Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

Transkript

1 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger Arbejdsrapport I fra KViK-projektet Anne Hvenegaard Torben Højmark Sørensen Dansk Sundhedsinstitut November 2008

2 Dansk Sundhedsinstitut Dansk Sundhedsinstitut er en selvejende institution oprettet af staten, Danske Regioner og KL. Instituttets formål er at tilvejebringe et forbedret grundlag for løsningen af de opgaver, der påhviler det danske sundhedsvæsen. Til opfyldelse af formålet skal instituttet gennemføre forskning og analyser om sundhedsvæsenets kvalitet, økonomi, organisering og udvikling, indsamle, bearbejde og formidle viden herom samt rådgive og yde praktisk bistand til sundhedsvæsenet. Copyright Dansk Sundhedsinstitut 2008 Uddrag, herunder figurer, tabeller og citater er tilladt mod tydelig kildeangivelse. Skrifter der omtaler, anmelder, citerer eller henviser til nærværende publikation bedes tilsendt: Dansk Sundhedsinstitut Postboks 2595 Dampfærgevej København Ø Telefon Telefax Hjemmeside: ISBN (elektronisk version) Design: DSI

3 Forord KViK står for Kvalitetsudvikling i Karkirurgien og er et metodeudviklingsprojekt gennemført i samarbejde med Karbase, Dansk Karkirurgisk Selskab (DKKS), nordisk selskab for sygepleje inden for karkirurgi og de karkirurgiske afdelinger i Danmark repræsenteret i en styregruppe. Projektet er finansieret af Apotekerfonden, Det Kommunale Momsfond, Danske Regioner og Dansk Sundhedsinstitut. Først og fremmest tak til ledende overlæge Leif Panduro for udtræk fra Karbase og vedvarende råd og forklaringer til data fra Karbase. Også en speciel tak til de personer, der har været med til at skubbe projektet i gang og undervejs løbende har hjulpet med moralsk opbakning, udtræk og tolkning af data fra Karbase; overlæge Allan Kornmaaler Hansen (Aalborg Sygehus) og overlæge Leif Panduro (Gentofte Hospital) som repræsentanter for henholdsvis DKKS og Karbase. Tak til Sundhedsstyrelsen ved kontorchef Poul Erik Hansen, der beredvilligt har stillet data fra Omkostningsdatabasen til vores rådighed. Tak til ansatte på de karkirurgiske afdelinger, som har hjulpet med dataindsamling, og sidst men ikke mindst til de personer, der har været repræsenteret i styregruppen og givet konstruktiv feedback under hele processen og som tålmodigt har ventet på, at det hele gav (mere) mening! Denne publikation har været gennem internt review ved professor, forskningsleder Dorte Gyrd-Hansen og undertegnede. Den har ikke været i eksternt review. Jes Søgaard Direktør, professor Dansk Sundhedsinstitut Forord 3

4 4 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

5 Indholdsfortegnelse Forord... 3 Sammenfatning og konklusion Formål Baggrund Definition af produktivitet og effektivitet Produktivitetsanalyser i Danmark Kort om KViK-projektet og dets historie Afrapportering af det samlede projekt Læsevejledning Organisering af projektet Data Data fra Omkostningsdatabasen Data fra Karbase Data fra e-sundhed Samkøring af data fra Omkostningsdatabasen og fra Karbase Metoder Brøkmetoden Regressionsmetoder Risikojustering af omkostninger og kvalitet Risikojustering af produktivitet (OLS regression) Produktivitet ved SFA-metoden Patient- eller afdelingsmæssige årsager til variationer Sammenhæng mellem kvalitet og omkostninger Omkostninger forbundet med død og sårinfektioner på patientniveau Sammenhæng mellem omkostninger og kvalitet på afdelingsniveau Resultater Lidt deskriptiv statistik: Gns. omkostninger og patientkarakteristika Produktivitet ved forskellige nøgletal og brøk Produktivitet ved regressionsbaseret teknik Risikojustering Produktivitet ved OLS regression Produktivitet ved SFA-metoden Delsammenfatning omkring produktivitet Sammenligning af kvaliteten Indholdsfortegnelse 5

6 5.5.1 Regressionsmodel for alle patienter Mortalitet og sårinfektioner på de enkelte afdelinger Kvalitet og omkostninger er der nogen sammenhæng? Sammenhæng mellem omkostninger og kvalitet på patientniveau Sammenhæng mellem omkostninger/produktivitet og kvalitet på afdelingsniveau Forskellige kriterier til vurdering af en afdeling Diskussion Litteratur Alfabetisk ordliste Bilag Bilag Bilag Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

7 Sammenfatning og konklusion Denne arbejdsrapport er en afrapportering af en del af benchmarkingprojektet Kvalitetsudvikling i Karkirurgien (KViK) primært rettet til de deltagende afdelinger. Formålet med rapporten er at dokumentere anvendte data, metoder og resultater for den del af KViK-projektet, der vedrører produktivitet og kvalitet på afdelingsniveau. Der er i rapporten ikke lagt vægt på en detaljeret gennemgang af metoderne, idet der henvises til relevante referencer, hvor metoderne er beskrevet. Projektets overordnede formål (arbejdsrapport I) er at gøre analyser af produktivitet og kvalitet mere relevante for beslutningstagere på afdelingsniveau ved at gennemføre analyserne på afdelingsniveau i dialog med de deltagende afdelinger. En del af projektets formål har således været at afprøve både traditionelle og nyere metoder for i samarbejde med de deltagende karkirurgiske afdelinger at undersøge, hvordan vi bedst laver meningsfulde analyser for de deltagende sygehusafdelinger. Vi vurderer at være nået et stykke på denne vej, men der er stadig områder, hvor vi kommer til kort både af metode- og datamæssige årsager. Der ligger også nogle fremadrettede udfordringer i at undersøge, hvilke yderligere forhold eller variable, som der skal tages højde for ved sammenligning af produktivitet eller omkostninger. Derudover er der de mere organisatoriske forskelle mellem afdelingerne eller sygehusene, som vi i dette projekt ikke statistisk kan teste for på grund af for få afdelinger, men hvor det med fordel kan undersøges nærmere, hvilken betydning en række forhold omkring organisering har for produktiviteten og måske også for kvaliteten. Samtidig er der problemer med sammenligneligheden af de forskellige registreringer på sygehusene, herunder hvordan forskellige procedurer på intensiv registreres, hvordan røntgenydelser registreres, samt endelig hvordan sygehusene bruger forskellige fordelingsnøgler til fordeling af fx røntgenudgifter til de sengebærende afdelinger. Det er specielt dialogen med afdelingerne, som har bragt sådanne forskelligheder frem i valideringen af data og i fortolkningen af resultaterne. Delformål 1: Beregning af produktivitet ved flere metoder Grundlæggende er formålet at tage højde for forskelle i patientsammensætningen, således at den forskel, som findes i produktiviteten (eller i kvaliteten), ikke udtrykker forskelle i patientsammensætningen, men derimod mere reelt afspejler de enkelte afdelingers formåen. Hvis der ikke tages højde for de relevante patientkarakteristika er der således risiko for, at de observerede forskelle i virkeligheden er udtryk for forskelle i patienttyngde. Vi har i dette projekt forsøgt at undersøge, hvordan vi bedst gør dette. Som noget nyt (i Danmark) har vi i projektet brugt nogle metoder, som har gjort det muligt at undersøge, hvorvidt der faktisk er signifikante forskelle i produktiviteten mellem afdelingerne. Ved en opgørelse baseret på alle patienter blev der fundet signifikante forskelle i produktiviteten mellem afdelingerne. Afdelingerne kan inddeles i fire grupper af afdelinger, hvor der er signifikante forskelle mellem grupperne, men således ikke internt i de enkelte grupper. Kolding, Skejby og Viborg kommer her ud med en signifikant højere produktivitet end de øvrige afdelinger. Ved opgørelse af produktiviteten på patienter, som er registreret i Karbase (ca. 2/3 af alle patienter) indskrænkes forskellene mellem afdelingerne, idet afdelingerne her kun kan inddeles i 2-3 grupper af afdelinger (Aalborg ligger lige midt imellem), hvor den ene gruppe er signifikant bedre end den anden gruppe af afdelinger. Her er det Kolding og Viborg (dog ikke i forhold til Gentofte), der er signifikant bedre end de øvrige afdelinger. Dette er efterfulgt af Gentofte, der kun har en signifikant lavere produktivitet end Kolding (men samme som Viborg). Ellers har Gentofte en signifikant højere produktivitet end de øvrige afdelinger. Heller Sammenfatning og konklusion 7

