Una entre 342 millones: La mentira estadística que encarceló a Lucia de Berk

El número que la condenó

En 2003, un tribunal holandés declaró culpable a Lucia de Berk de cuatro asesinatos y un intento de asesinato de pacientes en el Hospital Infantil Juliana en La Haya. La condena se sustentó de manera sustancial en un único número: una entre 342 millones.

Esa era la probabilidad, calculó un estadístico designado por el tribunal, de que una enfermera pudiera estar presente en tantos incidentes «sospechosos» por pura casualidad. La cifra tuvo un peso enorme. Sonaba científica. Sonaba precisa. Implicaba una certeza casi absoluta de culpabilidad. En una sala de tribunal, presentada por un testigo experto y absorbida por jueces sin formación especializada en razonamiento probabilístico, tenía la apariencia de una prueba.

El número estaba equivocado en casi todos los sentidos relevantes. Se calculó usando un método que contenía un error lógico fundamental conocido como la falacia del fiscal. Se basó en una lista de incidentes clasificados como «sospechosos» después de que Lucia ya había sido identificada como sospechosa — un proceso de clasificación contaminado por la misma sospecha que se suponía debía sustentar. La pregunta que el estadístico respondió — ¿cuál es la probabilidad de que esta enfermera estuviera presente en tantos incidentes? — no era la pregunta que el tribunal necesitaba responder — ¿cuál es la probabilidad de que esta enfermera causara estos incidentes? La distinción no es técnica. Es la diferencia entre evidencia y circularidad.

Pero en 2003, en un tribunal de La Haya, el número prevaleció. Lucia de Berk fue a prisión.

---

La enfermera

Lucia de Berk nació en 1961 en La Haya. Su camino hacia la enfermería no fue directo. Tuvo una vida temprana difícil — períodos de dificultades económicas, educación interrumpida, trabajo en varios países. Tenía una hija. Llevaba la carga de un antecedente penal confidencial de su juventud que no tenía nada que ver con la violencia ni con la medicina.

Llegó a la enfermería más tarde que la mayoría, obteniendo su titulación en la década de 1990. A principios de los años 2000 trabajaba como enfermera pediátrica en el Hospital Infantil Juliana y también había trabajado en el Hospital de la Cruz Roja en La Haya y en el Hospital Leyenburg. Era, según los testimonios de colegas y supervisores, concienzuda y dedicada. Era conocida como alguien que buscaba los turnos más difíciles, que elegía trabajar con los pacientes más gravemente enfermos, que no rehuía el trabajo más duro que implica la enfermería.

Esta característica — ofrecerse voluntaria para los casos más difíciles, buscando proximidad con los pacientes más vulnerables — no se entendió inicialmente como la disposición de una enfermera dedicada. Sería reinterpretada, una vez que se formó la sospecha, como un comportamiento siniestro. La literatura de enfermería lo llama síndrome de «enfermera heroína», atribuido a un subconjunto hipotético de trabajadores de la salud que dañan a los pacientes para estar presentes en la reanimación. En el momento en que los investigadores examinaron los patrones de trabajo de Lucia, su dedicación se había convertido en evidencia en su contra.

---

Comienza la investigación

La cadena que llevó al arresto de Lucia comenzó con una sola muerte.

El 4 de septiembre de 2001, un bebé llamado Amber — de cuatro meses, que sufría una grave cardiopatía congénita — murió en el Hospital Infantil Juliana. La muerte no fue clasificada de inmediato como sospechosa. Pero en las semanas que siguieron, una empleada administrativa de la sala llamada Wil Kroon comenzó a revisar los registros de la sala e identificó un patrón estadístico: Lucia de Berk había estado presente, notó, en un número inusualmente grande de reanimaciones y muertes.

Kroon no era estadística. No tenía formación formal en probabilidad ni en el análisis de patrones en datos de turnos. Pero contó, e informó lo que había contado a la dirección del hospital. Siguió una investigación interna preliminar. La dirección alertó a la policía. La policía trajo a un experto.

El experto era un profesor de derecho y estadística llamado Henk Elffers. Elffers calculó la probabilidad de que Lucia estuviera presente en el número de incidentes identificados como sospechosos en sus tres hospitales. El cálculo produjo una cifra reportada de manera diversa como entre una en 342 millones y una en 9 mil millones, según qué iteración del cálculo se examine. La propia varianza debería haber sido alarmante. En cambio, la cifra fue tratada como ciencia establecida.

Lucia de Berk fue arrestada en diciembre de 2001.

