Sjukdomsförebyggande insatser och ekonomiska konsekvenser för hälsooch sjukvården

0(25) Sjukdomsförebyggande insatser och ekonomiska konsekvenser för hälsooch sjukvården Möjliga scenario Slutversion 2012 06 13 Pia Johansson Karolinska Institutet, Inst folkhälsovetenskap Inna Feldman Landstinget i Uppsala län

1 FÖRORD Vilka effekter på insjuknande kan förväntas om levnadsvanorna hos befolkningen förbättras? Och hur skulle det i så fall påverka hälso och sjukvårdens kostnader? Dessa frågor är grunden för denna rapport. HFS nätverket (Nätverket hälsofrämjande sjukvård) gav i uppdrag åt Inna Feldman, Hälso och sjukvårdsavdelningen, Landstinget i Uppsala län samt Pia Johansson, Institutionen för folkhälsovetenskap, Karolinska Institutet, att för HFS nätverket utarbeta en beskrivning av ekonomiska konsekvenser av ohälsosamma levnadsvanor. Detta kompletterades med potentiella besparingar om levnadsvanorna i befolkningen förändras. Beskrivningen genomförs i form av scenarier för 2 typlandsting, med utförliga beskrivningar av resultatet av vårdens sjukdomsförebyggande insatser. HFS nätverket ser ett stort värde i föreliggande rapport, som en grund för ett fortsatt viktigt utvecklingsarbete inom nätverket. Juni 2012 Margareta Kristenson Nationell koordinator för nätverket Hälsofrämjande sjukvård

2 SAMMANFATTNING Befolkningens levnadsvanor påverkar sjukligheten i stor utsträckning. Levnadsvanorna är viktiga påverkbara faktorerna för många folksjukdomar, som cancer, hjärtkärlsjukdomar, diabetes etc, och har en särskild betydelse för den framtida ohälsan. De nyligen utkomna Nationella riktlinjerna för sjukdomsförebyggande metoder fokuserar på fyra levnadsvanor: tobaksbruk, riskbruk av alkohol, otillräcklig fysisk aktivitet och ohälsosamma matvanor. Riktlinjerna påpekade att de rekommenderade åtgärderna sannolikt leder till minskade kostnader i hälso och sjukvården på längre sikt (10 30 år), men att dessa inte kan förväntas finansiera det sjukdomsförebyggande arbetet under de närmaste åren. Det torde dock finnas ett intresse för skattningar av de möjliga besparingarna i relaterade hälsooch sjukvårdskostnader då befolkningens levnadsvanor förändras. Genom att använda epidemiologiska metoder och data tillsammans med uppgifter om befolkningens levnadsvanor kan prognoser för framtida sjuklighet och relaterade kostnader genomföras. Med hjälp av sådana skattningar kan olika tänkbara scenarios beskrivas, i form av beräkningar av hypotetiska tillstånd. I denna rapport beskrivs modellen Riskfaktorer, hälsa och samhällskostnader (RHS), som i nuvarande version skattar förändringar i nya sjukdomsfall och relaterade hälso och sjukvårdskostnader i 10 folksjukdomar på fem års sikt utifrån fyra vanliga riskfaktorer för sjukdom: kraftig övervikt (BMI över 30), daglig tobaksrökning, fysisk inaktivitet, och riskkonsumtion av alkohol. För att åskådliggöra modellen och dess resultat har två scenarios beskrivits. Scenarierna baseras på data som hämtas från två landsting, Uppsala län med en låg riskfaktorförekomst och Sörmland med en högre riskfaktorförekomst i befolkningen, och antar att den nuvarande förekomsten av riskfaktorer i landstingen minskar med en procentenhet under en fem års period, fram till år 2016. I Landstinget i Uppsala län skattas den största minskningen år 2016 uppstå i antalet nya fall av diabetes, ca 50 fall, främst beroende på en minskad förekomst av kraftig övervikt. Minskningen i förekomst av daglig tobaksrökning leder till störst antal undvikna nyinsjuknade, sammanlagt 67 personer. De förväntade hälso och sjukvårdskostnaderna i Uppsala år 2016 för årets nyinsjuknande personer i de 10 sjukdomarna kan reduceras avsevärt: en minskad förekomst av rökning kan t ex innebära 4 miljoner lägre kostnader, medan en minskad förekomst av kraftig övervikt eller av fysisk inaktivitet skattas innebära besparingar på 1 2 miljoner kronor. Även i Landstinget Sörmland leder en minskad riskfaktorförekomst till minskningar i skattat antal nyinsjuknande år 2016, men en något lägre minskning än i Uppsala. Mönstret i minskningarna är i stort sett detsamma; flest i diabetes kopplade till riskfaktorn kraftig övervikt och störst antal undvikna nyinsjuknade på grund av rökning. De skattade minskningarna i hälso och sjukvårdskostnader år 2016 är betydande, framförallt i kostnaderna relaterade till rökning, 3,5 miljoner kronor, medan en minskning i en procentenhet för riskfaktorn kraftig övervikt beräknas leda till minskade kostnader på knappt 1,5 miljoner kronor under året. Modellens resultat rapporteras som förändringar, i antal nyinsjuknade personer och i hälso och sjukvårdskostnader. Många andra faktorer kan påverka framtiden förutom förekomsten av de

3 fyra riskfaktorerna, såsom befolkningens in och utflyttning, förändringar i medicinsk teknologi och praxis, andra riskfaktorer för sjuklighet och andra former av miljö och samhällspåverkan. Av dessa skäl förordar vi att modellens resultat tolkas restriktivt i termer av förändringar. Modellen visar alltså hur nyinsjuknandet och relaterade kostnader förändras om riskfaktorförekomsten förändras, under (den orealistiska) förutsättningen att allt annat är lika. RHS modellen kan vara ett användbart verktyg för att diskutera potentialen i förebyggande arbete inom hälso och sjukvården i Sverige. Den kan användas för att simulera effekterna av olika scenarios över hur riskfaktorerna förändras, både positiva och negativa, bland befolkningen i olika landsting och regioner. Sådana skattningar av framtida förändringar i antalet insjuknade personer och relaterade hälso och sjukvårdskostnader torde vara relevanta argument vid diskussioner med beslutsfattare för en mer hälsofrämjande hälso och sjukvård.

