Métricas de Economía de la Salud

Tema 81 de 91· Aplicaciones y dispositivos de salud para el consumidor

Métricas de Compromiso

Las métricas de compromiso miden cuánto usan realmente los usuarios una aplicación de salud: la pegajosidad DAU/MAU, la frecuencia y duración de sesión, el uso de funcionalidades. En la salud digital, el compromiso no es vanidad — es dosis: la exposición a través de la cual debe fluir cualquier efecto clínico.

Por qué importa

Un medicamento que se queda en el frasco no cura a nadie; una aplicación que se queda sin instalar o sin abrir es el mismo modo de fallo. Cada reclamación de economía de la salud para un producto de salud de consumo se multiplica a través del compromiso — la eficacia mostrada en ensayos se midió en algún nivel de uso, y el valor en el mundo real escala con cuán cerca llega el uso de despliegue a ese nivel. Puntos de referencia estándar del producto: la pegajosidad DAU/MAU alrededor del 20% se considera saludable para las aplicaciones móviles en general, >25% excepcional; las aplicaciones de salud a menudo funcionan más bajo.

El cálculo

Pegajosidad (DAU/MAU) = usuarios activos diarios / usuarios activos mensuales × 100
Métricas de sesión      = sesiones/usuario/periodo; duración media = tiempo total / sesiones
Compromiso de funcionalidad   = usuarios que realizan la acción clave / usuarios activos

Encuadre dosis-respuesta (la mejora de economía de la salud):
  efecto realizado ≈ efecto del ensayo × f(uso real / uso del ensayo)
  donde f proviene del análisis dosis-respuesta — ver el concepto de
  "compromiso efectivo" en adherence-and-persistence.md: uso suficiente
  para lograr el resultado previsto, que puede ser modesto y finito

Ejemplo resuelto

El estudio pivotal de una aplicación de presión arterial mostró una reducción sistólica de 6 mmHg entre usuarios que registran ≥4 lecturas/semana. En un despliegue a través de 50.000 usuarios registrados:

MAU 20.000 (40%); de esos, registrando ≥4×/semana: 7.000
Usuarios de dosis efectiva = 7.000 / 50.000 = 14% de la base registrada

El efecto a nivel poblacional ≈ efecto del ensayo entregado al 14%, no al 100%:
cualquier modelo económico que cite "50.000 usuarios × 6 mmHg" sobreestima ~7×.
Modelo honesto: 7.000 × efecto completo + crédito parcial (de datos
dosis-respuesta, si existen) para los 13.000 usuarios subumbral.

Esta multiplicación — a través del embudo de compromiso hasta la dosis efectiva — es el lugar individual más común donde la economía de la salud digital se infla.

Conexión con la ingeniería de software

Los ingenieros son dueños del embudo de compromiso, lo que los convierte en dueños de una variable clínica: la fricción de incorporación, la estrategia de notificaciones, el tiempo de carga y la resiliencia sin conexión mueven todos la dosis entregada. Dos implicaciones de diseño: instrumenta la acción clínicamente significativa (lecturas registradas, lecciones completadas), no las aperturas — el DAU construido sobre sesiones de rebote de notificaciones es fraude de dosis; y trata los objetivos de compromiso como objetivos de suficiencia, no de maximización — una aplicación que logra su resultado en 5 minutos/semana y se aparta del camino es clínicamente ideal y métricamente "pobre" (ver compromiso efectivo en adherencia y persistencia). Tasa el propio trabajo de compromiso vía el modelo de efecto poblacional anterior: una ganancia de 2 puntos en la cuota de dosis efectiva es una línea de AVAC cuantificable.

Errores comunes

  • Compromiso como resultado: el uso es un medio; el resultado es el PROM o punto final clínico.
  • Promedios sobre uso bimodal: las poblaciones de aplicaciones de salud se dividen en usuarios devotos y fantasmas; las medias no describen a nadie — segméntalas.
  • Inflación de dosis con patrones oscuros: las rachas y las notificaciones de culpa elevan las métricas y pueden dañar a las poblaciones ansiosas a las que sirven las aplicaciones de salud; los productos clínicos conllevan ética clínica.
  • Procedencia de referencia del proveedor: la mayoría de los puntos de referencia de compromiso publicados provienen de proveedores de analítica, no de revisión por pares; calibra contra tus propios ensayos.

Fuentes