Examen Final - Maestría en Salud Pública

El Municipio A muestra mayor tasa cruda de mortalidad por ECV que B, pero A tiene población más envejecida. Tras ajuste directo por edad con una población estándar, la CMC = 1,00. ¿Cuál es la conclusión válida?

• La diferencia cruda se explica por la estructura de edad; una vez ajustado, no hay diferencia real en mortalidad por ECV entre A y B con respecto al estándar utilizado.

• Aunque el ajuste dio CMC = 1,00, la prioridad sanitaria debe seguir con A, pues mantener la dirección observada en crudo evita que el ajuste “diluya” desigualdades relevantes para la gestión local.

• El resultado sugiere que B podría tener exceso de mortalidad por causas no etarias (p. ej., acceso), por lo que conviene interpretar que B supera a A tras controlar por edad, incluso si la CMC resultó 1,00.

• El método directo no es válido para comparaciones municipales; por estabilidad de tasas conviene siempre preferir el SMR (indirecto), independientemente de la disponibilidad de tasas específicas por edad.

• La elección de una población estándar externa introduce sesgo; es metodológicamente preferible usar la población de A como estándar para que el ajuste reproduzca su estructura real y facilite decisiones locales.

Se evalúa la asociación entre uso reciente de AINEs y hemorragia digestiva alta mediante un caso-control. La hemorragia es poco frecuente y los controles reflejan la distribución de exposición en la población fuente. ¿Cuál afirmación sobre la medida de asociación e interpretación es correcta?

• El riesgo relativo es la medida natural en caso-control; al muestrear por desenlace, el RR se estima sin sesgo si el seguimiento es retrospectivo y los diagnósticos son precisos.

• Dado que el OR tiende a sobreestimar efectos grandes, no debe interpretarse como medida de riesgo en ningún escenario; lo apropiado es reportar riesgo atribuible poblacional.

• Con enfermedad rara y muestreo adecuado de controles, el OR de exposición aproxima el RR, por lo que puede interpretarse como tal con cautela y reportando intervalos de confianza.

• La aproximación OR ≈ RR depende sobre todo del tamaño muestral; si n ≥ 10.000 la convergencia es garantizada, independientemente de la frecuencia del evento.

• Cuando los controles son hospitalarios, cualquier esquema de muestreo asegura OR ≈ RR, ya que las tasas subyacentes no varían dentro del sistema asistencial.

Un nuevo tratamiento retrasa la progresión y reduce la letalidad, sin modificar la incidencia. En una población estable, un año después, ¿qué ocurre con la prevalencia?

• Aumenta, pues en régimen estacionario Prevalencia ≈ Incidencia × Duración; al prolongarse la supervivencia, la duración promedio crece y se acumulan más casos.

• Permanece similar, ya que la prevalencia de punto depende primariamente de la incidencia reciente; si esta no cambia, las variaciones de duración tienen impacto marginal en horizontes cortos.

• Disminuye por efecto de supervivencia: al morir menos, la carga de enfermedad clínicamente aparente se reduce y la prevalencia registrada cae en los sistemas de información.

• No puede inferirse sin tiempo-persona; la definición de prevalencia requiere denominadores en persona-tiempo, por lo que cualquier afirmación carece de soporte sin esa métrica.

• Podría aumentar o disminuir dependiendo de la gravedad basal: si los casos son más severos, la mayor letalidad contrarresta cualquier efecto de duración y la prevalencia se estabiliza.

En 2025, un hospital implementó un Programa de Gestión de Camas y Alta Temprana (PGCAT) para mejorar la rotación y reducir los reingresos a 30 días, reforzando además la planificación del alta y ajustando las dotaciones en turnos críticos. En el período pre-PGCAT se registraron 1.200 ingresos con 180 reingresos, es decir un riesgo de 15,00% (IC95% 13,09%–17,13%); en el post-PGCAT hubo 1.300 ingresos y 156 reingresos, con riesgo de 12,00% (IC95% 10,34%–13,88%), lo que se tradujo en un RR = 0,80 (IC95% 0,66–0,98), una reducción absoluta del riesgo (ARR) de 3,00 pp (IC95% 0,32–5,68 pp) y un NNT = 33,33 (IC95% 17,59–316,16). En seguridad del paciente, las caídas descendieron de 4,00 por 1.000 días-paciente (48/12.000) a 3,23 por 1.000 (42/13.000), con rate ratio = 0,81 (IC95% 0,53–1,22). En el período postintervención, las altas en fin de semana fueron 260 con 52 reingresos (20,00%) frente a 1.040 altas en días laborales con 104 reingresos (10,00%), arrojando RR (fin de semana vs laboral) = 2,00 (IC95% 1,48–2,71); de ello se derivan una fracción atribuible en expuestos (AFe) = 0,50 (IC95% 0,32–0,63) y, dado que la proporción expuesta (Pe) fue 20,00%, una PAF = 16,67% (IC95% 8,69%–25,49%). Finalmente, por servicio en el post-PGCAT, Medicina Interna registró 700 altas y 91 reingresos (13,00%) con SMR = 0,95 (IC95% 0,76–1,17), mientras Cirugía tuvo 600 altas y 66 reingresos (11,00%) con SMR = 0,85 (IC95% 0,66–1,08).

