Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
Los Determinantes de la Duración de Licencias Médicas en Chile: Evidencia desde FONASA
Jean Sepúlveda1, Rodrigo Castro2, Liliana Jadue3
Abstract El uso y abuso de las licencias médicas ha estado sometido a una amplia discusión en el debate público chileno en elñ último tiempo, debido principalmente a los grandes costos que éstas significan y a los posibles incentivos perversos que puede generar un marco regulatorio inadecuado. El actual marco regulatorio para el otorgamiento de licencias médicas ha generado incentivos perversos en el sentido que estos subsidios de salud han estado permeables a los fraudes. En la práctica, como en todo seguro, el sistema se enfrenta a los problemas de selección adversa y riesgo moral que encarecen la operación del sistema de subsidios por incapacidad laboral. El presente estudio utiliza la base de datos de todas las licencias médicas que se otorgaron a trabajadores afiliados a FONASA, en Chile durante los años 2010, 2011 y 2012. Se estimo un modelo para determinar cómo una serie de variables afecta a la duración de las licencias médicas. Se descartaron las licencias médicas asociadas a la maternidad por responder a una naturaleza distinta a las licencias por enfermedades no laborales. Se usaron dos metodologías, el modelo de riesgo proporcional de Cox y un modelo Logístico Ordenado. Los resultados muestran que, una vez que se controla por la enfermedad que da origen a la licencia, las mujeres tienen licencias médicas con una menor duración esperada, que en aquellos sectores y ocupaciones con mayores ingresos, la probabilidad de tener licencias largas es menor y que a mayores tasas de desempleo mayor es la probabilidad de tener licencias mas duraderas. Al respecto, se interactuó la variable desempleo con el indicador de enfermedades del sistema nervioso y se obtiene que en periodos en que aumenta la tasa de desempleo, las licencias por enfermedades como estrés tienen una menor probabilidad de extenderse en el tiempo, es decir tienden a ser más cortas que en periodos de bajo desempleo. Los resultados muestran además que los trabajadores del sector público tienen una menor probabilidad de tener licencias largas. Finalmente, la probabilidad de tener licencias largas es menor el año 2012 en relación al 2010 y 2011 1 Facultad de Economía y Negocios, Universidad del Desarrollo 2 Genesis Consultores 2 Genesis Consultores 3 Facultad de Medicina CAS Universidad del Desarrollo
Introducción El uso y abuso de las licencias médicas ha estado sometido a una amplia discusión en el debate público chileno en el último tiempo, debido principalmente a los grandes costos que éstas significan y a los posibles incentivos perversos que puede generar un marco regulatorio inadecuado. Datos de la Superintendencia de Salud muestran que el gasto en licencias (común o curativa, reposo maternal y enfermedad grave de hijo menor de un año) ascendió a $758.344 millones en el año 2009, cifra que presentó un aumento de un 109% con respecto al año 2001. Esto corresponde a una tasa compuesta promedio de 9.7% de crecimiento anual. En el año 2009 las licencias médicas comunes o curativas representan un 73% del total del gasto en licencias médicas, mientras que en el 2001 estas alcanzaban un 69% del total del gasto en subsidios por incapacidad laboral. Pezoa (2010) muestra que el gasto en subsidios por licencias médicas curativas crece 120,1% entre los años 2001 y 2009. Lo anterior se desagrega en un crecimiento de 221,8% en FONASA y en un crecimiento de 45,8% en el sistema ISAPRE. En el año 2009 FONASA absorbe el 61,7% del gasto país en licencias curativas, sin embargo, cabe hacer notar que en el mismo periodo el número de cotizantes en FONASA aumenta un 47,4%, mientras que en el sistema ISAPRE estos aumentan un 0,1%. El actual marco regulatorio para el otorgamiento de licencias médicas ha generado incentivos perversos en el sentido que estos subsidios de salud han estado permeables a los fraudes En la práctica, como en todo seguro, el sistema se enfrenta a un problema de Selección Adversa y de Riesgo Moral que encarecen la operación del sistema de subsidios por incapacidad laboral.4 Asimismo, cabe destacar que el otorgamiento de una licencia médica es un acto muchas veces discrecional, que no se rige necesariamente por protocolos médicos o pautas objetivas, lo cual se acentúa en trastornos asociados a la esfera de la salud mental, cuya evolución tiene mayor variabilidad que otras enfermedades. Basta señalar que al evaluar el problema de sobreutilización de estos subsidios y el consecuente sobregasto no se busca desconocer los méritos que justifican la existencia de un seguro de incapacidad laboral. En efecto, este subsidio permite el debido reposo y una adecuada recuperación por enfermedades curativas, y la protección y disminución de los riesgos de salud de la madre trabajadora y del niño menor de un año.
4 En este contexto, Selección Adversa se refiere a que aquellos más enfermizos están más dispuestos a cotizar en el sistema, mientras que Riesgo Moral describe la situación en que una persona que goza de buena salud y que cotiza en el sistema puede tener un incentivo a solicitar licencias médicas ya que el sistema se las paga.
