Página 1

Actas de la Conferencia de simulación de invierno de 1999

PA Farrington, HB Nembhard, DT Sturrock y GW Evans, eds.

SIMULACIÓN DE ATENCIÓN MÉDICA: UN ESTUDIO DE CASO EN UNA CLÍNICA LOCAL

Mark L. Weng
Ali A. Houshmand

Departamento de Ingeniería Industrial

Universidad de Cincinnati
Cincinnati, OH 45221-0072, EE. UU.

ABSTRACTO La solución a estos dos problemas es una que no es

fácilmente determinado. Desde el punto de vista de la ingeniería, la
Hoy, los investigadores y analistas están comenzando a descubrir La solución no es demasiado difícil de encontrar. Son los factores humanos
el potencial para usar la simulación en el campo de la atención de la salud; punto de vista que hace que la determinación de una solución sea muy complicada.
con multitud de interacciones entre pacientes, Debido a la complejidad de las interacciones clínicas y la
médicos, enfermeras y personal técnico y de apoyo, manejo versus problemas médicos involucrados, ha sido
la simulación puede ser una herramienta invaluable. Las ineficiencias puedenprácticamente
ser imposible optimizar el sistema; administración
eliminado o la asignación de recursos cambiada para determinar un quiere maximizar el rendimiento y reducir el tiempo que los pacientes
configuración óptima. Principalmente, la simulación se ha utilizado en el gastar en la clínica mientras los médicos quieren brindar calidad
campo de la salud en estudios comparativos de alternativas cuidado de la salud de los pacientes y mantener un nivel cómodo de
sistemas para los requisitos de recursos o programación (Lowery autonomía, algo que se les ha quitado desde
1998). Al analizar tales alternativas, el estándar la introducción de la atención administrada. Sin compromiso
Las medidas de rendimiento se informan típicamente: rendimiento, los intereses de cualquiera de las partes, los cambios en el sistema deben ser
tiempo en el sistema y tiempos y longitudes de las colas. Este papel es hecho para determinar si es posible alcanzar un medio
un análisis de sistemas de una clínica utilizando el mencionado terreno que satisfaga a ambas partes involucradas.
medidas de desempeño junto con otra propuesta Dado que el poder de la simulación reside en su capacidad para
medida de desempeño, flujo de caja total. modelar sistemas alternativos para estudios comparativos y
estimar una serie de medidas de desempeño variables,
1. INTRODUCCIÓN la simulación fue una solución natural.

Un grupo de administración de atención médica local que dirige varios
hospitales en el área de Cincinnati comenzaron a trabajar en un proyecto para
analizar una de sus clínicas para determinar si puede convertirse
más rentable. La gerencia ya ha iniciado los datos
proceso de recopilación y análisis de datos, y han
concluyó que hay multitud de ineficiencias en el
sistema que causa la rentabilidad reducida. Dándose cuenta de que
la simulación podría ser una herramienta útil para analizar la clínica,
el grupo de gestión de la atención médica patrocinó un proyecto
bajo la dirección del Dr. Ali Houshmand en la Universidad
de Cincinnati para modelar y analizar la clínica.
Las reuniones con la gerencia indicaron que querían
un modelo base que capturó la esencia del sistema
sin sacrificar la precisión. Una vez que el modelo base fue
completado, se proporcionaría una serie de escenarios para
análisis, siendo las medidas clave de rendimiento:
2 DESCRIPCIÓN DE LA CLÍNICA
La clínica que se está modelando se considera una clínica ambulatoria.
en un hospital local. Varias clasificaciones de pacientes diferentes
visitar la clínica; hay cuidados de urgencia y cuidados agudos
pacientes, la mayoría de los cuales son cuidados agudos. La mayoría de
Los pacientes de atención de urgencia son enviados al hospital de emergencia.
habitación. Además, hay pacientes que regresan, es decir, pacientes
con citas y pacientes nuevos, es decir, sin cita previa. Un flujo
gráfico del proceso de un paciente típico sería similar al
siguiente: Un paciente llega a la clínica y se dirige al
sala de espera para registro. El registrador llama al
paciente a la cabina de registro para su registro. Después
el registro está completo, el paciente vuelve a la espera
espacio para esperar a que el asistente médico lo llame para comenzar
su consulta. El asistente médico llamará al paciente.
volver a tomar su peso en una báscula y su presión arterial en
 • Para maximizar el rendimiento del paciente y la sala de examen del médico. Una vez que el médico está listo, va
• a la sala de examen y comienza la consulta con el médico.
Reducir el tiempo del paciente en el sistema.
Por lo general, más de la mitad de la consulta, el

