Ecología del cuidado: la enfermedad que ve la primaria

Una estudiante termina el internado hospitalario convencida de que el dolor torácico casi siempre esconde algo grave. Pasó meses viendo infarto, disección y embolia en la sala de hospitalización. En el primer mes en un servicio de atención primaria, atiende a varias personas con dolor torácico por semana, y casi todas tienen dolor muscular, reflujo o ansiedad. Ella no quedó menos atenta. La población es la que cambió.

Este fenómeno tiene nombre: ecología del cuidado, el estudio de quién enferma, quién busca ayuda y dónde ocurre esa ayuda. Este texto presenta el cuadrado clásico que dio origen al concepto, muestra lo que encontraron las actualizaciones en distintos sistemas de salud y explica por qué el escenario de atención cambia la frecuencia de las enfermedades, el espectro de gravedad y el desempeño de los exámenes. Al final, discute qué cambia esto en el razonamiento de quien atiende en la puerta de entrada del sistema.

Puntos principales

• La mayor parte de las personas que tienen algún problema de salud en un mes no consulta, y una porción muy pequeña llega al hospital.
• Ese patrón se repite en estudios de varios países a lo largo de casi un siglo, con diferencias ligadas a la organización de cada sistema.
• Quien es atendido en la atención primaria tiene, en promedio, menor probabilidad de enfermedad grave que quien llega al hospital.
• La sensibilidad y la especificidad de un examen pueden cambiar según la población en la que se usa, por causa del espectro de la enfermedad.
• Los síntomas de alarma tienen valor predictivo bajo en la atención primaria, pero no despreciable, y ese valor sube con la edad.
• Muchos síntomas comunes mejoran con el tiempo, y una parte queda sin explicación médica incluso después de años.
• Llevar a la atención primaria el razonamiento aprendido en el hospital tiende a generar exámenes de más y sobrediagnóstico.

Sumario

• El cuadrado de White: quién enferma, quién busca ayuda, quién llega al hospital
• Qué cambió y qué se repite en casi un siglo
• Qué cambia de un nivel a otro
• Espectro: el mismo examen en otra población
• Dolor torácico: un ejemplo de escenario en la práctica
• Síntomas de alarma en la atención primaria
• Síntomas comunes y qué pasa con ellos
• Qué cambia esto en el razonamiento del clínico
• Preguntas frecuentes
• Checklist final

El cuadrado de White: quién enferma, quién busca ayuda, quién llega al hospital

En 1961, White y colegas publicaron una figura que se volvió clásica en la formación en salud. A partir de encuestas domiciliarias y registros de servicios, estimaron qué pasa con mil adultos a lo largo de un mes típico. La revisión histórica de Spinelli y colegas reproduce los números: de cada mil adultos, cerca de 750 relatan alguna enfermedad o lesión, 250 consultan a un médico, nueve son internados, cinco son derivados a otro médico y uno llega a un centro médico universitario (Spinelli, 2023).

La figura suele dibujarse como un cuadrado grande, que representa a la población, con cuadrados cada vez más pequeños dentro de él. El más pequeño, el del hospital universitario, es casi un punto. El mensaje de los autores era directo: la experiencia de quien se forma e investiga dentro de ese punto no representa la enfermedad como existe en la comunidad.

Algunos detalles del diseño importan para leer los números con cuidado. Los datos provinieron de encuestas hechas en dos países, en períodos diferentes, y excluían a personas menores de 16 años y embarazos sin complicación (Spinelli, 2023). La unidad de tiempo era el mes, y no el año. Esto significa que la misma persona puede estar en el cuadrado de la población un mes y en el del hospital al mes siguiente.

El valor del cuadrado no está en la precisión de los números, que varían mucho según el lugar y la época. Está en el formato. Obliga a pensar de dónde vienen los pacientes que estudiamos y quién queda fuera cuando miramos solo el hospital. Para el razonamiento clínico, esa pregunta tiene consecuencias prácticas, que aparecen en las secciones siguientes.

