📈 economics

Medical Loss Ratio and Accounting-Based Financial Fragility among Brazilian Health Plan Operators: A Predictive Panel Study

Este estudio de panel predictivo demuestra que un alto Índice de Pérdida Médica (MLR) sirve como un indicador de alerta temprana significativo y basado en umbrales para la fragilidad financiera futura, la salida del mercado y la salida regulatoria forzada entre las operadoras de planes de salud brasileñas, particularmente cuando el MLR supera 0,835, aunque funciona mejor como un marcador parcial en lugar de una herramienta de detección independiente.

Autores originales: Hudson Fernando Couto, Antônio Artur de Sousa

Publicado 2026-07-15

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Hudson Fernando Couto, Antônio Artur de Sousa

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina el mercado de seguros de salud brasileño como un carnaval masivo y bullicioso. Dentro de este carnaval, hay cientos de diferentes "puestos de juegos" (los operadores de planes de salud) vendiendo boletos a los visitantes. Cada vez que un visitante se enferma y necesita un médico, el puesto tiene que pagar una reclamación.

El Índice de Siniestralidad Médica (MLR, por sus siglas en inglés) es como un marcador que rastrea cuánto de el dinero que el puesto recauda por la venta de boletos es inmediatamente devorado por el pago de esas visitas médicas. Si el puesto recauda $100 en boletos pero tiene que pagar $85 en facturas médicas, el MLR es 0.85.

Durante mucho tiempo, la gente se preguntó: "Si el marcador de un puesto muestra que está pagando una gran parte de su dinero en facturas médicas este año, ¿significa eso que el puesto va a colapsar y cerrar sus puertas el próximo año?".

Algunos podrían pensar: "¡Pues, claro! Si pagas más de lo que recibes, estás en la quiebra ahora mismo". Pero los autores de este estudio, Couto y Sousa, quisieron ser más inteligentes que eso. Sabían que mirar los números del mismo año es como revisar tu cuenta bancaria mientras todavía estás comprando el almuerzo; es solo matemática, no una predicción. Ellos querían ver si un puntaje alto hoy podría actuar como una bola de cristal para problemas mañana.

La Prueba de la Bola de Cristal

Los investigadores construyeron una gigantesca máquina del tiempo utilizando datos de 1,042 puestos de planes de salud diferentes en todo Brasil, observando 6,139 instantáneas de sus finanzas entre 2018 y 2024. Hicieron algo muy importante que los estudios previos pasaron por alto: no descartaron los puestos que ya estaban en problemas. De hecho, se aseguraron de incluir a los que estaban a punto de quebrar, ¡porque si solo miras los puestos sanos, no puedes aprender a detectar a los enfermos!

Esto es lo que reveló su bola de cristal:

1. El Umbral de la "Zona de Peligro"
El estudio encontró que el marcador no es una línea suave donde un poco de costo extra sea un poco de riesgo. En cambio, es como un acantilado.

Si el MLR de un puesto está en los tres cuartos inferiores (por debajo de 0.835), generalmente está bien.
Pero si el MLR salta al cuarto superior (en 0.835 o más), las probabilidades de que ese puesto tenga problemas financieros graves el próximo año aumentan en un 76% (un odds ratio de 1.76).

2. El Colapso en el Mundo Real
No se trata solo de números en una hoja de cálculo. El estudio verificó qué sucedió realmente con los puestos que tenían puntajes altos.

Salida del Mercado: Los puestos con un MLR alto fueron 3.19 veces más propensos a simplemente desaparecer del mercado al año siguiente (un odds ratio de 3.19).
Cierre Forzado: También fueron 2.29 veces más propensos a ser expulsados por los reguladores gubernamentales dentro de los dos años siguientes (un odds ratio de 2.29).

3. El "Porqué" del Colapso
¿Por qué colapsan? El estudio encontró que el alto MLR usualmente daña primero el "margen operativo" del puesto. Piensa en esto como su margen de beneficio. Cuando las facturas médicas consumen demasiada de la venta de boletos, el puesto deja de obtener ganancias en su negocio principal. El flujo de caja (liquidez) se vuelve inestable más tarde, pero el margen de beneficio es el que recibe el primer golpe.

Lo que la Bola de Cristal No Puede Hacer

Aquí está la parte más importante de la historia: el marcador no es una bola de cristal perfecta.

Si intentaras usar solo el MLR para predecir qué puesto fallaría, sería un mal predictor. El estudio midió esto usando una puntuación llamada "Área Bajo la Curva" (AUC).

