Cálculo y evaluación del riesgo operativo en entidades de salud a partir del enfoque de redes bayesianas

• Paola Andrea Vaca-González ^[1]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Ensayos de economía, ISSN 0121-117X, Vol. 29, Nº. 55, 2019, págs. 205-233
• Idioma: español
• Títulos paralelos:
  • Calculation and Evaluation of Operational Risk in Health Care Providers Based on the Bayesian Networks Model
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El objetivo de este trabajo es cuantificar el riesgo operativo al que está expuesta una institución de salud en Colombia, para que pueda gestionar la exposición a este riesgo. Para ello, se utiliza el modelo de redes bayesianas que se basa en teoría de grafos y de la probabilidad, el cual es considerado adecuado para modelar las pérdidas operativas, dado que permite incorporar en la modelación, información adicional proporcionada por expertos en procesos operativos, para complementar la información histórica y así mejorar la estimación de este tipo de riesgo. Además, el modelo permite 1) identificar las relaciones de dependencia entre los factores que generan un riesgo operativo, y 2) visualizar estas relaciones mediante grafos. El método de redes bayesianas se evalúa mediante un ejercicio con datos simulados, a partir de la información proporcionada por expertos. Se encuentra que las redes bayesianas permiten identificar los factores de riesgo que inciden principalmente en la ocurrencia de una falla en un proceso operativo, lo cual ayuda a enfocar las medidas de intervención y a predecir los efectos de esas medidas, generando así, resultados más eficientes en la gestión de este tipo de riesgo.

  • English

    The aim of this work is to quantify the operational risk of a health care provider in Colombia, so that we can manage exposure to this risk. To this effect, we use the Bayesian Networks model, which is based on graphs and probability theories, and is suitable for modeling operational losses, since it allows us to incorporate additional information from experts in operational processes into the model, to complement historical information, and thus improve the calculation of this type of risk. In addition, this model allows us 1) to identify the dependency relationships between the factors that create an operational risk, and 2) to visualize these relationships by means of graphs. The Bayesian networks method is evaluated by means of a simulated exercise, based on the information given by experts about the internal operational process in a health care provider. Findings show that Bayesian Networks allow identification of the risk factors that mainly impact the occurrence of a failure in an operational process, which helps to focus the decision making process and to predict the effects of these measures, generating more efficient results in the management of this type of risk.