El desafío
por Jason Ceresoli y Michael Kuhl (R.I.T.)
Tal y como se presentó en la Conferencia de Simulación de Invierno de 2018
El tratamiento de pacientes en clínicas sanitarias ambulatorias es una tendencia en continuo crecimiento a medida que mejora la tecnología y se reconocen los beneficios de la recuperación. En este artículo, nos centramos en los aspectos operativos de las clínicas que tendrán un impacto en las decisiones de diseño de la clínica en relación con la productividad, la eficiencia y la calidad de la atención al paciente. Desarrollamos un simulador generalizado de diseño de clínicas sanitarias (HCD-Sim) para estudiar el comportamiento dinámico del sistema y analizar diseños alternativos de clínicas sanitarias ambulatorias. Nuestro marco de simulación está diseñado para tener una estructura basada en datos que sea capaz de representar una gran clase de clínicas sanitarias ambulatorias mediante la especificación de datos clínicos relativos a flujos de pacientes, flujos de trabajo y requisitos de recursos. Describimos nuestra metodología y demostramos las capacidades de experimentación utilizando el marco de simulación.
Introducción
Uno de los principales objetivos de las organizaciones sanitarias es proporcionar una atención eficaz y eficiente. Con este objetivo en mente, las organizaciones sanitarias han identificado la necesidad de analizar y estudiar sus sistemas y procesos para mejorar el rendimiento operativo. El diseño de las instalaciones sanitarias es un aspecto que puede influir en la calidad y la eficacia de la atención que reciben los pacientes. El número de salas de tratamiento, el equipamiento disponible y los médicos disponibles son algunas de las muchas opciones de diseño que los planificadores sanitarios deben determinar a la hora de diseñar un sistema. Además, hay varias tendencias clave en la atención sanitaria que han aumentado la necesidad de planificar las instalaciones con más cuidado: la atención a la reducción de costes al tiempo que se aumenta la calidad, la creciente importancia de mejorar la satisfacción de los pacientes y el cambio en el uso de las instalaciones hacia una atención más ambulatoria (Ulrich 2001). Las instalaciones sanitarias mal diseñadas crean entornos que pueden provocar largas esperas y aglomeraciones de pacientes, lo que puede aumentar el estrés del personal sanitario (Rohleder et al. 2011), y las dolencias que solían tratarse en régimen de hospitalización se están trasladando a entornos ambulatorios debido a la importante reducción de costes, el aumento de la calidad de vida de los pacientes y la disminución de las probabilidades de infecciones hospitalarias (Vaughn et al. 2016). Abordar los problemas que surgen de unas instalaciones mal diseñadas puede tener un gran impacto en el rendimiento operativo (Ulrich et al. 2008). Por estos motivos, en la actualidad se están diseñando centros sanitarios que tengan en cuenta las nuevas demandas de tratamientos ambulatorios.
El objetivo de esta investigación es desarrollar un marco de simulación para que las clínicas sanitarias analicen su sistema desde una perspectiva operativa. El marco será lo suficientemente general como para que su uso pueda aplicarse a diferentes clínicas, pero lo suficientemente detallado como para modelar con precisión la naturaleza dinámica y compleja de las operaciones clínicas. El marco puede utilizarse como herramienta para ayudar a los planificadores de la atención sanitaria a tomar decisiones más informadas al comprender el impacto que una decisión tiene en las medidas de rendimiento de interés. El marco apoyará los análisis de capacidad y flujo de pacientes para proporcionar a los responsables de la toma de decisiones un método para identificar las limitaciones de un sistema sanitario, así como los parámetros clave que más repercuten en el rendimiento.
Esta mejor comprensión permitirá identificar el mejor diseño en un entorno de bajo coste y bajo riesgo. El resto del documento se organiza del siguiente modo: en el apartado 2 se presenta un resumen de los trabajos relacionados; en el apartado 3 se analiza la metodología del marco de simulación; en el apartado 4 se muestra la experimentación con el marco; y en el apartado 5 se exponen la conclusión y los trabajos futuros.
