La teoría de juegos evolutiva (TGE), que se origina en los estudios de competencia darwiniana, ofrece un marco poderoso para entender las interacciones complejas en el cuidado de la salud, donde múltiples partes interesadas con intereses en conflicto evolucionan estrategias a lo largo del tiempo. A diferencia de la teoría de juegos tradicional, la TGE tiene en cuenta la racionalidad limitada y la evolución estratégica a través de la imitación y la selección. En nuestro estudio, utilizamos la Síntesis de Conocimiento Sintético (SKS) que integra bibliometría descriptiva y mapeo bibliométrico para analizar sistemáticamente la aplicación de la TGE en el cuidado de la salud. La SKS tenía como objetivo identificar temas de investigación prolíficos, lugares de publicación adecuados e instituciones/países productivos para la colaboración y financiación. Los datos se obtuvieron de la base de datos bibliográfica Scopus, abarcando 539 publicaciones desde 2000 hasta junio de 2025. La dinámica de producción revela un crecimiento exponencial en la producción académica desde 2019, con una productividad máxima en 2024. La bibliometría descriptiva mostró a China como el país más prolífico (376 publicaciones), seguido por Estados Unidos y el Reino Unido. Las principales instituciones son predominantemente chinas, y las revistas más destacadas incluyen PLoS One y Frontiers in Public Health. La financiación proviene principalmente de entidades chinas como la Fundación Nacional de Ciencias Naturales de China. El mapeo bibliométrico identificó cinco temas de investigación clave: teoría de juegos en la investigación del cáncer, simulación basada en juegos evolutivos de gestión de suministros, teoría de juegos evolutivos en epidemias, juegos evolutivos en salud pública conectada y confiable, y juegos evolutivos en gobernanza colaborativa. A pesar de la utilidad de la TGE, existen importantes vacíos de investigación en robustez metodológica, disponibilidad de datos, modelado contextual y traducción interdisciplinaria. La investigación futura debería centrarse en integrar el aprendizaje automático, datos longitudinales y marcos éticos explícitos para mejorar la aplicación práctica de la TGE en sistemas de atención médica adaptativos y centrados en el paciente.