104661 by UNIGIS América Latina

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Análisis geoespacial con evaluación multi-criterio en la selección de localizaciones hospitalarias en Bogotá, Colombia Geospatial analysis with multi-criteria evaluation in the selection of hospital locations in Bogotá, Colombia by/por

Marino Mauricio Mejia Rocha 01633558 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc Advisor ǀ Supervisor: Anton Eitzinger PhD

Bogotá - Colombia, octubre de 2019

COMPROMISO DE CIENCIA Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

Bogotรก, Colombia, 22 de octubre de 2019 (Lugar, Fecha)

(Firma)

ABSTRACT The process of choosing an optimal location for building a new hospital out of several possibilities within a spatially defined extent is a multi-criteria decision problem. It involves heterogeneously distributed spatial criteria with different levels of importance. To solve the problem, a spatial multi-criteria analysis is necessary to determine the optimal site for building a hospital. In the case of the city of Bogotá, the capital of Colombia, selecting the best site is a crucial decision, as its location directly impacts the policies created within the local Development Plan, specifically programs such as ‘Atención integral y eficiente en salud’ and ‘Modernización de la infraestructura física y tecnológica en salud’. This study proposes a methodology that combines spatial analysis tools with the Analytic Hierarchy Process (AHP) multi-criteria tool, which yields the accurate selection of new locations within the urban area of Bogotá that would be the most suitable to build two second-level public hospitals. The literature review revealed 14 different methods that can be used to address multicriteria evaluation problems. Furthermore, it revealed 11 criteria and 101 sub-criteria to solve the problem of selecting the optimal location for building a hospital. For the purpose of this study, three criteria and nine sub-criteria were selected. A key strength of the method used by the APH tool include its mathematical background that supports it. Another strength is that this tool also has the ability to improve the stability of the model by calculating an index based on the radius of consistency of the weighted factor. In the context of the study presented here, the index resulted relatively low for the model. Consequently, the low index demonstrates a high degree of stability in the weighted factors determined by the experts. On the other hand, this study highlighted an important weakness in the use of the AHP tool, which is the complexity that each expert undergoes while assessing the weighted factors of the criteria and sub-criteria, making the process long and exhausting. Findings show that the sub-criteria population density was the highest qualified by experts, followed by travel time and proximity to public transport infrastructure. The result shows UPZ El Rincon and Niza of Suba and UPZ Ismael Perdomo of Ciudad Bolívar are the optimal locations for building two hospitals within Bogotá. Keywords: Multi-criteria evaluation (MCE) Analytical Hierarchy Process (AHP), Geographic Information Systems (GIS), Location-allocation

RESUMEN La selección de lugares óptimos para la ubicación de un nuevo hospital dentro de una extensión espacial definida es un problema de análisis multi-criterio. Este involucra varios criterios con diferentes niveles de significancia distribuidos espacialmente de una manera heterogénea, lo que hace necesario la aplicación de herramientas multi-criterio para determinar la mejor ubicación del hospital. En el caso de la ciudad de Bogotá, la capital de Colombia, la correcta selección de esta ubicación es una decisión crucial directamente relacionada con las políticas tomadas por el Distrito y la Secretaria Distrital de Salud en su Plan de Desarrollo dentro de los programas ‘Atención integral y eficiente en salud’ y ‘Modernización de la infraestructura física y tecnológica en salud’. Este estudio propone una metodología que combina herramientas de análisis espacial y la herramienta multi-criterio llamada Proceso Analítico Jerárquico (AHP, por sus siglas en inglés), enfocada en la selección de dos lugares óptimos dentro de la zona urbana de la ciudad de Bogotá para la construcción de dos hospitales públicos de segundo nivel. En total la literatura arrojo 14 métodos diferentes para abordar este tipo de problemas de evaluación multi-criterio. A su vez reveló 11 criterios y 101 subcriterios para resolver el problema de seleccionar la ubicación óptima para construir un complejo hospitalario. Para el caso particular de este estudio se tomaron tres criterios y nueve subcriterios basado en dicha revisión. Entre las fortalezas que se evidenciaron del uso de este método se encuentra el soporte matemático que lo respalda, así como la capacidad de mejorar la consistencia del modelo a través del cálculo de radio de consistencia de las ponderaciones realizadas por cada experto. Este índice fue relativamente bajo para el modelo presentado, lo que demuestra un alto grado de estabilidad en las ponderaciones hechas por los expertos. Por otra parte, una de las debilidades del uso de AHP evidenciada fue la complejidad que puede representar para los expertos la ponderación de los criterios y subcriterios, haciendo que el proceso sea muy largo y extenuante. Como resultado el subcriterio de densidad de la población fue el mejor calificado por los expertos, seguido del tiempo de desplazamiento y la proximidad al transporte público, dando como resultado las UPZ El Rincón y Niza de la localidad de Suba e Ismael Perdomo de Ciudad Bolívar, como las áreas óptimas para la ubicación de los dos complejos en Bogotá. Palabras Claves: Evaluación Multi-criterio (EMC), Proceso de Análisis Jerárquico (AHP), Sistemas de Información Geográfica (SIG), Localización-Asignación

TABLA DE CONTENIDO Abstract .............................................................................................................................1 Resumen ............................................................................................................................2 Glosario .............................................................................................................................5 1

Introducción .............................................................................................................10 1.1

Antecedentes.....................................................................................................10

1.2

Planteamiento del Problema ..............................................................................10

1.2.1 1.3

Objetivo .............................................................................................................11

1.4

Objetivos Específicos .........................................................................................12

1.4.1

Preguntas de investigación .........................................................................11

Hipótesis .....................................................................................................12

1.5

Justificación .......................................................................................................12

1.6

Alcance ..............................................................................................................14

Marco Teórico ..........................................................................................................15 2.1

Redes de servicios de salud ................................................................................15

2.1.1

Definición ...................................................................................................15

2.1.2

Tamaño de la red ........................................................................................16

2.1.3

Tipología de las redes de servicios de salud ................................................16

2.1.4

Problemática en la integración de redes de servicios ..................................17

2.2

Funcionamiento Del Sistema de Salud En Colombia ...........................................17

2.2.1

El Sistema General de Seguridad Social en Salud (SGSSS) ............................18

2.2.2

Regímenes especiales o de excepción .........................................................18

2.2.3

Población no afiliada al Sistema de Salud ....................................................18

2.3

Red de hospitales distritales (Empresas Sociales del Estado - ESE) .....................18

2.3.1

Descripción de niveles de atención .............................................................20

2.4

Evaluación Multi-criterio ....................................................................................20

2.5

Evaluación Multi-criterio y los SIG ......................................................................22

2.5.1

Componentes de la EMC en el entorno de los SIG .......................................22

2.5.2

Organización de la EMC en matrices de evaluación .....................................23

2.5.3

Fases en la integración de métodos de EMC y SIG .......................................25

2.6 3

Revisión de la literatura .....................................................................................26

Metodología .............................................................................................................34 3.1

Contexto Territorial ...........................................................................................34

3.1.1

Localización y División Política ....................................................................34

3.1.2

Accesibilidad Geográfica .............................................................................34

3.2

Contexto Demográfico .......................................................................................36

3.3

Área Específica De Estudio .................................................................................36

3.4

Flujograma de la metodología aplicada ..............................................................38

3.5

Selección de Criterios (Factores y Limitantes) ....................................................39

3.5.1

Criterio de Accesibilidad / Transporte .........................................................42

3.5.2

Criterio de Ubicación / Condiciones del sitio y alrededores .........................42

3.5.3

Criterio de Perfil de la población / Demanda ...............................................43

3.6

Modelo jerárquico completo de los factores de análisis .....................................43

3.7

Selección De La Herramienta Multi-criterio ........................................................44

3.7.1

El Proceso de Análisis Jerárquico (AHP) De Saaty ........................................46

3.7.2

Cálculo del radio de consistencia ................................................................48

3.8

Obtención de los pesos a través de AHP del modelo jerárquico .........................49

3.9

Descripción de los datos usados para el análisis .................................................50

3.9.1

Malla vial de la ciudad.................................................................................50

3.9.2

Paraderos SITP y Transmilenio ....................................................................52

3.9.3

Instituciones Prestadoras de servicios de salud ...........................................53

3.9.4

Calidad del aire ...........................................................................................54

3.9.5

Uso del suelo ..............................................................................................55

3.9.6

Generadores de residuos industriales y sitios de disposición de residuos....56

3.9.7

Población ....................................................................................................58

3.9.8

Afiliación al régimen subsidiado ..................................................................58

3.10 Transformación de los datos ..............................................................................59 3.11 Determinación de las UPZ óptimas.....................................................................65 3.12 modelo de ubicación-asignación ........................................................................66 4

Resultados y Discusión .............................................................................................67 4.1

Resultados .........................................................................................................67

4.1.1

Modelo Jerárquico ......................................................................................67

4.1.2

Zonas óptimas encontradas ........................................................................70

4.1.3

Modelos de asignación-localización ............................................................70

4.2

Discusión ...........................................................................................................73

Conclusiones ............................................................................................................80

Referencias ..............................................................................................................82

GLOSARIO ACD: Análisis de Concordancia-Discordancia AHP: Analytical Hierarchy Process o Proceso de Jerarquía Analítica ANP: Analytical Network Process o proceso Analítico de Red API: Análisis de Punto Ideal BDI: Belief-Desire-Intention o Creencia-Deseo-Intención CAMI: Centros de Atención Médica Inmediata CAPS: Centros de Atención Primaria en Salud CI: Consistency Index o Índice de Consistencia CR: Consistency ratio o Radio de Consistencia DANE: Departamento Administrativo Nacional de Estadísticas ELECTRE: Elimination and Choice Expressing Reality EMC: Evaluación Multi-Criterio ENCV: Encuesta Nacional de Calidad de Vida EPS: Empresa Promotora de Salud EPS-C: Empresa Promotora de Salud del Contributivo EPS-S: Empresa Promotora de Salud del Subsidiado ER: Evidential Reasoning (ER) o Razonamiento Evidencial ESE: Empresas Sociales del Estado FAHP: Fuzzy Analytical Hierarchy Process o Proceso de Jerarquía Analítica Difuso FANP: Fuzzy Analytical Network Process o Proceso Analítico de Red Difuso FITradeoff: Flexible Interactive Tradeoff o Intercambio Interactivo Flexible

GP: Goal Programming (GP) o Programación por Metas HFS: Hesitant Fuzzy Sets IDECA: Infraestructura Integrada de Datos Espaciales para el Distrito Capital IPM: Índice de Pobreza Multidimensional MSPS: Ministerio de Salud y Protección Social NHS: National Health Service o Servicio Nacional de Salud OJ: Optimización Jerárquica PM10: Material Particulado mayor a 10 micras RI: Random Index o Índice Aleatorio SA: Spatial Analysis SAHP: Spatial Analytical Hierarchy Process o Proceso de Jerarquía Analítica espacial SAW: Simple Additive Weighted o Método Aditivo Ponderado Simple SGSSS: Sistema General de Seguridad Social en Salud SIG: Sistemas de Información Geográfica SITP: Sistema Integrado de Transporte Público TOPSIS: Technique for Order Preference by Similarity to Ideal Solution TRANSMILENIO: Sistema Masivo de Transporte UAECD: Unidad Administrativa Especial de Catastro Distrital UPR: Unidades de Planeamiento Rural UPZ: Unidades de Planeamiento Zonal WLC: Weighted Linear Combination

LISTA DE FIGURAS Ilustración 1: Aseguramiento en Salud en Bogotá D.C. .....................................................17 Ilustración 2: Mapa de Subredes de la red pública de hospitales de Bogotá D.C. ..............19 Ilustración 3: Sistema de integración entre SIG y EMC......................................................22 Ilustración 4: Matriz de evaluación. ..................................................................................23 Ilustración 5: Matriz de prioridades. .................................................................................24 Ilustración 6: Matriz de valoración. ..................................................................................25 Ilustración 7: Fases de un proceso de EMC en un entorno SIG..........................................26 Ilustración 8: Mapa División Político-Administrativa de Bogotá D.C..................................35 Ilustración 9: Densidad de la población de Bogotá por UPZ - 2018. ..................................37 Ilustración 10: Flujograma de la metodología aplicada .....................................................38 Ilustración 11: Investigaciones realizadas utilizando la EMC y los SIG por países. .............41 Ilustración 12: Representación del número de investigaciones (EMC-SIG) por país ..........41 Ilustración 13: Resultado de la matriz de comparación de herramienta-autor. .................45 Ilustración 14: Mapa de vías arteriales .............................................................................51 Ilustración 15: Mapa de la malla vial ................................................................................51 Ilustración 16: Mapa de paraderos del sistema integrado de transporte - SITP ................52 Ilustración 17: Mapa de paraderos del sistema masivo de transporte - TRANSMILENIO ...53 Ilustración 18: Mapa de Instituciones Prestadoras de Servicios de Salud - IPS ..................54 Ilustración 19: Mapa del promedio anual de calidad del aire (PM10) ...............................55 Ilustración 20: Mapa de uso del suelo: Predios sin construir ............................................55 Ilustración 21: Mapa de ubicación de generadores de residuos industriales ....................57 Ilustración 22: Mapa de ubicación de sitios de disposición de desechos ...........................57 Ilustración 23: Mapa de cantidad de población por UPZ ...................................................58 Ilustración 24: Mapa de porcentaje de afiliación al régimen subsidiado por UPZ..............59 Ilustración 25: Mapa del factor de vías arteriales .............................................................60 Ilustración 26: Mapa del factor de paraderos del SITP y TRANSMILENIO ..........................61 Ilustración 27: Mapa del factor de índice de densidad vial por UPZ ..................................61 Ilustración 28: Mapa de del factor de distancia a otros hospitales de segundo nivel ........62 Ilustración 29: Mapa del factor calidad del aire con base en PM10 ..................................62 Ilustración 30: Mapa del factor de uso del suelo – predios sin construir ...........................63

Ilustración 31: Mapa del factor de distancia a sitios de disposición de desechos y zonas generadoras de residuos industriales ...............................................................................63 Ilustración 32: Mapa del factor de población por unidad de planeación zonal – UPZ ........64 Ilustración 33: Mapa del factor de porcentaje de afiliación al régimen subsidiado ...........64 Ilustración 34: Mapa clasificatorio para la ubicación de hospitales de segundo nivel .......65 Ilustración 35: Mapa de zonas óptimas y muy adecuadas para la ubicación de hospitales de segundo nivel ...................................................................................................................65 Ilustración 36: Prioridad de los criterios principales .........................................................67 Ilustración 37: Prioridad de los subcriterios de accesibilidad / transporte ........................68 Ilustración 38: Prioridad de los subcriterios de ubicación y condiciones del sitio ..............68 Ilustración 39: Prioridad de los subcriterios de perfil de la población ...............................68 Ilustración 40: Modelo de AHP para criterios y subcriterios .............................................69 Ilustración 41: Comparación de los pesos entre subcriterios ............................................69 Ilustración 42: Mapa de UPZ sugeridas como óptimas para la construcción de hospitales de segundo nivel ...................................................................................................................70 Ilustración 43: Modelo de localización-asignación para la UPZ El Rincón y Niza ................71 Ilustración 44: Modelo de localización-asignación para la UPZ Ismael Perdomo ...............72

LISTA DE TABLAS Tabla 1: Red pública de hospitales de Bogotá D.C. ...........................................................19 Tabla 2: Densidad poblacional por localidad (habitantes por Ha). Bogotá, 2018 ...............36 Tabla 3: Matriz de comparación de criterios-autor ...........................................................40 Tabla 4: Criterios según cantidad de investigaciones en las que fueron utilizados ............41 Tabla 5: Subcriterios para accesibilidad / transporte hallados en la literatura ..................42 Tabla 6: Subcriterios para ubicación / condiciones del sitio y alrededores hallados en la literatura ..........................................................................................................................43 Tabla 7: Subcriterios para perfil de la población / demanda hallados en la literatura .......43 Tabla 8: Modelo Jerárquico final ......................................................................................44 Tabla 9: Matriz de comparación de herramienta-autor ....................................................44 Tabla 10: Escala de medida de Saaty ................................................................................46 Tabla 11: Expertos y usuarios participantes ......................................................................49 Tabla 12: Capas utilizadas por cada subcriterio del modelo y su geometría ......................50 Tabla 13: Escala de valores definida para las áreas de estudio .........................................59 Tabla 14: Criterios de clasificación de las capas ................................................................60 Tabla 15: Rango de valores para el indicador de consenso ...............................................67

INTRODUCCIÓN

1.1 ANTECEDENTES Hoy en día los sistemas de información geográfica (SIG), cuando se habla de prestación de servicios, tienen la capacidad de responder preguntas no solo del ¿dónde se localizan?, sino más relevante aún, ¿dónde se deberían localizar?, lo que los convierte en una poderosa herramienta para la hablar de eficiencia y equidad espacial. Una de las principales preocupaciones de la equidad espacial y que está estrechamente relacionada con los SIG, es la accesibilidad. Esta puede verse afectada por temas como el transporte, la distancia, el tiempo y los costos, pero a la vez por características sociodemográficas de la población. La sinergia entre los SIG y la evaluación multi-criterio (EMC) surge de la necesidad de solventar las carencias analíticas de los SIG y permite apoyar la decisión de las mejores localizaciones dentro de una variedad de posibilidades. La localización de dos complejos hospitalarios de segundo nivel de atención en la ciudad de Bogotá (Colombia), mediante la utilización de ambas técnicas, tiene como finalidad la disminución de los niveles de inequidad en el acceso a los servicios de salud, alineándose así con el Plan de Desarrollo ‘Bogotá mejor para todos 2016-2020’. A la vez, busca servir de referente tanto a la administración distrital y el ministerio de salud y la protección social, como para futuras investigaciones que requieran abordar esta problemática.

1.2 PLANTEAMIENTO DEL PROBLEMA Uno de los principales desafíos que afronta el actual Sistema General de Seguridad Social en Salud (SGSSS) en Colombia es el acceso a los servicios médicos (Vargas, Vázquez, y Mogollón, 2010). Lo anterior se debe a que a pesar del aumento en la cobertura del aseguramiento del 56,9% al 90,8% registrado entre 1997 y 2012 (Restrepo, Zambrano, Vélez, y Ramírez, 2007), el acceso a los servicios de salud en Colombia, entendido como el porcentaje de personas que utilizó los servicios médicos al momento de necesitarlos, disminuyó en el mismo período al pasar de 79,1% a 75,5%, de acuerdo con datos de la Encuesta Nacional de Calidad de Vida - ENCV (Ayala, 2014).