Resumen de trabajos relacionados
El uso de la simulación para estudiar los sistemas sanitarios ha aumentado considerablemente en los últimos años. En esta sección, resumimos parte de esta investigación relacionada con la necesidad de modelos generalizados/reutilizables; el uso de la simulación para investigar el análisis de la capacidad y el flujo de pacientes en la asistencia sanitaria; y, por último, la aplicación de la simulación para estudiar las clínicas ambulatorias.
Los investigadores han demostrado que la simulación de eventos discretos es capaz de modelar sistemas complejos, por lo que resulta ventajosa a la hora de analizar sistemas sanitarios (Hong et al. 2013; Roberts 2011). Además, se necesitan modelos reutilizables en la asistencia sanitaria, ya que los avances de la simulación en este ámbito se ven frenados por la tendencia a empezar los modelos desde cero, en lugar de aplicar conceptos generales de simulación (Günal y Pidd 2010; Mahdavi et al. 2013; Robinson et al. 2004; Roberts 2011).
El análisis de la capacidad y el flujo de pacientes son dos áreas centrales de la investigación con simulación en la asistencia sanitaria. La simulación se utiliza ampliamente para el análisis de la capacidad debido a la oportunidad que ofrece para reproducir y evaluar un sistema en un entorno de bajo coste y bajo riesgo (Katsaliaki y Mustafee 2011). En una revisión exhaustiva de la capacidad y el rendimiento de los servicios sanitarios, Jack y Powers (2009) descubrieron que, a diferencia de otros sectores de servicios, las consecuencias de no ajustar adecuadamente la demanda de los pacientes a los escasos recursos son graves. Además, las decisiones sobre capacidad están asociadas a la asignación de recursos escasos para gestionar la demanda, lo que puede repercutir en la cantidad de asistencia que puede prestarse y en la variedad de pacientes que el sistema es capaz de tratar (Smith-Daniels et al., 1988). Entre las aplicaciones del análisis de la capacidad se incluyen estudios de los servicios de urgencias (Oh et al. 2016), un centro de tratamiento del cáncer (Romero et al. 2013), la necesidad de camas en los hospitales (Harper y Shahani 2002) y una clínica ortopédica ambulatoria (Baril et al. 2014). Además del análisis de la capacidad, el flujo de pacientes y las vías de atención son el centro de muchos estudios, ya que pueden dar lugar a oportunidades de mejora del rendimiento (Marshall et al. 2005). Cote (2000) sostiene que el flujo de pacientes y la capacidad están estrechamente relacionados, ya que el flujo de pacientes es efectivamente la demanda impuesta a un sistema sanitario. Además, McLaughlin y Hays (2008) indican que el análisis del flujo de pacientes permite identificar actividades sin valor añadido que, si se eliminan, pueden dar lugar a mejoras de la eficiencia.
Desde una perspectiva operativa, una tendencia continua en la prestación de asistencia sanitaria es el cambio hacia el tratamiento de los pacientes en entornos ambulatorios, en lugar de exclusivamente hospitalarios (Cote 2000). En las dos últimas décadas, los sistemas sanitarios han observado que casi se ha duplicado el número de visitas ambulatorias (Parks et al. 2011). Se cree que la motivación de esta reciente tendencia es la innovación en la medicación, los avances tecnológicos, los procedimientos (Cote 2000) y la reducción del coste económico (Vaughn et al. 2016). Sin embargo, muchos de los problemas que han aquejado a los servicios de hospitalización (congestión, horas extraordinarias del personal, elevados tiempos de espera, etc.) se han trasladado a los ambulatorios. Hong et al. (2013) explican que estos problemas en los ambulatorios provocan un aumento de la insatisfacción de los pacientes. Esto es importante, ya que la satisfacción de los pacientes influye en los reembolsos que un sistema sanitario recibe de Medicare y Medicaid (Kennedy et al., 2014).
