- Di 06 Februar 2018
- HealthPoliticsEconomics
- Peter Schuhmacher
- #health, #costs, #Switzerland, #USA, #OECD
Die OECD-Publikation 2017 bringt es erneut an den Tag: bei den Gesundheitsausgaben gemessen am Inlandbruttosozialprodukt steht
- an erster Stelle: die USA
- an zweiter Stelle: die Schweiz
plot_HEGDP()
Die Jahre davor
Blickt man die Jahre zurück, so war das früher auch schon so, aber von 2005 bis 2011 gab es doch eine Periode, in welcher der naturgesetzlich anmutende Zusammenhang durchbrochen wurde.
Die nachstehende Tabelle zeigt den Rang an, den die USA und die Schweiz im Felde der 45 Länder einnehmen, über die der OECD-Bericht berichtet. GDP steht für den Anteil der Gesundheitsausgaben gemessen am Inlandbruttosozialprodukt (GDP), und LE steht für Lebenserwartung
dr
| Jahr | Daten | GDP USA | GDP CH | LE USA | LE CH | |
|---|---|---|---|---|---|---|
| 0 | 2017 | 2016 | 1 | 2 | 28 | 3 |
| 1 | 2015 | 2013 | 1 | 2 | 28 | 3 |
| 2 | 2013 | 2011 | 1 | 6 | 26 | 1 |
| 3 | 2011 | 2009 | 1 | 7 | 27 | 2 |
| 4 | 2009 | 2007 | 1 | 3 | 24 | 2 |
| 5 | 2007 | 2005 | 1 | 4 | 24 | 2 |
| 6 | 2005 | 2003 | 1 | 2 | 22 | 4 |
| 7 | 2003 | 2001 | 1 | 2 | 21 | 4 |
| 8 | 2001 | 1998 | 1 | 2 | 19 | 3 |
Die Veränderung des Ranges zeigt an, wie ein einzelnes Land gewisse Entwicklungen im Vergleich zu den andern Ländern mitmacht.
Die USA ist mit Dauerrang 1 nicht nur das stetig teuerste Gesundheitswesen der Welt. Gleichzeitig kann die USA mit seinen Entwicklungen im Gesundheitswesen mit dem Rest der OECD-Welt nicht mithalten. In den fast 20 Jahren, die in OECD-Berichten vergleichend rapportiert sind, hat die USA bezüglich der Lebenserwartung stetig an Rang verloren, nämlich von Rang 19 rückwärts zu Rang 28. Das ist eine schlechte Bilanz !
Für die Schweiz ist die Situation auch nicht zum die Hände in den Schoss legen. Aber immerhin liegt die Schweiz bezüglich der Lebenserwartung regelmässig im Breich der drei Spitzenplätze weltweit. Das beruhigt. Würde man hierzulande statt nur Mittelwerte die statistische Verteilung des noch frei verfügbaren Einkommens der privaten Haushalte auch ansehen, dann wäre etwas Beunruhigung allerdings durchaus sachgerecht.
plot_LE()
Wo bleibt die Evidenz ökonomischer Thesen ?
Das Gesundheitswesen der USA gilt als dasjenige mit dem höchsten Grad an Privatisierung und Dergulierung. Privatisierung und Dergulierung sind die beiden Rezepte, die auch in der Scheiz regelmässig zur Effizienzsteigerung vorgebracht werden. In Anbetracht der OECD-Datenreihe wirft das schon Fragen zur Evidenz ökonomischer, resp. politischer Thesen auf:
Wenn wir in der Schweiz das zweitteuerste Gesundheitswesen der Welt haben, ist es dann richtig, aus den USA die Rezepte des allerteuersten Gesundheitswesen dieser Erde zu importieren, das zudem mit dem Rest der Welt nicht mithalten kann ?
Meines Erachtens gibt es weitere Topics, die nicht nur einem liberalen Staatswesen gut anstehen, sondern die gar als Voraussetzung für das Funktionieren marktorientierter Systeme gelten. Darunter gehören unter anderem:
- good political governance (auf dass das check and balances in unserem ausgeklügelten politischen System wirklich stattfindet)
- Transparenz
- Nutzung der Daten
In diesen Punkten sündigen wir in der Schweiz mitunter gänzlich ungeniert.
plot_HEGDP_sort()
C:\Anaconda3\lib\site-packages\matplotlib\axes\_axes.py:545: UserWarning: No labelled objects found. Use label='...' kwarg on individual plots.
warnings.warn("No labelled objects found. "
Grafik
Der staatliche Finanzierungsnateil ist innerhalb von Europa in der Schweiz fast am geringsten. Aus dieser Perspektive ist das Gesundheitssystem der Schweiz zu einem hohen Anteil "privatisiert", indem die Patienten privat out-of-the-pocket einen hohen Anteil bezahlen.
