La administración clínica rara vez anuncia sus fracasos en voz alta. En la mayoría de las consultas de atención primaria de Europa, la conversación sobre la presión financiera se centra en lo visible: el aumento de la demanda de pacientes, las agendas saturadas y las horas perdidas en papeleo después de la jornada clínica. Pero existe un problema más silencioso y acumulativo dentro de cada historia clínica del paciente. Cuando una enfermedad crónica se documenta en texto libre pero nunca se le asigna un código clínico, ese paciente desaparece de la capa de datos estructurados de la consulta. Se le atiende, pero no se le cuenta. Las consecuencias (financieras, clínicas y regulatorias) se acumulan en toda la lista de pacientes sin que nadie lo advierta.

Qué es la infracodificación y por qué ocurre en atención primaria

La infracodificación ocurre cuando un profesional sanitario documenta un diagnóstico o una enfermedad en curso en la narrativa de una historia clínica (en texto libre) pero no adjunta los correspondientes códigos clínicos estructurados, como un código SNOMED CT o CIE-10/11, al registro del paciente. La enfermedad es conocida por el profesional sanitario que trata al paciente, pero es invisible para cualquier sistema que lea datos estructurados: registros de enfermedades, herramientas de informes, paneles de salud poblacional y cálculos de reembolso.

Las causas están bien documentadas y son sistémicas más que individuales. Un estudio cualitativo de 2024 publicado en el BJGP, que analiza cómo el personal clínico y no clínico de las consultas de atención primaria de Gales aborda la codificación clínica, concluyó que todo el proceso es poco comprendido. Los grupos de participación de pacientes y público destacaron la necesidad de aliviar la carga administrativa de codificación sobre los profesionales sanitarios, dado su impacto negativo en las consultas clínicas. La codificación compite directamente con el acto de cuidar al paciente que está frente al profesional sanitario. En esa competencia, la codificación pierde con frecuencia.

Los factores estructurales incluyen:

• Presión de tiempo durante las consultas: En una cita estándar de diez minutos, la demanda cognitiva de la anamnesis, la exploración, el razonamiento clínico y la comunicación con el paciente deja poco margen para la entrada precisa de datos estructurados.

• Dependencia de sistemas de historias clínicas antiguos: Muchas consultas operan con sistemas donde añadir un código clínico requiere navegar por múltiples pantallas o cambiar entre modos de entrada en medio de la consulta.

• Carga cognitiva: El estudio cualitativo galés confirmó que la doble tarea de atención clínica y codificación simultánea impone una tensión cognitiva significativa a los profesionales sanitarios, especialmente en consultas complejas o emocionalmente exigentes.

• Ambigüedad en la delegación: En algunas consultas, la codificación se delega parcialmente al personal administrativo, que puede carecer del conocimiento clínico necesario para codificar con precisión a partir de notas narrativas.

Ninguno de estos factores es un fracaso individual de los profesionales sanitarios. Son resultados predecibles de un sistema que ha superpuesto requisitos de datos estructurados a los flujos de trabajo clínicos sin rediseñar dichos flujos para acomodarlos.

Cómo las enfermedades crónicas son particularmente vulnerables a las brechas de codificación

No todas las presentaciones clínicas conllevan el mismo riesgo de infracodificación. Las enfermedades agudas (una fractura, una infección, un nuevo motivo de consulta) tienden a generar un evento clínico discreto con una indicación clara de codificación. Las enfermedades crónicas se comportan de manera diferente: son continuas, familiares y se abordan con frecuencia en las consultas sin ser formalmente redocumentadas.

Un paciente con diabetes tipo 2, hipertensión, asma o depresión puede ver su enfermedad referenciada en decenas de notas de consulta durante varios años. Pero si el código diagnóstico original nunca se introdujo, se introdujo incorrectamente o ha caducado de la lista de problemas activos, el paciente no aparecerá en el registro de enfermedades correspondiente. Su enfermedad queda en la narrativa de las notas, legible para un profesional sanitario que las revise, pero invisible para cualquier sistema automatizado.

