Modelo de simulación del sistema de emergencia L.A. Lara, G.E. … · 2019-02-07 · Modelo de...
14
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro Revista Virtual Pro ISSN 19006241 Bogotá, Colombia [email protected] www.revistavirtualpro.com 2013 Luis Ángel Lara González, Gloria Elizabeth Grimaldo León, Mónica Andrea Espitia García y Natali Pan Chaparro Formulación de un modelo de simulación del sistema de emergencias de la E.S.E Hospital San Rafael para reducir tiempos de espera de pacientes Universidad de Boyacá Tunja, Colombia ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Transcript of Modelo de simulación del sistema de emergencia L.A. Lara, G.E. … · 2019-02-07 · Modelo de...
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
Revista Virtual ProISSN 19006241Bogotá, [email protected]
2013Luis Ángel Lara González, Gloria Elizabeth Grimaldo León, Mónica Andrea
Espitia García y Natali Pan ChaparroFormulación de un modelo de simulación del sistema de emergencias de la E.S.E
Hospital San Rafael para reducir tiempos de espera de pacientesUniversidad de Boyacá
Tunja, Colombia
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
Formulación de un modelo de simulación del sistema deemergencias de la E.S.E. Hospital San Rafael para reducir
tiempos de espera de pacientes(Formulation of an Emergency System Model Simulation for San Rafael Hospital to
Reduce Patient Waiting Times)
Luis Ángel Lara González1 Universidad de Boyacá, Tunja, Colombia
[email protected] Elizabeth Grimaldo León2
Universidad de Boyacá, Tunja, [email protected]ónica Andrea Espitia García3
Universidad de Boyacá, Tunja, [email protected]
Natali Pan Chaparro4 Universidad de Boyacá, Tunja, Colombia
Resumen
Este documento presenta la etapa inicial del desarrollo de un modelo de simulación para la reducción de los tiempos de espera en el servicio de emergencias de la E.S.E. Hospital San Rafael de Tunja (Boyacá, Colombia). Como pasos metodológicos para la formulación del modelo se contó con un diagnóstico del proceso, el levantamiento de tiempos reales del servicio dividiendo el sistema de emergencias en varias etapas y la caracterización de cada estación de trabajo a través de distribuciones de probabilidad para encontrar puntos clave de intervención. Los resultados obtenidos indican que las salas de procedimientos menores y la auditoría del servicio son el cuello de botella de carácter asistencial y administrativo, respectivamente. Adicionalmente, la estadística descriptiva de los datos recolectados durante la medición
1 Investigador en investigación de operaciones, simulación de procesos de producción y materiales de ingeniería2 Docente investigador del Programa de Ingeniería Industrial3 Estudiante del Programa de Ingeniería Industrial4 Estudiante del Programa de Ingeniería Industrial
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
del trabajo muestra la naturaleza estocástica o probabilística de los tiempos, por lo cual se determinó que la media de los datos no es una medida característica del proceso, ya que existe variabilidad en su comportamiento que es posible representar mediante distribuciones de probabilidad.
Palabras clave: simulación de eventos discretos, simulación, servicios médicos, servicios de emergencia.
Abstract
This paper shows the initial stage of the development of an emergency system model simulation for San Rafael de Tunja Hospital (Tunja, Boyacá, Colombia) to reduce patient waiting times. Process diagnosis, service real times measuring, and characterization of each work station through probability distribution to find intervention key points were taking into account as methodological steps to formulate the model. Results indicate that minor procedures rooms and service auditing were, respectively, healthcare and administrative bottlenecks. Besides, stochastic or probabilistic nature of waiting times depends on the descriptive statistics of collected data during work measurement. Therefore, it was concluded that average data was not a relevant measure of process since its variability behavior cannot be represented by probability distribution.
Keywords: discrete events simulation, simulation, medical services, emergency services
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
Introducción
La simulación de procesos hospitalarios ha sido una novedosa y eficaz herramienta dentro del análisis de
factores relacionados con la atención de emergencias (Jun, Jacobson y Swisher, 1999). Los principales
problemas del sector salud, afirma Correa (2010), radican en la creciente saturación presente en las redes
de servicio, debido a su vez al gradual número de accidentes de tránsito (Corporación Fondo de
Prevención Vial, 2012), el incremento en los índices de violencia y la baja capacidad ambulatoria en
contraste con la excesiva demanda (Sánchez, 2012). Lo anterior limita la respuesta de atención que
ocasiona tiempos de espera inaceptables para los usuarios, poniendo en riesgo su vida (Stainsby y
Luque, 2010).
