Medición de la eficiencia de las instituciones prestadoras de servicios de salud

públicas mediante técnicas multivariadas y análisis envolvente de datos

Toro Galván, Erotida E.

Universidad de los Andes, 2006
Mutis G, Hernando
Profesor Asociado
Universidad de los Andes

RESUMEN
En el presente trabajo se pretende determinar las condiciones de eficiencia de los hospitales públicos en Colombia. Para
ello, se construyeron diferentes índices con base en técnicas multivariadas con el objetivo de jerarquizar las diferentes
instituciones, y se utilizó análisis envolvente de datos para establecer cuales entidades trabajan bajo condiciones de
eficiencia. De esta manera se logra determinar las mejores instituciones en cada nivel de complejidad, las principales
variables a controlar para mejorar las condiciones de eficiencia existentes y la influencia de las diferentes variables sobre
el desempeño de los hospitales.

ABSTRACT
The purpose of this paper is to determine the conditions of efficiency of the public hospitals in Colombia. Thats why,
different indicators were constructed for ranking the different institutions, the indicators are based in multivariate
techniques. Other technique used in this paper was DEA, data envelopment analysis was used to establish which
organizations works under efficiency. This way is managed to determine the best institutions on each level of
complexity, the main control variables to improve the existing efficiency conditions, and the influence of the different
variables on the hospitals performance.
propuesto por Adler y Golany (2002) que combina
1 INTRODUCCIÓN análisis envolvente de datos y componentes principales.
Los hospitales públicos, a partir de la ley 1001, se vieron
en la necesidad de mejorar su funcionamiento y En la jerarquización de unidades se utilizaron diferentes
empezar a ser entidades autosostenibles. Con el nuevo métodos de jerarquización de unidades, encontrados
sistema de salud, se hizo necesaria la medición continua mediante la revisión de la literatura. Los índices que se
de eficiencia y productividad de los hospitales con el construyen a partir de técnicas multivariadas utilizan
objetivo de tener información base para competir en el análisis de componentes principales y análisis de
mercado de productos hospitalarios. variable canónica. Con el análisis de componentes
principales se proponen dos índices, el primero se basa
Este trabajo pretende desarrollar calificaciones o índices en el trabajo de Zhu (1997), y el segundo en el trabajo
que permitan identificar los hospitales públicos con de Premachandra (2001). Con el análisis de variable
mejores prácticas, a través de análisis envolvente de canónica, se presenta un tercer índice que es el
datos (DEA) y técnicas multivariadas. De acuerdo con resultado de combinar esta técnica con el análisis
esto, el desarrollo de este trabajo se centra en considerar envolvente de datos (Sinuary-Stern y Friedman, 1997).
las fortalezas de las diferentes técnicas y su El índice de análisis envolvente de datos se centra en el
combinación. concepto de conjunto de referencia, a partir del trabajo
de Sinuary-Stern, Mehrez y Barboy (1994).
Para la realización de este estudio se tuvieron en cuenta
distintas técnicas de análisis multivariado, como lo son, En esta primera sección se presentan los objetivos
análisis de componentes principales, análisis de propuestos por el autor, y la justificación del trabajo. En
factores, análisis de correlación canónica y análisis de la siguiente sección se exponen algunas caracteristicas
variable canónica. Para el análisis envolvente de datos de los hospitales, al igual que las variables y la
se trabajó con el modelo aditivo, y con un modelo información utilizada

La tercera sección contiene el análisis de resultados. En

1
Ley 100 de 1993, la cual modifico el sistema de seguridad social en este capítulo se presenta el análisis descriptivo de la
Colombia
información y las diferentes agrupaciones en que fueron
organizados los hospitales. Posteriormente, se presentan
los resultados de los distintos análisis multivariados y los
índices construidos con base a ellas; estos análisis fueron
realizaos en el paquete estadístico SAS System. En la
siguiente sección, se presentan los resultados del análisis
envolvente de datos y el índice construido con esta
técnica; los resultados fueron obtenidos a partir del
programa EMS (Efficient Measurement System). Por
último, se presenta la comparación de los diferentes
índices construidos con base en las técnicas
multivariadas, y de una comparación de los resultados de
estas técnicas y el análisis envolvente de datos.
En el tercer y último capítulos, es exponen las
conclusiones de este trabajo. Aquí se presentan las
principales conclusiones de los diferentes análisis
realizados y las limitaciones encontradas.
Adicionalmente, se dan algunas sugerencias para la
realización de otros posibles trabajos.
1.1 OBJETIVO GENERAL
Medir la eficiencia de las Instituciones Prestadoras de
Servicios de Salud (IPS) por medio de la construcción de
índices a través del análisis envolvente de datos y
técnicas multivariadas, para poder identificar los
hospitales públicos con mejores practicas y sugerir
lineamientos generales que permitan ofrecer servicios
médicos de mejor calidad a la población colombiana.
1.2 OBJETIVOS ESPECÍFICOS
• Construir índices que permitan evaluar cada uno
de los hospitales públicos de Colombia.
• Hacer una clasificación para los diferentes
hospitales según el aprovechamiento de los recursos que
disponen y los resultados finales de su operación.
• Identificar las principales fortalezas y
debilidades de las herramientas utilizadas para la
construcción de los índices de eficiencia.
• Comparar los resultados obtenidos por medio de
los diferentes índices construidos, resaltando las
principales ventajas y desventajas de las diferentes
técnicas.
• Si es posible, sugerir políticas y lineamientos
que permitan establecer un mejor manejo de los actuales
recursos con los que cuenta los colombianos.
1.3 JUSTIFICACIÓN
La Seguridad Social es un servicio público de carácter
obligatorio que se prestará bajo la dirección,
coordinación y control del Estado, en sujeción a los
principios de eficiencia, universalidad y solidaridad, en
los términos que establezca la Ley2.
2 4
Constitución política de Colombia, articulo 48
Antes del la reforma al sistema de salud Colombia
contaba con un sistema de salud segmentado3 en el cual
la población está divida según su capacidad de pago y
actividad económica, los seguros privados le permitían a
las personas con capacidad de pago acceder a los
servicios de salud, lo empleados formales estaban
adscritos al seguro social y el estado era el encargado de
atender a las personas no afiliadas al sistema de salud
que no tenían capacidad de pago.
Este sistema de salud no respondía a las necesidades de
la población, se caracterizaba por ser ineficiente y de
muy mala calidad, y solo un pequeño porcentaje de la
población, 20%4, estaba afiliado a seguridad social en
salud.
La reforma al sistema de salud buscaba ampliar la
cobertura en salud en todo el país y aumentar la
eficiencia en el uso de los recursos, para ello la reforma
del sistema de salud introdujo varios cambios en el
funcionamiento y financiación de los hospitales
públicos, forzándolos a iniciar un proceso de cambio, ya
que pasaron de ser instituciones respaldadas por el
estado con ingresos “asegurados” a instituciones
autónomas en la prestación de los servicios de salud.
Este cambio forzaba a las instituciones a optimizar sus
recursos, debido a que en delante debían de
autofinanciarse mediante la venta de servicios de salud a
las diferentes aseguradoras y aquellas que no fueran
viables financieramente estarían destinadas a
desaparecer.
Según Pinzón (2003), el nuevo esquema de mercado de
prestación de servicios de salud pretende que la
concurrencia de prestadores, tanto públicos como
privados, definan las características del mercado, de tal
manera que solo las instituciones eficientes y capaces de
autogestionarse de manera productiva y con calidad
puedan sostenerse en el largo plazo. De esta manera se
introdujo a los hospitales públicos en un mercado de
prestación de servicios de salud sin importar la calidad,
el volumen y la cantidad de los servicios producidos.
Pero la implementación de esta reforma fue deficiente,
no se igualaron las condiciones de infraestructura,
tecnología, costos ni herramientas de gestión necesarias
para que las instituciones públicas pudieran competir en
igualdad de condiciones con los demás agentes. Con la
deficiente implementación de la reforma al sistema de
salud, muchos hospitales se encuentran en una grave
crisis financiera que amenaza la sostenibilidad de las
instituciones.
3
Moreno, (2004)
Giedion, González, (2001)

