Estratificación de pacientes

La estratificación es necesaria cuando una población es heterogénea en varias dimensiones a la vez y clasificar por una sola variable, ya sea la edad, un diagnóstico o un score, no captura los perfiles reales que conviven en ella. Aplica cuando se quiere diseñar respuestas diferenciadas para grupos de pacientes con necesidades asistenciales similares, en lugar de aplicar un protocolo uniforme a una población que no lo es. Clasificar por un único criterio agrupa a pacientes que se parecen en esa variable pero difieren en todo lo demás; la estratificación combina variables clínicas, comorbilidades y utilización de recursos para identificar subgrupos internamente homogéneos. Tratar poblaciones heterogéneas con protocolos demasiado uniformes puede desaprovechar recursos y dejar necesidades específicas peor cubiertas. La estratificación aporta una base cuantitativa para priorizar esfuerzos según perfiles clínicos, complejidad o utilización de recursos.

Se necesitan variables clínicas, de comorbilidad y de utilización de recursos de la población que se quiere segmentar, con suficiente completitud y cobertura para que los perfiles identificados sean interpretables y no reflejen solo patrones de registro o de ausencia de datos. El cliente aporta estos datos; el servicio selecciona y codifica las variables, segmenta, valida e interpreta los perfiles. La selección y codificación de las variables que alimentan el modelo es un paso especialmente sensible: el resultado de una segmentación depende directamente de qué variables entran y de cómo se representan, más que de la técnica concreta de clustering. También se revisa si las variables disponibles representan de forma equilibrada las dimensiones clínicas, sociales y de utilización relevantes, porque una segmentación solo puede encontrar los perfiles que los datos permiten observar. No es imprescindible que la base llegue depurada, pero conviene tener claro qué dimensiones de la población deben influir en los perfiles, porque esa decisión condiciona todo el resultado.

No hay un número de perfiles objetivamente correcto: el número de grupos es una decisión metodológica informada, no un dato que los datos revelen por sí solos. Aplica a cualquier segmentación mediante clustering no supervisado, donde, a diferencia de un modelo predictivo con un desenlace conocido, no existe una respuesta externa contra la que validar. La elección del número de grupos combina criterios estadísticos de cohesión y separación con un requisito que pesa igual: que los perfiles resultantes tengan sentido clínico y sean distinguibles en la práctica. La decisión puede apoyarse en índices de validez interna, estabilidad de soluciones y revisión clínica de la interpretabilidad de cada perfil. Un número alto de clusters puede ajustar mejor los datos y resultar inservible en la consulta; uno demasiado bajo puede diluir diferencias clínicamente relevantes. El objetivo no es el número que optimiza un índice, sino el que produce perfiles que el equipo clínico reconoce y puede manejar de forma diferenciada.

Un perfil es más creíble cuando se mantiene al cambiar razonablemente los datos, los parámetros o el periodo de validación, no cuando aparece una sola vez en un análisis concreto. Aplica a toda estratificación, porque las técnicas de clustering siempre devuelven grupos, incluso cuando no hay estructura real que segmentar: el algoritmo particiona aunque la población sea homogénea. Por eso la validación es el núcleo del trabajo, no un añadido. Se evalúa la estabilidad de los clusters mediante análisis de sensibilidad, es decir, comprobando si los perfiles persisten al variar parámetros o submuestras, y se busca validación externa en cohortes independientes o periodos temporales distintos. Un perfil que se reproduce en datos nuevos es un hallazgo; uno que solo aparece en el conjunto donde se descubrió debe interpretarse con cautela, porque puede depender del método, de la muestra o de la codificación de variables. La estabilidad y la reproducibilidad son lo que separa una tipología útil de una partición arbitraria.

Un perfil es clínicamente accionable cuando, además de ser estadísticamente sólido, tiene una interpretación clínica clara y es útil para una decisión asistencial distinta de la de otros perfiles. Aplica como criterio de calidad de toda segmentación destinada a uso clínico: un cluster matemáticamente correcto pero sin lectura clínica no sirve para decidir nada. Por eso cada perfil se interpreta en términos clínicos, atendiendo a qué caracteriza a esos pacientes y en qué se diferencian de los demás, y no se entrega como una etiqueta numérica. La diferencia es la que hay entre "el grupo 3" y "pacientes pluripatológicos con alta utilización y fragilidad social", que sí puede orientar una decisión de seguimiento, priorización o asignación de recursos. Un perfil no debería convertirse en etiqueta fija del paciente: describe un patrón útil en una población y debe revisarse si cambian los datos, los criterios de inclusión o el contexto asistencial. El servicio identifica, valida e interpreta los perfiles; la respuesta asistencial concreta para cada uno la define el equipo clínico, que es quien conoce el contexto y los recursos.

No. El servicio identifica y valida los perfiles, los interpreta clínicamente y aporta la evidencia para que el equipo asistencial diseñe sus care pathways, rutas asistenciales o protocolos diferenciados; el diseño del care pathway corresponde al hospital. La distinción es deliberada: definir una ruta asistencial implica conocer los circuitos, los recursos y las restricciones del centro, algo propio del equipo clínico, no del analista. Lo que el servicio aporta es la base sobre la que se construye esa diferenciación: qué perfiles existen, qué los caracteriza y, cuando procede, el análisis de la adherencia a las rutas y de los factores asociados a la desviación. Esta separación protege al cliente: una ruta diseñada sin el conocimiento operativo del servicio rara vez es aplicable. El servicio aporta un mapa de perfiles validado metodológicamente e interpretado clínicamente; la ruta asistencial la diseña y la implanta quien conoce el terreno.

El desarrollo de modelos de estratificación agrupa a una población en perfiles o niveles de riesgo para organizar el manejo y la asignación de recursos: responde "qué perfiles o niveles de manejo existen en esta población". El análisis predictivo de riesgo estima la probabilidad de un evento concreto y futuro en cada paciente, sea el deterioro, la readmisión o la mortalidad, en una ventana temporal definida: responde "qué probabilidad tiene este paciente de presentar este evento". No responden a la misma pregunta: la estratificación organiza una población en perfiles interpretables y útiles para planificar manejo o recursos; la predicción cuantifica un riesgo individual. Pueden combinarse, ya que una predicción de riesgo puede alimentar una estratificación o un estrato puede activar un modelo predictivo específico, pero uno ordena la población por perfiles de manejo y el otro anticipa un evento en el individuo.

La estratificación se diseña pensando desde el inicio en cómo encaja en el flujo clínico y en los sistemas de información del centro, no como un análisis que termina en un documento. Aplica cuando el objetivo es que los perfiles se usen en la práctica, sea en la consulta, en la asignación de recursos o en la priorización, que es donde la segmentación aporta valor real. Para ello, los perfiles se definen de forma que el equipo pueda reconocerlos y aplicarlos, y el modelo se documenta para que pueda reevaluarse cuando los datos se actualicen en el tiempo, de modo que no caduque sin que nadie lo advierta al cambiar la población. El reparto se mantiene: el servicio entrega los perfiles validados, interpretables y reproducibles, preparados para integrarse en el sistema si el centro dispone de los canales técnicos y operativos para hacerlo; la decisión de manejo de cada perfil y su uso en la consulta corresponden al equipo clínico. Una estratificación tiene que servir en la consulta, no quedarse en un informe.