Página de Formularios del Magister y el Doctorado
Anuncio
PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA EVALUACIÓN DEL MODELO HOSPITALISTA EN UNA CLÍNICA DE CHILE MEDIANTE SIMULACION JAIME ANDRÉS NORAMBUENA PAPE Tesis para optar al grado de Magister en Ciencias de la Ingeniería Profesor Supervisor: PEDRO GAZMURI S. Santiago de Chile, Septiembre, 2015 2015, Jaime Andrés Norambuena Pape PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA EVALUACIÓN DEL MODELO HOSPITALISTA EN UNA CLÍNICA DE CHILE MEDIANTE SIMULACIÓN JAIME ANDRÉS NORAMBUENA PAPE Tesis presentada a la Comisión integrada por los profesores: PEDRO GAZMURI S. JORGE VERA A. GABRIEL BASTÍAS S. SERGIO MATURANA V. Para completar las exigencias del grado de Magister en Ciencias de la Ingeniería Santiago de Chile, Septiembre, 2015 Para aquellas personas que marcaron parte importante de mi camino de formación, en especial a mis padres por su apoyo y esfuerzo, mi futura señora, hermanos y amigos AGRADECIMIENTOS Quisiera agradecer a todas las personas que fueron parte de este trabajo: guiando el trabajo que se realizó, entregando conocimiento, tiempo y principalmente apoyo para confeccionar este documento. Quisiera agradecer a mi profesor guía, Pedro Gazmuri S., por su entrega y tiempo destinado a la confección de esta tesis y de mi desarrollo como profesional. Adicionalmente, le quiero dar las gracias a la Corporación Chilena Alemana de Beneficencia y la Clínica Alemana por entregarme el respaldo para la realización de esta investigación, destacando a tres principales actores: En primer lugar a Constanza Prieto, Subgerente de Procesos, quien me apoyo desde la arista profesional a crecer integralmente en la relación ingenieril y humana de los sistemas de gestión para la implementación de proyectos de mejora; en segundo lugar al Dr. Alfredo Umaña, Jefe de la Unidad de Gestión de Pacientes, que fue el que inspiró esta investigación y entregó la mirada médica a la tesis, y finalmente a Carlos Vega, Gerente de Estudios y Planificación, quién entregó su conocimiento en el funcionamiento y registro de los sistemas para la recolección de datos. ii ÍNDICE AGRADECIMIENTOS ............................................................................................... ii ÍNDICE DE FIGURAS .............................................................................................. vii ÍNDICE DE TABLAS ................................................................................................ xi Resumen Ejecutivo.................................................................................................... xiv 1. Introducción ........................................................................................................ 1 2. Revisión bibliográfica: Modelo Hospitalista ...................................................... 4 2.1 Definición ................................................................................................... 4 2.1.1 Médico Hospitalista ......................................................................... 6 2.1.2 Discusión Bibliográfica ................................................................... 7 2.1.3 Estudios previos a la implementación del modelo hospitalista ..... 10 2.1.4 Aplicación en Chile ....................................................................... 11 2.1.5 Evaluación de impacto en una clínica privada de Chile ................ 12 3. Descripción de la Clínica .................................................................................. 14 4. Modelo de Simulación ...................................................................................... 16 4.1 Objetivos del estudio ................................................................................ 17 4.2 Descripción cualitativa de la Clínica........................................................ 17 4.2.1 Entidades .................................................................................................. 18 iii 4.2.2 Aleatoriedades .......................................................................................... 18 a) Proceso de llegada de un paciente ............................................................ 19 b) Proceso de estadía del paciente ................................................................ 21 c) Proceso posterior a la primera atención del paciente ............................... 21 d) Proceso de habilitación de habitación ...................................................... 22 4.2.3 Medidas de desempeño ............................................................................ 23 a) Ocupación de las unidades de hospitalización ......................................... 23 b) Tiempo de espera por cama de pacientes programados y no programados24 c) Tiempo de estadía de los pacientes en la clínica ...................................... 24 4.2.4 Escenarios ................................................................................................ 24 a) Situación actual ........................................................................................ 25 b) Optimización de la distribución de recursos: situación actual ................. 25 i. OptQuest .................................................................................................. 27 c) Implementación del modelo hospitalista .................................................. 27 i. Caso conservador ..................................................................................... 28 ii. Caso ideal ................................................................................................. 29 d) Optimización de la distribución de recursos: modelo hospitalista: caso conservador .............................................................................................. 30 4.2.5 Supuestos.................................................................................................. 30 a) Supuestos de los escenarios ..................................................................... 32 4.2.6 Calidad del modelo hospitalista ............................................................... 33 4.3 Alcance ..................................................................................................... 34 iv 4.4 Información disponible ............................................................................ 34 4.5 Estimación de las variables de input ........................................................ 36 4.5.1 Variables de ingreso de pacientes ............................................................ 36 a) Variables de ingreso de pacientes no frecuentes y no estacionales ......... 37 b) Variables de ingreso de pacientes frecuentes y estacionales ................... 41 4.5.2 Variables de estadía de pacientes ............................................................. 45 4.5.3 Variables de traslado entre unidades ........................................................ 50 4.5.4 Variables de limpieza de las habitaciones ................................................ 54 4.6 Estimación del periodo transiente ............................................................ 55 4.6.1 Ocupación de las unidades de hospitalización ......................................... 55 4.6.2 Tiempo de espera por cama...................................................................... 58 4.6.3 Tiempo de estadía .................................................................................... 58 4.7 Validación ................................................................................................ 58 4.7.1 Validación: Ocupación de unidades de hospitalización ........................... 59 a) Error relativo ............................................................................................ 59 i. Intervalos de confianza en la ocupación de las unidades ......................... 60 b) Validación diaria de las unidades de hospitalización ............................... 61 4.7.2 Validación: Tiempo de espera por paciente ............................................. 66 4.7.3 Horizonte de simulación .......................................................................... 67 5. Resultados ......................................................................................................... 68 6. Conclusiones ..................................................................................................... 87 v Bibliografía ................................................................................................................ 90 A. Proceso General: Modelo de Simulación ................................................. 96 B. Tasas de llegada ....................................................................................... 97 C. Tasas de estadía (días) .............................................................................. 99 D. Validación: Ocupación Mensual ............................................................ 100 d. Intervalos de confianza diario para cada una de las unidades ................ 102 E. Resultados .............................................................................................. 112 a. Resumen de los resultados: Ocupación de escenarios ........................... 112 b. Resultados: Optimización del escenario actual ...................................... 113 c. Resultados: Modelo Hospitalista............................................................ 114 d. Resultados: Modelo Hospitalista Optimizado ........................................ 116 e. Resumen de los resultados: Tiempos de espera por Ingreso .................. 117 f. Resumen de los resultados: Tiempos de estadía (días) .......................... 118 g. Tiempos de espera según procedencia y escenario ................................ 119 h. Tiempos de estadía según procedencia y escenario ............................... 121 vi ÍNDICE DE FIGURAS Figura 4.1: Proceso de llegada de los pacientes según frecuencia y estacionalidad, Fuente: Elaboración Propia, mediante Microsoft Visio ................................................... 20 Figura 4.2: Ingresos de pacientes por mes, U.C.I., Fuente: Elaboración propia .............. 38 Figura 4.3: Ingresos de pacientes por mes, Intermedios, Fuente: Elaboración propia..... 38 Figura 4.4: Histograma de tiempo entre llegada de pacientes, U.C.I., Fuente: Elaboración propia................................................................................................................................ 40 Figura 4.5: Histograma de tiempo entre llegada de pacientes Intermedios, Fuente: Elaboración propia ........................................................................................................... 40 Figura 4.6: Distribución de llegada de pacientes por día de la semana y fin de semana, Fuente: Elaboración propia .............................................................................................. 43 Figura 4.7: Número de pacientes por intervalo de estadía de U.C.I., Fuente: Elaboración propia................................................................................................................................ 46 Figura 4.8: Número de pacientes por intervalo de estadía de Intermedios, Fuente: Elaboración propia ........................................................................................................... 46 Figura 4.9: Número de pacientes por intervalo de estadía de M.Q., Fuente: Elaboración propia................................................................................................................................ 47 Figura 4.10: Tiempo de estadía promedio por mes, U.C.I., Fuente: Elaboración Propia 48 Figura 4.11: Tiempo de estadía promedio por mes, Intermedios, Fuente: Elaboración Propia ............................................................................................................................... 48 Figura 4.12: Tiempo de estadía promedio por mes, M.Q., Fuente: Elaboración Propia.. 49 vii Figura 4.13: Ingresos de pacientes por mes, U.C.I. e Intermedios, Fuente: Elaboración propia................................................................................................................................ 51 Figura 4.14: Ingresos de pacientes por mes, M.Q. y O.U., Fuente: Elaboración propia . 52 Figura 4.15: Periodo transiente para la unidad U.C.I., Fuente: Elaboración Propia ........ 57 Figura 4.16: Periodo transiente para la unidad Intermedios, Fuente: Elaboración Propia .......................................................................................................................................... 57 Figura 4.17: Periodo transiente para la unidad M.Q., Fuente: Elaboración Propia ......... 57 Figura 4.18: Ocupación simulada y real diaria de U.C.I. desde el 01-07-2013 hasta el 3010-2013, Fuente: Elaboración Propia ............................................................................... 63 Figura 4.19: Ocupación simulada y real diaria de U.C.I. desde el 01-11-2013 hasta el 2802-2014, Fuente: Elaboración Propia ............................................................................... 63 Figura 4.20: Ocupación simulada y real diaria de U.C.I. desde el 01-03-2014 hasta el 3006-2014, Fuente: Elaboración Propia ............................................................................... 63 Figura 4.21: Ocupación simulada y real diaria de Intermedios desde el 01-07-2013 hasta el 30-10-2013, Fuente: Elaboración Propia ..................................................................... 64 Figura 4.22: Ocupación simulada y real diaria de Intermedios desde el 01-11-2013 hasta el 28-02-2014, Fuente: Elaboración Propia ..................................................................... 64 Figura 4.23: Ocupación simulada y real diaria de Intermedios desde el 01-03-2014 hasta el 30-06-2014, Fuente: Elaboración Propia ..................................................................... 64 Figura 4.24: Ocupación simulada y real diaria de M.Q. desde el 01-07-2013 hasta el 3010-2013, Fuente: Elaboración Propia ............................................................................... 65 viii Figura 4.25: Ocupación simulada y real diaria de M.Q. desde el 01-11-2013 hasta el 2802-2014, Fuente: Elaboración Propia ............................................................................... 65 Figura 4.26: Ocupación simulada y real diaria de M.Q. desde el 01-03-2014 hasta el 3006-2014, Fuente: Elaboración Propia ............................................................................... 65 Figura A.1: Modelo de simulación General, Fuente: Elaboración propia ....................... 96 Figura A.2: Gráficos de ocupación Unidad de Cuidados Intensivos, Fuente: Elaboración propia.............................................................................................................................. 100 Figura A.3: Gráficos de ocupación Unidad Intermedios, Fuente: Elaboración propia .. 100 Figura A.4: Gráfico de ocupación unidad Médico Quirúrgico, Fuente: Elaboración propia.............................................................................................................................. 101 Figura A.5: Gráfico de ocupación Unidad de Cuidados Intensivos, Fuente: Elaboración propia.............................................................................................................................. 113 Figura A.6: Gráfico de ocupación unidad Intermedios, Fuente: Elaboración propia .... 113 Figura A.7: Gráfico de ocupación unidad Médico Quirúrgico, Fuente: Elaboración propia.............................................................................................................................. 114 Figura A.8: Gráfico ocupación Unidad de Cuidados Intensivos, Fuente: Elaboración propia.............................................................................................................................. 114 Figura A.9: Gráfico ocupación unidad Intermedios, Fuente: Elaboración propia ......... 115 Figura A.10: Gráfico ocupación unidad Médico Quirúrgico, Fuente: Elaboración propia ........................................................................................................................................ 115 Figura A.11: Gráfico ocupación Unidad de Cuidados Intensivos, Fuente: Elaboración propia.............................................................................................................................. 116 ix Figura A.12: Gráfico ocupación unidad Intermedios, Fuente: Elaboración propia ....... 116 Figura A.13: Gráfico ocupación unidad Médico Quirúrgico, Fuente: Elaboración propia ........................................................................................................................................ 117 x ÍNDICE DE TABLAS Tabla 4.1: Distribución y parámetros de llegadas de pacientes U.C.I. e Intermedios, Fuente: Elaboración propia .............................................................................................. 41 Tabla 4.2: Ingresos promedio por día de la semana unidades: M.Q. y O.U., Fuente: Elaboración propia ........................................................................................................... 42 Tabla 4.3: Ingresos promedio por semana del mes de unidades M.Q. y O.U., Fuente: Elaboración propia ........................................................................................................... 43 Tabla 4.4: Parámetros de la distribución beta para la distribución horaria de pacientes M.Q. y O.U., Fuente: Elaboración propia ........................................................................ 44 Tabla 4.5: Tasas promedio de la distribución lognormal de estadía de los pacientes hospitalizados, Fuente: Elaboración propia ..................................................................... 49 Tabla 4.6: Tasas promedio de Alta o fallecimiento para pacientes programados y no programados y con diferentes niveles de complejidad para cada día de la semana, Fuente: Elaboración propia .............................................................................................. 53 Tabla 4.7: Tasas promedio de la distribución traslados entre unidades, Fuente: Elaboración propia ........................................................................................................... 53 Tabla 4.8: Tasas promedio de la distribución lognormal para la limpieza de las habitaciones, Fuente: Elaboración propia ........................................................................ 54 Tabla 4.9: Validación: Error Relativo, Fuente: Elaboración propia ................................ 59 Tabla 4.10: Intervalos de confianza con 95% de confiabilidad, Fuente: Elaboración propia................................................................................................................................ 61 xi Tabla 5.1: Resultados de la optimización de recursos, Fuente: Elaboración propia ........ 69 Tabla 5.2: Ocupación promedio de la clínica para cada uno de los escenarios, Fuente: Elaboración propia ........................................................................................................... 71 Tabla 5.3: Tiempos de espera por ingreso (horas), Fuente: Elaboración propia.............. 73 Tabla 5.4: Tiempos de estadía (días) por complejidad y escenario, Fuente: Elaboración propia................................................................................................................................ 74 Tabla 5.5: Aumento o disminución en la capacidad de camas para cada escenario según metodologías (sección 6.1), Fuente: Elaboración propia ................................................. 80 Tabla 5.6: Tiempos de espera por ingreso (horas), Fuente: Elaboración propia.............. 82 Tabla 5.7: Tabla de puntajes asignados a cada uno de los escenarios, Fuente: Elaboración propia ........................................................................................................... 84 Tabla 5.8: Evaluación económica del proyecto con el modelo hospitalista 1 optimizado, Fuente: Elaboración propia .............................................................................................. 85 Tabla 8.1: Tasa de llegada de Pacientes U.C.I. e Intermedios, Fuente: Elaboración propia .......................................................................................................................................... 97 Tabla 8.2: Tasa de llegada de Pacientes M.Q. y O.U., Fuente: Elaboración propia ........ 98 Tabla 8.3: Tasa de estadía de pacientes (días), Fuente: Elaboración propia .................... 99 Tabla 8.4: Tiempos de espera por ingreso (horas), Fuente: Elaboración propia............ 102 Tabla 8.5: Ocupación U.C.I., para los distintos escenarios, Fuente: Elaboración Propia ........................................................................................................................................ 112 Tabla 8.6: Ocupación Intermedios., para los distintos escenarios, Fuente: Elaboración Propia ............................................................................................................................. 112 xii Tabla 8.7: Ocupación M.Q., para los distintos escenarios, Fuente: Elaboración Propia112 Tabla 8.8: Tiempos de espera por ingreso según procedencia para los distintos escenarios, Fuente: Elaboración propia.......................................................................... 117 Tabla 8.9: Tiempos de estadía (días) de los pacientes por complejidad para cada escenario, Fuente: Elaboración propia ........................................................................... 118 Tabla 8.10: Tiempos de espera por ingresos de pacientes programados (horas de espera), Fuente: Elaboración propia ............................................................................................ 119 Tabla 8.11: Tiempos de espera por ingresos de pacientes no programados (horas de espera), Fuente: Elaboración propia ............................................................................... 119 Tabla 8.12: Tiempos de espera por ingresos de pacientes programados y no programados (horas de espera), Fuente: Elaboración propia ............................................................... 120 Tabla 8.13: Tiempos de estadía de los pacientes programados (días de estadía), Fuente: Elaboración propia ......................................................................................................... 121 Tabla 8.14: Tiempos de estadía de los pacientes no programados (días de estadía), Fuente: Elaboración propia ............................................................................................ 