tesis corregida carlos santana

Upload: daniel-fiallo-moncayo

Post on 13-Jan-2016

262 views

Category:

Documents


1 download

DESCRIPTION

tesis

TRANSCRIPT

UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE CIENCIAS ADMINISTRATIVAS

UNIDAD DE POSTGRADOS

LA LONGITUD DE LA ESTANCIA EN RELACIN CON EL NMERO DE CONSULTAS COMO MTODO PARA PLANIFICAR LA CAPACIDAD HOSPITALARIA. SU USO EN UNA SIMULACIN PARA CALCULAR EL NMERO DE CAMAS DE UN HOSPITAL GENERAL EN LA CIUDAD DE GUAYAQUIL

Para obtener el Grado de:

Magster en Administracin de Empresas Mencin: Logstica y Transporte

Tesis de maestra presentada por

Carlos Julio Santana Veliz

Tutor de tesis:

Ing. Daniel Fiallo Moncayo MBA.

00/08 2015

DECLARACIN

Yo, Carlos Julio Santana Veliz declaro bajo juramento que el trabajo aqu descrito es de mi autora; que no ha sido previamente presentada para ningn grado o calificacin profesional; y, que he consultado las referencias bibliogrficas que se incluyen en este documento.

La reproduccin total o parcial de este libro en forma idntica o modificada, escrita a mquina o por el sistema "multigraph", mimegrafo, impreso, etc., no autorizada por los editores, viola derechos reservados.

Cualquier utilizacin debe ser previamente solicitada.

2015

Facultad de Ciencias Administrativas de la Universidad de Guayaquil.

Derechos Reservados del Autor

Carlos Julio Santana Veliz

Dedicatoria

Agradecimientos

ContenidoResumen9Abstract10INTRODUCCIN11CAPTULO 1 PLANTEAMIENTO DEL PROBLEMA131.1 Descripcin de la realidad problemtica131.2 Formulacin del problema151.3 Objetivos de la investigacin151.4 Justificacin de la investigacin16CAPITULO 2 MARCO TEORICO172.1 Antecedentes de la investigacin172.2 Definiciones conceptuales y terminologa222.3 Formulacin de hiptesis23CAPITULO 3 METODOLOGIA243.1 Diseo Metodolgico243.2 Elementos de estudio253.3 Tcnicas de recoleccin de datos.273.4 Tcnicas para el procesamiento y anlisis de la informacin27CAPITULO 4 RESULTADOS294.1 Caractersticas de la estancia hospitalaria294.2 Anlisis de correlacin entre variables404.3 Regresin simple entre la duracin de la estancia y el nmero de consultas mdicas414.4 Modelo de simulacin del clculo del nmero de camas necesarias para un hospital general en la ciudad de Guayaquil44CAPITULO 5 DISCUSIN, CONCLUSIONES Y RECOMENDACIONES45REFERENCIAS BIBLIOGRAFICAS46ANEXOS49

ndice de FigurasFigura 1. Modelo de arribo de pacientes para hospitalizacin22Figura 2. Diagrama del Transcurso de la Investigacin24Figura 3. Grfico de caja y bigote del nmero de camas disponibles31Figura 4. Grfico de frecuencia de Egresos33Figura 5. Histograma de frecuencia de la duracin de estancia hospitalaria36Figura 6. Densidad de la distribucin de la duracin de la estancia hospitalaria37Figura 7. Grfico de Caja y Bigote para el nmero de consultas diarias por tipo de hospital38Figura 8. Grfico de Caja y Bigote del promedio de ocupacin por tipo de hospital39Figura 9. Grfico de la matriz de dispersin de las variables seleccionadas41Figura 10. Grfico de Promedio de estada vs. Consultas por da43

ndice de TablasTabla 1. Variables estudiadas, conceptos, tipos y unidades26Tabla 2. Tabla de frecuencia de Provincia de ubicacin de los hospitales estudiados29Tabla 3. Distribucin de frecuencia de clase de hospitales estudiados29Tabla 4. Distribucin de los hospitales por entidad a la que pertenecen30Tabla 5. Resumen descriptivo de la variable Nmero de camas disponibles30Tabla 6. Resumen estadstico del Total de egresos producidos32Tabla 7. Tabla de frecuencias para Total de egresos producidos32Tabla 8 resumen estadstico para el nmero de consultas diarias33Tabla 9. Tabla de frecuencia de consultas mdicas34Tabla 10. Resumen estadstico de los das de hospitalizacin34Tabla 11. Tabla de frecuencias para la variable Das de hospitalizacin35Tabla 12. Resumen estadstico del promedio de duracin de la estancia hospitalaria35Tabla 13. Tabla de frecuencias de la duracin de estancia hospitalaria36Tabla 14. Resumen estadstico del nmero de consultas diarias por tipo de hospital37Tabla 15. Resumen estadstico de porcentaje de ocupacin por tipo de hospital39Tabla 16. Tabla de correlacin entre variables seleccionadas40Tabla 17. Regresin simple, Promedio de estada vs. Consultas diarias42Tabla 18. Regresin simple, Promedio de estada vs. Consultas diarias, modelo exponencial42

ResumenComment by CENTRO DE COMPUTO: El resumen no lleva espacio entre lneas, adems del punto y aparte no existe por lo tanto todo debe ser seguido Comment by CENTRO DE COMPUTO: La letra para la tesis es times new roman tamao 11Los servicios de salud constituyen una industria de rpido crecimiento en muchos pases, junto con un enorme aumento en la investigacin mdica, no solamente orientada a mejorar la prctica mdica, sino adems la gestin de los recursos involucrados en estos servicios. La planificacin de la capacidad de servicios para mejorar el flujo de pacientes es un ejemplo, especialmente porque este flujo representa la capacidad de un sistema de salud para ser atendidos de una forma rpida, confiable y eficiente, mientras se mueven a travs de las distintas etapas de atencin.Con el objetivo de contribuir en las decisiones de planificacin de servicios hospitalarios, esta investigacin revisa las caractersticas de la estancia hospitalaria en el Ecuador, en los mayores hospitales generales y estudia la relacin estadstica entre eventos como las consultas y la ocupacin de camas y la duracin de la estancia. Con ello se propone un modelo para estimar la cantidad de camas para un nuevo hospital.Comment by CENTRO DE COMPUTO: En esta parte del resumen, debe colocar una pequea descripcin de como se desarrollara la tesis es decir ejemplo: capitulo 1 se hablara del planteamiento del problema, capitulo 2 marco teoricometodologa, propuesta etc.

