https://doi.org/10.22463/2011642X.2065
Recibido: 29-04-2016 - Aprobado: 05-05-2016
Como citar:
Báez-Ardila, J. ., Araujo-Cortés, C., Camacho, M. ., Duarte, E., & Naranjo, A. (2016). Metodología para el análisis de capacidades del servicio de hospitalización en un hospital de Bogotá. Revista Ingenio, 9(1), 45–55. https://doi.org/10.22463/2011642X.2065
El siguiente estudio presenta el desarrollo de una metodología para analizar la capacidad del servicio de hospitalización en un hospital de la ciudad de Bogotá, cuyo propósito es determinar estrategias sobre el uso eficiente del recurso camas. Se desarrolló un modelo de simulación discreta representando las demoras de las áreas asistenciales que más impactan en la prolongación de los tiempos de estadía de los pacientes y el alto porcentaje ocupacional de camas, posteriormente se realizó un análisis de sensibilidad con escenarios que plantearon diferentes usos sobre la capacidad y disminución en las demoras. Se concluye que la reducción de algunos tiempos administrativos impacta en la disminución de los tiempos de estadía pero inversiones económicas más grandes como la adición de camas y la adecuación de una nueva zona de descanso para el cuidado final del paciente, tendrían impactos más significativos en la descongestión de hospitalización.
Palabras clave:Tiempo de estadía, gestión de la capacidad, flujo de pacientes, simulación discreta, logística hospitalaria.
A discrete simulation model was developed, it represents the largest delays of the units which impact on the prolongation in the length of stay of the patients and the high occupational percentage of beds. Later a design of experiments was made by developing scenarios which suggests different uses in the capacity and reduction in delays. It concludes that the reduction in some administrative times reduces the length of stay but higher investments as the addition of beds and a new rest room to the final care of patients,have a higher impact in the fast flow of patients in hospitalization.
Keywords: Length of stay, capacity management, flow of patient, discrete simulation, hospital logistics.
Barnes, Golden, &Price (2013) hacen énfasis en la necesidad de que los hospitales administren sus recursos físicos y humanos con el fin de conocer las necesidades de los pacientes. Además el equipo médico es un recurso crítico que debe ser altamente usado con el fin de no incurrir en costos de subutilización, sin embargo la escasez de los recursos puede llevar a generar cuellos de botella y largos tiempos de espera.
En la literatura se encuentran diferentes estudios que analizan la planificación de la capacidad de camas tanto para un solo hospital como para grupos de hospitales, las técnicas más usadas van desde la teoría de colas, la simulación y la programación matemática (Ben Abdelaziz & Masmoudi, 2012)
Los estudios realizados sobre la gestión de la capacidad en organizaciones de servicios de salud sonmuy pocos en el contexto colombiano,Sin embargo Zubieta,Barrera, Amaya, & Velasco (2008) proponen una metodología para calcular la capacidad de una clínica de Bogotá entendiendo el sistema hospitalario como procesos de producción de 6 servicios (Hospitalización, Urgencias, Radiología, Cirugía, Consulta Externa y Endoscopia.). A través del uso de la simulación se llega a la conclusión de que la capacidad de la clínica se encuentra subutilizada y una futura investigación podría ser un estudio de capacidad de personal.
Por otra parte para El Hospital Universitario de La Samaritana (HUS), hospitalizaciónes un servicio neurálgico y sensible debido a la gran cantidad de pacientes que se atienden; durante el año 2014 se atendieron más de 21000 pacientes de diferentes grupos etarios y con diferentes complejidades . Lo anterior hace que la gestión de la capacidad se convierta en un proceso fundamental para satisfacer las necesidades de los pacientes y buscar una mejor utilización de los recursos.
Teniendo en cuenta lo anterior, una mala gestión de la capacidad en un hospital podría generar no sólo pérdidas económicas sino pérdidas humanas, lo que genera un alto riesgo de imagen. De acuerdo a esto se identificó que eventualmente el porcentaje ocupacional supera el 100% en distintas especialidades que componen el serviciopor lo queunode los recursos que más inciden en el servicio del paciente es la cama, ya que es de vital importancia para el HUS mantener un porcentaje ocupacional de camas de tal manera que no se incurran en costos de subutilización pero que también se garantice su disponibilidad ante una subida espontánea de la demanda de pacientes. Entonces la presente metodología busca desarrollar un modelo de simulación para mejorar el uso de este recurso en pro del cuidado del paciente y por lo tanto se busca soportar las decisiones del hospital con una herramienta adecuada a su modelo de atención y que a su vez aporte estrategias que respondan a las necesidades del sector.
