Agenda Bakgrund och målsättning Vad är unikt med Sveus uppföljningssystem Sveus idag och imorgon 2
Utmaningar: svensk hälso- och sjukvård fungerar väl, men med ett antal övergripande utmaningar Ø God medicinsk utveckling! Ø Efterfrågan på sjukvård ökar Ø Sjukvårdskostnaderna ökar snabbare än BNP Ø Stora skillnader i praxis och resultat Ø Kostnad Kvalitet Ø Kompetensförsörjning, ofta stor personalomsättning Source: OECD Health Sta3s3cs 2014; SKL: Sveriges Vik+gaste Jobb finns i välfärden - Hur möter vi rekryteringsutmaningen? (2015) 3
Ramverket Värdebaserad vård har utvecklats för att möta utmaningarna och definierar sjukvårdens övergripande mål som värde för patienten Patientrelevanta hälsoutfall, exempel: överlevnad, livskvalitet, smärta, funktionell förmåga, depression, inkontinens, impotens, tid till tillfrisknande Vad är nytt med värde som mål? ü Kombinerar alla andra mål Värde = Hälsou-all Resursutny3jande/kostnad ü Patientrelevant fokus enkelt att enas kring ü Beräknar kostnad per behandling och inte kostnad per organisationsenhet Kostnaden för alla resurser som åtgår för att uppnå hälsoutfallet (kostnad för utförare, inte ersättning) ü Fungerar på alla nivåer (vårdgivare, landsting/region, kommun, stat) 4
Värdebaserad vård innebär ett skifte i fokus från produktivitet till effektivitet (värde), vilket ställer krav på nya lednings- och stödsystem för hälso- och sjukvården Nödvändig förflyttning Från produktivitet Uppföljning och fokuserat på vänte8d, kostnad och produk8vitet ErsäMning som ibland hindrar effek3vitets- utveckling Sjukvården organiseras kring medicinska professioner..till effektivitet (värde) Uppföljning och målformulering fokuserat på vänte8d, hälsou-all och effek8vitet ErsäMning upormat för am stödja effek3vitet och innova3on Sjukvården organiseras kring pa3entgrupper med liknande behov Ställer krav på nya lednings- och stödsystem 5
Värdebaserade lednings- och stödsystem behöver innefatta ett antal nödvändiga komponenter Överenskomna definitioner & normer Uppföljning & stöd Uppföljning/ monitorering Stödsystem Överenskommelse mellan berörda parter Om vad som ska göras Om detaljerade principer för uppföljning och definitioner av ett gott resultat Kontinuerlig uppföljning och pedagogisk återkoppling av metoder, resultat och kostnader till vårdgivare och ledning Andra former av stöd för att uppnå goda resultat, såsom System för identifiering av riskpatienter Kunskapsstöd Stöd i utvecklingsarbete Ersättning & ansvarsutkrävning Ersättningssystem System/processer för icke-finansiell ansvarsutkrävning Ersättning utformad för att fördela medel efter behov samt främja värdefokuserad innovation och utveckling Icke-finansiell ansvarsutkrävning som säkerställer hantering av avvikelser och kontinuerligt utvecklingsarbete genom tex Målformulering och uppföljning av måluppfyllelse Publicering av resultat (när indikatorer är stabila) 6
Flera av dessa saknas idag i svensk sjukvård Överenskomna definitioner & normer Typiska utmaningar Ø Avsaknad av definitioner och normer Exempel Definition av Patientrelevanta hälsoutfall saknas Avsaknad av metoder för att justera mätresultat utifrån behandlade patienters förutsättningar Uppföljning & stöd Uppföljning/ monitorering Stödsystem Ø Fragmenterad datatillgänglighet pga teknik och juridik 2) Fragmenterad datatillgänglighet, exempel: Typ av information Informationskälla och nivå Patientens egenskaper/ förutsättningar Behandlingsprocess Kostnader Hälsoutfall Svårt att följa patienten genom hel vårdprocess Svårt att identifiera och justera för patientens egenskaper Sjukhus Landsting KPP DRG PAS!!! SCB Nationell FK Kvalitets register!!!!!!!! Läkemedelsregistret Dödsorsaksregistret!!!!! Ersättning & ansvarsutkrävning Ersättningssystem Ø Bristfälliga möjligheter att aktivt stödja och styra mot värde Svårt att ha en faktabaserad dialog kring prestation när väsentliga definitioner saknas och holistisk uppföljning ej är tillgänglig pga fragmenterad data System/processer för icke-finansiell ansvarsutkrävning 7