1577

Página 2

Weng y Houshmand

El médico generalmente tiene que reunirse con el preceptor (médico en
cargo) para asesorar y verificar su diagnóstico. Siguiente
el encuentro con el preceptor, el médico vuelve a la
paciente, todavía en la sala de exploración, para el diagnóstico final. Él
puede solicitar una prueba de laboratorio específica, en cuyo caso el paciente
procede al laboratorio para la prueba respectiva, o el paciente puede
dejar. En cualquier caso, la consulta ha terminado y el
El paciente debe dirigirse a la recepcionista para programar una
visita de seguimiento. Este es el proceso estándar que fue
modelado sin embargo, existen variaciones en este proceso que
no se abordará.
3 RECOGIDA DE DATOS
Los datos recopilados por los ingenieros de evaluación comparativa durante un
Se proporcionó un período de dos meses para su uso en este proyecto.
Estos datos consistieron principalmente en tiempos de proceso del paciente y
tiempos de llegada del paciente. Una entrevista con el director de personal
proporcionó los horarios estándar de programación del personal y
requisitos, así como las probabilidades de proceso
sucursales. Datos recopilados sobre los gastos de la clínica basados en
16.188 casos para el año fiscal 1998 siempre que
información como datos de ingresos y gastos totales para el
mano de obra variable y fija, oferta variable y fija,
gastos generales, depreciación y educación médica.
Además, un desglose de los salarios medios de los
El personal incluyó lo siguiente:
• Asistente médico
Asistente médico
• R1
Preceptor
• R2
Registrador
• Preceptor
Recepcionista
•
R1 (residentes de primer año)
• Los pacientes nuevos y los que regresan tienen diferentes
R2, R3 (residentes de segundo y tercer año)
Dado que la gerencia está interesada solo en analizar
efectos de los R1 y los residentes restantes (R2 y
más alto), los salarios de los R2 y R3 se promediaron
entre los dos grupos.
4 SUPUESTOS DE MODELADO
Con el fin de eliminar posibles malentendidos o
expectativas no realizadas, una lista de los supuestos del modelo
se proporcionaron al equipo de gestión para su revisión. Estas
Los supuestos se expresan de la siguiente manera:
• El flujo de entidades se crea mediante la introducción de entidades.
La tasa de llegada de pacientes se modela como un
proceso de Poisson no estacionario.
Dado que la tasa de llegada no es constante
a lo largo del día, con más pacientes
llegando a la apertura de la clínica y justo después
Nelson (1995) proporciona descripciones interesantes
y análisis de Poisson no estacionario
procesos, y Kelton, Sadowski y
Sadowski (1998) describe un modelo
técnica denominada adelgazamiento utilizada en este modelo.
•
La duración de la simulación es de 600 minutos,
de 8 a. m. a 6 p. m. que consta de dos
sesiones.
La clínica generalmente opera entre
8 a. M. Y 5 p. M., Pero el tiempo adicional es para
Permitir que la clínica saque a los pacientes del
sistema. La clínica no cierra hasta el
último paciente se va. El horario de atención de la clínica
incluye dos sesiones separadas, la primera de
8 a. M. A 1 p. M. Y el segundo de 1 p. M. A
6:00 p. M.
•
El modelo base contiene un personal "promedio".
El modelo base utilizará lo que la clínica
director de personal definido como la dotación de personal estándar
requisitos enumerados en la Tabla 1 a continuación.
Tabla 1: Requisitos de recursos utilizados en
Modelo de simulación
RECURSO Número en
Modelo de simulación
Recepcionista 2
Empleado de registro 2
4
4
4
2
•
tiempos de proceso para varios procesos.
Los pacientes nuevos y los que regresan tienen diferentes
requisitos y tiempos de servicio. Por lo tanto,
esos tiempos se utilizan cuando corresponda.
•
La clínica se modela como un sistema pull.
En un sistema de extracción, el flujo de entidades es creado por
demanda generada por los procesos posteriores.
Después de ingresar a la clínica y completar
registro, los pacientes deben esperar hasta un examen
habitación y su médico está disponible. Solo en
esa vez pueden salir de la sala de espera para
iniciar su consulta. Es erróneo
modelar la clínica como un sistema de empuje, donde el
en el sistema. Para modelar un tirón válido
sistema, los pacientes no pueden dejar la espera
habitación a menos que haya un asistente médico disponible.
•
Los datos de gastos del modelo se basan en
 mediodía que en las otras horas, un promedios por hora.
Para asegurar que los salarios anuales
La tasa de llegada de Poisson no estacionaria es
permanecen constantes independientemente de la simulación
apropiado. Law y Kelton (1991) y
tiempo, la parte de flujo de efectivo del modelo utiliza

1578

Página 3

Simulación de atención médica: un estudio de caso en una clínica local

datos convertidos en promedios horarios en lugar de excelente descripción general de la simulación con Arena para principiantes
basándolos por caso. y expertos por igual.

