MODELO DE ASIGNACIÓN DE CUADRILLAS EN EL...

1

MODELO DE ASIGNACIÓN DE CUADRILLAS EN EL SERVICIO ATENCIÓN PRIMARIA

DE SALUD “APS” MEDIANTE LA INTEGRACIÓN DE HERRAMIENTAS DE SIMULACIÓN

ING. NESTOR DAVID RODRIGUEZ GARZÓN

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DE INGENIERÍA

PROYECTO CURRICULAR MAESTRIA EN INGENIERÍA INDUSTRIAL

GRUPO DE INVESTIGACIÓN ADQUISICIÓN Y REPRESENTACIÓN DEL

CONOCIMIENTO – SISTEMAS EXPERTOS Y SIMULACIÓN (ARCO SES)

BOGOTÁ D.C.

2018

MODELO DE ASIGNACIÓN DE CUADRILLAS EN EL SERVICIO ATENCIÓN

PRIMARIA DE SALUD “APS” MEDIANTE LA INTEGRACIÓN DE HERRAMIENTAS

DE SIMULACIÓN

2

MODELO DE ASIGNACIÓN DE CUADRILLAS EN EL SERVICIO ATENCIÓN PRIMARIA

DE SALUD “APS” MEDIANTE LA INTEGRACIÓN DE HERRAMIENTAS DE SIMULACIÓN

Trabajo de grado presentado como requisito para obtener el título de:

MAGISTER EN INGENIERIA INDUSTRIAL

Modalidad investigación

Presentado por:

ING. NÉSTOR DAVID RODRIGUEZ GARZÓN

CÓDIGO: 20152196009

Dirigida por:

PH.D. GERMÁN ANDRÉS MÉNDEZ GIRALDO

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

FACULTAD DE INGENIERÍA

PROYECTO CURRICULAR INGENIERÍA INDUSTRIAL

GRUPO DE INVESTIGACIÓN ADQUISICIÓN Y REPRESENTACIÓN DEL CONOCIMIENTO – SISTEMAS EXPERTOS Y SIMULACIÓN (ARCO SES)

BOGOTÁ D.C.

2018



DE SIMULACIÓN

3

RESUMEN

Dada la importancia de la Salud en el

desarrollo económico y social de un país y

el surgimiento de un cambio radical en la

prestación del servicio de salud por medio

de la Atención Primaria en Salud –APS- se

presenta la siguiente investigación como

una propuesta metodológica para la

asignación de cuadrillas de APS, con el

objetivo de contribuir a la planeación

coordinada y continua de dichos servicios

por medio de técnicas de simulación.

Se integran técnicas de Scheduling, de

optimización y de simulación; se tiene en

cuenta la composición de costos y algunas

variables sociales durante el desarrollo de

la investigación. Este modelo integral de

técnicas de simulación para la asignación

de cuadrillas de APS, se convierte en un

primer paso para ABORDAR FUTUROS

proyectos de mayor complejidad que se

puedan abordar institucionalmente o

incluso en uno o varios proyectos de

investigación doctoral.

Para posteriores investigaciones se podrá

abordar temas tales como tratamiento de

vectores epidemiológicos, condiciones

particulares de cada población (en función

del estado de salud) y la composición de las

cuadrillas de Salud.

PALABRAS CLAVE

Cuidado primario de salud, Modelo de

simulación, APS, PHC, sistema de salud.

ABSTRACT

Given the importance in the determining

factors of the health in the economic and

social’s develop of a country, and the

emergence of a radical change in the health

service provision through the APS, in

which it was proposed to change the focus

of the predominance between curative

services and the promotion and prevention

of the disease; from hospital services to

services in the Community; from

centralized services to decentralized

services; and the sole responsibility of the

government for the health of the

population, to shared responsibility with

people for their health. The main theme of

this research aims to support the

coordinated and continuous supply of such

services through the efficient allocation of

PHC crews through simulation techniques,

given that the epidemiological vectors,

particular conditions of each population (in terms of health status) and composition

of the crews will be treated in subsequent

investigations. Schedule techniques,

optimization techniques and simulation

techniques will be integrated, and cost

composition and some social variables will

be considered during the development of

the investigation. This comprehensive

model of simulation techniques for the

allocation of PHC crews will be a first step

for a larger project that is intended to be

addressed in a doctoral research project.

KEY WORDS

Primary health care, Simulation model,

APS, PHC, Health Care.



DE SIMULACIÓN

4

TABLA DE CONTENIDO

INTRODUCCIÓN ................................................................................................................................. 12

PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIÓN .................................................................... 14

2.1 Descripción del Problema ....................................................................................................... 14

2.2 Objetivos ................................................................................................................................. 15

2.2.1 Objetivo General .............................................................................................................. 15

2.2.2 Objetivos específicos ........................................................................................................ 15

2.3 Alcance .................................................................................................................................... 16

2.4 Justificación ............................................................................................................................. 16

2.5 Metodología ............................................................................................................................ 19

ESTADO DEL ARTE ............................................................................................................................. 22

3.1 REVISIÓN DE LA LITERATURA EN ASIGNACIÓN DE CUADRILLAS EN EL SERVICIO ATENCIÓN

PRIMARIA DE SALUD ..................................................................................................................... 22

3.1.1 Metodología de la Revisión .............................................................................................. 22

3.1.2 Principales modelos de Salud ........................................................................................... 26

3.1.2 Modelos de APS en Sistemas de Salud ............................................................................. 30

3.1.3 Modelos de Simulación abordados en el área de la salud ............................................... 34

3.1.4 Modelos de Simulación en el campo de las APS .............................................................. 38

3.1.5 Técnicas y herramientas utilizadas en los modelos de simulación en el sector salud ..... 45

3.2 CONCEPTUALIZACIÓN DE SIMULACIÓN BASADA EN AGENTES .............................................. 46

3.2.1 Que es un agente? ............................................................................................................ 46

3.2.2 Plataformas para el desarrollo de sistemas multi-agente ............................................... 47

3.2.3. Metodologías para la construcción de modelos de simulación de sistemas basados en

agentes. ..................................................................................................................................... 48

3.2.3 Revisión de aplicaciones de sistemas multi-agente ......................................................... 51

APROXIMACIÓN MULTI-AGENTE DEL PROBLEMA DE ASIGNACIÓN DE CUADRILLAS APS ................ 53

4.1. Etapa De Conceptualización Del Sistema ............................................................................... 53

4.1.1 Definición De Los Agentes ................................................................................................ 54

4.1.2 Definición de las interacciones ......................................................................................... 59

4.2. Etapa De Análisis Del Sistema ................................................................................................ 62

4.2.1 Diagrama de Actividades .................................................................................................. 62

4.2.2 Comunicación e interacción ............................................................................................. 63



DE SIMULACIÓN

5

4.3. Etapa Del diseño del sistema ................................................................................................. 65

4.3.1 Modelo de Agentes .......................................................................................................... 65

4.3.2 Caracterización Agente Familia ........................................................................................ 66

4.4 Distribuciones características de la Población Analizada ........................................................ 71

4.4.1 Distribución Tipos de Familia a Nivel Nacional y Bogotá ................................................. 71

4.4.2 Distribución Número de Familias por Localidad .............................................................. 71

4.4.2 Distribución Número de Personas por familia ................................................................. 73

4.4.3 Distribución de población por Rangos de edad ............................................................... 73

4.4.3 Distribución de población por Genero ............................................................................. 74

4.5 Tratamiento de Datos ............................................................................................................. 75

4.5.1 Combinaciones posibles por tipos de familias ................................................................. 75

4.5.3 Distribución “Equivalente” de familias por número de integrantes ................................ 78

4.5.4 Distribución “Equivalente” jefes de familia por edad ...................................................... 78

4.5.5 Definición de tiempo de Atención de APS por integrante ............................................... 79

4.5.6 Calculo de tiempos en función del tamaño de la familia. ................................................ 80

IMPLEMENTACIÓN DEL MODELO DE ASIGNACIÓN DE CUADRILLAS EN EL SERVICIO ATENCIÓN

PRIMARIA DE SALUD “APS” ............................................................................................................... 83

5.1 Software .................................................................................................................................. 83

5.2 Implementación ...................................................................................................................... 83

5.2.1 Territorio .......................................................................................................................... 83

5.2.2 Agentes ............................................................................................................................. 85

5.2.3 Escalamiento del sistema y distribución de entidades en el modelo .............................. 89

5.2.4 Asignación del Familia a Grupos de APS .......................................................................... 91

5.2.5 Toma de valores resultantes del sistema ......................................................................... 92

5.2.6 Medidas de Desempeño del modelo ............................................................................... 93

5.2.7 Horas laborales para la prestación de APS ....................................................................... 93

5.2.8 Verificación del Modelo ................................................................................................... 93

5.2.9 Validación del Modelo ...................................................................................................... 95

Escenarios evaluados en el Modelo de APS y resultados obtenidos ................................................ 98

6.1 Escenarios Evaluados .............................................................................................................. 98

6.1.1 Escenario 1: Número de Familias .............................................................................. 99

6.1.2 Escenario 2: Crecimiento anual ................................................................................. 99



DE SIMULACIÓN

6

6.1.3 Escenario 3: Grupo APS ........................................................................................... 100

6.1.4 Escenario 4: Grupo Especiales de APS ..................................................................... 100

6.1.5 Escenario 5: Frecuencia APS general ....................................................................... 101

6.1.6 Escenario 6: Tiempo de Espera límite de atención ................................................. 101

6.2 Longitud de la simulación .................................................................................................. 102

6.4 Resultados ......................................................................................................................... 102

CONCLUSIÓNES, TRABAJO FUTURO Y VALIDACIÓN DE LOS OBJETIVOS DE INVESTIGACIÓN. ........ 107

REFERENCIAS ................................................................................................................................... 111



DE SIMULACIÓN

7

LISTA DE FIGURAS

Figura 1. Tasas de mortalidad neonatal y de menores de cinco años, mundiales y por grupos de

ingresos, 2012. Fuente (OMS, 2014b) ................................................................................. 16

Figura 2. Relación entre la fuerza de la atención primaria y el gasto sanitario global. Fuente:

(Starfield, 2001) ............................................................................................................... 19

Figura 3. Procedimiento de Simulación. Fuente: Grupo ARCOSES ........................................ 20

Figura 4. Distribución de Artículos en Salud y Atención primaria de Salud por Base de Datos

Consultada. Fuente: Elaboración Propia ............................................................................. 23

Figura 5. Principales áreas generadoras de conocimiento científico en Salud y Atención

Primaria. Fuente: Elaboración Propia................................................................................. 23

Figura 6. Producción científica por año de Atención Primaria de Salud en el área de Ingeniería.

Fuente: Elaboración Propia ............................................................................................... 24

Figura 7. Tipos de Documentos de Simulación en el área de Atención Primaria de Salud. Fuente:

Elaboración Propia ........................................................................................................... 24

Figura 8. Consolidación de artículos de investigación resultantes de la revisión bibliográfica.

Fuente: Elaboración Propia ............................................................................................... 25

Figura 9.. Gasto per capita en USD (Dolares). Fuente: (OMS, 2015). Elaboración propia ...... 27

Figura 10. Gasto per cápita por PPA en Estados Unidos y Colombia. Fuente: (OMS, 2015).

Elaboración propia ........................................................................................................... 27

Ilustración 11. Gasto per cápita (Dólares Internacionales) Vs. Esperanza de vida al nacer (Años).

Fuente: (Seguí-Gómez et al., 2013) ..................................................................................... 28

Figura 12. Componentes del sistema y su interrelación. Fuente:(Standridge, 1979) ............. 40

Figura 13. Modelo de oferta de los médicos. (Un modelo similar fue utilizado para proyectar el

personal no especializado). Fuente:(Standridge, 1979) ....................................................... 41

Figura 14. Descripción de un agente. Fuente: (Macal & North, 2006) ................................... 46

Figura 15. MASIM: Fases de la metodología para el Desarrollo de Simulación basada en Agentes.

Fuente: (Fernandes & Moura, 2004) .................................................................................. 49

Figura 16. Pasos Generales en la construcción de un Modelo de simulación basado en Agentes.

Fuente: realizado por el Autor basado en (Macal & North, 2006) ......................................... 50

Figura 17. Aplicaciones de MBAs x Áreas. Fuente: (Gómez-Cruz et al., 2017) ........................ 51



DE SIMULACIÓN

8

Figura 18. Diagrama de casos de uso del problema de Atención Primaria en Salud ............... 60

Figura 19. Diagrama de actividades del sistema de APS. Fuente: Autor ............................... 63

Figura 20. Diagrama de Secuencias de Agentes en el modelo de APS .................................... 64

Figura 21. Árbol de Agentes ............................................................................................... 65

Figura 22. Clasificación Personas - Familia Colombianas ..................................................... 67

Figura 23. Distribución de Número de Personas x Familia (Asociación Probienestar de la Familia

Colombiana Profamilia, Bogatá, Colombia y ICF Macro, Calverton, Maryland, 2011). Cuadro 3.4

Composición de los hogares .............................................................................................. 73

Figura 24. Distribución de la población colombiana por rangos de edad. Autor: Elaboración

propia a partir de cuadro 3.5 (Asociación Probienestar de la Familia Colombiana Profamilia,

Bogatá, Colombia y ICF Macro, Calverton, Maryland, 2011) ................................................. 74

Figura 25. Distribución de Población en Bogotá por Sexo. Gráfico realizado a partir de (DANE,

2015) ............................................................................................................................... 74

Figura 26. Distribución de combinaciones de familias según su Tipo. Autor: Elaboración Propia

........................................................................................................................................ 76

Figura. 27 Distribución de combinaciones de familias por subcategoría. Autor: Elaboración

Propia .............................................................................................................................. 76

Figura 28. Representación Gráfica de la Función de distribución Triangular. ....................... 79

Figura 29. Dimensión de arreglos nombrados como localidades de Bogotá, en Anylogic. ...... 84

Figura 30. Representación de la Localidad de Santa fe por medio de una Polilínea en Anylogic.

........................................................................................................................................ 84

Figura 31. Funciones, parámetros y variables asociadas al territorio. .................................. 85

Figura 32. Agentes en Modelo de Simulación implementado en Anylogic ............................. 85

Figura 33. Funciones y Variables en función de las propiedades del Agente Familia ............. 86

Figura 34. Diagrama de Flujos Agente Familia .................................................................... 86

Figura 35. Componentes implementados dentro del flujo de estados de Agente Familia. ...... 87

Figura 36. Diagrama de Flujos Agente APS General y variables ............................................ 87

Figura 37. Diagrama de Flujos Agente APS Especial y variables ........................................... 88

Figura 38. Mapa implementado en Modelo de simulación .................................................. 90

Figura 39. Variables utilizadas, para la distribución de Agentes de familias en el modelo de

Simulación ........................................................................................................................ 90

Figura 40. Colecciones utilizadas para contener las colecciones de las familias .................... 91



DE SIMULACIÓN

9

Figura 41. Medición estadística de Cantidad de Grupos de APS con tiempo ocioso. ............... 92

Figura 42. Cargue de datos estadísticos en graficas del modelo ........................................... 92

Ilustración 43. Variables de Control con colores para ver el estado y comportamiento de

componentes del modelo. .................................................................................................. 95

Figura 44. Numero de Cuadrillas de APS Vs Familias atendidas por día................................ 96

Figura 45. Número de Cuadrillas Vs Tiempo de espera de Familias ...................................... 97

Figura 47. Número de Cuadrillas Vs Tiempo de Ocio de Cuadrillas ...................................... 97

Figura 46. Crecimiento del 1% anual de la Población Vs Tiempos de Espera de Familia ........ 97

Figura 49. % GAP Entre Las Familias Atendidas VS Familias Proyectadas) a medida que se

aumenta las cuadrillas de APS ........................................................................................... 97

Figura 48. Número de Cuadrillas Vs. Tiempo Excedido por Ciclo Programado ...................... 97

Figura 50. Tablero de control de escenarios en modelo de simulación ................................. 98

Figura 51. Taza de crecimiento de Hogares en el territorio de Bogotá Fuente: Propio a partir de

(DANE, 2015) ................................................................................................................... 99

Figura 52. Graficas del comportamiento de variables más importantes del sistema. ........... 102



DE SIMULACIÓN

10

LISTA DE TABLAS

Tabla 1. Descriptores y/o Palabras claves. Fuente: Elaboración Propia ................................ 22

Tabla 2. Competencias consideradas más idóneas para la atención primaria de salud (APS)

Fuente: (Adell et al., 2009) ................................................................................................ 32

Tabla 3. Elementos esenciales de los sistemas de salud basados en la atención primaria de salud

Fuente: (OPS/OMS, 2007a) ............................................................................................... 32

Tabla 4. Competencias consideradas como esenciales para los equipos de APS. Fuente: (Adell et

al., 2009) .......................................................................................................................... 33

Tabla 5. Numero relativo de visitas atendidas por médicos en diferentes rangos de edad de APS

/Médicos generales y Médicos de Familia. Fuente: (Standridge, 1979) ................................ 39

Tabla 6. Lista de indicadores de rendimiento claves usados en el modelo. Fuente: (Fialho et al.,

2011). .............................................................................................................................. 44

Tabla 7. Lista de Parámetros clave usados en el modelo. (Fialho et al., 2011). ...................... 44

Tabla 8 Sistemas de. Simulación en atención de Salud (Simulación Discreta “DES”, Simulación

Basada en Agentes “ABM”). Fuente:(Almagooshi, 2015) ...................................................... 45

Tabla 9. Subcategorías en las áreas de aplicación de MBA. Fuente: (Gómez-Cruz et al., 2017) 51

Tabla 10. Clasificación tipos de familia Fuente:(Bash, 2015) ............................................... 56

Tabla 11. Plantilla de caso de uso APS. Fuente Autor .......................................................... 61

Tabla 12. Distribución porcentual de hogares. Elaboración propia a partir ENDS 2010, Cuadro

3.7 (Asociación Probienestar de la Familia Colombiana Profamilia, Bogatá, Colombia y ICF

Macro, Calverton, Maryland, 2011) .................................................................................... 71

Tabla 13. Estimaciones 1985-2005 y proyecciones 2005-2020 de Hogares Bogotá. Fuente:

DANE ............................................................................................................................... 72

Tabla 14. Distribución de hogares por localidad, en tres años diferentes. Fuente: Elaboración

propia a partir de los datos del DANE (DANE, 2015). ......................................................... 72

Tabla 15. Tabla de combinaciones de Familias. Autor: Elaboración Propia ........................... 75

Tabla 16. Ejemplo Generación ID por combinación de Integrantes por familia ..................... 77

Tabla 17. Identificación de concurrencias duplicadas por Tipo de familia y en general ......... 77

Tabla 18. Distribución de Número de Personas x tipo de familia Cuadro 3.4 Composición de los

hogares. Fuente: Autor ...................................................................................................... 78



DE SIMULACIÓN

11

Tabla 19.Distribución de Jefes de familia por edad. Fuente: Autor ....................................... 78

Tabla 20. Muestra de tiempos de atención por integrante. .................................................. 80

Tabla 21. Tabla de sumatoria de tiempos por integrantes de familia .................................... 81

Tabla 22. Resultado de verificación crecimiento de Población Proyectados Vs resultados

algoritmo de crecimiento de población. .............................................................................. 94

Tabla 23. Resultado de verificación de datos proyectados de población Vs resultados de

algoritmo de Asignación de Poblacion a Localidades. .......................................................... 94

Tabla 24. Proyección de Numero de Familias en los últimos años. Fuente: (DANE, 2015) ..... 99

Tabla 25. Datos de escenarios para obtener resultados ..................................................... 103

Tabla 26. Muestra de escenarios tabulados ................................................................... 104

Tabla 27. Muestra de resultados obtenidos ................................................................... 105

Tabla 28. Validación de los objetivos del proyecto de investigación ............................... 108



DE SIMULACIÓN

12

Capítulo 1

INTRODUCCIÓN

Es de amplio conocimiento la gran diferencia en las condiciones de salud entre países

desarrollados y en vías de desarrollo. De igual forma, los avances logrados en término de

aseguramiento, cobertura y accesibilidad a los servicios de salud, que han visto limitados en su

aplicación y resultados principalmente en los países más pobres. Dicha situación está dada

principalmente por la inadecuada capacidad de respuesta de administradores y prestadores de

servicios, hecho que se refleja en la fragmentación de la atención, poca resolución en los

cuidados de la población, baja calidad, un enfoque fundamentado en la enfermedad y en un

modelo hospitalario de prestación de servicios; que mantiene a la población en un estado crítico

de desatención medica impactando el cumplimiento del derecho fundamental a la salud en la

población.

Para (OMS, 2016) el Sistema de Salud comprende toda organización, institución, recurso y

personas cuya finalidad primordial es mejorar la salud. Para fortalecer dicho sistema se debe

abordar las limitaciones principales a la que está sujeto y que se relaciona con la dotación de

personal y la infraestructura sanitaria, los productos de salud (como equipo y medicamentos),

la logística, el seguimiento de los progresos y la financiación eficaz del sector.

Del mismo modo para (Bogota Humana, 2012) un modelo de Atención en Salud, debe abarcar

un conjunto de instrumentos políticos, normativos, institucionales, programáticos, técnicos y

financieros que garanticen la dimensión prestacional y programáticos del derecho a la salud.

Debido a la necesidad de garantizar el derecho a la salud, superar las limitaciones y reducir las

brechas de desigualdades, varios países han implementado la Atención Primaria de Salud “APS”,

como un sistema que apoye el modelo Sanitario de cada país.

La (OMS, 1978) valora la APS como la asistencia esencial, que se encuentra al alcance de todos

los individuos y familias de la comunidad, mediante su plena participación, y a un costo que la

comunidad y el país puedan soportar.

Es así que la Atención Primaria es reconocida como un componente clave de los Sistemas de

Salud; sustentado en la evidencia de su impacto sobre la salud de la población. Así mismo, las

experiencias acumuladas tanto en países desarrollados como en proceso de desarrollo han

demostrado que la APS puede ser adaptada a los distintos contextos políticos, sociales y

culturales.

En consecuencia, el presente trabajo tiene como objeto de investigación apoyar el estudio de

asignación eficiente de cuadrillas en la APS, entendiendo cuadrilla como la unidad de operación

compuesta por diferentes especialidades con el fin de atender la demanda sanitaria teniendo



DE SIMULACIÓN

13

en cuenta características propias de cada población, a través del diseño de un modelo integral

de diferentes técnicas de apoyo a la simulación.

Este modelo de simulación para la asignación de cuadrillas de APS, será un primer paso para

proyectos de mayor alcance que se puedan abordar en otras instancias en donde se escale a

soluciones de mayor impacto como el tratamiento epidemiológico, el dimensionamiento de

servicios a través de diseños de cuadrillas y especialidades o inclusive la posibilidad de realizar

su extensión mediante un proyecto de investigación de doctorado, el cual puede trabajar en la

estructura organizacional de la APS.

El documento se organiza de la siguiente manera. El capítulo 1 contiene la introducción del

documento. El capítulo 2 presenta el planteamiento del problema de investigación en donde

se encuentra la descripción, los objetivos, el alcance del trabajo realizado, la justificación y la

metodología utilizada. En el capítulo 3 se encuentra la revisión del estado del arte en

asignación de cuadrillas de atención primaria de salud (APS), para lo cual se utilizó una

metodología de revisión de literatura sistemática en donde se analizaron los principales

objetivos, restricciones, métodos de solución y otras consideraciones identificando las

tendencias y los vacíos pertinentes sobre los cuales se desarrolló la investigación. Por otra

parte, en este capítulo también se encuentra una breve conceptualización sobre simulación

basada en agentes con el fin de que el lector se familiarice con el tema. En el capítulo 4 se

encuentra el modelo matemático y se presenta el diseño, la conceptualización y el análisis de

la aproximación multi-agente de la atención primaria en salud en Bogotá. Para ello se utilizan

una plantilla y un diagrama de caso de uso, de actividades, de secuencia, entre otros, con el fin

de establecer la interacción y la comunicación de los agentes dentro de la APS. El capítulo 5

se muestra la implementación de la aproximación multi-agente por medio del uso de un

software específico (Anylogic); implementación desarrollada mediante un enfoque orientado

a objetos, elementos del estándar UML, el uso de Java, una GUI moderna. En el capítulo 6 se

realiza el estudio de los resultados del modelo de simulación multi-agente propuesto en la

investigación, validando los diferentes escenarios comprendidos y aproximándolo al modelo

real.



DE SIMULACIÓN

14

Capítulo 2

PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIÓN

2.1 Descripción del Problema

Actualmente los sistemas de salud enfrentan la difícil tarea de abordar con calidad y cobertura

las necesidades sanitarias de la población, dado que, a pesar de los esfuerzos, aún persisten

problemas de inequidad, segmentación poblacional y fragmentación en la atención en salud.

Problemas que se agudizan con modelos de salud basados en el mercado de aseguramiento,

acompañados de complejos cambios económicos, normativos y políticos del entorno social, que

se presentan tanto en países desarrollados como los países en proceso de desarrollo (Rey-

gamero & Acosta-ramírez, 2011).

De persistir esta problemática según la OMS (OMS, 2014a), se estima que se presentarán más

de 6.6 millones de muertes de niños al año, las cuales casi todas podrían salvarse si se tiene

acceso a intervenciones simples y asequibles como la lactancia materna exclusiva, vacunas y

medicamentos de bajo costo, agua salubre y saneamiento.

Por otro lado, el surgimiento de la APS como componente esencial para reforzar los Sistemas

de Salud, ha venido presentando desde sus inicios, desafíos en su conformación e integración

con los sistemas sanitarios de cada país. Dichos desafíos, representados principalmente en

cambios demográficos, sociales y epidemiológicos, entre otros, llevan implícita la noción de

cambio en la estrategia de implementación de APS, en el entendido que las necesidades de una

población en particular no serán homologables con las necesidades de otras poblaciones.

En el contexto colombiano, el diagnóstico de la capacidad operativa local en la mayor parte del

territorio donde se ha implementado la APS se ha visto afectado por razones que incluyen

presupuestos limitados, recurso humano poco capacitado, reducido e inestable, así como

dependencia de la voluntad política y ausencia de continuidad a través del tiempo (Suarez,

Zamora, Conte, & Olarte, 2012).

A pesar de algunos recientes acercamientos interdisciplinarios hacia una conformación

estratégica de cuadrillas de APS, aún está presente la necesidad de generar nuevo conocimiento

en el área de la APS que permita ampliar la calidad y la cobertura de la atención primaria en

salud en la actualidad. Por consiguiente, se plantea varias necesidades asociadas a la generación

de una estrategia para la conformación de los equipos de APS (OPS/OMS, 2007b) ,en la que urge

renovar los sistemas de salud basados en la atención primaria:

- Definición de políticas y planes de largo plazo para la adecuación de la fuerza de trabajo a las necesidades de salud, a los cambios previstos en los sistemas de salud y



DE SIMULACIÓN

15

desarrollar la capacidad institucional para ponerlos en práctica y revisarlos periódicamente.

- Asignación de personas adecuadas en los lugares adecuados, consiguiendo una distribución equitativa de los profesionales de salud en las diferentes regiones y de acuerdo con diferentes necesidades de salud de la población.

- Regular los desplazamientos y migraciones de los trabajadores de salud de manera que permitan garantizar atención a la salud para toda la población.

- Generar mecanismos que promueva la continuidad en la intervención y prestación del servicio de la salud a través de APS.