Agenda Bakgrund och målsättning Vad är unikt med Sveus uppföljningssystem Sveus idag och imorgon 8
Uppföljningssystemen är utvecklade i bred samverkan mellan vårdens aktörer Sveus knyter samman relevanta specialister, intressenter och faktakällor för att skapa samsyn kring vårdens uppföljning Diagnosområden Höft och knä Rygg Obesitas Förlossning Diabetes Stroke Osteoporos Bröstcancer Medverkande landsting Stockholms läns landsting Region Skåne Region Östergötland Landstinget Dalarna Västra Götalandsregionen Region Jämtland och Härjedalen Landstinget i Uppsala län Övriga medverkande Karolinska Institutet Försäkringskassan Statistiska Centralbyrån Ivbar Medicinska kvalitetsregister SHPR SKPR BOA-registret SWESPINE Graviditets-registret PNQ MFR SOReg Riksstroke WebRehab NDR Bröstcancerregistret Medverkande patientorganisationer STROKE-riksförbundet Svenska Diabetesförbundet Riksföreningen för osteoporotiker Reumatikerförbundet (tillfrågat) Överviktigas riksförbund Bröstcancerföreningarnas Riksorganisation (BRO) Medicinska specialitetsföreningar Svensk Ortopedisk Förening Svensk Ryggkirurgisk förening Svensk Förening för Obstetrik & Gynekologi Svensk Barnmorske-förening Barnläkar-föreningen Svensk förening för anestesi & intensivvård Dietisternas Riksförbund Svensk Förening för Obesitaskirurgi Svensk förening för rehabiliteringsmedicin Fysioterapeuterna Förbundet Sveriges Arbetsterapeuter Svenska Neurologföreningen Svensk Geriatrisk förening Svensk förening för Diabetologi Svensk förening för Sjuksköterskor i Diabetesvård Dietisternas riksförbund Svenska Osteoporos-sällskapet Svensk Onkologisk Förening Svenska Bröstcancergruppen 9
För varje patientgrupp har en expertgrupp med berörda organisationer utvecklat nya metoder för uppföljning Vårdprocess 1. Vilka patientegenskaper påverkar förväntade resultat? Vårdkontakt Vårdkontakt pga oönskad händelse 2. Hur mäts resursåtgång genom vårdprocess och hur beräknas förväntad resursåtgång utifrån patientens förutsättningar? 3. Vilka patientrelevanta resultat uppnås och hur beräknas förväntade resultat? 10
Exempel från obesitaskirurgi - faktorer för justering av resultat utifrån behandlade patienters förutsättningar (casemix) Socioekonomiska faktorer Ålder Utbildningsnivå Civilstånd Kön Inkomst Socialbidrag Samsjuklighet och medicinskt tillstånd inför operation Arbetslös Utomeuropisk härkomst Antal dagar med sjukpenning Antal dagar med sjuk/ aktivitetsersättning Specifika per patientgrupp och nyckeltal Diabetes Komplex diabetes (DVT/PE) Sömnapné Hypertoni Depression Dyslipidemi Operationsrelaterade faktorer Dyspepsi Hjärt- och kärlsjukdom Kroniska smärttillstånd BMI Tidigare relevant kirurgi Obesity surgery mortality risk score (Självskattad livskvalitet) Operationsår Annan samtidig operation Not: Rökning har utgått pga. låg täckningsgrad 11
