Rossana Fulgenzi. Simone Gitto
Introducción
En los últimos años, el sector salud ha crecido más rápido que la economía. De 2000 a 2017, el gasto mundial en salud creció a una tasa real anual del 3,9%, mientras que el crecimiento económico fue del 3%. Específicamente: (i) en los países de ingresos medios, el gasto en salud aumentó un 6,3% anual, mientras que la economía creció un 5,9% anual; (ii) en los países de bajos ingresos, el gasto en salud aumentó un 7,8% anual, mientras que la economía creció un 6,4%; y (iii) en los países de altos ingresos, el crecimiento anual promedio fue del 3,5%, aproximadamente el doble de la tasa de crecimiento económico (Organización Mundial de la Salud, 2019 ). El rápido aumento de los costos de la salud también puede atribuirse a la introducción de tecnologías más costosas y a los avances en la atención hospitalaria. Las tecnologías sanitarias se refieren a las herramientas y técnicas que se utilizan para mejorar la calidad de la atención médica, detectar enfermedades de forma más temprana, gestionar las afecciones crónicas con mayor eficacia y garantizar una mejor atención al paciente.
Además, la introducción de nuevas tecnologías sanitarias implica costes adicionales, como inversiones en equipos, capital humano, competencias digitales y cambios en los niveles organizativos (Liao et al., 2016 ). Asimismo, los tratamientos de reciente desarrollo requieren que la mayoría de los pacientes se sometan a visitas repetidas u hospitalizaciones costosas, que a menudo incluyen pruebas diagnósticas frecuentes y exámenes médicos especiales, lo que contribuye al aumento de los costes sanitarios. Muchos países con sistemas sanitarios avanzados han adoptado políticas para racionalizar el uso de los recursos y reducir el gasto sanitario mediante el aumento de la eficiencia de las organizaciones prestadoras de servicios para abordar estos problemas críticos. Estas políticas incluyen la introducción de la competencia entre los proveedores de atención médica, cambios en los sistemas de reembolso, nuevos modelos organizativos, límites presupuestarios y otras reformas para lograr los mismos resultados de salud con menos recursos financieros. Diversos estudios han evaluado el impacto de estas reformas y políticas en términos de aumento de la productividad y la eficiencia hospitalarias. Algunos sostienen que la introducción de restricciones financieras para controlar el gasto sanitario ha tenido un efecto positivo en la productividad hospitalaria (Blank y Eggink, 2014 ; Sommersguter-Reichmann, 2000 ). Otros informan que se deben considerar varios esfuerzos y factores adicionales para lograr un aumento en la productividad (Mancuso y Valdmanis, 2016 ; Karmann y Roesel, 2017 ).
A partir de estos hallazgos, este artículo utiliza el índice de productividad de Malmquist para evaluar el impacto de las reformas de las políticas sanitarias en los sistemas hospitalarios italianos entre 2006 y 2018. Se empleó el análisis envolvente de datos (DEA), un método no paramétrico, para calcular el índice de Malmquist, que se descompone en un componente de «cambio tecnológico» y otro de «cambio en la eficiencia». Resulta evidente que la productividad depende del nivel de tecnología adoptada y de la eficiencia con que se utiliza. Por lo tanto, nuestro objetivo es investigar la relación entre las políticas gubernamentales, los recursos tecnológicos y el aumento de la productividad hospitalaria. Además, mediante el análisis de la dinámica de la productividad y la aplicación de un modelo de regresión, pretendemos determinar si otros factores, como los modelos organizativos regionales, las dimensiones y la autonomía hospitalarias, la intensidad de capital y otras variables de control, pueden generar aumentos de productividad adicionales a las medidas de austeridad. El resto del artículo se estructura de la siguiente manera: la sección 2 presenta estudios que han analizado importantes reformas europeas, con especial atención al sistema nacional de salud italiano, las medidas de contención y la bibliografía pertinente. A continuación, la sección 3 describe la metodología empleada, mientras que la sección 4 explica los datos utilizados para el análisis. Posteriormente, la sección 5 presenta y analiza los resultados y, finalmente, la sección 6 ofrece una breve conclusión.
2. Revisión de la literatura
Diversos estudios han analizado el efecto de las reformas gubernamentales en la reducción del gasto sanitario y la mejora de la eficiencia de los sistemas de salud mediante la optimización y redistribución de recursos. Karmann y Roesel ( 2017 ) examinaron los determinantes del crecimiento de la productividad hospitalaria en los estados federados alemanes y concluyeron que la mejora de la calidad de la atención hospitalaria y la reducción de la duración de las estancias hospitalarias pueden incrementar dicha productividad. Los autores también señalaron que otros factores, como el tamaño del hospital, la tasa de ocupación, la especialización y la privatización, influyeron positivamente en la productividad, pero dependieron del sistema de reembolso (tarifas diarias fijas o financiación por grupos relacionados con el diagnóstico).
Tras la implementación de reformas políticas, Atella et al. ( 2019 ) analizaron y compararon los niveles de productividad de los sistemas sanitarios inglés e italiano. El aumento de la productividad en el sistema sanitario inglés se debió a un incremento de la actividad hospitalaria, mientras que en el italiano se debió al aumento de la actividad ambulatoria. Sin embargo, ambos sistemas sanitarios experimentaron fases alternas de aumentos y disminuciones de la productividad entre 2004 y 2011.
En un estudio sobre los sistemas sanitarios británicos, Valdmanis et al. ( 2017 ) analizaron 43 hospitales escoceses para examinar los cambios en su productividad entre 2003 y 2007 tras la introducción de medidas de austeridad. Dichas medidas permitieron a los hospitales optimizar sus recursos, lo que contribuyó al aumento de la productividad y a la mejora de la experiencia de los pacientes.
Blank y Eggink ( 2014 ) presentan un análisis histórico (1972-2010) de los cambios en la productividad del sector hospitalario en los Países Bajos. Analizaron tres enfoques regulatorios diferentes introducidos por el gobierno para contener el gasto sanitario y descubrieron que la productividad mejoró cuando el sistema sanitario neerlandés estuvo sometido a una presión constante debido a diversas restricciones presupuestarias.
En Portugal, se han llevado a cabo diversos estudios para evaluar la eficiencia de los hospitales públicos desde diferentes perspectivas mediante el análisis envolvente de datos (DEA) (Afonso et al., 2025 ). Duque-Uribe et al. ( 2019 ), Pederneiras et al. ( 2023 ) y Pereira et al. ( 2021a, 2021b ) han contribuido a este campo de estudio. Duque-Uribe et al. ( 2019 ) realizaron una revisión sistemática que propuso un marco integrado de prácticas de gestión sostenible de la cadena de suministro para mejorar el desempeño sostenible en entornos hospitalarios. Identificaron 12 categorías de prácticas de gestión y examinaron su impacto en el desempeño económico, ambiental y social de los hospitales. Asimismo, señalaron la escasez de estudios empíricos sobre los efectos de estas prácticas y las posibles compensaciones entre las diferentes dimensiones involucradas.