4 INNEHÅLLSFÖRTECKNING Inledning... 5 Syfte... 7 Metod och material... 8 Riskfaktorer... 8 Kraftig övervikt, BMI över 30... 8 Daglig tobaksrökning... 8 Fysisk inaktivitet; färre än 2 timmar/vecka... 8 Riskkonsumtion av alkohol... 9 Sjukdomarna... 9 Kostnaderna... 9 Modellen... 10 Sjukdomsrisker och befolkningsdata... 10 Modellens data i sammanfattning... 12 Scenarios... 13 Resultat... 14 Uppsala... 14 Sörmland... 15 Diskussion... 16 Referenser... 18 Bilaga. Modellens data... 22 Data för scenarierna... 23

5 INLEDNING Befolkningens levnadsvanor påverkar sjukligheten i stor utsträckning. Levnadsvanorna är viktiga påverkbara faktorer för många folksjukdomar och har en särskild betydelse för den framtida ohälsan. För de traditionellt stora folksjukdomarna som cancer, hjärtkärlsjukdomar, diabetes etc, kan data om befolkningens levnadsvanor tillsammans med epidemiologiska metoder ge relativt säkra prognoser för framtida sjuklighet. De riskfaktorer för sjukdom som beräknas bidra mest till den svenska sjukligheten, mätt i DALYs (disability adjusted life years; ett hälsomått rekommenderat av WHO), är högt blodtryck, tobaksrökning, högt kolesterolvärde och högt BMI värde (body mass index; ett mått på övervikt), se figur 1, följt av mäns alkoholkonsumtion, fysisk inaktivitet och lågt intag av frukt och grönsaker (Agardh et al, 2008). Sundare levnadsvanor i befolkningen anses kunna förebygga 80 procent av hjärtkärlsjukligheten och 30 procent av cancersjukligheten, samt förhindra eller försena insjuknandet i diabetes (Socialstyrelsen, 2011). Kostnaderna för den svenska sjukligheten är betydande; 823 miljarder kronor, vilket motsvarar ca en fjärdedel av Sveriges samlade produktion (Ramsberg & Ekelund, 2011). Dessa kostnader belastar en lång rad olika organisationer, varav landstingens kostnader för hälso och sjukvård beräknas uppgå till 23 procent av de totala kostnaderna. En skattning av de samhällskostnader som kan hänföras till ohälsosamma levnadsvanor och olycksfall är 120 miljarder kronor per år (Statens folkhälsoinstitut, 2010). Det finns kunskap om de hälsoekonomiska effekterna av sjukdomsförebyggande arbete inom den svenska primärvården, genom hälsoekonomiska utvärderingar av genomförda insatser. I synnerhet livsstilsinsatser som syftar till förbättrade kostvanor och ökad fysisk aktivitet för att Figur 1. Tio riskfaktorers bidrag till sjukligheten, mätt i DALYs. Källa: Agardh, Moradi & Allebeck, 2008.

6 förebygga hjärtkärlsjuklighet och/eller diabetes har visats vara kostnadseffektiva i flera svenska studier: Norsjö, Metabola projektet i Kalmar, och Björknäs (Lindholm et al, 1996; Engman et al, 2008; Eriksson et al, 2010). Läkares råd om rökstopp anses mycket kostnadseffektivt (SBU, 1998), medan läkares (och annan sjukvårdspersonals) råd om minskad alkoholkonsumtion anses kostnadseffektivt i internationella studier (Mortimer & Segal, 2005; Tariq et al, 2009) och potentiellt kostnadseffektivt i en svensk studie (Lindholm, 1998). De nyligen utkomna Nationella riktlinjerna för sjukdomsförebyggande metoder innehåller rekommendationer om rådgivning inom den svenska sjukvården för att stödja förändring av levnadsvanor bland befolkningen. Riktlinjerna fokuserar på fyra levnadsvanor: tobaksbruk, riskbruk av alkohol, otillräcklig fysisk aktivitet och ohälsosamma matvanor. Dessa levnadsvanor kan tillskrivas ca en femtedel av den samlade sjukdomsbördan, enligt riktlinjerna (Socialstyrelsen, 2011). Riktlinjearbetet inkluderade även i viss mån hälsoekonomiska be dömningar av kostnadseffektiviteten i de förslagna åtgärderna. Riktlinjerna påpekade dock att de rekommenderade åtgärderna sannolikt leder till minskade kostnader i hälso och sjukvården på längre sikt (10 30 år), men att dessa inte kan förväntas finansiera det sjukdomsförebyggande arbetet under de närmaste åren (Socialstyrelsen, 2011). Det torde dock finnas ett intresse för skattningar av de möjliga besparingarna i relaterade hälsooch sjukvårdskostnader då befolkningens levnadsvanor förändras. Genom att använda epidemiologiska metoder och data tillsammans med uppgifter om befolkningens levnadsvanor kan prognoser för framtida sjuklighet och relaterade kostnader genomföras. Med hjälp av sådana skattningar kan olika tänkbara scenarios beskrivas, i form av beräkningar av hypotetiska tillstånd. Sådana skattningar kan utgöra ett stöd vid beslutsfattande. Internationellt finns exempel från de senaste åren av liknande skattningsmodeller, från Nederländska Folkhälsoinstitutet RIVM (Feenstra et al, 2011), från Australien (Cadilhac et al, 2011) och med hjälp av OECD & WHO Chronic disease prevention (CDP) Model (Cecchini et al, 2010).

7 SYFTE Denna rapport redovisar en skattning av de hälsomässiga och ekonomiska konsekvenserna av några av de viktigaste ohälsosamma levnadsvanorna i befolkningen i två utvalda landsting. Denna är kompletterad med en skattning av de potentiella besparingarna i sjuklighet och relaterade hälso och sjukvårdskostnader om levnadsvanorna i befolkningen skulle förbättras. Beräkningen baseras på: Förekomsten av fyra riskfaktorer: kraftig övervikt (BMI över 30), daglig tobaksrökning, fysisk inaktivitet (mindre än 2 timmar/veckan), riskkonsumtion av alkohol (AUDIT högre än 8 för män och 6 för kvinnor) Befolkningens levnadsvanor i två landsting: Uppsala län (hög utbildningsnivå, låg riskfaktorförekomst) och Sörmland (låg utbildningsnivå, högre riskfaktor förekomst) Två scenarios: Nuvarande förekomst av riskfaktorerna och en förbättring (minskning av riskfaktorförekomsten med en procentenhet) bland befolkningen i de två landstingen Scenarierna beskriver utvecklingen i hälso och sjukvårdskostnader och antal nyinsjuknande personer på fem års sikt i 10 viktiga sjukdomsgrupper Dessutom innehåller rapporten en utförlig beskrivning av den använda skattningsmodellen, kallad RHS, så modellens alla datakällor redovisas, delvis i bilaga.

