Effect of the Melhor em Casa program on hospital costs.

OBJECTIVE: To verify if the Melhor em Casa program can actually reduce hospitalization costs.
METHODS: We use as an empirical strategy a Regression Discontinuity Design, which reduces endogeneity problems of our model. We also performed tests of heterogeneous responses and robustness. Data on the dependent variable, namely hospitalization costs, were collected in the Department of Informatics of the Unified Health System (DATASUS), using the microdata set from the Hospital Admissions System of the Unified Health System (SUS) from 2010 to 2013, totaling 3,609,384 observations. The covariates or control variables used were age and costs with patients in the intensive care unit, also from DATASUS.
RESULTS: The results point out that the Melhor em Casa program effectively reduced hospitalization costs by approximately 4.7% in 2011, 5.8% in 2012 and 10.2% in 2013.
CONCLUSIONS: Based on the analyses, we observed that maintaining the program can effectively improve the management of public resources, since it reduced the hospitalization costs in the three years studied. The program reduced hospitalization costs of risk groups and also in situations that usually increase hospital costs such as lack of equipment and elective hospitalizations. Thus, it can be affirmed that the program can reduce hospitalization costs, especially in risk and more vulnerable groups, showing efficiency as a public policy.

INTRODUCTION

Our study verified if the Melhor em Casa program (MemC) can actually reduce hospitalization costs. Hospital care is understood as an important form of social policy for life maintenance and a mandatory form of restoring constitutional principles to the Brazilian population. Hospital care should be effectively provided to avoid a system collapse, especially with a limited budget.

In 2011, the federal government created the MemC to control hospitalization problems and reduce unnecessary costs for the population[1 , 2] . The program aims to articulate with home care (HC) – that is, the patients admitted to the health unit and ready to complete their recovery in the comfort of their household, with the relatives, can be transferred. Thus, hospitalization costs reduce and hospital mortality decreases.

However, we could not see the commitment of health managers. We observed cases of maladministration and poor technical and structural conditions instead, which reduce the efficiency of hospital services. The consequences are unrecoverable economic and life-related costs[3] .

One of the major problems of hospital care is the cost of services provided in the health unit, with high waste, which reaches R$ 3.6 billion a year with consultations, hospitalizations and unnecessary exams. The complex composition of hospital costs result in waste and inefficiency in the public service[9] . In addition to verify the effect of MemC, our article also contributes to the application of the empirical strategy of the regression discontinuity design (RD), which guarantees responses without endogenous bias, confirming or not the program efficiency.

The tests of heterogeneous responses and robustness were used to verify if the estimators were accurate. The main hypothesis of our study was that the program can reduce hospitalization costs, making public hospital management more efficient.

METHODS

Data on the dependent variable, namely hospitalization costs, were collected in the Department of Informatics of the Unified Health System (DATASUS), using the microdata set of the Hospital Admission system of the Brazilian Unified Health System (SUS) from 2010 to 2013, totaling 3,609,384 observations in the three years of analysis. The values of the variable of interest, hospitalization costs, were deflated; thus, the series suffers real impact without inflationary influence.

In 2011, the average hospitalization cost was R$ 38.67 per patient/day in the municipalities covered by the program. In 2013, this value reached R$ 42.78 per patient/day, a 10.6% increase within three years. In municipalities not covered, the average was R$ 30.83 per patient/day in 2011 and R$ 33.51 in 2013, an 8.7% increase within three years. Based on these data, we can affirm this program is indicated to municipalities with higher hospitalization costs.

Data were collected in Datasus and the National Register of Health Establishments (NRHOSP), both organs of the Ministry of Health, to analyze the effects of MemC. We used a dummy to identify the municipalities covered by the MemC. They were named “treated” and coded with the value 1, while the municipalities not covered were named “controls” and coded with the value 0.

Based on the data, we observed the program included 23 of the 5,570 Brazilian municipalities in 2011, increasing to 90 municipalities in 2012, and to 184 in 2013. The coverage rate increased from 0.41% of the Brazilian territory in 2011 to 3.3% in 2013.

The covariates or control variables used were age and hospitalization costs of patients in the intensive care unit. These data were obtained from Datasus database, from 2010 to 2013. The control variables are used to greater precision to the estimated values[10] , but do not interfere or generate any bias in the results.

Our article analyzed how home care (in this case, MemC program) affects the hospitalization costs. As an empirical strategy, we used the regression discontinuity design[11] due to the adherence criterion related to a cutoff point and exogenous probability, namely “cutoff.” The established cutoff were municipalities with more than 20,000 inhabitants. Thus, we estimate the following equation:

In which Y is the variable of interest of the model for the individual i , in the municipality m, and in the year p ; MemC is the Melhor em Casa program, which takes value equal to 1, if the individual’s municipality is covered by the program, and 0 if it is not covered, for the individual i , in the municipality m, and the year p ; The T indicates if the municipality is above or below the cutoff, cited previously, for the individual i , in the municipality m, and in the year p ; Finally, ε is an error term. Due to the sensitivity of considering an increase in probability – but not from zero to one, since the attribution to treatment may depend on additional factors –, the regression discontinuity model fuzzy was applied . This ensures a causal identification among the selected variables, enabling the confirmation of the effect of MemC on hospitalization costs with higher statistical security.

