Oppgrader til nyeste versjon av Internet eksplorer for best mulig visning av siden. Klikk her for for å skjule denne meldingen
Ikke pålogget
{{session.user.firstName}} {{session.user.lastName}}
Du har tilgang til Idunn gjennom , & {{sessionPartyGroup.name}}

Evaluering av kommunal medfinansiering

Professor ved Institutt for økonomi, Universitetet i Bergen og forsker ved Uni Research Rokkansenteret

Forsker ved Uni Research Rokkansenteret

Forsker ved Uni Research Rokkansenteret

Professor ved HELED, Universitetet i Oslo og forsker ved Uni Research Rokkansenteret Ansvarlig forfatter o.m.kaarboe@medisin.uio.no

Kommunal medfinansiering (KMF) ble innført 1. januar 2012 som et økonomisk virkemiddel i Samhandlingsreformen, og avviklet 1.1.2015. KMF innebar at pasientenes registrerte bostedskommune skulle betale medfinansiering for somatiske spesialisthelsetjenester, med unntak av kirurgi, fødsler, behandling av nyfødte og behandling med enkelte kostbare legemidler. Vi analyserer hvorvidt KMF hadde noen virkning på bruken av spesialisthelsetjenestene. Hypotesen er at når en kommune må betale for behandling av pasienter fra kommunen, vil den iverksette tiltak som reduserer bruken av de relevante spesialisthelsetjenester. Datagrunnlaget omfatter individuell informasjon om hele befolkningen i Norge i perioden 2010–2013. I tillegg til forbruk av somatiske spesialisthelsetjenester, har vi data om konsultasjoner hos private avtalespesialister, fastleger og fysioterapeuter, samt informasjon om en rekke individuelle kjennetegn fra ulike registre i SSB. Vi analyserer om sannsynligheten for opphold i somatiske sykehus endret seg som følge av reformen. Deskriptiv statistikk og regresjonsanalyser gir ingen indikasjon på at forbruket av medisinske spesialisthelsetjenester ble redusert på grunn av KMF.

Nøkkelord: Effektevaluering, Samhandlingsreformen, bruk av sykehustjenester

Evaluation of health care reform: the introduction of municipal copayment

As part of the Norwegian Coordination Reform of 2012, municipal co-payment of general hospital admissions was introduced. The co-payment was implemented for medical specialist services whereas surgical treatment was exempted. We investigate whether municipal co-payment did have effects on the use of specialized health care services. The hypothesis is that when a municipality must contribute to payment for the treatment of patients from the municipality, they will implement measures to reduce the use of the relevant specialist health care services. Data include individual level information on the entire population of Norway for the period 2010-2013. In addition to the use of specialist somatic health care services, we include information on consultations with private specialists, general practitioners and physiotherapists, as well as individual level patient characteristics. Data are collected from different registers at Statistics Norway. We analyse whether the probability of visits to somatic treatment hospitals has changed due to the reform. Analyses based on descriptive statistics and regression analyses give no indications that use of specialist somatic health care services have changed as a result of municipal co-payment of these services.

Keywords: The Coordination Reform, Reform Evaluation, use of specialist health care, payment for treatment

1. Innledning1

Kommunal medfinansiering (KMF) ble innført 1. januar 2012 som et økonomisk virkemiddel i Samhandlingsreformen, men ble avviklet 1.1.2015. KMF innebar at pasientenes registrerte bostedskommune skulle betale medfinansiering for somatiske spesialisthelsetjenester, med unntak av kirurgi, fødsler, behandling av nyfødte og behandling med enkelte kostbare legemidler. Formålet med ordningen var å redusere bruken av spesialisthelsetjenester ved å gi kommunene insentiv til å utvikle alternative tilbud.

Myndighetenes bakgrunn for å innføre reformen var en hypotese om at når en kommune må betale for behandling av pasienter fra kommunen, ville den iverksette tiltak som reduserer bruken av de relevante spesialisthelsetjenester. Et kritisk forhold som spiller inn, er imidlertid hvorvidt kommunen har virkemidler for å påvirke pasientstrømmen til spesialisthelsetjenesten.

