Kvalitetsbasert finansiering i sykehussektoren i Norge ble iverksatt fra 1. januar 2014 og innebærer at en andel av de regionale helseforetakenes budsjetter gjøres avhengig av kvaliteten på pasientbehandlingen slik den måles ved utvalgte kvalitetsindikatorer. I 2014 ble 497 millioner kroner avsatt til slik finansiering. Målet med ordningen er å sikre god kvalitet og pasientsikkerhet (1 , 2 ).
Indikatorsettet i kvalitetsbasert finansiering i Norge er basert på både struktur-, prosess- og resultatindikatorer, til sammen 29 ulike mål (3 ). I utgangspunktet gir dette en bred beskrivelse av sykehusenes kvalitet, og mangfoldet i kvalitetsindikatorer kan i seg selv hindre tilfeldige utslag i budsjettildelingen. Av resultatindikatorene er det flere mål på overlevelse, blant annet 30-dagersoverlevelse etter hjerteinfarkt. Overlevelse og dødelighet er hyppig brukte kvalitetsindikatorer internasjonalt (4 , 5 ). I det norske datagrunnlaget er det imidlertid ikke gjort rede for hvordan overlevelsestallene er risikojustert.
Dersom informasjon om kvalitetsvariasjoner skal benyttes som kriterium i et finansieringssystem, bør den ulikhet i kvalitet som kan observeres mellom sykehus skyldes forhold som de kan påvirke – ikke bakenforliggende variabler. Målet med denne studien var å undersøke hvordan ulike former for risikojustering påvirket predikert dødelighet etter hjerteinfarkt i de forskjellige helseforetakene.
Materiale og metode
Utvalg, definisjoner og data
Datasettet omfattet pasienter ≥ 18 år utskrevet fra norske sykehus i 2009 med hoveddiagnosen hjerteinfarkt (ICD-10-kode I21 og I22). Vi benyttet 30-dagersdødelighet som kvalitetsindikator og inkluderte alle dødsårsaker.
Den metodiske tilnærmingen ble utviklet innenfor det finske PERFECT-prosjektet (6 , 7 ) og videreutviklet innenfor EuroHOPE (8 – 10 ), et komparativt prosjekt finansiert av EUs 7. rammeprogram. Enhetene i analysen var sykehusepisoder, som startet med innleggelsen og ble avsluttet 30 dager etter den eller ved at pasienten døde (11 ).
Én sykehusepisode omfattet flere sykehusopphold dersom oppholdene fulgte på hverandre og tiden mellom dem var kortere enn eller lik én dag. To eller flere opphold som følge av overflytting mellom sykehus, for eksempel som følge av perkutan koronar intervensjon (PCI), ble da regnet som én sykehusepisode. Kun den første sykehusepisoden i ett år ble omfattet av analysen, det vil si at reinnleggelser ikke genererte en ny episode. Dersom sykehusene brukte forskjellige diagnoser i én episode, ble diagnosekodene fra det sykehuset som er høyest i hierarkiet valgt. Dersom sykehusepisoden omfattet to eller flere sykehus på samme nivå i hierarkiet, ble diagnosekodingen fra det første sykehuset i episoden benyttet.
For å bedre sammenliknbarheten i pasientpopulasjon mellom sykehusene ekskluderte vi pasienter som hadde vært innlagt i sykehus for akutt hjerteinfarkt de siste 365 dagene før indeksdagen. Deretter ble data som beskrev pasientens risikoprofil koblet på individnivå. I tillegg til kjønn og alder inngikk følgende variabler i risikojusteringen: komorbiditet, sosioøkonomisk status, prosedyrer, reisetid til nærmeste PCI-senter og type hjerteinfarkt.
Data om sykehusinnleggelser samt datoer for innleggelser og utskrivninger, hoved- og bidiagnoser, komorbiditet og prosedyrer ble hentet fra Norsk pasientregister. Data om dødelighet ble etablert på bakgrunn av informasjon fra Dødsårsaksregisteret. Opplysninger om medikamentbruk ble hentet fra Reseptregisteret. FD-trygd (Statistisk sentralbyrås «Forløpsdatabasen trygd») ga oss tilgang til data om inntekt, formue, utdanning og uførestønad. Data om folketall er fra 31.12. 2009.
EuroHOPE-prosjektet er godkjent av regional komité for medisinsk og helsefaglig forskningsetikk Sør-Øst. Siden man i prosjektet anvender data fra Reseptregisteret, er det også søkt om og innvilget konsesjon fra Datatilsynet.
Variabler
Vi etablerte variabler som beskrev komorbiditet på bakgrunn av sykehusdata om innleggelser fra de siste 365 dagene før indeksdagen og data om medikamentbruk fra Reseptregisteret i tilsvarende periode (8 ). For eksempel ble pasienter med hypertensjon som registrert hoved- eller bidiagnose og pasienter som hadde fått forskrevet legemidler mot hypertensjon registrert med komorbiditeten hypertensjon.
Ved å ta med informasjonen om medikamentbruk i tillegg til registrerte hoved- og bidiagnoser steg andelen pasienter med komorbiditeten hypertensjon i materialet med 50 %. Andelen pasienter med diabetes, astma og depresjon steg med om lag 10 %. For de resterende komorbiditetene medførte inklusjon av data fra Reseptregisteret bare små endringer.