- Dicha estrategia determinara la forma en la que se puede abordar o generar un modelo que facilite la toma de decisiones y la evaluación escenarios con posibles situaciones futuras con el fin de determinar acciones a desarrollar.

2.2 Objetivos

2.2.1 Objetivo General

Diseñar un modelo de asignación de cuadrillas que se requiere en la estrategia para la atención

primaria en salud en una región geográfica específica, mediante la integración de técnicas de

simulación.

2.2.2 Objetivos específicos

▪ Analizar las condiciones, contexto y variables del servicio General en Salud de la región objeto de estudio.

▪ Determinar las características de la composición mínima de las cuadrillas de APS, en la formación técnica o profesional del equipo, vínculos funcionales, asignación de roles y las necesidades de la comunidad.

▪ Revisar características socioculturales, demográficas y económicas, entre otras, propias de la región objeto de estudio, entendiendo región como localidad, municipio, departamento o incluso nación.

▪ Desarrollar y representar las características del sistema en un modelo integral en cascada, que incorpora diversas técnicas de simulación.

▪ Verificar por medio de la simulación que el modelo propuesto cumpla con las necesidades y la demanda de la región objeto de estudio.



DE SIMULACIÓN

16

2.3 Alcance

El alcance de este proyecto de investigación es el desarrollo y la aplicación de un modelo de

simulación, integrado por diferentes técnicas de simulación para el estudio de la asignación de

cuadrillas de APS, apoyando la implementación de la estrategia de atención primaria en Bogotá,

D.C.

Al mismo tiempo el modelo facilitará la toma de decisiones y la evaluación de escenarios con

posibles situaciones futuras, que se puedan presentar, y que requieran la reasignación de las

cuadrillas, con el fin de determinar las acciones a desarrollar.

Para esta investigación no se tienen en cuenta ni el tratamiento de vectores epidemiológicos ni

condiciones particulares de cada población en materia de estado de salud.

2.4 Justificación

La Salud Pública a nivel mundial requiere de forma urgente tener avances importantes en la

prestación de servicios de salud con el fin de abarcar y solucionar problemáticas que afectan el

cumplimiento del derecho fundamental de la salud en la población.

Actualmente la inequidad en el acceso a los sistemas de salud en los últimos años ha producido

casi 18.000 muertes infantiles diarias en el mundo, y el ritmo de descenso de la tasa de

mortalidad sigue siendo aún insuficiente.

Adicional, persisten grandes inequidades en materia de mortalidad infantil entre los países de

ingresos altos y los de ingresos bajos como se evidencia en las últimas estadísticas publicadas

por la OMS (OMS, 2014b), en la cual se indica que el 45% de la muerte de niños menores de 5

años, es por desnutrición (Ver Figura 1).

Figura 1. Tasas de mortalidad neonatal y de menores de cinco años, mundiales y por grupos de ingresos, 2012. Fuente (OMS, 2014b)



DE SIMULACIÓN

17

Con relación a la cifra de mortalidad de mujeres en embarazo y parto sigue siendo inaceptable.

En 2013 se presentaron aproximadamente 800 muertes diarias de mujeres por causas

maternas. El 99% de estas estas muertes se producen en países en desarrollo, y la principal

causa es la falta de acceso de las gestantes a una atención de calidad antes, durante y después

del parto (OMS, 2014b).

A escala mundial, de diez partos siete son atendidos por personal de salud cualificado. Cabe

resaltar que la cobertura de este servicio varía mucho según el nivel de ingresos del país, desde

casi la totalidad de los partos (99%) en los países de ingresos altos a menos de la mitad de ellos

(46%) en los de bajos ingresos.

El indicador del acceso a fuentes de agua potable, aunque en los últimos 22 años se ha ampliado

dicho acceso a 2300 millones de personas, lo anterior, muestra cómo aún hay más de 748

millones de personas que carecen de este recurso. Esta cifra aumenta hasta el orden de los miles

de millones si se tiene en cuenta la calidad del agua y la sostenibilidad del servicio. Existen

grandes disparidades entre regiones, entre zonas urbanas y rurales, y entre grupos

socioeconómicos; en particular entre los más ricos y los más pobres.

También se observa escases en el personal para la atención en los sistemas de salud en los

países en desarrollo, como por ejemplo Colombia, que dispone de 14.7 médicos, 6.2 enfermeras,

9.2 odontólogos, 15 camas hospitalarias, entre otros, por cada 10.000 habitantes, lo cual hace

que el acceso al sistema sea difícil, de baja calidad y costoso para las diferentes entidades

actores que lo conforman.

Todo lo anterior muestra cómo la inequidad en salud no solo es perjudicial para los más

vulnerables, sino que puede apreciarse en todo el gradiente social.

Al analizar en el contexto colombiano siete de los indicadores sanitarios más relevantes, se

observa la necesidad de minimizar y/o eliminar la inequidad existente (Asociación

Probienestar de la Familia Colombiana Profamilia, Bogatá, Colombia y ICF Macro, Calverton,

Maryland, 2011), estos son:

- La prevalencia del uso de métodos anticonceptivos modernos en el territorio

colombiano no supera el 75%.

- La cobertura de la atención prenatal tan solo alcanza en zona rural el 81% y en las

ciudades el 91%.

- Los partos atendidos por personal de salud cualificado, en las zonas rurales es del 86%,

aunque en la ciudad es del 98%.



DE SIMULACIÓN

18

- La cobertura de la inmunización con la vacuna la difteria, tosferina y tétanos (DTP3) en

niños de 1 año, tiene tazas cercanas al 90% de cobertura, lo que deja un 10% de

vulnerabilidad a enfermedades relacionadas con mortalidad infantil en zonas

tropicales.

- Los niños menores de 5 años con retraso del crecimiento, que se encuentran en zonas

rurales llegan a una cifra de casi el 20% y en la ciudad llegan a un 14%, principalmente,

por la carencia de agua potable e inadecuada alimentación.

- La tasa de mortalidad infantil en Colombia es de 25 niños por cada 1.000 nacidos.

- La morbilidad y mortalidad de Colombia se caracteriza por un predominio de las

Enfermedades Crónicas No Transmisibles (ECNT) que son principales causas de

morbilidad y mortalidad: el cáncer en sus diferentes afectaciones, las enfermedades

cardiovasculares, las enfermedades metabólicas y las enfermedades

neurodegenerativas aparecen en los primeros lugares a nivel nacional en los estudios

de carga de enfermedad de 1995 y 2005 (OPS, 2015).

La inclusión de la APS en los sistemas de salud podrá ayudar a mejorar el acceso a fuentes de

agua potable, reducir la mortalidad infantil, evitar la desnutrición y luchar contra enfermedades

como VIH, tuberculosis y malaria, entre otras.

Lo anterior apunta a la necesidad de apoyar la óptima implementación de las APS desde

diferentes disciplinas, aportando conocimiento cuya aplicación sea de dimensiones globales.

Este trabajo de investigación busca apoyar la asignación de cuadrillas de APS por medio de

técnicas de simulación en una región específica (Bogotá), con el fin de optimizar el presupuesto,

descongestionar el sistema de salud y mejorar en el cubrimiento de necesidades y demanda de

salud de la población. En otras palabras, se pretende apoyar la redistribución de los recursos

médicos y mejorar la accesibilidad a éstos, contribuyendo a mejorar los niveles de salud en

combinación con menores costes económicos.

En (Starfield, 2001) se presenta el impacto que ha tendió la implementación de un sistema

sanitario basado en APS en 12 países de Europa, donde los resultados muestran mejores

niveles de salud con menores costos económicos.



DE SIMULACIÓN

19

Figura 2. Relación entre la fuerza de la atención primaria y el gasto sanitario global. Fuente: (Starfield, 2001)

En la figura 2, se muestra los resultados de la inclusión de APS en el sistema sanitario como

complemento del sistema de salud: en los 12 países, entre mayor presencia de APS en el menor

gasto per cápita se tiene.

2.5 Metodología

La metodología seleccionada para el desarrollo de la investigación es un procedimiento de

simulación desarrollado por el Grupo ARCOSES (Adquisición y representación del

conocimiento mediante sistemas expertos y simulación), teniendo como particularidad que

esta investigación integrara diferentes técnicas de simulación. El diagrama y flujo de la

metodología se muestra en la Figura 3.



DE SIMULACIÓN

20

Figura 3. Procedimiento de Simulación. Fuente: Grupo ARCOSES

1. Punto Inicial de la Investigación. Consiste en establecer de forma clara, cuál es el problema

que se pretende abordar, qué objetivos globales se desean alcanzar y con qué recursos será

necesario contar para lograrlos en el tiempo previsto.

2. Desarrollo del Modelo de Simulación: Se crea el diseño del sistema para su simulación por

ordenador. El modelo deberá reflejar convenientemente la estructura interna del sistema, sus

características y relaciones lógicas que mantienen, de modo que los resultados sean

extrapolables al sistema real.

3. Implementación del modelo de simulación: El modelo desarrollado desde el punto de

vista teórico ha de ser implementado en el ordenador a través de algún software específico.

Adicional se comprueba la correcta implementación del modelo en el software de simulación.

Para ello se valida que el programa resultante se comporta según lo deseado, es decir, que los

resultados deben ser coherentes para las diversas combinaciones de variables de entrada

(inputs) del modelo, y no ha habido ningún error sintáctico a la hora de programar las

diferentes instrucciones.



DE SIMULACIÓN

21

4. Evaluación del Modelo de Simulación:

Se comprueba que el modelo refleja convenientemente el mundo real. Para ello, se procede a

comparar, para distintas combinaciones de variables de entrada, los resultados que produce el

modelo con los observables en el sistema real. En el caso de un sistema que no exista, la

validación por parte de expertos es indispensable.

Una vez aceptado el modelo como válido, se diseñan las características del experimento de

simulación que se van a llevar a cabo, es decir, determinar el número de iteraciones, la longitud

de las replicaciones, periodo de calentamiento, y es uso de técnicas de reducción de varianza.

Después de lo anterior, se procede a llevar a cabo la simulación establecida tras las ejecuciones

de prueba y los resultados procedentes del experimento de simulación requerir en un análisis

estadístico no trivial que permita obtener información útil sobre el comportamiento analizado.

5. Culminación de la investigación: En este punto de la metodología se hace la redacción del

documento final, manual de usuario y manual técnico si es requerido.



DE SIMULACIÓN

22

Capítulo 3

ESTADO DEL ARTE

3.1 REVISIÓN DE LA LITERATURA EN ASIGNACIÓN DE CUADRILLAS EN EL SERVICIO

ATENCIÓN PRIMARIA DE SALUD

3.1.1 Metodología de la Revisión

La revisión bibliográfica objeto del estudio está compuesta por las publicaciones de

investigación en modelos de simulación desarrollados en el área de la salud, enfocado

específicamente en las APS en las últimas 6 décadas, periodo en el que se generaron vínculos

entre los estudios del área de la salud y los modelos de simulación.

La búsqueda sistemática contempló herramientas como SCOPUS, Science Direct y ACM DIGITAL

LIBRARY que suministraron información amplia y completa de publicaciones, magazines, y

resúmenes de literatura científica. Los descriptores de búsqueda o conceptos claves utilizados

se relacionan en la tabla 1.

Tabla 1. Descriptores y/o Palabras claves. Fuente: Elaboración Propia

Descriptores / Palabras Claves

Primary health care Simulation model

Simulation Discrete

Atención Primaria de Salud Dinamic

Modelos de simulación Agents-based

Ingeniería APS

Alma-Ata PHC

Health Simulación

Health Care Engineering

En primer lugar, se realizó una búsqueda con la combinación de descriptores propios de Salud

y Atención Primaria de Salud con el fin de identificar la cantidad de publicaciones en el área.

Como resultado se obtuvo más de 200.000 publicaciones relacionadas con el campo,

distribuidas en las tres herramientas de búsqueda como se observa en la Figura 4 y Figura 5.



DE SIMULACIÓN

23

Figura 4. Distribución de Artículos en Salud y Atención primaria de Salud por Base de Datos Consultada. Fuente: Elaboración Propia

Figura 5. Principales áreas generadoras de conocimiento científico en Salud y Atención Primaria. Fuente: Elaboración Propia

Esta consulta base se amplió progresivamente, de forma sistemática y progresiva, añadiendo a

la búsqueda el descriptor del área de “Ingeniería”. De esta forma se conoce la producción

científica a lo largo de las últimas décadas y cómo ha venido tomando importancia en el área de

investigación (Figura 6).



DE SIMULACIÓN

24

Figura 6. Producción científica por año de Atención Primaria de Salud en el área de Ingeniería. Fuente: Elaboración Propia

En un proceso similar, se adicionaron los descriptores relacionados con simulación que

redujeron los artículos del campo de investigación a un número no mayor a 100, donde la gran

mayoría comprenden documentos de conferencias, artículos y revisiones (Figura 7).

Figura 7. Tipos de Documentos de Simulación en el área de Atención Primaria de Salud. Fuente: Elaboración Propia

De acuerdo con estos resultados, se elaboró una clasificación de los documentos en una matriz

de Excel (Figura 8) la cual se divide en 3 niveles, teniendo en cuenta la clasificación de la

información según (Raúl Rojas Soriano, 1981):

❖ Primer nivel: Comprende las teorías y/o elementos teóricos existentes sobre el problema.



DE SIMULACIÓN

25

❖ Segundo nivel: Contiene la información empírica secundaria o indirecta proveniente de distintas fuentes, por ejemplo: investigaciones o informes publicados en revistas y periódicos, así como estadísticas u otros datos significativos que puedan localizarse en archivos públicos y privados.

❖ Tercer nivel: Abarca información empírica primaria o directa, obtenida mediante un acercamiento con la realidad, a través de guías de observación y de entrevistas o de informantes claves.

Figura 8. Consolidación de artículos de investigación resultantes de la revisión bibliográfica. Fuente: Elaboración Propia

En cada nivel se especificó la siguiente información:

• Nombre del Archivo: se refiere al nombre que se le da al documento en la base de datos del investigador.

• Título: Es el nombre o título que tiene la investigación y con el cual se accede al documento en las bases de datos bibliográficas.

• Autores: Relaciona los autores que participaron en el desarrollo de la investigación.

• Año: Se refiere al año en el cual fue publicada la investigación.

• Impacto: Está dividido en tres categorías (Bajo, Medio, Alto) e indica el aporte que tiene sobre la investigación a desarrollar.

• Aportes: Indica específicamente a qué parte de la investigación (Marco teórico, Marco Histórico, Estado del Arte, etc.) el documento hace sus aportes.

• Tema: Es el contenido de los documentos y/o artículos.



DE SIMULACIÓN

26

A partir de lo anterior, se puede considerar que el filtro realizado fue útil para la depuración del

contenido de los artículos, lo que permite focalizar la producción científica del área de

conocimiento y desarrollar la revisión del estado del arte.

3.1.2 Principales modelos de Salud

Según la OMS (Musgrove et al., 2000) un sistema de salud se define como una estructura social

que está constituida por un conjunto o grupo de personas destinados a mantener y mejorar la

salud de la población; lo anterior, se basa en que estos sistemas deben tener características

como:

• Ser universal, entendiendo por universalidad la cobertura total de la población.

• Prestar una atención integral que incluye la promoción de la salud, así como la

prevención, el tratamiento y la rehabilitación de la enfermedad.

• Ser equitativo en la distribución de los recursos.

• Ser eficiente.

• Ser flexible para así poder dar respuesta a las nuevas necesidades que se vayan

presentando.

• Ser participativo: toda la población debe participar de algún modo e

Teniendo en cuenta que ningún país tiene un modelo único y exclusivo de sistema de salud, en

(Seguí-Gómez, Atucha, & Jiménez-Moleón, 2013) se describen tres modelos más comunes en el

mundo: Seguros Sociales, Servicios o sistemas de salud y Sistema de Libre Mercado.

El seguro social surgió desde la edad media mediante el pago periódico de una cantidad recibían

los servicios de cirujano, botica y entierro, y en la actualidad está presente en países como

Alemania Francia, Bélgica, Australia y en nuestro caso Colombia. Sus más importantes

características son: Los beneficiaros son los cotizantes, financiamiento mediante cuotas

obligatorias a empresarios y empleados, y la libertad de negociación entre las partes.

En el caso del servicio de salud (llamado también Modelo Semashko), su primera aparición fue

durante la segunda guerra mundial, pero sus orígenes vienen de la Unión Soviética en 1918

(Mikirtichan, 2014). La primera implementación fue en Reino unido previendo mejorar el

bienestar del pueblo británico. Actualmente se ve mayormente en pueblos socio-demócratas y

España. En Este modelo el estado financia la prestación del servicio y esto lo hace por medio de

la recaudación de impuestos. La base del sistema está en la universidad y la equidad y su

cobertura teniendo en cuenta que todos los ciudadanos son beneficiarios independientemente

de su actividad laboral.

Por último, está el sistema de libre mercado y el que más tiene presencia en Estado Unido. Su

mayor característica está en que es concebido como un bien de consumo, por lo que la mayoría

de los centros de salud son privados. Su principal fuente de aseguramiento son las empresas

con cofinanciación de los trabajadores y de los empresarios, pero coexisten con seguros

privados.



DE SIMULACIÓN

27

Debido a la dinámica de los Sistemas de Salud descritos anteriormente, durante los últimos 20

años se presenta el incremento considerable en el gasto en salud per cápita en las diferentes

regiones del mundo (OMS, 2015). En la figura 9 y 10 se muestra el gasto per cápita en $US

(Dólares) a nivel mundial comparado con Colombia y la otra en PPA (Paridad del poder

adquisitivo) en tres diferentes países incluido Colombia.

Figura 9.. Gasto per cápita en USD (Dolares). Fuente: (OMS, 2015). Elaboración propia

Figura 10. Gasto per cápita por PPA en Estados Unidos y Colombia. Fuente: (OMS, 2015). Elaboración propia

Lo anterior muestra como los sistemas de salud actuales presentan un mayor gasto sanitario al

abordar el mejoramiento de salud de la población, optimizando la esperanza de vida, aunque

en su mayoría no previniendo sino tratando las afecciones de salud.

En (Seguí-Gómez et al., 2013) se muestra la relación entre el gasto per cápita con la esperanza

de vida: Con los sistemas actuales, el costo para el Estado y beneficiarios es elevado si se quiere

tener una esperanza de vida mayor, esto como resultado de modelos reactivos y no preventivos

(Figura 11).



DE SIMULACIÓN

28

Ilustración 11. Gasto per cápita (Dólares Internacionales) Vs. Esperanza de vida al nacer (Años). Fuente: (Seguí-Gómez et al., 2013)

El Sistema General de Seguridad Social en Salud (SGSS) en Colombia, se destaca como objetivo

principal regular el servicio público esencial de salud a la vez que crea las condiciones de acceso

para toda la población en cualquier nivel de atención requerido, este objetivo se encuentra

establecido en la Ley 100 de 1993 (Ministerio de Salud, 1994) donde también se plantean los

principios y en general el funcionamiento de dicho sistema.

Los principios bajo los cuales se fundamenta todo el SGSS son la Eficiencia, universalidad,

solidaridad, integralidad, unidad y participación que están alineadas con unas reglas generales

para la prestación del servicio que son Equidad, Obligatoriedad, Protección integral, Libre

escogencia, Autonomía de las instituciones, Descentralización administrativa, Participación

social, concertación y Calidad (Carlos, Instructor, Pública, & Medicina, 2001). El sistema se

divide en dos tipos de regímenes: el régimen contributivo (RC) y el régimen subsidiado (RS), en

el primero se encuentran amparadas todas las personas que son afiliadas al SGSS debido a que

cuentan con un contrato laboral bien sean servidores públicos o privados, en este grupo se

encuentran también las personas pensionadas y trabajadores independientes que tengan

capacidad de pago, este tipo de afiliados junto con sus empleadores aportan mensualmente una

cotización que depende de sus ingresos y que son la fuente de financiamiento del RC. En el

segundo régimen se encuentran las personas que no tienen capacidad de pago, es decir la

población más vulnerable y pobre del país, allí los servicios de salud son financiados por una

parte del dinero proveniente del RC y otras fuentes fiscales y parafiscales, cabe resaltar que

todos los colombianos deben estar afiliados al SGSS. La afiliación al SGSS garantiza que todos

los afiliados tendrán derecho a acceder a los servicios ofrecidos por el Plan Obligatorio de Salud

(POS) que es el plan que integra todas las actividades tendientes a la protección de los afiliados

en cuanto a enfermedades, promoción y fomento de la salud y la prevención, diagnóstico,

tratamiento y rehabilitación para todas las patologías. La afiliación para poder acceder a los

servicios ofrecidos por el POS bien sea del RC o del RS se realiza a través de las Empresas



DE SIMULACIÓN

29

Promotoras de salud (EPS) que además de las afiliaciones son las encargadas del recaudo de las

cotizaciones a través de la Administradora de los recursos del Sistema General de Seguridad

Social en Salud (ADRES) y garantizar las condiciones necesarias para la prestación del POS, la

prestación de estos servicios se puede realizar directamente por las EPS o a través de

Instituciones Prestadoras de Servicios (IPS), en ambos casos son los usuarios quienes eligen la

entidad que les prestara los mencionados servicios (Ministerio de Salud y Protección Social,

2014).

La dirección del SGSS se encuentra bajo la dirección del Gobierno Nacional y del Ministerio de

Salud, quienes son los encargados de atender las políticas, planes y programas orientados en la

lucha contra las enfermedades y fomento de la educación.

El sistema cuenta también con vigilancia y control que son ejercidos por parte de la

Superintendencia Nacional de Salud (SNS) entidad adscrita al ministerio de salud, la cual se

encarga de la inspección, vigilancia y control en todos los niveles del SGSSS. Existen también

otras entidades encargadas de vigilar y controlar algunos aspectos que tienen un impacto sobre

la prestación de los servicios de salud, tal es el caso del Instituto Nacional de Salud (INS)

encargado de la vigilancia y seguridad sanitaria así como del desarrollo y gestión del

conocimiento en temas de salud, y el Instituto Nacional de Vigilancia de Medicamentos y

Alimentos (INVIMA) cuyas funciones son la vigilancia, regulación, inspección y el control de

alimentos, medicamentos e insumos para la salud (Guerrero, Gallego, Becerril-Montekio, &

Vásquez, 2011).

Si bien están establecidos los principios rectores del SGSSS desde hace un poco más de veinte

años hoy en día se continúa fallando en varios aspectos, como la cobertura, la inviabilidad

financiera, sobrecostos generados por la intermediación de las EPS (Ramos Mateus, 2013),

otras falencias del sistema se ven reflejadas también en las cifras de inconformidad de los

usuarios generada principalmente por los altos tiempos de espera en la asignación de citas

médicas y atención de urgencias, dificultad de las poblaciones vulnerables para acceder a los

servicios de salud, dificultad en el acceso a medicamentos, entre otras. Para el año 2015, según

la encuesta de calidad de vida el 18,3% de la población opinó que el servicio de salud es de mala

calidad.

Para comprender la razón por la cual no se ha logrado implementar en Colombia un eficiente

Sistema de Salud algunos autores han intentado dar explicación a las fallas tanto en la fase de

diseño como en la fase de implementación, en cuanto a la fase de diseño se plantea que los

supuestos de crecimiento de la economía Colombiana que garantizarían el adecuado

funcionamiento del sistema no se cumplieron, por el contrario, la economía Nacional tuvo una

baja que generó que los índices de desempleo en el país aumentaran y con ello la cantidad de

trabajadores cotizantes al régimen contributivo no llego a las cifras esperadas, esto genero un

desequilibrio financiero del sistema. Otro hecho que da explicación a la deficiencia del sistema

de salud es la corrupción (Ramos Mateus, 2013), ya que los dineros para la financiación del

sistema pasan a través de una larga cadena de actores donde el dinero que sale del primer actor



DE SIMULACIÓN

30

es mucho más del que llega al último actor de la cadena, lastimosamente esta corrupción no es

castigada como debiera a pesar de que existen entidades encargadas de auditar el manejo de

estos dineros. Otra razón es la homogenización que se ha realizado de todas las zonas del país,

es decir, no se ha tenido en cuenta que cada región tiene unas necesidades diferentes y por ende

la forma en la que se desarrolla e implementan las policitas de salud deben ser diferentes

también (In, Disease, & Health, 2013)(Herazo Acuña, 2010).

3.1.2 Modelos de APS en Sistemas de Salud

En los últimos años cuando las APS empiezan a tomar una mayor relevancia en el mundo,

surgen investigaciones con nuevos modelos que buscan ser un apoyo en el proceso de mejora

de los principales Sistemas de Salud. Investigaciones que generan gran conocimiento que

permiten abordar con mayor facilidad estos modelos en el área de simulación.

Por ejemplo (Tanser, Gijsbertsen, & Herbst, 2006) realiza un modelo para entender el uso y

acceso de las APS en el Sur de África. Este estudio se basó en el uso de información geográfica,

tal como: Ríos permanentes, embalses, límites del distrito y reservas naturales en el sub-distrito

Hlabisa, digitalizando estas rutas mediante fotografías aéreas.

La información se utilizó para producir un modelo de accesibilidad híbrido (incorporando el

tiempo de caminar y el tiempo de viaje en transporte público) y se compararon los valores

esperados (resultado del modelo) con los patrones de uso de las clínicas de todos los hogares

en el distrito. A partir de esto el modelo se usó para investigar las diferencias en los patrones

de utilización urbano-rurales, urbanas y periurbanas de las clínicas en el área de estudio y para

cuantificar el impacto del acceso físico a sus instalaciones.

Otro reconocido estudio sobre la inclusión de un modelo de APS se desarrolló en Turquía por

(Öcek, Çiçeklioğlu, Yücel, & Özdemir, 2014), teniendo como objetivo explorar y evaluar desde

las perspectivas de los proveedores de atención primaria y si el modelo podría integrarse al

sistema de salud. El análisis de datos contemplo cinco temas: accesibilidad, atención de primer

contacto, longitudinalidad, integralidad y coordinación.

En América latina se ha trabajado en la asignación de recursos de la atención primaria, en el

caso de Chile (Raña K, Ferrer O, & Bedregal G, 2007) estudian un sistema municipal de APS cuyo

objetivo fue el de mantener la salud de los individuos y comunidades a través de prevención,

promoción y control, contemplando la atención de más de nueve millones de individuos.

El modelo de asignación que se propuso comprendía 5 etapas: Estimación de la demanda de

atenciones por tipo de actividad, estimación de los costos de una atención por tipo de

prestación, estimación de las tasas de utilización de morbilidad por tipo de paciente, estimación

de los costos de una atención por tipo de paciente y predicción de las cantidades futuras de

personas en cada grupo de pacientes.

Una de las debilidades de este modelo y que puede ser cubierta con el apoyo de un modelo de

simulación, es la necesidad de actualizar constantemente los parámetros, particularmente en



DE SIMULACIÓN

31

períodos de reforma o la dificultad al incorporar otros niveles de atención, con el fin de reflejar

la importancia de la prevención y promoción en salud, que repercuten a la postre en una mala

asignación presupuestaria.

En (Rey-gamero & Acosta-ramírez, 2011) toma como propósito el aportar evidencias en

herramientas que propendan por la adecuada implementación de la estrategia de Atención

Primaria en Salud, aborda y estudia el enfoque de competencias, con énfasis en las

metodologías usadas para definir perfiles del talento humano de los equipos multidisciplinarios

el tema de clasificación de las competencias ideales para los equipos de APS basado en la

Organización panamericana de Salud. Estas competencias están divididas en tres categorías

principales: Genéricas, Específicas y Humanas.

