Hvor mye går til de dyreste pasientene?

Dersom man lister alle pasientene som i 2008 fikk behandling på sykehus fra de man brukte minst på til de man brukte mest på i løpet av et år, får man figuren nedenfor. Den viser, for eksempel, at de 20% ”billigste” pasientene står for 5% av alle utgiftene. Den viser også at de siste ”dyreste” 10% av pasientene utgjør nesten 50% av utgiftene.   

Det betyr selvsagt ikke at de får ”for mye.” Det er helt naturlig at noen mottar flere tjenester tjenester nettopp fordi de trenger det mest. Figuren beskriver bare et faktisk mønster og gir ingen normative impikasjoner. Den er nyttige for å identifisere hvem som driver utgiftene og for å sammenligne ulike land, men ikke for å si at noen får for lite og andre for mye.

 

Share |

Hva er prisen på helsetjenester i ulike land?

Hvor mye koster det å behandle brudd på lårhalsen i ulike land? Det avhenger selvsagt av mange forhold  som kvaliteten på behandlingen, hvilke kostnader man tar med og mange andre forhold. Det er dermed en vanskelig jobb å finne ut av dette, men noen modige, eller dumdristige, sjeler har prøvd å beregne disse kostnadene for ulike land. En slik beregning av ulike kostnader - alt fra MR og legebesøk til hofteoperasjoner og fødsler - utgis årlig av The International Federation of Health Plans  i deres "Comparative Price Report: Medical and Hospital Fees by Country." Deres oversikt viser at det er store variasjoner. Norge er dessverre ikke inkludert, men ved hjelp av data fra NPR i 2008, kan man regne ut at gjennomsnittskostnaden for behandling av norske lårhalsbrudd (på sykehus) lå på rundt 100 000 kroner. Norge plasserer seg dermed i den øvre halvdelen sammen med Australia, men trolig under USA.

* Merk: USAs gjennomsnittlige utgifter er på midten av søylen som er markert med en rød "(A".


"Hva så?" kan man kanskje spørre seg. Priser er viktige fordi når man skal sammenligne utgiftene til helse i ulike land, ønsker man å justere for at en dollar i Norge ikke kjøper like mange sykepleiere og helsetjenester som en dollar i Spania. Hittil har det vært vanlig å bruke en generell prisindeks for å justere for dette, men det man egentlig burde gjøre er å bruke bare de prisene som er knyttet til helsetjenester. Hvis prisen på legemidler går opp, får man mindre for de samme kronene. Men om prisen på Cola går opp, betyr det ikke at man får mindre igjen for helsekronene. Hvis man hadde god informasjon om de viktigste helseprisene i flere land, kunne man sammenligne utgiftene etter en mer korrekt prisjustering.

Dette kan gjøre store utslag i internasjonale sammenligninger. For eksempel er USA et relativt billig land, men når det gjelder helsetjenester er prisene ofte svært høye. Så lenge man ser helseutgiftene i forhold til det genrelle prisnivået vil dermed USA ha veldig store utgifter, men sett i forhold til de høye helseprisene er forbruket ikke lenger så stort. Hadde man hatt bedre kunnskap om mange priser kunne man justert utgiftene i alle land for en helsespesifikk prisindeks. Det er dermed viktig å samle inn informasjon om priser slik at man kan få en mer korrekt sammenligning av utgiftene knyttet til helsevesenet i ulike land.


Mer her



Share |

Er teknologi løsningen?

Ny teknologi presenteres ofte som løsningene på mange av problemene i helsevesenet. Ny teknologi, håper man, skal gi oss både billigere og bedre helse. Vil det det?

TED er en amerikansk organisasjon der ledende eksperter og berømte personer møtes for å presentere og diskutere ulike tema (www.ted.com). Foredragene legges ut på nett og en av disse er om ny teknologi i helsevesenet av Eric Dishman fra Intel. Hans argument er at vi sitter fast i en sykehusorientert tankegang, eller det han kaller "mainframe model" og at man ved hjelp av ny teknologi skal kunne forebygge mer lokalt og behandle mindre sentralt.

Et eksempel han bruker, er at man ved hjelp av ulike nye tekniske hjelpemidler raskere skal kunne plukke opp tegn som tyder på demens, hofteproblemer og lignende. Det kan være målinger av bevegelsesmønsteret i hjemmet ved hjelp av telefoner som Iphone (hvor ofte man går, hvor raskt, med hvilken rytme), hvor raskt man svare på telefonen, hvor lenge man nøler før man snakker, hvor raskt man snakker og lignende markører. De har forsket på denne type markører hos 600 eldre og mener at de gir gode indikatorer på helseproblemer som kan utnyttes til tidlig intervensjon.

Selv om innholdet er både underholdende og interessant, kan det være klok å ikke kast all kritisk sans over borde. Dishman har en klar agenda der han er ansatt (mer penger til IT) og presenterer mest anekdoter i foredraget. At hans bestemor ble feilbehandlet, betyr ikke at den nye teknologien kunne hindret dette. Det er heller ikke gitt at kostnadene vil bli så mye mindre selv om man oppdager visse sykdommer på et tidlig stadium - heller tvert i mot. Og selv om det er riktig at vi har mange spennende nye kilder til informasjon som bør utnyttes, er det ikke sikkert at de vil gjøre sykehusene overflødige.

Konklusjon: Provoserende og interessant, men sant?





Share |

Om politikk og evidens

Ukens nyhet innen helse er statsbudsjettet. Det var ingen betydelige budsjettmessige overraskelser, men gjemt i de store tallene var det imidlertid noen små nyheter som er egnet til refleksjon. Helsedepartementet kunne opplyse om at: "111 prosjekter over hele landet får totalt 73 millioner kroner til samhandling i helsevesenet." I en annen pressemelding, opplyste de at "I året som har gått har 115 ulike samhandlingsprosjekter fra nord til sør fått støtte fra regjeringen. Over 300 kommuner er involvert i disse prosjektene."

 

Det som er interessant med dette er den unike muligheten man her har til å prøve ut forskjellige ordninger før man gjennomfører landsomfattende endringer. Spørsmålet er imidlertid om prosjektene gjennomføres på en måte som gjør at man kan lære mest mulig av utfallene. Mange vil si at dette selvsagt er ivaretatt. Det vil bli  gjennomført evaluering og rapportering, oppsummeringer og meldinger. Hva er da problemet?

 

Problemet er at man kan lære mye mer dersom man ikke bare evaluerer i etterkant, men at man i forkant lager et opplegg der man velger å gjennomføre forsøkene på en måte som gjør at man skaper mest mulig kunnskap. Prøveforsøk der deltagerene selv velger hvem som skal være med, har en tendens til å gi misvisende resultat. Det er ofte entusiastiske kommuner og personer som velger å bli med, og de resultatene man da får kan man vanskelig generalisere til hvordan tiltaket vil virke i en hverdagssituasjon i andre kommuner. 

Hvordan burde man gjøre det? Forskningens ideal vil ofte kollidere med praktiske hindringer, men selv om man ikke får til det perfekte er det tre forhold man bør tenke på dersom man skal trekke erfaringer fra ulike forsøk. For det første bør det være en kontrollgruppe. Man bør ikke bare se på "før-etter" utviklingen i en og samme kommunen, men sammenligne utviklingen blant de som har ett system med noen som ikke har det. For det andre bør det ikke introduseres for mange endringer samtidig fordi man da ikke kan isolere effekten av de ulike elmentene. For det tredje bør man unngå at forsøkene utføres der de passer best eller hos de som er mest motivert. Og selv om det ikke er praktisk mulig i alle tilfeller, er det godt mulig å gå mye lenger i denne retningen når man skal prøve ut politiske endringer.

