Socioekonomiska faktorers betydelse för vårdkonsumtion och läkemedelsanvändning är väl kända, likaså bostadsområdets inverkan [1-3]. På individnivå har sjukdomsbördan en stor betydelse för primärvårdskostnaderna [4, 5]. Läkemedelsanvändning har i studier visats samvariera väl med sjukdomsbörda och har använts för att skatta vårdkostnader [6]. Relativt få studier har samtidigt analyserat olika faktorers betydelse för vårdkostnader både på individnivå och på aggregerad, organisatorisk nivå. Trots bristen på empiriska studier och evidens använder landstingen olika kombinationer av faktorer vid ersättningen till primärvårdsenheter inom vårdvalsreformen. Valet av faktorer och tyngden de ges varierar mellan landstingen.
I Östergötlands vårdvalsmodell har befolkningens ålderssammansättning fått stort inflytande i resurstilldelningen, medan socioekonomisk status har mindre betydelse [7]. Region Skåne och Västra Götaland har i sina ersättningssystem lagt stor vikt vid sjukdomsbörda, medan socioekonomisk status getts mindre betydelse. Primärvårdsenheternas ersättning är i huvudsak en fast ersättning (kapitation) där kapitationsersättningen i Skåne till 80 procent fördelas efter ett relativt ACG-index (sjukdomsbörda) och till 20 procent efter ett relativt CNI-index (socioekonomiska faktorer) [8]. I Stockholm utgörs ersättningen till en mindre del av en åldersjusterad kapitation, medan huvuddelen av ersättningen är besöks- och prestationsrelaterad [9]. Mot bakgrund av denna variation känns det angeläget att närmare analysera några av de mest använda faktorernas inverkan på vårdkostnaderna, särskilt primärvårdskostnaderna. Det är också värdefullt att studera hur relationerna såg ut före införandet av vårdvalsreformen, det vill säga innan användningen av dessa faktorer i ersättningssystemen fått tillfälle att påverka intäkterna och därmed också kostnaderna.
I Östergötland finns sedan cirka tio år tillbaka »Vårddatalagret«, ett välfungerande register över befolkningens vårdkontakter som ger möjlighet till studier och analys av olika faktorers betydelse för vårdkonsumtionen [3]. Det finns även en kostnadsdatabas ur vilken kostnaderna för varje individ och varje vårdenhet kan beräknas. Östergötlands landstings befolkningsrelaterade individbaserade vårdkontakts- och kostnadsregister ligger till grund för de analyser som gjorts i den här studien. Syftet med studien var att för en definierad landstingsbefolkning analysera kostnader för primärvård på både individ- och vårdcentralsnivå samt att studera samband mellan kostnader, sjuklighet, socioekonomi och läkemedelsanvändning.