Tres ideas resumen lo que enseña el cuadrado. La primera es que la mayor parte del enfermar se resuelve en casa, sin contacto con el sistema de salud. La segunda es que, entre quienes buscan ayuda, la mayoría es atendida y resuelta fuera del hospital. La tercera es que el hospital universitario, donde se forma la mayor parte de los profesionales y se hace la mayor parte de la investigación, ve una fracción mínima y muy seleccionada de la población.

Qué cambió y qué se repite en casi un siglo

Cuarenta años después, Green y colegas rehicieron el ejercicio con datos de una encuesta nacional de 1996. En la nueva versión, de cada mil personas en un mes, 800 tienen síntomas, 327 piensan en buscar atención, 217 van a un consultorio médico, 113 a un servicio de atención primaria, 65 a prácticas complementarias, 21 a un ambulatorio hospitalario, 14 reciben atención domiciliaria, 13 van a urgencias, ocho son hospitalizadas y una llega a un centro académico (Spinelli, 2023). La actualización incluyó a niños y nuevos escenarios de atención, pero el formato general se mantuvo.

La revisión de Spinelli y colegas reunió los estudios de ecología de la atención publicados entre 1928 y 2018, en ocho países, y encontró dos regularidades a lo largo de 90 años: una proporción grande de personas con problemas de salud que no consultan y un número bajo de hospitalizaciones y derivaciones (Spinelli, 2023). Los autores también llaman la atención sobre limitaciones comunes: los estudios usan definiciones diferentes de síntoma y de consulta y casi siempre dependen de lo que las personas recuerdan y relatan.

Las diferencias entre los estudios dicen tanto como las semejanzas. Un análisis de la misma encuesta de 1996 mostró que el consultorio médico era el lugar de atención más común en todos los subgrupos, y que no tener una fuente habitual de atención era la única característica asociada de forma independiente a menos atención en los cinco escenarios estudiados (Fryer, 2003). Tener seguro de salud y una fuente habitual de atención al mismo tiempo se asoció a más atención en todos los escenarios, excepto urgencias.

Estudios más recientes muestran que el patrón resiste cambios de política. Un análisis de encuestas nacionales entre 2002 y 2016, con 525.804 personas-año, encontró una caída en el contacto con médicos de atención primaria, más acentuada entre personas mayores y personas con mala salud, y casi ningún cambio en el cuadro general después de una gran reforma de cobertura (Johansen, 2019). Una cohorte provincial, que siguió a adultos de 2002 a 2017, encontró patrones casi estables a pesar de cinco cambios amplios en el sistema, con la hospitalización en hospital académico en torno a uno de cada cien adultos por año (McAlister, 2020).

La organización del sistema, sin embargo, cambia la forma del cuadrado. Una encuesta telefónica con 3.508 entrevistas, comparada con la literatura internacional, encontró un uso muy alto de especialistas y de hospitalización en un sistema con acceso libre a todos los niveles y sin frontera clara entre atención primaria y secundaria (Hoffmann, 2019). Los autores atribuyen parte de ese uso a la falta de la función coordinadora de una atención primaria fuerte.

Lo que cambia de un nivel a otro

El cuadrado muestra cuántas personas llegan a cada nivel. La pregunta clínica es otra: ¿esas personas son diferentes? La respuesta de la literatura es sí, y de forma sistemática. Quien llega al hospital pasó por una serie de filtros. Tuvo síntomas persistentes o graves lo bastante como para buscar ayuda, fue evaluado por alguien que decidió derivar y, muchas veces, ya hizo exámenes que reforzaron la sospecha.

Starfield y colegas, en una revisión sobre la contribución de la atención primaria a los sistemas de salud, resumen la consecuencia: los especialistas formados en el hospital ven pacientes que no representan la forma como los problemas se presentan en la comunidad, y los pacientes de la comunidad tienen una probabilidad previa mucho menor de enfermedad grave (Starfield, 2005). Como las propiedades de los exámenes dependen de esa probabilidad, quien lleva a la comunidad la expectativa del hospital tiende a sobreestimar la probabilidad de enfermedad.