Sobre la base de esta investigación, nuestro objetivo es ayudar a abordar los problemas de diseño y análisis de clínicas ambulatorias eficaces y eficientes mediante el desarrollo de un marco de modelado de simulación generalizado. El enfoque de modelado reutilizable permitirá analizar la capacidad y el flujo de pacientes para la toma de decisiones. La novedad de nuestro marco de modelización es que amplía el formulismo DEVs y permite la escalabilidad de los modelos atómicos (Zeigler et al. 2000). Además, este marco se basa en el trabajo propuesto por Pérez et al. (2010), Alvarado et al. (2018), y Abo-Hamad y Arisha (2013) al permitir que los componentes o modelos atómicos que representan los atributos de la clínica (salas de tratamiento, personal, flujos de pacientes, etc.) sean alterados por entradas manejadas a través de una tabla de datos. Además, el número de estos atributos puede modificarse mediante entradas de la tabla de datos, reduciendo así el tiempo necesario para modelar diferentes clínicas o diseños alternativos.
La solución
Simulación de clínicas sanitarias
En esta sección resumimos los aspectos operativos de las clínicas de asistencia sanitaria ambulatoria y la traslación de estos aspectos al desarrollo de un marco de simulación generalizado. En concreto, nos centramos en los aspectos operativos de la clínica que influirán en las decisiones de diseño relativas a la productividad, la eficiencia y la calidad de la atención al paciente. Esto incluye aspectos como la disposición y configuración de las instalaciones, los patrones de llegada de los pacientes, los flujos de pacientes y los flujos de trabajo, entre otros. Para representar el comportamiento dinámico y el rendimiento, se presenta un marco de simulación de eventos discretos que facilita el diseño del sistema, el análisis y la toma de decisiones.
Descripción del sistema clínico
Aunque existe una gran cantidad de clínicas de atención sanitaria ambulatoria especializada, desde una perspectiva operativa, la mayoría comparten un flujo y una secuencia de funcionamiento similares. Aunque los detalles específicos con respecto al diagnóstico y tratamiento médico pueden diferir, describimos una clínica representativa desde las perspectivas del flujo de pacientes y del flujo de trabajo.
Los pacientes llegan a la clínica siguiendo un horario, sin cita previa o combinando ambas opciones. Los pacientes suelen clasificarse según su diagnóstico o el motivo de la visita, definiendo así su itinerario asistencial. A su llegada, el paciente se registra (a menudo en un mostrador de recepción) y se notifica al personal de la clínica que el paciente está esperando. Desde el punto de vista del personal, la llegada del paciente hace que el personal determine quién será asignado a ese paciente. Una vez que un miembro del personal ha seleccionado al paciente, empezará a revisar su historial. Mientras tanto, la clínica determina la disponibilidad de una sala de exploración para el paciente. Una vez disponible, se tomarán las constantes vitales al paciente de camino a la sala de exploración. En la sala de exploración, se realizarán varias evaluaciones o procedimientos. Normalmente, una enfermera o un asistente médico realiza una evaluación preliminar, seguida de una evaluación o procedimiento médico. Entre estas evaluaciones se produce un traspaso para informar al médico de los resultados de la evaluación preliminar. Si el paciente requiere un procedimiento, dependiendo del procedimiento y de los recursos necesarios, el procedimiento puede realizarse en la sala de exploración o en una sala de procedimientos separada (esto puede depender del procedimiento requerido y/o de la disponibilidad de la sala). Una vez que el paciente ha terminado con su atención, se registrará su salida y abandonará el sistema. Tras la salida del paciente, el personal finaliza el registro y la redacción de órdenes, si es necesario, antes de atender al siguiente paciente. (En la Figura 2 se muestra un diagrama de flujo que ilustra los flujos de pacientes para la clínica sanitaria representativa utilizada en nuestro experimento).