Este documento plantea como objetivo formular un modelo de simulación para reducir el tiempo de
espera de los pacientes de urgencias de la E.S.E. (Empresa Social del Estado) Hospital San Rafael de
Tunja (Tunja, Boyacá, Colombia). El sistema de emergencias objeto de estudio posee un rápido flujo de
proceso durante la etapa preliminar de atención al usuario, por lo cual su volumen de atención ha crecido
en 45% durante los últimos años (Sánchez, 2012). Sin embargo, en procedimientos subsecuentes se
originan tiempos de espera que sobrepasan el estándar de atención institucional.
Para desarrollar el objetivo mencionado se emplearon dos pasos metodológicos: un diagnóstico del
funcionamiento del sistema para la determinación de las estaciones que limitan el sistema, seguido de la
identificación de la función de probabilidad que se ajusta a cada estación de trabajo. El alcance del
presente documento considera hasta el planteamiento de las primeras condiciones sobre las cuales se
podrán configurar diferentes escenarios de simulación para elegir la mejor alternativa de solución.
La simulación discreta es una herramienta de la investigación de operaciones que permite evaluar y
experimentar con gran versatilidad los más diversos y complejos procesos, valorando los efectos de las
decisiones en un ambiente de laboratorio. Además, el uso de software como herramienta de simulación,
implementa una cosmovisión de sistema, llamada el paradigma de la simulación de eventos discretos
(Law y Kelton, 2000). Por esto, se plantea como una posible solución al problema de investigación,
dado que se ajusta a los requerimientos del estudio y ofrece grandes ventajas metodológicas al revelar el
comportamiento real del sistema con toda la complejidad de sus relaciones y la cantidad de eventos que
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
ocurren en todos los procesos. Adicionalmente, al probar diferentes soluciones que mejoren las
condiciones actuales —antes de implementarlas en el sistema de emergencias— se eliminan variables de
tiempo, riesgo y costo (Blanco, 2003).
Mediante la simulación se han logrado casos de éxito mejorando procedimientos asistenciales y
administrativos, reduciendo tiempos de espera hasta en una tercera parte (Ruohonen, Neittaanmäki y
Teittinen, 2006; Holm y Dahl, 2009; Ramis, Baesler, Berho, Neriz y Sepúlveda, 2008), disminuyendo
costos innecesarios, prediciendo la demanda (Baesler, Jahnsen y DaCosta, 2003) y asignando
eficientemente los recursos, entre muchos beneficios más.
A continuación se exponen aspectos relevantes acerca de la metodología utilizada, los resultados
obtenidos respecto al funcionamiento del sistema hasta la caracterización estadística de las estaciones de
trabajo y las principales conclusiones derivadas del estudio.
Materiales y métodos
Los materiales necesarios para realizar la investigación consisten en los utilizados en un estudio de
tiempos y movimientos —cámara fotográfica, cronómetro 1/100 s, planillas de tiempos— y el software
Flexsim. Este trabajo es un estudio de caso contemporáneo de carácter holístico que maneja tres niveles
de investigación: exploratorio, descriptivo y explicativo. Tales niveles son coherentes con los objetivos y
las etapas metodológicas descritas a continuación.
Se llevó a cabo un diagnóstico del estado actual del sistema de emergencias del E.S.E. Hospital San
Rafael (HSR) ubicado en la ciudad de Tunja (Colombia), analizando variables como demanda,
procedimientos administrativos y asistenciales, además de las capacidades de los recursos físicos y
humanos. La recolección de información se llevó a cabo mediante entrevistas a funcionarios,
observación directa y datos suministrados por la coordinación de urgencias y el sistema de información
interno de la institución. La actividad siguiente consistió en el análisis y procesamiento de datos a través
de estadística descriptiva e inferencial, lo que permitió establecer una ruta de estudio compuesta por
estaciones de trabajo caracterizadas de acuerdo a propiedades de operación e interrelaciones.
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
Asimismo, se realizó la medición del trabajo a través de un estudio de tiempos durante 24 horas/7 días
divididos en cuatro turnos de 6 horas c/u de acuerdo al criterio next event, en el cual el cronómetro
comenzó a correr en el inicio del evento —llegada de un paciente— y se tomaron treinta datos de
atenciones a usuarios clasificables en la ruta de estudio mediante muestreo por conveniencia teniendo en
cuenta el mínimo requerido para un estudio semejante. La información obtenida fue validada mediante
test de independencia y pruebas de bondad de ajuste —KolmogorovSmirnov, Anderson Darling y Chi
cuadrado— para posteriormente determinar la función de probabilidad a la cual se ajusta el
comportamiento de cada estación de trabajo.
