Indicadores, incentivos y desplazamiento de objetivos

468.1 Cuando medir modifica la conducta

Un indicador de desempeño recoge una parte observable de una función asistencial. Puede informar sobre acceso, oportunidad o continuidad, pero no registra todas las consecuencias de la atención. Cuando se usa para asignar recursos, reconocimiento o sanciones, quienes producen la cifra tienen motivos para cambiar lo que hacen. Algunos de esos cambios mejoran la función que se quería promover. Otros elevan la cifra mediante la selección de casos, la modificación del registro o el traslado de trabajo a otro servicio, y la evaluación tiene que estudiarlos como parte del sistema.

Considérese un servicio al que se exige aumentar la proporción de episodios cerrados durante un período. Cerrar un episodio puede significar completar una atención, transferir la responsabilidad a otro servicio o retirar administrativamente una solicitud. Si el indicador cuenta esas situaciones del mismo modo, el equipo puede obtener una buena cifra sin haber resuelto todas las necesidades. Para que eso ocurra no hace falta falsificar datos. Basta una definición razonable para la gestión local que resulta insuficiente cuando se quiere evaluar el recorrido completo de la persona.

Bevan y Hood (2006) examinaron el régimen que los gobiernos del Reino Unido, en particular el de Inglaterra, aplicaron a los servicios públicos durante la década de 2000, basado en metas acompañadas de una amenaza de sanción. En el sistema sanitario público inglés identificaron dos supuestos de ese modelo: que la parte medida puede representar el todo, una sinécdoque, y que los problemas de medición y el juego estratégico de los evaluados (gaming) no alteran el resultado. Contrastaron ambos supuestos con la evidencia sobre éxitos informados, problemas de medición y juego estratégico, y discutieron si la auditoría de la época bastaba para detectarlos. Trabajos posteriores les atribuyen una clasificación de esas respuestas en efectos trinquete, efectos umbral y distorsiones de la producción (Elkomy y Cookson, 2020). El artículo no sostiene que todo objetivo cuantitativo deteriore la atención; plantea que una medida parcial orienta decisiones y por eso necesita auditoría y comparación con la función que pretendía representar.

La preocupación es anterior. Kerr (1975) la resumió en el título de un artículo sobre organizaciones que premian una conducta mientras esperan obtener otra. Smith (1995) describió, a partir de experiencias del sector público británico, ocho consecuencias no buscadas y probablemente disfuncionales de publicar datos de desempeño, y atribuyó el problema a modelos inadecuados de cómo se produce y se controla el trabajo público. Holmström y Milgrom (1991) formalizaron el caso de un agente que reparte su esfuerzo entre varias tareas cuando solo algunas se miden con precisión. Un incentivo intenso sobre la tarea medida puede restar esfuerzo a las demás, lo que justifica incentivos de menor intensidad o restricciones explícitas sobre ciertas actividades.

El ejemplo formal del capítulo usa agentes organizacionales que distribuyen trabajo bajo una capacidad limitada, completando atenciones de dos tipos o transfiriendo administrativamente parte de las solicitudes. Las necesidades, los tiempos y los beneficios son inventados, de modo que los resultados describen la lógica de las reglas y no el comportamiento de una institución real ni la efectividad de una intervención clínica. Se comparará la conducta que maximiza cierres con la que maximiza una función de beneficio definida por el modelo, registrando las consecuencias para el servicio que recibe las transferencias.

Distinguir entre indicador y objetivo no vuelve inútil la medición. Permite preguntar qué acciones elevan el indicador y si mantienen una relación adecuada con el resultado buscado. El problema surge cuando su aumento se toma como prueba suficiente de mejora, sobre todo después de introducir incentivos que cambian la manera en que la cifra se produce.

468.2 Definir la función asistencial y su aproximación

El servicio sintético recibe cien solicitudes, cincuenta de tipo sencillo y cincuenta de tipo complejo. Una atención sencilla requiere una unidad de tiempo y produce una unidad de beneficio. Una compleja requiere tres unidades de tiempo y produce cinco de beneficio. El beneficio es una escala abstracta construida para el ejercicio. No corresponde a una valoración clínica real ni supone que una persona valga más que otra; representa diferencias hipotéticas en el resultado que se atribuye a completar ciertas necesidades dentro del período.

La capacidad del agente principal es de ciento veinte unidades. Atender todas las solicitudes exigiría doscientas, así que el agente debe decidir qué combinación atiende y qué deja pendiente, lo que vuelve visible el intercambio entre el número de personas atendidas y el beneficio definido.

