Lönar sig kontinuitet i vården?

Transkript

1 Avrapportering av delprojekt inför utvärderingsplan för Framtidens hälso- och sjukvård (FHS) Lönar sig kontinuitet i vården? En pilotstudie om att mäta vårdgivarkontinuitet hos personer med kroniskt obstruktiv lungsjukdom Rapporten är framtagen av Centrum för hälsoekonomi, informatik och sjukvårdsforskning (CHIS) Sofia Sveréus Sofi Bergfors Cecilia Dahlgren Clas Rehnberg

2

3 Sammanfattning Ett antal internationella studier visar att god kontinuitet i vården samvarierar med såväl lägre vårdkostnader som bättre kvalitet, och de mest positiva effekterna av hög kontinuitet återfinns hos patientgrupper med kroniska sjukdomar. Kontinuitet är också en central målsättning i Framtidsplan för hälso- och sjukvården (FHS) inom Stockholms läns landsting (SLL). Inför utvärderingen av FHS är det därför relevant att identifiera ett mått på kontinuitet som går att följa upp över tid. Ett sådant mått bör (1) kunna beräknas med befintlig statistik, (2) samvariera med positiva aspekter, såsom lägre kostnader och bättre kvalitet, samt (3) kunna beräknas för individer med kroniska sjukdomar, som också är en prioriterad grupp i FHS. Syftet med detta delprojekt är därför att undersöka samband mellan ett kvantitativt mått på vårdgivarkontinuitet och kostnader, inskrivningar och akutmottagningsbesök för personer med kroniskt obstruktiv lungsjukdom (KOL), samt att identifiera möjligheter och problem med tillämpning av måttet för uppföljning. Gruppen av individer med KOL fungerar alltså som en pilotgrupp för att testa möjligheterna att beräkna och använda måttet inom SLL. Det mått som beräknas är en variant på Bice-Boxerman vårdkontinuitetsindex. Då information saknas i befintlig statistik om vilken specifik läkare eller sköterska en person besökt beräknas individernas vårdkontinuitet dock utifrån hur spridda deras besök är till olika mottagningar. Utifrån VAL-databaserna identifierades individer med KOL, som följs upp under 365 dagar från sitt första öppenvårdsbesök år Resultaten från regressionsanalyser visar att de av individerna som har högre beräknad mottagningskontinuitet också har såväl lägre kostnader för vård och läkemedel, som lägre sannolikhet för att hamna i slutenvård eller på akutmottagning. Det gäller även när hänsyn tagits till skillnader i fråga om ålder, kön, samsjuklighet och antal besök. Slutsatsen är därför att (1) det är möjligt att med befintlig statistik beräkna ett mått på vårdgivarkontinuitet, och (2) att detta mått samvarierar med t.ex. kostnader på det sätt som kan förväntas. Samtidigt är de tydliga sambanden något förvånande då kontinuiteten är beräknad på mottagnings-, och inte enskild vårdgivarnivå (individer med hög kontinuitet kan med dessa beräkningar i själva verket träffa olika läkare vid alla besök!). Vidare finns flera utmaningar i fråga om att utifrån VAL-databaserna definiera vad som är ett besök, till vilken mottagning och vårdform detta besök ska grupperas, samt kostnader för besöken. Dessa utmaningar finns dock i VAL oavsett vilket uppföljningsmått som används, och kontinuitetsmåttet i sig är förhållandevis enkelt att beräkna. Vi fann också ett positivt samband mellan antalet besök och den uppmätta vårdgivarkontinuiteten. Det är inte helt klart hur detta samband bör tolkas. För att ytterligare validera resultaten rekommenderar vi att metodiken testas på ytterligare sjukdomsgrupper och eventuellt flera år. Som ytterligare sjukdomsgrupper föreslår vi diabetes, som är en väldefinierad och väl undersökt grupp där det är förhållandevis lätt att skapa ett urval individer, samt hjärtsvikt och/eller någon psykiatrisk diagnos, t.ex. ångest eller kognitiv svikt. Psykiatriska diagnoser är betydligt mindre undersökta och mer utmanande att definiera, samtidigt som vårdkontinuiteten bedöms som mycket viktig. Oavsett diagnosval är det mycket viktigt att definitionen av dessa utarbetas tillsammans med klinisk expertis. Om resultaten visar liknande resultat för andra sjukdomsgrupper och år rekommenderar vi att måttet, d.v.s. Bice-Boxerman vårdkontinuitetsindex på mottagningsnivå, följs över tid - för någon eller några specificera patientgrupper - i och med implementeringen av Framtidsplanen. 1

4 Innehåll Sammanfattning... 1 Bakgrund... 4 Varför mäta kontinuitet?... 4 Hur kan kontinuitet mätas?... 5 Syfte och frågeställningar... 6 Delprojektets syfte... 6 Frågeställningar... 6 Data och metod... 7 Definition av vilka individer som har KOL... 7 Beräkning av kontinuitet... 7 Beräkning av kostnader... 9 Definition av samsjuklighet Sambandsanalyser Resultat Individernas egenskaper Kontinuitet per egenskap Kontinuitet per mest förekommande mottagning Samband mellan kontinuitet och kostnader, inskrivningar och akutmottagningsbesök Lägre skattade kostnader vid högre nivåer av kontinuitet Lägre sannolikhet för slutenvård vid högre nivåer av kontinuitet Lägre sannolikhet för besök på akutmottagning vid högre nivåer av kontinuitet Variationer mellan mottagningar Diskussion Vilka möjligheter finns att beräkna vårdgivarkontinuitet med VAL-data för individer med KOL? Vilka samband finns, på individnivå, mellan det beräknade kontinuitetsmåttet och kostnader, inskrivningar och akutmottagningsbesök? Vilken ytterligare information vore önskvärd för att bättre kunna följa upp kontinuitet? Oavsett uppföljningsmått finns behov av gemensamma definitioner för urval och omkodning av VAL-databaserna Vilka möjligheter och problem finns med att använda måttet som uppföljnings- och styrinstrument? Information Incitament Summerade synpunkter Författarnas tack

5 Referenser Bilagor Bilaga 1: Identifiering av komplikationer Bilaga 2: Hur indexet påverkas av antalet besök Bilaga 3: Spridning av samsjuklighet Bilaga 4: Fördelning av kostnader, skillnader mellan individer Bilaga 5: Resultat av regressionsanalyser Bilaga 6: Korrelation med mått på samverkan på mottagningsnivå