---

El juicio y la condena

El primer juicio se celebró ante el Tribunal de Distrito de La Haya. La fiscalía reunió un caso que combinaba la evidencia estadística con el testimonio médico sobre muertes e incidentes específicos. Se presentó evidencia toxicológica en algunos casos — afirmaciones de que ciertos pacientes habían recibido sustancias fuera del registro de tratamiento normal. Expertos médicos testificaron que muertes específicas eran sospechosas basándose en marcadores clínicos que, argumentaban, sugerían intervención externa.

El argumento estadístico subyacía a todo ello. Si el azar solo no podía explicar la presencia de Lucia en tantos eventos sospechosos, entonces su presencia no era coincidental. Si no era coincidental, ella era la causa. El razonamiento pasó de la correlación a la causalidad sin un examen significativo del salto inferencial.

Los abogados defensores cuestionaron la metodología estadística, pero el testimonio estadístico experto es notoriamente difícil de impugnar eficazmente en un tribunal. El desafío de la defensa fue técnicamente competente pero procesalmente inadecuado — los jueces, sin formación para evaluar argumentos estadísticos contrapuestos, recurrieron al experto de la fiscalía.

El 24 de marzo de 2003, el Tribunal de Distrito condenó a Lucia de Berk por cuatro asesinatos y un intento de asesinato. Fue sentenciada a cadena perpetua.

Apeló. En junio de 2004, el Tribunal de Apelación de La Haya confirmó la condena — y la amplió. El tribunal de apelación la declaró culpable de siete asesinatos y tres intentos de asesinato en los tres hospitales. Se confirmó la cadena perpetua.

En 2004, el Tribunal Supremo de los Países Bajos devolvió el caso por razones técnicas relacionadas con la admisibilidad de su antecedente penal juvenil. En 2006, el Tribunal de Apelación de Ámsterdam — examinando el caso en reenvío — confirmó nuevamente la condena por seis asesinatos y un intento de asesinato.

Lucia de Berk había sido condenada tres veces por tres tribunales. El fundamento estadístico había sido examinado y aceptado en todos los niveles. Estaba en prisión. Permanecería en prisión durante seis años en total antes de que el caso comenzara a desmoronarse.

---

Los estadísticos que se dieron cuenta

El primer desafío público serio al fundamento estadístico del caso no provino de los tribunales sino de la academia.

En 2007, un estadístico holandés llamado Piet Groeneboom publicó un análisis detallado de la metodología de Elffers. Groeneboom identificó múltiples errores — no solo la falacia del fiscal, sino errores en la clasificación subyacente de eventos, errores en el cálculo de frecuencias esperadas, y lo que describió como una incomprensión fundamental de cómo deben estructurarse los cálculos de probabilidad en contextos forenses.

La falacia del fiscal, tal como se aplicó en el caso de Lucia, funcionó de la siguiente manera: Elffers calculó la probabilidad de que una enfermera estuviera presente en tantos incidentes si los incidentes se distribuyeran aleatoriamente. Encontró que era muy baja. El tribunal interpretó esto como que era muy improbable que la presencia de Lucia fuera inocente. Pero esto confunde dos preguntas diferentes. La probabilidad de estar inocentemente presente en muchos incidentes no es lo mismo que la probabilidad de inocencia. Una enfermera que trabaja los turnos más difíciles, que se especializa en los pacientes más críticos, y que tiene una larga carrera con muchos pacientes de alta agudeza naturalmente tendrá una tasa más alta de presencia en eventos adversos que una enfermera que trabaja en salas rutinarias. El modelo estadístico debe tener en cuenta los patrones de trabajo específicos de la enfermera antes de que se pueda calcular cualquier probabilidad significativa. El modelo de Elffers no lo hizo.

Groeneboom fue secundado por otros estadísticos holandeses. El estadístico Richard Gill, quien se convertiría en el defensor más persistente y públicamente visible de la revisión del caso, publicó análisis que demostraban que cuando el cálculo se realizaba correctamente — teniendo en cuenta la distribución real de turnos de Lucia y la tasa base de eventos adversos en cuidados intensivos pediátricos — la supuesta improbabilidad astronómica de su presencia se volvía completamente anodina.

El problema paralelo era la clasificación de incidentes. La lista de eventos considerados «sospechosos» había sido ensamblada después de que Lucia se convirtió en sospechosa, por personas que sabían que era sospechosa, revisando registros con el objetivo específico de identificar eventos asociados con su presencia. Esto no es evidencia independiente. Es razonamiento circular: los incidentes fueron clasificados como sospechosos en parte porque Lucia estaba allí, y luego su presencia en incidentes sospechosos se usó para argumentar su culpabilidad.