To perform local regressions, you need to enter a window (bandwidth) that will determine the size of the cutoff distance at the level of sample observations. Then, we used the methodology of Calonico et al.[16] This variation of bandwidth is also a way to guarantee our empirical strategy, emphasizing that we test our model for a linear and quadratic specification.

In addition to the aforementioned tests, we applied three more robustness tests to confirm our empirical strategy. First, we verified possible effects of other programs or actions of years prior to the beginning of the program. Another test was the cutoff alteration , that is, we made our regressions with different cutoffs than the one stipulated by the program. Finally, we tested the covariates of our model. The tests should not generate statistically significant estimators, guaranteeing the parameters of our model.

We also performed heterogeneous test responses to understand and confirm the effects of MemC on sub-sample situations, namely risk groups (pregnant and older adults), which require a longer hospitalization time. We analyzed if the program can affect municipalities with fewer working equipment than the national average, which would cause a longer hospitalization due to the delay in the results of the exams. Finally, we verified the effect of MemC on the group of people hospitalized without urgency, or elective, which would show the speed of care and the reduction of costs with this type of hospitalization.

RESULTS

We initially verified if discontinuity occurs at the 20,000 inhabitants’ cutoff point to guarantee the statistical results. The Figure shows the result of the initial test, in which a discontinuity is observed: the amount spent on hospital admissions reduced. It is an important criterion, since this criterion ensures our results come from a causal relationship and from the comparison that we can perform between municipalities close to the cutoff point (point 0 of the Figure ) and that have as a difference only the coverage or not of the program.

Figure

The discontinuity of the program in the cutoff

Table 1 shows the discontinuity, which was a basic factor to calculate our estimators, with the results of all regressions indicating negative and statistically significant estimators. The reductions in the hospitalization costs reached 4.7% (p < 0.01). This effect remained in the subsequent years, reducing up to 10.2% (p < 0.01).

Table 1

Effect of Melhor em Casa program on hospitalization costs, 2010 to 2013.

Variable	1	2	3	4	5	6
MemC t	-0.044h	-0.047h	-0.007	-0.035j	-0.034j	-0.007
	(0.016)	(0.016)	(0.005)	(0.020)	(0.020)	(0.007)
MemC t+1	-0.048i	-0.058h	-	-0.044i	-0.055i	-
	(0.019)	(0.021)		(0.023)	(0.024)
MemC t+2	-0.101h	-0.102h	-	-0.098h	-0.096h	-
	(0.018)	(0.019)		(0.019)	(0.020)
Specification	Linear	Linear	Linear	Quad	Quad	Quad
Bandwidth	msetwo	msecomb2	msetwo	msetwo	msecomb2	msetwo
Controls	Yes	Yes	Yes	Yes	Yes	Yes
No. Obs	182.350	182.350	182.350	182.350	182.350	182.350

a All specifications use triangular Kernel.

b All specifications use triangular Kernel.

c MemC ( Melhor em casa ) estimates the discontinuity of municipalities immediately above 20,000 inhabitants.

d Msetwo: two different MSE-optima L Bandwidth selectors and MSECOMB2: two different MSE-optima L Bandwidth selectors for median, in which they refer to selectors-bandwidth Optimum Calonico et al.16

e Columns 1, 2, 4, and 5 represent the main estimates of our specified model. Columns 3 and 6 refer to statistical hypothesis test of a year prior to the start of MemC.

f Robust standard errors in parentheses.

g Statistical significance level represented by: (h) p < 0.01, (i) p < 0.05 and (j) p < 0.10.

l Quad: quadratic function

Regarding the heterogeneous responses, based on the estimators shown in Table 2 , Panel A, we concluded that the program reduced the hospitalization costs of women with risk pregnancies within three years after its beginning, resulting in a cost saving up to 9.3% (p < 0.01). In panel B, regarding the old adults, hospitalization costs reduced up to 9.6% (p < 0.01) within the three years. Thus, the program shows that the reduction in costs reaches risk and more vulnerable groups.

Table 2

Effect of Melhor em Casa program on hospitalization costs, 2011 to 2013.

