2023
Las ambulancias de la Comunidad de Madrid
Entry type: Single project
Country/area: Spain
Publishing organisation: Maldita.es
Organisation size: Small
Publication date: 2022-07-28
Language: Spanish
Authors: Yuly Jara Guarnizo, Jose Molina Gracia, Sergio Sangiao Pérez, Ana Gómez Parra, Julio Montes Moreno

Biography:
Maldita.es es una fundación y medio de comunicación sin ánimo de lucro que lucha contra la desinformación y promueve la transparencia a través del fact-checking y el periodismo de datos. Su misión principal es dotar a los ciudadanos de herramientas, tecnología e información para que puedan tomar decisiones informadas.
Maldito Dato es la sección de Maldita.es especializada en periodismo de investigación, datos y transparencia. Esta sección está formada por un equipo de periodistas de datos que realizan distintas investigaciones a lo largo del año, además del trabajo diario de temas de datos y verificación basada en esta modalidad periodística.
Project description:
3 de cada 10 ambulancias subcontratadas por la Comunidad de Madrid tardan más en llegar a atender casos de lo que se les permite por contrato. Es el principal hallazgo de esta investigación.
Además, en una segunda parte explicamos cómo las emergencias por violencia de género y agresión sexual se multiplican en verano y por las noches.
Para llegar ahí analizamos los datos de 954.476 registros: las llamadas que los ciudadanos realizaron a los números de urgencias entre 2019 y 2022, una información que nos permitía saber a qué hora llamaron, para qué y a qué hora llegó la ambulancia.
Impact reached:
No sólo descubrimos esos principales hallazgos. Pudimos ver muchas más cosas. Gracias a la información obtenida vía ley de transparencia pudimos comprobar esos datos, pero también contábamos con otras variables, como la fecha de la llamada, la hora de la llegada de la ambulancia a atender el caso si este precisaba de esa atención, el municipio desde donde se llamó y a donde acudió la ambulancia, el tipo de ambulancia y caso atendido y a qué hospital se traslado el paciente. Eso permitió que nuestro análisis mostrara los retrasos que se daban en las ambulancias subcontratadas, pero también en las ambulancias gestionadas directamente por la Comunidad de Madrid. El impacto fue importante en ese sentido debido a la fiscalización que se hizo de cómo actúa la Administración privatizando estos servicios y a las quejas posteriores de los sindicatos hiciéndose eco de los hallazgos de la investigación. Además, la investigación también funcionó correctamente en la web y redes sociales de Maldita.es.
También pudimos analizar y revelar los retrasos por tipo de casos atendidos y por municipios de la comunidad y demostrar así que en los casos más graves también había importantes retrasos y que las zonas más afectados por estos eran las zonas de la sierra de Madrid, las más rurales, aunque la situación también es de una especial gravedad en la capital, Madrid ciudad. Ha habido quejas a raíz de la investigación por ambos motivos.
Techniques/technologies used:
La información que dio pie a la investigación se obtuvo mediante solicitudes de acceso a la información pública en base a la ley de transparencia ante la Consejería de Sanidad de la Comunidad de Madrid. Sin embargo, el organismo autonómico aportó el listado de miles de registros en formato PDF y en un CD. No en formato reutilizable como habíamos solicitado desde Maldita.es. Por lo tanto, tras ir a recoger el CD, para extraer los datos se utilizó el programa de extracción de tablas Tabula y el lenguaje de programación Python con la librería Pandas.
A partir de estos registros, se construyó una base de datos en formato SQL para así poder analizar la información y, además, conseguir calcular cuál es el tiempo real que han tardado en llegar las ambulancias a los casos atendidos. También se extrajeron todos los motivos de llamadas (más de 400) y se unificaron en categorías. Por ejemplo, para llamadas por ‘ansiedad’ o ‘depresión’ ambos términos se acabaron unificando en una categoría general de ‘salud mental’. Además, de los registros se han eliminado aquellos en los que la hora de llegada es aparentemente anterior a la hora de llamada, ya que según los expertos consultados, serían errores que suceden en casos en los que las ambulancias llegaron antes de que la llamada quedara registrada.
Finalmente, los datos fueron extraídos mediante consultas a tablas en formato .csv, consiguiendo así tablas más pequeñas para trabajar también en hojas de cálculo.
Para unificar los lugares de origen y destino y los motivos de llamada se ha utilizado el programa de limpieza de datos OpenRefine con el algoritmo de clustering.
Para los gráficos interactivos de la investigación se utilizó Flourish.
Context about the project:
Esta investigación permite confirmar con datos reales la frase de “las ambulancias llegan tarde”.