Pederneiras et al. ( 2023 ) se centraron en evaluar el desempeño de los hospitales portugueses mediante un modelo DEA híbrido. Su análisis consideró las perspectivas sociales, ambientales y económicas pertinentes y reveló que la mayoría de los hospitales públicos portugueses necesitaban mejoras en cuanto a sostenibilidad económica, lo que subraya la importancia de adoptar prácticas sostenibles para la viabilidad a largo plazo del sistema sanitario.
Pereira et al. ( 2021a ) analizaron la eficiencia de los hospitales portugueses mediante indicadores compuestos determinados a través de un análisis envolvente de datos (DEA) realizado desde la perspectiva tanto del usuario como del proveedor. Los autores hallaron que, de 29 proveedores de atención médica, siete se consideraron eficientes desde la perspectiva del usuario, mientras que seis se consideraron eficientes desde la perspectiva del proveedor.
Además, Pereira et al. ( 2021b ) desarrollaron un nuevo método para evaluar la eficiencia de los hospitales portugueses. Colaboraron con responsables de la toma de decisiones para validar y mejorar la precisión del modelo, proporcionando información fiable que ayuda a los gestores sanitarios y a los responsables políticos en sus procesos de toma de decisiones. Los resultados identificaron nueve de los 27 hospitales como eficientes desde la perspectiva óptima y la del mundo real, según el criterio de los responsables de la toma de decisiones.
Desde la década de 1990, Italia ha experimentado con diversas reformas para reducir el gasto sanitario y aumentar la eficiencia y la productividad de los servicios hospitalarios. Si bien existen varios estudios que han analizado la eficiencia de los hospitales italianos ( De Nicola et al., 2014 ; Colombi et al., 2017 ; Cavalieri et al., 2018 ; Giancotti et al., 2020 ; Piubello Orsini et al., 2021 ; Barra et al., 2022 ), pocos han explorado su productividad. Uno de estos estudios, realizado por Mancuso y Valdmanis ( 2016 ), analizó los sistemas regionales de salud italianos entre 2008 y 2012 y demostró que, a pesar de las reformas, los hospitales aún necesitaban mejorar su productividad optimizando el uso de los recursos y aprovechando la tecnología existente. Sin embargo, este trabajo solo aporta datos a nivel regional y para un período de análisis limitado, sin considerar las características específicas de cada hospital.
2.1 El Sistema Nacional de Salud Italiano
El Sistema Nacional de Salud italiano (SNS) garantiza la seguridad sanitaria de los ciudadanos conforme a los principios de universalidad, equidad y legalidad. Las reformas implementadas durante la década de 1990 dieron lugar a una importante descentralización del SNS, transformándolo en un sistema de sistemas regionales de salud. En este sistema, las regiones asumieron la responsabilidad de promover la salud de la población, proporcionando un conjunto de servicios sanitarios básicos (los denominados Niveles Esenciales de Asistencia , NEA) y manteniendo su gasto sanitario dentro de los presupuestos establecidos (Mapelli et al., 2007 ). En otras palabras, desde el año 2000, las regiones han decidido sus prioridades, definido su estrategia para satisfacer las necesidades de la población y asignado el presupuesto para sus sistemas (Nuti et al., 2016 ).
Italia cuenta con cinco regiones con un estatuto especial: Valle de Aosta , Trentino-Alto Adigio , Friuli-Venecia Julia , Sicilia y Cerdeña . Estas regiones tienen competencias específicas en materia de educación, sanidad, protección cultural, ordenación territorial y autonomía administrativa y financiera, lo que les permite legislar e imponer impuestos cuando sea necesario. El resto de las regiones se rigen por el estatuto ordinario.
Las regiones italianas difieren en cuanto al tipo de sistema organizativo sanitario que emplean y la relación entre el gobierno regional y los proveedores de atención médica. Según Ferré et al. ( 2014 ) y De Nicola et al. ( 2014 ), es posible clasificarlas en tres sistemas: modelo centrado en las Aziende Sanitarie Locali (ASL), modelo centrado en la región y modelo con separación entre comprador y proveedor. En el modelo centrado en las ASL, las autoridades sanitarias locales (ASL) tienen plena autonomía y pueden contratar proveedores de atención médica públicos y privados. En cambio, en el modelo centrado en la región, el gobierno regional limita la autonomía de las ASL: actúa como comprador, financiando directamente a proveedores como las ASL, organizaciones independientes ( Aziende Ospedaliere [empresas hospitalarias], Aziende Ospedaliere Universitarie e Policlinici Universitari [hospitales universitarios] e Istituti di ricovero e cura a carattere scientifico [institutos públicos de investigación]) y hospitales privados acreditados en función de sus actividades. En el modelo de separación entre comprador y proveedor, las ASL actúan únicamente como compradoras, dejando las actividades de los proveedores a organizaciones independientes y hospitales privados acreditados. Este sistema mantiene una clara separación entre proveedores y compradores de servicios de salud. Partiendo de estas consideraciones, De Nicola et al. ( 2014 ) analizaron la eficiencia hospitalaria para estos tres modelos organizativos. Su análisis, realizado con datos a nivel de distrito y una técnica DEA en dos etapas para el período 2004-2005, reveló que el grado de descentralización administrativa de los gobiernos regionales a las ASL debe ser, en general, equilibrado; por el contrario, un sistema excesivamente descentralizado puede generar ineficiencias. La Tabla 1 resume el sistema organizativo descrito para las 21 regiones italianas.Tabla 1. Características regionales
| Región | modelo organizativo |
|---|---|
| Abruzzo | centrado en la región |
| Basilicata | centrado en ASL |
| Bolzano | centrado en ASL |
| Calabria | centrado en ASL |
| Campania | centrado en la región |
| Emilia-Romaña | centrado en ASL |
| Friulia Venezia Giulia | centrado en la región |
| Lazio | centrado en ASL |
| Liguria | centrado en ASL |
| Lombardía | Comprador-proveedor |
| Marche | centrado en ASL |
| Molise | centrado en la región |
| Piamonte | centrado en ASL |
| Apulia | centrado en ASL |
| Cerdeña | centrado en ASL |
| Sicilia | centrado en la región |
| Toscana | centrado en ASL |
| Trento | centrado en ASL |
| Umbría | centrado en ASL |
| Valle de Aosta | centrado en ASL |
| Véneto | centrado en ASL |
El nivel de autonomía en la toma de decisiones otorgado a la dirección del hospital depende del tipo de hospital. Estos se clasifican por ley de la siguiente manera: ospedali a gestione diretta e presidi ospedalieri (hospitales generales de distrito), que son gestionados directamente por las ASL; empresas hospitalarias, hospitales universitarios e institutos públicos de investigación, que son organizaciones independientes; y hospitales sin ánimo de lucro y otros centros (como hospitales de una sola especialidad, incluidos los centros de rehabilitación ortopédica, residencias con camas de cuidados a largo plazo e instituciones de salud mental).