La misma revisión señala que el primer contacto con la atención primaria se asocia a una atención más adecuada y de menor costo, y que el uso de exámenes y tratamientos guiado por una probabilidad sobreestimada trae efectos adversos para los pacientes (Starfield, 2005). La diferencia no es de competencia. Un especialista excelente puede equivocarse más en la comunidad justamente porque calibró su propia mirada en una población seleccionada.

La tabla siguiente resume las diferencias típicas entre los dos escenarios. Son tendencias medias, y no reglas para cada persona.

Característica	Atención primaria	Hospital o servicio de referencia	Qué cambia en el razonamiento
Quién llega	Personas de la comunidad, muchas al inicio de los síntomas	Personas filtradas por gravedad, persistencia o derivación	La probabilidad de partida es distinta
Frecuencia de enfermedad grave	Baja para la mayoría de las consultas	Alta para las consultas que motivaron la internación	El mismo síntoma tiene un peso distinto
Fase de la enfermedad	Inicial, con signos vagos e incompletos	Avanzada o ya definida	Los hallazgos clásicos aparecen menos
Problemas por persona	Varios al mismo tiempo, físicos y psicosociales	En general un problema principal	La consulta necesita leerse en contexto
Desempeño de los exámenes	Puede ser distinto del descrito en los estudios hospitalarios	Cercano al de los estudios hechos en el mismo escenario	Hay que saber dónde se validó el examen
Papel del tiempo	El retorno y la observación son herramientas viables	Decisiones más rápidas y más exámenes	Esperar con un plan puede ser una opción

El razonamiento formal sobre la probabilidad pretest y la tasa base está explicado en otros textos del blog, con el ejemplo del mismo examen en poblaciones distintas. El punto aquí es anterior al cálculo: saber en qué cuadro de la figura está la persona.

Espectro: el mismo examen en otra población

Suele enseñarse que la sensibilidad y la especificidad son propiedades fijas de un examen, mientras que los valores predictivos cambian con la prevalencia. La primera parte de la frase es una simplificación. Leeflang y colegas analizaron 23 metanálisis de exactitud diagnóstica, con 416 estudios en total, y encontraron variaciones de cero a 40 puntos porcentuales en la sensibilidad o en la especificidad entre los estudios de menor y de mayor prevalencia (Leeflang, 2013). La asociación con la prevalencia fue estadísticamente significativa en ocho de esos metanálisis.

La dirección más frecuente fue una especificidad menor cuando la prevalencia era mayor, sin efecto sistemático sobre la sensibilidad (Leeflang, 2013). Los autores proponen como mecanismo probable el espectro de los pacientes, es decir, las diferencias de gravedad de la enfermedad y de condiciones parecidas entre las poblaciones estudiadas. La recomendación práctica es usar la prevalencia como pista para elegir los estudios de exactitud que más se parecen al propio escenario.

Usher-Smith y colegas describen este efecto de espectro en exámenes de diagnóstico, tamizaje y predicción de riesgo (Usher-Smith, 2016). Un examen desarrollado en una población con prevalencia alta suele tener sensibilidad menor y especificidad mayor cuando se usa en una población de prevalencia baja. La enfermedad más grave es más fácil de detectar, lo que hace que el examen parezca mejor en las poblaciones donde predomina.

El diseño del estudio también cuenta. Un estudio que compara pacientes con enfermedad confirmada en el hospital con controles sanos de la comunidad reúne los dos extremos del espectro y tiende a sobreestimar la exactitud (Usher-Smith, 2016). El ejemplo dado por los autores es simple: una prueba de embarazo evaluada en una clínica prenatal no tendrá el mismo desempeño cuando se use en personas de la comunidad que todavía no saben si están embarazadas.

Para quien trabaja en atención primaria, esto genera tres preguntas antes de confiar en un número de exactitud:

• ¿Dónde se hizo el estudio y quiénes eran los pacientes incluidos?
• ¿Los pacientes tenían la misma fase y gravedad de enfermedad que suelo ver?
• ¿El grupo sin enfermedad incluía personas con otras condiciones que imitan la enfermedad buscada?

