ARBETSMATERIAL. Värdebaserad uppföljning av diabetesvård analys från framtagande av nya uppföljningssystem

Transkript

1 Värdebaserad uppföljning av diabetesvård analys från framtagande av nya uppföljningssystem

2 Jämförande analyser i denna presentation är ett led i utvecklingen av uppföljningssystem Forskningsdatabas per diagnosområde möjliggör bland annat analyser på historiska data till grund för diagnosspecifika jämförelserapporter Vårddata RJH Vårddata RÖ Kvalitetsregister Vårddata LtD SCB Vårddata LUL Socialstyrelsen Vårddata RS FK Vårddata SLL Vårddata VGR Totalt ~95 datauttag från 24 olika datakällor Jämförelserapporten presenterar historiska resultat för att tydliggöra möjligheter och utmaningar i framtida uppföljning Kliniskt relevanta nyckeltal har definierats inom expertgruppen för Sveus diabetes, i syfte att skapa grundförutsättningar för att följa upp rätt saker inom diabetesvården Samkörning av flertalet register har genomförts för att möjliggöra analys av tidigare outforskade kombinationer av data kring hälsoutfall och resursutnyttjande inom svensk diabetesvård Genom kontinuerlig samkoppling av dessa anonymiserade patientdata kan unika nyckeltal som är kliniskt relevanta för diabetespatienten följas i realtid och över tid

3 Sveus diabetes innebär unika möjligheter för uppföljning och utveckling av diabetesvården Unika element inom Sveus diabetes Urval av exempel ur rapporten (detaljer längre fram) Casemix-justerade resultat av både hälsoutfall och resurser Bred beskrivning av diabetesvården och dess resultat med unik kombination av datakällor, t.ex. resursdata ur landstingens vårddata, hälsoutfall ur kvalitetsregister, sjukförsäkringsdata, läkemedelsinformation Följer aktiviteter över vårdgivargränser

4 Expertgruppens medlemmar Arbetsgrupp Mikael Lilja Tobias Dahlström Peter Lindgren Bettina Julin Region Jämtland Härjedalen Landstinget Dalarna Ivbar Ivbar Expertgrupp Gudrun Andersson Ingalena Andersson Mette Axelsen Mats Ek Robert Kristiansson Janeth Leksell Agneta Lindberg Karin Looström Muth Fredrik Löndahl Ann-Marie Svensson Svensk Förening för Sjuksköterskor i Diabetesvård Dietisternas riksförbund, referensgrupp diabetes Dietisternas riksförbund, referensgrupp diabetes Stockholms läns landsting Landstinget i Uppsala län Svensk Förening för Sjuksköterskor i Diabetesvård Region Skåne Västra Götalandsregionen Svenska Diabetesförbundet Nationella Diabetesregistret Sakkunnig Mona Landin-Olsson Svensk Förening för Diabetologi

5 Diabetes översikt och patientgrupper Prevalens % Samhällsbörda Utveckling prevalens % Översikt % 6 % av sjukvårdens kostnader 6 miljarder SEK till följd av produktionsbortfall % % +64% Typ 1 Typ 2 Patientgrupper Avsaknad eller bristande produktion av insulin Hälften debuterar före 35-års ålder 10-15% av patienterna med diabetes Behandling med insulin Minskad insulinkänslighet i kroppens vävnader Debut i vuxen ålder, men ökad förekomst även bland unga 85-90% av patienterna med diabetes Behandling med livsstilsförändring, tabletter (ffa metformin) och insulin

6 Dataunderlaget bygger på uttag från ett flertal olika källor Datakällor Användning i analyserna Landsting Identifikation av patientpopulation, demografi, hälsoprofil vid inklusion, hälsoutfall och resursförbrukning av landstingsdriven vård Nationella diabetesregistret (NDR) Hälsoprofil vid inklusion, hälsoutfall Socialstyrelsen Expedierade läkemedel (Läkemedelsregistret, LMR) Försäkringskassan Sjukpenning och sjuk-/aktivitetsersättning Statistiska centralbyrån Socioekonomi

7 Urvalet av patienter bygger på samkörning av NDR och landstingens vårddata NDR Sveus Patientadministrativa system (huvud- eller bidiagnos) Analyspopulationen utgörs av patienter som återfinns i landstingens patientadministrativa system och för vissa hälsoutfall även på NDR Indextillfället består av första vårdkontakt med diabetesdiagnos som huvud- eller bidiagnos ICD-10 E10*, E11* eller E14* individer med diabetes under ingick i analyspopulationen 89 % klassade som typ 2-diabetes och resterande 11% som typ 1-diabetes Indexår för analyserna definierades till 2010 och 2011 för att möjliggöra två års historik och ett års uppföljning. Ett urval av analyserna utfördes dock på flera år.

