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

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

Cuando las personas piensan en la transformación digital en la atención médica, tienden a centrarse en la idea de emplear análisis para mejorar la toma de decisiones clínicas. Por ejemplo, con los avances en la ciencia computacional y el aprendizaje automático, se ha hecho posible ofrecer medicina de precisión, donde las terapias y las intervenciones se adaptan a cada paciente en función del perfil genético del individuo. Los algoritmos de inteligencia artificial (IA) se utilizan cada vez más para mejorar la detección visual de signos de 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. Con base en nuestra investigación y la 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 en la optimización de la toma de decisiones operativas de los hospitales, lo que a su vez puede conducir a mejoras en la calidad y eficiencia de la atención y 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: flujo de pacientes, personal, programación y gestión de la cadena de suministro.

Flujo de pacientes

A medida que los hospitales se esfuerzan por brindar la atención adecuada al paciente correcto en el momento adecuado, los proveedores de atención deben hacer dos cosas: evaluar las necesidades de los pacientes con precisión y administrar los recursos del hospital de manera efectiva. Si bien los proveedores están bien capacitados para hacer lo primero, por lo general no están capacitados para lo segundo, lo cual es una tarea desafiante, especialmente dada la tensión en la capacidad hospitalaria que es muy común en estos días debido a la pandemia.

A nivel hospitalario, los sistemas de apoyo a la toma de decisiones operativas impulsados por datos pueden proporcionar información valiosa para ayudar a tomar estas decisiones de clasificación, admisión y alta. Por ejemplo, cuando llega un paciente y el proveedor no está seguro de si el paciente debe ser enviado a la UCI o a una sala general, un algoritmo de apoyo a la toma de decisiones puede proporcionar 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 paciente 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 ingresan en otra parte del hospital (por ejemplo, una sala general), esto resulta en estadías hospitalarias más largas y un mayor reingreso tarifas.

Cuando la capacidad de la UCI deseada está limitada, el proveedor puede considerar diferentes opciones, tales 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 dar cabida a los nuevos. La investigación que utiliza datos operativos de hospitales muestra que ambas estrategias tienen importantes compensaciones y consecuencias no deseadas que deben tenerse en cuenta. Los algoritmos de apoyo a la toma de decisiones pueden diseñarse para incorporar estas compensaciones, sopesar los costos y beneficios de las diferentes opciones y proporcionar recomendaciones apropiadas.

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

A nivel de barrio, 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 hacia y desde el barrio, lo que a su vez puede guiar las acciones posteriores sobre la base de estas predicciones. Esto puede facilitar el proceso de rotación cama, lo que mejora el flujo del paciente y reduce la duración de la estancia. Las predicciones para salas individuales pueden servir como entradas para un panel de control 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 proporcionar predicciones para el estado futuro esperado en todo el hospital.

Por ejemplo, el Centro Médico Beth Israel Deaconess en Boston, en colaboración con un equipo de investigadores de operaciones del MIT, ha implementado paneles de control basados en predicciones para apoyar las decisiones de admisión y transferencia al mostrar el censo actual de cada barrio, así como el número proyectado de altas. Del mismo modo, el Boston Children’s Hospital utiliza el Sistema predictor de colocación de pacientes, lo que permite al departamento de urgencias saber qué pacientes tienen probabilidades de ser ingresados en el hospital y en qué sala. Los paneles de control de gestión de camas en todo el hospital permiten una mejor planificación y una comunicación mejorada en las diferentes salas y pueden desarrollarse aún más para proporcionar alertas automatizadas sobre el sistema, tal como cuando el tiempo de espera promedio para una cama nueva excede un umbral predeterminado.

Personal

Las tecnologías digitales también pueden ayudar con el lado de la oferta cuando se trata de una mejor capacidad de gestión. Tomemos, por ejemplo, el personal de enfermería, que representa una proporción significativa de los costos de los hospitales. En lugar de depender de llamadas telefónicas, mensajes de texto y hojas de cálculo para tomar decisiones de personal ad hoc que a menudo cambian en el último minuto, las enfermeras a cargo y los administradores de hospitales pueden utilizar análisis para mejorar este proceso.

Por ejemplo, los algoritmos pueden predecir las tasas de absentismo de las enfermeras y la necesidad de un aumento de personal para determinar de manera preventiva el número correcto de enfermeras flotantes a las que llamar. Investigación 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 más rápidamente, lo que a su vez puede mejorar la coherencia y la previsibilidad del horario de trabajo de las enfermeras. Es probable que este aspecto sea importante a medida que los hospitales y otras organizaciones de prestación de atención médica trabajan para reducir las tasas de rotación de enfermeras notoriamente altas: Investigación examinar la rotación de enfermeras en una de las agencias de atención médica en el hogar más grandes de los Estados Unidos muestra que la inconsistencia impulsada por el empleador en los horarios de los trabajadores aumenta la probabilidad de que los trabajadores.

Los análisis también se pueden aprovechar para optimizar la dotación de personal del equipo. Los hospitales confían en que los proveedores trabajen juntos de manera efectiva como un equipo, y los miembros del equipo abarcan diferentes roles y niveles de experiencia. Las investigaciones muestran que la composición de los equipos de atención tiene un impacto significativo en el desempeño. Un estudio de los equipos del departamento de emergencias que realizan colectivamente 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 que atienden, enfermeras y médicos residentes conducen a diversos efectos de estar expuesto a nuevos miembros del equipo cuando se trata del equipo rendimiento.

