A veces me pregunto si somos conscientes de la cantidad de números que generamos solo por el hecho de estar vivos. Cada vez que vas al médico, cada vez que nace un bebé o, lamentablemente, cuando alguien nos deja, se activa una maquinaria burocrática y técnica que va mucho más allá de rellenar un simple papel. La verdad es que, sin esos datos, los sistemas de salud estarían dando palos de ciego. Es aquí donde entran en juego organismos como el Departamento de Estadísticas e Información de Salud (DEIS), una entidad que, aunque suene a oficina gris llena de archivadores, es en realidad el cerebro analítico que permite entender qué nos está matando, qué nos está curando y dónde demonios hay que poner el dinero.
Si te paras a pensarlo, gestionar la salud de millones de personas sin estadísticas es como intentar pilotar un avión a ciegas y sin combustible. No funciona. En España estamos muy acostumbrados a los informes del INE o a los datos que suelta el Ministerio de Sanidad de vez en cuando, pero el modelo del DEIS, especialmente el que vemos en ejemplos internacionales como el chileno (que es el que nos ocupa hoy por su relevancia técnica), es un caso de estudio fascinante sobre cómo centralizar la información para que sea útil. Ojo, que no es tarea fácil. Estamos hablando de normalizar datos que vienen de hospitales rurales, clínicas privadas de lujo y centros de atención primaria perdidos en la mano de Dios.
La cuestión es que los datos de salud no son solo filas en una base de datos SQL. Son historias. Y para que esas historias tengan sentido, alguien tiene que poner orden en el caos. Vamos a desgranar qué hay detrás de estas siglas y por qué, si te gusta la tecnología o la gestión pública, deberías prestarle un poco más de atención a estos «contadores de vidas».
¿Qué hace realmente el DEIS cuando nadie lo mira?
Para que nos entendamos, el DEIS es el encargado de producir la información oficial del sector salud. Pero no se limitan a sumar y restar. Su labor es casi de orfebrería digital. Tienen que asegurar que un diagnóstico de gripe en una punta del país se registre exactamente igual que en la otra. Si cada médico escribiera lo que le diera la gana, sería imposible sacar conclusiones válidas. Por eso, una de sus funciones clave es la estandarización.
- Producción de estadísticas vitales: Nacimientos y defunciones. Parece básico, pero es la base de cualquier política demográfica.
- Gestión de clasificaciones: Aquí es donde se ponen técnicos con la CIE-10 (y ahora la CIE-11), que es básicamente el diccionario universal de las enfermedades.
- Sistemas de información: No solo recogen el dato, sino que diseñan cómo debe viajar ese dato desde la camilla del paciente hasta el servidor central.
- Análisis epidemiológico: Identificar brotes antes de que se conviertan en un problema nacional. Vaya, que son los que dan la voz de alarma.
Lo que me parece más curioso de todo esto es el Centro Nacional de Referencia FIC (Familia de Clasificaciones Internacionales). Es un nombre muy pomposo para algo que es vital: asegurar que hablamos el mismo idioma que la OMS. Si mal no recuerdo, España también tiene sus propios centros de referencia que colaboran estrechamente con estos organismos para que, cuando hablemos de una patología cardíaca, un médico en Madrid y uno en Santiago de Chile entiendan exactamente lo mismo bajo el mismo código.
La cocina de los datos: ¿Cómo se pasa del papel al gráfico?
La verdad es que el proceso es bastante más farragoso de lo que parece. Imagina el flujo: un médico atiende a un paciente. Ese médico, que probablemente lleva doce horas de guardia y solo quiere un café, tiene que registrar el acto clínico. Si el sistema es antiguo, lo hará en papel. Si es moderno, usará un software de gestión hospitalaria. El DEIS tiene que «pescar» esa información, validarla (porque los humanos cometemos errores, y muchos) y luego procesarla.
En este punto, la tecnología juega un papel brutal. Ya no hablamos de meter datos a mano en un Excel. Se utilizan procesos ETL (Extract, Transform, Load) que mueven volúmenes masivos de información. Y aquí es donde los que sabemos un poco de código empezamos a salivar. Imagina limpiar una base de datos donde el campo «edad» a veces tiene números, a veces tiene texto y a veces está vacío. Es un trabajo de chinos, hablando mal y pronto. El DEIS se encarga de que esa «basura» no llegue al informe final.
Además, está el tema de la interoperabilidad. En España, por ejemplo, tenemos el eterno drama de que las comunidades autónomas a veces no se hablan bien entre sí a nivel informático. El DEIS, en su contexto, intenta ser ese puente. Es como intentar que un usuario de Mac, uno de Windows y uno de Linux compartan archivos sin que nada explote. Un reto técnico de primer nivel que a menudo se infravalora desde fuera.