El argumento estadístico, cuando se examinaba adecuadamente, no probaba nada.

---

La evidencia médica colapsa

Mientras los estadísticos comenzaban a desmantelar el cálculo de probabilidad, los patólogos forenses y los expertos médicos comenzaron a reexaminar las muertes en sí mismas.

El caso de Lucia de Berk siempre había dependido de un segundo pilar: la afirmación de que muertes específicas mostraban marcadores clínicos de causa no natural. Los fiscales habían argumentado que ciertos pacientes murieron de toxicidad por digoxina — es decir, que se les había administrado niveles tóxicos del medicamento cardíaco digoxina. Otras muertes se atribuyeron a sobredosis de morfina u otras intervenciones farmacéuticas fuera del registro de tratamiento.

Estas afirmaciones fueron reexaminadas entre 2007 y 2010 por paneles médicos independientes. Los hallazgos fueron metódicamente devastadores.

Las afirmaciones de toxicidad por digoxina se examinaron primero. Los análisis toxicológicos originales habían encontrado niveles elevados de digoxina en muestras de tejido. El reexamen encontró múltiples problemas: algunas de las muestras originales se habían degradado o almacenado incorrectamente; los niveles post mortem de digoxina en pacientes pediátricos se sabe que varían enormemente debido a factores fisiológicos naturales no relacionados con la administración externa; y los rangos de referencia utilizados para clasificar los niveles como «tóxicos» eran inconsistentes y estaban mal documentados.

Más significativamente, cuando los registros clínicos subyacentes de las muertes fueron revisados por pediatras independientes y patólogos forenses que no fueron informados de qué muertes se alegaba que eran sospechosas, surgió un patrón llamativo: la gran mayoría de las muertes tenían explicaciones naturales completamente plausibles. Eran pacientes en estado crítico — bebés y niños con graves afecciones cardíacas, neonatos prematuros, pacientes de edad avanzada con comorbilidades complejas. En cuidados intensivos pediátricos, la muerte no es rara. Su presencia en el historial de una enfermera que trabajaba con los pacientes más gravemente enfermos no era, en sí misma, evidencia de nada.

En el otoño de 2007, la Junta de Fiscales Generales holandesa — el órgano de supervisión del Servicio de Fiscalía Pública holandés — encargó una nueva investigación del caso. El Comité Posthumus II, nombrado así por su presidente, fue encargado de revisar las condenas. Lo que el comité encontró llevó directamente a la reapertura del caso.

---

La exoneración

En octubre de 2008, el Tribunal Supremo de los Países Bajos suspendió la detención de Lucia pendiente de revisión. Había pasado seis años en prisión. Fue puesta en libertad.

El proceso de revisión fue exhaustivo y metódico. Expertos médicos independientes reexaminaron cada muerte e incidente alegado en los autos originales. La evidencia estadística fue revisada por un panel de estadísticos independientes. El proceso de revisión no fue superficial — llevó dos años.

El 14 de abril de 2010, el Tribunal de Apelación de La Haya absolvió a Lucia de Berk de todos los cargos. Cada condena — siete asesinatos, tres intentos de asesinato — fue revocada. El tribunal determinó que no había evidencia médica creíble de que ninguno de los pacientes hubiera sido asesinado. Las muertes que habían sido atribuidas a Lucia fueron, concluyó el tribunal, muertes naturales en una población de pacientes en estado crítico. La evidencia estadística era inútil. La evidencia toxicológica era poco fiable.

Lucia de Berk había sido inocente en todo momento.

Recibió una compensación del Estado holandés. Los comentaristas describieron la compensación como insuficiente para seis años de encarcelamiento injusto, la destrucción de su carrera como enfermera y una década de estigma público.

Tenía cincuenta y nueve años cuando finalmente fue exonerada.

---

El sistema que la falló

El caso de Lucia de Berk no fracasó por culpa de un experto deshonesto o un juez incompetente. Fracasó porque cada institución que lo tocó rindió por debajo del estándar requerido.

La dirección del hospital que remitió el caso a la policía lo hizo basándose en el ejercicio informal de conteo de una empleada administrativa, sin revisión estadística independiente. La policía que recibió la remisión se apresuró a construir un caso en torno a la evidencia estadística sin probarla adecuadamente. La fiscalía aceptó el argumento estadístico como probatorio sin encargar una auditoría metodológica independiente. Tres tribunales en tres niveles aceptaron el testimonio de expertos sin las herramientas para evaluar su validez. Los patólogos forenses que apoyaron las afirmaciones médicas de la fiscalía lo hicieron en un entorno ya saturado de sospecha — sus conclusiones no se formaron en aislamiento de la presunción de culpabilidad.

