Análisis de la utilización de servicios sanitarios no hospitalarios en Canarias: consumen más nuestros mayores?

Transcripción

1 Máster Unverstaro en Economía de la Salud y Gestón Santara 1 Análss de la utlzacón de servcos santaros no hosptalaros en Canaras: consumen más nuestros mayores? Alumnos:

2 Máster Unverstaro en Economía de la Salud y Gestón Santara 2

3 Máster Unverstaro en Economía de la Salud y Gestón Santara Modelos para la demanda de cudados santaros. El número de vstas, que es la varable dependente a explcar a través de los factores descrtos anterormente, es un varable de recuento o count data. Así se denomnan todos aquellos datos que son recogdos al contar el número de veces que ocurre un suceso en un ntervalo determnado. Por ello, la prncpal característca de este tpo de datos es que solamente pueden tomar valores enteros no negatvos. Los modelos de regresón estándar, como el modelo de regresón lneal, no son adecuados para datos de recuento ya que presentan defcencas consderables al gnorar las partculardades descrtas de la varable dependente, excepto para el caso en que la meda de esta varable fuese elevada, que no es el nuestro (Cameron y Trved, 1998). Por tanto, se necestan modelos alternatvos que tengan en cuenta dcha naturaleza dscreta de la varable y el hecho de que sólo tome valores enteros postvos, s queremos recoger adecuadamente la conducta del fenómeno objeto de estudo, es decr, el comportamento de la utlzacón de los servcos santaros meddo a través del número de vstas.

4 Máster Unverstaro en Economía de la Salud y Gestón Santara 4 Los modelos utlzados mayortaramente en el análss de este tpo de datos se denomnan modelos de regresón para datos de recuento, los cuales, en el ámbto santaro, han sdo usados de forma extensva a la hora de modelzar la demanda de estos servcos. Esto es así porque, en general, es más fácl dsponer de nformacón sobre el uso de los servcos santaros que sobre el gasto que los msmos generan (Cameron y Trved, 1998). Habtualmente, el punto de partda de estos modelos alternatvos al estándar es el denomnado modelo de regresón de Posson. La rgdez de sus supuestos sobre la dstrbucón de la varable genera seras dfcultades a la hora de lograr un buen ajuste con los datos observados. Por ello, pese a ser un modelo amplamente utlzado en los estudos con datos de recuento, suele ser abandonado en favor de otros modelos más generales. Esta búsqueda de flexbldad ha dado lugar a la construccón de modelos que son varantes del modelo de regresón de Posson, pero que recogen además otras característcas que a menudo están presentes en los datos de recuento, como son la sobredspersón, el exceso de ceros o la exstenca de

5 Máster Unverstaro en Economía de la Salud y Gestón Santara 5 grandes colas a la derecha, las cuales se consderan mplcacones de la heterogenedad no observada (Mullahy, 1997). A contnuacón presentamos, brevemente, la defncón, característcas y sgnfcado de los modelos que hemos utlzado en este trabajo. En prmer lugar, vamos a descrbr el modelo de Posson por ser éste el modelo que srve de base para justfcar las dferentes alternatvas que proponemos y que, de hecho, son varantes del msmo. En segundo lugar, descrbmos el modelo Bnomal Negatvo que supone una mejora respecto al modelo de Posson al permtr la posbldad de que meda y varanza condconadas sean dstntas. Para dar una solucón al problema que plantean el exceso de ceros en los datos recogdos en la encuesta, analzaremos en tercer y cuarto lugar el modelo en dos partes (Hurdle) y el ZIP respectvamente. Fnalmente, comentaremos la posbldad de utlzar un modelo Tobt. El modelo de regresón de Posson es un modelo no lneal donde el parámetro λ del proceso de Posson depende de un conjunto de varables explcatvas. Este modelo trata de explcar el número de veces que ocurre un suceso para un conjunto de ndvduos ( = 1,...,N) en un ntervalo de tempo, como funcón de un conjunto de varables. Específcamente, se

6 Máster Unverstaro en Economía de la Salud y Gestón Santara 6 supone que la dstrbucón condconada de Y es Posson de parámetro λ, sendo la especfcacón estándar de este modelo la dada por: λ y λ ( = y / x ) = y = 0,1, 2,... P Y e y! [ y / x ] exp( x β ) λ = E = donde Y es la varable a explcar, β es un vector de parámetros y x es el vector que recoge el conjunto de factores explcatvos. La formulacón exponencal del parámetro λ garantza la naturaleza postva de la meda de la varable dependente. Como se ha señalado, algunos de los supuestos del modelo de Posson son muy rígdos lo que mpde representar adecuadamente certos fenómenos. Concretamente, uno de estos supuestos es el de equdspersón, es decr, el que postula la gualdad de la meda y la varanza condconadas. Este supuesto dfíclmente se cumple en muchos casos, ya que mplca que para este modelo la únca fuente de dferencas entre los ndvduos se atrbuye a los dstntos valores de las varables explcatvas, cuando en realdad pudera ser por otros motvos. Estas dferencas normalmente se tratan de recoger ntroducendo un térmno de heterogenedad en el modelo. En este sentdo, el problema de la heterogenedad no medda surge cuando las

