Postergando a los más necesitados. Claroscuros de los programas sanitarios
Carlos Vivas; Homero Bagnulo
04.02.2020
Es habitual oír que la toma de decisiones sanitarias es una tarea compleja. No es tan evidente que tengamos claro lo que implica. Por ser un escenario complejo, las variables del sistema de salud interactúan entre sí de forma impredecible y, por tanto, se puedan producir resultados con consecuencias negativas para la sociedad.
Un ejemplo extremo de las consecuencias indeseadas de un programa sanitario fue publicado en la revista Science, en octubre de 2019*. El artículo resume el análisis que realizaron economistas e informáticos médicos sobre un software diseñado para un programa de medicina preventiva en EE.UU. que se aplica a unos 200 millones de personas. Entendemos que las conclusiones de los autores son de recibo para nuestro país.
Como introducción, cabe recodar que sigue siendo cierto que los recursos son finitos y que las necesidades son infinitas, tanto sean necesidades primarias o inducidas. En la actualidad, los gobiernos deben responder a las necesidades sanitarias en un entorno de expansión tecnológica y de escasez de recursos económicos. Por tanto, les resulta imprescindible crear mecanismos de consenso para definir qué criterios se deben fijar al momento de aplicar el dinero destinado a la salud. Esta decisión afecta tanto al subsector público como al subsector privado de la atención, pues siempre los fallos en la cobertura privada de la salud repercuten en las cuentas públicas. Como ejemplo, cabe mencionar el impacto que tienen sobre un sistema sanitario las diferentes opciones de financiación. En 2011, The Economist demostró que una de las razones del alto costo de la salud en EEUU es que un muy pequeño sector de la población prescinde de la contratación de un seguro y opta por el pago de bolsillo en exclusiva. Según la publicación, por alto que resulte el precio de esta opción para dichas personas, jamás logrará cubrir los verdaderos costos que demandará su atención, los cuales deberán ser asumidos por la totalidad del sector. Si esta repercusión en las cuentas generales del sistema es producto de un (relativamente) pequeño número de pacientes, cabe imaginar las consecuencias de proyectar incorrectamente los resultados sanitarios y económicos de programas asistenciales que involucran a la mayoría de la población.
En el momento actual las herramientas más comunes que se utilizan para la administración de los recursos económicos en la salud son algoritmos informatizados, esto es, fórmulas matemáticas complejas que incluyen a todas aquellas variables que se identifican como las de mayor importancia económica para la toma de decisiones en un tema tan sensible para la población. No obstante el atractivo de reducir a unos pocos números las interacciones de múltiples variables, la relación del gerente con el algoritmo no escapa a la de cualquier usuario cuando interactúa con su computadora. Tal vez, cuando elegimos un procesador de texto nos resulte suficiente que nos sea amigable, pero cuando se trata de asignar recursos para la salud nuestra exigencia sobre cómo funciona el programa debiera ser mucho mayor. Y sin embargo, en ambos casos contemplamos al software como si fuera "una caja negra", de la cual solo sabemos lo que entra y lo que sale, desconociendo su lógica interna. En sociedades capitalistas no debe llamarnos la atención que el proveedor no nos informe cómo funciona su producto aduciendo que está protegido por derechos comerciales, y, por tanto, nos toca aceptar sus resultados como si fueran una verdad revelada.
En el artículo que hemos seleccionado para comentar, se analizó un algoritmo sanitario diseñado para facilitar el manejo de los pacientes en alto riesgo de sufrir complicaciones. Se seleccionaron pacientes afectados de enfermedades crónicas (insuficiencia renal crónica, hipertensión arterial, diabetes mellitus, hipercolesterolemia, y anemia crónica) y se determinó cuáles de ellos tenían mayores probabilidades de sufrir descompensaciones. Una vez identificados, si el riesgo era muy alto, de inmediato se les invitaba a ingresar a un programa de prevención. Si el riesgo era intermedio, se los refería a su médico de referencia para informales de manera personalizada las ventajas y desventajas de ingresar al mencionado programa.
Los objetivos, al igual que otros programas similares eran: aumentar la eficacia de los tratamientos, aumentar la satisfacción de los pacientes y disminuir los costos, esto es, aumentar la eficiencia del sistema sanitario. Identificar dentro de una población quiénes son aquellos que más se van a beneficiar de un programa asistencial requiere una estimación precisa del efecto terapéutico que va a tener el programa sobre cada paciente, lo que implica un enorme desafío estadístico. Para resolver este problema metodológico, los desarrolladores asumieron como premisa que aquellos que tenían la máxima necesidad de cuidados y por ende, los que más gastaban en su salud, serían los más beneficiados. Por tanto, un problema inferencial se convirtió en un problema de predicción del riesgo individual.
