Incluso las mentes científicas más brillantes no pueden obtener resultados consistentemente óptimos cuando trabajan en sistemas subóptimos. Las empresas complejas son difíciles de comprender y gestionar. Las relaciones de causa y efecto suelen estar separadas en el tiempo y el espacio, lo que dificulta las mejoras reales. Para comprender cómo funcionan los sistemas complejos, es fundamental emplear herramientas que mapeen y cuantifiquen con precisión la dinámica que impulsa los resultados. El modelado y la simulación por computadora (CMAS) constituyen una valiosa herramienta de diseño, planificación, gestión y apoyo a la toma de decisiones analíticas para lograr resultados eficaces y eficientes. CMAS podría convertirse en una herramienta omnipresente en el extenso y complejo entorno de la investigación clínica (IC). Sin la comprensión integral que se obtiene al aplicar CMAS, las organizaciones pueden seguir enfrentándose a problemas como cuellos de botella innecesarios, altos costos, baja productividad y la incapacidad de retener personal clave. El enfoque aquí explicado puede complementar o incluso reemplazar los métodos tradicionales cuando las organizaciones buscan una mayor capacidad empresarial.
El continuo desarrollo de los productos de modelado y simulación por computadora (CMAS) ha facilitado nuevas capacidades para comprender las interacciones entre múltiples factores en todo el espectro de producción. El uso de modelos informáticos permite acceder a un conocimiento novedoso, inaccesible en el mundo físico, un conocimiento que conduce a las mejoras necesarias para lograr y mantener sistemas eficientes donde los participantes puedan alcanzar sus objetivos con orgullo.
El campo de la investigación clínica (IC) es complejo y podría beneficiarse de la aplicación de CMAS para impulsar una mayor comprensión y mejora en sus diversas actividades a lo largo del tiempo. Las herramientas CMAS actuales son más robustas y fáciles de usar que nunca, e incluyen animaciones precisas para una mejor comunicación con todos los interesados. Las simulaciones son más realistas cuando incluyen calidad, planificación, utilización de recursos, eventos inesperados y restricciones en el modelo. Estos temas se abordarán en la sección de discusión y se integrarán en el enfoque propuesto para el uso de CMAS en el ámbito de la IC.
En un entorno fiscal ajustado o altamente competitivo, los esfuerzos para lograr resultados empresariales críticos podrían guiarse mediante métodos y herramientas que consideren la variabilidad en 1) la demanda de productos, 2) la capacidad y las limitaciones de sus procesos, 3) los cronogramas de producción y 4) los eventos imprevistos. Los procesos integrales eficientes y efectivos se logran principalmente cuando una secuencia de acciones predefinida está bien equilibrada en términos de capacidad y demanda. Para alcanzar un equilibrio sostenible en los procesos integrales, el estudio y la mejora también podrían requerir la inclusión de funciones de apoyo críticas.
La capacidad insuficiente a lo largo de la secuencia de actividades y decisiones provocará retrasos innecesarios y problemas de calidad en algunas áreas, que se verán agravados por un exceso de capacidad costoso en otras. El efecto acumulativo de estos sistemas desequilibrados genera productos y servicios innecesariamente caros y la frustración de las partes interesadas.
Al igual que el sector privado, el gobierno federal se enfrenta frecuentemente a limitaciones presupuestarias y de recursos humanos. Mi experiencia en las industrias farmacéutica y electrónica me ha demostrado que se ha dedicado mayor esfuerzo a mejorar las operaciones en el área de fabricación que en las áreas de operaciones, investigación y desarrollo, y servicios de apoyo en las agencias gubernamentales federales. Esto se ha logrado, por ejemplo, mediante: 1) cambios en la distribución de las instalaciones; 2) cambios en las metodologías de inspección; 3) la aplicación de métodos estadísticos para demostrar que las modificaciones realizadas en las materias primas, los procesos o los equipos lograron los resultados deseados; y 4) la aplicación de nuevas tecnologías para transformar radicalmente los procesos establecidos.
