Métodos Matemáticos para la Economía y la Empresa APLICACIÓN DE LA PROGRAMACIÓN COMPROMISO AL ANÁLISIS DEL ESTADO DE LAS LISTAS DE ESPERA QUIRÚRGICAS BAJO DIVERSAS HIPÓTESIS DE PERMANENCIA MÁXIMA Blanca Pérez Gladish1 Mar Arenas1 Amelia Bilbao1 M.Victoria Rodríguez1 Mariano Jiménez2 1 2 Dpto. de Economía Cuantitativa. Universidad de Oviedo Dpto. de Economía Aplicada I. Universidad del País Vasco Resumen: En Rodríguez (1999) se ha analizado la planificación óptima de la actividad quirúrgica de los servicios de un hospital público. El modelo de optimización propuesto es un modelo dinámico e interactivo que permite realizar cambios no sólo en el período de planificación sino en cualquier parámetro del mismo. En este trabajo contemplamos la posibilidad de ir reduciendo la permanencia máxima en lista de espera quirúrgica impuesta por las autoridades sanitarias. La comparación de las fronteras eficientes obtenidas para cada formulación distinta del problema, cuando la permanencia en lista de espera se reduce desde seis a dos meses nos mostrarácomo, bajo ciertas condiciones, es posible reducir la lista de espera residual llevando a cabo una redistribución de la actividad quirúrgica. Obteniendo en cada caso el conjunto compromiso, podremos comparar las soluciones de máxima permanencia y/o de equilibrio entre los objetivos planteados, bajo distintas hipótesis de permanencia en lista de espera. Mediate el análisis de las listas de espera residuales obtenidas observaremos para qué procesos es posible que la lista de espera residual sea igual a cero y para cuáles se podrían reducir en gran medida dichas listas pese a no lograr eliminarlas del todo. Palabras Clave: Gestión de Hospitales, Programación Multiobjetivo, Programación Compromiso, Teoría de la Decisión. 587 Pérez B., Arenas M., Bilbao A., Rodríguez M.V., Jiménez M. 1. Descripción del problema. 1.1 Datos y variables del problema. Denotaremos las variables en base al servicio al que pertenecen y éste por su inicial, en este trabajo presentamos los resultados correspondientes al servicio de Traumatología, que denotaremos mediante su inicial (T). Trabajaremos con dos tipos de variables: variables de estado y variables de decisión. Las variables de decisión recogen la actividad a realizar en cualquiera de sus modalidades y las variables de estado reflejan el estado de las listas de espera por proceso y mes. De cara a la reducción de las listas de espera el Hospital puede llevar a cabo su actividad quirúrgica mediante dos modalidades de intervención: intervenciones en modalidad ordinaria (por las mañanas en el propio Hospital), o intervenciones en modalidad extraordinaria (por las tardes en el propio Hospital o mediante derivación a otros centros). Si el proceso se realiza en forma horaria normal, la variable que define el servicio carecerá de prefijo; si se realiza en forma extraordinaria, sea interna o externa el prefijo será X. Cada proceso vendrá definido con dos subíndices i y j que indicarán respectivamente el proceso y mes considerados. Si se trata de nombrar la lista de cualquiera de los procesos, se precederá la variable representativa del servicio de la letra L. Son datos en el modelo las admisiones y exclusiones de la lista de espera, así como las disponibilidades mensuales de tiempo de quirófano. La tabla 1 recoge los nombres de los siete procesos considerados. Se incluyen también en la misma otros campos que proporcionan información de interés como son el número de código de cada proceso, el tiempo medio de quirófano que utiliza el mismo y la posibilidad de que sea realizado en modalidad extraordinaria. Tabla 1. Procesos considerados. CÓDIGO 239 354 715 717 727 735 736 Nombre Proceso Neoplasia Mononeuritis M.S. Osteoartrosis Desgarro interno rodilla Enfermedades sinovia/tendón Hallux Valgus Otras deformidades Adq. 588 VARIABLE T01 T02 T03 T04 T05 T06 T07 TIEMPO Posible extra 87 1 79 1 164 1 118 1 75 1 85 1 129 1 Métodos Matemáticos para la Economía y la Empresa 1.2 Restricciones del problema. Las restricciones del modelo que nos ocupa serán de tres tipos, y un cuarto tipo será opcional y no tiene porqué aparecer en todos los casos. Los tipos de restricción son: * Ecuaciones de estado, j = 4,...,12.: LTi( j +1) = LTij + ATij − ETij − XTij − Tij (1) Donde ATij es el número de admisiones y ETij el número de exclusiones sin sometimiento a proceso quirúrgico, estimadas ambas para cada proceso i en cada mes j. * Horas de quirófano mensuales: Estas restricciones sólo afectan a la planificación quirúrgica que se lleva a cabo en horario ordinario: 7 ∑t T i ik ≤ TQ k (2) i =1 donde TQ k indica, en minutos, el tiempo de quirófano del que dispone el servicio de Traumatología para el mes k y donde t i es el tiempo medio de quirófano, expresado también en minutos, que utiliza cada uno de los procesos considerados. * Límites superiores a la permanencia en lista de espera: Reflejan el hecho de que a lo largo del año 1999 el tiempo máximo que un paciente puede permanecer en lista de espera debe ser de seis meses, formulado exigiendo que la suma de actividades ordinaria y extraordinaria realizadas entre abril y el mes k-ésimo, supere al número de pacientes que llevarían seis o más meses en lista de espera para cada proceso i en el momento k: ∑ [T k ( ) ] ij + XTi j ≥ s ik (3) j= 4 * Cotas al número de procesos realizables fuera del horario normal: Estas restricciones consistirán en desigualdades del tipo: XTij ≥ rij (4) siendo rij la cota inferior a la actividad extraordinaria por proceso y mes. El significado de estas ecuaciones no es otro que el de acotar la actividad global mínima que a priori se acuerda derivar basándose en los datos históricos. Esta actividad mínima ha de indicarse por proceso y mes. 589 Pérez B., Arenas M., Bilbao A., Rodríguez M.V., Jiménez M. Denominaremos por F el conjunto de puntos que verifican todas las restricciones, es decir, F es el conjunto de puntos factibles del modelo. 1.3 Las funciones objetivo para la planificación óptima. Se consideran dos objetivos: el primero F1 , refleja el total de la actividad ordinaria por mes para cada uno de los procesos considerados. La máxima capacidad operativa del Hospital vendrá dada por: 7 Máx 12 ∑ ∑ [T ] ij (5) i =1 j = 4 Con tal actividad no es posible cubrir el requisito de máxima permanencia en lista de espera, así que minimizando el segundo objetivo considerado F2 se determina la actividad mínima indispensable que ha de realizarse de modo extraordinario, todo ello para verificar el requisito de máxima permanencia en lista de espera: 7 Mín 12 ∑ ∑ [XT ] ij (6) i =1 j = 4 donde XTij representa el número de intervenciones a realizar en modalidad extraordinaria por proceso y mes. Manejaremos conjuntamente ambas funciones objetivo mediante su combinación lineal convexa: Mín [F2 − ë Z ] sujeto a : Z = F1 + F2 (7) puntos de F Las variaciones de ë proporcionan el conjunto de puntos eficientes en el sentido de Pareto del programa considerado. En particular para ë = 0 se obtendrá el mínimo de la función de actividad externa, F2 , y para ë = 1 el máximo de la actividad interna, F1 , ambos alcanzables dentro del conjunto de soluciones que proporciona el conjunto factible. Resolveremos un primer problema en el que consideraremos como restricción a la permanencia en lista de espera un tiempo máximo de seis meses, para posteriormente ir resolviendo nuevos problemas mediante los que le ofreceremos al Centro Decisor las planificaciones de actividad que permitirían reducir este tiempo máximo de 590 Métodos Matemáticos para la Economía y la Empresa permanencia en lista. Completamos la información sobre la actividad a realizar con el estudio de las fronteras eficientes correspondientes a cada uno de los problemas planteados y de los conjuntos compromiso obtenidos para cada formulación distinta del problema inicial. 2.1 Determinación de las fronteras eficientes. Mediante la resolución del programa (7) haciendo variar el parámetro ë obtendremos los puntos Pareto-óptimos del programa bi-objetivo inicial. 