8 METOD OCH MATERIAL Epidemiologiska data visar ett klart samband mellan riskfaktorer och viss sjukdomsförekomst. Det finns en epidemiologisk teknik med vilken man kan beräkna hur stor del av sjukligheten i en befolkning som försvinner om man minskar förekomsten av en bidragande riskfaktor (Morgenstern & Bursic, 1982 ). På så vis kan man uppskatta hur framtida kostnader och sjuklighet förändras om man lyckas minska förekomsten av riskfaktorer. I detta avsnitt beskrivs först de riskfaktorer och relaterade sjukdomar som ingår i modellen Riskfaktorer, hälsa och samhällskostnader (RHS modellen), och därefter den epidemiologiska metod (kallad impact fraction) som modellen bygger på. Avslutningsvis redovisas de två utvalda landstingen och de antaganden som scenarios innehåller. RISKFAKTORER Kraftig övervikt, BMI över 30 Ohälsosamma matvanor är en av de största påverkbara riskfaktorerna för flera kroniska sjukdomar. Baserat på allt fler vetenskapliga studier konstaterar Världshälsoorganisationen (WHO, 2009) att matvanor kan påverka hälsan i både positiv och negativ riktning och på både kort och lång sikt. Det är dock svårt att mäta och beskriva matvanor bland befolkningen. Inom ramen för riktlinjearbetet utarbetades ett nytt mått på ohälsosamma matvanor, ett kostindex, som baseras på Livsmedelsverkets näringsrekommendationer. Ohälsosamma matvanor definieras där som låga poäng på kostindexet; 0 4 poäng av 12 möjliga (Socialstyrelsen, 2011). Det finns dock ännu inga epidemiologiska studier som använder kostindexet för att beskriva risk för sjukdom, som skulle kunna passa i modellen. Vi tvingas istället använda måttet BMI (body mass index), som ofta brukas i studier som ett samlat mått på kostvanor i kombination med fysisk aktivitet. Kraftig övervikt, BMI över 30, används därför i modellen som en indikator på ohälsosamma kostvanor. I tabell 1 återfinns de sjukdomar i modellen som påverkas av BMI högre än 30. Daglig tobaksrökning Daglig tobaksrökning ökar risken för förtida död och mångdubblar risken för ett stort antal sjukdomar; se tabell 1 för de som är inkluderade i modellen. Tobaksrökning medför även en ökad hälsorisk för personer i rökarens närhet som utsätts för röken, men dessa risker finns inte inkluderade i modellen. Daglig tobaksrökning är definitionen på tobaksbruk i de nationella riktlinjerna (Socialstyrelsen, 2011). Fysisk inaktivitet; färre än 2 timmar/vecka Befolkningen anses kunna förbättra sin hälsa och livskvalitet genom att inkludera en moderat mängd fysisk aktivitet i sin vardag (WHO 2009). Hälsovinster av fysisk aktivitet är möjliga att uppnå för de flesta individer, inklusive de som ogillar ansträngande övningar och de som tidigare blivit avskräckta av ansträngande träningsprogram. För de som redan utövar fysisk aktivitet i begränsad utsträckning finns hälsovinster att göra genom att öka aktivitetsnivån. I modellen definieras riskfaktorn fysisk inaktivitet som fysisk aktivitet färre än 2 timmar i veckan, vilket skiljer sig något från definitionen av otillräcklig fysisk aktivitet i de nationella riktlinjerna: mindre än 150 minuter fysisk aktivitet i veckan på en måttlig intensitetsnivå, alternativt mindre än 75 minuter fysisk aktivitet per vecka på en hög intensitetsnivå. I tabell 1 visas de sjukdomar som i modellen påverkas av fysisk inaktivitet.

9 Tabell 1. Riskfaktorernas påverkan på 10 sjukdomar. Kraftig övervikt, BMI>30 Daglig tobaksrökning Fysisk inaktivitet Riskkons. alkohol Diabetes x x x Ichemisk hjärtsjukdom x x x Stroke x x x Koloncancer x x x x Lungcancer x Bröstcancer x x Prostatacancer x x KOL x x Depression x x x x Höftfraktur x x x Riskkonsumtion av alkohol Överkonsumtion av alkohol ökar risken för förtida död 3 7 gånger (Andreasson et al, 1988). En hög alkoholkonsumtion påverkar en stor mängd sjukdomar (Rehm et al, 2003), som dock endast drabbar en liten del av befolkningen, som exempelvis levercirrhos. I modellen inkluderas därför endast risker för de tre folksjukdomar där tydliga epidemiologiska resultat på befolkningsnivå finns redovisade, se tabell 1. Riskkonsumtion av alkohol i modellen definieras utefter det vanliga måttet AUDIT skalan (över 8 poäng för män och 6 för kvinnor), vilket även kallas riskbruk av alkohol eller riskabla alkoholvanor (Wennberg et al, 2006). I de nationella riktlinjerna används definitionen riskbruk av alkohol, vilket motsvarar en hög genomsnittlig konsumtion av alkohol (över 14 standardglas per vecka för män och 9 för kvinnor) eller intensivkonsumtion (5 standardglas för män och 4 för kvinnor vid samma tillfälle för män) minst en gång i månaden (Socialstyrelsen, 2011). En måttlig alkoholkonsumtion anses ha en skyddande effekt mot i synnerhet hjärtkärlsjukdomarna (WHO, 2011), vilket inte inkluderas i modellen. SJUKDOMARNA Modellen inkluderar 10 vanliga sjukdomar, där levnadsvanor har visats ha betydelse för risken att insjukna. De metabola sjukdomarna, som diabetes, ischemisk hjärtsjukdom och stroke, är svenska folksjukdomar, med en årlig incidens på ca 500 000 (NDR, 2010; SoS databas, Diagnoser i sluten vård; Riks Stroke, 2010). De fyra typerna av cancer; kolon, bröst, prostata och lungcancer, omfattar ca 30 % procent av den svenska cancersjukligheten (SoS databas, Cancerregistret). Depression är mycket vanligt förekommande, som ca 30 procent av den svenska befolkningen skattas drabbas av under sitt liv (Sobocki et al, 2007). KOL (kroniskt obstruktiv lungsjukdom) är mycket vanlig bland rökare (Lindberg, 2004), medan höftfrakturer är vanliga och allvarliga skador bland de äldre (Marks, 2010). Kostnaderna Modellen inkluderar endast hälso och sjukvårdskostnader, och dessa skall tolkas som ett års kostnader för hälso och sjukvården att behandla en patient för respektive sjukdom. Alla kostnader, förutom de för depression som baseras på en publicerad svensk studie (Sobocki et al, 2007) är tagna från de sk VAL databaserna i Stockholms läns landsting. Dessa databaser, som skapats för landstingets interna ersättningssystem, inkluderar all hälso och sjukvårds

10 Tabell 2. Årliga hälso och sjukvårdskostnader för en patient med respektive sjukdom, i svenska kronor år 2009. Kostnad per år Diabetes 35 829 Ichemisk hjärtsjukdom 40 821 Stroke 48 792 Koloncancer 44 409 Lungcancer 58 451 Bröstcancer 25 624 Prostatacancer 28 345 KOL 70 492 Depression 33 170 Höftfraktur 117 700 konsumtion för Stockholms läns befolkning. Varje individs konsumtion av medicinsk vård (primärvård, öppenvård och sluten sjukhusvård) registreras med upp till 10 ICD 10 diagnoskoder, samt in och utflyttnings och dödsdatum, under ett personligt identifikationsnummer. Registren medger beräkningar av kostnaderna under en följd av år för individer med olika sjukdomar, vilket har gett de genomsnittliga årliga hälso och sjukvårdskostnaderna för patienter med viss sjukdom i modellen, se tabell 2. Kostnaderna för öppen och slutenvårdsbesök hämtas från databaserna, där de prissätts baserat på åtgärdskoder från NordDRG enligt SLLs interna avtal med sjukvårdsproducenterna, medan kostnaderna för primärvårdsbesök baseras på SKLs standardkostnader (Sveriges kommuner och landsting, 2006). Notera att kostnaderna för en höftfraktur är det första året efter en höftfraktur, medan kostnaderna för depression är omräknade från 6 månaders kostnader (Sobocki et al, 2007). MODELLEN RHS modellen baseras på orsakssamband mellan riskfaktorer och incidens i respektive sjukdom, så att förändringar i riskfaktorers förekomst bland befolkningen leder till förändringar i antal nyinsjuknande personer i framtiden. Genom att skapa scenarios med olika förekomst av riskfaktorer kan modellen därmed prognosticera framtida sjukdomsfall och relaterade kostnader. Sjukdomsrisker och befolkningsdata Utgångspunkten för modellens skattningar är den ökade risk en person med en viss riskfaktor har att insjukna i en viss sjukdom jämfört med en person som inte har riskfaktorn. Denna ökade risk kallas inom epidemiologin relativ risk (Morgenstern & Bursic, 1982; WHO, 2009). Formellt brukar detta uttryckas: relativ risk (RR) är en risk för insjuknande i relation till exponering. Den beräknas som risken för ett utfall (alltså ett insjuknande i vårt fall) i den utsatta gruppen (exempelvis rökare) dividerat med risken i den ej utsatta gruppen (icke rökare). Den relativa risken är alltså den extra risk som är förknippad med en viss riskfaktor. Relativa risker för sjukdomar är ofta olika för köns och åldersgrupper. I modellen används därför fyra åldersgrupper: 20 49, 50 64, 65 74 och 75 84 år, uppdelat på män och kvinnor. Endast den vuxna befolkningen är inkluderad, eftersom riskfaktorerna påverkar insjuknandet

