Anticipar demanda y capacidad en organizaciones de salud

El problema no es la falta de datos: es llegar tarde

Un lunes a primera hora se agotan los turnos. La guardia empieza a acumular pacientes antes del mediodía. Una lista de espera crece aunque el equipo trabaja a pleno. Faltan camas, pero al mismo tiempo algunas permanecen bloqueadas porque el alta, la limpieza o el traslado no ocurrieron a tiempo.

Para un gestor, anticipar demanda y capacidad significa detectar esos desequilibrios antes de que se expresen como demora, cancelación, sobrecarga o pérdida de continuidad. No se trata de conocer el futuro con exactitud, sino de disponer de información suficiente para organizar una respuesta.

La metodología puede ser sencilla. Antes de pensar en modelos predictivos, hay que distinguir cuatro variables que suelen mezclarse en los tableros y en las conversaciones cotidianas [1,2].

Cuatro números que no significan lo mismo

• Demanda: todo el trabajo que ingresa y requiere una respuesta. Incluye solicitudes, derivaciones y necesidades no resueltas, junto con el tiempo profesional, equipamiento o espacio que demandan.
• Capacidad: los recursos realmente disponibles para hacer ese trabajo. No es solo cantidad de profesionales o consultorios; incluye horas utilizables, competencias, equipamiento, insumos y condiciones operativas.
• Actividad: el trabajo que efectivamente se realizó. Puede ser menor que la demanda porque el servicio no logró absorberla.
• Atraso o backlog: la demanda anterior que todavía no fue resuelta. Se expresa como lista de espera, estudios pendientes, autorizaciones demoradas o pacientes que aún no consiguieron acceso.

La diferencia más importante es la que existe entre demanda y actividad. Si un servicio ofrece 100 turnos y completa los 100, su actividad fue de 100. Eso no permite saber si había 100 personas que necesitaban atención o 160. Usar solo prestaciones realizadas para estimar necesidad puede hacer que la oferta parezca suficiente precisamente porque la demanda excedente quedó invisible.

La guía operativa de atención primaria del Servicio Nacional de Salud de Inglaterra, NHS por su denominación en inglés, propone observar también llamadas, solicitudes digitales, pedidos de turno no satisfechos y la forma de la demanda según hora y día. El objetivo no es producir una estadística perfecta, sino comprender qué trabajo intenta entrar al sistema [1].

Un ejemplo que cabe en una planilla

Supongamos un servicio ambulatorio que recibe 120 solicitudes semanales. Sesenta requieren una consulta breve de 20 minutos y sesenta, una consulta compleja de 40. La demanda no es simplemente 120 pacientes: equivale a 60 horas de trabajo clínico por semana.

Si tres profesionales disponen cada uno de 18 horas efectivas de consulta, la capacidad semanal es de 54 horas. Aunque las agendas estén completas y la actividad sea alta, faltan seis horas para responder a la demanda de esa semana. Si nada cambia, el atraso crecerá.

Esta cuenta básica permite discutir alternativas concretas: cambiar la combinación de agendas, incorporar otra función profesional, resolver parte de las solicitudes por un canal diferente, reducir tareas que no agregan valor o sumar capacidad. También evita culpar a la productividad cuando el problema real es una brecha estructural.

Cómo empezar: siete pasos de gestión

El manual de mejora del NHS propone una secuencia que puede adaptarse a un consultorio, una red, un hospital o un financiador [2]:

• Delimitar el servicio o recorrido que se quiere comprender: por ejemplo, desde la solicitud de turno hasta la consulta, o desde la indicación quirúrgica hasta el alta.
• Definir demanda, capacidad, actividad y atraso con una regla que todo el equipo entienda.
• Dibujar el recorrido general y localizar dónde se acumulan las esperas.
• Describir con más detalle esa parte del proceso y observar qué hace cada persona, en qué lugar, con qué información y con qué recurso.
• Identificar la verdadera restricción. No siempre coincide con el sector donde se ve la cola.
• Medir las cuatro variables en la misma unidad y durante el mismo período: minutos por día, horas por semana o prestaciones por mes.
• Probar un cambio pequeño, medir nuevamente y decidir si corresponde sostenerlo, modificarlo o descartarlo.

Este orden evita una respuesta habitual: agregar recursos en el lugar más visible sin saber qué limita el flujo. Una cola frente a diagnóstico por imágenes puede originarse en la programación, en la preparación del paciente, en la autorización o en la demora para informar el estudio.