5 CONSTRUCCIÓN DEL MODELO 5.2 Distribuciones de entrada

5.1 Selección de software
El lenguaje de simulación, Arena, se utilizó para modelar el
clínica. Arena es una plataforma basada en Windows que es popular
y ampliamente utilizado debido a su tremenda flexibilidad y facilidad
de uso. Los modelos se pueden construir sin ningún
conocimiento de programación debido a su uso de cuadros de diálogo y
interfaz gráfica, pero la programación de bajo nivel puede ser
hecho si así lo desea. Arena se ha utilizado para modelar
todo, desde la fabricación de células de trabajo hasta complejas
interacciones en una sala de emergencias.
Además, los analizadores de entrada y salida de Arena
Proporcionar excelentes herramientas para ajustar las distribuciones de probabilidad
basado en datos reales y analice los datos de salida utilizando
medidas estadísticas. La animación de la clínica proporciona una
representación visual de la clínica para aquellos sin el
Comprensión técnica de un modelado de simulación.
idioma. Para una mejor comprensión de Arena, Kelton,
El libro de Sadowski y Sadowski (1998) proporciona una
Los procesos clínicos son de naturaleza estocástica, tan discretos
los datos no se pueden utilizar en su forma actual. Para modelar un
proceso estocástico con entradas aleatorias, probabilidad
es necesario especificar las distribuciones. Por tanto, los datos
debe instalarse en una distribución de entrada para que Arena
utilizar. Dado que hubo muy pocas observaciones generales,
Algunas de las distribuciones de entrada resultantes reflejan la
escasez de datos; había algunos triangulares y uniformes
distribuciones ajustadas que fueron verificadas a través de expertos
conocimiento, es decir, interrogar al director de personal de la clínica.
Sin embargo, la mayoría de las distribuciones de entrada ajustadas para el
procesos fueron distribuciones gamma y beta, que son
Representante
de entrada.
del tiempo requerido para completar una tarea y
ausencia de datos. Las distribuciones de entrada utilizadas en la Arena
Todos los modelos se ajustaron de acuerdo con el analizador de entrada de Arena.
La Tabla 2 muestra los procesos y sus respectivos insumos.
distribuciones. Véase Law y Kelton (1991), Banks, Carson,
y Nelson (1996), y Nelson (1995) para más información sobre la adaptación
distribuciones de entrada.

Tabla 2: Distribuciones y datos de tiempo de proceso

PROCESO RESIDENTE DISTRIBUCIÓN
Registro N/A 2 + 21 * BETA (0.829, 1.09)
Peso N/A 2,77 * BETA (1,39, 3,71)
Partes vitales N/A LOGN (7,25, 9,47)
Diagnóstico inicial R1 - nuevo TRIA (29, 58, 87)
R1 - regreso 13 + ERLA (10,4, 1)
R2 - nuevo TRIA (14, 35,9, 87)
R2 - regreso 5 + 31 * BETA (0,846, 0,627)
Escribir registros de pacientes R1 GAMM (39,7; 0,589)
R2 1 + 8 * BETA (0,668, 1,06)
Consultar Preceptor R1 - nuevo 5 + LOGN (6,17, 22)
R1 - regreso 1 + GAMM (12,6; 1,15)
R2 - nuevo UNIF (3,57, 7)
R2 - regreso 3 + ERLA (3,44, 1)
Registros completos R1 0.06 + GAMM (1.02, 2.27)
R2 9 * BETA (0,733, 1,19)
Diagnostico final R1 - nuevo 2 + 17 * BETA (0.405, 0.541)
R1 - regreso LOGN (8.24, 21.8)
R2 - nuevo 1 + 18 * BETA (0,535, 0,761)
R2 - regreso TRIA (0, 0.112, 14)
Prueba de laboratorio N/A 6 + 34 * BETA (0,8, 1,55)
Terminar el papeleo N/A GAMM (3,7; 1,76)

5.3 Técnicas especiales de modelado original enviado a una cola donde debe esperar una señal
 Quizás la característica más importante de la clínica es el hecho antes de que pueda
otro duplicado seguir
enviado a loadelante
largo deenuna
el modelo,
rama de yseñal
el separada. En esto
que es un sistema pull. Para modelar este aspecto de la clínica, rama de señal, el modelo comprueba si hay un médico disponible
los pacientes se duplican después del registro, con el asistente, ya que el asistente médico debe iniciar la

