Sesgo implícito en el diagnóstico: género, raza y edad

Son las dos de la mañana y llegan, con diez minutos de diferencia, dos personas con dolor en el pecho. Un hombre de 58 años, que aprieta el esternón con la mano cerrada, y una mujer de la misma edad, que habla de cansancio, náuseas y una presión difícil de describir. Los dos tienen hipertensión y fuman. El residente pide el electrocardiograma del hombre antes de terminar la anamnesis. Para la mujer, la primera hipótesis que escribe es ansiedad. Nadie allí se considera prejuicioso, y tal vez nadie lo sea en el sentido común de la palabra. Pero algo, antes de cualquier razonamiento consciente, dio más peso a uno de los dos cuadros.

Ese algo tiene nombre: sesgo implícito. Son asociaciones automáticas que todos cargamos sobre grupos de personas y que pueden cambiar, sin que nos demos cuenta, la forma en que interpretamos los datos de un paciente. Esta guía explica qué es el sesgo implícito, cómo se mide, qué encontraron las revisiones entre profesionales de la salud, cómo aparece en relación con género, raza y edad y qué funciona, o no, para reducir su efecto en el razonamiento clínico.

Puntos principales

• El sesgo implícito es una asociación automática, fuera de la conciencia, que lleva a evaluar a una persona por características irrelevantes para el caso, como raza o género.
• Revisiones sistemáticas encontraron sesgo implícito en profesionales de la salud en niveles similares a los de la población general.
• La relación entre la medida de sesgo y la decisión clínica es menos consistente de lo que se suele decir: algunos estudios encuentran asociación, otros no.
• En estudios con pacientes simulados y viñetas, raza, sexo y edad cambiaron la probabilidad estimada de enfermedad y las recomendaciones de examen y tratamiento.
• Los entrenamientos cortos cambian poco el comportamiento. Lo que más ayuda es un proceso que obliga a mirar los datos de cada paciente antes del grupo al que pertenece.

Qué es el sesgo implícito

Asociaciones que actúan antes del razonamiento

El sesgo implícito es el nombre que se da a asociaciones que funcionan fuera de la conciencia y que llevan a evaluar a una persona de forma negativa con base en características irrelevantes, como raza o género (FitzGerald y Hurst, 2017). Los estereotipos culturales no necesitan ser aceptados de forma consciente para influir en el modo en que se procesa la información sobre una persona (Chapman et al., 2013).

En la práctica clínica, esto significa que dos pacientes con los mismos datos pueden recibir interpretaciones diferentes. Un síntoma puede parecer más probable, más grave o más "emocional" según quién lo describa.

Distinto del prejuicio explícito

El prejuicio explícito es una creencia que la persona reconoce y declara. El sesgo implícito puede existir en quien rechaza sinceramente cualquier discriminación. En un estudio con residentes, los médicos no relataron ninguna preferencia explícita entre pacientes blancos y negros, pero las pruebas de asociación mostraron una preferencia implícita por pacientes blancos (Green et al., 2007). Esa separación entre lo que se declara y lo que se mide es el centro del problema.

Por qué entra en el razonamiento clínico

El razonamiento clínico depende de reconocer patrones, y los patrones se construyen a partir de grupos: "dolor torácico en hombre fumador", "cansancio en anciana". Es una herramienta útil cuando el grupo de hecho cambia la probabilidad de la enfermedad. El problema empieza cuando el grupo pasa a pesar más que los datos del paciente, o cuando la asociación aprendida no corresponde a la epidemiología real. La guía de ejemplos de heurísticas en el razonamiento clínico muestra cuándo esos atajos ayudan y cuándo estorban.

Lo que este texto no es

Este texto trata del efecto del sesgo sobre el diagnóstico y la decisión clínica. Las desigualdades de acceso, de sistema y de sociedad son mayores que el razonamiento de cada médico, y no caben aquí. Importan, pero exigen otras respuestas además de las que un estudiante puede entrenar solo.

