Gérer l'incertitude dans l'évaluation de la performance des soins de santé : une approche fuzzy réseau-DEA avec des résultats indésirables

L'analyse d'enveloppement des données (DEA) est actuellement la méthode non paramétrique la plus largement utilisée pour évaluer la performance des systèmes. Cependant, l'approche standard de la DEA ignore la structure de l'unité et suppose que les données sont exactes et fiables. Dans le secteur de la santé, ces hypothèses peuvent ne pas toujours être valables. Pour résoudre ces problèmes, une nouvelle approche a été développée, transformant les données en nombres trapézoïdaux flous et utilisant un cadre de réseau. L'étude a été réalisée à partir de données provenant d'hôpitaux publics portugais, incluant 18 variables liées à l'efficacité, à la qualité et à l'accès. Les données ont ensuite été appliquées en utilisant un modèle de réseau-DEA flou basé sur le slack qui pouvait gérer les résultats indésirables. En raison des différences opérationnelles et environnementales significatives entre les hôpitaux au Portugal, une approche de frontière de sous-échantillonnage basée sur des variables exogènes a été utilisée. Les résultats suggèrent qu'il y a un potentiel d'amélioration de l'efficacité hospitalière au Portugal d'environ 20%, en particulier à la lumière de la pandémie de COVID-19. De plus, des variations de performance ont été observées en fonction de la taille de l'hôpital.