1579

Página 4

Weng y Houshmand

proceso de consulta del paciente. Si el asistente médico es
disponible, se envía una señal a la entidad paciente en espera en el
modelo principal que permite que el paciente original continúe
a través del sistema. Mientras tanto, el duplicado se elimina
de todo el modelo.
Para incorporar el flujo de caja en el sistema, una
Se construyó un submodelo que tiene la variable gasto
entidades que llegan al submodelo cada 60 minutos. los
los datos contables se desglosaron de los ingresos medios
y el gasto por año al ingreso promedio por hora y
Gasto variable por hora. Una variable, llamada VExpenses,
suma los gastos variables por hora cada hora para cada
proceso de la clínica utilizando gastos variables. Al final
del tiempo simulado, un valor final para los VExpenses es
desplegado. Además, un gráfico de series de tiempo en el modelo
muestra cómo la variable VExpenses cambia con el tiempo.
Similar a la animación, esto le permite a uno simplemente ver el
gráfico para comprender cómo es el flujo de efectivo de gastos variables
cambiando con el tiempo. De la misma forma, una variable llamada
Ingresos fue creado para agregar los ingresos de la
pacientes que ingresan al sistema. Asimismo, un gráfico que indica
se proporciona el cambio en los ingresos totales. Por lo tanto, para
para determinar el beneficio final, el valor de Vexpenses es
restado del valor de los Ingresos y los gastos fijos
calculado a partir de los datos. El valor de los gastos fijos también es
restado del valor de los ingresos para obtener un valor final
indicando la rentabilidad de la clínica.
Como se indica en los supuestos, el tiempo de simulación base
es un día hábil, diez horas. Esto es para reproducir lo que
uno podría esperar observar durante un día determinado. Para
validez estadística, es decir, reduciendo la varianza, una gran
número de réplicas necesarias. Examen de
las medias anchuras del intervalo de confianza para la media simulada
los valores indican menos del cinco por ciento de error. En profundidad
La discusión sobre la validez del modelo sigue en la siguiente sección.
Dado que el sistema de la clínica tiene un inicio y una parada definidos
tiempo (sistema de terminación), el modelo no requiere ningún
tiempo de calentamiento.
6 VALIDACIÓN DEL MODELO
Para validar los aspectos del sistema del modelo, varios
se han tomado medidas. Primero, el modelo incluye
animación, y los pacientes proceden a lo largo de sus respectivos
caminos. No ocurre nada fuera de lo común; las entidades se mueven a
los lugares a los que se espera que vayan. Segundo, después
ejecutando 60 repeticiones, un análisis estadístico rápido
comparar el diagnóstico inicial y final promedio real
tiempos para los R1 y los R2 a los resultados que
Se hizo la arena generada. Las comparaciones junto con un
El porcentaje de error se muestra en la Tabla 3. Como se puede ver en la
tabla, el error porcentual para los R1 es muy bajo, menos de
uno porciento. Sin embargo, el error porcentual para los R2 es
mucho más alto, 6.5% para el diagnóstico inicial, 22.1% para el
diagnóstico final y 8,7% para la interacción total del paciente
tiempo. Esta disparidad numérica probablemente se deba a la naturaleza de
utilizando errores porcentuales. Dado que los números de los R2 eran
relativamente bajo, cualquier desviación de esos números
producir un error porcentual mayor que la misma desviación
de un número mayor. Además, debido a la escasez de
datos, no se puede garantizar que las distribuciones de entrada sean
correcto. La recopilación de datos adicionales puede probar que
Las distribuciones de entrada ajustadas no son precisas.
Una medida más precisa sería mostrar dónde
Los datos reales se encuentran en los intervalos de confianza proporcionados por
Arena. Si el tiempo medio real se encuentra en el 95% de confianza
intervalo que genera el Analizador de salida de Arena, luego uno
puede concluir que, a largo plazo, los tiempos reales medios
estará dentro del intervalo de confianza el 95% del tiempo.
Los intervalos de confianza se muestran en la Tabla 4.

Tabla 3: Comparación de los resultados de la simulación con los datos reales

REAL SIMULACIÓN POR CIENTO
(60 réplicas) ERROR (%)
R1 R2 R1 R2 R1 R2
Diagnóstico inicial 34,51 26,67 34,20 28.40 0,89 6,50
Diagnostico final 7,48 4.32 7.51 5.28 0,38 22.11
Tiempo total de interacción con el paciente
41,99 31.00 41,71 33,68 0,67 8,68

Tabla 4: Tiempos de diagnóstico reales con intervalos de confianza de arena

REAL R1 IC del 95% R2 REAL IC del 95%
Diagnóstico inicial 34.507 (31,9; 36,5) 26.667 (26,6; 30,3)
Diagnostico final 7.482 (6,59, 8,42) 4.324 (4,91, 5,65)

Con la excepción del diagnóstico final R2, el analizado es el tiempo de flujo agregado total a través de la clínica;
los tiempos caen dentro de los intervalos de confianza del 95% dados por es necesario comparar los resultados de Arena con los reales
 Arena. EstoSin
modelado. indica que elpara
embargo, tiempo de consulta
determinar es bueno.de todo el
la exactitud datos paraArena
réplicas, validar el modelo
obtuvo completo.
un tiempo Para
de flujo 60
promedio de pacientes de
modelo, el aspecto esencial del sistema que necesita ser 95,2 minutos con un intervalo de confianza del 95% de (92,8,

