Investigación para mejorar el acceso al sistema de urgencias de la Clínica Universidad de La Sabana utilizando simulación discreta
Enlaces del Item
URI: http://hdl.handle.net/10818/38635Compartir
Estadísticas
Ver Estadísticas de usoMétricas
Catalogación bibliográfica
Mostrar el registro completo del ítemFecha
2019-10-16Resumen
La salud es un punto neurálgico y una parte importante del producto interno bruto (PIB) de cualquier nación, por tal motivo cualquier esfuerzo para reducir costos y mejorar el servicio de atención en salud, siempre es un paso relevante al camino del desarrollo de un país. Una de las metodologías en las que se busca basar el proyecto es simulación discreta, el cual, a pesar de ser una metodología perseverante, optimiza procesos y por lo tanto reduce de costos y trae felicidad o satisfacción del cliente, muchos de los trabajos realizados hasta el momento se concentran en la aplicación de la metodología Lean Six Sigma sin un proceso de simulación anterior o posterior para poder ver realmente resultados a largo plazo. La simulación realmente ayudara a entender el comportamiento real de los procesos y mostrara un modelo aproximado de como la metodología se comportaría en el estudio, comparando el antes y después de ser aplicada. El proceso inicial llevo a una serie de entrevistas con personal experto en el campo de urgencias médicas, para lograr plasmar en un Process Map los elementos relevantes para el estudio posterior. Paralelamente, se analizó información proporcionada por el departamento de tecnología de la Clínica Universidad de la Sabana, esto genero un robusto análisis estadístico para poder encontrar los patrones de comportamiento para cada proceso. Una vez depurados los datos y el Process Map se procedió a la simulación del sistema actual, donde se contemplaron dos tipos de validación para el modelo, una cualitativa y una cuantitativa. La validación del modelo permitió proceder a plantear escenarios alternativos de optimización del modelo, buscando reducir el tiempo en el sistema y la cantidad de pacientes atendidos. Estos modelos lograron una reducción hasta de un 22% en el tiempo que podría un paciente estar en el sistema.