Un paciente, tres historias: qué es un MPI y qué tiene que saber hacer
Dentro de una misma institución de salud, hasta 1 de cada 5 pacientes puede no quedar vinculado con todos sus registros, según una estimación que recoge The Pew Charitable Trusts. El índice maestro de pacientes (MPI) existe para evitarlo: qué es, cómo decide y qué seis características lo definen.
Publicado hace 1 día

Lo que sigue es un caso compuesto, con datos ficticios, pero el patrón es de los más comunes cuando una institución de salud suma sedes o sistemas sin un índice maestro de pacientes que unifique cómo identifica a cada persona.
El caso
Una clínica con tres sedes creció por etapas: a la sede central, con su historia clínica electrónica, le sumó un laboratorio, que conservó su sistema, y la sede norte, cuya guardia siguió con el suyo. Cada sistema identifica a los pacientes a su manera, y aparecen tres trabas:
- Una paciente, tres historias. Marta Giménez, de 67 años, está anticoagulada y es alérgica a la penicilina; así consta en su historia clínica de la sede central. El laboratorio, donde ella se hace los controles, la tiene registrada aparte, con el apellido sin tilde. Un sábado llega a la guardia de la sede norte con fiebre y desorientada, sin documento, con una vecina que dicta sus datos como puede. Se crea un registro nuevo, a nombre de “Marta Gimenes”. El médico ve una historia en blanco e indica un antibiótico de la familia de la penicilina. El error se frena por casualidad: la hija llega a tiempo y avisa de la alergia.
- Dos pacientes, una sola historia. Para ordenar el padrón, el área de sistemas unifica los registros con igual apellido, fecha de nacimiento y número de documento. Así quedan fusionados Valentín y Valentina Ferreyra, mellizos de ocho meses registrados al nacer con el documento de la madre. Las vacunas de uno pasan a la historia del otro, y separar las dos historias lleva semanas.
- Nadie a cargo de la identidad. Cuando un dato se corrige en un sistema, los otros no se enteran. Y cuando la dirección pregunta cuántos pacientes atiende la clínica, cada sistema devuelve un número distinto.
Lo que le falta a la clínica está antes de la historia clínica y del laboratorio: una forma única de identificar a cada paciente.
Por qué un mismo paciente termina con tres historias
Dentro de una misma institución, la tasa de vinculación correcta de registros puede ser de apenas el 80 %, es decir, 1 de cada 5 pacientes sin asociar a todos sus registros; entre organizaciones distintas puede bajar al 50 %, según estimaciones que reúne The Pew Charitable Trusts.¹
En un estudio sobre casi 400.000 pares de registros duplicados, lo que más los diferenciaba eran el segundo nombre y el número de seguridad social, en la mayoría de los casos porque el dato faltaba en uno de los dos; el nombre y el apellido diferían en casi uno de cada cuatro pares, muchas veces por errores de tipeo.²
La guía oficial argentina de identificación de personas en salud agrega otras causas: criterios de registro distintos entre áreas, datos que aporta un tercero en una urgencia y presión por acortar la admisión.³
Tampoco alcanza con pedir el documento: hay personas que no lo tienen o llegan sin él y deben ser atendidas igual, y el número lo tipea una persona. Por eso, dice la guía, el foco pasó de buscar el mejor identificador a montar el mejor servicio de identificación.³
La identidad de un paciente se sostiene con un proceso diario, y la pieza que lo hace posible es el índice maestro de pacientes.
Qué es un índice maestro de pacientes (MPI)
Un índice maestro de pacientes (MPI, por Master Patient Index) es el servicio que mantiene una única lista de las personas que atiende una organización y sabe con qué identificador figura cada una en cada sistema. La guía argentina lo considera un requisito previo a cualquier historia clínica electrónica.³
Guarda datos demográficos, no clínicos. Con ellos asigna a cada persona un identificador único, lo vincula con los identificadores locales de cada sistema y responde, cada vez que un sistema pregunta, si un paciente ya existe. Para Marta, eso significa una sola identidad que apunta a sus tres registros.