Para Giedion y Morales (1999), las condiciones actuales
del sistema de salud hacen necesario la medición
continua de la eficiencia y productividad de los
hospitales, algunas de las principales razones son:
• La medición de la productividad y eficiencia permite
comparar el desempeño de los diferentes agentes
utilizados en el proceso de prestación del servicio de
salud, para sí poder plantear acciones correctivas por
parte de las directivas de la institución.
• Ayuda a establecer si los hospitales son lo
suficientemente productivos y eficientes para sobrevivir
en un mercado donde deben vender sus servicios a las
tarifas del mercado vigente.
• Una vez establecido el nivel de eficiencia, es posible
definir y fijar metas concretas que conduzcan a su
mejoría
• La medición de productividad y eficiencia es una
herramienta importante para regular las tarifas
hospitalarias, en la medida que establece la capacidad de
la institución para autofinanciarse, esto permite a los
diseñadores de políticas tener una idea clara de hasta
donde deben incluir partidas para financiar los déficit de
los hospitales.
Lo que es realmente importante en estos análisis es que
permiten, a partir del conocimiento de la situación de los
hospitales, establecer una jerarquía de las instituciones
en cuanto a sus niveles de productividad, para así poder
tomar medidas en aras de mejorar aquellos aspectos en
los cuales los hospitales son menos productivos.
Bajo este concepto, en Colombia se han desarrollado
diferentes estudios sobre la eficiencia de los hospitales
del país como los son Giraldo (2004), Mora (1997),
Moreno (2004), Nupia (2001), Peñaloza (2003), Pinzón
(2003) y Tole (2002).
Algunas de las dificultades al hacer estudios de
eficiencia sobre los hospitales de Colombia es la
consecución de la información; en los estudios
anteriormente mencionados la información fue
recolectada a través de diferentes instituciones públicas y
las bases de datos utilizadas fueron una mezcla de
diferentes fuentes de información y de encuestas
realizadas al personal de las instituciones evaluadas.
A partir del 2001 el estado Colombiano reglamentó, para
las instituciones públicas, el reporte de su
funcionamiento al Departamento de Planeación Nacional
(DNP) y al Ministerio de Salud, en el cual los hospitales
debían de informar los resultados anuales de su
operación en cuanto atención, producción, calidad,
estado financiero, contratación, facturación y planta de
personal. El presente estudio se realizará con la
información suministrada al DNP para los años 2002 y
2003.
2 CARACTERÍSTICAS DE LOS HOSPITALES
Los hospitales colombianos están clasificados según
su nivel de complejidad, y la complejidad está
determinada por los servicios que ofrece. Cuando la
mayoría de los servicios que ofrece son de baja
complejidad el hospital es clasificado como de nivel I,
si la mayoría de los servicios que ofrece son de
mediana complejidad el hospital se clasifica de nivel
II, y si sus servicios son de alta complejidad, entonces
el hospital será clasificado con de nivel III.
Los hospitales no tienen restricciones en la prestación
de servicios, nada le impide a un hospital de nivel I
prestar servicios de nivel II (mediana complejidad), es
así que el nivel de un hospital obedece más a una
caracterización administrativa, que a una
diferenciación estricta sobre su complejidad o sobre
los servicios que presta.
Por las características de los hospitales, la complejidad
esta dada por su tecnología y por el cuerpo asistencial5
y no por su nivel de complejidad, por tanto, se ve la
necesidad de conformar grupos comparables de
hospitales
Para este trabajo y basándose en la información
disponible, se requiere trabajar con variables que
expresen el tamaño del hospital (número de camas), el
nivel tecnológico del hospital (gastos de
funcionamiento), y la complejidad de los pacientes
atendidos (días de estancia). Con estas variables se
trabajara para construir cuatro grupos comparables de
hospitales, para posteriormente, realizar la evaluación
de mejores prácticas de los hospitales públicos. Los
conglomerados se conformaran tratando que las
diferencias al interior del grupo de hospitales sean
mínimas
2.1 DATOS
Los datos utilizados en este estudio fueron obtenidos
de la base de datos de Información General de las IPS
2002-2003 del Departamento de Planeación Nacional.
En la muestra utilizada se tomaron 809 hospitales para
el año 2002 y 866 hospitales para el año 2003 del total
de 962 y 999 para dichos años. No fue posible utilizar
la totalidad de las instituciones debido a la falta de
información completa para muchas de estas
5
Tole, 2002
Para el análisis se consideraron los hospitales de nivel
1 con camas, los hospitales de nivel 2 y los hospitales
de nivel 3. En la literatura revisada el nivel 2 de
complejidad se suele separar en dos partes tomando
como medida de separación el tamaño promedio del
hospital (Número de camas), donde se escoge como
punto de corte la media del tamaño del hospital.
De esta manera se puede observar cada variable en
cuatro niveles, Nivel1 (nivel 1 de complejidad), Nivel2
(nivel 2 de menos de 80 camas), Nivel3 (nivel 2 de
más de 80 camas) y Nivel4 (nivel 3)
2.2 SELECCIÓN DE VARIABLES
Uno de los principales supuestos sobre el que se
fundamenta este trabajo, es que existe una relación
entre las variables de entrada y las variables de salida,
estos es, que existe un sistema que permite transformar
un conjunto de variables de entradas en un conjunto de
variables de salida
El proceso de selección de variables se realizó
teniendo como base la información suministrada por el
Centro de Gestión Hospitalaria y por el Departamento
Nacional de Planeación. Después de haber revisado
esta base de datos se procedió a examinar los trabajos
que se habían hecho sobre el tema, con la idea de saber
que tipo de variables de entrada y salida se utilizaban
en la medición de la eficiencia de los hospitales.
En el proceso de revisión bibliográfica se encontró
gran diversidad en el tipo de variables utilizadas, sobre
todo por el lado de las variables de salida. En general
se puede decir que la selección de variables depende
del enfoque que se le dé al estudio y a los supuestos
que se hagan, el uso que se haga de los insumos y su
costo.
Adicionalmente, para la selección de variables hubo
otros factores que se tuvieron en cuenta y que es
importante mencionar, pues afectó directamente las
variables que finalmente se tuvieron en cuenta para el
estudio. El primero tiene que ver con los
conocimientos y sugerencias hechas por personas que
han trabajado con la metodología y que la han aplicado
a los hospitales. Otro factor importante como se
mencionó al inicio de este capítulo es que hubiese
relación entre las variables de entrada y salida, es decir
que de alguna manera el comportamiento de las
variables de salida se pudiera explicar con el conjunto
de variables de entrada. Por último se buscó que las
variables involucradas en el estudio tuviesen
relevancia para lo que es la evaluación de los aspectos
que configuran la razón de ser de un hospital.
De acuerdo a los factores analizados en la sección
anterior, la siguiente es la lista definitiva de variables
utilizadas en el estudio.
Variables de Entrada
Gastos de funcionamiento: Son aquellos que tienen por
objeto atender las necesidades de las instituciones para
cumplir a cabalidad con las funciones propias de su
objeto social, se clasifica en cuatro Cuentas que son:
gastos de personal, insumos y suministros
hospitalarios, gastos generales, transferencias
Corrientes
Número de Camas
Número de unidades odontológicas
Número de mesas de parto
Número de consultorios médicos
Variables de Salida
Número de consultas médicas
Número de consultas médicas especializadas
Número de días de estancia
Número total de partos
Egresos
Una variable de gran relevancia en el estudio de los
hospitales es el personal asistencial, lastimosamente la
base de datos no posee información suficiente para
esta variable, por tanto no fue posible su utilización.
El personal asistencial se maneja por horas/personal,
es decir, el número de horas disponibles de médicos,
enfermera y personal administrativo. Otra variable que
afecta la evaluación de los hospitales es el número de
infecciones intrahospitalarias para determinar la
calidad de los servicios de la institución; esta
información debe estar acompañada de algún
indicador sobre el sistema de calidad de la institución,
y al igual que el personal asistencial, no se posee
información completa para utilizar estos datos o para
realizar una estimación de ellos
3 ANÁLISIS DE RESULTADOS
En este capítulo se presentan los resultados obtenidos
en los diferentes análisis realizados durante este
trabajo. En la primera parte de este capítulo se
exponen las principales características de la
información presente en la base de datos de los
hospitales colombianos, el comportamiento de las
variables y la distribución de los hospitales por niveles
y conglomerados.
Posteriormente, se presentan los resultados de las
diferentes técnicas multivariadas y los índices
