Fetma och dess konsekvenser preventionsprogram eller gastric bypass operation?

Transkript

1 NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universitet Examensarbete D Författare: Linda Karlsson Handledare: Erik Grönqvist, IFAU Vårterminen 2009 Fetma och dess konsekvenser preventionsprogram eller gastric bypass operation?

2 These data should be disconcerting enough to spur a national movement to reverse the trend of the obesity epidemic. While it may seem inequitable for the nation to incur the cost of prevention for what is largely considered an individual s problem, the taxpayers current cost is astonishing. DeMattia & Denney, 2008

3 Sammanfattning Fetman i Sverige har under de senaste två decennierna ökat kraftigt. Till följd av detta är hälsokostnaderna relaterat till fetma ansenliga och förväntas öka ytterligare om ingenting görs åt problemet. I denna studie studeras prevention och gastric bypass som alternativa behandlingsmetoder mot fetma sett ur ett samhällsekonomiskt perspektiv. Tre hypotetiska kohorter utvecklas; status quo, effektiv prevention i ungdomsåren samt individer som utvecklar svår fetma opereras med gastric bypass. Dessa kohorter följs under åldern år där kostnader och effekter observeras med hjälp av en beslutsträdsmodell. Både gastric bypass och prevention påvisas vara kostnadseffektiva behandlingsmetoder mot fetma. Gastric Bypass visas vara mer effektiv än en studerad befolkningsinriktad preventionsåtgärd. Slutligen påvisas att effektiva högriskpreventioner kan bidra med en högre samhällsnytta än gastric bypass operationer. Nyckelord: Fetma, Gastric Bypass, Prevention

4 Abstract The prevalence of obesity has increased rapidly the past two decades. As a consequence the health expenditures related to obesity are high and are expected to increase if nothing is done. The objective of this thesis was to study whether prevention in early years or gastric bypass is the preference from a societal perspective as an intervention to obesity. I develop three hypothetical cohorts; status quo, effective prevention in early years and people whom develop obesity have gastric bypass surgery. The cohorts are followed from age 20 to age 64 where costs and effects are observed using a decision tree model. The results were that both gastric bypass and prevention in early years are found to be cost-effective treatments to obesity. Gastric bypass is found being more effective than a studied population-based prevention. Effective high-risk preventive methods can contribute to a higher benefit to society than a gastric bypass surgery. Keyword: Obesity, Gastric Bypass, Prevention

5 Innehållsförteckning 1. INLEDNING VAD ÄR EN HÄLSOEKONOMISK UTVÄRDERING? PERSPEKTIV KOSTNADER EFFEKTER DISKONTERING OCH INFLATION MODELLBYGGANDE KOSTNADSEFFEKTSANALYS HUR JÄMFÖRS INTERVENTIONERNA? ANSATS STATUS QUO PREVENTION GASTRIC BYPASS BEGRÄNSNINGAR I MODELLERINGEN KOSTNADER OCH EFFEKTER ANDEL MED FETMA OCH ÖVERVIKT KOSTNADER FÖR DE OLIKA VIKTKATEGORIERNA Direkta kostnader Indirekta kostnader EFFEKTMÅTT PREVENTION GASTRIC BYPASS KALKYL INDIVIDKOSTNADER OCH EFFEKTER STATUS QUO PREVENTION GASTRIC BYPASS JÄMFÖRELSE AV INTERVENTIONERNA SLUTSATSER LITTERATURFÖRTECKNING BILAGA A ANDEL MED ÖVERVIKT OCH FETMA UNDER OLIKA ÅR OCH ÅLDRAR BILAGA B ESTIMERING AV FETMA KLASS 1, SAMT KLASS 2 OCH BILAGA C VÅRDDAGAR INOM SLUTENVÅRD & ÖPPENVÅRD BILAGA D SJUKSKRIVNINGSDAGAR BILAGA E KOMPONENTER I PREVENTIONSPROGRAM & VIKTMINSKNING EFTER ETT KIRURGISKT INGREPP BILAGA F TOTALA KOSTNADER OCH EFFEKTER BILAGA G PREVENTIONSBERÄKNINGAR BILAGA H KOSTNADSEFFEKTIVITETSPLANET... 39

6 1. Inledning För första gången i historien överstiger idag antalet överviktiga personer antalet underviktiga (Rosin, 2008). I västvärlden har andelen personer med fetma ökat drastiskt de senaste decennierna, så drastiskt att man idag talar om en epidemi. Enligt WHO:s rapport från år 2000 rankas fetmaepidemin som ett av de tio ledande globala folkhälsoproblemen, och experter förutspår att fetma i framtiden kan överta förstaplatsen från tobaksrelaterade dödsorsaker (Mokdad m fl., 2004). Sverige hade låg förekomst av fetma i början av 1980-talet, men under de senaste två decennierna har den ökat kraftigt (Lissner m fl., 2000; SBU, 2002). År 2005 redovisade OECD att 10,7 procent av den totala befolkningen äldre än 15 år hade fetma. Fetma är en sjukdom som karakteriseras av en onormalt stor ansamling fettväv i kroppen (WHO, 2000; Garrow, 1988), och definieras vanligen med det så kallade Body Mass Index (BMI). Till följd av att en individ utvecklar fetma ökar hans/hennes hälsoriskstatus (WHO, 2000; Persson & Ödegaard, 2005), vilket kortfattat innebär att fetma vanligtvis medför en sänkt livskvalitet samt ökad sjuklighet 1 och dödlighet (Borg m fl., 2005; Calle m fl., 1999; Garrow, 1988). Dålig hälsa som är en konsekvens av övervikt och fetma leder till stora kostnader för samhället (Heithoff, 1997). Fetmarelaterade kostnader utgör 2 3,5 procent av totala hälsokostnader i Europa, vilket kan jämföras med USA där fetmans del av nationella hälsokostnader uppskattas till 6-10 procent (Andreyeva m fl. 2004). År 2003 var de direkta kostnaderna 2 i Sverige relaterat till övervikt och fetma 3,6 miljarder kronor (Persson m fl., 2004), medan de indirekta kostnaderna 3 var närmare 12,4 miljarder kronor (Persson & Ödegaard, 2005). De direkta kostnaderna har estimerats öka i framtiden om utvecklingen av fetma får fortgå (Persson m fl., 2004). Samhället kan bemöta denna stigande fetmautveckling på olika sätt. Ett alternativ är att inte ingripa, det vill säga att låta fetmautvecklingen fortsätta. Detta skulle medföra både ökade kostnader och en minskad livskvalitet för befolkningen då dessa har bevisats öka respektive minska med vikttillstånd (Bronnum-Hansen m fl., 2007; Persson m fl., 2004). Ett annat alternativ är att ingripa när individen redan har fetma, det vill säga behandla med direkta vårdinsatser. Det tredje alternativet som flera forskare har pekat på är den egentliga lösningen på detta samhällsproblem, är att förebygga fetma (Demattia & Denney, 2008; Flodmark, 1996; Lobstein m fl., 2004; SBU, 2004). Syftet med denna uppsats är att närmare studera och jämföra prevention i yngre åldrar med gastric bypass operation 4 som samhällsintervention mot fetma. Frågeställningen jag arbetar efter är: Från ett samhällsekonomiskt perspektiv, är det att föredra att satsa resurser på ett preventionsprogram i syfte att förebygga fetma, i jämförelse med att använda sig av gastric bypass operationer? För att undersöka detta utförs en så kallad ekonomisk samhällsanalys, där både kostnader för och konsekvenser av en prevention och en gastric bypass operation kommer att studeras och 1 Exempelvis har ett flertal studier har påvisat att om en person är överviktig eller har fetma är sannolikheten större att man drabbas av hjärt- och kärlsjukdomar, diabetes typ II och olika cancerformer jämfört med en normalviktig individ (Must m fl., 1999; Persson m fl., 2004). 2 Kostnader som direkt kan relateras till hälsovården. 3 Kostnader till följd av sjukfrånvaro, förtidspensionering och förtidig död. 4 Den direkta åtgärd som enligt litteraturen är mest effektiv mot fetma (Clegg m fl., 2002; Sjöström m fl., 2007). 1

