RESUMO OBJETIVO Desenvolver ferramenta de avaliação de eficiência de hospitais universitários federais de perfil geral. MÉTODOS A análise envoltória de dados, técnica de programação linear, constrói uma fronteira de melhores práticas pela comparação da produção observada dadas as quantidades de recursos despendidas. O modelo é orientado a produto, e considera retornos variáveis de escala. A análise envoltória de dados em redes considera variáveis de ligação que pertencem a mais de uma dimensão (no modelo, médicos residentes, internações ajustadas e projetos de pesquisa). A análise envoltória de dados dinâmica usa variáveis de transporte (no modelo, receita) para analisar o deslocamento da fronteira em anos subsequentes. Os dados foram coletados do sistema de informações do MEC, 2010 a 2013. RESULTADOS Os escores médios de assistência, ensino e pesquisa no período foram: 58,0%, 86,0% e 61,0%, respectivamente. Em 2012, ano de melhor desempenho, para que todas as unidades atingissem a fronteira, seria necessário aumento médio de consultas de 65,0%; de internações, de 34,0%; de alunado de graduação, de 12,0%, de residência multiprofissional, de 13,0%, de pós-graduação, de 48,0%; de projetos de pesquisa, de 7,0%; além de queda de 9,0% de residentes médicos. No mesmo ano, para melhora da fronteira de produção assistencial, seria necessária a injeção de um aporte adicional de receita de 0,9%. Observou-se progressão da eficiência no ensino; oscilação na assistência e estagnação na pesquisa na avaliação dinâmica. CONCLUSÕES O modelo proposto gera parâmetros de planejamento e programação em saúde pública por meio do cálculo dos escores de eficiência e das projeções necessárias para alcance das fronteiras de melhores práticas.
ABSTRACT OBJECTIVE To develop an assessment tool to evaluate the efficiency of federal university general hospitals. METHODS Data envelopment analysis, a linear programming technique, creates a best practice frontier by comparing observed production given the amount of resources used. The model is output-oriented and considers variable returns to scale. Network data envelopment analysis considers link variables belonging to more than one dimension (in the model, medical residents, adjusted admissions, and research projects). Dynamic network data envelopment analysis uses carry-over variables (in the model, financing budget) to analyze frontier shift in subsequent years. Data were gathered from the information system of the Brazilian Ministry of Education (MEC), 2010-2013. RESULTS The mean scores for health care, teaching and research over the period were 58.0%, 86.0%, and 61.0%, respectively. In 2012, the best performance year, for all units to reach the frontier it would be necessary to have a mean increase of 65.0% in outpatient visits; 34.0% in admissions; 12.0% in undergraduate students; 13.0% in multi-professional residents; 48.0% in graduate students; 7.0% in research projects; besides a decrease of 9.0% in medical residents. In the same year, an increase of 0.9% in financing budget would be necessary to improve the care output frontier. In the dynamic evaluation, there was progress in teaching efficiency, oscillation in medical care and no variation in research. CONCLUSIONS The proposed model generates public health planning and programming parameters by estimating efficiency scores and making projections to reach the best practice frontier.