Importa destacar que en Chile este subsidio cuenta con una cobertura del 100% de la remuneración imponible del trabajador, con un tope de 70,3 UF5 y con un deducible de tres días, que desaparece cuando la licencia es de más de diez días. Para los trabajadores del sector público no existe deducible, es decir se paga la licencia desde el primer día. El caso de las licencias maternales y la protección del hijo menor de un año cuentan con su propio marco regulatorio y un mecanismo de financiamiento diferente, con garantía del estado, por lo cual su evolución ha sido diferente de las licencias por enfermedad común. Al comparar con otros países, se encuentra que el régimen de licencias médicas generalmente consiste en el pago de un 50% a 75% del ingreso promedio del trabajo de los meses anteriores, con un tope para los beneficios. El tiempo que se puede obtener el beneficio se limita generalmente a 26 semanas en un año por una misma enfermedad, para pasar a recibir un subsidio por discapacidad (permanente) si la enfermedad continúa. Así por ejemplo, en Italia, el seguro reembolsa sólo un 50% del salario desde el día 4 al 20, y luego un 66,6% hasta los 180 días. En España se financia el 60% del ingreso del trabajador a partir del cuarto día, y sólo en caso que esta licencia exceda los 20 días, el financiamiento aumenta a un 75% de la remuneración. El caso mexicano es similar, ya que el financiamiento de las licencias médicas es por un 60% de la remuneración a partir del cuarto día. La comparación con países desarrollados debe tomar en cuenta que el menor subsidio de las remuneraciones (60% de otros países contra 100% de Chile) en caso de enfermedad de sus trabajadores es compensado por un elevado financiamiento de las prestaciones de salud. La experiencia internacional muestra que las licencias médicas son muy sensibles a reducciones en el porcentaje de reembolso de las mismas, es decir, las rebajas en esta cobertura repercuten en un menor número de licencias médicas. En el caso de Suecia, en 1991 se rebajaron los reembolsos para todo tipo de licencias médicas, y la respuesta fue una reducción de un 23% en el número de licencias médicas (Brostrom et al. (1998) y Cassel et al. (1996)). En la misma línea, simulaciones basadas en el alza del subsidio de ausentismo laboral por enfermedad, para dos estados de Estados Unidos, muestra diferencias en el promedio de días perdidos por ausentismo de hasta un 63% y diferencias en el promedio de duración de licencias por enfermedades similares de 66% (Gilleskie, 1998). Asimismo, Meyer (2005) estima elasticidades tiempo ausente laboral respecto a beneficios de 0.3 a 0.4. Esto deja en evidencia que el sistema chileno tiene mayor cobertura que los casos mencionados anteriormente y por tanto podría existir espacio para modificar el régimen de licencias médicas. La reforma al sistema de licencias médicas en Alemania durante 1996 implicó ahorros aproximados de 1.5 Billones de euros por costos laborales directos e indirectos en la disminución de las ausencias. Estimaciones respecto a la misma reforma señalan la creación de 50.000 nuevos empleos (ver Ziebarth et al., 2009). Estudios realizados en Noruega indican que variables externas, relativas al ciclo económico, tienen un efecto sustancial en el comportamiento de trabajadores, especialmente a lo que se refiere a tasas de solicitud de licencias médicas o de
5 Al año 2013.
recuperación, por ejemplo, en tiempos de contracción económica se registran menores tasas de recuperación y mayores tasas de recaída (Askildsen et al., 2005) Estudios en el mismo país sobre la evolución de las tasas de recuperación (fin del pago de subsidio por enfermedad) muestran que estas aumentan al momento de cumplirse el fin de los beneficios (Nordberg, 2003). Un análisis de correlación simple muestra una relación positiva entre la generosidad del subsidio de licencia médica y los días de ausencia. Asimismo se encuentra una correlación positiva entre las diferencias de ingreso de países vecinos y días de licencias, debido al incentivo de buscar trabajo en el mercado negro del país con más ingreso, mientras se continúa recibiendo el subsidio en el país de origen (Osterkamp, 2005). A la luz de estos antecedentes, creemos que resulta necesario explicar la duración de licencias médicas en términos de atributos distintos a la enfermedad que da origen a esta. Entender dicha función (duración de una licencia médica) permitiría identificar potenciales incentivos a la solicitud de una licencia médica y por lo tanto desarrollar estrategias que permitan la reducción de las mismas, liberando, de esta forma, recursos que podrían usarse en mejorar la calidad de las prestaciones de salud especialmente en el sector público. El estudio propuesto permitirá determinar cuáles son las variables que explican la duración de una licencia, a diferencia de Beteta y Willington (2010) que determina las variables que explican la solicitud de una licencia médica. El análisis se realizara en 2 partes. En primer lugar se estudiará cuáles son las variables que ayudan a explicar la probabilidad de que, dado que a una persona se le ha aceptado una licencia médica en el sistema FONASA, ésta sea de 3 días o menos, de entre 4 y 10 días o de más de 10 días. Es decir, se analiza duración en intervalos. Esto se llevara a cabo mediante un análisis de regresión del tipo Logistico Ordenado. En segundo lugar se estudiará cuáles son las variables que ayudan a explicar la probabilidad que, dado que una licencia médica ha sido aceptada en el sistema FONASA, ésta se extienda por un día adicional. Para esto se utilizará un análisis de duración del tipo Cox. Este análisis hará un aporte al establecer los efectos sobre la probabilidad de duración de licencias médicas en el sistema FONASA de variables como sector productivo en que laboral el trabajador, etapa en el ciclo económico (desempleo, crecimiento del PIB) en que se encuentra el país al momento de la licencia médica y región de residencia del trabajador. Dichas variables nunca han sido estudiadas para Chile. Esto además de incluir las variables género, edad y tipo de enfermedad por la que se genera la licencia médica. Este estudio representa un aporte respecto a estudios previos. En efecto, este complementa el estudio de Beteta y Willingtom (2010) ya que mientras ellos estudian la solicitud de licencias utilizando datos de una encuesta a 360 cotizantes del sistema de salud en Santiago, nuestro estudia la duración de una licencia utilizando la información de
todas las licencias otorgadas a cotizantes (sin identificación) del sistema FONASA durante el periodo 2010-‐2012 en todas las regiones del país, esto corresponde a mas de 10 millones de observaciones lo que le da robustez a los resultados. La importancia del estudio radica en que los resultados permitirán tomar decisiones de política pública respecto a por ejemplo una eventual modificación del marco regulatorio actual (deducibles) como una forma de desincentivar el uso inadecuado de licencias extensas. Su impacto es a nivel nacional.