2.1.1 Frontera eficiente considerando como hipótesis una permanencia máxima de 6 meses. De la resolución del problema (7) considerando una permanencia máxima en lista de espera de seis meses, se obtienen los siguientes resultados de actividad para cada valor de ë ( tabla (2)): Tabla 2: Actividad para cada valor de ë . LAMBDA ACTIVIDAD EXTERNA MINUTOS EXTERNA ACTIVIDAD INTERNA MINUTOS INTERNA 0 0.72 0.77 0.78 0.81 0.932 0.943 0.952 0.953 0.9975 1 266 265 268 271 275 289 300 315 324 357 358 25255 25255 25642 26114 26630 28324 29603 31187 32249 35120 35207 381 384 386 389 392 400 406 411 416 416 417 44919 44919 44919 44919 44919 44919 44919 44919 44919 44919 44919 Queremos señalar que la aparente “mejor solución”, cuantitativamente hablando, para este problema, es la que se obtiene al minimizar al actividad extraordianria requerida para poner la lista de espera en los límites admisibles. Las otras soluciones hacen crecer aquella variando apenas la actividad interna. Obsérvese como la actividad interna del servicio es tal que utiliza siempre todo el tiempo disponible, es decir, se saturan las restricciones relativas a la disponibilidad de quirófanos, pero el número de procesos que se realizan para cada valor del parámetro varía: se está produciendo una redistribución de tiempo entre el tipo y número de procesos que resulta más conveniente en cada caso, dependiendo de los procesos que puedan o deban, ser derivados o no hacia la actividad externa. 591 Pérez B., Arenas M., Bilbao A., Rodríguez M.V., Jiménez M. Obsérvese también como la actividad externa va creciendo al alejarse de su mínimo, como no podía ser menos, y el efecto de las diversas combinaciones de esta actividad con la interna se ve reflejado en la composición y el número de procesos que forman parte de la lista de espera residual a final de año. 2.1.2 Frontera eficiente considerando como hipótesis una permanencia máxima de 4 meses. Si la hipótesis con la que trabajamos es la de una permanencia máxima en lista de espera de 4 meses, nos encontramos con un problema que resulta ser infactible: dadas las disponibilidades y demás restricciones del Hospital no es posible hallar una distribución de su actividad que haga posible que ningún paciente permanezca en lista de espera más de cuatro meses. Sin embargo, si se permite realizar intervenciones de Osteoartrosis en modalidad extraordinaria (por las tardes en el propio Hospital o mediante derivación) el problema resulta factible. 2.1.3 Frontera eficiente considerando como hipótesis una permanencia máxima de 2 meses. Finalmente consideraremos una última hipótesis: dos meses como máxima permanencia en lista de espera quirúrgica. El problema planteado contemplando esta hipótesis resulta infactible. Sin embargo al igual que en el problema anterior, una modificación en algunas restricciones, nos permite obtener un programa factible. En concreto, permitiendo que se realicen intervenciones de Osteoatrosis en modalidad extraordinaria en el mes de Abril y eliminando la cota mínima relativa al número de intervenciones de Hallux Valgus a realizar en los meses de Junio, Julio, Agosto y Septiembre, el problema tiene solución factible y óptima. 2.1.4 Comparación de las fronteras eficientes bajo distintas hipótesis de permanencia máxima en lista de espera. La resolución del problema (7) para seis meses de permanencia máxima en lista de espera tiene solución factible óptima. Sin embargo, para el supuesto de máxima permanencia en lista de espera de cuatro meses el problema planteado resulta infactible. Si corregimos la restricción correspondiente al número de intervenciones de Osteoartrosis a realizar en el mes de abril permitiendo que se realicen intervenciones mediante actividad extraordinaria, el nuevo problema es un problema factible. La consideración de menores permanencias en lista de espera lleva consigo la necesidad de modificar un mayor número de restricciones con vistas a hacer factibles los problemas. 592 Métodos Matemáticos para la Economía y la Empresa 2.2 Determinación de los conjuntos compromiso. La idea básica de la Programación Compromiso consiste en utilizar el concepto de punto ideal (la solución donde todos los objetivos alcanzan su valor óptimo) como punto de referencia para el centro decisor. Es evidente que este punto es inalcanzable debido a que, en el mundo real los distintos objetivos suelen estar en conflicto unos con otros. A partir de estos dos conceptos, existencia de un punto ideal y la no accesibilidad de éste, Yu (1973) y Zeleny (1974) desarrollan la Programación Compromiso cuya idea básica consiste en encontrar el punto del espacio imagen que minimice la distancia, en dicho espacio, al punto ideal. Las distancias que