Serie 2:Vigilancia Epidemiológica en Diálisis Peritoneal Intermitente: Cómo Definir el Tiempo en Riesgo y Construir Indicadores Operativos

Serie Técnica Integral — Vigilancia Epidemiológica y Prevención de Infecciones en Diálisis Peritoneal.

Introducción

El error más frecuente no es calcular mal; es definir mal qué estamos observando

En vigilancia epidemiológica existe una situación que se repite con frecuencia: se construyen indicadores antes de definir correctamente la población observada y el tiempo de exposición.

En programas de diálisis peritoneal esto puede generar errores importantes.

Dos hospitales pueden reportar el mismo número de eventos infecciosos y aun así tener desempeños completamente diferentes.

La diferencia muchas veces no está en el numerador.

Está en el denominador.

Este artículo tiene como objetivo enseñar cómo definir correctamente el tiempo en riesgo y cómo construir indicadores operativos aplicables a programas de diálisis peritoneal intermitente con atención hospitalaria.

Para este documento se utilizará un escenario operativo específico:

• paciente que ingresa al hospital;
• recibe terapia;
• permanece hospitalizado durante 24 horas;
• egresa a domicilio;
• retorna según programación o necesidad clínica.

Comprender esta dinámica es el primer paso para evitar tasas artificialmente elevadas o falsamente tranquilizadoras.

1. Antes de medir: ¿Qué significa realmente estar en riesgo?

Una persona inscrita al programa no necesariamente está expuesta el mismo tiempo que otra.

Por eso debemos diferenciar cinco conceptos.

Población inscrita: 

Total de pacientes registrados administrativamente en el programa.

Ejemplo:

350 pacientes inscritos.

Este número describe capacidad o cobertura.

No representa exposición.

Población activa: 

Pacientes que continúan utilizando el programa.

Puede cambiar por:

• suspensión;
• traslado;
• fallecimiento;
• cambio de modalidad.

Población atendida

Pacientes que efectivamente acudieron al hospital y recibieron terapia.

Ejemplo semanal:

Lunes → 55

Martes → 62

Miércoles → 50

Jueves → 55

Viernes → 50

Población observada

Pacientes sobre quienes realmente existió capacidad de detectar un evento.

Población expuesta

Pacientes que estuvieron bajo condiciones donde el evento pudo ocurrir y ser identificado.

Idea clave

• No todo paciente inscrito está expuesto.
• No todo paciente expuesto genera tiempo observado.
• No todo tiempo observado representa el mismo nivel de riesgo.

2. ¿Qué estamos vigilando realmente?

Antes de construir indicadores debemos definir el objeto epidemiológico.

Evento	unidad principal	Objetivo
Peritonitis	Evento	Seguridad
Infección del sitio de salida (ISS)	Paciente	Calidad
Fallo del acceso	Catéter	Impacto       clínico

Error frecuente:

Construir indicadores distintos usando el mismo denominador.

Esto puede generar interpretaciones incorrectas.

3. Construcción del tiempo observado

Este es el punto más importante del artículo.

En este programa:

Cada paciente que recibe terapia permanece hospitalizado durante 24 horas.

Por lo tanto:

cada ingreso representa una unidad temporal de observación.

Ejemplo semanal:

Día	Pacientes atendidos
Lunes	55
Martes	62
Miércoles	50
Jueves	55
Viernes	50

Total semanal:

272 atenciones observadas.

Si cada atención corresponde a una estancia hospitalaria de 24 horas:

Tiempo observado semanal:

272 días de atención.

¿Por qué no usar 350 pacientes inscritos?

Porque produciría una falsa reducción del riesgo.

Ejemplo:

10 eventos / 350 inscritos

parecería menor.

Pero realmente el programa observó solamente a quienes estuvieron presentes y expuestos.

4. Cómo construir indicadores operativos

Todo indicador tiene tres componentes.

Paso 1 — Definir el evento

Ejemplo:

Peritonitis adjudicada.

Paso 2 — Definir el tiempo observado

Solo pacientes realmente atendidos.

Paso 3 — Construir el indicador

Indicador operativo:

Número de eventos

dividido entre

tiempo observado.

Ejemplo aplicado

Supuestos:

Eventos = 10

Atenciones observadas mes = 1,100

Resultado:

10 eventos distribuidos sobre 1,100 unidades observadas.

Interpretación correcta

Este valor describe frecuencia observada dentro del modelo operativo.

No debe utilizarse automáticamente para comparación externa.

5. Errores que inflan tasas artificialmente

• Contar inscritos como exposición.
• Duplicar pacientes cuando existen reingresos.
• Usar eventos repetidos como nuevos episodios.
• No documentar ausencias. (los esperados vr los que llegaron) no pueden asumirse como observados.
• Comparar programas diferentes (un programa hospitalario no necesariamente comparte el mismo perfil epidemiológico que uno domiciliario.)

6. Caso práctico de aplicación

Programa: 350 inscritos.

Asistencia promedio: 60 pacientes por día.

Atención: Hospitalaria.

Estancia: 24 horas.

Eventos observados: 10

Pregunta:

¿Puede concluirse automáticamente que el programa tiene mal desempeño?

Respuesta: No.

Primero deben revisarse:

• definición del evento;
• población observada;
• frecuencia de asistencia;
• criterios de adjudicación;
• estabilidad operacional;
• microorganismos;
• tendencia temporal.

La vigilancia sirve para comprender el fenómeno.

No para castigar equipos.

7. Lista de verificación para jefaturas

Antes de publicar un indicador:

□ Definí evento

□ Definí población

□ Definí tiempo observado

□ Definí objetivo

□ Documenté ausencias

□ Validé adjudicación

□ Revisé interpretación

Conclusión

Una tasa elevada puede representar un problema clínico.

Pero también puede revelar un problema metodológico.

Antes de interpretar resultados debemos responder una pregunta más básica:

¿Quién estuvo realmente bajo observación?

En programas de diálisis peritoneal intermitente, comprender el tiempo observado es el paso que transforma un conteo de casos en vigilancia epidemiológica útil.

Comprender el sistema permitió construir indicadores.

Ahora el siguiente paso será aprender a interpretarlos.

MSc. Cecilio Ottoniel Aranda Arriaza
Especialista Certificado en Prevención y Control de Infecciones