Marco de simulación de una clínica sanitaria
Con el fin de proporcionar un método generalizado para estudiar el comportamiento dinámico de las clínicas sanitarias y analizar diseños alternativos de clínicas ambulatorias, hemos desarrollado un Simulador de Diseño de Clínicas Sanitarias (HCD-Sim). Nuestro marco de simulación está diseñado para tener una estructura modular basada en datos. Es decir, nuestra intención es proporcionar un modelo de simulación de eventos discretos que sea capaz de representar una gran clase de clínicas de atención sanitaria ambulatoria sólo a través de la especificación de los datos de la clínica relativos a los flujos de pacientes, flujos de trabajo y requisitos de recursos. Aunque la investigación continúa, el marco puede dividirse conceptualmente en los cinco componentes siguientes: (a) entradas del sistema clínico; (b) variables de decisión clínica; (c) modelo clínico flexible; (d) diseño experimental; y (e) rendimiento clínico. En la figura 1 se presenta el marco general de simulación de HCD-Sim.
HCD-Sim utiliza los datos operativos que definen la clínica como entradas especificadas por el usuario. Las entradas del sistema clínico incluyen los tipos de pacientes, la mezcla de pacientes, el horario de llegada y las vías de flujo de pacientes. Desde la perspectiva del simulador, los tipos de pacientes se refieren a los distintos flujos que un paciente puede seguir en la clínica. Esto incluirá los recursos necesarios para su atención, junto con los tiempos de procesamiento de las evaluaciones, los tratamientos y los procesos asociados.
Las variables de decisión de la clínica definen el conjunto de decisiones de diseño que la clínica sanitaria está interesada en investigar, como la dotación de personal, el equipamiento, las especificaciones de diseño clínico y las priorizaciones. Las variables de personal pueden incluir los niveles y horarios del personal. Las variables de equipamiento pueden incluir el número de dispositivos médicos o la capacidad de los equipos. Los parámetros de diseño clínico se refieren al número de salas de examen y de procedimientos, junto con el tamaño de las salas de espera y/o de trabajo, etc. Además, se incluyen como posibles variables de decisión cómo prioriza la clínica a los pacientes y cómo prioriza las tareas el personal.
Figura 1: Marco de modelado HCD-Sim para el diseño y análisis de clínicas sanitarias.
El modelo de clínica flexible toma las variables de entrada y de decisión y crea un modelo representativo de la clínica para que las variables de decisión puedan estudiarse mediante experimentación. El modelo de clínica flexible está diseñado en torno a una arquitectura de tablas relacionales. Esta arquitectura permite modelizar la compleja naturaleza de los flujos de pacientes y los recursos de una forma flexible y capaz de representar una amplia clase de clínicas de asistencia sanitaria ambulatoria. Por ejemplo, pueden incluirse equipos de atención multidisciplinar para modelar operaciones centradas en el paciente mediante el uso de distintos tipos de personal que lo atienda. El modelo de clínica también incluye una estructura flexible para modelar los flujos de trabajo, los patrones de llegada de los pacientes, la mezcla de pacientes, los horarios del personal y otros componentes del sistema.
El componente de diseño experimental, como se muestra en la Figura 1, está vinculado a las variables de decisión que se estudian, así como a las métricas de rendimiento. Los experimentos para los que está diseñado actualmente el marco incluyen el análisis del flujo de pacientes, el análisis de la capacidad y la optimización de recursos. El flujo de pacientes puede analizarse para reducir los pasos sin valor añadido y analizar el tiempo que un paciente tiene que permanecer en la clínica para recibir tratamiento. El análisis de la capacidad de la clínica puede utilizarse para identificar los factores que limitan el rendimiento y la productividad del sistema. Y puede realizarse una optimización de los recursos para determinar la mejor combinación de recursos del sistema (salas, equipos, personal, etc.) con el fin de optimizar el rendimiento del sistema.
