Programación de cirugías ambulatorias un reto desde la analítica de datos
No Thumbnail Available
Date
2021-11-30
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Fundación Universitaria Sanitas
Abstract
Las salas de cirugía de una institución de servicios de salud requieren una logística con procesos determinados y una coordinación de varios actores para satisfacer las necesidades y requerimientos de la institución de salud, de los cirujanos especialistas y los pacientes.
Esta logística debe lograr eficiencias en tiempos quirúrgicos con el objetivo de disminuir costos asociados, los cuales en ocasiones se incrementan por factores como: el incumplimiento en los tiempos quirúrgicos, el alistamiento de instrumental, la rotación de personal, el desperdicio en insumos quirúrgicos, e incluso la cancelación de procedimientos generados por procesos internos de la institución.
Lo anterior impacta directamente a los pacientes, en el tiempo de atención, en el tiempo de los anestesiólogos y especialistas e incide directamente en la rentabilidad de las salas de cirugía.
En la actualidad, los softwares para la programación de cirugías no proporcionan suficiente información para la toma de decisiones y planeación logística de las salas de cirugía, debido a que utilizan solo criterios de ocupación y disponibilidad. Sin embargo, se considera que, por medio técnicas de análisis de datos y aprendizaje automático (Machine Learnig) se pueden encontrar variables en la programación y utilización de salas que producen mejoramientos no solo económicos y de recursos si no de oportunidad e impacto en la calidad de vida de los pacientes como mejor uso de insumos en canastas, logística en la solicitud de insumos, programación del tiempo quirúrgico por profesional y procedimiento.
Con base en lo anterior, y a través de un enfoque mixto, esta investigación pretende evidenciar la utilidad de la analítica de datos en el manejo de la programación de cirugías de tipo ambulatorio en la Clínica la Sabana.
Description
Keywords
Programación de cirugías, Analítica de datos, Aprendizaje automático, Eficiencia quirúrgica