Oznaka poročila: ARRS-CRP-ZP-2012-05/12 ZAKLJUČNO POROČILO O REZULTATIH CILJNEGA RAZISKOVALNEGA PROJEKTA A. PODATKI O RAZISKOVALNEM PROJEKTU 1.Osnovni podatki o raziskovalnem projektu Šifra projekta V5-1050 Naslov projekta SUMOFIN - Spremljanje Učinkovitosti MOdela FINanciranja zdravstvene dejavnosti Vodja projekta 21658 Alen Orbanic Naziv težišča v okviru CRP 4.08.03 Spremljanje učinkovitosti modela financiranja zdravstvene dejavnosti in poslovne uspešnosti izvajalcev Obseg raziskovalnih ur 2858 Cenovni razred B Trajanje projekta 10.2010 - 09.2012 Nosilna raziskovalna organizacija 101 Inštitut za matematiko, fiziko in mehaniko Raziskovalne organizacije -soizvajalke 1027 Inštitut za varovanje zdravja Republike Slovenije 1538 Univerza v Ljubljani, Fakulteta za elektrotehniko 1669 Univerza na Primorskem, Inštitut Andrej Marušič Raziskovalno področje po šifrantu ARRS 3 MEDICINA 3.08 Javno zdravstvo (varstvo pri delu) Družbeno-ekonomski cilj 07. Zdravje 2.Raziskovalno področje po šifrantu FOS1 Šifra 3.03 - Veda 3 Medicinske vede - Področje 3.03 Zdravstvene vede 3.Sofinancerji2 Sofinancerji 1. Naziv Ministrstvo za zdravje Republike Slovenije Naslov Štefanova ulica 5 B. REZULTATI IN DOSEŽKI RAZISKOVALNEGA PROJEKTA 4.Povzetek projekta3 SLO V projektu smo se lotili pregleda podatkov SPP (skupine primerljivih primerov), ki jih bolnišnice in druge zdravstvene institucije poročajo Inštitutu za varovanje zdravja (IVZ). Analiza je potekala na podatkih iz obdobja 2004 - 2010, torej od uvedbe sistema dalje. Anonimizirana baza podatkov zajema poleg kod SPP še podatke o glavni in dodatnih diagnozah, podatke o opravljenih postopkih in posegih ter nekatere socio-ekonomske vrednosti (regija, spol, starost, izobrazba). V projektu smo raziskovali kvaliteto poročanih podatkov ter njihov vpliv na učinkovitost financiranja zdravstvenega sistema. Pri tem smo naleteli na različna odstopanja, ki jih lahko nekako razčlenimo na več podskupin: - Težave z manjkajočimi podatki Veliko vrednosti, ki jih izvajalcem storitev ni nujno potrebno posredovati, manjka v vzorcu podatkov. Predvsem se pojavlja problem pri določenih socio-ekonomskih indikatrojih, ki manjkajo v več kot 50% vseh primerov. - Neskladnost pri kodiranju med različnimi izvajalci Različni izvajalci kodirajo enake posege na zelo različne načine, kar se vidi po porazporeditvi različnih SPP kod pri enakih glavnih diagnozah. Prav tako obstajajo velike razlike pri številu uporabljenih diagoz za kodiranje istega posega (npr. porod). - Slaba kvaliteta v poročanju postopkov Postopki in posegi predstavljajo enega izmed glavnih indikatorjev kvalitete zdravstvene oskrbe. Pri analizi poročanih podatkov smo ugotovili zelo slabo kvaliteto podatkov, na podlagi katerih ne moremo sklepati o oskrbi, katere je bil deležen pacient. Kljub temu, da naj bi bili poročani ključni posegi in postopki, so med najpogostejšimi poročanimi podatki najbolj rutinski postopki (odvzem krvi), ki niso specifični za zdravljenje določene diagnoze. - Težave pri poročanju podatkov na IVZ in ZZZS Bolnišnice poročajo SPP podatke ločeno Institutu za varovanje zdravja (IVZ) in Zavodu za zdravstveno zavarovanje Slovenije (ZZZS). Zaradi varovanja zasebnih podatkov, so na ZZZS poročani le podatki o SPP kodi, niso pa poročane diagnoze in posegi. Skladnost podatkov poročanih na IVZ in na ZZZS ni redno preverjana, zaradi česar je financiranje manj transparentno in v določenih primerih manj pravično. - Razlike med izvajalci glede na ležalno dobo Veliko tuje literature uporablja ležalno dobo kot približek za učinkovitost zdravljenja. Pri analizi ležalne dobe za določene bolezni smo ugotovili velika odstopanja med izvajalci, predvsem pa smo ugotovili razlike med javnimi in zasebnimi izvajalci storitev. - Povratna informacija izvajalcem storitev Izvajalci zdravstvenih storitev dobijo povratno informacijo o svojem delu šele leto dni po opravljenih storitvah. Dodana vrednost poročanih podatkov je s tem nizka, hkrati pa ne omogoča sprotne primerjave med različimi izvajalci. Predlagamo redno in sistematično pregledovanje podatkov, ažurno povratno informacijo bolnišnicam in večjo transparentnost poročanih podatkov z možnostjo primerjave med različnimi izvajalci. V te namene smo pripravili testno aplikacijo za poročanje podatkov, ki smo jo izdelali v odprtokodnem programskem okolju Pentaho. ANG In the project we have studied DRG data (Diagnosis Related Groups) reported by Slovenian hospitals and other health institutions to Institute of Public Health (IVZ). The analysis was conducted on data from the period 2004 - 2010. Beside the DRG code the anonymised data also contain primary and additional diagnoses, details of the procedures and interventions, and some socio-economic indicators (region, gender, age, education). In this project, we have studied the quality of the reported data and their impact on the effectiveness of the financing of the health system. In doing so, we found a number of anomalies that can somehow be broken down into several sub-groups: - Problems with missing data Many of the values that the service providers do not necessarily need to report are missing in the sample data. The problem is with certain socio-economic indicators that are missing in more than 50% of all cases. - Inconsistency in coding between different Various service providers encode the same interventions in very different ways, which is reflected by distribution over various DRG codes for the same primary diagnosis. There are also significant differences in the number of diagnoses used to encode a single intervention (eg. childbirth). - Poor quality of reported procedures Procedures represent one of the main indicators of quality of care. In the analysis of the reported data, we found a very poor quality of data on which we cannot draw conclusions about the actual care provided to patients. Despite the requirement, that all key procedures have to be coded, the most common reported data are the most routine procedures (blood testing), which usuall represent non-specific treatment. - Difficulties in reporting to IVZ and ZZZS Hospitals report DRG data separately (IVZ) and the Health Insurance Institute of Slovenia (ZZZS). In order to protect private information, DRG codes are reported to ZZZS with certain data related to diagnoses and procedures omitted. Consistency of data reported to the IVZ and the ZZZS is not regularly reviewed, making it less transparent funding and in some cases less fair. - Differences between service providers according to the duration of stay Duration of stay is often used as one of indicstors for the effectiveness of treatment. In the analysis of inpatient lengths for certain diagnoses, we found significant discrepancies between the service providers, and clear distinction between public and private service providers. - Feedback to the service provider Health care providers receive feedback on their work only a year after reporting. The added value of the reported data is thus very poor and does not allow real-time comparison between different service providers. We propose a regular and systematic review of data, timely feedback to hospitals and greater transparency of the reported data with the possibility of comparisons between different providers. For this purpose, we prepared a test application for the reporting of data, which was created in the Pentaho open source programming environment. S.Poročilo o realizaciji predloženega programa dela na raziskovalnem projektu4 Projekt je obsegal 7 delovnih sklopov, od katerih je bil prvi namenjen koordinaciji in vodenju projekta, zadnji pa diseminaciji. V okviru drugega delovnega sklopa (DS2 - Študija obstoječega modela financiranja) smo projekt začeli s študijem literature, zbiranjem podatkov od delovanju sistema, pregledu zgodovine uvajanja SPP pri nas in tujini ter pregledom dobrih in slabih praks. Izvedli smo problemsko delavnico, kjer smo se dobili vsi partnerji v projektu in izpostavili ključne probleme. S strani IVZ smo pridobili anonimizirane podatke iz sistema SPP (skupine primerljivih primerov) in se začeli spoznavati z njimi. V okviru tretjega delovnega sklopa (DS3: Definicija kazalnikov in meril učinkovitosti) smo se lotili modeliranja sistema za spremljanje učinkovitosti. Pri tem smo že takoj naleteli na določene nejasnosti glede potovanja SPP podatkov preko sistema, nivoja skrbi za kakovost podatkov ter izobraževanja koderjev. Zaradi tega smo izvedli manjšo anketo na terenu v bolnišnicah, kjer smo ugotovili, da je glede sistema SPP na terenu veliko nezadovoljstva. Po eni strani primanjkuje znanja in motivacije za pravilno kodiranje, ob tem da je sistem izobraževanja praktično nedelujoč, po drugi strani pa določene bolnišnice s prekodiranjem poskušajo doseči čim dražjo utež. Slednje ob tem, da je kontrola kakovosti podatkov trenutno zelo omejena, odpira vrsto dvomov v verodostojnost podatkov. K tem dvomom dodatno prispeva dejstvo, da se podatki ločeno poročajo s strani bolnišnic na IVZ ter ZZZS, ti podatki pa se ne preverjajo navzkrižno. Projekt je potem potekal v dveh smereh. Ena smer je bila v skladu z delovnimi sklopi, kjer smo v DS3 najprej definirali kazalnike in merila učinkovitosti ter na podlagi tega začeli izvajati intenzivne analize na podatkih. Cilj je bil razvoj analitičnih metod in znanj, ki bodo omogočale preverjanje kakovosti podatkov (DS4). Na izbranih sistemih smo potem izvedli in interpretirali te analize pri čemer smo preučili in vpeljali kot orodje za kasnejše izvajanje avtomatičnih analiz odprtokodni sistem za analitiko in poročanje Pentaho. Ugotovili in potrdili smo, da bi s pomočjo te infrastrukture lahko na kakovosten in poceni način podprli dinamično razvijajoče se metodologije in postavili prototipe. Na ta način smo izvedli množico analiz s pomočjo različnih metodologij, ključne rezultate pa predstavili v vsebinskem zaključnem poročilu, ki ga bomo zaradi občutljivosti podatkov (zdravstveni podatki) in obvez glede tega posredovali zgolj naročniku (Ministrstvo za zdravje). V analize in razvoj metodologij je bilo vloženo veliko metodološkega in tehničnega truda, pridobljenih je bilo veliko analitičnih rezultatov, ugotovljeno je bilo, da je za podporo dela neke analitične skupine, ki bi skrbela za kakovost podatkov v prihodnosti, na voljo dovolj tehnologije, ki jo je moč pridobiti praktično brez nekih omembe vrednejših finančnih vložkov, ključno pa je osebje in know-how. Pri tem smo vzpostavili dobro medinstitucionalno in interdisciplinarno sodelovanje med partnerji, ki bo osnova za nadaljnje projekte. Med izvajanjem projekta smo tako pridobili še en projekt s strani ARRS, ki se deloma ukvarja z nadaljevanjem obravnave tematike v tem projektu (L1—4292). Učinkovit zdravstveni sistem je tak, ki nudi celovito in kvalitetno oskrbo za elotno prebivalstvo, hkrati pa nudi pravično plačilo za opravljene storitve. Plačilo zdravstvenih storitev v Sloveniji poteka po sistemu SPP (Skupine Primerljivih Primerov). Obravnavani pacienti so uvrščeni v določeno SPP skupino glede na glavno in dodatne diagnoze, v nekaterih primerih pa tudi glede na izvajane posege ter druge znacilnosti (starost, v nekaterih primerih ležalna doba). Sistem SPP v svoji osnovi motivira izvajalce zdravstvenih storitev k bolj učinkovitemu delu, krajšim ležalnim dobam ter boljšo uporabo sredstev. Seveda je tak sistem lahko učinkovit in pravičen le, če zagotovimo kakovost poročanih podatkov. Med identificiranimi anomalijami v poročanih podatkih so najbolj izrazite naslednje: Težave z manjkajočimi podatki. Veliko vrednosti, ki jih izvajalcem storitev ni nujno potrebno posredovati, manjka v vzorcu podatkov. Predvsem se pojavlja problem pri določenih socio-ekonomskih indikatrojih, ki manjkajo v več kot 50% vseh primerov. Neskladnost pri kodiranju med različnimi izvajalci. Različni izvajalci kodirajo enake posege na zelo različne načine, kar se vidi po porazporeditvi različnih SPP kod pri enakih glavnih diagnozah. Prav tako obstajajo velike razlike pri številu uporabljenih diagoz za kodiranje istega posega (npr. porod). Slaba kvaliteta v poročanju postopkov. Postopki in posegi predstavljajo enega izmed glavnih indikatorjev kvalitete zdravstvene oskrbe. Pri analizi poročanih podatkov smo ugotovili zelo slabo kvaliteto podatkov, na podlagi katerih ne moremo sklepati o oskrbi, katere je bil deležen pacient. Kljub temu, da naj bi bili poročani ključni posegi in postopki, so med najpogostejšimi poročanimi podatki najbolj rutinski postopki (odvzem krvi), ki niso specifični za zdravljenje določene diagnoze. Težave pri poročanju podatkov na IVZ in ZZZS Bolnišnice poročajo SPP podatke ločeno Institutu za varovanje zdravja (IVZ) in Zavodu za zdravstveno zavarovanje Slovenije (ZZZS). Zaradi varovanja zasebnih podatkov, so na ZZZS poročani le podatki o SPP kodi, niso pa poročane diagnoze in posegi. Skladnost podatkov poročanih na IVZ in na ZZZS ni redno preverjana, zaradi česar je