Revisión de la literatura La literatura nacional e internacional sobre ausentismo laboral por enfermedades no asociadas al trabajo es escasa. A nivel teórico Allen (1981) desarrolla un modelo que testea con datos de los Estados Unidos y encuentra que la probabilidad de ausentarse del trabajo disminuye con el ingreso y la edad. A nivel empírico, Ziebarth et al. (2009) estudia los efectos de la reforma al sistema de seguros por licencias médicas en Alemania y encuentran que la rebaja en la cobertura desde un 100% hasta un 80% del ingreso mensual generó ahorros por cerca de 1.5 Billones de euros por costos laborales directos e indirectos debido a la disminución de las ausencias laborales. Askildsen et al. (2005) estudia la relación entre el ciclo económico noruego y el nivel de ausencias laborales y reporta caídas en los niveles de ausentismo cuando aumenta el desempleo. Martínez (1999) estudia las variables que afectan el pedir licencia médica en Chile con una muestra de 864 individuos de una institución de salud privada en el año 1998 y encuentra que a mayor edad e ingreso cae la probabilidad de pedir licencia médica. Dicho estudio no investiga la duración de las licencias médicas y se centra sólo en datos de una ISAPRE. Rodríguez y Tokman (2001) describen el sistema Chileno y muestran su evolución a nivel agregado. Castro y Sepúlveda (2009) estudian los determinantes del uso y duración de licencias médicas en Chile en base a datos de las dos más grandes ISAPRES Chilenas y encuentran, que la probabilidad de uso y duración de una licencia aumenta si el trabajador es mujer y a mayor edad, aunque el efecto de la edad sobre dichas probabilidades es cuadrático. Además encuentran que la probabilidad de uso y duración de una licencia cae cuando aumenta el ingreso mensual del trabajador y dicha caída es muy pronunciada cuando el trabajador obtiene 60UF 6 o más de ingreso mensual. Finalmente encuentran que aumentos en la tasa de desempleo hace caer la probabilidad de uso y duración de licencias médicas y que una mayor tasa de crecimiento del Producto Interno Bruto (PIB) hace aumentar la probabilidad de uso y duración de licencias médicas. Beteta y Willington (2010) realizan una encuesta a 360 cotizantes del sistema de salud en la ciudad de Santiago para determinar las variables que explican la solicitud de una licencia médica y encuentran, entre varios resultados, que trabajadores satisfechos en su trabajo hacen menor uso de licencias médicas, que las mujeres con hijos menores de 3 años presentan más licencias médicas y que quienes perciben tener buena salud hacen menor uso de licencias médicas. Aunque interesante, este estudio se basa en las respuestas a una encuesta y las personas pudieran elegir no reportar fielmente su realidad. Este estudio además no posee variables de ingreso y del ciclo económico. En las variables en que coincide con Castro y Sepúlveda (2009), los resultados son cualitativamente similares. En un estudio reciente Miranda, Alvarado y Kaufman (2012) exploran las principales características de la duración de las licencias médicas por “trastornos mentales y del comportamiento” en el sistema FONASA durante el 2008 y muestran, entre otros datos,
6 60 UF era el tope de subsidio por incapacidad laboral en el año 2009.
que la edad promedio de los beneficiados con este tipo de licencias es de 36,9 años y que las mujeres reciben cinco veces más licencias de este tipo que los hombres en dicho año. Datos FONASA facilitó una base de datos con 10.188.362 observaciones que corresponden al total de licencias médicas otorgadas y procesadas desde Enero del 2010 a Diciembre del 2012. Con esta base de datos y otras fuentes se construyen las variables a utilizar en este estudio. La tabla 1 a continuación muestra las variables utilizadas en el estudio.
Tabla 1: Descripción de variables utilizadas en el estudio.
Variable Descripción Fuente Observación Genero Corresponde al genero de
la persona a la cual se le otorga la licencia médica.
FONASA
A partir de esta información se construye la variable binaria Mujer que toma valor 1 si la persona a la que se le
otorga la licencia es mujer y 0 si no.
Edad Edad en años del cotizante. FONASA
Tipo de Licencia Identifica el tipo de la licencia de entre una de las 7 siguientes categorías: enfermedad o accidente no del trabajo, prorroga medicina preventiva, licencia maternal, enfermedad grave hijo menor de 1 año, accidente del trabajo, enfermedad profesional y patologías del embarazo.
FONASA
No se utilizan en el estudio las licencias
maternales y las licencias por enfermedad grave hijo menor de 1 año.
Fecha de Emisión Fecha en que se otorga la licencia. FONASA
Días Otorgados Número de días otorgados en la licencia.
FONASA
Esta es la variable utilizada para el modelo de sobrevivencia y a partir
de esta variable se construye la variable dependiente para el modelo logístico.
Tipo de Reposo Puede ser reposo total o
reposo parcial. FONASA
Profesión Prestador Identifica la profesión de quien emite la licencia. Puede ser médico, dentista o matrona.