Un estudio de 2022 sobre la codificación diagnóstica de enfermedades físicas crónicas en la atención primaria irlandesa, publicado en el Irish Journal of Medical Science, halló que la ausencia o inexactitud en el registro diagnóstico podría impactar significativamente la calidad de la atención al paciente. El estudio señaló que el programa de gestión de enfermedades crónicas de Irlanda, que reembolsa a los médicos de familia por la atención estructurada de diabetes, asma, enfermedad pulmonar obstructiva crónica (EPOC) y enfermedad cardiovascular, hace que la codificación precisa esté directamente vinculada a los ingresos de la consulta. Existen vínculos financieros similares en otros sistemas de salud, aunque el estudio indicó que estos incentivos se aplican de manera inconsistente.

La magnitud del problema se ilustra claramente con la evidencia sobre la enfermedad renal crónica (ERC). Un estudio controlado en el este de Londres, publicado en el BJGP, encontró que las tasas de codificación de ERC en las consultas de atención primaria eran tan bajas como el 52 % antes de la intervención. En algunas consultas, casi la mitad de todos los pacientes con evidencia bioquímica de ERC no estaban en el registro de enfermedades. Tras un programa de mejora de calidad dirigido, las tasas de codificación aumentaron hasta entre el 81 y el 90 %. La diferencia entre esas dos cifras representa años de pacientes no contabilizados.

El impacto financiero directo en los ingresos de las consultas de atención primaria

Para las consultas de atención primaria que operan dentro de marcos de reembolso vinculados a registros de enfermedades (y en Europa muchas lo hacen), la infracodificación no es solo una deficiencia administrativa. Es una reducción directa de los ingresos de la consulta.

El Quality and Outcomes Framework (QOF) del Reino Unido proporciona el ejemplo más precisamente documentado. Los pagos del QOF se calculan utilizando una fórmula que incorpora la prevalencia de enfermedades registrada en la consulta: Puntos logrados × valor del punto QOF × Índice de coste y prevalencia × Factor de enfermedad de la práctica ajustado (APDF). El APDF se deriva de la prevalencia de enfermedades crónicas registradas en la consulta. Una consulta con un registro de enfermedades infracodificado, donde los pacientes con enfermedades como hipertensión, diabetes o fibrilación auricular no están formalmente registrados, recibe un APDF más bajo y menores ingresos por punto QOF logrado, independientemente del trabajo clínico real que se esté realizando. El valor del punto QOF cambia cada año contractual. Consulte la documentación del contrato actual de NHS England para la cifra aplicable.

El análisis del marco QOF 2025/26 lo deja claro: muchas consultas están registrando una prevalencia decreciente o estática mientras la complejidad del paciente y la comorbilidad aumentan, lo que genera una penalización financiera directa por infracodificación. El marco 2025/26 concentra 198 millones de libras en nueve indicadores de enfermedad cardiovascular, con umbrales de logro que aumentan al 85–90 %. Esto hace que los registros de enfermedades precisos sean más críticos financieramente que en años anteriores.

Ardens, un proveedor líder de sistemas clínicos del NHS, confirma que los ingresos del QOF están ponderados por tamaño de lista y prevalencia. Recomienda que las consultas verifiquen la precisión del registro de enfermedades antes del 31 de marzo de cada año. La orientación práctica incluye ejecutar búsquedas de Case Finder para identificar pacientes que cumplen criterios diagnósticos, por ejemplo, pacientes con múltiples resultados elevados de HbA1c, pero que no han sido codificados como diabéticos.

La orientación detallada de ingresos del QOF para 2025/26 ilustra el efecto acumulativo: una consulta que infracodifica sistemáticamente su población de enfermedades crónicas no solo pierde el ajuste de ingresos de un año. Está reportando sistemáticamente por debajo la complejidad de su lista de pacientes. Ese reporte insuficiente se acumula año tras año a medida que el APDF se recalcula sobre una línea base de prevalencia artificialmente baja.

Los costes indirectos que son más difíciles de ver

Más allá del reembolso directo, la infracodificación genera un conjunto de costes posteriores que son considerablemente más difíciles de cuantificar, pero no menos reales. Estos se acumulan silenciosamente en la lista de pacientes de una consulta y rara vez salen a la superficie hasta que una auditoría o revisión externa los pone en evidencia.

Distorsión de los datos de salud poblacional: Cuando las enfermedades crónicas se infracodifican de forma sistemática, los datos utilizados para planificar y dotar de recursos a los servicios de atención primaria se vuelven poco fiables. Los comisionados y las juntas de atención integrada que asignan financiación sobre la base de la prevalencia registrada subestimarán la verdadera carga de enfermedad en una población de consulta. Esta asignación errónea de recursos luego repercute en el entorno operativo de la consulta.

