Académique Documents
Professionnel Documents
Culture Documents
* Informe de investigación, artículo de revisión. El artículo de investigación se desprende del estudio “Diseño de
políticas para la disminución de la saturación en el servicio de urgencias de la IPS universitaria, Sede Clínica León
XIII; IPS Universitaria, servicios de salud de la Universidad de Antioquia; 2010-2011”.
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
Resumen
El presente trabajo presenta una revisión bibliográfica que enumera los problemas más comunes
encontrados en los servicios de urgencias y las metodologías de investigación de operaciones
más aplicadas para su estudio y solución. Se muestran las ventajas y desventajas de los méto-
dos y los resultados obtenidos. Se encontró que los principales problemas abordados por los
investigadores son: la ineficiencia en el flujo de pacientes, evaluar la capacidad del servicio
vs. la demanda, y los largos tiempos de espera de los pacientes para ser atendidos. Se utiliza,
principalmente, la simulación de eventos discretos y la programación matemática. Ninguna
de las referencias evaluadas plantea un cambio de esquema al sistema actual ni explora la
reducción de la demanda.
Abstract
This paper presents a literature review that lists the most common problems encountered in
emergency departments and operations research methodologies most applied for study and
solution. The advantages and disadvantages of the methods and results are shown. We found
that the main issues addressed by researchers are: inefficiency in the flow of patients, assess
service capacity vs. demand and long waiting times of patients for treatment. It is mainly used
discrete event simulation and mathematical programming. None of the references evaluated
considering changing the current system outline and explore demand reduction.
Resumo
Este trabalho apresenta revisão bibliográfica respeito dos problemas mais comumente encon-
trados nos serviços de urgências e das metodologias de pesquisa de operações mais aplicadas
para seu estudo e solução. São mencionadas as vantagens e desvantagens dos métodos e resul-
tados obtidos. Encontrou-se que as principais questões abordadas pelos pesquisadores foram:
ineficiência no fluxo de pacientes, avaliar capacidade de serviço versus demanda real e longos
períodos de espera dos pacientes antes de serem atendidos, utilizando principalmente a simulação
de eventos discretos e a programação matemática. Nas referências bibliográficas estudadas não
foram encontradas propostas de mudanças aos sistemas de saúde vigentes nem mesmo estudos
a respeito da redução da demanda.
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
gramación matemática como de simulación pitalarias. 2) Que los problemas puedan ser
de sistemas. A continuación se mencionan resueltos a partir de metodologías de optimi-
algunos ejemplos: zación y simulación. 3) Que en su solución, la
metodología de investigación de operaciones
• La simulación del departamento de identifique las variables y factores relevan-
urgencia de Cooper Health System, la tes del problema para la construcción del
cual permitió la creación de un modelo modelo. Este último elemento permitiría
que representó las operaciones actuales trazar elementos comunes en los problemas
y evaluó las posibles alternativas para encontrados.
reducir la duración de la estancia de los
pacientes en el servicio. Por medio de Se identificó un conjunto de términos de
esta simulación también pudieron po- búsqueda para abarcar todas las facetas
nerse a prueba nuevos procesos y evitar de los criterios de inclusión: operations
costos importantes al no añadir camas research-emergency departments, optimization
al servicio, ya que se descubrió que este models-emergency departments, simulation of
cambio no acortaba la duración de la emergency departments, y system dynamics-
estancia (15). emergency departments, y sus semejantes en
español.
• Creación de un modelo de simulación
de las operaciones del departamento de Se identificaron los trabajos que incluyeran
urgencia en el Hospital Gubernamental los tres criterios de inclusión estipulados
en Kuwait, para determinar el número anteriormente.
óptimo de médicos, técnicos de labo-
ratorio y enfermeras para maximizar el Se revisaron 576 artículos, de los que se
rendimiento del paciente y para reducir seleccionaron 77, los cuales cumplen con
el tiempo de éste en el sistema (16). todos los criterios de inclusión y consti-
• Utilizando la simulación de eventos tuyen la más reciente fuente de informa-
discretos se modeló el servicio actual de ción bibliográfica que se encuentra en la
urgencias en el Habib Bourguiba Univer- literatura hasta el momento y que permite
sity Hospital en Sfax, Túnez. Para esto explorar de manera expedita el uso de las
se tuvo en cuenta el tiempo de espera metodologías cuantitativas de simulación y
de los pacientes en filas y la utilización y optimización en el servicio de urgencias. Se
programación de los recursos (17). extrajo la siguiente información: problemas
que presentan los servicios de urgencias
El anterior panorama permitió establecer los hospitalarios; metodologías cuantitativas
parámetros para desarrollar la metodología de la investigación de operaciones emplea-
de investigación del presente trabajo. das para estudiar y dar solución a dichos
problemas; aplicación de casos concretos
2.2. Materiales y métodos de trabajo que permitieran evidenciar la utilización de
cada una de estas metodologías; variables de
La metodología de búsqueda de esta revisión estudio y factores tenidos en cuenta según
requiere la identificación de trabajos que el problema por estudiar; metodología de
cumplan tres condiciones fundamentales, solución empleada; y ventajas y desventajas
a saber: 1) Que planteen problemas afines de las diferentes metodologías de la inves-
con las metodologías de investigación de tigación de operaciones según el problema
200 operaciones en el servicio de urgencias hos- por abordar.