6 Bakgrund Varför mäta kontinuitet? Kontinuitet är en central aspekt för den målbild som finns i Framtidsplan för hälso- och sjukvården (FHS) inom Stockholms läns landsting (SLL). I denna ingår bland annat att patientens vårdbehov tillgodoses i en sammanhållen vårdkedja och att vården håller hög effektivitet det vill säga tillhandahålls säkert, i rätt tid, till rätt patient, på rätt ställe och till rätt kostnad. FHS är således inte ett enda uppdrag utan består av ett antal beslut, uppdrag och målsättningar som tillsammans ska verka för en effektiv nätverkssjukvård med patienten i centrum, och utvecklade och samordnade vårdkedjor. Patientens vård ska anpassas efter individuella behov och preferenser, men även samordnas mellan olika vårdgivare. På liknande sätt har kontinuitet i litteraturen beskrivits som ett överbryggande mellan olika sjukdomsepisoder eller olika vårdgivare på ett sätt som skapar stadga, sammanhållenhet och säkerhet för patienten. Hög kontinuitet enligt denna definition anses särskilt relevant för personer med olika kroniska sjukdomar, som är stora konsumenter av vård, inte sällan i flera olika vårdformer. För personer med kroniska sjukdomar betonas särskilt vikten av management continuity, vilket inbegriper dimensioner som gemensamma vårdprogram mellan vårdgivare, och att olika vårdtjänster kompletterar, snarare än överlappar, varandra (Haggerty et al., 2003). Ett antal internationella studier visar att god vårdkontinuitet samvarierar med såväl lägre vårdkostnader som bättre kvalitet. De mest positiva effekterna av hög kontinuitet återfinns just hos patientgrupper med kroniska sjukdomar. Förra året visade t.ex. Hussey och medförfattare (2014) i en amerikansk artikel att personer med kroniskt obstruktiv lungsjukdom (KOL), hjärtsvikt eller diabetes som har högre vårdgivarkontinuitet också har signifikant lägre kostnader för vård, respektive lägre sannolikhet för att t.ex. bli inskriven i slutenvården eller intagen på akutmottagning, jämfört med sina likar med lägre kontinuitet. Samtidigt finns såväl nationella som internationella studier som visar att svensk sjukvård uppvisar brister i kontinuitet. I de återkommande befolkningsundersökningarna som utförs av Commonwealth Fund 1 i ett antal OECD-länder har den svenska hälso- och sjukvården under en längre tid haft en klart sämre patient-läkarkontinuitet än flertalet jämförbara länder i Europa och Nordamerika. Utvecklingen de senaste åren visar på förbättringar i samtliga länder och den svenska siffran har förbättrats något från 48 procent år 2010 till 55 procent år Nivån på siffrorna från den internationella studien stämmer ganska väl överens med den svenska nationella patientenkäten: cirka 90 procent av de svarande uppger att kontinuitet är viktigt, men endast knappt 60 procent uppger att de får träffa samma läkare 2. Dessa siffror betonar ytterligare vikten av att följa upp kontinuitet, inte minst i samband med stora förändringar i vården, som den som t.ex. FHS innebär. 1 The Commonwealth Fund i USA har ett övergripande ansvar för att koordinera undersökningen, och Myndigheten för Vårdanalys har fått ett regeringsuppdrag för det svenska genomförandet. 2 En skillnad i Sverige mot många andra länder är att patientens fasta kontakt vid en vårdcentral kan vara en annan yrkeskategori än läkare. För personer med kroniska sjukdomar finns till exempel astma- och diabetesmottagningar där patienterna regelbundet vänder sig till en sjuksköterska med specialistinriktning. 4

7 Hur kan kontinuitet mätas? Kontinuitet är ett multidimensionellt koncept som kan mätas på många olika sätt. Det har beskrivits med patientrapporterade upplevelser eller statistik från journaler, administrativa databaser eller enkäter (Haggerty et al., 2012; Jee & Cabana, 2006). I en litteraturöversikt över olika kvantitativa mått på kontinuitet visar Jee och Cabana (2006) på fyra olika huvudtyper av mått. I figur 1 illustrerar vi dessa med några enkla bilder. Inget av måtten ger en fullständig bild av alla dimensioner av kontinuitet, men de belyser vart och ett relevanta aspekter. Längd på listningsförhållandet visar på varaktigheten i relationen mellan patient och vårdgivare, men säger ingenting om huruvida patienten fått någon vård. Det gör däremot frekvensen av besök, som däremot inte tar hänsyn till hur koncentrerade besöken är till en viss vårdgivare. I litteraturöversikten betonas relevansen av sekvens av besök, det vill säga i vilken ordning en individ träffat olika vårdgivare och i vilken utsträckning denna ordning överensstämmer med en önskvärd vårdkedja. Samtidigt noteras att studier som lyckats kvantifiera sekvens av besök är sällsynta, och att det ofta är svårt att definiera exakt hur en önskvärd vårdkedja bör se ut. Figur 1. Olika sätt att mäta kontinuitet. Vi har därför valt att fokusera på den fjärde typen av mått, spridning av besök hos olika vårdgivare inom en viss tidsram. Dessa mått mäter koncentrationen av besök till olika vårdgivare, det vill säga i vilken utsträckning det totala antalet besök under en period är koncentrerade till en, eller spritt till många, vårdgivare. Det specifika mått vi valt att undersöka kallas Bice-Boxerman vårdkontinuitetsindex (Bice & Boxerman, 1977). En viktig anledning till att vi valt att gå vidare med detta mått är att det kan beräknas med utgångspunkt i data som finns tillgänglig. Måttet utarbetades i slutet av 1970-talet, men användes så sent som förra året i ovan nämnda amerikanska studie som undersökte samband mellan vårdgivarkontinuitet och kostnader, slutenvårdsutnyttjande och komplikationer för personer med hjärtsvikt, KOL eller diabetes (Bice & Boxerman, 1977; Hussey et al., 2014). Med denna artikel som utgångspunkt, och givet det faktum att individer med kroniska sjukdomar både anses dra extra stor nytta av kontinuitet, och dessutom är en prioriterad målgrupp inom FHS, testar vi därför att beräkna kontinuitet mätt som spridning av besök hos olika vårdgivare för en grupp individer med KOL. 5

8 Syfte och frågeställningar Delprojektets syfte Syftet med detta delprojekt är uppdelat i två steg: 1. Att undersöka samband mellan ett kvantitativt mått på vårdgivarkontinuitet och kostnader, inskrivningar och akutmottagningsbesök för personer med KOL. 2. Att identifiera möjligheter och problem med tillämpning av måttet för uppföljning (t.ex. över tid med implementeringen av Framtidsplanen). I delprojektet fungerar gruppen av individer med KOL som en pilotgrupp för att testa möjligheterna att beräkna och använda måttet inom SLL. Om resultaten visar sig vara intressanta för pilotgruppen kan måttet testas vidare på andra grupper främst med kroniska sjukdomar. Frågeställningar Med utgångspunkt från delprojektets syfte kommer följande frågeställningar att besvaras: Vilka möjligheter finns att med VAL-data beräkna vårdgivarkontinuitet för individer med KOL? Vilka samband finns, på individnivå, mellan det beräknade kontinuitetsmåttet och kostnader, inskrivningar och akutmottagningsbesök? Vilken ytterligare information vore önskvärd för att bättre kunna följa upp kontinuitet? Vilka möjligheter och problem finns med att använda måttet som uppföljnings- och styrinstrument? 6

9 Data och metod Definition av vilka individer som har KOL Delprojektet är en registerbaserad studie som utgår från den information som finns registrerad i VAL-databaserna. Vi har inkluderat alla individer som enligt VAL-databaserna haft minst en vårdkontakt med KOL (ICD-10 J44) som huvud- eller bidiagnos under femårsperioden och som dessutom lever och bor kvar i länet, samt är minst 55 år, vid ingången av För att göra kontinuitetsmåttet jämförbart mellan individer har vi dessutom exkluderat individer som under flyttat ut ur länet, flyttat till särskilt boende eller avlidit. Detta stegvisa urval illustreras i figur 2. Totalt inkluderar vi individer i studien. Figur 2. Inklusion - och exklusionskriterier för urval av individer. Beräkning av kontinuitet Som nämnts ovan kan kontinuitet innefatta en mängd olika dimensioner och beräknas på olika sätt. Det kontinuitetsmått vi valt att undersöka mäter en form av vårdgivarkontinuitet, nämligen spridning av besök hos olika vårdgivare inom en viss tidsram. Måttet, Bice- Boxerman vårdkontinuitetsindex, beräknas i sitt originalutförande på basis av besök till enskilda läkare. I VAL-databasen saknas dock information om vilken specifik läkare eller sköterska en person besökt. Därför testar vi i denna studie att beräkna måttet på mottagningsnivå. En vårdgivare är i vårt fall lika med en hel mottagning inom husläkarverksamhet och närakuter, respektive en klinik inom sjukhusvård och övrig primärvård. 7

