DESS Economie et Gestion des Cliniques et des Etablissements pour Personnes Agées Economie du...

DESS Economie et Gestion des Cliniques et des Etablissements pour Personnes Agées

Economie du vieillissement

La situation démographique de la France :

Situation actuelle et projections à l’horizon 2050

Evolution de la pyramide des âges (2000 et 2050)

Evolution de la population entre 1990 et 2050 (milliers)

56577

57753

58744

59983

61061

61975

62734

63377

63927

64326

64468

64337

64032

54000

56000

58000

60000

62000

64000

1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045 2050

Evolution de la répartition par âge de la population

27.8

53.2

19

26.1

53.8

20.1

25.6

53.8

20.6

24.7

54.3

21

23.8

53.1

23.1

23.2

51.5

25.3

22.5

50.2

27.3

21.8

48.9

29.3

21.3

47.6

31.1

20.9

46.3

32.8

20.6

45.9

33.5

20.3

45.3

34.4

20.1

44.8

35.1

0

10

20

30

40

50

60

70

80

90

100

1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045 2050

% des 60 et plus

% des 20-59 ans

% des 0-19 ans

Evolution de la répartition par âge de la population (suite)

15728

30099

10750

15074

31071

11608

15038

31604

12101

14816

32571

12596

14533

32423

14105

14378

31917

15680

14115

31492

17126

13816

30991

18569

13616

30429

19881

13444

29783

21099

13280

29591

21597

13060

29145

22132

12870

28686

22475

0

10000

20000

30000

40000

50000

60000

1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045 2050

Population des 60 ans et +

Population des 20-59 ans

Population ds 0-19 ans


27.8

58.3

13.9

26.1

58.8

15

25.6

58.4

16

24.7

58.8

16.6

23.8

59.2

17

23.2

57.9

19

22.5

56.5

21

21.8

55.2

22.9

21.3

53.8

24.9

20.9

52.6

26.6

20.6

51.5

28

20.3

51.2

28.5

20.1

50.7

29.2

0

10

20

30

40

50

60

70

80

90

100

1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045 2050

% des 65 ans et +

% des 20-64 ans

% des 0-19 ans


15728

32984

7864

15074

33959

8663

15038

34306

9399

14816

35270

9957

14533

36148

10380

14378

35884

11775

14115

35445

13174

13816

34984

14513

13616

34393

15918

13444

33835

17111

13280

33201

18051

13060

32941

18336

12870

32464

18697

3000

13000

23000

33000

43000

53000

63000

1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045 2050

Population des 65 ans et +



Les indices de vieillissement de la population française

Ils se présentent sous la forme de ratios;

(60 ans et +)/(20-59 ans); (60 ans et +)/(0-19 ans); (20-59 ans)/(0-19 ans); (65 ans et +)/(20-64 ans); (65 ans et +)/(0-19 ans); (20-64 ans)/(0-19 ans).

Evolution des indices de vieillissement de la population française

15.00

65.00

115.00

165.00

215.00

1990 1995 2000 2005 2010 2015 2020 2025 2030 2035 2040 2045 2050

(60 ans et+)/(20-59 ans)

(60 ans et +)/(0-19 ans)

(20-59 ans)/(0-19 ans)

(65 ans et+)/(20-64 ans)

(65 ans et +)/(0-19 ans)

(20-64 ans)/(0-19 ans)

Le scénario central

L’indice conjoncturel de fécondité s’élève, sur toute la période de projection, à 1.8 enfant par femme.

L’âge moyen à la maternité augmente jusqu’à 30 ans en 2005 puis se stabilise.

Le scénario central (suite)

La baisse des quotients de mortalité (probabilité de décéder) par sexe et âge se poursuit selon le rythme observé au cours des 30 dernières années.

Le solde migratoire annuel est égal à +50000 personnes, soit le niveau moyen observé au cours des dernières années.