Metod
Studiepopulationen bestod av 379 344 personer (av totalt 406 272 personer) som under år 2006 var bosatta och listade vid vårdcentraler i Östergötlands län och för vilka det fanns tillgång till socioekonomiska data. Registervariabler på individnivå för år 2006 hämtades från populationsbaserade databaser; Vårddatalagret i Östergötland som omfattar all vårdkonsumtion vid landstingsanslutna enheter och Statistiska centralbyråns befolkningsregister. Läkemedelskostnaden per individ erhölls från Socialstyrelsens läkemedelsregister, omfattande uppgifter om uthämtade receptläkemedel, förskrivande enhet, läkemedelskostnader med mera. Kostnader från 2006 och 2007 (exklusive läkemedelskostnader) för varje individs vårdkonsumtion är beräknade enligt KPP-metoden (KPP, kostnad per patient) [10]. Kostnaderna beräknades även på vårdcentralsnivå.
För beskrivning av individernas socioekonomiska status delades Östergötlands bostadsområden in i fem socioekonomiska nivåer. Indelningen är baserad på inkomstfördelningen inom de geografiska områdena och har genomförts av Folkhälsovetenskapligt centrum vid Östergötlands landsting. Denna indelning visar på stor samvariation med andra variabler av socioekonomisk karaktär, till exempel andelen invandrare, andelen lågutbildade och andelen äldre [11]. Varje individ i studiepopulationen tilldelades en socioekonomisk status baserad på det bostadsområde där individen var mantalsskriven den 31 december 2006.
Sjukdomsbördan, komorbiditeten, uttrycks i denna studie med hjälp av ACG case-mix system version 7.1 (ACG, adjusted clinical groups) [12]. Detta system har tidigare använts i Sverige i vetenskapliga studier för att studera sjukdomsbördan i en befolkning. För närvarande har ett flertal landsting infört ACG-systemet vid ersättningen till primärvårdsenheter som ingår i vårdvalsreformen. ACG-instrumentet baseras på gruppering av diagnoser (enligt ICD-10) där man beaktar diagnosernas förväntade duration, svårighetsgrad, etiologi, diagnostiska säkerhet och behovet av specialiserad vård. Patienterna/individerna grupperas i olika ACG (ett drygt 80-tal grupper i vår studiepopulation) enligt en grupperingsalgoritm (Fakta 1). Personer som hänförs till samma ACG har ett lika stort behov av hälso- och sjukvårdsresurser. ACG-vikterna som använts i denna studie har konstruerats efter svenska kostnadsförhållanden.
I denna studie har alla individens diagnoser inkluderats oavsett om diagnosen registrerats på vårdcentral eller på annan vårdinrättning. Att enbart använda diagnoser som tilldelats en individ i primärvården hade varit ett alternativ, men detta mått avspeglar endast en del av befolkningens sjuklighet. Vårt val motiveras även av att Region Skåne i sitt ersättningssystem använder denna modell. För att i denna redovisning lättare kunna illustrera sambanden mellan sjuklighet och socioekonomi har individerna grupperats i sex kategorier utgående från viktning enligt ACG-systemet (Fakta I). De som inte erhållit någon diagnos under 2006 tillhör ACG-klass 0.
Alla data som rör vårdkonsumtion, socioekonomi, sjukdomsbörda och läkemedelskostnader är individbaserade. Kostnader för primärvård samt öppen och sluten sjukhusvård redovisas både på individnivå och på (aggregerad) vårdcentralsnivå och hänförs till år 2007. Vid den statistiska analysen användes multipel linjär regressionsanalys för att analysera variationen av vårdkostnader på individ- och vårdcentralsnivå med hänsyn till förklaringsvariablerna kön, ålder, socioekonomisk status, läkemedelskostnad och sjukdomsbörda. Vid analys av variationen i förklaringsvariablerna användes variansanalys. Studien har godkänts av den regionala etikprövningsnämnden i Linköping (Dnr 147/05 och 29/06).