Existe una acción adicional, que consiste en transferir una solicitud compleja a otro servicio con un costo administrativo de un quinto de unidad de tiempo. La transferencia cierra el episodio en el servicio de origen, pero no produce beneficio dentro del horizonte evaluado porque el receptor todavía no la ha atendido. Cada solicitud transferida agrega al receptor tres unidades de trabajo pendiente, lo mismo que habría costado atenderla en origen. Se supone que la transferencia está permitida y se registra correctamente. El problema que interesa es cómo se valora una consecuencia que queda fuera del servicio evaluado.

Con $s$ atenciones sencillas, $c$ atenciones complejas y $z$ transferencias, se definen tres cantidades. El indicador local $M$ cuenta como cierres tanto las atenciones completas como las transferencias. El beneficio $B$ suma solo los resultados de las atenciones efectivamente completadas. La carga externa $L_{\mathrm{ext}}$ mide el trabajo trasladado, expresado en unidades de tiempo del receptor. Como el servicio recibe exactamente cien solicitudes, el número de cierres coincide con el porcentaje de episodios cerrados.

Aquí $K$ es la capacidad del agente y las tres decisiones son enteros no negativos. La restricción temporal suma el tiempo de atención y el de transferencia. La condición $c+z\le 50$ impide cerrar dos veces la misma solicitud compleja, de modo que el indicador no puede inflarse por duplicación, un mecanismo distinto del que se quiere estudiar. Mantener separadas las tres cantidades permite que $M$ llegue a su máximo mientras $B$ disminuye o $L_{\mathrm{ext}}$ aumenta. Si la transferencia condujera a una atención oportuna en el receptor, habría que incorporar ese resultado a un beneficio del sistema completo y la comparación cambiaría.

468.3 Optimizar el volumen de atenciones completas

Primero se prohíbe transferir y se maximiza el número de atenciones completas. Como cada sencilla cuesta un tercio de lo que cuesta una compleja, el agente atiende las cincuenta sencillas y dedica el resto de la capacidad a veintitrés complejas. Consume ciento diecinueve unidades, completa setenta y tres episodios y produce ciento sesenta y cinco unidades de beneficio. Le sobra una unidad de tiempo, que no alcanza para otra compleja, y quedan veintisiete solicitudes complejas pendientes.

El resultado se deduce de la estructura del problema y no presupone ninguna preferencia clínica. Mientras haya sencillas disponibles, reemplazar una compleja por tres sencillas aumenta el volumen; solo cuando las sencillas se agotan, la capacidad restante se destina a complejas. El programa del apartado 468.7 enumera todos los planes factibles y, cuando varios alcanzan el mismo número de cierres, elige el de mayor beneficio. Ese desempate hace conservadora la comparación. Dentro de cada objetivo principal se escoge siempre la variante más favorable a la función asistencial, de manera que las pérdidas que aparezcan no se deben a haber elegido mal entre planes equivalentes.

Una política de volumen puede ser razonable para ciertas funciones, siempre que reconozca lo que deja pendiente. Si la demora de una necesidad compleja tiene consecuencias mayores, contar todas las atenciones por igual dirige mal la capacidad; el ejemplo asigna beneficios distintos para mostrarlo. En una evaluación real, estimar esas diferencias requiere evidencia sobre resultados pertinentes, juicio clínico y criterios de equidad explícitos.

La capacidad utilizada tampoco mide por sí sola la calidad de la asignación. El plan de volumen usa casi todo el recurso, aunque existe otra distribución con más beneficio definido, y una política con menos cierres parecerá ineficiente si solo se mira el volumen. La mezcla de casos actúa incluso antes de cualquier respuesta estratégica: un servicio que recibe más solicitudes complejas completará menos episodios con la misma capacidad y, en este modelo, producirá más beneficio, de modo que compararlo mediante cierres brutos castigaría su composición. El ajuste por necesidades puede corregirlo en parte, siempre que no elimine las diferencias de acceso o de calidad que se pretendía evaluar.

468.4 Permitir cierres mediante transferencia

Cuando las transferencias cuentan como cierres, el agente puede cerrar los cien episodios. Entre los planes que alcanzan ese máximo, el de mayor beneficio atiende las cincuenta sencillas y veintiuna complejas, y transfiere las veintinueve complejas restantes. Consume 118,8 unidades de tiempo, produce ciento cincuenta y cinco unidades de beneficio y traslada ochenta y siete unidades de trabajo al receptor. El indicador local alcanza el cien por ciento aunque más de la mitad de las necesidades complejas sigue sin atención.