8 Övervägningar vid uppföljning av diabetes 1 år Vårdaktivitet PUOH Specialistvård Initial sjukhusvistelse Fotteam/ Fotterapeut Ögonbottenfotografering Läkarbesök Grupputbildning Primärvård Grupputbildning Dietistbesök Kroniska förlopp; hanteras som flera, 1-åriga episoder efter varandra En episods utfall blir nästa episods start Hälsoutfallen kommer långt in i framtiden och kan påverkas av vad en annan vårdgivare gjort för flera år sedan (exempel: hjärtinfarkt) Två olika sjukdomstillstånd med olika fördelning mellan vårdnivåer Typ 1: I princip enbart specialistvård Typ 2: Övervägande, men inte enbart primärvård

9 Avgränsningar i arbetet med Sveus diabetes Inkluderar endast individer över 18 år Studiepopulationen utgår från diabetes som huvud- eller bidiagnos i landstingens patientadministrativa system. Eftersom alla personer med diabetes inte återfinns i NDRs kvalitetsregister påverkar detta analyspopulationens storlek för vissa utfall T.ex. användes NDRs riskmotor för att predicera 5-årsrisken för hjärt-kärlsjukdom. För att kunna skatta risken för en individ måste flertalet parametrar finnas tillgängliga, dessutom ska de ha registrerats inom tidsintervallet (± 3 mån). För att uppskatta bortfallets betydelse genomfördes en bortfallsanalys där inga nämnvärda skillnader i jämförelse med den totala populationen upptäcktes Diabetestyp (1 eller 2) klassificerades algoritmiskt genom att kombinera information från läkemedelsregistret, NDR och patientadministrativa system

10 Casemix-variabler har identifierats och använts i analys-modeller av nyckeltal för att justera för patientsammansättning Sociodemografi Ålder Kön Utbildningsnivå Född utanför EU Civilstånd Patientegenskaper vid episodstart Hälsoprofil Rökstatus BMI egfr HBA1c Diabetesduration Systoliskt blodtryck LDL-kolesterol Hjärtkärl-, ögon-, och fotkomplikation Njursvikt Annan samsjuklighet Förmaksflimmer Depression Psykiatriska diagnoser

11 Ett stort antal nyckeltal har definierats och analyserats. Initialt fokus har legat på hälsoutfall och resurser (ej behandlingsprocess) Hälsoutfall Hälsoresultat Hjärt-kärlsjukdom Predicerad 5-års risk för hjärt-kärlsjukdom HbA1C egfr Ögonkomplikationer Njursvikt Högt blodtryck Mikroalbuminuri Neurologiska komplikationer Hud- och fotkomplikationer Amputation fot eller ben BMI LDL-kolesterol Andel rökare Oönskade händelser Omedelbara komplikationer: Svår hypoglykemi, ketoacidos, hyperosmolaritet, hyperglykemi, laktacidos Resursåtgång Landsting Mottagningsbesök: diabetessjuksköterska, dietist, läkare, psykolog/kurator, fotterapeut Telefonkontakt: diabetessjuksköterska/sjuksköterska, läkare Stat Sjukpenning/sjuk- och aktivitetsersättning Övriga processmått Nydiagnos Patientupplevelse Behandling HbA1c vid diagnos Läkemedelsbehandling av nydiagnostiserade patienter Diabetesläkemedel Blodtryckssänkande läkemedel Ögonscreening

