Por Dr. Paulo Gonçalves, Colaborador de ZLC y Carolina Ciprés, Directora de Investigación de ZLC.
Asegurar la entrega puntual de medicamentos vitales y otros materiales a los centros de salud de atención primaria no es sencillo ni siquiera en las economías más «avanzadas». En una región como el estado de Yobe, en el noreste de Nigeria, con grandes distancias, una infraestructura relativamente mal desarrollada o mantenida y las continuas incursiones de la insurgencia de «Boko Haram», el desafío es aún mayor.
Dado que la cadena de suministro de materiales médicos en el estado de Yobe estaba fallando, enfrentándose a múltiples y severos desabastecimientos de medicamentos esenciales y operando un solo almacén que luchaba por cumplir incluso con los requisitos mínimos para el almacenamiento de productos médicos, las autoridades médicas de Yobe buscaron asesoramiento del Centro de Recursos Africanos por la Excelencia en la Gestión de la Cadena de Suministro (ARC ESM). El ARC ESM busca mejorar la disponibilidad de medicamentos y productos sanitarios en la última milla apoyando a los Ministerios de Salud en la construcción de sistemas de cadena de suministro más eficientes, efectivos y resilientes a través de talento y experiencia sin explotar, con ámbito local y regional.
Como resultado, Yobe ha estado implementando durante el último año un modelo de trabajo diferente. Se ha creado un nuevo organismo, la Agencia Estatal de Suministro de Medicamentos y Consumibles Médicos de Yobe, o YODMA para garantizar la disponibilidad de productos básicos para el cuidado de la salud a nivel primario, incorporando capacidades de las empresas del sector privado a través de una serie de alianzas de servicios públicos y privados (PPPs) con proveedores. El nuevo sistema se lanzó en septiembre de 2020 e incluyó la firma de un memorando de entendimiento con las compañías farmacéuticas locales para garantizar el suministro constante de productos sanitarios asequibles y de calidad a YODMA para todos los centros de salud del estado y la inscripción de centros de salud primarios, secundarios y terciarios con YODMA. Este modelo continúa creciendo hasta la fecha a medida que se suman a YODMA instalaciones de salud adicionales para acceder a los productos sanitarios.
Si bien una cadena de suministro de salud centralizada y una asociación público-privada reflejan unas buenas prácticas, la evidencia de tales esfuerzos fue más cualitativa que cuantitativa. ARC ESM se acercó a ZLC en busca de ayuda, pidiendo el desarrollo de un modelo de cadena de suministro dinámico, calibrado con datos reales, que cuantificase los efectos de la iniciativa YODMA y actuase como herramienta para respaldar las futuras decisiones de política de salud pública relativas a su cadena de suministro, incluyendo la gestión de stock, aprovisionamiento, la asignación de envíos, etc. El modelo debería lograr un equilibrio entre, por un lado, rigor y precisión plenos y, por otro lado, aplicabilidad para lograr un impacto significativo de forma oportuna.
Al igual que con cualquier proyecto de este tipo, comenzamos tratando de profundizar en la comprensión y la visión de los problemas por parte de los distintos actores, mediante la recopilación y el análisis de datos existentes de los proveedores, de las compras de YODMA, del almacén central de YODMA y de los centros de salud receptores.
Esto resultó sorprendentemente difícil. El problema no era tanto que los datos no existieran (aunque eso era cierto en algunas áreas), sino que los datos se recopilaban a nivel local, utilizando diferentes formatos y definiciones, recopilándose en hojas de cálculo individuales e incompatibles. Si una parte interesada intentaba acceder a la información necesaria, eran necesarias varias interacciones con el «propietario» de los datos, eso suponiendo que se pudiese identificar. Inevitablemente, los datos no estaban disponibles o eran inexactos (debido, por ejemplo, a errores en la reclasificación), o simplemente estaban desactualizados lo que impedía obtener una visión general de la situación actual real y mucho menos observar y predecir las tendencias actuales y futuras. En el nivel más básico, el almacén podría, por ejemplo, saber qué existencias tenía disponibles, pero tener poca idea de qué reabastecimiento ya estaba en curso, la cartera de pedidos o qué existencias existían en los centros de salud de atención primaria y, por lo tanto, cuáles podrían ser sus necesidades futuras.
(Tales problemas no son de ninguna manera exclusivos de los países menos desarrollados, como ha revelado claramente el desempeño de las economías «avanzadas» durante la pandemia. La diferencia, por supuesto, es que los países más ricos pueden invertir más dinero en el problema).
