Caso de Estudio
Paula Jiménez Villares 125
Para aumentar la calidad de la atención sanitaria, o bien, para disminuir los
tiempos de atención, desde hace varios años, se estudian los procesos sanitarios en los
hospitales.
La aplicación de las técnicas de procesos de negocios a este ámbito no está muy
extendida, pero cada vez se investiga más en esta línea, ya que los resultados de las
escasas experiencias, al respecto, suelen ser satisfactorias.
Las metodologías de modelado de procesos son numerosas, sin embargo, una
conclusión común en los proyectos de modelado es que éstos ayudan a comprender el
proceso descrito y a obtener una visión clara de los objetivos y la organización para
plantear futuros proyectos de mejora de los procesos de negocios.
Es imprescindible tener en cuenta que el centro del sistema sanitario es el
ciudadano, por tanto los procesos asistenciales deben de centrarse en éste. En el
sistema sanitario la relación coste/servicio es difícil de cuantificar porque cualquier
pequeña mejora significa un inmenso beneficio, la mejora de la calidad de vida, para el
grupo de ciudadanos al que vaya dirigido.
El modelado de procesos de negocios es el conjunto de actividades relacionados
con la transformación del conocimiento de las organizaciones en modelos que describen
los procesos desarrollados por las mismas. Modelar un proceso de negocio permite
capturar el esquema general de actividades y los procedimientos que gobiernan dicho
negocio y definir; el motivo, las entradas y salidas específicas, los recursos consumidos,
la secuencia de actividades y los eventos que dirigen el proceso.
Desde el punto de vista de los procesos de negocios, un hospital consiste en un
gran número de procesos de negocios cooperando, enlazados por relaciones
cliente/servidor.
Caso de Estudio
Paula Jiménez Villares 126
Algunas características de los procesos de negocios en hospitales, cuando se
comparan con procesos de otras ramas de los negocios son:
Complejidad y variabilidad.
Contienen un gran número de unidades organizativas cooperando.
Los recursos son limitados.
Intervienen un gran número de actividades manuales.
Muchos procesos médicos pueden evolucionar y ser actualmente
borradores del proceso que será en el futuro.
Los detalles de los procesos médicos cambian frecuentemente.
El caso de la detección precoz del cáncer de mama es un proceso de negocio en
la sanidad, pues se trata de un proceso muy complejo, ya que comprende múltiples
técnicas ( mamografía, ecografía, biopsia), la interpretación de estas técnicas es
operador dependiente y va dirigida a una población muy amplia ( todas las mujeres
entre 50 y 70 años).
5.2.1 Definición del objeto del modelado del
proceso
El cáncer de mama es la primera causa de muerte por cáncer en el sexo
femenino. La forma más eficaz de detectar precozmente el cáncer de mama es realizar
mamografías periódicas a mujeres en una determinada franja de edad, en las que no se
ha presentado síntoma.
El programa se pone en marcha (1995) con los siguientes objetivos:
Disminuir la mortalidad, al menos, en un 30% tras 7-10 años de seguimiento.
Detectar el mayor número de tumores en estadios precoces.
Mejorar la calidad de vida de las mujeres diagnosticadas y tratadas, pudiendo
ofrecerles intervenciones menos agresivas.
Caso de Estudio
Paula Jiménez Villares 127
Al ser el cáncer de mama la primera causa de muerte por neoplasia en la mujer,
el objetivo del “screening” es la reducción de muertes por cáncer de mama y la mejora
de la calidad de vida de las pacientes con éste cáncer.
La complejidad del estudio está en el alto número de ciudadanas a los que va
dirigido los esfuerzos; en particular la entrada es variable pues depende de múltiples
factores:
Capacidad de captación del sistema.
Variabilidad de la población, pues se capta a toda la población de
mujeres entre 50 y 70 años.
Los cambios en la educación sanitaria de la población femenina que
influye determinantemente en la participación de las mujeres en el
proceso.
Con este estudio se pretende mejorar el programa de detección precoz de cáncer
de mama, dentro del distrito sanitario Jerez-Costa Noroeste. Para ello se quiere
introducir la digitalización de la mamografía y aumentar la capacidad de comunicación
entre las distintas unidades vía Intranet.
5.2.2 Determinación de los límites del proceso
Límites de entrada (sexo:femenino, edad: de 50 a 70 años, población
proveniente del distrito sanitario que comprende la unidad satélite)
Límites de salida ( pacientes sanas, pacientes con cáncer pasan a
cirugía).
