Los cuadernos de PYLO - Logstica Hospitalaria -

Modelo de Simulacin de eventos discretos del servicio del departamento de emergencias para un hospital F. Venegas, C.A. Amaya, N.Velasco. Universidad de los Andes PYLO H 2008 3 Julio 2008

Los textos publicados en la serie de los informes de investigacin de la Universidad de los Andes slo comprometen la responsabilidad de sus autores

Modelo de Simulacin de eventos discretos del servicio del departamento de emergencias para un hospital
F. Venegas, Ciro Alberto Amaya*, Ph.D. & Nubia Velasco*, Ph.D.
*Profesores Asistentes Departamento de Ingeniera Industrial Universidad de los Andes, Bogot, Colombia.

RESUMEN: El sistema que se analiza a partir de una simulacin de eventos discretos es el departamento de emergencias de un hospital en Bogot, Colombia. El objetivo principal es mejorar el tiempo total de estada de los pacientes hacindolo ms corto. Con esto se logra que los pacientes tengan una atencin ms rpida y que haya un mayor flujo de pacientes, ya que cerca del 50% de los pacientes que entran al hospital lo hacen a travs de urgencias lo que genera bastante congestin. Tambin se pretende hacer un anlisis de posibles escenarios que afecten directamente la congestin y a partir de esto, encontrar soluciones viables. Los resultados obtenidos muestran una mejora del 23.74% en la reduccin del tiempo total en su estada al incluir un doctor ms en el procedimiento de la consulta mdica. ABSTRACT: The emergency department of a public hospital in Bogot, Colombia, was analyzed using discrete events simulation. The main objective was to improve the total staying time of patients. With this in mind, patients will be served faster and flow of incoming patients will be enhanced, near 50% of the patients that enter into the hospital do it through emergency department generating overcrowding. Some scenarios are tested. Results show an improvement of 23,74% in the total staying time of patients when including a doctor in the medical consultation procedure

INTRODUCCIN

La congestin de pacientes en el interior de los departamentos de emergencia de los hospitales y clnicas en el pas es un problema de actualidad. En los ltimos aos, el incremento de la poblacin y la dificultad por tener una cobertura amplia en servicios de salud ha provocado que este departamento colapse y como consecuencia, que est congestionado gran parte del tiempo, afectando de manera directa la salud de los pacientes. Se ha mostrado que los pacientes son ms dados a abandonar el departamento de emergencias sin recibir atencin mdica a causa de la demora para ser atendidos incrementando los problemas de salud por los que consultan [1]. Esto quiere decir que las filas y las demoras en los procedimientos, que se ven representados en tiempos de espera para los pacientes, pueden poner en riesgo su salud. Para solucionar estos inconvenientes proporcionando mayor calidad en el servicio, el problema puede ser analizado desde diferentes ngulos: problema de distribucin de planta,

problema de asignacin de horarios y turnos de trabajo del personal mdico o como un problema de flujo de pacientes con cuellos de botella y recursos limitados. En la literatura se ha encontrado que este tipo de situaciones (hospitales, clnicas, etc.) se modelan con herramientas que contengan los aspectos variables del sistema, tal como lo contempla una simulacin de eventos discretos. El uso de esta herramienta ha mostrado una gran flexibilidad para analizar los diferentes efectos que ocasiona la congestin de pacientes en un departamento de emergencias teniendo en cuenta sus caractersticas no determinsticas. En esta investigacin se pretende encontrar las problemticas existentes que causan la congestin del departamento de emergencias de un centro hospitalario, y con base en esto, evaluar alternativas de solucin viables. Actualmente este centro hospitalario est ubicado en Bogot, Colombia, y su departamento de emergencias funciona 24 horas al da todos los das del ao y recibe cerca de 100.000 pacientes al ao de todas las edades para darles atencin de primeros

auxilios. Este trabajo se ha hecho de la mano con este hospital y se han encontrado hallazgos que se consideraran muy importantes dentro del proceso de los pacientes, como las principales causas de congestin y de demoras para estos. Las alternativas de solucin han sido contempladas de acuerdo a las facilidades actuales del hospital para realizar dichos cambios, lo que permite que la implementacin de estas soluciones sea de gran facilidad. El proyecto contiene la evaluacin del departamento de emergencias, pero ser posible en una futura investigacin, extender este modelo a otros departamentos que integran el hospital, tales como los de ciruga, obstetricia, entre otros. 2 2.1 DESCRIPCIN DEL DE EMERGENCIA DEPARTAMENTO