AbstractComment by CENTRO DE COMPUTO: Las mismas recomendaciones realizadas en el resumen deben estar hechas en el abstractComment by CENTRO DE COMPUTO: RecorDAR QUE LAS PAGINAS INICIALES DEBEN LLEVAR el numero de pagina como numero romano Health services are a fast-growing industry in many countries, coupled with a huge increase in medical research, not only aimed at improving medical practice, but also managing the resources involved in these services. The capacity planning services to improve the flow of patients is an example, especially since this flow represents the ability of a health system to be served quickly, reliably and efficiently, as they move through the various stages care.In order to contribute to the planning decisions hospital services, this research reviews the characteristics of hospital stay in Ecuador, in the largest general hospitals and study the statistical relationship between events as queries and bed occupancy and duration of stay. This a model to estimate the number of beds for a new hospital is proposed.Comment by CENTRO DE COMPUTO: El resumen tanto en ingles como espaol debe tener palabras ckaves las cuales deben ubicarse al finalizar cada resumen Ejemplo: Palabras claves: hospital ,camas etc.INTRODUCCINComment by CENTRO DE COMPUTO: Debe ir centrado la palabra introduccin, desde aqu el numero de pagina debe ir en la parte superior del lado derecho iniciando con el numero 1En la planificacin, organizacin y gestin de actividades para proporcionar servicios de salud, la ciencia de la Logstica realiza aportes para toda la cadena de actividades de la industria. Los sistemas de prestacin de atencin mdica se organizan generalmente de acuerdo con un modelo de atencin, y estos en su forma bsica estn constituidos por proveedores de atencin primaria, es decir, mdicos generales independientes o en grupos para resolver los casos ms frecuentes y de menor complejidad.La atencin secundaria y terciaria se ofrece en un entorno institucional. Estas instituciones suelen ser en general hospitales bsicos, pero tambin pueden ser hospitales o clnicas especializadas orientadas en una o unas pocas especialidades mdicas.La prestacin de servicios est distribuida normalmente de acuerdo a la especialidad mdica, por ejemplo, servicios ginecolgicos, peditricos, y los servicios oftlmicos. Dentro de cada especialidad mdica, los servicios pueden dividirse en dos categoras: ambulatoria y no ambulatoria, la ltima clasificacin se basa en si para el procedimiento o tratamiento requerido, el paciente debe permanecer internado al menos una noche. En consonancia con el sistema de clasificacin descrito anteriormente, la prestacin de servicios mdicos en el Ecuador se registra a las instituciones en dos categoras: con y sin internamiento.Dependiendo del volumen de sus servicios, tambin se pueden clasificar en la prctica por la cantidad de camas disponibles para hospitalizacin, que constituye una medida bsica de un hospital, definida como el volumen de tratamientos de hospitalizacin posibles de brindar por unidad de tiempo (Vanberkel, Boucherie, Hans, & Hurink, 2014).La planificacin del nmero de camas necesarias para un nuevo hospital, o para ampliar uno existente, ms all de un requisito presupuestario implica decisiones relacionadas con la calidad de los servicios de salud y con el costo de brindar stos en un medio de recursos restringidos y escasos (Bachouch, Guinet, & Hajri-Gabouj, 2012). Una consideracin adicional a observar en el proceso de decisin sobre el nmero de camas a ofrecer, es la cadena de servicios necesarios en el tratamiento de los pacientes, en la que la disponibilidad de una cama permite o impide la continuacin de un tratamiento oportuno, evitando problemas como la cancelacin de servicios por falta de camas (Dellaert, Cayiroglu, & Jeunet, 2015).Las referencias encontradas sobre este tema abordan enfoques que analizan los consumos histricos y el perfil epidemiolgico del lugar en el que se proyecta el hospital, y adems para estimar la cantidad de camas usan herramientas cuantitativas como modelos estadsticos de prediccin, lineales o no, y modelos de lneas de espera. La presente investigacin propone una herramienta de apoyo a las decisiones fundamentada en un modelo correlacional, que pueda usarse en una programacin lineal, tomando en cuenta el volumen histrico de actividades ambulatorias, especficamente las consultas por morbilidad que brindan los hospitales asociadas estadsticamente a la necesidad de camas y la longitud de estancia.

CAPTULO 1 Comment by CENTRO DE COMPUTO: Al iniciar con los captulos de la Tesis en el encabezado y pie de Pagina debe colocar el nombre de la Tesis PLANTEAMIENTO DEL PROBLEMA

1.1 Descripcin de la realidad problemtica

El ao 2014 la Organizacin Mundial de la Salud, (OMS y WHO por sus siglas en ingls), public el Informe anual Estadsticas Sanitarias Mundiales, en el que agrupa la informacin ms relevante y datos comparables sobre indicadores bsicos de salud. Uno de los indicadores de los sistemas sanitarios de cada pas es el nmero de camas por 10 mil habitantes, y el registro relacionado con Ecuador es de 16. Una comparacin breve del mismo indicador en pases cercanos muestra que la situacin es similar cuantitativamente, en Per y Colombia el nmero es 15 y en Chile es significativamente mayor: llega a 21 camas por 10 mil (World Health Organization, 2014).Las cifras adquieren una perspectiva al revisar qu ha sucedido con el indicador en un perodo de 10 aos, y el Instituto de Estadsticas y Censos (INEC) publica que en el Ecuador entre el ao 2002 y 2012 no ha existido una variacin significativa, disminuye de 16 a 15 (INEC, 2012). Esto se podra interpretar como si frente al crecimiento del nmero de habitantes existe un aumento en la misma proporcin del nmero de camas disponibles para brindar atencin hospitalaria, manteniendo la misma capacidad de atencin. Esta capacidad es sealada como deficitaria por la poblacin y hasta por las mximas autoridades del pas, segn lo recoge frecuentemente la prensa.En mayo de 2014, un extenso artculo en el Diario El Universo analiza comparativamente la cantidad de camas disponibles en promedio en el Ecuador y las que se cuentan en la ciudad de Guayaquil. Esta ciudad tiene un indicador mayor al promedio nacional, y, aunque siendo la de mayor poblacin, es la octava en el orden de disponibilidad de camas, con 2.38 por mil habitantes. A los hospitales de Guayaquil vienen en busca de atencin personas de todo el pas, acentuando la necesidad de brindar hospitalizacin (Diario El Universo, 2014). El servicio de internamiento hospitalario requiere, segn la misma nota periodstica, entre 4 y 5 camas por cada mil personas, citando estndares de la OMS. Esto explicara el hecho de tener que esperar varios das por la admisin porque todas las camas estn ocupadas. Las referencias de organismos oficiales y las notas de prensa dan una idea de la importancia de la planificacin del nmero de camas en un hospital. Adems de esto, la industria del cuidado de la salud busca en todo el mundo cada vez ms ser rentable y orientada al mercado (Rechel, Wright, Edwards, Dowdeswell, & McKee, 2009). Toda cama debe producir retorno financiero, ms an si se reconoce que los hospitales no solamente representan los sitios para la atencin de salud, sino que se llevan a cabo amplios programas relacionados con la investigacin y el desarrollo, la educacin y la formacin, adems de contribuir con mejorar el nivel de salud.Una pregunta que se plantea es cmo decidir de manera adecuada cul es el nmero de camas que un hospital debe tener a disposicin de una comunidad. La decisin de la cantidad de camas es parte de la planificacin y la logstica de los hospitales. Se relaciona con el volumen esperado de actividad, con el desempeo y con el grado de complejidad del hospital.El estudio espera dar una visin crtica profunda de los conocimientos que estn disponibles en este tema. Se analizar los registros de los niveles de actividad de los hospitales en Ecuador, y con stos se desarrollar un modelo de covarianza de la hospitalizacin con la consulta ambulatoria. Este modelo se usar para simular la planificacin del nmero de camas de un hospital general.Comment by CENTRO DE COMPUTO: En esta parte antes de formular el problema, el mismo debe ser delimitadoEjemplo:Campo: administracin de empresasrea: Negocios InternacionalesAspectos: Modelos de GestionTema: El tema de su tesisFavor colocar esto en este espacio

