Fastlegetilhørighet og sykefravær – en registerbasert studie

Data

Studien omfatter alle som var yrkesaktive (lønnsinntekt > 1G) i aldersgruppen 20 – 66 år, bosatt i Oslo og Bergen i 2005 – 06, og som hadde samme fastlege 1.1. 2006 og 31.12. 2006, totalt 143 624 kvinner og 154 415 menn. Data om individenes alder, kjønn, yrkesaktivitet, utdanningsnivå og sykefravær betalt av Nav i 2006 ble hentet fra FD-trygd. Fra fastlegeregisteret fikk vi informasjon om individenes fastlegetilknytning og data om fastlegenes kjønn, alder, spesialiststatus, listelengde og om listen var åpen eller lukket. Statistisk sentralbyrå koblet de to datasettene, og disse ble utlevert i kryptert form. 568 fastleger inngikk i studien. Sosiodemografiske data fra FD-trygd ble også aggregert på listenivå og benyttet for å karakterisere sammensetningen av listepopulasjonene. Bruk og kobling av data var godkjent av registereierne og Datatilsynet.

Statistisk analyse

Utfallsvariabelen var om et individ hadde minst ett sykefravær betalt av Nav i studieperioden. I hovedsak gjelder dette fraværstilfeller over 16 dager. I artikkelen bruker vi betegnelsen «minst ett sykefravær > 16 dager».

Individenes kjønn, alder og utdanningsnivå er kjente prediktorer for sykefravær og ble inkludert som forklaringsvariabel i alle analysemodeller. Alder ble delt inn i kategoriene 18 – 34 år, 35 – 49 år og ≥ 50 år (tab 1). Alderskategoriene gjenspeiler at risiko for sykefravær øker med økende alder, og denne kategoriseringen var også brukt i en tidligere studie (20). Høyeste fullførte utdanningsnivå ble dikotomisert etter om man hadde universitets- eller høyskoleutdanning eller ikke (< 16 år og ≥ 16 år). Vi antok at dette skulle gi betydelig forskjell i odds for sykefravær.

Andre forklaringsvariabler var fastlegenes alder (10-årsaldersgrupper), kjønn, spesialiststatus, listelengde (intervaller på 250 pasienter) og om fastlegens liste var åpen eller lukket. Disse er også brukt i tidligere studier (3, 17, 20).

I tillegg inkluderte vi følgende variabler som karakteriserer listens sosiodemografiske sammensetning: Andel menn, andel yrkesaktive, andel med høyere utdanning, andel uførepensjonister og andel eldre over 67 år. Listene ble kategorisert i kvartiler i samsvar med disse variablene.

Alle disse forklaringsvariablene hadde statistisk signifikant effekt i univariat analyse, unntatt spesialiststatus, som ble tatt ut av videre analyser. Betydningen av de ulike forklaringsvariablene ble undersøkt ved hjelp av multivariat logistisk regresjon med oddsrater (OR) og tilhørende 95 % konfidensintervall (95 % KI). Regresjonsmodellen forutsetter at legevariabler og listesammensetningen påvirker sykefraværstilbøyelighet, og ikke omvendt.

Analysene ble gjort for kvinner og menn separat, siden tidligere forskning har vist store kjønnsforskjeller i sykefraværet (18).

Først analyserte vi betydningen av individenes alder og utdanning (tab 2). I e-tabell 3 inkluderte vi i tillegg legenes alder og kjønn, listelengde og om fastlegens liste var åpen eller lukket. I den siste analysen (tab 4) inkluderte vi også variablene knyttet til listesammensetning. P for trend er angitt med unntak av dikotome variabler.

Legefaktorer som ikke fanges opp av tilgjengelige variabler, f.eks. standard på kontorlokaler og telefontilgjengelighet, kan også ha innvirkning på sykefraværet i listepopulasjonen. Alle analysene er derfor gjort i en tonivåmodell som ytterligere korrigerer for dette (clustering).

Hovedfunn

22 % av kvinnene og 13 % av mennene hadde minst én sykmelding > 16 dager. Fastlegenes alder, kjønn og listelengde var ikke assosiert med sykefravær betalt av Nav. Sannsynlighet for sykefravær > 16 dager ble redusert for både kvinner og menn ved mange høyt utdannede, ved høy andel eldre og ved få uførepensjonister på listen. Menn som tilhørte lister med høy andel menn og lister med høy andel yrkesaktive hadde også lavere odds for sykefravær > 16 dager. I tillegg hadde kvinner som tilhørte åpen liste lavere odds for sykefravær enn ved lukket liste.

Sammenlikning med tidligere studier

Fire tidligere studier (3, 17, 19 – 20) er særlig relevante, og noen av funnene har fått bred plass i mediene (21). Våre resultater med hensyn til de enkle legevariablene (alder og kjønn) er forskjellig fra disse. Markussen og medarbeidere brukte data om alt legemeldt fravær, mens Brage og Kann studerte et utvalg av sykmeldinger som fastleger både hadde startet og avsluttet på egne pasienter i 2003 – 04. Dette utgjorde halvparten av sykmeldingene i studieperioden. Markussens studie var prospektiv og omfattet et datasett med alle sykmeldinger mottatt hos Nav fra 2001 – 04, mens vi brukte tverrsnittsdata fra et mindre utvalg, men med nyere data, fra 2005 – 06.

