ESTIMACION DE MODELOS DE UTILIZACIÓN PARA LA … · 2009-05-27 · 4 M ayores det les se pueden consult r en Grand, K. et al. (s/fecha) y RAWP 4 (s/fecha). ... • Utilización esperada

MINISTERIO DE SALUD SUBSECRETARÍA DE SALUD PÚBLICA

DIVISIÓN DE PLANIFICACIÓN SANITARIA

DEPARTAMENTO DE ECONOMÍA DE LA SALUD

ESTIMACION DE MODELOS DE UTILIZACIÓN PARA LA CAPITACIÓN AJUSTADA POR NECESIDADES

Documento presentado en el II Congreso de Economía de la Salud e América Latina y el Caribe, Buenos Aires – Argentina, 31 de octubre al 2 de noviembre

2006. ABRES – AES.

Autor Ciro Ibáñez Gericke [email protected]

Resumen ejecutivo

Objetivo: Contribuir a introducir mayores niveles de racionalidad en la toma de decisiones en relación a la asignación de recursos a los servicios de salud, teniendo como criterios las necesidades relativas de los ciudadanos y la equidad. Método: Se estima un sistema de ecuaciones que intentan explicar las necesidades relativas de las poblaciones asociadas a los servicios de salud en tres ámbitos de necesidades: hospitalizaciones, consultas médicas de especialidad y consultas de urgencia. La estimación se realiza mediante la técnica de Ecuaciones Aparentemente no Relacionadas. Resultados: Se contrasta la pertinencia de la técnica de estimación mediante el estadístico ML por Breuch y Pagan, rechazándose la hipótesis de que los errores de las ecuaciones no están relacionados. Los mejores ajustes se obtienen para las ecuaciones de egresos hospitalarios (R2 = 0,95) y consultas de urgencia (R2 = 0,66), mientras que para la ecuación de consultas de especialidad el ajuste es más bajo (R2 = 0,25). Los parámetros estimados son estadísticamente significativos y tienen los signos esperados. Al considerar cinco primeros y los cinco últimos servicios de salud de los ranking se constata que en general, en los tres ámbitos se repiten los mismos servicios. Por último, se plantea que el no considerar la eficiencia como uno de los criterios para la asignación de recursos puede llevar a acrecentar la ineficiencia y por lo tanto afectar negativamente la satisfacción de las necesidades de la población, por lo cual se sugiere incorporar variables complementarias que acoten este riesgo. Palabras claves: asignación de recursos, modelos de utilización, técnica de estimación de ecuaciones con errores aparentemente no relacionados, necesidades relativas.

Octubre 2005

INDICE

1 INTRODUCCIÓN ____________________________________________________ 2

2 LA ASIGNACIÓN TERRITORIAL DE RECURSOS: ASPECTOS

METODOLOGICOS ______________________________________________________ 3

3 MARCO GENERAL PARA LA CAPITACION PROPUESTA ________________ 9

4 MODELOS DE UTILIZACION ________________________________________ 11

4.1 Aspectos conceptuales ___________________________________________ 11

4.2 Breve reseña de las relaciones encontradas en la literatura entre la

utilización y variables explicativas _______________________________________ 13

5 ESPECIFICACIÓN DE MODELOS Y DEFINICION DE VARIABLES_______ 15

5.1 Modelos de utilización ___________________________________________ 15

5.2 Definición de variables ___________________________________________ 17

5.2.1 Variables de utilización _______________________________________ 17

5.2.2 Variables de privación ________________________________________ 18

5.2.3 Variables de dotación _________________________________________ 18

5.2.4 Variables demográficas _______________________________________ 18

6 RESULTADOS Y RANKING DE SERVICIOS SEGÚN NECESIDADES

RELATIVAS ESTIMADAS _______________________________________________ 20

6.1 Resultados estadísticos ___________________________________________ 20

6.2 Ranking de servicios según necesidades _____________________________ 22

7 BIBLIOGRAFIA ____________________________________________________ 26

8 ANEXOS __________________________________________________________ 28

8.1 Síntesis de factores de ajuste utilizados en distintos modelos de capitación 28

8.2 Gráficos de Dispersión ___________________________________________ 29

8.3 Ranking de servicios según modelos estimados con y sin considerar oferta 31

Ministerio de Salud Chile - Subsecretaría de Salud Pública - División de Planificación Sanitaria Departamento de Economía de la Salud

1

1 INTRODUCCIÓN1 Uno de los problemas a los que se enfrentan a menudo las instituciones públicas, es el resolver cómo distribuir recursos a distintas zonas geográficas, la práctica habitual de muchas de estas instituciones, tanto en países desarrollados como en desarrollo, ha sido la inercia histórica. Esta forma de gestionar los recursos, responde a criterios que no guardan relación necesariamente con la satisfacción de las necesidades de la población adscrita a determinada zona geográfica. Es en este contexto, que se han desarrollado desde principios de la década de los setenta, técnicas que estudian el cómo responder adecuadamente a los problemas de asignación territorial de recursos, donde las áreas más fecundas han sido la educación y la salud. En general los estudios han incorporado criterios de equidad asociados a la satisfacción de las necesidades de la población, tema que ha sido el foco de la investigación aplicada, a lo que adicionalmente se ha incorporado parcialmente el tema de la eficiencia. El presente trabajo es uno de resultados de la línea de trabajo en asignación de recursos que desarrolla el Departamento de Economía de la Salud que fuera iniciada en su momento por Camilo Cid y que contó con el financiamiento de la Agencia de Cooperación Alemana GTZ. El trabajo consta de siete secciones además de esta introducción. En la segunda se sintetizan brevemente las líneas metodológicas a partir de las cuales se ha abordado el problema de la asignación territorial de recursos, resaltando las ventajas y desventajas de ellas. En la tercera sección se presentan los aspecto generales de la propuesta conceptual para la situación de Chile. En la cuarta sección se abordan los aspectos específicos de la opción metodológica propuesta, la cual se acompaña de una breve reseña de la literatura internacional. En la quinta sección, se especifican los modelos de utilización que se emplearán para la estimación de las necesidades en tres ámbitos de la cobertura general de prestaciones de los Servicios de Salud. Se consideran la utilización hospitalaria no ambulatoria, la consultas de urgencia y las consultas de especialidad. Se termina esta sección definiendo las variables y las fuentes de información a utilizar en la estimación. En la sexta sección se presentan los resultados estadísticos de la estimación de los modelos y el ranking resultante en términos de necesidades relativas de los servicios de Salud. Finalmente, en la séptima y octava sección se presenta la bibliografía y los anexos respectivamente.

1 Se agradecen los valiosos comentarios recibidos a versiones anteriores de este trabajo por parte de Carla Castillo y Andrea Flores, economistas del Departamento de Economía de la Salud. También se agradece el constante y sugerente apoyo que Camilo Cid brindó al desarrollo de esta línea de trabajo en su calidad de Jefe del Departamento de Economía de la Salud hasta principios del año 2005. Como simpre, los errores que tuviere el documento son de exclusiva responsabilidad del autor.


2

2 LA ASIGNACIÓN TERRITORIAL DE RECURSOS: ASPECTOS

METODOLOGICOS Dentro de los estudios realizados en asignación territorial de recursos en salud, la experiencia inglesa es reconocida como una de las más relevantes. Esta se conoce como el modelo RAWP,2 que corresponde a una metodología que enfrentó el tema de la asignación de recursos en circunstancias de una evidente desigualdad geográfica. La metodología se concibió en 1976, como un mecanismo de capitación ponderada, que tenía como objetivo lograr una distribución territorial de recursos que garantizara la igualdad de acceso a los servicios sanitarios para igual necesidad y, cuya aplicación abarcaría los recursos destinados al costeo de los servicios hospitalarios y a los gastos de capital.3 El modelo RAWP, es una combinación de distribución de recursos mediante gasto histórico y necesidades de la población. En la primera versión, las necesidades de la población se clasificaban en siete ámbitos de competencia sanitaria, donde se consideraban las internaciones no siquiátricas, internaciones siquiátricas, internación de discapacitados, servicios ambulatorios, servicios de salud colectiva, servicios de ambulancias y gastos administrativos. Cada uno de estos ámbitos estaba asociado a una determinada valoración económica y a una población, por lo tanto, se podía estimar un gasto per cápita para cada uno, el cual se ajustaba de acuerdo a distintas formas de representar las necesidades de la población. Los ámbitos sanitarios y los ajustes que se realizaban, se sintetizan en el Cuadro 2.1. El proceso de asignación de recursos, mantenía la inercia histórica e incorporaba la capitación ajustada. En efecto, los presupuestos se mantenían proporcionalmente iguales para cada componente, los cuales se asignaban a cada región de acuerdo a los criterios expuesto en el Cuadro 2.1. Finalmente, se hacían dos ajustes adicionales que dicen relación con los costos adicionales de los servicios con actividades de formación e investigación y, un segundo ajuste relacionado al costo de vida de cada región. Entre las principales características de la primera versión de la RAWP, está el hecho de que la metodología brindaba un criterio de asignación de recursos explícito, transparente y objetivo. Se asumía que las necesidades de salud de la población, no eran observables directamente y que la mejor aproximación era medirlas a través de indicadores de morbilidad, sin embargo, debido a la falta de información finalmente se optó por medir las necesidades mediante la mortalidad estandarizada, asumiendo una relación de uno a uno en relación a su capacidad explicativa de las necesidades. De este modo variables de morbilidad y factores socioeconómicos estuvieron ausentes de la formula.4

2 Que corresponde a las siglas de Resource Allocation Working Party (Grupo de Trabajo para la Asignación de Recursos). 3 De acuerdo a Porto, S. (2002, pp. 48), los gastos de capital nunca fueron incorporados en la distribución de recursos tal como se proponía en el RAWP. 4 Mayores detalles se pueden consultar en Grand, K. et al. (s/fecha) y RAWP 4 (s/fecha).


