Svingdørspasientene: Ideer fra USA

Atul Gawande er en kjent amerikansk kirurg og skribent. I siste utgave av The New Yorker har han en artikkel med tittelen The Hot Spotters: Can we lower medical costs by giving the neediest patients better care? 

Argumentet er enkelt og viktig: Ved å bruke ny informasjonsteknologi kan vi identifisere personer som står for en stor andel av helseutgiftene. Et systematisk  fokus på disse gjør at vi kan tilby bedre behandling og samtidig redusere kostnadene. For at dette skal lykkes, er det nødvendig med nytenkning om hvordan man skal tilby helsetjenester - både når det gjelder finansiering, lovverk og helsekultur. 


Dette høres selvsagt bra ut. Hvem kan være motstander av billigere og bedre? Men som engelskmennene sier: The proof of the pudding is in the eating. Hvordan skal det gjøres og vil det virke?

Gawande peker på en rekke forskjellige ideer og eksempler. Utgangspunktet er en historie om en engasjert lege - Jeffrey Brenner - som bruke et dataprogram for å analysere sykehusinnleggelser i Camden - et belasted område i USA. Det viste seg at 1% av pasientene utgjorde 30% av utgiftene og at disse i  stor grad kom fra to små områder i Camden. Inspirert av dette funnet, begynte han å jobbe målrettet mot denne gruppen. Det viste seg at det ofte var pasienter med kroniske problemer - diabetes, hjerteproblemer, astma - som gjerne ble forverret av livsstilsproblemer som alkohol og røyking. Dette kommer nok ikke som noen overraskelse på de fleste, men Gawande mener at dette bør få implikasjoner for organiseringen av helsesystemet. Dagens system er ikke tilpasset denne gruppen, mener han:

The critical flaw in our health-care system ... is that it was never designed for the kind of patients who incur the highest costs.

Han gir så mange anekdoter og eksempler på dette: Vi bør danne "special care centers" som får til oppgave å arbeide med denne gruppen. Gruppen bør inneholde ulike arbeidere som fokuserer på livsstil og ikke bare medisinske problemer. Man bør også  i langt større grad ta i bruk IT-systemer som identifiserer problemtilfellene og som gir informasjon om hvordan det går med de (antall innleggelser, bruk av legemidler). Man bør ikke betale "per besøk" fordi dette stimulerer til båstenkning og i noen tilfeller overforbruk. 


Nok en gang er det vanskelig å være uenig, og heller ikke så veldig overrasket. Noe mer kritisk kan man kanskje være når Gawande diskuterer hvor lønnsomt slike tiltak er. Han nevner forsøk som har gitt en 56% reduksjon av utgiftene, men innrømmer at dette delvis kan skyldes et statistisk fenomen som kalles "regression to the mean." Dersom man plukker ut de som gjør det godt på en matteprøve, og tester de igjen, vil de ofte ha et lavere gjennomsnitt på den andre testen. Hvorfor? Fordi det er to grunner til at man havner i gruppen som fikk en høy poengsum: Dyktighet og flaks. Dyktigheten består, men det er lite sannsynlig at man har flaks to ganger på rad. 


På samme måte er det med pasienter: Dersom man tar ut de pasientene som kostet mest i et år, er det naturlig at de koster mindre neste år fordi de vil da trolig ikke ha like uflaks neste år. En studie som tok hensyn til dette viste en reduksjon på 25% i helseutgifter, men den var basert på få obervasjoner, det var stor usikkerhet og man hadde ikke regnet med kostnadene knyttet til det å tilby de nye tjenestene. 


Det kan kanskje virke surmaget å kritisere Gawande for dette, men med en person som skriver så anekdotisk og bra er det viktig å bevare en viss kritisk sans. Det betyr ikke at man bør lukke ørene. Han beskriver for eksempel et spennende forsøk der myndighetene tilbød sykehusene ekstra penger for tiltak mot kostnadskrevende pasienter på betingelse av at man kunne demonstrere at intervensjonene reduserte kostnadene med 5% sammenlignet med en kontrollgruppe av lignende pasienter. Tre år senere, sier han, så hadde de klart dette. Forsøk med slike innebygde evalueringer og avslutning hvis det ikke viser seg å virke, er en spennende ide.


Bruk av store databaser for å identifisere kostnadskrevende pasienter og et systematisk fokus på disse kan kanskje ikke spare 50% av helseutgiftene, men Gawande gir mange eksempler på at det kan føre til bedre behandling og i noen tilfeller også en viss reduksjon i kostnadene. Problemet, som Gawande nevner mot slutten, er ikke at vi ikke visste om dette, men at politiske, juridiske og økonomiske hindringer gjør det vanskelig å få til den ønskede vridningen av helsevesenet.