que la confirmacin de sus datos ante la respectiva entidad de salud, explicada posteriormente y llamada mdulo para pacientes con medicina prepagada. De no ser autorizado se deriva a otro centro de salud, y de lo contrario, contina al proceso de atencin mdica (consulta) donde el mdico realizar las mismas determinaciones que se explicaron anteriormente con los pacientes de POS. El procedimiento de autorizaciones para un paciente con POS se describe en la Figura 2. En este procedimiento que deben realizar estos pacientes con POS, se hace una clasificacin rpida en si son o no menores de edad. Dependiendo de eso cada grupo (mayores y menores de edad) esperan a que se les realice una valoracin de su gravedad en el triage, el cual clasifica al paciente considerando cuatro niveles de atencin , acogindose al manual de clasificacin de diagnsticos [5]. Por poltica del hospital y con fines de descongestionar el departamento de emergencias, todos los pacientes que obtuvieron la clasificacin cuatro son remitidos a otros hospitales de segundo y primer nivel donde les pueden dar la atencin requerida. Si es clasificado como triage 2A o 3A, el paciente tambin requiere una autorizacin (realizada en la ventanilla de autorizaciones) de su entidad de salud para que se le autorice continuar con el procedimiento; en caso de ser negada el paciente se remite, si no, puede continuar a la consulta mdica de pacientes con POS. Para los pacientes que tienen PRE, los pacientes no realizan triage sino que, despus de la consulta mdica, pueden realizar la autorizacin con su entidad de salud. Ese procedimiento (mdulo para planes con medicina prepagada/planes complementarios) se muestra en la Figura 3. De la misma manera se confirman los datos con su respectiva entidad de salud y se procede a confirmar la autorizacin. Si no lo autorizan, el paciente es derivado a otra entidad de salud donde se le realizar el seguimiento a la consulta realizada previamente. Si el paciente es autorizado se le realiza el procedimiento de admisin y orientacin y seguidamente contina con el procedimiento del diagrama 1 en la consulta mdica para pacientes con PRE.

Descripcin del flujo de los pacientes

Los pacientes tienen un procedimiento diferente de acuerdo a sus caractersticas, las cuales tienen en cuenta diversos factores como: la gravedad del paciente, su edad (adulto mayor, adulto o menores de 18 aos), el tipo de afiliacin a servicios de salud, que puede ser Plan Obligatorio de Salud (POS) o medicina prepagada (PRE), entre otros. El diagrama de flujo del paciente que se encuentra vigente hasta la fecha se muestra en la Figura 1. Principalmente existen tres procesos: la atencin de los pacientes que tienen la gravedad ms severa (triage 1 y explicada posteriormente), y para los pacientes clasificados como triage 2,3 y 4, se divide en dos procesos dependiendo de su servicio mdico que tienen ya sea POS o PRE. Para los pacientes que tienen POS, el procedimiento que deben seguir es diferente a los que tienen PRE. Despus de este procedimiento especfico explicado posteriormente (Mdulo para Plan Obligatorio de Salud), donde se realiza el triage y la autorizacin por parte de la entidad de salud, sigue a consulta mdica (si es autorizado). Posteriormente, el doctor que examine al paciente determinar si su condicin amerita o no que se realice procedimientos mdicos (exmenes, radiografas, etc.). De ser o no necesarios, el doctor tambin determinar si el paciente est en condiciones de irse, en condiciones que requieran de su observacin en emergencias, de remitirlo a la Unidad de Cuidados Intensivos (UCI) o de remitirlo a otra especialidad de la fundacin. Para los pacientes que tienen PRE, el proceso de atencin al paciente (consulta mdica) va primero

Figura2.ProcedimientoautorizacionesparapacienteconPOS

Figura3.ProcedimientoautorizacionesparapacienteconPRE

Figura1.Diagramageneraldelflujodelpaciente

2.2

Recursos Disponibles (Planta Fsica y Personal)

Actualmente el centro hospitalario se encuentra en etapa de reestructuracin de personal y de turnos. La simulacin se realiz para los das martes de febrero de 2008 durante el horario de mayor congestin siendo de 9:00 a.m. a 1p.m. y los recursos que estaban vigentes en ese momento son los siguientes:

