Dagsordner med og uden effekt Sundhedsøkonomisk evaluering og effektevaluering Professor & Programleder for Sundhed, Jakob Kjellberg Hvad er Effektmåling Effektmålingsmetoderne bygger grundlæggende på tankegangen om den kontrafaktiske situation!! Dvs. hvad der ville være sket, hvis samme person ikke havde deltaget i den pågældende indsats. Udfordringen er typisk at finde en tilfredsstillende måde at måle den kontrafaktiske situation på, kan det bruges til at sammenligne med det faktisk observerede resultat. Det svarer til at sammenligne en deltager- og en ikkedeltagergruppe 1
Sundhedsøkonomi : Er det pengene værd? Sundhedsprogram Forebyggelse/sundhedsfremme Behandling Rehabilitering Mindst to alternativer, fx. det eksisterende vs. det nye Ressourcer (Perspektiv: en bestemt kasse, patienten, samfundet) Sundhedsdata (helst fra lotteribaserede forsøg/metaanalyser) omkostninger: - samfundsøkonomisk - kasseøkonomisk Cost-effectiveness analyse én-dimensional, fx. leveår, rygestop-%, BMI. Cost-utility analyse opgjort i sundhedstermer sundhedsmæssig effekt/benefit flere dimensioner, livskvalitet/funktionsevne + leveår = QALY Cost-benefit analyse værdisat i penge (betalingsvilje) Hvad er omkostnings-effektivt? C Afvis? E? Accept 2
Hvordan finder vi effekten Det randomiserede forsøg, hvor der trækkes tilfældigt lod blandt en gruppe af personer til bestemmelse af, om de skal tilhøre en deltagereller ikke-deltagergruppe. Guld standarden, da selektionsproblemer i princippet undgås. Men heller ikke uden problemer i praksis De ikke-eksperimentelle bygger på registerdata, surveys eller andre eksisterende data. regression, matching, instrument variabel estimation (IV) og quasi-eksperimentelle metoder I sin simpleste form. Regression Yi : Faktiske observation fx folks hjemmeplejeforbrug a : kan tolkes som det gennemsnitlige hjemmeplejeforbrug i fravær af rehabilitering b: det folk i gennemsnit får ud af rehabilitering. Hvis homogene effekter og pæne grupper med og uden eksponering,, så meget anvendeligt Regressioner kan hurtigt blive kompliceret, og det kan også hurtigt blive svært at tolke for udenforstående 3
MATCHING Matching giver mulighed for at korrigere for selektionsskævhed ved at betinge på observerbare karakteristika For hver deltager findes tilsvarende person ud fra de udvalgte observerbare karakteristika til dannelse af en ikke-deltagergruppe Integrated Care i Odense Effekter og omkostninger - oprindelig plan Naturligt Eksperiment Intention-To-Treat design : Patienter hos IC læger, der opfylder algoritme Patienter der modtager indsats Patienter hos andre læger, der opfylder algoritme Sammenlign output 4
Virkeligheden Intention-To-Treat design: Patienter hos IC læger, der opfylder algoritme Patienter hos andre læger, der opfylder algoritme Patienter der modtager indsats Sammenlign output Matching strategi Patienter hos IC læger Patienter der modtager indsats Sammenlign output Patienter der ligner dem, der modtager indsats Patienter hos andre læger 5