Caso de Estudio
Paula Jiménez Villares 128
5.2.3 Determinación del nivel de detalle necesario
para describir los componentes del modelo
En el modelo se ha llegado al segundo nivel de detalle. Se ha profundizado en
aquellas que resultan susceptibles de ser mejoradas mediante la implantación de la
radiología digital y la comunicación intercentro mediante Intranet. Funciones como
informar mamografía y la unidad de anatomía patológica se han considerado como cajas
negras, ya que supone un proceso de soporte muy complejo y no es objeto de nuestro
estudios.
5.2.4 Determinación del nivel de datos
disponibles, qué datos son necesarios y cómo
manipularlos
Son los datos obtenidos de la unidad principal del “screening” de mama del
distrito sanitario Jerez-Costa Noroeste, cuyo hospital de referencia es el hospital de
Jerez de la Frontera.
Se ha modelado el proceso “as is” que describe cómo se trabaja actualmente en
dicho proceso.
El contexto en el que se desenvuelve trata una unidad satélite a la que llegan las
pacientes, se le realiza las mamografías, las cuales se informan en la unidad central. Si
se requiere, se completa estudio en el hospital, donde es sometida a distintas pruebas
médicas. Con estos resultados la paciente será diagnosticada o no de cáncer de mama y
derivada, si procede, al servicio de cirugía.
Caso de Estudio
Paula Jiménez Villares 129
5.3.1 Flujo temporal del proceso
La usuaria llega a la unidad satélite de “detección precoz del cáncer de mama”.
La secretaria rellena un cuestionario de salud con la información aportada por la misma;
sobre los factores de riesgo del cáncer de mama y antecedentes personales. La técnico
de la unidad satélite le realiza las mamografías mediante dos proyecciones en cada
mama.
La secretaria, si la paciente viene por primera vez, abre su historia en el
ordenador y elabora un sobre con las placas obtenidas en la mamografía y los dos
formularios que rellenarán los radiólogos. Si la paciente repite cita, la secretaria de la
unidad busca las placas históricas en los archivos y los adjunta a las nuevas placas
mamográficas realizadas y a los formularios.
Una vez la historia está preparada, se espera aproximadamente una semana,
hasta tener un número suficiente de historias, para ser llevadas por el celador al centro
principal.
En el centro principal, la secretaria de la unidad principal clasifica las historias
según las fechas en las que se ha realizado la mamografía y las archiva para ser
informada en los formularios por el radiólogo. La secretaria digitaliza los formularios.
La secretaria, si la paciente tiene una posible lesión mamaria, pide cita al
hospital y manda su historia a través del celador. También informa al paciente del día y
hora que tiene que acudir al hospital. Sin embargo, si las mamas de la paciente están
libre de enfermedad, se mandan las historias a la unidad central, donde son archivadas
por la secretaria de la unidad central, quien también mandará el resultado a la paciente
por correo.
En el hospital, a aquellas pacientes que han sido derivadas a éste, el radiólogo
realizará una prueba complementaria ( mamografía localiza o ecografía) con ayuda del
técnico del hospital. Tras realizar el informe, si la paciente es posible que padezca
cáncer, se le realizará una biopsia de la lesión que se mandará a Anatomía Patológica,
que confirmará, o no, en un informe, la sospecha radiológica. El radiólogo con toda esta
Caso de Estudio
Paula Jiménez Villares 130
información realizará un nuevo informe, que derivará, junto con la historia, a la unidad
central a través del celador.
En la unidad central, si la paciente está sana, se digitalizarán los resultados
obtenidos y se archivarán ( secretaria de la unidad principal) , sin embargo si la
paciente tiene cáncer, además de digitalizar los resultados obtenidos la secretaria de la
unidad principal pedirá cita al Servicio de Cirugía e informará de ello a la paciente.
Mapas del proceso
En el ANEXO 3 de este proyecto, aparecen los diagramas del proceso pero con
un mayor tamaño para una lectura más cómoda, así como en el CD que se adjunta,
donde se encuentra todo el proceso.
5.3.2 Parámetros y datos introducidos en el modelo
“AS IS”
5.3.2.1 MODELO DE INSTANCIACIÓN DEL PROCESO
Con un modelo de instanciación de proceso se define cuándo y con qué
frecuencia se lanzan procesos al ejecutar la simulación ( vista por procesos de la casa de
ARIS).