Les autres scénarii

En matière de mortalité : l’hypo. centrale est accompagnée d’une hypo. à mortalité haute et d’une hypo. à mortalité basse . Le gain annuel moyen d’espérance de vie à la naissance entre 2000 et 2050 varie de 1.5 mois pour l’hypo. haute, à 2 mois pour l’hypo. centrale et 3 mois pour l’hypo. basse.

Les autres scénarii (suite)

En matière de fécondité : l’hypo. basse retient un niveau de 1.5 enfant par femme. L’hypo. de fécondité haute retient un niveau de 2.1 enfants par femme qui assure, dans une perspective de long terme, le renouvellement des générations.

Les autres scénarii (suite)

En matière de migrations : une hypothèse haute retient une augmentation du flux migratoire, avec un solde de 100000 personnes par an dès 2005.

Les principaux résultatsTaux de croissance annuels (pour 1000

hab.)

Scénario central

Fécondité haute

Fécondité basse

Mortalité basse

Mortalité haute

Solde migratoire à 100000

Année 2010 Population totale 3.2 4.4 1.8 3.5 3.1 4.0 Dû au solde migratoire 0.8 0.8 0.8 0.8 0.8 1.6 Dû au solde naturel 2.4 3.6 1.0 2.6 2.3 2.4 Année 2020 Population totale 2.2 3.9 0.4 2.5 1.9 2.9 Dû au solde migratoire 0.8 0.8 0.8 0.8 0.8 1.6 Dû au solde naturel 1.4 3.1 -0.4 1.7 1.1 1.4 Année 2030 Population totale 1.5 3.3 -0.6 1.9 0.9 2.3 Dû au solde migratoire 0.8 0.8 0.8 0.8 0.8 1.5 Dû au solde naturel 0.7 2.6 -1.4 1.1 0.2 0.8 Année 2040 Population totale -0.1 2.5 -2.9 0.7 -1.0 0.7 Dû au solde migratoire 0.8 0.7 0.8 0.8 0.8 1.5 Dû au solde naturel -0.9 1.8 -3.7 0.0 -1.7 -0.8 Population au 01.01.2050 (milliers)

64032 69968 57979 65520 62624 66527

La situation démographique de la France : conclusion

Quels que soient les scénarii retenus, la population française continuera de vieillir. En 2050, selon les variantes sur la fécondité, la part des personnes âgées de plus de 60 ans dans la population totale serait comprise entre 32.1% et 38.7%.

Vieillissement et dépenses de santé

L’impact macro-économique du vieillissement de la population sur les dépenses d’assurance maladie en France


Les analyses présentées dans cette section sont issues des travaux de Michel Grignon (CREDES).

Constat : En France, l’allongement de la durée de vie semble porteur de menaces pour l’équilibre des finances publiques ou des transferts sociaux. Le financement socialisé de l’assurance maladie pourrait être menacé si l’augmentation des effectifs de personnes âgées consommant beaucoup de soins devait contraindre les actifs qui financent le système à des taux de prélèvement trop lourds à supporter.


Une première manière de cerner le problème consiste à évaluer l’effet démographique « pur ». Cette stratégie est appelée par la suite « scénario central ».

Des scénarios alternatifs, reposant sur des hypothèses d’évolutions de la consommation de soins médicaux différentes selon l’âge seront également présentés.


Schématiquement, il est possible de faire deux hypothèses opposées à propos de la consommation des plus âgés :

1ère hypothèse : l’allongement de la durée de vie est synonyme d’amélioration de l’état de santé et donc, de moindre besoin de soins médicaux ;

2ème hypothèse : l’allongement de la durée de vie est acheté au prix d’une dépense médicale croissante et dédiée principalement aux âges élevés.

Les sources de données

Les panels d’assurés sociaux de l’assurance maladie s’imposent naturellement comme sources de données. On distingue l’EPAS (Echantillon Permanent d’Assurés Sociaux) et l’enquête en population générale SPS (Santé et Protection Sociale) du CREDES.

