Para poder enviar candidaturas a retos, completa tu perfil de empresa.
Caso de uso

Una plataforma de gestión predictiva de actividad y recursos hospitalarios

Contexto

Problema

Requisitos de integración

Solución propuesta

Impacto

Aplicaciones destacadas

Una plataforma de gestión predictiva de actividad y recursos hospitalarios Real
Los cambios se han guardado correctamente.
Algo ha salido mal, por favor contáctanos en info@opengovtech.es
Caso de uso

Una plataforma de gestión predictiva de actividad y recursos hospitalarios

Tipo de caso

Real

Contexto

Los hospitales, tanto públicos como privados, tienen la obligación de ofrecer atención de calidad y en tiempos aceptables a su población de referencia, con los recursos disponibles (que suelen ser limitados).

La actividad de los hospitales se divide en dos grandes categorías:


  • actividad programada: consultas externas, pruebas e intervenciones, incluidas las conocidas "listas de espera"
  • actividad no programada, que entra principalmente por los servicios de urgencias


Problema

Dos problemas:

  1. dificultad para equilibrar los recursos destinados a actividad programada y no programada. Si se prioriza la programada, puede llegar un pico desde urgencias que obligue a desprogramar, lo que es ineficiente, perjudicial para el paciente reprogramado y, además, penalizado por la administración. Si se deja demasiado margen para la no programada, se realizan menos actos programados por día y las listas de espera se alargan.
  2. falta de recursos puntual (además del problema sistémico). Los picos de actividad no programada implican falta de boxes, de camas, de quirófano...

Un caso muy importante es el de los recursos humanos (profesionales). Picos de actividad no dimensionados generan estrés, errores humanos, mal ambiente de trabajo y fuga de talento. Además, el sector hospitalario experimenta una alta tasa de absentismo no programado en colectivos como enfermería y auxiliares, lo que agrava la situación.

Requisitos de integración

Todos los hospitales públicamente financiados de España (y, progresivamente, los privados) están obligados a generar unos "resúmenes de actividad" llamados Conjunto Mínimo Básico de Datos (CMBD). Es un formato tabular estándar que recoge los principales datos de cada episodio de atención (datos demográficos del paciente, fechas de entrada y salida, diagnósticos y procedimientos aplicados en CIE-10, etc.).


La granularidad del CMBD no es suficiente para hacer predicciones a nivel de paciente individual, pero sí lo es para realizar predicciones colectivas sobre volúmenes y tipologías de pacientes (urgentes y programados), duración de estancias, recursos utilizados (y, por tanto, disponibilidad de los mismos).


La query que construye el CMBD a partir de los sistemas de información ya existe, puesto que los hospitales deben enviarlo mensualmente a su pagador (por ejemplo, la consejería). Apenas supone esfuerzo para el departamento de informática ejecutar esa misma query con mayor frecuencia (p. ej., cada hora) y enviar a una API la actividad desde el último envío. Esta fue la base de la aplicación ANTICIPATE de gestión predictiva, desarrollada por Amalfi Analytics.


El caso de actividad y disponibilidad de recursos humanos es algo más complejo, al no existir un estándar entre hospitales. En la mayoría de casos, la aplicación de gestión de turnos y personal permite extraer la información, aunque sea en formato Excel. Se trata entonces de programar una extracción periódica y enviarla a la API de ANTICIPATE.

Solución propuesta

ANTICIPATE recibe datos de actividad en formato CMBD junto con la extracción de la aplicación de personal.

Proporciona predicciones útiles a los responsables de organizar la actividad y los recursos:

  • predicción del número de llegadas a urgencias, por nivel de triaje, complejidad y tipología
  • predicción de ocupación de boxes
  • predicción de necesidades de quirófano, tanto urgente como programado
  • predicción de número de ingresos a planta, altas y camas disponibles (por servicio y/o tipología)
  • predicción de absentismo no programado entre la plantilla asignada a cada turno y servicio ("tienes asignadas 20 enfermeras pero cuenta con que solo vendrán unas 16")
  • predicción de necesidades de refuerzo de personal y de ajuste entre actividad real y personas disponibles

Los horizontes de predicción van, según el caso, desde horas hasta 3 meses.

Actuar con conocimiento del futuro permite a jefes de servicio, jefes de enfermería, recursos humanos, dirección médica, etc., reorganizar recursos de todo tipo para mitigar el efecto de la incertidumbre (que entra, sobre todo, por el servicio de urgencias).

Impacto

El impacto reportado ha sido:

  • reducción del tiempo dedicado a la planificación diaria (el "morning")
  • reducción del tiempo dedicado a la planificación semanal y mensual
  • mejor gestión de turnos, permisos, vacaciones, etc., evitando descubiertos
  • mayor seguridad en la toma de decisiones
  • reducción de tiempos de espera en atención urgente (como consecuencia de una mejor disponibilidad de personal)
  • reducción del tiempo de ingreso desde urgencias a planta (gracias a disponer de camas preparadas)
  • mayor comunicación y toma de decisiones compartidas entre servicios (al trabajar con la misma información)

Impactos intuidos, pero que los hospitales no han llegado a evaluar o no nos han comunicado:

  • reducción de errores humanos (medicación, administración)
  • reducción de tasas de readmisión y de complicaciones
  • reducción de cirugías programadas canceladas
  • reducción de tasas de absentismo debido al estrés
  • reducción de camas desocupadas y tiempo de quirófano no utilizado
  • mayor satisfacción de pacientes y empleados
  • mejor conciliación de la vida profesional y personal entre empleados
  • mayor reputación como empleador


Aplicaciones destacadas

El sistema, o partes del mismo, ha sido testado en varios grandes hospitales de Barcelona (Sant Pau, Hospital del Mar, Althaia Manresa) y ha estado en funcionamiento durante 4 años en el Hospital de Figueres, entre otros.