121 Tabla 8.15: Tiempos de estadía de los pacientes programados y no programados (días de estadía), Fuente: Elaboración propia .............................................................................. 122 xiii RESUMEN EJECUTIVO El mercado de la salud ha ido creciendo en los últimos años, aumentando el número de intervenciones quirúrgicas y la complejidad de los diagnósticos de los pacientes atendidos. Por esto, ha sido necesario realizar acciones de crecimiento para responder adecuadamente a la demanda por servicios: crecimiento de infraestructura, dotación, y en última instancia eficiencia. Así, se realizó una revisión bibliográfica para conocer qué se ha realizado conforme a la implementación del modelo hospitalista. Ésta mostró que el modelo sólo se ha estudiado posteriormente a su experimentación, sin un modelo o estudio que muestre que puede ocurrir y cuáles son sus potencialidades para las clínicas y hospitales. Por lo anterior, en éste documento se plantean dos problemáticas: implementación del modelo hospitalista y la distribución de recursos por medio de la simulación del sistema hospitalización de una clínica en Chile. En éste estudio se simuló una clínica que contiene 216 camas segmentadas según la complejidad de atención que requiere el paciente (Unidad de cuidados intensivos, Unidad de intermedios, Unidad médica quirúrgica). A partir de estas se simuló un horizonte de tiempo de un año (2013-2014) buscando representar el comportamiento de los pacientes hospitalizados y evaluar la implementación del modelo hospitalista y redistribución de recursos en la clínica. Dentro de los escenarios propuestos se encontraron los beneficios de optimizar los recursos, logrando una disminución en los tiempos de espera por cama de un 30%. Por xiv otro lado, la implementación del modelo hospitalista (representado por una reducción del tiempo de estadía del paciente (LOS, Length of Stay) de 12,35%) mostró un crecimiento virtual de 24 camas. Este último resultado se obtuvo por medio de tres metodologías: modelo por capacidad de atención de pacientes, modelo por tiempos de estadía y ocupación y modelo ocupación de la simulación. Finalmente, se presenta la evaluación del proyecto de implementación del modelo hospitalista, sus costos y beneficios operativos, precauciones de implementación, riesgos y buenas prácticas utilizadas en el mundo para que éste modelo sea exitoso. xv 1 1. INTRODUCCIÓN La gestión de pacientes hospitalizados ha generado interés en todos los centros de salud en la actualidad. La hospitalización de pacientes se ha complejizado a base del comportamiento y variabilidad que poseen las estadías de estos (Palacio, Alexandraki, House, & Mooradian, 2009), inexistencia de control de estadía y falta de estandarización según el diagnostico de los pacientes. Esto ha generado cuestionamientos respecto a cuál es la dotación necesaria de habitaciones para albergar los requerimientos quirurgicos, manteniendo el nivel de servicio para controlar el aumento de la demanda hospitalaria (Auerbach, y otros, 2006). Así, para enfrentar la problemática de solventar la demanda con recursos limitados es que ha surgido el modelo hospitalista (Coffman & Rundall, 2005). Por este, se busca entregar mejor atención al paciente, logrando una mayor efectividad en los diagnosticos (Sox, 1999). Además mejora el cuidado al paciente y la eficiencia del hospital al disminuir los tiempos de estadía (Length of Stay, LOS)(Pham, Devers, Kuo, & Berenson, 2005) . Actualmente, la clínica posee un sistema de hospitalización con 216 habitaciones segmentadas por niveles de complejidad: Médico Quirúrgico (M.Q.), Intermedios y Unidad de Cuidados Intensivos (U.C.I.) y otras 307 camas que corresponden a otros servicios como Maternidad, Oncología, Unidades Coronarias, Neonatología, entre otros. Las últimas 307 camas fueron excluidas del análisis al agrupar su comportamiento (específico para cada uno) pero incluidas para obtener una mejor representación del problema de hospitalización. 2 En este estudio, se modeló el sistema de hospitalización mediante simulación con el objetivo de representar lo que ocurre durante un año en la clínica y luego construir escenarios que permitan establecer por medio de las medidas de desempeño si un estado es mejor que la situación base o no. Así, se construyó el sistema clínico a partir de un análisis en terreno de los procesos que debe realizar un paciente durante su atención: ingreso a la clínica, estadía, traslado entre unidades y alta o fallecimiento. A partir de esta representación, se evaluó el estado actual de la clínica y cuál era su comportamiento con la distribución de recursos existente y sistema de hospitalización implementado. Con esta información se validó el sistema de hospitalización y se obtuvieron los resultados base de las medidas de desempeño, utilizados luego para comparar con los distintos escenarios evaluados. En una primera instancia, se optimizó el uso de recursos de la clínica y se observó cómo estos influían en los tiempos de estadía y el número de pacientes en cola. Junto con esto, se obtuvo la distribución óptima de los recursos y el aumento o disminución de ocupación para cada una de las unidades. Luego se implementó y analizó el modelo hospitalista con sus características sistémicas que permitieron visualizar por medio de las variables de output qué ocurría al modificar los tiempos de estadía de los pacientes y el porcentaje de readmisiones de esta. Esto en una segunda etapa fue complementado con la optimización de los recursos con la nueva demanda por servicios existente con el modelo hospitalista. Con los resultados del análisis descrito se logró ver el máximo rendimiento que puede tener la institución al implementar medidas de eficiencia a los servicios y analizar la influencia de cada uno de 3 los factores que diferencian el modelo de hospitalización actual con el modelo hospitalista. El análisis y evaluación de cada uno de los escenarios fue resuelto por medio de dos medidas de desempeño. La primera medida de desempeño que se utilizó fue el potencial crecimiento de la clínica. Para calcular esta, se aplicaron tres modelos de evaluación de capacidad de la clínica por medio de la modificación en los tiempos de estadía y ocupación de los servicios: Modelo de Gestión de Hospitales, Modelo de Advisory Board Company (empresa que realiza consultorías a clínicas y hospitales en el mundo) y el Modelo por ocupación propuesto en este documento. En segundo lugar, se comparó la diferencia en los tiempos de espera de los pacientes por ingreso en cada uno de los escenarios. Estas medidas de desempeño generaron la discusión entre la importancia de tener camas adicionales versus disminuir los tiempos de espera de los pacientes, lo que permitió obtener una tasa de sustitución capacidad versus tiempo de espera. Finalmente, se respondió la importancia que tienen los modelos de simulación en la gestión de hospitales, se validó su capacidad representativa y resolutiva en la presentación de nuevos escenarios estratégicos para la clínica. Esto permitió finalmente estudiar los resultados de implementar el modelo hospitalista, las potencialidades del modelo y riesgos. 4 2. REVISIÓN BIBLIOGRÁFICA: MODELO HOSPITALISTA Se indagó en la aplicación de un nuevo modelo de hospitalización en clínicas y hospitales que permita aumentar la capacidad de atención de pacientes: aumentar el flujo de pacientes por cama, mejorar las capacidades de resolución de diagnósticos, disminuir reingresos (Palacio, Alexandraki, House, & Mooradian, 2009), (Abenhaim, S., Raffoulf, & Becker, 2000) y acortar los tiempos de estadía (LOS) frente a un aumento en la demanda hospitalaria (Auerbach, y otros, 2006). 2.1 Definición El modelo hospitalista es una metodología de atención con principal enfoque en el paciente. Éste se encuentra bajo la tutela de un médico que administra y gestiona la atención con los siguientes objetivos (Coffman & Rundall, 2005), (Freese, 1999): i) Atención general al paciente: El médico tiene una visión general del paciente y de sus síntomas (Wachter, 1999). 5 ii) Mejora del proceso de atención (Hearld, Alexander, Fraser, & Jiang, 2008): El hospitalista coordina los recursos que necesita el paciente para su atención: ínter-consultas médicas, solicitudes de exámenes, medicamentos y servicios adicionales. iii) Colaboración a los especialistas: El médico toma un rol de administrador encargado de informar a los especialistas qué ocurre y cuándo es necesaria su intervención. Concurre a los especialistas cuando existen problemas de interpretación de resultados o se requiere una mayor especificidad en el tratamiento (Whinney & Michota, 2008). iv) Cuidado del paciente: Es el responsable de la atención del paciente. Se encarga de su gestión dentro del hospital: médica y administrativa, entregando y respondiendo dudas al paciente y familiares, educándolo (Gustafson & Hundt, 1995) y comprendiendo las necesidades que éste tiene. Estudia la evolución que está teniendo en el hospital (Sox, 1999), liderando su atención con disponibilidad completa a los servicios del paciente (Wachter, Katz, Showstack, Bindman, & Goldman, 1998). v) Eficiencia del hospital: Al administrar la estadía de los pacientes, es capaz de disminuir el LOS (Pham, Devers, Kuo, & Berenson, 2005); por medio de altas tempranas1, tratamientos oportunos (Lindenauer, R., Pekow, Fitzgerald, 1 Altas tempranas: realizar un alta médica antes del tiempo presupuestado para el paciente (alta real versus alta probable (indicada en el ingreso del paciente)). 6 & Benjamin, 2002), atención continua del paciente, anticipándose al alta, etc. Estas medidas deben ser impulsadas con incentivos que permitan mejorar la eficiencia sin disminuir la calidad de atención (Halasyamani, Valenstein, Friedlander, & Cowen, 2005). 2.1.1 Médico Hospitalista2 El médico hospitalista es el primer nexo entre el paciente hospitalizado y su atención clínica. Esté tiene como tareas principales: cuidar al paciente, investigar su estado y avance, comprender los requerimientos del paciente (Schneider, Zhang, Auerbach, & y otros, 2008), proveer al paciente de atenciones médicas generales y especializadas, y enseñar cuidados y prevención al paciente. Este profesional tiene formación de medicina general, con especialidad internista y formación sub-especializada (Donabedian, 1966), en: cuidados intensivos, pulmonar, entre otros (Halm, Lee, & Chassin, 2002). Esto le entrega una mayor capacidad de resolución de diagnósticos (Wachter & Goldman, 1996). Actualmente, se ha impulsado la especialidad hospitalista que entrega todas las herramientas mencionadas. 2 Esta definición está sustentada por: Society of hospital medicine 7 2.1.2 Discusión Bibliográfica Desde la implementación del primer modelo hospitalista en Estados Unidos (Freese, 1999) en 1994 a la actualidad (2014), se ha implementado este programa con diversos resultados, según la ideocincracia del lugar, limitaciones de los hospitales y permicividades del sistema de salud. Esta revisión bibliografica congrega a más de 70 hospitales que han incorporado al modelo hospitalista en su gestión de camas, desarrollados principalmente en Estados Unidos. Se han generado discusiones respecto a la trascendencia que tiene el modelo en el aumento en la calidad de atención al paciente hospitalizado y la eficiencia del hospital (Gulshan, Kuo, Freeman, Zhang, & Goodwin, 2010) . En primer lugar, la calidad entregada al paciente ocurre debido a la mayor integralidad de atención y disponibilidad médica (Tingle & Lambert, 2001) al hospitalizado y a sus familiares por la estructura del modelo. Junto con esto, la atención es multidiciplinaria centrada en el paciente y no en su diagnostico (Zuckerman, Sakales, Fabian, & Frankel, 1992), lo que permite identificar de forma global la evolución del paciente. Así, no existe evidencia de que el modelo hospitalista no aporte al cuidado y calidad del paciente (Landon, Normand, Lessler, & y otros, 2006). Sin embargo, este programa tiene debilidades en el seguimiento del paciente al existir cambios de turno médico, requiriendo traspasar información entre los médicos hospitalistas, e información entre el médico tratante3 y el hospitalista (Auerbach, Aronson, Davis, & Phillips, 2003). Esto puede ser solucionado 3 Médico tratante es el médico que realizó la intervención al paciente (especialista) 8 impulsando medios de información de los médicos: fichas médicas del paciente, fichas de enfermería y fichas del historial clínico del paciente (toda esta información puede encontrarse en carpetas o sistemas computacionales). En segundo lugar, la eficiencia de atención y la disminución del LOS del paciente se logra realizando las prácticas expuestas anteriormente del modelo hospitalista: atención continua del paciente, oportunismo en los tratamientos y evolución del paciente, disminuyendo el LOS según el comportamiento del hospitalizado (Lindenauer, Rothberg, Pekow, Kenwood, Benjamin, & Auerbach, 2007). El impacto de estas medidas se ve reflejado en disminuciones hasta un 31% el tiempo de estadía en promedio de los 65 hospitales evaluados en el estudio de White & Glazier (2011). Otros hospitales han logrado diferencias aún más radicales en los tiempos de estadía al implementar el modelo hospitalista, reduciendo el LOS de 3,48 días a 2,19 días (Gregory, Baigelman, & Wilson, 2003), y variaciones más conservadoras de 4,3 a 3,7 días (Everett, Uddin, & Rudloff, 2007), desde el comienzo de su implementación. A pesar de los buenos resultados, existen singularidades en los resultados de otros centros de salud: el caso presentado por Meltzer y otros (2001) muestra el ejemplo de un hospital que logró resultados después de un año de la implementación. Esto ocurrió por la necesidad de implantar una cultura de disminución de LOS, obteniendo una disminución de 0,5 días por paciente (Meltzer, Shah, Morrison, Jin, & Levinson, 2001) y seguir mejorando post implementación en la gestión del paciente (Meltzer, Manning, & Morrison, 2002). Esto ejemplifica la necesidad de implementar el modelo hospitalista considerando las caracteristicas propias del centro de salud y mercado de pacientes. 9 Aunque el modelo hospitalista presenta prácticas enfocadas en la eficiencia de los sistemas, hay evidencia que muestra situaciones en las que no se obtienen diferencias estadisticamente significativas de LOS (Palmer, Delamata, McBride, Dunsworth, Evans, & Hobbs, 2001), (Tingle & Lambert, 2001), estableciendo el limite inferior de eficiencia del modelo . Por lo anterior, existen medidas de desempeño que tiene el modelo hospitalista que permite establecer cuál es la capacidad potencial que puede alcanzar la clínica. Esta es obtenida a partir del throughput de pacientes hospitalizados atendidos, lo que se representó por medio de la variación de LOS entre 3,48 días a 2,19 días (Gregory, Baigelman, & Wilson, 2003). Este tipo de KPI (key performance indicator) permite en conjunto con otros factores importantes a considerar: LOS, mortalidad, costos, entre otros, (Vasilevskis, Meltzer, Schnipper, & y otros, 2008) conocer qué ocurre en la clínica. En tercer lugar, se incorpora la capacidad resolutiva que entrega el modelo hospitalista al personal médico gracias al seguimiento continuo al paciente. Dentro de ésta revisión bibliográfica existen 12 papers que hablan del comportamiento de las readmisiones en el modelo hospitalista, y sólo tres de ellos muestran un efecto estadísticamente relevante: 9,3% (Diamond, Goldberg, & Janosky, 1998), 21% (Everett, Uddin, & Rudloff, 2007), 13,2% (Somekh, Rachko, Husk, Friedmann, & Bergmann, 2008) de disminución del 10 total de las readmisiones, el resto mencionaba que no existían diferencias en las readmisiones de pacientes4. Finalmente, no se encontró ningún documento que mostrara la intervención por parte de los servicios de apoyo en pro o en contra del funcionamiento del modelo, debido a que los estudios tomaron el supuesto de ceteris paribus en la evaluación del modelo en el establecimiento de salud. En el universo de la implementación del modelo hospitalista (Lurie, Miller, Lindenauer, Wachter, & Sox, 1999), existen documentos que muestran el funcionamiento y resultados de clínicas y hospitales con principal énfasis en los aportes a la eficiencia y calidad de atención al paciente hospitalizado (Peterson, 2009), (White & Glazier, 2011). A partir de esta evidencia se propone evaluar la implementación y comportamiento del modelo hospitalista en una clínica del sector privado de Chile. 2.1.3 Estudios previos a la implementación del modelo hospitalista El modelo hospitalista ha ido creciendo y evolucionando desde su implementación hace 20 años. Sin embargo su implementación sigue siendo de forma experimental en los centros de salud, sin prever qué consecuencias y resultados desencadenará este sistema de hospitalización. Por lo anterior, en este documento se presenta el estudio previo a la 4 (Kaboli, Barnett, & Rosenthal, 2004), (Lindenauer, Rothberg, Pekow, Kenwood, Benjamin, & Auerbach, 2007), (Phy, Vanness, Melton, & et al., 2005), (Rifkin, Conner, Silver, & Eichorn, 2002), (Lindenauer, R., Pekow, Fitzgerald, & Benjamin, 2002), (Roytman, Thomas, & Jiang, 2008), (Rifkin, 11 ejecución del programa y qué busca proponer mejoras y advertencias en su funcionamiento. 2.1.4 Aplicación en Chile En Chile este modelo se está impulsando en los hospitales del país en pro de un aumento en las capacidades de servicio (Eywin & Jaffer, 2013), sin embargo esto no se ha logrado implementar en el sector público debido a que no se han incorporado las aristas de autogestión (atención y seguimiento al paciente de forma continua, coordinando a los especialistas), disminución de LOS de los pacientes hospitalizados, y el apoyo de la alta dirección en su rol de administrador de los recursos. Por otro lado, el sector privado ha sido capaz de sostener los crecimientos de la demanda por medio del aumento de sus capacidades físicas para albergar pacientes. Por lo anterior, lo más cercano al modelo hospitalista(LOS promedio de 4,1 días) es la atención de un médico general internista (LOS promedio de 5,5 días) (Davis, Koch, Harvey, Wilson, Engelert, & Gerard, 2000) implementado progresivamente en los hospitales del país y en vías de asemejarse al modelo hospitalista. Eywin & Jaffer (2013) hacen un análisis del funcionamiento en Chile del modelo, presentando las problemáticas de la implementación por resistencia de los médicos sub-especialistas que ven a los hospitalistas como una competencia. Para contrarrestar esa dificultad el Holmboe, Scherer, & Sierra, 2004), (Southern, Berger, Bellin, Hailpern, & Arnsten, 2007), (Wachter, Katz, Showstack, Bindman, & Goldman, 1998) 12 Ministerio de Salud de Chile ha propuesto objetivos para el gobierno para la aplicación del hospitalismo en el periodo 2011-2020. Por lo anterior, el funcionamiento del modelo será una innovación y aporte al desarrollo para el país y Sudamérica, donde ha sido implementado de forma experimental y único en Latinoamérica en el hospital Pablo Tobón Uribe, Medellín, Colombia (Dellafarella, 2014) y que no ha presentado resultados concluyentes a la fecha. 2.1.5 Evaluación de impacto en una clínica privada de Chile El modelo hospitalista ha mostrado resultados positivos en su implementación en otros países a medida de que se han ido asentando los requerimientos del programa y relevancia en la organización (Halasyamani, Valenstein, Friedlander, & Cowen, 2005). Por esto, la evaluación del funcionamiento en la clínica muestra qué similitudes tiene respecto a los presentados anteriormente. Sin embargo, será necesario incluir la idiosincrasia del país en su funcionamiento, lo que se resume en las siguientes restricciones (Umaña, 2014): Resistencia al cambio médico Límites en el egreso de pacientes: egreso entre 8 am y 9 pm Estadía Post Alta médica y Administrativa: horas de preparación para el egreso de la clínica No se incluye la dificultad de traspaso de información entre médicos tratantes y hospitalistas y entre médicos hospitalistas porque existen sistemas de comunicación y registro directo del comportamiento y evolución del paciente. 13 Con estas modificaciones se muestra el funcionamiento del modelo hospitalista en esta Clínica adecuado a sus pacientes y estructura, siendo uno de los primeros estudios que enfrenta la implementación del modelo hospitalista por medio de simulaciones. Se buscó documentación en el área de simulación y análisis de datos que entregara alguna proyección respecto al comportamiento del modelo hospitalista, pero no se encontró ninguna referencia. 14 3. DESCRIPCIÓN DE LA CLÍNICA La Clínica en la que se realizó éste estudio es considerada una clínica de alta complejidad hospitalaria debido a la gran cantidad de especialidades que alberga, excluyendo únicamente a los pacientes psiquiátricos (los que deriva a otros centros de hospitalización). Debido a sus grandes dimensiones (523 habitaciones), su organigrama tiene dos estructuras fundamentales. La primera es el área médica que se encarga de administrar sus recursos y enfocar el trabajo clínico en pro de la atención al paciente, estructurando y conociendo las necesidades que tienen para entregar atención de calidad y liderar el sistema de salud. Por otro lado está la estructura administrativa que se encarga de administrar y apoyar al área médica por medio de la gestión de los procesos principales de negocio: modelo de hospitalización, atención ambulatoria, atención de urgencia, entre otros; por medio de la gestión de procesos principales y de soporte: gestión de contratos, gestión de cuentas por cobrar, gestión comercial, gestión de la información, entre otros. Para este estudio se utilizó la información recolectada por los sistemas informáticos de la Clínica, la cual permite, al personal médico, conocer el historial, la evolución y la trazabilidad del paciente en la Clínica. Esto posibilita tener información detallada de su llegada, su tiempo de espera, su estadía, traslados entre unidades de complejidad, requerimientos a servicios de apoyo de la clínica (imágenes, exámenes de laboratorio, etc.), etc. La información anteriormente expuesta se logró gracias al desarrollo de programas de gestión de pacientes propios de la Clínica, que han evolucionado en base a 15 las necesidades expuestas por el personal en terreno y por el área administrativa, la que requiere información para la gestión de sus recursos. La llegada de los pacientes se descompone en: la llegada de pacientes programados por medio de una orden médica, y la llegada de pacientes no programados a través del servicio de urgencia. En éste estudio se realiza un análisis de demanda y de distribución de las unidades camas, como recurso clínico, que se interrelacionan debido a la evolución del paciente, correspondientes a las unidades U.C.I., Intermedios y M.Q. En los últimos años la Clínica ha recibido una creciente demanda por intervenciones quirúrgicas, procedimientos y tratamientos, sin crecer en sus dimensiones. Esto ha generado un gran aumento en los tiempos de espera por un uso inadecuado de los recursos. Para ilustrar en cifras la presión de la demanda, se comenta que en el periodo comprendido entre el 1ro de julio de 2013 y el 30 de junio de 2014, se atendió a 38.974 pacientes, comparado con el año anterior, que en igual periodo se atendió 37.850 pacientes, lo cual representa un aumento de un 2,96%, sin aumento en el número de camas. 