Y el establishment médico y jurídico holandés — a pesar de la existencia, a lo largo de los procedimientos, de estadísticos y clínicos cualificados que tenían dudas — no produjo el desafío coordinado que el caso requería hasta años después de las condenas.

El caso se ha convertido desde entonces en un estudio de referencia sobre el uso indebido de evidencia estadística en los tribunales penales. Los profesores Richard Gill y Piet Groeneboom han publicado extensamente sobre él. Se enseña en facultades de derecho y departamentos de estadística de toda Europa y más allá como la ilustración definitiva de la falacia del fiscal y los peligros del testimonio de expertos que los tribunales no pueden evaluar de forma independiente.

El gobierno holandés encargó una revisión amplia de casos comparables. La revisión identificó otras condenas que pueden haber descansado en errores estadísticos o de evidencia médica similares — no todas las cuales han sido revisadas.

---

Las secuelas y las preguntas sin respuesta

Lucia de Berk fue exonerada. Su compensación fue pagada. El registro oficial es claro: es inocente, las muertes fueron naturales, las estadísticas eran inválidas.

Pero el caso deja preguntas residuales que no han sido completamente resueltas en el registro público.

Los expertos médicos que testificaron en su contra no fueron sancionados. El estadístico Henk Elffers no enfrentó consecuencias profesionales por el cálculo que la condenó. La empleada administrativa cuyo recuento informal inició la cadena de eventos no fue considerada legalmente responsable. Los fiscales que construyeron el caso sobre un fundamento estadístico que deberían haber probado más rigurosamente no fueron sancionados.

Y los seis años que Lucia pasó en prisión — en condiciones que, según su propio relato, fueron devastadoras para su salud y su relación con su hija — no pueden ser devueltos. El estigma público de tres condenas por el asesinato en masa de bebés no puede borrarse completamente con una absolución, por clara que sea.

Quizás lo más perturbador es la pregunta de cuántas otras Lucias de Berk han existido — y pueden seguir existiendo — en tribunales donde el testimonio estadístico ha sido aceptado sin escrutinio, donde la falacia del fiscal se ha vestido con el lenguaje de la ciencia, y donde la brecha entre un argumento de probabilidad complejo y la capacidad de un jurado o panel judicial para evaluarlo ha sido explotada al servicio de una condena.

La respuesta, como han documentado repetidamente los estadísticos forenses desde 2010, es: más de uno.

La arquitectura del error

El caso de Lucia de Berk no es principalmente una historia sobre estadísticas. Es una historia sobre las condiciones bajo las cuales todo un ecosistema institucional — dirección hospitalaria, policía, fiscalía y tres tribunales sucesivos — puede producir y sostener una profunda injusticia sin que ningún actor individual necesite ser conscientemente deshonesto.

Entender cómo ocurrió esto requiere comprender cada capa del fracaso por separado antes de preguntar cómo se compusieron.

**El problema de la clasificación**

El caso comenzó con una lista de incidentes. La revisión informal de Wil Kroon produjo una lista de reanimaciones y muertes en las que Lucia había estado presente. Esta lista no era un ensamblaje neutral de hechos. Fue ensamblada por una persona que ya había formado la hipótesis de que Lucia era responsable del daño — y la lista fue construida revisando registros en ese contexto. El sesgo de confirmación operó al nivel de la recolección de datos, antes de que comenzara cualquier análisis estadístico.

Una vez que la lista existió y fue entregada a la policía, un error epistemológico sutil pero decisivo quedó incrustado en el caso: los incidentes de la lista fueron referidos como «sospechosos». Pero no eran independientemente sospechosos. Se volvieron sospechosos en virtud de estar asociados con Lucia. La clasificación de un evento como sospechoso no era una evaluación previa de las características clínicas del evento; era una consecuencia de la presencia de Lucia. Esta circularidad contaminó cada paso posterior.

**La falacia del fiscal en detalle**

El cálculo de Henk Elffers preguntó: ¿cuál es la probabilidad de que, solo por azar, una enfermera estuviera presente en tantos incidentes? La respuesta — una en 342 millones más o menos — es genuinamente baja. Pero la pregunta que respondió el cálculo no es la pregunta relevante para la culpabilidad.

La pregunta relevante es: dado que una enfermera estuvo presente en tantos incidentes, ¿cuál es la probabilidad de que los causara frente a la probabilidad de que su presencia se explique por sus patrones de trabajo, combinación de casos y otros factores no causales?

