Impacto de la medición de la casuística en la evaluación de la eficiencia técnica de los centros socio-sanitarios

José Luis Martínez Zahonero*, **, Pablo Garrido*, Salvador Peiró*, ***, Anna Garcia-Altés*, ****,
Esteban Carrillo Ridao*, Francesc Martínez*****

*Fundación Instituto de Investigación en Servicios de Salud (IISS), Valencia; **Facultat de Ciencies Econòmiques i Empresarials. Universitat de Valencia; ***Institut Valencià d'Estudis en Salut Pública (IVESP); ****Agencia d'Avaluació de Tecnologia Mèdica, Barcelona; *****Programa Vida als Anys. Servei Català de la Salut.

Resumen

Antecedentes: El objetivo de este trabajo es analizar la eficiencia relativa de los centros socio-sanitarios de Cataluña, utilizando análisis de frontera no paramétricos, y das medidas de producto: estancias y estancias ponderadas por el peso relativo de los Ressource Utilization Groups III (RUG III).
Material y método: Se combinaron datos provenientes de la Enquesta d'avaluació de residents sòcio-sanitaris (EARSS) de 1994 con datos de estructura y actividad de la Estadística d'Establiments socio-sanitaris en régim d'internat i d'unitats sòcio-sanitàries en establiments sanitaris i socials correspondiente a 1991 (EESSC-91) para obtener una base de datos de centros socio-sanitarios que incluía el peso RUG medio de cada uno en 1994. Se utilizó el Análisis Envolvente de Datos para valorar comparativamente la eficiencia de los centros utilizando las dos medidas de producto mencionadas y análisis de eficiencia global y técnica.
Resultados: Existen amplias variaciones en la eficiencia relativa de los CSS, con más de la mitad de los centros por debajo de la frontera de eficiencia. Cuando se incorporé el peso RUG-lll como output, en el análisis de eficiencia técnica 20 de los 52 centros (8 menos que cuando se utilizó exclusivamente el número de estancias corno output) mostraron algún tipo de ineficiencia global. Respecto a la eficiencia técnica pura, 20 centros (los mismos que en el análisis de eficiencia técnica global y sólo 1 menos que cuando se consideró exclusivamente el número de estancias como output) se situaron por debajo de la frontera.
Conclusiones: los resultados obtenidos muestran tanto la existencia de una amplia variabilidad en la eficiencia relativa de los centros socio-sanitarios, como la necesidad de considerar la casuística a la hora de valorar esta eficiencia y de incorporar -en algún modo- indicadores de calidad a este tipo de comparaciones.

Palabras clave: Centros socio-sanitarios. Eficiencia. Casuística. Análisis envolvente de datos.

Abstract

Background: This mark aims to analyze the relative efficiency of the nursing home centres in Catalonia, using non-parametric frontier analysis, and two product measures: stays and stays weighted by the relative weigh of the Resource Utilization Groups III (RUG III).
Methods and material: We combined data originating from the Nursing homes assessment survey of 1994 with structure and activity data of the Health and nursing home centres statistics survey corresponding to 1991 to obtain a nursing home centres data base that was including the RUG-lll weight middle of each one o 1994. It was used the Data Envelopment Analysis to evaluate comparatively the efficiency of the centres using the two mentioned product measures and global and technical efficiency analysis.
Results: Wide variations o the relative efficiency of the nursing homes were identified, with more than half of the centres below the efficiency frontier. When it was incorporated the RUGR II weight as output measure o the technical efficiency analysis, 20 of 52 centres (8 Iess than was used exclusively the number of stays as output) showed some type of global inefficiency. With respect to the pure technical efficiency, 20 centres (the same that o the analysis of global technical efficiency and only 1 less than when was considered exclusively the number of stays as output) were located below the frontier.
Conclusions: The results show the existence of a wide variability u the relative efficiency of the nursing home centres in Catalonia, as well as the need of considering the case-mix for evaluating this efficiency, and of incorporating -lo some manner- indicators of quality into this type of comparisons

Keywords: Nursing borne. Efficiency. Case-mix. Data envelopment analysis.