7 Máster Unverstaro en Economía de la Salud y Gestón Santara 7 dferencas de comportamento entre ndvduos no pueden ser adecuadamente capturadas por el conjunto de varables explcatvas de la funcón meda condconal del modelo. Una de sus consecuencas más mportantes es la sobredspersón (Hausman y otros, 1984), (Cameron y Trved, 1986). Habtualmente, esta heterogenedad no observada se recoge ntroducendo un térmno de error multplcatvo en la meda condconal del modelo de regresón de Posson, dando lugar, así, a los modelos de Posson mxtos o compuestos, donde x β ε [ y / x v ] = λ v e e * λ = E, = El térmno de heterogenedad no observada, v, normalmente, se supone que se dstrbuyen déntca e ndependentemente con una dstrbucón paramétrca conocda y son ndependentes del conjunto de varables explcatvas. Tambén suele suponerse que su meda es la undad y su varanza 2 σ v. Uno de estos modelos es el Bnomal Negatvo (BN). Su representacón como modelo de Posson compuesto se consgue bajo el supuesto de que el térmno de heterogenedad no observada, v, se

8 Máster Unverstaro en Economía de la Salud y Gestón Santara 8 dstrbuye como gamma ( ( ) δ,δ 2 Γ ) con σ = 1/ δ α, parámetro de dspersón, v lo que conduce a la dstrbucón de probabldad bnomal negatva P(Y 1 Γ( α + y ) 1 ( ) Γ( y + 1) α 1 1 = α λ y / x) = 1 1 Γ α α + λ α y + λ con meda y varanza de la forma, E [ y / x ] [ / x ] = λ (1 + α λ ) V y Sguendo a Cameron y Trved (1986) la consderacón de : = λ α 1 = x' ( e ) k 1 β θ con θ postvo y k una constante arbtrara, permte obtener un amplo rango de relacones meda-varanza V x β x β 2 k 2 k [ y / x ] = λ (1 + α λ ) = e + θ ( e ) = E[ y / x ] + θ E[ y / x ] que, a su vez, permte hablar de dstntos modelos Bnomal Negatvo, en nuestro caso, sólo se utlzará el BN donde k=0. Para pasar a comentar el resto de modelos utlzados, hemos de señalar que uno de los prncpales problemas que ha motvado las dos sguentes varantes del modelo de Posson, Hurdle Model o modelo en dos partes y Zero Inflated Posson Model (ZIP), es la mayor proporcón de ceros que

9 Máster Unverstaro en Economía de la Salud y Gestón Santara 9 aparecen en los datos utlzados respecto a lo que podría esperarse desde los supuestos dstrbuconales del modelo estándar para datos de recuento. El Hurdle Model o modelo en dos partes permte establecer una dferenca sstemátca en el proceso estadístco que gobernan las observacones cero y aquéllas que suceden una o más veces. Para ello se combna un modelo bnaro dstnguendo entre valores cero y postvos, y un modelo truncado para los valores mayores que cero. El prmer tratamento econométrco de este modelo fue propuesto por Mullahy (1986). Este modelo ha servdo, en las aplcacones empleadas para explcar la utlzacón de servcos santaros, como punto de partda metodológco en el análss empírco. La prmera parte del modelo, como hemos menconado, es un modelo bnaro que descrbe la dstncón entre usuaros y no usuaros de los servcos, o lo que es lo msmo s un ndvduo ha usado los servcos o no en el últmo mes. La segunda parte del modelo recoge la dstrbucón de la frecuenca de uso del servco condconada al hecho de haberlo usado al menos una vez.

10 Máster Unverstaro en Economía de la Salud y Gestón Santara 10 La utlzacón del modelo en dos partes a la hora de explcar el uso de los cudados médcos está parcalmente orgnada por la gran cantdad de ceros (o no usuaros) que aparecen en la encuesta, de hecho en nuestro caso la presenca de ceros era superor al 60%. Sn embargo, tambén este modelo es usado, en el contexto de la economía de la salud, por su conexón con el modelo de agente-prncpal que goberna el comportamento del médco, donde el médco o agente determna la utlzacón de los servcos santaros en benefco del pacente, el prncpal, una vez que el contacto ha sdo realzado. (Véase entre otros en Pohlmeer y Ulrch (1995), Gerdtham (1997) y Deb y Trved (2002)). En nuestro caso, hemos utlzado para la prmera parte del modelo o decsón de contacto, donde el pacente es el que decde el acudr o no al médco, una especfcacón Logt Bnomal y, para la segunda parte o decsón de frecuenca, es decr, en la que esencalmente es el médco el que determna la ntensdad del tratamento, hemos consderado dos opcones: un modelo de Posson Truncado y un modelo Bnomal Negatvo Truncado. El modelo de Posson con exceso de ceros (Zero Inflated Posson Model) supone otra alternatva para modelzar la abundanca de ceros. Este modelo

11 Máster Unverstaro en Economía de la Salud y Gestón Santara 11 fue formulado por Lambert (1992) y supone que el resultado cero puede haber sdo generado por dos stuacones dstntas. Por un lado, exste una probabldad determnada de observar el resultado cero y, por otro, una probabldad complementara a la anteror, de que el valor observado proceda de una dstrbucón de Posson donde podría obtenerse un cero u otro resultado. Para modelzar la probabldad de estar en una stuacón y otra, Lambert (1992) y Greene (1994) proponen utlzar, entre otros, los modelos logt y probt bnomales. En nuestro caso, hemos probado con este modelo encontrando, al gual que ocurre en Gerdthan (1997), problemas de convergenca en el proceso de estmacón de los parámetros. Por ello, los resultados obtendos mostrados en el apartado sguente deben ser observados con certa cautela. Por últmo, en alguna ocasón se ha propuesto utlzar un modelo censurado, modelo Tobt, para representar el número de vstas médcas, este es el caso del trabajo de Chernchovsky y Markowtz (2001). Sn embargo, sguendo a Greene (2000), este modelo puede ser vsto como una aproxmacón en este tpo de datos, ya que, la varable dependente, como ya se ha menconado, son datos de recuento y no una varable contnua. En