En stor del av innleggelsene i spesialisthelsetjenestene kommer fra sykehusenes egne poliklinikker. Disse innleggelsene er trolig relativt upåvirkelige for kommunene. Siden henvisninger fra fastleger og legevakt er basert på et faglig grunnlag, vil trolig også disse innleggelsene være relativt upåvirkelige for kommunene. Kommunene kan sannsynligvis påvirke pasientstrømmene til spesialisthelsetjenestene gjennom å satse på forebygging og å fremme folkehelsen. Dette er imidlertid tiltak som kan forventes å dempe forbruket av spesialisthelsetjenester på litt lengre sikt. Etablering av egne behandlingstilbud er det tiltaket som muligens vil kunne ha størst effekt på kort sikt. Dette vil kunne føre til at kommunene behandler pasienter som ellers ville mottatt behandling på sykehus. Trolig vil denne effekten være størst for pasienter som allerede er brukere av det kommunale pleie- og omsorgstilbudet. Dette er pasienter som kommunene allerede har regelmessig kontakt med, samt at kommunene har en viss myndighet til å påvirke legers atferd når det gjelder henvisning og innleggelser.

Selv om ordningen med KMF ikke gir kommunene en direkte innflytelse over henvisningene til spesialisthelsetjenestene, kan ordningen påvirke sammensetningen av spesialisthelsetjenester. Dette følger fordi KMF bare omfattet medisinske behandlinger på sykehus, men ikke kirurgisk behandling eller medisinske konsultasjoner hos private avtalespesialister. En mulig effekt av ordningen er derfor at bruken av medisinske opphold på sykehus får en større reduksjon (mindre vekst) sammenlignet med kirurgiske opphold, og at det er en større økning i medisinske konsultasjoner hos private avtalespesialister, som ikke er omfattet av KMF, sammenlignet med medisinske (polikliniske) konsultasjoner på sykehus.

KMF innebærer som nevnt at pasientenes registrerte bostedskommune skal betale medfinansiering for somatiske spesialisthelsetjenester, med unntak for kirurgi, fødsler, behandling av nyfødte og behandling med enkelte kostbare legemidler. Spesialisthelsetjenester som ikke er finansiert gjennom innsatsstyrt finansiering (ISF), er ikke inkludert i KMF.

Kommunenes medfinansiering beregnes ved at hvert sykehusopphold gis en poengverdi basert på oppholdets DRG (med et tak på 4 poeng per opphold). Summen av poeng for alle opphold danner så grunnlaget for hvor mye kommunen må betale:

Kommunal medfinansiering = Sum poeng x enhetsrefusjon x 20 %.

Enhetsrefusjonen ble endret fra år til år som ledd i behandlingen av statsbudsjettet, og var 38 209 kroner i 2012 og 39 447 kroner i 2013. Gjennom KMF ble ca. fem milliarder kroner per år omfordelt fra sykehusenes budsjetter til kommunene.

Når et tiltak skal evalueres, ville man, ideelt sett, ønske å observere de samme individer både med og uten tiltaket på ett og samme tidspunkt, men det lar seg selvsagt ikke gjøre i praksis. Et sentralt element i en effektevaluering er derfor å definere en kontrollgruppe som kan representere den kontrafaktiske situasjonen for dem som er omfattet av tiltaket. I hvilken grad det er mulig å etablere valide kontrollgrupper, vil blant annet avhenge av måten tiltaket innføres på. Det er for eksempel en stor fordel om det bare innføres ett tiltak, og at dette tiltaket innføres på ulike tidspunkt i ulike regioner. Dette er ikke tilfelle når det gjelder KMF. Reformen ble innført for alle norske kommuner til samme tid, og det ble innført en rekke andre samhandlingstiltak samtidig. Dette gjør det betydelig vanskeligere å etablere gode kontrollgrupper, noe som igjen gjør det vanskeligere å estimere kausale effekter.

Denne utfordringen håndterer vi ved å utnytte at KMF kun omfattet medisinske opphold. Vi har data både før og etter at reformen ble innført og gjennomfører en differanse-i-differanse2-analyse som undersøker om bruken av medisinske opphold er redusert etter at KMF ble innført sammenlignet med kirurgiske opphold.