10 Utgångspunkten för beräkningen av måttet är alla typer av öppenvårdsbesök, från individens första öppenvårdsbesök 2012 och 365 dagar framåt, oavsett om KOL finns som diagnos vid besöket eller inte 3. Källan till dessa besök är VAL.OVR och VAL.ARV 4. Om en individ gjort flera besök till samma vårdgivare samma dag inkluderas bara ett av dessa i beräkningen av måttet. Vi inkluderar mottagnings- och hembesök i alla verksamheter och alla vårdgivare (läkare, sjuksköterska, sjukgymnast, dietist mm). När samtliga besök inom fönstret på 365 dagar identifierats söker vi igenom besöken för att exkludera besök som betraktas som oönskade. Det är framförallt besök på sjukhusens akutmottagningar, men även besök med diagnos som tyder på att det uppstått komplikationer till KOL-sjukdomen 5. Detta illustreras i figur 3. Angreppssättet att söka igenom och exkludera besök på basis av diagnoser utgår från den amerikanska studien kring samband mellan vårdgivarkontinuitet och kostnader för personer med KOL (Hussey et al., 2014). Figur 3. Översikt över vilka besök som ingår i kontinuitetsmåttet. När vi definierat vilka besök som ska ingå beräknas kontinuiteten som ett index enligt en formel, där n är det totala antalet besök, n j är antalet besök till en viss vårdgivare (=mottagning) och s är antalet olika vårdgivare (=mottagningar): Bice Boxerman Continuity of Care (COC) Index = s j=1 n j 2 n n(n 1) 3 Detta baserar vi på erfarenheter från tidigare projekt där vi visat att diagnossättningen är ofullständig (Sveréus et al., 2014). 4 Av två skäl inkluderar vi inga besök från VAL.KON, dels för att det är svårt att urskilja vilka av dessa som eventuellt överlappar med VAL.OVR, och dels för att VAL.KON avskaffas senare under perioden. 5 En översikt över vilka diagnoser vi räknat som komplikation presenteras i bilaga 1. 8

11 Om indexet antar ett högt värde betyder det att kontinuiteten är hög, och vice versa. Ett exempel på hur måttet räknas ut, och hur antalet besök påverkar dess nivå, presenteras i bilaga 2. Värdena på indexet på individnivå är snedfördelade (se figur 4, många har t.ex. höga värden). Därför hanterar vi indexet som grupper istället för som faktiska värden. Grupperna är skapade så att den femtedel av individerna som har lägst index sorteras som en grupp, femtedelen med näst lägst som en och så vidare. Det ingår alltså lika många individer i varje kvintil vilket medför att de fem kvintilerna har olika stor bredd avseende indexvärden (figur 4). 6 Figur 4. Procent av individerna som får respektive värde på kontinuitetsindex, samt gruppering till kontinuitetskvintiler. Sammanfattningsvis operationaliserar vi alltså kontinuitet som vårdgivarkontinuitet, mätt som hur spridda en individs besök är till olika mottagningar. Detta beräknas med Bice-Boxerman vårdkontinuitetsindex enligt formeln ovan, och utifrån värdena på detta index delas individerna in i fem lika stora grupper, kontinuitetskvintiler, från låg till hög kontinuitet. Beräkning av kostnader I sammanräkningen av individens kostnader för hälso- och sjukvård under 365 dagar utgår vi i första hand från VAL-databasens variabel TOTKOST (besöket eller vårdtillfällets totala debiterbara kostnad) för respektive öppenvårdsbesök eller slutenvårdstillfälle i VAL. Då denna variabel inte är heltäckande gör vi dock även en del egna beräkningar. Beräkningarna baseras på besökets vårdform, som vi konstruerat utifrån uppdragstyper i VAL. Detta framgår av tabell 1. Med denna metod kan vi inkludera kostnader för ca 90 procent av individernas besök i öppenvården, och 99 procent av deras slutenvårdstillfällen, inom 365 dagar. 6 Värt att veta är också att indexets matematiska egenskaper gör att individer med relativt få besök omöjligt kan hamna i vissa kvintiler. Ett exempel på detta presenteras i bilaga X. 9

12 Tabell 1. Översikt över hur kostnader beräknats per vårdform Vårdform Somatisk slutenvård Somatisk specialiserad öppenvård Somatisk akutmottagning Beräkning av kostnader Totalkostnad enligt VAL, baseras i huvudsak på DRG Totalkostnad enligt VAL, baseras i huvudsak på DRG Totalkostnad enligt VAL. För akutmottagningsbesök som leder till inläggning redovisas kostnaden under kategorin slutenvård. Husläkarverksamhet Basal hemsjukvård Övrig primärvård Närakut Privata specialister ARV Avancerad sjukvård i hemmet (ASiH) Psykiatrisk öppenvård Psykiatrisk slutenvård Psykiatriskt akutmottagningsbesök Läkemedel Besöksersättning enligt variabeln Totalkostnad i VAL. Per individ påförs ytterligare 1634/629 kr kapiteringsersättning beroende på ålder. Besöksersättning enligt variabeln Totalkostnad i VAL. För varje individ som är inskriven i hemsjukvården adderas dessutom kr per år. Totalkostnad enligt VAL kr per besök. Totalkostnad enligt VAL. Engångskostnad på kr för alla som har minst en kontakt inom ASiH. Dessutom kr per kontakt kr per besök kr per vårddag kr per besök. Landstingets totalkostnad enligt VAL + moms. När kostnaderna summeras per individ uppstår mycket stora skillnader i kostnader mellan individer: många individer har lägre kostnader och några få har mycket höga kostnader. Detta är ett klassikt resultat för sjukvårdskostnader och i sambandsanalyserna används därför istället logaritmerade kostnader, som inte påverkas så mycket av extrema observationer. Det innebär bland annat att medelvärdena för kostnader per individ totalt eller för olika grupper inte påverkas lika mycket av extremvärden (tabell 2). Ytterligare beskrivning av detta finns i bilaga 3. Tabell 2. Medel, min- och maxvärden för kostnad per individ ojusterat, samt efter logaritmering. Medel Min Max Ojusterat Efter logaritmering och återtransformering Definition av samsjuklighet För att kunna dra några slutsatser kring samband mellan nivån på kontinuitet och olika utfall måste vi justera för andra faktorer som kan tänkas påverka resultatet. En sådan faktor är svårighetsgrad av KOL, en annan är förekomst av andra sjukdomar. Tyvärr saknas 10

13 information i registern om sjukdomens svårighetsgrad (angivet som exacerbationsfrekvens, lungfunktion eller symptom) men med hjälp av till exempel antalet dagar i slutenvård och antal uthämtade läkemedel kan vi ändå få en ungefärlig uppfattning om hur sjuka individerna är. De olika mått på samsjuklighet vi använder är: 1. Antal dagar i slutenvård 365 dagar före första besöket år Charlson Index 7 baserat på alla diagnoser (huvud- och bidiagnoser) i hela VAL 365 dagar före första besöket år Antal unika läkemedel (sjuställig ATC-kod) som individen hämtat ut 365 dagar före första besöket år Tidigare studier har visat att dessa mått är förhållandevis bra på att förutsäga individens utfall, och därför fungerar att använda som proxies för samsjuklighet (Brilleman & Salisbury, 2013). Detaljerad information om spridningen av dessa olika mått över individerna presenteras i bilaga 4. Sambandsanalyser För att undersöka samband mellan nivån av kontinuitet och kostnader, inskrivningar och akutmottagningsbesök har vi använt oss av regressionsmodeller där vi också tar hänsyn till skillnader mellan individer i fråga om kön, ålder, samsjuklighet och antal besök 8. För att undersöka samband med kostnader använder vi oss av linjär regression (dock med logaritmerade kostnader), och för att undersöka samband med förekomst av slutenvård och besök på akutmottagning använder vi oss av logistisk regression. Det finns en risk att separata samband mellan antal besök, ålder och kontinuitet påverkar våra resultat för samband mellan kontinuitet och t.ex. kostnader. Därför har vi som känslighetsanalys också testat att: inkludera alla besök (alltså även dem som utifrån diagnoskod klassats som komplikation, och som därför inte ingår i grundmodellen) exkludera individer över 85 år exkludera individer med färre än 5 besök exkludera individer med fler än 50 besök 7 Charlson Index är en typ av diagnosindex som inkluderar 17 olika sjukdomstillstånd. Dessa viktas utifrån sina respektive samband med mortalitet. Om individen inte har någon av de 17 diagnoserna registrerad som huvudeller bidiagnos under perioden antar indexet värdet 0. Högre värden på indexet indikerar högre sjuklighet. 8 Vi har även tagit hänsyn till bostadsområdets (SAMS-områdets) medianinkomst som ett mått på socioekonomiska skillnader mellan individer, men den variabeln visade sig ha en mycket liten påverkan på de olika utfallen. 11