Resultados
El diagnóstico del sistema de emergencias permitió limitar el estudio a una ruta compuesta por procesos
asistenciales y administrativos que empieza con el ingreso del paciente por admisiones quien, después de
una corta espera, se dirige al consultorio en donde se diagnostica su estado; luego el médico diligencia
una orden en el estar de enfermería que posee la disposición de aplicación de tratamientos de acuerdo a
la patología del usuario, para posteriormente ser remitido a las salas de procedimientos. En la auditoría se
verifican los servicios prestados y, durante la documentación, se organizan los soportes como historias
clínicas, órdenes médicas y notas de enfermería. Finalmente, en facturación se comprueban los derechos
de los usuarios y se define el pagador del servicio. El paz y salvo es el documento que indica el egreso
definitivo del paciente.
Mediante la elaboración de diagrama de recorrido se obtuvo la matriz de relaciones (figura 1), la cual
permitió determinar que es absolutamente importante la ubicación cercana de secciones asistenciales
como consultorios, estar de enfermería y sala de procedimientos. También el sitio de la sala de espera
está referido a un punto próximo al anterior conjunto de estaciones, que a su vez se unen por especial
importancia con las secciones administrativas compuestas por admisiones, auditoría, documentación y
facturación.
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
Figura 1. Matriz de relaciones: comparación en cuanto a la importancia de la cercanía entre estaciones de trabajo del sistema de emergencias (HSR)
Fuente: elaboración propia (2012)
Tabla 1. Comportamiento de la demanda de servicios relacionados con procedimientos mínimos y menores.
Fuente: elaboración propia (2012)
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
A partir de pruebas de bondad y ajuste, se encontró que el comportamiento de la demanda de servicios
relacionados con procedimientos mínimos y menores se ajusta con una confianza de 95% a la tendencia
de una distribución de probabilidad exponencial (tabla 1).
Las capacidades en horashombre al día por estaciones de trabajo se muestran en la figura 2. Se observó
que la capacidad más alta está dada en el personal médico con una diferencia de 30 horas de
disponibilidad con el personal de enfermería en las salas de procedimientos.
Figura 2. Capacidades de las estaciones de trabajo en horashombre/día
Fuente: elaboración propia (2012)
Los resultados del estudio de tiempos fueron agrupados en cuatro turnos de acuerdo al levantamiento de
datos (figura 3). Se determinó que la etapa de aplicación de tratamientos limita la capacidad del sistema
ya que, aunque los tiempos de servicio pueden variar significativamente dependiendo el diagnóstico del
paciente, existe una demora aproximada a los 20 minutos antes de que se inicie la atención. El proceso
administrativo que trunca el flujo de operación es la auditoria de servicio, puesto que se consume más
tiempo antes de iniciarse que aquél necesario para completar las tareas concretas de la etapa.
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
Figura 3. Comparación de tiempos estándar por elementos de actividad y por turnos
Fuente: elaboración propia (2012)
De conformidad con la información obtenida, se puede afirmar que los datos del sistema son variables
basadas en la observación, cuyo elemento bajo estudio es el tiempo —en este caso tiempos de servicio de
los cuales resultan tiempos de espera—. La estadística descriptiva de los datos recolectados durante
medición del trabajo muestra un comportamiento estocástico o probabilístico de los tiempos, con lo cual
se determinó que existe variabilidad en su comportamiento y que es posible representarlo mediante
distribuciones de probabilidad.
Tabla 2. Tendencia de servicio de las secciones operativas
Fuente: elaboración propia (2012)
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
Para verificar la utilidad de los datos de tiempos de cada estación de trabajo se aplicaron tests de
independencia y uniformidad utilizando la herramienta StatFit de Promodel. Luego se procedió a realizar
pruebas de bondad y ajuste para determinar la función de probabilidad que mejor se adecuara a la
tendencia de servicio de las secciones operativas (tabla 2).
Discusión
Existe predilección en el uso de modelos de simulación en la mayoría de los estudios sobre tiempos de
espera de pacientes debido a los múltiples beneficios para analizar sistemas que manejan alta
incertidumbre (van Sambeek, Cornelissen, Bakker y Krabbendam, 2010). Usar la simulación como una
estrategia para analizar el sistema de emergencias de un hospital resulta muy conveniente, dado que se
trata de un entorno que difícilmente podría estudiarse analíticamente, teniendo en cuenta su complejidad
y dependencia de infinitas variables como la realidad misma. Por esto se entiende porqué una las
primeras y más fuertes aplicaciones de la simulación fue en la rama de servicios de salud y que en la
actualidad existan software especializados exclusivamente para uso hospitalario, en el caso de Flexsim
Health Care y MedModel (Azcárate, Eraso y Gáfaro, 2006).
