Información de la revista
Vol. 30. Núm. 5.
Páginas 359-365 (Septiembre - Octubre 2016)
Respuestas rápidas
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
5934
Vol. 30. Núm. 5.
Páginas 359-365 (Septiembre - Octubre 2016)
Original
DOI: 10.1016/j.gaceta.2016.04.014
Open Access
Medida de la eficiencia de la atención primaria en Barcelona incorporando indicadores de calidad
A measure of the efficiency of primary care in Barcelona (Spain) incorporating quality indicators
Visitas
5934
José Romanoa,
Autor para correspondencia
jromano@ambitcp.catsalut.net

Autor para correspondencia.
, Álvaro Choib
a Institut Català de la Salut (ICS), CAP Just Oliveras, EAP Sant Josep, L’Hospitalet de Llobregat (Barcelona), España
b Institut d’Economia de Barcelona y Universidad de Barcelona, Barcelona, España
Este artículo ha recibido
5934
Visitas

Under a Creative Commons license
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Tablas (6)
Tabla 1. Indicadores demográficos de los municipios
Tabla 2. Composición de los modelos y definición de variables
Tabla 3. Media y desviación estándar de las variables para el total de los equipos de atención primaria y por servicios de atención primaria
Tabla 4. Análisis envolvente de datos: índices de eficiencia según modelo
Tabla 5. Eficiencia técnica global total, por servicios de atención primaria y según el modelo utilizado
Tabla 6. Eficiencia calculada sobre la frontera con CCR, la frontera con BCC y la eficiencia de escala. Evolución de la eficiencia en los diferentes modelos de los tres equipos de atención primaria peor situados en el modelo 1
Mostrar másMostrar menos
Resumen
Objetivo

Demostrar el impacto que tiene la consideración de indicadores cualitativos en la evaluación de la eficiencia técnica de los equipos de atención primaria (EAP). La crisis económica que se inició en 2008ha llevado a procesos de reasignación de recursos basados en indicadores cuantitativos, dejando los cualitativos en un segundo plano.

Métodos

El estudio aplica técnicas de análisis envolvente de datos (AED) a 58 EAP pertenecientes a tres servicios de atención primaria (SAP) de la provincia de Barcelona. Los datos combinan información pública de la Generalitat de Catalunya con los proporcionados (previa solicitud) por el Observatorio del Sistema de Salud de Cataluña. El análisis compara los resultados de tres modelos, permitiendo esta aproximación identificar cambios en la eficiencia de los EAP en función de la (no) consideración de indicadores de calidad asistencial.

Resultados

Los modelos que emplean solamente indicadores de cantidad de inputs y outputs identifican como eficientes apenas un 16% de los EAP. La incorporación de variables que aproximan la calidad asistencial aumenta dicha proporción hasta un 58,6%. No se observan diferencias significativas en la eficiencia de los EAP en función del modelo de gestión (público o privado), el nivel territorial (SAP/modelo organizativo) ni el ámbito territorial (rural o urbano).

Conclusiones

Los resultados parecen indicar la conveniencia de incorporar la calidad asistencial como uno de los outputs relevantes a la hora de plantear criterios de racionalización de los servicios en asistencia primaria de salud. Su (no) incorporación se encuentra vinculada a diversas concepciones de la atención primaria de salud.

Palabras clave:
Atención primaria de salud
Eficiencia
Calidad asistencial
Estadística no paramétrica
Abstract
Objective

To demonstrate the impact of the incorporation of quality indicators in assessing the technical efficiency of primary healthcare teams. The processes through which primary healthcare resources have been allocated since the onset of the financial crisis in 2008 have focussed on quantitative rather than qualitative indicators.

Methods

This study applies data envelopment analysis (DEA) techniques to 58 primary healthcare teams from three different primary healthcare services from the province of Barcelona (Spain). We combine publicly available information from the regional government of Catalonia with data requested from the Catalan Health System Observatory. The analysis compares the results of three models, thereby allowing shifts in the efficiency of primary healthcare teams to be identified in terms of the (lack of) consideration for healthcare quality indicators.

Results

Only 16% of the primary healthcare teams were found to be efficient according to the baseline models, which only incorporated input and output quantity indicators. However, once proxies for healthcare quality are included in the analysis, this percentage increases to 58.6%. No meaningful differences in primary healthcare team efficiency were found between public and privately owned centres, between regional primary care services and organisational models, or between rural and urban teams.

Conclusions

The results suggest the need to incorporate healthcare quality indicators as outputs when considering criteria for the streamlining of primary healthcare services. Failure to incorporate quality indicators is associated with various primary healthcare concepts.

Keywords:
Primary healthcare
Efficiency
Quality healthcare
Nonparametric statistics
Texto completo
Introducción

Una de las aproximaciones económicas a la sanidad consiste en el análisis de la producción y el consumo de bienes y servicios1. La asignación eficiente de recursos dará lugar a una maximización de la cantidad y la calidad de la salud. Sin embargo, la medición de la eficiencia de las organizaciones sanitarias resulta compleja, dadas sus características de «multiproducto». Es este un tema de interés creciente en gestión sanitaria, especialmente en un contexto de recursos escasos en el que resulta esencial la identificación de buenas prácticas2. El mayor de los retos con que se enfrenta el planificador sanitario es la posible existencia de una relación inversa entre la cantidad de recursos asignados y la calidad del servicio prestado. Durante la crisis económica que se inició en 2008 se han producido ajustes presupuestarios y organizativos que han afectado a diversas áreas del estado del bienestar3,4, y la sanidad5,6 no ha sido una excepción. Los efectos sobre la salud de la población española de la crisis económica y de la reasignación de recursos sanitarios sólo podrá observarse a largo plazo7,8.