Pérdida de recordatorios y alertas de atención preventiva: Los registros de enfermedades son el mecanismo por el cual las consultas generan listas de recordatorio para revisiones anuales, monitoreo de medicación e intervenciones preventivas. Un paciente que no está en el registro de diabetes no será llamado para un control de HbA1c. Un paciente que no está en el registro de hipertensión no será incluido en un programa de revisión de presión arterial. Un estudio transversal de ERC no codificada en atención primaria del Reino Unido, publicado en el British Journal of General Practice, encontró que la ERC no codificada estaba asociada con peor calidad de atención y desigualdades en la gestión del riesgo cardiovascular, precisamente porque los pacientes fuera del registro de enfermedades recibieron un monitoreo menos sistemático.

Aumento del riesgo clínico: Las consecuencias de la codificación omitida no son solo administrativas. Un estudio de 2025 publicado en PLoS One cuantificó el impacto en la mortalidad de la ERC no codificada. Los pacientes con evidencia bioquímica de ERC pero sin código diagnóstico en su historia clínica de atención primaria tenían un riesgo significativamente mayor de muerte, lesión renal aguda y hospitalización no planificada. Esta evidencia es específica para la ERC, pero el mecanismo subyacente (que los pacientes no codificados reciben una gestión menos proactiva) es aplicable a otras enfermedades crónicas.

Costes de auditoría de codificación retrospectiva: Cuando las brechas de codificación finalmente se identifican a través de auditorías internas, revisiones de comisionados o verificaciones de cumplimiento de contratos, el coste del trabajo de codificación retrospectiva recae en la consulta. El personal clínico y administrativo debe revisar registros históricos, verificar diagnósticos y aplicar códigos en masa. Este trabajo consume tiempo y desvía recursos de la atención actual al paciente.

Una revisión sistemática de 2024 sobre el impacto de la codificación médica precisa en la calidad y las finanzas de la atención sanitaria confirmó que los errores de codificación (como omisiones, sobrecodificación, codificación errónea y uso de códigos obsoletos) pueden tener implicaciones graves tanto para los pacientes como para las instituciones, incluidas discrepancias de reembolso e indicadores de calidad distorsionados.

Cómo la infracodificación afecta las derivaciones, el triaje y la continuidad de la atención

El impacto de la infracodificación se extiende más allá del ámbito de la consulta. Cuando un paciente es derivado a atención especializada, la calidad de esa derivación depende sustancialmente de los datos estructurados en la historia clínica del paciente. Una derivación generada desde un sistema con códigos clínicos precisos y completos incluirá una lista de problemas codificados coherente. Una derivación generada desde una historia clínica donde las enfermedades crónicas existen solo en texto libre presentará una imagen clínica incompleta al especialista receptor.

Esto importa de varias maneras concretas. Un especialista que recibe una derivación para un paciente con hipertensión no documentada o diabetes no codificada puede no apreciar la complejidad completa del caso. Las decisiones de triaje, incluida la urgencia asignada a una derivación, pueden tomarse con información incompleta. Las decisiones de medicación en atención especializada pueden no tener en cuenta enfermedades que están presentes pero no codificadas. Cuando el paciente regresa a atención primaria, la ausencia de datos codificados en el ciclo de derivación puede interrumpir la continuidad.

Un análisis federado a gran escala de 58 millones de historias clínicas de atención primaria, publicado en el British Journal of General Practice, demostró una amplia variación en las prácticas de codificación clínica en las consultas de atención primaria inglesas. Esta variación crea inconsistencia sistemática en los datos que fluyen entre atención primaria y especializada. Cuando la codificación es inconsistente, la capa de información estructurada que debería apoyar transiciones de atención seguras y eficientes se vuelve poco fiable.

La dimensión regulatoria y de cumplimiento en la atención médica europea

La infracodificación conlleva una dimensión regulatoria que es cada vez más relevante para las consultas de atención primaria europeas. Bajo el Reglamento General de Protección de Datos (RGPD) y los marcos nacionales de datos de salud, se espera que las historias clínicas sean precisas, completas y adecuadas para su propósito. Una historia clínica en la que una enfermedad crónica conocida se documenta en texto libre pero no se codifica formalmente puede ser técnicamente conforme en el sentido más estricto. Sin embargo, no cumple con la expectativa más amplia de datos de salud estructurados e interoperables que sustentan la estrategia europea de salud digital.