Resultat
Totalt besökte 72 procent av studiepopulationen (79 procent av kvinnorna och 64 procent av männen) någon vårdinrättning under 2006. Av Tabell I framgår att under 2006 var den totala vårdkostnaden per listad individ i Östergötland drygt 13 000 kronor, varav nästan 3 000 kronor utgjorde primärvårdskostnader. Dessutom tillkommer den genomsnittliga läkemedelskostnaden som var 2 660 kronor per individ. För personer med lägst socioekonomisk status uppgick den totala vårdkostnaden i genomsnitt till nästan 17 000 kronor och för dem med högst socioekonomisk status till drygt 10 000 kronor. Den dominerande ­delen av kostnaderna kunde hänföras till sjukhusanknuten öppen och sluten vård. Individer med låg socioekonomisk status hade en något högre andel primärvårdskostnader. Av Tabell I framgår även att grupperna med störst sjukdomsbörda hade högst total vårdkostnad i medeltal per individ; drygt 80 000 kronor i ACG-viktklass 5 jämfört med cirka 8 000 kronor i ACG-viktklass 1.
Figur 1, som visar samband mellan sjukdomsbörda (ACG-viktklass), socioekonomisk status och primärvårdskostnader på individnivå, illustrerar väl sjukdomsbördans betydelse för kostnaderna på individnivå. Detta bekräftas även av regressionsanalysen i Tabell II. Interaktionseffekten mellan socioekonomisk status och ACG-vikt blev signifikant när den tillfördes till modellen (Figur 1). Interaktionen tillförde dock inte mycket till R2-värdet (0,105), det vill säga modellen förbättrades inte nämnvärt. Primärvårdskostnaden per listad individ är den beroende variabeln i analysen. Alla oberoende variabler (kön, ålder, socioekonomisk status, sjukdomsbörda och läkemedelskostnad) är signifikanta i modellen, men sjukdomsbördan bidrar med den överlägset största förklaringen till variationen i kostnaderna mellan individer (högsta t-värdet).
Karaktäristika för de 40 vårdcentralerna i Östergötland (två togs bort på grund av bortfall av data) framgår av Tabell III. Det finns påtagliga skillnader. Vårdcentralen i Ryd hade lägsta genomsnittliga åldern (34 år), hög socioekonomisk tyngd och låg sjuklighet, vilket skulle kunna förklaras av det stora antalet studenter i området. Skäggetorp och Vilbergen hade både en hög sjuklighet och en stor andel personer med hög socioekonomisk tyngd och höga läkemedelskostnader. Däremot hade vårdcentralerna i Linghem och Östertull låg sjuklighet, låg socioekonomisk tyngd och låga läkemedelskostnader.
Vid analys av sambanden mellan sjukdomsbörda, socioekonomi och vårdcentralens medelkostnad per listad individ var sjukdomsbördan ingen signifikant förklaringsfaktor för skillnaderna i kostnader mellan vårdcentralerna (Tabell IV). I stället var det socioekonomiskt tyngd som visade ett klart samband med kostnaderna; ju högre socioekonomisk tyngd desto högre kostnader. En anledning till att sjukdomsbörda (ACG-vikt) inte uppträder som en betydelsefull prediktor för primärvårdskostnad på vårdcentralsnivå, trots att den på individnivå var den viktigaste, är att variationen i sjukdomsbörda mellan vårdcentralerna i Östergötland var mycket liten (och ännu mindre när man tar hänsyn till åldersstruktur). Samma sak gäller variabeln läkemedelskostnad 2006 (Tabell V). Tabellen visar att det finns statistiskt signifikanta skillnader mellan vårdcentraler för de studerade variablerna. Skillnaderna är i de flesta fall mycket små, med undantag för socio­ekonomisk status, där vårdcentralstillhörighet »förklarar« 27 procent (R2-värdet) av den totala individuella variationen.