Cómo se mide el sesgo implícito

La prueba de asociación implícita

La herramienta más usada es el test de asociación implícita, o IAT. Mide el tiempo de reacción al asociar conceptos, como rostros de grupos diferentes y palabras positivas o negativas. Diferencias pequeñas de tiempo, sumadas a lo largo de muchos intentos, generan una puntuación de asociación automática. En una revisión de estudios hechos entre 2003 y 2013, 17 artículos usaron una medida implícita, 15 de ellos con el IAT (FitzGerald y Hurst, 2017).

Viñetas y pacientes simulados

El segundo método son viñetas clínicas idénticas en las que solo cambia una característica del paciente, como raza, sexo o edad. La misma revisión incluyó 25 artículos con ese diseño, que no aísla la actitud implícita, pero es aceptado por los investigadores del área como forma de detectar la posible presencia del sesgo (FitzGerald y Hurst, 2017). Algunos estudios usan actores o videos, lo que acerca la situación a una consulta real.

Los límites de la medida

Una revisión sistemática con médicos de urgencias criticó el uso predominante de viñetas y concluyó que, aunque la preferencia implícita por personas blancas era común, la evidencia de que cambia la decisión clínica era limitada y de baja calidad (Dehon et al., 2017). Eso no quiere decir que el sesgo no importe, sino que la puntuación en un test no prevé, por sí sola, lo que un médico va a hacer con un paciente.

Lo que muestran las revisiones

Los profesionales de la salud tienen sesgo como todo el mundo

En una revisión de 42 artículos, 35 encontraron evidencia de sesgo implícito en profesionales de la salud, y todos los estudios que buscaron correlación hallaron relación entre más sesgo y peor calidad del cuidado (FitzGerald y Hurst, 2017). Los autores concluyeron que esos profesionales presentan los mismos niveles de sesgo implícito que la población general (FitzGerald y Hurst, 2017).

Raza y etnia

Una revisión de 15 estudios encontró niveles bajos a moderados de sesgo implícito racial o étnico en profesionales de la salud en todos, menos uno (Hall et al., 2015). El sesgo estuvo asociado de forma significativa a la interacción entre profesional y paciente, a decisiones de tratamiento, a la adherencia y a desenlaces de salud, aunque algunas asociaciones no fueron significativas (Hall et al., 2015).

Otra revisión, con 37 estudios que usaron el IAT, encontró sesgo contra personas negras, hispanas, indígenas o de piel oscura en 31 de ellos (Maina et al., 2018). De los 14 que probaron la relación con el cuidado en viñetas o pacientes simulados, 8 no hallaron asociación significativa y 6 la hallaron (Maina et al., 2018). Los 7 que observaron consultas reales encontraron peor comunicación entre profesionales con sesgo más fuerte y sus pacientes (Maina et al., 2018).

El tamaño del efecto en la formación médica

Un metaanálisis de 29 estudios con el IAT estimó un sesgo implícito racial pequeño, pero presente, tanto en médicos como en estudiantes de medicina (Ahadinezhad et al., 2022). Pequeño no quiere decir irrelevante: un efecto pequeño repetido en miles de decisiones por año cambia el cuidado de mucha gente.

Un resumen de la evidencia

Fuente	Qué reunió	Qué encontró
FitzGerald y Hurst, 2017	42 artículos con profesionales de la salud	Sesgo en 35 de ellos; niveles semejantes a los de la población general
Hall et al., 2015	15 estudios sobre raza y etnia	Sesgo bajo a moderado en casi todos; asociación con interacción y tratamiento en parte de ellos
Maina et al., 2018	37 estudios con el IAT	Sesgo en 31; asociación con el cuidado en 6 de 14 estudios con viñetas
Dehon et al., 2017	9 estudios con médicos	Preferencia implícita común; relación con la decisión en 2, de baja calidad
Ahadinezhad et al., 2022	29 estudios con el IAT	Sesgo racial pequeño en médicos y estudiantes

Cada fila trae el enlace de la revisión de donde vienen los números.

Género en el diagnóstico

Dolor torácico y probabilidad estimada

Un estudio clásico usó actores que representaban pacientes con dolor torácico en entrevistas grabadas, con guiones iguales y cambiando raza, sexo y edad (Schulman et al., 1999). Participaron 720 médicos de atención primaria. La probabilidad estimada de enfermedad coronaria fue menor para mujeres, 64,1%, que para hombres, 69,2% (Schulman et al., 1999).