Quelle
http://www.oecd-ilibrary.org/social-issues-migration-health/health-at-a-glance-2017_health_glance-2017-en
OECD (2017), Health at a Glance 2017: OECD Indicators, OECD Publishing, Paris. http://dx.doi.org/10.1787/health_glance-2017-en
ANHANG: Python Code
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn
d = { 'Jahr': [2017, 2015, 2013, 2011, 2009, 2007, 2005, 2003, 2001],
'Daten': [2016, 2013, 2011, 2009, 2007, 2005, 2003, 2001, 1998],
'GDP USA': [1, 1, 1, 1, 1, 1, 1, 1, 1],
'GDP CH': [2, 2, 6, 7, 3, 4, 2, 2, 2],
'LE CH': [3, 3, 1, 2, 2, 2, 4, 4, 3],
'LE USA': [28, 28, 26, 27, 24, 24, 22, 21, 19],
}
columns =['Jahr','Daten','GDP USA','GDP CH', 'LE USA', 'LE CH']
dr = pd.DataFrame(data=d, columns=columns)
df0 = pd.read_excel('HE_GDP.xls')
df1 = pd.DataFrame(df0.values[:,2:4], columns=df0.columns[2:4], index=df0.values[:,0])
df1['share'] = df1['Government/Compulsory']/(df1['Government/Compulsory']+df1['Voluntary/Out-of-pocket'])
df2 = df1.sort_values('share')
def autolabel_2(rects,bottom):
#Attach a text label above each bar displaying its height
for i,rect in enumerate(rects):
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width()/2., bottom[i] + 0.1,
'%4.1f' % height, ha='center', va='bottom', rotation=90,fontsize=11)
def plot_HEGDP():
N = len(df0.values[:,0])
color1 = []; color2=[]
for x in range(N):
color1.append('lightgreen')
color2.append('orange')
color1[1]='blue'; color2[1]='red'
width = 0.75
px = np.arange(N)
py1 = df0.values[:,2]
py2 = df0.values[:,3]
figX = 18; figY = 9
fig = plt.figure(figsize=(figX, figY), facecolor='white')
p0 = plt.bar(px, py1+py2,width, color=color1 )
p1 = plt.bar(px, py1, width, color=color1 ,label=df0.columns[2])
p2 = plt.bar(px, py2, width, bottom = py1,color=color2,label=df0.columns[3])
plt.suptitle('Health expenditure as a share of GDP, 2016', fontsize=25, fontweight='bold', color='grey')
plt.title('OECD, HealthOutlook 2017',fontsize=20)
plt.ylabel(r'%', fontsize=40); # plt.xlabel(r'State', fontsize=40)
plt.legend(loc='upper right',prop={'size': 20})
ty = np.arange(19)
plt.xticks(px, df1.index, fontsize=15, rotation=90)
plt.yticks(ty, fontsize=12)
autolabel_2(p1,np.zeros_like(py1)); autolabel_2(p2,py1); autolabel_2(p0,py1+py2)
plt.show()
def plot_HEGDP_sort():
N = len(df0.values[:,0])
color3 = [];
for x in range(N): color3.append('cyan')
color3[13]='orange';
width = 0.75
px = np.arange(N)
py1 = df2.values[:,2]
figX = 18; figY = 6
fig = plt.figure(figsize=(figX, figY), facecolor='lightgrey')
p0 = plt.bar(px, py1,width, color=color3)
plt.suptitle(r'Anteil(%) = $\frac{staatliche Finanzierung}{staatliche Finanzierung + private Finanzierung}$', fontsize=25, fontweight='bold')
#plt.title('OECD, HealthOutlook 2017',fontsize=20)
plt.ylabel(r'%', fontsize=40); # plt.xlabel(r'State', fontsize=40)
plt.legend(loc='upper right',prop={'size': 20})
ty = np.linspace(0,1,11)
plt.xticks(px, df2.index, fontsize=15, rotation=90)
plt.yticks(ty, fontsize=12)
autolabel_2(p0,np.zeros_like(py1));
plt.show()
def plot_LE():
yr = np.array(dr['Daten'])
LECH = np.array(dr['LE CH'])
with plt.style.context('fivethirtyeight'):
fig = plt.figure(figsize=(10,5))
axes1 = fig.add_subplot(1, 1, 1)
axes1.patch.set_facecolor('navajowhite')
plt.plot(dr['Daten'][::-1], -dr['LE CH'][::-1], lw=8, label='Schweiz')
plt.plot(dr['Daten'][::-1], -dr['LE USA'][::-1], lw=8, label='USA')
plt.fill_between(dr['Daten'][::-1], -dr['LE CH'][::-1], -dr['LE USA'][::-1],facecolor='w', alpha=0.5)
plt.title('Lebenserwartung USA/Schweiz: Rang in OECD', fontsize=30)
plt.legend(loc=5,prop={'size': 20})
plt.xlim(1998,2016)
plt.show()