Introducción

En los últimos años se asiste en todos los países desarrollados a un creciente interés por la atención a los ancianos en general, y por la asistencia prestada en los centros socio-sanitarios (CSS) en particular, incluyendo aquí desde los hospitales de crónicos hasta las residencias asistidas de ancianos1, principal clientela de este tipo de centros. Entre las razones de este interés cabe citar: 1) el crecimiento de la demanda, que tiene un componente cuantitativo -demográfico- en el progresivo envejecimiento de la población, pero también -y sobre todo- un componente cualitativo, derivado de una mayor preocupación por la calidad de vida, los cambios socio-familiares y los cambios en los patrones de morbilidad2,3; 2) la extensión de la cobertura de los sistemas de bienestar, que ha trasladado al Estado, en una situación de crisis económica no coyuntural costes tradicionalmente asumidos por las familias4; 3) el crecimiento de los costes de los servicios socio-sanitarios, tanto por la diversificación e intensificación de los cuidados corno por la utilización intensiva de personal en estos servicios, del que se busca una mayor cualificación y multidisciplinariedad5,6; 4) la insuficiencia cuantitativa de recursos orientados a la atención de los procesos crónicos y su posible (y muy discutida) sustitución por el uso inapropiado de servicios hospitalarios de agudos7 y 5) la percepción social de que los servicios públicos de bienestar -incluidos los sociosanitarios- no funcionan con toda la eficiencia posible8.
Respecto a este último punto, el análisis de la eficiencia de los CSS enfrenta diversos problemas, en buena parte compartidos con el resto de servicios de salud, tanto en la definición de los recursos como, y sobre todo, en la del producto9. Desde un punto de vista microeconómico, una unidad de producción es técnicamente eficiente cuando obtiene la máxima producción posible (outputs) para una combinación dada de factores de producción (inputs), relación que se denomina función de producción. Dado que la función de producción representa una frontera de producción posible, si una unidad se sitúa por debajo de esta función significa que está operando ineficientemente, siendo la razón entre la producción real y la potencial una medida de su grado de ineficiencia10,11. Farrell12 denominó eficiencia técnica a esta razón entre producción real y potencial para un nivel dado de inputs, para diferenciarla de la eficiencia asignativa (combinación de factores de producción que minimiza el coste de producción). Forsund et al13 distinguieron un tercer tipo de eficiencia productiva, la eficiencia de escala, que surge cuando la empresa esta operando en su tamaño óptimo. Para Farrell12 la eficiencia global se alcanza cuando la unidad de producción es eficiente técnicamente y en cuanto a los precios de los factores, que incluirían la eficiencia asignativa y la de escala.
La forma tradicional de medir la eficiencia relativa de los CSS es comparar su coste medio por estancia, pero este indicador, de un lado no ofrece información acerca de la calidad de la atención o los resultados y, de otro, no permite separar que parte de la variabilidad observada depende de cada CSS y que parte deriva de factores exógenos14. Otra posible forma de abordar esta medición es a través de las aproximaciones de frontera, en las que los centros con la mejor eficiencia productiva definen una frontera por debajo de la cual se sitúa el resto de centros menos eficientes. Existen diversos métodos para construir estas fronterns15-18 (para-métricos, deterministas o estocásticos, y no para-métricos), siendo el Data Envelopment Analysis (DEA, análisis envolvente de datos) uno de los más conocidos y utilizados19-20. El DEA, descrito más ampliamente en el anexo, es una técnica inicialmente desarrollada por Chame, et al11, basándose en los trabajos pioneros de Farrell12, que utiliza la programación lineal para la búsqueda de las combinaciones óptimas de recursos y productos, basándose en los resultados observados. El método evalúa la eficiencia de cada unidad productiva en relación a los modelos óptimos de producción observada, estimados según el rendimiento de las propias unidades analizadas.
Un aspecto esencial de los análisis de eficiencia es la definición del producto que, en los CSS, suele identificarse con las estancias. Sin embargo, esta aproximación ha sido muy criticada, ya que existen importantes diferencias en consumo de recursos entre los pacientes que son obviadas cuando se utiliza esta medida del output, y que conducirían a considerar ineficientes aquellos centros que atienden pacientes con mayores necesidades21. Esta situación ha conducido al desarrollo de los sistemas de medición de la casuística que, en los CSS, son básicamente sistemas que ponderan la estancia en función de determinadas características -dependencia y otras- que tienen influencia en los costes22.
El objetivo de este trabajo es analizar la eficiencia técnica de los CSS de Catalunya utilizando las estancias como medida del producto, así como los cambios experimentados cuando se añade a este producto una medida de casuística específica para este tipo de centros, como los Ressource Utilization Groups III (RUG III, Grupos de utilización de recursos).

Material y método

Fuentes y tratamiento de los datos.- La información sobre clasificación de los pacientes proviene de la Enquesta d'avaluació\ de residents sóciosanitaris (EARSS-94), realizada a finales de 1994 por una empresa especializada en evaluación de residentes socio-sanitarios contratada por el Servei Catalá de la Salut. La evaluación fue realizada por enfermeras especializadas de esta empresa que evaluaron un total de 4742 residentes en 60 centros socio-sanitarios vinculados al Programa Vida als Anys. El cuestionario base, con mas de 250 variables, estaba diseñado para permitir la construcción de los RUG-lll y determinados índices de dependencia, y disponía de un detallado manual de instrucciones para su cumplimentación23.
Los datos sobre el tamaño, actividad, personal y costes de los CSS de Catalunya provienen de la Estadística d'establiments sácio-sanitaris en régim d'intemat i d'unitats sócio-sanitáries en establiments sanitaris i socials correspondiente a 1991 (EESSC). La EESSC es una modificación de la Encuesta de establecimientos sanitarios en régimen de internado que incluye información relativa a la actividad de larga estancia. La EESSC incluye tanto centros destinados exclusivamente a actividad socio-sanitaria como centros dedicados básicamente a pacientes agudos, pero que cuentan con plazas socio-sanitarias. Aunque durante la realización del estudio estuvo disponible la EESSC correspondiente a 1992, se optó por utilizar la de 1991 debido a que este año la estadística sufrió diversos procesos de validación, y la ganancia en fiabilidad y calidad de la información fue considerada de mayor utilidad que la cercanía al momento actual.
La EESSC 1991 recogía información de 60 CSS, incluyendo datos de estructura (número y tipo de camas), actividad (ingresos, altas, estancias, hospital de día, etc.), tiempo contratado de las diferentes categorías de personal, expresado en equivalentes de jornada, e ingresos y gastos (estructurados bajo los capítulos y artículos típicos de la contabilidad presupuestaria: compras, variación de existencias, servicios externos, tributos, personal, otros gastos de gestión, gastos financieros, perdidas procedentes del inmovilizado y gastos excepcionales, y dotación para amortizaciones). La EESSC es cumplimentada por cada centro por los responsables del mismo, conforme a un detallado Manual de Definiciones24. En 7 de los centros existentes en la EESSC-91 no se realizó la EARS94 (4 porque no existían ya en 1994, y el resto por no mantener el concierto con el Servei Catalá de a Salut) y fueron excluidos del análisis al no disponerse de datos sobre su casuística. Adicionalmente se eliminó 1 centro de 14 camas porque sus datos contenían importantes errores. Por tanto, el análisis final se realiza sobre 52 centros para los que se dispone de la información proveniente de ambas encuestas.
Estas bases de datos se combinaron para obtener una base de datos de centros socio-sanitarios que incluía el peso RUG medio de cada uno en 1994. Este peso es el indicador de gravedad respecto a costes utilizado para ajustar el pago de la estancia a los centros reembolsados por el sistema RUG-lll en Estados Unidos, y aunque su relación con los costes no esta validada en nuestro entorno, es -por el momento- el único índice sintético de casuística disponible a partir de los RUG-lll.