Les sources de données : EPAS

Représentativité par rapport à la population générale :

En théorie, l’EPAS consolidé pour les 3 régimes fournit des données représentatives de 95% de la population française, c-à-d, toute la population à l’exclusion de celle relavant des régimes spéciaux non gérés par le régime général (GEN, militaires, …).

En pratique, il manque les prestations de certaines populations dont les remboursements sont gérés par leur mutuelle (fonctionnaires).

Les sources de données : EPAS (suite)

Degré d’exhaustivité des prestations : L’EPAS enregistre le contenu des feuilles de soins

présentées au remboursement, il ne contient donc que des dépenses individualisables pour un assuré social ou un ayant droit.

En sont exclus : les forfaits de soins attribués aux maisons de retraite et aux établissements de soins de long terme, les forfaits de prise en charge par des services de soins infirmiers à domicile (SSIAD), les consultations et soins externes des hôpitaux sous budget global (publics ou PSPH) – les dépenses correspondantes étant en fait incorpores dans les dépenses d’hospitalisation

Les sources de données : EPAS (suite)

En revanche les séjours hospitaliers dans ces mêmes établissements, même s’ils ne sont pas remboursés de manière individualisée, donnent lieu à un relevé individualisé au sein de l’hôpital, relevé qui est ensuite transmis aux caisses et «alimente le « compte » bénéficiaire, avec une dépense valorisée sur la base de la durée du séjour et des tarifs de journées.

Toutefois la remontée d’information étant tardive et lacunaire, on estime que ces dépenses sont sous estimées d’environ 15%.

En faisant l’hypothèse que cette sous-estimation touche également toutes les tranches d’âge, on corrige la dépense hospitalière individuelle d’un facteur 1/0.85.

Les sources de données (suite)

Il existe deux stratégies d’exploitation de l’EPAS.

EPAS seul : L’EPAS est renseigné sur l’âge et le sexe, ce qui permet de produire le profil demandé, et présente l’avantage d’un nombre d’observations élevé (40000).

Le problème est que la base n’est pas propre : il existe des doubles comptes et des décédés, l’âge est parfois mal saisi, de même que la variable Homme/Femme. Pour remédier à ces défauts, une solution peut consister à ne comptabiliser que les consommants, en corrigeant ex-post le taux de non-consommants par âge, taux issu de l’enquête en population générale SPS (Santé et Protection Sociale) du CREDES.


Appariement EPAS-SPS : on peut également apparier les données SPS avec l’EPAS, ce qui donne des informations sur 5000 individus environ. On comptabilise alors les dépenses pour une population dont on est certain qu’elle est vivante et « active » (pas de double compte).

Le problème de ce fichier est son faible effectif d’une part, le biais de sélection lié à l’enquête d’autre part. Ce biais de sélection provient du fait que les ménages dans lesquels vivent des individus très malades sont moins souvent disposés à répondre à une enquête sur la santé que les autres ménages.


Malgré ces critiques, c’est cette seconde stratégie qui a été retenue dans l’étude dans la mesure où elle permet de travailler sur des données individuelles et dans la mesure où le biais de sélection peut être pris en compte par des techniques de redressement.


Evaluer l’effet démographique pur


Les pyramides des âges pour les années à venir étant fournies par un modèle démographique qui intègre simultanément l’effet de l’allongement de l’espérance de vie et de l’arrivée de classes d’âge nombreuses issues du baby-boom dans la catégorie des « plus de soixante ans », la seule opération à mener pour compléter ce scénario est d’estimer les montants de dépense par âge.

Il faut donc estimer les montants moyens de dépense par âge à partir des données fournies par l’appariement EPAS-SPS.


Méthode de calcul du profil de dépense par âge :

L’option couramment utilisée consiste simplement à utiliser les dépenses moyennes par tranche d’âge telles qu’elles ressortent de la source utilisée (ici EPAS apparié avec SPS).