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Paula Andrea Velásquez-Restrepo • Alma Karina Rodríguez-Quintero
• Juan Sebastián Jaén-Posada
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
Porcentaje
Problemas en el sistema Referencias de estudio según
problemas específicos
Saturación del servicio (23) (38) (39) (40) 6%
(8) (19) (23) (24) (25) (26) (27)
Ineficiencia del flujo de pacientes 19%
(28) (41) (42) (43) (44) (45)
Tiempos de espera largos para los (18) (19) (20) (22) (43) (46) (47)
13,2%
pacientes (17) (48)
Largos tiempos de estancia hospita-
(21)(15)(49) 4,4%
laria
Optimización del tiempo de atención
(18)(30) (50) 4,4%
por el médico de urgencias
Capacidad del servicio de urgencias (22) (27) (29) (38) (45) (51)(52)
16%
versus demanda (53) (54) (55) (56)
(16) (30)(31)(32) (33)(34)(35)
Capacidad y programación del perso- (36)(37) (41) (46) (47)(17)(57)
37%
nal asistencial en urgencias (58) (59) (60) (61) (62) (63)(64)
(65) (66) (67) (68)
Fuente: elaboración propia
203
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Paula Andrea Velásquez-Restrepo • Alma Karina Rodríguez-Quintero
• Juan Sebastián Jaén-Posada
Porcentaje de
Resultados encontrados con los
Metodología aplicación de la Referencias
estudios
metodología
• Asignación óptima del personal. (16)(30)(31)(32) (33)
• Reducción en el tiempo de espera (34)(35)(36) (37)(17)
de los pacientes. (50)(52) (57)(59)(60)
Programación (62) (63)(67)(68)(69)
• Reducción en los costos de gestión 31%
Matemática (70)(71)(72)
• Mejorar el ranking de hospital.
• Elevar el nivel de satisfacción del
paciente.
• Herramienta para la programa- (58)(61)(62)(65) (68)
Heurística ción de recursos y rotación de (73)
- Metaheurís- turnos del personal. 8%
tica • Disminución de los tiempos de
espera de los pacientes.
Simulación
Simulación
3% (55)(56)
Montecarlo
• Evaluación de nuevos procesos. (8)(18)(19)(20) (21)
• Disminuir los tiempos de espera (15)(23)(24) (25)(26)
para que los pacientes sean (27)(29) (16)(41)(42)
Simulación atendidos. (46) (47) (17)(48)
de Eventos 35% (49) (53)(54)(66)(74)
Discretos • Optimizar los tiempos de atención
(75) (76)
del médico en urgencias.
• Mejorar el rendimiento de los
procesos asistenciales.
• Disminuir los tiempos de espera (38)(22)(28)(39) (40)
de los pacientes. (43)(44)(45) (77)(78)
• Realizar mejoras en los flujos (79)(80) (81)
de pacientes y la capacidad del
sistema.
Dinámica de • Evaluar los efectos de las propues- 18%
Sistemas tas y políticas implementadas para
el mejoramiento del servicio de
urgencias.
• Analizar la utilización de camas
y el retraso en situaciones de
emergencia.
Simulación (82) (83) (84) (85)
Basada en 5%
Agentes
204 Fuente: elaboración propia
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
dico de Deaconess Israel Beth, un hospital ocupación de camas si dicha ocupación sube
de enseñanza de Harvard, con el objetivo hasta 90% o más. Lo que permitió concluir
de evaluar el flujo de pacientes. El modelo que hay un límite de tasas de ocupación que
se basa en una representación multicasos se puede tener de forma segura, sin correr
de pacientes, la cual contiene un módulo riesgos considerables para los pacientes,
de tiempo variable del proceso de llegada, y para la prestación eficaz de atención de
basada en una regresión multivariable para emergencia. La capacidad no utilizada de
predecir las futuras llegadas de pacientes, un cama es esencial para la gestión eficaz de los
módulo de servicio que considera el hecho de servicios de urgencias.
que los tiempos de servicio deben disminuir,
y la capacidad del sistema cuando se conges- Spillan y Ziemnowicz (43), tomando en
tiona. Se utiliza el modelo para proponer consideración que los hospitales son sistemas
y analizar nuevas políticas tales como el complejos que se pueden representar como
aumento de número de camas, la reducción redes de interacción entre unidades llamadas
de los tiempos muertos entre los pacientes, servicios, construyen un modelo del flujo de
etc. Cochran y Bharti (26) presentan modelos pacientes en el servicio de urgencias, con el
estocásticos del flujo de pacientes desde el objetivo de analizar la utilización de camas
departamento de urgencias a varios depar- y el retraso en situaciones de emergencia,
tamentos del hospital, y utilizan simulación mediante la herramienta de dinámica de sis-
de eventos discretos para maximizar el flujo temas. El modelo de simulación presentado
de los pacientes a través del sistema. utiliza una interfaz de juego para compren-
der las políticas del hospital y sus efectos, el
Bagust y colaboradores (27), teniendo en cual permite al personal que toma las deci-
cuenta el riesgo de no tener camas dispo- siones del servicio examinar los efectos de
nibles para cualquier paciente que requiere sus decisiones sobre el servicio de urgencias
ingreso inmediato, y con el objetivo de y sobre otros servicios del hospital.
analizar el flujo de ingresos de pacientes
de emergencia a un hospital y los requisitos Los resultados evidencian que el límite de la
para la disposición de camas, a fin de deter- organización crea una falta de coordinación
minar las repercusiones de las fluctuaciones entre los servicios. Las personas encargadas
impredecibles de las demandas de admisión de tomar las decisiones médicas con respec-
de emergencia para la gestión de la capaci- to al servicio, en forma indirecta, son las
dad de camas del hospital, y para cuantificar que crean el problema. Se observó cómo el
el riesgo diario de capacidad insuficiente personal de hospitalización y UCI planifica
de éstas para pacientes que requieren el el funcionamiento de sus servicios sin tener
ingreso de inmediato, realizaron un modelo en cuenta el comportamiento de urgencias,
de la dinámica del sistema hospitalario, con lo que produce una congestión de pacientes
simulación estocástica de eventos discretos, en urgencias por falta de camas.
lo que refleja la relación entre la demanda y
la capacidad de camas disponibles.