8 ikke her kan der siges at være forskel internt i de to grupper. Årsagen til, at der er færre forskelle mellem afdelingerne i opgørelsen baseret på Karbase skyldes sandsynligvis, at der er en relativt større andel af patienterne, som falder inden for deres kerneaktivitet, og derved sandsynligvis er mere homogene, eller at behandlingen inden for kerneaktiviteten mere ligner hinanden på tværs. De patienter, som ikke falder inden for den karkirurgiske kerneaktivitet, giver således anledning til en større spredning i resultaterne på tværs af afdelinger. I opgørelsen baseret på alle patienter, falder ca. halvdelen af patienterne inden for en af de 10 kerne-drg er (som er defineret af afdelingerne selv), og den anden halvdel af patienterne under øvrige (se bilag 1). Der er kun mindre variationer mellem afdelingerne. Viborg og Slagelse har her dog en lidt større procentdel af deres patienter inden for de 10 kerne-drg er. Tilsvarende gælder, når opgørelsen er baseret på patienter fra Karbase. Produktiviteten beregnet ved brøkmetoden kommer ud med et resultat, som ligner resultatet ved SFA-metoden baseret på patienter fra Omkostningsdatabasen (dvs. alle patienter). Forskellen er dog, at vi ved SFAmetoden har beregnet konfidensintervaller samt taget højde for lidt flere patientkarakteristika. Betydningen af, hvilket datasæt (hvilket patientgrundlag) beregning af produktiviteten foretages på er således væsentlig. Der er afdelinger, der kommer relativt dårligere/bedre ud i analyser baseret på hhv. Omkostningsdatabasesæt og Karbasedatasæt. Gentofte kommer bedre ud i analyser baseret på data (patienter) fra Karbase, mens det modsatte gælder for Skejby. Tilsvarende gælder, at Slagelse forbedrer sin relative produktivitet i analyser baseret på data fra Karbase. Der er dog to afdelinger Kolding og Viborg, som falder relativt godt ud i alle analyser af produktiviteten (og omkostningerne). Der er dog ikke umiddelbart et klart mønster eller specielle karakteristika ved disse afdelinger, som kan forklare, hvorfor de klarer sig relativt godt. Spørgsmålet er dog, om det er de mere indirekte parametre som måden at organisere sig på som har betydning for, at en afdeling kommer relativt bedre ud. Fx er det spørgsmålet, om måden at organisere sig på har en indirekte betydning for, hvordan behandlingen kan planlægges og gennemføres. Både Kolding og Viborg er afdelinger placeret på et centralsygehus, som traditionelt er faldet relativt bedre ud i produktivitetssammenligninger. Begge varetager driften af en søsterafdeling samt en række ude-ambulatorier bemandet med karkirurgiske sygeplejersker. Delformål 2: Risikojustering tage højde for patientkarakteristika Formålet med at inddrage data fra Karbase om patientkarakteristika i produktivitetsmålingerne har været at gennemføre en mere nuanceret benchmarking, hvor der tages højde for forhold, der så at sige er uden for afdelingernes kontrol (herefter benævnt risikojustering). Anvendelsen af data fra Karbase har betydning for sammenligning af kvaliteten på tværs af afdelinger. Analyserne har vist, at hvis der tages højde for en lang række variable fra Karbase, så mindskes forskellene i 30 dages mortaliteten. Antallet af sårinfektioner er i forvejen for få til, at der kan siges noget med statistisk sikkerhed. Måling af kvalitet på afdelingsniveau er imidlertid vanskeligt primært på grund af, at de tilgængelige data på kvalitet alene hver især omfatter et mindre antal af en afdelings patienter. Fx er 30 dages mortaliteten kun en relevant kvalitetsindikator for visse patientgrupper på en afdeling. Det vil derfor fremadrettet være relevant at undersøge, hvilken effekt forskellige grader af risikojustering har på såkaldte kombinerede end-points. Ved risikojustering på omkostningssiden har anvendelsen af variable omkring patientkarakteristika fra Karbase ikke så stor forklarende betydning for variationer i omkostninger mellem afdelingerne. Analyserne har dog vist, at der er en række variable fra Karbase (fx rygere, akut og lungesygdom), som udover de mere traditionelt tilgængelige data som case-mix justering (DRG), alder og køn har signifikant betydning for omkostningerne. En udvidelse af risikojusteringen fra de traditionelt tilgængelige variable (alder, køn og en case-mix justering) til også at omfatte patientkarakteristika som rygning, akut, comorbiditet etc. øger imidlertid ikke forklaringsgraden af variationer i omkostninger. Det betyder, at der fremadrettet ligger en udfordring i at undersøge hvilke variable, der kan bruges til risiko- 8 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

