Intensidade aferida a partir de ML

Começa-se por rever a estatística descritiva da amostra, uma vez que há inclusão de novas variáveis face ao utilizado no modelo de contagens e foram impostos novos critérios de inclusão das observações, que passou pela selecção dos indivíduos que tinham realizado pelo menos um dos ACD constantes na tabela 3.1, num intervalo de tempo de três meses anterior à data da entrevista.

De que resulta uma segunda selecção da amostra original, correspondente a uma sub-amostra de 3286 casos, para a variável Int_A_I que não contempla situações neutras de intensidade, dito de outro modo, ou o entrevistado teve utilização preferencial de análises clínicas, ou de ACDi (tabela 3.23).

Destaque-se, a propósito da estatística descritiva (tabela 3.23), uma variabilidade apreciável na amostra para as variáveis dependentes de intensidade de análises clínicas e intensidade de protocolos de imagem, à semelhança do que já se tinha verificado para a generalidade da amostra com os modelos de contagens, e que neste caso se repete.

Variável Obs Média Desv0Padr Min Max Int_A_I 30286 0.5557 0.4970 0 1 IntImbin 30286 0.4443 0.4970 0 1 IntAbin 30286 0.5557 0.4970 0 1 CentroSaude 30286 0.6366 0.4810 0 1 CPrivado 30286 0.3180 0.4658 0 1 HCPrivado 30286 0.1424 0.3495 0 1 Norte 30286 0.3116 0.4632 0 1 Centro 30286 0.1905 0.3928 0 1 LVT 30286 0.2587 0.4380 0 1 Alentejo 30286 0.1506 0.3578 0 1 F 30286 0.6859 0.4642 0 1 Mcasado 30286 0.2672 0.4426 0 1 Idade 30286 53.6163 16.4367 18 90 Idade2_e4 30286 0.3145 0.1735 0.03 0.81 Reformado 30286 0.2952 0.4562 0 1 Desempregado 30286 0.0393 0.1942 0 1 Escolaridade 30286 5.6275 4.4597 0 24 RendCl1 30286 0.0953 0.2936 0 1 RendCl2 30286 0.1141 0.3180 0 1 RendCl3 30286 0.1281 0.3343 0 1 RendCl4 30286 0.1178 0.3224 0 1 RendCl5 30286 0.1126 0.3162 0 1 RendCl6 30286 0.1068 0.3089 0 1 RendCl7 30286 0.0870 0.2819 0 1 RendCl8 30286 0.0937 0.2915 0 1 RendCl9 30286 0.0712 0.2572 0 1 MauES 30286 0.3582 0.4795 0 1 Fuma 30286 0.1433 0.3505 0 1 Limitado 30286 0.0201 0.1403 0 1 Adoentado 30286 0.2739 0.4460 0 1 DoenteCP 30286 0.1716 0.3771 0 1 DoenteLP 30286 0.3281 0.4696 0 1 Diabetes 30286 0.1159 0.3202 0 1 Asma 30286 0.0831 0.2760 0 1 Bronquite 30286 0.0475 0.2127 0 1 Alergia 30286 0.2106 0.4078 0 1 TA 30286 0.3110 0.4630 0 1 DorCostas 30286 0.6348 0.4816 0 1 Fisio 30286 0.0508 0.2197 0 1 Insulina 30286 0.0155 0.1236 0 1 ADSE 30286 0.1169 0.3213 0 1 Subsistema 30286 0.1643 0.3706 0 1 SNS 30286 0.8153 0.3881 0 1 Seguro 30286 0.0587 0.2352 0 1

Tabela 3-23 – Estatística descritiva das variáveis com base no critério de selecção para modelos MLI

IntImbin Freq. Percent Acum IntAbin Freq. Percent Acum

0 12826 55.57 55.57 0 12460 44.43 44.43 1 12460 44.43 100 1 12826 55.57 100

Total 32286 100 Total 32286 100

Tabela 3-24 – Distribuição de frequências das variáveis dependentes de intensidade na amostra seleccionada

