Inteligencia de negocios para la gestión de tiempos de espera en el servicio de emergencia del Hospital General Puyo

Texto completo

(1)

UNIVERSIDAD REGIONAL AUTÓNOMA DE LOS ANDES “UNIANDES”

FACULTAD DE SISTEMAS MERCANTILES

PROGRAMA DE MAESTRÍA EN SISTEMAS DE INFORMACIÓN GERENCIAL

ARTÍCULO CIENTÍFICO PREVIO A LA OBTENCIÓN DEL GRADO ACADEMICO DE MAGISTER EN SISTEMAS DE INFORMACIÓN

GERENCIAL

TEMA:

INTELIGENCIA DE NEGOCIOS PARA LA GESTION DE TIEMPOS DE ESPERA EN EL SERVICIO DE EMERGENCIA DEL HOSPITAL GENERAL

PUYO

AUTOR: ING. GUADALUPE ABAD CLAY ARTURO

TUTORES: DR. ROMERO FERNÁNDEZ ARIEL JOSÉ, PHD

ING. FERNANDEZ VILLACRES GUSTAVO EDUARDO, PHD

AMBATO-ECUADOR

(2)

APROBACIÓN DE LOS TUTORES DEL TRABAJO DE TITULACIÓN

CERTIFICACIÓN:

Quienes suscriben, legalmente CERTIFICAMOS QUE: El presente Trabajo de Titulación realizado por el Ing. Clay Arturo Guadalupe estudiante del programa de Maestría en Sistemas de Información Gerencial, Facultad de Sistemas Mercantiles, con el tema “: Inteligencia de negocios para la Gestión de tiempos de espera en el servicio de emergencia del Hospital General Puyo”, ha sido prolijamente revisado, y cumple con todos los requisitos establecidos en la normativa pertinente de la Universidad Regional Autónoma de Los Andes -UNIANDES-, por lo que aprobamos su presentación.

Ambato, junio del 2019

_______________________ _______________________________ Dr. Romero Fernández Ariel, Ph.D Ing. Fernández Villacrés Eduardo, Ph.D

(3)

DECLARACIÓN DE AUTENTICIDAD

Yo, Ing. Clay Arturo Guadalupe Abad, del programa de Maestría en Sistemas de Información Gerencial, Facultad de Sistemas Mercantiles declaro que todos los resultados obtenidos en el presente trabajo de investigación, previo a la obtención del Grado Académico de Magister en Sistemas de Información Gerencial, son absolutamente originales, auténticos y personales; a excepción de las citas, por lo que son de mi exclusiva responsabilidad.

Ambato, junio del 2019

_______________________________ Ing. Clay Arturo Guadalupe Abad CI: 1600415606

AUTOR

(4)

DERECHOS DEL AUTOR

Yo, Ing. Clay Arturo Guadalupe Abad, declaro que conozco y acepto la disposición constante en el literal d) del Art. 85 del Estatuto de la Universidad Regional Autónoma de Los Andes, que en su parte pertinente textualmente dice: El Patrimonio de la UNIANDES, está constituido por: La propiedad intelectual sobre las Investigaciones, trabajos científicos o técnicos, proyectos profesionales y consultaría que se realicen en la Universidad o por cuenta de ella.

Ambato, junio del 2019

_______________________________ Ing. Clay Arturo Guadalupe Abad CI:1600415606

(5)

DEDICATORIA

Dedico este trabajo principalmente a Dios, por haberme dado la vida y permitirme el haber llegado hasta este momento tan importante de mi formación profesional. A mi madre y padre, por el apoyo incondicional que me han brindado durante toda esta etapa. A mi esposa, por su comprensión y motivación, además, porque a pesar de muchas incidencias nuestro amor creció en este tiempo. A mi hijo Izat, sé que el mejor ejemplo se da con la práctica. A mis hermanos, a quien amo con todas mis fuerzas. A los docentes que gracias a su conocimiento y experiencias me han transmitido el amor por la ciencia.

