Rendimiento hospitalario y benchmarking en España

RENDIMIENTO HOSPITALARIO Y BENCHMARKING EN ESPAÑA Juan Carlos Martín Hernández Universidad de Las Palmas de Gran Canaria Facultad de Economía, Empresa y Turismo D.2.13 35.017 Las Palmas de Gran Canaria Teléfono: +34 928 45 8189 Fax: +34 928 45 8183 [email protected] Mª Isabel Ortega Díaz Universidad de Jaén Facultad de Ciencias Sociales y Jurídicas, Edif. D-3. Desp. 265. Campus Las Lagunillas, 23.071 Jaén Teléfono: +34 953 212297 Fax: +34 953 212077 [email protected] RESUMEN La tarea de medir el rendimiento de los centros hospitalarios y elaborar un ranking de los mismos a partir de este criterio, constituye uno de los campos donde los investigadores necesitan modelos que tengan en cuenta la distinta naturaleza de las unidades de decisión a comparar. Este trabajo, en primer lugar, proporciona una revisión y crítica de varios enfoques que pretenden la consecución del anterior objetivo, centrándose especialmente en las medidas de productividad y eficiencia. Asimismo, revela que los resultados de estudios relativos al funcionamiento de los hospitales parecen ser muy sensibles a la elección de variables, la estructura del modelo, suposiciones subyacentes y metodología empleada. De este modo, esta comunicación propone la utilización de un análisis envolvente de datos (DEA) perfeccionado: el método de eficiencia cruzada (X-DEA), al objeto de realizar un ranking de 756 hospitales españoles. En el mismo se efectúa un análisis detallado teniendo en cuenta la tipología del hospital. En este trabajo también se propone un método para determinar las puntuaciones de cada hospital en materia de eficiencia identificando unos factores críticos de rendimiento, de forma que puedan ser empleados como una herramienta para la gestión hospitalaria al objeto de establecer programas de mejora en la posición de cada hospital dentro del ranking del conjunto de los mismos. El tema objeto de esta investigación cobra especial relevancia actualmente en España donde la situación económica está llevando a los responsables políticos a recortar gastos en la mayoría de las actividades del sector público, siendo el sanitario uno de los ámbitos donde este tipo de políticas está generando mayores controversias. Palabras clave: Rendimiento hospitalario, estándares de atención sanitaria, DEA, eficiencia-cruzada. 1 1. Introducción En los últimos años los investigadores del ámbito de la Economía de la Salud han mostrado un interés creciente en lograr medir el rendimiento económico y operativo de los hospitales, así como en la evaluación comparativa (benchmarking) del rendimiento entre centros hospitalarios con vistas a aportar alguna orientación sobre las mejores prácticas. Además, los responsables de la gestión hospitalaria se encuentran, cada vez más, frente a los requerimientos de información por parte de la administración pública competente que permita la citada evaluación comparativa de los centros en el desempeño de su actividad y en la implementación de buenas prácticas de gestión, en particular durante un período en que la crisis económica está obligando a los gobiernos europeos a controlar los presupuestos, especialmente en la zona del euro. Existen varias organizaciones sanitarias y de investigación que publican informes que, en algunos casos, recogen las prácticas mejores y peores como consecuencia de la comparación del rendimiento hospitalario a nivel mundial. En el ámbito europeo se ha realizado un gran esfuerzo para resumir la información existente sobre el desempeño hospitalario y políticas de garantía de la calidad en la UE, en los países interesados en acceder o en otros Estados miembros de la Organización Mundial de la Salud (Federal Ministry of Labour, Health and Social Affairs, 1998; Federal Ministry of Social Security and Generations, 2001). Así, por ejemplo, el Consejo de Europa (Council of Europe, 1997) indicó unas recomendaciones generales sobre el desarrollo y la implementación de sistemas de mejora de la calidad en la atención de la salud así como la Comisión Europea (Directorate-General for Employment, Industrial Relations, 1999) publicó las mejores prácticas en la prestación eficiente y eficaz de los servicios sanitarios. Por lo tanto, los gerentes de los hospitales pueden enfrentarse a los requerimientos externos de evaluación de su rendimiento. Sin embargo, la realidad es que hay complejidades importantes que intervienen en la comparación de los hospitales al tratarse de un grupo muy heterogéneo. Por ejemplo, la diversidad de las patologías de los pacientes atendidos en unos hospitales y otros dificulta la validez de las comparaciones en materia de costes o de economías de escala (Edbrooke et al., 1999). Los hospitales son difícilmente comparables cuando no son homogéneos en las características de los pacientes atendidos, circunstancia que no siempre es correctamente valorada en la información disponible (Edbrooke et al, 1999; Gyldmark, 1995; Jacobs et al., 2004). Shaw (2003, p.4) sostiene que los principales métodos de medición del rendimiento de los hospitales son la inspección regulatoria, las encuestas de satisfacción, la evaluación externa y los indicadores estadísticos, la mayoría de los cuales nunca han sido testados rigurosamente. La evidencia de su efectividad relativa proviene principalmente de los estudios descriptivos en vez de hacerlo a partir de ensayos controlados. La efectividad de las estrategias de medición depende de muchas variables, incluyendo su propósito, la cultura nacional, el modo en cómo se aplican y la forma en que se utilicen los resultados. 