<\/p>\n\n\n\n
Heterogeneous Effects of Brazilian Price-Cap Pharmaceutical Regulation in Private Health Insurances and the Unified Health System (SUS)<\/strong><\/strong><\/p>\n\n\n\n Resumo:<\/strong> Objetivo: Medir os efeitos heterog\u00eaneos da regula\u00e7\u00e3o dos tetos de pre\u00e7os da CMED no Brasil, entre 2015 e 2023 sobre as quantidades vendidas de produtos farmac\u00eauticos, comparando os pre\u00e7os observados nas transa\u00e7\u00f5es com os pre\u00e7os m\u00e1ximos definidos para os setores p\u00fablico e privado. M\u00e9todos: Estimaram-se modelos de efeitos fixos, adotando como vari\u00e1vel explicativa principal o logaritmo da raz\u00e3o pre\u00e7o observado sobre o pre\u00e7o teto e sua intera\u00e7\u00e3o com um indicador de setor p\u00fablico. Inclu\u00edram-se efeitos fixos de produto e de vig\u00eancia do reajuste anual e erros-padr\u00e3o agrupados por registro. Em complemento, aplicou-se Double Machine Learning (DML), tratando a intensidade de desconto (o logaritmo da raz\u00e3o pre\u00e7o\/ teto) como tratamento cont\u00ednuo e ortogonalizando-o, via cross-fitting em cinco blocos, em rela\u00e7\u00e3o a um conjunto de covari\u00e1veis de alta dimens\u00e3o: regi\u00e3o, n\u00edvel de desconto anterior e concentra\u00e7\u00e3o de mercado. Resultados: Nas estimativas de efeitos fixos, um aumento de 1% na raz\u00e3o pre\u00e7o observado\/teto est\u00e1 associado a um aumento de 0.60% nas quantidades do setor privado (p < 0.001). A intera\u00e7\u00e3o com o indicador do setor p\u00fablico \u00e9 \u22120.64%, resultando em varia\u00e7\u00e3o de \u22120.03% no setor p\u00fablico. Utilizando o Double Machine Learning (PLR com redu\u00e7\u00e3o de efeitos fixos e dobras de K = 5), a sensibilidade da quantidade do setor privado varia de 0.463 a 0.517 entre os estimadores (Lasso, CART, Random Forest, XGBoost, Neural Net). A intera\u00e7\u00e3o do setor p\u00fablico \u02c6\u03b3 varia de \u22121.060 a +0.450, sendo estatisticamente significativa e negativa para Lasso (\u22120.618), Random Forest (\u22120.484) e Neural Net (\u22121.060), n\u00e3o significativa no XGBoost (\u22120.281) e positiva no CART (+0.450). Discuss\u00e3o: Limita\u00e7\u00f5es do estudo incluem aus\u00eancia de grupo de controle n\u00e3o regulado e de instrumentos v\u00e1lidos, possibilidade de erro de mensura\u00e7\u00e3o e de vi\u00e9s por vari\u00e1veis omitidas, inexist\u00eancia de dados pr\u00e9-regulat\u00f3rios para identificar o choque de 2004, depend\u00eancia das escolhas de algoritmos e hiperpar\u00e2metros no DML, simultaneidade entre pre\u00e7o e quantidade e din\u00e2mica intertemporal n\u00e3o modelada, correla\u00e7\u00e3o em painel que pode afetar a infer\u00eancia sob diferentes esquemas de cluster e inconsist\u00eancias cadastrais ao n\u00edvel do registro que restringem o conjunto de controles e podem induzir vi\u00e9s de medi\u00e7\u00e3o. Tais limita\u00e7\u00f5es restringem a interpreta\u00e7\u00e3o dos coeficientes como associa\u00e7\u00f5es condicionais no regime vigente, e n\u00e3o como efeitos causais plenamente identificados. Conclus\u00e3o: Uma redu\u00e7\u00e3o no desconto aumenta as quantidades vendidas no setor privado, em que os provedores competem com base na margem e utilizam margens unit\u00e1rias mais altas para expandir o volume, mas reduz as quantidades no setor p\u00fablico, onde or\u00e7amentos fixos e negocia\u00e7\u00f5es centralizadas restringem as compras. Esses efeitos opostos indicam a exist\u00eancia de uma distor\u00e7\u00e3o da regula\u00e7\u00e3o de pre\u00e7o teto de medicamentos pelos prestadores de assistencia a saude que atuam na sa\u00fade suplementar.<\/p>\n\n\n\n