Capítulo 4 –Ensaio sobre a demanda na relação indivíduos e prestadores de serviços médicos
4.5 Apresentação e discussão dos resultados
4.5.1 Resultados dos modelos de regressão OLS e de dados de contagem de Poisson e Binomial
Os resultados obtidos para as variáveis dependentes limitadas visitas médicas vmed
e vmed0 do modelo de regressão OLS apontam a importância dos coeficientes em 8
das 10 variáveis explicativas, sendo estas: idade, indicado, sexo, naosolteiro,
referenciado, classerenda, criança e gravidez. Nota-se que não somente no modelo
OLS, mas também no modelo de regressão de Poisson e Binomial negativa, a
variável residsp não apresenta evidência estatística significativa para rejeitar H
0:
residsp= 0, corroborando com os resultados nos teste de Wald apresentados
anteriormente.
Idade
35O perfil de idade dos usuários deste serviço de saúde somente se destaca como
coeficiente quando consideramos o grupo de indivíduos menores de 15 anos, ou
seja, através da sua correlação com a variável explicativa criança. A variável idade
apresenta-se com sinal negativo e próximo de zero para todos os modelos, sendo o
oposto das hipóteses do modelo de GROSSMAN (1972a), no qual a idade tem
correlação positiva com o uso de serviço de saúde. Contudo, o modelo de
GROSSMAN (1972a) trata a saúde tendo em vista uma população em geral,
considerando o uso de serviço de saúde de modo genérico. Por isso, este modelo
apresenta correlação positiva com variáveis que representam a idade ou faixas
etárias dos indivíduos: quanto maior a idade do indivíduo, maior será o uso do
serviço de saúde.
No modelo OLS, o coeficiente da variável idade implica que, para cada ano a mais
do indivíduo, o número previsto de visitas em especialidade médica é reduzido em
aproximadamente 0,01270 e 0,01710, respectivamente, para as VDLs visitas
médicas vmed e vmed0. Assim, se para cada 100 pacientes novos cada um deles
tiver mais um ano de idade, estima-se então que haverá 1,27 visitas (ou 1,71 visitas)
a menos entre eles.
O coeficiente da variável idade nos modelos de regressão de dados de contagem de
Poisson e Binomial negativa revela que para cada ano a mais na idade do paciente
espera-se reduzir o número de visitas médicas vmed e vmed0, respectivamente, em
35
0,3% (ou 0,4% para o modelo Negbin) e 0,5% (ou 0,5% para o modelo Negbin)
36(cf.
Anexos 4.9.1 e 4.9.2).
Residsp
37Como vimos, trata-se de uma variável que apesar de 72,9% dos pacientes serem
residentes no município de São Paulo não é estatisticamente significativa e pode ser
omitida da maioria dos modelos de regressão analisados.
Indicado
38e Referenciado
39As variáveis indicado e referenciado influenciam positivamente a quantidade de
visita médica. No caso da variável indicado, para cada paciente indicado por um
médico ou profissional da saúde, há em média um aumento de 8,2% nas visitas a
especialidade no modelo Poisson para VDL visitas médicas vmed (ou 7,8% para o
modelo Negbin). No caso da VDL visitas médicas vmed0, o aumento é
respectivamente de 11,9% e 11,5% para o modelo de Poisson e Negbin.
No caso da variável referenciado, temos também um aumento das visitas médicas
vmed de 11,2% (ou 11,2% para o modelo Negbin) e para VDL visitas médicas
vmed0 um aumento de aproximadamente 22,3% (ou 22,8% para o modelo Negbin).
Assim, há uma relação entre a demanda deste serviço de saúde de especialidade e
o fato do serviço ser referenciado por parte de algumas operadoras de plano de
saúde credenciadas, confirmando os resultados empíricos de CAMERON et. al.
36
Uma outra forma de interpretar este parâmetros é utilizando a resposta média como fator de comparação
direta com os coeficientes obtidos no modelo OLS. Temos para as VDLs vmed e vmed0, respectivamente, 3,787
e 3,509 visitas por pacientes em média (ou seja, 14.952 visitas para 3.948 pacientes com 313 respostas nulas).
