De ventendes helse

Materiale og metode

Datamaterialet er fra Statistisk sentralbyrås levekårsundersøkelse fra 1998. Dette års tema var helse. Hovedutvalget til levekårsundersøkelsen ble trukket fra Statistisk sentralbyrås standard utvalgsplan. Levekårsundersøkelsen inneholder individer som utgjør et representativt utvalg av befolkningen, totalt 5 000 personer. Av disse var 129 personer enten flyttet til utlandet, bodde på institusjon eller døde. Av bruttoutvalget på 4 871 personer ble det oppnådd intervju med 3 449 personer. Av disse intervjuene ble 70,8 % gjennomført som besøksintervju, mens 29,2 % ble gjennomført per telefon. Hoveddelen av intervjuene ble foretatt i perioden 7. september til 27. november 1998, men enkelte ble intervjuet også etter denne datoen.

Frafall kan føre til utvalgsskjevhet. Statistisk sentralbyrå har ikke funnet skjevheten som følge av nekting stor nok til at det kan få betydning for resultatene. Å vekte resultatene har dermed liten hensikt.

Tabell 1 beskriver kjennetegn ved utvalget betinget av om man står på venteliste eller ikke. 6 % oppgir at de ”står på venteliste for innleggelse i sykehus eller behandling på poliklinikk”. Av disse har 49,3 % ventet opptil 90 dager, 17,5 % har ventet mellom 91 til 180 dager og 33,2 % har ventet mer enn 181 dager. Av dem som står på venteliste, vurderer to av tre sin helse som meget god eller god. Blant dem som ikke venter, svarer fire av fem det samme. Nesten to tredeler av utvalget som venter på behandling, lider av en varig alvorlig sykdom eller lidelse. Bare en tredel av utvalget som ikke venter på behandling, har en varig sykdom eller lidelse. Andelene som benytter fast lege eller fast legesenter er noe høyere blant dem som venter på behandling (63,9 % og 28,8 %, mot 53,6 % og 24 %). I gjennomsnitt er antall allmennlegekontakter de siste 12 måneder høyere blant dem som venter på behandling (4,5 besøk) enn blant dem som ikke venter på behandling (2,3 besøk).

Av dem som venter på behandling, er 40 % menn, og gjennomsnittsalderen er 49,5 år. Andelen menn i utvalget som ikke venter på behandling er 48,9 %, og gjennomsnittlig alder er 44,4 år. Gjennomsnittlig inntekt er 167 917 kroner for utvalget som er på venteliste, for dem som ikke står på venteliste 186 894 kroner. Blant dem på venteliste har 27,1 % grunnskole som høyeste utdanning, mens tilsvarende for dem som ikke står på venteliste er 19,3 %. Utvalget som ikke står på venteliste, tjener altså i gjennomsnitt mer enn utvalget på venteliste, og har i gjennomsnitt høyere utdanning. Blant dem som venter på behandling, er videre andelen fra Trøndelag og Nord-Norge betydelig høyere enn blant dem som ikke venter på behandling (henholdsvis 14,6 % mot 9,2 % og 17,6 % mot 9,8 %). Totalt er 56,1 % av dem som venter på behandling sysselsatte, mens to tredeler av dem som ikke venter på behandling er sysselsatte.

Statistisk metode

Vi er interessert i å undersøke to spørsmål:

• – Hvilke faktorer bestemmer om man står på venteliste?

• – Hvilke faktorer bestemmer hvor lenge man har ventet?

I den første analysen kan den avhengige variabelen – om man står på venteliste – ha de to verdiene ja eller nei, og er følgelig en binær variabel. I den binomiske logistiske regresjonsmodellen antar vi at sannsynligheten for at en person skal stå på venteliste, er logistisk fordelt og med en lineær sammenheng mellom logit og de uavhengige variablene:

der P(venteliste) uttrykker sannsynligheten for å stå på venteliste, x₁,  , x_n er de uavhengige variablene og b₀,  , b_n er parametere som skal estimeres. Modellen estimeres ved hjelp av sannsynlighetsmaksimeringsmetoden med algoritme slik den er spesifisert i statistikkprogrammet SPSS 9.0.

I analysen av det andre spørsmålet, hvor lenge man har ventet, er det tre alternativer for tid på venteliste: inntil 90 dager, 91 – 180 dager, mer enn 181 dager. Det er fremdeles et endelig antall svaralternativer, men nå er det flere enn to. Sammenhengen mellom ventetid og de uavhengige variablene analyseres ved hjelp av den multinomiske logitmodellen:

er sannsynligheten for å vente mer enn 181 dager. Dette er referansekategorien de andre sannsynlighetene sees i forhold til. Også denne modellen estimeres ved hjelp av sannsynlighetsmaksimering med algoritme slik den er spesifisert i SPSS 9.0.