2. METODOLOGÍASe realizó una fase de exploración y caracterización del sistema a través de visitas de campo y entrevistas sostenidas en el HUS con el fin de reconocer elementos importantes en el servicio de hospitalización como lo son: el flujo que siguen los pacientes en el servicio, algunos problemas que afectan sus tiempos de estadía, los indicadores de desempeño del servicio, factores incidentes en la capacidad, así como las necesidades relacionadas al nivel de la demanda.
e identificaron algunos problemas que alargan los tiempos de estadía en el hospital como lo son: la complejidad que tienen los pacientes que llegan al servicio ya que se evidencia que algunas personas arriban con una o más patologías, lo cual implica que los recursos desplegados y el tiempo necesario para su recuperación sean mayores. Por otro lado la no disposición de materiales quirúrgicos en la farmacia del hospital hace que la programación en cirugía dure en promedio un día más para los pacientes con patologías ortopédicas. También se identifican demoras en el tiempo que tienen que esperar los pacientes renales para que se les puedan realizar sus respectivos exámenes diagnósticos, por último las demoras administrativas en facturación a la hora de la salida son gran causal para la prolongación del tiempo de los pacientes en el hospital. Además se identificaron las variables y parámetros que fueron el insumo para la realización del modelo de simulación y se analizó la base de datos obtenida del servicio de hospitalización que corresponde al registro de todos los pacientes durante el año 2014.
Se logró identificar que el servicio se ubica en cuatro pisos del hospital donde cada uno es dividido en un ala sur y en un ala norte. En la figura 2se muestra la distribución de camas en hospitalización, hay que resaltar que el recurso cama en el servicio funciona de manera flexible, es decir los pacientes pueden ocupar una cama en cualquier lugar donde esté disponible siempre y cuando se tenga en cuenta algunas restricciones como la seguridad del paciente desde el punto de vista de aislamientos debido a las infecciones que podrían presentarse, entonces el recurso cama es compartido entre las diferentes especialidades del servicio. Por otra parte la cantidad de camas varía dependiendo la demanda presentada, por lo que el servicio cuenta con más disponibilidad de las 160 representadas en el diagrama que son cedidas por parte del servicio de urgencias llegando a sumar 200 camas disponibles por mes.
Con base en los tiempos muertos identificados se realizó una clasificación de pacientes que arriban al servicio, el grupo O corresponde a pacientes de ortopedia, el grupo R corresponde a pacientes renales, el grupo D corresponde a pacientes de doble diagnóstico, esdecir con diagnóstico de ortopedia y renal y el grupo N al resto de diagnósticos. En el esquema se puede observar los caminos posibles para cada grupo de pacientes y de igual manera las demoras por las que pasan cada uno de estos.
2.3 Análisis de la informaciónDe acuerdo a la esquematización planteada se establecen las variables a analizar antes de introducirlas al modelo de simulación. Lasvariablesmostradas en la tabla 1debieron ser representadas mediante distribuciones de probabilidad. Por otra parte otras variables como los tiempos muertos de los pacientes de ortopedia y los renales son yaconocidas por lo que se estableció un valor exacto para éstos.
El análisis estadístico de entrada se realizó utilizando el software R, realizando así las pruebas estadísticas necesarias de cada una de las variables establecidas. En la figura 4 se presenta el proceso utilizado para el análisis de la información.
Para el análisis de independencia se realizaron gráficos Box Plot y diagramas de barras con el fin de observar si las variables dependían del tiempo. Posteriormente se realizó el análisis de homogeneidad donde se utiliza la prueba no paramétrica Kruskal-Wallis con el fin de determinar la similitud entre grupos. Después, como lo indica el flujograma, si las variables no eran homogéneas se procedía con la formación de nuevos grupos, finalmente los grupos ya establecidos se ajustaron a una distribución de probabilidad para posteriormente realizar la prueba de Kolmogorov-Smirnov y validar que los grupos realmente se ajustaban a la distribución. Para las pruebas realizadas se establece un nivel de significancia del 5%.