Personal mdico Mdicos de triage adultos (3) Mdicos de triage peditrico (3) Mdicos de consulta POS(3) Mdicos de consulta medicina prepagada (3) Mdicos internistas (3) Personal administrativo Personal de autorizaciones mdicas (3) Orientadoras (2) Recursos fsicos Camillas (18) atendido est predispuesto a sufrir ms enfermedades [1]. Como segundo aspecto, se encuentran los ingresos de la Fundacin. La demanda de los pacientes en el hospital por el servicio del departamento de emergencias representa una de las mayores entradas de pacientes que en una gran medida requieren tratamientos importantes. Como tercer aspecto, se encuentra el inters del centro hospitalario en poder utilizar una herramienta que se apoye en el registro de informacin de los pacientes. Actualmente se estn

3 3.1

MODELO DE SIMULACIN Inters y Motivacin

La primera motivacin es la salud de los pacientes, porque como se mencion anteriormente, un paciente que es demorado en ser

realizando procesos importantes en su reestructuracin, como la implementacin de una base de datos integrada a travs de todo el proceso de los pacientes y no como en la actualidad que cuenta con tres sistemas independientes para registrar los datos. Este proceso resulta bastante ms econmico que implementar cada alternativa en la realidad para despus escoger la mejor. 3.2 3.2.1 CONSTRUCCIN DEL MODELO Definicin de objetivos

El modelo tambin cuenta con algunos supuestos fuertes que son necesarios precisar, ya que el funcionamiento del flujo de pacientes contempla ms situaciones: No se realiza una revaloracin de los pacientes triage 4 ni se tuvo en cuenta la posibilidad de ofrecerles que paguen como particular generando un reingreso al proceso. Los procedimientos mdicos estn diferenciados por adulto y peditrico. Las pruebas de procedimientos adicionales se consideraron mutuamente excluyentes y se escogieron slo tres por ser las ms representativas (sobre los 24 grupos que hay). Se supuso que una vez que el paciente entra al proceso y no es clasificado como atencin inmediata (triage 1) ya no puede ser revalorado en el triage a categora 1. 3.2.3 Recoleccin de datos

Realizar un diagnstico del estado del departamento de emergencias del hospital, a travs de la herramienta de simulacin de eventos discretos, la cual se espera que permita identificar los principales problemas con respecto a excesos en los tiempos de los procedimientos y sus recursos asignados. Evaluar escenarios con diferentes alternativas escogidas en conjunto con el personal a cargo en hospital y reevaluar el desempeo del sistema para mejorarlo. 3.2.2 Planeacin y construccin del modelo

Tiempo entre arribos de los pacientes al departamento de emergencias: Para analizar adecuadamente un momento en el que existe un nivel de congestin muy alto bajo el cual el departamento de emergencias se encuentre en circunstancias normales en cuanto a recursos de personal mdico, se determin la asistencia de pacientes por da durante el mes de febrero. La Tabla 1 muestra cmo es la asistencia por das, y a pesar que el viernes o el lunes tienen mayores niveles, estos das cuentan con un mayor nivel de personal lo que hace que no sea un momento crtico. Fue por esto que se escogi las caractersticas del da martes para evaluar el sistema (cantidad de personal mdico, estadsticas de arribo de pacientes, entro otras).
Tabla1Porcentajesdeasistenciadiariafebrero2008
PORCENTAJES DE ASISTENCIA DIARIA MES FEBRERO 2008

Para este proyecto se trabaj sobre el diagrama de flujo de pacientes que se ilustr en la figura 1.1. Este tuvo en cuenta mltiples aspectos del procedimiento que siguen los pacientes, fundamentados en los ms importantes durante el proceso (de mayor impacto): Caractersticas del paciente (edad, estado de salud). Procedimientos necesarios adicionales (3 exmenes ms importantes) Recursos utilizados (mdicos, mdicos internistas, enfermeras, entre otros). Procedimientos asistenciales y administrativos. Como primera instancia se quiso simular el funcionamiento del departamento de emergencias en un da que no tuviera influencia por factores exgenos. Fue de esta forma que se escogi trabajar con los datos del mes de febrero de 2008. Adems, tambin influy que en ese da el nivel de recursos mdicos es el que manejan normalmente ya que en fines de semana manejan turnos extras y no es constante. El horario a simular es de 9 a.m. a 1 p.m. ya que es un momento identificado como crtico por el personal del centro hospitalario y que como se mostrar ms adelante, es el momento de mayor ingreso de pacientes durante el da.