Sosioøkonomiske forhold ble beskrevet ved variabler som har vist seg å korrelere med hjerteinfarktdødelighet (10 , 12 , 13 ): inntekt, formue, mottatt uførestønad og utdanning. Inntekt ble definert som gjennomsnittlig samlet personlig bruttoinntekt i perioden 2000 – 08 og formue som gjennomsnittlig personlig bruttoformue for de samme årene. Det ble registrert om pasienten hadde mottatt uføretrygd i 2008 eller tidligere. Utdanning ble kategorisert i grunnskole, videregående skole og høyskole/universitet.
Hjerteinfarktpasienter får primært trombolytisk behandling eller perkutan koronar intervensjon, et mindre antall åpen hjerteoperasjon (coronary artery bypass surgery, CABG). Pasientene ble klassifisert etter om de fikk trombolytisk eller annen medikamentell behandling eller perkutan koronar intervensjon eller åpen hjertekirurgi. Reisetid i minutter med bil fra kommunesenteret i pasientens hjemkommune til nærmeste PCI-senter ble estimert med utgangspunkt i data fra Google Maps (14 ). Vi antok ikke-linearitet som følge av at bil- og båtambulanser blir erstattet med helikopter når reisetiden blir lang, anslagsvis over én time (15 ).
For å bedre sammenliknbarheten i pasientpopulasjonen sykehusene imellom ble type hjerteinfarkt registrert. Sykehusenes klassifisering av pasienter i undergruppene av ICD-systemet er basert på skjønn. Vi estimerte derfor modellene med og uten variablene som beskrev type hjerteinfarkt.
Statistiske analyser
Deskriptiv statistikk er vist etter helseforetak som gjennomsnitt for kontinuerlige variabler og som andeler for kategoriske variabler. Av plasshensyn viser vi kun gjennomsnittlig antall komorbiditeter per pasient (tab 1). Informasjon om enkeltkomorbiditeter slik de ble brukt i regresjonsmodellene og gruppert etter helseforetak fremgår av e-tabell 2.
Tabell 1 Beskrivelse av pasientpopulasjonen utskrevet med diagnosen hjerteinfarkt ved norske sykehus i 2009 etter helseforetakenes opptaksområder
Helseforetak
Antall sykehusepisoder
Insidens per 10 000 innbyggere
Andel døde, 30 dager (%)
Antall komorbiditeter (gjennomsnitt)
Andel menn (%)
Alder (år) (gjennomsnitt)
Akershus universitetssykehus
600
33,5
9,0
1,6
61,5
69,7
Asker og Bærum
210
16,9
5,2
1,5
56,7
75,3
Bergen
864
27,6
9,3
1,5
64,7
71,2
Buskerud
616
30,8
8,6
1,5
65,7
70,2
Finnmark
222
39,8
8,1
1,4
66,7
69,7
Fonna
474
36,9
6,9
1,5
61,6
72,0
Førde
254
31,2
12,6
1,6
60,6
75,4
Helgeland
175
29,3
9,1
1,4
59,4
72,6
Innlandet
1 034
33,2
9,2
1,6
62,9
72,3
Nord-Trøndelag
330
32,3
7,9
1,4
66,1
71,4
Nordland
346
33,6
8,1
1,6
58,4
73,4
Nordmøre og Romsdal
290
32,2
7,6
1,4
55,9
74,0
Oslo
1 149
20,7
8,1
1,7
56,9
73,6
Stavanger
552
22,7
8,5
1,3
65,4
69,3
Sunnmøre
339
33,3
8,3
1,7
61,1
74,7
Sør-Trøndelag
631
28,0
8,6
1,5
60,4
71,6
Sørlandet
429
20,2
9,3
1,4
62,0
70,5
Universitetssykehuset Nord-Norge
466
33,0
8,6
1,4
66,5
70,7
Vestfold og Telemark
999
32,1
8,5
1,5
61,2
71,1
Østfold
737
35,0
9,1
1,7
61,2
71,0
Hele landet
10 717
28,6
8,6
1,5
61,8
71,8
Tabell 2 Prevalens av komorbiditeter i prosent per helseforetak
Helseforetak
Hypertensjon
Koronar hjertesykdom
Hjerteflimmer
Hjertesvikt
Diabetes mellitus
Aterosklerose
Kreft
Kols/astma
Demens
Depresjon
Parkinsons sykdom
Mentale lidelser
Nyresvikt
Alkoholisme
Hjerneslag
Akershus universitetssykehus
64
13
7
4
17
2
2
22
4
13
1
4
4
1
4
Asker og Bærum
56
12
7
7
19
1
4
15
3
12
0