1.2 Formulacin del problema

Qu mtodo se puede usar para planificar el nmero de camas de un hospital en Ecuador, de forma eficiente?Comment by CENTRO DE COMPUTO: En esta seccin usted debe sistematizar el problema es decir realizar preguntas del entorno como por ejemplo: Qu propuesta puede aplicarse para la medicin de la calidad del servicio al cliente, bajo un modelo de gestin GAP?Favor colocar esto en esta seccion

1.3 Objetivos de la investigacin

a) Objetivo GeneralBuscar la posible asociacin o correlacin entre las variables de actividad hospitalaria como son el nmero de consultas mdicas y la longitud promedio de la estancia o internamiento que se produce en los hospitales. Estos parmetros operacionales pueden ser usados en la planificacin de la capacidad hospitalaria, especficamente el nmero de camas necesarias.Comment by CENTRO DE COMPUTO: Cambiar palabra buscar por determinar

b) Objetivos Especficos Describir y analizar las caractersticas de los servicios de consulta mdica y hospitalizacin de los hospitales del Ecuador mediante el procedimiento estadstico. Relacionar estadsticamente la longitud de estancia con el nmero de consultas en los hospitales del Ecuador, a travs del mtodo correlacional. Formular un Modelo estadstico para la simulacin del clculo del nmero de camas de un hospital General de tercer nivel de complejidad en la ciudad de Guayaquil.1.4 Justificacin de la investigacin

El nmero de camas hospitalarias disponibles en una poblacin es una de las medidas de la calidad del sistema de salud universalmente reconocido. Cuando es insuficiente, produce esperas por la admisin, sea electiva o de emergencia e incrementa el riesgo de deterioro de las condiciones de salud de las personas que necesitan un tratamiento en hospitalizacin. El proponer una capacidad hospitalaria significa decidir no solamente en el nivel de inversin de recursos, sino tambin en el nivel de desempeo que alcance el hospital. Esta decisin se torna ms crtica cuando se trata de establecer un nmero de camas para un hospital General, diseado para admitir pacientes en distintas especialidades. Analizar la relacin que existe entre el nmero de consultas y longitud de internamiento, con el propsito de desarrollar un modelo matemtico que sirva para calcular el nmero de camas necesarias en un nuevo hospital, contribuye a resolver un problema de asignacin de recursos escasos, con impacto positivo en la sociedad.