El post sobre cómo leer estudios de diagnóstico detalla estos puntos, y el texto sobre sensibilidad, especificidad y valores predictivos muestra cómo se combinan con la probabilidad de partida.

Dolor torácico: un ejemplo de escenario en la práctica

El dolor torácico es un buen ejemplo porque asusta en cualquier escenario. En urgencias, la preocupación dominante es el síndrome coronario agudo, y herramientas como el puntaje HEART se diseñaron para esa población. En atención primaria, la distribución de las causas es otra.

Una revisión sistemática con metanálisis reunió 11 estudios realizados en atención primaria, con cerca de 6.500 pacientes con dolor torácico (Haasenritter, 2015). El síndrome de la pared torácica representó entre un cuarto y la mitad de los casos, las causas respiratorias y las psicógenas cerca de uno de cada diez a casi uno de cada cinco cada una, y la enfermedad coronaria estable cerca de siete a 11 de cada cien (Haasenritter, 2015). El síndrome coronario agudo o el infarto quedaron entre uno y cuatro de cada cien pacientes (Haasenritter, 2015).

Los autores presentan estas cifras como probabilidades pretest útiles para el médico de familia. No dicen que el dolor torácico en atención primaria sea benigno. Dicen que el punto de partida es distinto del de urgencias, y que la evaluación debe tenerlo en cuenta en ambas direcciones.

En la práctica, esto se traduce en algunas posturas. La primera es reconocer que la causa más probable de dolor torácico en atención primaria suele ser musculoesquelética, sin descartar la posibilidad grave. La segunda es usar la historia y el examen para identificar quién está en el pequeño grupo de riesgo alto y necesita evaluación urgente. La tercera es evitar aplicar a quien está en la consulta herramientas y umbrales creados para urgencias sin saber si fueron validados en atención primaria. Y, cuando la evaluación inicial no muestra gravedad, acordar el retorno y orientar sobre los signos de alarma.

La historia clínica como primer instrumento es el principal recurso para ese cribado, sobre todo donde no hay pruebas disponibles en el momento.

Síntomas de alarma en atención primaria

Los síntomas de alarma son la otra cara de la misma moneda. Enseñados en el hospital como signos de enfermedad grave, aparecen con frecuencia en atención primaria en personas que no tienen cáncer. Jones y colegas usaron una gran base de datos de medicina general con 762.325 pacientes de 128 servicios para medir el valor predictivo positivo de síntomas de alarma registrados por primera vez (Jones, 2007).

En tres años, el valor predictivo de la hematuria para cáncer urinario fue de cerca de siete de cada cien hombres y de poco más de tres de cada cien mujeres (Jones, 2007). El sangrado rectal llegó a cerca de dos de cada cien pacientes para cáncer colorrectal (Jones, 2007). Los valores aumentaron con la edad y fueron más altos en los hombres; la hemoptisis en hombres de 75 a 84 años llegó a cerca de uno de cada seis (Jones, 2007).

Estas cifras son bajas si se comparan con la impresión de quien aprendió los síntomas en el hospital, donde quien tiene hemoptisis muchas veces ya llegó con una imagen alterada. Al mismo tiempo, son lo bastante altas para justificar la investigación en muchas situaciones, sobre todo en los grupos de mayor edad. Lo que muestra el estudio es que el valor de un síntoma depende de quién lo presenta y de dónde se evalúa.

Para el razonamiento, esto significa que un síntoma de alarma en atención primaria no equivale a un diagnóstico, pero cambia la probabilidad de forma importante. La edad, el sexo y la duración de los síntomas ajustan ese peso. El primer registro del síntoma es un momento decisivo para decidir investigar, seguir o derivar, y un plan de retorno forma parte de la respuesta cuando la investigación inicial es negativa.