Vårt hovedresultat er at bruken av medisinske opphold øker relativt til kirurgiske opphold i perioden KMF virket. Følgelig gir ikke analysen støtte til at forbruket av medisinske spesialisthelsetjenester ble redusert som følge av KMF.

I flere land (for eksempel Storbritannia og Danmark) gis det økonomiske insentiver for å anspore til forebygging og til at en større andel av behandlingen skjer i primærhelsetjenesten. I en oversiktsartikkel drøfter Beales og Smith (2012) studier som analyserer hvilken påvirkning primærhelsetjenesten kan ha på bruk av spesialisthelsetjenester, og hvordan økonomiske insentiver virker. Deres konklusjon er at det er lite forskning som tyder på at en generell ekspansjon av primærhelsetjenesten bidrar til å redusere etterspørselen etter spesialisthelsetjenester. Danmark innførte kommunal medfinansiering i forbindelse med strukturreformen i 2007, og erfaringene er omtalt blant annet i Vrangbæk et al. (2013). De finner ingen statistisk sammenheng mellom kommunale helsetjenester rettet mot eldre og antall sykehusinnleggelser.

Kvalvåg og Opedal (2015) oppsummerer resultatene fra forvaltningsrevisjon gjennomført i rogalandskommunene Stavanger, Sandnes og Strand i 2014. Forvaltningsrevisjonene viser at KMF i begrenset grad har dempet bruken av sykehustjenestene, og at sykehusaktivitetene er vanskelig å påvirke for kommunene.

I forbindelse med den danske kommunereformen ble erfaringer fra England og Finland rundt medfinansiering fra kommuner (Finland) og lokale bestillerorganisasjoner (England) samlet inn, se Ankjær-Jensen og Kilsmark (2007). Fokus var på hvorvidt en kan forvente en substitusjon fra spesialisthelsetjenester til helsetjenester i primærhelsesektoren. Selv om det kunne observeres tendenser til overføring av oppgaver, var det få indikasjoner på at det virkelig har vært en endring i oppgavefordeling. Yin et al. (2015), har sett på sammenhengen mellom kapasitet i primærhelsetjenesten og bruk av spesialisthelsetjenesten i Norge. De finner at liggetid i helseforetakene synes å være negativt korrelert med ressursbruk i kommunene, mens økt ressursbruk førte til flere innleggelser og høyere produksjon målt med DRG-poeng.

2. Data og deskriptiv statistikk

Vi bruker individdata fra tre ulike kilder: Norsk pasientregister (NPR), registeret Kontroll og Utbetaling av HelseRefusjon (KUHR) og Statistisk sentralbyrå. Datagrunnlaget omfatter hele den norske befolkning for perioden 2010–2013, altså både personer som mottok helsetjenester og personer som ikke mottok.3

Fra NPR har vi informasjon om alle pasienter som er blitt behandlet på somatiske sykehus i perioden 2010–2013. Dette inkluderer informasjon om alder, kjønn, behandlingsted, omsorgsnivå (poliklinikk, døgn- eller dagbehandling), DRG-plassering og antall bidiagnoser. Fra KUHR har vi mottatt informasjon blant annet knyttet til private avtalespesialister, og fra SSB har vi informasjon om sosioøkonomisk status (blant annet utdanning, inntekt og landbakgrunn) og bostedskommune for hele befolkningen.

Med utgangspunkt i disse dataene kartlegger vi forbruket av ulike typer spesialisthelsetjenester for hele befolkningen for perioden 2010–2013. Vi har utelatt personer med manglende informasjon, men dette utgjør færre enn 2000 personer hvert år. Over de fire årene inneholder datasettet 19 808 930 observasjoner.

Vi bruker fire ulike avhengige variabler: sannsynligheten for innleggelse, sannsynligheten for dagbehandling, sannsynligheten for poliklinisk behandling og sannsynligheten for behandling hos en privat avtalespesialist. Alt dette kaller vi «opphold». Det vil si at vi konstruerer variabler som er lik én om individet er registrert med minst ett opphold et gitt år og null ellers.

Vi skiller mellom opphold som er omfattet av KMF, og opphold som ikke er omfattet. For hvert individ får vi dermed to observasjoner hvert år, én som registrerer medisinske opphold og én som registrerer kirurgiske opphold, 39 617 860 observasjoner totalt.