3

Cuadro 2.1: Componentes iniciales de la RAWP.

Componentes de capitación

Criterios de ajuste

Internaciones no psiquiátricas

• Sexo y edad (9 grupos de edad) • Utilización esperada según CIE corregida por tasa de

mortalidad estandarizada • Flujo interregional de casos

Internaciones siquiátricas

• Sexo, edad y estado civil • Utilización esperada sin corrección por mortalidad • Flujo interregional de casos y casos de larga duración

Internación de discapacitados • Sexo, edad y estado civil • Utilización esperada sin corrección por mortalidad • Flujo interregional de casos y casos de larga duración

Servicios ambulatorios

• Sexo y edad (6 grupos de edad) • Utilización esperada según CIE corregida por tasa de

mortalidad estandarizada • Flujo interregional de casos

Servicios de salud colectiva • Edad (4 grupos y sin discriminar sexo) • Mortalidad estandarizada

Servicios de ambulancias • Mortalidad estandarizada Gastos administrativos • Base poblacional sin corrección Fuente: En base a Tobar, F. et al (2001). Posteriormente entre 1989 y 1994, se realiza la primera revisión de la RAWP, donde serán tres las líneas a desarrollar. Primero, se establece que la mortalidad estandarizada no es un buen proxy de la morbilidad; segundo, la mortalidad estandarizada no captura las consecuencias que se piensa tienen variables asociadas a privaciones sociales y económicas en las necesidades de salud; tercero, no existe base empírica para asumir una relación uno a uno entre la mortalidad estandarizada y las variaciones en las necesidades de salud. Las principales innovaciones que se recomendaron de esta revisión son la estimación de las necesidades por edad asociadas a áreas pequeñas, medidas como tasas de utilización de servicios hospitalarios la que sería determinada por la mortalidad estandarizada, variables de oferta y facilidades de acceso a los servicios. Para la estimación se recomienda el análisis de regresión. Además, se recomienda reemplazar la mortalidad estandarizada global por una que considere a las personas menores de 75 años; se baja el peso de la mortalidad estandarizada de 1 a 0,44; se recomienda incluir explícitamente variables de privación social; el peso de cada variable es asociado al valor de los coeficiente estimados mediante análisis de regresión.5

5 Finalmente, se incluyen en la nueva formulación oficial un peso de 0,5 para la mortalidad estandarizada y no se incluyen variables de privación social. RAWP 4 (s/fecha).


4

La nueva modalidad no estuvo exenta de criticas, las que se centraron en torno a la inadecuada conceptualización de las necesidades asociadas a la utilización y, al insuficiente ajuste por factores de oferta. Otra línea de crítica fue metodológica, en cuanto a la técnica de estimación por análisis de regresión simple, en circunstancias de que las necesidades y la oferta se determinan simultáneamente y al no realizarse la estimación considerando este problema da lugar a estimaciones inconsistentes. En febrero de 1993, producto de las falencias de la metodología así como también a las nuevas fuentes de información estadística, se decide revisar nuevamente la RAWP, para lo cual se contrata a un equipo de la Universidad de York. Los principales aportes del trabajo son la incorporación de variables socioeconómicas y la metodología de estimación que adopta la técnica de mínimos cuadrados en dos etapas, de manera de modelar adecuadamente la interrelación de oferta y necesidades, las cuales se miden a nivel de área geográfica y utilización por tramos etareos.6 A partir del año 2003 la formula de capitación en el Reino Unido contempla cinco componentes: Servicios de salud comunitarios y hospitalarios, recetarios, Gastos en servicios médicos generales no pagados limitados, SIDA e infraestructura práctica general. Cada uno de estos componentes tiene asociados costos y necesidades con los cuales se pondera la población.7 El desarrollo que ha tenido la metodología de asignación de recursos financieros al sector salud en el Reino Unido, ha sido la base de otras experiencias, que en lo fundamental siguen la misma línea teórica e instrumental, variando de acuerdo a las realidades de cada país y dependiendo siempre del nivel de avance en los sistemas estadísticos.8 No obstante lo dicho anteriormente, existen metodologías mucho más sencillas, en términos de su implementación, tal es el caso de la financiación española, donde la asignación de recursos a las Comunidades Autónomas (CC.AA.) depende de las necesidades de la población, entendidas desde tres ámbitos que consideran a la población protegida9, la población mayor de 65 años y la insularidad, estas tres variables tienen una ponderación de 75%, 24,5% y 0,5% respectivamente.10 De esta manera la participación en el presupuesto total de cada comunidad i estará dado por la siguiente formula:

iiii I.M.P.F ⋅+⋅+⋅= 00502450750 Donde,

6 No obstante, de acuerdo a López, G. (1999, pp. 6), la literatura tiende a sobredimensionar las bondades del sistema británico de asignación de recursos, cuando en realidad del total de fondos a asignar sólo un 25% se asigna de acuerdo a criterios generales, lejos de la apreciación común de que el 100% de los fondos asignables se distribuyen de acuerdo a criterios de necesidad. 7 Los detalles se pueden consultar en Department of Health (2003). 8 En el Anexo 1 se presenta una síntesis de las variables utilizadas para la realización de los ajustes con objeto de determinar los montos capitados ajustados. 9 Es la población con derecho de cada Comunidad Autónoma, no se consideran los grupos sociales que pertenecen a otras instancias de seguridad social distintas de las del Estado. 10 Montero, R. et al. (2003).


5

P = Población protegida (%) M = Población mayor de 65 años (%) I = Insularidad (%) Además, existe un conjunto de programas especiales cuya distribución incorpora variables que diferencian tramos de edad y niveles de renta, sin embargo los montos a distribuir en estos programas no pasa de un 2% del presupuesto total a distribuir. Una característica importante del sistema español, es que desde que se empezó a implementar se adoptaron criterios que permitían que la asignación que entregara la formula no fuera menor a la que se venía recibiendo históricamente, con esto se lograba neutralizar posibles desequilibrios financieros en los servicios, los cuales se iban ajustando con el pasar del tiempo. Una tercera línea de análisis, asume el gasto per cápita bruto, es decir, sin ningún tipo de ajuste, como una variable dependiente que debe ser explicada. La metodología se basa en el análisis de regresión mediante la técnica de mínimos cuadrados ordinarios. Se entiende al gasto per cápita bruto, como una medida de las necesidades financieras de los distintos territorios. El modelo general que se busca ajustar es el siguiente:11

ii XXXGP ε+β+β+β+β= 3322110 Donde, GP = Gasto per cápita X1 = Variable de necesidades X2 = Variable de costos X3 = Variable representativa del contexto socioeconómico de los

territorios i = Territorio ε = Termino de error aleatorio β0; β1; β2 y β3 = Parámetros a estimar Los problemas de esta forma de acercarse al problema son de dos tipos. Primero, generalmente cuando los sistemas sanitarios no han tenido especial preocupación por la asignación equitativa de recursos a través del tiempo, la medida de gasto per cápita no es una buena aproximación a las necesidades financieras de las unidades territoriales, por el contrario, es precisamente esa asignación la que hay que corregir. Segundo, la técnica de mínimos cuadrados ordinarios no parece ser el mejor camino para la estimación de los parámetros, especialmente cuando el número de variables explicativas es alto, donde el problema de multicolinealidad puede llegar a ser grave, tal como advierte Cantarero (2001, pp. 8). Para neutralizar este último problema, se utilizan técnicas de análisis de 11 Esta representación se aproxima a la expuesta en Cantarero (2001, pp. 7-9). La versión de Cid (2003) es más extensa y compleja, por cuanto trata de explicar el gasto per cápita con dos conjuntos de variables: uno que representa la utilización de los servicios y, otro que representa la complejidad de los servicios de salud.