construidos para la jerarquización de los hospitales, al
igual que los resultados del análisis envolvente de Cuadro 1. Tabla de frecuencias de grupos por nivel, año
datos, y la combinación de ambas herramientas. Por 2002
ultimo se realiza una comparación de los resultados
obtenidos mediante los índices de técnicas En el Cuadro 1 se muestra la distribución de los
multivariadas y el índice obtenido mediante la hospitales por niveles en cada grupo, así, para el
combinación de estas y DEA GRUPO 1 los hospitales que lo conforman pertenecen
al primer nivel de complejidad, en su mayoría, y al
En la Figura 1 se observa el porcentaje de instituciones nivel 2 de menos de 80 camas. El GRUPO 2 está
en cada nivel de complejidad. En la figura se observa conformado por los hospitales de nivel 2 de menos de
que el nivel con mayor número de hospitales en el 80 camas y más de 80 camas, al igual que por algunos
nivel 1, disminuyendo la participación de cada nivel hospitales del nivel 1. El GRUPO 3 está conformado
con el aumento en la complejidad de los hospitales. por los hospitales más grandes del nivel 2 de más de
80 camas y algunos de nivel 3, y por último el
GRUPO 4, que está conformado por hospitales de
Distribución de Hospitales 2002
nivel 3 y un hospital de nivel 1 que presenta
84%
características muy especiales, ya que a pesar de estar
clasificado como de primer nivel, sus dimensiones lo
envían a este grupo.
9%
2% 5%
En el análisis de factores se evidenció una fuerte
NIVEL 1 NIVEL 2 -80 NIVEL 2 +80 NIVEL 3
influencia de las diferentes variables en la estructura
Figura 1. Distribución de los hospitales públicos en el año 2002
factorial de conjuntos de hospitales; pero a pesar de las
diferentes rotaciones utilizadas, no se obtuvo una
Como se explico en la sección 2, dadas las diferenciación entre las variables de entrada y de salida.
características particulares de los hospitales, se La estructura factorial mostró fuertes asociaciones entre
construyeron 4 conglomerados de hospitales de ambos grupos de variables, es decir, los factores no
manera que a su interior las instituciones que lo reflejaron separadamente a los insumos o productos
conforman puedan ser comparables entre si. Para hospitalarios, sino que mostraban paquetes de servicios.
construir los conglomerados se utilizaron varios En muchos casos los factores podían ser interpretados
métodos de agrupamiento jerárquico y finalmente se como indicadores de los servicios de consultas médicas
escogió los resultados del método Ward, ya que este y/o odontológicas, o como un indicador general del
método agrupa los elementos minimizando las funcionamiento de los hospitales
diferencias que puedan existir al interior del
conglomerado (Sharma, 1996). Como variables Las técnicas de análisis utilizadas, componentes
discriminantes se utilizaron el número de camas, los principales y factores, tienen una finalidad similar, su
días de estancia y los gastos de funcionamiento objetivo es descubrir el comportamiento de las variables
bajo análisis. Al comparar los resultados de ambas
intAno=2002 herramientas se aprecia una fuerte semejanza en los
The FREQ Procedure
resultados obtenidos por grupos o conglomerados. Para
Table of GRUPO by strNivel
GRUPO strNivel(strNivel) los diferentes conjuntos, los componentes y los factores
Frequency‚
Percent ‚ retenidos se relacionan con casi las mismas variables,
Row Pct ‚
Col Pct ‚Ni1 ‚Ni2 ‚Ni3 ‚Ni4 ‚
lo que aporta solides a los resultados.
Total
---------ˆ--------ˆ--------ˆ--------ˆ--------ˆ
1 ‚ 647 ‚ 21 ‚ 0 ‚ 0 ‚ 668
3.1 JERARQUIZACIÓN DE LOS HOSPITALES
‚ 79.98 ‚ 2.60 ‚ 0.00 ‚ 0.00 ‚ 82.57
‚ 96.86 ‚ 3.14 ‚ 0.00 ‚ 0.00 ‚ En esta sección se presentan los hospitales con
‚ 95.29 ‚ 30.00 ‚ 0.00 ‚ 0.00 ‚
---------ˆ--------ˆ--------ˆ--------ˆ--------ˆ mejores calificaciones con los diferentes índices. Para
2 ‚ 30 ‚ 49 ‚ 29 ‚ 2 ‚ 110
‚ 3.71 ‚ 6.06 ‚ 3.58 ‚ 0.25 ‚ 13.60 cada conjunto de hospitales se presenta la
‚ 27.27 ‚ 44.55 ‚ 26.36 ‚ 1.82 ‚
‚ 4.42 ‚ 70.00 ‚ 69.05 ‚ 11.11 ‚ jerarquización de los tres índices obtenidos mediante
---------ˆ--------ˆ--------ˆ--------ˆ--------ˆ
3 ‚ 1 ‚ 0 ‚ 13 ‚ 10 ‚ 24
las técnicas multivariadas. Los índices 1 y 2, se basan
‚
‚
0.12 ‚
4.17 ‚
0.00 ‚ 1.61 ‚ 1.24 ‚
0.00 ‚ 54.17 ‚ 41.67 ‚
2.97 el los trabajos con componentes principales de Zhu
‚ 0.15 ‚ 0.00 ‚ 30.95 ‚ 55.56 ‚ (1997) y Premachandra (2001). Y el índice 3 es
---------ˆ--------ˆ--------ˆ--------ˆ--------ˆ
4 ‚ 1 ‚ 0 ‚ 0 ‚ 6 ‚ 7 resultado de la combinación de análisis de variable
‚ 0.12 ‚ 0.00 ‚ 0.00 ‚ 0.74 ‚ 0.87
‚ 14.29 ‚ 0.00 ‚ 0.00 ‚ 85.71 ‚ canónica y DEA, según el trabajo de Sinuary-Stern y
‚ 0.15 ‚ 0.00 ‚ 0.00 ‚ 33.33 ‚
---------ˆ--------ˆ--------ˆ--------ˆ--------ˆ Friedman (1997).
Total 679 70 42 18 809
83.93 8.65 5.19 2.22 100.00
Los índices 1 y 2 utilizan las razones entre las
variables de salida y las variables de entrada. Cuanto
mayor sea la razón entre la variable de salida, yj, y la
variable de entrada, xi, mejor es el desempeño de esta
institución en términos de la variable de entrada y la
variable de salida correspondiente (Zhu J., 1997).
Estas razones son las nuevas variables que alimentan
el análisis de componentes principales. Los
componentes principales obtenidos se combinan con el
valor de sus respectivos eigenvalores para generar una
medida ponderada, esta medida es el índice de
jerarquización. El trabajo de Premachandra realiza
consideraciones adicionales al estudio realizado por
Zhu. Premachandra resalta que el trabajo de Zhu no
tiene en cuenta el desempeño global de una DMU con
respecto a todas las variables. Adicionalmente, no
considera el desempeño una DMU con respecto a una
variable j en comparación con las otras
En el índice tres, el análisis de variable canónica se
realizó con los resultados obtenidos en el modelo
aditivo. Es decir, que se utilizaron dos grupos: las
unidades, eficientes e ineficientes, de acuerdo con un
modelo aditivo BCC (DEA). Con esta clasificación se
realizó el análisis, y el índice es la variable canónica
resultante.
Los resultados de los diferentes índices para los
diferentes nivels de complejidad dan como resultado
que los mejores hospitales para los años 2002 y 2003
son los presentados en el Cuadro 1. Es así, como el
hospital con mejor calificación para el nivel 1 es el
Hospital Francisco Valderrama, de la ciudad de Turbo.
Oros hospitales con calificaciones altas son los
hospitales de Nazareth, en la ciudad de Barranquilla, el
Centro de Salud de San Pedro, Sucre, el Hospital
Ismael Roldán de Quibdo.
Para la jerarquización por conglomerados, el GRUPO
1, el cual en su mayoría es conformado por hospitales
de primer, da como resultado que los hospitales con
mejor calificación son el Centro de Salud de San
Pedro, el cual obtiene una muy buena calificación
durante los dos años, el Hospital Juan Domínguez
Romero de Soledad, el cual ocupa la primera posición
durante el 2002, y el Hospital Ismael Roldán de
Quibdo.
En las dos agrupaciones, El Centro de Salud de San
Pedro y el Hospital Ismael Roldán, se encuentran
dentro de las 5 mejores entidades; estos hospitales que,
a pesar de estar bajo clasificaciones distintas, obtiene
muy buenas calificaciones, son los hospitales que
muestran ser realmente eficientes, ya que a pesar de
ser seleccionados bajo diferentes parámetros siguen
obteniendo calificaciones altas.
HOSPITALES NIVEL
H. Francisco Valderrama, Turbo 1
ESE Centro de Salud de San Pedro, Sucre 1
H. Ismael Roldán, Quibdo 1
H. Bosa Nivel lI, Bogotá 2
H. Francisco de Paula Santander, Santander de Quilichao 2
H. Juan Domínguez Romero, Soledad 2
Clínica Rafael Calvo, Cartagena 2+80
H. General de Barranquilla 2+80
H. Engativá Nivel II 2+80
H. San Jorge de Pereira 3
H. General Luís Castro, Medellín 3
Cuadro 1. Mejores hospitales nivel1, 2002
Al analizar las calificaciones de los cuadros anteriores
y las Figura 2 y 7, se observa que la distribución de
las calificaciones entre los índices de componentes
principales y el índice de variable canónica es muy
diferente. En el índice uno la gran mayoría de las
unidades presenta calificaciones malas, las mayores
frecuencias se encuentran en las calificaciones
negativas, y son muy pocos los hospitales que obtienen
altas calificaciones (Figura 2). Para el índice tres, la
mayoría de los hospitales se encuentran concentrados
alrededor de la media de la calificaciones, muy pocos
son los que presentan calificaciones sobresalientes o
muy desfavorables.
Para los hospitales de nivel 2 de menos de 80 camas,
el hospital con mejor calificación es el Hospital de
Bosa de nivel II, seguido por le Hospital de Santa
Mónica, y el Hospital Francisco de Paula Santander.
Estos hospitales se encuentran entre las 5 mejores
posiciones durante los años 2002 y 2003. Para el
GRUPO 2, los hospitales que ocupan los dos primeros
lugares dentro de la jerarquización son el Hospital
Francisco Valderrama, y el Hospital de Bosa de nivel
II. Al comparar con los resultados de la agrupación por
niveles, además del Hospital de Bosa, se encuentra que
el Hospital Francisco de Paula Santander aparece entre
los primeros puntajes.
 Histograma Histograma

