento previo y preferencias. Con el tiempo, el agente de IA se adapta a las interacciones y entradas pasadas del sistema para mejorar sus respuestas a las preguntas; este es un ejemplo clásico de una buena relación humano-IA [51] . En general, los clientes han estado más satisfechos con la atención adaptativa individualizada y adaptada al contexto, y este caso demuestra las ventajas de incorporar IA de Agentic en las iniciativas de atención al cliente.
Fabricación inteligente y mantenimiento predictivo : En una planta, la IA de Agentic calcula el tiempo previsto hasta el fallo de la máquina, su vida útil restante y cuándo realizar actividades de mantenimiento [52] para maximizar la disponibilidad operativa. Este sistema aprovecha los datos de un clúster de máquinas para predecir proactivamente fallos futuros y optimizar la distribución de recursos, lo que, a su vez, impulsa el proceso de producción. Implementaciones de ejemplo demuestran la robustez y escalabilidad del sistema de IA de Agentic para funcionar eficientemente en operaciones a gran escala basadas en datos.
Estos casos prácticos destacan la aplicabilidad de las tecnologías de IA de Agentic en diversos sectores, desde la salud hasta el financiero y el manufacturero. Todos demuestran diversos aspectos de estas tecnologías en la práctica, que pueden escalarse para problemas de distintos niveles de complejidad.
C. Evaluación comparativa
La evaluación comparativa es uno de los procedimientos más importantes para evaluar el rendimiento de la IA de Agentic y su modelo estándar. Este paso es fundamental, ya que permite a los investigadores y desarrolladores de modelos modelar. Se han desarrollado varios conjuntos de datos y entornos de evaluación comparativa estandarizados que ahora se utilizan para implementar la IA de Agentic:
Conjuntos de datos de atención médica (p. ej., MIMIC-III, PhysioNet) : Los conjuntos de datos de atención médica [53] , [54] se aplican en el entrenamiento y la evaluación de sistemas de IA para la monitorización de pacientes, la predicción de diagnósticos clínicos y el apoyo a la toma de decisiones clínicas. La afirmación de que un sistema de IA Agentic está teniendo un excelente rendimiento en los parámetros de referencia de la atención médica demuestra que es posible crear sistemas de IA que puedan trabajar con precisión con información tan sensible y crucial para la vida.
Datos financieros (p. ej., Yahoo Finanzas, datos históricos del NASDAQ) : Los conjuntos de datos fundamentales de encuestados con historial de ventas [55], como el historial de precios de las acciones, son muy útiles para una IA de tipo agente, capaz de realizar análisis predictivo y trading algorítmico. Estos conjuntos de datos también pueden utilizarse para evaluar el rendimiento en cuanto a capacidad de predicción, robustez en mercados volátiles y rentabilidad de las operaciones.
Simuladores de Conducción Autónoma (p. ej., CARLA, OpenAI Gym) : Estos entornos permiten realizar pruebas de conducción para tareas de navegación autónoma y para la IA en vehículos. La tasa de aprendizaje de los sistemas de IA, así como su capacidad adaptativa, también se evalúan en estos entornos [56] , [57] . Los simuladores son especialmente útiles en pruebas que exigen que los sistemas realicen tareas similares de seguridad y toma de decisiones en diversas condiciones.
Conjuntos de datos de atención al cliente (p. ej., MultiWOZ, reseñas de clientes de Amazon) : Las interacciones con el cliente eficientes y personalizadas, optimizadas con IA, se evalúan en la dimensión de colaboración entre usuarios y sistemas o soporte. Este conjunto de datos facilita la estimación de dichas medidas. El buen desempeño en estos parámetros es un indicador directo de la capacidad del agente para atender las inquietudes de los usuarios y responder a consultas complejas.
Conjuntos de datos de fabricación e IoT (p. ej., Repositorio de datos de pronóstico de la NASA) : Esta fuente de datos consta de datos de sensores de equipos industriales que se utilizan para entrenar la aplicación de IA para el mantenimiento predictivo [58] , [59] . La evaluación del rendimiento de estos conjuntos de datos busca evaluar la predicción de fallos, la asignación de recursos y la eficacia con la que las operaciones responden a diferentes condiciones.
En la Tabla 9 se resumen estos puntos de referencia, destacando las diversas áreas de aplicación y el enfoque específico de cada conjunto de datos o entorno.
TABLA 9 Puntos de referencia y conjuntos de datos para evaluar las implementaciones de IA agencial
Este enfoque de evaluación comparativa integral permite evaluar y perfeccionar los sistemas de IA de Agentic en función del rendimiento en áreas de aplicación clave, lo que garantiza que cumplan con los estándares de la industria en cuanto a eficiencia, precisión y adaptabilidad en escenarios del mundo real.
D. Evaluación crítica de las implementaciones existentes
Las implementaciones de inteligencia artificial agente existentes resaltan su potencial transformador y los desafíos asociados con su implementación.
Éxitos
En el ámbito sanitario, los sistemas de IA de Agentic han monitorizado con éxito a pacientes, identificado señales de alerta temprana y sugerido intervenciones en tiempo real. Estos sistemas optimizan la prestación de servicios de salud, especialmente en situaciones de alta demanda.
En finanzas, el trading algorítmico impulsado por Agentic AI ha demostrado un rendimiento superior durante condiciones de mercado volátiles al ajustar dinámicamente las estrategias comerciales.
En la industria manufacturera, los sistemas de mantenimiento predictivo han reducido el tiempo de inactividad al anticipar de forma proactiva las fallas de los equipos y programar el mantenimiento.
Limitaciones
Los sistemas de atención sanitaria a menudo requieren un preprocesamiento extenso de datos y tienen dificultades con la heterogeneidad de los datos.
Los modelos de IA financiera pueden sobreajustarse a las tendencias históricas, lo que limita la adaptabilidad a eventos nuevos.
Los sistemas de fabricación enfrentan problemas de integración con equipos heredados y limitaciones de escalabilidad.
Lecciones aprendidas
Las implementaciones efectivas de inteligencia artificial agente requieren canales de datos robustos y conjuntos de datos de entrenamiento de alta calidad.
La incorporación de mecanismos de retroalimentación y supervisión humana mejora el desempeño y garantiza el cumplimiento ético.
Los modelos híbridos que combinan paradigmas clásicos y agentes a menudo producen resultados superiores, como se observa en entornos complejos con múltiples partes interesadas.
Abordar estas limitaciones y aprovechar las lecciones aprendidas será fundamental para avanzar la IA agente en diversos dominios.SECCIÓN VII.
Desafíos y limitaciones técnicas
A. Alineación de objetivos y complejidad
Una consideración crucial en el diseño de cualquier sistema es cómo los objetivos autónomos de la IA concuerdan con las diversas perspectivas de la moral social y los objetivos de los usuarios humanos. En resumen, no es como el funcionamiento general de la IA actual, donde existen comandos predefinidos. Por el contrario, la IA agencial se beneficia de poseer una serie de objetivos altamente complejos, que pueden evolucionar con el tiempo. Existe un problema de diseño evidente: los objetivos de las personas no siempre conducen a los resultados previstos, lo que podría, por ejemplo, requerir el desarrollo de objetivos, técnicas o estrategias inapropiadas.