CAPITULO 2 MARCO TEORICO

2.1 Antecedentes de la investigacinLa proyeccin de la capacidad de servicios es parte de las decisiones estratgicas de un Hospital. No es la nica, y no existen pocos mtodos aplicados a resolver este problema. El volumen de servicios para los que se disea un hospital es una compleja trama de procesos e interaccin de recursos que configuran una cadena de servicios llena de incertidumbre desde la admisin hasta el alta (Vanberkel P. T., 2013). En cada etapa de la atencin, es posible aplicar, para efectos de diseo, anlisis u optimizacin, patrones de llegada de pacientes en base a modelos estadsticos, generalmente distintos en sus parmetros: tiempos y frecuencia de arribo, tiempos de servicios y de espera asimtricos, adems de la imposibilidad de prever la necesidad de priorizar la atencin en funcin de la necesidad valorada de un paciente, lo que configura las caractersticas de un proceso estocstico.El uso de modelos de prediccin en conjunto con los de optimizacin, permite a los administradores de hospitales poder desarrollar o mejorar sus planes para el futuro (Ramsey, 2014). Esto proporciona a los administradores del hospital una lnea de base para estimar el nmero de mdicos, enfermeras, camas, equipos u otro insumo que se necesiten. Optimizacin ofrece el mejor escenario para el nmero de recursos necesarios para satisfacer la demanda del paciente y reducir al mnimo costo para el hospital. Modelado predictivo en la industria de la salud se puede utilizar para una variedad de objetivos, incluida la dotacin de personal, inventarios, programacin de habitaciones, entre otros. En el caso de la planificacin de la capacidad, el modelado predictivo juega un papel vital para ayudar a la administracin del hospital en una mejor comprensin de lo que probablemente que se necesite en el futuro (Polasky, Carpenter, Folke, & Keeler, 2011), metodologa utilizada en Investigacin relacionada con la planificacin de la capacidad y el modelado predictivo en mltiples industrias. Algunos han encontrado tipos de problemas que funcionan mejor con un enfoque de programacin lineal para identificar la respuesta adecuada, otros usando modelos de Lneas de espera (Teora de Colas) (Fu, y otros, 2014)Entre las lneas que orientan la decisin de calcular la capacidad de servicios hospitalarios estn las medidas operacionales como el tiempo de espera por atencin y el costo de la misma, para los pacientes hospitalizados, los costos de espera son de altos y directos, por lo que la reduccin de la duracin de la estancia de los pacientes ingresados en una prioridad en los hospitales y un objetivo comn de muchos estudios. Para pacientes ambulatorios, los costes asociados con la espera no son directos y, a menudo son ocultos. Adems de los costos administrativos, el deterioro de la calidad de vida de los pacientes ambulatorios por esperar es sustancial. Adems de que obviamente un perodo prolongado de tiempo en mal estado de salud, se asocia con la ansiedad de espera, y la posibilidad de un mayor deterioro de la salud, prdida de confianza en el hospital o mdico y el efecto combinado de todos estos factores juntos (Vanberkel P. T., 2013).El mbito de incertidumbre es abonado con la escasez de recursos, como las camas, las que determinan en muchos casos la posibilidad o no de atencin del paciente en alguna etapa del proceso, as hay una asociacin muy clara entre el nivel de ocupacin y la disponibilidad de la sala: a mayor nmero de camas, menor es la ocupacin y mayor es la disponibilidad. Esta relacin entre recursos y procesos es susceptible de modelarse para estimar la ocupacin sea para propsitos de planeacin o de anlisis (Kil, 2011) en relacin a los tres niveles tpicos: operacional, tctico y estratgico.El nivel enfocado en la presente investigacin corresponde al estratgico, en el nivel estratgico el punto focal est en las metas y objetivos a largo plazo. Por lo general, se trata de responder preguntas como qu? O dnde? Por ejemplo, "qu nivel de servicio al que apuntamos? Para alcanzar estos objetivos, es necesario dimensionar los recursos de la sala (De Bruin, Bekker, Van Zanten, & Koole, 2010), tales como, las camas y el personal. En este nivel se toman las decisiones acerca de la capacidad fsica de las camas. Las decisiones de capacidad de sala no son hechas por la direccin del hospital solamente, sino que se ven influidas por los gobiernos, por ejemplo, con la imposicin de un nivel de ocupacin o de servicios mnimos. El horizonte de planificacin estratgica es por lo general ms de un ao y se basa en datos histricos, como en el caso de la investigacin de De Bruin, que tom datos de tres aos de produccin hospitalaria del VU Medical Center (Amsterdam, Holanda) para desarrollar un sistema de ayuda a la toma de decisiones, basada en el modelo de prdida Erlang, el mismo que fue utilizado para evaluar el tamao actual de las unidades de enfermera. Adems de adaptaciones como la mencionada anteriormente, del uso del modelo de prdida de Erlang, que originalmente se dise para estimar la probabilidad de perder llamadas entrantes a una central telefnica, la literatura cientfica muestra intentos de desarrollar modelos de planificacin hospitalaria Genricos, como es el caso del reconocido Dr. Adrian Fletcher, del Department of Management Science Lancaster University Management School, quien en el ao 2007 public los resultados de investigar la posibilidad de establecer un modelo genrico. Este documento de trabajo (Fletcher & Worthington, 2007) se refiere a la pregunta planteada en el ttulo a travs de una encuesta realizada al menos a 20 experimentados modeladores de salud y una revisin bibliogrfica de ms de 100 libros y artculos. Los resultados proponen cuatro niveles de "generalidad": modelo genrico principal, marco o entorno genrico, modelo genrico de fijacin especfica y un modelo de ajuste especfico. El tercero y el cuarto de ellos estn a continuacin, elegido como el foco para un examen ms a fondo y extraer lecciones relevantes para el problema de la construccin de un modelo de todo tipo de hospital para los pacientes de emergencia. Fletcher y Worthington encontraron numerosos ejemplos de clculo de camas necesarias aplicando mtodos de programacin entera para reducir el tiempo de hospitalizacin, y otros casos para asignar la cantidad ptima de camas en Emergencia, para ajustar la oferta a la demanda de servicios. Hallaron ejemplos de simulacin de listas de espera con suavizacin de demanda para elevar los ndices de ocupacin hospitalaria y bajo un esquema de mezcla de pacientes que ayuda a determinar la demanda de otros recursos hospitalarios como salas de ciruga, enfermera o cuidados intensivos. En el mismo estudio se encontr el uso de hojas de clculo para modelar la demanda de camas necesarias bajo supuestos aleatorios para emergencia en un hospital para pacientes agudos. Los resultados del modelo se generan a partir de tasas de ingreso aleatorios por da y la duracin de la estancia, alrededor de los patrones estacionales. Adems del nmero de camas necesarias, se obtiene el riesgo de la no admisin de pacientes de emergencia, y la frecuencia de ocurrencia. Otro autor que estudi a fondo la posibilidad de utilizar modelos genricos de planeacin de camas hospitalarias es Tian Mu Liu, de la Universidad de Toronto, Quien en su investigacin motivada por la necesidad de reducir el tiempo de espera en las salas de emergencia (Liu, 2012). Para estudiar el tiempo de espera en las salas de emergencia u otros departamentos de un hospital, dice Liu, se debe investigar la planificacin de recursos, programacin y utilizacin dentro del hospital. Su estudio ofrece a los hospitales un conjunto de herramientas de simulacin y optimizacin para ayudar a identificar las reas de mejora, sobre todo cuando hay una serie de alternativas consideradas. Una herramienta de simulacin (un modelo de simulacin de Monte Carlo) estima la demanda de pacientes en camas en un hospital durante una semana tpica. Dos herramientas de optimizacin (un modelo matemtico de programacin entera y un modelo heurstico) demuestran oportunidades para suavizar la demanda de camas para los pacientes ajustando el horario de la sala de operaciones.En definitiva, existe un elevado nmero de estudios dedicados a mejorar la planificacin de la capacidad hospitalaria, especialmente el nmero de camas disponibles en distintos servicios, es decir, sala, emergencia, cuidados intensivos, entre otros, bajo la perspectiva de disminuir el tiempo de hospitalizacin o el tiempo de espera por una cama disponible. Las tcnicas y herramientas de las que dispone la Logstica van desde las de modelos determinsticos en hoja de clculo hasta modelos de simulacin de lneas de espera o de eventos discretos, con aplicaciones informticas especializadas.

2.2 Definiciones conceptuales y terminologa

Estructuralmente, el modelo de arribo de pacientes que requieren hospitalizacin es presentado en la siguiente Figura.Figura 1. Modelo de arribo de pacientes para hospitalizacin

Fuente: (De Bruin, Bekker, Van Zanten, & Koole, 2010)Elaborado por: el autor

Arribo: es la llegada de una persona que requiere asistencia mdica. Es posible que se clasifique un arribo como agendado, referido de otro hospital, o espontneo.Admisin: capacidad de permitir el ingreso a una sala, para internamiento, por razones de tratamiento mdico o quirrgico.No Admisin: o referencia a otra unidad hospitalaria por razones de no disponibilidad de cama o de algn recurso, sea mdico, tcnico o de otra naturaleza.Longitud de estancia: Posteriormente a la admisin de un paciente en el hospital, el tiempo que ste pasa en una sala se llama la duracin o longitud de la estancia. Despus de este tiempo se produce el alta, aunque puede ocurrir la transferencia a otro hospital.Cama disponible para hospitalizacin: Una cama disponible es un trmino de gestin, que se define por el personal disponible para cada sala. Por lo general, hay una relacin de camas operativas por miembro del personal, es decir, una cama debe tener un recurso humano asociado. La cantidad de camas disponibles es generalmente menor que las camas fsicas reales en un hospital. Por lo tanto, un paciente slo puede ser admitido si hay una cama operacional disponible.Comment by CENTRO DE COMPUTO: Nos faltara en esta parte el Marco contextual

