The waiting times distribution of public hospitals using a GAMLSS approach: the case of Andalusia (Spain)

• Caro Navarro, Ángela ^[1] ; Haro García, Julia de ^[2]
  1. [1] Universidad Carlos III de Madrid

     Universidad Carlos III de Madrid

     Madrid, España

     
  2. [2] Universidad de Málaga

     Universidad de Málaga

     Málaga, España

     
• Localización: Investigaciones Regionales = Journal of Regional Research, ISSN-e 2340-2717, ISSN 1695-7253, Nº. 59, 2024, págs. 167-191
• Idioma: inglés
• Títulos paralelos:
  • La distribución de los tiempos de espera de los hospitales públicos usando un enfoque GAMLSS: el caso de Andalucía (España)
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Los tiempos de espera de los pacientes se deben al desequilibrio entre la oferta disponible y la demanda existente en el sector sanitario. Superar los tiempos máximos de espera puede empeorar las enfermedades y suponer costes adicionales para los sistemas de salud públicos. Este artículo estudia la distribución de probabilidad teórica que mejor se ajusta a los tiempos medios de espera para cirugías no urgentes y primeras consultas ambulatorias en los hospitales públicos españoles de la región de Andalucía. Para ello aplicamos Modelos Aditivos Generalizados de Ubicación, Escala y Forma, que cubren una amplia gama de distribuciones de probabilidad. Proponemos los modelos finales seleccionados como una herramienta a ser considerada por las autoridades sanitarias para una mejor gestión de los tiempos/listas de espera.

  • English

    Patients’ waiting times are caused by the imbalance between the available supply and the existing demand in the health sector. Exceeding maximum waiting times may worsen diseases and entail additional costs to public health systems. This paper studies the theoretical probability distribution that best fits the average waiting times for non-urgent surgeries and first outpatient consultations for Spanish public hospitals in the region of Andalusia. For doing this we apply Generalized Additive Models for Location, Scale and Shape, which cover a wide range of probability distributions. We propose the final selected models as a tool to be considered by health authorities for a better management of waiting times/lists.