11 först i vuxen ålder, men inte personer äldre än 84 år, eftersom sjuklighet bland de äldre är så vanligt förekommande att orsakssamband är svårare att fastställa i epidemiologiska studier. Tabell 3. Relativa risker i modellen för daglig tobaksrökning. Män Kvinnor Källor 20-49 50-64 65-74 75-84 20-49 50-64 65-74 75-84 Diabetes 1,1 1,2 1,15 1,15 1,1 1,2 1,2 1,2 Willi et al, 2007 Ichemisk hjärtsjukdom 4,4 2,9 1,8 1,4 4,5 3,4 2,1 1,5 Prochaska & Hilton, 2012 Stroke 3,4 2,6 1,9 1,5 3,7 3,0 2,1 1,3 Colditz et al, 1998; Robbins et al, 1994 Koloncancer 1,2 1,2 1,2 1,2 1,2 1,2 1,2 1,2 Giovannucci, 2001; Parkin, 2011 Lungcancer 14,3 26,4 28,0 21,6 11,5 16,1 14,1 10,6 Parkin, 2011 KOL 3,4 10,6 12,3 11,8 2,7 9,3 10,8 7,5 Lindberg et al, 2006 Depression 1,02 1,02 1,02 1,02 1,02 1,02 1,02 1,02 Buden et al, 2010 Höftfraktur 1,8 1,8 1,8 1,8 1,8 1,8 1,8 1,8 Marks, 2010 Modellens relativa risker är hämtade från svenska och internationella vetenskapliga studier, se tabell 3 för exemplet risker på grund av daglig tobaksrökning. De relativa riskerna för BMI över 30, fysisk inaktivitet och riskkonsumtion av alkohol återfinns i bilaga 1, i tabellerna B2, B3, och B4. För att beräkna förändringar i insjuknande då riskfaktorer förändras används det epidemiologiska begreppet potential impact fraction, ofta förkortad IF. Denna används för att räkna ut hur det nuvarande nyinsjuknandet (incidens) förändras om förekomsten av en viss riskfaktor förändras till en viss nivå. IF är således den andel av den nuvarande incidensen som kan reduceras om riskfaktorförekomsten minskas till en viss nivå. Förändringar i riskfaktorer kan dock inte förväntas påverka sjukligheten omedelbart, utan med en viss eftersläpning. Denna eftersläpning i tid kallas tidshorisont, och anger när förändringarna kan antas ha slagit igenom i en minskad sjuklighet. I modellen är denna tidshorisont 5 år, och den inkorporeras i beräkningarna genom att IF justeras. Den valda tidshorisonten i denna version av modellen är en förenkling; olika sjukdomar påverkas olika snabbt av förändringar i riskfaktorer (WHO, 2009). Exempel lungcancer och rökning IF [( p2 p1) RR( p1 p2)] [(1 p1) RR * p1] p 1 är riskfaktorns förekomst i nuläget, t ex 13% dagligrökande män 50 64 år 2 p är riskfaktorns förekomst i önskat läge, t ex 10% dagligrökande män 50 64 år RR är relativ risk, t ex RR för lungcancer bland dagligrökande män 50 64 år Med en relativ risk för lungcancer på 26,4% (se tabell 3) ger beräkningen en IF på 0,17. Detta innebär att en reduktion av dagligrökning från 13 procent till 10 procent minskar incidensen i lungcancer med 17 procent i gruppen män 50 64 år.

12 För skattningarna behövs således även den nuvarande förekomsten av nyinsjuknande, även kallad incidens, i de olika sjukdomarna för de olika befolkningsgrupperna. Den definieras som risken för ett utfall (alltså ett insjuknande i vårt fall) under en viss tid för ett visst antal personer i befolkningen. Ofta beräknas den för ett år för 10,000 personer, och kallas då incidensen per 10,000 personår. Tillsammans med befolkningsdata används incidensen för att beräkna antalet nyinsjuknande personer under en tidsperiod. Incidensen i modellen är hämtad från svenska register kompletterad med uppgifter från internationella vetenskapliga studier, om svenska data inte finns åtkomlig, se tabell B1 i bilaga. Studier indikerar att incidensen i olika sjukdomar skiljer sig åt i olika geografiska områden i Sverige (Wennerholm et al, 2011), men eftersom detta kan bero på olika riskfaktorförekomst i befolkningarna, använder modellen den svenska genomsnittliga sjukdomsförekomsten. Slutligen kräver modellen uppgifter om befolkningens storlek, dvs antal personer i de fyra åldersgrupperna: 20 49 år, 50 64 år, 65 74 år och 75 84 år, uppdelat på män och kvinnor. Modellens data i sammanfattning Modellen innehåller olika typer av data, ofta kallade parametrar i modellsammanhang. Dessa kan delas upp i fasta parametrar, tagna från epidemiologiska studier och som normalt inte bör ändras vid skattningar, och input parametrar som beskriver de scenarios som modellen skall göra skattningar över. De fasta parametrarna är: relativa risker för de 10 sjukdomarna vid förekomst av de fyra riskfaktorerna, för de fyra åldersgrupperna uppdelade i män och kvinnor (tabell 3, B2, B3, B4) incidens för de 10 sjukdomarna, för de fyra åldersgrupperna uppdelade i män och kvinnor (tabell B1) årliga hälso och sjukvårdskostnader för en person med respektive sjukdom (tabell 2) Input parametrarna är: antal personer i befolkningen, i de fyra åldersgrupperna uppdelade i män och kvinnor nuvarande förekomst av de fyra riskfaktorerna, i de fyra åldersgrupperna uppdelade i män och kvinnor, i decimaltal (t ex 0,12 i stället för 12%) önskad förekomst av de fyra riskfaktorerna, i de fyra åldersgrupperna uppdelade i män och kvinnor, i decimaltal (t ex 0,1 i stället för 10%) Baserat på de fasta parametrarna och input parametrarna ger modellen ett resultat, som kan kallas output. Denna output bör tolkas som resultatet per år. Notera dock att dessa årliga förändringar kan förväntas uppkomma först 5 år efter det år då förändringarna i riskfaktorförekomst genomförs. Modellens output är: förändringar i antal nyinsjuknande personer, ett visst år

