El modelo MacArthur de evaluación de la capacidad para tomar decisiones

Gemini

Introducción

La exigencia de consentimiento informado convirtió un problema filosófico —qué hace que una decisión sea propia de un sujeto— en un problema operativo de la práctica asistencial cotidiana. Si el consentimiento válido requiere que el paciente sea capaz de decidir, entonces alguien tiene que determinar, en un tiempo acotado y con criterios comunicables, si esa condición se cumple. Durante décadas esa determinación se apoyó casi exclusivamente en la impresión global del clínico, un procedimiento cuya fiabilidad resultó ser modesta y cuyos fundamentos rara vez se explicitaban (Appelbaum y Grisso, 1988; Roth et al., 1977). El protocolo MacArthur para la valoración de la capacidad de decisión sanitaria surgió como respuesta a ese déficit metodológico y constituye, treinta años después, la referencia dominante en el campo.

Conviene precisar desde el inicio una distinción terminológica que ordena todo el debate posterior. En la tradición angloamericana, competence designa un estatus jurídico atribuido por un tribunal, mientras que capacity designa la condición clínica de las habilidades decisorias que el juez o el clínico valoran (Grisso y Appelbaum, 1998a). En castellano ambos términos han tendido a colapsar en «capacidad», con la consecuencia de que a menudo se atribuye al instrumento una función determinativa que sus autores nunca le asignaron (Simón Lorda, 2008). Esa confusión no es meramente léxica: está en el origen de la principal controversia que este ensayo analiza, la ausencia de puntos de corte en la MacArthur Competence Assessment Tool for Treatment (MacCAT-T).

Este trabajo persigue cuatro objetivos. En primer lugar, reconstruir el proceso de desarrollo del protocolo, desde la investigación previa que lo motivó hasta la publicación del manual clínico. En segundo lugar, examinar cómo se definieron y operacionalizaron sus cuatro constructos —comprensión, apreciación, razonamiento y expresión de una elección— y por qué se decidió no integrarlos en un índice único. En tercer lugar, describir el diseño y los resultados del estudio de validación, así como los intentos posteriores de establecer umbrales empíricos. En cuarto lugar, y como núcleo argumental, analizar qué utilidad conserva un instrumento psicométricamente sólido que carece deliberadamente de punto de corte, y en qué condiciones esa carencia se transforma en un problema práctico.

La tesis que se defiende es que la ausencia de punto de corte no es un defecto de desarrollo incompleto, sino una consecuencia coherente de la naturaleza normativa del constructo evaluado; que esa coherencia conceptual tiene, sin embargo, un coste empírico apreciable en términos de comparabilidad entre estudios y de variabilidad entre evaluadores; y que la solución razonable no es fijar un umbral universal, sino desarrollar sistemas normativos referenciados a población y a tipo de decisión que informen —sin sustituir— el juicio deliberativo.

Antecedentes conceptuales y empíricos

Del consentimiento informado a la capacidad decisoria

La doctrina del consentimiento informado se consolidó en la jurisprudencia estadounidense a lo largo del siglo XX sobre tres requisitos: información suficiente, voluntariedad y capacidad (Appelbaum et al., 1987). Los dos primeros recibieron atención doctrinal temprana; el tercero permaneció comparativamente indefinido, en buena medida porque la capacidad se presume y solo se cuestiona cuando algo en la conducta del paciente la pone en duda. En la práctica, ese «algo» solía ser el rechazo de un tratamiento recomendado, lo que introducía un sesgo estructural: la capacidad se examinaba de manera asimétrica, con mayor intensidad cuando el paciente disentía que cuando aceptaba (Roth et al., 1977).

El artículo de Roth et al. (1977) es el punto de partida convencional del campo. Sus autores identificaron que en la literatura jurídica y clínica convivían al menos cinco criterios distintos de capacidad, ordenados de menor a mayor exigencia, y mostraron que la elección entre ellos determinaba materialmente el resultado de la evaluación. Un paciente juzgado capaz bajo el criterio de «expresar una elección» podía ser juzgado incapaz bajo el criterio de «decisión razonable». Esta observación —que el resultado depende del estándar aplicado, y que el estándar es una elección normativa, no un hallazgo empírico— reaparecerá como argumento central en el debate sobre los puntos de corte.

La cristalización de los cuatro estándares

Durante los años ochenta, la Comisión Presidencial para el Estudio de los Problemas Éticos en Medicina (President's Commission, 1982) y la literatura bioética posterior fueron depurando esa proliferación de criterios. Appelbaum y Roth (1982) y, de forma más influyente, Appelbaum y Grisso (1988) propusieron una síntesis de cuatro habilidades legalmente relevantes: comunicar una elección, comprender la información relevante, apreciar la situación propia y sus consecuencias, y manipular racionalmente la información. Berg et al. (1996) documentaron después que esos cuatro estándares no eran una construcción teórica ex nihilo sino una reconstrucción analítica de la jurisprudencia y de la legislación estatal estadounidense, lo cual explica tanto su aceptación posterior como su carácter contingente respecto de una tradición jurídica concreta.

Paralelamente, Drane (1984) y Buchanan y Brock (1989) desarrollaron el argumento de la escala móvil: el nivel de habilidad exigible no es constante, sino que debe variar en función de la relación entre riesgos y beneficios de la decisión concreta. Aceptar una intervención de bajo riesgo y alta eficacia requeriría un umbral bajo; rechazar una intervención salvadora requeriría un umbral alto. Esta idea, hoy incorporada a la mayoría de las guías clínicas, es incompatible con la existencia de un punto de corte único, y su aceptación previa condicionó decisivamente las opciones metodológicas del grupo MacArthur.

Los límites de la investigación empírica previa

Appelbaum y Grisso (1995) revisaron críticamente los estudios disponibles sobre capacidad decisoria en personas con trastorno mental y señalaron un conjunto de deficiencias recurrentes. Los estudios empleaban criterios de capacidad heterogéneos o implícitos, lo que impedía la comparación entre ellos. Utilizaban muestras pequeñas, con frecuencia de un único diagnóstico y sin grupos de comparación adecuados, de modo que resultaba imposible discernir qué parte del déficit observado era atribuible al trastorno y qué parte a la edad, la escolarización o el nivel socioeconómico. Medían casi siempre la comprensión, la más accesible de las habilidades, y desatendían la apreciación y el razonamiento. Y raramente informaban de la fiabilidad interjueces de sus procedimientos de puntuación.

El propio Grisso (1986) había sistematizado poco antes los requisitos metodológicos exigibles a cualquier instrumento de evaluación de competencias en contextos forenses, y un estudio preliminar del equipo había mostrado que los pacientes con enfermedad mental comprendían peor, como grupo, las revelaciones informativas sobre medicación, aunque con un solapamiento amplio respecto de los pacientes sin enfermedad mental (Grisso y Appelbaum, 1991).

De ese diagnóstico se derivaba un programa: hacía falta un estudio con muestras suficientes, con grupos de comparación emparejados, con instrumentos que cubrieran los cuatro estándares por separado y con procedimientos de puntuación objetivados y fiables. Ese programa es el MacArthur Treatment Competence Study.

El diseño del Estudio MacArthur

La red de investigación

El estudio se desarrolló en el marco de la MacArthur Foundation Research Network on Mental Health and the Law, un consorcio interdisciplinar financiado por la John D. and Catherine T. MacArthur Foundation que reunió a psiquiatras, psicólogos, juristas y especialistas en toma de decisiones. Los investigadores principales del proyecto sobre capacidad de tratamiento fueron Paul S. Appelbaum y Thomas Grisso, con la participación de Edward P. Mulvey y Kenneth Fletcher en el diseño estadístico y el análisis (Grisso et al., 1995). La composición del equipo importa para entender el producto: la presencia de juristas y de especialistas en psicología de la decisión explica que los constructos se anclaran en estándares legales y que el razonamiento se modelara a partir de la literatura sobre procesos de decisión, y no exclusivamente a partir de la neuropsicología.