utilizaremos en nuestro trabajo, en el que consideraremos dos objetivos, serán por tanto, la distancia L1 y la distancia L ∞ . La solución óptima del siguiente programa lineal es la mejor solución compromiso o punto más próximo al ideal cuando se utiliza la métrica p = 1: q Mín L1 = ∑W j j =1 sujeto a : f j* − f j ( x ) f j* − f* j (8) x∈ F. Para la métrica p = 1 , la mejor solución compromiso corresponderá siempre a un punto extremo eficiente, dado el carácter lineal en los objetivos de la función L1 a minimizar. Para la métrica p = ∞ se minimiza la máxima desviación de entre todas las desviaciones individuales; esto es, sólo la desviación mayor influye en el proceso de minimización. Para esta métrica, la mejor solución compromiso o punto más próximo al ideal se puede obtener resolviendo el siguiente programa lineal: Mín L∞ = d sujeto a : x∈F Wj f j* − f j ( x) f j* − f* j donde d representa la desviación más grande. 593 (9) ≤ d, j = 1, K , q Pérez B., Arenas M., Bilbao A., Rodríguez M.V., Jiménez M. Las soluciones proporcionadas por los programas lineales (8) y (9) caracterizan los límites del conjunto compromiso, perteneciendo las otras mejores soluciones compromiso al conjunto acotado por los puntos L1 y L ∞ . Obsérvese que minimizar la distancia L1 es equivalente a maximizar la siguiente función: q ∑ Max. Wj j =1 f j (x) (10) f j* − f* j expresión que podemos entender como representativa de la utilidad del decisor, ya que depende del máximo logro de sus objetivos. Se trata de una función de utilidad lineal y separable en los atributos. Para dar un significado económico a la solución L ∞ del conjunto compromiso, recurrimos al siguiente lema (Ballestero y Romero 1991): en el punto L ∞ se satisfacen las siguientes relaciones entre atributos: f j* − f j ( x ) f1* − f1 (x ) W1 = L = Wj = L = Wq f1* − f1* f j* − f j* f q* − f q ( x) f q* − f q * (11) De (11) se deduce que la solución asociada al punto L ∞ es una solución bien equilibrada pues las discrepancias (ponderadas por los pesos y normalizadas) entre el valor alcanzado por cada atributo y sus respectivos ideales son iguales. Si aceptamos que la maximización de la utilidad social depende de la maximización del logro normalizado de los objetivos considerados, entendiendo por logro la proximidad mayor entre un objetivo y su ideal, entonces la solución L ∞ que se obtiene considerando sólo en el proceso de minimización la desviación mayor, económicamente implicaría la maximización de una función de utilidad Rawlsiana. La solución L ∞ minimiza las discrepancias entre los objetivos y sus ideales ofreciendo una solución de equilibrio entre los mismos. 2.2.1 Conjunto compromiso bajo la hipótesis de permanencia máxima en lista de 6 meses. Mediante la resolución de los programas (8) y (9) obtenemos los límites del conjunto compromiso (distancias L1 y L ∞ ). 594 Métodos Matemáticos para la Economía y la Empresa Bajo la hipótesis de una máxima permanencia en lista de seis meses obtenemos las siguientes soluciones para cada una de las distancias así como los valores ideales y antiideales de los objetivos considerados: Ideal Anti-ideal L1 L∞ F1 417 384 415 406 F2 264 368 318 300 Observamos como la solución ideal es inalcanzable. Sin embargo las soluciones en los límites del conjunto compromiso aportan información al Decisor sobre cuales deberían ser las distribuciones de su actividad interna y actividad externa si desea alcanzar la máxima eficiencia posible (solución para la distancia L1 ), así como de la planificación de dicha actividad si lo que busca es un equilibrio entre los niveles de logro de los objetivos considerados (solución para la distancia L ∞ ). En el Gráfico 1 se representan los valores relativos de cada una de las actividades a lo largo de la frontera, así como el conjunto compromiso obtenido: FRONTERA EFICIENTE 6 MESES ACTUALIZADO HASTA ABRIL 370 350 330 310 CONJUNTO COMPROMISO 290 270 IDEAL ( 417, 264) 250 375 380 385 390 395 400 405 410 415 420 ACTIVIDAD INTERNA 2.2.2 Conjunto compromiso bajo la hipótesis de permanencia máxima en lista de 4 meses. La resolución de los programas (8) y (9) bajo la hipótesis de cuatro meses máximo en lista de espera, nos ofrece los resultados que recogemos a continuación junto a las soluciones