2 Entre los métodos citados, las evaluaciones externas son muy importantes y por lo general incluyen la medición a través de estándares, la revisión por pares o los programas de acreditación. La estandarización implica el cumplimiento de los sistemas internacionales de calidad mientras la revisión por pares es generalmente apoyada en los departamentos clínicos como un medio de auto-regulación y mejora de los procesos particulares y no del rendimiento global de los hospitales. Por su parte, los programas de acreditación son gestionados por organismos independientes en varios países y el enfoque es orientado hacia el paciente, los procedimientos clínicos, los resultados y el desempeño organizacional. Además de los factores de diferenciación mencionados por Jacobs et al. (2004), los hospitales operan en entornos de mercado diferentes y con distintas estructuras gubernamentales. La finalidad del hospital (especialidad a la que esté mayoritariamente dedicado) afectará a la orientación de la organización hacia la cantidad, el tipo de actividades y prácticas clínicas en las que se debe involucrar. Del mismo modo, la dependencia funcional de un hospital (carácter público, privado sin fin de lucro o privado con fin de lucro) y el régimen regulatorio crearán incentivos que afectan a la cantidad y el tipo de inversiones realizadas, los precios cobrados y la orientación comercial global. El reto de la medición y la evaluación comparativa del rendimiento hospitalario no puede ignorar la existencia de esta diversidad. El trabajo que presentamos se estructura del siguiente modo. Tras esta introducción, la segunda sección repasa la literatura existente sobre medición del rendimiento de los hospitales dentro de la que se enmarcaría la metodología propuesta en este trabajo. La sección 3 describe la base de datos que utilizaremos en nuestro análisis. La metodología empleada para analizar el rendimiento de los hospitales de España se muestra en la sección 4. Los resultados obtenidos se presentan en la sección 5, y finalmente, concluye la sección 6. 2. Revisión de la literatura El concepto de eficiencia generalmente se basa en las definiciones seminales realizadas por Farrell (1957). Alcanzar la eficiencia técnica implica producir la cantidad máxima de producción a partir de una cantidad dada de recursos productivos o, alternativamente, producir un nivel determinado con la utilización de la mínima cantidad de recursos. Por otra parte, la eficiencia asignativa se alcanza cuando la combinación de insumos logra la minimización de los costes, dados los precios de los inputs, o bien, cuando la producción permite maximizar los ingresos dados los precios de venta. Ambos tipos de eficiencia abarcan la "eficiencia global". Cuando una empresa presenta eficiencia global opera en su frontera de costes e ingresos. Hollingsworth y Street (2006) señalan que, si bien la investigación académica aplicada en el campo de la eficiencia ha experimentado un intenso desarrollo, existe una importante brecha entre el enfoque de la oferta y la demanda. En el campo de la salud, mientras el avance de estos trabajos es muy importante desde la perspectiva de la oferta, desde la de la demanda es aún muy débil. Hollingsworth (2008) analiza temas tan importantes como la definición de eficiencia en el campo de la Economía de la Salud, la 3 medición de la mejora de las condiciones mentales y físicas de los pacientes proporcionadas por los centros hospitalarios y la selección de las mejores prácticas para llevar a cabo estudios de eficiencia. Ha existido un interés creciente en la cuantificación del rendimiento productivo de los servicios de salud desde mediados de la década de los 80. En este sentido, el método DEA ha sido ampliamente utilizado para medir la eficiencia de las instituciones sanitarias y se ha mostrado como una poderosa herramienta para la toma de decisiones para los responsables políticos. Una amplia selección de artículos publicados sobre la medición de la frontera de eficiencia, principalmente basados en un enfoque noparamétrico como es la técnica del análisis envolvente de datos se puede encontrar en Hollingsworth (2008), junto a una búsqueda de todas las bases de datos disponibles y relevantes. Dicho autor trata de determinar los métodos y datos utilizados, los modelos especificados, análisis de sensibilidad empleados, resultados e implicaciones de política. Además, en dicho trabajo se resumieron los resultados en un formato básico de metaanálisis con el fin de sintetizarlos y extraer con cuidado las implicaciones potenciales. Sin embargo la utilización de esta metodología DEA requiere considerar los posibles problemas o limitaciones que pueden surgir en su aplicación (Angulo-Meza y Lins, 2002, p.225), entre las que podemos