Tema 10.1 — Indicadores clave de rendimiento (KPI)

Un indicador clave de rendimiento (KPI) es un número pequeño y cuidadosamente elegido que te dice si un servicio es seguro, justo, efectivo, y confiable —y en la salud y la atención, elegir y leer bien esos números es en sí mismo una cuestión de seguridad clínica y responsabilidad pública, no orden administrativo.

Por qué esto importa en la salud y la atención#

En la salud y la atención, los números que vigilas dan forma a la atención que recibe la gente. Un KPI de lista de espera que cuenta "pacientes reservados" pero no "pacientes vistos" puede ocultar un cohorte deteriorándose silenciosamente en casa. Un panel de servicio digital que está verde en tiempo de actividad pero silencioso sobre si los usuarios discapacitados pueden completar una reserva dejará que un problema de acceso crezca hacia una desigualdad en salud. Lo que mides señala lo que valoras, y el personal, proveedores, y algoritmos todos optimizan hacia el objetivo medido —a veces a costa de la cosa no medida que realmente importaba.

Lo que está en juego es más alto aquí que en la mayoría de los sectores porque los modos de fallo son humanos. Mid Staffordshire y otras investigaciones repetidamente encontraron organizaciones que alcanzaron sus objetivos financieros y de actividad titulares mientras la calidad de atención colapsaba por debajo. Las métricas se reportaban hacia arriba como verdes mientras los pacientes resultaban dañados —el patrón ahora ampliamente llamado "reporte de sandía" (verde por fuera, rojo por dentro), que el Tema 10.4 — Visibilidad para el CEO y líderes senior examina en profundidad. Los buenos KPI son una de tus defensas contra esa brecha entre el panorama reportado y el real.

Los KPI también gastan dinero público y confianza pública. Cada indicador que publicas se convierte en parte de cómo los ciudadanos, reguladores, y comisionadores juzgan el sistema. Sobrereclamar, seleccionar selectivamente, o manipular un objetivo no es solo mala gestión; erosiona la confianza de la que depende la salud digital para conseguir que la gente comparta datos y adopte nuevos servicios. Este tema es el socio de medición del Tema 10.0 — Objetivos y resultados clave (OKR): donde los OKR impulsan el cambio enfocado, los KPI monitorean la salud continua de los servicios y sistemas que operas.

Conceptos clave#

Un indicador de rendimiento, o KPI, es una métrica seleccionada porque refleja el progreso frente a un objetivo que importa. Una métrica de rendimiento es cualquier medición de actividad o estado; un KPI es el subconjunto que deliberadamente has elevado a "vigila este". La palabra clave es de carga estructural —si todo es un KPI, nada lo es. Una disciplina útil es mantener un puñado de KPI por servicio, cada uno con un propietario nombrado, una definición, una fuente de datos, y una razón por la que se gana un lugar en la junta directiva.

Un buen KPI tiene cuatro propiedades. Está alineado a un resultado que genuinamente importa a pacientes, ciudadanos, o clínicos, no meramente a actividad interna. Es accionable —cuando se mueve, alguien puede hacer algo al respecto. Es oportuno —llega suficientemente pronto para actuar sobre él, no seis semanas después de que cerró el trimestre. Y es difícil de manipular —no se puede mejorar en papel sin mejorar la cosa real. Las métricas que fallan la última prueba invitan a la ley de Goodhart: "cuando una medida se convierte en un objetivo, deja de ser una buena medida."

Los indicadores comúnmente se dividen en adelantados y rezagados. Un indicador rezagado confirma un resultado después del hecho (mortalidad a 30 días, satisfacción anual del paciente). Un indicador adelantado se mueve más temprano y predice el rezagado (completitud de conciliación de medicamentos, frecuencia de despliegue, la proporción de derivaciones triadas dentro de 24 horas). Necesitas ambos: los indicadores rezagados te dicen si estás ganando, los indicadores adelantados te dicen a tiempo para cambiar el resultado. Muchos marcos económicos y operativos describen esta distinción adelantado/rezagado.

