Perspektiver ved dataindsamling i almen praksis

Almen praksis (AP) er centralt placeret i det danske sundhedsvæsen, idet AP er patientens »indgangsdør« til sundhedsvæsenet. AP behandler i høj grad kroniske sygdomme, idet mere end 50% af patientkontakterne vedrører de otte udnævnte folkesygdomme [1]. Samtidig henvises mindre end 10% af alle patientkontakterne videre i sundhedsvæsenet [2]. Udenlandske vurderinger af dansk almen praksis har fundet denne velfungerende [3]. Der er pga. honoreringssystemet en stor viden om, hvad praksissektoren koster, men samtidig en begrænset viden om, hvilke helbredsproblemer der behandles, og kvaliteten af det arbejde der udføres. Med indførelse af International Classification of Primary Care (ICPC)-klassifikationen er forudsætningerne for en kvalitetsudvikling i praksissektoren og en løbende »monitorering« af praksissektorens aktiviteter (en sentinelregistrering) til stede. Sentinelregistrering kan tilvejebringes ved dataopsamling fra alle patientkontakter for en tilfældig mindre stikprøve af praksis. Dette forudsætter dog: 1) at lægerne anvender ICPC-kodning af deres patientkontakter. I 2008 diagnosekodede 65% af lægerne deres konfrontationskontakter. 2) Udvikling af et passende it-værktøj (et datafangstmodul), der kan installeres i den enkelte klinik og som automatisk kan opsamle data om patientkontakter og sende dem videre til den centrale database Dansk Almen Medicinsk Database (DAMD) [4]. 3) Endelig skal der opbygges en organisation til at udvikle konceptet, supportere lægerne, analysere data og levere kvalitetsrapporter tilbage til lægerne.

International status på dataindsamling i almen praksis

Systematisk, automatisk og elektronisk indsamling af patientkontaktdata fra almen praksis finder sted i mange lande: New Zealand [5], Skotland [6], Irland [7], England [8, 9] og Holland [10]. General Practice Research Database er en stor database i England, som mange praksis indberetter til. Den er delvis etableret, fordi medicinalindustrien var med til at finansiere lægernes edb-system. Databasen har medvirket til at generere mere end 1.500 videnskabelige artikler fortrinsvis om medicin anvendt i primærsektoren. I Holland drives af sundhedsvæsenet en national database (Nivel) med data fra praksissektoren [10]. Til denne database har 40 praksis indberettet data gennem mange år. Herfra er udgået et trecifret antal videnskabelige publikationer. I Australien (Sydney) findes en tilsvarende database, hvor der opsamles patientkontakter i intervaller, men ikke kontinuerligt [11]. Foruden ovennævnte større databaser findes der i andre lande også lokale databaser over aktiviteter i almen praksis, men de involverer ofte kun et lægesystem og et begrænset antal patienter.

Der er problemer med validiteten i flere af de ovennævnte databaser: 1) Man har f.eks. ikke et gatekeeper -system eller et patientlistesystem, hvorfor patienten kan gå til mange forskellige læger, hvilket bevirker, at dataopsamlingen bliver ukomplet. 2) Der er ikke som i Danmark et elektronisk kommunikationssystem, der sikrer egen læge oplysninger om patienten fra andre behandlere. 3) Man har ikke et entydigt nationalt patientidentifikationssystem. 4) De ovennævnte databaser er forskningsdatabaser, så inden data videresendes fra praksis, bliver patienternes identitet anonymiseret. Samkøring med andre registre er derfor ikke muligt.

Dansk Almenmedicinsk Database

Dansk almenmedicinsk database (DAMD) er primært en kvalitetsdatabase, hvis formål dels er at fremme behandlingskvaliteten i almen praksis, dels at forske i kvalitetsudvikling. Data fra DAMD bliver videreført til de nationale kvalitetsdatabaser (NIP), så kvaliteten i det samlede sundhedsvæsen kan vurderes. Indberetningen til NIP sker på cpr-nummer, hvorfor der i databasen eksisterer både anonymiserede og entydige patientoplysninger. Til forskningsprojekter bliver der anvendt anonymiserede patientdata, men samkøring med andre registre er mulig - dog kun efter indhentning af de nødvendige tilladelser.