6

componentes principales, de manera de reducir el número de variables, no obstante lo anterior los resultados estadísticos generalmente arrojan problemas de significancia en los parámetros y de signo esperado de los mismos. En Chile, dos son las metodologías que se han aplicado. Una primera es la propuesta por Lenz, R. y Vanderschueren, A. (1998), que consiste en estimar brechas de equidad para cada Servicio de Salud, donde el “presupuesto de equidad” se estima a partir de la corrección del gasto per cápita cuya expresión es la siguiente:

cos

derivacionnsaludcomplejid

IIII

GPGPC⋅⋅

⋅=

Donde, GPC = Gasto per cápita corregido GP = Gasto per cápita Icomplejid = Índice de complejidad Insalud = Índice de necesidades de salud Iderivacion = Índice de derivaciones Icos = Índice de costos Posteriormente, Cid, C. (2003) plantea un modelo de ajuste mediante análisis de regresión que explica el gasto per cápita en función de un conjunto de indicadores representativos de la complejidad y utilización donde el valor predicho normalizado se usa como indicador de complejidad de cada uno de los Servicios. El monto de gasto per cápita es ajustado por variables asociadas a necesidades de salud como sexo, edad (adultos mayores) y mortalidad estandarizada y por el indicador de complejidad obtenido. El ajuste considera el promedio nacional del gasto per cápita y el valor correspondiente a cada variable de ajuste para cada Servicio de Salud, la expresión final, que incluye un rango de variación para el per cápita ajustado por necesidades es la siguiente: Rango PANi = PCNac*(0,2Ii

c + 0,3 Iie + 0,3 Ii

s + 0,2 Iim ) +-

scpc

Donde, PANi = Per cápita ajustado por necesidades de salud del Servicio de Salud i PCNac = Promedio nacional de recursos per cápita Ii

c = Índice de complejidad del Servicio de Salud i Ii

e = Índice de edad del Servicio de Salud i (proporción de adultos mayores) Ii

s = Índice de que representa la proporción de mujeres del Servicio de Salud i

Iim = Índice de mortalidad estandarizada del Servicio de Salud i

scpc = Rango de variación dado por la desviación estándar de la estimación del

índice de complejidad.


7

La elección de los ponderadores de cada índice de la fórmula se realizó en base al juicio del equipo de trabajo, en consulta con bibliografía y algunas pruebas estadísticas preliminares que arrojan el orden de importancia entre ellos. En lo que sigue, se formulará una metodología de macro asignación de recursos para Chile, que considera los avances y limitaciones de las metodologías actualmente en uso.


8

3 MARCO GENERAL PARA LA CAPITACION PROPUESTA A través de los años el presupuesto hacia los servicios de salud se ha distribuido desde el nivel central vía Fonasa y Minsal. Una parte considerable de él se distribuye mediante un criterio histórico, es decir, manteniendo aproximadamente una determinada proporción del presupuesto total para cada servicio, y la otra parte se distribuye mediante métodos de pago como son las prestaciones valoradas PPV o los pagos asociados a diagnósticos PAD. La asignación del presupuesto no ha considerado criterios de equidad ni las necesidades de las poblaciones asociadas. No obstante lo anterior, han existido periodos en que se han considerado dichos criterios para asignar recursos marginales como son las expansiones presupuestarias y los recursos destinados a cubrir deuda hospitalaria.12 Lo que tenemos hasta ahora, es que el criterio de equidad nos plantea que ante igual necesidad se debe disponer de iguales recursos. Sin embargo, sabemos que cada servicio enfrenta distintas necesidades de salud de la población y distintos grados de complejidad. Teniendo presente lo anterior, el criterio debiera tender a igualar recursos ante iguales necesidades de la población y niveles de complejidad de los servicios.13 Pues bien, el objetivo del per cápita ajustado por necesidades, PAN, es precisamente incorporar criterios de equidad en la asignación de recursos a nivel de la macroasignación.14 En la Figura 3.1, se sintetizan los elementos que el PAN considera. El PAN tiene dos grandes componentes. Primero, la complejidad, donde hemos utilizado un indicador de costo relativo de cada servicio, entendiendo que mientras mayor sea el indicador mayor complejidad tendrá el servicio.15 Segundo, las necesidades sanitarias, donde estas se han medido mediante variables proxy de utilización. La utilización se ha subdivido en tres subcomponentes, distinguiendo las utilización de servicios hospitalarios mediante los egresos hospitalarios, consultas de urgencia y consultas de especialidad.16 En la actualidad el peso relativo de cada componente de la utilización es el mismo, vale decir, el indicador de utilización corresponde al promedio aritmético de los tres ámbitos

12 De acuerdo a Lenz, R. y Vanderschueren, A. (1998) pp. 117 – 118, consideraciones de brechas de eficiencia y equidad se utilizaron en el segundo quinquenio de la década de los noventa para asignar recursos financieros de expansión no asociados a proyectos de inversión sectorial. En el segundo caso, se utilizó el PAN como uno de los criterios para asignar recursos destinados a cubrir deuda hospitalaria en los años 2003 y 2004. 13 A esta orientación se le suele denominar equidad horizontal. Ver Urbanos (1999). 14 Una conceptualización de la macroasignación y la microasignación se puede ver en Lenz, R. y Vanderschueren, A. (1998) pp. 111 – 135 y Cid, C. (2003). 15 Este indicador de complejidad, medido a través de un indicador de costo relativo, considera los diferenciales de precios existentes entre los servicios ubicados en regiones extremas y los servicios de la zona central. Este indicador no encubre problemas de eficiencia en el sentido de mayores costos mayor ineficiencia, por cuanto los costos son inputados, no costos efectivos. Si pudiere encubrir ineficiencia desde la perspectiva de las cantidades de servicios prestados, en este caso esto se reflejaría en menores costos, dado que habrían menos prestaciones. 16 La estimación de las funciones de utilización no consideran los eventuales problemas de eficiencia en la provisión de cada una de estos servicios. Esto implica que cambios en los modelos de gestión de urgencias deberían inducir cambios en la intensidad de utilización.


9

considerados. Una vez que se tienen los indicadores de utilización y complejidad se procede a calcular lo que hemos llamado el indicador sintético de ajuste, en este nivel se ha considerado una ponderación de 80% para la utilización y un 20% para la complejidad. Una vez estimado este indicador, éste se aplica sobre el per cápita bruto que corresponde al per cápita promedio de los servicios y de esa manera se ajusta cada uno de ellos. Figura 3.1: Esquema metodológico de estimación y calculo del per cápita ajustado

or otra parte, en la Figura 3.2, se muestra sintéticamente la forma de calculo del indicador

igura 3.2: Estimación del indicador de complejidad

P E R C A P IT A B R U T O

IN D IC A D O R D E C O M P L E J ID A D

U T IL IZ A C IO N

IN D IC A D O R S IN T E T IC O D E A J U S T E

P E R C A P IT A A J U S T A D O

(2 )

(3 )

(4 )

E S T IM A C IÓ N D E IN D IC A D O R E S D E A J U S T E

(1 ) E g re s o s

H o s p ita la r io sC o n s u lta s d e

u rg e n c ia C o n s u lta s d ee s p e c ia lid a d

C o s to re la t iv o

Pde complejidad por servicio, que en conjunto con el indicador de utilización determinan el valor del índice PAN. F