financiranje manj transparentno in v določenih primerih manj pravično. Razlike med izvajalci glede na ležalno dobo. Veliko tuje literature uporablja ležalno dobo kot približek za učinkovitost zdravljenja. Pri analizi ležalne dobe za določene bolezni smo ugotovili velika odstopanja med izvajalci, predvsem pa smo ugotovili razlike med javnimi in zasebnimi izvajalci storitev. Neažurna povratna informacija izvajalcem storitev. Izvajalci zdravstvenih storitev dobijo povratno informacijo o svojem delu komaj leto dni po opravljenih storitvah. Dodana vrednost poročanih podatkov je s tem zelo slaba, hkrati pa ne omogoča sprotne primerjave med različimi izvajalci. Na drugem nivoju projekta (manj tehničnem, bolj strateškem) smo ob vsaki priložnosti izpostavljali naslednje: • pomanjkanje strategije glede vodenja sistema SPP. • Pomanjkanje zakonodaje glede upravljanja zdravstenih podatkovnih zbirk, ki bi jasno opredeljevale obveznosti posameznih inštitucij kar se tiče upravljanja SPP. • Posledično zelo šibek sistem nadzora kakovosti SPP podatkov. • Pomanjkanje ali celo popoln primanjkljaj izobraževanja koderjev. Tako smo organizirali več bolj ali manj odmevnejših delavnic in predstavitev, ki so med drugim vključevale: • dve delavnici na IVZ ob prisotnosti vodstva IVZ na prvi delavnici in ob pristotnosti državne sekretarke na MZ na drugi delavnici; • predstavitev projekta pri Združenju zavarovalnic. • predstavitev metodologij in projekta na različnih domačih in tujih konferencah; • organiziranje odmevnega srečanja z uglednim gostom iz tujine g. Richard Marshallom. Slednje srečanje je bilo organizirano za namene dialoga med različnimi akterji na področju SPP. Na srečanju je svoje izkušnje in poglede predstavil priznani avstralski strokovnjak, ki je sodeloval tudi pri začetni implementaciji sistema SPP v Sloveniji, dr. Richard Marshall. Ta je podal svojo vizijo razvoja sistema ter večkrat poudaril pomembnost ažurne povratne informacije bolnišnicam ter potrebo po ureditvi zdravstvenih podatkov, ki potem omogoča »drill-down« analize stroškov in izboljšanje učinkovitosti sistema. V okviru srečanja smo organizirali tudi okroglo mizo z uglednimi gosti: takratni g. minister Dorijan Marušič (Ministrstvo za zdravje), ga. Tanja Mate (ZZZS), oba sta aktivno v pomembnih vlogah sodelovala pri vzpostavljanju sistema SPP; ga. mag. Marija Seljak (direktorica IVZ) in direktor Splošne bolnišnice Jesenice, g. Igor Horvat. Splošna bolnišnica Jesenice velja, kar se tiče učinkovitega upravljanja, za eno najbolj naprednih bolnišnic v Sloveniji, ki je pogosto zgled ostalim bolnišnicam. Na srečanju so bili jasno izpostavljeni ključni problemi, med njimi tudi problem zakonske ureditve obveznosti glede podatkovnih zbirk v zdravstvu. V zaključnem poročilu za naročnika smo pripravili tudi priporočila. 6.Ocena stopnje realizacije programa dela na raziskovalnem in zastavljenih raziskovalnih ciljev5 Program je bil realiziran v celoti. Tekom izvajanja programa smo imeli redna srečanja s skrbnico projekta na Ministrstvu za zdravje. mag. Vlasto Kovačič Mežek. Inicialno je bilo mišljeno, da bi se v okviru projekta posvetili podatkovno-analitičnem delu, kmalu pa se je izkazalo, da je bilo potrebno zaradi sistemskih neustreznosti razširiti delo na sistemsko analitično, v upanju da se bo s spremembo zakonodaje v bližnji prihodnosti doseglo izboljšanje kakovosti podatkovnih zbirk. 7.Utemeljitev morebitnih sprememb programa raziskovalnega projekta oziroma sprememb, povečanja ali zmanjšanja sestave projektne skupine6 Vse planirane aktivnosti so bile izvedene. Dodatno smo obseg dela razširili, kot je navedeno v prejšnji točki. 8.Najpomembnejši znanstveni rezultati projektne skupine7 Znanstveni dosežek 1. COBISS ID 2547941 Vir: vpis v poročilo Naslov SLO GRAŠIČ, Katja, JENSTERLE, Lea, CHEN, Hao, ORBANIČ, Alen, YAZBECK, Anne-Marie. Importance of recognizing variance in clinical pathway. ANG GRAŠIČ, Katja, JENSTERLE, Lea, CHEN, Hao, ORBANIČ, Alen, YAZBECK, Anne-Marie. Importance of recognizing variance in clinical pathway. Opis SLO Prispevek na konferenci, povezan s tehnologijami in izzivi za vzpostavitev kliničnih poti preko procesnih orodij, ki omogočajo bolj učinkovit zajem zdravstvenih podatkov. ANG Contribution at a conference related to technologies and challenges of implementing care pathways using process modeling tools, which enable more efficient health related data collection. Objavljeno v V: PLAZAR, Nadja (ur.), BABNIK, Katarina (ur.), MEULENBERG, Cecil J. W. (ur.). Javno zdravje v 21. stoletju : program : mednarodni posvet, [Izola, Slovenia, 15-16 September 2011] : programme : international conference, Izola, Slovenia, 15-16 September 2011. Izola: Visoka šola za zdravstvo, 2011, str. 43. [COBISS.SI-ID 2547941] Tipologija 1.08 Objavljeni znanstveni prispevek na konferenci 2. COBISS ID 2549477 Vir: vpis v poročilo Naslov SLO ORBANIČ, Alen, YAZBECK, Anne-Marie, HORVAT, Boris, GRAŠIČ, Katja. Optimizing health care systems : working in current economic environment. ANG ORBANIČ, Alen, YAZBECK, Anne-Marie, HORVAT, Boris, GRAŠIČ, Katja. Optimizing health care systems : working in current economic environment. Opis SLO Prispevek na konferenci na temo izzivov s katerimi se soočamo pri optimiranju javnih zdravstvenih sistemov glede na trenutno ekonomsko situacijo. ANG A contributiona on a conference related to challenges in optimization of public health systems in relation to current situation of economy. Objavljeno v V: PLAZAR, Nadja (ur.), BABNIK, Katarina (ur.), MEULENBERG, Cecil J. W. (ur.). Javno zdravje v 21. stoletju : program : mednarodni posvet, [Izola, Slovenia, 15-16 September 2011] : programme : international conference, Izola, Slovenia, 15-16 September 2011. Izola: Visoka šola za zdravstvo, 2011, str. 59-60. [COBISS.SI-ID 2549477] Tipologija 1.08 Objavljeni znanstveni prispevek na konferenci 3. COBISS ID 6218324 Vir: vpis v poročilo Naslov SLO MEŽA, Marko, BRESKVAR, Marko, KOŠIR, Andrej, BRICL, Irena, TASIČ, Jurij F., ROŽMAN, Primož. Telemedicine in the blood transfusion laboratory - remote interpretation of pre-transfusion tests. ANG MEŽA, Marko, BRESKVAR, Marko, KOŠIR, Andrej, BRICL, Irena, TASIČ, Jurij F., ROŽMAN, Primož. Telemedicine in the blood transfusion laboratory - remote interpretation of pre-transfusion tests. Opis SLO Razvit je bil telemedicinski sistem za transfuzijo krvi, ki omogoča podajanje ekspertnih mnenj lokalnim bolnišnicam s strani centralnih referenčnih laboratorijev. Telemedicinski sistem omogoča preglede in izvedbo interpretacij pred transfuzijskih testov na daljavo, ki se izvedejo s pomočjo ID kartic (tehnologija micro-tube). Sistem je bil nameščen v treh transfuzijskih laboratorijh v Sloveniji, ki se nahajajo na razdalji približno 70 km. Validacija sistema je bila izvedena preko 99 kliničnih primerov, ki so bili naključno izbrani med izvajanjem rutinsko prakse in je pokazala, da je sistem primeren za praktično uporabo. ANG We have developed a telemedicine system for blood transfusion work, to supply the local hospital laboratory with an expert opinion from the central reference laboratory. The telemedicine system allows remote inspection and interpretation of pre-transfusion tests, which are performed by ID-cards (micro-tube gel technology). The system was installed at three blood transfusion laboratories in Slovenia, approximately 70 km apart. The validation proved that the telemedicine system was suitable for operational use. Objavljeno v J Telemed Telecare, 2007, vol. 13, no. 7, str. 357-362, ilustr. [COBISS.SI-ID 6218324 Tipologija 1.01 Izvirni znanstveni članek 9.Najpomembnejši družbeno-ekonomsko relevantni rezultati projektne skupine8 Družbenoekonomsko relevantni dosežki 1. COBISS ID 16286809 Vir: COBISS.SI Naslov SLO Predstavitev projekta implementacije in informatizacije kliničnih poti ANG Presentation of a project of implementation of e-care pathways Opis SLO V okviru strokovnega članka so bile predstavljene aktivnosti v okviru večih projektov povezane z vzpostavljanjem elektronskih kliničnih poti v praksi. ANG Activities related to implementation of care e-pathways are presented, which are carried out within different projects. Šifra B.06 Drugo Združenje zdravstvenih zavodov Slovenije; NOVIS; 2011; Letn. 38, št. 8; Objavljeno v str. 24-26; Avtorji / Authors: Horvat Boris, Grašič Katja Tipologija 1.04 Strokovni članek 2. COBISS ID 239049984 Vir: vpis v poročilo Naslov SLO Tehnično uredništvo mednarodne znanstvene revije Ars Mathematica Contemporanea ANG Technical editors of international scientific journal Ars Mathematica Contemporanea Opis SLO Boris Horvat in Alen Orbanic sta vključena v tehnično uredništvo revije AMC že od samega začetka v letu 2007. Razvoj revije je potekal izjemno hitro, saj je leta 2011 bila uvrščena na SCIE z impact faktorjem 0,4. ANG Boris Horvat and Alen Orbanic are involved with inception and technical editing of the AMC journal since its inception in 2007. The journal developed very quickly and in 2011 started to be indexed by SCI. Its impact factor in 2011 is 0.4 Šifra C.06 Članstvo v uredniškem odboru Objavljeno v http://amc.imfm.si Tipologija 4.00 Sekundarno avtorstvo 3. COBISS ID Vir: vpis v poročilo Naslov SLO Vodenje Razvojno tehnološke skupine (RTS) na Inštitutu za matematiko, fiziko in mehaniko v Ljubljani (IMFM), Vodenje Centra za sodelovanje z industrijo (CSI), Univerza na Primorskem, Inštitut Andrej Marušič (UP IAM) ANG A head of Technology Development Group (RTS) at the Institute of Mathematics, Physics and Mechanics, Ljubljana; A head of Centre of Industrial Applications (CIA), Universtity of Primorska, Andrej Marušič Institute (UP IAM) Opis SLO Alen Orbanic, 2007 - trenutno. Predstojnik RTS na IMFM. Cilj RTS je spodbujanje sodelovanje matematikov z industrijo. Boris Horvat, 2012 - trenutno. Predstojnik CSI na UP IAM. Gre za center s podobnim poslanstvom kot RTS le da na drugi univerzi. ANG Alen Orbanic, 2007 - present. Head of RTS at IMFM. The goal of the Technology Development Group is to encourague involvement of mathematicians into cooperation with industry. Boris Horvat, 2012 - present. Head of CIA at UP IAM. This is a similar center with similar goals as RTS, only involving more sciences, on different university. Šifra D.07 Vodenje centra/laboratorija Objavljeno v http://www.imfm.si, http://iam.upr.si Tipologija 4.00 Sekundarno avtorstvo 10.Drugi pomembni rezultati projektne skupine9 Raziskovalna skupina je predstavila rezultate svojega dela na več neformalnih srečanjih po različnih ustanovah: zavarovalnicah, bolnišnicah in drugih zdravstvenih zavodih. S tem smo širili zavedanje o pomembnosti SPP podatkov, njihovi uporabni vrednosti ter o napakah, ki se pogosto pojavljajo pri delu z le temi. 11.Pomen raziskovalnih rezultatov projektne skupine10 11.1.Pomen za razvoj znanosti11 SLO Podatkovne zbirke iz področja zdravja so in bodo v prihodnosti igrale pomembno vlogo na različnih področjih tako v znanosti kot v gospodarstvu. Skrb za kakovost podatkov že danes bo zagotovila kakovostne podatke za raziskave v prihodnosti, ki si jih dan danes morda še sploh ne znamo predstavljati. V okviru projekta smo se posvetili razvojem analitičnih metodologij ter vzpostavili medinstitucionalno in interdisciplinarno sodelovanje, ki se je že med tekom projekta nadgradilo z novimi pridobljenimi razvojno-raziskovalnimi projekti. V tujini so v okviru univerz in inštitucij vzpostavljeni močni statistično analitični oddelki za področje zdravstvenih podatkov, v Sloveniji pa je znanost povezana s tem še v povojih. Eden od pomembnejših posrednih rezultatov projekta je, da je sodelavka Katja Grašič ravno ob koncu projekta pridobila raziskovalno pozicijo na York University v Veliki Britanji, kjer je tovrstna znanost že dobro razvita. Upamo, da bomo preko tega sodelovanja dosegli izgradnjo in nadgradnjo novih znanj tudi v Sloveniji. ANG Health care related databases are, and will in the future, playing an important role in various fields in science in the economy. Concern for the quality of data today will provide high quality data for research in the future, that we today may not even imagine. The project was focused on developing analytical methodologies and establish inter-institutional and interdisciplinary collaboration that was already in the course of the project upgraded with new acquired research and development projects. In some developed countries certain universities and institutions have strong statistical analytical departments in the field of health data, while in Slovenia the science associated with these is still in its infancy. One of the most important indirect results of the project is that a member of project team, Katja Grašič, has just at the end of the project acquired a research position at York University in Great Britain, where such science is already well developed. We hope to achieve through this cooperation further development of new knowledge in Slovenia. 