14 Resultat Individernas egenskaper Den grupp av individer vi identifierat innefattar fler kvinnor än män, och den vanligaste åldersgruppen är år (tabell 3). Från tabellen framgår att KOL-gruppen har ett högt vårdutnyttjande och hög sjuklighet. Drygt 30 procent av individerna har gjort mindre än tio öppenvårdsbesök under uppföljningsperioden på 365 dagar från det första besöket år 2012, men tre procent har också gjort fler än 100 besök 9. Tabell 3. Individernas egenskaper Individens egenskaper Antal individer Andel av individer Åldersgrupp år % år % år % 85+ år % Kön Kvinna % Man % Bice-Boxerman kontinuitetsindex Kvintil 1 - låg kontinuitet % Kvintil % Kvintil % Kvintil % Kvintil 5 - hög kontinuitet % Inget värde för måttet p.g.a. <2 besök 529 3% Antal öppenvårdsbesök utan komplikationsdiagnos under uppföljningsperioden, 365 dagar från och med första besöket 2012 Antal vårddagar i slutenvård 365 dagar före första besöket 2012 Charlson Index baserat på samtliga diagnoser 365 dagar före första besöket 2012 Antal läkemedel (unika sjuställiga ATC-koder) uthämtade under 365 dagar före första besöket 2012 Har gjort minst ett besök på akutmottagning under uppföljningsperioden 365 dagar från första besöket % % % % % % % % <2 besök 529 3% % % % % % % % % % % % % % % % % % % % Nej % Ja % Har haft minst ett öppenvårdsbesök med diagnos som tyder på komplikation, under uppföljningsperioden 365 dagar från första besöket 2012 Har haft minst ett slutenvårdstillfälle under uppföljningsperioden 365 dagar från första besöket 2012 Nej % Ja % Nej % Ja % 9 De individer som har fler än 100 besök har företrädelsevis mycket hembesök av sjuk- eller undersköterska. Vi har grupperat besöken utifrån hur de korrelerar med kostnader vid få besök ökar kostnaden för varje nytt tillfört besök, men vid många besök planas sambandet ut och blir mindre tydligt. Därför är det rimligt att gruppera smalare spann av besök vid få besök, och bredare vid fler besök. 12

15 Kontinuitet per egenskap I genomsnitt återfinns en femtedel av individerna i respektive kontinuitetskvintil. Inom t.ex. vissa åldersgrupper finns dock fler individer med högre, respektive lägre kontinuitet (tabell 4). Tabell 4. Andel av individerna som faller inom respektive kontinuitetskvintil. 13

16 Andel av individerna inom gruppen som faller inom respektive kontinuitetskvintil I den äldsta åldersgruppen, individer 85 år och äldre, återfinns hela 33 procent i den högsta kontinuitetskvintilen, men bara 11 procent i den lägsta. Det beror sannolikt på att äldre individer med större sannolikhet gör många besök. Vi ser också att i gruppen av individer med 100 besök eller mer så är hela 47 procent i den högsta kontinuitetskvintilen (figur 5). 100% 90% 80% 70% 60% 50% 40% 30% 20% % 0% Individens antal öppenvårdsbesök under uppföljningsperioden Figur 5. Individer med många besök hamnar oftare i gruppen med högst kontinuitet. Skillnaderna i uppmätt kontinuitet mellan grupper med många, respektive få, besök kan påverka resultaten i sambandsanalyserna. Det understryker betydelsen av känslighetsanalyser där vi exkluderar individer med många, eller få, besök. 14

17 Vårdform för individens mest förekommande mottagning Vårdform för individens mest förekommande mottagning Kontinuitet per mest förekommande mottagning När antalet besök summeras har cirka två tredjedelar av individerna ( personer) gjort flest besök till en mottagning inom husläkarverksamhet och basal hemsjukvård. Näst vanligast är att ha gjort flest besök till en mottagning inom somatisk specialiserad öppenvård (2 227 individer), följt av till en privat specialist på nationell taxa (ARV) (1 774 individer). Husläkarverksamhet och basal hemsjukvård (N=12 993) Psykiatri (N=581) Övrig primärvård (N=1 531) Jourverksamhet (N=18) Somatisk specialiserad öppenvård (N=2 227) Privat specialist (ARV) (N=1 774) Närakut (N=15) Övrig sjukvård (N=184) Ej klassificerbar (N=335) 0% 10% 20% 30% 40% 50% 60% 70% 80% Andel individer med HÖG kontinuitet (kvintil 5) Andel individer med LÅG kontinuitet (kvintil 1) Figur 6. Andel av individerna som har hög respektive låg kontinuitet när individerna grupperats per vårdform för mest förekommande mottagning. Bland de individer som gjort flest besök till en mottagning inom husläkarverksamhet och basal hemsjukvård eller psykiatri har relativt fler individer höga värden på kontinuitetsindex jämfört med individer som gjort flest besök till exempelvis en närakut eller privat specialist (figur 6). Detta visar sig också i skillnader i hur många besök som gjorts till mottagningen med flest besök. Såväl median som medelvärden av antal besök per individ till mottagningen med flest besök är högre inom husläkarverksamhet och basal hemsjukvård än i somatisk specialiserad öppenvård (figur 7). Psykiatri (N=581) Övrig primärvård (N=1 531) Privat specialist (ARV) (N=1 774) Husläkarverksamhet och basal hemsjukvård (N=12 993) Somatisk specialiserad öppenvård (N=2 227) Övrig sjukvård (N=184) Närakut (N=15) Ej klassificerbar (N=335) Jourverksamhet (N=18) Median Medel Antal besök per individ Figur 7. Medel- och medianvärden för antal besök per individ vid mottagningen dit individen gjort flest besök. 15

18 Samband mellan kontinuitet och kostnader, inskrivningar och akutmottagningsbesök Resultaten visar på tydliga samband mellan kontinuitetsindex och såväl individens totala kostnader för hälso- och sjukvård (inklusive läkemedel), som sannolikheten för inskrivning i slutenvården och sannolikheten för besök på akutmottagning under uppföljningsperioden. Nivån på resultaten blir något olika beroende på vilket mått på samsjuklighet vi använder, men variationen mellan kontinuitetskvintiler är ungefär densamma oavsett modell. Vi har av utrymmesskäl valt att bara presentera resultaten för vår huvudsakliga grupp av individer och inkluderade besök, men tendensen i sambanden står sig för nästan alla utfall 10 även när vi som känslighetsanalys testar att: inkludera alla besök (alltså även dem som utifrån diagnoskod klassats som komplikation, och som därför inte ingår i grundmodellen) exkludera individer över 85 år exkludera individer med färre än 5 besök exkludera individer med fler än 50 besök Fullständiga resultat för regressionerna presenteras i bilaga 5. För att underlätta tolkningen av resultaten presenterar vi nedan vad sambanden innebär för två exempelpersoner. Poängen med detta är att illustrera hur t.ex. kostnader skiljer sig givet olika nivåer på kontinuitet - för en exempelperson med i övrigt fasta egenskaper. Vi presenterar ett diagram per exempelperson och utfall. Resultaten för de tre olika modellerna för samsjuklighet presenteras dock i samma diagram. Detta för att visa att även om de skattade nivåerna på kostnader eller sannolikheter är något olika beroende på hur vi väljer att mäta samsjuklighet, så är trenden över kontinuitetskvintilerna densamma. Lägre skattade kostnader vid högre nivåer av kontinuitet Individer som tillhör femtedelen med lägst kontinuitetsindex (kvintil 1) har i genomsnitt procent högre skattade kostnader än de som tillhör femtedelen med högst kontinuitetsindex (kvintil 5). Det gäller när vi tagit hänsyn till skillnader i kön, ålder, antal besök samt samsjuklighet mellan grupperna. Det innebär i sin tur olika nivå på skattade kostnader för våra exempelpersoner. 10 Resultaten är inte helt stabila i fråga om besök på akutmottagning när individer över 85, eller med färre än fem besök, exkluderas. 16