Por último, el marco de simulación puede evaluar el rendimiento de la clínica utilizando parámetros de rendimiento relacionados con la productividad, la eficiencia y la calidad de la atención al paciente. Las métricas de rendimiento que recoge actualmente el marco incluyen los tiempos de espera de los pacientes, la utilización de los recursos, la utilización del personal, las horas extraordinarias del personal, las medidas de congestión (métricas de colas), el tiempo total que el paciente está en el sistema y el rendimiento, entre otras. HCD-Sim se aplica actualmente con el software de simulación Simio. El diseño del marco utiliza en gran medida la estructura de tablas de bases de datos relacionales para permitir la especificación clínica basada en datos de los parámetros clínicos, los flujos operativos y las variables de decisión.
Experimentación con hcd-sim
Para demostrar las posibilidades de la experimentación con el marco HCD-Sim, se plantea un experimento sobre el diseño y el análisis de la capacidad de un ambulatorio general representativo. En concreto, este experimento explorará cuestiones relacionadas con la configuración de las instalaciones, los niveles de personal y la mezcla de pacientes con respecto a la capacidad clínica medida en términos de rendimiento de pacientes. Estas preguntas son las siguientes
- ¿Cuál es el impacto de la combinación del número de salas de examen y salas de procedimientos en la capacidad clínica?
- Para una determinada configuración del centro, ¿cómo afecta el número de personal médico (enfermeras, médicos y asistentes médicos) a la capacidad clínica?
- ¿Qué efecto tiene la mezcla de tipos de pacientes (basada en la vía de flujo de pacientes) en la capacidad de la clínica?
Aunque HCD-Sim puede producir una amplia gama de medidas y estadísticas de rendimiento del sistema, hemos optado por centrarnos en el flujo de pacientes para ilustrar los tipos de análisis que se pueden realizar utilizando el marco de simulación.
Funcionamiento de la clínica
Las instalaciones y el funcionamiento de la clínica ambulatoria representativa utilizada en el experimento son los siguientes. El diseño de la clínica consta de un puesto de entrada/salida, una sala de espera, un puesto de evaluación de constantes vitales, salas de exploración, salas de procedimientos y puestos/salas de trabajo para el personal. Hay seis tipos diferentes de pacientes que visitan esta clínica. Los seis tipos de pacientes difieren en los recursos que requieren para su tratamiento y los procedimientos que se llevan a cabo. En la Tabla 1 se muestran los tipos de pacientes junto con sus secuencias y los requisitos de personal.
Tabla 1: Secuencias de flujo de pacientes, recursos necesarios y duración de los procesos en el ambulatorio general. Todos los tiempos se indican en minutos.
El flujo de pacientes en la clínica se muestra en la Figura 2. Cuando llega un paciente, se registra y permanece en una sala de espera hasta que hay una sala de exploración disponible. Una vez disponible, una enfermera acompaña al paciente a la sala de exploración y realiza una evaluación general. La enfermera sale de la sala de exploración y revisa al paciente con el médico o el asistente médico (AP) en la sala de trabajo del personal. A continuación, el médico se reúne con el paciente y le realiza una evaluación. Una vez completadas todas las evaluaciones, el paciente se da de alta y abandona la clínica o se somete a un procedimiento con un médico o enfermera. Una vez finalizado el procedimiento, el paciente abandona la clínica.
Para probar los límites teóricos de la capacidad de la clínica, los pacientes llegan individualmente según un evento que se desencadena una vez que el paciente anterior ha terminado el paso de registro. Aunque no es totalmente representativo del funcionamiento de la clínica, este método permite un flujo infinito de pacientes para poder evaluar los límites de demanda y capacidad al modificar los recursos de personal y salas de la clínica.
Figura 2: Lógica de flujo de pacientes para la clínica general.