13 förändringar i hälso och sjukvårdskostnader, ett visst år Tabell 4. Riskfaktorförekomst i de två landstingen, nuläge år 2011 och önskat läge år 2016, kvinnor 50 64 år. Kraftig övervikt, BMI >30 Daglig tobaksrökning Fysisk inaktivitet Riskkons. av alkohol År 2011 År 2016 År 2011 År 2016 År 2011 År 2016 År 2011 År 2016 Uppsala 16% 15% 14% 13% 22% 21% 6% 5% Sörmland 18% 17% 19% 18% 25% 24% 7% 6% Källa: Liv och hälsa, 2008 SCENARIOS För att åskådliggöra modellens skattningar används uppgifter från två landsting; Landstinget i Uppsala län och Landstinget Sörmland. De två landstingen har ungefär lika stor befolkning, drygt 200,000 personer i åldrarna 20 84 år, se tabell B5 och B6 i bilaga 1. Förekomsten av de fyra riskfaktorerna i de två befolkningarna är dock betydligt högre i Sörmland än i Uppsala, se tabell 4 för exemplet kvinnor 50 64 år, och fullständiga uppgifter i tabellerna B7 och B8 i bilaga 1. Notera att uppgifterna är tagna från den senaste regionala folkhälsoenkäten, från år 2008. Eftersom mer aktuella uppgifter inte finns tillgängliga antar vi att dessa gäller även 3 år senare, år 2011. Scenariot är att riskfaktorförekomsten om fem år, år 2016, minskar med en procentandel i varje kön och åldersgrupp, jämfört med nuläget år 2011, se även tabell 4 för ett exempel. Frågeställningen är vad det önskade läget år 2016 innebär i minskade hälso och sjukvårdskostnader och minskat antal nyinsjuknande personer i de två landstingen, jämfört med om det nuvarande läget från 2011 hade bestått.

14 RESULTAT Resultatet visar RHS modellens skattningar av en minskad förekomst av riskfaktorer med en procentenhet, i alla befolkningsgrupper 20 84 år i de två landstingen Uppsala län och Sörmland.. Jämförelserna sker med utgångspunkt från det nuvarande läget år 2011, och avser situationen fem år senare, dvs år 2016, under förutsättningen att riskfaktorförekomsten minskat under perioden fram till 2016. UPPSALA I Landstinget i Uppsala län skattas den största minskningen uppstå i antalet nya fall av diabetes, ca 50 fall, se tabell 5, främst beroende på en minskad förekomst av kraftig övervikt. Minskningen i förekomst av daglig tobaksrökning är dock den riskfaktorförändring som leder till störst antal undvikna nyinsjuknade, sammanlagt 67 personer, varav ca hälften beräknas undvika KOL. En minskad förekomst av riskkonsumtion av alkohol påverkar nyinsjuknandet år 2016 i förhållandevis liten grad, endast 4 färre nyinsjuknade. De förväntade hälso och sjukvårdskostnaderna i Uppsala år 2016 för årets nyinsjuknande personer i de 10 sjukdomarna kan reduceras avsevärt, om nyinsjuknandet minskar enligt skattningarna. Minskad förekomst av rökning kan t ex innebära 4 miljoner lägre kostnader, ca 2 % minskning av de förväntade hälso och sjukvårdskostnaderna, se tabell 6. En minskad förekomst av kraftig övervikt eller av fysisk inaktivitet skattas innebära besparingar på 1 2 miljoner kronor. Tabell 5. Skattad förändring i antalet fall av nyinsjuknande i Uppsala län år 2016 om scenariot uppfylls. Kraftig övervikt, BMI>30 Daglig tobaksrökning Fysisk inaktivitet Riskkons. alkohol Diabetes -39-2 -12 0 Ichemisk hjärtsjukdom -8-19 -4 0 Stroke 0-1 -1 0 Koloncancer -1 0-1 -1 Lungcancer 0-7 0 0 Bröstcancer -1 0 0 0 Prostatacancer 0 0 0 0 KOL 0-34 -1 0 Depression -1 0-1 -2 Höftfraktur 0-3 -3-1 Totalt -49-67 -24-4

15 Tabell 6. Skattad förändring i hälso och sjukvårdskostnader i Uppsala län år 2016 om scenariot uppfylls. Hälso- och sjukvårdskostn. i % Kraftig övervikt, BMI>30-2,0 milj -1,0% Daglig tobaksrökning -4,0 milj -2,0% Fysisk inaktivitet -1,2 milj -0,5% Riskkonsumtion av alkohol -0,2 milj -0,1% SÖRMLAND Även i Landstinget Sörmland leder en minskad riskfaktorförekomst till minskningar i skattat antal nyinsjuknande år 2016, se tabell 7, men en något lägre minskning än i Uppsala. Mönstret i minskningarna är i stort sett detsamma; flest i diabetes kopplade till riskfaktorn kraftig övervikt och störst antal undvikna nyinsjuknade på grund av rökning. De skattade minskningarna i hälsooch sjukvårdskostnader år 2016 är betydande, se tabell 8, framförallt i kostnaderna relaterade till rökning, 3,5 miljoner kronor, medan en minskning i en procentenhet för riskfaktorn kraftig övervikt beräknas leda till minskade kostnader på knappt 1,5 miljoner kronor. Tabell 7. Skattad förändring i antalet fall av nyinsjuknande i Sörmland år 2016 om scenariot uppfylls. Kraftig övervikt, BMI>30 Daglig tobaksrökning Fysisk inaktivitet Riskkons. alkohol Diabetes -30-2 -11 0 Ichemisk hjärtsjukdom -7-15 -4 0 Stroke 0-1 -1 0 Koloncancer -1 0-1 -1 Lungcancer 0-6 0 0 Bröstcancer -1 0 0 0 Prostatacancer 0 0 0 0 KOL 0-29 -1 0 Depression 0 0-1 -1 Höftfraktur 0-3 -3-1 Totalt -39-57 -22-3 Tabell 8. Skattad förändring i hälso och sjukvårdskostnader i Sörmland år 2016 om scenariot uppfylls. Hälso- och sjukvårdskostn. i % Kraftig övervikt, BMI>30-1,4 milj -0,60% Daglig tobaksrökning -3,5 milj -1,50% Fysisk inaktivitet -1,0 milj -0,40% Riskkonsumtion av alkohol -0,1 milj -0,06%