Exempel från ryggkirurgi: Justering för skillnader i casemix innebär att SVEUS kan tillhandahålla rättvisa jämförelser Beskrivning/logik Exempel rygg Andel förvunnen eller mycket reducerad smärta Inom SVEUS utvecklas algoritmer (prediktionsmodeller) som beräknar förväntat hälsoutfall baserat på patientegenskaper Patientegenskaper kan t.ex. innefatta: ålder, kön, BMI, rökare/ej rökare, etc. Patientegenskap/ Casemix Utbildningsnivå Födelseland Rökare Samsjuklighet ANDEL FÖRSVUNNEN ELLER MYCKET BÄTTRE SMÄRTA 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 43% Förgymnasial Utanför EU Ja Ja 84% Patient 1 Patient 2 Eftergymnasial Född inom EU Nej Nej Ca 40 %-enheters skillnad i predicerad sannolikhet för lyckat utfall mellan en patient med goda förutsättning jämfört med en patient med sämre förutsättningar
Sveus analys och uppföljningssystem har ett antal viktiga egenskaper I Uppföljningssystemen är utvecklade i bred samverkan mellan vårdens aktörer Vad är nytt med Sveus uppföljningssystem II III Uppföljningssystemen presenterar en gemensam bild av hälsoutfall och resursåtgång (vårdens effektivitet) Beaktar så stor del av vårdprocessen som möjligt med data från många olika källor Uppföljningssystemen är utformade för att möjliggöra rättvisande jämförelser Resultat justeras utifrån behandlade patienters förutsättningar Standardiserad informationsmodell IV Uppföljningssystemen kommer kontinuerligt att inhämta data och återkoppla via bland annat web-gränssnitt 13
Som del i metodutvecklingen av nya uppföljningssystem har jämförelserapporter baserad på historisk data publicerats exempel presenteras på följande sidor Jämförelserapporter presenterar historiska resultat för att tydliggöra möjligheter och utmaningar i framtida uppföljning Kliniskt relevanta nyckeltal har definierats av en expertgrupp inom respektive patientgruppsområde, i syfte att skapa grundförutsättningar för att följa upp rätt saker inom vården Samkörning av register har möjliggjort analys av tidigare outforskade kombinationer av data kring hälsoutfall och resursutnyttjande i svensk hälsooch sjukvård Genom sammankoppling av register i den mån det är möjligt inom gällande lagrum kan analyser ske kontinuerligt och stimulera förbättringsarbete 14
Exempelöversikt från stroke-vård: Region Östergötland Landsting/ PAS FK Kvalitetsregister SCB Förändrad sjukskrivning Observerat genomsnitt Sveus Fri från återinsjuknande 1 år God aktivitetsförmåga efter 1 år Statistiskt signifikant casemixjusterad avvikelse från genomsnittet hos övriga landsting (p < 0,05) Överlevnad 1 år God allmän hälsa efter 1 år Casemix-justerad avvikelse för Region Östergötland i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) / Typ av utfallsvariabel kontinuerlig eller binär Slutenvårdsdygn Andel till särskilt boende Öppenvårdsbesök Nettosjukdagar Nya hemtjänsttimmar Kommunal data Förklaringar SLandsting/ Grön linje avser genomsnittet för övriga landsting De grå ringarna avser landstingets avvikelse från detta genomsnitt om 50 % för kontinuerliga variabler PAS alternativt oddskvot om 0,5 (inre ringen) eller 1,5 (yttre ringen) för binära variabler FK Alla datakällor är inte tillgängliga i initialt uppföljningssystem
Exempelöversikt från stroke- vård: Region Jämtland Härjedalen / Observerat genomsnim Sveus Typ av upallsvariabel kon3nuerlig eller binär Sta3s3skt signifikant casemix- justerad avvikelse från genomsnimet hos övriga lands3ng (p < 0,05) Casemix- justerad avvikelse för Region Jämtland Härjedalen i förhållande 3ll genomsnimet hos övriga lands3ng (ej sta3s3skt signifikant) Förändrad sjukskrivning Hälsa Fri från återinsjuknande 1 år Överlevnad 1 år God aktivitetsförmåga efter 1 år God allmän hälsa efter 1 år Resursåtgång Slutenvårdsdygn Andel till särskilt boende Öppenvårdsbesök Nettosjukdagar Nya hemtjänsttimmar Grön linje avser genomsni@et för övriga lands+ng De grå ringarna avser lands+ngets avvikelse från de@a genomsni@ om 50 % för kon+nuerliga variabler alterna+vt oddskvot om 0,5 (inre ringen) eller 1,5 (y@re ringen) för binära variabler