Sin embargo, la cuestión de la desalineación de objetivos a veces se aborda con mayor facilidad que cuando los objetivos centrales de los proyectos son multidimensionales y dependen del contexto del proyecto. Por ejemplo, en el caso de la ética médica, un agente de IA que opera para una tasa de recuperación máxima de los pacientes podría centrarse en aquellas estrategias que funcionan rápidamente y dan resultados incluso a corto plazo, pero que pueden no ser lo mejor a largo plazo. Además, estos problemas están entrelazados con los objetivos éticos y las estructuras de valores, que son difíciles de articular e integrar dentro del sistema de objetivos debido a particularidades interculturales o de la industria. Abordar este problema es un requisito porque otros investigadores están investigando marcos alineados como la alineación de valores y el aprendizaje de refuerzo inverso, donde los sistemas éticos son congruentes con los sistemas de recompensa emic. Sin embargo, estas explicaciones aún se encuentran en la comprensión muy básica y requieren mucho trabajo para abordar los cambios complejos en los objetivos humanos.
B. Adaptabilidad ambiental y situacional
Como se mencionó anteriormente, las IAs agénticas tienden a utilizarse en entornos dinámicos y altamente complejos. Este desafío de adaptabilidad se relaciona con la adaptación a las condiciones del mundo real, que pueden cambiar en un plazo breve sin intervención humana. En la práctica, es bastante difícil ser altamente adaptativo, ya que muchas dinámicas del mundo real son altamente impredecibles, como las tendencias del mercado en la inversión financiera, las tendencias epidemiológicas en la atención médica o incluso los eventos de viaje en vehículos autónomos.
Para la mayoría de los sistemas de IA agéntica, las barreras tecnológicas o contextuales exigen la acción incluso con información incompleta, lo que aumenta las ambigüedades en la fiabilidad del rendimiento. Por ejemplo, en el caso de la conducción autónoma, la IA agéntica puede no estar familiarizada con las condiciones del tráfico circundante o con patrones climáticos como la nieve o las fuertes lluvias, lo que requiere una adaptación segura para mantener la eficiencia. Si bien el metaaprendizaje y el aprendizaje por refuerzo pueden ayudar a aumentar la adaptabilidad de los agentes al permitirles aprender de su pasado, las limitaciones también residen en los enfoques, ya que la adaptación y la robustez son objetivos difíciles de alcanzar. Además, la implementación de modelos de aprendizaje automático basados en procesos generalizados en entornos tan complejos suele requerir un alto tiempo de computación, lo cual solo es práctico en ocasiones.
C. Limitaciones de recursos
Las IAs con agentes son sistemas complejos que requieren una gran cantidad de recursos computacionales y energéticos para sus fases de entrenamiento e implementación en espacios navegables. Uno de ellos es el aprendizaje por refuerzo, que depende en gran medida de la simulación y el procesamiento de datos, lo que, en consecuencia, aumenta el coste y el tiempo de entrenamiento. Asignar tiempo a las demandas de recursos en circunstancias de toma de decisiones en tiempo real supone un gran reto en aplicaciones como el sector financiero y los vehículos autónomos.
Además, el hardware es otro recurso para la IA Agentic, ya que estos sistemas suelen requerir instalaciones especializadas cuando se implementan en entornos reales. Por ejemplo, si se utiliza un dron o robot autónomo, se requerirán GPU de alto rendimiento, sensores de baja latencia y una fuente de energía esencial para permitir una toma de decisiones rápida. Asimismo, la proliferación de sistemas Agentic, especialmente aquellos basados en control y monitorización centralizados, puede generar una presión creciente sobre los recursos de almacenamiento, procesamiento y ancho de banda de la red. A estos desafíos se suman los métodos de optimización del hardware y los algoritmos de eficiencia energética que se requerirán para implementar sistemas de IA Agentic de forma eficiente, rentable y a gran escala.
D. Escalabilidad
Con la creciente complejidad del diseño, el escalado mejora el rendimiento del sistema. Algunas aplicaciones de IA de agentes, ya sea en ciudades inteligentes, sanidad o servicios financieros, son de gran escala y requieren una mayor proporción de IA por agente, tareas multifacéticas o la gestión de grandes cantidades de datos. Sin embargo, es fundamental garantizar que estos sistemas puedan escalarse a un nivel superior sin perder métricas clave de rendimiento, ya que suele implicar una multitud de tareas y fuentes de datos concurrentes.
El diseño de múltiples agentes o componentes y su interacción presenta un desafío importante en términos de escalabilidad. Por ejemplo, en una ciudad inteligente, puede haber una IA que gestione el tráfico, la energía y la recolección de residuos. Diferentes arquitecturas deben ser capaces de lograr que los subsistemas necesarios colaboren y realicen tareas complejas simultáneamente. Además, como la mayoría de los arquitectos entienden, el escalado de la IA de agentes también agrava problemas como la dependencia de objetivos, el uso de recursos y la capacidad de actuar en diversos escenarios. Hoy en día, el control descentralizado, el aprendizaje federado y las estructuras jerárquicas se utilizan o investigan para mejorar la escalabilidad. Sin embargo, el problema persiste, ya que el escalado horizontal de técnicas fluidas es una limitación tecnológica relacionada con la IA que opera a mayor escala.
La Tabla 10 presenta un resumen de los principales desafíos y limitaciones técnicas que se enfrentan en el desarrollo e implementación de la IA Agentic. Abordar estos desafíos es esencial para el avance del campo y garantizar que los sistemas de IA Agentic funcionen de forma eficaz y responsable en situaciones reales.
TABLA 10 Desafíos técnicos y limitaciones en la IA agente
SECCIÓN VIII.
Implicaciones éticas, sociales y de gobernanza
A. Rendición de cuentas y responsabilidad
Dada la independencia en la toma de decisiones que muestran estos sistemas, comprender la responsabilidad en los sistemas de IA Agentic es un desafío complejo. En los sistemas de IA más tradicionales, las herramientas son responsabilidad de las personas (el desarrollador, el operador o el usuario), y la responsabilidad recae en quien las utiliza. Con la IA Agentic, la cuestión de la responsabilidad es más controvertida debido a la naturaleza de una IA de acción independiente. En situaciones donde la IA autónoma toma una decisión que resulta en un resultado negativo, la cuestión de la responsabilidad suele estar mal planteada: ¿es el desarrollador, el proveedor de servicios que implementa la IA o el sistema de IA?
Este problema en particular se manifiesta claramente en áreas como las finanzas y la salud, donde estos sistemas gestionan la toma de decisiones de alto riesgo con grandes repercusiones. Es necesario que exista una brecha más significativa entre los marcos de atribución de responsabilidad y las complejidades del comportamiento presentes en los sistemas de IA agencial. Por lo tanto, es necesario invocar regulaciones y, posiblemente, nuevas estructuras legales para delimitar la responsabilidad o la rendición de cuentas, especialmente en entornos donde múltiples partes interesadas participan en la ejecución del sistema, lo que ocurre la mayor parte del tiempo.
B. Sesgo, imparcialidad y transparencia
También se sabe que los sistemas de IA agéntica pueden replicar y exacerbar los sesgos en los datos de entrenamiento disponibles. El concepto de sesgo es especialmente preocupante en lo que respecta al uso de IA agéntica en prácticas de contratación, vigilancia policial y concesión de préstamos. No solo es necesario reconocer estos sesgos, sino que también deben abordarse mediante una gestión adecuada de los datos, una implementación cuidadosa de algoritmos y programas activos de reducción de sesgos. Sin embargo, es fundamental destacar que abordar y mitigar los sesgos en sistemas autónomos es una tarea mucho más difícil que en la IA tradicional debido a la naturaleza de las tareas que dichos sistemas están diseñados para realizar.
Otro aspecto importante que también contribuye a mejorar la equidad y la confianza en los sistemas de IA agéntica [60] es la transparencia. El funcionamiento de estos sistemas debe explicarse mediante enfoques XAI, y debe procurarse la transparencia de los procesos de toma de decisiones para los usuarios finales y las partes interesadas. Esta exposición puede ayudar a verificar eficazmente las acciones de una IA y crear un marco para abordar el sesgo o la injusticia. Sin embargo, la explicabilidad es bastante difícil de lograr, y se espera que se logre un grado mayor en los casos de sistemas de IA agéntica, que tienden a utilizar modelos de aprendizaje de refuerzo profundo. Esta área de preocupación siempre ha sido encontrar el equilibrio adecuado entre la complejidad estructural y la transparencia.