3
4
0
3
Bergen
59
14
6
6
16
2
2
14
4
13
2
4
2
0
3
Buskerud
62
15
7
6
17
2
2
17
4
10
1
3
3
0
2
Finnmark
60
18
5
5
11
3
1
23
3
5
0
4
1
0
5
Fonna
67
13
6
7
12
1
2
17
4
14
0
3
3
0
3
Førde
66
12
9
8
15
1
2
14
8
11
0
4
5
1
5
Helgeland
63
13
5
3
13
0
3
14
3
15
1
3
2
0
3
Innlandet
68
16
6
7
17
2
2
18
3
14
1
3
3
1
4
Nord-Trøndelag
62
13
6
5
13
2
2
11
5
14
2
2
2
1
3
Nordland
65
14
7
7
14
3
1
19
4
9
2
3
5
1
3
Nordmøre og Romsdal
62
11
7
7
13
2
3
15
4
8
1
2
3
0
3
Oslo
62
17
8
8
18
2
3
16
7
12
1
4
4
2
5
Stavanger
57
12
5
4
12
1
0
14
2
14
1
4
3
1
2
Sunnmøre
64
18
9
6
15
3
2
17
6
14
0
2
4
1
5
Sør-Trøndelag
59
13
5
6
15
1
2
16
4
15
2
3
3
0
5
Sørlandet
59
7
5
5
14
2
2
18
3
12
2
2
3
1
2
Universitetssykehuset Nord-Norge
64
14
6
3
13
2
2
16
4
12
1
2
2
0
3
Vestfold
65
14
6
6
14
2
3
16
3
12
1
3
3
0
3
Østfold
70
13
7
8
20
2
3
18
2
15
1
5
3
1
4
Hele landet
63
14
7
6
16
2
2
17
4
13
1
3
3
1
4
Vi benyttet logistisk regresjonsanalyse med 30-dagersdødelighet som utfallsmål. For å unngå ikke-lineære effekter på logskala ble alle kontinuerlige kovariater kategorisert. Kategoriene for alder var 18 – 49 år, deretter er det femårige kategorier opp til 89 år og en kategori som omfatter personer ≥ 90 år. Inntekt og formue ble delt inn i kategoriene kr 0 – 150 000, kr 150 000 – 300 000, kr 300 000 – 500 000 og > kr 500 000. Reisetid ble delt inn i kategoriene 0 – 60 min, 60 – 120 min, 120 – 180 min og > 180 min.
Tre modeller for risikojustering ble benyttet (9 , 10 ):
Modell 1: justering for alder og kjønn
Modell 2: justering for alder, kjønn, komorbiditeter, sosioøkonomiske variabler, reisetid og type hjerteinfarkt
Modell 3: alle variablene i modell 2 samt justering for om perkutan koronar intervensjon ble utført i løpet av 14 dager etter innleggelse eller ikke
Variablene ble brukt til å estimere risikojusterte andeler døde med 95 % konfidensintervall (95 % KI) for hvert helseforetak. For å gi et bilde av hvor godt modellene kunne klassifisere pasienter i datamaterialet riktig, det vil si de døde pasientene som døde og de levende som levende, oppgir vi noen AUC-verdier (area under the curve). En AUC-verdi på 0,5 betyr at modellen ikke klassifiserer bedre enn myntkast.
Data ble tilrettelagt ved hjelp av SAS versjon 9.2 (16 ) og videre analysert i Stata versjon 12.1 (17 ).
Andre metodiske forhold
Analysene er gjort på helseforetaksnivå med utgangspunkt i helseforetaksstrukturen slik den var første halvår 2009. Pasientene er gruppert etter helseforetak basert på foretakenes opptaksområder. Det innebærer at en pasient med bostedsadresse i en kommune som hørte til et helseforetaks opptaksområde ble klassifisert til dette helseforetaket, uavhengig av hvor pasienten faktisk ble behandlet.
Resultater
Beskrivelse av pasientpopulasjonen
Etter eksklusjon av pasienter som ble behandlet for akutt hjerteinfarkt i løpet av de siste 365 dagene før indeksdatoen (n = 1 718), omfattet datamaterialet 10 717 pasienter. Tabell 1 viser data for disse pasientene. Utfyllende informasjon om komorbiditeter og sosiodemografiske faktorer finnes i e-tabell 2 og e-tabell 3.
Tabell 3 Beskrivelse av pasientpopulasjonen utskrevet med diagnosen hjerteinfarkt ved norske sykehus i 2009 etter helseforetakenes opptaksområder. N = 10 717
Helseforetak
Inntekt i 100 000 (gjennomsnitt)
Formue i 100 000 (gjennomsnitt)
Uføre (%)
Videregående skole (%)