En el caso de Cataluña, en el cual se centra este artículo, existen discrepancias acerca de la magnitud de dichos efectos. Así, mientras el Conseller de Sanidad defiende que «Cataluña no ha caído en cuanto a la calidad de sus servicios sanitarios. Niego la mayor»9, estudios recientes señalan que las políticas aplicadas tienen efectos negativos sobre la salud de los/las usuarios/as y trabajadores/as de los servicios sociosanitarios10.

La crisis económica parece haber agudizado los síntomas de agotamiento que presentaba la atención primaria, a pesar de esfuerzos como el Proyecto AP-2111. La distancia cada vez mayor entre el profesional sanitario y el gestor, las reivindicaciones por una asistencia de calidad y el modelo de gestión sanitaria integrada que reduce el poder de influencia de la primaria en favor de la hospitalaria, han creado una situación de no retorno12. Algunos autores hablan de un «techo de cristal» de la atención primaria13.

En Cataluña, la reasignación de los recursos en atención primaria se ha realizado empleando principalmente elementos cuantitativos, como el número de pacientes o el gasto farmacéutico8. Esta aproximación reduccionista de la actividad médica14 puede condicionar la consecución de asignaciones óptimas de recursos.

La gestión sanitaria acostumbra a evaluar los resultados empleando elementos cuantitativos, dejando en un segundo plano los cualitativos, cuya incorporación resulta compleja dada la inexistencia de indicadores únicos de calidad15,16. Así, la mayor parte de los estudios revisados para España utiliza elementos cuantitativos para medir la eficiencia17–19, si bien algunos estudios recientes20 emplean variables que aproximan la calidad asistencial. Si se obvian estas últimas variables, las decisiones en política sanitaria se tomarán en función de unos resultados que solo miden parte de la actividad sanitaria. Piénsese, por ejemplo, en la posible relación negativa entre el número de consultas y la calidad asistencial. La consideración de la primera variable -número de consultas- como único output de interés puede llevar a reformas, con el objetivo de aumentar la eficiencia, muy distintas a las que se llevarían a cabo en caso de incorporar componentes cualitativos al análisis21.

La principal aportación de este artículo consiste en la medición del efecto que tiene la incorporación de medidas de calidad asistencial sobre los indicadores de eficiencia productiva17–19 en los equipos de atención primaria (EAP). La diversidad de resultados obtenidos tras la consideración de medidas de calidad asistencial cuestiona la validez de los sistemas de evaluación de la eficiencia de los EAP que obvian la dimensión cualitativa de su actividad.

Métodos

Se ha empleado el análisis envolvente de datos (AED)22,23, que es un método no paramétrico, basado en programación lineal, para medir la productividad y la eficiencia relativa de unidades de análisis (DMU, Decision Making Units)24, como escuelas, hospitales, etc., las cuales utilizan múltiples recursos (inputs) para producir múltiples productos (outputs). Se ha utilizado extensamente en el ámbito sanitario25.

El AED calcula una frontera de mejor práctica e identifica las unidades ineficientes, de manera que cada una de ellas es comparada con una unidad eficiente de referencia o con una combinación de unidades eficientes. La eficiencia se define como la suma de pesos de los outputs de las DMU dividida por la suma de pesos de los inputs. Cuando el índice de eficiencia es igual a 1, entonces la DMU se considera eficiente, y cuando es inferior se considera ineficiente26. En este trabajo se ha utilizado el modelo propuesto por Charles, Cooper y Rhodes27 (CCR) orientado a los outputs. Por tanto, se ha considerado que la actividad de la atención primaria presenta rendimientos constantes, y que aquellas DMU ineficientes deben aumentar los output hasta alcanzar la frontera eficiente. Cuantas más variables se incluyen, menos discriminantes son los resultados. El número de DMU debe, como mínimo, triplicar el número de inputs y outputs28.

Datos

Los datos se obtuvieron a través de la consulta de datos públicos que la Generalitat ofrece en Open Data.gencat y corresponden al periodo del 1 de enero al 31 de diciembre de 2013.

Los 58 EAP analizados pertenecen a tres Servicios de Atención Primaria (SAP) correspondientes a la Gerencia Territorial Metropolitana Sud: SAP Baix Llobregat Centre (20 EAP), SAP Alt Penedès-Garraf-Nord (14 EAP) y SAP Delta del Llobregat (19 EAP). De los 58 EAP, tres tienen carácter rural y cinco no pertenecen al Institut Català de la Salut (ICS)29. El análisis de esta área resulta especialmente interesante, al convivir centros públicos y privados, así como urbanos y rurales.

La mayoría de los EAP analizados pertenecen al ICS y se caracterizan por una gestión pública, mientras que los EAP que no pertenecen al ICS son de gestión privada. Cada EAP cuenta con un director y un adjunto de dirección, pero en el SAP Delta se introdujo un nuevo sistema organizativo, la Unidad de Gestión de la Atención Primaria (UGEAP)30, consistente en la agrupación de EAP gestionados por un solo equipo directivo. Los tres EAP de carácter rural están constituidos por la agrupación de varias unidades menores, cuyos datos se presentan agregados en los tres EAP rurales citados. Las características demográficas del territorio donde se ubican los EAP se describen en la tabla 1.

Tabla 1.

