Modellering av hälsodata Folkhälsoinvesteringar eller inte? Andreas J. Weser, BWB andreas@weser-online.com Malin Carlsson, Regionförbundet Jämtlands län malin.carlsson@regionjamtland.se
PODD-RA Varför har vi valt fetma som exempel? - Inte en sjukdom, men ökar risken för allvarliga sjukdomar - Diabetes Typ 2 - Hjärt- och kärlsjukdom - Cancer - Stroke m m - Höga kostnader för samhället - BMI ökar i befolkningen i Sverige och Norge http://www.healtheo360.com/blog/729/obesity-a-ticking-time-bomb/
Vad har vi gjort? Antal personer med fetma i Sverige och Norge. Determinanter (påverkningsfaktorer) för fetma. Faktorer som kan påverkas av politiska beslut. Effektiva interventioner mot fetma, litteraturöversikt. Datauttag HUNT, Hälsoundersökningarna i Nord-Tröndelag. Norges största samling av hälsoupplysningar om en befolkning. Totalt 120.000 personer. Ansökan om godkännande av Regionaletisk kommitté i Norge. Beräknat kostnader för fetma i Sverige och Norge. Direkta kostnader för behandling av vissa sjukdomar: Diabetes typ 2, högt blodtryck, slaganfall (stroke), kärlkramp och hjärtinfarkt. Prediktionsanalyser som visar kostnader och effekter på BMI.
Resultat från litteraturgenomgång Bevis på effektiva interventioner mot fetma Resultat: Oräkneliga publikationer, få högkvalitativa studier eller systematiska översikter Ingen eller enbart kortsiktig effekt av fetmainterventioner, bristande bevis på långsiktiga effekter på deltagares BMI i de flesta studier Bedömning av effekter: Vanligtvis olika tillvägagångssätt, olika framgångskriterier Interventioner misslyckas med att nå kritiska grupper i samhället (t ex låg SES)
Generaliserad metodologi - Matris för att jämföra alternativa folkhälsointerventioner Grundläggande beslutsfaktorer Bevisad effekt Ekonomi Förväntad effekt Målgrupp Efterlevnad Budget Förändring i ett mätbart mål, t ex reduktion av övervikt och fetma som mäts i BMI ( 25, 30) Storlek på målgrupp, t ex % av aktuell population Förväntad efterlevnad: Högre efterlevnad för interventioner i omgivning/miljö än beteendeinterventioner Årlig besparing/ Årlig kostnad, t ex besparing i direkt sjukvårdskostnad/ kostnader för att finansiera interventionen Kartläggning som ger en värdering av effekter Ekonomisk värdering
Nord-Trøndelag: Medelvärde BMI (HUNT1, HUNT2, HUNT3,... Empiriska data Prediktion? HUNT 1 HUNT 2 HUNT 3 84-86 95-97 06-08 BMI = f(t, x 1, x 2, x n ) 25,2 26,35 27,2 1985 1996 2007
Prediktionsmodellering Vi har utgått från HUNT-databasen: 3 befolkningsundersökningar under perioden 1984-2008. Innehåller information om BMI, kostvanor och individers fysiska aktivitetsnivåer. Kompletterat med MONICA-studien i norra Sverige: 5 undersökningar under perioden 1986-2004 för att kunna säkerställa en tydlig trend i prediktionsanalysen. Modellen ger en prediktion över BMI i befolkningen år 2018 och kostnader för Jämtlands län, Nord-Tröndelag och Sör-Tröndelag. Vi har beräknat effekter för några olika exempel på interventioner: Skolbaserad intervention, hälsofrämjande som leder till minskad TV/mediatid. Arbetsplatsbaserad intervention med höjbara skrivbord som leder till ökad fysisk aktivitetsnivå. Skolbaserad intervention, med restriktioner mot sötsaker/snacks som leder till minskat energiintag. Beräkning av effekter om inget görs.
Share of overweight and obese populationl / % Scenario 0 - Ingen åtgärd görs: Prognos för Nord-Tröndelag, Sör- Tröndelag och Jämtland Prevalens vuxna fetma 32,0 27,0 Total % BMI 30+ Men Total % BMI30+ Women Poly. (Total % BMI 30+ Men) Poly. (Total % BMI30+ Women) 30,2% Sc0 (Doing nothing) 27,9% 22,0 17,0 12,0 13,2 12,4 11,1 10,0 10,7 12,9 15,9 17,9 12,8 18,3 15,2 20,9 19,8 22,1 19,4 Data-Points: - yellow: HUNT - blue: WHO MONICA 7,6 7,0 1980 1985 1990 1995 2000 2005 2010 2015 2020 2025 Year
Effekt av interventioner: BMI 30+Projektion 2018 för Jämtland, Nord- och Sör-Tröndelag, Scenarios 0, 1, 2; Procent av population BMI 30+ 32% % of Population 27% Potentiell max. effekt av två folkhälsointerventioner: Antagande: Implementering av åtgärder 2015 Full effekt efter 3 år 100% Efterlevnad 22% Beräknad andel med fetma sjunker från 30% (kvinnor) och 28% (män) till ca 23% år 2018 2005 2010 2015 2018
Direkta kostnader för fetma per år för 3 olika scenarion (år 2018) Miljoner kr 250 200 203 160 156 150 122 100 96 94 87 69 67 50 0 Jämtland (SEK) Sør-Trøndelag (NOK) Nord-Trøndelag (NOK) Ingen åtgärd görs Höjbara skrivbord Minskad mediatid
Besparingar i direkta kostnader per år (2018) Miljoner kr 50 45 40 35 30 25 20 15 10 5 0 25 28 Jämtland (SEK) 42 47 * * * Sør-Trøndelag (NOK) 18 20 Nord-Trøndelag (NOK) Besparingar i direkta kostnader - höjbara skrivbord Besparingar i direkta kostnader - minskad mediatid * i relation till om ingen åtgärds görs Faktisk besparing = Sparade direkta kostnader - Kostnader för interventionen
Förutsättningar - Antagande för beräkningar: Allt annat lika - I beräkningen ingår enbart direkta kostnader för fetma. Inte indirekta kostnader som ex sjukskrivning. En intervention skulle också minska andelen överviktiga och minska motsvarande indirekta kostnader, därmed är den verkliga effekten på samhällsnivå ännu högre - Motivation för politiker: vem tjänar på besparingen? Om investeringen görs lokalt, men besparingen ses på nationell nivå, kan motivationen för investeringar saknas