El mito de los indicadores

Existe una creencia profundamente arraigada en la gestión hospitalaria contemporánea: si un proceso es importante, debe tener un indicador. Y si tiene un indicador, entonces está bajo control.

Esa creencia no es irracional. Tiene una historia larga y, en muchos contextos, una justificación sólida. El problema es que hemos extrapolado una herramienta diseñada para ciertos tipos de problemas hacia situaciones para las cuales no fue concebida. Y lo hemos hecho con tanta naturalidad que rara vez nos detenemos a cuestionarlo.

Los indicadores no son una forma neutral de observar la realidad. Son una decisión sobre qué aspectos de la realidad merecen ser observados. Y esa decisión, tomada hace años en la mayoría de los hospitales, refleja una manera particular de entender cómo funcionan las organizaciones de salud. Una manera que, en muchos aspectos, ya no corresponde a la realidad que enfrentamos.

De dónde vienen los indicadores que usamos

Los sistemas de indicadores hospitalarios no surgieron de la nada. Fueron construidos, en su mayor parte, durante las décadas de 1980 y 1990, bajo la influencia de dos corrientes simultáneas: la gestión de calidad industrial adaptada al sector salud, y la presión de los sistemas de financiamiento público por demostrar eficiencia y rendición de cuentas.

Ambas corrientes compartían una premisa: que el desempeño de un hospital podía descomponerse en dimensiones medibles, que cada dimensión podía representarse con una métrica y que el conjunto de esas métricas, monitoreado regularmente, permitiría gestionar la organización con suficiente precisión.

En ese contexto, los indicadores que hoy seguimos usando tenían sentido. Medir la ocupación de camas permitía planificar la capacidad. Registrar los tiempos de espera identificaba cuellos de botella. Contabilizar las infecciones asociadas a la atención orientaba las intervenciones de control. Calcular el promedio de días de estadía comparaba la eficiencia entre servicios.

Cada uno de esos indicadores respondía una pregunta legítima.

El problema no está en los indicadores. Está en lo que asumimos sobre lo que son capaces de decirnos.

Lo que un indicador puede hacer y lo que no puede

Un indicador es, por definición, una reducción. Toma un fenómeno complejo y lo representa mediante un número que captura una de sus dimensiones. Esa reducción es exactamente su virtud: permite comparar, comunicar y hacer visible algo que de otro modo permanecería invisible.

Pero toda reducción implica una pérdida.

Cuando un hospital mide el promedio de días de estadía, obtiene una cifra que resume miles de trayectorias individuales en un solo número. Eso es útil para comparar períodos, identificar tendencias generales y evaluar el impacto de intervenciones. Lo que no permite es entender por qué un paciente específico lleva doce días hospitalizados, ni cuáles son los procesos que en este momento están produciendo estadías prolongadas en la unidad de medicina interna.

Cuando se mide la tasa de ocupación de camas, se obtiene un porcentaje que describe cuántas camas están siendo usadas en relación al total disponible. Lo que no muestra es el movimiento interno: cuántas camas están bloqueadas por pacientes con alta médica que esperan trámites administrativos, cuántas están siendo ocupadas por pacientes que deberían estar en otro nivel de complejidad, cuántas llevan más de cuarenta y ocho horas sin rotación.

Cuando se registra el tiempo de espera en urgencias, se documenta una duración promedio. Lo que no revela es si ese tiempo se distribuye uniformemente a lo largo del día o si existe una acumulación crítica en ciertas horas, ni qué procesos dentro del servicio están generando esa acumulación.

En todos estos casos, el indicador describe una realidad que existió. No describe la realidad que está ocurriendo.

El problema de los promedios en sistemas dinámicos

Hay una razón técnica por la cual los indicadores tradicionales resultan insuficientes para gestionar sistemas complejos, y vale la pena nombrarla con precisión.

La mayoría de los indicadores hospitalarios son promedios calculados sobre períodos de tiempo. Un promedio de estadía mensual. Una tasa de ocupación semanal. Un tiempo de espera diario. Esa estructura temporal tiene una consecuencia que rara vez se discute: los promedios ocultan la variabilidad, y en sistemas complejos la variabilidad no es ruido. Es información.

Un servicio de urgencias con un tiempo de espera promedio de cuatro horas puede estar funcionando de maneras radicalmente distintas. Puede tener una distribución relativamente uniforme, con la mayoría de los pacientes esperando entre tres y cinco horas. O puede tener una distribución bimodal, con un grupo que espera menos de una hora y otro que espera más de ocho. El promedio es idéntico. El problema operacional es completamente diferente.

