AJUSTE DE RIESGO EN SALUD

Existen tres problemas en los sistemas de aseguramiento competitivos de salud relacionados con la forma como se paga por el servicio de aseguramiento. Estos problemas tienen origen en la presencia de una población heterogénea, con grandes diferencias en su propensión a reclamar servicios y grandes retos sociales como son, la equidad y la eficiencia económica. Una vez identificados y cuantificados, proponemos dos formas concretas para mitigar estos problemas en el régimen contributivo y las evaluamos cuantitativamente y en comparación con el estado actual del sistema colombiano de salud.

En Colombia, la ley 100 de 1994 transformó el sistema de salud público en un sistema competitivo de aseguramiento y subsidios cruzados en línea con algunas de las mejores prácticas internacionales (van de Ven, W., & Ellis, R. (1999)). En el caso de los sistemas públicos y, en particular, en el caso colombiano, la esencia de esta forma de organización se basa en tres elementos: un plan de beneficios (i.e., el POS en Colombia), un conjunto de aseguradoras (i.e., entidades promotoras de salud o EPSs) que a través de su red de instituciones prestadores de servicios de salud (i.e, IPSs) tiene la responsabilidad de ofrecer los servicios, procedimientos y medicamentos del plan; y, adicionalmente, la definición de un mecanismo para el pago de estos servicios. En ausencia de un criterio de equidad social, si las aseguradoras entraran en una negociación directa con los afiliados se cobrarían primas desproporcionadamente distintas a cada individuo por causa de la heterogeneidad de la población y el riesgo estimado de cada afiliado. En general, esta disparidad en las primas es considerada injusta y es por esto que el Estado entra a definir un mecanismo de subsidios cruzados en el cual los afiliados que menos le cuestan al sistema financian a los que más le cuestan.

Existen dos características del pago que son relevantes para este estudio. De una parte, el pago debe ser ex ante, es decir, con anterioridad a los eventos de reclamación de servicios de salud por parte del afiliado. La principal motivación para esto es incentivar a las aseguradoras a contener el gasto del sistema. La segunda característica es la necesidad de ajustar los pagos al perfil de riesgo de los asegurados. Si la distribución de los recursos no dependiera del perfil de riesgo del asegurado se generarían incentivos perversos a que las aseguradoras hicieran selección de riesgos. Es decir, éstas buscarían la forma de afiliar únicamente personas sanas, de bajo riesgo y de esa forma tratarían de maximizar sus beneficios esperados por afiliado. Por la misma razón, tendrían incentivos a no afiliar algunos individuos, práctica considerada ilegal, o a utilizar estrategias sutiles para desincentivar la afiliación de individuos de alto riesgo (trámites extenuantes, largas colas, baja calidad del servicio, demoras en la solicitud de citas y autorizaciones, etc.). Este valor transferido a cada aseguradora ajustado por las características de riesgo de los afiliados fue objeto de estudio de este proyecto.

La teoría establece que, en principio, excepto posiblemente por razones normativas, el mecanismo de ajuste debería intentar reducir al mínimo la incertidumbre del gasto futuro. En Colombia este ajuste ex ante se hace con base en algunos grupos de edad, sexo y tres zonas de residencia. En Colombia, este mecanismo de ajuste ex ante puede mejorarse considerablemente utilizando información actualmente disponible por el Ministerio de Salud y Protección Social.

Para mejorar este ajuste de riesgo ex ante es necesario hacer dos cosas: enriquecer la información utilizada para hacer el ajuste, llevando en consideración información de morbilidad, y utilizar un algoritmo o fórmula más sofisticado que mejore la predicción del gasto de los afiliados a cada EPS. En Riascos, Romero y Serna (2017) usando técnicas de aprendizaje de máquinas (Buchner, F., Wasem, J., y Schillo, S. (2015), Bagheri, Li, Goote, S., Hasan, A., y Hazard, G. (2013)) comparan el modelo de ajuste de riesgo del gobierno colombiano contra especificaciones alternativas que controlan por (i) la morbilidad de los afiliados, caracterizada con 29 grupos de enfermedades de larga duración[1], (ii) indicadores de hospitalización, visita al especialista, e ingreso a la unidad de cuidados intensivos, y (iii) todas las posibles interacciones entre las variables sociodemográficas del modelo base del gobierno. La Tabla (1) muestra los resultados de la comparación en términos de la predicción total del gasto y la Tabla (2) muestra los resultados de la comparación de la predicción del gasto para el quintil más alto del gasto.

Tabla 1. Ajuste fuera de muestra distribución completa

Nota: Esta tabla presenta el RMSE (raíz cuadrada del promedio de los errores de predicción al cuadrado), MAE (promedio de los errores absolutos), PR ratio de predicción para el gasto anualizado y no anualizado, y el R-cuadrado en la muestra completa. WLS UPC es un modelo de regresión lineal estimado con pesos. WLS UPC + Dx es igual al anterior más los grupos de diagnóstico. ANN FS es una red neuronal con selección estadística de variables. RF FS es un bosque aleatorio con selección estadística de variables y el modelo GBM FS es un boosting de árboles con selección estadística de variables. Cálculos de los autores a partir de las Bases de Suficiencia.

Tabla 2. Ajuste fuera de muestra en el último quintil

Nota: Véase explicación Tabla 1. El RMSE, MAE y PR se definen de la misma forma excepto que, en esta tabla, se estiman únicamente para el quintil más costoso de la distribución del gasto.

Como se puede ver GBM FS logra predecir un 50% del gasto total de este quintil representando una mejora de 7 puntos porcentuales respecto al modelo lineal con todas las variables, modelo 2 y de 20 puntos porcentuales relativo al modelo base del gobierno, modelo 1. En todo caso, los resultados de esta tabla sugieren que el modelo actual de ajuste de riesgo del Ministerio (WLS UPC) es poco predictivo del gasto anual en salud del quintil superior: logra predecir tan solo el 33.5% del gasto en este quintil. Los resultados también muestran que la inclusión de los grupos de diagnósticos, modelo 2, mejora en 10 puntos porcentuales el ratio de predicción relativo al modelo del Ministerio. Lo anterior sugiere que la morbilidad es un factor de riesgo importante y que ajustar la UPC a estos grupos de diagnósticos mejoraría la descripción del perfil de riesgo de las aseguradoras.

Basado en: Ajuste de Riesgo y Solvencia de las Aseguradoras de Salud en Colombia (Nota de Politica Uniandes, April 2017).

Más información en el siguiente video (6 minutos):

Enlace a video

HOJA DE VIDA