Autopsia verbal: cómo se halla la causa de muerte

Una mujer de 34 años muere en casa, en una aldea a cuatro horas del hospital más cercano. Estaba embarazada de siete meses y, según su hermana, tuvo dolor de cabeza fuerte, hinchazón en las piernas y, la última noche, una convulsión. Ningún médico la examinó, y el cuerpo fue enterrado al día siguiente. Semanas después, una entrevistadora entrenada visita a la familia y hace una serie de preguntas sobre los últimos días. La escena es ficticia y fue escrita para enseñanza.

Este texto trata de la autopsia verbal, el método que usa una entrevista con familiares para estimar la causa de una muerte que nadie certificó. La idea es mostrar cómo funciona, qué dicen los estudios sobre su precisión y por qué importa para la salud global. Si juegas el caso del día en NEXO, vas a reconocer el desafío: llegar a una causa a partir de pistas contadas, y no vistas.

Puntos principales

• Cerca de la mitad de las muertes en el mundo no tiene causa certificada.
• La autopsia verbal es una entrevista estructurada con familiares o cuidadores, hecha después de un período de duelo.
• La Organización Mundial de la Salud publicó en 2016 un instrumento estandarizado, legible por programas automáticos.
• Algoritmos como InterVA, InSilicoVA y Tariff interpretan las respuestas.
• Frente a la autopsia diagnóstica completa, la concordancia caso a caso fue baja en Maputo.
• Las preguntas sobre las circunstancias de la muerte aportan información útil para la planificación.

Muertes que nadie registra

Saber de qué mueren las personas es el punto de partida para decidir dónde invertir en salud. Una revisión sobre el uso de la autopsia verbal en políticas de salud recuerda que una de cada dos muertes en el mundo no se registra (Thomas y colaboradores, 2018). Otro análisis estima que menos de un tercio de las muertes en el mundo recibe una causa atribuida (de Savigny y colaboradores, 2017). Los autores del InterVA-5 describen las muertes sin certificación como cerca de la mitad de la mortalidad global y como fuente de mucha incertidumbre para la planificación en salud (Byass y colaboradores, 2019).

Un comentario de patólogos añade el contexto: más de dos tercios de la población mundial vive y muere en países sin registro vital funcional, donde la mayor parte de las muertes ocurre fuera de los servicios de salud y no se cuenta ni se clasifica por causa. En esos lugares, la autopsia verbal se volvió el principal método para determinar la causa de muerte (Fligner y colaboradores, 2011).

Por qué no llega la certificación

La literatura sobre el tema señala algunos motivos para la falta de causa registrada. La mayor parte de las muertes ocurre fuera de los servicios de salud, y los sistemas de registro civil no funcionan en muchos países (Fligner y colaboradores, 2011). Faltan médicos entrenados para certificar las muertes, y montar un sistema de registro completo llevó décadas o siglos en países como Suecia, Reino Unido y Australia (Hazard y colaboradores, 2020).

Registro civil y estadísticas vitales

Los sistemas de registro civil y estadísticas vitales, conocidos por la sigla en inglés CRVS, existen para contar nacimientos y muertes y para registrar sus causas. Donde la certificación médica es rara, la autopsia verbal se propuso como la mejor alternativa disponible para llenar el vacío de las causas de muerte (de Savigny y colaboradores, 2017). Esto exige integrar la entrevista a la rutina del sistema, y no solo a proyectos de investigación, con la autopsia verbal hecha en la comunidad y ligada al registro de cada muerte (de Savigny y colaboradores, 2017).

Los mismos autores sostienen que los métodos automáticos permiten seguir las causas de muerte dentro del CRVS de forma económica y casi en tiempo real (de Savigny y colaboradores, 2017). Una revisión de 26 trabajos, realizados en 15 países de renta baja y media de África, Asia, Oriente Medio y América del Sur, examinó el uso de la autopsia verbal para orientar políticas y mejoras en los sistemas de salud y la describe como una solución pragmática y provisional para la falta de CRVS funcional (Thomas y colaboradores, 2018). El texto sobre one health muestra otro campo en el que la vigilancia depende de datos recogidos lejos del hospital.

