Fatores de risco moral na utilização excessiva do serviço de saúde
Vimos que a referência do serviço de saúde na especialidade de genética por parte
das operadoras de plano de saúde, assim como a indicação por outros médicos
influenciam o nível de utilização do serviço. A média de ocorrência do evento visitas
médicas em especialidade estimada pelos modelos variam entre 3,38 e 3,70 no
intervalo de tempo de 3 anos. Considerando apenas as visitas médicas vmed0
condicionadas à indicação e ao referenciamento, temos como média estimada 3,88
com intervalo de confiança de 3,71 e 4,05 no caso do modelo Binomial negativa.
Assim, entendemos que o fato das operadoras de planos de saúde referenciarem o
serviço na especialidade de genética médica e que o beneficiário não precisa
necessariamente ser indicado por um médico ou profisional da saúde para utilizar o
serviço em genética médica, evidencia a existência de um risco moral na utilização
dessa especialidade, possibilitando o uso excessivo do serviço. Vimos também que
a indicação médica ou o encaminhamento por parte de outro profissional da saúde
para o serviço de genética é menos relevante quanto à referência por parte do plano
de saúde e poderia significar um risco moral de demanda induzida se houvesse
algum tipo de interesse por parte do agente que indicasse o serviço. Como não é o
caso no serviço de saúde estudado, podemos concluir que a indicação não
representa evidência de demanda induzida (SID) e apenas reforça a situação de
risco moral no caso de utilização excessiva do serviço de saúde.
Fatores de risco moral na demanda induzida (SID) pelo serviço de saúde
Com relação à questão de risco moral com a demanda induzida (SID), as variáveis
que influenciam as decisões de magnitude do uso do serviço de genética médica
são condizentes com o perfil do paciente usuário desse serviço, ou seja, as variáveis
sexo, criança e gravidez (ou mesmo nos modelos com termos de interação as
variáveis femgrav e i0010) representam os grupos nos quais são realizados o
aconselhamento genético e o seguimento, tanto junto às mulheres na fase de
assistência materna pré-natal, quanto ao acompanhamento do desenvolvimento
intelectual e motor de crianças portadoras de síndromes genéticas. Podemos dessa
forma supor que pelo fato do aumento no número de visitas médicas ser limitado ao
perfil dos pacientes usuários desse serviço não há evidência de risco moral de
demanda induzida na determinação de visitas médicas dos pacientes com outro
perfil, como, é o caso da população de pacientes homens adultos, para a qual tem-
se uma média de visitas estimadas em 3,04, valor este inferior às médias dos
modelos.
Por outro lado, é importante verificar o risco moral de demanda induzida dentro do
perfil dos pacientes usuários do serviço de genética. As médias estimadas de visitas
em especialidade condicionadas às variáveis criança e gravidez, são,
respectivamente, 3,56 e 5,29 visitas médicas no período de janeiro de 2009 a
dezembro de 2011. Se considerarmos a condição criança, indicada e referenciada,
obtemos uma média de 4,09. Finalmente, a ocorrência de visitas médicas nesse
serviço para estes pacientes é proporcional ao período de seguimento no pré-natal e
nas fases de desenvolvimento infantil. Portanto, podemos supor que para a decisão
de magnitude do uso do serviço de saúde em genética médica para o perfil de
pacientes indicados para este serviço, não há possibilidade de afirmar se há ou não
risco moral com relação a demanda induzida (SID).