− Genéricas: Refiere a la comunicación, manejo de la información tanto administrativa, epidemiológica y clínica; y a la gestión de recursos.

− Específicas: Indican las funciones que deben realizar las cuadrillas de APS, teniendo en cuentas que estas funciones son inherentes a cada profesión de los integrantes y predominan los aspectos físicos.

− Humanas: Trata los valores éticos y las habilidades del personal para interrelacionarse con los demás.

Dentro de los hallazgos más importantes de la investigación son los diversos perfiles que

conforman las cuadrillas de APS en diferentes países de América. Por ejemplo, en Brasil las

cuadrillas están conformadas por Agentes comunitarios, enfermeras, médicos de familia; en

Canadá es un médico; en Chile son grupos que se encuentran en los centros de salud familiar

más un nutricionista; Cuba tiene una distribución de profesionales de enfermería para APS; por

último, en Perú tiene equipos básicos de salud del primer nivel de atención.

Se destaca que cada país tiene una clasificación de competencias para las cuadrillas que apoyan

el cumplimiento y atención de la demanda de los servicios de APS. (Adell, Echevarria, & Borrell

Bentz, 2009) realiza una investigación de competencias idóneas para la prestación del servicio

de APS (Tabla 2); y la OMS en conjunto con la OPS define los elementos esenciales que

componen los sistemas de salud basados en la APS (Tabla 3); a partir de estos elementos se

clasifico las competencias básicas necesarias para formar un equipo multidisciplinario (Tabla

4).



DE SIMULACIÓN

32

Tabla 2. Competencias consideradas más idóneas para la atención primaria de salud (APS) Fuente: (Adell et al., 2009)

Características específicas de la APS

Enfoque integral: vida, género, culturas, individuo, familia, comunidad Trabajo en equipo

Coordinación entre niveles: sistemas de referencia y contrarreferencia

Área clínica

Trato al paciente

Atención centrada en el individuo y la familia

Atención preventiva, curativa, rehabilitadora y cuidados paliativos

Seguimiento compartido

Emergencias

Atención domiciliaria

Comunicación

Entre profesionales

Entre profesionales de salud e individuos

Con la comunidad

Manejo de conflictos

Anuncio de malas noticias

Gestión del conocimiento

Uso de sistemas de información

Uso de internet

Medicina basada en pruebas (guías clínicas)

Salud pública y promoción de la salud

Conocimientos de epidemiología

Enfermedades de declaración obligatoria, brotes, campañas de vacunación

Hábitos y estilos de vida

Área de gestión

Funciones administrativas y gerenciales: liderazgo, supervisión y coordinación Negociación

Gestión de la calidad, reclamos

Planificación y evaluación

Gestión clínica

Tabla 3. Elementos esenciales de los sistemas de salud basados en la atención primaria de salud Fuente: (OPS/OMS, 2007a)

Acceso y cobertura universal

Primer contacto

Políticas y programas pro-equidad

Organización y gestión optimas

Marco político, legal e institucional sólidos

Mecanismos activos de participación



DE SIMULACIÓN

33

Atención integral, integrada y continua

Orientación familiar y comunitaria

Énfasis en promover la salud y prevenir la enfermedad

Recursos humanos apropiados y sostenibles

Acciones intersectoriales

Tabla 4. Competencias consideradas como esenciales para los equipos de APS. Fuente: (Adell et al., 2009)

Conocimientos Habilidades para:

- Identificación de barreras de acceso - Aplicar estrategias que reduzcan barreras de

acceso, amplíen la cobertura y reduzcan las inequidades

- Reconocimiento y análisis de actores - Identificar necesidades percibidas y no

percibidas por el individuo y la familia

- Estrategias para alcanzar la cobertura universal - Abordar el ciclo vital

- Atención integral, integrada y continua - Promover el autocuidado de la salud en la

comunidad, según las enfermedades prevalentes - Técnicas y procedimientos para la atención intra

y extramural - Promover el aprendizaje sobre la APS por parte

del equipo de salud y la comunidad

- Mecanismos de referencia y contra referencia - Establecer compromisos o alianzas para la

producción social de la salud

- Ciclo vital individual y familiar - Liderar y participar en las iniciativas de

promoción de la salud y prevención de la enfermedad para la comunidad

- Situación de salud de la comunidad, sus determinantes y condiciones

- Brindar atención apropiada, basada en la evidencia en distintos escenarios

- Promoción de la salud y prevención de la enfermedad

- Aplicar los procedimientos de manera oportuna y eficiente

- Buenas prácticas - Definir las responsabilidades de cada uno de los

miembros del equipo

- Nuevas tecnologías - Identificar fuentes de información y actores

clave en la comunidad

- Uso de la red de servicios de atención - Recolectar, analizar y utilizar la información

adecuada y pertinente - Identificación y definición de necesidades de

servicios - Identificar y definir las necesidades de salud de

la comunidad

- Priorización de intervenciones - Establecer prioridades de intervención

- Identificación de actores e instituciones en la comunidad

- Estimular la participación activa de la comunidad en la gestión del sector salud.

- Comunicación entre los miembros del equipo y la comunidad

- Optimizar la información, comunicación y educación

- Políticas públicas y marcos legales vinculados con el sector salud

- Analizar la coherencia entre las políticas públicas y el trabajo multidisciplinar en APS

- Identificación de grupos de poder locales - Propiciar el desarrollo de políticas locales a

través de la participación ciudadana

- Nociones de gestión administrativa - Desarrollar planificación estratégica,

investigación operativa y evaluación del desempeño

- Identificación de organizaciones sociales, gremiales y sus actores

- Seguir el proceso de gestión administrativa

- Registros específicos en APS - Involucrar a —y trabajar activamente con— los

líderes reconocidos



DE SIMULACIÓN

34

- Identificación y análisis de inequidades existentes

- Identificar y corregir inequidades a través del desarrollo de políticas y programas

- Resolución de inequidades en salud, marcos políticos y legales

- Incorporar la participación social en la resolución de las inequidades

- Proceso de acogida al individuo/familia. - Brindar un trato digno y respetuoso

- Entrevista clínica - Acoger al individuo dentro del sistema de salud

- Identificación y resolución de problemas - Desarrollar una buena comunicación, a nivel

individual y colectivo - Conocimiento y definición de roles y

responsabilidades dentro del equipo - Identificar problemas que repercuten en el

proceso salud-enfermedad

- Código ético de los trabajadores de la salud - Apoyar y participar en el proceso de formación

permanente de los miembros del equipo

- Identificación de recursos necesarios

- Elaborar, desarrollar y participar en procesos del trabajo en equipo: comunicación, colaboración, coordinación, negociación y solución de conflictos, participación, toma de decisiones

- Identificación de sectores vinculados a la salud - Hacer un uso racional y eficiente de los recursos

disponibles

- Definición de acciones intersectoriales - Presentar información útil y detallada a los

tomadores de decisión - Prevención de desastres y mecanismos de

respuesta en situaciones de emergencia - Liderar, participar y apoyar las acciones

intersectoriales

- Movilizar recursos intersectoriales y de la propia

comunidad para responder a las necesidades de salud

- Interactuar con las autoridades nacionales y la comunidad

- Transmitir las informaciones requeridas e identificar rutas de evacuación, lugares seguros, refugios

Así mismo, en Colombia también se ha tenido una aproximación en este campo, como son los

trabajos de (P. A. Mosquera, Hernández, Vega, Martínez, & San Sebastián, 2013), (P. Mosquera

et al., 2012) y (P. A. Mosquera et al., 2012) , en los cuales realizan los análisis de datos de las

APS implementadas por el Gobierno Colombiano en 2004, con la finalidad de evaluar el

desempeño de la estrategia de APS en localidades distribuidas geográficamente en la ciudad de

Bogotá, como también validar la reducción de las desigualdades y evaluar la contribución

obtenida en las mejoras de los resultados de salud controlando las variables socioeconómicas.

3.1.3 Modelos de Simulación abordados en el área de la salud

En términos generales, la simulación es una herramienta ideal para abordar problemáticas de

gran alcance en la prestación de asistencia sanitaria. Estos problemas están catalogados en 4

grupos a saber: política pública, procedimientos de tratamiento de los pacientes, gastos de

capital y políticas de operación del proveedor.

En las últimas 6 décadas la simulación ha llegado a posicionarse como una herramienta valiosa

en el análisis de una amplia variedad de sistemas prestadores de salud, teniendo sus primeros

acercamientos con (Fetther & Thompson, 1965) y (Robinson, Wing, & Davis, 1968),



DE SIMULACIÓN

35

investigadores que vieron la necesidad de aplicar modelamientos de simulación para el

mejoramiento de la programación de pacientes, y otros problemas en la operación de los

hospitales y/o prestadores de salud.

La simulación como herramienta trascendental en el apoyo al sector de la salud, ha generado la

publicación de miles de artículos, por ejemplo, (England & Roberts, 1978) citaron en su

investigación más de 1200 modelos, y a la fecha, el número de investigaciones en el área se ha

incrementado por lo menos al doble. La revisión de (Sheldon H. Jacobson, Shane N. Hall, 2006)

cuenta con más de 175 referencias, mientras que la revisión de (Brailsford, Harper, Patel, & Pitt,

2009) incluyó 342 referencias de modelos de simulación.

(Standridge, 1999) menciona 4 características relevantes que hacen que dicha técnica sea una

herramienta sustancial para aplicar en el campo del cuidado de la salud. La primera se refiere

a cómo los modelos de simulación se ajustan a la estructura y a los datos que existen del sistema.

La segunda, menciona cómo la simulación permite realizar un considerable número de pruebas

y escenarios a un costo y riesgo relativamente bajo. La tercera describe la variedad de temas

que se pueden abordar teniendo en cuenta que los sistemas pueden hacer la misma actividad

de diferente forma o en una cantidad de tiempo diferente. La cuarta indica que el analista es

libre de definir y calcular cualquier medida de rendimiento de interés, incluyendo los de un

mismo sistema en particular.

Por otro lado, (Barjis, 2009) clasifica el potencial de la simulación en el sistema de salud en 5

aspectos significativos, tales como: Reducción de costos debido a los altos precios en el uso de

enfoques tradicionales y la presión financiera de la situación económica en algunos países. El

Alineamiento IT de los sistemas de la Salud permite que la adopción de nueva tecnología genere

beneficios en la aplicación de la simulación en procesos asistenciales y de reingeniería en la

práctica actual. El apoyo en la toma de decisiones permite la adaptación de las políticas que

ayudan a reducir los costos y el ensayo de ideas innovadoras antes de su aplicación. La Formación

y Calidad son beneficios debido a la optimización de tiempos y costos que permitirán que no se

suprima la capacitación del personal sanitario beneficiando la calidad del servicio prestado. La

complejidad de los procesos de salud hace que la simulación sea una herramienta que permite

hacer frente a tal característica, como es el crecimiento exponencial de nuevos servicios,

multiplicación de los servicios y la alta movilidad de los pacientes.

Ejemplos e investigaciones de simulación en el campo de la salud se pueden encontrar a lo largo

de los años, y se pueden clasificar en las categorías mencionadas arriba (Política pública,

Proceso de atención a pacientes, gastos de capital y políticas de operación del proveedor).

En “Política Pública”, se encuentra a (Standridge, Alan, Pritsker, & Delcher, 1978) con un

modelamiento de simulación en el que se proyecta el número de médicos, enfermeras y

asistentes para cubrir la demanda de la APS en Indiana desde el año 1978 al año 2000; tema

que se trata más adelante. (Standridge, Fisher, & Tsai, 1983) y (Yesalis, Norwood, & Lipson,

1982) desarrollaran una evaluación previa a la puesta en práctica de un sistema de reembolso

de asignación de capital. El autor (Pritsker et al., 1995) realiza un proyecto de simulación para



DE SIMULACIÓN

36

ayudar a establecer una política nacional en la asignación de donación de hígados a pacientes

que requieran trasplantes.

Para los “Procedimientos de atención a pacientes” (Brown-Standridge, Standridge, & Poole,

1993) ; (Standridge & Brown-Standridge, 1995) describen la combinación de la gestión de

calidad y de procedimientos de simulación para el diseño, prueba e implementación de un

sistema de terapia familiar breve o sus siglas en inglés (BSFT). El caso de estudio enfatiza el uso

de la experimentación tanto en el diseño y el modelado como en la simulación de procesos para

encontrar fallos, evaluar las alternativas de solución y las pruebas en los procesos de mejora

seleccionados.

Por su parte, los “Requerimientos de Inversión de capital” se benefician de la simulación debido

a que ayuda a resolver y optimizar el nivel de gasto de capital requerido con el fin proveer de

manera efectiva la atención al paciente. (C. Standridge & Steward, 1996ª, 1996b; Charles R.

Standridge & Steward, 1996) describen un modelo de simulación que ayuda a establecer los

recursos de una clínica veterinaria de la ciudad.

Por último, en la generación de Políticas de Operación para los Proveedores de Salud se

encuentran un gran número de modelamientos de simulación trabajados. Dentro de las

investigaciones más representativas se encuentra (Kwak, Kuzdrall, & Schmitz, 1976), (Klee,

Standridge, & Nath, 1980), (Dumas, 1984, 1985), (Vassilacopoulos, 1985), (Wright, 1987),

(Lowery & Martin, 1992), (Mahachek, 1992), (Garcia, Centeno, Rivera, & DeCario, 1995),

(Evans, Unger, & Gor, 1996), (Dittus, Klein, DeBrota, Dame, & Fitzgerald, 1996), (Shing, Chung,

Komashie, & Yorke-smith, 2013).

De lo anterior (Standridge, 1999) expone algunas de las características más valiosas del

modelamiento de simulación en el área de la salud, las cuales pueden ser usadas como apoyo al

manejo y administración de la información durante el desarrollo del modelo de asignación de

cuadrillas en las APS:

I. Grandes cantidades de información requieren de un análisis estadístico sofisticado con el fin de estimar los valores de entrada del modelo.

II. Los datos provenientes de múltiples fuentes necesitan rectificar la estimación de valores de los parámetros de entrada.

III. Hay una alta variabilidad en los requerimientos de cuidados de pacientes que serían representados con variables aleatorias o lógica de modelos complejos.

IV. Las tasas de arribo de pacientes pueden variar por hora del día, día de la semana o según el momento del mes.

V. La única fuente para algunos modelamientos de valores de entrada pueden ser la opinión de expertos.



DE SIMULACIÓN

37

VI. Integrar múltiples técnicas de modelamiento pueden ser necesarias para la construcción de un modelo.

VII. Puede haber una alta variabilidad en las salidas del sistema debido a la alta variabilidad en el comportamiento de pacientes y los procesos de cuidado.

Durante el desarrollo del modelos de simulación en el campo de la Salud se han encontrado

barreras que se deben tener presentes al momento de iniciar un proyecto; (Lowery, 1996)

realiza una primera aproximación clasificando las barreras como el desinterés histórico para

controlar los costos, la dependencia tradicional de los gestores sanitarios para el uso de técnicas

más simples, como las analíticas y deterministas para la toma de decisiones, la resistencia de

los administradores y prestadores a la naturaleza desconocida y deshumanizante de la

simulación, la complejidad técnica de la simulación y el número y variedad de clientes con

diferentes prioridades que dificultan las soluciones sugeridas por esta técnica.

En (Eldabi, 2009) se expone otras barreras que eventualmente se presentan tales como: el

conflicto de intereses; modelos que se basan en otros campos como la manufactura; y falta de

coincidencia de expectativas entre los proveedores de salud y los modeladores.

Por otro lado, (Standridge, 1999) sugiere unas ideas que pueden ayudar a superar dichas

barreras de aceptación del uso de la simulación en las aplicaciones del suministro de cuidados

de salud, según el autor, es importante asegurarse que:

I. La información provista por el modelo de simulación tenga más valor que la información suministrada por un análisis de valor esperado que puede ser implementado en una hoja de cálculo.

II. Se comprende claramente que el modelo de simulación incluye la posibilidad de ocurrencias aleatorias de múltiples eventos en tiempos cercanos que pueden hacer que el sistema se comporte de la peor forma posible.

III. El analista de simulación sea un integrante del equipo del proyecto ya que no se debe limitar a hacer la construcción del modelo y tareas de experimentación para apoyar al equipo.

IV. Se analicen todas las alternativas necesarias para una evaluación completa de los problemas que el proyecto esté evaluando.

V. Los resultados del modelo sean sensibles a las necesidades de información del proyecto.

VI. El modelo incluye todos los componentes relevantes de la operación del sistema.

VII. Es necesario construir y presentar un prototipo con resultados ilustrativos para el equipo del proyecto tan pronto como sea posible y en todo caso antes de iniciar el proyecto de mejora.



DE SIMULACIÓN

38

3.1.4 Modelos de Simulación en el campo de las APS

La 1° Conferencia Internacional sobre la Atención Primaria de Salud (APS) se llevó a cabo en la

antigua Unión Soviética (URSS) en 1978 y contó con la participación de 134 países, cuyo

objetivo central era mejorar el inaceptable estado de salud de millones de personas en el mundo

y tuvo como resultado la declaración de Alma Ata (OMS, 1978). Las cifras indicaban que para

ese año más de la mitad de la población mundial no recibía adecuada asistencia sanitaria, y

parecía aumentar la brecha de desigualdad entre países desarrollados y países en vía de

desarrollo, con relación al estado de salud de sus poblaciones.

Con anterioridad a la Declaración Alma Ata, diversos sectores habían centrado su atención en

los servicios sanitarios con el fin de promover y mejorar el modelo de APS a nivel mundial. Una

de las primeras investigaciones en el área de simulación sobre APS se llevó a cabo en 1977 y se

enfocó en la brecha entre el equilibrio de la oferta y la demanda de los servicios prestados.

El estudio realizado por (Standridge, Macal, Pritsker, Delcher, & Murray, 1977) en el estado de

Indiana, Estado Unidos se modeló con cuatro componentes principales: 1. Los proveedores de

atención primaria; 2. El volumen de los servicios de los proveedores; 3. La población y su

distribución geográfica; y 4. El volumen de los servicios que demanda la población.

Debe señalarse que, en este primer contacto de las APS con la simulación, el lenguaje empleado

fue GASP IV el cual permitía el modelamiento de eventos discretos y continuos del sistema. Los

eventos discretos que se tuvieron en cuenta fueron el cambio del tamaño de la población en un

punto preciso en el tiempo y la variación en la cantidad de profesionales en medicina que se

gradúan cada año. Como eventos continuos, el cambio del tamaño de la población en el tiempo,

por ejemplo, y la tasa de jubilación de los médicos.

En (Standridge, 1979) se plantea una mejora al modelo de simulación mencionado

anteriormente entre lo que se destacaron temas importantes que no se habían tenido en cuenta

como la adquisición de datos, análisis y gestión de estos, definición de medidas de rendimiento

del sistema y el desarrollo de trabajo en equipo que incluyó médicos y analistas del sistema.

En el caso de la variable la Población y su Distribución Geográfica, el estudio tomó como línea

base poblaciones con un mínimo de 2.000 habitantes (número aproximado de personas por

médico con atención primaria en los Estados Unidos para el año del estudio) y una cobertura

territorial de 20.358 kilómetros cuadrados por cuadrilla, o equipo proveedor de servicios

primarios de salud. Según los autores, el área indicada resulta razonable para el desplazamiento

y la prestación de los servicios.

También en el estudio se trató la estructura de las cuadrillas que se conformaron

principalmente por médicos generales, médicos de familia, pediatras, internistas, gineco-

obstetras y/o cirujanos generales y que comprendieron un rango de edad entre los 35 y 39

años; rango que contenía la mayor producción en términos de visitas por año para esta



DE SIMULACIÓN

39

especialidad. En la tabla 5, se muestra la realización de visitas para médicos generales y médicos

de familia.

Tabla 5. Numero relativo de visitas atendidas por médicos en diferentes rangos de edad de APS /Médicos generales y Médicos de Familia. Fuente: (Standridge, 1979)

Edad del Médico Visitas /Año

Menos de 35 0,812

35-39 1,024

40-44 0,958

45-49 0,892

50-54 0,825

55-59 0,759

60-64 0,693

65-69 0,626

Mayor de 69 0,527

La demanda potencial de asistencia sanitaria esencial fue definida como la percepción que tiene

la población de la necesidad del uso del servicio, sin tener en cuenta factores que puedan

interferir con el cubrimiento de la necesidad, por consiguiente, la demanda mencionada se

refiere a la cantidad de servicios médicos que en realidad requiere la población. Tal demanda

está respaldada por la capacidad y voluntad de pago no sólo del ciudadano, sino también de

otros costos asociados a la adquisición de los servicios prestados.

Dicha necesidad es requerida por una “Población Ideal” que (Hindle et al., 1978) la describe

como “Los ciudadanos que tienen plena accesibilidad geográfica, sin barreras económicas para la

atención primaria”, al usar esta definición el autor logra abarcar la totalidad de la población y

la demanda potencial de servicios de APS.

Uno de los hallazgos más importantes durante el desarrollo de la investigación, fue la destacada

flexibilidad de la simulación para modelar interacciones de los componentes del sistema,

independientemente de su nivel de complejidad, y que permitía la inclusión de detalles

relacionados con el modelamiento del sistema.

La metodología que siguió la investigación para el desarrollo del modelo la simulación fue:

i. Establecimiento de los objetivos de la Investigación Se establecen los objetivos principales y específicos de la investigación.

ii. Identificación e interrelación de los componentes del Sistema



DE SIMULACIÓN

40

En este punto se identificaron componentes importantes del sistema tales como la población, los proveedores, las visitas demandadas y suministradas. Las interacciones entre los componentes se especificaron mediante dos funciones matemáticas. La función de oferta que relaciona el número de proveedores de APS con el número de visitas previstas, y la segunda, la función demanda que analiza la población con el número de visitas demandadas de atención primaria. Otras interacciones de los componentes surgieron en la definición de las medidas de rendimiento del sistema y de los componentes surgieron durante la medición del desempeño del sistema.

iii. Interacción con los Médicos Como siguiente paso, se llevó a cabo un análisis entre los componentes del sistema y los médicos (Figura 12). Se llegó a la conclusión que el éxito de la investigación depende de la participación de los médicos en aspectos del proyecto tales como: definición del sistema, construcción de modelos, definición de medidas de rendimiento del sistema, y recolección de datos y análisis.

Figura 12. Componentes del sistema y su interrelación. Fuente:(Standridge, 1979)

Además, se decidió incluir ciertas características de los proveedores de APS en el

modelo como: la especialidad, edad y ubicación de la práctica, que podía ser urbana o

rural. Esto se hizo porque la función de oferta contemplaba la dependencia con estas

características.

Asimismo, se desarrolló un modelo de referencia, que permitía la comparación con

modelos alternativos y su diseño contempló parámetros que se estiman a partir de los

datos disponibles.

iv. Construcción del modelo

Cada componente del sistema fue proyectado hasta el año 2000. Adicional a los cambios

en las características de los proveedores de las APS mencionados, se incluyeron

cambios en las características de la población como: edad, sexo y lugar de residencia

(urbana y rural). De igual forma se contempló la dependencia temporal de las funciones

de oferta y demanda. (Figura 13).



DE SIMULACIÓN

41

Figura 13. Modelo de oferta de los médicos. (Un modelo similar fue utilizado para proyectar el personal no especializado). Fuente:(Standridge, 1979)

Para el cálculo del número de los médicos requeridos se consideró tres aspectos:

a) Aquellos de más de 65 años que se retiran o mueren a una tasa anual especificada.

b) Se determinó un número fijo de desplazamientos anual del personal médico (dentro y fuera del Estado de Indiana).

c) El proceso de formación de un médico que incluye el tiempo requerido en dicho proceso, es decir, contempla el tiempo de ingreso hasta que se gradué de la escuela de medicina, el tiempo internado y residencia, y el tiempo de la práctica. Este proceso se modeló como una serie de eventos discretos.

Las proyecciones de población se obtuvieron a partir de una fuente independiente.

Estos cálculos se realizaron por edad, sexo y país de residencia. Debido a esta división

por condado, se definió el área urbana de Indiana para todo el conjunto de condados

según las áreas estadísticas metropolitanas estándar (AEME). La zona rural se definió

como todos los otros condados. También se propuso en el diseño, un aumento fijo en el

porcentaje anual en la demanda de atención primaria. Del mismo modo, la función de

oferta permitió determinar una tasa anual de incremento porcentual.

v. Recolección de los datos y análisis

La adquisición de los datos se realizó a partir de una cantidad importante de fuentes.

Muchos problemas se presentaron en la conversión de los datos a una base única, que

luego se utiliza en la estimación de parámetros. Otra dificultad encontrada fue que

algunas de las bases no contenían un tamaño de muestra adecuado para cada

combinación de características a estudiar.



DE SIMULACIÓN

42

Para minimizar este impacto se manejaron datos que procedían de fuentes con

características semejantes, como por ejemplo la construcción de la función oferta y la

función demanda que se desarrolló con base en datos nacionales y se realizaron

estimaciones medias para los casos en la que los datos eran escasos.

vi. Mediciones del desempeño del sistema

Las medidas de rendimiento del sistema se desarrollaron para estimar qué tan bien los

proveedores cumplían las demandas impuestas, cuantos proveedores adicionales se

necesitaban, y cómo la combinación en las características de los proveedores estaba

afectando el sistema.

Las siguientes medidas de desempeño las discute (Standridge et al., 1978) y

complementa la etapa descrita:

• Cantidad de médicos

• Cantidad de personal no especializado

• Cantidad de personas por médico

• La disponibilidad de la atención primaria, la proporción de visitas suministrados por los proveedores a las visitas que demanda la población

• Cantidad de médicos de atención primaria adicionales que se necesitan para hacer el número de la visita exigió igual al número suministrado

• Porcentaje de las visitas médicas suministradas por médicos generales o de medicina familiar

• Porcentaje de visitas médicas suministradas por el personal no especializado

vii. Análisis de datos de salida

Esta etapa fue una de las etapas más importante del proceso de la investigación, en el

cual se evaluaron diferentes escenarios que ayudaron a validar y comparar alternativas

de políticas públicas, así como realizar las proyecciones de años futuros de las APS para

el área objeto de estudio.



DE SIMULACIÓN

43

Otros acercamientos de la simulación con las APS han surgido durante el transcurso de los

últimos años. Cómo la investigación realizada por (Balasubramanian, Banerjee, Gregg, &

Denton, 2007) en el cual su objetivo principal fue el de mejorar en el acceso a la atención

primaria de salud por medio de un modelo de simulación.

La problemática contemplada en el estudio fue determinar el tamaño y la composición del

grupo de médicos en las APS, teniendo en cuenta el número de pacientes que demandaba el

servicio y las diferentes categorías relacionadas con la salud a las que pertenecían.

De acuerdo con esto se planteó y trabajo en tres objetivos para el diseño de modelo de

simulación: disminución de tiempo de espera del paciente para ver un proveedor de APS,

maximizar las visitas o minimizar los redireccionamientos a otros puntos del sistema de salud

y optimizar la capacidad adicional que se agrega en cada periodo.

Como resultado de los escenarios planteados se mostró las mejoras en la atención primaria de

salud, pero también las implicaciones prácticas que se pueden derivar al alterar el diseño actual

de la operación, como por ejemplo la de cambiar repentinamente los médicos de cabecera de

los pacientes. Por consiguiente, se planteó soluciones alternativas como la de implementar

gradualmente el modelo de simulación a medida que se origina la salida de enfermos del

sistema (por muerte, desplazamiento u otra causa) y el ingreso de nuevos pacientes al sistema

de forma regular.