Tabell 1 nedenfor viser hvor mange prosent av individene i datasettet som har minst ett opphold i spesialisthelsetjenesten i perioden 2010–2013, for opphold omfattet av KMF og opphold ikke omfattet av KMF. For sykehusinnleggelser har det vært en økning i andelen av personer som har vært innlagt på sykehus fram til og med 2012, men andelen reduseres noe i 2013. Utviklingen i forbruket av dagopphold viser at andelen med medisinske dagopphold øker fra 2011, mens andelen med kirurgiske dagopphold reduseres noe i 2013. Når det gjelder private avtalespesialister, er andelen individer som har fått kirurgisk behandling, økt etter at KMF ble innført, mens andelen som har mottatt medisinsk behandling, er relativ stabil i hele perioden.

 

Tabell 1. Andel personer med ett eller flere opphold, hele utvalget

 

2010

2011

2012

2013

Medisinske opphold

Innleggelse

6,88

6,91

6,95

6,89

Dagopphold

0,73

0,64

0,66

0,68

Poliklinisk konsultasjon

30,19

30,52

30,48

30,66

Privat spesialist

18,78

19,10

19,08

18,40

Kirurgiske opphold

Innleggelse

3,66

3,70

3,71

3,62

Dagopphold

3,54

3,52

3,51

3,45

Privat spesialist

2,12

2,15

2,30

2,23

Antall observasjoner

4 856 606

4 918 797

4 984 254

5 049 273

For å kontrollere for behov for helsetjenester i analysene inkluderer vi ulike forklaringsvariabler på individnivå, som alder, kjønn, landbakgrunn og antall bidiagnoser. I tillegg kontrollerer vi for familietype og gjennomsnittlige liggetider på sykehus (målt på kommunenivå). I noen analyser inkluderer vi også sosioøkonomisk status målt ved utdanning, inntekt, uførepensjon, sosialhjelp og sykefravær, samt variabler for kommunenes ressursbruk innen pleie- og omsorgstjenestene.

Tabell 2 viser deskriptiv statistikk for forklaringsvariablene. Tallene er beregnet med utgangspunkt i alle individer i utvalget, og vi ser at det er relativt små endringer over tid. Vi ser imidlertid at andelen personer med norsk bakgrunn reduseres noe, mens andelen med annen europeisk eller asiatisk bakgrunn øker tilsvarende. Som forventet, er det også en svak økning i gjennomsnittlig alder.

Tabell 2. Deskriptiv statistikk, forklaringsvariabler

 

2010

2011

2012

2013

Mann

0,50

0,50

0,50

0,50

Alder

39,58 (23,11)

39,65 (23,11)

39,73 (23,10)

39,81 (23,08)

Norge

0,80

0,79

0,78

0,77

Europa

0,11

0,12

0,12

0,13

Amerika

0,02

0,02

0,02

0,02

Afrika

0,02

0,02

0,02

0,02

Asia

0,05

0,05

0,06

0,06

Antall bidiagnoser:

Innleggelser

1,85

1,81

1,77

1,76

Dagbehandlinger

0,28

0,27

0,26

0,25

Poliklinikk

0,19

0,19

0,20

0,19

Liggetider (gjennomsnitt på kommunenivå):

Medisin

4,25

4,12

3,88

3,81

Kirurgi

5,56

5,41

5,19

5,06

Når det gjelder antall bidiagnoser, er disse beregnet separat for innleggelser, dagbehandlinger og poliklinikk, og for medisinsk og kirurgisk behandling. Det har vært en nedgang i antall bidiagnoser for innleggelser og dagbehandlinger, mens for polikliniske konsultasjoner er antall bidiagnoser omtrent konstant over perioden.

De gjennomsnittlige liggetidene har blitt betydelig redusert. Særlig ser det ut til å ha vært en stor nedgang fra 2011 til 2012. Vi ser videre at reduksjonen er omtrent like stor for både medisinske og kirurgiske behandlinger. Sammenligner vi perioden 2010–2011 med 2012–2013, er nedgangen omtrent 8 prosent for medisinske behandlinger, mens den er omtrent 9 prosent for kirurgiske behandlinger.