Vmed
OLS pvalue
Vmed
Poisson pvalue
Vmed
Negbin pvalue
Vmed0
OLS pvalue
Vmed0
Poisson pvalue
Vmedd0
Negbin pvalue
Vmed0
Logit pvalue
Vmed0
Poisson pvalue
Vmed0
Negbin pvalue
Idade -0,012 0,020 -0,003 0,025 -0,003 0,016 -0,017 0,001 -0,004 0,003 -0,005 0,002 -0,027 0,005 -0,003 0,028 -0,004 0,014
(0,005) (0,001) (0,001) (0,005) (0,001) (0,001) (0,009) (0,001) (0,001)
Residsp 0,171 0,055 0,045 0,058 0,041 0,077 0,125 0,151 0,034 0,164 0,029 0,230 -0,254 0,113 0,049 0,059 0,049 0,091
(0,089) (0,023) (0,023) (0,087) (0,024) (0,024) (0,161) (0,029)
Indicado 0,299 0,002 0,078 0,001 0,074 0,002 0,398 <0,001 0,111 <0,001 0,108 <0,001 0,729 <0,001 0,0872 0,001 0,088 0,003
(0,096) (0,024) (0,024) (0,094) (0,025) (0,025) (0,166) (0,029)
Escolaanos 0,030 <0,001 0,007 <0,001 0,007 <0,001 0,0319 <0,001 0,008 <0,001 0,008 <0,001 0,024 0,097 0,008 <0,001 0,009 <0,001
(0,008) (0,001) (0,001) (0,007) (0,001) (0,001) (0,014) (0,002)
Sexo 0,542 <0,00 0,1496 <0,001 0,154 <0,001 0,497 <0,001 0,149 <0,001 0,154 <0,001 0,031 0,820 0,168 <0,001 0,196 <0,001
(0,086) (0,023) (0,023) (0,084) (0,024) (0,024) (0,137) (0,029)
Naosolteiro 0,313 0,001 0,090 0,001 0,090 0,001 0,379 <0,001 0,118 <0,001 0,124 <0,001 0,715 <0,001 0,103 0,001 0,116 0,001
(0,098) (0,028) (0,028) (0,095) (0,029) (0,029) (0,173) (0,035)
Referenciado 0,370 <0,00 0,106 <0,001 0,106 <0,001 0,639 <0,001 0,201 <0,001 0,205 <0,001 1,564 <0,001 0,122 <0,001 0,135 <0,001
(0,093) (0,025) (0,025) (0,093) (0,028) (0,027) (0,154) (0,031)
Classerenda -2,7e-4 <0,00 -8,4e-5 <0,001 -8,6e-5 <0,001 -3,3e-4 <0,001 -1,2e-4 <0,001 -1,2e-4 <0,001 -3,5e-4 <0,001 -9,8e-5 <0,001 -1,1e-4 0,010
(0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000) (0,000)
Criança 0,523 0,008 0,142 0,009 0,141 0,009 0,203 0,270 0,072 0,197 0,073 0,200 -1,220 <0,001 0,160 0,009 0,176 0,010
(0,197) (0,054) (0,054) (0,184) (0,056) (0,056) (0,331) (0,068)
Gravidez 1,699 <0,00 0,370 <0,001 0,367 <0,001 1,759 <0,001 0,392 <0,001 0,392 <0,001 1,174 0,100 0,394 <0,001 0,425 <0,001
(0,316) (0,058) (0,056) (0,313) (0,059) (0,057) (0,713) (0,062)
_cons 3,463 <0,00 1,239 <0,001 1,251 <0,001 3,393 <0,001 1,213 <0,001 1,234 <0,001 3,626 <0,001 1,201 <0,001 1,142 <0,001
(0,245) (0,069) (0,068) (0,233) (0,072) (0,071) (0,407) (0,086)
R2 0,078 Ps R2 0,033 - R2 0,112 Ps R2 0,0547 - AIC 4,549 AIC 4,316
LPs Lh -8945 LPs Lh -8635 LPs Lh -9741 LPs Lh -9263 LPs Lh -9617 LPs Lh -9124
WaldX2 380,9 WaldX2 390,6 WaldX2 565,6 WaldX2 568,0 WaldX2 436,2 WaldX2 436,2
hat 1,334 hat 0,611 hat 1,406 hat 0,677
N 3.947 3.947 3.947 4233 4233 4233 4233 4233 4233
Tabela 4.14. Resultados dos estimadores para modelos de regressão com termos de interação
Negbin
vmed Std err pvalue
Negbin
Vmed0 Std err pvalue
Logit
Vmed0 Std err pvalue Negbin Std err pvalue
I0010 0,280 (0,042) <0,001 0,264 (0,044) <0,001 0,337 (0,279) 0,227 0,340 (0,769) <0,001
I1020 0,210 (0,055) <0,001 -0,168 (0,122) 0,170 -0,556 (0,298) 0,062 0,253 (0,698) <0,001
I2030 -0,080 (0,058) 0,169 -0,069 (0,061) 0,257 0,258 (0,341) 0,449 -0,110 (0,074) 0,140
I3040 0,131 (0,032) <0,001 0,268 (0,050) <0,001 0,885 (0,243) <0,001 0,136 (0,045) 0,003
Indicado 0,005 (0,043) 0,909 0,145 (0037) <0,001 1,137 (0,272) <0,001 0,026 (0,064) 0,686
Naosolteiro 0,032 (0,033) 0,333 0,079 (0,037) 0,034 0,460 (0,240) 0,056 0,070 (0,045) 0,122
Referenciado 0,069 (0,035) 0,049 0,215 (0,039) <0,001 1,848 (0,268) <0,001 0,086 (0,047) 0,068
C2 0,863 (0,548) 0,115 2,416 (0,391) <0,001 4,422 (1,068) <0,001 -0,841 (0,680) 0,231