Assim obtemos como coeficientes para a variável idade nos modelos de regressão de dados de contagem de
Poisson e Binomial negativa das VDLs vmed e vmed0 os respectivos valores negativos de 0,01325 (ou 0,01401
para o modelo Negbin) e de 0,0168 (ou 0,01789 para o modelo Negbin). Para calcular o parâmetro utilizando a
resposta média, basta multiplicar o coeficiente da variável explicativa pela VDL média. Assim o coeficiente da
variável idade -0,0034969 obtido na regressão de Poisson, sendo multiplicado por 3,787, é igual a -0,01325 que
pode ser comparado com o coeficiente da regressão OLS.
37
A variável residsp que representa os indivíduos que residem na cidade de São Paulo.
38
A variável indicado representa os pacientes que foram indicados por um médico ou profissional da saúde ao
serviço de genética médica.
39
A variável referenciado representa os pacientes que têm planos de saúde no qual o serviço de genética
médica é referenciado na rede de atendimento.
(1988), nos quais a demanda mostrou-se crescente conforme a maior cobertura dos
assegurados. Desse modo, o fato de ser referenciado pode demonstrar um risco
moral de uso excessivo do serviço de saúde. Podemos concluir, também, que a
indicação médica ou o encaminhamento por parte de outro profissional da saúde
para o serviço de genética é menos relevante quanto ao referenciamento por parte
do plano de saúde. Contudo, a indicação médica ainda representa uma influência
positiva na demanda do serviço de especialidade e poderia representar um risco
moral de demanda induzida se houvesse algum tipo de interesse por parte do
agente que indica o serviço, o que não é o caso no serviço estudado.
Escolaanos
40Com relação ao nível de escolaridade, que é um fator que influencia positivamente o
uso de serviço de saúde, conforme apontado anteriormente no capítulo 2 sobre o
modelo de GROSSMAN (1972a), esta variável não apresentou em nosso ensaio
relevância, devido particularmente a uma deficiência de informação apresentada
pelos microdados. Notamos que os microdados relativos ao nível escolar e
escolaridade (em anos) não foram cadastrados no banco de dados adequadamente,
pois a média da variável explicativa escoclaanos é de 2,15 anos e o número de
pacientes sem instrução na variável escola é de 3.834 em 4.261, ou seja, 89,9%.
Naosolteiro
41A variável naosolteiro influencia positivamente a demanda por serviço de
especialidade. Para cada paciente naosolteiro é esperado um aumento de 9,4% no
modelo Poisson da VDL visitas médicas vmed (ou 9,5% para o modelo Negbin). No
caso da VDL visitas médicas vmed0, o aumento é respectivamente de 12,5% e
13,2% para o modelo de Poisson e Binomial negativa. Supomos, portanto, que este
serviço de especialidade está possivelmente inserido dentro de um quadro de
planejamento familiar.
40
A variável escolaanos representa o grau de escolaridade em anos dos pacientes, variando de 0 a 31 anos.
41
Classerenda
42Quanto à renda dos usuários, a variável classerenda apresentou coeficientes
negativos muito inferiores a todos os outros parâmetros, sendo estatisticamente
significativo, mas pouco relevante para a determinação da demanda de serviços de
saúde em especialidade.
Sexo
43e Gravidez
44As variáveis sexo e gravidez são as variáveis que apresentam os maiores
coeficientes em quase todos os modelos. Para cada paciente do sexo feminino é
esperado um aumento de 16,1% no modelo Poisson da VDL vmed (ou 16,7% para o
modelo Negbin). No caso da VDL vmed0, o aumento esperado é respectivamente
de 16,1% e 16,7% para o modelo de Poisson e Negbin. Para cada paciente do
grupo de gravidez de risco ou perdas repetitivas é esperado um aumento de 44,9%
no modelo Poisson da VDL vmed (ou 44,5% para o modelo Negbin). No caso da
VDL vmed0, o aumento esperado é de 48% para ambos modelos, Poisson e
Negbin.
Os resultados confirmam que o perfil do usuário deste serviço de saúde está de
acordo com a descrição do escopo de realização do aconselhamento genético e das
consultas de especialidade. Como vimos na tabela 4.5 e gráfico 4.3, os pacientes
são mulheres com idade entre 30 a 40anos e com história de perdas gestacionais
repetidas ou em fase de pré-natal com indicação de gestação de risco.
Criança
45Quanto à variável criança, as regressões da VDL visitas médicas vmed se
mostraram significativas para os modelos OLS, de regressão de Poisson e Binomial
42
A variável classerenda representa as classes de renda dos pacientes.
43
A variável sexo representa o sexo masculino ou feminino do paciente.
44
A variável gravidez representa as pacientes gestantes ou com histórico de gestação de risco e perdas
repetitivas.
45