En el caso objeto de estudio el modelo de instanciación del proceso se ha
obtenido por información directa del personal de la unidad principal y se ha introducido
el siguiente plan de instanciación del proceso asociado al evento Llega paciente.
Caso de Estudio
Paula Jiménez Villares 131
Figura 5. 1 : Modelo de instanciación del proceso
Se han considerado los datos del año 2005, en el cual se hicieron 36 citas al día
de media, por tanto entran 36 pacientes, siguiendo una repartición por igual, ya que las
citas se hacen de forma continua en el tiempo. Son llamadas y citadas cada diez minutos
de lunes a viernes desde las 8:30 hasta las 14:30. Por tanto el plan de instanciación
queda de la siguiente forma:
Figura 5. 2 : Turno de mañana
plan anual
ciclo
semanal
turno de mañana
Caso de Estudio
Paula Jiménez Villares 132
Figura 5. 3 : Ciclo semanal
5.3.2.2 CALENDARIO DE TURNOS
Con la ayuda de los calendarios de turnos se representa cuándo estarán
disponibles los recursos de personal y material representados para procesar funciones.
En ellos se reproduce con detalle las regulaciones del horario de trabajo y de los
descansos.
A continuación se presenta un organigrama, indicando cómo esta repartido el
personal en las diferentes unidades.
Caso de Estudio
Paula Jiménez Villares 133
Screening demama
Unidadprincipal
Unidad satélite
ServicioRadodiagnóstico
del Hospital
técnico de launidad satélite
secretaria dela unidadsatelite
celador
secretaria dela unidadprincipal
celador
técnico de elhospital
celador
radiólogo de launidad
principal
radiólogo delhospital
Figura 5. 4 : Organigrama del proceso screening de mama
Caso de Estudio
Paula Jiménez Villares 134
A cada una de estos recursos humanos se le ha asociado un calendario, donde se
especifica su horario laboral. Tanto el celador, como secretarias y ténicos de todas las
unidades tienen la misma jornada , de lunes a viernes, ocho horas diarias, comenzando a
las ocho de la mañana y terminando a las tres de la tarde, parando a las diez de la
mañana para desayunar durante media hora.
Figura 5. 5 :Calendario turno técnicos, secretarias y celadores
Figura 5. 6 : Descanso técnicos, secretarias y celadores
Figura 5. 7 : Turno matinal técnicos, secretarias y celadores
plan general
ciclo semanal
turno matinal
descanso
Caso de Estudio
Paula Jiménez Villares 135
Figura 5. 8 : Ciclo semanal técnicos, secretarias y celadores
En el caso de los radiólogos, solamente se ha modelado un calendario de turnos
para el radiólogo de la unidad principal, pues es esta unidad la única que se ha
modelado en detalle. El radiólogo de la unidad principal trabaja por tanto de lunes a
miércoles de ocho de la mañana a tres de la tarde, parando para descansar media hora a
las diez de la mañana. Es decir, trabaja tres días a la semana.
Figura 5. 9 : Turno matinal del radiólogo
Figura 5. 10 : Ciclo semanal del radiólogo
Caso de Estudio
Paula Jiménez Villares 136
Figura 5. 11 : Descanso del radiólogo
5.3.2.3 ESTIMACIÓN DE LOS TIEMPOS DE LAS
FUNCIONES.
No hay mucha información disponible para estimar los tiempos de tratamiento
de las funciones, por lo que se ha recurrido a obtener los datos mediante entrevistas con
los profesionales que han realizado estas funciones durante tiempo suficiente para que
dicha estimación sea lo más fiable posible.
Funciones
Tiempo de
espera
estático
Periodo de
adaptación
Tiempo de
tratamiento
Observaciones
Rellenar
cuestionario de
salud
Uniform (3,5)
minutos
Realizar
mamografía
Normal(7,3)
minutos
Normal (3,1)
minutos
Normal (10,5)
minutos
Preparar historia
Normal (10,5)
minutos
Se ha
considerado
como una caja
negra para la
simulación,
aunque se ha
modelado en
detalle.
Caso de Estudio
Paula Jiménez Villares 137
Funciones
Tiempo de
espera
estático
Periodo de
adaptación
Tiempo de
tratamiento
Observaciones
Esperar a que se
complete el lote de
historias
Normal (5,2)
días
Procesar historia
en el centro
principal
Se ha simulado
en detalle.
