2.6. CONCLUSIONES.

• Con respecto a su composición, el sistema estudiado (Cruz Blanca EPS y su entorno) puede circunscribirse básicamente en 30 variables (22 externas y 8 internas), de tipo económico, sociocultural y demográfico, político, gubernamental y jurídico, tecnológico, competitivo, de gestión interna y un tópico especial que afecta al sector salud: la estabilidad/inestabilidad de sus instituciones.

• El análisis de las variables externas utilizando la matriz MIDO evidenció debilidad de Cruz Blanca EPS en el dominio de 11 variables clasificadas con importancia fuerte. Esta debilidad fue más crítica para las variables v3 (valor de la UPC-C), v13 (desarrollo de las tutelas – salud como bien meritorio), v2 (nivel de empleo) y v6 (perfil demográfico-transición). A pesar de la poca o casi ninguna influencia que puede tener una aseguradora sobre estas variables, se percibe una intencionalidad de afectar las variables v3 y v13 a través de la asociación gremial de las EPS que no tiene otro fin más que lograr voz y voto en instancias decisorias del Estado tales como el Consejo Nacional de Seguridad Social en Salud que, dicho sea de paso, es quien define el valor anual de la UPC-C.

• Otras variables de importancia fuerte en donde la EPS tiene un dominio débil pero no tan acentuado como las anteriores son: v9 (actitudes con relación a la calidad y al servicio), v10 (nivel de conocimiento del usuario sobre derechos, coberturas y procedimientos), v19 (selección adversa), v8 (estilos de vida, cultura de la salud y autocuidado) y v12 (cambios/permanencia en la legislación en salud, en especial de las ERC). De éstas, se percibe un fortalecimiento futuro en el dominio de la variable v10, pero este nivel de conocimiento es impactado más por el contacto repetido del usuario con los servicios de salud que por un interés verdadero de la EPS en informar a sus asegurados.

• Las variables v7 (perfil epidemiológico – transición) y v22 (estabilidad/inestabilidad de las instituciones del sector salud demuestran una tendencia más clara a pasar de moderadamente débil a fuerte dominio por parte de la EPS, como consecuencia de una buena gestión técnica (promoción Capítulo 2 114  de la salud, prevención de la enfermedad, diagnóstico y tratamiento oportuno) y financiera (estrategia empresarial).

• Por otro lado, la EPS es fuerte en el dominio de las variables v15 (estado del arte en el tratamiento de las ERC), v16 (uso de tecnologías de punta) y v21 (tipos de reaseguro), todas ellas de una gran importancia. También es moderadamente fuerte en el dominio de las variables v4 (nivel de aseguramiento y propensión a consumir), v11 (políticas y/o posiciones de los actores con respecto a las ERC), v5 (economías de escala), v14 (presión de la industria electromédica y farmacéutica) y v17 (participación en el mercado), constituyéndose en una gran prioridad mejorar su posición de dominio en las dos primeras dada su influencia sobre el resultado en términos de costo médico asignable a las ERC.

• Finalmente, con respecto a las variables externas, se detectaron 2 variables de dominio débil por parte de la EPS pero que no preocupan por su importancia también débil para la EPS dentro del sistema: v1 (política fiscal) y v20 (descremamiento del mercado). Si llama mucho la atención que la variable v18 (estrategias para la atención de ERC) no sea de dominio fuerte por parte de la EPS, ya que hace falta implementar mecanismos como: notificación y vigilancia epidemiológica de ERC, y promover la lealtad y persistencia de los pacientes de ERC tratados para que no se trasladen a otra EPS.

• El análisis de las variables internas utilizando la matriz MIDE evidenció que las ocho son de importancia fuerte, pero la EPS tiene poco desarrolladas las variables v24 (política y/o posición institucional con respecto a las ERC), v28 (nivel de sensibilización respecto a las ERC) y v23 (nivel de siniestralidad generado por el tratamiento de las ERC); lo cual es en cierta forma preocupante dada la importancia del tema de las ERC sobre la siniestralidad global de la EPS.