La ruta de estudio determinada tiene ingresos que crecen muy rápidamente en el tiempo con un ajuste de
97,6% a una distribución exponencial y una tasa de llegadas de 2,29 usuarios por hora. Al comparar las
capacidades de las estaciones de trabajo se puede deducir que, a pesar de que los pacientes sean
diagnosticados con rapidez, al tener la orden de procedimientos se forma una cola de espera porque las
salas no cuentan con el mismo nivel de atención que los consultorios. Este mismo problema sucede en
las etapas posteriores, donde existe un déficit que puede causar cuellos de botella durante la
documentación. Es importante igualar los esfuerzos que se hacen las etapas iniciales de atención al
paciente para equilibrar el flujo del proceso.
El turno en el cual se presenta mayor demora en la prestación del servicio es de 7:00 a.m. a 1:00 p.m.,
debido a razones como el cambio de turno del personal de urgencias, la congestión en la salida de
pacientes que ingresaron en la madrugada y la gran demanda que se presenta hacia la media mañana.
Asimismo, el tiempo promedio estándar del proceso de atención es de 2 horas con 37 minutos. El cuello
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
de botella de carácter asistencial es la aplicación de tratamientos con un tiempo promedio aproximado de
31 minutos. Por otra parte, la etapa que limita la capacidad administrativa es la auditoría, con un tiempo
cercano a los 23 minutos; la causa fundamental es que la persona encargada de esta labor tiene otras
funciones de mayor relevancia por su carácter asistencial y, además, debe revisar los documentos
soportes del servicio, no solo como la historia de un paciente por el sistema sino como una evaluación de
las notas que realizan los(as) enfermeros(as).
La experimentación facilitará la toma de decisiones a corto y largo plazo para conocer aquellos recursos
en los cuales sería factible invertir para aumentar la capacidad de respuesta del sistema, sin necesidad de
intervenir con el proceso real y evitando posibles pérdidas (Swisher y Jacobson, 2002).
Conclusiones
La principal causa de altos tiempos de espera por parte de los usuarios se debe a reprocesos de revisión y
documentación que acumulan demoras, de manera que los pacientes ingresados aguardan un excesivo
lapso de tiempo mientras se da inicio a la aplicación de tratamientos por no haberse finalizado el registro
de atenciones previas. También el egreso definitivo del usuario solo es posible cuando se define el
pagador del servicio durante la comprobación de derechos, lo que suele ser un proceso largo cuando el
paciente tiene problemas de afiliación.
El flujo de proceso es medianamente coherente con el recorrido del usuario a través del sistema, razón
por la cual la distribución de planta podría adoptar mejoras que reduzcan la incidencia de transportes
desde consultorios hasta el estar de enfermería, así como el estrés de los pacientes en una zona de mucho
tránsito y la constitución de un área que agrupe los procesos administrativos, de manera que no existan
demoras innecesarias que aumenten el tiempo de espera de los pacientes.
El modelo de simulación como producto final de la investigación será un ambiente para ensayar
soluciones sensatas que puedan convertirse en realidad para corregir factores relacionados con los dos
cuellos de botella identificados hasta el momento. Del mismo modo, su diseño puede ser complementado
añadiendo las demás áreas que comprende el sistema de emergencias para encontrar nuevas necesidades
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
y, por consiguiente, oportunidades de mejora adicionales.
Una de las ventajas de la metodología aplicada fue el estudio de tiempos, lo que permitió observar de
cerca el funcionamiento del sistema y recolectar información confiable acerca del estado actual del
servicio. Adicionalmente, los datos obtenidos del estudio de tiempos son claves al momento de validar los
resultados del modelo de simulación.
Asimismo, se pueden evaluar diversas opciones de operación mediante configuraciones que conjuguen
simultáneamente procesos administrativos y asistenciales que permitan realizar una mejor gestión,
dándole prioridad a la atención inmediata que asegure el bienestar de los usuarios y mejore la calidad del
servicio.