Para predecir los problemas financieros de un puesto, el MLR por sí solo obtuvo un 0.51.
Para predecir que un puesto abandone el mercado, obtuvo un 0.53.
Para predecir un cierre gubernamental, obtuvo un 0.45 (¡lo cual es peor que lanzar una moneda!).

Esto significa que, aunque un MLR alto es una bandera de advertencia, no es una pistola humeante. Es como ver una nube oscura; te dice que podría llover, pero no te dice si te vas a empapar o si la nube simplemente pasará de largo. Necesitas mirar otras cosas también, como qué tan grande es el puesto y qué tipo de juegos juegan (su "modalidad"). Por ejemplo, los puestos de "filantropía" tuvieron una tasa de problemas mucho más alta (23.33%) en comparación con los puestos de "autogestión" (4.01%), por lo que la señal de advertencia funciona de manera diferente para distintos tipos de puestos.

Lo que el Estudio Descarta

Los autores fueron muy cuidadosos al decir lo que este estudio NO es.

No es una prueba de que un MLR alto cause que un puesto falle. Es posible que un puesto ya esté fallando y por eso su MLR se vea mal. El estudio muestra un vínculo, no un hechizo de causa y efecto.
No es una herramienta que puedas usar por sí sola para prohibir un puesto. Debido a que la predicción "independiente" es débil, usarla por sí sola perdería a la mayoría de los puestos que fallan y acusaría falsamente a muchos que están sanos.
No es una relación suave y constante. El riesgo no sube lentamente a medida que el MLR aumenta; se mantiene bajo hasta que golpea ese acantilado de 0.835, y entonces se dispara.

La Conclusión

Entonces, ¿cuál es la moraleja para nuestro carnaval?

Si ves un puesto de plan de salud con un MLR de 0.835 o superior, definitivamente deberías prestar atención. Esto sugiere que el puesto está en la "zona de peligro" y es mucho más propenso a enfrentar problemas financieros o a cerrar sus puertas en el próximo año o dos. Sin embargo, no deberías entrar en pánico y cerrarlos inmediatamente basándote en ese único número. Necesitas mirar el panorama completo, incluyendo el tipo de puesto y otras señales financieras.

El estudio demuestra que este marcador específico es una señal de alerta temprana útil, transparente y pública, pero es solo una pieza de un rompecabezas mucho más grande. Ayuda a los reguladores a detectar las nubes, pero aún necesitan un reporte meteorológico completo para saber si una tormenta viene realmente en camino.

Resumen Técnico: Razón de Siniestralidad Médica y Fragilidad Financiera Basada en la Contabilidad entre Operadores de Planes de Salud Brasileños

Planteamiento del Problema
El estudio aborda una brecha crítica en la comprensión de la sostenibilidad de los seguros de salud en Brasil: si la Razón de Siniestralidad Médica (MLR, por sus siglas en inglés)—una métrica transparente y reportada públicamente que indica la proporción de los ingresos absorbidos por las reclamaciones médicas—posee poder predictivo para la futura dificultad financiera. Si bien la literatura previa establece que las razones de pérdida son económicamente significativas y están sujetas a la discreción gerencial, no está claro si una MLR alta, medida en su escala convencional y reconstruida a partir de cuentas regulatorias públicas, predice la fragilidad financiera contable observable y la salida del mercado en el periodo siguiente. Un desafío metodológico clave identificado es el "problema de selección" en los estudios existentes, donde la cola de operadores financieramente angustiados (específicamente aquellos con patrimonio neto negativo) es a menudo excluida mediante la construcción de casos completos, lo que oscurece la verdadera prevalencia de la fragilidad.

Metodología
La investigación emplea un diseño de logit de panel predictivo utilizando datos de la Agencia Nacional de Salud Suplementaria de Brasil (ANS).