Frente al plan de volumen sin transferencias, el indicador sube de setenta y tres a cien y el beneficio baja de ciento sesenta y cinco a ciento cincuenta y cinco con prácticamente el mismo tiempo empleado. De las veintinueve transferencias, veintisiete corresponden a solicitudes que el servicio no habría atendido de todos modos, porque en el plan de volumen ya quedaban pendientes. Las dos restantes provienen de renunciar a dos atenciones complejas; esa renuncia libera seis unidades de tiempo que, sumadas a la unidad sobrante, pagan las 5,8 unidades que cuestan las veintinueve transferencias. La pérdida de diez unidades de beneficio procede exactamente de esas dos atenciones sacrificadas.

La descomposición separa dos efectos. Trasladar solicitudes que de otro modo quedarían pendientes no reduce el beneficio del origen, y su valor para las personas depende de lo que ocurra en el receptor, que el modelo no simula. Renunciar a atenciones que el servicio sí podía completar es, en cambio, un desplazamiento en sentido estricto, porque el indicador premia una acción que reemplaza trabajo útil. Corresponde a lo que Kelman y Friedman (2009) llaman sustitución de esfuerzo, distinta del juego estratégico entendido como hacer que el desempeño medido parezca mejor de lo que es. Si el receptor ya está saturado, cualquiera de las dos formas de transferencia puede además aumentar la espera de otras personas.

El agente cumple formalmente el procedimiento. No inventa atenciones ni altera registros; usa una acción permitida que el indicador recompensa, y llamarla fraude sería incorrecto sin información adicional. Lo que la evaluación debe establecer es si la regla crea un incentivo para cerrar la responsabilidad local antes de completar la función asistencial, lo que permite corregir el diseño sin atribuir intenciones a quienes responden al sistema.

Una cifra de cien cierres puede ocultar diferencias grandes entre servicios, porque un agente con poca capacidad puede transferir más y alcanzar el mismo indicador que otro que completa más atenciones. El apartado 468.6 lo muestra con varios agentes. La corrección mínima consiste en distinguir el cierre por atención del cierre por transferencia y en seguir cada transferencia hasta su aceptación y ejecución, ya que muchas son apropiadas. Penalizar toda derivación podría inducir a retener casos que requieren otro servicio, de modo que el indicador tendría que reflejar el recorrido y el motivo de la transferencia.

468.5 Optimizar el beneficio y reconocer sus límites normativos

Si el agente maximiza el beneficio sintético sin transferir, atiende cuarenta solicitudes complejas y ninguna sencilla, con lo que usa toda la capacidad. Obtiene doscientas unidades de beneficio con solo cuarenta cierres. Según la función definida supera a las otras reglas, pero deja sesenta solicitudes pendientes, entre ellas todas las sencillas. Maximizar una suma de beneficios tampoco resuelve por sí mismo las preguntas de cobertura y equidad.

Las ponderaciones determinan la decisión. La atención compleja rinde 5/3 unidades de beneficio por unidad de tiempo, frente a una en la sencilla. Si su beneficio fuese menor que tres, el orden se invertiría y el agente empezaría por las sencillas; con un beneficio igual a tres, ambos tipos rinden lo mismo y decide el desempate. Cerca de ese umbral, un error moderado de estimación basta para cambiar la asignación. En la práctica clínica, además, cada categoría agrupa personas heterogéneas y no debería sustituir la evaluación individual.

Es posible añadir restricciones de cobertura. Si se exige atender al menos treinta solicitudes complejas y se maximiza el volumen sin transferencias, el plan óptimo atiende treinta sencillas y treinta complejas, con sesenta cierres y ciento ochenta unidades de beneficio. La restricción expresa una decisión previa sobre cobertura mínima. El algoritmo encuentra la mejor combinación compatible con ella, pero no dice si ese mínimo es el adecuado.

También puede exigirse una cobertura mínima de sencillas al maximizar el beneficio. Con al menos veinte sencillas, el plan óptimo atiende veintiuna sencillas y treinta y tres complejas, y alcanza ciento ochenta y seis unidades de beneficio usando exactamente ciento veinte de tiempo. La sencilla adicional aprovecha la unidad que sobra después de veinte sencillas y treinta y tres complejas, insuficiente para otra compleja. La solución continua del mismo problema asignaría veinte sencillas y 33,3 complejas, con un beneficio de 186,7. El detalle ilustra por qué conviene resolver el problema en enteros, ya que las fracciones de atención no corresponden a ninguna persona.

Un indicador de beneficio ajustado puede acercarse más al objetivo que un recuento bruto, pero depende de evidencia, de valores y de errores de medición. Si sus ponderaciones se convierten en una meta rígida, los agentes pueden adaptar la clasificación de los casos para elevar el beneficio registrado, de modo que también esa medida requiere revisión periódica.