Otro estudio de los equipos de cirugía cardíaca que realizan más de 6,000 cirugías durante siete años demuestra que es importante tener en cuenta la familiaridad en pareja entre los miembros del equipo, la cantidad de colaboraciones anteriores para todos los pares dentro del equipo, porque tiene implicaciones significativas para la productividad del equipo. Si bien es casi imposible incorporar estas conclusiones cuando se intenta dotar de personal a los equipos manualmente, la IA puede incorporar fácilmente estos conocimientos de investigación para determinar la composición óptima del equipo de los proveedores programados para trabajar y proporcionar 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 procedimientos quirúrgicos en quirófanos, exploraciones en salas de radiología y muchos otros. Esta es otra área en la que las tecnologías digitales pueden aportar mejoras sustanciales, no solo al predecir mejor las necesidades de recursos e incorporar sin esfuerzo cambios y cancelaciones de último minuto, sino también al optimizar los horarios basados en las últimas investigaciones.

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

La duración esperada depende no solo de las características del paciente y de sus necesidades clínicas, sino también de varios factores operativos. Por ejemplo, los investigadores encuentran que los tiempos de los procedimientos quirúrgicos tienden a aumentar en función de tamaños de equipo 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 tales factores operativos al hacer predicciones.

El aprendizaje automático también se puede usar para predecir el tiempo requerido que cada paciente debe pasar en la unidad de atención postanestésica (PACU) después de una cirugía. Dado que la congestión de las PACU a menudo provoca retrasos en el quirófano, este es otro lugar donde se pueden utilizar los análisis. Por ejemplo, este estudio aprovecha los análisis para secuenciar de manera óptima los procedimientos quirúrgicos para ayudar a prevenir la congestión de las PACU y minimizar los retrasos en las salas de

Gestión de cadena de suministro

En los Estados Unidos, los hospitales gastaron un promedio de $11.9 millones cada uno en suministros médicos y quirúrgicos en 2018, lo que representa hasta un tercio del total de los gastos operativos en algunos casos. A pesar de esto, mejorar la cadena de suministro y la gestión del inventario a menudo no se considera una alta prioridad para los hospitales, donde los proveedores tienden a centrarse más en los procesos que rodean la atención directa al paciente. Sin embargo, tener estos suministros es necesario para brindar una atención de alta calidad.

En muchas industrias, transformar digitalmente la cadena de suministro se ha demostrado que reduce los costos de proceso en un 50% y aumenta los ingresos en un 20%; los hospitales no son una excepción. Al automatizar el proceso de recopilación de datos, pedidos, conciliación y pago de suministros médicos, quirúrgicos y farmacéuticos, los hospitales pueden reducir los costos relacionados con la cadena de suministro y la gestión de inventario. Debido a la pandemia de Covid-19, la mejora de la agilidad y la resiliencia a los choques de la demanda y la oferta más crítico, y los gerentes de 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 Saint Marys Hospital de Mayo Clinic implementó un sistema RFID para sus operaciones en la sala de emergencias en 2015, lo que condujo a una mejor atención y experiencia del paciente, así como a una reducción de los costos.

Agrupación y coordinación de suministros en diferentes departamentos dentro de un hospital puede reducir significativamente la cantidad de inventario requerida 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 digitalizado de gestión de la cadena de suministro, puede ser suficiente para cosechar los mismos beneficios.

Para que este tipo de transformación digital sea posible, 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 hacer esto.

1. Recopile los datos correctos en el formato correcto.

Comience por identificar los puntos débiles y la fruta que cuelga más abajo. ¿Cuándo y dónde se siguen recopilando y comunicando los datos fuera de línea? ¿Se puede capturar y grabar automáticamente el fax en el sistema de registros médicos electrónicos (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 de tiempo son una fuente rica de datos que ofrecen información sobre las operaciones del hospital. Las marcas de tiempo deben capturarse tanto cuando ocurren los eventos (por ejemplo, se asigna una cama a un paciente, los resultados de las pruebas están disponibles o se da de alta al paciente) como cuando se solicitan recursos (por ejemplo, se solicita una cama, se solicita una consulta, se ordena una prueba). Hacer un seguimiento de esto último permite a los gerentes comprender la demanda subyacente de recursos, incluso si no se pueden satisfacer todas las demandas, lo que permite una mejor planificación para el futuro.

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

2. Prepárate 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 diferentes sistemas o equipos de IT para intercambiar y hacer uso de datos). Estandarice los formatos de entrada para minimizar (o eliminar) la necesidad de limpiar los datos y mejorar la calidad de las entradas en los algoritmos. Familiarícese con el cuatro niveles de interoperabilidad y lo establecido normas de interoperabilidad establecer un sistema que facilite el intercambio de información sanitaria y el intercambio de datos.

En última instancia, tener una arquitectura de datos de referencia uniforme y un formato de datos estandarizado permitirá una 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 atención médica buscan adoptar Recursos de interoperabilidad sanitaria rápida (FHIR) estándares.

3. No pierdas de vista la interacción humano-algoritmo.

Si bien los algoritmos pueden producir predicciones y recomendaciones útiles, en última instancia, el que toma las decisiones es el ser 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 tienen como objetivo desarrollar algoritmos que sean justos, explicables, prevengan daños y respeten la autonomía humana para que el tomador de decisiones pueda confía en los algoritmos. Además, crear algoritmos excelentes por sí solo no puede mejorar las operaciones del hospital. Los algoritmos deben ser diseñado, implementado y evaluado cuidadosamente teniendo en cuenta al usuario.

También es importante recordar que el cuidado de la salud es una industria intensiva en conocimiento. Los proveedores de atención a menudo poseen una cantidad significativa de conocimiento o experiencia local que los algoritmos no logran captar. Reemplazar completamente a los responsables de la toma de decisiones por algoritmos puede no ser la solución porque incorporar 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, se ha vuelto más importante que nunca que los hospitales funcionen de manera eficiente y efectiva. En el futuro, la clave para mejorar la toma de decisiones operativas radicará en su capacidad para aprovechar la transformación digital.