3. Metodisk tilnærming for effektanalyse

I regresjonsanalysen bruker vi en differanse-i-differanse-tilnærming. Denne metoden krever at man har data før og etter reformen, og at det kan etableres en kontrollgruppe som ikke er påvirket av reformen. I vår analyse innebærer metoden at vi kalkulerer forskjellen i forbruket av spesialisthelsetjenester før og etter reformen for tiltaks- og kontrollgruppen («within-difference»), for så å sammenligne denne forskjellen mellom de to gruppene («between-difference»). På denne måten kan vi studere om utviklingen i forbruket av medisinske behandlinger er vesensforskjellig fra utviklingen i forbruket av kirurgiske behandlinger. I den grad det kan godtgjøres at utviklingen i medisinske behandlinger, uten KMF, ville fulgt samme utvikling som kirurgiske behandlinger etter reformen, vil vi med denne metoden identifisere den kausale effekten av KMF. For en mer utfyllende forklaring av metoden viser vi til Angrist & Pischke (2008).

I analysen er det naturlig å definere en kontrollgruppe for hver type opphold. Dermed tar vi hensyn til at innleggelser, dagbehandling og poliklinikk kan ha ulik utvikling over tid uavhengig av tiltaket, f.eks. influert av teknologisk utvikling. For at kontrollgruppen skal representere den kontrafaktiske utviklingen, er det imidlertid en forutsetning at de to behandlingsformene forut for iverksettelse av tiltaket har en parallell utvikling som ville ha fortsatt om tiltaket ikke ble gjennomført. Innenfor hver type opphold ønsker vi altså å sammenligne utviklingen i opphold omfattet av KMF med utviklingen i opphold som ikke er omfattet. For innleggelser og dagopphold finnes begge tilfeller. Innenfor polikliniske opphold finnes bare de medisinske oppholdene som er omfattet av reformen. Medisinske konsultasjoner hos private spesialister er ikke omfattet av KMF direkte, men kan være indirekte påvirket dersom KMF fører til en vridning fra poliklinisk behandling på sykehus til bruk av private avtalespesialister. De framstår dermed ikke som en egnet kontrollgruppe. For polikliniske opphold er det derfor bare mulig å utføre en før/etter-analyse4.

For innleggelse og dagopphold estimerer vi denne differanse-i-differanse-modellen5:

(1) 

der Y er sannsynligheten for opphold, KMF og ETTER er to dummy-variabler for henholdsvis om oppholdet er av en type som er omfattet av kommunal medfinansiering og om behandlingen skjer etter innføringen av KMF. Vi er primært interessert i parameteren b3, som viser effekten av KMF, målt som endring i Y for opphold omfattet av KMF relativt til endring for opphold som ikke er omfattet av KMF etter at reformen er innført.

Modellen tar høyde for at det i utgangspunktet er forskjeller i utfallet Y mellom opphold med KMF og opphold uten KMF, f.eks. i sannsynligheten for en innleggelse. Dette fanges opp i parameteren b1. Videre kontrollerer modellen for en utvikling i Y over tid, som vi forutsetter er felles for eksperiment- og kontrollgruppen, målt med parameteren b2. Vi kontrollerer også for faktorer som kan forklare bruken av spesialisthelsetjenester, både på etterspørsels- (DEM) og tilbudssiden (KOM).6

På grunn av det store antallet observasjoner, bruker vi lineære modeller når vi estimerer sannsynligheten for behandling. For store utvalg kan imidlertid minste kvadraters metode forsvares som en god approksimasjon også når den avhengige variabelen er ikke-lineær (Angrist & Pischke, 2009).

4. Resultater

I tabell 3 sammenligner vi utviklingen i medisinske opphold med utviklingen i kirurgiske opphold for innleggelser og dagbehandlinger. Når det gjelder poliklinikk, er alle «opphold» medisinske. For disse oppholdene bruker vi medisinske konsultasjoner hos private spesialister som sammenligningsgruppe. Disse resultatene kommer vi tilbake til nedenfor.

Tabell 3. Sannsynligheten for opphold, fast effekt-modeller med robuste standardavvik.