De igual manera (Fialho, Oliveira, & Sá, 2011) adopta la simulación para comparar las APS

con las Unidades de Salud Familiar, teniendo en cuenta las reformas realizadas en el sistema

de salud de Portugal, donde se generaron políticas con el objetivo de cambiar la organización,

las estructuras de incentivos y la financiación del sector de la atención primaria de salud.

Se diseñan modelos de simulación de eventos discretos para los dos tipos de organización,

aplicados a los datos de diecinueve unidades de atención primaria de tres municipios del área

metropolitana de Lisboa.

Dentro de las variables claves que se manejaron en esta investigación contemplaron dos grupos

principales, el primero asociado a los indicadores de desempeño y el segundo los parámetros

usados en el modelo con los cuales se generaron las distribuciones probabilísticas (Tabla 6 y

Tabla 7).



DE SIMULACIÓN

44

Tabla 6. Lista de indicadores de rendimiento claves usados en el modelo. Fuente: (Fialho et al., 2011).

Indicador Descripción

Programación de Citas *El número de días necesario para organizar un médico general / médico de familia

Consultas Ambulatorias

*Número de consultas anuales por Medico *El tiempo invertido en la sala de espera (min)

Consultas de Emergencia

*Número de consultas de Emergencia anuales por Medico *Tiempo de espera invertido en la sala de Emergencia (min)

Consultas de Enfermería

*Número de consultas de enfermería anuales por enfermero *El tiempo invertido en la sala de espera para los diabéticos, niño o consultas prenatales (min) *El tiempo invertido en la sala de espera para vacunas u otros tipos de tratamientos (min)

Costos *Los costos anuales de diagnóstico, medicamentos y otros tratamientos (€), los costos anuales de los profesionales (€) costos totales anuales (€)

Tabla 7. Lista de Parámetros clave usados en el modelo. (Fialho et al., 2011).

Tipo de Parámetro Parámetro Entrada *Tiempo de Arribo

Flujo Interno *Tipo de Consulta

*Número de Médicos

*Días de las consultas

*Programación de médicos

*Programación de Enfermeros

*Duración consultas para adultos

*Duración otras consultas

*Duración Consultas de enfermería

Remuneración *Costo de consultas con profesionales

*Costo por consulta de exámenes de diagnóstico, medicamentos y otros tratamientos

Salida *Reingreso de Pacientes

Adicional a lo anterior durante la investigación se resaltaron las diferencias entre los dos

sistemas como el calendario de atención, programación de citas, consultas médicas, consulta de

emergencias y costos.

Uno de los resultados más relevantes fue medir y generar mejoras sustanciales en la

productividad y accesibilidad del sistema, sin impactar significativamente en los costos.

Adicionalmente se evidenció que el sistema a implementar repotenció a las APS en Portugal, ya

que, aumentó la accesibilidad de los pacientes a los servicios y la eficiencia en la prestación de

servicios de atención primaria.



DE SIMULACIÓN

45

3.1.5 Técnicas y herramientas utilizadas en los modelos de simulación en el sector salud

En la Tabla 8, se encuentran un número considerable de trabajos e investigaciones que abordan

las técnicas de simulación en los sistemas de salud, algunos de ellos en (Almagooshi, 2015)

quién recopiló algunos de los trabajos de simulación en el área de salud en las dos últimas

décadas, teniendo en cuenta características importantes como la herramienta o software

empleado.

Tabla 8 Sistemas de. Simulación en atención de Salud (Simulación Discreta “DES”, Simulación Basada en Agentes “ABM”). Fuente:(Almagooshi, 2015)

Referencia Tipo de

Simulación Objetivo del Estudio Plataforma

(Ahmed & Amagoh, 2008) DES Flujo de pacientes en un Hospital AWESIM

(Jones & Evans, 2008) ABM Programación horarios de médicos en la unidad de Urgencias

NetLogo

(Lee et al., 2010) ABM Distribución de Vacunas H1N1 C++

(Brenner et al., 2010) DES Modelo y análisis de la simulación de la unidad de Emergencias

SIMUL8

(Charfeddine & Montreuil, 2010)

ABM Población con una enfermedad crónica específica

Anylogic

(Monks, Pitt, Stein, & James, 2012)

DES Maximizar atención para trombosis producidas por derrame cerebral

SIMUL8

(Andreev et al., 2013) DES Modelo de muertes por ataques cardíacos MATLAB

(Taboada, Cabrera, Luque, Epelde, & Iglesias, 2013)

ABM Flujo de Pacientes en Emergencias.

NetLogo

(Weng, Tsai, Wang, Chang, & Gotcher, 2011)

DES Flujo de Pacientes en Emergencias

ARENA

(Wong, Tsui, Chin, & Xu, 2011)

DES Flujo de Pacientes en Emergencias

ARENA

(Zeinali, Mahootchi, & Sepehri, 2015)

DES Planeación de recursos Unidad de Emergencias

ARENA

(Shi, Peng, & Erdem, 2014) DES Desempeño de las Operaciones clínicas ARENA

(Venkatadri, Raghavan, Kesavakumaran, Lam, &

Srihari, 2011)

DES Mejorar el proceso de laboratorio de cateterismo cardíaco

ARENA

(Aboueljinane, Sahin, Jemai, & Marty, 2014)

DES Mejorar el funcionamiento del servicio médico de emergencia.

ARENA

(Cabrera, Taboada, Iglesias, Epelde, & Luque, 2011)

ABM Mejorar el funcionamiento de Unidad de Emergencias

Netlogo

(Lu, Tsai, & Chu, 2014) ABM Operación de la Unidad de Emergencias ARENA

Estas investigaciones aportan un conocimiento importante para abordar alguna de las técnicas

de simulación y las herramientas que han sido utilizadas, que contribuyen en detectar las

características positivas y negativas de su uso en los modelos estudiados.



DE SIMULACIÓN

46

3.2 CONCEPTUALIZACIÓN DE SIMULACIÓN BASADA EN AGENTES

Antes de pasar al siguiente capítulo, se realiza una conceptualización de las características y

definición de un agente, así como algunas plataformas que se usan para desarrollar los modelos

de simulación basados de agentes, metodologías y áreas en las cuales ha tenido una

participación en la solución de problemas reales.

3.2.1 Que es un agente?

Según la Real Academia Española, un Agente se puede describir como “el que obra o tienen

virtud de obrar” o “Persona o cosa que produce un efecto”. Lo anterior, si bien es una

definición general describe en esencia un Agente en simulación. Para ser más específicos, un

agente en un modelo de simulación puede representar diversas cosas tales como vehículos,

unidades de equipamiento, proyectos, productos, ideas, organizaciones, inversiones, porciones

de tierra, personas en diferentes roles, entre otros.

Estos agentes son individuos únicos y entidades autónomas que normalmente interactúan

entre ellos y su ambiente. Una de la característica más importante es que cada agente es

usualmente diferente a los otros en sus características, por ejemplo: Tamaño, ubicación,

historia.

En la Figura 14, se reúne algunas de las características más relevantes de Agente en los sistemas

de simulación:

Medio

Ambiente

Medio

Ambiente

Figura 14. Descripción de un agente. Fuente: (Macal & North, 2006)



DE SIMULACIÓN

47

Principales Características:

- Un agente debe ser identificable, un individuo discreto que tenga un conjunto de

características y reglas que gobiernan su comportamiento y su capacidad de toma de

decisiones. El agente tiene un límite y el analista puede determinar que hace parte de él

o no y hacerlo compartir sus características.

- El agente es situado, viviendo en un ambiente e interactuando con otros agentes. El

agente tiene protocolos de interacción, como para la comunicación y la capacidad de

responder al entorno.

- Un agente puede ser dirigido a un objetivo, teniendo objetivos por alcanzar con respecto

a su comportamiento. Esto le permite a un agente comparar el resultado de su

comportamiento en relación con sus objetivos.

- Un agente es autónomo y autodirigido. Adicional, puede funcionar independientemente

en su entorno y en su trato con otros agentes, al menos en un rango limitado de

situaciones que son de interés.

- Un agente es flexible, teniendo la habilidad de aprender y adaptar su comportamiento,

basado en la experiencia que ha tenido. Este requiere una memoria.

3.2.2 Plataformas para el desarrollo de sistemas multi-agente

Con el auge de la tecnología en los últimos años, existe un gran número de plataformas para el

desarrollo de sistemas basados en Agente (ABMs), que permiten trabajar no solo en la

programación de los agentes sino en su comunicación y coordinación.

Se describen algunas de las plataformas más relevantes descritas en (Bordini et al., 2006), que

realiza una revisión de los aspectos más importantes y lenguajes utilizados por cada una. Este

último, teniendo una gran relevancia debido a que en algunos casos es un criterio de selección

de la plataforma a utilizar en un proyecto de ABM.

AnyLogic: Es una plataforma de simulación multi-método, que soporta no solo

simulación basada en agentes (MBS), sino también sistemas dinámicos y discretos. La

flexibilidad de esta plataforma permite al usuario capturar la complejidad y

heterogeneidad de negocios, economía y sistemas sociales. Su interfaz y herramientas

permite realizar modelos en un menor tiempo: modelos que pueden estar compuestos

de construcciones modulares, jerárquicas e incrementales. Lenguaje: Java



DE SIMULACIÓN

48

Netlogo: Es un entorno de modelado programable de agentes múltiples. Permite la

exploración de fenómenos emergentes: Este viene con un extensivo número de

librerías, incluyendo modelos en una gran variedad de áreas, como son: economía,

bilogía, psicología, química y sistemas dinámicos. Una gran característica en el área de

investigación es la posibilidad de trabajar con este software como herramienta de

educación, lo cual la hace muy popular en la comunidad de investigación y de educación.

Lenguaje: Netlogo

JADE: Es un framework totalmente implementado en Java. Representa un sistema

middle-ware que pretende cumplir con las especificaciones de estándares de software

para agentes, establecidos por la Fundación para Agentes Físicos Inteligentes (FIPA). La

plataforma de agentes puede ser distribuida a través de máquinas que no

necesariamente tengan el mismo sistema operativo y su configuración puede ser

administrada a por medio de una interfaz de usuario. Actualmente JADE es una de las

plataformas de agentes más populares en el cumplimiento FIPA en la comunidad

industrial y académica.

Cormas: Es una plataforma de simulación basada en un entorno de programación de

Visualworks, el cual permite el desarrollo de aplicaciones en lenguaje orientado a

objetos. Este facilita la construcción de modelos basado en agentes y en el diseño,

monitoreo y análisis de los escenarios implementados. Cormas es muy popular y provee

características interesantes para las aplicaciones de la vida real. Lenguaje: Java,

Smalltalk

A parte de las plataformas descritas anteriormente, hay una gran variedad de herramientas que

se acomodan a la necesidad, capacidad de adquisición y/o conocimiento de la persona que

desarrollara un sistema basado en agentes.

3.2.3. Metodologías para la construcción de modelos de simulación de sistemas basados en

agentes.

La simulación basada en agentes es relativamente nueva en los sistemas de simulación en

comparación con la Simulación discreta y dinámica. Aunque pueden variar su definición, la

filosofía y uso es similar – simulando la interacción de objetos de forma autónoma para la

identificación, explicación, generación y diseño de comportamientos emergentes. Sin embargo,

también la Simulación Basada en Agentes (ABS) se puede definir como un hibrido de un modelo

de simulación Discreta-continua con proactividad, autónoma y entidades inteligentes (Chan,

Son, & Macal, 2011).

A partir de lo anterior, podemos encontrar un número importante de metodologías para

abordar este tipo de simulación; en algunos casos están orientadas a apoyar determinados tipos

de áreas en las cuales se piensa trabajar.



DE SIMULACIÓN

49

Igualmente, cada día surgen nuevas metodologías, como la presentada en la Figura 15.

Siguiente, en el cual se utiliza los marcos de procesos de ingeniería de software convencionales,

para generar una metodología de ABS (Fernandes & Moura, 2004) ; definiendo flujos de trabajo

donde los usuarios, los modeladores de simulación, los desarrolladores de software, los

evaluadores y los expertos del dominio de simulación colaboran con el propósito de

racionalizar el desarrollo y la reutilización de las simulaciones y los componentes del agente.

Figura 15. MASIM: Fases de la metodología para el Desarrollo de Simulación basada en Agentes. Fuente: (Fernandes & Moura, 2004)

Esta metodología llamada MASIM consiste básicamente en 5 fases, las cuales consisten en lo

siguiente:

Requerimientos: En este punto se debe identificar el o los objetivos del modelo de

simulación como lo requiera la aplicación.

Fase del Modelado: El principal objetivo de esta fase s la construcción de un modelo

abstracto del sistema, presentando la interacción entre dependencias y elementos.

Diseño: Aquí se traduce el modelo en un conjunto de especificaciones concretas el

cual permita una fácil implementación. También se puede identificar código o patrones

que puedan ser reutilizados en futuros desarrollos.



DE SIMULACIÓN

50

Fase de Implementación: básicamente en este ´punto del proceso se codifica la

especificación en un lenguaje de programación.

Verificación, Validación y Acreditación (VV&A): En este se realiza la comparación

entre los resultados obtenidos en el sistema de simulación con el sistema real. Se puede

determinar en esta fase si la aplicación desarrollada es consistente con los

requerimientos inicialmente propuestos.

Debido a que esta metodología es basada en un procedimiento de desarrollo de software su

proceso es cíclico y cuenta con roles como: usuario final, modelador, experto, arquitecto de

software, diseñador, desarrollador y el asegurador de calidad.

(Macal & North, 2006) también indica 5 pasos generales para modelar un sistema de simulación

de agentes que se pueden aplicar en cualquier sistema de simulación de este tipo y en el área

que se requiera. En la figura 16 se detallan estos pasos.

Figura 16. Pasos Generales en la construcción de un Modelo de simulación basado en Agentes. Fuente: realizado por el Autor basado en (Macal & North, 2006)



DE SIMULACIÓN

51

3.2.3 Revisión de aplicaciones de sistemas multi-agente

La aplicación de las ABS permite comprender la complejidad y administrar la incertidumbre de

las organizaciones; apoyando la toma de decisiones, con la comprensión de sus problemas y su

entorno. Dado lo anterior, existe modelos de simulación implementados en diferentes áreas:

(Gómez-Cruz, Loaiza Saa, & Ortega Hurtado, 2017) consolidan el impacto de las ABS en estas

áreas y las aplicaciones que se les ha dado.

Como resultado, se identifica que la mayoría de las aplicaciones se presentan en el área de

Operaciones y logística (37%), seguido de marketing (17%) y comportamiento organizacional

(14%). En la Figura 17 se detalla los resultados.

Figura 17. Aplicaciones de MBAs x Áreas. Fuente: (Gómez-Cruz et al., 2017)

Como se logra observar en la Tabla 9, Dentro de las subcategorías se destaca un mayor desarrollo de los modelos basados en agentes en las redes de Suministro, administración de

Proyectos y Desarrollo e Investigación.

Tabla 9. Subcategorías en las áreas de aplicación de MBA. Fuente: (Gómez-Cruz et al., 2017)

Categorías Subcategorías % Comportamiento organizacional Cambio Organizacional 2.2%

Aprendizaje Organizacional 1.7%

Diseño Organizacional 2.8%

Psicología Organizacional 0.6%

Sin Clasificar 6.6%

Administración Estratégica y Toma de Decisiones 7.2%

Desarrollo e Investigación 8.3%

Operaciones y Logística Operaciones 5.0%

Asistencia Sanitaria 1.7%



DE SIMULACIÓN

52

Producción 6.1%

Redes de Suministro 17.7%

Transporte 6.1% Marketing Marketing Tradicional 2.2%

Marketing Digital 2.2%

Marketing Social 0.6%

Difusión de Innovaciones 6.6%

Otros Tópicos 5.5%

Human resources 2.2%

Educación en Administración 3.3%

Otras Categorías Ejemplos: Administración de Proyectos, Administración pública, responsabilidad Social y Emprendimiento

11.6%



DE SIMULACIÓN

53

Capítulo 4

APROXIMACIÓN MULTI-AGENTE DEL PROBLEMA DE ASIGNACIÓN DE

CUADRILLAS APS

La definición original de APS se plantea de manera implícita como una estrategia para el

desarrollo de la salud, así como también un nivel de atención de servicios de salud. En

Latinoamérica, la atención primaria de salud ha sido adoptada y adaptada por algunos países

de acuerdo con sus propias realidades y condiciones sanitarias y socioeconómicas. Bajo tal

perspectiva, numerosos países han concebido la APS como el nivel primario de atención, es

decir, como el punto de contacto con la comunidad y puerta de entrada de la población al

sistema de salud (OPS/OMS, 2003).

Para la operativización y prestación de los servicios de APS de forma coordinada intra e

intersectorialmente, integral, efectiva y sostenible, se cuenta con equipos de salud

multidisciplinarios (Rey-gamero & Acosta-ramírez, 2011), que para el desarrollo de esta

investigación se nombran como “Cuadrillas de APS”. Estos grupos incluyen profesionales

orientados a desarrollar procesos de atención integral, gestión y acompañamiento a tomadores

de decisiones de las instituciones del sistema de salud y de las entidades territoriales, así como

para la caracterización poblacional e intervenciones en la promoción de la salud.

De la interacción de los anteriores actores emerge el comportamiento general del sistema el

cual tiene como principal objetivo el prestar el servicio de atención primaria de salud. Lo

anterior sugiere que este sistema puede ser desarrollado mediante un modelo de multi-agente

debido a que existe una clara diferenciación de las entidades que componen el sistema, de sus

interacciones y el proceso de comunicación entre estas, además de que las entidades actúan a

favor de cumplir el objetivo general del sistema.

4.1. Etapa De Conceptualización Del Sistema

En este punto del documento se describen los actores que inicialmente se definieron en el

desarrollo de la investigación, con sus principales propiedades, variables e interacción que

presentan unos con otros y con su entorno. Teniendo en cuenta que se desarrolla un modelo

multi-agente, los actores establecidos en el sistema se clasifica como “Agentes”, y el lugar donde

se llevara a cabo el estudio como “Parche”.

Finalmente empleando un diagrama de casos de uso se expone la interacción de estos de los

Agentes durante la prestación de servicios de Atención Primaria de Salud.



DE SIMULACIÓN

54

4.1.1 Definición De Los Agentes

Familia (Agente):

Debido a la diversidad cultural en el territorio Colombiano se puede encontrar diferentes

definiciones para la “Familia” (Bash, 2015). Así, para la definición estructural de las Familias,

su conformación depende principalmente por criterios consanguíneos, co-habitacionales y

afectivos. Patricia Ares Muzio (Muzio, 1990) los describe como:

✓ Criterio de consanguinidad: familia son todas aquellas personas con vínculos

conyugales o consanguíneos.

✓ Criterios co-habitacionales, son todas aquellas personas que cohabitan bajo un

mismo techo, unidos por constantes espacio– temporales.

✓ Criterios de afectividad: son todas aquellas personas que tienen un núcleo de

relaciones afectivas estables.

Por consiguiente, para el desarrollo de la investigación se adopta la definición empleada por el DANE, debido a que esta comprende los criterios anteriormente mencionados y es la unidad de observación utilizada en las encuestas que contienen los datos que se utilizaran posteriormente.

i. Definición: Entidad que se basa en el parentesco de cada una de las personas del hogar con quien ejerce la jefatura del hogar, por tanto, no se tiene en cuenta a la empleada doméstica, ni a los residentes no habituales (visitantes) (Bash, 2015) .

ii. Caracterización del Agente “Familia”:

Estrato:

Estratificación económica a la que pertenecen los grupos familiares, analizados y

estudiados. Estos estratos se clasifican y describen según DANE en (DANE, 2016):

1. Bajo-bajo 2. Bajo 3. Medio-bajo 4. Medio 5. Medio-Alto 6. Alto

De éstos, los estratos 1, 2 y 3 corresponden a estratos bajos que albergan a los usuarios

con menores recursos, los cuales son beneficiarios de subsidios en los servicios públicos

domiciliarios; los estratos 5 y 6 corresponden a estratos altos que albergan a los



DE SIMULACIÓN

55

usuarios con mayores recursos económicos, los cuales deben pagar sobrecostos

(contribución) sobre el valor de los servicios públicos domiciliarios. El estrato 4 no es

beneficiario de subsidios, ni debe pagar sobrecostos, paga exactamente el valor que la

empresa defina como costo de prestación del servicio.

Cantidad de Familias:

Es la información demográfica del grupo de Familias en la región de estudio el cual es

de gran interés no sólo como componente fundamental en el desarrollo del modelo

planteado en la investigación, sino que son quienes demandan el servicio de APS.

Rango de edad Personas que conforman la Familia:

Distribución por grupos de edad de las personas que conforman los grupos familiares. Estos

grupos que cubren el ciclo vital obedecen a la reglamentación generada en las diferentes

políticas públicas en el territorio Colombiano (Ministerio de Salud y Protección Social,

2013).

1. Primera infancia: Menores de 5 años

2. Infantes: Niños y niñas entre 6 a 11 años

3. Adolescentes: Personas entre 12 a 18 años

4. Jóvenes: Personas entre 19 a 26 años

5. Adultos: Personas entre 27 a 59 años

6. Persona mayor: Mayores de 60 años.

Familias por Vivienda:

Cantidad de familias que conviven en la misma vivienda en el área de estudio, y a las cuales

se les puede prestar el servicio de APS en una misma locación. (Secretaría Distrital de

Planeación, 2011).

Tipos de Familia:

Según (Asociación Probienestar de la Familia Colombiana Profamilia, Bogatá, Colombia y

ICF Macro, Calverton, Maryland, 2011) los hogares se clasifican según la tipología de las

familias. La base para la tipología es el parentesco de cada una de las personas del hogar

con el jefe, lo que permite clasificar directamente a cada hogar, así: Los hogares se

clasificaron en unipersonales, nucleares, extensos y compuestos.



DE SIMULACIÓN

56

En la siguiente tabla se caracteriza la clasificación de las familias según la secretaria distrital de

planeación (Bash, 2015).

Tabla 10. Clasificación tipos de familia Fuente:(Bash, 2015)

Cuadrillas de APS (Agente):

i. Definición: Son grupos prestadores de servicios de atención primaria de salud, en el cual su composición debe ajustarse a las características concretas del sistema y la comunidad que atiende. Por tanto, no existen modelos universales que permitan describir una composición válida para todos los lugares y contextos sociales. Por lo anterior la forma organizativa a través de la cual su estructura y funcionamiento se adecuan para solucionar las necesidades del individuo, la familia y la comunidad (OPS/OMS, 2007b).

ii. Caracterización del Agente “Cuadrilla”: Composición: Se tienen en cuenta que la composición de un equipo de atención primaria debe ajustarse a las características concretas del sistema y la comunidad que atiende. Por tanto, no existen modelos universales que permitan describir una composición válida para todos los lugares y contextos sociales (OPS/OMS, 2007b). En el desarrollo de la

Formas familiares/ Tipos de familias

Características/ Composición

Descripción

Unipersonal Compuesta por una persona

Nuclear (Conformados por el jefe de

hogar, su cónyuge y los hijos sin otras personas a cargo).

Completa Cuando ambos cónyuges viven

Incompleta Cuando uno de los cónyuges ha fallecido

Pareja sin hijos Conformada solo por la pareja sin hijos

Extensa Completa La familia nuclear de cualquiera de los tres tipos definidos anteriormente se les agregan otros

parientes consanguíneos de los miembros del núcleo: padres

del jefe o del cónyuge, hermanos de ellos o

nietos.

Incompleta

Pareja sin hijos

Jefe y otros parientes

Compuesta

Cuando aparecen además otras personas no parientas.



DE SIMULACIÓN

57

investigación para Bogotá se estima los siguientes integrantes de las cuadrillas de APS, los cuales cubren las.

• Doctor General (Médico de Familia): El médico de Familia o doctor general tiene los conocimientos y las destrezas necesarias para diagnosticar y resolver con tratamiento médico y con procedimientos sencillos la mayoría de los padecimientos que los integrantes de las familias presenten.

• Pediatra Es el medico que se ocupa del estudio del crecimiento y el desarrollo de los niños en las familias hasta la adolescencia (18 años), así como del tratamiento y seguimiento de sus enfermedades.

• Enfermero(a): Los enfermeros se encargan de la atención y la colaboración dispensada a todos los integrantes de las familias, enfermos o no, durante atención primaria brindada por la cuadrilla. Comprende la promoción de la salud, la prevención de enfermedades y la atención dispensada a enfermos, discapacitados y personas en situación terminal.

• Trabajador Social: Es el profesional el cual tiene como objetivo principal establecer un vínculo entre los servicios de atención primaria de salud y las familias, con el fin de mejorar la circulación de la información, las iniciativas y los recursos entre ambas partes. Asimismo, se encarga de dinamizar acciones de promoción de la salud realizadas desde cada una de ellas, o de forma conjunta. Busca además influir tanto en la cada familia como en la comunidad.

• Nutricionista: Este componente de la cuadrilla está en la capacidad para ayudar, enseñar a los integrantes de la familia de cualquier edad, a tener una vida saludable mediante obtener resultados mejores de una buena dieta balanceada, previniendo así enfermedades como la obesidad infantil o la obesidad mórbida, a un nutricionista se le conoce también como dietista o nutriólogo y es un profesional capacitado y entrenado en el estudio del cuerpo humano y su funcionamiento.

• Odontólogo: Es el profesional de la salud estará dedicado a mantener en un buen estado la salud bucal de las familias, cuidando evaluar detalladamente el estado de los dientes, encías, lengua y áreas adyacentes a los mismos, para así poder



DE SIMULACIÓN

58

identificar anomalías en la posición de los dientes o enfermedades que los podrían estar afectando a ellos o las encías. Algunas de las actividades de prevención que se podrán llevar acabo están: - Control de placa. - Clasificación de riesgo e instrucción de higiene oral - Control de placa y de cepillado - Educación en salud oral y control de riesgo - Aplicación tópica seriada de fluoruros, - Terapia de mantenimiento, - Aplicación de sellante de autocurado en fosetas y fisuras, - Aplicación de sellantes de fotocurado en fosetas y fisuras

Estas actividades de prevención están relacionadas en el artículo 89 de la resolución 5261 de 1994 (Ministerio de Salud y Protección Social, 1994).

• Oftalmólogo: El oftalmólogo es un médico que está especializado en todas las enfermedades y trastornos que pueden afectar a los ojos y a la calidad de la visión. Gracias a todos los dispositivos y aparatos que ayudan en el estudio de la visión y la integridad estructural del ojo, se pueden detectar trastornos y determinar las modalidades de corrección que pueda aplicarse a los integrantes de las familias.

• Psicólogo:

El psicólogo de la cuadrilla APS apoyara a los integrantes de las familias en el ámbito comunitario y social como son las acciones de promoción y prevención en salud mental. Estará en la capacidad de tratar trastornos depresivos, trastornos de hiperactividad, trastornos psiquiátricos más relevantes (Esquizofrenia), trastornos asociados a Alzheimer, como también, trabajo con redes más amplias como el sistema jurídico en la intervención de la salud mental asociado a violencia (maltrato infantil, abuso sexual, violencia, política etc.).

Cobertura de las Cuadrillas APS

La cobertura en el modelo a desarrollar se manejará de dos maneras diferentes: La primera refiere a la cobertura territorial que podrá tener cada cuadrilla para prestar los servicios de APS. Las unidades de medida del área estarán dadas en metros cuadrados (𝑚2). La segunda cobertura trata del número de familias que atenderá la cuadrilla en la atención primaria de salud. Esto con el fin de optimizar tiempos y cobertura del servicio.