C3 0,150 (0,071) 0,036 2,406 (0,391) <0,001 4,950 (1,055) <0,001 -0,832 (0,679) 0,221
C4 0,132 (0,070) 0,061 2,351 (0,391) <0,001 5,689 (1,070) <0,001 -0,934 (0,679) 0,169
C5 0,049 (0,070) 0,478 2,292 (0,396) <0,001 5,370 (1,165) <0,001 -0,996 (0,684) 0,145
C6 -0,413 (0,084) <0,001 1,505 (0,393) <0,001 3,081 (1,051) 0,003 -1,609 (0,682) 0,018
Femgrav 0,768 (0,097) <0,001 0,777 (0,105) <0,001 0,355 (0,810) 0,661 0,736 (0,990) <0,001
Femnaograv 0,179 (0,022) <0,001 0,181 (0,023) <0,001 0,095 (0,143) 0,505 0,230 (0,028) <0,001
D30i0010 Idade Refer -1,166 (0,318) <0,001 -0,0005 (0,071) 0,994
D59 Ind Nsol -0,088 (0,048) 0,069 0,245 (0,406) 0,551 -0,093 (0,062) 0,133
D61 Ind Refer 0,094 (0,050) 0,061 0,201 (0,418) 0,630 0,117 (0,064) 0,065
D29i1020 Idade Ind Refer -0,444 (0,202) 0,029
D30i1020 Idade Refer 0,371 (0,135) 0,006
D31i1020 Idade Ind 0,441 (0,178) 0,013
D20i2030 Idade Nsol Femgrav -0,045 (0,163) 0,006 -0,455 (0,176) 0,010
D28i2030 Idade Nsol 0,206 (0,065) 0,002 0,218 (0,693) 0,002 0,402 (0,479) 0,401 0,232 (0,082) 0,005
D24i3040 Idade Femgrav 0,298 (0,116) <0,001 0,272 (0,125) 0,030 13,421 (555,6) 0,981 0,174 (0,126) 0,168
D30i3040 Idade Refer -0,152 (0,519) 0,003
D31i3040 Idade Ind -1,576 (0,409) <0,001 0,060 (0,062) 0,341
_cons 0,902 0,078 <0,001 -1,568 (0,388) <0,001 -3,391 (1,028) <0,001 1,691 (0,677) 0,012
Fonte: elaborado pelo autor conforme anexo 4.12.5.
Capítulo 5– Conclusões
A análise estatística de dados de contagem utilizada para descrever casos
empíricos de economia da saúde tem sido relevante em diversos estudos.
Entendemos que o desenvolvimento de seu arcabouço teórico deve-se ao contínuo
uso destes modelos nas mais variadas situações encontradas em economia da
saúde, permitindo, como salientado por POLHLMEIER & ULRICH (1995), pesquisas
futuras sobre o comportamento dos diversos agentes.
Contudo, os modelos de dados de contagem apresentam limitações quanto aos
resultados obtidos. As limitações podem ser de caráter informativo, ou seja, é
importante ressaltar algumas questões como a existência de heterogeneidade não
observada (situação quando falta informação disponível sobre o usuário do sistema
de saúde). Por outro lado, estes modelos são, a priori, mais úteis para descrever as
condições de uso de serviços de saúde do que propriamente revelar as condições
de escolha dos agentes para maximizar suas utilidades.
Limitações dos modelos
Os resultados mostraram os fatores que influenciam a demanda por serviços de
saúde no caso de especialidade médica seguindo as premissas do modelo de
GROSSMAN (1972a), como a relação positiva entre a demanda pelo serviço de
saúde e o perfil de idade do paciente e a cobertura do assegurado (CAMERON et.
al. 1988). Entretanto, não pudemos mostrar a relação da demanda com o estado de
saúde dos indivíduos. Para tal, poderíamos ter incluído o resultado dos exames de
citogenética dos pacientes (i.e., estado alterado e não alterado), que não estão
disponíveis na base de dados que utilizamos. Isso implicaria em retringir a
população de pacientes para apenas aqueles que realizaram cariótipos nesse
serviço assistencial em genética médica.
Além do mais, a base de dados deveria ser atualizada com as informações relativas
ao nível de educação e a renda do pacientes (não apenas a renda classificada por
faixa, como foi o nosso caso). Isso poderia aumentar a significância destes dois
fatores na interpretação dos resultados, como vimos em parte na metodologia que
utilizou os termos de interação.
