📈 economics

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

Este estudo de painel preditivo demonstra que um alto Índice de Sinistralidade (MLR) serve como um indicador de alerta precoce significativo e baseado em limiares para fragilidade financeira futura, saída do mercado e saída regulatória forçada entre operadoras de planos de saúde brasileiras, particularmente quando o MLR excede 0,835, embora funcione melhor como um marcador parcial em vez de uma ferramenta de triagem isolada.

Autores originais: Hudson Fernando Couto, Antônio Artur de Sousa

Publicado 2026-07-15

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Hudson Fernando Couto, Antônio Artur de Sousa

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine o mercado de planos de saúde brasileiro como um grande e movimentado carnaval. Dentro deste carnaval, há centenas de diferentes "barracas de jogos" (as operadoras de planos de saúde) vendendo ingressos para os visitantes. Cada vez que um visitante fica doente e precisa de um médico, a barraca tem que pagar uma conta.

O Índice de Sinistralidade (MLR - Medical Loss Ratio) é como um placar que rastreia quanto do dinheiro que a barraca arrecada com a venda de ingressos é imediatamente consumido pelo pagamento dessas visitas médicas. Se a barraca arrecada $100 em ingressos, mas tem que pagar $85 em contas médicas, o MLR é 0,85.

Por muito tempo, as pessoas se perguntaram: "Se o placar de uma barraca mostra que ela está pagando uma enorme parte do seu dinheiro em contas médicas este ano, isso significa que a barraca vai quebrar e fechar suas portas no ano que vem?"

Alguns podem pensar: "Bem, é claro! Se você paga mais do que recebe, você está falido agora mesmo". Mas os autores deste estudo, Couto e Sousa, quiseram ser mais espertos do que isso. Eles sabiam que olhar para os números do mesmo ano é como checar sua conta bancária enquanto você ainda está comprando o almoço; é apenas matemática, não uma previsão. Eles queriam ver se uma pontuação alta hoje poderia servir como uma bola de cristal para problemas amanhã.

O Teste da Bola de Cristal

Os pesquisadores construíram uma máquina do tempo gigante usando dados de 1.042 diferentes barracas de planos de saúde em todo o Brasil, analisando 6.139 instantâneos de suas finanças entre 2018 e 2024. Eles fizeram algo muito importante que estudos anteriores perderam: eles não descartaram as barracas que já estavam em problemas. Na verdade, eles fizeram questão de incluir aquelas que estavam prestes a falir, porque se você olhar apenas para as barracas saudáveis, não pode aprender como identificar as doentes!

Aqui está o que a bola de cristal deles revelou:

1. O Limiar da "Zona de Perigo"
O estudo descobriu que o placar não é uma linha suave onde um pouco de custo extra significa um pouco de risco. Em vez disso, é como um penhasco.

Se o MLR de uma barraca está nos três quartos inferiores (abaixo de 0,835), ela geralmente está bem.
Mas se o MLR salta para o quarto superior (em 0,835 ou acima), as chances de essa barraca entrar em sérios problemas financeiros no próximo ano aumentam em 76% (uma razão de chances de 1,76).

2. A Queda no Mundo Real
Não se trata apenas de números em uma planilha. O estudo verificou o que realmente aconteceu com as barracas que tiveram pontuações altas.

Saída do Mercado: Barracas com um MLR alto foram 3,19 vezes mais propensas a simplesmente desaparecer do mercado no ano seguinte (uma razão de chances de 3,19).
Fechamento Forçado: Elas também foram 2,29 vezes mais propensas a serem expulsas pelos reguladores do governo dentro de dois anos (uma razão de chances de 2,29).

3. O "Porquê" da Queda
Por que elas quebram? O estudo descobriu que o alto MLR geralmente prejudica a "margem operacional" da barraca primeiro. Pense nisso como a margem de lucro da barraca. Quando as contas médicas consomem demais as vendas de ingressos, a barraca para de lucrar em seu negócio principal. O fluxo de caixa (liquidez) fica instável mais tarde, mas a margem de lucro sofre o impacto primeiro.

O Que a Bola de Cristal Não Consegue Fazer

Aqui está a parte mais importante da história: o placar não é uma bola de cristal perfeita.

Se você tentasse usar apenas o MLR para prever qual barraca falharia, seria um péssimo adivinhador. O estudo mediu isso usando uma pontuação chamada "Área Sob a Curva" (AUC).

Para prever o problema financeiro de uma barraca, o MLR sozinho pontuou 0,51.
Para prever uma saída do mercado, pontuou 0,53.
Para prever um fechamento pelo governo, pontuou 0,45 (o que é pior do que jogar uma moeda!).