(6)

INDICE GENERAL

APROBACIÓN DE LOS TUTORES DEL TRABAJO DE TITULACIÓN

DECLARACIÓN DE AUTENTICIDAD

DERECHOS DEL AUTOR

DEDICATORIA

INDICE GENERAL

RESUMEN

ABSTRACT

TEMA: ... 1

LÍNEA DE INVESTIGACIÓN ... 1

INTRODUCCIÓN ... 1

METODOLOGÍA ... 4

RESULTADOS ... 7

DISCUSIÓN ... 13

(7)

RESUMEN

El servicio de emergencia de una unidad hospitalaria es un área compleja y sensible debido a las patologías que se tratan. La congestión del servicio se genera en varias fases del proceso de atención, sin embargo, la percepción crece en las salas de espera. La variedad de información que generan los procesos de atención de los servicios de emergencia es un ambiente propicio para la aplicación de técnicas de la Inteligencia de Negocios que aporten a gestionar los tiempos de espera. La presente investigación analizó el sistema de información del servicio de emergencia del Hospital General Puyo con respecto a la gestión de tiempos de espera y determinó que el sistema de información no permite gestionar la toma de decisiones sobre dichos tiempos, para ello, mediante la aplicación de la investigación basada en el diseño y haciendo uso de la Inteligencia de Negocios se desarrolló dos artefactos: un dashboard para el nivel operativo y otro para el nivel de gestión que permite visualizar en tiempo real el KPI: tiempo de espera en la sala de emergencia.

(8)

ABSTRACT

The Emergency Service in a hospital unit is a complex and sensitive area, owing to the pathologies treated. The congestion of the service generates various phases of processing patients for attention; however, the perception grows in the waiting rooms. The variety of information that generates the processes of attention of emergency services is a favorable environment for the application of business intelligence techniques, that contribute to the management of waiting times. The following investigation analyzed the information system of the emergency service of the General Hospital Puyo with respect to time management and determined that the information system does not permit the control of decision making of said times, for which, through the application of the investigation based in the design and usage of business intelligence, two artefacts were developed: a dashboard for the operative level and another for the management level that permits the visualization in real time of KPI: waiting time in the emergency waiting room.

(9)

1

TEMA: Inteligencia de Negocios para la gestión de tiempos de espera en el servicio de emergencia del Hospital General Puyo.

LÍNEA DE INVESTIGACIÓN

Tecnologías e la Información y Comunicación. INTRODUCCIÓN

En la práctica médica, la toma de decisiones es un factor clave para la adecuada asignación de recursos (Corona & Fonseca, 2017). Las decisiones generalmente basadas en experiencias pasadas permiten a los profesionales de la salud mejorar las respuestas a las necesidades que día a día demandan los pacientes( Oxman, Moberg, & Vandvik, 2017). Sin embargo, las experiencias pasadas por sí solas no permiten anticipar comportamientos en la población y se hace trascendental el uso de herramientas que faciliten la toma de decisiones para la implementación de estrategias organizacionales o públicas.

Por otro lado, la congestión en los servicios de emergencias es considerado un problema de salud mundial y de seguridad del paciente, generado por factores como el crecimiento poblacional, volumen de pacientes, tiempo de espera antes y durante la evaluación del paciente(Morley & Unwin, 2018). Asimismo, el nivel de satisfacción de los pacientes que acuden al servicio de emergencia de una unidad hospitalaria está asociada al tiempo de espera percibido desde el llamado al triage, la atención médica y su alta(Abrego, Sánchez, & Quintero, 2017).

A propósito de ello, informes sanitarios de países con alto desempeño en salud pública consideran el tiempo de espera y la experiencia del usuario para la planificación de sus políticas de salud (Rechel et al., 2016). Dicha información es el resultado de la adopción de las TIC, aunque su uso y aplicación actualmente no es el esperado, la cantidad de información que genera el contexto clínico es impresionante, convirtiéndose en un escenario idóneo para la aplicación de estrategias avanzadas de procesamiento de la información que permitan aportar en la gestión de tiempos de espera en los servicios de emergencia.