12 Máster Unverstaro en Economía de la Salud y Gestón Santara 12 este sentdo, los modelos anterormente descrtos serían preferbles para el contexto en el que nos encontramos. En cualquer caso, en el apartado de resultados se ncluyen las estmacones de los modelos Tobt para los dstntos escenaros estudados Resultados. En este apartado se presentan y dscuten los resultados obtendos a partr de la estmacón de los parámetros de los dferentes modelos descrtos en el apartado anteror. Como ya se ha menconado en varas ocasones, la varable dependente en nuestros modelos es el número de consultas realzadas en el últmo mes, a la que denomnaremos NVIS, que muestra la característca de ser una varable entera no negatva y que cae en la clase del tpo de datos de recuento. En la Tabla 4.1 se presentan las dstrbucones de frecuencas de dcha varable para las dos muestras que manejaremos, la de todos los ndvduos, con N=1983 y la de mayores de 15 años, con N=1642. Como puede observarse, en ambas dstrbucones, la varanza es aproxmadamente tres veces mayor que la meda sugrendo a pror que el modelo de regresón de Posson estándar

13 Máster Unverstaro en Economía de la Salud y Gestón Santara 13 quzás no sea muy apropado frente a las otras alternatvas. Por otra parte, más del 60% de los ndvduos no realzaron nnguna vsta en el últmo mes, mostrando así la presenca de una proporcón mportante de ceros en la dstrbucón, lo que, como ya se comentó en el apartado anteror, dfíclmente puede ser recogdo por el modelo estándar. Tabla 4.1. Dstrbucón de Frecuencas del Número de Consultas N=1983 N=1642 NVIS Frecuenca % Frecuenca % Meda Varanza Puede observarse que cuando se utlza el servco, la mayor proporcón se da en una vsta. Aunque este hecho podría venr provocado por el perodo temporal a que está referdo en la encuesta, un mes, en otros trabajos para perodos más largos de tempo tambén se da la proporcón mayor en el caso de una vsta, pero en estos estudos dsmnuyen los valores nulos.

14 Máster Unverstaro en Economía de la Salud y Gestón Santara 14 El vector de varables explcatvas, representado en el apartado anteror por x, contene, a parte de un térmno constante, el conjunto de varables bnaras que recogen las dferentes categorías de los factores consderados, las cuales hacen referenca a estados de salud, hábtos de vda y factores socodemográfcos. Por otra parte, las categorías de referenca de cada factor, se corresponden con las omtdas en cada uno de los modelos y pueden observarse en las tablas de resultados de las estmacones; por ejemplo, en el caso de la edad, la categoría de referencas es de 45 a 64 años, varables ED4. Aún así estas categorías se menconarán en cada caso cuando comentemos nuestros resultados. Dado que el aspecto central en nuestro trabajo es estudar la posble relacón entre la utlzacón de los servcos santaros y la edad, presentamos a contnuacón la meda de vstas para los dstntos estratos de edad, consderando el conjunto de las observacones para mayores de qunce años y la meda condconada a haber realzado al menos una vsta. Asmsmo nclumos la partcpacón en cada estrato de edad de los ndvduos que han utlzado los servcos. Tabla 4.2. Meda de vstas y partcpacón por grupos de edad

15 Máster Unverstaro en Economía de la Salud y Gestón Santara Meda Meda condconada Partcpacón (%) Número Total Como puede observarse, para el conjunto de los ndvduos, el promedo de vstas crece a medda que nos movemos haca estratos de mayor edad, sn embargo, no ocurre exactamente lo msmo para los que han partcpado utlzando algún servco santaro, ya que en este caso, aunque los valores son muy smlares, se aprecan lgeras caídas en los estratos de 45 a 64 y 65 a 74. De nuevo, la tasa de partcpacón crece con la edad ndcando que la mayor proporcón de ndvduos que utlzan los servcos son los de mayor edad. Polhmeer y Ulrch (1995), consderan que, como les ocurre en su trabajo, s exstese una relacón no monótona entre la partcpacón y la edad, podría ser ndcatvo de certa evdenca de que el proceso subyacente para la decsón de contacto es dstnto que para la decsón de frecuenca. Sn embargo, lo que ocurre en nuestro caso es que esas dferencas se dan en la meda condconada, no sendo éstas sgnfcatvas. Aunque podría ser un ndcador de este hecho, consderamos que es muy arresgado afrmarlo desde nuestros resultados.