2.3 Formulacin de hiptesis

La longitud de la estancia hospitalaria tiene una relacin estadstica con el nmero de consultas que se brindan en un hospital?Comment by CENTRO DE COMPUTO: La hiptesis debe ser una sola y esa es la que vamos a comprobar Esta relacin se puede modelar para calcular el nmero de camas necesarias en un nuevo hospital?Comment by CENTRO DE COMPUTO: Falta la variable Dependiente e independiente

CAPITULO 3 METODOLOGIA

3.1 Diseo Metodolgico Comment by CENTRO DE COMPUTO: Especificar dentro de esta parte que la Modalidad de Investigacion es Investigacion BibliograficaEl objeto del estudio lo constituyen los hospitales con ms de 50 camas de hospitalizacin, pblicos y privados en el Ecuador y que no sea hospitales de pacientes crnicos, sino ms bien de pacientes agudos. Las unidades que cumplen con este criterio suman 72. La investigacin realizada es de tipo correlacional, en la que se eligieron una serie de variables cuantitativas y cualitativas entre las que se han establecido en las bases de datos de Camas y Recursos y Actividades de salud del INEC. La estrategia de tratamiento de los datos consisti en un proceso que se inici con la eleccin de los hospitales hasta determinar el grado en que la variacin de la variable Nmero de consultas diarias es correspondiente con la variable Promedio de estada. La siguiente Figura muestra el diagrama del transcurso de la investigacin.

Figura 2. Diagrama del Transcurso de la Investigacin

Fuente: La propia InvestigacinElaborado por: el autorEsta serie de pasos muestra la investigacin incluyendo un anlisis descriptivo, debido a que se estudi cada variable tal como estn en los registros mencionados, mientras que tambin es correlacional porque se evalu el grado de relacin existente entre dos variables. El diseo de la investigacin corresponde a una de tipo no experimental, debido a que se observaron los hechos sucedidos y no fueron sometidos a intervencin alguna por parte del investigador, es retrospectivo, al tomar una serie anual de cinco aos consecutivos de informacin. El nmero de registros encontrados en las bases de datos supera los 23,000 los que una vez escogidos con el criterio mencionado anteriormente, se redujo a 364. El lugar en donde se realiz la investigacin es la ciudad de Guayaquil, durante los meses de Marzo a Julio del ao 2015.Para el tratamiento de la informacin se utiliz el programa de anlisis estadstico IBM SPSS Statistics 22, y la hoja electrnica Excel del paquete Office 2013, para el tratamiento, seleccin, descripcin y anlisis de las variables y la tabulacin respectivamente. El estudio culmin con el contraste de la hiptesis planteada.

3.2 Elementos de estudioLas unidades de anlisis estn representadas por las actividades y recursos hospitalarios pblicos y privados que funcionan en el Ecuador, con al menos 50 camas disponibles para hospitalizacin en total, para cualquier especialidad, y que no est caracterizado como hospital de alguna enfermedad crnica, como lo son hospitales neumolgicos u oncolgicos. La informacin especfica tratada de los hospitales se relaciona con el volumen de consultas mdicas ambulatorias, nmero de camas disponibles, los das de hospitalizacin y el promedio de estada en el periodo comprendido entre el ao 2009 al 2013, la que se encuentra en las bases de datos del INEC (INEC, 2015) adems de otras variables que se muestran en la siguiente Tabla. Tabla 1. Variables estudiadas, conceptos, tipos y unidades

VariableConceptoTipoUnidad/ valores

Aoperiodo anual de referencianumricaao

ProvinciaProvincia en la que est ubicado el hospitalNominaluno, territorial

Cdigo de HospitalCdigo de Hospital de acuerdo al INECNominalalfabtica

Clase de HospitalClase de hospitalNominalGeneral, Bsico, Gineco obsttrico, Especialidades, Peditrico

EntidadEntidad a la que pertenece el hospitalNominalMSP, IESS, Min. Defensa, Min, Interior, Privados con y sin fines de lucro

Total cama disponiblesNmero de camas disponibles en el ao de referenciaNumricacama hospitalaria

Das cama disponiblesNmero de disponibilidad de das de hospitalizacinNumricaformulada: nmero de camas disponibles por nmeros de das del ao

Das de hospitalizacinNmero de das de hospitalizacin utilizadosNumricaformulada: sumatoria de la multiplicacin de egresos por estancia en el periodo anual

Total EgresosNmero de altas producidas en el ao por hospitalNumricaformulada: sumatoria de altas en el periodo anual

Total consultasNmero de consultas mdicas por morbilidad en el aoNumricaformulada: sumatoria de consultas por morbilidad proporcionadas por un mdico en el hospital por cada periodo anual

Promedio de estadaLongitud de estancia promedio por egresoNumricaformulada: cociente resultado de das de hospitalizacin por total de egresos por periodo anual

Fuente: INEC, bases de datos de Camas y Recursos y Actividades de salud 2013Elaborado por: el autor

3.3 Tcnicas de recoleccin de datos. Se descarg cada una de las bases de datos, diez en total y se extrajo mediante procedimientos estndares propios del programa SPSS las variables de inters de la investigacin, se configur una nueva base de datos compuesta de 364 registros con los que se hizo el tratamiento estadstico.Comment by CENTRO DE COMPUTO: Aqu nos faltara el tipo de mtodo (ejemplo deductivo e inductivo)

3.4 Tcnicas para el procesamiento y anlisis de la informacinEl procesamiento de la informacin se lo hizo mediante el mtodo estadstico de anlisis y descripcin de las variables, de acuerdo al tipo, numrica o nominal, es decir, estimacin de parmetros para las cuantitativas y clculo de frecuencia para las variables nominales Se crearon tres variables adicionales para profundizar el anlisis: Consultas por da, variable numrica cuyo resultado es el cociente del nmero de consultas anuales por el producto de 12 meses y 22 das. Porcentaje de ocupacin, variable numrica resultante de la divisin del nmero de das de hospitalizacin para el nmero de das disponibles, y Nmero de camas ocupadas, variable numrica que proviene de la multiplicacin del porcentaje de ocupacin por el nmero de camas disponibles para hospitalizacin.Comment by CENTRO DE COMPUTO: Falta detallar Poblacion, y la muestra utilizar la formula que le enviare por correo

Luego, bajo el supuesto de una relacin lineal entre las variables Nmero de consultas por da y Promedio de estancia se calcul el coeficiente de correlacin de Pearson, tratamiento adecuado estadsticamente para variables numricas, que busca el grado de covariancia de una relacin funcional de tipo lineal.Comment by CENTRO DE COMPUTO: El procesamiento de la informacin tambin debe ser especificado al finalizar este prrafo

CAPITULO 4 RESULTADOS

4.1 Caractersticas de la estancia hospitalaria

Las provincias en que se distribuyen los 72 hospitales estudiados son 17, distribuidos de la siguiente manera:Tabla 2. Tabla de frecuencia de Provincia de ubicacin de los hospitales estudiados