7 jämföras med hjälp av en beslutsträdsmodell. Jag begränsar mig till att studera enbart gastric bypass som direkt behandlingsåtgärd mot fetma. Kostnader och effekter studeras även enbart ur ett samhällsekonomiskt perspektiv, samt under åldern år. I kapitel två av uppsatsen beskrivs vad en hälsoekonomisk utvärdering är och hur en sådan genomförs. I kapitel tre redovisar jag mitt tillvägagångssätt för att jämföra kostnader och effekter för de olika interventionerna. I kapitel fyra beskrivs datamaterialet jag kommer att använda mig av. Efter dataavsnittet följer kapitel fem där jag redogör för min kalkyl och mina resultat. Dessa resultat leder sedan fram till kapitel sex, där jag drar mina slutsatser. 2. Vad är en hälsoekonomisk utvärdering? Drummond m fl. (2005) definierar en hälsoekonomisk analys som en jämförande analys av alternativa metoder i termer av både deras kostnader och konsekvenser. Enligt dem är grunden i varje ekonomisk utredning att identifiera, mäta, värdera, och jämföra kostnader och konsekvenser av de alternativ som övervägs. I detta avsnitt presenteras närmare de olika delarna i en hälsoekonomisk utvärdering; såsom vilket perspektiv studien ska ta, hur kostnader och effekter mäts, hur diskontering och inflation ska tas hänsyn till, hur ett beslutsträd skapas samt hur ett kostnadseffektsplan ser ut och tolkas. 2.1 Perspektiv Innan en hälsoekonomisk utvärdering genomförs är det viktigt att man bestämmer och klart uttalar perspektivet på studien (Gold m fl., 1996). Perspektivet är synvinkeln från vilken kostnaderna och effekterna observeras och samlas in (Walter & Zehetmayr, 2006). Eftersom hälsoekonomiska utvärderingar ofta används för att bestämma den relativa effektiviteten av alternativa hälsointerventioner är ett vanligt perspektiv som tas det av hälsovårdens kostnader (Johannesson, 1995). I detta perspektiv tittar man endast på kostnader för hälsovården och utesluter till följd av detta bland annat indirekta kostnader såsom produktionsbortfall till följd av arbetsfrånvaro. Ett annat vanligt perspektiv är patientens, vilket innebär att man tittar på kostnader och effekter utifrån patientens synvinkel (Drummond m fl., 2005). Hälsoekonomi grundar sig i välfärdsekonomi, vilket innebär att hälsoekonomi studerar samhällets välfärd (Folland m fl., 2007). Det argumenteras därför för att det bästa och mest logiska perspektiv att ta vid en hälsoekonomisk utvärdering är samhällets (Johannesson, 1995; Byford & Raftery, 1998). Det vill säga att en hälsoekonomisk utvärdering ska inkludera hur interventionen påverkar välfärden för hela samhället, inte bara för individerna eller organisationerna som är direkt involverade. Ur ett samhällsekonomiskt perspektiv ska alla kostnader och effekter tas med i beräkningarna i den mån det går (Lidgren, 2007). ). I denna redogörelse kommer ett samhällsekonomiskt perspektiv att användas, då man kan se på fetma som en sjukdom som inte bara påverkar individen själv utan dess omgivning exempelvis i form av produktionsförluster i form av arbetsfrånvaro. 2.2 Kostnader Att bestämma kostnaderna i en hälsoekonomisk utvärdering involverar tre steg om jag bortser från diskontering som kommer förklaras senare (Kobelt, 2003). För det första måste alla relevanta resurser kvantifieras i fysiska enheter såsom antal gastric bypass operationer. Sedan måste denna fysiska enhet värderas, vilket betyder att den får ett pris per enhet. Enligt ekonomisk teori ska priset för en resurs baseras på dess alternativkostnad. I praktiken används dock ofta marknadspriset för resursen (Drummond m fl., 2005). I det tredje steget 2

8 multipliceras kvantiteten med enhetspriset (Lidgren, 2007). Kostnadsestimatet beräknas då enligt följande; C = p x, (2.1) x i i där p i är priset på kvantiteten, x i. I ekonomiska utvärderingar av hälsointerventioner delas kostnader som regel upp i direkta och indirekta kostnader (Luce & Elixhauser, 1990). Direkta kostnader kan sedan delas upp i medicinska och icke-medicinska kostnader (Kobelt, 2003). Direkta medicinska kostnader är de som direkt kan relateras till hälsovården, såsom läkarbesök, vårddagar på sjukhus, operationer och medicinska hjälpmedel (Ekman, 2002). Direkta icke-medicinska kostnader kan exempelvis avse färdtjänst för dagliga aktiviteter, informell vård 5 och hemhjälp (Drummond m fl., 2005). Till indirekta kostnader räknas sjukfrånvaro, förtidspensionering och för tidig död 6 (Kobelt, 2003). Vid utvärderingen av hälsoprogram är det viktigt att ta hänsyn till både kostnaderna för själva programmet och för utgifterna man förhoppningsvis kommer att spara in till följd av programmet (Drummond m fl., 2005). Ett kostnadsmått ska därav inkludera både kostnader för intervention och det samhället eventuellt spar in till följd av den (Drummond m fl., 1997). 2.3 Effekter Det finns flera olika sätt att mäta effekter för en prevention och ett kirurgiskt ingrepp. En vanligt förekommande metod är att använda så kallade surrogatmått för att mäta effekter. Ett surrogatmått mäter indirekt det man egentligen vill mäta, såsom att BMI-värdet indirekt mäter fettvävsinnehållet i kroppen (Furberg, 2002). Ett andra sätt att mäta effekter på är att använda sig av så kallade endpoints. Exempel på endpoints är överlevnad, förbättringar i livskvalitet, antal undvikta sjukdagar, medicinska komplikationer som har undvikits och så kallade Quality Adjusted Life Years (QALY) som har tjänats in (Drummond m fl., 2005). QALY är ett hälsomått som kombinerar effekter av livskvalitet och livslängd, det vill säga att måttet kombinerar kvalitativa och kvantitativa vinster (Drummond m fl., 1997). Detta gör QALY till det mest relevanta effektmått att använda vid studier av fetma och måttet beräknas enligt följande: QALY = w * Y, (2.2) där w = QALY vikt för ett specifikt hälsotillstånd och Y = antal år som spenderas i det hälsotillståndet. De kvantitativa vinsterna visas genom förändringen i förväntad livslängd, och de kvalitativa genom förändringen i storleken på de hälsorelaterade vikterna. Dessa vikter kan också liknas vid nyttor och måste uppfylla tre kriterier. De måste baseras på preferenser, grunda sig på död och perfekt hälsa, samt ha mätts på en intervallskala. Nyttorna är preferensvikter för ett givet hälsotillstånd, där noll representerar död och ett representerar perfekt hälsa. Vikterna demonstrerar en individs preferens för olika hälsotillstånd och ju mer ett hälsotillstånd föredras, desto större vikt får det (Drummond m fl., 2005). Den största svårigheten med QALY avser just definition, mätning och värdering av den hälsorelaterade livskvaliteten (FHI, 2003). 5 När en sjuk individ blir omhändertagen av släktingar och/eller vänner i hemmiljö. 6 Produktionsbortfall till följd av att individen dör innan uppnådd pensionsålder. 3