468.6 Simular agentes con capacidades distintas

Se consideran ahora cuatro agentes que reciben la misma composición de solicitudes y disponen de noventa, ciento diez, ciento treinta y ciento cincuenta unidades de capacidad. Cada uno elige el plan que maximiza el indicador local, con el mismo desempate por beneficio y sin interacción con los demás.

Todos alcanzan cien cierres mediante transferencias. Sus beneficios son cien, ciento treinta y cinco, ciento setenta y cinco y doscientas diez unidades, y transfieren cuarenta, treinta y tres, veinticinco y dieciocho solicitudes, respectivamente. Las cargas externas correspondientes son ciento veinte, noventa y nueve, setenta y cinco y cincuenta y cuatro unidades. El indicador es idéntico en los cuatro casos y no separa el trabajo completado del desplazado, aunque el desempeño definido por el modelo crece con la capacidad.

Si los mismos agentes maximizan el beneficio sin transferir, producen ciento cincuenta, ciento ochenta y dos, doscientas dieciséis y doscientas cincuenta unidades, con treinta, treinta y ocho, cuarenta y cuatro y cincuenta cierres. En conjunto suman setecientas noventa y ocho unidades de beneficio y ciento sesenta y dos cierres, frente a seiscientas veinte unidades y cuatrocientos cierres bajo el indicador local con transferencias. El contraste vale para la función sintética elegida y no incorpora ninguna restricción de cobertura, por lo que no basta para preferir una regla sobre la otra.

La carga externa total del primer régimen asciende a trescientas cuarenta y ocho unidades. Si los cuatro agentes transfieren al mismo receptor, su independencia es solo aparente, porque generan una demanda común que puede superar la capacidad de ese servicio. Una versión ampliada debería incluir al receptor y devolver a cada agente información sobre aceptación y demoras.

En organizaciones reales la adaptación suele ser gradual, mientras que aquí se calcula directamente la respuesta óptima. La enumeración describe el límite de lo que la regla permite y recompensa, sin suponer que los equipos conozcan todas las opciones. Funciona como prueba de diseño: si una conducta que perjudica la función resulta permitida y óptima, conviene revisar el indicador antes de usarlo como criterio principal.

468.7 Código de decisiones y auditoría del objetivo

El programa enumera todos los planes enteros factibles y compara reglas con desempates explícitos. Los tiempos se multiplican por cinco para trabajar con enteros y evitar errores de representación del quinto de unidad que cuesta cada transferencia. Las aserciones comprueban la conservación de solicitudes, el respeto de la capacidad y los valores citados en el texto. La función closed_form recalcula los planes principales con fórmulas derivadas a mano, como control independiente. El parámetro w asigna a cada transferencia un peso en el puntaje de cierres (apartado 468.12); con su valor por omisión, uno, el puntaje coincide con el indicador local. La enumeración demuestra optimalidad dentro del espacio definido, no que ese espacio contenga todas las acciones de una organización real.

from fractions import Fraction

def plans(budget, transfers=True):
    # Cada plan: (sencillas, complejas, transferidas, cierres,
    #             beneficio, carga_externa, tiempo)
    for simple in range(51):
        for complex_ in range(51):
            possible = range(51 - complex_) if transfers else [0]
            for moved in possible:
                time5 = 5*simple + 15*complex_ + moved   # tiempo x 5
                if time5 <= 5*budget:
                    yield (simple, complex_, moved,
                           simple + complex_ + moved,
                           simple + 5*complex_, 3*moved, time5/5)

def choose(budget, objective="closures", transfers=True,
           min_simple=0, min_complex=0, w=1):
    candidates = [p for p in plans(budget, transfers)
                  if p[0] >= min_simple and p[1] >= min_complex]
    if objective == "closures":
        # w = peso de cada transferencia en el puntaje de cierres
        key = lambda p: (p[0] + p[1] + w*p[2], p[4], -p[6])
    else:
        key = lambda p: (p[4], p[3], -p[6])
    result = max(candidates, key=key)
    assert result[0] <= 50 and result[1] + result[2] <= 50
    assert result[6] <= budget
    return result

def closed_form(budget):
    # Control independiente con fórmulas derivadas a mano (60 <= budget <= 150)
    s_vol = min(50, budget)
    c_vol = min(50, (budget - s_vol) // 3)
    c_loc = min(50, (5*(budget - 60)) // 14)   # 3c + (50 - c)/5 <= budget - 50
    c_ben = min(50, budget // 3)
    s_ben = min(50, budget - 3*c_ben)
    return (s_vol, c_vol, 0), (50, c_loc, 50 - c_loc), (s_ben, c_ben, 0)