Bogotá no es ajeno al panorama nacional, pues según el informe de rendición de cuentas de la Secretaría Distrital de Salud de Bogotá (2016a), el sistema de salud en la capital presenta problemas estructurales como resultado de la desarticulación entre los diferentes actores, que afecta la prestación del servicio en dos puntos claves como son las barreras de acceso y la calidad. Dentro de las principales barreras de acceso que afectan directamente la prestación del servicio y contribuyen a que se presente una mayor inequidad espacial se encuentran: (a) la distancia que separa a la población de los servicios de salud, conocida como la dimensión geográfica o espacial, (b) el tiempo de desplazamiento o dimensión temporal y (c) los costos de transporte público o dimensión económica (Ramírez, 2014). Estas dimensiones a su vez son permeadas por características de la población como los ingresos, la ocupación, el sexo y la edad (Cromley y McLafferty, 2002).

1.2.1 PREGUNTAS DE INVESTIGACIÓN En aras de contribuir en el desarrollo de soluciones a esta problemática se plantea la siguiente pregunta de investigación: Basados en evaluación multi-criterio y modelos de localización-asignación, ¿cuáles podrían ser las localizaciones para la construcción de dos centros hospitalarios de segundo nivel de atención que ayuden en la disminución de la inequidad espacial en el acceso a los servicios de salud en la ciudad de Bogotá, Colombia? Otras preguntas que se esperan contestar con la investigación son: ¿Según la literatura, cuáles son los criterios determinantes para la identificación de sitios potenciales para la construcción de hospitales? ¿Cuál es la técnica de evaluación multi-criterio más conveniente en la obtención de sitios adecuados para la localización de una instalación hospitalaria?

1.3 OBJETIVO Identificar los sitios potenciales para la localización de centros hospitalarios de segundo nivel en la zona urbana de la ciudad de Bogotá, Colombia.

1.4 OBJETIVOS ESPECÍFICOS -

Identificar, evaluar, normalizar y ponderar los criterios para la identificación de sitios potenciales de acuerdo con la literatura y validación de expertos.

Comparar mediante revisión bibliográfica, diferentes métodos de evaluación multicriterio y seleccionar el más apropiado para la obtención de áreas adecuadas para la localización de instalaciones hospitalarias según los criterios definidos.

Definir dos posibles áreas candidatas en la zona de estudio para la construcción de centros hospitalarios de segundo nivel de atención, usando las ponderaciones obtenidas y el método seleccionado.

Seleccionar los sitios óptimos dentro de las dos áreas resultantes como adecuadas con modelos de ubicación-asignación.

1.4.1 HIPÓTESIS La unión de técnicas de evaluación multi-criterio y modelos de análisis espacial permite la identificación de sitios óptimos para la localización de hospitales de segundo nivel de atención, en la zona urbana de la ciudad de Bogotá, Colombia.

1.5 JUSTIFICACIÓN Dado que la calidad de vida de la población depende de la adecuación de la posición en el territorio de diversos componentes de la vida social (Basoa Rivas y Otero Puime, 1994), la correcta localización de los centros de atención en salud merece un análisis cuidadoso y detallado. Según Escalona Orcao y Diaz Comargo (2003), la distribución espacial de las instalaciones sanitarias se convierte en un componente crítico, cuyo conocimiento da un marco de referencia que permite cuantificar el nivel de accesibilidad de las poblaciones a la atención, y de este modo idear esquemas de distribución espacial para determinados servicios. Los recientes avances de los SIG han permitido la realización de análisis y modelación de medidas de accesibilidad que, para Brabyn y Skelly (2002) y Christie y Fone (2003), son útiles en la focalización de políticas de desarrollo en las áreas geográficas con baja provisión de servicios, o con evidentes niveles de inequidad.

La integración de técnicas de EMC con los SIG son un claro ejemplo de avance en esta área. Para Buzai (2015): “la EMC es uno de los procedimientos de mayor importancia cuando la tecnología SIG es utilizada como herramienta para la toma de decisiones locacionales en el análisis socioespacial” (p.141). Para Aday y Andersen (1981) cuando se habla de acceso, se hace referencia a un concepto multidimensional que describe la capacidad de las personas de utilizar los servicios de salud cuándo y dónde son requeridos. Una de las dimensiones más importantes es la accesibilidad, a la que los SIG necesariamente hacen referencia a través de concepto de equidad espacial, ya que describe las barreras geográficas, incluyendo distancia, transporte, tiempo de viaje y costo que afectan en mayor o menor facilidad el acceso a la prestación del servicio (Penchansky y Thomas, 1981). Pensando en estas barreras, la administración distrital planteó los programas de ‘Atención integral y eficiente en salud’ y ‘Modernización de la infraestructura física y tecnológica en salud’ dentro del primer pilar ‘Igualdad de Calidad de Vida’ del Plan de Desarrollo ‘Bogotá mejor para todos 2016-2020’, que buscan disminuir la brechas en el acceso a los servicios de salud (Secretaría Distrital de Salud de Bogotá, 2016a). Estos dos programas apuntan al nuevo modelo de prestación de servicios de salud, que busca el fortalecimiento del sistema a través de la construcción de 40 centros de atención primaria en salud (CAPS) y cinco hospitales, para reducir la congestión de los servicios de urgencias que para el 2015 presentaban un porcentaje de ocupación del 250% (Secretaría Distrital de Salud de Bogotá, 2016a). Siguiendo este panorama, tanto la propuesta metodológica descrita en esta tesis sobre la determinación de lugares óptimos para la construcción de hospitales, así como los resultados obtenidos después de su desarrollo y aplicación, podrán ser de ayuda para la administración distrital en la toma de decisiones con respecto a la localización de los nuevos hospitales, contribuyendo a cerrar las barreras de acceso a los sistemas de salud en la capital del país.

1.6 ALCANCE Como se comentó en el numeral anterior, el nuevo modelo de atención en salud propuesto por la administración distrital contempla la construcción de 5 nuevos hospitales en la ciudad de Bogotá en su zona urbana. Conscientes de la importancia que tiene identificar los lugares óptimos de construcción de estos hospitales, esta investigación presenta una metodología para dicho fin y además proponer la ubicación exacta de dos sitios óptimos para la construcción de hospitales de segundo nivel de atención. La investigación se apoya con información secundaria de instituciones oficiales de la ciudad de Bogotá, como son el portal de Infraestructura Integrada de Datos Espaciales para el Distrito Capital (IDECA), la Unidad Administrativa Especial de Catastro Distrital (UAECD), la Secretaria Distrital de Ambiente, la Secretaría Distrital de Planeación y el Departamento Administrativo Nacional de Estadística (DANE), que reúne variables demográficas y socioeconómicas de la población por localidad y Unidades de Planeamiento Zonal (UPZ). Los datos que se utilizarán en los análisis tienen una escala de 1:2000 y se encuentran en el sistema de referencia MAGNA-SIRGAS. La información corresponde a los años 2017 y 2018 y se encuentran en una representación espacial tipo vector. Se espera que la presente investigación sea de ayuda para la administración distrital en la toma de decisiones, contribuyendo a cerrar las barreras de acceso a los sistemas de salud en la capital del país y, por otro lado, que la metodología pueda ser adoptada por diferentes actores en otros escenarios relacionados con la prestación de servicios en salud en todo el territorio nacional.

MARCO TEÓRICO

2.1 REDES DE SERVICIOS DE SALUD 2.1.1 DEFINICIÓN Son muchos los autores que han discutido e intentado dar una definición sobre redes de servicio en salud, sin embargo, no se ha llegado a un consenso debido a la falta de definición sobre su alcance. Partiendo de declaraciones realizadas por Provan y Milward (2001), Morales Eraso (2011) define la palabra red como: “conjunto de programas y servicios que cooperan entre sí, a través de acciones y actores que buscan favorecer la alineación de intereses para el logro de un objetivo en común, que beneficie no solamente a las instituciones, sino también a sus usuarios” (p.6). Con esta definición es claro que en la red deben participar todos los aquellos miembros que forman parte del sistema de salud, es decir, el Estado, los aseguradores, los prestadores de servicios de salud y los usuarios. La primera definición que se conoce de redes de servicios en salud fue la propuesta por Gillies, Shortell, Anderson, Mitchell y Morgan (1993) que la definen como: “conjunto de organizaciones que proveen y disponen una serie de servicios continuos coordinados a una población definida y están dispuestas a rendir cuentas de los resultados clínicos y fiscales, así como del estado de salud de la población atendida” (p.478). A través de esta definición toma relevancia la propuesta de organizaciones que ayuden a coordinar esta prestación de servicios y donde Vázquez, Vargas, Calpe y Terraza (2005) introducen dos conceptos claves dentro de una red de servicios de salud. El primero es la integración horizontal, que es cuando la relación que se da entre las instituciones dedicadas a la prestación de servicios está a un mismo nivel de atención, y el segundo concepto es la integración vertical, que es cuando hablamos de diferentes niveles de atención. Para Morales Eraso (2011), la integración de los servicios de asistencia sanitaria debe incluir de manera articulada entre la gestión administrativa, asistencial y de comunicación los siguientes actores que brinden un mayor y mejor aseguramiento a los usuarios: 

Centros, programas o planes para el cuidado de la salud



Prácticas del grupo médico



Farmacias



Hospitales



Servicios de atención subaguda y crónica



Servicios profesionales



Servicios de rehabilitación



Centros quirúrgicos, o de bienestar y educación en salud

Por su parte, la Organización Panamericana de la Salud (2010) definió las redes integradas de servicios de salud como “la gestión y prestación de servicios de salud de forma tal que las personas reciban un continuo de servicios de promoción, prevención, diagnóstico, tratamiento, gestión de enfermedades, rehabilitación y cuidados paliativos, a través de los diferentes niveles y sitios de atención del sistema de salud, y de acuerdo a sus necesidades a lo largo del curso de vida” (p.29). Dicha definición está articulada con las presentadas con anterioridad.

2.1.2 TAMAÑO DE LA RED Para Vázquez et al. (2005), cuando se habla del tamaño de la red se deben tener en cuenta dos conceptos claves, el primero se define como la amplitud y es el número de diferentes tipos de servicios que se ofrecen a los usuarios de la red a través de un continuo asistencial en ella. El segundo concepto hace referencia a la profundidad donde se entiende como el número de diferentes unidades que posee la red para proveer una determinada función o servicio que se oferta al usuario.

2.1.3 TIPOLOGÍA DE LAS REDES DE SERVICIOS DE SALUD Es importante entender que la conformación de las redes se puede dar de manera real cuando la gobernanza es directa, es decir cuando la conformación de la red es propia, o puede ser virtual, cuando se requiere de un contrato para la garantía de la prestación de los servicios, es decir la gobernanza es indirecta (Morales Eraso, 2011). En este caso podemos observar que lo que se busca es una mejor prestación y accesibilidad a los servicios de salud para la comunidad.

2.1.4 PROBLEMÁTICA EN LA INTEGRACIÓN DE REDES DE SERVICIOS El principal problema planteado por Montenegro (2009) frente a la integración de las redes de servicios, es la segmentación de los servicios de salud en diferentes instituciones y lugares, a la persistencia de modelos de atención centrados en la enfermedad y a la disociación entre los servicios de salud pública y los servicios de atención de asistencia y rehabilitación. Del mismo modo para Morales Eraso (2011), este problema es el resultado de la falta de coordinación entre las instituciones que conforman el modelo de atención en la que se encuentra organizado el sistema de salud tanto para la atención básica como la atención especializada.

2.2 FUNCIONAMIENTO DEL SISTEMA DE SALUD EN COLOMBIA Según la Secretaría Distrital de Salud de Bogotá (2016b), en Colombia dependiendo de la condición de aseguramiento, se puede acceder a los servicios de salud a través de la afiliación al Sistema General de Seguridad Social en Salud y a través de regímenes especiales o de excepción (ilustración 1). Para aquellos que no se encuentran afiliados y no tiene capacidad de pago, reciben los servicios de salud en la red pública distrital para el caso de los residentes en Bogotá D.C.

SGSSS

•Contributivo •Subsidiado

•Fuerzas Armadas Regimen •Magisterio Especial •Ecopetrol

No afiliado

•Servicios de la red pública distrital

Ilustración 1: Aseguramiento en Salud en Bogotá D.C. Fuente: Elaboración propia

2.2.1 EL SISTEMA GENERAL DE SEGURIDAD SOCIAL EN SALUD (SGSSS) El Sistema General de Seguridad Social en Salud (SGSSS) se compone de dos regímenes (Secretaría Distrital de Salud de Bogotá, 2016b): 

Régimen contributivo. o Trabajadores dependientes (con contrato de trabajo a término definido e indefinido), o Trabajadores Independientes con capacidad de pago y pensionados; o Cotizantes y beneficiarios, afiliados a una Empresa Promotora de Salud del Contributivo (EPS-C).



Régimen subsidiado. o Personas sin capacidad de pago, quienes reciben servicios de salud financiados por el Estado, o Afiliados a una Empresa Promotora de Salud del Subsidiado (EPS-S).

2.2.2 REGÍMENES ESPECIALES O DE EXCEPCIÓN Estos se encuentran excluidos del SGSSS y se financian con otros recursos. A ellos pertenecen los servidores de las Fuerzas Armadas, los del Magisterio, los de Ecopetrol, entre otros (Secretaría Distrital de Salud de Bogotá, 2016b).

2.2.3 POBLACIÓN NO AFILIADA AL SISTEMA DE SALUD La población no afiliada a una EPS y sin capacidad de pago recibe servicios de salud en la red pública distrital. Acorde a la normatividad vigente, la Secretaria Distrital de Salud de Bogotá subsidia un porcentaje de las atenciones en salud conforme al nivel de SISBEN que tenga la persona (Secretaría Distrital de Salud de Bogotá, 2016b).

2.3 RED DE HOSPITALES DISTRITALES (EMPRESAS SOCIALES DEL ESTADO - ESE) Según la Secretaría Distrital de Salud de Bogotá (2016b): “La red pública de hospitales del Distrito Capital está conformada por 9 hospitales de primer nivel de atención, 8 de segundo nivel y 5 de tercer nivel, que cubren todas las localidades de la ciudad y se asocian a 4 Subredes (Norte, Sur, Sur Occidente y Centro Oriente)” (p.3). En la ilustración 2 se muestran

las subredes y 21 hospitales de la zona urbana de Bogotá de los 22 existentes. La tabla 1 describe todos los hospitales con su nivel de atención.

Ilustración 2: Mapa de Subredes de la red pública de hospitales de Bogotá D.C. Capas obtenidas de IDECA (2018a)

Según la Secretaría Distrital de Salud de Bogotá (2016b): En su organización se contempló en cada una de las zonas, como mínimo la disponibilidad de un hospital de tercer nivel de atención (alta complejidad) y uno de segundo nivel (mediana complejidad), que sirven como centros de referencia para la asistencia especializada y complementaria de la población que es captada, atendida y controlada en el nivel primario de atención (baja complejidad), haciendo de esta forma presencia con las 22 ESE y todos sus puntos de atención en las 20 localidades del Distrito Capital (p.4) Tabla 1: Red pública de hospitales de Bogotá D.C.

Subred Norte

Centro oriente

Sur occidente

Sur

Nivel

Ese/hospital

Primer nivel

Chapinero, Usaquen

Segundo nivel Tercer nivel

Engativá (*), Suba (*) Simón bolívar

Primer nivel

Rafael Uribe, San Cristóbal

Segundo nivel Tercer nivel

Centro oriente (*), San Blas La victoria, Santa clara

Primer nivel

Del sur, Pablo VI bosa

Segundo nivel Tercer nivel

Bosa, Fontibón (*) Occidente de Kennedy

Primer nivel

Nazareth, Usme, Vista hermosa

Segundo nivel Tercer nivel

Meissen, Tunjuelito (*) El tunal

Fuente: Secretaría Distrital de Salud de Bogotá (2016b)(*) Presta servicios de 1 y 2 nivel

2.3.1 DESCRIPCIÓN DE NIVELES DE ATENCIÓN Según el Acuerdo 20, 1990, art.6, la organización operativa del sistema de salud está constituida por tres niveles de atención. El primer nivel se caracteriza por la atención básica prestada por puestos y centros de salud y hospitales locales que cuentan con servicios de consulta externa, odontología, urgencias y hospitalización bajo la atención de médicos generales y los Centros de Atención Médica Inmediata o CAMI 1. El Segundo Nivel presta atención intermedia por médicos generales y cuenta con especialidades básicas de: medicina interna, cirugía ginecoobstetricia, pediatría, psiquiatría, anestesiología, línea de trauma y fisiatría, así como la atención de partos de bajo y mediano riesgo, urgencias, consulta externa, odontología, cirugía ambulatoria y hospitalización, los cuales serán prestados por hospitales de este nivel y los CAMI 2. Finalmente, el tercer nivel se caracteriza por una atención de alta complejidad brindada por médicos y odontólogos generales, especialistas básicos y subespecialistas. Se incluyen especialidades tales como neurocirugía, cirugía vascular, neumología, nefrología, dermatología, etc.

