Sistemas de apoyo a la decisión difusos para la gestión de infecciones hospitalarias: un método circular q-ROF CRADIS para la prevención y el control

Por qué los gérmenes hospitalarios son tan difíciles de gestionar

Cada vez que entramos en un hospital esperamos que sea un lugar de curación, no una fuente de nuevas infecciones. Sin embargo, las infecciones nosocomiales siguen afectando a millones de pacientes en todo el mundo, alargando las estancias, incrementando los costes y, en ocasiones, costando vidas. Elegir qué medidas de prevención financiar y aplicar —mejor higiene de manos, nuevas máquinas de limpieza, normas sobre antibióticos, formación adicional del personal— no es nada sencillo. Este artículo presenta un nuevo tipo de herramienta de apoyo a la decisión que ayuda a los hospitales a ordenar opiniones de expertos imprecisas y contradictorias para decidir qué estrategias de control de infecciones aportarán más beneficio en el mundo real.

Cuando los números claros no son suficientes

Los responsables hospitalarios suelen apoyarse en listas de verificación, tarjetas de puntuación o informes estadísticos para evaluar los riesgos de infección. Estas herramientas asumen que los datos son completos y precisos y que factores distintos —como coste, seguridad y carga de trabajo del personal— se combinan de forma directa. En la práctica, los expertos discrepan, la evidencia es incompleta y las prioridades cambian con los brotes y los patrones de resistencia. Los métodos clásicos de decisión tienen problemas con este tipo de ambigüedad. Pueden imponer una respuesta simple de sí o no donde los expertos en realidad se sienten “algo confiados pero aún dudosos”, o pueden ignorar la naturaleza cíclica de opiniones que varían con nuevas oleadas de enfermedad.

Una nueva forma de capturar duda y desacuerdo

Para abordar esto, los autores se basan en una rama de las matemáticas llamada lógica difusa, diseñada para modelar tonos de gris en lugar de elecciones en blanco y negro. Las herramientas difusas estándar permiten a los expertos decir que una opción es en parte aceptable y en parte inaceptable. El nuevo marco va más allá al representar simultáneamente aceptación, rechazo y vacilación, dispuestos en una estructura circular que refleja de forma natural juicios de ida y vuelta y cíclicos. Esta estructura —denominada modelo circular q‑rung orthopair fuzzy— puede manejar incertidumbre extrema y fuertes desacuerdos mejor que enfoques difusos anteriores, sin convertir el análisis en una “caja negra” opaca.

Convertir opiniones desordenadas en clasificaciones accionables

El segundo ingrediente del marco es un método de clasificación conocido como CRADIS, que compara cada estrategia de control de infecciones con una estrategia “ideal” imaginada y con una de peor caso “anti‑ideal”. En este estudio, los autores rediseñan CRADIS para que pueda operar dentro del nuevo entorno difuso circular. Los expertos evalúan varias medidas hospitalarias comunes —como protocolos estrictos de higiene de manos, limpieza ambiental mejorada, programas de gestión de antimicrobianos, tecnologías avanzadas de desinfección y formación del personal— frente a seis objetivos: reducir infecciones, proteger a los pacientes, implementar medidas con precisión, asegurar la sostenibilidad a largo plazo, adaptarse a condiciones cambiantes y manejar la complejidad de las tareas. El sistema combina todas las opiniones de los expertos, mide qué tan cerca está cada opción del ideal y qué tan alejada del anti‑ideal, y después produce una clasificación global.

Qué favorece el modelo en la práctica

En un estudio de caso con tres especialistas en control de infecciones y cinco estrategias competidoras, la herramienta destacó la higiene estricta de manos y la gestión de antimicrobianos como prioridades principales. La segregación de residuos y los sistemas de esterilización también obtuvieron buen rendimiento, mientras que dispositivos de desinfección de alta tecnología y la formación rutinaria en solitario quedaron en posiciones inferiores según los criterios y restricciones elegidos. De forma importante, el marco hizo algo más que producir una única lista: permitió a los autores probar cómo cambiarían las clasificaciones si variaran los pesos o supuestos de los expertos. Las clasificaciones demostraron ser estables, especialmente para medidas ampliamente consensuadas como la higiene de manos, y solo moderadamente sensibles para opciones más complejas y con más recursos, lo que sugiere que los resultados son robustos y no frágiles.

Por qué esto importa para pacientes y hospitales

Para no especialistas, la idea principal es que la estrategia “mejor” de control de infecciones rara vez es evidente, incluso para los expertos, porque debe equilibrar eficacia, seguridad, coste, esfuerzo del personal y riesgos futuros bajo una profunda incertidumbre. Este estudio ofrece a los hospitales una forma estructurada de capturar la duda experta en lugar de ocultarla, comparar opciones de forma justa y ver cuán sensibles son sus decisiones a opiniones divergentes. Al hacerlo, el marco ayuda a los líderes a priorizar medidas preventivas probadas —como la higiene de manos y el uso cuidadoso de antibióticos— mientras sigue teniendo en cuenta las realidades locales. Aunque es matemáticamente sofisticado, su propósito es simple: convertir el juicio humano desordenado sobre los gérmenes hospitalarios en decisiones más claras y defendibles que protejan a los pacientes.

Cita: Li, M., Wang, R., Wang, M. et al. Fuzzy decision support systems for hospital infection management: a circular q-ROF CRADIS method to prevention and control. Sci Rep 16, 12154 (2026). https://doi.org/10.1038/s41598-026-40658-5

Palabras clave: control de infecciones hospitalarias, apoyo a la decisión, lógica difusa, clasificación multicriterio, gestión de antimicrobianos