2.2 Los planes de recuperación
El gasto público en sanidad en Italia siempre ha presentado una tendencia irregular. A los periodos de crecimiento sostenido, durante los cuales el gasto estuvo fuera de control, les han seguido periodos de restricciones presupuestarias impuestas por la intervención del gobierno central (Fig. 1 ).
La descentralización ha impactado significativamente la deuda pública y los déficits de regiones específicas, generando diferencias sustanciales entre ellas. En este contexto, el gobierno central transfiere fondos a las regiones responsables del gasto para que estas presten servicios de salud. En estos sistemas, el problema del control de los déficits de los gobiernos subnacionales es bastante común en todo el mundo (Bordignon et al., 2020 ). Existe un incentivo implícito para que los gobiernos subnacionales aumenten su gasto, lo que conduce a la irresponsabilidad financiera si no se implementan mecanismos de control adecuados. Diversos mecanismos propuestos en la literatura se han utilizado para abordar estos problemas relacionados con los gobiernos subnacionales, tales como instrumentos fiscales (por ejemplo, impuestos locales) y reglas fiscales.
En Italia, durante la década de 1990, el gobierno central solía resolver los déficits regionales de salud sin imponer restricciones ni sanciones por la asignación incorrecta de recursos o la falta de resultados económicos. Por consiguiente, en algunas regiones persistieron déficits significativos en el sistema de salud durante varios años sin un mecanismo de sanción específico que incentivara la moderación del gasto. Tal como señalan Aimone et al. ( 2018 ) y Bordignon et al. ( 2020 ), para abordar la irresponsabilidad financiera de las regiones y facilitar la corrección de los déficits, el gobierno central introdujo en 2007 un nuevo mecanismo de control —una alternativa a los instrumentos y reglas fiscales—: los planes de recuperación (PR). Este nuevo mecanismo estableció la «subordinación administrativa» y representó un programa vinculante para reducir los déficits regionales. En particular, las regiones con déficits superiores al 7 % de sus fondos totales (reducido al 5 % en 2010) debían presentar un PR aprobado por el Ministerio de Salud y el Ministerio de Economía y Finanzas. Los Planes Regionales (PR) fueron una herramienta destinada a restablecer la situación financiera de las regiones mediante la contención de los costos sanitarios, la mejora de la adecuación de la atención prestada, la limitación de la rotación de personal, la imposición de topes a las nuevas contrataciones y la racionalización del uso de camas hospitalarias. En cuanto a los límites de las asignaciones estructurales, como el número de camas hospitalarias, se impusieron varios parámetros específicos; por ejemplo, las regiones debían contar con 3,7 camas por cada mil habitantes, de las cuales 3,0 debían destinarse a cuidados intensivos y 0,7 a rehabilitación y cuidados de larga duración (Aimone et al., 2018 ).
Los Planes Regionales (PR) debían tener una vigencia de tres años, pero si no se alcanzaban los objetivos al finalizar dicho período, se renovarían automáticamente por otros tres años. En caso de incumplimiento, el gobierno central designaría un comisionado, responsable de la implementación efectiva del plan. Cabe destacar que, con frecuencia, el presidente de la región era designado como comisionado, una decisión que generó controversia. Algunos investigadores consideran necesario nombrar a un profesional con experiencia en la gestión de servicios de salud, y no a un expolítico (Bordignon et al., 2020 ). Este enfoque más restrictivo también impidió la inversión en gastos no esenciales, como investigación y desarrollo. Los PR siguen vigentes en aproximadamente siete de las 21 regiones, y la Tabla 2 muestra su evolución en las distintas regiones italianas; muchas han tenido que recurrir a la intervención de un comisionado.Tabla 2. Evolución de los RP en las regiones italianas
| Región | 2006 | 2007 | 2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Abruzzo | incógnita | RP | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RP | RP |
| Basilicata | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Bolzano | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Calabria | incógnita | incógnita | incógnita | RP | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC |
| Campania | incógnita | RP | RP | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC |
| Emilia-Romaña | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Friuli Venezia Giulia | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Lazio | incógnita | RP | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC |
| Liguria | incógnita | RP | RP | RP | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Lombardía | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Marche | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Molise | incógnita | RP | RP | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC | RPC |
| Piamonte | incógnita | incógnita | incógnita | incógnita | RP | RP | RP | RP | RP | RP | RP | incógnita | incógnita |
| Apulia | incógnita | incógnita | incógnita | incógnita | RP | RP | RP | RP | RP | RP | RP | RP | RP |
| Cerdeña | incógnita | RP | RP | RP | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Sicilia | incógnita | RP | RP | RP | RP | RP | RP | RP | RP | RP | RP | RP | RP |
| Toscana | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Trentino | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Umbría | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Valle de Aosta | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
| Véneto | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita | incógnita |
- Nota : RP = plan de recuperación estándar; RPC = presencia del comisionado; X = no hay plan de recuperación en vigor.
La introducción de los Planes Regionales de Reducción del Gasto (PRR) a nivel regional despertó el interés de numerosos investigadores, quienes estudiaron sus consecuencias y efectos en el sistema sanitario italiano. Bordignon et al. ( 2020 ) destacaron los resultados significativos de estas medidas de austeridad en la reducción del déficit regional, sin un impacto significativo en los resultados de salud ni en el uso de los servicios sanitarios. Para ello, emplearon un análisis de diferencias en diferencias en un panel de regiones italianas durante el período 2000-2014. Por el contrario, Depalo ( 2019 ) y Arcà et al. ( 2020 ) enfatizaron los efectos negativos de los PRR en las tasas de mortalidad. En concreto, Depalo ( 2019 ) halló que las reducciones en el gasto sanitario se tradujeron en una disminución proporcional de los ingresos hospitalarios y, por consiguiente, del número de pacientes atendidos. Asimismo, observó un efecto negativo en las tasas de mortalidad sin mejoras en la eficiencia. ( 2020 ) estimaron que la política de RP resultó en un aumento del 3% en las muertes evitables según datos regionales para el período 2004-2014. Además, la literatura previa sobre RP subraya que esta política redujo con éxito los déficits de salud, pero con efectos poco claros en los resultados de atención médica.
El presente trabajo analiza la relación entre los programas de recuperación, el modelo organizativo y la productividad de los hospitales italianos. En otras palabras, se investiga si las medidas de austeridad y las particularidades de los modelos organizativos regionales influyeron en la productividad hospitalaria y sus componentes (cambio en la eficiencia y cambio tecnológico). Este trabajo contribuye a la literatura existente en varios aspectos.
En primer lugar, presentamos un análisis actualizado de la productividad de los hospitales italianos entre 2006 y 2018. Nuestro análisis abarca cuatro periodos: el primero comienza en 2006, el año anterior a la implementación de los Programas de Referencia (PR), y finaliza en 2009, último año del primer trienio de los PR. Los demás periodos siguen la tendencia trienal de los PR: el segundo comienza en 2009 y finaliza en 2012; el tercero, en 2012 y finaliza en 2015; y el cuarto, en 2015 y finaliza en 2018. Esta descomposición temporal nos permitió analizar la reacción de los hospitales italianos ante la introducción y renovación de los PR. Los resultados de productividad ofrecen información valiosa sobre el uso eficiente de los recursos y el nivel de avance tecnológico en los hospitales. Los directivos y responsables políticos necesitan comprender a fondo la tecnología sanitaria actual, que tiene el potencial de mejorar significativamente la atención al paciente y los procesos de diagnóstico.