2.4 EVALUACIÓN MULTI-CRITERIO La evaluación multi-criterio (EMC) ha sido definida por Gómez y Barredo (2006), como un conjunto de técnicas orientadas a asistir en los procesos de toma de decisiones y aunque sus orígenes se remontan a los años 70, las primeras bases conceptuales de esta herramienta en el ámbito SIG, solo surgieron 20 años después con los primeros aportes de Eastman, Kyem, Toledano y Jin (1993), Barredo (1996) y Malczewski (1999). Existen diferentes métodos o técnicas de EMC que se diferencian principalmente en el tratamiento matemático que se le quiera dar a los criterios que permiten obtener una evaluación final de las alternativas. Desde métodos simples como el de Sumatoria Lineal Ponderada hasta métodos complejos como el Análisis de Punto Ideal (API), el Análisis de Concordancia-Discordancia (ACD), el método de optimización Jerárquica (OJ), la programación lineal, técnicas de lógica borrosa, entre otros, conforman un abanico de posibilidades cuya elección dependerá del tipo de evaluación, los tipos de datos a

considerar, las características de los objetivos, así como el punto de vista del centro decisor (Gómez y Barredo, 2006). La EMC está situada en el ámbito de la teoría de la decisión, ya bien sea orientada en una dirección positiva (descriptiva) o normativa (prescriptiva). La primera basa su enfoque “en la elaboración de una serie de construcciones teóricas y articulaciones lógicas que pretenden explicar y predecir el comportamiento de los agentes decisores reales” (Romero, 1993). En otras palabras, para Eastman et al. (1993), se centra en especificar las razones por las cuales las decisiones son tomadas de una manera determinada. Cuando se habla del enfoque normativo “comienza por definir la racionalidad de los agentes económicos en base a una serie de supuestos justificables intuitivamente, seguidamente se realizan una serie de operaciones lógicas para deducir el comportamiento óptimo de los agentes decisores como aquel que es compatible con la racionalidad previamente establecida” (Romero, 1993, p.13). Para Barredo (1996), la diferencia entre ambos enfoques es notoria, mientras el positivista intenta esclarecer el cómo son, el normativo plantea el establecimiento del cómo deben ser, es decir, cómo deben comportarse los centros decisores. Desde esta mirada se puede inferir que, para hablar de SIG en el entorno de la EMC, el enfoque normativo es el apropiado. En la década de los setenta surge el paradigma decisional multi-criterio que supuso una revolución en el campo de la teoría de la decisión (Romero, 1993), pues se entran a plantear modelos mucho más reales, donde el centro decisor debe evaluar varios criterios e incluso varios objetivos y para complejizar más las cosas, dichos objetivos a la vez, pueden ser conflictivos (Gómez y Barredo, 2006). Dentro del planteamiento decisional multi-criterio se ha ido abriendo campo la integración son los SIG, lo que ha permitido llevar a cabo procedimientos simultáneos de análisis en los dos componentes del dato geográfico, el espacial y el temático, lo que permite proveer soluciones a problemas espaciales complejos (Gómez y Barredo, 2006).

2.5 EVALUACIÓN MULTI-CRITERIO Y LOS SIG 2.5.1 COMPONENTES DE LA EMC EN EL ENTORNO DE LOS SIG En la Ilustración 3, Gómez y Barredo (2006) exponen lo que consideran un sistema de integración entre SIG y EMC, basados en los antecedentes aportados por Eastman et al. (1993), el mismo Barredo (1996) y Malczewski (1999) sobre las bases conceptuales de la EMC en el entorno SIG. LEYENDA

CAPAS TEMÁTICAS

PUNTUACIÓN DE CRITERIOS

DATOS ESPACIALES JUICIOS DE VALOR CONJUNTOS DE PROCEDIMIENTOS

FACTORES CRITERIOS LIMITANTES

LIMITANTES

CAPA CRITERIO 1

CAPA CRITERIO 2

CAPA CRITERIO n

SUPERPOSICIÓN

OBJETIVO

ESTRUCTURACIÓN

REGLAS DE DECISIÓN

EVALUACIÓN

MODELO DE SELECCIÓN

PROCEDIMIENTOS

FUNCION DE SELECCIÓN

FUNCIÓN HEURÍSTICA

Ilustración 3: Sistema de integración entre SIG y EMC. Fuente: Gómez y Barredo (2006)

Para Buzai (2015), el análisis de evaluación multi-criterio inicia con un conjunto de información básica compuesta por variables en formato de layers (capas), que ingresaran a la solución como criterios para permitir la realización de los procesos de evaluación. Estos criterios pueden ser de dos tipos: factores o limitantes (restricciones). Los primeros son aquellos layers que presentan valores continuos de aptitud en cada variable para asignar

el uso del suelo que se intenta ubicar. Los segundos son los layers temáticos que actúan con la finalidad de confinar los resultados en un sector delimitado del área de estudio. Una vez seleccionadas las variables, se definen los tratamientos que permitirán generar los factores y los limitantes y la consideración de diferentes formas de combinación permitirán la búsqueda de resultados. Las formas de vinculación se denominan reglas de decisión y su proceso de aplicación se conoce como evaluación (Buzai, 2015). La regla de decisión puede realizar a priori dos tipos de procedimientos como se puede ver en la Ilustración 3, la función de selección y la selección heurística. El primer procedimiento intenta clasificar las alternativas en función de una característica medible, mientras que el segundo persigue obtener una selección de solo algunas alternativas del conjunto global de éstas. Una vez que la regla de decisión ha sido estructurada y aplicada sobre las capascriterio (evaluación) tendrá lugar el modelo de decisión (Gómez y Barredo, 2006).

2.5.2 ORGANIZACIÓN DE LA EMC EN MATRICES DE EVALUACIÓN La mejor organización para representar la relación de criterios y alternativas es una matriz. ALTERNATIVAS (i) 1

CRITERIOS (j)

2 3 .

PUNTUACIONES DE CRITERIOS (Xij)

. J Ilustración 4: Matriz de evaluación. Fuente: Gómez y Barredo (2006)

A ésta se le conoce como matriz de evaluación (Ilustración 4) en la cual en la columna principal se pueden ubicar los criterios (j) y en la fila principal las alternativas (i). Los valores internos son llamados puntuaciones de criterios (Xij), que representan el valor o nivel de adecuación que ha obtenido cada alternativa en función de cada criterio y es a partir de aquí que los distintos métodos de EMC basan su funcionamiento específico para lograr la evaluación de las alternativas (Gómez y Barredo, 2006).

En la creación de la matriz es en el centro decisor o el equipo planificador en quienes recae la responsabilidad de la asignación de valores cuantitativos a las alternativas para las categorías correspondientes a cada criterio según una serie de referencias previas, ya que es en estos valores, que los distintos métodos de EMC basan su funcionamiento para lograr la evaluación de las alternativas (Gómez y Barredo, 2006). Otro aspecto para considerar es si los criterios seleccionados tienen distinta relevancia o jerarquía frente a la evaluación a desarrollar, de ser así, se requiere asignar un valor específico a cada criterio de acuerdo con su nivel de importancia relativa. Este valor se conoce como peso o ponderación (Wj) cuando se expresa cuantitativamente y jerarquía cuando se representa cualitativa u ordinalmente (Voogd, 1983). Una vez se han asignado los pesos a los criterios estos dan lugar a una nueva matriz, la de prioridades (Ilustración 5).

CRITERIOS (j) 1

PUNTOS DE VISTA (v)

1 2 3

PESOS (WJ)

. . V

Ilustración 5: Matriz de prioridades. Fuente: Gómez y Barredo (2006)

Una vez se han construido las matrices de evaluación y prioridades y a través de la aplicación de algún procedimiento de EMC (Sumatoria Lineal Ponderada, Índice de Concordancia Generalizado, Análisis de Punto Ideal, etc.) se obtiene la matriz de valoración (Ilustración 6) donde cada alternativa a obtenido un valor, según cada uno de los puntos de vista planteados (Gómez y Barredo, 2006).

ALTERNATIVAS (i) 1

PUNTOS DE VISTA (v)

1 2 3

VALORES (rI)

. . V

Ilustración 6: Matriz de valoración. Fuente: Gómez y Barredo (2006)

2.5.3 FASES EN LA INTEGRACIÓN DE MÉTODOS DE EMC Y SIG Este tipo de modelos y su aplicación siguen un modelo racional de toma de decisiones que Gómez y Barredo (2006) agrupan en cinco grandes fases: 1. Definición del problema: Para la definición se parte de un estado actual y un estado deseado y la diferencia que se encuentre entre ambos se formula como un problema de decisión. 2. Búsqueda de alternativas: Se plantean alternativas o potenciales soluciones al problema y se establecen los criterios mediante los cuales se evaluarán dichas alternativas. 3. Evaluación de alternativas: Se calcula el nivel de adecuación e impacto para cada alternativa según el punto anterior. 4. Selección de alternativas: Se ordenan las alternativas de la más deseable a la menos deseable y se realiza la selección final. 5. Análisis de Sensibilidad: Se realizan modificaciones sobre los componentes del modelo para comprobar que tan estable es el proceso y como se altera el resultado final con estas alteraciones. A partir de las fases propuestas primeramente por Barba-Romero y Pomerol (1997) y Malczewski (1999), Gómez y Barredo (2006) plantean las siguientes fases y subfases de aplicación, como se muestran en la en la Ilustración 7:

Definición del problema

Fase Inteligente

- Un objetivo - Varios objetivos - Conflictivos - Complementarios

Comprensión y aceptación del contexto de la decisión y del estudio. Acuerdo respeto a la problemática.

Generación de las alternativas. Modelación de los criterios Puntuación de las categorías de los criterios Normalización

Fase de Diseño

Pesos de los criterios Discusión y aceptación de los modelos: Elaboración de la matriz de decisión

Selección del/los métodos de evaluación

Fase de Selección

Selección de alternativas

Análisis de sensibilidad

Recomendaciones y explicación de los resultados

Ilustración 7: Fases de un proceso de EMC en un entorno SIG. Fuente: Barredo (1996) a partir de Barba-Romero y Pomerol (1997) y Malczewski (1999)

2.6 REVISIÓN DE LA LITERATURA La aplicación de la EMC en la localización de sitios ha venido siendo utilizada en diversos escenarios como por ejemplo en el ordenamiento territorial (Mena, Gajardo, y Ormazábal, 2006; Palma Herrera, 2015), la ubicación de vertederos (Gorsevski, Donevska, Mitrovski, y Frizado, 2012; Demesouka, Vavatsikos, y Anagnostopoulos, 2013), la ubicación de sitios industriales (Rikalovic, Cosic, y Lazarevic, 2014), uso del suelo (Da Silva y Cardozo, 2015), la

localización de depósitos internos para residuos sólidos hospitalarios (ManyomaVelásquez, Pardo-Colorado, y Torres-Hozada, 2013), localización de multiples instalaciones (Datta, 2012), ubicación de instalaciones para la industria alimentaria (Özdağoğlu, 2012), entre muchos otros. En el campo especifico de la localización de hospitales usando EMC y SIG, Dehe y Bamford (2015) y Eldemir y Onden (2016) coinciden en que no es un campo muy desarrollado. Las investigaciones realizadas en esta área han arrojado resultados interesantes y se han explorado varias técnicas de EMC y SIG. Entre las técnicas mayormente utilizadas se destacan el Proceso de jerarquía analítica o Analytical Hierarchy Process (AHP), Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), y la técnica borrosa Fuzzy Analytical Hierarchy Process (FAHP). En menos medida se encuentran técnicas como el proceso analítico de red o Analytical Network Process (ANP), el Razonamiento Evidencial o Evidential Reasoning (ER), el modelo basado en agentes de creencia-deseo-intención o Belief-Desire-Intention (BDI) Agent-based model, la programación por metas o Goal Programming (GP), Elimination and Choice Expressing Reality (ELECTRE por la sigla en frances de Elimination Et Choix Traduisant la Realité), las técnicas borrosas combinadas fuzzy Analytical Network Process (FANP) y fuzzy TOPSIS, el método aditivo ponderado simple o Simple Additive Weighted (SAW) y el intercambio interactivo flexible o Flexible Interactive Tradeoff (FITradeoff). Las investigaciones encontradas se describen a continuación. Dehe y Bamford (2015) proponen una EMC basada en siete criterios (medio ambiente y seguridad, tamaño, costo total, accesibilidad, diseño, riesgos y perfil de población) y 28 subcriterios. La estructura y jerarquía del modelo se desarrolló en colaboración con el Servicio Nacional de Salud (NHS por sus siglas en ingles) en el Reino Unido. La organización estableció prioridades particulares como, por ejemplo, la reducción de las desigualdades en salud, la mejora de la calidad clínica y la seguridad, así como el aumento de la experiencia del paciente a través de mejorar la eficiencia y la eficacia de las actuaciones. En la investigación se comparan los resultados obtenidos entre el método ER y el AHP, llegando a la conclusión que lo mejor es una sinergia entre los dos, ya que la diferencia de los resultados obtenidos por ambos, fueron estadísticamente significativos.

Por su parte, Eldemir y Onden (2016) utilizan una combinación entre el AHP y análisis espacial, usando tres criterios (competencia, accesibilidad y medio ambiente) y 12 subcriterios. Se seleccionó como área de estudio la región de Anatolia de Estambul, Turquía, debido a la alta demanda de atención médica en esa región especialmente en las ciudades de Uskudar, Kadikoy y Maltepe. El estudio concluyó que ambas técnicas se complementan para lograr su objetivo cuya metodología se dividió en cuatro fases. En la primera y segunda fase utilizando el análisis espacial, se obtuvieron 12 sitios candidatos posibles que lograron ser reducidos a dos mediante la utilización de AHP en combinación con el análisis espacial en la tercera fase. En la fase final se realizó un análisis de sensibilidad, en donde una alternativa funcionó mejor que la otra y fue recomendada como la mejor ubicación para la instalación. Otro estudio que utilizó AHP como parte de la solución para ubicar la mejor instalación de un hospital, fue el realizado por Chatterjee y Mukherjee (2013a). Este estudio tiene en consideración tres criterios (costos, características de la población y localización) y 11 subcriterios y su área de estudio fue la subdivisión de Durgapur, distrito de Burdwan, Bengala Occidental, India. Como resultados destacados de esta investigación, se obtuvo que el costo del tiempo de viaje y la densidad poblacional fueron los actores con mayor puntaje. De manera similar, Busief y Shouman (2012) realizaron un estudio sobre los criterios de selección para determinar la mejor ubicación de sitios hospitalarios utilizando AHP y evaluación de análisis estadístico en la ciudad de Benghazi en Libia, específicamente en los distritos de Geliana, Budezeera y Bufakhra propuestos por los especialistas. La investigación trabaja con nueve criterios y 32 sub-criterios, así como tambien cuenta con la participación de especialistas en este tema. El estudio arrojó que los criterios con mayores puntajes fueron la accesibilidad a la red de carreteras y helicoptero, trafico en la ciudad y capacidad de expansión. Jing-Er y Hang-Hao (2013) también utilizan AHP en su investigación basándose en cinco criterios (demanda de servicios, costos de construcción, transporte, apoyo sectorial y desarrollo futuro) y 12 subcriterios. El estudio se realizó en la ciudad de Yunlin en Taiwán y

buscaba a través del uso de AHP seleccionar entre los complejos hospitalarios existentes, el más adecuado para realizar una expansión. En consonancia con los estudios anteriores, Jalaliyoon, Arastoo y Pirouti (2015) presentan un estudio utilizando AHP con una estructura jerárquica de cuatro criterios y 14 subcriterios basados en los criterios de estudios anteriores y con la ayuda de expertos que validaron el modelo. Uno de los estudios en los que se basó, fue el realizado por Cheng-Ru, Chin-Tsai y Huang-Chu (2007), que implementó un modelo de evaluación basado en AHP para elegir el sitio óptimo para un hospital taiwanés. En su estudio, se adoptaron seis criterios que incluían, factores condicionantes, demandadas, estrategia corporativa, industrias de apoyo relacionadas, gobierno y oportunidad. Salehi, Rajabi, Naghavi, Roshan y Jamal (2016) apropian el método AHP como parte de la solución a su estudio, cuyo propósito es ubicar el hospital municipal en el sur de Teherán, en Irán. Tiene en cuenta nueve criterios a partir de la revisión de bibliografía para verificar si los actuales hospitales se encontraban en sitios óptimos para la demanda actual. Se pudo comprobar la necesidad de la creación de un complejo hospitalario que cumpliera con la mayoría de criterios posibles ya que los hospitales existentes no lo hacian. Después de los análisis se determinaron cinco posibles locaciones para el hospital. El método AHP también es utilizado por Ahmed, Mahmoud y Aly (2016) en cuyo estudio utilizan tres criterios (factores ambientales, factores urbanos y factores económicos) y siete subcriterios. El estudio arrojó como resultado, no solo la selección de sitios óptimos sino a su vez sitios de respaldo para la localización de un hospital en Aswan, Egipto y el factor con mayor peso fue el económico. Por su parte, Buzai (2015) propone en su libro, la determinación de sitios óptimos para la ubicación de Centros de Atención Primaria en Salud (CAPS) en la ciudad de Lujan en Buenos Aires. Para ello utiliza el método booleano simple para la clasificación de las capas y técnicas fuzzy y técnicas de combinación lineal ponderada para la evaluación multi-criterio. Rahimi, Goli y Rezaee (2017) plantean una metodología basada en AHP y análisis espacial que llaman Spatial Analytical Hierarchy Process (SAHP). Los nueve criterios de asignación de la ubicación del hospital se identificaron mediante la revisión de la literatura y a través

de cuestionarios a expertos mediante AHP. Los resultados revelaron que la "proximidad a las carreteras principales" era el criterio más importante entre todos los criterios aplicados para seleccionar la mejor ubicación del hospital en Shiraz, Irán. Khaksefidi y Miri (2015) realizan la comparación de 4 técnicas de evaluación multi-criterio para la determinación de la ubicación adecuada de un nuevo hospital en la zona sur de la provincia de Fars, Irán. Se consideran tres opciones como los lugares candidatos, incluidas Lamerd City, Mohr City y Galleh Dar City. Este estudio selecciona seis criterios (tasa de accidentes, densidad de la población, calidad de las vías, distancia desde el centro de la provincia, clima del área y la distancia de las ciudades entre sí) y de acuerdo con los resultados, los criterios de tasa de accidentes y tasa de población se determinaron como los más importantes. Las cuatro técnicas utilizadas fueron, AHP, TOPSIS, ELECTRE y SAW y todas determinaron que Lamerd City era la mejor ubicación para establecer el nuevo hospital. La metodología ELECTRE también es utilizada por Pravin, Rajesh y Prerna (2016) para la ubicación de un hospital en Bihar, India. Este estudio parte de la densidad poblacional en el área y también utiliza técnicas de eliminación difusa extendida para lograr su objetivo. Los atributos considerados para la selección de sitios en este estudio fueron los costos, proximidad, características de la población, disponibilidad de recurso humano, accesibilidad, medio ambiente, entre otros. Para resolver el problema de asignación de ubicación de un nuevo hospital en Teherán, Irán, Beheshtifar y Alimoahmmadi (2015) aplican un modelo multiobjetivo que combina el análisis del SIG con un algoritmo genético multiobjetivo. Los sitios óptimos para las nuevas clínicas se determinaron considerando cuatro objetivos: minimizar el costo total de viaje, minimizar la inequidad en el acceso a las clínicas, minimizar la incompatibilidad del uso de la tierra en el área de estudio y minimizar los costos de adquisición de tierras y el establecimiento de las instalaciones. La ventaja de este método es que se pueden comparar varias soluciones óptimas directamente con diferentes números de centros de salud. Posteriormente se aplicó TOPSIS para evaluar y comparar las soluciones óptimas y seleccionar la mejor solución de acuerdo con diferentes vectores de peso.

