¿Cómo evaluar el desempeño de un hospital en GES?

Imagínate lo siguiente... Estás en la caja del supermercado y tienes una bolsa en donde vas echando las cosas que compraste. La cajera va pasando cada cosa por la máquina y la va dejando en el mesón para que la puedas tomar y colocar en tu bolsa. Es fin de mes, así que compraste más de lo habitual. No hay problemas. En la medida que la cajera marca los productos, tu los vas dejando en la bolsa. Pero la cajera parece que estaba media apurada y comienza a pasar los productos mucho más rápido y se empiezan a acumular en el mesón. Entonces, tu mente piensa rápido y decide que tienes que ir echando las cosas más rápido a la bolsa, porque el mesón no es muy grande. Así pasan algunos segundos, pero en un momento te distraes, te pones a revisar el teléfono y no te das cuenta de que tienes un cerro de cosas al frente de ti. De pronto, se empiezan a caer al suelo, pues el mesón ya no da. La gente en la fila te mira raro y tu no hayas mejor cosa que apurarte en meter las cosas a la bolsa, mientras siguen cayendo productos al piso. 

Ahora piensa en esto

Cambia los productos por pacientes con garantías GES, el pasarlos por la caja como el proceso de atención y tu bolsa como un repositorio en donde tienes a los pacientes ya atendidos. 

Bueno, eso lo puedes medir y acá te lo explico...

En este otro artículo te explicaba sobre un nuevo indicador que podría usarse para analizar la gestión de garantías de GES de una institución pública de salud.

En resumen, es considerar la gestión de estos pacientes como un proceso que tiene entradas (derivaciones y nuevas garantías de oportunidad) y salidas (prestaciones entregadas y resolución de garantías). Bueno, eso es posible de calcular teniendo en mente la tasa de entrada vs la tasa de salida. En ese artículo propongo un nuevo indicador de desempeño que llamé tasa de resolutividad. 

Tasa resolutividad ->  si N = 0, (R)t  ,

                                       si N ≠ 0, (R)t / (N)t

R: n° de garantías resueltas

N: n° de garantías nuevas

t = tiempo

Ok. Ese indicador podría tener una leve diferencia si en vez de calcularlo en base al número bruto de garantías que se generan y las que se resuelven, se podría analizar en la medida del cambio o variación entre un período y otro anterior.

Ya, ¿Pero no es lo mismo?

No, no es lo mismo. 

De hecho, cambia mucho. Es una sutileza, pero importante.

El hecho de evaluar esa variación respecto a un período anterior permite analizar en el tiempo la capacidad institucional de resolver garantías. Y ese elemento temporal lo cambia todo! 

El análisis temporal facilita la comprensión de mejor forma de tendencias en tu datos, la dimensión de temporalidad permite encontrar ciclos o hitos que afecten el desempeño GES y que con indicadores estáticos no es posible de encontrar.

Del mismo modo, el mantener registros de series de tiempo permitiría generar modelos de forecasting o de predicción. Si, si!!! La tan famosa inteligencia artificial podría usarse acá. Pero de eso no te voy a hablar ahora. Lo dejo como spoiler nada más.

Entonces, qué tenemos hasta ahora...

Al disponer de las garantías GES, tanto vigentes como retrasadas, permite calcular cuántas hay para cada patología en un determinado día y compararlo con, por ejemplo, el día anterior. Esa diferencia (o variación) se registra en un nuevo campo. Si haces eso por muchos días seguidos, tendrías un registro temporal de variación de garantías y podrías calcular un índice, por ejemplo, usando la media para el período. De esta forma tienes 2 cosas super interesantes:

1. Registro en el tiempo de las variaciones en las garantías por patología.

2. Poder calcular un índice que resuma esas variaciones.

Al igual que el indicador del otro artículo que te mencionaba, este índice te permite evaluar el desempeño GES, pero esta vez, no solo en una fotografía, sino en muchas fotografías que finalmente constituyen una película... una historia.

Imagen referencial

En el reporte automatizado que diseñé incluí el cálculo de este indicador, la serie temporal y una gráfica, tanto por patología como especialidad. Además, de una segmentación entre pacientes oncológicos y el total de casos.

El reporte está construido usando el lenguaje de programación R y la librería R Markdown.

El proyecto es de código abierto y está totalmente disponible en este repositorio. 

Además, puedes encontrar una serie de ayuda para poder usarlo y configurarlo, incluso, si no tienes la más mínima idea de programación. Dale una mirada.

Es, en definitiva, un nuevo indicador que entrega mucha información de gran interés para aquellas unidades a cargo de la gestión de pacientes, servicios de salud, unidades de control de gestión, estadísticas o similares que deseen llevar un paso más el análisis de datos y contar con una herramienta potente, ampliable, flexible y automática de información sobre el GES.

 

Saludos!!