ideal y anti-ideal: 595 Pérez B., Arenas M., Bilbao A., Rodríguez M.V., Jiménez M. Ideal Anti-ideal L1 L∞ F1 471 426 450 458 F2 335 375 335 347 Podemos observar como nuevamente no se alcanza la solución ideal. En el Gráfico 2 se representan los valores relativos de cada una de las actividades a lo largo de la frontera así como el conjunto compromiso para la presente formulación del problema: FRONTERA EFICIENTE 4 MESES ACTUALIZADO HASTA ABRIL 380 375 370 ACTIVIDAD EXTERNA 365 360 355 350 345 340 CONJUNTO COMPROMISO 335 IDEAL ( 471, 335) 330 445 450 455 460 465 470 475 ACTIVIDAD INTERNA 2.2.3 Conjunto compromiso bajo la hipótesis de permanencia máxima en lista de 2 meses. Bajo esta hipótesis de máxima permanencia en lista de espera obtenemos las siguientes soluciones en los límites del conjunto compromiso ( L1 y L ∞ ) y los siguientes valores ideales y antiideales de los objetivos considerados: Ideal Anti-ideal L1 L∞ F1 453 430 439 443 F2 431 477 446 455 En el Gráfico 3 se representan los valores relativos de cada una de las actividades a lo largo de la frontera y el conjunto compromiso: 596 Métodos Matemáticos para la Economía y la Empresa FRONTERA EFICIENTE 2 MESES ACTUALIZADO HASTA ABRIL 480 470 ACTIVIDAD EXTERNA 460 450 CONJUNTO COMPROMISO 440 IDEAL ( 453, 431) 430 420 425 430 435 440 445 450 455 ACTIVIDAD INTERNA 2.3 Comparación de los conjuntos compromiso obtenidos bajo distintas hipótesis de permanencia máxima en lista de espera. La representación conjunta de los distintos conjuntos compromiso, pertenecientes a las fronteras eficientes obtenidas para cada uno de los problemas resueltos, junto con la representación de las soluciones ideales para cada formulación distinta del problema es la siguiente: FRONTERAS EFICIENTES 500 475 450 IDEAL 2 MESES ACTIVIDAD EXTERNA 425 frontera 6 meses frontera 4 meses frontera 2 meses 400 375 350 325 IDEAL 64 MESES 300 IDEAL 6 MESES 275 250 350 360 370 380 390 400 410 420 430 440 ACTIVIDAD INTERNA 597 450 460 470 480 490 500 Pérez B., Arenas M., Bilbao A., Rodríguez M.V., Jiménez M. 3. Conclusiones. Podemos observar como es posible ir reduciendo la máxima permanencia en lista de espera mediante combinaciones de actividad que saturan la disponibilidad de tiempo de quirófano dentro del Centro en horario ordinario, y que suponen una mayor actividad en modalidad externa a medida que se vayan reduciendo las listas de espera quirúrgicas para el servicio considerado en este trabajo. Mediante la determinación de los conjuntos compromiso para cada una de las distintas formulaciones del problema, podemos ofrecer al Centro Decisor no una solución concreta sino un intervalo donde elegir, sabiendo que sus opciones van desde el logro de la máxima eficiencia a la consecución del máximo equilibrio entre los niveles de logro de los objetivos considerados. Bibliografía: Arenas y otros (1998). ''Management of Surgical Waiting Lists in Public Hospitals''. Documento de Trabajo nº 9817. ICAE. Universidad Complutense de Madrid. Ballestero y Romero (1991). “A Theorem Connecting Utility Function Optimization and Compromise Programming”. Operations Research Letters,Vol.10, nº1, pp.412-427. Ballestero y Romero (1993). “Weighting in Compromise Programming: A Theorem on Shadow Prices”'. Operations Research Letters, Vol. 13, nº 1, pp. 325-329. Ballestero y Romero (1998). Multiple Criteria Decision Making and its Applications to Economic Problems. Ed. Kluwer Academic Publishers. Boston. Rodríguez Uría, M;. V. (1999): “Métodos Cuantitativos de apoyo a la decisión: aplicación a la gestión de listas de espera quirúrgicas”. Proyecto de Investigación de Cátedra de Universidad. Facultad de Ciencias Económicas y Empresariales. Universidad de Oviedo. Yu P. L., (1973). “A class of solutions for group decision problems”'. Management Science, Vol.19, nº 1, pp. 936-946. Zeleny, M. (1973). “Compromise Programming”. Multiple Criteria Decision Making (Cochrane J. L; Zeleny M; editors). University of South Carolina Press, Columbia, pp. 262-301. Zeleny, M. (1974a). “A concept of compromise solutions and the method of the displaced ideal”. Computers and Operations Research, Vol. 1,nº 1, pp. 479-496. Zeleny, M. (1974b). Linear Multiobjective Programming. Ed. Springer-Verlag. Berlín. 598