Otro grupo de investigaciones utilizan técnicas difusas (fuzzy), ya bien sea en conjunto con otros métodos de evaluación multi-criterio o solas, para la obtención de las mejores localizaciones hospitalarias. Es el caso de Chatterjee y Mukherjee (2013b) quienes aportan una investigación con técnicas borrosas utilizando los mismos datos de su estudio anterior arriba descrito, donde utilizan el método AHP, 3 criterios y 11 subcriterios, pero esta vez a través del uso de FAHP. El área de estudio fue la misma y los resultados no tuvieron mayores variaciones al anterior. Ozlem, Irem y Eda (2016) proponen una fusión entre la técnica borrosa Hesitant Fuzzy Sets (HFS) y TOPSIS, para encontrar la mejor localización para un hospital en Estambul. Utilizan siete criterios y 24 subcriterios seleccionados después de una rigurosa revisión de literatura y el aporte de tres tomadores de decisiones de la alta gerencia. Entre las conclusiones realizadas se habla de los problemas que se pueden presentar a medida que se aumenta el número de criterios a evaluar, pero en general recomiendan la fusión de estas dos técnicas en la selección de sitios óptimos. Vahidnia, Alesheikh, y Alimohammadi (2009), trabajan con el método FAHP para la localización de un nuevo complejo hospitalario en Teherán la capital de Irán. El tiempo de viaje requerido para acceder a los servicios de emergencia en los hospitales, fue el criterio más importante para la ubicación del hospital y en segundo lugar estuvo la estimación de la demanda. Se tuvieron en cuenta seis criterios, la existencia de otros hospitales, distancia a vías principales, tiempos de viaje, niveles de contaminación, costo de la tierra y densidad de la población. Soltani y Marandi (2011) a través de las técnicas de FAHP y FANP y 4 criterios (distancia a vías principales, distancia a hospitales existentes, densidad poblacional y área de la parcela) obtenidos de las recomendaciones de las autoridades médicas o investigadores alrededor del mundo, determinaron la mejor ubicación para un hospital en la región cinco de Shiraz en Irán. Dentro de las conclusiones, se sugiere que FAHP y FANP, reflejan mejor la forma del pensamiento humano y resolviendo los problemas difusos jerárquicos. Behzadi y Alesheikh (2013) desarrollaron un software llamado Desktop GIAgent y presentan un modelo basado en agentes de creencia-deseo-intención (BDI, por sus siglas en inglés) para estimar sitios hospitalarios adecuados en Teherán, Irán. A través de datos

espaciales y no espaciales se define un entorno para el agente, y se especifica un nuevo lenguaje para interactuar entre humanos y agentes. Cuando se les informan las reglas y condiciones a los agentes, estos intentan ajustar su estructura a sus objetivos. En este modelo cada agente es responsable de su objetivo y la interacción entre agentes determina el peso asignado a los sitios candidatos. La programación por metas (GP, por sus siglas en inglés) es otro método de evaluación multi-criterio basado en modelos matemáticos para determinar la mejor ubicación de un sitio. En el trabajo de Ennouri, Frikha y Benaissa (2011) se propone un modelo de programación de objetivos basado en funciones de satisfacción, para tener en cuenta las preferencias del responsable de la toma de decisiones. El área de estudio es la ciudad de Sfax en Túnez y se trabajó con 12 criterios agrupados en: red de gas natural, red de carreteras, densidad poblacional, calidad del aire, distancia a los hospitales cercanos y a la Escuela Superior de Ciencias de la Salud y la Facultad de Medicina, tasa de transferencia de pacientes entre los hospitales regionales y disponibilidad de transporte público. Dell'Ovo et al. (2017) proponen el uso del método FITradeoff, para la creación de un complejo llamado “la Ciudad de la Salud y la Ciencia” en Lombardía, Italia, mediante la creación de varios centros de salud. Este es un método para obtener ponderaciones de criterios en modelos aditivos y toma en consideración cuatro criterios (calidad funcional, Calidad de la ubicación, Calidad del medio ambiente y aspectos económicos) y 16 subcriterios. Oppio, Buffoli, Dell’Ovo, y Capolongo (2016) realizan la descripción de los criterios seleccionados por 23 estudios, algunos de ellos aquí incluidos, para la ubicación de un nuevo hospital producto de varios métodos, tanto con el uso de sistemas de información geográfico como de otros métodos. Oppio et al. (2016) agruparon la información de criterios encontrada en dichos estudios y la agruparon en 17 categorías: Distribución de la población / densidad, Accesibilidad, Proximidad a servicios, Densidad de médicos, Relación entre el centro de salud y la población, Relación de médicos y población, Costos de transporte, Demanda, Densidad del paciente, Ubicación deseable, Costos de adquisición de terrenos, Contaminación / polución, Área de la parcela, Permeabilidad, Compatibilidad,

Maniobrabilidad e Ingreso anual promedio de las familias. El caso de estudio se aplicó a “la Ciudad de la Salud y la Ciencia” en Mylan, Italia. A la par con el desarrollo de los métodos de EMC en el ámbito de los SIG, los modelos de localización-asignación también han tenido su propia evolución. Para Buzai (2015) los primeros aportes fueron dados por Von Thünen (1826) quien contempló la localización de los usos del suelo en el espacio rural, pero para algunos investigadores la ciencia de la localización, se inició formalmente con Weber (1909) con su libro de la teoría de la localización de las industrias. A partir de la evolución de estos modelos centrados en la distancia y los costos de traslado como ejes principales, Berry (1971) introduce el termino geografía del marketing y se comienza a abordar el tema de localizaciones de instalaciones de servicios desde dos objetivos, por un lado, la localización óptima y por el otro la asignación de demanda a dichos servicios, que son el pilar de los modelos de localización-asignación. Cabe resaltar que estos modelos están influenciados por la naturaleza del servicio, pues cuando se habla de un servicio privado generalmente se busca mejorar su eficiencia espacial, mientras que si es público se intenta mejorar su equidad espacial (Buzai, 2015). Un ejemplo de estudio de este tipo fue el presentado por Sharmin y Neema (2013), donde realiza una evaluación multi-criterio utilizando análisis espacial en ArcGIS con herramientas de buffer, intersección, unión y borrado. El estudio se basa en una agrupación de 4 criterios (hospitales existentes, vías, cercanía a industrias y centros educativos y cuerpos de agua) para determinar la mejor localización para un hospital en la ciudad de Dhaka en Bangladesh.

METODOLOGÍA

3.1 CONTEXTO TERRITORIAL 3.1.1 LOCALIZACIÓN Y DIVISIÓN POLÍTICA Según datos de la Secretaría Distrital de Planeación (2018a), Bogotá D.C. está ubicada en la región natural conocida como la Sabana de Bogotá en Colombia y hace parte del altiplano cundiboyacense, formación montañosa ubicada en la cordillera Oriental de los Andes. La ciudad se encuentra en la Cordillera Oriental, en la zona septentrional de los Andes ubicada en el centro de Colombia. Limita al norte con el municipio de Chía; al oriente con los Cerros Orientales en los municipios de La Calera, Choachí, Ubaque, Chipaque, Une y Gutiérrez y los municipios Guamal y Cubarral del departamento del Meta; al sur con el municipio Uribe del departamento del Meta y el municipio Colombia del departamento del Huila; y al occidente con los municipios cundinamarqueses de Cota, Funza, Mosquera, Soacha, Pasca, Arbeláez, San Bernardo y Cabrera. La ciudad está dividida en 20 localidades (ilustración 8) conformadas por alrededor de 1.200 barrios. Salvo la localidad de Sumapaz que corresponde a área rural, las demás localidades se consideran parte del territorio urbano. Las localidades a su vez se subdividen en la parte urbana en Unidades de Planeamiento Zonal (UPZ), en las cuales se agrupan varios barrios; y en la parte rural, en Unidades de Planeamiento Rural (UPR), las cuales a su vez se agregan en veredas.

3.1.2 ACCESIBILIDAD GEOGRÁFICA Las vías de mayor importancia de entrada y salida de la ciudad son las siguientes (Secretaría Distrital de Salud de Bogotá, 2016c): -

Hacia el norte, Autopista del Norte y carrera Séptima: a Boyacá y Santander.

Hacia el sur: Avenida Boyacá, Avenida 68 y Autopista del Sur: a Tolima, Huila, Eje Cafetero, Valle del Cauca y Cauca.

Hacia el occidente: Calle 13, calle 80, Autopista a Medellín: a Caldas, Antioquia y la Costa Atlántica.

Hacia el suroriente: Avenida Boyacá: Villavicencio y los Llanos Orientales.

Ilustración 8: Mapa División Político-Administrativa de Bogotá D.C. Basado en datos del DANE (2018)

3.2 CONTEXTO DEMOGRÁFICO La cuidad de Bogotá D.C. localizada en Sur América, es la capital de Colombia y según las proyecciones del DANE (2013) para el año 2018 su población alcanzó los 8’181.047 habitantes, entre 3’963.853 hombres y 4’217.194 mujeres que representan el 48,5% y el 51,5% respectivamente. En la tabla 2 se puede observar la distribución de la población por localidad para el año 2018. Tabla 2: Densidad poblacional por localidad (habitantes por Ha). Bogotá, 2018

Localidad

Nombre

1 2

Usaquén Chapinero

3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Santafé San Cristóbal Usme Tunjuelito Bosa Kennedy Fontibón Engativá Suba Barrios Unidos Teusaquillo Mártires Antonio Nariño Puente Aranda Candelaria Rafael Uribe

19 20

Ciudad Bolívar Sumapaz

Población

Área (Ha.)

475.275 126.192

6.532 3.816

Porcentaje sobre el total 5,8% 1,5%

93.857 392.220 342.940 186.383 753.496 1.230.539 424.038 883.319 1.315.509 270.280 140.135 93.248 109.199 218.555 22.243 348.023

4.517 4.910 21.507 991 2.393 3.859 3.328 3.588 10.056 1.190 1.419 651 488 1.711 206 1.383

1,1% 4,8% 4,2% 2,3% 9,2% 15,0% 5,2% 10,8% 16,1% 3,3% 1,7% 1,1% 1,3% 2,7% 0,3% 4,3%

20,8 79,9 15,9 188,1 314,8 318,9 127,4 246,2 130,8 227,1 98,7 143,2 223,8 127,7 108,0 251,6

748.012 7.584

13.000 78.097

9,1% 0,1%

57,5 0,1

Densidad 72,8 33,1

Datos tomados de Secretaría Distrital de Planeación (2018b)

3.3 ÁREA ESPECÍFICA DE ESTUDIO El área de estudio se reduce a la zona urbana de Bogotá, conformada por las UPZ. Estas son áreas urbanas más pequeñas que las localidades y más grandes que el barrio. La función de las UPZ es servir de unidades territoriales para planificar el desarrollo urbano en el nivel zonal. El Decreto 469, 2003, art.49, define a las UPZ de la siguiente manera: La Unidad de Planeamiento Zonal -UPZ-, tiene como propósito definir y precisar el planeamiento del suelo urbano, respondiendo a la dinámica productiva de la ciudad

y a su inserción en el contexto regional, involucrando a los actores sociales en la definición de aspectos de ordenamiento y control normativo a escala zonal. Los procesos pedagógicos y de presentación en las diferentes Unidades de Planeamiento Zonal (UPZ), referidos al diseño de políticas y estrategias, contenidos normativos y diseño de instrumentos de gestión, buscarán cualificar la participación ciudadana, de tal manera que les permita a las comunidades involucradas discernir y valorar las diferentes opciones que se propongan. Se promueven las Unidades de Planeamiento Zonal (UPZ) como unidades de análisis, planeamiento y gestión para comprender el tejido social y urbano, con el propósito de plantear su estructura, orientar sus dinámicas y sus relaciones para mejorar las condiciones de vida de la población.

Ilustración 9: Densidad de la población de Bogotá por UPZ - 2018. Capa de UPZ obtenida en IDECA (2018a). Datos de población obtenidos en la Secretaría Distrital de Planeación (2018c)

En la ilustración 9 se puede observar el mapa que representa la densidad poblacional por cada UPZ para el año 2018 en la ciudad de Bogotá, Colombia.

3.4 FLUJOGRAMA DE LA METODOLOGÍA APLICADA A continuación, se presentan los pasos que componen la metodología propuesta para dar respuesta a las preguntas de investigación y por consiguiente a los objetivos del estudio (Ilustración 10).

1. Selección de criterios (factores y limitantes) encontrados en la literatura (creación del modelo jerárquico) 2. Selección de la herramienta multi-criterio basado en la literatura

3. Obtención de los pesos del modelo jerárquico a través de la evaluación de expertos

4. Obtención y descripción de los datos usados para el análisis

5. Transformación de los datos para el análisis

6, Determinación de las UPZ óptimas para la construcción de los dos hospitales 7. Obtención de los dos sitios óptimos dentro de las UPZ halladas mediante un modelo de ubicaciónasignación

Ilustración 10: Flujograma de la metodología aplicada

Los dos primeros pasos permitirán definir los criterios y la herramienta EMC más adecuada para este tipo de problemas dando respuesta a las dos preguntas de investigación secundarias planteadas, así como los dos primeros objetivos específicos de la investigación. El tercer objetivo específico se desarrolla a través de los pasos tercero al sexto de la metodología donde se definirán las áreas o zonas óptimas para la construcción de los hospitales. Finalmente, para cumplir con el último objetivo específico y por ende con el objetivo general de la investigación, el séptimo paso de la metodología permitirá proponer el lugar exacto de la ubicación de los dos hospitales de segundo nivel dentro del área urbana de la ciudad de Bogotá, contestado la pregunta de investigación principal del estudio. El desarrollo y ampliación de cada paso se presenta en los numerales siguientes.

3.5 SELECCIÓN DE CRITERIOS (FACTORES Y LIMITANTES) Una vez definido el objetivo y el espacio para ser evaluado, la siguiente etapa dentro de un proceso de EMC en un entorno SIG consiste en definir los criterios (factores y limitantes) que se tendrán en cuenta para la solución del problema de investigación. Como se está hablando de un entorno espacial, los criterios se asocian a entidades geográficas y sus relaciones, llegando a representarse en forma de capas temáticas (Gómez y Barredo, 2006). Malczewski (1999), definió los siguientes atributos que debería tener el conjunto de criterios seleccionados: 

Completo: Cubrir todos los aspectos del problema.



Operacional: Ser significativos para el análisis.



Modular: Poder descomponerse en partes más pequeñas que permitan en un momento determinado, simplificar el proceso.



No redundante: No existir correlación entre cada par de atributos.



Mínimo: Utilizar el menor número de variables que redunde en una menor recolección de datos y facilitar el trabajo de los decisores.

Para Gómez y Barredo (2006), estos atributos a pesar de ser deseables dependerán del problema planteado y de otros factores ajenos al centro decisor. El tema de específico de la adquisición y disponibilidad de la información es un ejemplo claro de que es posible que no se pueda cumplir con todos estos atributos en el conjunto de criterios, ya que la información a incluir dependerá de si se encuentra disponible y a su vez si el acceso a ella es viable. Finalmente, las limitaciones de los diferentes softwares que existen en el mercado para la EMC al momento de realizar la evaluación también son un inconveniente al momento de querer cumplir con todos los atributos arriba mencionados. Para el caso específico de esta investigación, se realizó una búsqueda en la literatura de los criterios y subcriterios que han sido tenidos en cuenta para problemas similares al planteado en este estudio dentro del marco de un proceso de EMC en un entorno espacial. La tabla 3 presenta la matriz de comparación de criterio-autor, después de una reclasificación en 10 grupos de los criterios originales encontrados en la revisión de literatura.

Túnez

Soltani y Marandi

2011

Irán

FAHP y FANP

Busief y Shouman

2012

Libia

AHP

Jing-Er y Hang-Hao

2013

Taiwan

AHP

Chatterjee y Mukherjee 2013a India

AHP

Chatterjee y Mukherjee 2013b India

FAHP

Behzadi y Alesheikh

2013

Irán

Agentes y BDI

Sharmin y Neema

2013

Dehe y Bamford

2015

Buzai

2015

Beheshtifar y Alimoahmmadi

2015

Jalaliyoon et al.

2015

Khaksefidi y Miri

2015

Ozlem et al.

2016

Bangladesh SA Reino ER-AHP Unido Argentina SA, WLC Multiob. Genetic Irán Algorithm, TOPSIS General AHP AHP, TOPSIS, Irán ELECTRE, SAW Turquía HFS, TOPSIS

Eldemir y Onden

2016

Turquía

AHP

Salehi, et al.

2016

Irán

AHP

Ahmed et al.

2016

Egypto

AHP

Oppio et al.

2016

Italia

Pravin et al.

2016

India

ELECTRE

Rahimi et al.

2017

Irán

SA, AHP

Dell'Ovo et al.

2017

Italia

FITradeoff

Ubicación / Cond. del sitio y alrededores

2011

Tamaño

Ennouri et al.

Riesgos

Técnica / Método FAHP

Perfil de la población / Demanda

País Irán

Medios para el manejo de residuos

Año 2009

Factores geológicos

Autores Vahidnia et al.

Diseño

Costos

Consideraciones en la operación / Soporte sectorial

Accesibilidad / Transporte

Tabla 3: Matriz de comparación de criterios-autor

X X

Como se observa en la Ilustración 11, Irán lidera con una amplia ventaja las investigaciones realizadas en este campo seguida por India. Para el caso de Suramérica solo se encontró un estudio realizado en Argentina y no se encontraron estudios realizados para Colombia.