0 1 Total

Pedidos 0 0 1826 1826 Imagem 1 1460 0 1460

Total 1460 1826 3286 Pedido5Analises

Tabela 3-25 – Tabela de frequências para as variáveis de intensidade de utilização e análises clínicas e imagiologia

Começa-se por estimar os modelos probit para as variáveis de MLI relativas às variáveis dependentes de intensidade com imagiologia (InImbin) e com análises clínicas (IntAbin). Probit Coef Valor-t C.cent.saude.(-)3.meses;.Sim=1 -0.027 -0.519 C.consult.priv.(-)3.meses;.Sim=1 -0.181 *** -3.518 C.Hosp.Cl.(-)3.meses;.Sim=1 -0.265 *** -4.005 Norte;.Sim=1 -0.233 ** -2.659 Centro;.Sim=1 -0.050 -0.536 LVT;.Sim=1 -0.262 ** -2.915 Alentejo;.Sim=1 -0.204 * -2.095 Sexo.feminino;.Sim=1 -0.062 -0.551 Homem.casado;.Sim=1 0.219 1.865 Idade.em.anos -0.026 ** -2.857 Quadrado.da.idade./.10.000 2.899 ** 3.280 Reformado;.Sim=1 0.042 0.628 Desempregado;.Sim=1 -0.091 -0.777 Anos.escol.aproveitamento 0.010 1.256 Rend.mens.fam.inf.217€;.Sim=1 -0.068 -0.514 Rend.mens.fam.217€.e.314€;.Sim=1 -0.066 -0.512 Rend.mens.fam.314€.e.421€;.Sim=1 -0.093 -0.755 Rend.mens.fam.421€.e.546€;.Sim=1 -0.054 -0.441 Rend.mens.fam.546€.e.678€;.Sim=1 0.016 0.134 Rend.mens.fam.678€.e.814€;.Sim=1 -0.164 -1.368 Rend.mens.fam.814€.e.945€;.Sim=1 -0.185 -1.523 Rend.mens.fam.945€.e.1235€;.Sim=1 -0.113 -0.968 Rend.mens.fam.1235€.e.1681€;.Sim=1 -0.139 -1.155 Mau/mt.mau.E.Saud;.Sim.=1 -0.098 -1.677 Fuma;.Sim.=1 -0.198 ** -2.803 Act.fisica.limitada;.Sim=1 0.427 * 2.374 Sentir.mal.(-)duas.sem.;.Sim=1 0.212 *** 3.306 Doente.(-)3.meses;.Sim.=1 -0.331 *** -4.558 Doente.(+)3.meses;.Sim.=1 -0.283 *** -4.136 Diabetes;.Sim=1 0.365 *** 4.516 Tem.asma;.Sim=1 -0.118 -1.406 Tem.bronquite.cronica;.Sim=1 -0.094 -0.872 Tem/teve.alergia.12meses;.Sim=1 -0.033 -0.578 Tem.tensao.alta;.Sim=1 0.042 0.793 Dores.nas.costas;.Sim=1 -0.064 -1.235 Sess.fisioterapia;.Sim=1 -0.408 *** -3.841 Insulina;.Sim=1 0.363 1.638 Benefic.da.ADSE;.Sim=1 0.091 0.732 Benefic.de.Subsistema;.Sim=1 0.154 0.806 SNS;.Sim=1 0.299 1.803 Seguro.de.saude;.Sim=1 -0.140 -1.352 Constant 0.853 * 2.462 N 3286 log-likelihood -2118.427 legenda:.*p<0.05;.**.p<0.01;.***p<0.001 IntI_A_I

Tabela 3-26 – Modelo probit para a variável dependente de intensidade em protocolos de imagem e de análises clínicas (𝐼𝑛𝑡_𝐴_𝐼)

O modelo estimado é sujeito a escrutínio do ajustamento dos resultados ditado pela capacidade de classificar correctamente, aqui aferida a partir da capacidade de prever um resultado individual. Pretende-se antecipar se um determinado entrevistado tem uma utilização intensa de um dado tipo de ACD (𝑦 = 1), ou se é um utilizador que não tem uma utilização intensa de ACD (𝑦 = 0).