Por ejemplo con respecto al tiempo entre arribos de pacientes de Ortopedia se pudo ver que estos no dependen del día de la semana. En la figura 5 se presenta el gráfico box plot correspondiente a los tiempos entre arribos por día de la semana. Según la gráfica las medias por día son muy similares pero se encuentran varios puntos fuera de la caja lo que quiere decir que se presenta alta variabilidad entre el tiempo entre arribos.
Posterior a esto se realizaron gráficos QQ-plot para comparar los cuantíles de la distribución teórica con los de la muestra y así comprobar que no se comportan bajo una distribución normal, la figura 6 compara los cuantíles de la distribución normal con los del tiempo entre arribos para pacientes de Ortopedia, como se ve en la gráfica los tiempos no siguen una distribución normal.
Debido a que tan solo se presentaron cinco arribos de pacientes de doble diagnóstico durante todo el año 2014 se excluye este tipo de pacientes del modelo.Por otra parte se supone un tiempo promedio de un día para la espera del material de osteosíntesispor parte de los pacientes de ortopedia en el servicio de cirugía, Además se supone un tiempo de 2.5 días para la espera en la atención de pacientes renales que no presentan la preparación requerida para realizar el examen diagnostico en radiología
2.4 Desarrollo delmodeloSuponiendo la normalidad de los datos obtenidos, los resultados de las réplicas para cada medida fueron comparados con las medidas del sistema real mediante pruebas t. Para cada prueba realizada la hipótesis nula dice que todas las medias de las réplicas son iguales a la del sistema real, por el contrario la hipótesis alternativa plantea que las medias de todas las réplicas son diferentes a la del sistema real. Las pruebas concluyeron que el modelo de simulación representa el funcionamiento de hospitalización.
2.6 Análisis de escenarios1. En el primer escenario planteado se busca reducir la demora presentada en radiología para pacientes renales que necesitan de este servicio; ésto implica que se debe garantizar el personal necesario para la atención; disponibilidad de camilleros y radiólogos a cualquier hora del día con el fin de trasladar y preparar al paciente para el examen programado.
2. En el segundo escenario se busca reducir la demora presentada en cirugía, para pacientes ortopédicos que requieren material de osteosíntesis, lo que implica garantizar un stock del material directamente en la farmacia del hospital que a su vez depende de tener información precisa para el pronóstico de la demanda.
3. Para el tercer escenario se plantea la creación de una nueva ala que remplace las camas por sillones de descanso mientras los procesos administrativos son cerrados, ésto implicala creación de un ala de 376 m² donde se localizarán los sillones. Para esto se tiene en cuenta el manual guía para el diseño arquitectónico de servicio de hospitalización desarrollado por la secretaria distrital de salud.
4. Enel cuarto escenario se propone reducir el porcentaje ocupacional a un 89%, lo que implica que se tendrían 22 camas libres por mes y 8030 días cama disponible al año, que permitiríatener respuesta en términos del recurso frente a una subida repentina de la demanda de pacientes, este escenario implica que cada cama adicional debe estar ubicada en un ambiente destinado a la hospitalización del paciente, debe tener mínimo 16 m² y contar con unidad sanitaria completa.
5. Finalmente el último escenario pretende mezclar el tercer y cuarto escenario agregando 5 camas al servicio hospitalario y 10 camas al ala de descanso lo que implica la creación de 5 habitaciones bipersonales con un área libre mínima de 6 m² por cama y 94 m² para la atención de los paciente que ocuparan los sillones unavez tengan el alta médica.
En la tabla 4se muestran los resultados de los diferentes escenarios.
Para la validación se realizan pruebas t de medias con el fin de saber si cada uno de los escenarios impacta los tiempos de estadía de cada uno de los pacientes así como el porcentaje ocupacional de camas. En las figuras 8, 9, 10 y 11 se presentan los promedios de estancia por paciente y el porcentaje ocupacional de camas en cada uno de los escenarios evaluados.