9 justering på omkostningssiden. Det kunne eksempelvis dreje sig om de mere socioøkonomiske variable, herunder bl.a. patienternes indkomst, uddannelse, og hvorvidt de bor alene. Der ligger således en fremadrettet udfordring i at undersøge, hvilke variable der kan bruges til at risikojustere på omkostningssiden, således at der kan tages bedre højde for særligt komplicerede patienter, herunder særligt dyre patienter. Noget tyder på, at der ikke sker tilstrækkelig risikojustering af omkostninger på en specialiseret afdeling som fx på Rigshospitalet. I forlængelse af dette er der også behov for øget viden om, hvilken betydning de mere organisatoriske forhold som størrelse, specialiseringsgrad og det rent strukturelle i, hvordan fx ambulatorier er organiseret og bemandet etc. Spørgsmålet er, om der er variable i Karbase, som vi ikke hidtil har anvendt i en risikojustering, som vil kunne bruges til en yderligere case-mix justering (antal indgreb pr. indlæggelse/operation, udførte procedurer etc.)? Delformål 3: Undersøge for sammenhænge mellem omkostninger og kvalitet Vi har undersøgt, hvorvidt der er en sammenhæng mellem produktivitet og kvalitet ud fra to dimensioner. Første dimension var at undersøge, hvorvidt patienter, der dør eller har haft sårinfektioner, koster mere eller mindre end patienter, som henholdsvis ikke dør eller ikke har haft sårinfektioner. Anden dimension var at undersøge på afdelingsniveau, hvorvidt afdelinger, der koster mere eller har lavere produktivitet, har højere eller lavere kvalitet. En ujusteret (dvs. uden nogen forklarende variable) sammenligning af omkostninger for henholdsvis døde/ikke døde patienter og patienter med og uden sårinfektioner viser, at patienter, som dør, i gennemsnit koster ca kr. mere end patienter, som ikke dør. Patienter, som har haft sårinfektioner, koster i gennemsnit ca kr. mere end patienter, som ikke har haft sårinfektioner. Når der tages højde for en række patientkarakteristika gælder stadig, at patienter, som dør eller har sårinfektioner, er dyrere end øvrige patienter. Denne tendens er dog stærkest for patienter, som dør. Vores analyser har vist, at der er forskelle i produktivitet på de karkirurgiske afdelinger også selv om der tages højde for forskelle i patient case-mix. Disse forskelle kan imidlertid heller ikke forklares ved forskelle i kvalitet, idet der nærmere ses en tendens til, at afdelinger med højere produktivitet (eller lavere omkostninger) har en bedre kvalitet i hvert fald målt ved antal sårinfektioner. For sårinfektioner tyder noget således på, at afdelinger, der har et lavere antal sårinfektioner end forventet, samtidig har lavere omkostninger. Dette indikerer, at højere kvalitet i form af et lavere antal sårinfektioner end forventet ud fra patient case-mix er negativt relateret til omkostninger forstået således, at højere kvalitet er forbundet med lavere omkostninger. Vores analyser af sammenhængen mellem produktivitet og kvalitet målt ved 30 dages mortaliteten kunne derimod tyde på, at højere kvalitet (i form af lavere 30 dages mortalitet) ikke nødvendigvis er omkostningsrelateret. Der er en del variation i sammenhængen mellem kvalitet og omkostninger mellem afdelingerne, både hvad angår sårinfektioner og 30 dages mortaliteten. For sammenhængen mellem omkostninger og kvalitet ved 30 dages mortaliteten forholder det sig omvendt i forhold til ved sårinfektioner. Her er højere kvalitet (lavere end 30 dages mortalitet) forbundet med højere omkostninger. Der er imidlertid tale om en meget svag sammenhæng, hvorfor det kan diskuteres, hvorvidt højere kvalitet i form af 30 dages mortalitet overhovedet er omkostningsrelateret. Endelig bør det noteres, at der kun er tale om syv afdelinger, hvorfor der i sagens natur kun kan tales om trends og ikke statistisk signifikante sammenhænge, både hvad angår sårinfektioner og 30 dages mortalitet. Der kan udelukkende peges på en tendens i data, samtidig med at der kan peges på behovet for yderligere analyser baseret på et større datagrundlag. Når man sammenligner på afdelingsniveau, vil antallet af afdelinger imidlertid ofte være en afgørende præmis, da antallet af afdelinger inden for et givet speciale ofte er lavt. Antallet af afdelinger gør resultaterne følsomme over for outliers (ekstremt dyre patienter), hvilket især var tilfældet for analyser af sammenhængen mellem produktivitet og kvalitet målt ved 30 dages mortaliteten. Det skal dog samtidig Sammenfatning og konklusion 9

10 bemærkes, at afdelingerne selv peger på, at sårinfektioner ikke er registreret lige fyldestgørende på tværs af afdelingerne. Delformål 4: Problemer forbundet med anvendelsen af retrospektive data Et formål har været at undersøge muligheder og begrænsninger i at anvende retrospektive data både kliniske og administrative (omkostningsdata), herunder både mulighederne og begrænsningerne i at samkøre data fra forskellige registre samt muligheder og begrænsninger ved anvendelsen af forskellige metoder. Hvordan udnyttes data bedst, så det kan give en relevant information tilbage til afdelingerne? Det største problem ved at anvende retrospektive data har været de begrænsninger, der ligger i, at data fra Karbase kun omfatter mellem 50 og 75 % af de samlede udskrivninger på en afdeling. Dette skyldes, at Karbase alene registrerer patienter, der har fået foretaget en aktiv behandling og er således ikke udtryk for manglende datakomplethed i Karbase. Det betyder, at der ikke kan laves analyser med brug af Karbasedata på alle patienter. Et andet stort problem har været forskelle i registreringer på de forskellige afdelinger, herunder både forskelle i praksis for, hvordan der registreres, og hvor fyldestgørende der registreres. Et tredje problem har været, at der ikke er data for alle afdelinger i Omkostningsdatabasen, og der ikke er data for den ambulante aktivitet for den ene af de deltagende afdelinger (Skejby). Endelig er et fjerde problem, at der for mindst en af de deltagende afdelinger (Slagelse) lader til at være forskelle i omkostninger, som delvist ser ud til at skyldes en relativ dyr røntgenafdeling. Dette skyldes sandsynligvis noget regnskabsteknisk ved den måde, som sygehuset har fordelt deres omkostninger på via fordelingsregnskabet. Det har ikke været muligt at finde et svar på, hvad de uforholdsmæssigt høje røntgenudgifter på den pågældende afdeling skyldes, idet der ikke lader til at være systematiske forskelle i forbruget af røntgenydelser i den stikprøve, som blev udtaget til nærmere analyser. Den største fremadrettede udfordring ligger således i at få etableret et mere sammenligneligt datagrundlag på omkostningssiden. Noget af forklaringen i forskellen i omkostninger mellem afdelingerne, herunder priser på tværgående ydelser skyldes formentlig, at der rent faktisk er en forskel i udgiftsniveauet, men en del af forklaringen kan således også ligge i, at sygehusene anvender forskellig registrerings- og regnskabspraksis. Afsluttende bemærkninger Vores analyser af produktivitet og kvalitet har vist, at der ikke er tale om nogen eksakt videnskab. Resultaterne afhænger ofte af, hvilke metoder der anvendes, og af hvilket mål (fx omkostninger, 30 dages mortalitet eller sårinfektioner), der sammenlignes samt endelig af hvilket datagrundlag (fx alle patienter eller patienter registreret i Karbase), som analyserne er baseret på. Resultaterne peger således på en meget vigtig pointe nemlig at man bør være meget varsom med at sammenligne sygehusafdelinger på en enkelt dimension. I stedet bør det tilstræbes at sammenligne en bredere vifte af indikatorer eller mål. Tilsvarende bør man være opmærksom på, at den valgte metode bedst udnytter de tilgængelige data, herunder at der tages højde for så mange faktorer som muligt, som ligger uden for afdelingernes kontrol. Det bør også bemærkes, at der formentlig vil være variationer mellem forskellige år i både omkostninger og kvalitet. De forskellige årsrapporter fra Karbase viser således også store variationer mellem årene. Endelig bør det understreges, at en forbedret sammenligning på tværs af sygehuse og sygehusafdelinger klart er afhængig af, at man fremadrettet arbejder videre med en yderligere standardisering af sygehusenes registrerings- og regnskabspraksis. Dette arbejdes der (fortsat) på at forbedre. 10 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