Los resultados se publicaron en 1995 en tres artículos consecutivos de Law and Human Behavior. El primero establecía el marco conceptual y los principios de diseño (Appelbaum y Grisso, 1995); el segundo presentaba el desarrollo y las propiedades psicométricas de los instrumentos (Grisso et al., 1995); el tercero comunicaba los resultados sustantivos de la comparación entre grupos (Grisso y Appelbaum, 1995b). Esa arquitectura tripartita es en sí misma un rasgo metodológico digno de nota: separa la justificación conceptual, la validación instrumental y los hallazgos empíricos, permitiendo evaluar cada nivel de manera independiente.

Principios de diseño

Appelbaum y Grisso (1995) formularon explícitamente los principios que guiaron el diseño. El primero fue la orientación a estándares legales: los instrumentos no medirían «capacidad» como constructo psicológico general, sino habilidades vinculadas conceptualmente a cada uno de los cuatro estándares jurídicos, mantenidas separadas para que cualquier jurisdicción pudiera aplicar el estándar o la combinación de estándares que su derecho exigiera. El segundo fue la comparabilidad: los grupos de pacientes se contrastarían con grupos comunitarios emparejados, para que el referente del rendimiento no fuera un ideal abstracto de racionalidad sino el rendimiento observable de personas sin enfermedad. El tercero fue la objetivación de la puntuación: los criterios se especificarían con detalle suficiente para que evaluadores distintos convergieran, requisito sin el cual ninguna comparación entre grupos resulta interpretable. El cuarto fue la separación entre medición y determinación: los instrumentos producirían descripciones de habilidades, no veredictos de capacidad.

Este último principio merece subrayarse porque anticipa la controversia del punto de corte. Los autores sostuvieron desde el principio que la transición desde un perfil de habilidades hasta una calificación de incapacidad es un juicio normativo que incorpora consideraciones ajenas a la medición: el riesgo de la decisión, la disponibilidad de alternativas menos restrictivas, el marco legal aplicable y los valores en juego (Grisso y Appelbaum, 1996). Un instrumento que devolviera directamente un veredicto estaría usurpando una función deliberativa que no le corresponde.

La definición operativa de los constructos

Expresión de una elección

Es el estándar mínimo y el más antiguo. Requiere que el paciente pueda comunicar una preferencia y, en la formulación del grupo MacArthur, que esa preferencia presente una estabilidad suficiente para ser tratada como decisión y no como oscilación momentánea (Appelbaum y Grisso, 1995). Su déficit se manifiesta en la ausencia de respuesta, en la incapacidad de sostener una elección a lo largo de la entrevista o en la alternancia repetida entre alternativas. Es el constructo menos discriminativo en poblaciones clínicas generales: la mayoría de los pacientes, incluso con psicopatología grave, puede expresar alguna preferencia. Precisamente por ello constituye un mal criterio único, aunque sea un criterio necesario.

Comprensión

La comprensión se definió como la capacidad de aprehender el significado de la información revelada acerca del trastorno, del tratamiento propuesto, de sus alternativas y de los riesgos y beneficios asociados (Grisso et al., 1995). La operacionalización adoptó dos decisiones importantes. La primera fue distinguir la comprensión de la memoria: se combinaron formatos de paráfrasis —el paciente reformula con sus palabras— con formatos de reconocimiento, en los que se le presentan afirmaciones para que indique si se corresponden con lo comunicado, de modo que un fallo de recuperación no se confundiera con un fallo de comprensión. La segunda fue admitir la revelación iterativa: si el paciente no capta un elemento, se le vuelve a explicar, porque lo que interesa jurídicamente no es el rendimiento en un ensayo único sino si el paciente puede llegar a comprender con una comunicación razonablemente adaptada.

Esta última decisión tiene una consecuencia conceptual relevante. La comprensión medida no es una propiedad exclusiva del paciente, sino el producto de una interacción entre el paciente y la calidad de la información que recibe. El instrumento incorpora así, de manera implícita, una exigencia dirigida al profesional: un déficit de comprensión puede ser un déficit de la explicación.

Apreciación

La apreciación es el constructo más específico de la tradición MacArthur y el más difícil de operacionalizar. No se refiere a la comprensión abstracta de la información, sino al reconocimiento de que esa información se aplica a la propia situación: que uno padece el trastorno descrito y que el tratamiento propuesto podría beneficiarle (Appelbaum y Grisso, 1995). Un paciente puede describir correctamente qué es la esquizofrenia y en qué consiste el tratamiento antipsicótico y sostener a la vez que él no padece ninguna enfermedad y que la medicación forma parte de un plan para dañarle.

La operacionalización de la apreciación tuvo que resolver un problema espinoso: el desacuerdo con el diagnóstico o con la indicación no es, por sí mismo, un déficit. Los pacientes tienen derecho a discrepar de sus médicos, y muchas personas sin enfermedad mental discrepan. El grupo MacArthur resolvió el problema mediante un procedimiento de dos pasos. Primero se registra el no reconocimiento del trastorno o del potencial beneficio del tratamiento; después se exploran las razones que el paciente ofrece, y solo se puntúa como déficit de apreciación cuando esas razones son delirantes o sustancialmente irracionales, es decir, cuando se basan en premisas patentemente falsas y no revisables a la luz de la evidencia (Grisso et al., 1995). El déficit reside, por tanto, en la estructura de la justificación, no en el contenido de la conclusión.

Esta solución es elegante pero desplaza el problema en lugar de eliminarlo. La distinción entre una creencia delirante y una creencia idiosincrásica, culturalmente configurada o simplemente errónea es ella misma un juicio clínico cargado de valores, y es el punto de la MacCAT-T donde la fiabilidad interjueces resulta más frágil y donde la crítica conceptual ha sido más insistente (Breden y Vollmann, 2004; Charland, 2006).

Razonamiento

El razonamiento —denominado en la formulación jurídica original «manipulación racional de la información»— se operacionalizó como un conjunto de procesos, no como la corrección del resultado. El grupo MacArthur importó categorías de la psicología de la decisión (Grisso et al., 1995) para evaluar si el paciente puede considerar las consecuencias de cada opción para su vida cotidiana, comparar alternativas en función de esas consecuencias, inferir de manera transitiva y probabilística a partir de la información recibida, y ofrecer una justificación de su elección coherente con las premisas que él mismo ha aceptado.

La decisión de centrarse en el proceso y no en el contenido responde al principio de neutralidad valorativa: un estándar que penalizara las decisiones «irrazonables» equivaldría a exigir a los pacientes que coincidieran con sus médicos, vaciando de sentido el derecho al rechazo. La formulación procesual protege el pluralismo de valores, aunque a costa de dejar fuera del alcance del instrumento aquellos casos en que el proceso es formalmente impecable pero opera sobre valores que el propio sujeto no reconocería como suyos, como se ha argumentado respecto de la anorexia nerviosa (Tan et al., 2006).

Dos decisiones estructurales: no agregación y no jerarquía

Dos opciones metodológicas del grupo MacArthur determinan el resto del análisis. La primera es la no agregación: los cuatro constructos se miden y se informan por separado, sin sumarse en una puntuación global. La justificación es jurídica antes que psicométrica —las jurisdicciones difieren en el estándar que adoptan, y sumar impediría aplicar el estándar pertinente— pero también empírica, como se verá al examinar los resultados.

La segunda es la no jerarquía. Aunque los estándares suelen presentarse ordenados por exigencia creciente, Grisso y Appelbaum (1995a) mostraron que no se comportan de manera acumulativa: fallar en un estándar supuestamente más exigente no implica fallar en los menos exigentes, y los conjuntos de pacientes identificados como deficitarios por cada medida se solapan solo parcialmente. La implicación práctica es directa: cuando la ley exige un estándar compuesto, cada habilidad debe evaluarse de forma independiente, porque el rendimiento en una no permite inferir el rendimiento en otra.

Los instrumentos de investigación

Para el estudio se construyeron tres instrumentos distintos, agrupados bajo la denominación de MacArthur Treatment Competence Research Instruments (Grisso et al., 1995). Todos ellos empleaban viñetas: se presentaba al participante un caso hipotético con un trastorno y un tratamiento, con versiones adaptadas al perfil de cada grupo diagnóstico. La elección de material hipotético fue deliberada y respondía a la exigencia de estandarización, condición sin la cual la comparación entre grupos carecería de sentido, pero introdujo el principal límite de validez ecológica del estudio, reconocido por los propios autores (Grisso y Appelbaum, 1996).