Costo relativo

Costo medio por egreso del servicio i / Costo medio por egreso nacional

Indicador de complejidad del servicio i


10

4 MODELOS DE UTILIZACION

4.1 Aspectos conceptuales Los modelos de utilización buscan mensurar las necesidades relativas de la población a través del uso que esta realiza de los servicios de salud. Se asume que las necesidades de salud corresponden a variables no observables, es por ello que se considera que si la persona asiste a una unidad hospitalaria ello es porque dicha persona necesita de atención sanitaria, como plantea Álvarez (2001, pp. 93) “la demanda de atención médica puede interpretarse como la manifestación que hacen los individuos de sus necesidades sanitarias”.17 Para efecto de análisis agregado, interesa conocer cuáles son los determinantes de la utilización de servicios sanitarios a los que llamaremos factores explicativos. Evidentemente, esta es una medida parcial e indirecta de necesidad, por cuanto es plausible pensar en la existencia de una necesidad latente que no se expresa en la utilización de los servicios de salud, lo que en la literatura se asocia a la demanda no satisfecha. Teniendo presente esta limitación se desarrolla un modelo que pretende explicar la demanda que se revela a partir de la utilización de algunos ámbitos de la capacidad de acción sanitaria de los servicios de salud a nivel agregado.18 De acuerdo a la Figura 4.1, la estructura del modelo de utilización de servicios sanitarios considera tres conjuntos independientes de variables. Estos conjuntos corresponden a las características socioeconómicas de la población, a las condiciones de salud y las dotaciones de recursos de los servicios. Los cuales se entienden como ámbitos que explican la utilización de los servicios de salud. Las flechas de la Figura 4.1 indican el sentido de la relación. Así, las características socioeconómicas y de salud explican las necesidades, las cuales se revelan en la utilización. Lo mismo ocurre con la dotación de recursos que afecta a las necesidades y a la utilización directamente. Las necesidades de la población se aproximarán a partir de tres áreas de atención de los servicios de salud. La primera área será la de necesidades de hospitalización la que se medirá mediante las estadísticas de egresos hospitalarios. Un segunda área será aquella que se deriva de la observación de las consultas médicas de especialidad que son ambulatorias. Y una tercera área será aquella que se desprende de las atenciones médicas de urgencia. Desde el punto de vista de la explicación de la utilización en las tres áreas mencionadas, los determinantes serán los mismos, esto parece lo más adecuado por cuanto las condiciones de privación y las características demográficas de la población son las mismas en cada caso, sin embargo, el impacto de cada ámbito es probable que sea distinto dependiendo de la

17 Esta figura es análoga a la que se desprende de la microeconomía con la teoría de la utilidad, donde el planteamiento es que la utilidad en tanto variable no es observable, y que esta se teoriza en función de las preferencias reveladas en el mercado por el consumidor. 18 De acuerdo a Cabasés, J. (1998, pp. 8), el problema de elegir una variable adecuada que refleje la necesidad de la población también estuvo presente en la formula RAWP, cuya resolución se inclinó por ocupar variables de utilización como proxy de necesidad.


11

dotación de camas a nivel hospitalario y de la dotación de recurso humano en las atenciones ambulatoria.19 Figura 4.1: Modelo simplificado de determinación de las necesidades de salud20

Donde,

X, M

S N

U

X = Características socioeconómicas M = Medidas de salud (Morbilidad, mortalidad estandarizada) S = Dotación de recursos de servicios de salud N = Necesidades (no observadas) U = Utilización

Respecto de la utilización, la literatura informa acerca del tratamiento especial que recibe la dotación de recursos de los servicios hospitalarios en la estimación de las necesidades de salud. Se argumenta que la dotación es endógena, es decir, que se determina simultáneamente con la demanda o necesidades de salud y que por lo tanto la dotación induce demanda y a la vez la demanda induce dotación.21 Esta argumentación tiene importantes implicancias metodológicas, en primer lugar porque obliga a utilizar determinadas técnicas de estimación y en segundo lugar aumenta los requerimientos de información. Sin embargo, lo que es eventualmente cierto para determinados contextos institucionales no lo es en otros. En efecto, la interdependencia de oferta y demanda proviene de un traslado al ámbito de la salud de los supuestos de la teoría del equilibrio de mercado. El equilibrio de mercado supone determinada racionalidad de los agentes o participantes de él, así, por ejemplo se asume un cierto oferente de servicios que ante una demanda creciente aumentará su dotación y por otra parte, el demandante ante mayor dotación aumentará el uso de los servicios, sin embargo, la decisiones de oferta en un contexto como el chileno no se corresponden con lo descrito, más bien la dotación tiene un carácter

19 Hay que matizar este planteamiento especialmente para el modelo de consultas de urgencia, en el sentido de que es muy probable que lo que explique la utilización de una atención de urgencia tenga menos que ver con los determinantes elegidos en este trabajo, lo cuál se verá reflejado en la evaluación estadística del modelo. 20 Modelo simplificado de Sutton, M. et al. (2002) Pág. 50. 21 Ver Sutton, M et al. (2002) Pág. 49 – 55.


12

discrecional y no responde a incentivos de carácter solamente económico. Es por ello que para efectos de estimación se asumirá una dotación de recursos exógena. En términos concretos, los modelos a estimar se pueden representar por la Figura 4.2, donde se explicitan las variables que se consideraran, así como también las relaciones de determinación. Figura 4.2: Determinantes de la utilización de los servicios de salud

UTILIZACION

Indicadores de privación

Pobreza Indigencia Ingreso medio Años de escolaridad

Indicadores demográficos

Mayores de 60 años Mujeres en edad fértil 15-49 Niños 0-4 años

Indicadores de salud Dotación de

recursos

Horas medico Horas no medico Camas

Mortalidad Morbilidad

Proxy de necesidad

4.2 Breve reseña de las relaciones encontradas en la literatura entre la utilización y variables explicativas

Las relaciones que se establecen entre la variables de utilización y las variables explicativas son el foco de atención de este trabajo. De acuerdo a la literatura estas relaciones no siempre presentan iguales resultados, es así como no se podría plantear que exista un consenso respecto de ellas. A continuación damos cuenta brevemente de los resultados que la investigación aplicada arroja respecto de este punto, para ello nos apoyaremos fundamentalmente en el trabajo de Mendoza, R. y Umberto, J. (2001), quienes específicamente investigan el estado del arte en relación al tipo de relaciones establecidas entre la utilización y el conjunto de variables que se utilizarán en este trabajo. Respecto de los factores demográficos, específicamente los relacionados con grupos etareos de alto riesgo como los ancianos, niños y mujeres en edad fértil, la evidencia es clara en el


13

sentido de que esta variable tiene una relación positiva con la utilización de los servicios sanitarios, no importando el país donde se realice la estimación.22 La mayor discusión se presenta respecto de los factores socioeconómicos, entre los cuales se ha investigado la relación de la utilización con variables como el ingreso, clase social, educación y raza-etnia. La evidencia no presenta resultados concluyentes en términos del tipo de relaciones que se establecen entre estas variables y la utilización. En efecto, Mendoza, R. y Umberto, J. (2001, pp. 822-824) presentan los resultados de diversos trabajos donde la relación que se establece no es la misma. No obstante lo anterior, existe abundante evidencia de que las clases más pobres tienen una relación positiva con la utilización de los servicios sanitarios, sin embargo, existen diferencias entre la intensidad de uso o la cantidad de la utilización entre sectores de altos ingreso versus los de bajo ingreso, encontrándose en algunos países un marcado sesgo hacia los sectores de mayores ingresos, lo que estaría mostrando la inequidad en el acceso de los sistemas de salud de esos países.23 Tampoco existe evidencia concluyente respecto de la relación entre educación y utilización, existiendo trabajos que reportan una relación positiva entre ambas variables independientemente del país. Sin embargo, también existen investigaciones –aunque en menor número- que muestran resultados inversos revelando una relación negativa.

22 Mendoza, R. y Umberto, J. (2001, pp. 821) 23 Los países a los que se hace alusión son: Estados Unidos, Australia y Nueva Zelanda. Ver Mendoza, R. y Umberto, J. (2001, pp. 823)


14

5 ESPECIFICACIÓN DE MODELOS Y DEFINICION DE VARIABLES

5.1 Modelos de utilización En este nivel de análisis conviene tener presente el alcance y posibilidades de la información con que contamos y los fines que se persigue con la estimación de modelos de utilización. Las estrategias de modelamiento de la utilización de servicios sanitarios muestran al menos dos caminos posibles de seguir dependiendo de las características de la información con que se cuenta y de los fines que se persigue. Una primera estrategia consiste en estimar modelos de elección discreta los cueles permiten explicar la conducta de los individuos en cuanto demandante de un determinado servicio sanitario, este tipo de modelos trata de responder a la pregunta de cuál es la probabilidad de que un individuo demande determinado servicio habida cuenta de sus características personales en las dimensiones sanitarias, socioeconómicas y demográficas. Este tipo de modelos requiere de información estadística a nivel de individuo y permite estimar la demanda insatisfecha.24 Una segunda estrategia de estimación, consiste en formular un modelo de utilización a nivel agregado, que incorpore variables de oferta o dotación. Es este camino por el que se opta en este trabajo donde la información agregada esta asociada a zonas geográficas. Por otra parte, existe un segundo problema que tiene que ver con el método de estimación a utilizar. Al menos dos son las posibilidades. Primero, utilizar mínimos cuadrados ordinarios. Segundo, realizar la estimación de un sistema de ecuaciones mediante el método de Regresiones aparentemente no relacionadas conocido por SURE por su sigla en ingles.25 La estimación se realizará mediante los dos métodos y se ocupará la más eficiente de acuerdo al test de Breusch – Pagan.26 El sistema de ecuaciones a estimar considera cuatro conjuntos de variables que pretenden dar cuenta de la vulnerabilidad sanitaria, de la privación, de las características de morbilidad / mortalidad y de las características de oferta. El conjunto de variables que intenta medir privación de la familia promedio es el que presenta mayores problemas, por