Configuración experimental
Las variables de decisión consideradas en este experimento son el número de salas de exploración y de procedimientos, la dotación de personal y la mezcla de pacientes. El experimento se llevará a cabo en tres fases, utilizando el rendimiento como principal medida de interés. En primer lugar, se examina la clínica para determinar la mejor combinación de salas de exploración y de procedimientos, con una limitación de espacio de 10 salas en total y sin limitaciones de personal, con la misma probabilidad para todos los tipos de pacientes. A continuación, se investiga la dotación de personal utilizando la mejor combinación de salas del primer experimento. Por último, se estudia la combinación de pacientes variando la combinación de pacientes con la mejor combinación de salas y personal. Los resultados experimentales de estas tres etapas se presentan y discuten en la siguiente sección.
El impacto empresarial
Resultados experimentales
Los resultados experimentales de las tres fases se obtuvieron mediante 25 réplicas independientes de días de clínica de 10 horas. Este método experimental en tres etapas se utilizó para identificar sistemáticamente el impacto de cada variable de decisión (número de habitaciones, dotación de personal y combinación de pacientes). El análisis de capacidad para la configuración de salas se realizó para cinco configuraciones de salas diferentes. Los resultados se muestran en la figura 3. Estos resultados muestran la configuración con mayor rendimiento de pacientes cuando hay una división uniforme de 5 salas de examen y 5 salas de procedimientos. Además, este análisis proporciona datos que sugieren que las salas de examen tienen un mayor impacto en el rendimiento que las salas de procedimientos. En los experimentos siguientes se examinará la combinación de pacientes.
Dada la configuración de 5 salas de reconocimiento/5 salas de procedimientos, evaluamos el impacto de diferentes niveles de dotación de personal en el rendimiento de la clínica. En concreto, se seleccionan siete combinaciones de personal y se comparan en función del rendimiento medio de la clínica. En la figura 4 se muestran los resultados de este análisis. De las configuraciones de personal examinadas, la configuración de 5 auxiliares médicos, 5 médicos y 10 enfermeras fue capaz de alcanzar el mismo rendimiento medio de 58,6 pacientes al día que el experimento sin restricciones de personal.
Figura 3: Resultados del análisis de capacidad para posibles configuraciones de salas.
El experimento final investiga el impacto de diferentes combinaciones de pacientes en el rendimiento de la capacidad de la clínica. El experimento se realiza utilizando la mejor combinación de salas (combinación 3 de la figura 3) y la combinación 6 del análisis de personal. Para evaluar el impacto de las distintas políticas de programación, se prueban cinco combinaciones de pacientes. Las cinco combinaciones se seleccionan para investigar el impacto de los tres procedimientos que se realizan en la clínica. Los resultados se muestran en la figura 5. La combinación 1 es el caso base, idéntico a los resultados de los experimentos anteriores. La combinación 2 s aumenta el porcentaje de pacientes que requieren procedimientos, lo que se corresponde con el menor rendimiento en comparación con el caso base. La combinación 3 aumenta los dos tipos de tareas de pacientes que tienen procedimientos significativamente más largos (B y C). La combinación 4 es la inversa de la combinación 3, que intuitivamente tiene el mayor rendimiento, ya que es menos probable que se requieran procedimientos más largos. Por último, la combinación 5 investiga el rendimiento cuando los pacientes que llegan a la clínica requieren más al médico que al asistente médico. Los resultados de las 5 combinaciones son razonables. Esta información podría ser útil para la clínica en el futuro a fin de evitar que la programación de los pacientes restrinja el flujo de pacientes y reduzca el rendimiento.
Figura
4: Resultados del análisis de la dotación de personal para distintas configuraciones.
Figura 5: Análisis de la combinación de pacientes para siete configuraciones distintas.
