Apresentação Módulos Hospitalares
Apresentação
O projeto Open Data: Benchmarkings Hospitalares é uma iniciativa da Status Artis que busca solucionar um dos maiores desafios da Saúde Suplementar no Brasil: tornar as Bases de Dados da ANS (Agência Nacional de Saúde Suplementar) acessíveis a operadoras e usuários da saúde suplementar.
Em geral, os dados da ANS tendem a ser instáveis, dada a grande variedade de formas de registro que existem entre as operadoras de saúde. No entanto, esses dados podem ser de grande valia para gestores e médicos em operadoras de saúde, como ferramentas de apoio à decisão.
Benchmarkings em saúde são particularmente úteis para poder comparar o custo assistencial (microcusteio), e a quantidade/frequência de realização de procedimentos entre Unimeds. Tais dados podem ser utilizados para reforçar ou afastar uma hipótese inicial, e dar horizontes para soluções de problemas, como: apoiar processos de negociação, apontar pontos de oportunidades, e dimensionar como o custo de um procedimento se distribui.
Estratificação de Custos
Em especial, o Módulo de Benchmarkings da Status Artis permite avaliar como o custo assistencial é composto, estratificando-o entre custos associados a:
- Honorários Médicos (HM): remuneração de profissionais médicos
- Não-HM: custos com órteses, próteses e materiais especiais (OPME), diárias, pacotes hospitalares, entre outros
- HM: Honorários Médicos
- Não-HM: Custos assistenciais excluindo honorários médicos
- OPME: Órteses, Próteses e Materiais Especiais
- Normalização: Técnica de ajuste estatístico que permite comparar operadoras de diferentes portes
Lógica das Comparações Múltiplas
Um conceito importante dos Benchmarkings é poder se beneficiar de múltiplas comparações ao mesmo tempo. Não é o custo de uma única operadora, mas a convergência entre múltiplas operadoras que aponta para uma possível solução. Isso só é possível quando se avaliam múltiplas operadoras simultaneamente.
A Status Artis adotou como padrão não expor as operadoras comparadoras. Esta política tem múltiplos objetivos: de um lado, preserva os dados das operadoras que estão sendo utilizadas como Benchmarkings e, de outro, remove parte do preconceito que outra operadora pode carregar consigo.
Valorização de Insights
Muitas decisões no Sistema Unimed são tomadas baseadas em inferência e insights não suportados por dados. Como exemplo, um auditor considera que um determinado procedimento pode ser ofensor, mas carece de dados que demonstrem que este procedimento apresenta um custo ou frequência elevados ou não. Na maioria das vezes esses insights são verdadeiros, mas são difíceis de serem quantificados, e ainda são expostos a forte influência de aversões iniciais que os analistas ou gestores das operadoras possam ter.
Desafios na Identificação de Ofensores
Procedimentos de alto custo tendem a receber mais atenção que procedimentos de menor custo, ainda que melhorias nestes possam superar aqueles se apresentarem grande frequência.
Ofensores em custos tendem a ser mais fáceis de serem visualizados que ofensores em quantidade, já que a análise de quantidade, inerentemente, depende de comparações externas. Uma outra dificuldade é que, para comparações em quantidade de eventos, são necessárias técnicas de ajuste pelo tamanho das operadoras, chamadas de normalização.
No caso do Módulo de Benchmarkings da Status Artis, os dados já são normalizados, então o analista pode partir deste ponto quando estiver analisando os dados. Novamente, é preciso atentar-se que não é uma frequência elevada que deve ser destacada, mas dados que consistentemente demonstrem um desvio de um padrão observado nas outras operadoras.
Esta é uma metodologia experimental, semiautomatizada e em larga escala. Não possuímos acesso aos dados refinados das operadoras de saúde; consequentemente, inconsistências são mais do que esperadas. Para tanto, os operadores e analistas da ferramenta devem sempre fazer julgamentos críticos das informações.
Em geral, os dados são tão bons quanto eles são ao serem enviados para a ANS. Consequentemente, quanto melhores forem os seus dados, melhores tendem a ser os seus Benchmarkings (qualidade do indicador).
Exemplos de Aplicação
A fim de demonstrar estas potencialidades, desenvolvemos alguns exemplos de uso, com problemas do dia a dia:
- Como construir um pacote de Cirurgia Bariátrica
- Avaliar a frequência de realizações de Apendicectomias
- Codificações em Cirurgias Vasculares
- Mapeando custo em Cirurgias Ortopédicas de Quadril