Indicadores demográficos de los municipios

Municipio  Población  Exta>64b  Env.c  Municipio  Población  Exta>64b  Env.c 
Begues  6620  5,3  11,1  Abrera  12125  7,2  13,3 
Castelldefels  63255  19,2  13,3  77  Cubelles  14481  9,1  14,9 
Gavà  46326  10,4  15,8  Esparraguera  21685  7,8  14,8 
L’Hospitalet de Ll.  253518  20,3  20,2  143  Garraf rural  32859 
Sant Boi de Ll.  83107  9,5  17,3  109  Martorell  27895  18,5  15,2 
St. Viçent dels Horts  28103  7,2  14,8  Pallejà  11253  5,5  13,9 
Viladecans  65358  7,6  14,5  79  Vilafranca Penedès  39221  15,4  16,1 
Corbera de Ll.  14237  8,1  12,8  St. A. Barca  27268  9,5  12,8 
Cornellà de Ll.  86234  15,0  19,4  127  St. Sadurní d’Anoia  12590  8,3  15,7 
Esplugues de Ll.  46133  12,3  20,8  153  Sitges  28171  21,6  16,5 
Molins de Rei  25152  5,6  15,6  Vilanova  65941  11,4  17,3  109 
El Prat de Ll.  62866  7,7  17,3  109  Baix Llobregat  808644  10,1  16,1  93 
St. Feliu de Ll.  43715  7,2  16,9  Barcelona  5540925  13,9  21,6  169 
St. Joan Despí  32981  6,6  15,6  Cataluña  7553650  14,9  17,9  113 
St. Just Desvern  16389  9,3  18,0  SAP Delta  497943  15,8  17,7 
Vallirana  14612  5,6  15,2  SAP Centre  390663  9,9  17,5 
Olesa de Montserrat  23543  9,0  14,7  SAP Alt Penedès  329021  11,1  13,5 
Cunit  11989  13,2  20,5           
a

Porcentaje de población extranjera respecto al total de la población del municipio (datos de año 2014).

b

Porcentaje de población mayor de 64 años (datos del año 2014).

c

Índice de envejecimiento (n° de personas ≥65 años/n° de jóvenes <15 años expresado en porcentaje). Disponible sólo para municipios de más de 50.000 habitantes.

Fuente: Idescat.

Selección de inputs y outputs

La selección de los inputs y outputs se ha basado en estudios previos17–19,21,31. Los inputs utilizados han sido el personal de medicina y enfermería de cada EAP20 y el gasto farmacéutico global por usuario20. El output más habitual en la literatura es el número de visitas. Pese a que algún estudio17,21 desglosa las visitas realizadas en programada, domiciliaria y aguda, la información disponible no ha permitido efectuar esta descomposición. Sí se ha diferenciado entre visitas médicas y de enfermería31. La riqueza de la base de datos empleada32ha permitido la introducción de los siguientes elementos cualitativos del output: índice de prescripción farmacéutica, tasa de resolución de las visitas (elemento esencial en atención primaria, al actuar como gatekeeper del sistema)33 y prevalencia atendida de diabetes34. Adicionalmente, se ha añadido el grado de cobertura de la vacuna de la gripe. Tal como exponen Pelone et al.31, el criterio recomendado para la selección de variables de output «para los centros de asistencia primaria consiste en seleccionar indicadores de calidad relevantes cuando haya evidencia de que dichas variables conllevan mejoras en la salud».

El análisis se ha diseñado mediante tres modelos diferentes: un modelo productivo básico (modelo 1), un modelo productivo ampliado (modelo 2) y un modelo completo que incorpora variables de calidad (modelo 3). En la tabla 2 se definen las variables que componen cada modelo, y en la tabla 3 se presentan los descriptivos. Todos los modelos introducen variables exógenas de control (porcentaje de población menor de 75 años y grupos de riesgo clínico), que permiten ajustar por las características de la población. La incorporación de estas variables reduce el sesgo en la estimación35. Adicionalmente, la variable «grupos de riesgo clínico», no incluida como input en los trabajos revisados, ajusta de forma sintética los resultados por las características de los pacientes atendidos sin sobrecargar de variables el modelo, lo cual resulta deseable, dada la sensibilidad del AED a la introducción de nuevas variables31.

Tabla 2.

Composición de los modelos y definición de variables

  Modelo 1  Modelo 2  Modelo 3 
Inputs  Número de médicosa Número de enfermerasa Grupos de riesgo clínicob Poblaciónc <75 años  Número de médicos Número de enfermeras Grupos de riesgo clínico Población <75 años Gasto farmacéuticoe por usuario  Número de médicos Número de enfermeras Grupos de riesgo clínico Población <75 años Gasto farmacéutico por usuario 
       
Outputs  Número de visitas medicinad
Número de visitas enfermeríad 
Número de visitas medicina Número de visitas enfermería  Número de visitas medicina Número de visitas enfermería Tasa de resolución de visitasf Índice de prescripción farmacológicag Cobertura vacuna de la gripeh Prevalencia atendida de diabetesi 
a

Número de profesionales contratados a jornada completa adscritos al EAP.

b

Agrupadores de morbilidad medidos como 100X% (crónicos dominantes, neoplasias y necesidades elevadas).

c

Porcentaje de población <75 años de edad.

d

Media de visitas realizadas por profesional y día.

e

Relación entre el número de recetas médicas dispensadas efectivas y el número de asegurados consumidores.

f

Tasa de resolución de visitas medida como 1tasa de hospitalizaciones potencialmente evitables.

g

Indicador compuesto (indicador de prevalencia 25%, indicador universal 25% e indicadores de selección 50%).

h

Porcentaje de población asignada al EAP con edad ≥60 años correctamente vacunada contra la gripe.

i

Porcentaje de población ≥15 años asignada y atendida que tiene el diagnóstico de diabetes. Registro CMBD-AP.

Fuente: Elaboración propia a partir de la Base de Datos del Observatorio del Sistema de Salud de Cataluña y del SISCAT.

Tabla 3.

