fredag 11. juni 2010

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 |

Ingen kommentarer:

Legg inn en kommentar