Domingo Lunes Martes Mircoles Jueves Viernes Sbado TOTAL

nmerode %de pacientes asistencia 951 11.95% 1273 16.00% 1160 14.58% 1149 14.44% 1121 14.09% 1338 16.82% 963 12.11% 7955

La tasa de arribos de los pacientes se determin con base a un registro histrico de todos los martes del mes de febrero de 2008 (1160 registros). Dado

Tiempo entre llegadas (segundos)

que la asistencia cambia por factores de temporada, no era apropiado tener un registro incluyendo otros meses. Con base a esto se realiz la Figura 4 en la que se observa claramente que la asistencia en horas picos se encuentra durante el rango de 9 de la maana a 1 de la tarde.
Arribos por hora de llegada
120

Distribucin de tiempo de llegadas Martes 5 de febrero de 2008

600

500

400

300

200

100

0
100

Cantidad de pacientes

80

Hora de llegada
60

Figura5.Tiempoentredellegadasdelmartes5defebrerode2008
Distribucin de tiempo de llegadas Martes 12 de febrero de 2008

40
1.000 900

20

Tiempo entre llegadas (segundos)

800 700 600 500 400 300 200 100 0

Hora de llegada

Figura4.Arribosporhoradellegadadetodoslosmartesdefebrero Despus de confirmar el rango de hora pico, se tuvo que hacer pruebas para observar el comportamiento de los tiempos entre arribos de ese periodo a analizar (
Distribucin de tiempo de llegadas Martes 5 de febrero de 2008
600

Hora de llegada
500

Tiempo entre llegadas (segundos)

Figura6.Tiempoentredellegadasdelmartes12defebrerode2008
Distribucin de tiempo de llegadas Martes 19 de febrero de 2008

400

300

700

Tiempo entre llegadas(segundos)

200

600

500

100

400

300

200

Hora de llegada

100

Figura
Distribucin de tiempo de llegadas Martes 12 de febrero de 2008
1.000 900

5,

Hora de llegada

Tiempo entre llegadas (segundos)

800 700

Figura7.Tiempoentredellegadasdelmartes19defebrerode2008
Distribucin de tiempo de llegadas Martes 26 de febrero de 2008

600 500
600

Tiempo entre llegadas(segundos)

400 300 200 100 0

500

400

300

200

100

Hora de llegada

Figura 6, Figura 7 y Figura 7Figura 8). Esto con el fin de determinar la(s) distribucin(es) de llegada de los pacientes.

Hora de llegada

Figura8.Tiempoentredellegadasdelmartes26defebrerode2008

A partir del momento en que se identific que existen regiones donde la media del tiempo de entre arribos vara significativamente de los datos

en los cuatro (4) martes analizados, se decidi que lo mejor era modelar la llegada de los arribos por intervalos de una hora. Esto dio como resultado los resultados de la Tabla 2.
Tabla2.Resumendedistribucionesdeltiempoentrearribosdiscriminado porhoradellegada Intervalo de tiempo Distribucin obtenida p-value 9 a 10 3 + ERLA(165, 1) 0.237 10 a 11 0.999 + 668 * BETA(0.922, 3.13) 0.198 11 a 12 0.999 + 896 * BETA(0.846, 3.46) 0.151 12 a 1 0.999 + 896 * BETA(1.22, 5.39) 0.00971

como para afirmar que los datos no siguen las distribuciones propuestas segn su rango de hora y se podra afirmar que las llegadas se pueden modelar como un proceso de Poisson no homogneo. Para el ltimo intervalo, la distribucin se prob comparando los resultados obtenidos de simular nicamente este periodo y se contrast con los resultados de los 4 martes y se vio que la desviacin en la cantidad de pacientes que entraban a la fundacin era aceptable (7 - 9%), razn por la cual se aprob utilizarla. Estadsticas relevantes:
Lasestadsticasnecesariasparapodersimularelfuncionamientodel departamentodeemergenciasseobtuvieronapartirdemltiplesregistros quetieneelhospital,dentrodesusistemadeinformacinELITE.Estosno estntotalmenteintegrados,loqueimplicquealgunasestadsticasy tiemposdeprocesosnoestuvierandiscriminados.Losporcentajesde categoradepacientesdiscriminadosporedadestnenla

De la misma forma que se analiz la distribucin de los tiempos de proceso, se analizaron los tiempos entre arribo discriminados por sus respectivos intervalos de tiempo como se indic anteriormente. Segn los resultados para un nivel , en los tres primeros de significancia de rangos no habra suficiente evidencia estadstica