El Understanding Treatment Disclosures (UTD; Grisso y Appelbaum, 1992) evaluaba la comprensión mediante revelaciones estructuradas sobre el trastorno y su tratamiento, con formatos de paráfrasis y de reconocimiento y con posibilidad de reexposición de los elementos no captados. El Perceptions of Disorder (POD; Appelbaum y Grisso, 1992) evaluaba la apreciación mediante el registro del no reconocimiento del trastorno y del potencial terapéutico, seguido de la exploración sistemática de las razones aducidas y de su calificación como delirantes o patentemente irracionales. El Thinking Rationally About Treatment (TRAT; Grisso y Appelbaum, 1993) evaluaba los procesos de razonamiento a partir de una decisión hipotética, con índices derivados relativos a la generación y consideración de consecuencias, la comparación de alternativas, la inferencia lógica y probabilística y la consistencia de la elección.

Grisso et al. (1995) informaron de una fiabilidad interjueces muy elevada para los tres instrumentos, así como de análisis sobre la estructura interna de las medidas y sobre su relación con variables demográficas y cognitivas. Ese resultado es el logro técnico fundamental del proyecto: demostró que constructos hasta entonces considerados irremediablemente subjetivos —singularmente la apreciación y el razonamiento— podían puntuarse con acuerdo sustancial entre evaluadores si los criterios se especificaban con suficiente detalle. Sin ese hallazgo, ninguna de las conclusiones posteriores sobre prevalencia de déficits habría sido interpretable.

Es importante notar qué tipo de validación se hizo aquí y qué tipo no se hizo. Se estableció fiabilidad interjueces, consistencia interna y validez de constructo por diferenciación de grupos conocidos. No se estableció validez de criterio frente a un patrón externo de incapacidad, por la razón obvia de que tal patrón no existía: no hay una prueba biológica ni un veredicto judicial disponible que sirva de referencia independiente. Esta ausencia de gold standard es estructural, no coyuntural, y constituye la raíz del problema del punto de corte que se analizará más adelante.

El estudio de validación

Muestra y procedimiento

El estudio de validación empleó una muestra total de aproximadamente 498 participantes distribuidos en seis grupos (Grisso y Appelbaum, 1995b). Tres grupos estaban formados por pacientes recientemente hospitalizados: 75 con esquizofrenia, 92 con depresión mayor y 82 con cardiopatía isquémica. Los otros tres eran grupos de comparación comunitaria compuestos por personas sin enfermedad, emparejados con los pacientes en edad, sexo, raza, nivel educativo y ocupación (Grisso y Appelbaum, 1995a).

La composición de la muestra encierra tres decisiones de diseño sustantivas. La inclusión de un grupo con enfermedad médica grave permitía separar el efecto del trastorno mental del efecto genérico de estar hospitalizado y enfermo, una confusión frecuente en los estudios previos. La inclusión de grupos comunitarios emparejados establecía un referente empírico de rendimiento normal, sin el cual cualquier umbral de «déficit» resultaría arbitrario. Y la evaluación en fase aguda, poco después del ingreso, situaba la medición en el momento en que las decisiones clínicamente relevantes se plantean realmente, aunque a costa de capturar el estado de máxima alteración.

Los tres instrumentos se administraron a todos los participantes con procedimientos estandarizados y puntuación por evaluadores entrenados. Un subgrupo de pacientes fue reevaluado tras un intervalo de tratamiento, lo que permitió examinar la estabilidad temporal de los déficits.

Resultados principales

Los hallazgos de Grisso y Appelbaum (1995b) pueden resumirse en cuatro proposiciones. Primera: los déficits significativos en habilidades decisorias afectaron solo a una minoría de participantes en todos los grupos, incluidos los grupos de pacientes psiquiátricos. Segunda: los grupos de esquizofrenia y de depresión mostraron, como grupos, peor comprensión de las revelaciones, peor razonamiento y mayor probabilidad de no apreciar su trastorno o el beneficio potencial del tratamiento que sus respectivos grupos de comparación. Tercera: los déficits fueron más pronunciados en el grupo de esquizofrenia que en el de depresión. Cuarta, y más importante: la variabilidad intragrupo fue muy amplia, de modo que una proporción sustancial de los pacientes psiquiátricos rindió al nivel de los participantes comunitarios.

La cuarta proposición es la conclusión políticamente más consecuente del estudio. Refuta empíricamente la inferencia —entonces habitual en la práctica y en la legislación— desde el diagnóstico, o incluso desde la hospitalización involuntaria, hasta la incapacidad decisoria. El diagnóstico psiquiátrico modifica la probabilidad de presentar déficits, pero no la determina, y por tanto no puede sustituir a la evaluación individual. Los datos de reevaluación apuntaban además a que una parte apreciable de los déficits observados en fase aguda era reversible con el tratamiento, lo que refuerza el carácter situacional y no rasgo de la incapacidad.

Los mismos instrumentos se aplicaron posteriormente a otras poblaciones, con hallazgos convergentes: pacientes médicos hospitalizados (Appelbaum y Grisso, 1997) y pacientes con depresión mayor considerados para participar en investigación clínica (Appelbaum et al., 1999).

La comparación de estándares y el primer umbral

En un artículo complementario, Grisso y Appelbaum (1995a) abordaron directamente la cuestión del umbral, y lo hicieron de la única manera que era posible en ausencia de un criterio externo: por vía estadística. Definieron el rendimiento deficitario como una puntuación situada dos desviaciones típicas o más por debajo de la media de la muestra combinada, y calcularon con ese criterio la proporción de participantes deficitarios en cada medida.

El resultado fue doblemente instructivo. Por una parte, las proporciones de participantes deficitarios resultaron similares entre las distintas medidas, lo que era esperable dado que el criterio de las dos desviaciones típicas fija por construcción una proporción aproximadamente constante en distribuciones semejantes. Por otra parte, y esto no era esperable, los grupos de participantes identificados como deficitarios diferían según la medida empleada: no eran las mismas personas. De ahí las conclusiones de los autores: la elección del estándar, incluidos los estándares compuestos, afecta tanto a la proporción como a la identidad de los pacientes clasificados como deficitarios; los estándares no son jerárquicos y deben evaluarse por separado; y las políticas relativas a la calificación de personas como incapaces deben formularse con cautela.

Este artículo es, en rigor, la única aproximación de los autores originales a un punto de corte, y su lógica revela por qué no podía ser más que provisional. Un umbral definido como desviación respecto de la media de una muestra es un criterio de atipicidad estadística, no de incapacidad. Depende por completo de la muestra en que se calcula: cambiando la composición del grupo de referencia, cambia el umbral y cambia el número de personas declaradas deficitarias, sin que nada haya cambiado en las habilidades de nadie. Como recordarían después Kapp y Mossman (1996), la aspiración a construir un «capacímetro» que devuelva un veredicto tropieza con que el constructo medido no tiene una frontera natural que descubrir.

Los límites reconocidos por los propios autores

Grisso y Appelbaum (1996) publicaron una evaluación autocrítica del proyecto en la que enumeraron sus límites. Los instrumentos empleaban viñetas hipotéticas, no la decisión real del paciente, lo que limita la generalización a la situación clínica concreta. La muestra procedía de un número reducido de centros y de una franja diagnóstica determinada, y excluía poblaciones de gran relevancia práctica como la demencia. Los instrumentos eran demasiado largos y complejos para el uso asistencial. Y, de manera enfática, los autores advirtieron contra la lectura de sus datos como una tabla de conversión entre puntuaciones y estatus jurídico.

Esa advertencia fue el punto de partida del desarrollo siguiente. Si el objetivo era que la evaluación estructurada de la capacidad entrase en la práctica clínica, hacía falta un instrumento breve, aplicable a la decisión real del paciente y utilizable por clínicos sin entrenamiento en investigación. Ese instrumento es la MacCAT-T.

