IME - AZ EGÉSZSÉGÜGYI VEZETŐK SZAKLAPJA

Tudományos folyóirat

   +36-30/459-9353       ime@nullimeonline.hu

   +36-30/459-9353

   ime@nullimeonline.hu

A hazai kórházak hatékonyságának elemzése a Data Envelopment Analysis (DEA) módszerének alkalmazásával

  • Cikk címe: A hazai kórházak hatékonyságának elemzése a Data Envelopment Analysis (DEA) módszerének alkalmazásával
  • Szerzők: Dr. Dózsa Csaba, Ecseki Adrienn
  • Intézmények: Miskolci Egyetem, Med-Econ Humán Szolgáltató Kft., Med-Econ Kft.
  • Évfolyam: X. évfolyam
  • Lapszám: 2011. / Különszám
  • Hónap: Különszám
  • Oldal: 22-29
  • Terjedelem: 8
  • Rovat: EGÉSZSÉG-GAZDASÁGTAN
  • Alrovat: MÓDSZERTAN
  • Különszám: X./Egészség-gazdaságtani különszám

Absztrakt:

Nemzetközi viszonylatban egyre több tanulmány készül az egészségügyi intézmények, és azon belül a kórházszektor technikai hatékonyságának tudományos statisztikai módszerekkel történő mérésére, melyre előszeretettel használják a nem paraméteres Data Envelopment Analysis módszert. Az elemzésünk célja annak a kérdésnek a megválaszolása, hogy mekkora és milyen jellegű erőforrásokból milyen eredményeket, outputot és outcome-ot érnek el a hazai kórházak. Tanulmányunkban az OEP 2004-2008. évi idősoros kapacitás és teljesítmény adatainak felhasználásával azt vizsgáljuk meg, hogy térben és időben a technikai hatékonyságban milyen különbségek vannak az egyes kórházcsoportok között. Az eredmények azt mutatják, hogy jelentős, 25-30%-os hatékonyság különbségek találhatók a hasonló feltételek között és hasonló profillal dolgozó intézmények között.

Angol absztrakt:

In international context more and more countries develop a national standard for measuring operational efficiency of health care providers, – including hospitals – by scientific statistical methods. The widely applied statistical method is the non-parametric Data Envelopment Analysis. The aim of our study is to compare hospitals according to their resource utilization (what type and extent) compared to the outcome and output they provide. In this article we analyse the technical efficiency differences between hospital groups in time and in rural/capital context on the base of longitudinal capacity and performance data of the National Health Insurance Fund between 2004 and 2008. The early results show that there is a significant (25-30%) efficiency difference between hospitals with similar service profile and working in the same environment.

Cikk Író(k) Státusz
Beköszöntő Dr. Dózsa Csaba
A finanszírozói kockázatkezelés jövője a gyógyszertámogatásban Dr. Bacskai Miklós, Dr. Komáromi Tamás, Dr. Nagy Bence
Kiadáscsökkentő gyógyszerár-szabályozói eszközök nemzetközi vizsgálata Dr. Komáromi Tamás, Ligeti Imre, Püspöki Mihály, Dr. Harmos Andrea
A generikus penetráció ösztönzésének Dr. Dankó Dávid, Dr. Molnár Márk Péter, Katona Lajos, Szabó Márta, Nádudvari Nóra
A hazai kórházak hatékonyságának elemzése a Data Envelopment Analysis (DEA) módszerének alkalmazásával Dr. Dózsa Csaba, Ecseki Adrienn
Az előre meghatározott alapdíjjal finanszírozott teljesítmény (EMAFT) hatása a Pécsi Tudományegyetem Klinikai Központ finanszírozására Dr. Bódis József, Prof. Dr. Boncz Imre, Prof. Dr. Kollár Lajos, Zemplényi Antal, Dr. Vas Gábor, Dr. Ágoston István, Dr. Endrei Dóra
Költséghatékonyság és/vagy költséghasznosság? Egészség-gazdaságtani elemzések eredményeinek értelmezése a magyarországi döntéshozatalban Borsi András , Nagy Z. Bence, Papp Eszter, Vincziczki Áron, Dr. Vittay Pál
A hallókészülékek technológia-értékelésének néhány elméleti és gyakorlati problémája Goreczky Péter, Szabó Gergely
Az interneten elérhető minőségügyi információk szerepe a betegtájékoztatásban. Tanulságok a minőségi indikátorrendszer eddigi működése alapján Kiss Norbert, Gémes Katalin, Kriston Vízi Gábor
A gyógyszer-kiskereskedelem helyzetének néhány aspektusa Dr. Szalay Annamária

Szerző Intézmény
Szerző: Dr. Dózsa Csaba Intézmény: Miskolci Egyetem, Med-Econ Humán Szolgáltató Kft.
Szerző: Ecseki Adrienn Intézmény: Med-Econ Kft.

[1] Farrell, M. J. (1957): The measurement of productive e_ ciency, Journal of The Royal Statistical Society, series A, 120, 253-2 81.
[2] Charnes, A., Cooper, W. W. and Rhodes, E. L. (1978): Measuring the efficiency of decision making units, European Journal of Operational Research, 2(6), 429-44.
[3] Banker R, Charnes A, Cooper W. (1984): Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis, Management Science 30:1078-92.
[4] Banker R. (1984): Estimating the most productive scale size using Data Envelopment Analysis, European Journal of Operational Research 7:34-44.