300
20
18
250
16
14
200

Frecuencia
12
Frecuencia

10
150
8
6
100
4

50
2
0

9
72

04

37

35
7

...
0

23

09
23

or
59

81

02

45

66

41

79
07

ay
18

14

11

03

99
...
43 3

07 46

6
13

71 46

20

70
30 68

2, 215 8

3, 40 8

25 48

53

m
22 05

33 18

40 41

14

55 61

34
2

or

28

03

78

28

02
5

2, 450

19 47
69 95

76 85

83 74

91 64

62

44
,8

y
ay
4

25

55

34

94

,3

,5

,6

,0

,2
-1
-0 16

0, 52

1, 84

2, 16

3, 48

0,

1,
m

-4

-3

-2

-1

-0
39
48
80

y
05

12
,3

,0

0,

1,

3,
Clase
1,
-0

Clase

Figura 4. Histograma de frecuencias de puntajes índice 3, nivel 2 de

Figura 2. Histograma de frecuencias de puntajes índice 1 nivel 1,
menos de 80 camas. 2002
2002

Histograma Para el nivel 2 de más de 80 camas, las mejores

posiciones las ocupan el Hospital General de
450
400 Barranquilla, e Hospital de Engativá, La Clínica Rafael
350
Calvo, y el Hospital regional de Sinceros. Estas
Frecuencia

300
250
200
entidades no solo se encuentran entre las primeras 5
150
100
posiciones en la clasificación por niveles, para la
50
0
agrupación por conglomerados, también resultan ser los
hospitales mas sobresalientes. Este es el grupo que
y mayor...
-8,545379721
-7,289954009
-6,034528297
-4,779102585
-3,523676873
-2,268251161
-1,01282545
0,242600262
1,498025974
2,753451686
4,008877398
5,264303109
6,519728821

presenta mayor número de coincidencias con la

agrupación por conglomerados. Las entidades que
Clase
sobresalen en estos grupos son altamente eficientes.
Figura 1. Histograma de frecuencias de puntajes índice 3 nivel 1.
2002
En las figuras de distribución de puntajes se aprecia un
La frecuencia de los puntajes obtenidos en este nivel se comportamiento similar al de los niveles anteriores, los
aprecia en las Figura 3 y 4. Para el índice 1, la mayoría hospitales obtienen puntajes más altos con el índice 3
de los hospitales se agrupan alrededor de la media de que con el índice 1. A través de componentes
puntajes, son pocos los hospitales que obtienen altas principales, los hospitales con calificación alta son muy
calificaciones. Para el índice 3, la mayoría de los pocos.
puntajes se agrupan en el extremo superior de las Histograma

calificaciones. Con este ultimo índice, los hospitales 20

18
obtiene calificaciones mas altas que con los índices de 16

componentes principales. 14

12
Frecuencia

Histograma
10

30 8

6
25
4

20 2
Frecuencia

0
15
66

91

17

42
5

76

.. .
88

7
5

or
87

90

93

96
8

21

ay
11

76

95

14

33
94

m
06

10
11

52

94

35
,2

y
,7

-0

0,

0,

0,

1,
-0

Clase
5

0 Figura 5. Histograma de frecuencias de puntajes índice 1 nivel 2 de

más de 80 camas, 2002
...
1

9
2

87

55

22

or
81

04

27

50
91

88

86

84

ay
77

41

22

02

82
19

61

03

m
35

01

67

32
42

16

89

63

y
06

39

71

04
,2

,9

,5

,2
-1

0,

0,

0,

1,
-0

-0

-0

Clase
Para el nivel 3, solo se presenta la comparación de los
Figura 3. Histograma de frecuencias de puntajes índice 1 nivel 2 de índices para el 2002, debido a que durante el 2003 todos
menos de 80 camas, 20021 los hospitales resultaron eficientes, lo que impide la
construcción del tercer índice. A partir del Cuadro 1, los
mejores hospitales son el Hospital General de Medellín
y el Hospital Universitario de Pereira.
 Histograma nivel 3 para ambos años, en el GRUPO 3 en el año 2003
14
y en el GRUPO 4 para ambos años.
12

10 Al correr los diferentes modelos ADD para los

Frecuencia

8 diferentes niveles se encontró que el porcentaje de

6
hospitales eficientes dentro de cada nivel varia mucho
4
de nivel a nivel, a medida que se incremente la
2

0
complejidad de los hospitales aumenta el porcentaje de
hospitales eficientes dentro del grupo, y disminuye el
48

14

88

2
8

...
35

02
79

or
6
46

13

45

58

72
16

ay
19

68

número de entidades al interior de cada grupo.