Cependant cette solution n’est pas satisfaisante pour deux raisons :

1. Une moyenne observée sur un échantillon est, pour diverses raisons, une valeur due en partie au hasard. Pour tenir compte de cette composante aléatoire, on assortit souvent la valeur empirique observée d’une « fourchette », dit intervalle de confiance, et fixant les bornes entre lesquelles on a plus de 95% de chances d’observer la vraie valeur dans la population.


Toutefois pour calculer un tel intervalle, il faut faire une hypothèse sur la distribution de probabilités suivie par la variable : dans le cas de la dépense annuelle de soins, la distribution empirique ne peut correspondre à aucune distribution théorique connue en raison de la présence d’une forte proportion (10%) de valeurs nulles ; liées à des non consommations sur l’année. Afin de résoudre ce problème, on est conduit à modéliser la relation entre dépense et âge, c’est-à-dire, à faire apparaître une relation simple entre les deux grandeurs.

2. Elle constitue une solution figée.


Dans l’étude menée par Michel Grignon, le choix a été fait de modéliser la distribution théorique des dépenses à partir de la distribution observée dans l’EPAS-SPS.

Pour ce faire, on utilise un modèle en 4 parties, Four Part Model, désigné dans la suite FPM :


1. On commence par estimer la probabilité de recourir au système de soins en fonction de l’âge ;

2. On estime la probabilité de recourir à l’hôpital dans l’année en fonction de l’âge ;

3. On estime la dépense occasionnée par ceux qui recourent au système, mais seulement en ambulatoire ;

4. On estime la dépense totale (ambulatoire et hospitalière) occasionnée par ceux qui recourent aussi à l’hôpital.


Il faut souligner que l’approche dite « modélisatrice » consiste à se donner à l’avance une forme fonctionnelle pour le modèle de dépense de soins en fonction de l’âge x, puis à estimer les paramètres de cette forme fonctionnelle, et notamment E(y/x) (dépenses moyennes pour des tranches d’âge x), et la variance de ces estimateurs.

On adoptera pour ce faire le modèle paramétrique suivant :

E(Y/x)=a+bx+cx²


Tableau : Remboursement par l’assurance maladie des soins hors long terme en Francs 1997

Âge décennal

Moyenne empirique APPA 97

Ecart type empirique APPA 97

Moyenne empirique EPAS 98

Ecart type empirique EPAS 98

Moyenne simulée

FPM

Ecart type simulé FPM

Homme 0-09 6880 1768 3530 66 3770 72 10-19 1850 405 4980 96 3590 641 20-29 8830 2943 4060 87 3790 193 30-39 6660 2252 6510 121 4420 1142 40-49 7620 1417 7820 145 5610 1054 50-59 10470 1435 10670 223 7840 862 60-69 20240 2957 14820 325 11760 728 70-79 14180 1613 18700 475 18500 2393 80 et + 7580 5713 12180 304 31960 2459

Tous âges 7930 796 8300 57 6830 361 Femme

0-09 4490 1286 2910 56 3020 491 10-19 3780 853 4410 87 3440 318 20-29 8650 3340 5540 103 6440 1753 30-39 4400 428 7470 125 5070 155 40-49 4710 473 6560 114 6310 192 50-59 7110 803 9040 180 8140 353 60-69 15490 4263 11340 238 10780 2188 70-79 15090 1836 18860 412 14170 810 80 et + 15730 5275 16840 340 20410 3606

Tous âges 8291 405 8680 456 7157 180 Tous âges,

les deux sexes

8115

362

8680

59

6997

164


Les résultats du scénario central : Le scénario central aboutit à une augmentation

de 0.7 point de PIB par tête entre 2000 et 2020. Autrement dit, le remboursement assurance

maladie par tête représente 0.7 point supplémentaire de PIB par tête en 2020 par rapport à 2000.

Finalement, ce scénario central traduit certes une accélération de la croissance de la dépense de soins par rapport aux décennies précédentes mais certainement pas une explosion.

Les scénarios alternatifs

Considérer une déformation du profil de dépenses par âge


Le scénario central table sur une hypo. de maintien à l’identique des niveaux de dépenses par tranche d’âge.