[5] Linna, M., Hakkinen, U., Magnussen, J. (2006): Comparing Hospital Cost Efficiency Between Norway and Finland, Health Policy, 77, 268-278.
[6] Dózsa Csaba (2011): A kórházak stratégiai válaszai a változó környezetre – Magyarországon a 2000-es években – Doktori disszertáció.
[7] Dózsa Csaba, Ecseki Adrienn, Lipták Mária, Mihalicza Péter (2010): A kórházak technikai hatékonyságának elemzése és technikai alkalmazása, Eski füzetek [8] Ferrier, G. D., Rosko, M. D., Valdmanis, V. G. (2006): Analysis of Uncompensated Hospital Care Using a DEA Model of Output Congestion, Health Care Management Science, 9, 181-188.
[9] Kórházak Évkönyve. OEP kiadvány 2004.
[10] Kórházi Almanach 2006. Kórházszövetség kiadványa.
[11] OEP Statisztikai Évkönyv, 1999, 2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008.
[12] Prior, D. (1996): Technical Efficiency and Scope Economies in Hospitals, Applied Economics, 28, 1295-1301.
[13] Prior, D., Sol , M. (2000): Technical Efficiency and Economies of Diversification in Health Care, Health Care Management Science, 3, 299-307.

EGÉSZSÉG-GAZDASÁGTAN MÓDSZERTAN A hazai kórházak hatékonyságának elemzése a Data Envelopment Analysis (DEA) módszerének alkalmazásával Dózsa Csaba, Ecseki Adrienn, Corvinus Egyetem, Med-Econ Kft. Nemzetközi viszonylatban egyre több tanulmány készül az egészségügyi intézmények, és azon belül a kórházszektor technikai hatékonyságának tudományos statisztikai módszerekkel történő mérésére, melyre előszeretettel használják a nem paraméteres Data Envelopment Analysis módszert. Az elemzésünk célja annak a kérdésnek a megválaszolása, hogy mekkora és milyen jellegű erőforrásokból milyen eredményeket, outputot és outcome-ot érnek el a hazai kórházak. Tanulmányunkban az OEP 2004-2008. évi idősoros kapacitás és teljesítmény adatainak felhasználásával azt vizsgáljuk meg, hogy térben és időben a technikai hatékonyságban milyen különbségek vannak az egyes kórházcsoportok között. Az eredmények azt mutatják, hogy jelentős, 25-30%-os hatékonyság különbségek találhatók a hasonló feltételek között és hasonló profillal dolgozó intézmények között. In international context more and more countries develop a national standard for measuring operational efficiency of health care providers, – including hospitals – by scientific statistical methods. The widely applied statistical method is the non-parametric Data Envelopment Analysis. The aim of our study is to compare hospitals according to their resource utilization (what type and extent) compared to the outcome and output they provide. In this article we analyse the technical efficiency differences between hospital groups in time and in rural/capital context on the base of longitudinal capacity and performance data of the National Health Insurance Fund between 2004 and 2008. The early results show that there is a significant (25-30%) efficiency difference between hospitals with similar service profile and working in the same environment. A DATA ENVELOPMENT ANALYSIS (DEA) ELEMZÉSI MÓDSZER ELMÉLETE Az elmúlt években több országban került kidolgozásra nemzeti szintű keretrendszer a termelés hatékonyságának mérésére (input- és output-változók képzése, egészségüggyel kapcsolatos különböző outcome-ok, betegelégedettség, termelési adatok közzététele). Jelen elemzés alapját a technikai hatékonyság és ennek mérése képezi. Egy adott szervezet abban az esetben tekinthető technikailag hatékonynak, ha az adott outputszintet az inputok minimalizálása mellett állítja elő vagy éppen ellenkezőleg, a rendelkezésre álló inputok felhasználásával a maximális outputszintet éri el. 22 A hatékonyság mérésére leginkább alkalmazott módszerek a DEA (data envelopment analysis), valamint az SFA (stohastic frontier analysis). A két módszer közötti alapvető különbség a hatékonysági határvonal (best practice frontier) kialakításának technikája. Az SFA a hatékonysági határvonalat lineáris regressziós egyenlet alapján becsli, ezzel ellentétben a DEA-módszer lineáris programozási feladat alapján számolja a hatékonysági értékeket, valamint a hatékonysági határvonalat. A DEA előnye éppen a nem paraméteres jellegéből ered, hiszen nem alapfeltétel (ellenben az SFA-val) a termelési függvény ismerete. A kórházak esetében a feltárható hatékonysági különbségeket a Data Envelopment Analysis (DEA) módszerével elemeztük [1, 2]. Magyarországon ezen módszeren alapuló elemzés az egészségügyi intézmények hatékonyságára vonatkozóan tudomásunk szerint még nem készült. Egy adott intézmény hatékonyságának mérésére a legegyszerűbben képezhető mutató az output és az input hányadosa. Mivel a termelést általában egynél több input, valamint output jellemzi, így a DEA módszere minden