Todo está medido. Casi nada está comprendido.

Healthcare System Observability — Artículo 1 de 24 | Gonzalo Núñez Muñoz

Vivimos convencidos de que nunca habíamos conocido tanto sobre el mundo.

Nuestros teléfonos registran cada desplazamiento. Los relojes inteligentes cuentan nuestros pasos, monitorean nuestra frecuencia cardíaca y estiman la calidad del sueño. Los automóviles informan el consumo de combustible y anticipan la necesidad de mantenimiento. Las ciudades conocen el flujo de vehículos en tiempo real. Los mercados financieros reaccionan en milisegundos a información distribuida globalmente.

Nunca antes la humanidad había medido tanto.

Y, sin embargo, basta observar con atención algunos de los problemas más importantes de nuestro tiempo para advertir una paradoja inquietante. Nunca habíamos dispuesto de tantos datos sobre el clima y, aun así, seguimos debatiendo con incertidumbre la velocidad de sus cambios. Nunca habíamos tenido tanta información sobre los mercados financieros y, sin embargo, las crisis continúan sorprendiendo a economistas e inversionistas. Nunca habíamos conocido con tanto detalle el comportamiento de las redes sociales y, pese a ello, todavía resulta extraordinariamente difícil anticipar cómo se propaga la desinformación o por qué algunos fenómenos adquieren dimensiones globales en cuestión de horas.

En todos estos casos ocurre algo llamativo. La dificultad ya no reside en obtener información. La dificultad consiste en comprender sistemas cuyo comportamiento emerge de miles o millones de interacciones simultáneas.

Quizá el supuesto que heredamos del siglo XX necesite ser revisado.

La ecuación que creímos permanente

Durante décadas aprendimos que medir era el primer paso para conocer, y que una mejor medición conduciría inevitablemente a una mejor comprensión. Esa idea produjo avances científicos y tecnológicos extraordinarios. La astronomía progresó cuando Galileo dirigió un telescopio hacia el cielo. La biología cambió cuando Leeuwenhoek observó por primera vez organismos invisibles. La física transformó nuestra comprensión de la naturaleza cuando comenzó a medir el tiempo y la distancia con precisión antes imposible.

En todos esos casos ocurrió el mismo fenómeno: no cambió el universo, cambió nuestra capacidad para observarlo.

Con el tiempo, esa idea trascendió los laboratorios. La revolución industrial la convirtió en un principio de gestión. Si medir permitía comprender la naturaleza, también permitiría comprender las organizaciones. La producción comenzó a registrarse meticulosamente, los procesos se estandarizaron y las variaciones dejaron de considerarse inevitables para transformarse en fenómenos susceptibles de análisis. Durante gran parte del siglo XX, la mejora organizacional fue inseparable del perfeccionamiento de los sistemas de medición.

Y, en gran medida, funcionó.

Las organizaciones industriales eran relativamente estables. Los procesos podían descomponerse en secuencias repetitivas. Las relaciones entre causa y efecto resultaban suficientemente claras como para que una mejor medición condujera, efectivamente, a una mejor gestión.

Con el advenimiento de la revolución digital, esa lógica alcanzó una escala inédita. Los datos comenzaron a producirse de manera automática, continua y prácticamente ilimitada. Por primera vez en la historia, el desafío dejó de ser obtener información. El desafío pasó a ser administrarla.

Pero mientras nuestra capacidad para producir datos crecía de forma exponencial, comenzó a emerger una paradoja inesperada. Los sistemas que intentábamos comprender también se volvían más complejos. Las relaciones lineales entre causa y efecto fueron reemplazadas por fenómenos emergentes, retroalimentaciones y adaptaciones continuas imposibles de explicar observando únicamente cada componente por separado.

Fue entonces cuando empezó a hacerse evidente una pregunta que durante mucho tiempo había permanecido oculta.

¿Es suficiente medir un sistema para comprenderlo?

El hospital como caso paradigmático

A primera vista, pocas organizaciones parecen estar tan intensamente observadas como un hospital.

Cada paciente genera una historia clínica, resultados de laboratorio, imágenes diagnósticas, registros de enfermería, prescripciones, procedimientos, notas médicas y signos vitales horarios. En las unidades críticas, los datos fisiológicos se registran prácticamente en tiempo real. Paralelamente, la institución registra ocupación de camas, tiempos de espera, disponibilidad de pabellones, productividad quirúrgica, indicadores financieros, eventos adversos, infecciones asociadas a la atención y decenas de métricas destinadas a describir el desempeño organizacional.

