La epidemiología de los errores de identificación de pacientes: una crisis oculta en la atención sanitaria.

La medicina moderna se basa en la precisión: dosis exactas, terapias dirigidas e intervenciones quirúrgicas altamente especializadas. Sin embargo, todo este ecosistema depende de un único dato sorprendentemente frágil: identificar con precisión al paciente.

La identificación del paciente —el proceso esencial de vincular inextricablemente a un individuo con su historial clínico y plan de tratamiento— es el protocolo fundamental de la atención médica. Cuando falla esta verificación inicial, el error se propaga por todos los departamentos, transformando una ejecución clínica impecable en un evento crítico de seguridad. Hoy en día, la identificación errónea del paciente sigue siendo una de las vulnerabilidades más persistentes, peligrosas y costosas del sistema médico. De hecho, el 86% de los profesionales de la salud informan haber presenciado un error médico causado directamente por la identificación errónea del paciente [1]. No es de extrañar que mejorar la precisión en la identificación del paciente siga siendo la prioridad número 1 de los Objetivos Nacionales de Seguridad del Paciente de la Joint Commission [2].

El alcance sistémico de la identificación clínica errónea

La identificación errónea rara vez es un problema de negligencia individual, sino un problema de procedimiento. El Instituto ECRI clasifica habitualmente la identificación errónea de pacientes entre sus principales preocupaciones de seguridad, señalando que los errores se originan en todo el continuo de atención, desde las bases de datos de registro fragmentadas hasta la cabecera del paciente [3]. Como se detalla en la Figura 1, más de la mitad de estos fallos se concentran en etapas posteriores a los procedimientos de diagnóstico (36,5 %) y el tratamiento directo (22,1 %), donde un registro incorrecto se traduce inmediatamente en daño clínico [3]. Las consecuencias de esta vulnerabilidad son absolutas. En general, los errores médicos representan la tercera causa principal de muerte en los EE.UU., responsables de entre 195000 y 400000 fallecimientos anuales, más de 1000 muertes al día [4,5]. Las confusiones de identidad de pacientes alimentan directamente esta crisis, comprometiendo la atención en 10 de los 17 indicadores básicos de seguridad del paciente monitoreados por las autoridades sanitarias federales, incluidas las transfusiones de sangre inadecuadas, los retrasos en el diagnóstico y las cirugías en el sitio equivocado [3].

El daño clínico también puede ser consecuencia de interacciones indirectas con el paciente. En muestras de laboratorio clínico la identificación errónea ocurre aproximadamente en un 1% [6]; en medicina transfusional, la frecuencia es de alrededor del 0,01-0,1 %, y hasta un 10-20 % de estos errores se traducen en daño al paciente [7]. Esto significa que los pacientes reciben tratamiento para afecciones que no padecen o no reciben intervenciones tempranas para aquellas que sí tienen. En entornos de alta complejidad como la UCI o el quirófano, los riesgos aumentan drásticamente.

El impacto operativo y financiero de la identificación errónea

Las consecuencias de la identificación errónea de pacientes también obstaculizan las operaciones diarias del hospital. El personal de enfermería y administración pierde casi 30 minutos por turno resolviendo discrepancias de identidad, buscando expedientes extraviados y verificando datos demográficos [1]. Cuando el historial clínico de un paciente permanece oculto o fragmentado, los médicos no pueden permitirse el lujo de esperar. Para proteger al paciente vuelven a solicitar análisis de sangre, repiten exploraciones de imagen y realizan pruebas diagnósticas duplicadas, lo que supone una pérdida de tiempo valioso y genera gastos innecesarios.

Cuando se produce un error que desencadena un evento adverso grave, el hospital paga un alto precio operativo. Un estudio de Agency for Healthcare Research and Quality (AHRQ) muestra que los errores médicos graves prolongan la estancia de un paciente entre 4,5 y 7,2 días en promedio [8]. Estos días adicionales retrasan los traslados a urgencias, dificultan la rotación de camas y consumen recursos que no se pueden facturar.

En los departamentos de facturación, las discrepancias demográficas generan una fuga financiera inmediata. Aproximadamente el 33% de todas las reclamaciones de seguros denegadas se deben a discrepancias demográficas básicas: un apellido mal escrito, una fecha de nacimiento errónea o un número de póliza desactualizado [9]. Las apelaciones requieren horas de trabajo manual por parte del personal de facturación, y muchas reclamaciones se cancelan por completo. Para un hospital promedio, esta fricción cuesta 1,2 millones de dólares al año en ingresos perdidos y gastos administrativos [1].

El estándar de oro: por qué los códigos de barras y las pulseras siguen fallando

Para comprender por qué esto sigue ocurriendo a pesar de la obligatoriedad de los escáneres de código de barras y las pulseras de identificación, es necesario analizar cómo se realiza la atención médica bajo presión. Los errores de identificación no se deben únicamente a la falta de capacitación, sino también a entornos con mucha fricción e interrupciones. A pie de cama, los protocolos estándar de seguridad del paciente exigen una identificación activa, solicitando al paciente que indique su nombre completo y fecha de nacimiento.

Además, cuando los flujos de trabajo de alto volumen llevan a los médicos a recurrir a preguntas capciosas pasivas ("¿Es usted el Sr. García?"), el sesgo de confirmación reemplaza la verificación rigurosa, creando un punto de fallo inmediato.