16 4. MODELO DE SIMULACIÓN En general, el modelo de negocios de una clínica se sustenta en la capacidad de atender las demandas de sus pacientes por consultas médicas, intervenciones quirúrgicas, hospitalizaciones, servicios de urgencia y tratamientos post alta. Para la mejor gestión, se debe jerarquizar las diferentes fuentes de ingreso y así adecuar los procesos para lograr una mayor eficiencia. El mayor ingreso de la Clínica se genera por las intervenciones quirúrgicas, las cuales demandan también la posterior hotelería para el seguimiento y cuidado post quirúrgico del paciente. Por lo anterior, un principal foco que debe tener la Clínica es aumentar el flujo de pacientes quirúrgicos, evitando que la hotelería clínica se transforme en un “cuello de botella”. Por lo anterior, es necesario modelar esta área de la Clínica y demostrar que el cambio en el modelo de hospitalización permite mejorar la eficiencia de recursos hoteleros y aumentar los ingresos quirúrgicos a la clínica. El modelo de simulación efectuado en esta tesis, involucra la gestión de los pacientes hospitalizados, estableciendo medidas estratégicas para: disminuir los tiempos de espera, disminuir los tiempos de estadía y aumentar la cantidad de camas disponibles para recibir la demanda potencial. Con este modelo se efectúa la optimización de los recursos, tanto para el modelo hospitalario actual, como para el modelo hospitalista. 17 4.1 Objetivos del estudio El sistema de hospitalización de la clínica ha respondido a un crecimiento de la demanda de forma reactiva, sin establecer metodologías de trabajo que definan las necesidades de la institución. Por esto, se tiene que la distribución de camas según complejidad, ha sido establecida solo en base a presupuestos y a solicitudes médicas, sustentadas por la experiencia, perdiéndose la eficiencia como foco fundamental en la gestión. Por lo anterior, resulta necesario involucrar la gestión de los recursos para mejorar la operatividad y la capacidad de atención de pacientes, especialmente para responder al aumento de la demanda por los servicios de salud enunciado por Clínicas de Chile (2013). Para lograr el objetivo señalado, se plantea la posibilidad de emplear herramientas de simulación de procesos. Esto permite, en el caso de la hospitalización, optimizar la distribución de recursos por niveles de complejidad según: la demanda de servicios y los tiempos de espera. Además, se propone la implementación de un sistema de hospitalización, alternativo al actual, denominado “hospitalista”, el cual permite disminuir los tiempos de estadía de los pacientes y sus readmisiones. 4.2 Descripción cualitativa de la Clínica Para estudiar y analizar el comportamiento de la Clínica, fue necesario representar el funcionamiento actual del sistema de hospitalización, desde el ingreso de un paciente a 18 las dependencias de la clínica hasta cuando éste es dado de alta. Esto permitió conocer los procesos de llegada de los pacientes, según sus características de complejidad, estacionalidad y urgencia; procesos de estadía y evolución según diagnóstico, y; procesos de traslado entre las distintas unidades de complejidad. A partir de ésta información se pudo establecer la utilización de los recursos de la Clínica y la necesidad de realizar cambios en su distribución y/o utilización, por medio de nuevos modelos de gestión hospitalaria. 4.2.1 Entidades Para la modelación de este sistema de hospitalización se definió como entidad fundamental a los pacientes atendidos en la Clínica. A partir de ésta definición se realizó una modelación del sistema en base a los diferentes procesos que enfrenta un paciente en su atención. 4.2.2 Aleatoriedades La clínica presenta aleatoriedades en cada uno de los diferentes procesos que enfrenta el paciente. Estas aleatoriedades son definidas en base a la complejidad y al momento en que comienza la atención del paciente en la clínica. Así, se generan cambios dependiendo de: el mes en que se realiza su llegada, el día de la semana, e incluso, la hora del día. Esto impacta a las posteriores decisiones que toma el personal médico para 19 la estadía y evolución del paciente (traslado entre unidades de diferente complejidad) en la clínica y su salida por medio del alta o fallecimiento. Se definen tres procesos fundamentales en la hospitalización de un paciente: proceso de llegada de un paciente; proceso de estadía (atención) del paciente y finalmente proceso posterior a la primera atención, que puede concluir en el alta o fallecimiento del paciente o en una nueva hospitalización en una nueva unidad de diferente complejidad. Adicionalmente, existe un proceso de preparación de las habitaciones para recibir a un nuevo paciente, lo que representa un proceso de limpieza, cambio de ropa de cama, sanitización de baño y mantención, entre otros. a) Proceso de llegada de un paciente Las vías de llegada de un paciente pueden ser: por medio de ingresos programados, los cuales son generados por medio de una orden médica previa a la hospitalización, para su tratamiento ya sea quirúrgico o no quirúrgico, y; por medio de ingresos no programados, que en general corresponden a una eventualidad del paciente, el cual entra por urgencia y es derivado, si procede, a las unidades de hospitalización para recibir una intervención quirúrgica o un seguimiento del estado en que se encuentra. Estas dos vías generan ingresos de pacientes a todas las unidades de hospitalización (U.C.I., Intermedios, M.Q. y O.U.). Debido a que la demanda por servicios de hospitalización es muy variable según su procedencia y complejidad, la modelación del proceso se realizó por medio de un tercer 20 nivel de diferenciación. Este nivel de diferenciación describe si las llegadas son frecuentes y estacionales o si no son frecuentes ni estacionales. Las categorías intermedias, que son las frecuentes no estacionales y las no frecuentes estacionales, no son aplicables al análisis. De ésta forma, el esquema de llegada de pacientes es el representado en la figura 4.1. U.C.I. Pacientes programados Intermedios M.Q. Llegadas de pacientes no frecuentes y no estacional Llegadas de pacientes frecuentes y estacional Paciente no programados O.U. Figura 4.1: Proceso de llegada de los pacientes según frecuencia y estacionalidad, Fuente: Elaboración Propia, mediante Microsoft Visio Por medio de la figura, se explica que en el modelo se ha categorizado la llegada de los pacientes, en base a su procedencia, ya sean programados o no programados, y en base a la unidad de complejidad a la que son derivados. 21 Las tasas de llegada de pacientes frecuentes y estacionales (M.Q. y O.U.), como de pacientes no frecuentes y no estacionales (U.C.I. e Intermedios), se ajustan a modelos particulares de distribución. b) Proceso de estadía del paciente El proceso de estadía es aquel que incorpora todo el proceso de atención del paciente, desde que realiza su ingreso, hasta que es trasladado, dado de alta o fallece. El proceso considera la reserva de habitación, desde que es asignada, la preparación del paciente para su tratamiento, la atención quirúrgica o procedimiento, su recuperación y evolución. La estadía es diferenciada en el modelo en base a: el nivel de complejidad que tiene el paciente y al instante en que realizó su ingreso (temporalidad). Estos parámetros son los utilizados debido a que la complejidad y el momento de ingreso entregan información respecto del tipo de diagnóstico del paciente y sugieren un tiempo de recuperación y los resguardos que se deben tener en la atención. c) Proceso posterior a la primera atención del paciente Finalmente, el último proceso que tiene el modelo de simulación es lo que ocurre posteriormente a la primera atención del paciente. Esto se encuentra definido según la complejidad y a la estadía del paciente dentro de las instalaciones de la Clínica. Así, posteriormente a la primera estadía, éste puede ser dado de alta o ser trasladado a otra unidad de complejidad dependiendo si mejoró o empeoró su situación durante su 22 atención. Esta decisión se encuentra definida en base a la unidad de complejidad en que se encuentra, teniendo una distribución de probabilidades para su traslado o alta. Para el caso particular en que el paciente sea derivado a otra unidad de hospitalización y no exista disponibilidad de recursos en dicha unidad, el paciente permanece en su habitación hasta que se libere una habitación y se haga efectúe su traslado. Para los otros casos, el paciente sale del sistema y su atención concluye. La atención del paciente no se encuentra pre establecido, ni acotado, sino que se define según la evolución del paciente durante su atención, por lo que el paciente es atendido en las diferentes unidades de hospitalización hasta que logra su alta. d) Proceso de habilitación de habitación Una vez que concluye la estadía del paciente en una habitación y queda desocupada, ésta habitación comienza un proceso de limpieza, mantención y preparación para recibir a un nuevo paciente. Este proceso ocurre de forma paralela al sistema de hospitalización visto con los tres procesos anteriores, ya que el personal de limpieza se preocupa de mantener las condiciones adecuadas para el paciente y médico mientras siguen ocurriendo ingresos, estadías y traslados. Concluyendo éste proceso, la habitación queda disponible para recibir un nuevo paciente. 23 4.2.3 Medidas de desempeño Para este estudio se utilizaron medidas de desempeño que fueran capaces de entregar información respecto a la utilización de recursos, calidad de atención de los pacientes y tiempos de espera de los pacientes. Por lo anterior, fue necesario establecer por medio de la modelación del sistema de hospitalización, indicadores que representen el rendimiento del sistema y las diferencias que se pueden alcanzar al implementar los distintos escenarios. Así, se escogieron tres medidas de desempeño en las que se representa la influencia de la optimización de recursos y el modelo hospitalista: a) Ocupación de las unidades de hospitalización Esta medida se compone por el número de pacientes que se encuentra en la Clínica sobre el total de camas disponibles para la atención de éstos. Esta medida de desempeño puede ser medida por medio de diferentes periodos de tiempo, aunque el utilizado en este estudio es mensual. La principal utilidad de esta medida de desempeño es mostrar el efecto en la ocupación de la Clínica y el crecimiento ficticio de capacidad que puede alcanzar por medio de la implementación de los distintos escenarios. 24 b) Tiempo de espera por cama de pacientes programados y no programados Este es el tiempo entre que el paciente llega a la clínica anunciando su llegada hasta que se les asigna una habitación para realizar su atención hospitalaria. El tiempo de espera por cama de los pacientes que no se encuentran con una habitación asignada es fundamental para establecer la calidad de servicio entregada por la Clínica a sus pacientes. Así, mientras mayor sea el tiempo de espera, mayor es el nivel de disconformidad en la atención, y posterior mala evaluación en la encuesta final realizada al paciente. c) Tiempo de estadía de los pacientes en la clínica Esta es el tiempo entre que se le asigna una habitación al paciente, hasta que es dado de Alta, obteniendo el tiempo total que estuvo bajo la responsabilidad de la clínica. Considerar esta medida de desempeño permite a la clínica conocer cuál será la rentabilidad de los pacientes dentro de la clínica. Mientras menor sea el tiempo de estadía, mayor será su valor por hora en la Clínica. 4.2.4 Escenarios Los escenarios propuestos para la simulación responden a dos iniciativas. Por un lado, se simula la implementación del modelo hospitalista que permite conocer las diferencias en 25 la gestión de pacientes hospitalizados. Por otro lado, se simula la redistribución de recursos cama entre las unidades de hospitalización que se analizan. En base a estas directrices, se presentan los escenarios 4.2.4.2, 4.2.4.3 y 4.2.4.4, que son comparador con la situación actual de la Clínica. a) Situación actual Este escenario presenta lo que ocurre en la actualidad del sistema de hospitalización de la Clínica, presentado en la sección 3, explicando el funcionamiento actual junto a su descripción cualitativa de la sección 4.2 y 4.2.1. Este escenario fue utilizado para comparar el rendimiento de los escenarios explicados es ésta sección. b) Optimización de la distribución de recursos: situación actual El primer escenario evaluado a partir de la situación actual del sistema de hospitalización es la optimización de recursos para cada una de las unidades de complejidad. Así, fue propuesto para el modelo de simulación. la redistribución por medio del algoritmo de OptQuest (sección 4.2.4.2.1), el que por medio de un algoritmo de optimización busca obtener el valor óptimo de las variables básicas del problema. Para este problema se decidió mejorar los niveles de servicio que tiene la Clínica de cara al paciente, por lo que se planteó optimizar los recursos en base a la disminución de los tiempos de espera. 26 Para esto, se programó el problema de optimización minimizando los tiempos de espera por ingreso e incorporando las restricciones del número total de camas que tiene la Clínica, lo cual se muestra en la ecuación 4.1: Ecuación 4.1: Modelo de optimización: Minimización del tiempo de espera por cama de ingreso, Fuente: Elaboración propia Por medio de esta optimización se buscó reflejar la disminución de los tiempos de espera a través de la redistribución de recursos. Obteniendo información respecto al valor agregado que tiene esta medida al sistema de hospitalización: aumento o disminución de capacidad de atender pacientes (días cama) y tiempos de espera de los pacientes por cama. 27 i. OptQuest El algoritmo de Optquest se encuentra dentro de las funcionalidades del simulador Arena con el objetivo de encontrar soluciones a los problemas de optimización propuestos para las simulaciones modeladas. Ésta algoritmo utiliza una meta heurística que recuerda las soluciones obtenidas en iteraciones anteriores con el fin de combinarlas y encontrar nuevas soluciones. Así, este algoritmo no tiene un funcionamiento progresivo, sino que al combinar su solución con la anterior puede obtener mejores o peores resultados. Por lo anterior, Optquest no se detiene en un óptimo local sino que por medio de su proceso de combinación de soluciones, sigue en búsqueda de un mejor resultado. Dentro de los grandes beneficios que tiene Optquest es su eficiencia en la búsqueda de soluciones. c) Implementación del modelo hospitalista El funcionamiento del modelo “hospitalista” tiene resultados que son cuantificables por medio de: tiempos de estadía, readmisiones, ocupación, uso eficiente de recursos, disminución de costos operacionales, y; resultados cualitativos: mejor calidad de servicio, aumento en la capacidad resolutiva, entre otros. En el contexto del modelo de simulación, se tomó la experiencia mostrada en distintos hospitales para emular el sistema “hospitalista” en la Clínica. 28 i. Caso conservador Para la implementación del modelo hospitalista es necesario considerar los factores claves de su operación radicados en dos acciones fundamentales: disminución en los tiempos de estadía y en las readmisiones de pacientes antes de 30 días post hospitalización. Para esto, se incorporó un factor de ponderación al tiempo de estadía en base a la discusión bibliográfica presentada en la sección 2.1.2, en la cual se muestra el efecto que tiene el este modelo. Así, se mostró que el modelo hospitalista tiene una influencia en el LOS de los pacientes desde un 0% hasta un 37% (Gregory, Baigelman, & Wilson, 2003). Debido a la alta variabilidad, se tomó el promedio de influencia que tiene el modelo hospitalista como ponderador principal en la Clínica modelada por simulación en una muestra de 70 hospitales alrededor del mundo, resultando ser un 24,7% de disminución en el LOS. Sin embargo, se tomó la definición de que la influencia en el modelo “hospitalista” sería el 50% del promedio, es decir, un 12,35%. Esta definición resulta debido al alto costo y escasos resultados que ha tenido el modelo en el sector público, junto con la resistencia al cambio que tiene una institución con más de 100 años de historia con el fin de incorporar la información adversa existente en la implementación de éste modelo. Junto con lo anterior, la disminución de los ingresos de pacientes con una hospitalización previa menor a 30 días (readmisiones) es incorporado dentro de éste análisis para representar la capacidad resolutiva del médico hacía el paciente, factor que 29 se incrementa en este sistema de hospitalización. Debido a que resulta interesante reflejar la influencia potencial que tiene el funcionamiento del modelo “hospitalista”, se integró al escenario por medio de una reducción de un 2% de los ingresos con hospitalización previa menor a 30 días. ii. Caso ideal Realizando una analogía al funcionamiento del modelo hospitalista anterior, se implementa el modelo hospitalista en la clínica con la influencia máxima en los tiempos de estadía de la revisión bibliográfica: 37%. Esto fue realizado para mostrar los beneficios que se pueden obtener si se logra implementar a cabalidad el modelo. Las principales acciones realizadas en el hospital de Boston (Gregory, Baigelman, & Wilson, 2003) , el cual alcanzó los más altos resultados de efectividad fueron: enfocar todos los esfuerzos en reducir los tiempos de estadía por medio de evaluación de costos e impacto que puede tener el modelo “hospitalista” en la clínica, aumentar el índice de rotación por cama, planes de reembolsos por atención con menor tiempo de estadía para los pacientes y la implementación de una reducción en los costos del hospital. Por otro lado, es importante reconocer que una debilidad del modelo hospitalista. Éste modelo se nutre con los aumentos de demanda de pacientes, por lo que si no es posible aumentar el número de pacientes atendidos, este modelo deja de ser rentable (Gregory, Baigelman, & Wilson, 2003). 30 d) Optimización de la distribución de recursos: modelo hospitalista: caso conservador Continuando con los escenarios del modelo “hospitalista” mostrados anteriormente, se tomó el modelo presentado en la sección 4.2.4.c) que muestra el escenario más conservador de influencia en los tiempos de espera y en las readmisiones en la clínica, evaluada junto con el escenario de optimización de recursos de la sección 4.2.4.b). El fin de esto es representar la realidad en el escenario adverso junto a la redistribución de habitaciones por complejidad. A partir de este nuevo escenario, se esperó obtener el mejor escenario posible incorporando las dificultades de implementación, resistencias al cambio por parte del personal médico y administrativo, entre otros factores. Para la generación de este escenario se incluyeron los parámetros de reducción de LOS junto a la disminución de las readmisiones de pacientes en el modelo de simulación para que al utilizar el algoritmo de OptQuest se lograra una solución adecuada al nuevo sistema planteado. 4.2.5 Supuestos Los supuestos de las simulaciones son necesarios y útiles para representar la realidad del sistema, logrando simular su funcionamiento al omitir algunos factores que tienen baja influencia en el sistema. Así, este modelo de pacientes hospitalizados presenta supuestos en pro de un modelo de simulación simple y que permita tomar decisiones respecto a la gestión de los recursos (habitaciones). 31 Los supuestos utilizados se encuentran a continuación: 1) El sistema diferencia a los pacientes programados y no programados en su funcionamiento de llegada, tiempo de estadía, y asignación y traslado de niveles de complejidad. 2) No hay variación en la disponibilidad de camas para prestar servicios al sistema de hospitalización. 3) La capacidad de los pabellones no es una variable que limita la utilización de las habitaciones. 4) No hay pérdida de demanda, es decir, no se consideraran los casos en que los pacientes por mala atención o altos tiempos de espera rechaza su hospitalización. 5) En el momento en que se realiza un traslado, éste se efectúa de forma instantánea. 6) La capacidad de realizar traslados de pacientes es infinita, si existe una gran demanda por traslados de habitación de los pacientes, no se generaran colas de espera para realizar el traslado. 7) No se consideran casos en que los tiempos de estadía de los pacientes aumentan debido a la demora del personal de la clínica, siempre hay personal disponible. 8) El ingreso de pacientes programados es FIFO sin distinguir el nivel de complejidad. 9) El ingreso de pacientes no programados es FIFO para cada nivel de complejidad. 10) Los pacientes en espera por cama en su ingreso tendrán su espera física en admisión o urgencia según su procedencia. 32 11) Los tiempos de espera están definidos según la disponibilidad de recursos en la estadía de los pacientes, en la espera por cama de los pacientes por cambio de unidad o por limpieza de las habitaciones. 12) No se consideran actividades externas a la hospitalización. 13) No se considera el clima como una variable interna al modelo. Sino que es representada por la temporalidad anual. 14) No se considera ausencia del personal clínico. 15) Los traslados de unidades de complejidad están definidos según la procedencia, el nivel de complejidad y la temporalidad. 16) Los pacientes esperan por su atención en la cama de su atención anterior, no existe reasignación de complejidad del paciente. 