La variación también produce espera

Demanda y capacidad casi nunca se distribuyen de manera uniforme. Hay lunes con más llamadas, inviernos con más consultas respiratorias, días con más ausentismo y semanas en las que coinciden vacaciones, licencias o mantenimiento de equipos.

Por eso no alcanza con que el promedio mensual de capacidad sea igual al promedio de demanda. Si ambas variables oscilan y el servicio no tiene flexibilidad, se forman colas aun cuando los promedios coincidan. Una parte de la gestión consiste en reducir variación evitable y otra, en preparar capacidad flexible para la variación que no puede eliminarse.

En atención primaria, las recomendaciones operativas incluyen redistribuir trabajo rutinario fuera de los picos, ajustar turnos y combinación de perfiles, revisar la demanda de los lunes y usar datos telefónicos para reforzar recepción en las horas críticas [1]. Son medidas pequeñas, pero conectan el dato con una decisión visible para equipos y pacientes.

Mirar el recorrido completo

Un hospital no mejora su flujo optimizando cada sector por separado. El Institute for Healthcare Improvement plantea tres tipos de intervención: reducir o modelar la demanda, ajustar capacidad y demanda, y rediseñar el sistema [3]. La idea central es que las demoras de la guardia pueden depender de camas, altas, traslados, diagnóstico, cuidados posteriores o disponibilidad comunitaria.

La Agencia para la Investigación y la Calidad de la Atención de Estados Unidos, AHRQ, propone tratar el flujo como un problema institucional: formar un equipo con autoridad, establecer medidas, seleccionar estrategias, preparar la implementación, anticipar resistencias y compartir resultados [4].

Este enfoque cambia la pregunta. En vez de preguntar por qué la guardia demora, conviene preguntar qué parte del sistema impide que el paciente avance de manera segura. La restricción puede estar lejos del lugar donde la espera se vuelve visible.

Tres niveles para anticipar

No toda organización necesita comenzar con el mismo grado de sofisticación:

• Nivel operativo: observar patrones por hora, día y semana; comparar demanda, capacidad, actividad y atraso; y acordar umbrales de respuesta.
• Nivel de planificación: incorporar estacionalidad, cambios poblacionales, licencias, campañas, aperturas de agenda, contratos, inventarios y escenarios.
• Nivel predictivo: usar series temporales, simulación o aprendizaje automático cuando el volumen, la variabilidad y la oportunidad de la decisión justifican la inversión.

NHS England ofrece herramientas y capacitación para estimar capacidad requerida, comprender el crecimiento de listas de espera y calcular recursos en servicios comunitarios, de salud mental y otros recorridos asistenciales [5]. La recomendación implícita es saludable: dominar primero los conceptos y después elegir el modelo.

La madurez analítica: no saltar etapas

El Analytics Maturity Assessment Model, conocido como AMAM, de la Healthcare Information and Management Systems Society (HIMSS), ayuda a ubicar la predicción dentro de una trayectoria organizacional más amplia. Su advertencia más útil es que la analítica avanzada no comienza con un algoritmo [6].

En sus etapas iniciales, el modelo propone alinear infraestructura y uso de datos con la regulación, asegurar recolección, almacenamiento y gestión, y establecer una estrategia con roles y responsabilidades. En los niveles intermedios incorpora datos de distintas fuentes al trabajo clínico y operativo, desarrolla alfabetización analítica y fortalece mejora continua, custodia, seguridad, sesgo, equidad y confianza [6].

Recién en las etapas 6 y 7 aparecen datos en tiempo real, uso responsable de inteligencia artificial, predicción de riesgos y resultados, y modelos poblacionales orientados a programas de atención equitativa [6]. Para un gestor, esto funciona mejor como una secuencia de dependencias que como una insignia: si la organización todavía no puede acordar cuánto trabajo ingresa, qué queda pendiente o cuál versión del dato es válida, un modelo predictivo no resolverá esa fragilidad.

AMAM también desplaza la evaluación desde la acumulación de herramientas hacia el valor. La pregunta no es solo si existe una plataforma analítica, sino si la información llega a quien decide, se integra al trabajo, reduce carga cognitiva y produce una mejora verificable en atención o desempeño [6].

Cuándo vale la pena un modelo predictivo

Los modelos avanzados aportan cuando la decisión debe tomarse con rapidez, existen suficientes datos y una mejora razonable del pronóstico cambia lo que la organización puede hacer. Pueden ayudar a prever admisiones, ocupación, duración de estancia, ausentismo, consumo de medicamentos o carga de trabajo.