Incluso controlando por la probabilidad estimada, el tipo de dolor y el resultado de la prueba de esfuerzo, las mujeres tuvieron menos probabilidad de ser derivadas a cateterismo, con una razón de probabilidades de 0,60 (Schulman et al., 1999). La escena inicial de este texto es ficticia, pero el patrón que describe tiene base en ese tipo de estudio.

Dolor subestimado

En tres estudios con 532 participantes que vieron videos de personas reales con dolor, los observadores subestimaron más el dolor de mujeres negras y de otras etnias no blancas que el de cualquier otro grupo (Ruben y Stosic, 2024). La intersección de género y raza pesó más que cada característica por separado.

Cuando lo "emocional" cierra el caso

En la práctica, el sesgo de género muchas veces aparece como una explicación psicológica dada demasiado pronto. La ansiedad, el estrés y la somatización son diagnósticos reales, pero cuando surgen como primera hipótesis antes de descartar causas orgánicas graves, se convierten en una forma de cierre prematuro. La guía de sesgo afectivo trata de cuándo la emoción del médico entra en la decisión; aquí el riesgo es la emoción atribuida a la paciente.

Raza en el diagnóstico

Trombólisis y preferencia implícita

El primer estudio que midió el sesgo implícito de médicos y comprobó si predecía una decisión clínica usó una viñeta de síndrome coronario agudo, con la raza del paciente asignada al azar, aplicada a 287 residentes de medicina interna y de urgencias (Green et al., 2007). Cuanto mayor la preferencia implícita por personas blancas, mayor la probabilidad de indicar trombólisis para el paciente blanco y no para el paciente negro (Green et al., 2007).

En el estudio con actores, los pacientes negros también tuvieron menos probabilidad de ser derivados a cateterismo, con una razón de probabilidades de 0,60, y las mujeres negras tuvieron aún menos probabilidad que los hombres blancos (Schulman et al., 1999).

Creencias falsas sobre el cuerpo

Un estudio con estudiantes de medicina y residentes blancos encontró que la mitad de ellos aceptaba al menos una creencia falsa sobre diferencias biológicas entre negros y blancos, como la de que la piel de las personas negras sería más gruesa (Hoffman et al., 2016). Quienes aceptaban esas creencias evaluaron el dolor del paciente negro como menor e hicieron recomendaciones de tratamiento menos precisas (Hoffman et al., 2016). Este es un sesgo que se corrige con conocimiento: las creencias falsas aprendidas deben desaprenderse.

Cuando el sesgo está en el instrumento

Parte del sesgo vive en el propio equipo, fuera de la cabeza del médico. En un estudio con más de 30 mil pares de lecturas de oximetría de pulso y gasometría arterial en pacientes hospitalizados, la hipoxemia oculta, aquella que la gasometría detecta y el oxímetro no, fue más frecuente en pacientes negros: 19,6% frente a 15,6% en pacientes blancos con saturación de pulso igual o superior a 92% (Valbuena et al., 2022). Saber esto cambia el razonamiento: un número tranquilizador puede merecer verificación cuando el cuadro no coincide.

Edad en el diagnóstico

El edadismo y la salud

Una revisión sistemática que reunió estudios de 45 países encontró que el edadismo estuvo ligado a peores desenlaces de salud en el 95,5% de los estudios (Chang et al., 2020). El efecto apareció independientemente de la edad, el sexo y la raza de quien practicaba el edadismo (Chang et al., 2020), lo que incluye a profesionales jóvenes y también a los mayores.

"Es por la edad"

La forma más común de edadismo en el razonamiento clínico es atribuir un síntoma nuevo al envejecimiento. Un ensayo reciente describe a una paciente de 72 años cuyos síntomas fueron tratados como envejecimiento normal y cuyo cáncer se diagnosticó tarde (Cheung, 2026). El texto señala el anclaje en la edad, en lugar de la evaluación individual, como el mecanismo del error (Cheung, 2026).