FONASA
Código del Diagnostico Código CEI-‐10 que identifica la enfermedad que causa la licencia. FONASA
La base contiene los 3 primeros dígitos del código con lo que se identifican los 22
capítulos de enfermedades.
Actividad Laboral Describe el sector económico en el que se desempeña el trabajador. FONASA
A partir de esta variable se crean variables binarias para describir 10 sectores
económicos. Ocupación Describe la ocupación del
trabajador de entre 20 posibles opciones. Algunas son redundantes.
FONASA
A partir de esta variable se crean variables binarias para describir 9 posibles
ocupaciones. Calidad Trabajador Clasifica al trabajador en
una de las 4 opciones siguientes: trabajador sector público, trabajador sector público no afecto a ley 18834/89, trabajador dependiente sector privado y trabajador independiente.
FONASA
Región Variable que permite identificar la región en la cual fue presentada la licencia médica.
FONASA
Duración Variable que toma valor: 0 si la licencia es otorgada por 3 días o menos, 1 si es otorgada por más de 3 días y hasta 10 días, y 2 si es otorgada por más de 10 días.
Construida a partir de la variable Días
Otorgados.
Corresponde a la variable dependiente en el modelo Logístico Ordenado que se
presenta en la metodología.
Tasa de Desempleo Tasa mensual de desempleo regional INE
La tabla 2 muestra la distribución de las observaciones por año, se observa que cada año aporta aproximadamente un tercio del total. La tasa de crecimiento compuesta de las licencias, a través de FONASA, es de 1,28% anual.
Tabla 2: Licencias Médicas otorgadas a través de FONASA, por año. Año Frecuencia Proporción % Prop. Acum %.
2010 3,337,919 32.76 32.76 2011 3,382,097 33.2 65.96 2012 3,468,346 34.04 100
Total 10,188,362 100
La tabla 3 presenta el total de licencias por tipo de enfermedad que la genera. Este estudio centrará su análisis en las licencias que se originan por enfermedad o accidente no del trabajo. Tabla 3: Desglose de Licencias FONASA, por Enfermedad que la genera en el periodo 2010-‐
2012 Tipo de Licencia Frecuencia Proporción % Prop. Acum. % ENFERMEDAD O ACCIDENTE NO DEL TRABAJO 8,391,174 82.36 82.36 PRORROGA MEDICINA PREVENTIVA 1,151 0.01 82.37 LICENCIA MATERNAL 463,110 4.55 86.92 ENFERMEDAD GRAVE HIJO MENOR DE 1 AÑO 768,116 7.54 94.46 ACCIDENTE DEL TRABAJO 127,855 1.25 95.71 ENFERMEDAD PROFESIONAL 10,596 0.1 95.82 PATOLOGIAS DEL EMBARAZO 426,360 4.18 100 Total 10,188,362 100
Metodología Se utilizan dos métodos complementarios. En primer lugar se realiza un análisis de sobrevivencia para explicar la duración, en días, de la licencia médica. Aquí la variable de duración corresponde a los días por los cuales el profesional emitió la licencia médica. Cuando se realiza un análisis de duración donde intervienen varias variables explicativas y en particular cuando más de alguna de estas es continua, es común utilizar una Regresión Cox (Rabe-‐Hesketh and Everitt, 2004). La función de riesgo mide la probabilidad de que un individuo ‘falle’ en un determinado momento, dado que ha ‘sobrevivido’ hasta ese momento. En este caso, la probabilidad de que termine la licencia el día t, dado que ya cumple t días de licencia. En éste se toma como referencia una función o tasa de riesgo, que corresponde a la del individuo promedio o representativo. Este modelo se formula en términos de la tasa de riesgo, condicionado en ciertas variables. Es importante recordar que la tasa de riesgo no representa una probabilidad verdadera ya que ésta puede ser mayor a 1. En este análisis, los coeficientes se interpretan como cambios proporcionales de la función respecto a la referencia. Esta referencia en cada variable, sería aquella categoría que tenga un coeficiente igual a 1. Los coeficientes del resto de las categorías se interpretan, entonces, como la propensión a dejar la licencia médica con respecto a la referencia. Posterior a este análisis y para dar robustez a los resultados, se estima un modelo Logístico Ordenado. Aquí los días de duración se agrupan en tres posibles categorías las cuales tienen: valor 0 si la licencia se otorga por 3 días o menos, valor 1 si la licencia dura entre 4 y 10 días y valor 2 si la licencia se otorga por mas de 10 días. Este método estima
el impacto de las variables explicativas sobre la probabilidad de que la licencia otorgada pertenezca a una de las tres categorías antes definidas. Modelamos dichas categoría en función de variables demográficas, el tipo de enfermedad, sector económico, ocupación y variables macroeconómicas. Se utilizan además 2 variables binarias que denotan los años 2011 y 2012. El 2010 es el año base y por lo tanto es capturado por el intercepto. Finalmente, se obtienen los efectos marginales a partir de los estimadores Logísticos, esto es, cómo cambia la probabilidad que la duración de la licencia médica esté contenida en una de las categorías antes mencionadas, cuando cambia una de las variables explicativas. Resultados Análisis de Duración La figura 1 muestra la estimación de Kaplan-‐Meier para la muestra bajo análisis y en done se ha truncado, para efectos visuales, el análisis del tiempo de duración de una licencia a 50 días. Se presentan aquí los estimadores de sobrevivencia por genero. Se observa que la probabilidad de que la licencia dure más en el tiempo es menor, para cualquier duración, en la mujer.