C. Cuestiones de privacidad y seguridad
Los agentes pueden desempeñar sus funciones eficazmente en diferentes entornos basándose en información relevante, a menudo privada en ámbitos como la salud y las finanzas, que ya son áreas sensibles. Esta dependencia de la información personal genera preocupaciones sobre la privacidad, ya que los datos pueden manipularse indebidamente e incluso accederse ilegalmente, lo que conlleva una grave vulneración de la privacidad del usuario. Además, en este contexto, la autonomía de la IA de Agentic puede suponer un desafío, ya que el uso de los datos puede ser difícil de rastrear, lo que aumenta la probabilidad de abuso de la privacidad.
También existe un desafío de seguridad, ya que los ciberataques pueden amenazar estos sistemas, socavando su propósito original y exponiendo las debilidades del sistema existente. Si los sistemas de IA con agentes son hackeados, podrían causar una gran destrucción, principalmente cuando los sistemas controlan infraestructura crítica o tareas sensibles que deben decidirse en ese contexto. Existe una gran necesidad de mantener un enfoque sólido e integral hacia la ciberseguridad, ya que es necesario para proteger la información de la que dependen estos sistemas y su funcionalidad. Si bien técnicas como la privacidad diferencial y la computación multipartita segura pueden parecer prometedoras, aún existen amenazas a la privacidad y la seguridad, por lo que su implementación debe realizarse con cuidado para mantener la privacidad funcional requerida.
D. Perspectivas regulatorias y legales
La perspectiva regulatoria y legal sobre la IA Agentic aún está en desarrollo, ya que los reguladores intentan simplificar los desafíos únicos que presentan los sistemas autónomos. La normativa actual sobre IA aborda principalmente cuestiones de privacidad, transparencia y rendición de cuentas, pero no necesariamente aborda los desafíos que plantea la autonomía de la IA Agentic. Por ejemplo, el Reglamento General de Protección de Datos (RGPD) de la UE [61] impone obligaciones estrictas con respecto a los datos y el consentimiento del usuario, pero estos requisitos pueden no ser adecuados para la gestión de sistemas de IA que operan en tiempo real con decisiones autónomas.
Los responsables políticos [62] también están investigando otros marcos, en particular para sistemas de IA de alto riesgo. Algunos enfoques exigen una «cadena de responsabilidad de la IA», que puede ayudar a las partes interesadas a determinar la responsabilidad de cada parte de los sistemas de IA. En cambio, otros recomiendan una explicabilidad obligatoria para algunas aplicaciones de IA. Es probable que las normas legales para la IA Agentic incluyan planes de gestión de riesgos que contengan requisitos para la realización de evaluaciones de riesgos, auditorías periódicas y certificaciones para sistemas que operan en sectores vulnerables como la salud, las finanzas y la seguridad. Sin embargo, se prevé que, a medida que la IA Agentic avance, será crucial desarrollar marcos legales que faciliten la innovación y, al mismo tiempo, mejoren la seguridad y la responsabilidad.
La Tabla 11 resume las principales consideraciones éticas y de gobernanza para la IA Agentic, destacando las complejidades que surgen a medida que estos sistemas se vuelven cada vez más autónomos.
TABLA 11 Consideraciones éticas y de gobernanza para la IA agente
SECCIÓN IX.
Marcos actuales para una IA agente segura y responsable
A. Protocolos de seguridad
Se han creado diversas medidas y marcos de seguridad como requisito para prevenir los riesgos autónomos asociados a la toma de decisiones. Uno de los métodos más básicos son los protocolos de seguridad de objetivos , que consisten en procedimientos orientados a objetivos que sugieren a la IA qué objetivos son aceptables y cuáles son perjudiciales. Estos protocolos previenen daños al garantizar que la IA se esfuerce por alcanzar objetivos legales, seguros y éticos. Además, para evitar que la IA se salga de los límites o se encuentre con situaciones peligrosas imprevistas, se implementan mecanismos de seguridad [63] que pueden ajustar o incluso interrumpir por completo las actividades de la IA.
Un marco de trabajo de este tipo, empleado principalmente, es el protocolo de evaluación y gestión de riesgos [64] , que permite revisar los riesgos que plantean las acciones de la IA y, posteriormente, implementar las medidas de control. Esto es especialmente importante en los ámbitos de la atención médica y la conducción autónoma, donde la IA realiza acciones que afectan la vida de las personas. Además, algunos sistemas de IA Agentic utilizan barreras éticas [65] , que impiden que la IA tome decisiones que generen inquietudes éticas y promueven su comportamiento conforme a las normas sociales y la ética. Los protocolos de seguridad ilustrados funcionan como un sistema de capas, ofreciendo un buen nivel de protección contra el abuso ético de la IA Agentic.
B. Mecanismos de seguimiento y control
La acción autónoma de los sistemas de IA con agentes requiere mecanismos de monitorización y control que rijan dichas acciones y permitan la intervención humana cuando sea necesario. Los sistemas de monitorización en tiempo real [66] , [67] supervisan las actividades y decisiones de la IA y permiten la intervención humana si es necesario. Por ejemplo, en el caso de los sistemas de negociación financiera, la IA puede emplearse para identificar patrones comerciales inusuales en tiempo real, alertando a las autoridades pertinentes y permitiendo que dichas actividades se realicen con niveles de riesgo aceptables.
Marcos como Human-in-the-loop (HITL) [68] y Human-on-the-loop (HOTL) [69] se han diseñado con la idea de mantener un equilibrio entre el grado de autonomía experimentado y la necesidad de control humano. Cuando se implementan configuraciones HITL, los operadores humanos tienden a aprobar algunas acciones e interactuar directamente con la IA al tomar ciertas decisiones. Por otro lado, en los sistemas HOTL, el supervisor humano supervisa la IA sin decidir sobre cada acción, pero puede intervenir cuando sea necesario. Estos mecanismos son esenciales para la atención médica y otras decisiones importantes que involucran IA, donde la presencia de inteligencia humana aún es necesaria.
Los sistemas de IA agéntica también incorporan protocolos de anulación para detener o modificar las acciones de la IA si una situación se clasifica como imprevista o se sale del rango razonable de comportamiento esperado. Los sistemas de última línea ofrecen otro nivel de defensa al permitir que la IA sea dominada por un humano si su comportamiento autónomo resulta perjudicial. En combinación con lo anterior, estas medidas de monitoreo y control están diseñadas para ofrecer una defensa exhaustiva que garantice que la inteligencia artificial agéntica no exceda los entornos controlados y supervisados, con todo tipo de procedimientos de intervención humana firmemente establecidos.
C. Mecanismos de transparencia
La confianza y la rendición de cuentas son fundamentales para el despliegue de la IA Agentic, y ambas pueden verse erosionadas por la falta de transparencia. Se han propuesto técnicas de IA Explicable (XAI) [70] , [71] para ofrecer una visión más transparente del funcionamiento interno de estos modelos de IA multicapa para la toma de decisiones. Como resultado, la XAI enriquece la rendición de cuentas de los procesos involucrados en la toma de decisiones, ya que los líderes en un campo específico, como el financiero y el sanitario, donde las decisiones tienen profundas consecuencias, están informados sobre las premisas en las que se basaron las acciones específicas.