19 Genomsnittlig skattad kostnad (tkr) Om samsjuklighet skattas med modell 1 (0 dagar i SLV föregående år) 10 Om samsjuklighet skattas med modell 2 (Charlson Index = 0) 5 0 Kvintil 1 (lägst kontinuitet) Kvintil 2 Kvintil 3 Kvintil 4 Kvintil 5 (högst kontinuitet) Om samsjuklighet skattas med modell 3 (7-10 läkemedel föregående år) Figur 8. Lägre skattade kostnader vid högre nivåer av kontinuitet för en genomsnittlig kvinna, år, som gjort 5-9 besök under perioden (exempelperson 1). För vår första exempelperson, som är en: Kvinna år som gjort 5-9 besök under perioden och föregående år haft antingen: 0 dagar i slutenvård (modell 1), Charlson Index 0 (modell 2) eller 7-10 unika läkemedel (modell 3) är skillnaden i skattade kostnader mellan den högsta och lägsta kontinuitetskvintilen ca kronor (figur 8). För vår andra exempelperson, som är en individ med något större sjuklighet, och därför i genomsnitt högre kostnader, är skillnaden i skattade kostnader mellan den högsta och lägsta kontinuitetskvintilen ca kronor (figur 9). Totalt kan de variabler vi använder i modellen förklara cirka 50 % av variationen i kostnader mellan individer. Det innebär att det finns andra egenskaper hos individerna som förklarar skillnaderna i kostnader, men som vi inte kunnat mäta. Förklaringsgraden på cirka 50 % kan dock betraktas som relativt hög i en studie där vi inte kan ta hänsyn till några kliniska skillnader mellan individerna R 2 = beroende på modell, där modell 3 har högst förklaringsgrad. 17

20 Skattad sannolikhet för slutenvård inom 365 dagar Genomsnittlig skattad kostnad (tkr) Om samsjuklighet skattas med modell 1 (1-3 dagar i SLV föregående år) Om samsjuklighet skattas med modell 2 (Charlson Index = 1) 10 Om samsjuklighet skattas med modell 3 (11-15 läkemedel föregående år) 0 Kvintil 1 (lägst kontinuitet) Kvintil 2 Kvintil 3 Kvintil 4 Kvintil 5 (högst kontinuitet) Figur 9. Lägre skattade kostnader vid högre nivåer av kontinuitet för en genomsnittlig kvinna, år, som gjort besök under perioden (exempelperson 2). Lägre sannolikhet för slutenvård vid högre nivåer av kontinuitet Totalt 31 procent av individerna (6 200 personer) har minst ett slutenvårdstillfälle under uppföljningsperioden. Även när det gäller individens sannolikhet för att bli inskriven i slutenvården under uppföljningsperioden visar resultaten på tydliga samband med kontinuitetsnivån. För vår första, lite friskare, referensperson innebär skillnaden mellan den högsta och lägsta kontinuitetskvintilen att den skattade sannolikheten för slutenvård är ca åtta istället för 17 procent (figur 10). 20% 18% 16% 14% 12% 10% 8% 6% 4% 2% 0% Kvintil 1 (lägst kontinuitet) Kvintil 2 Kvintil 3 Kvintil 4 Kvintil 5 (högst kontinuitet) Om samsjuklighet skattas med modell 1 (0 dagar i SLV föregående år) Om samsjuklighet skattas med modell 2 (Charlson Index = 0) Om samsjuklighet skattas med modell 3 (7-10 läkemedel föregående år) Figur 10. Lägre skattad sannolikhet för slutenvård vid högre nivåer av kontinuitet för en genomsnittlig kvinna, år, som gjort 5-9 besök under perioden (exempelperson 1). 18

21 Skattad sannolikhet för slutenvård inom 365 dagar För vår exempelperson som är lite äldre och har högre sjuklighet innebär skillnaden mellan den högsta och lägsta kontinuitetskvintilen att den skattade sannolikheten för slutenvård är ca 25 istället för ca 40 procent (figur 11) % 45% 40% 35% 30% 25% 20% 15% 10% 5% Om samsjuklighet skattas med modell 1 (1-3 dagar i SLV föregående år) Om samsjuklighet skattas med modell 2 (Charlson Index = 1) Om samsjuklighet skattas med modell 3 (11-15 läkemedel föregående år) 0% Kvintil 1 (lägst kontinuitet) Kvintil 2 Kvintil 3 Kvintil 4 Kvintil 5 (högst kontinuitet) Figur 11. Lägre skattad sannolikhet för slutenvård vid högre nivåer av kontinuitet för en genomsnittlig kvinna, år, som gjort besök under perioden (exempelperson 2). Lägre sannolikhet för besök på akutmottagning vid högre nivåer av kontinuitet Totalt 40 procent av individerna (7 994 personer) har minst ett besök på somatisk eller psykiatrisk akutmottagning under uppföljningsperioden. På samma sätt som när det gäller slutenvård finns ett samband mellan låga värden på kontinuitetsindex och högre sannolikhet för besök på akutmottagning (figur 12 och 13). Till skillnad från när det gäller kostnader och sannolikhet för slutenvård är dock dessa resultat inte helt stabila när vi gör känslighetsanalyserna att exkludera individer över 85 år, respektive att exkludera individer med färre än fem besök. 12 Den skattade sannolikheten är högre för alla kontinuitetskvintiler i modell 1 jämfört med övriga två modeller. Det beror på att modell 1, som baserar sig på antal slutenvårdsdagar föregående år, sannolikt mäter en högre samsjuklighet än de andra modellerna. Enkelt uttryckt står med andra ord 1-3 dagar i slutenvården föregående år för en högre nivå av samsjuklighet än Charlson Index=1 eller unika uthämtade läkemedel. 19

22 Skattad sannolikhet för besök på akutmottagninginom 365 dagar Skattad sannolikhet för besök på akutmottagning inom 365 dagar 30% 25% 20% 15% 10% 5% Om samsjuklighet skattas med modell 1 (0 dagar i SLV föregående år) Om samsjuklighet skattas med modell 2 (Charlson Index = 0) Om samsjuklighet skattas med modell 3 (7-10 läkemedel föregående år) 0% Kvintil 1 (lägst kontinuitet) Kvintil 2 Kvintil 3 Kvintil 4 Kvintil 5 (högst kontinuitet) Figur 12. Lägre skattad sannolikhet för besök på akutmottagning vid högre nivåer av kontinuitet för en genomsnittlig kvinna, år, som gjort 5-9 besök under perioden (exempelperson 1). 60% 50% 40% 30% 20% 10% Om samsjuklighet skattas med modell 1 (1-3 dagar i SLV föregående år) Om samsjuklighet skattas med modell 2 (Charlson Index = 1) Om samsjuklighet skattas med modell 3 (11-15 läkemedel föregående år) 0% Kvintil 1 (lägst kontinuitet) Kvintil 2 Kvintil 3 Kvintil 4 Kvintil 5 (högst kontinuitet) Figur 13. Lägre skattad sannolikhet för besök på akutmottagning vid högre nivåer av kontinuitet för en genomsnittlig kvinna, år, som gjort besök under perioden (exempelperson 2). 20

23 Variationer mellan mottagningar Om vi summerar resultaten per vilken husläkarmottagning individen är listad till framkommer vissa skillnader mellan mottagningar. Vid vissa husläkarmottagningar tillhör bortåt 50 procent av de listade individerna med KOL den högsta kontinuitetskvintilen, och vid andra tillhör under tio procent denna kvintil (figur 14) 13. Det är dock svårt att hitta samband mellan hur stor andel av de listade med KOL som har hög kontinuitet och andra faktorer på mottagningsnivå (se några enkla korrelationsmått i bilaga 6). Figur 14. Andel med hög respektive låg kontinuitet av listade individer med KOL per husläkarmottagning. 13 Vi har här endast inkluderat information för individer som varit listade vid samma mottagning under hela uppföljningsperioden (365 dagar), samt endast mottagningar med minst 20 sådana listade individer. 21