Sin embargo, incluso en las instalaciones de fabricación, el problema de los procesos o actividades desequilibrados provocó que el costo de convertir insumos en productos (por ejemplo, planificación de la producción, compra de materias primas, programación de la producción, ensamblaje, llenado, pruebas, esterilización, empaquetado, distribución) fuera mayor de lo necesario. Es necesario contratar, capacitar y proporcionar al personal un entorno de trabajo adecuado; comprar, calibrar, mantener y reemplazar equipos; planificar la producción; realizar pruebas piloto de nuevos productos; asegurar, esterilizar, operar, mantener, renovar y, en algunos casos, ampliar las instalaciones; empacar, distribuir o desechar los productos; comprar e incluso generar electricidad, combustible y agua; y cumplir y documentar los requisitos reglamentarios. Las actividades mencionadas se realizan regularmente y describen lo que puede ser necesario hacer para producir los productos.
Saber qué se necesita para producir un producto es necesario, pero no suficiente, para lograr procesos integrales eficaces y eficientes. Se producirán múltiples cuellos de botella a menos que se gestione cuidadosamente el equilibrio entre la capacidad y la demanda en la mayoría de las actividades. Esto no significa una relación uno a uno entre capacidad y demanda, sino capacidad suficiente para satisfacer la demanda sin generar cuellos de botella que superen la tolerancia de los clientes o participantes; este es un objetivo en constante evolución.
La eficiencia y la eficacia constantes dependen de múltiples factores, como el equilibrio entre la capacidad y la demanda en la secuencia de actividades y decisiones.
CMAS es una excelente herramienta para modelar rápidamente diferentes escenarios de programación y así informar a los responsables de la toma de decisiones sobre la probabilidad de éxito (Pegden 2017). Diferentes programas para los mismos productos requerirán recursos en diferentes momentos. Experimentar con la disponibilidad de recursos limitados en un modelo informático y observar el impacto en diversos escenarios de programación ayuda a los responsables de la toma de decisiones a seleccionar escenarios más predecibles. La complejidad aumenta rápidamente a medida que aumenta la cantidad y la combinación de productos. Los programas complejos están sujetos a cambios. Ser capaz de anticipar el impacto que estos cambios tendrán en la disponibilidad de recursos y la entrega de materiales es esencial para minimizar las interrupciones en la programación y ejecutar eficazmente los planes de producción. Los cambios en la programación pueden afectar el equilibrio necesario para la eficiencia al alterar la capacidad disponible o al reducir la demanda interna esperada a lo largo del proceso. Los programas podrían monitorearse periódicamente para determinar si los cambios afectarán los recursos necesarios para reducir los cuellos de botella o, mejor aún, lograr procesos sin cuellos de botella.
Muchos han intentado definir la calidad. Es una tarea difícil. Juran mencionó la "idoneidad para el uso" (Juran 1989, p. 15) como una definición ampliamente aceptada. También afirmó que la idoneidad para el uso "no proporciona la profundidad necesaria para que los gerentes elijan cursos de acción" (Juran 1989, p. 15). W. Edwards Deming afirmó que "la calidad solo puede definirse en términos del agente" (Deming 1986, p. 168). Diferentes agentes pueden percibir o definir la calidad de distintas maneras. Por lo tanto, cualquier intento serio de proporcionar calidad requiere términos definidos operacionalmente y acordados por todos los agentes o partes interesadas relevantes (Ackoff 1994).
Shewhart examinó el tema de la calidad desde diferentes perspectivas (Shewhart, 1931). Abordó, por ejemplo, la concepción popular de la calidad: calidad del producto, calidad del proceso y calidad como relación. El tema es complejo, pero Deming resumió los diversos conceptos tratados por Shewhart de la siguiente manera: «La dificultad de definir la calidad radica en traducir las necesidades futuras del usuario en características medibles, de modo que se pueda diseñar y fabricar un producto que brinde satisfacción a un precio que el usuario esté dispuesto a pagar» (Deming, 1986, p. 169).
La calidad del proceso influye en la capacidad de producción. El retrabajo (es decir, realizar cambios en algo ya hecho) y el desperdicio (es decir, tener que desechar el trabajo realizado y empezar de nuevo) disminuyen la capacidad de producción disponible y añaden costes innecesarios al producto final. Si un producto terminado en manos del consumidor aporta valor o satisfacción por el precio pagado, debe considerarse eficiente y eficaz. Sin embargo, el rendimiento y el coste de los productos de la competencia o de los proveedores del mismo producto pueden modificar la opinión final del cliente o patrocinador. Los niveles de retrabajo y desperdicio, y su impacto en la capacidad y la demanda a lo largo de los procesos, pueden evaluarse fácilmente mediante CMAS.