Tabla3.Losregistrosquetienenlaasistenciaporclasificacindetriage,agrupanlacategoradeadultosmayoresconladeadultos,endondeestosson mayoresde18aosylacategorapeditricaquesonpacientesmenoresde18aos.SusestadsticasseencuentranenlaError!Noseencuentraelorigen delareferencia..Eltipodeasistenciadelospacientescaracterizadoporeltipodeconvenioalqueestnafiliadossetomapartirdeunregistrodiarioque dioelhospital,apartirdelcualserealizla

Tabla 5.
Tabla3.Porcentajedepacientesclasificadosporsuedad(nios,adultos,adultosmayores)

Tabla4.Porcentajedepacientesclasificadosporsutipodetriageyedad. PORCENTAJES POR TRIAGE Y CATEGORAS

Triage Adulto Adulto Adulto Adulto Pediatrico Pediatrico Pediatrico Pediatrico 1 2A 3A 4 1 2A 3A 4 Total

Cantidad de personas 41 2526 2915 523 10 1086 1730 467 9298

Porcentaje sobre el total 0.44% 27.17% 31.35% 5.62% 0.11% 11.68% 18.61% 5.02% 100.00%

Tabla5.Porcentajedepacientesporasistenciadeconvenio

Tipo de convenio Planes de medicina prepagada (1) Plan Obligatorio de Salud POS (2) TOTAL

Cantidad Porcentaje 109 51.17% 103 48.36% 213

Distribucin de los tiempos de procesos:

Paraobtenerlostiemposdecadaunodelosprocedimientoscontempladosypodrselosincluirasusrespectivosmdulosserealizuntrabajoestadstico sobrelasbasesdedatosdeELITE.Estospermitieronobtenerlosresultadosdela Tabla6.Tiemposdeprocesoestimados

Tabla7.Sinembargoalgunosprocedimientosnoestabanregistradosyno sepudorealizarlatomadedatosyaquelamayoradelosprocedimientos deurgenciasslopermitenaccesoapersonalautorizado(doctores, enfermeras,entreotros)yelregistrodetalladodesusactividadesnoqueda consignadoenningnlado.Loquesehizoenesacircunstanciafuesuponer unadistribucintriangularyaqueencasosdondeesmuydifcilobtener datos,puedeservircomounbuenestimador[8].Estasestimacionesse obtuvieronapartirdeconsensosrealizadosconlosmdicosyenfermeras especializadasenlosdistintosprocedimientos.Tambinseutilizunas distribucionesobtenidasenelestudioanterior[7]yaquefueron concordantesconlasestimacionesquesehicieronenesteestudio.Los datosestimadosseencuentranenla

Tabla 6.

Tabla6.Tiemposdeprocesoestimados

Tabla7.Tiemposdeprocedimiento2

(1) Distribuciones obtenidas por referencias. [7]. (2) Aproximaciones dadas por personal expertos en el tema del hospital. (3) Fuente personal a partir de registros del sistema del hospital. Paratodaslasdistribucionesobtenidasdelosmdulosdeprocedimientomostradaenla Tabla6.Tiemposdeprocesoestimados

Tabla 7, se realiz la prueba de de bondad y ajuste (por ser datos de 300 registros o ms) para confirmar que si se ajustaran a cada una de las distribuciones propuestas. En el caso de las pruebas de Modulo Triage 1 y de Salida del Paciente de la misma tabla, se realiz la prueba Kolmogorov-Smirnov, por tener cerca de 50 registros. En ambas pruebas las hiptesis que se plantean son:

no habra suficiente evidencia estadstica como para afirmar que los datos no siguen las distribuciones propuestas. Para los tres casos en los que se rechaz la hiptesis nula, se hizo un muestreo de datos a partir de los resultados de la simulacin con respecto a estos tiempos de procedimientos, en donde se obtuvo que los tiempos promedio y desviaciones son bastante similares con los datos actuales. Por esta razn se decidi que se podran dejar. 4 RESULTADOS Y ANLISIS

En este caso, dado que los datos son bastantes, el nivel de significancia con el que se prueban las hiptesis es de . Como se observa en la tabla en la mayora de distribuciones se acepta la hiptesis nula (p-value>=0.05) y se comprueba que