El factor humano detrás del algoritmo
A veces, cuando hablamos de estadísticas de salud, nos volvemos un poco fríos. Decimos «la tasa de mortalidad ha bajado un 0.2%» y nos quedamos tan anchos. Pero detrás de ese 0.2% hay miles de personas que siguen vivas gracias a que alguien, analizando esos mismos datos meses atrás, detectó que una vacuna no estaba llegando a tiempo o que un tratamiento no era tan efectivo como se pensaba.
La ética en el manejo de estos datos es otro melón que hay que abrir. El DEIS maneja información sensible, la más sensible que existe: nuestra salud. Aquí no vale con un «aceptar cookies». Los protocolos de anonimización tienen que ser robustos. No puedes permitir que, cruzando tres datos tontos, alguien sepa que el vecino del quinto tiene una enfermedad crónica. Es un equilibrio delicado entre la transparencia (queremos datos abiertos para investigar) y la privacidad (no queremos que nuestra vida médica sea pública).
Personalmente, creo que ahí es donde reside el verdadero valor de estos departamentos. No son solo recolectores de datos, son custodios de nuestra intimidad colectiva. Y eso, en los tiempos que corren con el Big Data y las filtraciones constantes, es una responsabilidad que asusta un poco.
¿Para qué nos sirve esto a los ciudadanos de a pie?
Podrías pensar: «Vale, muy bien, pero a mí qué más me da lo que haga el DEIS». Pues te da más de lo que crees. La información que publican en sus portales de datos abiertos es una mina de oro. Si eres un investigador, un periodista o simplemente alguien con mucha curiosidad, puedes entrar y ver la realidad de tu país sin filtros políticos.
Por ejemplo, gracias a estos datos podemos saber:
- Listas de espera: ¿Realmente están mejorando o es solo maquillaje estadístico?
- Causas de muerte: ¿Estamos ganando la batalla al cáncer o el sedentarismo nos está pasando factura de forma silenciosa?
- Uso de recursos: ¿Se están gastando los impuestos en lo que realmente se necesita o hay hospitales infrautilizados?
Al final del día, la información es poder. Y un ciudadano informado es mucho más difícil de engañar. Si el DEIS dice que la cobertura de vacunación ha caído, no hay discurso político que valga; los números están ahí. Es una herramienta de rendición de cuentas democrática que deberíamos valorar más.
La Inteligencia Artificial entra en escena
No podíamos hablar de datos de salud sin mencionar a la niña bonita de la tecnología actual: la IA. El DEIS y organismos similares están empezando a juguetear con modelos predictivos. Ya no se trata solo de decir qué pasó el mes pasado, sino de predecir qué va a pasar el mes que viene. Vaya, que estamos pasando de la estadística descriptiva a la analítica predictiva.
Imagina un algoritmo que analice en tiempo real las búsquedas en Google sobre síntomas de gripe, los ingresos en urgencias y las ventas de paracetamol en farmacias. Si cruzas eso con los datos históricos del DEIS, puedes predecir un pico de demanda asistencial con una precisión asombrosa. Esto permitiría, por ejemplo, reforzar las plantillas de los hospitales antes de que llegue el colapso. No es ciencia ficción, ya se está haciendo, aunque todavía queda mucho camino por recorrer para que estos sistemas sean 100% fiables.
Eso sí, ojo con esto. La IA es tan buena como los datos con los que se entrena. Si los datos del DEIS tienen sesgos (por ejemplo, si se recogen menos datos de zonas rurales o de ciertos colectivos), la IA heredará esos sesgos y tomará decisiones injustas. Por eso, el trabajo de «limpieza» y validación que hacen los técnicos del departamento es más crítico que nunca. Sin buenos datos, la IA es solo una máquina de generar errores a gran velocidad.
Comparativa: ¿Cómo estamos en España respecto a estos modelos?
Si miramos hacia casa, en España tenemos una estructura algo más fragmentada debido a las competencias transferidas a las comunidades autónomas. El Ministerio de Sanidad tiene su propio Portal Estadístico, que se nutre de lo que le envían las consejerías de salud. Es un sistema robusto, pero a veces un poco lento. La burocracia aquí es como un elefante: pesada y difícil de mover.
La gran diferencia con modelos como el del DEIS chileno es, quizás, la agilidad en la publicación de ciertos indicadores. Durante la pandemia de COVID-19, vimos cómo la falta de una base de datos centralizada y en tiempo real nos dio más de un dolor de cabeza en España. Aprendimos por las malas que la interoperabilidad no es un capricho de informáticos, sino una necesidad de seguridad nacional.
Aun así, no nos podemos quejar del todo. El INE (Instituto Nacional de Estadística) hace una labor encomiable coordinándose con Sanidad. Pero la verdad es que nos falta ese «hub» único y ultra-tecnológico que sea capaz de escupir datos en tiempo real sin que parezca que estamos pidiendo un milagro. Estamos en ello, pero el camino es largo y está lleno de parches de software antiguos.