11.2.Pomen za razvoj Slovenije12 SLO Uspešen, delujoč sistem javnega zdravstva je v veliki meri odvisen od uspešnosti sistema financiranja le-tega. Za pravično, transparentno in učinkovito financiranje zdravstvenih storitev moramo kot osnovo vzeti kvaliteto podatkov, preko katerih se nato sprejmejo odločitve o razporeditvi finančnih in drugih sredstev med vsemi akterji. Isti podatki, ki so po eni strani uporabljeni za potrebe financiranja, se uporabijo tudi pri pripravi različnih strategij. Dolgoročno je torej kakovost zdravstvenih podatkov izjemnega pomena ne samo za razvoj povezanih znanosti, ampak tudi za razvoj učinkovitih sistemov upravljanja javnega zdravstvenega sistema ter posredno tudi za razvoj visoko-tehnološkega gospodarskega storitvenega sektorja povezanega s tem (informacijske storitve, podatkovna analitika, farmacija, metodologije upravljanja, sistemi zavarovanja in financiranje, ...) V raziskovalne projektu smo identificirali različne nepravilnosti v podatkih, ki jih bolnišnice pošiljajo različnim ključnim ustanovam. Ravno tako smo ugotovili sistemske anomalije, ki so posledica predvsem neurejene zakonodaje o zbirkah podatkov in ne dovolj intenzivne kontrole kakovosti podatkov. V okviru projekta, potencialnih nadaljevanj preko drugih projektov in tudi v vseh diseminacijskih aktivnostih se raziskovalna ekipa trudi, da tudi na sistemskem področju prišlo do vidnejših premikov. ANG Successful functioning health care system is largely dependent on the effectiveness of the system of financing it. Health care related data quality should be taken as the basis for a fair, transparent and effective financing of health services, where quality data serves as an objective fundamental for making decisions related to allocation of financial and other resources among all service providers. The same information that is on the one hand used for financing shall be used in the preparation of various strategies. In long term quality of health care related data is of the utmost importance not only for the development of related science, but also for the development of effective systems of management of the public health system, and indirectly also for the development of high-tech economic service sector associated with this (information services, data analytics, pharmacy, management methodologies, insurance schemes and funding, ... ) In the research project, we have identified various irregularities in the data sent by hospitals to various key institutions. We also found systemic abnormalities that are a consequence of lack of laws related to the health care related data collections' management and not enough thorough quality control data. Related to this topic, our team is trying through the project, its potential sequels, through other projects and in all dissemination activities to encourague major shifts towards the betterment of the current situation. 12.Vpetost raziskovalnih rezultatov projektne skupine. 12.1.Vpetost raziskave v domače okolje Kje obstaja verjetnost, da bodo vaša znanstvena spoznanja deležna zaznavnega odziva? □ v domačih znanstvenih krogih 0 pri domačih uporabnikih Kdo (poleg sofinancerjev) že izraža interes po vaših spoznanjih oziroma rezultatih?13 Interes po rezultatih poleg sofinancerja prihaja tudi s strani plačnikov zdravstvenih storitev, to je iz zasebnih in javnih zdravstvenih zavorovalnic. Le teh se sami rezultati neposredno dotikajo, saj je njihovo delovanje neposredno odvisno od poročanih podatkov. Prav tako so izrazile interes po rezultatih nekatere bolnišnice, ki bi se rade primerjala z ostalimi zdravstvenimi ustanovami in izboljšale svoje poslovanje. 12.2.Vpetost raziskave v tuje okolje Kje obstaja verjetnost, da bodo vaša znanstvena spoznanja deležna zaznavnega odziva? 0 v mednarodnih znanstvenih krogih □ pri mednarodnih uporabnikih Navedite število in obliko formalnega raziskovalnega sodelovanja s tujini raziskovalnimi inštitucijami:14 V okviru projekta SUMOFIN smo vzpostavili sodelovanje s centrom za zdravstveno ekonomiko Univerze v Yorku (York, Velika Britanija). Kateri so rezultati tovrstnega sodelovanja:15 Ena od ključnih raziskovalk v projektu, Katja Grašič, je ravno ob koncu projekta pridobila raziskovalno pozicijo na Univerzi v Yorku, Velika Britanja. Glede na zelo dobro raziskovalno skupino na tej univerzi upamo, da se je s tem vzpostavilo močno sodelovanje, ki bo omogočalo prenos najnovejših znanj in dognanj v Slovenijo na kar se da učinkovit način. C. IZJAVE Podpisani izjavljam/o, da: • so vsi podatki, ki jih navajamo v poročilu, resnični in točni • se strinjamo z obdelavo podatkov v skladu z zakonodajo o varstvu osebnih podatkov za potrebe ocenjevanja in obdelavo teh podatkov za evidence ARRS • so vsi podatki v obrazcu v elektronski obliki identični podatkom v obrazcu v pisni obliki • so z vsebino letnega poročila seznanjeni in se strinjajo vsi soizvajalci projekta • bomo sofinancerjem istočasno z zaključnim poročilom predložili tudi študijo ali elaborat, skladno z zahtevami sofinancerjev Podpisi: vodja raziskovalnega projekta: zastopnik oz. pooblaščena oseba in raziskovalne organizacije: Inštitut za matematiko, fiziko in Alen Orbanic mehaniko ŽIG Kraj in datum: Ljubljana |10.10.201r Oznaka prijave:ARRS-CRP-ZP-2012-05/12 1 Zaradi spremembe klasifikacije je potrebno v poročilu opredeliti raziskovalno področje po novi klasifikaciji FOS 2007 (Fields of Science). Prevajalna tabela med raziskovalnimi področji po klasifikaciji ARRS ter po klasifikaciji FOS 2007 (Fields of Science) s kategorijami WOS (Web of Science) kot podpodročji je dostopna na spletni strani agencije (http://www.arrs.gov.si/sl/gradivo/sifranti/preslik-vpp-fos-wos.asp). Nazaj 2 Podpisano izjavo sofinancerja/sofinancerjev, s katero potrjuje/jo, da delo na projektu potekalo skladno s programom, skupaj z vsebinsko obrazložitvijo o potencialnih učinkih rezultatov projekta obvezno priložite obrazcu kot priponko (v skeniranem PDF formatu) in jo v primeru, da poročilo ni polno digitalno podpisano, pošljite po pošti na Javno agencijo za raziskovalno dejavnost RS. Nazaj 3 Napišite povzetek raziskovalnega projekta (največ 3.000 znakov v slovenskem in angleškem jeziku) Nazaj 4 Napišite kratko vsebinsko poročilo, kjer boste predstavili raziskovalno hipotezo in opis raziskovanja. Navedite ključne ugotovitve, znanstvena spoznanja, rezultate in učinke raziskovalnega projekta in njihovo uporabo ter sodelovanje s tujimi partnerji. Največ 12.000 znakov vključno s presledki (približno dve strani, velikosti pisave 11). Nazaj 5 Realizacija raziskovalne hipoteze. Največ 3.000 znakov vključno s presledki (približno pol strani, velikosti pisave 11) Nazaj 6 V primeru bistvenih odstopanj in sprememb od predvidenega programa raziskovalnega projekta, kot je bil zapisan v predlogu raziskovalnega projekta oziroma v primeru sprememb, povečanja ali zmanjšanja sestave projektne skupine v zadnjem letu izvajanja projekta (obrazložitev). V primeru, da sprememb ni bilo, to navedite. Največ 6.000 znakov vključno s presledki (približno ena stran, velikosti pisave 11). Nazaj 7 Znanstveni in družbeno-ekonomski dosežki v programu in projektu so lahko enaki, saj se projekna vsebina praviloma nanaša na širšo problematiko raziskovalnega programa, zato pričakujemo, da bo večina izjemnih dosežkov raziskovalnih programov dokumentirana tudi med izjemnimi dosežki različnih raziskovalnih projektov. Raziskovalni dosežek iz obdobja izvajanja projekta (do oddaje zaključnega poročila) vpišete tako, da izpolnite COBISS kodo dosežka - sistem nato sam izpolni naslov objave, naziv, IF in srednjo vrednost revije, naziv FOS področja ter podatek, ali je dosežek uvrščen v A'' ali A'. Nazaj 8 Znanstveni in družbeno-ekonomski dosežki v programu in projektu so lahko enaki, saj se projekna vsebina praviloma nanaša na širšo problematiko raziskovalnega programa, zato pričakujemo, da bo večina izjemnih dosežkov raziskovalnih programov dokumentirana tudi med izjemnimi dosežki različnih raziskovalnih projektov. Družbeno-ekonomski rezultat iz obdobja izvajanja projekta (do oddaje zaključnega poročila) vpišete tako, da izpolnite COBISS kodo dosežka - sistem nato sam izpolni naslov objave, naziv, IF in srednjo vrednost revije, naziv FOS področja ter podatek, ali je dosežek uvrščen v A'' ali A'. Družbenoekonomski dosežek je po svoji strukturi drugačen, kot znanstveni dosežek. Povzetek znanstvenega dosežka je praviloma povzetek bibliografske enote (članka, knjige), v kateri je dosežek objavljen. Povzetek družbeno ekonomsko relevantnega dosežka praviloma ni povzetek bibliografske enote, ki ta dosežek dokumentira, ker je dosežek sklop več rezultatov raziskovanja, ki je lahko dokumentiran v različnih bibliografskih enotah. COBISS ID zato ni enoznačen izjemoma pa ga lahko tudi ni (npr. v preteklem letu vodja meni, da je izjemen dosežek to, da sta se dva mlajša sodelavca zaposlila v gospodarstvu na pomembnih raziskovalnih nalogah, ali ustanovila svoje podjetje, ki je rezultat prejšnjega dela _ - v obeh primerih ni COBISS ID). Nazaj 9 Navedite rezultate raziskovalnega projekta iz obdobja izvajanja projekta (do oddaje zaključnega poročila) v primeru, da katerega od rezultatov ni mogoče navesti v točkah 7 in 8 (npr. ker se ga v sistemu COBISS ne vodi). Največ 2.000 znakov vključno s presledki. Nazaj 10 Pomen raziskovalnih rezultatov za razvoj znanosti in za razvoj Slovenije bo objavljen na spletni strani: http://sicris.izum.si/ za posamezen projekt, ki je predmet poročanja Nazaj 11 Največ 4.000 znakov vključno s presledki Nazaj 12 Največ 4.000 znakov vključno s presledki Nazaj 13 Največ 500 znakov vključno s presledki (velikosti pisave 11) Nazaj 14 Največ 500 znakov vključno s presledki (velikosti pisave 11) Nazaj 15 Največ 1.000 znakov vključno s presledki (velikosti pisave 11) Nazaj Obrazec: ARRS-CRP-ZP/2012-05 v1.00c 49-AB-7D-EE-87-98-86-74-D3-1B-27-56-95-10-8B-CE-4B-BE-2C-B4 Zaključno poročilo projekta SUMOFIN - Spremljanje Učinkovitosti Modela FINanciranja zdravstvene dejavnosti Ljubljana 10.10.2012 Pripravili: • Katja Grašič • mag. Anne Marie Yazbeck • Mojca Omerzu • dr. Marko Meža • doc. dr. Boris Horvat • dr. Alen Orbanic Povzetek V projektu SUMOFIN - Spremljanje Učinkovitosti Modela FINanciranja zdravstvene dejavnosti smo se ukvarjali z delovanjem sistema poročanja podatkov za potrebe financiranja po modelu Skupin primerljivih primerov (SPP), pri čemer smo se ukvarjali tako s praktičnimi vidiki samega vnašanja podatkov in potovanja podatkov med različnimi institucijami, kot tudi z statističnimi in ekonometričnimi analizami samih podatkov. Rezultati raziskave niso presenetljivi, saj potrjujejo domneve o pogostih nepravilnostih v poročanju, nepreglednem potovanju podatkov transparentnosti potovanja podatkov ter izpostavljajo probleme, ki nastanejo s slabo komunikacijo med različnimi institucijami. Kazalo Povzetek.....................................................................................................................................3 Uvodnik......................................................................................................................................9 O projektu.................................................................................................................................11 Organizacije vključene v projekt...........................................................................................11 Faze in mejniki projekta........................................................................................................12 Uvod.........................................................................................................................................14 Opis sistema SPP......................................................................................................................14 Delovanje SPP-ja v praksi......................................................................................................17 Vpeljava SPP v Sloveniji........................................................................................................17 Delo s podatki SPP.............................................................................................................19 Izkušnje pri uvajanju SPP v tujini..........................................................................................20 Uporabljeni podatki..................................................................................................................21 Kakovost podatkov...................................................................................................................29 Manjkajoči podatki - socioekonomski indikatorji................................................................30 Manjkajoči podatki: ponovni sprejemi in premestitve............................................................31 Kodiranje diagnoz.....................................................................................................................33 