Para las consultas que participan en programas nacionales de datos, redes de investigación de salud poblacional o asociaciones de atención integrada, los datos estructurados inexactos generan exposición a auditorías. Cuando la codificación clínica se utiliza para verificar la prescripción adecuada (por ejemplo, confirmando que un paciente con un medicamento específico tiene la indicación codificada correspondiente), las brechas de codificación pueden desencadenar consultas de cumplimiento. En el Reino Unido, NHS England utiliza datos codificados para evaluar la adherencia a las directrices de prescripción y los requisitos de vías de atención. Obligaciones similares de calidad de datos se aplican en los sistemas de salud europeos, incluidos aquellos que operan bajo programas nacionales de gestión de enfermedades crónicas.

El estudio de codificación irlandés señaló que los incentivos financieros para mejorar la codificación ya existen en múltiples sistemas de atención médica europeos. Sin embargo, la presión regulatoria para mantener la calidad de los datos es una obligación paralela y creciente, independiente del reembolso.

Por qué el problema es probablemente peor de lo que sugieren los datos de la consulta

Una de las características definitorias de la infracodificación como problema es que se oculta a sí misma. Si una enfermedad nunca se codificó, no aparece en los informes del registro de enfermedades de la consulta. No genera ninguna excepción, ninguna alerta ni ninguna brecha en los datos tal como los ve la consulta. Los informes internos de la consulta reflejan solo lo que se ha codificado y presentan una imagen que parece completa, aunque no lo sea.

Esta cualidad de autoocultamiento hace que las consultas subestimen rutinariamente la magnitud de sus propias brechas de codificación. La evidencia de auditorías de codificación y revisiones externas muestra de forma consistente tasas más altas de infracodificación de las que las consultas autoinforman. El estudio de ERC del este de Londres encontró tasas de codificación tan bajas como el 52 % en algunas consultas. Estas tasas no habrían sido visibles desde los propios informes internos, ya que los pacientes no codificados simplemente no aparecían.

Investigación publicada en npj Digital Medicine, que examina el estado de la codificación clínica automatizada, encontró que los estudios informan un amplio rango de precisión de codificación manual (50–98 %), con una mediana de alrededor del 80 %. Esto sugiere tasas significativas de inexactitud o incompletitud en muchos entornos. El mismo análisis indicó que los atrasos de codificación pueden extenderse durante meses, creando períodos prolongados en los que los pacientes son gestionados clínicamente pero no contabilizados formalmente.

El contexto macro refuerza la urgencia. Health at a Glance: Europe 2024 de la OCDE informa que se proyecta que los mayores de 65 años aumentarán del 21 % al 29 % de la población de la UE para 2050. La carga de enfermedades crónicas aumenta significativamente con la edad. Esto significa que la población de pacientes potencialmente infracodificados crece en paralelo, y las consecuencias financieras y clínicas de esa infracodificación escalan en consecuencia.

Cómo la documentación clínica asistida por IA puede cerrar la brecha de codificación

La causa estructural de la infracodificación (que la codificación compite con la atención clínica por la atención durante una consulta de tiempo limitado) apunta hacia el tipo de solución que puede abordarla sin añadir carga al profesional sanitario. Los asistentes médicos con inteligencia artificial (IA) y la tecnología de voz ambiental (AVT), que captura y procesa conversaciones clínicas habladas en tiempo real, son cada vez más capaces de mostrar sugerencias de codificación durante o inmediatamente después de una consulta, basándose en el contenido clínico de la conversación.

En lugar de requerir que el profesional sanitario navegue hasta un campo de codificación y busque el término correcto mientras gestiona una interacción con el paciente, las herramientas de documentación asistida por IA pueden generar contenido de notas estructuradas, incluidos códigos clínicos sugeridos, a partir de la conversación clínica ambiental. El profesional sanitario revisa y confirma, en lugar de iniciar y buscar. Esto transforma la tarea cognitiva de recordar activamente bajo presión en la de confirmar una sugerencia, una interacción mucho menos exigente.

