Cómo la transformación digital puede mejorar las decisiones operativas de los hospitales

Muchas empresas están interesadas en la transformación digital (utilizar las tecnologías digitales para crear o modificar los procesos empresariales, la cultura y las experiencias de los clientes) para crecer y mantenerse por delante de la competencia, y los hospitales no son la excepción.

Cuando las personas piensan en la transformación digital de la atención médica, suelen centrarse en la idea de utilizar la analítica para mejorar la toma de decisiones clínicas. Por ejemplo, con los avances de la ciencia computacional y el aprendizaje automático, se ha hecho posible ofrecer medicina de precisión, en la que las terapias e intervenciones se adaptan a cada paciente en función del perfil genético de la persona. Los algoritmos de inteligencia artificial (IA) se utilizan cada vez más para mejorar la detección visual de los signos de la enfermedad en campos como la radiología, la dermatología, la gastroenterología, la oftalmología y la patología.

Sin embargo, centrarse en aprovechar la transformación digital únicamente para mejorar la toma de decisiones clínicas sería un error. Basándonos en nuestras investigaciones y en las de otros, así como en los crecientes avances en la forma en que los hospitales utilizan los datos y la tecnología, creemos que la transformación digital tiene un papel importante que desempeñar a la hora de optimizar la toma de decisiones operativas de los hospitales, lo que a su vez puede conducir a mejoras en la calidad y la eficiencia de la atención y en el acceso de los pacientes a ella.

Estas son cuatro áreas clave en las que los hospitales pueden aprovechar la transformación digital para mejorar la toma de decisiones operativas: el flujo de pacientes, la dotación de personal, la programación y la gestión de la cadena de suministro.

Flujo de pacientes

A medida que los hospitales se esfuerzan por ofrecer la atención adecuada al paciente adecuado en el momento adecuado, los proveedores de atención tienen que hacer dos cosas: evaluar las necesidades de los pacientes con precisión y gestionar los recursos del hospital de forma eficaz. Si bien los proveedores están bien capacitados para hacer lo primero, normalmente no están capacitados para lo segundo, lo cual es una tarea difícil, especialmente dada la presión sobre la capacidad hospitalaria que es muy común hoy en día debido a la pandemia.

A nivel hospitalario, los sistemas de apoyo a las decisiones operativas basados en datos pueden proporcionar información valiosa que le ayude a tomar las decisiones de clasificación, ingreso y alta. Por ejemplo, cuando llega un paciente y el proveedor no está seguro de si debe ser enviado a la UCI o a una sala general, un algoritmo de apoyo a la toma de decisiones puede ofrecer recomendaciones basadas en el beneficio previsto del ingreso en la UCI para ese paciente en particular. Investigación El uso de datos operativos a nivel de pacientes de más de 190 000 hospitalizaciones en 15 hospitales de EE. UU. muestra que cuando los pacientes que tenían una necesidad clínica de ingreso en la UCI son ingresados en otra parte del hospital (por ejemplo, una sala general), las estadías en el hospital son más prolongadas y las tasas de reingresos más altas.

Cuando la capacidad de la UCI deseada esté limitada, el proveedor puede considerar diferentes opciones, como colocar al paciente en otra unidad (por ejemplo, una UCI quirúrgica en lugar de una UCI médica) o dar de alta a los pacientes que se encuentran actualmente en la UCI para dejar espacio a los nuevos. Las investigaciones que utilizan datos operativos de los hospitales muestran que ambas estrategias tienen importantes desventajas y consecuencias no deseadas que deben tenerse en cuenta. Los algoritmos de apoyo a la toma de decisiones se pueden diseñar para incorporar estas compensaciones, sopesar los costes y beneficios de las diferentes opciones y ofrecer las recomendaciones adecuadas.

Más allá de las recomendaciones, se pueden aprovechar los algoritmos para automatizar las tareas operativas. Resultados de la investigación de una serie de experimentos en los que los médicos y Amazon Mechanical Turk a los trabajadores se les pidió que gestionaran una unidad hospitalaria simulada, lo que demuestra que los sesgos conductuales y los errores de decisión impulsados por la cognición pueden influir en las decisiones operativas de los proveedores. Descomponer estas decisiones en componentes clínicos y operativos y utilizar algoritmos para automatizar el componente operativo puede, en última instancia, conducir a mejores resultados.

