Desarrollo de algoritmos aproximados para la secuenciación de tareas del personal sanitario en un SUH

Abstract

En los Servicios Hospitalarios de Urgencia (SUHs) es de crucial importancia la toma de decisiones rápidas y certeras. Los pacientes deben ser atendidos con celeridad, atendiendo a su prioridad y a los recursos disponibles. Los tiempos de estancia (LOS) y de espera para la primera consulta facultativa (TBSPPA) de los pacientes que acuden al SUH son indicadores de la calidad de este servicio. Por tanto, el objetivo de este trabajo es disminuir estos tiempos a través de una secuenciación más eficaz de las tareas del personal sanitario. Dichas tareas se corresponden con las actividades (visitas, pruebas de diagnóstico, etc.) que deben realizarse en los procesos de urgencia (PU) de los pacientes. En el problema que se trata en este trabajo los pacientes solo serán atendidos si están asignados a un box, que solo podrá estar ocupado por un paciente a la vez, y permanecerán en él todo su PU. Para encontrar la secuenciación que minimice dichos tiempos se proponen tres algoritmos metaheurísticos que son adaptados para que cumplan las restricciones y criterios del problema específico que se aborda. Estos algoritmos son tres: el Algoritmo Genético, el Recocido Simulado y la Búsqueda Tabú. Se realiza una experimentación computacional para la cual se toman los datos extraídos del artículo de Bedoya-Valencia & Kirac (2016). En dicha experimentación se ejecutan y analizan 6 escenarios distintos en los que varían la combinación entre el nivel máximo de saturación del SUH y los recursos disponibles. Para cada uno de esos escenarios se generan 10 instancias que presentan datos de entrada diferentes. Los resultados obtenidos en cada escenario de la experimentación permiten evaluar y comparar el desempeño de los algoritmos implementados. Por último, se concluye cuál de estos algoritmos aporta una mejor solución al problema de la secuenciación de tareas del personal sanitario en el SUH, siendo el tiempo de computación el mismo para todos los presentados. Todo esto se realiza utilizando un programa implementado con el lenguaje de programación de Python.

In emergency departments (ED) making quick and accurate decisions is of crucial importance. Patients must be treated immediately, taking into account their priority and the available resources. Length of stay (LOS) and Time To Be Seen By A Physician Or Physician Assistant (TBSPPA) for patients attending the ED are indicators of the quality of this service. Therefore, the aim of this work is to reduce these times through a more effective sequencing of tasks for healthcare personnel. These tasks correspond to the activities (visits, diagnostic tests, etc.) that must be carried out in the emergency processes (EP) of patients. In the problem addressed in this work, patients will only be attended if they are assigned to a treatment room, which can only be occupied by one patient at a time, and they will remain in it throughout all their EP. To find the sequencing that minimizes these times, three metaheuristic algorithms are proposed and adapted to meet the constraints and criteria of the specific problem addressed. These algorithms are: Genetic Algorithm, Simulated Annealing and Tabu Search. A computational experiment is carried out using data extracted from the article by Bedoya-Valencia & Kirac, (2016) . In this experiment, 6 different scenarios are executed and analyzed, varying the combination between the maximum saturation level of the ED and the available resources. For each of these scenarios, 10 instances are generated, presenting different input data. The results obtained in each scenario of the experiment allow for the evaluation and comparison of the performance of the implemented algorithms. Finally, it is concluded which of these algorithms provides a better solution to the problem of sequencing healthcare personnel tasks in the ED, with the same computation time for all presented. All of this is done using a program implemented in the Python programming language.