Media y desviación estándar de las variables para el total de los equipos de atención primaria y por servicios de atención primaria

  EAP total (58 EAP)SAP Delta (19 EAP)SAP Centre (20 EAP)SAP Alt Penedés (14 EAP)Gestión privada (5 EAP)  Contraste de Kruskal-Wallis
  Media  DE  Media  DE  Media  DE  Media  DE  Media  DE  χ2  G. de libertad  Sig. 
Inputs
N° médicosa  12,9  4,4  13,4  4,8  11,9  4,6  13,1  4,5  13,8  1,9  3,146  0,370 
N° enfermerasa  14,7  4,6  16,1  5,2  13,3  4,1  14,5  4,7  15,6  3,4  4,679  0,197 
Gasto farmacia por usuariob  216,2  21,1  219,6  18,8  224,6  17,6  203,9  21,0  204,1  27,1  12,271  0,007 
Grupos de riesgo clínicoc  97,7  0,5  96,6  0,5  97,7  0,4  98,0  0,3  97,8  1,0  8,668  0,034 
Poblaciónd <75 años  92,1  1,5  92,0  1,5  92,0  1,3  92,6  2,8  91,2  2,0  2,597  0,458 
Outputs
N° visitas medicinae  26,3  4,1  27,0  2,9  24,5  4,1  26,9  2,8  28,6  8,4  3,709  0,295 
N° visitas enfermeríae  13,0  2,8  12,8  1,6  13,0  3,9  13,2  2,0  12,9  4,0  0,705  0,872 
Tasa de resolución visitasf  89,7  2,4  88,6  2,2  89,6  2,7  91,3  1,7  90,4  1,3  11,749  0,008 
Índice de prescripción farmacológicag  50,2  13,2  54,3  9,4  51,0  14,9  42,6  11,5  53,0  17,4  7,003  0,072 
Cobertura vacuna gripeh  50,9  4,5  51,6  3,8  50,2  3,5  49,5  5,6  55,5  5,3  4,999  0,172 
Prevalencia atendida de diabetesi  9,4  1,4  10  1,3  9,3  1,7  9,0  1,0  8,1  0,9  10,138  0,017 
Eficiencia media modelo 1  0,808  0,125  0,808  0,104  0,804  0,132  0,818  0,116  0,801  0,211  0,155  0,985 
Eficiencia media modelo 2  0,840  0,114  0,829  0,100  0,823  0,120  0,875  0,101  0,850  0,178  2,034  0,565 
Eficiencia media modelo 3  0,992  0,012  0,991  0,012  0,991  0,013  0,993  0,014  0,999  0,001  2,125  0,547 

DE: desviación estándar; EAP: equipos de atención primaria; SAP: servicios de atención primaria.

a

Número de profesionales contratados a jornada completa adscritos al EAP.

b

Agrupadores de morbilidad medido como 100X% (crónicos dominantes, neoplasias y necesidades elevadas).

c

Porcentaje de población <75 años de edad.

d

Media de visitas realizadas por profesional y día.

e

Relación entre el número de recetas médicas dispensadas efectivas y el número de asegurados consumidores.

f

Tasa de resolución de visitas medida como 1tasa de hospitalizaciones potencialmente evitables.

g

Indicador compuesto (indicador de prevalencia 25%, indicador universal 25% e indicadores de selección 50%).

h

Porcentaje de población asignada al EAP con edad ≥60 años correctamente vacunada contra la gripe.

i

Porcentaje de población ≥15 años asignada y atendida que tiene el diagnóstico de diabetes. Registro CMBD-AP.

Fuente: elaboración propia a partir de datos de Open Data.gencat y del Observatori del Sistema de Salut de Catalunya.

El modelo 1 establece un punto de referencia, al tomar como inputs el número de enfermeras y de médicos, y como outputs el número de visitas de medicina y de enfermería. El modelo 2 analiza el efecto del gasto farmacéutico sobre la eficiencia de los equipos. La base de datos permite definir las variables por usuario; la mayor parte de la literatura ajusta de forma imperfecta por la población de la zona31. Finalmente, en el modelo 3 se añaden variables de output referentes a indicadores de calidad asistencial. Tal como discuten Pelone et al.31, la no incorporación de indicadores de calidad en los modelos de eficiencia puede acabar recompensando a unidades que producen más outputs que otras, simplemente porque operan con menores estándares de calidad. En total, en el modelo 3 se considera un conjunto de cinco inputs y seis outputs. El análisis se realiza de manera individual para cada EAP, y de manera comparada entre los tres SAP descritos y los EAP de gestión privada. La estrategia secuencial aísla el efecto asociado a la incorporación, por un lado, del gasto sanitario (p. ej., los procesos de control interno de gasto farmacéutico difieren entre los centros públicos y privados), y por otro, de los indicadores de calidad.

Resultados

Los resultados del AED se presentan en las tablas 4 y 5. En el modelo 1, solo 9 (15,5%) de los 58 EAP alcanza la puntuación 1 (máxima eficiencia), con un rango entre 0,497 y 1. Cuando se incorpora el gasto farmacéutico (modelo 2), el número de unidades eficientes aumenta a 10 (17,2%), con un rango entre 0,569 y 1. El número de unidades eficientes no varía de manera importante con la incorporación del gasto farmacéutico. Ahora bien, la media de eficiencia de los equipos ineficientes pasa de 0,773 a 0,806. La mayor diferencia se produce, no obstante, cuando se incorporan las variables de calidad (modelo 3): el número de equipos eficientes aumenta hasta 34 y la media de eficiencia de los equipos ineficientes es de 0,981. Desde el punto de vista productivo, el nivel medio de eficiencia del modelo 1 es del 80,8%, para el modelo 2 es del 84% y para el modelo 3 es del 99,2%.

Tabla 4.