A nivel de sala, los algoritmos de aprendizaje automático y apoyo a la toma de decisiones también se pueden utilizar para predecir el número esperado de admisiones, descargas, y transferencias ida y vuelta de la sala, lo que a su vez puede guiar las acciones posteriores en función de estas predicciones. Esto puede facilitar el proceso de rotación de camas y, por lo tanto, mejorar el flujo de pacientes y reducir la duración de la estancia. Las predicciones para cada sala pueden servir como entradas para un panel de gestión de camas en todo el hospital, que se puede utilizar no solo para mostrar el estado actual de cada sala, sino también para hacer predicciones sobre el estado futuro esperado en todo el hospital.

Por ejemplo, el Centro Médico Beth Israel Deaconess de Boston, en colaboración con un equipo de investigadores de operaciones del MIT, ha implementado paneles de control basados en predicciones para respaldar las decisiones de admisión y traslado mostrando el censo actual de cada barrio, así como el número proyectado de altas. Del mismo modo, el Hospital Infantil de Boston utiliza el Predictor del sistema de colocación de pacientes, lo que permite al servicio de urgencias saber qué pacientes tienen probabilidades de ser ingresados en el hospital y en qué sala. Los paneles de gestión de camas en todo el hospital permiten planificar mejor y mejorar la comunicación entre las diferentes salas y se pueden desarrollar aún más para proporcionar alertas automáticas sobre el sistema, por ejemplo, cuando el tiempo medio de espera para una cama nueva supera un umbral predeterminado.

Dotación de personal

Las tecnologías digitales también pueden ayudar con la oferta cuando se trata de gestionar mejor la capacidad. Tomemos, por ejemplo, el personal de enfermería, que representa una proporción importante de los costes de los hospitales. En lugar de confiar en las llamadas telefónicas, los mensajes de texto y las hojas de cálculo para tomar decisiones de personal ad hoc que suelen cambiar en el último momento, las enfermeras y los administradores del hospital pueden utilizar la analítica para mejorar este proceso.

Por ejemplo, los algoritmos pueden predecir las tasas de absentismo de las enfermeras y la necesidad de aumentar la plantilla para determinar de forma preventiva el número correcto de enfermeras flotantes a las que llamar. Investigar en servicio de urgencias operaciones muestra que ambos se pueden modelar, incluso en entornos en los que la demanda es muy incierta. Una ventaja clave es la capacidad de estos sistemas para adelantarse y responder con mayor rapidez, lo que a su vez puede mejorar la coherencia y la previsibilidad del horario de trabajo de los enfermeros. Es probable que este aspecto sea importante a medida que los hospitales y otras organizaciones de prestación de servicios de salud trabajen para reducir las notoriamente altas tasas de rotación de personal de enfermería: Investigación al examinar la rotación de personal de enfermería en una de las agencias de salud a domicilio más grandes de los Estados Unidos, se muestra que la incoherencia en los horarios de los trabajadores impulsada por el empleador aumenta la probabilidad de que los trabajadores dejen de fumar.

Los análisis también se pueden aprovechar para optimizar la dotación de personal del equipo. Los hospitales confían en que los proveedores trabajen juntos de forma eficaz como un equipo, con miembros del equipo que ocupan diferentes funciones y niveles de experiencia. Las investigaciones muestran que la composición de los equipos de cuidados tiene un impacto significativo en el rendimiento. Un estudio de los equipos del servicio de urgencias que realizan en conjunto más de 111 000 visitas de pacientes en el transcurso de dos años revela que las diferencias en la jerarquía y las habilidades entre los médicos tratantes, las enfermeras y los médicos residentes tienen diferentes efectos de la exposición a nuevos miembros del equipo en lo que respecta al rendimiento del equipo.

Otro estudio de los equipos de cirugía cardíaca que realizan más de 6 000 cirugías a lo largo de siete años demuestra que es importante tener en cuenta la familiaridad por parejas entre los miembros del equipo (el número de colaboraciones anteriores de todas las parejas del equipo), ya que tiene importantes implicaciones para la productividad del equipo. Si bien es casi imposible incorporar estas conclusiones cuando se trata de dotar de personal a los equipos de forma manual, la IA puede incorporar fácilmente estos conocimientos de investigación para determinar la composición óptima del equipo de los proveedores programados para trabajar y ofrecer recomendaciones sobre los niveles óptimos de personal.