ProvinciaFrecuencia

Guayas19

Pichincha17

Manab7

El oro5

Azuay3

Imbabura3

Los Ros3

Tungurahua3

Chimborazo2

Esmeraldas2

Loja2

Bolvar1

Caar1

Carchi1

Cotopaxi1

Napo1

Sto. domingo1

Suma72

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

Esta tabla muestra el nmero de hospitales estudiados por provincia, los mismos que estn clasificados por Clase: hospital general, bsico, peditrico, gineco obsttrico, de especialidades, clnica general y gineco obsttrica:

Tabla 3. Distribucin de frecuencia de clase de hospitales estudiadosClase de hospitalFrecuencia

HGEN36

HBAS12

CGEN9

HESPEC7

HPED4

CGO2

HGO2

Suma72

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autorLa tabla anterior muestra el nmero de hospitales por Clase, caracterstica adicional a la de la entidad a la que pertenece el hospital, pblica o privada: Instituto ecuatoriano de seguridad social (IESS), Ministerio de salud pblica (MSP), Ministerio de Defensa, Ministerio del Interior, municipio, privado con fines de lucro y Junta de Beneficencia de Guayaquil (JBG).Tabla 4. Distribucin de los hospitales por entidad a la que pertenecenEntidadFrecuenciaFrecuencia Relativa

MSP3447%

P. c/ fines de lucro1622%

IESS1115%

JBG34%

M. Defensa34%

O. Pblicos23%

POL (M. Interior)23%

Municipios11%

Suma72100%

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autorCamas Disponibles es la variable cuantitativa a la que se aplic el criterio de seleccin de un mnimo de 50, muestra un promedio de 156 entre las 72 unidades, y los siguientes parmetros:Tabla 5. Resumen descriptivo de la variable Nmero de camas disponibles

ParmetroValor

Recuento352

Promedio163.67

Desviacin Estndar132.94

Coeficiente de Variacin81.22%

Mnimo30

Mximo826

Rango796

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

Esta tabla muestra los estadsticos de resumen para la disponibilidad de camas, incluye medidas de tendencia central, medidas de variabilidad y medidas de forma. Particularmente tiles son el sesgo estandarizado y la curtosis estandarizada, las cuales pueden utilizarse para establecer si la muestra procede de una distribucin normal. Grficamente se observa de mejor forma la densidad de la distribucin, con el sesgo respectivo.

Figura 3. Grfico de caja y bigote del nmero de camas disponibles

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

La Figura 3 muestra la composicin del conjunto de datos y los respectivos cuartiles, adems de los valores atpicos y la asimetra de la distribucin. Esta variable, vale insistir, corresponde a un recurso destinado a una de las actividades bsicas, la hospitalizacin, servicio que puede medirse tambin en Das disponibles de hospitalizacin, resultado del producto del nmero de camas disponibles por 365 das del ao. Las siguientes variables estudiadas corresponden a parmetros que describen la produccin de servicios de los 72 hospitales en el periodo analizado de cinco aos: Egresos, Das de hospitalizacin, Consultas producidas y promedio de la duracin de la estancia de los pacientes.

Tabla 6. Resumen estadstico del Total de egresos producidosParmetroValor

Recuento352

Promedio9,303.32

Desviacin Estndar7,345.37

Coeficiente de Variacin0.79

Mnimo668

Mximo47,863

Rango47,195

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autorLa Tabla 6 muestra los estadsticos de resumen para el Total de egresos, y corresponde a los 72 hospitales y 352 registros del anlisis, incluye medidas de tendencia central y medidas de variabilidad. Una tabla de frecuencia ayuda en la descripcin de la distribucin de los datos de esta variable.

Tabla 7. Tabla de frecuencias para Total de egresos producidosLmite InferiorLmite SuperiorPunto MedioFrecuenciaFrecuencia Relativa

menor o igual---

-4,0002,000560.16

4,0008,0006,0001470.42

8,00012,00010,000550.16

12,00016,00014,000510.14

16,00020,00018,000180.05

20,00024,00022,000110.03

24,00028,00026,00030.01

28,00032,00030,00060.02

32,00036,00034,000--

36,00040,00038,000--

40,00044,00042,00020.01

44,00048,00046,00030.01

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

Se obtuvo la tabulacin de frecuencias dividiendo el rango del Total de egresos en intervalos del mismo ancho, y contando el nmero de datos en cada intervalo. La columna Frecuencia muestran el nmero de datos en cada intervalo, mientras que la columna de Frecuencia Relativa muestra las proporciones en cada intervalo.

Figura 4. Grfico de frecuencia de Egresos

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autorSe realiz una tabulacin de frecuencias dividiendo el rango de Das de hospitalizacin en intervalos del mismo ancho, y contando el nmero de datos en cada intervalo. La mayora de los hospitales muestran entre 4,000 y 8,000 egresos al ao. La otra variable de produccin de servicios es el nmero de consultas diarias, bajo la suposicin de 22 das laborables por mes, el resultado fue el siguiente:Tabla 8 resumen estadstico para el nmero de consultas diariasParmetroValor

Recuento 352

Promedio 365.65

Desviacin Estndar 325.69

Coeficiente de Variacin89.07%

Mnimo 5.57

Mximo 1,502.65

Rango 1,497.08

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

La Tabla 8 muestra los estadsticos de resumen para Consultas diarias. Incluye medidas de tendencia central y medidas de variabilidad. Se elabor una tabla de frecuencias con 11 intervalos, y la mayor frecuencia est entre cero y 150 consultas, el 29.83% de los casos. Tabla 9. Tabla de frecuencia de consultas mdicas

Lmite InferiorLmite SuperiorPunto MedioFrecuenciaFrecuencia Relativa

-150751050.2983

150300225990.2813

300450375560.1591

450600525240.0682

600750675150.0426

750900825170.0483

9001,050975150.0426

1,0501,2001,125110.0313

1,2001,3501,27580.0227

1,3501,5001,42510.0028

mayor de1,50010.0028

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

Se obtuvo la tabulacin de frecuencias dividiendo el rango del Total de egresos en intervalos del mismo ancho, y contando el nmero de datos en cada intervalo. La columna Frecuencia muestran el nmero de datos en cada intervalo, mientras que la columna de Frecuencia Relativa muestra las proporciones en cada intervalo. A continuacin se presenta la descripcin de la variable Das de hospitalizacin, el total acumulado de servicios de internamiento por hospital.

