Skip to content
Voltar aos resultados

Eficiência Hospitalar com DEA

Proposto por
Abraham Charnes, William Cooper, Edward Rhodes
Ano
1978
Tipo
Non-parametric frontier estimation technique
Família
Efficiency measurement, Operations management

Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês

Tamanho da fonte

O que ele faz?

A Análise Envoltória de Dados (DEA) é uma técnica de programação linear para medir a eficiência relativa de múltiplos hospitais usando múltiplas entradas e saídas.

Introduzida por Charnes, Cooper e Rhodes em 1978, a DEA tornou-se o método padrão para comparar o desempenho hospitalar em sistemas de saúde em todo o mundo.

A intuição por trás do método

A DEA funciona identificando os hospitais mais eficientes (aqueles na fronteira de eficiência) e comparando outros com eles. Em vez de assumir uma função de produção predeterminada, a DEA permite que os próprios dados definam o que significa eficiência. Cada hospital é tratado como uma unidade tomadora de decisão (DMU), e o método constrói um benchmark virtual a partir de combinações dos hospitais com melhor desempenho. Um hospital é 100% eficiente se nenhuma combinação de outros hospitais usar menos entradas para produzir as mesmas saídas.

História

A DEA foi desenvolvida por Charnes, Cooper e Rhodes na Universidade do Texas em 1978, baseando-se no conceito de eficiência técnica de Farrell. O modelo CCR (Charnes-Cooper-Rhodes) assume retornos constantes de escala. Em 1984, Banker, Charnes e Cooper introduziram o modelo BCC, permitindo retornos variáveis de escala, adaptando a DEA para hospitais menores e aqueles operando em diferentes escalas. Desde a década de 1990, a DEA tem sido extensivamente aplicada a sistemas de saúde nos Estados Unidos, Europa e Ásia.

Quando usar

Use a DEA ao comparar o desempenho de múltiplos hospitais com processos de produção complexos envolvendo muitas entradas e saídas. É particularmente útil quando as métricas financeiras tradicionais não capturam a complexidade total das operações de saúde. A DEA assume que hospitais com características semelhantes devem ser comparados a pares semelhantes, e que a eficiência pode ser medida sem uma forma funcional predeterminada. Evite a DEA se o tamanho da amostra for muito pequeno (menos de 3 × (número de entradas + saídas)), se variáveis categóricas dominarem, ou se a homogeneidade da unidade não puder ser garantida.

Limitações e considerações

  • Os resultados são sensíveis à inclusão ou exclusão de variáveis; a escolha errada de variáveis pode distorcer os rankings
  • Não considera a variação aleatória ou o erro de medição
  • Requer um tamanho de amostra relativamente grande (tipicamente pelo menos 10 vezes a soma das entradas e saídas)
  • Assume homogeneidade entre as unidades; tipos de hospitais mistos podem levar a escores de eficiência enganosos

As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.

Pontos fortes

  • Lida com múltiplas entradas e saídas sem exigir pesos predefinidos
  • Abordagem não paramétrica não assume uma forma funcional particular para a função de produção
  • Identifica hospitais pares específicos e fornece metas de melhoria acionáveis
  • Robusto a outliers em comparação com métodos baseados em regressão
  • Amplamente aceito em contextos de política de saúde e melhoria da qualidade

Aplicações

  • Comparar a eficiência entre redes hospitalares para identificar os de baixo desempenho e as melhores práticas
  • Apoiar decisões de alocação de recursos, identificando quais hospitais requerem financiamento adicional ou reestruturação
  • Comparar hospitais universitários com hospitais comunitários para considerar as diferenças na missão e complexidade do paciente
  • Avaliar o impacto de fusões e consolidações na eficiência hospitalar, comparando os escores DEA pré e pós-fusão
  • Medir a eficácia de iniciativas de melhoria da qualidade, acompanhando as mudanças de eficiência ao longo do tempo

Como funciona

Como funciona

1

Coletar dados de entrada e saída para todos os hospitais. As entradas típicas incluem número de funcionários, número de leitos, custos operacionais e equipamentos. As saídas incluem altas de pacientes, dias de internação, consultas ambulatoriais e casos de emergência tratados.

2

Limpar os dados, remover outliers, verificar a consistência, padronizar as unidades e garantir que todas as variáveis estejam em escalas apropriadas. Confirmar que não existem valores negativos e que as classificações hospitalares são consistentes.

3

Identificar o conjunto de referência (hospitais eficientes) e agrupar os hospitais por tipo, se necessário (atenção primária, hospitais universitários, etc.), para garantir comparações justas.

4

Formular e resolver problemas de programação linear para cada hospital, seja na orientação CCR (retornos constantes de escala) ou BCC (retornos variáveis de escala), calculando escores de eficiência de 0 a 1.

5

Interpretar os resultados, identificar pares (hospitais de referência), analisar as fontes de ineficiência, desenvolver metas de melhoria e comunicar as descobertas à gestão hospitalar.

Erros comuns

  • Escolher muitas entradas ou saídas infla os escores de eficiência (maldição da dimensionalidade)
  • Interpretar mal os escores de eficiência como medidas absolutas de qualidade, em vez de uma comparação relativa entre pares
  • Não considerar fatores externos (gravidade do mix de casos de pacientes, geografia, restrições de política) que afetam as entradas e saídas

Perguntas frequentes

Qual a diferença entre os modelos CCR e BCC?

O modelo CCR assume retornos constantes de escala (dobrar as entradas dobra as saídas), enquanto o modelo BCC permite retornos variáveis de escala e é mais apropriado para hospitais de diferentes tamanhos. Use o BCC ao comparar hospitais operando em escalas substancialmente diferentes.

Quantas variáveis devo incluir na minha análise?

A regra geral é ter pelo menos 10 a 20 observações para cada combinação de entrada-saída. Muitas variáveis inflam os escores de eficiência; poucas podem perder dimensões importantes de desempenho. Comece com medidas centrais e valide os resultados por meio de análise de sensibilidade.

A DEA pode considerar as diferenças no mix de casos de pacientes?

A DEA em si não ajusta diretamente para o mix de casos, mas você pode incorporar saídas ponderadas pelo mix de casos (por exemplo, altas de pacientes ajustadas ao risco) ou estratificar os hospitais por tipo para garantir uma comparação justa de instituições semelhantes.

O que significa um escore de eficiência de 0.85?

Um escore de eficiência de 0.85 significa que o hospital está usando 15% mais entradas do que o necessário para produzir seu nível atual de saídas em comparação com os pares mais eficientes. Ele poderia potencialmente reduzir as entradas em 15% mantendo o mesmo nível de saída.

Como identifico quais hospitais são os benchmarks?

A DEA identifica automaticamente o conjunto de referência ou grupo de pares para cada hospital ineficiente. Estes são os hospitais eficientes (aqueles na fronteira) cuja combinação de entradas e saídas mais se assemelha ao hospital ineficiente.

Métodos relacionados

Fontes

  1. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429–444.

    Abrir referência DOI
    Copiado.
  2. Bannick, R. R., & Ozcan, Y. A. (2008). Efficiency evaluation of long-term care facilities. Health Care Management Science, 11(2), 81–91.

    Abrir referência da publicação
    Copiado.
  3. Ozcan, Y. A. (2014). Health Care Management: A Quantitative Approach (4th ed.). John Wiley & Sons.

    Abrir referência da publicação
    Copiado.