Sin una calidad constante en las etapas iniciales, los recursos de la empresa se consumirán sin generar la demanda esperada en el ámbito del proceso. Además, el retrabajo y el desperdicio en una etapa del proceso desperdiciarán capacidad disponible y generarán una cantidad insuficiente de producción en las etapas posteriores. Esta ineficiencia incrementa innecesariamente el costo del trabajo ya realizado. Por lo tanto, cada etapa del proceso debe funcionar correctamente de forma constante para mantener la eficiencia y la eficacia.
El proceso de “realizar descubrimientos importantes que mejoran la salud y salvan vidas” (NIH Who We Are 2017) es largo y complejo. El director de los Institutos Nacionales de la Salud (NIH), Francis Collins, lo describió de la siguiente manera:
La traducción de descubrimientos biológicos básicos en aplicaciones clínicas que mejoren la salud humana es un proceso complejo que implica una serie de pasos intrincados: el descubrimiento de información básica sobre la patogénesis de una enfermedad; una evaluación de si esa información tiene el potencial de conducir a un avance clínico; el desarrollo de diagnósticos, dispositivos o terapias candidatas; la optimización de las candidatas en entornos preclínicos; la evaluación regulatoria de los datos para determinar el potencial de uso en humanos; las pruebas en ensayos clínicos en humanos; la solicitud de aprobación para uso clínico generalizado; y, en última instancia, la evaluación de los diagnósticos, dispositivos y terapias aprobados durante su uso generalizado en entornos del mundo real (Collins 2011, p. 1).
Dado que este esfuerzo de traslación en su conjunto es un proceso complejo, puede ser útil comenzar centrándose en una parte fundamental y, en ocasiones, limitante: la investigación clínica. La información obtenida al seguir el enfoque descrito en este documento podría ser útil para orientar las iniciativas tanto previas como posteriores. «Mediante la investigación clínica, los médicos investigadores transforman los descubrimientos de laboratorio en mejores tratamientos, terapias e intervenciones para mejorar la salud de la nación» (NIH Clinical Center, 2018). Se espera que la investigación clínica logre los objetivos de seguridad del paciente e investigación con menos obstáculos y mayor agilidad.
Aplicado a la investigación clínica, ¿qué significa calidad? ¿Qué es un protocolo de investigación de calidad (producto final)? ¿Qué es un proceso de investigación de calidad (todos los pasos y decisiones que contribuyen al producto final)? ¿Cambia el significado de calidad a lo largo del proceso? ¿Hasta qué punto se puede lograr la calidad sin definiciones operacionales? (Lewis, 1929). Sin definir operacionalmente los resultados de los diferentes pasos de un proceso, los distintos agentes no compartirán conocimientos ni definiciones prácticas para lograr resultados empresariales óptimos (Deming, 1986).
Se espera que los NIH realicen “descubrimientos importantes que mejoren la salud y salven vidas” (NIH Who We Are 2018). Parte de la misión de los NIH se cumple a través de la investigación clínica. “Los médicos investigadores transforman los descubrimientos de laboratorio en mejores tratamientos, terapias e intervenciones para mejorar la salud de la nación” (NIH Clinical Center 2018).
¿Cuáles son los resultados esperados de la iniciativa CR? ¿Cuántos protocolos completados se esperan y cuándo? ¿Cuántos protocolos estarán en producción o activos cada año? ¿Qué recursos se necesitan para cada uno? ¿Se debe proporcionar un sistema de apoyo completo a cada Investigador Principal (IP), a un grupo de IP, o debe proporcionarse de forma centralizada para todos? Si se va a proporcionar una cartera de apoyo parcial, ¿qué debe incluir y en qué cantidades? ¿Cuánto tiempo debe financiarse un esfuerzo de investigación y cómo debe apoyarse para proporcionar una probabilidad razonable de éxito? ¿Cuál debería ser el rendimiento de protocolos aprobados que llegan a la fase de tratamiento? ¿Qué impacto tiene un protocolo aprobado en la retención de investigadores y personal de apoyo, si se cancela debido a limitaciones imprevistas?