Primer: porod.......................................................................................................................33 Kodiranje diagnoz - primer AMI...........................................................................................37 Hopitalizacija z ležalno dobo................................................................................................37 Dolgotrajna dnevna obravnava............................................................................................43 Beleženje postopkov in posegov..............................................................................................44 Diagnoza Z763 ......................................................................................................................45 Učinkovitost glede na ležalno dobo.........................................................................................46 Razlike v ležalni dobi pri zdravljenju iste bolezni/diagnoze - primerjava z drugimi Evropskimi državami...................................................................................................................................51 Učinkovitost zasebnih inštitucij v primerjavi z javnimi za poseg zamenjave kolka..............56 Povratna informacija bolnišnicam............................................................................................58 Sistem poročanja..................................................................................................................59 Analiza po SPP utežeh..............................................................................................................65 Projekcija stroškov za zdravje v prihodnosti............................................................................66 Rezultati napovedi................................................................................................................66 Vpliv demografskih sprememb.............................................................................................67 Scenariji zdravstvenega statusa............................................................................................68 Scenariji o vplivih prihodkov.................................................................................................69 Scenariji stroškov na enoto..................................................................................................70 Tehnološki scenarij...............................................................................................................71 Referenčni scenarij...............................................................................................................72 Zaključek in priporočila............................................................................................................73 Kazalo slik SLIKA 1: POTEK ZDRAVSTVENE OSKRBE................................................................................................................17 SLIKA 2: POT SPP PODATKOV OD PACIENTA DO USTANOVE................................................................................20 SLIKA 3: SPREMEMBE V POSEGIH V OBDOBJU ZAJEMA PO MESECIH..................................................................22 SLIKA 4: DELEŽ PRIMEROV PO POSAMEZNIH USTANOVAH..................................................................................24 SLIKA 5: ŠTEVILO PONOVNIH SPREJEMOV V LETU 2009.......................................................................................25 SLIKA 6: ŠTEVILČO PACIENTOV GLEDE NA REGIJO...............................................................................................29 SLIKA 7: PODATKI O ZAKONSKEM STANU PACIENTOV..........................................................................................31 SLIKA 8: PODATKI O PONOVNEM SPREJEMU PACIENTOV....................................................................................32 SLIKA 9: KODIRANJE GLAVNE DIAGNOZE PO BOLNIŠNICAH PO MKB-10..............................................................34 SLIKA 10: ŠIFRA SPP MED IZVAJALCI.....................................................................................................................35 SLIKA 11: RAZPOREDITEV KODIRANIH GLAVNIH DIAGNOZ MED IZVAJALCI.........................................................37 SLIKA 12: LEŽALNA DOBA PRI HOSPITALIZACIJI ZA AMI........................................................................................42 SLIKA 13: RAZPOREDITEV ŠTEVILA DNI V DOLGOTRAJNI OBRAVNAVI (VIR: SPP_BO 2010).................................44 SLIKA 14: POROČANJE POSEGOV V LETIH 2004-2010 (VIR: SPP_BO 2004-2010)..................................................44 SLIKA 15: RAZLIKE PRI PODAJANJU POSTOPKOV PRI ZDRAVLJENJU AMI PRI ŠTIRIH RAZLIČNIH IZVAJALCIH.......45 SLIKA 16: POVPREČNA LEŽALNA DOBA ZA VSE VZROKE V LETIH 2000 IN 2008 V EVROPI....................................47 SLIKA 18: GIBANJE POVPREČNE LEŽALNE DOBE V SLOVENIJI PO UVEDBI SISTEMA SPP.......................................48 SLIKA 19: LEŽALNA DOBA V UKC LJUBLJANA.........................................................................................................49 SLIKA 21: POVPREČNA LEŽALNA DOBA ZA SPLOŠNE BOLNIŠNICE..........................................................................1 SLIKA 22: POVPREČNA LEŽALNA DOBA ZA PORODNIŠNICI KOPER IN POSTOJNA.................................................50 SLIKA 23: POVPREČNA LEŽALNA DOBA ZA SPECIALISTIČNE BOLNIŠNICE.............................................................51 SLIKA 23: PRIMERJAVA POVPREČNE LEŽALNE DOBE PRI OBRAVNAVI AKUTNEGA, MIOKARDNEGA INFARKTA, VIR: OECD.....................................................................................................................................................52 SLIKA 26: PRIMERJAVA POVPREČNE LEŽALNE DOBE PRI NORMALNEM PORODU V RAZLIČNIH EVROPSKIH DRŽAVAH. (VIR: OECD).................................................................................................................................53 SLIKA 19: POVPREČNA LEŽALNA DOBA ZA SPP SKUPINO I03................................................................................54 SLIKA 20: LEŽALNA DOBA PRI ZAMENJAVI KOLKA.................................................................................................55 SLIKA 21: LEŽALNA DOBA PRI ZAMENJAVI KOLKA PO RAZLIČNIH SLOVENSKIH ZDRAVSTVENIH USTANOVAH ZA LETO 2008..................................................................................................................................................... 55 SLIKA 29: ANALIZA: REGRESIJSKI MODEL..............................................................................................................57 SLIKA 29: LEŽALNA DOBA (DATUM ZAKLJUČKA OBRAVNAVE-DATUM ZAČETKA OBRAVNAVE)...........................58 SLIKA 21: PRIKAZ POSTOPKA IZDELAVE INTERAKTIVNE PLOŠČE O LEŽALNIH DOBAH............................................1 SLIKA 22: SKUPNO ŠTEVILO SPP UTEŽI (VIR:IVZ)...................................................................................................65 SLIKA 23: POVPREČAN VREDNOST SPP UTEŽI (VIR: IVZ)......................................................................................66 SLIKA 25: PREGLED NAPOVEDANIH SPREMEMB V ZDRAVSTVENIH STROŠKIH KOT % BDP-JA MED LETI 2007 IN 2060 GLEDE NA RAZLIČNE SCENARIJE (VIR:EU)............................................................................................67 SLIKA 26: ČISTI DEMOGRAFSKI SCENARIJ: NAPOVEDI STROŠKOV JAVNEGA ZDRAVSTVA KOT % BDP-JA, 20072060 (VIR:EU, 2009)..................................................................................................................................... 68 SLIKA 27: PRIMERJAVA NAPOVEDANI STROŠKOV ZA ZDRAVSTVO (°% DBP-JA, EU27 POVPREČJE) GLEDE NA RAZLIČNE ZDRAVSTVENE SCENARIJE (VIR:EU).............................................................................................69 SLIKA 28: VRZEL MED POVPREČNIMI STROŠKI ZA ZDRAVSTVO V EU15 IN EU12 NAPOVEDANIH GLEDE NA RAZLIČNE SCENARIJE (VIR:EU)......................................................................................................................71 SLIKA 29: PRIMERJAVA NAPOVEDANI STROŠKOV ZA ZDRAVSTVO (°% DBP-JA, EU27 POVPREČJE) GLEDE NA ELASTIČNOST PRIHODKA IN TEHNOLOŠKE SCENARIJE (VIR:EU)...................................................................72 SLIKA 30: NAPOVEDANI REZULTATI ZA REFERENČNI SCENARIJ (VIR: EU).............................................................73 Uvodnik Leta 2003, ko je bil sistem SPP (Skupine Primerljivih Primerov) prvič implementiran v Slovenski zdravstveni prostor, je to pomenilo pomemben korak k trajnostnemu, učinkovitemu in pravičnemu plačevanju zdravstvenih storitev. Novi sistem je obljubljal veliko: večjo transparentnost med bolnišnicami, povečano motivacijo za zdravstvene organizacije in njihove zaposlene po izboljšanju kakovosti zdravstvenih storitev ter pozitiven prispevek k boljšemu delovanju celotnega zdravstvenega sistema. Devet let po implementaciji SPP sistema lahko kritično pogledamo na prehojeno pot ter identificiramo tako pozitivne stvari, ki jih je prinesel sistem, kot tudi negativne strani, ki jih bo potrebno v kasnejših letih izboljšati oziroma odpraviti. V projektu SUMOFIN - Spremljanje Učinkovitosti Modela FINanciranja zdravstvene dejavnosti (CRP-V5-1050) smo na podlagi podatkov, ki so jih bolnišnice poročale Inštitutu za varovanje zdravja med leti 2004 in 2010, ugotavljali nepravilnosti v poročanih podatkih, slabosti sistema, kot tudi njegove pozitivne plati. Rezultati naših raziskav po eni strani niso presenetljivi, saj je določena mera nepravilnosti v zdravstvenih podatkih bila že vnaprej pričakovana. Hkrati pa je prav, da opozorimo na identificirane anomalije, težave s kodiranjem zaradi nepoznavanja prakse kodiranja in na napake, nastale zaradi nepazljivosti in nenatančnosti. Samo s poznavanjem procesa dela in identifikacijo možnih nepravilnosti lahko izboljšamo sistem poročanja in zmanjšamo napake. Merjenje učinkovitosti zdravstvenih inštitucij je zelo zahtevno in večplastno področje; medtem, ko naši podatki po eni strani za določene posege kažejo veliko krajšo ležalno dobo pri zasebnih ponudnikih v primerjavi z javnimi, isti podatki nakazujejo na selektivno izbiranje pacientov. Pri pregledu dela med različnimi izvajalci smo ugotovili velika odstopanja pri ležalnih dobah, tudi po tem, ko smo podatke utežili glede na spol, starost in dodatne diagnoze. Ti rezultati lahko služijo kot vodila za identifikacijo dobrih praks, na podlagi katerih se lahko naredijo priporočila in nasveti za vse izvajalce zdravstvenih ustanov za izboljšanje učinkovitosti in zvišanje kakovosti dela. V projektu smo se poleg iskanja nepravilnosti v podatkih osredotočili tudi na razumevanje celotnega sistema poročanja podatkov SPP. Pri tem smo večkrat naleteli na nejasnosti in tudi nepravilnosti, ki izhajajo iz kompleksnosti in velikosti celotnega sistema financiranja zdravstvenih storitev. Pri tem je kot glavna pomankljivost bila ugotovljena odsotnost centralne institucije oz. službe, ki bi skrbela za nadzor in razvoj sistema, hkrat pa bi le ta lahko bila odgovorna tudi za redno poročanje in povratno informacijo bolnišnicam. Za izboljšanje podajanja povratnih informacij izvajalcem zdravstvenega dela, preko katerih bi le te lahko spremljali svoj napredek in preko primerjav z ostalimi izvajalci identificirali možnosti za izboljšanje svojega delovanja, smo se odločili za testno implementacijo sistema za poročanje SPP podatkov. V poročilnem sistemu Pentaho smo testno prikazali možnosti za podajanje informacij o SPP podatkih tako izvajalcem zdravstevenih storitev, kot tudi zainteresiranim predstavnikom različnih zdravstvenih institucij. Želimo si, da bi nekoč sistem poročanja izvajalcev resnično zaživel in pripomogel k transparentnosti in kredibilnosti SPP podatkov. Projekta smo se lotili izrazito interdisciplinarno, ter želeli preko pogovorov z različnimi vpletenimi v zdravstveni sistem - tako iz Ministrstva za zdravje, IVZ-ja, ZZZS-ja, kot tudi preko zaposlenih v bolnišnicah - ugotoviti različne poglede na delovanje sistema, ki se včasih razlikujejo bolj, kot smo pripravljeni priznati. Želimo si, da bi rezultati projekta SUMOFIN spodbudili vse vpletene k večjemu sodelovanju pri izpolnjevanju skupnega cilja -zagotavljanja kakovostnega in učinkovitega zdravstvenega varstva za celotno populacijo dr. Alen Orbanic, vodja projekta SUMOFIN O projektu Naziv projekta: SUMOFIN - Spremljanje Učinkovitosti MOdelaFINanciranja zdravstvene dejavnosti ARRS šifra projekta: V5-1050 Organizacije vključene v projekt V projektu sodelujejo naslednje organizacije: - Inštitut za matematiko, fiziko in mehaniko (IMFM): dr. Alen Orbanic (vodja), prof. dr. Vladimir Batagelj, dr. Iztok Kavkler, Nejc Bodlaj, Gašper Derganc - Univerza na Primorskem, Primorski inštitut za naravoslovne in tehnične vede (PINT): dr. Boris Horvat, dr. Primož