12 Relation mellan nyckeltal Resursåtgång Hälsoutfall Sammanfattning av observationer Observationer I Betydande variation i behandlingsresultat Hjärt-kärlsjukdom (mått på historisk kvalitet): signifikanta skillnader mellan landsting 5-årsrisk för hjärt-kärlsjukdom (mått på dagens situation): signifikanta skillnader mellan landsting, men inte efter samma mönster som för hjärt-kärlsjukdom II III Variation i identifikation och behandlingsintensitet Skillnader i resursanvändning Typ 2-diabetes: Tidigare upptäckt (lägre HbA1c vid diagnos) i Västra Götalandsregionen, senare i Landstinget i Uppsala län Högre behandlingsintensitet i Region Jämtland Härjedalen, Region Östergötland och Västra Götalandsregionen; lägre i Landstinget i Uppsala län Variation i behandlingen av nydiagnostiserade patienter Typ 1-diabetes: Variation i behandlingsintensitet även här, men ingen tydlig trend Läkarbesök: Signifikant fler i Stockholms läns landsting Signifikant färre i Landstinget Dalarna Andra yrkeskategorier: varierande registrering gör dessa svåra att följa IV Tendens till samband mellan resursutnyttjande och hälsa för båda diabetestyper Mer vårdintensiva (t.ex. fler läkarbesök och högre förskrivning av läkemedel) uppnådde bättre hälsoresultat. Framförallt för predicerad 5-årsrisk för hjärt-kärlsjukdom, det utfallsmått där de ingående komponenterna är relativt lätta att påverka på kort sikt. Antalet läkarbesök föreföll vara det resursmått som hade större betydelse för ett bättre hälsoutfall, i synnerhet för typ 2-diabetes.

13 Rekommendationer för framtidens diabetesvård Förbättring av diabetesvårdens organisation Fokusera på effektivitet, inte produktivitet Utfallsmått Stöd vårdgivarna i kontinuerligt förbättringsarbete och kunskapsutbyte I bred samverkan formulera utvecklingsmål utifrån förbättring av hälsoutfall och minskning av resursåtgång (vårdens effektivitet) Målen bör omsättas i förbättringsprojekt och följas upp på kontinuerlig basis Genomför fördjupad kvantitativ och kvalitativ analys för att identifiera de behandlingsprocesser som är mest kostnadseffektiva och leder till bäst resultat Tillse att fördjupad analys och studiebesök genomförs i nära samverkan med berörda verksamheter och kvalitetsregistret Nationella Diabetesregistret Förbättring av diabetesvårdens uppföljning Inför rapportering av patientrapporterade utfallsmått Harmonisera rapporteringsoch kodningsrutiner Skapa juridiska förutsättningar för förenklad uppföljning av vården Möjliggör systematisk uppföljning av patientrapporterade utfallsmått (PROM) Egenvård är en central komponent i diabetesvården och patientens upplevelse av och möjlighet att påverka vården är viktig, varför även erfarenhetsmått (PREM) vore relevant att följa Vid NDR pågår för närvarande ett forskningsarbete som syftar till att utarbeta sådana utfallsmått för diabetesvården Harmonisera rapporteringsrutiner av resurskategorier genom att definiera vilka tillstånd och behandlingar av tillstånd som rutinmässigt bör registreras och följas upp, samt kodmässigt definiera hur detta skall ske Säkerställ enhetliga kodningsrutiner, i synnerhet inom primärvården för att möjliggöra resursmätning Automatisk inhämtning av data från journalsystem är en förutsättning för att få större underlag i beräkningarna och på så sätt förbättra framtida jämförelser Möjliggör kontinuerlig tillgång till information om patientrelevanta hälsoutfall och resursåtgång med information från statliga och landstingsfinansierade insatser Säkerställ tillgång till data om läkemedelsförskrivning för att kunna följa upp denna i realtid och över tid sjukpenning/sjukersättning

14 Översikt hälsoutfall och resurser - typ 2-diabetes Region Jämtland Härjedalen Region Östergötland Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Landstinget Dalarna Landstinget i Uppsala län Casemix-justerad avvikelse för landstinget i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler. Region Skåne Stockholms läns landsting Västra Götalandsregionen

15 Översikt hälsoutfall och resurser - typ 1-diabetes Region Jämtland Härjedalen Region Östergötland Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Landstinget Dalarna Landstinget i Uppsala län Casemix-justerad avvikelse för landstinget i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler. Region Skåne Stockholms läns landsting Västra Götalandsregionen