Plusieurs facteurs peuvent concourir à faire évoluer le profil des dépenses de soins par âge dans l’avenir.

Par conséquent, on ne peut admettre, pour le futur, l’hypothèse de stabilité dans le temps de la dépense par âge.


Afin de lever cette hypothèse, la démarche à suivre est la suivante :

1. Recenser les facteurs pouvant influencer la dépense par âge, chercher des indicateurs pour les quantifier, et mesurer leur impact, toutes choses égales par ailleurs ;

2. Tenter d’évaluer comment ils ont évolué par le passé ;

3. Faire des scénarios sur leur évolution dans l’avenir.

L’impact des différents facteurs sur la dépense par âge

On ne présente ici que le modèle permettant de mesurer l’impact propres des différents facteurs sur la dépense par âge (point 1 de la diapo précédente).

L’évolution de l’état de santé est le premier facteur qui peut modifier le profil de dépenses par âge. En effet, si les personnes âgées consomment plus que la moyenne et que le vieillissement fait craindre une pression accrue sur les dépenses, c’est parce que l’état de santé se dégrade avec l’âge.


D’une génération à l’autre, l’état de santé par âge évolue. On peut distinguer dans cette évolution, deux éléments complémentaires :

1. D’une part, l’état de santé s’améliore depuis des décennies en termes de quantité d’années de vie (allongement de l’espérance de vie), ce qui signifie que l’âge moyen du décès augmente. Les analyses empiriques disponibles montrent que les derniers mois de vie sont plus coûteux en soins que les autres périodes de la vie.

2. Plus largement, au-delà de la question de la fin de vie, l’état de santé à un âge donné peut être différent d’une génération à l’autre.


Dans les estimations, ces deux facteurs complémentaires seront traités de manière séparée, en distinguant l’effet de la proximité du décès de l’effet « santé des survivants ».

Avant d’aborder le modèle proposé, il convient de rappeler les théories qui ont été formalisées sur l’évolution de la morbidité et ses liens avec l’élévation de l’espérance de vie. On peut de manière très schématique, résumer les deux théories extrêmes comme suit :


La première théorie stipule qu’il y a un âge limite à la longévité, dont nous nous rapprochons, notamment parce que l’âge d’apparition des maladies recule. Ce recul est obtenu grâce à de meilleures conditions de vie et à la prévention. Si cette théorie est juste, le nombre d’années vécues avec maladie diminue : c’est la théorie de la contraction de la morbidité ;

La seconde théorie considère que l’allongement de l’espérance de vie n’est pas dû à l’apparition plus tardive de maladie, qui surviennent toujours au même âge, mais au fait que celles-ci sont moins létales, notamment parce qu’elles sont mieux soignées : on est alors à l’inverse dans un scénario d’expansion de la morbidité, surtout si l’âge limite recule ;


Outre l’état de santé, d’autres facteurs sont susceptibles d’influencer la dépense annuelle et de varier systématiquement avec l’âge.

La question qui se pose est alors de savoir si, une fois que l’on a éliminé les variations d’état de santé, il n’y a plus aucun effet de l’âge sur la dépense.

Certaines études concluent en ce sens [Cutler & Sheiner (1998)].

En France, des travaux antérieurs montrent cependant qu’il a existé dans le passé un effet propre de l’âge à état de santé donné, qui a eu tendance à s’atténuer au fil des générations.


Les travaux de Mizrahi & Mizrahi (1997) ont montré que :

1. A morbidité identique, les personnes âgées avaient tendance à moins se soigner que les personnes plus jeunes ;

2. Mais que cet écart avait tendance à s’atténuer au fil des générations.En d’autres termes, l’âge a bien un effet propre, négatif, à morbidité donnée sur la dépense de soins, mais cet effet diminue dans le temps.


Ne perdons pas de vue que l’on cherche à tester l’impact de facteurs (autres que l’état de santé) susceptibles de varier avec l’âge, et d’avoir une influence sur la dépense annuelle de soins curatifs.