16 DISKUSSION Denna rapport beskriver en modell, kallad RHS (Riskfaktorer, hälsa och samhällskostnader), som kopplar framtida sjuklighet och relaterade kostnader till befolkningens förekomst av fyra vanliga riskfaktorer för svenska folksjukdomar. För att åskådliggöra modellen och dess datakrav genomfördes beräkningar baserade på två scenarier. Scenarierna, där förekomsten av riskfaktorer antas minska med en procentenhet i två landsting, visar att betydande besparingar i hälso och sjukvårdskostnader, i miljontals kronor, kan uppstå från tämligen blygsamma förändringar i befolkningens levnadsvanor. Scenarierna valdes för att belysa den möjliga utvecklingen i två landsting med lika befolkningsstorlek men med olika nivåer av riskfaktorer i utgångsläget; Landstinget i Uppsala län med låg förekomst och Landstinget Sörmland med högre förekomst av riskfaktorer i befolkningen. Eftersom riskfaktorerna antas minska likartat i de två områdena, med en procentenhet, blir mönstret i minskat antal fall nyinsjuknande detsamma, men andelen av fallen som undviks blir olika. Vid en låg andel riskfaktorer får en minskning större genomslag, så att en större andel av sjukdomsfallen undviks, tillsammans med relaterade hälso och sjukvårdskostnader. Således blir de efterföljande minskningarna ännu större om den positiva utvecklingen fortsätter. I resultatet har vi undvikit att räkna ihop summan av skattningarna av antalet undvikna sjukdomsfall och av minskningar i hälso och sjukvårdskostnader. Skälet är att det finns ett starkt samband mellan två av riskfaktorerna; kraftig övervikt och fysisk inaktivitet. Dessa två riskfaktorer förekommer i stor utsträckning hos samma patientgrupper, vanligt förekommande förebyggande arbete inom primärvården riktar sig mot båda riskfaktorerna samtidigt och sjuklighetsmönstret är likartat. På individ nivå är det lätt att inse att skattningarna kan medföra överskattningar; en person som ökar sin fysiska aktivitet och minskar sitt BMI kan ju bara undvika hjärtinfarkt en gång. Detta innebär att modellen kan överskatta förändringarna, även på befolkningsnivå. Men samtidigt har en person med flera riskfaktorer en betydligt större risk att drabbas av sjukdom, vilket inte inkluderas i skattningarna. Det är oklart hur de två effekterna av samtidiga riskfaktorer påverkar skattningarna, överskattningar eller underskattningar? Men för att inte riskera överskattningar, rekommenderar vi att skattningarna för de fyra riskfaktorernas påverkan på antal sjukdomsfall och hälso och sjukvårdskostnader inte summeras ihop. Resultaten kan även vara underskattningar. Vissa av riskfaktorerna påverkar insjuknandet förhållandevis snabbt, kanske redan efter två år. Dessutom redovisar skattningarna endast ett års minskningar i insjuknande och relaterade hälso och sjukvårdskostnader mer fördelaktiga levnadsvanor i befolkningen påverkar sannolikt sjukligheten under flera ytterligare år. Ett annat skäl till att resultaten är underskattade är att modellen i denna version endast innehåller hälsooch sjukvårdskostnader. Folksjukdomarna i modellen medför kostnader för en lång rad andra organisationer i samhället, t ex för kommunerna, och i form av samhällskostnader på grund av minskad arbetsförmåga (produktionsbortfall alternativt kostnader för sjukförsäkring). Det är möjligt att inkludera dessa kostnader i modellen så att den kan generera relevanta data för även andra viktiga intressenter av en god folkhälsa. I denna studie har vi valt att rapportera modellens resultat som förändringar, i antal nyinsjuknade personer och i hälso och sjukvårdskostnader, vilket är den tolkning som vi rekommenderar. Modellen genomför även skattningar av det totala antalet nyinsjuknade och hälso och sjukvårdskostnader. Många andra faktorer kan dock påverka framtiden förutom

17 förekomsten av de fyra riskfaktorerna, såsom befolkningens in och utflyttning, förändringar i medicinsk teknologi och praxis, andra riskfaktorer för sjuklighet och andra former av miljö och samhällspåverkan. Av dessa skäl förordar vi att modellens resultat tolkas restriktivt i termer av förändringar. Modellen visar alltså hur nyinsjuknandet och relaterade kostnader förändras om riskfaktorförekomsten förändras, under (den orealistiska) förutsättningen att allt annat är lika. Trots begränsningarna redovisade ovan tror vi att RHS modellen kan vara ett användbart verktyg för att diskutera potentialen i förebyggande arbete inom hälso och sjukvården i Sverige. Modellen kan användas för att simulera effekterna av olika scenarios över hur riskfaktorerna förändras, både positiva och negativa, bland befolkningen i olika landsting och regioner. För att konstruera scenarios krävs endast två uppgifter: befolkningsantal uppdelat på män och kvinnor i fyra åldersgrupper och förekomsten i befolkningen av fyra riskfaktorer, som kan hämtas från den nationella befolkningsenkäten Hälsa på lika villkor på Statens Folkhälsoinstitut hemsida. Baserat på dessa data kan modellen generera skattningar av framtida förändringar i antalet insjuknade personer och relaterade hälso och sjukvårdskostnader, vilket torde vara relevanta argument vid diskussioner med beslutsfattare för en mer hälsofrämjande hälso och sjukvård.

18 REFERENSER Agardh E, Moradi T, Allebeck P. Riskfaktorernas bidrag till sjukdomsbördan i Sverige. Läkartidningen 2008;105:816 821. Allebeck P, Moradi P, Jacobsson A. Sjukdomsbördan i Sverige och dess riskfaktorer. Östersund: Statens folkhälsoinstitut, 2006. Rapport nr A 2006:4. Andreasson S, Allebeck P, Romelsjö A. Alcohol and Mortality among Young Men: Longitudinal Study of Swedish Conscripts. BMJ. 1988;296:1021 1025. Buden JM, Fergusson DM, Horwood LJ. Cigarette smoking and depression: tests of causal linkages using a longitudinal birth cohort. The British Journal of Psychiatry.2010;196:440 446 Cadilhac DA, Magnus A, Sheppard L, Cumming TB, Pearce D, Carter R. The societal benefits of reducing six behavioural risk factors: an economic modelling study from Australia. BMC Public Health 2011,11:483. Camacho TC, Roberts RE, Lazarus et al. Physical activity and depression. Evidence from the Alameda County Study. American Journal of Epidemiology. 1991;134: 220 231. Cecchini M, Sassi F, Lauer JA, Lee YY, Guajardo Barron V, Chisholm D. Tackling of unhealthy diets, physical inactivity, and obesity: health effects and cost effectiveness. Lancet 2010; 376:1775 1784. Colditz G, Bonita R, Stampfern M et al. Cigarette smoking and risk of stroke in middle aged women. NEJM 1988; 318:937 41 Davidson KM. Diagnosis of depression in alcohol dependence: changes in prevalence with drinking status. The British Journal of Psychiatry 1995;166:199 204 Engman KO, Feldman I, Hagberg L, Hellström L, Henriksson G, Johansson P. Hälsoekonomisk utvärdering av Metabola projektet i Kalmar län. 2008. Tillgänglig på: http://www.lul.se/upload/21263/mer_halsa_for_pengarna_rapport_nr200580.pdf Eriksson MK, Hagberg L, Lindholm L, Malmgren Olsson EB, Osterlind J, Eliasson M. Quality of life and cost effectiveness of a 3 year trial of lifestyle intervention in primary health care. Arch Intern Med. 2010;170:1470 9. Feenstra TL, van Baal PM, Jacobs van der Bruggen MO, Hoogenveen RT, Kommer G J, Baan CA. Targeted versus universal prevention: a resource allocation model to prioritize cardiovascular prevention. Cost Eff Resour Alloc. 2011; 9:14. Giovannucci E, Rimm EB, Ascherio A et al. Alcohol, low methionine low folate diets, and risk of colon cancer in men. JNCI J Natl Cancer Inst. 1995;87: 265 273. Giovannucci E. An updated review of the epidemiological evidence that cigarette smoking increases risk of colorectal cancer. Cancer Epidemiol Biomarkers Prev.2001; 10: 725 731 Herva A, Laitinen J, Miettunen J et al. Obesity and depression: results from the longitudinal Northern Finland 1966 Birth Cohort Study. International Journal of Obesity 2006; 30: 520 527

