Oferta y demanda en la hospitalización pública y privada en España: ¿A más médicos, más enfermos?

En una entrada previa (aquí) vimos que aquellos países europeos con las tasas ajustadas por edad más bajas de hospitalización evitable en mayores de 15 años por el agregado de asma, EPOC, insuficiencia cardíaca congestiva y diabetes eran exactamente los mismos que tenían una menor tasa de hospitalización por cualquier motivo y una relativa baja tasa de camas (número de camas por 1000 h.) (España, Islandia, Italia, Portugal y Países Bajos). Por ello, para comparar entre países el indicador de hospitalización evitable conviene ajustar, además de por edad, también por la tasa de camas pues su relación positiva con la tasa de altas es muy elevada y estadísticamente significativa. En concreto, entre los países europeos de la OCDE, el número de altas hospitalarias (como proxit del número de ingresos) por 1000 habitantes se correlaciona intensa y positivamente con el número de camas por 1000 habitantes (r = 0,88; p < 0,001). ¿Ocurre algo similar en España al estudiar las diferencias entre Comunidades Autónomas (CCAA) en las tasas de hospitalización?

Objetivo

Comparar el ámbito hospitalario público y privado español por CCAA respecto de distintas variables de utilización (altas hospitalarias, estancias y estancias media), de recursos (camas hospitalarias, médicos hospitalarios) y socioeconómicas (PIB per cápita, porcentaje de población de 65 o más años) y determinar la relación entre algunas de estas variables, especialmente aquellas potencialmente explicativas del número de altas hospitalarias.

Fuente de datos

Los datos de médicos hospitalarios (vinculados y colaboradores), camas (en funcionamiento), altas, estancias y estancia media proceden de los datos del Sistema de Información de Atención Especializada (SIAE) ofrecidos por el Portal Estadístico del Ministerio de Sanidad (aquí). Proceden del INE los datos de población (población total y porcentaje de población de 65 o más años) (aquí). También del INE proceden los datos del PIB per cápita de cada CCAA (aquí). Todas estas variables se refieren al año 2017 y la unidad de análisis es la comunidad autónoma. Los datos de médicos, altas, camas y estancias por CCAA se obtienen del Portal Estadístico en número absolutos y se expresan en términos por 1000 habitantes atendiendo a la población ofrecida por el INE. El dato de estancia media se expresa en días y se obtiene directamente del Portal Estadístico. El PIB per cápita se expresa en euros y se obtiene directamente del INE. 

Resultados

La siguientes tablas recogen la distribución de las variables por CCAA y la matriz de correlaciones entre las variables.

ALTAS, MÉDICOS, CAMAS, ESTANCIAS Y ESTANCIA MEDIA

     Hospitales públicos                                                                  Hospitales privados

¿QUÉ OCURRE EN LAS COMUNIDADES MÁS RICAS?

     Hospitales públicos                                                                  Hospitales privados

¿QUÉ OCURRE EN LAS COMUNIDADES MÁS ENVEJECIDAS?

     Hospitales públicos                                                                  Hospitales privados

¿QUÉ RELACIÓN EXISTE ENTRE RIQUEZA y ENVEJECIMIENTO POBLACIONAL?

Resultados
Tanto en el ámbito hospitalario público (PUB) como en el privado (PRIV), la tasa de altas se correlaciona de forma muy clara y positiva con la tasa de médicos (r=0,83, PUB y r=0,89, PRIV) y la de camas (r=0,72, PUB y r=0,57, PRIV). La tasa de estancias muestra una correlación claramente positiva con la de altas (r=0,66, PUB y r=0,55, PRIV), con la de médicos (r=0,53, PUB y r=0,47, PRIV) y, sobre todo, con la de camas (r=0,97, PUB y r=0,98, PRIV). Finalmente, la estancia media se correlaciona de forma clara y positiva con la tasa de estancias (r=0,54, PUB y r=0,67, PRIV) y con la de camas (r=0,43, PUB y r=0,63, PRIV), pero débilmente negativa con la tasa de médicos (r=—0,23, PUB y r=—0,18, PRIV).

Tanto en el ámbito público como en el privado, la riqueza de las CCAA (PIB per cápita) se correlaciona positivamente de forma clara con la tasa de médicos hospitalarios (r=0,63, PUB y r=0,48, PRIV). La riqueza también se relaciona de forma positiva en ambos ámbitos, aunque menos intensamente, con la tasa de altas (r=0,45, PUB y r=0,31, PRIV), con la de estancias (r=0,26, PUB y r=0,28, PRIV) y con la de camas (r=0,17, PUB y r=0,27, PRIV). Sin embargo, la riqueza de las CCAA muestra una correlación muy débil, prácticamente nula, con la estancia media en ambos ámbitos (r=—0,14, PUB y r=0,06, PRIV).

El comportamiento similar visto hasta ahora tanto en el ámbito hospitalario público como en el privado se rompe cuando consideramos el envejecimiento poblacional de las CCAA. Así, el porcentaje de población de 65 o más años muestra, en el sector hospitalario público, una correlación claramente positiva con la tasa de médicos hospitalarios (r=0,57), con  la de altas (r=0,60), con la de camas (r=0,71) y con la de estancias (r=0,51). Sin embargo, en el ámbito privado estas correlaciones son todas ellas claramente negativas (r=—0,57; r=—0,31; r=—0,58 y r=—0,39, respectivamente). Igual que ocurría con la riqueza, la asociación del envejecimiento con la estancia media es muy débil, prácticamente nula en ambos ámbitos (r=—0,12, PUB y r=0,13, PRIV).

