Storytelling
Row
Contexto estratégico (modelo A³: Atención - Audiencia - Acción)
Atención · problema
Espera larga y cupos perdidos por citas canceladas o no atendidas.
Audiencia
Dirección médica, coordinación de calidad y gerencia administrativa.
Acción
Rediseñar la agenda de la jornada y reducir la pérdida de cupos.
Row
La demanda es estable, sin temporadas
La espera crece a lo largo del día
La edad no explica la espera
Row
Lectura: demanda mensual
Evidencia
Estable: 935 citas/mes, entre -9,4 % y +7,6 %. Sin temporadas. Se excluye diciembre 2024 (incompleto).
Por qué importa
La demanda no explica la espera.
Acción
No reforzar por temporada; revisar la jornada.
Lectura: espera por hora
Evidencia
De 15,7 min (8:00) a 66,0 min (17:00): 4,2 veces más.
Por qué importa
Los retrasos se acumulan: la consulta dura 17,5 min y la cita reserva 15.
Acción
Ajustar el tiempo por cita o añadir pausas desde las 10:00.
Lectura: espera por edad
Evidencia
De 43,2 a 45,2 min: solo 2,0 min de diferencia.
Por qué importa
La edad no es la causa: es el proceso.
Acción
Intervenir la agenda, no un grupo de edad.
Exploración
Row
Espera por hora (interactivo: cursor, zoom y paneo)
La espera se acumula hora a hora (pulse ▶)
Mapa de calor: la tarde concentra la espera
Row
Lectura: gráfico interactivo
Evidencia
Supera 30 min desde las 10:00 (31,4 min).
Por qué importa
Cursor, zoom y paneo: la gerencia halla sola la hora crítica, sin pedir reportes.
Acción
Fijar un umbral (30 min) y actuar desde las 10:00.
Lectura: animación
Evidencia
Cada hora suma en promedio 5,5 min de espera.
Por qué importa
Se ve cómo el retraso se hereda de una cita a la siguiente.
Acción
Intervenir temprano: antes de que se cruce el umbral de las 10:00.
Lectura: mapa de calor
Evidencia
Lo más rojo está a las 17:00, todos los días (68 min como máximo).
Por qué importa
El problema se repite cada día: es de diseño de la agenda.
Acción
Aplicar el cambio de agenda de lunes a viernes, la tarde primero.
Profundización
Row
Espera por día y hora (3D: arrastre para rotar)
Se pierde uno de cada cuatro o cinco cupos
La pérdida de cupos es pareja durante el día
Row
Lectura: espera por día y hora
Evidencia
Mismo patrón cada día: 16,7 min de variación entre horas y 1,2 entre días.
Por qué importa
El cuello de botella es estructural, no de un día.
Acción
Rediseñar la agenda todos los días, la tarde primero.
Lectura: pérdida de cupos
Evidencia
22,4 % de citas se pierde: 16,5 % canceladas y 6,0 % no asistió.
Por qué importa
Cupo perdido = capacidad sin usar mientras otros esperan.
Acción
Recordatorio previo y lista de espera.
Lectura: pérdida según la hora
Evidencia
La pérdida va de 21,7 % a 22,8 % según la hora.
Por qué importa
No hay una franja 'mala' para cancelar: el problema es general.
Acción
Recordatorios para todos, no por franja.
Acción
Row
Espera media (min)
44,1Pacientes que esperan más de 30 min
54 %Inasistencia (%)
Citas analizadas
111.488Row
Hallazgos clave: el problema es la agenda del día
4,2×
más espera al final de la jornada
54 %
de los pacientes espera más de 30 min
17,5 vs 15
min de consulta vs min reservados por cita
22,4 %
de las citas se pierde
Row
Recomendaciones ejecutivas
1. Rediseñar la agenda diaria
Tiempo por cita acorde a la consulta (hoy 15 min reservados frente a 17,5 min reales) o pausas cada pocas citas.
Meta: espera de la tarde por debajo de 30 min. Seguimiento: espera media y % que espera más de 30 min.
2. Reducir los cupos perdidos
Recordatorio previo a todos los pacientes, con opción de cancelar o reprogramar, y lista de espera para los cupos liberados (16,5 % son cancelaciones).
Seguimiento: % de inasistencia (hoy 22,4 %).
Análisis General
Column
Indicadores Clave
Espera media (min)
44,1
Esperan más de 30 min
54 %
Inasistencia (canceladas + no asistió)
22,4 %
Citas analizadas
111.488
Distribución de las Variables de la Agenda y del Paciente
Relación entre: (1) Día, Hora y Espera - (2) Edad, Duración de la Consulta y Espera
Column
Distribución de la Espera por Hora del Día
Modelo Analítico
Regresión logística: probabilidad de esperar más de 30 min
(espera_larga = 1 si la espera supera 30 min)
Call:
glm(formula = espera_larga ~ hora + age + scheduling_interval +
sex + dia, family = "binomial", data = train_data)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.7582956 0.0475526 -58.005 < 2e-16 ***
hora 0.2396137 0.0029433 81.411 < 2e-16 ***
age -0.0001938 0.0004062 -0.477 0.63325
scheduling_interval 0.0030095 0.0013097 2.298 0.02157 *
sexMale -0.0002321 0.0166687 -0.014 0.98889
diamartes -0.0755080 0.0256002 -2.950 0.00318 **
diamiércoles -0.1254380 0.0255584 -4.908 9.21e-07 ***
diajueves -0.0161877 0.0255854 -0.633 0.52694
diaviernes -0.1836635 0.0255225 -7.196 6.19e-13 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 95031 on 68825 degrees of freedom
Residual deviance: 87642 on 68817 degrees of freedom
AIC: 87660
Number of Fisher Scoring iterations: 4
Exactitud en datos de prueba (20 %): 64,9 %
Referencia (predecir siempre la clase más frecuente): 53,9 %