Una división paralela e igualmente importante es medidas de proceso, producto, y resultado. Una medida de proceso cuenta si hiciste la cosa (citas ofrecidas, registros migrados). Una medida de producto cuenta lo que se produjo (cartas enviadas, pruebas resultadas). Una medida de resultado captura lo que realmente cambió para la persona —una medida de resultado como mejora de síntoma, admisión evitada, o una puntuación de calidad de vida reportada por el paciente. Los sistemas de salud y atención tienen un sesgo crónico hacia la actividad porque la actividad es fácil de contar y a menudo cómo fluye el dinero. Resístelo: privilegia los resultados y experiencia, y usa las medidas de proceso como los indicadores adelantados que los explican.

Porque ningún número individual es seguro por sí solo, usa la medición equilibrada. La disciplina del cuadro de mando integral de Kaplan y Norton empareja cada medida de rendimiento con otras para que mejorar una a costa de otra se vuelva visible. El Institute for Healthcare Improvement formaliza esto como medidas de resultado, proceso, y equilibrio —la medida de equilibrio vigila el daño que tu mejora podría causar en otro lugar (alta más rápida equilibrada contra readmisión, por ejemplo).

No todo número que sube es progreso. Una métrica de vanidad se ve impresionante y sube confiablemente pero no informa una decisión —usuarios registrados totales, inicios de sesión acumulados, vistas de página. El movimiento lean startup popularizó el contraste entre las métricas de vanidad y las accionables: una métrica accionable vincula un cambio que hiciste con un cambio en comportamiento o resultado sobre el que puedes actuar. Los conteos acumulados son la señal clásica —solo alguna vez suben, así que nunca pueden señalar que algo está mal.

Finalmente, distingue la medición para la mejora de la medición para el juicio. El juicio pregunta "¿alcanzaste el objetivo este mes?" y reduce un proceso vivo a una comparación de dos puntos, rojo o verde, contra el período anterior —una comparación que casi siempre es estadísticamente sin sentido porque no puede distinguir la señal del ruido. La mejora pregunta "¿está cambiando este proceso, y podemos confiar en el cambio?" y la responde con el control estadístico de proceso (SPC): trazando una métrica en el tiempo en un gráfico de ejecución o gráfico de control con límites de control, para que puedas ver si la variación es ruido ordinario (causa común) o una señal genuina (causa especial) que vale la pena accionar. El programa Making Data Count de NHS England ha hecho de esto la forma recomendada de presentar datos operativos a través del NHS, precisamente para matar el reflejo de "arriba del mes pasado, abajo del objetivo" que impulsa malas decisiones.

Buenas prácticas#

1. Comenzar desde el resultado, luego trabajar hacia atrás hasta el indicador. Nombra la cosa que debe ser verdad para un paciente, ciudadano, o clínico —menos admisiones evitables, acceso más rápido, medicación segura— y solo entonces pregunta qué te diría que está sucediendo. Esto te mantiene alejado de la trampa predeterminada de medir lo que tus sistemas resultan registrar. Si no puedes conectar un KPI candidato a un resultado que le importa a alguien, probablemente es una métrica de vanidad.

2. Mantener el conjunto pequeño y dar a cada KPI un propietario y una definición. Una junta directiva o servicio debería vigilar un puñado de KPI, no cincuenta. Cada uno necesita una definición precisa (qué cuenta, qué se excluye, sobre qué período), un propietario nombrado responsable de él, y una fuente de datos documentada. Las definiciones ambiguas son cómo dos equipos discuten durante un mes sobre un número que estaban midiendo de forma diferente.

3. Equilibrar cada KPI para que no se pueda manipular aisladamente. Para cada medida, pregunta "¿cómo mejoraría una persona racional este número sin mejorar la cosa real, y qué medida de equilibrio los atraparía?" Empareja el acceso con la seguridad, el rendimiento con la readmisión, el coste con la experiencia, la velocidad de entrega con la tasa de fallo de cambio. Los conjuntos equilibrados hacen visible la manipulación y honran la realidad de que los resultados de salud y atención son multidimensionales.