17) Al realizar el traslado y liberación de cama, la cama no está disponible hasta que se realice su aseo. 18) El alta del paciente considera la salida del paciente de la clínica, sea de alta, trasladado a otro centro asistencial o por fallecimiento. a) Supuestos de los escenarios Adicionalmente, se generaron algunos supuestos de la simulación de forma exclusiva para los escenarios que muestran al modelo hospitalista. Sección 4.2.4.3 y 4.2.4.4. 1) No hay resistencia al cambio por parte del personal de la clínica. 2) No hay resistencia al cambio por parte del paciente. 33 3) La influencia de los modelos responden a un cambio estructural de las hospitalizaciones y no por cambio en la metodología de atención del personal. Esto permite validar al modelo hospitalista en el ámbito de la calidad de los pacientes (sección 4.26). 4) No hay disminución en los niveles de calidad de atención (sección 4.2.6). 5) Los cambios presentados son estratégicos y no operacionales. 4.2.6 Calidad del modelo hospitalista El modelo de hospitalización planteado muestra muchos efectos positivos en lo que respecta a la gestión de los recursos y en la gestión de los pacientes. Este último es el que adquiere mayor relevancia al aumentar los niveles de calidad de la atención entregada. Así, el modelo hospitalista permite que por medio de un médico a cargo de los pacientes se genere un seguimiento ininterrumpido de su estado y evolución. Esto se logra por medio de la administración de recursos del paciente y la atención integral a la persona y no al diagnóstico, con un análisis de todos los factores de riesgo que lo aquejan y resolución por medio del apoyo de médicos especialistas en la enfermedad. Finalmente, gracias a esta gestión se disminuyen los riesgos de efectos adversos en los tratamientos, disminuye la probabilidad de adquirir una enfermedad intrahospitalaria y disminuye las readmisiones de pacientes. 34 4.3 Alcance Este modelo tiene un alcance desde el ingreso al proceso de hospitalización de la clínica de pacientes programados y no programados de todas las complejidades, hasta que estos fallecen o son dados de alta. Para manejar el funcionamiento del sistema clínico, en cada uno de los escenarios planteados se incorporaron cambios en los sistemas que no consideran la lógica médica en las decisiones de estadía de los pacientes, es decir, no se cuestiona ni se evalúan las acciones que tome un médico frente a los diferentes diagnósticos. El horizonte de tiempo de evaluación es de un año incorporando las variabilidades en la demanda (ingresos), estadía, traslados de unidad, etc. Este horizonte fue establecido en conjunto con el personal directivo de la Clínica, los que acentuaron la necesidad de la evaluación anual: para analizar cambios de comportamiento en las distintas épocas del año ,y; debido a que no es posible generar cambios estructurales de dotación de habitaciones ni en los sistemas de atención de pacientes en la Clínica por un periodo inferior. 4.4 Información disponible La Clínica dispone de una Gerencia de Tecnología que se encarga del soporte de todas las unidades y servicios. Dentro de las tareas que contempla, están las de carácter informático que se encarga de desarrollar y producir aplicaciones que utiliza el personal 35 médico en la atención y seguimiento del paciente, recolectando información de cada uno de los hitos del paciente: ingreso, asignación de camas, traslados, estadías, altas o fallecimiento, visitas médicas, evolución del diagnóstico, entre otros, y almacenándolos en bases de datos para su estudio y análisis. Por otro lado, existe también una Gerencia de Estudios y Planificación, encargada de utilizar la información recolectada para obtener indicadores de funcionamiento y rendimiento de los recursos que tiene la Clínica, planificar los próximos requerimientos que tendrá para mejorar sus servicios y disminuir distintas variables de control. Ésta Gerencia se nutre en gran medida de la información que entregan los sistemas informáticos y hace uso de sus bases de datos para explicar y/o advertir fenómenos en la gestión del paciente. Gracias a lo anterior, la información disponible para realizar éste estudio es prácticamente completa, con la ausencia de algunos hitos que se están incorporando al sistema. Así, para este estudio se utilizó la trazabilidad completa del paciente desde su ingreso a la clínica, su estadía, traslados y salida por medio de fechas (día, mes, año) y horario (hora, minuto y segundo), faltando únicamente el tiempo de espera entre su llegada y asignación de habitación. Junto con esto, se tiene la información de los diagnósticos y complejidad del paciente lo que permitió establecer que recursos se utilizaron en cada una de sus etapas. La base de datos utilizada fue de 38.974 pacientes (29.819 pacientes programados y 9.155 pacientes no programados), con 9.874 traslados entre unidades de hospitalización 36 que totalizaron un total de 48.848 estadías en las distintas unidades de hospitalización con el nivel de detalle anteriormente expuesto. 4.5 Estimación de las variables de input En base a la modelación anteriormente explicada y a la información disponible se procedió a obtener la información necesaria para nutrir el modelo de simulación y entregar la capacidad de representar adecuadamente la realidad. Así, con la base de datos expuesta anteriormente y el detalle que éste presenta se segmentaron los hitos de la estadía de los pacientes con el fin de generar una base de datos que recolecta solo los ingresos de pacientes a la Clínica, otra base de datos que tiene la información de ingreso a una unidad y salida de la misma unidad, una base de datos que muestra los traslados entre una y otra unidad, y finalmente una que obtiene la información del hito de salida del paciente de la habitación hasta que se concluye su aseo. 4.5.1 Variables de ingreso de pacientes La base de datos utilizada tiene información respecto al instante en que cada uno de los pacientes ingresó a la Clínica por procedencia (paciente programado o no programado) y por la unidad de complejidad en la que será hospitalizado. Así, se dividen las variables de input del modelo en los procesos de llegada frecuentes y estacionales, que responden a pacientes que sin importar su procedencia, su destino de hospitalización es M.Q. u O.U., y el proceso de llegada no frecuente ni estacional que sin importar su procedencia, su destino de hospitalización es U.C.I. o Intermedios. 37 Para la modelación y simulación de las llegadas de pacientes se generaron ocho procesos, cuatro para los pacientes programados y cuatro para los no programados, para ambos casos los cuatro procesos se caracterizaban según el nivel de complejidad del paciente. Por medio de esta segmentación, se logró caracterizar los ocho procesos con sus propias tasas de llegada y distribuciones. Para realizar la obtención de distribuciones en base a la información proporcionada por la Clínica, se utilizó la herramienta proporcionada por Arena Software, Input Analizer la que permite por medio de la generación de histogramas ajustar distintas distribuciones en base a sus parámetros estableciendo el error generado entre el ajuste y la información. a) Variables de ingreso de pacientes no frecuentes y no estacionales Las variables de ingreso para este proceso corresponden a las unidades de hospitalización de alta complejidad, como lo son U.C.I. e Intermedios. Esto debido a que la hospitalización en estas unidades responde a diagnósticos difíciles de controlar y/o accidentales, lo que hace que la estabilidad del paciente sea menor. Para esto, se realizó un estudio analítico de los datos de llegada de los pacientes, que dilucidó una escasez de datos y una alta variabilidad mostrada en las figuras 4.2 y 4.3 que impiden establecer una estacionalidad y frecuencia en el tiempo. 38 Figura 4.2: Ingresos de pacientes por mes, U.C.I., Fuente: Elaboración propia Figura 4.3: Ingresos de pacientes por mes, Intermedios, Fuente: Elaboración propia Como muestran las figuras 4.2 y 4.3, los ingresos mensuales llegan a ser menores a 2 diarios en promedio para U.C.I. y 4 diarios para la unidad de Intermedios. Junto con esto, también existen grandes diferencias entre un mes de alta demanda, logrando un 40% sobre el promedio, como es el caso de Enero y Abril. Por otro lado, tenemos meses 39 de baja de manda como son los meses de Febrero y Junio, alcanzando casos en que el ingreso de pacientes es un 20% inferior al promedio. Con esta evidencia, fue necesario generar tasas de comportamiento probabilístico diferente para cada uno de estos, siendo reflejado para las unidades de complejidad U.C.I. e Intermedios. Debido a que el escenario de datos expuesto hace que la metodología de modelación más adecuada sea por medio de distribuciones de Poisson (eventos de baja ocurrencia) que permiten obtener una distribución de las llegadas de los pacientes en base a los tiempos entre llegada por medio de una distribución Exponencial. A partir de esta información y debido a que los tiempos entre llegadas pueden ser mayores a un día, se realizó una agrupación mensual de distribuciones, permitiendo obtener histogramas de intervalos de tiempos entre llegada de pacientes que muestran su gran variabilidad y confirmar que las acciones de modelación anteriormente expuestas son correctas. 40 Figura 4.4: Histograma de tiempo entre llegada de pacientes, U.C.I., Fuente: Elaboración propia Figura 4.5: Histograma de tiempo entre llegada de pacientes Intermedios, Fuente: Elaboración propia Por medio de la figuras 4.4 y 4.5, se muestra que la distribución más adecuada para ese proceso es la Exponencial, las que muestran que al aumentar el tiempo entre llegadas 41 disminuye el número de eventos. Logrando que el ajuste de datos obtenido por medio de la herramienta Input Analizer alcanzara un error cuadrático medio menor al 0,5%. Con esto, se obtiene la tabla 4.1 que muestra las tasas promedio para los pacientes programados y no programados de sus respectivas complejidades. Tabla 4.1: Distribución y parámetros de llegadas de pacientes U.C.I. e Intermedios, Fuente: Elaboración propia Procedencia Complejidad Distribución U.C.I. Programado Exponencial Intermedios U.C.I. No Exponencial Programado Intermedios α 2,62 2,55 19,8 0,295 Por lo anterior, la modelación del ingreso de estos pacientes se redujo a establecer una distribuciones para cada uno de los cuatro procesos de llegada (programado: U.C.I. e Intermedios; no programado: U.C.I. e Intermedios) con tasas mensuales de los tiempos entre llegada de los pacientes. b) Variables de ingreso de pacientes frecuentes y estacionales Por otro lado, para las variables de ingreso de pacientes para las otras unidades de hospitalización (M.Q. y O.U.) se realizó un análisis de estacionalidad y frecuencia de pacientes para definir de qué forma modelar el proceso de llegada. 42 Para el análisis de frecuencia se revisó la base de datos de pacientes atendidos que responden a estas unidades de hospitalización junto a su fecha de ingreso con el fin de cuantificar el número promedio de ingresos por día. A partir de ésta información se concluyó que el ingreso de éstos pacientes es frecuente (tabla 4.2) y se puede estudiar la existencia de estacionalidad. Tabla 4.2: Ingresos promedio por día de la semana unidades: M.Q. y O.U., Fuente: Elaboración propia Días de la semana Procedencia Complejidad Lunes Martes Miércoles Jueves Viernes Sábado Domingo M.Q. 41,6 33,2 33,4 31,7 28,0 7,4 7,4 Programado O.U. 81,2 82,0 77,4 80,5 75,9 26,8 17,7 M.Q. 11,4 10,1 10,1 10,3 11,3 10,4 11,3 No programado O.U. 13,9 12,3 12,8 12,0 12,3 12,4 12,4 Confirmando la alta frecuencia de ingreso de pacientes, se realizó un análisis de estacionalidad que busca conocer las tendencias por mes, día de la semana y horario. Esto, con el fin de establecer qué parámetros son importantes de considerar en la modelación del proceso de llegada. Dentro de los puntos importantes a considerar fue que el número de pacientes que ingresan no cambia entre una semana y otra para el mismo día, dentro de un mismo mes. En la tabla 4.3 se muestra cómo las diferencias entre los mismos días de semana para diferentes semanas no cambia significativamente, permitiendo suponer para la modelación que éste valor permanecerá estático. 43 Tabla 4.3: Ingresos promedio por semana del mes de unidades M.Q. y O.U., Fuente: Elaboración propia Semana Domingo Lunes Martes Miércoles Jueves Viernes Sábado Semana 1 58 108 111 111 120 121 79 Semana 2 54 107 117 114 129 125 80 Semana 3 57 109 114 110 115 117 74 Semana 4 57 114 117 107 123 121 77 Teniendo esto en consideración, se realizó un análisis por día de la semana y por hora, con el fin de explicar la distribución horaria que tendrán los pacientes que ingresan en el día. Para esto, se realizó un análisis gráfico que mostró que las diferencias no son significativas entre los días de semana hábiles versus las existentes con los fines de semana. Sin embargo, no sería conveniente omitir dichas diferencias debido a que la existencia de días con mayor ingreso de pacientes influiría en el comportamiento del sistema. Por lo anterior, se obtuvieron distribuciones para cada uno de los días de la semana con el fin de acentuar y modelar las diferencias existentes. Figura 4.6: Distribución de llegada de pacientes por día de la semana y fin de semana, Fuente: Elaboración propia 44 A partir de la información anteriormente expuesta, la modelación de las variables de ingreso de pacientes frecuentes y estacionales fue la siguiente: al inicio de cada día de la simulación se generan las entidades que deben ingresar; luego de su creación, se les asigna una hora de ingreso al sistema de hospitalización (esta hora se genera en base a la distribución horaria ejemplificada en la figura 4.6), hora en la que realizaran su ingreso para ese día. Ésta información se les asignó en base a los parámetros obtenidos al ajustar las horas de llegada a una distribuciones diarias y mensuales, que para este caso en particular, los datos tenían distribución Beta para sus respectivas tasas. La distribución Beta tiene la característica esencial de que al ser acotada, la asignación de horarios de estadía cumple con el intervalo entre las 00:00 horas y las 23:59 horas. El resumen de las tasas promedio de ingreso se encuentra en la tabla 4.4. Tabla 4.4: Parámetros de la distribución beta para la distribución horaria de pacientes M.Q. y O.U., Fuente: Elaboración propia Procedencia Programado No programado Complejidad M.Q. O.U. M.Q. O.U. α 3,15 -0,34 -0,38 -0,42 Parámetros β λ 19,41 2,09 23,80 2,77 23,78 1,07 23,86 1,15 µ 2,14 2,58 0,82 0,88 Una de las principales facultades que tiene esta modelación es que permite asignar cualquier tipo de distribución de llegada a las entidades sin afectar su variabilidad. 45 Con la información anterior, se mostraron dos metodologías de modelación de la llegada de los pacientes en base a su ocurrencia y estacionalidad en base a información histórica. Sin embargo, se plantea para una extensión de éste estudio contabilizar la influencia de variables exógenas a la hospitalización clínica, tales como: cambios climáticos, epidemias o desastres naturales que permitirían conocer la capacidad de respuesta y de utilización de recursos que puede alcanzar la institución en base a su actual sistema de hospitalización. 4.5.2 Variables de estadía de pacientes Respecto a la estadía de los pacientes, se realizó una segmentación de los tiempos de estadía según la unidad de hospitalización a la cual pertenecen, por lo que se generaron cuatro sub bases de datos correspondientes a la U.C.I., Intermedios, M.Q. y O.U., con el fin de que cada unidad tuviese sus tiempos de atención específicos. Con lo anterior, se realizó un histograma que permitió entender el comportamiento de los tiempos de estadía de los pacientes según su unidad de complejidad, destacando que las unidades de mayor complejidad tienen mayores tiempos de estadía que aquellas de menor complejidad (figuras 4.7, 4.8 y 4.9). Junto con esto, también se muestra la diferencia existente entre pacientes provenientes de los servicios de urgencia (pacientes no programados) versus aquellos que tenían una hospitalización programada. 46 Figura 4.7: Número de pacientes por intervalo de estadía de U.C.I., Fuente: Elaboración propia Figura 4.8: Número de pacientes por intervalo de estadía de Intermedios, Fuente: Elaboración propia 47 Figura 4.9: Número de pacientes por intervalo de estadía de M.Q., Fuente: Elaboración propia A partir de las figuras anteriores se muestra las diferencias existentes para cada uno de los pacientes según su procedencia y complejidad, lo que permitió concluir la importancia de generar distribuciones de estadía propias para cada uno. Adicionalmente, se definió junto al personal médico de la clínica que el tiempo de tratamiento de un diagnostico no debiese cambiar en base al día de la semana en que éste comienza. Sin embargo, sí existen diferencias entre los meses debido a que éstos incorporan las diferencias temporales y estacionales (estaciones del año, entre otros). Esto es fácil de corroborar por medio de un análisis gráfico en el que algunos meses las estadías se prolongan por los cambios climáticos (temporada invernal) o por el aumento de un tipo de cirugía (traumatológicas en el verano). En las figuras 4.10, 4.11 y 4.12 se 48 muestran los tiempos de estadía mensuales que validan la información anteriormente expuesta. Figura 4.10: Tiempo de estadía promedio por mes, U.C.I., Fuente: Elaboración Propia Figura 4.11: Tiempo de estadía promedio por mes, Intermedios, Fuente: Elaboración Propia 49 Figura 4.12: Tiempo de estadía promedio por mes, M.Q., Fuente: Elaboración Propia Con ésta información se ajustaron las distribuciones para cada uno de los ocho tipos de pacientes según procedencia y complejidad, con lo que se obtuvo una distribución Lognormal mensual para cada uno de estos. En la tabla 4.5 se muestran las tasas promedio obtenidas a partir de este análisis para cada uno de los diferentes niveles. Esta información se existe para los 12 meses del periodo en evaluación. Tabla 4.5: Tasas promedio de la distribución lognormal de estadía de los pacientes hospitalizados, Fuente: Elaboración propia Parámetros β Procedencia Complejidad α U.C.I. 4.00 5.57 Intermedios 5.12 7.94 Programado M.Q. 2.07 2.71 O.U. 2.62 5.74 U.C.I. 4.45 6.95 Intermedios 4.99 6.82 No programado M.Q. 2.99 4.09 O.U. 3.52 4.60 50 La distribución Lognormal tiene la singularidad de que ajusta su curva a la moda de los datos, permitiendo integrar la variabilidad existente. En el caso particular de la estadía de pacientes, a pesar de que predominan tiempos de estadía similares, hay otros que se alejan considerablemente de la moda y media, y que ésta distribución es capaz de integrar. 4.5.3 Variables de traslado entre unidades Los niveles de complejidad de los pacientes se presentan en dos etapas: La primera se establece en el ingreso de los pacientes, los que tienen sus propias tasas de llegadas, y la segunda en la asignación de traslados post atención hotelera en U.C.I., Intermedios o M.Q., determinando si es transportado a otra unidad (cambiando su nivel de complejidad) o si es dado de alta o fallece. Respecto a los traslados de pacientes, estos ocurren cuando el paciente termina su estadía en la unidad de complejidad en que se encuentra para luego ser trasladado a otra unidad de complejidad e iniciar nuevamente su atención o retirarse del sistema de hospitalización (proceso de renovación markoviano). Así, para la construcción de estos datos fue necesario definir los destinos posibles a partir de una unidad, y qué tan probable era que ocurriese. El destino del paciente tiene estacionalidades por mes y día de la semana (figuras 4.13 y 4.14), incorporando el funcionamiento y actividades de las personas en el transcurso del año. Esto ocurre debido a que los traslados de pacientes entre unidades están implícitamente anexados a 51 las personas que realizaron su ingreso y estadía previa a la asignación del traslado. Así, a modo de ejemplo, aquella personas que ingresa un día y que tienen días de estadía en esa unidad, luego obtienen una distribución de probabilidad de traslados representada en su día de egreso. Figura 4.13: Ingresos de pacientes por mes, U.C.I. e Intermedios, Fuente: Elaboración propia 52 Figura 4.14: Ingresos de pacientes por mes, M.Q. y O.U., Fuente: Elaboración propia Por otro lado, en la tabla 4.6 se muestra la variación de la salida de los pacientes de la clínica, mostrando la existencia de alzas en los días próximos al fin de semana, especialmente en unidades de menor complejidad (liberación masiva de habitaciones). Lamentablemente, el seguimiento y control de estas variables tiene gran complejidad ya que la tasa de sustitución del fin de semana del médico versus el ingreso monetario que recibe no logra los incentivos suficientes para generar un cambio en la distribución de la demanda quirúrgica. Por otro lado, para las unidades de mayor complejidad no hay días que muestren diferencias preponderantes sobre el resto, ejemplificando que estas unidades no tienen estacionalidad de comportamiento y demanda. 53 Tabla 4.6: Tasas promedio de Alta o fallecimiento para pacientes programados y no programados y con diferentes niveles de complejidad para cada día de la semana, Fuente: Elaboración propia Programado Día de la semana Lunes Martes Miércoles Jueves Viernes Sábado Domingo No programado U.C.I. Intermedios M.Q. O.U. U.C.I. Intermedios M.Q. O.U. 25,0% 41,5% 94,8% 98,2% 26,4% 57,5% 91,6% 92,5% 22,5% 54,7% 92,9% 95,8% 21,1% 58,2% 91,2% 93,1% 19,4% 47,6% 93,9% 94,5% 25,2% 58,7% 91,5% 93,1% 18,2% 40,3% 91,8% 95,5% 22,2% 57,7% 91,0% 92,1% 12,5% 36,7% 93,0% 96,1% 17,5% 52,0% 90,8% 93,8% 20,2% 34,9% 88,0% 94,7% 19,7% 60,1% 92,4% 94,1% 23,2% 37,2% 94,7% 97,7% 33,8% 63,2% 92,7% 95,1% Tabla 4.7: Tasas promedio de la distribución traslados entre unidades, Fuente: Elaboración propia Procedencia Programado No programado Complejidad U.C.I. Intermedios M.Q. O.U. U.C.I. Intermedios M.Q. O.U. U.C.I. 5,7% 1,2% 0,2% 4,5% 0,7% 0,8% Intermedios 58,6% 2,3% 0,3% 60,5% 3,3% 1,5% M.Q. 15,7% 43,4% 3,4% 8,9% 29,3% 4,3% O.U. 6,2% 9,6% 3,4% 7,2% 8,3% 4,4% - Alta o Fallecimiento 19,5% 41,3% 93,1% 96,0% 23,4% 57,9% 91,6% 93,4% En la tabla 4.7 se muestra que los traslados cambian según la complejidad del paciente. Así, mientras mayor sea la complejidad, es más probable que el traslado sea a la complejidad de menor complejidad consecutiva versus la salida del paciente del sistema de hospitalización. Por otro lado, en las unidades de menor complejidad existe una preponderancia en las altas de pacientes. Por lo anterior, es necesario que cada nivel tenga sus tasas de traslados propias. 