16 Översikt resultat Fynd från specifika nyckeltal I II III IV Variation i behandlingsresultat Variation i identifikation och behandlingsintensitet Skillnader i resursanvändning Relation mellan resursutnyttjande och hälsa

17 I Hjärt-kärlsjukdom i slutenvård under vårdepisoden, typ 2-diabetes löpande vård Andel hjärtkärlsjukdom, % 6,0 7,1 6,2 7,7 7,8 8,0 7,7 7,5 6,7 5,8 8,5 7,8 6,4 6, Avvikelse från genomsnittet, log-oddskvot Observerat Predicerat 95 % K.I. n RJH RÖ LtD LUL RS SLL VGR I analysen av den isolerade landstingseffekten låg Västra Götaland och Region Skåne signifikant högre än landstingsgenomsnittet, medan Region Östergötland låg lägre. Eftersom risken för makrovaskulär sjukdom såsom hjärtinfarkt påverkas av faktorer som verkar över lång tid, utgör detta mått en indikation på hur vården har fungerat historiskt. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, förmaksflimmer, egfr vid episodstart, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod). Källa: Patientadministrativa system, SCB, NDR

18 I Predicerad 5-årsrisk (baserad på NDRs riskmotor) för hjärt-kärlsjukdom, typ 2-diabetes löpande vård 5-årsrisk för hjärtkärlsjukdom, procent 15,8 16,3 17,4 17,8 23,0 20,5 18,7 17,8 17,7 17,6 15,8 15,8 16,9 17, ,0 Avvikelse från övriga landsting, procentenheter 4,0 2,0 0,0-2,0-4,0 Observerat Predicerat 95 % K.I. n RJH RÖ LtD LUL RS SLL VGR -6,0 Källa: Patientadministrativa system, SCB, NDR Predicerade resultat pekar på att Dalarna har sämre resultat än förväntat, givet sin casemix. Det motsatta gäller för Region Östergötland, som hade bättre resultat än förväntat givet casemix. Den predicerade 5-årsrisken representerar status idag, till skillnad från hjärtinfarkt som illustrerar hur vården har fungerat historiskt (föregående bild). Detta förklarar varför Västra Götaland ligger under landstingens genomsnitt vad gäller 5-årsrisken, men över genomsnittet med avseende på hjärt-kärlsjukdom. Även skillnader i rapportering och/eller diagnossättning skulle kunna förklara resultaten. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, förmaksflimmer, egfr vid episodstart, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod).

19 I Hjärt-kärlsjukdom i slutenvård under vårdepisoden, typ 1-diabetes löpande vård Andel hjärtkärlsjukdom, % 4,2 4,6 3,0 3,8 3,9 4,5 2,8 3,8 5,1 5,1 5,6 5,3 5,2 5,0 6,0 5,0 4,0 3,0 2,0 1,0 0,0 0.6 Avvikelse frångenomsnittet, log-oddskvot Observerat Predicerat 95 % K.I. n RJH RÖ LtD LUL RS SLL VGR -0.6 I analysen av den isolerade landstingseffekten låg Jämtland Härjedalen, Uppsala, Östergötland och Dalarna signifikant lägre än landstingens genomsnitt. Eftersom risken för makrovaskulär sjukdom såsom hjärtinfarkt påverkas av faktorer som verkar över lång tid, utgör detta mått en indikation på hur vården har fungerat historiskt. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, förmaksflimmer, egfr vid episodstart, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod). Källa: Patientadministrativa system, SCB, NDR

20 I Predicerad 5-årsrisk (baserad på NDRs riskmotor) för hjärt-kärlsjukdom, typ 1-diabetes löpande vård 5-årsrisk för hjärtkärlsjukdom, procent 10,1 9,8 9,3 7,0 7,2 7,0 6,4 6,3 10,0 10,3 8,0 9,3 9,1 8, Avvikelse från övriga landsting, procentenheter Observerat Predicerat 95 % K.I. n RJH RÖ LtD LUL RS SLL VGR Resultaten ger exempel på varför det är viktigt att kunna justera för casemix. Genom att bara titta på de observerade resultaten skulle slutsatsen dras att Dalarna och Skåne ger sämre diabetesvård. Med hänsyn tagen till landstingens patientsammansättning kan dock konstateras att dessa landsting presterar genomsnittligt vad de borde givet dess casemix. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, förmaksflimmer, egfr vid episodstart, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod). Källa: Patientadministrativa system, SCB, NDR