 

Differanse-i-differanse

 

Innleggelse

Dagbehandling

Mann

–0.0026***

–0.0047***

 

(0.0001)

(0.0000)

Alder

0.0014***

0.0003***

 

(0.0000)

(0.0000)

Landbakgrunn: basiskategori er Norge

Europa

–0.0057***

–0.0025***

 

(0.0001)

(0.0001)

Amerika

–0.0008***

–0.0006***

 

(0.0002)

(0.0002)

Afrika

0.0056***

–0.0022***

 

(0.0003)

(0.0002)

Asia

0.0004**

–0.0022***

 

(0.0002)

(0.0001)

Liggetid (KOM)

–0.0005***

–0.0011***

 

(0.0001)

(0.0001)

KMF

0.0315***

–0.0299***

 

(0.0001)

(0.0001)

KMF x ETTER

0.0004**

0.0004***

 

(0.0001)

(0.0001)

ETTER

–0.0004*

–0.0009***

 

(0.0001)

(0.0001)

Konstantledd

–0.0154***

0.0326***

 

(0.0005)

(0.0003)

Kommunefast effekt

Ja

Ja

Observasjoner

39 617 860

39 617 860

Standardfeil i parentes, * p < 0.05, ** p < 0.01, *** p < 0.001

Den sentrale variabelen i analysen er «KMF x Etter» siden effekten viser om medisinske opphold har utviklet seg forskjellig fra kirurgiske etter reformen. Resultatene fra analysene gir ingen indikasjoner på at KMF har hatt en effekt som tilsiktet. Vi ser tvert imot at interaksjonsvariablene har motsatt fortegn av hva vi ville forventet om reformen hadde ført til en redusert sannsynlighet for behandling. Effektene er riktignok svært små: For både innleggelser og dagbehandlinger øker sannsynligheten med 0,04 promille mer en sannsynlighet for kirurgiske. Selv om disse resultatene er statistisk signifikante (noe som ikke er overraskende med nesten 40 millioner observasjoner), er de svært små og ikke økonomisk signifikante.

Når en skal vurdere om forutsetningene for differanse-i-differanse-modellen er oppfylt i denne sammenhengen, kan det reises flere innvendinger. Som nevnt kan samhandlingsreformen ha påvirket hyppigheten av både kirurgiske og medisinske opphold gjennom økt vekt på forebygging i kommunene, noe som innebærer at også kontrollgruppen kan være påvirket av reformen. Forutsetningen om samme trend for medisinske og kirurgiske behandlinger kan også være problematisk. Dette er først og fremst et empirisk spørsmål, som kan undersøkes ved å se på om trenden er den samme før reformen er innført, og den deskriptive statistikken underbygger ikke en slik antagelse for alle utfallsvariabler.

Slik samhandlingsreformen er implementert, er det vanskelig å imøtegå disse innvendingene fullt ut i analysen. Et problem er at KMF var ett av flere tiltak som ble innført samtidig. Ordningen med kommunalt betalingsansvar for utskrivningsklare pasienter kan ha redusert liggetidene og dermed frigjort kapasitet, gitt at dette ikke gir seg utslag i en betydelig økning i ikke-planlagte innleggelser. En økt kapasitet kan ha ført til at flere mottar behandling etter reformen. Dersom den frigjorte kapasiteten påvirker medisinske og kirurgiske behandlinger forskjellig, vil forutsetningen om lik trend være brutt.

Samhandlingsreformen pålegger også kommunene å etablere døgntilbud for øyeblikkelig hjelp. Om pasientene som mottar dette tilbudet, ellers ville blitt behandlet på sykehus, vil forbruket av spesialisthelsetjenester påvirkes. Vi har konstruert en variabel som, for hvert år, registrerer om kommunen har etablert denne type tilbud per 1. juli. Siden den estimerte effekten av KMF ikke ble påvirket av om variabelen var inkludert i regresjonene eller ikke, har vi valgt å ekskludere den fra analysene. Det er også tenkelig at KMF kan påvirke tidspunktet for når kommuner velger å etablere døgntilbud for øyeblikkelig hjelp. I så tilfelle kan det å kontrollere for kommunalt øyeblikkelig hjelp-døgntilbud føre til at effekten av KMF underestimeres.

