Resumen

Introducción En este trabajo se utiliza una simulación de eventos discretos para optimizar la programación de pabellones de cirugía en el Hospital Sótero del Río. El objetivo es representar a todos los agentes relevantes para la asignación, y luego evaluar el comportamiento de distintas políticas de agendamiento provenientes del área de Gestión de Operaciones. La idea es que una simulación computacional de este tipo permita estimar los largos de lista de espera y también el tiempo de permanencia de los pacientes en las mismas.

Objetivos Evaluar el comportamiento de las listas de espera quirúrgicas según distintas políticas de agendamiento provenientes de gestión de operaciones y sistemas de servicio. Analizar el efecto de dichas políticas en indicadores importantes para el hospital, y su compatibilidad con ellos. Estos son: Prioridad biomédica, priorización de patologías GES u oncológicas y antigüedad en lista de espera. Y evaluar posibles mejoras en indicadores al programar en conjunto más de un bloque quirúrgico, buscando disminuir tiempos muertos de pabellones.

Método Se construyó una simulación de eventos discretos representando las etapas más importantes para los pacientes en el proceso desde su llegada a la lista de espera quirúrgica hasta su salida del quirófano. Se considera sólo hasta este tiempo pues son los tiempos más relevantes para analizar la eficiencia de las políticas de agendamiento de pabellones. La programación considera un módulo simple de pronóstico del tiempo de cirugía basado en varios indicadores de cada paciente (edad, tipo de cirugía, complejidad, etc.) que se usa para estimar el tiempo de duración de la cirugía. Para entrenar este módulo de pronóstico se utilizan métodos de Aprendizaje de Máquinas Interpretable aplicado sobre datos proporcionados por el Servicio de Salud Metropolitano Sur Oriente (SSMSO) con cirugías realizadas en el Hospital Sótero del Río entre los años 2018 y 2022. La simulación se realiza para evaluar el desempeño de varias políticas de asignación clásicas en Gestión de Operaciones: SPT, EDD, Moore, Smith y FIFO. En cada simulación se reporta el tiempo promedio en lista de espera, tiempo máximo de un paciente en lista de espera, tiempo promedio de utilización de los quirófanos, y tiempo promedio de atraso de cirugía.

Resultados principales Las políticas mencionadas mostraron distintas mejoras en los distintos tiempos estudiados: de espera, de atraso y de utilización de pabellones. Por ejemplo, la política SPT permite obtener el menor tiempo de espera promedio, y la política EDD permite minimizar el mayor tiempo de atraso. También, se observa que el módulo de pronóstico de tiempo de cirugía permite hacer una asignación más eficiente, en comparación a tomar el pronóstico simplemente como el tiempo promedio de cirugía.

Conclusiones La simulación de las distintas políticas de asignación permite decidir el balance deseado entre los distintos tiempos estudiados. En particular, la política SPT permitiría disminuir el tiempo que pasan los pacientes en lista de espera quirúrgica. Por otro lado, la automatización de la programación, liberaría recursos humanos importantes que hoy están destinados a esta tarea periódicamente.