4. Privilegiar las medidas de resultado y experiencia sobre la actividad. Los conteos de actividad son seductores porque son abundantes y a menudo vinculados a la financiación, pero responden "¿cuán ocupados estuvimos?" no "¿ayudó?". Dondequiera que puedas, eleva las medidas de resultado y las medidas de experiencia y resultado reportadas por el paciente (PREM y PROM) al conjunto de KPI, y degrada la actividad cruda a la capa de apoyo. Donde un resultado sea lento o difícil de medir, elige una medida de proceso adelantada validada que lo prediga confiablemente.

5. Presentar los KPI como series temporales con SPC, no comparaciones de dos puntos. Adopta el enfoque de Making Data Count: traza la métrica estilo gráfico de ejecución o gráfico de control para que la variación de causa común y las señales de causa especial sean distinguibles de un vistazo. Esto detiene a los equipos reaccionando al ruido, celebrando un mes afortunado, o siendo castigados por uno desafortunado. También cambia la conversación de sala de junta de "¿por qué fallamos?" a "¿ha cambiado realmente el proceso?" —que es la pregunta de mejora (véase el Tema 10.2 — Mejora de calidad y ciencia de la mejora).

6. Segmentar los KPI por población para revelar la desigualdad. Un número agregado oculta la distribución. Un tiempo de espera promedio "bueno" puede ocultar que los pacientes de los vecindarios más desfavorecidos, o los que necesitan un intérprete, esperan mucho más. Desglosa cada KPI relevante para la equidad por privación, etnia, edad, discapacidad, y acceso digital, en línea con los deberes de equidad en salud y marcos como el NHS Core20PLUS5. En servicios digitales, segmenta también las tasas de adopción y finalización —una cifra de captación titular puede ocultar que tu servicio excluye exactamente a las personas que más lo necesitan (véase el Tema 4.5 — Datos, analítica, y gestión de la salud poblacional).

7. Tratar la calidad de datos como un prerrequisito, y medirla. Un KPI es tan confiable como los datos debajo de él. Rastrea la calidad de datos de los campos de los que dependen tus KPI —completitud, validez, puntualidad, cobertura— usando instrumentos como el NHS Data Quality Maturity Index, y muestra las advertencias de calidad de datos junto al número. Si al 30% de los registros les falta el campo, dilo en el panel; un KPI que se ve confiado construido sobre datos deficientes es peor que ningún KPI.

8. Usar métricas de entrega para el servicio digital mismo, elegidas con el mismo rigor. Para el software que construyes y operas, las cuatro claves de DevOps Research and Assessment (DORA) —frecuencia de despliegue, tiempo de espera para el cambio, tasa de fallo de cambio, y tiempo para restaurar el servicio— dan una vista equilibrada de velocidad y estabilidad. Resisten la manipulación como conjunto: no puedes enviar más rápido rompiendo cosas, porque la tasa de fallo de cambio y el tiempo de restauración lo capturarán. Complementalos con KPI de fiabilidad y seguridad que importan clínicamente, como tasas de incidente y disponibilidad de funciones críticas para la seguridad (véanse el Tema 3.6 y el Tema 3.8).

9. Estratificar tu reporte para que cada audiencia obtenga la altitud correcta. Un equipo de primera línea necesita medidas de proceso granulares y en tiempo real; una junta de servicio necesita un puñado equilibrado con SPC; un liderazgo de sistema necesita unas pocas medidas de resultado y equidad curadas. Diseña las capas deliberadamente para que la vista superior sea una agregación honesta de las de abajo, no un subconjunto halagador seleccionado a mano. Esta es tu defensa estructural contra el reporte de sandía (Tema 10.4).

10. Revisar y retirar los KPI en un calendario. Los indicadores decaen: una medida que impulsó una mejora real puede convertirse en un ritual manipulado una vez que se incorpora el comportamiento que apuntaba, y emergen nuevos riesgos que nada está vigilando. Pon los KPI en una revisión regular donde preguntes de cada uno "¿esto todavía nos dice algo sobre lo que actuamos?" y retira la madera muerta. Un conjunto de KPI obsoleto no es neutral —activamente desvía la atención.