Instrumentos
Los RUG-lll son un instrumento de medición indirecta del consumo de recursos desarrollado en la Universidad de Michigan25-26 para sustituir versiones anteriores de este mismo sistema27-28 y diseñado específicamente con el propósito de servir como sistema de financiación de las residencias asistidas28-29. El sistema de clasificación RUG-lll comprende siete categorías clínicas principales (CCP), jerárquicamente organizadas y ordenadas según coste. Cada CCP se subdivide en grupos, en función de diversos criterios, hasta totalizar los 44 Grupos RUG-lll. Aunque dentro de cada CCP los Grupos RUGR II también están jerárquicamente ordenados en función del coste esperado, es posible que los Grupos iniciales de una categoría sean de mayor coste que los últimos de la CCP previa. Los individuos son asignados a una u otra CCP en función de criterios clínicos, excepto en el caso del grupo de Rehabilitación Especial, en el cual entran aquellos individuos que han recibido rehabilitación.
Las definiciones para cada una de estas 7 categorías principales son: 1) Rehabilitación Especial (A-REHB): recoge 12 grupos en función de la realización de terapia física ocupacional o del habla. Los residentes deben reunir determinados criterios de duración, intensidad y frecuencia de la terapia; 2) Servicios Extensivos (B-EXTR): Incluye 3 grupos de residentes que tienen al menos una puntuación de 7 en el índice Actividades de la Vida Diaria del RUG-lll y cumplen al menos uno de los siguientes criterios: alimentación parenteral, aspiración, traqueostomía, ventilador/respimador; 3) Cuidados Especiales (C-SPCR): Incluye 3 grupos de residentes que tienen al menos una puntuación de 7 en el índice AVD del RUG-lll y cumplen al menos uno de los siguientes criterios: quemaduras, coma, fiebre (con vómitos, pérdida de peso, neumonía o deshidratación), esclerosis múltiple, úlceras de presión grado 3 ó 4, cuadriplejia, septicemia, medicación intravenosa, radioterapia o alimentación por sonda; 4) Complejidad Clínica (D-CCLI): Recoge 8 grupos de residentes que tienen los criterios de Servicios Extensivos o Cuidados Especiales, pero su puntuación en el índice AVD se sitúa entre 4 y 6, o residentes que tienen al menos uno de los siguientes criterios: afasia, aspiraciones, parálisis cerebral, deshidratación, hemiplejía, hemorragia interna, neumonía úlcera de éstasís, enfermedad terminal, infección de vías urinarias, quimioterapia, diálisis, 4 ó más visitas del médico al mes, oxigenoterapia o terapia respiratoria, transfusiones, cuidado de heridas que no sean úlceras (cura de heridas quirúrgicas, incisiones, lesiones abiertas, aparte de úlceras de éstasis o presión, curas de úlceras de presión y cuidados preventivos de los pies); 5) Deterioro Cognitívo (E-DTCG): Recoge 4 grupos de residentes con una puntuación en el índice AVD del RUG-lll entre 4 y 10, que tengan deterioro cognítivo en una de las tres siguientes dimensiones: Toma de decisiones, orientación o memoria; 6) Problemas de Conducta (FBEH A): 4 grupos de residentes con una puntuación entre 4 y 10 en el índice AVD de los RUG-lll, y con alucinaciones o con problemas diarios de comportamiento social inadecuado, verbalmente agresivo, físicamente agresivo o deambulador sin motivo; y 7) Funciones Físicas Reducidas (G-PHYS): Recoge 4 grupos de residentes que no se encuentran en las otras categorías, incluyendo aquellos que tengan criterios de Deterioro Cognitivo, o Problemas de Conducta, pero con un índice AVD de los RUG-lll mayor de 10.
En la Tabla 1 se muestran los 44 grupos con indicación de la categoría clínica a la que pertenecen, los criterios de clasificación y el peso relativo de costes de la versión estadounidense. El cuestionario de evaluación se compone de 11 secciones destinadas respectivamente a obtener información sobre: identificación e información general, patrones cognitivos, patrones de comunicación, estado de ánimo y patrones de comportamiento, patrones de actividad, funcionamiento físico y problemas estructurales, continencia en los últimos días, estado de la piel, diagnósticos de enfermedad y problemas de salud, estado oral nutrícíonal, tratamientos especiales y procedimientos. Los RUG III han sido validados en diversos países30,31, incluyendo España.