1580

Página 5

Simulación de atención médica: un estudio de caso en una clínica local

97,5). El tiempo de flujo promedio real del paciente es 97,41 comparando dos medias, pero como no había suposición
minutos. Por tanto, podemos concluir que la simulación de independencia estadística, la prueba t pareada es la correcta
modela con precisión todo el proceso del paciente. prueba para usar. Para los tres escenarios, hay una estadística
diferencia entre el modelo base y cada escenario. los
7 ANÁLISIS Las pruebas de hipótesis rechazaron la hipótesis nula de que no hay
diferencia entre los dos medios. Los dos escenarios
7.1 Análisis y comparación de escenarios con solo los R2 resultó en una reducción significativamente
tiempos de flujo que el modelo base, y el tercer escenario con
Como se mencionó al comienzo de este artículo, la atención médica todos los R1 dieron como resultado un tiempo de flujo significativamente mayor que el
El grupo de manejo está interesado en maximizar al paciente. modelo base. Esto conduce a un hallazgo muy importante: hay
rendimiento y reducción del tiempo total en el sistema. Con toda una diferencia significativa entre el tiempo de consulta R1
variables que permanecen constantes y varían solo el número y el tiempo de consulta R2, que en última instancia conduce a una
y tipos de residentes, les gustaría saber cuál de Diferencia significativa en los tiempos de flujo del paciente. Por lo tanto, para
los siguientes tres escenarios maximizan el rendimiento y minimizar el tiempo de flujo del paciente, solo se deben usar los R2.
minimiza el tiempo total en el sistema: Sin embargo, usar solo R2 es imposible; R1 todavía necesita
ganar experiencia. La siguiente mejor alternativa es separar los
•
Escenario 1: solo 8 R2, R1 y R2; optimizar la programación utilizando todos los R2
• y todos los R1 cuando sea posible. El siguiente paso es comparar
Escenario 2: solo 6 R2 y
• los escenarios de 8 R2's versus 6 R2's. Hay realmente
Escenario 3: solo 8 R1.
diferencia entre los dos sistemas cuando, todo lo demás constante,
Un análisis estadístico del rendimiento y el tiempo total en el número de R2 varía en dos? Una comparación de t pareada
El sistema ayudará a determinar cuáles son las alternativas óptimas. entre el tiempo de flujo medio del paciente con 8 R2 y con 6
R2 indica que no hay diferencia significativa
están. El analizador de salida de Arena puede ejecutar una prueba t pareada en
datos recopilados en las 60 réplicas para comparar cualquier entre los dos escenarios. Antes de saltar a cualquier
dos escenarios. Después de ejecutar 60 réplicas para cada conclusiones, debe tenerse en cuenta que el rendimiento del paciente necesita
escenario, los intervalos de confianza de Arena para el paciente para ser considerado en este caso. Al comparar el
El rendimiento se muestra en la Tabla 5. Es evidente que el rendimiento medio de pacientes para el escenario 1 (20,8 pacientes)
diferentes escenarios proporcionan diferentes tiempos de flujo medios, pero contra el rendimiento medio de pacientes para el Escenario 2 (20,3
para determinar si existe una diferencia estadística, se pacientes), el escenario 1 produjo 0,5 pacientes más que
Es necesario realizar la prueba t pareada. Bajo la suposición Escenario 2. La prueba t pareada indicó que no hay
que las varianzas son iguales, la prueba t pareada es apropiada. diferencia estadística entre los dos escenarios. Por lo tanto,
El analizador de salida también incluye una prueba t de dos muestras para podemos concluir que el escenario 2 (6 R2) es óptimo.

Tabla 5: Comparación del tiempo de flujo simulado medio

BASE 8 R2 6 R2 8 R1
Tiempo en minutos 101 88,2 89 107
Medio ancho 3.35 3,02 3,07 3,5
Error de medio ancho 3,32% 3,40% 3,45% 3,27%
Intervalo de confianza del 95% (98,1, 105) (85,8, 91,8) (85,9, 92,1) (103, 110)

Tabla 6: Resumen de simulación del modelo de línea de base

PROMEDIOS VARIABLE INGRESOS LUCRO PACIENTES PACIENTES TOTALES PORCENTAJE
GASTOS VISTO EN EL SISTEMA
Base - $ 1064,83 $ 1377,96 $ 313.13 17.5833 18.0667 97,33%
escenario 1 - $ 798,60 $ 1216.01 $ 417,41 15.5167 17.7667 87,34%
Escenario 2 - 800,23 $ $ 1247,35 447,12 $ 15,9167 18.4167 86,43%
Escenario 3 - $ 816.53 $ 1253,89 $ 437,35 16.0000 18.5000 86,49%
 1581

