Efficienza ospedaliera: come spendere meno assicurando la qualità

INTRODUZIONE: La recente crisi economica ha avuto un impatto negativo sulla disponibilità di risorse per il sistema sanitario e sta progressivamente portando tutti i governi ad una urgente razionalizzazione delle risorse. Scopo dello studio è quello di fornire, attraverso l’applicazione dell’approccio della Data Envelopment Analysis (DEA), un quadro metodologico utile per analizzare l’efficienza tecnica dell’assistenza ospedaliera erogata. Sono state messe a confronto 50 aziende ospedaliere pubbliche italiane (AOS) per valutarne il relativo grado di efficienza e, successivamente, se e come questa fosse eventualmente influenzata da vari fattori esogeni. MATERIALI E METODI: Per realizzare il modello di analisi di efficienza, attraverso la tecnica DEA, sono stati assunti come input del modello le seguenti misure: numero di posti letto, numero di medici e numero di infermieri, normalizzati poi per volume di pazienti dimessi dalla singola struttura. Come misure di output, invece, sono stati considerati i seguenti indicatori: rischio aggiustato di mortalità a 30 giorni per IMA, per insufficienza cardiaca e per BPCO. La tecnica del Bootstrapping è stata impiegata per realizzare un’analisi di sensibilità probabilistica. Attraverso la tecnica della Tobit regression, si è poi valutato l’eventuale impatto di alcune variabili non controllabili dal management ospedaliero, almeno nel breve periodo, sul livello di efficienza (indici case- mix e di entropia, la localizzazione in una determinata geografica, se la struttura è sita in una regione a statuto speciale, indice di invecchiamento, livello di spesa sanitaria regionale, pubblica e privata in % sul PIL, e alcuni tassi di ospedalizzazione evitabile). RISULTATI: In media, le aziende ospedaliere italiane considerate hanno riportato un punteggio di efficienza dell’88% (DS: 0,12). 18 delle 50 strutture hanno conseguito il punteggio massimo di efficienza, mentre il punteggio minore è risultato pari al 60%. L'analisi di sensibilità con il metodo bootstrap ha dimostrato la robustezza del modello, testimoniando una bassa variabilità. I risultati della regressione evidenziano poi, un’associazione positiva tra il livello di efficienza e la localizzazione geografica nel nord del paese, la presenza di uno statuto speciale regionale e un maggior livello di spesa pubblica. CONCLUSIONI: La Data Envelopment Analysis può essere uno strumento utile ed oggettivo per valutare l’efficienza delle organizzazioni sanitarie e per supportare il management ospedaliero e i policy makers nel prendere decisioni, sviluppare processi di miglioramento e gestire al meglio le risorse disponibili.