24 Diskussion Vilka möjligheter finns att beräkna vårdgivarkontinuitet med VAL-data för individer med KOL? Data där den enskilde vårdgivarens (läkare, sjuksköterska osv.) identitet är registrerad finns inte tillgänglig i svensk patientstatistisk, vare sig i nationella eller regionala patientregister i eller i de nationella kvalitetsregistren. Vårdgivarkontinuitet måste därför beräknas på mottagningsnivå (eller motsvarande). Det är således ett mått på mottagningskontinuitet snarare än kontinuitet i relationen mellan patient och enskild t.ex. läkare. Det mått vi kan beräkna kan därmed ge en alltför positiv bild av kontinuitet i traditionell mening; en enskild patient-läkarkontinuitet kan inte vara bättre än mottagningskontinuiteten, men teoretiskt sett kan en individ med hög mottagningskontinuitet i själva verket träffa olika läkare vid varje besök. Å andra sidan påvisar studien stora ekonomiska och medicinska vinster med en hög vårdgivarkontinuitet trots att aspekten på läkar- och sköterskekontinuitet inte har kunnat inkluderas i bedömningen (eventuellt indikerar detta också att en ökad läkare- /sköterskekontinuitet skulle kunna medföra ytterligare vinster!). Denna begränsning till trots finns, som diskuteras vidare nedan, tydliga samband mellan hög mottagningskontinuitet och lägre nivåer av kostnader, respektive risk för slutenvård och akutmottagningsbesök, för den patientpopulation vi studerat. Även givet begränsningen till mottagningskontinuitet visar studiens resultat att det går att fånga någon typ av positiv aspekt med måttet. Frågan är förstås om det fortfarande är just kontinuitet som måttet fångar, eller om sambandet drivs av någon annan mer svårgripbar positiv dimension. Även detta diskuteras mer ingående nedan. Möjligheterna att beräkna kontinuitetsindex i sig är en sak, men det är också viktigt att diskutera vilken data som ligger till grund för måttet. VAL-databaserna är utmärkta informationskällor, men det krävs en del bearbetning av indikatorer från faktisk databas till ett användbart analysdataset. Detta väcker frågor om t.ex. reproducerbarhet, och diskuteras i detalj nedan. Vilka samband finns, på individnivå, mellan det beräknade kontinuitetsmåttet och kostnader, inskrivningar och akutmottagningsbesök? Resultaten visar på konsekventa samband mellan höga värden på kontinuitetsindex och bättre utfall i form av lägre kostnader, samt mindre risk för slutenvård och besök på akutmottagning för individerna med KOL. Det gäller också när vi kontrollerat för individuella skillnader i ålder, kön, olika mått på samsjuklighet, samt antal besök. Sambanden är mer eller mindre robusta i de olika modeller vi testat, och modellerna håller en i sammanhanget hög förklaringsgrad. Resultaten överensstämmer med flera internationella studier kring sambandet mellan vårdgivarkontinuitet och kostnader, kvalitet och andra utfallsmått. I dessa studier avser kontinuiteten dock patient-läkarrelationen. Mot bakgrund av detta är de samband vi observerar överraskande eftersom även mottagningskontinuiteten är associerad med lägre kostnader och medicinska vinster. 22

25 Det är emellertid osäkert att uttala sig om ett orsakssamband, d.v.s. om en hög mottagningskontinuitet faktiskt leder till effekter som lägre kostnader, lägre slutenvårdsutnyttjande och färre besök vid akutmottagningar. Det är också svårt att avgöra hur sambandet mellan hög kontinuitet och ett stort antal besök bör tolkas. Här skulle analys av vårdkontinuitet vid andra sjukdomstillstånd, vid vilka infrastrukturen vad gäller omhändertagande skiljer sig från den vid KOL, vara av intresse. Vilken ytterligare information vore önskvärd för att bättre kunna följa upp kontinuitet? Vi har redan betonat den begränsning i data som innebär att vi endast kan beräkna individens kontinuitet utifrån antal besök till olika mottagningar, och inte utifrån besök till enskilda vårdgivare. I arbetet med VAL-data finns också flera andra aspekter som indirekt påverkar möjligheten att beräkna vårdgivarkontinuitet på ett sätt som är relevant och applicerbart. För det första så vet vi inte med säkerhet i vilken utsträckning vårt urval av individer faktiskt fångar den patientpopulation vi är intresserade av. Skillnader i diagnosregistrering mellan mottagningar skulle kunna hänga ihop med kontinuitet, och därmed eventuellt påverka sambanden mellan kontinuitet och t.ex. sannolikhet för slutenvård. I den bästa av världar borde diagnoserna därför åtminstone delvis dubbelkollas mot journaldata. För det andra utgår våra beräkningar av kontinuitet från att det är lätt att definiera vad som är en mottagning, och så är inte alltid fallet i VAL. Det kan mycket väl vara så att det angreppssätt vi valt att utgå från inrättning och klinik inte alltid stämmer överens med de indelningar som är relevanta i verkligheten, t.ex. för att flera kliniker på ett sjukhus har ett nära samarbete. För det tredje bör beräkningen av kostnader problematiseras. I den mån vi bedömt det möjligt har vi utgått från variabeln TOTKOST i VAL, som inte alltid är tillförlitlig, och i övriga fall utifrån en indelning i vårdformer, där såväl själva indelningen som de kostnader vi tilldelat besöken inrymmer något mått av godtycklighet. Vi vet med andra ord inte om de beräknade kostnaderna är de korrekta kostnaderna. Samtidigt är det betryggande att t.ex. sannolikhet för slutenvård, som är en betydligt mer tillförlitlig variabel, uppvisar samma samband över kontinuitetskvintilerna som de beräknade kostnaderna. En del av de frågetecken som höjts ovan minskar i betydelse om det visar sig att resultaten står sig även om måttet testas på andra sjukdomsgrupper främst personer med kroniska sjukdomar där kontinuitet har erkänt hög relevans, eller för andra år. Det är viktigt att det går att identifiera nya patientgrupper med registerdata, och arbetet med detta bör ske tillsammans med klinisk expertis. En anledning till att vi ser så tydliga samband mellan kontinuitetsmåttet och olika positiva utfall är sannolikt just att patientpopulationen är väldefinierad och förhållandevis avgränsad (studien avser bara individer med KOL, över en viss ålder och som har överlevt en viss tid). Det betyder inte att sambanden därmed är mindre giltiga. Däremot betyder det att det sannolikt skulle vara svårt att se liknande samband om ambitionen t.ex. vore att följa upp kontinuitet för hela befolkningen - inte för att kontinuiteten nödvändigtvis har mindre betydelse, utan för att det är svårare att skapa en statistisk modell som kan fånga så komplexa variationer. Därför förordar vi att måttet i första hand beräknas för enskilda patientgrupper med framförallt individer med kroniska sjukdomar, och att dessa 23