Análisis envolvente de datos: índices de eficiencia según modelo

EAP  Eficiencia modelo 1  Eficiencia modelo 2  Eficiencia modelo 3  EAP  Eficiencia modelo 1  Eficiencia modelo 2  Eficiencia modelo 3 
1D  300,712  0,772 
2D  0,680  0,729  310,760  0,770  0,965 
3DGP  0,718  0,801  320,695  0,769  0,982 
4D  0,871  0,919  33
5D  0,804  0,829  0,986  34
6D  0,792  0,832  0,972  350,871  0,871 
7D  0,897  0,898  360,888  0,902  0,985 
8DGP  370,724  0,724  0,952 
9DGP  380,989  0,989 
10D  0,803  0,859  0,990  390,941  0,941 
11D  0,772  0,855  400,758  0,762  0,992 
12D  0,765  0,774  0,999  410,768  0,801 
13D  0,735  0,735  42
14D  0,794  0,809  0,985  43A 
15D  44A  0,821  0,908 
16D  45A  0,709  0,796  0,991 
17D  0,731  0,731  46AR  0,632  0,700  0,989 
18D  0,740  0,750  0,972  47A  0,774  0,913 
19D  0,790  0,829  48AR  0,721  0,841 
20D  0,704  0,718  0,967  49A  0,982  0,982 
21D  0,649  0,664  0,982  50AR  0,753  0,753  0,960 
22D  0,828  0,828  0,976  51A  0,840 
230,555  0,572  0,990  52A  0,945  0,960 
240,652  0,731  0,984  53A  0,858  0,858 
250,651  0,651  0,975  54A  0,736  0,828  0,964 
260,755  0,758  55A  0,725  0,747  0,994 
270,816  0,816  56A  0,962  0,962 
280,708  0,788  57AGP  0,497  0,569  0,998 
290,836  0,836  0,994  58AGP  0,789  0,880 

A: EAP del SAP Alt Penedès-Garraf-Nord; C: EAP del SAP Baix Llobregat Centre; D: EAP del SAP Delta del Llobregat; EAP: equipos de atención primaria; GP: EAP de gestión privada; R: EAP de ámbito rural.

Índices obtenidos empleando AED CCR orientado a outputs.

Los índices de eficiencia iguales a la unidad indican comportamiento productivo eficiente.

Fuente: elaboración propia.

Tabla 5.

Eficiencia técnica global total, por servicios de atención primaria y según el modelo utilizado

  Modelo 1  Modelo 2  Modelo 3 
Total EAP
Media  0,808  0,840  0,992 
Desviación estándar  0,125  0,114  0,012 
Mínimo  0,497  0,569  0,952 
N° EAP eficientes de 58  10  34 
% EAP eficientes  15,5  17,2  58,6 
SAP Delta del Llobregat
Media  0,808  0,829  0,991 
Desviación estándar  0,104  0,100  0,012 
Mínimo  0,649  0,664  0,967 
N° EAP eficientes de 19  10 
% EAP eficientes  15,8  15,8  52,6 
SAP Baix Llobregat Centre
Media  0,804  0,823  0,991 
Desviación estándar  0,132  0,120  0,013 
Mínimo  0,555  0,572  0,952 
N° EAP eficientes de 20  11 
% EAP eficientes  15  15  55 
SAP Alt Penedès-Garraf-Nord
Media  0,818  0,875  0,993 
Desviación estándar  0,116  0,101  0,014 
Mínimo  0,631  0,700  0,960 
N° EAP eficientes de 14 
% EAP eficientes  7,1  14,3  64,3 
EAP gestión privada
Media  0,801  0,850  0,999 
Desviación estándar  0,211  0,178  0,001 
Mínimo  0,497  0,569  0,998 
N° EAP eficientes de 5 
% EAP eficientes  40  40  80 

EAP: equipos de atención primaria.

Índices obtenidos empleando AED CCR orientado a outputs.

Fuente: elaboración propia.

Al comparar los resultados por SAP y modelo de gestión (tabla 5), la eficiencia media varía entre ellos en cada modelo y se observa un mayor porcentaje de EAP eficientes en los centros de gestión privada para los tres modelos. Sin embargo, el reducido número de EAP de gestión privada limita el alcance de las conclusiones. Por otro lado, pese a que los cuatro grupos difieren significativamente en algunas características (contraste de Kruskal-Wallis, tabla 3), la comparación de eficiencias medias de dichos grupos, en los tres modelos, es estadísticamente no significativa.

La incorporación del gasto farmacéutico tiene un efecto similar por SAP, lo que sugiere la existencia de prácticas parecidas por parte de sus gestores. El gasto medio de farmacia por usuario es semejante en los tres SAP (tabla 3). Sin embargo, el número de EAP en cada SAP situados por encima de la mediana (212,92) sí resulta heterogéneo. Así, el 70% de los EAP del SAP Baix Llobregat Centre se encuentra por encima de la mediana del gasto en farmacia por usuario.

Al replicar el análisis con el AED de Banker-Charnes-Cooper36 (BCC) orientado a outputs se observan algunos cambios. El AED BCC relaja el supuesto de rendimientos constantes a escala, permitiendo que estos sean variables. La frontera de rendimientos constantes es más restrictiva y producirá, en general, un menor número de unidades eficientes, así como puntuaciones menores de eficiencia entre todas las unidades.

Cuando analizamos a nivel micro (cada uno de los EAP) empleando el AED CCR orientado a outputs no se observan grandes cambios en la ordenación de los centros. Entre los EAP mejor y peor posicionados encontramos centros grandes y pequeños indistintamente. Las características de la población, la edad y los grupos de riesgo clínico son similares, así como la proporción de médicos por 1000 habitantes. De los 10 EAP eficientes en los modelos 1 y 2, el 70% está por debajo de la media en personal médico y de enfermería, el 50% está por encima de la media en visitas de medicina y el 90% en las de enfermería. Adicionalmente, el 70% de estos EAP está por debajo de la media del gasto farmacéutico. Ello no resulta sorprendente, ya que dichos modelos no consideran variables de calidad asistencial. En la tabla 6 se muestra la evolución, en función del modelo, para los tres EAP peor posicionados en el modelo 1. Pese a la sensibilidad del AED a la introducción de nuevas variables, ninguno de los EAP alcanza la eficiencia en el modelo 3.