valid = choose(120, transfers=False)
local = choose(120)
benefit = choose(120, "benefit", False)
coverage_c = choose(120, transfers=False, min_complex=30)
coverage_s = choose(120, "benefit", False, min_simple=20)
assert valid[:5] == (50, 23, 0, 73, 165)
assert local[:6] == (50, 21, 29, 100, 155, 87)
assert benefit[:5] == (0, 40, 0, 40, 200)
assert coverage_c[:5] == (30, 30, 0, 60, 180)
assert coverage_s[:5] == (21, 33, 0, 54, 186)
assert closed_form(120) == (valid[:3], local[:3], benefit[:3])
for name, p in [("validos", valid), ("local", local),
                ("beneficio", benefit), ("min_complejas", coverage_c),
                ("min_sencillas", coverage_s)]:
    print(name, p)

budgets = [90, 110, 130, 150]
local_agents = [choose(b) for b in budgets]
benefit_agents = [choose(b, "benefit", False) for b in budgets]
for b, p, q in zip(budgets, local_agents, benefit_agents):
    _, loc, ben = closed_form(b)
    assert p[:3] == loc and q[:3] == ben
assert all(p[3] == 100 for p in local_agents)
assert [p[2] for p in local_agents] == [40, 33, 25, 18]
assert sum(p[4] for p in local_agents) == 620
assert sum(p[4] for p in benefit_agents) == 798
assert sum(p[3] for p in benefit_agents) == 162
assert sum(p[5] for p in local_agents) == 348
print("beneficios_locales", [p[4] for p in local_agents])
print("beneficios_alternativos", [p[4] for p in benefit_agents])
print("carga_externa", sum(p[5] for p in local_agents))

# Peso de la transferencia en el puntaje (apartado 468.12)
F = Fraction
for w, expected in [(F(-1, 2), (50, 23, 0)), (0, (50, 23, 0)),
                    (F(1, 20), (50, 23, 5)), (F(1, 15), (50, 23, 5)),
                    (F(1, 10), (50, 22, 20)), (F(1, 9), (50, 22, 20)),
                    (F(1, 2), (50, 21, 29)), (1, (50, 21, 29)),
                    (F(3, 2), (50, 0, 50))]:
    p = choose(120, w=w)
    assert p[:3] == expected
    print("peso", w, p[:3], "beneficio", p[4], "carga", p[5])

El código hace observable la diferencia entre optimizar una medida y mejorar una función. En el régimen local, el agente actúa en coherencia con el incentivo y obtiene la cifra máxima. La auditoría compara esa cifra con el beneficio y la carga externa, que no forman parte del objetivo optimizado. Esa separación tiene que mantenerse al diseñar una evaluación, porque si se usara únicamente la misma medida que el agente optimiza, el desplazamiento quedaría oculto por construcción.

La simulación no incluye falsificación, cambios de codificación ni selección de solicitudes antes del ingreso. Cada uno de esos mecanismos podría añadirse, aunque requiere reglas y consecuencias propias. El ejemplo ya produce una divergencia entre cifra y función con datos correctos y acciones permitidas, lo que permite discutir el diseño de incentivos sin suponer que todo problema de indicadores nace de la mala fe.

468.8 Umbrales, selección y desplazamiento temporal

Las metas definidas por un umbral pueden concentrar el esfuerzo en sus proximidades. Si solo cuenta atender antes de cierto plazo, el agente tiene razones para priorizar las solicitudes a punto de vencer y postergar las que ya lo superaron, porque estas ya no mejoran la cifra. Para detectar esa respuesta hay que observar la distribución completa de los tiempos, incluida la cola posterior al umbral.

La evidencia empírica sobre metas de este tipo no es homogénea. Kelman y Friedman (2009) analizaron la meta inglesa según la cual ningún paciente debía esperar más de cuatro horas en los servicios de urgencia. Con datos de los 155 hospitales de Inglaterra observaron una mejora marcada de los tiempos entre 2003 y 2006 y no encontraron pruebas de ninguno de los efectos disfuncionales que se habían planteado para esa meta. Propper et al. (2010), que usaron las diferencias de política entre los países del Reino Unido como experimento natural, concluyeron que las metas de espera inglesas redujeron los tiempos sin reducciones aparentes en otros aspectos de la atención. Elkomy y Cookson (2020), en cambio, estudiaron 161 trusts ingleses entre 2010-2011 y 2013-2014 y describieron que los hospitales con menor espera media tenían tasas de reingreso a veintiocho días significativamente mayores. Es una asociación observacional, compatible con una distorsión de la producción pero insuficiente para establecer causalidad. Estos estudios no autorizan a afirmar que las metas siempre distorsionen la atención ni que nunca lo hagan.

