Optimización de las redes de atención primaria en Guanajuato: planificación y asignación de servicios
Article Sidebar
Main Article Content
http://orcid.org/0009-0009-7656-1553
Rodolfo Mendoza-Gómez
http://orcid.org/0000-0002-9119-3412
Resumen
Garantizar un acceso equitativo a los servicios de atención primaria en salud requiere un diseño estratégico de las redes de prestación de servicios, lo cual comparte desafíos fundamentales con el diseño de redes de cadena de suministro, incluyendo la localización de instalaciones, la asignación de capacidad y la optimización de la cobertura de servicios. Este estudio propone un modelo bi-objetivo de programación entera mixta para optimizar las decisiones de inversión y ubicación de Unidades de Atención Primaria en Salud (PHUs, por sus siglas en inglés) bajo restricciones presupuestarias. El primer objetivo minimiza la distancia total de viaje para consultas médicas esenciales, mientras que el segundo maximiza la cobertura poblacional de servicios complementarios —nutrición, atención dental, salud mental, análisis clínicos e imagenología—, cada uno con radios de cobertura específicos. Diferentes tipos de PHUs ofrecen capacidades y carteras de servicios variables, lo que introduce compensaciones explícitas entre accesibilidad, disponibilidad de servicios y costo. El modelo se resuelve utilizando el método epsilon-constraint mejorado (AUGMECON2), lo que permite una exploración eficiente de soluciones Pareto-óptimas. Un estudio de caso en Guanajuato, México, que abarca ocho regiones, 46 municipios, 3.44 millones de puntos de demanda, 515 PHUs existentes y 486 sitios candidatos, demuestra la aplicabilidad del modelo utilizando datos oficiales de demanda, capacidades y costos de inversión actualizados. Los resultados muestran que las regiones urbanas logran una cobertura casi universal de servicios complementarios con presupuestos moderados, mientras que las áreas rurales requieren mayores inversiones para cerrar brechas de servicio, lo que resalta la importancia de una planificación sensible al contexto. Al enmarcar la infraestructura sanitaria como una red de servicios en múltiples niveles, el enfoque propuesto ofrece a los tomadores de decisiones una herramienta transparente y basada en datos para evaluar los compromisos entre apertura de instalaciones, expansión de capacidad y cobertura de la demanda. Más allá del sector salud, la metodología es adaptable a otras redes de servicios públicos que enfrentan recursos limitados y patrones de demanda cambiantes, contribuyendo al campo más amplio del diseño y optimización de redes de suministro.
Article Details
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.
Citas
[2] A. Sigmund, “The Frank Michota Memorial Lecture 2022: ‘Health Disparities in PeriOperative Medicine: The Urgent Need for Diversity in Healthcare’ By William McDade MD, PhD,” Perioper. Care Oper. Room Manag., vol. 28, p. 100263, 2022, doi: 10.1016/j.pcorm.2022.100263.
[3] U.S. Department of Health & Human Services, “About the Affordable Care Act (ACA),” [Online]. Available: https://www.hhs.gov/healthcare/about-the-aca/index.html
[4] Secretaría de Salud (México), “Redes de Servicios de Salud,” [Online]. Available: https://www.gob.mx/salud/acciones-y-programas/redes-de-servicios-de-salud
[5] R. Mendoza-Gómez and R. Z. Ríos-Mercado, “Location of primary health care centers for demand coverage of complementary services,” Comput. Ind. Eng., vol. 169, p. 108237, 2022, doi: 10.1016/j.cie.2022.108237.
[6] Instituto Nacional de Estadística, Geografía e Informática (INEGI), “Derechohabiencia,” [Online]. Available: https://www.inegi.org.mx/temas/derechohabiencia/
[7] G. Mavrotas and K. Florios, “An improved version of the augmented ε-constraint method (AUGMECON2) for finding the exact Pareto set in multi-objective integer programming problems,” Appl. Math. Comput., vol. 219, no. 18, pp. 9652–9669, 2013, doi: 10.1016/j.amc.2013.03.002.
