WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

health care reform and number of doctor visits

( Télécharger le fichier original )
par athmane bouazabia
université lumière lyon 2 - master économie quantitative et décision stratégique 2007
  

Disponible en mode multipage

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

 

Université Lumière Lyon 2
Faculté des Sciences Economiques et de Gestion
Département Economie quantitative
Master Economie Quantitative et décisions Stratégiques

 

Master 2 Méthodes Quantitatives pour l'Expertise et la Décision Economique

Statistiques et soins de santé
De Philippe Polomé

Publisher: Sozialökonomisches Institut
Bibliothek (Working paper N° 0210)
Rämistrasse 71
CH-8006 Zürich

Etabli par
Athmane BOUAZABIA
Athmane.bouazabia@univ-lyon2.fr
Année 2007-2008

1. Introduction

Ce papier présente une évaluation de la réforme du système de santé allemand de 1997. Cette évaluation utilise comme critère le nombre de visites chez le médecin. Les années que couvre l'éJpde sGnt L99R à1999 et les données sont fournies par le panel socio-économique allemand. L'effet global de La réforme a été une réduction de 10% du nombre de visites chez le médecin. L'effet était plus important dans la partie inférieure de la distribution que dans sa partie supérieure.

Les dépenses de santé représentent une part importante du total du P113 dans les pays de l'J2&'E. LI $ cLIFs deU VLInièresLannées et dans la plupart des pays, la part des dépenses de santé dans le P113 a tendance à augmenter. En Allemagne, par exemple, leur part est passée de 8,4 % en 1980 à 10,5 % en 1996. Les raisons les plus citées de cette augmentation sont le développement des technologies de la santé et le vieillissement de la population.

1es LI Lst\HesqPII santGs LI blDqQes neLI isXosOntTpas dLI struct GesVd'inciIItionLI SlDutili atioLI efficace des ressources. 1'AlleHPgne est II des pays dont le système de santé est financé par l'J(atDl L a eu plusieurs tentatives de réforme du système de santé visant principalement la réduction des coûts.

Le but de cette étude est d'évaluer une réforme majeure qui a eu lieu en 1997. Cette réforme a prévu, une hausse de 200 % du ticket modérateur1 pour les médicaments délivrés sur ordonnance. En outre, cette réforme a imposé des plafonds pour les remboursements par les Faisses dIas LI raJDe maladie.

La contribution de ce papier est double. Premièrement, il fournit une réponse fondamentale à la question de savoir si la réforme du système de soins de santé de 1997 a été un succès, ceci en utilisant comme moyen de mesure le nombre de visites individuelles à un médecin. Deuxièmement, l'évaluation de la réforme des soins de santé, est très importante, elle permet de mesurer l'effet de la réforme sur les différentes parties de la distribution.

Des informations importantes peuvent se perdre dans les modèles utilisés tels que la loi de Poisson ou la loi binomiale négative ce qui limite leur utilité.

A leur place, les modèles hurdle sont nouvellement développés tel que le modèle Probit-Poisson et le modèle log-normal, et mixture finie, ces modèles offrent davantage de souplesse.

1 Le ticket modérateur est la quote Sart pW LII S D\p l' LII Suré.

2. La réforme du système de santé allemand de 1997

Plus de 90 % de la population allemande bénéficie de l'assurance maladie du Système d'assurance sociale fédérale. Ce système est financé principalement par les cotisations sociales (retenues sur salaires). Pour les salariés, la cotisation est proportionnelle aux revenus perçus (jusqu'à un plafond de cotisation), et s'applique automatiquement aux non-actifs notamment les conjoints et eLI ants à charJ 'aKtres avantages sont prévus pour d'autres catégories P'FLPividus, tels que les chômeurs et les étudiants.

Le système de couverture maladie est identique pour toutes les personnes, en particulier, les frais de visite médicale, les séjours à l'hôpital, et les médicaments délivrés sur ordonnance ne sont pas remboursés en totalité mais exigent un co-paiement par l'assuré.