Página 6

Weng y Houshmand

7.2 Análisis de escenarios y comparación con gastos Escenario 2:

•
6 R2: $ 133,85 * 6 = $ 803,10
7.2.1 Modelo de línea de base
Escenario 3:
A continuación, los escenarios se evalúan utilizando el flujo de caja como •
8 R1: $ 128.08 * 8 = $ 1024.64
medida de rendimiento. Usando la simulación de línea de base
modelo para cada uno de los tres escenarios junto con el Por lo tanto, las cifras finales en dólares para los modelos de referencia
configuración, la Tabla 6 a continuación resume los resultados. Los valores están:
son todos los resultados de un día hábil.
Los costos fijos de cada día ascienden a lo siguiente: Base: - $ 7295,10
Escenario 1: - $ 7213.90
Mano de obra fija: $ 784.22 Escenario 2: - $ 6916.49
Suministros fijos: 53,26 $ Escenario 3: - $ 7147,79
Varios fijos: $ 2000,76
Depreciación: $ 20.97 La pérdida más pequeña sería para el Escenario 2 con solo 6
Gastos generales del departamento:
$ 780.03 R2's. De la tabla anterior, el 86,425% de los pacientes que
Gastos generales del hospital: $ 2555,67 aparecen en el sistema se borran antes de las 5 PM en el
Educación médica: $ 365.60 modelo de simulación. Este es el más bajo de los tres escenarios,
Preceptores (2): 769,24 $ pero considerando que hay dos residentes menos que en
Total: $ 6560.51 ya sea Escenario 1 o 3, este es un nivel aceptable. Estas
Los resultados concuerdan con los resultados obtenidos de la investigación de
Sin embargo, los costos laborales fijos se desglosan según la medida del rendimiento del tiempo de flujo del paciente.
tamaños de personal.
7.2.2 Modelo de nuevos estándares
Base:
•
4 R1: $ 128.08 * 4 = $ 512.32 Se puede realizar un análisis similar para los escenarios basados en
•
4 R2: $ 133,85 * 4 = $ 535,40 las normas revisadas propuestas por la asistencia sanitaria
Total: $ 1047,72 grupo de evaluación comparativa de la gestión. Los resultados son
resumido en la Tabla 7.
Escenario 1:
•
8 R2: $ 133,85 * 8 = $ 1070,80

Tabla 7: Resumen de simulación del nuevo modelo estándar

PROMEDIOS VARIABLE INGRESOS LUCRO PACIENTES PACIENTES TOTALES PORCENTAJE
GASTOS VISTO EN EL SISTEMA
Nuevo estándar - $ 840,81 1280,00 $ $ 439.20 16.3333 17.8000 91,76%
escenario 1 - $ 829,27 $ 1324,41 495,14 $ 16.9000 18.5167 91,27%
Escenario 2 - $ 829,27 $ 1324,41 495,14 $ 16.9000 18.5167 91,27%
Escenario 3 - $ 836,00 $ 1270,86 $ 434,86 16.2167 18.3667 88,29%