Es difícil imaginar otra organización que produzca semejante volumen de información sobre sí misma.

Y, sin embargo, basta participar en una reunión operativa de cualquier hospital para advertir una escena sorprendentemente familiar. Los indicadores están disponibles. Los tableros muestran decenas de gráficos. Los reportes se actualizan permanentemente. Y, pese a ello, la conversación suele comenzar con preguntas extraordinariamente simples:

¿Por qué la urgencia comenzó a congestionarse esta mañana?

¿Por qué las altas disminuyeron durante la última semana?

¿Por qué la ocupación de la Unidad de Cuidados Intensivos permanece al límite si el número de ingresos no parece haber aumentado?

¿Por qué algunos pacientes permanecen hospitalizados varios días después de haber resuelto el problema clínico que motivó su ingreso?

Lo llamativo es que estas preguntas rara vez pueden responderse observando un único indicador. La explicación aparece dispersa entre múltiples procesos que, individualmente, parecen funcionar con normalidad. El retraso de un examen posterga una decisión clínica. Esa decisión retrasa un alta. La cama que no se libera impide un ingreso desde urgencias. La permanencia prolongada en urgencias aumenta los tiempos de espera, incrementa la carga asistencial y modifica la prioridad de nuevos pacientes.

Ninguno de estos eventos constituye, por sí solo, un problema mayor. Lo relevante es la forma en que interactúan.

Por qué los hospitales no son fábricas

Los hospitales no son sistemas lineales. Son redes dinámicas donde miles de decisiones locales producen consecuencias que trascienden el lugar donde fueron tomadas. Cada profesional trabaja con información parcial, cada servicio persigue objetivos legítimos y cada decisión clínica modifica, muchas veces sin advertirlo, las condiciones de operación del resto de la organización.

El comportamiento global del hospital emerge precisamente de esa interacción permanente.

Por esa razón, resulta insuficiente describir un hospital como una colección de servicios o especialidades. Desde una perspectiva organizacional, un hospital es, ante todo, un sistema de coordinación. Su principal desafío no consiste únicamente en diagnosticar enfermedades o realizar procedimientos complejos. Consiste en lograr que cientos de procesos clínicos, administrativos y logísticos ocurran de manera sincronizada alrededor de las necesidades de cada paciente.

Cuando un hospital comienza a experimentar dificultades operacionales, la causa rara vez puede localizarse en un único punto. Las congestiones, los retrasos, las cancelaciones y la sobrecarga asistencial no suelen ser el producto de un evento aislado. Son fenómenos emergentes que aparecen cuando múltiples interacciones dejan de mantenerse dentro de un equilibrio operativo.

El problema no reside en las partes. Reside en las relaciones entre ellas.

Y, sin embargo, la mayor parte de los sistemas de información hospitalarios continúa organizada precisamente alrededor de las partes. Existen sistemas para laboratorio, para farmacia, para imágenes, para gestión de camas, para pabellones, para recursos humanos. Cada uno produce información valiosa sobre su propio dominio. Pero comprender el comportamiento del hospital exige algo distinto: entender cómo todos esos dominios se influyen mutuamente mientras la organización continúa funcionando.

Un ajedrecista no comprende una partida observando una pieza por vez. Un director de orquesta no interpreta una sinfonía escuchando un solo instrumento. El significado emerge de la interacción, no de los elementos aislados.

El modelo equivocado

Llegados a este punto, resulta tentador concluir que el problema consiste simplemente en integrar mejor los datos. Construir plataformas más sofisticadas, conectar sistemas previamente aislados, desarrollar indicadores más específicos, incorporar algoritmos capaces de procesar volúmenes de información impensables hasta hace unos años.

Pero esa explicación resulta insuficiente.

Un mapa no deja de ser incompleto por contener pocos elementos. También puede ser incompleto porque representa la realidad equivocada.

