Skip to main content

KRONIK: Datafangst fra nyt diagnosesystem kan anvendes både administrativt og sundhedspolitisk

Skal der indføres et DRG-lignenede system i almen praksis? Et nyt datasystem – ACG – er ved at blive pilottestet. Men der mangler både oplysning og debat om konsekvenserne.

Lektor i Sundhedsøkonomi Troels Kristensen, Forskningsenheden for Almen Praksis, Syddansk Universitet.
E-mail: trkristensen@health.sdu.dk
Professor, praktiserende læge Anders Halling, Forskningsenheden for Almen Praksis, IST, Syddansk Universitet.
Direktør DAK-E, praktiserende læge og lektor Janus Laust Thomsen, Forskningsenheden for Almen Praksis, Syddansk Universitet.
Forskningsleder, professor, praktiserende læge, klinisk farmakolog Jens Søndergaard, Forskningsenheden for Almen Praksis, IST, Syddansk Universitet
Pensioneret praktiserende læge, Speciallæge i almen Medicin, Ph.d. Henrik Scroll, Pensioneret chef for DAK-E
Interessekonflikter: ingen

19. feb. 2014
6 min.

Der er uklarhed, usikkerhed og uenighed om den fremtidige anvendelse af data fra Dansk Almen Medicinsk Database (DAMD). Et punkt omhandler mulige administrative anvendelser af diagnosekoder. Ideen med Datafangst har hidtil været, at data skal bruges til kvalitetsudvikling i almen praksis [1]. Kvalitetseksperterne bag Datafangst har fremført, at administrative anvendelser til f.eks. kontrol ville kunne ødelægge anvendeligheden af den kliniske database. Lægerne formodes at ville begynde at kode strategisk frem for alene stringent klinisk, hvis data bruges til kontrol og andre administrative formål. I kontrast hertil fremgår det af den nye lov om almen praksis og det tilhørende udkast til bekendtgørelse, at myndighederne ønsker mulighed for at benytte dataene til politisk og administrative formål. Dette ønske underbygges af en rapport fra Rigsrevisionen, hvor det bl.a. fremgår, at Finansministeriet og Sundhedsministeriet i samarbejde med regionerne bør øge indsatsen for at etablere bedre redskaber til styring, kontrol og opfølgning på aktiviteter og udgifter i praksissektoren [2].

Af Statens Serum Instituts (SSI) seneste strategi for National Sundhedsdokumentation fremgår, at myndighederne arbejder med pilottestning og implementering af et ”Adjusted Clinical Groups” (ACG)-system, men fordele og ulemper ved ACG-systemet er stedmoderligt behandlet. Formålet med denne kronik er at bidrage til diskussionen om mulige administrative og sundhedspolitiske anvendelser af kvalitetsdata fra Dansk Almen Medicinsk KvalitetsEnhed (DAK-E).

Hvad er et ACG-system?

ACG-systemet er et case mix system, som bruges til at karakterisere befolkningen eller mindre gruppers morbiditetsprofil efter deres alder, køn og mønster af diagnoser (og evt. medicinforbrug) i en given periode – typisk 1 år. ACG-grupperingen, som er udviklet af Johns Hopkins Universitet i USA, benytter patienten som analyseenhed og kategoriserer hver patient i gensidigt udelukkende morbiditetskategorier. Systemet er især velegnet i en ambulant kontekst, hvor læger tilbyder generel og kontinuert behandling for en defineret liste af patienter, som det er tilfældet i dansk almen praksis. Resultatet er estimering af mål for sundhedsstatus og behandlingsbehov samt forventet ressourceforbrug.

Hvad er forskellen på ACG og DRG?

ACG har lighedspunkter med DRG systemet, som er kendt fra sygehusvæsenet, men er mere et komplementært system end et konkurrerende system. I kontrast til DRG, hvor analyseenheden er episoden (f.eks. en indlæggelse) er der tale om en patient-centreret tilgang med fokus på alle diagnoser inden for en længere tidsperiode. Derfor er ACG bedre egnet til gruppe/befolkningsanalyser. DRG/DAGS-systemet er produktionsbaseret og opfanger kun indlagte patienter og en mindre del af de ambulant behandlede patienter. Det betyder, at DRG er uegnet til at se på en patients samlede morbiditetsprofil.

Hvad anvendes ACG-systemet til?

ACG-systemet er under implementering i en række lande og anvendes i dele af bl.a. USA, England, Spanien og Sverige . Systemet bliver brugt til følgende formål [3]:

Segmentering af befolkningen efter sundhedstilstand (”profiling of populations”), vurdering af udbyderes praksis (f.eks. almen praksis klinikker), ressourceallokeringen efter sundhedsstatus/behandlingsbehov, identifikation af højrisiko patienter, monitorering af sygdomsbyrden på tværs af befolkningen og befolkningsgrupper, benchmarking, performancemåling samt evaluering af eksisterende systemer, som f.eks. honoreringssystemer.