destacar: (a) la falta de discriminación entre las unidades de decisión (DMUs) eficientes que se produce cuando el número de DMUs es pequeña en comparación con el número total de variables en el análisis; (b) incapacidad del sistema de ponderación, que con frecuencia puede ser incorrecto, dando un gran peso a las variables con menor importancia o dando un pequeño peso (o nulo) a las variables importantes; (c) múltiples soluciones óptimas para el sistema de ponderación de las DMUs eficientes. Al objeto de solventar los inconvenientes de este método y que podrían distorsionar el benchmarking, se propone la utilización del método de eficiente cruzada (X-DEA). Flokou et al. (2011) llevan a cabo una revisión de la literatura que muestra un amplio abanico de áreas donde ha sido previamente empleado. Incluso, en fechas más recientes, su utilización se ha extendido a novedosos ámbitos como la contratación de proveedores en los procesos de contratación pública (Falagario et al., 2012). Sin embargo, hasta el presente son escasos los estudios realizados en el ámbito de la sanidad que utilizan esta técnica. Dentro de ellos, en el ámbito hospitalario en que se centra esta comunicación sólo conocemos el trabajo de Klokou et al. (2011, p.1002), donde los autores evaluaron la eficiencia de los hospitales generales del Servicio Nacional de Salud Griego (NHS) en un análisis de dos etapas. En la primera, las eficiencias técnicas y de escala fueron evaluadas con modelos DEA-CRS y DEA-VRS. En la segunda etapa, se llevó a cabo un posterior X-DEA para validar los resultados del DEA. A continuación, se aplicó un esquema de agrupación (análisis cluster) para detectar subgrupos de hospitales que 4 operan bajo similares circunstancias y, por lo tanto, para avanzar en el conocimiento de las características operativas diferenciadoras. No obstante, con anterioridad también se utilizó el X-DEA en el campo de la sanidad en otros niveles diferentes, como a un macro-nivel de países utilizando información de 30 países de la OCDE (Hollingsworth and Wildman, 2002), al nivel de algún servicio hospitalario particular como es el del tratamiento del infarto agudo de miocardio (Standford, 2004) o en referencia a varios métodos de ranking en el contexto del DEA (Yossi et al. 2006). Por otra parte, la correcta caracterización de los procesos productivos hospitalarios constituye un paso necesario para conseguir determinar y evaluar la eficiencia con la que operan estos centros. Sin embargo, este tema ha suscitado amplios debates que se mantienen en la actualidad porque, como sucede en la mayoría de las actividades englobadas en el sector servicios, existe una gran dificultad tanto para definir y cuantificar sus producciones como para determinar las posibles relaciones entre outputs e inputs (Worthington, 1999). Basándonos en el modelo conceptual adoptado por Rodrigues (1983) y por Jacobs, Smith y Street (2006), hemos considerado al hospital como una empresa que produce una amplia variedad de productos intermedios y finales, consecuencia de las diferentes tipologías de enfermedades tratadas, y donde para diagnosticarlas y curarlas se emplean toda una serie de recursos humanos (personal sanitario y no sanitario), materiales y económicos (el capital suele aproximarse a través del número de camas en funcionamiento o instaladas). Dicho proceso debe tener como resultado la mejora de los niveles de salud y bienestar de los ciudadanos, pero medir el nivel de mejora de la salud de una población es una tarea muy compleja. Una posible solución es utilizar, en su lugar, información sobre producción hospitalaria intermedia (Kao et al., 2011) o final. La importancia de realizar una selección adecuada de las variables radica en que los resultados de la medición de la eficiencia estarán condicionados por ella. En este trabajo hemos seleccionado variables ya utilizadas en la literatura existente en el área de la eficiencia hospitalaria. (Leleu, 2012; Kao et al., 2011; Hua et al.,2009; Ozcan, 2008; Nayar and Ozcan, 2008; Puig-Junoy, 2000). 3. Base de datos Muestra La información cuantitativa utilizada en este estudio procede de la Estadística de Establecimientos Sanitarios con Régimen de Internado (ESCRI) correspondiente a 2009. La realización y publicación de esta base de datos corresponde actualmente al Ministerio de Sanidad, Servicios Sociales e Igualdad del Gobierno de España. Se trata de una amplia base de datos (contiene más de 1.100 variables) y constituye la única fuente de información sobre recursos y actividad hospitalaria referida a todos los centros sanitarios que prestan atención especializada con régimen de internamiento ubicados dentro del territorio nacional español. 