De la investigación a la clínica: la MacCAT-T

Estructura del instrumento

La MacArthur Competence Assessment Tool for Treatment se presentó en 1997 como una entrevista semiestructurada destinada al uso clínico (Grisso et al., 1997). Su innovación fundamental respecto de los instrumentos de investigación fue abandonar las viñetas hipotéticas y organizarse en torno a la decisión real que el paciente tiene ante sí. El evaluador construye el contenido de la entrevista a partir del trastorno concreto del paciente, del tratamiento recomendado, de las alternativas disponibles y de los riesgos y beneficios de cada opción, y lo divide en segmentos de revelación seguidos de indagación.

El instrumento produce cuatro puntuaciones independientes correspondientes a los cuatro constructos. La comprensión se puntúa mediante tres ítems relativos al trastorno, al tratamiento y a los riesgos y beneficios, con un rango total de 0 a 6. El razonamiento se puntúa mediante cuatro ítems relativos al pensamiento consecuencial, comparativo, la generación de consecuencias y la consistencia lógica de la elección, con un rango de 0 a 8. La apreciación se puntúa mediante dos ítems relativos al reconocimiento del trastorno y del beneficio potencial del tratamiento, con un rango de 0 a 4. La expresión de una elección se puntúa mediante un ítem con un rango de 0 a 2 (Grisso y Appelbaum, 1998b). Cada ítem se califica con tres niveles —adecuado, parcial o inadecuado— con criterios descritos en el manual, y el registro reserva espacio para consignar las respuestas literales del paciente que justifican la puntuación asignada.

Ese último rasgo es más relevante de lo que parece. La MacCAT-T no genera solo cifras: genera un documento estructurado en el que la puntuación queda anclada al material verbal que la sostiene. Buena parte de su utilidad práctica, como se argumentará, deriva de esta función documental más que de la métrica.

El estudio de campo de 1997

La validación inicial del instrumento clínico se realizó con 40 pacientes recientemente hospitalizados con esquizofrenia o trastorno esquizoafectivo y 40 personas de la comunidad emparejadas, a quienes se administraron la MacCAT-T y medidas de gravedad sintomática (Grisso et al., 1997). Los resultados indicaron un elevado grado de facilidad de uso y una fiabilidad interjueces alta. Globalmente, los pacientes hospitalizados rindieron significativamente peor que los participantes comunitarios en comprensión y razonamiento, aunque numerosos pacientes alcanzaron un rendimiento equivalente al de los controles. El rendimiento deficiente se asoció con mayores niveles de determinados síntomas psiquiátricos, en particular desorganización conceptual, alucinaciones y desorientación.

Dos aspectos de este estudio conviene destacar. Primero, la asociación con síntomas específicos y no con el diagnóstico global refuerza la orientación funcional del enfoque: lo que compromete la capacidad no es la etiqueta nosológica sino determinados fenómenos psicopatológicos, potencialmente reversibles. Segundo, el tamaño muestral era modesto y el objetivo declarado era la factibilidad y la fiabilidad, no la determinación de umbrales; el estudio original no incluyó análisis de sensibilidad y especificidad frente a un criterio externo, simplemente porque no se disponía de tal criterio.

El manual y la familia MacCAT

El manual clínico se publicó en 1998, acompañado de una guía conceptual más amplia dirigida a médicos y otros profesionales sanitarios (Grisso y Appelbaum, 1998a, 1998b). El manual establece los criterios de puntuación, ejemplifica respuestas prototípicas de cada nivel y ofrece orientaciones para la interpretación, pero se abstiene explícitamente de proponer puntos de corte. El tiempo de administración estimado se sitúa entre quince y treinta minutos.

El mismo grupo desarrolló instrumentos análogos para otros contextos: la MacCAT-CR para el consentimiento a la investigación clínica (Appelbaum y Grisso, 2001) y la MacCAT-CA para la capacidad procesal penal (Poythress et al., 1999). Es significativo que la MacCAT-CA, diseñada para un contexto en el que la pregunta jurídica es efectivamente dicotómica y el marco normativo está fijado, sí incorpore datos normativos comparativos, mientras que la MacCAT-T no lo hace. La diferencia no es un descuido: refleja que en el ámbito sanitario el estándar aplicable varía con el riesgo de la decisión, mientras que en el ámbito penal está establecido.

Evidencia psicométrica acumulada y adaptaciones

La MacCAT-T se ha convertido en el instrumento de referencia del campo y ha sido objeto de un volumen considerable de investigación posterior. Las revisiones sistemáticas de instrumentos de capacidad coinciden en situarla entre los mejor fundamentados psicométricamente, si bien señalan de manera unánime la ausencia de umbrales interpretativos como su principal limitación aplicada (Dunn et al., 2006; Sturman, 2005).

La evidencia de fiabilidad es sólida y consistente entre contextos. Cairns et al. (2005b) examinaron la fiabilidad de las valoraciones de capacidad en 55 pacientes psiquiátricos ingresados, entrevistados por dos evaluadores independientes con intervalos de uno a siete días, y concluyeron que la MacCAT-T, combinada con una entrevista clínica, permite producir juicios de capacidad altamente fiables, con coeficientes kappa superiores a 0,80 para el juicio dicotómico. Es crucial notar cómo se obtuvo ese resultado: no aplicando un punto de corte a las puntuaciones, sino integrando la información de la MacCAT-T en un juicio global guiado por la definición legal de incapacidad. La fiabilidad se logró estructurando el juicio, no automatizándolo.

En cuanto a la validez, la aproximación dominante ha sido la comparación con el juicio de expertos clínicos y la diferenciación entre grupos. Vollmann et al. (2003) administraron la MacCAT-T a pacientes con demencia, depresión y esquizofrenia y encontraron diferencias sustanciales entre grupos, con mayor deterioro en demencia, seguida de esquizofrenia y depresión. Su conclusión resulta directamente pertinente para este ensayo: la elevada proporción de pacientes identificados como incapaces plantea problemas éticos que remiten precisamente a la selección de estándares y a la definición de los cortes, y la discrepancia observada entre la evaluación formal y la evaluación clínica del médico responsable revela la influencia del procedimiento sobre el resultado. Palmer et al. (2002) documentaron un patrón similar en pacientes de mediana edad y mayores con psicosis, con mayor afectación de la comprensión.

Los estudios de prevalencia realizados en el Reino Unido tras la aprobación de la Mental Capacity Act ilustran la utilidad del instrumento cuando se emplea como soporte del juicio y no como criterio. Cairns et al. (2005a) hallaron que aproximadamente el 44 % de los pacientes psiquiátricos ingresados carecía de capacidad decisoria según un juicio orientado por la MacCAT-T y la entrevista clínica, con la falta de introspección y el trastorno psicótico como predictores principales. Raymont et al. (2004) documentaron una prevalencia elevada de incapacidad no reconocida en pacientes médicos hospitalizados. Owen et al. (2009) analizaron la relación entre capacidad, diagnóstico e introspección, mostrando que la asociación con la apreciación es particularmente estrecha. La revisión sistemática de Okai et al. (2007) sintetizó esta literatura y confirmó que la fiabilidad es comparable entre las cuatro subescalas, sin que ninguna dimensión resulte sistemáticamente más difícil de medir.

Las adaptaciones a otros idiomas y sistemas sanitarios replican el patrón. La validación española, realizada con 160 participantes —80 ingresados en medicina interna, 40 en psiquiatría y 40 controles sanos—, informó de una duración media de la entrevista de 18 minutos, coeficientes de correlación intraclase de 0,98 para comprensión, 0,97 para apreciación, 0,98 para razonamiento y 0,91 para expresión de una elección, y consistencias internas de 0,87, 0,76 y 0,86 respectivamente; los pacientes considerados incapaces según el criterio del experto clínico obtuvieron puntuaciones inferiores en todas las áreas, y el rendimiento bajo se asoció al deterioro cognitivo medido con el MMSE (Álvarez Marrodán et al., 2014). La validación española de la MacCAT-CR arrojó resultados análogos, con la excepción notable de la subescala de expresión de una elección, cuyo coeficiente intraclase fue de 0,50, un dato que ilustra la fragilidad métrica de un constructo medido con un solo ítem y un rango de tres niveles (Baón-Pérez et al., 2017). Los metaanálisis disponibles sobre esquizofrenia confirman una diferencia consistente respecto de controles sanos, con déficits significativos en las cuatro subescalas —el mayor de ellos en comprensión, con una diferencia media estandarizada de −0,81— y una heterogeneidad considerable entre estudios (Wang et al., 2017).