Matching strategi Propensity score matching blanding af regression og matching Udfordringen er, om en patient med samme observerbare karakteristika måske ikke synlige i data Fordel at mange match kan anvendes Brug af sundhedsydelser, plejeydelser, fagforening, antal flytninger, antal uger i aktivering osv. 11 Samlet økonomisk vurdering SAD Uger med sygedagpenge Uger med dagpenge Gns. forbrug pr år Almen praksis I alt økonomi Forskel mellem grupperne 7,8 *** -1,5 *** 1.182 *** Sats -4.135-4.135 Besparelse året efter -32.253 6.202-1.182-27.233 Omkostninger pr forløb - Estimeret fremadrettet -12.136 I alt pr forløb med en opfølgningsperiode på et år -39.369 12 6
Samlet økonomisk vurdering DÆMP Døgnindlæggelser Hjemmeplejetimer pr år I alt økonomi Forskel mellem grupperne 16.132 * 12,03 ** Sats -1-236 Besparelse året efter -16.132-2.995-19.127 Omkostninger pr forløb 1-11.077 I alt pr forløb med en opfølgningsperiode på et år -30.204 13 Mål, midler og evidens & politik? 7
Evaluering og politiske udspil Ofte ringe sammenhæng mellem mål og midler Lille evidens for helbredscheck mindsker social ulighed, måder hvordan man reducere akutte indlæggelser, fjerner overbelægning osv. Ugennemskuelige opgørelse af hvor mange midler man vil bruge - og på hvad - og hvornår. Ofte meget begrænset lyst til at modtage en objektiv negativ evaluering. Social ulighed som eksempel Meget store sociale forskelle på alle væsentlige helbredsparametre adfærd, sygdomsrisiko, overlevelse, levetid 13 års gode leveår forskel fra øvre 1/3 vs nedre 1/3 uddannede. Når social ulighed: Hvad er det for mekanismer, der skaber uligheden? Hvad kan i så fald gøre ved det. Dias 16 8
Hvad skal man tro og mene - 5 dage i mellem i samme avis Dias 17 Hvorfor har vi sociale forskelle sundhed! 2 illustrative studier om apopleksi patienter i Danmark Andersen, Skyhøj et al 2014*,** Finder entydigt, at sociale forskelle i behandlingsresultater ikke skyldes social ulighed Geckler & Hansen, CASA 2014 Finder betydelige uligheder i behandling og overlevelse *Andersen et al, Socioeconomic Position and Incidence of Ischemic Stroke in Denmark 2003 2012. A Nationwide Hospital Based Study 2014 JAHA **Andersen et al. Socioeconomic Position and Survival After Stroke in Denmark 2003 to 2012 Nationwide Hospital-Based Study, 2014 Stroke Dias 18 9
To studier? I det store og hele samme patientgruppe Begge ser på overlevelse Men for Geckler er NIP data også centrale Forskellige typer af regressionsanalyser mv. Vigtigt! Geckler tager ikke højden for apopleksigraden!! Den er ikke nødvendigvis ens for socialt ulige!!! Pokkers svær at matche på / kontrollere for. Dias 20 10
De fleste sygdomme har samme gradient => meget mere multisygdom hos de med kort uddannelse og små ressourcer. 30-59 år Sverige. Erikson & Thorsander EuJPH 2008;18:473-78 Mænd Kvinder Dias 21 Institut for Folkesundhedsvidenskab Metodemæssigt er det ekstremt vanskeligt at håndtere Meget sygdom udløses af livstil, som er meget socialt betinget Rygning Fedme Inaktivitet Alkoholmisbrug Når vi laver en regressionsanalyse kender vi sjældent ovenstående faktorer, men bruger indkomst/uddannelse som proxy Hønen eller ægget problematik 11