En segundo lugar, se evalúa el impacto de las políticas de referencia (PR) en la productividad hospitalaria junto con los modelos organizativos regionales para analizar sus efectos combinados. Se parte de la base de que el impacto de las PR en la productividad puede moderarse (aumentarse o reducirse) en función del modelo organizativo adoptado por la región. Es importante tener en cuenta que una política concreta puede resultar eficaz solo en algunas regiones y debe ajustarse en función del modelo organizativo adoptado.
Finalmente, estas ideas son cruciales para quienes crean las futuras políticas y prácticas sanitarias y toman decisiones organizativas, de planificación y políticas.
3 Metodología
Empleamos un procedimiento en dos etapas para analizar los efectos de los cambios regulatorios en la productividad de los hospitales italianos. En la primera etapa, calculamos la productividad de los hospitales italianos entre el año anterior a la posible introducción de los Programas de Reducción de Costos (PRC) y el último año del período trienal de vigencia de dichos programas. En la segunda etapa, realizamos una regresión del índice de productividad y sus componentes en función de variables explicativas que captan la introducción de las medidas de austeridad, el modelo organizativo regional, el crecimiento hospitalario, la intensidad de capital, el tipo de hospital y variables de control.
3.1 Índice de Malmquist
En este estudio, calculamos la variación en la productividad utilizando el índice de productividad de Malmquist. Este índice se define mediante funciones de distancia. Seadenotemos un vector de entradas ySea un vector de salida. Una función de distancia de entrada considera la contracción proporcional mínima del vector de entrada dado un vector de salida, mientras que una función de distancia de salida considera la expansión proporcional máxima del vector de salida dado un vector de entrada. Dado que nuestro objetivo era medir hasta qué punto las cantidades de salida pueden expandirse proporcionalmente sin alterar la cantidad de insumos utilizados, en este trabajo solo se ha considerado una función de distancia de salida. Esto es coherente con estudios previos (De Nicola et al., 2014 ; Karmann y Roesel, 2017 ) y se debe a que la legislación laboral fija ciertos insumos hospitalarios (por ejemplo, el número de personal) y el objetivo se convierte en la maximización de la producción (atraer y tratar a más pacientes que pueden elegir dónde recibir tratamiento) utilizando la cantidad de recursos de entrada disponible. A continuación, suponemos que la administración del hospital maximiza el número de servicios prestados dentro del presupuesto asignado. Es importante destacar que el índice de productividad de Malmquist se define bajo el supuesto de «rendimientos constantes a escala». En este caso, las dos medidas (orientada a los insumos y a la producción) son equivalentes. Sin embargo, como queríamos evaluar si la reducción del gasto en salud debido a los RP todavía obstaculiza la productividad, calculamos el índice de Malmquist orientado a la producción.El índice de productividad Malmquist orientado a la producción que considera el-El período como tecnología de referencia se define de la siguiente manera:
(1)
Aquí,ydenotamos dos períodos de tiempo,representa el valor de la función de distancia de salida relacionada con la tecnología en el períodoy el vector de entrada-salida en el mismo período yrepresenta el valor de la función de distancia para el vector de entrada-salida del períodoy la tecnología de la épocaInspirándonos en Caves et al. ( 1982 ) y siguiendo el trabajo de Färe et al. ( 1994 ), definimos el índice de Malmquist orientado a la producción como la media geométrica deen el períodoy:
(2)Si el valor deSi es mayor que uno, indicará un aumento de la productividad durante el períodoal período, mientras que un valor inferior a uno indicará una disminución de la productividad.
Se utilizó el método DEA para medir las funciones de distancia que componen el índice de Malmquist. Según Färe et al. ( 1994, 1998 ), DEA permite la división exhaustiva del índice de productividad de Malmquist en medidas de componentes útiles: cambio tecnológico (TECHCH) y cambio de eficiencia (EFFCH). La primera fuente de productividad, que se encuentra entre corchetes en la ecuación ( 2 ), representa un cambio en la tecnología de producción, mientras que la segunda representa un avance hacia dicha tecnología. TECHCH mide la capacidad de un hospital para ser más (o menos) productivo con un vector de insumos dado. EFFCH mide la capacidad de un hospital para utilizar sus insumos de manera más eficiente y aprovechar la tecnología disponible. En cuanto al índice de productividad, el cambio tecnológico y el cambio de eficiencia pueden ser mayores o menores que uno, lo que indica crecimiento (>1) o declive (<1), respectivamente.Para calcular el índice de productividad en la ecuación ( 2 ), fue necesario resolver cuatro problemas de programación lineal. El programa lineal requerido para obtenerfue lo siguiente:(3)
Aquí, Y s es la matriz de la producción observada en el tiempo s , X s es la matriz de la entrada observada en el tiempo s , y representan la tecnología de producción en el tiempo s ;es el incremento proporcional en la producción, y λ representa un vector de ponderaciones que permite una combinación convexa de entradas y salidas. De manera similar,se calculó sustituyendo t por s en el programa lineal (3).Sin embargo, el cálculo de la función de distancia se refiere a dos momentos diferentes en el tiempo.es diferente y se calculó de la siguiente manera:(4)
Aquí, Y s es la matriz de la producción observada en el tiempo s , X s es la matriz de la entrada observada en el tiempo s y representan la tecnología de producción en el tiempo s ;son las entradas y salidas del hospital bajo investigación en el momento t . Finalmente,se calculó de la misma manera sustituyendo s por t y t por s .
3.2 Análisis de regresión
En la segunda etapa, estimamos un modelo de regresión para evaluar los efectos de un conjunto de variables exógenas sobre la productividad del sector sanitario y sus componentes, obtenidos durante la primera etapa. Los modelos de regresión lineal múltiple se pueden formular de la siguiente manera:
(5)
(6)
(7)
Aquí,representa el cambio en la productividad,¿Es el cambio de eficiencia y¿Es el cambio tecnológico del hospital?en período;es un conjunto de variables explicativas para cada hospital i en el momento t , yes el término de error. El índice de productividad de Malmquist es una función de tasa de distancia, y estimamos el modelo de regresión aplicando mínimos cuadrados ordinarios (MCO) con un error estándar robusto a la heterocedasticidad. Se incluyeron efectos fijos temporales, controlando los efectos que varían con el tiempo, es decir, eliminando el sesgo por variables omitidas dependientes del tiempo. No se incluyeron efectos fijos regionales porque la población de la región también es específica de cada región.
4. Datos y variables
El Ministerio de Salud italiano proporcionó los datos utilizados para el análisis, que correspondían al período 2006-2018. Como se mencionó en la Sección 2 , nuestra muestra incluye hospitales independientes (empresas hospitalarias, hospitales universitarios e institutos públicos de investigación) y hospitales dependientes (hospitales generales de distrito).