Programación

Si bien muchos hospitales han pasado a capturar y almacenar electrónicamente los registros de los pacientes, la programación de varios recursos sigue siendo en gran medida un proceso manual. Esto se aplica a la programación de los procedimientos quirúrgicos en los quirófanos, a las exploraciones en las salas de radiología y muchos otros. Este es otro ámbito en el que las tecnologías digitales pueden aportar mejoras sustanciales, no solo al predecir mejor las necesidades de recursos e incorporar sin esfuerzo los cambios y cancelaciones de última hora, sino también al optimizar los horarios según las investigaciones más recientes.

Por ejemplo, los algoritmos de aprendizaje automático se pueden utilizar para predecir mejor la duración de cada procedimiento, como la duración de una cirugía o una resonancia magnética. En el Centro Médico Beth Israel Deaconess, herramientas desarrolladas por Amazon se utilizan para reservar los horarios del quirófano con mayor precisión.

La duración prevista depende no solo de las características del paciente y sus necesidades clínicas, sino también de varios factores operativos. Por ejemplo, los investigadores descubren que los tiempos de los procedimientos quirúrgicos tienden a aumentar en función de equipos más grandes, cargas de trabajo más altas, y el secuencia de la operación en el quirófano. Los algoritmos están mejor equipados que los humanos para tener en cuenta los efectos de estos factores operativos a la hora de hacer predicciones.

El aprendizaje automático también se puede utilizar para predecir el tiempo que cada paciente debe pasar en la unidad de cuidados posanestésicos (PACU) tras una cirugía. Como la congestión de la PACU suele provocar retrasos en el quirófano, este es otro lugar en el que se pueden utilizar los análisis. Por ejemplo, este estudio aprovecha los análisis para secuenciar de manera óptima los procedimientos quirúrgicos y ayudar a prevenir la congestión de la PACU y minimizar los retrasos en el quirófano.

Gestión de la cadena de suministro

En los Estados Unidos, los hospitales gastaron una media de 11,9 millones de dólares cada uno en suministros médicos y quirúrgicos en 2018, lo que representó hasta un tercio de los gastos operativos totales en algunos casos. A pesar de ello, mejorar la cadena de suministro y la gestión del inventario no suele considerarse una prioridad alta para los hospitales, ya que los proveedores tienden a centrarse más en los procesos relacionados con la atención directa de los pacientes. Sin embargo, disponer de estos suministros es necesario para ofrecer una atención de alta calidad.

En muchos sectores, transformar digitalmente la cadena de suministro se ha demostrado que reduce los costes de los procesos en un 50% y aumenta los ingresos en un 20%; los hospitales no son la excepción. Al automatizar el proceso de recopilación de datos, los pedidos, la conciliación y el pago de los suministros médicos, quirúrgicos y farmacéuticos, los hospitales pueden reducir los costes relacionados con la cadena de suministro y la gestión del inventario. Debido a la pandemia de la COVID-19, la mejora de la agilidad y la resiliencia ante las perturbaciones del lado de la demanda y la oferta se ha estabilizado más crítico y los directores de los hospitales buscan cada vez más formas de aprovechar los datos y la tecnología para obtener información sobre el inventario, los precios, los plazos de entrega y las tendencias de la demanda.

Tecnologías de identificación por radiofrecuencia (RFID) y rastreadores conectados a Internet se puede utilizar para rastrear y localizar mejor los suministros en tiempo real. Por ejemplo, el Hospital Saint Marys de Mayo Clinic lanzó un sistema RFID para sus operaciones en la sala de emergencias en 2015, lo que se tradujo en una mejora de la atención y la experiencia del paciente, así como en una reducción de los costes.

Agrupar y coordinar los suministros en los diferentes departamentos de un hospital pueden reducir significativamente la cantidad de inventario necesaria para cumplir con un nivel de servicio determinado. Si bien la centralización física es una forma de lograrlo, la centralización de la información, que se puede lograr fácilmente con un sistema de gestión de la cadena de suministro digitalizado, puede ser suficiente para obtener los mismos beneficios.