döntéshozó egység (DMU) esetében az eredeti inputok („elméleti input”), illetve az outputok lineáris kombinációját („elméleti output”) állítja elő, melyek hányadosának maximalizálása a cél. Az elemzés során egymáshoz viszonyítjuk az egyes döntéshozó egységek hatékonysági értékeit. A legjobb hatékonysággal termelő döntéshozó, az ún. „egység”, mely hatékonyságának értéke 1 (100%). Az eljárás ezen, legjobb hatékonyságú döntéshozó egységek adatai alapján kalkulál egy hatékonysági („best practice”) határt, majd %-os arányban adja meg a gyengébben működő intézmények hatékonysági tartalékait. A módszer kétségkívül legnagyobb előnye, hogy a kapott eredmények alapján lehetőség nyílik a kórházak között egy úgynevezett hatékonysági sorrend felállítására. Az 1. ábra 2 output és 1 inputváltozó esetében szemlélteti a DEA módszer működési elvét. Az A, B, C, D pontok hatékony (a határvonal mentén) termelést jeleznek, míg az E és F pontok által reprezentált egységek hatékonysága javítható az adott egyenesek mentén. Az elemzés céljától függően elméletileg két esetet különböztetünk meg [2]. Ha azt vizsgáljuk, hogy az adott outputszintet mennyivel kevesebb input felhasználásával lehetne létrehozni (inputok minimalizálása adott outputszint mellett), akkor input-orientált, ha pedig azt, hogy az adott mennyiségű inputból mennyivel több output előállítására lenne lehetőség (outputok maximalizálása adott inputszint mellett), akkor output-orientált modellről beszélünk. IME X. ÉVFOLYAM EGÉSZSÉG-GAZDASÁGTANI KÜLÖNSZÁM 2011. JANUÁR EGÉSZSÉG-GAZDASÁGTAN MÓDSZERTAN 1. ábra DEA módszere 2 output- és 1 input-változó esetében Forrás: Prior, 1996 Emellett megkülönböztetjük a skála-érzéketlen, CRS(constant return to scale) [2], illetve a skála-érzékeny, VRS(variable return to scale) modellt [3, 4]. A különbség a két modell között, hogy a CRS-modell az erőforrások azonos beépülési rátáját feltételezi, vagyis ugyanolyan hatékonynak tekinti azon egységeket, melyek 1 db input felhasználásával 1 db outputot állítanak elő, mint amelyek 2 db inputból 2 db outputot (output/input arány változatlan). Ezzel ellentétben a VRS-modell változó beépülési rátát feltételez, melynek következtében tehát az input/output hányados változik a különböző méretkategóriákban (2. ábra). ség. Vizsgáltuk, hogy más országok vonatkozásában felállított modellek hazai környezetben mennyiben tekinthetők relevánsnak, értjük ezalatt az adatok fellelhetőségét, valamint a működési hátteret, struktúrát. A nemzetközi szakirodalomban feltárt változók többsége a hazai központi statisztikában nem áll rendelkezésre, ezeket csak egyedi intézményi adatgyűjtéssel lehetne biztosítani (pl. intézményenkénti orvos- és szakdolgozói létszámok, felhasznált anyagok, implantátumok, eszközök mennyisége, teljes működési költség). Más országok rendszeresen karbantartott gép-műszer regiszterével szemben Magyarországon részlegesen állnak rendelkezésre információk a technológiai ellátottságról, a nagy értékű diagnosztikai és terápiás eszközökről. A feldolgozott szakirodalmi példák alapján elmondható, hogy a DEA alapú hatékonysági elemzések nem öncélú hatékonyság vizsgálatok, hiszen a legfőbb cél nem annak megállapítása, hogy egy adott időszakban és adott paraméterek mellett mekkora a hatékonysági különbség az egyes kórházak között, hanem ezt minden esetben valamilyen kontextusba helyezik, például: • egy finanszírozási intézkedés hatására javult-e általában az intézmények hatékonysága vagy sem? • Van-e különbség a különböző tulajdonú, fenntartójú intézmények hatékonyságában aszerint, hogy állami-önkormányzati, for-profit magán, egyházi, vagy nonprofit intézményekről van-e szó? • Vidéki, természetes monopóliumként működő kórházak vagy versenyző környezetben működő kórházak hatékonyságát vizsgáljuk-e? Fontos megjegyezni továbbá, hogy ezen elemzések esetében közvetlen összehasonlításra nincs lehetőség, hiszen a hatékonysági érték más típusú kórházak esetében más-más output- és inputváltozók felhasználásával került kiszámításra. Összehasonlítás csak direkt módon lehetséges, országok között pedig csak abban az esetben, ha a két ország egészségügyi struktúrája nem sokban különbözik egymástól. Ilyen elemzést végeztek el pl. Finnország és Norvégia esetében (Linna, 2006). A DEA MÓDSZERE ÁLTALÁNOSSÁGBAN, A HAZAI KÓRHÁZSZEKTORRA VONATKOZÓAN 2. ábra A CRS és a VRS modell Forrás: Prior, 2000 A módszer nagy előnye tehát, hogy az általa meghatározott csökkentett input értékek (input-orientált eset) vagy megnövelt output-értékek (output-orientált eset) meghatározása nem önkényes, hiszen már más egységek, jelen esetben a kórházak ezen szintet elérték. A megfelelő és megbízható eredmények alapfeltétele azonban, hogy olyan