Más allá de su transparencia, los registros de auditoría pueden añadirse como una capa adicional a los sistemas de IA de Agentic para documentar cada lógica y decisión, de modo que las acciones de la IA puedan examinarse posteriormente. Estos registros son ideales para el cumplimiento normativo, ya que ayudan a las organizaciones a garantizar que las decisiones anteriores cumplieran con la ley. Los algoritmos de autodocumentación [72] también contribuyen a la IA autoexplicativa mediante la preparación automática de informes y explicaciones sobre las decisiones del sistema durante su funcionamiento. Estos mecanismos no solo fomentan la transparencia, sino que también facilitan la retroalimentación, ya que permiten a los desarrolladores y a las partes interesadas mejorar y comprender el proceso de toma de decisiones de la IA a lo largo del tiempo.
D. Estudios de caso de enfoques de gobernanza
Diversos esfuerzos de la industria y la academia han creado marcos de gobernanza para garantizar el uso seguro, responsable y ético de la IA. A continuación, se presentan varios ejemplos que merecen la pena mencionar [73] :
Principios de IA y Estándar de IA Responsable de Microsoft : Estos incluyen equidad, confiabilidad, privacidad, inclusión y transparencia, que rigen el desarrollo de los sistemas de IA según el Estándar de IA Responsable de Microsoft. También incluye el Comité Aether, que aborda de forma justa los problemas éticos y sociales que plantea la IA. Este marco se ha utilizado en otros productos de la empresa para desarrollar sólidos procesos de gestión de riesgos de IA en toda la oferta de Microsoft.
Principios de IA y Tarjetas Modelo de Google para la Transparencia : Google define los principios de IA para el desarrollo y la implementación de IA, garantizando al mismo tiempo la privacidad, la seguridad y la responsabilidad en todas sus plataformas. La compañía también utiliza Tarjetas Modelo , que contienen información sobre el rendimiento, las limitaciones y la aplicación prevista de un modelo, lo que permite a los usuarios apreciar las fortalezas y debilidades de los sistemas de IA.
Carta y Estándares de Seguridad de OpenAI : OpenAI se comprometió a adoptar una carta que contiene estándares éticos y de seguridad que deben observarse en el desarrollo de IA de propósito general. OpenAI adopta un enfoque centrado en el ser humano y se centra en el valor para alinearse con estos objetivos, la investigación en seguridad y el desarrollo abierto de la IA. La investigación en seguridad de esta organización se centra en el desarrollo de modelos diseñados para interactuar y operar en entornos impredecibles, lo que permite un futuro responsable de la IA Agentic.
Iniciativa Global del IEEE sobre Ética de Sistemas Autónomos e Inteligentes : Esta iniciativa del IEEE ha formulado estándares [74] con sus correspondientes directrices sobre IA ética y ha abordado áreas como la transparencia, la rendición de cuentas y la integridad de los datos. Su objetivo es ayudar a los desarrolladores a establecer el estándar para los sistemas de IA del Reino Unido que desarrollan, de modo que estos sistemas no solo sean funcionales, sino que también sean éticos y sociales, garantizando la confianza y la seguridad en las tecnologías de IA autónomas.
Estos estudios de caso ilustran diversos enfoques de gobernanza que equilibran la innovación con la seguridad, la rendición de cuentas y la transparencia. La Tabla 12 resume estos marcos, comparando los principios clave y las áreas de enfoque.
TABLA 12 Marcos de gobernanza para una IA agente segura y responsable
SECCIÓN X.
Desafíos de la investigación abierta y direcciones futuras
El desarrollo y la implementación de sistemas de IA Agentic presentan varios desafíos de investigación que requieren atención para garantizar una IA segura, eficaz y éticamente correcta. Esta sección explora estos desafíos y describe posibles direcciones futuras para el avance de la IA Agentic.
A. Mayor adaptabilidad y resiliencia
En contextos dinámicos e inciertos, los sistemas de IA Agentic deben demostrar adaptabilidad y resiliencia al operar en el entorno. La mayoría de los modelos existentes no se generalizan en diferentes entornos ni cambian significativamente sin reentrenamiento. Por lo tanto, el trabajo futuro podría incluir la resolución de problemas de metaaprendizaje y transferencia de aprendizaje específicos para sistemas de IA Agentic, lo que les permitirá adaptarse rápidamente a nuevas situaciones basándose en sus experiencias previas. Además, sería interesante investigar plataformas que permitan el aprendizaje en tiempo real, donde los agentes aprenden y se modifican en respuesta a los cambios, sin que sus funciones principales se vean afectadas. Esto mejoraría enormemente tanto la resiliencia como la adaptabilidad.
B. Mejorar la alineación de los objetivos con los valores humanos
La integración de enfoques humanos éticos y basados en valores en los sistemas de IA Agentic es una de las ramas de investigación abiertas que deberían impulsarse en el futuro. Dada la naturaleza autónoma del funcionamiento de estos sistemas, existe la posibilidad de un problema de desalineación de objetivos, por el cual la IA se ve impulsada a hacer lo correcto. Aun así, la acción es contraria a los intereses humanos. Este trabajo puede explorar estrategias de alineación de valores , como el aprendizaje por refuerzo inverso (IRL) y el aprendizaje por refuerzo inverso cooperativo (CIRL), en los que la IA experimenta y se expone al contexto social humano para aprender las preferencias y valores humanos. Además, se deberían crear marcos que permitan ajustes en tiempo real del nivel de alineación entre la IA Agentic y los objetivos humanos, en función de los cambios en el comportamiento social o las señales del público objetivo.
C. Integración en software vivo y sistemas ciberfísicos
Cuando la IA Agentic se generalice, será esencial desarrollar directrices éticas sólidas y globales para la aplicación y el desarrollo de esta tecnología. La toma de decisiones autónoma en los sistemas complica cuestiones éticas como el sesgo, la privacidad, la rendición de cuentas y la transparencia. Las futuras áreas de investigación pueden centrarse en cómo construir un marco ético universal para la IA Agentic, que puede incluir mecanismos de auditoría ética multidimensional, supervisión y certificación. Esto incluye iniciativas que involucren a legisladores, especialistas en ética y profesionales de la IA para integrar mecanismos de supervisión que fomenten los avances sin socavar otros intereses sociales [75] .
D. Marcos éticos y estándares globales
La definición de agencia de IA aún se encuentra en fase de desarrollo, y aún se está determinando cómo se integrarán la toma de decisiones, la planificación y el razonamiento avanzados [76] en la IA Agentica. Los avances teóricos en sistemas multiagente, como la coordinación, la toma de decisiones descentralizada o la gestión estructurada de objetivos, podrían contribuir a aumentar la autonomía de los sistemas de IA sin perder el control. Asimismo, una mejor comprensión de las funciones cognitivas de los agentes, como la curiosidad, la motivación intrínseca y el razonamiento moral, podría contribuir al desarrollo de sistemas de IA Agentica más robustos y responsables. La formulación de guiones para agencias de IA será vital para garantizar que estos sistemas puedan operar de forma determinista y fiable en entornos diversos y complejos [77] .
E. Avances teóricos en la agencia de IA
El concepto de agencia en IA aún está en evolución, y aún queda mucho por explorar sobre cómo la IA Agentic puede desarrollar capacidades avanzadas de toma de decisiones, planificación y razonamiento. La investigación teórica en temas como la coordinación multiagente, la toma de decisiones descentralizada y la gestión de objetivos a largo plazo podría aportar nuevos conocimientos para mejorar la autonomía de la IA, manteniendo al mismo tiempo el control [78] . Además, profundizar en la comprensión de funciones cognitivas como la curiosidad, la motivación intrínseca y el razonamiento moral en agentes artificiales podría ayudar a diseñar sistemas de IA Agentic más robustos y éticamente alineados. El desarrollo de modelos formales de agencia en IA será esencial para garantizar que estos sistemas puedan actuar de forma responsable y predecible en entornos diversos y complejos.