11 1. Formål Det overordnede formål er at forsøge at gøre produktivitetsanalyser mere relevante for de enheder, som benchmarkes i forhold til de analyser, der hidtil er gennemført hovedsageligt fra de centrale myndigheders side på sygehusniveau. Et første skridt i den retning er at gennemføre analyser på et mindre aggregeret niveau nemlig afdelingsniveau. Formålet har været at gennemføre projektet i dialog og samarbejde med de karkirurgiske afdelinger. Dette for dels at sikre, at afdelingernes kompetence og indsigt i egne forhold blev anvendt i sammenhæng med benchmarkingen, dels for at medvirke til, at der blev skabt en fælles forståelse af, hvordan resultaterne af benchmarkingen skulle fortolkes og efterfølgende formidles ud. Det har ligeledes været en grundliggende antagelse i projektet, at netop dialogen med afdelingerne om metoder og tolkning af resultater er afgørende for, at der fremkommer valide resultater. Derudover forventes det at være en forudsætning for, at resultaterne accepteres af de afdelinger, som sammenlignes, hvilket igen har betydning for, at analyserne overhovedet vil (eller kan) blive brugt i fremadrettet øjemed af afdelingerne. Der er i projektet formuleret fire delformål i målet efter at gøre produktivitetsanalyserne mere relevante: Det første delformål har været at beregne produktiviteten, herunder anvende den traditionelle metode (brøkmetoden) og sammenligne med en regressionsbaseret metode Stokastisk Frontier Analyse (SFA). Oprindelig var det formålet også at anvende Data Envelopment Analysis (DEA), men metoden viste sig mindre anvendelig på grund af et relativt lille antal afdelinger. Vi har derfor valgt ikke at afrapportere hverken beskrivelse af metode eller resultater fra DEA metoden. Traditionelt har man i Danmark ikke inddraget den usikkerhed, som der er forbundet med produktivitetsindeks, hvorfor det derfor ikke har været muligt at konstatere, hvorvidt de hidtidige forskelle mellem fx regioner, sygehuse eller sygehusafdelinger faktisk er statistisk signifikante. I dette projekt er der ud fra en regressionsbaseret metode (Stokastisk Frontier Analyse) beregnet konfidensintervaller omkring produktivitetsindeksene, således at dette netop er muligt at vurdere. Det andet delformål har været at undersøge, hvilken betydning risikojustering (tage højde for diverse patientkarakteristika) har for det relative niveau for omkostninger og kvalitet samt undersøge betydningen af at anvende risikojusteringsvariable ud over de traditionelle med hensyn til patientsammensætning som alder, køn og case-mix. Vinder vi så at sige noget ved i sammenligningen af omkostninger og/eller kvalitet mellem afdelingerne at tage højde for en udvidet række af risikofaktorer? Sigtet var således i videst muligt omfang at tage højde for forskelle i patientspecifikke forhold samt afdelings- eller sygehusspecifikke forhold. Et tredje delformål var at inddrage kvaliteten af behandlingen. Formålet går på ikke kun at betragte omkostninger i forhold til antal behandlede patienter (=produktivitetsanalyse), men at der også i videst muligt omfang tages højde for kvaliteten, gerne både i form af brugeroplevet kvalitet og den kliniske kvalitet. I dette projekt var formålet at undersøge, hvorvidt der er eventuelle sammenhænge mellem omkostninger og kvalitet ud fra to dimensioner. En dimension var at undersøge, hvorvidt patienter, der dør inden for 30 dage eller får sårinfektioner, koster mere eller mindre end øvrige patienter. En anden dimension var at undersøge, hvilke sammenhænge der er på afdelingsniveau, når der ses på forskelle i faktiske og forventede omkostninger og kvalitet og det indbyrdes forhold mellem disse. Hvordan forholder det sig fx med afdelinger, der har højere omkostninger end forventet? Har disse afdelinger så en højere kvalitet eller forholder det sig omvendt? Formål 11

12 Et fjerde delformål har været at finde ud af, hvor langt vi kunne nå med hovedsageligt registrerede kliniske og administrative data (dvs. retrospektive data). En del af dette formål har været at undersøge, hvordan vi bedst muligt udnytter data, herunder hvilke metoder der egner sig bedst. Et led i at gøre produktivitetsanalyser mere relevante har derfor været at undersøge, hvorvidt det er muligt at basere analyserne på et eksisterende datagrundlag og undersøge mulighederne for at koble data om ressourceforbrug (omkostninger) fra det mere administrative register: Omkostningsdatabasen i Sundhedsstyrelsen og den kliniske database, Karbase, der vedrører oplysninger om patientspecifikke forhold samt oplysninger om forskellige kvalitetsindikatorer. 12 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