9 I figur (2.1) representerar arean mellan de två kurvorna antal QALYs som tjänas av en person då den utsatts för en intervention, i jämförelse med en annan. Y-axeln visar livskvalitetsvikterna på en skala 0 till 1, och x-axeln representerar antal år som individen lever efter interventionen. Med den första behandlingen kommer döden att inträffa vid död A medan den vid användning av den andra behandlingen kommer att inträffa vid död B. Vilket kan utläsas från figuren, minskar QALY i både hälsotillstånden tills det når 0, vilket motsvarar dödstillfället (Gold m fl., 1996). Figur 2.1 QALYs (Quality-adjusted life-years) QALY-vikt Intervention B Intervention A Död A Död B Varaktighet (år) Källa: Gold m fl. (1996) 2.4 Diskontering och inflation Om kostnader och effekter i en hälsoekonomisk utvärdering uppkommer vid olika tidpunkter måste man diskontera dessa för att göra dem jämförbara (Kobelt, 2002). En gastric bypass operation är en direkt insats mot fetma och träder i kraft när individen redan är vuxen och uppvisar fetma 7. Detta medan prevention syftar till att förebygga att individen blir fet och inte uppnår gränsen för en gastric bypass operation. Således uppkommer kostnader och effekter av dessa vid olika tidpunkter och diskontering måste tillämpas. Med diskontering blir framtida kostnader och effekter värda mindre än de nutida. Detta eftersom vi människor tenderar att värdera händelser i framtiden lägre än händelser i nutid (Torgerson & Raftery, 1999). Till följd av detta skriver man ned framtida kostnader och effekter med en viss räntesats, för att kunna göra dem jämförbara med nutida kostnader och effekter enligt; X PV = n ( 1 + r), (2.3) där X = kostnader/effekter, r = diskonteringsräntan, och n = antal år in i framtiden som kostnaden/effekten ligger. 8 7 För en närmare definition av när man är berättigad för ett gastric bypass ingrepp se avsnitt Kostnaderna och effekterna antas uppkomma i början av varje år. På så vis behöver inte det första årets kostnader och effekter diskonteras. 4

10 Ju högre diskonteringsränta, desto mindre är framtida kostnader och effekter värda (Drummond m fl., 1997). Enligt Drummond m fl., (2005) är den vanliga ansatsen när man väljer diskonteringsränta att utgå från samhällets så kallade tidspreferensränta. Denna mäts genom att uppskatta samhällets gemensamma vilja att ge upp konsumtion idag för framtida konsumtion. I de flesta hälsoekonomiska analyser används en treprocentig diskonteringsränta, då den bäst anses representera samhällets tidspreferenser. I äldre litteratur används ofta räntesatsen fem procent. (Drummond m fl., 2005) Att kostnader diskonteras är för de flesta självklart, men att diskontera effekter är för vissa mer debatterbart då de menar att hälsoeffekter har samma värde vare sig de inträffar idag eller i framtiden 9 (Drummond m fl., 1997). Den generella regeln är därför att presentera resultatet diskonterat med en gemensam diskonteringsränta för kostnader och effekter (Kobelt, 2002), men att även bifoga kostnaderna och effekterna i dess odiskonterade form så att andra kan undersöka effekten av varierande diskonteringsräntor (Drummond m fl., 1997). Genom att anta att alla kostnader i utvärderingen kommer att ha samma inflationstakt som samhället i övrigt finns det två ekvivalenta metoder att hantera framtida förväntad inflation. Den första är att inflationsrensa alla framtida kostnader med den förutspådda inflationstakten och sedan använda en högre diskonteringsfaktor. Den andra metoden, som är både enklare och som rekommenderas är att inte inflationsrensa, det vill säga att anta en nollprocentig inflation, och sedan använda en lägre diskonteringsfaktor (Drummond m fl., 2005). I denna uppsats kommer konstanta priser och en diskonteringsränta på tre procent att tillämpas. Kostnaderna och effekterna kommer även att presenteras i bilaga F med en nolloch femprocentig diskonteringsfaktor för att läsaren ska kunna få en bild av vad som händer då diskonteringsfaktorn ökar respektive minskar. 2.5 Modellbyggande Ofta vid en hälsoekonomisk analys, vet man inte helt säkert vad de långsiktiga effekterna är av en intervention. Vid en prevention av fetma hos skolbarn kan man följa dem under skolåldern och observera effekter, men när de sedan lämnar skolan är det svårt att fortsätta följa alla individer för observation. Det är även svårt att i en studie vid jämförande interventioner att få tillgång till direkta data. Till följd av detta är det vanligt att utredaren samlar in data från tillgänglig litteratur för att sedan använda en hälsoekonomisk modell för att beräkna de värden (hälsokostnader och effekter) som är okända (Drummond m fl., 2005). Man gör då en så kallad multipel beslutsanalys där olika antaganden om sannolikheter och kostnader beskrivs och varieras för att se hur de påverkar slutresultatet (Brodin, 2007). De två vanligaste metoderna är att använda sig av är ett beslutsträd eller en Markow modell 10. I denna uppsats kommer en beslutsträdsmodell att användas vilken beskrivs i nästa avsnitt. Figur (2.2) beskriver ett typiskt beslutsträd och ett hypotetiskt 11 exempel av två jämförande interventioner mot fetma (Drummond m fl., 2005). Valet står mellan att behandla fetman kirurgiskt eller medicinskt, och samhället vill studera de hälsoeffekter som påverkas vid de båda alternativen. För enkelhetens skull antar jag att tre huvudsakliga typer av hälsoeffekter kan uppstå; bra resultat, medelmåttiga resultat och dåliga resultat. Längst till höger i figuren beskrivs hypotetiska negativa (kostnader) och positiva (QALY) konsekvenser av de båda interventionerna. Genom att specificera kostnader och effekter till höger i figuren kan man gå 9 För en mer ingående diskussion se Drummond m fl., (1997), ss För en närmare beskrivning se Drummond m fl., (1997), s Sannolikheterna för kirurgiskt ingrepp är hämtade från Craig & Tseng (2002), därefter är resterande siffror hypotetiska. 5