Conclusión
En este artículo se presenta un marco de simulación generalizado para el análisis de centros sanitarios ambulatorios, HCDSim. El marco de simulación está diseñado para proporcionar una plataforma flexible para el modelado y la simulación de una amplia clase de clínicas de atención sanitaria ambulatoria utilizando una técnica de modelado basada en datos. Un ejemplo de clínica representativa muestra el marco e ilustra su capacidad de análisis. HCD-Sim supone un paso adelante en las técnicas de modelado de simulación sanitaria basadas en datos y generalizadas que podrían permitir un uso más amplio de la simulación entre las organizaciones sanitarias sin el tiempo y el esfuerzo necesarios para construir un modelo de simulación desde cero, pero lo suficientemente eficaz como para proporcionar resultados significativos para la toma de decisiones.
En el futuro, este marco de investigación y simulación incluirá aspectos financieros para incorporar las limitaciones presupuestarias a las que se enfrentan los sistemas sanitarios. La inclusión de estos aspectos permitirá a las organizaciones sanitarias evaluar mejor la relación coste-beneficio entre alternativas. Además, el marco podría ampliarse permitiendo la creación dinámica de los componentes o atributos de la clínica para reducir aún más el modelado necesario para los diseños clínicos alternativos.
Biografías de los autores
JASON D. CERESOLI es estudiante de máster del Departamento de Ingeniería Industrial y de Sistemas del Rochester Institute of Technology, Rochester, NY. Es licenciado en Ingeniería Industrial y de Sistemas por el Instituto Tecnológico de Rochester. Sus intereses de investigación incluyen la simulación de eventos discretos y la asistencia sanitaria. Su dirección de correo electrónico es jdc1625@rit.edu.
MICHAE E. KUHL es profesor del Departamento de Ingeniería Industrial y de Sistemas del Rochester Institute of Technology. Se doctoró en Ingeniería Industrial por la Universidad Estatal de Carolina del Norte. Sus intereses de investigación incluyen el modelado y la simulación de procesos estocásticos de llegada, y la aplicación de la simulación y la optimización basada en la simulación a sistemas como la sanidad, la fabricación, la ciberseguridad y la gestión de proyectos. Es miembro de la Junta Directiva del WSC en representación de la INFORMS Simulation Society. También ha trabajado para la WSC como editor de las actas (2005), presidente del programa (2013) y presidente de la aplicación móvil (2014-2018). Su dirección de correo electrónico es Michael.Kuhl@rit.edu.
Referencias
Abo-Hamad, W., A. Arisha. 2013. "Marco basado en la simulación para mejorar la experiencia del paciente en un servicio de urgencias". European Journal of Operations Research 224(1):154-166
Alvarado, M. M., T. G. Cotton, L. Ntaimo, E. Pérez, y R. Carpentier. 2018. "Modelado y Simulación de Operaciones de Clínicas Oncológicas en Especificación de Sistemas de Eventos Discretos". Simulation 94(2):105-121.
Baril, C., V. Gascon, y S. Cartier. 2014. "Diseño y análisis del rendimiento de una clínica ortopédica ambulatoria con simulación de eventos discretos y diseño de experimentos". Computers & Industrial Engineering 78(2):285-298
Cote, M. J. 2000. "Comprender el flujo de pacientes". Decision Line 31(2):8-10.
Günal, M. M. y Pidd, M. 2010. "Discrete Event Simulation for Performance Modelling in Healthcare: A Review of the Literature". Journal of Simulation 4(1):42-51.
Harper, P. R. y A. Shahani. 2002. "Modelling for the Planning and Management of Bed Capacities in Hospitals". Journal of the Operational Research Society 53(1):11-18.
Hong, T. S., P. P. Shang, M. Arumugam y R. M. Yusuff. 2013. "Uso de la simulación para resolver problemas de la clínica ambulatoria: A Review of the Literature". South African Journal of Industrial Engineering 24(3):27-47.
