Volver a la biblioteca

Pregunta clave Nuevo

Procesado con IA · Aprobado por los autores

¿Cómo afecta penalizar el registro tardío a los tiempos de espera y a la congestión general en las clínicas?

When Digital Punctuality Backfires: Queue Demotion and Congestion Externalities in Outpatient Care
Jiayi Nie, Hanbing Xue, Xuemei He, et al. · International Conference on Information Systems (ICIS) · 2026
Ilustración para: ¿Cómo afecta penalizar el registro tardío a los tiempos de espera y a la congestión general en las clínicas?

Carga el reproductor de Spotify; Spotify puede utilizar cookies. Este dispositivo recuerda su elección.

Hallazgos clave

  • La política de degradación de turnos mejoró el cumplimiento individual, reduciendo significativamente los registros tardíos y aumentando las llegadas a tiempo.
  • El tiempo promedio de espera ambulatoria en todo el sistema aumentó significativamente en aproximadamente 1,14 minutos por consulta de paciente.
  • La norma provocó una concentración en los registros y una aglomeración temporal significativamente mayor, creando picos de congestión instantánea que superaron la capacidad de atención inmediata de los médicos.
  • Las mayores demoras se propagaron a los pacientes no penalizados, generando aumentos estadísticamente significativos en los tiempos de espera tanto para los registros puntuales como tempranos.
  • El aumento del tiempo de espera fue significativamente mayor durante las sesiones médicas de alto volumen, mientras que la velocidad de consulta médica y el volumen general de pacientes se mantuvieron sin cambios.

Qué significa para usted

CIO / Ejecutivo de TI

Modify the patient check-in portal software to replace rigid queue demotion with a dynamic arrival-window algorithm that staggers check-in times and smooths demand peaks.

Director de TI

Configure the patient check-in app to assign randomized, staggered 10-minute arrival slots instead of exact-hour deadlines to prevent morning check-in bunching.

Estratega empresarial

Redesign clinic scheduling templates to dynamically throttle patient intake rates during historically high-volume physician sessions to prevent localized bottlenecking.

Investigador

Conduct a queue-theoretic simulation study to model the exact tradeoff between individual late-penalty compliance and systemic waiting-time externalities across varying hospital capacities.

Responsable de políticas

Issue operational guidelines requiring healthcare facilities to evaluate hospital-wide patient wait-time externalities before deploying automated punitive queue-management policies.

Resumen

Este estudio examina las consecuencias operativas de una política digital de puntualidad de citas que reduce la prioridad en la cola para los pacientes que llegan tarde. Mediante un diseño empírico de diferencias en diferencias, los autores evalúan más de 4,2 millones de consultas ambulatorias a lo largo de dos años en un gran hospital terciario de China.

Problema

Los hospitales introducen con frecuencia penalizaciones automatizadas para desincentivar las llegadas tardías bajo el supuesto de que la puntualidad individual facilitará el flujo de pacientes. Sin embargo, las investigaciones previas rara vez consideran cómo estas normas provocan que los pacientes modifiquen colectivamente sus horas de registro, concentrando potencialmente la demanda y sobrecargando la capacidad clínica compartida.

Transcripción
Host: Bienvenidos a A.I.S. Insights — powered by Living Knowledge. Soy Anna Ivy Summers y hoy analizamos el estudio titulado: "Cuando la puntualidad digital resulta contraproducente: degradación en la cola y externalidades de congestión en la atención ambulatoria", elaborado por Jiayi Nie, Hanbing Xue, Xuemei He y Xiaoli Hu, presentado en la International Conference on Information Systems de 2026. Me acompaña nuestro analista Alex Ian Sutherland. Alex, este estudio evalúa una intervención operativa muy común: penalizar las llegadas tardías degradando la prioridad del paciente en la cola de espera.
Expert: Así es, Anna. La investigación examina la implementación de una política automatizada de degradación de turnos para pacientes que llegan tarde a sus citas ambulatorias, utilizando datos de más de 4,2 millones de consultas a lo largo de dos años en un hospital terciario de China.
Host: Cuéntanos sobre el problema operativo de fondo. ¿Por qué se implementó esta medida?
Expert: En la gestión de servicios ambulatorios, los retrasos de los usuarios desorganizan la programación clínica. Los administradores suelen asumir que penalizar la impuntualidad facilitará el flujo global, partiendo de la idea de que si cada individuo cumple con su horario, el sistema operará de manera más eficiente. Sin embargo, rara vez se analiza cómo responden los usuarios de manera colectiva ante estas reglas digitales.
Host: ¿Qué enfoque metodológico utilizaron los autores para medir el impacto real en el hospital?
Expert: Emplearon un diseño empírico de diferencias en diferencias. Compararon departamentos clínicos donde se activó la degradación de turnos frente a aquellos que mantuvieron el sistema habitual sin penalización. Al analizar un volumen de datos tan extenso durante dos años, pudieron aislar el efecto de la regla sobre la puntualidad, los tiempos de espera y el ritmo de atención médica.
Host: Y los resultados muestran un efecto no previsto, ¿cierto? ¿Cuáles fueron los hallazgos principales del estudio?
Expert: En el plano del comportamiento individual, la política cumplió su objetivo directo: hubo una reducción estadísticamente significativa de los registros tardíos y aumentaron las llegadas a tiempo. Sin embargo, a nivel de todo el sistema, el tiempo promedio de espera ambulatoria aumentó en aproximadamente 1,14 minutos por consulta.
Host: Es decir, los pacientes llegaron más puntuales, pero esperaron más tiempo. ¿Por qué ocurrió este aumento en las demoras?
Expert: Por una concentración temporal de la demanda. Al temer la penalización de perder su turno, muchos pacientes ajustaron sus horas de llegada para registrarse dentro de un intervalo muy estrecho antes de la cita. Esto generó picos de congestión instantánea que superaron la capacidad de atención inmediata de los médicos disponibles.
Host: ¿Y esta congestión afectó a todos o únicamente a quienes llegaron sobre la hora?
Expert: Afectó a todo el flujo de pacientes. Las mayores demoras se propagaron hacia los usuarios no penalizados, produciendo incrementos estadísticamente significativos en los tiempos de espera tanto para quienes llegaron a tiempo como para quienes llegaron temprano. Además, los datos confirman que la velocidad de consulta de los médicos y el volumen total de pacientes atendidos no cambiaron; la causa del retraso fue la aglomeración simultánea de los registros. Este efecto fue significativamente más pronunciado durante las sesiones de alto volumen de pacientes.
Host: Esto tiene implicaciones directas para el diseño de procesos. ¿Qué lecciones operativas aporta este estudio a los tomadores de decisiones?
Expert: La conclusión principal es que diseñar incentivos para optimizar el comportamiento individual puede generar externalidades negativas en sistemas con capacidad fija compartida. Exigir puntualidad estricta mediante penalizaciones puede provocar una sincronización excesiva de la demanda. Para evitar estos cuellos de botella, las organizaciones deben considerar ventanas de llegada escalonadas o mecanismos dinámicos de asignación que gestionen el flujo colectivo en lugar de limitarse a castigar la desviación horaria.
Host: Una lección fundamental para entender cómo las reglas algorítmicas interactúan con el comportamiento humano colectivo. Alex, muchas gracias por compartir este análisis.
Expert: Gracias a ti, Anna.
Host: A nuestros oyentes, gracias por sintonizar A.I.S. Insights — powered by Living Knowledge. Hasta nuestro próximo episodio.
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Appointment Punctuality Policy, Congestion Externality, Outpatient Waiting Time, Queue Management, Healthcare Information Systems, Behavioral Operations