[8] R. Z. Farahani and M. Hekmatfar, Eds., Facility Location: Concepts, Models, Algorithms and Case Studies. Springer, 2009, doi: 10.1007/978-3-7908-2151-2.
[9] G. Laporte, S. Nickel, and F. S. da Gama, Eds., Location Science. Springer, 2019, doi: 10.1007/978-3-030-32177-2.
[10] A. Ahmadi-Javid, P. Seyedi, and S. S. Syam, “A survey of healthcare facility location,” Comput. Oper. Res., vol. 79, pp. 223–263, 2017, doi: 10.1016/j.cor.2016.05.018.
[11] E. D. Güneş, T. Melo, and S. Nickel, “Location problems in healthcare,” in Location Science, G. Laporte, S. Nickel, and F. S. da Gama, Eds. Springer, 2019, pp. 657–686, doi: 10.1007/978-3-030-32177-2_23.
[12] J. C. Papageorgiou, “Some operations research applications to problems of health care systems (a survey),” Int. J. Biomed. Comput., vol. 9, no. 2, pp. 101–114, 1978.
[13] V. L. Smith-Daniels, S. B. Schweikhart, and D. E. Smith-Daniels, “Capacity management in health care services: Review and future research directions,” Decis. Sci., vol. 19, no. 4, pp. 889–919, 1988, doi: 10.1111/j.1540-5915.1988.tb00310.x.
[14] S. Rahman and D. K. Smith, “Use of location-allocation models in health service development planning in developing nations,” Eur. J. Oper. Res., vol. 123, no. 3, pp. 437–452, 2000, doi: 10.1016/S0377-2217(99)00289-1.
[15] M. S. Daskin and L. K. Dean, “Location of health care facilities,” in Operations Research and Health Care: A Handbook of Methods and Applications, vol. 70, M. L. Brandeau, F. Sainfort, and W. P. Pierskalla, Eds. Springer, 2005, pp. 43–76, doi: 10.1007/1-4020-8066-2_3.
[16] A. Rais and A. Viana, “Operations research in healthcare: A survey,” Int. Trans. Oper. Res., vol. 18, no. 1, pp. 1–31, 2011, doi: 10.1111/j.1475-3995.2010.00767.x.
[17] R. Z. Farahani, M. SteadieSeifi, and N. Asgari, “Multiple criteria facility location problems: A survey,” Appl. Math. Model., vol. 34, no. 7, pp. 1689–1709, 2010, doi: 10.1016/j.apm.2009.10.005.
[18] C. H. Chung, D. A. Schilling, and R. Carbone, “The capacitated maximal covering problem: A heuristic,” in Proc. 14th Annu. Pittsburgh Conf. Modeling and Simulation, 1983, pp. 1423–1428.
[19] J. R. Current and J. E. Storbeck, “Capacitated covering models,” Environ. Plann. B, vol. 15, no. 2, pp. 153–163, 1988, doi: 10.1068/b150153.
[20] H. Pirkul and D. A. Schilling, “The maximal covering location problem with capacities on total workload,” Manage. Sci., vol. 37, no. 2, pp. 233–248, 1991, doi: 10.1287/mnsc.37.2.233.
[21] P. Yin and L. Mu, “Modular capacitated maximal covering location problem for the optimal siting of emergency vehicles,” Appl. Geogr., vol. 34, pp. 247–254, 2012, doi: 10.1016/j.apgeog.2011.11.013.
[22] D. Chauhan, A. Unnikrishnan, and M. Figliozzi, “Maximum coverage capacitated facility location problem with range constrained drones,” Transp. Res. C Emerg. Technol., vol. 99, pp. 1–18, 2019, doi: 10.1016/j.trc.2018.12.001.
[23] H. K. Smith, P. R. Harper, and C. N. Potts, “Bicriteria efficiency/equity hierarchical location models for public service application,” J. Oper. Res. Soc., vol. 64, no. 4, pp. 500–512, 2013, doi: 10.1057/jors.2012.68.