Variable	1	2	3	4
Panel A: Effect on pregnant women at risk
MemC t	-0.037h	-0.040g	-0.041g	-0.042g
	(0.016)	(0.016)	(0.017)	(0.017)
MemC t+1	-0.048h	-0.059g	-0.045h	-0.055h
	(0.021)	(0.021)	(0.023)	(0.024)
MemC t+2	-0.092g	-0.090g	-0.093g	-0.092g
	(0.018)	(0.019)	(0.019)	(0.020)
No. Obs.	166,295	166,295	166,295	166,295
Panel B: Effect on older adults
MemC t	-0.067h	-0.067g	-0.073h	-0.074h
	(0.031)	(0.015)	(0.037)	(0.037)
MemC t+1	-0.073h	-0.064i	-0.085g	-0.062i
	(0.033)	(0.036)	(0.034)	(0.036)
MemC t+2	-0.096g	-0.111g	-0.086h	-0.079i
	(0.035)	(0.040)	(0.040)	(0.043)
Specification	Linear	Linear	Quad	Quad
Bandwidth	msetwo	msecomb2	msetwo	msecomb2
Controls	Yes	Yes	Yes	Yes
N. Obs.	166,295	166,295	166,295	166,295

a All specifications use triangular Kernel.

b MemC ( Melhor em Casa ) estimates the discontinuity of municipalities immediately above 20,000 inhabitants.

d Msetwo: two different MSE-optima L Bandwidth selectors and MSECOMB2: two different MSE-optima L Bandwidth selectors for median, in which they refer to selectors-bandwidth Optimum Calonico et al.16

d Columns 1.2, 3 and 4 represent estimations as heterogeneous responses.

e Robust standard errors in parentheses.

f Statistical significance level represented by: (g): p < 0.01, (h): p < 0.05 and (i): p < 0.10.

l Quad: quadratic function

Table 3 , Panel A, shows that in the first three years the reduction in hospitalization costs ranged between 4.4% and 11.7%. Both reductions were statistically significant at 1%, even considering the municipality with a fewer equipment than the national average – which hinders the patient’s release, as it also delays the delivery of the results of the exams, resulting in higher costs. Table 3 , Panel B, shows a reduction between 6.7% (p < 0.1) and 17.9% (p < 0.01), indicating an economy in elective hospitalizations.

Table 3

Effect of the Melhor em Casa program on hospitalization costs – municipalities with fewer hospital equipment and elective hospitalizations, 2011 to 2013.

Variable	1	2	3	4
Panel A: Effect on municipalities with fewer hospital equipment
MemC t	-0.049g	-0.055g	-0.046h	0,044h
	(0.016)	(0.016)	(0.020)	(0.020)
MemC t+1	-0.048h	-0.057g	-0.044i	-0.055h
	(0.021)	(0.021)	(0.023)	(0.024)
MemC t+2	-0.110g	0,117g	-0.106g	-0.101g
	(0.018)	(0.020)	(0.019)	(0.019)
No. Obs.	182.350	182.350	182.350	182.350
Panel B: Effect on elective hospitalizations
MemC t	-0.085g	-0.071h	-0.161g	-0.134g
	(0.032)	(0.030)	(0.041)	(0.041)
MemC t+1	-0.067i	-0.068i	-0.075i	-0.085i
	(0.038)	(0.038)	(0.040)	(0.044)
MemC t+2	-0.125g	-0.122g	-0,171g	-0.179g
	(0.042)	(0.046)	(0.047)	(0.047)
Specification	Linear	Linear	Quad	Quad
Bandwidth	msetwo	msecomb2	msetwo	msecomb2
Controls	Yes	Yes	Yes	Yes
N. Obs.	46,916	46,916	46,916	46,916

a All specifications use triangular Kernel.

b MemC ( Melhor em Casa ) estimates the discontinuity of municipalities immediately above 20,000 inhabitants.

d Msetwo: two different MSE-optima L Bandwidth selectors and MSECOMB2: two different MSE-optima L Bandwidth selectors for median, in which they refer to selectors-bandwidth Optimum Calonico et al.16

d Columns 1.2, 3 and 4 represent estimations as heterogeneous responses.

e Robust standard errors in parentheses.

f Statistical significance level represented by: (g): p < 0.01, (h): p < 0.05 and (i): p < 0.10.

l Quad: quadratic function

In addition to the heterogeneous responses, we applied robustness tests to statistically guarantee the assertion of the initial hypothesis. In Table 1 , columns 3 and 6, we tested the possible occurrence of effects in years prior to the beginning of the program. We observed no statistical significance, without evidence of any effect of any external factor and before the beginning of the MemC in hospitalization costs. This reinforces that the program is the main factor for cost reduction.

We continue with the robustness tests in Table 4 . Panels A and B show that the results are not statistically significant when creating false cutoffs of 10,000 and 50,000 inhabitants. This was expected, since it certifies that the effects occur only in the cutoff criterion determined by the program, which is 20,000 inhabitants, showing that it did not occur by a statistical accident.