En nuestra muestra, incluimos hospitales con más de 29 médicos, más de 79 enfermeros, más de 49 empleados, más de 49 camas, más de 999 pacientes hospitalizados y más de 999 intervenciones quirúrgicas. Nuestra muestra abarca el 67,7 % y el 54,6 % de los hospitales italianos en 2006 y 2018, respectivamente. Como se indica en la discusión sobre la introducción y renovación de los planes de referencia, nuestro análisis considera cuatro periodos: 2006-2009, 2009-2012, 2012-2015 y 2015-2018. El número de hospitales incluidos en el análisis por tipo y año se presenta en la Tabla 3. Esto indica que el número de hospitales italianos disminuyó significativamente entre 2006 y 2018; en particular, el número de hospitales independientes se redujo en un 21,9 %, mientras que el de hospitales dependientes se redujo en un 40,8 %. Según Giancotti et al. ( 2020 ), esta disminución se produjo porque muchos hospitales se fusionaron y agruparon entre 2010 y 2013 para reducir el gasto público.Tabla 3. Número de hospitales por tipo y período de análisis
| Tipo de hospital | 2006–2009 | 2009–2012 | 2012–2015 | 2015–2018 |
|---|---|---|---|---|
| hospitales independientes | 96 | 79 | 87 | 75 |
| hospitales no independientes | 306 | 253 | 272 | 181 |
| Número total de hospitales | 402 | 332 | 359 | 256 |
Siguiendo la literatura empírica sobre la medición del desempeño en el sector salud mediante DEA (De Nicola et al., 2012 ; Kounetas y Papathanassopoulos, 2013 ; Pilyavsky et al., 2006 ; Roth et al., 2019 ), utilizamos cuatro insumos (número de camas, médicos, enfermeros y demás personal) y tres productos (número de pacientes hospitalizados, ambulatorios y procedimientos quirúrgicos) para estimar la productividad hospitalaria (véase la Tabla 4 ). Se consideraron pacientes hospitalizados aquellos que pasaron al menos una noche en el hospital , mientras que aquellos que ingresaron y fueron dados de alta el mismo día se consideraron pacientes ambulatorios . En nuestro estudio, el número de camas fue igual a la suma de las camas para pacientes ambulatorios y hospitalizados. Estas últimas indican el número de camas disponibles para el tratamiento de pacientes hospitalizados, mientras que las primeras indican el número de camas disponibles para pacientes ambulatorios. Medir el capital en el sector sanitario es complejo, por lo que utilizamos el número de camas disponibles como indicador, tal como se hizo en estudios previos (Grosskopf et al., 2004 ; Aletras et al., 2007 ; De Nicola et al., 2014 ; Roth et al., 2019 ). Investigaciones anteriores indican que los hospitales con mayor capacidad (más camas) tienen menores costes operativos por paciente y día que los hospitales más pequeños (Ding, 2014 ; Roth et al., 2019 ). Además, como se analizó en la Sección 2 , racionalizar el uso de las camas hospitalarias es una de las directrices de la planificación regional, ya que se espera que una reducción en el número de camas disminuya el gasto sanitario.Tabla 4. Descripción y función de las variables
| Variables | Descripción | Función de las variables |
|---|---|---|
| Médicos | Número total de médicos | Aporte |
| enfermeras | Número total de enfermeras | Aporte |
| Otros empleados | Número total de empleados del hospital excluyendo médicos y enfermeras | Aporte |
| Camas | Número total de camas hospitalarias, obtenido como la suma de camas ambulatorias y camas de hospitalización. | Aporte |
| Pacientes hospitalizados × CMI | Número total de pacientes hospitalizados multiplicado por el índice de complejidad de casos hospitalarios (CMI). | Producción |
| Pacientes ambulatorios | Número total de visitas ambulatorias | Producción |
| Procedimientos quirúrgicos × CMI | Número total de procedimientos quirúrgicos hospitalarios multiplicado por el índice de complejidad de casos (CMI) del hospital. | Producción |
Los insumos y productos se expresaron en términos de magnitudes físicas. La carga laboral de los hospitales se midió por el número de médicos, enfermeros y demás personal. Considerando los productos seleccionados, los pacientes atendidos en los hospitales difieren en cuanto a la complejidad de sus afecciones y requieren distintos niveles de atención según la presencia simultánea de varias enfermedades. Por este motivo, decidimos multiplicar los ingresos hospitalarios y las intervenciones quirúrgicas por el índice de complejidad de casos (ICC) hospitalario para evaluarlos según la intensidad del tratamiento recibido (Ferreira y Marques, 2016 ).
Los recortes en el gasto sanitario afectan principalmente al número de camas y a los recursos humanos, ya que estos son los componentes más costosos del gasto público. La tabla 5 presenta estadísticas descriptivas de los insumos y productos. Se muestran tanto la media como la mediana, puesto que esta última es un estimador más robusto del valor central, que no varía incluso cuando un valor atípico se mantiene cercano a la distribución estadística original (de Nijs y Klausen, 2013 ).Tabla 5. Estadísticas descriptivas de las variables de entrada y salida
| Variable | Año | Mín. | Mediana | Significar | Máx. |
|---|---|---|---|---|---|
| Médicos | 2009 | 32 | 157 | 229,43 | 1174 |
| 2012 | 31 | 185,5 | 242.3 | 1071 | |
| 2015 | 34 | 171 | 243.2 | 1509 | |
| 2018 | 34 | 175,5 | 251.3 | 1497 | |
| enfermeras | 2009 | 83 | 350,5 | 534,7 | 2409 |
| 2012 | 82 | 439 | 586 | 2378 | |
| 2015 | 90 | 405 | 579.1 | 3730 | |
| 2018 | 91 | 388,5 | 564.3 | 3784 | |
| Otros empleados | 2009 | 52 | 240,5 | 440.4 | 2824 |
| 2012 | 51 | 304.5 | 469.1 | 2754 | |
| 2015 | 53 | 290 | 462,8 | 4428 | |
| 2018 | 52 | 283,5 | 428,5 | 4290 | |
| Camas | 2009 | 53 | 285,5 | 410.7 | 1918 |
| 2012 | 65 | 335 | 424.4 | 1728 | |
| 2015 | 54 | 313 | 402.8 | 2150 | |
| 2018 | 66 | 278,5 | 376.4 | 2124 | |
| Pacientes ambulatorios | 2009 | 21 | 1134 | 1854.7 | 37.227 |
| 2012 | 14 | 1191 | 1808.5 | 10.563 | |
| 2015 | 13 | 1118 | 1665 | 10.417 | |
| 2018 | 24 | 1036 | 1694.2 | 10.165 | |
| Pacientes hospitalizados × CMI | 2009 | 1160 | 10.274 | 14.134 | 67.721 |
| 2012 | 1578 | 11.103 | 14.330 | 61.821 | |
| 2015 | 1387 | 10.668 | 13.675 | 66.954 | |
| 2018 | 1460 | 9.178 | 13.136 | 65.009 | |
| Procedimientos quirúrgicos × CMI | 2009 | 1055 | 10.029 | 18.228 | 147.388 |
| 2012 | 1066 | 13.352 | 18.940 | 127.459 | |
| 2015 | 1146 | 12.180 | 18.907 | 149.792 | |
| 2018 | 1562 | 11.890 | 21.335 | 172.120 |
En cuanto a los recursos humanos incluidos en el análisis, la disminución más significativa se produjo entre 2012 y 2015: las medianas de médicos, enfermeros y demás personal disminuyeron un 7,8 %, un 7,7 % y un 4,8 %, respectivamente. Sin embargo, entre 2015 y 2018 se registró un ligero aumento en el número de médicos (2,6 %), debido a que los hospitales ubicados en regiones bajo la jurisdicción de los Planes Regionales (PR) pudieron contratar a más médicos para impulsar la mejora de las Autoridades Locales de Salud (ALS). En general, la estrategia de contención de costos llevó a los hospitales a modificar las características de su plantilla en términos de tamaño, edad promedio y funciones. De hecho, si bien se demostró que la reducción del personal sanitario contribuía a contener el gasto, el aumento de la edad promedio de la plantilla tendía a reducir los ahorros, ya que el personal de mayor edad se caracteriza por salarios más altos.