Preguntas para debatir con tu equipo#

1. Para cada uno de nuestros KPI titulares, ¿cómo mejoraría alguien el número sin mejorar la realidad —y lo notaríamos? Esta es la prueba de estrés de la ley de Goodhart, y se hace mejor como un ejercicio deliberadamente adversarial. Toma cada KPI y haz que el equipo represente el rol de un servicio sobrecargado tratando de alcanzarlo: alta antes de medianoche para reiniciar el reloj, recalificar a un paciente en espera, cerrar y reabrir un ticket para reiniciar el tiempo de resolución, registrar en lote a usuarios que nunca regresan. El punto no es cinismo sobre colegas sino reconocer que la presión más un objetivo de número único produce distorsiones predecibles, especialmente cuando el pago, reputación, o penalizaciones de contrato dependen de la cifra. Una buena respuesta nombra la ruta de manipulación específica para cada KPI e identifica la medida de equilibrio o verificación de datos que la expondría —y honestamente marca cualquier KPI donde actualmente no tengas tal salvaguarda. Si una métrica no se puede defender así, la discusión debería terminar con una decisión de emparejarla, redefinirla, o eliminarla.

2. ¿Cuáles de nuestros números estamos reportando para la mejora, y cuáles para el juicio —y estamos presentando cada uno de una forma que coincida? Los equipos rutinariamente toman una métrica construida para ayudar a un servicio a aprender y la entregan, sin cambios, a un comité que la usa para responsabilizar a alguien, o viceversa. La tensión es real: los líderes necesitan aseguramiento, y la mejora necesita seguridad para ver los problemas honestamente, y el mismo gráfico no siempre puede servir a ambos sin distorsión. Recorre tus paquetes reales de junta directiva y operativos y etiqueta el propósito verdadero de cada métrica, luego pregunta si la presentación se ajusta —¿estás mostrando una comparación de dos puntos rojo/verde donde un gráfico SPC prevendría reacciones impulsivas al ruido? Una respuesta buena y honesta admitirá dónde la cultura de juicio se ha colado en los foros de mejora (haciendo que el personal oculte problemas) y dónde narrativas de mejora vagas se están usando para evitar la responsabilidad legítima. El objetivo es una elección consciente por métrica, con SPC como la presentación predeterminada, en lugar de una confusión accidental.

3. ¿Nuestros KPI revelan u ocultan la desigualdad, y de quién falta la experiencia por completo? Los KPI agregados son cómodos precisamente porque promedian fuera a la gente en los márgenes, y en la salud y la atención esos márgenes son donde se concentra el daño evitable. Discute cuáles de tus indicadores están segmentados por privación, etnia, discapacidad, edad, y acceso digital —y cuáles todavía se reportan solo como una única cifra de todo el sistema que podría verse saludable mientras un subgrupo está fallado. Empuja más lejos hacia la gente que nunca entra en tus datos en absoluto: pacientes que no pudieron pasar el inicio de sesión, que abandonaron el formulario digital, que nunca fueron derivados, que declinaron compartir el campo demográfico por el que segmentas. Una respuesta sólida identifica al menos un KPI donde la segmentación cambió o cambiaría la historia, reconoce honestamente los límites de calidad de datos y consentimiento en la segmentación, y se compromete a un paso específico —incluso un proxy o un pequeño estudio cualitativo— para ver lo actualmente invisible. Cualquier cosa menos arriesga un panel que es técnicamente preciso y moralmente ciego.