Tabla 10. Resumen estadstico de los das de hospitalizacinParmetroValor

Recuento352

Promedio45,160.80

Desviacin Estndar44,357.10

Coeficiente de Variacin98.22%

Mnimo5,095

Mximo236,155

Rango231,060

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

La Tabla de frecuencias aporta en la descripcin de cmo se distribuye esta variable, se la elabor para 12 intervalos.Tabla 11. Tabla de frecuencias para la variable Das de hospitalizacinLmite InferiorLmite SuperiorPunto MedioFrecuenciaFrecuencia Relativa

-20,00010,0001140.32

20,00040,00030,0001100.31

40,00060,00050,000470.13

60,00080,00070,000290.08

80,000100,00090,000160.05

100,000120,000110,00060.02

120,000140,000130,000120.03

140,000160,000150,00060.02

160,000180,000170,00020.01

180,000200,000190,00040.01

200,000220,000210,00020.01

220,000240,000230,00040.01

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

La mayor frecuencia se muestra en el primer intervalo, de cero hasta 20,000 das, con 114 casos que representa una proporcin de 0.32. Luego se analiz el promedio de duracin de la estancia por hospital.

Tabla 12. Resumen estadstico del promedio de duracin de la estancia hospitalariaParmetroValor

Recuento 352

Promedio 4.58

Desviacin Estndar 1.95

Coeficiente de Variacin42.56%

Mnimo 0.48

Mximo 15.33

Rango 14.85

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

Se calcul la frecuencia del nmero de das de hospitalizacin distribuida en 15 intervalos.

Tabla 13. Tabla de frecuencias de la duracin de estancia hospitalariaLmite InferiorLmite SuperiorPunto MedioFrecuenciaFrecuencia Relativa

menor o igual---

-10.510.003

121.530.009

232.5380.108

343.51070.304

454.51050.298

565.5580.165

676.5110.031

787.570.020

898.540.011

9109.580.023

101110.530.009

111211.530.009

121312.510.003

131413.510.003

141514.510.003

mayor de1510.003

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

La duracin de la estancia hospitalaria ms frecuente tiene una duracin entre tres y cuatro das, en 107 casos de los observados que representa una proporcin de 0.304.

Figura 5. Histograma de frecuencia de la duracin de estancia hospitalaria

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

Figura 6. Densidad de la distribucin de la duracin de la estancia hospitalaria

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

La Figura 6 representa una aproximacin a la funcin de densidad de los tiempos promedios de estada en los hospitales analizados. El nmero de consultas por tipo de hospital muestra cmo es el desempeo del mayor servicio ambulatorio por cada uno de los siete tipos de hospitales, descrito con sus medidas de tendencia central, desviacin y rangos de variacin.

Tabla 14. Resumen estadstico del nmero de consultas diarias por tipo de hospitalClaseRecuentoPromedioDesviacin EstndarCoeficiente de VariacinMnimoMximoRango

HESPEC3582140749.59%43.151,502.651,459.50

HPED2056530654.07%81.271,032.28951.01

HGO1047845094.06%111.931,238.531,126.60

HGEN18536627575.28%69.511,328.021,258.51

CGEN4319112465.15%5.57567.50561.93

HBAS4915312380.44%13.95790.10776.15

CGO10564377.65%28.16142.15113.99

Total35236632689.07%5.571,502.651,497.08

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autorEsta tabla presenta las estadsticas muestrales para los siete tipos de hospitales, ordenados por el promedio de consultas, de mayor a menor. Estos datos tienen distinta distribucin de sus percentiles, como se observa a continuacin:

Figura 7. Grfico de Caja y Bigote para el nmero de consultas diarias por tipo de hospital

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

La Figura 7 muestra como est compuesto el conjunto de datos y los respectivos cuartiles, adems de los valores atpicos y la asimetra de la distribucin. Un resumen estadstico de los porcentajes de ocupacin por tipo de hospital, seala, entre otras medidas, qu tipo de hospital es el de mayor porcentaje de ocupacin de sus camas.

Tabla 15. Resumen estadstico de porcentaje de ocupacin por tipo de hospitalClaseRecuentoPromedioDesviacin EstndarCoeficiente de VariacinMnimoMximoRango

HGO100.990.1515.32%0.881.340.46

HPED200.840.3036.28%0.391.340.95

HESPEC350.830.2226.94%0.311.321.01

HGEN1850.720.2129.27%0.311.341.03

CGEN430.660.2131.52%0.381.370.99

HBAS490.640.2133.08%0.281.281

CGO100.560.1628.07%0.310.790.48

Total3520.720.2331.49%0.281.371.09

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autor

Esta tabla presenta las estadsticas muestrales para los siete tipos de hospitales, ordenados por el promedio de ocupacin, de mayor a menor. Los datos correspondientes a la distribucin de sus percentiles, se indica a continuacin:Figura 8. Grfico de Caja y Bigote del promedio de ocupacin por tipo de hospital

Fuente: Bases de datos Egresos hospitalarios INEC 2015Elaborado por: el autorEs posible observar como el mayor porcentaje de ocupacin lo tienen los hospitales Gineco obsttricos, con una concentracin muy cercana a la media, en concordancia con la desviacin estndar de 0.15.4.2 Anlisis de correlacin entre variablesLa sntesis del anlisis de correlacin de las variables incluy las variables promedio de estada, promedio diario de consultas y porcentaje de ocupacin.

Tabla 16. Tabla de correlacin entre variables seleccionadas

Promedio de estadaConsultas por daPorcentaje de ocupacin

Promedio de estada0.28770.2719

--

Consultas por da0.28770.4295

--

Porcentaje de ocupacin0.27190.4295

--

Fuente: Resultados obtenidos en la investigacinElaborado por: el autor

Esta tabla muestra los coeficientes de correlacin lineal de Pearson, entre cada par de variables. El rango de estos coeficientes de correlacin va de -1 a +1, y miden la fuerza de la relacin lineal entre las variables. Tambin se muestra en cada bloque de la tabla el valor P, que prueba la significancia estadstica de las correlaciones estimadas. Valores P menores de 0.05 indican correlaciones significativamente diferentes de cero, con un nivel de confianza del 95.0%. Todos los pares de variables tienen valores-P por debajo de 0.05.

Figura 9. Grfico de la matriz de dispersin de las variables seleccionadas

Fuente: Resultados obtenidos en la investigacinElaborado por: el autor

Esta representacin grfica deja ver la dispersin de los datos de las variables, as como su ubicacin por percentiles.4.3 Regresin simple entre la duracin de la estancia y el nmero de consultas mdicasSe decidi usar estas variables para la bsqueda de la variacin conjunta de los eventos consulta mdica y duracin de estancia, bajo un supuesto de comportamiento lineal, y se encontr que el mayor coeficiente de correlacin se presenta bajo un modelo exponencial, no lineal. La variable independiente es el nmero de consultas por da y la variable dependiente es la estancia hospitalaria.