DE SIMULACIÓN

59

Por lo anterior se puede presentar el caso que en una misma área territorial se encuentre más de una cuadrilla de APS.

Tiempo de desplazamiento Cuadrillas APS

El tiempo promedio de desplazamiento por viaje en la ciudad de Bogotá según la Secretaria De Movilidad (SDM) para un carro en el 2015 oscila en 44 minutos (Camara de comercio de Bogotá, 2016); tiempo que se tomara como base para el desplazamiento de la cuadrilla de APS de un destino a otro, siempre y cuando las familias no convivan en la misma vivienda . Tiempo de atención cuadrillas APS: Cada especialidad (Medicina familiar, Pediatría, Nutrición, Odontología) prestada por los integrantes de la cuadrilla tendrá un tiempo no menor a 20 minutos, cumpliendo el mínimo establecido en el artículo 97 de la resolución 5261 de 1994 (Ministerio de Salud y Protección Social, 1994): “Artículo 97 Consulta Médica General: Como lo establece la Ley 100 de 1993, el médico

general es la base y el motor de todo el engranaje de salud en el plan que se describe,

conjuntamente con el personal paramédico y auxiliar, quienes serán la pueda de entrada al

sistema. El contacto del paciente con la EPS será más estrecho, frecuente y regular a través

de su médico general. Será él quien establezca las pautas para la promoción y la prevención.

La consulta no debe ser menor de veinte (20) minutos. En este nivel de complejidad el

paciente y su familia pueden acceder y colaborar más activamente en el mantenimiento,

control y recuperación de su salud”.

Para el caso de los servicios de enfermería y Agente comunitario, podrán desarrollarse paralelamente al resto de actividades desarrolladas por las cuadrillas. El tiempo en este caso estará dado por el tiempo empleado en desarrollar las especialidades principales.

4.1.2 Definición de las interacciones

En esta parte del capítulo se describe la interacción que tienen los diferentes actores en la

atención primaria de salud. Para desarrollar esta descripción se emplea un diagrama de

comportamiento del lenguaje de modelado “UML” llamado “Casos de Uso” (Figura 18). Este

constituye uno de los modelos más utilizados por la industria del Software debido principalmente a

su simplicidad, capturando el comportamiento del sistema, subsistemas, clases y componentes

que interactúan en la APS, desde el punto de vista de sus usuarios (Awaad, Krauss, & Schmatz,

1978).



DE SIMULACIÓN

60

Figura 18. Diagrama de casos de uso del problema de Atención Primaria en Salud

El diagrama utiliza la notación <<extend>> que se refiere a que un caso extiende el

comportamiento del caso de uso anterior, y la notación <<include>> para demostrar

dependencia del caso de uso base. En la tabla 11 se observa la plantilla del diagrama de caso de

uso.



DE SIMULACIÓN

61

Tabla 11. Plantilla de caso de uso APS. Fuente Autor

Proyecto de Investigación

Autor

Versión Estado de Desarrollo: En desarrollo

Codigo

Objetivo

Descripción

Actores

Paso

1

2

3

4

5

6

7

8

Paso

6

7

8

9

Información general de Caso de Uso

Definición de Caso de Uso

Caso de Uso - 02

Las cuadrillas de APS se trasladan a las diferentes ubicación geograficas

donde viven, las familias según la asignación dada, con el fin de prestar la

atención escencial de salud.

Acción

Cuadrillas de APS

Modelo de asignación de cuadrillas en el servicio atención primaria de

salud “APS” mediante la integración de herramientas de simulación.

NESTOR DAVID RODRIGUEZ GARZON

Brindar atención primaria de salud a la población de Bogotá por medio de

Cuadrillas APS.

2.0

Secuencia Normal

Se brinda atención primaria en cada especialidad a los

integrates de la familia, según corresponda.

Se finaliza la visita domiciliaria de la cuadrilla.

Se presenta irregularidades en el estado de salud en uno o

mas integrantes de la familia; de acuerdo con la gravedad se

remitira a consulta especialista o a urgencias.

Se programara una fecha de visita por parte de la cuadrilla,

para realizar seguimiento a la afecciones detectadas en la

anterior visita.

Se actualiza el estado de salud de las personas que hacen parte

de la familia.

Se emite un certificado de prestación de APS e información de

la fecha de la proxima visita, por parte de la cuadrilla.

Escenario Alternativo

La cuadrilla valida y confirma la información de la familia a

visitar. (Ubicación, integrantes, historial médico, etc)

La cuadrilla se traslada a la locación donde habita la familia

asignada.

Se actualiza la infomación de los integrantes de la Familia.

Información tal como número de integrantes, tipo de familia,

entre otros.



Se finaliza la visita domiciliaria de APS.

Acción

Cuadrilla valida si hay familias programadas por atender



DE SIMULACIÓN

62

4.2. Etapa De Análisis Del Sistema

En esta etapa mediante la utilización de distintos diagramas UML se representan las actividades

desarrolladas por cada entidad y la comunicación entre tales entidades. La primera ilustra la naturaleza

dinámica del sistema mediante el modelado del flujo ocurrente de actividad en actividad. La segunda

muestra la mecánica de la interacción y comunicación con base en los tiempos.

4.2.1 Diagrama de Actividades

La Figura 19 contiene las actividades que las entidades realizan en el sistema (representadas en forma

de flujo). El inicio del flujo es un nuevo ciclo del servicio de APS en la ciudad de Bogotá; el tiempo

programado para cada ciclo este definido con anterioridad, al igual que las familias iniciales a atender.

Cada ciclo finaliza cuando se atiende la totalidad de familias planeadas. En este punto la información de

las familias se encuentra actualizada (tipo de familia, Composición, ubicación, estado de salud, entre

otros). Adicional a esta información, se incluye la información de las familias nuevas que se registraron

durante el ciclo y que estas familias serán atendidas en el siguiente ciclo.

Escenario de Alternativo 2 Paso

3

4

5

6

7

8

Escenario de Excepción Paso

3

4

Escenario de Excepción 2 Paso

3

Frecuencia

Importancia

Urgencia

Inicialmente , 1 vez cada 6 meses,

Vital

Estandar

Acción

La familia ha cambiado de domicilio. Se registra la información

del cambio.

Se actualiza el estado de salud de las personas que hacen parte

de la familia.



Se finaliza la visita domiciliaria de la cuadrilla.

Acción

No responden en el domicilio. Se registra la información y se

da por cancelada la atención primaria.

Se brinda atención primaria en cada especialidad a los

integrates de la familia, según corresponda.

Se actualiza la infomación de los integrantes de la nueva

Familia. Información tal como número de integrantes, tipo de

familia, entre otros.

Acción

La familiase no permite que se le realice la atención primaria

de salud, a ninguno de sus miembros.

Se registra la información y se reprograma la visita.



DE SIMULACIÓN

63

Figura 19. Diagrama de actividades del sistema de APS. Fuente: Autor

4.2.2 Comunicación e interacción

Para el caso de esta investigación la representación de la interacción y comunicación de los agentes

se realiza mediante un diagrama de secuencias (Awaad et al., 1978) ; en el cual se puede visualizar

los mensajes entre agentes durante el tiempo de simulación. En la figura 20, así como en el diagrama

de actividades anterior, los agentes son las cuadrillas de APS y los grupos familiares.



DE SIMULACIÓN

64

Figura 20. Diagrama de Secuencias de Agentes en el modelo de APS



DE SIMULACIÓN

65

4.3. Etapa Del diseño del sistema

En esta sección se analiza como los agentes ejecutaran lo mostrado en la sección 5.2. Por lo tanto,

se especifican las reglas generales del sistema y se realiza un árbol de agentes o también llamado

roles de Agente, con el objetivo de aclarar conceptos y lograr un mayor entendimiento al momento

de realizar la implementación en la plataforma para modelamiento y simulación de sistemas multi-

agente.

4.3.1 Modelo de Agentes

En este caso, las entidades Familias y Cuadrillas de APS serán agentes independientes. El primero

representa las familias del territorio estudiado con los atributos contemplados en la investigación,

las cuales se identifica en la siguiente sección; la segunda contiene los integrantes que se

seleccionan para conformar el grupo de médicos que prestaran el servicio de APS (Figura 21).

Figura 21. Árbol de Agentes



DE SIMULACIÓN

66

4.3.2 Caracterización Agente Familia

4.3.2.1 Características Integrantes Agente Familia:

A partir de la clasificación de las familias en el territorio Colombiano (Bash, 2015) y la

distribución por grupos de edad de las personas que conforman los grupos familiares en el

territorio colombiano (Ministerio de Salud y Protección Social, 2013); se realizó una

subclasificación de las personas que hacen parte de una familia:

A. Personas dependientes

B. Personas independientes.

Los rangos de edades de las personas DEPENDIENTES dentro de una familia se establecieron

en las primeras cuatro clasificaciones del ciclo vital establecido en Colombia. Personas que

pueden tener una dependencia económica por parte de la cabeza de hogar.

Para los rangos de personas INDEPENDIENTES se establecen a partir del rango de 18 años en

adelante; edad donde la persona está en capacidad de formar familia y ser autosostenible.

Con base en lo anterior se procedió a definir restricciones de cada grupo, teniendo en cuenta

que el rango de edad de jóvenes (entre 18 y 26 años) pueden pertenecer a cualquiera de las dos

subclasificaciones definidas anteriormente, como se puede visualizar en la figura 22.



DE SIMULACIÓN

67

Características Personas dependientes:

• En su mayoría son menores de edad y/o hijos de las personas cabeza de hogar

• Son económicamente dependientes del jefe del hogar

• No tienen capacidad de formar familia

Características Personas Independientes:

• Personas Adultas (Mayores a 18 Años). En su mayoría mayores de 27 años

• Son económicamente independientes

• Son autosostenibles

• Capacidad de formar familia y tener personas a cargo

• Puede ser Jefe de Hogar

5. Adultos

6. Persona Mayor 4. Jóvenes

Personas Dependientes Personas Independientes

1. Primera Infancia

2. Infantes

3. Adolescentes

Figura 22. Clasificación Personas - Familia Colombianas



DE SIMULACIÓN

68

4.3.2.2 Características Tipos de Agente Familia:

A partir de lo anterior se inició a caracterizar los tipos de familia colombianas (Bash, 2015), con

relación a los grupos de personas independientes y su posible combinación con las personas

dependientes.

Familia Unipersonal

- Personas de 18 años en adelante

- Hacen parte del Grupo de personas Independientes

- No conviven con nadie más

- No tienen personas a cargo

Familia Nuclear: Completa

Se tomará el grupo de “Personas Independientes” como formadores de hogares (padres). En

este caso se tomará el ente femenino como restricción de edad de procreación, para dar las

diferentes combinaciones de familias.

• Madre de 18 y 26 años

Características:

- Como máximo podrán tener 6 hijos en un mismo rango de edad de 0 a 5 años y/o 6 a 11

años

- Como máximo podrán tener un hijo entre los 12 y 18 años

- No tendrán más de 6 hijos en total

- La edad de los cónyuges estará de los 18 años en adelante


Características:

- Como máximo podrán tener a cargo 6 personas y/o hijos en un mismo rango de edad (0

a 5 años ,6 a 11 años, 12 a 18 años o 18 a 26)

- No tendrán más de 6 personas a cargo, incluido los hijos




DE SIMULACIÓN

69

• Madre Mayor a 59 años

Características:

- Como máximo podrán tener un hijo a cargo entre 12 y 18 años

- Como máximo podrán tener dos hijos a cargo entre 18 y 26 años


Familia Nuclear: Incompleta

En este caso se conforma por solo una persona del grupo de “Personas Independientes”, que es

padre y cabeza de Familia. El cónyuge se da por ausente o fallecido. Para este tipo de familia la

restricción de edad de procreación sigue siendo la edad de la madre a pesar de que el ente

masculino sea ahora el único adulto responsable de la familia.


Características:

- Como máximo podrán tener 6 hijos en un mismo rango de edad de 0 a 5 años o 6 a 11

años

- Como máximo podrán tener un hijo entre los 12 y 18 años

- No tendrán más de 6 hijos en total

- Cónyuge ausente o fallecido

• Padre o Madre de 27 y 59 años

Características:

- Como máximo podrán tener a cargo 6 personas y/o hijos en un mismo rango de edad (0

a 5 años ,6 a 11 años, 12 a 18 años o 18 a 26)

- No tendrán más de 6 personas a cargo, incluido los hijos

- Cónyuge ausente o fallecido.

• Madre Mayor a 59 años

Características:

- Como máximo podrán tener un hijo a cargo entre 12 y 18 años.

- Como máximo podrán tener dos hijos a cargo entre 18 y 26 años.



DE SIMULACIÓN

70

- Cónyuge ausente o fallecido.

Familia Nuclear: Pareja sin hijos

Tipo de familia que no tiene hijos y sus miembros solo hacen parte del grupo de personas

independientes, por lo tanto, mayores de edad.

Características:

- Las personas podrán pertenecer a cualquier rango de edad siempre y cuando sean

mayores de 18 años (Jóvenes, Adulto y Mayores de 60).

- La familia será conformada por dos personas.

Familia Extensa (Completa, Incompleta, Pareja sin hijos, jefe y otros parientes)

Este tipo de familia está conformado de los tipos de familia nuclear con otros parientes

consanguíneos de los miembros del núcleo: padres del jefe o del cónyuge, hermanos de ellos o

nietos.

Características:

- No tener más de 6 personas en el mismo rango de edad, según la clasificación de grupos

familiares en el territorio colombiano.

- Como máximo la familia tendrá 10 integrantes.

- Como mínimo la familia estará conformada por dos personas

- Deberá haber como mínimo dos adultos.

Familia Compuesta:

La familia será conformada cuando además de los parientes consanguíneos, hay otros

integrantes no parientes:

Características:

- No tener más de 6 personas en el mismo rango de edad, según la clasificación de grupos

familiares en el territorio colombiano.

- Como máximo la familia tendrá 10 integrantes.



DE SIMULACIÓN

71

- Como mínimo la familia estará conformada por dos personas

- Deberá haber como mínimo un adulto.

4.4 Distribuciones características de la Población Analizada

Se requiere de datos estadísticos esenciales que permiten identificar y modelar el

comportamiento del sistema a simular. Datos tales como distribución porcentual por tipos de

familia, por números de integrantes, por rango de edad, por sexo, entre otros.

4.4.1 Distribución Tipos de Familia a Nivel Nacional y Bogotá

De acuerdo con Encuesta Distrital de Demografía y Salud 2011 (Asociación Probienestar de la

Familia Colombiana Profamilia, Bogatá, Colombia y ICF Macro, Calverton, Maryland, 2011), la composición de familias en Bogotá con mayor predominancia es la nuclear: mientras en

Colombia representa más del 50%, en Bogotá es del 60%. Para el caso de estudio de esta

investigación se utiliza los datos de Bogotá (Tabla 12), debido a que la investigación se hará con

los datos de la Capital.

Tabla 12. Distribución porcentual de hogares. Elaboración propia a partir ENDS 2010, Cuadro 3.7 (Asociación Probienestar de la Familia Colombiana Profamilia, Bogatá, Colombia y ICF Macro, Calverton, Maryland, 2011)

Tipo Familia Nacional Bogotá

Unipersonal 9.30% 9.30%

Nuclear 55.10% 60.00%

Extensa 31.30% 27.20%

Compuesta 4.30% 3.50%

4.4.2 Distribución Número de Familias por Localidad

Se tendrá en cuenta la distribución de familias por cada localidad basado en los datos

recolectados en el censo de 2005 y proyecciones realizadas hasta el 2020 por parte del DANE

(DANE, 2015); El comportamiento de esta distribución tiende a ser constante, por lo que su

variación es mínima al transcurrir el tiempo y/o por el crecimiento de la población, al menos lo

proyectado de 2005 a 2020.

Lo anterior apoyado en la investigación de Duchesne (Duchesne, 1987), el cual indica que las

proyecciones son por lo general la continuación de las tendencias recientes (de los 10 ó 15

últimos años).

En la tabla 13 se muestra las estimaciones y proyecciones realizadas por el DANE en la ciudad

de Bogotá (DANE, 2015), las cuales están sujetas a ajustes de acuerdo con disponibilidad de

nueva información.



DE SIMULACIÓN

72

Tabla 13. Estimaciones 1985-2005 y proyecciones 2005-2020 de Hogares Bogotá. Fuente: DANE

1985 1986 1987 1988 1989 1990 1991 1992 1993

867,338 921,806 978,026 1,034,792 1,090,939 1,145,472 1,202,395 1,257,949 1,311,945

1994 1995 1996 1997 1998 1999 2000 2001 2002

1,361,707 1,410,642 1,458,196 1,506,394 1,555,576 1,606,004 1,657,714 1,708,423 1,760,785

2003 2004 2005 2006 2007 2008 2009 2010 2011

1,814,395 1,868,731 1,923,165 1,979,550 2,036,505 2,093,981 2,151,961 2,210,416 2,268,381

2012 2013 2014 2015 2016 2017 2018 2019 2020

2,326,703 2,385,391 2,444,402 2,503,727 2,561,685 2,619,899 2,678,371 2,737,038 2,795,867

Adicional a la tabla anterior se define la distribución de estos hogares en cada localidad, con

base a la información brindada por el DANE (DANE, 2015). En este caso no se tienen en cuenta

la Localidad de Sumapaz, debido a que esta localidad por su territorio rural y distribución de

familias no tendrá el mismo comportamiento al resto de la ciudad.

Tabla 14. Distribución de hogares por localidad, en tres años diferentes. Fuente: Elaboración propia a partir de los datos del DANE (DANE, 2015).

Localidad Año 2006 % Año 2009 % Año 2015 %

Antonio Nariño 27,623 1.39% 29,057 1.39% 31,893 1.31%

Barrios Unidos 61,999 3.13% 64,936 3.01% 71,931 2.96%

Bosa 134,388 6.78% 151,991 7.05% 190,522 7.85%

Chapinero 49,607 2.50% 53,584 2.48% 59,944 2.47%

Ciudad Bolívar 150,040 7.576% 169,403 7.86% 206,426 8.51%

Engativá 229,564 11.59% 246,422 11.44% 265,406 10.94%

Fontibón 97,196 4.90% 108,919 5.05% 120,996 4.98%

Kennedy 261,831 13.22% 282,943 13.14% 322,446 13.29%

La Candelaria 8,245 0.41% 8,275 0.38% 8,279 0.34%

Los Mártires 28,132 1.42% 29,093 1.35% 31,818 1.31%

Puente Aranda 74,858 3.78% 77,612 3.60% 82,251 3.39%

Rafael Uribe Uribe 103,704 5.23% 107,986 5.01% 115,982 4.78%

San Cristóbal 111,495 5.63% 115,887 5.38% 123,625 5.09%

Santa Fe 33,319 1.68% 34,467 1.60% 37,276 1.53%

Suba 275,598 13.91% 310,464 14.41% 331,019 13.64%

Teusaquillo 50,908 2.51% 53,639 2.49% 59,886 2.46%

Tunjuelito 57,438 2.90% 59,736 2.77% 63,633 2.62%

Usaquén 142,914 7.21% 153,192 7.11% 175,291 7.22%

Usme 81,586 4.12% 95,759 4.44% 126,952 5.23%

Grand Total 1,980,445 100.0% 2,153,365 100.0% 2,425,576 100.0%



DE SIMULACIÓN

73

De la anterior tabla de distribuciones confirma la teoría de Duchesne (Duchesne, 1987) , ya que

la distribución de familias entre las diferentes localidades de Bogotá se mantienen casi

constante al transcurrir el tiempo, teniendo en cuenta el crecimiento de la población.

4.4.2 Distribución Número de Personas por familia

Analizando la distribución del número de integrantes en el territorio de Colombia (Municipal,

2010), se encuentra que el 99.6% de las familias tienen menos de 10 personas, como se muestra

en la Figura 23. El 0.4% restante, en su mayoría se encuentra en las partes rurales del territorio

colombiano.

Figura 23. Distribución de Número de Personas x Familia (Asociación Probienestar de la Familia Colombiana Profamilia, Bogatá, Colombia y ICF Macro, Calverton, Maryland, 2011). Cuadro 3.4 Composición de los hogares

A partir de lo anterior, se define que el valor de estudio del número de personas por familia no

será mayor a 10 integrantes. Con esta cantidad se pretende abarcar la totalidad de familias

conformadas en Bogotá.

4.4.3 Distribución de población por Rangos de edad

A partir de la distribución de la población de los hogares Colombianos por edad, sexo y zona de

residencia” (Asociación Probienestar de la Familia Colombiana Profamilia, Bogatá, Colombia y

ICF Macro, Calverton, Maryland, 2011), y de clasificación de rangos de edad establecidos por el

ministerio de salud y protección social (Ministerio de Salud y Protección Social, 2013), se

identifica la distribución de la población colombiana por 6 rangos de edad del ciclo de vida de

una persona (Figura 24).



DE SIMULACIÓN

74

Figura 24. Distribución de la población colombiana por rangos de edad. Autor: Elaboración propia a partir de cuadro 3.5 (Asociación Probienestar de la Familia Colombiana Profamilia, Bogatá, Colombia y ICF Macro, Calverton, Maryland, 2011)

4.4.3 Distribución de población por Genero

Esta distribución, aunque no hará parte del estudio de forma directa, podrá ayudar a tomar

decisiones en estudios posteriores con el fin de prevenir o tratar enfermedades relacionadas

con el sexo de la persona.

Tomando los datos proyectados por el DANE (DANE, 2015), con base en los registros de 1985

al 2015, y las proyecciones a 2020 podemos deducir que el 48.3% de la población en Bogotá

son Hombres y el 51.7% corresponde a Mujeres (Figura 25).

Figura 25. Distribución de Población en Bogotá por Sexo. Gráfico realizado a partir de (DANE, 2015)



DE SIMULACIÓN

75

4.5 Tratamiento de Datos

4.5.1 Combinaciones posibles por tipos de familias

A partir de la clasificación de tipos de familia (Bash, 2015) establecidos en el territorio

colombiano y la caracterización realizada en esta investigación con relación a los integrantes

de las familias, se identifican las diferentes combinaciones posibles de hogares que encontraran

las cuadrillas de APS durante la prestación del servicio.

Como resultado se identifica 33.381 combinaciones de familia en el territorio de familia (Tabla

15), teniendo en cuenta que las familias en el 99.8% están constituidas por menos de 10

integrantes (Municipal, 2010).

Tabla 15. Tabla de combinaciones de Familias. Autor: Elaboración Propia

El mayor número de combinaciones están en las familias extensas, las cuales representan más

del 83% debido a las diferentes posibilidades que pueden salir de su composición (Figura 26 y

Figura 27); seguida por las compuestas con el 14%, Nuclear un 3% y la unipersonal un 0.1%.



DE SIMULACIÓN

76

Figura 26. Distribución de combinaciones de familias según su Tipo. Autor: Elaboración Propia

Figura. 27 Distribución de combinaciones de familias por subcategoría. Autor: Elaboración Propia

Teniendo las 33.381 combinaciones de familias y con el fin de consolidar la información, se

estableció un “ID” a cada combinación teniendo en cuenta el número de personas que se tenía

por rango de edad en una familia. En la Tabla 16 se muestra un ejemplo de dicha codificación.



DE SIMULACIÓN

77

Tabla 16. Ejemplo Generación ID por combinación de Integrantes por familia

Pri

mer

a i

nfa

nci

a:

Men

ore

s d

e 5

añ

os

Infa

nte

s: N

iño

s y

n

iñas

en

tre

6 a

11

añ

os

Ad

ole

scen

tes:

P

erso

nas

en

tre

12

a

18

añ

os

Jóv

enes

: Per

son

as

entr

e 1

8 a

26

añ

os

Ad

ult

os:

Per

son

as

entr

e 2

7 a

59

añ

os

Per

son

a m

ay

or:

M

ayo

res

de

60

añ

os.

Código Familias

(ID)

0 0 0 1 0 0 000100 0 0 0 0 1 0 000010 0 0 0 0 0 1 000001 0 0 1 2 0 0 001200 0 1 0 2 0 0 010200 0 1 1 2 0 0 011200 0 2 0 2 0 0 020200

Con este “ID”, se identifica las concurrencias que se forman a partir combinaciones formadas

integrantes de familias en el territorio colombiano por rango de edad. De esta manera

eliminamos las combinaciones repetidas que se pueden presentar independiente del tipo de

familia.

Tabla 17. Identificación de concurrencias duplicadas por Tipo de familia y en general

ID Compuestas Extensa Nuclear Unipersonal Concurrencias

000001 1 1

000002 1 1

000010 1 1

000011 1 1

000020 1 1

000100 1 1

000101 1 1 2 4

000102 1 4 1 6

000103 1 6 7

000104 1 6 7

000105 1 6 7

000106 1 6 7

000107 1 6 7

000108 1 6 7

000109 1 6 7

000110 1 1 2 4

000111 1 5 2 8

000112 1 8 9

A partir de lo anterior se identifica 4.847 combinaciones “únicas” de familias en el territorio

colombiano de las cuales, sin importar el tipo de familia, se les prestara el servicio APS de

acuerdo con el rango de edad de sus integrantes y no por la naturaleza del tipo de familia.



DE SIMULACIÓN

78

4.5.3 Distribución “Equivalente” de familias por número de integrantes

Los tipos de familia pueden tener diferentes restricciones en el número de integrantes debido

a la naturaleza de estas: Por ejemplo, la Familia Unipersonal solo puede tener 1 integrante por

familia; mientras que las Familias Nucleares tendrán de 2 a 8 integrantes; los demás tipos de

familia podrán tener de 2 a 10 integrantes.

Por lo anterior, se debe calcular la distribución equivalente a partir de la distribución

porcentual de los hogares por número de residentes habituales brindada por la Encuesta

Nacional de Demografía y Salud (Asociación Probienestar de la Familia Colombiana Profamilia,

Bogatá, Colombia y ICF Macro, Calverton, Maryland, 2011).

Tabla 18. Distribución de Número de Personas x tipo de familia Cuadro 3.4 Composición de los hogares. Fuente: Autor

Número de Personas

% Distribución

Personas Familias

% Redistribución

Unipersonal

% Redistribución

Nuclear

% Redistribución

Extensa

% Redistribución

Compuesta

1 9.3% 100% ---------- ---------- ----------

2 16.7% ----------- 18.6% 18.4% 18.4%

3 25.3% ----------- 28.1% 27.9% 27.9%

4 25.7% ----------- 28.6% 28.3% 28.3%

5 13.1% ----------- 14.6% 14.4% 14.4%

6 5.7% ----------- 6.3% 6.3% 6.3%

7 2.4% ----------- 2.7% 2.6% 2.6%

8 1.0% ----------- 1.1% 1.1% 1.1%

9 0.4% ----------- ---------- 0.4% 0.4%

10 0.4% ----------- ---------- 0.4% 0.4%

4.5.4 Distribución “Equivalente” jefes de familia por edad

Adicional al ítem anterior cada tipo de familia debe tener como mínimo un jefe o cabeza de

hogar, según la caracterización de las familias establecida en la etapa del diseño del sistema.

Este jefe será una persona adulta (mayor a 18 años). En la Tabla 19, se muestra la distribución

recalculada o equivalente para los rangos de edad que cumplen este criterio.

