Factores asociados a tiempo operatorio prolongado en pacientes de cirugía abdominal Hospital Nacional Alberto Sabogal Sologuren año 2023

• Autor: Soria Solis, Josue Richard
• Fecha de Publicación: 2024
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/8265
• Enlace del recurso: https://hdl.handle.net/20.500.14138/8265
• Nivel de acceso: acceso abierto
• Materia: Tiempo operatorio; Cirugía abdominal; Complicaciones postoperatorias; Optimización preoperatoria; https://purl.org/pe-repo/ocde/ford#3.02.09

Introducción: El tiempo operatorio prolongado en cirugía abdominal es un problema global que afecta la salud de los pacientes y la eficiencia de los sistemas de salud. Su duración extendida se relaciona con complicaciones postoperatorias, mayor mortalidad y un aumento en los costos operativos. Factores como la complejidad de las patologías, vía aérea y la obesidad contribuyen a este fenómeno. Se proponen estrategias como la optimización preoperatoria y la capacitación del personal para mitigar el problema. La investigación y el intercambio de mejores prácticas son cruciales para mejorar los resultados quirúrgicos y el uso de recursos hospitalarios. Objetivo: Determinar los factores asociados al tiempo operatorio prolongado en pacientes de cirugía abdominal en el Hospital Nacional Alberto Sabogal Sologuren durante 2023. Métodos: Se plantea un tipo de estudio cuantitativo, retrospectivo y transversal no experimental. La población es de 1300paciente intervenidos quirúrgicamente en el servicio de cirugía general del Hospital Nacional Alberto Sabogal Sologuren, en el año 2023. El muestreo es no probabilístico, por conveniencia, de los 1300 se seleccionarán 545 pacientes del registro de historia clínicas digitales. El análisis de los datos se llevará a cabo utilizando el software estadístico SPSS26.v, aplicando técnicas de estadística descriptiva e inferencial. Se realizará la prueba de normalidad de Kolmogorov-Smirnov para evaluar la distribución de los datos y se utilizarán pruebas como Anova de un factor y correlación de Pearson para analizar las relaciones entre variables, todas con un nivel de significancia del 5%