5 Las unidades de análisis empleadas en esta comunicación son 756 hospitales españoles, tanto de carácter público como privado, incluyendo los centros de especialidades1 de ellos dependientes. Medición de los inputs En nuestro análisis empírico los inputs utilizados para calcular la eficiencia de cada DMU son: • Personal sanitario • Personal no sanitario. No se incluye el personal que atiende servicios que se hayan decidido externalizar como, por ejemplo, la vigilancia, cocina, lavandería o limpieza. • Suministros. Esta variable recoge los gastos generados (expresados en euros) por la adquisición de productos farmacéuticos y demás bienes necesarios para la prestación de los servicios sanitarios. Incluyen las adquisiciones de servicios y materiales consumibles, la variación de existencias adquiridas y las pérdidas extraordinarias generadas y excluye los gastos de personal, de capital o de depreciación. • Tamaño del hospital. Se cuantifica a partir del número de camas en funcionamiento en promedio durante todo el año. Medición de los outputs En el presente trabajo asumimos que los hospitales producen, ante todo, dos tipos de servicios: • Estancias hospitalarias atendidas: conjunto de pernoctas o, en su defecto, número de días en que se ha suministrado una comida principal (almuerzo o cena) a los pacientes. • Admisiones tramitadas: número de pacientes ingresados en el centro durante el año para diagnóstico y/o tratamiento en régimen de internado. Incluyen ingresos programados, urgentes y los producidos por otras causas. Análisis descriptivo y estadístico El Cuadro 1 presenta la estadística descriptiva de los inputs y outputs que empleamos, así como algunos indicadores de actividad de los hospitales examinados. En general todas las variables y ratios muestran una gran variabilidad debido a que hemos utilizado la totalidad de la población de hospitales existente, con una amplia gama de tamaños y orientados hacia servicios muy diferentes entre sí. Así, por ejemplo, el tamaño (utilizando la variable camas en funcionamiento como proxy) oscila entre 4 y 1.673, si bien los hospitales españoles tienen una media de 207,99 camas, cifra que se considera dentro de la categoría de tamaño mediano. Los menores tamaños frecuentemente corresponden a hospitales privados con ánimo de lucro mientras todos los grandes 1 Los centros de especialidades tienen como finalidad la prestación de asistencia especializada fundamentalmente en régimen ambulatorio. Se consideran dependientes de un hospital cuando presentan un presupuesto conjunto. Sin embargo no se computan como tales ni los centros de salud mental dependientes de los hospitales psiquiátricos ni los centros de atención primaria. 6 hospitales son generales y de la red pública. Esto también se traduce en un rango muy amplio en las cifras registradas de personal empleado, tanto sanitario como no sanitario y en las cifras de suministros. Detectamos una amplia plantilla de personal no sanitario a la que habría que sumar el volumen de los trabajadores que realizan servicios externalizados y que aquí no contabilizamos. Con frecuencia, se ha procurado que las decisiones de descentralización de servicios no sanitarios no se tradujeran en despidos del personal contratado por el propio hospital previamente. Los hospitales españoles registraron una media de 6.946,43 ingresos hospitalarios, los cuales generaron una media de 55.472,71 estancias, si bien estas variables también muestran una amplia variabilidad. La existencia de hospitales de larga estancia justifica la existencia de hospitales con un reducido número de ingresos, aunque las estancias sean elevadas frente a su capacidad y su ocupación sea plena. El hospital con el código 753 presentó el mayor número de camas (1.673). En él prestan sus servicios 9.393 sanitarios y 5.502 no sanitarios, con un volumen de suministros de 212.194.703 euros. Este hospital registró un volumen de ingresos y estancias durante 2009, respectivamente, de 53.437 y 441.199. Se trata de un hospital general de la red pública y ubicado en la Comunidad de Madrid. Los ratios suministros/personal y suministros/camas (con valores medios, respectivamente, de 30.323,76 y 65.132,51 euros) revelan un elevado gasto sanitario en materiales. Por otra parte, la media del ratio personal sanitario/personal no sanitario muestra un valor de 2,11. Sin embargo este ratio experimenta un importante crecimiento en los hospitales de gran tamaño debido a las economías de escala que genera la utilización del personal administrativo. La media de las estancias por paciente ingresado (133,37) responde a una política hospitalaria española que ha intentado que se reduzca en lo posible. No obstante, ciertos servicios con complejidad mayor como cardiología, neurocirugía y oncología tienen estancias promedio mayores que otras como dermatología y obstetricia. Paralelamente se aprecia una alta tasa de ocupación hospitalaria (dado que la media de las estancias/camas o promedio de camas ocupadas es de 243,09) y una importante rotación (cuantificada a través del ratio admisiones por número de camas y que alcanza una media de 34,03). Dichas cifras se encuentran condicionadas por la necesidad de cerrar algunas plantas en determinados períodos como los vacacionales al no disponer de suficiente personal para atender dichas estancias, sin lo cual podrían ser superiores. 