Tabla 19.Distribución de Jefes de familia por edad. Fuente: Autor

Rangos de Edad Distribución General de Integrantes

Re-Distribución x Jefe De Familia

1. Primera infancia: Menores de 5 años 8.9% 2. Infantes: Niños y niñas entre 6 a 11 años 9.6% 3. Adolescentes: Personas entre 12 a 18 años 20.0% 4. Jóvenes: Personas entre 18 a 26 años 8.4% 13.6% 5. Adultos: Personas entre 27 a 59 años 42.7% 69.5% 6. Persona mayor: Mayores de 60 años. 10.4% 16.9%

100% 100%



DE SIMULACIÓN

79

4.5.5 Definición de tiempo de Atención de APS por integrante

El tiempo de consulta es uno de los aspectos que marcan el grado de satisfacción, tanto de los

pacientes como de los profesionales. Una disminución en el tiempo disminuye la satisfacción de

los usuarios, reduce los alcances de la prevención médica, condiciona a una mala prescripción

terapéutica e incrementa el riesgo de mala práctica (Lin et al., 2001).

Según el artículo 97 de la ley 100 (Ministerio de Salud y Protección Social, 1994), la consulta

médica no debe ser menor a 20 minutos; a partir de esto se establece el parámetro de tiempo

de atención primaria a cada integrante de familia, representado en una función triangular

(Figura 28) y ecuación (1):

𝑇𝑖𝑒𝑚𝑝𝑜 𝑎𝑡𝑒𝑛𝑐𝑖ó𝑛 𝑥 𝑃𝑒𝑟𝑠𝑜𝑛𝑎 =

{

0, 𝑥 < 𝑎2(𝑥−𝑎)

(𝑏−𝑎)(𝑐−𝑎)′ 𝑎 ≤ 𝑥 ≤ 𝑐

2(𝑏−𝑥)

(𝑏−𝑎)(𝑐−𝑎)′ 𝑐 ≤ 𝑥 ≤ 𝑏

0, 𝑥 > 𝑏

( 1)

Figura 28. Representación Gráfica de la Función de distribución Triangular.

En el diseño del modelo de la investigación se configura “c” con el valor establecido por la ley

colombiana de 20 minutos. Y “a” y “b” teniendo en cuenta que se puede establecer de forma

simétrica o asimétrica, se configuran con 17 minutos y 25 minutos respectivamente,

manteniendo el tiempo recomendado para mantener la satisfacción de la prestación del

servicio de APS.

Se hace uso de clases en Anylogic que contienen un amplio set de distribuciones de

probabilidad, para definir el tiempo de atención de cada integrante de la familia, ecuación (2) y

(3):

triangular(min,max,mode) (2)

triangular(17, 25,20) (3)

A partir de lo anterior se identifica la fórmula para calcular el tiempo que el grupo de APS se

tarta en atender la totalidad de la familia en función del número de integrantes que hacen esta.



DE SIMULACIÓN

80

4.5.6 Calculo de tiempos en función del tamaño de la familia.

Teniendo en cuenta el tiempo de atención que se prestara a cada miembro de la familia, se debe

identificar el tiempo total que usara los Grupos APS para atender la totalidad de integrantes.

Este tiempo depende del número de personas que conforma la familia y los servicios que se

desean prestar dentro del servicio de APS.

Para esto se hace uso del teorema del límite central el cual es uno de los resultados

fundamentales de la estadística. Este teorema dice que, si una muestra es lo bastante grande,

cual sea la distribución de la media muestral, seguirá aproximadamente una distribución

normal (Neus Canal Díaz, 2006). Es decir, dada cualquier variable aleatoria, si se extrae

muestras de gran tamaño y se calcula los promedios muestrales, dichos promedios seguirán

una distribución normal. Adicional, la media será la misma que la de la variable de interés, y la

desviación estándar de la media muestral será aproximadamente el error estándar.

La importancia de este teorema radica en que, mediante un conjunto de teoremas, se desvela

las razones por las cuales, en muchos campos de aplicación, se encuentran en todo momento

distribuciones normales o casi normales.

En otras palabras, este teorema puede describir la distribución media del tiempo de atención

de los grupos de APS a las familias tomándolo de una muestra cualquiera de la población.

Muestra que debe tener en cuenta que la población puede llegar a ser asimétrica, por lo que

requiere tomar una muestra grande para hacer el cálculo requerido.

Para realizar la validación de aplicabilidad del teorema en el modelo de la investigación, se

trabaja sobre una muestra de 2.000 familias con máximo 8 integrantes: Se trabaja con un

tiempo de atención por integrante representado por una triangular con parámetros (12,16,20).

En la Tabla 20 se muestra las primeras muestras de la tabla.

Tabla 20. Muestra de tiempos de atención por integrante.

Número de Integrantes N° Muestra n=1 n=2 n=3 n=4 n=5 n=6 n=7 n=8

1 16.3097 17.2484 14.6586 14.7685 17.3117 17.9542 13.0357 14.9243

2 12.9743 13.0035 16.4232 19.2147 14.8872 16.0122 14.586 15.2811

3 15.8633 14.7236 15.003 17.0671 18.2789 16.6513 16.8323 16.4206

4 14.467 12.6358 14.2815 13.0776 15.061 16.0609 14.3369 17.6673

5 16.2855 13.4096 16.1044 14.8227 17.1914 14.5694 18.1851 17.0925

6 13.521 16.6093 12.6834 15.4499 13.0945 15.8079 14.337 12.3449

7 15.0131 14.8185 18.4333 19.3389 14.0209 14.2435 16.4103 18.6833

8 16.1049 17.4281 16.8436 12.5993 14.1498 18.9852 13.9904 18.5909

9 12.7864 12.5778 18.5749 16.4618 15.5981 15.3892 16.2897 15.5656

10 15.9972 14.9817 12.4252 17.7129 15.5702 13.1918 14.7961 13.5778



DE SIMULACIÓN

81

A partir de lo anterior se realizó la sumatoria de los tiempos acumulados para cada integrante

del grupo de familia. A partir de estos resultados, se trató los datos y se identificó la distribución

que relaciona el tiempo con el número de integrantes (Tabla 21).

Tabla 21. Tabla de sumatoria de tiempos por integrantes de familia

Muestras Σ1 Σ2 Σ3 Σ4 Σ5 Σ6 Σ7 Σ8

1 16.3097 33.5581 48.2167 62.9852 80.2969 98.2511 111.2868 126.2111

2 12.9743 25.9778 42.401 61.6157 76.5029 92.5151 107.1011 122.3822

3 15.8633 30.5869 45.5899 62.657 80.9359 97.5872 114.4195 130.8401

994 17.0701 34.2247 48.7986 66.8415 82.5015 97.4452 111.0869 126.2416

995 18.7946 33.8163 50.2766 67.46 82.3427 96.0883 108.9393 125.2247

996 12.9996 27.2998 45.0668 58.829 76.6913 91.8941 107.6631 123.9046

997 16.4678 31.5582 46.5992 64.6576 81.0892 94.6692 109.1077 125.6455

998 16.8098 33.3031 47.8559 66.8127 82.4532 96.1238 110.4744 122.986

999 17.9023 30.4832 44.4838 64.3173 81.6788 99.1257 114.476 131.8078

1000 16.7211 34.6469 49.0579 64.0859 77.8707 93.5291 109.0858 123.9694

Distribución N(15.8, 1.65)

N(31.5, 2.38)

N(47.2, 2.87)

N(62.9, 3.28)

N(78.5, 3.7)

N(94.3, 4.09)

N(110, 4.36)

N(126, 4.7)

15.8 31.5 47.2 62.9 78.5 94.3 110 126

1.65 2.38 2.87 3.28 3.7 4.09 4.36 4.7

Ahora, teniendo en cuenta que los datos de los tiempos de atención de la APS en la para cada integrante

de definió en la parte superior como una distribución triangular, podemos hallar la duración esperada y

la desviación estándar de este y compararlos con el resultado de la muestra (tabla 21). La duración

esperada se calcula a partir de la ecuación (4) hasta la (7) y da como resultado:

Duración Esperada =Optimista−4∗(Mas probable)+Pesimista

3 ( 4)

Duración Esperada =(12+4∗16+20)

6 ( 5)

Duración Esperada =96

6 ( 6)

Duración Esperada = 16 ( 7)

Y para el caso de la desviación estándar se utiliza de la ecuación (8) a la (11):

𝝈 = √(Optimista−Pesimista)2+(Mas probable−Optimista)∗(Mas probable−Pesimista)

18 (8)

𝝈 = √(20−12)2+(16−12)∗(16−20)

18 ( 9)



DE SIMULACIÓN

82

𝝈 = √(8)2+(4)∗(−4)

18 ( 10)

𝝈 = √64−16

18= √

48

18 = √2.666667 = 1.6329 ( 11)

Los resultados de la media y desviación estándar se reemplazan en la ecuación (6) que representa el

teorema del límite y se procede a validar que los datos concuerden con los resultados de las

distribuciones resultantes con los valores de las muestras con la ecuación (7).

𝐿𝑖𝑚𝑖𝑡𝑒 𝐶𝑒𝑛𝑡𝑟𝑎𝑙 𝑑𝑒 𝑢𝑛𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 = ∑ 𝑋1∞𝑖=1 = 𝑁(𝑛µ, 𝜎 ∗ √𝑛) (12)

𝐿𝑖𝑚𝑖𝑡𝑒 𝐶𝑒𝑛𝑡𝑟𝑎𝑙 𝑑𝑒 𝑢𝑛𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 = 𝑁(16 ∗ 𝑛, 1.6329 ∗ √𝑛) (13)

𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝐼𝑛𝑡𝑒𝑔𝑟𝑎𝑛𝑡𝑒𝑠 𝑓𝑎𝑚𝑖𝑙𝑖𝑎𝑠

Por ejemplo, si se quiere validar la distribución que representa el tiempo de atención usado para una

familia de 3 personas, se usa la ecuación (14) y (15):

𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 = 𝑁(16 ∗ 3 , 1.6329 ∗ √3) ( 14)

𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 = 𝑁(48 , 2,8282) (15)

Al compara la distribución inmediatamente anterior con la obtenida en la muestra de las 2.000 familias,

se destaca que las dos distribuciones son similares o en otras palabras una representa a la otra; por lo

tanto, la teoría de utilizar el teorema del valor limite es aplicable en el modelo para representar el tiempo

de atención utilizado por la cuadrilla para prestar el servicio de atención primaria (APS). Ver Ecuación

(16).

𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 = 𝑁(48 , 2,8282) ≈ 𝑁(47.2 , 2.87) (16)



DE SIMULACIÓN

83

Capítulo 5

IMPLEMENTACIÓN DEL MODELO DE ASIGNACIÓN DE CUADRILLAS EN

EL SERVICIO ATENCIÓN PRIMARIA DE SALUD “APS”

En esta sección se describe el desarrollo computacional del sistema de Atención Primaria de

Salud, el cual se presentó en el capítulo anterior. Inicialmente se describe el software utilizado

para desarrollar e implementar el modelo de simulación propuesto.

5.1 Software

Anylogic: Este software es usado para desarrollar el modelo. La versión utilizada fue la versión

7.0.2, y el lenguaje soportado es Java, lo que permite una mayor facilidad de traspaso de

conocimiento o de ser retomada en futuras investigaciones ya sea de maestría y/o Doctorado.

Adicional, esta versión de Anylogic está compuesta por funciones de java que permite trazar

grafos de una forma más fácil de acuerdo con criterios tales como distancia entre agentes,

tiempo de desplazamiento, entre otros.

Stat:fit3: Esta aplicación permite determinar las diferentes distribuciones que serán

configuradas en el modelo de simulación multi-agente; distribuciones que permiten ajustar el

modelo al comportamiento real del sistema.

Excel 2016: El programa ofimático Excel, que permite validar las distribuciones porcentuales,

las diferentes combinaciones de familias, combinaciones de servicios posibles que se pueden

dar con lo propuesto en la investigación y con los datos adquiridos de las diferentes fuentes de

información.

5.2 Implementación

5.2.1 Territorio

Teniendo en cuenta que la población de estudio es la de Bogotá y que su densidad poblacional

depende de la ubicación de la familia en el territorio de la ciudad, se emplea un arreglo de

variables como se observa en la Figura 29. Arreglo que representa la ciudad de Bogotá como

una dimensión y contiene elementos con el nombre de las localidades y que permitirá referirse

a estas más adelante y ubicar las familias geográficamente durante la ejecución de la simulación.



DE SIMULACIÓN

84

Figura 29. Dimensión de arreglos nombrados como localidades de Bogotá, en Anylogic.

Adicional, en la ventana que brinda el software para la presentación grafica de la simulación se

usa la imagen del mapa de la ciudad y por medio de Polilíneas se crea las localidades. En la

Figura 30 se visualiza la Polilínea de la Localidad de Santa fe.

Figura 30. Representación de la Localidad de Santa fe por medio de una Polilínea en Anylogic.



DE SIMULACIÓN

85

Al territorio se asocian unas funciones, variables y parámetros que permiten administrar los

territorios durante la simulación con sus respectivos escenarios (Imagen 31). Como, por

ejemplo “updateDistrictview”, “shapeOf”, “pointisInside” y “selectDistrict” están encargadas de

actualizar la información de cada localidad cuando se selecciona durante la simulación;

información, tal como número de Cuadrillas de APS, número de familias, estado del servicio,

entre otros.

En el caso de “distributePeopleEvenly”, “distributeAPS”, “buildingsAPS” y “rondas”, tienen como

función distribuir las Cuadrillas, Familias por cada localidad que conforma el territorio de

acuerdo a la densidad poblacional.

Figura 31. Funciones, parámetros y variables asociadas al territorio.

5.2.2 Agentes

Teniendo en cuenta el árbol de Agentes definidos anteriormente, se crean los 3 grupos de

Agentes que interactúan durante la ejecución del modelo; en la Figura 32 se pueden visualizar

en el GUI de Anylogic. Cada uno se define como una clase de java, compuestas principalmente

de funciones, variables y diagramas de flujo.

Figura 32. Agentes en Modelo de Simulación implementado en Anylogic

Algunas de las funciones y variables usadas en cada clase definen propiedades y variables

comprendidas en la investigación. En la figura 33, se muestra un ejemplo de las funciones y variables

utilizadas para definir propiedades del Agente Familia, como, tipo de Familia, Localidad, número de

integrantes, Si hay menores de edad en la familia o si hay adultos mayores.



DE SIMULACIÓN

86

Figura 33. Funciones y Variables en función de las propiedades del Agente Familia

El establecimiento de diagramas de flujo en cada agente permite de forma fácil configurar la

forma de trabajo del agente y la toma de decisiones de estos en diferentes situaciones que se

comprenden en la investigación; Así como también, si se desea abordar en futuras

investigaciones nuevas configuraciones a partir de esta investigación. Estos diagramas de flujos

están conformados con variables de flujo que recogen las acciones resultantes de las decisiones

tomadas en el sistema. Variables de Stock, que permite visualizar en cada momento el estado

del modelo. Parámetros, los cuales son variables que contienen valores asociados que

condicionan el comportamiento del sistema implementado. Funciones de java que contienen

funciones matemáticas estándares.

5.2.2.1 Diagrama de Flujo Familia

Este diagrama está compuesto por dos flujos, los cuales dependen del servicio que se le presta

a la familia: Servicio de APS General o de APS Especial (Figura 34). Esencialmente la familia

espera a ser asignada a un grupo de APS, ya sea General o Especial, y espera a su respectiva

atención dependiendo el orden de asignación. Adicional las familias censadas a la fecha

ingresaran a la cola de espera de ser atendidas por las APS, en el caso de las familias que se van

detectando como nuevas durante el recorrido de los grupos de Atención primaria se agregan al

grupo de familias clasificadas como Saludables y serán atendidas en el siguiente ciclo de

prestación del servicio a la localidad.

Figura 34. Diagrama de Flujos Agente Familia



DE SIMULACIÓN

87

Para complementar el correcto funcionamiento del flujo diseñado para la agente familia se

crean las funciones, variables y parámetros necesarios. En la figura 32, se visualiza alguna de

las variables y parámetros utilizados. La mayoría de estos contabilizan el tiempo de

transcurrido desde la última atención de APS, tiempos de espera, si tienen atención especial,

entre otros.

Figura 35. Componentes implementados dentro del flujo de estados de Agente Familia.

5.2.2.2 Diagrama de Flujo APS General

El diagrama de flujo de APS general permite diseñar el comportamiento de los grupos de APS

Generales dentro y fuera de la localidad asignada (Figura 36). Este grupo es el encargado de

atender a las familias de forma General, según la programación establecida. El estado inicial de

los grupos de APS en el flujo es disponible (“Available”). A partir de este punto el agente realiza

dos validaciones: la primera, valida si hay servicios por prestar en la localidad a la cual

pertenece, y la segunda, de no cumplirse la anterior, valida si puede apoyar otra localidad. Si se

cumple alguna de las dos condiciones anteriores, se traslada a la ubicación del agente familia a

atender (Estado “Going_to”). Al arribar, el grupo de APS notifica a la Familia (Estado

“Atending”). Después de transcurrido el tiempo de atención a la familia, se finaliza el servicio

(“End_APS”) y la cuadrilla inicia nuevamente el ciclo en el flujo. Si durante las validaciones no

hay familias por atender, se queda en estado de espera (“Waiting”)

Figura 36. Diagrama de Flujos Agente APS General y variables



DE SIMULACIÓN

88

5.2.2.3 Diagrama de Flujo APS Especial

El funcionamiento de diagrama de flujo de APS Especial es similar al de APS General (Figura

37). La diferencia está en los grupos de personas a los cuales se les dará prioridad en la atención

primaria de Salud. La primera validación en el flujo corrobora si hay servicios APS prioritarios

por realizar. La prioridad está dada por familias que tengan infantes, y/o adultos mayores.

Adicional solo atenderá los casos Generales cuando no tenga casos especiales por atender en la

ciudad.

Esta configuración se establece con el fin de priorizar casos de vacunación, epidemias, y/o

políticas que se deseen implementar donde se priorice la atención a las personas más

vulnerables.

Figura 37. Diagrama de Flujos Agente APS Especial y variables

5.2.2.4 Color Agentes

Para una mejor visualización de la dinámica de los agentes en la simulación se establecieron

colores dependiendo el estado de cada agente.

Familia

- Gris Claro: Familia atendida por grupos de APS. Se reinicia el conteo a la espera de un

nuevo ciclo de atención.

Atendido=1;

Tiempo Restante Nuevo Ciclo = Tiempo_Establecido;



DE SIMULACIÓN

89

- Gris Oscuro: Familia en espera de APS. El tiempo establecido para que la familia espere

un nuevo ciclo de APS, se ha cumplido.

Tiempo Restante Nuevo Ciclo = 0

Atendido = 0

Tiempo de espera = Tiempo_en_espera + 1

Tiempo de espera < Tiempo de espera limite

- Morado: El tiempo de espera de la Familia ha excedido el tiempo límite configurado de

espera. A partir de este momento la familia se establece que la familia puede estar en

un mayor riesgo de enfermarse.

Tiempo Restante Nuevo Ciclo = 0

Atendido = 0

Tiempo de espera = Tiempo_en_espera + 1

Tiempo de espera >= Tiempo de espera limite

Grupo APS

- Azul: Cuadrilla o grupo de APS que presta servicio de APS General.

- Naranja: Cuadrilla o grupo de APS que presta servicio de APS Especial.

5.2.3 Escalamiento del sistema y distribución de entidades en el modelo

Para la visualización del modelo en operación se escala los valores de los agentes de Familia,

con el fin que la visualización sea clara con el fin de ver el comportamiento de los agentes y para

facilidad de implementación con una población mucho mayor (Figura 38). Adicional, se

optimiza el consumo de memoria usada por la máquina de java que está contenida en Anylogic

(máximo uso de memoria permitido 1024 MB).

Escalamiento de Valores, ecuación (17):

Población Simulada = 𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛_𝑑𝑒 _𝐸𝑠𝑡𝑢𝑑𝑖𝑜

𝑓𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝐸𝑠𝑐𝑎𝑙𝑎𝑚𝑖𝑒𝑛𝑡𝑜 ( 17)



DE SIMULACIÓN

90

Figura 38. Mapa implementado en Modelo de simulación

Para la distribución de los agentes geográficamente tanto para las Familias y Grupos de APS se

realizó por medio del cálculo de la densidad poblacional por localidad. Así en el caso del Agentes

de Grupo de APS (Estándar y Especiales), su cantidad depende del número de Familias que

conforman cada Localidad. Sin embargo, durante la ejecución las cuadrillas se podrán

redistribuir por los siguientes eventos:

• Cambio en la densidad poblacional (Crecimiento o Decrecimiento)

• Contratación y/o despido de grupos de APS

• Apoyo colaborativo entre localidades por carga de trabajo

Para lo anterior se manejaron variables de almacenamiento de información de los agentes por

localidad. En la Figura 39, se muestra un ejemplo de las variables utilizadas para almacenar el

número de agentes asignados por localidad, teniendo en cuenta que pueden variar durante la

ejecución del modelo.

Figura 39. Variables utilizadas, para la distribución de Agentes de familias en el modelo de Simulación



DE SIMULACIÓN

91

5.2.4 Asignación del Familia a Grupos de APS

Para el caso de asignación de familias a los grupos de APS, se hace uso de colecciones brindadas

por Anylogic que contienen el índice de cada Familias. A medida que la familia cumple el tiempo

correspondiente al ciclo establecido para una nueva atención, su índice es relacionado en la

colección de la localidad donde habita (Figura 40).

En el caso de los Agentes correspondientes a Grupos de APS, validan de forma constante las

colas o colecciones con el fin de validar que familia se encuentra pendiente de atención y de

acuerdo con una clase que traza un grafo se establece el orden de atención de estas.

<T extends Agent> T getNearestAgent(java.lang.Iterable<T> agents)

Este grafo trazado se recalcula cada vez que se va a atender una nueva familia. Así se establece

una ruta donde se optimiza el desplazamiento de las cuadrillas de APS; en otras palabras, el

desplazamiento contiene un tiempo debido a que la atención se realiza en orden a su ubicación

geográfica.

Lo anterior representa la atención de familias ubicadas en el mismo edificio, conjunto, entre

otros, en el cual las cuadrillas no tendrán que realizar un desplazamiento por medio de un

sistema de transporte, únicamente se trasladan a los domicilios más cercanos a partir de la

última familia atendida.

Figura 40. Colecciones utilizadas para contener las colecciones de las familias

Adicional a las colecciones usadas en el modelo, se diseñan dos funciones para validar la carga

de trabajo en las diferentes localidades, y así los Grupos de Atención primaria apoyan otras

localidades en la prestación del servicio. Esta validación se calcula con relación a la localidad

que mayor carga de trabajo tiene pendiente vs el tiempo restante al tiempo establecido en cada

ciclo.



DE SIMULACIÓN

92

5.2.5 Toma de valores resultantes del sistema

La medición de valores del modelo se realiza con clases de java y de Anylogic (Imagen 41). Lo

anterior permite medir y cuantificar estados, tiempos y otros valores que son necesarios para

analizar los resultados, y los cuales se abordaran en el capítulo 6.

Figura 41. Medición estadística de Cantidad de Grupos de APS con tiempo ocioso.

Las estadísticas consolidadas en las variables son visualizadas por medio de gráficos y se hace

mediante el uso de las clases asociadas a los agentes. En la figura 42 se muestra un ejemplo de

la captura de la información estadística, en este caso se captura la cantidad de familias que están

esperando la atención y las que fueron atendidas, esto se hace por medio de la validación del

estado de los agentes. Adicional, se utiliza un gráfico en el cual se dibujan los datos con una

escala porcentual de 0% a 100%.

Figura 42. Cargue de datos estadísticos en graficas del modelo



DE SIMULACIÓN

93

5.2.6 Medidas de Desempeño del modelo

Un modelo de APS considera una gran cantidad de indicadores en los niveles estratégicos, tácticos y

operativos. Entre los niveles operativos se desea medir los siguientes:

Familias Atendidas por APS por día: La cantidad de familias atendidas por las cuadrillas de APS brinda

información sobre la capacidad de cumplimiento del tiempo establecido por ciclo. Esta medición se apoya

con el cálculo de la diferencia entre la brecha entre el valor de familias atendidas resultante de la

simulación vs la cantidad de familias esperadas para cumplir el tiempo estipulado; ecuación (18).

GAP (%) = # Familias Atendidas (Simulación)x día

# Familias Esperadas x dia ( 18)

Tiempo de Espera de Familia: Este indicador mide el tiempo de espera de la Familia para recibir

atención primaria después de cumplido el tiempo programado. Este factor es interesante porque muestra

el impacto que se tiene en tiempo del indicador del GAP. Si el indicador del GAP es mayor el tiempo de

espera de la familia será también mayor y viceversa.

Días Excedidos por ciclo: Se define un tiempo para cada ciclo en la atención de APS a la población, es

decir, se establece la frecuencia en la cual los grupos de APS deben cubrir la totalidad de la población e

iniciar nuevamente con la atención. Este indicador mide el tiempo adicional que invierte los grupos de

APS para completar el cubrimiento de toda la población por ciclo.

Tiempo de ocio o tiempo muerto: Si la prestación de APS por parte de las cuadrillas es eficiente y se

cuenta con un grupo grande, el tiempo invertido puede ser igual o menor al tiempo del ciclo establecido.

Esta medición contiene el tiempo que después de cubrir la totalidad de la población, las cuadrillas de APS

quedan a la espera del nuevo ciclo. Este tiempo se define como tiempo muerto o de ocio. Lo anterior se

traduce en un exceso de cuadrillas de APS dentro del sistema basado en tiempo horizonte establecido en

cada ciclo.

5.2.7 Horas laborales para la prestación de APS

Las horas laborales en las cuales se tendrá en cuenta la prestación del servicio de APS será de 7 am

a 5 pm, es decir se contabilizará 10 horas al día. Con lo anterior se hace el cálculo de los días de

simulados en el modelo; ecuación (19).

#Días simulados =Número de horas simuladas

10 horas/día ( 19)

5.2.8 Verificación del Modelo

Se procede a verificar el modelo de simulación de APS, asegurándose que todos sus procesos

funcionan correctamente y por lo tanto este correctamente programado. Se verifica que las



DE SIMULACIÓN

94

cuadrillas de APS sigan la ruta correcta, teniendo en cuenta la asignación de su localidad y el

apoyo que debe brindar a las demás localidades teniendo en cuenta que apoye a la que mayor

carga de trabajo tenga en su momento.

Adicional a lo anterior, se valida que la totalidad de las familias se atiendan al finalizar el ciclo

de atención programada, de no alcanzar el tiempo se debe extender hasta cubrir toda la

población. Que las Cuadrillas de APS General y APS Especial se apoyen entre ellas cuando

finalicen la prestación de APS de su asignación. Que el crecimiento de la población definida se

cumpla, con un mínimo de error (Tabla 22). Que el modelo se ejecute de forma cíclica hasta que

se dé por finalizada la simulación. Que la distribución de la población y cuadrillas APS estén de acuerdo con la cantidad y porcentaje asignado en los parámetros de la simulación (Tabla 23).

Que la cantidad de horas por día establecidas para la prestación del servicio se cumpla.

Tabla 22. Resultado de verificación crecimiento de Población Proyectados Vs resultados algoritmo de crecimiento de población.