21 Översikt resultat Fynd från specifika nyckeltal I II III IV Variation i behandlingsresultat Variation i identifikation och behandlingsintensitet Skillnader i resursanvändning Relation mellan resursutnyttjande och hälsa

22 II HbA1c vid episodens start, nydiagnostiserad typ 2-diabetes 65 Medel HbA1c mmol/mol 55,4 55,6 59,8 56,6 56,2 56,9 56,7 56,9 56,5 55,5 56,3 56,4 55,3 55, Avvikelse från genomsnittet, mmol/mol Observerat Predicerat 95 % K.I. n RJH RÖ LTD LUL RS SLL VGR -4 Högre HbA1c vid diagnos i Uppsala kan indikera senare diagnos. Lägre HbA1c vid diagnos i Västra Götaland kan vara ett tecken på mer aktiv screening/diagnostisering. Not: Justerat för kön, ålder (kategorier), utbildningsnivå Källa: Patientadministrativa system, SCB, NDR

23 II Behandling av blodtryck under vårdepisoden, typ 2-diabetes löpande vård 1,9 1,7 1,8 1,7 1,8 1,8 1,5 1,7 1,7 1,8 1,6 1,6 1,8 1,7 2,0 1,5 Uthämtade blodstryckläkemedel, antal klasser 1,0 0,5 0,0 0.2 Avvikelse från genomsnittet, log count Observerat Predicerat 95 % K.I. n RJH RÖ LtD LUL RS SLL VGR -0.2 Variation i intensitet i blodtrycksbehandling mellan landstingen, med färre använda klasser per patient i Uppsala och fler i Jämtland Härjedalen. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, BMI, rökstatus, förmaksflimmer, egfr vid episodstart, HbA1c vid episodstart, diabetesduration, systoliskt blodtryck, LDL, hjärtkärl-, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod). Källa: Patientadministrativa system, SCB, NDR, LMR

24 II Användning av statiner, typ 2-diabetes löpande vård 69,8 66,0 73,8 70,6 65,5 66,4 65,4 68,0 66,9 64,7 67,4 66,8 62,3 62, Statinanvändning, % Avvikelse från genomsnittet, log-oddskvot Observerat Predicerat 95 % K.I. n RJH RÖ LtD LUL RS SLL VGR -0.6 Högre användning av statiner i Jämtland Härjedalen och Östergötland. Lägre användning i Uppsala och Stockholm. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, BMI, rökstatus, förmaksflimmer, egfr vid episodstart, HbA1c vid episodstart, diabetesduration, systoliskt blodtryck, LDL, hjärtkärl-, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod Källa: Patientadministrativa system, SCB, NDR, LMR

25 II Behandling av blodtryck under vårdepisoden, typ 1-diabetes löpande vård 1,11 1,11 0,80 0,94 1,03 0,93 0,95 0,88 1,06 1,01 0,99 0,93 1,07 1,03 1,20 1,00 0,80 Uthämtade blodstryckläkemedel, antal klasser 0,60 0,40 0,20 0, Avvikelse från genomsnittet, log count Observerat Predicerat 95 % K.I. n RJH RÖ LtD LUL RS SLL VGR -0.4 Lägre förskrivningsgrad i Östergötland, Dalarna och Uppsala. Högre förskrivning I Stockholm. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, BMI, rökstatus, förmaksflimmer, egfr vid episodstart, HbA1c vid episodstart, diabetesduration, systoliskt blodtryck, LDL, hjärtkärl-, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod). Källa: Patientadministrativa system, SCB, NDR, LMR

26 II Användning av statiner, typ 1-diabetes löpande vård 80 63,9 55,6 51,9 52,8 55,9 52,5 50,9 52,7 53,4 52,4 48,1 49,8 47,2 49,4 60 Statinanvändning, % Avvikelse från genomsnittet, log-oddskvot Observerat Predicerat 95 % K.I. n RJH RÖ LTD LUL RS SLL VGR -0.6 Betydligt högre statinanvändning i Jämtland Härjedalen. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, BMI, rökstatus, förmaksflimmer, egfr vid episodstart, HbA1c vid episodstart, diabetesduration, systoliskt blodtryck, LDL, hjärtkärl-, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod Källa: Patientadministrativa system, SCB, NDR, LMR