La selección del denominador ofrece otra vía de adaptación. Un servicio puede restringir la elegibilidad o derivar antes de registrar una solicitud, y la tasa de éxito entre los aceptados mejora mientras empeora el acceso global. Gravelle, Sutton y Ma (2010) estudiaron el esquema de pago por desempeño que el sistema sanitario público británico introdujo en la atención primaria en 2004-2005, que premiaba la proporción de pacientes elegibles que recibían el tratamiento adecuado. Los elegibles eran los pacientes que el propio prestador informaba con la enfermedad, menos los que excluía por excepción, de modo que los prestadores podían actuar sobre el denominador además de hacerlo sobre el numerador. Las diferencias en las tasas de enfermedad informadas y de excepción que encontraron sugieren que lo hicieron. Una evaluación necesita seguir las solicitudes recibidas, aceptadas y rechazadas, con sus motivos, para distinguir un cambio justificado del denominador de una mejora de la atención.

El desplazamiento temporal aparece cuando las tareas se adelantan o se postergan para cumplir con un período de reporte. Un cierre registrado antes de fin de mes puede requerir después trabajo correctivo que queda fuera si la evaluación termina en la fecha del indicador. Seguir cohortes durante un horizonte suficiente permite reconocer reingresos, reaperturas y acciones pendientes.

Los indicadores compuestos pueden ocultar compensaciones, porque una mejora grande en un componente puede neutralizar en el total el deterioro de otro de especial importancia clínica. Las ponderaciones deben ser explícitas y los componentes deben seguir disponibles por separado. Cuando una función no debe caer por debajo de cierto mínimo, una restricción como las del apartado 468.5 representa mejor el objetivo que una suma en la que todo es compensable.

La adaptación también puede mejorar la función, dirigiendo recursos hacia demoras evitables o estimulando la coordinación entre servicios. Suponer de antemano que todo aumento del indicador es manipulación impediría reconocer mejoras como las que describieron Kelman y Friedman (2009), y suponer que todo aumento es un éxito impediría detectar desplazamientos.

468.9 Diseñar indicadores que acompañen la función

Un indicador útil necesita una definición estable de numerador, denominador y ventana temporal. Debe especificar qué acciones cuentan, qué excepciones se admiten y cómo se tratan los datos faltantes. Esa precisión permite reproducir el cálculo y anticipar respuestas. Las excepciones suelen ser necesarias, ya que algunas personas no deben recibir el tratamiento que el indicador premia, pero hay que revisarlas periódicamente porque pueden convertirse en una vía de selección que altere la comparabilidad entre servicios, como sugiere el caso estudiado por Gravelle et al. (2010).

Las medidas de equilibrio observan consecuencias que el indicador principal puede omitir; en el ejemplo serían el beneficio por tipo de necesidad, las solicitudes pendientes y el trabajo transferido. Conviene elegir las que se vinculan con mecanismos plausibles de desplazamiento, porque una batería extensa aumenta la carga de registro y facilita escoger después la cifra más favorable.

Los datos deben poder auditarse a nivel de episodio, ya que un porcentaje agregado no permite saber si un cierre correspondió a una atención completa o a una transferencia. La auditoría debe ser proporcional y concentrarse en los puntos donde la definición admite respuestas relevantes.

El ajuste por necesidades puede mejorar la comparabilidad, pero introduce modelos y decisiones propias. Si se ajusta por variables que la mala atención modifica, parte del problema queda oculto. Si se usan categorías susceptibles de codificación estratégica, el incentivo se traslada al registro de la complejidad. La evaluación debe examinar la calidad y la estabilidad de esas variables, además del procedimiento estadístico, y conservar los resultados sin ajustar para entender qué está cambiando.

La forma de las consecuencias importa tanto como la definición. Un indicador que se usa para investigar dificultades no provoca las mismas respuestas que uno ligado a una sanción automática. El régimen que analizaron Bevan y Hood (2006) combinaba metas con amenaza de sanción, y los autores lo compararon con el sistema soviético de metas, que tuvo éxitos iniciales antes de colapsar. El diseño institucional debe explicar cómo se revisarán los resultados atípicos y cómo se distinguirán los problemas de recursos de los de ejecución o de conducta, porque esa gobernanza forma parte del mecanismo que se evalúa.

468.10 Comprobar la mejora del resultado asistencial

Siempre que sea posible, la evaluación debe definir resultados independientes del indicador. Si se premia el cierre administrativo, conviene observar la continuidad efectiva, las acciones completadas y la experiencia de las personas transferidas. Si esa medida externa también pasa a ser objetivo, habrá que revisar sus propias posibilidades de adaptación.