Síntomas comunes y qué ocurre con ellos

La mayoría de las consultas en atención primaria comienza con un síntoma físico, y buena parte de esos síntomas no lleva a un diagnóstico definido. Jackson y Passamonti siguieron a 500 pacientes consecutivos que acudieron a un ambulatorio de medicina interna con una queja física y los reevaluaron en varias etapas hasta cinco años después (Jackson, 2005).

En cinco años, cerca de cuatro de cada cinco pacientes informaron mejoría, poco más de la mitad tuvo el síntoma resuelto y cerca de un tercio de los síntomas permaneció sin explicación médica (Jackson, 2005). La mayoría de las personas con síntomas sin explicación no tenía trastorno mental, y los trastornos del estado de ánimo o de ansiedad no se asociaron ni con la falta de explicación ni con una peor evolución. Peor función, síntoma de mayor duración en la primera consulta, preocupación por la enfermedad y ausencia de resolución en tres meses se asociaron con menor probabilidad de mejoría (Jackson, 2005).

Estos hallazgos tienen dos consecuencias. La primera es que el tiempo es un aliado del diagnóstico en la atención primaria: muchos síntomas se resuelven, y los que persisten o cambian de carácter se vuelven más informativos. La segunda es que un síntoma sin explicación no es sinónimo de causa psicológica, y etiquetar a la persona de esa forma puede cerrar demasiado pronto la investigación de algo que todavía puede aparecer. La incertidumbre diagnóstica es, por lo tanto, una condición normal de este escenario, y no una señal de falla.

Qué cambia esto en el razonamiento del clínico

Llevar a la puerta de entrada el razonamiento calibrado en el hospital tiene un costo. Los exámenes pedidos para descartar enfermedades improbables generan resultados falsamente positivos, nuevos exámenes y, a veces, tratamientos de hallazgos que nunca causarían problema. El texto sobre cómo el daño del sobrediagnóstico llega al paciente describe esa cascada, y la entrada sobre exámenes y conductas de bajo valor muestra cómo reconocerlos.

El error opuesto también existe. La atención primaria ve tantos cuadros benignos que la mirada puede acostumbrarse y dejar pasar lo raro. Las heurísticas clásicas, como disponibilidad y representatividad, funcionan bien la mayor parte del tiempo y fallan justamente en las presentaciones atípicas. La ecología del cuidado no autoriza a bajar la guardia; ayuda a decidir dónde ponerla.

El mismo razonamiento vale para las herramientas digitales. Los verificadores de síntomas y los algoritmos entrenados con datos hospitalarios o con viñetas pueden tener un desempeño diferente cuando se usan con pacientes de carne y hueso en la comunidad. La pregunta sobre dónde se validó la herramienta es la misma que se hace para cualquier examen.

Algunas prácticas ayudan a aplicar la ecología del cuidado en el día a día:

• Preguntar, ante cada cifra de exactitud o de riesgo, en qué población se midió.
• Estimar la probabilidad inicial a partir del escenario y de la persona, antes de pedir exámenes.
• Separar las pocas señales que exigen acción inmediata de las muchas que permiten observar.
• Usar el retorno programado como parte del razonamiento, con criterios claros para reevaluar.
• Registrar en la historia clínica lo que se consideró y por qué se decidió investigar o esperar.

Preguntas frecuentes

¿Qué es la ecología del cuidado?

Es el estudio de cómo las personas de una población enferman, buscan ayuda y usan los distintos niveles del sistema de salud en un período. El modelo clásico muestra que la mayoría de los problemas nunca llega al hospital (Spinelli, 2023).

¿Siguen vigentes las cifras del cuadrado de White?

Las cifras exactas varían con el lugar, la época y la organización del sistema. La forma general, con muchas personas con problemas, menos consultando y pocas internadas, se repite en estudios de casi un siglo (Spinelli, 2023).

¿La sensibilidad y la especificidad no son fijas?

No siempre. En varios metaanálisis, variaron según la prevalencia, probablemente por diferencias en el espectro de la enfermedad entre las poblaciones estudiadas (Leeflang, 2013). Por eso vale la pena buscar estudios hechos en un escenario parecido al suyo.

¿El dolor torácico en la atención primaria es casi siempre benigno?