Análisis
En primer lugar se realizó un análisis descriptivo de la estructura y actividad de los centros socio-sanitarios en 1991, incluyendo el peso de casuística medido por los RUG III. Igualmente se describe el tiempo contratado de cada categoría de personal, los tiempos medios por estancia, costes de los centros y coste por estancia. Dada la no normalidad de muchas de estas variables se presenta. además de la medía y la desviación estándar (DE), la mediana (Me), los percentiles 25 y 75 (P25 y P75) que definen el rango intercuartil (RIC), y el valor máximo y mínimo.
A continuación, se utilizó el DEA para valorar comparativamente la eficiencia de los centros. Este análisis puede realizarse a partir de diversos modelos10,33 que llevan implícito un sistema de evaluación, y donde lo más relevante es la determinación del tipo de frontera y la elección de los recursos y productos/servicios que intervendrán en el modelo. En este caso se ha optado como modelos de frontera envolvente para la evaluación, por los rendimientos constantes y variables a escala consecutivamente. Tras realizar la comparación de la eficiencia técnica global y la pura, el análisis se centra en el segundo modelo, dejando de lado las posibles ineficiencias de los centros que pudiesen ser consecuencia de una dimensión inadecuada de los mismos, intentando identificar sólo las ineficiencias de los centros que son consecuencia del exceso de recursos para un nivel de resultados dado. Se evita con esta elección comparar centros de dimensiones no similares.
Desde un punto de vista sistemático se puede modelizar la actividad de los centros basándonos en el esquema: Recursos -> Procesos -> Resultados en salud. Se ha optado por el modelo Recursos Procesos, utilizando como variable de "producto" (output) 2 medidas de proceso: en un primer modelo, el número de estancias realizadas y, en un segundo modelo, el número de estancias y el peso RUG-lll promedio de cada centro. Como variables de recursos (ínputs) se utilizaron: 1) gastos de los centros en materiales y compras, 2) gastos de los centros en trabajos subcontratados, 3) otros gastos, 4) tiempo de enfermería, 5) tiempo de otros titulados medios, 6) tiempo de titulados superiores, 7) tiempo de administrativos.
El análisis envolvente, para ambos modelos, se desarrolló en 3 fases sucesivas. En una primera fase se estableció la frontera eficiente con la cual comparar las diversas medidas, para ello sé identificó la eficiencia técnica global (ETG) mediante el supuesto de rendimientos constantes a escala (CRS). Esto es, se construyó la frontera más eficiente a partir de las unidades de la muestra. La fase segunda fue establecer, para las unidades que resultaron ineficientes en la fase anterior, la parte de ineficiencia causada por problemas estrictamente técnicos. Es decir, identificar las unidades que tienen problemas de ineficiencia por el hecho de utilizar demasiados recursos en relación a los resultados que producen (separándola de la ineficiencia de las unidades derivada de una dimensión inadecuada). El modelo para esta fase se ha construido bajo el supuesto de rendimientos variables a escala (VRS). Era esperable que las medidas de eficiencia resultantes en esta fase sean más altas, pero también que unidades que antes eran ineficientes (en cuanto a eficiencia técnica global) se encuentren ahora en la frontera más eficiente, como consecuencia de ser comparadas con unidades estructuralmente similares.
Respecto a la tercera fase del análisis, puede considerarse que la eficiencia técnica global (ETG) está compuesta por la ETP y eficiencias de escala (EE) de la forma siguiente: ETG = ETP * EE. Así, una vez obtenida la eficiencia técnica global y la eficiencia técnica pura, puede derivarse la eficiencia de escala ([E = ETG / ETP). El resultado de esta medida indicará la parte de ineficiencia causada por problemas de dimensión, es decir, la que se debe a un tamaño inadecuado de los centros. Las unidades que tengan una eficiencia de escala menor que 1, son unidades con problemas de escala en la producción. Del mismo modo, cuando más alejada está una unidad de este valor, más lo estará de ofrecer los servicios óptimos. En este trabajo no se ha evaluado sí dicha ineficiencia es debida al hecho de que la unidad se encuentre sobre el nivel óptimo o por debajo, aspecto que, no obstante, podría realizarse bajo el supuesto de rendimientos no crecientes a escala.

