Rank Columnas | Mail o Telegram

El texto de Rafael Lozano, escrito el 13 de Enero de 2025, analiza la inercia en el ámbito de las estadísticas de salud en México, comparándola con la primera ley de Newton. Explica cómo la inercia cognitiva y el conservadurismo conceptual, aplicados a los datos y a los expertos, impiden la modernización de los sistemas de registro y análisis de la información sanitaria. Se presentan ejemplos concretos de la problemática en México y se propone una reflexión sobre la necesidad de cambio.

El 14.3% de las muertes en México se deben a problemas de mala clasificación en las estadísticas de mortalidad.

Resumen

• Se define la inercia cognitiva como la perseverancia en la interpretación de la información, diferenciándola del conservadurismo conceptual.
• Se introduce el concepto de "inercia de datos", la tendencia a depender de conjuntos de datos existentes, incluso si son incorrectos o inadecuados. Esto se relaciona con costos, resistencia al cambio y sesgos históricos.
• Se describe la "inercia de los expertos", la resistencia al cambio en habilidades, conocimientos y prácticas de los profesionales de la salud. Se mencionan la especialización rígida, la falta de colaboración interdisciplinaria y el temor a nuevas tecnologías como factores contribuyentes.
• Se explica la estrecha interconexión entre la "inercia de datos" y la "inercia de los expertos", donde los datos se recopilan para la toma de decisiones, pero los expertos determinan qué datos son válidos y cómo se interpretan.
• Se utiliza el ejemplo de las estadísticas de mortalidad en México, basadas en certificados de defunción con un formato que privilegia la comparabilidad internacional a través de la CIE-11 (aún no implantada en México), lo que limita el análisis de comorbilidades y causas múltiples. Esta práctica se mantiene desde 1948.
• Se describe el "sesgo de mala clasificación" en las causas de muerte, debido a errores humanos o limitaciones en el diseño del formato, con el uso de términos inespecíficos como "insuficiencia respiratoria" o "paro cardiorrespiratorio".
• Se presenta la iniciativa BIRMM (Búsqueda Intencionada y Reclasificación de Muertes Maternas) en México (2002) como un ejemplo de corrección de la mala clasificación, con un éxito del 10% al 40% en la recuperación de muertes maternas mal clasificadas. Este programa ha sido exportado a otros países por la Organización Panamericana de la Salud.
• Se destaca que los problemas de mala clasificación representan el 14.3% de todas las muertes en México, una proporción comparable a las muertes por diabetes mellitus o infarto agudo de miocardio (16% cada una).

Conclusión

• Perpetuar las inercias en las estadísticas de salud resulta más costoso que cambiar los modelos de captación, corrección de sesgos y difusión de estadísticas vitales.
• La actualización de los registros de causas de muerte mejoraría la calidad de las estadísticas y fortalecería la planificación de políticas de salud en México.
• Es necesario abordar la inercia de datos y la inercia de los expertos para mejorar la respuesta de los sistemas de salud a las realidades actuales y futuras.