13 2. Baggrund 2.1 Definition af produktivitet og effektivitet Produktivitet defineres som forholdet mellem det som produceres (output) og de ressourcer (input), der kræves for at producere et givent gode som fx antal behandlinger, udskrivninger eller ambulante besøg. Produktivitet fortæller os således noget om, hvor meget det koster at producere eksempelvis en udskrivning eller et ambulant besøg, men således ikke noget om effekten af behandlingen. Effektivitet derimod ser på forholdet mellem input og outcome, eller effekten af det output som produceres. Det betyder, at effektiviteten fortæller os noget om, hvad det koster at opnå en given effekt. Typiske outcomemål er mortaliteten (overlevelse), livskvalitet eller sundhedstilstand. Ofte anvendes såkaldte kvalitetsindikatorer som belysning af den faglige kvalitet af de sundhedsfaglige kerneydelser: Diagnosticering, behandling, pleje, rehabilitering og forebyggelse. I dette projekt har vi anvendt 30 dages mortaliteten og sårinfektioner som henholdsvis outcomemål og kvalitetsindikator. 2.2 Produktivitetsanalyser i Danmark Traditionelt har man i Danmark anvendt den såkaldte brøkmetode til opgørelse af produktivitet i sygehussektoren. Brøkmetoden opgør output som DRG-produktionsværdi og input som de såkaldte tilrettede driftsudgifter for behandlingen (1-3). Fokus har hidtil tilsyneladende været på dokumentation af produktivitet frem for forklaring af forskelle. Samtidig har det indtil for nylig primært handlet om at sammenligne produktivitet på et aggregeret niveau som sygehus- eller amtsniveau. Ministeriet for Sundhed og Forebyggelse (tidligere Indenrigs- og Sundhedsministeriet) igangsatte i 2005 et program om offentliggørelse af produktivitetsmål i sundhedsvæsenet. Der er således kommet tre delrapporter om produktivitet på henholdsvis amts-, sygehus- og afdelingsniveau udarbejdet af Danske Regioner, H:S, Finansministeriet, Sundhedsstyrelsen og Ministeriet for Sundhed og Forebyggelse (1-3). Formålet med programmet er at skabe åbenhed og synlighed om produktivitetsforholdene. I programmet lyder det, at offentligt tilgængelige målinger skal stille skarpt på sygehusvæsenets præstationer og sætte fokus på de gode arbejdsgange. Formålet i dette projekt er for det første at gå ned på et mindre aggregeret niveau end hidtil nemlig afdelingsniveauet og for det andet at prøve at se på produktiviteten/omkostningerne i sammenhæng med kvaliteten. Baggrunden for at lave produktivitetsanalyser på afdelingsniveau frem for på sygehusniveau er, at sygehuset som enhed kan opleves som for generelt et mål eller for højt et aggregeringsniveau til, at afdelingen finder nogen mening i resultaterne. Målingerne bliver for aggregerede og uspecifikke et gennemsnit af æbler og bananer. Afdelingernes ledelser og medarbejdere kan derfor have svært ved at finde nogen særlig sammenhæng mellem årsagerne til et givet resultat og de virkemidler, der kunne bruges til at forbedre resultaterne. Baggrund 13

14 2.3 Kort om KViK-projektet og dets historie Hvad er KViK-projektet? KViK står for Kvalitetsudvikling i Karkirurgien og er et metodeforskningsprojekt gennemført i samarbejde med Karbase, Dansk Karkirurgisk Selskab (DKKS), nordisk selskab for sygepleje indenfor karkirurgi og de karkirurgiske afdelinger i Danmark repræsenteret i en styregruppe. KViK-projektet er et benchmarkingprojekt på karkirurgiske afdelinger af produktivitet, kvalitet og brugertilfredshed, dels på afdelingsniveau, dels for to udvalgte procedurer (elektiv PTA og elektiv operation for aorta aneurisme). Denne arbejdsrapport I omhandler alene produktivitet og kvalitet på afdelingsniveau. Vi har valgt at kalde projektet for dialogbaseret benchmarking, idet dialogen har været og er afgørende for at kunne gennemføre et projekt som KViK. Dialogbaseret benchmarking forstås her som en iterativ proces, hvor der har været fortløbende dialog om formål, spørgsmål, metoder, resultater og fortolkning. Det betyder, at Dansk Sundhedsinstitut som oplæg til styregruppemøderne har gennemført analyser, hvis metodeforudsætninger og resultater derefter er blevet fremlagt og diskuteret på styregruppemøderne, hvor alle afdelinger har været repræsenteret med mindst to personer. Diskussionen af analyseresultater har (ofte) ledt frem til, at Dansk Sundhedsinstitut har udarbejdet et nyt udkast, indtil der er opnået konsensus om såvel metode som tolkningen af resultaterne. Der har været en lang indledende fase forud for igangsættelse i år 2003 med præsentation på bestyrelsesmøde i Dansk Karkirurgisk Selskab (DKKS), der sagde ja til at indgå i et samarbejde med Dansk Sundhedsinstitut omkring benchmarking af karkirurgiske afdelinger. Aftalen blev, at man i samarbejde skulle definere indholdet i projektet. Dernæst præsenterede Dansk Sundhedsinstitut projektet på Karkirurgisk årsmøde oktober 2003, inden der blev gennemført en runde til alle afdelingerne, hvor projektets ide og formål blev diskuteret. I marts 2004 blev det første styregruppemøde afholdt som en heldags workshop. Efterfølgende har der været afholdt en lang række styregruppemøder (2-3 pr. år) samt en række møder med hver af afdelingerne. 2.4 Afrapportering af det samlede projekt KViK-projektet afrapporteres til de implicerede afdelinger i tre arbejdsrapporter; Arbejdsrapport 1 om produktivitet og kvalitet på karkirurgiske afdelinger, arbejdsrapport 2 om omkostninger og kvalitet ved to udvalgte patientforløb, og endelig arbejdsrapport 3 hvor erfaringer fra selve benchmarkingprocessen, herunder dialogen med afdelingerne, beskrives samt en form for evaluering af processen og konceptet. Et vigtigt element i afrapporteringen i arbejdsrapport 3 er at beskrive processen, og de vanskeligheder og sejre som vi er stødt på, herunder også en vurdering af, hvad det hele så er blevet brugt til af afdelingerne. Det tilstræbes, at hver arbejdsrapport kan læses uafhængigt af hinanden, hvilket samtidig betyder, at der kan forekomme noget overlap mellem de tre arbejdsrapporter. 2.5 Læsevejledning Denne rapport er en afrapportering om den del af projektet, der vedrører produktivitet og kvalitet på afdelingsniveau. Rapporten henvender sig først og fremmest til de deltagende afdelinger, men kan også læses af andre, som har interesse i produktivitetsmålinger og måling af kvalitet, herunder udnyttelse af de eksisterende registerdata og samkøring af data fra kliniske databaser og Omkostningsdatabasen. Da arbejdsrapporten først og fremmest henvender sig til de deltagende afdelinger, har vi valgt ikke at gå i dybden med beskrivelse af metoderne, men i stedet angivet relevante referencer til centrale kilder inden for den pågældende metode. Det er samtidig muligt at springe eventuelle formler over og i stedet læse forklaringen i teksten. 14 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