Piskesmæld Gruppe, der er svagere i skelettet/uheldige der kommer meget til skade Gruppe som er mere følsommer overfor smerter Gruppe der har det svært Kilde DR 17/12 2014 : Jennum, P, Kjellberg, J, Ibsen, RF & Bendix, T 2013, 'Health, Social, and Economic Consequences of Neck Injuries: A Controlled National Study Evaluating Societal Effects on Patients and Their Partners' Spine, vol 38, no. 5, pp. 449-57., Kommunale evalueringer fra et forskerperspektiv En del kommunale evalueringer har følgende snit: En henvisning til nogle andre der har lavet noget der delvist minder om det man gør - med fantastiske resultater Ofte store forskelle til det man gør Ofte relativ ringe evalueringer af første Den kommunale evaluering har fokus på tilfredshed som primært resultat De er trunkerede og siger intet om effekt En organisationsanalyse som leder efter noget positivt Det opstilles sjældent en formel programteori og hvornår er noget godt nok Gode data om hvor mange aktiviteter der er blevet udført, og måske omkostningerne. Giver legitimitet men sjældent beslutningsrelevans 12
Rehabilitering som case 13
5 meget forskellige modeller Klassisk hverdagsrehabilitering 14
Er indsatserne sammenlignelige nok til en samlet evaluering? Yderst tvivlsomt, der kan faktisk være svært at se hvad de har til fælles. 15
Målsætningerne for SUF (!!!) 16
17
Tidsplan. 18
Træning som Hjælp i Odense Træning som Hjælp startede 1. april 2011 trinvist indført i de 5 sygeplejedistrikter, som Odense Kommunes hjemmepleje er opdelt i. Succeskriterier Mindre efterspørgsel Mere målrettet efterspørgsel Mega svært at måle - så det gør vi kun indirekte.. Før- og efter-tsh-perioderne for sygeplejedistrikterne. Område Midtbyen, 10 måneder Før-periode: 1.5.2010-28.2.2011 Efter-periode: 1.5.2011-28.2.2012 Område Døckerslund, 9 måneder Før-periode: 1.6.2010-28.2.2011 Efter-periode: 1.6.2011-28.2.2012 Område Blangstedgård, 8 måneder Før-periode: 1.7.2010-28.2.2011 Efter-periode: 1.7.2011-28.2.2012 Område Hjallese, 7 måneder Før-periode: 1.8.2010-28.2.2011 Efter-periode: 1.8.2011-28.2.2012 Område Tarup, 4 måneder Før-periode: 1.11.2010-28.2.2011 Efter-periode: 1.11.2011-28.2.2012 19
Analyser samlet og på distriketer Antal leverede ydelser fordelt på antal borgere Antal leverede timer Gennemsnitligt antal minutter pr. besøg Den samlede pris Gennemsnitlig pris pr. borger. Hvem hjælper det mest Genhenvisninger Trendbrud Færre brugere fordelt på distrikter Før Efter Ændring før-efter N N % Område Midtbyen Under 67 år 536 517-3,5 Før 1.5.2010-28.2.2011 67+ år 1.381 1.261-8,7 Efter 1.5.2011-28.2.2012 Område Døckerslund Under 67 år 501 479-4,4 Før 1.6.2010-28.2.2011 67+ år 1.158 1.105-4,6 Efter 1.6.2011-28.2.2012 Område Blangstedgård Under 67 år 286 269-5,9 Før 1.7.2010-28.2.2011 67+ år 1.018 939-7,8 Efter 1.7.2011-28.2.2012 Område Hjallese Under 67 år 328 313-4,6 Før 1.8.2010-28.2.2011 67+ år 1.280 1.238-3,3 Efter 1.8.2011-28.2.2012 Område Tarup Under 67 år 383 352-8,1 Før 1.11.2010-28.2.2011 67+ år 1.325 1.305-1,5 Efter 1.11.2011-28.2.2012 20
Leverede timer (omregnet til år) Før Efter Ændring før-efter Timer Timer % Alle distrikter Samlet Under 67 år 204.315 194.668-4,7 67+ år 792.108 712.723-10,0 Fordelt på ydelser Under 67 år Akut/død mm 617 942 52,6 Fast vagt 1.712 6.738 293,5 83 Pleje 145.869 129.042 83 Praktisk hjælp 56.117 51.976 86 Pleje 0 5.022 86 Praktisk hjælp 0 948 Pleje I alt 145.869 134.064-8,1 Praktisk hjælp i alt 56.117 52.924-5,7 67+ år Akut/død mm 2.149 4.097 90,7 Fast vagt 6.414 2.071-67,7 83 Pleje 612.003 516.852 83 Praktisk hjælp 171.542 159.398 86 Pleje 0 27.229 86 Praktisk hjælp 0 3.076 Pleje I alt 612.003 544.081-11,1 Praktisk hjælp i alt 171.542 162.474-5,3 Samlede omkostnigner (år) Før Efter Ændring før-efter 