OBJETIVO: Modelizar y simular por computadora la red de atención de consultas médicas de un servicio de salud del sistema público chileno. MÉTODOS: El estudio se realizó bajo el enfoque de la "dinámica de sistemas". Se recolectó información de los establecimientos del servicio de salud y se construyó un modelo de derivaciones. Se determinaron las especialidades a modelizar de acuerdo con la extensión de sus listas de espera. Se definieron las ecuaciones para el cálculo de las atenciones, las derivaciones y la espera. Se diseñaron las bases de datos y se volcó en ellas la información proveniente del servicio. Se programó y validó el modelo, comparándolo con los datos reales. Se simularon escenarios que permitieran reducir la espera mediante el aumento de las horas médicas, el mejoramiento de la capacidad resolutiva en atención primaria y compleja, o ambos. RESULTADOS: Se modelizaron 22 establecimientos, 1 451 flujos de derivaciones y 12 especialidades médicas además de medicina general. Se procesaron 686 869 registros de atenciones, derivaciones y listas de espera. La validación arrojó altos coeficientes de determinación y un error porcentual de 10,43% respecto de las listas de espera reales. CONCLUSIONES: La metodología mostró su utilidad para modelizar una red asistencial. Se observó un funcionamiento autorreferencial -según la capacidad instalada-, con posibilidades de intervención para mejorar la resolutividad, tanto en los centros de salud primarios como en los centros de especialidades. Un aumento moderado de la capacidad resolutiva y de las horas médicas permitiría la eliminación total de las listas de espera por consulta médica de especialidad.

OBJECTIVE: To create a computerized model and simulation of the patient visit/ referrals process for a health care services organization within Chile's public health care system. METHODS: The study was performed with a "system dynamics" focus. Data were collected from the health care service centers, and a referrals model was created. Specialty areas to be modeled were chosen based on the length of their waiting times. Equations were defined for calculating care visits, referrals, and waiting times. Databases were designed and populated with centers' data. The model was programmed and validated through comparisons with actual data. Scenarios were simulated that would reduce patient waiting time by increasing staff hours or improving diagnostic resolution at the primary care and specialty centers, or both. RESULTS: The modeling included 22 centers, 1 451 referral flows, and 12 medical specialty areas, in addition to general medicine. A total of 686 869 registered office visits, referrals, and waiting logs were processed. The validation yielded high determinant coefficients and a 10.43% percentage error regarding actual waiting time logs. CONCLUSIONS: This methodology proved to be useful for modeling a health care network. An auto-referral process was observed where options were available, with opportunities for improvement in diagnostic resolution at the primary health care centers, as well as at the specialty centers. Moderate increases in diagnostic accuracy and office hours would completely eliminate waiting times at the specialty centers.