Ilustración 11: Investigaciones realizadas utilizando la EMC y los SIG por países.

La Ilustración 12 muestra la cantidad de investigaciones en un mapa del mundo.

Ilustración 12: Representación del número de investigaciones (EMC-SIG) por país

Una vez analizada la matriz, se obtiene el siguiente listado en orden de uso de cada uno de los criterios en las investigaciones analizadas como se observa en la tabla 4 Tabla 4: Criterios según cantidad de investigaciones en las que fueron utilizados

Orden 1

Criterio Accesibilidad / Transporte

Cantidad 22

Participación 23%

Ubicación / Cond. del sitio y alrededores

23%

Perfil de la población / Demanda

18%

Costos

14%

Tamaño

11%

Consideraciones en la operación / Soporte sectorial

Diseño

Riesgos

Factores geológicos

Medios para el manejo de residuos

Los tres primeros lugares cuentan con una participación superior al 60%, donde los criterios de Accesibilidad / Transporte (23%) y Ubicación / Cond. del sitio y alrededores (23%), ocupan ambos el primer lugar y el criterio de Perfil de la población / Demanda (18%) el tercer lugar. Partiendo de estas cifras se tomarán estos tres criterios para el desarrollo de la presente investigación por considerarse los de mayor trascendencia según la literatura. A continuación, se describen los subcriterios encontrados en la literatura para estas tres categorías.

3.5.1 CRITERIO DE ACCESIBILIDAD / TRANSPORTE Este criterio reúne un total de 13 subcriterios hallados en la literatura, relacionados directamente con el acceso a los medios de transporte, tiempos de viaje y cercanía a vías principales. Debido a que varias de las investigaciones están desarrolladas en zonas dispersas, se habla del subcriterio -acceso a la red de carreteras- que no es parte del planteamiento de esta investigación, ya que se desarrolla dentro de la zona rural de Bogotá. Por este motivo dicha subcategoría su unió a la subcategoría -proximidad a calles arterialescomo se muestra en la Tabla 5. Se omiten los subcriterios que solo tuvieron una aparición en la lista. Tabla 5: Subcriterios para accesibilidad / transporte hallados en la literatura

Subcriterios para accesibilidad / transporte

Cantidad

Proximidad de calles arteriales + Acceso a la red de carreteras Proximidad al transporte público / parada de autobús / metro

14 13

Porcentaje sobre total* 31,1% 28,9%

Tiempo / distancia de viaje / Desplazamiento Carretera y tráfico

6 3

13,3% 6,7%

Acceso para peatones y discapacitados

4,4%

*El total se refiere a todos los subcriterios de esta categoría

3.5.2 CRITERIO DE UBICACIÓN / CONDICIONES DEL SITIO Y ALREDEDORES En total para este criterio se hizo referencia a 94 subcriterios. Se decidió no tomar en cuenta el subcriterio -proximidad a complejo residencial-, segundo en la lista, ya que toda el área de estudio es de carácter rural y el criterio -necesidad de un hospital en estas ubicaciones-, por ser el objetivo del presente proyecto definir dicha necesidad. En la Tabla 6, se omiten los subcriterios que solo tuvieron una aparición en la lista.

Tabla 6: Subcriterios para ubicación / condiciones del sitio y alrededores hallados en la literatura

Subcriterios para ubicación / condiciones del sitio y alrededores

Cantidad

Distancia a otras Clínicas / Hospitales Proximidad al complejo residencial Contaminación del aire / calidad del aire Disponibilidad de infraestructura existente / potencial de regeneración Estar lejos de centros industriales / Industrias no saludables Necesidad de un hospital en estas ubicaciones

14 6 6 5 5 5

Porcentaje sobre total* 14,9% 6,4% 6,4% 5,3% 5,3% 5,3%

Región segura Red de calles circundantes para estacionamiento adecuado Proximidad al espacio verde Proximidad a la investigación clínica y la facultad Los recursos hídricos Nivel de Ruido Proximidad al mercado Proximidad a las estaciones de bomberos Distancia del centro de la provincia Uso del suelo Estar lejos de las instituciones educativas Hidrografía / No se encuentra en el camino del río Proximidad a servicios / Disponibilidad de suministro de medicamentos Condiciones de la atmósfera

4 4 4 3 3 3 2 2 2 2 2 2 2 2

4,3% 4,3% 4,3% 3,2% 3,2% 3,2% 2,1% 2,1% 2,1% 2,1% 2,1% 2,1% 2,1% 2,1%

*El total se refiere a todos los subcriterios de esta categoría

3.5.3 CRITERIO DE PERFIL DE LA POBLACIÓN / DEMANDA Este criterio encierra el subcriterio con mayor número de apariciones dentro de la literatura. La densidad de la población y los datos demográficos de la población suman en conjunto el 80% de los subcriterios de esta categoría como se puede ver en la Tabla 7. Se omiten los subcriterios que solo tuvieron una aparición en la lista. Tabla 7: Subcriterios para perfil de la población / demanda hallados en la literatura

Subcriterios para perfil de la población / demanda Densidad de la población

Cantidad

Participación

51,6%

Demografía Población futura Planificación del gobierno

9 3

29,0% 9,7%

*El total se refiere a todos los subcriterios de esta categoría

3.6 MODELO JERÁRQUICO COMPLETO DE LOS FACTORES DE ANÁLISIS A continuación, se presente el modelo final que fue puesto a consideración de expertos y usuarios del sistema de salud colombiano (tabla 8).

Tabla 8: Modelo Jerárquico final

Jerarquía de decisión Nivel 0

Nivel 1

Nivel 2 Proximidad de calles arteriales Proximidad al transporte público Tiempo / distancia de viaje / Desplazamiento Distancia a otras Clínicas / Hospitales Contaminación del aire / calidad del aire Disponibilidad de infraestructura existente Estar lejos de centros industriales Densidad de la población Demografía

Accesibilidad / Transporte Localización complejo hospitalario

Ubicación / Condiciones del sitio y alrededores Perfil de la población / Demanda

Debido a la complejidad de tomar todos los subcriterios para la aplicación del método AHP, se decidió tomar aquellos que tenían una frecuencia superior o igual a 5, descartando como se dijo con anterioridad dos subcriterios en el criterio de Ubicación / Condiciones del sitio y alrededores.

3.7 SELECCIÓN DE LA HERRAMIENTA MULTI-CRITERIO Con relación a la información recabada en la revisión bibliográfica, se realizó una matriz de comparación de herramienta-autor (tabla 9), para determinar los métodos multi-criterio más aplicados al proceso de selección de una ubicación para un nuevo hospital.

2013a

X X

X X X X X X

WLC

TOPSIS

SAW

Multiobjective Genetic Algorithm

HFS

FANP

FAHP

FITradeoff

2013b 2013 2013

ELECTRE

Año 2009 2011 2011 2012 2013

Agentes BDI

Autor Vahidnia et al. Ennouri et al. Soltani y Marandi Busief y Shouman Jing-Er y Hang-Hao Chatterjee y Mukherjee Chatterjee y Mukherjee Behzadi y Alesheikh Sharmin y Neema

AHP

Tabla 9: Matriz de comparación de herramienta-autor

Dehe y Bamford Buzai Beheshtifar y Alimoahmmadi Jalaliyoon et al. Khaksefidi y Miri Ozlem et al. Eldemir y Onden

2015 2015

2015 2015 2016 2016

X X

Salehi, et al. Ahmed et al.

2016 2016

X X

Oppio et al. Pravin et al.

2016 2016

Rahimi et al. Dell'Ovo et al.

2017 2017

X X

2015

X X

Como se observa en la Ilustración 13 producto de la matriz herramienta-autor, la herramienta AHP obtuvo una amplia ventaja sobre las demás técnicas utilizadas para hallar la ubicación optima de un hospital.

Ilustración 13: Resultado de la matriz de comparación de herramienta-autor.

Por consiguiente, se propone el uso del proceso de análisis jerárquico (AHP) propuesto por Thomas L. Satty en 1980 para la selección de los pesos de los criterios que permitan la ubicación de los mejores sitios para la construcción de dos complejos hospitalarios de segundo nivel en la ciudad de Bogotá, Colombia. Su funcionamiento se explica en el siguiente apartado.

3.7.1 EL PROCESO DE ANÁLISIS JERÁRQUICO (AHP) DE SAATY Para Saaty (2008) el Proceso Analítico de Jerarquía (AHP) es un método de medición a través de comparaciones por pares y se basa en los juicios de los expertos para derivar escalas de prioridad. La estructura jerárquica de la metodología AHP es capaz de medir y sintetizar una variedad de factores de un complejo proceso de toma de decisiones de una manera jerárquica, por lo que es simple combinar las partes en un todo (Russoa y Camanhob, 2015). Este procedimiento parte de una matriz cuadrada donde las filas y las columnas están definidas por el número de factores que serán ponderados, es así como se comparan factores entre pares, determinando la importancia de uno sobre cada uno de los demás (aij). FACTORES A B C D

acb

La escala de medida propuesta por Saaty (1980) para la asignación de juicios de valor (aij), es una escala continua que va desde un valor mínimo de 1/9 hasta 9 como muestra la tabla 10. Tabla 10: Escala de medida de Saaty

Intensidad de Importancia 1 3 5 7 9 2,4,6,8 1/2…1/9

Definición Igual importancia Importancia moderada Importancia fuerte Importancia muy fuerte o demostrada Importancia extrema

Explicación Dos actividades contribuyen igualmente al objetivo Experiencia y juicio ligeramente a favor una actividad sobre otra La experiencia y el juicio son muy favorables de una actividad sobre otra Una actividad es favorecida fuertemente sobre otra; su dominio está demostrado en la práctica La evidencia que favorece una actividad sobre otra. Es del orden de afirmación más alto posible.

Decisiones intermedias entre dos apreciaciones cercanas Magnitudes Inversas Fuente: Adaptación de Saaty (2008)

El paso a seguir es determinar el eigenvector principal que establece los pesos (wj) y el eigenvalor máximo (MAX) que proporciona una medida cuantitativa de la consistencia de los juicios de valor entre pares de factores (Saaty, 1980). FACTORES A B C D

eigenvector principal ea eb ec ed

El eigenvector principal debe ser normalizado para obtener el vector de prioridades, esto se consigue primero normalizando por columnas como Na11 = a11 / a1j. Para la normalización de cada celda, se divide el valor de a ij entre el valor normalizado por columnas. Finalmente, los valores normalizados se suman por filas obteniendo el eigenvector principal, que a su vez se normaliza, dividiendo cada uno de los valores de dicho vector entre el número de factores. Este valor final representa los pesos (wj) de cada factor (Gómez y Barredo, 2006). FACTORES

A B C D

eigenvector principal A B C D

eigenvector principal normalizado (wj)  A/n  B/n  C/n  D/n

En resumen, este método se basa en la descomposición, juicio comparativo y síntesis de las prioridades del problema de decisión (Malczewski, 1999). Gómez y Barredo (2006) explican estos tres principios de la siguiente manera; el principio de descomposición supone que el problema de decisión debe ser descompuesto en una jerarquía que capte sus elementos esenciales, el principio de juicio comparativo utiliza la comparación por pares de los elementos de cada nivel de la jerarquía y el último principio supone tomar cada una de las escalas de prioridades resultantes en cada nivel de jerarquía y construir un conjunto de prioridades global para el último nivel de jerarquía que es finalmente utilizado para evaluar las distintas alternativas.

Gómez y Barredo (2006) resumen los pasos propuestos por Saaty (1980) para completar estos principios: Paso 1: Se identifican los criterios de decisión asociados el problema como en cualquier procedimiento de EMC. Paso 2: El problema se descompone en una jerarquía de objetivos, criterios, subcriterios y alternativas, pero esta combinación puede variar. Estructurar el problema de decisión como una jerarquía es fundamental para el proceso del AHP y cada uno de los grupos de jerarquía estará formado por una serie de elementos a ser ponderados. En el presente caso, esta jerarquía parte de la revisión bibliográfica realizada. Paso 3: Consiste en establecer la importancia relativa de los elementos de cada jerarquía a partir del método de comparación de pares. Los datos se recopilan a través de expertos o responsables de la toma de decisiones correspondientes a la estructura jerárquica. Los expertos pueden calificar la comparación como igual, marginalmente fuerte, fuerte, muy fuerte y extremadamente fuerte (Bhushan y Rai, 2004). En un entorno SIG el procedimiento terminará en el nivel de atributo. Paso 4: Agregar los pesos de los niveles obtenidos en cada jerarquía, obteniendo los pesos compuestos o globales. Para ellos se multiplican los pesos relativos de la primera matriz por los pesos relativos de la segunda y así sucesivamente hasta el último nivel de la jerarquía. Paso 5: Ordenar las alternativas en función del valor más alto alcanzado.

3.7.2 CÁLCULO DEL RADIO DE CONSISTENCIA Una vez los expertos han terminado de establecer la importancia de los criterios y subcriterios, se evalúa si los resultados son consistentes. Dado que los valores numéricos se derivan de las preferencias subjetivas de los expertos, es imposible evitar algunas inconsistencias en la matriz final de juicios. En el AHP, se calcula un radio de consistencia (CR) comparando el índice de consistencia (CI) de la matriz en cuestión (el que tiene los juicios de los expertos) versus el índice de consistencia de una matriz aleatoria o índice aleatorio (RI). Una matriz aleatoria es aquella

en la que los juicios se han introducido al azar y, por lo tanto, se espera que sea altamente inconsistente (Mu y Pereyra-Rojas, 2016). El radio de consistencia se define como CR donde CR = CI / RI. Saaty (2012) demostró que un radio de consistencia (CR) de 0.10 o menos es aceptable para continuar el análisis de AHP. Si la relación de consistencia es mayor que 0.10, es necesario revisar los juicios para ubicar la causa de la inconsistencia y corregirla.

3.8 OBTENCIÓN DE LOS PESOS A TRAVÉS DE AHP DEL MODELO JERÁRQUICO Como ya se describió anteriormente, el modelo jerárquico está definido por tres criterios y nueve subcriterios que fueron determinados a través de la literatura y sometidos a un panel de expertos y usuarios dentro del marco de la aplicación del método AHP. En la Tabla 11 se presenta el perfil de los expertos (E) y usuarios (U) del sistema que fueron convocados para realizar la valoración de criterios con el método AHP Tabla 11: Expertos y usuarios participantes

Rol E

Título Académico PHD y Magíster en Estudios Políticos

Profesión Odontólogo Economista

PHD y Magíster en Economía y Gestión de la Salud PHD en Ciencias de la Salud Publica. Magíster en Ciencias en Epidemiologia Magíster en Epidemiología Magíster en Epidemiología, Candidata a Doctora en Salud Pública Candidata a Magister en Salud Pública Magíster en Economía PHD en Ciencias de la Salud en el trabajo. Magíster en administración de salud. Magíster en Economía. Magíster en Estudios de Territoriales y de la Población énfasis Demografía. Magister en Salud Pública Magíster en Política Social. Candidata PHD en psicología Especialista en Gestión Tecnológica

Pregrado

E E E E E E E

E U

Cargo Director del Instituto de salud pública de la Pontificia Universidad Javeriana Director Maestría en Salud Pública de la Pontificia Universidad Javeriana Profesor Investigador

Médico Cirujano Médico Cirujano Gerencia de Sis. de Info. en Salud Enfermera Economista Optómetra

Profesor Investigador Profesora Investigadora

Administrador Empresas

Profesora Investigadora

Odontólogo Psicóloga

Profesora Investigadora Profesora Investigadora Profesora Investigadora

Profesora Investigadora

Ingeniera de sistemas Ingeniería industrial

Se realizó directamente una entrevista con cada uno de los participantes tanto expertos como usuarios del sistema, en donde tuvieron la oportunidad de opinar acerca de los

criterios y subcriterios a ser evaluados. Todos sus comentarios fueron tenidos en cuenta como soporte a los resultados obtenidos. Para la aplicación del método AHP se hizo uso del software desarrollado por Goepel (2013) que permitió obtener los pesos del modelo final tanto de criterios como de subcriterios. El modelo obtenido se describe en el capítulo de resultados.

3.9 DESCRIPCIÓN DE LOS DATOS USADOS PARA EL ANÁLISIS A continuación, se presenta el listado de las capas vectoriales utilizadas para la determinación de los lugares óptimos según los criterios del modelo (Tabla 12). Tabla 12: Capas utilizadas por cada subcriterio del modelo y su geometría

Subcriterio del modelo Proximidad de calles arteriales Tiempo / distancia de viaje / Desplazamiento Proximidad al transporte público Distancia a otras Clínicas / Hospitales Contaminación del aire / calidad del aire Disponibilidad de infraestructura existente Estar lejos de centros industriales Densidad de la población Demografía

Capa Malla vial de la ciudad: calles arteriales (il. 14) Malla vial de la ciudad: Todas las vías (il. 15)

Geometría Línea Línea

Paraderos SITP (il. 17) y Transmilenio (il. 17) Ubicación de hospitales en la ciudad (il. 18) Índice de calidad del aire de la ciudad (il. 19) Uso del suelo: Predios sin construir (il. 20)

Punto Punto Polígono Polígono

Ubicación de centros industriales (in. 21) y disposición de residuos en la ciudad (il. 22) Habitantes por UPZ en la ciudad (il.23) Cantidad de afiliados al régimen subsidiado por UPZ en la ciudad (il. 24)

Punto Polígono Polígono

3.9.1 MALLA VIAL DE LA CIUDAD Esta capa vectorial se utiliza para dar respuesta a dos subcriterios del modelo. Por un lado, haciendo una selección por tipo de calle arterial que responde al criterio de proximidad de calles arteriales (Ilustración 14) y, por otro lado, la totalidad de la malla, que da respuesta al subcriterio tiempo /distancia de viaje / desplazamiento (Ilustración 15). En la descripción de los metadatos del portal de IDECA (2018b), esta capa representada por una geometría de líneas define los ejes viales de cada una de las vías de la ciudad. Dentro de sus atributos cuenta con información de nomenclatura vial, sentido del tránsito vehicular y clasificación de acuerdo con el tipo de tráfico que soporta.