Resultados

En la Tabla 2 se presentan los estadísticos de la oferta de plazas socio-sanitarias en Catalunya.
De las 6153 plazas que reúnen los 52 centros analizados, 4127 (71%) son socio-sanitarias. El promedio de camas socio-sanitarias por centro se sitúa en 79 (DE:74), pero la mediana (Me) es menor (55). Por cuartiles, un 25% de los centros tienen menos de 32 camas, el 50% central Se sitúa entre 32 y 98 camas, y el 25% de los centros tienen entre 99 y 372 camas. Las camas socio-sanitarias realizaron en 1991 un total de 1.369.228 estancias, de las que el 96% fueron clasificadas como larga estancia, un 3% de convalecencia y solo un 1% de paliativos. El promedio de estancias por centro supera discretamente las 26.000 estancias, pero la Mediana no alcanza las 18.000.
Respecto a los indicadores de actividad, la estancia media (EM) fue de 510 días (Me 273), mostrando una amplía variabilidad, desde los 40 días del centro con menor EM, hasta los más de 6 años del centro con mayor estancia media. La ocupación es prácticamente completa, con un promedio del 94%. El índice de rotación en consonancia con la elevada EM y la alta ocupación, apenas supera la cifra de 1,5 pacientes por cama y año (Me: 1). El peso RUG medio (en 1994) fue de 1,06, con mediana y rango intercuartil muy cercanos y estrechos (Me: 1,04; RIC: O,92-1,16). Los limites inferior y superior del primer y último cuartil son 0,67 y 1,57, indicando una baja variabilidad en la carga asistencial media por centro (todos los centros se mueven en un rango de 1 punto).
Estos 52 centros emplearon algo más de 5 millones de horas (642.158 jornadas de 8 horas) en actividad socio-sanitaria, de las que el 40,0% corresponden a enfermería auxiliar, un 21,5% a enfermería titulada (al que habría que añadir un 1,1% de fisioterapeutas). Los titulados superiores suponen el 6,7% del tiempo contratado, tratándose en su mayor parte de médicos generales. El tiempo contratado para servicios de administración y gestión (incluyendo dirección de los centros) alcanza el 7,9% del tiempo total y un 20,5% corresponde a servicios hoteleros (cocina, lavandería, limpieza) y de mantenimiento general. Adicionalmente, los centros cuentan con personal voluntario y estudiantes (fundamentalmente de auxiliar de enfermería) que les suponen un 4,9% adicional de tiempo laboral. En conjunto, el 62,8% del tiempo contratado corresponde a enfermería (titulada, fisioterapeutas y auxiliares de clínica) y la ratio enfermera titulada (auxiliar de enfermería se sitúa en 1,86 horas de auxiliar por hora de enfermera).
En la Tabla 3 se muestra el tiempo contratado por estancia para algunas categorías de personal, ocasionalmente agrupadas. Así, los centros sociosanitarios emplean 0,24 horas (15 minutos) de titulado superior por estancia; 2,25 horas de enfermería (0,77 horas de enfermera titulada, 0,04 de fisioterapeuta y 1,44 de auxiliar de enfermería); 0,28 horas destinadas a administración y dirección; y 0,77 horas de servicios generales (con personal propio). En conjunto, los centros emplearon 3,6 horas de personal por estancia, a lo que habría que añadir otras 0,17 horas de personal voluntario y estudiantes.
En la Tabla 4 se presenta una síntesis de la contabilidad de los centros. El gasto total ascendió a 8.756,8 millones de pesetas, con un promedio de 168,6 millones por centro, siempre en 1991, y una amplia dispersión. La mediana no alcanza los 111 millones de pesetas y el 50% central de los establecimientos se situaron entre 68 y 205 millones. El centro con menor gasto apenas supera los 20 millones de pesetas, mientras que el de mayor gasto sobrepasó los 851 millones. El gasto de personal supuso el 66,1% del total; compras, con el 16,9%, es la segunda partida en importancia, siendo la comida (propia o externa) fármacos, lavandería y limpieza externa los subapartados de mayor importancia. Los trabajos y servicios externos supieron el 10,3% del gasto total, siendo reparaciones y suministros las partidas de mayor volumen, seguidas por alquileres y servicios externos. Los impuestos y tributos supusieron el 0,6% del gasto total, aunque el impuesto sobre beneficios apenas alcanzó el 0,2%. Respecto al personal, obviamente son las partidas de salarios y seguros sociales las que configuran la mayor parte de este capitulo. Entre las otras partidas cabe destacar un 1,3% dedicado a gastos financieros y el 3,1% destinado a dotaciones para amortización de inmovilizado material. El coste medio por estancia se situó en 6.899 pesetas, con un rango intercuartil entre poco más de 6.000 y menos de 8.000 pesetas. Desglosado por factores, el coste medio de personal por estancia fue de 4.053 pesetas, compras supuso 1.418 pesetas por día y trabajos externos alcanzó, en promedio, las 624 pesetas por estancia.
En cuanto a los resultados del AED, cuando se utilizó como output el número de estancias producidas por cada centro, sin considerar su casuística (Tabla 5), y en la primera fase del análisis destinada a medir la eficiencia técnica global (ETG), los centros obtuvieron una puntuación promedio e 0,84, relativamente cercana a la unidad. Sin embargo, 28 de los 52 centros se situaron por debajo de la frontera de eficiencia. El rango de ETG varió entre 0.40 para el centro mas ineficiente (esto es, tendría que reducir sus inputs en un 60% para alcanzar la frontera de eficiencia definida por su comparación con el conjunto) a 099, prácticamente en los límites de la eficiencia) y 13 de los centros tenían puntuaciones por debajo de 0,75. Respecto a la eficiencia técnica pura ([IP), 21 centros (7 menos que en el caso anterior) se situaron por debajo de la frontera. La puntuación promedio, menor al realizarse las comparaciones teniendo en cuenta las dimensiones de los centros, fue de 0,92 y el rango de ineficiencia técnica pura osciló entre 0.46 (el centro tendría que reducir en un 56% sus inputs para alcanzar la frontera de eficiencia) a 099, pero sólo 5 centros puntuaron por debajo de 0,75. En algunos casos (por ejemplo, los centros 15, 31 y 49), la ineficiencia esta claramente relacionada con un problema de escala, mientras que en otros (por ejemplo, los centros 3, 20 y 32), la ineficiencia no se alteró al considerar la escala. En conjunto, 26 centros presentan problemas de ineficiencias de escala (EE), que aunque pequeñas en la mayor parte (puntuación media de 0,93),son importantes en algunos casos.
Cuando se incorporó el peso RUG-lll como output, en el análisis de eficiencia técnica global (Tabla 5, tres últimas columnas), 20 de los 52 centros (8 menos que cuando Se utilizó exclusivamente el número de estancias como output) mostraron algún tipo de ineficiencia global. El rango de ineficiencias promedio 0,92- varió entre 0,46 para el centro más ineficiente a 0,99, prácticamente en los límites de la eficiencia). Ocho centros mostraron puntuaciones por debajo de 0,75. Destacan algunos centros, como el 15, 22, 31 y 49 que pasan de puntuaciones inferiores a 0,75 en el análisis sin considerar el peso de la casuística, a situarse prácticamente en la frontera de eficiencia global si este se considera, indicando que su ineficiencia en el análisis previo estaba relacionada con ¡a mayor gravedad de los pacientes que atienden. Respecto a la eficiencia técnica pura en este segundo modelo, 20 centros (los mismos que en el análisis de ETG, y sólo 1 menos que cuando se consideró exclusivamente el número de estancias como output) se situaron por debajo de la frontera. En este análisis, cómo norma general y a diferencia del análisis sin casuística, la ETP fue muy similar a la ETG, lo que orienta hacia la presencia de confounding entre tamaño de los centros y gravedad de los pacientes, efecto que llevaba a considerar como ineficiencias de escala la atención a pacientes de mayor gravedad. En este caso, sólo 4 centros mostraron ineficiencias de escala, y siempre muy cercanas a la frontera.