Agradecimientos
A las directivas y al personal administrativo y asistencial de la E.S.E. Hospital San Rafael de Tunja,
especialmente al doctor Freddy Nelson Maldonado (coordinador de urgencias de la E.S.E. Hospital San
Rafael de Tunja en 2011) por apoyar nuestro proyecto al suministrar los recursos de información
necesarios para conocer el funcionamiento de la sala de urgencias y al doctor Danilo Saza (coordinador
de urgencias de la E.S.E. Hospital San Rafael de Tunja en 2012) por su interés en continuar
colaborándonos con la consecución de este proyecto de investigación.
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
Referencias
Azcárate, C., Eraso, M.L. y Gáfaro, A. (2006). La investigación operativa en las ciencias de la salud: ¿reconocemos estas técnicas en la literatura actual? Anales del Sistema Sanitario de Navarra, 29(3), 387397.
Correa, A. M. (2010, 19 de septiembre). Baja capacidad hospitalaria. El Colombiano. Recuperado el 25de enero de 2012 dehttp://www.elcolombiano.com/BancoConocimiento/B/baja_capacidad_hospitalaria/baja_capacidad_hospitalaria.asp
Baesler, F., Jahnsen, H. y DaCosta, M. (2003). The Use of Simulation and Design of Experiments for Estimating Maximum Capacity in an Emergency Room. En S. Chick, P. J. Sánchez, D. Ferrin y D. J. Morrice (eds.), Proceedings of the 2003 Winter Simulation Conference (pp. 19031909). Baltimore, MD: INFORMS Simulation Society.
Blanco, L. E. (2003). Simulación con Promodel Casos de producción y logística. Bogotá: Escuela Colombiana de Ingeniería.
Corporación Fondo de Prevención Vial. (2012, 16 de julio). Estadísticas de accidentalidad. Recuperado el 13 de diciembre de 2012 de http://www.fpv.org.co/investigacion/estadisticas
Holm, L. y Dahl, F. (2009). Simulating the Effect of Physician Triage in the Emergency Department of Akershus University Hospital. En M. D. Rossetti, R. R. Hill, B. Johansson, A. Dunkin y R. G. Ingalls (eds.), Proceedings of the 2009 Winter Simulation Conference (pp. 18961905). Baltimore, MD: INFORMS Simulation Society.
Jun, J., Jacobson, S. y Swisher, J. (1999). Application of DiscreteEvent Simulation in Health Care Clinics: A Survey, The Journal of the Operational Research Society, 50(2), 109123.
Law, A.M. y Kelton, D. (2000). Simulation Modeling and Analysis (3rd ed.). New York: McGrawHill.
Ramis, F., Baesler, F., Berho, E., Neriz, L. y Sepúlveda, J. (2008). A Simulator to Improve Waiting times at a Medical Imaging Center. En S. J. Mason, R. R. Hill, L. Mönch, O. Rose, T. Jefferson y J. W. Fowler (eds.), Proceedings of the 2008 Winter Simulation Conference (pp. 15721577). Baltimore, MD: INFORMS Simulation Society.
Ruohonen, T., Neittaanmäki, P. y Teittinen, J. (2006). Simulation Model for Improving the Operation of the Emergency Department of Special Health Care. En L. F. Perrone, F. P. Wieland, J. Liu, B. G.
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
Modelo de simulación del sistema de emergencia... L.A. Lara, G.E. Grimaldo, M.A. Espitia y N.P. Chaparro
Lawson, D. M. Nicol y R. M. Fujimoto (eds.), Proceedings of the 2006 Winter Simulation Conference (pp. 453458). Baltimore, MD: INFORMS Simulation Society.
Sánchez, C. A. (2012). E.S.E. Hospital San Rafael de Tunja. Informe ejecutivo de gestión. Periodo 20082011. Tunja: E.S.E. Hospital San Rafael de Tunja.
Stainsby, H. D. y Luque, L. (2010). Simulación de departamentos de urgencias empleando un modelo basado en agentes (tesis de maestría sin publicar). Universidad Autónoma de Barcelona, Barcelona. Recuperado el 3 de julio de 2012 de http://ddd.uab.cat/record/67680/?ln=es
Swisher, J. y Jacobson, S. (2002). Evaluating the Design of a Family Practice Healthcare Clinic Using DiscreteEvent Simulation, Health Care Management Science, 5(2), 7588.
van Sambeek, J., Cornelissen, F., Bakker, P. y Krabbendam, J. (2010). Models as Instruments for Optimizing Hospital Processes: A Systematic Review, International Journal of Health Care Quality Assurance, 23(4), 356377.
ISSN 19006241 No 133 Febrero 2013 :: Simulación y modelado de procesos