Estas no son la misma pregunta. La primera pregunta, respondida por Elffers, le dice algo sobre la rareza de la coincidencia bajo el supuesto de que los incidentes se distribuyen aleatoriamente entre las enfermeras. La segunda pregunta — la relevante — requiere conocer la tasa base de eventos adversos en la unidad específica, la distribución de turnos, la agudeza de los pacientes asignados a Lucia y la tasa de comparación de otras enfermeras que trabajan en condiciones similares con combinaciones de casos similares.

Nada de esto se hizo. La frecuencia de base de eventos adversos en una unidad de cuidados intensivos pediátricos no se estableció adecuadamente. El historial específico de turnos de Lucia no se utilizó para calcular una tasa personal esperada de eventos adversos. La comparación con otras enfermeras no controló la complejidad de los casos. El resultado fue un cálculo de probabilidad que era matemáticamente válido como respuesta a la pregunta equivocada — y se usó en el tribunal como si respondiera a la pregunta correcta.

**La dinámica de la evidencia médica**

El testimonio médico operó en un entorno epistémico contaminado. En el momento en que a los patólogos forenses y toxicólogos se les pidió revisar las muertes, Lucia ya era sospechosa. Las supuestas muertes ya habían sido identificadas. No se les preguntó a los expertos: «¿Hay algo clínicamente inusual en estas muertes?» Se les preguntó: «¿Hay evidencia de que estas muertes, que creemos son sospechosas, fueron causadas por intervención externa?»

Este encuadre produce un tipo particular de razonamiento motivado que no es deshonestidad pero tampoco es independencia. Un experto que revisa un caso con una hipótesis que evaluar — en lugar de revisar la evidencia sin una hipótesis — tenderá a encontrar apoyo para la hipótesis en datos ambiguos. Los niveles elevados de digoxina que se identificaron en algunos casos son genuinamente inusuales, pero su significado depende enteramente del contexto: ¿cuáles eran los rangos normales para esa población de pacientes, cómo se almacenaron las muestras, qué explicaciones naturales existen para la variación en los niveles post mortem? En el contexto de un presunto caso de asesinato, los resultados ambiguos de laboratorio se convierten en evidencia de asesinato. En el contexto de una revisión clínica neutral, los mismos resultados se convierten en uno de los muchos hallazgos posibles que requieren mayor investigación.

Cuando los expertos independientes revisaron las muertes sin conocer cuáles se alegaba que eran sospechosas — el enfoque metodológico limpio que debería haberse utilizado desde el principio — los supuestos marcadores clínicos de asesinato desaparecieron en gran medida.

**La cascada institucional**

Una vez que el hospital remitió el caso a la policía, cada institución posterior operó bajo el supuesto de que su predecesora había realizado un trabajo adecuado. La policía asumió que la remisión del hospital estaba fundamentada en juicio clínico. Los fiscales asumieron que la policía había evaluado la evidencia estadística adecuadamente. Los tribunales asumieron que la fiscalía había reunido evidencia que cumplía con los estándares probatorios. Ninguna institución volvió a los primeros principios del caso — la validez de la lista original, la fiabilidad de la metodología estadística — porque cada una asumió que la institución anterior ya lo había hecho.

Esta cascada no es exclusiva de los Países Bajos ni de este caso. Es una característica estructural de los sistemas de justicia penal que procesan casos secuencialmente a través de múltiples instituciones, cada una de las cuales hereda el marco probatorio de la institución anterior. Los errores introducidos en la etapa de investigación viajan hacia adelante. Por lo general, no viajan hacia atrás.

**La brecha en el testimonio de expertos**

En el nivel más profundo, el caso revela una incompatibilidad estructural entre la complejidad del testimonio estadístico y médico de expertos y la capacidad de los tribunales no especializados para evaluarlo. A los jueces y jurados se les pide que adjudiquen entre testigos expertos en competencia sin las herramientas técnicas para determinar cuál tiene razón. En la práctica, esto significa que recurren al experto cuyo testimonio se presenta primero, cuyas credenciales son más impresionantes, o cuyo argumento es más intuitivamente convincente — ninguno de los cuales son proxies fiables para la precisión.

La solución a este problema — nombrar expertos judiciales independientes en lugar de confiar en testigos expertos en un sistema adversarial, exigir que el testimonio de expertos sea revisado por paneles técnicos independientes antes de su admisión, imponer estándares metodológicos sobre la evidencia probabilística — ha sido propuesta repetidamente desde el caso Lucia de Berk. La implementación ha sido inconsistente. La vulnerabilidad subyacente permanece.