Al igual que en la fabricación, el sistema de apoyo a la investigación clínica también es complejo. Incluye personal de una gran variedad de profesiones que deben ser reclutadas y retenidas, como médicos acreditados, dentistas, investigadores con doctorado, enfermeras de investigación, enfermeras practicantes, coordinadores de estudios, especialistas en bioética, asesores de protocolos, becarios, especialistas en control y mejora de la calidad, representantes de organizaciones de investigación por contrato, farmacéuticos, dietistas, tecnólogos médicos, tecnólogos de imagen, terapeutas, personal de asuntos regulatorios, representantes de pacientes, personal de registros médicos y suministros médicos, personal de reclutamiento y servicios al paciente, responsables de seguridad radiológica, personal de recursos humanos y otros profesionales administrativos y de adquisiciones. Determinar el nivel de apoyo de personal necesario, cuándo y dónde, se puede hacer mejor utilizando CMAS que con otras prácticas disponibles, como ajustar el nivel de recursos anualmente en función de los resultados del año anterior. CMAS también es una práctica más sólida que tomar decisiones de asignación de recursos basándose en estudios comparativos, estándares de la industria desarrollados para otras instituciones o el historial de la organización.
Los profesionales dependen, por ejemplo, de equipos de laboratorio y hospitalarios, bibliotecas, tecnología de la información, sitios web, medicamentos, servicios de transporte, intérpretes, farmacias, servicios generales, servicios de visado para pacientes y cuidadores internacionales, materiales de referencia para revisores, sistemas de climatización, áreas de procesamiento aséptico, ropa de protección, agentes microbiológicos y materiales radiactivos. Por lo tanto, los planificadores y gestores del sector de la investigación clínica deben abordar muchas de las cuestiones mencionadas para garantizar el suministro adecuado de estos recursos de forma continua.
¿Qué recursos de cada tipo se necesitan y en qué cantidad a lo largo de las etapas del proceso para minimizar los cuellos de botella no deseados? Identificar, priorizar e invertir en algunos de estos recursos que parecen escasos, sin analizar su impacto en el proceso en su conjunto, puede simplemente trasladar los cuellos de botella. Puede brindar un alivio temporal a una parte del proceso, pero a la vez hacerlo menos eficiente o, peor aún, menos efectivo.
Además, el sistema CR depende de científicos con credenciales excepcionales ajenos a los NIH que evalúan la calidad de la investigación y asesoran a los directores científicos, directores de institutos y centros, al subdirector de Investigación Intramural de los NIH y al director de los NIH. Su contribución se produce antes y durante el tratamiento de los pacientes que participan en los protocolos. También es necesario identificar y reclutar a estos científicos; su participación requiere una gran coordinación. El proceso de reclutamiento y coordinación es otra parte fundamental que debe gestionarse cuidadosamente para evitar cuellos de botella en la revisión y aprobación de los protocolos.
La optimización independiente de cada función rara vez, o nunca, logra una optimización global (Deming, 2000). Generalmente, genera numerosos cuellos de botella y frustración a lo largo de todo el proceso. Comprender y gestionar el proceso de CR como un sistema de componentes interdependientes es fundamental para maximizar la eficiencia y alcanzar la efectividad deseada. CMAS ofrece una alternativa excelente y eficiente para visualizar y experimentar con todo el proceso (Deming, 2000).
Lo que sigue no es un libro de recetas, sino una metodología para comprender mejor la gestión de la responsabilidad social corporativa como un sistema y para determinar los recursos necesarios para lograr una eficiencia y eficacia netas sostenidas.
En primer lugar, es necesario reconocer la investigación clínica como una secuencia de pasos y decisiones interdependientes, y no como una suma de actividades independientes. La siguiente representación de un proceso de investigación clínica de alto nivel proporciona un marco para analizar cómo aplicar CMAS para mejorar el proceso integral (Figura 1). Los pasos utilizados son: diseño y desarrollo del protocolo, revisión del protocolo, aprobación del protocolo, reclutamiento de pacientes, realización del estudio y tratamiento, recopilación de datos, análisis e informe de resultados (Dagalar 2016).