Universitet/ høyskole (%)
Trans infarkt1 (%)
Sub infarkt² (%)
Spes infarkt³ (%)
Uspes infarkt⁴ (%)
Avstand PCI-senter i min (gjennomsnitt)
Akershus universitetssykehus
283
516
16,0
41,9
12,9
27,7
53,7
4,5
14,1
24
Asker og Bærum
342
1 004
10,0
44,8
37,4
19,5
58,6
1,4
20,5
16
Bergen
279
574
12,7
45,2
13,8
27,5
45,6
8,3
18,6
24
Buskerud
275
590
13,3
45,8
10,0
18,6
59,6
4,2
17,6
63
Finnmark
245
403
21,2
36,8
9,1
17,6
54,5
3,6
24,3
476
Fonna
253
576
16,0
48,3
10,0
19,8
54,6
3,2
22,4
136
Førde
225
562
13,4
48,8
9,6
22,4
48,8
7,1
21,7
229
Helgeland
217
390
22,2
34,5
8,0
26,3
57,7
7,4
8,6
370
Innlandet
238
494
16,0
39,9
8,7
23,0
53,7
4,8
18,5
87
Nord-Trøndelag
240
443
19,1
47,9
7,9
26,4
51,5
6,7
15,4
120
Nordland
227
433
19,1
39,4
7,3
14,7
59,5
9,2
16,6
412
Nordmøre og Romsdal
243
640
15,5
44,7
8,2
22,4
51,4
4,8
21,4
201
Oslo
297
697
11,8
45,9
21,1
27,2
53,4
5,0
14,4
14
Stavanger
289
548
13,2
48,2
11,5
36,3
47,2
7,4
9,1
25
Sunnmøre
235
518
12,7
46,6
7,4
17,7
54,3
6,8
21,2
337
Sør-Trøndelag
246
489
17,3
42,5
12,9
30,0
45,8
5,7
18,5
38
Sørlandet
251
498
22,1
50,7
14,5
26,8
57,6
6,3
9,3
54
Universitetssykehuset Nord-Norge
249
396
19,3
43,2
11,3
29,4
47,4
6,2
17,0
141
Vestfold og Telemark
260
532
18,1
47,7
11,6
19,7
59,2
5,1
16,0
90
Østfold
240
476
19,9
45,7
7,8
23,2
54,5
3,9
18,4
65
Landet
260
542
16,0
44,8
12,2
24,5
53,2
5,5
16,8
102
[i]
Insidensen av hjerteinfarkt (antall tilfeller per 10 000 innbyggere) var 28,6 for landet totalt og varierte fra 16,9 i helseforetaket Asker og Bærums opptaksområde til 39,8 i Helse Finnmarks opptaksområde. Landsgjennomsnittet for ujustert 30-dagersdødelighet var 8,6 % – høyest i Helse Førde (12,6 %) og lavest i Asker og Bærum (5,2 %). Forekomsten av enkeltkomorbiditeter varierte betydelig mellom helseforetakene (e-tab 2).
Logistiske regresjonsanalyser
Figur 1 viser ujusterte andeler døde etter 30 dager samt tilsvarende justerte andeler for de tre ulike tilnærmingene for risikojustering. Nøyaktige tall og utfyllende informasjon om regresjonskoeffisientene finnes i e-tabell 4 – 7. Gjennomgående var det få konfidensintervaller for enkelthelseforetakene som ikke dekket landsgjennomsnittet på 8,6 % for 30-dagersdødelighet. Unntakene var pasientene i opptaksområdet til Helse Asker og Bærum i den ujusterte analysen og i analysen der det er justert for kjønn og alder samt pasientene i opptaksområdene til Helse Nordmøre og Romsdal og Helse Sunnmøre. De to siste gruppene hadde en dødelighet på 5,2 % etter risikojustering for alle kovariater.
Figur 1 Andel døde etter 30 dager per helseforetak med 95 % konfidensintervall hos pasienter utskrevet med diagnosen hjerteinfarkt ved norske sykehus i 2009. Vertikal linje angir landsgjennomsnittet. Røde og blå linjer: N = 10 717. Grønne og svarte linjer: N = 10 379
Tabell 4 Oddsratioer med 95 % konfidensintervall (95 % KI) fra logistiske regresjonsanalyser med 30-dagersdødelighet som utfall: ujustert og justert for alder og kjønn. Ref. = referansekategori. N = 10 717
Ujustert
95 % KI
Justert alder kjønn
95 % KI
Mann
1,02
0,89 – 1,18
8 – 49 år
0,05
0,03 – 0,09
50 – 54 år
0,02
0,01 – 0,06
55 – 59 år
0,02
0,01 – 0,04
60 – 64 år
0,06
0,04 – 0,09
65 – 69 år
0,12
0,08 – 0,17
70 – 74 år
0,19
0,14 – 0,26
75 – 79 år
0,26
0,20 – 0,34
80 – 84 år
0,48
0,38 – 0,60
85 – 89 år
0,70
0,57 – 0,86
> 90 år
Ref.
Ref.
Akershus universitetssykehus
Ref.
Ref.