4. ¿Cuántos KPI realmente estamos vigilando, y cuáles no perderíamos nada al retirarlos? La palabra clave solo significa algo si el conjunto es pequeño, sin embargo los indicadores se acumulan más rápido de lo que nadie los elimina —una devolución nacional aquí, una métrica contractual ahí, un número que un antiguo director una vez pidió y nadie se ha atrevido a soltar desde entonces. La tensión es que cada KPI se siente defendible aisladamente, así que el conjunto crece hasta que los paquetes de junta directiva son cien páginas que nadie lee y las señales genuinamente importantes se entierran entre métricas zombis producidas por hábito. Recorre tu reporte real y cuenta los indicadores honestamente, luego pregunta de cada uno si alguien actuó sobre él en el último año y qué decisión informa; las métricas que no sobreviven ninguna prueba son madera muerta que todavía consume tiempo de analista y diluye la atención. Una buena respuesta nombra un número específico que mantendrás por servicio, identifica al menos un KPI a retirar completamente, y establece una revisión programada para que el conjunto permanezca curado en lugar de silenciosamente reinflarse. Cuídate del reflejo de que retirar una métrica es una admisión de fracaso —una sustracción disciplinada es una señal de madurez, no negligencia.

5. ¿Cuánto realmente confiamos en los datos debajo de cada KPI titular, y lo dice el panel? Un número que se ve confiado construido sobre un campo que está 30% incompleto es más peligroso que ningún número en absoluto, porque invita a decisiones que los datos no pueden sostener mientras lleva la autoridad de una cifra limpia. En la salud y la atención esto es agudo: los campos demográficos necesarios para la segmentación de equidad a menudo son escasos, la práctica de codificación varía entre sitios, y el mismo acto de digitalizar un proceso en papel puede cambiar qué se registra y cuándo. Discute, para cada KPI, si sabes su completitud, validez, puntualidad, y cobertura, y si esas advertencias viajan con el número hacia el paquete de junta directiva o se eliminan silenciosamente a medida que se mueve hacia arriba. Una respuesta sólida señala un instrumento concreto —una verificación de calidad de datos, el DQMI, un umbral de completitud por debajo del cual se marca una métrica— y muestra al menos un lugar donde se muestra una advertencia de calidad de datos junto al KPI en lugar de ocultarse. La versión honesta admite dónde actualmente estás reportando un número que no puedes respaldar completamente, y trata corregir los datos como parte del KPI, no un elemento de lista de pendientes separado.

6. ¿Las capas de nuestro reporte honestamente se suman, y dónde podría el rojo convertirse en verde en el camino hacia la junta directiva? Diferentes audiencias legítimamente necesitan diferentes altitudes —un equipo de primera línea quiere medidas de proceso granulares en tiempo real, una junta directiva quiere un puñado equilibrado con SPC, un sistema quiere unos pocos resultados curados— pero cada agregación es una oportunidad para que el panorama subyacente se suavice, promedie, o seleccione a mano hacia algo más cómodo que la verdad. Esta es la raíz estructural del reporte de sandía: cuantas más capas entre la sala y la junta directiva, más lugares donde una distribución se puede aplanar en una media tranquilizadora, o un sitio en dificultades se puede compensar contra uno fuerte. Rastrea un KPI desde su fuente de primera línea hasta la vista superior y pregunta si la cifra ejecutiva es una agregación fiel o un subconjunto halagador, y quién —si acaso— audita esa suma. Una buena respuesta muestra que las capas de reporte se diseñaron deliberadamente con definiciones y propietarios acordados, identifica al menos un punto donde la agregación podría ocultar un problema, y nombra la medida de equilibrio o profundización que mantiene veraz la vista superior. La honestidad aquí significa admitir dónde la suma actualmente se toma con confianza en lugar de verificarse (véase el Tema 10.4).

En la práctica: un ejemplo de salud y atención#

Un sistema de atención integrada (ICS) lanza un servicio de derivación digital que permite a los médicos de cabecera derivar directamente a la fisioterapia musculoesquelética (MSK) comunitaria, reemplazando un proceso de papel y fax. El instinto de la junta de programa es reportar dos KPI: número de derivaciones digitales recibidas, y tiempo de actividad del sistema. Dentro de tres meses ambos están fuertemente verdes —miles de derivaciones, 99.9% de tiempo de actividad— y la junta directiva está lista para declarar éxito.