4.3.2. Aplicaciones bajo la dinámica de
sistemas
Los resultados mostraron que los riesgos son
perceptibles cuando la tasa media de ocupa- Lattimer y colaboradores (28), a efectos
ción de camas es superior a un 85%, es decir, de describir las características de un de-
se puede esperar una escasez periódica de partamento de emergencia y el sistema de
cama, y se puede dar una crisis periódica de atención de urgencias, e investigar las formas
207
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Paula Andrea Velásquez-Restrepo • Alma Karina Rodríguez-Quintero
• Juan Sebastián Jaén-Posada
en que los flujos de pacientes y la capacidad servicio de urgencias, ya que estos pacientes
del sistema pueden mejorarse, emplearon la representaban aproximadamente la mitad de
metodología de dinámica de sistemas, donde todas las admisiones de emergencia. Cooke
se ilustran las vías que toman los pacientes y colaboradores (39) construyen un sistema
desde su entrada hasta su alta. El modelo de dinámica de sistemas para evaluar las
se complementó con datos demográficos variables que afectan el flujo de pacientes en
y de actividad para simular patrones de la la región de salud de Calgary, para obtener
demanda, la actividad, las contingencias y una mejor comprensión de los efectos que
los cuellos de botella del sistema. Se realizó influyen en la saturación de los servicios de
la simulación de una serie de escenarios urgencias de un hospital.
para determinar su probable eficacia en el
cumplimiento de los objetivos y las metas. Dentro de los modelos de simulación, la
El modelo mostró las posibles consecuencias simulación de eventos discretos se ha conver-
de un crecimiento continuo de la demanda tido en una herramienta popular y eficaz de
de atención de emergencia, pero también toma de decisiones para la asignación óptima
un considerable margen de intervención de los escasos recursos sanitarios, a fin de
destinado a mejorar los escenarios del peor mejorar el flujo de pacientes, minimizar los
caso, en particular aumentando las opciones costos de atención de salud y aumentar la
de gestión de la atención en la comunidad. satisfacción del paciente (90). Sin embargo,
si se tiene en cuenta que los problemas pre-
Royston y colaboradores (77) describen sentes en los servicios de urgencias dependen
varias aplicaciones de la dinámica de siste- de la estructura del sistema y de su dinámica
mas a los problemas del sistema nacional de e interacción, se plantea la dinámica de sis-
salud del Reino Unido (NHS). Una de las temas como la metodología de solución más
aplicaciones que se describen en detalle en acorde para abordar este tipo de problemas.
el documento utiliza la dinámica de sistemas Esto lo respaldan Lane y colaboradores (22),
para desarrollar una mejor comprensión de quienes exponen que con la simulación de
las interacciones entre el sistema de atención eventos discretos se puede construir un mo-
de emergencia y el sistema de asistencia delo que permite mejorar el trabajo indivi-
social. El Brailsford y colaboradores (78) dual del servicio de urgencias, caracterizando
describen un estudio de la dinámica de los pacientes y el flujo de ellos; sin embargo,
sistemas de las emergencias regionales y el los autores sustentan que a diferencia de los
sistema de atención a urgencias. Se construye modelos discretos, la dinámica de sistemas es
un modelo de alto nivel de flujos de pacientes capaz de mirar más allá, tener en cuenta los
en el sistema de atención de emergencias de efectos de retroalimentación de la ocupación
la región de salud de Nottingham. de otros servicio.
El modelo fue adoptado rápidamente por Además, todo lo anterior se puede sustentar
los responsables, que deseaban probar en la hipótesis dinámica que se plantea,
diferentes escenarios de sus políticas. El teniendo en cuenta que un hospital en su
modelo fue útil para mostrar que el sistema conjunto funciona como un sistema, el cual
funcionaba “peligrosamente cerca de su está compuesto por varios subsistemas: UCI,
capacidad”, que las intervenciones dirigidas Hospitalización, Departamento de Cirugía,
a la prevención en pacientes mayores de 60 Servicio de Urgencias, etc., que interactúan
años redujeron las admisiones a urgencias entre sí en forma dinámica, donde si una de
208 entre un 3 y 6%, rebajando la congestión del las partes deja de funcionar o no tiene una
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
sinergia con el conjunto, el sistema comien- esto se logró una reducción y representación
za a presentar conflictos. Es precisamente bastante exacta de los tiempos de espera para
en ese sentido que los estudios evidencian los pacientes y se determinó el impacto de
que la falta de disponibilidad de camas para los diferentes programas de médicos en el
pacientes que desde urgencias requieren ser servicio.
hospitalizados o internados en una UCI, es
uno de los grandes problemas que generan En la tabla 4 se presenta un breve resumen
cuellos de botella en el funcionamiento de lo presentado en la literatura, evaluando
eficaz de los departamentos de urgencias de cada una de las metodologías de simulación
un hospital (51,91), creando la necesidad de empleada para la solución a los problemas
determinar y predecir el nivel de ocupación presentes en los servicios de urgencias.