Lo mismo ocurre con la ocupación de camas. Una unidad al ochenta por ciento de ocupación puede estar en equilibrio dinámico saludable, con entradas y salidas regulares, o puede estar en un estado de congestión encubierta, con alta rotación en algunas camas y bloqueo prolongado en otras. El número no lo distingue.

Los sistemas complejos no fallan en promedio. Fallan en sus extremos, en sus variaciones, en los momentos donde múltiples presiones coinciden simultáneamente. Y precisamente ahí es donde los indicadores promedio tienen menos capacidad de alerta.

Cuando los indicadores se vuelven el objetivo

Hay un problema adicional que la literatura de gestión ha documentado con suficiente evidencia como para que no resulte controversial nombrarlo: cuando un indicador se convierte en objetivo, deja de ser un buen indicador.

Este fenómeno, conocido como la Ley de Goodhart, tiene consecuencias prácticas muy concretas en los hospitales.

Cuando el tiempo de espera en urgencias se convierte en un indicador de desempeño evaluado institucionalmente, los equipos aprenden a gestionarlo. No necesariamente reduciendo la espera real, sino reclasificando pacientes, ajustando los momentos de registro o priorizando el cierre formal del episodio sobre la resolución clínica del problema. El indicador mejora. La congestión no.

Cuando la tasa de infecciones asociadas a la atención es monitoreada con consecuencias para el servicio, existe un incentivo estructural para subnotificar casos dudosos, para redefinir criterios de clasificación o para atribuir infecciones a causas comunitarias. La tasa baja. El riesgo no necesariamente.

Cuando el promedio de estadía se convierte en una métrica de eficiencia comparada entre servicios, se generan presiones para acelerar altas que en algunos casos no están clínicamente preparadas, o para transferir pacientes complejos hacia servicios con menor presión métrica. El número mejora. La seguridad del paciente puede deteriorarse.

Nada de esto implica mala fe de los equipos clínicos. Implica que los sistemas responden a los incentivos que enfrentan. Y cuando los incentivos están organizados alrededor de indicadores, los sistemas aprenden a optimizar indicadores, no necesariamente la realidad que esos indicadores deberían representar.

Lo que los indicadores no pueden ver

Hay una categoría de fenómenos que es estructuralmente invisible para cualquier sistema basado exclusivamente en indicadores, y que resulta especialmente relevante en hospitales.

Son los fenómenos emergentes: aquellos que aparecen cuando múltiples procesos interactúan de una manera que ninguno de ellos produce por separado.

Una congestión hospitalaria severa rara vez tiene una causa única. Emerge de la combinación de múltiples factores que, individualmente, permanecen dentro de rangos aceptables. Una ocupación de camas al ochenta y cinco por ciento no es alarmante por sí sola. Un aumento moderado en la complejidad de los pacientes ingresados tampoco. Una reducción temporal en la dotación de enfermería de un turno nocturno tampoco. Pero cuando esos tres factores coinciden durante cuarenta y ocho horas, pueden producir una cascada de consecuencias que desborda la capacidad operativa del hospital de maneras que ninguno de los indicadores individuales anticipó.

Los indicadores observan componentes. Los fenómenos emergentes ocurren en las relaciones entre componentes. Y esa diferencia no es menor: es exactamente la razón por la cual tantos hospitales se enfrentan repetidamente a crisis que "nadie vio venir", aun disponiendo de tableros completos y datos actualizados.

Una distinción necesaria

No estoy argumentando que los indicadores deban abandonarse. Eso sería tan equivocado como defender que son suficientes.

Los indicadores son herramientas necesarias. Permiten hacer visible lo que de otro modo permanecería oculto, comunicar el estado de procesos complejos en formatos comprensibles y sostener la rendición de cuentas institucional. Todo eso tiene un valor real.

Lo que estoy argumentando es algo más específico: que los indicadores responden bien a una categoría de preguntas y responden mal a otra.

Responden bien a preguntas sobre el pasado reciente: ¿cuánto fue?, ¿cómo evolucionó?, ¿cómo se compara?

Responden mal a preguntas sobre el estado actual del sistema: ¿qué está ocurriendo ahora?, ¿hacia dónde se mueve?, ¿qué procesos están interactuando de maneras que todavía no producen una señal visible en ningún indicador individual?

La gestión hospitalaria contemporánea necesita respuestas a ambas categorías de preguntas. Y confundir la capacidad de responder la primera con la capacidad de responder la segunda es, probablemente, uno de los errores más costosos y menos discutidos de la gestión sanitaria actual.

Los indicadores describen lo que fue.

La observabilidad organizacional permite comprender lo que está siendo.

Esa diferencia no es semántica. Es operacional.