Ganancias:
- Capacidad para comprender los factores que afectan la tasa de no presentación y utilizar inteligencia artificial para crear clasificaciones de riesgo y borradores de recordatorios.
- Capacidad para planificar la capacidad de la clínica ambulatoria, la distribución de espacios y la lógica de overbooking en función de escenarios con soporte de inteligencia artificial.
- Pudiendo proteger que la salida de la inteligencia artificial es una sugerencia estadística y que el cuadro final pertenece al gestor, teniendo en cuenta los derechos de acceso de los pacientes y la equidad.
Una de las pérdidas más frustrantes de la gestión de las clínicas ambulatorias es el tiempo de cita que parece completo pero permanece vacío. El paciente pide cita pero no se presenta; ese espacio (espacio para la cita: el derecho del médico a realizar un examen dentro de un período de tiempo determinado) se desperdicia. Esto se llama no presentación en la gestión sanitaria. En un hospital público, la tasa de ausencia de pacientes ambulatorios suele oscilar entre el 20 y el 30 por ciento; Eso significa que una de cada cuatro citas se desperdicia. Esto es a la vez una pérdida de tiempo para el médico y una pérdida de acceso para otros pacientes que quieren venir pero no pueden encontrar un lugar. En esta unidad, usaremos la IA para dos tareas: predecir el riesgo de no presentarse y programar inteligentemente la capacidad en función de esta predicción. Pero fijemos el límite desde el principio: la IA produce una estimación de probabilidad; A qué paciente se le dará una cita es decisión del gerente, teniendo en cuenta el derecho de acceso y equidad del paciente.
¿Qué determina una no presentación?
El comportamiento de no presentarse no es aleatorio; Hay ciertos patrones. Los estudios internacionales y locales muestran con frecuencia los siguientes factores: cuanto mayor es el tiempo de espera entre la cita y el examen, mayor es la incidencia de ausencias; muy temprano en la mañana o tarde en la noche; historial de ausencias (predictor más fuerte); condiciones climáticas; distancia de transporte del paciente; sucursal (en algunas sucursales, la tasa de asistencia es alta debido al seguimiento crónico). La IA no memoriza estos factores uno por uno; Extrae patrones de los datos históricos que le proporcionas. Pero tenga cuidado: la IA encuentra una relación (correlación), no una causa (causalidad). Decir que "las ausencias los martes son altas" no significa que el martes sea culpable; Quizás otro factor esté en juego los martes.
En lo que respecta a la capacidad, dos conceptos son fundamentales. La distribución de espacios es la cantidad de citas que realiza y a qué hora del día. El overbooking es reservar un poco más de capacidad para compensar una ausencia esperada, como cuando las aerolíneas sobrevenden aviones. El overbooking no es una apuesta, es un saldo calculado: si haces muy poco, habrá espacios vacíos, si haces demasiado, la cola y la espera explotarán cuando lleguen todos. La IA es muy útil para demostrar este equilibrio a través de escenarios.
Paso a paso: ausencias y trabajo con gráficos con IA
- Preparar datos anónimos. Sin nombre del paciente, identificación, protocolo; sólo campos anónimos como "hora de la cita, sucursal, día de espera, número anterior de ausencias, vino/no se presentó".
- Resta el patrón. Pídale a la IA que resuma qué factores van de la mano con la no presentación.
- Definir banda de riesgo. Clasifique a los pacientes como de riesgo “alto/medio/bajo” de no presentarse: grupos manejables, no puntuaciones individuales.
- Coincide con la intervención. Recordatorio más intenso (SMS + llamada) al grupo de alto riesgo, horario flexible; Recordatorio estándar de bajo riesgo.
- Configure un escenario de overbooking. Haga que los escenarios calculen cuántas citas más se realizarán en función de la tasa esperada de no presentación.
- Filtro administrativo. Control de equidad: ningún grupo de pacientes está excluido del acceso; el overbooking es razonable; El gerente aprueba el cronograma final.
Precaución: La puntuación de riesgo nunca se utiliza para "programar una cita para este paciente". La puntuación es sólo para condensar el recordatorio, facilitar el acceso y equilibrar la capacidad. De lo contrario, es una violación de los derechos del paciente.
tres mini casos
Caso 1: Intensidad del recordatorio. En una clínica ambulatoria de neumología, la tasa de inasistencia fue del 28 por ciento. El equipo de calidad proporcionó datos anónimos de 6 meses a YZ y determinó el grupo de riesgo: pacientes que esperaron más de 14 días y no acudieron al menos una vez antes. A este grupo se le aplicó una llamada SMS + en dos etapas, 3 días y 1 día antes del examen. Después de tres meses, las inasistencias en este grupo cayeron del 28 por ciento al 17 por ciento; La tasa de no presentación a la clínica ambulatoria general disminuyó al 21 por ciento. Las plazas vacantes han disminuido y la lista de espera se ha acortado.
Caso 2: Overbooking moderado. Una clínica de dermatología tenía 40 espacios por día, con una tasa promedio de inasistencia del 25 por ciento (es decir, ~10 vacantes). El directivo solicitó a la IA un escenario de overbooking. La IA dio tres escenarios: cita +4 (bajo riesgo, ligera probabilidad de cola), +8 (equilibrada), +12 (espera agresiva y seria si todos se presentan). El directivo empezó con +6; visto durante un mes. Los espacios libres cayeron del 25 por ciento al 9 por ciento, mientras que la espera adicional promedio aumentó solo 7 minutos. La decisión fue del hombre; La IA acaba de hacer visibles las opciones.
