Un marco de simulación para evaluar los flujos de trabajo de órdenes electrónicas en registros de salud integrados

Por qué importa la papeleta digital invisible

Cada vez que un médico solicita un análisis de laboratorio, una radiografía o una consulta con un especialista, esa petición recorre un laberinto dentro del registro electrónico de salud (EHR). Si ese viaje digital es lento o se atasca, los pacientes esperan más para recibir atención y el personal pierde tiempo persiguiendo actualizaciones de estado. Este artículo describe una nueva forma de "probar" esos flujos de trabajo electrónicos ocultos mediante simulación por ordenador, de modo que los hospitales puedan explorar con seguridad cómo cambios en el software, la dotación de personal o la demanda podrían afectar a los retrasos y los respaldos antes de que los pacientes noten el impacto.

Convertir clics crudos en una historia clara

Los autores se centraron en la Administración de Veteranos, el mayor sistema de salud integrado de Estados Unidos. Su EHR registra cada paso que da una orden electrónica, pero los datos están dispersos en muchas tablas técnicas y marcas temporales. El equipo primero tradujo este desorden de eventos a un conjunto simple y universal de estados que cualquier persona puede reconocer en un proceso: una orden se crea (Created), queda preparada (Ready), se reserva para su realización (Reserved), pasa a estar en curso (InProgress) y finalmente se completa (Completed), o puede acabar en estados problemáticos como Fallida (Failed), Salida (Exited) o Error. Este mapeo, basado en una norma internacional para flujos de trabajo empresariales, convirtió registros enmarañados en “pistas” digitales limpias y comparables que muestran cómo las órdenes se mueven realmente a través del sistema.

Construir una pista de pruebas virtual para órdenes

Con estas pistas estandarizadas, los investigadores construyeron una simulación de eventos discretos: un modelo informático que recrea miles de órdenes mientras avanzan de estado en estado a lo largo del tiempo. Calibraron el modelo con datos reales de cinco hospitales de Veteranos, alimentándolo con la frecuencia de cada transición y los tiempos típicos, incluidos los retrasos raros pero muy largos. Luego comprobaron cuánto coincidía el “tiempo en el sistema” simulado con la historia real, usando pruebas estadísticas y gráficos comparativos. Las líneas temporales simuladas y reales concordaron de cerca entre las instalaciones, especialmente en los casos típicos, lo que da confianza en que el sistema virtual se comporta de forma similar al real y puede emplearse en experimentos de “qué pasaría si”.

Poner el sistema a prueba bajo presión

El equipo usó después el modelo para plantear preguntas prácticas: ¿qué ocurre si llegan más órdenes, o si pasos clave se ven limitados por personal o equipo? En un conjunto de experimentos aumentaron el volumen de órdenes y fijaron un límite en cuántas se podían procesar en pasos críticos, como pasar de Reserved a InProgress, o de InProgress a Completed. Cuando no había límites, el sistema absorbía una mayor demanda con solo un crecimiento modesto en las órdenes en espera. Pero una vez introducidos los topes, los retrasos se dispararon y el sistema tuvo dificultades para alcanzar un estado estable, sobre todo con una demanda más intensa. En efecto, límites de recursos moderados transformaron una ola manejable en un punto de inflexión donde los retrasos y las órdenes incompletas aumentaron bruscamente, una información útil para planificar personal y capacidad.

Siguiendo los desvíos y bucles

Los investigadores también exploraron cómo pequeños cambios en las reglas de enrutamiento repercuten en el sistema. Cuando dificultaron que las órdenes tomaran un atajo directo de Ready a Completed, más órdenes se vieron obligadas a pasar por Reserved e InProgress. Esto redujo el rendimiento general durante un tiempo y generó trayectorias más largas y enmarañadas, con algunas órdenes volviendo a estados anteriores varias veces y pasando mucho más tiempo en el sistema. Al visualizar las rutas más comunes y contabilizar con qué frecuencia las órdenes “rebotan” a estados previos, el modelo identifica dónde el reprocesado y el manejo repetido consumen silenciosamente el tiempo del personal. El análisis de red de las rutas digitales mostró que tres estados—Reserved, InProgress y Completed—actúan como ejes centrales y potenciales cuellos de botella donde es más probable que aparezca congestión y donde una supervisión más estrecha sería rentable.

Usar un gemelo digital para mantener la atención en movimiento

Para los no especialistas, la conclusión principal es que los autores han construido una suerte de gemelo digital para las órdenes del EHR: un entorno seguro y basado en datos donde los responsables pueden ensayar cambios antes de que afecten a los pacientes. El estudio muestra que este enfoque puede reflejar de manera realista cómo se mueven las órdenes electrónicas, dónde se atascan y cómo pequeños ajustes de política o picos de demanda podrían generar colas y retrasos ocultos. Los hospitales podrían usar tales simulaciones para probar nuevas reglas, planificar para oleadas, vigilar estados clave en busca de señales tempranas de problemas y reducir el reproceso inútil. Así, pueden hacer que la fontanería invisible de las órdenes digitales sea más fiable, ayudando a garantizar que la tecnología entre bastidores esté a la altura de la urgencia de la atención al paciente.

Cita: Chen, Y., Niu, H., Omitaomu, O.A. et al. A simulation framework for evaluating electronic order workflows in integrated health records. npj Health Syst. 3, 14 (2026). https://doi.org/10.1038/s44401-026-00067-2

Palabras clave: registros electrónicos de salud, simulación de flujos de trabajo, operaciones sanitarias, gemelo digital, Administración de Veteranos