input/output kombináció kerüljön kialakításra, mely viszonylag pontosan írja le az explicite ki nem fejtett termelési függvényt. Jelen elemzést nemzetközi irodalmi áttekintés előzte meg, mely bemutatására terjedelmi okokból nincs lehető- Az általunk készített, a hazai kórházak hatékonyságának mérésére irányuló elemzés tudomásunk szerint – mint azt már említettük – hazánkban az első. A tényleges eredmények bemutatására a változók forrásának szűkössége miatt kisebb hangsúlyt fektetnénk. Célunk inkább egy általános leírás készítése arra vonatkozóan, hogy Magyarországon milyen szempontok alapján vizsgálható a kórházak hatékonysága. Bemutatjuk azon változók listáját, melyeket leginkább megfelelőnek tartunk egy átfogó vizsgálat elvégzésére. A kórházak hatékonysági elemzésekor alapvetően két főbb irányvonal határozható meg. Egyrészt vizsgálható, IME X. ÉVFOLYAM EGÉSZSÉG-GAZDASÁGTANI KÜLÖNSZÁM 2011. JANUÁR 23 EGÉSZSÉG-GAZDASÁGTAN MÓDSZERTAN hogy időben hogyan alakul az egyes kórházak technikai hatékonysága, változik-e az egyes törvényi intézkedések hatására (horizontális irány, 3. ábra). típusok (CRS- vagy VRS-, illetve input- vagy output-orientált) és elemzési irányok közötti összefüggést mutatja meg az 5. ábra. 3. ábra Időtengely Forrás: Dózsa, 2011 Hazánkban az utóbbi évtizedben végbement legnagyobb változásokat produkáló törvényi intézkedések a teljesítményvolumen korlát (TVK) 2004. évi bevezetése, valamint a 2006. évi CXXXII. évi törvény az Egészségügyi ellátások fejlesztéséről (Eftv.) 2007. évi életbe lépése. A politikai intézkedések következtében a kórházak hatékonyságát érintő változásokat ebben az elemzésben az egyéb külső tényezők kizárásával tudjuk megvizsgálni, ezért azzal az egyszerűsítéssel élünk, hogy a kórházak hatékonyságát csak a politikai környezet befolyásolja a menedzsmentek hatékonyság optimalizáló döntései mellett. Másik fő irányvonalat az egyes főbb változók (pl. progresszivitási szintek) mentén képzett csoportok közötti különbségek vagy éppen hasonlóságok feltárása (vertikális irány) adja (4. ábra). 4. ábra A hatékonysági elemzések fő irányai Forrás: Dózsa [6] Ezen csoportok minél átgondoltabb kialakítása esetén lehetőség nyílik annak feltárására, hogy a magyar kórházak mely tényezők alapján differenciálhatók leginkább a hatékonysági szempontokat illetően. Véleményünk szerint a leginkább releváns csoportok a hatékonysági különbségeket illetően a következők: súlyponti – nem súlyponti kórházak, tulajdonos szerinti kórházcsoportok (állami-miniszteriális, városi vagy megyei önkormányzati tulajdonúak), valamint a progresszivitási szintek alapján képzett csoportok (kisvárosi alapszakmás, sokszakmás városi, megyei-regionális kórház, orvosegyetemi klinika). A statisztikai elemzési 24 5. ábra A DEA elemzési modell típusai Forrás: Dózsa [6] A MAGYARORSZÁGON ALKALMAZHATÓ VÁLTOZÓK LISTÁJA A hazai kórházszektorban elsődlegesen használható változók listáját az 1. táblázat tartalmazza. 1. táblázat A hazai kórházszektor DEA-ben használható input- és outputváltozók Forrás: Dózsa [6] A DEA esetében egyes változók mind input-, mind pedig outputváltozónak is tekinthetőek, természetesen eltérő futtatások esetében. Ilyen változók a fekvőbeteg-szakellátási esetszám, amely a kórházi ágyszám, orvosok számához viszonyítva outputnak, a „megtermelt” súlyszám, esetösszetételhez képest pedig inputnak minősül. Ugyanígy a műtétek száma és jellege az orvosok számához és a felhasznált anyagokhoz, implantátumokhoz képest outputnak, a műtétek elvégzése és ezzel a súlyszámok „előállítása”, a betegek gyógyulása szempontjából ugyanakkor inputnak minősül. IME X. ÉVFOLYAM EGÉSZSÉG-GAZDASÁGTANI KÜLÖNSZÁM 2011. JANUÁR EGÉSZSÉG-GAZDASÁGTAN MÓDSZERTAN Magyar viszonylatban bár készül felmérés az orvos, nővér valamint egyéb egészségügyi dolgozók tekintetében (OSAP bér- és létszámstatisztika), ezen adatoknak azonban nem mindegyike tekinthető validnak, hiszen a főállásra számított, úgynevezett full time equivalent (FTE) módszertan nem került részletesen leírásra. Az egyes gyógyító intézmények belső szervezeti struktúrájában nagy különbségek vannak aszerint, hogy mely szolgáltatásokat vásárolnak meg közreműködőktől, egyéni vállalkozó orvosoktól, vagy nyújtják saját alkalmazottakkal. Az orvosok foglalkoztatása igen nagy változatosságot mutat a heti 40 (max. 60) órás főállású munkaviszonytól a hetente csak egy-két ügyeletet adó külső szerződött orvosig. AZ ELEMZÉS KORLÁTAI A DEA egyik korlátja, hogy a rendelkezésre álló adatok alapján igen kevés változó bevonására van lehetőség. Fontos mutató lenne a pontos nővér-, orvos-, valamint egyéb kórházi alkalmazottak létszámának, valamint valid pénzügyi mutatóknak az ismerete, hiszen ezen inputváltozók