La edad también cambia la probabilidad

La edad es un dato clínico legítimo: cambia la probabilidad de muchas enfermedades. En el estudio de los actores, la probabilidad estimada de enfermedad coronaria fue menor para pacientes de 55 años que para los de 70 (Schulman et al., 1999), lo que tiene sentido epidemiológico. La pregunta no es si la edad debe entrar en el razonamiento, sino si está sustituyendo los otros datos. La guía sobre tasa básica en el diagnóstico explica cómo usar la prevalencia sin dejar que cierre el caso.

Señales de que la edad pesó demasiado

Algunas frases en la historia clínica o en la discusión del caso suelen indicar que el grupo etario ocupó el lugar de la evaluación individual. Conviene detenerse cuando te encuentras escribiendo o escuchando:

• "Normal para la edad", sin comparación con el estado anterior de la propia persona.
• "Paciente anciano, confuso", sin registro de cómo estaba antes del cuadro actual.
• "No vale la pena investigar", decidido antes de conversar con el paciente sobre lo que él quiere.
• "Siempre fue así", dicho por quien conoce al paciente desde hace poco tiempo.
• "Dolor crónico de la edad", para un dolor que comenzó hace pocos días.

Cada una de esas frases puede ser correcta. Solo no pueden sustituir la pregunta central: ¿qué cambió en esta persona, y qué explica ese cambio? Recoger la historia con atención a lo que es nuevo para el paciente es el primer paso, y la guía sobre signos, síntomas e historia muestra cómo organizar esa recolección. Del otro lado, también existe el error opuesto: investigar de forma agresiva, sin conversar, un cuadro que la persona y la familia preferirían acompañar de cerca. Individualizar vale en ambos sentidos.

Qué hacer con el propio sesgo

Qué logran los entrenamientos cortos

Un metaanálisis de 492 estudios sobre procedimientos para cambiar medidas implícitas encontró que esas medidas pueden cambiar, pero con efectos generalmente débiles y de corto plazo (Forscher et al., 2019). Más importante: los cambios en las medidas implícitas no se tradujeron en cambios de comportamiento (Forscher et al., 2019). Hacer un test, descubrir que se tiene sesgo y asistir a una charla ayuda poco en el siguiente turno.

Qué parece ayudar más

Dos estrategias aparecen con más frecuencia en la literatura sobre médicos: tomar de forma consciente la perspectiva del paciente y centrarse de forma intencional en la información individual de este, separada del grupo social al que pertenece (Chapman et al., 2013). En un estudio con observadores de videos de dolor, una intervención basada en práctica con retroalimentación inmediata redujo el sesgo en la evaluación del dolor más que los entrenamientos de concientización (Ruben y Stosic, 2024).

Preguntas de control en la consulta

Una forma práctica de individualizar es usar preguntas fijas en momentos de decisión. La tabla de abajo es una propuesta editorial, sin prueba formal, basada en las estrategias descritas arriba.

Momento	Pregunta	Qué protege
Primera hipótesis	¿Escribiría la misma hipótesis si este paciente fuera de otro sexo, raza o edad?	Cierre prematuro por el grupo
Explicación psicológica	¿Ya descarté las causas orgánicas graves con los datos que tengo?	Diagnóstico emocional demasiado temprano
Síntoma atribuido a la edad	¿Este síntoma es nuevo para esta persona, o solo común en el grupo de edad?	"Es de la edad"
Dolor	¿Estoy evaluando el dolor por el relato y por el examen, o por la expresión?	Dolor subestimado
Número tranquilizador	¿El aparato tiene una limitación conocida en este paciente?	Sesgo del instrumento

Hábitos para el día a día

• Escribe la hipótesis principal y dos alternativas antes de pensar en el "perfil" del paciente.
• Enumera los datos que sustentan la hipótesis, y no las características del grupo.
• Cuando la hipótesis sea psicológica, registra lo que se descartó antes.
• Pide a un colega que lea el caso sin la información demográfica cuando tengas dudas.
• Revisa tus casos de error buscando patrones: ¿los pacientes mal evaluados se parecían entre sí?