Figura 1
La figura 2 presenta dichos estimadores separados por trabajadores del sector publico y privado. Se observa que la probabilidad de sobrevivencia de una licencia es siempre menor en los trabajadores del sector público. La figura 3 muestra una comparación entre la región metropolitana y el resto de las regiones. Se observa que la probabilidad de que una licencia se extienda en el tiempo es menor para trabajadores de la región metropolitana para duraciones cercanas a las 10
0.00
0.25
0.50
0.75
1.00
0 10 20 30 40 50analysis time
Men Women
Kaplan-Meier survival estimates
días y hasta los 30 días. Como muestra la figura 4, parte importante de esta diferencia entre la región metropolitana y el resto de las regiones se explica por el comportamiento de las licencias médicas en la región del Biobío. En efecto, en esta región las licencias médicas tienen una
Figura 2
mayor probabilidad de extenderse en el tiempo que el resto de las regiones. Esto para cada día de duración y hasta los 30 días. Por espacio, no incluimos las graficas de Kaplan-‐Meier para los distintos sectores económicos, distintas ocupaciones y para cada uno de los años.
0.00
0.25
0.50
0.75
1.00
0 10 20 30 40 50analysis time
Non-Public Sector Worker Public Sector Worker
Kaplan-Meier survival estimates
Figura 3
Figura 4
0.00
0.25
0.50
0.75
1.00
0 10 20 30 40 50analysis time
Non-Metropolitan Region Metropolitan Region
Kaplan-Meier survival estimates
0.00
0.25
0.50
0.75
1.00
0 10 20 30 40 50analysis time
Non-Biobio Region BioBio Region
Kaplan-Meier survival estimates
Estimación de Cox A continuación presentamos la estimación de Cox donde se regresan los días de duración de la licencia en un conjunto de variables agrupadas en variables personales (genero y edad), variables del trabajo que realiza la persona (ocupación, sector económico, trabajador publico versus privado) y variables macroeconómicas (tasa de desempleo de la región en la cual trabaja la persona). Se controla además por el profesional médico que otorga la licencia, por el tipo de enfermedad que origina la licencia y por cada uno de los años en el estudio, usando 2010 como el año base. Las tablas 4.0 a la 4.2 muestran los resultados de la estimación. Para favorecer la presentación, se separan los resultados. En la primera tabla, el coeficiente positivo en la variable de genero indica que las licencias médicas extendidas a mujeres tienen un mayor riesgo de “fallecer” en el tiempo t. Es decir, las licencias extendidas a mujeres tienen una duración esperada menor que aquella de los hombres. Por el contrario, aumentos en la edad del trabajador tienden a aumentar la duración esperada de una licencia médica. Cabe notar que aunque la variable edad2 presenta un coeficiente significativo, este no es económicamente significativo. En efecto, el coeficiente es cero en los primeros 3 decimales. En la misma tabla se puede observar que trabajadores en los sectores minería, industrial, servicios y servicios estatales tiene licencias con una menor duración esperado. Esto podría ser explicado por el mayor nivel de salarios en esos sectores lo que genera incentivos a tener licencias “cortas”.
Tabla 4.0: Estimación Cox, Características personales y Sector Laboral Variable Coeficiente Error Estándar Z Prob > z Mujer 0,095 0,001 119,590 0,000 Edad -‐0,015 0,000 -‐86,210 0,000 Edad2 0,000 0,000 -‐3,910 0,000
Sector Agrícola -‐0,113 0,002 -‐57,360 0,000 Minería 0,023 0,004 5,560 0,000 Industria 0,089 0,002 42,410 0,000 Construcción -‐0,116 0,003 -‐45,940 0,000 Electricidad -‐0,032 0,006 -‐5,480 0,000 Comercio -‐0,012 0,001 -‐8,650 0,000 Transporte -‐0,035 0,002 -‐15,990 0,000 Servicios 0,025 0,002 10,820 0,000 Servicios Estatales 0,077 0,001 76,740 0,000
Al observar la tabla 4.1 se aprecia que, con la excepción de las personas que laboran como vendedores y aquellos que trabajan en casa particular, todas las ocupaciones tienen un coeficiente significativo, es decir el tiempo esperado de sus licencias médicas es menor.
Tabla 4.1: Estimación Cox, Ocupación. Variable Coeficiente Error Estándar Z Prob > z
Ocupación Profesor 0,0287 0,0020 14,32 0,0000 Ejecutivo 0,0128 0,0058 2,23 0,0260 Profesional 0,1512 0,0018 85,24 0,0000 Técnico 0,0499 0,0015 32,4 0,0000 Vendedor -‐0,0432 0,0016 -‐27,66 0,0000 Administrativo 0,0517 0,0012 44,22 0,0000 Operario 0,0142 0,0010 14,66 0,0000 Casa particular -‐0,2452 0,0028 -‐86,55 0,0000
La tabla 4.2 muestra que el efecto sobre la duración de las licencias médicas de la variable macroeconómica tasa de desempleo de la región en la cual se otorga la licencia. Se observa que aumentos en la tasa de desempleo regional hacen que la duración esperada de la licencia médica sea mayor. Se aprecia además que el coeficiente de la interacción entre la tasa de desempleo regional y enfermedades del sistema nervioso es negativa. Esto indica que las enfermedades de tipo nervioso aumentan la duración esperada en períodos con alta tasa de desempleo. A mayor tasa de desempleo, mayor es el aumento en la duración de las licencias producto de enfermedades de tipo nervioso.