El problema del punto de corte

Por qué el instrumento no tiene punto de corte

La posición de los autores es explícita: la puntuación total no debe interpretarse como un enunciado sobre si el paciente es o no capaz, sino como un indicador del grado de habilidad en cada dimensión (Grisso y Appelbaum, 1998a). Cuatro argumentos sostienen esa posición.

El primero es conceptual. La capacidad no es una entidad natural con límites descubribles, sino un constructo normativo: decir que alguien es incapaz equivale a decir que sus decisiones no deben tener efecto jurídico y que otro debe decidir en su lugar. Ese enunciado incorpora una valoración sobre el equilibrio entre autonomía y protección que ninguna medición puede proporcionar. Un punto de corte empírico no descubriría la frontera de la incapacidad; la establecería, y lo haría trasladando a un procedimiento técnico una decisión que corresponde al derecho.

El segundo es la especificidad de la decisión. La capacidad se predica de una decisión concreta en un momento concreto, no de una persona en general. Un mismo paciente puede tener capacidad para consentir una extracción de sangre y no tenerla para rechazar una amputación. Un punto de corte único aplicado al conjunto de decisiones sanitarias sería insensible a esa variación.

El tercero es la escala móvil. Si el nivel de habilidad exigible varía con la relación riesgo-beneficio de la decisión (Buchanan y Brock, 1989; Drane, 1984), entonces cualquier umbral fijo sería demasiado exigente para las decisiones de bajo riesgo y demasiado laxo para las de alto riesgo. La coherencia con un principio ampliamente aceptado en bioética obliga a renunciar al umbral único.

El cuarto es la ausencia de patrón de referencia. Establecer un punto de corte mediante análisis de sensibilidad y especificidad requiere un criterio externo válido. Los candidatos disponibles —el juicio del experto clínico, la resolución judicial, el consenso de un panel— son ellos mismos evaluaciones falibles del mismo constructo, no mediciones independientes. Calibrar el instrumento contra el juicio experto no valida el instrumento: lo entrena para reproducir la variabilidad del juicio experto, incluidos sus sesgos.

Cómo se han construido umbrales de facto

Pese a la advertencia de los autores, la investigación y la práctica han generado umbrales por diversas vías, con resultados divergentes.

La primera vía es la atipicidad estadística. Grisso y Appelbaum (1995a) definieron el déficit como dos desviaciones típicas por debajo de la media de la muestra combinada. Es un criterio transparente pero dependiente de la muestra y desprovisto de significado normativo.

La segunda vía es la calibración frente al juicio experto. La mayoría de las validaciones nacionales, incluida la española, contrastan las puntuaciones con la determinación de un evaluador experto tomada como patrón de referencia, y verifican que los pacientes considerados incapaces puntúan más bajo (Álvarez Marrodán et al., 2014). Este diseño demuestra validez convergente pero no genera un umbral defendible, y de hecho los autores españoles no lo propusieron.

La tercera vía es el análisis de curvas ROC. El estudio de validación de la versión mexicana en pacientes con esquizofrenia obtuvo una sensibilidad de 0,95 y una especificidad de 0,75 con un punto de corte de siete (Fresán et al., 2026). El dato es útil pero debe leerse con cautela: procede de una población diagnóstica específica, de un rango de edad restringido y de un contraste frente a un criterio clínico local. Una especificidad de 0,75 significa que uno de cada cuatro pacientes con capacidad preservada sería clasificado como incapaz, una tasa de falsos positivos difícilmente tolerable cuando la consecuencia de la clasificación es la sustitución de la voluntad del sujeto.

La cuarta vía es el uso informal de la puntuación total. En la práctica asistencial y en algunos protocolos se recurre a sumas globales o a criterios ad hoc del tipo «puntuación inferior a la mitad del rango», sin fundamento publicado. Esta es la vía más extendida y la más problemática, porque agrega dimensiones que los autores mantuvieron separadas por razones sustantivas y porque atribuye a la cifra resultante una autoridad que no posee.

Consecuencias empíricas de la indeterminación

El efecto de esta indeterminación sobre las estimaciones es considerable y está documentado. Mueller et al. (2015) evaluaron a 53 pacientes ambulatorios con demencia leve o moderada ante una decisión real sobre tratamiento antidemencia y dicotomizaron la MacCAT-T aplicando umbrales derivados de Grisso y Appelbaum (1995a) —comprensión igual a 4, apreciación mayor que 0, razonamiento igual a 5 y expresión de una elección igual a 1—. La prevalencia de incapacidad resultó del 81,1 % con ese criterio psicométrico, del 52,8 % según la valoración del médico responsable y del 60,4 % tras una evaluación interdisciplinar que integraba ambas fuentes con el resto de la información disponible; las mayores discrepancias se concentraron en la dimensión de comprensión. Vollmann et al. (2003) constataron igualmente que la proporción de pacientes calificados como incapaces variaba de forma sustancial según el estándar adoptado, y que la evaluación formal y la clínica discrepaban de manera apreciable.

Estas cifras merecen una lectura precisa. No indican que el instrumento sea poco fiable: la fiabilidad interjueces de las puntuaciones es excelente y ha sido replicada en múltiples contextos. Indican que la conversión de puntuaciones fiables en decisiones dicotómicas está subdeterminada, y que la varianza se concentra en ese paso final. La MacCAT-T mide bien; lo que no está estandarizado es la regla de decisión que se aplica a lo medido.

Problemas psicométricos de cualquier umbral posible

Aun aceptando que fuera deseable un punto de corte, su construcción enfrentaría obstáculos técnicos serios. Los rangos son estrechos y las distribuciones asimétricas: la expresión de una elección se mide con un ítem de tres niveles, y en muestras clínicas la mayoría de los participantes obtiene la puntuación máxima, con un efecto techo que limita drásticamente la discriminación. El contenido de la entrevista es idiosincrásico por diseño, puesto que se construye sobre la decisión real del paciente, de modo que la dificultad de los ítems no es constante entre pacientes ni entre centros y la invariancia métrica no puede presuponerse. La dependencia contextual afecta también a la calidad de la revelación: dos evaluadores que expliquen la misma intervención con distinta claridad obtendrán puntuaciones de comprensión distintas para el mismo paciente. Finalmente, los valores predictivos de cualquier umbral dependen de la prevalencia de incapacidad en la población evaluada, que varía entre el escaso porcentaje esperable en atención primaria y cifras próximas a la mitad en unidades de agudos, de manera que un corte con buena sensibilidad y especificidad en un contexto puede producir una proporción inaceptable de falsos positivos en otro.

Análisis de la utilidad de un instrumento sin punto de corte

La pregunta que ordena esta sección es si un instrumento que no dice quién es incapaz sirve para algo, y en qué condiciones. La respuesta que aquí se defiende es que su utilidad es real y sustancial, pero de naturaleza distinta a la de un test diagnóstico: se trata de un dispositivo de estructuración del juicio, no de un algoritmo de clasificación.

Utilidad clínica: estructurar, no decidir

La primera función de la MacCAT-T es garantizar la exhaustividad de la exploración. La evidencia sobre el juicio clínico no estructurado en este ámbito es poco halagüeña: la concordancia entre profesionales es baja, la evaluación tiende a reducirse a la comprensión y a la orientación, y la incapacidad pasa desapercibida con frecuencia en pacientes que aceptan el tratamiento propuesto (Raymont et al., 2004). Un protocolo que obliga a explorar las cuatro dimensiones sobre la decisión concreta corrige ese sesgo sin necesidad de umbral alguno; otros instrumentos, como el Aid to Capacity Evaluation, se diseñaron con el mismo propósito para el entorno médico general (Etchells et al., 1999), y las revisiones del campo coinciden en que la evaluación estructurada es preferible a la impresión global no sistematizada (Kim, 2010; Moye y Marson, 2007). El beneficio proviene de la cobertura sistemática, no de la métrica.