La Tabla 13 ofrece un resumen de los principales retos de investigación abiertos y las futuras direcciones de la IA Agentic. Cada área destaca aspectos cruciales para el avance responsable y sostenible del campo.
TABLA 13 Resumen de los desafíos de la investigación abierta y las direcciones futuras en IA agente
F. Escalabilidad y eficiencia
La implementación de sistemas de IA Agentic en entornos complejos y a gran escala impone nuevas restricciones, lo que genera amplios requisitos de escalabilidad y eficiencia. Existen escenarios en los que estos sistemas necesitan gestionar recursos e información a gran escala, interactuar con numerosos agentes y tomar decisiones en un corto periodo de tiempo. Para lograr tanto la escalabilidad como la eficiencia, es necesario implementar nuevos avances en algoritmos, arquitecturas y hardware. Esta área de investigación se caracteriza por el uso de marcos jerárquicos y sin centro, así como procesamiento distribuido o hardware de bajo consumo.
Además de sus numerosas ventajas, una limitación bien conocida derivada de la aparición de las arquitecturas descentralizadas es su integración en sistemas a gran escala. Dado que el proceso de control puede ser gestionado por numerosos nodos de forma totalmente distribuida, no se requiere un único controlador centralizado. Por lo tanto, la responsabilidad y la carga de este nodo no afectan la escalabilidad del sistema. Una mejora de procesos específicos en este tipo de arquitectura podría incluir ciertas reglas estructurales y de comportamiento que regularicen las acciones de los agentes en relación con las interacciones de la red. Cuantas más estructuras estén dotadas de elementos eficientes de control descentralizado, más rápidas serán las tareas direccionales optimizadas y las redes en su conjunto, donde los procesos de optimización se realizan en masas de agentes inteligentes. Como se ha puesto de manifiesto en los últimos años, estas tareas se han hecho posibles gracias a sistemas basados en inteligencia de enjambre y control descentralizado [79] de estructuras y procesos.
Otra área de interés son los modelos jerárquicos , que descomponen los procesos de toma de decisiones en diferentes capas [80] , donde el sistema solo puede centrarse en objetivos generales y distribuir acciones particulares a agentes subordinados. Por ejemplo, en el contexto de la ciudad inteligente, una IA Agentic jerárquica podría supervisar el movimiento de automóviles en toda la ciudad. Al mismo tiempo, los agentes locales gestionan el tráfico en una intersección particular. Esta configuración disminuye el cálculo que cada agente debe realizar y permite una mejor escalabilidad del sistema. Los modelos jerárquicos han encontrado mucha aplicación en el control coordinado de múltiples procesos interdependientes en un sistema, ya que permiten la programación de tareas agnósticas a medida que cambia el estado del sistema.
La carga equilibrada de tareas entre procesadores es otro factor que mejora la escalabilidad, ya que permite distribuir los cálculos en varios dispositivos o servidores. Dentro de los marcos de procesamiento distribuido, los sistemas de IA Agentic a gran escala podrían aprovechar al máximo los recursos de computación en la nube o en el borde para realizar cálculos en múltiples procesos y reducir el tiempo de respuesta. Esta situación resulta útil para operar en aplicaciones remotas o en situaciones críticas en el tiempo, como vehículos autónomos o sistemas de redes inteligentes, donde el procesamiento de datos y la toma de decisiones en tiempo real son fundamentales. Existe un avance continuo en la implementación de marcos de IA distribuida, como el aprendizaje federado [81] y la IA de borde [82] , que mejoran la maniobrabilidad de los sistemas de IA Agentic en un área operativa más amplia con instalaciones dispersas [83] .
Además de la integración de los sistemas de IA, la mejora de los sistemas de IA Agentic incorpora algoritmos de eficiencia energética y optimizaciones de hardware [84] . Esto es vital cuando las aplicaciones deben ejecutarse sin cesar y proporcionar respuestas en tiempo real. Varios modelos de IA Agentic se construyen utilizando algoritmos operacionalmente costosos como el aprendizaje de refuerzo profundo, que requieren enormes recursos de energía. Se logran más avances en enfoques de aprendizaje automático de eficiencia energética, como redes neuronales dispersas y modelos cuantificados que abordan los requisitos de computación en niveles inferiores al tiempo que conservan la calidad de los productos finales. Además, los procesadores neuromórficos y los aceleradores de IA son algunas de las tecnologías de hardware emergentes que están destinadas a permitir el rendimiento de tareas de IA con requisitos de energía mínimos. Estas mejoras de hardware son críticas para expandir los sistemas de IA Agentic a dispositivos de borde y aplicaciones de IoT con recursos de energía limitados o nulos.
Si bien se han logrado avances, estos solo resuelven parcialmente los problemas de escalabilidad y eficiencia, que siguen siendo temas de investigación activos a medida que los entornos reales se vuelven cada vez más complejos. Las futuras líneas de investigación en esta área incluyen el desarrollo de técnicas de asignación adaptativa de recursos [85] que asignan dinámicamente recursos computacionales según la importancia de la tarea, así como algoritmos de autooptimización [86] que ajustan su complejidad dinámicamente según los requisitos. Además, gracias al concepto de inteligencia colaborativa [87] , los agentes podrán resolver problemas sin procesos de integración complejos, ya que podrán gestionar operaciones sofisticadas de forma colectiva, mejorando así la escalabilidad del sistema.
G. Mayor adaptabilidad y resiliencia
Los sistemas de IA agéntica, en particular los empleados por trabajadores o soldados, están diseñados para resistir condiciones exigentes e impredecibles. Por lo tanto, lograr un éxito operativo persistente requeriría que estos sistemas modificaran sus acciones de forma autónoma y adquirieran constantemente mayor resiliencia al aprendizaje. ¿Cómo se puede alcanzar un nivel tan alto de resiliencia al aprendizaje? Una posible respuesta reside en el uso de tecnologías de IA agéntica que puedan generalizarse en diferentes entornos y conceptos, gestionar una alta incertidumbre y afrontar interrupciones imprevistas.
Una forma emocionante de lograr dicha resiliencia es a través del metaaprendizaje , o lo que los niños llaman «aprender a aprender». Estos algoritmos de metaaprendizaje permiten que una IA aprenda información que puede aplicarse a diferentes tareas o entornos, lo que le permite ser flexible prácticamente sin necesidad de reentrenamiento. Por ejemplo, en tareas robóticas [88] , un agente de metaaprendizaje criado en un entorno (digamos, en casa) puede trasladarse a un entorno alternativo (el exterior) y asumir el conocimiento de moverse dentro del entorno exterior. Esto se debe a que la IA ahora puede aprender como los humanos [89] y utilizar sus experiencias pasadas en el entorno para abordar nuevas situaciones [90] .
Otro enfoque importante para mejorar la adaptabilidad se denomina aprendizaje por transferencia [91] . Se ha demostrado que, a diferencia de los modelos estáticos entrenados para un propósito específico, un modelo de aprendizaje entrenado para una tarea puede realizar una tarea similar o incluso relacionada, pero distinta. Este método es especialmente conveniente para las IA de tipo agente que operan en diversas esferas operativas, lo que permite al sistema aprovechar sus lecciones previas en lugar de adquirir nuevas. El aprendizaje por transferencia es conocido por su eficacia en estos escenarios, ya que permite a la IA adaptarse a diferentes perfiles de pacientes o conducir en diferentes entornos, como la conducción autónoma.