19 Howard RA, Freedman DM, Park Y et al. Physical activity, sedentary behavior, and the risk of colon an rectal cancer in the NIH AARP Diet and Health Study. Cancer Causes Control. 2008; 19: 939 953 Hu FB, Sigal RJ, Rich Edwards JW et al. Walking compared with vigorous physical activity and risk of Type 2 diabetes in women. JAMA 1999;282:1433 1439 Key TJ, Appleby PN, Reeves GK, et al. Body mass index, serum sex hormones, and breast cancer risk in postmenopausal women. J Natl Cancer Inst 2003; 95: 1218 26. Lee CD. Physical activity and stroke risk. A meta analysis. Stroke. 2003;34: 2475 2481 Lindberg A, Bjerg Bäcklund A, Rönmark E et al. Prevalence and under diagnosis of COPD by disease severity and the attributable fraction of smoking: Report from the Obstructive Lung Disease in Northern Sweden Studies. Respiratory Medicine. 2006;100: 264 272. Lindberg A. Chronic obstructive pulmonary disease (COPD): Prevalence, Incidence, Decline in Lung Function and Risk Factors. Umeå university medical dissertations. Umeå: 2004. Lindholm L, Rosén M, Weinehall L, Asplund K. Cost effectiveness and equity of a community based cardiovascular disease prevention programme in Norsjö, Sweden. J Epidem Comm Health 1996;50:190 195. Lindholm L. Alcohol advice in primary care is it a wise use of resources? Health Policy 1998;45:47 56. Liv och hälsa 2008 en undersökning om hälsa, levnadsvanor och livsvillkor. Ett samarbete mellan landstingen i Sörmlands, Uppsala, Värmlands, Västmanlands och Örebro län. Tillgänglig på: www.lul.se Marks R. Hip fracture epidemiological trends, outcomes, and risk factors, 1970 2009. Int J Gen Med. 2010;3:1 17. Morgenstern H, Bursic ES. A method for using epidemiologic data to estimate the potential impact of an intervention on the health status of a target population. J Community Health. 1982; 7:292 309. Mortimer D, Segal L. Economic evaluation of interventions for problem drinking and alcohol dependence; cost per QALY estimates. Alcohol & alcoholism 2005;40:549 555. NDR (Nationella Diabetesregistret). Årsrapport 2010. 2010. Hämtad 2012 04 20 från: http://www.kvalitetsregister.se/register/endokrinaorganen/nationella_diabetesregistret Parkin, D.M. Tobacco attributable cancer burden in the UK in 2010. Br J Cancer, 2011; 105: 6 13 Prochaska JJ, Hilton JF. Risk of cardiovascular serious adverse events associated with varenicline use for tobacco cessation: systematic review and meta analysis. BMJ. 2012;344: e2856. Ramsberg J, Ekelund M. Stuprörstänkande gör samhällets kostnader för ohälsa onödigt höga. Ekonomisk Debatt 2011;39:41 53. Rehm J, Room R, Monteiro M, Gmel G, Graham K, Rehn N et al. Alcohol as a Risk Factor for Global Burden of Disease. Eur Addict Res. 2003;9:157 164

20 Riks Stroke (Nationella kvalitetsregistret för stroke). Årsrapport 2010. 2010. Hämtad 2012 04 20 från: http://www.riks stroke.org/content/analyser/riks Stroke_Årsrapport2010.pdf Robbins AS, Manson JA, Lee I et al. Cigarette smoking and stroke in a cohort of U.S. male physicians. Ann Intern Med 1994;120:458 62. Rodriguez C, Freedland SJ, Deka A, et al. Body Mass Index, weight change, and risk of prostate cancer in the Cancer Prevention Study II Nutrition Cohort. Cancer Epidemiol Biomarkers Prev.2007;63 9 SBU (Statens beredning för utvärdering av medicinsk teknologi). Metoder för rökavvänjning. Stockholm: 1998. SCB (Statistiska centralbyrån) databas. Befolkningsdata. http://www.ssd.scb.se/databaser Sobocki P, Ekman M, Ågren H, Krakau I, Runeson B, Mårtensson B, Jönsson B. Resource use and costs associated with patients treated for depression in primary care. Eur J Health Econ 2007;8:67 76. Socialstyrelsen. Nationella riktlinjer för sjukdomsförebyggande metoder 2011. Stockholm: Socialstyrelsen, 2011. SoS (Socialstyrelsen) databas, Cancerregistret. Hämtad 2012 04 10 från: http://192.137.163.49/sdb/can/val.aspx SoS (Socialstyrelsen) databas, Diagnoser i sluten vård. Hämtad 2012 04 10 från: http://192.137.163.49/sdb/par/val.aspx Statens folkhälsoinstitut. Folkhälsopolitisk rapport 2010. Östersund: Statens folkhälsoinstitut, 2010. Sundquist K, Frank G, Sundquist J. Urbanisation and incidence of psychosis and depression. Follow up study of 4.4 million women and men in Sweden. The British Journal of Psychiatry. 2004;184: 293 298. Sveriges Kommuner och Landsting. Verksamhet och ekonomi i landsting och regioner. Stockholm: 2006. Tariq L, van den Berg M, Hoogenveen RT, van Baal PHM. Cost effectiveness of an opportunistic screning programme and brief intervention for excessive alcohol use in primary care. PLoS One 2009; 4:e5696. van Baal PH, Polder JJ, de Wit GA, et al. Lifetime medical costs of obesity: prevention no cure for increasing health expenditure. PLoS Med 2008;5:e29 Wannamethee SG, Shaper AG. Physical activity and cardiovascular disease. Seminars in Vascular Medicine 2002; 02: 257 266 Wennberg P, Källmén H, Hermansson U, Bergman H. The Alcohol Use Disorders Identification Test, AUDIT: MANUAL. Stockholm: Karolinska Universitetssjukhuset, 2006. Hämtad 2012 05 30 på: www.sjuharad.se/bdh_filearea/missbruksprojektet/audit_svensk_manual_1_0.pdf

21 Wennerholm C, Grip B, Johansson A, Nilsson H, Honkasalo M L, Faresjö T. Cardiovascular disease occurrence in two close but different social environments. International Journal of Health Geographics 2011, 10:5. WHO (World Health Organization). Global health risks: mortality and burden of disease attributable to selected major risks. Geneva:2009. WHO (World Health Organization). Global status report on alcohol and health. Geneva:2011. Willi C, Bodenmann P, Ghali WA et al. Active Smoking and the risk of Type 2 diabetes. A systematic review and meta analysis. JAMA. 2007;298:2654 2664.