Las causas más comunes son musculoesqueléticas, respiratorias y psicógenas, y el síndrome coronario agudo es poco frecuente en este escenario (Haasenritter, 2015). Poco frecuente no es ausente, y la evaluación inicial sirve justamente para encontrar a quien necesita cuidado urgente.

¿Un síntoma sin explicación significa causa emocional?

No necesariamente. En un seguimiento de cinco años, la mayoría de las personas con síntomas sin explicación médica no tenía trastorno mental (Jackson, 2005).

¿Este texto orienta la conducta individual?

No. Explica un concepto de la atención primaria y la evidencia sobre él, y no sustituye la evaluación clínica de cada paciente.

Lista de verificación final

• Recuerde en qué punto del cuadrado de White está la persona que tiene delante.
• Estime la probabilidad inicial con base en el escenario, antes de pensar en exámenes.
• Verifique dónde se validó el examen, la puntuación o la herramienta que pretende usar.
• Desconfíe de la exactitud proveniente de estudios que comparan pacientes del hospital con personas sanas de la comunidad.
• Trate los síntomas de alarma como un cambio de probabilidad, ajustado por edad y sexo.
• Use el retorno programado y la orientación sobre signos de alerta como parte del plan.
• No confunda un síntoma sin explicación con una causa emocional.
• Registre el razonamiento y los criterios para reevaluar.

Referencias

1. Fryer GE Jr, Green LA, Dovey SM, Yawn BP, Phillips RL, Lanier D. Variation in the ecology of medical care. Ann Fam Med. 2003. PMID 15040437. DOI 10.1370/afm.52.
2. Haasenritter J, Biroga T, Keunecke C, et al. Causes of chest pain in primary care: a systematic review and meta-analysis. Croat Med J. 2015. PMID 26526879. DOI 10.3325/cmj.2015.56.422.
3. Hoffmann K, Ristl R, George A, Maier M, Pichlhöfer O. The ecology of medical care: access points to the health care system in Austria and other developed countries. Scand J Prim Health Care. 2019. PMID 31512566. DOI 10.1080/02813432.2019.1663593.
4. Jackson JL, Passamonti M. The outcomes among patients presenting in primary care with a physical symptom at 5 years. J Gen Intern Med. 2005. PMID 16307629. DOI 10.1111/j.1525-1497.2005.0241.x.
5. Johansen ME, Richardson CR. The ecology of medical care before and after the Affordable Care Act: trends from 2002 to 2016. Ann Fam Med. 2019. PMID 31712291. DOI 10.1370/afm.2462.
6. Jones R, Latinovic R, Charlton J, Gulliford MC. Alarm symptoms in early diagnosis of cancer in primary care: cohort study using General Practice Research Database. BMJ. 2007. PMID 17493982. DOI 10.1136/bmj.39171.637106.AE.
7. Leeflang MM, Rutjes AW, Reitsma JB, Hooft L, Bossuyt PM. Variation of a test's sensitivity and specificity with disease prevalence. CMAJ. 2013. PMID 23798453. DOI 10.1503/cmaj.121286.
8. McAlister FA, Tonelli M, Wiebe N, et al. The ecology of medical care for adults in Alberta, 2002/03 to 2016/17: a retrospective cohort study. CMAJ Open. 2020. PMID 32184280. DOI 10.9778/cmajo.20190188.
9. Spinelli H, Trotta A, Martinovich V, Alazraqui M. Studies on the ecology of medical care: a comparative analysis in historical perspective, 1928-2018. Salud Colect. 2023. PMID 38006657. DOI 10.18294/sc.2023.4549.
10. Starfield B, Shi L, Macinko J. Contribution of primary care to health systems and health. Milbank Q. 2005. PMID 16202000. DOI 10.1111/j.1468-0009.2005.00409.x.
11. Usher-Smith JA, Sharp SJ, Griffin SJ. The spectrum effect in tests for risk prediction, screening, and diagnosis. BMJ. 2016. PMID 27334281. DOI 10.1136/bmj.i3139.