26 grupper identifieras i nära samarbete med relevanta kliniska experter för respektive sjukdomsgrupp. Förslag på analys för nya grupper är t.ex. personer med diabetes, som en förhållandevis väldefinierad grupp, samt eventuellt någon grupp inom psykiatrin, t.ex. personer med kognitiv svikt eller ångest (som dock är betydligt svårare att avgränsa från de register som finns tillgängliga, men som samtidigt också är betydligt mindre undersökt än t.ex. diabetes). En annan intressant grupp är individer med hjärtsvikt, som, i likhet med individer med KOL, kan drabbas av mycket akuta problem och löper stor risk att hamna på sjukhusens akutmottagningar, inte minst om det ordinarie omhändertagandet brister. Diabetes och hjärtsvikt var också de två sjukdomsgrupper som förutom KOL analyserades i den amerikanska artikel vi tidigare refererat till (Hussey et al., 2014). Om kontinuitetsmåttet visar samma samband med kostnader och utfall för dessa, sinsemellan ganska olika, grupper som det visat sig göra för individer med KOL ger det en ytterligare indikation på att måttet verkligen är relevant att följa. Måttet bör även analyseras för flera år för att följa utvecklingen över tid. En sådan sammanställning är även nödvändig som en s.k. baseline för att senare kunna följa eventuella förändringar i måttet i och med implementeringen av FHS. En annan central fråga är naturligtvis sambandet mellan kontinuitet och kvalitet. Med VALdatabasen går det att fånga upp vissa kvalitetsindikatorer som mortalitet och olika typer av återinskrivningar. Det saknas dock information om flertalet utfalls- och kvalitetsmått. Med tillgång och samkörning med relevanta kvalitetsregister skulle dessa samband kunna analyseras mer exakt. Med kontinuitet mätt som i denna studie finns ett underliggande antagande om att kontinuitet endast kan uppnås genom att en person i så stor utsträckning som möjligt gör sina besök vid samma mottagning. Detta är naturligtvis en förenkling av vad kontinuitet innebär. Om informationsutbyte och samverkan mellan vårdgivare fungerar väl kan patienten få en ändamålsenlig och kontinuerlig vård utan att den nödvändigtvis tillhandahålls av samma vårdgivare. Om det vi kallar nätverkssjukvård fungerar är det kanske snarare kontinuitet inom nätverket av vårdgivare än kontinuitet till de enskilda vårdgivarna inom nätverket som ska bedömas. Om det gick att identifiera vilka vårdgivare som utgör ett relevant nätverk, till exempel genom att de har upparbetade rutiner för samverkan och informationsutbyte, så vore det intressant att komplettera analysen med att beräkna kontinuitet på nätverksnivå. Det kan röra sig om samverkan mellan vårdcentraler, men även upparbetat samarbete mellan primärvård och specialistvårdsenheter. Samtidigt visar analyserna att mottagningskontinuitet, oavsett vad det fångar, verkar ha ett samband med positiva utfall, och att det därmed är potentiellt relevant att följa. Oavsett uppföljningsmått finns behov av gemensamma definitioner för urval och omkodning av VAL-databaserna Vi har ovan nämnt några utmaningar i fråga om användningen av VAL-databaserna som källa till uppföljning, till exempel vilken mottagning och vårdform ett besök ska grupperas till, samt hur kostnader ska beräknas. Hälso- och sjukvårdsförvaltningen (HSF) har vid upprepade tillfällen i denna såväl som i tidigare studier vi genomfört bidragit med utmärkt stöd för att gruppera, omstrukturera och hantera felregistreringar i VAL. Det avser till exempel olika undantag kring om en registrerad inrättningskod gäller eller måste omkodas, om en viss klinik ska tillhöra en viss vårdform givet en viss inrättning men inte en annan, skillnader i ovanstående mellan olika år, och så vidare. Denna kommunikation är ovärderlig men blir både 24

27 tidsödande och med nödvändighet aldrig riktigt heltäckande. För att underlätta genomförbarhet och reproducerbarhet av såväl denna som andra uppföljningar vore ett utmärkt stöd om HSF kunde hålla ett SAS-program för urval och gruppering av besök tillgängligt, och kontinuerligt uppdaterat, för samtliga VAL-användare som arbetar med uppföljning. Det skulle t.ex. kunna finnas för nedladdning på den lösenordsskyddade hemsidan för den gemensamma uppföljningsplattformen (GUPS). HSF kunde på så sätt både säkerställa att alla uppföljningar klassificerar besök på samma sätt, och dessutom bespara sig arbetet att hålla kontakt med varje enskild VAL-användare separat. Detta löser givetvis inte alla utmaningar, såsom den kring bristande kvalitet på kostnadsdata, men kan ändå underlätta då åtminstone grupperingen i vårdformer (som sedan kan användas för att bättre uppskatta kostnader) blir densamma i olika uppföljningar. Vilka möjligheter och problem finns med att använda måttet som uppföljnings- och styrinstrument? En annan frågeställning är hur mått på kontinuitet kan användas för uppföljning och styrning av sjukvården för att bidra till samordnade och effektiva vårdkedjor och en effektiv nätverkssjukvård. Systematiska uppföljningar av kontinuitet saknas inom såväl SLL som andra landsting. Undantaget är patientenkäten som emellertid endast ger information på en hög aggregerad nivå om hur stor andel av patienterna som får träffa samma läkare/vårdgivare vid flera besök. Som denna studie visat finns möjligheter att följa upp kontinuitet på mottagningsnivå, vilket även tycks ha positiva samband med vårdutnyttjande och kostnader. Med en acceptabel definition och mått på kontinuitet finns flera alternativ för tillämpningar med syfte att följa upp och styra vården. Det bygger naturligtvis också på konsensus om att en hög kontinuitet har en positiv effekt. En diskussion om uppföljning och styrning kan vara baserad på information och/eller incitament. Med information avses att kontinuitetsmåttet används för kunskapsstyrning och underlag för uppföljning av verksamheten. Med incitament avses att det används som delar i ersättningsinstrument. Information Om analyser för fler patientgrupper visar på liknande resultat som i denna studie finns starka skäl för en systematisk uppföljning av kontinuitet inom FHS. En sådan uppföljning bör ske separat för ett urval av grupper med kroniska sjukdomar och andra mångbesökare. En sådan uppföljning kan även göras för enskilda vårdgivare som har ett huvudansvar för patienterna, t.ex. hur kronikernas kontinuitet ser ut beroende på vilken husläkarmottagning man är listad. En utmaning med att följa upp kontinuiteten för individer aggregerat till vilken husläkarmottagning de är listade till är dock att det kräver någon typ av system för att ta hänsyn till skillnader i patientsammansättning mellan mottagningar. Vid vissa husläkarmottagningar tillhör bortåt 50 procent av de listade individerna med KOL den högsta kontinuitetsgruppen, och vid andra är det under tio procent. Detta kan säkert delvis förklaras av skillnader i patientsammansättning mellan mottagningar, t.ex. i fråga om ålder hos de listade med KOL. Fortsatta analyser skulle kunna försöka separera effekter på individnivå respektive mottagningsnivå, t.ex. med s.k. flernivåanalys (multilevel analysis). En sådan analys skulle kunna ta hänsyn till skillnader i patientsammansättning, och också undersöka om det finns några särskilda egenskaper hos mottagningar som samvarierar med högre 25

28 kontinuitet. Det kan gälla skillnader i mottagningarnas storlek, utbud, geografiska placering och ägandeform mm. För individer med KOL kan relevanta utbudsegenskaper till exempel vara tillgång till KOL-sköterska och utförande av spirometri. Även tillgång till olika paramedicinsk personal samt psykologer och kuratorer kan vara av intresse. Mottagningens storlek är potentiellt också mycket intressant, då kontinuitet mätt per mottagning närmar sig kontinuitet i patient-läkarrelationen om mottagningen har ett litet antal vårdgivare. Incitament All denna information är särskilt viktig om man som styrmedel är intresserad inte bara av information utan också av incitament. Om kontinuiteten brister, och information om detta inte anses ha tillräcklig effekt, finns också möjligheten att genom ekonomiska incitament uppmuntra till en bättre kontinuitet. Sådana incitament kan riktas till både vårdgivare och patient. Vårdgivare kan ges en högre ersättning för besök om vissa kriterier/nivåer för en god kontinuitet uppfylls. Detta kan t.ex. leda till att man får en högre ersättning per besök, men att besöken totalt sett är färre och i större utsträckning vid den egna mottagningen och/eller nätverket. Eftersom kontinuitet även påverkas av patientens beteende och val kan ekonomiska incitament även utgå för besöksavgifter. Ett exempel skulle vara att sänka eller helt ta bort patientavgiften vid besök hos den vårdgivare man är listad hos (vårdgivaren kompenseras för detta då den totala vårdkostnaden totalt sett sannolikt blir mindre). 26