Le co-paiement (ticket modérateur) pour la prescription des médicaments a été augmenté le 1 er jMFllet O997, un un montant jxe de 6 DM2 Sar ra Uort à l'annéj précédente. Les considérations sociales ont abouti à un certain nombre d'exemptions (enfants co-assurés, ménage à faible revenu disposant d'un revenu brut compris entre 1 700 DM et 2 350 DM, participation cumulative maximale annuelle des co-paiements limitée à 2 % du revenu brut annuel, et à 1 % pour les malades chroniques.)

Cette me sure a été renforcée par un certain nombre de mesures supplémentaires qui ont étendu la réglementation en vigueur telle qu'une liste d'exclusion définissant les médicaments non couverts par l'assurance maladie. Des Prix ont été plafonnés pour le remboursement de certains médicaments. Il y a eu instauration d'un budget global contraignant les délivrances de médicaments, ce budget est trimestriel et a été fixé pour chaque cabinet de médecin. Le budget est entièrement transférable entre les patients, dans la limite des coûts de traitement fixés pour chaque médecin traitant.

L augmentation du ticket modérateur a un effet fiscal direct, par la réduction de la part des coûts couverts par les assureurs .Il était prévu que l'augmentation affecte les dépenses des assurés et impacter ainsi leur comportement et les inciter à agir de manière responsable ce qui les conduirait à changer d'attitude tel qO'uTe utilisation moins excessive de médicaments.

Cette approche est partiellement prise en compte car des informations sur l'utilisation des médicaments ne sont pas disponibles. La demande de prescription de médicaments et la demande de visite chez le médecin sont étroitement liées, et se complètent en fait. Les changements de comportement auraient pour effet la réduction du nombre de visites chez un médecin. Alternativement, on pourrait touj ours consulter un médecin pour obtenir des

2 DM : Deutsch Mark, l'ancFLnne QnFtL XQLétaFre Pe l'plleDLJTe réuHFfFée.

conseils sans avoir une prescription ou opter pour l'automédication, on peut également voir un médecin mais décider de ne pas acheter de médicaments. Dans ce cas, le nombre de visites aurait tendance à ne pas être affecté par l'augmentation de ticket modérateur.

(QIin$ IilIcVnvientIdeInVteQIquLI IlaIréfVrmWIIU I19TXIT IétéId'uUpIcVUrtH IduGée.I/eInVuveaD I gouvernement de coalition dirigé par les sociaux-démocrates issu des élections générales tenues en 1998 a abrogé partiellement la réforme, une nouvelle loi a revu à la baisse le ticket modérateur entre 1 et 3 DM.

D'un point de vue économétrique, cette seconde réforme est intéressante car elle introduit une source supplémentaire de modification de l'environnement de la santé ce qui peut impacter notre étude.

3. Une étude antérieure

Les conséquences de la réforme du système de santé allemand de 1997 sur la demande de services de santé ont été préalablement évaluées par Lauterbach, Gandjour et Schnell (2000). /'IpudeIG'HsL basée sur des données recueillies d'VRtVbrRIàIdéL] mbreIF99P dans la ville de Cologne auprès des visiteurs de pharmacies. Afin d'être inclus dans l'éFhantillVL$ Il'inRivLI LIOViL être couvert par l'assurance sociale, être âgé de 18 ans ou plus, souffre d'une maladie aiguë ou chronique, et ne pas être exempté du ticket modérateur. 10 000 questionnaires ont été distribués, 695 ont été retournés.

/'étudeIdH ICVlVgne s'esRIfVcal IReIsurILertain sIvariables$ InVtamment Isur le nombre de visites à un médecin. Ceux qui ont répondu à l'enquête ont rapporté en moyenne 9,2 visites chez le médecin au cours des 12 derniers mois. 80,2 % des répondants ont affirmé que la réforme des soins de santé n'a pas eu d'effet sur le nombre de visites chez le médecin, 8,6 % ont indiqué qu'ils avaient effectué une seule visite, alors que 11,2 % ont déclaré qu'ils avaient effectué plus d'une visite.