Más importante aún, los dispositivos de identificación física fallan precisamente cuando los pacientes son más vulnerables. En las salas de urgencias, quirófanos, unidades neonatales o unidades de cuidados para personas con demencia, la autodeclaración ni siquiera es una opción. Las pulseras se cortan para la colocación de vías intravenosas, se ensucian con fluidos o se extravían durante los traslados de emergencia.

La identificación errónea a pie de cama rara vez comienza allí. Con mayor frecuencia, se origina en una crisis silenciosa en la base de datos interna del hospital: la duplicación de registros.

Cuando un paciente termina con dos o más perfiles en un Índice Maestro de Pacientes (MPI), su historial clínico se divide. Un médico que lo atiende en urgencias podría ver solo una parte de la información: alertas de alergias críticas, análisis de laboratorio recientes o recetas vigentes que quedan en un archivo duplicado. De hecho, alrededor del 4% de los casos con registros duplicados confirmados afectan negativamente la atención clínica [10].

Este problema se agrava drásticamente durante las fusiones de los sistemas informáticos de salud. La combinación de sistemas de registros electrónicos de salud (EHR) dispares eleva las tasas de duplicación en grandes redes hasta un 15% o 16% [10]. Y estas duplicaciones no son evidentes. Más de la mitad de los pares de registros duplicados se deben a errores sutiles: una inicial del segundo nombre faltante, un nombre mal escrito o un marcador de posición predeterminado en el campo del número de la Seguridad Social [11].

Lo peor aún es la "superposición": cuando dos pacientes distintos se fusionan por error en un solo archivo. En ese caso, los médicos no solo trabajan con datos incompletos, sino que tratan a un paciente basándose en el historial médico de otra persona.

Al reconocer que la vigilancia humana y los ajustes locales del software ya no son suficientes, los reguladores federales están apuntando a la causa raíz: los datos demográficos no estandarizados. Mediante iniciativas impulsadas por la Oficina del Coordinador Nacional de Tecnologías de la Información para la Salud (ONC) [12], el sector sanitario está avanzando hacia protocolos estandarizados de identificación de pacientes.

Las normas nacionales establecen un punto de partida necesario, pero una regla general no puede evitar confusiones en medio de un ambiente caótico. Contar con datos precisos en una base de datos es solo la mitad del trabajo; los hospitales aún necesitan tecnología confiable que funcione donde realmente se brinda la atención: junto a la cama del paciente. A medida que las redes de salud se expanden, proteger tanto a los pacientes como los presupuestos hospitalarios se reduce a un requisito simple: herramientas que garanticen, sin complicaciones adicionales, que cada paciente reciba el tratamiento exacto que le corresponde.

Referencias

1. Ponemon Institute & Imprivata. (2016). National Patient Misidentification Report. Imprivata. https://security.imprivata.com/rs/413-FZZ-310/images/PS-AR-2016-National-Patient-Misidentification-Report-1216.pdf
2. The Joint Commission. (2023). National Patient Safety Goals®. Goal 1: Improve the accuracy of patient identification. Available at: https://www.jointcommission.org/standards/national-patient-safety-goals/
3. ECRI Institute PSO. (2016). Deep Dive: Patient Identification – Executive Summary. ECRI Institute.
4. Healthcare Innovation. (2016). Johns Hopkins Research Finds Medical Errors Third Leading Cause of Death in U.S. Available at: https://www.hcinnovationgroup.com/policy-value-based-care/news/13026728/johns-hopkins-research-finds-medical-errors-third-leading-cause-of-death-in-us
5. Makary, M. A., & Daniel, M. (2016). Medical error—the third leading cause of death in the US. BMJ, 353, i2139. https://doi.org/10.1136/bmj.i2139
6. Plebani M, Sciacovelli L, Aita A, Chiozza ML. Harmonization of pre-analytical quality indicators. Biochem Med (Zagreb). 2014 Feb 15;24(1):105-13. doi: 10.11613/BM.2014.012. PMID: 24627719; PMCID: PMC3936970.
7. Lippi, G., Mattiuzzi, C., Bovo, C., & Favaloro, E. J. (2017). Managing the patient identification crisis in healthcare and laboratory medicine. Clinical Biochemistry, 50(10–11), 562–567. https://doi.org/10.1016/j.clinbiochem.2017.02.004 ,
8. Zhan C, Miller MR. Excess length of stay, charges, and mortality attributable to medical injuries during hospitalization. JAMA. 2003 Oct 8;290(14):1868-74. doi: 10.1001/jama.290.14.1868. PMID: 14532315.
9. Black Book Market Research. (2018). Master Patient Index & Patient Identification: Enterprise Solutions and Revenue Cycle Impact Survey. Black Book Research. https://www.blackbookmarketresearch.com/
10. Hillestad, R., Bigelow, J. H., Chaudhry, B., Dreyer, P., Greenberg, M. D., Meili, R. C., Ridgely, M. S., Rothenberg, J., & Taylor, R. (2008). Identity Crisis: An Examination of the Costs and Benefits of a Unique Patient Identifier for the U.S. Health Care System. RAND Corporation. https://www.rand.org/pubs/monographs/MG753.html
11. Just BH, Marc D, Munns M, Sandefer R. Why Patient Matching Is a Challenge: Research on Master Patient Index (MPI) Data Discrepancies in Key Identifying Fields. Perspect Health Inf Manag. 2016 Apr 1;13(Spring):1e. PMID: 27134610; PMCID: PMC4832129.
12. Stevens, L. (2013, September 11). ONC launches patient matching initiative. Health IT Buzz. Office of the National Coordinator for Health Information Technology. https://www.healthit.gov/buzz-blog/health-innovation/onc-launches-patient-matching-initiative/