Durante siglos los astrónomos registraron con enorme precisión el movimiento aparente de los planetas utilizando un modelo geocéntrico. Las observaciones eran extraordinariamente detalladas, pero la representación del sistema era incorrecta. El problema no estaba en la calidad de los datos. Estaba en el modelo utilizado para interpretarlos. Las mismas observaciones adquirieron un significado completamente distinto cuando cambió la representación del sistema solar.

Algo similar ocurre hoy en muchos hospitales. Disponemos de abundante información sobre cada uno de sus componentes, pero seguimos intentando comprender el comportamiento global a partir de representaciones que fueron concebidas para estudiar partes relativamente independientes.

Esta diferencia transforma por completo la naturaleza del problema. Si el desempeño organizacional depende fundamentalmente de las interacciones entre múltiples procesos, entonces ninguna cantidad de información sobre cada proceso analizado de forma aislada será suficiente para comprender el comportamiento del conjunto.

Seguimos intentando explicar sistemas complejos mediante representaciones esencialmente fragmentadas.

La distinción que nadie hace explícita

Hay una diferencia que en gestión hospitalaria rara vez se nombra con precisión:

La información describe hechos.

El conocimiento organiza esos hechos.

La comprensión explica las relaciones entre ellos.

Pero las organizaciones complejas necesitan todavía algo más. Necesitan desarrollar una representación suficientemente fiel de su propio estado para interpretar lo que está ocurriendo mientras todavía está ocurriendo.

Ese es un desafío radicalmente distinto al de producir más datos.

Las preguntas más importantes que enfrentan hoy los hospitales ya no son preguntas sobre datos. No preguntan cuántos pacientes ingresaron, cuántas camas permanecen ocupadas o cuántos procedimientos fueron realizados. Esas respuestas suelen estar disponibles con notable precisión.

Las preguntas realmente difíciles son de otra naturaleza:

¿Qué está ocurriendo con el sistema?

¿Está comenzando a perder estabilidad?

¿Dónde aparecen las primeras señales de degradación?

¿Qué procesos están modificando silenciosamente el comportamiento global de la organización?

¿Por qué, aun disponiendo de tanta información, seguimos sorprendidos por fenómenos que parecían construirse lentamente frente a nosotros?

Responder estas preguntas exige algo más que acumular datos. Exige construir nuevas formas de comprender.

El comienzo de una conversación necesaria

Durante más de un siglo construimos organizaciones para un mundo donde medir era suficiente para comprender. Los sistemas complejos cambiaron las reglas. Hoy medir sigue siendo indispensable, pero ya no es suficiente.

Esta afirmación no cuestiona el valor de la medición. Por el contrario, reconoce su importancia histórica. Lo que pone en duda es una suposición que durante décadas permaneció prácticamente invisible: la idea de que una mejor medición conduciría inevitablemente a una mejor comprensión.

Los problemas que enfrentan hoy nuestros hospitales son cualitativamente distintos de aquellos para los cuales fueron concebidas las herramientas que seguimos usando. Ya no intentamos comprender procesos aislados, relativamente estables y gobernados por relaciones lineales de causa y efecto. Intentamos comprender sistemas adaptativos donde miles de decisiones ocurren simultáneamente, donde pequeñas variaciones pueden amplificarse de manera impredecible y donde el comportamiento del conjunto no puede deducirse simplemente observando cada una de sus partes.

El desafío dejó de ser únicamente cuantitativo. Se volvió conceptual.

Esta es la primera entrega de una serie de veinticuatro artículos sobre observabilidad en sistemas de salud. En los próximos meses voy a explorar, de manera sistemática, qué significa que un hospital sea incapaz de verse a sí mismo con precisión, qué consecuencias tiene eso en la calidad de la atención y la seguridad de los pacientes, y qué tipo de herramientas conceptuales necesitamos desarrollar para abordarlo.

No voy a proponer soluciones todavía. Antes de eso, es necesario entender bien el problema.

Gonzalo Núñez Muñoz es médico cirujano, especialista en Salud Pública (MPH), con un MBA y una Maestría en Ciencia de Datos. Es médico en el Hospital Dr. Sótero del Río y fundador de FNV HealthTech SpA. Escribe sobre observabilidad en sistemas de salud complejos desde la práctica clínica y la analítica aplicada.

Esta serie forma parte del proyecto intelectual Healthcare System Observability (HSO). Los artículos se publican los martes en el newsletter Observabilidad en Salud y en el blog de uci-sentinel.com.