Table 4

Robustness tests of the specified model, 2011 to 2013.

Variable	1	2	3	4
Panel A: Cutoff alteration for 10,000 inhabitants
MemC t	-0.020	-0.029	-0.005	-0.031
	(0.015)	(0.020)	(0.017)	(0.021)
MemC t+1	0.009	-0.016	0.033	-0.006
	(0.041)	(0.055)	(0.041)	(0.068)
MemC t+2	0.026	0.052	0.046	−0.048
	(0.035)	(0.037)	(0.039)	(0.053)
No. Obs.	215,393	215,393	215,393	215,393
Panel B: Cutoff alteration for 50,000 inhabitants
MemC t	0.012	0.002	0.033	0.028
	(0.020)	(0.017)	(0.021)	(0.019)
MemC t+1	-0.0002	-0.018	0.038	0.005
	(0.033)	(0.061)	(0.035)	(0.094)
MemC t+2	0.029	0.025	0.041	0.033
	(0.022)	(0.022)	(0.026)	(0.024)
No. Obs.	400,834	400,834	400,834	400,834
Panel C: Test on Covariates
Age	-0.013	0.357	-0.051	3.482
	(1.842)	(1.698)	(2.423)	(2.460)
Days of hospitalization in the ICU	0.090	0.092	0.096	0.102
	(0.056)	(0.054)	(0.075)	(0.072)
Specification	Linear	Linear	Quad	Quad
Bandwidth	msetwo	msecomb2	msetwo	msecomb2
Controls	Yes	Yes	Yes	Yes
No. Obs.	182.350	182.350	182.350	182.350

a All specifications use triangular Kernel.

b MemC ( Melhor em Casa) estimates the discontinuity of municipalities with more than 20,000 inhabitants, for the cases of Panel C.

d Msetwo: two different MSE-optima L Bandwidth selectors and MSECOMB2: two different MSE-optima L Bandwidth selectors for median, in which they refer to selectors-bandwidth Optimum Calonico et al.16

d Columns 1, 2, 3, and 4 represent estimates as robustness tests.

e Robust standard errors in parentheses.

f Statistical significance level represented by: (g): p < 0.01, (h): p < 0.05 and (i): p < 0.10.

l Quad: quadratic function

Concluding our tests, in Table 4 , Panel C, we tested the control variables, but we did not have statistical significance in any estimator, which establishes that MemC is the only factor to affect the reduction in hospitalization costs. Thus, after verifying all the results, we can conclude that the program reduces hospitalization costs.

DISCUSSION

Our study analyzed how the Melhor em Casa program affected the hospitalization costs. The program proposes the provision of services by teams composed of several professionals in the health area to promote patient recovery in the comfort of their household (home care). Besides the recovery in a healthier environment, it also promotes hospital bed vacancy, reducing daily costs of hospitalization.

After ensuring that the results present causal characteristics, we verified that the MemC can effectively reduce hospitalization costs, with reductions in approximately 4.7% in 2011, 5.8% in 2012 and 10.2% in 2013. The results heterogeneous responses and the robustness test were the ones expected, confirming the results of our model and statistically supporting our estimators.

We could observe that the risk groups (pregnant women and older adults), even with higher costs due to specific care, also had their costs reduced with the program. MemC can effectively reduce hospitalization costs of municipalities with fewer hospital equipment than the national average. The program can also be efficient when considered the elective hospitalizations, that is, those that are not urgent. Thus, we conclude that the program helps reduce hospitalization costs, especially in risk and more vulnerable groups, showing to be an efficient public policy.

INTRODUÇÃO

O objetivo principal deste trabalho é verificar se o programa Melhor em Casa (daqui em diante, MemC) consegue reduzir os custos com internações hospitalares. Entende-se que o atendimento hospitalar é uma forma de política social na área da saúde de suma importância para a manutenção da vida e uma forma obrigatória de restabelecer os princípios constitucionais com a população brasileira. O atendimento hospitalar deve ser conduzido de forma suficientemente eficaz, para não ocasionar o colapso do sistema, principalmente em um momento de recursos orçamentários escassos.

Diante disso, para conter problemas referentes às internações hospitalares e reduzir os custos desnecessários para a população, o governo federal criou em 2011 o MemC[1 , 2] . O programa visa uma articulação com a atenção domiciliar (AD) – ou seja, o paciente atendido na unidade de saúde e que está apto para concluir sua recuperação no conforto de seu lar, junto aos seus familiares, poderá ser transferido. Assim, há uma redução dos custos com a internação e diminuição da mortalidade dentro dos hospitais.

No entanto, atualmente não verificamos empenho dos gestores de saúde. O que se observa, de fato, são casos de má administração e más condições, tanto técnicas como estruturais, que reduzem a eficiência dos serviços hospitalares. As consequências são custos irrecuperáveis, tanto econômicos quanto ligados à vida[3] .