Assim, procura-se verificar a condição

e inversamente 𝑦= 0 tal que 𝐹 𝑥′𝛽 ≤ 0.5 Modelo&probit:&IntAbin Sensibilidade Pr(&+|&D) 76,29% Especificidade Pr(&B|~D) 45,62% Valor&predictivo&positivo Pr(&D&|+) 63,69% Valor&predictivo&negativo Pr(~D|&B) 60,60% Falso&positivo Pr(&+|~D) 54,38% Falso&negativo Pr(&B|&D) 23,71% Classificados&correctamente 62,66%

Tabela 3-27 – quadros de análise comparativa dos valores gerados pelo modelo e os valores observados

Verifica-se que o modelo probit de intensidade de utilização de ACD (Int_A_I) tem uma percentagem de valores correctamente especificados de 62,7%. A medida de sensibilidade do modelo, que corresponde à fracção de observações 𝑦 = 1, que foram correctamente especificadas pelo modelo foi de 76,3%. Em contrapartida as medidas de especificidade são inferiores (45,6%), ou seja, a fracção de observações 𝑦 = 0 que foram correctamente especificadas pelo modelo.

O modelo gerado parece apresentar uma boa especificidade, com uma menos razoável sensibilidade, de que resulta uma menor proporção de falsos negativos e uma proporção maior de falsos positivos. Este desequilíbrio é indesejável e tem como contrapartida uma desproporção de falsos negativos, face à proporção de falsos positivos, quando como é sabido seria desejável valores próximos entre si e reduzidos de falsos positivos (𝛼) e de falsos negativos(𝛽). Este critério traduz-se na formulação de Youden, que se sustenta no índice

𝐽 = 1 − (𝛼 + 𝛽)

Num modelo com valor preditivo nulo vem 𝛼 = 1 − 𝛽 e 𝐽 = 0, por contrapartida de um modelo invariavelmente eficaz na capacidade de antecipar resultados dado por 𝛼 = 𝛽 e 𝐽 = 1. Da utilização do índice de Youden ao modelo gerado vem um valor relativamente reduzido com 0,22. De qualquer modo o critério pode ser objecto de reavaliação, pois ele supõe dar um peso equivalente a falsos positivos e a falsos negativos (Armitage e Berry 1994), e apesar de se reconhecer limitações no modelo criado no ajustamento aos dados observados, passa-se à discussão dos resultados com base no modelo probit encontrados.

Começa-se por se notar, que os resultados alcançados com os modelo probit fornecem as relações entre variáveis regionais e idade já encontradas anteriormente com os

tem neste caso um significado estatístico relevante para explicar o aumento de probabilidade de o entrevistado consumir ACD com maior intensidade. Igual comportamento se verifica nas variáveis Escolaridade, Reformado e Desempregado, dado não lograrem alcançar níveis de significância estatística. No mesmo sentido, se verifica a inexistência de significância estatística associada às variáveis explicativas de rendimento mensal familiar, à semelhança do que tinha acontecido com estas últimas variáveis nos modelos de contagens. Parecem por isso estar ausentes efeitos de: custo do oportunidade; estado de saúde geral; ou diferenciação académica do entrevistado. Do mesmo modo que, os dados não sugerem que o rendimento familiar do entrevistado favoreça/prejudique os níveis de intensidade utilizado de cada um dos cabazes de ACD em análise.