En la formación

Los estudiantes llegan al internado con asociaciones ya formadas por libros, clases y casos de examen, muchos de ellos con el "paciente típico" siempre del mismo perfil. El texto sobre currículo oculto en medicina muestra cómo lo que se aprende fuera de la clase moldea el comportamiento. Variar el perfil de los pacientes en los casos de estudio es una forma simple de no reforzar esas asociaciones.

Cómo NEXO ayuda a razonar a partir de los datos

Pistas antes del perfil

En NEXO, cada caso llega en hasta seis pistas progresivas, y la hipótesis recibe retroalimentación por proximidad en la CIE-10 en cinco niveles. Son casos ficticios con presentación clínica real. Este formato invita a razonar a partir de los datos que aparecen en cada pista y a registrar qué te hizo cambiar o mantener la hipótesis.

Revisar el propio patrón

Al revisar los casos en los que te equivocaste, conviene mirar el perfil del paciente ficticio y preguntarte si influyó en la hipótesis. La distribución de aciertos por pista, en la pantalla inicial, muestra en qué punto del caso sueles llegar al diagnóstico. Si notas que te equivocas más en ciertos tipos de presentación, ese es un punto de estudio. Para conocer el juego, lee qué es NEXO. Los límites de uso están en economía de NEXO.

Para investigar y escribir casos

Si estudias el sesgo en el razonamiento clínico, la página de Researcher explica cómo participar. Quien escribe o revisa casos puede conocer la curaduría. La diversidad de perfiles en los casos es un tema que cabe en esa revisión.

Preguntas frecuentes

¿Qué es el sesgo implícito en la medicina?

Es una asociación automática, fuera de la conciencia, que puede llevar al profesional a evaluar a un paciente de forma diferente por características como raza, género o edad, sin que se dé cuenta (FitzGerald y Hurst, 2017).

¿Tener sesgo implícito significa ser prejuicioso?

Significa tener asociaciones que todos aprenden en el entorno en que viven. Médicos que no relataban preferencia explícita mostraron preferencia implícita en el test (Green et al., 2007). Lo que importa es lo que haces para que esas asociaciones no decidan por el paciente.

¿El test de asociación implícita predice lo que hará el médico?

Predice poco y de forma inconsistente. En una revisión, 6 de 14 estudios con viñetas o pacientes simulados hallaron asociación entre el sesgo medido y la atención (Maina et al., 2018), y otra revisión consideró esa evidencia de baja calidad (Dehon et al., 2017).

¿Funciona el entrenamiento contra el sesgo?

Los entrenamientos cortos cambian poco las medidas implícitas y casi nada el comportamiento (Forscher et al., 2019). Las prácticas que obligan a centrarse en los datos individuales del paciente y el entrenamiento con retroalimentación inmediata parecen más prometedores (Chapman et al., 2013; Ruben y Stosic, 2024).

¿La edad del paciente no debería entrar en el razonamiento?

Debe entrar, porque cambia la probabilidad de muchas enfermedades. El problema es cuando la edad sustituye la evaluación individual y un síntoma nuevo se atribuye al envejecimiento sin investigación (Cheung, 2026).

¿Cómo se relaciona NEXO con el sesgo implícito?

NEXO presenta casos ficticios en hasta seis pistas, lo que permite entrenar el hábito de razonar a partir de los datos de cada pista y revisar después los propios errores. Ningún estudio citado aquí mide NEXO.

Lista de verificación del sesgo implícito

1. Escribe la hipótesis y dos alternativas antes de pensar en el perfil del paciente.
2. Enumera los datos que sustentan la hipótesis, y no las características del grupo.
3. Pregúntate si escribirías la misma hipótesis para un paciente de otro sexo, raza o edad.
4. Descarta las causas graves antes de registrar una explicación psicológica.
5. Trata el síntoma nuevo como nuevo, aunque sea común en el grupo de edad.
6. Evalúa el dolor por el relato y por el examen, con la misma escala para todos.
7. Revisa los números tranquilizadores cuando el cuadro no concuerda con ellos.
8. Corrige creencias falsas sobre diferencias biológicas siempre que las encuentres.
9. Revisa tus errores buscando patrones de perfil entre los pacientes mal evaluados.
10. Varía el perfil de los pacientes en los casos que estudias.