Um dos grandes problemas do atendimento hospitalar são os custos dos serviços prestados na unidade de saúde, com níveis elevados de desperdício, o qual chega à cifra de R$ 3,6 bilhões por ano gastos com consultas, internações e exames desnecessários. A composição complexa dos custos hospitalares propicia o desperdício e gera ineficiência no âmbito do serviço público[9] . Dessa forma, a contribuição deste trabalho, além de verificar o efeito do MemC, também está na aplicação da estratégia empírica do modelo de regressão descontínua (RD), que garante respostas sem viés endógeno dos estimadores, confirmando ou não a eficiência do programa.

Os testes de repostas heterogêneas e de robustez foram empregados para verificar se os estimadores foram precisos. A hipótese principal do estudo era a de que o programa consegue reduzir os custos com as internações hospitalares, tornando a gestão hospitalar pública mais eficiente.

MÉTODOS

Os dados da variável dependente, despesas ou gastos com internações hospitalares, foram coletados no Departamento de Informática do Sistema Único de Saúde (Datasus), usando o conjunto de microdados do Sistema de Internações Hospitalares do Sistema Único de Saúde (SIH-SUS) referente ao período de 2010 a 2013, totalizando 3.609.384 observações nos três anos de análise. Os valores da variável de interesse, despesas por internação hospitalar, foram deflacionados; assim, a série sofre impacto real, sem influência inflacionária.

No ano de 2011, nos municípios onde existe o programa, houve um gasto médio com internação de R$ 38,67 por paciente/dia. Em 2013, esse valor passou a ser de R$ 42,78 por paciente/dia, um aumento de 10,6% em três anos. Nos municípios que não recebem o programa, a média de gastos era de R$ 30,83 por paciente/dia em 2011 e de R$ 33,51 por paciente/dia em 2013, com um aumento de 8,7% em três anos. Esses dados apontam que existe uma motivação para que o programa seja implantado onde o gasto com internação é maior.

Para analisar os efeitos do MemC, foram coletados dados do Datasus e do Cadastro Nacional de Estabelecimentos de Saúde (CNES), ambos órgãos do Ministério da Saúde. Como forma de identificar os municípios que recebem o MemC, utilizou-se uma dummy em que eles foram denominados “tratados” e receberam o valor 1, enquanto os municípios que não receberam o MemC foram denominados “controles” e recebem o valor 0.

Pelo conjunto de dados obtidos, observamos que em 2011 o programa contemplou 23 dos 5.570 municípios brasileiros existentes. Já em 2012 esse número saltou para 90 municípios, e em 2013 a quantidade de municípios contemplados passou a ser de 184, evidenciando um salto de 0,41% de cobertura do programa em 2011 para 3,3% em 2013.

As covariáveis ou variáveis de controle utilizadas foram a idade e os gastos com pacientes na unidade de terapia intensiva. Esses dados foram coletados no banco de dados Datasus, referentes ao período de 2010 a 2013. É importante frisar que as variáveis de controle são utilizadas para dar maior precisão aos valores estimados[10] , mas não devem interferir ou gerar qualquer viés nos resultados encontrados do modelo.

Neste trabalho, buscamos compreender o efeito da atenção domiciliar (neste caso, do programa MemC) sobre o valor das despesas com as internações hospitalares. Como estratégia empírica, utilizamos o desenho de regressão descontínua[11] pois o programa possui um critério de adesão relacionado a um ponto de corte e de probabilidade exógeno, que chamamos de cutoff . O cutoff estabelecido foram municípios com mais de 20.000 habitantes. Assim, estimamos a seguinte equação:

onde Y é a variável de interesse do modelo para o indivíduo i , no município m e no ano p ; MemC é o programa Melhor em Casa, que leva valor igual a 1, caso o município do indivíduo receba o programa, e 0 caso contrário, para o indivíduo i, no município m e no ano p ; o T indica se o município está acima ou abaixo do cutoff , citado anteriormente, para o indivíduo i, no município m e no ano; por fim, ε é um termo de erro. Devido à sensibilidade de considerar um aumento de probabilidade – mas não de zero para um, pois a atribuição ao tratamento pode depender de fatores adicionais –, aplica-se o modelo de regressão descontínua fuzzy . Isso garante uma identificação causal entre as variáveis selecionadas, possibilitando a confirmação do efeito do MemC sobre as despesas hospitalares com maior segurança estatística.

Para realizar as regressões locais, é preciso introduzir uma janela ( bandwidth ) que determinará o tamanho da distância do ponto de corte no nível de observações da amostra. Utilizamos, então, a metodologia de Calonico et al.[16] Essa variação de bandwidth também é uma forma de garantir nossa estratégia empírica, ressaltando que testamos o nosso modelo para uma especificação linear e quadrática.