Lukšič, Mate Beštek, prof. dr. Andrej Brodnik, Katja Grašič - Univerza v Ljubljani, Fakulteta za elektrotehniko (UL FE): prof. dr. Jurij Franc Tasič, dr. Marko Meža, Matej Zajc, Marko Tkalčič - Inštitut za varovanje zdravja (IVZ): Mag. Anne-Marie Yazbeck Želimo se tudi zahvaliti Mojci Omerzu in Nevenki Kelšin. Izvedbo projekta smo razdelili na naslednje delovne sklope (povzeto iz prijave na razpis): DS1: Koordinacija in vodenje projekta - koordinacija med partnerji in s sorodnimi projekti - vodenje projekta, vzpostavitveni sestanek - izdaja zahtevkov in pomoč pri pripravi vmesnih poročil DS2: Študija obstoječega modela financiranja - študija literature - problemska delavnica - pridobitev podatkov - definicija problemov - zbiranje, analiza in razvrstitev obstoječih rešitev - priprava vmesnega poročila DS3: Definicija kazalnikov in meril učinkovitosti - Modeliranje sistema za spremljanje učinkov sprememb - Definicija vhodnih in izhodnih kazalnikov s poudarkom na SPP - Definicija meril učinkovitosti DS4: Razvoj metodologije za spremljanje učinkovitosti - Razvoj modela za spremljanje učinkovitosti - Predlog metodologije za sistematično spremljanje učinkovitosti - Priprava vmesnega poročila DS5: Simulacija modela za spremljanje učinkovitosti na izbranem podsistemu - Vzpostavitev testnih podatkovnih baz s poudarkom na anonimizaciji - Izvajanje simulacij - Popravki kazalnikov in meril učinkovitosti - Priprava vmesnega poročila DS6: Analiza modela financiranja in predlogi izboljšav - Predlogi izboljšav modela financiranja - Končna dokumentacija projekta DS7: Diseminacija - Informiranje in promocija projektnih rezultatov - Izvedba seminarjev - Objava rezultatov v strokovnih in znanstvenih publikacijah - Zaključno poročilo projekta Rezultate projekta smo sproti predstavljali na seminarjih (Sredin seminar na Univerzi v Ljubljani, Fakulteti za matematiko in fiziko, Seminar na Univerzi na Primorskem, Inštitut Andrej Marušič) ter na domačih in mednarodnih izobraževalnih konferencah. Faze in mejniki projekta Čas trajanja projekta smo razdelili na 24 mesecev. Faza 1. Zagon (1.-6. mesec) - 1.-3. mesec: Zagonski sestanek projektne skupine, študija literature, problemska delavnica, pridobitev podatkov. - 3.-6. mesec: Pridobitev podatkov, definicija problemov, zbiranje, analiza in razvrstitev obstoječih rešitev, priprava vmesnega poročila. Faza 2. Modeliranje (7.-13. mesec) - 7.-9. mesec: Definicija kazalnikov in meril učinkovitosti, modeliranje sistema za spremljanje učinkov sprememb, definicija vhodnih in izhodnih kazalnikov s poudarkom na SPP, definicija meril učinkovitosti, razvoj modela za spremljanje učinkovitosti - 10.-13. mesec: Razvoj metodologije za spremljanje učinkovitosti, razvoj modela za spremljanje učinkovitosti, predlog metodologije za sistematično spremljanje učinkovitosti Faza 3. Simulacije s popravki modela (14.-21. mesec) - 14.-15. mesec: Priprava vmesnega poročila, vzpostavitev testnih podatkovnih baz s poudarkom na anonimizaciji. - 15.-21. mesec: Simulacija modela za spremljanje učinkovitosti na izbranem podsistemu, izvajanje simulacij, popravki kazalnikov in meril učinkovitosti, priprava vmesnega poročila. Faza 4. Zaključek projekta (22.-24. mesec) - 22.-23. mesec: Predlogi izboljšav modela financiranja. - 24. mesec: Končna dokumentacija projekta in zaključno poročilo projekta. Uvod Zdravje predstavlja eno izmed najpomembenjših vrednot in bogastev v človekovem življenju in kot tako vpliva na delovanje celotne družbe. Zato je razumljivo, da je vzpostavitev učinkovitega javnega sistema zdravstvenega varstva ena izmed prioritetnih nalog vsake družbe oz. države. Sistem zdravstvenega varstva pa poleg zdravstvenih storitev vključuje tudi sisteme financiranja izvajalcev zdravstvenih storitev. (Ceglar, 2004, str.1) Financiranje sistema zdravstvenega varstva zajema zbiranje sredstev in razdeljevanje sredstev (oz. plačevanje) izvajalcem zdravstvene dejavnosti. Modeli plačevanja izvajalcem so različni. Razlike izhajajo iz opravljanja različnih vrst zdravstvenih dejavnosti. Modeli plačevanja se lahko razlikujejo tudi v okviru posamezne zdravstvene dejavnosti, izbrani model plačevanja pa je odvisen od oblikovalcev zdravstvene politike. Modeli plačevanja izvajalcem zdravstvene dejavnosti zastavljajo različne cilje, eden izmed najpomembnejših je pravičnost z vidika zagotavljanja enakosti plačil izvajalcem za opravljene enake storitve. Dosedanji modeli financiranja zdravstvene dejavnosti v Sloveniji so temeljili na plačevanju po storitvah, bolnišnično oskrbnih dnevih, primerih in na skupinah primerljivih primerov. Vsak izmed teh modelov je imel določene prednosti in slabosti, ki naj bi jih odpravil model plačevanja po primerih, uveden leta 2004 (Ceglar, 2004, str.1). Modeli plačevanja po oskrbnih dnevih, primerih in po skupinah primerljivih primerov spadajo med tako imenovane »pavšalne« načine plačevanja, saj so izvajalci plačani glede na primer (oz. na bolnišnični dan), medtem ko so v modelu plačevanja po storitvah obračunani posamezni posegi. Plačevanje na podlagi storitev temelji na natančno opredeljenih zdravstvenih storitvah in njihovih relativnih cenah. Učinkovitost metode je odvisna od števila postavljenih osnovnih storitvenih enot in vzpostavljenega nadzora. Plačevanje na podlagi storitev omogoča pregledno in pravičnejše razporejanje sredstev po opravljenem delu in nudi spodbude za stroškovno učinkovitost, vendar tudi za opravljanje čim večjega števila storitev (Ceglar, Marušič in Prevolnik-Rupel, 2009, str. 178). V poročilu bomo pregledali sisteme financiranja zdravstvene oskrbe v Sloveniji ter stroške za zdravstveno oskrbo. Opis sistema SPP Akutna bolnišnična obravnava je skupek dejavnosti (opazovanja, diagnostike in zdravljenja), ki se nanaša na celotno akutno zdravstveno oskrbo osebe v bolnišnici. Med akutne obravnave spadajo kratkotrajna zdravljenja, kjer se pacient zdravi (lahko tudi za zelo težko bolezen) krajši čas. Akutna bolnišnična obravnava se začne s sprejemom osebe v prvo izmed zdravstvenih služb bolnišnice, ki izvajajo akutni tip obravnave. Konča se z odpustom iz bolnišnice, s premestitvijo osebe v zdravstveno službo iste bolnišnice, ki ne izvaja akutnega tipa bolnišnične obravnave, ali s smrtjo osebe. Akutna bolnišnična obravnava je sestavljena iz ene ali več bolnišničnih epizod, ki se izvajajo v zdravstvenih službah z lokacijo (po šifrantu baze podatkov o izvajalcih, IVZ RS). SPP (skupine primerljivih primerov) je način razvrščanja bolnikov v skupine, za katere porabimo podobno količino virov, podlaga za razvrščanje bolnikov pa so statistične analize kliničnih podatkov in podatkov o porabi virov velikih vzorcev bolnikov. Na podlagi statističnih izračunov je izračunana osnovna cena posameznega primera zdravljenja, s katero izvajalec obračuna svoje delo plačniku. Vsaka bolnišnična obravnava se v sistemu SPP na podlagi glavne diagnoze in ob upoštevanju morebitnih drugih podatkov, na primer dodatnih diagnoz in posegov, razporedi v določeno skupino. Skupine se tvorijo na podlagi medicinskih podatkov, kot je diagnoza, pri čemer se upoštevajo tudi ekonomski parametri. Vsaka skupina vsebuje bolnišnične obravnave, ki zahtevajo podobno količino virov. Tako so lahko v isti skupini zbrane tudi bolnišnične obravnave z različnimi glavnimi diagnozami ali posegi, kadar so stroški primerljivi. V najboljšem primeru naj bi bila torej skupina tako z medicinskega kot ekonomskega vidika homogena, sistem pa naj bi vseboval le pregledno število skupin. V številnih industrijskih državah se delež BDP za izdatke v zdravstveni panogi povečuje. Osnovni namen pavšalnih finančnih sistemov je znižanje stroškov za zdravstvo. Pavšalni sistem stimulira izvajalce storitev (npr. bolnišnice) k temu, da stroški ne presegajo predpisanega pavšalnega zneska. Ker je kriterij za uvrstitev v skupino glavna diagnoza, in ne terapevtske storitve, je za izvajalca storitev to spodbuda, da obseg diagnostičnih in terapevtskih postopkov omeji na potreben minimum. Nadaljnji želeni učinki tega sistema so skrajšanje ležalne dobe in zmanjšanje bolnišničnih kapacitet in osebja. Vse to naj bi pripomoglo k znižanju stroškov in stabiliziranju nacionalne zdravstvene oskrbe. Vendar pa SPP ne vpliva na kakovost kliničnega dela. Za spodbujanje dobre klinične prakse in kakovosti se v slovenskem zdravstvu z razvojem medicine in tehnologije uvajajo novi in izboljšani diagnostični postopki, ki jih spremlja tudi razvoj posameznih kliničnih smernic in kliničnih poti. Te imajo v zrelih sistemih tudi pomembno vlogo pri določanju cen zdravstvenih storitev, kar pomeni, da se z njihovim razvojem nenehno izpopolnjuje in razvija tudi sistem SPP. Osnovni namen SPP je pridobitev podatkov o izvajanju zdravstevnih storitev. Upravljalec zbirke tovrstnih podatkov je IVZ, ki zbrane podatke SPP uporablja tudi za oceno stanja in zmožnosti bolnišničnega zdravstvenega sistema. Celovit sistem je dopolnil že obstoječe zdravstveno statistične podatke o diagnozah in postopkih ter osnoval bazo, ki je omogočala primerljivost obravnavanih pacientov med bolnišnicami in boljše načrtovanje zdravstvenega varstva ter večjo dostopnost prebivalcev do zdravstvenih obravnav. Obenem pa je SPP primeren model za plačevanja primera po teži zahtevnosti akutne obravnave. Delovanje SPP-ja v praksi V Sloveniji uporabljamo avstralsko različico SPP (ICD-10-AM AR-DRG 4.2), ki bolnišnične primere na podlagi diagnoz in postopkov razporedi v 661 skupin. Pri razporeditvi se upoštevajo (Inštitut za varovanje zdravja, 2008, str. 32): • Glavna diagnoza, opredeljena kot diagnoza, za katero se po končanem zdravljenju in po pregledu celotne dokumentacije sklepa, da je bila glavni razlog sprejema bolnika v bolnišnično obravnavo, ne glede na morebitne zaplete in druge bolezni, ki se pojavijo med zdravljenjem. • Dodatne diagnoze; to so diagnoze, ki so obstajale že ob sprejemu bolnika ali pa so se v obliki zapletov pojavile med samim zdravljenjem in so pomembno vplivale na zdravljenje. • Pomembni klinični posegi, ki so bili pri bolniku opravljeni v okviru bolnišnične obravnave. Med te spada npr. kirurški poseg, ki zahteva anestezijo, posebej opremljene prostore, ekipo ali usposabljanje. • Različni drugi indikatorji za določitev težavnostne stopnje primera (zapleti in starost ter teža ob rojstvu itd.). Po elektronskem zapisu tega nabora podatkov v informacijski sistem izvajalca se bolnišnična obravnava na podlagi določenih algoritmov oziroma klasifikacijskih pravil z razvrščevalnikom (angl. grouper) razvrsti v enega izmed sistemov SPP z utežjo, ki določa plačilo za bolnišnično obravnavo. Vsak sistem razvrščanja pomeni poenostavitev posameznega primera. Vsaka posamezna bolnišnična obravnava z zbranimi diagnozami in obsežno diagnostiko ter terapijo se na podlagi razvrščanja uvrsti v določeno skupino. V najboljšem primeru so posamezni primeri razvrščeni v skupine, katerih pomen je tako medicinski kot ekonomski. Te se nato na podlagi stroškovnih analiz, upoštevajoč njihovo porabo virov, razvrstijo v 661 skupin SPP, ki jih je mogoče obračunati. Vpeljava SPP v Sloveniji Projekt razvoja upravljanja sistema zdravstvenega varstva (RUSZV) je bil izveden pod okriljem Ministrstva za zdravje (2000-2004). Z njim je želela vlada v sodelovanju z vsemi ključnimi institucijami s področja zdravstvenega varstva izboljšati sistem zdravstvenega varstva tako, da bi zagotovila čim racionalnejšo porabo razpoložljivih sredstev. Tako je torej želela vzpostaviti in vzdrževati dolgoročno stabilnost zdravstvenega sistema, ki bi bil upravljan na dokazljivih in primerljivih podatkih, osredinjenih na paciente (prevzeto iz: Inštitut za varovanje zdravja, 2008). Projekt je potekal v sodelovanju s Svetovno banko, sredstva za izvedbo projekta pa so bila zagotovljena s posojilom Mednarodne banke za obnovo in razvoj (IBRD). Poleg predstavnikov ministrstva za zdravje so pri projektu sodelovali tudi predstavniki Zavoda za zdravstveno zavarovanje Slovenije, Zdravstvenega sveta, Inštituta za varovanje zdravja RS, Zdravniške zbornice Slovenije, bolnišnic, Ministrstva za finance, Ministrstva za informacijsko družbo, Urada predsednika vlade itd. Tako je pri projektu sodelovalo več kot 200 strokovnjakov s področja zdravstva. V okviru projekta so potekale dejavnosti, ki so se nanašale predvsem na uvajanje sprememb na področju sistema financiranja zdravstvenega varstva, kakovosti in upravljanja (menedžmenta) v zdravstvu. Pri tem je imel ključno vlogo učinkovit informacijski sistem, brez katerega načrtovane spremembe zdravstvenega sistema praktično niso izvedljive. Zato je poleg podpore zdravstveni politiki projekt razvoja upravljanja sistema zdravstvenega varstva vključeval tudi nadgradnjo slovenskega zdravstvenega informacijskega sistema (prevzeto iz: Inštitut za varovanje zdravja, 2008). Prenos financiranja na model SPP je bil postopen ter še vedno traja - vrednost enotne uteži (faktorja preračuna vrednosti SPP) v preteklih letih ni bila