La resiliencia en los sistemas de IA Agentic es crucial, ya que les permite ofrecer resultados consistentes a pesar de las perturbaciones causadas por sensores comprometidos, redes intermitentes o factores externos imprevistos. Para aumentar la resiliencia, se están investigando técnicas robustas de aprendizaje por refuerzo que permiten el funcionamiento fiable de los agentes en presencia de incertidumbre constante o ruido desconocido. Los métodos robustos de aprendizaje por refuerzo se basan en una dinámica dual, que permite al aprendiz buscar la maximización del rendimiento y la minimización del impacto de eventos aleatorios. Este doble objetivo garantiza que el agente pueda implementar eficazmente sus funcionalidades incluso cuando las condiciones normales varían.
Se están explorando mecanismos de autorrecuperación como complemento a las estrategias de aprendizaje cotidiano. Estos mecanismos permiten a los sistemas de IA de Agentic identificar y corregir automáticamente sus duplicados sin ayuda. Por ejemplo, las estrategias de autorrecuperación en robótica autónoma pueden incluir estrategias de evitación de obstáculos, donde el robot utiliza un enfoque alternativo, o estrategias de configuración del sitio. Los mecanismos de autorrecuperación del sistema permiten una restauración fluida tras diversas interrupciones, lo cual resulta especialmente beneficioso en áreas críticas como la gestión de desastres y la exploración espacial, donde la intervención humana no siempre es viable.
Las áreas de investigación destacadas que resultan útiles tanto para la modificación como para la robustez de la IA Agentic incluyen el aprendizaje en tiempo real. Por otro lado, los mecanismos de autorrecuperación de la IA [92] también incluyen el aprendizaje en tiempo real. Este mecanismo permite a los sistemas de IA recibir e integrar nueva información en modelos relevantes sin interrumpir sus actividades operativas. Esto es excelente, por ejemplo, en los modelos de zonas financieras o de ciberguerra, que requieren modificaciones rápidas de la IA ante cambios o amenazas del mercado. Sin embargo, con esta capacidad, también surgen nuevos desafíos relacionados con el procesamiento de datos en tiempo real, la capacidad de realizar cálculos, el mantenimiento y la estabilidad de los modelos, que deben abordarse en futuros estudios.
Mirando hacia el futuro, el progreso en la mejora de la adaptabilidad y la capacidad de supervivencia probablemente incluirá la creación de algoritmos de aprendizaje conscientes del contexto [93] , que evalúan el entorno y actúan en consecuencia. En otras palabras, alguna forma de IA contextual podría cambiar su estilo unitario de toma de decisiones dependiendo de la incertidumbre o la disponibilidad de recursos. Además, la investigación del aprendizaje multimodal [94] , [95] , que fusiona información de múltiples fuentes y tipos para comprender mejor diferentes situaciones, puede ayudar a mejorar la versatilidad de los sistemas de IA Agentic en el contexto operativo. Con información visual, auditiva y de otros tipos, el aprendizaje multimodal puede ser particularmente efectivo para vehículos autónomos que intentan funcionar en situaciones complejas.
H. Marcos éticos y estándares globales
Las crecientes capacidades de los sistemas de IA autónoma de agencia que operan en sectores importantes han intensificado la demanda de implementar consideraciones éticas adecuadas y estándares globales. Estas consideraciones y estándares son fundamentales para regular la interacción de la IA de agencia con las partes interesadas y el entorno, minimizando así los impactos adversos, los sesgos y las amenazas a la seguridad y la privacidad. Además, unas consideraciones éticas adecuadas y bien pensadas, así como estándares globales, buscan definir el alcance y las áreas de transparencia, equidad, rendición de cuentas y privacidad del usuario, aspectos que deben priorizarse en el diseño y uso de la IA.
Una de las barreras críticas para establecer estos marcos es la diversidad ética y legal existente en las distintas sociedades. Cuestiones éticas, como la protección de datos, la transparencia en la toma de decisiones y la confianza en decisiones autónomas, pueden variar de una sociedad a otra en función del ordenamiento jurídico, las costumbres, las tradiciones o la política. Para abordar estas diferencias y, al mismo tiempo, promover sinergias entre regiones, es fundamental contar con un conjunto global de estándares éticos para la gobernanza de la IA. Establecer principios éticos universales puede sentar las bases para esta armonización mediante el desarrollo de enfoques comunes de equidad, no maleficencia y beneficencia que superen las diferencias locales.
La transparencia y la explicabilidad son, sin duda, componentes de un algoritmo ético, ya que permiten a terceros comprender el proceso de toma de decisiones de la inteligencia artificial. En la IA con agentes, estos atributos son necesarios para la confianza de los usuarios, especialmente en sectores cruciales como la sanidad y las finanzas, donde la justificación de las decisiones debe ser responsable. Esto incluye técnicas de XAI que permiten a las partes interesadas explicar el proceso de interpretación. Por lo tanto, dada la erosión de estos derechos fundamentales, estos marcos deberían enfatizar la necesidad de incorporar las responsabilidades de las partes interesadas y los mecanismos de las autoridades para examinar las decisiones generadas por la IA [96] .
Más importante e inquebrantablemente relacionado con el desarrollo de marcos éticos es la cuestión de la rendición de cuentas y la responsabilidad . Con la creciente autonomía de los agentes sociales, ha habido dificultades significativas para determinar quién debe ser considerado responsable de los resultados de las acciones potenciadas por la IA. Deben implementarse disposiciones para procesos que permitan rastrear la responsabilidad en una amplia gama de partes interesadas, incluidos agricultores, custodios y máquinas. Algunos enfoques sugieren una cadena de responsabilidad de la IA , que separa las funciones y responsabilidades de cada parte interesada durante el proceso de desarrollo e implementación para evitar la dependencia excesiva de un solo individuo [97] .
Los estándares de privacidad y seguridad son especialmente críticos al abordar la IA de Agentic, que generalmente requiere operar con datos vulnerables. Deben existir directrices que definan cómo se gestionan, protegen o anonimizan los datos para garantizar la privacidad del usuario. Esto incluye restricciones básicas al procesamiento, como el uso de privacidad diferencial y el acceso seguro a bases de datos, lo que permite reducir las posibilidades de vulneración o abuso de los datos. Además, deben implementarse medidas adecuadas para salvaguardar la seguridad de la IA de Agentic, especialmente en ciudades inteligentes y vehículos autónomos, donde estos sistemas de IA están expuestos a posibles ciberamenazas y pueden representar un peligro para la ciudadanía.
Para concretar estos principios, varias autoridades reguladoras y asociaciones del sector han sugerido el uso de directrices y marcos éticos orientados al uso responsable de la inteligencia artificial. En particular, parte del material fundamental para las cuestiones legales de privacidad y otros derechos de los usuarios se encuentra en las Directrices Éticas para una IA Confiable, desarrolladas por la Unión Europea, y el Reglamento General de Protección de Datos. De igual manera, el IEEE y la Alianza para la IA también han formulado una ética conductual de la inteligencia artificial que aborda cuestiones de responsabilidad, equidad y transparencia. Si bien estas directrices no tienen una aplicación universal, se ha defendido la existencia de una autoridad gubernamental internacional eficaz para coordinar la interacción entre las políticas y estándares de IA de diferentes países.
Un avance adicional en este tema es el establecimiento de una entidad coordinadora de IA que opere a nivel internacional o un consorcio similar al europeo, que podría promover el establecimiento de estándares de IA y la adhesión global a los principios éticos. Esta organización se plantearía el objetivo de estandarizar las regulaciones de IA para que las normas éticas y los requisitos de seguridad se apliquen invariablemente en todos los países e industrias. Además, requiere investigación sobre regímenes regulatorios adaptativos [98] que respondan a los avances tecnológicos.
La Tabla 14 resume los componentes principales de los marcos éticos y los estándares globales para la IA Agentic, describiendo áreas esenciales para una gobernanza responsable y segura de la IA.