Asker og Bærum
0,56
0,29 – 1,09
0,39
0,20 – 0,78
Bergen
1,03
0,72 – 1,48
0,92
0,63 – 1,33
Buskerud
0,95
0,64 – 1,41
0,93
0,62 – 1,41
Finnmark
0,89
0,51 – 1,56
0,98
0,55 – 1,74
Fonna
0,76
0,48 – 1,19
0,65
0,41 – 1,03
Førde
1,46
0,92 – 2,32
1,04
0,64 – 1,69
Helgeland
1,02
0,57 – 1,83
0,92
0,50 – 1,69
Innlandet
0,86
0,72 – 1,45
0,90
0,62 – 1,29
Nord-Trøndelag
0,83
0,53 – 1,41
0,81
0,49 – 1,34
Nordland
0,89
0,55 – 1,43
0,75
0,46 – 1,23
Nordmøre og Romsdal
0,83
0,50 – 1,39
0,64
0,38 – 1,09
Oslo
0,89
0,63 – 1,26
0,69
0,48 – 0,99
Stavanger
0,84
0,62 – 1,41
0,98
0,64 – 1,49
Sunnmøre
0,91
0,56 – 1,47
0,67
0,41 – 1,09
Sør-Trøndelag
0,95
0,64 – 1,40
0,87
0,58 – 1,31
Sørlandet
1,04
0,68 – 1,60
1,01
0,65 – 1,58
Universitetssykehuset Nord-Norge
0,95
0,62 – 1,45
0,90
0,58 – 1,41
Vestfold
0,94
0,66 – 1,34
0,90
0,62 – 1,30
Østfold
1,01
0,69 – 1,47
0,96
0,65 – 1,43
Tabell 5 Oddsratioer med 95 % konfidensintervall (95 % KI) fra logistiske regresjonsanalyser med 30-dagersdødelighet som utfall: justert for alle bakgrunnsvariabler (alder, kjønn, type hjerteinfarkt, enkeltkomorbiditeter der referansekategorien er å ikke ha komorbiditeten, avstand og sosioøkonomiske faktorer) samt alle og perkutan koronar intervensjon etter (PCI) 14 dager. Ref. = referansekategori. N = 10 379
Justert for alle
95 % KI
Justert for alle + PCI
95 % KI
Mann
1,06
0,90 – 1,24
1,12
0,95 – 1,31
18 – 49 år
0,05
0,02 – 0,09
0,08
0,04 – 0,16
50 – 54 år
0,02
0,01 – 0,06
0,04
0,02 – 0,11
55 – 59 år
0,02
0,01 – 0,05
0,03
0,01 – 0,08
60 – 64 år
0,05
0,03 – 0,08
0,08
0,05 – 0,14
65 – 69 år
0,09
0,06 – 0,15
0,15
0,10 – 0,25
70 – 74 år
0,17
0,12 – 0,24
0,25
0,18 – 0,37
75 – 79 år
0,27
0,21 – 0,36
0,38
0,28 – 0,50
80 – 84 år
0,49
0,39 – 0,62
0,60
0,47 – 0,75
85 – 89 år
0,69
0,56 – 0,86
0,75
0,61 – 0,93
> 90 år
Ref.
Ref.
Transmurale førstegangsinfarkt
Ref.
Ref.
Subendokardiale førstegangsinfarkt
0,52
0,43 – 0,63
0,40
0,33 – 0,49
Spesifisert lokalisert annengangsinfarkt
1,09
0,80 – 1,47
0,88
0,64 – 1,20
Uspesifisert lokalisert annengangsinfarkt
0,68
0,54 – 0,86
0,52
0,41 – 0,66
Hypertensjon
0,82
0,69 – 0,98
0,82
0,68 – 0,98
Koronar hjertesykdom
0,74
0,59 – 0,92
0,74
0,59 – 0,93
Hjerteflimmer
1,19
0,92 – 1,54
1,15
0,89 – 1,48
Hjertesvikt
1,54
1,18 – 2,00
1,48
1,13 – 1,92
Diabetes mellitus
1,22
1,01 – 1,48
1,19
0,98 – 1,45
Aterosklerose
1,53
0,99 – 2,36
1,49
0,97 – 2,31
Kreft
2,08
1,41 – 3,06
1,88
1,28 – 2,77
Kols/astma
0,92
0,76 – 1,12
0,88
0,72 – 1,07
Demens
1,90
1,47 – 2,45
1,71
1,33 – 2,21
Depresjon
1,15
0,94 – 1,41
1,10
0,90 – 1,35
Parkinsons sykdom
1,13
0,63 – 2,00
1,03
0,58 – 1,83
Mentale lidelser
1,93
1,34 – 2,77
1,90
1,31 – 2,74
Nyresvikt
1,75
1,28 – 2,39
1,65
1,20 – 2,26
Alkoholisme
1,10
0,38 – 3,17
0,92
0,32 – 2,66
Hjerneslag
1,42
1,04 – 1,93
1,32
0,97 – 1,79
Inntekt kr 0 – 150 000
Ref.
Ref.
Kr 150 000 – 300 000
0,81
0,68 – 0,97
0,82
0,68 – 0,98
Kr 300 000 – 500 000
0,69
0,49 – 0,98
0,72
0,51 – 1,03
Over kr 500 000
0,90
0,51 – 1,59
0,91
0,52 – 1,62
Formue kr 0 – 150 000
Ref.
Ref.
Kr 150 000 – 300 000
0,89
0,71 – 1,11
0,90
0,71 – 1,13
Kr 300 000 – 500 000
0,91
0,73 – 1,15
0,92
0,73 – 1,16
Over kr 500 000
0,93
0,74 – 1,18
0,93
0,74 – 1,18
Utdanning grunnskole
Ref.
Ref.
Videregående
0,91
0,77 – 1,07
0,90
0,77 – 1,06
Universitet/ høyskole
0,86
0,63 – 1,17
0,90
0,66 – 1,23
Uføretrygd før 2008
1,73
1,19 – 2,49
1,64
1,13 – 2,37
Reiseavstand 0 – 60 min
Ref.
Ref.
60 – 120 min
1,07
0,85 – 1,35
1,05
0,83 – 1,33
120 – 180 min
1,16
0,83 – 1,62
1,12
0,80 – 1,57
Over 180 min
1,50
0,97 – 2,31
1,40
0,90 – 2,17
PCI etter 14 dager
0,24
0,19 – 0,31
Akershus universitetssykehus
Ref.
Ref.