Esperar día cita Normal (4,1)
días
Evaluar paciente en
hospital
Normal (4,1)
días
Se ha
considerado
como una caja
negra, aunque
se ha modelado
en detalle.
Gestionar cita
cirugía
Normal (2,1)
días
Se ha
considerado
como una caja
negra, aunque
se ha modelado
en detalle.
Figura 5. 12 : Tabla de estimación de tiempos de funciones en el proceso principal de detección de cáncer de mama en el modelo "AS IS"
Caso de Estudio
Paula Jiménez Villares 138
Entrar en
centro
principal
Tiempo de
espera estática
Periodo de
adaptación
Tiempo de
tratamiento
Observaciones
Enviar centro
principal de
mamografías
Normal (1,1)
días
Informar
mamografía
Normal (10,3)
minutos
Digitalizar
formularios
Normal (3,2 )
minutos
Mandar
historia al
hospital
Normal (1,1)
días
Pedir cita al
hospital
Normal (3,2)
minutos
Informar a la
paciente
Normal (3,2)
minutos
Digitalizar
informes
Normal (3,2)
minutos
Archivar
historia
Normal (3,2)
minutos
Mandar
resultado al
paciente
Normal (1,1)
días
Mandar la
historia a la
unidad central
Normal (1,1)
días
Figura 5. 13 : Tabla de estimación de tiempòs de las funciones en el proceso secundario procesar historia en el centro principal en el modelo "AS IS"
Caso de Estudio
Paula Jiménez Villares 139
5.3.2.4 PROBABILIDADES EN LAS RAMIFICACIONES
Las probabilidades en las ramificaciones han sido calculadas en base a los datos
históricos, estos son:
Mujeres exploradas Mujeres derivadas al
hospital
Mujeres con
cáncer
01/01/2003
31/12/2003
5496 62 7
01/01/2004
31/12/2004
5044 53 8
01/01/2005
31/12/2005
6128 86 11
Figura 5. 14 : Datos hitóricos estadísticos
A la ramificación de posibles pacientes enfermos, van todos aquellos pacientes
que viéndose algo anómalo, en la primera exploración, en la unidad satélite, necesitan
ser derivados al hospital para que le hagan otras pruebas; por tanto se calcula como una
tasa de derivación al hospital, ponderando los tres últimos años de estadísticas antes
presentadas, y se obtiene, aproximadamente un 2%.
Sin embargo, en la rama donde ya salen del hospital con un cáncer, el porcentaje
es algo mayor de, aproximadamente, un 14%.
Caso de Estudio
Paula Jiménez Villares 140
5.3.3 Simulación del proceso: modelo “AS IS”
La ejecución de la simulación proporciona las siguientes datos:
Número de activaciones
formulario digitalizado 1.004
historia preparada 1.589
llega a centro principal de mamografías 1.429
informe realizado 1
cita otorgada 14
mamografía realizada 1.589
posible paciente enfermo 14
historia entregada 13
mamografía informada 1.004
Llega paciente 1.620
espera cumplida 14
informe digitalizados 1.003
historia recibida en hospital 14
historia archivada 1.003
paciente informada cita hospital 14
paciente sana 13
cuestionario relleno 1.620
la paciente esta sana 990
carta recibida 960
fin de la espera 1.464
la paciente esta informada 1
Figura 5. 15 : Número activaciones en los eventos del proceso simulado en el modelo "AS IS"
5.3.4 Verificación y validación del modelo
La simulación se puede validar mediante la animación y mediante los datos
históricos. A partir de los datos resultantes de la simulación, se comprueba que son
representativos de los reales, en cuyo caso se valida el modelo. En caso contrario es
necesaria una revisión del modelo completa para buscar los errores y modificarlos.
Caso de Estudio
Paula Jiménez Villares 141
La animación del modelo ha servido para considerar que la representación del
proceso es correcta. Para validar el modelo se han comparado los resultados obtenidos
en la simulación con los datos históricos que se habían recopilado ( Figura 5.19).
Como se puede observar, los datos históricos obtenidos son anuales, pero la
simulación del modelo la hemos realizado durante dos meses, de hecho se ha procedido
a simular los meses de marzo y abril por considerarlos más representativos que los dos
primeros del año, pues febrero tiene 28 días.