Destaca-se nas variáveis de natureza sócio-demográficas níveis de significância estatística associados às variáveis de Norte, Lisboa e Vale do Tejo, e Alentejo, com coeficientes de sinal negativo. Há assim a indicação que nestas regiões do continente existe uma preponderância por uma utilização mais intensa de ACDi. Fica por averiguar as razões em que se funda esta tendência, que só por si sugere uma linha de investigação futura. O modelo, tal como foi construído, não permite averiguar se trata de características dos indivíduos que expressam uma necessidade particular sugestiva de maior utilização de ACDi, ou se haverá condicionantes de natureza exógena, ditadas pelas características do sistema de cuidados de saúde que conduz a este resultado.

Ainda no âmbito das variáveis demográficas, regista-se a inexistência de significância estatística com as variáveis explicativas de género do entrevistado, ou género conjugadamente com o estado civil. No entanto, a variável idade atinge um nível de significância estaística, que pelo sentido do coeficiente é revelador de uma utilização mais intensa de ACDi. Não há aqui lugar a explicações, pois de novo importa saber se é o resultado de características associadas ao grupo etário, ditado por exemplo pela incidência maior de determinadas patologias, ou ao contrário resulta de características sistémicas. As questões estão levantadas e uma agenda de investigação focalizada deverá conduzi-las a melhor esclarecimento.

O comportamento da variável Fuma, revela um nível de significado estatístico relevante com os coeficientes de sinal negativo, traduzindo uma maior intensidade de consumo de ACD da área da imagiologia. Dito de outro modo, o hábito de consumo de tabaco, que é reconhecido por desencadear uma depreciação no stock de saúde, induz um maior consumo de ACDi e reduz significativamente a probabilidade de consumo intensivo de análises clínicas. Este resultado permite suspeitar tratar-se de uma abordagem clínica dominante neste tipo de indivíduos, correspondendo a um padrão de prática médica com um consumo predominante de serviços de saúde em resposta a uma necessidade tipificada, que procura maximizar a função produção saúde. Os dados não permitem determinar a

produtividade do médico na utilização dos factores de produção, mas reconhece-se a presença de indícios sugestivos.

Reflexão em modos idênticos se poderá fazer a propósito de alterações de estado de saúde ditados por um gradiente arbitrário de nível de depreciação do nível, mas aqui considerado para enriquecimento das discussão dos resultados. Nestes termos, se assumir que o estado “adoentado” é o de menor depreciação e a condição de “doente” (independentemente da duração em meses), corresponda a uma maior depreciação do stock de saúde. Fica compreensível que estes dois níveis de estado de saúde tenham comportamentos simétricos no modelo probit estimado.

O estado adoentado parece estar associado a uma maior probabilidade de intensidade de investigação de diagnóstico com análises clínicas e uma menor probabilidade de utilização intensa de ACDi. Já com os entrevistados doentes (independentemente do tempo de duração do estado de doença), estão associados a um consumo de maior intensidade com ACDi e a uma menor probabilidade de utilização intensa de análises clínicas. De novo, os dados dão indicação de um sistema de actuação tipificado por uma resposta a modalidades de alteração de estado de saúde, reveladores de uma consistência da prática médica ditado por uma prática interpares.

É igualmente revelador os coeficientes encontrados nas situações clinicas associados à doença crónica por diabetes, ou em entrevistados objecto de terapêutica de recuperação funcional por fisioterapia. De facto, procurando evitar comentários redundantes em relação ao tipo de análise já feita, é possível verificar que os doentes com diabetes estão associados a um aumento de probabilidade de consumo mais intenso de análises clínicas e uma menor probabilidade de consumo intenso de ACDi. Em sentido exactamente oposto ao verificado com entrevistados em programa terapêutico por fisioterapia, onde a maior probabilidade de utilização intensa está associado ao protocolo da área da imagiologia e um menor probabilidade de utilização intensa de análises clínica. De novo reconhece-se nestes dados um modelo de prática clínica que faz sugerir em doentes crónicos com diabetes, uma monitorização sistemática do estado de saúde do doente por análises clínicas e uma aferição do estado de saúde osteo-articular dos doentes em progamas terapêuticos de medicina física e reabilitação feitos de forma dominante a partir de ACDi. Trata-se de um resultado fácil de intuir e sugestivo de uma prática clíncia em concordância com um modelo de função produção de saúde, integrando serviços de saúde como factores de produção.

