Ekonomická výkonnost nemocnic v ČR

Abstract

Hlavním cílem diplomové práce je pomocí odhadu efektivnosti analyzovat a porovnat ekonomickou výkonnost vybraných nemocnic v ČR za období 2018 až 2024 s přihlédnutím k jejich velikosti, specifickému složení lidských zdrojů a objemu hlavního výstupu, který produkují, a následně popsat rozdíly v jejich efektivnosti. Analyzovaný soubor tvoří 14 nemocnic z referenční sítě nemocnic v ČR, konkrétně z kategorie Fakultní nemocnice a velké krajské nemocnice ČR. Diplomová práce je zaměřena na rámcovou otázku, co je ekonomická výkonnost a jak ji lze v praxi hodnotit. Hlavní cíl je rozveden dvěma dílčími cíli. Prvním dílčím cílem je zhodnotit efektivnost ve vztahu k poskytované zdravotní péči za použití dat nefinančního charakteru (technická efektivnost) a druhým dílčím cílem je zhodnotit efektivnost zahrnutím finančních dat, tedy pomocí ekonomického modelu zhodnotit alokační (cenovou) efektivnost. Zvolena byla metoda Data Envelopment Analysis (DEA) v kombinaci s window analýzou. Byly konstruovány dva DEA modely (M1 a M2), odlišně orientované, a každý ve variantách CCR a BCC. K naplnění prvního dílčího cíle byl sestaven výstupově orientovaný model M1, do něhož byly zahrnuty 4 vstupní parametry (počet lůžek akutní péče, počet lékařů, počet zdravotních sester a porodních asistentek, počet ostatních zaměstnanců) a 2 výstupní parametry (počet hospitalizovaných pacientů a počet ambulantních ošetření). Z výsledků window analýzy vyplynulo, že by sledované nemocnice měly v průměru zvýšit své výstupy o přibližně 17,32 %. Dále byl stanoven závěr, že nemocnice vykazují neefektivnost z rozsahu. Jako nejsilnější negativní vliv na efektivnost byl vyhodnocen nárůst parametru – počet ostatních zaměstnanců (THP a dělnických profesí). Pro dosažení druhého dílčího cíle byl aplikován model M2 s orientací na vstupy, jenž zahrnoval finanční parametry přepočteny na lůžko. Vstupní parametry byly 2 (osobní náklady, provozní náklady) a výstupní taktéž 2 (výnosy z prodeje služeb, ostatní výnosy). Window analýza prokázala, že by nemocnice měly být schopny v průměru snížit své náklady na jedno lůžko o 4,69 %. Tzn., jednotlivé nemocnice hospodařily s vysokou mírou alokační efektivnosti. Byly spočteny korelační koeficienty, jež prokázaly slabé vztahy mezi sledovanými parametry a dosaženou mírou efektivnosti v modelu M2, což naznačuje, že je ovlivňována souhrnem více dalších faktorů. Jak u modelu M1, tak modelu M2 bylo sestaveno výsledné pořadí nemocnic dle míry efektivnosti a byly vypočteny potřebné změny parametrů. Syntézou výsledků modelů M1 a M2 došlo k naplnění hlavního cíle, přičemž za ekonomický výkonné jsou považovány ty nemocnice, jež dosáhly optimální míry efektivnosti jak technické, tak alokační. Je však nutno upozornit, že hodnocení efektivnosti prostřednictvím DEA má svá omezení a že se jedná o hodnocení prostřednictvím odhadu relativní míry efektivnosti (nikoli absolutní). Výpočty byly zpracovány pomocí doplňku MS Excel DEA-Solver.

The main objective of the master’s thesis is to analyze and compare the economic performance of selected hospitals in the Czech Republic over the period 2018–2024 by estimating efficiency, taking into account their size, specific composition of human resources, and the volume of their main output, and subsequently to describe differences in their efficiency. The analyzed sample consists of 14 hospitals from the reference network of hospitals in the Czech Republic, specifically from the category of university hospitals and large regional hospitals. The thesis is focused on the general question of what economic performance is and how it can be evaluated in practice. The main objective is further elaborated through two partial objectives. The first partial objective is to assess efficiency in relation to the provided healthcare services using non-financial data (technical efficiency), while the second partial objective is to evaluate efficiency by incorporating financial data, i.e., to assess allocative (price) efficiency using an economic model. The Data Envelopment Analysis (DEA) method was employed in combination with window analysis. Two DEA models (M1 and M2) were constructed, with different orientations, each in CCR and BCC variants. To achieve the first partial objective, an output-oriented model M1 was developed, including four input variables (number of acute care beds, number of physicians, number of nurses and midwives, number of other staff) and two output variables (number of hospitalized patients and number of outpatient treatments). The results of the window analysis indicated that the observed hospitals should, on average, increase their outputs by approximately 17.32%. It was also concluded that the hospitals exhibit scale inefficiency. The most significant negative impact on efficiency was identified as the increase in the parameter “number of other staff” (administrative and manual workers). To achieve the second partial objective, model M2 with an input orientation was applied, incorporating financial variables recalculated per bed. There were two input variables (personnel costs and operating costs) and two output variables (revenues from services and other revenues). The window analysis showed that hospitals should be able to reduce their costs per bed by an average of 4.69%. This implies that individual hospitals operated with a high degree of allocative efficiency. Correlation coefficients were calculated, revealing weak relationships between the observed variables and the achieved level of efficiency in model M2, suggesting that efficiency is influenced by a combination of multiple additional factors. For both models M1 and M2, a final ranking of hospitals according to their efficiency scores was established, and the required parameter adjustments were calculated. By synthesizing the results of models M1 and M2, the main objective was achieved, whereby hospitals that reached an optimal level of both technical and allocative efficiency are considered economically efficient. However, it should be noted that efficiency evaluation using DEA has its limitations and represents an estimate of relative (not absolute) efficiency. The calculations were performed using the MS Excel add-in DEA-Solver.