Figura 1. Un MPI reconoce que tres registros distintos son de la misma persona y los vincula sin cambiar la numeración de ningún sistema. El vínculo con la guardia lo confirma una persona (figura 2).
Conviene despejar tres confusiones:
- No es la historia clínica. No guarda diagnósticos ni resultados, sino en qué sistemas tiene registros cada persona.
- No reemplaza los sistemas existentes. Cada uno conserva su numeración; solo hay que conectarlos con el MPI.
- No es una limpieza que se hace una vez. Un padrón depurado y sin mantenimiento vuelve a desordenarse.
En Argentina, además, ayuda a cumplir una exigencia legal: la Ley 26.529 establece que la historia clínica es única en cada establecimiento y debe identificar al paciente con una “clave uniforme”.⁴
Las seis características de un índice maestro de pacientes
Cada una responde a una pregunta, y su falta explica una parte de lo que pasó en la clínica.
Identidad única con referencias cruzadas: ¿cómo queda representada una persona?
El MPI asigna a cada persona un identificador institucional y guarda, junto a él, los identificadores locales con los que figura en cada sistema. Así, cada uno conserva su numeración. Cualquier aplicación autorizada que conozca uno puede preguntar por los demás. También registra cuánta certeza hay sobre cada identidad: la guía argentina separa a quienes la acreditaron con un documento de los registros temporarios, creados sin documentación para no demorar una atención.³ En la clínica, Marta figuraba tres veces y nada indicaba que fuera la misma persona.
Una persona, un identificador institucional y tantos identificadores locales como sistemas la conozcan.
Búsqueda antes del alta: ¿cómo se evita crear un registro que ya existe?
El duplicado más barato es el que no se crea. El MPI ofrece una búsqueda que cada sistema consulta antes de dar de alta a un paciente: con los datos disponibles, aunque estén incompletos, devuelve los candidatos más parecidos, y quien admite elige uno o confirma que la persona es nueva.³ En la guardia, esa búsqueda habría podido ofrecer a Marta Giménez entre los candidatos, aunque se escribiera “Gimenes” y nadie supiera su documento.
La admisión deja de preguntarse “¿cómo cargo a este paciente?” y empieza por “¿ya lo conocemos?”.
Comparación probabilística y explicable: ¿cómo decide que es la misma persona?
Los algoritmos determinísticos exigen coincidencia exacta, y fallan en cuanto alguien invierte dos dígitos del documento.³ Los probabilísticos asumen que los datos llegan con errores y estiman la probabilidad de que dos registros sean de la misma persona.¹ En la versión de la guía argentina, cada campo aporta un peso según cuánto distingue a una persona de otra (fecha de nacimiento, documento y sexo pesan más que nombres y apellidos), y los textos se llevan antes a una forma fonética, para que variantes como Elbio y Elvio, o Rodrigues y Rodríguez, cuenten como la misma.³
El puntaje se contrasta con dos umbrales: por encima del más alto, los registros se vinculan solos; por debajo del más bajo, se tratan como personas distintas; los del medio van a revisión.⁵
El estándar HL7® FHIR® recoge la misma idea: cuando un sistema le pregunta a un MPI por un paciente, la respuesta trae cada candidato con un puntaje y un grado de coincidencia (segura, probable, posible o descartada), y para los grados intermedios prevé una revisión adicional.⁶
Figura 2. Del puntaje a la decisión: qué se vincula automáticamente, qué revisa una persona y qué se trata como una identidad nueva.
Los dos errores no pesan lo mismo: no reconocer a un paciente deja un duplicado; unir a dos personas distintas crea un registro superpuesto, y se decide sobre una con los datos de la otra.
Por eso los umbrales se calibran con los datos propios y las instituciones suelen preferir la prudencia:¹ en los procesos automáticos, la guía argentina exige coincidencia exacta y deriva el resto a auditoría.³ La limpieza que unió a los mellizos hizo lo contrario: comparó tres campos, sin zona de duda ni revisión humana. Y un MPI tiene que poder explicar cada vínculo: qué campos coincidieron, cuáles no y con qué puntaje.