Kort sagt, man burde tørre å eksperimentere mer samtidig som man bør bli flinkere til å eksperimentere på en måte som skaper mest mulig kunnskap og kontinuerlig justering av politikken basert på denne kunnskapen.

Share |

Ti på topp: Hvilke diagnoser bruker vi mest penger på?

Hvilke diagnoser bruker vi mest penger på i norske sykehus? Svaret avhenger av hvor detaljert man ønsker å være.
 
Dersom man ser på de litt over 20 hoveddiagnosegruppene, er det muskel og skjelettdiagnosene som dominerer med 18% av utgiftene. Deretter følger sykdommer i sirkulasjonsorganene (12%), åndedrettsorganene (9%), nervesystemet (7%) og fordøyelsesorganene (7%). Problemet med dette nivået, er at det kan være for lite detaljert. Det mange ønsker å vite er hvor mye vi bruker på hjerteinfarkt, hofteproblemer og andre forhold som ikke vises direkte i hoveddiagosegruppene.

Dersom man går noe mer detaljert til verks, kan man se på  kodene som brukes ved sykehusinnleggelser (ICD-10 kodene). Dersom man ser på alle innleggelser i 2008, får man da følgende tabell:

Tabell: De 15 ICD kodene man bruker mest penger på

Rangering	Forklaring	Kode (ICD-10)	Samlet sum	Prosent av alle utgifter
1	Stråling, kjemoterapi (kreft)	Z51	1 446 402 768	3.7 %
2	Brudd i lårben	S72	1 075 524 336	2.7 %
3	Bakteriell pneumoni	J15	925 056 298	2.3 %
4	Hofteleddsartrose	M16	924 474 878	2.3 %
5	Fødsel (etter fødested)	Z38	911 755 639	2.3 %
6	Fødsel (normal)	Z37	807 536 412	2.0 %
7	Kneleddsartrose	M17	699 462 584	1.8 %
8	Akutt hjerteinfarkt	I21	654 020 965	1.7 %
9	Lav fødselsvekt, immaturitet	P07	638 218 988	1.6 %
10	Kronisk iskemisk hjertesykdom	I25	614 067 171	1.6 %
11	Hjerneinfarkt (akutt)	I63	573 436 400	1.4 %
12	Respirasjonssvikt	J96	529 721 208	1.3 %
13	Annen sepsis	A41	513 850 591	1.3 %
14	Knelidelser	M23	472 548 899	1.2 %
15	Dialyserelatert	Z49	470 901 541	1.2 %

Merk: Dette er rådataene slik de kommer fra NPR og den skiller ikke mellom skader og degenerative tilstander.

Problemet med denne tabellen er at den er for detaljert. Man får ikke noe samlet bilde av hvor mye man bruker på ulike helseproblemer. Et hjerteinfarkt, for eksempel, kodes forskjellig avhengig av om det er akutt eller ikke, nøyaktig hvor det inntreffer og andre forhold. Man får dermed ikke et samlet bilde av utgiftene til hjerteinfarkt dersom man bare ser på utgiftene til en kode på det mest detaljerte nivået. Nå er tabellen over lagt på et mindre detaljert nivå (ved å ignorere det siste sifferet i koden) for å samle utgiftene i noe større kategorier, men det er fremdeles slik at den ikke er grov nok. Vi ser for eksempel at fødsler kommer på tre ulike steder allerede i denne tabellen (rangering 5, 6, og 9) og at disse bør slås sammen dersom man ønsker å se på kostnader knyttet til "fødsler generelt."

Dersom man prøver å legge sammen kostnadene i litt større kategorier, kan man få følgende tabell:

Hva	Samlet sum	Prosent av alle kostnader
Lårben/hofte	4 470 460 540	11 %
Fødsler	4 027 073 496	10 %
Kreft	2 707 257 136	7 %
Hjerte	1 925 905 155	5 %
Alzheimer	616 480 670	2 %

Denne tabellen representerer ikke en konklusjon og bør ikke siteres som det, men et eksempel på hva man må gjøre dersom man ønsker å se på kostnader knyttet til ulike diagnoser på et mer detaljert nivå enn hoveddiagnoser, men mindre detaljert enn hver enkelt minste diagnosekategori. Før tabellen kan brukes, må man imidlertid være sikker på at de mest relevante kategoriene er komment med. For fødsler er denne tabellen rimelig sikker, men for de andre - spesielt kreft og hjerte - kan det være utelatte utgiftskategorier. Det betyr ikke at tabellen er uinteressant. Selv når man bare tar med hovedkategoriene, ser det ut som om lårbenproblemer utgjør en overraskende stor andel av kostnadene med over 10%. Mer graving gjenstår for å dobbeltsjekke, sammenligne med andre land og se på de andre kategoriene i mer detalj. Det man kan si er at fødsler og lårben til sammen utgjør over 20% av utgiftene og at de 15 mest kostbare diagnosene (av 1500 mulige diagnoser) til sammen står for omtrent 30% av alle utgiftene.

Share |

Kostbar fruktbarhet?

Barn koster. Mye. Ikke bare når de vokser opp, men også i form av innleggelser på sykehus i forbindelse med fødsler. Og Norge ligger høyt på fødselsstatistikken. Dette gjør at man kan begynne å lure på hvor mye av helseutgiftene som går til forhold omkring fødsler. Poenget med dette er selvsagt ikke å anbefale en politikk for færre barn, men å kartlegge og forklare. For eksempel kunne man se i hvor stor grad den høye fødselsraten  bidrar til at Norge har noe større helseutgifter enn andre land.  

Hvor høye er fødselsraten? Figuren nedenfor viser at vi med 12.7 ligger godt over medianen i OECD. Videre, når man går inn i data fra Norsk Pasientregister og samler opp alle kostnadene knyttet til fødselsrelaterte diagnoser, viser det seg at dette utgjorde over 10% av alle sykehusutgiftene. Inkludert i denne andelen er også betydelige utgifter knyttet til for tidlig fødte og barn med lav fødselsvekt. 

Hvor mye betyr dette når vi sammenligner med andre land? Dersom vi tar utgangspunkt i Finland - som også er over snittet (11,2) -  viser det seg at vi bruker omtrent 420 millioner mer på helsevesenet fordi vi har flere barnefødsler enn Finland. Det er ikke ubetydelig, men det er heller ikke mye når man ser på de milliardene som skiller utgiftene i Norge og Finland. Samtidig vil mange bekker små bli en stor utgiftspost når man legger de sammen. Norge ligger høyt også når det gjelder antall hjerteinfarkt, MS og andre dyre diagnoser og det kunne derfor være interessant å se hvor mye dette til sammen kan forklare av forskjeller i helseutgifter mellom Norge og andre land. Dette er en noe annerledes tilnærming enn der man leter etter en stor forklaringsfaktor, men i stede prøver å summer mange små ting.

Men det får vente til neste uke. Denne uken var det fødsel og det utgjorde 10% av alle utgifter og alene kunne det ikke forklare så mye av forskjellene mellom Norge og andre land.