Além dos testes já descritos, aplicamos mais três testes de robustez para confirmar nossa estratégia empírica. Primeiramente verificamos possíveis efeitos oriundos de outros programas ou ações de anos anteriores ao início do programa. Outro teste foi a alteração de cutoff, ou seja, fizemos nossas regressões com cutoffs diferentes do estipulado pelo programa. Finalmente, testamos as covariáveis de nosso modelo. Os testes não devem gerar estimadores estatisticamente significantes, garantindo os parâmetros de nosso modelo.

Elaboramos também testes para respostas heterogêneas, buscando a compreensão e confirmação dos efeitos do MemC em situações de subamostras, com o que denominamos grupos de risco (grávidas e idosos), que necessitam de um tempo maior de internação. Procuramos analisar se o programa consegue afetar os municípios com um número efetivo de equipamentos menor que a média nacional, o que provocaria um maior tempo de internação devido à demora dos resultados dos exames. Por último, verificamos o efeito do MemC para o grupo de pessoas internadas sem caráter de urgência, ditas eletivas, o que demonstraria a rapidez no cuidado e a redução dos custos com esse tipo de hospitalização.

RESULTADOS

Para garantir os resultados estatísticos, inicialmente verificamos se ocorre descontinuidade no ponto de corte de 20.000 habitantes. O resultado desse teste inicial é apresentado na Figura , na qual observamos que existe uma descontinuidade: uma redução no valor gasto com internações hospitalares. Ela é de suma importância, pois esse critério garante que nossos resultados advêm de uma relação causal e da comparação que podemos realizar entre municípios que estão próximos ao ponto de corte (o ponto 0 da Figura ) e que têm como diferença apenas a existência ou não do programa.

Figura

Descontinuidade do programa no cutoff .

A existência da descontinuidade, fator básico para que possamos calcular nossos estimadores, é confirmada na Tabela 1 , na qual os resultados de todas as regressões realizadas apontam estimadores negativos e significantes estatisticamente. As reduções nos valores das despesas com internações hospitalares chegaram a 4,7% (p < 0,01). Esse efeito se manteve nos anos subsequentes, atingindo uma redução de até 10,2% (p < 0,01).

Tabela 1

Efeito do programa Melhor em Casa sobre os gastos com internações hospitalares 2010 a 2013.

Variável	1	2	3	4	5	6
MemC t	-0,044h	-0,047h	-0,007	-0,035j	-0,034j	-0,007
	(0,016)	(0,016)	(0,005)	(0,020)	(0,020)	(0,007)
MemC t+1	-0,048i	-0,058h	-	-0,044i	-0,055i	-
	(0,019)	(0,021)		(0,023)	(0,024)
MemC t+2	-0,101h	-0,102h	-	-0,098h	-0,096h	-
	(0,018)	(0,019)		(0,019)	(0,020)
Especificação	Linear	Linear	Linear	Quad	Quad	Quad
Bandwidth	msetwo	msecomb2	msetwo	msetwo	msecomb2	msetwo
Controles	Sim	Sim	Sim	Sim	Sim	Sim
N. Obs	182.350	182.350	182.350	182.350	182.350	182.350

aVariável dependente: log do valor de internação.

bTodas as especificações usam Kernel triangular.

cO MemC (Melhor em Casa) estima a descontinuidade de municípios logo acima de 20.000 habitantes.

dMsetwo: two different MSE-optima l bandwidth selectors e Msecomb2: two different MSE-optima l bandwidth selectors for median, onde referem-se a seletores de bandwidth ótimo de Calonico et al.16

eAs colunas 1, 2, 4 e 5 representam as estimações principais de nosso modelo especificado. As colunas 3 e 6 referem-se a um teste de falsificação de um ano antes do início do MemC.

fErro-padrão robusto em parênteses.

gNível de significância estatística representado por: (h) p < 0,01, (i) p < 0,05 e (j) p < 0,10.

lQuad: função quadrática

Em relação às respostas heterogêneas, pelos estimadores apresentados no Painel A, da Tabela 2 , conclui-se que o programa reduziu os valores gastos com internações de mulheres com gravidez de risco, no período de três anos após seu início, resultando em uma economia de até 9,3% (p < 0,01). No painel B, relativo ao grupo de pessoas idosas, também houve uma redução de até 9,6% (p < 0,01) dentro do período de três anos. O programa mostra, dessa forma, que a redução nos gastos atinge grupos de risco e com maior vulnerabilidade.

Tabela 2

Efeito do programa Melhor em Casa sobre os gastos com internações hospitalares – mulheres com gravidez de risco e idosos, 2011 a 2013.