nélkül az általunk leírt „termelési struktúra” csupán elsődleges eredményeknek tekinthető. További problémát jelent a standardizálás hiánya (pl.: bizonyos szakmákra való szűkítés); csak a nyers intézményi ágyszámokat, súlyszámokat és esetszámokat vettük figyelembe (2. táblázat). A későbbi elemzésekben ezeket a hiányosságokat korrigálni szükséges. A külső szabályozási és finanszírozási környezet további korlátokat jelent a DEA típusú elemzések eredményeinek évek közötti értékelésénél. A 2004. évtől bevezetett teljesítmény volumen korlát (TVK) részben megakadályozza, hogy az egyes kórházak – rögzített kapacitás nagyság mellett – elérjék a méretgazdaságos működés (kibocsátás) teljesítmény szintjét. Hiába ismeri fel a menedzsment, hogy nagyobb teljesítménnyel jobb hatékonyságot érnének el, kötött merev kapacitásmennyiséggel, az adminisztratív korlát miatt (rövid távon) nem tudják növelni az elszámolható teljesítményt. Végezetül a tulajdonviszonyok szerinti elemzés a hazai kórházszektorban véleményünk szerint jelenleg nem releváns, az eltérő tulajdonú/fenntartójú kórházak alapvetően más feladatot látnak el, a progresszivitás más szintjén helyezkednek el, így az „almát” a „körtével” kellene összehasonlítani (egyetemek tercier ellátók, állami intézetek nagyobb része szakkórház specializált profillal, egyházi és magánműködtetésű kórház alig van, de azok is alapvetően néhány szakmás kisebb kórházként vagy szakkórházként működnek). 2006-tól kezdve beszélhetünk már több magánműködtetésű, fenntartású kórházról, de ezek alapvetően kisebb városi kórházak, és ebben az esetben még hiányoznak a többéves idősoros adatok. Az átalakulások és a működés első évét nem tekinthetjük reprezentatívnak a magántulajdon működtetése szempontjából. A 2009. esztendő pedig több kórházat működtető magáncég csődjét is hozta, így a különböző tulajdonú kórházakról az elemzésekhez szükséges több éves konszolidált működési adatsor a későbbiekben sem áll rendelkezésre. A MEGYEI KÓRHÁZAK HATÉKONYSÁGI ELEMZÉSÉNEK EREDMÉNYEI (2003-2008) Elsőként a megyei intézménycsoportra jellemző alapstatisztikákat mutatjuk be a vizsgált évekre (2003, 2006, 2008) vonatkozóan. Az egyes intézkedések (TVK és Eftv.) következményeinek vizsgálatát a megyei kórházakra összpontosítva végezzük el 2003-2006, valamint 2006-2008 évek közötti időszakra, a technikai hatékonyságban megmutatkozó különbségek elemzésével. A 2007. évben az Eftv. hatására hazánkban 27%-kal csökkent az aktív ágyszám, valamint az ellátott esetszám, a súlyszám pedig 10%-kal. Ezzel ellentétben a bezárást követően megmaradó és sok esetben összeolvadt kórházak körében az átlagos HBCs esetszám, valamint az átlagos HBCs súlyszám emelkedett. 2003-ban az éves átlagos HBCs súlyszám 20 673 volt, míg ezen érték 2008-ra már 22 704-re emelkedett. 2. táblázat A vizsgált kórházak alapadatainak statisztikái a DEA-hez * A fehér sorok csak tájékoztató jellegűek, az elemzésbe ezen dimenziók nem kerültek bevonásra Forrás: saját kidolgozás. IME X. ÉVFOLYAM EGÉSZSÉG-GAZDASÁGTANI KÜLÖNSZÁM 2011. JANUÁR 25 EGÉSZSÉG-GAZDASÁGTAN MÓDSZERTAN Az alábbi elemzésbe a vidéki megyei kórházakat vontuk be, akik mellé bevonásra került továbbá néhány megyei kórház méretű és hasonlóan összetett profilú fővárosi és állami kórház is (pl. MH Honvéd Kórház, Szent Imre Kórház, Szent János Kórház). Ezen intézményi kör technikai hatékonyságának elemzésekor elsősorban a CRS-modell eredményeit vizsgáljuk, hiszen a megyei kórházak működése homogénnek tekinthető. A kórházi szektoron belül ez az intézményi kör a progresszivitási szintben és a sürgősségi ellátásban alapvetően azonos szerepet tölt be egyes kiemelt szakmák kivételével (ideg- és mellkassebészet, onkoradiológia, invazív kardiológiai ellátás). A DEA eredményeit a 3. táblázat mutatja. 3. táblázat A megyei kórházak technikai hatékonysága (CRS modell) Forrás: saját kidolgozás. Az eredmények alapján elmondható, hogy a kórházak hatékonysága a TVK bevezetését követően nem változott (p>0,1), hiszen a TVK-rendszer az adott inputok mellett csökkentette (korlátozta) a maximális outputszintet. A szórás emellett növekedett, ami a hatékonysági különbségek növekedését mutatja 2003-ról 2006-ra. A CRS modell eredménye alapján a kórházak technikai hatékonysága a 2003 és 2006 években átlagosan 70%-os, vagyis ezen outputszint elméletileg 30%-kal kevesebb ágyszámon is elérhető lett volna. Az Eftv. nagyrészt megszűntette a kihasználatlan kapacitásokat, melynek következtében szignifikánsan emelkedett a kórházak hatékonysága (p=0,00). 