13

18

23
89

m
90

39

56

61

66
,4

y
,5

,5

-0

0,

1,

2,
-2

-1

Clase

Porcentaje de hospitales eficientes

Figura 6. Histograma de frecuencias de puntajes índice 3 nivel 2 de Nivel
más de 80 camas. 2002 Año 2002 Año 2003
1 9.87 10.07
Al comparar los resultados con el GRUPO 4, durante el 2 con menos de 80
48.57 43.66
mismo año, la mejor entidad es el Hospital camas
Universitario San Jorge de Pereira, seguido por el 2 con más de 80 camas 40.48 73.81
Hospital General de Medellín. A diferencia de los 3 66.67 100
niveles anteriores, en este grupo los hospitales tienden a Cuadro 2. Porcentaje de hospitales eficientes por nivel y
obtener altos puntajes, en este grupo de hospitales la año
mayoría de los hospitales resultaron sobresalientes.
Del Cuadro 2 se puede apreciar que en la mayoría de los
Histogram a
niveles hubo un aumento en el número hospitales
eficientes del 2002 al 2003, también se puede ver que
7

6
en el primer nivel de complejidad es donde existe un
5
menor número de entidades eficientes, solo el 10% de
los hospitales de este nivel están trabajando sin
Frecuencia

3 desperdicios en sus insumos.

2

1 Porcentaje de hospitales eficientes

0
GRUPO
Año 2002 Año 2003
6

2
26

...
38

94
31

or
57

99

11
91

ay

1 13.17 10.22
52

76

03
84

m
77

00

40
,3

y
,7

-0

0,

0,
-0

Clase
2 49.09 29.75
3 70.83 85.71
Figura 7. Histograma de frecuencias de puntajes índice 1 nivel 3,
4 100 88.89
2002
Cuadro 3. Porcentaje de hospitales eficientes por grupo y
3.2 ANÁLISIS ENVOLVENTE DE DATOS año

Para hacer este trabajo se utilizó el software

Por el contrario, en la agrupación por grupos del 2002 al
denominado EMS (Efficient Measurement System) que
2003 se presenta un deterioro en la eficiencia de los
fue desarrollado en la Universidad de Durmond,
hospitales o en el número de hospitales considerados
Alemania. Se utilizó el modelo aditivo-BCC para
como eficientes bajo el modelo aditivo BCC (Cuadro
estudiar la eficiencia puramente técnica de los
3), solo el grupo 3 tiene un comportamiento distinto ya
hospitales, es decir, evaluar la eficiencia en ambientes
que en el 2003 presenta un 15% más de entidades
con retornos variables de escala. De acuerdo con el
eficientes. Al igual que en la clasificación por niveles, a
concepto de eficiencia planteado en este trabajo, un
medida que aumenta la complejidad de los hostales al
hospital se considerara eficiente cuando utilice niveles
interior del grupo, aumenta el porcentaje de unidades
mínimos de recursos sin empeorar los niveles de
eficientes.
resultados o salidas en ningún aspecto.
Con el modelo aditivo no es posible obtener una medida
Dadas las características de nuestro problema, ciertos
de eficiencia para las unidades bajo evaluación, debido
grupos de hospitales presentan muy pocas unidades,
a que su función objetivo se concentra en minimizar la
para poder realizar correctamente un análisis
suma de las holguras y no en un valor o porcentaje de
envolvente de datos, modelo aditivo, en estos grupos se
contracción de los insumos. Por esto es importante
utilizó la mejora propuesta por Adler y Golany en el
revisar las holguras obtenidas con el modelo.
2002, esta propuesta se implemento en el análisis del