Pre-PGCAT: 15,00%; Post-PGCAT: 12,00% ⇒ RR = 0,80, ARR = 3,00 pp, NNT = 33,33. ¿Cuál es la lectura operativa más sensata para decidir continuidad y escala del PGCAT?

• Considerar el programa útil y escalable con cautela: reducción modesta pero consistente; el NNT sugiere evaluar costos por alta y presión de camas antes de escalar.

• La ARR < 5,00 pp clasifica el efecto como “no gerenciable”; corresponde retirar la intervención sin más análisis.

• Con RR < 1,00 hay ahorros automáticos; la evaluación económica es prescindible.

• Un NNT > 30 invalida cualquier beneficio; solo programas con NNT < 10 son razonables en todo contexto.

• La diferencia 15,00%→12,00% debe asumirse estacional y no atribuible a cambios de proceso.

En 2025, un hospital implementó un Programa de Gestión de Camas y Alta Temprana (PGCAT) para mejorar la rotación y reducir los reingresos a 30 días, reforzando además la planificación del alta y ajustando las dotaciones en turnos críticos. En el período pre-PGCAT se registraron 1.200 ingresos con 180 reingresos, es decir un riesgo de 15,00% (IC95% 13,09%–17,13%); en el post-PGCAT hubo 1.300 ingresos y 156 reingresos, con riesgo de 12,00% (IC95% 10,34%–13,88%), lo que se tradujo en un RR = 0,80 (IC95% 0,66–0,98), una reducción absoluta del riesgo (ARR) de 3,00 pp (IC95% 0,32–5,68 pp) y un NNT = 33,33 (IC95% 17,59–316,16). En seguridad del paciente, las caídas descendieron de 4,00 por 1.000 días-paciente (48/12.000) a 3,23 por 1.000 (42/13.000), con rate ratio = 0,81 (IC95% 0,53–1,22). En el período postintervención, las altas en fin de semana fueron 260 con 52 reingresos (20,00%) frente a 1.040 altas en días laborales con 104 reingresos (10,00%), arrojando RR (fin de semana vs laboral) = 2,00 (IC95% 1,48–2,71); de ello se derivan una fracción atribuible en expuestos (AFe) = 0,50 (IC95% 0,32–0,63) y, dado que la proporción expuesta (Pe) fue 20,00%, una PAF = 16,67% (IC95% 8,69%–25,49%). Finalmente, por servicio en el post-PGCAT, Medicina Interna registró 700 altas y 91 reingresos (13,00%) con SMR = 0,95 (IC95% 0,76–1,17), mientras Cirugía tuvo 600 altas y 66 reingresos (11,00%) con SMR = 0,85 (IC95% 0,66–1,08).

Post-PGCAT, el RR de reingreso para alta en fin de semana (vs laboral) es 2,00 y la AFe = 0,50. ¿Qué enfoque táctico refleja mejor un riesgo modificable?

• Concentrar un bundle de alta en fines de semana (conciliación, educación, cita temprana, coordinación social), apuntando a la parte prevenible del exceso sin prohibir el alta.

• Prohibir todas las altas en fin de semana: con RR = 2,00 la causalidad está demostrada y no se requieren análisis adicionales.

• Trasladar personal a días laborales porque los procesos en fin de semana son intrínsecamente ineficientes.

• Redefinir el desenlace a 14 días para reducir el contraste y alinear el indicador a metas internas.

• Hacer cribado solo los viernes; con RR alto, el valor predictivo será suficiente sin modelos.