Los autores encontraron que los afroamericanos tenían más riesgos que los blancos, sin embargo, no hubo diferencia entre los costos de su atención. Esto es sorprendente, pues por lógica, los que más necesidades sanitarias tienen, requieren más dinero para su cuidado. Para resolver esta paradoja los autores nos recuerdan la diferencia entre tener necesidades asistenciales y recibir los cuidados pertinentes. La pregunta entonces es ¿por qué los afroamericanos reciben menos cuidados que los blancos? Y la respuesta es simple y dura: ¡porque no fueron identificados por el algoritmo!
La posibilidad que tuvieron los autores de examinar "la caja negra" del programa les permitió identificar que en el diseño del mismo no se había incluido la variable "raza". Cuando incluyeron "raza" comprobaron que el porcentaje de afroamericanos a quienes se les ofrecería ingresar al programa de cuidados aumentaría del 17% al 46%! Y, obviamente, la diferencia de los gastos según la raza desaparecía.
¿Cuáles son las razones para este impacto de la variable "raza"? Se proponen dos grupos de explicaciones: A) que los pacientes más pobres tienen barreras más altas para utilizar el sistema sanitario, triste realidad que se mantiene aún cuando dichos ciudadanos estén nominalmente incluidos en un sistema de salud. Las barreras identificadas son: dificultades de acceso geográficas, falta de transporte, acceso a información sobre qué es y cómo cuidar su salud, tener una dependencia laboral rígida que no contemple la flexibilidad horaria necesaria para poder agendarse y/o recibir asistencia sanitaria; y B) Se ha comprobado que las posibilidades de un afroamericano de acceder a programas de promoción de la salud y prevención de la enfermedad, aumentan cuando el médico que le asiste es también afroamericano.
Viendo sus consecuencias, ¿por qué no se incluyó "raza" en el algoritmo? En primer lugar se debe dejar claro que se descarta un subterfugio racista. En cuanto el fabricante reprodujo los resultados del estudio aceptó una solución que le propuso el grupo de estudio. No debemos olvidar que cualquier estudio asistencial requiere un aval bioético, el cual está muy influido por las corrientes de opinión de la sociedad. Como se ha confirmado en varios trabajos, incluir la variable raza es una propuesta contracultural de difícil aceptación. Tan es así que la solución propuesta correctiva fue seguir excluyendo la raza, pero agregar variables que midan los determinantes sociales de la salud.
Por tanto, la razón que explica el resultado no deseado del programa preventivo analizado, es que durante la construcción de su algoritmo se introdujo un sesgo, esto es, un error en la técnica estadística al momento de definir la población a estudiar. Este error tiene un carácter sistemático, por lo que sus consecuencias se reproducirán cada vez que se aplique el programa. Sin dudas, hubo otros factores que favorecieron la aparición del sesgo, y el principal fue el énfasis en la disminución de los costos sanitarios. Este enfoque asume que el que más gastos tiene es el que más recursos necesita, por tanto, el problema es identificar a quienes "gastan más". Pero ¿qué ocurre con quienes no gastan en su salud por porque no pueden? En la población analizada los afroamericanos no gastaron menos dinero en su salud por estar más sanos, sino por ser más pobres!
El artículo señala que el paso de mayor importancia para desarrollar un programa que identifique a los pacientes con más necesidades es la formulación del problema. Si se parte de la presunción que los costos del sistema sanitario están exclusivamente determinados por la actividad asistencial se cometerá un error, en tanto que en el agregado no será posible distinguir el impacto que tienen la inequidad estructural, los incentivos y la ineficiencia de la gestión del sistema, los que quedarían ocultos y, por ende, sin acciones correctivas.
Resulta evidente que el área sanitaria ofrece dificultades especiales a los intentos de reducir la complejidad. Quienes diseñen los presupuestos sanitarios deben tener presente que por definición la salud es un ente abstracto, multidimensional, e imposible de reducir a unas variables objetivas que permitan predicciones seguras. La previsión de los presupuestos sanitarios no solo debe contemplar la incertidumbre como componente esencial de la complejidad, sino que es imprescindible incluir todas las variables sociales, culturales, económicas y demográficas que impactan en la salud.
* Ziad Obermeyer, Brian Powers, Christine Vogeli, Sendhil Mullainathan. Dissecting racial bias in an algorithm used to manage the health of populations. Science 2019,366: 447-453
Dres. Homero Bagnulo; Carlos Vivas