2008-ra az átlagos hatékonysági érték 85%, ami 15%-os emelkedést mutat. A szórás értéke 2006-ról 2008-ra valamelyest csökkent mind a CRS, mind pedig a VRS modell esetében, de még mindig magasabb marad, mint a 2003-as érték, ami a többszörös kormányzati intézkedések ellenére is a szektoron belüli hatékonysági különbségek tartós fennmaradását jelzi. (A Mann-Whitney próba eredményeit az 4. táblázat mutatja meg.) 4. táblázat Mann-Whitney U-teszt eredményei a megyei kórházak hatékonyságának elemzésénél Forrás: saját kidolgozás. 26 A megyei kórházak esetében a Fővárosi Szent Imre Kórház és Rendelő Intézet a „best practice”. A 2008-ra kalkulált hatékonysági értéke mind a CRS-, mind pedig a VRS modell eredményeit tekintve 100% lett, amikor is 541 ágyon látott el 34 609 esetet (HBCs súlyszám: 31 479). Az ezt megelőző években technikai hatékonysága szintén az egyik legmagasabb volt (80%). Emellett kiemelkedőek (a VRS vagy CRS modell eredményei alapján technikai hatékonyságuk 100%) a kecskeméti, a nyíregyházi, a zalaegerszegi, valamint a miskolci megyei kórházak, melyek 2003-ban és 2006-ban is az átlagnál magasabb hatékonysággal működtek (80%), továbbá a pest megyei Szent-Rókus Kórház. Összességében tehát elmondható, hogy a TVK 2004. évi bevezetésének hatására nem változott a kórházak hatékonysága, sőt egyes esetekben, kisebb mértékben még romlott is. Ez annak tudható be, hogy az intézmények többsége az ágyszám kapacitását nem csökkentette annak ellenére sem, hogy az elszámolható maximum-esetszám és/vagy súlyszám csökkent, vagy már nem volt tovább növelhető. Ez az intézkedés számos esetben korlátozta azt, hogy az intézmények a méretgazdaságosságuk jobb kihasználása érdekében az ellátott esetek számát, vagy a lejelentett súlyszámot, vagyis a „kibocsátást” növeljék. A kórházak technikai hatékonysága az Eftv. hatására ugyanakkor – igaz adminisztratív beavatkozás eredményeként – jelentősen javult. Az Eftv. hatására az aktív ágyszám közel 27%-kal csökkent, míg az esetszám 6%-kal, a súlyszám pedig 10%-kal növekedett. A vizsgált intézményi kör átlagos hatékonysági értéke a CRS modell esetében 15%-kal, a VRS modell esetében 9%-kal javult a fenti modellben. AZ INTÉZMÉNYCSOPORTONKÉNTI ELEMZÉSEK EREDMÉNYEINEK ISMERTETÉSE (2008) A következőkben azt vizsgáljuk, hogy a különböző kórházcsoportok hatékonysága között egyáltalán van-e, és ha igen, mekkora különbség tárható fel. A vizsgált csoportok a következők: a különböző progresszivitási szinten lévő, a fővárosi – vidéki, valamint súlyponti – nem súlyponti kórházak; a vizsgálat éve 2008. Az egyes progresszivitási szinten lévő, valamint a súlyponti – nem súlyponti kórházak esetében 5. táblázat A CRS és VRS modell eredményei (2008) Forrás: saját kidolgozás. IME X. ÉVFOLYAM EGÉSZSÉG-GAZDASÁGTANI KÜLÖNSZÁM 2011. JANUÁR EGÉSZSÉG-GAZDASÁGTAN MÓDSZERTAN az alapstatisztikák jelentős különbségeket mutatnak (pl.: míg a kisvárosi kórházak esetében az átlagos ágyszám 105, addig az egyetemi kórházak esetében 1302), így ez esetben az eltérő beépülési rátát alkalmazó VRS modell, a fővárosividéki kórházi csoportosítás viszonylagos homogenitása következtében pedig a CRS modell eredményeit tartjuk mérvadónak (5. táblázat). A VRS modell eredményei alapján elmondható, hogy 2008-ban, ha mindegyik kórház a 100%-os hatékonysági ráta mentén működött volna, 23%-kal kevesebb input (ágyszám) igénybevétele mellett is elérhették volna az éves súlyszámot, valamint esetszámot. A CRS modell alapján a kórházszektor átlagos technikai hatékonysága 2008-ban 69,47% volt. A legrosszabb hatékonysággal működő kórház a CRS (44,7 5%) valamint a VRS (51,65 %) modell alapján is a karcagi városi kórház. A hatékonysági értékek között meglévő nagy szórás ebben az esetben is rávilágít arra, hogy mekkora stratégiai jelentőségű hatékonysági tartalékok vannak még a közfinanszírozott ellátórendszerben. A legjobb hatékonysággal működő kórházakat, az ún. „best practice” kórházakat a 6. táblázat mutatja. A VRS modell eredményei alapján 2008-ban a Pécsi Tudományegyetem Általános Orvostudományi Karának, a Móri Városi Kórház, valamint a pásztói Margit Kórház hatékonyságának értéke 100%. Az összes csoport alapján a városi kórházak esetében a legalacsonyabb az átlagos hatékonysági érték (64%), tehát ezen kórházak egyéb differenciáló tényezők figyelmen kívül hagyása esetén elméletileg 36%-kal kevesebb input felhasználása mellett érhetnék el ezen outputszintet. 6. ábra Kórházcsoportok hatékonysági értékei a progresszivitási szintek szerint *A CRS és a VRS modell direkt összehasonlítására az eltérő metodika következtében nincs lehetőség Forrás: Dózsa, 2011 hozza ki a leghatékonyabbnak, 15-17%-os hatékonysági előnyt kimutatva. Ezen kórházakat követik a megyei-regionális intézmények, „utánuk” viszont törés figyelhető meg a kisvárosi alapszakmás és a többszakmás városi kórházak között. 