Figura 1: La empresa CR como sistema
En un modelo real, se necesitaría mayor detalle para capturar los diferentes pasos del proceso de los distintos tipos de protocolos de investigación (por ejemplo, ensayos clínicos/de intervención, historia natural, capacitación, selección y fases de los ensayos clínicos [fase I - fase IV]) (NIH Clinical Trials and You. The Basics. 2018).
Una vez conocida la secuencia de pasos, necesitaremos el plan de producción (unidades o protocolos) que se implementará a lo largo de todo el proceso durante un período de tiempo específico, así como la capacidad de producción de cada paso (Figura 2). Se necesitan datos históricos de demanda para cada tipo de protocolo y las diferentes fases de los ensayos clínicos para determinar la cantidad de cada recurso (p. ej., personal, equipo especializado, materiales, medicamentos, quirófanos) en cada paso (Figura 3). En ausencia de datos históricos suficientes, se pueden generar valores pseudoaleatorios a partir de distribuciones de probabilidad apropiadas, después de estimar parámetros utilizando técnicas como el método de Monte Carlo (MCM) (Simio 2017). Algunos pasos del proceso deberán desglosarse con mayor detalle (p. ej., tratamiento) para crear un modelo de simulación CR útil.
Por ejemplo, supongamos que el objetivo es trabajar con 900 protocolos al año. Algunos ensayos nuevos comenzarán, mientras que otros ya estarán en curso en diferentes etapas del proceso. Para que el proceso general funcione de manera eficiente, se necesita la capacidad suficiente para procesar la demanda en cada etapa. La representación en la Figura 2 es una simplificación excesiva del proceso general e incluye cifras hipotéticas con fines ilustrativos. Si estas cifras representaran el número de protocolos distribuidos actualmente a lo largo del proceso, se podría utilizar CMAS para determinar los cuellos de botella previstos, considerando la capacidad disponible de todos los recursos relevantes.
Se pueden implementar planes de acción para reducir o eliminar estos cuellos de botella sin generar otros adicionales en otras partes del proceso. Por otro lado, el modelo de simulación podría utilizarse para ajustar mejor la capacidad a un nivel de demanda determinado a lo largo de todo el proceso, con el fin de reducir los cuellos de botella y el exceso de capacidad en el futuro cercano. Parte del proceso de ajuste de capacidad y demanda debería incluir un inventario de las tareas involucradas por categoría de personal en cada paso significativo, y el tiempo que tomaría completarlas. Por ejemplo, ¿cuáles son las tareas del Investigador Asociado Principal durante la etapa de revisión del protocolo? ¿Cuánto tiempo se necesita para completarlas? Los datos podrían obtenerse de los sistemas disponibles o generarse utilizando el MCM para tener en cuenta la variación aleatoria en la realización de las tareas.
Si existen diferencias significativas en la productividad entre los miembros del personal en una tarea determinada, estas diferencias también pueden incluirse en el modelo de simulación. Las diferencias en el tiempo de procesamiento entre equipos similares y su disponibilidad, así como los datos sobre la accesibilidad de materiales, agentes o medicamentos esenciales, también deben ingresarse en el modelo de simulación. La inclusión de todas las variables significativas y sus datos es necesaria para un análisis sólido del proceso general. Si se realiza un análisis limitado, puede resultar en un modelo inexacto, que propicie muchas decisiones y acciones erróneas. Por ejemplo, contar con el número y tipo adecuados de personal profesional puede tener un valor limitado si se generan cuellos de botella debido a equipos, medicamentos u otras limitaciones de recursos no incluidas en el modelo.
La incertidumbre inherente al reclutamiento de suficientes pacientes también debe tenerse en cuenta en el CMAS, ya que la disponibilidad de pacientes puede ser una fuente importante de cuellos de botella (Mahon et al., 2016). El número insuficiente de participantes puede estimarse revisando datos históricos y asignando rendimientos a las etapas relevantes de los diferentes tipos y fases del protocolo, o utilizando el MCM para generarlos.
Determinar los recursos necesarios para satisfacer una demanda determinada es relativamente sencillo en un mundo con recursos ilimitados. Desafortunadamente, el desafío se vuelve mucho más complejo dado que muchos recursos críticos escasean. El verdadero problema radica en equilibrar diversos factores, como la alta demanda de protocolos en un período de tiempo determinado, al tiempo que se abordan limitaciones como quirófanos, personal especializado, equipos especiales y participantes disponibles para la investigación. CMAS es una herramienta versátil que puede ayudar a los responsables de la toma de decisiones a conciliar estos aspectos mediante la ejecución de múltiples escenarios para maximizar el rendimiento con recursos limitados, evitando cuellos de botella innecesarios durante todo el proceso.