La revisión de npj Digital Medicine sobre codificación clínica automatizada identifica esto como una aplicación potencial central de la IA en la documentación clínica: reducir la carga manual de codificación mientras se mejora la precisión y la completitud. La revisión indica que los enfoques de codificación automatizada han demostrado mejoras de precisión sobre la codificación manual en entornos controlados. Sin embargo, reconoce que el despliegue en el mundo real en atención primaria aún está en una etapa más temprana que en entornos hospitalarios, una limitación que vale la pena considerar para las consultas que evalúan estas herramientas.

Las herramientas de codificación asistida por IA no son una solución completa por sí solas. Su efectividad depende de la integración con el sistema de historias clínicas de la consulta, la calidad de los modelos de lenguaje subyacentes y la disposición de los profesionales sanitarios a participar en el flujo de trabajo de confirmación. Las consultas deben evaluar estas herramientas críticamente, prestando atención a la evidencia de validación en entornos de atención primaria específicamente.

Qué deben hacer ahora las consultas de atención primaria: un punto de partida práctico

Para los gerentes de consulta y los líderes clínicos, el primer paso más importante es establecer una línea base precisa. Debido a que la infracodificación se autooculta, el punto de partida debe ser una búsqueda activa y no una revisión de informes existentes.

Un marco práctico para abordar el problema incluye:

• Realizar una auditoría de codificación de línea base sobre enfermedades crónicas de alta prevalencia: Ejecutar búsquedas dentro del sistema de historias clínicas, utilizando herramientas como las funciones de búsqueda de EMIS o SystmOne, o herramientas de terceros como las ofrecidas por Ardens, para identificar pacientes que cumplen los criterios bioquímicos o clínicos para una enfermedad pero no están en el registro de enfermedades correspondiente. Diabetes, hipertensión, ERC, asma, EPOC, fibrilación auricular y depresión son los puntos de partida prioritarios dada su prevalencia y su papel en los marcos de reembolso.

• Identificar los flujos de trabajo del sistema de historias clínicas donde es más probable que se pierdan códigos: Revisar cómo se añaden los códigos durante las consultas, quién es responsable de la codificación y si hay tipos de consulta, como citas telefónicas, consultas remotas o encuentros complejos de múltiples problemas, donde la codificación se omite con mayor frecuencia.

• Evaluar herramientas de documentación clínica que integren soporte de codificación en el punto de atención: Evaluar si las herramientas de documentación asistida por IA pueden integrarse en los flujos de trabajo existentes del sistema de historias clínicas de manera que muestren sugerencias de codificación sin interrumpir la consulta. Priorizar herramientas con evidencia de precisión en entornos de atención primaria y seguridad de datos adecuada y cumplimiento del RGPD.

• Establecer un ciclo regular de revisión de codificación: Una sola auditoría aborda la brecha histórica pero no previene la infracodificación futura. Incorporar una revisión de codificación trimestral o anual en la gobernanza de la consulta, especialmente antes de los plazos de informes del QOF o equivalentes, crea una verificación sistemática de la calidad de los datos de forma continua.

La orientación de Ardens sobre maximizar los ingresos del QOF recomienda completar las revisiones del registro de enfermedades antes de finales de marzo de cada año en el contexto del Reino Unido. Proporciona plantillas de búsqueda de case-finder específicas para enfermedades comunes. Las consultas en otros sistemas europeos deben identificar el ciclo de informes equivalente para su marco nacional de gestión de enfermedades crónicas o reembolso y alinear su revisión de codificación en consecuencia.

La codificación precisa es una responsabilidad clínica y financiera

La infracodificación no es un fracaso burocrático. Es un problema de calidad clínica con consecuencias financieras medibles e implicaciones demostrables para la seguridad del paciente. La evidencia en múltiples sistemas de atención primaria europeos, desde Gales hasta Irlanda y el este de Londres, muestra de forma consistente que cuando las enfermedades crónicas no se codifican formalmente, los pacientes reciben atención menos sistemática, las consultas reciben financiación menos adecuada y los datos utilizados para planificar y dotar de recursos a la atención médica se vuelven menos fiables.

La magnitud del problema es casi con certeza mayor de lo que la mayoría de las consultas reconocen, porque la infracodificación permanece invisible dentro de los propios informes de la consulta. Abordarlo requiere una decisión activa de buscar lo que falta y luego poner en marcha el flujo de trabajo, la gobernanza y las herramientas para evitar que se repita.