En cuanto al número de camas, la disminución más significativa se produjo entre 2015 y 2018 (−11,0%), tras una disminución del −6,6% en el trienio anterior. Estas disminuciones afectaron principalmente a los servicios de medicina interna y cirugía general , a ciertas especialidades médicas ( neurología , otorrinolaringología , oftalmología y dermatología ) y al número de camas para pacientes hospitalizados y ambulatorios (Aimone et al., 2018 ). Entre 2015 y 2018, se registró la mayor reducción en el número de pacientes hospitalizados y ambulatorios, con un −14,0% y un −7,3%, respectivamente. Por lo tanto, se puede concluir que la reducción en la asignación de camas disminuye la capacidad hospitalaria en términos del número de pacientes atendidos.
En la segunda etapa, incluimos una variable ordinaria que consideraba los períodos de tres años durante los cuales una región estuvo sujeta a un Plan Regional (PR). Esta variable tenía como objetivo medir el impacto de los PR en el desempeño hospitalario. Específicamente, nos ayudó a determinar si el efecto de los PR se ve influenciado por el tiempo que los hospitales han cumplido con sus directrices. Cuanto más tiempo esté una región sujeta a un PR, menos efectivas serán las medidas de austeridad. Además, se introdujo una variable dicotómica con valor 1 si se nombraba un comisionado en la región con un PR activo.
Incluimos dos variables de medidas de política hospitalaria: el cambio en el tamaño del hospital y la intensidad de capital. La variable «cambio en el tamaño del hospital» se midió considerando el promedio entre el cambio relativo en el número de camas y el cambio relativo en el personal total. La relación entre el número de camas y el número de médicos representó la intensidad de capital: esta variable se introdujo porque la proporción de capital y mano de obra suele ser determinada por los directivos hospitalarios (Karmann y Roesel, 2017 ).
El tipo de hospital se utilizó como variable dicotómica y reflejó la autonomía del director del hospital con respecto a la autoridad sanitaria local. El impacto del modelo organizativo regional se capturó mediante un conjunto de variables dicotómicas, según el modelo adoptado por la región. Se incluyó una variable de interacción entre los periodos de RP y el modelo centrado en la región para evaluar el efecto moderador (Dawson, 2014 ). En particular, se analizó si el impacto de las RP en el desempeño hospitalario dependía del modelo organizativo regional. Se omitió la variable de interacción entre el modelo de separación comprador-proveedor y los periodos de RP, dado que ninguna región con este modelo organizativo estuvo sujeta a RP.
Además, se controlaron factores regionales específicos, como la población y las normativas especiales. Se excluyeron variables de control, como el ingreso y el gasto en salud per cápita, debido a su alta correlación con las variables ficticias que identificaban las regiones con políticas regionales. La población residente de cada región se calculó como el promedio entre los períodos analizados. Se incluyó una variable binaria si la región tenía una normativa especial, ya que estas regiones se rigen por condiciones de autonomía específicas. Se incluyeron variables ficticias para los años como efectos fijos temporales. La Tabla 6 muestra las variables explicativas (regresores) seleccionadas que operacionalizan los argumentos presentados en las dos primeras secciones.Tabla 6. Regresores seleccionados en la segunda etapa
| Variable | Descripción |
|---|---|
| períodos RP | Número de períodos de tres años en los que la región estuvo sujeta a un RP |
| Notario | Variable ficticia; 1 si se nombró un comisionado en la región con un RP. |
| Cambio en el tamaño del hospital | Variación del tamaño del hospital en función de los principales factores (camas y médicos) |
| Intensidad de capital | Relación entre el número de camas y el número de médicos |
| Población | Población residente de la región |
| Estatuto especial | Variable ficticia; 1 si la región tenía una ley especial |
| Tipo de hospital | Variable ficticia; 1 para hospitales dependientes |
| efectos fijos temporales | Variable ficticia para los períodos 2009–2012, 2012–2015 y 2015–2018 |
| modelo de división comprador-proveedor | Variable ficticia; 1 si la región utilizó el modelo organizativo de separación comprador-proveedor |
| modelo centrado en la región | Variable ficticia; 1 si la región utilizó el modelo organizativo centrado en la región. |
| períodos RP × modelo centrado en la región | Interacción entre los períodos RP y el modelo centrado en la región |
5 resultados
5.1 Resultados de productividad hospitalaria
Comprobamos si se cumplía el supuesto de rendimientos constantes a escala para nuestra muestra utilizando la prueba propuesta por Simar y Wilson ( 2020 ). Al realizar la prueba para cada año, no pudimos rechazar la hipótesis nula de la tecnología de rendimientos constantes a escala, con valores p en el rango de 0,192–0,605 (el estadístico tau estuvo en el rango de 0,488–0,667).
En la figura 2 , se muestra el desempeño promedio de los hospitales, distinguiendo entre aquellos ubicados en regiones sujetas a medidas de reducción de costos y aquellos en regiones no sujetas a dichas medidas. Nuestros hallazgos resultan aparentemente contraintuitivos: se esperaba que la reducción en el número de camas, debido a las medidas de austeridad, condujera a un uso más eficiente de los recursos al disminuir el número de admisiones inapropiadas, convertir a los pacientes hospitalizados en ambulatorios cuando fuera posible debido a la menor complejidad de los casos y trasladar algunos servicios a centros de atención no hospitalaria más económicos (Aimone et al., 2018 ). Sin embargo, se observó una disminución en la productividad promedio durante los primeros períodos, con una falta de cambios sustanciales para el tercer período. Esto implica que mejorar la productividad requiere más que simplemente reducir los recursos físicos y humanos: los hospitales necesitan aprender a organizar y asignar los recursos disponibles de manera óptima y utilizar las tecnologías existentes. En cualquier caso, este proceso de aprendizaje requiere inversiones complementarias en conocimiento y capacitación; los responsables de la toma de decisiones deben ser capaces de distribuir los recursos equitativamente, y todo el personal sanitario debe poder utilizar las innovaciones y tecnologías en el hospital donde trabajan. Nuevamente, en los primeros periodos, el componente de cambio tecnológico fue, en promedio, inferior a 1, pero se observó una mejora en los periodos posteriores. Este resultado puede atribuirse a la presión constante sobre el sistema de salud impuesta por las diversas restricciones presupuestarias, que a largo plazo reducen la introducción de nuevas tecnologías costosas y limitan la visión de soluciones innovadoras de tecnologías de la información y la comunicación basadas en la computación en la nube y la salud móvil.