Sur la base de ces informations, Lauterbach et al estiment une réduction des consultations de 4,5 %. Ainsi, l'effet du changement de politique est économiquement important, mais comment mesurer la robustesse de ce résultat ? L'étude représente certaines insuffisances pouvant affecter les conclusions. La taille de l'échantillon est faible et le taux de réponse est très faible, ce qui soulève le problème des réponses biaisées.

A noter que présence en pharmacie est fortement corrélée avec une visite antérieure à un PéGecFn.IALnsi$IlinclLsiVn IdLnsIl'éOhXntillVQ ILIépDndIde Il'état Ide Ila variable dépendante, et les résultatsIne IpQuventIpasIrIIeIrep SsDntatifsIdeII'ens}Sblp IdIIla IpVpulatIVn. I

Les utilisateurs occasionnels de services de soins de santé sont sous-représentés, et les nonutilisateurs sont exclus apriori. Une réponse est possible à ce problème elle consisterait en l'utilisation des techniques économétriques pour corriger l'échantillon

Bien entendu, cette approche nécessite que le même modèle s'applique aux individus observés dans l'échantillon et ceux qui ne sont pas observées (les "utilisateurs" et les "non-utilisateurs"). Une hypothèse qui peut être remise en question dans le contexte actuel. Par conséquent, si l'on veut estimer l'effet de la réforme sur l'ensemble de la population, il faut constituer un échantillon aléatoire de l'ensemble de la population, comme celui fourni par le panel socio économique allemand.

Le GSOEP (panel socio économique allemand.) dispose d'un riche ensemble de variables socioéconomiques qui peuvent être utilisés comme variables de contrôle, et « nombre de visites chez le médecin » durant une période donnée peut être modélisé en utilisant directement les données du panel.

4. Les données

Pour cette étude, sélection d'une période de cinq ans centrés sur l'année de la réforme, 1995- 1999. Le GSOEP disposait de quelques variables relatives aux services de santé notamment la variable nombre de visites trimestriel chez un médecin.

La base de la stratégie empirique est de rassembler les données des cinq années et d'estimer les effets de la réforme en comparant le nombre de visites en 1998 et 1996, (en considérant la clause toutes choses égales par ailleurs). Les années 1998 et 1996 sont choisies du moment que la réforme a eu lieu à la mi-1997. En fonction des mois, quelques observations de 1997 ont disparu avant la réforme et certaines après. Un argument en faveur du recours à une période longue est de réduire le risque de biais lié aux considérations de temps. Par exemple, les gens pourraient avoir développé une "extra-demande" pour les visites chez le médecin juste avant la réforme et ce en prévision des changements à venir.

Les modèles qui seront estimés dans les travaux comprennent un ensemble prédicateurs linéaires de type :

Les prédicateurs linéaires seront utilisés dans divers modèles de données à commencer par le modèle de Poisson. Il est supposé que les effets de la réforme soient identiques pour tous les groupes de la population .On pourrait obtenir des réponses hétérogènes par l'estimation du modèle relatifs aux sous-groupes.

Variable dépendante

Doctco : doctor consultation, Nombre de visites à un médecin au cours des trois derniers mois

Variables explicatives

Age : E] keE]JTT E]E]'indiE]iOu E]

Male : est une variable prenant une valeur si l'individu est de sexe masculin.

Educ : E] E] E]leE]nivE]auE]d'é duLatioD, E]e E] GiL é E]eXE]nDL bLeE]d' E] E] ées E]de scolarité.

Maried : variable prenant une valeur si l'individu est marié.

Hsize Householdsize : est le nombre de personnes vivant dans le ménage.

Active sport : est une variable prenant une valeur si l'individu pratique un sport au moins une fois par semaine.