Discusión

El objetivo de este trabajo era la evaluación comparativa de la eficiencia técnica de los centros de media y larga estancia de Cataluña a partir de un modelo orientado a los recursos, esto es, desde una perspectiva que sitúa en la frontera de eficiencia a los centros que minimizan los recursos para obtener un determinado volumen de producto. El OEA evidenció la presencia de ineficiencias en algunos centros, así como de ineficiencias puras, siempre en comparación relativa al resto de centros, cuando se utilizó como producto el número de estancias realizadas. Dadas las diferencias entre pacientes en cada centro, que podrían implicar diferencias en recursos, el análisis se repitió incorporando a los outputs el peso RUG-lll, lo que redujo considerablemente el número de centros ineficientes, aspecto orientativo de que, al menos en algunos centros, las diferencias en recursos se debían a diferencias en la complejidad de sus pacientes.
La diferenciación entre eficiencia técnica y asignativa es importante a la hora de interpretar estos resultados. Por eficiencia técnica se entiende la mejor razón entre recursos y productos, es decir, el uso más adecuado para obtener el máximo producto. Una actividad es técnicamente ineficiente si se puede reducir la cantidad utilizada de algún recurso productivo sin menoscabo del producto obtenido (o, si es posible aumentar los productos sin utilizar mayores cantidades de recursos). La eficiencia asignativa refleja las comparaciones efectuadas a lo largo de una isocuanta de costes. Un CSS es eficiente, desde esta óptica, si utiliza la combinación de factores de producción que minimiza el coste del producto. La eficiencia asignativa depende, pues, de los precios relativos de los recursos y de sus respectivas productividades marginales. En el primer caso, la frontera de producción expresa la máxima cantidad de producto/servicio obtenible a partir de unas cantidades de recursos, mientras que en el segundo, la función frontera de costes expresa el coste total mínimo al que se pueden obtener unas cantidades dadas de producto/servicio con unos precios también dados. En este trabajo se ha valorado fundamentalmente la eficiencia técnica y, por tanto, cabe la posibilidad de que su posición relativa varíe si se considera la eficiencia asignativa (por ejemplo, un centro que emplee mas horas de personal de enfermería pero con menores salarios podría mejorar su posición relativa de eficiencia).
El OEA ha sido aplicado con cierta frecuencia al análisis de eficiencia de los centros socio-sanitarios34-38 aunque en entornos muy diversos y, en general, introduciendo variables producto que no consideran la casuística o solo de una forma muy parcial. Hay que señalar que, aunque en este trabajo se ha introducido un output que ponderaba la casuística para homogeneizar y tener en cuenta la diversidad de los pacientes en el consumo de los recursos, se asume que la calidad de la atención es equiparable, aspecto poco evidenciado dada la escasez de estudios comparativos sobre la calidad de cuidados en diferentes centros. Por ello, y aunque es habitual utilizar el OEA para indicar que cantidad de cada input deberían reducir los centros ineficientes para situarse en la frontera (aspecto de indudable interés en gestión de centros), se ha preferido no incorporar estos resultados sin considerar (y quizá esta sería una extensión natural del presente trabajo) la relación entre los niveles de eficiencia y la calidad de los servicios. Por este mismo motivo, no se ha considerado el desarrollo de modelos de regresión censurada para estudiar factores asociados a ineficiencia del tipo dependencia patrimonial, tamaño, etc.
En cuanto a las limitaciones de este trabajo cabe destacar, en primer lugar, las derivadas de las fuentes de datos, que incluyen aspectos de calidad (la EESSC-91 es declarada por cada centro), la selección de centros, limitada a los concertados y, por tanto, no extrapolable al conjunto del sector, así como por la combinación de datos provenientes de 2 años diferentes (1991 para los datos de estructura y actividad, y 1994 para el peso RUG-lll). En segundo lugar, hay que destacar que el OEA ha sido criticado por que sus resultados muestran una fuerte dependencia de la elección de variables de recurso y de 39ñ1~ Entre las limitaciones hay que señalar también que la medición de eficiencia realizada es relativa y no absoluta; esto es, no se ha determinado una frontera de eficiencia de forma autónoma a los datos muestrales, sino empíricamente con la información muestral y, en consecuencia, la "frontera de la mejor práctica" no evita la posibilidad de que todos los centros fueran ineficientes.
En todo caso, los resultados obtenidos muestran tanto la existencia de una amplia variabilidad en la eficiencia relativa de los centros socito-sanitarios, como la necesidad de considerar la casuística a la hora de valorar esta eficiencia y de incorporar -en algún modo- indicadores de calidad a este tipo de comparaciones.

Agradecimientos

Proyecto financiado por la Fundación Caja de Madrid. María del Puerto López nos ayudo a resolver algunos problemas de supereficiencia. Obviamente, no es responsable del contenido o posibles errores en este trabajo.

