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

35

O 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

37

Como 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

38

e Referenciado

39

As 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

40

Com 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

41

A 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

42

Quanto 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

43

e Gravidez

44

As 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

45

Quanto 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

negativa, sendo que a variável criança apresenta uma influência positiva para VDL

visitas médicas vmed, ou seja, que para os pacientes com idade inferior a 15 anos

há em média um aumento de aproximadamente 15% das visitas médicas. Já para a

VDL visitas médicas vmed0, este parâmetro não apresentou significância estatística.

Nesse caso é necessário verificar como se comporta a variável criança nos modelos

de regressão hurdle Logit-Poisson e Logit-Binomial negativa (ou modelos de dois

períodos).

No documento Ensaio em economia da saúde: análise da demanda no mercado de saúde suplementar utilizando um modelo econométrico de dados de contagem (páginas 84-89)