Share |

Hva forsker man på i USA nå? Et overblikk (Direkte fra USA, del 3 - siste dag)

Mike Grossman, avtroppende president i den amerikanske helseøkonomiforeningen, holdt hovedforedrag om at det var "best å være først selv om man tok feil." Det var årets morsomste, men dessverre også tomt og til dels skadelig. Mike er kjent for forskning innen etterspørsel etter helsetjenester der han tar utgangspunkt i vi foretar rasjonelle investeringer i helse og dermed velger en optimal helestilstand under de betingelsene vi har (alder, pris, utdannelse). Han har også testet teorier om rasjonell avhengighet. Mye av forskningen har vært kontroversiell fordi mange har ment at det er misvisende å legge fokus på rasjonelle valg når man skal forklare etterspørsel etter helsetjenester og narkotika. Det er delvis Mike sin fortjeneste at man i dag godtar at incentiver betyr noe også på disse områdene, men han foredrag var mer en oppramsing av morsomme episoder og hvordan han var blitt angrepet for sine synspunkter. Det var ikke noe systematisk forsvar for forskningen som går mye lenger enn bare å anta at incentiver er viktige. I tillegg antar han ofte at individene har meget god informasjon og evne til å bearbeide denne. I stede for å si noe om dette, valgte han altså å presentere underholdende anekdoter. Og vi godtok det som et forsvar fordi det var så morsomt og det er synd og skadelig for faget.

Sånn mot slutten kan det være nyttig å ta et overblikk på alle årets innlegg for å se på trender innen helseøkonomisk forskning. En av de tingene som fikk mye oppmerksomhet var helseforsikring. For eksempel i hvor stor grad forsikring førte til at folk velger en mer uforsiktig livsstil. Svaret var at det så ut som om de med forsikring var mer uforsiktige (mindre aktivitet, mer røyking), men selv om man fant visse trender var det mer uklart hvor sterk denne effekten var. Dette gjelder mer generelt. Helseøkonomer har lenge vært opptatt av såkalt "ugunstig seleksjon" og adferdsendring som følge av forsikring, men selv om man har dokumenter at dette eksisterer, har man ikke sjeldent dokumenter hvor stort problemet er. Det kan her virke som om man godtar det fordi teorien sier at det skal eksistere uten å virkelig finne ut hvor stort effekten er i virkeligheten.

I tillegg til forsikring, var det også mye oppmerksomhet rundt årsaker og økonomiske konsekvenser av overvekt og risikoadferd (røyking, narkotika, sigaretter, ubeskyttet sex). Videre var det mange foredrag om reformer i helsevesenet og om hvordan leger og sykehus påvirkes av ulike incentiver. Til slutt var det flere foredrag om metodeproblemer som hvordan man kan måle verdien av ulike helseforbedringer og hvordan man best kan analysere data av typen "antall legebesøk" der man har mange som har "ingen besøk" og dette skaper en del utfordringer for den statistiske analysen.

Dette er alle interessante emner, men det er også interessant å se hva man ikke hadde på programmet. Med unntak av ett foredrag, var det få som fokuserte på internasjonale sammenligninger. For de som er interessert i helseøkonomi virker det som et åpenbart og stort paradoks at USA bruker bruker langt mer på helse enn andre land samtidig som de ligger lang fra toppen på ulike rankinglister over helse. Å utforske hvorfor det er slik burde være interessant, men det var lite av den type forsking her. Det får være en utfordring til neste gang å etablere et samarbeid mellom amerikanske og europeiske forskere på dette område og presentere noe om dette på den neste konferansen -  i Minnesota i 2012.

Share |

Obamas helsereform - Da, nå og videre (Direkte fra USA, dag 2)

Som kjent er det vedtatt betydelige endringer i helsevesenet i USA. For å snakke om bakgrunnen, innholdet og fremtidige utfordringer knyttet til disse reformene, hadde man invitert Sherry Glied til å holde et foredrag på den amerikanske helseøkonomikonferansen. Nå kan hun ikke sier å være en helt nøytral observatør. Rett nok er hun er økonomiprofessor ved Columbia University, men samme dag som hun skulle holde hovedtale på helseøkonomikonferansen ble hun etter innstilling fra Obama formelt godkjent som "Assistant Secretary for Policy and Evaluation at the Department for Health and Human Services."

I den første delen av foredraget var hun entusiastisk fordi man nå hadde klar å innføre helsereformen i USA. Reformene innebærer blant annet at det blir obligatorisk med helseforsikring for alle amerikanere og at forsikringsselskapene i mindre grad kan nekte å forsikre noen grupper eller si opp forsikringen for andre. Obligatorisk forsikring betyr at over 40 millioner som i dag ikke har forsikring, får det. Eller mer korrekt, de må kjøpe det til subsidierte priser, og de får en bot på 700 dollar hvis de ikke kjøper det. Man løser også et annet problem med dagens system, nemlig at de som blir kronisk eller alvorlig syke risikerer å miste sin forsikring fordi selskapene ikke fornyer avtalen. Reformene innebærer også tiltak for å kontrollere kostnadene, men dette vil trolig ikke være nok til å demme opp for de økte kostnadene utvidelsen og andre tiltak medfører. Universell helseforsikring er bra, men det bør ikke fremstilles som om det er gratis.

Hun viste videre hvordan deler av Obamas reformene er påvirket av forskning i det amerikanske helseøkonomimiljøet. Teorien om ugunstig seleksjon ligger bak regler om at selskapene ikke skal kunne nekte kunder forsikring. Videre har man lagt inn relativt høye egenandeler noe som delvis er inspirert av forskning om at forbruket stiger betydelig dersom man ikke betaler noe selv. For eksempel steg forbruket av legetjenester med 30% i et stort eksperiment i USA når man gikk fra en stor egenandel til ingen egenandel. En slik konklusjon bør imidlertid alltid nyanseres med at det her var snakk om meget store endringer og det er ikke sikkert at egenandeler har så stor betydning dersom hvis endringene i satsene er mindre.

Spørsmålet var så hva slags forsking hun mente man burde satse på de neste årene. Svaret var svært likt det man ville fått hvis man spurte en norsk minister. Det var to ting, sa hun. For det første burde man forske på "integrated care." Dette ligner veldig på det norske fokuset på samhandlingsutfordringer, selv om bakgrunnen i USA er mer inspirert av  hvordan man kan få et privat system med mange aktører til å samarbeide bedre. Videre, mente hun, måtte man satse mer på sammenlignende forskning der man så på hvorfor USA til tross for at de bruker langt mer enn andre land, fremdeles gjør det relativt dårlig på mange helseindikatorer. Dette har selvsagt noe å gjøre med andre samfunnsmessige forhold (overvekt, livsstil), men hun mente - med rette - at det ikke var nok å bare kaste ut noen slike mulige forklaringer. Her burde man i større grad undersøke hvor mye de ulike faktorene kunne forklare, i hvor stor grad investeringer i helse virkelig ledet til bedre helse, og hvor pengene ble av i USA sammenlignet med andre land.

Det er en god og viktig tanke, selv om et annet innlegg på konferansen våget å stille spørsmål ved dette også. Argumentet var at man burde se på kostnad og nytte ved kost-nytte forskning. Og dersom man gjorde det var det ikke sikkert at nytten var større en kostnaden. Dette gjeldt imidlertid nytten av store sentraliserte studier av kostnaden og nytten av visse medisiner der det var grunn til å tro at individene reagerte ulikt, der produsentene hadde sterke insentiver til selv forske og der individene også trolig ville prøve seg frem til det beste alternativet. Alt dette gjorde at man ikke trengte en sentralisert kost-nytte analyse. Når det gjelder sammenligninger mellom ulike helsesystemer gjelder ikke dette - ingen individer vil betale for dette alene og de har heller ikke mulighet til å prøve ut ulike systemer for seg selv. Så på dette område er det grunn til å være enig med Sherry Glied.