Isso significa que, embora um MLR alto seja um sinal de alerta, não é uma prova cabal. É como ver uma nuvem escura; ela diz que a chuva pode estar chegando, mas não diz se você vai se molhar ou se a nuvem apenas passará. Você precisa olhar para outras coisas também, como o tamanho da barraca e que tipo de jogos elas jogam (sua "modalidade"). Por exemplo, as barracas de "filantropia" tiveram uma taxa de problemas muito maior (23,33%) comparadas às de "autogestão" (4,01%), então o sinal de alerta funciona de forma diferente para diferentes tipos de barracas.

O Que o Estudo Descarta

Os autores foram muito cuidadosos ao dizer o que este estudo NÃO é.

Não é uma prova de que um MLR alto causa a falência de uma barraca. É possível que uma barraca já esteja falindo e por isso seu MLR pareça ruim. O estudo mostra uma ligação, não um feitiço de causa e efeito.
Não é uma ferramenta que você possa usar sozinha para banir uma barraca. Como a previsão "isolada" é fraca, usá-la por si só erraria a maioria das barracas que estão falindo e acusaria injustamente muitas que são saudáveis.
Não é uma relação suave e constante. O risco não aumenta lentamente à medida que o MLR sobe; ele permanece baixo até atingir aquele penhasco de 0,835 e, então, dispara.

A Conclusão

Então, qual é a lição para o nosso carnaval?

Se você vir uma barraca de plano de saúde com um MLR de 0,835 ou superior, você deve definitivamente prestar atenção. Isso sugere que a barraca está na "zona de perigo" e é muito mais propensa a enfrentar problemas financeiros ou fechar suas portas no próximo ano ou dois. No entanto, você não deve entrar em pânico e fechá-las imediatamente baseando-se apenas nesse número. Você precisa olhar para o quadro completo, incluindo o tipo de barraca e outros sinais financeiros.

O estudo prova que este placar específico é um sinal de alerta útil, transparente e público, mas é apenas uma peça de um quebra-cabeça muito maior. Ele ajuda os reguladores a avistar as nuvens, mas eles ainda precisam de um relatório meteorológico completo para saber se uma tempestade está realmente chegando.

Resumo Técnico: Proporção de Sinistralidade Médica e Fragilidade Financeira Baseada em Contabilidade entre Operadoras de Planos de Saúde Brasileiras

Problema de Pesquisa
O estudo aborda uma lacuna crítica na compreensão da sustentabilidade dos planos de saúde no Brasil: se a Proporção de Sinistralidade Médica (MLR — Medical Loss Ratio) — uma métrica transparente e publicamente reportada que indica a parcela da receita absorvida por sinistros médicos — possui poder preditivo para futura fragilidade financeira. Embora a literatura prévia estabeleça que as proporções de sinistralidade são economicamente significativas e sujeitas ao discernimento gerencial, permanece incerto se uma MLR elevada, medida em sua escala convencional e reconstruída a partir de contas regulatórias públicas, prevê fragilidade financeira contábil observável e saída do mercado no período subsequente. Um desafio metodológico fundamental identificado é o "problema de seleção" em estudos existentes, onde a cauda de operadoras financeiramente fragilizadas (especificamente aquelas com patrimônio líquido negativo) é frequentemente excluída por construções de caso completo, obscurecendo assim a verdadeira prevalência de fragilidade.

Metodologia
A pesquisa utiliza um desenho de logit de painel preditivo empregando dados da Agência Nacional de Saúde Suplementar (ANS).

