PHASE-ED: Recorded Emergency Department Stay and Temporal Prediction Across Pandemic Phases at Jordanian Public Hospitals

Cuando un paciente llega a la sala de emergencias de un hospital, el reloj empieza a correr. Este tiempo, conocido como la estancia media, es más que un simple número en una hoja de cálculo; es una medida de la rapidez con la que una persona se desplaza desde el momento en que cruza la puerta hasta el momento en que se marcha, ya sea para volver a casa o para ser trasladada a una cama de hospital. Para los médicos y los gestores hospitalarios, el seguimiento de esta duración es vital. Les ayuda a comprender si sus sistemas funcionan sin problemas o si los pacientes se quedan estancados en cuellos de botella, esperando demasiado tiempo para recibir atención. En los últimos años, la pandemia mundial sumió a estos sistemas en el caos, cambiando cuántas personas acudían, qué tan enfermas estaban y cómo respondían los hospitales. Ahora que la crisis inmediata ha pasado, queda una pregunta crítica: ¿han vuelto las salas de emergencias realmente a la normalidad, o ha cambiado la forma en que medimos el tiempo junto con la forma en que tratamos a los pacientes?

Un nuevo estudio de Jordania, titulado PHASE-ED, se propuso responder a esta pregunta analizando los registros de casi 400.000 visitas a un departamento de emergencias de un hospital público entre 2018 y 2025. Los investigadores querían ver cómo cambió el tiempo que los pacientes pasaron en la sala de emergencias antes de la pandemia, durante el pico del virus y en los años posteriores. También querían probar si modelos informáticos sencillos podían predecir cuánto tiempo permanecería un futuro paciente, basándose únicamente en información básica como su edad, sexo y la hora del día en que llegó. El objetivo no era solo contar minutos, sino comprender si los números contaban una historia de atención más rápida o si ocultaban cambios en la forma en que el hospital registraba sus datos.

El estudio comenzó limpiando y organizando un registro digital masivo de cada paciente que entró en la sala de emergencias. Los investigadores se centraron en una instalación hospitalaria específica para asegurar la consistencia de los datos, analizando las visitas desde principios de 2018 hasta finales de 2025. Dividieron esta cronología en tres eras distintas: el tiempo antes de la pandemia, los años en que el virus se propagaba activamente y el periodo de recuperación tras el fin de la emergencia sanitaria oficial. Al comparar los valores medios de estos grupos, encontraron una tendencia clara. Antes de la pandemia, el paciente típico permanecía 63 minutos. Durante la pandemia, ese tiempo disminuyó ligeramente a 60 minutos. En el periodo de recuperación, la estancia típica cayó aún más hasta los 51 minutos.

Sin embargo, el tiempo promedio cuenta solo una parte de la historia. Los investigadores profundizaron en los datos para ver qué ocurría con los pacientes que esperaban más tiempo. Antes de la pandemia, el 10 por ciento de las estancias más largas duraban más de cinco horas y quince minutos. Durante la pandemia, este tiempo de espera en el extremo superior seguía siendo de casi cinco horas. Pero en el periodo de recuperación, las esperas más largas cayeron drásticamente a poco menos de tres horas. Esto sugiere que, si bien el paciente típico experimentó una mejora modesta, el cambio más significativo ocurrió para aquellos que estuvieron estancados en el sistema durante más tiempo. El número de pacientes que esperaron más de seis horas cayó de más del 8 por ciento antes de la pandemia a poco más del 1 por ciento en la fase de recuperación.

No obstante, los investigadores tuvieron cuidado de no asumir que estos tiempos más cortos significaban que el hospital se había vuelto repentinamente mucho más rápido en tratar a las personas. Descubrieron un cambio sutil pero importante en la forma en que el hospital registraba el tiempo. En julio de 2024, la forma en que el sistema registraba el momento exacto en que un paciente se marchaba cambió, volviéndose más precisa. Los investigadores descubrieron que los tiempos de estancia más cortos ya habían comenzado a aparecer antes de que este cambio técnico ocurriera, lo que sugiere que la tendencia era real y no solo un fallo en el sistema de registro. Aun así, señalaron que los datos mostraban un patrón extraño: el número de pacientes con un estado final "desconocido" cayó bruscamente en el periodo de recuperación. Esto planteó la posibilidad de que la forma en que el personal marcaba a los pacientes como "dados de alta" o "ingresados" hubiera cambiado, lo que podría hacer que los tiempos registrados parecieran más cortos incluso si la atención médica real duraba lo mismo.

Para ver si podían predecir estos tiempos en el futuro, el equipo construyó varios modelos informáticos. Intentaron utilizar un promedio histórico sencillo, que simplemente suponía que cada nuevo paciente permanecería el mismo tiempo que el promedio del pasado. También probaron métodos más complejos, incluyendo técnicas estadísticas avanzadas y algoritmos de aprendizaje automático que podían detectar patrones en la edad, el sexo y la hora del día. Los resultados fueron sorprendentes. Los modelos complejos no funcionaron mucho mejor que el promedio histórico sencillo. El modelo más sofisticado redujo el error de predicción en menos de dos minutos en comparación con la suposición simple. Esto sugiere que, para este hospital específico, conocer la edad o el sexo de un paciente no ayudaba mucho a predecir cuánto tiempo permanecería. La hora del día y el día de la semana importaban, pero la historia básica del rendimiento del hospital era un predictor sorprendentemente fuerte.

El estudio también analizó qué tan bien podían estos modelos estimar el rango de tiempo que un paciente podría permanecer, en lugar de solo un número único. Querían saber si podían ofrecer un intervalo de tiempo, como "la mayoría de los pacientes permanecerán entre 20 y 100 minutos", y tener la confianza de que este intervalo fuera preciso. El modelo histórico simple fue bueno en esto en términos generales, cubriendo el rango de tiempo correcto para aproximadamente el 91 por ciento de los pacientes. Sin embargo, cuando los investigadores analizaron grupos específicos, el panorama se volvió desigual. Para los pacientes marcados como necesitados de "Reanimación" —la categoría más crítica—, el modelo fue correcto aproximadamente el 69 por ciento de las veces. Esto significa que, para los pacientes más graves, las predicciones eran a menudo demasiado amplias o no daban en el blanco, resaltando que el sistema tiene dificultades para pronosticar las necesidades de los casos más urgentes.

Los investigadores concluyeron que, si bien el tiempo registrado en la sala de emergencias se ha acortado definitivamente, especialmente para aquellos que esperaron más tiempo, las razones no están totalmente claras. Los datos muestran un cambio real en los números, pero no pueden probar si esto se debe a que los médicos están trabajando más rápido, a que el tipo de pacientes que llegan ha cambiado, o a que la forma en que se registra el tiempo ha cambiado. El estudio sirve como un recordatorio de que, en un sistema complejo como un hospital, un número más corto en una pantalla no significa automáticamente una mejor atención. Sugiere que los gestores hospitalarios deben mirar más allá del tiempo total y examinar los pasos específicos del proceso, como cuánto tiempo se tarda en ver a un médico o con qué rapidez se encuentra una cama. Hasta que esos detalles se comprendan, las estancias más cortas siguen siendo una señal prometedora que requiere mayor investigación en lugar de un problema resuelto.