2011-priser 2011-priser 2011-priser % Samlet Under 67 år 83.857.862 80.034.685-3.823.177-4,6 67+ år 330.429.460 295.238.191-35.191.269-10,7 Fordelt på ydelser Under 67 år Akut/død mm 320.623 516.575 195.952 61,1 Fast vagt 1.030.146 3.660.882 2.630.737 255,4 83 Pleje 65.878.637 57.972.443-7.906.194 83 Praktisk hjælp 16.628.456 15.400.706-1.227.750 86 Pleje 2.203.007 2.203.007 86 Praktisk hjælp 281.072 281.072 Pleje I alt 65.878.637 60.175.450-5.703.186-8,7 Praktisk hjælp i alt 16.628.456 15.681.778-946.679-5,7 67+ år Akut/død mm 1.105.152 2.274.735 1.169.583 105,8 Fast vagt 3.263.185 1.035.857-2.227.328-68,3 83 Pleje 275.218.377 231.695.925-43.522.452 83 Praktisk hjælp 50.842.745 47.245.342-3.597.403 86 Pleje 12.074.843 12.074.843 86 Praktisk hjælp 911.490 911.490 Pleje I alt 275.218.377 243.770.768-31.447.609-11,4 Praktisk hjælp i alt 50.842.745 48.156.831-2.685.914-5,3 21
Odense trend Ændring før 2009- Før-2009 Før Efter før Ændring før-efter 2011-priser 2011-priser 2011-priser % % Samlet Under 67 år 87.402.721 83.873.351 81.838.310-4,0-2,4 67+ år 337.918.650 330.073.842 299.659.388-2,3-9,2 Fordelt på ydelser Under 67 år Akut/død mm 220.435 296.009 519.799 34,3 75,6 Fast vagt 2.799.553 951.650 3.814.589-66,0 300,8 Pleje 68.024.569 65.775.361 61.408.375-3,3-6,6 Praktisk hjælp 16.358.164 16.850.330 16.095.547 3,0-4,5 67+ år Akut/død mm 858.050 1.086.432 2.268.481 26,6 108,8 Fast vagt 4.854.901 3.089.573 1.160.383-36,4-62,4 Pleje 280.745.954 274.820.754 247.499.909-2,1-9,9 Praktisk hjælp 51.459.744 51.077.083 48.730.615-0,7-4,6 Kilde: Kjellberg og Ibsen - 2012 Logistisk regression afslutning nyhenviste 67+ år Oddsratio 95% konfidensintervaller Lav Høj Pleje Kvinde 1,772 0,905 3,471 N=201 Alder 1,003 0,964 1,045 Lavindkomst - - - Mellemindkomst 0,86 0,435 1,701 Højindkomst 1,257 0,526 3,005 Logaritmen til ugentlige omkostninger i 86 perioden 0,579* 0,396 0,845 Praktisk hjælp Kvinde 3,025* 1,218 7,513 N=113 Alder 0,966 0,908 1,028 Lavindkomst - - - Mellemindkomst - - - Højindkomst - - - Logaritmen til ugentlige omkostninger i 86 perioden 1,66 0,937 2,942 22
Hvad er Kvalitet Kvalitet er et dynamisk begreb Der er ikke ét eviggyldigt kvalitetsbegreb. Det, der blev opfattet som kvalitet for bare 10-15 år siden, er ikke nødvendigvis det, vi opfatter som kvalitet i dag. 5 centrale kvalitetselementer den ældre behandles individuelt alle ældre behandles ens den ældres liv forbliver normalt i forhold til det hidtidige liv og i forhold til andre ældre den ældre bliver ved med at udvikle sig og så vidt muligt hjælpe sig selv den ældre forbliver et autonomt individ, der kan vælge frit. Kilde: Tine Rostgaard m.fl.2007/2008 Lov pr. januar 2015 23
Fremtidens hjemmehjælp ældres ressourcer i centrum for en sammenhængende indsats ANBEFALING #1 At fremtidens hjemmehjælp tager afsæt i det igangværende paradigmeskifte i kommunerne, hvor: Borgere, der har et potentiale for at forbedre deres funktionsevne, hjælpes til så vidt muligt selv at klare dagligdagen og dermed forblive uafhængige af hjælp længst muligt Kilde: Hjemmehjælpskommissionen 2013 Hjælp til Selvhjælp mv. Empirien giver ikke et klart svar! Kristine Böhm Nielsen, Henning Langberg og Susanne Reindahl Rasmussen 2013 24