11 tillbaka och beräkna vilken gren till vänster som ger det bästa utfallet i form av kostnad per hälsoeffekt 12. Figur 2.2: Beslutsträd Val av behandling Kirurgisk Kostnad= 500 M SEK Bra resultat (p=0,93) Medelmåttiga resultat (p=0,04) Dåliga resultat (p=0,03) Kostnad = 1000 M SEK, QALYs= 20 Kostnad= 1200 M SEK QALYs = 15 Kostnad = 1500 M SEK QALYs = 10 Medicinsk Kostnad = 300 M SEK Bra resultat (p=0,40) Medelmåttiga resultat (p=0,40) Kostnad = 1000 M SEK, QALYs= 20 Kostnad= 1200 M SEK QALYs = 15 Dåliga resultat (p=0,20) Kostnad = 1500 M SEK QALYs = Kostnadseffektsanalys Då de diskonterade kostnaderna och effekterna för de båda interventionerna är uträknade är ett sista steg att beräkna den så kallade incremental cost effectiveness (ICER) kvoten (Karlsson & Johannesson, 1996). ICER definieras som kvoten av skillnaden i kostnader och i effekt mellan två jämförande interventioner, eller mellan en intervention och ett status quo scenario (Kobelt, 2002): ICER ΔC C C A B = =, (2.4) ΔE E A E B där C i är kostnaden och E i effekten av intervention i. Efter uträkningen av ICER kan fyra olika resultat uppstå, vilket redovisas i figur (2.3). I denna uppsats kommer jag att beräkna ICER genom att jämföra interventionerna (A) med ett status quo scenario (B). Om interventionen har en större effekt än status quo med en lika stor eller mindre kostnad, hamnar ICER-kvoten i kvadrat 2 (K2). Interventionen dominerar status quo och är ett kostnadseffektivt alternativ för samhället. Om interventionen kostar mer än status quo och har samma eller lägre effekt (K4), dominerar status quo interventionen, vilken då inte är värd att satsa på. Detta är de två uppenbara alternativ som kan uppstå. Mer problematiskt blir det om ICER-kvoten hamnar i kvadrat ett eller tre, där interventionen kostar mer och har en högre effekt eller om interventionen kostar mindre och har en lägre effekt än ett status quo scenario. Vid ett sådant tillfälle måste ICER värderas efter en beslutsregel. Om beslutstagandet tas efter pris per extra effekt är willingness to pay (WTP) den vanliga regeln att använda sig av. WTP mäter hur mycket man är villig att betala för en extra enhet av 12 Förväntad kostnad för kirurgi = ,93* ,04* ,03*1500 = 1523 M SEK. Förväntad QALYs för kirurgi = 0,93*20 + 0,04*15 + 0,03*10 = 19,2 QALYs. Förväntad kostnad för medicinsk = ,4* ,4* ,2*1500 = 1430 M SEK. Förväntad QALYs för medicinsk = 0,4*20 + 0,4*15 + 0,2*10 = 16 QALYs. Inkrementella kostnaden per QALY tjänad på kirurgi:( ) /(19,2-16) = 29 M / QALY. 6

12 effekt, och kan exempelvis bestämmas genom att man frågar befolkningen hur mycket de är villiga att betala i högre skatter för att intervention ska kunna genomföras (Drummond m fl., 1997). I figuren illustreras det maximala WTP av den streckade linjen som går igenom origo. Om ICER hamnar under den maximala WTP-linjen (ICER A och ICER C ), är interventionen att föredra. Om ICER hamnar över den maximala WTP-linjen (ICER B och ICER D ) är inte interventionen ett bra alternativ. (Lidgren, 2007; Ekman, 2002) Figur 2.3. Beslutstagande i kostnadseffektivitetsplanet K4 A kostar mer än B och är mindre effektiv B dominerar A Kostnad A -Kostnad B *ICER B K1 A kostar mer än B och är mer effektiv *ICER A Icke-avgörande K3 A kostar mindre än B och är mindre effektiv Icke-avgörande *ICER D K2 A kostar mindre än B och är mer effektiv. Effekt A -Effekt B WTP *ICER C A dominerar B Källa: Lidgren (2007) 3. Hur jämförs interventionerna? Vilket nämndes i inledningen är BMI det vanliga måttet som används för att definiera i vilken viktklass individen hör. Detta mått ges av individens kroppsvikt i kg dividerat med individens kroppslängd i meter i kvadrat (m/kg 2 ). Enligt WHO:s standardmått definieras personer med ett BMI mellan 25 och 29.9 som överviktiga, mellan 30 och 34,9 med fetma klass 1 medan individer med ett BMI som motsvarar eller överstiger 35 definieras med fetma klass 2 eller 3. Dessa klassificeringar kommer att användas vid min jämförelse och i detta kapitel förklaras närmare exakt hur denna kommer att gå till. 3.1 Ansats Ur ett teoretiskt perspektiv skulle en bra jämförelse mellan prevention och gastric bypass operation kortfattat gå till så att man följer individer från dag ett i deras liv observerar vårdkostnader, sjukfrånvaro, förtidspension, förtida död och upplevd livskvalitet. Vissa av dessa individer får ingå i ett preventionsprogram, vissa får genomgå en gastric bypass operation vid ett uppnått BMI-värde på exempelvis 35, och andra individer låter man vara. Sedan vid slutet av alla dessa individers livstid beräknas dess totala livskostnad (direkta och indirekta) samt deras totala livsqaly. Sedan jämförs dessa tre grupper och då skulle man kunna dra en slutsats vilken intervention, om någon, som är att föredra. Att göra ovan beskrivna projekt ligger klart över tidsramen för denna uppsats vilket innebär att en alternativ metod måste tillämpas. 7