La malla vial integral para Bogotá D.C, fue publicada por primera vez en el portal del IDECA en mayo de 2013 y su última actualización se llevó a cabo en diciembre de 2017. El Datum es D_MAGNA y las coordenadas geográficas MAGNA SIRGAS.

Ilustración 14: Mapa de vías arteriales Capas obtenidas de IDECA (2018a)

Ilustración 15: Mapa de la malla vial Capas obtenidas de IDECA (2018a)

3.9.2 PARADEROS SITP Y TRANSMILENIO IDECA (2018b) describe los paraderos zonales que integran el Sistema Integrado de Transporte Público (SITP), como aquellos lugares autorizados dentro del Distrito Capital de Bogotá en donde los buses del SITP pueden detenerse para permitir que un usuario tome o deje un servicio. Cubre el área urbana y rural de Bogotá D.C., y contiene los atributos de código único de paradero SITP, nombre del paradero y dirección del paradero. Por otro lado, los paraderos del Sistema Masivo de Transporte (TRANSMILENIO) son descritos por IDECA (2018b) como el único punto de parada de los servicios troncales para recoger y dejar pasajeros. Su cubrimiento es el área urbana de Bogotá D.C., y contiene los atributos de nombre de la estación y troncal de la estación. Las capas de paraderos del SITP (Ilustración 16) y TRANSMILENIO (Ilustración 17) se utilizan para dar respuesta al subcriterio proximidad al transporte público, están representadas por una geometría de tipo punto y su última actualización se llevó a cabo en septiembre de 2017. El Datum es D_MAGNA y las coordenadas geográficas MAGNA SIRGAS.

Ilustración 16: Mapa de paraderos del sistema integrado de transporte - SITP Capas obtenidas de IDECA (2018a)

Ilustración 17: Mapa de paraderos del sistema masivo de transporte - TRANSMILENIO Capas obtenidas de IDECA (2018a)

3.9.3 INSTITUCIONES PRESTADORAS DE SERVICIOS DE SALUD La Ilustración 18 muestra las cuatro subredes en las que se dividen los servicios de salud en el territorio urbano (centro oriente, norte, sur y sur occidente), así como 21 de los 22 hospitales que la conforman. No se visualiza el hospital de Salud Nazareth por no pertenecer al casco urbano. La red adscrita tiene por objeto suministrar servicios integrales de salud a la población y está conformada por: cinco (5) hospitales de tercer nivel, ocho (8) de segundo nivel y nueve (9) de primer nivel. Actualmente cuenta con 142 puntos de atención, donde se oferta servicios de baja, mediana y alta complejidad (IDECA, 2018b); Para el análisis se utiliza la capa de IPS que da respuesta al subcriterio distancia a otras Clínicas / Hospitales, está representada por una geometría de tipo punto y su última actualización se llevó a cabo en agosto de 2017. El Datum es D_MAGNA y las coordenadas geográficas MAGNA SIRGAS.

Ilustración 18: Mapa de Instituciones Prestadoras de Servicios de Salud - IPS Capas obtenidas de IDECA (2018a)

3.9.4 CALIDAD DEL AIRE En la Ilustración 19 se visualizan las 11 estaciones de monitoreo para calidad de aire y las curvas de interpolación de las concentraciones de Material Particulado mayor a 10 micras (PM10) medido en µg/m3 - microgramos por metro cúbico, para el área urbana de Bogotá. Su sistema de referencia es MAGNA SIRGAS y temáticamente responde al promedio anual de los valores de concentración de PM10 para el año 2017. Según IDECA (2018b) se entiende por PM10, las pequeñas partículas sólidas o líquidas de polvo, cenizas, hollín, partículas metálicas, cemento ó polen, dispersas en la atmósfera y cuyo diámetro es menor a 10 µm. Las estaciones de medición cuentan con una geometría tipo punto y las curvas de interpolación resultantes son de tipo ráster. Esta capa de curvas se utiliza para dar respuesta al subcriterio de contaminación del aire / calidad del aire.

Ilustraciรณn 19: Mapa del promedio anual de calidad del aire (PM10) Capa obtenida de la Secretaria Distrital de Ambiente (2018a)

3.9.5 USO DEL SUELO

Ilustraciรณn 20: Mapa de uso del suelo: Predios sin construir Capas obtenidas de IDECA (2018a)

Esta capa contiene los tipos de uso del suelo para cada lote de la zona urbana de Bogotรก. La Ilustraciรณn 20 muestra el tipo de uso de predios sin construir siendo esta capa utilizada para dar respuesta al subcriterio disponibilidad de infraestructura existente.

La información tomada para esta capa corresponde a diciembre de 2017, con un total 608 predios de distintos tamaños que cuentan con este tipo de categoría. El sistema de referencia es MAGNA SIRGAS y su geometría es de tipo polígono. Dentro de sus atributos se encuentran el código del lote, código de manzana y el tipo de uso del suelo.

3.9.6 GENERADORES DE RESIDUOS INDUSTRIALES Y SITIOS DE DISPOSICIÓN DE RESIDUOS La capa de generadores de residuos industriales corresponde a la localización puntual de las empresas generadoras de residuos o desechos que por sus características corrosivas, reactivas, explosivas, tóxicas, inflamables, infecciosas o radiactivas pueden causar daño para la salud humana y el ambiente según IDECA (2018b). La Ilustración 21 muestra las 422 empresas identificadas a diciembre de 2017 el sistema de referencia MAGNA-SIRGAS y en Coordenadas Planas Cartesianas para Bogotá. Por otro lado, la capa de disposición de residuos comprende el Relleno Sanitario Doña Juana de la Ciudad de Bogotá D.C. en geometría polígono, que corresponde al lugar técnicamente seleccionado, diseñado y operado para la disposición final controlada de residuos sólidos, con compactación de residuos, cobertura diaria de los mismos, control de gases y lixiviados, y cobertura final (IDECA, 2018b). La Ilustración 22 muestra la ubicación del relleno a diciembre de 2017 con sistema de referencia MAGNA-SIRGAS. Ambas capas son utilizadas como respuesta al subcriterio estar lejos de centros industriales concerniente al tema de contaminación, del criterio Ubicación / Condiciones del sitio y alrededores.

Ilustraciรณn 21: Mapa de ubicaciรณn de generadores de residuos industriales Capa obtenida de la Secretaria Distrital de Ambiente (2017b)

Ilustraciรณn 22: Mapa de ubicaciรณn de sitios de disposiciรณn de desechos Capas obtenidas de IDECA (2018a)

3.9.7 POBLACIÓN La ilustración 23 muestra la proyección de la población hecha por el Secretaría Distrital de Planeación (2018c) para el año 2018. Esta capa da cuenta del subcriterio Densidad de la población que pertenece al criterio de perfil de la población / Demanda. Cuenta con un sistema de referencia MAGNA-SIRGAS y se asigna el valor a cada polígono que representa una UPZ.

Ilustración 23: Mapa de cantidad de población por UPZ Capa de UPZ obtenida en IDECA (2018a). Datos de población obtenidos en la Secretaría Distrital de Planeación (2018c)

3.9.8 AFILIACIÓN AL RÉGIMEN SUBSIDIADO El porcentaje de la población afiliada al régimen subsidiado se muestra en la ilustración 24 con datos obtenidos de la Secretaria Distrital de Planeación (2017) basados en la aplicación de la encuesta multipropósito de Bogotá para el año 2017. El sistema de referencia de esta capa es MAGNA-SIRGAS y la información está representada por cada UPZ es decir que su geometría es de tipo polígono. Esta capa da cuenta del subcriterio Demografía que pertenece al criterio de perfil de la población / Demanda.

Ilustración 24: Mapa de porcentaje de afiliación al régimen subsidiado por UPZ Datos obtenidos de la Secretaria Distrital de Planeación (2017)

3.10 TRANSFORMACIÓN DE LOS DATOS Una vez hallados los pesos a través del método AHP y definidas las capas que ayudarían a encontrar los sitios óptimos para localizar los hospitales, se realizaron los respectivos ajustes para que todas las capas respondieran a una misma escala de valores. La escala de valores que se construyó se presenta en la tabla 13. Tabla 13: Escala de valores definida para las áreas de estudio

Valor 1 2 3 4 5

Etiqueta Inaceptable Aceptable Adecuada Muy Adecuada Óptima

Con cada una de las capas de geometrías punto y polígono, así como para las calles arteriales, se realizó un proceso de creación de zonas de influencia dependiendo su naturaleza. Para la capa de la malla vial primero se realizó un índice de densidad vial y se dividió en 4 intervalos iguales. Posteriormente a todas las capas se le realizó la transformación a un modelo ráster para unificar los valores a la escala presentada en la

Tabla 13. A continuación, se presentan los criterios que dieron lugar a la clasificación final (Tabla 14). Tabla 14: Criterios de clasificación de las capas

Capa Malla vial de la ciudad: calles arteriales (il.25) Paraderos del SITP y Transmilenio (il.26) Malla vial de la ciudad: Todas las vías (il. 27) Ubicación de hospitales en la ciudad (il. 28) Índice de calidad del aire de la ciudad (il. 29) Uso del suelo: Predios sin construir (il. 30) Ubicación de centros industriales Disposición de residuos (il. 31) Habitantes por UPZ en la ciudad (il. 32) Cantidad de afiliados al régimen subsidiado por UPZ en la ciudad (il.33)

Criterios de clasificación 100m, 300m, 500m, 1000m, y más 100m, 300m, 500m, 1000m, y más Se realizó un índice de densidad vial y se dividió en 4 intervalos iguales. 1Km, 2Km, 3Km 4Km, y más <51 Favorable, >=51 Moderado 100m, 300m, 500m, 1000m, y más 1Km, 2Km, 3Km 4Km, y más Se generó una ruptura en intervalos iguales en 4 grupos por número de habitantes Se generaron 4 intervalos iguales según el número de afiliados.

La capa ráster de vías arteriales se creó teniendo en cuenta cinco criterios de clasificación basado en una escala en metros desde la vía. Iniciando por 100 como zona óptima y más de 1000 metros como inaceptable (Ilustración 25).

Ilustración 25: Mapa del factor de vías arteriales

Para la unión de las capas del sistema de transporte público (SITP y Transmilenio) se utilizó la herramienta de mosaico a ráster (mosaic to new raster) de ArcGIS primando los valores más altos del ráster como zonas óptimas (Ilustración 26).

Ilustración 26: Mapa del factor de paraderos del SITP y TRANSMILENIO

Para la transformación de la capa malla vial a ráster, como se mecionó antes, se realizó un índice de densidad vial y se dividió en 4 intervalos iguales. Este índice permite medir la longitud de la red vial por unidad de superficie, en este caso por UPZ (Ilustración 27).

Ilustración 27: Mapa del factor de índice de densidad vial por UPZ

La capa de distancia a otros hospitales de segundo nivel tuvo en consideración distancias de 1Km, 2Km, 3Km 4Km, y más para su clasificación (Ilustración 28).

Ilustración 28: Mapa de del factor de distancia a otros hospitales de segundo nivel

La ilustración 29, muestra la capa de material particulado PM10 después de su transformación a ráster, donde según el índice IBOCA (2018a), la escala menor a 51 es favorable, y mayor o igual a 51 es Moderado.

Ilustración 29: Mapa del factor calidad del aire con base en PM10

La capa de uso del suelo, tuvo en consideración como zonas óptimas los predios sin construir y como zonas adecuadas el resto de la ciudad (Ilustración 30).

Ilustración 30: Mapa del factor de uso del suelo – predios sin construir

Ilustración 31: Mapa del factor de distancia a sitios de disposición de desechos y zonas generadoras de residuos industriales

Para lograr la unión entre las capas de disposición de residuos y zonas generadoras de residuos industriales se utilizó la herramienta de mosaico a ráster (mosaic to new raster) de ArcGIS primando los valores mínimos como óptimos (Ilustración 31).

Ilustración 32: Mapa del factor de población por unidad de planeación zonal – UPZ

La transformación de las capas de densidad de la población (Ilustración 32) y porcentaje de afiliados al régimen subsidiado (Ilustración 33), consistió en la división de 4 rupturas de intervalos iguales y la creación de una nueva variable llamada categoría con valores de 1 a 4 según estas rupturas. Posteriormente se realizó un proceso de dissolve por esta variable y se creó el ráster a partir de esta clasificación. Se crearon las categorías excluyendo la zona inadecuada, ya que toda la zona rural se encuentra poblada y se inició desde la categoría adecuada. A mayor población, mayor zona óptima.

Ilustración 33: Mapa del factor de porcentaje de afiliación al régimen subsidiado

3.11 DETERMINACIÓN DE LAS UPZ ÓPTIMAS Para la obtención de las zonas óptimas se utilizó la herramienta de EMC de superposición ponderada (weighted overlay) de ArcGIS, que permitió obtener la clasificación final de las áreas a partir de la ponderación obtenida por parte del grupo de expertos (Ilustración 34).

Ilustración 34: Mapa clasificatorio para la ubicación de hospitales de segundo nivel

Ilustración 35: Mapa de zonas óptimas y muy adecuadas para la ubicación de hospitales de segundo nivel

Posterior a ello se trabajó solo con las zonas clasificadas como óptimas y muy adecuadas (Ilustración 35), reclasificando las zonas óptimas y muy adecuadas como uno (1) y el resto de las zonas con cero (0), mediante la herramienta de reclasificar (reclassify) de ArcGIS. A través de la herramienta de cálculo de estadísticas zonales (zonal statistics as a table) se obtuvieron las estadísticas del ráster por cada UPZ y teniendo en cuenta el número de sitios óptimos se determinaron las UPZ óptimas y el orden de estas.

3.12 MODELO DE UBICACIÓN-ASIGNACIÓN Finalmente, una vez determinadas las UPZ, se utilizó la capa de uso del suelo para determinar los lotes sin construir y a través de la creación de dos modelos de ubicaciónasignación se determinaron los dos sitios óptimos para la ubicación de los hospitales, tomando como sitios candidatos estos lotes, los centroides de las manzanas como los sitios de demanda y la malla vial como la red de transporte. Pensando en una mejor distribución de los dos hospitales a través de la ciudad, se tomó la determinación de seleccionar las UPZ de localidades diferentes en caso de que más de un lugar óptimo quedara dentro de la misma localidad. Esto también a razón de seguir cumpliendo con el subcriterio de exclusión con respecto a la cercanía a otro hospital de segundo nivel.

RESULTADOS Y DISCUSIÓN

4.1 RESULTADOS 4.1.1 MODELO JERÁRQUICO A continuación, se presentan los resultados de cada uno de los 3 criterios y del total en general, teniendo en cuenta que el indicador de consenso puede variar entre 0% cuando no hay consenso, y 100% cuando el consenso es total. En la tabla 15 se listan los rangos del indicador con sus respectivos valores. Tabla 15: Rango de valores para el indicador de consenso

Indicador Muy bajo Bajo Moderado Alto Muy alto

Rangos ≤ 50% 51% y el 64% 65% y 74% 75% y 84% ≥ 85%

Fuente: Adaptación de Goepel (2013)

Para el nodo principal localizar un hospital de segundo nivel en Bogotá, el indicador de consenso resulto bajo (51,4%), con un radio de consistencia de 0,4%. El criterio con mayor puntaje de valoración fue el de perfil de la población / demanda, seguido por el de accesibilidad y transporte. El criterio de ubicación / condiciones del sitio y alrededores ocupó la última casilla como se puede ver en la Ilustración 36.

Ilustración 36: Prioridad de los criterios principales Fuente: Salida del software de Goepel (2013), accesible en https://bpmsg.com

Detallando el criterio de accesibilidad / transporte, se encuentra que presenta un porcentaje de consenso alto, con un 76,5% entre todos los participantes y un coeficiente de consistencia de 0,1%. El subcriterio de tiempo /distancia de viaje / desplazamiento ocupa el primer lugar muy lejos de los otros dos miembros de la categoría como se ve aprecia en la Ilustración 37.

Ilustración 37: Prioridad de los subcriterios de accesibilidad / transporte Fuente: Salida del software de Goepel (2013), accesible en https://bpmsg.com

El criterio de ubicación y condiciones del sitio y alrededores es la categoría con más subcriterios y su porcentaje de consenso es bajo (53.7%) según la clasificación y su coeficiente de consistencia de 0.3%. El subcriterio de disponibilidad de infraestructura existente ocupa el primer lugar alrededor de 6 puntos porcentuales por encima del subcriterio siguiente distancia a otras clínicas / hospitales. Como se observa en la Ilustración 38, la variación porcentual en esta categoría no presenta mayor diferencia en los puestos 2 al 4.

Ilustración 38: Prioridad de los subcriterios de ubicación y condiciones del sitio Fuente: Salida del software de Goepel (2013), accesible en https://bpmsg.com

La tercera y última categoría de perfil de la población / demanda, alcanzó un 63,5% de consenso considerado bajo, y un coeficiente de consistencia del 0%. El subcriterio de densidad de la población fue de lejos el mejor evaluado de esta categoría como se ve en la Ilustración 39.

Ilustración 39: Prioridad de los subcriterios de perfil de la población Fuente: Salida del software de Goepel (2013), accesible en https://bpmsg.com

Los pesos finales obtenidos del método AHP se pueden observar en las ilustraciones 40 y 41, donde las subcategorías de densidad de la población (31.7%), el tiempo / distancia de viaje / desplazamiento (24.8%) y los datos demográficos (10.6%) ocupan los tres primeros lugares respectivamente.

Ilustración 40: Modelo de AHP para criterios y subcriterios Fuente: Salida del software de Goepel (2013), accesible en https://bpmsg.com

Ilustración 41: Comparación de los pesos entre subcriterios Fuente: Salida del software de Goepel (2013), accesible en https://bpmsg.com

4.1.2 ZONAS ÓPTIMAS ENCONTRADAS La ilustración 42 muestra el mapa resultado del procesamiento de transformación de las capas y la ejecución de la herramienta de EMC, donde el Rincón, Niza e Ismael Perdomo, encabezan la lista como las UPZ más oportunas para construcción de hospitales de segundo nivel seguidas por los Cedros y Bosa Occidental.