TABLA 14 Componentes clave de los marcos éticos y estándares globales para la IA agencial
I. Avances teóricos en la agencia de IA
Los sistemas de IA con potencial para la acción inteligente aún requieren desarrollo teórico en cuanto a número y complejidad para comprender la agencia, la autoorganización y los procesos de toma de decisiones. Por ahora, las implementaciones de IA Agentica muestran el rendimiento esperado en tareas y entornos estructurados; sin embargo, la transferencia de dichas capacidades a entornos multicontextuales de orden superior requerirá un marco subyacente sensato. Sin embargo, desde una perspectiva más amplia, algunas extensiones teóricas de los temas, como la coordinación multiagente, el logro de metaobjetivos, la persistencia activa y el control del planificador con consideración ética, ayudan a los modelos de IA a comportarse adecuadamente en diferentes entornos.
La coordinación multiagente es un ejemplo de este tipo de teorías y se centra en permitir que los agentes de IA interactúen, se comuniquen y colaboren en entornos que contienen múltiples entidades autónomas. En particular, la coordinación multiagente es crucial para aplicaciones prácticas en robótica colaborativa, sistemas descentralizados y arquitectura de ciudades inteligentes. Este dominio examina cómo los agentes aprenden a perseguir sus objetivos individuales mientras logran objetivos comunes o buscan trabajar en cooperación, utilizando materiales de la teoría de juegos, el aprendizaje por refuerzo y la teoría de la comunicación. Los avances en este dominio permitirán que la IA agéntica realice tareas complejas e interdependientes donde los agentes deben cooperar y competir.
La gestión de objetivos a largo plazo es decisiva y se caracteriza por poseer capacidades agenciales avanzadas. Existen limitaciones profundamente arraigadas en cuanto a los plazos de los sistemas de IA actuales. Las IA actuales tienden a optimizarse para plazos más cortos, perdiendo así la capacidad de elaborar estrategias, pronosticar tendencias y distinguir entre subobjetivos. El trabajo teórico aborda los desafíos prácticos de permitir que las IA establezcan y persigan objetivos a largo plazo a medida que cambian las condiciones y surgen restricciones. El aprendizaje por refuerzo jerárquico y el razonamiento temporal son dos medidas prometedoras, ya que permiten a los sistemas de IA descomponer objetivos generales en subtareas, que conducen al sistema hacia el estado final general mediante objetivos predeterminados.
La capacidad de los agentes para esperar una recompensa y la búsqueda de los trabajadores por su cuenta definen dos procedimientos de auto-recompensa que emergen hacia la creación de IA agencial; ambos procedimientos en dominación con cero impacto o independientes proporcionan suficiente base para avanzar sin incentivos o directivas externas. Un campo emergente de investigación en estrategia autodirigida se basa en el desarrollo de agentes que puedan explorar, aprender y adaptarse basándose únicamente en su curiosidad sobre su entorno. Esto sería importante en casos donde el espacio de información es incierto o donde el objetivo no está definido y es probable que otras variables cambien dentro del dominio del objetivo. Un mayor desarrollo en la teoría de la auto-recompensa mejorará las capacidades de los agentes de IA para estar orientados a objetivos y dirigidos por una estrategia flexible mientras lidian con problemas complejos causados por una falta de estructura.
El razonamiento moral y la toma de decisiones éticas están ganando aceptación en el campo de la agencia de IA avanzada [99] , particularmente ahora que la IA se utiliza cada vez más para tareas sensibles y de alto riesgo. La investigación sobre razonamiento moral busca ofrecer una base para las deliberaciones éticas en sistemas autónomos, de modo que la IA agencial pueda elegir acciones deliberadamente, considerando sus efectos y valores. En este contexto, la integración de la ética, la filosofía y la psicología en la IA es un objetivo primordial para la creación de sistemas de IA éticos. Codificar el razonamiento moral en la IA será necesario para la salud, el orden público y los automóviles autónomos, cuyas decisiones pueden influir en la sociedad.
Algunas áreas de investigación teórica que merecen mención son la autoconciencia y la metacognición [100] en IA, que incluyen la construcción de sistemas que comprenden sus acciones, habilidades o limitaciones como conocimiento autorreferencial. Toda IA autoconsciente podrá autoevaluar si ha realizado sus tareas de forma óptima, qué se puede mejorar y qué acciones tomar en caso de fallos o bajo rendimiento. Las capacidades de autoagencia también permitirán a la IA evaluar sus estrategias y procesos de aprendizaje con la esperanza de que sus agentes puedan mejorar su toma de decisiones en el futuro. El progreso en las áreas de autoconciencia y metacognición podría permitir el surgimiento de sistemas de IA agéntica más sofisticados y flexibles que mejoren su rendimiento y robustez en múltiples entornos.
En este sentido, las posibilidades futuras de los trabajos incluyeron la creación de modelos formales de agencia de IA , que incluirían las dimensiones analizadas y formarían un marco teórico que podría utilizarse para el diseño y la evaluación del comportamiento agencial. Los modelos también podrían cumplir el importante propósito de establecer métricas y puntos de referencia para las agencias que, a su vez, facilitarían la determinación de la eficacia de los sistemas de IA en la realización de tareas complejas y no supervisadas. Además, los estudios sobre marcos morales adaptativos y toma de decisiones contextual [101] podrían permitir que la IA agencial adopte la ética situacional y modifique su forma de tomar decisiones en diversos contextos.
J. Hoja de ruta para futuras investigaciones
El futuro de la IA Agentic depende de abordar las limitaciones actuales y ampliar su aplicabilidad. Las áreas clave de investigación incluyen:
Alineación de objetivos con los valores humanos: desarrollo de marcos para el aprendizaje de refuerzo inverso (IRL) e IRL cooperativo para garantizar que los objetivos de la IA Agentic se alineen con los valores sociales.
Escalabilidad: exploración de arquitecturas descentralizadas y aprendizaje federado para permitir que Agentic AI gestione sistemas distribuidos a gran escala de manera eficaz.
Adaptabilidad y resiliencia: Avances en técnicas de metaaprendizaje y transferencia de aprendizaje para permitir que la IA Agentic se adapte a situaciones nuevas sin necesidad de volver a capacitarse.
Eficiencia energética: innovación en hardware y algoritmos energéticamente eficientes para reducir el costo computacional de implementar Agentic AI en entornos con recursos limitados.
Marcos éticos y de gobernanza: establecer estándares éticos universales, mecanismos de transparencia y pautas regulatorias para garantizar una implementación responsable de la IA.
Sistemas de aprendizaje en tiempo real: diseño de sistemas capaces de aprender y adaptarse en tiempo real sin interrumpir las operaciones en curso.
Al abordar estas áreas, las investigaciones futuras pueden permitir que Agentic AI alcance su máximo potencial en todas las industrias y, al mismo tiempo, mitiga los riesgos.SECCIÓN XI.
Conclusión
A. Resumen de los hallazgos clave
Este estudio ha explorado las características fundamentales, las metodologías, las aplicaciones, los desafíos y las futuras direcciones de la IA Agentic. Los hallazgos clave destacan que la IA Agentic representa un avance significativo en inteligencia artificial, caracterizado por la autonomía, el comportamiento orientado a objetivos y la adaptabilidad a diversos entornos. Hemos identificado aplicaciones clave en industrias como la salud, las finanzas y la manufactura, donde la capacidad de la IA Agentic para tomar decisiones autónomas y conscientes del contexto ofrece beneficios transformadores. Sin embargo, la implementación de estos sistemas en escenarios del mundo real presenta desafíos como la escalabilidad, las limitaciones de recursos y las preocupaciones éticas, todo lo cual requiere soluciones robustas para garantizar una implementación de IA segura y efectiva. A través de un análisis comparativo, examinamos varios marcos de implementación, herramientas y metodologías que contribuyen al desarrollo y la evaluación de la IA Agentic. También identificamos desafíos de investigación abiertos, incluyendo la alineación de objetivos, la coordinación multiagente y la adaptación regulatoria, que deben abordarse para aprovechar al máximo el potencial de la IA Agentic.