24 Una exposición del marco teórico de este enfoque se puede ver en Álvarez, B. (2001). 25 La estimación simultánea del sistema de ecuaciones se realiza por el método de estimación de ecuaciones aparentemente no relacionadas SURE por su sigla en ingles (Seemingly Unrelated Regressions Estimation). Este es un método recursivo que considera que las variables endógenas mantienen una estrecha relación entre ellas. El método consiste en la aplicación de la estimación de mínimos cuadrados generalizados a un grupo de ecuaciones aparentemente no relacionadas, pero que en realidad lo están a través de la existencia de covarianzas no nulas entre los términos de error de las diferentes ecuaciones. Por tanto, el método alcanza una mejora en la eficiencia al tener en cuenta que la matriz de correlaciones de los errores entre ecuaciones podría no ser cero. Mayores detalles en Greene, W. (1999, pp. 588-589). 26 Este test sirve para probar la hipótesis nula de que los errores no están relacionados.


15

cuanto es muy difícil incorporar todas las variables por la existencia de problemas de multicolinealidad. Formalmente, el sistema de ecuaciones a estimar es el siguiente:

[ IDR,TMI,TCDPTETE = ]

]

]

(1)

[ E,TP,THMTCETCE = (2)

[ E,TI,THHTCUTCU = (3) Donde, TE = Tasa de egresos hospitalarios (Tasa por cada mil beneficiarios) TCE = Tasa de consultas de especialidad TCU = Tasa de consultas de urgencia E = Años de escolaridad promedio de la población TI = Tasa de indigencia TCDP = Tasa de camas disponibles promedio (Tasa por cada mil beneficiarios) TMI = Tasa de mortalidad infantil IDR = Indicador demográfico de riesgo THM = Tasa de horas médico THH = Tasa de horas hombre Respecto de la ecuación para la tasa de egresos, se puede plantear que dado que en el sistema público de Fonasa un gran porcentaje de gente tiene cobertura completa, la escolaridad como variable explicativa debería afectar negativamente, es decir, ante mayores niveles de escolaridad menores serán las demandas de servicios de salud, este argumento se ve reforzado por el hecho de que ante menores condiciones materiales de vida más expuesto a enfermar y por ende a demandar servicios de salud, en otras palabras, se podría esperar que si se cuenta con mejores condiciones de vida mayores cuidados preventivos brindará a su salud y en consecuencia menores servicios demandará al sistema de salud.27 Se postula una relación positiva entre la escolaridad y la tasa de consultas médicas de especialidad. Lo que subyace a la relación, es que se asume un mayor nivel cultural asociado a la escolaridad, y que en conjunto ambas condiciones indican un cuidado especial de salud que induce a requerir consultas de especialidad. Por último, la variable de riesgo demográfico se espera un signo positivo, en la medida que mayor es la importancia de la población en riesgo, mayor deberá ser la tasa de egresos. En segundo lugar, la variable de oferta está representada por la tasa de horas médico y no medico, cuyo signo esperado es positivo. En la medida que aumentan las horas médico se esperara que aumenten las consultas de especialidad.

27 Asumimos que mayores niveles de escolaridad representan mejores condiciones de vida.


16

El modelo planteado en este caso aspira a modelar la demanda o necesidad por una urgencia, lo que se analiza es qué hace que la población asociada a un Servicio de Salud tenga una mayor o menor demanda relativa de consultas de urgencia, lo que tiene directa relación con la probabilidad de enfrentar emergencias sanitarias de cualquier índole. Las relaciones que se postulan son similares a las anteriores en el sentido de establecer una relación positiva entre el nivel de escolaridad y la tasa de consultas de urgencia. Es decir, ante aumentos de la escolaridad promedio de la población la tasa de consultas de urgencia debería aumentar. No obstante lo anterior, también podemos pensar en argumentos en dirección contraria, en el sentido de que dado de que la población tiene un bajo nivel de escolaridad ante cualquier evento, aunque no sea grave demanda servicios de urgencia. Por lo tanto , el signo esperado no parece estar determinado claramente. En el caso de la tasa de indigencia o pobreza, el efecto no parece estar claro, encontrándose argumentos en ambos sentidos. De este modo en este caso tampoco se puede establecer a priori la dirección del efecto. Donde si parece existir mayor claridad es en el efecto de la variable de oferta, que identificamos con la tasa de horas hombre u horas médico según corresponda, de este modo ante una mayor tasa de horas hombre es esperable que exista una mayor tasa de consultas de urgencia.

5.2 Definición de variables

5.2.1 Variables de utilización Las variables de utilización se emplean en este trabajo como variables proxy de las necesidades sanitarias de la población asociada a cada Servicio de Salud. Tres son los ámbitos en que se evalúan las necesidades. Un primer modelo estima los determinantes de la utilización de servicios médicos que requieren hospitalización, para estos efectos se usa la tasa de egresos hospitalarios por cada mil beneficiarios del sistema público. Los egresos hospitalarios por servicio de salud son informados por el Departamento de Estadísticas e Información de Salud del Ministerio de Salud. El número de beneficiarios fue informado por el Subdepartamento de Estudios de Fonasa. Un segundo modelo analiza los determinantes de las consultas de especialidad, en este caso se emplea la tasa de utilización de consultas de especialidad por cada mil beneficiarios. Las consultas de especialidad se obtienen del Departamento de Estadísticas e Información de Salud del Ministerio de Salud. El número de beneficiarios fue informado por el Subdepartamento de Estudios de Fonasa.


17

Un tercer modelo analiza los determinantes de las consultas de urgencia, en este caso se emplea la tasa de utilización de consultas de urgencia por cada mil beneficiarios. Las consultas de urgencia se obtienen del Departamento de Estadísticas e Información de Salud del Ministerio de Salud. El número de beneficiarios fue informado por el Subdepartamento de Estudios de Fonasa.

5.2.2 Variables de privación Las variables de privación utilizadas son las siguientes: años de escolaridad promedio, tasa de pobreza, tasa de indigencia, ingreso autónomo del hogar. La fuente utilizada es la Encuesta CASEN 2000, la que se expandió a nivel comunal. La estimación de las variables se realiza sobre una submuestra construida considerando sólo las familias que no están adscritas al sistema de salud privado (ISAPRES) y a los sistemas de salud de las Fuerzas Armadas y de Orden.

5.2.3 Variables de dotación Coherentemente con la forma de medir la utilización, las variables de dotación deberán estar asociadas a estas. En el caso del modelo de utilización de servicios hospitalarios la variable de dotación utilizada es la tasa de camas disponible promedio por servicio de salud. El número de camas disponible promedio es informado por el Departamento de Estadísticas e Información de Salud del Ministerio de Salud. El número de beneficiarios fue informado por el Subdepartamento de Estudios de Fonasa. En el caso del modelo de consultas de especialidad la variable de dotación empleada es la tasa de horas médico. Las horas médico es informado por el Departamento de Recursos Humanos del Ministerio de Salud de Chile. El número de beneficiarios fue informado por el Subdepartamento de Estudios de Fonasa. Por último, en el caso del modelo de consultas de urgencia la variable de dotación empleada corresponde a la tasa de horas hombre.28 Las horas hombre es informada por el Departamento de Recursos Humanos del Ministerio de Salud de Chile. El número de beneficiarios fue informado por el Subdepartamento de Estudios de Fonasa.

5.2.4 Variables demográficas Las restantes relaciones entre la utilización y las variables demográficas y los indicadores de salud se pueden analizar de la siguiente manera. Dentro de las variables demográficas, se considera la proporción de la población que está en situación de “riesgo”, se entiende por población en situación de “riesgo” al conjunto de personas que pertenecen a los tramos de

28 El número de horas hombre corresponde a la suma de las horas médico y las no médico.


18

edad entre 0 y 4 años, mujeres entre 15 y 49 años y adultos mayores de 60 y más años.29 En este caso se espera que ante mayores niveles de población en los tramos de edad establecidos mayor sea la demanda por servicios hospitalarios. La estimación del indicador de riesgo demográfico incorpora dos conjuntos de datos. En primer lugar se trabajó con la base de egresos hospitalarios 2001 y 2002 informada por el DEIS, de esta base se extrajo el número de egresos hospitalarios por servicio, de los hospitales públicos para los tramos etareos mencionados más arriba. En segundo lugar, se consideró el número de beneficiarios Fonasa por servicio. El indicador de riesgo demográfico se construyó para cada servicio como el cuociente entre el número de egresos hospitalarios de los tramos etareos de mayor riesgo y el número de beneficiarios Fonasa. En el caso del indicador de salud medido mediante la tasa de mortalidad general o infantil, se esperaría que a mayor mortalidad mayor sea la utilización. No obstante hay que decir que a pesar de que ha sido muy utilizada en el pasado para evaluar la salud de la población, hoy no parece contar con el mismo nivel de acuerdo. Estos dos indicadores son informados por el DEIS.