27 II Läkemedelsbehandling av nydiagnostiserade patienter Metforminanvändning, nydiagnostiserad typ 2-diabetes, RJH RÖ LtD LUL RS SLL VGR Uttag av metformin, typ 2-diabetes, ojusterat Andel i procent som hämtat ut metformin under vårdepisoden, nydiagnosticerade 2009, Variation i hur stor andel av nydiagnostiserade patienter som behandlas med metformin. Olika strategier verkar tillämpas över tid, med ökande förskrivning i Östergötland (RÖ) och Västra Götaland (VGR) och minskande i Uppsala (LUL) och Dalarna (LtD). Källa: Patientadministrativa system, LMR

28 II Läkemedelsbehandling av nydiagnostiserade patienter Insulinanvändning, nydiagnostiserad typ 2-diabetes, RJH RÖ LtD LUL RS SLL VGR Uttag av insulin, typ 2-diabetes, ojusterat Andel i procent som hämtat ut insulin under vårdepisoden, nydiagnosticerade 2009, Markant högre insulinanvändning initialt i Uppsala (LUL). En möjlig förklaring är att patienter med högt HbA1c ordineras insulin initialt, men att man sedan byter till andra preparat efter hand. Liten förändring över tid för övriga, men andelen behandlade varierar stort. Källa: Patientadministrativa system, LMR

29 Översikt resultat Fynd från specifika nyckeltal I II III IV Variation i behandlingsresultat Variation i identifikation och behandlingsintensitet Skillnader i resursanvändning Relation mellan resursutnyttjande och hälsa

30 III Vårdkontakter under episoden, typ 2-diabetes löpande vård Genomsnittligt antal vårdkontakter fördelat på personalkategori per landsting Besök hos läkare Besök hos diabetes-ssk Besök hos dietist/ diabetes-ssk/ssk/ fotterapeut/ psykolog & kurator Telefonkontakter Grupp- & teambesök Dietist RJH 5,0 * 0,7 * 0,0 Diabetes-ssk Ssk RÖ 3,4 0,0 4,9 * 0,3 Fotterapeut/-team Psykolog/Kurator LtD 2,5 0,2 1,0 0,9 0,3 Läkare LUL 3,7 0,0 3,5 1,9 0,3 Diabetes-ssk/ssk RS 4,3 0,0 5,2 4,4 0,2 Gruppbesök SLL 7,2 0,2 3,6 4,0 1,1 Teambesök VGR 5,0 * 6,3 5,4 1,1 n Källa: Patientadministrativa system * Ej möjlig att följa Stor skillnad i besök, men det är stora skillnader i rapporteringsmöjligheter (vad som kan rapporteras in) och rutiner (vad som faktiskt rapporteras) mellan landstingen. Det tycks vara så att landsting med få läkarbesök i viss mån kompenserar detta med besök till andra yrkeskategorier och vice versa.

31 III Antal läkarbesök, typ 2-diabetes löpande vård Läkarbesök, antal Läkarbesök, antal 5,0 4,6 3,4 7,2 4,9 4,9 5,1 5,1 5,1 5,0 5,1 4,3 3,7 2, Avvikelse från genomsnittet, antal besök Observerat Predicerat 95 % K.I. n RJH RÖ LtD LUL RS SLL VGR -6 Likartad mängd läkarbesök i de flesta landsting. Stockholm (fler besök) och Dalarna (färre besök) avviker. Not: Justerat kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, BMI, rökstatus, förmaksflimmer, egfr vid episodstart, HbA1c vid episodstart, diabetesduration, systoliskt blodtryck, LDL, hjärtkärl-, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod Källa: Patientadministrativa system, SCB, NDR