7 Cuadro 1. Estadística descriptiva Mean SD Min. Max Outputs Estancias Admisiones 55.472,71 6.946,43 72.192,02 9.424,95 13,00 1,00 441.199,00 53.437,00 Inputs Personal sanitario Personal no sanitario Suministros Camas 588,82 269,69 16.809.768,93 207,99 1.336,02 591,24 31.150.928,95 254,57 2,00 1,00 25.784,00 4,00 9.393,00 5.502,00 212.194.703,00 1.673,00 Algunos ratios Personal sanitario/Personal no sanitario Suministros/Personal Suministros/Camas Camas/Personal Estancias por cama Estancias por admisión Admisiones/Camas 2,11 30.323,76 65.132,51 1,00 243,09 133,37 34,03 3,90 35.751,92 85.195,35 1,10 85,49 665,38 29,07 0,14 41,90 133,35 0,05 0,11 1,00 0,03 77,50 775.094,62 1.700.693,06 8,89 384,68 9.855,00 384,68 Fuente: Elaboración propia. Clasificación de los centros hospitalarios de la muestra El estudio puede complementarse considerando las clasificaciones posibles de los hospitales para encontrar así factores que influyen en las diferencias registradas de eficiencia de estas instituciones. En este caso hemos realizado una clasificación por finalidad, si bien también pueden ser clasificados por Comunidades Autónomas, dependencia funcional (hospitales públicos, hospitales privados sin fines de lucro y hospitales privados con fines de lucro), existencia o no de concierto (contrato entre el hospital y el INGESA o el correspondiente Servicio de Salud de la Comunidad Autónoma correspondiente para la prestación de asistencia sanitaria), etc. La finalidad del hospital se refiere a la especialidad médica a la que prioritariamente dedique la mayor parte de su actividad y recursos. Como norma general se considera aquella a la que destine más de un 65% de las camas en funcionamiento. Sin embargo, si no destinara el 65% de sus camas a una especialidad determinada se estimará como su finalidad aquella a la que destine más recursos. En la base de datos consultada se distinguen los siguientes tipos de hospitales en función de su finalidad: • Hospitales generales (atienden las áreas de medicina y especialidades médicas, cirugía y especialidades quirúrgicas, obstetricia-ginecología, pediatría, laboratorio y diagnóstico por imagen, aunque excepcionalmente alguna de ellas pudiera faltar o estar poco desarrollada) • Hospitales quirúrgicos • Otros hospitales de agudos 8 • Hospitales psiquiátricos • Hospitales de larga estancia (incluyen, entre otros, a los hospitales geriátricos y a los de rehabilitación psico-física). Cuadro 2. Distribución por finalidad de los hospitales españoles Número de hospitales General Quirúrgicos Otros hospitales de agudos Psiquiátricos Largas estancias 452 38 67 85 114 Total 756 Fuente: Elaboración propia. 4. Metodología En este trabajo nos basamos en la metodología DEA, la cual es definida por Charnes et al. (1978) como un modelo de programación matemática aplicada a los datos observados que proporciona una nueva forma de obtener estimaciones empíricas de las relaciones de intercambio existentes en las funciones de producción y/o superficies de posibilidades de producción eficientes, piedras angulares de la economía moderna. Desde entonces, la metodología DEA ha sido aplicada en una amplia variedad de contextos: educación, salud, banca, fuerzas armadas, deportes, el transporte, agricultura, tiendas minoristas y proveedores de electricidad. Originalmente diseñado para evaluar las unidades de toma de decisiones (DMUs), que utilizan múltiples inputs para producir múltiples outputs, sin una clara identificación de la relación entre ellos, el análisis DEA ha mejorado a través de una variedad de formulaciones y utilización para diversos tipos de industrias. La capacidad del DEA para analizar relaciones multidimensionales entre múltiples inputs y outputs sin tener que partir previamente de una relación funcional entre los mismos hace de esta técnica una metodología muy popular dentro de una amplia variedad de áreas. De este modo, el análisis DEA es particularmente apropiado cuando la información disponible para ponderar los múltiples inputs y outputs no es clara o, incluso, es inexistente. En relación con la eficiencia referida a la atención sanitaria, la existencia de actividades y servicios no destinados a la venta es un tema relevante porque su valor (o precio) es más difícil de medir. Por esta razón, los métodos no paramétricos han sido profusamente utilizados como consecuencia de tal problema de valoración. Algunas aplicaciones del DEA en el área de los sistemas de salud se pueden consultar en Chen et al. (2005), Harrison y Sexton (2006), Harrison y Ogniewski (2005), Harrison et al. (2004) y Leleu et al. (2012). No pretendemos descubrir los aspectos básicos de los modelos DEA. Una buena introducción a la notación, formulación e interpretación geométrica del DEA se puede 9 segmento de los rendimientos decrecientes de escala, son grandes hospitales del sistema sanitario español, con una plantilla de personal sanitario de más de 5.000 personas y un ratio de 2,26 del anterior con respecto al personal no sanitario, más de 1.000 camas, más de 15.000 euros de compras de material por trabajador, 118.000 euros de compras por cama, 0,13 camas por trabajador, 277 estancias por cama y 8 días de estancia por ingreso. Las dos principales diferencias entre ambos grupos son, además del tamaño, el ratio de compras de material por cama y el número de camas por trabajador. El Cuadro 5 muestra los valores medios de los multiplicadores para el modelo X-DEA. Se observa que dichos valores dependen de la categoría