El método en la rutina de varios países

La herramienta SmartVA, que reúne un cuestionario reducido y el algoritmo Tariff 2.0, se tradujo y se aplicó en países como Bangladesh, Brasil, China, Colombia, Papúa Nueva Guinea, Filipinas, Myanmar, Perú, Ruanda, Islas Salomón, Sri Lanka y Zambia (Hazard y colaboradores, 2020). Los autores relatan la experiencia de usarla como parte de la rutina del registro civil y recuerdan que tuvo un desempeño igual o mejor que la mayor parte de los métodos alternativos, incluida la causa atribuida por médicos.

Qué es la autopsia verbal

Los patólogos recuerdan que, para la mayor parte de los médicos, el término autopsia verbal parece una contradicción. Aun así, se trata de un procedimiento bien definido, que clasifica la causa de muerte a partir de entrevistas estructuradas con familiares, amigos y cuidadores y de la revisión de registros médicos disponibles (Fligner y colaboradores, 2011). No hay examen del cuerpo ni toma de tejido. La palabra autopsia aparece porque el objetivo es el mismo: descubrir por qué murió la persona.

La autopsia verbal es una entrevista estructurada con un pariente cercano o cuidador de la persona que murió, realizada después de un periodo de duelo (Nichols y colaboradores, 2018). Las respuestas se interpretan después, por médicos o por algoritmos, para llegar a una causa probable.

Quién responde y cuándo

La entrevista se realiza en la comunidad, después de un periodo de duelo culturalmente aceptable (de Savigny y colaboradores, 2017). En la escena del inicio, la hermana es la informante. Ella vio el dolor de cabeza, la hinchazón y la convulsión, y esas tres pistas, junto con la gestación, entran en las preguntas del cuestionario.

El cuestionario y el relato libre

Los cuestionarios de la OMS siguen una estructura común (Nichols y colaboradores, 2018). Comienzan por la fecha y el lugar de la entrevista, el lugar de estudio y el domicilio, siguen con los datos del informante principal y los datos sociodemográficos de la persona que murió, y pasan por la historia de lesiones y accidentes. Después vienen la lista de síntomas con la duración de cada uno, los servicios de salud usados antes de la muerte, el certificado y los documentos médicos guardados en casa, si los hay, y, por último, el relato libre de los acontecimientos hasta la muerte, con la causa en la opinión del informante.

Ese relato libre se considera esencial cuando el análisis lo hacen médicos (Nichols y colaboradores, 2018). Permite ver el orden de los acontecimientos, algo que una lista de síntomas por sí sola no muestra.

El instrumento de la OMS

La versión de 2016 del instrumento de la OMS se diseñó para servir de estándar internacional y para ser leída directamente por programas automáticos como InterVA, InSilicoVA y Tariff 2.0. Viene acompañada de manuales para entrevistadores y supervisores y está disponible en un modelo para recogida electrónica en la plataforma Open Data Kit (Nichols y colaboradores, 2018). La recogida puede hacerse en papel o en tableta (de Savigny y colaboradores, 2017).

Acortar sin perder información. Un grupo de investigación desarrolló, de forma sistemática, una versión reducida del cuestionario usado en el estudio de validación del consorcio PHMRC. El tamaño ideal se eligió analizando cómo caía el desempeño a medida que el instrumento se reducía, para adultos, niños y recién nacidos (Serina y colaboradores, 2015). Esa versión reducida, junto con el Tariff 2.0, dio origen al SmartVA, preparado para uso a escala en tabletas y celulares (Nichols y colaboradores, 2018).