Diskussion
Sjukdomsbördan var den prediktor som till störst del förklarade variationen mellan de individuella primärvårdskostnaderna. Däremot förklarades variationen av genomsnittskostnaderna på vårdcentralsnivå främst av socioekonomi, och sjukdomsbördan hade liten betydelse. Läkemedelskostnad var inte heller en prediktor för den genomsnittliga primärvårdskostnaden. Det var större variation mellan vårdcentralerna med avseende på socioekonomi än med hänsyn till sjukdomsbörda.
Förutsättningarna för vårdcentralerna varierade påtagligt, och det fanns olika kombinationer av socioekonomi och sjuklighet mellan vårdcentralsområdena. Några vårdcentraler låg i socialt utsatta områden och hade både en hög sjuklighet och en hög socioekonomisk tyngd. Ett par av dessa hade under tiden för studien stora läkarvakanser som fick täckas av vikarier, bland annat hyrläkare. Detta är i sig kostnadsdrivande och kan medföra att patienterna i större utsträckning remitteras till de dyrare sjukhusen i stället för att få vård vid primärvårdsenheten.
Andra vårdcentraler låg i områden som hade låg sjuklighet och en låg socioekonomisk tyngd. Men det fanns även lite mer udda kombinationer av områden som hade låg sjuklighet och hög socioekonomisk tyngd, liksom områden som hade hög sjuklighet men uppvisade en god socioekonomisk situation. Den sista kombinationen var utmärkande för ett par vårdcentraler som hade en omvittnad god kvalitet i sin vård och vars doktorer var ambitiösa att ställa många diagnoser på sina patienter. En del vårdcentraler låg i områden med många äldre personer, hade högre genomsnittliga vårdkostnader och en relativt hög sjuklighet, men goda socioekonomiska förutsättningar. De privata vårdcentralerna hade vid denna tidpunkt relativt gynnsamma avtal, vilket sannolikt bidrog till en något högre kostnadsnivå trots att de betjänade en normalfrisk befolkning med en socioekonomisk tyngd som låg kring medelvärdet.
Hur ska då resultaten tolkas? Att sjukdomsbördan har betydelse för kostnaderna på individnivå överensstämmer med erfarenheterna från tidigare studier. Det är också känt att individer med låg socioekonomisk status har sämre hälsa, och därmed ett högre utnyttjande av vård, vilket leder till högre vårdkostnader. På individnivå är det fullt rimligt att stor sjukdomsbörda, låg socioekonomisk status och hög ålder leder till högre vårdkostnader. Däremot är det något överraskande att socioekonomin tar överhanden på en aggregerad vårdcentralsnivå och att sjukdomsbördan inte har signifikant inverkan på kostnaderna. Kan det vara så att ACG-systemet, som utvecklats i USA, i alltför låg grad beaktar de diagnoser som ger höga kostnader bland socioekonomiskt utsatta och äldre med många sjukdomar? Systemet är utarbetat av en barnläkare (Barbara Starfield) och är mer detaljerat vad gäller sjukdomar och åldrar hos barn och personer under 35 år. Finns det kostnader i det svenska systemet som inte avspeglas av sjuklighetsmått konstruerade i det amerikanska? Vidare studier får ge svar.
I vår studie var variationen i sjukdomsbörda (uttryckt som genomsnittlig ACG-vikt) mellan vårdcentralerna relativt liten jämfört med variationen i kostnad och socioekonomi. Det förefaller som om socioekonomisk tyngd genererar kostnader för vårdcentraler som inte avspeglas i diagnosbaserad sjukdomsbörda. Kan det vara så att man på vårdcentraler med bristande och växlande läkarbemanning (vilket är vanligare i socioekonomiskt utsatta områden) i lägre grad ställer exempelvis psykiatriska diagnoser, som skulle ha givit en högre tyngd i ACG-grupperingen?
Diagnostik varierar mellan olika läkare, både avseende fullständighet och val av diagnos [13]. Frågan är om dessa olikheter innebär att ACG-vikter inte korrekt kan jämföras mellan vårdcentraler? I denna studie varierade andelen läkarbesök med diagnos från 80 till 97,5 procent och vårdcentralernas genomsnittliga antal diagnoser per läkarbesök från 0,99–1,51. Vi har i en tidigare studie [5] noterat ACG-viktens beroende av fullständigheten i diagnostiken. Detta beroende innebär också en möjlighet till manipulation av ersättningssystem som grundas på ACG-vikt. Kan de högre kostnaderna i socialt utsatta områden förklaras av att vårdcentralerna där under tiden för vår studie fått extra resurser och därmed högre kostnader? Vår tidigare studie, som studerade kostnader i förhållande till individers socioekonomi, talade dock för att vårdcentraler i socialt utsatta områden var klart underkompenserade [3]. Framtida studier får ge svar.