Exempelöversikt från stroke- vård: Lands3nget Dalarna / Observerat genomsnim Sveus Typ av upallsvariabel kon3nuerlig eller binär Sta3s3skt signifikant casemix- justerad avvikelse från genomsnimet hos övriga lands3ng (p < 0,05) Casemix- justerad avvikelse för Lands3nget Dalarna i förhållande 3ll genomsnimet hos övriga lands3ng (ej sta3s3skt signifikant) Förändrad sjukskrivning Hälsa Hälsa Fri från återinsjuknande 1 år God aktivitetsförmåga efter 1 år Överlevnad 1 år God allmän hälsa efter 1 år Resursåtgång Resursåtgång Slutenvårdsdygn Öppenvårdsbesök Nettosjukdagar Andel till särskilt boende Nya hemtjänsttimmar Grön linje avser genomsni@et för övriga lands+ng De grå ringarna avser lands+ngets avvikelse från de@a genomsni@ om 50 % för kon+nuerliga variabler alterna+vt oddskvot om 0,5 (inre ringen) eller 1,5 (y@re ringen) för binära variabler
Exempelöversikt från stroke- vård: Översikt Lands3nget i Uppsala län / Observerat genomsnim Sveus Typ av upallsvariabel kon3nuerlig eller binär Sta3s3skt signifikant casemix- justerad avvikelse från genomsnimet hos övriga lands3ng (p < 0,05) Casemix- justerad avvikelse för Lands3nget i Uppsala län i förhållande 3ll genomsnimet hos övriga lands3ng (ej sta3s3skt signifikant) Förändrad sjukskrivning Hälsa Fri från återinsjuknande 1 år Överlevnad 1 år God aktivitetsförmåga efter 1 år God allmän hälsa efter 1 år Resursåtgång Slutenvårdsdygn Andel till särskilt boende Öppenvårdsbesök Nettosjukdagar Nya hemtjänsttimmar Grön linje avser genomsni@et för övriga lands+ng De grå ringarna avser lands+ngets avvikelse från de@a genomsni@ om 50 % för kon+nuerliga variabler alterna+vt oddskvot om 0,5 (inre ringen) eller 1,5 (y@re ringen) för binära variabler
Exempelöversikt från stroke- vård: Översikt Region Skåne / Observerat genomsnim Sveus Typ av upallsvariabel kon3nuerlig eller binär Sta3s3skt signifikant casemix- justerad avvikelse från genomsnimet hos övriga lands3ng (p < 0,05) Casemix- justerad avvikelse för Region Skåne i förhållande 3ll genomsnimet hos övriga lands3ng (ej sta3s3skt signifikant) Förändrad sjukskrivning Hälsa Fri från återinsjuknande 1 år Överlevnad 1 år God aktivitetsförmåga efter 1 år God allmän hälsa efter 1 år Resursåtgång Slutenvårdsdygn Andel till särskilt boende Öppenvårdsbesök Nettosjukdagar Nya hemtjänsttimmar Grön linje avser genomsni@et för övriga lands+ng De grå ringarna avser lands+ngets avvikelse från de@a genomsni@ om 50 % för kon+nuerliga variabler alterna+vt oddskvot om 0,5 (inre ringen) eller 1,5 (y@re ringen) för binära variabler
Exempelöversikt från stroke- vård: Översikt Stockholms läns lands3ng / Observerat genomsnim Sveus Typ av upallsvariabel kon3nuerlig eller binär Sta3s3skt signifikant casemix- justerad avvikelse från genomsnimet hos övriga lands3ng (p < 0,05) Casemix- justerad avvikelse för Stockholms läns lands3ng i förhållande 3ll genomsnimet hos övriga lands3ng (ej sta3s3skt signifikant) Förändrad sjukskrivning Hälsa Fri från återinsjuknande 1 år Överlevnad 1 år God aktivitetsförmåga efter 1 år God allmän hälsa efter 1 år Resursåtgång Slutenvårdsdygn Andel till särskilt boende Öppenvårdsbesök Nettosjukdagar Nya hemtjänsttimmar Grön linje avser genomsni@et för övriga lands+ng De grå ringarna avser lands+ngets avvikelse från de@a genomsni@ om 50 % för kon+nuerliga variabler alterna+vt oddskvot om 0,5 (inre ringen) eller 1,5 (y@re ringen) för binära variabler