Resultater

Tabell 2 viser resultatene fra estimering av den binomiske regresjonsmodellen med ”står du på venteliste for innleggelse i sykehus eller behandling på poliklinikk” som avhengig variabel. Variabelen har verdi lik én for ”ja, individet står på venteliste” og null for ”nei, individet står ikke på venteliste”. Vi estimerer dermed hvilke variabler som påvirker sannsynligheten for å stå på venteliste for innleggelse eller poliklinisk behandling ved sykehus.

Fra tabell 2 ser vi at helsetilstanden har en statistisk signifikant effekt på sannsynligheten for å stå på venteliste. En person med god eller meget god helse har bare litt over halvparten så stor sjanse (den estimerte oddsraten er 0,57) for å stå på venteliste som en person med meget dårlig, dårlig eller middels helse. Også personer med ”varig sykdom” og/eller ”sengeliggende i løpet av de siste 14 dager” har en signifikant større sannsynlighet for å stå på venteliste. Personer bosatt i Akershus og Oslo, på Østlandet ellers og i Agder og Rogaland har mindre sannsynlighet for å stå på venteliste enn personer bosatt i Nord-Norge. Tilsvarende gjelder for personer med høy utdanning og personer i aldersgruppen 16 – 24 år.

Ved hjelp av Likelihood Ratio-testen (LRT) tester vi hele modellens forklaringskraft. Testobservatoren (LR) er − 2(ln L ₀ − ln L ₁), og er khikvadratfordelt med K-1 frihetsgrader, der K er antall parametere i modellen. L ₀ er den estimerte verdien av sannsynligheten for det observerte utfallet når kun konstantleddet inngår, og L ₁ er tilsvarende når alle variablene inngår i modellen. En stor verdi på LR innebærer at de uavhengige variablene bidrar til å øke sannsynligheten for det observerte utfallet. I dette tilfellet er LR lik 108,97 og signifikant på mindre enn 0,01 %-nivå. Vi kan dermed forkaste nullhypotesen om at de uavhengige variablene ikke bidrar til modellens forklaringskraft.

For å undersøke hvilke faktorer som påvirker hvor lenge de som står på venteliste har ventet, estimerer vi den multinomiske sannsynlighetsmodellen. Tabell 3 viser påvirkningen fra individuelle pasientkarakteristika til sannsynligheten for å ha ventet ”inntil 90 dager” og ”mellom 91 og 180 dager” i forhold til referansekategorien ”ventet mer enn 180 dager”.

Vi ser fra tabell 3 at verken oppgitt helse, varig sykdom, sysselsetting eller utdanning viser statistisk signifikante effekter på om man har ventet kort eller lang tid. Fast tilknytning til lege eller legesenter bidrar negativt til å ha ventet opptil 90 dager i forhold til ikke å ha en fast lege.

For variabelen ”alder” er ”over 67 år” referanserammen. Det er ingen enkel sammenheng mellom alder og sannsynligheten for å ha ventet opptil 90 dager. Er pasienten mellom 16 og 24 år, har vedkommende en lavere sannsynlighet av å ha ventet mindre enn 90 dager i forhold til referansekategorien ”å ha ventet mer enn 180 dager” enn pasienter over 67 år. Vi finner ingen slik effekt for pasienter mellom 25 og 66 år. Vi finner heller ingen signifikante effekter av inntekt.

Effekten av pasientenes bosted viser en tendens til at pasienter fra Akershus og Oslo og Agder og Rogaland har en mindre sannsynlighet for å ha ventet opptil 90 dager i forhold til pasienter fra Nord-Norge. De som bor i Nord-Norge har altså en mindre sannsynlighet for å ha ventet mer enn 180 dager enn pasienter fra andre landsdeler.

For å teste den multinomiske modellens forklaringskraft vil vi, som i den binomiske testen, benytte oss av Likelihood Ratio-testen (LRT). I denne modellen er LR 49,3, og signifikant på 10,4 %-nivå. Modellen med individspesifikke variabler har dermed ikke en signifikant (på 5 %-nivå) bedre forklaringskraft enn modellen med bare konstantledd.

Diskusjon

Det er diskusjon om hvorvidt den offentlige oppmerksomheten omkring ventelistene bidrar til en vilkårlig fordeling av ressurser mellom pasientgrupper. Disse spørsmålene er ikke tidligere blitt belyst med data fra befolkningsundersøkelser. Ved hjelp av Levekårsundersøkelsen 1998 har vi testet hvorvidt en persons selvrapporterte helsetilstand har betydning for om vedkommende står på venteliste og eventuelt hvor lenge man har ventet. Vi fant at personer med dårlig helse har større sannsynlighet for å stå på venteliste enn personer med god helse har. Dette resultatet tyder på at det ikke er vilkårlig hvem som blir tildelt plass og dermed ressurser i form av undersøkelse og behandling.

Levekårsundersøkelsen er basert på folks egne oppfatninger av sykdom og helse, slik at svaret vi får også vil være avhengig av en persons subjektive vurderinger. Hvorvidt en person får plass på venteliste, vil imidlertid avhenge av legens vurdering. Resultater fra Moum og medarbeidere (7) tyder på at sykelighet og funksjonsnedsettelse er de variablene som er av størst betydning for egenvurdert helse. Vi tolker dette som at det trolig vil være godt samsvar mellom pasientenes egenvurdering og legens vurdering i det datamaterialet som her anvendes.