Del relato a la causa: médicos y algoritmos

Después de la entrevista, alguien debe atribuir una causa a las respuestas. Una forma es la revisión de los formularios por médicos. Otra es el uso de algoritmos. Un gran estudio comparó cinco métodos automáticos, InterVA-4, Random Forest, Simplified Symptom Pattern, Tariff y King-Lu, con la revisión por médicos, usando 12.535 muertes de poblaciones diversas con causa establecida de forma confiable (Murray y colaboradores, 2014).

El InterVA se basa en la regla de Bayes (Nichols y colaboradores, 2018). La versión InterVA-5 se desarrolló para alinearse con el estándar OMS 2016 (Byass y colaboradores, 2019).

Las tres familias de algoritmos más citadas son el InterVA, basado en la regla de Bayes, el InSilicoVA, uno de los programas que leen el instrumento OMS 2016, y el Tariff 2.0 con el SmartVA, algoritmo empaquetado con el cuestionario reducido del PHMRC (Nichols y colaboradores, 2018).

Los tres aceptan datos del instrumento OMS 2016, lo que permite comparar resultados entre países y entre métodos (Nichols y colaboradores, 2018).

El razonamiento detrás del algoritmo

La regla de Bayes es el mismo principio de la probabilidad pretest: se parte de la probabilidad de cada hipótesis y se ajusta esa probabilidad conforme cada nueva información. La diferencia es que el clínico lo hace de cabeza, y el programa lo hace por su cuenta. El texto sobre tasa base en el diagnóstico muestra por qué la prevalencia inicial pesa tanto en ese cálculo.

Cuánto acierta la causa estimada

La pregunta más importante sobre cualquier método diagnóstico es cuánto acierta. Para responder, se necesita un patrón de referencia. El consorcio PHMRC creó criterios diagnósticos rigurosos, con hallazgos de laboratorio, patología e imagen, para identificar muertes con causa confirmada en servicios de salud, y desarrolló un cuestionario de autopsia verbal basado en los estándares de la OMS (Murray y colaboradores, 2011). El objetivo era reunir muertes de referencia bien definidas para validar los métodos de atribución de causa.

Con ese banco, los investigadores compararon los métodos. En adultos, la exactitud en la fracción de causas de los métodos automáticos quedó entre 0,764 y 0,770, frente a 0,680 de la revisión por médicos y 0,625 del InterVA (Murray y colaboradores, 2014). En niños, el Tariff llegó a 0,783, la revisión por médicos a 0,678 y el InterVA a 0,520 (Murray y colaboradores, 2014). En recién nacidos, los valores fueron 0,817, 0,719 y 0,629 (Murray y colaboradores, 2014).

Comparar con la autopsia completa

Estudio	Referencia usada	Hallazgo principal
Murray 2011	Muertes en servicios de salud con criterios clínicos, de laboratorio y de imagen	Creó el banco de validación PHMRC
Murray 2014	Banco PHMRC	Los métodos automáticos superaron la revisión médica en la fracción de causas
Menéndez 2020	Autopsia diagnóstica completa en Maputo	Baja concordancia para tuberculosis, malaria y neumonía

La prueba más dura vino de Maputo, en Mozambique. Los investigadores compararon el InterVA con la autopsia diagnóstica completa en 316 muertes. Ninguna de las muertes por tuberculosis fue identificada por la autopsia verbal, y la sensibilidad fue de 33 para malaria y de 36 para neumonía, por cada 100 muertes por esas causas. El algoritmo atribuyó 26 muertes a eclampsia, pero solo 4 tenían esa causa en la autopsia (Menéndez y colaboradores, 2020). La sensibilidad también fue cero para enfermedades diarreicas e infecciones diseminadas, y de 32 por cada 100 para VIH. En 16 muertes, el modelo no llegó a un resultado concluyente.

Los autores concluyen que estos resultados no ayudan a construir confianza en las estimaciones actuales de causas de muerte (Menéndez y colaboradores, 2020). También recuerdan que la transmisión de malaria en Maputo es baja, lo que pesa en la interpretación de los números de esa causa.