15 2.6 Organisering af projektet Projektet er et samarbejdsprojekt mellem Dansk Sundhedsinstitut, Dansk Karkirurgisk Selskab (DKKS), Karbase og de karkirurgiske afdelinger. Projektet er organiseret med en styregruppe med repræsentanter fra alle afdelinger, DKKS, Karbase og Dansk Sundhedsinstitut. Følgende personer fra de karkirurgiske afdelinger har været repræsenteret i projektets styregruppe: Ledende overlæge Leif Panduro (Gentofte Hospital og repræsentant for Karbase) Oversygeplejerske Margit Roed (Gentofte Hospital) Overlæge Allan Kornmaaler Hansen (Aalborg Sygehus og repræsentant for DKKS) Oversygeplejerske Susanne Kolding (Aalborg Sygehus) Overlæge Franz von Jessen (Rigshospitalet) Ledende overlæge Henrik Sillesen (Rigshospitalet) Afdelingssygeplejerske Margit Uhlyarik (Rigshospitalet) Overlæge Jørn Jepsen (Kolding Sygehus) Oversygeplejerske Annemarie Kaa Hansen (Kolding Sygehus) Specialeansvarlig overlæge Eskild Henneberg (Viborg Sygehus) Afdelingssygeplejerske Karen Gaarn-Larsen (Viborg Sygehus) Specialeansvarlig overlæge Birgit Wolff (Odense Universitetshospital) Afdelingssygeplejerske Else Jørgensen (Odense Universitetshospital og repræsentant for nordisk selskab for sygepleje inden for karkirurgien) Specialeansvarlig overlæge Max Greve (Slagelse Centralsygehus) Overlæge Jesper Lausten (Skejby Sygehus) Afdelingssygeplejerske Lisbeth Olesen (Skejby Sygehus) Indholdet i indeværende rapport er udarbejdet af Dansk Sundhedsinstitut, men har været forelagt og diskuteret i styregruppen. Projektleder på Dansk Sundhedsinstitut har været Anne Hvenegaard. I rapporten er der desuden bidrag fra en række øvrige medarbejdere på projektet: Jannie Kilsmark, Kim Rose Olsen, Jens Albæk, Torben Højmark Sørensen, Sofie Hartung Hansen og Signe Høngaard Andersen. Baggrund 15

16 16 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

17 3. Data Data til opgørelse af omkostningerne kommer (hovedsageligt) fra Omkostningsdatabasen i Sundhedsstyrelsen, mens data vedrørende patientspecifikke forhold og kvaliteten af behandlingen kommer fra Karbase (4). Oplysninger om DRG-værdien for de enkelte udskrivninger kommer fra e-sundhed. Alle data vedrører år Figur 1. Datakilder til måling af produktivitet Omkostningsdatabasen (SST) Karbase e-sundhed Karbase 3.1 Data fra Omkostningsdatabasen Data vedrørende omkostninger for sygehusbehandling er i dette projekt trukket fra Sundhedsstyrelsens Omkostningsdatabase. Omkostningsdatabasen indeholder oplysninger om sygehusenes aktiviteter i forbindelse med patientbehandling (operationer, røntgenundersøgelser, sengedage etc.), samt de samlede faktiske sygehusspecifikke udgifter hertil (se fx Ankjær et al, 2006 (5) for yderligere beskrivelse af Omkostningsdatabasen eller (6)). Oplysningerne i omkostningsdatabasen danner efterfølgende udgangspunkt for beregning af DRG-taksterne i Sundhedsstyrelsen. I omkostningsdatabasen er de enkelte aktiviteter og de tilhørende udgifter så vidt muligt henført til den enkelte patient. De udgifter, som ikke direkte kan henføres/fordeles til de enkelte patienter, placeres i fordelingsregnskabet på den kliniske stamafdeling, hvorfra de fordeles til afdelingens stationære og ambulante patienter via en sengedagstakst og ambulant takst. Således er alle relevante tilhørende udgifter ved en udskrivning eller et ambulant besøg til slut opgjort for den enkelte patient. Der indgår imidlertid ikke data for operation, anæstesi og intensiv for karkirurgisk afdeling på Aalborg Sygehus i Omkostningsdatabasen. Der er derfor indhentet tal fra sygehuset selv. Odense Universitetshospital har ikke ønsket at deltage i denne del af KViK-projektet, da de har vurderet, at deres fordelingsregnskab ikke har en tilstrækkelig kvalitet til, at der kan komme valide resultater ud af det. Tabel 1 viser, hvilke afdelingsnumre der er trukket data for i Omkostningsdatabasen. Derudover fremgår det af tabel 1, hvilke afdelinger der er selvstændige afdelinger, samt hvilke afdelinger der fungerer som en del af en større afdeling. Endelig bemærkes, at intensivafdelingen på Rigshospitalet fungerer som en selvstændig afdeling. På de øvrige sygehuse fungerer intensivafdeling ikke som en stamafdeling. Det betyder, at der er trukket data ud fra Omkostningsdatabasen for Rigshospitalet, mens dette for de øvrige sygehuse er indeholdt i omkostningerne for de respektive stamafdelinger. Data 17

18 Tabel 1. Data fra omkostningsdatabasen for følgende karkirurgiske afdelinger Sygehus Afdeling (jf. Sygehusklassifikationen) Bemærkninger Rigshospitalet Gentofte Slagelse Kolding Skejby Sygehus Viborg Aalborg 33.1 Karkirurgisk klinik RK, heldøgn 33.9 Karkirurgisk klinik RK, ambulatorium 01.1 Intensiv afdeling 34.0 Karkirurgisk afdeling 34.9 Karkirurgisk ambulatorium 31.2 Karkirurgisk afsnit, Slagelse 31.E Karkirurgisk ambulatorium, Slagelse 17.0 Karkirurgisk afdeling 17.9 Karkirurgisk ambulatorium 26.1 Thoraxkir. og karkir. afd. T 26.6 Thoraxkir./karkir. dagafsnit 26.9 Thoraxkir./karkir. amb. T 05.1 Vi Organkirurgisk afdeling K 05.5 Vi Organkirurgisk skadestue 05.6 Vi Organkirurgisk dagafsnit 05.7 Vi Organkirurgisk ambulatorium 37.1 Karkirurgisk sengeafd. V 37.6 Karkirurgisk deldøgns ambulatorium 37.9 Karkirurgisk ambulatorium Selvstændig afdeling under abdominalcentret. Intensivafdeling fungerer som en selvstændig stamafdeling. Selvstændig afdeling Del af større afdeling Selvstændig afdeling De karkirurgiske patienter er identificeret ud fra afsnitskode Omkostningsdatabasen indeholder kun oplysninger om de stationære patienter på Skejby Sygehus. I forbindelse med dataudtrækket er der ikke taget højde for, at den karkirurgiske enhed pr blev omdannet til en selvstændig afdeling, og der er ikke lavet dataudtræk for den selvstændige afdeling. Det betyder, at vedlagte produktivitetsberegninger kun bygger på oplysninger om aktiviteter vedrørende karkirurgiske patienter under organkirurgisk afdeling. De karkirurgiske patienter er identificeret ud fra en liste med 558 CPR-numre inden for de karkirurgiske takstgrupper. Den ambulante aktivitet vedrører ligeledes disse 558 CPR-numre. Selvstændig afdeling under Hjerte-lungekarkirurgisk Center (pr Specialkirurgisk Center). Der findes ikke data for OP, anæstesi og intensiv for Aalborg i Omkostningsdatabasen. Disse er indhentet fra sygehuset selv og fordelt vha. OP omkostningsvægte. Note: Odense har valgt ikke at deltage i denne del af KViK-projektet. Der blev indhentet fordelingsregnskaber for alle afdelingerne for at validere opgørelser og tal fra Omkostningsdatabasen. Denne validering viste, at der generelt var overensstemmelse i de aggregerede tal fra Omkostningsdatabasen. 3.2 Data fra Karbase Data vedrørende patientkarakteristika og kvalitetsindikatorer kommer fra Karbase. Det betyder, at data fra Karbase er blevet anvendt som forklarende variable (data vedrørende patientkarakteristika) i regressioner af henholdsvis omkostninger og kvalitet. Udtrækket omfatter alle udskrivninger i år Tabel 2 viser en oversigt over de variable, som anvendes i dette projekt, samt en beskrivelse af hvordan de indgår i regressionsanalyserne. 18 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