Para los hospitales, al igual que las empresas de
servicios, la administración del hospital esta en
capacidad de mejorar o controlar el uso de los insumos
o variables de entrada pero, no es posible controlar las
salidas o servicios debido a que la demanda de estos es
aleatoria. Al mirar los resultados de las holguras de
entrada para los diferentes conjuntos de hospitales, se
presenta en todos los casos que la variable con mayores
desperdicios es gastos.
Para los hospitales de primer nivel, los mayores
desperdicios se encuentran en los gastos y el número de
camas; para los hospitales de nivel 2 de menos de 80
camas, las mayores holguras se localizan en los gastos,
el número de unidades odontológicas y le número de
consultorios; en el nivel 2 de más de 80 camas, además
de la variable gasto, los mayores desperdicios se ubican
en el número de mesas de parto y el número de
unidades odontológicas. Para el tercer nivel de
complejidad es de recordar que este grupo presenta un
reducido número de unidades que en su mayoría
resultaron eficientes.
Para los hospitales del GRUPO 1, además del gasto, los
mayores excesos se localizaron en la variable número
de camas; en el GRUPO 2, holguras se concentraron en
los gastos, el número de unidades odontológicas, el
número de consultorios, y las mesas de parto; para el
GRUPO 3 adicionalmente al gasto, las holguras se
concentraron en el número de mesas de parto.
Al comparar los dos sistemas de agrupación es posible
encontrar similitudes entre las variables que presentan
mayores holguras, estas variables deben ser objeto de
revisión por parte de la administración de los hospitales
ya que las holguras son indicios de los posibles ahorros
que el hospital estaría en capacidad de obtener.
3.3 COMPARACIÓN DE LOS ÍNDICES
En esta sección se pretende realizar la comparación de
los diferentes índices construidos a lo largo de las otras
secciones. Para realizar la comparación de los diferentes
índices construidos se calculó el coeficiente de
correlación de Spearman. En el Cuadro 4 y Cuadro 5 se
observan las matrices en donde se puede apreciar las
correlaciones entre los diferentes índices, tanto por
niveles como por grupos.
índice 1 índice 2 índice 3
índice 1 1 con el índice 1 y 2 es de 0.722 y 0.667 para la
índice 2 0,88818122 1
índice 3 0,72260691 0,66741277 1
Cuadro 4. Correlación de los índices por niveles
índice 1 índice 2 índice 3
índice 1 1
índice 2 0,99321444 1
índice 3 0,45513441 0,44856202 1
Cuadro 5. Comparación de índices por grupo
De esto, se puede resaltar la correlación entre el índice 1
y el índice 2, es igual a 0.888 y 0.993. Lo cual permite
establecer que los índices 1 y 2 son muy similares en
cada una de las agrupaciones. Estos dos índices se
hallaron por medio de componentes principales. El
primer índice se asocia al trabajo de Zhu (1997) y el
segundo índice se asocia al trabajo de Premachandra
(2001). Los hospitales se organizan de forma muy
similar. De acuerdo con los resultados obtenidos las
consideraciones adicionales que incluye el segundo
índice no establecieron diferencias significativas. En la
Figura 10 se pueden apreciar gráficamente algunas
relaciones entre los índices presentados para la
agrupación por conglomerados, y en la Figura 8 se
aprecia la relación entre los índices por niveles. En la
Figura 10 se observa que la tendencia de los puntos
forma una línea recta con una pendiente aproximada de
1, lo que demuestra las grandes similitudes existentes
entre ambas jerarquizaciones. Para la agrupación por
niveles, Figura 8, la tendencia de las puntos no es tan
clara, aunque se observa una tendencia general de las
observaciones existen muchos puntos desviados de la
tendencia central de los datos. Estos puntos por fuera de
la línea de tendencia central indican las diferencias entre
ambos índices de jerarquización, es decir, la agrupación
por niveles presenta mayor número de diferencias que
la agrupación por conglomerados.
Aunque en la construcción de estos dos índices se
utilizó el análisis de componentes principales, es
importante anotar que el segundo índice realiza
consideraciones que permiten evaluar el desempeño
global de cada una de las instituciones que no se
establecieron en el primer índice. En este caso, parece
que la aproximación construida con base en el estudio
de Zhu (1997) establece una jerarquización muy
similar.
El índice obtenido por medio del análisis de variable
canónica es el índice 3. Este índice utiliza la variable
canónica obtenida en el análisis como elemento
jerarquizador, es decir, las unidades son ordenadas
según el puntaje obtenido en la variable canónica. El
coeficiente de correlación de Spearman de este índice
agrupación por niveles. El coeficiente de correlación de
este índice con los construidos bajo componentes es
inferior que la presentada entre los índices 1 y 2. Esto
indica que en general la jerarquización obtenida con los
dos primeros índices no es tan similar con respecto a los
resultados encontrados en el índice 3.
Al mirar el comportamiento del índice 3 contra los dos
primeros índices en la agrupación por grupo, se observa
que la jerarquización generada por componentes
principales es muy diferente a la obtenida bajo variable
canónica, esto se deduce por la baja correlación entre
dichos índices, 0.455 y 0.448, lo cual se puede
confirmar al mirar la Figura 11. En esta figura no se
presenta una tendencia general de los datos. Las dos
jerarquizaciones no presentan mayores coincidencias.
De la Figura 9 se observa que en la agrupación por
niveles a pesar de existir diferencias entre ambos
índices, 1 y 3, estas no son tan marcadas como en la
agrupación por conglomerados.
Figura 8. Índice 1 contra índice 2 por niveles
Figura 9. Índice 1 contra índice 3 por niveles
Figura 10. Índice 1 contra índice 2 por conglomerados
Figura 11. Índice 1 contra índice 3 por conglomerados
3.3.1 Comparación de los resultados obtenidos por
medio del análisis multivariado y el análisis envolvente
de datos.
En las secciones anteriores se construyeron diferentes
índices asociados a diferentes técnicas multivariadas y
al análisis envolvente de datos. Adicionalmente, en la
última sección se compararon los índices por medio del
cálculo del coeficiente de correlación de Spearman. En
esta sección se pretende comparar los resultados
obtenidos por medio del análisis envolvente de datos y
algunas técnicas multivariadas.
Análisis de factores y modelo aditivo BCC
En la Figura 12 se observa el primer factor contra el
segundo factor resultado del análisis de factores para el
grupo 1. En este caso se puede diferenciar en la figura
las instituciones eficientes de las ineficientes
(eficientes=1, ineficientes=2). En esta figura se observa
que las unidades más eficientes no siempre obtienen un
mayor puntaje en el primer factor. Es importante
recordar que el primer factor se asocia con los gastos,
egresos, consultorios y consultas médicas. En este caso
se observa que algunas de las instituciones eficientes
obtienen altos puntajes en este factor, sin embargo,
también instituciones con muy bajo puntaje en este
factor son eficientes de acuerdo con el modelo aditivo.
Esto podría indicar que instituciones con bajo puntaje
son instituciones que no alcanzan un nivel muy alto en
calidad, sin embargo, de acuerdo con los recursos que
utiliza la institución alcanza un buen nivel. También se
destacan entidades que no son eficientes con un alto
nivel en los resultados de este factor. El segundo factor
se relaciona con el número de consultorios y el número
de unidades odontológicas. En general, hay un mayor
número de instituciones eficientes con un menor
número de consultorios y unidades odontológicas.
Dentro de las entidades se pueden identificar cuatro
grupos. Los hospitales que son eficientes y obtienen un
alto puntaje en sus resultados (alto puntaje en el primer
factor) son el primer grupo. Este grupo de hospitales
son entidades que deberían ser estudiadas como un
modelo a seguir, ya que manejan eficientemente los
recursos y logran obtener niveles de calidad muy altos.
El segundo grupo son las instituciones eficientes pero
que obtienen resultados bajos en las variables que
reflejan la atención de los pacientes. Estos hospitales
deberían ser entidades que el Ministerio de Salud o el
Centro de Gestión Hospitalaria deberían estimular por
medio de mayor inversión, debido a que han
demostrado un manejo adecuado de recursos. El tercer
grupo de instituciones corresponde a aquellas que no
son eficientes y tampoco obtienen resultados favorables.
Sobre estas entidades debería realizarse un mayor
seguimiento para eliminar este tipo de ineficiencias
antes de realizar cualquier tipo de inversión. En este
grupo la inversión no debería realizarse hasta que las
entidades presenten un mejor manejo de los recursos.