El contraste temporal tiene que considerar que los agentes aprenden. La respuesta inicial puede consistir en más esfuerzo útil y dar paso después a estrategias de selección, algo que una evaluación breve no captaría. Kelman y Friedman (2009) cierran su estudio con una discusión sobre las condiciones en que cabe esperar efectos disfuncionales y aquellas en que no. Responder esa pregunta en un caso concreto exige observar trayectorias de acciones y resultados a lo largo del tiempo, junto con los cambios de recursos y de demanda.

La comparación entre servicios exige conocer el régimen de incentivos efectivamente aplicado. Una meta formal puede influir poco si nadie recibe retroalimentación, y otra puede tener gran efecto con una recompensa económica pequeña, por reputación o presión jerárquica. Por eso conviene medir la exposición al incentivo y la comprensión de las reglas en lugar de inferir la conducta a partir de documentos institucionales.

El análisis de equidad debe examinar quién queda pendiente. En el ejemplo, maximizar el beneficio deja sin atención todas las solicitudes sencillas y maximizar el volumen deja pendientes más complejas. Los mínimos de cobertura, los límites de demora o las prioridades según necesidad tienen que explicitarse y comprobarse, porque optimizar una suma no garantiza una distribución justa.

Cuando el indicador mejora y el resultado asistencial se mantiene estable, caben varias explicaciones, desde cambios de registro o un resultado medido con poca sensibilidad hasta un beneficio en un grupo compensado por el deterioro de otro. La investigación tiene que examinar las rutas de acción antes de concluir y mantener la incertidumbre allí donde los datos no permiten separar esas explicaciones.

468.11 Revisar la regla sin trasladar el problema

Excluir las transferencias del indicador de éxito local corrige parte del problema del ejemplo, pero podría incentivar la retención de casos que deberían derivarse. Una alternativa es contar una transferencia como función cumplida solo cuando el receptor la acepta y ejecuta una acción pertinente, con responsabilidad compartida sobre la continuidad. Esa regla requiere datos entre servicios y un horizonte suficiente, y puede generar disputas de atribución, de modo que debe especificar cómo se evalúa la contribución de cada servicio.

Penalizar de manera uniforme el trabajo externo puede ser igualmente problemático, porque algunas derivaciones son necesarias cuando el servicio de origen carece de la competencia requerida. La descomposición del apartado 468.4 ofrece una orientación: trasladar solicitudes que de otro modo quedarían sin atención no significa lo mismo que renunciar a atenciones posibles para cerrar más episodios.

Además de moderar la intensidad de los incentivos, Holmström y Milgrom (1991) contemplaron restringir explícitamente algunas actividades para que el esfuerzo no se desvíe hacia las tareas mejor recompensadas. En el ejemplo, eso podría traducirse en exigir un motivo clínico registrado y revisable para que una transferencia cuente como cierre, regla que a su vez puede inducir motivos redactados de forma estereotipada.

Una revisión de indicadores debe probar las respuestas plausibles antes de implementarse. La enumeración de agentes ofrece un procedimiento sencillo, que consiste en buscar qué planes maximizan la medida bajo las restricciones y examinar sus consecuencias. Si aparecen soluciones absurdas desde el punto de vista asistencial, la regla necesita cambios. El análisis no predice la conducta humana, pero identifica vulnerabilidades lógicas que pueden discutirse con los equipos.

La nueva regla también tiene que observarse una vez implementada. Una definición más estricta puede mejorar la validez y aumentar el trabajo documental, y un ajuste por complejidad puede facilitar la comparación y estimular a la vez la codificación estratégica. La gobernanza debe permitir modificar la medida sin ocultar la serie histórica ni presentar los cambios de definición como mejoras de desempeño.

468.12 Auditar una cifra que ya llegó al máximo

Cuando todos los agentes alcanzan cien cierres, el indicador deja de mostrar diferencias de desempeño, y la ausencia de variación puede leerse erróneamente como homogeneidad de calidad. Una auditoría puede empezar por descomponer el numerador según el evento que lo produce, lo que conserva la cifra original y muestra cuánto corresponde a atenciones completas, a transferencias aceptadas o a cierres administrativos sin acción posterior.

El peso que la regla asigna a cada transferencia puede analizarse directamente. Si el puntaje local se escribe como $s+c+wz$, el indicador original corresponde a $w=1$. La corrección más simple, que resta una unidad por cada transferencia, corresponde a $w=0$; el puntaje pasa a ser el número de atenciones completas y el agente vuelve al plan de volumen sin transferencias. Con $w$ negativo, cada transferencia resta puntaje, lo que elimina el premio por trasladar y desalienta también las derivaciones necesarias.