19 Tabel 2. Oversigt over (udvalgte) variable fra Karbase som anvendes Variabel Simple patient karakteristika Beskrivelse x Køn Dummy=1 hvis mand 1 Alder Case-mix Ekstra patientkarakteristika Kontinuær variable DRG-vægt for hver enkelt patient divideret med den gennemsnitlige DRGvægt for alle patienter (kontinuær variabel) x Hjemmepleje Dummy=1 hvis patient kræver hjemmepleje 2 Ryger Diabetes Cerebrovascular Hypertension Cardial Pulmonal ASA score Intensiv Akut Kvalitetsindikatorer Dummy=1 hvis ryger eller eks-ryger Dummy=1 hvis patient har diabetes Dummy=1 hvis patient er behandlet for TIA/amaurosis eller stroke Dummy=1 hvis patient har hypertension Dummy=1 hvis patient har været behandlet for hjertesygdom Dummy=1 hvis patient har været behandlet for lungesygdom Kategorisk variabel (1-5) for alvorligheden af patientens tilstand. 1 er normal sundhedstilstand og 5 er forventet død inden for 24 timer uden behandling. Dummy=1 hvis patient er på intensiv mere end 3 dage Dummy=1 hvis patient er akut 30 dages mortalitet Dummy=1 hvis patient er død inden for 30 dage Sårinfektioner Dummy=1 hvis patient har sårinfektion 3.3 Data fra e-sundhed Data vedrørende DRG-værdier er indhentet fra e-sundhed. Udtrækket af data er foretaget af de enkelte sygehuses økonomiafdelinger eller tilsvarende. I forbindelse med indhentning af disse data er det væsentligt at være opmærksom på, at intensivafdelingen på Rigshospitalet fungerer som en selvstændig stamafdeling, hvorfor patienter udskrives fra karkirurgisk afdeling, når de overføres til hospitalets intensivafdeling. Såfremt patienterne har været indlagt på intensivafdelingen og fået tildelt en af de fire intensive DRG-grupper, er princippet den, at det er den højeste DRG-værdi for patienten, som medtages i produktivitetsberegningerne. DRG-værdien fra karkirurgisk afdeling bortfalder i så fald, og erstattes af DRG-værdien fra intensivafdelingen. Al DRG-værdi for de karkirurgiske patienter er i dette projekt således ført tilbage til karkirurgisk afdeling. 3.4 Samkøring af data fra Omkostningsdatabasen og fra Karbase I Karbase findes flere registreringer pr. patient, fx hvis der er foretaget et indgreb i både højre og venstre side ved eksempelvis ballonudvidelse af bækkenkar. I Karbase er hvert forløb derfor identificeret ved et CPR-nummer og en indlæggelsesdato. Dubletter, som følge af flere primære indgreb pr. forløb, er taget ud. Samkøring af data fra Omkostningsdatabasen og Karbase er foretaget ved at identificere de indlæggelsesforløb (CPR-numre), hvor operationsdatoen i Karbase ligger mellem indlæggelses- og udskrivningsdatoen i Omkostningsdatabasen. Data 19

20 Figur 2. Oversigt over dannelsen af datasæt Udskrivninger fra Karbase, som ikke kan kobles med data fra Omkostningsdatabase Omkostningsdatabasen Karbase Udskrivninger som findes i Omkostningsdatabase, men som ikke genfindes i Karbase Udskrivninger, hvor data fra hhv. Karbase og Omkostningsdatabase er koblet ( fællesmængde ) I ovenstående figur 2 illustreres problemstillingen med samkøring af data fra Omkostningsdatabasen og Karbase. Nogle udskrivninger kan genfindes i både Karbase og Omkostningsdatabasen, mens andre kun kan genfindes i Omkostningsdatabasen og en mindre del kun i Karbase. Langt det største problem ved samkøring er, at det kun er muligt at genfinde ca. 2/3 af alle udskrivninger fra de karkirurgiske afdelinger i Karbase. Tabel 3 viser en oversigt over antallet af udskrivninger i henholdsvis Karbase og Omkostningsdatabasen. De ca. 30 % af alle patienter, som ikke kunne genfindes i Karbase, skyldes ikke manglende datakomplethed i Karbase, men derimod at patienter registreret i Karbase, er patienter, der er karkirurgisk opererede. Det betyder, at medicinsk behandlede patienter, patienter til arteriografi mv. ikke er registrerede i Karbase. Udskrivninger i alt fra de karkirurgiske afdelinger i 2004 var Her af kunne patienter genfindes i Karbase. Der var ca. 200 udskrivninger i Karbase, som ikke kunne genfindes i Omkostningsdatabasen. Forklaringen var, at det enten var ambulante patienter eller akutte patienter, hvor der har været ydet karkirurgisk assistance, men hvor det er patienter, som ikke har været indlagt på karkirurgisk afdeling. Tabel 3. Antallet af udskrivninger for stationære patientforløb Antal udskrivninger Antal udskrivninger Procentandel af alle udskrivninger Omkostningsdatabasen Karbase 4.484/6.060 Koblet datasæt % Anm.: Karbase inkluderer et antal patienter, hvor indlæggelsesdato er lig udskrivningsdato i Karbase, og antallet af udskrivninger uden disse patienter er De udskrivninger fra Omkostningsdatabasen har alle patienttype=0, som er stationære patienter. 20 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger

21 4. Metoder Det grundlæggende i sammenligning af produktivitet, kvalitet eller andre præstationsmål er at tage højde for forskelle i patientkarakteristika, således at de observerede forskelle ikke fejlagtigt bliver fortolket som forskelle forårsaget af den enkelte enheds (fx hospital eller afdeling) formåen. Hvis der i princippet tages højde for alle patientkarakteristika, vil observerede forskelle i det pågældende mål i princippet afspejle forskelle i de enkelte enheders formåen. Eksempelvis vil forskelle i produktivitet, forudsat at der er taget højde for forskelle i patientkarakteristika, i princippet afspejle forskelle i de enkelte enheders formåen i at kontrollere omkostninger. Reelt vil det dog ikke være tilfældet eller være muligt, da dette ville kræve, at der er taget højde for alle relevante faktorer. Omvendt betyder det, at såfremt der ikke tages højde for relevante forskelle i patient case-mix, er der risiko for, at der drages forkerte konklusioner om eksempelvis enhedernes relative produktivitet, idet en del af forskellen således kan skyldes forskelle i patient case-mix. I denne rapport ser vi på, hvorledes der bedst drages konklusioner omkring forskelle i kvalitet og produktivitet, herunder inddrage usikkerhed omkring produktivitetsresultaterne i form af konfidensintervaller, undersøge hvorvidt der er forskel afhængig af metode og valg af præstationsmål, og endelig undersøge hvilke patientkarakteristika der er vigtigst at justere for. Ud fra en erkendelse af, at der ikke findes en rigtig metode eller en gylden standard, har vi i projektet valgt at opgøre produktiviteten ud fra den traditionelt allermest simple og mest anvendte metode, brøkmetoden (som Ministeriet for Sundhed og Forebyggelse traditionelt har anvendt), til en mere avanceret regressionsmetode, Stochastic Frontier Analyse (SFA), hvor det bl.a. er muligt at tage højde for flere forskelle i patientsammensætningen Brøkmetoden Traditionelt har vi i Danmark ofte anvendt den såkaldte brøkmetode, hvor der tages højde for forskelle i patientkarakteristika ved de såkaldte DRG-vægte, der udtrykker forskelle i de enkelte gruppers relative ressourcetræk. Produktivitetsmålet er således et udtryk for observerede omkostninger i forhold til forventede omkostninger. De enkelte enheder sammenlignes typisk op mod gennemsnittet af alle enheder. Metoden har været kritiseret for ikke at tage tilstrækkelig højde for forskelle i patient casemixet. I brøkmetoden er produktiviteten beregnet som forholdet mellem ressourcer (input) og produktion (output). Der er beregnet en produktivitetsbrøk (se nedenfor) dels for afdelingen samlet, dels for de stationære patienter, dels for de ambulante patienter. Produktivitetsbrøken (1) er opgjort som den samlede DRG-værdi for de karkirurgiske patienter (den forventede udgivet til behandling ud fra patientsammensætningen) sat i forhold til de samlede tilrettede driftsudgifter for de karkirurgiske patienter (den faktiske udgift til behandling): 1 Andre metoder som Data Envelopment Analysis (DEA) har også været anvendt til analyse af data i dette projekt. Sidstnævnte metode blev imidlertid forladt igen, efter at det viste sig, at antallet af afdelinger gjorde, at alle afdelinger fremstod med et højt produktivitetsindeks på grund af den måde, metoden er konstrueret på, idet DEA-metoden placerede alle afdelinger som højproduktive (dvs. ingen forskel mellem afdelingerne). Det lave antal af afdelinger betød således, at vi ikke kunne anvende denne metode. Metoder 21

22 (1) DensamledeDRG værdi Den faktiske udgift Denne brøk udtrykker den forventede udgift (DRG-værdien) i forhold til de faktisk afholdte udgifter. Det bemærkes, at de faktisk afholdte udgifter omfatter både udgifter afholdt på karkirurgisk afdeling (sengeafdelingen), og udgifter som er fordelt til karkirurgisk afdeling fx fra røntgen, operation, anæstesi, køkken etc. Hvis produktivitetsbrøken er større end 1, betyder det, at de faktiske udgifter er mindre end de forventede ud fra patientsammensætningen (ved de diagnoserelaterede grupper). Hvis produktivitetsbrøken er mindre end 1, betyder det, at de faktiske udgifter er højere end de forventede udgifter (dvs. DRG-værdien), dvs. sygehusets udgifter til den aktuelle patientbehandling er højere end hvad der kunne forventes ud fra patientsammensætningen. Den samlede DRG-værdi (den forventede udgift) for en afdeling er således opgjort som DRG-værdien (dvs. DRG-værdien eller DRG-point for hver enkelt udskrivning) for den enkelte patient, summeret for alle de karkirurgiske patienter på afdelingen i år Det betyder, at det er de forventede udgifter til behandlingen, hvor der tages højde for patientsammensætningen. Traditionelt har man sat produktivitetsbrøken for den enkelte afdeling i forhold til gennemsnittet for alle afdelinger, hvilket vi dog ikke har gjort her: (2) Den samlede DRG værdi Den faktiske Den samlede DRG værdi Den faktiske udgift udgift Afd Afd Gnst. alleafd Gnst. alleafd Endvidere er opgjort antal udskrevne patienter i 2004, antal sengedage for de udskrevne patienter i 2004, antal ambulante besøg i 2004 og antal forskellige CPR-numre på sengeafdelingen og i ambulatoriet. Endelig er der opgjort DRG-point pr. normeret læge, sygeplejerske og seng (se tabel 7). Vi har ligeledes valideret oplysningerne om afdelingens samlede DRG-værdi i forhold til oplysninger fra e-sundhed og fra sygehusene. Dette viste, at den tidligere opgjorte DRG-værdi generelt var for lav. Det har betydet, at der for alle sygehusene generelt er sket en opskrivning af DRG-værdien ud fra de nye oplysninger ved udtræk fra e-sundhed. Det har ikke været muligt at få svar på, hvorfor DRGværdien fra det første udtræk fra Sundhedsstyrelsen var for lavt. 4.2 Regressionsmetoder Risikojustering af omkostninger og kvalitet I risikojustering af omkostninger anvendes en såkaldt fixed effect panel data model (7). Først inddrages de traditionelle variable: Alder, køn og en case-mix justering (den pågældende DRG-vægt divideret med en gennemsnitlig DRG-vægt). En fixed effect model adskiller sig fra en traditionel regressionsmodel ved, at den opererer med et særskilt konstantled for hver afdeling, der opfanger al uobserveret systematisk variation mellem afdelingerne, et fejlled med et gennemsnit på nul og en konstant varians. Fordelen ved den anvendte fixed effect model er således, at der er særskilt konstantled for hver afdeling, hvor den systematiske variation (i princippet) mellem afdelingerne opfanges, og det traditionelle fejlled, hvor uforklaret variation, opfanges. For omkostninger ser modellen således ud: 22 Dialogbaseret benchmarking af produktivitet og kvalitet på karkirurgiske afdelinger