16 Máster Unverstaro en Economía de la Salud y Gestón Santara 16 De cualquer forma, los modelos que manejamos tratan de medr los efectos sobre el número medo de vstas, apuntándonos este análss prevo, que en conjuncón con otras varables, quzás la edad no tenga un efecto mportante. Lo que sí es evdente es el crecente porcentaje de partcpacón en los grupos de mayor edad, hecho que undo al envejecmento de la poblacón nos permte nferr grosso modo un crecmento del gasto. De forma general, los parámetros en los modelos de Posson pueden ser nterpretados drectamente como semelastcdades, esto es, el cambo proporconal en la meda condconal ante un cambo untaro en la varable explcatva correspondente. Sn embargo, en nuestro caso todas las varables explcatvas son bnaras y esta nterpretacón supondría una buena aproxmacón para valores pequeños de los parámetros, en otro caso ésta se mde a través de la exponencal del parámetro menos uno. De forma alternatva, la exponencal de cada uno de los parámetros puede nterpretarse como el número de veces en que la meda condconada es más grande, al pasar de la categoría de referenca a cualquera de las categorías de cada uno de los factores.

17 Máster Unverstaro en Economía de la Salud y Gestón Santara 17 Las estmacones de los parámetros de todos los modelos han sdo obtendas por el método de la máxma verosmltud, empleando para ello el paquete ecomométrco LIMDEP 7.0, cuyas rutnas están programadas para todos los modelos que hemos utlzado. Los resultados obtendos para los dferentes modelos se muestran en las tablas 4.4 a 4.7. Hemos consderado dos muestras dferentes, por un lado, la muestra total de ndvduos, N=1983, y, por otro, una submuestra de ésta en la que úncamente están los ndvduos mayores de 15 de años. Asmsmo, para cada una de ellas, se ha consderado una categorzacón dferente del colectvo de personas mayores, agrupándose las dos últmas categorías, ED5 y ED6, y dando lugar a una únca que recoge a los mayores de 65 años en al varable ED65, estos resultado se recogen en tablas 4.5 y 4.6. En todas ellas se presentan las estmacones de los parámetros de los dstntos modelos, junto al p-value, el valor de la log-verosmltud (lnl) y el crtero de nformacón de Akake corregdo (CAIC). La seleccón entre los dstntos modelos alternatvos planteados se ha llevado a cabo utlzando contrastes de especfcacón de Razón de Verosmltud (RV). Con estos test se enfrentan las versones restrngdas y

18 Máster Unverstaro en Economía de la Salud y Gestón Santara 18 no restrngdas de los modelos, a través de la comparacón de las logverosmltudes. De forma general, el estadístco de RV, para contrastar q restrccones vene dado por, RV q = -2 (lnl R -lnl NR ), que bajo la hpótess nula sgue una dstrbucón asntótca 2 χ q y donde lnl R y lnl NR, representan las log-verosmltudes de los modelos restrngdos y no restrngdos, respectvamente. Los resultados obtendos de los estadístcos de RV se presentan en la tabla sguente. Tabla 4.3. Estadístco de Razón de Verosmltud. Toda la muestra (N=1983) > 15 años (N=1642) Posson / BN Posson / Posson en dos partes BN / BN en dos partes Posson en dos partes / BN en dos partes Tobt / Posson en dos partes Tobt / BN en dos partes Nota: El modelo restrngdo aparece sempre en prmer lugar. Cuando se compara el modelo de Posson con el BN, ya sea es su versón estándar o en la de los modelos en dos partes, el estadístco de RV sgue una dstrbucón 2 χ 1, ya que se trata de verfcar la presenca o no de sobredspersón, lo que supone un parámetro adconal en el BN. Esto puede llevarse a cabo tambén, contrastando la sgnfcacón ndvdual del parámetro α de sobredspersón, cuyo resultado se presenta en las tablas de

19 Máster Unverstaro en Economía de la Salud y Gestón Santara 19 las estmacones. En todos los casos el parámetro es postvo y sgnfcatvo, ndcando la presenca de sobredspersón en los datos y por tanto el rechazo del modelo de Posson frente al BN, resultado déntco que se 2 alcanza medante el test de RV ( χ = 3.84). 1,0.95 Para el resto de las comparacones, el estadístco de contraste sgue una dstrbucón χ 2 27, en todos los casos el modelo restrngdo es rechazado 2 ( χ = 40.11). Por tanto, medante estos contrastes el modelo más 27,0.95 apropado para descrbr el comportamento de NVIS sería el BN en dos partes. Al msmo resultado se llega s se utlza el CIAC. Asmsmo, no se aprecan varacones en relacón a las conclusones de los contrastes cuando se utlza la reagrupacón menconada para la edad. Por otra parte, se han ncludo a modo lustratvo los resultados obtendos con el modelo ZIP ya que, como djmos en el apartado anteror, presentó problemas de convergenca. De la msma forma que en Gerdthan (1997), las estmacones de los parámetros de este modelo y su sgnfcacón son smlares a las del modelo BN.

20 Máster Unverstaro en Economía de la Salud y Gestón Santara 20 Como hemos vsto el modelo selecconado de entre todos los planteados es el BN en dos partes, sn embargo, a la hora de nterpretar los resultados obtendos para las estmacones de los parámetros, vamos a consderar tambén su versón restrngda, es decr, el BN. Esto es así porque a la hora de nterpretar NVIS, ambos modelos nos dan vsones dferentes no estando nnguno de ellos exentos de crítcas. Por otra parte, sólo comentaremos estos modelos aplcados sobre la muestra de 1642 ndvduos (tabla 4.4), ya que apenas exste dferenca en los efectos que las varables ejercen sobre la demanda de servcos santaros. Pasamos ahora a comentar los resultados más destacados para el modelo BN y el orden que seguremos al analzar las varables será, en prmer lugar, las referdas a la salud, posterormente, las relaconadas con los hábtos de vda, y, por últmo, las varables socodemográfcas, donde está el aspecto clave de nuestro trabajo, la edad. Además, estos resultados se compararán, cuando sea pertnente, con los obtendos en otros trabajos recentes y en algunos casos se matzan con las estmacones de los modelos para los dstntos grupos de edad, las cuales no se han ncludo en este estudo.