El director clínico está incómodo y pide al equipo de analítica (trabajando con el patrón del Tema 4.5) que reconstruya el conjunto de KPI alrededor de resultados. Aterrizan en un puñado equilibrado: tiempo desde la derivación hasta el primer contacto (acceso, mostrado como un gráfico SPC), la proporción de derivaciones devueltas o rechazadas como incompletas (una señal de calidad adelantada), una puntuación de resultado reportada por el paciente en el alta (resultado), una medida de experiencia corta (¿te sentiste involucrado en las decisiones?), y la tasa de fallo de cambio para las versiones del servicio (estabilidad de entrega). Cada medida de acceso y resultado se segmenta por decil de privación y por si el paciente necesitaba apoyo digital.

La vista reconstruida cuenta una historia muy diferente. El tiempo de actividad está genuinamente bien, pero la tasa de devolución al derivante es 22% —una de cada cinco derivaciones rebota porque el formulario digital hace obligatorio un historial de texto libre, así que los médicos de cabecera lo manipulan escribiendo "ver adjunto" y el equipo de triaje las rechaza. El gráfico SPC muestra que el tiempo de acceso es estable pero se sitúa muy por encima del objetivo sin tendencia de mejora. Y la segmentación revela que los pacientes en los dos deciles más desfavorecidos tienen la mitad de probabilidad de completar la ruta de autoderivación hacia la que el servicio estaba silenciosamente empujando a la gente, ampliando una brecha que el programa había asumido que estaba cerrando. Nada de esto era visible en los dos números verdes originales. La junta directiva rediseña el formulario, añade una vía de derivación asistida, y mantiene el conjunto de KPI equilibrado, segmentado, y basado en SPC como su vista permanente —con el conteo de derivación crudo degradado a una métrica de apoyo donde pertenece.

Perspectivas sectoriales#

Startup#

Una startup de salud digital vive o muere por unas pocas métricas accionables, así que la disciplina es enfoque implacable y honestidad. Los fundadores se sienten tentados a mostrar a los inversores métricas de vanidad —descargas acumuladas, usuarios registrados totales— porque solo alguna vez suben; resiste, y lidera con activación, retención, y, donde puedas medirlo, resultado clínico o un proxy validado. Con números pequeños, SPC y segmentación son más difíciles pero incluso más importantes: un puñado de malas experiencias puede ser toda tu señal de seguridad. Instrumenta el producto desde el primer día para que cada KPI vincule un cambio que enviaste a un cambio en comportamiento real, y sé franco con los socios clínicos y regulatorios sobre los límites de calidad de datos en lugar de pulir un conjunto de datos delgado.

Pequeña empresa#

Un proveedor pequeño y establecido —una consulta de médico de cabecera, una farmacia comunitaria, una residencia de cuidados, una agencia de atención domiciliaria, una clínica de un solo emplazamiento, o un pequeño proveedor de tecnología de salud pasada la etapa previa a ingresos— lleva los mismos deberes de medición y equidad que un gran fideicomiso pero sin analista dedicado y poco tiempo de sobra. La trampa es ahogarse en los KPI que las devoluciones nacionales, CQC, y comisionadores ya exigen mientras no se mide nada que ayude a operar el lugar; el antídoto es elegir un puñado genuinamente pequeño de medidas de resultado y experiencia sobre las que realmente puedas actuar, y apoyarse en lo que tu sistema clínico o de gestión de consulta existente ya captura en lugar de construir nueva instrumentación. SPC todavía vale la pena incluso a mano o en una hoja de cálculo —un simple gráfico de ejecución de, digamos, tiempo semanal para cita te evitará perseguir el ruido de una sola mala semana. La segmentación importa igual a esta escala, pero con números pequeños un par de pacientes individuales pueden mover un porcentaje, así que lee los desgloses como un aviso para mirar más de cerca en lugar de un veredicto. Sé honesto con los comisionadores sobre los límites de calidad de datos de una operación delgada, y resiste adoptar el panel de cincuenta métricas de una gran organización cuando cinco números bien elegidos servirán mejor a tus pacientes.

