Fecha: 15/01/2018
Idioma: Castellano
Web: ver aquí
Autor: Ricard Gavaldà, director de tecnología, profesor de la Universitat Politècnica de Catalunya y cofundador de Amalfi Analytics  

Todos tenemos en mente situaciones de demoras excesivas en los servicios de Urgencias, sea por vivencias propias o por las recurrentes notificaciones en prensa. También conocemos una gran variedad de publicaciones donde se analiza el problema, y se presentan resultados que, por desgracia no se plasman en mejoras trasladables a todos los centros. Amalfi Analytics es una spin-off de la Universitat Politècnica de Catalunya que, a partir de investigación puntera en temas de análisis Big Data, ofrece herramientas para la mejora de la gestión clínica. Conscientes de la situación crónica de crisis y recortes que agravan la presión de ingresos en Urgencias, plantea un enfoque basado en datos  para la mejora de tiempos de espera y otros indicadores de servicios de urgencias. La propuesta se basa en el trabajo de investigación desarrollado  en colaboración con un hospital de tercer nivel y un consorcio de salud y con una metodología disruptiva: convertir el punto de triaje en un nodo de predicción y planificación del flujo de pacientes en el servicio de urgencias. Se trata de predecir, en tiempo real, los pacientes que van a requerir ingreso con la información disponible en el momento del triaje. Con ello se suprime el tiempo requerido para la gestión de obtención de cama, tanto  intrahospitalaria, como si hablamos de derivaciones a centros de cuidados intermedios.

El impacto de esta nueva herramienta en la estación de trabajo clínica del facultativo de triaje se completa con una app para una mejor coordinación con los centros proveedores de camas sociosanitarias y de curas intermedias. Se prevé una reducción del 20% en la demora en Urgencias. Veamos su aplicación:  

• CONOCER CON DATOS REALES NUESTROS PROCESOS DE ATENCIÓN

Para este análisis la solución propuesta incorpora un módulo de process discovery que permite detectar flujos no previstos o indeseados.

El módulo construye, a partir de los datos registrados en el sistema de información del centro, diagramas de flujo que representan las trayectorias típicas de los pacientes por las instalaciones, los puntos de asistencia, los recursos usados,etc., incluyendo tiempos de permanencia en cada uno. Permite además simulaciones de evolución de pacientes con perfiles específicos y en consecuencia ayuda a identificar los cuellos de botella y las desviaciones de los protocolos establecidos.  

• ASIGNAR UNA PREDICCIÓN DE RIESGO DE INGRESO

La mayoría de soluciones se centran en facilitar datos estadísticos de sobrecarga de Urgencias en periodos anteriores, con número de casos, tiempos de espera o presión de ingresos. Estos pronósticos no se basan en datos específicos del caso atendido y del mismo día de la demanda, y por lo tanto no informan en tiempo real de los recursos requeridos, especialmente la gestión de camas.

• RESERVA DE LA CAMA APROPIADA

El sistema predictivo se acompaña de una app para teléfono celular que facilita las derivaciones entre centros. Con frecuencia, los hospitales medianos o grandes tienen acuerdos para la derivación fluida de pacientes a otros centros de curas intermedias cuando no tienen disponibilidad de cama. Los trámites para las derivaciones se hacen ahora por vía telefónica entre los responsables, por correo electrónico o incluso por grupos de Whatsapp. Este es un procedimiento que dista de ser óptimo, porque consume tiempo de profesionales muy valiosos y propicia los errores y retrasos. La app permite gestionar de manera centralizada las peticiones y ofertas de camas libres, pudiendo distinguirse por tipo de cama y por características de los pacientes. El tiempo de gestión de los agentes se reduce hasta en un 80%, y la tasa de errores es también mucho menor. La app puede utilizarse separadamente, pero alcanza todo su potencial en combinación con el sistema de predicción de necesidades de cama: el trámite de búsqueda de cama en otro centro puede iniciarse desde el momento de triaje, reduciendo aún más el tiempo de espera de los pacientes hasta su ingreso.        

Referencias:

• /sites/default/files/158828531611588285316.pdf
• https://www.sciencedirect.com/science/article/pii/S0716864017300354
• http://www.internationalemergencynursing.com/article/S1755-599X(16)30197-5/references