54 4.5.4 Variables de limpieza de las habitaciones La limpieza de las habitaciones no requiere de mayores análisis debido a su baja relevancia en el modelo de simulación del sistema de hospitalización de la clínica. Sin embargo, fue incorporada debido a la necesidad de que se realice siempre antes de liberar una habitación para que la utilice otro paciente. Al no apreciar diferencias entre un mes y otro respecto a los tiempos de aseo, se agrupó toda la información para obtener una distribución única para la limpieza de las habitaciones, segmentándolas únicamente en los horarios de limpieza. Así, se ajustó el tiempo de proceso de las habitaciones a la distribución Lognormal cumpliendo con las características que tiene ésta (sección 4.5.2). Con las que se obtuvieron las tasas de distribución presentadas en la tabla 4.8. Tabla 4.8: Tasas promedio de la distribución lognormal para la limpieza de las habitaciones, Fuente: Elaboración propia Unidades U.C.I. U.C.I. Intermedios Intermedios M.Q. M.Q. O.U. O.U. Horarios 0:00 - 9:59 10:00 - 23:59 0:00 - 8:59 9:00 - 23:59 20:00 - 7:59 8:00 - 19:59 18:00 - 8:59 9:00 - 17:59 Parámetros en minutos α β 3,92 42,5 3,99 31,7 4,9 58,7 4,2 29,3 9,26 164 4,15 36,3 18,3 355 7,13 70,8 55 A partir de ésta tabla se concluyen los horarios de trabajo y alta existente en las diferentes unidades de complejidad, acentuando la existencia de horarios acotados para M.Q. y O.U. versus las unidades con mayor complejidad que tienen horarios de actividad más extendidos. 4.6 Estimación del periodo transiente Para la estimación del periodo transiente se realizó un análisis gráfico de las tres medidas de desempeño comparadas con la realidad de la clínica, estableciendo un periodo previo al horizonte de evaluación que permitiese alcanzar los niveles de ocupación, tiempos de espera y estadía para la validación del modelo. Así por medio de una heurística experimental se realizaron simulaciones con periodos previos al inicio de la evaluación para lograr el nivel mostrado en la realidad en la simulación. Para lo anterior se generó una muestra de 100 réplicas para disminuir la variabilidad en las distintas medidas de desempeño. 4.6.1 Ocupación de las unidades de hospitalización Para la obtención del periodo transiente se realizó un análisis gráfico en el que por medio de la simulación de la clínica se evaluó el tiempo que ésta demora para alcanzar los índices de ocupación que mostró en la realidad. Por lo anterior, se realizó una 56 heurística experimental en que por medio de un benchmarking se logró a la octava iteración obtener el periodo transiente del modelo: 45 días. Así, en las figuras 4.15, 4.16 y 4.17 se muestra para cada una de las unidades el crecimiento que tiene la ocupación hasta alcanzar los valores reales. A pesar de que en las figuras 4.15 y 4.17 correspondientes a la U.C.I. y M.Q. se puede intuir que se puede alcanzar un valor más alto de ocupación por medio del aumento del estado transiente, esto no fue así. Se realizó una iteración con un warmup (puesta en marcha del modelo) con 60 días previos sin mostrar grandes diferencias. Por otro lado la figura 4.16 muestra que el tiempo de warmup es menor a los 45 días planteados, sin embargo debido a que el sistema integra los tres niveles de complejidad y sus interrelaciones, se estableció el máximo entre las tres. 57 Figura 4.15: Periodo transiente para la unidad U.C.I., Fuente: Elaboración Propia Figura 4.16: Periodo transiente para la unidad Intermedios, Fuente: Elaboración Propia Figura 4.17: Periodo transiente para la unidad M.Q., Fuente: Elaboración Propia 58 4.6.2 Tiempo de espera por cama Para esta medida de desempeño no se pudo realizar una estimación del periodo transiente debido a que no existe información que represente la realidad más que la experiencia del personal a cargo. 4.6.3 Tiempo de estadía Para ésta medida de desempeño no es necesario obtener la estimación del periodo transiente debido a que el tiempo de atención de los pacientes no depende de qué tan congestionada se encuentre el sistema de hospitalización, sino de la complejidad y procedencia del paciente. 4.7 Validación Para la validación del modelo de simulación se utilizaron las variables de Output que recolectan información respecto a la ocupación de las unidades de hospitalización: U.C.I., Intermedio y M.Q., junto con los tiempos de espera de los pacientes y tiempos de estadía. De estas tres medidas de desempeño, la que cobra mayor relevancia es la ocupación de la clínica, la que en la actualidad es de uso común del personal administrativo y clínico. Adicionalmente, la clínica no tiene certeza de cuáles son los tiempos de espera de los pacientes por asignación de habitación, lo que impide realizar una validación entre la realidad y los resultados entregados por la validación. Junto con 59 esto, los tiempos de estadía responden a la distribución de los tiempos de estadía, por lo que al compararlos se obtendría una comparación entre la variable de Input y su distribución (sección 4.5). En base a lo anterior, se utilizaron dos metodologías para establecer el número de réplicas necesarias y validar la simulación. 4.7.1 Validación: Ocupación de unidades de hospitalización a) Error relativo Por medio de esta metodología se realizó un análisis en base al error relativo existente entre la información entregada por la simulación y la realidad, con el fin de obtener un error relativo inferior al 5% entre ambos, y que el ancho del intervalo se encuentre distribuido equitativamente. Así, se comenzó una heurística iterativa que comparaba la información proporcionada en la realidad versus los resultados obtenidos según su número de réplicas. En base a esta metodología se evaluaron las unidades U.C.I., Intermedios y M.Q. de forma independiente con el fin de validar el comportamiento de cada una de éstas. Tabla 4.9: Validación: Error Relativo, Fuente: Elaboración propia Unidad Error Relativo U.C.I. 4,2% Intermedios 0,6% M.Q. 0,2% 60 En base a la información expuesta en la tabla 4.10, se muestra que el error relativo de Intermedios y M.Q. cumple considerablemente los requerimientos expuestos para ésta metodología. Sin embargo, para el caso de la U.C.I., no se pudo obtener una mayor disminución respecto al error relativo, y en la iteración número 61 se estabilizó en esos resultados. Para éste caso particular de la unidad U.C.I., el error relativo existente se genera debido a que el funcionamiento discreto que tiene la unidad y el bajo número de habitaciones hace que el impacto de una unidad de diferencia sea de un 8,6% del resultado final, haciendo muy volátil el resultado. Debido a lo anterior, se concluye que el número de iteraciones a utilizar sería el máximo entre las dos metodologías para obtener y analizar los resultados. i. Intervalos de confianza en la ocupación de las unidades Una vez que se obtiene el número de réplicas necesario para obtener un error relativo menor al 5%, se construyeron intervalos de confianza para cada una de las unidades evaluadas: U.C.I., Intermedios y M.Q. Para la construcción de estos intervalos se estableció un porcentaje de aceptación de un 95%, que en conjunto con las 61 réplicas necesarias entregan el tamaño de estos, representados en la tabla 4.10 para U.C.I., Intermedios y M.Q.5. 5 En el anexo D.d. se muestran los intervalos de confianza para cada día. 61 Tabla 4.10: Intervalos de confianza con 95% de confiabilidad, Fuente: Elaboración propia Unidades Límite Fecha inferior 86,1% Julio 2013 97,5% Agosto 2013 Septiembre 2013 97,9% 94,1% Octubre 2013 Noviembre 2013 96,5% Diciembre 2013 86,0% 80,3% Enero 2014 66,3% Febrero 2014 81,8% Marzo 2014 90,0% Abril 2014 86,1% Mayo 2014 82,5% Junio 2014 b) U.C.I. Media 91,3% 100,9% 101,9% 98,2% 100,6% 91,1% 85,9% 72,4% 86,6% 94,6% 91,3% 87,8% Límite superior 96,4% 104,4% 105,8% 102,4% 104,6% 96,1% 91,6% 78,4% 91,5% 99,2% 96,5% 93,0% Intermedios Límite Límite Media inferior superior 67,6% 71,4% 75,1% 74,3% 78,2% 82,1% 63,0% 66,6% 70,1% 64,1% 68,3% 72,5% 66,5% 70,6% 74,8% 60,4% 64,3% 68,2% 59,4% 62,6% 65,9% 41,5% 46,0% 50,6% 56,4% 60,3% 64,1% 57,1% 59,1% 61,1% 59,3% 62,2% 65,2% 69,4% 73,6% 77,8% M.Q. Límite inferior 70,0% 76,6% 65,1% 67,0% 69,3% 62,9% 61,3% 44,8% 59,0% 57,8% 60,9% 72,2% Media 71,4% 78,2% 66,6% 68,3% 70,6% 64,3% 62,6% 46,0% 60,3% 59,1% 62,2% 73,6% Límite superior 72,8% 79,7% 68,0% 69,6% 72,0% 65,7% 63,9% 47,3% 61,5% 60,3% 63,6% 75,1% Validación diaria de las unidades de hospitalización A pesar de que se realizó una validación mensual (nivel estratégico) de la ocupación de los recursos, se realizó una inspección visual que ejemplifique analíticamente el comportamiento diario de la ocupación en la clínica para cada una de las unidades de hospitalización, presentado en las figuras 4.18, 4.19 y 4.20 para la U.C.I.; 4.21, 4.22 y 4.23 para Intermedios y; 4.24, 4.25 y 4.26 para M.Q. En las figuras correspondientes a la ocupación de la U.C.I. se muestran las diferencias y similitudes entre lo simulado y lo real, resaltando el aumento en la diferencia en las fechas festivas, tales como el 8 diciembre (feriado religioso) y la última semana de abril del 2014 (feriados religiosos). Sin embargo, debido a que las unidades de mayor 62 complejidad tienen comúnmente carácter no programado, no existe un aumento en la diferencia del nivel de ocupación en otras fechas festivas, tales como Navidad o Fiestas Patrias. 63 Figura 4.18: Ocupación simulada y real diaria de U.C.I. desde el 01-07-2013 hasta el 3010-2013, Fuente: Elaboración Propia Figura 4.19: Ocupación simulada y real diaria de U.C.I. desde el 01-11-2013 hasta el 2802-2014, Fuente: Elaboración Propia Figura 4.20: Ocupación simulada y real diaria de U.C.I. desde el 01-03-2014 hasta el 3006-2014, Fuente: Elaboración Propia 64 Figura 4.21: Ocupación simulada y real diaria de Intermedios desde el 01-07-2013 hasta el 30-10-2013, Fuente: Elaboración Propia Figura 4.22: Ocupación simulada y real diaria de Intermedios desde el 01-11-2013 hasta el 28-02-2014, Fuente: Elaboración Propia Figura 4.23: Ocupación simulada y real diaria de Intermedios desde el 01-03-2014 hasta el 30-06-2014, Fuente: Elaboración Propia 65 Figura 4.24: Ocupación simulada y real diaria de M.Q. desde el 01-07-2013 hasta el 3010-2013, Fuente: Elaboración Propia Figura 4.25: Ocupación simulada y real diaria de M.Q. desde el 01-11-2013 hasta el 2802-2014, Fuente: Elaboración Propia Figura 4.26: Ocupación simulada y real diaria de M.Q. desde el 01-03-2014 hasta el 3006-2014, Fuente: Elaboración Propia 66 Al igual como fue mencionado para la unidad U.C.I., no existe relación entre la diferencia de la ocupación real y simulada para la unidad de Intermedios. Por otro lado, debido a que existe una mayor demanda programada para las unidades de baja complejidad (M.Q.), se muestra como la planificación de procedimientos, tratamientos e intervenciones quirúrgicas influye en la ocupación de estas unidades, lo que se muestra claramente ejemplificado en Fiestas Patrias y Navidad, figuras 4.24 y 4.25. 4.7.2 Validación: Tiempo de espera por paciente Adicionalmente, se realizó una validación en base al conocimiento en terreno que tiene la unidad gestora de las camas, la cual no posee información cuantitativa respecto al tiempo real de la espera de los pacientes pero si saben en terreno qué ocurre verdaderamente. Ahí, se obtuvo que el tiempo de espera para los pacientes no programados se encuentre entre 10 y 12 horas según el horario en el que ingresaba el paciente. Esto ocurre principalmente por los ingresos en horarios no hábiles en que no hay liberación de camas. Junto con esto, los pacientes programados se adecuan a las curvas de estacionalidad que tiene el sistema por lo que su tiempo de espera se encontraba dentro del rango de una hora. En base a esta información, se obtuvo concordancia respecto a lo mostrado en el modelo de simulación con tiempos de espera de 1,65 horas para pacientes programados y 10,02 horas de espera para pacientes no programados. 67 4.7.3 Horizonte de simulación El horizonte de simulación establecido para este estudio es de un año. Esto debido a que en base al análisis realizado en conjunto con el área médica, en un año la clínica enfrenta: influenzas, estacionalidades de demanda quirúrgica, temporadas altas y bajas, posibles epidemias, entre otros, permitiendo adecuar los sistemas de hospitalización y los recursos a sus requerimientos reales. Junto con esto, existen dos factores que requieren un funcionamiento mayor a un año, que son: en primer lugar la resistencia al cambio que tiene la institución, especialmente en la implementación de nuevos sistema de hospitalización (modelo hospitalista). En segundo lugar, la clínica no es capaz de cambiar dinámicamente sus recursos en horizontes menores a un año debido al alto costo que debe incurrir en inversión de tecnología médica, infraestructura y personal médico capacitado para las distintas labores. 68 5. RESULTADOS Una vez concluida la modelación del sistema de hospitalización de la clínica se procedió a construir y aplicar dicha información en el software de simulación Arena. Con este, se implementaron los procesos de funcionamiento del sistema y ajustes de datos para representar la realidad adecuadamente. Por esto, se simuló la situación actual para utilizarla como base para la construcción de los otros escenarios y comparar los resultados logrados por las variables de output del modelo. Se estudió el funcionamiento de los escenarios en base al impacto que estos pueden reflejar dentro de la institución de salud: dificultad económica de implementación y resistencia al cambio de la institución. A partir de esta información se jerarquizo por optimización de recursos, implementación del modelo hospitalista y finalmente optimizar la implementación del modelo hospitalista. Al evaluar el funcionamiento de los escenarios propuestos en la sección anterior, se realizó un seguimiento de las variables de output del modelo que permitieron concluir cuál es el escenario más adecuado para la clínica. Adicionalmente se observó las implicancias de las medidas adoptadas al optimizar los recursos y la implementación del modelo hospitalista. Posteriormente a esta sección, se muestran que implicancias tiene la disminución en la ocupación y LOS en crecimiento en el número de camas y la reducción en los tiempos de espera en la calidad de servicios. 69 5.1 Redistribución de recursos: habitaciones Antes de obtener los resultados de las medidas de desempeño de cada uno de los escenarios presentados en la sección 4.2.4, se construyeron los escenarios que implicaban una redistribución de los recursos. Para esto, en base al problema de optimización presentado en la sección 4.2.4.b) y 4.2.4.d) se utilizó la herramienta OptQuest que permitió programar los escenarios y obtener los resultados de la nueva distribución. Tabla 5.1: Resultados de la optimización de recursos, Fuente: Elaboración propia Escenarios Unidades Actual Optimizado Hospitalista conservador optimizado6 U.C.I. 12 15 15 Intermedios 48 54 56 M.Q. 156 147 145 En la tabla 5.1 se muestra que existe un déficit de habitaciones de alta complejidad, lo que se ve representado en la optimización del escenario actual. Por esto, la primera gran diferencia respecto a la situación actual es el aumento de habitaciones U.C.I. e Intermedios en desmedro de la unidad M.Q. que tiene una mayor disponibilidad de habitaciones a pesar de su mayor nivel de demanda. Por otro lado, también se ve una 6 El escenario Hospitalista conservador optimizado es el escenario hospitalista conservador con su redistribución de recursos, siendo la solución combinada al implementar medidas de gestión de recursos y de gestión médica. 70 diferencia entre el modelo de hospitalización actual optimizado y el modelo hospitalista optimizado mostrando que los tiempos de estadía influyen en la utilización de recursos y redistribución. Así, la capacidad ociosa de la unidad M.Q. permite prestar recursos a Intermedios y disminuir los tiempos de espera de los pacientes. Finalmente, surge el cuestionamiento de porqué si existe un nivel de ocupación menor al 100% existe el requerimiento de equiparar la ocupación entre las unidades de complejidad. Esto se puede responder gracias a que la llegada de los pacientes de mayor complejidad tienen mayor incertidumbre respecto a su hora de llegada versus aquellas de menor complejidad. Esto genera aumentos de demanda en periodos no hábiles, en los que no es posible liberar camas para hospitalizar nuevos pacientes, aumentando los tiempos de espera. Caso que ocurre principalmente con pacientes U.C.I. e Intermedios. Finalmente, se concluye que el aumento de dotación en las unidades de alta complejidad permite mejorar el sistema global de atención al disminuir los tiempos de espera y disminuir los costos operacionales por paciente atendido. 5.2 Ocupación La ocupación en el modelo de simulación cobró vital importancia al evaluar el funcionamiento del sistema de hospitalización de la clínica, el cual por medio de variaciones en la distribución de recursos, cambios en los tiempos de estadía y readmisiones; expresa el nivel de saturación que se logra en el sistema al hacer eficiente 71 sus procesos. Así, se obtiene en la tabla 5.2, los niveles de ocupación para cada uno de los escenarios y para cada nivel de complejidad: Tabla 5.2: Ocupación promedio de la clínica para cada uno de los escenarios, Fuente: Elaboración propia Escenario Ocupación Actual 71.6% Hospitalista conservador 61.4% 7 Hospitalista ideal 42.9% Optimizado 71.9% Hospitalista conservador Optimizado 60.3% Al obtener los resultados se concluyó que el caso de mayor impacto para la clínica es el segundo modelo hospitalista (sección 4.2.4.3.2), el cual por medio de la disminución de los tiempos de estadía de los pacientes se logró disminuir en promedio un 28,7% de la ocupación total de la clínica. Junto con esto, se apreció que la influencia en la optimización de recursos no es considerable frente a los cambios generados por la implementación del nuevo modelo de hospitalización, como es el caso de la optimización del escenario actual en que se alcanzó una mayor ocupación. Por esto, fue necesario evaluar influencia y diferencia de estos escenarios respecto a los tiempos de espera de los pacientes con el fin de establecer si la optimización de recursos es un proyecto necesario (sección 5.3). 72 5.3 Tiempos de espera por Ingreso Por otro lado, los tiempos de espera de los pacientes son muy relevantes al momento de evaluar la calidad del servicio, al ser la primera atención que recibe el paciente dentro de su hospitalización. Claramente no es la única medida de desempeño existente, pero si es una medida de desempeño tangible respecto del comportamiento que tiene el funcionamiento y distribución del sistema de hospitalización. Así, mientras menores sean los tiempos de espera de los pacientes y menor el número de pacientes esperando, mejor es evaluado el sistema por el uso eficiente de recursos. Considerando la operatividad de tiene la clínica diariamente, el objetivo para la unidad gestora de camas es ingresar a todo tipo de pacientes (por procedencia y complejidad) al sistema de hospitalización. Por esto, se realiza únicamente la diferenciación por procedencia de los pacientes: programados y no programado, mostrando en cada escenario su evolución al ingreso. 7 El modelo hospitalista ideal no fue optimizado debido a que la función objetivo de la optimización es la disminución de los tiempos de espera, los cuales no se pueden disminuir más ya que el tiempo de espera actual responde a aumentos de demanda puntuales y no a un problema por la ocupación de la clínica. 73 Tabla 5.3: Tiempos de espera por ingreso (horas), Fuente: Elaboración propia Escenarios Procedencia Actual Programado No Programado 1,65 10,03 Hospitalista Hospitalista Hospitalista Optimizado Conservador conservador ideal8 Optimizado 0,37 0,01 1,08 0,12 1,22 0,01 7,31 1,11 La reducción de los tiempos de espera por ingreso (información de la cual no dispone la Clínica) es significativa en la redistribución de las camas por procedencia, alcanzando una diferencia de 34% y 27% para pacientes programados y no programados respectivamente. Para el caso en que el modelo hospitalista está en funcionamiento las diferencias son aún mayores, alcanzando una diferencia de un 91% para pacientes programados y 89% para los no programados9. Por otro lado, también existe una gran influencia de los tiempos de estadía de los pacientes, los cuales impactan directamente la ocupación de la clínica y el número de camas disponibles para el ingreso de pacientes. Las diferencias presentadas en este modelo se vuelven aún más significativas alcanzando un 78% y 88% de diferencia en el escenario adverso y un 99% y 99,9% en el escenario optimista para los pacientes programados y no programados respectivamente. 8 Los tiempos de espera versus la ocupación de la clínica del escenario hospitalista ideal en comparación con el escenario hospitalista conservador optimizado permite deducir que los tiempos de espera del primer escenario mencionado responde a aumentos de demanda puntuales y no a un problema por la ocupación de la clínica. 9 Tiempos de espera por procedencia para los diferentes escenarios propuestos en el anexo E.g. 74 Así, se propone a la clínica que integre éste hito a su sistema informático de tal modo que pueda realizar un seguimiento a los estándares de calidad entregados a sus pacientes adicional a la trazabilidad del paciente en el uso de recursos físicos. 