Google Académico | Citações: 16429 | índice h: 32 | índice i10: 482
Determinantes de la adhesión a planes de salud en Brasil
PDF (portugués (Brasil))

Palabras clave

Salud suplementaria
Regresión logística
Desigualdad en salud

Cómo citar

Determinantes de la adhesión a planes de salud en Brasil. (2026). Revista Eletrônica Acervo Saúde, 26(7), e24153. https://doi.org/10.25248/reas.e24153.2026

Copyright © | Todos los derechos reservados.

La revista posee los derechos de autor exclusivos para la publicación de este artículo en los términos de la ley brasileña 9610/98.

Reproducción parcial
El uso de partes de los textos, figuras y cuestionario del artículo es libre, siendo obligatoria la citación de los autores y revista.

Reproducción total
Está expresamente prohibido y debe ser autorizado por la revista.

Resumen

Objetivo: Analizar los determinantes de la adhesión a planes de salud privados en Brasil, examinando cómo las características socioeconómicas, demográficas y de salud influyen en la probabilidad de que un individuo sea beneficiario de la salud suplementaria. Métodos: Se adopta un enfoque cuantitativo y explicativo, basado en los microdatos de la Encuesta Nacional de Salud (PNS) de 2019, realizada por el Instituto Brasileño de Geografía y Estadística (IBGE). Se aplica un modelo de regresión logística (Logit) para estimar los efectos marginales de las variables explicativas sobre la probabilidad de adhesión a un plan de salud privado. Resultados: Los hallazgos indican que los ingresos, el nivel educativo y el vínculo laboral formal aumentan significativamente la probabilidad de contar con un plan de salud, evidenciando el papel central de los planes empresariales en la cobertura privada. También se observan disparidades regionales, con menor probabilidad de adhesión en las regiones Norte y Nordeste. Conclusión: La evidencia sugiere que el mercado de salud suplementaria reproduce desigualdades socioeconómicas y territoriales en el acceso a la salud, además de señalar posibles efectos de selección adversa, dado que los individuos con enfermedades crónicas presentan mayor probabilidad de adherirse a planes privados, lo que puede reflejar tanto una mayor necesidad de cuidados como un mayor acceso a diagnósticos en el sector suplementario.

PDF (portugués (Brasil))

Referencias

ADEPOJU OA, et al. Health insurance coverage among viral hepatitis B and C patients in Nasarawa, Nigeria: A cross-sectional study. PLOS ONE, 2024; 19(1): e0296716.

ANDRADE K, MAIA ALAS. Determinantes da demanda por planos privados de saúde no Brasil. Economia Aplicada, 2007; 11(4): 573-594.

FERNANDES PFC, et al. Padrões de utilização de serviços de saúde no Sul do Brasil: onde e por quem a Estratégia Saúde da Família é mais utilizada? Cadernos de Saúde Pública, 2009; 25(9): 1957-1966.

GODOY J, et al. Assimetria de informação e o mercado de planos de saúde no Brasil. Revista Brasileira de Economia, 2004; 58(3): 439-462.

IBGE. Pesquisa Nacional de Saúde (PNS) 2019: resultados. Rio de Janeiro: IBGE, 2020.

KHAN J, et al. Multilevel variation in health insurance coverage in India: A systematic analysis of determinants using NFHS 2015-16. PLOS ONE, 2021; 16(1): e0245009.

LU M, et al. The relative contribution of health behaviors and insurance coverage to socioeconomic disparities in health. Preventive Medicine, 2004; 39(2): 297-307.

MALTA DC, et al. Cobertura de plano de saúde por inquérito telefônico em capitais brasileiras e no Distrito Federal, 2008. Revista Brasileira de Epidemiologia, 2011; 14(Supl. 1): 110-122.

MALTA DC, et al. Cobertura de plano de saúde na população brasileira, de acordo com a Pesquisa Nacional de Saúde, 2013. Revista Brasileira de Epidemiologia, 2017; 20(Supl. 1): 47-59.

MARMOT M. Social determinants of health inequalities. The Lancet, 2005; 365(9464): 1099-1104.

RANGEL TP. Imputação múltipla de dados faltantes: exemplo de aplicação no Estudo Pró-Saúde. Dissertação (Mestrado) – Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2013; 151p.

RODRIGUES GL. Determinantes dos gastos com saúde de pacientes da atenção primária da cidade de Bauru/SP. Dissertação (Mestrado) – Universidade Estadual Paulista, Presidente Prudente, 2025; 94p.

RUBIN DB. Multiple Imputation for Nonresponse in Surveys. New York: John Wiley & Sons, 1987.

SILVA DS, et al. Óbitos por câncer de cabeça e pescoço segundo escolaridade no Rio de Janeiro, Brasil, 2010-2018. Cadernos de Saúde Pública, 2025; 41: e00140023.

SOUZA JÚNIOR PB, et al. Cobertura de planos de saúde no Brasil: evolução entre 2013 e 2019 e desigualdades. Revista Brasileira de Saúde Ocupacional, 2021; 46(2): e6.

SZWARCWALD CL, et al. Pesquisa Nacional de Saúde no Brasil: concepção e metodologia de aplicação. Ciência & Saúde Coletiva, 2014; 19: 333-342.

VAN BUUREN S, et al. mice: Multivariate Imputation by Chained Equations in R. Journal of Statistical Software, 2011.

VARIAN HR. Microeconomia: uma abordagem moderna. 8 ed. Rio de Janeiro: Elsevier, 2010.

WANG H, et al. Socioeconomic differences in the choice of public versus private health care providers in China: evidence from the CHARLS. Health Policy and Planning, 2016; 31(1): 44-56.

WOOLDRIDGE JM. Econometric Analysis of Cross Section and Panel Data. Cambridge: MIT Press, 2010.