En 2025, un hospital implementó un Programa de Gestión de Camas y Alta Temprana (PGCAT) para mejorar la rotación y reducir los reingresos a 30 días, reforzando además la planificación del alta y ajustando las dotaciones en turnos críticos. En el período pre-PGCAT se registraron 1.200 ingresos con 180 reingresos, es decir un riesgo de 15,00% (IC95% 13,09%–17,13%); en el post-PGCAT hubo 1.300 ingresos y 156 reingresos, con riesgo de 12,00% (IC95% 10,34%–13,88%), lo que se tradujo en un RR = 0,80 (IC95% 0,66–0,98), una reducción absoluta del riesgo (ARR) de 3,00 pp (IC95% 0,32–5,68 pp) y un NNT = 33,33 (IC95% 17,59–316,16). En seguridad del paciente, las caídas descendieron de 4,00 por 1.000 días-paciente (48/12.000) a 3,23 por 1.000 (42/13.000), con rate ratio = 0,81 (IC95% 0,53–1,22). En el período postintervención, las altas en fin de semana fueron 260 con 52 reingresos (20,00%) frente a 1.040 altas en días laborales con 104 reingresos (10,00%), arrojando RR (fin de semana vs laboral) = 2,00 (IC95% 1,48–2,71); de ello se derivan una fracción atribuible en expuestos (AFe) = 0,50 (IC95% 0,32–0,63) y, dado que la proporción expuesta (Pe) fue 20,00%, una PAF = 16,67% (IC95% 8,69%–25,49%). Finalmente, por servicio en el post-PGCAT, Medicina Interna registró 700 altas y 91 reingresos (13,00%) con SMR = 0,95 (IC95% 0,76–1,17), mientras Cirugía tuvo 600 altas y 66 reingresos (11,00%) con SMR = 0,85 (IC95% 0,66–1,08).

Con Pe = 20,00% (altas en fin de semana) y RR = 2,00, la PAF = 16,67%. ¿Cómo aprovechar este dato en la planificación del portafolio de mejoras?

• Tomarlo como techo potencial reducible a nivel hospitalario si el factor es causal y si la intervención neutraliza el exceso; fijar metas realistas y combinar palancas.

• Interpretarlo como beneficio individual del expuesto y sustituir la AFe en decisiones tácticas.

• Por ser < 20,00%, considerar el impacto insuficiente y descartar la línea de trabajo.

• Suponer que la PAF aumentará aunque el RR baje tras intervenir; cualquier mejora eleva automáticamente el impacto.

• Concluir que la PAF no aplica en hospitales por ser entornos cerrados; usar solo tasas crudas.

En 2025, un hospital implementó un Programa de Gestión de Camas y Alta Temprana (PGCAT) para mejorar la rotación y reducir los reingresos a 30 días, reforzando además la planificación del alta y ajustando las dotaciones en turnos críticos. En el período pre-PGCAT se registraron 1.200 ingresos con 180 reingresos, es decir un riesgo de 15,00% (IC95% 13,09%–17,13%); en el post-PGCAT hubo 1.300 ingresos y 156 reingresos, con riesgo de 12,00% (IC95% 10,34%–13,88%), lo que se tradujo en un RR = 0,80 (IC95% 0,66–0,98), una reducción absoluta del riesgo (ARR) de 3,00 pp (IC95% 0,32–5,68 pp) y un NNT = 33,33 (IC95% 17,59–316,16). En seguridad del paciente, las caídas descendieron de 4,00 por 1.000 días-paciente (48/12.000) a 3,23 por 1.000 (42/13.000), con rate ratio = 0,81 (IC95% 0,53–1,22). En el período postintervención, las altas en fin de semana fueron 260 con 52 reingresos (20,00%) frente a 1.040 altas en días laborales con 104 reingresos (10,00%), arrojando RR (fin de semana vs laboral) = 2,00 (IC95% 1,48–2,71); de ello se derivan una fracción atribuible en expuestos (AFe) = 0,50 (IC95% 0,32–0,63) y, dado que la proporción expuesta (Pe) fue 20,00%, una PAF = 16,67% (IC95% 8,69%–25,49%). Finalmente, por servicio en el post-PGCAT, Medicina Interna registró 700 altas y 91 reingresos (13,00%) con SMR = 0,95 (IC95% 0,76–1,17), mientras Cirugía tuvo 600 altas y 66 reingresos (11,00%) con SMR = 0,85 (IC95% 0,66–1,08).

Las caídas descienden de 4,00 a 3,23 por 1.000 días-paciente (rate ratio = 0,81). ¿Qué principio de interpretación se ajusta mejor a una cultura de mejora continua?

• Reconocer una señal favorable, pero sin adjudicar causalidad: mantener/ajustar medidas y revisar tendencias, caso-mix y cumplimiento antes de escalar.