• Las variables internas más desarrolladas son v25 (condiciones del reaseguro), v26 (estrategia de contención y control del gasto), v27 (estrategia de evaluación y control del personal médico), v30 (papel del médico como agente del paciente) y v29 (capacidad de negociación y contratación), lo que hace Capítulo 2  115 prever una buena capacidad de adaptación futura a las influencias negativas de las variables externas relacionadas con el incremento de la frecuencia y costos de las ERC.

• Durante la aplicación de la matriz MAE se pudo percibir que los actores, aún los directivos con mayor capacidad de imponer sus posiciones, tienen una visión muy parcial y disgregada del sistema, especializándose en el manejo de unas pocas variables.

• En el análisis estructural la distribución de los puntajes de motricidad y dependencia tiene un comportamiento Normal, con una mayor dispersión de los datos de motricidad que de los de dependencia por el valor presentado en las desviaciones estándares.

• Las 5 variables más dependientes del sistema estudiado son v26 (estrategia de contención y control del gasto), v22 (Estabilidad/inestabilidad de las instituciones del sector salud), v27 (estrategia de evaluación y control del personal médico), v24 (política y/o posición institucional con respecto a las ERC) y v18 (estrategias para la atención de las ERC).

• Las 5 variables más motrices del sistema son v22 (Estabilidad/inestabilidad de las instituciones del sector salud), v11 (políticas y/o posiciones de los actores con respecto las ERC), v26 (estrategia de contención y control del gasto), v23 (nivel de siniestralidad generado por el tratamiento de las ERC) y v13 (desarrollo de las tutelas – salud como bien meritorio).

• Como pudo observarse, las variables v22 y v26 están simultáneamente dentro del grupo de las más motrices y más dependientes.

• A través de la misma matriz MAE se identificaron las variables que mueven principalmente a las variables más dependientes, así como las variables que son principalmente movidas por las variables más motrices. Entendiendo que la aplicación de la matriz, sin más tratamiento matemático, representa las relaciones directas entre las variables, esto podría ayudar a plantear hipótesis para la construcción de Capítulo 2 116  regresiones lineales múltiples (las variables que no fueron consideradas para cada una de las variables más dependientes y más motrices, simplemente quedarían incluidas en el margen de error de la fórmula de regresión lineal múltiple de cada una de ellas). Por ejemplo, para la variable más dependiente del sistema: v26 (estrategia de contención y control del gasto), se encontró que las variables que la mueven principalmente en forma directa son v3 (valor de la UPC-C), v13 (desarrollo de las tutelas – salud como bien meritorio), v22 (estabilidad/inestabilidad de las instituciones del sector salud), v23 (nivel de siniestralidad generado por el tratamiento de las ERC) y v24 (política y/o posición institucional con respecto a las ERC). Lo anterior podría representarse así: v26 = f [v3, v13, v22, v23, v24] en donde v26 es una función de las otras 5 variables.

El modelo de regresión múltiple se expresaría así: V26 = bo + b1.v3 + b2.v22 + b3.v23 + b4.v24 + e • Las funciones que pueden deducirse del análisis estructural, y los modelos de regresión simple y múltiple que resultarían y que no son el objeto central de esta tesis, serían de utilidad para diseñar y ejecutar otros trabajos de investigación en el futuro.

2.7. ANEXOS.

Se presentan a continuación las siguientes tablas elaboradas a partir de los datos obtenidos con la matriz MAE.

1. Puntajes de Motricidad y de Dependencia de las variables.

2. Orden de las variables por puntaje de motricidad.

3. Orden de las variables por puntaje de dependencia.

4. Orden de las variables por potencial motriz.

5. Orden de las variables por potencial de dependencia.

6. Orden de las Variables por puntaje de motricidad futura.

7. Orden de las variables por puntaje de dependencia futura.