enaka za vse izvajalce. Razlog je v tem, da bi ob takojšnji vpeljavi prišlo do razlik v financiranju od preteklega financiranja na letni ravni v tolikšni meri, da bi to lahko ogrozilo finančno stabilnost prenekaterega izvajalca zdravstvenih storitev. Plačevanje izvajalcev zdravstvenega varstva na primarni ravni je mešanica glavarinskega sistema in sistema plačevanja po opravljenih storitvah. Zunajbolnišnična specialistična dejavnost se financira po opravljenih storitvah. Sistem SPP je po uvedbi sicer zaživel, vendar ni dosegel pričakovanega nadaljnjega razvoja. Logika razvrščanja, ki je bila ob uvedbi primerna (AR-DRG 4.2), je z leti postala zastarela, saj so na voljo številne novejše različice (AR-DRG 6.0). Zastarelost se kaže predvsem v razvoju novih postopkov, ki jih stare verzije klasifikacije ne zajemajo in jih zato tudi logika ne predvideva. S tem namenom je nujno posodobiti klasifikacije in logiko razvrščanja (prevzeto iz: Inštitut za varovanje zdravja, 2009). Nadalje se specifičnost izgublja pri preslikavi mednarodne klasifikacije bolezni (MKB-10-WHO) v bolj specifično avstralsko verzijo MKB-10-AM, pri čemer se zaradi manj specifičnih kod, ki se preslikajo v bolj specifične, izgubi zrnatost. Predlog za rešitev težave je, da se slovenska verzija MKB-10 zamenja z avstralsko modifikacijo MKB-10 in se uvede uporaba 5-mestnih šifer. S tem mednarodne poročevalske obveznosti ne bodo motene (večinoma temeljijo na 3-mestnih kodah), kar je bilo dokazovano že na projektu RUSZV (Inštitut za varovanje zdravja, 2009). Višina uteži, ki je določena od začetka, z nekaj vmesnimi modifikacijami, je nujno potrebna prilagoditve, saj primerjava podatkov kaže, da višine niso realne. S tem namenom je potrebno izvesti stroškovno analizo pri izvajalcih in opredeliti nacionalno sprejemljivo povprečje (Inštitut za varovanje zdravja, 2009). Smotrno je pregledati možnost uvedbe razvrščanja po SPP tudi na druga področja, kot so psihiatrija in ambulantne obravnave. Klasifikacija postopkov in bolezni je tudi za področje psihiatrije razdelana a po mnenju nekaterih strokovnjakov ne dovolj natančno. Pilotni pregled podatkov poslanih iz psihiatričnih bolnišnic je pokazal, da je razvrščanje uspešno in bi bilo sistem možno širiti na to področje (Inštitut za varovanje zdravja, 2009). Delo s podatki SPP Delo in vpisovanje SPP kod za diagnoze, posege in ostale podatke se razlikuje med bolnišnicami, ponekod, v večjih ustanovah (npr. Univerzitetni klinični center Ljubljana) pa se sam postopek vpisovanja SPP podatkov razlikuje že med oddelki. Kljub vsemu pa je osnovni postopek pošiljanja podatkov zelo podoben pri vseh ustanovah. Po tem ko je pacient sprejet v bolnišnico, se njegovi osebni podatki vnesejo v informacijski sistem bolnišnice. Te podatke vnesejo bodisi medicinske sestre na oddelku, bodisi administratorji v bolnišnici. Ostale SPP podatke - ležalno dobo, podatke o diagnozah in posegih pa vnese odgovorni zdravnik ob odpustu pacienta. Te podatke vnese v informacijski sistem, ki nato posreduje podatke v skupni informacijski sistem dotične bolnišnice. SPP šifre izračunajo že bolnišnice same s pomočjo gruperja, ki nato pošiljajo podatke tako na IVZ, kot tudi na ZZZS, pri čemer so podatki, ki jih dobi ZZZS, anonimizirani. ZZZS ne pridobi podatkov o diagnozah in posegih, pač pa samo podatke o SPP skupinah. IVZ po drugi strani pridobi od bolnišnic vse podatke, torej diagnoze, posege, osebne podatke, kot tudi šifro SPP skupine, kateri pripada določeni pacient. IVZ na podlagi prejetih podatkov ponovno izračuna SPP skupine za vse obravnave, ter te vrednosti uporabi nadalje pri svojem delu. Spodnja shema predstavlja pot SPP podatkov: Slika 2: Pot SPP podatkov od pacienta do ustanove V zvezi s potovanjem podatkov je v zadnjem času prišlo do določenih polemik, saj naj bi zavarovalnice neopravičeno prišle do podatkov o diagnozah pacientov, do katerih le-te niso upravičene. Podatki, ki pridejo do zavarovalnic morajo biti namreč anonimizirani, prav tako ne smejo biti zapisane diagnoze, pač pa samo SPP šifra. O tem je podala mnenje tudi informacijska pooblaščenka (glej prilogo). Izkušnje pri uvajanju SPP v tujini Do sedaj je v že v večini razvitih držav uveden sistem SPP - ponekod po vzoru Združenih držav Amerike, drugod so uvedli svojega ali pa prevzeli že razvitega ter ga priredili z majhnimi spremembami oz. z večjimi izboljšavami. Navkljub različnosti sistema SPP med državami imajo vse države skupno splošno strukturo, torej dodelitev glavne diagnoze, delitev primerov glede na tip zdravljenja ter delitev glede na postopke, starost, dodatne diagnoze. Opaženi so bili trendi vključevanja medicinskih inovacij, izboljšanja kategorizacije resnosti primera, podaljšanja zavarovalnega kritja (ambulantna nega, dolgotrajna nega, nega na področju psihiatrije idr.), najbolj očiten trend pa je naraščanje števila SPP skupin. V Italiji sistem SPP deluje že od leta 1995. Z uvedbo tega sistema se je število bolnišničnih sprejemov zmanjšalo za 17,3 % ter povečalo število enodnevnih obravnav. Število dni, ki jih posamezen pacient prespi v bolnišnici, se je zmanjšalo iz 9,1 na 8,8. Opaženo je bilo tudi povišanje resnosti bolezni hospitaliziranih pacientov. Večjih sprememb ni bilo le v umrljivosti ter številu pacientov, ki se vrnejo po odpustitvi iz bolnišnice. V Nemčiji so se na uvedbo sistema SPP začeli pripravljati leta 2000 ter ga postopoma uvedli v nekaj letih. Za osnovo so v Nemčiji prevzeli avstralski način SPP kodiranja, ki so ga pa postopoma priredili in modificirali za svoje potrebe, ter imajo sedaj svoj, tako imenovani, G-DRG sistem. Prav tako kot v Sloveniji, so tudi v Nemčiji imeli prehodno obdobje, v katerem so vrednosti uteži bile različne za vse izvajalce, te pa naj bi postopoma konvergirale k skupni vrednosti enke za vse bolnišnice. Čeprav je to bilo v načrtu že za leto 2010, pa še vedno obstajajo majhne razlike. V Španiiji so se začele spremembe v zdravstvenem sektorju že v 80. letih prejšnjega stoletja, sistem SPP pa so v vseh bolnišnicah uvedli v letu 1995. Ta sistem do leta 1997 ni imel nobene vloge pri povračilih bolnišnicam, tega leta pa so SPP izplačila začeli uvajati v bolnišnicah na področju Katalonije. S tem so bolnišnice začele dobivati povračila za posamezne primere (paciente) glede na relativne uteži, ki so jih uvedli s sistemom SPP za vse bolnišnične odpuste, v primerjavi z utežjo, ki velja v javnem omrežju bolnišnic. Povečala se je pomembnost ambulant, prišlo pa je tudi do zapletov, saj se je pojavila motnja v finančnem ravnovesju zdravstvenega sistema zaradi pomanjkanja informacij o delovanju bolnišnic in stroških, ki jih SPP ni pokrival. Tako je postal nov izziv, kako izboljšati sistem pridobivanja informacij ter posledično boljši način kritja stroškov bolnišnic. Na Irskem so se zelo sistematično lotili vpeljevanja SPP sistema le ta pa se neprestanoma izboljšuje in dopolnjuje. Poleg tega, da je sistem pod nadzorom, je tudi pod »pregledom«. Pri izboljševanju in odpravljanju problemov sodelujejo vsi glavni akterji v zdravstvenem sistemu: bolnišnice, plačnik, inštituti, odbori ipd. Irski model se najbolje približuje slovenskemu modelu. Smotrno bi se bilo povezati s sogovorniki na Irskem in poiskati način za prevzem določenega know-how-a, predvsem pri odpravljanju napak in pri problemu pretiranega kodiranja oziroma manipulacij podatkov. Gre se predvsem zato, da bi se izognili znanim sistemskim napakam in vnesli takšne mehanizme, ki so se dokazali za uporabne in uspešne. CasemixIreland in ESRI sta dve takšni inštituciji, pri katerih bi se lahko dogovorili za izmenjavo izkušenj. Uporabljeni podatki V projektu smo uporabili podatke, ki se zbirajo na Inštitutu za varovanje zdravja in so poročani direktno s strani bolnišnic. Za namene projekta smo uporabili dve različni verziji podatkov. Del ekipe je uporabljal celotno bazo podatkov BOLOB za leta 2004-2010, ki se nahaja na IVZ-ju in je zaradi zagotavljanja varstva zasebnih podatkov dostop do nje omejen pooblaščenim osebam. Raziskovalci iz ostalih inštitucij pa so delali na anonimizirani bazi podatkov, ki je bila narejena iz vnosov v bazo BOLOB v letih 2004 in 2010 in je zajemala naslednja polja: - Tip bolnišnične obravnave Tip bolnišnične obravnave je lahko akuten, neakuten, psihiatričen, obravnava zdravih novorojencev ali pa obravnava spada pod druge obravnave. V naši raziskavi obravnavamo zgolj akutne obravnave, saj so le-te financirane po metodi SPP. V letu 2009 je bilo takšnih obravnav 361 657. Leto zajema podatkov Na voljo imamo podatke od leta 2004 do 2009. Leti 2004 in 2005 sta bili učni leti, saj so bolnišnice in druge zdravstvene ustanove šele spoznavale nov način kodiranja in s tem nov način financiranja. V tem obdobju se v posredovanih podatkih zaradi neizkušenosti pojavlja veliko napak. Iz tega razloga jih v naši raziskavi obravnavamo zgolj informativno, večji poudarek pa dajemo podatkom iz ostalih let, predvsem podatkom iz leta 2009, ko so bile že vse ustanove vključene v sistem SPP, ter so tudi imele že potrebne izkušnje za pravilno vnašanje podatkov. Obdobje zajema podatkov: Obdobje zajema je obdobje, za katero se prijavlja bolnišnična obravnava istega tipa. Pogledali smo spremembe v obdobju zajema po mesecih. Kot kaže spodnji graf (kot primer), je število posegov precej konstantno skozi celo leto, z zmanjšanjem obsega dela v poletnih mesecih, kar je najverjeneje posledica letnih dopustov v bolnišnicah. Slika 3: Spremembe v posegih v obdobju zajema po mesecih Oznaka izvajalca Ime in oznaka ustanove (bolnišnice ali druge ustanove), kjer je bil pacient obravnavan. V letu 2009, ko so vse ustanove uvedle sistem SPP, je bilo v naboru 25 zdravstvenih ustanov, med katerimi je največji delež vseh primerov prevzel Klinični center Ljubljana (27,6% vseh primerov), sledita mu Splošna bolnišnica Maribor (sedaj Univerzitetni klinični center Maribor) in Splošna bolnišnica Celje. Zdravstvena ustanova Število primerov (2009) Procent vseh primerov (2009) Klinični center Ljubljana 99855 27,6 Splošna bolnišnica Maribor 48009 13,3 Splošna bolnišnica Celje 38392 10,6 Splošna bolnišnica Novo Mesto 22041 6,1 Splošna bolnišnica Murska Sobota 20212 5,6 Splošna bolnišnica Šempeter 18256 5,0 Splošna bolnišnica Slovenj Gradec 16239 4,5 Splošna bolnišnica Izola 16041 4,4 Onkološki inštitut Ljubljana 13360 3,7 Splošna bolnišnica Jesenice 13337 3,7 Splošna bolnišnica Ptuj 9110 2,5 KOPA Golnik 7578 2,1 Splošna bolnišnica Trbovlje 6981 1,9 Splošna bolnišnica Brežice 6377 1,8 Ortopedska bolnišnica Valdoltra 5887 1,6 Bolnišnica za gin. in porod. Kranj 4818 1,3 Bolnišnica za ž.b. in porod. Postojna 4130 1,1 Bolnišnica Topolšica 3547 1,0 Kirurški sanatorij Rožna dolina 2857 0,8 IATROS - DR. KOŠOROK D.O.O. 1892 0,5 LJUBLJANA MC MEDICOR D.D. 1606 0,4 Bolnišnica Sežana 594 0,2 BITENC MARKO 244 0,1 ESTETIKA FABJAN D.O.O. Artros 225 69 0,1 0,0 Delež primerov po posameznih ustanovah lahko vidimo v naslednjem grafikonu: Slika 4: Delež primerov po posameznih ustanovah Spol pacienta V letu 2009, ko imamo podatke za vse bolnišnice, je bilo med pacienti 41,8% moških in 58,2% žensk. Podlaga za zdravstveno zavarovanje Podlaga za zdravstveno zavarovanje je oblika medsebojnega razmerja med uporabnikom zdravstvenega varstva in zavezancem za plačilo njegovega zdravljenja i.e. zdravstvene obravnave. Neposredna premestitev v drugo bolnišnico V letu 2009 je bilo 6507 neposrednih premestitev v drugo bolnišnico, kar predstavlja 1,8% vseh obravnav. Ponovni sprejem Ponovni sprejem je sprejem bolnika v isto bolnišnici zaradi iste bolezni iste bolezni, poškodbe, zastrupitve ali zaradi posledic te bolezni ali stanja. Ponovne sprejeme razvrščamo glede na čas, ki je potekel med odpustom iz bolnišnice in ponovnim sprejemom. Število ponovnih sprejemov v letu 2009 je prikazano v naslednjem grafikonu: Neznano Da ,od 28 dneva do enega leta po zaključeni prvi hospitalizaciji Da,do 28(27,99) dneva po zaključeni prvi hospitalizaciji Da,več kot eno leto po zaključeni prvi hospitalizaciji Ne O 100000 200000 300000 Slika 5: Število ponovnih sprejemov v letu 2009 Število epizod. Bolnišnična epizoda je zdravstvena oskrba osebe v eni zdravstveni službi na eni lokaciji zaradi ene glavne diagnoze. Epizoda se torej prične v trenutku, ko osebo namestijo v posteljno enoto zdravstvene službe na eni lokaciji in se konča z odpustom iz bolnišnice, s premestitvijo v posteljno enoto druge zdravstvene službe ali s smrtjo osebe. Izjemoma sta lahko v eni zdravstveni službi dve zaporedni bolnišnični epizodi, ko pride med hospitalizacijo zaradi patološke nosečnosti do poroda. Porod tako vedno pomeni novo bolnišnično epizodo. Če je imela oseba več epizod in glavna diagnoza ni bila v vseh epizodah enaka, je oseba v tej zbirki bolnišničnih obravnav večkrat prikazana. Zato je število epizod, združenih po diagnozah, običajno večje od števila hospitalizacij. Podobno pa tudi število hospitalizacij ni nujno enako vsoti števila bolnišničnih obravnav v okviru posameznih