Construcción de Datos: Los autores reconstruyeron el panel analítico a partir del universo completo de los estados contables trimestrales (DIOPS) de la ANS para el periodo 2018–2024 (ventana primaria) y 2007–2024 (ventana extendida). Crucialmente, la muestra retiene los años-operador con patrimonio neto negativo, corrigiendo un sesgo de selección presente en análisis previos de casos completos.
Definición de Variables:
- Variable Explicativa: La MLR se calcula como las reclamaciones netas (cuenta DIOPS 41) divididas por las primas netas (cuenta 311).
- Resultados: El estudio prueba tres resultados prospectivos en $t+1$ $t + 1$ (y $t+1/t+2$ $t + 1/ t + 2$ para la salida regulatoria):
  1. Fragilidad Financiera: Definida como la ocurrencia simultánea de un margen operativo negativo y un ratio de liquidez corriente inferior a 1.0. Una definición suplementaria incluye patrimonio neto negativo (cuenta 25).
  2. Salida del Mercado: Desregistro del operador por cualquier motivo.
  3. Salida Regulatoria Forzada: Desregistro debido a razones adversas (por ejemplo, liquidación, incumplimiento).
Estrategia de Estimación: Se utilizaron modelos logit agrupados (pooled logit) con efectos fijos de año y errores estándar agrupados por operador. La MLR se analizó tanto como una variable continua (por desviación estándar) como un indicador binario para el cuartil superior (MLR alta). Los controles incluyeron ingresos operativos logarítmicos, modalidad del operador y la razón de gastos administrativos.
Características del Diseño: El estudio desplaza deliberadamente el resultado un año hacia adelante para evitar identidades contables mecánicas que vinculen la razón de pérdida y el margen operativo dentro del mismo año. Reporta una especificación contemporánea únicamente como un punto de referencia descriptivo.

Contribuciones Clave

Universo Reconstruido: El estudio corrige un sesgo de selección al retener la "cola de angustia" de los operadores (226 años-operador con patrimonio neto negativo en la ventana primaria) que fueron previamente excluidos por reglas de casos completos, aumentando la prevalencia observada de fragilidad del 2.69% al 7.67%.
Validación Predictiva: Valida la MLR contra resultados externos al estado contable (salida del mercado y salida regulatoria forzada), distinguiendo el contenido predictivo de la correlación aritmética.
Caracterización de Umbrales: El documento demuestra que la relación predictiva es no lineal y se concentra en la cola superior, en lugar de ser un gradiente suave, identificando un umbral de riesgo específico.

Resultados

Poder Predictivo: En el panel primario (2018–2024), una MLR en el cuartil superior ( $\ge 0.835$ $\geq 0.835$ ) predice significativamente los resultados del año siguiente:
- Fragilidad Financiera: Odds Ratio (OR) 1.76 ( $p=0.001$ ).
- Salida del Mercado: OR 3.19 ( $p<0.001$ ).
- Salida Regulatoria Forzada (dentro de dos años): OR 2.29 ( $p=0.009$ ).
Mecanismo: La señal predictiva opera principalmente a través del componente de margen operativo (OR 2.52 para margen negativo) más que por la liquidez.
No Linealidad: La relación no es monótona; la prevalencia de la fragilidad alcanza su máximo en el cuartil superior (11.79%) pero también es elevada en el cuartil inferior (7.82%), lo que sugiere que el cuartil inferior refleja composición más que riesgo de razón de pérdida.
Discriminación: Como herramienta de detección independiente, la MLR tiene una capacidad de discriminación débil (el Área Bajo la Curva ROC [AUC] oscila entre 0.45 y 0.53). Sin embargo, cuando se combina con la modalidad y el tamaño del operador en un modelo completo, la discriminación mejora significativamente (AUC 0.69 para fragilidad, 0.81 para salida regulatoria forzada).
Heterogeneidad: La prevalencia de la fragilidad varía drásticamente por modalidad, desde ~4% para planes de autogestión hasta 23.3% para operadores filantrópicos, lo que indica que la detección debe ser segmentada.
Robustez: La ventana extendida (2007–2024) reproduce el patrón, y los resultados se mantienen al excluir la razón de gastos administrativos (un posible "mal control").

Significancia y Reivindicaciones
El documento afirma que una MLR transparente y reconstruible públicamente sirve como una dimensión de alerta temprana útil pero parcial para los operadores de planes de salud brasileños. Sostiene que una MLR alta (específicamente en el cuartil superior) predice la futura deterioración financiera y la salida del mercado, no meramente una debilidad contable contemporánea.

Sin embargo, los autores son modestos respecto a la utilidad de la herramienta. Declaran explícitamente que la MLR no es una herramienta de detección suficiente por sí sola debido a su débil discriminación independiente (baja sensibilidad y valor predictivo positivo). En su lugar, el documento posiciona la MLR como un "marcador predictivo con forma de umbral" que debe aplicarse según la modalidad del operador y combinarse con otros indicadores dentro de un modelo de supervisión multivariante. El estudio concluye que, si bien la razón de pérdida identifica a los operadores persistentemente expuestos, debe servir como un primer filtro o un componente de un modelo de supervisión basado en eventos más amplio, en lugar de un sustituto de una evaluación de riesgo integral.

La Prueba de la Bola de Cristal

Lo que la Bola de Cristal No Puede Hacer

Lo que el Estudio Descarta

La Conclusión

Más como este