Dataopsamling fra almen praksis

I dansk almen praksis er der 12 forskellige edb-systemer i drift. I et ph.d.- studie [12] viste man, at det var muligt at indsamle patientdata fra fire forskellige lægesystemer, men metoden var kun mulig i et begrænset forskningsprojekt og kunne ikke anvendes i en travl praksishverdag. På basis af disse erfaringer er der udviklet et mere simpelt system, hvor alle strukturerede data udlæses løbende, uden at lægen skal foretage sig noget. Det drejer sig om data vedrørende diagnoser, medicin, sygesikringsydelser og laboratoriesvar. Til kvalitets- og forskningsprojekter er der ofte brug for supplerende ikkestrukturerede data - disse indhentes via et spørgeskema (et pop op-skærmbillede), der udløses i patientkontakten, hvor validiteten i svaret formentlig er størst. De indhentede data sendes en gang daglig til DAMD via sundhedsdatanettet. Fra DAMD-databasen er det muligt at »udrulle« nye projekter til den enkelte læge, som kan vælge, om han vil tilmelde sig mulige kvalitets- og forskningsprojekter i sit datafangstmodul.

Figur 1 viser funktionen i datafangstmodulet. Efter installationen vil der løbende med patientkontakterne blive sendt kopier af data fra lægesystemet til modulet. Hvis lægen f.eks. har meldt sig til diabetesforløbsydelsen, vil en diabetesdiagnose (T90) via en forespørgsel i de tilmeldte projekter udløse en pop op, som lægen kan udfylde. Pop op -vinduet kommer kun en gang årligt pr. patient. I DAMD oparbejdes data til kvalitetsrapporter. Rapporterne er placeret, så lægen med sin professionelle digitale signatur via sundhed.dk kan få adgang til dem. De opdateres ugentligt.

Nuværende status

Landsoverenskomsten mellem Praktiserende Lægers Organisation (PLO) og Danske Regioner tillader kun installation af datafangstmodulet, hvis klinikken er tilmeldt diabetesforløbsydelsen. Pr. 1. august 2008 er 440 læger svarende til 221 klinikker tilmeldt. I alt 184 klinikker med 370 læger sender data til DAMD.

Diskussion

Kan data, der er lagret i lægerne edb-system, genfindes i DAMD? I datafangst-pilotfasen i 2006 [4] blev data fra to forskellige edb-systemer udlæst og sammenlignet med de data, der kunne findes i DAMD. Datatabet var mindre end 1%, men der er forskel på en pilotfase med to lægesystemer og en driftsfase med 12 forskellige systemer. En række tekniske forhold kan betinge, at der sker et datatab. Undersøgelsen gentages derfor aktuelt med de 12 lægesystemer, så eventuelle årsager til datatab kan findes og løses.

Er lægerne enige i, hvilken diagnose de sætter på deres patientkontakt? Undersøgelser [11-13] viser, at overensstemmelse blandt læger på mere end 70% i diagnosekodning vurderes at være tilfredssti llende, højere for kroniske lidelser og lavere for akutte sygdomme. Lægerne i datafangst koder formentlig med en tilsvarende validitet. Det er et spørgsmål, om uddannelse i diagnosekodning og en bedre implementering af ICPC-klassifikationen med et indekseret søgesystem, samt inklusions- og eksklusionstermer kan skabe større enighed. Fra 2008 afholdes der diagnosekodningskurser i alle regioner, hvorefter overensstemmelsesundersøgelsen vil blive gentaget.

Sentineldatabasen: Blandt deltagerne i datafangst indberetter ca. 100 læger data til DAMD fra alle patientkontakter, som de også diagnosekoder. Disse data udgør grundlag for en løbende information om aktiviteter i praksissektoren - en »monitorering af den primære sundhedstjeneste«. Udenlandske erfaringer fra Holland og England viser, at databaser af den type er velegnede til forskning i praksissektoren [8, 10, 14].

Igangværende projekter

Tilbagemeldinger af egen kvalitet fra DAMD er blevet godt modtaget af lægerne [4]. Det er ud fra rapporterne muligt for lægerne at benchmarke sig mod kolleger på kommunalt, regionalt og nationalt niveau (Figur 2 ), samtidig kan lægen identificere de patienter, der er suboptimalt behandlet og intervenere på deres behandling. Om lægerne så gør det, vides ikke, men undersøgelse af dette pågår. Regionerne planlægger aktiviteter, f.eks. et besøg af en kollega, for at få tilbagemeldingerne omsat til øget kvalitet. Tilsvarende kvalitetsprojekter med kronisk obstruktiv lungelidelse er i pilotdrift. Datafangst til hjerte-kar-sygdomme og hjerteinsufficiens er under udvikling.

Der er aktuelt opstartet flere forskningsprojekter, herunder et projekt hvor man følger, hvad et symptom (brystsmerter) udvikler sig til over tid, og et projekt hvor man undersøger i hvor mange patient-læge-kontakter, enten lægen eller patienten havde en frygt for cancer.

Perspektiver

Pop op-vinduer kan konstrueres, så de kan udløses på en eller en gruppe af koder, f.eks. en diagnose, en medicinkode, en laboratoriekode eller en ydelseskode evt. i kombination med en tilfældighedsgenerator. Det er således muligt at afvikle meget forskellige projekter ved datafangst. Tilladelse til at gennemføre kvalitets- og forskningsprojekter på baggrund af DAMD-data gives efter ansøgning af et kvalitets- og forskningsudvalg, der består af regionale kvalitetskonsulenter, repræsentanter for de tre universitetsforskningsmiljøer og overenskomstens parter.