29 Summerade synpunkter Inför den kommande utvärderingen av FHS är kontinuitet en viktig aspekt att följa upp. Det förutsätter att man kan identifiera ett mått på kontinuitet som går att följa upp över tid. Ett sådant mått bör (1) kunna beräknas med befintlig statistik, (2) kunna påvisa samvariation med positiva aspekter, såsom lägre kostnader och bättre medicinskt omhändertagande, samt (3) kunna beräknas för individer med kroniska sjukdomar. Syftet med denna pilotstudie har varit att testa ett mått på kontinuitet genom att tillämpa det på en kronisk sjukdomsgrupp individer med KOL, samt att identifiera möjligheter och problem med att använda måttet för uppföljning av FHS. Studien har visat att måttet kan tillämpas, samt att det uppvisar tydliga och intressanta samband med vårdutnyttjande och kostnader. Individer med hög kontinuitet genererar lägre totala kostnader för hälso- och sjukvård och får ett bättre medicinskt omhändertagande vilket visas genom minskat behov av slutenvård och besök på akutmottagning. Resultaten är tydliga och robusta för olika modeller. Resultaten är anmärkningsvärda med tanke på att kontinuiteten är beräknad på mottagnings- och inte vårdgivarnivå. En del frågetecken kvarstår också, till exempel kring hur relationen mellan ett stort antal besök och hög kontinuitet bör tolkas. För såväl denna som andra uppföljningar med utgångspunkt från data i VALdatabaserna finns också flera utmaningar i fråga om reproducerbarhet, då urval och gruppering av besök från VAL-databaserna görs mer eller mindre manuellt. För att ytterligare validera resultaten förordar vi att måttet testas på ytterligare sjukdomsgrupper, som definieras i samarbete med klinisk expertis, samt för flera år. Vi föreslår att måttet testas för individer med diabetes, som är en väldefinierad och väl undersökt grupp där det är förhållandevis lätt att skapa ett urval individer, samt för individer med hjärtsvikt och/eller för individer med någon psykiatrisk diagnos, t.ex. ångest eller kognitiv svikt. Om resultaten blir likartat för dessa sjukdomsgrupper rekommenderar vi att måttet följs över tid - för någon eller några specificerade patientgrupper - i och med implementeringen av FHS. Författarnas tack Vi vill särskilt tacka följande personer som bidragit med värdefull kunskap och erfarenheter vid rapportens framtagning: Lena Pomerleau, specialistsakkunnig inom allmänmedicin, Michael Runold, överläkare lung- och allergi kliniken, Karolinska Universitetssjukhuset, och, inte minst, Kjell Larsson, professor i lungmedicin vid Karolinska Institutet, som också givit kommentarer på rapporten i sin helhet. Tack även till Hilja Brorsson, statistiker, för värdefulla inspel och hjälp med regressionsmodellerna. Vi vill också tacka sakkunniga inom hälso- och sjukvårdsförvaltningen, särskilt Michael Högberg, som bidragit med såväl praktisk hjälp som matnyttiga synpunkter längs vägen. 27

30 Referenser Bice, T.W. & Boxerman, S.B. (1977). A Quantitative Measure of Continuity of Care. Medical Care, 15(4), Brilleman, S.L. & Salisbury, C. (2013). Comparing measures of multimorbidity to predict outcomes in primary care: a cross sectional study. Family Practice, 30, Haggerty, J. et al. (2003). Continuity of care: a multidisciplinary review. BMJ, 327, Haggerty, J. et al. (2012). Validation of a Generic Measure of Continuity of Care: When Patients Encounter Several Clinicians. Annals of Family Medicine, 10(5), Hussey et al. (2014). Continuity and the cost of care for chronic disease. JAMA Internal Medicine, 175(5), Jee, S.H. & Cabana, M.D. (2006). Indices for continuity of care: a systematic review of the literature. Med Care Res Rev, 63, Sveréus, S., Bergfors, S., Dahlgren, C. & Rehnberg, C. (2014). Kartläggning av registerbaserad KOL-prevalens, vårdutnyttjande och möjligheter till kvalitetsstyrning i Stockholms läns landsting. Stockholms Läns Landsting/Karolinska Institutet. 28

31 Bilagor Bilaga 1: Identifiering av komplikationer De diagnoser vi betraktar som möjliga komplikationer avser luftvägsrelaterade symtom som inte är klassade som KOL (se tabell 5). Tabell 5. ICD-10 koder som betraktas som komplikationer Komplikation ICD-10 kod Akuta infektioner i övre luftvägarna J00 - J06 Influensa och lunginflammation J09 - J18 Andra akuta infektioner i nedre luftvägarna J20 - J22 Bronkit J40 - J42 Lungemfysem J43 Exacerbation J44.0, J44.1 Astma J45 Bronkiektasier J47 Variga och nekrotiska tillstånd i nedre luftvägarna J85 - J86 Respiratorisk insufficiens J96.0, J96.1, J96.9 Hosta R05 Dyspné R06.0 Endast en liten andel (cirka en procent) av besöken har någon av dessa diagnoser som huvudeller bidiagnos 14 (figur 15) (96%) (3%) (1%) Inkluderas i beräkningen av kontinuitetsmåttet Besök på akutmottagning, exkluderas Besök med komplikationsdiagnos, exkluderas Figur 15. Ca fyra procent av det totala antalet besök exkluderas från beräkningen av kontinuitetsindexet. 14 En av anledningarna till att så få besök klassas som komplikation är att vi inte haft möjlighet att länka till de diagnoser som finns i VAL.KON. Som känslighetsanalys har vi därför också skapat ett index på basis av alla öppenvårdsbesök, oavsett diagnos. Det korrelerar starkt med indexet utan besök med komplikationsdiagnos (Pearson 0.99). 29

32 Trots att endast cirka en procent av besöken har komplikationsdiagnos, har ungefär tolv procent av individerna haft minst ett sådant besök (figur 16). 12% 88% Ja Nej Figur 16. Ca tolv procent av individerna har haft minst ett besök med någon av komplikationsdiagnoserna som huvud- eller bidiagnos inom 365 dagar. Bilaga 2: Hur indexet påverkas av antalet besök Vilka värden en individs kontinuitetsindex antar påverkas i viss mån av hur många besök hen gjort. Detta gäller framförallt om antalet besök är relativt få. I tabell 6 visas som exempel alla värden indexet kan anta om individen gjort 2, 3 eller 4 besök. Detta förklarar varför inte en enda individ i indexkvintil 2 (0,22<=kontinuitetsindex <0,33) har gjort färre än fem besök det är helt enkelt inte matematiskt möjligt att sorteras dit om man gjort färre än fem besök. Tabell 6. Möjliga värden på kontinuitetsmåttet om individen gjort totalt 2, 3 eller 4 besök. Individ n Totalt antal besök, alla vårdgivare Antal besök vårdgivare (A) Antal besök vårdgivare (B) j Antal besök vårdgivare (C) Antal besök vårdgivare (D) (A)^2 (B)^2 (C)^2 (D)^2 sum(n(j)^2) Summa (A)^2:(D)^2 (sum(n(j)^2)- n)/(n(n-1)) Beräknat Bice- Boxerman kontinuitetsindex n(j)^2 30

33 Bilaga 3: Spridning av samsjuklighet 80% 70% 60% 50% 40% 30% 20% 10% 0% Figur 17. Antal vårddagar i slutenvård 365 dagar före första besöket % 40% 35% 30% 25% 20% 15% 10% 5% 0% Figur 18. Charlson Index baserat på samtliga diagnoser 365 dagar före första besöket % 25% 20% 15% 10% 5% 0% Figur 19. Antal läkemedel (unika sjuställiga ATC-koder) uthämtade under 365 dagar före första besöket

34 Procent av individerna Procent av individerna Bilaga 4: Fördelning av kostnader, skillnader mellan individer De beräknade kostnaderna per individ är mycket skevt fördelade. Därför genomför vi analyserna på logaritmerade kostnader, som är mer normalfördelade. Totala kostnader för vård och läkemedel inom 365 dagar Figur 20. Fördelning av totala kostnader - före logaritmering. Log (totala kostnader för vård och läkemedel inom 365 dagar) Figur 21. Fördelning av totala kostnader - efter logaritmering. 32