Share |

Politikk, vitenskap og røyking: Et eksempel , et vepsebol og en skjevhet

European Journal of Health Economic publiserte nylig en artikkel om røykeloven og omsetningen på puber og restauranter. Undertegnede er en smule inhabil når det gjelder artikkelen, men desto bedre kvalifisert til å si noe om prosessen før og etter. Denne illustrerer på godt og vondt hvordan forskning påvirker politikken, men også hvordan politikken påvirker forskningen.

Hovedbudskapet i artikkelen er at røykeloven ikke ser ut til å ha noen stor betydning for den totale omsetningen på  restauranter, men at resultatene var noe mer blandet for puber. Dette kom man frem til ved å bruke ulike modeller og metoder på tall for omsetning og andre variabler fra SSB.

I prosessen før publikasjon ble det gjort flere endringer. Blant annet ønsket de som skulle godkjenne artikkelen ikke å snakke om "lovforbudet mot røyking" men om "lov om frihet fra røyk." Det er nesten som man blir minnet om republikanernes offisielle navn på Obamas helselov: The "job-killing health bill!" Som forsker prøver man å finne mer nøytrale ord og vi endte stort sett opp med å bruke "loven" og ikke "forbudet." Både for å tilfredsstille kravene fra tidsskriftet og for å unngå ladede begreper.

Reaksjonene etterpå var like interessante. Av ukjente grunner ble artikkelen omtalt i flere tyske medier og BMJ. Disse omtalene la stor vekt på at røykeloven ikke hadde hatt noen effekt på omsetningen. Problemet er at både nyanser og forbehold lett forsvinner. For eksempel var det lite fokus på de varierende resultatene for puber (spesielt på kort sikt) og usikkerheten knyttet til metoder og data. Dette kunne det selvsagt vært mer av i artikkelen også, men redaktører at tidskrifter ønsker å kutte i lengden og aviser må kutte i enda større grad. Det er naturlig og uunngåelig.

Det som kommer ut og påvirker politikken er dermed en forenklet versjon. Blant de få nyansene som finnes i denne forenklede versjonene, velger mange - naturlig nok - å fokusere på det som gir mest støtte til eget syn. Forskningens konsekvens blir da lett motsatt av det som er ønskelig. Man fester seg ved det man er enig i og bruker det til å bekrefte det man trodde i utgangspunktet.

I en ideell verden skulle det vært motsatt. For å komme frem til så korrekte oppfatninger som mulig, skulle man feste seg ved det som ikke passer med sitt eget syn. På den måten kan man faktisk lære noe nytt og endre standpunkt. Man bør derfor systematisk lese aviser og artikler som har et annet syn og ikke bare de som underbygger de antagelsene man måtte ha fra før.

Selv om røykeloven er brukt som eksempel her, var ikke prosessen så ille i denne konkrete saken.  Tyske medier var overraskende grundige, selv om de kanskje var mer opptatt av å få navn og titler riktig enn å være kritisk til innholdet. Nå er jeg like inhabil i syvende avsnitt som i første og det er vanskelig å vurdere dette, men artikkelen har sikkert flere svakheter og konklusjonene er alltid usikre. De tekniske detaljene kan debatteres og det ligger i vitenskapens kumulative natur at man må kjøre mange analyser med mange modeller og metoder og ikke bygge konklusjonen på en artikkel.

Mer interessant enn en kritikk av det tekniske innholdet, er en vurdering av det som ikke tas opp i artikkelen. Ikke alle spørsmål egner seg like godt til en vitenskapelig diskusjon og de blir dermed lett utelatt. For eksempel er det mange andre argumenter enn de rent økonomiske og helsemessige som ville være viktig for om man er tilhenger eller motstander av ulike helsetiltak. Mange av disse andre argumentene handler om hvor stor vekt man legger på ulike verdier og de egner seg dårlig for statistisk analyse.

Dette skaper en interessant systematisk skjevhet: Man får stadig mer forskning og informasjon på områder som lar seg tallfeste og som peker i en retning, mens områder som kan være viktige men ikke så lett å tallfeste eller diskutere vitenskapelig, får mindre og mindre oppmerksomhet. Over tid vinner det ene, ikke fordi det er viktigst, men fordi det ligger iboende i systemets logikk at man over tid får flest nyheter og mest informasjon i den retningen. Fakta om økonomi og helse akkumulers i vitenskapelig forskning, mens andre forhold får mindre oppmerksomhet fordi de ikke er så lett forskbare.

Har dette skjedde med røyking? Verdibaserte argumenter kan slå begge veier i denne debatten. Den enes frihet er en annens ufrihet. Konklusjonen er derfor mer Ole Brumsk. Økonomi og fakta er fremdeles viktig, men man kan ikke regne seg frem til korrekt politikk. Artikkelen er bare et bidrag til den ene halvdelen - ikke et kampskrift.





Share |

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 |