7. táblázat Mann-Whitney próba eredményei * 5%-os szignifikancia szint, **10%-os szignifikancia szint Forrás: Dózsa, 2011. 6. táblázat „Best practice” kórházak (VRS modell) Forrás: saját kidolgozás A legmagasabb az egyetemek hatékonysága (99%), melynél jelentősen alacsonyabb a megyei kórházak átlagos hatékonysága (82%). A 6. ábra a progresszivitási szintek alapján megmutatkozó hatékonyságkülönbségeket mutatja. A vizsgált input- és outputváltozók alapján a DEA mind a két elemzési típusban (VRS és CRS) az egyetemeket A progresszivitási szintek, a fővárosi – vidéki, valamint a súlyponti – nem súlyponti kórházak esetében is szignifikáns különbség található az egyes csoportok technikai hatékonysági értékeinek tekintetében. Ez az eredmény további mélyebb, akár intézményvezetői interjúkon alapuló vizsgálatot igényel, mivel a megyei és városi kórházak gyengébb eredményeit magyarázhatják a betegösszetételben meglévő szisztematikus eltérések, különösen a sürgősségi ellátásban való nagyobb arányú részvételük. A 7. ábra a hatékonysági értékeket mutatja az inputváltozó, vagyis az aktív ágyszám függvényében. A VRS elemzések fenti ábrázolásából egyértelműen látszik (7. ábra), hogy a modellben a pontok elhelyezkedése (az illeszkedési görbe meredeksége és íve csökken), és az egyes intézményi csoportok hatékonysági értékeinek átlaga – a változó beépülési ráta – következtében feljebb kerül. IME X. ÉVFOLYAM EGÉSZSÉG-GAZDASÁGTANI KÜLÖNSZÁM 2011. JANUÁR 27 EGÉSZSÉG-GAZDASÁGTAN MÓDSZERTAN 7. ábra VRS és CRS hatékonysági értékek ágyszám szerint * 5%-os szignifikancia szint, **10%-os szignifikancia szint. Forrás: saját kidolgozás. A DEA ALAPÚ HATÉKONYSÁG-ELEMZÉS ÖSSZEGZÉSE A DEA a teljesítmény mérésére alkalmazható korszerű módszer. Jelen tanulmány Magyarországon az első, mely a DEA módszerével vizsgálja a hazai kórházak hatékonyságát, illetve az egyes kórházak közötti hatékonysági különbségek változását a TVK, valamint az Eftv. bevezetése előtti és utáni időszakokban. A DEA eredményei kitűnően alkalmazhatóak a kialakított rendszerek hatékonyságának értékelésére. Természetesen a DEA nem alkalmas összességében meghatározni, hogy mitől lesz pont az adott kórház a „best practice”, de az eredmények világosan mutatják meg a változások irányát. A fentiekben részletesen bemutatott empirikus eredmények (7. táblázat) egyértelmű különbségeket tárnak fel az egyes intézménycsoportok között. Ezek jelentős hatékonysági különbségek (például az egyetemek és a városi kórházak között), a vizsgált változók alapján felállított VRS és CRS modellben elérik a 20-25%-os mértéket. A csoportokon belüli szórások mértéke ugyanakkor a későbbiekben további alcsoportos vizsgálatokat tesz majd szükségessé. Az eredmények közül kiemelhetjük, hogy a megyei kórházak technikai hatékonysága javult 2003 és 2008 között, viszont ezen belül az input orientált DEA modell (CRS, VRS) nem tárt fel nagyobb hatékonyság különbséget a TVK előtti időszakban, mint az azt követő időszakban (2003 illetve 2006). Az input orientált DEA modell (CRS, VRS) viszont nagyobb hatékonyság különbséget tár fel az Eftv. előtti időszakban, mint az azt követő időszakokban, amely jelentős részben a kapacitáscsökkentésnek köszönhető. Ha részletesebben vizsgáljuk meg az eredményeket, akkor azt mondhatjuk, hogy a hatékonysági értékek több év között stagnálást mutatnak. Lényeges különbséget a vizsgált változók tekintetében az Eftv. végrehajtása után 2007től tapasztalhatunk. Az Eftv. hatása a hatékonyságra világosan kivehető. Kisebb mértékű, de szignifikáns hatékonyság 28 különbség tapasztalható a súlyponti és nem súlyponti kórházak között az előbbiek javára, amelynek egyik magyarázata a nagyobb méretből és nagyobb esetszámból adódó méretgazdaságosság lehet. Az empirikus adatok szerint kisebb vagy nagyobb mértékben, de mind a három összefüggésben találtunk szignifikáns összefüggést a kórházak jellege és hatékonysági értékei között. Tehát a fővárosi, majd az egyetemi és végül a súlyponti kórházak kedvezőbb hatékonysági értékeket mutattak, a 100%-os értékkel rendelkező „best practice” kórházak közülük kerültek ki, szemben a vidéki, városi, megyei és nem súlyponti kórházakkal. Az adatok minden esetben nagy szórást mutatnak, így a későbbiekben érdemes többféle intézményi alcsoportot is külön-külön megvizsgálni, valamint további input- és output-változók bevonásával a DEA elemzést ismételten elvégezni. Elemzésünk összességében tehát egy útmutatónak tekinthető az egészségpolitikai döntéshozók, elemzők és az egyes kórházak vezetői számára. Valós szükség van a hatékonyság mérhetővé tételére a jobb hatékonyságú intézmények, illetve összességében egy jobb hatékonyságú egészségügyi ellátórendszer kialakítása érdekében. A DEA alapú hatékonysági