Quels facteurs faut-il tester ? Les soins forment un bien économique dont le

prix apparent pour le consommateur (le reste à charge laissé par la Sécurité Sociale, ainsi que le prix implicite en temps consacré à aller voir le médecin). Il est donc naturel de tester l’impact du revenu de l’individu sur sa dépense, ainsi que les facteurs pouvant influencer le reste à charge du patient, comme le fait de détenir un contrat de couverture complémentaire. En outre, nous savons que le revenu et la détention de couverture complémentaire varient avec l’âge.


La théorie économique suggère aussi que le niveau d’éducation de l’individu, très variable d’une génération à l’autre dans un pays comme la France, puisse avoir une influence sur sa dépense de soins.

On peut en effet penser qu’un individu mieux éduqué a plus intérêt à entretenir sa santé, car un arrêt de travail est pour lui plus coûteux ;

On peut également penser qu’un individu mieux éduqué sera plus efficace pour entretenir sa santé, mais cette hypothèse ne se traduit pas clairement sur la dépense de soins : un individu plus efficace pour se soigner aura tendance à se soigner plus (logique d’investissement) mais un individu moins efficace aura également tendance à engendre une dépense supplémentaire par épisode de soins.


Enfin, il reste un effet potentiel pur de l’âge qui peut provenir de trois causes :

1. Comme on l’a déjà signalé, cet effet attribué à l’âge peut en fait provenir de différences de « goûts » pour la santé des différentes générations, les plus anciennes étant supposées moins habituées à consommer des soins que les plus jeunes ;

2. La diminution de la consommation à mesure que l’individu vieillit peut aussi tenir au fait que le rendement de l’investissement en santé diminue quand l’individu vieillit (l’individu pense qu’il est moins utile de dépenser des ressources pour entretenir sa santé).

3. Enfin, le système de soins peut discriminer implicitement contre les personnes plus âgées.


Il paraît difficile de trancher entre ces trois hypothèses compte tenu des données dont nous disposons (appariement EPAS-SPS), mais on devrait s’attendre à un effet résiduel négatif de l’âge.

Outre l’état de santé, on va donc retenir comme facteurs supplémentaires : le revenu, le fait de disposer d’une couverture complémentaire, le niveau d’éducation et l’âge.

Le modèle de projection

Ce modèle permet de prendre en compte la question suivante, « les gens meurent-ils moins parce qu’on dépense plus pour les faire survivre, ou bien parce qu’ils sont en meilleure santé ? », au travers de la variable hx(t) ;

Dans le premier cas de figure (on dépense pour faire survivre), les survivants seront en mauvaise santé, la dépense par tête augmentera ;

Dans le second cas (on meurt moins parce qu’on est en meilleure santé), les survivants seront en meilleure santé, la dépense par tête diminuera.

Le modèle de projection

Le point important de cette modélisation est que la dépense à état de santé donné reflète seulement la réponse du système de santé à un état de santé donné, mais pas l’impact de cette dépense sur l’état de santé.

Cet impact est tout entier contenu dans l’évolution de hx avec le temps.

Si la dépense de santé joue sur la mortalité mais pas sur l’état de santé, hx augmente (h reflète le symétrique de l’état de santé, plus h est important moins on est en bonne santé) ;

Si la dépense de santé ne joue sur la mortalité que via l’état de santé (elle maintient les individus en meilleure santé via la prévention primaire par exemple), hx diminuera ;

Enfin, si la dépense de santé est sans effet sur la mortalité, hx évoluera de manière exogène.

Résultats des scénarios alternatifs

Premier facteur : le recul de l’âge du décès Les analyses empiriques montrent que les

derniers mois de la vie sont beaucoup plus coûteux en soins.