Exempelöversikt från stroke- vård: Översikt Västra Götalandsregionen / Observerat genomsnim Sveus Typ av upallsvariabel kon3nuerlig eller binär Förändrad sjukskrivning Sta3s3skt signifikant casemix- justerad avvikelse från genomsnimet hos övriga lands3ng (p < 0,05) Casemix- justerad avvikelse för Västra Götalandsregionen i förhållande 3ll genomsnimet hos övriga lands3ng (ej sta3s3skt signifikant) Hälsa Fri från återinsjuknande 1 år Överlevnad 1 år God aktivitetsförmåga efter 1 år God allmän hälsa efter 1 år Resursåtgång Slutenvårdsdygn Andel till särskilt boende Öppenvårdsbesök Nettosjukdagar Nya hemtjänsttimmar Grön linje avser genomsni@et för övriga lands+ng De grå ringarna avser lands+ngets avvikelse från de@a genomsni@ om 50 % för kon+nuerliga variabler alterna+vt oddskvot om 0,5 (inre ringen) eller 1,5 (y@re ringen) för binära variabler
Agenda Bakgrund och målsättning Vad är unikt med Sveus uppföljningssystem Vilka möjligheter ger detta? Sveus idag och imorgon 22
Diabetes
Hjärt- kärlsjukdom i slutenvård under vårdepisoden, typ 2- diabetes löpande vård Andel hjärt- kärlsjukdom, % 6,0 7,1 6,2 7,7 7,8 8,0 7,7 7,5 6,7 5,8 6,4 6,8 8,5 7,8 10 8 6 4 2 0 Avvikelse från genomsni3et, log- oddskvot 0.4 0.2 0.0-0.2-0.4 Observerat Predicerat 95 % K.I. n 165 943 RJH RÖ LtD LUL RS SLL VGR I analysen av den isolerade lands3ngseffekten låg Västra Götaland och Region Skåne signifikant högre än lands3ngsgenomsnimet, medan Region Östergötland låg lägre. Ekersom risken för makrovaskulär sjukdom såsom hjär3nfarkt påverkas av faktorer som verkar över lång 3d, utgör dema måm en indika3on på hur vården har fungerat historiskt. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, förmaksflimmer, egfr vid episodstart, ögon- och fotkomplika3on, njursvikt, psykiatrisk diagnos och depressiv episod). Källa: Pa3entadministra3va system, SCB, NDR
Predicerad 5- årsrisk (baserad på NDRs riskmotor) för hjärt- kärlsjukdom, typ 2- diabetes löpande vård 5- årsrisk för hjärt- kärlsjukdom, 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 17,2 25 20 15 10 5 0 6,0 Avvikelse från övriga lands8ng, procentenheter 4,0 2,0 0,0-2,0 Observerat Predicerat 95 % K.I. n 3 512 RJH RÖ LtD LUL RS SLL VGR - 4,0-6,0 Källa: Pa3entadministra3va system, SCB, NDR Predicerade resultat pekar på am Dalarna har sämre resultat än förväntat, givet sin casemix. Det motsama gäller för Region Östergötland, som hade bämre resultat än förväntat givet casemix. Den predicerade 5- årsrisken representerar status idag, 3ll skillnad från hjär3nfarkt som illustrerar hur vården har fungerat historiskt (föregående bild). DeMa förklarar varför Västra Götaland ligger under lands3ngens genomsnim vad gäller 5- årsrisken, men över genomsnimet med avseende på hjärt- kärlsjukdom. Även skillnader i rapportering och/eller diagnossämning skulle kunna förklara resultaten. Not: Justerat för kön, ålder i kategorier, utbildningsnivå, civilstånd, född utanför EU, förmaksflimmer, egfr vid episodstart, ögon- och fotkomplika3on, njursvikt, psykiatrisk diagnos och depressiv episod).
Stroke
Återinsjuknande andra året efter stroke Återinsjuknade under andra året Procent Avvikelse från övriga vårdgivare, Oddskvot Observerat Predicerat 95 % K.I. n 8 833 RJH OS RÖ LM RÖ US RÖ ViN LTD AV LTD FL LTD LV LTD ML LUL AS LUL LE RS HL RS HS RS KS RS LL RS SUSL RS SUSM RS TL RS YL RS ÄS SLL DS SLL KHU SLL KSO SLL NS SLL ST SLL STG SLL SÖS VGR AL VGR KS VGR LS VGR MÖS VGR NU VGR SG VGR SKAS VGR SÄS VGR ÖST Flertalet vårdgivare skiljer sig signifikant från övriga vårdgivare i risk för återinsjuknande under andra året efter stroke; 12 st (34 %) med signifikant lägre risk för återinsjuknande och 13 st (37 %) med signifikant högre risk för återinsjuknande Samtliga vårdgivare i Landstinget Dalarna uppvisade signifikant lägre andel återinsjuknande under andra året efter stroke, jämfört med övriga vårdgivare 8 6 4 2 0 2,5 2,0 1,5 1,0 0,5 0,0 Ø 4 Not: Avlidna inom 2 år har exkluderats ur analysen Källa: Patientadministrativa system, Riksstroke, SCB 27