Con los datos en la mano, tras una gran lucha para obtenerlos y tras su posterior análisis e investigación, pudimos descubrir y demostrar que en la Comunidad de Madrid 3 de cada 10 ambulancias subcontratadas llegan tarde a atender a los pacientes. Y que, además, la gravedad aumenta para las ambulancias que pertenecen al propio Gobierno y que se encargan de los casos más críticos. Aquí, llegan tarde en 4 de cada 10 ocasiones. Hasta ahora no se había conocido estos datos que permiten fiscalizar la labor del Gobierno regional y su gestión de la sanidad, en este caso de las ambulancias.
La segunda pieza de esta investigación permite conocer que las llamadas pidiendo una ambulancia por casos de violencia de género y agresiones sexuales se multiplican por las noches y en verano. Los datos sobre la hora y fecha de llamada fueron fundamental para saber y conocer cuándo se producen este tipo de agresiones y permitir así que las administraciones puedan actuar con sus políticas públicas. Para poder comprobar este tipo de patrones considerábamos fundamental no saber sólo la hora para poder ver cuánto tardaban las ambulancias, sino también para poder ver esas tendencias y qué tipos de casos aumentaban en determinadas horas del día o determinados momentos del año.
La investigación no se quedó en los datos y tras hablar con expertos y fuentes involucradas pudimos contextualizar que este crecimiento de las llamadas se debe al aumento del ocio, las fiestas y, en los casos de violencia de género, a que la víctima y el agresor pasan más tiempo juntos, tanto en verano como por las noches.
De hecho, las Administraciones Públicas al saber que los casos se evidencian más en época de verano y en tiempo de fiestas y festivales, por ejemplo, aumentan sus esfuerzos de vigilancia y de presencia de puntos sanitarios y violeta, entre otras cosas que pudimos comprobar. También pudimos comprobar que las emergencias sanitarias notificadas a estos números de teléfono de la Administración por posibles casos de sumisión química también se concentraban en esos momentos (por la noche y en verano).
La investigación, además, no se limitó a analizar cómo crecían estas llamadas y lo que se tardaba en atender algunos casos. Para poder saber que estaban excediendo lo permitido y lo pactado por contrato en el caso de las subcontratadas tuvimos que investigar los contratos públicos sobre esta materia, hacer trabajo de fuentes para conseguir documentación a este respecto y hablar con los sindicatos para poder consultar sus protcolos y normativa internos. Todo ese trabajo de fuentes y de campo fue fundamental para elevar nuestra investigación y poder conocer a qué tiempos estaban obligadas las empresas subcontratadas para llevar ambulancias y así poder corroborar que 3 de cada 10 casos gestionados por ellas no cumplían con el máximo que se les exigía por ley para llegar a los domicilios.
What can other journalists learn from this project?
El gran valor que ha tenido este proyecto es que los datos permiten poner bajo la lupa cómo funciona el sistema sanitario de ambulancias en Madrid. Permite también confirmar que el retraso de las ambulancias no es algo anecdótico, sino sistemático y un problema de falta de recursos.
Es más, permiten confirmar que tras todas esas llamadas pidiendo ayuda, hay personas. Desde Maldita.es hemos cotejado algunos de los casos públicos de los últimos tiempos para confirmar que han existido realmente. Es el caso de la pieza publicada “Muere tras confundirla el Summa con una enferma terminal y no enviarle ayuda a tiempo: ‘Tenemos muchas llamadas, ¿vale?’ de El Mundo: https://www.elmundo.es/papel/historias/2021/11/25/619e730721efa0ea2c8b460d.html .
Filtrando en nuestro base de datos con casi un millón de registros pudimos confirmar que, efectivamente, este caso había ocurrido en aquel dia. En el registro constaba una llamada con el motivo de una paciente diciendo que no podía respirar y a su vez otra en el mismo periodo de tiempo.
Esta investigación nos permitió unir en un mismo trabajo la transparencia, la investigación, la tecnología de análisis y limpieza de datos y las herramientas de visualización. Este trabajo aúna diferentes ramas del periodismo que hoy en día cobran más fuerza que nunca y con el principal protagonismo en el periodismo de datos.
Esta investigación creemos que es ejemplo de que se puede contar a los ciudadanos lo que les pasa, pasando de lo anecdótico a un problema sistemático, y demostrando cómo actúan (o no) las administraciones. De hecho, a día de hoy poco se sabe sobre las supuestas sanciones que realiza la administración a las ambulancias que llegan tarde, ya que la Comunidad de Madrid se ha negado a entregar esa información. Este trabajo permite fiscalizar a nuestros representantes políticos sobre la gestión de la sanidad.
Project links:
https://maldita.es/malditodato/20220728/ambulancias-comunidad-madrid-tiempo-maximo/
https://maldita.es/malditodato/20220729/ambulancias-madrid-violencia-genero-agresiones-verano/