La baisse de la mortalité ayant pour effet mécanique de diminuer la proportion d’individus proches du décès pour toute classe d’âge, il faut en tenir compte, et pour cela :

1. Connaître la proportion, par tranche d’âge, d’individus dans la dernière année de vie ; ceci revient à considérer le fait d’être dans la dernière année de vie comme un état de santé particulier hd, relevant d’une analyse à part ;

2. Evaluer cette dépense moyenne spécifique engendrée par l’état de santé hd, et par déduction la dépense moyenne du reste des individus dans cette tranche d’âge, pour considérer ensuite séparément les deux états.


On réalise une simulation sur données agrégées : on peut connaître le nombre de décès par tranche d’âge grâce aux données de l’état civil et aux prévisions démographiques de l’INSEE, et les dépenses pendant la dernière année de vie ont fait l’objet d’une estimation sur données françaises par Hauet (2000).

Selon ces estimations, les dépenses pendant cette période représenteraient 5 fois plus que les dépenses des survivants de même âge pendant un an et représenteraient 15% des dépenses d’assurance maladie.

La simulation consiste alors à distinguer, dans l’effectif d’une cohorte, les survivants dont la dépense est DSx (à l’âge x) et les morituri, dont la dépense est 5 DSx. l’effectif de ces derniers est fourni par le quotient de mortalité à l’âge x et à la date t, trouvé dans les projections de l’INSEE.


La dépense à l’âge x pour la date t s’écrit alors :

Dxt=DSx (1-qxt)+5 DSx qxt

=DSx (1+4 qxt)

Donc, à DSx inchangée (hypothèse du scénario central), nous avons :

Dxt=Dx00 [(1+4 qxt)/(1+4 qx

00)]

L’exposant 00 signifie valeur pour l’année 2000.


Tableau : Quotients de mortalité, hommes (/1000)

Age / Année 2000 2005 2010 2015 2020 A 70 ans 26.8 24.1 21.7 19.5 17.5 A 80 ans 65.8 60.3 55.1 50.5 46.2 A 90 ans 179.8 170.7 162 153.8 146

Si le quotient de mortalité par âge diminue rapidement (Cf. tableau), ce qui est le cas dans la prévision centrale de l’INSEE aux âges élevés, la dépense par âge diminue elle aussi assez rapidement.


Au total, l’effet du recul de la mortalité, toutes choses étant inchangées par ailleurs conduit à une diminution d’environ 5% de la dépense de soins, soit une diminution de 0.25 point de la part de la dépense d’assurance maladie dans la richesse nationale par tête par rapport au scénario central sans prise en compte de la diminution de la probabilité de décéder dans l’année. L’augmentation de la dépense liée au vieillissement démographique ne serait donc plus que de 0.45 point de PIB.


Autres facteurs jouant sur la dépense des survivants:

o On se concentre sur deux effets : la morbidité (nombre de maladies) et l’effet résiduel de l’âge.

o Les résultats de l’estimation du modèle FPM sont présentés dans les tableaux qui suivent :


Tableau : Effets sur la dépense de l’état de santé et des autres facteurs exogènes

Hommes Variable

Avoir une dépense non nulle dans

l’année

Avoir une dépense

hospitalière

Dépense de ceux qui consomment de l’ambulatoire seul

Dépense de ceux qui consomment aussi de l’hôpital

Age -0.0693 NS -0.04894 NS Age² 0.000485 NS 0.000637 NS Nbre de maladies 0.7619 0.3482 0.42234 0.37172 Diabète NS NS 0.32832 1.21293 ALD NS 1.1401 1.01213 NS Couverture complémentaire

+0.994 NS 0.50788 NS

Etudes supérieures NS NS 0.22338 NS Pauvre sans complémentaire

NS NS 0.37891 NS

Critère d’ajustement 72% (PPS) 64% (PPS) R²a=32% R²a=25%


Femmes Variable

Avoir une dépense non nulle dans

l’année

Avoir une dépense

hospitalière

Dépense de ceux qui consomment de l’ambulatoire seul

Dépense de ceux qui consomment aussi de l’hôpital

Age NS NS NS -0.0291 Age² NS NS 0.000131 0.00029319 Nbre de maladies 0.4812 0.366 0.33957 0.19868 Diabète NS NS 0.45161 NS ALD NS 1.045 1.00463 1.06331 Couverture complémentaire