29 El concepto de riesgo no parece ser el más adecuado, particularmente para el caso de las mujeres en edad fértil. Como fuere, lo que se quiere decir es que son estos tramos etareos los que mayores servicios hospitalarios demandan en relación a las personas de las demás edades no consideradas en esta situación de “riesgo”.


19

6 RESULTADOS Y RANKING DE SERVICIOS SEGÚN NECESIDADES

RELATIVAS ESTIMADAS30

6.1 Resultados estadísticos Un primer paso fue el determinar qué variables se incorporan la modelo, esta tarea implicó la estimación de variadas especificaciones donde se eligio finalmente aquella que minimizara el problema de colinealidad presente entre las variables explicativas.31 Resuelto lo anterior se abordo el problema de qué método de estimación utilizar. Se ha probado estadísticamente la posibilidad de estimar el sistema mediante la técnica de Ecuaciones Aparentemente no Relacionadas (SURE por su sigla en ingles). Para ello se calculó el estadístico del multiplicador de Lagrange sugerido por Breusch y Pagan que permite testear la hipótesis nula de que los errores de las ecuaciones no están relacionados. El estadístico calculado tiene un valor de 11,93 el cual es comparado con el estadístico chi-cuadrado con 3 grados de libertad al 1% de confianza que tiene un valor de 11,3, concluyendose rechazar la hipótesis de no relación entre los errores, lo que sugiere que el método óptimo de estimación sea el de ecuaciones aparentemente no relacionadas. Se probaron distintas especificaciones para cada sistema de ecuaciones. De los sistemas estimados se selecciono finalmente uno, el cual fue utilizado finalmente para construir un ranking de necesidades en cada ámbito. De este ejercicio se detecto que la inclusión de la variable ingreso trae como resultado una alta inestabilidad de los modelos que se refleja en cambios de signo y significancia en las variables, razón por la cual se decidió no incluir esta variable en la estimación.32 Los resultados estadísticos del modelo de necesidades hospitalarias se muestra en el Cuadro 6.1, de la observación de los estadísticos t, se aprecia que todas las variables explicativas son altamente significativas, a su vez el modelo en su conjunto se considera altamente significativo lo cual se revela en el alto valor del estadígrafo F y finalmente el modelo muestra un adecuado nivel de ajuste con un 95,2%. Desde la perspectiva de los signos de los parámetros, los resultados son los esperados. La variable que se utilizo para controlar por la oferta muestra el signo esperado, así, a medida que aumenta la tasa de camas disponible promedio (TCDP) se espera que aumente la tasa de egresos, lo cual parece del todo lógico. El indicador de riesgo demográfico también tiene el signo esperado de manera que ante aumentos del riesgo se espera un aumento en la tasa de egresos.

30 Las estimaciones econométricas se realizaron con el Econometric Software LIMDEP 7.0. 31 Las relaciones entre las variables se pueden observar en los gráficos de dispersión del Anexo 8.2. 32 Este tipo de resultados son los que se observan cuando se está en presencia de multicolinealidad entre las variables. Un tratamiento de este problema se puede ver en Greene, W. (1999, pp. 363—371).


20

El indicador del estado de salud de la población medido por la tasa de mortalidad infantil (TMI) también muestra el signo esperado, de manera que a mayores TMI mayor será la tasa de egresos. Cuadro 6.1: Tasa de egresos hospitalarios Constante TCDP IDR TMI

-9,15 0,13 0,91 0,05 (-1,77) (4,41) (15,65) (1,69)

R2 corregido F DW 0,952 517,06 1,84

Fuente: Elaboración propia. ( ) = Estadísticos t-student Los resultados estadísticos del modelo de necesidades de consultas de especialidad se muestra en el Cuadro 6.2, de la observación de los estadísticos t, se aprecia que todas las variables explicativas son altamente significativas, a su vez el modelo en su conjunto se considera significativo a pesar del bajo valor del estadígrafo F y finalmente el modelo muestra un bajo nivel de ajuste en relación a los otros dos modelos estimados con un 25%. Desde la perspectiva de los signos de los parámetros, la variable que utilizamos para controlar por la oferta muestra el signo esperado, así, a medida que aumenta la tasa de horas hombre (THH) se espera que aumenta la TCE. Cuadro 6.2: Tasa de consultas de especialidad Constante THH TP ESC_P -166,38 0,52 0,54 1,59 (-2,85) (3,02) (3,27) (3,39)

R2 corregido F DW 0,25 9,83 1,99

Fuente: Elaboración propia. ( ) = Estadísticos t-student La variable tasa de pobreza (TP) tiene un signo positivo, lo cual es contradictorio con el signo de la variable de escolaridad, a pesar de ser estadísticamente significativa, lo mas probable es que se este presencia de un problema de multicolinealidad entre las variables de escolaridad y pobreza.33 Los resultados estadísticos del modelo de necesidades de consultas de urgencia se muestra en el Cuadro 6.3, de la observación de los estadísticos t, se aprecia que todas las variables explicativas son significativas, a su vez, el estadígrafo F muestra que el modelo en su

33 A pesar de este problema, se han conservado estas variables en consideración de que al menos la relación que describe es coherente con los gráficos de dispersión respectivos.


21

conjunto es significativo y finalmente el modelo muestra un adecuado nivel de ajuste con un 66%. Desde la perspectiva de los signos de los parámetros, la variable que utilizamos para controlar por la oferta muestra el signo esperado, así, a medida que aumenta la tasa de horas hombre (THH) se espera que aumente la TCU. Cuadro 6.3: Tasa de consultas de urgencia Constante THH TI ESC_P

-54,59 0,43 0,28 0,82 (-1,66) (4,43) (3,50) (2,78)

R2 corregido F DW 0,66 51,11 1,92

Fuente: Elaboración propia. ( ) = Estadísticos t-student La variable tasa de indigencia (TI) tiene un signo positivo, lo cual es contradictorio con el signo de la variable de escolaridad, a pesar de ser estadísticamente significativa, lo mas probable es que, al igual que en el caso del modelo de necesidades de consultas de especialidad, se este presencia de un problema de multicolinealidad entre las variables de escolaridad e indigencia.34

6.2 Ranking de servicios según necesidades Un primer aspecto que debemos explicitar es la forma en que se construyeron los ranking de necesidades relativas de los servicios. Atendiendo a los aprendizajes reportados en la literatura incorporamos variables de oferta en cada uno de los modelos estimados, ello con el objetivo de controlar por esta variable. Sin embargo, el calculo de las tasas estimadas se realizará considerando a todas las variables con la excepción de la variable de oferta tal como se estiman los índices de necesidades de acuerdo a la formula de capitación del Reino Unido.35 De esta manera las tasas estimadas de egresos, consultas de especialidad y de urgencia para cada servicio i-ésimo estarán dadas por las siguientes ecuaciones36: a) Necesidades de servicios hospitalarios

iii TMI,IDR,,TE ⋅+⋅+−=∧

050910159

34 Al igual que en el caso anterior, se han conservado las variables en razón de su coherencia con los gráficos de dispersión respectivos. 35 Ver Resource Allocation: Weighted Capitation Formula. Fifth edition, May 2005, Department of Health. Anexo 13, pp. 70-76. 36 Los “gorritos” encima de los símbolos representan los estimados de acuerdo a los modelos.


22

b) Necesidades de consultas de especialidad

iii P_ESC,TP,,TCE ⋅++−=∧

59154038166 c) Necesidades de consultas de urgencia

iii P_ESC,TI,,TCU ⋅+⋅+−=∧

8202805954 En el Gráfico 6.1 se muestra el ranking de servicios con mayores necesidades relativas según el modelo de egresos hospitalarios. Se observa que el servicio Araucanía Norte aparece con la primera prioridad, seguido de los Servicios de Arauco, Valdivia y Aconcagua. En el otro extremo están los Servicios con menores necesidades relativas donde el que tendría menores necesidades es el Servicio Metropolitano Occidente, seguido de los Servicios Metropolitano Central, Metropolitano Sur Oriente y Metropolitano Sur.