Es necesario aclarar que para todos los resultados obtenidos se realizaron 50 replicaciones de la simulacin en donde se especifica que la condicin de terminacin est dada por dos aspectos que se tienen que cumplir: 1) que los

arribos de los pacientes se terminen una vez pasado el intervalo de 4 horas (9:00 a.m. 1:00 p.m.) y 2) Las estadsticas de los pacientes se generan hasta que salga el ltimo paciente. Tambin el nivel de confiabilidad de los intervalos de confianza es del 95%. Los resultados obtenidos despus de probar la instancia en que se modela el comportamiento del departamento de emergencias en el intervalo pico de las 9:00 a.m. hasta la 1:00 p.m. se muestran en la Tabla 8.
Tabla8.Resultadosdesimulacinbaseenhoras

siguiente

intervalo

de

confianza:

El tiempo promedio de espera de un paciente (en horas) durante su estada en el departamento de emergencias est en el siguiente intervalo de confianza: Esos resultados anteriores indican que cerca del 50% del tiempo que dura un paciente en su recorrido por el departamento de emergencias es en algn tipo de espera (a ser atendido, en recibir exmenes, en ser trasladado a otras unidades, etc.) La cantidad de pacientes que realizan los distintos procesos se encuentra en la Figura 9. En sta se ve claramente que el proceso por el que ms pacientes tienen que pasar es el de Recepcin Paciente e informacin inicial, ya que los nicos que omiten este procedimiento son los pacientes que tienen urgencia vital. Es importante mirar que una cantidad importante de pacientes requieren de exmenes mdicos ya que en promedio todo ese procedimiento 4.2 Validacin En esta etapa, con base en los resultados obtenidos despus de correr la simulacin se verific que esos eran acordes con la realidad. Es importante tener en cuenta los supuestos que se especificaron en 3.2.2. La verificacin adecuada de los resultados obtenidos surgi a partir de un registro con el que contaba el hospital, en el que se registra el tiempo promedio de duracin de un paciente dependiendo de su destino final. Con base a estos registros se hizo una comparacin entre los resultados obtenidos por el modelo de simulacin. El anlisis comparativo de la cantidad de pacientes que se encuentran en los registros del hospital con los obtenidos a travs del modelo se muestra en la Tabla 9.

Estos se pueden interpretar de la siguiente forma: El tiempo total (en horas) en el hospital para un paciente desde que entra hasta que sale est en puede oscilar entre 3 y 6 horas. Tambin es notoria la gran cantidad de pacientes que requieren consulta mdica de medicina prepagada. La utilizacin de los recursos se muestra en la Figura 10, en donde se ve claramente que los tres mdicos de consulta del proceso de pacientes con PRE tienen el porcentaje de utilizacin ms alto, lo que indica que muy probablemente se genere congestin en este procedimiento. 4.1 Verificacin

Para verificar el modelo se realizaron varias comprobaciones sugeridas por Banks et al., como las que se muestran a continuacin: La comprobacin ms importante se obtuvo a partir de varias reuniones con las personas encargadas de los procedimientos en emergencias. Esto se hizo con la finalidad de asegurarse que el modelo estuviera representando lo que en realidad sucede en el departamento de emergencias del centro hospitalario.. Otra comprobacin surgi para ver si el modelo, ante cambios en los recursos disponibles (disminucin de doctores y enfermeras), reaccionaba adecuadamente (aumentando las colas y los tiempos de espera de los pacientes. Esta comprobacin es muy importante al momento de analizar los escenarios.

Figura9.Cantidaddepacientesatendidosencadaprocedimiento

Figura10.Porcentajedeutilizacindelosrecursosmdicosymateriales

Tabla9.Anlisiscomparativodecantidaddepacientesensistemarealen comparacinconelmodelobase

Con el fin de hallar la cantidad promedio de pacientes por tipo de triage que ingresaron de rango de 9 a.m. a 1 p.m. los martes del mes de febrero y teniendo en cuenta que en el hospital no se tiene el dato explcito sobre este registro, se tom el nmero de pacientes por tipo de triage que ingresaron durante el mes de febrero, y los porcentajes que se observan en la Tabla 4. A su vez, se tom el nmero de pacientes que ingresaron a la fundacin en este rango, con lo que se hall el nmero de pacientes que entran a triage. Una vez obtenido este dato, se multiplicaron estas cantidades por el porcentaje antes mencionado hallando as la cantidad promedio de pacientes por tipo de triage en el rango de horas sealado. Ahora bien, como se puede observar en la Tabla 9 las desviaciones encontradas son altas. Si se tiene en cuenta lo explicado en el prrafo anterior se presume la posibilidad de que el sistema real hallado este sobreestimado. Lo cual se dara porque al tomarse el nmero de pacientes que ingresaron a la fundacin durante