Para hacer posible este tipo de transformación digital, los hospitales deben ser intencionales en la forma en que recopilan datos e interactúan con sus sistemas de tecnología de la información. Tenemos tres recetas para hacerlo.

1. Recopile los datos correctos en el formato correcto.

Empiece por identificar los puntos débiles y los frutos fáciles de alcanzar. ¿Cuándo y dónde se siguen recopilando y comunicando los datos sin conexión? ¿Se puede capturar y grabar automáticamente el fax en el sistema de historia clínica electrónica (EMR)? ¿Se pueden reducir las llamadas telefónicas y los mensajes de texto y sustituirlos por comunicaciones electrónicas a través del EMR?

Al capturar datos, asegúrese de capturar las características operativas además de los factores clínicos. Las marcas horarias son una rica fuente de datos que ofrecen información sobre las operaciones del hospital. Las marcas horarias deben capturarse tanto cuando se producen eventos (por ejemplo, se asigna una cama a un paciente, los resultados de las pruebas están disponibles o el paciente es dado de alta) como cuando se solicitan recursos (por ejemplo, se solicita una cama, se solicita una consulta, se solicita una prueba). Hacer un seguimiento de esto último permite a los directivos entender la demanda subyacente de recursos, aunque no se puedan satisfacer todas las demandas, lo que permite planificar mejor el futuro.

Además de las marcas horarias, asegúrese también de llevar un inventario preciso de los recursos que se actualice en tiempo real. Los recursos incluyen no solo los suministros médicos, quirúrgicos y farmacéuticos que se solicitan con regularidad, sino también camas, equipos grandes y personal.

2. Prepárese para la escalabilidad y la interoperabilidad.

Desde el principio, diseñe el sistema de recopilación de datos teniendo en cuenta la escalabilidad y la interoperabilidad (la capacidad de los diferentes sistemas o equipos de TI para intercambiar datos y utilizarlos). Estandarice los formatos de entrada para minimizar (o eliminar) la necesidad de limpiar los datos y mejorar la calidad de las entradas de los algoritmos. Familiarícese con el cuatro niveles de interoperabilidad y lo establecido normas de interoperabilidad para configurar un sistema que facilite el intercambio de información y datos de salud.

En última instancia, tener una arquitectura de datos de referencia uniforme y un formato de datos estandarizado permitirá implementación y replicabilidad de herramientas algorítmicas en los hospitales. En los Estados Unidos, los Centros de Servicios de Medicare y Medicaid (CMS) y muchas organizaciones de prestación de servicios de salud quieren adoptar Recursos rápidos de interoperabilidad sanitaria (FHIR) normas.

3. No pierda de vista la interacción entre humanos y algoritmos.

Si bien los algoritmos pueden producir predicciones y recomendaciones útiles, en última instancia, quien toma las decisiones es el humano. Como resultado, debemos ser conscientes de la naturaleza generalizada de aversión a los algoritmos por parte de los responsables de la toma de decisiones y su objetivo es desarrollar algoritmos que sean justos, explicables, eviten daños y respeten la autonomía humana, de modo que el responsable de la toma de decisiones pueda confíe en los algoritmos. Además, la creación de algoritmos magníficos por sí sola no puede mejorar las operaciones del hospital. Los algoritmos tienen que ser diseñado, implementado y evaluado cuidadosamente pensando en el usuario.

También es importante recordar que el cuidado de la salud es un sector intensivo en conocimiento. Los proveedores de cuidados suelen poseer una cantidad significativa de conocimientos o experiencia locales que los algoritmos no captan. Sustituir por completo a los responsables humanos de la toma de decisiones por algoritmos puede no ser la solución porque incorporando el juicio y la experiencia humanos a menudo puede mejorar el rendimiento de los algoritmos.

Dado el envejecimiento de la población, la prevalencia de enfermedades crónicas y los avances en la medicina, cada vez es más importante que nunca que los hospitales funcionen de manera eficiente y eficaz. De ahora en adelante, la clave para mejorar la toma de decisiones operativas estará en su capacidad de aprovechar la transformación digital.