Variável	1	2	3	4
Painel A: Efeito sobre gestantes com risco
MemC t	-0,037h	-0,040g	-0,041g	-0,042g
	(0,016)	(0,016)	(0,017)	(0,017)
MemC t+1	-0,048h	-0,059g	-0,045h	-0,055h
	(0,021)	(0,021)	(0,023)	(0,024)
MemC t+2	-0,092g	-0,090g	-0,093g	-0,092g
	(0,018)	(0,019)	(0,019)	(0,020)
N. Obs.	166.295	166.295	166.295	166.295
Painel B: Efeito sobre idosos
MemC t	-0,067h	-0,067g	-0,073h	-0,074h
	(0,031)	(0,015)	(0,037)	(0,037)
MemC t+1	-0,073h	-0,064i	-0,085g	-0,062i
	(0,033)	(0,036)	(0,034)	(0,036)
MemC t+2	-0,096g	-0,111g	-0,086h	-0,079i
	(0,035)	(0,040)	(0,040)	(0,043)
Especificação	Linear	Linear	Quad	Quad
Bandwidth	msetwo	msecomb2	msetwo	msecomb2
Controles	Sim	Sim	Sim	Sim
N. Obs.	166.295	166.295	166.295	166.295

aTodas as especificações usam Kernel triangular.

bO MemC (Melhor em Casa) estima a descontinuidade de municípios logo acima de 20.000 habitantes.

cMsetwo: two different MSE-optima l bandwidth selectors e Msecomb2: two different MSE-optima l bandwidth selectors for median, onde referem-se a seletores de bandwidth ótimo de Calonico et al.16

dAs colunas 1,2, 3 e 4 representam estimações como respostas heterogêneas.

eErro-padrão robusto em parênteses.

fNível de significância estatística representado por: (g): p < 0,01, (h): p < 0,05 e (i): p < 0,10.

jQuad: função quadrática

No Painel A da Tabela 3 , verifica-se que nos primeiros três anos a redução dos valores das despesas com internações hospitalares oscilou entre 4,4% e 11,7%. Ambas reduções foram significantes estatisticamente a 1%, mesmo considerando o município com quantidade de equipamentos abaixo da média nacional – o que dificulta a liberação do paciente, pois também atrasa a entrega dos resultados dos exames, gerando maiores despesas. No Painel B da Tabela 3 , há uma redução entre 6,7% (p < 0,1) e 17,9% (p < 0,01), indicando uma economia nas despesas com internações eletivas.

Tabela 3

Efeito do programa Melhor em Casa sobre os gastos com internações hospitalares – municípios com menos equipamentos hospitalares e internações eletivas, 2011 a 2013.

Variável	1	2	3	4
Painel A: Efeito sobre municípios com menos equipamentos hospitalares
MemC t	-0,049g	-0,055g	-0,046h	0,044h
	(0,016)	(0,016)	(0,020)	(0,020)
MemC t+1	-0,048h	-0,057g	-0,044i	-0,055h
	(0,021)	(0,021)	(0,023)	(0,024)
MemC t+2	-0,110g	0,117g	-0,106g	-0,101g
	(0,018)	(0,020)	(0,019)	(0,019)
N. Obs.	182.350	182.350	182.350	182.350
Painel B: Efeito sobre internações eletivas
MemC t	-0,085g	-0,071h	-0,161g	-0,134g
	(0,032)	(0,030)	(0,041)	(0,041)
MemC t+1	-0,067i	-0,068i	-0,075i	-0,085i
	(0,038)	(0,038)	(0,040)	(0,044)
MemC t+2	-0,125g	-0,122g	-0,171g	-0,179g
	(0,042)	(0,046)	(0,047)	(0,047)
Especificação	Linear	Linear	Quad	Quad
Bandwidth	msetwo	msecomb2	msetwo	msecomb2
Controles	Sim	Sim	Sim	Sim
N. Obs.	46.916	46.916	46.916	46.916

aTodas as especificações usam Kernel triangular.

bO MemC (Melhor em Casa) estima a descontinuidade de municípios logo acima de 20.000 habitantes.

cMsetwo: two different MSE-optima l bandwidth selectors e Msecomb2: two different MSE-optima l bandwidth selectors for median, onde referem-se a seletores de bandwidth ótimo de Calonico et al.16

dAs colunas 1, 2, 3 e 4 representam estimações como respostas heterogêneas.

eErro-padrão robusto em parênteses.

fNível de significância estatística representado por: (g): p < 0,01, (h): p < 0,05 e (i): p < 0,10.

jQuad: função quadrática

Para garantir estatisticamente a afirmação da hipótese inicial, além das respostas heterogêneas, aplicamos testes de robustez. Na Tabela 1 , colunas 3 e 6, fizemos o teste de possível ocorrência de efeitos em anos anteriores ao início do programa. Como resultado, observa-se que não há significância estatística, não se verificando indícios de que ocorra algum efeito por parte de qualquer fator externo e anterior ao início do MemC nas despesas com internações. Reforça-se assim a ideia de que o programa é o principal fator para a redução das despesas.