La segunda función es la mejora demostrada de la fiabilidad del juicio. El resultado de Cairns et al. (2005b) es aquí decisivo: la combinación de la MacCAT-T con una entrevista clínica produjo juicios dicotómicos con concordancia superior a 0,80, muy por encima de lo que se obtiene con evaluación no estructurada. Es un dato que suele pasarse por alto en la crítica sobre los puntos de corte: la fiabilidad de la decisión final se alcanzó sin umbrales, mediante la estructuración del contenido de la evaluación y la explicitación del estándar legal aplicado.

La tercera función es diagnóstica en sentido funcional. El perfil de puntuaciones localiza el déficit, y esa localización tiene consecuencias terapéuticas inmediatas. Un déficit aislado de comprensión sugiere revisar la calidad de la información y repetir la explicación adaptándola; un déficit de apreciación asociado a ideación delirante o a falta de introspección sugiere una intervención sobre la psicopatología; un déficit de razonamiento con desorganización conceptual sugiere esperar y reevaluar. La asociación documentada entre puntuaciones bajas y síntomas específicos como la desorganización conceptual, las alucinaciones y la desorientación (Grisso et al., 1997), y con el deterioro cognitivo (Álvarez Marrodán et al., 2014), convierte el perfil en una hipótesis de trabajo remediable. Un punto de corte, por el contrario, produciría una etiqueta sin orientación clínica.

La cuarta función es la sensibilidad al cambio. Los déficits de capacidad son con frecuencia transitorios, y una parte apreciable se resuelve con tratamiento. Una medición dimensional permite documentar esa recuperación y restituir la decisión al paciente en cuanto sea posible; una clasificación dicotómica invita a la inercia del estatus asignado.

Utilidad forense y deliberativa

En el terreno jurídico, la ausencia de punto de corte es una ventaja funcional más que una carencia. El testimonio pericial y la deliberación en comité requieren razones, no cifras: un informe que documente qué se explicó al paciente, qué respondió textualmente, en qué dimensión falló y por qué el evaluador consideró que ese fallo alcanza o no la relevancia exigida por la norma es más útil y más impugnable —en el sentido virtuoso de ser sometible a contradicción— que una puntuación con un umbral. Un instrumento que devolviera un veredicto invitaría además a la deferencia acrítica del decisor jurídico hacia el técnico, invirtiendo la distribución de competencias que el propio marco normativo establece.

Esta lógica encaja con la evolución del derecho aplicable. La presunción de capacidad, su carácter específico para cada decisión y la exigencia de apoyos antes de cualquier sustitución son principios centrales de la Mental Capacity Act 2005 en Inglaterra y Gales, y en el ordenamiento español de la Ley 41/2002, reforzados por la Convención sobre los Derechos de las Personas con Discapacidad (Organización de las Naciones Unidas, 2006) y por la reforma operada por la Ley 8/2021, que sustituye el paradigma de la sustitución por el de los apoyos a la voluntad. En ese marco, un instrumento que localiza déficits susceptibles de apoyo resulta más congruente que uno que clasifique personas.

Utilidad investigadora

En investigación, la escala dimensional es preferible a la dicotomía por razones estadísticas elementales: conserva varianza, aumenta la potencia y permite estudiar correlatos y trayectorias. La literatura sobre correlatos de la capacidad —introspección, síntomas positivos, funcionamiento cognitivo, gravedad global— ha sido posible precisamente porque el instrumento produce puntuaciones continuas (Okai et al., 2007; Owen et al., 2009). Los estudios de intervención destinados a mejorar la capacidad mediante la optimización del proceso de información también requieren una medida sensible al cambio.

Los costes reales de la indeterminación

Sería complaciente concluir aquí. La ausencia de umbrales tiene costes verificables que conviene enunciar sin atenuantes.

El primero es la escasa comparabilidad entre estudios. Las estimaciones de prevalencia de incapacidad publicadas oscilan de manera muy amplia, y una parte considerable de esa dispersión es atribuible a criterios de clasificación divergentes más que a diferencias reales entre poblaciones. Esto obstaculiza la síntesis de la evidencia y la planificación de servicios.

El segundo es el desplazamiento de la varianza hacia el juicio. La fiabilidad excelente de las puntuaciones puede generar una impresión de objetividad que no se extiende al paso final. Cuando el evaluador no dispone de un marco explícito para convertir el perfil en decisión, la variabilidad interindividual reaparece en ese punto, y lo hace de manera menos visible porque queda enmascarada por la precisión de las cifras previas.

El tercero es el riesgo de pseudoobjetividad y de uso indebido. La existencia de puntuaciones numéricas invita al empleo informal de sumas totales y de umbrales inventados, precisamente la práctica que los autores intentaron evitar. El instrumento presta entonces su prestigio psicométrico a una regla de decisión arbitraria, un resultado peor que la ausencia de instrumento.

El cuarto es la desigualdad en el trato. Sin criterios compartidos, pacientes con perfiles equivalentes pueden recibir calificaciones distintas según el centro o el evaluador. Cuando la consecuencia es la sustitución de la voluntad, esa variabilidad plantea un problema de equidad, no meramente de precisión.

Vías intermedias

Entre el umbral universal y la indeterminación total existe espacio para soluciones que preservan la lógica del protocolo y mitigan sus costes.

La primera es el desarrollo de datos normativos referenciados a población: distribuciones de puntuación por edad, escolarización, diagnóstico y contexto asistencial, que permitan al evaluador situar el rendimiento de un paciente respecto de un grupo pertinente. Es lo que la MacCAT-CA ofrece en el ámbito penal, y su ausencia en la MacCAT-T es una laguna subsanable sin violar ningún principio.

La segunda es la adopción de umbrales explícitamente relativos al riesgo, operacionalizando la escala móvil mediante bandas distintas según la gravedad de las consecuencias de la decisión, tal como la literatura bioética viene proponiendo desde Drane (1984).

La tercera es el modelo de tres zonas: una banda superior en la que la capacidad puede presumirse salvo indicio contrario, una banda inferior en la que la incapacidad es muy probable y una zona intermedia que exige evaluación ampliada, reevaluación diferida o deliberación colegiada. Este esquema, habitual en el uso de pruebas de cribado, reconoce la incertidumbre en lugar de ocultarla tras un punto único.

La cuarta es la estandarización del procedimiento de juicio en lugar del de puntuación: exigir que el evaluador explicite el estándar legal aplicado, el nivel de riesgo de la decisión y las razones por las que el perfil observado alcanza o no ese estándar. La experiencia de Cairns et al. (2005b) muestra que este camino produce fiabilidad alta sin necesidad de cortes.

Críticas conceptuales al modelo

El debate sobre los umbrales se solapa con una objeción de fondo al modelo MacArthur. Breden y Vollmann (2004) argumentaron que la operacionalización de la capacidad en términos de habilidades cognitivas presuntamente libres de valores garantiza objetividad, pero a un precio doble: el propio foco cognitivo constituye una convención normativa sobre qué cuenta como decisión propia, y desatiende la complejidad real del proceso decisorio, en el que valores, emociones y biografía cumplen funciones constitutivas. Sostuvieron por ello que la interpretación de las puntuaciones debe integrar esos elementos y propusieron avanzar hacia modelos de evaluación en varias etapas.

Charland (2006) desarrolló el argumento respecto de la apreciación, señalando que este constructo posee componentes emotivos que las formulaciones cognitivistas no recogen adecuadamente. Tan et al. (2006) ilustraron el problema con la anorexia nerviosa: pacientes que superan sin dificultad las cuatro dimensiones de la MacCAT-T pero cuyos valores respecto del peso y la alimentación están alterados por el propio trastorno, de modo que un proceso decisorio formalmente correcto opera sobre premisas patológicas. Appelbaum ha reconocido la fuerza de estas objeciones y ha admitido que existen argumentos para ampliar el foco de la evaluación hacia las capacidades emocionales, sin que ello suponga abandonar el marco de los cuatro estándares (Appelbaum, 2007). Los propios autores del protocolo respondieron a la objeción de la anorexia sosteniendo que el problema no reside en las habilidades evaluadas sino en la alteración de los valores sobre los que operan, y que ello exige una lectura más exigente de la apreciación antes que un constructo nuevo (Grisso y Appelbaum, 2006). Revisiones posteriores han sistematizado las propuestas de incorporación de la dimensión emocional y valorativa (Hermann et al., 2016), y el debate se inscribe en una discusión más amplia sobre los presupuestos conceptuales de los enfoques empíricos de la (in)capacidad (Berghmans et al., 2004; Welie, 2001).

