Risk Screening in a Medicaid-Managed Pregnancy Medical Home: The Need to Center Maternal Health Outcomes in Public Health Programming

Imagina el sistema de salud como un gigantesco faro de alta tecnología. Su trabajo es detectar barcos en problemas antes de que choquen contra las rocas. Durante décadas, este faro ha sido muy bueno detectando un tipo específico de peligro: el "barco bebé". Si un bebé va a nacer demasiado pronto o demasiado pequeño, el faro lanza una brillante advertencia y un equipo de ayudantes sale rápidamente para guiar al barco hacia la seguridad. Este sistema se llama "cribado de riesgo" y es una herramienta estándar en muchos lugares, incluyendo el programa Medicaid de Carolina del Norte.

Pero aquí está el giro: ¿qué pasa con el "barco madre"? La persona que lleva al bebé también es un navío, y a veces enfrenta sus propias tormentas, como hemorragias graves, infecciones o la necesidad de permanecer en el hospital más tiempo de lo esperado. Estos se denominan "resultados maternos adversos". Durante mucho tiempo, el faro fue construido para observar el camino del bebé, asumiendo que si el bebé estaba a salvo, la madre también debía estarlo. Pero los científicos han empezado a preguntarse: ¿Está el faro mirando realmente las tormentas correctas? ¿Detecta el mismo sistema de advertencia que identifica a un bebé en problemas también a una madre en problemas? Este artículo profundiza en esa misma pregunta, utilizando una cantidad masiva de datos para ver si la actual "red de seguridad" atrapa a ambos pasajeros o solo a uno.

La Gran Prueba: ¿Detecta el Radar del Bebé a la Madre?

Carolina del Norte tiene un programa de larga trayectoria llamado "Hogar Médico de Embarazo". Piensa en él como un equipo de cuidado súper organizado para personas embarazadas en Medicaid. Cuando una persona se une a este programa, completa un "cribado de riesgo", que es básicamente una larga lista de preguntas sobre su salud, su historial y su vida. ¿Tiene la madre diabetes? ¿Está estresada por la vivienda? ¿Ha tenido un bebé antes? ¿Fuma?

El objetivo de esta lista de verificación era originalmente encontrar embarazos con alto riesgo de que el bebé naciera de forma prematura (pretérmino) o con bajo peso. Si la lista marcaba a alguien como de "alto riesgo", recibía ayuda adicional, como un gestor de cuidados para asegurar que asistiera a sus citas médicas y recibiera el apoyo necesario. ¡Y adivina qué! ¡Funcionó! El programa ayudó con éxito a reducir el número de bebés prematuros y de bajo peso.

Pero los investigadores detrás de este artículo se hicieron una pregunta curiosa: ¿Detecta esta misma lista de verificación también a las madres que corren el riesgo de enfermarse gravemente ellas mismas?

Para averiguarlo, el equipo actuó como detectives digitales. Vincularon tres enormes cúmulos de datos de 2014 a 2019:

1. Las listas de cribado de riesgo (las preguntas que respondieron las madres).
2. Registros hospitalarios (lo que realmente sucedió cuando nació el bebé).
3. Reclamaciones de Medicaid (el papeleo que muestra quién recibió el pago por qué).

Analizaron 205,916 nacimientos. ¡Eso son muchísimos barcos! Querían ver si las personas que marcaban "sí" a cosas riesgosas en su formulario eran las mismas personas que terminaron teniendo un "mal día" en el hospital. Un "mal día" en este estudio significó un evento serio como:

• Morbilidad materna grave (SMM): Un evento de "casi muerte" donde la madre casi muere (como un ataque al corazón o hemorragia severa).
• Admisión en la UCI: La madre tuvo que ir a la Unidad de Cuidados Intensivos.
• Permanecer en el hospital mucho más tiempo de lo debido o tener que ser readmitida.