Vi har i tillegg søkt å underbygge resultatene ved hjelp av sensitivitetsanalyse. En typisk framgangsmåte er å begrunne at noen grupper kan ha større/mindre effekt av reformen enn andre, og undersøke det i datamaterialet. Om estimeringer viser forventet effekt, vil det styrke resultatene som er funnet for hovedutvalget. Dersom estimatene for hovedutvalget ikke påviser noen statistisk signifikant effekt, kan det likevel tenkes at KMF har en effekt for underutvalg, noe som er interessant i seg selv.

I sensitivitetsanalysene har vi undersøkt om KMF har større effekt i de kommunene som har brukt mest ressurser på forebygging (målt som netto driftsutgifter til forebyggende arbeid, helse, per innbygger), og om KMF har større effekt for eldre over 80 år. I tillegg har vi analysert om KMF har ført til økt bruk av private avtalespesialister, og om ventetidene for medisinske behandlinger har blitt kortere som følge av KMF. For detaljer rundt disse analysene henviser vi til Askildsen et al. (2015).

Siden analysene ikke gir kvalitativt forskjellige resultat enn de analysene som presenteres i denne artikkelen, viser vi bare effekten av interaksjonsvariablene KMF x ETTER for analysene på et utvidet datagrunnlag og fra sensitivitetsanalysene.

Tabell 4. Sensitivitetsanalyser

 

Poliklinisk behandling

Ventetid

Lav vekst i ressurser til forbygging

Høy vekst i ressurser til forebygging Eldre over 80 år
Dag Døgn Dag Døgn Dag Døgn

KMF x

ETTER

-0.0033***

(0.0002)

0.8358

(1.0985)

0.004**

(0.0002)

0.003***

(0.0001)

0.0004

(0.0002)

0.0004***

(0.0002)

0.0039***

(0.0011)

0.0018***

(0.0005)

Tabell 4 viser at:

  • Om vi sammenligner kirurgiske og medisinske konsultasjoner hos private avtalespesialister, finner vi en statistisk signifikant lavere sannsynlighet for medisinske konsultasjoner etter reformen.

  • Det er ingen tendens til at ventetiden på medisinske behandlingsforløp har blitt redusert mer enn ventetiden for kirurgiske behandlingsforløp etter reformen.

  • Effektene for eldre over 80 år er tilsvarende for hva vi fant for hele utvalget.

  • Effekten av reformen synes ikke å avhenge av om kommunene har økt innsatsen til forebygging eller ikke.7

5. Oppsummering

KMF ble implementert 1.1.2012. Formålet med ordningen var å redusere bruken av spesialisthelsetjenester ved å gi kommunene insentiv til å utvikle alternative tilbud. I denne artikkelen dokumenterer vi resultatene fra en evaluering der vi analyserer om tiltaket har hatt den ønskede effekten.

Analysene gir ingen indikasjon på at kommunal medfinansiering reduserte forbruket av medisinske spesialisthelsetjenester. Tvert imot, i noen av analysene finner vi heller indikasjoner på at tiltaket påvirket medisinsk behandling positivt. I de fleste tilfeller er imidlertid disse effektene så små at de ikke kan regnes som økonomisk signifikante. Det er ingen grunn til at KMF i seg selv skulle føre til en vridning av aktiviteten mot mer medisinske spesialisthelsetjenester, og resultatene indikerer derfor at det også kan være andre forhold som påvirker bruken av spesialisthelsetjenester som det ikke er kontrollert for i analysene.

Mye tyder således på at KMF, i den perioden vi kunne observere mulige effekter, kun har ført til at en andel av pengestrømmen fra staten til helseforetakene er blitt kanalisert via kommunene uten å påvirke behandlingsaktiviteten. Det er for så vidt interessant at et finansielt virkemiddel, som påvirker relative priser, ikke synes å ha den tilsiktede effekt, som skulle være reduksjon av behandling i helseforetakene til fordel for mer aktivitet i kommunene. Dette kan skyldes at virkemiddelet ikke er velegnet for å oppnå de ønskete effekter, ved at det ikke treffer dem som tar de relevante beslutninger om behandling. Gitt den faktiske beslutningsstrukturen i helsetjenesten, er det god grunn til å tro at det er tilfellet. Men de manglende effekter kan selvsagt også skyldes at observasjonsperioden er for kort, og at tiltaket ville hatt en effekt i et lengre tidsrom. Spesielt ville en da kunne forvente at mulige virkninger av endret aktivitet knyttet til forebygging kunne slå ut.