13 För att kunna observera och mäta kostnader och effekter tänks hypotetiskt dessa ovan nämnda tre grupper, med X antal individer i varje. Dessa kommer att följas från tidpunkt 20 år till tidpunkt 64 år med hjälp av en beslutsträdsmodell 13. Kohort A är status quo gruppen, och kommer inte att utsättas för någon intervention. En intervention inom fetma syftar till att få individer att gå ned i vikt/inte bli feta. För att kunna studera konsekvenserna av interventionen måste en status quo grupp existera, för att kunna jämföra med om ingenting hade gjorts åt problemet (Drummond m fl., 2005; Gold m fl., 1996). Genom att göra detta kan man se hur mycket samhället sparar alternativt förlorar på intervention. Kohort B utsätts i skolåldern för en effektiv preventionsåtgärd, medan de individer i kohort C som definieras med fetma klass 2 och klass 3 får genomgå ett gastric bypass ingrepp. När individen går ned i vikt alternativt inte uppnår ett ursprungligt förväntat BMI-värde ändras dennes (förväntade) viktkategori (Craig & Tseng, 2002). Till följd av detta är ett första steg innan jag börjar räkna på de hypotetiska kohorterna att beräkna den förväntade samhällskostnaden per individ i de olika viktkategorierna, vilket utförs enligt följande; 64 ( vikt D vikt I C = y p + z p ), (3.1) vikt 20 i i i i där C vikt = den totala kostnaden för en individ i ett visst vikttillstånd under ålder år, y i = antal enheter direkta vårdtillfällen per år för ett visst vikttillstånd, p = diskonterade kostnaden per enhet år i, zi = antal I enheter indirekta kostnadsdagar per år för ett visst vikttillstånd, p i = diskonterade kostnaden per dag år i. Med hjälp av denna beräkning får jag fram den förväntade samhällskostnaden per individ under åldern år i de olika viktklasserna. På liknande vis beräknas hur mycket QALY en individ har under tiden år i de olika viktklasserna enligt följande; E = w vikt t vikt i i D i, (3.2) där E vikt = totalt antal QALY under ålder år, ti = antal år som spenderas i QALY-tillståndet. vikt w i = diskonterad QALY-vikt vid år i och viktgrupp vikt, Efter att ovan beräknats kan jag gå vidare och räkna på de hypotetiska kohorterna. 3.1 Status Quo I kohort A ingår X antal individer som inte utsätts för någon intervention. Med antagandet att ingen förändring sker mellan viktklasserna över tiden 14, kan figur (3.1) ligga till grund för min status quo beräkning. Enligt denna modell kommer α procent individer att utveckla fetma klass 2 eller 3, β procent definieras med fetma klass 1, γ procent blir överviktiga och resterande andel, 1-(α+β+γ), blir normalviktiga. Dessa olika grupper kommer att kosta ett visst antal kronor i direkta och indirekta kostnader, samt ha ett visst antal QALYs från ålder 20 till 64 år. Kostnader och QALYs för kohorten beräknas enligt följande; C SQ = α X C X C X C + ( 1 ( α + β )) X * Cnormalvikt * fetma2&3 + β * fetma1 + γ * övervikt + γ, (3.3) där C SQ = totalkostnad status quo, α, β, γ = andelarna beskrivna ovan, X= antal individer totalt, C vikt = kostnaden för ett specifikt vikttillstånd från tidpunkt 20 till 64 år. 13 Se figur 2.2. I uppsatsens fall kommer jag att variera andelarna som får fetma klass 2 & 3 etcetera för att se hur det påverkar slutresultatet. 14 Det vill säga att har individen fetma så har den det från tidpunkt 20 till 64 år. Individen kan inte utveckla fetma efter tidpunkt 20 år. För en mer ingående diskussion om detta se avsnitt (3.5). 8

14 E SQ = α X + ( 1 ( α + β )) X * Enormalvikt * E fetma2&3 + βx * E fetma1 + γx * Eövervikt + γ, (3.4) där E SQ = totalqaly status quo, α, β, γ = andelarna beskrivna ovan, X= antal individer totalt, E vikt = QALY för ett specifikt vikttillstånd från tidpunkt 20 till 64 år. Figur 3.1: Status quo scenario Fetma klass 2 & 3 α β Fetma klass 1 γ Övervikt 1-(α+β+γ) t 0 t i Normalvikt Källa: Egen modellering efter Drummond m fl., (2005) 3.2 Prevention Syftet med prevention är att undvika att individer utvecklar fetma och övervikt (Bhave m fl., 2004; Swinburn m fl., 2005). Ett flertal regionala studier har visat på att procent av svenska barn är överviktiga och att 3-5 procent har fetma (Perlhagen m fl., 2007). Cirka procent av alla barn som är definierade med fetma kommer att bibehålla denna i vuxen ålder (Styne, 2001). Enligt Gou och Chumela (1999) kan övervikt och fetma i vuxen ålder förutses genom BMI-värde vid yngre åldrar, allra helst de övre tonåren. Både Bhave m fl., (2004) och Kumanyika m fl., (2008) argumenterar för att mat och fysiska aktivitetsvanor som grundas i barndomen kan bestå in i vuxenlivet. Till följd av detta menar de att interventioner under ungdomsåren som syftar till att öka den fysiska aktiviteten och förbättra matvanor har potential att etablera en hälsosammare livsstil som består under individens återstående liv. Ett flertal forskare, exempelvis Lobstein m fl., (2004) och Demattia & Denney, (2008), argumenterar för att prevention måste inledas hos barn och ungdomar för att undvika framtida kostnader för samhället. Baserat på presenterad fakta är det rimligt att anta att om en prevention är effektiv och uppnår ett långsiktigt resultat kommer vissa individer att ha ett lägre BMI-värde i vuxen ålder än vad de hade uppnått om de inte utsatts för en prevention. Det finns två olika tillvägagångssätt som samhället kan tillämpa vid prevention. Antingen en befolkningsriktad preventionsåtgärd, som innebär att man försöker nå ut till hela samhällen (som skolor) med exempelvis nyttiga kostråd och information om att fysisk aktivitet är viktigt. Det andra är en så kallad högrisk ansats, vilken innebär att samhället identifierar de barn/ungdomar som är i riskzonen för att utveckla fetma i vuxen ålder och låter dessa ingå i en preventionsåtgärd. (Kumanyika m fl., 2008) Med en effektiv befolkningsriktad prevention kommer status quo fördelningen att skiftas ned och vi kommer att få fler normalviktiga och färre individer med fetma klass 2 och 3 i jämförelse med status quo fallet och följande kan sägas om preventionsparametrarna 15 ; 15 Där p står för prevention. Det vill säga vad den redovisade parametern i figur 3.1 är i preventionsfallet. 9