¿Quieres entrenar el razonamiento a partir de los datos de cada pista? Juega el caso del día en NEXO.

Referencias

1. FitzGerald C, Hurst S. Implicit bias in healthcare professionals: a systematic review. BMC Med Ethics. 2017. https://pubmed.ncbi.nlm.nih.gov/28249596/
2. Hall WJ, Chapman MV, Lee KM, Merino YM, Thomas TW, Payne BK, et al. Implicit Racial/Ethnic Bias Among Health Care Professionals and Its Influence on Health Care Outcomes: A Systematic Review. Am J Public Health. 2015. https://pubmed.ncbi.nlm.nih.gov/26469668/
3. Maina IW, Belton TD, Ginzberg S, Singh A, Johnson TJ. A decade of studying implicit racial/ethnic bias in healthcare providers using the implicit association test. Soc Sci Med. 2018. https://pubmed.ncbi.nlm.nih.gov/28532892/
4. Dehon E, Weiss N, Jones J, Faulconer W, Hinton E, Sterling S. A Systematic Review of the Impact of Physician Implicit Racial Bias on Clinical Decision Making. Acad Emerg Med. 2017. https://pubmed.ncbi.nlm.nih.gov/28472533/
5. Ahadinezhad B, Khosravizadeh O, Maleki A, Hashtroodi A. Implicit racial bias among medical graduates and students by an IAT measure: a systematic review and meta-analysis. Ir J Med Sci. 2022. https://pubmed.ncbi.nlm.nih.gov/34495481/
6. Chapman EN, Kaatz A, Carnes M. Physicians and implicit bias: how doctors may unwittingly perpetuate health care disparities. J Gen Intern Med. 2013. https://pubmed.ncbi.nlm.nih.gov/23576243/
7. Green AR, Carney DR, Pallin DJ, Ngo LH, Raymond KL, Iezzoni LI, et al. Implicit bias among physicians and its prediction of thrombolysis decisions for black and white patients. J Gen Intern Med. 2007. https://pubmed.ncbi.nlm.nih.gov/17594129/
8. Schulman KA, Berlin JA, Harless W, Kerner JF, Sistrunk S, Gersh BJ, et al. The effect of race and sex on physicians' recommendations for cardiac catheterization. N Engl J Med. 1999. https://pubmed.ncbi.nlm.nih.gov/10029647/
9. Hoffman KM, Trawalter S, Axt JR, Oliver MN. Racial bias in pain assessment and treatment recommendations, and false beliefs about biological differences between blacks and whites. Proc Natl Acad Sci U S A. 2016. https://pubmed.ncbi.nlm.nih.gov/27044069/
10. Ruben MA, Stosic MD. Documenting Race and Gender Biases in Pain Assessment and a Novel Intervention Designed to Reduce Biases. J Pain. 2024. https://pubmed.ncbi.nlm.nih.gov/38692397/
11. Valbuena VSM, Seelye S, Sjoding MW, Valley TS, Dickson RP, Gay SE, et al. Racial bias and reproducibility in pulse oximetry among medical and surgical inpatients in general care in the Veterans Health Administration 2013-19: multicenter, retrospective cohort study. BMJ. 2022. https://pubmed.ncbi.nlm.nih.gov/35793817/
12. Chang ES, Kannoth S, Levy S, Wang SY, Lee JE, Levy BR. Global reach of ageism on older persons' health: A systematic review. PLoS One. 2020. https://pubmed.ncbi.nlm.nih.gov/31940338/
13. Cheung K. The Silent Threat to Clinical Excellence: Ageism in Medicine. J Gen Intern Med. 2026. https://pubmed.ncbi.nlm.nih.gov/41239116/
14. Forscher PS, Lai CK, Axt JR, Ebersole CR, Herman M, Devine PG, et al. A meta-analysis of procedures to change implicit measures. J Pers Soc Psychol. 2019. https://pubmed.ncbi.nlm.nih.gov/31192631/