Gráfico 6.1: Ranking de prioridad según tasa de egresos estimada. (Prom 2000-2002)

70

80

90

100

110

120

130

140

Arau

cano

Ara

uco

V

aldi

via

Valp

araí

soC

once

pció

nA

rauc

asu

Anto

faga

sta

Acon

cagu

aB

ioBi

o

Ñub

le

Llan

chip

alIq

uiqu

e Ta

lcah

uano

Mau

le

Atac

ama

Orie

nte

Oso

rno

C

oqui

mbo

Nor

te

O'H

iggi

nsVi

ña d

elA

rica

S

ur

Su

rorie

nte

Cen

tral

Occ

iden

te

Fuente: Elaboración propia. En el Gráfico 6.2 se muestra el ranking de necesidades relativas de consultas de especialidad según el modelo estimado. Los Servicios con mayores necesidades relativas son Arica, Valparaíso, Concepción y Talcahuano. Los Servicios con menores necesidades son el Servicio de Llanchipal, O’higgins, Maule y Aconcagua.


23

Gráfico 6.2: Ranking de prioridad según tasa de consultas de especialidad estimada.

(Prom. 2000-2002)

30405060708090

100110120130140150

Aric

a

Valp

araí

soC

once

pció

nTa

lcah

uano

Arau

co

Orie

nte

Arau

cano

Atac

ama

Oso

rno

Su

rorie

nte

Anto

faga

sta

Arau

casu

Val

divi

aVi

ña d

elIq

uiqu

e S

ur

C

oqui

mbo

Nor

te

Cen

tral

Bio

Bio

O

ccid

ente

Ñub

le

Aco

ncag

uaM

aule

O

'Hig

gins

Llan

chip

al

Fuente: Elaboración propia

Por último, en el Gráfico 6.3 se muestra el ranking de necesidades relativas de consultas de urgencia. Los servicios más necesitados son Valparaíso, Araucania Norte, Talcahuano y Atacama. Los servicios con menos necesidades son el Servicio de Llanchipal, O’higgins, Maule y Osorno.

Gráfico 6.3: Ranking de prioridad según tasa de consultas de urgencia estimada.

(Prom. 2000-2002)

60

70

80

90

100

110

120

130

Valp

araí

soAr

auca

noTa

lcah

uano

Atac

ama

Con

cepc

ión

Arau

casu

Arau

co

Iqui

que

Bio

Bio

Su

rorie

nte

Orie

nte

Sur

Val

divi

aAn

tofa

gast

Aric

a

Occ

iden

teÑ

uble

N

orte

Ac

onca

gua

Coq

uim

boC

entra

l Vi

ña d

elO

sorn

o

Mau

le

O'H

iggi

nsLl

anch

ipal

Fuente: Elaboración propia

De las gráficas es posible concluir que son algunos los servicios que se repiten en los tres ámbitos en que se intenta medir la necesidades relativas, tanto si se mira desde la perspectiva de los más necesitados como de los menos necesitados. En el primer caso se


24

repiten los servicios de Valparaíso, Araucanía Norte, Arauco y Talcahuano. Por su parte los servicios con menos necesidades relativas se repiten los servicios de Maule, O’higgins y Llanchipal para el caso de consultas de especialidad y de urgencia. El hecho de construir un ranking con modelos que permiten aislar el efecto de la oferta tiene consecuencias que pueden ser relevantes para algunos servicios. En el Anexo 7.3 se muestra el ranking de los servicios con y sin considerar la oferta. Al observar sólo las cinco primeras prioridades y los cinco últimos servicios se aprecia que no hay cambios significativos especialmente en el modelo de egresos hospitalarios. Sin embargo, si se observan cambios que pueden ser relevantes para algunos servicios como es el caso de Talcahuano en el ámbito de las consultas de especialidad, donde al aislar la variable de oferta el servicio aumenta su importancia llegando al lugar número 4, lo mismo ocurre para el caso de consultas de urgencia donde el servicio se mueve del lugar N° 11 al N° 3. Al considerar los ordenamientos de los casos intermedios se observan importantes cambios de posición que aumentan el nivel de prioridad de servicios como el Sur Oriente, Araucanía Sur y Coquimbo, entre otros. No obstante los resultados que arroja este tipo de análisis, es necesario tener en consideración antecedentes adicionales a la hora de emitir un juicio categórico respecto de aspectos tan sensibles como el tema tratado aquí, en ese sentido dos son las principales aprensiones. Quizás la más importante aprensión radica en el hecho de que aspectos relevantes para la toma de decisiones no están presentes en el los modelos, como son los aspecto relativos a la eficiencia, es por ello que la aplicación de este tipo de modelos en la asignación de recursos se debe considerar como uno de los insumos necesarios para tal efecto y no el único. Adicionalmente se deben considerar los aspectos relativos a la complejidad de los servicios que tienden a aumentar los costos de operación a medida que esta aumenta.37

37 En otro trabajo interno del departamento de Economía de la Salud se construye un indicador muy simple de complejidad que consiste en un índice de costo relativo calculado como el cociente entre el costo promedio por egreso del servicio i-ésimo y el costo promedio por egreso del país.


25

7 BIBLIOGRAFIA Álvarez, B. (2001): La demanda atendida de consultas médicas y servicios urgentes en España. Investigaciones Económicas, Vol. XXV (1). Buglioli, M. y Ortún, V. (2000): Sistemas de ajuste por riesgo. Revista Médica Uruguay, 16, pp. 123 – 132. Cantarero, D. (2001): Gasto público y financiación en la sanidad española: especial referencia a la valoración de las necesidades de gasto por comunidades autónomas. XXI Jornadas de Economía de la Salud, Oviedo. Cabasés, J. (1998): La financiación sanitaria autonómica. Bases para una propuesta. Documento de Trabajo 9813, Departamento de Economía, Universidad Pública de Navarra. Cid, C. (2003): “Fundamentos y calculo del Per Cápita ajustado por necesidades de salud: Nueva herramienta para la planificación presupuestaria”. 2da versión, abril, 2003, Unidad de Economía de la Salud, MINSAL. Clavero, A. y González, M. (2003): La influencia de factores demográficos sobre la utilización de servicios sanitarios en el futuro. Departamento de Economía Aplicada, Universidad de Málaga. Department of Health (2005): Resource Allocation: Weighted Capitation Formula. Fifth edition. Grant, K.; Greengross, P. and Collini, L. (s/fecha): Historia y desarrollo del Servicio Nacional de Sanidad del Reino Unido 1948-1999. Health Systems Resource Centre. Greene, W. (1999): ANALISIS ECONOMETRICO. Tercera edición. Prentice Hall Iberia. Lenz, R. y Vanderschueren, A. (1998): La salud pública en Chile. Itinerario de la reforma financiera 1990 – 1997. Fonasa. López, G. (1999): La capitación en la financiación territorial de los servicios públicos transferidos: El caso de la sanidad y de la educación. Economics Working Paper 399, Departamento de Economía Universidad Pompeu Fabra y Centre de Recerca en Economia i Salut. López, G. y Rivera, B. (2002): Las políticas de equidad en salud y las relaciones entre renta y salud. Hacienda Pública Española / Revista de Economía Pública, 161. Mendoza, R. y Umberto, J. (2001): Utilización de los servicios de salud: Una revisión sistemática sobre los factores relacionados. Cadernos de Saúde Pública, Río de Janeiro, 17 (4), jul-ago.


26

Montero, R.; Martín, J.; Jiménez, J. y Jiménez, M. (2003): Interpretación del cambio de definición del criterio de necesidad en el subsistema sanitario de financiación autonómica. Fundación de Estudios de Economía Aplicada, Publicación 153. Ortún, V.; López, G.; Puig, J. y Sabés, R. (2001): El sistema de financiación capitativo: posibilidades y limitaciones. Full Economics Sanitari N° 35, marzo 2001. Porto, S. (2002): Equidad y distribución geográfica de recursos financieros en los sistemas de salud. Cadernos de Saúde Pública, Río de Janeiro, 18 (4), jul-ago. RAWP 4 (s/fecha): A brief history of resource allocation in the NHS 1948 – 98. Sutton, M; Gravelle, H.; Morris, S.; Leyland, A.; Windmeijer, F.; Dibben, C. and Muirhead, M. (2002): Allocation of Resources to English Areas; Individual and small area determinants of morbidity and use of healthcare resources. Report to the Department of Health. Edinburgh: Information and Statistics Division, 2002. Tobar, F.; Montiel, L.; Gaya, R. y Martínez, E. (2001): Modelos equitativos de distribución de recursos sanitarios. Urbanos, R. (1999): Una revisión de las investigaciones sobre la equidad horizontal en la prestación sanitaria: principales resultados de los estudios españoles. Documento de Trabajo N° 9913, Facultad de Ciencias Económicas y Empresariales, Universidad Complutense de Madrid.