El reto de la codificación: CIE-10 y el salto a la CIE-11
Si alguna vez has visto un informe médico, habrás notado unos códigos raros. Eso es la Clasificación Internacional de Enfermedades. El DEIS es el guardián de estos códigos. Actualmente, gran parte del mundo se mueve con la versión 10, pero la versión 11 ya está aquí y es un cambio de paradigma total. Es mucho más digital, mucho más detallada y, por supuesto, mucho más difícil de implementar.
¿Por qué es importante? Porque la CIE-11 incluye cosas que antes ni se consideraban, como trastornos por videojuegos o una mejor clasificación de la medicina tradicional. Para un departamento de estadísticas, cambiar de versión es como si a un programador le dicen que tiene que migrar toda su infraestructura de COBOL a Python en un fin de semana. Es un dolor de cabeza logístico que requiere formación para miles de profesionales.
Pero es necesario. Si no actualizamos cómo clasificamos las enfermedades, los datos que saquemos dentro de diez años no servirán para nada. La medicina evoluciona más rápido que la burocracia, y el DEIS tiene la difícil papeleta de intentar que ambas vayan de la mano.
Un pequeño fragmento de lógica (para los más cafeteros)
Para que te hagas una idea de cómo se puede ver esto desde el lado del código, imagina una función muy simplificada que valide si un registro de defunción es coherente. Es solo un ejemplo tonto, pero ilustra la lógica que hay detrás de la validación de datos de salud:
def validar_registro_salud(registro):
# Comprobamos que la edad sea un número lógico
if registro['edad'] 120:
return False, "Edad fuera de rango"
# Un recién nacido no puede morir de una enfermedad degenerativa de ancianos
if registro['edad'] < 1 and registro['causa_cie10'] == 'G30.9': # Código para Alzheimer
return False, "Incoherencia edad-causa"
# Si todo parece correcto, damos el visto bueno
return True, "Registro válido"
# La realidad es mil veces más compleja, con miles de reglas cruzadas.
Este tipo de validaciones, multiplicadas por millones de registros y con reglas de negocio que dependen de normativas internacionales, es lo que hace que los datos del DEIS sean fiables. No es solo guardar el dato, es cuestionarlo constantemente.
Preguntas frecuentes que suelen rondar estos servicios
Es normal que, ante tanta sigla y tanto proceso, surjan dudas. En la web del DEIS suelen tener una sección de preguntas frecuentes, pero yo te las resumo aquí con un lenguaje más de andar por casa:
- ¿Los datos son públicos? Sí, la mayoría. Obviamente, no vas a ver el nombre de tu vecino, pero sí cuánta gente en tu ciudad tiene asma.
- ¿Quién recoge la información? Los centros de salud, hospitales y registros civiles. El DEIS es el que «cocina» y sirve el plato.
- ¿Cada cuánto se actualizan? Depende del dato. Los nacimientos y muertes suelen llevar un desfase por el proceso de validación, pero otros indicadores son casi mensuales.
- ¿Es fiable al 100%? Nada lo es. Pero es lo más cercano a la realidad que tenemos. Siempre hay un margen de error, pero es controlado.
La verdad es que, si te pica la curiosidad, perderte un rato por sus sistemas de información es un ejercicio de humildad. Te das cuenta de lo pequeños que somos y de cómo, al final, todos acabamos siendo un puntito en una gráfica de distribución.
El futuro: Hacia una salud basada en datos (Data-Driven Health)
Para que nos entendamos, el objetivo final de todo esto es que el sistema de salud deje de ser reactivo y pase a ser proactivo. Que no esperemos a que la gente enferme para actuar, sino que usemos los datos para prevenir. Y eso solo se consigue con departamentos de estadística fuertes, bien financiados y, sobre todo, independientes de los vaivenes políticos.
Vaya, que el DEIS no debería ser una oficina olvidada en un sótano, sino el centro neurálgico de cualquier ministerio. En España estamos dando pasos hacia la «Estrategia de Salud Digital», que busca precisamente eso: que el dato fluya. Pero para que fluya, primero tiene que estar limpio, bien clasificado y ser comparable. Y ahí es donde el trabajo sordo y constante de estos profesionales cobra todo su sentido.
La conclusión que saco de todo esto (y mira que he visto bases de datos en mi vida) es que la salud pública es, en el fondo, un problema de información. Si sabemos qué pasa, podemos arreglarlo. Si no lo sabemos, solo estamos gastando dinero y esperanza. Así que, la próxima vez que veas una noticia sobre estadísticas de salud, no pases de largo. Piensa en toda la gente que ha trabajado para que ese número llegue a tu pantalla. Es, literalmente, una cuestión de vida o muerte.
Y es que, al final del día, lo que no se mide no se puede mejorar. Y en salud, mejorar significa que alguien, en algún lugar, podrá volver a casa con su familia en lugar de quedarse en una cama de hospital. Así de simple y así de importante.
Deja una respuesta