¿Cómo funcionan la revisión por pares y la garantía de calidad en radiología?

¿Para qué sirve realmente la revisión por pares?

Sirve para encontrar patrones de lectura que ningún caso individual revela: una modalidad donde se acumulan los hallazgos omitidos, una anatomía que se mira de prisa al final de la lista, un estilo de informe que deja adivinando al médico que ordenó el estudio. Es un instrumento de calidad del grupo. Ni rediagnostica al paciente ni clasifica a los radiólogos.

Se mezclan dos preguntas que no son la misma. La pregunta clínica le corresponde al equipo que atiende al paciente y se resuelve con imágenes de seguimiento, biopsia, cirugía o con el paso del tiempo. La pregunta de calidad indaga si el proceso de lectura está funcionando a lo largo de cientos de estudios. La revisión por pares atiende la segunda. Cuando un revisor abre un estudio leído hace meses y nota algo que el primer lector no describió, el asunto clínico casi siempre se resolvió ya por otra vía. Lo que el programa tiene que sacar de ahí es si esa omisión cae en una categoría sobre la cual se pueda actuar y si hay más gente cometiéndola.

Vale la pena decir en voz alta el problema del escalafón. Apenas las puntuaciones quedan pegadas al nombre de cada radiólogo y se colocan una al lado de la otra, el programa deja de medir calidad de lectura y pasa a medir quién somete sus casos difíciles y quién revisa con la mano suave. Los grupos que publican tablas comparativas por radiólogo reciben exactamente lo que construyeron: una hoja de cálculo impecable y ninguna señal aprovechable. Los comités que conservan datos confiables son los que analizan el agregado del grupo y dejan el patrón individual para una conversación privada entre colegas. El encuadre de la primera reunión decide casi todo esto. Un grupo que arranca proyectando puntuaciones individuales ya le dijo a todo el mundo para qué es el programa.

¿Conviene el muestreo aleatorio o la revisión dirigida?

Ninguno de los dos por sí solo. El muestreo aleatorio estima cómo lee el grupo en un día corriente y produce una línea base defendible. La revisión dirigida va donde ya hay sospecha: una modalidad con quejas, una subespecialidad con poco personal, casos cuyo desenlace resultó otro. El aleatorio da una tasa. El dirigido da una causa. Reportarlos como una sola cifra arruina las dos.

Esto es lo que los comités pasan por alto. Una muestra es aleatoria solamente respecto al conjunto del cual salió, y ese conjunto suele ser lo que la herramienta de revisión alcanzaba sin trabajo adicional. Si se llena de radiografías de tórax de rutina y de seguimientos que traen comparaciones limpias al lado, la tasa de discrepancia va a salir baja y no dirá casi nada sobre cómo se está manejando una tomografía computarizada difícil a las tres de la madrugada. Una tasa baja puede ser un hallazgo legítimo. También puede ser un artefacto del denominador. Antes de celebrar, el comité debe poder describir la mezcla de casos por modalidad y por agudeza.

La revisión dirigida sufre el problema simétrico. Como arranca de una sospecha, encuentra lo que fue a buscar y ninguna tasa que produzca significa algo. El revisor además sabe que el caso venía señalado, y eso condiciona lo que ve antes de abrirlo. La revisión ligada al desenlace, donde el estudio se extrae porque la cirugía o una imagen posterior mostraron algo, enseña más por caso que cualquier otra cosa del programa y carga con el sesgo retrospectivo más pesado del programa. Las dos cosas son ciertas al mismo tiempo. Lo que la mayoría de los grupos termina haciendo es mantener una muestra aleatoria fija, suficiente para seguir tendencias, y discutir las extracciones dirigidas aparte, sin meterlas nunca en la cifra principal.

Hay un detalle operacional que hunde más programas que cualquiera de esos dos defectos de diseño. La herramienta de revisión vive en una lista de trabajo aparte que nadie abre, o que se abre cuando alguien de administración manda un recordatorio a fin de trimestre. Lo que llega entonces es un bloque de casos puntuados de una sentada por alguien que quiere terminar. Una muestra recogida así no es aleatoria en ningún sentido útil. Meter el paso de revisión dentro de la misma lista de trabajo donde el radiólogo lee todos los días arregla más que cualquier escala nueva.

• Muestra aleatoria: describa el conjunto de origen, la mezcla de casos y el intervalo de selección, no solo el porcentaje revisado.
• Extracciones dirigidas: documente por qué se escogió el caso, para que el sesgo retrospectivo quede a la vista en la discusión.
• Casos ligados al desenlace: excelentes para aprender, inservibles como tasa.
• Informe los dos grupos de casos por separado. Mezclarlos deja las dos cifras sin significado.