de camas, habida cuenta de la incertidum-
bre de la llegada de pacientes urgentes
(23,24,91-95). 5. Conclusiones y
recomendaciones para estudios
Otros estudios exponen que la planeación de
futuros
las actividades quirúrgicas debe considerar
la naturaleza incierta de la demanda de la ci- En este trabajo se revisaron los artículos que
rugía de emergencia, la cual pueden generar estudian los problemas que presentan los
retardos en las cirugías o aplazamientos de servicios de urgencias hospitalarios y que son
los procedimientos quirúrgicos que pueden abordados aplicando las metodologías de la
degradar la percepción de la calidad en la investigación de operaciones. Se analizaron
prestación del servicio, al mismo tiempo los diferentes problemas y las contribuciones
que se generan costos adicionales para el de los diferentes métodos en varios niveles y
hospital (96-98). Esto se ve reflejado en la se ilustraron los principales problemas que
cancelación de cirugías, retardos en éstas, son de interés en la comunidad científica. Se
tiempos de espera largos para los pacientes, encontraron las metodologías cuantitativas
tiempos muertos del quirófano y trabajo de empleadas en la solución de los problemas
horas extras del personal quirúrgico. Esta identificados y sus ventajas y desventajas. La
opinión es respaldada con el trabajo de revisión reveló que la gestión hospitalaria
Cardoen y colaboradores (97) y Jiménez y está cada vez más presionada por los estánda-
colaboradores (98). res de calidad y eficiencia que el mundo im-
pone, lo que ha llevado a los investigadores
4.3.3. Aplicaciones bajo la simulación a incursionar en el estudio y evaluación de la
basada en agentes aplicación de diferentes metodologías como
la optimización, la programación matemática
Si bien no se encuentra abundante literatura y la simulación de sistemas para el desarrollo
de las aplicaciones de esta metodología de de procesos de calidad en el sistema de salud.
simulación en el sector salud, los trabajos de Esto ha obligado a establecer una nueva
Stainsby y colaboradores (84) y Laskowski y búsqueda de la gestión hospitalaria, crean-
colaboradores (85) aplican técnicas de mode- do instituciones autosostenibles, llevando a
lización basadas en agentes para comprender que la investigación de operaciones se esté
y gestionar mejor los servicios de urgencias, aplicando en estudios tan diversos como: la
evaluando el flujo de trabajo, políticas tales evaluación de las implicaciones de la implan-
como la dotación de personal y el efecto de tación de políticas de salud, la programación
parámetros como los tiempos de espera. Con de actividades médicas y asistenciales, la
209
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
210
Tabla 4. Metodologías de simulación aplicadas a la solución de los problemas presentes en los servicios de urgencias hospitalarias
Tiempo de espera de *Recursos, capaci- *Disminuir los La simulación muestra que En general, la La lógica de modela- (8) (15) (16)
los pacientes para ser dad de los hospita- tiempos de es- es posible aumentar la tasa simulación de do de la simulación (17) (18)
atendidos les y demanda de pera para que de utilización de la emer- eventos discretos de eventos discretos (19) (20)
pacientes los pacientes gencia médica, disminuir el permite modelar gira alrededor de los (21) (23)
sean atendidos número de horas medico al situaciones de eventos que ocurren (24) (25)
Tiempo de atención por día y al mismo tiempo dismi- alto nivel de instante a instante, (26) (27)
el médico de urgencias *Relación del ser- nuir los tiempos de espera complejidad registrando el estado (29) (41)
vicio de urgencias *Optimizar para que los pacientes sean con funciones de todos los eventos, (42) (46)
Flujo de pacientes con otros servicios los tiempos atendidos. relativamente entidades, atributos y (47) (49)
urgentes del hospital de atención sencillas. De variables del modelo (48) (53)
del médico en esta forma, es en todo momento; por (54) (66)
Capacidad del servicio urgencias Los modelos de simulación posible construir lo que dicha metodo- (74) (75)
versus la demanda ayudan a los coordinadores modelos que logía de simulación es (76)
de los servicios de urgencias representen la más útil cuando se re-
Saturación del servicio *Mejorar el a entender el comportamien- realidad en el quiere evaluar proble-
de urgencias rendimiento to del sistema con respecto nivel de detalle mas más específicos y
de los procesos a las causas ocultas de los
asistenciales deseado. en detalle; siendo así
tiempos de espera excesivos. ésta una metodología
• Juan Sebastián Jaén-Posada
menos pertinente si
Los modelos de simulación se quiere evaluar el
Tiempo de estancia
permiten calcular el nivel funcionamiento de un
hospitalaria
máximo de demanda que un sistema como tal.
servicio de urgencias puede
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
atender según sus capaci-
dades
Paula Andrea Velásquez-Restrepo • Alma Karina Rodríguez-Quintero
(Continúa)
Tabla 4. Metodologías de simulación aplicadas a la solución de los problemas presentes en los servicios de urgencias hospitalarias (Continuación)
Dinámica de sistemas
Factores a tener en Objetivos de Desventajas del Referen-
Variables de estudio Logros alcanzados Ventajas del método
cuenta trabajo método cias
*Demanda versus *Disminuir los Los modelos de La construcción de un La confiabilidad de (22) (28)
Tiempo de espera de recursos tiempos de espera simulación ayudan a modelo de dinámica de los resultados de si- (38) (39)
los pacientes para ser de los pacientes. los administradores sistemas se convierte mulación del modelo (40) (43)
atendidos de los servicios a en un instrumento de depende de las hipó- (44) (45)
*Los procesos de realizar una gestión aprendizaje, que se pue- tesis formuladas, las (77) (78)
Flujo de pacien- otros servicios del *Realizar mejoras eficaz y certera de los de utilizar para evaluar cuales deben tener (79) (80)
tes urgentes y la hospital que interfie- en los flujos de recursos. Esto se pue- las consecuencias tanto a en cuenta los ciclos (81)
interacción con otros ren en el funciona- pacientes y la de hacer cuando se corto como a largo plazo de retroalimientación
servicios del hospital miento del servicio capacidad del conoce el comporta- del establecimiento de del sistema.