Share |

Hva er verdien av et liv i kroner og øre? (Direkte fra USA, dag 1)

Den amerikanske helseøkonomiforeningen er samlet og Kip Viscusi har holdt innledningsforedrag om verdsetting av et statistisk liv. Hans hovedargument var provoserende, men på en nyttig måte fordi det får en til å tenke på nytt om ting man trodde var opplagt.

Hovedargument var at verdien av et liv bør måles gjennom observert betalingsvillighet. Spesielt var han opptatt av å sammenligne lønn for yrker som har forskjellig risiko for dødelige ulykker. Tankegangen er at man må betale høyere lønn for å få folk til å ta jobb i yrker med høy risiko. Dersom sjansen for en dødelig ulykke i et yrke er 2/10000 per år, mens den i et annet yrke er 3/10000 og lønnsforskjellen er 5000 kroner per år, betyr det at man får 5000 kroner som kompensasjon for en ekstra risiko på 1/10000. Dersom man så ekstrapolerer tilsvarer 5000 kroner for 1/10000 sjanse det samme som at et statistisk liv er verd 50 000 000 kroner. Viscusi selv fant et snitt på rundt 7-8 millioner dollar når han summerte forskningen på feltet (i underkant av 50 millioner norske kroner). Detter er betydelig høyere enn mange har brukt i den norske debatten (16,9 millioner) og i enkelte amerikanske retningslinjer. Viscusi fikk også spørsmål om dette, men han sto på sitt og sa at det var retningslinjene i USA som eventuelt var for lave, ikke hans tall som var for høye. Og dette er ikke bare en teoretisk debatt. Beslutninger om investeringer i trafikksikkerhet, helse og andre ting blir tatt basert på disse tallene.

Noe mer kontroversielt argumenterte han også for at verdien av et statistisk liv varierer med inntekt, alder og andre faktorer og at man ikke bør bringe inn moralske begreper om likhet i debatten. Det ser for eksempel ut som om betalingsvilligheten for å redde en rik person er høyere enn for å redde en som er fattig. Norske ører vil kanskje reagere med moralsk indignasjon, men for Viscusi var dette kun et spørsmål om betalingsvillighet. Hvorfor?

Han ga to argumenter. Først: moralske betraktninger om likhet gir logisk umulige svar. Hvis man sier at alle liv skal ha lik verdi uansett alder, så kan man ikke samtidig si at alle leveår skal verdsettes likt uansett alder. At en av mange mulige moralske betraktninger ikke gir konsistente svar, betyr imidlertid ikke at alle moralske betraktninger vil gi dårlige eller motstridende svar. Det nevnte logiske problemet oppstår for eksempel bare med alder, ikke inntekt. Viscusis andre argumentet var at moralske argumenter om at man ikke skulle sette en verdi på liv i praksis fikk det dårlige resultatet at liv fikk liten verdi. Uten et konkret tall ble det vanskeligere å rettferdiggjøre prosjektene som skulle spare liv. Det er kanskje rett i praksis, men at noe har en god konsekvens betyr ikke at prinsippet er sant eller korrekt.

Selv om man godtar prinsippet om at verdien av et statistisk liv måles ved betalingsvillighet, er det fremdeles mulig å kritisere i hvor stor grad det er mulig å komme frem til brukbare tallsvar. En av de tingene som kom frem i diskusjonene etterpå, var i hvor stor grad lønnsforskjellene reflekterte andre ting enn bare ulikheter i risiko. Her er et helt tilfeldig eksempel: En forsker tjener mindre enn en fotballspiller, men det er ikke bare fordi det er høyere risiko knyttet til det å spille fotball. Mange av disse andre faktorene kan man justere for i den statistiske analysen, men spørsmålet er om man klarere å eliminere alle de viktigste forholdene som gir ulik lønn i ulike yrker slik at man bare sitter igjen med forskjellen som skyldes risiko. Slik det er nå gir man risikoforskjellene æren for alt det man ikke kan forklare med de andre variablene man har. Det er trolig å overvurdere risikoens betydning for lønnsforskjeller og det gir feil svar på verdien av et statistisk liv.

Det er selvsagt en enkel sport å finne feil hos andre og Viscusi har den gode egenskap at han trekker en logisk tanke helt ut uten å bry seg for mye om de politiske konsekvensene. Det går ikke bare i feil retning heller. Selv om de rike får litt større verdi med hans metode (og han dermed vil investere mer i flysikkerhet enn bilsikkerhet fordi det er flere rike på fly), så viser de samme analysene at betalingsvilligheten for et statistisk liv i høy alder faktisk er ganske høy. Hans tall viste at det ikke var slik at verdien var høy for de unge og at den så falt gjennom resten av livet til du var verdiløs som gammel. Tvert i mot, betalingsvilligheten steg med alder og holdt seg høy før den falt litt mot slutten i høy alder. Det var, for eksempel, høyere betalingsvillighet for en 60-åring enn en 18-åring! Dette kan selvfølgelig ha en viss sammenheng med at han selv var rundt 60 år, men den slags mistanker burde man sikkert holde for seg selv.

Uansett, provoserende og bra.

Share |

Hvem får mest for minst - og hvorfor? Om en ny OECD publikasjon

En ny publikasjon fra OECD prøver å sammenligne effektiviteten i ulike helsesystemer (Health Care Systems: Efficiency and Institutions av Isabelle Joumard, Christophe André og Chantal Nicq). I teorien er det enkelt. Vi trenger et mål på hva vi putter inn (gjerne penger) og hva vi så får ut (helse). I praksis er det mer problematisk. Det er vanskelig å isolere effekten av pengebruken fordi det også er mange andre faktorer enn helsebevilgninger som påvirker befolkningens helse. Det er også vanskelig å lage et endimensjonalt mål på helse. OECD publikasjonen legger vekt på forventet levealder som et mål på helse, men ikke så mye på andre forhold som sykelighet eller kvaliteten på leveårene. I tillegg kommer lite glamorøse, men viktige, problemer som manglende, dårlige og ikke-sammenlignbare data. Men, i stede for å kaste hendene i været med en gang og lage en lengre forelesning om alle problemene og si at ting er umulig, kan det være nyttig å først se på hva de faktisk mener å kunne trekke ut av sammenligningen.

En av hovedkonklusjonene er at levealderen kan økes med mer enn to år i gjennomsnitt uten økte bevilgninger dersom de dårligste landene blir like effektive som de beste landene når det gjelder å utnytte helsebevilgningene. De beste landene er her Australia, Japan, Korea og Sveits. De dårligste er Danmark, Ungarn, Slovakia og USA. Nå bør man raskt legge til at den typen analyser de bruker automatisk gir en konklusjon om "man kan spare mye hvis de dårligste blir lik de beste." Så lenge man finner forskjeller mellom land så følger konklusjonen. Det interessante spørsmålet er imidlertid om vi vil tolke de observerte forskjellene som en indikasjon på dårlig effektivitet eller mer tilfeldig variasjon, dataproblemer eller utelatte variabler. Trolig er det begge deler og det er dermed litt optimistisk å konkludere med at hele forskjellen skyldes ulik effektivitet og at omorganiseringer dermed kan gjøre at vi skal kunne leve to år lenger.