Los hospitales de investigación clínica pueden contar con múltiples fuentes de investigación especializadas (véase la figura 4 para una perspectiva conceptual) que alimentan y reciben información de la fase de tratamiento/recopilación de datos (es decir, del hospital de investigación). Estas fuentes diferirán en la forma en que desglosan los pasos de su proceso de investigación clínica antes y después de la fase de tratamiento; sin embargo, para que el proceso general se desarrolle sin problemas, cada fuente especializada (proveedor interno especializado) también podría aplicar el enfoque explicado en este documento.
Los proveedores de protocolos especializados deben proporcionar información periódica para mejorar la planificación y programación de la producción (es decir, el tratamiento) en el hospital de rehabilitación cardíaca. En casos de emergencia, puede ser necesario establecer prioridades a lo largo del proceso de rehabilitación cardíaca, basándose, por ejemplo, en la necesidad crítica general, la oportunidad de investigación excepcional o la disponibilidad de recursos. Sin embargo, la priorización continua debe considerar múltiples factores simultáneamente para evitar suboptimizar los resultados del programa de rehabilitación cardíaca en su conjunto (Deming 2000; Christopher 1993).
CMAS puede tener en cuenta indicadores de rendimiento importantes y mostrarlos en cada paso del proceso de interés. Por ejemplo, algunas variables importantes a monitorear pueden ser: 1) pérdida de productividad debido a problemas de calidad, como reacciones adversas a medicamentos; 2) utilización de recursos y tiempo de inactividad de equipos especializados; 3) resultados del proceso, como tratamientos completados, retrasos en el tratamiento causados por problemas en las instalaciones o tiempo de espera del paciente debido a la disponibilidad de nuevos medicamentos; y 4) tiempo de retraso acumulado por protocolo.
Una vez probado el modelo y demostrada su validez y fiabilidad, el equipo de modelado puede realizar diversos experimentos en el entorno CMAS (Simio 2018) para evaluar, por ejemplo, el impacto de una mayor o menor variabilidad en la demanda, el número de eventos inesperados, la disponibilidad de recursos, la programación y el número de cambios en los protocolos aprobados. Esta experimentación facilitará el aprendizaje y la innovación en el proceso de realización de la investigación clínica (Porter y Teisberg 2006).
Además, se pueden realizar numerosas replicaciones (Simio 2018) en un corto período de tiempo para aumentar la fiabilidad de los resultados (es decir, reducir el intervalo de confianza de las diferentes variables estadísticas). En definitiva, el CMAS demostrará ser una herramienta invaluable para determinar la combinación y cantidad óptimas de recursos necesarios para lograr una gestión de recursos corporativos (CR) integral, eficiente y eficaz.
El enfoque aquí descrito es exhaustivo, complejo y requiere bastante tiempo. Sin embargo, debe llevarse a cabo en varias fases, añadiendo gradualmente un nivel de complejidad (Pegden 2017). Actualmente, contamos con el conocimiento y la tecnología necesarios para reducir costos y acelerar la productividad no solo en el ámbito de la radiología clínica, sino también en toda la investigación, la transferencia de tecnología y la atención a los pacientes.
Los esfuerzos de mejora tradicionales suelen centrarse en componentes de los sistemas, sin evaluar el impacto en el sistema en su conjunto. Desafortunadamente, en el mejor de los casos, los resultados suelen ser efímeros o insignificantes, y en el peor, empeoran significativamente los resultados finales. El ámbito de la investigación clínica no es inmune a las limitaciones de las intervenciones aisladas y a corto plazo. CMAS es una herramienta analítica predictiva versátil que se ha utilizado en diversas industrias durante muchos años. Proporciona una comprensión integral de las relaciones de causa y efecto en todo el sistema. La adopción de CMAS en el ámbito de la investigación clínica puede mejorar la toma de decisiones y los resultados generales. Las implicaciones son de gran alcance e incluyen, entre otras, la reducción de la frustración de las partes interesadas y la mejora de la retención del personal clave de investigación clínica, la reducción de los costos generales, la atracción de nuevos científicos y, lo que es más importante, el logro de una traducción más rápida de los descubrimientos en mejores tratamientos, terapias e intervenciones para mejorar la salud de la nación (NIH Clinical Center, 2018).