Det kan tenkes at selve vissheten om at man står på venteliste, påvirker selvopplevd helse negativt. I så fall vil de som står på venteliste, oppgi en dårligere helsetilstand enn hva de ville ha gjort hvis de ikke stod på venteliste. Den forskjellen vi finner i helsetilstand mellom de som står på venteliste og de som ikke gjør det, kan da rett og slett skyldes at en plass på ventelisten i seg selv bidrar til at man føler seg dårligere enn man ellers ville ha gjort. Vi har ingen mulighet til å korrigere for denne potensielle skjevheten.

Vi fant at pasienter som har fast lege, har en mindre sannsynlighet for å ha ventet kort tid enn pasienter uten fast lege. Dette virker umiddelbart overraskende, men kan ha sin bakgrunn i den vide tolkingen av ”fast lege” som brukes i denne varianten av levekårsundersøkelsen. I en annen variant (panelundersøkelsen) viser det seg nemlig at fire av ti bytter sin faste lege minst én gang i året (8).

Vi fant ingen sammenheng mellom helsetilstand og antall dager en person har ventet på behandling. Siden det er snakk om ikke-avsluttede ventetider, følger det ikke uten videre at resultatet også gjelder for avsluttede ventetider, som vi egentlig er interessert i. Hvis pasientene blir behandlet etter tur, vil det ikke være noen slik sammenheng. Et eksempel kan belyse mekanismene som er involvert: Anta at vi kan gruppere pasientene på ventelisten i tre etter tiden de har ventet. Gruppe A har ventet tre måneder og vil bli behandlet i løpet av de kommende tre måneder. Gruppe B har ventet tre måneder og vil ikke bli behandlet innen de kommende tre måneder. Gruppe C har ventet seks måneder. Hvis gruppe A inneholder minst én pasient, trekker det i retning av at den avsluttede ventetiden for gruppe A og gruppe B samlet blir mindre enn for gruppe C. I motsatt retning trekker det hvis andelen som blir tatt ut til behandling på ethvert tidspunkt etter seks måneder, er større for gruppe C enn for gruppe B. I vårt datamateriale er det imidlertid ingen grunn til å tro at den delen av gruppen som har ventet tre måneder og som også vil oppleve å vente seks måneder, vil ha forskjellige kjennetegn fra gruppen som har ventet seks måneder på observasjonstidspunktet. Derav følger en positiv sammenheng mellom ikke avsluttet ventetid og den samlede avsluttede ventetid en person kan forvente.

Mens vi fant at vår modell bidrog til å forklare sannsynligheten for at en person står på venteliste, fant vi ingen signifikant sammenheng mellom våre forklaringsvariabler og hvor lenge en person har ventet (modellen med individspesifikke variabler er ikke signifikant forskjellig fra en modell som bare inneholder konstantledd). Det siste resultatet tyder enten på at vi ikke har klart å fange opp de variablene som har betydning for hvor lenge en person har ventet eller at opplevd ventetid faktisk er tilfeldig.

Vi skal utdype disse mulighetene litt nærmere. Vi antar først ingen endring i grad av alvorlighet i ventetiden. Hvis sjansen for å bli tatt ut til behandling øker med grad av alvorlighet, vil vi forvente at pasienter som har ventet lenge, har bedre helse enn de som har ventet kort. Vi finner ingen slik sammenheng i datamaterialet. Dette resultatet er forenlig med konklusjonen fra blant annet Åbyholm & Riise (4) og Bjørneboe & Riis Strøm (5) om manglende samspill mellom sykehus, henvisende lege og pasient i ventetiden. Med bakgrunn i en omfattende spørreskjemaundersøkelse til pasient, henvisende lege og sykehusledelse konkluderte Åbyholm & Riise med at sykehusene nærmest aldri tar kontakt med henvisende lege for å avklare forhold i henvisningen. På den annen side var det få henvisende leger som tar initiativ til å få pasienten raskere undersøkt.

Det kan hende at helsetilstanden forverrer seg med ventetiden. Da vil prioritering etter alvorlighetsgrad kunne være forenlig med at det ikke er noen empirisk sammenheng mellom helsetilstand og opplevd ventetid blant dem som til enhver tid venter. Denne konklusjonen forutsetter at sykehusene har oversikt over utviklingen i pasientenes helsetilstand i ventetiden, noe som ikke støttes av de empiriske undersøkelser som refereres ovenfor.

Data fra levekårsundersøkelsen er egnet til å undersøke individuelle kjennetegn som påvirker om man står på venteliste for sykehusbehandling. Dataene er trolig mindre egnet til å predikere hvorvidt individuelle kjennetegn påvirker forskjeller i ventetid mellom pasienter. Slike undersøkelser synes å kreve pasientadministrative data som også inneholder avsluttede ventetider og observasjoner av pasientenes helsetilstand på flere tidspunkter i ventetidsforløpet.