¿Cómo funcionan las escalas de puntuación y por qué se cuestionan?

Casi todas las escalas piden al revisor colocar el caso en un peldaño de una lista ordinal corta, desde la concordancia total, pasando por una diferencia menor, hasta una discrepancia que probablemente afectó el manejo. La idea es razonable. El problema es la confiabilidad: dos revisores con el mismo caso escogen peldaños distintos con frecuencia, así que las diferencias pequeñas entre lectores o entre trimestres son ruido.

La debilidad es estructural y no se resuelve escogiendo otra escala. Una categoría ordinal comprime dos juicios distintos en un solo número: cuán grande fue la diferencia perceptual o interpretativa y cuánto le importó al paciente. Esas dos cosas se separan a cada rato. Un lector puede omitir un nódulo pequeño que no cambia nada durante años, y otro puede diluir un hallazgo evidente en un lenguaje tan vago que el clínico sale por el camino equivocado, sin haber omitido técnicamente nada. Una sola calificación del uno al cuatro obliga al revisor a promediar cosas que no son comparables, y cada revisor las promedia a su manera. Puntuar la discrepancia y el impacto clínico en ejes separados da más trabajo en la estación y produce algo que el comité sí puede leer.

La calibración ayuda y casi nadie la hace. El programa que quiera puntuaciones capaces de resistir escrutinio debe enviar de vez en cuando el mismo puñado de casos a todos los revisores y comparar lo que regresa. A los grupos que lo intentan no les gusta lo que encuentran. El remedio no es una rúbrica más larga con más adjetivos adentro. Son ejemplos trabajados: una biblioteca corta de casos puntuados con el razonamiento escrito debajo, para que el revisor vea qué es un 2 en lugar de deducirlo de una palabra como leve. Esa misma biblioteca orienta a un revisor nuevo sin tener que convocar a nadie.

Quién puntúa el caso pesa tanto como la escala. Un radiólogo general que revisa una resonancia musculoesquelética leída por un subespecialista va a puntuar con cautela, o va a señalar algo que el subespecialista no señalaría. Repita ese desajuste durante un trimestre y las cifras se mueven por razones ajenas a la calidad de la lectura. Los programas que emparejan revisor y subespecialidad obtienen datos más limpios y chocan de inmediato con el segundo problema: en un grupo pequeño, el revisor obvio es la persona que lee la misma lista y sabe perfectamente de quién es el caso.

¿Cuándo hay un error y cuándo una diferencia de criterio defendible?

Pregúntese qué habría concluido un radiólogo razonable con las mismas imágenes, la misma historia y las mismas comparaciones, a esa misma hora. Si el hallazgo se ve en retrospectiva pero la lectura original era defendible con la información disponible, hay diferencia de criterio. Si el hallazgo estaba a la vista y el informe no lo aborda, hay omisión.

La retrospectiva es toda la dificultad. Un revisor que ya sabe cómo terminó el caso ve el hallazgo más rápido y de verdad le cuesta creer que alguien no lo viera. El efecto está bien descrito y no se apaga porque el revisor sepa que existe. Los programas serios lo contrarrestan con medidas modestas: revisar sin el desenlace adjunto cuando el flujo lo permite, documentar si el revisor conocía el resultado y exigir que se escriba qué información tenía de verdad el primer lector. Un estudio leído sin comparaciones, sin historia útil y con una indicación de cuatro palabras no es el mismo estudio que el revisor mira con el expediente abierto al lado.

Aquí pesa tanto lo que dijo el informe como lo que vio el radiólogo. Un informe que enumera tres posibilidades sin jerarquizarlas puede ser técnicamente irrefutable y aun así dejar al clínico sin nada que hacer. Algunos de los hallazgos más útiles que produce una revisión no son omisiones: son informes correctos e inservibles. Los comités que solo cuentan omisiones nunca los ven, porque la escala ordinal no tiene un peldaño para un informe correcto que nadie pudo usar. Por eso el campo de comentario libre, si alguien de verdad lo lee, vale más que la puntuación que aparece al lado.

¿Cómo se convierte un hallazgo de revisión en algo útil para el lector?

Separando dos tareas que casi siempre se mezclan: establecer qué pasó en el caso y decidir qué va a cambiar el grupo. La primera es una discusión breve y factual. La segunda produce un responsable con nombre y una fecha. La reunión que solo hace la primera genera minutas, no genera cambios, y la asistencia empieza a caer.