Good health : E] E] E]uV E]vari ableE] reDanL E]DEeE]va E] SrE]s}E]l'iDdivi E] E]qQalifi eE]saE]proXre E]E]antéE] O E]JtrQs E]

bonne>> ou «bonne>>.

Bad health :E] E] E]uVeE]vE] iaQle E]E]renaUtE]unEE]val E] SE]siE]I'individ E] E]XuQli E] E]saE]prHpreE]santL E]E]eE]«JLès E]

mauvaise>> ou «mauvaise>>

Full time employed : E] E] eE]vari E] leE]pUenDntE]uH E] aU}IrE]siE]l'in E]viduE]t E]vailleE]àE]ple E] E]teL s. E]

Parttime employed : est une variable prenant une valeur si l'individu travaille à temps partiel. Unemployed : variable prenant une valeur si l'individu est au chômage

Log income : est le logarithme du revenu du ménage

Il existe trois canaux par lesquels ces variables peuvent influer sur la demande de visites chez le médecin, le premier est le sous-jacent de l'état de santé, le deuxième est la contrainte budgétaire, et le troisième la préférence de formation, un autre indicateur est l'kkJT E]

Enfin, la pratique du sport est un indicateur de bonne santé. La contrainte budgétaire est déterminée par le revenu et le niveau général des prix. Les principales variables relatives au prix sont le coût d'opportunité d'une visite chez le médecin qui dépend à son tour du niveau d'éducation et de la situation de l'emploi.

Plusieurs des variables influent sur plus d'un aspect à la fois. Age, par exemple, sur le coût d'opportunité (par l'effet de l'expérience sur les salaires).

De même, l'éducation est un facteur important pour GéperIIUPr l'iHveOpiOOJLQnp optimal dans le capital santé (Grossman, 1972).

5. Les modèles économétriques

5.1 Modèle de Poisson

La distribution de probabilité suivant la loi de poisson est donnée selon la formule suivante:

Dans ce modèle de régression, nous supposons que la population est hétérogène avec des Xi

covariés, et ?i est spécifié comme , où i = 1, . . ., N indice des observations dans

l'échantillon.

Les effets de la réforme, sont définis comme la variation relative du nombre prévisionnel de visites chez le médecin, elle est calculée comme suit :

Le modèle de Poisson peut être critiqué sur un certain nombre points :

- Il ne permet pas d'observer l'hétérogénéité, d'autres modèles, tels que le Modèle binomialnégatif ou le modèle Poisson-log-normal fournissent des estimateurs plus efficaces, (Winckelmann 2000).

- Il ne tient pas compte de la structure du panel de données. Il y a jusqu'a cinq observations pour une personne donnée, la présence d'un individu spécifique en termes d'hétérogénéité, entraîne la nullité de l'hKpSphèOe d'inHépG1LanGe de l'échantillon.

Alternativement, on pourrait supposer une dépendance entre les effets individuels et leur covariance.

(QIinQ L] L'indice du modèle de régression de Poisson (et ses généralisations) implique que la moyenne est donnée et tous les autres aspects de la distribution sont bien déterminés. En particulier, la réforme ne peut pas avoir des effets différents dans les différentes parties de la distribution.

5.2 Modèle binomial négatif

/II mSTIèpI pSi[[SF LérifiI p'égYpité [QiLYFtI : Espérance = Variance dans la distribution

Cependant, un tel modèle comporte une hypothèse très restrictive sur la variance.

Dès lors, il néglige la « surdispersion » Ifti[tYFt TIYF[ p'échantillon ce qui conduirait à la nonvalidité TII[ tI[t[ TI'inférence. Pour remédier à cette situation, cette hypothèse peut être relâchée en supposant une forme fonctionnelle alternative de la variance telle que :

Ce modèle est désigné sous le nom de modèle binomial négatif ou Negbin3. Il offre tous les avantages du modèle de Poisson mais il est plus flexible.