Por último se encuentran las entidades que son
ineficientes pero que obtienen resultados muy
favorables en relación a la calidad de los resultados.
Estas entidades también deberían ser objeto de un
seguimiento por parte de las entidades anteriormente
mencionadas. Sobre estos hospitales deberían
desarrollarse políticas de ahorro en los recursos
Si se considera un puntaje alto en el primer factor, como
los puntajes mayores a cero, y los puntajes bajos como
aquellos que tienen un puntaje inferior a cero, se puede
afirmar que: el 59.6% de las instituciones obtienen
puntajes bajos y solamente el 40.4% obtiene puntajes
altos. El 58.3% de las instituciones eficientes obtienen
puntajes bajos (6.8% del total de instituciones) y el
41.7% de las instituciones eficientes obtienen puntajes
altos (4.9% del total de instituciones). Adicionalmente,
se puede establecer que el 40.33% de las instituciones
ineficientes presentan puntajes altos de calidad (35.6%
del total de instituciones) y el 66.5% de las instituciones
ineficientes presentan puntajes bajos de calidad (52.7%
del total de instituciones).
Figura 12. Factor uno contra factor dos para el grupo 1
(modelo aditivo), 2002
En la Figura 13 se observa el primer y segundo factor
para el grupo 2. Es importante recordar que el primer
factor se asocia positivamente con los consultorios,
consultas médicas y unidades odontológicas. En esta
figura se observa que la mayoría de las instituciones
eficientes de acuerdo con el modelo aditivo (69.1% de
las instituciones eficientes) presentan puntajes bajos
(menores a cero) en este factor. Con respecto al
segundo factor, asociado positivamente con las
variables egresos, días de estancia y consulta
especializada, se puede observar que el 75.6% de las
entidades eficientes presentan puntajes bajos, es decir
que la atención especializada no es alta, mientras que el
24.4% de los hospitales eficientes presentan una alta
tasa de atención
Figura 13. Factor uno contra factor dos para el grupo 2
(modelo aditivo), 2002
4 CONCLUSIONES
Con las técnicas de análisis descriptivo el sistema de
agrupación por niveles presenta muchas discrepancias, a
diferencia de la agrupación por conglomerados, no hay
fuertes similitudes entre los resultados del análisis de
factores y el de componentes; esta situación puede ser
producto de la clasificación en sí, ya que los niveles de
complejidad obedecen más a una clasificación
administrativa que no necesariamente incluye
características de los servicios prestados. En
conglomerados, la estructura y variables asociadas son
muy similares en ambas técnicas, y esto se puede deber
a la conformación de los grupos ya que solo se tuvo en
cuenta las variables o servicios de los hospitales y no
ninguna distinción administrativa. Lo anterior se puede
reafirmar al observar las graficas de comparación entre
los índices de componentes principales para las
diferentes agrupaciones, ya que a pesar que los dos
primeros índices e basan en la misma técnica
estadística, por niveles se presentan un buen número de
entidades que se alejan de la tendencia central de los
datos.
Otra técnica de análisis multivariado utilizada fue el
análisis de variable canónica, mediante este análisis fue
posible determinar la manera en que las diferentes
variables influyen sobre el desempeño de los hospitales.
Los resultados obtenidos indican que el desempeño de
los hospitales se encuentra asociado principalmente a
los egresos y a las consultas médicas, es decir, un
incremento en estas variables mejoraría la calificación
de los hospitales. De igual manera, las variables que
afectan negativamente la calificación de los hospitales
son los gastos y los días de estancia. Este
comportamiento se presenta por igual en ambas
agrupaciones.
La correlación positiva entre las variables de entrada y
de salida, lo que es una clara indicación de la relación
entre ambos grupos de variables, es decir, las variables
de entrada están explicando las variables de salida. De
esta manera la presencia de bajas calificaciones de los
hospitales se puede deber al manejo inadecuando de los
recurso disponibles. Los hospitales deben realizar sus
mayores esfuerzos en controlar sus insumos, en especial
los gastos de funcionamiento, ya que esta es la variable
que más fuertemente castiga la calificación de los
hospitales.
Al realizar el análisis DEA con el modelo aditivo, se
encontró que a medida que se incrementa la
complejidad de los hospitales, aumenta el porcentaje de
entidades eficientes en cada nivel. Este comportamiento
también se presenta en la agrupación por
conglomerados. Es axial como para el nivel 1 solo el
10% de la entidades son eficientes; para el nivel 2 de
menos de 80camas, el 48.5% de los hospitales son
eficientes durante el 2002, y el 43.6% en el 2003. Para
el nivel 2 de más de 80 camas, el 40.4% de los
hospitales son eficientes durante el 2002, y el 73.8%
durante el 2003. El nivel 3, presenta un 66.6% de
entidades eficientes en el 2002, y en el 2003 la totalidad
de los hospitales son calificados como eficientes. Para
los dos últimos grupos de entidades, niveles 2 de más de
80 camas y nivel 3, se presentó un aumento
significativo en el número de hospitales eficientes de un
año a otro.
Para la agrupación por conglomerados, el GRUPO 1
presenta como eficientes el 13.1% de las entidades
durante el 2002, y para el 2003, fueron eficientes el
10.2% de los hospitales. En el GRUPO 2, se presentó
un 49% de entidades eficientes durante el 2002, y en el
2003, un 29.7%. En el grupo 3, el 70.8% y el 85.7% de
los hospitales fueron eficientes en el 2002 y 2003,
respectivamente; y el GRUPO 4, el 100% y 88.89% de
los hospital fueron eficientes durante los mismos años.
A diferencia de la agrupación por niveles, el los
conglomerados se presentó una reducción del
porcentaje de hospitales eficientes del 2002 al 2003.
De las diferentes jerarquizaciones realizadas, su puede
decir que para el primer nivel de complejidad las
mejores entidades son el Centro de Salud de San Pedro,
Sucre, El Hospital Francisco Valderrama, de Turbo.
Para el GRUPO 1 las mejores instituciones fueron el
Centro de Salud de San Pedro, Sucre, el Hospital Juan
Domínguez Romero de Soledad, Atlántico y el Hospital
Ismael Roldán de Quibdo.
Para el nivel 2 de menos de 80 camas, a igual que para
el GRUPO 2, el mejor hospital fue el Hospital de Bosa
de Nivel II, en Bogotá. Para el nivel 2 de más de 80
camas las entidades con mejor calificaciones fueron el
Hospital de Engativá de Nivel II en Bogotá, y el Clínica
Rafael Calvo Castaño de Cartagena; para el GRUPO 3,
las mejores entidades fueron, la Clínica Rafael Clavo, y
el Hospital San Rafael de Girardot. Para el tercer nivel
de complejidad, al igual que para el GRUPO 4, el mejor
hospital fue el Hospital Universitario San Jorge de
Pereira, seguido por el Hospital Universitario Luís
Castro Gutiérrez de Medellín
Al utilizar como modelo DEA un modelo aditivo, no
fue posible obtener un valor o calificación de las
eficiencia de los hospitales bajo evaluación, pero si un
valor de las holguras. Las holguras que se pueden
reducir son las que se refieren a las variables de entrada,
ya que sobre estas la administración del hospital tiene la
capacidad de influir. Del análisis de holguras la variable
que presenta un mayor desperdicio fue los gastos de
funcionamiento; las demás variables, como el número
de unidades odontológicas, el número de consultorios
médicos, el número de consultorios y el número de
mesas de parto, también registraron excesos
considerables durante su evaluación. Al comparar los
dos sistemas de agrupación es posible encontrar
similitudes entre las variables que presentan mayores
holguras, estas variables deben ser objeto de revisión
por parte de la administración de los hospitales ya que
las holguras son indicios de los posibles ahorros que el
hospital estaría en capacidad de obtener.
Adicional a la jerarquización se lograron distinguir en
cuatro grupos las instituciones evaluadas. Los hospitales
que son eficientes y obtienen un alto puntaje en sus
resultados (alto puntaje en el primer factor) son el
primer grupo. Este grupo de hospitales son entidades
que deberían ser estudiadas como un modelo a seguir,
ya que manejan eficientemente los recursos y logran
obtener niveles de calidad muy altos. El segundo grupo
son las instituciones eficientes pero que obtienen
resultados bajos en las variables que reflejan la atención
de los pacientes. Estos hospitales deberían ser entidades
que el Ministerio de Salud o el Centro de Gestión
Hospitalaria deberían estimular por medio de mayor
inversión, debido a que han demostrado un manejo
adecuado de recursos. El tercer grupo de instituciones
corresponde a aquellas que no son eficientes y tampoco
obtienen resultados favorables. Sobre estas entidades
debería realizarse un mayor seguimiento para eliminar