Det finns metodologiska problem med registerstudier. Många av datauppgifterna är osäkra och ibland både felaktigt införda och uttagna ur journaler, samtidigt som de är svåra att kontrollera. En omfattande bortrensning av ofullständiga uppgifter har gjorts innan de slutliga filerna sammanställdes, därmed har en del metodologisk osäkerhet eliminerats. En fördel med registerstudier är att de är heltäckande populationsstudier med ett stort antal individer. Det finns ingen systematisk möjlighet till manipulation. En skevhet i materialet kan vara att i Östergötlands landsting under större delen av 2000-talet tillämpade en styrning av resurstilldelningen till vårdcentralerna baserad på de listades ålderssammansättning, vilket kan ha haft en viss inverkan på kostnaderna och deras fördelning mellan vårdcentralerna.
Vilka blir konsekvenserna av att använda nya faktorer för tilldelning av resurser till vårdcentralerna? Låt oss använda den huvudprincip för resurstilldelning till vårdcentraler som för närvarande tillämpas i Östergötlands vårdvalsmodell och jämföra med ett alternativ där ACG-instrumentet skulle dominera resurstilldelningen (vilket det gör i exempelvis Skåne och Västra Götaland). Ersättningen i Östergötland är baserad främst på ålder, och till en liten del på socioekonomi, men inte på sjukdomsbörda. Om den del av resurstilldelningen som täcker ålder, socioekonomi och läkemedel helt skulle ersättas av en ACG-baserad tilldelning uppstår relativt stora förändringar på och mellan vårdcentralerna. Förändringarna varierar från en reduktion på nästan 20 procent av nuvarande kapitationsersättning till ett tillskott på cirka 25 procent, det vill säga upp till flera miljoner kronor per vårdcentral.
Vårdvalsmodellen innebär en större individstyrning genom patienternas val av vård. I den gamla modellen »valde« man bostadsområde och fick på köpet en tilldelad vårdcentral. Inga större rörelser mellan vårdcentralerna noterades i inledningsskedet av vårdvalsreformen i Östergötland. Drygt 4 000 personer (av cirka 400 000) skiftade aktivt till en ny vårdcentral när Östergötland gick över till vårdvalsmodellen i maj 2009. I framtiden kan det bli större förändringar och omflyttningar, vilket skulle kunna ge nya typer av vårdcentraler, exempelvis vårdcentraler för äldre, sjuka personer eller vårdcentraler för yngre friska. Det har också visats att patienter med högre sjukdomsbörda i större utsträckning valde att vara listade eller listas till den etablerade vårdcentralen medan de friskare i högre utsträckning listade sig till den nya vårdcentralen [A Halling, Odense universitet, pers medd; 2010].
Ett beaktande av individuella primärvårdskostnader kan även medföra att det blir enklare att möjliggöra en inriktning av vårdenheter mot en befolkning med särskilda behov, exempelvis multisjuka äldre. Individstyrningen kan också förenkla etablering av nya vårdalternativ och möjligtvis förhindra att vårdaktörer etablerar sig på grund av låga kostnader i en frisk befolkning (så kallad cream-skimming) Sjukdomsbörda har på individnivå stor betydelse och kan i framtiden bli ännu viktigare att beakta vid utformning av ersättningssystem som tar hänsyn till vårdbehov.
Variationer i diagnostik mellan läkare/vårdcentraler kan innebära att diagnosbaserad sjukdomsbörda inte har tillräcklig tillförlitlighet i jämförelser mellan vårdcentraler. Incitamenten att ställa diagnos påverkas om de används vid resursfördelning. Detta var fallet i Östergötland 2004–2006 då antalet diagnoser per vårdcentral ökade på grund av en extra resurstilldelning för bland annat diagnossättning.
Svaret på frågan huruvida primärvårdsenheter ska ersättas efter socioekonomi och/eller sjukdomsbörda är således inte givet. Det finns fördelar och nackdelar både med en individuell primärvårdsersättning och med en ersättning på gruppnivå baserad på socioekonomi. Svaret kunde därför bli i vilken omfattning som de olika alternativen ska kombineras snarare än att använda antingen det ena eller andra alternativet.

n Potentiella bindningar eller jävsförhållanden: Henrik Magnusson har arbetat med att ta fram svenska ACG-vikter (ACG-instrumentet används i denna studie som ett uttryck för sjukdomsbörda) . Lars Borgquist har en forskningslicens från Johns Hopkins University för att kunna använda ACG-instrumentet i forskningssyfte.
*
Professor John Carstensen har deltagit i uppläggningen av studien och i dataanalyserna.

Fakta 1

ACG-indelningen

0: ACG-vikt?=?0
1: 0?2: 0,7?3: 1,3?4: 3,0?5: 5,0?

Om tabellen är svårläst, se artikeln i bifogad pdf!





Om tabellen är svårläst, se artikeln i bifogad pdf!







Figur 1 . Primärvårdskostnad för individer med hänsyn till deras socioekonomiska status och sjukdomsbörda (ACG-viktklass). Om figuren är svårläst, se artikeln i bifogad pdf!

Publicerad:
Läkartidningen 37/2010
Lakartidningen.se