Forfatterne sier videre at de ønsker å sammenligne helsesystemer og ikke bare hvor flinke ulike land er på enkelte sektorer (psykiatri, primærhelsetjeneste) eller sykdommer (behandling av kreft, hjerteinfarkt osv). De bruker så en statistisk metode til å dele landene inn i seks grupper. Denne inndelingen brukes blant annet til å antyde at de systemene som legger mest vekt på markedsmekanismer også har de største administrative kostnadene. Nå finnes det mange slike inndelinger fra før og det var noe uklart hvor nyttig denne inndelingen i seks land var i forhold til en to- eller tredeling der man ser på ulike systemer etter i hvor stor grad de er markedsstyrt eller ikke (The public integrated model, The public-contract model, The private provider/insurer model). Flere av analysene bruker heller ikke seksinndelingen, men ser på egenskaper ved  landene enkeltvis.

Et interessant eksempel på det siste, er en antydning om at land der leger avlønnes etter aktivitet ("fee-for-service") tenderer til å ha flere konsultasjoner enn land der legene har et større element av fastlønn. Dette er illustrert i figuren nedenfor der land som i følge OECD legger stor vekt på aktivitetsbasert lønn er markert med grønt, mens de med mest fastlønn er markert med rødt. De røde landene der legene har mest fastlønn tender til å ha færrest antall konsultasjoner per innbygger. Igjen kan det være mange mulige forklaringer på dette. Det kan være både kulturelle, finansielle og organisatoriske forhold som påvirker både avlønningssystem og antall legekonsultasjoner. Men et sted må man starte og figuren illustrerer noe av nytten med internasjonale sammenligninger av ulike systemer. Det kan hjelpe til med å identifisere mulige trender og problemområder som det er verd å forske videre på.

Figur: Antall legekonsultasjoner per innbygger i ulike land (2006)

I hvor stor grad er det mulig og nyttig å jakte på kunnskap for å forbedre helsevesenet ved hjelp av systemsammenligning av denne typen er fremdeles et åpent spørmål. Det er hypotesegenererende og noen ganger overbevisende, men det bør kombineres med mikrostudier på et lavere nivå. Der er dataproblemene ofte mindre, utfallsmålene klarere og man har bedre oversikt over bakenforliggende variabler man må ta hensyn til. Konklusjonen blir dermed noe Brumsk: Systemsammenligner er nyttige - spesielt når det gjelder å antyde mulige problemområder - som at noen systemer ikke er så effektive - men data- og metodeproblemer gjør at man ofte må være forsiktig med de store konklusjonene.

Share |

Evidensbasert helsepolitikk: Ja til flere eksperimenter?

På samme måte som man i økende grad bruker eksperimenter og systematiske oppsummeringer for å velge mellom ulike behandlinger i medisin, er det foreslått at man bør bruke et lignende systemet for å lage et bedre kunnskapsgrunnlag for helsepolitikk. Er dette en god ide?

Deler av et svar
Svaret avhenger av hvordan man utformer systemet. En artikkel i the Milbank Quarterly beskriver hvordan slike systemer fungerer i flere land (se også her). Man må, for det første, etablere institusjoner som har ansvaret for slike oppsummeringer. Videre bør disse ha en grad av uavhengighet til myndighetene slik at de ikke blir politisert og gir de svarene som ønskes fra oppdragsgivere.

Noe mer kontroversielt, men også spennende, er spørsmålet om hvor bred og proaktiv institusjonen bør være. I noen land begrenser man seg stort sett til oppsummeringer på legemidler når man får en forespørsel, mens i andre land kan institusjonen selv ta initiativet til oppsummeringer på andre helseområder enn legemidler. Enda mer kontroversielt, men også interessant, ville det være om man lot institusjonene være en koordinator i et system der man kunne satt i gang eksperimenter på områder man ønsket kunnskap. I stede for å innføre endringer i sykelønnsordningen over hele landet, kunne man prøve ut forskjellige systemer i noen kommuner. I stede for å innføre gratis skolemat i alle landets skoler, kunne man ha et eksperiment i noen skoler. For å undersøke effekten av egenandeler, kunne man prøve ut ulike satser i forskjellige kommuner.

Intet nytt?
Noen vil kanskje si at man allerede har prøveordninger, evalueringer og offentlige utredninger, men poenget er at politikkeksperimenter bør gjøres oftere og mer systematisk. Det er ikke nok å lage en reform og legge inn penger til evaluering. Som det nylig ble sagt på helseøkonomikonferansen til HERO/HEB: Man må ta med læringsperspektivet i selve utformingen av reformen og innføre disse på en måte som gjør at man kontinuerlig kan lære og justere.

Et eksempel: Mark!
Et godt eksempel på hvor viktig og nyttig eksperimenter kan være, er hvordan man best kan redusere fraværet ved barneskoler i utviklingsland. En institusjon som har spesialisert seg på slike eksperimenter, fant ut at en effektive metode var å gi barna medisin mot mark. Det er viktig kunnskap i seg selv, men det er enda viktigere når man sammenligner dette resultatet med resultatet fra andre eksperimenter. Det viser seg da - sier de - at andre metoder som ble brukt (blant annet finansiell belønning til mødre) var 1800 ganger så dyr per reduserte fraværsdag. Ved å utføre eksperimenter fant man dermed en metode som var langt billigere og man kunne dermed spare betydelige beløp. Nå er ikke mark noe stort problem i Norge, men det er ingen grunn til at vi ikke kan gjennomføre eksperimenter på mange andre relevante områder inne helse.

Konklusjon
Få vil være uenig i at politikk bør basere seg på kunnskap om hva som virker best.  Det er mindre innlysende hva som skal til for at man skal få en slik evidensbasert politikk. Noe av svaret er større fokus på  eksperimenter, uavhengige  institusjoner og en kultur for evaluering.


Share |

Er 46% av all behandling uten dokumentert effekt?

British Medical Journal's Clinical Evidence har gått i gjennom 2 500 studier av ulike behandlinger og laget følgende figur:

Noen tolker dette som et argument for at man kaster bort mye ressurser på behandlinger som ikke har dokumentert virkning (46% av de undersøkte behandlingene), eller på behandlinger som synes å skade mer enn det gavner. Spørsmålet er om dette er rett tolkning.

Legg først merke til at figuren ikke handler om penger, men om studier av behandlinger som inngår i ulike kunnskapsoppsummeringer.  Fordi vi ikke vet prisen på behandlingene i de ulike kategoriene, eller hvor ofte de brukes, kan vi dermed ikke si at 46% av helsepengene brukes på behandlinger med udokumentert effekt.

Deretter bør man merke seg at figuren ikke handler om personer. En kunnskapsoppsummering kan inneholde mange behandlinger som viser seg å ha liten effekt. Det mest interessante spørsmålet er ikke hvor mange slike studier vi har, men hvor ofte disse behandlingene blir brukt på pasienter. At 46% av behandlingene i oppsummeringen ikke hadde en dokumentert effekt, betyr ikke at 46% av pasientene fikk denne behandlingen.

Man kunne så begynne å krangle om begrepene. Hva menes med "udokumentert effekt" og lignende?  I mange tilfeller handler det om at man ikke kan vise til en god randomisert kontrollert studie. Noen vil krangle og si at man har få studier som viser at det er farlig å hoppe fra fly uten fallskjerm, men at vi trygt kan konkludere i saken selv om vi ikke utfører randomiserte studier. Det er et morsomt poeng, men det er samtidig liten tvil om at mange studier som ikke er randomiserte lett blir misvisende fordi man tiltrekker seg  pasienter som ikke er representative. Poenget er dermed ikke å motarbeide randomiserte studier, men at man heller ikke bør være så dogmatisk at bare det godtas før man konkluderer med at noe har dokumentert effekt.