Tabla 6.

Eficiencia calculada sobre la frontera con CCR, la frontera con BCC y la eficiencia de escala. Evolución de la eficiencia en los diferentes modelos de los tres equipos de atención primaria peor situados en el modelo 1

EAP  ETGa  ETPb  EEc  Rendimiento 
57AGP
Modelo 1  0,497  0,500  0,994  Decreciente (Lambda: 1,01) 
Modelo 2  0,569  0,569  Creciente (Lambda: 0,97) 
Modelo 3  0,998  0,998  Creciente (Lambda: 0,99) 
23C
Modelo 1  0,555  0,560  0,991  Constante (Lambda:1) 
Modelo 2  0,572  0,574  0,996  Constante (Lambda: 1,01) 
Modelo 3  0,990  0,991  0,999  Constante (Lambda: 1) 
46AR
Modelo 1  0,632  0,640  0,987  Constante (Lambda: 1) 
Modelo 2  0,700  0,702  0,997  Constante (Lambda: 1,01) 
Modelo 3  0,989  0,990  0,999  Constante (Lambda: 1) 

EAP: equipos de atención primaria; EE: eficiencia de escala; ETG: eficiencia técnica global; ETP: eficiencia técnica pura.

a

Capacidad que tiene un EAP para obtener el máximo nivel de producción con unos recursos dados (ETG=ETP×EE).

b

Se corresponde con la ineficiencia derivada de una utilización incorrecta de los inputs.

c

Se corresponde con la ineficiencia debida a problemas de dimensión de la empresa.

Índices obtenidos empleando AED CCR y AED BCC.

Fuente: elaboración propia.

Discusión

Este trabajo muestra la relevancia de la consideración de elementos que aproximen la calidad asistencial para estimar la eficiencia de la atención primaria. Así, un alto porcentaje de EAP identificados como ineficientes por los modelos 1 y 2 pasan a ser eficientes o a situarse muy cerca de la curva de eficiencia al tener en cuenta las variables que miden la calidad asistencial. En algunos centros parece existir, por tanto, una tensión (trade-off) entre calidad asistencial y recursos, en la línea apuntada por Hvenegaard et al.37. Piénsese, por ejemplo, en la relación entre tiempo de visita, calidad en la prescripción y número de derivaciones.

Los modelos 1 y 2 identifican como eficientes a los EAP que atienden más pacientes con un menor volumen de recursos humanos y materiales. Resulta también interesante observar que los centros privados pasan a ser ligeramente más eficientes tras la incorporación del gasto farmacéutico. Los modelos 1 y 2 conducen a la conclusión de que cabe un amplio margen de mejora en la eficiencia de los centros de atención primaria, mejoras que podrían alcanzarse aumentando el output o bien reduciendo los inputs empleados.

La incorporación de la calidad asistencial (modelo 3) altera sustancialmente las anteriores conclusiones, algo habitual en los estudios que incluyen la calidad asistencial en sus análisis31,35. Así, más de la mitad de los centros analizados pasan a ser eficientes, y en los restantes aumentan los índices de eficiencia. Así, un problema no solucionado en la primera consulta puede suponer una nueva consulta o la derivación a un nivel superior, con el consecuente despilfarro de recursos. En el modelo 2, por ejemplo, resulta posible que un EAP muy resolutivo y que realice menos derivaciones acabe incrementando su nivel de gasto. En otras ocasiones, este gasto se deberá a una prescripción inducida por el especialista o al ejercicio de una medicina defensiva por parte del profesional. Al observar las correlaciones entre los inputs y outputs hemos hallado una correlación negativa entre el número de visitas y la calidad en la prescripción farmacológica, y no así, sin embargo, entre el número de visitas y el gasto farmacéutico.

Elegir los modelos que solo incorporan variables que miden el número de recursos empleados y de pacientes atendidos, frente a los que utilizan variables que aproximan la calidad asistencial, depende de la función que se considere que debe cumplir la atención primaria. Las posturas tendentes a considerarla como un servicio de dispensación de fármacos y derivación38 centrarán su análisis en la medición de la cantidad de inputs y outputs. Nuestros resultados indican que el decisor público interesado en contener el gasto en atención primaria tenderá a actuar de manera similar. Por el contrario, los defensores de un rol de la atención primaria más allá de la función de gatekeeper deberán recurrir, necesariamente, a indicadores de calidad asistencial. Queda por establecer, en cuanto a la eficiencia global del sistema sanitario, cuál debería ser su función predominante, si bien algunos estudios33,39,40 muestran que la orientación del sistema sanitario hacia una función de gatekeeper más desarrollada mejora la calidad, los resultados y la salud autopercibida.

Por otra parte, los resultados parecen indicar una similar eficiencia en el sector público y en el privado, una vez incorporada la calidad asistencial. La relevancia de esta cuestión, dado el debate existente acerca del modelo de gestión sanitario español, merecería la realización de estudios adicionales que contaran con una mayor muestra de EAP privados. Tampoco se observan diferencias significativas en la eficiencia según el territorio en función del SAP al que pertenecen los EAP, el ámbito rural o el nuevo modelo organizativo UGEAP.

Cabe indicar que las características individuales de los profesionales influyen en la demanda y el uso de los servicios sanitarios. El resultado de un equipo refleja finalmente un conjunto de prácticas individuales. En este sentido, las prácticas organizativas resultan difíciles de identificar, al quedar diluidas en la práctica individual de los profesionales. Aun así, la constatación del efecto de la calidad en la eficiencia de las DMU nos tendría que hacer reflexionar sobre la manera de medir los resultados. Por lo tanto, el desarrollo de futuras políticas públicas en sanidad debería prestar mayor atención a la calidad del producto, si bien la validez de la afirmación anterior queda condicionada por el concepto de calidad asistencial, íntimamente ligado al mantenimiento (o no) de la función de la atención primaria como «la columna vertebral de un sistema racional de servicios de la salud»39 que garantiza la eficiencia del conjunto del sistema sanitario.