Por tanto, los datos referidos a dos meses, del último año, 2005, son:
Mujeres exploradas y sanas: 6128*(2/12) = 1021 mujeres.
Mujeres derivadas al hospital: 86*(2/12) = 14 mujeres.
Mujeres con cáncer: 11*(2/12) = 1,8 = 2 mujeres.
Los datos obtenidos en la simulación son los que se dan en la tabla de activación
de eventos:
Número de activaciones de los eventos donde la paciente resulta sana son:
Historia archivada: 1003 mujeres.
Paciente sana: 13 mujeres.
Total: 1016 mujeres.
Número de activaciones del evento posible paciente enfermo: 14 mujeres.
Número de activaciones del evento la paciente esta informada (del cáncer): 1
mujer.
5.3.5 Análisis y resultados de la simulación
Tras la simulación se procede a analizar los resultados. Después de hacer todas
las simulaciones los parámetros objetivos tendrán diferentes resultados para cada
escenario y han de ser evaluados.
Caso de Estudio
Paula Jiménez Villares 142
Número procesado
Suma de los tiempos de espera dinámicos
Suma de los tiempos de tratamiento
esperar a q se complete el lote de historias 1.464 0000:00:00:00 7596:08:59:36
informar a la paciente 14 0000:00:00:00 0000:00:41:17
mandar resultado al paciente 960 0000:00:00:00 1271:12:36:33
evaluar paciente en hospital 14 0000:00:00:00 0053:00:58:03
gestionar cita cirugía 1 0000:00:00:00 0001:11:06:19
mandar la historia a la unidad central 13 0000:00:00:00 0017:19:56:22
preparar historia 1.589 0000:00:00:00 0011:07:35:13
esperar día cita 14 0000:00:00:00 0052:07:45:07
digitalizar formularios 1.004 0000:18:38:09 0002:07:01:17
clasificar paciente 1.004 0000:00:00:00 0000:00:00:00
archivar historia 1.003 0000:00:00:00 0002:05:49:44
realizar mamografía 1.589 1501:05:30:48 0011:04:11:29
digitalizar informes 1.003 0008:05:18:05 0002:07:31:47
rellenar cuestionario de salud 1.620 0004:00:17:08 0004:12:26:12
enviar centro principal de mamografías 1.429 0000:00:00:00 1897:05:58:11
mandar historia al hospital 14 0000:00:00:00 0014:10:17:04
procesar historia en el centro principal 0 11956:19:14:4 3214:23:07:33
informar mamografía 1.004 11947:19:18:3 0007:00:31:26
pedir cita al hospital 14 0000:00:00:00 0000:00:43:52
El porcentaje de curación de los tumores de mama diagnosticados en su etapa
inicial es prácticamente del 90%. La supervivencia de las mujeres diagnosticadas ha
mejorado notablemente (78%), gracias entre otras cosas al programa de screening.
De ahí la importancia de mejorar este proceso. Tras realizar un estudio exhaustivo del
proceso tal como es, se deriva que la aportación más importante debe ir dirigida ha
disminuir los tiempos de espera. Para ello se propone implantar la digitalización de las
imágenes y de las historias mediante un sistema de información.
Caso de Estudio
Paula Jiménez Villares 143
La mamografía digital se trata de una tecnología que utiliza exclusivamente
métodos digitales en la obtención y registro de las imágenes para la exploración
radiológica completa de la mama y éstos sustituyen las clásicas películas radiográficas.
Con ella obtenemos numerosas ventajas, entre las que destacan la facilidad para
su búsqueda y comparación para el estudio de la estabilidad de las lesiones mamarias, la
rapidez de su adquisición, la facilidad de tratamiento de la imagen, la capacidad de
distribución vía telemática, además de respetar el medio ambiente, ya que los líquidos
reveladores de la mamografía convencional representan un grave problema medio
ambiental. Económicamente habría que tener en cuenta que éstos líquidos generan un
gasto a tener en cuenta ya que han de ser procesados por empresas externas expertas en
el tratamiento de dichos residuos.
Respecto a la gestión administrativa del proceso, introducimos un sistema de
intranet que permite una digitalización automática de los informes, sirviendo de base de
datos y agilizando el envío y contacto entre las diferentes unidades implicadas.