Los pesos intermedios muestran que la conducta óptima cambia por tramos. Con capacidad de ciento veinte, cualquier peso positivo induce al menos cinco transferencias, porque la unidad sobrante del plan de volumen alcanza para pagarlas sin renunciar a ninguna atención. Mientras $w$ no supere $1/15$, el agente transfiere solo esas cinco solicitudes y el beneficio se mantiene en ciento sesenta y cinco. Para pesos mayores que $1/15$ y hasta $1/9$, renuncia a una atención compleja para transferir veinte solicitudes y obtiene ciento sesenta unidades de beneficio. Para pesos mayores que $1/9$ y hasta $1$, inclusive, adopta el plan local de veintiuna atenciones complejas y veintinueve transferencias. Por encima de $1$, transferir una solicitud puntúa más que atenderla, el agente deja de atender complejas y las transfiere todas, con lo que su beneficio cae a cincuenta unidades. En los puntos de empate, el desempate por beneficio favorece el plan con más atenciones.

Los umbrales se obtienen comparando planes vecinos. Pasar de veintitrés atenciones con cinco transferencias a veintidós con veinte cambia el puntaje en $-1+15w$; el paso siguiente lo cambia en $-1+9w$, y cambiar las veintiuna atenciones restantes por transferencias lo cambia en $21(w-1)$. La conducta responde a umbrales del peso, de modo que cambios pequeños en la regla pueden producir saltos grandes en la asignación. El tramo de pesos bajos indica además que una transferencia es compatible con el máximo beneficio del origen cuando solo traslada solicitudes que quedarían pendientes. Ningún peso establece, sin embargo, la valoración asistencialmente correcta de una transferencia, que depende de su función y de sus consecuencias en el receptor.

También puede usarse una medida de continuidad compartida, en la que una transferencia solo contribuye cuando la acción pertinente se ejecuta dentro del horizonte. El origen tiene entonces un incentivo para comprobar la aceptación y colaborar en resolver barreras, aunque si no controla la capacidad del receptor podría recibir una evaluación desfavorable por restricciones ajenas. La atribución de resultados debe ir acompañada de responsabilidad sobre los recursos o de una interpretación que reconozca esas dependencias.

La revisión de episodios capta lo que una descomposición automática omite. Dos transferencias aceptadas pueden diferir en pertinencia, en la información que acompaña a la persona y en el tiempo hasta la ejecución, y una muestra estratificada por rutas y demoras permite examinarlo sin revisar todos los registros. Presentar a los equipos la cifra junto con ejemplos de decisiones que la elevan facilita, además, revisar las reglas con quienes conocen las restricciones operativas.

La serie histórica, por último, debe conservar las versiones de cada definición. Si se empieza a exigir la aceptación del receptor, la tasa de cierres puede bajar aunque el recorrido mejore, y comparar directamente ambas versiones atribuiría al desempeño un cambio que pertenece a la medición. Un período de solapamiento en que se calculen las dos reglas permite interpretar esa discontinuidad.

Referencias

Bevan, G., y Hood, C. (2006). What's measured is what matters: Targets and gaming in the English public health care system. Public Administration, 84(3), 517–538. https://doi.org/10.1111/j.1467-9299.2006.00600.x

Elkomy, S., y Cookson, G. (2020). Performance management strategy: Waiting time in the English National Health Services. Public Organization Review, 20(1), 95–112. https://doi.org/10.1007/s11115-018-0425-7

Gravelle, H., Sutton, M., y Ma, A. (2010). Doctor behaviour under a pay for performance contract: Treating, cheating and case finding? The Economic Journal, 120(542), F129–F156. https://doi.org/10.1111/j.1468-0297.2009.02340.x

Holmström, B., y Milgrom, P. (1991). Multitask principal–agent analyses: Incentive contracts, asset ownership, and job design. Journal of Law, Economics, and Organization, 7(número especial), 24–52. https://doi.org/10.1093/jleo/7.special_issue.24

Kelman, S., y Friedman, J. N. (2009). Performance improvement and performance dysfunction: An empirical examination of distortionary impacts of the emergency room wait-time target in the English National Health Service. Journal of Public Administration Research and Theory, 19(4), 917–946. https://doi.org/10.1093/jopart/mun028

Kerr, S. (1975). On the folly of rewarding A, while hoping for B. Academy of Management Journal, 18(4), 769–783. https://doi.org/10.5465/255378

Propper, C., Sutton, M., Whitnall, C., y Windmeijer, F. (2010). Incentives and targets in hospital care: Evidence from a natural experiment. Journal of Public Economics, 94(3–4), 318–335. https://doi.org/10.1016/j.jpubeco.2010.01.002

Smith, P. (1995). On the unintended consequences of publishing performance data in the public sector. International Journal of Public Administration, 18(2–3), 277–310. https://doi.org/10.1080/01900699508525011