Når man tar hensyn til disse tre forholdene, er trolig ikke konklusjonen så dramatisk som at man kaster bort 46% av helsekronene. På den annen side, noen av de behandlingene som i figuren er klassifisert som "nyttig" kan være meget dyre behandlinger. Det kan betyr at de har en dokumentert medisinsk effekt, men nytten kan være svært lav i forhold til kostnaden. 13% "nyttige" behandlinger betyr dermed ikke at 13% av behandlingene vil kunne passere en kost-nytte test. Det er et gjennomgående problem at økonomi ofte ikke omtales i slike studier.

Figuren kan brukes som et argument for å være kritisk og studere hva vi får igjen for helsepengene, men fordi den ser på andelen studier og ikke penger eller antall behandlede personer så er den langt fra nok til å kunne konkludere.

Share |


Noe helt annet: Reklame! Husk årets helseøkonomikonferanse, 19-20. mai

Er tallene for helseutgifter sammenlignbare?

Forrige blogpost viste at Norge brukte fra dobbelt så mye til litt mindre enn andre land på helse alt avhengig av hvilken indikator man brukte på helseutgifter. Problemene ender ikke der. Selv om man blir enige om et mål, så er det store forskjeller i hvordan landene fører visse utgifter. Hvilke forskjeller er det og hvor mye betyr dette?

Hovedforskjellen er at noen land fører en stor del av utgiftene til sykehjem og langtidspleie som helseutgifter, mens andre land fører dette som sosialutgifter. Det betyr at de norske tallene for samlede helseutgifter ikke blir sammenlignbare med de andre landene fordi vi inkluderer utgifter som andre land ikke tar med. Hvor stort er dette problemet?

Dersom man ser nøyere på tallene, viser det seg at sykehjem og hjemmehjelp utgjør 25% av helseutgiftene i Norge. Det er dermed en svært stor og viktig post. Til sammenligning utgjør den samme kategorien bare 8% av samlede helseutgifter i Sverige. Spørsmålet blir om denne forskjellen reflekterer en virkelig forskjell i hvor mye man bruker på sykehjem eller om den reflekterer forskjeller i måten man fører tallene.

Svaret er at regnskapene er forskjellige. Det kan man se fordi vi også har tall på hvor mye av langtidspleie som føres under sosialutgifter og ikke under helseutgifter (se tabellen nedenfor). Sverige har ført opp en utgift på over 1000 USD per innbygger til sykehjem og langtidspleie som sosialutgift og ikke helseutgift. Norge har ikke oppgitt noen utgifter her, men har ført alle utgifter til sykehjem og hjemmehjelp som helseutgifter. Og problemet er ikke at bare Norge fører feil og alle andre rett. Det er OECD sine egen retningslinjer som er uklare på hvor mye  av utgiftene til langtidspleie som skal føres som helseutgifter. Forskjellige land følger dermed ulik praksis noe som gjør tallene lite sammenlignbare.




Hvor mye betyr denne forskjellen i regnskapene? I følge OECD bruker Norge 47% mer per innbygger på helsetjenester enn gjennomsnittet i de andre nordiske landene. Problemet er at disse tallene ikke er sammenlignbare fordi Norge har inkludert utgifter til sykehjem og hjemmehjelp, mens andre land har delvis ekskludert disse. For å skape noe mer sammenlignbare tall, kunne man trekke ut sykehjemsposten og sammenligne utgiftene. Det viser seg da at Norge fremdeles bruker mer enn de andre nordiske landene, men forskjellen faller fra 47% til 30%. Alternativt kunne man legge til de beløpene man har på hvor mye de bruker på sykehjem i de andre nordiske landene. Hvis man gjør det, og stoler på OECD tallene, bruker Norge 32% mer enn snittet.

Dersom man ser enda nøyere på tallene, er det spesielt Island og Finland som ligger lavt. Finland er spesiell i den forstand at de har betydelig lavere lønninger og bemanning, delvis på grunn av den økonomiske krisen på 1990 tallet. Dersom vi tar hensyn til innbyggertallet, vil også Island veie mye mindre. Hvis vi derfor bare sammenligner Norge med Sverige og Danmark, viser det seg av vi bruker noe over 20% mer enn disse landene. Dette utgjør en halvering av forskjellen man får dersom man ikke tar hensyn til at tallene føres forskjellig. Forskjeller i regnskapsføring er dermed en betydelig kilde til misvisende konklusjoner.

Konklusjonen er dermed at man ikke bør bruke samlet helseutgift fra OECD når man skal sammenligne helseutgiftene i ulike land.

Share
|

Om å sammenligne helseutgifter mellom land - datakvalitet og problemer

På samme måte som man ikke ønsker å se hvordan pølser og lover blir til, kunne man ønske å slippe se hvordan sammenligninger mellom land blir laget. Emnet er imidlertid for viktig til å bare håpe at de tall og indikatorer man får servert er korrekte. Det er viktig fordi tallene brukes i den politiske debatten til å si at vi bruker veldig mye på helse (=nok?), mens andre argumentere for at vi  ikke bruker så mye mer enn andre eller til og med at vi bruker mindre enn land vi liker å sammenligne oss med.

Det er to problemer her. For det første er det flere ulike mål på hvor mye vi bruker på helse. For det andre er det forskjeller i måten landene fører helseregnskapene og dette gjør at det kan være vanskelig å sammenligne. Det betyr ikke at alt er håpløst, men at man må være klar over fallgrubene før man kan sammenligne. I denne blogposten vil jeg se på det første problemet, mens det andre vil bli tatt opp neste uke.

Det er mange ulike mål på hvor mye man bruker på helse:

• utgifter per innbygger i dollar (årlig gjennomsnittlig vekslekurs)
•  kjøpekraftjusterte utgifter per innbygger (løpende eller låst til et spesielt år)
•  prosent av bruttonasjonalprodukt 
•  prosent av bruttonasjonalproduktet for Fastlands-Norge.

Avhengig av hva man velger å fokusere på, vil sammenligningen gi forskjellig resultat. For eksempel ligger Norge på andreplass i OECD i 2007 dersom man måler helseutgiftene per innbygger i amerikanske dollar. Dersom man derimot velger å fokusere på BNP, ligger vi på 15. plass. 

En illustrasjon av hvordan konklusjonene om vi bruker mye eller lite vil avhenge av hva man velger å sammenligne, kan man få ved å se på hvor stor prosentvis forskjell det er mellom Norge og de andre landene i OECD når man bruker de ulike indikatorene (se figuren). 

Figur: Prosentvis forskjell mellom Norge og gjennomsnittet i andre OECD-land på noen viktige indikatorer for hvor mye man bruker på helse (Samlet utgift til helse per innbygger i 2007)

Dersom man bare sammenligner dollar, så bruker vi nesten dobbelt så mye som de andre landene i OECD per innbygger (vi bruker 98% mer). Dersom man så justerer for ulikheter i priser mellom landene ved å bruke kjøpekraftsjusterte dollar for å sammenligne helseutgiftene, faller forskjellen mellom Norge og de andre landene fra 98% til 55%. Det er fremdeles en stor forskjell, men den et dramatisk mindre enn når vi ikke justerte for kostnadsforskjellene. Forskjellen faller ytterligere - til 39% - hvis man ikke endrer kjøpekraftsjusteringen årlig, men tar utgangspunkt i et bestemt år (2000). Den mest dramatiske endringen kommer imidlertid dersom man måler helsekostnadene som en andel av bruttonasjonalproduktet. Da ligger vi 2% under gjennomsnittet blant de andre landene i OECD. Dette skyldes i stor grad oljen, for hvis man bare ser på bruttonasjonalproduktet i Fastlands-Norge, er helseandelen igjen større enn for andre land (30%).