Bibliografía

1. García F. Políticas sanitarias y sociales desarrolladas en algunos países de la Comunidad Europea con respecto a la tercera edad. Atención Primaria 1994; 13: 507-514.
2. Challis D, Darton R, Johnson L, Stone M, Traske S. Evaluación de una alternativa al hospital de larga estancia para pacientes ancianos débiles I: El modelo de asistencia. Rev Gerontol 1991; 1:184-190.
3. Challis 0, Darton R, Johnson L, Stone M, Traske S. Evaluación de una alternativa al hospital de larga estancia para pacientes ancianos débiles II: Costes y eficacia. Rev Gerontol 1991; 1:191-199.
4. Liu k, McBride TD, Coughlin TA. Cost of community care fordisabled elderly persons: The policy implications. Inquiry 1990; 27: 61-72.
5. Solomon D. Geriatric assessment: Methods for clinical decision making. JAMA 1988; 259: 22-29.
6. Kershen N, Bruns M. El camino hacia una reforma del sistema de asistencia a largo plazo en Francia. Rev Gerontol 1993; 3:185-191.
7. Brook RH, Kamberg CJ, Mayer-Oakes A, Beers MH, Raube K, Steiner A. Appropriateness of acute medical care for the elderly: an analysis of the Iiterature. Health Policy 1990; 14: 225-242.
8. Lewin ME, Sullivan S. The care of tomorrow's elderly. Washington: American Enterprise Institute of Public Policy Research, 1989.
9. Puig Junoy J. Measuring technical efficiency of output quality in intensive care units. Int J Health Care Quality 1997;10:117-124.
10. Fried HO, LovelI CAK, Schmidt SS, eds. The measurement of productive efficiency. Techniques and applications. Oxford: Oxford University Press, 1993.
11. Charnes A, Cooper WW, Rhodes E. Measuring the efficiency of decision making units. Eur J Operational Research 1978; 3:392-401.
12. Farrell MJ. The measurement of productive efficiency. J Royal Statistical Society 1957;120:253-281.
13. Forsund FR, Lovell CAK, Schmidt P. A survey of frontier producction functions and of their relationship to efticiency measurement. J. Econometrics 1980;13(1): 5-25.
14. Marlinez Zahonero JL. Análisis económico de los sistemas de clasificación de residentes y la financiación de establecimientos de cuidados prolongados para los ancianos (tesis), valencia: Universidad de valencia, Facultad de Ciencias Económicas y Empresariales, 1998.
15. Fried HO, Knox Lovell CA, Schmidt SS, eds. The Measurement of Productive Efficency: Techniques and Applications. Oxford: Oxford University Press, 1993.
16. Prior D, Verges J, Vilardell I. La evaluación de la eficiencia en los sectores público y privado. Madrid: Instituto de Estudios Fiscales, 1993.
17. López Casasnovas G, Wagstaff A. Indicadores de eficiencia para la gestión publica: Una revisión del método. Cuadernos de Economía 1991;19:55-83.
18. Picazo A. Análisis de la eficiencia productiva en la industria aseguradora española. (tesis). Valencia: Universidad de valencia, Facultad de Ciencias Económicas y Empresariales, 1994.
19. Wagstaff A. Econornetric studies in Health Economics: A survey of the British literature. J Health Economics 1988; 8:1-51.
20. Rosko MD. Measuring the eficiency in health care Organizations. J Med Syst 1990; 14: 307-322.
21. Portella E, Peiró S. La financiación de las instituciones de cuidados de media y larga estancia: una visión crítica. Todo Hospital 1994; 106: 45-49.
22. Cohen JW, Spector WD. The effect of Medicaid reimbursement on quality of care in nursing hornos. J Health Economics 1996; 15: 23-48.
23. Servei Catalá de la Salut. Manual d'instruccions de l'enquesta davaluació de residents sócio-sanitaris 1994. Programa Vida als Anys (mimeo). Barcelona: Servei Catalá de la Salut, 1994.
24. Servei Catalá de la Salut. Estadística destabliments sóciosanitaris en régim d'internat i d'unitats sócio-sanitáries en establiments sanitaris i socials. Manual de definicions (mirneo). Barcelona: Servei Catalá de la Salut 1992.
25. Fries BE. The universmty of Michigan Assessment Archive Project (UMAAP). Ann Arbor, Michigan: University of Michigan, 1994.
26. Fries BE, Schneider DP, Foley WJ, Gavazzi M, Burke R, Cornelius E. Refining a case-rnix measure for nursing ho-mes: Resource Utilization Groups (RUG III). Med Care 1994; 32: 668-685.
27. Fries BE, Cooney L. Resource Utilization Groups: A patient dassification system for longterm care. Med Caro 1985;23: 110-122.
28. Schneider O, Fries BE, Foley W, Desmond M, Gormely W. Case mix for nursing home payrnent Resource Utilization. Groups, Version II. Health Care Financing Rev 1988;10(Suppl.): 39-52.
29. Fries BE, Clauser SB Nursing home resident assessment and case-mix classiftcation: Cross national perspectives. Health Caro Financing Rev 1992; 10: 605-611.
30. Carrillo E, Burgueño A, Abad F, Garcia-Alté sA, DuPasquier JN, Fries BE. Comparaciones internacionales de residentos en centros de media y larga estancia y clasificación en case-mix: perspectivas actuales. Rev Gerontol 1995; 6:285-293.
31. Líungreen G, Fries B, Winblad U. International validation and reliability testing of a patient classification systern for longterm care. Eur J Gerontol 1992,1: 372-383.
32. Carrillo E, Garcia-Altés A, Peiró S, Portella E, Mediano C, Fries EB, et al. Sistemas de clasificación de pacientes en centros de media y larga estancia: Los resource Utilization Groups version III. Validación en España. Rev Gerontol 1996; 6: 276-284.
33. Ali Al, Lerme CS, Seiford LM. Cornponents of efficiency evaluation in data envelopment analysis. Eur J Oper Res 1995; 80: 462-473.
34. Wuhan B, Kornblaft E, Torner J, lrvine A. Predicting utilization of Home Health resources. Med Caro 1990: 379-391.
35. Nyman JA, Bricker DL, Link David. Technical Efficiency in Nursing Hornes. Medical Caro 1990; 28: 541-351.
36. Kooreman P. Nursing horno caro in The Netherlands: a non-parametric efficiency analysis. J Health Economics 1994; 13: 301-316.
37. Vitaliano DF, Toren M. Cost and efficiency in nursing hornos: a stochastic frontier approach. i Health Economics 1994; 13: 281-300.
38. Chattopadhyay S, Ray SC. Technical, scale and size efficiency in nursing horno caro: a nonparametric analysis of Conneticut hornos. Health Econ 1996; 5: 363-373.
39. Newhouse IP. Frontier estimation: How useful a tool for health econornics? J Health Economics 1994; 13: 317-322.
40. Hadley J, Zuckerrnan S. The role of efficiency rneasurement in hospital rate setting. J Health Economics 1994;13:335-340.
41. Parkin D, Holligsworth B. Measuring production efficency of acute hospitals in Scotland, 1991-94: Validity lssues in Data Envelopment Analysis. Applied Economics 29:1425-1433