Revisión humana y cambios reversibles: ¿qué pasa con las dudas y los errores?
Los casos dudosos van a una bandeja donde alguien del equipo decide si corresponden al mismo paciente. La guía argentina llama auditor a ese rol: revisa a diario las altas en busca de posibles duplicados y, cuando un par no lo es, como ocurre con los gemelos, lo marca para que no vuelva a aparecer.³
Un MPI maduro vincula por su cuenta lo que es seguro, le deja a una persona lo dudoso y puede deshacer cualquiera de las dos decisiones.
Eso último le faltó a la clínica. Vincular dos registros no obliga a mezclar sus contenidos: FHIR® permite declarar que dos registros son de la misma persona y siguen siendo válidos, o marcar uno como reemplazado por el otro sin borrarlo.⁶ Si la clínica hubiera vinculado en lugar de mezclar, separar a Valentín y Valentina habría sido deshacer un vínculo.
Integración por estándares abiertos: ¿cómo se enteran los demás sistemas?
Un MPI aislado es otro padrón más: su valor depende de que los demás sistemas le avisen, le pregunten y lo escuchen.
Los perfiles públicos de IHE (Integrating the Healthcare Enterprise) cubren esas conversaciones sobre FHIR®: informar al índice cada alta o corrección y consultar con qué identificadores figura un paciente en otros sistemas (PIXm), buscarlo por sus datos demográficos (PDQm) y avisar a los sistemas suscriptos cuando una identidad cambia (PMIR).⁷ En la clínica faltaba esa conversación: un dato corregido en un sistema no llegaba a los otros.
Seguridad, privacidad y trazabilidad: ¿quién ve y quién cambia una identidad?
El MPI concentra los datos que identifican a todas las personas que pasaron por la institución. La ley argentina de protección de datos personales incluye la información de salud entre los datos sensibles y obliga a resguardarla con medidas técnicas y organizativas.⁸ En la práctica, eso pide acceso por rol, registro de cada búsqueda y de cada cambio, y pruebas con datos ficticios. En la clínica, la limpieza no dejó registro de qué se había unido: por eso separar a los mellizos llevó semanas.
Lo que un MPI necesita para funcionar: procesos y personas
Las seis características describen la herramienta, pero la calidad de un padrón se juega en el mostrador de admisión. La guía argentina advierte que poner en marcha un MPI obliga a cambiar los procesos de atención, y pide capacitar a quienes registran y explicar a los pacientes por qué se les pide el documento.³ Ninguna tecnología elimina por completo el error humano:² con buena calidad de datos y revisión manual de los casos inciertos, las instituciones pueden llegar al 90 % o más de vinculación correcta, no a la perfección.¹
Un MPI necesita un responsable: alguien que responda por la identidad de los pacientes en toda la institución, y no solo dentro de un sistema.
Lo que la clínica del caso necesitaba
Con un MPI en funcionamiento, el registro de Marta en el laboratorio habría quedado vinculado automáticamente a su historia de la sede central. La guardia habría buscado antes de crear y, si Marta hubiera aparecido entre los candidatos, el médico habría sabido que tenía una historia y análisis para consultar antes de indicar el antibiótico. Y los mellizos no se habrían fusionado sin que nadie mirara: en la zona de duda, una persona habría visto que el nombre y el sexo no coincidían y los habría marcado como personas distintas.
Hoy, con el padrón ya desordenado, la clínica puede empezar por tres decisiones: definir quién responde por la identidad, poner la búsqueda delante de cada alta y resolver los duplicados existentes con una persona en el circuito.
Un MPI no agrega información nueva: busca que la que ya existe quede asociada a la persona correcta.
La identidad es una de las cuatro capacidades que, como planteamos en Del impulso al impacto, conviene resolver una sola vez. Es parte de lo que guía cómo construimos en ÜMA: tecnología pensada para interoperar desde el origen, integrarse con los sistemas que las instituciones ya usan y operar con controles acordados para cada solución.