Segmentering af befolkningsgrupper

ACG-systemet kan bruges til at sammenligne patientmorbiditet på tværs af f.eks. praksis, kommuner, regioner, og socioøkonomiske grupper. Den slags information kan give løbende og rutinemæssige indsigt i variationen i den observerede prævalens af symptomer og sygdom, som muliggør mere målrettede interventioner over for borgerne. Identifikation af højrisiko patienter har stigende betydning. Segmenteringen kan bl.a. give almen praksis kommuner og regioner mulighed for at målrette sundhedsinterventioner mod de borgere, som man mener, har størst behov .

Segmentering af udbydere

ACG-systemet kan anvendes til at udvikle og føre tilsyn med praktiserende læger og andre udbydere af ambulante sundhedsydelser [3]. Herunder kan systemet bl.a. bruges til at observere variation i udbyderes adfærd - evt. med henblik på at minimere uønsket variation. F.eks. kan man søge at identificere om højere udgifter til aflønning af udbydere er underbygget af et patientgrundlag med større sygdomsbyrde.

Ressourcefordeling

En af de mest almindelige anvendelser er at benytte ACG systemet til at allokere budgetter. Det kan både være fra staten til regioner og/eller kommuner samt fordeling af regionale midler til praktiserende læger og andre sundhedsudbydere. Ved at anvende systemet til justering af honoreringssystemer kan man bl.a. søge at sikre at betalingerne foretages som funktion af patienternes observerede sundhedsbehov. Foreløbige forskningsresultater inden for almen praksis tyder på, at en sådan anvendelse af ACG systemet vil kunne bidrage til en større overensstemmelse mellem ressourcefordeling og observerede sundhedsbehov end det nuværende system [4]. Det kan dog diskuteres om denne form for risiko-justering af ressourcefordelingen er en passende vision i en tid med fokus på patient-centreret medicin/behandling [5]. Der kan eksempelvis opstå utilsigtede konsekvenser, som strategisk kodning og stilles spørgsmålstegn ved om retrospektiv information kan bruges til budgettering.

Diskussion

Der kan således argumenteres for, at der både er fordele og ulemper ved implementering af et ACG-system.

Fordelene er især, at man får mulighed for at segmentere befolkningen efter sundhedsstatus/behandlingsbehov og redskaber til ressourceallokering i det primære sundhedsvæsen. Viden om morbiditets-byrden på patient-niveau og mere sammenlagte niveauer indenfor klinikker, kommuner og regioner kan anvendes til at målrette interventioner overfor sårbare patienter med kroniske sygdomme/multimorbiditet. ACG-gruppering vil kunne bidrage til eksplicit fordeling af ressource efter behov og morbiditetsjustering af honoreringssystemer.

En ulempe kan være, at praktiserende læger kan føle sig overvåget, da ACG-casemix systemet bl.a. kan danne grundlag for sammenligninger/bench-marking. Variation i lægeadfærd kan dog være velbegrundet som følge af uobserverede patientkarakteristika. Da ACG-systemet vægter diagnose-kodningen vil fejlkodninger og ufuldstændig kodning være en anden ulempe, som fører til fejlbehæftet eller uobserveret morbiditet. Store krav til administrative anvendelser samt eventuelle afledte krav til kliniske databaser kan potentielt ødelægge den kliniske anvendelse. Det må endvidere sikres at patient-anonymiteten i administrative forhold opretholdes og at data ikke bruges i kontrol øjemed over for den enkelte læge.

Der er behov for yderligere forskning i mulige administrative og sundhedspolitiske anvendelser af diagnosedata fra Datafangst i en dansk kontekst.

Referencer

LITTERATUR

  1. Schroll H. [Data collection perspectives from patient care in general practice]. Ugeskr Laeger 2009; 171(20):1681-1684.

  2. Rigsrevisionen. Beretning til Statsrevisorerne om aktiviteter og udgifter i praksis-sektoren. Ministeriet for Sundhed og Forebyggelse. 2012.

  3. Starfield B, Kinder K. Multimorbidity and its measurement. Health Policy 2011; 103(1):3-8.

  4. Kristensen T, Rose OK, Sortso C, Ejersted C, Thomsen JL, Halling A. Resources allocation and health care needs in diabetes care in Danish GP clinics. Health Policy 2013; 113(1-2):206-215.

  5. Horner RD. Risk-adjusted Capitation in an Era of Personalized Medicine: A Dangerous Opportunity to Bend the Health Care Cost Curve. Med Care 2012; 50(8):633-634.