Los hospitales ubicados en regiones no pertenecientes al Programa Regional (PR) tuvieron, en promedio, una mayor productividad que aquellos ubicados en regiones del PR. De hecho, entre 2010 y 2014, los primeros obtuvieron mejores resultados, principalmente debido a una mejora en la eficiencia. Esto significa que los hospitales de estas regiones aprendieron a utilizar sus recursos de manera más eficiente y a aprovechar todas las herramientas innovadoras disponibles. En cuanto al cambio tecnológico en los hospitales ubicados en regiones no pertenecientes al PR, el resultado es inesperado: los hospitales que no están limitados por el gasto sanitario no deberían evitar la inversión en investigación y desarrollo y tecnología, ya que las técnicas innovadoras para la atención al paciente pueden marcar una diferencia considerable en el sector sanitario. Sin embargo, las organizaciones necesitan tiempo para adoptar las nuevas tecnologías y familiarizarse con los procesos innovadores (Liao et al., 2016 ).
5.2 Resultados de la regresión
La tabla 7 presenta los resultados de las regresiones. Las variables dependientes son la variación de la productividad y sus componentes: la variación de la eficiencia y la variación tecnológica. Además, se analizó la interacción entre la variable del modelo organizativo y la variable de los periodos de RP para determinar si sus efectos dependen de la duración de las medidas de austeridad más restrictivas.Tabla 7. Resultados de la segunda etapa: productividad de Malmquist (M), cambio de eficiencia (EFFCH) y cambio tecnológico (TECHCH).
| METRO | TECNOLOGÍA | EFFCH | ||||
|---|---|---|---|---|---|---|
| Predictores | Estimaciones | pag | Estimaciones | pag | Estimaciones | pag |
| (Interceptar) | 1.016 | <0,001 | 0.905 | <0,001 | 1.125 | <0,001 |
| Población | −5,39e−9 | 0,033 | 8,86e−10 | 0.492 | −7,42e−9 | 0,007 |
| Cambio en el tamaño del hospital | −0.287 | <0,001 | −0,03 | 0,048 | −0,276 | <0,001 |
| Intensidad de capital | 0,063 | <0,001 | 0,035 | <0,001 | 0,032 | 0,001 |
| períodos RP | −0,021 | 0,001 | −0,001 | 0.66 | −0,019 | 0,004 |
| Notario | 0,029 | 0,029 | 0,009 | 0.197 | 0,02 | 0.172 |
| Tipo de hospital | −0,022 | 0,013 | 0,004 | 0.322 | −0,027 | 0,005 |
| Estatuto especial | −0,015 | 0.22 | 0 | 0.982 | −0,017 | 0.204 |
| modelo de división comprador-proveedor | −0,004 | 0.838 | −0,038 | <0,001 | 0,044 | 0,049 |
| modelo centrado en la región | −0,035 | 0,023 | −0,01 | 0,195 | −0,028 | 0,097 |
| Modelo centrado en la región × períodos RP | 0,017 | 0,031 | 0,001 | 0.818 | 0,017 | 0,046 |
| efectos fijos temporales | Sí | Sí | Sí | |||
| Observaciones | 1349 | 1349 | 1349 | |||
| R 2 / R 2 ajustado | 0,115/0,106 | 0,194/0,186 | 0,102/0,093 | |||
- Nota : Los valores en negrita indican significación estadística al nivel del 5%.
Siguiendo el trabajo de Dawson ( 2014 ), representamos gráficamente los efectos de moderación en la Fig. 3 para facilitar su interpretación visual. Obtuvimos un resultado interesante respecto al efecto moderador del modelo organizativo (las variables modelo centrado en la ASL, modelo centrado en la región y modelo de separación comprador-proveedor) y los periodos de RP. Para los hospitales ubicados en las regiones que adoptaron el modelo centrado en la ASL, el impacto de los periodos de RP en el cambio de productividad y eficiencia fue negativo. En cambio, cuando las regiones adoptaron el modelo centrado en la región y contaron con RP activos durante un periodo más prolongado, se observó una disminución de la productividad menos pronunciada. Por lo tanto, se detectó un efecto condicional significativo. Este efecto marginal podría implicar que los hospitales tuvieron un mejor desempeño cuando se implementaron los RP y cuando la región era responsable de la gestión económica y financiera. En otras palabras, si el gobierno regional es consciente de las limitaciones en el gasto y la rotación de personal derivadas de los planes regionales y, al mismo tiempo, puede decidir cómo asignar, racionalizar y distribuir sus recursos humanos y financieros mediante un modelo centrado en la región, podrá supervisar mejor todas sus actividades y operar con mayor eficiencia. Por lo tanto, un sistema centralizado es preferible a nivel regional. Este resultado concuerda con la teoría de la contingencia , que predice que la relación entre las características y el desempeño de una organización depende de contingencias específicas (Donaldson, 2001 ; Franco-Santos et al., 2012 ). De hecho, como argumenta la teoría de la contingencia , ningún modelo de gestión estándar puede adaptarse a todas las regiones; cada una debe organizar sus objetivos económicos y financieros en función de sus contingencias específicas (circunstancias internas y externas).
Este resultado nos permite llegar a una conclusión adicional: el uso combinado de los RP y el modelo centrado en la región también puede ayudar a reducir el comportamiento oportunista de algunos consejos regionales que llevó al gobierno central a tomar medidas en 2007.
Se constató que la presencia de un comisionado tuvo un efecto positivo en la productividad y sus componentes. En las regiones sometidas a la intervención del comisionado que no alcanzaron los objetivos de los Planes Regionales implementados, fueron destituidos los directores generales, los directores médicos y los directores administrativos de todos los hospitales y autoridades sanitarias locales, así como del Ministerio de Salud en el ejecutivo regional. Estas graves consecuencias ejercieron una presión considerable sobre el consejo regional, que comprendió el alto riesgo que corría si no lograba los objetivos de los Planes Regionales.