21 Máster Unverstaro en Economía de la Salud y Gestón Santara 21 En cuanto a los factores referdos a la salud, estado de salud autopercbdo y presenca de enfermedades cróncas, como cabía esperar, se observa una nfluenca sgnfcatva sobre el NVIS. Es mportante resaltar el hecho de que en la lteratura sobre este tema exsten dferencas en cuanto a la nclusón de las varables género y edad dentro de este grupo de factores que caracterzan la salud de los ndvduos, con el fn de recoger la medcón mperfecta de morbldad, Gerdtham (1997); respecto a otros trabajos en que son consderadas varables socodemográfcas, Abasolo et al (2001), como es nuestro caso. Específcamente, vemos que en la poblacón canara aquellas personas con una percepcón excelente o muy buena de su estado de salud, acuden a los servcos santaros dos veces menos que aquéllos que se autodefnen con salud buena o regular. La magntud de este efecto, pero con sgno contraro, se da para el caso de los consderados con salud mala o muy mala. Por otra parte, la presenca de enfermedades cróncas tene una nfluenca postva en su relacón con NVIS, hacendo que las personas que las padecen acudan aproxmadamente un 39% más que los que no las tenen. Estos resultados son consstentes con otros trabajos que analzan la utlzacón se servcos

22 Máster Unverstaro en Economía de la Salud y Gestón Santara 22 santaros como son los casos de Pohlmeer y Ulrch (1995), Deb y Trved (1997), Gerdtham (1997) y Abasolo et al. (2001), entre otros. En las estmacones por grupos de edad hemos obtendo que para la autopercepcón de estado salud excelente o muy bueno, crece el efecto sobre NVIS a medda que aumenta la edad. En cambo, el mayor efecto sobre NVIS entre los que se autodefnen con salud mala o muy mala es el del prmer estrato de edad, de 15 a 29 años; para el resto de tramos de edad, la magntud del efecto es crecente, pero no alcanza el peso del prmer grupo. En cuanto a las enfermedades cróncas, se observó que aunque el efecto contnuó sendo postvo, la magntud del msmo dsmnuía con la edad, no sendo la croncdad sgnfcatva para el tramo mayor de 65 años. Este últmo aspecto tambén fue un resultado en el estudo de Chernchovsky y Markowtz (2001), los cuales argumentan que es un hecho que confrma las predccones del modelo de Grossman, apuntando además que un cambo en los perfles de morbldad en los grupos de edad mayores dsmnuye la demanda de atencón santara relaconada con la enfermedad. En cuanto a los estlos de vda, consumo de tabaco, alcohol y actvdad físca, se observa que los dos prmeros factores no parecen tener nfluenca

23 Máster Unverstaro en Economía de la Salud y Gestón Santara 23 alguna sobre el mayor o menor número de vstas. En cambo, la actvdad físca sí tene un efecto sgnfcatvo, donde los que la realzan con una frecuenca meda acuden un 28% menos que los que la realzan con alta frecuenca, y, en cambo, respecto a ésta últma categoría, los que no hacen nngún tpo de ejercco físco demandan un 29% más de salud. Este efecto relatvamente menor en los que desarrollan una actvdad físca meda respecto a los de una alta actvdad físca, puede explcarse porque, en estos últmos, hay una mayor necesdad de control sobre su estado físco, además de una mayor exposcón a lesones. Por últmo, veamos la relacón entre NVIS y los factores socodemográfcos de género, stuacón famlar, nvel educatvo, ngresos y edad. Se observa que las mujeres demandan aproxmadamente un 46% más de salud que los hombres. S ben en muchos trabajos se obtenen resultados paralelos a éste, convene matzar que la mayor propensón en la utlzacón de los servcos no se mantene para todos los estratos de edad, donde se observa que en el tramo de 15 a 29 años y en el de mayores de 65 años no hay dferencas sgnfcatvas entre hombres y mujeres, a la hora de

24 Máster Unverstaro en Economía de la Salud y Gestón Santara 24 demandar servcos santaros, acorde con algunos de los resultados de Chernchovsky y Markowtz (2001). En cuanto a la stuacón famlar, las personas casadas utlzan los servcos santaros en aproxmadamente un 29% más que los solteros, no encontrándose dferencas sgnfcatvas entre éstos y el resto de categorías. Por otra parte, en la educacón, el únco nvel que muestra un efecto sgnfcatvo y postvo sobre NVIS es el de estudos unverstaros, los cuales acuden a los servcos santaros aproxmadamente dos veces más que los ndvduos de otros nveles de estudo. Los ngresos, no tenen efecto sgnfcatvo sobre el número de consultas. En cuanto a estos dos factores, no parece haber unanmdad en la evdenca empírca encontrada, dándose nterpretacones dversas a los resultados obtendos. Por últmo, convene destacar que s ben el únco estrato que muestra alguna dferenca, aunque no sgnfcatva, sobre los demás es el de mayores de 74 años, cuando se agrupan los dos últmos estratos, su sgnfcacón baja de forma mportante. Este resultado parece estar de acuerdo con lo que