La parte del proceso que ha sufrido un cambio mas importante es la
digitalización de la mamografía, con lo cual no sólo obtenemos una imagen más nítida,
sino que al almacenarlo en la base de datos del sistema de información dentro de su
historia mamográfica permite el estudio de la evolución de las lesiones mamarias,
aumentando el rendimiento no solo diagnóstico, sino disminuyendo el tiempo de ciclo
del proceso de detección del cáncer.
Para confirmar y sustentar, e incluso que sirva como herramienta de decisión lo
anteriormente expuesto, se ha modelado el proceso “to be” con estas mejoras, partiendo
del mismo contexto que el modelo “as is”.
5.4.1 Flujo temporal del proceso
La usuaria llega a la unidad satélite de “detección precoz del cáncer de mama”.
La secretaria introduce en la aplicación un cuestionario de salud, con la información
aportada por la misma, sobre los factores de riesgo del cáncer de mama y antecedentes
personales. La técnico de la unidad satélite le realiza la mamografía digital mediante
dos proyecciones en cada mama.
Caso de Estudio
Paula Jiménez Villares 144
La secretaria de la unidad satélite inserta las imágenes en la historia del paciente,
en la aplicación informática y se las envía al radiólogo vía intranet.
El radiólogo informa digitalmente las imágenes y las manda a la secretaria de la unidad
principal.
La secretaria de la unidad central, si la paciente tiene una posible lesión
mamaria, pide cita al hospital y manda su historia vía Intranet. También informa al
paciente del día y hora que tiene que acudir al hospital. Sin embargo, si en las mamas de
la paciente está libre de enfermedad, la secretaria mandará el resultado a la paciente por
correo.
En el hospital, el radiólogo realizará una prueba complementaria ( mamografía
localizada o ecografía) con ayuda del técnico del hospital. Inserta la imagen en la
historia de la paciente en la aplicación. Se realiza el informe, si la paciente es posible
que padezca cáncer, se le realizará una biopsia de la lesión que se mandará a Anatomía
Patológica, que confirmará, o no, en un informe, la sospecha radiológica. El radiólogo
con toda esta información, realizará un nuevo informe, en la aplicación informática, que
derivará, junto con la historia, a la unidad central.
En la unidad central si la paciente está sana se le informa por correo a la
paciente; sin embargo, si la paciente tiene cáncer, la secretaria de la unidad principal
pedirá cita al Servicio de Cirugía e informará a la paciente.
Mapas del proceso
En el ANEXO 3 de este proyecto, aparecen los diagramas del proceso pero con
un mayor tamaño para una lectura más cómoda, así como, en el CD que se adjunta,
donde se encuentra todo el proceso.
Caso de Estudio
Paula Jiménez Villares 145
5.4.2 Parámetros y datos introducidos en el modelo
“TO BE”
En este caso, el modelo de instanciación del proceso, el calendario de turno y la
probabilidad en las ramificaciones, son los mismo que en el caso de la simulación del
modelo “AS IS”, pues éstas condiciones no varían. Se está suponiendo, por tanto, que
las citas diarias son las mismas, que el personal que trabaja en el proceso tiene la misma
jornada laboral y los porcentajes de pacientes derivados con posibles cáncer o con
cáncer siguen siendo los mismos.
Sin embargo, al cambiar la arquitectura organizativa y el método de trabajo las
estimación de los tiempos de las funciones y las funciones, sí varían.
5.4.2.1 ESTIMACIÓN DE LOS TIEMPOS DE LAS FUNCIONES
A continuación se presenta la estimación de los tiempos de las funciones:
Tiempo de
espera estática
Periodo de
adaptación
Tiempo de
tratamiento
Observaciones
Introducir
datos en la
aplicación
Normal (3,2)
minutos
Realizar
prueba
mamográfica
digital
Se ha simulado en detalle.
Pedir cita al
hospital
Normal (3,2)
minutos
Informar a la
paciente de su
cita
Normal (3,2)
minutos
Caso de Estudio
Paula Jiménez Villares 146
Tiempo de
espera estática
Periodo de
adaptación
Tiempo de
tratamiento
Observaciones
Esperar día
cita
Normal (4,2)
minutos
Evaluar al
paciente en el
hospital
Normal (4,1)
días
Se ha
considerado
como una caja
negra, aunque
se ha modelado
en detalle.