22 BILAGA. MODELLENS DATA Tabell B1. Årlig incidens i modellens sjukdomar, per 10 000. Män Kvinnor Källor 20-49 50-64 65-74 75-84 20-49 50-64 65-74 75-84 Diabetes 17,52 97,80 154,99 132,69 74,16 142,68 158,02 74,16 NDR, 2010 Ichemisk 15,84 107,91 201,54 244,50 56,00 124,71 178,42 56,00 Allebeck et al, 2006 hjärtsjukdom Stroke 0,90 7,19 21,25 45,67 4,10 13,07 35,16 4,10 Riks-Stroke, 2010 Koloncancer 0,53 4,18 15,04 29,53 4,11 12,92 23,51 4,11 SoS databas, Cancerregistret Lungcancer 0,22 4,66 16,77 22,57 5,85 14,35 12,89 5,85 SoS databas, Cancerregistret Bröstcancer - - - - 31,35 45,10 34,23 31,35 SoS databas, Cancerregistret Prostatacancer 0,48 31,09 90,78 94,75 - - - - SoS databas, Cancerregistret KOL 8,07 50,00 109,51 131,79 32,79 43,28 47,09 32,79 Lindberg, 2004 Depression 7,14 7,14 7,14 7,14 9,80 9,80 9,80 9,80 Sundquist, 2004 Höftfraktur 1,52 6,81 23,45 91,57 7,62 36,08 143,24 7,62 SoS databas, Diagnoser i sluten vård Tabell B2. Relativa risker i modellen för kraftig övervikt; BMI över 30. Män Kvinnor Källor 20-49 50-64 65-74 75-84 20-49 50-64 65-74 75-84 Diabetes 14,9 6,4 3,0 1,8 14,9 7,3 3,6 2,0 van Baal et al, 2008 Ichemisk 2,1 1,7 1,4 1,2 2,3 1,9 1,4 1,2 van Baal et al, 2008 hjärtsjukdom Stroke 1,2 1,3 1,3 1,1 1,2 1,4 1,3 1,1 van Baal et al, 2008 Koloncancer 1,5 1,5 1,5 1,5 1,6 1,5 1,5 1,6 van Baal et al, 2008 Bröstcancer - - - - 1,1 1,7 1,4 1,0 Key et al, 2003 Prostatacancer 1,3 1,2 1,1 1,1 - - - - Rodriguez et al, 2007 Depression 1,3 1,3 1,3 1,3 1,3 1,3 1,3 1,3 Herva et al, 2006 Tabell B3. Relativa risker i modellen för fysisk inaktivitet. Män Kvinnor Källor 20-49 50-64 65-74 75-84 20-49 50-64 65-74 75-84 Diabetes 2,0 2,0 2,0 2,0 2,0 2,0 2,0 2,0 van Baal et al, 2008; Hu et al, 1999 Ichemisk hjärtsjukdom 1,3 1,3 1,3 1,3 1,3 1,3 1,3 1,3 Wannamethee & Shaper, 2002 Stroke 1,2 1,2 1,2 1,2 1,2 1,2 1,2 1,2 Lee, 2003 Koloncancer 1,6 1,6 1,6 1,6 1,6 1,6 1,6 1,6 Howard et al, 2008 Depression 1,76 1,76 1,76 1,76 1,7 1,7 1,7 1,7 Camacho et al, 1991 Höftfraktur 2,0 2,0 2,0 2,0 2,0 2,0 2,0 2,0 Marks, 2010

23 Tabell B4. Relativa risker i modellen för riskkonsumtion av alkohol. Män Kvinnor Källor 20-49 50-64 65-74 75-84 20-49 50-64 65-74 75-84 Koloncancer 1,8 1,8 1,8 1,8 1,8 1,8 1,8 1,8 Giovannucci et al, 1995 Depression 2,0 2,0 2,0 2,0 2,0 2,0 2,0 2,0 Davidson, 1995 Höftfraktur 1,2 1,2 1,2 1,2 1,2 1,2 1,2 1,2 Marks, 2010 DATA FÖR SCENARIERNA Tabell B5. Antal personer i Landstinget i Uppsala län, år 2011. Åldersgrupp Män Kvinnor 20-49 år 71 121 69 858 50-64 år 30 440 31 038 65-74 år 16 393 16 596 75-84 år 7 448 9 309 Källa: SCB databas, Befolkningsdata. Tabell B6. Antal personer i Landstinget Sörmland, år 2011. Åldersgrupp Män Kvinnor 20-49 år 50 430 48 639 50-64 år 26 652 26 523 65-74 år 15 922 16 117 75-84 år 7 646 9 720 Källa: SCB databas, Befolkningsdata. Tabell B7. Riskfaktorförekomst i Uppsala, nuläge år 2011 och önskat läge år 2016 (scenario). Kraftig övervikt, BMI>30 Daglig tobaksrökning nuvarande önskat nuvarande önskat Åldersgrupp Män Kvinnor Män Kvinnor Män Kvinnor Män Kvinnor 20-49 12% 9% 11% 8% 9% 10% 8% 9% 50-64 16% 14% 15% 13% 14% 12% 13% 11% 65-74 16% 16% 15% 15% 11% 12% 10% 11% 75-84 14% 16% 13% 15% 6% 4% 5% 3% Genomsnitt 14% 14% 13% 13% 10% 11% 9% 10% Fysisk inaktivitet Riskkons. av alkohol nuvarande önskat nuvarande önskat Åldersgrupp Män Kvinnor Män Kvinnor Män Kvinnor Män Kvinnor 20-49 18% 16% 17% 15% 9% 11% 8% 10% 50-64 22% 22% 21% 21% 6% 6% 5% 5% 65-74 24% 24% 23% 23% 3% 3% 2% 2% 75-84 24% 23% 23% 22% 3% 3% 2% 2% Genomsnitt 24% 22% 23% 21% 9% 8% 8% 7% Källa: Liv och hälsa, 2008

24 Tabell B8. Riskfaktorförekomst i Sörmland, nuläge år 2011 och önskat läge år 2016 (scenario). Kraftig övervikt, BMI>30 Daglig tobaksrökning nuvarande önskat nuvarande önskat Åldersgrupp Män Kvinnor Män Kvinnor Män Kvinnor Män Kvinnor 20-49 15% 13% 14% 12% 14% 15% 13% 14% 50-64 17% 18% 16% 17% 17% 19% 16% 18% 65-74 16% 20% 15% 19% 10% 10% 9% 9% 75-84 11% 16% 10% 15% 12% 7% 11% 8% Genomsnitt 15% 17% 14% 16% 13% 14% 12% 13% Fysisk inaktivitet Riskkons. av alkohol nuvarande önskat nuvarande önskat Åldersgrupp Män Kvinnor Män Kvinnor Män Kvinnor Män Kvinnor 20-49 20% 16% 19% 15% 13% 17% 12% 16% 50-64 21% 25% 20% 24% 8% 7% 7% 6% 65-74 25% 30% 24% 29% 6% 4% 5% 3% 75-84 30% 35% 29% 34% 3% 1% 3% 1% Genomsnitt 20% 16% 16% 13% 7% 8% 6% 7% Källa: Liv och hälsa, 2008