DAMD vil kunne tilvejebringe informationer, der er nødvendige for de fremtidige prioriteringer i sundhedsvæsenet. Hvis f.eks. kvaliteten i diabetesbehandlingen er god og billig i almen praksis, kan en større del af behandlingen varetages her, hvis ikke kan man finde årsagen og intervenere. Tilsvarende gælder for de fleste kroniske sygdomme.

Datafangst er udviklet til at præsentere egen læge for personlige kvalitetsrapporter, hvor han kan identificere de ikkeoptimalt behandlede patienter, som han har behandlingsansvaret for. Transporten af data til NIP er til sundhedsvæsenets organisatoriske vurdering og giver muligheder for at vurdere behandlingskvaliteten i praksissektoren og sammenligne denne med sygehussektoren. Der er med NIP planlagt auditering på nationalt og regionalt niveau mellem praksis og hospitalssektoren. Endvidere planlægges en vurdering af diabetesbehandlingen, hvor man sammenligner diabetesambulatorierne med de tilhørende praksis i optageområderne som en fælles enhed med andre ambulatorier og tilhørende praksis. Denne løsning kan måske udvikle et fælles ansvar for diabetesbehandlingen mellem ambulatorium og de tilhørende praksis? Kvalitetsudviklingen i den enkelte praksis skal ske på baggrund af de kvalitetsrapporter, som DAK-E IT leverer. Der er i landsoverenskomsten aftalt, at det ikke må være muligt at identificere hverken den enkelte patient eller den enkelte læge.

Henrik Schroll, DAK-E it, J.B. Winsløws Vej 9A, DK-5000 Odense C. E-mail: hschroll@dak-e.dk

Antaget: 17. marts 2009

Interessekonflikter: Ingen

1. Munck A, Gilså-Hansen D. Audit om »Forebyggelse i almen praksis«. Audit Projekt Odense J.B. Winsløws Vej 9A, 5000 Odense C. Forskningsenheden for Almen Praksis, Syddansk Universitet 2005.
2. Audit Projekt Odense. Henvisninger fra almen praksis - En endagsregistrering. Audit Projekt Odense, J.B. Winsløws Vej 9A, 1 sal, 5000 Odense C. Forskningsenheden for Almen Praksis i Odense, Syddansk Universitet. Ministeriet for Sundhed og Forebyggelse, 2008
3. Christiansen T. International vurdering af organisation og finansiering af det danske sundhedsvæsen. Odense: Odense Universitetsforlag, 1999.
4. Schroll H. Rapport om sentinel datafangstprojektet. Odense: DAK-projektet, J.B.Winsløws Vej 9 A, Odense 2007.
5. Jones NF, Marshall R. Evaluation of an electronic general-practitioner-based syndromic surveillance system - Auckland, New Zealand, 2000-2001. Morb Mortal Wkly Rep 2004;53:173-8.
6. Milne RM, Taylor MW, Taylor RJ. Audit of populations in general practice: the creation of a national resource for the study of morbidity in Scottish general practice. J Epi Commun Health 1998;52:20S-24S.
7. Boydell L, Grandidier H, Rafferty C et al. General practice data retrieval: the Northern Ireland project. J Epi Commun Health 1995;49:22-5.
8. Charlton RA, Cunnington MC, de Vries CS et all. Data resources for investigating drug exposure during pregnancy and associated outcomes: the General Practice Research Database (GPRD) as an alternative to pregnancy registries. Drug Saf 2008;31:39-51.
9. Fleming DM. The design and management of national morbidity surveys. Methods Inf Med 1991;30:284-8.
10. www.linh.nl/ (6. januar 2009).
11. Britt H, Angelis M, Harris E. The reliability and validity of doctor-recorded morbidity data in active data collection systems. Scand J Prim Health Care 1998;16:50-5.
12. Schroll H. Metoder til registrering og analyse af diagnoseklassificerede kontaktforløb i almen praksis. Odense: Forskningsenheden for Almen Medicin, Det Sundhedsvidenskabelige Fakultet, Syddansk Universitet - Odense Universitet, 2001.
13. Schroll H, Stovring H, Kragstrup J. Forskelle i praktiserende lægers brug af International Classification for Primary Care-diagnoser. Ugeskr Læger 2003;165:4104-7.
14. Dorn T, Yzermans JC, Spreeuwenberg PM et al. A cohort study of the long-term impact of a fire disaster on the physical and mental health of adolescents. J Trauma Stress 2008;21:239-42.