de urgencias y el sistema. miento del sistema. políticas de gestión alter-
Saturación del servi- número de camas
cio de urgencias nativas. La metodología
*Evaluar los proporciona herramien-
Capacidad del Los modelos de simu- tas para analizar, no
*La saturación de efectos de las lación permiten cal-
servicio versus la los servicios de ur- propuestas y sólo el comportamiento
demanda cular el nivel máximo temporal de las variables
gencia por la falta de políticas imple- de demanda que un
acceso a la atención mentadas para incluidas en el modelo,
Flujos de pacientes servicio de urgencias
primaria el mejoramiento sino también las causas
y la capacidad del puede atender según
una revisión de la literatura
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
(Continúa)
211
212
Tabla 4. Metodologías de simulación aplicadas a la solución de los problemas presentes en los servicios de urgencias hospitalarias (Continuación)
Personal *Evaluar las *La simulación proporciona Es aplicable cuando Se debe declarar esce- (82) (83) (84)
Tiempos de espera médico en el configuraciones una representación bastante se requiere evaluar narios para describir (85)
del servicio de servicio de de personal exacta de los tiempos de las acciones y las las circunstancias
urgencias urgencias médico en espera para los pacientes. interacciones de concretas, los procesos
urgencias individuos autóno- y el comportamiento
mos dentro de un sis- de los eventos, ya que
*La simulación basada en tema, con el objeto la simulación basada
*Comprender y agentes es un medio con- de determinar los en agentes se centra
gestionar mejor fiable para determinar las efectos sobre aquél, en los componentes
Dotación de personal los servicios de configuraciones del personal en totalidad. básicos del sistema, por
médico en el servicio urgencias médico. La herramienta de lo que el componente
de urgencias modelado es especialmente de abstracción se hace
útil para evaluar el impacto sobre cada componente
de los diferentes programas básico individualmente;
de médicos en el servicio de no sobre el sistema en
Decisiones y com- urgencias y el tiempo que su conjunto.
portamiento humano los pacientes esperan para
• Juan Sebastián Jaén-Posada
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Paula Andrea Velásquez-Restrepo • Alma Karina Rodríguez-Quintero
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
Dados estos hechos, los métodos cuan- Aquí la eficiencia en el flujo de pacientes
titativos de administración han probado urgentes depende de dichos procesos exter-
ser herramientas útiles para la gestión y el nos, y si este flujo no es eficiente, se alargan
entendimiento de los procesos de atención. las estancias hospitalarias y ello induce la
La revisión bibliográfica permitió identificar saturación del servicio. Así mismo, y como se
que las metodologías de optimización han ha presentado a lo largo del trabajo, el servi-
ayudado principalmente en la asignación cio de urgencias necesita de otros servicios
y planeación del recurso, mientras que auxiliares del hospital como lo son ayudas
las metodologías de simulación han con- diagnósticas y laboratorio clínico, lo cual
214 tribuido a la comprensión de la dinámica afecta directamente el proceso de atención
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
de los pacientes. Además, se hace necesario 2. Gabrilo, LA, Heuveline P. Aging of population.
Encyclopedia of population. New York: Macmillan
evaluar el problema como un sistema, donde
Reference; 2003.
hay que tener en cuenta las entradas (deman-
3. Chan M. Impact of financial crisis on health: a truly
da), la capacidad y las salidas (otros pisos global solution is needed. World Health Organiza-
hospitalarios o red asistencial) del sistema. tion [Internet] 04 01, 2009. Consultado en: http://
En ese sentido, no se evidencian estudios que www.who.int/mediacentre/news/statements/2009/
financial_crisis_20090401/en/index.html.
evalúen el impacto de las políticas de salud
de las políticas de salud en la demanda los 4. Murillo García B. Características del sector hospi-
talario. Instituto Nacional de Seguridad e Higiene
servicios de urgencias hospitalarios, donde en el Trabajo (INSHT) [Internet]. Consultado
se pueda hacer un análisis de diferentes en: http://www.insht.es/InshtWeb/Contenidos/Es-
escenarios y plantear incluso trabajos enfo- tudios/Proyectos/Finalizados/En_Colaboracion/
Innoflex/P_BMurillo.pdf.
cados a evaluar la demanda de los servicios
5. Sáenz L. Modernización de la gestión hospitalaria
de urgencias. De hecho, los trabajos evalua-
colombiana: lecciones aprendidas de la transfor-
dos tienen un enfoque sesgado hacia una mación de los hospitales en Empresas Sociales del
atención reactiva y presentan mejoras que Estado; 2001.
podrían ser temporales ante un aumento de 6. López López ID, Urrea Arbeláez J, Navarro Cas-
la demanda. taño D.Aplicación de la Teoría de Restricciones
(TOC) a la gestión de facturación de las Empre-
sas Sociales del Estado, ESE. Innovar. 2006; 16,
Como estudios futuros se plantea la nece- 91-100.
sidad de un estudio que evalúe el problema 7. García Alvarado R, et ál. Urgencias hospitalarias:
con un enfoque sistémico, donde se empiece análisis del diseño y gestión de servicios de emer-
gencia hospitalaria en Chile. Theoria. 2003; 12,
por entender las entradas del sistema. En 9-20. Consultado en: http://redalyc.uaemex.mx/
este sentido, se deben de tener en cuenta redalyc/src/inicio/ArtPdfRed.jsp?iCve=29901202.
dentro de un estudio sistémico variables ISSN 0717-196X.
como la demanda creciente y el ingreso de 8. Pérez Adad S, Poblete Troncoso C, Pugh Olavarría
K. Optimización del flujo de pacientes en un servi-
pacientes no urgentes, los tiempos de aten-
cio de urgencia. 2008.
ción, el diagnóstico y los tratamientos pro-
9. Borshchev A, Filippov A. From system dynamics
pios del servicio, la capacidad del personal and discrete event to practical agent based mode-
asistencial, la capacidad en camas y recursos ling: reasons, techniques, tools. Oxford, England:
del propio servicio de urgencias, los tiempos Citeseer; 2004.
de los servicios auxiliares y soportes al siste- 10. Flagle Charles D. Some origins of operations re-
ma como ayudas diagnósticas y laboratorios search in the health services. Operations Research.