Na Tabela 4 , continuamos com os testes de robustez. Nos painéis A e B, verifica-se que, ao criar falsos cutoffs, de 10.000 habitantes e de 50.000 habitantes, os resultados estimados não têm significância estatística. Isso era esperado, pois certifica que os efeitos acontecem apenas no critério de corte determinado pelo programa, que é de 20.000 habitantes, demonstrando que não se trata de acaso estatístico.

Tabela 4

Testes de robustez do modelo especificado, 2011 a 2013.

Variável	1	2	3	4
Painel A: Alteração do cutoff para 10.000 habitantes
MemC t	-0,020	-0,029	-0,005	-0,031
	(0,015)	(0,020)	(0,017)	(0,021)
MemC t+1	0,009	-0,016	0,033	-0,006
	(0,041)	(0,055)	(0,041)	(0,068)
MemC t+2	0,026	0,052	0,046	-0,048
	(0,035)	(0,037)	(0,039)	(0,053)
N. Obs.	215.393	215.393	215.393	215.393
Painel B: Alteração do cutoff para 50.000 habitantes
MemC t	0,012	0,002	0,033	0,028
	(0,020)	(0,017)	(0,021)	(0,019)
MemC t+1	-0,0002	-0,018	0,038	0,005
	(0,033)	(0,061)	(0,035)	(0,094)
MemC t+2	0,029	0,025	0,041	0,033
	(0,022)	(0,022)	(0,026)	(0,024)
N. Obs.	400.834	400.834	400.834	400.834
Painel C: Teste sobre as covariáveis
Idade	-0,013	0,357	-0,051	3,482
	(1,842)	(1,698)	(2,423)	(2,460)
Dias de internação na UTI	0,090	0,092	0,096	0,102
	(0,056)	(0,054)	(0,075)	(0,072)
Especificação	Linear	Linear	Quad	Quad
Bandwidth	msetwo	msecomb2	msetwo	msecomb2
Controles	Sim	Sim	Sim	Sim
N. Obs.	182.350	182.350	182.350	182.350

aTodas as especificações usam Kernel triangular.

bO MemC (Melhor em Casa) estima a descontinuidade de municípios com mais de 20.000 habitantes, para os casos do Painel C.

cMsetwo: two different MSE-optima l bandwidth selectors e Msecomb2: two different MSE-optima l bandwidth selectors for median, onde referem-se a seletores de bandwidth ótimo de Calonico, Cattaneo e Farrel16

dAs colunas 1, 2, 3 e 4 representam estimativas como testes de robustez.

eErro-padrão robusto em parênteses.

fNível de significância estatística representado por: (g): p < 0,01, (h): p < 0,05 e (i): p < 0,10.

jQuad: função quadrática

Finalizando nossos testes, no Painel C da Tabela 4 , testamos as variáveis de controle do modelo, mas não obtivemos significância estatística em nenhum estimador, o que estabelece que o único fator a promover efeitos na redução dos valores com as despesas de internações advém do MemC. Assim, após verificar todos os resultados estimados, podemos concluir que o programa gera uma redução dos valores com despesas relativas às internações hospitalares.

DISCUSSÃO

O presente estudo analisou os efeitos do Melhor em Casa sobre os gastos com internações hospitalares. O programa propõe a prestação de serviços, por parte de equipes compostas de diversos profissionais da área de saúde, para promover a recuperação do enfermo no conforto de seu lar ( home care ). Além da recuperação em um ambiente mais saudável para o paciente, também promove a desocupação de leitos, e com isso, consegue uma redução das despesas diárias com a internação.

Após cuidados metodológicos que garantem que os resultados estimados do trabalho apresentem características causais, verificamos que o MemC consegue ser efetivo em relação à diminuição das despesas com internações hospitalares, com reduções de aproximadamente 4,7% em 2011, 5,8% em 2012 e 10,2% em 2013. Para dar sustentação estatística a nossos estimadores, verificou-se que todos os resultados, tanto das respostas heterogêneas quanto dos testes de robustez, foram os esperados, confirmando os resultados de nosso modelo.

Podemos observar que os grupos de risco (mulheres grávidas e idosos), mesmo com gastos maiores devido aos cuidados específicos, também têm gastos reduzidos pelo programa. Quanto aos municípios com um número de equipamentos hospitalares menor do que a média nacional, verificou-se que o MemC consegue ser efetivo e também reduz as despesas com as internações. Nos casos relativos às internações eletivas, ou seja, aquelas que não são de urgência, o programa também consegue ser eficiente. Dessa forma, pode-se afirmar que o programa ajuda na redução das despesas com as internações, principalmente em grupos de risco e com maior vulnerabilidade, mostrando-se uma política pública eficiente.