(10)

2

permite desarrollar competitividad organizacional a través del conocimiento obtenido de los datos(Ahumada & Velasco, 2016).

La aplicación de la Inteligencia de Negocios en una organización hospitalaria exige la comprensión de los procesos clínicos, contar con fuentes de datos digitales y flujos de trabajo de usuarios definidos. Por consiguiente, su aplicación técnica no es tan simple, requiere métodos y herramientas para su modelado. Eventualmente debe ser capaz de brindar un entorno de servicio con funciones avanzadas de uso y visualización(Topaloglou & Barone, 2015).

Dentro de las aplicaciones de la Inteligencia de Negocios se encuentran los dashboards, que proporcionan información visual para el entendimiento de la situación. A pesar que la toma de decisiones proviene de la incertidumbre los dashboards facilitan la comprensión de la situación y apoyan a la toma de decisiones(Aaron, Galindo, Lorena, & Monge).

Igualmente, dentro de los indicadores claves de desempeño o KPI para organizaciones hospitalarias se encuentra el KPI: tiempo de espera en la sala de emergencia, que mediante un monitoreo eficiente mejora la gestión del servicio y elevan la satisfacción del paciente(Armijos, 2017).

En el servicio de emergencia del Hospital General Puyo, según datos del departamento de Admisiones de esta organización, durante el periodo 2015 – 2017, acuden en promedio un total de 140 pacientes diarios, los cuales a su llegada son categorizados mediante el triage de Manchester. El triage de Mánchester determina el tiempo máximo de espera en la sala de espera del servicio de emergencia (Moreira, Tibães, Batista, Cardoso, & Brito, 2017)

(11)

3

Figura 1. Tiempo de espera prolongado en el servicio de emergencia del Hospital General Puyo.

Fuente: Elaboración propia.

Consecuentemente, es perentorio reducir la sensación del tiempo de espera prolongado por parte de los usuarios, disponiendo de información relevante para mejorar la gestión de dichos tiempos. Si embargo, el comportamiento del servicio de emergencias es complejo de predecir y controlar, en consecuencia, es necesario orientar el paradigma de la investigación hacia el análisis y la gestión (Bergs et al., 2016).

Por lo expuesto, el enfoque del presente estudio hace uso de las técnicas avanzadas de visualización de la Inteligencia de Negocios y la necesidad organizacional de seguimiento del KPI: tiempo de espera en la sala de emergencia, para ello, se describe el desarrollo de un dashboard que brinde información en tiempo real operativo sobre los tiempos de espera al personal de los pacientes y el monitoreo del KPI mencionado al nivel de gestión de la organización hospitalaria.

(12)

4

La investigación científica basada en el diseño es un paradigma de investigación de los sistemas de información que aplica las bases apropiadas del conocimiento científico y el conocimiento técnico para el desarrollo de artefactos que permitan resolver un problema técnico y a la vez generar conocimiento(Baskerville, Baiyere, & Gergor, 2018).

Figura 2. Investigación mediante ciclos de relevancia, rigor y diseño Fuente: (Gonzalez & Pomares Quimbaya, 2015)

Para ello, se han establecido herramientas de Inteligencia de Negocios y Datamining como: Postresql, Mysql, Power BI, Open Talend Studio, Php y phpFusionCharts, que en conjunto permite el desarrollo e implementación de dos aplicativos con una interfaz web que provee información dinámica sobre el tiempo de espera de los pacientes y contribuye a la gestión del tiempo de espera del servicio de emergencia del Hospital General Puyo.

METODOLOGÍA

El enfoque de la investigación es de carácter mixto ya que en primer lugar hace uso de la investigación cuantitativa para la captación de los datos resultantes de una encuesta y cualitativa con razonamiento deductivo para determinar las características del KPI: tiempo de espera en la sala de emergencia, que mejor se adapte a la realidad hospitalaria del servicio de emergencia del Hospital General Puyo.