Los datos estructurados precisos protegen a los pacientes al asegurar que aparezcan en los sistemas de recordatorio, reciban el monitoreo adecuado y estén representados completamente en derivaciones y transiciones de atención. Apoyan el reembolso justo al asegurar que el valor financiero atribuido a una consulta refleje la verdadera complejidad de su población de pacientes. También proporcionan a las consultas los medios para demostrar a los comisionados y al sistema de salud más amplio la verdadera carga de enfermedades crónicas que están gestionando, una carga que, en toda Europa, solo va a crecer.

Preguntas frecuentes

▶ ¿Qué es la infracodificación en las consultas de atención primaria y por qué ocurre?

La infracodificación ocurre cuando un profesional sanitario documenta un diagnóstico o una enfermedad en curso en la narrativa de una historia clínica pero no adjunta el código clínico estructurado correspondiente, como un código SNOMED CT o CIE-10/11, al registro del paciente. La enfermedad es conocida por el profesional sanitario que trata al paciente, pero invisible para cualquier sistema que lea datos estructurados. Un estudio cualitativo de 2024 publicado en el British Journal of General Practice encontró que el proceso de codificación es poco comprendido y que la codificación compite directamente con la atención al paciente durante las consultas. Los factores que contribuyen incluyen la presión de tiempo en citas de diez minutos, la carga cognitiva, la dependencia de sistemas de historias clínicas antiguos y la ambigüedad sobre si el personal clínico o administrativo es responsable de la codificación.

▶ ¿Qué enfermedades crónicas conllevan el mayor riesgo de brechas de codificación?

Las enfermedades crónicas son particularmente vulnerables porque son continuas y familiares, y los profesionales sanitarios las abordan frecuentemente en consultas sin redocumentarlas formalmente. Entre las enfermedades de mayor riesgo se encuentran la diabetes tipo 2, la hipertensión, el asma, la depresión, la enfermedad renal crónica (ERC), la enfermedad pulmonar obstructiva crónica (EPOC) y la fibrilación auricular. Un estudio controlado en el este de Londres encontró que las tasas de codificación de ERC en algunas consultas de atención primaria eran tan bajas como el 52 % antes de un programa de mejora de calidad dirigido. Esto significa que casi la mitad de todos los pacientes con evidencia bioquímica de ERC no estaban en el registro de enfermedades.

▶ ¿Cómo afecta la infracodificación a los ingresos de las consultas de atención primaria bajo el Quality and Outcomes Framework?

El Quality and Outcomes Framework (QOF) del Reino Unido calcula los pagos utilizando una fórmula que incorpora la prevalencia de enfermedades registrada en una consulta. Una consulta con un registro de enfermedades infracodificado recibe un Factor de Enfermedad de la Práctica Ajustado más bajo y menores ingresos por punto QOF logrado, independientemente del trabajo clínico real que se esté realizando. El análisis del marco QOF 2025/26 señala que muchas consultas están registrando una prevalencia decreciente o estática mientras la complejidad del paciente aumenta, lo que genera una penalización financiera directa. El marco 2025/26 concentra 198 millones de libras en nueve indicadores de enfermedad cardiovascular, con umbrales de logro que aumentan al 85–90 %. Esto hace que los registros de enfermedades precisos sean más críticos financieramente que en años anteriores.

▶ ¿Cuáles son las consecuencias de seguridad del paciente de la infracodificación?

Los registros de enfermedades son el mecanismo por el cual las consultas generan listas de recordatorio para revisiones anuales, monitoreo de medicación e intervenciones preventivas. Un paciente que no está en el registro de diabetes no será llamado para un control de HbA1c. Un estudio transversal de ERC no codificada en atención primaria del Reino Unido encontró que la ERC no codificada estaba asociada con peor calidad de atención y desigualdades en la gestión del riesgo cardiovascular. Un estudio de 2025 publicado en PLoS One halló que los pacientes con evidencia bioquímica de ERC pero sin código diagnóstico en su historia clínica de atención primaria enfrentaban un riesgo significativamente mayor de muerte, lesión renal aguda y hospitalización no planificada.

▶ ¿Cómo afecta la infracodificación a las derivaciones a atención especializada?