Reconociendo algunas limitaciones, como el reducido ámbito territorial, el número de centros privados en la muestra o la imposibilidad de incorporar variables adicionales que consideramos hubieran enriquecido el análisis, este artículo subraya la existencia de componentes técnicos e ideológicos en el momento de seleccionar, por parte del decisor público, las variables a incorporar en el cálculo de índices de eficiencia. Tal como se ha visto, la incorporación de variables de calidad asistencial tiene implicaciones en cuanto a política sanitaria y se asocia a distintos modelos sanitarios. La relevancia de la cuestión y la creciente disponibilidad de datos deberían permitir la extensión de este estudio a un ámbito territorial mayor, así como aportar luz sobre la diferencia de eficiencia entre modelos de gestión, una cuestión de importancia creciente en el modelo sanitario español.

¿Qué se sabe sobre el tema?

La naturaleza del output en materia sanitaria dificulta la medición de la eficiencia en este ámbito. Los estudios emplean mayoritariamente indicadores cuantitativos para medir la eficiencia en la atención primaria, dada la dificultad para acceder a indicadores que aproximen la calidad asistencial.

¿Qué aporta el estudio realizado a la literatura?

Este estudio evalúa la eficiencia de equipos de atención primaria incorporando indicadores de calidad asistencial y comparando la eficiencia relativa según modelos de gestión y ámbito territorial. La no incorporación de indicadores cualitativos, decisión estrechamente ligada a la función asignada al sistema de atención primaria, puede llevar a reasignaciones ineficientes de recursos.

Editora responsable del artículo

Clara Bermúdez-Tamayo.

Declaración de transparencia

El autor principal (garante responsable del manuscrito) afirma que este manuscrito es un reporte honesto, preciso y transparente del estudio que se remite a Gaceta Sanitaria, que no se han omitido aspectos importantes del estudio, y que las discrepancias del estudio según lo previsto (y, si son relevantes, registradas) se han explicado.

Contribuciones de autoría

La concepción y el diseño de este trabajo fueron realizados por ambos autores. La recogida de datos la realizó J. Romano, y su análisis e interpretación los llevaron a cabo A. Choi y J. Romano. Los dos autores han revisado críticamente el artículo para su aprobación final.

Financiación

Ninguna.

Conflictos de intereses

Ninguno.