(13)

5

En el servicio de emergencia del Hospital General Puyo durante el mes de diciembre del 2017, se aplicó una encuesta con un total de 30 preguntas con escala de Likert de 5 puntos, categorizadas en 4 dominios: sistema de información, perfil epidemiológico, toma de decisiones y satisfacción del paciente.

Para la aplicación de la encuesta se tomaron en cuenta: emergenciólogos, médicos, enfermeras, personal de admisiones y pacientes del servicio de emergencia, también se incluyeron al personal del nivel de gestión del hospital como es el director médico, gerente y epidemiólogo. Se excluyeron a los médicos especialistas, auxiliares de enfermería, personal de servicios complementarios y pacientes categorizados con nivel 1 y 2 según la escala de Manchester.

En caso de las preguntas dirigidas a los pacientes se estableció previo a un documento de consentimiento informado.

El cálculo de la muestra se realizó sobre una población de 186 individuos con un porcentaje de confiabilidad del 99% y un margen de ±5%, dando como resultado una muestra de 146 individuos los mismos que se seleccionaron de forma aleatoria durante 30 días.

Por otro lado, para determinar las características técnicas del KPI: tiempo de espera en la sala de emergencia, se realizó una búsqueda documental de publicaciones que contemplaban indicadores claves de desempeño (KPI) para organizaciones de salud.

Para la revisión documental fueron seleccionados publicaciones provenientes de revistas de alto impacto, cuyo contenido específico sobre el KPI tiempo de espera en la sala de emergencia. Sin embargo, no se estableció una metodología específica de análisis documental debido a que el enfoque de la presente investigación es el desarrollo de un dashboard que permita mejorar la gestión de los tiempos de espera.

PROPUESTA

(14)

6

objetivos de la solución, (iii) diseño y desarrollo de artefactos, (iv) Demostración de artefactos y (v) evaluación (Venable, Heje, & Baskerville, 2017).

En la primera y segunda etapa se hace uso de los resultados de la encuesta y de la revisión documental que permitieron establecer que el servicio de emergencia del hospital General Puyo debe dar un cambio hacia el análisis y gestión basada en un sistema de información apoyada por las tics y alineados con los indicadores clave de desempeño de una organización de salud.

Para la tercera etapa, debido a que el registro de datos de la atención es manual se establecieron dos artefactos a diseñar:

• El primero, un artefacto que capture datos de las variables básicas del tiempo espera de los pacientes (implementado en enero del 2018, evaluado y optimizado en mayo del 2019) desarrollado en php, mysql y PostgreSQL.

• Un segundo artefacto que despliega un dashboard que contiene visualizaciones de alto impacto sobre el flujo de pacientes en tiempo real, el perfil epidemiológico y un conjunto de indicadores del KPI seleccionado desarrollados con Power BI, phpFusionCharts, Open Talend Studio y PostgreSQL.

En la cuarta etapa, con el propósito de demostrar su viabilidad se aplicó al dashboard 42 000 registros capturados por el primer artefacto (desde enero 2018 hasta abril 2019) y resumidos en una colección de datos que contiene datos anónimos de los pacientes, barrio, hora de inicio de atención, hora de fin de atención, tiempo de espera de llamado a triage, tiempo de espera de llamado a la atención médica, codificación internacional de la enfermedad (CIE10) y el nivel de triage.

(15)

7

Finalmente, la comunicación del conocimiento se realiza sobre las investigaciones que se desprenden de la data que han originado los artefactos desarrollados donde la posibilidad de aplicación de técnicas de datamining, Deep Learning y Machine Learning son elevadas.

RESULTADOS

La aplicación de la encuesta fue dirigida a 146 personas distribuidas en la proporción de la población y seleccionadas de forma aleatoria durante el mes de diciembre del 2017. El dominio mejor valorado fue el perfil epidemiológico, seguido de la toma de decisiones, el sistema de información y el peor valorado fue el de satisfacción del paciente.