Para cada tipo de modelo organizativo regional, cuanto mayor era el número de periodos de reestructuración regional (RR), mayor era el impacto negativo en el desempeño de los hospitales. Si bien se observó una disminución de la productividad, el efecto de la RR en la mejora de la eficiencia fue positivo (cambio de eficiencia >1; Fig. 3 , Panel b). Además, los directivos hospitalarios en regiones con un mayor número de periodos de RR estaban mejorando la organización de los servicios de salud, pero esta mejora no se reflejó en los resultados de productividad. El modelo de Lewin puede explicar este hallazgo; se utiliza cuando una organización se reestructura para mejorar su eficiencia y competitividad (Lewin, 1947 ; Armenakis y Bedeian, 1999 ). La RR representó un cambio significativo para los hospitales, que tuvieron que reorganizar sus recursos al tiempo que garantizaban la prestación de una atención adecuada (AAA). Según este modelo, el cambio debe planificarse y estructurarse y debe ocurrir en una secuencia de tres momentos: (i) cuando se reconoce la necesidad de cambio y se comparte con los involucrados, (ii) cuando el cambio se implementa en los procesos de la organización y (iii) cuando el cambio se consolida y es aceptado por la organización.
En el caso de los Programas Regionales (PR), la necesidad de cambio se identificó en 2007, cuando los déficits regionales eran elevados. La segunda fase está prácticamente concluida, ya que se observa un impacto positivo de las medidas de austeridad en la eficiencia. La tercera fase aún está pendiente. De hecho, el impacto de los PR en la productividad fue negativo, lo que indica que los cambios aún no han sido aceptados por todas las organizaciones hospitalarias ni se han integrado a su cultura. Sugerimos que los directivos hospitalarios organicen grupos de debate para que el personal sanitario comprenda y comparta las razones de las medidas de austeridad. Reducir el gasto sanitario fue una medida necesaria para garantizar la sostenibilidad del sistema en aquel momento.
Los hospitales dependientes tuvieron un desempeño relativamente peor en cuanto al cambio en productividad y eficiencia. Esto podría deberse a que estos hospitales reciben una cantidad fija de fondos de las autoridades sanitarias locales para proporcionar un número específico de servicios facturables, que no se puede aumentar, y los gerentes tienen una autonomía limitada en la toma de decisiones. Como resultado, a menudo se prestan más servicios de salud de los presupuestados sin financiación. En cambio, los hospitales independientes reciben financiación en función de los servicios que prestan mediante el sistema de grupos relacionados con el diagnóstico (GRD). Por lo tanto, incluso cuando se incentiva a los hospitales dependientes a aumentar la eficiencia manteniendo altos niveles de calidad, a menudo fracasan debido a los altos costos involucrados y al límite de gasto, problemas que se ven agravados por la introducción de los programas de referencia (PR).
El análisis de regresión demostró que la intensidad de capital influyó positivamente en la productividad, así como en el cambio tecnológico y de eficiencia. Esto significa que una disminución (aumento) en el número de médicos, manteniendo constante el número de camas, provoca una mejora (disminución) en la productividad y sus componentes. Esto también concuerda con el resultado relacionado con el cambio en el tamaño del hospital, que presenta un coeficiente negativo significativo. Los hallazgos asociados tanto a la intensidad de capital como al cambio en el tamaño del hospital se alinean con el propósito de los Planes Regionales (PR), ya que se exige a los administradores hospitalarios que amplíen los servicios de salud, como el número de altas y procedimientos quirúrgicos, con la misma cantidad de recursos (físicos y humanos). Dado que, en promedio, no ha habido un aumento en el número de médicos requerido por las medidas de los PR, las regiones han cumplido limitando la rotación de personal, lo que ha influido positivamente en la eficiencia hospitalaria.
Además, la disminución del número de médicos representa una posible pérdida de conocimientos, habilidades (en cuanto a la capacidad de utilizar técnicas avanzadas) y experiencias que los equipos multidisciplinarios pueden ofrecer. Por lo tanto, el efecto positivo de la intensidad de capital en el cambio tecnológico puede representarse mediante el intercambio efectivo de conocimientos y habilidades entre los médicos que trabajan en un mismo hospital. En otras palabras, los equipos médicos son multidisciplinarios, colaboran y crecen conjuntamente para ofrecer a los pacientes la mejor atención posible según sus necesidades. Este hallazgo es coherente con la teoría de la gestión del conocimiento , que describe un proceso deliberado de intercambio de conocimientos, habilidades y experiencia dentro de la organización. Los directivos hospitalarios deben seguir fomentando este intercambio, ya que puede ser fundamental para la supervivencia del paciente. Finalmente, nuestros resultados sugieren que es necesario un mecanismo de seguimiento de la reforma de políticas (Iliopoulos y De Witte, 2023 ). Un mecanismo para monitorear las tendencias de productividad hospitalaria podría ayudar a las regiones a evaluar el impacto de las medidas de austeridad a lo largo del tiempo.
6 Conclusiones
El sistema sanitario italiano está en constante evolución. En 2007, algunas regiones italianas alcanzaron un déficit muy elevado en el gasto sanitario, lo que obligó al gobierno central a tomar medidas. Los Planes Regionales (PR) fueron la respuesta del gobierno a los importantes déficits sanitarios en ciertas regiones. En este trabajo, analizamos la productividad de los hospitales italianos entre 2006 y 2018, tras la introducción de los PR. Además, investigamos la interacción entre los PR y el momento en que una región adopta un modelo organizativo específico. Empleamos un procedimiento en dos etapas: primero, calculamos la productividad utilizando el índice de Malmquist y resolvimos problemas de programación lineal con DEA; después, realizamos una regresión del índice de productividad y sus componentes sobre variables explicativas para captar los efectos de la introducción de las medidas de austeridad, los modelos organizativos regionales y las características específicas de cada hospital. Nuestros hallazgos indican que la mera introducción de restricciones presupuestarias no es suficiente para mejorar la productividad hospitalaria: el personal sanitario debe estar preparado para utilizar eficientemente todos los recursos y tecnologías disponibles. Como era de esperar, las restricciones presupuestarias impidieron la inversión en la introducción de tecnologías e innovaciones, si bien estas últimas también disminuyeron en las regiones que no contaban con programas de investigación activos. Este hallazgo resulta controvertido, ya que se espera que los hospitales no afectados por las restricciones presupuestarias continúen invirtiendo en herramientas innovadoras, reconociendo su papel crucial en la organización hospitalaria y la atención al paciente. Diversas herramientas innovadoras pueden respaldar los procesos de seguimiento de la atención médica y el intercambio de información entre los distintos actores involucrados en la experiencia del paciente.
Mediante análisis de regresión, se observó que la interacción entre el modelo centrado en la región y los periodos de RP generó un efecto condicional positivo en la productividad. Otro resultado significativo se relaciona con la variable de intensidad de capital: la reducción del número de médicos mejora la productividad y sus componentes. Esto se tradujo en que las regiones respetaran la restricción de rotación de personal, optimizando el uso de los recursos disponibles. El efecto positivo de esta variable en el cambio tecnológico sugiere que los médicos colaboraron, manteniendo un intercambio continuo de información y conocimientos para garantizar la atención más adecuada a los pacientes.
La principal limitación de nuestro estudio radica en que no hemos incluido en nuestro análisis información sobre los costos de la atención médica, como los gastos de médicos, enfermeros y demás personal hospitalario. Futuros estudios deberían investigar otros factores que, al integrarse con las medidas de austeridad, puedan mejorar la productividad y sus componentes.