del hospital, por lo que podemos afirmar que ésta influirá en el rendimiento hospitalario. Concretamente, para cada categoría los valores más altos obtenidos son los siguientes: (a) En el caso de todos los hospitales -el personal sanitario y no sanitario-, (b) Hospitales generales -personal no sanitario y camas-, (c) Hospitales quirúrgicos -personal sanitario y camas-, (d) Otros hospitales de agudos -el personal sanitario y camas-; (e) Psiquiátricos -personal sanitario, personal no sanitario y camas; (f) Hospitales de larga estancia -personal sanitario y no sanitario-. El Cuadro 5 también muestra que los hospitales de larga estancia, psiquiátricos y quirúrgicos presentan un rendimiento mayor que los hospitales generales y otros hospitales de agudos. Es evidente que la categoría de los hospitales está afectando a su rendimiento y sería conveniente profundizar en el análisis de si estos centros presentan características específicas que puedan ayudar a los investigadores a explicar esta heterogeneidad observada. Cuadro 5. Media de los multiplicadores óptimos X-DEA por categorías de hospitales Categoría AvW.PS AvW.PNS AvW.SM AvW.CM AvW.ES AvW.IN FV Av.X-DEA Todos 0,162 0,090 7,29E-06 0,050 1,55E-04 3,40E-04 -0,641 709,41 Generales 0,002 0,114 1,10E-05 0,050 1,83E-04 6,33E-05 -0,382 1.122,55 Quirúrgicos 0,290 0,024 1,56E-06 0,174 2,40E-04 6,63E-04 -1,244 96,95 Otros agudos 1,493 0,011 6,05E-06 0,078 2,14E-04 2,49E-03 -3,050 193,37 Psiquiátricos 0,009 0,009 3,93E-07 0,014 4,41E-05 2,06E-05 -0,009 63,81 Larga estancia 0,088 0,123 3,50E-07 0,021 6,48E-05 3,04E-04 -0,524 60,16 Fuente: Elaboración propia. AvW. (Media de los multiplicadores óptimos). PS (Personal sanitario). PNS (Personal no sanitario). SM (Suministros). CM (Camas). ES (Estancias). IN (Ingresos). FV (Free Variable). Ahora usamos estos multiplicadores óptimos medios para obtener los factores críticos para cada categoría de hospital. Utilizamos el siguiente enfoque basado en la superficie óptima obtenida con estos multiplicadores utilizando la ecuación de frontera hospitalaria siguiente, donde la media de los multiplicadores se ha obtenido para todos los hospitales. Entonces podemos obtener los factores críticos para cada hospital como el porcentaje 16 del valor de un factor en particular sobre el valor expresado sin incluir la variable de holgura del modelo y ajustando la frontera óptima en términos absolutos, es decir, (4) Así, los factores críticos pueden ser analizados para cada input y output. Expresiones similares se pueden utilizar para analizar los factores críticos correspondientes a algunas agregaciones de hospitales como, por ejemplo, a una categoría por finalidad. En este caso, las variables individuales de cada hospital se cambian por los valores promedio para la categoría o cualquier otra agregación. El Cuadro 6 muestra las ponderaciones relativas medidas en porcentaje para el caso de dos hospitales en particular (con el mejor y peor rendimiento) y que se corresponden con las DMUs 896 y 753, respectivamente, así como para la media de los hospitales del Sistema Nacional de Salud, tanto en conjunto como para cada una de sus categorías. Se puede observar que, como era de esperar, el hospital con el mejor rendimiento presenta unos pesos relativos muy equilibrados. Sin embargo, aún así los factores críticos son las camas, las estancias de los pacientes y el personal sanitario. Los resultados del hospital con el peor rendimiento son más desequilibrados y está claro que los gestores de este hospital deben centrarse en el personal sanitario y en las compras de material, disminuyendo su uso para aumentar la eficiencia. Cuadro 6. Ponderaciones relativas X-DEA. Promedio de los multiplicadores óptimos por categoría del hospital Categoría DMU RW.PS RW.PNS RW.SM RW.CM RW.ES RW.IN 896(mejor) 21,05% 11,64% 15,50% 26,09% 22,13% 3,59% 753(peor) 44,36% 14,36% 36,31% 2,45% 2,00% 0,53% Todos 36,24% 9,18% 46,45% 3,97% 3,27% 0,90% Generales 0,54% 13,02% 79,11% 3,66% 3,49% 0,19% Quirúrgicos 34,76% 2,90% 16,07% 32,33% 7,92% 6,03% Otros Agudos 75,83% 0,33% 15,88% 3,05% 1,83% 3,09% Psiquiátricos 6,57% 6,96% 8,47% 39,53% 38,35% 0,13% Largas estancias 26,17% 34,25% 3,88% 17,64% 16,92% 1,13% Fuente: Elaboración propia. RW. (Peso relativo). PS (Personal sanitario). PNS (FTE other -non medical staff). SM (Suministros). CM (Camas). ES (Estancias). IN (Ingresos). Por último, en general también se puede decir que los gerentes de los hospitales deben centrarse en la reducción de costes en los ámbitos de los suministros y del personal 17 sanitario. Sin embargo, a partir de esta observación general, podemos ver también que el énfasis debe ser muy diferente para cada una de las categorías analizadas. Los hospitales generales deben mantener los esfuerzos en el suministro (ponderación relativa del 79,11 por ciento), mientras que el impacto sobre su eficiencia de una disminución del personal sanitario, por ejemplo, sería muy reducido. Para los hospitales quirúrgicos, los factores críticos son las camas y el personal sanitario. Otros hospitales de agudos necesitan equilibrar el personal sanitario como la mejor estrategia para mejorar su rendimiento. Para los hospitales psiquiátricos, los factores críticos son las camas y las estancias de pacientes (en el caso de los outputs, deberían aumentarse para avanzar en eficiencia). Y, por último, los gestores de hospitales de larga estancia deberían enfocar sus esfuerzos hacia la política de recursos humanos. 