Ruido clínico, desacuerdo entre evaluadores y variabilidad contextual

Idea central

Tres psiquiatras entrevistan al mismo paciente. Uno diagnostica trastorno bipolar II, otro trastorno límite de la personalidad y el tercero depresión recurrente con consumo de sustancias. Decir que la psiquiatría es subjetiva no explica nada y clausura la pregunta interesante, que es dónde exactamente se produjo la variación.

Sesgo y ruido

El sesgo desplaza los juicios de manera sistemática en una dirección. El ruido es la dispersión no deseada entre decisiones que deberían resultar similares. Un servicio puede, en promedio, no favorecer ninguna categoría en particular y exhibir sin embargo un desacuerdo enorme caso a caso.

La variabilidad no siempre constituye un error. Puede reflejar información nueva, evolución real del cuadro, objetivos distintos o incertidumbre legítima. Se vuelve problemática cuando evaluadores comparables, con datos comparables y con el mismo propósito, llegan a conclusiones incompatibles sin una razón clínica defendible.

Dónde nace el desacuerdo

La variación puede originarse en la información obtenida. Cada entrevistador recoge relatos distintos según el horario, la alianza establecida, las preguntas formuladas, el estado de intoxicación, la memoria del paciente o la presencia de familiares. Antes de discutir criterios conviene comprobar si ambos juzgaron el mismo conjunto de datos.

Puede originarse en la percepción y la descripción. Uno identifica una disminución de la necesidad de sueño donde otro registra insomnio. Uno llama idea delirante a lo que otro considera una creencia sobrevalorada. El desacuerdo comienza, con más frecuencia de la que se admite, en la fenomenología y no en la nosología.

Puede originarse en las reglas. Los clínicos conocen de manera desigual los criterios, las exclusiones y las jerarquías, o aplican el DSM, la CIE y las tradiciones locales como si fueran intercambiables.

Puede originarse en los umbrales. Con los mismos datos, uno exige más evidencia antes de consignar bipolaridad y otro prefiere ganar sensibilidad para no omitirla. Los costos que cada cual percibe en el falso positivo y en el falso negativo desplazan el umbral sin que nadie lo declare.

Y puede originarse en el contexto. La hora del día, el cansancio, la presión de camas, el propósito pericial o asistencial de la evaluación y las alternativas disponibles cambian las decisiones. La indicación de hospitalizar depende tanto del sistema de apoyo del paciente como del síndrome que presenta.

Confiabilidad

La confiabilidad entre evaluadores estima la concordancia más allá del azar, y el coeficiente apropiado depende del tipo de variable y del diseño del estudio. Un valor grupal aceptable no garantiza que un diagnóstico sea correcto ni que funcione igual en todas las subpoblaciones.

La confiabilidad es necesaria para acumular conocimiento y no suficiente para establecer validez. Dos clínicos pueden concordar de manera reproducible sobre una categoría mal definida, y pueden discrepar legítimamente cuando la información disponible cambia con el tiempo. Los estudios de campo del DSM-5 mostraron confiabilidad variable entre diagnósticos y recordaron que el rendimiento en la práctica real suele ser bastante menos limpio que en muestras altamente estructuradas.

Auditar el ruido

Una auditoría puede presentar casos estandarizados o revisar decisiones comparables de manera independiente, y debe preguntar qué conclusión varía, cuánta variación resulta esperable, si todos los evaluadores compartieron la misma información, en qué punto exacto diverge el razonamiento y si la variación llega a modificar el tratamiento, la coerción o el acceso a prestaciones.

El objetivo no es forzar la unanimidad, que sería un mal resultado, sino reducir la variación injustificada y hacer visible la legítima.

Reducir la variación sin mecanizar

Ayudan el entrenamiento fenomenológico con ejemplos límite, las entrevistas semiestructuradas en casos seleccionados, las definiciones operativas y las reglas de consignación, las estimaciones independientes formuladas antes de discutir en equipo, las reuniones de calibración que incorporen desenlaces longitudinales, la documentación explícita del grado de confianza y del umbral empleado, y la consulta cuando la discrepancia afecta decisiones de alto impacto.

Conviene advertir que el consenso alcanzado después de que alguien expuso una opinión dominante no reduce el ruido: lo oculta.

Volviendo al caso, los tres psiquiatras deberían comparar primero la línea de tiempo y las definiciones que cada uno maneja de activación, reactividad afectiva y retorno al basal. Después, explicitar qué evidencia exigiría cada uno para sostener su categoría. Es posible que el desacuerdo disminuya; si persiste, debe consignarse como incertidumbre estructurada y vincularse a un plan de observación.

Conviene prevenir varios errores: llamar subjetividad a toda variación, confundir concordancia con verdad, resolver las discrepancias por jerarquía, discutir etiquetas sin comprobar datos ni definiciones, suponer que las reuniones de equipo producen juicios independientes y exigir una precisión mayor que la que el caso permite.

Autoevaluación

1. ¿Cuál es el problema conceptual o clínico central de «Ruido clínico, desacuerdo entre evaluadores y variabilidad contextual»?
2. ¿Qué inferencia indebida debe evitarse al aplicar este tema a un caso real?
3. ¿Qué dato adicional o qué condición obligaría a revisar la conclusión inicial?

Referencias seleccionadas

• Chmielewski M, Clark LA, Bagby RM, Watson D. Method matters: understanding diagnostic reliability in DSM-IV and DSM-5. Journal of Abnormal Psychology. 2015;124:764–769.
• Grove WM, Zald DH, Lebow BS, Snitz BE, Nelson C. Clinical versus mechanical prediction: a meta-analysis. Psychological Assessment. 2000;12:19–30.
• Kahneman D, Sibony O, Sunstein CR. Noise: A Flaw in Human Judgment. Little, Brown Spark; 2021.
• Regier DA, Narrow WE, Clarke DE, et al. DSM-5 field trials in the United States and Canada, Part II. American Journal of Psychiatry. 2013;170:59–70.