15 * α > α p * β större än, lika med eller mindre än β p * γ större än, lika med eller mindre än γ p * 1- (α+β+γ) < 1- (α p +β p +γ p ) Det vill säga att fler individer än i status quo fallet kommer att vara normalviktiga och färre kommer att tillhöra de högre fetmaklasserna. Hur fördelningen ser ut för fetma klass 1 och överviktsgruppen är mer oklart, och beror helt på i vilken viktklass individerna kategoriseras efter preventionen. Vid en effektiv högriskprevention kommer enbart de som skulle ha utvecklat fetma att skifta ned till en lägre viktklassificering. Efter att individerna har kategoriserats in i sina nya viktklasser följs de från ålder 20 till 64 år och kohortens totala kostnader och effekter beräknas enligt; C PR = C P p p p + α X C + β X * C + γ X * C + + p p p ( 1 ( α + β γ ) X * C, * fetma2&3 fetma1 övervikt normalvikt (3.5) där C PR = totalkostnad prevention, C P =interventionskostnaden, α p, β p, γ p = preventionsandelarna, X= antal individer totalt, C vikt = kostnaden för ett specifikt vikttillstånd från tidpunkt 20 till 64 år. E PR = p p ( 1 ( α + β p ) X * Enormalvikt p p p α X * E fetma2&3 + β X * E fetma1 + γ X * Eövervikt + + γ (3.6) där E PR = totalqaly prevention, α p, β p, γ p = preventionsandelarna, X= antal individer totalt, E vikt = QALY för ett specifikt vikttillstånd från tidpunkt 20 till 64 år. 3.3 Gastric Bypass Poängen med överviktskirurgi är att se till att individen äter mindre och/eller tar upp mindre av det den äter. I och med att individen gör detta kommer den att minska i vikt. Socialstyrelsen redovisar tre olika kirurgiska operationsmetoder; Gastric Bypass, Gastric Banding och VBG (Vertical Banded Gastroplastly). Både gastric banding och VBG bygger på att begränsa intaget av mat, och med båda metoderna handlar det om att göra en ny mindre magsäck inom den gamla. Gastric Bypass skiljer sig åt från de två förra metoderna just för att den bygger både på att minska intaget av mat och på att försämra upptaget (Kjöller, 2006). Diagram 3.1: Antal volyminskränkande ingrepp i Sverige år , Antal Gastric Bypass Gastric Banding VBG År Källa: Socialstyrelsen Återspeglat i diagram (3.1) är att gastric bypass operationerna är de överlägset mest förekommande operationerna i Sverige under 2000-talet, och de har ökat med en stor årlig 10

16 tillväxttakt. Enligt det amerikanska National Institute of Health finns det fyra huvudkrav för att vara berättigad för en operation vilka är; * Flera misslyckade bantningsförsök, * Ett BMI 40 eller ett BMI 35, plus någon av överviktsrelaterad sjukdom såsom högt blodtryck och diabetes, * En ålder mellan 18 och 60 år, samt * Samtycke och kunskap om att det krävs livslång uppföljning. Kraven i Sverige skiljer sig inte nämnvärt åt (NIOK, 2007). Detta innebär att det endast är individer som har fetma klass 2 eller klass 3 som kan bli aktuella för ett kirurgiskt ingrepp mot fetma. De är endast aktuella för en gastric bypass operation EFTER att de uppnått en vikt motsvarande fetma klass 2 eller klass 3 (Ågren m fl., 2002). Om gastric bypass operationen genomförs vid tidpunkt t op kommer den ursprungliga populationen som hade fetma klass 2 och klass 3 att ha fördelat sig på följande vis året efter operationen: Figur 3.2 Gastric Bypass Fetma klass 2 & 3 Fetma klass 2 & 3 α β Fetma klass 1 α α 1 γ α 2 Fetma klass 1 Övervikt α 3 Övervikt 1-(α+β+γ) α 4 Normalvikt Normalvikt t 0 t op t op+1 Källa: Egen modellering efter Drummond m fl., (2005) Vid tidpunkt t op+1 kommer α 1 procent individer att ha fetma motsvarande klass 2 och 3, (β+α 2 ) procent individer att ha fetma klass 1, (γ+α 3 ) procent individer kommer att vara överviktiga och [(1+α 4 ) (α 1 + β +α 2 +γ +α 3 )] procent individer kommer att vara normalviktiga. Om gastric bypass operationen är effektiv kan följande sägas om parametrarna 16 : * α > α 1 * β* β * γ* γ *[(1+α 4 ) (α 1 + β* +γ* )] 1-(α+β+γ) Eftersom en gastric bypass operation syftar till att minska individens vikt kommer den ursprungliga populationen med fetma klass 2 och klass 3 att minska. Hur de fördelar sig i de återstående tre viktklasserna är inte säkert utan beror på hur mycket individen minskar i vikt efter ingreppet (Sjöström m fl., 2007). Efter att individerna som genomgår en gastric bypass operation har kategoriserats in i sina nya viktklasser följs de från tidpunkt t op+1 till ålder 64 år. Kohortens totala kostnader och effekter beräknas enligt följande; 16 där β*= β+α 2 och γ*=γ+α 3 11

17 C GB = C G + f. op f. op f. op f. op ( α X * C fetma2 &3 + βx * C fetma1 + γx * Cövervikt + ( 1 ( α + β + γ )) X * Cnormalvikt )+ e. op e. op op X C X C ( ( )) X C e. + ( β*) * + ( γ *) * α α + β * * ( e. op α X * C + γ ) 1 fetma2&3 fetma1 övervikt 4 1 * normalvikt (3.7) där C GB = totalkostnad gastric bypass, C G =interventionskostnaden, α, β, γ, α 1, β*, γ*, α 4 = andelarna beskrivna ovan, X= antal individer totalt, C vikt = kostnaden för ett specifikt vikttillstånd från tidpunkt 20 år till ålder då operation genomförs och från tidpunkt året efter operationen till ålder 64 år. E GB = ( α X * E f. op fetma2&3 + βx * E f. op fetma1 + γx * E f. op övervikt + f. op ( 1 ( α + β + γ )) X * Enormalvikt ) + e. op ( 1 + α ( α + β * *)) X E α + e. op e. op e. op 1 X * E fetma2&3 + ( β*) X * E fetma1 + ( γ *) X * Eövervikt γ * normalvikt (3.8) där E GB = totalqaly gastric bypass, α, β, γ, α 1, β*, γ*, α 4 = andelarna beskrivna ovan, X= antal individer totalt, E vikt = QALY för ett specifikt vikttillstånd från tidpunkt 20 år till ålder då operation genomförs och från tidpunkt året efter operationen till ålder 64 år. Efter att totalkostnaderna och effekterna har beräknats för alla tre beskrivna kohorter beräknas ICER-kvoten enligt;, ICER = ΔC ΔE = C E PR / GB PR / GB C E SQ SQ (3.9) Sedan plottas punkterna upp i kostnadseffektivitetsplanet 17 vilken intervention, om någon, som är att föredra. och utifrån detta kan man se 3.4 Begränsningar i modelleringen Förväntad livslängd är högre hos normalviktiga än individer med tyngre viktklassificeringar (Thompson m fl., 1999). Jag studerar en specifik åldersperiod, år, vilket innebär att jag kommer att missa kostnader och effekter som kan tänkas vara relevanta. Baal m fl., (2008) visar exempelvis på att även fast fetmaprevention innebär en minskning av kostnader för fetmarelaterade sjukdomar, tas denna positiva effekt bort av de kostnadsökningar som följer av att individerna lever längre. Även innan uppnådd vuxenålder missas kostnader och effekter. Barn med övervikt och fetma har bland annat bevisats ha lägre livskvalitet än jämförbara normalviktiga barn (Franklin m fl., 2006; Schwimmer m fl., 2006). En annan begränsning i min studie är att jag inte kommer att ta hänsyn till att andelen med fetma och övervikt varierar mellan åldersgrupper. Detta då min modell antar att om individen exempelvis har fetma har den det från ålder 20 till 64 år. Siffror från både NIOK (2007) och Liv och Hälsa studien (2008) visar på att fetma och övervikt är mer förekommande i äldre åldersgrupper än i yngre 18. Jag kommer att räkna på en vägd medelandel med fetma och övervikt under åldern år. 19 Detta innebär att jag troligen kommer att överskatta kostnader i yngre åldrar för att sedan underskatta ju äldre den studerande kohorten blir. 17 Beskrivet i avsnitt Se bilaga A och B. 19 För en närmare beskrivning över hur denna andel beräknas se avsnitt