Antonio R. Rodríguez es el director de la Oficina de Gestión de Calidad. Se graduó de la Facultad de Ingeniería de la Universidad de Puerto Rico en 1984. En diciembre de 2003, recibió el Certificado de Director de Información del Departamento de Defensa de la Universidad Nacional de Defensa en Washington, D.C. También completó el programa de Liderazgo para una Sociedad Democrática del Instituto Ejecutivo Federal en septiembre de 2011. Desde la década de 1980, ha liderado numerosas iniciativas de mejora organizacional tanto en el sector público como en el privado. Ha trabajado para Intel, Baxter International, el Centro de Investigación y Desarrollo de Personal de la Armada, la Oficina de Gestión de Calidad Total y la Oficina de Desempeño Empresarial del Subsecretario de la Armada, la Oficina del Director de Información del Departamento de la Armada, la Escuela de Psicología Profesional de California (CSPP) y los Institutos Nacionales de la Salud. Ayudó a estas organizaciones a lograr mejoras significativas mediante la aplicación de métodos contemporáneos de gestión y liderazgo, como el Sistema de Producción Toyota, el Cuadro de Mando Integral, la Mejora Continua, el Modelado y Simulación por Computadora, el Análisis de Series Temporales de la Demanda de Productos y la Toma de Decisiones en Grupo mediante la Elección de Expertos. Como profesor adjunto en CSPP, impartió la asignatura de Análisis de Procesos y Organizaciones II a candidatos a doctorado. Ha recibido numerosos premios por su liderazgo en la transformación de la forma en que las organizaciones del gobierno federal planifican y mejoran su desempeño. Su correo electrónico es rodrigan@ors.od.nih.gov.
Ackoff, RL 1994. La corporación democrática: una receta radical para recrear la América corporativa y redescubrir el éxito. Nueva York: Oxford University Press.
Christopher, WF y CG Thor. 1993. Manual para la medición y mejora de la productividad. Cambridge, Massachusetts: Productivity Press.
Collins, FS 2011. “Reingeniería de la ciencia traslacional: es el momento adecuado”. Science Translational Medicine 3(90cm17):1-6
Dagalar, S. 2016. “CTMS: Lo que debe saber”. Applied Clinical Trials. http://www.appliedclinicaltrialsonline.com/clinical-trial-management-systems-what-you-shouldknow
Deming, WE 1986. Fuera de la crisis. Cambridge, Massachusetts: Instituto Tecnológico de Massachusetts, Centro de Estudios Avanzados de Ingeniería.
Deming, WE 2000. La nueva economía: para la industria, el gobierno y la educación. 2.ª ed. Cambridge, Massachusetts: Massachusetts Institute of Technology Press.
Juran, JM 1989. Juran sobre el liderazgo para la calidad: Un manual para ejecutivos. Nueva York: Free Press
Mahon, E., J. Roberts, P. Furlong, G. Uhlenbrauck y J. Bull. 2016. “Barreras para el reclutamiento en ensayos clínicos y posibles soluciones”. Applied Clinical Trials 25:20-25.
Lewis, CI 1929. La mente y el orden mundial; esbozo de una teoría del conocimiento. Nueva York: C. Scribner's Sons.
NIH: Quiénes somos. https://www.nih.gov/about-nih/who-we-are, consultado el 22/03/2018.
Pegden, CD 2017. Cumpla su promesa: cómo la planificación basada en simulación transformará su negocio. Sewickley, Pensilvania: Simio LLC.
Porter, ME y EO Teisberg. 2006. Redefiniendo la atención médica: creando competencia basada en el valor y los resultados. Boston, Massachusetts: Harvard Business School Press.
Shewhart, WA. 1931. Control económico de la calidad del producto manufacturado. Nueva York: D. Van Nostrand Company, Inc.
Simio Forward Thinking. https://simio.wpenginepowered.com/index.php , consultado el 22.3.2018.