Pacientes en espera

The Guardian 11 Junio 2011, “Bad Science”, “The deeper the dataset, the better”
La experiencia individual no es suficiente para detectar patrones. Un ejemplo:
Una investigación canadiense analiza como los tiempos de espera afectan la calidad del servicio médico. La base del análisis son los 22 millones de visitas a hospitales durante un periodo de tiempo determinado. De estos, 14 millones resultaron ser pacientes que acabaron siendo enviados a casa. La investigación se centró en que les paso a estas personas y, más concretamente, cuantos acabaron muriendo.
Una pieza importante de este análisis era el tiempo de espera de estos pacientes, información disponible en la base de datos. En base a esto calcularon las probabilidades de muerte de las personas “rechazadas”. El hallazgo fue que la probabilidad de morir era el doble para las personas que sufrieron esperas largas (personas que esperaron 6 horas respecto de personas que esperaron 1 hora). Por otra parte, también se demostró que la probabilidad de ser admitido se incrementaba con las horas de espera (lo que en teoría incrementa los gastos médicos).
Lo importante del tiempo de espera no es el malestar que puede provocar en enfermos y familiares, sino que es un indicador del ritmo de trabajo al que están sometidos los médicos y enfermeras. A mayor tiempo, más ambiente frenético, más posibilidades de un mal diagnostico.
El aspecto a destacar de este estudio es la escala de los datos analizados. Apenas hay un puñado de muertes por cada 100,000 pacientes, algo imposible de detectar a través de la experiencia individual de los trabajadores de un hospital, que sólo es posible entrever si se dispone de una base de datos adecuada. Un ejemplo del poder que puede ofrecer disponer de un sistema de recogida y mantenimiento de datos de calidad.