27

8 ANEXOS

8.1 Síntesis de factores de ajuste utilizados en distintos modelos de capitación

Factores de ajuste de riesgo utilizados PAIS Plan Sanitario Nivel individual Nivel de plan sanitario

Alemania Seguros de enfermedad (de carácter laboral y competitivos) Edad, sexo

Australia 17 áreas sanitarias (definidas geográficamente)

Edad, sexo, minoría étnica, “sin techo” Mortalidad, nivel educativo, ruralidad

Bélgica 100 seguros de enfermedad (entorno competitivo) Edad, sexo, desempleo, invalidez,

mortalidad, urbanización

Canadá 17 servicios sanitarios regionales

Edad, sexo, minoría étnica, renta Dispersión de la población

Escocia 15 Consejos Sanitarios Edad, sexo Mortalidad

Estados Unidos Medicare

Edad, sexo, invalidez, renta, diagnósticos hospitalarios previos, condado de residencia

Mortalidad, ancianos viviendo solos, estado civil

Estados Unidos Veteranos Nivel de dependencia Archipiélago, lejanía

Finlandia 452 Municipios Edad, invalidez Francia 25 regiones Edad

Holanda 26 seguros de enfermedad (competitivos)

Edad, sexo, situación laboral (incluye grados de invalidez) Urbanización

Inglaterra 100 regiones sanitarias Edad Mortalidad, morbilidad, desempleo, ancianos viviendo solos, minorías étnicas, estatus socioeconómico

Irlanda del Norte

4 consejos sanitarios (definidos geográficamente) Edad, sexo

Mortalidad, ancianos viviendo solos, medidas de pobreza, bebes nacidos con bajo peso

Italia 21 gobiernos Edad, sexo

Noruega 19 condados (gobiernos regionales) Edad, sexo Mortalidad, ancianos viviendo solos,

estado civil Nueva Zelanda 4 regiones Edad, sexo, minoría étnica,

renta Ruralidad

País de Gales 5 Autoridades Sanitarias Regionales Edad, sexo Mortalidad

Suiza 200 fondos de enfermedad Edad, sexo, región Fuente: Rice N, Smith P. (1999): Approaches to capitation and risk adjustment in health care: an international survey. York: Center for Health Economics. Citado por Ortún et al (2001).


28

8.2 Gráficos de Dispersión

TCDP

70

80

90

100

110

120

130

140

150

60100 150 20050

TEH

LNY

70

80

90

100

110

120

130

140

150

6096 98 100 102 104 10694

TEH

IDR

70

80

90

100

110

120

130

140

150

6080 90 100 110 120 130 140 15070

TEH

TMI

70

80

90

100

110

120

130

140

150

6050 75 100 125 150 17525

TEH

ESC_P

70

80

90

100

110

120

130

140

150

6085 90 95 100 105 110 115 120 12580

TEH

THH

50

100

150

200

250

070 80 90 100 110 120 130 14060

TCE


29

LNY

50

100

150

200

250

096 98 100 102 104 10694

TCE

ESC_P

50

100

150

200

250

085 90 95 100 105 110 115 120 12580

TCE

TP

50

100

150

200

250

050 75 100 125 150 17525

TCE

LNY

75

100

125

150

175

5096 98 100 102 104 10694

TCU

THH

75

100

125

150

175

5070 80 90 100 110 120 130 14060

TCU

ESC_P

75

100

125

150

175

5085 90 95 100 105 110 115 120 12580

TCU


30

TI

75

100

125

150

175

5050 75 100 125 150 175 200 22525

TCU

8.3 Ranking de servicios según modelos estimados con y sin considerar oferta Cuadro A: Tasa de egresos estimada con y sin considerar oferta N° SS TE_so N° SS TE_co 22 Araucano 137,1 22 Araucano 140,121 Arauco 134,7 21 Arauco 127,824 Valdivia 123,4 24 Valdivia 126,26 Valparaíso 121,6 8 Aconcagua 123,2

18 Concepción 118,7 6 Valparaíso 120,223 Araucasu 116,7 18 Concepción 118,03 Antofagasta 116,4 23 Araucasu 115,48 Aconcagua 112,9 3 Antofagasta 115,4

20 Bío Bío 107,9 17 Ñuble 107,417 Ñuble 107,8 20 Bío Bío 105,126 Llanchipal 102,3 26 Llanchipal 103,12 Iquique 101,0 2 Iquique 101,6

19 Talcahuano 98,4 19 Talcahuano 96,416 Maule 94,7 16 Maule 95,34 Atacama 91,8 9 Norte 93,2

12 Oriente 90,4 4 Atacama 91,425 Osorno 89,6 12 Oriente 90,85 Coquimbo 89,2 25 Osorno 90,09 Norte 88,6 5 Coquimbo 88,1

15 O'Higgins 85,5 1 Arica 85,27 Viña del Mar 85,1 15 O'Higgins 84,91 Arica 84,9 7 Viña del Mar 84,6

13 Sur 77,8 13 Sur 79,014 Suroriente 77,7 14 Suroriente 75,211 Central 73,7 11 Central 72,110 Occidente 72,0 10 Occidente 70,1


31

Cuadro B: Tasa de consultas de especialidad con y sin oferta N° SS TCE_so N° SS TCE_co1 Arica 142,6 6 Valparaíso 135,86 Valparaíso 135,0 1 Arica 124,0

18 Concepción 129,7 18 Concepción 123,819 Talcahuano 129,5 12 Oriente 115,621 Arauco 116,4 22 Araucano 113,912 Oriente 114,4 11 Central 109,422 Araucano 113,9 2 Iquique 108,84 Atacama 111,9 8 Aconcagua 108,4

25 Osorno 111,8 21 Arauco 106,714 Suroriente 107,2 19 Talcahuano 106,63 Antofagasta 106,3 24 Valdivia 106,3

23 Araucasu 102,0 3 Antofagasta 105,824 Valdivia 99,7 4 Atacama 102,47 Viña del Mar 97,7 9 Norte 100,92 Iquique 97,6 25 Osorno 100,6

13 Sur 94,6 23 Araucasu 92,85 Coquimbo 92,3 17 Ñuble 91,69 Norte 91,5 14 Suroriente 90,5

11 Central 90,7 7 Viña del Mar 90,020 Bío Bío 87,8 13 Sur 88,710 Occidente 86,6 5 Coquimbo 88,417 Ñuble 85,7 20 Bío Bío 85,38 Aconcagua 83,3 10 Occidente 85,0

16 Maule 68,1 16 Maule 78,415 O'Higgins 66,7 15 O'Higgins 70,426 Llanchipal 37,0 26 Llanchipal 70,1


32

Cuadro C: Consultas de urgencia N° SS TCU_so N° SS TCU_co6 Valparaíso 123,4 6 Valparaíso 129,0

22 Araucano 123,0 22 Araucano 119,019 Talcahuano 117,2 18 Concepción 116,24 Atacama 114,8 2 Iquique 111,0

18 Concepción 114,5 8 Aconcagua 109,423 Araucasu 113,7 12 Oriente 108,321 Arauco 113,0 21 Arauco 106,52 Iquique 104,9 11 Central 106,2

20 Bío Bío 103,9 4 Atacama 105,714 Suroriente 103,6 24 Valdivia 105,412 Oriente 101,9 19 Talcahuano 103,613 Sur 101,0 3 Antofagasta 102,324 Valdivia 100,1 1 Arica 102,33 Antofagasta 99,9 23 Araucasu 101,01 Arica 98,6 9 Norte 100,0

10 Occidente 96,4 17 Ñuble 96,217 Ñuble 95,6 20 Bío Bío 94,99 Norte 92,9 13 Sur 93,38 Aconcagua 92,8 14 Suroriente 91,45 Coquimbo 91,7 10 Occidente 90,9

11 Central 90,8 25 Osorno 89,17 Viña del Mar 90,6 5 Coquimbo 88,8

25 Osorno 88,3 7 Viña del Mar 87,316 Maule 84,2 16 Maule 85,815 O'Higgins 73,4 26 Llanchipal 83,026 Llanchipal 69,9 15 O'Higgins 73,6


33

Documents

ESTIMACION DE MODELOS DE UTILIZACIÓN PARA LA … · 2009-05-27 · 4 M ayores det les se pueden consult r en Grand, K. et al. (s/fecha) y RAWP 4 (s/fecha). ... • Utilización esperada