Tabla 1

Resultados de la encuesta por dominios

Dominio n Media

Sistema de Información 49 3

Perfil Epidemiológico 49 4

Toma de decisiones 49 3

Satisfacción del usuario 97 2

Fuente: Elaboración propia

El resultado de la búsqueda de información documental permitió establecer las métricas para el KPI: tiempo de espera en sala de emergencia. Sin embargo, el triage de Manchester ya establece un tiempo de espera para cada nivel de triage y ofrece un método para asignar prioridad clínica en situaciones de emergencia(Vásquez & Luna, 2019).

(16)

8 Tabla 2

Métricas para la KPI: tiempo de espera en sala de emergencia

Indicador Prioridad

Tasa de Mortalidad* Normal

Pacientes con retorno en <=72 horas* Normal Pacientes con permanencia >=24 horas* Normal

Tiempo de espera para triage Alta

Tiempo de espera de llamado medico Alta

Tiempo promedio de espera por el nivel de triage Alta

15 primeras enfermedades de ingreso Alta

Nota: Métricas establecidas del análisis documental. *Tomados en cuenta por ser métricas posibles según la conjunto de datos disponibles

Según la investigación científica basada en el diseño se desarrolló la solución mediante la aplicación de las cinco etapas descritas en la metodología.

1. Identificación de problemas.

El dashboard para la gestión de tiempos de espera debe proporcionar una comprensión en tiempo real de los tiempos de espera en la sala de emergencia.

Los problemas detectados provienen del análisis de los resultados de la encuesta y análisis documental: a) carencia de un sistema de información apoyado por las tic, b) perfil epidemiológico no representa el comportamiento de patologías, c) toma de decisiones basadas en la experiencia no causan impacto en los tiempos de espera del paciente y d) desconocimiento del KPI: tiempo de espera en sala de emergencia.

2. Definición de objetivos de la solución.

Se realizó la especificación de los requisitos funcionales y no funcionales con los resultados del análisis de la encuesta y de la revisión documental del KPI seleccionado. Dichos requisitos proporcionaron las funciones, estructura y entorno del artefacto.

(17)

9

Además, dependiendo de su origen y prioridad debe proporcionar información en tiempo real.

Incluir el perfil epidemiológico en función del tiempo y lugar de procedencia.

Por último, debe visualizar el comportamiento del KPI: tiempo de espera en sala de emergencia categorizada por el nivel de triage de Manchester.

• No funcionales: Debe cumplir con normas de privacidad del paciente. La información debe ser clara y directa. Las visualizaciones seleccionadas no deben confundir a quien las analiza.

3. Diseño y desarrollo de artefactos

Se desarrolló la solución de Inteligencia de Negocios con un enfoque general para la gestión de tiempos de espera que mediante el ciclo clásico de diseño y desarrollo del almacén de datos se preparó la arquitectura idónea para el desarrollo del dashboard.

Figura 3. Arquitectura de Inteligencia de Negocios Fuente: (Chiasera, Creazzi, Brandi, Baldessarini, & Vispi, 2018)

Para la captura de datos se desarrolló dos artefactos:

• Un aplicativo web que permitió la recolección de datos básicos sobre los tiempos de atención. Este artefacto fue aplicado desde enero 2018 hasta abril del 2019.

Posteriormente, en abril del 2019 el aplicativo fue modificado para ampliar la captación de variables más específicas de la atención y cumplir con las métricas y metodología definidas.

(18)

10

• El dashboard que consume los datos el almacén de datos y mediante el uso de herramientas de Inteligencia de negocios crea visualizaciones de alto impacto con características drilling down proporcionadas por Power BI Desktop, tanto para el personal operativo como de gestión.