ANEXO

Por el tipo de indicador de la situación supuestamente óptima, las técnicas disponibles para medir la eficiencia pueden clasificarse en: a) técnicas que analizan la eficiencia de la unidad de decisión tomando como referencia óptima el comportamiento promedio esperado de todas las unidades analizadas, usualmente mediante modelos de regresión multivariante y, b) técnicas que relacionan la eficiencia de una unidad de decisión con aquellas que muestran ser las más eficientes del grupo analizado. Para comparar la eficiencia relativa de cualquiera de las unidades de decisión con aquellas que tiene el mejor comportamiento observado, se puede dibujar la frontera o límite óptimo de comportamiento en la producción o en costes, formada por todas las unidades más eficientes, de modo que las unidades que se encuentren por debajo en la función de producción o por encima en la función de costes serán relativamente más ineficientes.
Los métodos utilizados para determinar las fronteras tecnológicas pueden también clasificarse por el modo en que se específica dicha frontera. Desde este punto de vista, las técnicas de frontera disponibles pueden clasificarse en dos grupos según utilicen o no métodos paramétricos, es decir, se precise o no de la formulación previa de alguna forma funcional. Los análisis paramétricos por regresión ajustan a una forma funcional concreta de la función de producción, normalmente la función de producción Cobb-Douglas por sus propiedades en el ajuste. Esta técnica de análisis de frontera de producción o de costes, puede ser determinista o estocástica que, a su vez, puede analizarse a partir de series transversales y de datos de panel.
El análisis frontera paramétrico determinista parte de la restricción de que el residuo sea no positivo en la frontera de producción o no negativo en la frontera de costes, de forma que, por ejemplo, en el caso de la frontera de coste, ninguna unidad puede estar por debajo de la frontera, y las que están en la frontera forman el grupo más eficiente. Como el residuo, medido por la distancia de la unidad considerada a la frontera, recoge además de la ineficiencia los efectos aleatorios y las perturbaciones estadísticas (errores de medida, problemas de especificación, etc.), en ocasiones, el valor de aquel representa una medida de la ineficiencia relativa poco exacta, ya que las diferencias de eficiencia puede deberse a los otros factores citados. Esta limitación puede mitigarse con los métodos estocásticos.
El análisis de modelos de regresión frontera estocásticos permite separar los residuos en dos términos, uno que capta los efectos aleatorios y las perturbaciones estadísticas, y otro que refleja la ineficiencia de la unidad considerada, término que deberá ser no positivo en la frontera de.producción o no negativo en las de costes. Aunque por sus propiedades la función de Cobb-Douglas ha sido la más utilizada, debido a sus limitaciones, se ha extendido el uso de formas funcionales más flexibles. Por ejemplo, la especificación translog de la función frontera de producción presenta menos problemas de colinealidad.
A partir de una muestra, el análisis regresional intenta determinar el poder explicativo de cada uno de los múltiples inputs que intervienen para obtener el output. Las limitaciones de ésta técnica residen en que se trata, en realidad, de ajustar el comportamiento de la unidad al valor medio observado y no a unos óptimos, es decir, da como aceptable el comportamiento medio actual. Los sesgos en la proyección no afectaran a todas las unidades por igual, especialmente a aquellas que posean variables de caracterización más diferenciadas respecto de los valores medios. La propia técnica econométrica puede aportar problemas de multicolinealidad entre las variables incluidas, carencia de exogeneidad de las variables explicativas y otras limitaciones.
El análisis de frontera no paramétrico, no es un método estadístico sino de programación lineal, y con él no se precisa postular una forma funcional
concreta. Con este procedimiento de análisis de eficiencia, a partir de las distintas unidades de decisión, se ajusta una envolvente formada con las unidades más eficientes y su exponente más Conocido es el OEA. Las unidades de decisión con comportamientos extremos o outsiders no son tomadas en consideración y los comportamientos más eficientes se unen con segmentos para formar la frontera. La técnica de análisis de envolvente de datos, al considerar conjuntamente múltiples inputs y outputs, permite efectuar comparaciones más ajustadas de los inputs utilizados para obtener los mismos outputs o viceversa.
Dada la necesidad de disponer de unos están-da res con los que medir la eficiencia de las un ida-des de producción, los estudios sobre cómo medirla han estado íntimamente ligados al estudio de las funciones de producción frontera. El estudio de las funciones de producción frontera y de la medida de la eficiencia técnica se facilitó a partir de los trabajos pioneros de Farrell que, a partir de técnicas de programación lineal, construyo un entorno convexo sujeto a rendimientos constantes de escala y a fuerte disponibilidad de inputs, con lo cual define una frontera de la mejor práctica, con una tecnología lineal a trozos. El supuesto de convexidad al origen de la frontera es habitual en teoría económica, y equivale a suponer que si dos puntos pueden conseguirse en la práctica, también es posible alcanzar otro que represente su media ponderada. La frontera carece de pendiente positiva, y la convexidad es conferida por el supuesto de fuerte disponibilidad de inputs, lo que significa que el output no decrece aunque uno o varios de los inputs aumente y los demás permanezcan constantes (es decir, la isocuanta no debe tener pendiente positiva en ninguna parte). La rigidez de estas limitaciones ha propiciado el desarrollo de técnicas que permitan considerar situaciones con economías de escala y otras.
El OEA lo desarrollan Chames, Cooper y Rhodes, y con él se proporciona una medida escalar de la eficiencia obtenida partir de la resolución de un modelo matemático apoyado en técnicas de programación lineal. Es decir, con el OEA se pretende analizar la eficiencia de una unidad de decisión a partir de una razón entre transformaciones virtuales de los inputs y outputs. En el OEA las ponderaciones se caracterizan porque los pesos asignados vienen determinados por la resolución del modelo, de forma que la ponderación de cada unidad de decisión debe ser tal que al asignarías a las razones de eficiencia de cada una de las restantes unidades de decisión objeto de comparación se obtenga un cociente menor o igual a la uno, y el resultado para cada unidad de decisión será la valoración más favorable en relación con las demás. El problema se form ola a través de un problema de programación lineal, donde cada unidad de decisión aparece tanto en la función objetivo como en las restricciones, y la medida que se obtiene de la eficiencia es relativa a las demás unidades objeto de comparación, de modo que la eficiencia de cada unidad de decisión será como máximo uno. Una unidad se define como eficiente cuando no es posible aumentar (disminuir) uno cualquiera de sus productos (inputs) sin aumentar (disminuir) alguno de sus inputs (outputs) o sin reducir (aumentar) la cantidad producida (utilizada) de algún otro output (input). La solución del problema permite clasificar las unidades en eficientes e ineficientes y establecer un ranking de eficiencia, obtener cierta información sobre los focos de ineficiencia y su magnitud; es decir, se conocerá las cantidades de inputs y outputs con las que la unidad debería haber trabajado si hubiera sido completamente eficiente.
El OEA tiene como principal ventaja que no precisa de la asunción de supuestos para efectuar su evaluación. Como principales debilidades de este método pueden señalarse que no se plantea si existe relación causal entre inputs y outputs de la unidad que se mide, asumiendo que dicha relación existe. Tampoco permite el OEA valorar la calidad de los outputs, considerando que son idénticos en todas las unidades de decisión. Así mismo, es una técnica muy vulnerable a las desviaciones extremas y a los errores de medida, y solo debe incluirse unidades perfectamente homogéneas.