Konklusjonen er dermed at man kan få den konklusjonen man ønsker ved å fokusere på ulike indikatorer: Alt fra at vi bruker dobbelt så mye som andre til at vi bruker 2% mindre. Det interessante spørsmålet blir da hvilket av disse målene som gir det mest korrekte bildet. 

Svaret er, dessverre, at det ikke finnes et mål som er alltid er best eller mer korrekt enn andre fordi det vil avhenge av problemstillingen. Dersom man ønsker å si noe om effektivitetsforskjeller, kan det være naturlig å starte med ujusterte utgifter og så undersøke hvor mye av forskjellene som kan forklares av ulike faktorer (lønn, pris, bemanning). Det ville da være dumt å justere alle tallene før man begynner analysen. Hvis målet er å generelt si noe om vi bruker uforholdsmessig lite eller mye i forhold til våre inntekt og kostnader, så vil det beste være å se på andelen av bruttonasjonalprodukt som brukes på helse med en form for periodisering av inntektene fra oljen.

Og uansett hvilket mål man velger, vil det være problemer å sammenligne fordi tallene ikke alltid er sammenlignbare. Men det problemet får vente til neste gang.

Postscript om kjøpekraftsjusterte dollar

La oss si at man tar utgiftene i norske kroner i de ulike årene og konverterer de til dollar ved å bruke gjennomsnittlig valutakurs mellom norske kroner og amerikanske dollar i de ulike årene. Det kan synes som en grei måte å sammenligne utgiften i ulike land, men som så ofte er djevelen i detaljene. Selv om man i virkeligheten har ganske stabile utgifter i norske kroner, vil utgiftene i målt amerikanske dollar kunne variere mye fordi kronekursen hopper opp og ned. Ved å bruke løpende valutakurser vil det derfor se ut som om utgiftene varierer mye når de egentlig er ganske stabile. Man korrigerer heller ikke for at priser og lønninger kan være høyere i Norge enn andre land og at en dollar derfor kjøper færre sykepleiere her enn i mange andre land.

En løsning på dette problemet er å konvertere norske utgifter til dollar ved å bruke kjøpekraftsjusterte beløp. Rent praktisk gjør man dette ved å finne den valutakursen som gjør at noen varer koster det samme i ulike land. Dersom en Big Mac koster 70 kroner i Norge og 10 dollar i USA, så vi man si at en dollar tilsvarer syv norske kroner fordi det er den kursen som gjør at en Big Mac koster det samme i Norge og USA. På den måten får man en noe mer stabil valutakurs og man tar også hensyn til høye priser og lønninger i Norge.

Selv om det er vanlig å bruke kjøpekraftsjusterte beløp når man sammenligner helseutgiftene mellom ulike land, er det også flere problemer med dette. Dersom man er interessert i hvor mye man reelt sitter igjen med til helseformål, må man justere for pris- og lønnsforskjeller mellom helsesektorene og ikke forskjellene i den generelle økonomien mellom landene. Det beste ville dermed vært om man brukte en helsespesifikk indeks, noe man jobber med å lage i OECD.

Hva tror legene en MR undersøkelse koster?

Leger har en portvaktrolle der de skal vurdere kostnadene og nytten av ulike intervensjoner. For å gjøre dette må de kjenne kostnadene knyttet til ulike tiltak. Et konkret eksempel er bruk av MR. Spørsmålet blir da "Vet legene hva en MR-undersøkelse koster?" Sammen med Berit Bringedal har jeg undersøkt dette nærmere og svarene er gjengitt i figuren nedenfor.

Som vi kan se fra figuren, er det stor spredning i hva legene tror en typisk MR-undersøkelse av et kne koster dvs. pasientens egenandel og refusjonsutgifter. Mange har god kjennskap til den sanne prisen (omkring 1250 kroner for noen år siden - lavere i dag), men mange tar også feil. Mer enn halvparten tar feil med mer enn 50% og 12% av legene tror at kostnadene er mer enn fire ganger så store som de virkelig er.

Poenget med dette er ikke bare å mase om kostnader. Vi vil alle helst gå til en lege som ikke tenker for mye på kostnader - i alle fall så lenge vi ikke betaler så mye selv. Men hvis perspektivet er større enn navlen, vil de fleste også være enige i at det ville være lurt om man vurderte kostnadene i forhold til gevinstene før man gjør ting. Det ville da være praktisk om legen som ofte sitter med best informasjon om nytten av ulike tiltak, også er den som vurderer helheten. Og hvis legen først skal ta med kostnader i beregningen ville det være dumt om man kommer til en lege som sier nei til MR fordi man på feilaktig grunnlag tror at kostnadene er svært høye. Og for samfunnet - oss alle som helhet - blir det også dumt om man skriver ut for menge henvisninger eller medisiner fordi man enten ikke bryr seg om eller ikke vet om kostnadene. Derfor er det viktig. Legene forvalter store summer og det bør gjøres på et så godt informasjonsgrunnlag som mulig.

For mer om dette se Hva tror legene en MR-undersøkelse koster (artikkel i Tidsskriftet)

Se også lederartikkelen til Sagsveen og Rørtveit med en diskusjon av funnene i en større kontekst: Skal legene prioritere etter kostnader eller nytte?

Hvor mye koster et nytt legemiddel?

For noen år siden ble det hevdet at det kostet over 800 millioner dollar å utvikle et nytt legemiddel (DiMasi, Hansen og Grabowski, 2003). Dette tallet ser ut til å ha festet seg og gjentas i mange artikler og bøker. Nylig var en amerikansk forsker - Donald Light - i Oslo og kritiserte dette tallet. Hans argument er at tallet var overdrevet fordi det representerte bare kostnadene knyttet til helt nye legemidler ("New Molecular Entity"). Disse representerer under 30% av alle nye legemidler som kommer på markedet og de er betydelig dyrere å utvikle enn andre legemidler. Videre var det få bedrifter som bidro med informasjon (ti) og det var ikke klart hvordan disse hadde regnet ut kostnadene. Selv mener Light at kostnadene kanskje ligger rundt 300 millioner dollar.

Man kan krangle frem og tilbake om dette - og det gjør man også - for eksempel er det en artikkel i Health Affairs som diskuterer frem og tilbake og sier at summen ligger mellom 500 og 2000 millioner dollar (Adams og Brantner, 2006). Dette emnet er et vepsebol og denne bloggen vil ikke konkludere  - bortsett fra å notere seg kontroversen og bringe den videre til glede for de som ønsker ammunisjon til diskusjon.

Gir flere fastleger mindre bruk av spesialisthelsetjenester?

Et av premissene bak Samhandlingsreformen er at flere leger i kommunene vil redusere etterspørselen etter spesialisthelsetjenester. I siste nummer av Samfunnsøkonomen presenterer Espen Dahl, Jostein Ellingsen og Tor Iversen en undersøkelse som er relevant for dette spørsmålet. Konkret undersøker de om kommuner med god legedekning (mange leger med lister som ikke er fulle) og leger som har få pasienter på sin liste har flere henvisninger til radiologi enn andre kommuner.

Resultatene viser at den gjennomsnittlige henvisningsraten til privat radiologi for fastleger per måned er 12 per 1000 pasienter. Videre øker denne med 4,8% for leger med pasientknapphet.  Dette kan tolkes som at utgiftene til radiologi vil kunne øke dersom man fikk flere leger. Tendensen var den samme når man gjorde analysene på kommunenivå, men effekten av pasientknapphet på henvisninger til offentlig radiologi var mindre.