el mes de febrero por tipo de triage, existe la posibilidad de que ese nmero vari a lo largo del da y ya que no se est discriminando por horas puede existir una sobreestimacin del sistema real. Por otro lado, al utilizar los porcentajes mensuales se estn incluyendo das crticos como lo son los fines de semana y los lunes por lo que nuevamente se podra estar sobreestimando el sistema real. No obstante, y debido a la falta de registros explcitos en la fundacin, no se pudo mejorar esta estimacin. EVALUACIN DE ESCENARIOS Los siguientes escenarios que se evalan fueron escogidos con los siguientes criterios: Facilidad de implementacin: Este aspecto lo que indica es que si el escenario cambia por efectos sobre los cuales tiene control la fundacin, son cambios que es posible realizar a corto plazo y sin generar grandes reestructuraciones. Importancia futura: Los escenarios se escogieron teniendo en cuenta expectativas futuras en cuanto a la tendencia histrica de los pacientes (en aumento). Medicin de resultados: Los resultados de los escenarios tendrn que ser tangibles y se podr ver cmo reacciona el sistema mostrando los cambios. Alternativas de solucin a problemas del sistema actual

El tiempo en el sistema actual, como se coment anteriormente est alrededor de las 4.5 horas. Ese es un tiempo considerablemente alto ya que los procesos estn causando colas muy largas lo que demora al paciente y genera cuellos de botella. Se identific que uno de los tiempos de espera ms largo que tienen que pasar los pacientes con PRE, es cuando esperan para que los atiendan en consulta. Esto puede ser debido a las siguientes causas: El tiempo de consulta mdica es ms alto que el tiempo de consulta mdica para un paciente con POS ya que al paciente con PRE no se le realiza un triage anteriormente, lo que provoca que en la consulta no tienen un dictamen previo acerca de su condicin. El proceso es demorado y al ser el primero para los pacientes con PRE genera un cuello de botella que provoca la congestin al principio del recorrido. Esto por consecuencia retrasa todos los procesos siguientes (exmenes mdicos etc.) Si a ese escenario se le aade un doctor ms para la consulta mdica de los pacientes con PRE, el sistema mejora considerablemente, como se muestra en la Tabla 10. Estos resultados muestran que la variacin obtenida en el tiempo total promedio de estada en el departamento de emergencias pasara de ser 4.5 horas a 3.48 horas. Esta implementacin se podra realizar para esta franja horaria a travs de toda la semana ya que el horario que se simul en crtico para todos los das.
Tabla 10. Comparacin tiempos en horas entre el modelo original y el modificado

implementacin normal, el nmero de pacientes que se dejaran de atender sera de 19.6, lo que representa un 43% del total de los pacientes que entraran por la clasificacin de POS (44.2). Es por tanto que esta propuesta tendra un efecto negativo en el departamento ya que los recursos y su capacidad, estaran subutilizados y dejara de recibir los ingresos que les aportaran esos 19.6 pacientes.
Tabla 11. Comparacin tiempos (en horas) y cantidad de pacientes atendidos entre el modelo original y el modificado

Aumento de la demanda de servicios mdicos El propsito de este escenario fue por iniciativa del hospital ya que creen que la demanda por atencin mdica a travs del departamento de urgencias est aumentando. Quisieran entonces saber cmo reaccionara su sistema actual si la demanda aumenta el 10%. Los resultados obtenidos de las estadsticas ms representativas se encuentran en la Tabla 12.
Tabla 12. Comparacin de tiempos (en horas) y cantidad de pacientes promedio entre el modelo original y el modificado

Derivar pacientes clasificados en el triage como 3A y 4 Con esta simulacin se quera mirar cmo reaccionara el sistema si se implementara una nueva poltica de derivar a los pacientes que fueron clasificados en el triage como tipo 3 a otros centros hospitalarios. Esto debera descongestionar el departamento y hacer ms gil el proceso para los pacientes que requieren atencin urgente/inmediata (triage 1) y para los pacientes que requieren atencin prioritaria (triage 2A). Despus de correr la simulacin bajo este escenario, los resultados mostraron que el tiempo promedio en espera se reduce (Tabla 11). Pero a diferencia del modelo con la