Los costos fijos de cada día ascienden a lo siguiente: Sin embargo, los costos laborales fijos se desglosan según
tamaños de personal.
Mano de obra fija: $ 784.22
Suministros fijos: 53,26 $ Nuevo estándar:
Varios fijos: $ 2000,76 •
4 R1: $ 128.08 * 4 = $ 512.32
Depreciación: $ 20.97 •
4 R2: $ 133,85 * 4 = $ 535,40
Gastos generales del departamento:
$ 780.03 Total: $ 1047,72
Gastos generales del hospital: $ 2555,67
Educación médica: $ 365.60 Escenario 1:
Preceptores (2): 769,24 $ •
8 R2: $ 133,85 * 8 = $ 1070,80
 Enfermeras (2): $ 384.62
Total: $ 6945.13
1582
Página 7
Simulación de atención médica: un estudio de caso en una clínica local
Escenario 2:
•
6 R2: $ 133,85 * 6 = $ 803,10
Escenario 3:
• pacientes que el número de pacientes que ingresan al sistema,
8 R1: $ 128.08 * 8 = $ 1024.64
Por lo tanto, las cifras finales en dólares para el nuevo estándar
los modelos son:
Nuevo estándar: - $ 7553,66
Escenario 1: - $ 7520,79
Escenario 2: - $ 7253.09
Escenario 3: - $ 7534,91
Una vez más, la pérdida más pequeña sería para el escenario 2,
a - $ 7253.09 por día. Además, el porcentaje de
pacientes atendidos es el más alto después del nuevo modelo estándar
con cuatro auxiliares médicos en lugar de los dos en el
segundo escenario. Estos resultados tienen sentido, ya que de cualquier formautilizando los estándares propuestos que se muestran arriba. La entrada
para atender a un gran número de pacientes mientras se reducen los costes los parámetros ahora son estándares libres de distribución determinados
debería resultar en la menor pérdida de beneficios. Además, el
proximidad de los porcentajes de los pacientes atendidos por
Escenario 1 versus Escenario 2 son muy parecidos, lo mismo, en
de hecho, para los nuevos estándares. Esto indica que, para el
modelo de simulación y los parámetros utilizados, ocho residentes
son demasiados, y tal vez deberían usarse seis en su lugar.
7.3 Relación de rendimiento de costo a paciente
Finalmente, examinamos una medida de desempeño final, costo-a-
Relación de rendimiento del paciente.
Base: - $ 7295.10 / 17.5833 = - $ 414.89
por paciente
Escenario 1: - $ 7213.90 / 15.5167 = - $ 464.91
Escenario 2: - $ 6916.49 / 15.9167 = - $ 434.54
Escenario 3: - $ 7147.79 / 16.0000 = - $ 446.74
Nuevo estándar: - $ 7553,66 / 16,3333 = - $ 462,47 por
paciente
Escenario 1: - $ 7520.79 / 16.9000 = - $ 445.02
Escenario 2: - $ 7253.09 / 16.9000 = - $ 429.18
Escenario 3: - $ 7534,91 / 16,2167 = - $ 464,64
Aquí, es evidente que para los modelos de línea de base,
El escenario 2 produce la menor pérdida en el nuevo
modelos estándar, el escenario 2 también devuelve la pérdida más pequeña. Por lo tanto, el estándar para la recepcionista se redujo a
Esto confirma las conclusiones extraídas anteriormente, que ocho
los residentes son demasiados para los parámetros utilizados en el
modelo de simulación.
7.4 Nivel de rendimiento del paciente
El aparentemente bajo número de pacientes atendidos puede ser
abordado de la siguiente manera. La simulación no puede producir más
es decir, los datos de la tasa de llegada determinan el número de pacientes
visto. Por tanto, para tener un número elevado de pacientes
salir del sistema, la tasa de llegada debe ser mayor que
lo que hay en el modelo base. La gestión sanitaria
grupo cree que es posible producir 160 pacientes
cada día, según los estándares desarrollados por el
equipo de evaluación comparativa. Dado que la tasa de llegada actual del
pacientes está muy por debajo de 160, es imposible lograr que
nivel de producción. Sin embargo, suponga que es posible
Ingrese 160 pacientes en el sistema. ¿Puede la clínica procesar
160 pacientes en un día laboral? De la anterior
análisis, se cree que 160 pacientes no son posibles.
Para demostrar esto, se ha creado un experimento sencillo.
por el equipo de evaluación comparativa que creen que es un nivel
el personal puede lograr. Las normas revisadas se enumeran a continuación.
Registro 2 minutos
Vitales / Peso 3
Declaración de consulta inicial R1 13
Nuevo 18
Consulta inicial R2 Regresar 10
Nuevo 18
Preceptor R1 Regresar 6
Nuevo 7
Preceptor R2 Regresar 6
Nuevo 6
Diagnóstico final R1 Regresar 2
Nuevo 3
Diagnóstico final R2 Regresar 2
Nuevo 4
Prueba de laboratorio 6
Recepcionista 10
Cada experimento consistió en 600 repeticiones, y
cada réplica se ejecutó durante un período de nueve horas. Nueve horas
(de 8 a. m. a 5 p. m.) permite al personal de la clínica aproximadamente
una hora para limpiar el sistema de pacientes después de la última
llegada. Después del primer experimento, la estación recepcionista
se determina que es la estación de cuello de botella con sólo una media
de 94 pacientes que abandonan el sistema después de cada replicación.
8 minutos. Una vez más, la estación de recepcionista sigue siendo la
embotellamiento; Sin embargo, el tiempo en la cola en la estación fue
reducido en más de 43 minutos. El número medio de pacientes
salir del sistema se incrementó a 118. Por lo tanto, el
el estándar se redujo una vez más, a 7 minutos. En esto