2002; 50, 52-60.
clínicos, los tiempos de observación del
11. Brailsford S. Overcoming the barriers to implemen-
paciente y la disponibilidad de camas en el
tation of operations research simulation models in
hospital, ya que aunque todas estas variables healthcare. Clinical and Investigative Medicine.
se han tenido en cuenta y se han evaluado, 2005; 28, 312-15.
ello se ha hecho de manera independiente, 12. Teow KL. Practical operations research applications
a pesar de la evidencia de su interrelación y for healthcare managers. Annals of the Academy
of Medicine. 2009; 38.
mutua asistencia.
13. Brandeau M, Sainfor F, Pierskalla WP. Operations
research and health care. A Handbook of Methods
and Applications. New York : Kluwer Academic
Referencias bibliográficas Publishers; 2004, p. 872.
14. Serra de La Figuera D. Métodos cuantitativos.
Gestion 2000. 2002.
1. Sennot-Miller L. Research on aging in Latin Ame-
rica: present status and future directions. Journal
of Cross-Cultural Gerontology. 1994; 9 (1), 87-97.
15. Samaha S, Armel W, Starks DW. The use of simu-
lation to reduce the length of stay in an emergency
215
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Paula Andrea Velásquez-Restrepo • Alma Karina Rodríguez-Quintero
• Juan Sebastián Jaén-Posada
department. In The 2003 Winter Simulation Con- 28. Lattimer V, Brailsford S, et ál. Reviewing emergen-
ference, IEEE, 2003, vol. 2, pp. 1907-11. cy care systems I: insights from system dynamics
modelling. Emergency Medicine Journal. 2004;
16. Ahmed MA, Alkhamis TM. Simulation optimi- 21, 685-91.
zation for an emergency department healthcare
unit in Kuwait. European Journal of Operational 29. Baesler FF, Jahnsen HE, DaCosta M. The use of
Research. 2009; 198, 936-42. simulation and design of experiments for estimating
maximum capacity in an emergency room. Procee-
17. Jerbi B, Kamoun H. Using simulation and goal dings of the 2003 Winter Simulation Conference,
programming to reschedule emergency department IEEE, vol. 2, 2003, pp. 1903-06.
doctors’ shifts: case of a Tunisian hospital. Journal
of Simulation. 2009; 3, 211-19. 30. Beaulieu H. Planification de l’horaire des médecins
dans une salle d’urgence. Canada: Master’s Thesis,
18. Álvarez R, et ál. A simulation study to analyze the
Département D’informatique et de Recherche
impact of different emergency physician shift struc-
Opérationnelle, Université de Montréal, 1998.
tures in an emergency department. Proceedings of
the 35th International Conference on Operational 31. Beaulieu H, et ál. A computer system based on opti-
Research Applie to Health Services (ORAHS). mization for scheduling physicians in the emergency
Leuven, Belgium, 2009. room. Canada: Département D’informatique et de
Recherche Opérationnelle, Université Montréal;
19. Alexander, Mousavi A. Modeling emergency
1998, vol. 1127.
departments using discrete event simulation te-
chniques. Proceedings of the 37th conference on 32. Gendreau M, et ál. Physician scheduling in emer-
Winter simulation. Komashie, Orlando, Florida, gency rooms. s.l: Citeseer; 2006, pp. 2-14.
2005, pp. 2681-85.
33. Abu-Khater B, et ál. Nurse Scheduling at St. Vin-
20. Duguay C, Chetouane F. Modeling and improving cent Emergency Room. Operations Research in
emergency department systems using discrete event Engineering Management; 2004.
simulation. Simulation. 2007; 87, 311-20.
34. Berrada I. Planification d’horaires du personnel in-
21. Blasak RE, et ál. The use of simulation to evaluate firmier dans un établissement hospitalier. Canada:
hospital operations between the emergency de- Département D’informatique et de Recherche
partment and a medical telemetry unit. En Chick Opérationnelle, Université de Montréal; 1995.
S, Sánchez PJ, Ferrin D, Morrice DJ, editores.
Proceedings of the 2003 Winter Simulation Con- 35. Berrada I, Ferland JA, Michelon PA. Multi-
ference, 2004, pp. 1887-93. objective approach to nurse scheduling with both
hard and soft constraints. Socio-Economic Planning
22. Lane DC, Monefeldt C, Rosenhead JV. Looking in Sciences. 1996; 30, 183-93.
the wrong place for healthcare improvements: a sys-
tem dynamics study of an accident and emergency 36. Gagné E. Application d’une méthode exacte
department. Journal of the Operational Research pour la génération d’horaire en soins infirmiers.
Society. 2000; 51, 518-31. Canada: Département d’Informatique et de
Recherche Opérationnelle, Université de Mon-
23. Kolb Erik MW, Lee T, Peck J. Effect of coupling tréal, 1996.
between emergency department and inpatient unit
on the overcrowding in emergency department. 37. Jaumard B, Semet F, Vovor T. A generalized
Proceedings of the 2007 Winter Simulation Confe- linear programming model for nurse scheduling.
rence. NJ, USA: IEEE Press; 2007, pp. 1586-93. European Journal of Operational Research. 1998;
107, 1-18.
24. Peck JS. Securing the safety net: applying manufac-
turing systems methods towards understanding and 38. Troup SB, Van RW. Hospital emergency services:
redesigning a hospital emergency department. s.l. : modeling a dynamic system. s.l. : Massachusetts
Massachusetts Institute of Technology; 2008. Institute of Technology; 1972.