Población Simulada

Crecimiento Resultado Esperado

Simulación 1

Simulación 2

Simulación 3

Simulación 4

Simulación 5

2700000 1% 2781000 2779686 2779860 2781684 2780433 2779500

2700000 2% 2862000 2861514 2864817 2861850 2864568 2861613

2800000 1% 2884000 2885062 2884303 2882878 2884930 2885251

2800000 2% 2968000 2968408 2966695 2968015 2970712 2966470

2000000 2% 2120000 2121743 2120258 2118095 2120657 2121173

2000000 4% 2210000 2209742 2207801 2213624 2213957 2209514

Tabla 23. Resultado de verificación de datos proyectados de población Vs resultados de algoritmo de Asignación de Población a Localidades.

Localidad % Distribución Población

Proyección Año 2020

Simulación 1 Año 2020



Antonio Nariño 1% 35217 35282 35522 35921

Barrios Unidos 3% 79428 80681 78923 80941

Bosa 8% 210378 210299 213446 212209

Chapinero 2% 66191 66039 67424 66142

Ciudad Bolívar 9% 227940 227168 226700 230961

Engativá 11% 293067 292800 295343 294091

Fontibón 5% 133606 134287 132442 135962

Kennedy 13% 356052 359439 353575 359140

La Candelaria 0% 9142 9077 9130 9178

Los Mártires 1% 35134 35004 35298 35502

Puente Aranda 3% 90823 90262 92142 92541

Rafael Uribe Uribe 5% 128070 129361 127191 127483

San Cristóbal 5% 136509 139231 135737 135426

Santa Fe 2% 41161 41403 40918 41447

Suba 14% 365518 364100 367603 362609

Teusaquillo 2% 66127 66727 65718 67367

Tunjuelito 3% 70265 71137 70880 71276

Usaquén 7% 193560 197100 194071 193201

Usme 5% 140183 139775 142986 141762

Grand Total 100% 2678371 2689172 2685049 2693159



DE SIMULACIÓN

95

Para lo anterior, la animación fue de gran ayuda para verificar la funcionalidad del modelo,

teniendo en cuenta la retroalimentación que obtiene sobre los puntos de fallo. Para

complementar esta técnica de validación, se asignó colores a ciertas variables de control, para

llevar control del estado en que se encuentran y el comportamiento que tienen, como se puede

visualizar en la Figura 43. Por ejemplo, las familias que dependen de su estado cambian de color

y de igual forma los grupos de APS cambian de color dependiendo del estado en que se

encuentren.

Ilustración 43. Variables de Control con colores para ver el estado y comportamiento de componentes del modelo.

Adicional a lo anterior se realiza la validación de código del modelo con dos expertos en java,

teniendo en cuenta que Anylogic trabaja con este lenguaje, teniendo una gran ventaja debido a que

no es un lenguaje especialmente diseñado para el software de simulación sino es un lenguaje de

propósito general. En este paso se mejoraron algunas clases y funciones creadas las cuales

presentaban código repetido.

En esta parte del proceso durante las primeras corridas programadas para la verificación se

encontraron algunos errores que fueron corregidos.

5.2.9 Validación del Modelo

Después de la construcción del modelo se realiza la respectiva validación del sistema con el fin

de que el modelo conceptual de APS este reflejado con exactitud en la representación

computarizada.

Para iniciar se realizó un análisis de sensibilidad para validar la respuesta del modelo de

simulación ante cambios de algunos parámetros de entrada e internos para determinar el efecto

que estos tienen sobre el comportamiento del modelo (Sargent, 2011). Lo anterior, teniendo en

cuenta que se debe describir un sistema que actualmente no existe en el territorio de estudio y

no ha existido en el pasado y no hay datos históricos disponibles para comprobar su desempeño

con el desarrollado en esta investigación. Por lo tanto, se debe usar un sistema hipotético

basado en suposiciones.



DE SIMULACIÓN

96

Suposiciones:

• Entre mayor número de grupos de APS en el sistema se cubrirá un mayor número de

Familias por día, el tiempo de espera de las familias y el tiempo empleado en cada ciclo

tendera a ser menor.

• Entre menor número de grupos de APS en el sistema se cubrirá un menor número de

Familias por día, el tiempo de espera de las familias será mayor, y el tiempo usado en el

ciclo para atender a toda la familia será también menor.

• Si la población tiene un crecimiento anual, y el número de APS se mantiene constante el

tiempo de espera de las familias tendera a aumentar y el tiempo de cada ciclo

aumentara.

• Los tiempos de ocio o tiempo muerto de las cuadrillas depende directamente

proporcional a la contratación de Grupos de APS. Si el número de cuadrillas excede lo

esperado el tiempo de ocio aumentara y si el número de cuadrillas tiende a ser menor

el tiempo de ocio tiende a 0.

A partir de lo anterior se procede a realizar varias corridas del modelo modificando los

parámetros de entrada con los siguientes parámetros.

Población 2.700.000

Crecimiento Población 0%, 1%, 2%

Cuadrillas de APS 600-1200-1800

Frecuencia de APS 180 días

Ciclos x Iteración > 3 Ciclos

Iteraciones 54

-

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

18,000

20,000

60

0

60

0

60

0

60

0

60

0

60

0

1,2

00

1,2

00

1,2

00

1,8

00

1,8

00

1,8

00

Figura 44. Numero de Cuadrillas de APS Vs Familias atendidas por día

0

50

100

150

200

250

300

350

60

0

60

0

60

0

1,2

00

1,2

00

1,2

00

1,2

00

1,8

00

1,8

00

1,8

00

1,8

00

2,5

00



DE SIMULACIÓN

97

En el caso de la figura 44, se muestra como el aumento de los grupos de APS permite tener un

mayor cubrimiento de familias por día, impactando positivamente en el tiempo de espera de la

familia, lo cual se visualiza en la figura 45. El crecimiento de la población demanda contratación

de cuadrillas cada año si se quiere mantener un rango del tiempo de atención a la familia (figura

46). En la figura 47, muestra como la excesiva contratación de cuadrillas trae consigo tiempos

de ocio que generaran costos adicionales o innecesarios en el servicio, pero por el contrario una

exacta contratación optimizada mejora el cumplimiento del tiempo programado para cada

periodo (Figura 48 y 49).

0

2

4

6

8

10

12

14

16

18

20

1500000 2500000 3500000 4500000

Figura 47. Crecimiento del 1% anual de la Población Vs Tiempos de Espera de Familia

Figura 45. Número de Cuadrillas Vs Tiempo de espera de Familias

0

50

100

150

200

250

300

350

- 500 1,000 1,500 2,000

Figura 49. Número de Cuadrillas Vs. Tiempo Excedido por Ciclo Programado

-30.0%

-20.0%

-10.0%

0.0%

10.0%

20.0%

30.0%

40.0%

50.0%

60.0%

70.0%

- 500 1,000 1,500 2,000

Figura 48. % GAP Entre Las Familias Atendidas VS Familias Proyectadas) a medida que se aumenta las cuadrillas de APS

0

10

20

30

40

50

60

70

1,2

00

1,2

00

1,2

00

1,2

00

1,8

00

1,8

00

1,8

00

1,8

00

2,5

00

2,5

00

2,5

00

2,5

00

Figura 46. Número de Cuadrillas Vs Tiempo de Ocio de Cuadrillas



DE SIMULACIÓN

98

Capítulo 6

Escenarios evaluados en el Modelo de APS y resultados obtenidos

6.1 Escenarios Evaluados

El modelo cuenta con diferentes escenarios que se evalúan dependiendo del objetivo que se

quiera abarcar durante la simulación. Para lo anterior se hace uso de parámetros dinámicos

que se pueden variar antes y/o durante la simulación. En la Figura 50, se puede visualizar los

campos usados para la manipulación y gestión de estos escenarios. Dentro de los escenarios se

encuentra: 1. Variación en la población y/o número de familias, 2. Crecimiento anual de

población, 3. Número de grupos de APS, 4. Inclusión de grupos de APS especiales, 5. Tipo de

atención especial, 6. Periodicidad de atención estándar, 7. Periodicidad de atención especial y

8. Tiempo de traslado.

Figura 50. Tablero de control de escenarios en modelo de simulación

1

2

3

4

5

6

7

8



DE SIMULACIÓN

99

6.1.1 Escenario 1: Número de Familias

Durante la ejecución del modelo se puede variar el número de familias que se encuentran en el

territorio de estudio, teniendo en cuenta que se puede simular el comportamiento del sistema en

diferentes periodos (años anteriores o posteriores al actual) en el cual el número de familias es

diferente.

En este punto, la cantidad inicial de familias en el modelo es de 2.700.000, teniendo en cuenta

la proyección realizada por el DANE (DANE, 2015) para el presente año; dato presentado en la Tabla

24.

Tabla 24. Proyección de Numero de Familias en los últimos años. Fuente: (DANE, 2015)

2012 2013 2014 2015 2016 2017 2018 2019 2020

2,326,703 2,385,391 2,444,402 2,503,727 2,561,685 2,619,899 2,678,371 2,737,038 2,795,867

6.1.2 Escenario 2: Crecimiento anual

En las estimaciones y proyecciones de crecimiento de familias entre los años de 1986 a 2020

analizados por el Departamento Administrativo Nacional de Estadística (DANE, 2015), se

destaca el comportamiento creciente de las familias en el territorio de Bogotá. Sin embargo, en

los últimos 20 años el crecimiento anual no ha superado el 3% (Figura 51).

Figura 51. Taza de crecimiento de Hogares en el territorio de Bogotá Fuente: Propio a partir de (DANE, 2015)

A lo anterior, este escenario abarca el comportamiento creciente o decreciente que puede

presentar una población debido a agentes externos, tales como estado de la economía,

surgimiento o finalización de una guerra, escasez de recursos, enfermedades en la región, entre

otros.



DE SIMULACIÓN

100

6.1.3 Escenario 3: Grupo APS

La definición de la cantidad de Grupo Médicos conformados para la atención Primaria en salud

es uno de los principales objetivos de la investigación. En este caso se deja parametrizable el

número inicial con el que el sistema debe iniciar.

De esta manera, el número de grupo de APS dependerá de en qué el tiempo de estabilización

del sistema sea menor a dos ciclos de atención de APS y el cubrimiento del 100% de la

población.

Durante las simulaciones ejecutas en el desarrollo del modelo se encontró estabilidad en el

sistema con un número inicial de 600 cuadrillas de APS para el cubrimiento de la población

inicial que se estableció en el punto 6.1.1.

6.1.4 Escenario 4: Grupo Especiales de APS

Este escenario apoya la definición de políticas para el establecimiento de grupos “especiales”

en la atención prioritaria a grupos de familias con población vulnerable, en los cuales se

presenta una mayor mortalidad y algunas de las problemáticas de salud que se presentan en la

población.

El diagnostico sectorial de salud del Ministerio de Salud (Salud, Bogotá, & De, 2015) describe

como población vulnerable las Personas Mayores de 60 años y Menores de edad (menores de

18 años), y expone algunas de sus mayores dificultades:

Las principales problemáticas evidenciadas en menores de edad se presentan: el embarazo adolescente, la

malnutrición en las gestantes y la baja asistencia a controles prenatales desde el primer trimestre,

situaciones que indudablemente inciden en la salud tanto de la madre como del bebé.

Adicional se resalta el bajo peso al nacer, las enfermedades prevalentes (ERA – EDA), el maltrato infantil,

las violencias, la deficiencia de micronutrientes, la malnutrición, exceso de peso, la caries y la baja

adherencia de cuidadores y cuidadoras a los controles de crecimiento y desarrollo.

Uno de los principales objetivos para el ministerio de salud está enfocado en la evitabilidad y disminución

de las tasas de mortalidades en este grupo poblacional

Para el adulto mayor, las 10 primeras causas de mortalidad originan el 59.3% de las defunciones de las

personas mayores. El Ministerio de salud propone trabajar de manera preventiva las enfermedades

crónicas, y enfermedades respiratorias. Igualmente, la cuarta parte de las personas mayores residentes en

Bogotá presentan en salud mental cuadros de depresión moderada y un 6% depresión severa. Por último,

se reporta el crecimiento de casos de abandono social en los hospitales del Distrito.

Con lo anterior, este escenario pretende abarcar el impacto de este tipo de política en la

prestación del servicio de APS, apoyando el objetivo del ministerio de salud de prestar de

manera preventiva algunas de las afecciones mayor impacto en esta población vulnerable.



DE SIMULACIÓN

101

El escenario cuenta con 3 sub-escenarios:

• % de Grupos APS Especiales.

Este define el porcentaje de Grupos de APS que se dedicaran a la prestación del

servicio APS Especial a población vulnerable.

• Población Vulnerable por atender:

Da la opción de seleccionar a qué tipo de población vulnerable se desea tratar

con esta atención especial.

o Cuidado infantil

o Cuidado al adulto mayor

o Cuidado Infantil y al adulto mayor

• Periodicidad: Recurrencia en la cual se prestará este servicio. El tiempo es

independiente del establecido para la atención prioritaria general (APS

General).

6.1.5 Escenario 5: Frecuencia APS general

Se define inicialmente una periodicidad de 6 meses para la prestación del servicio general de APS en la ciudad de Bogotá teniendo en cuenta el resultado de la evaluación de la Encuesta Nacional de Calidad de Vida del año 2012 (Ayala Garcia, 2014), en la cual se describe que en promedio el 63% de los Colombianos consulta al médico de forma preventiva al menos una vez al año. Este escenario permite definir la periodicidad de atención de los diferentes servicios de APS a la población de estudio, permitiendo liberar el sistema de salud de la gran parte de los 63% de colombianos que recurre a las consultas preventivas y apoyar en la disminución de la automedicación de los que no asisten al sistema de salud (64.3%).

6.1.6 Escenario 6: Tiempo de Espera límite de atención

El tiempo configurado en este parámetro es definido para medir el cumplimiento en la atención

de las APS dentro del tiempo establecido en el parámetro anterior más un tiempo adicional que

se da a los grupos de APS, como se muestra en la ecuación (20).

Tiempo limite de Espera Total = Frecuencia APS general + Tiempo de Espera límite ( 20)

Es decir que en el caso que se defina una frecuencia de atención de 180 días en cada ciclo de

atención y un tiempo límite de espera de 15 días, el tiempo total de espera de cada familia para



DE SIMULACIÓN

102

ser nuevamente atendido por la cuadrilla de salud debe ser menos a 195 días; a partir de este

tiempo se establece un incumplimiento en lo programado.

6.2 Longitud de la simulación

Teniendo en cuenta que un modelo tiene que inicializar y terminar, y considerando que la idea de

la simulación es proponer diferentes situaciones, es útil considerar qué tan extensa debe ser la

longitud de la simulación para el buen resultado de las variables que miden el proceso. Para lo

anterior se realiza un ploteo de las variables más importantes y observa gráficamente en qué

momento se estabilizan los valores. Para el caso de la investigación después del segundo ciclo de

prestación del servicio de APS el sistema se encuentra estable (Figura 52); en el primer ciclo el

sistema estabiliza tiempos y demás medidas de desempeño.

Figura 52. Graficas del comportamiento de variables más importantes del sistema.

6.4 Resultados

En este apartado se aborda los resultados del modelo desarrollado en esta investigación. Los

resultados están en base a las variables que miden el desempeño del modelo y a los escenarios

descritos en la sección anterior.

Teniendo en cuenta que se tiene un número considerable de posibles escenarios es pertinente

definir los valores que se usaran para obtener y analizar un número considerable de resultados

para poder tener resultados importantes (Tabla 25). En el caso del número de familia se toma

el valor proyectado por el DANE a partir del censo de 2005 (DANE, 2018), en la cual para el año

2018 se estima que el número de familias en Bogotá está en aproximadamente 2.678.371. Es

decir que para el caso de este escenario se toma un valor de 2.700.000 familias.

Para el caso del crecimiento anual de familias, en las proyecciones del DANE se muestra una

tendencia de crecimiento de casi el 3%, valor que se usara dentro de los escenarios. Adicional,

se toma un punto porcentual menos y uno más al valor de la proyección, con el fin de evaluar



DE SIMULACIÓN

103

posibles cambios de la poblacion, teniendo en cuenta los cambios sociales que acontecen la

actualidad del país.

En la definición del número de cuadrillas, se realiza varias ejecuciones del modelo aumentando

el número de cuadrillas de 100 a 2.000. Se toma como base para escoger el número de cuadrillas

inicial (1.200): 1. el tiempo de espera de las familias después del primer ciclo de atención NO

sea menor a 10 días y 2. el tiempo de ocio o reserva de cada cuadrilla no sea mayor a 5 días

(Institud, 2000) y 3. el número de población inicial del modelo. Adicional a lo anterior, se toma

un valor inferior y superior para analizar el comportamiento y resultados de la atención con

diferentes cantidades de cuadrillas.

Los valores de Grupos dedicados a Grupos especiales, se define básicamente por si se desea

implementar o no este tipo de servicio en el sistema de APS. Si no se desea este, el porcentaje

de cuadrillas dedicadas a esta atención especial es 0, de lo contrario el porcentaje de cuadrillas

a prestar no será mayor al 50% debido a que su prioridad es la atención de la totalidad de la

población.

Tabla 25. Datos de escenarios para obtener resultados

Dato 1 Dato 2 Dato 3

Familia 2,700,000

Crecimiento Anual 2% 3% 4%

Número de Cuadrillas 600 1.200 1.800

% de Grupos APS Especiales 0% 20% 40%

Población Vulnerable Con menores de Edad Con adulto Mayor Las dos anteriores

Frecuencia Grupos Especiales: 90 días 180 días

Frecuencia Grupos APS generales 90 días 180 días

El número de resultados esta dado por el número de combinaciones los valores escogidos es:

𝐶𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑒𝑛𝑡𝑟𝑒 𝑒𝑠𝑐𝑒𝑛𝑎𝑟𝑖𝑜𝑠 = 𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 ( 21)

1 𝑥 3 𝑥 3 𝑥 3 𝑥 3 𝑥 3 𝑥 2 𝑥 2 = 972 𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 ( 22)

A partir de lo anterior se realiza la tabulación de los resultados y posterior análisis de estos. Se

resalta de igual forma los valores podrán ser editados a conveniencia para evaluar “n”

escenarios dependiendo del objetivo de la implementación que se quiera realizar.

En la tabla 26 t se muestra la manera en que se tabularon algunos de los escenarios y en la tabla

se muestra los resultados obtenidos:



DE SIMULACIÓN

104

Tabla 26. Muestra de escenarios tabulados

N. Número de Familias

Crecimiento Anual

Numero de

Cuadrillas

% Grupos especiales

Población Vulnerable Frecuencia Grupos

APS Especiales

(días)

Frecuencia Grupos

APS General (Días)

1 2700000 2.0% 600 0.0% No Aplica 0 90

2 2700000 2.0% 600 0.0% No Aplica 0 180

4 2700000 2.0% 600 20.0% Menores De edad 90 180

8 2700000 2.0% 600 20.0% Mayores de Edad 90 180

12 2700000 2.0% 600 20.0% Menores y Mayores de edad

90 180

16 2700000 2.0% 600 40.0% Menores De edad 90 180

20 2700000 2.0% 600 40.0% Mayores de Edad 90 180


90 180

27 2700000 2.0% 1200 0.0% No Aplica 0 90

28 2700000 2.0% 1200 0.0% No Aplica 0 180

29 2700000 2.0% 1200 20.0% Menores De edad 90 90

30 2700000 2.0% 1200 20.0% Menores De edad 90 180

34 2700000 2.0% 1200 20.0% Mayores de Edad 90 180


90 180


180 180

42 2700000 2.0% 1200 40.0% Menores De edad 90 180

46 2700000 2.0% 1200 40.0% Mayores de Edad 90 180


90 180

53 2700000 2.0% 1800 0.0% No Aplica 0 90

54 2700000 2.0% 1800 0.0% No Aplica 0 180

56 2700000 2.0% 1800 20.0% Menores De edad 90 180

60 2700000 2.0% 1800 20.0% Mayores de Edad 90 180


90 180

68 2700000 2.0% 1800 40.0% Menores De edad 90 180

72 2700000 2.0% 1800 40.0% Mayores de Edad 90 180



DE SIMULACIÓN

105


90 180

Tabla 27. Muestra de resultados obtenidos

N Familias Por Día

GAP (% entre lo

simulado y lo

esperado)

Tiempo Atención Promedio

Familia (min)

Tiempo Promedio Excedido Familia

Días Excedidos por ciclo

(Estándar)

Tiempo de Ocio

(Sanders)

Días Excedidos por ciclo

(Especial)

Tiempo de Ocio

(Especial)

1 6169 79.4% 59.11 147 163.1 0 0 0

2 6147 60.3% 57.72 95.1 91.9 0 0 0

4 6100 60.0% 58.97 98.4 292 0 300 0

8 6055 59.8% 57.9 103.7 257 0 134 0

12 6065 59.8% 59 130 223 0 493 0

16 5994 60.1% 55.19 84 254 0 103 0

20 6055 59.1% 58.06 91.8 255 0 20 0

24 6061 59.2% 58.41 92 256 0 200 0

27 12348 59.1% 58.77 54.6 125 0 0 0

28 12384 18.6% 58.99 10 38 0 0 0

29 12241 18.5% 58 10.1 33 0 105 0

30 12237 18.4% 56 10.2 34 13 35 0

34 12228 18.7% 57.9 14.5 37 0 21 0

38 12334 17.8% 58.21 44.6 19 0 202 0

40 12334 17.8% 58.21 44.6 17 0 110 0

42 12156 21.8% 58.61 9.3 36 0 6 0

46 12443 16.6% 60.07 8.3 34 0 55 0

50 12284 17.9% 57.47 7.4 37 0 53 0

53 18305 42.4% 57.75 22.7 52 0 0 0

54 18335 -21.7% 58.15 1 0 0 0 0

56 18127 -20.6% 56.574 1 0 36 40 0

60 18249 -21.4% 57.02 1 0 36 0 16



DE SIMULACIÓN

106

64 18393 -22.2% 55.4 1 0 36 0 17

68 18035 -20.1% 57.25 1 0 0 40 0

72 18212 -21.0% 58.32 1 0 38 0 14

76 18300 56.9% 19.7 1 0 37 3 0

De los resultados obtenidos se puede observar cómo el tiempo promedio invertido en la

atención de las familias no depende de la cantidad de cuadrillas implementadas en el servicio,

sino que se encuentra directamente asociado a la cantidad de integrantes. Durante los

diferentes escenarios evaluados, el tiempo de atención promedio se mantuvo sobre el rango de

los 55 minutos por familia.

Se encontró que el tiempo de ocio o de tiempo libre de las cuadrillas se incrementa a medida

que el número de cuadrillas crece y es demasiado grande con respecto a la demanda del

servicio, por el contrario, el no cumplimiento de los tiempos puede depender del número bajo

de cuadrillas, de la desbalanceada asignación de cuadrillas al servicio de atención especial o al

tipo de población especial que se quiera abarcar.

La variable GAP es una de las variables que durante la simulación permite tomar decisiones

rápidamente debido a que la variable indica la distancia que hay entre los datos obtenidos y el

dato que debería obtenerse para cumplir las expectativas de tiempo por cada ciclo,

minimizando así el tiempo de espera y de ocio, pero maximizando el número de familias a

atender por día, teniendo en cuenta las diferentes variables evaluadas.



DE SIMULACIÓN

107

CONCLUSIÓNES, TRABAJO FUTURO Y VALIDACIÓN DE LOS OBJETIVOS

DE INVESTIGACIÓN.

La atención primaria de Salud (APS) es una alternativa a la prestación tradicional del servicio

de salud que consiste en enviar cuadrillas con profesionales médicos a los hogares con el fin de

atender sus necesidades en materia de prevención y educación en salud. El envío de cuadrillas

de APS implica la realización de esquemas de ruteo en los cuales se deben considerar distintos

criterios de optimización, así como la naturaleza dinámica de la población. Dentro de los

criterios de optimización se encuentran la cantidad de cuadrillas a utilizar, el tiempo de espera

de las familias, el tiempo libre o de ocio de las cuadrillas de salud y optimización de traslados

dentro de las localidades. Por otra parte, la naturaleza dinámica de la población yace en el

ingreso de nuevas familias que deben ser consideradas en cada ciclo de prestación del servicio,

con el fin de cubrir la totalidad de la población en el territorio de estudio.

En este trabajo inicialmente se realizó una revisión del estado del arte en los principales

modelos de salud implementados en el mundo, modelos de APS en los sistemas de salud,

trabajos de investigación que abordan la simulación en el campo de la salud y en atención

primaria, entre otros. Se observó a través de la revisión literaria que la mayoría de los trabajos

apuntan a resolver modelos estáticos y determinísticos en los cuales se resuelve el problema

una sola vez para un horizonte de planeación. Por otra parte, se encontraron los objetivos,

restricciones y metodologías más usadas a la hora de resolver el problema. Se estableció que el

problema de la APS es de naturaleza dinámica por lo cual se debe utilizar una metodología de

solución la cual permita afrontar el dinamismo del sistema. Para realizar lo anterior se escogió

la simulación basada en agentes por lo que se realizó una conceptualización y una revisión de

aplicaciones y plataformas para sistemas multi-agente.

Por otra parte, se realizó la aproximación multi-agente del sistema de cuidado a la salud

domiciliaria utilizando diagramas UML para mostrar las interacciones, comunicación y las

actividades de los agentes en el sistema. Luego se realizó la implementación del sistema multi-

agente a través de la construcción del código JAVA a través de la plataforma Anylogic, utilizando

la librería propia del software y empleando los resultados del análisis de datos para encontrar

las diferentes distribuciones matemáticas.

Posteriormente en este trabajo se propuso un modelo de simulación por medio de la plataforma

de Anylogic y lenguaje de JAVA para resolver el problema de asignación de cuadrillas de APS en

la ciudad de Bogotá. El modelo propuesto es multiobjetivo en donde se pretende minimizar el

tiempo de espera de las familias para la atención primaria y minimizar los tiempos libres o de

ocio de las cuadrillas. En otras palabras, se pretende minimizar el tiempo de llegada a los

hogares y maximizar el gasto operacional del sistema de APS.

El modelo de simulación fue probado en repetidas ocasiones con el fin de evaluar diferentes

configuraciones, el comportamiento del sistema y encontrar el balance entre las diferentes



DE SIMULACIÓN

108

variables que se tuvieron en cuenta. Se demostró que para la población actual de Bogotá, con

una cantidad de 1.200 cuadrillas de APS distribuidas proporcionalmente en las diferentes

localidades, y estableciendo ciclos de atención General de 180 días, con atención especial a

cualquiera de las poblaciones vulnerables establecidas por el 20% de las cuadrillas, se puede

cumplir con los tiempos establecidos, teniendo como máximo tiempos de espera de la familia

inferiores a los 20 días, y tiempo de ocio no mayor a 2 días.

Trabajos futuros apuntan a la construcción y/o implementación de modelos de simulación de

APS que minimicen los factores de riesgo de agentes epidemiológicos que inciden en la

morbilidad y tienen un impacto en la dinámica de las poblaciones. Por otra parte, se apunta a la

utilización de este trabajo de investigación en un trabajo doctoral donde se proponga y se

modele por medio de técnicas de simulación un sistema de salud, con sus diferentes entidades

y componentes, con el objetivo de optimizar la prestación de los diferentes niveles de servicios

de salud.

Finalmente se realiza la validación de los objetivos de investigación los cuales fueron cumplidos

a cabalidad como se muestra en la Tabla 28. En la misma tabla se especifican las actividades de

cada objetivo específico, el porcentaje de avance y los resultados obtenidos durante el

desarrollo del proyecto. Es importante resaltar que en el transcurso del proyecto de

investigación se elaboraron tres artículos científicos y se obtuvieron ponencias en eventos

académicos.