Ilustración 42: Mapa de UPZ sugeridas como óptimas para la construcción de hospitales de segundo nivel

4.1.3 MODELOS DE ASIGNACIÓN-LOCALIZACIÓN Como las UPZ el Rincón y Niza pertenecen a la localidad de Suba y a la misma red de servicios norte, se realizó el modelo de asignación-localización incluyendo ambas UPZ para determinar la mejor ubicación como se muestra en la ilustración 43. La ilustración 44 muestra la ubicación óptima para la construcción del segundo hospital de segundo nivel en la localidad de Ciudad Bolívar dentro de la UPZ de Ismael Perdomo.

Ilustraci贸n 43: Modelo de localizaci贸n-asignaci贸n para la UPZ El Rinc贸n y Niza Capas obtenidas de IDECA (2018a)

Ilustraciรณn 44: Modelo de localizaciรณn-asignaciรณn para la UPZ Ismael Perdomo Capas obtenidas de IDECA (2018a)

4.2 DISCUSIÓN Para Cromley y McLafferty (2002), la asistencia a los servicios de salud está directamente ligada con la distancia que los pacientes deben recorrer para llegar al sitio de la atención médica, en otras palabras, la tendencia de interacción con los servicios de salud decrece a medida que la distancia para acceder a ellos aumenta. En la investigación realizada por Ramírez, Puerto, y Rodríguez (2018), se descubrió que algunos actores consideran que uno de los principales factores negativos que afectan el acceso, uso y calidad de los servicios de salud, es que la distribución geográfica de la red no es equitativa. De igual manera, para el Ministerio de Salud y Protección Social (MSPS), la dinámica demográfica ha venido cambiando, dando lugar a que los hospitales excedan los requerimientos poblacionales y redunde en la insuficiencia de red y el aumento en el gasto de bolsillo de los afiliados. Conscientes de esta realidad, la investigación propuso la utilización de la EMC aplicada a la búsqueda de locaciones apoyada en los SIG, que resultó ser una herramienta efectiva en el cumplimiento de los objetivos de esta investigación, pues se lograron hallar las mejores localizaciones para hospitales de segundo nivel en la ciudad de Bogotá, contestando así la pregunta de investigación principal planteada. Por otro lado, la revisión bibliográfica permitió encontrar la herramienta de EMC adecuada para la investigación y a su vez los criterios que fueron puestos a consideración del panel de expertos, ambos objetivos claves para dar respuesta a las preguntas de investigación secundarias propuestas. La selección de AHP como método para ponderar los criterios seleccionados a través de expertos, planteó un desafío en la homogenización de lo que se entendía por cada criterio y la importancia que este podía llegar a tener dentro de la determinación de la ubicación de los sitios óptimos. De aquí que la consistencia general del modelo solo alcanzara un nivel bajo en la escala de medida, llegando al 51,4% de consenso entre los expertos. Un factor para resaltar es que el radio de consistencia general del modelo fue del 0,4%, lo que evidencia que las evaluaciones realizadas por los expertos individualmente fueron bastantes consistentes.

Del análisis de las entrevistas realizadas a los expertos y de los resultados de las ponderaciones de los criterios, se concluye que este resultado podría mejorar si para la selección inicial de los criterios se permitiera la participación de los expertos en la construcción, partiendo de lo hallado en la literatura y dejando abierta la posibilidad de incorporar nuevos criterios, dada la dinámica de la ciudad de Bogotá y el funcionamiento del sistema de salud colombiano. Todos los expertos participantes en el proyecto coincidieron en la importancia de este tipo de investigaciones en la planificación de la construcción de este tipo de complejos hospitalarios y por ende en la mejora del acceso a los servicios de salud por parte de la población capitalina, ya que pueden ser un insumo muy importante para la alcaldía en la toma de decisiones que generalmente se basan en otro tipo de criterios para seleccionar los sitios de construcción o adecuación de complejos hospitalarios. Las UPZ de El Rincón y Niza localizadas en la localidad de Suba e Ismael Perdomo localizada en la localidad de Ciudad Bolívar, resultaron ser las dos áreas que cumplen en mayor manera con los criterios y subcriterios evaluados para la ubicación de dos hospitales de segundo nivel en la ciudad de Bogotá, Colombia. Para poder entender mejor estos resultados, se debe hablar de las características propias de cada zona en donde se encuentran ubicadas en relación con los puntajes obtenidos por el método AHP. Todos los datos referenciados a continuación que dan cuenta de aspectos territoriales, de infraestructura, demográficos y socioeconómicos de la localidad de Suba fueron tomados del informe titulado Monografía de localidades - No.11 Suba (Secretaría Distrital de Planeación, 2018d) al igual que los datos de la localidad de Ciudad Bolívar fueron tomados del informe Monografía de localidades - No.19 Ciudad Bolivar (Secretaría Distrital de Planeación, 2018e). Se debe recordar que el subcriterio mejor valorado por los expertos fue el de densidad poblacional, alcanzando un puntaje del 74,9% en su categoría y un 31,7% dentro del modelo completo. Si bien la localidad de Suba no es la más grande del conjunto de localidades de Bogotá (100,56 Km2), si es la primera en extensión de zona urbana por encima de los 58 km2 aproximadamente, lo que significa el 15,2% del total de la zona rural de la ciudad de Bogotá. Esta vasta extensión la hace a su vez la localidad con mayor cantidad

de sectores catastrales de la ciudad, llegando a los 110 (11,1%) y la más poblada de la capital del país con un total de 1’282.978 habitantes para el año 2017. Dentro de la localidad de Suba, la UPZ El Rincón es la tercera más extensa (7,1 Km2) y la más densamente poblada, con un total de 370.381 habitantes que equivalen al 28,9% de la población total de la localidad, llega a ser incluso la más densa de toda Bogotá (52,1 habitantes por Km2), lo que explica en parte porqué fue seleccionada como una de las UPZ óptimas dentro de la localidad para la ubicación del primer hospital de segundo nivel. La UPZ Niza se localiza al sur de la localidad de Suba. Tiene una extensión de 7,5 Km2, equivalentes al 12,1% del total de área de las UPZ, siendo la más extensa de todas las UPZ de la localidad. Dentro de la distribución del estrato 1 entre las manzanas de la localidad de Suba por UPZ, El Rincón con un 85,7% ocupa el primer lugar y Niza con el 7,1% el tercer lugar. Este factor de la estratificación es muy importante en la explicación de porque ambas fueron seleccionadas como candidatas pues la mayoría de los afiliados al régimen subsidiado de salud pertenecen al estrato 1. Otro factor que beneficia la creación del hospital en esta zona de la capital es la tasa de crecimiento demográfico, donde la localidad de Suba supera en gran cantidad el porcentaje de crecimiento de la capital. Mientras que la capital presenta una variación porcentual entre 2014 y 2017 del -0,08, en Suba la variación fue del 0,2 en el mismo periodo de tiempo. Esto quiere decir que mientras la capital tiende a una desaceleración en el crecimiento poblacional, en Suba sucede lo contrario, lo que redunda en una mayor demanda de los servicios de salud en la localidad. La localidad de Ciudad Bolívar es la tercera más extensa de la ciudad (129,98 Km2) con una extensión de 32,38 Km2 de zona urbana. Cuenta con 99 sectores catastrales (10%) y es la tercera más poblada con 733.869 habitantes solo por debajo de Suba y Kennedy respectivamente. La UPZ Ismael Perdomo cuenta con la segunda mayor población entre las UPZ de la localidad con un total de 188.750 habitantes, repartidos en una extensión de 5,58 Km 2 (16,5% del total de la localidad), para un alto índice de densidad poblacional que llega al 33,8 de habitantes por Km2, lo que la hace una excelente candidata para la construcción

del hospital ya que presenta un comportamiento muy similar al de la localidad de Suba en cuanto a la tasa de crecimiento demográfico. En este caso, Ciudad Bolívar presenta una variación porcentual de 0,15 contraria al -0,08 de la capital del país. Lo que indica que la población de esta localidad también está en aumento y por ende se incrementan las demandas en servicios de salud. Ciudad Bolívar es la localidad con mayor número de personas viviendo en estrato 1 (12,5%) con respecto a todas las demás localidades y la UPZ Ismael Perdomo cuenta con el 25,7% de su población en este estrato, lo que implica que la demanda de servicios de afiliados al régimen subsidiado es alta. El segundo subcriterio mejor puntuado dentro de la investigación por los expertos fue el de tiempo /distancia de viaje / desplazamiento, con un total del 67,8% dentro de su categoría y un 24,8% dentro del modelo completo, coincidiendo con los modelos de accesibilidad planteados por Aday y Andersen (1981), Penchansky y Thomas (1981) y Ramírez (2014) donde esta dimensión tiene un peso muy significativo. Para el momento de esta investigación no se contaba con información sobre tiempos de desplazamiento sobre las vías de la capital por lo que fue necesario la construcción de un índice de longitud vial por cada UPZ que permitiera asegurar que en la zona existiera al menos una red de calles que permitiera el fácil acceso al centro hospitalario. Cabe aclarar que este índice no tuvo en cuenta el estado ni el tipo de las vías, lo que puede sesgar su resultado. Sin embargo, es de resaltar que, según planeación distrital, el modo principal de desplazamiento en ambas localidades es a pie, llegando al 28,1% en Suba y al 41,9% en Ciudad Bolívar, seguidos del uso del SITP con un 18% y 26,6% respectivamente, lo que haría pensar que el estado de la malla vial, aunque es muy importante, no sería el factor más relevante a la hora de llegar al hospital en estas dos localidades. Los datos demográficos de la población ocuparon el tercer lugar en puntuación con una participación del 10,6% dentro del modelo final. Para Cromley y McLafferty (2002) estos factores demográficos como los ingresos, la ocupación, el sexo, la edad, la afiliación, etc. permean todas las dimensiones de acceso a los servicios y lo convierten en un subcriterio muy importante.

Para este subcriterio se tomó en cuenta la población afiliada al régimen subsidiado por UPZ, donde Ciudad Bolivar es la tercera localidad con mayor número de afiliados al regimen subsidiado con un porcentaje del 25,4%. Especificamente la UPZ Ismael Perdomo cuenta con un porcentaje del 24,9% de habitantes afiliados a este régimen, lo que quiere decir que ubicar un hospital en esta UPZ y en general en esta localidad, traería mucho bienestar a la comunidad. Por su parte aunque la localidad de Suba solo concentra el 6,9% de afiliados al régimen subsidiado, la UPZ El Ricón es la segunda en cantidad de afiliados con solo un punto porcental por debajo de la UPZ Tibabuyes, alcanzando los 16,6% de afiliados a este régimen y la UPZ de Niza alcanza los 7,2% de habitantes, ocupando el cuarto lugar dentro de la localidad. Otro factor para tener en cuenta es el Índice de Pobreza Multidimensional (IPM) que se construye con base en cinco dimensiones, siendo la salud la dimensión en donde se encuentran más personas en todas las localidades de Bogotá. Para el caso particular de la localidad de Ciudad Bolívar, el 8,9% de la población se encuentra en pobreza multidimensional, ocupando el segundo lugar solo después de la localidad de Usme. La dimensión de pobreza multidimensional en la que más se encuentran personas en esta localidad es la de salud (69,5%), lo que podría disminuir con la construcción de un hospital público en la localidad. De manera similar, aunque la localidad de Suba ocupa el décimo puesto entre las veinte localidades con un 3,4% de la población que se encuentra en pobreza multidimensional, al igual que Ciudad Bolívar, la dimensión salud es en la que se encuentra más personas (49,9%). El cuarto criterio mejor valorado de proximidad al transporte público alcanzó un 7,3% sobre el modelo final. Este criterio es uno de los más importantes dentro de las barreras de acceso a servicios de salud mencionados por Aday y Andersen (1981), Penchansky y Thomas (1981), Cromley y McLafferty (2002), Ramírez (2014) y Buzai (2015), quienes adicionalmente le suman a esta barrera el costo que puede tener dicho transporte.

El 74% de los hogares de Suba, tardan en promedio, entre 9,0 y 9,8 minutos caminando, para acceder al servicio de Transmilenio y 7,4 minutos para acceder a los paraderos del SITP. El panorama para Ciudad Bolívar es que el 94,3% de los hogares tarda entre 10,2 y 12,6 minutos caminando para acceder al servicio de Transmilenio y 9,2 minutos para el SITP. Los tiempos de ambas localidades están por debajo del promedio de la ciudad. Esta información es relevante en cuanto se puede observar que en general, las dos localidades cuentan con buenos tiempos de acceso a los paraderos del transporte público desde sus hogares, lo que se traduce en que el desplazamiento a los servicios de salud a través del transporte público no es un problema mayor. La disponibilidad de infraestructura existente para la construcción de los hospitales ocupó la quinta casilla con un 6,6% sobre el modelo final. Este criterio particularmente dividió a los expertos en su interpretación. Algunos de ellos manifestaron que uno de los principales problemas del desarrollo urbano dentro de la ciudad para este tipo de complejos, es la improvisación en lugares que ya cuentan con algún tipo de infraestructura que no siempre es la más apropiada para este tipo de construcciones y que se va acomodando sobre la marcha su construcción, para otros, el hecho de ya existir una infraestructura reduciría los costos de la construcción. Para este criterio se le otorgó la categoría de área óptima al uso del suelo cuyo tipo fuera “sin construir” y al resto de la ciudad como adecuado. Para la UPZ El Rincón solo un lote sin construir tiene el tamaño adecuado para este tipo de complejos ya que los doce restantes son muy pequeños. La UPZ Niza cuenta con 6 lotes sin construir y dos de ellos cuentan con el tamaño suficiente para construir un hospital, pero no cuentan con suficientes vías de acceso. De similar manera en la UPZ Ismael Perdomo, existe un lote sin construir y cuenta con el suficiente espacio para un hospital de segundo nivel. De los últimos criterios puntuados cabe resaltar el de proximidad a calles arteriales, pues en ambas localidades la propiedad de vehículos particulares es relativamente baja, en Suba alcanza 39,5% mientras que en Ciudad Bolívar solo llega al 9%. Se debe recordar, como se dijo anteriormente, que los dos principales medios de transporte son a pie y por transporte público.

Entre los aspectos más relevantes a destacar de las entrevistas con los expertos, uno que llama fuertemente la atención es el comentado por el doctor Ramírez (2017, comunicación personal). En la entrevista plantea como, a través del tiempo, en Bogotá y en el país en general, la ubicación de los hospitales había estado sujeta a intereses políticos y económicos, más que en respuesta a modelos de acceso que incluyen la geografía y la espacialidad como un fuerte componente. También argumenta que la ubicación de los hospitales se realizaba de manera muy aleatoria, seleccionando como lugar de construcción los lotes del distrito que se encontraban vacíos que, si bien facilitaban las obras, generalmente estaban alejados de las necesidades de la población. Esta es la principal razón por la cual la distribución de la mayoría de los hospitales de la ciudad de Bogotá no sea la más adecuada para las necesidades actuales de la población. Finalmente, para Ramírez (2017, comunicación personal), este panorama ha venido cambiando en la actualidad y ya se contemplan otro tipo de criterios para la construcción de hospitales que tienen en cuenta la distribución geográfica y espacial que ayudan en la disminución de las barreras de acceso. Por esta razón y las demás mencionadas en este apartado, este trabajo de grado es un aporte importante para la administración y planeación distrital como insumo en la toma de decisiones para la construcción de futuros hospitales a través de SIG y técnicas de EMC.

CONCLUSIONES

La unión de técnicas de EMC en conjunto con los SIG demostró ser una herramienta exitosa para la toma de decisiones con respecto a la localización de instalaciones hospitalarias. Para el caso específico de esta investigación, se pudo determinar la localización de áreas adecuadas para la construcción de complejos hospitalarios en la ciudad de Bogotá, Colombia, confirmando la hipótesis planteada al inicio de la investigación. Las UPZ de El Rincón y Niza en la localidad de Suba e Ismael Perdomo en Ciudad Bolívar resultaron ser las dos áreas más notables para la construcción de dos nuevos hospitales públicos de segundo nivel propuestos como objetivo por esta investigación. Criterios como la densidad poblacional, la distancia y tiempo de viaje hacia la instalación hospitalaria, datos demográficos y la cercanía al transporte público, resultaron ser los más relevantes al momento de seleccionar un sitio adecuado según la ponderación dada por los expertos a través del método AHP. Entre las fortalezas que se evidenciaron del uso de este método se encuentra el soporte matemático que lo respalda, así como la capacidad de mejorar la consistencia del modelo a través del cálculo de radio de consistencia de las ponderaciones realizadas por cada experto. Este índice fue relativamente bajo para el modelo presentado, demostrando un alto grado de estabilidad en las ponderaciones hechas por los expertos. Por otra parte, una de las debilidades del uso de AHP evidenciada, fue la complejidad que puede representar para los expertos la ponderación de los criterios y subcriterios, haciendo que el proceso sea muy largo y extenuante. Se recomienda para futuras aplicaciones de este tipo de técnicas en la localización de áreas adecuadas, realizar la selección de los criterios y subcriterios partiendo de los hallazgos en la literatura, pero poniéndolos en dialogo con el grupo de expertos y permitir la construcción conjunta de nuevos criterios y subcriterios, que puedan responder de mejor manera a las necesidades propias del territorio y a la complejidad de su propio sistema de salud. Otra recomendación es la ampliación del grupo de expertos a todos los actores involucrados en el sistema de salud colombiano, que permita dar una mirada mucho más

amplia de las problemáticas que viven los diferentes sectores desde su propia experiencia. Esto permitiría un modelo más aterrizado a la realidad nacional y por ende la mejora de la ubicación de los hospitales. Finalmente, se espera que el resultado de esta investigación pueda ser usado como referencia para futuros proyectos que involucren problemas de localización de sitios óptimos para la construcción de complejos hospitalarios y se convierta en una herramienta para la toma de decisiones acertada, que beneficie a toda la población y aporte en la disminución de las barreras que se presentan en el acceso a los servicios de salud en la región.