Cuando un paciente es derivado a atención especializada, la calidad de esa derivación depende sustancialmente de los datos estructurados en la historia clínica del paciente. Una derivación generada desde una historia clínica donde las enfermedades crónicas existen solo en texto libre presenta una imagen clínica incompleta al especialista receptor. Las decisiones de triaje, incluida la urgencia asignada a una derivación, pueden tomarse con información incompleta. Las decisiones de medicación en atención especializada pueden no tener en cuenta enfermedades que están presentes pero no codificadas. Un análisis federado a gran escala de 58 millones de historias clínicas de atención primaria, publicado en el British Journal of General Practice, demostró una amplia variación en las prácticas de codificación clínica en las consultas de atención primaria inglesas, lo que genera inconsistencia sistemática en los datos que fluyen entre atención primaria y especializada.

▶ ¿Por qué las consultas tienden a subestimar la magnitud de sus propias brechas de codificación?

La infracodificación se oculta a sí misma. Si una enfermedad nunca se codificó, no aparece en los informes del registro de enfermedades de la consulta, no genera ninguna alerta y no crea ninguna brecha visible en los datos tal como los ve la consulta. Los informes internos de la consulta reflejan solo lo que se ha codificado, presentando una imagen que parece completa incluso cuando no lo es. Investigación publicada en npj Digital Medicine encontró que la precisión de la codificación manual varía ampliamente, con una mediana de alrededor del 80 %. Esto significa que incluso en entornos donde la codificación se realiza activamente, aproximadamente uno de cada cinco casos puede ser inexacto o incompleto. Los atrasos de codificación también pueden extenderse durante meses, creando períodos prolongados en los que los pacientes son gestionados clínicamente pero no contabilizados formalmente.

▶ ¿Cuáles son las implicaciones regulatorias de la infracodificación para las consultas de atención primaria europeas?

Bajo el Reglamento General de Protección de Datos (RGPD) y los marcos nacionales de datos de salud, se espera que las historias clínicas sean precisas, completas y adecuadas para su propósito. Una historia clínica donde una enfermedad crónica conocida se documenta en texto libre pero no se codifica formalmente puede no cumplir con la expectativa más amplia de datos de salud estructurados e interoperables que sustentan la estrategia europea de salud digital. En el Reino Unido, NHS England utiliza datos codificados para evaluar la adherencia a las directrices de prescripción y los requisitos de vías de atención. Cuando la codificación clínica se utiliza para verificar la prescripción adecuada, las brechas de codificación pueden desencadenar consultas de cumplimiento. Obligaciones similares de calidad de datos se aplican en los sistemas de atención médica europeos, incluidos aquellos que operan bajo programas nacionales de gestión de enfermedades crónicas.

▶ ¿Pueden los asistentes médicos con IA ayudar a reducir la infracodificación en atención primaria?

Los asistentes médicos con inteligencia artificial (IA) y la tecnología de voz ambiental (AVT), que captura y procesa conversaciones clínicas habladas en tiempo real, pueden mostrar sugerencias de codificación durante o inmediatamente después de una consulta basándose en el contenido clínico de la conversación. En lugar de requerir que el profesional sanitario navegue hasta un campo de codificación y busque el término correcto en medio de la consulta, estas herramientas pueden generar contenido de notas estructuradas, incluidos códigos clínicos sugeridos, a partir de la conversación clínica ambiental. El profesional sanitario revisa y confirma en lugar de iniciar y buscar. Una revisión publicada en npj Digital Medicine identifica esto como una aplicación potencial central de la IA en la documentación clínica, aunque señala que el despliegue en el mundo real en atención primaria aún está en una etapa más temprana que en entornos hospitalarios.

▶ ¿Qué pasos prácticos pueden tomar las consultas de atención primaria para abordar las brechas de codificación ahora?

El primer paso más importante es establecer una línea base precisa mediante una búsqueda activa y no solo revisando los informes existentes. Las consultas deben ejecutar búsquedas dentro de su sistema de historias clínicas para identificar pacientes que cumplen los criterios bioquímicos o clínicos para una enfermedad pero no están en el registro de enfermedades correspondiente. Diabetes, hipertensión, ERC, asma, EPOC, fibrilación auricular y depresión son los puntos de partida prioritarios. Las consultas también deben revisar qué tipos de consulta, como consultas telefónicas o remotas, son más propensos a la pérdida de codificación, evaluar herramientas de documentación asistida por IA que integren soporte de codificación en el punto de atención e incorporar una revisión de codificación trimestral o anual en la gobernanza de la consulta, especialmente antes de los plazos de informes del QOF o equivalentes.