Asker og Bærum
0,47
0,23 – 0,94
0,49
0,24 – 0,99
Bergen
0,86
0,58 – 1,28
0,98
0,66 – 1,46
Buskerud
0,93
0,60 – 1,44
0,93
0,60 – 1,45
Finnmark
0,69
0,33 – 1,44
0,73
0,35 – 1,54
Fonna
0,58
0,33 – 1,02
0,67
0,38 – 1,16
Førde
0,66
0,35 – 1,23
0,68
0,36 – 1,28
Helgeland
0,59
0,28 – 1,27
0,64
0,30 – 1,38
Innlandet
0,84
0,56 – 1,27
0,81
0,54 – 1,22
Nord-Trøndelag
0,66
0,38 – 1,17
0,65
0,37 – 1,15
Nordland
0,48
0,25 – 0,94
0,49
0,25 – 0,97
Nordmøre og Romsdal
0,41
0,21 – 0,81
0,43
0,22 – 0,85
Oslo
0,64
0,43 – 0,94
0,65
0,44 – 0,95
Stavanger
0,94
0,60 – 1,47
1,19
0,75 – 1,87
Sunnmøre
0,42
0,22 – 0,81
0,41
0,21 – 0,81
Sør-Trøndelag
0,81
0,52 – 1,24
0,82
0,53 – 1,27
Sørlandet
0,98
0,61 – 1,58
1,06
0,65 – 1,71
Universitetssykehuset Nord-Norge
0,67
0,39 – 1,15
0,77
0,44 – 1,35
Vestfold
0,91
0,59 – 1,42
0,96
0,62 – 1,50
Østfold
0,87
0,56 – 1,36
0,89
0,57 – 1,39
Tabell 6 Andel døde etter 30 dager med 95 % konfidensintervall (95 % KI), ujustert (N = 10 717), justert for alder og kjønn (N = 10 717) samt justert for alle kovariater (alder, kjønn, type hjerteinfarkt, komorbiditet, avstand og sosioøkonomiske faktorer, N = 10 379). Tallene er angitt i prosent
Helseforetak
Ujustert
95 % KI
Justert alder kjønn
95 % KI
Justert for alle
95 % KI
Akershus universitetssykehus
9,0
6,7 – 11,3
9,9
7,5 – 12,3
10,9
8,0 – 13,8
Asker og Bærum
5,2
2,2 – 8,3
4,3
1,9 – 6,8
5,8
2,5 – 9,1
Bergen
9,3
7,3 – 11,2
9,2
7,3 – 11,0
9,7
7,5 – 11,8
Buskerud
8,6
6,4 – 10,8
9,3
7,0 – 11,6
10,3
7,7 – 12,9
Finnmark
8,1
4,5 – 11,7
9,7
5,7 – 13,7
8,1
4,1 – 12,1
Fonna
6,9
4,6 – 9,3
6,8
4,6 – 9,0
7,0
4,5 – 9,5
Førde
12,5
8,5 – 16,7
10,2
7,0 – 13,5
7,8
4,7 – 10,8
Helgeland
9,1
4,9 – 13,4
9,2
5,1 – 13,4
7,1
3,3 – 10,9
Innlandet
9,2
7,4 – 10,9
9,0
7,4 – 10,7
9,5
7,7 – 11,3
Nord-Trøndelag
7,9
5,0 – 10,8
8,3
5,3 – 11,1
7,8
5,0 – 10,7
Nordland
8,1
5,2 – 11,0
7,8
5,1 – 10,5
6,0
3,3 – 8,6
Nordmøre og Romsdal
7,6
4,5 – 10,6
6,8
4,1 – 9,4
5,2
2,8 – 7,6
Oslo
8,1
6,5 – 9,7
7,2
5,8 – 8,6
7,6
5,8 – 9,3
Stavanger
8,5
6,2 – 10,8
9,7
7,2 – 12,2
10,3
7,5 – 13,2
Sunnmøre
8,3
5,3 – 11,1
7,0
4,6 – 9,4
5,2
2,9 – 7,6
Sør-Trøndelag
8,6
6,3 – 10,7
8,8
6,6 – 10,9
9,2
6,8 – 11,5
Sørlandet
9,3
6,6 – 12,1
10,0
7,2 – 12,8
10,7
7,6 – 13,8
Universitetssykehuset Nord-Norge
8,6
6,0 – 11,1
9,1
6,5 – 11,6
7,8
5,3 – 10,4
Vestfold og Telemark
8,5
6,8 – 10,2
9,0
7,3 – 10,8
10,1
8,0 – 12,3
Østfold
9,1
7,0 – 11,1
9,6
7,5 – 11,7
9,8
7,4 – 12,1
Hele landet
8,6
8,1 – 9,1
Tabell 7 Andel døde etter 30 dager med 95 % konfidensintervall (95 % KI), justert for alle kovariater (alder, kjønn, type hjerteinfarkt, komorbiditet, avstand og sosioøkonomiske faktorer) og perkutan koronar intervensjon (PCI) etter 14 dager. N = 10 379. Tallene er angitt i prosent
Helseforetak
30 d
95 % KI
Akershus universitetssykehus
10,5
7,7 – 13,3
Asker og Bærum
5,8
2,6 – 9,1
Bergen
10,4
8,1 – 12,6
Buskerud
9,9
7,5 – 12,4
Finnmark
8,2
4,2 – 12,2
Fonna
7,6
4,9 – 10,2
Førde
7,7
4,7 – 10,7
Helgeland
7,3
3,5 – 11,2
Innlandet
8,9
7,2 – 10,6
Nord-Trøndelag
7,4
4,7 – 10,1
Nordland
5,9
3,3 – 8,5
Nordmøre og Romsdal
5,2
2,8 – 7,6
Oslo
7,4
5,7 – 9,1
Stavanger
11,9
8,8 – 15,1
Sunnmøre
5,0
2,8 – 7,3
Sør-Trøndelag
9,0
6,7 – 11,2
Sørlandet
11,0
7,8 – 14,1
Universitetssykehuset Nord-Norge
8,5
5,8 – 11,3
Vestfold og Telemark
10,2
8,0 – 12,3
Østfold
9,6
7,3 – 11,9
Hele landet
8,6
8,1 – 9,1
Forekomsten av perkutan koronar intervensjon og/eller åpen hjerteoperasjon etter to og 14 dager fordelt på aldersgruppe og helseforetak viste at førstnevnte behandling gjennomgående var vanligere i helseforetakene som har eget PCI-senter enn i de andre foretakene (e-tab 8).