Figura 4. A la derecha primer artefacto aplicado en enero 2018 y a la izquierda el mismo artefacto mejorado, aplicado en mayo del 2019

Fuente: Elaboración propia

Proceso ETL

Para la disponibilidad de datos de una aplicación de Inteligencia de negocios el almacén de datos es el lugar donde se almacena la información de distintas fuentes, para ello el proceso ETL(extracción, transformación y carga) es una de las tareas que requiere de mayor cautela debido a que este proceso asocia los datos de distintas fuentes y los estructura de forma que se encuentran depurados para su uso (Méndez, Leal, Pérez, Tabares, & Gómez, 2016).

(19)

11

Figura 5. Estructura general del proceso ETL Fuente: Aplicación Open Talend Studio

Figura 6. Cubo de datos Tiempo de espera Fuente: Elaboración propia

4. Demostración.

(20)

12

servicio de emergencia con respecto a su lugar de residencia. La figura 10 evidencia el KPI: tiempo de espera en la sala de emergencia. Mientras que la Figura 11, el tiempo de espera hasta el llamado al triage y al llamado del médico. En la Figura 14 muestra en tiempo real los pacientes en espera con el tiempo de espera en minutos y el respectivo nivel de triage.

Figura 7. Cubo de datos Tiempo de espera

Fuente: Captura de dashboard de gestión de tiempos de espera

Figura 8. Perfil Epidemiológico

(21)

13

Figura 10. KPI: Tiempos de espera en sala de emergencia Fuente: Captura de dashboard de gestión de tiempos de espera

5. Evaluación

El artefacto se evaluó en función del cumplimiento de los requerimientos funcionales y no funcionales. Las visualizaciones no emiten un juicio de valor, presentan datos numéricos y permiten al usuario analizarlos para tomar las decisiones. El dashboard presenta visualizaciones del comportamiento de los tiempos de espera en tiempo real. El perfil epidemiológico es visualizado con la ubicación geográfica y CIE10 de forma clara y dinámica.

La visualización del comportamiento del KPI: tiempo de espera en sala de emergencia categorizados por el nivel de triage de Manchester se realiza mediante tarjetas y gráficos de reloj. El dashboard no presenta información específica de los datos de los pacientes.

En consecuencia, se establece que el artefacto dashboard es válido para su uso e implementación.

DISCUSIÓN

La aplicación de la Inteligencia de Negocios, específicamente el desarrollo de un dashboard que facilite la gestión del tiempo de espera de los pacientes permitió en primera instancia, mediante una encuesta y el análisis de documentos el diagnóstico del sistema de información del servicio de emergencia del Hospital General Puyo.

(22)

14

Negocios(Merino & Merino, 2018). La captura de datos de 14 meses generó una data sólida que permitió obtener la experiencia necesaria para mejorar el sistema de información actual y contar con indicadores históricos de mayor impacto y confiabilidad.

No obstante, aplicar Inteligencia de Negocios en un escenario donde no existen fuentes de información digital requiere de la construcción de aplicativos adicionales que, a pesar de no ser ámbito de esta disciplina, no pueden quedar excluidas de la investigación, debido a que generan transformación digital en la organización(Silano, 2015). Para ello, la adopción de la investigación científica basada en el diseño permitió la creación de artefactos que fueron perfeccionados a lo largo de este periodo y permitieron establecer el ambiente idóneo para la aplicación de la Inteligencia de Negocios.

Una vez desarrollados los artefactos previos de recolección de la data, se seleccionan herramientas de software libre inmersos en el cuadrante mágico de Gartner que en conjunto facilitó la creación de la arquitectura de Inteligencia de Negocios con bajos costes de producción. En los casos de software propietario se utilizan sus versiones libres por ser potenciales en su curva de aprendizaje.

Los indicadores claves de desempeño para la gestión de tiempos de espera representa gran parte de la gestión del servicio de emergencia, sin embargo, existen otros indicadores que ocasionan la demora en la atención como: número de camas ocupadas, tiempo de espera de procedimientos (laboratorio, farmacia y radiología), tiempo de visita médica, tiempo de alta médica, entre otras. También es cierto, que dentro de la metodología de la investigación científica se puede realizar interacciones de mejora de los artefactos.