Población e individuo

Estos resultados parecen contradictorios, pero miden cosas diferentes. La exactitud en la fracción de causas mide si el método acierta la distribución de causas en un grupo grande. La concordancia caso a caso mide si acierta la causa de cada muerte. En el estudio del PHMRC, la concordancia corregida para el azar de los métodos automáticos en adultos quedó cerca de la mitad, por debajo de la exactitud en la fracción de causas (Murray y colaboradores, 2014). Un método puede estimar bien la proporción de muertes por una causa en una región y, aun así, equivocarse en cuáles muertes fueron esas.

Dónde falla el método

La exactitud de la autopsia verbal depende mucho de la calidad de los criterios diagnósticos, de la edad de la persona que murió y del tipo de enfermedad involucrada. Las muertes con signos y síntomas poco específicos son especialmente difíciles (Fligner y colaboradores, 2011). Los autores citan la dificultad de separar muertes por malaria de las causadas por otras enfermedades febriles, como septicemia, meningitis, encefalitis y neumonía. Las muertes maternas, perinatales y los mortinatos también tienen mala especificidad diagnóstica.

El caso de la eclampsia en Maputo ilustra el problema en la práctica: el algoritmo atribuyó a esa causa muchas más muertes de las que confirmó la autopsia (Menéndez y colaboradores, 2020). En la escena del inicio, la enfermedad hipertensiva del embarazo es la hipótesis que más llama la atención, pero el método por sí solo no la confirmaría. Es el mismo atajo discutido en el texto sobre diagnóstico diferencial con pistas: una pista llamativa puede cerrar la búsqueda demasiado pronto.

Fuentes de error descritas en los estudios

• Signos y síntomas poco específicos (Fligner y colaboradores, 2011).
• Fiebres de causas diferentes que se parecen en el relato (Fligner y colaboradores, 2011).
• Muertes maternas y perinatales, con mala especificidad (Fligner y colaboradores, 2011).
• Falta de cualquier fuente médica de información en muchos cuestionarios (Fligner y colaboradores, 2011).
• Sensibilidad nula para tuberculosis en comparación con la autopsia completa (Menéndez y colaboradores, 2020).
• Muertes sin resultado concluyente del modelo (Menéndez y colaboradores, 2020).

Cuando los métodos se complementan

La autopsia anatomopatológica se considera desde hace mucho tiempo la referencia para la causa de muerte (Fligner y colaboradores, 2011). El principal obstáculo es la necesidad de patólogos, asistentes y laboratorio de histología, que faltan en muchos países de renta baja y media. Otra preocupación son las actitudes culturales y religiosas sobre la muerte y el manejo del cuerpo, que varían por país y deben tratarse caso a caso.

Los autores proponen evaluar continuamente una parte de las muertes con autopsia anatomopatológica junto con la autopsia verbal, para mejorar la calidad de los datos de mortalidad e identificar enfermedades nuevas o emergentes (Fligner y colaboradores, 2011). Recuerdan además que los mismos supuestos que llevan a error en hasta 40 de cada 100 muertes certificadas por médicos están presentes en los datos de la autopsia verbal. El texto sobre sesiones de morbimortalidad muestra la misma lógica de aprender del error a menor escala.

Más allá de la causa: las circunstancias de la muerte

La causa biológica es solo parte de la historia. Investigadores en Agincourt, en Sudáfrica, crearon un conjunto breve de preguntas sobre el camino hasta el cuidado y las circunstancias y eventos en torno a la muerte y lo integraron al formulario breve de autopsia verbal de la OMS de 2012 (D'Ambruoso y colaboradores, 2016). Entre las muertes estudiadas, 39 de cada 100 familias no pidieron ayuda, 36 de cada 100 consideraron el cuidado demasiado caro y 33 de cada 100 no acudieron a un servicio de salud.

Los autores concluyen que añadir estas preguntas aporta información complementaria a la distribución de causas y relevante para la planificación en salud (D'Ambruoso y colaboradores, 2016). El objetivo era crear indicadores sobre los procesos de cuidado, las circunstancias y los eventos ligados al sistema de salud y al contexto social.