Estas críticas son pertinentes al problema del punto de corte de una manera precisa: si el instrumento no cubre todo el constructo relevante, entonces cualquier umbral basado exclusivamente en sus puntuaciones sería insuficiente incluso siendo psicométricamente impecable. Un paciente puede alcanzar la puntuación máxima y, pese a ello, no estar en condiciones de decidir. La incompletitud del modelo es un argumento adicional para no automatizar la decisión.

Conclusiones

El protocolo MacArthur resolvió el problema que se propuso resolver. Transformó cuatro estándares jurídicos dispersos en constructos medibles, demostró que dimensiones consideradas irreductiblemente subjetivas —la apreciación, el razonamiento— podían puntuarse con acuerdo elevado entre evaluadores, y estableció empíricamente que el diagnóstico psiquiátrico no permite inferir la incapacidad, con la variabilidad intragrupo como hallazgo central y políticamente más consecuente. La MacCAT-T trasladó ese aparato a la práctica clínica con un formato breve, anclado en la decisión real del paciente, y ha sido validada en múltiples idiomas y sistemas sanitarios con resultados de fiabilidad consistentemente altos, incluida la versión española.

La ausencia de punto de corte no es una tarea pendiente sino una consecuencia de la naturaleza del objeto. La capacidad es un constructo normativo, específico de cada decisión, cuyo umbral de exigencia varía con el riesgo, y para el que no existe patrón de referencia independiente. Un corte universal sería una decisión política disfrazada de hallazgo psicométrico. La postura de los autores es, en este punto, epistemológicamente más honesta que la alternativa.

Ello no exime de reconocer los costes. La indeterminación del paso final produce estimaciones de prevalencia poco comparables, desplaza la varianza a un juicio no estandarizado y facilita el uso informal de umbrales sin fundamento. Estos costes no se corrigen fijando un corte, sino desarrollando lo que efectivamente falta: datos normativos referenciados a población y contexto, umbrales explícitamente graduados según el riesgo de la decisión, esquemas de tres zonas que reconozcan la incertidumbre y protocolos que estandaricen la justificación del juicio, y no solo la puntuación.

La conclusión general es que la utilidad de la MacCAT-T debe evaluarse con el criterio adecuado. Juzgada como test diagnóstico, es un instrumento deficiente: no clasifica. Juzgada como dispositivo de estructuración del juicio y de la deliberación, es un instrumento de utilidad demostrada, que mejora la exhaustividad de la exploración, eleva la fiabilidad de las decisiones cuando se combina con la entrevista clínica, localiza déficits remediables, documenta el proceso de manera revisable y resulta congruente con un marco jurídico que ha desplazado su centro de gravedad desde la sustitución de la voluntad hacia la provisión de apoyos. El valor del protocolo no reside en decidir por el clínico, sino en obligarle a preguntar lo que debe preguntar y a justificar lo que decide.

 Referencias

• Álvarez Marrodán, I., Baón Pérez, B., Navío Acosta, M., López-Antón, R., Lobo Escolar, E., y Ventura Faci, T. (2014). Validación española de la entrevista MacArthur Competence Assessment Tool for Treatment para evaluar la capacidad de los pacientes para consentir tratamiento. Medicina Clínica, 143(5), 201–204.

• Appelbaum, P. S. (2007). Assessment of patients' competence to consent to treatment. New England Journal of Medicine, 357(18), 1834–1840. https://doi.org/10.1056/NEJMcp074045

• Appelbaum, P. S., y Grisso, T. (1988). Assessing patients' capacities to consent to treatment. New England Journal of Medicine, 319(25), 1635–1638. https://doi.org/10.1056/NEJM198812223192504

• Appelbaum, P. S., y Grisso, T. (1992). Manual: Perceptions of Disorder (POD). University of Massachusetts Medical Center.

• Appelbaum, P. S., y Grisso, T. (1995). The MacArthur Treatment Competence Study. I: Mental illness and competence to consent to treatment. Law and Human Behavior, 19(2), 105–126. https://doi.org/10.1007/BF01499321

• Appelbaum, P. S., y Grisso, T. (1997). Capacities of hospitalized, medically ill patients to consent to treatment. Psychosomatics, 38(2), 119–125.

• Appelbaum, P. S., y Grisso, T. (2001). MacArthur Competence Assessment Tool for Clinical Research (MacCAT-CR). Professional Resource Press.

• Appelbaum, P. S., Grisso, T., Frank, E., O'Donnell, S., y Kupfer, D. J. (1999). Competence of depressed patients for consent to research. American Journal of Psychiatry, 156(9), 1380–1384.

• Appelbaum, P. S., Lidz, C. W., y Meisel, A. (1987). Informed consent: Legal theory and clinical practice. Oxford University Press.

• Appelbaum, P. S., y Roth, L. H. (1982). Competency to consent to research: A psychiatric overview. Archives of General Psychiatry, 39(8), 951–958.

• Baón-Pérez, B. S., Álvarez-Marrodán, I., Navío-Acosta, M., Verdura-Vizcaíno, E. J., y Ventura-Faci, T. (2017). Spanish validation of the MacArthur Competence Assessment Tool for Clinical Research interview for assessing patients' mental capacity to consent to clinical research. Journal of Empirical Research on Human Research Ethics, 12(5), 343–351. https://doi.org/10.1177/1556264617720755

• Berg, J. W., Appelbaum, P. S., y Grisso, T. (1996). Constructing competence: Formulating standards of legal competence to make medical decisions. Rutgers Law Review, 48, 345–396.

• Berghmans, R., Dickenson, D., y ter Meulen, R. (2004). Mental capacity: In search of alternative perspectives. Health Care Analysis, 12(4), 251–263. https://doi.org/10.1007/s10728-004-6633-z

• Breden, T. M., y Vollmann, J. (2004). The cognitive based approach of capacity assessment in psychiatry: A philosophical critique of the MacCAT-T. Health Care Analysis, 12(4), 273–283. https://doi.org/10.1007/s10728-004-6635-x

• Buchanan, A. E., y Brock, D. W. (1989). Deciding for others: The ethics of surrogate decision making. Cambridge University Press.

• Cairns, R., Maddock, C., Buchanan, A., David, A. S., Hayward, P., Richardson, G., Szmukler, G., y Hotopf, M. (2005a). Prevalence and predictors of mental incapacity in psychiatric in-patients. British Journal of Psychiatry, 187(4), 379–385. https://doi.org/10.1192/bjp.187.4.379

• Cairns, R., Maddock, C., Buchanan, A., David, A. S., Hayward, P., Richardson, G., Szmukler, G., y Hotopf, M. (2005b). Reliability of mental capacity assessments in psychiatric in-patients. British Journal of Psychiatry, 187(4), 372–378. https://doi.org/10.1192/bjp.187.4.372

• Charland, L. C. (2006). Anorexia and the MacCAT-T test for mental competence: Validity, value, and emotion. Philosophy, Psychiatry, & Psychology, 13(4), 283–287.

• Drane, J. F. (1984). Competency to give an informed consent: A model for making clinical assessments. JAMA, 252(7), 925–927.

• Dunn, L. B., Nowrangi, M. A., Palmer, B. W., Jeste, D. V., y Saks, E. R. (2006). Assessing decisional capacity for clinical research or treatment: A review of instruments. American Journal of Psychiatry, 163(8), 1323–1334. https://doi.org/10.1176/appi.ajp.163.8.1323

• Etchells, E., Darzins, P., Silberfeld, M., Singer, P. A., McKenny, J., Naglie, G., Katz, M., Guyatt, G. H., Molloy, D. W., y Strang, D. (1999). Assessment of patient capacity to consent to treatment. Journal of General Internal Medicine, 14(1), 27–34. https://doi.org/10.1046/j.1525-1497.1999.00277.x

• Fresán, A., Saracco-Alvarez, R.-A., Arienti-González, J. M., Robles-García, R., Tovilla-Zárate, C.-A., y Martínez-López, J. N. I. (2026). Validity and reliability of Mexican version of MacArthur competence assessment tool for treatment decision (MacCAT-T) in patients with schizophrenia. International Journal of Law and Psychiatry, 104, Artículo 102153. https://doi.org/10.1016/j.ijlp.2025.102153

• Grisso, T. (1986). Evaluating competencies: Forensic assessments and instruments. Plenum Press.