5.4 Tiempo de estadía en la clínica Dentro de las medidas de desempeño a considerar es el tiempo de estadía de los pacientes en la clínica en el que se incorporan los tiempos de espera, traslados, hospitalizaciones, etc. es relevante para ver los resultados reflejados en la ocupación de la clínica y los tiempos de espera de los pacientes por ingreso. Este indicador es importante al medir el cambio necesario a instaurar por parte del modelo al personal médico y metodologías de atención para aumentar la capacidad dentro de la clínica. Tabla 5.4: Tiempos de estadía (días) por complejidad y escenario, Fuente: Elaboración propia Hospitalista Hospitalista Hospitalista Complejidad\Escenario Actual Optimizado Conservador conservador ideal Optimo U.C.I. 5,0 3,7 2,4 4,6 3,5 Intermedios 4,4 4,0 2,8 4,6 3,8 M.Q. 2,6 2,2 1,6 2,7 2,3 En la tabla 5.4 se muestra la influencia en los tiempos de estadía de los diferentes escenarios, reflejando cuál es el comportamiento al implementar el modelo hospitalista y redistribuir los recursos de la clínica. Dentro de los cambios más relevantes se encuentra 75 la variación entre un mes y otro de los escenarios optimizados versus sus escenarios sin optimizar10. Esto se explica por la variabilidad propia del modelo que en régimen muestra que no existe un cambio real en los tiempos de estadía promedio anual. Por otro lado, se muestra que la disminución de LOS del modelo hospitalista responde adecuadamente a los que se buscaba modelar y que permite reflejar el impacto que tiene el modelo hospitalista en la clínica. 5.5 Análisis de los resultados Obteniendo los resultados expuestos en la sección 5. se estableció implicancias que tienen en la administración de la Clínica el cambio del modelo de hospitalización y la redistribución de habitaciones según complejidad. Para esto se evaluó tres modelos de gestión que explican y obtienen el aumento de capacidad para atender pacientes luego de obtener disminuciones en el LOS, disminuir las readmisiones y redistribuir recursos. Al realizar el análisis de los resultados expuestos en la sección anterior se evalúan los distintos escenarios en base a dos criterios: Primero en el aumento de capacidad de camas que tiene cada escenario en comparación con la situación actual y el segundo criterio de evaluación son los tiempos de espera que tienen los pacientes por asignación de cama en su primera atención de hospitalizado. Por medio de estos dos criterios, se estableció junto al personal médico una ponderación que permita jerarquizar qué escenario es el más conveniente. 10 Tiempos de estadía por procedencia para los diferentes escenarios propuestos en el anexo E.h 76 5.5.1 Capacidad de camas11 Según los autores presentados en la revisión bibliográfica (sección 2.1.2) el modelo hospitalista trae grandes beneficios al uso eficiente de recursos de las clínicas y hospitales, destacando la eficiencia de las camas. Por esto, se realizó un análisis para determinar cuántas camas eran necesarias para atender a igual número de pacientes al tener procesos más eficientes que permitan tener menores tiempos de espera, disminuir las readmisiones de pacientes y redistribuir los recursos. Así, se utilizaran tres metodologías, dos de ellas con las que se puede calcular la capacidad adicional de camas por medio de la disminución de los tiempos de estadía de los pacientes (sin ser capaces de integrar cambios en las readmisiones u otros factores), y una de ellas que sea obtiene la capacidad de camas adicional por medio de la simulación expuesta en éste documento. a) Modelo de Gestión de Hospitales (1994): El modelo que Cuervo y otros, (1994) muestra por medio de la integración de información propia de la clínica (infraestructura del hospital (habitaciones), índice ocupacional óptimo (establecido en base a una ocupación máxima permitida para atender la demanda por servicios programados y no programados) y los tiempos de 11 Para la comparación de la capacidad de las camas en los escenarios en que se realizó una optimización de recursos, se modificó el número de camas con su respectiva ocupación al nuevo número de camas y ocupación para que los escenarios fuesen comparables. 77 estadía promedio de los pacientes) la capacidad que tiene para atender pacientes hospitalizados en un periodo de tiempo (Ecuación 5.1). Ecuación 5.1: Modelo de Gestión de Hospitales (n° pacientes), Fuente: Cuervo y otros, (1994) Por medio de éste modelo, se generó el cuestionamiento de cuántas camas necesito para atender a la misma cantidad de pacientes si disminuyo mi tiempo de estadía. Para esto, se trabajó en la ecuación para definir como variable dependiente al número de camas. Esto se explicita en la ecuación 5.2 en la que si se mantienen las variables anexas al tiempo de estadía ceteris paribus, se obtiene la potencialidad de camas generada. Ecuación 5.2: Modelo de Gestión de Hospitales (n°camas), Fuente: Cuervo y otros (1994) Este modelo es comúnmente utilizado para la gestión de hospitales que tienen demanda insatisfecha de servicios, permitiendo realizar un supuesto en que se mantiene la ocupación de la clínica frente a variaciones en los tiempos de estadía. Para el caso del sector privado, la realización de éste supuesto significa que el área comercial de la 78 clínica debe encargarse de que la demanda aumente (fuera de los alcances de este estudio). b) Modelo Advisory (2014) El modelo de Advisory Board Company12 (The Advisory Board Company, 2014), liderado por Keren Johnson (investigador The Advisory Board Company), es un modelo que fue creado para cuantificar en días cama la gestión hospitalaria. Para esto, en base a la información proporcionada por los distintos hospitales estudiados por la empresa, se produjo fórmula que incorpora información del número de camas, tiempo de estadía, disminución del tiempo de estadía e índice ocupacional promedio para obtener la capacidad virtual que se logra alcanzar al cambiar uno de estas variables. Este modelo está nutrido por la evidencia mostrada por 120 clínicas y hospitales, contemplando disminución en las readmisiones de pacientes, disminuciones en el tiempo de estadía y variabilidades del uso de camas. Este modelo realiza el cálculo de camas virtuales en base a la ecuación 5.3: Ecuación 5.3: Modelo Advisory, Fuente: The Advisory Board Company (2014) 12 Empresa de estudios que genera documentos de buenas prácticas en el área de la salud y a la cual la clínica se encuentra suscrita. 79 La modelación de éste se asemeja más a la potencialidad que se puede alcanzar en el sector privado debido a que sus bases están fundamentadas en realidades en que la demanda de pacientes disminuye. c) Modelo por Ocupación Finalmente, por medio del modelo de simulación también se realizó un cálculo de la capacidad virtual obtenida por medio de los cambios en la gestión y uso de camas. Así, se obtuvo la diferencia de los niveles de ocupación para cada uno de los niveles de complejidad de cada escenario, permitiendo calcular por medio de la implementación del modelo hospitalista u optimización de recursos la diferencia de camas utilizadas en uno u otro escenario. Así, por medio de la información recolectada y construida por el modelo de simulación se logró aplicar la ecuación 5.4: Ecuación 5.4: Modelo por ocupación, Fuente: Elaboración propia Este modelo tiene la ventaja de que muestra una realidad efectiva de lo que ocurre en un escenario y otro respecto a la utilización de recursos, junto con tener la capacidad de añadir nuevos factores que pueden modificar los resultados obtenidos. Lamentablemente, una de las limitaciones de este modelo es que es necesario contar con un modelo de simulación que permita obtener el comportamiento final de la clínica, 80 impidiendo obtener por medio de un cálculo básico (modelo 6.1.1 y 6.12) las camas adicionales por medio de la implementación del modelo hospitalista y optimización de recursos. 5.5.2 Resultados y análisis de la capacidad de camas Por medio del cálculo de capacidades utilizando las tres metodologías se logró obtener resultados sustentables y robustos que muestran el impacto positivo de cada una de las medidas propuestas en los escenarios. Así, los beneficios que produce el modelo hospitalista al disminuir los tiempos de estadía de los pacientes se muestran en el crecimiento de cada uno de los escenarios que lo incorpora, considerando que mientras mayor es la influencia del modelo en el sistema, mayor es la ganancia por camas. Tabla 5.5: Aumento o disminución en la capacidad de camas para cada escenario según metodologías (sección 6.1), Fuente: Elaboración propia Escenario Hospitalista Hospitalista Hospitalista Capacidad de camas Actual Optimizado conservador ideal conservador Optimizado Modelo 0 26 81 -1 28 Gestión de hospitales Modelo 0 19 58 -1 20 Advisory Modelo 0 22 62 -1 24 Ocupación 81 En la tabla 5.5, se puede ver la influencia del modelo hospitalista y cómo la disminución porcentual del escenario adverso de 12,35% en los tiempos de estadía genera 24 camas adicionales y en el escenario optimista con una disminución de 37% en el tiempo de estadía genera 64 camas adicionales, permitiendo suponer una relación directamente proporcional entre el tiempo de estadía y la variación en la capacidad de camas. En una segunda instancia, también se encuentran los beneficios adquiridos al optimizar los recursos los cuales no son tangibles el estudiar un escenario únicamente por el crecimiento de camas, sino que es necesario verificar los cambios existentes por disminución en los tiempos de espera (sección 6.2) . Esto último concluye que estudiar escenarios de forma uní focal no permite tomar decisiones respecto a qué escenario es más adecuado a implementar en la clínica, resaltando que la función utilidad del modelo es multi-variable. 5.5.3 Tiempos de espera por cama Los escenarios presentados anteriormente buscan mejorar la gestión de los pacientes mejorando cuantitativamente (uso eficiente de camas) y cualitativamente. Sin embargo, la evaluación del modelo hospitalista y optimización de recursos requiere de indicadores que permitan cuantificar el servicio entregado a los pacientes, lo cual es representado por los tiempos de espera por servicios de hospitalización. Así, se evaluó la influencia de la optimización de recursos y del sistema hospitalista de una mirada cualitativa en pro del paciente estableciendo un nivel de jerarquía en la mejora de este indicador. 82 Esta información se obtuvo a partir del modelo de simulación validado por la experiencia del personal gestor de camas de la clínica, que debido a la inexistencia de información de tiempos de espera de pacientes implicó solo diferenciar los tiempos de espera para pacientes programados y no programados. a) Resultados y análisis de los tiempos de espera por cama Los siguientes resultados fueron obtenidos a partir de la información recolectada por el modelo de simulación que diferenciaba a los pacientes esperando por camas de hospitalización programados y no programados, logrando representar la evolución en cada uno de los escenarios al variar la disponibilidad de camas para cada servicio. Así en la tabla 5.2, se muestra la evolución de los tiempos de espera según la modificación propuesta al sistema de optimización: Tabla 5.6: Tiempos de espera por ingreso (horas), Fuente: Elaboración propia Escenarios Procedencia Actual Hospitalista conservador Programado No Programado 1,65 10,03 0,37 1,22 Hospitalista Ideal Optimizado 0,01 0,01 1,08 7,31 Hospitalista Conservador Optimizado 0,12 1,11 Con estos resultados se muestra el progreso del sistema frente a la influencia del modelo hospitalista, mostrando disminuciones en los tiempos de espera en 1,28 y 8,81 horas para el escenario adverso y 1,64 y 10,02 horas para el escenario optimista para los 83 pacientes programados y no programados. Junto con esto, es importante resaltar el escenario del sistema actual optimizado en pro de una disminución en los tiempos de espera, los cuales disminuyen en 0,57 y 2,72 horas respecto a la situación actual. La importancia que tiene este último escenario es su fácil implementación, ya que solo requiere de modificaciones en el equipamiento de las habitaciones, evitando cambios estructurales en los sistemas de atención de la clínica. Se considera que este escenario es de fácil implementación y puede considerarse como la primera etapa de la implementación del modelo hospitalista en la clínica. 5.5.4 Análisis de escenarios: Con los resultados anteriormente propuestos surgen cuestionamientos respecto a qué variable de output se considera más relevante para decidir entre un escenario y otro, y qué escenario es el más conveniente de implementar. Así, es necesario evaluar los costos operacionales que tienen cada uno de los escenarios, los beneficios por aumento de capacidad y disminución de tiempos de espera. Por lo anterior, se generó una función (Ecuación 5.5) que pondera los costos por implementación de camas con mayor complejidad, utilidad por aumentar la capacidad de atención y valoración de los tiempos de espera de los pacientes. Ecuación 5.5: Cálculo del puntaje por escenario, Fuente: Elaboración propia 84 En este estudio, se realizó el cálculo por medio de ponderadores (α) en remplazo de los costos y beneficios para proteger la confidencialidad de la clínica en estudio. Luego, con esta información se jerarquizaron los escenarios entre el que entrega un mayor beneficio y el que entrega un menor beneficio a la clínica en la tabla 5.3. Tabla 5.7: Tabla de puntajes asignados a cada uno de los escenarios, Fuente: Elaboración propia Escenario Actual Hospitalista conservador Hospitalista ideal Optimizado Hospitalista conservador Optimizado Puntaje 0,0 45,8 100,2 5,1 49,4 A partir de estos resultados se muestra que el modelo hospitalista es completamente beneficioso para esta institución de salud ya que se obtienen beneficios tangibles: aumento en la capacidad de atención y disminución de los tiempos de espera por cama, y beneficios intangibles propio de la operatividad del modelo hospitalista: atención integral al paciente, disminución en las readmisiones, mejor capacidad resolutiva del diagnóstico (disminución del tiempo de estadía del paciente) y disminución de los costos para el paciente y la clínica por atención. 85 5.6 Evaluación económica del modelo hospitalista En cuanto a la evaluación económica del proyecto es necesario analizar el costo de la implementación de este modelo de hospitalización: médicos adicionales e infraestructura en el caso de que se modifique el nivel de complejidad de las camas. Por otro lado, es necesario conocer los beneficios que puede generar la implementación de esta metodología de trabajo que se traduce en la evaluación de los días camas adicionales que dispondrá la clínica para vender, y la evaluación de la disminución del tiempo de espera de los pacientes por cama. Esto se traduce en la tabla 5.8 de costos y beneficios: Tabla 5.8: Evaluación económica del proyecto con el modelo hospitalista 1 optimizado, Fuente: Elaboración propia Valor Costos Costos de remodelación M.Q. a U.C.I. Costos de remodelación M.Q. a Intermedios Costo por médico Costo por médico hospitalista Beneficios Camas U.C.I. adicionales Camas Intermedios adicionales Camas M.Q. adicionales Reducción de tiempo de espera (hora.) Total n° Tiempo $ 3.300.000 76 $ 4.000.000 4 1 1 1 1 $ 857.372 $ 747.723 $ 518.221 $ 1.023.750 31 31 31 31 3 6 16 0,4 $ $ $ $ $ $ $ $ $ $ $ Total 250.800.000 250.800.000 16.000.000 805.589.328 79.735.596 139.076.478 257.037.616 12.665.398 554.789.328 86 Los costos asociados a la remodelación de M.Q. a U.C.I. y de M.Q. a Intermedios no fueron agregados a la evaluación económica debido a que responden a una inversión inicial y no a costos operacionales del modelo. Así, por medio de la evaluación anterior, la cual muestra los escenarios modelados al implementar el modelo hospitalista, se concluye que esta medida es necesaria para aumentar la competitividad de la clínica, disminuir costos e incentivar el uso eficiente de las camas. 87 6. CONCLUSIONES Con los resultados anteriormente expuestos y el impacto que estos significan en la gestión de las camas de la clínica, es necesario analizar la aplicabilidad que tiene el modelo en Chile. A pesar de que el sector público ha avanzado en pro de un sistema hospitalista, este no ha logrado sus objetivos al encontrarse fuera del lineamiento directivo del hospital. Por otro lado, algunos autores plantean que las clínicas no se han envuelto en la necesidad de implementar el modelo para mejorar la utilización de sus camas (Eywin & Jaffer, 2013). Sin embargo, el aumento de la competitividad obligará a los centro de salud a manejar de mejor forma sus recursos, disminuir sus costos de atención y entregar soluciones a los pacientes a menor precio. Junto con esto, los resultados presentados en el aumento de capacidad de camas (escenario adverso 23 camas, escenario optimista 63 camas) indica a la dirección de los hospitales y clínicas la relevancia que tiene la mejor utilización y distribución de recursos, mejorar la calidad de atención al paciente y aumentar la capacidad resolutiva del personal médico. Por otro lado, la disminución de los tiempos de espera por cama de un 90% muestra que la gestión no solo se encuentra de cara a mejorar los procesos de la clínica para su propio beneficio, sino también que existe un complemento con el servicio que recibe el paciente. Así, las mejoras propuestas por el modelo hospitalista se muestran por medio de una mayor capacidad de las instalaciones para recibir pacientes, mejor capacidad resolutiva, 88 permitiendo disminuir las readmisiones y un aumento en la calidad de servicio gracias a la atención integral que recibe el paciente. Adicionalmente, es importante análizar la relevancia y potencialidad que tiene el modelo hospitalista en la atención y hospitalización de los pacientes. Desde el punto de vista del paciente, el modelo permite disminuir los costos de atención (menor LOS), aumentar la capacidad de atención de la clínica (menores tiempos de espera), mejor calidad de atención y capacidad de resolución de diagnosticos. Luego, desde el punto de vista de la clínica, el modelo de negocio principal son las cirugías de los pabellones. Es por esto que la función objetivo de las instituciones de salud es aumentar su número de cirugías con la restricción de poder hospitalizar a los pacientes el tiempo necesario para su recuperación. Así, para contribuir al flujo de los pabellones, es necesario crecer en capacidad de atender paciente lo que es logrado por el modelo hospitalista. Desde el punto de vista de la eficiencia, este modelo tiene mucho que aportar debido a que es aplicable para todo tipo de unidades y metodologías de atención, permitiendo alcanzar crecimientos mayores a los expuestos en este informe. Así, se hace el llamado a seguir innovando e implementando acciones de mejora que permitan disminuir los tiempos de estadía y disminuir las readmisiones sin descuidar el cuidado al paciente. A pesar de los beneficios presentados anteriormente, es importante considerar la evidencia que entrega advertencias respecto de la aplicabilidad e implementación del modelo hospitalista (Meltzer, Shah, Morrison, Jin, & Levinson, 2001), (Vasilevskis, Meltzer, Schnipper, & y otros, 2008). En algunos hospitales no se han logrado los 89 cambios esperados por el modelo hospitalista, lo cual ha sido atribuido principalmente a periodos de setup (adaptación) por parte de la institución al realizar el cambio de modelo de hospitalización y vencer la resistencia del personal médico a esto. Para este tipo de casos, un buen complemento a este estudio sería la simulación del comportamiento médico, incorporando la lógica médica, la evolución de los pacientes para las desiciones de tratamientos, adelantamientos de altas, reducción de insumos y prestaciones a los pacientes, y administración de atención de los médicos especialista. Finalmente, se concluye que los resultados en este documento en base a la implementación del modelo hospitalista en una clínica privada muestra grandes beneficios en pro de una mejora en la atención al paciente, logrando un crecimiento en el escenario adverso de un 11% sobre el total de camas evaluadas y llegando a un 30% en un escenario óptimista. Por otro lado, los beneficios mostrados de cara al paciente están sustentados en la revisión biliográfica anterior (sección 2.1.2) respecto a los cambios de enfoque a la atención del paciente, mejoras dificiles de cuantificar y que no se analizan en este estudio respecto a la capacidad de resolución del personal y disminución en las readmisiones producto de una solución integral. Así, el modelo hospitalista debiese ser parte necesaria y fundamental en la competitividad de los hospitales y clínicas en los siguientes 10 años, lo cual ha sido demostrado en este estudio que permite entender el impacto del modelo y porqué es necesaria su implementación. 90 BIBLIOGRAFÍA Abenhaim, H., S., K., Raffoulf, J., & Becker, M. (2000). Program description: ahospitalist run, medical short stay unit in a teaching hospital. CMAJ, 163:1477-1480. Ang, A., & Tang, W. (2007). Probability concepts in engineering. Wiley. Antoni, J., Enjamio, E., Moya, C., García Forte, C., Castellanos, J., Pérez Mas, J., et al. (2010). Impacto de la implementación de medidas de gestión hospitalaria para aumentar la eficiencia en la gestión de camas y disminuir la saturación del servicio de urgencias. Emergencias, 249-253. Auerbach, A., Aronson, M., Davis, R., & Phillips, R. (2003). How physicians perceive hospitalist services after implementation: anticipation vs reality. Arch Intern Med, 163:2330-6. Auerbach, A., Chlouber, R., J., S., Lurie, J., Bostrom, A., Wachter, et al. (2006). Trends in market demand for internal medicine 1999-2004: an analysis of physician job advertisements. J Gen Intern Med, 21:1079-85. Chakrapani, R., & Diamond, H. (2002). The hospitalist model of inpatient medical care. Semin Med Pract, 5:20-28. Clínicas de Chile, A. (2013, Diciembre). Dimensionamiento del sector de salud privado en Chile. Santiago: Clínicas de Chile A.G. Clínicas y Centros de Salud. Coffman, J., & Rundall, T. (2005). The impact of hospitalists on the cost and quality of inpatient care in the United States: a research synthesis. Med Care Res Rev, 62:379-406. Cuervo, J., Varela, J., Belenes, R., Artells, J., Rodríguez, J., Berenguer, J., et al. (1994). Gestión de Hospitales: Nuevos instrumentos y tendencias. Barcelona: Vicens Vives. Davis, K., Koch, K., Harvey, J., Wilson, R., Engelert, J., & Gerard, P. (2000). Effects of hospitalists on cost, outcomes, and patient satisfaction in a rural health system. Am J Med, 108(8):621-626. Dellafarella, D. (2014, November 28). Gestión de Urgencias. Santiago, Chile: Advisory Board. Diamond, H., Goldberg, E., & Janosky, J. (1998). The effect of full-time faculty hospitalists on the efficiency of care at a community teaching hospital. Ann Intern Med, 129(3):197-203. Donabedian, A. (1966). Evaluating the quality of medical care. Milbank Q, 44:166-206. 