A carregar...
Publicação
Efficiency in Public Procurement of Healthcare Services: A Quantitative Analysis of Portuguese Contracts
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.36 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
This research explores the management of public procurement within Portugal’s healthcare sector, a domain of strategic national relevance that represents more than 10% of
GDP and plays a critical role in both population well-being and fiscal responsibility.
Despite its centrality, this area has received limited empirical attention regarding the
technical efficiency of contract allocation and execution. The study aims to identify
efficiency gaps and propose data-driven strategies for performance improvement, drawing on a data set of completed healthcare procurement contracts retrieved from the
BASE.Gov platform. A methodological framework that combines stochastic frontier
analysis (SFA), benchmarking techniques, and machine learning (random forest) was
employed to measure efficiency levels, uncover key performance drivers, and simulate
alternative policy scenarios. The findings reveal widespread inefficiencies, with a
large share of contracts performing significantly below optimal levels, and marked
regional disparities, particularly in Lisbon and Madeira. The simulation results suggest
that aligning underperforming contracts with high-efficiency benchmarks, or leveraging predictive models for early risk identification, could yield considerable fiscal
savings. These insights underscore the value of integrating benchmarking and predictive analytics into procurement systems, offering policy-relevant contributions to
institutional modernization, enhanced transparency, and sustainable management of
public resources.
Este estudo analisa a gestão da contratação pública no setor da saúde em Portugal, um domínio de importância estratégica nacional que representa mais de 10% do PIB e desempenha um papel crucial tanto no bem-estar da população como na sustentabilidade das finanças públicas. Apesar da sua relevância, esta área tem sido pouco explorada do ponto de vista empírico no que respeita à eficiência técnica na alocação e execução dos contratos públicos. O principal objetivo consiste em identificar lacunas de eficiência e propor estratégias de otimização baseadas em dados históricos. A investigação assenta num conjunto de contratos públicos concluídos para a aquisição de bens, serviços e empreitadas na área da saúde, extraídos da plataforma BASE.Gov. A abordagem metodológica combina Análise de Fronteira Estocástica (SFA), técnicas de benchmarking e algoritmos de Machine Learning (Random Forest) para estimar os níveis de eficiência, identificar determinantes de desempenho e simular cenários alternativos de política pública. Os resultados evidenciam ineficiências generalizadas, com grande parte dos contratos a operar aquém da fronteira eficiente e com disparidades regionais marcadas, nomeadamente em Lisboa e na Madeira. As simulações sugerem que o alinhamento dos contratos menos eficientes com referências de elevado desempenho, ou a utilização de modelos preditivos para a identificação precoce de riscos, podem gerar poupanças orçamentais significativas. Estes resultados reforçam a importância da integração de práticas de benchmarking e de ferramentas analíticas preditivas nos sistemas de contratação pública, contribuindo para a modernização institucional, o reforço da transparência e uma gestão mais sustentável dos recursos públicos.
Este estudo analisa a gestão da contratação pública no setor da saúde em Portugal, um domínio de importância estratégica nacional que representa mais de 10% do PIB e desempenha um papel crucial tanto no bem-estar da população como na sustentabilidade das finanças públicas. Apesar da sua relevância, esta área tem sido pouco explorada do ponto de vista empírico no que respeita à eficiência técnica na alocação e execução dos contratos públicos. O principal objetivo consiste em identificar lacunas de eficiência e propor estratégias de otimização baseadas em dados históricos. A investigação assenta num conjunto de contratos públicos concluídos para a aquisição de bens, serviços e empreitadas na área da saúde, extraídos da plataforma BASE.Gov. A abordagem metodológica combina Análise de Fronteira Estocástica (SFA), técnicas de benchmarking e algoritmos de Machine Learning (Random Forest) para estimar os níveis de eficiência, identificar determinantes de desempenho e simular cenários alternativos de política pública. Os resultados evidenciam ineficiências generalizadas, com grande parte dos contratos a operar aquém da fronteira eficiente e com disparidades regionais marcadas, nomeadamente em Lisboa e na Madeira. As simulações sugerem que o alinhamento dos contratos menos eficientes com referências de elevado desempenho, ou a utilização de modelos preditivos para a identificação precoce de riscos, podem gerar poupanças orçamentais significativas. Estes resultados reforçam a importância da integração de práticas de benchmarking e de ferramentas analíticas preditivas nos sistemas de contratação pública, contribuindo para a modernização institucional, o reforço da transparência e uma gestão mais sustentável dos recursos públicos.
Descrição
Dissertation presented as the partial requirement for obtaining a Master's degree in Statistics and Information Management, specialization in Information Analysis and Management
Palavras-chave
Public procurement Healthcare sector Technical efficiency Stochastic Frontier Analysis (SFA) Benchmarking Machine Learning Random Forest Policy simulation Public sector reform Contratação pública Setor da saúde Eficiência técnica Análise de Fronteira Estocástica (SFA) Simulação de políticas públicas Reforma da administração pública SDG 3 - Good health and well-being SDG 9 - Industry, innovation and infrastructure SDG 12 - Responsible production and consumption SDG 16 - Peace, justice and strong institutions