Exempel från strokevård Stora skillnader i casemix-justerad initial slutenvårdstid, men inget tydligt samband med god aktivitetsförmåga efter tre månader Avvikelse andel med god aktivitetsförmåga efter tre månader casemix-justerad (beräknad mrs 0 2, oddskvot) 1,3 1,2 1,1 1,0 Ca 40 000 vårddygn per år RJH RÖ LtD LUL RS SLL VGR 0,9 Källa: Riksstroke, Patientadministrativa system, SCB 0,8-5 Samma nivå av hälsa, med olika längd på initial inläggning 0 5 10 Avvikelse längd på initial inläggning casemix-justerad (antal vårddygn) Casemix-justerade avvikelser på vårdgivarnivå av andel med god aktivitetsförmåga respektive längd på initial inläggning visar ingen tydligt korrelation Vårdgivare inom samma landsting uppvisar skilda nivåer för respektive mått Vissa vårdgivare framträder med samma sannolikhet för god hälsa men med signifikant skilda nivåer av nyttjade landstingsresurser
Sammantaget ser strokevården ut am prestera rela3vt väl i Region Skåne / Observerat genomsnim Sveus Typ av upallsvariabel kon3nuerlig eller binär Sta3s3skt signifikant casemix- justerad avvikelse från genomsnimet hos övriga lands3ng (p < 0,05) Casemix- justerad avvikelse för Region Skåne i förhållande 3ll genomsnimet hos övriga lands3ng (ej sta3s3skt signifikant) Förändrad sjukskrivning Hälsa Fri från återinsjuknande 1 år Överlevnad 1 år God aktivitetsförmåga efter 1 år God allmän hälsa efter 1 år Resursåtgång Slutenvårdsdygn Andel till särskilt boende Öppenvårdsbesök Nettosjukdagar Nya hemtjänsttimmar Grön linje avser genomsni@et för övriga lands+ng De grå ringarna avser lands+ngets avvikelse från de@a genomsni@ om 50 % för kon+nuerliga variabler alterna+vt oddskvot om 0,5 (inre ringen) eller 1,5 (y@re ringen) för binära variabler
Men vi ser am vi förmodligen kan bli ännu bämre genom am lära från Region Östergötland Förändrad sjukskrivning Observerat genomsnitt Sveus Fri från återinsjuknande 1 år Överlevnad 1 år Slutenvårdsdygn God aktivitetsförmåga efter 1 år God allmän hälsa efter 1 år Andel till särskilt boende Statistiskt signifikant casemixjusterad avvikelse från genomsnittet hos övriga landsting (p < 0,05) Casemix-justerad avvikelse för Region Östergötland i förhållande till genomsnittet hos övriga landsting (ej statistiskt signifikant) / Typ av utfallsvariabel kontinuerlig eller binär Öppenvårdsbesök Nettosjukdagar Nya hemtjänsttimmar Förklaringar Grön linje avser genomsnittet för övriga landsting De grå ringarna avser landstingets avvikelse från detta genomsnitt om 50 % för kontinuerliga variabler alternativt oddskvot om 0,5 (inre ringen) eller 1,5 (yttre ringen) för binära variabler
Förlossning
Stor variation i barnets hälsotillstånd efter födsel (Apgar < 7 vid 5 minuter) Andel, Procent 1.9 1.6 1.5 1.4 1.3 1.2 1.3 1.2 1.2 1.2 1.2 1.1 1.2 1.2 1.1 1.0 1.1 1.0 1.0 1.1 1.1 1.0 1.1 1.0 0.8 0.9 1.3 1.3 1.2 1.0 1.1 0.9 1.0 1.0 1.0 1.0 1.0 0.8 0.9 0.6 1.2 1.2 2,0 1,5 1,0 0,5 0,0 Avvikelse från Övriga vårdgivare, Log-oddskvot 1 0-1 RJH ÖSD RÖ US RÖ ViN LTD FL LUL AS RS HBG RS CSK RS SUSL RS SUSM RS YST SLL BBSth SLL DS SLL K Hudd SLL K Solna SLL STS SLL SÖS VGR SÄS VGR NU VGR SkaS VGR SU/M VGR SU/Ö Observerat Predicerat 95 % K.I. Låg andel är önskvärt: Apgar < 7 vid 5 minuter är en indikator på lägre vitalitet hos barnet. Ett flertal vårdgivare hade signifikant avvikelse i andelen barn som visade tecken på att ej må bra efter förlossningen. Apgar är ett delvis subjektivt mått på utfall för barnet. I dagsläget finns dock inget bättre universellt mått. Not: APGAR <7 vid 5 min. Samtliga moduler, 2011 och 2012. Justerat för ålder, BMI, född utanför EU, prematuritet, flerbörd, fosterläge, tidigare kejsarsnitt, förstföderska, komplikationer under graviditeten och samsjuklighet. Källa: Patientadministrativa system, SCB och MFR