Tabla 17. Regresin simple, Promedio de estada vs. Consultas diarias

Mnimos CuadradosEstndarEstadstico

ParmetroEstimadoErrorTValor-P

Intercepto3.94910.149926.3485-

Pendiente0.00170.00035.6199-

Fuente: Resultados obtenidos en la investigacinElaborado por: el autor

La solucin anterior muestra los resultados de ajustar un modelo lineal para describir la relacin entre promedio de estada y Consultas por da. La ecuacin del modelo ajustado es: Promestadia = 3.94913 + 0.00172126*Consul_dia

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relacin estadsticamente significativa entre las variables con un nivel de confianza del 95.0%. El estadstico R-Cuadrada indica que el modelo ajustado explica 8.28% de la variabilidad en promedio de estada. El coeficiente de correlacin es igual a 0.2876, indicando una relacin relativamente dbil entre las variables. Un modelo exponencial, comparado con el lineal, tiene coeficientes de correlacin y de determinacin mayores, por lo que se puede sugerir una mejor asociacin de este tipo.Tabla 18. Regresin simple, Promedio de estada vs. Consultas diarias, modelo exponencialMnimos CuadradosEstndarEstadstico

ParmetroEstimadoErrorTValor-P

Intercepto1.30220.028102746.33720

Pendiente0.0004024415.74272E-057.007850

Fuente: Resultados obtenidos en la investigacinElaborado por: el autorEsta solucin anterior muestra los resultados de ajustar un modelo exponencial para describir la relacin entre promedio de estada y Consultas por da. La ecuacin del modelo ajustado es: Promestadia = exp(1.3022 + 0.000402441*Consul_dia)

Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relacin estadsticamente significativa entre las variables con un nivel de confianza del 95.0%. El estadstico R-Cuadrada indica que el modelo ajustado explica 12.3049% de la variabilidad en el promedio de estada despus de transformar a una escala recproca para linearizar el modelo. El coeficiente de correlacin es igual a 0.350783, indicando una relacin relativamente dbil entre las variables.

Figura 10. Grfico de Promedio de estada vs. Consultas por da

Fuente: Resultados obtenidos en la investigacinElaborado por: el autor

4.4 Modelo de simulacin del clculo del nmero de camas necesarias para un hospital general en la ciudad de GuayaquilSe usa el modelo de regresin obtenido en la etapa anterior del anlisis descriptivo y correlacional. La suposicin fundamental es hacer un estimado de consultas a brindar, las mismas que tienen asociada estadsticamente la produccin de otros servicios sean ambulatorios o de internamiento.

CAPITULO 5 DISCUSIN, CONCLUSIONES Y RECOMENDACIONES

REFERENCIAS BIBLIOGRAFICAS

Allder, S., Silvester, K., & Walley, P. (2010). Managing capacity and demand across the patient journey. Clinical Medicine, 13 - 15.Bachouch, R. B., Guinet, A., & Hajri-Gabouj, S. (2012). An integer linear model for hospital bed planning. International Journal of Production Economics, 140(2), 833 - 843.De Bruin, A., Bekker, R., Van Zanten, L., & Koole, G. (2010). Dimensioning hospital wards using the Erlang loss model. Annals of Operation Researches, 178, 23 - 43.Dellaert, N., Cayiroglu, E., & Jeunet, J. (2015). Assessing and controlling the impact of hospital capacity planning on the waiting time. International Journal of Production Research, (ahead-of-print), 1 - 12.Elderman, H. (6 de Marzo de 2015). Improving patient logistics at the Emergency Departmen Leyweg of Hagaziekenhuis (Master Thesis). The Hague, The Nederlands. Obtenido de http://essay.utwente.nl/61487/1/MSc_H_Elderman.pdfFletcher, A., & Worthington, D. (2007). What is a 'generic' hospital model? Lancaster, U. K.: Lancaster University Management School.Fu, M., Bayraksan, G., Henderson, S., Nelson, B., Powell, W., Ryzhov, I., & Thengvall, B. (2014). SIMULATION OPTIMIZATION: A PANEL ON THE STATE OF THE ART IN RESEARCH AND PRACTICE. Winter Simulation Conference, 3696 - 3706.Garde, A., Azcrate, C., & Mallor, F. (2011). Desarrollo y Vadilacin de un Modelo de Simulacin para el Complejo Asistencial Mdico Tecnolgico de navarra. Pamplona: Universidad de Navarra.I Lin, C. (2010). Optimization Models for capacity Planning in Health care Delivery. Gainesville, Florida USA: University of Florida.INEC. (21 de Junio de 2015). Base de datos de Recursos y actividades de salud. Quito, Pichincha, Ecuador. Obtenido de http://www.ecuadorencifras.gob.ec/actividades-y-recursos-de-salud-bases-de-datos/INEC. (23 de Junio de 2015). Bases de datos de camas y egresos hospitalarios. Quito, Pichincha, Ecuador. Obtenido de http://www.ecuadorencifras.gob.ec/estadisticas-de-camas-y-egresos-hospitalarios-bases-de-datos/Kil, S. (2011). Bed Occupancy Optimization: Combining Wards to Gain Performance (Masters Thesis). Rotterdam, The Nederlands: Erasmus School of Economics.Kuntz, L., Scholtes, S., & Vera, A. (2007). Incorporating efficiency in hospital-capacity planning in Germany. Verlag The European Journal of Health Economics, 8(3), 213 - 223.Liu, T. M. (2012). A Generic Bed Planning Model, Master Thesis, University of Toronto. Toronto, Canada.Olsson, O. (2014). Managing Variable Patient Flows at Hospitals. Linkping, Suecia: Linkping University.Polasky, S., Carpenter, S., Folke, C., & Keeler, B. (Agosto de 2011). Decision-making under great uncertainty: environmental management in an era of global change. Trends in Ecology and Evolution, 26(8).Ramsey, K. S. (2014). Using Predictive and Descriptive Models to Improve Nurse Staff Planning and Scheduling. Master's Thesis, University of Tennessee. Rechel, B., Wright, S., Barlow, J., & McKee, M. (2010). Hospital capacity planning: from measuring stocks to modelling flows. Bulletin of the World Health Organization, 88, 632 - 636.Smit, F. C. (2015). Integral planning of operating rooms and wards. Enschede, The Nederlands: University of Twente.Vanberkel, P. T. (10 de octubre de 2013). Interacting Hospital Departments and Uncertain Patient Flows: Theoretical Models and Applications. Obtenido de BETA: http://doc.utwente.nl/77176/1/thesis_P_Vanberkel.pdfVanBerkel, P., & Blake, J. (2007). A comprehensive simulation for wait time reduction and capacity planning applied in general surgery. Health Care Manage Science, 373 - 385.Vanberkel, P., Boucherie, R., Hans, E. W., & Hurink, J. L. (2014). Optimizing the strategic patient mix combining queueing theory and dynamic programming. Computers & Operations Research, 43, 271 - 279.Vissers, J., & Beech, R. (2005). Health Operations Managment. Patient flow logistics in health care (Primera ed.). New York: Routledge.

ANEXOS