Una revisión de 84 estudios sobre capacidad encontró modelos para camas, personal, volumen de pacientes y duración de las internaciones. Sin embargo, solo alrededor de la mitad había realizado alguna validación temporal, cruzada o geográfica, y era escasa la información sobre implementación y seguimiento [7].

En un hospital británico, un modelo aplicado a 109.465 visitas de guardia estimó las admisiones de corto plazo con un error absoluto medio de cuatro pacientes, frente a 6,5 del método de referencia [8]. La diferencia puede ser operativamente útil, pero solo si existe una respuesta asociada: preparar una cama, revisar altas, reforzar un turno o redistribuir actividad.

El criterio final no es cuál algoritmo parece más moderno. Es si el pronóstico llega a tiempo, se entiende, modifica una decisión y mejora un resultado relevante.

Una agenda de treinta días

Un servicio puede iniciar este trabajo sin comprar una plataforma:

• Elegir un problema visible y acotado, como turnos agotados, autorizaciones pendientes o demora de altas.
• Acordar definiciones y recolectar diariamente demanda, capacidad, actividad y atraso.
• Separar los datos por día, hora, tipo de necesidad y recurso requerido.
• Mapear el recorrido con quienes realizan el trabajo y señalar la restricción probable.
• Probar durante una o dos semanas un ajuste de agenda, función, secuencia o horario.
• Comparar espera, atraso, productividad, calidad y experiencia antes y después.

El resultado no será todavía un sistema predictivo. Será algo más básico y decisivo: una organización capaz de describir su trabajo con un lenguaje común y aprender de un cambio.

Síntesis

Anticipar demanda y capacidad es una práctica de gestión antes que un problema matemático. Exige distinguir necesidad, recursos disponibles, trabajo realizado y trabajo pendiente; observar su variación; y comprender el recorrido completo.

Los modelos predictivos pueden mejorar la anticipación, pero no corrigen por sí mismos una agenda mal diseñada, un cuello de botella, datos incompletos o responsabilidades difusas.

La pregunta útil para el gestor no es cuánto puede predecir la organización, sino qué decisión puede tomar antes gracias a esa información.

Referencias

1. NHS England. How to align capacity with demand in general practice. Publicado el 7 de mayo de 2024; actualizado el 21 de octubre de 2025. https://www.england.nhs.uk/long-read/how-to-align-capacity-with-demand-in-general-practice/.

2. NHS Institute for Innovation and Improvement. The Handbook of Quality and Service Improvement Tools: Demand and capacity management. Coventry: NHS Institute; 2010. https://www.england.nhs.uk/wp-content/uploads/sites/44/2017/11/the_handbook_of_quality_and_service_improvement_tools_2010-2.pdf.

3. Rutherford PA, Anderson A, Kotagal UR, Luther K, Provost LP, Ryckman FC, Taylor J. Achieving Hospital-wide Patient Flow. Second edition. Boston: Institute for Healthcare Improvement; 2020. https://www.ihi.org/library/white-papers/achieving-hospital-wide-patient-flow.

4. McHugh M, Van Dyke K, McClelland M, Moss D. Improving Patient Flow and Reducing Emergency Department Crowding: A Guide for Hospitals. Rockville, MD: Agency for Healthcare Research and Quality; 2012. https://www.ahrq.gov/research/findings/final-reports/ptflow/index.html.

5. NHS England. Service level demand and capacity planning. https://www.england.nhs.uk/ourwork/demand-and-capacity/service-level-demand-and-capacity-planning/.

6. Healthcare Information and Management Systems Society. Analytics Maturity Assessment Model (AMAM). HIMSS; 2026. https://www.himss.org/maturity-models/amam/.

7. Grøntved S, Jørgine Kirkeby M, Paaske Johnsen S, Mainz J, Brink Valentin J, Mohr Jensen C. Towards reliable forecasting of healthcare capacity needs: A scoping review and evidence mapping. International Journal of Medical Informatics. 2024;189:105527. doi: 10.1016/j.ijmedinf.2024.105527.

8. King Z, Farrington J, Utley M, et al. Machine learning for real-time aggregated prediction of hospital admission for emergency patients. npj Digital Medicine. 2022;5:104. doi: 10.1038/s41746-022-00649-y.