Risikojustering ved måling av predikert dødelighet etter hjerteinfarkt

    ()

    sporsmal_grey_rgb
    Abstract
    BAKGRUNN

    BAKGRUNN

    Regjeringen innførte fra 2014 elementer av kvalitetsbasert finansiering av sykehussektoren. Overlevelse inngår som ett kvalitetsmål. Skal man benytte kvalitetsmål i finansieringen, må man være sikker på at de observerte variasjonene skyldes forhold som helseforetakene kan påvirke – ikke bakenforliggende variabler. Målet med denne studien var å undersøke hvordan predikert dødelighet etter hjerteinfarkt ble påvirket av ulike former for risikojustering.

    MATERIALE OG METODE

    MATERIALE OG METODE

    Data fra Norsk pasientregister om 10 717 pasienter utskrevet med diagnosen hjerteinfarkt i 2009 ble koblet med data om sosioøkonomisk status, komorbiditet, reiseavstander og dødelighet. Predikert 30-dagersdødelighet etter hjerteinfarkt ble analysert på helseforetaksnivå med tre ulike modeller for risikojustering.

    RESULTATER

    RESULTATER

    Den ujusterte 30-dagersdødeligheten var høyest i opptaksområdet til Helse Førde (12,5 %) og lavest i Asker og Bærum (5,2 %). Risikojustering endret estimatene for dødelighet for flere av helseforetakene. I modellen med den mest omfattende risikojusteringen var dødeligheten høyest i opptaksområdet til Akershus universitetssykehus (10,9 %) og lavest i opptaksområdet til Helse Sunnmøre (5,2 %) og Helse Nordmøre og Romsdal (5,2 %).

    FORTOLKNING

    FORTOLKNING

    Variasjonen i behandlingskvalitet mellom helseforetakene målt ved predikert dødelighet etter hjerteinfarkt påvirkes av metodene som brukes for risikojustering. Hvis ordningen med kvalitetsbasert finansiering skal videreføres, bør det etableres godt dokumenterte modeller for risikojustering av kvalitetsmålene.

    Main findings

    HOVEDBUDSKAP

    30-dagersoverlevelse etter sykehusinnleggelse for hjerteinfarkt er ett kriterium i kvalitetsbasert finansiering

    Bruk av kvalitetsmål i finansieringen forutsetter at variasjoner ikke skyldes bakenforliggende variabler

    Dødeligheten varierer med risikojusteringsmetodene

    Det trengs godt dokumenterte modeller for risikojustering av kvalitetsmål

    Artikkel
    Innledning

    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

    Materiale og metode

    Utvalg, definisjoner og data

    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

    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

    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

    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

    Resultater

    Beskrivelse av pasientpopulasjonen

    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]

    [i] ¹   Trans hjerteinfarkt: Førstegangsinfarkt, transmurale (ICD-10: I21.0, I21.1, I21.2 og I21.3)

    ²   Sub hjerteinfarkt: Førstegangsinfarkt, subendokardiale (ICD-10: I21.4 og I21.9)

    ³   Spes hjerteinfarkt: Andregangsinfarkt, spesifisert lokalisasjon (ICD-10: I22.0, I22.1 og I22.8)

    ⁴   Uspes hjerteinfarkt: Andregangsinfarkt, uspesifisert lokalisasjon (ICD-10: I22.9).

    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

    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.

    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

    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.

    Vi takker våre kliniske eksperter Morten Grundtvig, Åsmund Reikvam og Cecilie Risøe for diskusjon av operasjonaliseringer og pasientforløp for hjerteinfarktpasienter. Alle vurderinger står for forfatternes regning. Analysen er finansiert av NFR-prosjekt 191390 More for less og EUs 7. rammeprogram, prosjekt 241721 EuroHOPE.

    PDF
    Skriv ut

    Anbefalte artikler

    Laget av Ramsalt med Ramsalt Media