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 |