Jack, E. P. y T. L. Powers. 2009. "A Review and Synthesis of Demand Management, Capacity Management and Performance in Health-care Services". International Journal of Management Reviews 11(2):149-174.
Katsaliaki, K. y N. Mustafee. 2011. "Aplicaciones de la simulación en el contexto sanitario". Journal of the Operational Research Society 62(8):1431-1451.
Kennedy, G. D., S. E. Tevis y K. C. Kent. 2014. "¿Existe una relación entre la satisfacción del paciente y los resultados favorables?". Anales de cirugía 260(4):591-592.
Mahdavi, M., T. Malmström, J. van de Klundert, S. Elkhuizen, y J. Vissers. 2013. "Modelos operativos genéricos en la gestión de operaciones de servicios de salud: A Systematic Review". Ciencia de la planificación socioeconómica 47(4):271-280.
Marshall, A., C. Vasilakis, C. y E. El-Darzi. 2005. "Length of Stay-based Patient Flow Models: Recent Developments and Future Directions". Health Care Management Science 8(3):213-220.
McLaughlin, D. B. y J. M. Hays. 2008. Gestión de operaciones sanitarias. Washington, D.C: Health Administration Press.
Oh, C., A. M. Novotny, P. L. Carter, R. K. Ready, D. D. Campbell y M. C. Leckie. 2016. "Uso de una herramienta de apoyo a la toma de decisiones basada en la simulación para mejorar el rendimiento del servicio de urgencias". Investigación operativa para la atención sanitaria 9:29-39.
Parks, J. K., P. Engblom, E. Hamrock, S. Satjapot, y S. Levin. 2011. "Designed to Fail: How Computer Simulation can Detect Fundamental Flaws in Clinic Flow". Journal of Healthcare Management 56(2):135-146.
Pérez, E., L. Ntaimo, C. Bailey y P. McCormack. 2010. "Modelado y simulación de la gestión del servicio de pacientes de medicina nuclear en DEVS". Simulation 86(8-9):481-501.
Roberts, S. D. 2011. "Tutorial sobre simulación de sistemas sanitarios". En Proceedings of the 2011 Winter Simulation Conference, editado por S. Jain et al., 1408-1419. Piscataway, Nueva Jersey: IEEE.
Robinson, S., R. E. Nance, R, J. Paul, M. Pidd, y S. J. E. Taylor. 2004. "Reutilización de modelos de simulación: Definitions, Benefits and Obstacles". Simulation Modelling Practice and Theory 12(7):479-494.
Rohleder, T. R., P. Lewkonia, D. P. Bischak, P. Duffy y R. Hendijani. 2011. Uso de modelos de simulación para mejorar el flujo de pacientes en una clínica ortopédica ambulatoria". Health Care Management Science 14(2):135-145.
Smith-Daniels, D. E., V. L. Smith-Daniels, y S. B. Schweikhart. 1988. "Capacity Management in Healthcare Services: Review and Future Research Directions". Decision Sciences 19(4):889-919
Ulrich, R. S. 2001. "Effects of Healthcare Environmental Design on Medical Outcomes". En Proceedings of the Second International Conference on Health and Design, 49-59. Estocolmo, Suecia. Estocolmo, Suecia: Svensk Byggtjanst.
Ulrich, R. S., C. Zimring, X. Zhu, J. DuBose, H.-B. Seo, Y.-S. Choi, X. Quan y A. Joseph. 2008. "A Review of the Research Literature on Evidence-based Healthcare Design". HERD: Health Environments Research & Design Journal 1(3):61-125.
Vaughn, J. E., S. A Buckley, y R. B. Walter. 2016. "Atención ambulatoria de pacientes con leucemia mieloide aguda: Beneficios, barreras y consideraciones futuras". Leukemia Research 45:53-58.
Zeigler, B. P., T. G. Kim, y H. Praehofer. 2000. Teoría del modelado y la simulación. Orlando, FL: Academic Press.