Stora variationer i komplikationer för kvinnan under förlossning (bristningar av grad 3 och 4) Andel, Procent 4.1 4.2 4.1 3.5 3.4 3.7 3.4 3.6 3.7 3.9 3.9 3.7 4.0 3.5 3.6 3.2 3.2 3.5 3.6 3.8 3.4 3.4 3.3 3.4 3.4 3.2 3.3 3.4 3.2 3.4 3.2 3.2 2.9 3.1 3.1 3.1 2.4 2.5 2.3 5.2 3.7 3.0 6 5 4 3 2 1 0 1 Avvikelse från övriga vårdgivare, Log-oddskvot 0-1 RJH ÖSD RÖ US RÖ ViN LTD FL LUL AS RS HBG RS CSK RS SUSL RS SUSM RS YST SLL BBSth SLL DS SLL K Hudd SLL K Solna SLL STS SLL SÖS VGR SÄS VGR NU VGR SkaS VGR SU/M VGR SU/Ö Observerat Predicerat 95 % K.I. Signifikanta variationer mellan vårdgivare i andel bristningar vid vaginal förlossning. Bristningar är en omedelbar konsekvens av förlossningen men har även potentiellt stora långsiktiga konsekvenser. I Sveus uppföljningssystem följs därför även förekomst av inkontinensbesvär upp till ett år efter förlossningen. Not: Vaginala förlossningar, 2011 och 2012. Justerat för ålder, BMI, född utanför EU, prematuritet, flerbörd, fosterläge, tidigare kejsarsnitt, förstföderska, komplikationer under graviditeten och samsjuklighet. Bristning grad 3 eller 4 definierat som ICD-10-kod O702 eller O703 inom 14 dagar från inskrivning förlossning. Källa: Patientadministrativa system, SCB och MFR
Stora skillnader i andel kejsarsnitt som inte förklaras av casemix Andel, Procent 12.5 16.4 7.2 17.5 18.0 16.4 16.6 16.3 16.5 15.5 14.9 15.0 13.5 17.5 17.8 16.3 22.6 21.2 21.0 18.8 19.9 18.3 16.9 16.4 17.3 17.9 17.4 18.4 14.8 16.8 18.2 16.1 16.4 15.3 14.8 14.2 14.8 14.9 12.9 13.0 12.7 13.7 25 20 15 10 5 0 1 Avvikelse från övriga vårdgivare, Log- oddskvot 0-1 RJH ÖSD RÖ US RÖ ViN LTD FL LUL AS RS HBG RS CSK RS SUSL RS SUSM RS YST SLL BBSth SLL DS SLL K Hudd SLL K Solna SLL STS SLL SÖS VGR SÄS VGR NU VGR SkaS VGR SU/M VGR SU/Ö Observerat Predicerat 95 % K.I. Det förelåg stora och signifikanta avvikelser i andel kejsarsnim mellan vårdgivare. Östergötland hade lägst andel (12 %) och Stockholm högst andel (20%) KejsarsniM är resurskrävande och inget känt samband finns mellan hög andel kejsarsnim och friskare mor och barn. Not: Samtliga moduler, 2011 och 2012. Justerat för ålder, BMI, född utanför EU, prematuritet, flerbörd, fosterläge, 3digare kejsarsnim, förspöderska, komplika3oner under graviditeten och samsjuklighet Källa: Pa3entadministra3va system, SCB och MFR
Agenda Bakgrund och målsättning Vad är unikt med Sveus uppföljningssystem Sveus idag och imorgon 35
IV Uppföljningssystemen inhämtar kontinuerligt data och återkopplar via web-gränssnitt Kontinuerlig återkoppling genereras bland annat genom SVEUS web-gränssnitt Genom att kombinera datakällor med regelböcker och harmonisera data PAS PAS PAS Möjliggöra strukturerad uppföljning av effektivitet och måluppfyllelse Kvalitetsregister Quality Quality registries registries Försäkringskassan SVEUS SCB Regelböcker 36
Sveus tjänster syftar till att understödja värdebaserad vård genom samverkan mellan landsting Sveus grundtjänster Sveus tilläggstjänster Sveus utvecklingstjänster Uppföljningssystem Ersättningssystem Nya patientgrupper Det som Sveus kan erbjuda genom samverkan mellan landsting Tjänster Uppdatering och årliga analysrapporter Målformuleringsstöd Utökad analys Verksamhetsutvecklingsstöd Nya landsting Övriga utvecklingstjänster Övriga grundtjänster Övriga tilläggstjänster Det som behöver finnas på plats för att möjliggöra Sveus tjänster Resurser IT-system Personella resurser Policydokument, grundregelverk och produktmanualer 37