El aporte más significativo es la representación de los tiempos de espera en la sala de emergencia a través de un dashboard. Mejora el entendimiento de la sala de espera y del perfil epidemiológico. Por otro lado, con la optimización del artefacto implementado en mayo del 2019, se cuenta con 115 variables de carácter clínico.

CONCLUSIONES

(23)

15

de emergencia, facilita la visión general del servicio mediante características elevadas de visualización, disponibles para el nivel operativo y de gestión en la toma de decisiones.

La investigación científica basada en el diseño permite implementar soluciones prácticas en escenarios con un sistema de información deficiente mediante el diseño y desarrollo de artefactos aplicando metodologías y técnicas habituales, sin embargo, la etapa de evaluación no garantiza conocer el grado de satisfacción del artefacto.

(24)

16 REFERENCIAS BIBLIOGRÁFICAS

Aaron, C., Galindo, C., Lorena, E., & Monge, P. (s. f.). Inteligencia de Negocios: Evaluación de riesgos laborales a través de un tablero de control

enfocado a la toma de decisiones Business Intelligence : Evaluation of

occupational. 2018 13th Iberian Conference on Information Systems and Technologies (CISTI), 1–4.

Abrego Almazán, D., Sánchez Tovar, Y., & Medina Quintero, J. M. (2017). Influencia de los sistemas de información en los resultados

organizacionales. Contaduría y Administración, 62(2), 303-320. https://doi.org/10.1016/j.cya.2016.07.005

Ahumada Tello, E., & Perusquia Velasco, J. M. A. (2016). Inteligencia de negocios: estrategia para el desarrollo de competitividad en empresas de base tecnológica. Contaduría y Administración, 61(1), 127-158. https://doi.org/10.1016/j.cya.2015.09.006

Armijos, J. C. (2017). Diseño e implementación de un modelo de indicadores de gestión para evaluar el desempeño de hospitales públicos. 175.

Baskerville, R., Baiyere, A., & Gergor, S. (2018). Design Science Research Contributions: Finding a Balance between Artifact and Theory. Journal of the Association for Information Systems, 19(5), 358-376.

https://doi.org/10.17705/1jais.00495

Bergs, J., Vandijck, D., Hoogmartens, O., Heerinckx, P., Van Sassenbroeck, D., Depaire, B., … Verelst, S. (2016). Emergency department crowding:

Time to shift the paradigm from predicting and controlling to analysing and managing. International Emergency Nursing, 24, 74-77.

https://doi.org/10.1016/j.ienj.2015.05.004

(25)

17

Chiasera, A., Creazzi, E., Brandi, M., Baldessarini, I., & Vispi, C. (2018).

Continuous Improvement, Business Intelligence and User Experience for Health Care Quality. En J. Krogstie & H. A. Reijers (Eds.), Advanced Information Systems Engineering (Vol. 10816, pp. 505-519).

https://doi.org/10.1007/978-3-319-91563-0_31

Duque Méndez, N. D., Hernández Leal, E. J., Pérez Zapata, Á. M., Arroyave Tabares, A. F., & Espinosa Gómez, D. A. (2016). Modelo para el proceso de extracción, transformación y carga en bodegas de datos. Una

aplicación con datos ambientales. Ciencia e Ingeniería Neogranadina, 26(2), 95-109. https://doi.org/10.18359/rcin.1799

Gonzalez, R., & Pomares Quimbaya, A. (2015). La investigación científica basada en el diseño como eje de proyectos de investigación en

ingeniería.

Merino, E. M. G., & Merino, M. J. G. (2018). Análisis de los Modelos de Inteligencia de Negocios basados en Big Data en las Pymes del

Ecuador. 15.