Hvad bør man måle på 49 Problem med produktion Hvad udtrykker Et Besøg i forhold til nytteværdi for borgeren/patienten? Hvad bør vi måle, og hvilke konsekvenser har det for afregning? Pay for performance, VBHC, Kvalitetsstyring - men kan vi få det til at virke og hvad skal vi måle på? 25
Styringen/behov/garantier/? har skabt en stor aktivitetsvækst Figur 2: Udvikling i kontakter pr. patient, udvikling i produktionsværdi pr. kontakt, udvikling i unikke patienter (akkumuleret), 2002-2008 Procent Produktionsværdi pr. kontakt Kontakt pr. patient Unikke patienter 45% 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% 2002 2003 2004 2005 2006 2007 2008 40% 35% 30% 25% 20% 15% 10% 5% 0% Kilde: Sundhedsstyrelsen Note: Der er ikke korrigeret for loftet over stigning i produktionsværdi pr. kontakt på 1,5 pct. pr. år. Allerbedst hvis i kan undgå overgangen mellem Sygehus og Hjem Brugerinddragelse i behandlingsvalg. Aktivere patienters ressourcer mere generelt. Men vil vise sig i færre besøg, dyrere besøg, mindre AtA tid Dias 52 26
Samlede Sundhedsudgifter (hofter) Health costs total 18.000 16.000 14.000 12.000 10.000 8.000 6.000 4.000 2.000 - -12-11 -10-9 -8-7 -6-5 -4-3 -2-1 0 1 2 3 4 5 6 7 8 9 10 11 12 Years from OP Case Control Significant, p<0.05 Kilde: Kjellberg & Kehlet 2016 Pension starter ved OP Signifikant fra OP 18.000 Age Pension 16.000 14.000 12.000 10.000 8.000 6.000 THA Control 4.000 2.000 - -12-11 -10-9 -8-7 -6-5 -4-3 -2-1 0 1 2 3 4 5 6 7 8 9 10 11 12 Year Kilde: Kjellberg & Kehlet 2016 27
Partners Sundhedsomkostninger 3.500 3.000 Health costs total 2.500 2.000 1.500 1.000 500 - -13-12 -11-10 -9-8 -7-6 -5-4 -3-2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 Years from OP diagnosis/medication or fracture Case Control Significant, p<0.05 Kilde: Kjellberg & Kehlet 2016 Partners indkomst falder også Kilde: Kjellberg & Kehlet 2016 28
Kommunal Hjemmepleje 4.000 Home Care 3.500 3.000 2.500 2.000 1.500 1.000 500 - -13-12 -11-10 -9-8 -7-6 -5-4 -3-2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 Years from OP diagnosis/medication or fracture Case Control Significant, p<0.05 Kilde: Kjellberg & Kehlet 2016 Er det bare fordi de er meget syge.. Alle signifikant forsk. Survival distribution function 1 0,9 0,8 0,7 0,6 0,5 0,4 case control 0,3 0,2 0,1 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Year Kilde: Kjellberg & Kehlet 2016 29
Value Based Health Care Re-orientering fra procesmål til outcome Tager udgangspunkt i borgeres opfattelse af værdi Fokus er på spild Mindre aktivitetsbaseret finansiering NOGET med større kvalitetsfokus men hvordan og hvad??? 59 Styring, incitamenter og finansiering skal understøtte kvalitet for patienten Det hidtidige fokus på aktivitet har medvirket til at øge produktiviteten i sygehusvæsnet. Fremadrettet tænkes dette sammen med udvikling af styring og incitamenter, der ligeledes sætter fokus på kvalitet og resultater. I Hjemmeplejen er man historisk blevet målt på pris per besøg, A til A tid etc. Bedre at være leder for mange end for få Godt med lidt overbooking, og nogle besøg som kunne udskydes mv. Kilde: Økonomiaftalen for regionerne for 2016 30
Opsummering It is all about implementation Forandringer er lettest man kan blive enige om hvor man skal hen og man kan se om man bevæger sig i den rigtige retning Evalueringer og data kan hjælpe med dette Brug for flow/forløbsdata mere en stock data 61 31