Omfattande analys har genomförts för att definiera hur Sveus passar in i sjukvårdssystemet som helhet Intressent/ Samverkanspartner Detaljering av gränsytor Möjlig relation Koppling Sveus förvaltningsobjekt Socialstyrelsen Nord-DRG Potential för utbyte av grupperings-logik och case Regelverk mix algoritmer Socialstyrelsen Nationell Informationsstruktur (NI) Sveus behöver förhålla sig till NI och kan bidra till Informationsmodell, Indata Intressent/ Detaljering av gränsytor Relationsbeskrivning utveckling av NI Samverkanspartner Socialstyrelsen Nationella termbanken (NT) Sveus behöver förhålla sig till NT och kan bidra till Informationsmodell SKL Nationell Samverkansgrupp för kunskapsstyrning Stöd till NSK i dataanalys som underlag för utveckling av utveckling av NT (NSK) vårdprogram. Uppföljning av nyckeltal relaterade till NSKs Socialstyrelsen Nationella riktlinjer Sveus kan erbjuda stöd i dataanalys vårdprogram som underlag Analys; regelverk för utveckling av riktlinjer samt säkerställa att Sveus SKL Intressent/ Vården i siffror Detaljering uppföljningssystem av gränsytor följer de Relationsbeskrivning Visningsyta för nyckeltal från kvalitetsregister. Sveus kan tänkas nyckeltal som är Koppling dela Samverkanspartner data till vården i siffror. relevanta för beslutade riktlinjer förvaltningsobjekt Socialstyrelsen & SKL Kvalitetsregistern Öppna jämförelser Nationella programmet (Detaljering Socialstyrelsen för av datainsamling gränsyta kan per Kompetens lyfta (NPDi) över NPDi algoritmer ska och förenkla data från och datainsamling register Regelverk till kvalitetsregister och begränsa Indata kvalitetsregiskter SKL nyckeltal till ÖJ finns när i de är stabila. dubbelregistrering. Socialstyrelsen Samverkan kring indata för Sveus dokumentationen för algoritm arbetar också med utveckling av case-mix justeing beräkningar.) för kroniska sjukdomar där utbyte bör kunna ske åt SKL Myndigheten KPP (Kostnad för per båda patient) håll. databasen IMYVA Potential är intresserade till nyttjande av att av kostnadsdata ta del av Sveus från data KPP för alternativt egen analys. nyttjande Utdata vårdanalys (MYVA) av samma data som i KPP men tagen direkt från landstingen till Inspektionen för IVO meddelat Sveus beräkningsmodell. att det skulle vara värdefullt för dem att få tillgång till SKL Vård Kansliet och Omsorg analyser för nationella kvalitetsregister Fördelar samt statliga data i Sveus medel uppföljningssystem. till kvalitetsregister Relation och ställer ej ytterligare krav på (IVO) kartlagd. kvalitet. Sveus kan fraföra ideer och synpunkter på vilken information Inera Tjänsteplattform mm Inera som koordinerar bör samlas landstingens samt hur och denna regionernas skall lagras gemensamma och tilhandahållas. e- Indata / Utdata hälsoarbete och utvecklar tjänster till nytta för invånare, vård- och omsorgspersonal och beslutsfattare. ICHOM Internationellt utvecklade utfallsmått för olika patientgrupper. Sveus Regelverk för specifika kan ge synpunkter på att ICHOM mått bör integreras i kvalitetsregister lednings och och landstings PAS system. styrmodeller HSA Nationellt katalog över samtliga vårdenheter Informationsmodell, Grundregelverk SITHS SITHS möjliggör säker inloggning till framtida databaser och GUI SW 38
Tack! www.sveus.se Anneth Lundahl, Sveus projektledare Västra Götalandsregionen, anneth.lundahl@vgregion.se Anna Stålhammar, Sveus projektledare Region Skåne, anna.stalhammar@skane.se Magnus Kåregård, medicinsk rådgivare, Region Skåne, magnus.karegard@skane.se 39