Preguntas sobre el camino hasta el cuidado

Los temas del conjunto de Agincourt piden que la entrevista investigue si la familia pidió ayuda, si la persona llegó a un servicio de salud, si el gasto pesó en la decisión de buscar atención, qué camino de atención recorrió la persona y qué eventos ocurrieron cerca del momento de la muerte (D'Ambruoso y colaboradores, 2016).

Uso en salud pública y en la clínica

Los datos de la autopsia verbal alimentan estimaciones de carga de enfermedad, planificación de programas y evaluación de intervenciones. La revisión de 26 trabajos encontró ejemplos de uso del método para orientar políticas en varios países (Thomas y colaboradores, 2018). El SmartVA se presentó como una forma de mejorar rápidamente el conocimiento sobre causas de muerte en poblaciones rurales, con pocos recursos, con experiencias en Myanmar, Papúa Nueva Guinea, Bangladesh y Filipinas (Hazard y colaboradores, 2020).

Para el clínico, la autopsia verbal tiene una lección directa: muestra cuánto se puede inferir solo a partir del relato y cuánto se pierde. El texto sobre signos, síntomas e historia discute cómo interpretar lo que llega por el habla del paciente y de quien lo acompaña.

Lo que la autopsia verbal enseña a quien atiende

El cuestionario de la OMS separa la lista de síntomas, con la duración de cada uno, del relato libre y de la causa según el informante (Nichols y colaboradores, 2018). Esa separación es un buen modelo para la consulta, en la que el relato de un acompañante también mezcla lo que se vio con lo que se concluyó. El texto sobre incertidumbre diagnóstica trata de cómo pesar pistas contadas por terceros.

En la consulta, esto se traduce en registrar cada síntoma con su duración, pedir el relato libre en el orden en que ocurrieron las cosas, anotar por separado lo que el informante cree que fue la causa y preguntar por documentos médicos guardados en casa.

Razonamiento sobre la escena del inicio

Una secuencia didáctica para la escena, usando las etapas descritas arriba, puede ser esta:

1. Contexto. Mujer joven, gestación de siete meses, muerte en casa.
2. Pistas. Dolor de cabeza fuerte, hinchazón en las piernas, convulsión.
3. Cuestionario. Registrar cada síntoma con duración y recoger el relato libre de la hermana.
4. Atribución. Revisión por médico o por algoritmo.
5. Límite. Las muertes maternas tienen mala especificidad en la autopsia verbal, y en Maputo la eclampsia se atribuyó en exceso.
6. Circunstancias. Preguntar si la familia pidió ayuda y si llegó a un servicio.
7. Registro. Elegir el código de la causa estimada, sabiendo de la incertidumbre.

El paso 7 recuerda que la causa estimada también necesita un código. Saber encontrar el código correcto en la CIE-10 es parte del trabajo. El texto sobre preparación para pandemias muestra otro uso de datos de vigilancia, y el texto sobre cólera, sarampión y desnutrición en conflictos recuerda cómo el conteo de muertes orienta la respuesta en crisis.

Cómo NEXO ayuda a entrenar ese razonamiento

En NEXO, el caso del día es ficticio, con presentación clínica real y hasta seis pistas progresivas, y tú propones el diagnóstico buscando el código en la CIE-10.

Los límites de uso del juego están descritos en la página de economía de NEXO. Si investigas la enseñanza del razonamiento clínico, la página para Researcher explica cómo entrar en contacto. Los profesionales que escriben o revisan casos encuentran información en Curator y en Creators, y las instituciones pueden conocer la propuesta en la página para alianzas.

Preguntas frecuentes

¿La autopsia verbal se usa donde no hay certificado de defunción?

Se propuso como la mejor alternativa donde la certificación médica de la muerte es rara (de Savigny y colaboradores, 2017).

¿Existe un cuestionario estandarizado de la OMS?