Para el hospital es sumamente importante saber tomar decisiones de acuerdo con los recursos limitados que se tienen y de igual forma la alta demanda presentada, es por eso que se analizó el impacto que tendría si se omitieran tiempos muertos que no implican grandes inversiones de infraestructura. Sin embargo como se reflejó en los resultados, los cambios propuestos en los escenarios uno y dos no impactan los promedios de estancia, pero el escenario tres donde se plantea al hospital el establecimiento de unanueva ala de descanso para que los pacientes sean atendidos sin necesidad del uso de una cama mientras los procesos administrativos son cerrados resulta factible. Esta nueva ala podría contar con cuarenta sillones de descanso adecuados para el cuidado final del paciente. Con esta medida los tiempos muertos en el hospital se reducirían en promedio un 5.38 % haciendo que la atención sea más rápida para el paciente. De igual forma, el porcentaje ocupacional de camas disminuye en un 5%. Esto representa una medida positiva para el cuidado del paciente y para la ocupación del sistema ya que de esta manera se tendrá más capacidad frente a una subida repentina en la demanda. El escenario cuatro plantea la adición de 20 camas a las 200 que ya se presentan, el impacto de esta medida es mucho mayor que el de la anterior debido a que se plantea la adición de la capacidad en el tiempo de valor que representa la mayor parte de la estancia. Con este escenario, el porcentaje ocupacional de camas se reduce al 89% y los tiempos de estadía en un 13% en promedio. De acuerdo con los resultados, el escenario donde se adicionan 5 camas y 10 sillones de descanso es el que más conviene al hospital porque permite descongestionar hospitalización en un 2% sin hacer grandes cambios en lainfraestructura y además de esto mejorando el nivel del servicio.
La investigación permite establecer que para el logro de resultados valiosos utilizando este tipo de metodologías, las instituciones hospitalarias deben contar con procesos de gestión de información estadística conducentes a obtener datos confiables y actualizados sobre las operaciones. La identificación, cuantificación y gestión de demoras debe constituirse en una meta organizacional para apoyar la toma de decisiones.
Como continuación a este estudio serecomienda el desarrollo de estudios de factibilidad económica de las propuestas planteadas con el fin de establecer su impacto en términos financieros. Se espera que futuras investigaciones permitan replicar la metodología utilizada en otro tipo de instituciones (públicas y privadas) de distinto nivel que permitan establecer estándares acerca de las mejores prácticas en términos de gestión de capacidad.
Shahnaz S, Kianoush S. (2014). Capacity planning in hospital management: an overview. Indian Journal of Fundamental and Applied Life Sciences, 4(2), 515–521.
Hans, E., Van Houdenhoven, M., & Hulshof, P. (2012). Handbook of Healthcare System Scheduling. Springer.
Jan Vissers. (2005). Aggregate hospital production and capacity planning. Health Operations Management. Patient flow logistics in health care, 345.
Acerca del hospital universitario la Samaritana, (http://www.hus.org.co)
Barnes S, Golden B, Price S. (2013)Applications of Agent-Based Modeling and Simulation to Healthcare Operations, Denton, Brian editor. Ed. New York: Springer Science + Business Media.45-74.
Ben Abdelaziz, F., & Masmoudi, M. (2012). A multiobjective stochastic program for hospital bed planning. The Journal of the Operational Research Society, 63(4), 530–538.
Sánchez, V; Ayala, V; Amaya, C; Velasco, N. “Estudio de la capacidad instalada y la asignación de camas en el proceso de hospitalización de una clínica privada en Bogotá”. (http://loghos.uniandes.edu.co)
Herrera, O; Becerra, A. “Diseño General de las Etapas de Simulación de Procesos con Énfasisen el Análisis de Entrada” (http://www.laccei.org/)
Secretaria Distrital de Salud D.C. “Dirección de desarrollo de servicios de salud áreade análisis y políticas de servicios de salud plan maestro de equipamientos de salud” (http://www.saludcapital.gov.co)
* .Correo: jaira.baeza@unilibrebog.edu.co
** .Correo: carlosa.araujoc@unilibrebog.edu.co
** MSc.Correo: manuela.camachoo@unilibrebog.edu.co
** MSc.Correo: edgarl.duartef@unilibrebog.edu.co
** .Correo: Alexander.naranjo@hus.org.co