Caso 3: Devolución por mal uso. En una unidad, un empleado quería interpretar la puntuación de riesgo de la IA como "a las personas de alto riesgo no se les debería dar cita". El responsable de calidad se opuso a esto: esto excluiría del sistema a los pacientes desfavorecidos (difícilmente accesibles, de bajos ingresos) y era una violación tanto ética como legal. La puntuación no se utilizó para exclusión, sino para citas flexibles y recordatorios adicionales que facilitaron llegar a ese paciente.
Cuatro plantillas copiables
1) Análisis factorial de inasistencia:
Su función: asistente asociado del analista de operaciones ambulatorias. A continuación se muestran datos anónimos de la cita (sin nombre/identidad): hora de la cita, sucursal, día de espera, ausencias anteriores, resultado (se presentó/no se presentó). Tarea: (1) enumere los 5 factores que con mayor frecuencia coexisten con las ausencias, (2) escriba una explicación de una oración para cada uno, (3) indique que esto es una correlación, no una afirmación de causalidad. No inventes ningún número para el que no haya dado datos.
2) Banda de riesgo y calce de intervenciones:
Sugiera reglas simples y transparentes (no cajas negras, umbrales explicables) que dividirán a los pacientes en 3 bandas de riesgo alto/medio/bajo de fracaso según los patrones anteriores. Para cada banda, sugiera una intervención de recordatorio/facilitación que PREVIENE el acceso. Ninguna sugerencia debe excluir al paciente de la cita.
3) Escenario de overbooking:
Franja diaria: 40. Tasa media de no presentación: 25,3% Generar un escenario de overbooking (conservador/equilibrado/agresivo). Para cada escenario: total de citas a programar, pacientes entrantes esperados, sobrecarga que ocurrirá si todos se presentan y espera adicional estimada. Mostrar las fórmulas de cálculo para que pueda verificarlas manualmente.
4) Borrador del mensaje recordatorio:
Escriba un recordatorio por SMS cortés y claro (menos de 160 caracteres) para enviarlo al grupo de alto riesgo. Proporcionar una manera fácil de cancelar/posponer una cita. No utilices lenguaje acusatorio. Turco, formal pero cálido.
Aviso débil / Aviso fuerte
Aviso débil:
Reducir las ausencias.
Esta solicitud no tiene contexto: no está claro qué rama, qué datos, qué restricción; La IA proporciona consejos genéricos e inviables.
Potente mensaje:
Hay 40 espacios por día en nuestra clínica ambulatoria de dermatología y la tasa promedio de no presentación es del 25%. Tengo 6 meses de datos de citas anónimas. Quiero reducir el espacio libre conservando el derecho de acceso. Dame (1) una regla de riesgo de 3 bandas, (2) la intensidad de recordatorio adecuada para cada banda, (3) el impacto esperado de un escenario de overbooking de +6.
Enfoque
ranura vacía
acceso al paciente
Riesgo ético
no hacer nada
alto
neutral
No pero hay desperdicio
Recordatorio adicional para personas de riesgo
cae
Protegido/aumentado
Ninguno
overbooking moderado
cae notablemente
Ligero riesgo de cola
Bajo, hay que mirar
No concertar cita para personas de riesgo.
cae
es violado
Alto: no es posible
Errores comunes
- Confundir la puntuación con un medio de exclusión. La puntuación de riesgo no es eliminar al paciente, sino llegar a él.
- Overbooking extremo. Exagerar la tasa de inasistencias y concertar demasiadas citas aumentará las colas y las quejas.
- Confundir correlación con causalidad. Decir "el martes es arriesgado" no significa prohibir el martes; Descubra la verdadera razón detrás de esto.
- Decisión con datos de sesión única. Crear reglas permanentes basadas en los datos de un mes es engañoso; Se requieren al menos unos meses de patrones.
- Pasando por alto el control de la justicia. Asegúrese de comprobar que la intervención no excluye a los grupos desfavorecidos.
Consejo: Empiece siempre a hacer overbooking con un pequeño paso (por ejemplo, +2/+3) y sígalo durante una semana, luego aumente. El escenario de la IA es una predicción; Su tasa real de no presentación en el campo requiere que actualice el escenario.
En resumen
La ausencia es el enemigo silencioso de la capacidad ambulatoria. La IA es una poderosa ayuda para extraer patrones de no presentación a partir de datos históricos anónimos, estratificar a los pacientes en bandas de riesgo y hacer visibles los escenarios de overbooking. Pero todo lo producido es una estimación de probabilidad. La puntuación de riesgo nunca es una herramienta de exclusión; para recordatorio y facilitación que protege el acceso. El overbooking debe ser asequible, medido y probado en pequeños pasos. El cuadro final pertenece al administrador, considerando la equidad y los derechos del paciente.
Tarea de aplicación
Obtenga la cantidad de espacios por día y la tasa promedio de no presentación de su unidad (o hipotética). Solicite a la IA tres escenarios con la plantilla "Escenario de overbooking" anterior. Luego verifique las fórmulas manualmente (por ejemplo, 40 espacios, 25% de no presentaciones → se esperan 30 no presentaciones; si +6 da 46 citas, se esperan entre 34 y 35 no presentaciones). Escribe qué escenario elegiste y por qué en 5 ítems; Agregue también un control de equidad.
lista de verificación
- [ ] ¿He anonimizado los datos (sin nombre/ID/protocolo)?
- [ ] ¿Utilicé la puntuación de riesgo para la intervención que preserva el acceso, no para la exclusión?
- [] ¿He verificado manualmente el escenario de overbooking con la fórmula?
- [ ] ¿He comenzado a hacer overbooking en pequeños pasos y he configurado un plan de seguimiento?
- [ ] ¿Pasé el cronograma final por un filtro de equidad y lo sometí a la aprobación del gerente?