Tabla 4.2: Estimación Cox: Macroeconomía, Años y Otros. Variable Coeficiente Error Estándar Z Prob > z
Macroeconómicas Tasa Desempleo -‐0,019 0,000 -‐64,040 0,000 Desempleo x Sistema Nervioso -‐0,004 0,002 -‐2,410 0,016
Años Año 2011 -‐0,001 0,001 -‐1,000 0,319 Año 2012 0,016 0,001 16,390 0,000
Otros Médico -‐0,017 0,003 -‐6,820 0,000 Sector Público 0,271 0,001 236,080 0,000 La misma tabla además muestra que en el año 2011 la duración esperada de una licencia es mayor que el 2010 y que en el 2012 la duración esperada es menor que en el año 2010. Finalmente, se observa que cuando la licencia es extendida por un médico, esta tiene una duración esperada mayor y que cuando el trabajador labora en el sector público, la duración esperada de la licencia es menor.
Modelo Logístico Ordenado Aquí la variable dependiente toma el valor 0 si la licencia otorgada dura entre 1 y 3 días, valor 1 si la duración es de entre 4 y 10 días y valor 2 si ésta dura 11 días o mas. Las variables explicativas son las mismas que en el modelo de riesgo proporcional de Cox. Por motivos estéticos, los resultados de la estimación se presentan por separado en las tablas 5.0 a la 5.2, sin embargo, al igual que con la regresión de Cox, esta se estima de una vez. Por espacio, no se muestran los efectos marginales por categoría de la variable dependiente. Se observa en la tabla 5.0 que las licencias otorgadas a una mujer tienen una menor probabilidad (coeficiente negativo) de pasar a los valores superiores de la variable dependiente. Es decir, tienen una menor probabilidad de obtener licencias largas. Esto es concordante con el resultado del modelo de Cox. También concordante con el modelo de Cox es el efecto de la variable edad, a mayor edad aumenta la probabilidad de licencias con mayor duración. Se observa que los coeficientes de los distintos sectores conllevan la misma información encontrada con la regresión de Cox; coeficientes negativos indican que las licencias en esos sectores duran menos (minería, industria, servicios y servicios estatales).
Tabla 5.0 : Estimación Logística Ordenado, Características personales y Sector Laboral
Ordered Logistic Regression Number of observations
8219828
LR Chi2(44) 3247484,45 Pseudo R2 0,198 Prob > Chi2 0.0000 Log-‐Likelihood -‐6693008
Duración Coeficiente Error Estándar z Prob.>z
Mujer -‐0,117 0,001 -‐72,33 0,000
Edad 0,013 0,000 35,67 0,000
Edad2 0,000 0,000 39,85 0,000
Sector Agrícola 0,288 0,004 69,34 0,000 Minería -‐0,018 0,008 -‐2,25 0,024 Industria -‐0,207 0,004 -‐48,64 0,000 Construcción 0,252 0,005 47,14 0,000 Electricidad 0,054 0,012 4,53 0,000 Comercio 0,014 0,002 5,05 0,000 Transporte 0,127 0,004 27 0,000 Servicios -‐0,061 0,004 -‐12,94 0,000 Servicios Estatales -‐0,160 0,002 -‐76,34 0,000
La tabla 5.1 muestra las variables de ocupación. Se observa que sólo los vendedores y los trabajadores de casa particular tienen una mayor probabilidad de tener licencias de mayor duración.
Tabla 5.1 : Estimación Logística Ordenado, Ocupación. Duración Coeficiente Error Estándar z Prob.>z
Ocupación
Profesor -‐0,1402 0,0042 -‐33,58 0,0000 Ejecutivo -‐0,0576 0,0123 -‐4,67 0,0000 Profesional -‐0,3786 0,0036 -‐104,86 0,0000 Técnico -‐0,1378 0,0031 -‐44,52 0,0000 Vendedor 0,1372 0,0033 41,05 0,0000 Administrativo -‐0,1437 0,0024 -‐59,38 0,0000 Operario -‐0,0065 0,0020 -‐3,23 0,0010 Casa particular 0,6488 0,0065 99,34 0,0000
La tabla 5.2 muestra que a mayor tasa de desempleo regional, mayor probabilidad de tener licencias mas largas. El coeficiente de la interacción entre la tasa de desempleo y las enfermedades de tipo nervioso muestra la única discordancia con la estimación de Cox, en efecto ahora se obtiene un coeficiente negativo que indica que a mayor tasa de desempleo las enfermedades de tipo nervioso tendrían una menor duración. La misma tabla muestra que sólo en el año 2012 la probabilidad de tener licencias largas disminuyó respecto al año 2010. Finalmente, y al igual que en el modelo de Cox, se observa que cuando la licencia la extiende un médico, aumenta la probabilidad de que sea mas larga y que si la persona trabaja en el sector publico, cae la probabilidad de tener licencias largas.