25. Noyes CW.Analysis and optimization of the 39. Cooke DL, et ál. Introducing system dynamics mo-
Emergency Department at Beth Israel Deaconess deling to health care in Alberta. Boston : s.n., 25th
Medical Center via simulation. s.l. : Massachusetts International Conference of the System Dynamics
Institute of Technology; 2008. Society; 2007. pp. 2-17.
26. Cochran JK, Bharti A. Stochastic bed balancing of 40. Lianjun Az, Ching-Hua Chen-Ritzo. Integrated
an obstetrics hospital. Health Care Management healthcare delivery and health insurance models for
Science. 2006; 9, 31-45. studying emergency department utilization.
27. Bagust A, Posnett JW. Dynamics of bed use in 41. Venegas F, Velasco N, Amaya CA. Simulación de
accommodating emergency admissions: stochastic la sala de urgencias en el hospital El Tunal para
216 simulation model. British Medical Journal Publis-
hing Group. 1999, 319, 155-58.
caracterizar los problemas de flujo en los procesos.
Bogotá: Universidad de los Andes; 2007.
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Metodologías cuantitativas para la optimización del servicio de urgencias:
una revisión de la literatura
42. Sinreich D, Marmor Y. Emergency department 57. Darmon SJ, et ál. Horoplan: computer-assisted
operations: the basis for developing a simulation nurse scheduling using constraint based program-
tool. IIE Transactions. 2005; 37, 233-45. ming. Journal of the Society for Health Systems.
1995; 5, 1-54.
43. Spillan JE, Ziemnowicz, C. Using system dynamics
to improve coordination between hospital units. 58. Aickelin U, Dowsland, KA. An indirect genetic al-
s.l. : The University of North Carolina at Pembroke. gorithm for a nurse scheduling problem. Computers
& Operations Research. 2004; 31, 761-78.
44. Lamiri M, Grimaud F, Xie X. Optimization me-
thods for a stochastic surgery planning problem. 59. Valouxis C, Housos E. Hybrid optimization techni-
International Journal of Production Economics. ques for the workshift and rest assignment of nur-
2009; 120, 400-10. sing personnel. Artificial Intelligence in Medicine.
2000; 20, 155-75.
45. Manley W, et ál. A dynamic model to support surge
capacity planning in a rural hospital. s.l: Internatio- 60. Harmeier PE. Linear programming for optimi-
nal System Dynamics Conference. zation of nurse scheduling. Computers in Nurse.
1991; 9, 149-51.
46. Pantoja Rojas LM, Garavito Herrera LA. Análisis
del proceso de urgencias y hospitalización del 61. Dowsland KA. Nurse scheduling with tabu search
CAMI Diana Tubay a través de un modelo de simu- and strategic oscillation. European Journal of
lación con Arena 10.0 para la distribución óptima Operational Research. 1998; 106, 393-407.
del recurso humano. Ingeniería e Investigación.
62. Li J, Aickelin. A Bayesian optimization algorithm
2008, 28 (1), 146-53.
for the nurse scheduling problem. U. Canberra,
47. Marmor YN, et ál. Toward simulation-based Australia: Proceedings of 2003 Congress on
real-time decision-support systems for emergency Evolutionary Computation, IEEE, 2003, vol. 3,
departments. Proceedings of the 2009 Winter Simu- pp. 2149-56.
lation Conference, IEEE, 2010, pp. 2042-53.
63. Chan LK, Falkenberg J, Rosenbloom ES. Imple-
48. Blake JT, Carter MW, Richardson, S. An analysis mentation problems of nurse preference mathe-
of emergency room wait time issues via computer matical programming approach to scheduling.
simulation. Infor-Information Systems and Opera- Congress Numerantium 56; 1987, 251-60.
tional Research. 1996; 34, 263-73.
64. Yeh JY, Lin WS. Using simulation technique and
49. McGuire F. Using simulation to reduce length of genetic algorithm to improve the quality care of a
stay in emergency departments. Simulation Confe- hospital emergency department. Expert Systems
rence Proceedings, 1994, IEEE, 2002, pp. 861-67. with Applications. 2007; 32, 1073-83.
50. Beaulieu H, et ál. A mathematical programming 65. Puente J, et ál. Medical doctor rostering problem
approach for scheduling physicians in the emer- in a hospital emergency department by means of
gency room. Health Care Management Science. genetic algorithms. Computers & Industrial Engi-
2000; 3, 193-200. neering. 2009; 52, 1232-42.
51. Ardila S, et ál. Revisión de procesos para la asig- 66. Evans GW, Gor TB, Unger, E. A simulation model
nación de camas a pacientes provenientes de ur- for evaluating personnel schedules in a hospital
gencias en un hospital privado de Bogotá. Bogotá: emergency department. WSC ‘96 Proceedings
Universidad de los Andes; 2009. of the 28th conference on Winter simulation.
Washington : IEEE Computer Society; 1996,
52. Carter MW, Lapierre SD. Scheduling emergency 1205-09.
room physicians. Health Care Management Scien-
ce. 2001; 4, 347-60. 67. Vassilacopoulos G. Allocating doctors to shifts in an
accident and emergency department. Journal of the
53. Jahnsen H, Baesler F.Análisis mediante el uso de Operational Research Society. 1985; 36, 517-23.
simulación del aumento en la demanda de pacientes
en el servicio de urgencia de un hospital. Valparaíso, 68. Sinreich D, Jabali O. Staggered work shifts: a
Chile: s.n.; 2003. way to downsize and restructure an emergency
department workforce yet maintain current ope-
54. Kuban Altinel I, Ula E. Simulation modeling for rational performance. Health Care Management
emergency bed requirement planning. Annals of Science. 2007; 10, 293-08.
Operations Research. 1996; 67, 83-210.
69. Adan I, Vissers JMH. Patient mix optimisation
55. Handyside AJ, Morris D. Simulation of emergency in hospital admission planning: a case study. In-
bed occupancy. Health Research & Educational ternational Journal of Operations & Production
Trust. Health Services Research. 1967; 2, 287-97. Management; 2002, 22, 445-61.
