INTRODUCCIÓN
Hoy en día los centros hospitalarios se ven sometidos a una gran presión debido a una demanda creciente de sus servicios, que les obliga a una mejora constante en su eficiencia, garantizando la calidad asistencial de sus pacientes. En la práctica, la mayoría de las decisiones en este ámbito se toman de acuerdo con la experiencia de los decisores, sin apoyarse en sistemas avanzados de decisión. Es fundamental el diseño y desarrollo de métodos de optimización que den flexibilidad al sistema para dar respuestas rápidas a entornos muy variables.
Esta contribución aborda el problema de planificación de las etapas de consulta y quirúrgica de un hospital. Tradicionalmente, el problema es abordado en dos etapas: la primera etapa consiste en establecer, para un conjunto de pacientes en lista de espera, una fecha disponible en la que serán atendidos en una consulta; mientras que la segunda etapa asigna pacientes a una fecha y quirófano adecuado para realizar la intervención, la cual se realizará por el mismo cirujano que lo atendió en la etapa de consulta.
OBJETIVO
El objetivo de esta contribución es optimizar de manera integrada la planificación de las etapas de consulta y quirúrgica. Se intenta así generar una planificación eficiente de los recursos a largo plazo para facilitar la posterior toma de decisiones. La función objetivo establecida trata de atender a los pacientes cumpliendo con los plazos de respuesta máximos establecidos por los sistemas de salud, en base a la prioridad clínica de la intervención, minimizando la diferencia entre el tiempo de espera y el plazo de respuesta (tardanza total).
METODOLOGÍA
Se resolverá el problema de optimización a través de un método exacto como un primer acercamiento a la programación conjunta de ambas etapas (consulta-quirófano). Para ello, como principal contribución, se ha diseñado y desarrollado un modelo de programación lineal entera cumpliendo con las restricciones y limitaciones impuestas por el problema, que ha sido programada en C# y resuelto mediante el software de optimización Gurobi.
RESULTADOS
El modelo se ha ejecutado en un banco de pruebas compuesto por 320 instancias. De este análisis, se puede concluir un buen funcionamiento del modelo para los tamaños de problema generados, dada la complejidad (NP hard) del problema. El porcentaje de soluciones óptimas no alcanza el 4% y, en general, se obtienen buenas soluciones factibles con una holgura cercana al 0%. También se aprecia una clara influencia del parámetro encargado de limitar la movilidad de los cirujanos, resultando ser un factor determinante a la hora de encontrar soluciones óptimas y buenas soluciones factibles.
CONCLUSIONES Y DISCUSIÓN
Tras este estudio se puede concluir que el modelo, si bien es capaz de resolver el problema real y encontrar soluciones muy buenas en tiempos razonables, no es capaz de encontrar el óptimo, o incluso alguna solución factible para ciertas instancias, a medida que se incrementa el tamaño del problema. Como línea futura de investigación sería interesante desarrollar algoritmos aproximados que aporten soluciones buenas en un tiempo razonable, dentro de un horizonte de planificación mayor.
Palabras clave
Ponencia Online
Documentación de apoyo a la presentación ONLINE de la ponencia
Belen Navarro-Garcia
Comentó el 10/12/2020 a las 21:46:18
¡Enhorabuena por la propuesta, muy interesante!
Me surge una duda, ¿qué otros recursos pueden integrarse en la planificación en el proceso quirúrgico?
¿Y a qué se debe la elección de las consultas?
Muchas gracias, un saludo.
Responder
Mª Ángeles Ramírez Rojas
Comentó el 11/12/2020 a las 18:46:20
Buenas tardes, muchas gracias por su aportación. En la literatura existen estudios que integran diversos recursos junto a los quirófanos tanto preoperatorios como postoperatorios, como por ejemplo: donación de sangre autóloga, prueba de anestesia o camas de recuperación entre otros. El caso de las consultas es interesante para la planificación ya que el recurso cirujanos es compartido en ambas etapas.
Un saludo.
Responder
Carla Talens Fayos
Comentó el 10/12/2020 a las 19:57:42
Buenas tardes. Me ha parecido muy interesante el trabajo, sobre todo por su aplicación real. Respecto a los siguientes pasos, ¿en qué métodos aproximados estáis pensando? ¿Hay alguno específico que funcione bien en problemas relacionados?
Saludos y muchas gracias
Responder
Mª Ángeles Ramírez Rojas
Comentó el 10/12/2020 a las 20:16:07
Buenas tardes, gracias por su comentario. Los métodos aproximados empleados en la literatura en este tipo de problema son variados, son comunes las heurísticas constructivas y metaheurísticas que aportan buenas soluciones en un tiempo razonable para instancias de mayor tamaño. En este caso hemos comenzado a diseñar un algoritmo IG (Iterated greedy), es un método de búsqueda que itera aplicando una heurística de construcción compuesta de dos fases principales, la destrucción parcial de una solución candidata completa y la posterior reconstrucción de otra solución candidata completa.
Espero haber resuelto su duda, un saludo.
Responder
Francisco Jódar Sánchez
Comentó el 10/12/2020 a las 13:00:39
Felicidades al equipo investigador por el trabajo, relevante y muy pertinente en el actual debate sobre la eficiencia de la gestión sanitaria.
Me gustaría saber si como línea de avance del trabajo se contempla analizar el impacto económico asociado a la optimización de la planificación quirúrgica, les animo a ello.
Un saludo y muchas gracias
Responder
Mª Ángeles Ramírez Rojas
Comentó el 10/12/2020 a las 19:09:57
Muchas gracias, en principio estamos trabajando sobre algoritmos aproximados para la resolución del problema real, por supuesto es una línea de futuro interesante el análisis del impacto económico que conlleva la aplicación de estos métodos, lo tendremos en cuenta.
Un saludo.
Responder
Rosaura Fernández Pascual
Comentó el 09/12/2020 a las 19:16:39
Muy interesante su trabajo por la gran aplicabilidad.
Sobre los parámetros del modelo que han fijado para hacer un banco de pruebas, comentan que consideran el número de cirujanos 1.5/2.
¿Cómo interpretan el alfa=1.5 a efectos prácticos, 1 cirujano con capacidad 4h ??
Gracias.
Responder
Mª Ángeles Ramírez Rojas
Comentó el 10/12/2020 a las 19:01:05
En primer lugar muchas gracias por su comentario, el factor alfa es un porcentaje de la capacidad total disponible, es decir, para calcular el nº de cirujanos S sumamos uno a uno su tiempo disponible (8h) hasta cubrir un 150% de la capacidad de los recursos en todo el horizonte de planificación, o el 200% en el caso de alfa=2. Espero haber aclarado su duda.
Un saludo.
Responder
Rosaura Fernández Pascual
Comentó el 10/12/2020 a las 20:28:08
Si, muchas gracias
Responder