Modelo para la gestión de flujos de pacientes, validado en un servicio de cirugía general

Yasniel Sánchez Suárez, Verenice Sánchez Castillo, Carlos Alberto Gómez Cano

Texto completo:

HTML PDF XML

Resumen

Introducción: La modelación de los flujos de pacientes se considera una herramienta clave para el análisis y mejora de las trayectorias intrahospitalarias.
Objetivo: Desarrollar y validar, en un servicio de cirugía general, un modelo matemático para la gestión de flujos de pacientes en servicios hospitalarios.
Métodos: Se desarrolló una investigación de tipo cuantitativa descriptiva. Se analizaron diferentes modelos de gestión y se identificaron brechas a solventar. Para su concepción se diseñó un procedimiento metodológico que tiene en cuenta la agrupación de pacientes en categorías diagnósticas mayores, en función de características clínicas homogéneas y similar consumo de recursos.
Resultados:
Se identificó como problema principal la insuficiente gestión de los flujos de pacientes. Se construyó un modelo matemático de simulación discreta que se validó mediante la comparación de datos reales del servicio y las opiniones subjetivas de especialistas. Se identificó que los recursos limitantes del sistema son las enfermeras y las camas con porcentajes de utilización de 93,377 % y 89,265 % respectivamente.
Conclusiones: Se desarrolla un modelo para la gestión de los flujos de pacientes en el servicio de cirugía general y se demuestra su influencia en el análisis, el proceso de toma de decisiones y la mejora de la gestión.

Palabras clave

administración en salud; cirugía general; modelado computacional; simulación de paciente; traslado intrahospitalario de los pacientes.

Referencias

Bhattacharjee P, Ray PK. Patient flow modelling and performance analysis of healthcare delivery processes in hospitals: A review and reflections. Computers & Industrial Engineering. 2014;78(C):299-312. DOI: 10.1016/j.cie.2014.04.016

Manning L, Islam S. A systematic review to identify the challenges to achieving effective patient flow in public hospitals. Int J Health Plann Mgmt. 2023;38(3): 805-828. DOI: 10.1002/hpm.3626

Dawoodbhoy FM, Delaney J, Cecula P, Yu J, Peacock I, Tan J, et al. AI in patient flow: applications of artificial intelligence to improve patient flow in NHS acute mental health inpatient units. Heliyon. 2021;7(5):[aprox. 18 pant.]. DOI: 10.1016/j.heliyon.2021.e06993

Duarte Forero EL, Camacho Oliveros MÁ. Planeación de la capacidad hospitalaria: un enfoque desde el flujo de pacientes con Dinámica de Sistemas. INGE CUC. 2020;16(1):217-233. DOI: 10.17981/ingecuc.16.1.2020.16

Sánchez Suárez Y, Marqués León M, Hernández Nariño A, Suárez Pérez M. Metodología para el diagnóstico de la gestión de trayectorias de pacientes en hospitales. Región Científica. 2023;2(2): [aprox. 18 pant.]. DOI: 10.58763/rc2023115

Sánchez Suárez Y. Instrumento metodológico para la gestión de flujos de pacientes en instituciones hospitalarias. [Tesis de doctorado]. Matanzas, Cuba: Universidad de Matanzas. 2023 [acceso: 28/09/2023]. Disponible en: https://rein.umcc.cu/handle/123456789/1949

Sánchez-Suárez Y, Marqués-León M, Hernández-Nariño A, Santos-Pérez O. Modelación de los flujos de pacientes de alto riesgo con COVID-19 en Matanzas con enfoque Lean. Revista Médica Electrónica. 2023 [acceso: 28/09/2023];45(4):629-643. Disponible en: http://scielo.sld.cu/pdf/rme/v45n4/1684-1824-rme-45-04-629.pdf

Arévalo Zurita M, Expósito García E, Apez Arévalo I. Gestión empresarial y prácticas de equidad e igualdad de género: el caso de la empresa Agroforestal Cafetalera Tercer Frente. Región Científica. 2023;2(2):[aprox. 9 pant.]. DOI: 10.58763/rc202375

Marqués León M, Negrin Sosa E, Hernández Nariño A, Nogueira Rivera D, Medina León A. Modelo para la planificación de medicamentos y materiales de uso médico en instituciones hospitalarias. Gestión y política pública. 2017 [acceso: 28/09/2023];26(SPE):79-124. Disponible en: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-10792017000300079

Kelton WD. Simulación con software Arena. México: McGraw-Hill; 2008. [acceso: 28/10/2023]. Disponible en: https://catalogosiidca.csuca.org/Record/UNI.7045details

Eslava Zapata R, Chacón Guerrero E, Gómez Ortiz E, Mogrovejo Andrade J. Toma de decisiones en las organizaciones: procesos y herramientas. Data y Metadata. 2022;1:19-24. DOI: 10.56294/dm202219

Medina León SV, Medina Palomera A, González Ángeles Á. Reducir tiempos de espera de pacientes en el departamento de emergencias de un hospital utilizando simulación. Industrial Data. 2010 [acceso: 28/09/2023];13(1):67-76. Disponible en: http://www.redalyc.org/articulo.oa?id=81619989010

Basaglia A, Spacone E, van de Lindt JW, Kirsch TD. A Discrete-Event Simulation Model of Hospital Patient Flow Following Major Earthquakes. International Journal of Disaster Risk Reduction. 2022;71(5):[aprox. 9 pant.]. DOI: 10.1016/j.ijdrr.2022.102825

Ouda E, Sleptchenko A, Simsekler MCE. Comprehensive review and future research agenda on discrete-event simulation and agent-based simulation of emergency departments. Simulation Modelling Practice and Theory. 2023;129(7):[aprox. 23 p]. DOI: 10.1016/j.simpat.2023.102823

Jiménez Romero C, Tisnés A, Linares S. Modelo de simulación del COVID-19 basado en agentes. Aplicación al caso argentino. Posición. 2020 [acceso: 28/09/2023];3:1-22. Disponible en: https://ri.conicet.gov.ar/bitstream/handle/11336/107719/CONICET_Digital_Nro.35741ff1-2717-42c6-8a86-4be3970462be_A.pdf?sequence=2&isAllowed=y

Sánchez Suárez Y, Gómez Pérez M, Maynoldi Pino K, Marqués León M, Hernández Nariño A, Santos Pérez O. Contribución al perfeccionamiento del proceso de gestión de ingreso de pacientes con covid-19. Revista Cubana de Administración Pública y Empresarial. 2021;5(3):[aprox. 19 pant.]. DOI: 10.5281/zenodo.5759637

Enlaces refback

  • No hay ningún enlace refback.


URL de la licencia: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es