Cependant, un tel modèle ignore une des caractéristiques essentielles des variables dépendantes, i.e. p'IftT[tIFcI TI'QFI différence qualitative entre les réponses nulles et les réponses positives.

5.3 Modèles structurels

il s'agit d'une structure de modèle hurdle (Mullahy, 1986) l'estimation est la suivante :

Pour fermer le modèle, il faut préciser f1 et f2.

J1 comprend

J2 comprend Poisson, binomial négatif, Poisson log-normal

Le modèle hurdle est populaire dans la littérature de la santé, il donne une interprétation structurelle qui s'entend avec l'intuition d'une structure de double décision, du processus de demande. La première décision de contact est prise indépendamment par le patient, alors que le traitement et l'orientation de décision est influencée par le médecin.

Deb et Trivedi ont observé une incompatibilité entre les hypothèses du modèle et l'état des données. Les consultations médicales sont mesurées par période et non par stade de la maladie.

3 Notation proposée par Cameron et Trivedi.

En outre, les personnes en bonne santé consultent aussi les médecins. Deb et Trivedi préconisent le modèle mixture finie dans le but d'opérer une distinction entre les patients fréquents et les moins fréquents.

6. Résultats

La moyenne du nombre de visites trimestrielle chez un médecin a diminué de 2,66 à 2,35 visites entre 1996 et 1998. Les visites annuelles ont diminué de 11 % entre 1996 et 1998.

Déclin entre 1995 et 1996, et une augmentation de 2 % entre 1998 et 1999. Ainsi, la diminution importante du nombre de visites coïncide clairement avec le calendrier de la réforme. Aussi, pour le compte de 1999, la réforme est allée de pair avec une augmentation du nombre de visites, ceci est compatible avec l'hypothèse d'un effet comportemental (abrogation de la réforme).

Tout au long de la période de l'étude, il y a une large part des non-visiteurs. Cette proportion est plus élevée en 1998, quand elle atteint 37 % de la population, il y a une augmentation de plus 4,4 pts par rapport en 1996.

La moyenne d'âge a augmenté de moins d'un an entre 1995 et 1999. Cela laisse penser que f'éU}aXtfffoX1X'Ost1Ras 1éQEfffbré. Une raison à cela est que les1jeEXes1eXQrIIXt 1daXs1f'éU}IXtfffoX1et 1 les personnes âgées fe1qEftteXL, 1fa1foErU}eLI 1d'kgL 1ItaXt1F0-60 ans.

Le taux de chômage de la population est lié à1 'état de la conjoncture. En effet, il retrace approximativement le taux réel de chômage qui a atteint 11 % en 1997 en Allemagne. Fait intéressant, les statistiques indiquent une amélioration générale de l'état de santé de la population entre 1996 et 1998. La proportion des personnes pratiquant le sport a augmenté de 25 à 31%, bien que ces moyennes restent très volatiles. La proportion des personnes déclarant une bonne santé a augmenté de 56 à 60 %, alors que la proportion des personnes déclarant un mauvais état de santé a diminué, passant de 14 à 13 %. Ces tendances sont importantes pour deux raisons. Tout d'abord, l'amélioration de la qualité des soins de santé pourrait être en mesure d'expliquer en partie la diminution du nombre de visites chez un médecin.

Deuxièmement, ces améliorations apportent quelques éléments prouvant que les réformes, ont réussi à maîtriser les coûts, mais en fait ont pu aggraver la situation sanitaire générale. Les estimations du modèle de Poisson, avec prise en compte des effets spécifiques individuels appellent les remarques suivantes :

La plupart des effets sont robustes pour la spécification du modèle, et de nombreux résultats sont communs à ceux qu'on trouve ailleurs dans la littérature. Les hommes ont moins visité les médecins que les femmes. Sur la base du modèle de Poisson, le nombre de visites a diminué de 9,9 % entre 1996 et 1998.