• Con rate ratio < 1,00, retirar medidas complementarias por redundantes.

• Comparar números absolutos sin denominador; los días-paciente “sesgan” la lectura.

• Cambiar a proporciones sin exposición; las razones de tasa son “poco útiles” para gestión.

• Con una sola comparación pre–post, inferir sostenibilidad de largo plazo y cerrar el ciclo.

En 2025, un hospital implementó un Programa de Gestión de Camas y Alta Temprana (PGCAT) para mejorar la rotación y reducir los reingresos a 30 días, reforzando además la planificación del alta y ajustando las dotaciones en turnos críticos. En el período pre-PGCAT se registraron 1.200 ingresos con 180 reingresos, es decir un riesgo de 15,00% (IC95% 13,09%–17,13%); en el post-PGCAT hubo 1.300 ingresos y 156 reingresos, con riesgo de 12,00% (IC95% 10,34%–13,88%), lo que se tradujo en un RR = 0,80 (IC95% 0,66–0,98), una reducción absoluta del riesgo (ARR) de 3,00 pp (IC95% 0,32–5,68 pp) y un NNT = 33,33 (IC95% 17,59–316,16). En seguridad del paciente, las caídas descendieron de 4,00 por 1.000 días-paciente (48/12.000) a 3,23 por 1.000 (42/13.000), con rate ratio = 0,81 (IC95% 0,53–1,22). En el período postintervención, las altas en fin de semana fueron 260 con 52 reingresos (20,00%) frente a 1.040 altas en días laborales con 104 reingresos (10,00%), arrojando RR (fin de semana vs laboral) = 2,00 (IC95% 1,48–2,71); de ello se derivan una fracción atribuible en expuestos (AFe) = 0,50 (IC95% 0,32–0,63) y, dado que la proporción expuesta (Pe) fue 20,00%, una PAF = 16,67% (IC95% 8,69%–25,49%). Finalmente, por servicio en el post-PGCAT, Medicina Interna registró 700 altas y 91 reingresos (13,00%) con SMR = 0,95 (IC95% 0,76–1,17), mientras Cirugía tuvo 600 altas y 66 reingresos (11,00%) con SMR = 0,85 (IC95% 0,66–1,08).

Post-PGCAT: Medicina 13,00% (SMR 0,95); Cirugía 11,00% (SMR 0,85). ¿Qué uso responsable del ajuste sugiere esta lectura para la gestión interna?

• Ambos servicios mejor de lo esperado (SMR < 1,00); Cirugía con mejor desempeño relativo, útil para aprendizaje cruzado sin premios/castigos automáticos.

• Las tasas crudas bastan; el SMR sobrecorrige y debe ignorarse.

• Un SMR < 1,00 garantiza calidad óptima; no hacen falta auditorías.

• La diferencia de SMR obliga a mover personal de Medicina a Cirugía sin más análisis.

• Con SMR < 1,00, el reingreso pierde utilidad y debe eliminarse del tablero.

Seleccione todas las que correspondan; puede haber una o más respuestas correctas.

Para decidir priorización y escala de una intervención, ¿qué enfoques son conceptualmente adecuados?

• Usar ARR y NNT para traducir el efecto a impacto absoluto por persona/intervención en la planificación operativa.

• Utilizar la PAF para estimar el impacto poblacional potencial, combinando magnitud del riesgo y prevalencia de exposición (asumiendo causalidad y modificabilidad).

• Preferir solo el RR y descartar medidas absolutas porque “complican” la decisión.

• Considerar que, aunque la exposición sea muy frecuente, un RR pequeño no merece prioridad porque el tamaño del efecto relativo es bajo.

• Asumir que el NNT es universal y no depende del riesgo basal ni del contexto.

Seleccione todas las que correspondan; puede haber una o más respuestas correctas. Una institución compara periodos antes–después para valorar un cambio organizacional. ¿Qué prácticas fortalecen de forma robusta la inferencia causal?

• Emplear series temporales interrumpidas modelando tendencias y estacionalidad, en lugar de promedios agregados pre–post.

• Suponer que el efecto es inmediato y no considerar periodo de gracia; así se evita “sobrecomplicar” el análisis.

• Omitir covariables porque las tendencias se “cancelan” entre periodos y el modelo queda más simple.

• Incorporar un grupo de comparación estable (p. ej., diferencia-en-diferencias) para separar efecto del programa de cambios contextuales.

• Atribuir toda mejoría al efecto Hawthorne para evitar sesgos de confirmación.