25 Máster Unverstaro en Economía de la Salud y Gestón Santara 25 apuntamos, cuando hcmos referenca a nvel descrptvo a las medas del número de vstas por grupos de edad, tabla 4.2. Además hemos ntentado alguna especfcacón alternatva para este factor, como la de nclur los valores de la edad y su cuadrado, como se sugere habtualmente, no encontrándose, en nngún caso que estas varables fueran determnantes para explcar el comportamento del número de vstas. Tambén, y dada la mportanca de este factor en nuestro trabajo, probamos a elmnar del modelos las varables de salud, por su posble correlacón con la edad, no encontrándose que los cambos obtendos nos llevaran a obtener, en nngún caso resultados sgnfcatvos. Hasta ahora hemos presentado los resultados relatvos al modelo BN estándar, que aunque puede capturar apropadamente la heterogenedad no observada y en alguna ocasón el exceso de ceros, quzá el modelo ZIP o alguna de sus varantes pudera ser más apropado por ser específco para este últmo problema. Además como plantean Pohlmeer y Ulrch (1995) el que se gnore que el proceso de decsón se realza en dos partes puede conducr a obtener estmacones nconsstentes y una errónea nterpretacón de las msma.

26 Máster Unverstaro en Economía de la Salud y Gestón Santara 26 En cuanto al modelo BN en dos partes, debemos de recordar que el exceso de ceros era uno de los motvos de su utlzacón, pero tambén es su relacón con el modelo de agente prncpal lo que ha motvado su uso en la modelzacón de la utlzacón de cudados médcos. Por ello, pasamos a comentar los resultados más relevantes de cada una de las partes del modelo, decsón de contacto y de frecuenca, sguendo el msmo orden que para el modelo anteror. En lo que respecta a la decsón de contacto, recogda a través de las estmacones del modelo logt bnomal se observa que los factores de salud muestran un efecto sgnfcatvo sobre la probabldad de utlzar los servcos santaros, sendo el de mayor magntud el de autopercepcón del estado de salud excelente y muy bueno, ES1. Este conjunto de varables son las que mayor peso tenen en esta parte del modelo. Además, s se observan los resultados de las estmacones por grupos de edad, la magntud del efecto sobre la probabldad de contacto aumenta con la edad, obtenéndose el mayor mpacto, tanto de ES1 como de ES2, en los grupos de mayor edad. En cuanto a las enfermedades cróncas, en general, el mpacto dsmnuye con la edad, no sendo sgnfcatvo para el últmo grupo.

27 Máster Unverstaro en Economía de la Salud y Gestón Santara 27 De las varables de hábtos de vda, la únca que muestra un efecto sgnfcatvo en la decsón de contacto es la correspondente a la frecuenca meda de actvdad físca, que presenta sgno negatvo. No sendo sgnfcatvo, n el consumo de tabaco y alcohol, y no exstendo dferencas sgnfcatvas sobre la probabldad de contacto entre los grupos de alta frecuenca de actvdad y baja. En lo referente a los factores socodemográfcos, las mujeres muestran un efecto postvo y sgnfcatvo sobre la decsón de contacto, al gual que la stuacón famlar de casado. Nuevamente, el resultado respecto al género es consstente con el de otros trabajos donde se utlza el modelo en dos partes, sn embargo, estas dferencas en el género respecto a la decsón de contacto desaparecen en el grupo de más de 65 años, sendo negatvo el sgno de S2. Los ngresos y el nvel de educacón no parecen tener efecto en esta etapa, sendo el más destacable el nvel de estudos unverstaros, aunque no es estadístcamente sgnfcatvo. Como ya menconamos para el BN, la evdenca consultada para esta parte del modelo en relacón al efecto de estos factores, no presenta unanmdad.

28 Máster Unverstaro en Economía de la Salud y Gestón Santara 28 En cuanto a la edad, se observan efectos negatvos para los dos prmeros estratos y postvos para los dos últmos, sn embargo es el estrato de 30 a 44 años, el únco sgnfcatvo. En este caso, tambén la evdenca empírca muestra resultados ambguos. En el trabajo de Pohlmeer y Ulrch (1995) se obtene una relacón convexa y sgnfcatva. Sn embargo, Gerdtham (1997) encuentra que los coefcentes de la edad son generalmente negatvos, y no sempre sgnfcatvos, además, el estrato de edad más alto tene un efecto negatvo y no sgnfcatvo en la decsón. Por últmo, Abasolo et al (2001), en su trabajo sobre equdad en la utlzacón y acceso a los servcos de atencón prmara, encuentran que contraramente a lo esperado, la edad no tene un mpacto sgnfcatvo en la utlzacón, tanto para hombres como para mujeres. Este resultado le permte conclur que, s los ndcadores de salud recogen completamente la necesdad podría hablarse de la exstenca de equdad ntergeneraconal. En relacón a la segunda etapa, decsón de frecuenca, y para los factores de salud, úncamente se observa un efecto relevante para el ES2, dejando de ser sgnfcatvos respecto a la decsón de contacto, la percepcón de salud excelente y muy buena, y la presenca de enfermedades cróncas en