Los Resultados: Un Pronóstico Nublado

Aquí es donde la historia se pone interesante. Los investigadores pasaron los números por un modelo computacional sofisticado (llamado "bosque aleatorio" o random forest, que es como un equipo de árboles de toma de decisiones) para ver si la lista de verificación podía predecir estos eventos aterradores.

Los hallazgos fueron un poco decepcionantes para los diseñadores del sistema. Si bien la lista de verificación era excelente para detectar riesgos para el bebé, era deficiente para predecir riesgos para la madre.

• La Puntuación: La capacidad del modelo para distinguir entre una "madre segura" y una "madre enferma" se midió mediante una puntuación llamada "Área Bajo la Curva" (AUC). Una puntuación perfecta es 1.0, y un lanzamiento de moneda es 0.5. Este modelo obtuvo una puntuación de 0.63. Eso es apenas mejor que adivinar.
• La Tasa de Error: Cuando el modelo intentaba ser lo más preciso posible, solo detectaba el 56% de las madres que realmente tenían un resultado adverso. ¡Eso significa que perdía casi la mitad de ellas! También marcaba incorrectamente a muchas madres sanas como "en riesgo" (la especificidad fue solo del 63%).

¿Qué Acertó la Lista de Verificación (y Qué Erró)?

El estudio sí encontró que ciertas cosas sí estaban vinculadas a que las madres enfermaran. Si una madre era mayor de 25 años, negra, con sobrepeso u obesidad, fumaba o tenía enfermedades crónicas como diabetes o presión arterial alta, estaba, en efecto, en mayor riesgo. La lista de verificación también detectó aspectos como antecedentes de parto prematuro o presión arterial alta en un embarazo anterior.

Sin embargo, cuando los investigadores combinaron todas estas pistas en una única herramienta de predicción, la herramienta simplemente no funcionó lo suficientemente bien como para ser útil para las madres. Es como tener una aplicación del clima que es increíble prediciendo la lluvia para tu jardín pero terrible prediciendo si tu coche se va a averiar.

¿Por qué el Faro no Detectó a la Madre?

Los autores sugieren algunas razones por las cuales el "radar del bebé" falló al captar las "tormentas de la madre":

1. Preguntas Incorrectas: La lista de verificación fue diseñada para encontrar problemas del bebé. Podría estar omitiendo las pistas específicas que señalan que una madre está a punto de enfermar. Por ejemplo, podría no hacer las preguntas adecuadas sobre salud mental o tipos específicos de dolor que conducen a estancias en la UCI.
2. Problemas de Tiempo: Algunos problemas, como la hipertensión severa (preeclampsia), podrían no aparecer hasta después de que se complete la lista de verificación. Si llenas el formulario en tu primera visita, no puedes predecir un problema que comienza tres meses después.
3. El "Arreglo" Podría Haber Ayudado: Las madres que fueron marcadas como de "alto riesgo" recibieron cuidados adicionales. Es posible que esa ayuda adicional realmente previno algunos resultados adversos, haciendo que parezca que la lista de verificación no funcionaba porque las personas que fueron señaladas no enfermaron tan a menudo como de otro modo lo habrían hecho.

La Conclusión

El artículo concluye que, si bien el programa de Carolina del Norte es un modelo fantástico para mantener seguros a los bebés, no es actualmente una buena herramienta para detectar a las madres que están en peligro. El sistema fue construido para optimizar los resultados neonatales (del bebé) y cumplió bien ese trabajo. Pero para proteger a las madres, necesitamos un nuevo tipo de mapa.

Los autores no están diciendo que el programa esté roto; están diciendo que necesita ser reequilibrado. Argumentan que los programas de salud pública deben dejar de mirar al bebé y a la madre como barcos separados. En su lugar, deben diseñar cribados de riesgo que miren a ambos pasajeros por igual. Si queremos salvar vidas, debemos asegurarnos de que nuestros faros sean lo suficientemente brillantes como para ver las tormentas que se avecinan para toda la tripulación, no solo para la carga.