18 4. Kostnader och Effekter För att kunna utföra studien beskriven i avsnitt 3 behövs tillgång till följande information: Fördelningen över ett status quo scenario. Data över direkta och indirekta kostnader för de olika viktklasserna fördelat på ålder och kön. Data över upplevd livskvalitet (QALY-vikt) fördelat på åldersklass, kön och BMI. Utgång av en prevention - hur stor andel av individerna undviker att utveckla fetma? Styckkostnad för en prevention. Information om vid vilken tidpunkt en gastric bypass operation vanligen genomförs. Utgång av en gastric bypass operation hur mycket kan en individ tänkas gå ned i vikt och i vilken viktgrupp ska den placeras? Kostnad för ett gastric bypass ingrepp I detta avsnitt presenteras de källor jag använder mig av för, samt hur jag har gått tillväga för att estimera uppgifter som jag inte direkt känner till. Alla kostnadsuppgifter är beräknade med år 2008 som basår. 4.1 Andel med fetma och övervikt Det finns ingen nationell sammanställning över befolkningssammansättningen i de olika viktklasserna. Däremot undersöker Liv och Hälsa -studien regelbundet levnadsförhållandena och hälsan hos delar av befolkningen 20. Genom en enkätundersökning undersöks cirka slumpvis utvalda medborgare i fem mellansvenska län, den så kallade CDUST-regionen 21. Enligt deras undersökning från år 2008 har fetman ökat hos både män och kvinnor från föregående periods undersökning 22 och fetma är mindre förekommande i lägre åldrar 23. I likhet med tidigare studier (SBU, 2002) är övervikt mer förekommande hos män, medan fetman är lika vanlig hos båda könen. Med hjälp av Liv och Hälsa studiens siffror från år 2008 kan ett viktat medelvärde 24 för (α+β), γ, och 1-(α+β+γ) bestämmas för kvinnor och män; Män Kvinnor α+β = 14,54 % α+β = 14,57 % γ = 43,26 % γ = 28,44% 1-(α+β+γ) = 42,20 % 1-(α+β+γ) = 56,99% Liv och hälsa studien (2008) redovisar inte skillnader mellan fetmaklassificeringar, och därför får jag använda mig av en sekundär källa för att beräkna proportionerna på α och β. NIOK (2007) redovisar antal personer med ett BMI-värde 30 och 35, i CDUST-regionen baserat på uppgifter de har erhållit från just Liv och Hälsa - studien för år Med hjälp av dessa uppgifter beräknas andelen som hade fetma klass 2 eller 3 år 2004 enligt; Antal BMI 35 BMI 35 = (4.1) AntalBMI 30 34,9 + AntalBMI Genom att använda deras uppgifter antar jag att de är representativa för hela svenska befolkningen. 21 Landstingen i Uppsala, Sörmlands, Västmanlands, Värmlands och Örebro län 22 Se bilaga A, diagram A.1 23 Se bilaga A, diagram A.2 24 Baserat på totalbefolkningen i de olika åldersgrupperna år Exempelvis så beräknas andelen med fetma enligt Män: 0,352 * ,335 * ,313 * 17 14,54 %, Kvinnor: 0,346 *11 + 0,333*15 + 0,320 *18 14,57% 25 Se bilaga B, tabell B.1 och B.2. 13

19 Med ett antagande om att tillväxttakten av svårt feta från år 2004 till 2008 är obefintlig och med kunskapen 25 om att i genomsnitt har 19,4 procent män och 28,8 procent kvinnor av de med fetma ett BMI 35 skattas α och β till 26 : Män Kvinnor α = 2,82 % α = 4,20 % β = 11,72 % β = 10,37 % 4.2 Kostnader för de olika viktkategorierna Då jag studerar hur mycket kostnader samhället eventuellt kan spara genom en prevention och en gastric bypass operation är en viktig informationsdel hur de direkta och indirekta kostnaderna skiljer sig åt dels mellan olika viktkategorier, men även mellan åldersgrupper Direkta kostnader Att fånga upp de direkt icke-medicinska kostnaderna är svårt och kommer att bortses från i denna uppsats. Läsaren bör dock ha i åtanke att dessa kostnader existerar, och om exempelvis informell vård hade inkluderats i beräkningarna skulle kostnaderna med största sannolikhet ha varit större (Allender & Rayner, 2007). Angående de direkta medicinska kostnaderna har inga svenska studier där man har beräknat öppenvårdskostnader 27 relaterat till fetma och övervikt återfunnits. Dessa kommer till följd av detta att uteslutas i mina beräkningar, men läsaren bör ha i åtanke att de finns 28. Den kostnaden som kommer att användas som estimat för de direkta kostnaderna är den kostnaden som kan relateras till slutenvården 29. Borg m fl., (2005) estimerar i sin studie antal vårddagar på sjukhus för individer med fetma, överviktiga och normalviktiga över en 15 års period för olika åldrar. Datamaterialet är framtaget genom en undersökning där man har följt medelåldersindivider boende i Malmöregionen under 15 år. Då Borg inte redovisar skillnader i vårddagar mellan fetmaklassificeringarna används Andreyevas m fl. (2004) resultat som sekundär källa för att skatta dessa. Andreyevas m fl. (2004) syfte var att fylla tomrummet i litteraturen för kostnader mellan de olika fetmaklassificeringarna. Resultat var att i genomsnitt hade de med ett BMIvärde motsvarande fetma klass 1, 25 procent högre hälsokostnader än motsvarande normalviktiga individer, medan de med fetma klass 2 och 3 hade 50 procent respektive 100 procent högre hälsokostnader. Genom att anta, baserat på Andreyeva m fl. (2004) 30, att de med fetma klass 1 har 25 procent fler vårddagar och de med fetma klass 2 eller 3 har 75 procent 31 fler vårddagar än motsvarande normalviktiga kan jag beräkna förväntat antal vårddagar i de olika viktklasserna 32. I diagram 4.1 visas hur dessa dagar skiljer sig åt för 40- åriga individer i olika vikttillstånd. Som kan utläsas ökar förväntat antal vårddagar med BMIvärde. 26 α och β för män erhålls genom att α+β = 0,1454, och att α / (α+β) = 0,19389, α och β för kvinnor erhålls på liknande vis. 27 Hälso- och sjukvård som utförs på icke inneliggande patienter. Vården kan till exempel ges på vårdcentraler, sjukhusmottagningar eller i patientens hem. 28 Exempelvis visar aggregerade data från Folkhälsoinstitutets folkhälsostudie från år att en större andel individer med fetma har besökt distriktssköterska eller läkare på vårdcentral de senaste tre månaderna (se Bilaga C, tabell C.1). Även Quesenberry m fl., (1998) påvisar att öppenvårdkostnader tenderar att vara högre hos individer med fetma i jämförelse med normalviktiga individer. 29 Hälso- och sjukvård som ges till patient inskriven vid vårdenhet, exempelvis sjukhus. 30 Genom att använda dessa uppgifter antar jag att denna amerikanska studie är representativ för Sverige procent antas vara medelvärdet av 50 procent (fetma klass 2) och 100 procent (fetma klass 3). 32 För ursprunglig tabell se bilaga C, tabell C.2 14