Este es el fallo que aparece en casi todos los programas. El revisor puntúa el caso, el comité lo discute, la minuta recoge una conclusión sensata, y al radiólogo que leyó el estudio nunca le llega nada. A veces es deliberado, porque alguien decidió que el anonimato protege el proceso. A veces no es tarea de nadie y cada cual asume que le toca a otro. En ambos casos el circuito queda abierto, y un circuito abierto no cambia la lectura de nadie. El lector no aprende, repite el patrón, y la misma categoría reaparece en el resumen del próximo trimestre con cara de problema sistémico cuando en realidad es una sola persona a quien nunca le avisaron.

Cerrar el circuito es trabajo administrativo poco lucido. Hay que designar por nombre a quien entrega la retroalimentación. Tiene que existir una ruta que llegue al lector en semanas y no en la evaluación anual. Y el mensaje tiene que incluir las imágenes. Un correo que dice que un caso recibió un 3 no le enseña nada a nadie. Enviar el estudio, el informe original, el comentario del revisor y una invitación a mirarlo otra vez enseña muchísimo, incluidas las veces en que el lector original tenía la razón y el revisor no. Esas también hay que anotarlas. Un programa que nunca le ha dado la razón al lector original no está siendo cuidadoso con sus propios datos.

Falta la parte que nadie quiere decir en la reunión. Apenas los radiólogos sospechan que las puntuaciones alimentan contratos, privilegios o un expediente de credenciales, dejan de someter casos. Nadie señala su propio caso dudoso. Los revisores puntúan con indulgencia porque saben lo que una mala puntuación le cuesta a un colega con quien van a compartir la lista el lunes. Los números mejoran y el programa empeora. La revisión formativa y la evaluación de desempeño tienen que ir por caminos separados, y al lector hay que decirle con claridad en cuál de las dos está sentado. Si aparece una preocupación real de competencia, corresponde a un proceso distinto y documentado, con sus propias salvaguardas, y cómo se estructura ese proceso le toca a la gobernanza de la institución y a su asesoría legal.

¿Qué debe poder describir un servicio de lectura sobre su propio proceso de revisión?

La instalación debe poder escuchar, en términos concretos, cómo se seleccionan los casos, quién los revisa, qué escala se usa, cómo llega la discrepancia al lector original y qué pasa cuando la revisión encuentra algo serio. Un servicio que solo contesta con un porcentaje no ha dicho nada que se pueda verificar.

Las preguntas útiles son de procedimiento, y quien tiene un programa real las contesta sin prepararse. ¿Cómo se extrae un caso y de qué conjunto? ¿Ve el revisor el desenlace? ¿Qué ocurre cuando el revisor y el lector original no se ponen de acuerdo sobre si hubo discrepancia? ¿Quién le avisa al lector y en cuánto tiempo? ¿Qué activa una adenda al informe y cómo se entera la instalación de que se emitió? ¿A dónde va un hallazgo serio y quién lo recibe del lado de la instalación? Si alguna de esas respuestas hay que improvisarla, el proceso probablemente no está escrito en ninguna parte.

Después vienen las cifras, siempre con la mezcla de casos al lado. Toda tasa citada sin denominador, sin desglose por modalidad y sin método de muestreo hay que leerla como material promocional. Pregunte cuál fue la tasa en las categorías que la instalación envía de verdad, que suele ser una tajada mucho más estrecha que el conjunto completo. Pregunte si las extracciones aleatorias y las dirigidas se informan por separado. Pregunte cuántos casos revisados terminaron en adenda y por cuál ruta. Nada de esto le pide al servicio entregar casos identificables ni asuntos internos de personal, y un servicio razonable señala dónde está ese límite en vez de cerrar la conversación. Esta guía describe la práctica general y no afirma nada sobre el diseño de revisión, la estructura de comité ni los resultados de DLA Imaging.

• Selección de casos: el conjunto de origen, el método de muestreo y cómo se identifican las extracciones dirigidas.
• Asignación del revisor: correspondencia de subespecialidad y si el desenlace está visible durante la revisión.
• La escala en uso, y si la discrepancia y el impacto clínico se puntúan en ejes separados.
• La ruta de regreso desde la discrepancia puntuada hasta el radiólogo que leyó el estudio, con un tiempo esperado.
• Qué activa una adenda o una llamada directa a la instalación, y quién la recibe.
• Cómo se informan por separado los resultados aleatorios y los dirigidos.

Fuentes y alcance

• American College of Radiology, programa de revisión por pares RADPEER
• American College of Radiology, parámetro de práctica sobre comunicación de hallazgos de imágenes diagnósticas
• The Joint Commission, estándares de evaluación continua del desempeño profesional
• American Board of Radiology, mejoramiento de la calidad de la práctica dentro de la certificación continua
• Radiological Society of North America, recursos educativos de calidad y seguridad