specialnosti. V letu 2009 je bilo na posameznega pacienta v povprečju 1,07 epizode. Lečeča zdravstvena služba z lokacijo Lečeča zdravstvena služba z lokacijo je oznaka lečeče zdravstvene službe z lokacijo, ki je obravnavala osebo v bolnišnični obravnavi istega tipa zaradi glavne diagnoze. V primeru, da je bila oseba zaradi glavne diagnoze obravnavana v več službah se vpiše tisto, kjer je bila obravnavana najdlje. V letu 2009 so bile najpogosteje zavedene naslednje lečeče zdravstvene službe: Lečeča zdravstvena Št. Procent služba primerov Splošna kirurgija 32988 9,1 Splošna interna 29510 8,2 Splošna pediatrija 29435 8,1 Ginekologija 22816 6,3 Ginekologija in 21627 6,0 porodništvo Travmatologija 18766 5,2 Porodništvo 17080 4,7 Ortopedija 14304 4,0 Glavna diagnoza akutne bolnišnične obravnave Glavna diagnoza je diagnoza vodilne bolezni ali stanja v epizodi, zaradi katerega je bila oseba na bolnišnični obravnavi. To je štirimestna šifra diagnoze po 10. reviziji MKB. Dodatne diagnoze Za dodatne diagnoze je na voljo 19 mest (torej 19 dodatnih diagnoz). Veliko pacientov ima zgolj eno - glavno diagnozo, vsaj ena dodatna diagnoza pa se v letu 2009 pojavi pri 67,2% pacientov. Terapevtski ali diagnostični postopek Terapevtski ali diagnostični postopek je tisti postopek, ki zahteva za svojo izvedbo specialna znanja (specialistično usposabljanje) in/ali ustreza enemu od kriterijev: • da je kirurške narave; in/ali • da predstavlja tveganje za osebo; in/ali • je povezan s tveganjem v zvezi z anestezijo; in/ali • zahteva posebne prostore ali opremo, ki je na voljo le v okolju za akutno obravnavo. • Terapevtski in diagnostični postopki so tisti postopki, ki se izvajajo: • za preprečevanje, odkrivanje, zdravljenje ali lajšanje bolezni; • za korekcijo deformacij ali pomanjkljivosti, tudi iz kozmetičnih razlogov; • v povezavi z nosečnostjo, porodom, kontracepcijo ali umetno oploditvijo; V letu 2009 je bilo v sistemu SPP zavedenih 3181 različnih diagnostičnih postopkov, med katerimi so bili najpogosteje uporabljeni: injekcija ali infuzija elektrolitov (32.285 primerov oz. 8,9% vseh diag. postopkov), odvzem krvi za diagnozo (25.827 primerov ali 7,1% vseh diag. postopkov) in injekcija antibiotika (9.301 primerov ali 2,6% vseh diag. postopkov). Napotitev/stanje ob zaključku akutne bolnišnične obravnave V sistemu SPP beležimo, kam je bil pacient napoten po koncu zdravljenja v določeni ustanovi. Možnosti so: napoten j ebildomov, v drugo bolnišnico, na rehabilitacijo v drugo bolnišnico, v dom za ostarele; napoten je bil v zdravstveno službo iste bolnišnice, ki ne izvaja akutne dejavnosti;odpuščen je bil na lastno odgovornost; smrt; drugo. V letu 2009 je bilo po obravnavi 94,8% pacientov izpuščenih domov, ostale možnosti pa so se pojavljale v manj kot 2%. Vrsta napotitve v drugo bolnišnico Napotitev je lahko neposredna ali z zakasnitvijo. Če je neposredna, gre pacient takoj k drugemu izvajalcu; če je napoten z zakasnitvijo, gre za to, da je napoten po določenem obdobju. Oznaka druge bolnišnice Ta vrednost nam pove, v katero bolnišnico je bil pacient premeščen. Število dni, ki jih pacient preživi v intenzivni terapiji. Intenzivna terapija je stalna, neprekinjena diagnostična in terapevtska oskrba življenjsko ogrožene osebe, ki se izvaja v intenzivnih enotah z neprekinjeno prisotnostjo zdravnika. V letu 2009 so pacienti v intenzivni terapiji v povprečju preživeli 7,55 dni. Tip plačnika za osnovni del stroškov Obvezno, samoplačnik, s koncesijo,^ Teža dojenčka ob sprejemu Ta vrednost nam pove sprejemno težo osebe v starosti do enega leta. Ure mehanske ventilacije Število ur, ko je bil pacient priključen na napravo za mehansko ventilacijo. Število dni neakutne obravnave V letu 2009 je bil pacient v povprečju neakutno obravnavan 0,5 dni. Šifra skupine primerljivih primerov Šifra skupine primerljivih primerov je šifra izračunana s program za razvrščanje (DRG grouperjem) na osnovi vhodnih podatkov akutne bolnišnične obravnave. Vrsta bolnišnične obravnave, kjer so možne vrednosti hospitalizacija, dnevna obravnava, ali večkratna dnevna obravnava. Hospitalizacija je neprekinjena, več kot 24 ur (ali vsaj preko noči) trajajoča zdravstvena oskrba osebe v posteljni enoti bolnišnice. Začne se s sprejemom, nadaljuje z eno ali več epizodami in zaključi z odpustom. Izjemoma je hospitalizacija krajša kot 24 ur, če je bila oseba že prvi dan hospitalizacije premeščena v drugo bolnišnico ali če je v tem času umrla. Dnevna obravnava (SZO: daycare, ZZZS: enodnevna bolnišnica) je zdravstvena oskrba osebe, ki traja manj kot 24 ur in ne preko noči (izjema: diagnostika motenj spanja se šteje kot dnevna obravnava, čeprav je oseba v bolnišnici preko noči). Ob tem se zasedejo posebne postelje (postelje, kjer si opomorejo; postelje za posebne namene; postelje, ki so pridružene posebnim medicinskim napravam) ali redne bolniške postelje (v tem primeru to ni hospitalizacija in ta ležalna doba ni vključena v število bolniških oskrbnih dni). Ležalna doba Ležalna doba nam pove, koliko dni je pacient preživel v bolnišnici. V letu 2009 je bila povprečna ležalna doba za hospitalizirane akutne bolnike 5,95 dni. Statistična regija Regija, iz katere prihaja pacient. Regije delimo na pomursko, podravsko, koroško, savinjsko, zasavsko, gorenjsko, goriško, obalno-kraško, notranjo-kraško, spodnje-posavsko, osrednjeslovensko in jugovzhodno Slovenijo. V letu 2009 je največ pacientov prihajalo iz Osrednjeslovenske regije (21,7%), sledita Podravska (15,2%) in Savinjska (14,2%) regija. lOsrednjeslovenska I Podravska I Savinjska I Gorenjska ■ Jugovzhodna Slovenija I Pomurska I Goriška lObalno- kraška I Koroška ISpodnjeposavska I Zasavska Slika 6: Številčo pacientov glede na regijo - Starost V sistem SPP ustanove vnašajo starost pacientov. V letu 2009 je bila povprečna vrednost starosti pacientov 47,26 leta. Kakovost podatkov Kakovost poročanih SPP podatkov je kritičnega pomena tako za Inštitut za varovanje zdravja, ki na podlagi le-teh uvaja smernice za nadalnje delo, kot tudi za plačnika ZZZS, ki na podlagi poročanih podatkov plačuje izvajalcem zdravstvenih storitev. Kadar se podatki uporabijo za namene analize in projekcije, se predhodno ustrezno »prečistijo«; s tem se zagotovi kvaliteta in realnost pridobljenih rezultatov. Vendar pa je potrebno upoštevati, da plačnik storitev, torej ZZZS, nima dostopa do vseh podatkov, oziroma dobi poročane samo končne SPP šifre, brez ostalih podatkov o pacientu. Iz tega razloga je nujno, da se preveri kvaliteta poročanih podatkov, ugotovi število manjkajočih podatkov ter smiselnost posameznih diagnoz in skladnost z metodologijo poročanja. V projektu smo za analizo kakovosti podatkov vzeli celotno BOLOB bazo podatkov za leta 2004-2010. Poročani podatki bi se morali skladati s podatki poročanimi na ZZZS, vendar se skladnost obeh baz zaradi določenih zakonskih omejitev ne preverja. Glede na slabo kakovost poročanih podatkov, se nam zdi smiselno redno preverjanje skladnosti poročanih podatkov na IVZ in ZZZS, saj bi le to služilo kot motivacija za bolj pravilno in redno poročanje. Manjkajoči podatki - socioekonomski indikatorji Eden izmed bolj perečih problemov s podatki, na katere smo naleteli, so manjkajoči podatki. Določena polja - izobrazba, spol, zakonski stan - so edine informacije, na podlagi katerih lahko sklepamo o socio-ekonomskem statusu pacienta in so pomemben indikator za merjenje zdravstvenega stanja med različnimi sloji prebivalstva. Kot se vidi v spodnjih grafih, se število poročanih podatkov v teh kategorijah iz leta v leto manjša. Spodnja tabela prikazuje poročane podatke o izobrazbi pacientov za leto 2010. Več kot 70% vseh podatkov je manjkajočih, kar zmanjša verodostojnost morebitnih analiz, ki izhajajo iz teh podatkov. Izobrazba Število Delež (%) Doktor znanosti 483 0,1 Magister znanosti 568 0,1 Visoka 13297 3,4 Višja 5598 1,4 Srednja 35562 9,1 Nižja 15193 3,9 Visokokvalific. delavec 1002 0,3 Kvalificiran delavec 8731 2,2 Polkvalificiran delavec 561 0,1 Nekvalificiran delavec 4081 1,0 Brez strokovne izobrazbe 32999 8,4 Neznano 273631 69,9 Skupaj 391706 100,0 Drug pomemben socio-ekonomski indikator je zakonski stan, saj veliko raziskav potrjuje korelacijo med zakonskim stanom in zdravstvenim stanjem prebivalstva. V spodnjem grafu vidimo, da je za vrednost »Neznano«velik porast, iz 30% na več kot 50%. Slika 7: Podatki o zakonskem stanu pacientov Manjkajoči podatki: ponovni sprejemi in premestitve Ponovni sprejemi v bolnišnico in premestitve med bolnišnicami se pogosto uporabljajo kot indikatorji za kvaliteto zdravljenja, kot tudi za učinkovitost izvajalcev zdravstvenih storitev. Plačilo po sistemu SPP je navadno povezano s krajšimi ležalnimi dobami, hkrati pa obstaja nevarnost manj kvalitetne zdravstvene oskrbe. Kot vidimo v spodnjem grafu, se je število pacientov, za katere ni znano ali gre pri njih za ponovni sprejem ali ne, povečalo iz praktično nič na skoraj 15% v štirih letih. Ob tem se je za približno enako vrednost zmanjšalo število pacientov, ki niso bili ponovno sprejeti. To lahko predstavlja alarmantni znak, ki kaže na slabšo oskrbo pacientov. Slika 8: Podatki o ponovnem sprejemu pacientov Prav tako kot ponovni sprejem, je tudi premestitev iz druge bolnišnice indikator kvalitetne oskrbe, hkrati pa tudi znak za učinkovitost sistema financiranja. Veliko držav namreč poroča o povečanem številu premestitev pacientov s kompliciranimi diagnozami iz manjših v večje, terciarne ustanove. V letu 2010 za več kot 7% pacientov ne vemo, ali so bili premeščeni, kljub temu, da je ta informacija v večini primerov na voljo. Premestitev iz druge bolnišnice Število Delež (%) Ne 355333 90,7 Da 8545 2,2 Neznano 27828 7,1 SKUPAJ 391706 100,0 Pri indikatorju sprejema manjka 1% vseh vnosov, torej podatek za 3377 pacientov v letu 2010. Indikator sprejema Število Delež (%) Planiran 208524 53,2 Neplaniran (vključno urgentni blok) 137218 35,0 Drugo 42587 10,9 Neznano 3377 0,9 SKUPAJ 391706 100,0 Kodiranje diagnoz Pri kodiranju diagnoz prihaja do velikih razlik med različnimi izvajalci, ki imajo različne prakse kodiranja. Za obravnavo istih diagnoz se uporabljajo različne kode, do še večjih razlik pa prihaja pri vpisovanju posegov. Primer: porod Porod je primer diagnoze, ki mora biti glede na metodološka navodila vedno kodiran kot glavna diagnoza. Prav zaradi tega je smiselno pričakovati, da je način kodiranja poroda med različnimi izvajalci podoben. Pri raziskavi razlik med različnimi izvajalci smo vzeli samo primere z naslednjimi SPP kodami: O01A Porod s carskim rezom s številnimi zapletenimi diagnozami O01B Porod s carskim rezom z resnimi zapletenimi diagnozami O01C Porod s carskim rezom z zmernimi zapletenimi diagnozami O01D Porod s carskim rezom brez zapletenimi diagnozami O02Z Vaginalni porod z zapletenimi posegi v operacijski dvorani O60A Vaginalni porod s številnimi zapletenimi diagnozami O60B Vaginalni porod z resnimi zapletenimi diagnozami, O60C Vaginalni porod z zmernimi zapletenimi diagnozami O60D Vaginalni porod brez zapletenimi diagnozami Kot vidimo v spodnjem grafu, se kodiranje glavne diagnoze zelo razlikuje med bolnišnicami. Medtem ko ena izmed bolnišnic kodira vse kot porod (kar je tudi pričakovano), so pri veliko ostalih izvajalcih zdravstvenih storitev kodirani tudi različni zapleti. Glede na to, da gre pri vseh izvajalcih za populacijo žensk v rodni dobi, so razlike med kodiranjem v bolnišnicah zaskrbljujoče. Slika 9: Kodiranje glavne diagnoze po bolnišnicah po MKB-10 Če nadalje pogledamo šifro SPP, ki jo uporabljajo različni izvajalci, vidimo, da podobno kot pri kodiranju diagnoz tudi tu prihaja do večjih razlik. Slika 10: Šifra SPP med izvajalci Dalje, lahko pogledamo število diagnoz, ki jih pri svojem delu uporabljajo različne izvajalke zdravstvenih storitev za porod. Kot vidimo v spodnji tabeli, je ena izmed porodnišnic v letu 2008 za kodiranje poroda in ostalih dodatnih diagnoz uporabilo 514 različnih diagnoz, medtem ko je ena izmed izvajalk uporabila le 56 diagnoz. To kaže na nekonsistentnost med izvajalkami storitev, ter neprimerljivost rezultatov. Oznaka Število Delež uporabljenih porodnišnice različnih diagnoz v celotnem diagnoz naboru(%) A 56 6,46 B 74 8,54 C 85 9,80 D 97 11,19 E 109 12,57 F 116 13,38 G 134 15,46 H 169 19,49 I 176 20,30 J 202 23,30 K 209 24,11 L 210 24,22 M 291 33,56 N 514 59,28 Pogledali smo tudi razporeditev diagnoz med porodnišnicami. Kot vidimo v spodnji tabeli, se samo 11 diagnoz uporablja v vseh porodnišnicah, medtem ko je kar 55,36% diagnoz kodirano v samo eni izmed izvajalk zdravstvenih storitev. Število porodnišnic v Število Delež med vsemi katerih se pojavi diagnoz diagnozami diagnoza 1 480 55,36 2 120 13,84 3 64 7,38 4 48 5,54 5 32 3,69 6 19 2,19 7 15 1,73 8 15 1,73 9 16 1,85 10 14 1,61 11 9 1,04 12 10 1,15 13 14 1,61 14 11 1,27 skupaj 867 100,00 Kodiranje diagnoz - primer AMI Podobno kot za porod, lahko pogledamo kodiranje diagnoz tudi za miokardni infarkt. Za zagotavljanje