Tabell 8 Beskrivelse av behandling. Perkutan koronar intervensjon (PCI) etter 2 og 14 dager, PCA = PCI og/eller åpen hjerteoperasjon etter 2 og 14 dager etter aldersgruppe (18 – 79 år/> 80 år) og helseforetak. Tallene er angitt i prosent
Helseforetak
PCI 2 d
18 – 79
PCI 2 d
> 80
PCI 14 d
18 – 79
PCI 14 d
> 80
PCA 2 d
18 – 79
PCA 2 d
> 80
PCA14 d
18 – 79
PCA 14 d
> 80
Akershus universitetssykehus
46,1
8,7
54,3
13,8
46,1
9,2
60,7
14,9
Asker og Bærum
45,2
11,6
48,7
20,0
46,1
11,6
59,1
20,0
Bergen
50,4
13,1
68,5
24,5
51,6
13,1
73,3
24,8
Buskerud
43,7
8,1
52,5
10,2
45,3
8,1
59,9
12,6
Finnmark
27,2
11,7
45,1
18,3
30,2
11,7
56,8
23,3
Fonna
37,0
12,9
54,5
19,9
38,3
12,9
60,4
20,5
Førde
33,6
8,1
55,0
10,6
34,4
8,1
60,3
10,6
Helgeland
23,5
0,0
54,6
10,7
26,9
0,0
75,6
16,1
Innlandet
32,6
4,4
47,8
9,7
34,3
4,6
54,0
10,8
Nord-Trøndelag
30,9
5,3
48,4
8,0
32,7
5,3
58,1
8,8
Nordland
16,3
2,3
44,7
9,1
18,1
2,3
57,7
11,5
Nordmøre og Romsdal
30,1
3,4
53,5
7,6
32,0
3,4
55,8
9,3
Oslo
44,4
10,7
51,8
13,2
45,3
10,7
55,7
13,4
Stavanger
71,7
32,3
73,5
32,9
72,5
32,3
75,8
32,9
Sunnmøre
18,9
1,9
40,0
4,5
22,7
1,9
48,6
5,8
Sør-Trøndelag
59,4
7,4
66,1
8,8
61,0
7,4
69,7
9,3
Sørlandet
61,0
12,2
67,2
17,3
64,1
12,2
74,1
19,4
Universitetssykehuset Nord-Norge
49,8
15,9
64,4
23,6
55,0
16,6
76,7
28,0
Vestfold og Telemark
43,3
10,8
51,6
17,6
44,4
10,8
61,2
18,5
Østfold
43,6
4,1
57,2
11,8
46,8
4,1
64,4
14,6
Hele landet
43,4
9,5
56,0
14,7
45,2
9,6
63,0
16,0
Den ujusterte modellen hadde en AUC-verdi på 0,53, det vil si på nivå med myntkast. Da vi la til alder og kjønn, steg verdien til 0,76. Den steg videre til 0,80 da vi inkluderte type hjerteinfarkt, komorbiditeter, sosioøkonomiske variabler og reiseavstand, og til 0,81 da vi også inkluderte perkutan koronar intervensjon etter 14 dager.
Diskusjon
Bruk av kvalitetsbasert finansiering, der data om overlevelse inngår i kvalitetsindikatorene, kan føre til at sykehusene oppmuntres til å behandle pasienter der det er grunn til å forvente gode resultater. Dersom det ikke blir kontrollert for bakgrunnsvariabler, vil dette kunne føre til feilallokering av ressurser. Manglende risikojustering kan derfor være til ulempe både for pasienter med alvorlig sykdom som er vanskelig å behandle og for sykehusene som behandler disse pasientene. For eksempel er det vist at introduksjon av kvalitetsindikatorer for hjertekirurgi i New York og Pennsylvania førte til seleksjon av pasienter blant sykehusene (18 ).
I modellen som er benyttet til kvalitetsbasert finansiering i Norge, er det ikke klargjort hvordan risikojusteringen er foretatt (3 ). Målet med denne studien var derfor å undersøke hvordan ulike former for risikojustering påvirket predikert dødelighet – med pasienter utskrevet med diagnosen akutt hjerteinfarkt som eksempel.