29 Máster Unverstaro en Economía de la Salud y Gestón Santara 29 los ndvduos. Esto es así, en general, cuando se realzan las estmacones por grupos de edad, sn embargo, esto resultados deben tomarse con cautela, dada la reduccón que se produce en las muestras en la estmacón del modelo trucado. Este resultado no se mantene en las evdencas encontradas por Pohlmeer y Ulrch (1995) y Gerdtham (1997), donde las varables de salud son sgnfcatvas en las dos partes del modelo. Excepto la varable que recoge la baja actvdad físca de los ndvduos, que muestra un efecto postvo en la frecuenca de contacto, nngún otro factor de estlos de vda es relevante. Para los factores socodemográfcos, y como ocurría en la prmera etapa la pertenenca al estrato de 30 a 44 años muestra un efecto negatvo en la frecuenca de vstas, dejando de ser sgnfcatvos en la segunda etapa el resto factores. Concretamente, no se encuentran dferencas de género en la decsón de frecuenca de utlzacón de los servcos santaros, pese a que en la etapa de decsón de contacto era muy sgnfcatva. Esta afrmacón se mantene cuando se dvde la muestra por grupos de edad. El resultado obtendo dfere del obtendo por Gerdtham (1997), concdendo con el de Pohlmeer y Ulrch (1995).

30 Máster Unverstaro en Economía de la Salud y Gestón Santara 30 En cuanto a la educacón y el ngreso los resultados en esta etapa son smlares a los obtendos por los autores menconados anterormente. Por últmo, para Gerdtham (1997) el tramo de edad más alto muestra un efecto negatvo y sgnfcatvo en la frecuenca de contacto, en tanto que, Pohlmeer y Ulrch (1995), para el modelo completo, la edad no resultaba sgnfcatva, sn embargo, tras una reparametrzacón del msmo, obtene una relacón lneal postva y sgnfcatva. Como ya ndcamos al comenzo de los comentaros sobre los resultados, el modelo en dos partes, al gual que el BN, tampoco está exento de crítcas. Específcamente, y entre otros problemas, puede ocurrr que para el perodo de tempo consderado en nuestro caso un mes, la prmera vsta esté erróneamente clasfcada como decsón de contacto. Deb y Trved (2002) apuntan que a menos que se consdere que la ncacón del prmer epsodo de cudados para el perodo de tempo fjado tenga característcas especales (relatvos al nco de subsguentes epsodos) el atractvo del modelo en dos partes, en prncpo, dsmnurá. Por otra parte, Pohlmeer y Ulrch (1995) apuntan que la reduccón del tamaño muestral en la estmacón

31 Máster Unverstaro en Economía de la Salud y Gestón Santara 31 de la segunda etapa puede ser mportante sobre la precsón de las estmacones obtendas. Asmsmo, las varables dsponbles pueden permtr una descrpcón satsfactora de la decsón de contacto, sn embargo, otros posbles determnantes mportantes sobre la decsón de frecuenca, que están relaconados con la oferta, no están representados o sólo pueden ser obtendos de forma aproxmada.

32 Máster Unverstaro en Economía de la Salud y Gestón Santara 32 Tabla 4.4. Resultados de las Estmacones para toda la muestra (N=1983) Modelos en Dos Partes Posson BN Tobt Logt P- Truncado BN-Truncado ZIP Varables Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Constante S ED ED ED ED ED SF SF SF E E E E E I I I I ES ES CR CTAB CTAB CBEB EF EF α (Sobdsp) Ln L CAIC

33 Máster Unverstaro en Economía de la Salud y Gestón Santara 33 Tabla 4.5. Resultados de las Estmacones para los mayores de 15 años (N=1642) Modelos en Dos Partes Posson BN Tobt Logt P- Truncado BN-Truncado ZIP Varables Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Constante S ED ED ED ED SF SF SF E E E E I I I I ES ES CR CTAB CTAB CBEB EF EF α (Sobdsp) Ln L CAIC

34 Máster Unverstaro en Economía de la Salud y Gestón Santara 34 Tabla 4.6. Resultados de las Estmacones para toda la muestra (N=1983), con ED65 (+65 años) Modelos en Dos Partes Posson BN Tobt Logt P- Truncado BN-Truncado ZIP Varables Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Constante S ED ED ED ED SF SF SF E E E E E I I I I ES ES CR CTAB CTAB CBEB EF EF α (Sobdsp) Ln L CAIC

35 Máster Unverstaro en Economía de la Salud y Gestón Santara 35 Tabla 4.7. Resultados de las Estmacones para los mayores de 15 años (N=1642), con ED65 (+65 años) Modelos en Dos Partes Posson BN Tobt Logt P- Truncado BN-Truncado ZIP Varables Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Coef. p-value Constante S ED ED ED SF SF SF E E E E I I I I ES ES CR CTAB CTAB CBEB EF EF α (Sobdsp) Ln L CAIC

36 Máster Unverstaro en Economía de la Salud y Gestón Santara 36

37 Máster Unverstaro en Economía de la Salud y Gestón Santara 37 BIBLIOGRAFÍA. Abasolo, I. et al (2001) Equty n Utlzaton of and access to publc-sector Gos n Span. Appled Economcs, 33, Alonso, J. y Herce, J.A. (1998) El Gasto Santaro en España: Evolucón Recente y Perspectvas de Futuro. Documento de Trabajo FEDEA. Barros, P.P. (1998) The Black Box of Health Care Expendture Growth Determnants. Health Economcs, 7, Cameron, A.C. y Trved, P.K. (1986) Econometrc Models Based on Count Data: Comparsons and Applcatons of Some Estmators. Journal of Appled Econometrcs, 1, Cameron, A.C. y Trved, P.K. (1998) Regresson Analyss of Count Data. Cambrdge Unversty Press. Casado Marín, D. (2000) Los efectos del envejecmento demográfco sobre el gasto santaro: Mtos y Realdades. Gaceta Santara 2000; 15 (2): Casado Marín, D., Gullem López Casasnovas (2001) Vejez, dependenca y cudados de larga duracón. Stuacón actual y perspectvas de futuro. Coleccón Estudos Socales, Num. 6. Fundacón La Caxa. Cutler, D.M. y Meara, E. (1997) The Medcal Cost of the Young and Old: A Forty Year Perspectve. NBER Workng Paper 6114.