Moreira, D. de A., Tibães, H. B. B., Batista, R. C. R., Cardoso, C. M. L., & Brito, M. J. M. (2017). Manchester Triage System in Primary Health Care: Ambiguities and Challenges Related To Access / El Sistema De Triage De Manchester En La Atención Primaria En Salud: Ambiguedades Y Desafios Relacionados Al Acceso / O Sistema De Triagem De

Manchester Na Ate. Texto & Contexto - Enfermagem, 26(2), 1–8.

https://doi.org/10.1590/0104-07072017005970015

(26)

18

Morley, C., & Unwin, M. (2018). Emergency department crowding: A systematic review of causes, consequences and solutions. PLOS ONE, 13(8), e0203316. https://doi.org/10.1371/journal.pone.0203316

Oxman, A., Moberg, J., & Vandvik, P. O. (2017). Marcos GRADE de la evidencia a la decisión (EtD): un enfoque sistemático y transparente para tomar decisiones sanitarias bien informadas. 2: Guías de práctica clínica. Gaceta Sanitaria, 32(2), 167.e1–167.e10.

https://doi.org/10.1016/j.gaceta.2017.03.008

Rechel, B., McKee, M., Haas, M., Marchildon, G. P., Bousquet, F., Blümel, M., … Nolte, E. (2016). Public reporting on quality, waiting times and patient

experience in 11 high-income countries. Health Policy, 120(4), 377-383. https://doi.org/10.1016/j.healthpol.2016.02.008

Silano, M. F. (2015). La Salud 2.0 y la atención de la salud en la era digital. 6. Topaloglou, T., & Barone, D. (2015). Lessons from a Hospital Business

Intelligence Implementation. 15.

Vásquez, & Luna. (2019). EL TRIAGE HOSPITALARIO EN LOS SERVICIOS DE EMERGENCIA. Revista de la Facultad de Medicina Humana, 19(1), 1-5. https://doi.org/10.25176/RFMH.v19.n1.1797

Venable, J. R., Pries-Heje, J., & Baskerville, R. (2017). Choosing a Design Science Research Methodology. 12.

Figure

Figura 1. Tiempo de espera prolongado en el servicio de emergencia del Hospital  General Puyo

Figura 1.

Tiempo de espera prolongado en el servicio de emergencia del Hospital General Puyo p.11
Figura 2. Investigación mediante ciclos de relevancia, rigor y diseño  Fuente: (Gonzalez &amp; Pomares Quimbaya, 2015)

Figura 2.

Investigación mediante ciclos de relevancia, rigor y diseño Fuente: (Gonzalez &amp; Pomares Quimbaya, 2015) p.12
Figura 3.  Arquitectura de Inteligencia de Negocios  Fuente: (Chiasera, Creazzi, Brandi, Baldessarini, &amp; Vispi, 2018)

Figura 3.

Arquitectura de Inteligencia de Negocios Fuente: (Chiasera, Creazzi, Brandi, Baldessarini, &amp; Vispi, 2018) p.17
Figura 4.  A la derecha primer artefacto aplicado en enero 2018 y a la izquierda el mismo  artefacto mejorado, aplicado en mayo del 2019

Figura 4.

A la derecha primer artefacto aplicado en enero 2018 y a la izquierda el mismo artefacto mejorado, aplicado en mayo del 2019 p.18
Figura 5.  Estructura general del proceso ETL   Fuente: Aplicación Open Talend Studio

Figura 5.

Estructura general del proceso ETL Fuente: Aplicación Open Talend Studio p.19
Figura 6.  Cubo de datos Tiempo de espera   Fuente: Elaboración propia

Figura 6.

Cubo de datos Tiempo de espera Fuente: Elaboración propia p.19
Figura 8.  Perfil Epidemiológico

Figura 8.

Perfil Epidemiológico p.20
Figura 7.  Cubo de datos Tiempo de espera

Figura 7.

Cubo de datos Tiempo de espera p.20
Figura 10.  KPI: Tiempos de espera en sala de emergencia  Fuente: Captura de dashboard de gestión de tiempos de espera

Figura 10.

KPI: Tiempos de espera en sala de emergencia Fuente: Captura de dashboard de gestión de tiempos de espera p.21

Referencias

Actualización...