Pedir cita
cirugía
Normal(3,2)
minutos
Informar a la
paciente de la
cita
Normal (3,2)
minutos
Mandar
resultado al
paciente
Normal (1,1)
días
Figura 5. 16 : Tabla de estimación de los tiempos de las funciones del proceso principal detección precoz del cáncer de mama mejorado en el modelo “TO BE”
Tiempo de
espera estática
Periodo de
adaptación
Tiempo de
tratamiento
Observaciones
Informar
mamografía
en la
aplicación
Normal (7,3)
minutos
Insertar
mamografía
en historia del
Normal (2,1)
minutos
Caso de Estudio
Paula Jiménez Villares 147
paciente en la
aplicación
Realizar
mamografía
Normal (7,3)
minutos
Normal (3,1)
minutos
Normal (10,5)
minutos
Figura 5. 17 : Tabla de estimación de tiempos de funciones del proceso secundario realizar prueba mamográfica en el modelo “TO BE”
5.4.3 Simulación del proceso del modelo “TO BE”
La ejecución de la simulación proporciona las siguientes datos:
Número de activaciones carta recibida 1.297 mamografía realizada e informada 1.371 espera cumplida 18 paciente informada cita cirugía 7 Llega la paciente 1.620 paciente sana en prueba de imagen 11 paciente informada cita hospital 22 paciente sana en mamografía 1.349 cita otorgada 22 Historia actualizada 1.461 posible paciente enferma 22 mamografía realizada 1.517 cita obtenida 7 informe realizado en la aplicación 7 datos introducidos 1.567
Figura 5. 18 :Número activaciones en los eventos del proceso simulado en el modelo "TO BE"
5.4.4 Análisis y resultados de la simulación del
modelo “TO BE"
A continuación se presentan los resultados de los tiempos en la simulación del
modelo “TO BE”. El tiempo de espera dinámico sirve para observar el tiempo de espera
acumulados por los pacientes para que puedan realizarles o realizar una función. Es el
principal indicador de calidad asistencial.
Caso de Estudio
Paula Jiménez Villares 148
Número procesado
Suma de los tiempos de espera dinámicos
Suma de los tiempos de tratamiento
insertar imagen en historia del paciente en la aplicación 1.461 1113:07:03:41 0002:01:33:08
esperar día cita 18 0000:00:00:00 0068:03:58:56
introducir datos en la aplicación 1.567 1103:11:42:10 0003:14:25:10
informar a la paciente de la cita 7 0000:00:08:28 0000:00:26:00
pedir cita al hospital 22 0000:00:00:00 0000:01:25:51
mandar resultado al paciente 1.297 0000:00:00:00 1668:11:30:27
informar a la paciente de su cita 22 0000:00:28:00 0000:01:04:39
informar mamografía en la aplicación 1.371 6327:13:33:29 0006:18:29:07
realizar mamografía 1.517 2813:08:45:45 0010:20:36:23
realizar prueba mamográfica digital 0 10254:05:22:5 0019:16:38:38
pedir cita en cirugía 7 0005:09:55:21 0000:00:29:29
clasificar paciente 1.371 0000:00:00:00 0000:00:00:00
evaluar al paciente en el hospital 18 0000:00:00:00 0072:02:20:42
En la siguiente tabla se hace un análisis comparativo entre la simulación de
ambos modelos, donde está claro que muchos aspectos han mejorado. Creando el
mismo número de procesos, nuestro nuevo modelo finaliza más procesos, es decir
atiende completamente un mayor número de pacientes. Incluso las esperas dentro de los
procesos, por parte de los pacientes, son más pequeñas.
TO BE AS IS
Número de procesos creados. 1.620 1.620
Número de procesos finalizados. 1.304 966
Número de funciones editadas 8.678 13.649
Número en espera estática 0 0
Número en espera dinámica 249 468
Número de interrupciones durante la adaptación. 0 0
Número en adaptación 0 0
Número de interrupciones durante el tratamiento. 0 0
Caso de Estudio
Paula Jiménez Villares 149
Número en tratamiento 67 186
Suma de los tiempos de espera estáticos 0007:18:34:10 0008:01:17:02
Suma de los tiempos de espera dinámicos 11363:03:36:5 13721:21:01:3
Suma de los períodos de adaptación 0003:03:40:04 0003:06:57:18
Suma de los tiempos de interrupción durante la adaptación. 0000:00:00:00 0000:00:00:00
Suma de los tiempos de tratamiento 1832:04:19:52 10689:17:21:5
Suma de los tiempos de interrupción durante el tratamiento. 0000:00:00:00 0000:00:00:00
Top Related