Det kan være metodiske forhold som påvirker resultatene fra evalueringen. Den ideelle situasjonen der randomiserte kontrollerte forsøk ikke er mulig, er at bare ett virkemiddel innføres, og at dette virkemiddelet innføres i ulike regioner til ulik tid. Siden man i Samhandlingsreformen innførte en rekke ulike virkemidler samtidig i alle kommuner, er det vanskelig å finne valide kontrollgrupper, noe som gjør det svært utfordrende å separere effektene fra de ulike virkemidlene. I tillegg er det også tenkelig at andre endringer som påvirker forbruket av spesialisthelsetjenester, kan inntreffe samtidig med reformen.

Litteratur

Angrist, J., & S. Pischke (2008). Mostly Harmless Econometrics: An Empiricists’ Companion, Princeton, NJ, Princeton University Press.

Ankjær-Jensen, A., & J Kilsmark (2007). Kommunal medfinansiering af sundhedsydelser – Udfordringer og muligheder for kommuner og regioner. Dansk sundhedsinstitut, DSI rapport 2007, 03. Hentet fra: http://www.kora.dk/udgivelser/udgivelse/i3934/Kommunal-medfinansiering-af-sundhedsydelser

Askildsen, J.E., Holmås, T.H., Kaarbøe, O., & K. Monstad (2015). Evaluering av kommunal medfinansiering. Notat 6, 2015. Bergen: Stein Rokkan Senter for flerfaglige Samfunnsstudier, Uni Research Bergen.

Beales, S., & P.C. Smith (2012). The role of primary health care in controlling the cost of specialist health care. Nordic Economic Policy Review, 2, 153−186.

Borge, L.E., & O.H. Nyhus (2013). Kommunal medfinansiering av sykehustjenester. Betydning av helseforetak, avstand og private avtalespesialister. SØF-rapport 01/13.

Kvalvåg, S., & S. Opedal (2015). Samhandlingsreformens økonomiske virkemilder – virker de? Kommunerevisoren, 1, 12−17.

Vrangbæk, K., & L.M. Sørensen (2013). Does municipal co-financing reduce hospitalisation rates in Denmark? Scandinavian journal of public health, 41(6), 616−622.

Yin, J., Dahl, F.A., Hagen, T.P., & Lurås, H. (2015). The influence of primary care capacity on hospital use among the elderly. Manuscript Faculty of Medicine, University of Oslo (PhD Dissertation Jun Yin).

1Artikkelen er skrevet i forbindelse med prosjektet «Resultater av samhandlingsreformen: Bedre helse, bedre helsetjenester, bedre samfunnsøkonomi?» og er finansiert av Norges forskningsråd (NFR-nummer 220804). Vi takker to konsulenter for gode kommentarer til et tidligere utkast.
2Angrist & Pischke (2008) gir en nærmere presentasjon av metoden.
3I tillegg til individdata har vi i noen analyser brukt data som beskriver ulike forhold ved kommunene, hentet fra Samhandlingsstatistikk fra Helsedirektoratet. Vi bruker også informasjon om ressursinnsatsen innenfor forebygging hentet fra KOSTRA for å undersøke om KMF har en større effekt i kommuner med stor ressursinnsats.
4I en slik analyse, uten sammenligningsgruppe, vil den målte effekten måtte tilskrives samhandlingsreformen som helhet.
5For enkelhets skyld har vi utelatt fotskrift i notasjonen, men som forklart over, bruker vi to observasjoner for hvert individ for hvert år; én for opphold omfattet av KMF og én for andre opphold.
6Modellen fanger opp trekk ved kommunene som er konstante over tid gjennom kommunefaste effekter (vektoren KOM), for eksempel avstand til sykehus. Borge og Nyhus (2013) fokuserer på betydningen slike faktorer har for KMF.
7Vi deler kommunene i to grupper etter om veksten i forebygging er større eller mindre enn gjennomsnittsveksten fra 2010/2011 til 2012/2013.

Idunn bruker informasjonskapsler (cookies). Ved å fortsette å bruke nettsiden godtar du dette. Klikk her for mer informasjon