este tipo de ineficiencias antes de realizar cualquier tipo
de inversión. En este grupo la inversión no debería
realizarse hasta que las entidades presenten un mejor
manejo de los recursos. Por último se encuentran las
entidades que son ineficientes pero que obtienen
resultados muy favorables en relación a la calidad de los
resultados. Estas entidades también deberían ser objeto
de un seguimiento por parte de las entidades
anteriormente mencionadas. Sobre estos hospitales
deberían desarrollarse políticas de ahorro en los
recursos
En la comparación de los resultados de los análisis
multivariados y de EAD, si se considera un puntaje alto
en el primer factor, como los puntajes mayores a cero, y
los puntajes bajos como aquellos que tienen un puntaje
inferior a cero, se puede afirmar que: el 59.6% de las
instituciones obtienen puntajes bajos y solamente el
40.4% obtiene puntajes altos. El 58.3% de las
instituciones eficientes obtienen puntajes bajos (6.8%
del total de instituciones) y el 41.7% de las
instituciones eficientes obtienen puntajes altos (4.9%
del total de instituciones). Adicionalmente, se puede
establecer que el 40.33% de las instituciones
ineficientes presentan puntajes altos de calidad (35.6%
del total de instituciones) y el 66.5% de las instituciones
ineficientes presentan puntajes bajos de calidad (52.7%
del total de instituciones).
Al terminar este trabajo es de resaltar que el
funcionamiento de los hospitales es un sistema
complejo, ya que incluye elementos tanto técnicos y
humanos, como de mercadeo. Un hospital no puede
predecir exactamente cuantas personas acudirán a
solicitar sus servicios, por lo cual no es fácil determinar
el número de camas, consultorios y distintos
requerimientos necesarios para atender a las personas;
esta situación genera un grado de ineficiencia que es
intrínseca a las características de los hospitales. Esta
medida de subutilización de recursos se debe a que la
entidad no puede asumir el riesgo de no tener los
recursos suficientes para atender a la población
Una mejoría que puede ser incluida en este estudio es
utilizar datos sobre el número de horas de personal
asistencial, tanto médicos como enfermeras. Esta
información no pudo ser utilizada debido a que muy
pocas entidades tenían registrado datos completos. El
personal medico asistencial es una de las variables más
relevantes en la evaluación de la capacidad de atención
de los hospitales.
5 BIBLIOGRAFÍA
Adler. N, Friedman. L, Sinaury-Sterm, 2002 Review of
ranking methods in the data envelopment analysis context,
European Journal of Operation Research, 140, pp 149-465
Adler. N, Golany, 2000, Evaluation of deregulated airline
network using DEA combined with principal component
analysis with an application to Western European, European
Journal of Operation Research, 132, pp 206-273
Adler. N, Golany, B, 2002, Including principal component
weights to improve discrimination in data envelopment
analysis, Journal of the Operational Research Society, 53, pp
985-991
Aisbett, Christopher, Hospital type adjustment, (2003), 19th
PCS/E conference, Capitoll Hill DC/USA 8-11th October
2003
Allen, R, Thanassoulis, E, 2004, Improving envelopment in
data envelopment analysis, European Journal of Operation
Research, 154, pp 363-379
Andersen, Petersen, 1993, A procedure for ranking efficient
units in Data Envelopment Analysis, Management Science,
vol 39 Nº 10
Asamblea Nacional Constituyente, 1991, Constitución
Política de Colombia, Articulo 48
Congreso de la Republica de Colombia, 1993, Ley 100
Cooper, William, Seiford. Laurence, Tone Karov, 2000, Data
Envelopment Analysis: a comprehensive text with models,
applications, references and DEA solver Software
Cooper, W.W., Tone, K., 1997. Measures of inefficiency in
data envelopment analysis and stochastic frontier estimation.
European Journal of Operational Research 99(1), 72-88.
Díaz, Gloria Maritza, 2003, Construcción de índices
asociados a técnicas multivariadas y al análisis envolvente de
datos para los centros educativos distritales, Universidad de
los Andes
Doyle J., Green R. 1994. Efficiency and Cross-efficiency in
DEA: Derivations, Meanings and Uses. Journal Operation
Research Society. Vol 45, No. 5.
Emrouznejad, A (2000) An Extension to SAS/OR for
Decision System Support, Proceeding of the 25 SAS User
Group International Conference, April 2000, Indianapolis
pp1456-1461
Emrouznejad A. (2002) A SAS Application for Measuring
Efficiency and Productivity of Decision Making Units, in the
proceeding of the 27th SAS International Conference, pp
259-27
Fennell, Mary L., 1980, Effect of environmental
characteristics on the structure of hospital cluster,
Administrative Science Quarterly, pp 485-510. Recuperado el
22 de Agosto de 2005 de la base de datos EBSCO
Giedion, U, González, L, 1999, Medición de la eficiencia
económica y de gestión en los hospitales públicos del distrito,
Secretaria de Salud, Alcaldía Mayor de Bogotá
Giedion, U, González, L, Acosta, O, 2001, Efectos de la
reforma en salud sobre las conductas irregulares den los
hospitales públicos: el caso de Bogotá, FEDESARROLLO
Giraldo, Jorge Andrés, 2004, Aplicación de análisis
envolvente de datos a hospitales públicos de segundo y tercer
nivel, Universidad de los Andes
Honório, Líro, Mateus, Céu, 2000, Defining hospital peer
groups: Why is it so difficult?, CASEMIX, Vol 2, n 2, pp. 39-
46
Jaramillo Pérez, Iván, 2001, Evaluación de la
descentralización en salud en Colombia, Colombia,
Departamento Nacional de Planeación, Departamento de
estudios económicos
Johnson, R, Wicherm, D, 1991, Applied multivariate
statistical analysis, Prentice Hall
Krzanowski W.J. 1996. Principles of multivariate analysis. A
user’s perspective. Clarendon Press Oxford Belfast.
López, Mauricio, 2003, Evaluación de la eficiencia en la
utilización de recursos para la generación de resultados de
aprendizaje y cobertura de cupos escolares en los centros
educativos del distrito, Universidad de los Andes
Mendoza Morena, Martha, 2004, Determinante el desempeño
de los hospitales después de su transformación de hospitales
públicos a empresas sociales del estado, Universidad de los
Andes
Mora, H, Morales, L, 1997, Consideraciones sobre la
evaluación de la eficiencia relativa de los hospitales
colombianos, Universitas Económicas, Vol. 9, pp. 21-39
Nupia, O, Sánchez, F, 2001, Eficiencia de los hospitales
públicos de Bogotá, Desarrollo y Sociedad, 48, pp., 101-136
Palacios F. 2004. Guías de clase de análisis envolvente de
datos. Universidad de los Andes.
Peñaloza Ramos, Maria Cristina, 2003, Evaluación de la
eficiencia en instituciones hospitalarias publicas y privadas
con Data Envelopment Analysis (DEA), Colombia,
Departamento Nacional de Planeación, Departamento de
estudios económicos
Peñaloza Ramos, Maria Cristina, 2005, Evaluación del
desempeño de las instituciones aseguradoras (EPS y ARS) en
términos de la contribución al logro de uno de los
fundamentos de la Ley 100 de 1993: la equidad en la
prestación de servicios de salud del SGSSS, Colombia,
Departamento Nacional de Planeación, Departamento de
estudios económicos
Pinzón Martínez, Maureen, 2003, Medición de eficiencia
técnica relativa en hospitales públicos de baja complejidad
mediante la metodología de Data Envelopment Análisis
(DEA), Colombia, Departamento Nacional de Planeación,
Departamento de estudios económicos
Retzlaff-Roberts, D.D., 1996. Relating discriminant analysis
and DEA to another. Computers and Operations Research
4(23), 311-322.
Sharma, Shubash, 1996, Applied multivariate techniques,
John Wiley & Sons
Sinuany-Stern, Z., Mehrez, A., Barboy, A., 1994. Academic
departments efficiency in DEA. Computers and Operations
Research 21(7) 543-556.
Sinuary-Stern Z., Friedman L. 1997. Scaling units via the
canonical correlation analysis in the DEA context. European
Journal of Operational Research. Vol. 100, pp 629-637.
Sinuary-Stern Z., Friedman L. 1998. DEA and the
discriminant analysis of ratios for ranking units. European
Journal of Operational Research. Vol. 111.
Sueyoshi, Toshiyuki, 2004, Mixed integer programming
approach of extended DEA-discriminant analysis, European
Journal of Operation Research, 152, pp 45-55
Thanassoulis, Emmanuel, 2001, Introduction to the theory an
applications of data envelopment analysis, Kluwer Academia
Publisher
Tole Clavijo, José Paulo, 2002, Metodología de aplicación de
data envelopment analysis. Caso de estudio: seguimiento de
indicadores de gestión en hospitales de nivel II en Colombia,
Universidad de los Andes
Tono, T., Peñaloza, M., Guerreo, S., 2003, Evaluación de
eficiencia hospitalaria, Asociación Centro de Gestión
Hospitalaria
Visbal, Delimiro, 2004, Evaluación de la eficiencia relativa
en el uso de los recursos de las universidades públicas
colombianas mediante metodología DEA, Universidad de los
Andes