Man kan ikke konkludere generelt om sammenhengen mellom antall leger og bruk av spesialisthelsetjenester bare fra denne undersøkelsen. Henvisning til radiologi er bare ett av mange elementer, men på dette feltet gir resultatene lite grunn til å støtte premisset om at flere leger vil gi mindre totale kostnader.

Når jeg blir 66 ... Hvorfor hopper utgiftene til sykehus opp og ned mellom 66 og 67?

Denne uken handler helsenyheten om et merkelig fenomen - der jeg spør om lesernes hjelp. 

Figuren nedenfor viser gjennomsnittskostnadene til behandling på sykehus for ulike alderstrinn (døgn og dagbehandling, ikke poliklinisk behandling, data fra npr, 2008, kostnader regnet ut fra drg). Man kan si mye om figuren - utgiftene stiger jevnt fra omtrent 5000 kroner per innbygger for individer som er 30-40 år til 10 000 kroner for de som er 60 år og oppover  til 20 000 kroner for de som er 70 år og noe over 30 000 kroner for de som er litt over 80 år. Dette kan man si mye om, men det er ikke poenget her. Det er vel kjent at helseutgiftene stiger med alder. Og selv om de nøyaktige summene ikke er så godt kjent, er dette ikke noen store nyheter. Mer interessant, synes jeg, er noen rare hopp. De som er 66, 88 og 98 år har spesielt store utgifter. Det på 98 kan man kanskje avskrive som en statistiske tilfeldighet fordi det ikke er så mange individer i den gruppen, men det kan man ikke gjøre for de som er 66 og 67. Ikke 88 heller - det er mange tusen individer der). Hvorfor stiger utgiftene litt når man er 66 for så å synke når man er 67? Og hvorfor hoppet på 88?

Det finnes flere mulige svar. Mange går av med pensjon når de fyller 67 år. For noen kan dette bety mindre strev og bedre helse - selv om det også kan være motsatt. Det kan også være at man sørger for å ordne opp i helseproblemer før man blir pensjonist? Eller at de som i 2008 var 67 år historisk sett var en "god årgang?" Og for 88 åringene kan det være at de og legene "skynder seg" fordi de tror det kan bli vanskeligere å få samme behandlingen når man blir over 90 år? Problemet er at dette bare er historier som jeg har funnet på eller fått fra andre. Det kan være andre historier som er mer overbevisende og det kan sikkert være feil med data eller rene byråkratiske forklaringer på hvorfor vi ser slike rare hopp. Forslag mottas gjerne!

To ting til slutt: Først: Det samme mønsteret eksisterer når man ser på menn og kvinner hver for seg. Deretter: dette er tall som jeg selv har regnet på fra rådataene. Det er ikke publisert og kan gjerne betraktes med en viss skepsis og bør ikke siteres som ferdig forskning.

Enkelt og viktig: Følg anbefalingene!

I en hverdag fylt med modeller, teori og statistikk, kan det være greit å minne seg på at det enkle ofte kan være viktig og nyttig. Et nytt working paper fra et økonomisk forskningsmiljø i USA har beskrevet noe slikt. Det handler om viktigheten av at pasienter følger anbefalingene for bruk av medisiner. Det er ikke et nytt tema, men de bruker en metode som tar hensyn til et vanlig problem med observasjonsdata: De som som er mest syke er også de som i størst grad følger anbefalingene. Det er også de mest syke som oftest får komplikasjoner og blir lagt inn på sykehus. Dersom man måler viktigheten av å følge anbefaling ved å se på hvem som blir reinnlagt, så vil man stort sett bare se pasienter som har fulgt anbefalingene. Man vil da lett og feilaktig konkludere at dette ikke er noe stort problem fordi man observerer et skjevt utvalg av pasienter - de mest syke som følger anbefalingene. De som ikke følger rådene er underrepresentert. Når man tar hensyn til denne skjevheten ved å bruke ulike statistiske metoder (bla. propensity score analyse), så får man et mer korrekt bilde av hvor viktig det er å følge anbefalingene.

Artikkelen analyserer så tall basert på diabetes og konkluderer:

Overall, we find that increasing diabetic drug adherence from 50% to 100% reduced the hospitalization rate by 23.3% (p=0.02) from 15% to 11.5%. ER visits are reduces by 46.2% (p=.04) from 17.3% to 9.3%. While such an increase in adherence increases diabetic drug spending by $776 a year per diabetic, the annual cost savings for averted hospitalizations are $886 per diabetic, a cost offset of $110 (p=0.02), or $1.14 per $1 spent on drugs.

Dersom man skulle komme med en kritisk merknad - og det er nesten synd å gjøre det når det gjelder et så enkelt og godt råd som at "det er viktig å følge anbefalingene" - så må det være at de generaliserer ut fra ganske store endringer (fra 50% til at 100% skal følge rådene). De diskuterer heller ikke kostnadene knyttet til det å få pasientene til å følge anbefalingene. Men det er uansett en nyttig påminnelse om at det ikke nødvendigvis er de store grepene med nye finansieringssystemer eller omorganiseringer som må til for å forbedre ting. Kanskje burde det være mer slik forskning også. På små mekanismer og ikke bare store ting?

Om verdien av behandling mot slutten av livet: Høy eller Lav?

Hvor mye skal vi betale for behandling som kanskje forlenger livet med noen måneder? Det tradisjonelle argumentet fra økonomene er at man i dag bruker for mye. I USA har man beregnet at omtrent 25% av helesutgiftene i løpet av at liv, kommer i det siste året før død. Ved HELSAM pågår det en studie for å se på disse utgiftene i Norge, men det er ennå for tidlig å si noe om resultatene. Uansett hva man kommer frem til, så blir det imidlertid feil å bare hoppe fra "vi bruker veldig mye" til å si at "vi bruker for mye." Et nytt paper (se her) fra fire meget anerkjente, men også omdiskuterte, økonomer presenterer minst tre argumenter for at man kan være ekstra villig til å betale mye for behandling mot slutten av et liv.

For det første, sier de, kan man ikke bruke penger etter sin død, så man kan like gjerne bruke opp alt på å forlenge det. Problemet med dette er selvsagt at man både bryr seg om sine etterlatte og at det ofte ikke er personenes egne penger man bruker.

Dette leder til det andre argumentet, som er at det kan ha stor verdi for pårørende at et liv forlenges. Igjen er dette nesten selvsagt korrekt, men det er interessant i den forstand at det kan økte styrken på verdien av livsforlengende i forhold til livsforbedrende behandling.

Det tredje argumentet er kontroversielt. Forfatterene hevder at vissheten om at man skal dø vil gjøre at man nyter livet mindre enn før. Det har derfor stor verdi å investere i livesforlengende behandling fordi det gjør at man også kan nyte nåtiden bedre, ikke bare at man får leve lenger. Om dette virkelig er sant, har de ikke undersøkt.

Det er også andre argumenter. Felles for alle er at de ved første øyekast kan virke som en blanding av selvfølgeligheter og provokasjoner som fremstilles i et matematisk språk. Det gjør at man kanskje ikke vil anbefale artikkelen, men tanken bak er er utvilsomt viktig: Hvis man skal trekke konklusjoner om man bruker for mye eller for lite på denne behandlingen, holder det ikke å si at vi bruker mye penger. Man må også lage et rammeverk der man kan si noe om hva man får tilbake.

Referanse: Terminal Care and The Value of Life Near Its End, Tomas J. Philipson, Gary Becker, Dana Goldman, Kevin M. Murphy, NBER Working Paper No. 15649*