Construção dos Dados: Os autores reconstruíram o painel analítico a partir do universo completo das demonstrações contábeis trimestrais (DIOPS) da ANS para o período de 2018–2024 (janela primária) e 2007–2024 (janela estendida). Crucialmente, a amostra retém os anos-operadora com patrimônio líquido negativo, corrigindo um viés de seleção presente em análises de caso completo anteriores.
Definição de Variáveis:
- Variável Explicativa: A MLR é calculada como sinistros líquidos (conta DIOPS 41) dividido pelas receitas de prêmios líquidos (conta 311).
- Resultados (Outcomes): O estudo testa três resultados prospectivos em $t+1$ $t + 1$ (e $t+1/t+2$ $t + 1/ t + 2$ para saída regulatória) :
  1. Fragilidade Financeira: Definida pela ocorrência simultânea de margem operacional negativa e índice de liquidez corrente abaixo de 1,0. Uma definição suplementar inclui patrimônio líquido negativo (conta 25).
  2. Saída do Mercado: Descredenciamento da operadora por qualquer motivo.
  3. Saída Regulatória Forçada: Descredenciamento devido a razões adversas (ex: liquidação, descumprimento).
Estratégia de Estimação: Foram utilizados modelos logit agrupados (pooled logit) com efeitos fixos de ano e erros padrão agrupados por operadora. A MLR foi analisada tanto como uma variável contínua (por desvio padrão) quanto como um indicador binário para o quartil superior (MLR alta). Os controles incluíram receita operacional logarítmica, modalidade da operadora e a razão de despesas administrativas.
Características do Desenho: O estudo deliberadamente desloca o resultado um ano à frente para evitar identidades contábeis mecânicas que ligam a razão de sinistralidade à margem operacional dentro do mesmo ano. Ele reporta uma especificação contemporânea apenas como um benchmark descritivo.

Principais Contribuições

Universo Reconstruído: O estudo corrige um viés de seleção ao reter a "cauda fragilizada" de operadoras (226 anos-operadora com patrimônio líquido negativo na janela primária) que foram anteriormente excluídas por regras de caso completo, aumentando a prevalência observada de fragilidade de 2,69% para 7,67%.
Validação Preditiva: Valida a MLR contra resultados externos à demonstração contábil (saída do mercado e saída regulatória forçada), distinguindo o conteúdo preditivo da correlação aritmética.
Caracterização de Limiar: O artigo demonstra que a relação preditiva é não linear e concentrada na cauda superior, em vez de um gradiente suave, identificando um limiar de risco específico.

Resultos

Poder Preditivo: No painel primário (2018–2024), uma MLR no quartil superior ( $\ge 0,835$ $\geq 0, 835$ ) prevê significativamente os resultados do ano seguinte:
- Fragilidade Financeira: Razão de Chances (Odds Ratio - OR) 1,76 ( $p=0,001$ ).
- Saída do Mercado: OR 3,19 ( $p<0,001$ ).
- Saída Regulatória Forçada (dentro de dois anos): OR 2,29 ( $p=0,009$ ).
Mecanismo: O sinal preditivo opera principalmente através do componente de margem operacional (OR 2,52 para margem negativa) em vez da liquidez.
Não Linearidade: A relação não é monótona; a prevalência de fragilidade atinge o pico no quartil superior (11,79%), mas também é elevada no quartil inferior (7,82%), sugerindo que o quartil inferior reflete composição em vez de risco de razão de sinistralidade.
Discriminação: Como ferramenta de triagem isolada, a MLR possui baixa capacidade discriminatória (Área Sob a Curva ROC [AUC] varia de 0,45 a 0,53). No entanto, quando combinada com a modalidade e o tamanho da operadora em um modelo completo, a discriminação melhora significativamente (AUC 0,69 para fragilidade, 0,81 para saída regulatória forçada).
Heterogeneidade: A prevalência de fragilidade varia drasticamente por modalidade, variando de ~4% para planos de autogestão a 23,3% para operadoras filantrópicas, indicando que a triagem deve ser segmentada.
Robustez: A janela estendida (2007–2024) reproduz o padrão, e os resultados se mantêm ao excluir a razão de despesas administrativas (um potencial "controle ruim").

Significância e Alegações
O artigo alega que uma MLR transparente e reconstruível publicamente serve como uma dimensão de alerta precoce útil, porém parcial, para operadoras de planos de saúde brasileiras. Afirma que uma MLR alta (especificamente no quartil superior) prevê a deterioração financeira futura e a saída do mercado, não meramente uma fraqueza contábil contemporânea.

Contudo, os autores são modestos quanto à utilidade da ferramenta. Eles afirmam explicitamente que a MLR não é uma ferramenta de triagem autossuficiente devido à sua baixa discriminação isolada (baixa sensibilidade e baixo valor preditivo positivo). Em vez disso, o artigo posiciona a MLR como um "marcador preditivo de formato de limiar" que deve ser aplicado por modalidade de operadora e combinado com outros indicadores dentro de um modelo de supervisão multivariado. O estudo conclui que, embora a razão de sinistralidade identifique operadoras persistentemente expostas, ela deve servir como uma primeira triagem ou um componente de um modelo de supervisão baseado em eventos mais amplo, em vez de um substituto para uma avaliação de risco abrangente.

O Teste da Bola de Cristal

O Que a Bola de Cristal Não Consegue Fazer

O Que o Estudo Descarta

A Conclusão

Mais como este