NS NS 0.1783 NS

Etudes supérieures 1.334 NS NS 0.68281 Critère d’ajustement 68% (PPS) 66% (PPS) R²a=31% R²a=23%


Tableau : Pentes de la fonction de dépense moyenne selon l’âge

Age Hommes Femmes 0 -106.748 -97.5291

10 -69.680 -76.2718 20 -51.266 -63.3717 30 -42.307 -55.8975

Guide de lecture : toutes choses égales par ailleurs, un homme de 51 ans dépense 40.5 F de moins par an qu’un homme de 50 ans et un homme de 81 ans 98 F de moins qu’un homme de 80 ans.

40 -39.076 -52.2878 50 -40.498 -51.8073 60 -47.448 -54.3019 70 -63.480 -60.1404 80 -97.962 -70.3137

On peut dire que, une fois contrôlés les facteurs qui expliquent la consommation de soins des personnes de tous âges (morbidité), le fait de vieillir induit plutôt une moindre dépense. Par exemple, à 40 ans, toute année en plus induit une baisse de la dépense, toutes choses égales par ailleurs de 69 francs par an, et à 90 ans, de 400 francs par an.

90 -175.684 -86.7315


Tableau : Effet propre du nombre de maladies déclarées par l’individu

Pentes selon la morbidité (âge moyen)

Pentes selon la morbidité à 65 ans

Pentes selon la morbidité (âge moyen)

Nbre de maladies Hommes Hommes Femmes 0 1280.52 1301.49 759.57 1 2285.67 2355.03 1144.25 2 4027.36 4131.29 1716.88 3 6986.64 7110.61 2558.13 4 11853.04 11990.70 3762.70 5 19570.22 19719.53 5424.28 6 31399.67 31558.89 7610.35


Le résultat global qui se dégage est que, à état de santé et autres caractéristiques donnés, l’âge diminue la dépense. En d’autres termes, une fois contrôlés les facteurs qui expliquent la consommation de soins des personnes de tous âges, le fait de vieillir induit plutôt une moindre dépense. Par exemple, à 40 ans, toute année en plus induit une baisse de la dépense de 40 francs par an pour les hommes et de 50 francs par an pour les femmes, et à 90 ans, de 180 francs par pour les hommes et 90 francs pour les femmes.

La morbidité entraîne un effet propre sur la dépense, nettement supérieur à celui de l’âge, et un effet exponentiel : si la première maladie ajoute 2400 F par an à la dépense toutes choses égales par ailleurs, la deuxième ajoute 4100 F et la quatrième 12000 F.

Discussion et conclusion

L’analyse économétrique montre que l’état de santé est le premier déterminant de la dépense de soins, même parmi les survivants à plus d’un an. En outre, cet effet de l’état de santé est véritablement causal et non le simple résultat d’une corrélation : toutes choses égales par ailleurs, un état de santé meilleur (au sens d’une morbidité plus faible) entraîne une dépense plus faible.

Estimer l’impact du vieillissement sur la dépense de soins suppose donc que l’on apporte une réponse à la question suivante : est-ce que les gains d’espérance de vie se feront à morbidité croissante, constante ou décroissante ? Une réduction de la morbidité diminuera l’impact du vieillissement sur la dépense par rapport à ce qui est prévu par le modèle mécanique (reposant sur l’hypothèse de morbidité constante).

Une fois contrôlé l’effet de l’état de santé, il reste un effet résiduel de l’âge. Cet effet est négatif, et de plus en plus négatif.

DESS Economie et Gestion des Cliniques et des Etablissements pour Personnes Agées Economie du...

Documents

Transcript of DESS Economie et Gestion des Cliniques et des Etablissements pour Personnes Agées Economie du...