56. Handyside AJ, Morris D. Effects of methods of 70. Asplin BR, et ál. A conceptual model of emergency
admitting emergencies on use of hospital beds.
British Medical Journal. 1971; 25, 1-11.
department crowding. Annals of Emergency Medi-
cine. 2003; 42, 173-80.
217
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011
Paula Andrea Velásquez-Restrepo • Alma Karina Rodríguez-Quintero
• Juan Sebastián Jaén-Posada
71. Topaloglu S. A multi-objective programming mo- departments. En: Services Computing, 2009, SCC
del for scheduling emergency medicine residents. ‘09. IEEE International Conference on, 21-25 Sept.
Computers & Industrial Engineering. 2006; 51, 2009, pp. 536-39.
375-88.
85. Laskowski M, Mukhi S. Agent-based simulation
72. Baker JR, Clayton ER, Taylor BW III. A non-linear of emergency departments with patient diversion.
multi-criteria programming approach for determi- Electronic Healthcare. 2009; 1, 25-37.
ning county emergency medical service ambulance
allocations. Journal of the Operational Research 86. Linares P, et ál. Modelos matemáticos de optimiza-
Society. 1989. 40, 423-32. ción. Espana: Universidad de Comillas; 2001.
73. Kilmer RA, Smith AE, Shuman LJ. An emergen- 87. Ramírez AEN, Elena A. Aplicación de algunos
cy department simulation and a neural network modelos matemáticos a la toma de decisiones.
metamodel. Journal of the Society for Health Política y Cultura. 1996; (6), 183-98
Systems.1997; 5, 63-79. 88. Cervantes GL. Dinámica de sistemas en la estrate-
74. Edmonds MI, O’Connor HM. The use of computer gia de calidad. System Dynamics Society [Internet]
simulation as a strategic decision-making tool: a http://www.slideshare.net/rpguarderas/dinamica-
case study of an emergency department application. de-sistemas-323081.
Healthcare Management Forum. 1999; 12, 32-38. 89. Izquierdo L, et ál. Modelado de sistemas complejos
75. Connelly LG, Bair AE. Discrete event simulation mediante simulación basada en agentes y mediante
of emergency department activity: a platform dinámica de sistemas. Empiria, Revista de Metodo-
for system-level operations research. Academic logía de Ciencias Sociales. 2008, 16, 85-112.
Emergency Medicine. 11, 1177-85 [Wiley Online 90. Jacobson SH, Hall SN, Swisher JR. Discrete-event
Library, 2004]. simulation of health care systems. Patient Flow:
76. Sepúlveda J, Baesler F, Thompson W. The use of Reducing Delay in Healthcare Delivery. 2006,
simulation for process improvement in an emer- 91, 211-52.
gency department. Marbella, España : s.n.; 2001 91. Kim SC, Horowitz I, Young KK, Buckle, TA. Analy-
[en actas de conferencia ASM]. sis of capacity management of the intensive care
77. Royston G, et ál. Using system dynamics to help unit in a hospital. European Journal of Operational
develop and implement policies and programmes in Research. 1999, 115, 36-46.
health care in England. System Dynamics Review. 92. Litvak N, et ál. Managing the overflow of intensive
1999; 15 (3), 293-13. care patients. European Journal of Operational
78. Brailsford SC, et ál. Emergency and on-demand Research. 2008; 185, 998-1010.
health care: modelling a large complex system. 93. Kokangul A. A combination of deterministic and
Journal of the Operational Research Society. 2004; stochastic approaches to optimize bed capacity in
55 (1), 34-42. a hospital unit. Computer Methods and Programs
79. Wong HJ, et ál. Smoothing inpatient discharges in Biomedicine. 2008; 90, 56-65.
decreases emergency department congestion: a 94. Seung-Chul K, et ál. Flexible bed allocation and
system dynamics simulation model. Emergency performance in the intensive care unit. Journal of
Medicine Journal. 2010; 27 (8), 593-98. Operations Management. 2000; 18, 427-43.
80. Wears RL. System dynamics modeling of emer- 95. Akcali E, Côté MJ, Lin C. A network flow approach
gency department and hospital crowding. Uni- to optimizing hospital bed capacity decisions. H
versity Of Florida 219 Grinter Hall Gainesville, ealth care Management Science. 2006; 9, 391-04.
Fl 32611-5500.
96. Denton B, Viapiano J, Vogl A. Optimization of
81. García Arnaldos F. La dinámica de sistemas en surgery sequencing and scheduling decisions under
economía de la salud. uncertainty. Health care management science.
82. Sibbel R, Urban C. Agent-based modeling and 2007; 10, 13-24.
simulation for hospital management. En Saam NJ, 97. Cardoen B, Demeulemeester E, Belin J. Operating
Schmidt, editores. Cooperative agents: applications room planning and scheduling: A literature review.
in the social sciences. Netherlands: Kluwer Acade- European Journal of Operational Research. 2010;
mic Publishers; 2001, pp. 183-201. 201, 921-32.
83. Hamilton R, Linnehan F, McCain RA. Emergency 98. Jiménez AM, Velasco N, Amaya C. Estrategias
department overcrowding as a nash equilibrium: de programación de salas de cirugía. Un caso
hypothesis and test by survey methodology. de aplicación en un hospital de Bogotá. Bogotá,
84. Stainsby H, Taboada M, Luque E. Towards an Colombia: Departamento de Ingeniería Industrial-
Universidad de los Andes; 2008.
218 agent-based simulation of hospital emergency
Rev. Gerenc. Polit. Salud, Bogotá (Colombia), 10 (21): 196-218, julio-diciembre de 2011