Bibliografía
[1]
V. Ortún, R. Meneu.
Impacto de la economía en la política y gestión sanitaria.
Rev Esp Salud Pública., 5 (2006), pp. 491-504
[2]
V. Ortún, J.L. Pinto-Prades, J. Puig-Junoy.
La economía de la salud y su aplicación a la evaluación.
Aten Primaria., 27 (2001), pp. 62-64
[3]
F. Granell.
Las medidas contra la crisis, sus problemas y su impacto intergeneracional.
ICE., 850 (2009), pp. 57-71
[4]
A. Mateos, A. Penadés.
España: crisis y recortes.
Rev Ciencia Política., 33 (2013), pp. 161-183
[5]
V. Navarro.
El error de las políticas de austeridad, recortes incluidos, en la sanidad pública.
Gac Sanit., 26 (2012), pp. 174-175
[6]
Boletín Oficial del Estado. Real Decreto-Ley 16/2012, de 20 de abril, de medidas urgentes para garantizar la sostenibilidad del Sistema Nacional de Salud y mejorar la calidad y seguridad de sus prestaciones. BOE núm 98, 24 de abril de 2012.
[7]
C. Dávila-Quintana, B. López Valcárcel.
Secuelas a largo plazo de la crisis económica y desigualdades sociales en salud.
Rev Esp Salud Pública., 88 (2014), pp. 187-190
[8]
A. Segura Benedicto.
Recortes, austeridad y salud. Informe SESPAS 2014.
[9]
Mouzo J. Boi Ruiz niega que la sanidad catalana sea de las peores de España. Madrid: El País [Internet]. 9 de septiembre de 2015. (Consultado el 25/10/2015.) Disponible en: http://ccaa.elpais.com/ccaa/2015/09/09/catalunya/1441800080_643518.html
[10]
A. Martínez, M. Vergara, J. Benach, et al.
Privatización y mercantilización de la sanidad en Cataluña. Impacto de las medidas de austeridad.
GREDS-EMCONET (UPF), (2014),
[11]
Ministerio de Sanidad y Consumo. Marco estratégico para la mejora de la atención primaria en España: 2007-2012. Proyecto AP-21. Madrid: Ministerio de Sanidad y Consumo; 2007. 320 p.
[12]
A. Dedeu, C. Lapena, T. Martí, et al.
Reflexiones sobre la atención primaria de salud.
Documento de trabajo de la Fundación Alternativas, (2011), pp. 172
[13]
J. Simó.
El «techo de cristal» de la atención primaria española.
Aten Primaria., 41 (2008), pp. 572-577
[14]
M. Pinillos, V. Antoñanzas.
La consideración de la calidad en los análisis de eficiencia. Una aplicación a la atención primaria de salud.
ICE., 804 (2003), pp. 75-92
[15]
A. Donabedian.
Una aproximación a la monitorización de la calidad asistencial (primera parte).
Control de Calidad Asistencial., 6 (1991), pp. 1-6
[16]
J. Varo.
La calidad de la atención médica.
Med Clin (Barc)., 104 (1995), pp. 538-540
[17]
S. Gorgemans, O.U. Pérez.
Benchmarking de los centros de atención primaria en la Comunidad de Aragón.
La atención primaria en Aragón: benchmarking y repercusión de las variables externas., pp. 79-92
[18]
M. Pinillos, F. Antoñanzas.
La atención primaria de salud: descentralización y eficiencia.
Gac Sanit., 16 (2002), pp. 401-407
[19]
F. García, C. Marcuellos, G. Serrano, et al.
Evaluación de la eficiencia en centros de atención primaria. Una aplicación del análisis envolvente de datos.
Rev Esp Salud Pública., 70 (1996), pp. 211-220
[20]
J.M. Cordero, R. Nuño-Solinís, J.F. Orueta, et al.
Evaluación de la eficiencia técnica de la atención primaria pública en el País Vasco, 2010-2013.
Gac Sanit., 30 (2016), pp. 104-109
[21]
V. García, E. González Fidalgo.
Utilización del value efficiency analysis (VEA) en la medición de la eficiencia en la atención primaria.
ICE., 75 (2002), pp. 211-230
[22]
W. Cooper, L. Seiford, K. Tone.
Data envelopment analysis. A comprehensive text with models, applications, references and DEA-solver software.
Kluwer Academic Publishers, (2002), pp. 318
[23]
V. Coll, O. Blasco.
Evaluación de la eficiencia mediante el análisis envolvente de datos: introducción a los modelos básicos.
Universidad de Valencia, (2006), pp. 202
[24]
J.J. Martín, M. López del Amo.
La medida de la eficiencia en las organizaciones sanitarias.
Presupuesto y Gasto Público., 49 (2007), pp. 139-161
[25]
Puig-Junoy J, Dalmau E. ¿Qué sabemos acerca de la eficiencia de las organizaciones sanitarias en España? Una revisión de la literatura económica. XX Jornadas de Economía de la Salud. Asociación de Economía de la Salud (AES). Palma de Mallorca, España; 2000.
[26]
J. Puig-Junoy.
Eficiencia en la atención primaria de salud: una revisión crítica de las medidas frontera.
Rev Esp Salud Pública., 74 (2000), pp. 483-495
[27]
A. Charnes, W.W. Cooper, E. Rhodes.
Measuring the efficiency of decision making units.
Eur J Oper Res., 2 (1978), pp. 429-444
[28]
A. Álvarez.
La medición de la eficiencia y la productividad.
Pirámide, (2001), pp. 368
[29]
Generalitat de Catalunya. Organigrama del Departament de Salut. [Internet]. Barcelona: Generalitat de Catalunya; 2015. (Consultado el 12/11/2015.) Disponible en: http://sac.gencat.cat/sacgencat/AppJava/organigrama.jsp?codi=2803
[30]
Mouzo J. El nuevo modelo de gestión de los CAP desconcierta a los médicos. Madrid: El País [Internet]. 20 de septiembre de 2015. (Consultado el 20/10/2015.) Disponible en: http://ccaa.elpais.com/ccaa/2015/09/20/catalunya/1442771716_749942.html
[31]
F. Pelone, D.S. Kringos, A. Romaniello, et al.
Primary care efficiency measurement using data envelopment analysis: a systematic review.
J Med Syst., 39 (2015), pp. 156
[32]
Observatori del Sistema de Salut de Catalunya. Central de Resultats. Àmbit d’atenció primària. Dades 2013. [Internet]. Barcelona: Agència de Qualitat i Avaluació Sanitàries de Catalunya. Departament de Salut. Generalitat de Catalunya; 2014. (Consultado el 15/9/2015.) Disponible en: http://observatorisalut.gencat.cat/web/.content/minisite/observatorisalut/ossc_central_resultats/informes/documents/Central_Resultats_atencio_primaria_dades_2013.pdf
[33]
B. Starfield.
Is primary care essential?.
Lancet., 344 (1994), pp. 1129-1133
[34]
A.M. Salinas-Martínez, M.A. Amaya-Alemán, J.C. Arteaga-García, et al.
Technical efficiency in primary care for patients with diabetes.
Salud Pública Mex., 51 (2009), pp. 48-58
[35]
J.M. Cordero, E. Crespo, L.R. Murillo.
The effect of quality and socio-demographic variables on efficiency measures in primary health data.
Eur J Health Econ., 15 (2014), pp. 289-302
[36]
R.D. Banker, A. Charnes, W.W. Cooper.
Some models for estimating technical and scale inefficiencies in data envelopment analysis.
Management Science., 30 (1984), pp. 1078-1092
[37]
A. Hvenegaard, J. Nielsen Arendt, A. Street, et al.
Exploring the relationship between costs and quality: does the joint evaluation of costs and quality alter the ranking of Danish hospital departments?.
Eur J Health Econ., 12 (2011), pp. 541-551
[38]
C. Forrest.
Primary care in the United States. Primary care gatekeeping and referrals: effective filter or failed experiment?.
BMJ., 326 (2003), pp. 692-695
[39]
Atun R. What are the advantages and disadvantages of restructuring a health care system to be more focused on primary care services? WHO; 2004. Regional Office for Europe Health Evidence Network report; enero 2004.
[40]
B. Starfield, L. Shi, J. Macinko.
Contribution of primary care to health systems and health.
The Milbank Quarterly., 3 (2005), pp. 457-502
Copyright © 2016. SESPAS
Idiomas
Gaceta Sanitaria

Suscríbase a la newsletter

Opciones de artículo
Herramientas
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

es en
Política de cookies Cookies policy
Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que acepta su uso. Puede cambiar la configuración u obtener más información aquí. To improve our services and products, we use "cookies" (own or third parties authorized) to show advertising related to client preferences through the analyses of navigation customer behavior. Continuing navigation will be considered as acceptance of this use. You can change the settings or obtain more information by clicking here.