91 Everett, G., Uddin, N., & Rudloff, B. (2007). Comparison of hospital costs and length of stay for community internist, hospitalists, and academicians. J Gen Intern Med, 22(5):662-667. Eywin, G., & Jaffer, A. (2013). Medicina hospitalaria a 15 años de su implementación. ¿Cuáles son los potenciales beneficios en nuestro medio? Rev Med Chile, 141:353-360. Freese, R. (1999). The Park Nicollet experience in establishing a hospitalist system. Ann Intern Med, 130(4, pt 2):350-354. Goran, M., Williamson, J., & Gonnella, J. (1973). The Validity of Patient Management Problemas. Journal of Medical Education, 171-177. Gregory, D., Baigelman, W., & Wilson, I. (2003). Hospital economics of the hospitalist. Health Serv Res, 38(3):905-918. Gulshan, S., Kuo, Y.-F., Freeman, J., Zhang, D., & Goodwin, J. S. (2010). Comanagement of hospitalized surgical patients by medicine physicians in the United States. Arch Intern Med, 170(4):363-368. Gustafson, D., & Hundt, A. (1995). Findings of innovation research applied to queality management principles for health care. Health Care Manage Rev, 20:16-33. Halasyamani, L., Valenstein, P., Friedlander, M., & Cowen, M. (2005). A comparison of two hospitalist models with traditional care in a community teaching hospital. Am J Med, 118:536-43. Halm, E., Lee, C., & Chassin, M. (2002). In volume related to outcome in health care? A systematic review and methodologic critique of the literature. Ann Intern Med, 137:51120. Hearld, L., Alexander, J., Fraser, I., & Jiang, H. (2008). Review: how do hospital organizational structure and processes afeect quality of care? Med Care Res rev, 65:259299. Kaboli, P., Barnett, M., & Rosenthal, G. (2004). Associations with reduced length of stay and cost on an academic hospitalist service. Am J Manag Care, 10(8):561-568. Landon, B., Normand, S., Lessler, A., & y otros. (2006). Quality of care for the teatment of acute medical conditions in US hospitals. Arch Intern Med, 166(22):2511-2517. Lindenauer, P., R., C., Pekow, P., Fitzgerald, J., & Benjamin, E. (2002). Quality of care for patients hospitalized with heart failure: assessing the impact of hospitalists. Arch Intern Med, 162(11):1251-1256. 92 Lindenauer, P., Rothberg, M., Pekow, P., Kenwood, C., Benjamin, E., & Auerbach, A. (2007). Outcomes of care by hospitalists, general internists, and family physicians. N Engl J Med, 357(25):2589-2600. Lurie, J., Miller, D., Lindenauer, P., Wachter, R., & Sox, H. (1999). The potential size of hospitalist workforce in the United State. Am J Med, 106:441-5. Meltzer, D., Manning, W., & Morrison, J. y. (2002). Effects of physician experience on costs and outcomes on an academic general medicine service: results of a trial of hospitalists. Ann Intern Med, 137(11):866-874. Meltzer, D., Shah, M., Morrison, J., Jin, L., & Levinson, W. (2001). Decreased length of stay, costs and mortality in a randomized trial of academic hospitalists. JGIM, 16(1):208-209. Mulligan, M. (2011, April 21). The Advisory Board Company-Should you implement a unit-based hospitalist model? Five factors for success. Retrieved November 28, 2014, from The Advisory Board Company: http://www.advisory.com/ptpt/international/research/clinical-operations-board/expert-insights/2011/should-youimplement-a-unit-based-hospitalist-model-five-factors-for-success Palacio, C., Alexandraki, I., House, J., & Mooradian, A. (2009). A coomparative study of unscheduled hospital readmissions in a resident.staffed teaching service and a hospitalist-based service. South Med J, 102:145-149. Palmer, H., Delamata, M., McBride, C., Dunsworth, T., Evans, K., & Hobbs, G. (2001). After discharge effects of a hospitalist service. JGIM, 16(1):211. Peterson, M. (2009). A systematic review of outcomes and quality measures in adult patients cared for by Hospitalists vs Nonhospitalists. Mayo Clinic Proceeding, 84(3):248-254. Pham, H., Devers, K., Kuo, S., & Berenson, R. (2005). health care market trens and the evolution of hospitalist use and roles. J Gen Intern Med, 20:101-7. Phy, M., Vanness, D., Melton, L. I., & et al. (2005). Effects of a hospitalist model on elderly patients with hip fracture. Arch Intern Med, 165(7):796-801. Rifkin, W., Conner, D., Silver, A., & Eichorn, A. (2002). Comparison of processes and outcomes of pneumonia care between hospitalists and community-based primary care physicians. Mayo Clinic Proc, 77(10):1053-1058. Rifkin, W., Holmboe, E., Scherer, H., & Sierra, H. (2004). Comparison of hospitalists and nonhospitalists in inpatient length of stay adjusting for patient and physician characteritics. J Gen Intern Med, 19(11):1127-1132. 93 Roytman, M., Thomas, S., & Jiang, C. (2008). Comparison of practice patterns of hospitalists and community physicians in the care of patients with congestive heart failure. J Hosp Med, 3(1):35-41. Schneider, J., Zhang, Q., Auerbach, A., & y otros. (2008). Do hospitalists or physicians with greater inpatient HIV experience improve HIV care in the era of highly active antiretroviral therapy? results from a multicenter trial of academic hospitalists. Clinic Infect Dis, 46(7):1085-1092. Somekh, N., Rachko, M., Husk, G., Friedmann, P., & Bergmann, S. (2008). Differences in diagnostic evaluation and clinical outcomes in the care of patients with chest pain based on admitting service: the benefits of a dedicated chest pain unit. J Nucl Cardiol, 15(2):186-192. Southern, W., Berger, M., Bellin, E., Hailpern, S., & Arnsten, J. (2007). Hospitalist care and length of stay in patients requiring complex discharge planning and close clinical monitoring. Arch Intern Med, 167(17):1869-1874. Sox, H. (1999). the hospitalist model: perspectives of the patient, the internist, and internal medicine. Ann Intern Med, 130(4, pt 2):368-372. The Advisory Board Company. (2014, Agosto 25). The Advisory Board Company. Retrieved 3 5, 2015, from Calculate Your Discharge Opportunity: http://www.advisory.com/international/research/clinical-operationsboard/resources/2014/discharge-opportunity-calculator Tingle, L., & Lambert, C. (2001). Comparison of a family practice teaching service and a hospitalist model: costs, charges, lenght of stay , and mortality. Fam Med, 33(7):511515. Umaña, A. (2014, November 28). Restricciones Clínica Alemana de Santiago. Santiago, Chile. Vasilevskis, E., Meltzer, D., Schnipper, J., & y otros. (2008). Quality of care for decompensated heart failure: comparable performance between academic hospitalists and non-hospitalists. J Gen Intern Med, 23(9):1399-1406. Wachter, R. (1999). An introduction to the hospitalist model. Ann Intern Med, 130:33842. Wachter, R., & Goldman, L. (1996). The emerging role of "hospitalists" in the American health care system. New England Journal Med., 335(7):514-517. Wachter, R., Katz, P., Showstack, J., Bindman, A., & Goldman, L. (1998). Reorganizing an academic medical service: impact on cost, quality, patient satisfaction, and education. JAMA, 279:1560-5. 94 Whinney, C., & Michota, F. (2008). Surgical comanagement: a natural evolution of hospitalist practice. J hosp Med, 3(5):394-7. White, H., & Glazier, R. (2011). Do hospitalist physicians improve the quality of inpatient care delivery? A systematic review of process, efficiency and outcome measures. BMC Medicine, 9:58. Zuckerman, J., Sakales, S., Fabian, D., & Frankel, V. (1992). Hip fractures in geriatric patients. Results of an interdisciplinary hospital care program. Clin Orthop Relat Res, (274):213-25. 95 ANEXOS 96 A. Proceso General: Modelo de Simulación Figura A.1: Modelo de simulación General, Fuente: Elaboración propia 97 B. Tasas de llegada a. Pacientes U.C.I. e Intermedios Tabla A.1: Tasa de llegada de Pacientes U.C.I. e Intermedios, Fuente: Elaboración propia Procedencia Complejidad Distribución U.C.I. Programado Exponencial Intermedios U.C.I. No Exponencial Programado Intermedios α 2,62 2,55 19,8 0,295 98 b. Pacientes M.Q. e O.U. En la tabla A.2, se muestra el promedio de cada uno de los parámetros según su procedencia, complejidad y día de la semana. Tabla A.2: Tasa de llegada de Pacientes M.Q. y O.U., Fuente: Elaboración propia Parámetros Procedencia Complejidad Día de la semana Lunes Martes Miércoles M.Q. Jueves Viernes Sábado Domingo Programado Lunes Martes Miércoles O.U. Jueves Viernes Sábado Domingo Lunes Martes Miércoles M.Q. Jueves Viernes Sábado Domingo No programado Lunes Martes Miércoles O.U. Jueves Viernes Sábado Domingo α 3,03 3,71 3,00 3,00 2,71 3,42 3,23 -0,35 -0,29 -0,29 -0,46 -0,21 -0,38 -0,35 -0,39 -0,37 -0,36 -0,34 -0,33 -0,29 -0,37 -0,42 -0,50 -0,42 -0,46 -0,33 -0,33 -0,43 β 19,49 19,38 20,04 19,83 20,29 17,50 19,36 23,80 23,79 23,79 23,96 23,67 23,67 23,81 23,78 23,76 23,77 23,74 23,75 23,69 23,77 23,86 23,92 23,83 23,88 23,75 23,83 23,87 λ 2,09 1,91 2,14 2,26 2,55 1,40 2,13 2,86 2,93 2,83 3,04 3,39 2,04 2,63 1,07 1,08 1,10 1,08 1,09 1,12 1,08 1,14 1,12 1,26 1,14 1,10 1,11 1,14 µ 2,22 1,90 2,01 2,15 2,58 2,38 2,02 2,67 2,66 2,61 2,80 3,25 2,22 2,41 0,82 0,82 0,82 0,81 0,82 0,83 0,82 0,89 0,84 0,96 0,91 0,82 0,91 0,88 99 C. Tasas de estadía (días) La estadía de pacientes tiene una distribución log-normal con dos parámetros (1, 2 en la tabla A.3. Tabla A.3: Tasa de estadía de pacientes (días), Fuente: Elaboración propia M.Q. Intermedios U.C.I. O.U. Programado No programado Programado No programado Programado No programado Programado No programado Periodo 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 201305 2,15 2,77 3,42 5,77 4,5 6,11 5,26 7,33 3,16 3,88 3,68 4,95 2,75 6,62 3,98 6,97 201306 1,93 2,39 2,79 2,92 4,89 6,88 4,3 4,49 4,44 6,77 4,2 5,52 2,6 5,32 3,5 4,63 201307 2,23 3,21 3,07 4,07 6,28 10,3 4,32 4,88 5,21 9,53 4,11 5,76 2,63 5,89 4,01 5,3 201308 2,24 3,27 3,15 3,91 6,74 12,5 5,34 5,47 3,84 5,38 5,54 11,8 2,77 6,4 4,01 5,46 201309 2,09 2,43 2,95 3,29 4,76 6,13 5,42 8,19 4,58 7,1 4,2 5,1 3,1 7,35 3,95 4,97 201310 2,19 2,95 3,09 3,74 6,08 7,72 5,37 7,14 5,62 10,8 6,93 15,2 2,62 5,6 3,49 4,32 201311 2,11 2,89 2,92 3,23 4,69 5,73 5,94 8,06 4,07 4,35 4,03 4,79 2,4 5,17 3,82 5,68 201312 1,99 2,54 2,93 3,78 5,5 8,79 4,85 6,32 3,47 4,32 5,74 12,1 2,5 5,07 2,96 3,64 201401 2,01 2,56 3,27 4,59 5,72 16,2 4,55 6,31 2,81 2,86 5,19 4,41 2,5 5,6 3,49 3,95 201402 2,49 4,56 2,62 3,52 4,12 4,02 5,22 8,69 3,59 3,22 3,92 4,27 3,2 8,21 3,68 4,27 201403 1,98 2,2 2,51 3,08 4,67 8,17 4,49 6,31 4,12 5 4,19 6,18 2,18 4,57 3,47 3,93 201404 1,8 2,35 2,61 3,28 3,96 4,75 5,12 6,97 4,2 6,7 4,62 6,59 2,28 5,04 3,91 5,22 201405 2,02 2,54 3 4,63 4,18 5,13 4,43 6,73 3,45 3,49 4,18 4,94 2,35 5,15 3,61 5,12 201406 2,13 2,68 3,1 4,97 5,71 8,61 4,04 5,59 4,95 7,79 4,7 7,82 2,51 5,68 4,1 5,06 100 D. Validación: Ocupación Mensual a. Unidad de Cuidados Intensivos: Figura A.2: Gráficos de ocupación Unidad de Cuidados Intensivos, Fuente: Elaboración propia b. Intermedios: Figura A.3: Gráficos de ocupación Unidad Intermedios, Fuente: Elaboración propia 101 c. Médico Quirúrgico: Figura A.4: Gráfico de ocupación unidad Médico Quirúrgico, Fuente: Elaboración propia 102 d. Intervalos de confianza diario para cada una de las unidades Tabla A.4: Tiempos de espera por ingreso (horas), Fuente: Elaboración propia Unidades Fecha 01-07-2013 02-07-2013 03-07-2013 04-07-2013 05-07-2013 06-07-2013 07-07-2013 08-07-2013 09-07-2013 10-07-2013 11-07-2013 12-07-2013 13-07-2013 14-07-2013 15-07-2013 16-07-2013 17-07-2013 18-07-2013 19-07-2013 20-07-2013 21-07-2013 22-07-2013 23-07-2013 24-07-2013 25-07-2013 26-07-2013 27-07-2013 28-07-2013 29-07-2013 30-07-2013 31-07-2013 U.C.I. Límite inferior 71,5% 70,7% 72,2% 75,5% 79,3% 83,8% 85,4% 79,6% 80,7% 85,8% 86,0% 88,3% 88,2% 88,2% 83,8% 87,8% 88,2% 88,3% 92,4% 90,5% 92,1% 86,0% 87,8% 88,9% 90,2% 90,3% 94,9% 93,8% 91,6% 93,1% 95,2% Media 77,6% 76,6% 78,4% 81,3% 85,2% 89,2% 90,6% 85,5% 86,6% 91,3% 90,8% 93,2% 92,6% 93,6% 89,1% 92,6% 93,3% 93,2% 96,9% 95,1% 97,0% 91,7% 92,9% 93,4% 95,2% 95,4% 98,9% 98,2% 96,6% 97,7% 99,7% Límite superior 83,7% 82,6% 84,6% 87,0% 91,2% 94,6% 95,7% 91,4% 92,5% 96,7% 95,7% 98,0% 97,1% 99,0% 94,3% 97,4% 98,4% 98,0% 101,3% 99,7% 101,9% 97,3% 98,0% 98,0% 100,2% 100,4% 102,9% 102,7% 101,5% 102,3% 104,3% Intermedios Límite Límite Media inferior superior 43,8% 48,4% 52,9% 54,3% 59,2% 64,2% 60,6% 65,2% 69,8% 62,2% 67,0% 71,7% 67,8% 72,5% 77,1% 70,3% 74,5% 78,8% 57,8% 61,8% 65,8% 57,9% 62,3% 66,6% 64,6% 68,9% 73,2% 68,4% 72,6% 76,7% 70,6% 74,9% 79,3% 74,7% 78,7% 82,8% 75,3% 79,0% 82,8% 63,1% 66,3% 69,5% 62,6% 66,3% 69,9% 68,8% 72,5% 76,2% 72,1% 75,3% 78,5% 73,8% 77,4% 80,9% 77,1% 80,8% 84,5% 77,7% 81,2% 84,7% 63,9% 67,3% 70,7% 64,0% 67,5% 71,0% 69,6% 73,4% 77,2% 73,4% 76,8% 80,2% 74,4% 77,5% 80,6% 77,6% 80,7% 83,7% 77,5% 80,7% 83,9% 65,1% 67,9% 70,7% 63,6% 66,8% 70,0% 70,1% 73,0% 75,8% 73,5% 76,4% 79,2% M.Q. Límite inferior 47,0% 57,8% 63,6% 65,7% 71,3% 73,2% 60,5% 61,0% 67,4% 71,1% 73,6% 77,3% 77,5% 64,6% 64,7% 71,2% 73,8% 75,7% 79,3% 79,9% 66,1% 66,2% 72,0% 75,2% 76,1% 79,3% 79,5% 66,6% 65,7% 71,6% 74,7% Media 48,4% 59,2% 65,2% 67,0% 72,5% 74,5% 61,8% 62,3% 68,9% 72,6% 74,9% 78,7% 79,0% 66,3% 66,3% 72,5% 75,3% 77,4% 80,8% 81,2% 67,3% 67,5% 73,4% 76,8% 77,5% 80,7% 80,7% 67,9% 66,8% 73,0% 76,4% Límite superior 49,7% 60,7% 66,7% 68,2% 73,6% 75,9% 63,1% 63,6% 70,4% 74,0% 76,3% 80,2% 80,5% 67,9% 67,9% 73,8% 76,8% 79,0% 82,3% 82,5% 68,5% 68,7% 74,8% 78,4% 78,8% 82,0% 81,9% 69,2% 67,9% 74,3% 78,0% 103 Unidades Fecha 01-08-2013 02-08-2013 03-08-2013 04-08-2013 05-08-2013 06-08-2013 07-08-2013 08-08-2013 09-08-2013 10-08-2013 11-08-2013 12-08-2013 13-08-2013 14-08-2013 15-08-2013 16-08-2013 17-08-2013 18-08-2013 19-08-2013 20-08-2013 21-08-2013 22-08-2013 23-08-2013 24-08-2013 25-08-2013 26-08-2013 27-08-2013 28-08-2013 29-08-2013 30-08-2013 31-08-2013 01-09-2013 02-09-2013 03-09-2013 04-09-2013 05-09-2013 06-09-2013 U.C.I. Límite inferior 93,1% 92,4% 96,8% 98,5% 97,7% 98,1% 99,3% 98,8% 97,1% 97,0% 100,9% 98,2% 97,7% 100,8% 99,2% 97,8% 97,6% 98,8% 97,3% 96,7% 97,2% 100,0% 100,1% 98,6% 97,6% 98,2% 96,5% 96,5% 95,7% 93,1% 94,5% 96,1% 100,0% 99,9% 101,3% 102,5% 103,2% Media 97,3% 96,3% 100,0% 101,8% 101,1% 101,6% 102,0% 101,5% 100,4% 100,3% 103,6% 101,4% 101,0% 103,4% 101,9% 101,1% 100,3% 101,4% 101,8% 100,8% 101,5% 103,3% 102,9% 101,6% 101,9% 102,5% 100,3% 100,3% 99,3% 97,4% 98,9% 100,0% 104,1% 103,3% 104,6% 105,5% 106,3% Límite superior 101,5% 100,2% 103,2% 105,0% 104,5% 105,2% 104,8% 104,2% 103,7% 103,5% 106,2% 104,5% 104,2% 106,1% 104,6% 104,4% 103,0% 103,9% 106,3% 104,9% 105,8% 106,5% 105,6% 104,7% 106,2% 106,7% 104,1% 104,1% 102,9% 101,7% 103,3% 103,9% 108,2% 106,6% 108,0% 108,4% 109,4% Intermedios Límite Límite Media inferior superior 74,0% 76,8% 79,6% 73,9% 77,1% 80,3% 75,7% 79,1% 82,6% 64,5% 68,4% 72,4% 64,9% 68,4% 72,0% 75,9% 79,8% 83,7% 76,9% 80,8% 84,7% 78,6% 82,6% 86,6% 75,9% 79,8% 83,7% 78,2% 81,9% 85,6% 66,3% 70,0% 73,7% 65,9% 69,8% 73,6% 76,7% 80,3% 83,9% 77,7% 81,6% 85,5% 78,9% 82,8% 86,7% 77,3% 81,0% 84,7% 77,6% 81,4% 85,1% 66,0% 69,8% 73,6% 65,3% 69,4% 73,6% 77,5% 81,7% 85,8% 77,8% 81,9% 85,9% 80,3% 84,2% 88,2% 78,9% 82,6% 86,2% 80,3% 84,0% 87,6% 68,3% 71,8% 75,3% 66,6% 70,7% 74,7% 76,2% 80,6% 85,0% 75,7% 80,4% 85,2% 78,0% 82,6% 87,2% 76,4% 80,9% 85,4% 77,1% 81,2% 85,3% 65,2% 69,3% 73,3% 65,6% 69,4% 73,3% 78,2% 82,1% 86,0% 75,7% 79,1% 82,5% 74,0% 77,3% 80,6% 69,8% 73,2% 76,6% M.Q. Límite inferior 75,3% 75,6% 77,7% 67,1% 67,0% 78,3% 79,3% 81,2% 78,5% 80,4% 68,7% 68,4% 78,9% 80,4% 81,2% 79,4% 79,7% 68,3% 68,0% 80,0% 80,2% 82,5% 80,8% 82,1% 70,3% 69,1% 78,9% 78,6% 81,0% 79,2% 79,4% 67,6% 67,9% 80,6% 77,5% 75,7% 71,8% Media 76,8% 77,1% 79,1% 68,4% 68,4% 79,8% 80,8% 82,6% 79,8% 81,9% 70,0% 69,8% 80,3% 81,6% 82,8% 81,0% 81,4% 69,8% 69,4% 81,7% 81,9% 84,2% 82,6% 84,0% 71,8% 70,7% 80,6% 80,4% 82,6% 80,9% 81,2% 69,3% 69,4% 82,1% 79,1% 77,3% 73,2% Límite superior 78,3% 78,7% 80,5% 69,7% 69,8% 81,3% 82,3% 84,0% 81,2% 83,3% 71,4% 71,1% 81,7% 82,9% 84,4% 82,6% 83,0% 71,2% 70,9% 83,3% 83,5% 86,0% 84,3% 85,8% 73,4% 72,2% 82,3% 82,2% 84,3% 82,6% 82,9% 70,9% 71,0% 83,6% 80,7% 78,8% 74,6% 104 Unidades Fecha 07-09-2013 08-09-2013 09-09-2013 10-09-2013 11-09-2013 12-09-2013 13-09-2013 14-09-2013 15-09-2013 16-09-2013 17-09-2013 18-09-2013 19-09-2013 20-09-2013 21-09-2013 22-09-2013 23-09-2013 24-09-2013 25-09-2013 26-09-2013 27-09-2013 28-09-2013 29-09-2013 30-09-2013 01-10-2013 02-10-2013 03-10-2013 04-10-2013 05-10-2013 06-10-2013 07-10-2013 08-10-2013 09-10-2013 10-10-2013 11-10-2013 12-10-2013 13-10-2013 U.C.I. Límite inferior 101,0% 100,8% 96,9% 97,6% 98,0% 97,8% 96,6% 96,9% 94,8% 94,2% 96,0% 99,6% 98,1% 97,9% 97,9% 94,9% 95,7% 99,1% 98,2% 98,9% 97,5% 95,1% 94,0% 97,6% 96,8% 97,9% 96,1% 91,8% 90,0% 91,5% 94,1% 91,6% 93,2% 94,2% 93,9% 91,7% 92,2% Media 104,8% 104,6% 101,8% 101,8% 102,2% 101,5% 101,2% 101,4% 99,5% 99,3% 100,0% 103,4% 102,0% 101,2% 101,5% 99,3% 99,3% 102,6% 101,1% 103,4% 101,6% 99,2% 98,1% 101,5% 100,3% 101,2% 99,9% 96,9% 95,5% 96,7% 98,9% 96,3% 98,1% 98,5% 98,2% 96,0% 96,3% Límite superior 108,6% 108,5% 106,7% 106,0% 106,4% 105,3% 105,9% 105,9% 104,1% 104,4% 104,0% 107,3% 106,0% 104,5% 105,1% 103,8% 102,9% 106,1% 103,9% 108,0% 105,8% 103,3% 102,2% 105,4% 103,7% 104,6% 103,6% 101,9% 101,0% 102,0% 103,7% 101,1% 103,0% 102,8% 102,6% 100,4% 100,4% Intermedios Límite Límite Media inferior superior 65,1% 68,5% 71,8% 54,2% 57,8% 61,4% 56,6% 60,8% 65,0% 69,3% 73,1% 76,8% 69,4% 72,7% 76,0% 68,2% 71,7% 75,2% 64,7% 68,3% 71,8% 61,1% 64,2% 67,4% 51,2% 54,1% 57,0% 54,2% 57,5% 60,9% 67,0% 70,9% 74,8% 67,0% 70,7% 74,4% 66,2% 70,1% 74,0% 62,6% 66,3% 70,1% 59,5% 63,3% 67,0% 49,4% 52,9% 56,3% 53,1% 56,7% 60,4% 66,5% 70,4% 74,2% 66,0% 69,4% 72,9% 65,1% 68,4% 71,7% 62,7% 65,8% 69,0% 59,9% 63,1% 66,3% 49,5% 53,3% 57,2% 52,2% 56,2% 60,3% 64,8% 68,9% 72,9% 66,3% 70,2% 74,2% 65,6% 68,9% 72,1% 65,4% 68,5% 71,6% 64,4% 67,9% 71,3% 52,5% 56,5% 60,5% 52,1% 56,5% 61,0% 65,7% 70,2% 74,7% 69,4% 73,8% 78,3% 67,6% 71,8% 76,1% 66,0% 70,5% 75,1% 66,3% 70,5% 74,7% 55,2% 59,1% 63,0% M.Q. Límite inferior 67,1% 56,5% 59,4% 71,7% 71,2% 70,0% 66,6% 62,8% 52,6% 56,3% 69,6% 69,2% 68,7% 64,9% 62,0% 51,4% 55,3% 69,1% 68,2% 66,9% 64,4% 61,8% 52,0% 55,0% 67,6% 69,0% 67,6% 67,4% 66,8% 55,4% 55,4% 68,9% 72,4% 70,6% 69,2% 69,0% 57,9% Media 68,5% 57,8% 60,8% 73,1% 72,7% 71,7% 68,3% 64,2% 54,1% 57,5% 70,9% 70,7% 70,1% 66,3% 63,3% 52,9% 56,7% 70,4% 69,4% 68,4% 65,8% 63,1% 53,3% 56,2% 68,9% 70,2% 68,9% 68,5% 67,9% 56,5% 56,5% 70,2% 73,8% 71,8% 70,5% 70,5% 59,1% Límite superior 69,9% 59,1% 62,1% 74,4% 74,1% 73,4% 69,9% 65,7% 55,6% 58,7% 72,3% 72,2% 71,6% 67,7% 64,5% 54,3% 58,2% 71,7% 70,7% 69,9% 67,2% 64,4% 54,6% 57,4% 70,1% 71,5% 70,1% 69,7% 68,9% 57,6% 57,7% 71,6% 75,2% 73,1% 71,8% 72,0% 60,3% 105 Unidades Fecha 14-10-2013 15-10-2013 16-10-2013 17-10-2013 18-10-2013 19-10-2013 20-10-2013 21-10-2013 22-10-2013 23-10-2013 24-10-2013 25-10-2013 26-10-2013 27-10-2013 28-10-2013 29-10-2013 30-10-2013 31-10-2013 01-11-2013 02-11-2013 03-11-2013 04-11-2013 05-11-2013 06-11-2013 07-11-2013 08-11-2013 09-11-2013 10-11-2013 11-11-2013 12-11-2013 13-11-2013 14-11-2013 15-11-2013 16-11-2013 17-11-2013 18-11-2013 19-11-2013 U.C.I. Límite inferior 89,9% 89,7% 91,3% 91,2% 92,7% 93,7% 92,4% 93,5% 94,1% 94,3% 96,9% 96,5% 97,2% 95,6% 97,5% 97,8% 97,5% 99,2% 102,0% 100,8% 100,1% 96,3% 97,1% 97,7% 98,7% 99,0% 96,9% 94,7% 95,5% 97,5% 97,6% 96,0% 99,4% 97,9% 99,1% 96,8% 96,3% Media 94,8% 94,5% 96,3% 95,9% 97,5% 98,2% 96,4% 97,8% 98,5% 98,8% 100,4% 99,9% 100,1% 98,8% 100,3% 101,2% 101,1% 102,0% 104,9% 104,1% 103,1% 100,3% 101,1% 101,1% 102,3% 103,3% 100,7% 99,6% 100,0% 101,0% 101,4% 100,4% 103,3% 101,5% 102,7% 100,3% 100,4% Límite superior 99,7% 99,4% 101,3% 100,6% 102,4% 102,8% 100,5% 102,1% 102,9% 103,3% 103,9% 103,2% 103,1% 101,9% 103,1% 104,6% 104,6% 104,9% 107,9% 107,4% 106,2% 104,2% 105,1% 104,5% 106,0% 107,5% 104,5% 104,5% 104,5% 104,4% 105,1% 104,8% 107,2% 105,1% 106,3% 103,7% 104,5% Intermedios Límite Límite Media inferior superior 54,0% 58,4% 62,9% 67,0% 71,6% 76,2% 69,8% 74,5% 79,2% 69,0% 73,4% 77,8% 66,8% 71,2% 75,6% 65,8% 70,1% 74,5% 54,4% 58,7% 63,1% 53,7% 58,3% 63,0% 67,7% 72,2% 76,8% 70,8% 74,7% 78,6% 69,3% 73,1% 76,9% 66,8% 70,7% 74,5% 66,8% 71,0% 75,1% 56,4% 60,6% 64,9% 55,5% 60,1% 64,8% 69,5% 74,2% 78,9% 71,4% 75,7% 80,1% 70,0% 74,5% 79,1% 67,4% 71,7% 75,9% 65,7% 70,4% 75,1% 53,7% 58,6% 63,4% 54,6% 59,5% 64,3% 66,2% 71,1% 76,0% 71,1% 75,8% 80,5% 74,8% 79,4% 83,9% 75,0% 79,3% 83,7% 69,8% 74,1% 78,3% 56,9% 60,9% 65,0% 55,8% 59,9% 63,9% 66,7% 70,6% 74,6% 71,1% 74,9% 78,7% 73,2% 77,1% 81,0% 74,7% 78,6% 82,6% 69,9% 74,1% 78,3% 56,0% 60,5% 65,0% 55,5% 59,7% 63,8% 65,9% 69,9% 73,9% M.Q. Límite inferior 57,1% 70,2% 73,1% 72,0% 69,9% 68,9% 57,5% 57,2% 71,0% 73,2% 71,6% 69,2% 69,5% 59,1% 58,8% 72,8% 74,3% 73,1% 70,1% 68,9% 57,1% 58,2% 69,7% 74,5% 77,9% 77,9% 72,8% 59,6% 58,7% 69,2% 73,3% 75,8% 77,2% 72,5% 59,2% 58,3% 68,8% Media 58,4% 71,6% 74,5% 73,4% 71,2% 70,1% 58,7% 58,3% 72,2% 74,7% 73,1% 70,7% 71,0% 60,6% 60,1% 74,2% 75,7% 74,5% 71,7% 70,4% 58,6% 59,5% 71,1% 75,8% 79,4% 79,3% 74,1% 60,9% 59,9% 70,6% 74,9% 77,1% 78,6% 74,1% 60,5% 59,7% 69,9% Límite superior 59,8% 73,0% 75,9% 74,8% 72,6% 71,4% 60,0% 59,4% 73,5% 76,1% 74,6% 72,1% 72,5% 62,1% 61,5% 75,6% 77,2% 75,9% 73,3% 71,9% 60,0% 60,8% 72,5% 77,1% 80,8% 80,8% 75,4% 62,3% 61,0% 72,0% 76,4% 78,3% 80,0% 75,7% 61,8% 61,0% 71,1% 106 Unidades Fecha 20-11-2013 21-11-2013 22-11-2013 23-11-2013 24-11-2013 25-11-2013 26-11-2013 27-11-2013 28-11-2013 29-11-2013 30-11-2013 01-12-2013 02-12-2013 03-12-2013 04-12-2013 05-12-2013 06-12-2013 07-12-2013 08-12-2013 09-12-2013 10-12-2013 11-12-2013 12-12-2013 13-12-2013 14-12-2013 15-12-2013 16-12-2013 17-12-2013 18-12-2013 19-12-2013 20-12-2013 21-12-2013 22-12-2013 23-12-2013 24-12-2013 25-12-2013 26-12-2013 U.C.I. Límite inferior 94,0% 95,9% 95,6% 95,8% 95,3% 92,6% 93,4% 92,1% 94,3% 91,3% 94,6% 95,6% 93,9% 93,3% 91,8% 89,2% 91,8% 92,7% 91,7% 91,7% 91,6% 89,7% 87,4% 87,2% 87,3% 84,3% 86,7% 83,1% 79,2% 82,3% 80,4% 83,0% 84,9% 86,4% 86,3% 84,6% 80,3% Media 98,1% 100,0% 99,9% 100,5% 100,1% 97,8% 98,2% 97,0% 98,6% 95,9% 99,2% 99,7% 98,6% 97,4% 95,9% 94,1% 96,2% 97,1% 96,2% 95,6% 96,4% 94,0% 92,2% 92,2% 92,3% 89,5% 91,5% 88,9% 85,2% 88,0% 86,3% 88,4% 89,9% 90,7% 91,3% 89,6% 86,1% Límite superior 102,2% 104,1% 104,1% 105,3% 105,0% 103,0% 103,0% 101,9% 102,9% 100,5% 103,7% 103,8% 103,4% 101,5% 100,0% 99,1% 100,5% 101,6% 100,6% 99,6% 101,3% 98,3% 97,0% 97,2% 97,4% 94,6% 96,3% 94,7% 91,3% 93,7% 92,2% 93,8% 94,9% 95,1% 96,3% 94,6% 91,9% Intermedios Límite Límite Media inferior superior 70,7% 74,3% 77,9% 72,0% 76,0% 79,9% 73,4% 77,3% 81,1% 69,0% 72,8% 76,5% 55,6% 59,1% 62,7% 54,6% 58,6% 62,5% 66,3% 70,3% 74,4% 71,8% 75,7% 79,6% 73,2% 77,3% 81,3% 73,5% 77,8% 82,0% 69,5% 73,4% 77,3% 56,5% 60,8% 65,0% 53,0% 58,1% 63,1% 58,4% 63,3% 68,2% 58,5% 63,3% 68,0% 63,1% 67,6% 72,1% 