Tabla 5.2 : Estimación Logística Ordenado, Macroeconomía, Años y Otros. Duración Coeficiente Error Estándar z Prob.>z
Macroeconómicas Tasa Desempleo 0,0639 0,0006 113,06 0,0000 Desempleo x Sistema Nervioso -‐0,0148 0,0014 -‐10,34 0,0000
Años Año 2011 -‐0,000 0,001 -‐0,170 0,865 Año 2012 -‐0,044 0,002 -‐21,56 0,000
Otros Médico 0,1512 0,0053 28,55 0,0000 Sector Público -‐0,6804 0,0023 -‐294,99 0,0000
Discusión Los resultados de ambas metodologías son en general concordantes y muestran que las mujeres tienen una menor probabilidad de tener licencias (no asociadas a la maternidad) largas. Este resultado es interesante ya que indicaría que al sacar las licencias asociadas a la maternidad, las mujeres contraerían enfermedades con períodos de recuperación mas cortos que los hombres. Esto podría ser concordante con el hecho que las mujeres tienen una esperanza de vida mayor a la de los varones. Se obtiene además que a mayor edad, mayor la probabilidad de obtener licencias largas. Lo anterior se asociaría al proceso normal de envejecimiento de una persona que inevitablemente conlleva la aparición de enfermedades de tratamientos mas largos. Los resultados respecto a los sectores económicos en los que se desempeña el trabajador coinciden con la intuición económica. En efecto, aquellos sectores que presentan una mayor probabilidad de tener licencias cortas (minería, industria y servicios) son en general aquellos sectores que presentan rentas más altas y por lo tanto el costo de oportunidad de tener licencias largas es mayor. En el mismo sentido anterior, los resultados respecto a la ocupación del trabajador revelan que en aquellas ocupaciones con mayores ingresos promedio, la probabilidad de tener licencias largas es menor. En este estudio se incluye la tasa de desempleo existente en la región y en el momento en la cual se otorga la licencia y se observa que a mayor tasa de desempleo, mayor probabilidad de tener licencias largas. Esto podría indicar que en períodos en que peligra la estabilidad laboral, las personas tienden a obtener licencias mas largas como una forma de mantener el trabajo. Esto podría suceder en aquellos casos de enfermedades con síntomas fáciles de replicar o difíciles de comprobar como por ejemplo el lumbago y la depresión y estrés. Dado esto, se generó una variable de interacción entre la tasa de desempleo y el indicador de enfermedades del sistema nervioso con el objetivo de verificar si en períodos de mayor desempleo las enfermedades del sistema nervioso aumentan la probabilidad de tener licencias largas. Los resultados son mixtos, por un lado el modelo de riesgo proporcional de Cox arroja que dicha probabilidad aumenta y por otro el modelo Logística indica que dicha probabilidad cae. Cabe notar que el nivel de significancia de esta interacción en el modelo de Cox es baja en comparación al nivel del resto de las variables. Esto es relevante en un modelo que se estima con mas de 8 millones de observaciones. Por lo tanto, aquí nos inclinamos por utilizar el resultado de la estimación Logística. El coeficiente negativo muestra que efectivamente el efecto positivo de la tasa de desempleo sobre la probabilidad de tener licencias largas se torna negativo cuando se trata de licencias por enfermedades del sistema nervioso. Cabe recordar que es muy difícil para el facultativo determinar con certeza la veracidad de la existencia de stress que imposibilite el trabajo Hay muchas causas de licencias por problemas de salud mental que se basan en criterios clínicos y no hay protocolos para regular su duración. Como el juicio clínico puede tener variabilidad y el paciente puede fingir los síntomas, estas causas están entre las más usadas para obtener licencias fraudulentas, entonces cuando aumenta la tasa de desempleo relevante, la persona tendría menos motivación a inventar síntomas debido a que en esos tiempos la probabilidad de perder el trabajo es mas alta.
Un resultado que no esperábamos es que los trabajadores del sector público tienen una menor probabilidad de tener licencia largas. Esto podría explicarse porque en dicho sector estos trabajadores no están afectos a deducible y por lo tanto no existe incentivo a tratar de obtener licencias de mas de 10 días para obtener el pago total de esta. Otro factor que podría incidir aquí es la existencia de los 5 días de permiso administrativo al que tienen derecho los trabajadores en el sector publico.
Conclusiones El presente estudio utiliza la base de datos de todas las licencias médicas que se otorgaron a trabajadores afiliados a FONASA, en Chile durante los años 2010, 2011 y 2012. Se estimo un modelo para determinar cómo una serie de variables afecta a la duración de las licencias médicas. Se descartaron las licencias médicas asociadas a la maternidad por responder a una naturaleza distinta a las licencias por enfermedades no laborales. Se usaron dos metodologías, el modelo de riesgo proporcional de Cox y un modelo Logístico Ordenado. Los resultados muestran que, una vez que se controla por la enfermedad que da origen a la licencia, las mujeres tienen licencias médicas con una menor duración esperada, que en aquellos sectores y ocupaciones con mayores ingresos, la probabilidad de tener licencias largas es menor y que a mayores tasas de desempleo mayor es la probabilidad de tener licencias mas duraderas. Al respecto, se interactuó la variable desempleo con el indicador de enfermedades del sistema nervioso y se obtiene que en periodos en que aumenta la tasa de desempleo, las licencias por enfermedades como estrés tienen una menor probabilidad de extenderse en el tiempo, es decir tienden a ser mas cortas que en periodos de bajo desempleo. Los resultados muestran además que los trabajadores del sector publico tienen una menor probabilidad de tener licencias largas. Finalmente, la probabilidad de tener licencias largas es menor el año 2012 en relación al 2010 y 2011.