[24] S. Beheshtifar and A. Alimohammadi, “A multiobjective optimization approach for location-allocation of clinics,” Int. Trans. Oper. Res., vol. 22, no. 2, pp. 315–328, 2015, doi: 10.1111/itor.12088.
[25] P. Mitropoulos, I. Mitropoulos, I. Giannikos, and A. Sissouras, “A biobjective model for the locational planning of hospitals and health centers,” Health Care Manag. Sci., vol. 9, no. 2, pp. 171–179, 2006, doi: 10.1007/s10729-006-7664-9.
[26] P. Mitropoulos, I. Mitropoulos, and I. Giannikos, “Combining DEA with location analysis for the effective consolidation of services in the health sector,” Comput. Oper. Res., vol. 40, no. 9, pp. 2241–2250, 2013, doi: 10.1016/j.cor.2012.01.008.
[27] R. Mendoza-Gómez, R. Z. Ríos-Mercado, and K. B. Valenzuela-Ocaña, “An efficient decision-making approach for the planning of diagnostic services in a segmented healthcare system,” Int. J. Inf. Technol. Decis. Mak., vol. 18, no. 5, pp. 1631–1665, Apr. 2019, doi: 10.1142/S0219622019500196.
[28] R. Mendoza-Gómez, R. Z. Ríos-Mercado, and K. B. Valenzuela-Ocaña, “An iterated greedy algorithm with variable neighborhood descent for the planning of specialized diagnostic services in a segmented healthcare system,” J. Ind. Manag. Optim., vol. 16, no. 2, pp. 857–885, 2020, doi: 10.3934/jimo.2018182.
[29] R. Mendoza-Gómez and R. Z. Ríos-Mercado, “Regionalization of primary health care units with multi-institutional collaboration,” Socioecon. Plann. Sci., vol. 83, p. 101343, 2022, doi: 10.1016/j.seps.2022.101343.
[30] R. Mendoza-Gómez and R. Z. Ríos-Mercado, “Regionalization of primary health care units: An iterated greedy algorithm for large-scale instances,” Expert Syst. Appl., vol. 250, p. 123924, 2024, doi: 10.1016/j.eswa.2024.123924.
[31] M. E. Elorza, N. S. Moscoso, and A. M. Blanco, “Assessing performance in health care: A mathematical programming approach for the re-design of primary health care networks,” Socioecon. Plann. Sci., vol. 84, p. 101454, 2022, doi: 10.1016/j.seps.2022.101454.
[32] R. Mendoza-Gómez and R. Z. Ríos-Mercado, “Maximal covering location with partial coverage for second-level specialized health care services,” Comput. Oper. Res., vol. 169, p. 106725, 2024, doi: 10.1016/j.cor.2024.106725.
[33] S. J. Vicencio-Medina, Y. A. Rios-Solis, O. J. Ibarra-Rojas, N. M. Cid-Garcia, and L. Rios-Solis, “The maximal covering location problem with accessibility indicators and mobile units,” Socioecon. Plann. Sci., vol. 87, p. 101597, 2023, doi: 10.1016/j.seps.2023.101597.
[34] G. Mavrotas and K. Florios, “An improved version of the augmented ε-constraint method (AUGMECON2) for finding the exact Pareto set in multi-objective integer programming problems,” Appl. Math. Comput., vol. 219, no. 18, pp. 9652–9669, 2013, doi: 10.1016/j.amc.2013.03.002.
[35] G. Mavrotas, “Effective implementation of the ε-constraint method in multi-objective mathematical programming problems,” Appl. Math. Comput., vol. 213, no. 2, pp. 455–465, 2009, doi: 10.1016/j.amc.2009.03.037.
[36] Secretaría de Salud (México), “Dirección General de Información en Salud (DGIS),” [Online]. Available: https://www.gob.mx/salud/acciones-y-programas/direccion-general-de-informacion-en-salud-dgis