Tabla 28. Validación de los objetivos del proyecto de investigación

Objetivo específico Actividades Avance Resultados

Analizar las condiciones, contexto y variables del servicio General en Salud de la región objeto de estudio.

Recolección y consulta de literatura sobre los sistemas de Salud y la Atención Primaria en Salud

100% Repositorio de documentos científicos sobre sistemas de Salud y Atención Primaria en Salud

Clasificación de la literatura revisada.

100% Matriz de clasificación de documentos.

Construcción de documento de revisión de la literatura.

100% Artículo de revisión bibliográfica: Integración Modelos de Simulación en la Atención Primaria en Salud



DE SIMULACIÓN

109

Revisar características socioculturales, demográficas y económicas, entre otras, propias de la región objeto de estudio, entendiendo región como localidad, municipio, departamento o incluso nación.

Recolección y consulta de datos estadísticos de diferentes fuentes sobre características de la región de estudio.

100% Análisis de datos e identificación de las diferentes distribuciones estadísticas generadas a partir de esta información.

Clasificación de los datos analizados revisada.

100% Matriz de clasificación de los datos obtenidos.

Determinar las características de la composición mínima de las cuadrillas de APS, en la formación técnica o profesional del equipo, vínculos funcionales, asignación de roles y las necesidades de la comunidad.

Recolección y consulta de literatura sobre la composición de cuadrillas de APS

100% Repositorio de documentos científicos sobre las características y composición de los grupos de APS

Clasificación de la literatura revisada.

100% Matriz de clasificación de documentos.

Análisis y clasificación de composición mínima de los grupos de APS en el modelo

100% Identificación de profesionales y servicios que se prestaran en la APS

Desarrollar y representar las características del sistema en un modelo integral en cascada, que incorpora diversas técnicas de simulación.

Estructuración del modelo de simulación basada en agentes.

100% Diagramas de caso de uso, diagramas de clase, diagrama de actividades, diagramas de secuencia y diagrama de árbol de agentes.

Conceptualización de Anylogic y de lenguaje java.

100% Articulo: A Simulation Model for Improve the Customer Service in an Information Security Company. Publicado y presentado en el WEA 2016 y en la revista "Applied Computer Sciences in Engineering"

Construcción e Implementación del modelo en software específico (Anylogic)

100% Clases, métodos, comportamientos, implementados en Java utilizando Anylogic.



DE SIMULACIÓN

110

Pruebas de ejecución del modelo de agentes.

100% Resultados de Validación y comportamiento del modelo

Verificar por medio de la simulación que el modelo propuesto cumpla con las necesidades y la demanda de la región objeto de estudio.

Análisis de entrada y parametrización de información.

100% Distribuciones de entrada de datos y demás parámetros del modelo en Anylogic

Experimentación y análisis de resultados.

100% Resultados de experimentación y conclusiones



DE SIMULACIÓN

111

REFERENCIAS

Aboueljinane, L., Sahin, E., Jemai, Z., & Marty, J. (2014). A simulation study to improve the performance of an emergency medical service: Application to the French Val-de-Marne department. Simulation Modelling Practice and Theory, 47, 46–59. https://doi.org/http://dx.doi.org/10.1016/j.simpat.2014.05.007

Adell, C. N., Echevarria, C. R., & Borrell Bentz, R. M. (2009). Temas de actualidad / Current topics Desarrollo de competencias en atención primaria de salud. Rev Panam Salud Publica/Pan Am J Public Health, 26(2).

Ahmed, S., & Amagoh, F. (2008). Modeling Hospital Resources with Process Oriented Simulation. Central Asia Business, I(1), 5–20.

Almagooshi, S. (2015). Simulation Modelling in Healthcare: Challenges and Trends. Procedia Manufacturing, 3(Ahfe), 301–307. https://doi.org/10.1016/j.promfg.2015.07.155

Andreev, V. P., Head, T., Johnson, N., Deo, S. K., Daunert, S., & Goldschmidt-Clermont, P. J. (2013). Discrete event simulation model of sudden cardiac death predicts high impact of preventive interventions. Scientific Reports, 3, 1771. https://doi.org/10.1038/srep01771

Asociación Probienestar de la Familia Colombiana Profamilia, Bogatá, Colombia y ICF Macro, Calverton, Maryland, U. (2011). Encuesta nacional de demografía y salud 2010 - ENDS. Profamilia. Retrieved from http://www.sidalc.net/cgi-bin/wxis.exe/?IsisScript=MIAGRO.xis&method=post&formato=2&cantidad=1&expresion=mfn=009075%5Cnhttp://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Encuesta+nacional+de+demograf?a+y+salud+2010#0

Awaad, M. H., Krauss, H., & Schmatz, H. D. (1978). Advanced Praise for The Unified Modeling Language Reference Manual, Second Edition. Zentralblatt fur Bakteriologie, Parasitenkunde, Infektionskrankheiten und Hygiene. Erste Abteilung Originale. Reihe A: Medizinische Mikrobiologie und Parasitologie (Vol. 240). Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/664982

Ayala Garcia, J. (2014). La Salud en Colombia: más cobertura pero menos acceso. Documento de Trabajo Sobre Economia Regional, Banco de La República. ISSN 1692-3715, 45. https://doi.org/ISSN 1692 - 3715

Balasubramanian, H., Banerjee, R., Gregg, M., & Denton, B. T. (2007). Improving Primary Care Access using Simulation Optimization. Proceedings of the 2007 Winter Simulation Conference, 1494–1500. https://doi.org/10.1017/CBO9781107415324.004

Barjis, J. (2009). Potentials and Challenges of Healthcare Modeling and Simulation. Proceedings of the 2009 Summer Computer Simulation Conference, 173–176. Retrieved from http://dl.acm.org/citation.cfm?id=2349508.2349531



DE SIMULACIÓN

112

Bash, E. (2015). Rostros y rastros. Razones para construir ciudad. PhD Proposal, 1, 1–32. https://doi.org/10.1017/CBO9781107415324.004

Bogota Humana. (2012). Modelo humano de atención en salud en bogota, 1–51. Retrieved from http://www.saludcapital.gov.co/Formatos Captura Territorios Saludables/LINEAMIENTOS TECNICOS/DOCUMENTO MARCO TERRITORIOS SALUDABLES.pdf

Bordini, R., Lars, B., Dastani, M., Seghrouchni, A., Gómez-Sanz, J., Leite, J., … Ricci, A. (2006). A Survey of Programming Languages and Platforms for Multi-Agent Systems. Informatica, 30.

Brailsford, C. S., Harper, R. P., Patel, B., & Pitt, M. (2009). An analysis of the academic literature on simulation and modelling in health care. Journal of Simulation, 3(3), 130–140. https://doi.org/10.1057/jos.2009.10

Brenner, S., Zeng, Z., Liu, Y., Wang, J., Li, J., & Howard, P. K. (2010). Modeling and analysis of the emergency department at University of Kentucky Chandler Hospital using simulations. Journal of Emergency Nursing: JEN : Official Publication of the Emergency Department Nurses Association, 36(4), 303–310. https://doi.org/10.1016/j.jen.2009.07.018

Brown-Standridge, M. D., Standridge, C., & Poole, Y. M. (1993). The Brief Systems Family Therapy Process Model: First Results. SIMULATION, 61(5), 317–324. https://doi.org/10.1177/003754979306100505

Cabrera, E., Taboada, M., Iglesias, M. L., Epelde, F., & Luque, E. (2011). Optimization of Healthcare Emergency Departments by Agent-Based Simulation. Procedia Computer Science, 4, 1880–1889. https://doi.org/http://dx.doi.org/10.1016/j.procs.2011.04.204

Camara de comercio de Bogotá. (2016). Observatorio de Movilidad - Reporte Anual de Movilidad 2015, 9(9), 1–67. Retrieved from http://bibliotecadigital.ccb.org.co/handle/11520/18119

Carlos, J., Instructor, E. C., Pública, D. S., & Medicina, F. De. (2001). El sistema general de seguridad social en salud. Revista de La Facultad de Medicina Universidad Nacional, 49(1), 283–287.

Chan, V. W. K., Son, Y.-J., & Macal, C. (2011). Agent-based simulation tutorial - Simulation of emergent behavior and differences between agent-based simulation and discrete-event simulation. Proceedings - Winter Simulation Conference.

Charfeddine, M., & Montreuil, B. (2010). Integrated Agent-oriented Modeling and Simulation of Population and Healthcare Delivery Network: Application to COPD Chronic Disease in a Canadian Region. In Proceedings of the Winter Simulation Conference (pp. 2327–2339). Winter Simulation Conference. Retrieved from http://dl.acm.org/citation.cfm?id=2433508.2433794

DANE. (2015). Estadísticas por Tema Demografía y Población. Retrieved from http://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/series-de-poblacion

DANE. (2018). Proyecciones de población. Project Management Institud, Inc.

DANE, D. A. N. de E. (2016). Preguntas frecuentes sobre estratificación. Información Vía Web, 7. Retrieved from



DE SIMULACIÓN

113

https://www.dane.gov.co/files/geoestadistica/Preguntas_frecuentes_estratificacion.pdf

Dittus, R. S., Klein, R. W., DeBrota, D. J., Dame, M. A., & Fitzgerald, J. F. (1996). Medical Resident Work Schedules: Design and Evaluation by Stimulation Modeling. Management Science, 42(6), 891–906. Retrieved from http://econpapers.repec.org/RePEc:inm:ormnsc:v:42:y:1996:i:6:p:891-906

Duchesne, L. (1987). Proyecciones de población por sexo y edad para áreas intermedias y menores. Centro Latinoamericano de Demografía, 187(A), 1–61.

Dumas, M. B. (1984). Simulation modeling for hospital bed planning. SIMULATION, 43(2), 69–78. https://doi.org/10.1177/003754978404300201

Dumas, M. B. (1985). Hospital bed utilization: an implemented simulation approach to adjusting and maintaining appropriate levels. Health Services Research, 20(1), 43–61.

Eldabi, T. (2009). Implementation issues of modeling healthcare problems: Misconceptions and lessons. Proceedings - Winter Simulation Conference, 1831–1839. https://doi.org/10.1109/WSC.2009.5429192

England, W., & Roberts, S. D. (1978). Applications of computer simulation in health care. Winter Simulation Conference, 665–677. Retrieved from http://dl.acm.org/citation.cfm?id=800252.807598

Evans, G. W., Unger, E., & Gor, T. B. (1996). A simulation model for evaluating personnel schedules in a hospital emergency department. In Simulation Conference, 1996. Proceedings. Winter (pp. 1205–1209). https://doi.org/10.1109/WSC.1996.873425

Fernandes, J. H. C., & Moura, E. C. M. De. (2004). Masim : a Methodology for the Development of Agent-Based, 5(Cd).

Fetther, R., & Thompson, T. (1965). The simulation of hospital systems. In Operations Research (pp. 689–711).

Fialho, A. S., Oliveira, M. D., & Sá, A. B. (2011). Using discrete event simulation to compare the performance of family health unit and primary health care centre organizational models in Portugal. BMC Health Services Research, 11(1), 274. https://doi.org/10.1186/1472-6963-11-274

Garcia, M. L., Centeno, M. A., Rivera, C., & DeCario, N. (1995). Reducing time in an emergency room via a fast-track. In Simulation Conference Proceedings, 1995. Winter (pp. 1048–1053). https://doi.org/10.1109/WSC.1995.478898

Gómez-Cruz, N. A., Loaiza Saa, I., & Ortega Hurtado, F. F. (2017). Agent-based simulation in management and organizational studies: a survey. European Journal of Management and Business Economics, 26(3), 313–328. https://doi.org/10.1108/EJMBE-10-2017-018

Guerrero, R., Gallego, A. I., Becerril-Montekio, V., & Vásquez, J. (2011). Sistema de salud de Colombia. Salud Publica de Mexico. https://doi.org/10.1590/S0036-36342011000500003



DE SIMULACIÓN

114

Herazo Acuña, B. (2010). Algunos problemas de la salud en Colombia. Dossier Salud Pública y Epidemiología En Odontología, 29(63), 37–39.

Hindle, A., Dierckman, N., Standridge, C., Delcher, H., Murray, R., & Pritsker, a a. (1978). Estimating the need for additional primary care physicians. Health Services Research, 13(3), 290–304.

In, D., Disease, C., & Health, P. (2013). THE 3 E ’ s PUBLIC HEALTH : ENGINEERING , EVOLUTION AND EFFECTIVENESS, (June).

Institud, P. M. (2000). PMBOOK Guide. Project Management Institud, Inc.

Jones, S. S., & Evans, R. S. (2008). An agent based simulation tool for scheduling emergency department physicians. AMIA ... Annual Symposium Proceedings / AMIA Symposium. AMIA Symposium, 338–342.

Klee, G. G., Standridge, C., & Nath, S. (1980). Systems analysis and computer simulation of laboratory clinic interactions. Clinical Chemistry, 36(7), 1051.

Kwak, N. K., Kuzdrall, P. J., & Schmitz, H. H. (1976). The GPSS Simulation of Scheduling Policies for Surgical Patients. Manage. Sci., 22(9), 982–989. https://doi.org/10.1287/mnsc.22.9.982

Lee, B. Y., Brown, S. T., Korch, G. W., Cooley, P. C., Zimmerman, R. K., Wheaton, W. D., … Burke, D. S. (2010). A computer simulation of vaccine prioritization, allocation, and rationing during the 2009 H1N1 influenza pandemic. Vaccine, 28(31), 4875–4879. https://doi.org/10.1016/j.vaccine.2010.05.002

Lin, C. T., Albertson, G. A., Schilling, L. M., Cyran, E. M., Anderson, S. N., Ware, L., & Anderson, R. J. (2001). Is patients’ perception of time spent with the physician a determinant of ambulatory patient satisfaction? Archives of Internal Medicine, 161(11), 1437–1442.

Lowery, J. C. (1996). Introduction to Simulation in Healthcare. In Proceedings of the 28th Conference on Winter Simulation (Coronado, California, United States, December 08 - 11, 1996).

Lowery, J. C., & Martin, J. B. (1992). Design and validation of a critical care simulation model. Journal of the Society for Health Systems, 3(3), 15–36.

Lu, T. P., Tsai, P. F., & Chu, Y. C. (2014). An agent-based collaborative model for orthopedic outpatient scheduling. In Computer Supported Cooperative Work in Design (CSCWD), Proceedings of the 2014 IEEE 18th International Conference on (pp. 621–626). https://doi.org/10.1109/CSCWD.2014.6846916

Macal, C. M., & North, M. J. (2006). Tutorial on Agent-Baed Modeling and Simulation Part 2: How to Model with Agents. 2006 Winter Simulation Conference, 73–83. https://doi.org/10.1109/WSC.2006.323040

Mahachek, A. R. (1992). An introduction to patient flow simulation for health-care managers. Journal of the Society for Health Systems, 3(3), 73–81.

Mikirtichan, G. L. (2014). N.A. Semashko and his role in the development of the soviet system for the protection of motherhood and infancy. History of Medicine, 3(3), 38–53.



DE SIMULACIÓN

115

https://doi.org/10.17720/2409-5834.v1.3.2014.35n

Ministerio de Salud. (1994). Ley 100 de 1993: Sistema de Seguridad Social Integral. Ministerio de Salud, 1–18.

Ministerio de Salud y Protección Social. (1994). Resolucion 5261 De 1994, 1994(Agosto 5), 1–138.

Ministerio de Salud y Protección Social. (2013). Análisis de Situación de Salud de Poblaciones Diferenciales Relevantes, 1–87. Retrieved from https://www.minsalud.gov.co/Documentos y Publicaciones/Análisis de poblaciones diferenciales.pdf

Ministerio de Salud y Protección Social. (2014). Aseguramiento al Sistema General de Seguridad Social en Salud, 61.

Monks, T., Pitt, M., Stein, K., & James, M. (2012). Maximizing the population benefit from thrombolysis in acute ischemic stroke: a modeling study of in-hospital delays. Stroke; a Journal of Cerebral Circulation, 43(10), 2706–2711. https://doi.org/10.1161/STROKEAHA.112.663187

Mosquera, P. A., Hernández, J., Vega, R., Martínez, J., Labonte, R., Sanders, D., & San Sebastián, M. (2012). Primary health care contribution to improve health outcomes in Bogota-Colombia: a longitudinal ecological analysis. BMC Family Practice, 13, 84. https://doi.org/10.1186/1471-2296-13-84

Mosquera, P. A., Hernández, J., Vega, R., Martínez, J., & San Sebastián, M. (2013). Performance evaluation of the essential dimensions of the primary health care services in six localities of Bogota-Colombia: a cross-sectional study. BMC Health Services Research, 13(1), 315. https://doi.org/10.1186/1472-6963-13-315

Mosquera, P., Hernández, J., Vega, R., Martínez, J., Labonte, R., Sanders, D., & San Sebastian, M. (2012). The impact of primary healthcare in reducing inequalities in child health outcomes , Bogotá – Colombia : an ecological analysis. International Journal for Equity in Health, 11(66), 1–12.

Municipal, P. (2010). Boletín Censo 2005 - Bogotá, 1, 6. Retrieved from www.dane.gov.co

Musgrove, P., Creese, A., Preker, A., Baeza, C., Anell, A., & Prentice, T. (2000). Health Systems: Improving Perfomance. World Health Organization, 78(1), 1–215. https://doi.org/10.1146/annurev.ecolsys.35.021103.105711

Muzio, P. A. (1990). Mi familia es así: investigación psicosocial. Editorial de Ciencias Sociales. Retrieved from https://books.google.com.co/books?id=b_yOAAAAIAAJ

Neus Canal Díaz. (2006). Distribuciones de probabilidad. El teorema central del límite. Revista Seden, 107–120.

Öcek, Z. A., Çiçeklioğlu, M., Yücel, U., & Özdemir, R. (2014). Family medicine model in Turkey: a qualitative assessment from the perspectives of primary care workers. BMC Family Practice, 15, 38. https://doi.org/10.1186/1471-2296-15-38

OMS. (1978). Declaration of Alma-Ata. WHO Chronicle, 32(11), 428–430.



DE SIMULACIÓN

116

OMS. (2014a). 10 datos sobre la situación sanitaria mundial. Retrieved from 10 datos sobre la situación sanitaria mundial

OMS. (2014b). Estadísticas 2014. Ginebra.

OMS. (2015). Current health expenditure (CHE) per capita. Retrieved August 1, 2018, from http://apps.who.int/gho/data/node.main

OMS. (2016). OMS | ¿Qué es un sistema de salud? Retrieved September 11, 2016, from http://www.who.int/features/qa/28/es/#.V9SqA_cwgY4.mendeley

OPS/OMS. (2003). ATENCIÓN PRIMARIA DE SALUD EN LAS AMÉRICAS: LAS ENSEÑANZAS EXTRAÍDAS A LO LARGO DE 25 AÑOS Y LOS RETOS FUTUROS, 1–2.

OPS/OMS. (2007a). La Renovación de la Atención Primaria de la Salud en las Américas: Documento de Posición de la Organización Panamericana de la Salud/Organización Mundial de la Salud (OPS/OMS), 1–48. https://doi.org/ISN 92 75 32699 1

OPS/OMS. (2007b). La renovación de la Atención Primaria de la Salud en las Américas: Estartegia para el desarrollo de los equipos de APS.

OPS. (2015). INTERVENCIONES POBLACIONALES EN CRONICAS NO TRANSMISIBLES Estilo de Vida Saludable y Enfermedades No Transmisibles, 1–223.

Pritsker, A. A. B., Martin, D. L., Reust, J. S., Wilson, J. R., Kuhl, M. E., Carolina, N., … Burdick, J. F. (1995). Organ transplantation policy evaluation, 1314–1323.

Ramos Mateus, K. T. (2013). La responsabilidad social empresarial de las entidades del sector salud: descripción y análisis crítico de la RSE en los códigos de buen gobierno, ética y conducta de las principales entidades promotoras de salud Colombianas, 58.

Raña K, J., Ferrer O, J.-C., & Bedregal G, P. (2007). A model for resource allocation in primary health care. Revista Medica de Chile, 135(1), 54–62. https://doi.org//S0034-98872007000100008

Raúl Rojas Soriano. (1981). Guia Para Realizar Investigaciones Sociales. https://doi.org/10.1073/pnas.0703993104

Rey-gamero, A. C., & Acosta-ramírez, N. (2011). El enfoque de competencias para los equipos de Atención Primaria en Salud. Una revisión de literatura, 12(25), 28–39.

Robinson, G. H., Wing, P., & Davis, L. E. (1968). Computer Simulation of Hospital Patient Scheduling Systems. Health Services Research, 3(2), 130–141.

Salud, D. S. D. E., Bogotá, D. C., & De, O. (2015). Diagnóstico sectorial de salud Bogotá D.C., Octubre de 2015. Retrieved from http://www.saludcapital.gov.co/Empalme del Sector Salud 20122016/DIRECTIVA 09 DE 2015/1 DIAGNOSTICO SECTORIAL DE SALUD.pdf

Sargent, R. G. (2011). Verification and validation of simulation models. Proceedings of the 2011 Winter Simulation Conference, 2194–2205. https://doi.org/10.1109/WSC.2011.6148117



DE SIMULACIÓN

117

Secretaría Distrital de Planeación. (2011). Principales resultados de la primera encuesta multipropósito para Bogotá 2011. Boletín N. 32, 32(32), 208.

Seguí-Gómez, M., Atucha, E. A. T., & Jiménez-Moleón, J. J. (2013). Sistemas de salud: Modelos. Conceptos de salud pública y estrategias preventivas (First Edit). Elsevier Espa8#241;a, S.L. https://doi.org/10.1016/B978-84-8086-904-1/00057-1

Sheldon H. Jacobson, Shane N. Hall, J. R. S. (2006). Discrete-Event Simulation of Health Care Systems. In R.W. Hall (Ed.), Patient Flow: Reducing Delay in Healthcare Delivery (pp. 211–252). Springer International Series. https://doi.org/10.1007/978-0-387-33636-7_8

Shi, J., Peng, Y., & Erdem, E. (2014). Simulation analysis on patient visit efficiency of a typical (VA) primary care clinic with complex characteristics. Simulation Modelling Practice and Theory, 47, 165–181. https://doi.org/http://dx.doi.org/10.1016/j.simpat.2014.06.003

Shing, K., Chung, K., Komashie, A., & Yorke-smith, N. (2013). Envisioning Compexity in Healthcare Systems using Discrete Event Simulation and Social Network Analysis, 1094–1095.

Standridge, C. (1979). Using simulation in health manpower planning. ACM SIGSIM Simulation Digest, 10(4), 60–62. https://doi.org/10.1145/1102815.1102826

Standridge, C. (1999). a Tutorial on Simulation in Health Care: Applications and Issues. Proceedings of the 2009 Winter Simulatin Conference, 49–55. https://doi.org/10.1017/CBO9781107415324.004

Standridge, C., Alan, A., Pritsker, B., & Delcher, H. (1978). Issues in the development of a model for planning health manpower. SIMULATION, 31(1), 9–13. https://doi.org/10.1177/003754977803100102

Standridge, C., & Brown-Standridge, M. D. (1995). Combining total quality management and simulation with application to family therapy process design. Journal of the Society for Health Systems, 5(1), 23—40. Retrieved from http://europepmc.org/abstract/MED/7662876

Standridge, C., Fisher, W. P., & Tsai, J. (1983). A preimplementation assessment of a capitation reimbursement system using simulation. Journal of Medical Systems, 7(1), 43–59. https://doi.org/10.1007/BF00993338

Standridge, C., Macal, C., Pritsker, A. A. B., Delcher, H., & Murray, R. (1977). A SIMULATION MODEL OF THE PRIMARY HEALTH CARE SYSTEM OF INDIANA.pdf. Wsc.

Standridge, C., & Steward, D. (1996a). Standridge, C. R., & Steward, D. (1996). The application of simulation to the design and operation of veterinary medical practice - part II. American Journal of Veterinary Medicine, May.

Standridge, C., & Steward, D. (1996b). The application of simulation to the design and operation of veterinary medical practice - part I. American Journal of Veterinary Medicine, March.

Standridge, C., & Steward, D. (1996c). veterinary practice simulator requiring the integration of expert system and process modeling. American Journal of Veterinary Medicine., 143–159.



DE SIMULACIÓN

118

Starfield, B. (2001). Atención primaria. Equilibrio entre necesidades de salud, servicios y tecnología. Atención primaria. Equilibrio entre necesidades de salud, servicios y tecnología.

Suarez, R., Zamora, S., Conte, G., & Olarte, M. F. (2012). Resultados , sistematización , análisis y recomendaciones de la evaluación de las experiencias de APS-RISS ( versión final ajustada ), 1–225.

Taboada, M., Cabrera, E., Luque, E., Epelde, F., & Iglesias, M. L. (2013). Modeling, simulation and optimization of resources management in hospital emergency departments using the agent-based approach. Advances in Computational Modeling Research: Theory, Developments and Applications. Retrieved from http://www.scopus.com/inward/record.url?eid=2-s2.0-84892105270&partnerID=tZOtx3y1

Tanser, F., Gijsbertsen, B., & Herbst, K. (2006). Modelling and understanding primary health care accessibility and utilization in rural South Africa: An exploration using a geographical information system. Social Science and Medicine, 63(3), 691–705. https://doi.org/10.1016/j.socscimed.2006.01.015

Vassilacopoulos, G. (1985). A simulation model for bed allocation to hospital inpatient departments. SIMULATION, 45(5), 233–241. https://doi.org/10.1177/003754978504500502

Venkatadri, V., Raghavan, V. A., Kesavakumaran, V., Lam, S. S., & Srihari, K. (2011). Simulation based alternatives for overall process improvement at the cardiac catheterization lab. Simulation Modelling Practice and Theory, 19(7), 1544–1557. https://doi.org/http://dx.doi.org/10.1016/j.simpat.2011.04.004

Weng, S.-J., Tsai, B.-S., Wang, L.-M., Chang, C.-Y., & Gotcher, D. (2011). Using Simulation and Data Envelopment Analysis in Optimal Healthcare Efficiency Allocations. In Proceedings of the Winter Simulation Conference (pp. 1295–1305). Winter Simulation Conference. Retrieved from http://dl.acm.org/citation.cfm?id=2431518.2431673

Wong, S. Y., Tsui, K. L., Chin, K. S., & Xu, M. (2011). A simulation study to achieve healthcare service quality improvement in accident amp; emergency department (AED). In Quality and Reliability (ICQR), 2011 IEEE International Conference on (pp. 259–263). https://doi.org/10.1109/ICQR.2011.6031721

Wright, M. B. (1987). The application of a surgical bed simulation model. European Journal of Operational Research, 32(1), 26–32. https://doi.org/http://dx.doi.org/10.1016/0377-2217(87)90268-2

Yesalis, C., Norwood, G. J., & Lipson, D. (1982). Capitation for Pharmacy Services. In Capitation for Pharmacy Services. Westport: Technomic Publishing Corporation.

Zeinali, F., Mahootchi, M., & Sepehri, M. M. (2015). Resource planning in the emergency departments: A simulation-based metamodeling approach. Simulation Modelling Practice and Theory, 53, 123–138. https://doi.org/http://dx.doi.org/10.1016/j.simpat.2015.02.002

MODELO DE ASIGNACIÓN DE CUADRILLAS EN EL...

Documents

Transcript of MODELO DE ASIGNACIÓN DE CUADRILLAS EN EL...