6. Observaciones finales En el campo de la medición de la eficiencia hospitalaria siempre existe una gran controversia cuando los expertos se basan en una lista con un pequeño número de hospitales como referencia del sector. Obviamente existe un amplio abanico de métodos para desarrollar medidas destinadas a equilibrar numerosos factores que contribuyen al rendimiento de los hospitales como consecuencia de su naturaleza multidimensional, así como las relaciones a menudo desconocidas entre diversos inputs y outputs. Este trabajo pretende mostrar que mediante el uso del DEA se puede desarrollar un método multidimensional sin un conocimiento a priori de las relaciones entre los factores. En este trabajo se utilizó un modelo basado en X-DEA para aproximarnos mejor a la multidimensionalidad del rendimiento hospitalario al objeto de determinar un índice sintético para clasificar a todos los hospitales de España. Se ha demostrado que los multiplicadores medios obtenidos en cada ejecución del modelo DEA-VRS pueden ser utilizados para identificar los factores críticos de un hospital determinado o, por agregación, de una categoría de los mismos o de todo el conjunto. Esta nueva información es importante para diseñar una buena estrategia para mejorar el rendimiento hospitalario. Algunas publicaciones previas han establecido un ranking de rendimiento hospitalario utilizando diferentes enfoques como el método DEA para benchmarking y el método DEA de super-eficiencia. Sin embargo, hasta donde alcanza nuestro conocimiento, el trabajo que presentamos es uno de los escasos estudios en los que se utiliza un modelo X-DEA para analizar el rendimiento hospitalario. Nuestra intención ha sido proporcionar una información adicional sobre cómo mejorar el rendimiento hospitalario a la vez que ofrecemos una perspectiva alternativa sobre cómo realizar un ranking de hospitales españoles. Desde nuestra experiencia en otras áreas relacionadas se podrían emplear otros enfoques como los modelos DEA de super-eficiencia o el de eficiencia virtual para obtener un ranking de un conjunto de hospitales. Podría ser interesante contrastar dichos rankings y compararlos con el de nuestra propuesta, si bien esta tarea no ha sido objetivo del presente estudio. 18 7. Referencias bibliográficas Adler, N., Friedman, L. and Sinuany-Stern, Z. (2002). Review of ranking methods in the data envelopment analysis context. European Journal of Operational Research, 140, 249-265. Ali, A. and L.M. Seiford (1993), The Mathematical Programming Approach to Efficiency Analysis. In: The Measurement of Productive Efficiency: Techniques and Applications, eds, Fried, H.O., Lovell, C.A.K and Schmidt, S.S. Oxford University Press, New York. Angulo-Meza, L. and Lins, M.P.E. (2002): Review of Methods for Increasing Discrimination in Data Envelopment Analysis Annals of Operations Research 116, 225–242, 2002. Banker, R.D., A. Charnes and W.W. Cooper (1984), Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis, Management Science 30, 1078-1092. Charnes, A., Cooper, W., Lewin, A.Y., and Seiford, L.M., 1994. Data Envelopment Analysis. Theory, Methodology and Applications. Kluwer Academic. Boston. Charnes, A., Cooper, W.W. and Rhodes, E., 1978. Measuring the Efficiency of Decision Making Units. European Journal of Operational Research 2(6), 429-444 Charnes, A., Cooper, W.W., Huang, Z.M., Wei, Q.L. (1989). Cone ratio data envelopment analysis and multi-objective programming. International Journal of Systems Science, 20, 1099–118. Chen, A., Hwang, Y.C., Shao, B. (2005). Measurement and sources of overall and input inefficiencies: evidences and implications in hospital services. European Journal of Operational Research, 161(2), 447–468. Coelli, T. (1996), A guide to DEAP version 2.1: a data envelopment analysis (computer) program. CEPA Working Paper 96/08. Centre for Efficiency and Productivity Analysis, University of New England, Armidale. Coelli, T., Rao, D.S.P. and Battese, G.E., 1998. An Introduction to Efficiency and Productivity Analysis. Kluwer Academic. Boston. Consejo Económico y Social (2010). Desarrollo autonómico, competitividad y cohesión social en el sistema sanitario. Colección Informes, num. 01/2010, Madrid. Cooper, W., Sieford, L., Tone, K., 2000. Date Envelopment Analysis. A Comprehensive Text with Models, Applications, Reference and DEA–Solver software. Kluwer Academic Publishers, Norwell. Council of Europe (1997). Recommendation No. R(97)17 of the Committee of Ministers to member States on the development and implementation of quality improvement systems in health care. Strasbourg. Directorate-General for Employment, Industrial Relations. (1999). Best practice: state of the art and perspectives in the EU for improving the effectiveness and efficiency of European health systems. Luxembourg: Office for Official Publications. Doyle, J.R., Green, R., 1994. Efficiency and cross-efficiency