Estudos futuros
A evolução do sistema regulatório brasileiro da Saúde Suplementar tem direcionado
o setor de economia de saúde para condições de verticalização e de concentração,
como exposto por SANTACRUZ (2010). Acreditamos que a metodologia de análise
estatística de dados de contagem pode contribuir para as pesquisas sobre eficiência
do sistema de Saúde Suplementar e dos agentes reguladores, complementando
outras metodologias já difundidas nos estudos atuais, como a avaliação com base
em fronteira de eficiências não estocásticas com modelos de regressão e a análise
envoltória de dados (ou Data Envelopment Analysis). Outro campo relevante para
possível utilização de modelos de análise de dados de contagem é na definição da
metodologia definida pela ANS para os reajustes dos planos de saúde, que
atualmente está em discussão (ANS, 2011a).
Finalmente, esperamos que este trabalho tenha exposto de forma clara o potencial
de utilização da metodologia de análise estatística de dados de contagem em todas
as áreas da economia.
Referências Bibliográficas
Agência Nacional de Saúde Suplementar (2010), Caderno de informação da
saúde suplementar - 2010. ANS, Rio de Janeiro.
Agência
Nacional
de
Saúde
Suplementar
(2011a),
Nota
n.
1180/2011/GGEFP/DIPRO/ANS. ANS, Rio de Janeiro.
Agência Nacional de Saúde Suplementar (2011b), Caderno de informação
da saúde suplementar - 2011. ANS, Rio de Janeiro.
Agência Nacional de Saúde Suplementar (2012), Caderno de informação da
saúde suplementar - 2012. ANS, Rio de Janeiro.
Arrow, K.J. (1963), “Uncertainty and the welfare economics of medical care”,
The American Economic Review, Vol. 53, No. 5 (Dec.): 941-973.
Arrow, K.J. (1965), “Uncertainty and the welfare economics of medical care:
Reply (the implications of transaction costs and adjustment lags)”, The
American Economic Review, Vol. 55, No.1-2 (Mar.): 154-158.
Baltagi, B.H. (2008), Econometrics. 4
th
ed., Springer-Verlag, Heidelberg.
Barros, P. & Martinez-Giralt, X. (2012), Health Economics: An Industrial
Organization perspective. Routledge, New York.
Cameron, A.C. and Trivedi, P.K. (1986), “Econometric Models Based on
Count Data: Comparisons and Applications of some Estimators and Tests”,
Journal of Applied Econometrics, Vol 1, No. 1 (Jan.): 29-53.
Cameron, A.C. and Trivedi, P.K. (1998) Regression Analysis in Count Data.
Econometric Society Monographs No. 30. Cambridge University Press,
Cambridge.
Cameron, A.C. and Trivedi, P.K. (2005), Microeconometrics: Methods and
applications. Cambridge University Press, Cambridge.
Cameron, A.C. and Trivedi, P.K. (2010), Microeconometrics using Stata.
Revised edition. Stata Press, College Station.
Cameron, A.C. et al. (1988), “A microeconometric model of the demand for
health care and health insurance in Australia”, Review of Economic Studies,
Vol. 55, No. 1 (Jan): 85-106.
Carvalho, E.B. e Cecílio, L.C. (2007), “A regulamentação do setor de saúde
suplementar no Brasil: a reconstrução de uma história de disputas”, Caderno
de Saúde Pública, Vol.23, No.9 (set): 2167-2177.
Conselho Nacional de Secretários de Saúde (2011), Saúde Suplementar
vol12. Conselho Nacional de Secretários de Saúde, Brasília.
Deb, P. and Trivedi, P. (1997), “Demand for Medical Care by the Elderly: A
finite mixture Approach”, Journal of Applied Econometrics, Vol.12:313-336.
Feldstein, P. J. (2011), Applied Health Care, 1
st
ed., P.J. Fledstein Kindle
eBook.
Grossman, M. (1972a), The Demand for Health: A Theoretical and Empirical
Investigation, NBER.
Grossman, M. (1972b), “On the concept of Health Capital and the Demand
for Health”, Journal of Political Economy, Vol. 80, No. 2 (Mar-Apr):223-255.
Horovitz, D (2005), “Atenção aos defeitos congênitos no Brasil: panorama
atual”, Cadernos de Saúde Pública, Vol.21, No. 4 (jul-ago): 1055-1064.
Horovitz, D (2006), “Atenção aos defeitos congênitos no Brasil:
características do atendimento e propostas para formulação de políticas
públicas em genética clínica”, Cadernos de Saúde Pública, Vol.22, No.12
(dez):2599-2609.
Jones, A. (2007), Applied Econometrics for Health Economists: a pratical
guide, 2
nd
ed. Radcliffs Pub. Oxford.
