Analysis of topics in health microeconomics through flexible regression models

Resumen

RESÚMEN Introducción: El objeto de discusión es la función de producción de asistencia sanitaria. Del mismo modo, el tiempo de espera para la cirugía electiva es un problema importante en el mundo médico actual. Objetivo: Calcular una nueva función flexible de producción de producción hospitalaria mediante un Modelo Aditivo Generalizado incluyendo interacciones y, compararlo con los modelos clásicos Cobb-Douglas y Translog en la predicción del comportamiento de los factores productivos. Otro tema importante es estudiar cómo el número de camas en el hospital afecta la actividad hospitalaria, la duración de las estancias y, en consecuencia, la lista de espera. Material: Los datos empleados hacen referencia a los hospitales públicos de Galicia para el período 2002-2008, incluyendo el número de camas, el número de facultativos, y el número de altas por DRG así como el número de ingresos y estancias. Método: Se comparan las predicciones de las funciones Cobb-Douglas, Translog, y Modelo Aditivo Generalizado (GAM). Así mismo, reproducir, mediante un análisis de simulación de Monte Carlo, cómo el número de camas de los hospitales (una medida aproximada del capital físico de los hospitales) afecta la actividad de hospitalización, la duración de la estancia y, por consiguiente, el tamaño de las listas de espera de cirugía en los hospitales. Resultados: El modelo GAM es más adecuado que el Cobb-Douglas o el translog para evaluar la función de producción hospitalaria, para los hospitales públicos ubicados en Galicia, para el período de estudio. Parece que no hay diferencias significativas en términos de listas de espera y tasas de ocupación cuando el número de camas de los hospitales de mayor dimensión se incrementa. Las políticas del lado de la oferta también pueden ser decepcionantes en sus efectos sobre los tiempos de espera para los pequeños hospitales rurales. Una mayor capacidad en términos de más camas se asocia con menores tiempos de espera para hospitales medianos. Discusión: Los Modelos Aditivos Generalizados son más flexibles que los modelos paramétricos, proporcionando un mejor ajuste en presencia de relaciones no lineales y permitiendo, por ello, unos valores de predicción más ajustados. Parece útil analizar la caída en la lista de espera debido a la asignación de camas nuevas, así como el desarrollo de configuraciones de camas más adecuado. Conclusiones: Los resultados de este estudio sugieren que AM es una técnica prometedora para las áreas de investigación y aplicación en economía de la salud. El estudio demuestra la utilidad de las técnicas de simulación para examinar un sistema hospitalario.