El instrumento OMS 2016 sirve de estándar internacional y puede ser leído por InterVA, InSilicoVA y Tariff 2.0 (Nichols y colaboradores, 2018).

¿Los algoritmos pueden sustituir la revisión por médicos?

En la estimación de la distribución de causas, los estudios muestran ventaja de los algoritmos. En la base PHMRC, los métodos automáticos tuvieron mayor exactitud que la revisión médica (Murray y colaboradores, 2014).

¿La autopsia verbal puede equivocar la causa de una muerte específica?

En Maputo, la comparación con la autopsia completa mostró baja concordancia para tuberculosis, malaria y neumonía (Menéndez y colaboradores, 2020).

¿Se puede usar la entrevista para entender fallas del sistema de salud?

Las preguntas sobre las circunstancias mostraron familias que no pidieron ayuda o que consideraron la atención demasiado cara (D'Ambruoso y colaboradores, 2016).

Mensajes para llevar a casa

• Cerca de la mitad de las muertes en el mundo no tiene causa certificada.
• La autopsia verbal es una entrevista estructurada con familiares, realizada después del duelo.
• El instrumento OMS 2016 estandariza la entrevista y permite el análisis automático.
• En el banco PHMRC, los algoritmos superaron la revisión médica en la fracción de causas.
• Frente a la autopsia completa en Maputo, la concordancia caso por caso fue baja.
• Los síntomas poco específicos y las muertes maternas son los más difíciles de clasificar.
• Las preguntas sobre las circunstancias aportan información útil para la planificación.
• La autopsia anatomopatológica en parte de las muertes puede mejorar la calidad de los datos.

¿Quieres practicar el razonamiento con pistas progresivas? Juega el caso del día.

Referencias

1. Byass P, Hussain-Alkhateeb L, D'Ambruoso L, et al. An integrated approach to processing WHO-2016 verbal autopsy data: the InterVA-5 model. BMC Med. 2019. PMID 31146736.
2. D'Ambruoso L, Kahn K, Wagner RG, et al. Moving from medical to health systems classifications of deaths: extending verbal autopsy to collect information on the circumstances of mortality. Glob Health Res Policy. 2016. PMID 29202052.
3. de Savigny D, Riley I, Chandramohan D, et al. Integrating community-based verbal autopsy into civil registration and vital statistics (CRVS): system-level considerations. Glob Health Action. 2017. PMID 28137194.
4. Fligner CL, Murray J, Roberts DJ. Synergism of verbal autopsy and diagnostic pathology autopsy for improved accuracy of mortality data. Popul Health Metr. 2011. PMID 21806831.
5. Hazard RH, Buddhika MPK, Hart JD, et al. Automated verbal autopsy: from research to routine use in civil registration and vital statistics systems. BMC Med. 2020. PMID 32146903.
6. Menéndez C, Quintó L, Castillo P, et al. Limitations to current methods to estimate cause of death: a validation study of a verbal autopsy model. Gates Open Res. 2020. PMID 33145479.
7. Murray CJ, Lopez AD, Black R, et al. Population Health Metrics Research Consortium gold standard verbal autopsy validation study: design, implementation, and development of analysis datasets. Popul Health Metr. 2011. PMID 21816095.
8. Murray CJ, Lozano R, Flaxman AD, et al. Using verbal autopsy to measure causes of death: the comparative performance of existing methods. BMC Med. 2014. PMID 24405531.
9. Nichols EK, Byass P, Chandramohan D, et al. The WHO 2016 verbal autopsy instrument: An international standard suitable for automated analysis by InterVA, InSilicoVA, and Tariff 2.0. PLoS Med. 2018. PMID 29320495.
10. Serina P, Riley I, Stewart A, et al. A shortened verbal autopsy instrument for use in routine mortality surveillance systems. BMC Med. 2015. PMID 26670275.
11. Thomas LM, D'Ambruoso L, Balabanova D. Verbal autopsy in health policy and systems: a literature review. BMJ Glob Health. 2018. PMID 29736271.