¿Cuántas personas hay detrás de los registros de tu institución?
Notas y fuentes
¹ The Pew Charitable Trusts, Enhanced Patient Matching Is Critical to Achieving Full Promise of Digital Health Records (2 de octubre de 2018). Informe sobre el sistema de salud de Estados Unidos; sus cifras son estimaciones de terceros, tomadas de documentos de 2012 y 2014. Vinculación dentro de una institución: puede ser de apenas el 80 % y llegar al 90 % o más con alta calidad de datos y revisión manual de los casos inciertos; entre organizaciones, tan baja como el 50 %, incluso con el mismo proveedor de historia clínica. Describe los algoritmos determinísticos y probabilísticos, y señala que cada institución puede ajustarlos a su población, que se tiende a evitar los falsos positivos y que ninguna solución logra una vinculación perfecta.
² Beth Haenke Just, David Marc, Megan Munns y Ryan Sandefer, “Why Patient Matching Is a Challenge: Research on Master Patient Index (MPI) Data Discrepancies in Key Identifying Fields”, Perspectives in Health Information Management, vol. 13 (primavera de 2016), 1e. Análisis de 398.939 pares de duplicados confirmados en 10 estados de Estados Unidos. Pares con discrepancia: segundo nombre (58,30 %), número de seguridad social (53,54 %), apellido (23,84 %) y nombre (22,72 %). En el 62 % de las discrepancias de segundo nombre y en el 58 % de las de seguridad social, el dato estaba vacío en uno de los dos registros; los errores de tipeo explican el 53 % de las de nombre y el 34 % de las de apellido. Define el registro superpuesto (overlaid record) como aquel en el que dos pacientes distintos quedan asociados a un mismo registro, y concluye que ninguna tecnología elimina por completo el error humano.
³ Secretaría de Gobierno de Salud de Argentina (hoy Ministerio de Salud), Guía de Identificación Unívoca de Personas en Salud, aprobada por la Resolución 2524/2019 (Boletín Oficial del 11 de octubre de 2019). Recomendación federal para los sectores público, de la seguridad social y privado. Define el MPI y sus procesos: búsqueda probabilística de candidatos, con normalización fonética y pesos por campo; registros temporarios; auditoría diaria de posibles duplicados, y coincidencia exacta en los procesos automáticos.
⁴ Ley 26.529 (Argentina), Derechos del Paciente en su Relación con los Profesionales e Instituciones de la Salud (2009), artículo 17, “Unicidad”. Su reglamentación, el Decreto 1089/2012, exige una única historia clínica por paciente, identificable por una clave o código único o por el número de documento de identidad.
⁵ Adrian Sayers, Yoav Ben-Shlomo, Ashley W. Blom y Fiona Steele, “Probabilistic record linkage”, International Journal of Epidemiology, vol. 45, n.º 3 (2016), pp. 954–964. Artículo de acceso abierto: dos umbrales clasifican los pares en vínculos, no vínculos y vínculos potenciales, que son los que requieren revisión manual.
⁶ HL7® International, especificación FHIR® R4, recurso Patient y operación $match. La operación devuelve cada candidato con un puntaje de 0 a 1 y un grado de coincidencia (segura, probable, posible o descartada), con revisión adicional para los intermedios. Dos registros pueden vincularse como “ver también” (seealso), cuando ambos siguen en uso y contienen datos de la misma persona, o como “reemplazado por” (replaced-by), cuando uno ya no debe usarse.
⁷ IHE International, perfiles de integración sobre FHIR® R4, publicados como implementación de prueba: PIXm (versión 3.1.0), que envía altas y cambios a un gestor de referencias cruzadas y consulta los identificadores de un paciente en otros dominios; PDQm (versión 3.2.0), que consulta datos demográficos, y PMIR (versión 1.6.0), que crea, actualiza, fusiona y da de baja identidades maestras y permite suscribirse a sus cambios.
⁸ Ley 25.326 (Argentina), Protección de los Datos Personales (2000), artículos 2 (definición de datos sensibles) y 9 (seguridad de los datos).