65,4% 69,8% 74,1% 68,3% 72,8% 77,3% 56,0% 59,9% 63,7% 53,2% 57,5% 61,8% 58,7% 63,1% 67,5% 58,9% 63,4% 67,8% 63,1% 67,9% 72,6% 66,0% 70,6% 75,2% 68,7% 72,7% 76,8% 55,9% 60,0% 64,1% 52,3% 56,6% 60,9% 58,3% 62,7% 67,2% 58,0% 62,3% 66,6% 63,6% 67,5% 71,3% 67,3% 70,6% 73,9% 70,1% 73,0% 75,9% 57,0% 59,8% 62,6% 53,8% 56,6% 59,4% 60,4% 63,5% 66,5% 60,6% 63,5% 66,4% 64,2% 67,1% 70,1% M.Q. Límite inferior 73,1% 74,6% 75,8% 71,5% 57,8% 57,2% 69,3% 74,5% 76,0% 76,2% 72,1% 59,5% 56,9% 62,1% 62,2% 66,4% 68,5% 71,4% 58,4% 56,2% 61,8% 61,9% 66,5% 69,3% 71,1% 58,5% 55,2% 61,3% 60,9% 66,1% 69,4% 71,6% 58,4% 55,4% 62,1% 62,1% 65,7% Media 74,3% 76,0% 77,3% 72,8% 59,1% 58,6% 70,3% 75,7% 77,3% 77,8% 73,4% 60,8% 58,1% 63,3% 63,3% 67,6% 69,8% 72,8% 59,9% 57,5% 63,1% 63,4% 67,9% 70,6% 72,7% 60,0% 56,6% 62,7% 62,3% 67,5% 70,6% 73,0% 59,8% 56,6% 63,5% 63,5% 67,1% Límite superior 75,5% 77,4% 78,7% 74,0% 60,5% 59,9% 71,4% 76,9% 78,6% 79,3% 74,7% 62,1% 59,2% 64,5% 64,3% 68,7% 71,0% 74,2% 61,4% 58,8% 64,5% 64,9% 69,2% 71,9% 74,4% 61,5% 58,0% 64,2% 63,6% 68,9% 71,8% 74,5% 61,2% 57,8% 64,8% 65,0% 68,5% 107 Unidades Fecha 27-12-2013 28-12-2013 29-12-2013 30-12-2013 31-12-2013 01-01-2014 02-01-2014 03-01-2014 04-01-2014 05-01-2014 06-01-2014 07-01-2014 08-01-2014 09-01-2014 10-01-2014 11-01-2014 12-01-2014 13-01-2014 14-01-2014 15-01-2014 16-01-2014 17-01-2014 18-01-2014 19-01-2014 20-01-2014 21-01-2014 22-01-2014 23-01-2014 24-01-2014 25-01-2014 26-01-2014 27-01-2014 28-01-2014 29-01-2014 30-01-2014 31-01-2014 01-02-2014 U.C.I. Límite inferior 81,3% 77,8% 76,6% 78,1% 77,0% 75,7% 79,0% 81,7% 81,7% 80,5% 82,1% 81,1% 83,5% 82,4% 83,5% 83,4% 84,2% 81,6% 81,8% 85,2% 80,2% 82,7% 78,6% 77,1% 76,1% 76,1% 82,1% 81,6% 81,7% 76,9% 78,2% 75,1% 73,3% 79,1% 80,3% 81,3% 79,1% Media 87,0% 83,9% 82,1% 84,3% 82,9% 81,6% 85,2% 87,7% 87,2% 86,6% 87,7% 87,0% 88,8% 87,7% 88,5% 88,8% 89,1% 87,0% 87,0% 90,4% 85,7% 87,4% 84,3% 82,9% 81,8% 81,8% 87,6% 87,4% 87,4% 82,9% 84,2% 81,3% 79,9% 85,1% 86,3% 87,2% 84,6% Límite superior 92,8% 90,0% 87,6% 90,5% 88,9% 87,4% 91,5% 93,7% 92,7% 92,7% 93,3% 92,9% 94,1% 93,0% 93,5% 94,2% 93,9% 92,4% 92,2% 95,6% 91,1% 92,1% 90,0% 88,7% 87,6% 87,6% 93,0% 93,3% 93,1% 88,9% 90,1% 87,5% 86,5% 91,1% 92,4% 93,0% 90,0% Intermedios Límite Límite Media inferior superior 66,8% 70,1% 73,3% 67,9% 71,2% 74,4% 56,3% 59,5% 62,6% 53,2% 56,4% 59,5% 58,8% 62,2% 65,6% 56,9% 60,5% 64,1% 59,1% 62,4% 65,7% 62,2% 65,3% 68,4% 60,2% 63,3% 66,5% 51,1% 54,0% 56,8% 50,6% 53,8% 57,0% 60,0% 63,8% 67,5% 61,8% 65,4% 68,9% 61,4% 64,7% 68,0% 63,0% 66,5% 70,1% 60,0% 63,5% 67,0% 50,7% 54,4% 58,1% 51,0% 54,5% 58,1% 61,6% 65,1% 68,5% 63,1% 66,4% 69,8% 62,7% 66,2% 69,6% 65,3% 68,5% 71,8% 62,4% 65,5% 68,7% 52,7% 55,9% 59,2% 51,9% 54,8% 57,8% 62,2% 65,2% 68,2% 63,1% 66,1% 69,2% 62,7% 65,5% 68,3% 65,1% 67,5% 69,9% 62,6% 65,3% 67,9% 52,7% 55,8% 58,9% 51,5% 54,8% 58,1% 61,9% 65,4% 68,8% 62,6% 66,3% 70,0% 62,8% 66,1% 69,4% 65,0% 68,4% 71,8% 60,3% 63,8% 67,4% M.Q. Límite inferior 68,5% 69,9% 58,2% 55,0% 60,8% 59,2% 61,1% 64,1% 62,0% 52,8% 52,7% 62,4% 64,1% 63,5% 65,2% 62,2% 53,2% 53,2% 63,8% 65,2% 64,7% 67,3% 64,3% 54,6% 53,6% 64,0% 65,0% 64,2% 66,2% 64,0% 54,5% 53,5% 64,0% 64,8% 64,7% 67,0% 62,6% Media 70,1% 71,2% 59,5% 56,4% 62,2% 60,5% 62,4% 65,3% 63,3% 54,0% 53,8% 63,8% 65,4% 64,7% 66,5% 63,5% 54,4% 54,5% 65,1% 66,4% 66,2% 68,5% 65,5% 55,9% 54,8% 65,2% 66,1% 65,5% 67,5% 65,3% 55,8% 54,8% 65,4% 66,3% 66,1% 68,4% 63,8% Límite superior 71,6% 72,4% 60,8% 57,7% 63,6% 61,8% 63,8% 66,5% 64,6% 55,2% 55,0% 65,1% 66,6% 66,0% 67,9% 64,8% 55,6% 55,9% 66,3% 67,7% 67,6% 69,8% 66,7% 57,2% 56,0% 66,3% 67,3% 66,8% 68,8% 66,5% 57,1% 56,1% 66,8% 67,8% 67,6% 69,9% 65,1% 108 Unidades Fecha 02-02-2014 03-02-2014 04-02-2014 05-02-2014 06-02-2014 07-02-2014 08-02-2014 09-02-2014 10-02-2014 11-02-2014 12-02-2014 13-02-2014 14-02-2014 15-02-2014 16-02-2014 17-02-2014 18-02-2014 19-02-2014 20-02-2014 21-02-2014 22-02-2014 23-02-2014 24-02-2014 25-02-2014 26-02-2014 27-02-2014 28-02-2014 01-03-2014 02-03-2014 03-03-2014 04-03-2014 05-03-2014 06-03-2014 07-03-2014 08-03-2014 09-03-2014 10-03-2014 U.C.I. Límite inferior 75,4% 77,7% 78,5% 74,4% 73,7% 70,0% 63,5% 62,5% 65,3% 69,9% 69,1% 69,2% 66,9% 60,2% 61,4% 61,9% 64,8% 61,5% 62,1% 61,4% 61,3% 61,9% 60,3% 59,3% 59,8% 64,6% 61,2% 58,0% 60,0% 62,6% 67,7% 70,7% 73,4% 74,4% 72,7% 73,1% 79,2% Media 81,3% 83,2% 84,4% 80,6% 79,6% 76,2% 70,5% 69,5% 72,1% 76,8% 75,3% 75,3% 73,0% 66,7% 67,6% 67,9% 70,8% 67,2% 68,2% 67,3% 67,3% 67,3% 66,0% 65,6% 65,7% 70,1% 66,3% 63,0% 64,9% 68,0% 74,3% 76,6% 79,1% 80,2% 78,4% 79,5% 84,7% Límite superior 87,2% 88,7% 90,3% 86,8% 85,6% 82,5% 77,5% 76,5% 79,0% 83,6% 81,4% 81,4% 79,0% 73,1% 73,9% 73,9% 76,7% 72,9% 74,3% 73,3% 73,4% 72,8% 71,7% 71,8% 71,7% 75,6% 71,3% 68,0% 69,7% 73,5% 80,9% 82,6% 84,8% 86,0% 84,2% 85,9% 90,2% Intermedios Límite Límite Media inferior superior 45,2% 49,0% 52,7% 41,6% 45,3% 48,9% 46,2% 50,3% 54,5% 45,6% 49,8% 54,0% 47,6% 51,9% 56,3% 45,0% 49,5% 54,0% 42,0% 46,2% 50,5% 33,6% 38,2% 42,8% 33,6% 38,8% 44,0% 41,0% 46,3% 51,5% 42,1% 47,3% 52,5% 44,1% 49,3% 54,5% 42,0% 47,2% 52,4% 39,9% 44,7% 49,5% 33,8% 38,2% 42,6% 34,7% 39,2% 43,6% 41,1% 45,6% 50,0% 41,9% 46,4% 50,8% 43,8% 48,2% 52,7% 41,6% 46,2% 50,8% 39,2% 43,7% 48,3% 32,7% 37,5% 42,2% 33,1% 37,9% 42,7% 40,5% 45,0% 49,6% 42,4% 47,1% 51,7% 44,6% 49,1% 53,7% 42,7% 47,1% 51,5% 42,2% 46,8% 51,5% 36,2% 41,0% 45,8% 42,3% 47,4% 52,4% 55,7% 60,7% 65,7% 60,8% 65,7% 70,6% 64,5% 69,4% 74,3% 63,4% 68,2% 73,0% 63,6% 68,3% 72,9% 47,2% 51,5% 55,7% 48,3% 52,3% 56,3% M.Q. Límite inferior 47,7% 43,9% 48,9% 48,6% 50,5% 48,3% 44,9% 37,0% 37,6% 44,9% 46,0% 48,2% 46,0% 43,2% 36,9% 38,0% 44,3% 45,1% 47,0% 45,0% 42,6% 36,4% 36,8% 44,0% 46,0% 48,0% 45,8% 45,6% 39,8% 46,1% 59,3% 64,3% 68,3% 66,8% 66,9% 50,2% 51,0% Media 49,0% 45,3% 50,3% 49,8% 51,9% 49,5% 46,2% 38,2% 38,8% 46,3% 47,3% 49,3% 47,2% 44,7% 38,2% 39,2% 45,6% 46,4% 48,2% 46,2% 43,7% 37,5% 37,9% 45,0% 47,1% 49,1% 47,1% 46,8% 41,0% 47,4% 60,7% 65,7% 69,4% 68,2% 68,3% 51,5% 52,3% Límite superior 50,3% 46,6% 51,8% 51,0% 53,4% 50,6% 47,5% 39,5% 40,0% 47,6% 48,6% 50,5% 48,3% 46,1% 39,5% 40,3% 46,8% 47,6% 49,4% 47,4% 44,9% 38,6% 39,0% 46,0% 48,1% 50,3% 48,3% 48,1% 42,1% 48,7% 62,0% 67,0% 70,6% 69,6% 69,6% 52,7% 53,6% 109 Unidades Fecha 11-03-2014 12-03-2014 13-03-2014 14-03-2014 15-03-2014 16-03-2014 17-03-2014 18-03-2014 19-03-2014 20-03-2014 21-03-2014 22-03-2014 23-03-2014 24-03-2014 25-03-2014 26-03-2014 27-03-2014 28-03-2014 29-03-2014 30-03-2014 31-03-2014 01-04-2014 02-04-2014 03-04-2014 04-04-2014 05-04-2014 06-04-2014 07-04-2014 08-04-2014 09-04-2014 10-04-2014 11-04-2014 12-04-2014 13-04-2014 14-04-2014 15-04-2014 16-04-2014 U.C.I. Límite inferior 79,8% 83,1% 80,7% 79,7% 80,4% 83,9% 87,4% 90,0% 91,7% 90,4% 88,3% 85,8% 85,5% 88,3% 90,4% 92,1% 91,7% 92,9% 91,4% 94,6% 95,5% 96,1% 95,1% 95,6% 91,2% 93,4% 88,7% 87,0% 85,3% 90,0% 90,3% 91,1% 91,2% 89,7% 86,2% 89,0% 89,2% Media 85,1% 88,7% 86,3% 85,0% 85,4% 88,5% 91,5% 94,7% 95,8% 94,3% 92,9% 90,7% 90,3% 92,3% 94,9% 96,3% 95,4% 96,7% 95,5% 98,4% 98,6% 99,0% 98,5% 99,5% 95,5% 97,3% 93,2% 92,2% 91,0% 95,1% 94,7% 95,5% 95,4% 94,0% 91,5% 93,3% 93,7% Límite superior 90,5% 94,2% 91,9% 90,3% 90,4% 93,1% 95,7% 99,3% 99,8% 98,1% 97,5% 95,6% 95,1% 96,4% 99,5% 100,5% 99,0% 100,6% 99,5% 102,1% 101,8% 102,0% 101,9% 103,3% 99,8% 101,1% 97,6% 97,4% 96,6% 100,1% 99,0% 99,8% 99,5% 98,3% 96,9% 97,7% 98,3% Intermedios Límite Límite Media inferior superior 58,0% 62,2% 66,4% 61,8% 66,0% 70,2% 65,5% 69,7% 73,8% 63,1% 66,9% 70,7% 64,9% 68,3% 71,8% 48,7% 51,6% 54,6% 48,0% 51,1% 54,2% 59,0% 62,3% 65,5% 62,7% 65,9% 69,2% 64,2% 67,6% 71,1% 62,8% 66,5% 70,1% 63,7% 67,2% 70,6% 47,4% 51,0% 54,5% 46,2% 49,8% 53,3% 57,1% 61,0% 65,0% 60,2% 63,7% 67,2% 64,7% 68,1% 71,6% 64,1% 67,5% 70,9% 65,4% 68,2% 71,0% 48,6% 51,3% 54,0% 48,5% 51,2% 54,0% 59,1% 61,9% 64,7% 60,8% 63,4% 66,0% 61,0% 63,7% 66,5% 62,3% 64,5% 66,8% 57,4% 59,9% 62,4% 45,9% 48,2% 50,5% 49,5% 52,0% 54,5% 59,9% 62,3% 64,7% 61,0% 63,2% 65,3% 62,4% 64,7% 66,9% 61,9% 64,4% 66,9% 56,9% 59,4% 61,9% 44,5% 46,9% 49,4% 47,0% 49,6% 52,2% 57,9% 60,3% 62,7% 60,3% 62,5% 64,7% M.Q. Límite inferior 61,1% 64,8% 68,4% 65,7% 67,1% 50,4% 50,0% 61,1% 64,7% 66,3% 65,2% 65,9% 49,7% 48,6% 59,9% 62,4% 66,7% 66,1% 66,8% 50,0% 50,1% 60,8% 62,1% 62,5% 63,1% 58,5% 46,8% 50,8% 61,0% 61,9% 63,4% 63,2% 58,1% 45,8% 48,3% 59,0% 61,4% Media 62,2% 66,0% 69,7% 66,9% 68,3% 51,6% 51,1% 62,3% 65,9% 67,6% 66,5% 67,2% 51,0% 49,8% 61,0% 63,7% 68,1% 67,5% 68,2% 51,3% 51,2% 61,9% 63,4% 63,7% 64,5% 59,9% 48,2% 52,0% 62,3% 63,2% 64,7% 64,4% 59,4% 46,9% 49,6% 60,3% 62,5% Límite superior 63,3% 67,2% 70,9% 68,1% 69,6% 52,9% 52,2% 63,4% 67,2% 68,9% 67,7% 68,4% 52,2% 51,0% 62,2% 64,9% 69,6% 68,9% 69,5% 52,6% 52,4% 63,0% 64,7% 65,0% 65,9% 61,4% 49,6% 53,1% 63,7% 64,4% 65,9% 65,6% 60,7% 48,1% 51,0% 61,6% 63,6% 110 Unidades Fecha 17-04-2014 18-04-2014 19-04-2014 20-04-2014 21-04-2014 22-04-2014 23-04-2014 24-04-2014 25-04-2014 26-04-2014 27-04-2014 28-04-2014 29-04-2014 30-04-2014 01-05-2014 02-05-2014 03-05-2014 04-05-2014 05-05-2014 06-05-2014 07-05-2014 08-05-2014 09-05-2014 10-05-2014 11-05-2014 12-05-2014 13-05-2014 14-05-2014 15-05-2014 16-05-2014 17-05-2014 18-05-2014 19-05-2014 20-05-2014 21-05-2014 22-05-2014 23-05-2014 U.C.I. Límite inferior 88,6% 91,3% 92,4% 92,3% 88,6% 89,7% 90,7% 88,8% 85,9% 91,3% 88,1% 85,3% 87,5% 91,7% 89,3% 86,7% 89,2% 88,6% 90,9% 90,9% 94,1% 93,2% 92,0% 90,8% 89,7% 87,4% 89,0% 88,2% 90,4% 86,4% 84,7% 85,1% 81,8% 82,9% 86,0% 86,6% 81,8% Media 93,2% 95,5% 96,7% 96,7% 93,6% 94,3% 95,5% 93,2% 91,0% 96,4% 93,3% 91,0% 92,3% 96,4% 94,3% 92,1% 94,3% 93,3% 94,9% 95,1% 98,1% 97,5% 96,2% 95,2% 94,4% 92,5% 94,0% 93,0% 94,9% 91,5% 89,9% 90,4% 87,4% 89,1% 91,4% 92,1% 88,0% Límite superior 97,7% 99,7% 101,0% 101,2% 98,5% 98,8% 100,3% 97,6% 96,0% 101,5% 98,5% 96,6% 97,2% 101,2% 99,2% 97,4% 99,3% 98,0% 99,0% 99,2% 102,0% 101,8% 100,3% 99,7% 99,1% 97,6% 99,0% 97,9% 99,5% 96,7% 95,1% 95,7% 93,1% 95,2% 96,8% 97,5% 94,2% Intermedios Límite Límite Media inferior superior 62,9% 64,6% 66,3% 62,9% 64,2% 65,5% 58,3% 59,6% 60,9% 47,2% 48,6% 50,0% 50,2% 51,5% 52,9% 59,9% 61,7% 63,6% 61,2% 62,7% 64,3% 63,4% 64,6% 65,9% 64,6% 65,6% 66,6% 58,8% 59,6% 60,4% 47,1% 48,2% 49,3% 48,5% 50,4% 52,3% 59,5% 61,2% 62,9% 60,5% 62,6% 64,7% 62,2% 64,0% 65,9% 62,1% 63,6% 65,1% 60,1% 61,3% 62,5% 47,9% 49,2% 50,5% 49,6% 50,9% 52,2% 61,8% 63,4% 65,0% 63,9% 65,9% 67,9% 66,0% 68,1% 70,3% 65,0% 67,2% 69,4% 61,4% 63,9% 66,5% 49,1% 51,6% 54,0% 50,5% 53,2% 55,9% 62,5% 65,0% 67,5% 64,1% 66,7% 69,3% 66,2% 68,9% 71,5% 64,9% 68,3% 71,7% 61,4% 64,8% 68,2% 48,2% 51,6% 55,0% 49,7% 53,1% 56,6% 60,7% 64,2% 67,6% 62,5% 66,1% 69,8% 64,0% 67,6% 71,1% 62,5% 66,2% 69,9% M.Q. Límite inferior 63,2% 62,9% 58,4% 47,2% 50,3% 60,4% 61,3% 63,4% 64,2% 58,4% 46,9% 49,3% 59,9% 61,5% 62,7% 62,2% 60,1% 48,0% 49,8% 62,4% 64,6% 66,6% 65,7% 62,8% 50,4% 51,9% 63,8% 65,5% 67,3% 66,9% 63,1% 50,1% 51,7% 62,5% 64,5% 66,1% 64,9% Media 64,6% 64,2% 59,6% 48,6% 51,5% 61,7% 62,7% 64,6% 65,6% 59,6% 48,2% 50,4% 61,2% 62,6% 64,0% 63,6% 61,3% 49,2% 50,9% 63,4% 65,9% 68,1% 67,2% 63,9% 51,6% 53,2% 65,0% 66,7% 68,9% 68,3% 64,8% 51,6% 53,1% 64,2% 66,1% 67,6% 66,2% Límite superior 66,0% 65,5% 60,7% 49,9% 52,8% 63,1% 64,1% 65,9% 66,9% 60,8% 49,5% 51,5% 62,6% 63,7% 65,3% 64,9% 62,5% 50,4% 52,0% 64,4% 67,3% 69,7% 68,7% 65,1% 52,7% 54,5% 66,2% 68,0% 70,4% 69,8% 66,5% 53,1% 54,5% 65,8% 67,7% 69,0% 67,5% 111 Unidades Fecha 24-05-2014 25-05-2014 26-05-2014 27-05-2014 28-05-2014 29-05-2014 30-05-2014 31-05-2014 01-06-2014 02-06-2014 03-06-2014 04-06-2014 05-06-2014 06-06-2014 07-06-2014 08-06-2014 09-06-2014 10-06-2014 11-06-2014 12-06-2014 13-06-2014 14-06-2014 15-06-2014 16-06-2014 17-06-2014 18-06-2014 19-06-2014 20-06-2014 21-06-2014 22-06-2014 23-06-2014 24-06-2014 25-06-2014 26-06-2014 27-06-2014 28-06-2014 29-06-2014 U.C.I. Límite inferior 80,4% 79,6% 78,3% 77,8% 81,5% 83,2% 79,0% 82,4% 79,3% 78,1% 73,8% 69,7% 72,1% 74,7% 80,7% 85,5% 85,5% 78,7% 76,3% 75,9% 75,6% 83,3% 89,1% 86,4% 84,2% 81,6% 80,5% 81,1% 87,9% 93,0% 89,6% 88,7% 86,5% 86,3% 85,9% 87,6% 95,3% Media 86,7% 85,8% 84,4% 83,7% 87,6% 89,6% 85,4% 87,4% 84,7% 83,6% 79,8% 76,1% 78,4% 80,6% 85,8% 90,7% 90,8% 84,4% 81,8% 81,6% 81,8% 88,4% 93,2% 90,7% 89,2% 86,3% 85,7% 86,5% 92,6% 97,7% 94,4% 93,4% 91,4% 91,4% 91,3% 93,2% 99,9% Límite superior 93,1% 92,0% 90,6% 89,7% 93,6% 96,1% 91,7% 92,5% 90,1% 89,2% 85,7% 82,5% 84,7% 86,5% 90,8% 95,9% 96,2% 90,2% 87,4% 87,2% 88,0% 93,5% 97,3% 95,0% 94,3% 91,1% 90,8% 91,9% 97,3% 102,3% 99,2% 98,2% 96,3% 96,5% 96,6% 98,8% 104,5% Intermedios Límite Límite Media inferior superior 60,2% 64,5% 68,8% 47,4% 51,6% 55,7% 49,3% 53,0% 56,8% 61,3% 64,9% 68,4% 63,2% 67,3% 71,4% 65,0% 69,4% 73,7% 64,0% 68,4% 72,7% 61,1% 65,3% 69,5% 49,1% 52,9% 56,6% 52,0% 56,2% 60,4% 64,6% 68,9% 73,2% 71,8% 76,2% 80,6% 73,1% 77,7% 82,3% 75,2% 79,5% 83,9% 70,8% 75,2% 79,7% 58,2% 62,6% 66,9% 59,1% 63,6% 68,1% 69,1% 73,7% 78,3% 75,5% 79,9% 84,3% 75,1% 79,3% 83,5% 77,0% 81,3% 85,5% 73,7% 77,9% 82,0% 60,5% 64,4% 68,4% 60,3% 64,5% 68,7% 72,4% 76,3% 80,2% 75,7% 79,8% 83,8% 77,8% 81,9% 85,9% 78,6% 82,6% 86,5% 75,2% 78,8% 82,5% 60,8% 64,7% 68,6% 60,8% 65,2% 69,5% 72,3% 76,6% 80,9% 77,8% 82,0% 86,1% 79,1% 83,5% 88,0% 80,1% 84,4% 88,6% 76,0% 79,8% 83,7% 62,0% 66,1% 70,3% M.Q. Límite inferior 63,1% 50,3% 51,7% 63,7% 66,1% 68,0% 67,1% 64,1% 51,5% 54,9% 67,6% 74,7% 76,2% 78,3% 74,0% 61,2% 62,2% 72,3% 78,3% 77,7% 79,8% 76,2% 63,0% 63,1% 74,8% 78,3% 80,4% 81,0% 77,3% 63,3% 63,8% 75,2% 80,4% 82,0% 82,8% 78,2% 64,5% Media 64,5% 51,6% 53,0% 64,9% 67,3% 69,4% 68,4% 65,3% 52,9% 56,2% 68,9% 76,2% 77,7% 79,5% 75,2% 62,6% 63,6% 73,7% 79,9% 79,3% 81,3% 77,9% 64,4% 64,5% 76,3% 79,8% 81,9% 82,6% 78,8% 64,7% 65,2% 76,6% 82,0% 83,5% 84,4% 79,8% 66,1% Límite superior 65,8% 52,9% 54,4% 66,0% 68,5% 70,8% 69,7% 66,4% 54,2% 57,4% 70,1% 77,8% 79,2% 80,8% 76,5% 64,0% 65,1% 75,2% 81,5% 80,9% 82,7% 79,5% 65,9% 66,0% 77,8% 81,3% 83,3% 84,1% 80,4% 66,1% 66,5% 78,1% 83,5% 85,1% 86,0% 81,4% 67,7% 112 E. Resultados En este documento, se presentará el comportamiento de las variables de Output con un mayor detalle que los mostrados en el cuerpo de éste informe, y con los que se obtuvieron dichos resultados. a. Resumen de los resultados: Ocupación de escenarios Tabla A.5: Ocupación U.C.I., para los distintos escenarios, Fuente: Elaboración Propia Complejidad U.C.I. Escenario jul-13 ago-13 sep-13 oct-13 nov-13 dic-13 ene-14 feb-14 mar-14 abr-14 may-14 jun-14 Actual 91% 101% 98% 96% 92% 91% 86% 69% 81% 90% 93% 86% Hospitalista 1 83% 89% 94% 94% 95% 74% 70% 54% 71% 73% 67% 68% Hospitalista 2 61% 60% 59% 56% 59% 46% 44% 41% 56% 52% 46% 48% Optimizado 71% 79% 80% 77% 77% 66% 66% 53% 66% 74% 69% 74% Hospitalista 1 Optimizado 66% 69% 65% 64% 68% 57% 56% 41% 60% 57% 58% 61% Tabla A.6: Ocupación Intermedios., para los distintos escenarios, Fuente: Elaboración Propia Complejidad Intermedios Escenario jul-13 ago-13 sep-13 oct-13 nov-13 dic-13 ene-14 feb-14 mar-14 abr-14 may-14 jun-14 Actual 82% 82% 87% 81% 69% 89% 92% 75% 94% 99% 97% 90% Hospitalista 1 72% 75% 77% 70% 71% 90% 80% 68% 88% 83% 79% 74% Hospitalista 2 57% 54% 56% 52% 44% 55% 58% 45% 61% 60% 57% 53% Optimizado 74% 79% 75% 72% 72% 84% 87% 70% 80% 89% 85% 79% Hospitalista 1 Optimizado 67% 64% 61% 59% 53% 68% 69% 51% 75% 75% 64% 57% Tabla A.7: Ocupación M.Q., para los distintos escenarios, Fuente: Elaboración Propia Complejidad M.Q. Escenario jul-13 ago-13 sep-13 oct-13 nov-13 dic-13 ene-14 feb-14 mar-14 abr-14 may-14 jun-14 Actual 71% 78% 67% 69% 69% 65% 65% 45% 60% 61% 62% 74% Hospitalista 1 61% 64% 55% 57% 59% 55% 54% 39% 51% 50% 52% 63% Hospitalista 2 42% 46% 38% 41% 41% 38% 37% 27% 36% 35% 37% 46% Optimizado 77% 83% 71% 72% 74% 68% 68% 48% 63% 64% 65% 79% Hospitalista 1 Optimizado 65% 69% 59% 62% 63% 58% 57% 41% 56% 55% 55% 67% 113 b. Resultados: Optimización del escenario actual i. Unidad de Cuidados Intensivos: Figura A.5: Gráfico de ocupación Unidad de Cuidados Intensivos, Fuente: Elaboración propia ii. Intermedios: Figura A.6: Gráfico de ocupación unidad Intermedios, Fuente: Elaboración propia 114 iii. Médico Quirúrgico: Figura A.7: Gráfico de ocupación unidad Médico Quirúrgico, Fuente: Elaboración propia c. Resultados: Modelo Hospitalista i. Unidad de Cuidados Intensivos Figura A.8: Gráfico ocupación Unidad de Cuidados Intensivos, Fuente: Elaboración propia 115 ii. Intermedios Figura A.9: Gráfico ocupación unidad Intermedios, Fuente: Elaboración propia iii. Médico Quirúrgico Figura A.10: Gráfico ocupación unidad Médico Quirúrgico, Fuente: Elaboración propia 116 d. Resultados: Modelo Hospitalista Optimizado i. Unidad de Cuidados Intensivos Figura A.11: Gráfico ocupación Unidad de Cuidados Intensivos, Fuente: Elaboración propia ii. Intermedios Figura A.12: Gráfico ocupación unidad Intermedios, Fuente: Elaboración propia 117 iii. Médico Quirúrgico Figura A.13: Gráfico ocupación unidad Médico Quirúrgico, Fuente: Elaboración propia e. Resumen de los resultados: Tiempos de espera por Ingreso Tabla A.8: Tiempos de espera por ingreso según procedencia para los distintos escenarios, Fuente: Elaboración propia Tiempo de Espera por Ingreso (horas) Procedencia Actual Hospitalista 1 Hospitalista 2 Optimizado Hospitalista 1 Optimizado Programado 1,67 0,36 0,01 1,10 0,15 No Programado 10,02 1,23 0,01 7,34 1,15 118 f. Resumen de los resultados: Tiempos de estadía (días) Tabla A.9: Tiempos de estadía (días) de los pacientes por complejidad para cada escenario, Fuente: Elaboración propia Escenario Actual Hospitalista 1 Hospitalista 2 Optimo Hospitalista 1 Optimo Complejidad jul-13 ago-13 sep-13 oct-13 nov-13 dic-13 ene-14 feb-14 mar-14 abr-14 may-14 jun-14 U.C.I. 3.8 7.4 6.9 5.3 7.5 3.3 4.0 3.9 4.0 4.6 4.6 4.3 Intermedios 3.8 3.7 5.2 5.2 3.4 7.5 3.9 4.5 3.8 4.1 4.2 3.9 M.Q. 3.0 2.8 2.4 2.8 2.8 2.4 2.6 2.8 2.5 2.3 2.4 2.5 U.C.I. 3.6 3.9 3.4 3.4 8.2 2.3 3.1 3.2 3.6 3.3 2.7 3.4 Intermedios 3.9 3.1 4.3 4.7 4.1 6.3 3.4 3.9 3.4 3.7 3.5 3.3 M.Q. 2.7 2.4 2.1 2.5 2.4 2.3 2.2 2.5 2.2 2.0 2.1 2.3 U.C.I. 3.0 2.6 2.0 1.4 4.2 1.7 1.8 2.1 2.2 3.2 2.1 2.2 Intermedios 3.2 2.4 3.1 3.5 2.2 4.4 2.5 3.0 2.3 2.5 2.6 2.6 M.Q. 2.0 1.8 1.4 1.8 1.7 1.6 1.6 1.8 1.5 1.4 1.5 1.6 U.C.I. 5.0 4.8 8.4 3.8 7.6 2.6 4.0 4.4 3.8 4.3 3.8 4.1 Intermedios 4.1 4.0 5.0 5.6 3.6 7.7 3.9 4.9 3.9 4.3 3.9 3.9 M.Q. 3.1 2.8 2.3 2.8 2.7 2.5 2.5 2.8 2.4 2.3 2.4 2.6 U.C.I. 3.9 3.7 3.6 1.9 7.5 2.9 3.6 3.4 2.8 3.1 2.6 3.0 Intermedios 3.8 3.2 4.2 4.6 3.4 6.2 3.5 4.0 3.4 3.7 3.5 3.3 M.Q. 2.7 2.4 2.0 2.5 2.4 2.1 2.2 2.4 2.1 2.1 2.1 2.3 119 g. Tiempos de espera según procedencia y escenario Tabla A.10: Tiempos de espera por ingresos de pacientes programados (horas de espera), Fuente: Elaboración propia Mes Julio 2013 Agosto 2013 Septiembre 2013 Octubre 2013 Noviembre 2013 Diciembre 2013 Enero 2014 Febrero 2014 Marzo 2014 Abril 2014 Mayo 2014 Junio 2014 Actual Optimizado 0,29 1,46 2,36 2,72 4,34 4,98 2,36 0,94 0,11 0,68 1,28 0,51 0,54 0,77 1,53 3,10 3,37 2,32 0,23 0,23 0,13 0,59 0,80 1,00 Hospitalista Hospitalista Hospitalista Conservador Conservador ideal Optimizado 0,15 0,01 0,14 0,28 0,01 0,24 0,81 0,01 0,18 1,00 0,01 0,28 1,47 0,01 0,43 0,28 0,00 0,12 0,15 0,00 0,05 0,12 0,00 0,00 0,03 0,01 0,04 0,08 0,00 0,08 0,27 0,00 0,04 0,06 0,03 0,31 Tabla A.11: Tiempos de espera por ingresos de pacientes no programados (horas de espera), Fuente: Elaboración propia Mes Actual Julio 2013 Agosto 2013 Septiembre 2013 Octubre 2013 Noviembre 2013 Diciembre 2013 Enero 2014 Febrero 2014 Marzo 2014 Abril 2014 Mayo 2014 Junio 2014 3,251 4,728 3,878 0,837 0,106 1,664 5,371 4,796 11,747 27,588 33,434 25,215 Hospitalista Hospitalista Hospitalista Optimizado Conservador Conservador ideal Optimizado 2,269 0,232 0,005 0,373 3,021 0,712 0,002 0,397 2,595 1,107 0,001 0,222 2,666 0,069 0,001 0,076 0,739 0,115 0,001 0,101 7,838 3,313 0,000 0,590 14,374 1,733 0,000 0,478 7,183 1,648 0,000 0,000 8,935 3,772 0,040 6,040 25,984 1,799 0,000 4,724 14,591 0,843 0,001 0,927 5,092 0,507 0,028 0,035 120 Tabla A.12: Tiempos de espera por ingresos de pacientes programados y no programados (horas de espera), Fuente: Elaboración propia Mes Actual Julio 2013 Agosto 2013 Septiembre 2013 Octubre 2013 Noviembre 2013 Diciembre 2013 Enero 2014 Febrero 2014 Marzo 2014 Abril 2014 Mayo 2014 Junio 2014 1,1005 2,2081 2,7100 2,2478 3,3836 4,1953 3,0337 1,9818 3,1013 7,5756 9,6123 7,6581 Hospitalista Hospitalista Hospitalista Optimizado Conservador Conservador ideal Optimizado 0,9518 0,1715 0,0057 0,1941 1,3048 0,3882 0,0069 0,2809 1,7717 0,8770 0,0068 0,1939 3,0054 0,7899 0,0091 0,2330 2,7698 1,1313 0,0085 0,3469 3,6481 1,0839 0,0006 0,2464 3,4219 0,5182 0,0003 0,1483 2,1262 0,5515 0,0001 0,0028 2,4172 1,0415 0,0183 1,6439 7,0979 0,5278 0,0004 1,2946 4,4264 0,4266 0,0002 0,2682 2,1890 0,1925 0,0282 0,2279 121 h. Tiempos de estadía según procedencia y escenario Tabla A.13: Tiempos de estadía de los pacientes programados (días de estadía), Fuente: Elaboración propia Mes Julio 2013 Agosto 2013 Septiembre 2013 Octubre 2013 Noviembre 2013 Diciembre 2013 Enero 2014 Febrero 2014 Marzo 2014 Abril 2014 Mayo 2014 Junio 2014 Actual Optimizado 2,6 2,9 3,1 2,9 2,7 2,8 2,7 3,1 2,6 2,5 2,6 2,7 2,7 2,8 3,2 2,9 2,7 2,9 2,7 3,1 2,6 2,5 2,6 2,7 Hospitalista Hospitalista Hospitalista Conservador Conservador ideal Optimizado 2,4 1,8 2,4 2,5 1,8 2,5 2,8 1,7 2,7 2,6 2,0 2,4 2,4 1,6 2,4 2,5 1,6 2,4 2,3 1,6 2,3 2,7 2,0 2,6 2,4 1,7 2,3 2,1 1,5 2,2 2,2 1,6 2,2 2,4 1,7 2,4 Tabla A.14: Tiempos de estadía de los pacientes no programados (días de estadía), Fuente: Elaboración propia Hospitalista Hospitalista Hospitalista Mes Actual Optimizado Conservador Conservador ideal Optimizado Julio 2013 4,2 4,2 3,7 3,0 3,7 Agosto 2013 4,4 4,4 3,8 2,6 3,8 Septiembre 2013 4,4 4,4 3,8 2,6 3,9 Octubre 2013 4,2 4,2 3,7 2,8 3,7 Noviembre 2013 4,0 4,1 3,6 2,5 3,5 Diciembre 2013 4,0 4,0 3,6 2,6 3,4 Enero 2014 4,3 4,2 3,7 2,7 3,8 Febrero 2014 4,3 4,5 3,8 2,7 3,7 Marzo 2014 3,9 3,9 3,5 2,4 3,4 Abril 2014 4,0 4,1 3,6 2,7 3,6 Mayo 2014 4,2 4,1 3,6 2,7 3,6 Junio 2014 4,2 4,1 3,7 2,7 3,6 122 Tabla A.15: Tiempos de estadía de los pacientes programados y no programados (días de estadía), Fuente: Elaboración propia Hospitalista Hospitalista Hospitalista Mes Actual Optimizado Conservador Conservador Ideal Optimizado Julio 2013 3,0 3,0 2,7 2,1 2,7 Agosto 2013 3,2 3,2 2,8 2,0 2,8 Septiembre 2013 3,4 3,5 3,0 1,9 3,0 Octubre 2013 3,2 3,2 2,8 2,3 2,7 Noviembre 2013 3,0 3,0 2,7 1,8 2,6 Diciembre 2013 3,1 3,2 2,8 1,9 2,7 Enero 2014 3,0 3,0 2,6 1,9 2,6 Febrero 2014 3,4 3,4 3,0 2,1 2,9 Marzo 2014 3,0 2,9 2,6 1,9 2,6 Abril 2014 2,9 2,9 2,5 1,8 2,6 Mayo 2014 3,0 3,0 2,6 1,9 2,6 Junio 2014 3,1 3,1 2,7 2,0 2,7