Six autres modèles ont été estimés en utilisant les mêmes données : binomial négatif, Poisson-log - Normal, hurdle- binomial négatif, mixture finie binomial négatif à deux composantes, modèle à multi composantes, et le modèle probit-Poisson-log-normal.

Deb et Trivedi (2002) ont conclu la supériorité du modèle mixture finie sur le modèle hurdle.

Il y a plusieurs façons d'exercer une discrimination entre les modèles. Certains de ces modèles sont imbriqués (comme le modèle de Poisson et le modèle binomial négatif), la plupart d'entre eux ne le sont pas (par exemple mixture finie, le hurdle binomial négatif et le modèle multi épisodes)

Les valeurs du maximum de vraisemblance des différents modèles montrent que le ratio de test de vraisemblance rejette clairement le modèle de Poisson contre les autres modèles.

Pour sélectionner le meilleur modèle parmi les sept, une simple comparaison des maximums de vraisemblance (Likelihood) est un premier indicateur.

Il convient de souligner que les résultats corroborent les conclusions de Deb et Trivedi (2002) que le modèle mixture finie Binomial négatif surpasse le modèle hurdle binomial négatif.

La taille et la composition des effets de la réforme, mesurés par le pourcentage de réduction du nombre de visites chez le médecin, pour chacun des modèles appellent les remarques suivantes : Les estimations pour le modèle de base (modèle de poisson et binomial négatif), avec ou sans observation d}hI pI ropI RI JpI , sont toutes dans le même rang, allant de 9,9 à 10,4 %. Ces estimations sont nettement au-dessus de celle (e l}I tF(p (e Lauterbach et al, Pour rappel leur étude a montré une baisse de 4,5 %.

Comment réconcilier ces deux conclusions ? Il est possible que les différences ont trait aux faibles taux de réponse dans l'enquête, ou la manière dont les questions ont été posées par le GSOEP.

Les modèles structurels répondent à cette question de différences (}élasticités dans différentes parties de la distribution. Les résultats confirment effectivement qu'un tel effet est présent, cela est le plus évident dans le modèle probit-Poisson-log-normal.

Cette réduction est plus forte à gauche de la distribution : la probabilité (}JffITTFer au mñns une visite a diminué d'environ 6,7 % entre 1996 et 1998, alors que le nombre de visites prévisionnel R}J diminué que d'environ 2,6 %.

Conclusion

Comment interpréter les effets et les relations de causalité de la réforme ?

L'étude est basée sur la variation du nombre de visites chez le médecin. Ceci suppose que d'autres choses ne changent pas de manière concomitante, par delà les caractéristiques socioéconomiques. Il est difficile d'imaginer ce que les autres choses devraient être. Il est peu probable que le sous-jacent « état de santé non observé » a varié considérablement durant cette période sans que cela ne soit contrôlpLl MU l'pLI Oe, loI UUliIJL nQI sLM ffliUXeULI I 'une éventuelle épidémie a frappé enQ1LILI6, et qI 'eIle était absente en 1998.

Même si l'on accepte l'interprétation selon laquelle la réforme des soins de santé de 1997 a contribué à la réduction du nombre de visites chez le médecin, il est encore tôt O'MttUlibI eU entièrement cela à l'augmentation du ticket modérateur.

Réplique des résultats

-'MliIpu répliquer les résultats des modèles de Poisson et binomial négatif sur Eviews. Pour une meilleure comparaison des résultats, j MliIétabli un modèle alternatif qui est les moindres carrés ordinaires (MCO) dont les résultats sont comparés à ceux des deux premiers modèles. Démarche :

1. Traitement des données sur Excel de façon à reprendre exactement les mêmes variables

2. Importation des données sur Eviews

3. Lancement des estimations des différents modèles sur QUICK ? EQUATION ESTIMATION : Choix des différents modèles à estimer

Poisson ML, Négative binomial ML, LS Least Square (MCO) comme modèle alternatif

4. Edition des résultats et analyse des performances.






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le don sans la technique n'est qu'une maladie"