in data envelopment analysis: Derivatives, meanings and uses. Journal of the Operational Research Society 45 (5), 567-578. Edbrooke, D., Hibbert, C., Ridley, S., Long, T., Dickie, H. (1999). The development of a method for comparative costing of individual intensive care units. Anaesthesia, 54, 110–120. Falagario, M., Sciancalepore, F., Constantino, N. and Pietroforte, R. (2012). Using a DEA-cross efficiency approach in public procurement tenders. European Journal of Operational Research, 218 (2), 523-529. Federal Ministry of Labour, Health and Social Affairs. (1998). Quality in health care: opportunities and limits of cooperation at EU-level. Vienna. Federal Ministry of Social Security and Generations. (2001). Quality policy in the health care systems of the EU accession candidates. Vienna. Flokou, A., Kontodimopoulos, N. and Niakas, D. (2011): Employing post-DEA Cross-evaluation and Cluster Analysis in a Sample of Greek NHS Hospitals. Journal of Medical Systems, 35(5), 1001-1014. García Armesto, S., Abadía Taira, B., Durán. A. and Bernal Delgado, E. (2010). España: Análisis del sistema sanitario. Sistemas sanitarios en transición. European Observatory on Health Sistems and Policy 2010; 12(4). Gyldmark, M. (1995). A review of cost studies of intensive care units: problems with the cost concept. Critical Care Medicine, 23, 964–972. Harrison, J.P., Coppola, M.N., Wakefield, M. (2004). Efficiency of federal hospitals in the United States. Journal of Medical Systems, 28, 411–422. Harrison, J.P., Ogniewski, R.J. (2005). An efficiency analysis of Veterans Health Administration hospitals. Military Medicine, 170(7), 607–611. Harrison, J.P., Sexton, C. (2006). The improving efficiency frontier of religious not-for-profit hospitals. Hospital Topics, 84, 2–10. Hollingsworth, B. (2008). The Measurement of Efficiency and Productivity of Health Care Delivery. Health Economics, 17(10):1107–28. 19 Hollingsworth, B., and Wildman, J. (2002). Efficiency and Cross Efficiency Measures: A Validation Using OECD Data. Centre for Health Program Evaluation (CHPE). Working paper 132. Hollingsworth, B., Street, A. (2006). The market for efficiency analysis of health care organisations. Health Economics, 15(10), 1055–1059. Hua, H., Li-xin, S., Xian-li, Z., Sheng-xin, C. (2009). Data envelopment analysis-based evaluation of pharmacy efficiencies of military hospitals. Academic Journal of Second Military Medical Universitary 30 (5), 553-557. Jacobs, P., Rapoport, J., Edbrooke, D. (2004). Economies of scale in British intensive care units and combined intensive care/high dependency units. Intensive Care Medicine, 30, 660–664. Jacobs, R.; Smith, P.C., and Street, A. 2006). Measuring Efficiency in Health Care. Analytic Techniques and Health Policy. Cambridge: Cambridge University Press. Kao, L.; Lu, Ch. And Chi, Ch. (2011). Efficiency measurement using independent component analysis and data envelopment analysis. European Journal of Operational Research, 210 (2), 310-317. Leleu, H., Moises, J., Valdmanis, V. (2012). Optimal productive size of hospital’s intensive care units. International Journal of Production Economics, 136(2), 297-305. Nayar, P. and Ozcan, Y. (2008). Data Envelopment Analysis Comparison of Hospital Efficiency and Quality. Journal of Medical System, 32(3), 193-199. Ozcan, Y. A. (2008). Health Care Benchmarking and Performance Evaluation. An Assessment using Data Envelopment Analysis (DEA). Series: International Series in Operations Research & Management Science, Vol. 120, Springer, New York. Puig-Junoy, J. (2000) Partitioning input cost efficiency into its allocative and technical components: An empirical DEA application to hospitals. Socioeconomic Planning Sciences, 34(3), 99-218. Rodrigues, J.M. (1983): Le project de medicalisation du systeme d’information. Methode, definition, organization. Gestions Hospitalieres, núm. 224, 206-209. Seiford, L.M., Thrall, R.M., 1990. Recent developments in data envelopment analysis: The mathematical programming approach to frontier analysis. Journal of Econometrics 46, 7-38. Sexton, T.R., Silkman, R.H., Hogan, A.J., 1986. Data envelopment analysis: Critique and extensions. In: Silkman, R.H. (Ed.), Measuring Efficiency: An Assessment of Data Envelopment Analysis. JosseyBass, San Francisco, 73-105. Shaw, C. (2003). How can hospital performance be measured and monitored? Copenhagen: WHO Regional Office for Europe. Standford, R.E. (2004). A frontier Analysis Approach for Benchmarking Hospital Performance in the Treatment of Acute Myocardial Infarction. Health Care Management Science, 7(2), 145-154. Worthington, A. (1999). An Empirical Survey of Frontier Efficiency Measurement Techniques in Healthcare Services. Economics, Finance & International Competitiveness Discussion Papers, 67. Yossi, H, Avner, B.Y., Lea, F., Zilla, S.S. (2006). Measuring efficiency of hospitals using the Data Envelopment Analysis model: An application for ranking Israeli hospitals. Communications in Dependability and Quality Management, 9 (3), 22-31. Zhu, J. (2001). Multidimensional quality-of-life measure with an application to Fortune’s best cities. Socio-Economic Planning Sciences, 35(4), 263-284. 20