B. Conclusiones finales sobre la IA agente
La IA Agentic posee un potencial transformador en numerosos sectores, prometiendo avances en automatización, toma de decisiones y colaboración entre humanos e IA. A medida que estos sistemas evolucionan, están preparados para abordar tareas complejas de forma autónoma, ampliando significativamente el alcance de las aplicaciones de IA tanto en entornos estructurados como no estructurados. Al combinar aprendizaje adaptativo, mecanismos de refuerzo robustos y capacidad de respuesta en tiempo real, los sistemas de IA Agentic pueden ofrecer soluciones dinámicas que mejoran la productividad y la eficiencia. Sin embargo, una mayor autonomía conlleva la responsabilidad de abordar consideraciones éticas y garantizar la rendición de cuentas, la transparencia y la equidad. A medida que la IA Agentic continúa evolucionando, es esencial que estos sistemas se desarrollen con un enfoque claro en la alineación ética, la resiliencia y el cumplimiento normativo para prevenir posibles usos indebidos o consecuencias no deseadas.
Como gestores comprometidos estamos en un día por día monótono, complejo, difícil, llenos de carencias, que no se solucionan, porque muchos miran para otro lado, conseguimos camas, apuramos las altas siguiendo el Average length of stay ALOS, ponemos ambulancias, agrandamos guardias, la oferta médica episódica, más médicos de guardia, menos seguimiento longitudinal de los pacientes, derivamos pacientes lejos de su domicilio, ponemos fechas a confirmar para cirugías si cuadran los eclipses, negamos aumentos a los médicos y las enfermeras, luchamos desigualmente con los productores de insumos y medicamentos, con los prescriptores que miran con un solo ojo los trabajos que generan meses de sobrevidas penosas, y también no actuamos sobre las listas de espera ocultas, las que no se registran, las que hecho el diagnóstico de sospecha pasan meses en conseguir turnos en sus obras sociales prepagas y hospitales, sin figurar en ninguna métrica, estamos trabajando en eso tratando que nos escuchen, pero la primer impresión que la realidad duele y que es preferible negarla, si la negamos y hacemos un relato, eso es lo importante no la verdad sino lo que se relata y se muestra, por ello es tan importante los reels en la política. la salud no le importa a nadie más que los pacientes y a los prestadores, nosotros tratando con un gran equipo en construir equidad, no le importa a nadie, a veces se habla de ella cuando las prepagas que atienden a 8,1 millones de personas aumentan la cuota por encima de la inflación, o los afiliados de PAMI tienen dificultades para acceder a sus medicamentos y cuando hay un avance tecnológico que la industria quiere poner en superficie. Esas listas de espera que no vemos pueden demorar casi un año las cirugías, porque no se dan turnos para los estudios, las interconsultas, las anatomías patológicas tardan más de un mes, las estadificaciones varios meses, y luego que se junta todo unos 45-60 días para la cirugía si no requiere materiales. Esto les pido que lo exploren, Nosotros lo medimos, y queremos corregirlo, pero el sistema, la fragmentación hace que tengamos que hacer un recorrido en U, para poder llegar a la cima que queremos, que los pacientes estén en el centro de la escena. Mente, corazón y voluntad abiertas.
Las necesidades sanitarias ocultas son ‘el elefante en la sala de espera del NHS’, ya que el número de la lista de espera podría aumentar a más de 15 millones en 2023
Lauren KeithJefa de Relaciones Externas. Esther MusaEjecutiva Senior de Relaciones Públicas
Las listas de espera del NHS subestiman enormemente la magnitud de las necesidades sanitarias insatisfechas en Inglaterra, según el nuevo informe « Necesidades sanitarias ocultas: el elefante en la sala de espera del NHS» . LCP predice que, sin intervención, se espera que el nivel de necesidades alcance un máximo de 15,5 millones en 2023 y se mantenga en 13,5 millones en 2024. Incluso con la intervención gubernamental prevista, LCP aún proyecta que las necesidades sanitarias serán altísimas.
El análisis también revela las partes del país que probablemente sentirán esta tensión de la demanda de manera más aguda, siendo los escaños recientemente adquiridos por el partido conservador «Red Wall» en 2019 los que probablemente se verán más afectados.
Si bien las listas de espera muestran la cantidad de personas que esperan actualmente, no reflejan la magnitud real, ya que muchas personas con problemas de salud aún no han solicitado tratamiento debido a la pandemia. Al comparar la diferencia entre las derivaciones mensuales a tratamiento del año anterior a la pandemia y las registradas durante la pandemia, LCP ha podido evidenciar la verdadera magnitud de las necesidades insatisfechas del servicio de salud al combinar los datos oficiales con el número previsto de personas con necesidades de salud ocultas.
El secretario de Salud, Sajid Javid, ha sugerido que las listas de espera podrían alcanzar los 13 millones sin más intervenciones. El análisis de LCP destaca que, si bien las listas de espera actuales ascienden a 5,8 millones, hay 7,8 millones de personas en Inglaterra que están «ocultas», lo que significa que la verdadera magnitud de la necesidad sanitaria ya alcanza los 13,6 millones.
LCP ha utilizado estos datos para proyectar cómo podrían ser las listas de espera en los próximos años y ha modelado cuál podría ser el impacto de las políticas gubernamentales propuestas para aumentar la capacidad en un 30%. En el escenario de aumentar la capacidad en un 30%, los niveles totales de necesidades insatisfechas serían de más de 10 millones en 2024.
Los hallazgos clave del análisis son:
Las proyecciones gubernamentales sobre las futuras necesidades de salud parten del supuesto de que todas las personas con problemas de salud ocultos se presentarán al mismo tiempo. Es improbable que esto suceda y significa que habrá una presión sostenida sobre las listas durante años.
Al combinar las personas en listas de espera con aquellas con necesidades de salud ocultas, LCP predice que, sin intervenciones, la necesidad insatisfecha podría alcanzar un máximo de más de 15,5 millones de personas a principios de 2023. En 2024, año de elecciones generales previstas, la necesidad insatisfecha de salud podría alcanzar los 14 millones.
El noroeste de Inglaterra ha sido el más afectado. Los CCG del noroeste representaron el 50% de los 10 CCG principales con mayor necesidad oculta a los 6 y 18 meses de la pandemia.
Al mapear los datos del CCG a 16 distritos electorales que fueron ganados marginalmente por los conservadores en las elecciones generales de 2019, se destaca que en todos los casos el número de votantes con necesidades de salud no satisfechas eclipsa a la mayoría en el distrito electoral.
El Dr. Jonathan Pearson-Stuttard, Jefe de Análisis de Salud del LCP, comentó: «Las largas y crecientes listas de espera del NHS son solo la punta del iceberg. Es probable que la necesidad oculta sea aún mayor y represente a personas que se presentarán más tarde y con peor salud que antes de la pandemia. Nuestro modelo sugiere que, incluso con una mayor financiación pública y los correspondientes planes para aumentar la capacidad, los niveles de salud no cubiertos podrían seguir siendo altísimos».
Nuestro análisis destaca las grandes variaciones en las necesidades insatisfechas a lo largo del país, y este tipo de análisis granular de datos debería ser aprovechado por el gobierno para asignar mejor la financiación y los recursos proporcionalmente a las necesidades de salud insatisfechas. Esto podría eliminar los retrasos de forma eficiente, mitigar el agravamiento de las desigualdades en salud y proporcionar un impulso a la productividad en las zonas más afectadas.