Laffont, J-J. and Martimort, D. (2002), The Theory of incentives: the principal-
agent model, Princeton University Press, Princeton, New Jersey.
Long, J.S. and Freese, J. (2006), Regression Models for Categorical
Dependent Variables using Stata, 2
nd
ed. Stata Press, College Station.
Macho-Stadler, I. and Perez-Castrillo, J. (2009), An Introduction to the
Economics of Information: Incentives and Contracts, 2
nd
ed., Oxford
University Press, Oxford.
Mas-Colell, A., Whinston, M.D. and Green, J. (1995), Microeconomic Theory,
1
st
ed., Oxford University Press, Oxford.
McGuire, T. (2000), “Physician Agency” in Handbook of Health Economics,
ed. Culyer, A.J. and Newhouse, J.P., Vol.1A, Chap.9, North-Holland:
Amsterdam.
Mullahy, J (1997a), “Heterogeneity, excess zeros and the structure of count
data models”, Journal of Applied Econometrics, Vol.12, No. 3: 337-350.
Mullahy, J. (1997b), “Instrumental-variable estimation of count data models:
applications to models of cigarette smoking behavior”, The Review of
Economics and Statistics, Vol.79, No.4 (Nov.):586-593.
Mullahy, J. (1998), “Much ado about two: reconsidering retransformation and
the two-part model in health econometrics”, Journal of Health Economics,
Vol. 17: 247-281.
Newhouse, J.P. (1970), “Toward a theory of nonprofit institutions: an
economic model of a hospital”, American Economic Review, Vol.60, No.1:
64-74.
Newhouse, J.P. (1987), “Health Economics and Econometrics”, The
American Economic Review, Vol.77, N0. 2, Papers and Proceedings of the
Ninety-Ninth Annual Meeting of the American Economic Association (May):
269-274.
Pauly, M.V. & Redisch, M. (1973), “The not-for-profit hospital as a physicians’
cooperative”, The American Economic Review, Vol.63, No. 1: 87-99.
Phelps, C. (1986), “Induced Demand – Can we ever know its extent?”,
Journal of Health Economics, Vol.5: 355-365.
Phelps, C. (2003) Health Economics. 3
rd
ed., Harper Collins, New York.
Pohlmeier, W. and Ulrich, V. (1995), “An Econometric Model of the Two-Part
Decisionmaking Process in the Demand for Health Care”, The Journal of
Human Resources, Vol.30, No.2:339-361.
Santacruz, R. (2010), Regulação e Concentração no Mercado Brasileiro de
Saúde Suplementar. In Farina, L. e Guimarães, D. (org.) (2010),
Concorrência e Regulação no Setor de Saúde Suplementar. Ed. Singular,
São Paulo.
Silva, J.M.C. and Windmeijer, F. (2001), “Two-part multiple spell models for
health care demand”, Journal of Econometrics, Vol. 104:67-89.
Wagstaff, A. (1986a), “the Demand for Health: A simplified Grossmas
Model”, Bulletin of Economic Research, Vol.38, No.1.
Wagstaff, A. (1986b), “The Demand for Health: Some new empirical
evidence”, Journal of Health Economics, Vol.5: 195-233.
Wagstaff, A. (2012), “Four decades of health economics through a
bibliometric lens”, Journal of Health Economics, Vol.31: 406-439.
Williams, R. (2011), Graduate Statistics II Spring 2011. University of Notre-
Dame. Disponível em:<http://www.nd.edu/~rwilliam/stats2/l11.pdf>
Winkelmann, R. (2004a), “Health care reform and the number of doctor visits
– an econometric analysis”, Journal of applied econometrics, Vol.19, No. 4
(Aug.): 455-472.
Winkelmann, R. (2004b), “Co-payment for prescription drugs and the
demand for doctor visits – evidence from a natural experiment”, Health
Economics, Vol.13: 1081-1089.
Winkelmann, R. (2006), “Reforming Health care: evidence from quantile
regression for counts”, Journal of Health Economics, Vol.25: 139-143.
Winkelmann, R. (2008), Econometric Analysis of Count Data, 5
th
ed.,
Springer-Verlag, Heidelberg.
Wooldridge, J. (2006), Introdução à Econometria: Uma Abordagem Moderna,
2ª ed., Cengage Learning Edições, São Paulo.
Wooldridge, J. (2010), Econometric Analysis of cross section and panel data,
2
nd
ed., MIT Press, Cambridge, Massachusetts.
Zweifel, P., Breyer F. and Kifmann, M. (2009), Health Economics. 2
nd
ed.,
Springer-Verlag, Heidelberg.