1583
Página 8
Weng y Houshmand
Por lo tanto, los estándares R1 se reducen a 12, 11 y 10
minutos, prácticamente sin cambios en el número de pacientes
salió, 133. En este punto, con la estación de cuello de botella todavía
los R1, el estándar de recepcionista se redujo a cinco
minutos, y el número de pacientes abandonados aumentó a
140. Esto indica que aunque la estación R1 es una
cuello de botella en términos de longitud de la cola, hay otros factores
que están provocando que el número de pacientes permanezca constante.
Por lo tanto, el estándar de preceptor se redujo a 5 minutos, y
el número de pacientes que abandonaron se elevó a 149. El
Los valores para los parámetros de entrada que cambiaron son:
Declaración de consulta inicial R1 10
Preceptor R1 Regresar 5
Nuevo 5
Preceptor R2 Regresar 5
Nuevo 5
Recepcionista 5 La simulación permite al usuario realizar cambios en la clínica.
Estos estándares han alcanzado el límite en términos de
ser alcanzable; algo más bajo sería muy difícil de
alcanzar. Desde el número final de pacientes que abandonaron la clínica
es 149, se puede concluir que lo más probable es que 160 pacientes
salir de la clínica no se puede lograr. Incluso 149 serían
muy difícil de lograr, ya que estos parámetros de entrada son
valores de tiempo discretos y no tienen en cuenta la
variabilidad inherente del sistema.
CONCLUSIÓN
El grupo de gestión de la atención de la salud estaba interesado en dos
principales áreas de actuación de su clínica:
•
Maximizar el rendimiento del paciente y
• de Ingenieros Eléctricos y Electrónicos, Piscataway,
Minimizando el tiempo de flujo del paciente.
Sobre la base de los tres escenarios iniciales, la simulación ha mostrado
el de los tres escenarios, el segundo escenario utilizando:
• BIOGRAFÍAS DEL AUTOR
6 R2 y
•
2 auxiliares médicos,
es un tamaño de personal óptimo. Usando medidas de desempeño llamadas
Vexpenses e Ingresos, que son los gastos variables
y los ingresos de los pacientes, respectivamente, esta conclusión ha
se ha consolidado aún más como la mejor entre las alternativas.
Los cambios propuestos a la clínica incluyen la revisión actual
estándares a los propuestos en la sección de Análisis .
Sin embargo, se ha demostrado que con base en esos estándares,
el objetivo deseado para el número de pacientes a través del sistema,
160, sería muy difícil, si no casi imposible, de
lograr. Por tanto, una solución propuesta sería reducir
el número esperado de pacientes al nivel actual de
caso, la cola R1 es ahora el cuello de botella, y el número
de pacientes que abandonan aumenta de nuevo a 132 pacientes.
pacientes, y un diseño experimental que investiga al personal
el tamaño será objeto de trabajos futuros. De lo contrario, los esfuerzos
para traer al menos 160 pacientes por día se requiere
alcanzar niveles en cualquier lugar cercanos a 160 pacientes vistos.
No se mencionan los resultados de la implementación, ya que
Este análisis aún debe presentarse a los médicos y
personal de la clínica. Pendiente del resultado de la presentación
y qué tan bien este análisis es recibido por el personal,
la implementación seguirá poco después. Un favorable
El resultado puede ser más probable si los médicos pueden comprender
que la simulación es una herramienta creíble que puede ayudar a agilizar una
operación que actualmente se está ejecutando de manera subóptima. Como el
La inclusión de Vexpenses e Ingresos indicaría, costo
es la fuerza impulsora detrás de un sistema, y su incorporación
como medida de desempeño debe ayudar tanto a la atención de la salud
el grupo de gestión y los médicos y el personal mejor
comprender cómo se pueden hacer cambios en la clínica.
que de otro modo sería imposible de implementar.
REFERENCIAS
Banks, J., JS Carson, II; y BL Nelson. 1996.
Simulación de sistema de eventos discretos , 2.o Edición,
Prentice-Hall, Upper Saddle River, Nueva Jersey.
Kelton, WD, RP Sadowski y DA Sadowski. 1998.
Simulación con Arena , McGraw-Hill, Inc., Nueva York.
Law, AM y WD Kelton. 1991. Modelado de simulación.
and Analysis , 2ª edición, McGraw-Hill, Inc., Nueva
York.
Lowery, JC 1998. Introducción a la simulación en
Cuidado de la salud. En Actas del invierno de 1998
Conferencia de simulación , ed. DJ Medeiros, EF
Watson, JS Carson y MS Manivannan, Instituto
New Jersery
Nelson, BL 1995. Modelado estocástico: análisis y
Simulación , McGraw-Hill, Inc., Nueva York.
MARK L.WENG es candidato a maestría en la Universidad de
Cincinnati. Tiene una licenciatura en Ingeniería Industrial de
Northwestern University. Sus intereses de investigación incluyen
los aspectos estadísticos del modelado de simulación, estocástico
modelos y aplicaciones de simulación, particularmente en el
campo de la salud.
ALI A. HOUSHMAND es profesora asociada de
Ingeniería industrial en la Universidad de Cincinnati. Él
tiene una licenciatura y una maestría en matemáticas de la Universidad de
Essex, Reino Unido y MS y Ph.D. grados en Industrial
Ingeniería de la Universidad de Michigan. Su
dotación de personal. Se cree que cambiar el número de soporte Los intereses
en control de la investigación
de calidad, y la docencia se centran en la estadística aplicada y
diseño y gestión.
El personal permitiría a la clínica alcanzar su meta de 160

1584