20 Diagram 4.1 Förväntat antal vårddagar under en 15-års period för 40-åriga individer, fördelat på viktklass Vårddagar/15 år 30,0 25,0 20,0 15,0 Män Kvinnor 10,0 5,0 0,0 Normalvikt Övervikt Fetma Fetma 1 Fetma 2&3 Viktkategori Källa: Borg m fl., (2005) + egna beräkningar baserade på Andreyeva m fl., (2004). Då jag vill kunna stämma av individerna årligen delas Borg m fl., (2005) resultat med 15 för att estimera en genomsnittlig årlig siffra för de åldrarna som presenteras. Sambandet mellan vårddagar och ålder visas vara relativt linjärt för de olika viktgrupperna genom en enkel vikt plottning. Detta innebär att jag kan erhålla årliga antal vårddagar för alla åldrar, y i i ekvation (3.1), genom att skatta förväntat antal vårddagar med enbart ålder som förklarande variabel för de olika viktklasserna enligt; y vikt i där y = a + bx + ε, (4.2) vikt i i i = antal vårddagar per år vid ålder i vid ett specifikt vikttillstånd och xi = ålder. För att kunna beräkna kostnader för dessa vårddagar behöver jag ett prisestimat för en vårddag, p D i i ekvation (3.1). För att erhålla ett prismått på en vårddag som är mer nationellt representativt skickades en e-post till Sveriges kommuner och landsting. Genom Lena Bäckström fick jag tillgång till kostnad per vårddag fördelat på länssjukhus, länsdelssjukhus och regionsjukhus 33. Uppgifterna är baserade på ett drygt 50-tal svenska sjukhus och priset jag beräknar är ett medelvärde av dessa tre prisuppgifter. I enhet med Borg m fl., (2005) används viktmåttet 1/3 på allmän psykiatrisk vård och 2/3 på medicinsk vård som i deras studie svarade för samplets uppdelning på sjukhusvistelser. Detta ger mig det genomsnittliga priset 6690 kronor 34 för en vårddag Indirekta kostnader I mina beräkningar rörande de indirekta kostnaderna kommer jag att bortse från kostnader relaterat till förlorade produktionsår till följd av dödsfall före pensionsålder samt de som uppkommer till följd av att individer får sjukpension. Detta på grund av att datauppgifter som kan implementeras i min modell inte har återfunnits, men läsaren bör vara medveten om att de existerar 35. Jag kommer enbart att räkna på sjukfrånvaro i denna studie som enligt Persson & Ödegaard (2005) motsvarar 26,6 procent av de totala indirekta kostnaderna Se bilaga C, tabell C.3 34 Basår Exempelvis har svenska studier visat på att kostnaderna för dessa två är högre hos individer med fetma i jämförelse med normalviktiga individer (Borg m fl., 2005; Persson & Ödegaard, 2005). 36 De har i sin studie inte inkluderat reducerad produktivitet på arbetet. 15

21 Persson och Ödegaard (2005) redovisar i sin studie ett skattat ohälsotal, antalet sjukpenningdagar per person, för individer fördelat på olika viktklasser och åldersgrupper. De baserar sina skattningar på Narbros doktorsavhandling från år 2001 i vilken hon estimerar ohälsotalet för överviktiga, måttligt, medelsvårt och svårt feta kvinnor i åldersgruppen år. Med ett antagande om att de genomsnittliga ohälsotalen inte har förändrats fram till år 2008 används dess fördelning 37 för att bestämma z i vikt i ekvation (3.1), där medelsvårt feta och svårt feta har slagits samman till en grupp. Som kan utläsas i diagram 4.3 skiljer sig inte överviktiga från genomsnittsbefolkningen i antal sjukskrivningsdagar per år samt så är de med fetma sjukskrivna mer än lägre viktklasser. Det ideala hade varit om uppgifter hade erhållits för hur överviktiga och individer med fetma förhåller sig i antal sjukskrivningsdagar i jämförelse med en normalviktig grupp. Då inte dessa uppgifter finns, kommer genomsnittsbefolkningen att användas som approximation för normalviktiga. Diagram 4.3 Skattat ohälsotal för individer i åldern 35-44, fördelat på viktklass Ohälsotal män kvinnor Genomsnitt Övervikt Fetma klass 1 Fetma klass 2 Viktkategori Källa: Persson & Ödegaard (2005) För att kunna knyta kostnader till följd av produktionsbortfall till dessa uppgifter måste jag veta genomsnittslönen för dessa olika åldersgrupper. Denna erhölls från Persson och Ödegaard (2005) som har beräknat dagslönen för år 2003 för dessa åldersgrupper. Med ett antagande om att medellönen för dessa åldersklasser inte har förändrats, inflationsrensas den upp till 2008 års priser (tabell 4.1) och används som mått för p i I i ekvation (3.1). Tabell 4.1 Genomsnittlig daglig arbetsinkomst inklusive sociala avgifter, 2008 Ålder Män Kvinnor Källa: Egna beräkningar baserat på Persson och Ödegaard (2005) 4.3 Effektmått Inga svenska studier som redovisar QALY-vikter har återfunnits, däremot redovisar Craig & Tseng (2002) i sin amerikanska studie QALY-vikter fördelat på ålder, kön och BMI-status (se tabell 4.2). De estimerar sina QALY-vikter genom att dra ett nationellt representativt stickprov av icke-rökande vuxna från den amerikanska undersökningen National Health 37 För ursprungstabell se Bilaga D, tabell D.1 & D.2. 16