Un método de obtención del patrón estacional de frecuentación de un servicio de urgencias hospitalario

Abstract

En este trabajo se propone un método apropiado para aislar y describir las variaciones estacionales de alta frecuencia que pueden estar presentes en determinadas series horarias del ámbito sanitario. Si no se tiene en cuenta la presencia simultánea de variaciones estacionales de periodo diario, semanal y anual los comportamientos estacionales estimados podrían quedar notablemente distorsionados y las decisiones adoptadas por los gestores de los servicios de salud a partir de aquéllos podrían ser erróneas. El procedimiento propuesto, basado en la consideración conjunta de variaciones periódicas simultáneas, se aplica a una serie horaria de visitas registradas en un servicio de urgencias hospitalarias en Tenerife. Los resultados obtenidos indican que las visitas más frecuentes corresponden a los meses de febrero y marzo, los lunes son los días de mayor demanda y dentro del día las horas de la madrugada registran demandas mínimas. Además, se observa un cierto crecimiento a largo plazo. Y, sobre todo, se pone de manifiesto que el método propuesto resulta ventajoso frente a otras aproximaciones en las que cada una de las variaciones estacionales se estima como si las demás no estuvieran presentes.

A suitable method is set forth in this study for isolating and describing high frequency seasonal variations which may occur in some sets of time series in the healthcare setting. If the simultaneous presence of seasonal variations within a day, a week and a year is not taken into account, the estimates of seasonal behaviours may be noticeably distorted and the decisions made by those in charge of managing healthcare services based thereupon might be erroneous. The proposed procedure, based upon taking simultaneous periodic changes jointly into consideration is applied to an hourly series of patients visiting an hospital emergency room in Tenerife. The results obtained indicate that the most frequent visits take place in February and March, Mondays being the days on which the greatest demand occurs and the early morning hours of the day showing the minimum demands. A long-term growth is also observed. And, above all, the proposed method is shown to provide some advantages over other approaches in which each one of the seasonal variations is estimated as if the others do not exist