REFERENCIAS

Acuerdo 20. (8 de diciembre de 1990). Consejo de Bogotá D.C. Bogotá D.C., Colombia. Aday, L., y Andersen, R. (1981). Equity of Access to Medical Care: A Conceptual and Empirical Overview. Medical Care, 19(12), 4-27. Recuperado el 1 de julio de 2017, de https://www.jstor.org/stable/3763937?seq=1#page_scan_tab_contents Ahmed, A., Mahmoud, H., y Aly, A. (2016). Site Suitability Evaluation for Sustainable Distribution of Hospital Using Spatial Information Technologies and AHP: A Case Study of Upper Egypt, Aswan City. Journal of Geographic Information System, 8, 578-594. doi:10.4236/jgis.2016.85048 Ayala, J. (2014). La salud en Colombia: más cobertura pero menos acceso. Documentos de Trabajo Sobre Economía Regional - Banco de la República – Sucursal Cartagena, 1. Barba-Romero, S., y Pomerol, J. (1997). Decisiones multicriterio. Fundamentos teóricos y utilización práctica. Alcalá de Henares: Servicio de Publicaciones de la Universidad de Alcalá. Barredo, J. (1996). Sistemas de Información Geográfica y Evaluación Multicriterio en la ordenación del territorio. Madrid: Ra-Ma. Basoa Rivas, G., y Otero Puime, A. (1994). Accesibilidad geográfica a los centros de salud y planteamiento urbanístico en Fuenlabrada. Rev San Hig Pub, 68, 503–11. Beheshtifar, S., y Alimoahmmadi, A. (2015). A multiobjective optimization approach for location-allocation of clinics. Intl. Trans. in Op. Res., 22, 313-328. doi:10.1111/itor.12088 Behzadi, S., y Alesheikh, A. (2013). Hospital Site Selection Using a BDI Agent Model. International Journal of Geography and Geology, 2(4), 36-51. doi:10.18488/journal.10/2013.2.4/10.4.36.51 Berry, B. (1971). Geografía de los centros de mercado y distribución al por menor. Barcelona: Vicens-Vives. Bhushan, N., y Rai, K. (2004). Strategic Decision Making: Applying the Analytic Hierarchy Process. London: Springer-Verlag London. doi:10.1007/b97668 Brabyn, L., y Skelly, C. (2002). Modeling Population Access to New Zeland Public Hospitals. International Journal of Health Geographics, 1, 1–9. Busief, I., y Shouman, M. (2012). Hospital Site Selection in Benghazi City in Libya. Proceedings of the 2012 International Conference on Industrial Engineering and Operations Management, (págs. 399-409). Istanbul, Turkey.

Buzai, G. (2015). Análisis Espacial en Geografía de la Salud: Resoluciones con Sistemas de Información Geográfica. Buenos Aires: Ed. Lugar. Chatterjee, D., y Mukherjee, B. (2013a). Potential Hospital Location Selection using AHP: A Study in Rural India. International Journal of Computer Applications, 71(17), 1-7. Chatterjee, D., y Mukherjee, B. (2013b). Potential Hospital Location Selection Using FuzzyAHP: An Empirical Study in Rural India. International Journal Of Innovative Technology And Research, 1(4), 304-314. Cheng-Ru, W., Chin-Tsai, L., y Huang-Chu, C. (2007). Optimal selection of location for Taiwanese hospitals to ensure a competitive advantage by using the analytic hierarchy process and sensitivity analysis. Building and Environment, 42, 1431-1444. Christie, S., y Fone, D. (2003). Equity of Access to Tertiary Hospitals in Wales: A Travel Time Analysis. Journal of Public Health Medicine, 25(4), 344-350. Cromley, E., y McLafferty, S. (2002). GIS and Public Health. New York: Ed. Guilford. Da Silva, C. J., y Cardozo, O. D. (2015). Evaluación multicriterio y Sistemas de Información Geográfica aplicados a la definición de espacios potenciales para uso del suelo residencial en Resistencia (Argentina). GeoFocus(16), 23-40. DANE, Departamento Administrativo Nacional de Estadística. (Noviembre de 2013). Proyecciones de población. Recuperado en octubre de 2018, de página oficial del DANE: https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-ypoblacion/proyecciones-de-poblacion DANE, Departamento Administrativo Nacional de Estadística. (Agosto de 2018). Geoportal del DANE. Recuperado en noviembre de 2018, de página oficial del DANE: https://geoportal.dane.gov.co/?descarga-marco-geoestadistico-nacional Datta, S. (2012). Multi-criteria multi-facility location in Niwai block, Rajasthan. IIMB Management Review, 24(1), 16-27. Decreto 469. (23 de diciembre de 2003). Alcaldía Mayor de Bogotá. Bogotá D.C., Colombia. Dehe, B., y Bamford, D. (2015). Development, test and comparison of two Multiple Criteria Decision Analysis (MCDA) models: A case of healthcare infrastructure location. Expert Systems with Applications, 42(19), 6717-6727. Dell'Ovo, M., Frej, E., Oppio, A., Capolongo, S., Morais, D., y de Almeida, A. (2017). Multicriteria Decision Making for Healthcare Facilities Location with Visualization Based on FITradeoff Method. Linden I., Liu S., Colot C. (eds) Decision Support Systems VII. Data, Information and Knowledge Visualization in Decision Support Systems. ICDSST 2017. Lecture Notes in Business Information Processing. 282, págs. 32-44. Springer, Cham. doi:10.1007/978-3-319-57487-5_3

Demesouka, O. E., Vavatsikos, A. P., y Anagnostopoulos, K. P. (2013). Suitability analysis for siting MSW landfills and its multicriteria spatial decision support system: Method, implementation and case study. Waste management, 33(5), 1190–1206. Eastman, J., Kyem, P., Toledano, J., y Jin, W. (1993). Gis and Decision Making. United Nations Institute for Training and Research (UNITAR). Eldemir, F., y Onden, I. (2016). Geographical Information Systems and Multicriteria Decisions Integration Approach for Hospital Location Selection. Int. J. Info. Tech. Dec. Mak. (International Journal of Information Technology y Decision Making), 15(5), 975–997. Ennouri, W., Frikha, A., y Benaissa, M. (2011). Multicriteria method for a site selection of a new hospital in Sfax. 2011 4th International Conference on Logistics (págs. 32-37). Hammamet, Tunisia: IEEE. doi:10.1109/LOGISTIQUA.2011.5939399 Escalona Orcao, A., y Diaz Cormago, C. (2003). Accesibilidad geográfica de la población rural a los servicios básicos de salud: estudio en la provincia de Teruel. Revista de Estudios sobre Despoblación y Desarrollo Rural (3), 111-149. Gillies, R. R., M. Shortell, S., Anderson, D. A., Mitchell, J. B., y Morgan, K. L. (1993). Conceptualizing and measuring integration: findings from the Health Systems Integration study. Hospital y Health Services Administration, 38(4), 467-89. Goepel, K. (2013). Implementing the Analytic Hierarchy Process as a Standard Method for Multi-Criteria Decision Making In Corporate Enterprises – A New AHP Excel Template with Multiple Inputs. Proceedings of the International Symposium on the Analytic Hierarchy Process. Kuala Lumpur. Gómez, M., y Barredo, J. (2006). Sistemas de información geográfica y evaluación multicriterio en la ordenación del territorio (2 Ed. ed.). Madrid, España: Ra-Ma. Gorsevski, P. V., Donevska, K. R., Mitrovski, C. D., y Frizado, J. P. (2012). Integrating multicriteria evaluation techniques with geographic information systems for landfill site selection. Waste management, 32(2), 287-296. IDECA, Infraestructura de Datos Espaciales para el Distrito Capital. (2018a). Datos de Referencia. Recuperado en junio de 2018, de página oficial IDECA: https://www.ideca.gov.co/datos-de-referencia IDECA, Infraestructura de Datos Espaciales para el Distrito Capital. (2018b). Mapas Bogotá. Recuperado en junio de 2018, de página oficial IDECA: https://mapas.bogota.gov.co/ Jalaliyoon, N., Arastoo, A., y Pirouti, A. (2015). Land Selection; Using Multiple Criteria Decision Making. International Journal of Academic Research in Management (IJARM), 4(1), 14-23.

Jing-Er, C., y Hang-Hao, T. (2013). Applying analytic hierarchy process to select optimal expansion of hospital location: The case of a regional teaching hospital in Yunlin. 2013 10th International Conference on Service Systems and Service Management. Hong Kong, China: IEEE. doi:10.1109/ICSSSM.2013.6602588 Khaksefidi, M., y Miri, M. (2015). Hospital Location in the Southern Fars Province by Using Multi Criteria Decision Making Techniques. European Online Journal of Natural and Social Sciences, 3(3), 638-645. Malczewski, J. (1999). GIS and Multicriteria Decision Analysis. New York: John Wiley y Sons, Inc. Manyoma-Velásquez, P. C., Pardo-Colorado, M. A., y Torres-Hozada, P. (2013). Localización de depósitos internos para residuos sólidos hospitalarios utilizando técnicas multicriterio. Ingeniería y Universidad, 17(2), 443-461. Mena, C., Gajardo, J., y Ormazábal, Y. (2006). Modelación espacial mediante geomática y evaluación multicriterio para la ordenación territorial. Revista Facultad de Ingeniería Universidad Tarapacá, 14(1), 81-89. Montenegro, H. (2009). Innovaciones en los sistemas de salud basados en la APS: las redes integradas de servicios de salud. Ponencia en OMS XI Conferencia Iberoamericana de Ministros de Salud: “Innovación y Atención Primaria de Salud”. Évora, Portugal. Morales Eraso, N. (2011). Las redes integradas de servicios de salud: una propuesta en construcción. Universidad del Rosario, Escuela de Medicina y Ciencias de la Salud. Editorial Universidad del Rosario. Mu, E., y Pereyra-Rojas, M. (2016). Understanding the Analytic Hierarchy Process. En Practical Decision Making. SpringerBriefs in Operations Research (pág. 111). Springer, Cham. Oppio, A., Buffoli, M., Dell’Ovo, M., y Capolongo, S. (2016). Addressing decisions about new hospitals’ siting: a multidimensional evaluation approach. Annali dell'Istituto Superiore Di Sanita, 52(1), 78-87. Organización Panamericana de la Salud. (2010). Serie: La Renovación de la Atención Primaria de Salud en las Américas No.4. Redes Integradas de Servicios de Salud: Conceptos, Opciones de Política y Hoja de Ruta para su Implementación en las Américas. Washington DC: OPS. Recuperado el 15 de enero de 2019, de http://iris.paho.org/xmlui/handle/123456789/31323 Özdağoğlu, A. (2012). A multi-criteria decision-making methodology on the selection of facility location: fuzzy ANP. Int J Adv Manuf Technol, 59(5-8), 787-80. doi:10.1007/s00170011-3505-1

Ozlem, S., Irem, O., y Eda, B. (2016). Hospital Site Selection via Hesitant Fuzzy TOPSIS. IFACPapersOnLine, 49(12), 1140-1145. doi:https://doi.org/10.1016/j.ifacol.2016.07.656 Palma Herrera, J. L. (2015). Sistemas de Información Geográfica (SIG) y Metodologías de Evaluación Multicriterio (EMC) en la búsqueda de escenarios alternativos para el mejoramiento socio-espacial de las áreas urbanas populares de la Ciudad de Comayagua. Ciencias Espaciales, 8(2), 452-468. Penchansky, R., y Thomas, W. (1981). The Concept of Access: Definition and Relationship to Consumer Satisfaction. Medical Care, 19(2), 127-140. Recuperado el 01 de julio de 2017, de https://www.jstor.org/stable/3764310?seq=1#page_scan_tab_contents Pravin, K., Rajesh, K., y Prerna, S. (2016). Optimal site selection for a hospital using a fuzzy extended ELECTRE approach. Journal of Management Analytics, 3(2), 115-135. doi:https://doi.org/10.1080/23270012.2016.1152170 Provan, K., y Milward, B. (2001). Do Networks Really Work? A Framework for Evaluating Public-Sector Organizational Networks. Public Administration Review. Public Administration Review (PAR), 61(4), 414-423. Rahimi, F., Goli, A., y Rezaee, R. (2017). Hospital location-allocation in Shiraz using Geographical Information System (GIS). Shiraz E-Medical Journal, 18(8), e57572. doi:10.5812/semj.57572 Ramírez, J., Puerto, S., y Rodríguez, L. (2018). De la regulación corriente a la rectoría constitucional. En Modelo integrado para la inspección, vigilancia y control de riesgos de acceso, uso y calidad de los servicios de salud, en el ámbito territorial (págs. 158-217). Bogotá, Colombia: FES. Ramírez, L. (2014). La accesibilidad diferencial y el cálculo de la demanda sanitaria a los hospitales públicos empleando sistemas de información geográfica. Primer seminario argentino de geografía cuantitativa. Buenos Aires: Publicación en CD. Recuperado el 01 de julio de 2017 Restrepo, J., Zambrano, A., Vélez, M., y Ramírez, M. (2007). Health insurance as a strategy for access: Streamlined facts of the Colombian Health Care Reform. Documentos de trabajo, No. 17, Universidad del Rosario. Rikalovic, A., Cosic, I., y Lazarevic, D. (2014). GIS Based Multi-criteria Analysis for Industrial Site Selection. Procedia Engineering, 69, 1054–1063. Romero, C. (1993). Teoria de la Decisión Multicriterio: Conceptos, Técnicas y Aplicaciones. Madrid: Alianza. Russoa, R., y Camanhob, R. (2015). Criteria in AHP: a Systematic Review of Literature. Procedia Computer Science, 55, 1123 – 1132.

Saaty, T. (1980). The analytical Hierarchy Process. New York: Mc Graw Hill. Saaty, T. (2008). Decision making with the analytic hierarchy process. Int. J. Services Sciences, 1(1), 83-98. Saaty, T. (2012). Decision Making for Leaders: The Analytic Hierarchy Process for Decisions in a Complex World. Pittsburgh: RWS Publications. Salehi, Z., Rajabi, M., Naghavi, M., Roshan, E. M., y Jamal, P. G. (2016). Using positioning city hospitals, multi-criteria analysis method (Case study: Range, South of Tehran). Bulletin de la Société Royale des Sciences de Liège, 85, 620-630. Secretaria Distrital de Ambiente. (2017b). Visor Geográfico Ambiental. Recuperado en diciembre de 2017, de Secretaria Distrital de Ambiente: http://visorgeo.ambientebogota.gov.co Secretaria Distrital de Ambiente. (2018a). IBOCA - Servicio WFS. Recuperado en junio de 2018, de Secretaria Distrital de Ambiente: http://iboca.ambientebogota.gov.co/publicaciones/167/servicio-wfs/ Secretaria Distrital de Planeación. (2017). Encuesta Multipropósito de Bogotá. Recuperado en junio de 2018, de Página de la Secretaría Distrital de Planeación: http://sdpbogota.maps.arcgis.com/apps/View/index.html?appid=5df2ac500330415f9a4a ba1f9180a112 Secretaría Distrital de Planeación. (2018a). Monografía de localidades - No. 21 Bogotá D.C. Bogotá: Secretaría Distrital de Planeación. Recuperado en noviembre de 2018, de http://www.sdp.gov.co/system/tdf/repositorio-dice/dice062-monografiabogota2017_vf.pdf?file=1ytype=nodeyid=18964yforce=1 Secretaría Distrital de Planeación. (2018b). Análisis demográfico y proyecciones poblacionales de Bogotá. Bogotá: Secretaría Distrital de Planeación. Recuperado en noviembre de 2018, de http://www.sdp.gov.co/sites/default/files/demografia_proyecciones_2017_0_0.pdf Secretaría Distrital de Planeación. (2018c). Proyecciones de población. Recuperado en noviembre de 2018, de Página oficial de la Secretaría Distrital de Planeación: http://www.sdp.gov.co/gestion-estudios-estrategicos/estudios-macro/proyecciones-depoblacion Secretaría Distrital de Planeación. (2018d). Monografía de localidades - No.11 Suba. Bogotá: Secretaria Distrital de Planeación. Secretaría Distrital de Planeación. (2018e). Monografía de localidades - No.19 Ciudad Bolívar. Bogotá: Secretaria Distrital de Planeación.

Secretaría Distrital de Salud de Bogotá. (2016a). Rendición de cuentas del sector salud Plan de Desarrollo “Bogotá mejor para todos” vigencia 2016. Rendición de cuentas, Secretaria Distrital de Salud, Subsecretaría de Planeación y Gestión Sectorial, Bogotá D.C. Recuperado el 1 de julio de 2016, de http://www.saludcapital.gov.co/Documents/Inf_Rendicion_de_Cuentas_SDS_2016.pdf Secretaría Distrital de Salud de Bogotá. (2016b). Red prestadora de servicios de salud Bogotá 2015-2016. Recuperado el 1 de diciembre de 2016, de Secretaría Distrital de Salud de Bogotá: http://www.saludcapital.gov.co/Documents/Red%20Prestadora%20de%20Servicios%20d e%20Salud%20-%20Bogota%20-%202015-2016.pdf Secretaría Distrital de Salud de Bogotá. (2016c). Documento de Análisis de Situación de Salud con el Modelo de los Determinantes Sociales de Salud para el Distrito Capital. Bogotá: Secretaría Distrital de Salud de Bogotá. Recuperado en junio de 2018, de https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/VS/ED/PSP/asisdistrital-2015-bogota.pdf Sharmin, N., y Neema, M. N. (2013). A GIS-based Multi-criteria Analysis to Site Appropriate Locations of Hospitals in Dhaka City. Asian Transactions on Engineering, 3(4), 8-12. Soltani, A., y Marandi, E. (2011). Hospital site selection using two-stage fuzzy multi-criteria decision making process. JUEE (Journal of Urban and Environmental Engineering), 5(1), 3243. Vahidnia, M. H., Alesheikh, A. A., y Alimohammadi, A. (2009). Hospital site selection using fuzzy AHP and its derivatives. Journal of environmental management, 90(10), 3048-3056. Vargas, I., Vázquez, M. L., y Mogollón, A. (2010). Acceso a la atención en salud en Colombia. Revista de Salud Pública, 12(5), 701-712. Vázquez, M. L., Vargas, I., Calpe, J. F., y Terraza, R. (2005). Organizaciones sanitarias integradas: una guía para el análisis. Revista Española de Salud Pública, 79(6), 633-643. Von thünen, H. (1826). Der Isolierte Staat in Beziehung auf Landwirtschaft und Nationalökonomie. Hamburg. Voogd, H. (1983). Multicriteria Evaluation for Urban and Regional Planning. London: Pion. Weber, A. (1909). Theory of the Location of Industries. Chicago: University of Chicago Press.