elemzési módszert javasolt kiterjeszteni a járóbeteg-szakrendelőkre és szakambulanciákra is. A különböző intézménycsoportos elemzéseket javasolt elvégezni több időszak vonatkozásában is: megvizsgálva például a súlyponti/nem súlyponti kórházak teljesítményét a 2007. évi törvényi intézkedést megelőző időszakban, majd a későbbi években. További kutatások keretében javasolt olyan DEA elemzést is végezni, amelybe input-változóként bevonásra kerül az orvosok száma (szakdolgozók száma), valamint az elemzést koncentrálni egy-egy kiemelt orvos-szakmai területre, mint az onkológiai ellátás, sebészet, kardiológia. A DEA elemzések validitásának növelése érdekében a későbbi elemzésekben el kell végezni az egyes kórházi jellemzők, változók standardizálását, ki kell tudni szűrni az eltérő profilból (esetösszetételből), az IME X. ÉVFOLYAM EGÉSZSÉG-GAZDASÁGTANI KÜLÖNSZÁM 2011. JANUÁR EGÉSZSÉG-GAZDASÁGTAN MÓDSZERTAN alkalmazott technológia és terápia különbségéből, az ellátás jellegből (sürgősségi/nem sürgősségi esetek arányából) eredő torzító tényezőket. Ezek a további elemzések azonban feltételezik, hogy az input-változókat azonos módszerrel dolgozó kontrolling-rendszerekből származó adatokból hozzuk létre. IRODALOMJEGYZÉK [1] Farrell, M. J. (1957): The measurement of productive e_ ciency, Journal of The Royal Statistical Society, series A, 120, 253-2 81. [2] Charnes, A., Cooper, W. W. and Rhodes, E. L. (1978): Measuring the efficiency of decision making units, European Journal of Operational Research, 2(6), 42944. [3] Banker R, Charnes A, Cooper W. (1984): Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis, Management Science 30:1078-92. [4] Banker R. (1984): Estimating the most productive scale size using Data Envelopment Analysis, European Journal of Operational Research 7:34-44. [5] Linna, M., Hakkinen, U., Magnussen, J. (2006): Comparing Hospital Cost Efficiency Between Norway and Finland, Health Policy, 77, 268-278. [6] Dózsa Csaba (2011): A kórházak stratégiai válaszai a változó környezetre – Magyarországon a 2000-es években – Doktori disszertáció. [7] Dózsa Csaba, Ecseki Adrienn, Lipták Mária, Mihalicza Péter (2010): A kórházak technikai hatékonyságának elemzése és technikai alkalmazása, Eski füzetek [8] Ferrier, G. D., Rosko, M. D., Valdmanis, V. G. (2006): Analysis of Uncompensated Hospital Care Using a DEA Model of Output Congestion, Health Care Management Science, 9, 181-188. [9] Kórházak Évkönyve. OEP kiadvány 2004. [10] Kórházi Almanach 2006. Kórházszövetség kiadványa. [11] OEP Statisztikai Évkönyv, 1999, 2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008. [12] Prior, D. (1996): Technical Efficiency and Scope Economies in Hospitals, Applied Economics, 28, 12951301. [13] Prior, D., Sol , M. (2000): Technical Efficiency and Economies of Diversification in Health Care, Health Care Management Science, 3, 299-307. A SZERZÔK BEMUTATÁSA Dózsa Csaba egészségügyi közgazdász. Diplomáját a Budapesti Közgazdaságtudományi Egyetemen szerezte 1994-ben, egészség-gazdaságtani másoddiplomáját 1999-ben szerezte a barcelonai Universida de Barcelonán és Popeu Fabrán. 1994 és 2005 között az OEP-ben dolgozott a Tervezési Költségvetési Főosztályon, majd a gyógyító-megelőző ellátás területén, 2002-től mint főigazgató-helyettes. 2005. május és 2006. június között az Egészségügyi Minisztérium helyettes államtitkáraként felügyelte az ágazat közgazdasági és ágazatfejlesztési munkáit. 2006 júliusától a Med-Econ Humán Szolgáltató Kft. ügyvezetője, európai uniós és egyéb egészségügyi projektek előkészítésével, menedzselésével foglalkozik. Jelenleg a Corvinus Egyetem PhD-programjában vesz részt, kutatási területe a teljesítményfinanszírozás hatásmechanizmusai, ösztönzési rendszerek az egészségügyi ellátások finanszírozásában. Ecseki Adrienn diplomáját 2009-ben szerezte a Budapesti Corvinus Egyetem gazdaságmatematikai elemző közgazdász szakán valamint egészséggazdaságtan és technológiaelemzés mellékszakirányán. 2006 szeptemberétől aktívan közreműködött az egyetemen működő Egészség-gazdaságtani és Technológiaelemzés Kutatóközpont munkájában, mely során tapasztalatokat szer- zett egészség-gazdaságtani technológiaelemzés, modellezés területeken, valamint az oktatásban is részt vett. 2009 szeptemberétől a Med-Econ Humán Szolgáltató Kft. egészségügyi elemzőjeként dolgozik. Fő feladata a magyarországi egészségügyi rendszert, leginkább a kórházszektort érintő hatékonysági, méret- és választékgazdaságossági elemzések készítése az egyes szakmákkal kapcsolatban valamint a technológiai fejlődések következtében megfigyelhető változások követése, ezek hatásainak vizsgálata. IME X. ÉVFOLYAM EGÉSZSÉG-GAZDASÁGTANI KÜLÖNSZÁM 2011. JANUÁR 29