• Grisso, T., y Appelbaum, P. S. (1991). Mentally ill and non-mentally-ill patients' abilities to understand informed consent disclosures for medication: Preliminary data. Law and Human Behavior, 15(4), 377–388.

• Grisso, T., y Appelbaum, P. S. (1992). Manual: Understanding Treatment Disclosures (UTD). University of Massachusetts Medical Center.

• Grisso, T., y Appelbaum, P. S. (1993). Manual: Thinking Rationally About Treatment (TRAT). University of Massachusetts Medical Center.

• Grisso, T., y Appelbaum, P. S. (1995a). Comparison of standards for assessing patients' capacities to make treatment decisions. American Journal of Psychiatry, 152(7), 1033–1037. https://doi.org/10.1176/ajp.152.7.1033

• Grisso, T., y Appelbaum, P. S. (1995b). The MacArthur Treatment Competence Study. III: Abilities of patients to consent to psychiatric and medical treatments. Law and Human Behavior, 19(2), 149–174. https://doi.org/10.1007/BF01499323

• Grisso, T., y Appelbaum, P. S. (1996). Values and limits of the MacArthur Treatment Competence Study. Psychology, Public Policy, and Law, 2(1), 167–181.

• Grisso, T., y Appelbaum, P. S. (1998a). Assessing competence to consent to treatment: A guide for physicians and other health professionals. Oxford University Press.

• Grisso, T., y Appelbaum, P. S. (1998b). MacArthur Competence Assessment Tool for Treatment (MacCAT-T). Professional Resource Press.

• Grisso, T., y Appelbaum, P. S. (2006). Appreciating anorexia: Decisional capacity and the role of values. Philosophy, Psychiatry, & Psychology, 13(4), 293–297.

• Grisso, T., Appelbaum, P. S., y Hill-Fotouhi, C. (1997). The MacCAT-T: A clinical tool to assess patients' capacities to make treatment decisions. Psychiatric Services, 48(11), 1415–1419. https://doi.org/10.1176/ps.48.11.1415

• Grisso, T., Appelbaum, P. S., Mulvey, E. P., y Fletcher, K. (1995). The MacArthur Treatment Competence Study. II: Measures of abilities related to competence to consent to treatment. Law and Human Behavior, 19(2), 127–148. https://doi.org/10.1007/BF01499322

• Hermann, H., Trachsel, M., Elger, B. S., y Biller-Andorno, N. (2016). Emotion and value in the evaluation of medical decision-making capacity: A narrative review of arguments. Frontiers in Psychology, 7, Artículo 765. https://doi.org/10.3389/fpsyg.2016.00765

• Kapp, M. B., y Mossman, D. (1996). Measuring decisional capacity: Cautions on the construction of a "capacimeter". Psychology, Public Policy, and Law, 2(1), 73–95. https://doi.org/10.1037/1076-8971.2.1.73

• Kim, S. Y. H. (2010). Evaluation of capacity to consent to treatment and research. Oxford University Press.

• Ley 41/2002, de 14 de noviembre, básica reguladora de la autonomía del paciente y de derechos y obligaciones en materia de información y documentación clínica. Boletín Oficial del Estado, 274, 15 de noviembre de 2002.

• Ley 8/2021, de 2 de junio, por la que se reforma la legislación civil y procesal para el apoyo a las personas con discapacidad en el ejercicio de su capacidad jurídica. Boletín Oficial del Estado, 132, 3 de junio de 2021.

• Mental Capacity Act 2005, c. 9 (Inglaterra y Gales).

• Moye, J., y Marson, D. C. (2007). Assessment of decision-making capacity in older adults: An emerging area of practice and research. The Journals of Gerontology: Series B, 62(1), P3–P11. https://doi.org/10.1093/geronb/62.1.P3

• Mueller, T., Haberstroh, J., Knebel, M., Oswald, F., Weygandt, M., Schröder, J., Markwort, S., y Pantel, J. (2015). Comparison of three different assessments of capacity to consent in dementia patients. GeroPsych, 28(1), 21–29. https://doi.org/10.1024/1662-9647/a000119

• Okai, D., Owen, G., McGuire, H., Singh, S., Churchill, R., y Hotopf, M. (2007). Mental capacity in psychiatric patients: Systematic review. British Journal of Psychiatry, 191(4), 291–297.

• Organización de las Naciones Unidas. (2006). Convención sobre los derechos de las personas con discapacidad. Naciones Unidas.

• Owen, G. S., David, A. S., Richardson, G., Szmukler, G., Hayward, P., y Hotopf, M. (2009). Mental capacity, diagnosis and insight in psychiatric in-patients: A cross-sectional study. Psychological Medicine, 39(8), 1389–1398. https://doi.org/10.1017/S0033291708004637

• Palmer, B. W., Nayak, G. V., Dunn, L. B., Appelbaum, P. S., y Jeste, D. V. (2002). Treatment-related decision-making capacity in middle-aged and older patients with psychosis: A preliminary study using the MacCAT-T and HCAT. American Journal of Geriatric Psychiatry, 10(2), 207–211.

• Poythress, N. G., Nicholson, R., Otto, R. K., Edens, J. F., Bonnie, R. J., Monahan, J., y Hoge, S. K. (1999). The MacArthur Competence Assessment Tool–Criminal Adjudication: Professional manual. Psychological Assessment Resources.

• President's Commission for the Study of Ethical Problems in Medicine and Biomedical and Behavioral Research. (1982). Making health care decisions (Vol. 1). U.S. Government Printing Office.

• Raymont, V., Bingley, W., Buchanan, A., David, A. S., Hayward, P., Wessely, S., y Hotopf, M. (2004). Prevalence of mental incapacity in medical inpatients and associated risk factors: Cross-sectional study. The Lancet, 364(9443), 1421–1427.

• Roth, L. H., Meisel, A., y Lidz, C. W. (1977). Tests of competency to consent to treatment. American Journal of Psychiatry, 134(3), 279–284. https://doi.org/10.1176/ajp.134.3.279

• Simón Lorda, P. (2008). La capacidad de los pacientes para tomar decisiones: una tarea todavía pendiente. Revista de la Asociación Española de Neuropsiquiatría, 28(102), 325–348.

• Sturman, E. D. (2005). The capacity to consent to treatment and research: A review of standardized assessment tools. Clinical Psychology Review, 25(7), 954–974. https://doi.org/10.1016/j.cpr.2005.04.010

• Tan, J. O. A., Hope, T., Stewart, A., y Fitzpatrick, R. (2006). Competence to make treatment decisions in anorexia nervosa: Thinking processes and values. Philosophy, Psychiatry, & Psychology, 13(4), 267–282. https://doi.org/10.1353/ppp.2007.0032

• Vollmann, J., Bauer, A., Danker-Hopfe, H., y Helmchen, H. (2003). Competence of mentally ill patients: A comparative empirical study. Psychological Medicine, 33(8), 1463–1471. https://doi.org/10.1017/S0033291703008389

• Wang, S.-B., Wang, Y.-Y., Ungvari, G. S., Ng, C. H., Wu, R.-R., Wang, J., y Xiang, Y.-T. (2017). The MacArthur Competence Assessment Tools for assessing decision-making capacity in schizophrenia: A meta-analysis. Schizophrenia Research, 183, 56–63. https://doi.org/10.1016/j.schres.2016.11.020

• Welie, S. P. K. (2001). Criteria for patient decision making (in)competence: A review of and commentary on some empirical approaches. Medicine, Health Care and Philosophy, 4(2), 139–151.

Este texto ha sido redactado con ayuda de inteligencia artificial