Gran organización#

Un gran fideicomiso del NHS o proveedor de tecnología de salud ya se ahoga en indicadores —devoluciones nacionales, KPI contractuales, métricas de junta directiva, paneles operativos— así que el desafío es curación y coherencia, no recolección. Adopta SPC a través del reporte de junta directiva y operativo (como pretende Making Data Count) para detener la persecución de ruido mensual, y construye capas de reporte explícitas para que la vista ejecutiva sea una suma honesta de la de primera línea. El reporte de sandía es el riesgo a escala empresarial: cuantas más capas entre la sala y la junta directiva, más fácil que el rojo se convierta en verde en el camino hacia arriba, así que invierte en las medidas de equilibrio y advertencias de calidad de datos que mantienen veraz la vista superior. Retira los KPI heredados deliberadamente; las grandes organizaciones acumulan métricas zombis que nadie acciona pero todos siguen produciendo.

Gobierno#

Un organismo público nacional o local establece KPI que se propagan a través de todo un sistema y se convierten en objetivos políticos, lo que hace de la ley de Goodhart un peligro sistémico en lugar de uno local —un objetivo nacional de tiempo de espera remodela las prioridades clínicas en todas partes de la noche a la mañana. Diseña indicadores publicados sabiendo que se optimizarán hacia ellos, empárealos con medidas de equilibrio y segmentación de equidad, y sé transparente sobre definiciones y calidad de datos porque de ello depende la confianza pública. Marcos como el NHS Outcomes Framework y Core20PLUS5 existen precisamente para mantener la atención nacional en resultados y desigualdades en lugar de actividad cruda. El gobierno también lleva un deber que los otros no: medir a las personas que excluyen sus servicios, no solo a las personas a las que sirven, porque los excluidos raramente aparecen en los datos administrativos.

Modos de fallo comunes#

• Contar la actividad y llamarla éxito. Derivaciones recibidas, inicios de sesión, citas ofrecidas —ocupado no es lo mismo que efectivo. Eleva los resultados y experiencia; degrada la actividad a la capa de apoyo.
• El número único sin medida de equilibrio. Cualquier KPI solitario bajo presión se manipulará. Siempre empareja medidas para que mejorar una a costa de otra sea visible.
• Reporte de dos puntos, rojo/verde. "Bajo del mes pasado, por debajo del objetivo" no te dice casi nada sobre si cambió el proceso. Usa gráficos SPC de ejecución y control en su lugar.
• Paneles de sandía. Agregación que convierte el rojo subyacente en verde superficial. Construye capas de reporte honestas y audita la suma (Tema 10.4).
• Métricas de vanidad. Conteos acumulados y siempre crecientes que no pueden señalar un problema. Prefiere métricas accionables vinculadas a una decisión.
• Ceguera de equidad no segmentada. Promedios que ocultan a las personas que están siendo falladas. Segmenta por población y busca quién falta por completo.
• KPI construidos sobre datos no examinados. Un número confiado sobre datos deficientes engaña. Mide y divulga la calidad de datos junto al KPI.
• KPI zombis. Métricas todavía producidas por hábito sobre las que nadie actúa. Revisa y retira en un calendario.

Modelo de madurez#

Lista de verificación#

• Cada KPI es rastreable a un resultado que importa a un paciente, ciudadano, o clínico.
• El conjunto de KPI por servicio es pequeño, y cada uno tiene un propietario, una definición escrita, y una fuente de datos nombrada.
• Cada KPI tiene al menos una medida de equilibrio para que no se pueda manipular aisladamente.
• Las medidas de resultado y experiencia se priorizan; la actividad cruda se sitúa en la capa de apoyo.
• Los KPI operativos se presentan como gráficos de ejecución/control SPC, no comparaciones de dos puntos rojo/verde.
• Los KPI relevantes para la equidad se segmentan por privación, etnia, discapacidad, edad, y acceso digital.
• La calidad de datos para los campos detrás de cada KPI se rastrea y se advierte en el panel.
• La entrega del servicio digital se mide con un conjunto equilibrado (p. ej. las cuatro claves DORA más seguridad/fiabilidad).
• Las capas de reporte se diseñan para que la vista superior sea una suma honesta de la de primera línea.
• Los KPI se revisan en un calendario, con métricas muertas o manipuladas retiradas.
• Has preguntado, para cada KPI, "¿quién falta por completo de este número?"