Los resultados muestran que el sistema tendr un aumento considerable en la cantidad de pacientes que tendr que atender y por lo tanto aumentar el tiempo promedio total de estada de un paciente en el departamento de emergencias. A su vez la cantidad de pacientes en el sistema tambin aumentar considerablemente lo que tendra implicaciones directas sobre su capacidad fsica instalada. Es importante tambin ver como el tiempo promedio de espera ya supera el 50% y pasa a ser el 57.27% del tiempo total, lo que indicara que los riesgos del paciente aumentaran considerablemente [1]. CONCLUSIONES Y FUTUROS AVANCES La implementacin de un modelo de simulacin permiti analizar diferentes alternativas virtuales, lo que facilit obtener

resultados ms rpido que haber tenido que implementarlas en la realidad. Tambin mostr cmo reaccionara el departamento de emergencias frente a cambios en la llegada de los pacientes (aumento del 10%) y frente a cambios en las polticas de aceptacin de pacientes (derivar pacientes triage 3). Entre los hallazgos de esta investigacin se encontr que alrededor del 50% del tiempo de la estada promedio de un paciente es en algn tipo de espera (a ser atendido, en recibir exmenes, en ser trasladado a otra unidad, etc.) Como consecuencia, se identific que uno de los procedimientos donde se genera ms congestin y aumenta considerablemente los tiempos totales de estada y los tiempos de espera de los pacientes, fue en la consulta mdica de los pacientes con PRE. Como solucin a esto se propuso aumentar un doctor ms en este procedimiento, lo que generara un impacto del 23.74% en la reduccin del tiempo total promedio de los pacientes. Tambin se obtuvieron conclusiones importantes para la reevaluacin de polticas y percepciones por parte de las personas en el hospital. Por ejemplo, la demanda de los pacientes que llega en su mayora no son pacientes con la mayor gravedad (slo el 0.55%), sino pacientes que necesitan atencin rpida (49.9%), pacientes que pueden esperar pero necesitan atencin (38.8%) y pacientes que pueden ser atendidos otro da por consulta externa (10.64%). Es este ltimo porcentaje, es el que realmente congestiona el departamento de emergencias sin una necesidad verdadera. Algunas de las polticas consideradas se concentran entonces, en cmo lograr que esta cantidad disminuya en el mayor grado posible. La evaluacin de los escenarios nos indica que no es una buena implementacin la de remitir a los pacientes triage 3 ya que, a pesar que el tiempo promedio de los pacientes disminuira en un 15.5%, se perderan un 43% de pacientes que dejaran de ingresar al procedimiento en el hospital, lo que a su vez disminuye los ingresos (esto bajo el supuesto de que la llegada de pacientes y su proporcin de triage no cambiara). Como futura investigacin, se podr implementar este modelo aadindole ms complejidad (incluyendo ms exmenes de laboratorio, ms recursos y cambios futuros en el flujo el paciente). Tambin se podr mejorar

incluyndole los datos que se obtengan a partir de la integracin de sistemas de informacin. REFERENCIAS BIBLIOGRFICAS [1] Bindman, A. B., Grumbach, K., Keanne, D., Rauch, L., & Luce, J. M. Consequences of queuing for care at a public hospital emergency department. Journal of the American Medical Association, 266(8), 10911096. 1991. [2] S. Su, C. Shih, Modeling an emergency medical services system, International Journal of Medical Informatics 72, 5772. 2003. [3] Gonzalez, C. J., Gonzalez, M., & Rios, N. M. Improving the quality of service in an emergency room using simulationanimation and total quality management. Computers & Industrial Engineering, 33(12), 97100. 1997. [4] J. Yeh, W. Lin. Using simulation technique and genetic algorithm to improve the quality care of a hospital emergency department. Expert Systems with Applications 32, 10731083. 2007. [5] N. Gilboy, P. Tanabe, DA Travers, AM Rosenau, DR Eitel. Emergency Severity Index, Version 4: Implementation Handbook. AHRQ Publication No. 05-0046-2. Rockville, MD: Agency for Healthcare Research and Quality. 2005. [6] Navas, J.F. Construccin y simulacin de un modelo del flujo de pacientes en un servicio de urgencias en un hospital colombiano. Proyecto de grado, Universidad de Los Andes, 2004. [7] Gutirrez A.P. Modelo por simulacin de eventos discretos del servicio de urgencias e un hospital. Proyecto de grado, Universidad de Los Andes, 2004. [8] Arena Users Guide. Rockwell Software. Octubre de 2005 [9] Banks, J., Carson J., Nelson, B. Discrete Event System Simulation. 2nd Ed. Prentice Hall. Upper Saddle River. New Jersey. 1996.