38 Máster Unverstaro en Economía de la Salud y Gestón Santara 38 Chernchovsky, D. y Markowtz, S. (2001) Toward a Framework for Improvng Health Care Fnancng for an Agng Populaton: The Case of Israel. NBER Workng Paper Corda Borunda, P.J. (2001) Crss Demográfca en España. Documento de Trabajo nº 10. Fundacón SYS. Deb, P. y Trved, P.K. (1997) Demand for Medcal Care by the Elderly: A Fnte Mxture Approach. Journal of Appled Econometrcs, 12, Deb, P. y Trved, P.K. (2002) The Structure of Demand for Health Care: Latent Class versus Two-Part Models. Journal of Health Economcs, 21, Fernández Cordón, J.A. (1998) Proyeccón de la Poblacón Española. Documento de Trabajo FEDEA. Fuchs, V. (2001) The Fnancal Problems of the Elderly: A Holstc approach. NBER Workng Paper 8236 Gerdtham, U. el al (1992) An Econometrc Analyss of Health Care Expendture: A Cross-secton Study of the OECD Countres. Journal of Health Economcs, 11, Gerdtham, U. (1997) Equty n Health Care Utlzaton: Further Test Based on Hurdle Models and Swedsh Mcro Data. Health Economcs, 6,

39 Máster Unverstaro en Economía de la Salud y Gestón Santara 39 Getzen, T.E. (1992) Populaton Agng and the Growth of Health Expendture. Journal of Gerontology Socal Scences, 47, Getzen, T.E. (2001) Agng and Health Care Expendture: Comment on Zwefel, Felder and Meers. Health Economcs, 10, Greene, W. (1994) Accountng for Excess Zeros and Samole Selecton n Posson and Negatve Bnomal Regresson Models. Workng Paper EC New York Unversty. Greene, W. (2000) Econometrcs Analyss. Prentce Hall. Grossman, M. (1972) The Demand for Health- A Theoretcal and Emprcal Investgaton. Columba Unversty Press. Hausman, J.A., Hall, B.H. y Grlches, Z. (1984) Econometrc Models for Count Data wth an Applcaton to the Patents-R and D Relatonshp. Econometrca, 52, IMSERSO (2000) Las Personas Mayores en España. Informe Mnstero de Trabajo y Asuntos Socales. Korna, J. y McHale, J. (1999a) Is Post-Communst Health Spendng Unusual? A Comparson wth Establshed Market Economcs Manuscrto no Publcado. Korna, J. y McHale, J. (1999b) Income, Technology or Demografhcs? An Accountng for Trends n Internatonal Health Spendng. Manuscrto no Publcado.

40 Máster Unverstaro en Economía de la Salud y Gestón Santara 40 Lambert, D. (1992) Zero-Inflated Posson Regresson wth an Applcaton to Defects n Manufacturng. Technometrcs, 34, Mullahy, J. (1986) Specfcaton and Testng of Some Modfed Count Data Models Journal of Econometrcs, 33, Mullahy, J. (1997) Heterogenety, Excess Zeros and the Structure of Count Data Models. Journal of Appled Econometrcs, 12, Newhouse, J.P. (1992) Medcal Care Costs: How much Welfare loss?. Journal of Economc Perspectves, 6, OMS (2002) Salud y Envejecmento. Un Documento para el Debate. Versón Prelmnar. O Connell, J. (1996) The Relatonshp Between Health Expendture and the Age Structures of the Populaton n OECD Countres. Health Economcs, 5, O Nell, C. el al (2000) Age and Proxmty to Death as Predctors of GP Care Cost: Results from a Study of Nursng Home Patents. Health Economcs, 9, Pérez Hernández, D.G. (1999) La Atencón a las Personas Mayores en Canaras Dónde estamos y haca dónde vamos?. Revsta Española de Gedatría y Gerontología, Vol 34, 1,

41 Máster Unverstaro en Economía de la Salud y Gestón Santara 41 Pohlmeer, W. y Ulrch, V. (1995) An Econometrc Model of the Two-Part Decsonmakng Process n the Demand for Health Care. Journal of Human Resources, 30, Salas, C. y Raftery, J.P. (2001) Econometrc Issues n Testng the Age Neutralty of Health Care Expendture". Health Economcs, 10, Wnkelmann, R. y Zmmermann, K.F. (1991) A New Approach for Modelng Economc Count Data. Economcs Letters, 37, Zwefel, P., Felder, S. y Meers, M. (1999) Agng of Populaton and Health Care Expendture: A Red Herrng?. Health Economcs, 8, Zwefel, P., Felder, S. y Meers, M. (2001) Reply to: Econometrc Issues n Testng the Age Neutralty of Health Care Expendture". Health Economcs, 10,