Fuentes clave#

• NHS England — Making Data Count (control estadístico de proceso para datos operativos del NHS)
• Institute for Healthcare Improvement — Science of Improvement: medidas de resultado, proceso, y equilibrio
• NHS England — NHS Outcomes Framework; enfoque Core20PLUS5 para reducir las desigualdades sanitarias
• NHS England — Data Quality Maturity Index (DQMI)
• Robert S. Kaplan & David P. Norton — The Balanced Scorecard: Translating Strategy into Action
• Nicole Forsgren, Jez Humble & Gene Kim — Accelerate (métricas DORA); reportes Google Cloud DORA State of DevOps
• Jerry Z. Muller — The Tyranny of Metrics
• Donald J. Wheeler — Understanding Variation: The Key to Managing Chaos
• GOV.UK Service Manual — Medir el éxito / medir el rendimiento de tu servicio
• The Health Foundation — orientación sobre medición para la mejora

Referencias#

1. Performance indicator — Wikipedia — https://en.wikipedia.org/wiki/Performance_indicator
2. Goodhart's law — Wikipedia — https://en.wikipedia.org/wiki/Goodhart%27s_law
3. Statistical process control — Wikipedia — https://en.wikipedia.org/wiki/Statistical_process_control
4. Control chart — Wikipedia — https://en.wikipedia.org/wiki/Control_chart
5. Balanced scorecard — Wikipedia — https://en.wikipedia.org/wiki/Balanced_scorecard
6. Outcome measure — Wikipedia — https://en.wikipedia.org/wiki/Outcome_measure
7. Health equity — Wikipedia — https://en.wikipedia.org/wiki/Health_equity
8. Data quality — Wikipedia — https://en.wikipedia.org/wiki/Data_quality
9. DevOps Research and Assessment — Wikipedia — https://en.wikipedia.org/wiki/DevOps_Research_and_Assessment
10. Lean startup (vanity vs actionable metrics) — Wikipedia — https://en.wikipedia.org/wiki/Lean_startup
11. Making Data Count — NHS England — https://www.england.nhs.uk/publication/making-data-count/
12. Science of Improvement: Establishing Measures — Institute for Healthcare Improvement — https://www.ihi.org/resources/how-to-improve/science-improvement-establishing-measures
13. NHS Outcomes Framework — NHS England / Department of Health and Social Care — https://digital.nhs.uk/data-and-information/publications/statistical/nhs-outcomes-framework
14. Core20PLUS5 – reducing healthcare inequalities — NHS England — https://www.england.nhs.uk/about/equality/equality-hub/national-healthcare-inequalities-improvement-programme/core20plus5/
15. Data Quality Maturity Index (DQMI) — NHS England — https://digital.nhs.uk/data-and-information/data-tools-and-services/data-services/data-quality
16. The Balanced Scorecard: Translating Strategy into Action — Robert S. Kaplan & David P. Norton (Harvard Business Review Press) — https://en.wikipedia.org/wiki/Balanced_scorecard
17. Accelerate: The Science of Lean Software and DevOps — Nicole Forsgren, Jez Humble & Gene Kim (IT Revolution) — https://itrevolution.com/product/accelerate/
18. DORA / State of DevOps research — Google Cloud DORA — https://dora.dev/
19. The Tyranny of Metrics — Jerry Z. Muller (Princeton University Press) — https://press.princeton.edu/books/hardcover/9780691174952/the-tyranny-of-metrics
20. Measuring the performance of your service — GOV.UK Service Manual — https://www.gov.uk/service-manual/measuring-success
21. Understanding Variation: The Key to Managing Chaos — Donald J. Wheeler (SPC Press) — https://www.spcpress.com/book_understanding_variation.php