Bibliografía Aedo C., G. Bastías y C. Sapelli (1999). “Subsidio de Incapacidad Laboral en Chile”. Mimeo, Pontificia Universidad Católica. Allen, S. (1981). “Compensation, Safety, and Absenteeism: Evidence from the Paper Industry”. Industrial and Labor Relations Review, Vol. 34, No. 2 (Jan., 1981), 207-‐218. Askildsen, J. E., E. Bratberg and O.A. Nielsen (2005). “Unemployment, Labor Force Composition and Sickness Absence: A Panel Data Study”. Health Economics, 14, 1087-‐1101. Beteta E. y Willington M. (2010). “Determinantes del Uso y Abuso de Licencias Médicas en Chile”. Working Paper, Universidad Alberto Hurtado, Junio. Breslow, N. (1970). “A generalized Kruskal-‐Wallis test for comparing K samples subject to unequal patterns of censorship". Biometrika 57, 579-‐594. Broström, G., Johansson, P. & Palme, M. (1998): “Assessing the Effect of Economic Incentives on Incidence and Duration of Work Absence”. Working paper series in economics and finance, Stockholm School of Economics. Cassel, C., P. Johansson and M. Palme. (1996) "A Dynamic Discrete Choice Model of Blue Collar Worker Absenteeism in Sweden 1991". Stockholm School of Economics, Working Paper No. 129. Castro R. y Sepúlveda J. (2009). “Análisis de los determinantes del uso y duración de licencias médicas en el sistema ISAPRE”. Working Paper, Universidad del Desarrollo, Noviembre. Cid, Camilo (2001). “Microeconomía del Subsidio de Incapacidad Laboral: evaluación y propuestas de política sobre la base de un modelo de seguro con presencia de riesgo moral'. Tesis Programa de postgrado en Economía Ilades/Georgetown University. Gertler, Paul, (1999). “Insuring the Economic Costs of Illness”. Conference on Social Protection and Poverty. Inter-‐American Development Bank. Gilleskie, Donna, ( 1998). “A Dynamic Stochastic Model of Medical Care Use and Work absence". Econometrica, vol. 66(1), 1-‐46. Johansson, Per and Palme, Marten (1998). “Assessing the Effect of a Compulsory Sickness Insurance on Worker Absenteeism. Stockholm School of Economics Working Paper No. 287. Dec.
Jones, Andrew (2008). “Applied Econometrics for Health Economists". 3a Edición; OHE. Kiefer, Nicholas (1998). “Economic Duration Data and Hazard Functions". Cornell University, 1988. Krause, N., Lynch, J., Kaplan, G.A., Cohen, R.D., Goldberg, D.E., Salonen, J.T.(1997). “Predictors of disability retirement". Scandinavian Journal of Work, Environment & Health 23, 403-‐413. Krause, N., Frank, J.W., Dasinger, L.K., Sullivan, T.J., and Sinclair, S.J. (2001). ”Determinants of duration of disability and return-‐to-‐work after work-‐related injury and illness: Challenges for future research". American Journal of Industrial Medicine 40, 464-‐484. Mantel, Nathan (1966). “Evaluation of survival data and two new rank order statistics arising in its consideration". Cancer Chemotherapy Reports. Martinez, Eduardo (1999). “Determinación de las Variables que Afectan el Evento de Solicitar Licencia Médica". FACEAPUC. Melgarejo, Marisol (2006). “Las Licencias Médicas y su Utilización Fraudulenta". Tesis de Grado, Universidad Arturo Prat. Miranda, Gonzalo, Alvarado, Sergio y Kaufman, Jay (2012). “Duración de las licencias médicas FONASA por trastornos mentales y del comportamientos”, Revista Médica de Chile, 140, 2, 207-‐213. Murray, John (2006). “Moral Hazard in Progressive-‐Era Health Insurance". University of Toledo; 1st ed., 2006. Norberg, M., and Roed, K. (2003). ”Absenteeism, Health Insurance, and Business Cycles”. Health Economics Research Programme (HERO) working paper 17, University of Oslo, May. Osterkamp, R., and Rohn, O. (2005) “ Being on Sick Leave – Possible Explanations for Differences of Sick-‐leave Days Across Countries”. Ifo Institute for Economic Research Working Paper 19, University of Munich, November. Peto, Richard; Peto, Julian (1972). “Asymptotically Efficient Rank Invariant Test Procedures". Journal of the Royal Statistical Society 135, 2, 185-‐207. Pezoa, Marcela (2010). ”Licencias Médicas: Gasto por Subsidio por Incapacidad Laboral (S.I.L.)”. Departamento de Estudios y Desarrollo, Superintendencia de Salud. Mayo. Rabe-‐Hesketh, Sophia & Everitt, Brian (2004). “A Handbook of Statystical Analyses using Stata". 3a Edición; CHAPMAN & HALL/CRC.
Rodríguez, J. y M. Tokman (2001). “Análisis del Gasto en Subsidios por Incapacidad Laboral y sus Determinantes”. Serie Estudio de Finanzas Públicas N° 2, Dipres, Ministerio de Hacienda.
Rodríguez, Jorge & Tokman, Marcelo (2003). “Licencias médicas: ¿Chilenos enfermizos?". Expansiva. 2003. SAF (1986). “Time Allocation Survey". Swedish Employers Federation, Stockholm. Spierdijk. Laura & Van Lomwell, Gijsbert & Peppelman, Wilko (2008). “The Determinants of Sick Leave Durations of Dutch Self-‐Employed". University of Groningen. Superintendencia de Salud (2006). “Evaluación del subsidio por incapacidad laboral por enfermedad común en Chile: 1990-‐2000” Documento de Trabajo. Superintendencia de Seguridad Social (2008). “Aumento del gasto en subsidios por incapacidad laboral” Documento de Trabajo. Therneau, T.M. y Grambsch, P.M. (2000). “Modeling Survival Data: Extending the Cox Model". N.Y.: Springer-‐Verlag. Therneau, T.M., Grambsch, P.M. y Fleming, T.R. (1990). “Martingale-‐based residuals for survival models". Biometrika, 77: 147-‐160.