32 III Vårdkontakter under episoden, typ 1-diabetes löpande vård Genomsnittligt antal vårdkontakter fördelat på personalkategori per landsting Besök hos läkare Besök hos diabetes-ssk Besök hos dietist/ diabetes-ssk/ssk/ fotterapeut/ psykolog & kurator Telefonkontakter Grupp- & teambesök Dietist RJH 4,0 * 2,9 * 0,0 Diabetes-ssk Ssk RÖ 3,3 0,0 5,3 * 0,3 Fotterapeut/-team Psykolog/Kurator LtD 1,4 2,2 2,7 0,4 0,2 Läkare LUL 3,2 0,0 4,8 1,1 0,1 Diabetes-ssk/ssk RS 4,6 0,6 6,0 2,7 0,2 Gruppbesök SLL 5,9 0,9 4,1 2,2 0,7 Teambesök n VGR 4,9 6,7 * 3,3 1,3 Källa: Patientadministrativa system * Ej möjlig att följa Stor skillnad i besök, men det är stora skillnader i rapporteringsmöjligheter (vad som kan rapporteras in) och rutiner (vad som faktiskt rapporteras) mellan landstingen. Det tycks vara så att landsting med få läkarbesök i viss mån kompenserar detta med besök till andra yrkeskategorier och vice versa.

33 III Antal läkarbesök, typ 1-diabetes löpande vård Läkarbesök, antal 4,0 4,2 3,3 4,7 1,4 4,2 3,2 4,5 4,6 4,7 5,9 4,5 4,9 4, Avvikelse från genomsnittet, antal besök Observerat Predicerat 95 % K.I. n RJH RÖ LtD LUL RS SLL VGR -6 Likartad mängd läkarbesök i de flesta landsting. Stockholm (fler besök) och Dalarna (färre besök) avviker. Not: Justerat kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, BMI, rökstatus, förmaksflimmer, egfr vid episodstart, HbA1c vid episodstart, diabetesduration, systoliskt blodtryck, LDL, hjärtkärl-, ögon- och fotkomplikation, njursvikt, psykiatrisk diagnos och depressiv episod Källa: Patientadministrativa system, SCB, NDR

34 Översikt resultat Fynd från specifika nyckeltal I II III IV Variation i behandlingsresultat Variation i identifikation och behandlingsintensitet Skillnader i resursanvändning Relation mellan resursutnyttjande och hälsa

35 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Region Jämtland Härjedalen och dess avvikelse från övriga landsting för personer med typ 2-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

36 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Region Östergötland och dess avvikelse från övriga landsting för personer med typ 2-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

37 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Landstinget Dalarna och dess avvikelse från övriga landsting för personer med typ 2-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

38 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Landstinget i Uppsala län och dess avvikelse från övriga landsting för personer med typ 2-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

39 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Region Skåne och dess avvikelse från övriga landsting för personer med typ 2-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

40 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Stockholms läns landsting och dess avvikelse från övriga landsting för personer med typ 2-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

41 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Västra Götalandsregionen och dess avvikelse från övriga landsting för personer med typ 2-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

42 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Region Jämtland Härjedalen och dess avvikelse från övriga landsting för personer med typ 1-diabetes, löpande vård. Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

43 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Region Östergötland och dess avvikelse från övriga landsting för personer med typ 1-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

44 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Landstinget Dalarna och dess avvikelse från övriga landsting för personer med typ 1-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

45 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Landstinget i Uppsala län och dess avvikelse från övriga landsting för personer med typ 1-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

46 Resurs-åtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Region Skåne och dess avvikelse från övriga landsting för personer med typ 1-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

47 Resurs-åtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Stockholms läns landsting och dess avvikelse från övriga landsting för personer med typ 1-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.

48 Resursåtgång Hälsa IV Casemix-justerade centrala hälsoutfallsmått och resursutnyttjande för Västra Götalandsregionen och dess avvikelse från övriga landsting för personer med typ 1-diabetes, löpande vård Lägre predicerad 5-årsrisk Andel utan hjärtkärlsjukdom i slutenvård Lägre HbA1c Högre egfr Läkarbesök Andel statinbehandlade Nettosjukdagar Antal klasser blodtrycksläkemedel Observerat genomsnitt för Sveus övriga landsting Signifikant skild från genomsnittet (p < 0,05) Casemix-justerad nivå i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) De grå ringarna avser landstingets avvikelse om 50 % för kontinuerliga variabler alternativt oddskvot om 1,5 (inre ringen) eller 0,5 (yttre ringen) för binära variabler.