Por fim, regista-se que as variáveis explicativas associadas ao local de consulta médica, parecem divergir no seu comportamento quanto à natureza da propriedade da unidade de saúde, ou seja, natureza privada vs pública. De facto, apenas foram encontrados níveis de significância estatística nas variáveis dummy reveladoras de que o entrevistado

centro de saúde não atingem níveis de significância estatística, apesar de os coeficientes relativos às três variáveis ser coincidente no respectivo sentido. O mesmo é dizer, que a consulta médica em consultório privado, ou hospital ou clínica privada sugere uma diminuição de probabilidade de modo significativo de uso intenso de análises clínicas, por contrapartida de uma utilização mais intensa de ACDi na investigação clínica do estado de saúde do doente. Enquanto que as consultas em centros de saúde carecem de significância estatística para se poder sustentar de forma segura uma tendência clara de intensidade de utilização de ACD.

Os dados agora encontrados revelam que a intensidade de utilização de ACD está associada a características do doente/utente dos serviços de saúde que se inscrevem na necessidade de utilização de serviços de saúde para reposição de stocks de saúde. Nalguns casos é possível intuir a pertinência de uma utilização mais intensa de uma família de exames (seja análises, ou exames de imagiologia), em detrimento do outro agregado.

Ao invés, o nível de intensidade não parece ser explicável por variáveis sócio- demográficas à excepção da idade, nem mesmo por uma auto-percepção desfavorável do estado de saúde, contrariamente ao que acontecia nos modelos de contagens. É sabido, que agora o modelo utilizado é distinto e que a amostra não é coincidente, ainda assim regista-se o desfasamento de resultados, sem se lançar demasiado entusiasmo especulativo sobre o sentido último da divergência.

Por fim, regista-se um indício de uma determinante de intensidade de utilização de ACD associado ao tipo de propriedade do estabelecimento de saúde e por esta via do modelo de reembolso médico. É um resultado que se inscreve na antevisão de um modelo médico que não age como agente perfeito e que faz uso das técnicas de diagnóstico para gerar a maximização da sua função utilidade. Como é sabido, foram evocadas algumas hipóteses de trabalho, de que se recorda uma actuação de auto-referenciação, mecanismos de sinalização de esforço, ou menor empenho na maximização dos resultados de saúde do doente em sistemas de reembolso assalariado.

Na realidade os dados disponíveis não permitem discutir estas hipóteses de trabalho e excluir algumas delas com base no seu fundamento factual. Os dados não dão espaço a verificar se a natureza assíncrona de intensidade de utilização de técnica de diagnóstico é o resultado de diferentes mix de doentes, em diferentes estruturas de saúde. De facto, reconheceu-se que a intensidade estava associada a características individuais, mas não é possível verificar de que modo essas características individuais são determinantes no contexto de cada consulta médica, por equipamento de saúde, com a amostra agora utilizada.

Acresce, que a variável dependente não é isenta de suspeição quanto ao seu comportamento, pois uma comparação linear denota uma simplificação evidente de uma

realidade que se antecipa seja mais complexa. Em particular, não é possível excluir na comparação da frequência entre famílias de ACD, encontrar casos de assimetrias equivalentes às estudadas sem com isso configurarem um indício de maior intensidade utilização. Em consequência conduz-se novo ensaio, com adopção de um critério de intensidade que faz comparar a utilização de um tipo de ACD individual, com o padrão da respectiva família, sendo testada a intensidade em termos de uma tendência central da amostra.