¿Qué relación existe entre riqueza y envejecimiento poblacional entre las CCAA? Ninguna, la correlación es muy débil, prácticamente nula (r=0,07), por lo que las correlaciones observadas entre la riqueza y las diferentes variables de utilización y dotación de recursos apenas se afectan por el envejecimiento y viceversa.

Los modelos de regresión lineal, uno para el sector hospitalario público y otro para el privado, con la introducción forzada de todas las variables potencialmente explicativas de la tasa de altas, muestran que la variable que más explica la tasa de altas es la tasa de médicos. Y lo hace de forma casi estadísticamente significativa en el modelo referido al sector hospitalario público (p=0,066) y claramente significativa (p=0,001) en el modelo referido al sector privado. La segunda variable más explicativa de la tasa de altas en ambos modelos (en ambos ámbitos, tanto en el público como en el privado) es la tasa de camas, aunque sin llegar a la significación estadística.

Conclusiones
Claramente las variables de oferta se correlacionan mucho más intensamente que las de demanda con la tasa de altas, tanto en el sector hospitalario público como en el privado.

En ambos sectores, la tasa de médicos hospitalarios es la variable que muestra una correlación más alta (positiva en ambos ámbitos) con la tasa de altas.

El resultado de las correlaciones lo viene a confirmar, para cada sector (público y privado), los dos modelos de regresión. En ambos, la variable que más predice la tasa altas es la tasa de médicos, casi estadísticamente significativa en el modelo del sector hospitalario público, y claramente significativa en el modelo del sector hospitalario privado.

La tasa de camas es la segunda variable más predictora de la tasa de altas, tanto en el sector hospitalario público como en el privado.


Comentarios
Llama la atención que el sector hospitalario público y el privado se comportan de manera similar en las correlaciones estudiadas salvo en aquellas relacionadas con el envejecimiento poblacional donde el comportamiento es contrario el uno del otro.

Especialmente llamativo es que el sector hospitalario público se comporte como el privado en relación con la riqueza de las CCAA. Algo que sorprenderá a muchos pero no a los lectores de este blog pues ya hemos visto en varias ocasiones, la última vez en esta entrada (aquí), que la tasa de médicos de atención especializada y el gasto per cápita en atención especializada crecen con la renta de las CCAA. Sin embargo, esto no ocurre ni con la tasa de médicos de atención primaria ni con el gasto per cápita en atención primaria que, incluso, muestran una correlación débilmente negativa con la riqueza de las CCAA.

La tercera consideración es que no se ha utilizado una muestra de hospitales, los datos proceden de todos los hospitales españoles. No se dan, por ello, intervalos de confianza de las variables pues no son “estimaciones” sino datos reales y, además, oficiales. Por ejemplo, la estancia media de los hospitales públicos es de 7,80 días y la de los hospitales privados es de 5,42 días. No hay estimación que valga, ni de los dos resultados ni de la diferencia entre ambos (2,38 días). Por cierto, esta diferencia da cuenta del distinto grado de complejidad de los ingresos en uno y otro ámbito.

Esta diferencia en la estancia media entre el hospital público y el privado es un resultado esperable pues, como vemos, la provisión privada hospitalaria “huye” de las CCAA más envejecidas. Es decir, tiende a evitar situarse en donde hay mayor prevalencia de enfermedad, mayor comorbilidad y complejidad en el enfermar.

Sin embargo, ambos sectores, el hospitalario público y el privado, están más presentes (más médicos hospitalarios, más camas) y ejercen mayor actividad (más altas, más estancias) en las Comunidades más ricas. ¿Hay justificación para ello? ¿Están más envejecidas las Comunidades más ricas? No. ¿Hay más enfermedad en las Comunidades más ricas pese a no estar más envejecidas? No sería de esperar, todo lo contrario: lo esperable es que haya menos enfermedad precisamente por ser más ricas. Entonces, ¿por qué hay más altas y, por tanto, más ingresos, en los hospitales públicos y privados en las Comunidades más ricas? ¿Hay más ingresos (tanto públicos como privados) en las Comunidades más ricas porque tienen más médicos hospitalarios (tanto públicos como privados)?

Antonio Sitges contesta en este vídeo (A más médicos, más enfermos). Aunque Sitges carga las tintas en el sector privado, ya vemos como el sector hospitalario público español tampoco escapa a esto.

En el próximo capítulo...
El resultado de las correlaciones que figuran en la primera parte de los resultados (ALTAS, MÉDICOS, CAMAS, ESTANCIAS Y ESTANCIA MEDIA) muestran, tanto en el sector hospitalario público como en el privado, que a más médicos se producen más altas, más ingresos, más estancias y menor estancia media (más médicos ⇒ más altas ⇒ más estancias ⇒ menor estancia media), un resultado que, junto con la evolución descendente tanto de la estancia media como del número de camas en los últimos años, motivará unas interesantes reflexiones en una próxima entrada (aquí).

Para suscribirte al blog, escribe tu dirección de correo en el siguiente recuadro:


Tras escribirla, clica en "Suscribirse". Recibirás enseguida en tu correo un mensaje de confirmación de FeedBuner. Si no aparece en la bandeja de entrada, mira en otras bandejas (spam, por ejemplo). Es imprescindible responder a dicho correo de confirmación para estar correctamente suscrito.