A través de nuestra implicación, examinamos cómo se podrían recopilar, integrar, armonizar y visualizar mejor los datos. En casi todos los puntos encontramos problemas: identificar qué archivos de Excel existían (éste fue un proceso iterativo) y aún más complicado descubrir su contenido. Por ejemplo, el archivo de «recibos» del almacén central no estaba armonizado con la hoja de cálculo de «pedidos realizados», por lo que, si un proveedor no podía entregar en su totalidad, significaba que el almacén estaba prácticamente a ciegas. Hay muchos ejemplos de este tipo. Usando la jerga, YODMA no tenía capacidad de «torre de control». Analizamos el suministro de un medicamento en particular, Artheether, que es un tratamiento importante para la malaria resistente a la cloroquina. Inferimos, por ejemplo, que había roturas de stock frecuentes, pero que, si bien el almacén central y, por lo tanto, las adquisiciones, estaban al tanto de los desabastecimientos en su nivel, podían obtener poca o ninguna información sobre la situación «sobre el terreno».
No obstante, e informados por muchas entrevistas semiestructuradas con una amplia gama de partes interesadas, construimos un modelo de dinámica de sistemas, que creemos captura tanto los flujos físicos, los flujos de información requeridos y los tiempos de entrega tanto para la toma de decisiones como para la ejecución. (Hicimos dos suposiciones importantes que simplificaron el modelo, pero pueden no ser del todo válidas: que los fondos siempre están disponibles para pagar los materiales y que los proveedores tienen la capacidad requerida). El modelo se divide en siete áreas de actividad: recibos, inventario y envíos del almacén central de YODMA; Adquisición de YODMA y envíos resultantes de proveedores de PPP; previsión de la demanda de YODMA; La cartera de pedidos de YODMA; cumplimiento con los establecimientos de salud; pedidos de establecimientos de salud a YODMA; y el proceso de incorporación de nuevos centros de salud al sistema.
Ese último punto introduce una complicación adicional: originalmente, el plan era que el nuevo sistema comenzase con el suministro a una docena de instalaciones secundarias y terciarias, caracterizadas por relativamente pocos pedidos en cantidades relativamente grandes. En la práctica, el esquema se ha extendido rápidamente a los centros de atención primaria (46 de 150 potenciales, y sumando), que piden con mayor frecuencia en cantidades menores, y esto ha amenazado con colapsar el sistema.
Validamos nuestro modelo simulando el nuevo sistema, con una buena correlación, y también, en la medida en que los datos limitados lo permitieran, simulando cómo habrían funcionado los acuerdos anteriores, y demostramos con bastante confianza que el nuevo sistema de trabajo está mejorando la situación en términos de reducción de los retrasos en el reabastecimiento y una mejora en peticiones satisfechas. Es importante destacar que nuestras simulaciones también tienden a verificar la comprensión que obtuvimos a través de entrevistas sobre cómo se toman las decisiones en ausencia de datos completos: qué factores se ignoran, dónde se aplican heurísticas informales y quizás bastante personales. Aquí es significativo darse cuenta de que actualmente solo el 10% del inventario deseado está siendo abordado por el nuevo sistema, lo que sugiere que YODMA no tiene un proceso claro para establecer su nivel de inventario deseado. Las simulaciones también sugieren firmemente que los factores importantes de los tiempos de entrega de los proveedores de PPP y la acumulación de pedidos de YODMA se están efectivamente ignorando. Éstas son áreas de mejora.
¿Hacia dónde se dirige el estado de Yobe? En la era del big data, se podría pensar que recomendaríamos algún sistema ERP global y multimillonario de empresas como SAP. Eso no solo es poco realista sino innecesario. Se puede lograr mucho mediante la aplicación de técnicas simples y disponibles regionalmente para la captura e integración automatizada de datos: hemos creado archivos de muestra, agrupando datos que ya están disponibles de diferentes fuentes para demostrar cómo serían tales enfoques y de hecho este proceso sería necesario incluso si el objetivo final fuera un sistema ERP plenamente competente. El modelo de dinámica de sistemas también puede proporcionar información continua sobre el funcionamiento general de la cadena de suministro de salud de YODMA.
Nos reuniremos con YODMA para discutir cómo se pueden aprovechar estas oportunidades. Una buena parte se reducirá a formar a las personas sobre el terreno, no solo en cómo capturar e integrar datos, sino en cómo pueden usar el modelo de dinámica de sistemas, con la entrada de datos adecuada, para respaldar la toma de decisiones en el futuro. Existe la posibilidad de modelar, predecir y mejorar el desempeño de la cadena de suministro, no solo en su configuración actual, sino por ejemplo, para responder a una enfermedad epidémica o para apoyar una campaña de vacunación, ayudando a alcanzar los ambiciosos objetivos de salud pública del estado.
Para más información contactar a [email protected]