Våre funn er mer i tråd med Aakvik og medarbeidere som brukte data fra hele Norge og som konkluderte med at legevariablene har liten betydning (19). Liknende funn er også gjort i Storbritannia (22).

Funnene er også i tråd med resultater fra vår tidligere studie fra 2010, der samme data ble brukt (20). Vi fant da som nå liten sammenheng mellom sykefravær og fastlegevariabler, mens uføreandelen på fastlegens liste hadde sammenheng med antallet sykefraværsdager.

Unntatt kjønnssammensetning og andel uførepensjonister er våre variabler om listesammensetning ikke brukt i tidligere studier av sykefravær.

Metodologiske betraktninger

Denne studien undersøker ikke variasjoner i fastlegenes sykmeldingsrater eller hvor mange sykmeldinger en fastlege skriver ut i løpet av en tidsperiode. Slike studier har vært gjort tidligere både nasjonalt og internasjonalt (2, 13 – 14). I tillegg til at antall sykmeldinger avspeiler legens praksispopulasjon, avhenger antallet også av produktivitet (antall konsultasjoner per dag) og tilgjengelighet (andel av konsultasjonene som utgjøres av pasienter med akutt sykdom). Det er derfor vanskelig å avgjøre hvilken rolle legen spiller, og resultatene fra denne typen studier varierer mye.

Vi valgte derfor en epidemiologisk tilnærming der den yrkesaktive befolkningens risiko for å bli sykmeldt står i fokus. Hvilken fastlege man har, blir brukt som en av flere forklaringsfaktorer, men hvor stor del av sykmeldingene som er utskrevet av egen fastlege vet man ikke. Denne undersøkelsesmetoden er også brukt tidligere (17, 19 – 20).

Vi studerte bare sykefravær > 16 dager, som er det som har størst betydning for samfunnsøkonomien (16) og for utstøtningen fra arbeidslivet (23). Dette er et grovt mål på sykefravær, og hyppighet og lengde på fraværene ble ikke tatt i betraktning. Egenmeldt fravær og legemeldt fravær betalt av arbeidsgiver ble ikke inkludert (16, 18).

Vi valgte å bruke gjennomsnittlig utdanningsnivå og andel uførepensjonister i alderen 20 – 67 som indikator på sosioøkonomisk status. Her kunne andre variabler også vært benyttet.

Studien er tverrsnittsbasert, og man kan ikke sikkert utlede årsaksforhold. Imidlertid brukes et datasett med komplette data for sykefraværet dekket av Nav for yrkesaktive i de to største kommunene i Norge i et helt år.

I studier av sykefraværet i Norge er det funnet store geografiske forskjeller (24). Ved å velge to større byer, reduseres effekter av varierende legedekning i utkanter og småkommuner, og resultatene blir et mer direkte uttrykk for lege- og listeeffekter. Resultatene fra storbybefolkningen i Oslo og Bergen kan også ha større relevans i forhold til internasjonale sammenlikninger.

At studien bare inkluderte personer som var bofast i samme kommune og hadde samme fastlege i hele perioden, gjør resultatene mer presise, men reduserer generaliserbarheten noe.

Vi gjorde alle analysene for kvinner og menn separat, siden sykefraværsmønsteret er forskjellig for de to kjønn. I tillegg så vi at det er betydelige forskjeller i kvinner og menns fastlegetilknytning. 42 % av kvinnene hadde kvinnelig fastlege, versus 21 % for menn, og flere kvinner står på lukket liste (61 %, versus 50 % av menn).

Implikasjoner og behov for videre studier

Listetilhørighet i fastlegeordningen er i prinsippet ikke geografisk basert. Det er likevel grunn til å tro at lister med lav sosioøkonomisk status tilhører leger som har sin praksis i mindre ressurssterke bydeler. En slik listesammensetning kan også indikere at fastlegen over tid har hatt en liberal praksis i forhold til sykmelding og trygd, som kan trekke til seg pasienter med stort behov for trygdeytelser.

Studien viser at den sosioøkonomiske sammensetningen av listen påvirker odds for å bli sykmeldt > 16 dager også for dem som selv har høyere sosioøkonomisk status, målt ved utdanningsnivå. Omvendt betyr det at personer med lav utdanning som tilhører fastlegelister der gjennomsnittet har høy sosial status, blir sykmeldt sjeldnere enn tilsvarende pasienter på andre lister. Dette kan oppfattes som ulik behandling i forhold til rettigheter i folketrygden.

At yrkesaktive på lister med mange eldre (> 66 år) har mindre risiko for å bli sykmeldt > 16 dager, var et uventet funn som bør studeres videre. Den delen av befolkningen som skifter fastlege, med eller uten flytting, kan utgjøre en risikogruppe for sykmelding og bør derfor undersøkes nærmere. Bruk av andre sosioøkonomiske variabler som inntekt, yrke og eventuelt tidligere arbeidsledighet kunne ha gitt et mer fullstendig bilde.