Hovedkonklusjonene fra analysen er at kjønn, alder, komorbiditet, uførhet og reisetid er kandidater til variabler det bør justeres for. Andre variabler som vi ikke har hatt tilgang til, for eksempel informasjon om genetiske forhold (19 ), kan i tillegg være relevante. De sosioøkonomiske variablene ga mindre bidrag til risikojusteringen etter at de førstnevnte variablene var inkludert.
Selv om denne analysen har begrenset statistisk styrke og det var få konfidensintervaller for enkelthelseforetak som ikke dekket landsgjennomsnittet for 30-dagersdødelighet, så er endringene som følge av risikojusteringene viktige for hvordan ressurser gjennom kvalitetsbasert finansiering allokeres. Den estimerte dødeligheten ble betydelig endret for pasienter i opptaksområdene til helseforetakene Asker og Bærum, Stavanger, Sunnmøre, Nordmøre og Romsdal og også Førde når flere variabler ble inkludert. Analysens hovedkonklusjon er derfor at man bør kontrollere for et bredt spekter av bakenforliggende variabler både når kvalitetsinformasjon offentliggjøres og når kvalitetsindikatorer skal benyttes som grunnlag for finansieringssystemet.
I den normative debatten om hvordan kvalitetsbaserte finansieringssystemer skal utformes, stilles det blant annet spørsmål ved om prosedyrebruk skal inngå som kvalitetsindikator (20 ). Den eneste variabelen vi hadde med i analysen som kan knyttes til behandlingen ved helseforetaket, var perkutan koronar intervensjon.
To forhold gjør at det ikke er åpenbart at belønning for denne type behandling er en god løsning: Det kan lede til overbehandling og det vil gi geografisk skjevfordeling av ressurser som følge av dagens PCI-senterstruktur, da metoden er vanligere i helseforetak som har PCI-senter enn i helseforetak som ikke har noe slikt senter. Dette gjelder også for perkutan koronar intervensjon etter 14 dager og reflekterer både mulighetene for akuttbehandling med metoden og den forventede effektiviteten av slik behandling etter akuttfasen. Listen over prosedyrer som kan tas med i analysen kan imidlertid utvides. For hjerteinfarktpasienter kan rehabilitering, kontroller og medikamentbruk være relevante prosedyrevariabler.
Mens beslutningen om perkutan koronar intervensjon tas på klinisk nivå i sykehuset, vil flere andre variabler kunne påvirkes på lokalt eller regionalt nivå i helseforetakssystemet. Ett eksempel er reisetid til PCI-senteret. Dersom lange avstander leder til høyere dødelighet og man velger å justere for avstander i en fordelingsmodell, kan dette isolert sett lede til at man premierer sentralisering av aktivitetene. Størrelsen på helseforetakene er et annet eksempel på forhold som kan påvirkes og som vil kunne innvirke på resultatene av den type analyser vi har gjort. Dersom analysene gjøres med utgangspunkt i helseforetakenes opptaksområder, vil store helseforetak isolert sett lede til mindre variasjon mellom foretakene enn flere små helseforetak.
Vår analyse representerer et eksempel på hvordan risikojustering kan gjennomføres for å gi grunnlag for kvalitetsbasert finansiering. Analysen har begrensninger. Ideelt sett burde vi brukt data fra flere år for å øke styrken. Resultatene viser likevel konfidensintervaller for enkelte helseforetak som ikke dekker landsgjennomsnittet hvis de har en dødelighet som ligger 3 – 4 % over eller under dette. Et viktig spørsmål som ikke er avklart, er hvor mye dødeligheten for det enkelte helseforetak skal avvike fra landsgjennomsnittet før det får effekt på budsjettildelingen til de regionale helseforetakene.
Data må også være så aktuelle som mulig, slik at de ansatte ved sykehusene kan se finansielle effekter av kvalitetsendringer i løpet av ett år eller to. Av praktiske årsaker, særlig den tiden det tar å få behandlet konsesjoner om datatilgang og å hente ut data, har vi her benyttet data fra 2009. Det har skjedd forbedringer i akuttberedskapen de siste årene. Resultatene av analysen kunne derfor ha blitt noe annerledes i dag. Reisetidsvariabelen vi har benyttet, kan også forbedres ved å inkludere data på pasientnivå fra databasen som registrerer informasjon om ambulanseturer (Akuttmedisinsk informasjonssystem, AMIS).
I denne studien har vi tatt utgangspunkt i helseforetakenes sørge-for-ansvar. Det innebærer at pasientens bostedsadresse avgjør hvilket helseforetak en pasient tilhører. Nasjonalt kunnskapssenter for helsetjenesten tar utgangspunkt i behandlingssted, vektet etter liggetid hvis det er flere behandlingssteder, i sine analyser av overlevelse og reinnleggelser ved norske sykehus.
Disse to ulike innfallsvinklene får konsekvenser for hvem som holdes ansvarlig for behandlingsutfallet for pasienten. Mens vi gir ansvaret til det helseforetak som i praksis har sørge-for-ansvaret for pasienten, gir Kunnskapssenteret ansvaret til det behandlingssted eller det helseforetak som faktisk utfører behandlingen. I kvalitetsbasert finansiering er det viktig å ha en gjennomtenkt oppfatning av om man vil velge den ene eller den andre innfallsvinkelen. Vi ser ingen grunn til at finansieringen på dette punkt skal avvike fra prinsippene som er valgt for finansiering av helseforetakene generelt.