konsistentnosti, smo pogledali primere, ki so zadoščali spodanjim karakteristikam: • glavna Dg = »I21« (akutni transmuralni miokardni infarkt - AMI) • v sedmih letih je bilo število vseh obravnav AMI > 500 (min=468) • število epizod < 3 (90% vseh AMI) • N=21 940 Spodnji graf prikazuje kodiranje miokardnega infarkta med različnimi izvajalci. Kot vidimo, prihaja, podobno kot pri porodu, do večjih razlik, ki jih težko pojasnimo z demografskimi razlikami med pacienti v različnih institucijah. Slika 11: Razporeditev kodiranih glavnih diagnoz med izvajalci Hopitalizacija z ležalno dobo Ležalna doba je definirana kot datum izpusta iz bolnišnice minus datum sprejema pacienta v bolnišnico. Glede na to, da obravnavo štejemo pod hospitalizacijo,kadar traja vsaj 24 ur, bi pričakovali, da bodo vsi primeri s hospitalizacijo imeli ležalno dobo vsaj en dan. Vendar se to ne zgodi, saj obstaja velik del obravnav, kjer je sicer zavedeno, da gre za hospitalizacijo, kljub temu pa je ležalna doba enaka 0. Pri eni od izvajalk zdravstvenih storitev se pojavlja tudi koda 9, ki ni opredeljena v metodoloških navodilih za kodiranje in kot taka zato ni smiselna. Ležalna doba Skupaj 0 dni 1-5 dni 6-30 dni >30 dni > ro n > .a o u C >u >M .a m i> Hospitalizacija število 160013 1267574 724278 68153 2220018 % 7,2% 57,1% 32,6% 3,1% 100,0% Enodnevna obravnava število 241768 290 6 0 242064 % 99,9% 0,1% 0,0% 0,0% 100,0% Dolgotrajna dnevna obravnava število 41588 % 100,0% 9 število 541 2978 2608 1061 7188 % 7,5% 41,4% 36,3% 14,8% 100,0% Skupaj število 413763 1281104 737617 78374 2510858 % 16,5% 51,0% 29,4% 3,1% 100,0% V letu 2009 je bilo takšnih primerov 23215, kar je 7,3% vseh primerov in predstavlja peto najpogostejšo vrednost za ležalno dobo. Ležalna doba Št. obravnav Procent 0 23215 7,3 1 51213 16,1 2 49353 15,5 3 40072 12,6 4 30087 9,5 5 19105 6 6 15294 4,8 7 15107 4,7 8 11846 3,7 9 8800 2,8 10 7160 2,3 V letu 2009 so bile naslednje diagnoze najpogostejše s kombinacijo hospitalizacije in ležalne dobe 0: Diagnoza Pogostost Delež(%) Kemoterapevtsko zdravljenje zaradi neoplazme 1605 6,9 Medicinski splav, popolni ali neopredeljeni, brez zapleta 915 3,9 Oploditev in vitro 619 2,7 Driska in gastroenteritis 585 2,5 Sindrom karpalnega kanala 553 2,4 Zunanji trombozirani hemoroidi 535 2,3 Starostna začetna siva mrena 489 2,1 Preddvorna fibrilacija in undulacija 424 1,8 Zdrava oseba spremlja bolno osebo 398 1,7 Notranji hemoroidi brez zapletov 391 1,7 Splav z odmrlim plodom (missedabortion) 381 1,6 Nenormalni izvidi vzorcev iz ženskih spolovil, citološki 354 1,5 Residualnehemoroidalne kožne gube 277 1,2 Pomenopavzna krvavitev 274 1,2 Druge vrste kemoterapevtsko zdravljenje 271 1,2 Zoženi prepucij, fimoza in parafimoza 220 0,9 Lymska borelioza 206 0,9 Polip materničnega telesa 206 0,9 Za isto leto so najpogostejše diagnoze, pri katerih ni bilo hospitalizacije, pač pa enodnevna al večkratna enodnevna obravnava sledeče: Diagnoza Pogostost Delež (%) Medicinski splav, popolni ali neopredeljeni, brez zapleta* 2911 7,5 Kemoterapevtsko zdravljenje zaradi neoplazme* 2890 7,5 Druge vrste kemoterapevtsko zdravljenje* 1165 3 Predporodno presejanje zaradi odkrivanja kromosomskih anomalij 1148 3 Splav z odmrlim plodom (missedabortion)* 1064 2,8 Zoženi prepucij, fimoza in parafimoza* 857 2,2 Pomenopavzna krvavitev* 837 2,2 Nenormalni izvidi vzorcev iz ženskih spolovil, citološki* 752 1,9 Polip materničnega telesa* 694 1,8 Preddvorna fibrilacija in undulacija* 648 1,7 Ruptura meniskusa, sveža 629 1,6 Druge vrste starostna siva mrena 623 1,6 Sindrom karpalnega kanala* 622 1,6 Premočna krvavitev v predmenopavznem obdobju 556 1,4 Premočna in prepogosta menstruacija v nerednih časovnih razmikih 512 1,3 Zgornji-zunanji kvadrant dojke 506 1,3 Oploditev in vitro* 506 1,3 Motnja meniskusa zaradi stare raztrganine ali poškodbe 490 1,3 Maligna neoplazma prostate (obsečnice) 477 1,2 Opazimo, da pride do velike podobnosti pri pogostosti diagnoz, kjer je bil pacient obravnavan v enodnevni obravnavi, v primerjavi s pogostostjo diagnoz, kjer imamo hospitalizacijo z ležalno doba 0. Diagnoze, ki se pojavijo v obeh tabelah, so označene z zvezdico v drugi tabeli. To kaže na morebitne nepravilnosti in nedoslednosti pri vnašanju podatkov. Razlog za to lahko poiščemo v različnem kodiranju po bolnišnicah. Bolnišnica Št. primerov Delež (%) Klinični center Ljubljana 5214 22,5 Splošna bolnišnica Maribor 3881 16,7 IATROS - DR. KOŠOROK D.O.O. LJUBLJANA 1890 8,1 Splošna bolnišnica Izola 1806 7,8 Splošna bolnišnica Celje 1780 7,7 Splošna bolnišnica Šempeter 1560 6,7 Splošna bolnišnica Ptuj 1276 5,5 Bolnišnica za gin. in porod. Kranj 1169 5 Splošna bolnišnica Jesenice 770 3,3 Kirurški senatorij Rožna dolina 702 3 Splošna bolnišnica Slovenj Gradec 638 2,7 Splošna bolnišnica Novo Mesto 616 2,7 Če pogledamo kako različne bolnišnice kodirajo diagnozo Z511-Kemoterapevtsko zdravljenje zaradi neoplazme, vidimo velike razlike. Bolnišnice, ki kodirajo kemoterapijo z ležalno dobo 0 in hospitalizacijo: Bolnišnica Št. primerov Delež (%) Splošna bolnišnica Maribor 1566 97,6 Splošna bolnišnica Šempeter 19 1,2 KOPA Golnik 10 0,6 Splošna bolnišnica Celje 4 0,2 Klinični center Ljubljana 4 0,2 Splošna bolnišnica Murska Sobota 1 0,1 Splošna bolnišnica Slovenj Gradec 1 0,1 kodirajo kemoterapijo z enodnevno obravnavo: Bolnišnica Št. primerov Delež (°%) Onkološki inštitut Ljubljana 1826 63,2 Splošna bolnišnica Celje 764 26,4 Klinični center Ljubljana 222 7,7 Splošna bolnišnica Maribor 55 1,9 Splošna bolnišnica Murska Sobota 20 0,7 Splošna bolnišnica Slovenj Gradec 2 0,1 KOPA Golnik 1 0 Podoben vzorec vidimo tudi pri drugih diagnozah. Za drugo najpogostejšo diagnozo (O049 -medicinski splav, popolni ali neopredeljeni, brez zapleta), kjer je zavedena hospitalizacija, kljub ležalni dobi 0, so podatki po bolnišnicah naslednji: Kodiranje hospitalizacije z ležalno dobo 0: Bolnišnica Št. Primerov Delež (°%) Splošna bolnišnica Ptuj 261 28,5 Bolnišnica za gin. in porod. Kranj 226 24,7 Splošna bolnišnica Izola 158 17,3 Splošna bolnišnica Šempeter 107 11,7 Splošna bolnišnica Jesenice 92 10,1 Splošna bolnišnica Celje 23 2,5 Splošna bolnišnica Murska Sobota 18 2 Splošna bolnišnica Novo Mesto 12 1,3 Klinični center Ljubljana 10 1,1 Splošna bolnišnica Trbovlje 4 0,4 Kodiranje diagnoze O049 kot enodnevno obravnavo: Bolnišnica Št. Primerov Procent Klinični center Ljubljana 837 28,8 Splošna bolnišnica Maribor 549 18,9 Splošna bolnišnica Celje 406 13,9 Splošna bolnišnica Murska Sobota 221 7,6 Bolnišnica za ž.b. in porod. Postojna 218 7,5 Splošna bolnišnica Novo Mesto 217 7,5 Splošna bolnišnica Slovenj Gradec 201 6,9 Splošna bolnišnica Trbovlje 150 5,2 Splošna bolnišnica Brežice 85 2,9 Splošna bolnišnica Jesenice 27 0,9 Iz podatkov se vidi, da je kodiranje odvisno v zelo veliki meri od bolnišnic. Sklepamo lahko, da gre v primerih ko je zavedena hospitalizacija z ležalno dobo 0 za nepravilno kodiranje. Spodnji graf prikazuje razporeditev ležalne dobe pri AMI, pri čemer so označeni tudi primeri hospitalizacije z ležalno dobo 0. Iz analize so izključeni pacienti, pri katerih se je zdravljenje končalo s smrtjo. Slika 12: Ležalna doba pri hospitalizaciji za AMI Dolgotrajna dnevna obravnava Podobno kot pri kodiranju hospitalizacije, se tudi pri kodiranju dolgotrajne dnevne obravnave od leta 2009 naprej pojavlja koda 9 pri enem od izvajalcev, ki ni predpisana in tako ni smiselna za analizo. ja d e m ci a iz al it pi s o .C ^ iS ^ Ü "S ^ or nb (U o a jn aj r t 0 lg 01 d a v a va er nb ■o o ž le el d O D mi e s v cn P U to 2004 295134 30141 5585 1,7 0 330860 2005 303056 33310 4495 1,3 0 340861 2006 306480 36737 4942 1,4 0 348159 2007 304967 32640 5295 1,5 0 342902 2008 326024 37637 7470 2 0 371131 2009 340507 37072 7640 2 20 385239 2010 343850 34527 6161 1,6 7168 391706 SKUPAJ 2220018 242064 41588 1,7 7188 2510858 Metodološka navodila dolgotrajno dnevno obravnavo in ležalno dobo v dolgotrajni dnevni obravnavi jasno opredeljujeta: Definicija: Število dni dolgotrajne dnevne obravnave je število dnevnih obravnav, ki sestavljajo dolgotrajno dnevno obravnavo. Navodilo za uporabo: V to polje se vpiše število posameznih dnevnih obravnav, ki sestavljajo dolgotrajno dnevno obravnavo. Polje se izpolni le pri vrsti obravnave »dolgotrajna dnevna obravnava«. Kot vidimo v spodnji tabeli, je kar 64,7% vseh primerov v dolgotrajni obravnavi kodirano s številom dni 1, kar pa je v nasprotju s samo definicijo dolgotrajne obravnave. Število dni v dolgotrajni obravnavi Število primerov Delež (%) 1 3989 64,7 2 521 8,5 3 474 7,7 4-10 936 15,2 11-30 229 3,7 31+ (max 104) 12 0,2 SKUPAJ 6161 100 Slika 13: Razporeditev števila dni v dolgotrajni obravnavi (vir: SPP_BO 2010) Beleženje postopkov in posegov Do večjih nepravilnosti prihaja tudi pri beleženju postopkov in posegov med izvajalci zdravstvenih storitev. Spodnja tabela prikazuje kodiranje postopkov in posegov v letih 2004 do 2010 med vsemi izvajalci. Na prvih treh mestih so postopki, npr. odvzem krvi, ki spada med rutinske posege in ne poda dovolj informacij o kvaliteti zdravljenja. Izvajalce je treba spodbuditi h kodiranju najbolj relevantnih postopkov za zdravljenje določene diagnoze. Bolnišnica A N % med posegi % med obravnavami Injekcija ali infuzija elektrolitov 14506 4,1% 50,1% Monitoriranje sistemskega krvnega tlaka 14030 4,0% 48,4% Odvzem krvi za diagnozo 13994 3,9% 48,3% Rentgenogram prsnih organov 12490 3,5% 43,1% Injekcija antikoaguanta 12447 3,5% 43,0% Kateterizacija/kanulacija druge vene 11932 3,4% 41,2% Enodimenzionalna in dvodimenzionalna ehokardiografija 11614 3,3% 40,1% Uporaba obrazne maske ali nosnih cevk za kisik 11327 3,2% 39,1% EKG zapis z povprečnim signalom 11196 3,2% 38,6% Druga obogatitev s kisikom 10316 2,9% 35,6% Slika 14: Poročanje posegov v letih 2004-2010 (vir: SPP_BO 2004-2010) Spodnja slika prikazuje razlike pri podajanju postopkov pri zdravljenju AMI pri štirih različnih izvajalcih. Vidimo, da prihaja med izvajalci do ogromnih razlik pri poročanju. V spodnjem primeru samo ena izmed izvajalk poroča pričakovane posege pri zdravljenju miokardnega infarkta. H %inKl KHIKI U T' HjumHm tf u ^^ KM er,3« »TK PHflilteiiB tankJrimhB bstarnko GM K» 32.1% ■■nIBvawlttn 3K n,7K, •fawlTilwlBitnuca ■«■■» MC HM tamovHW zm 1»* tl.K UtanukMiuhB M7 14« IfttK hiilcIaaikMiB 2H zmt nullit Jtitiili Milili iJiii aa 2.mt «flb MDiritarfrvilB flBn^^HBB nntiiBB MB U1 I.Mb r.m Slika 15: Razlike pri podajanju postopkov pri zdravljenju AMI pri štirih različnih izvajalcih Diagnoza Z763 V letu 2009 se kot diagnoza prvič pojavi Z763 - zdrava oseba spremlja bolno osebo, in sicer kar v 10 660 primerih. Diagnoza je evidentirana samo v nekaterih bolnišnicah, kjer se pojavi v nepričakovano veliko primerih. V naslednjih ustanovah se diagnoza uporabi v več kot 1000 primerih v enem letu: Bolnišnica Št. primerov Delež (%) Splošna bolnišnica Celje 2756 25,9 Splošna bolnišnica Slovenj Gradec 1667 15,6 Splošna bolnišnica Šempeter 1265 11,9 Splošna bolnišnica Novo Mesto 1263 11,8 Splošna bolnišnica Murska Sobota 1083 10,2 Splošna bolnišnica Izola 1059 9,9 Osebe, za katere je zavedena ta diagnoz,a so v starosti od 0 pa do 72 let, s povprečno starostjo 31,11 let. Glede na to, da ta diagnoza predstavlja zdrave osebe, ki spremljajo bolne (pričakovano naj bi šlo za otroke ali starostnike), pri starosti oseb, mlajših od 18 let, sumimo na nepravilnosti pri vnašanju podatkov. Učinkovitost glede na ležalno dobo Ležalna doba se v literaturi pogosto uporablja kot indikator za učinkovitost zdravljenja in je pogosta vrednost za primerjavo učinkovitosti med različnimi zdravstvenimi sistemi kot tudi med različnimi inštitucijami. Kot navajajo številni avtorji (Kroch, Duan, Meyer) je ležalna doba pokazatelj uporabe virov; enakomerno, znatno znižanje povprečne ležane dobe odraža trenutne finančne pritiske na bolnišnice po zmanjševanju stroškov. Po eni strani je to lahko posledica hitrejše in uspešnejše stabilizacije zdravstvenenga stanja pacientov, po drugi strani pa lahko odraža prepuščanje pacientov v domačo oskrbo oziroma v ambulantno nego. Pritiski na sprostitev bolniških postelj in s tem zmanjševanje ležalne dobe so marsikje povezani s povečanim številom ponovnih sprejemov pacientov za isto diagnozo. S tem se skupni čas zdravljenja poveča, prav tako pa so višji skupni stroški zdravljenja. Slika 16: Povprečna ležalna doba za vse vzroke v letih 2000 in 2008 v Evropi Kot prikazuje zgornji diagram, Slovenija glede na povprečno ležalno dobo za vse diagnoze spada med tiste države v Evropi, ki imajo krajšo ležalno dobo. Pri tem pa je potrebno poudariti, da sta državi na obeh koncih diagrama - torej državi z najkrajšo in najdaljšo ležalno dobo -dve Skandinavski državi, ki obe slovita po učinkovitem in zanesljivem zdravstvenemu sistemu. Po uvedbi sistema SPP v Sloveniji se je povprečna ležalna doba znižala iz 6,22 dneva leta 2004 na 5,73 dneva v 2008. Leta 2010 je povprečna ležalna doba znašala 6,08. Slika 17: Gibanje povprečne ležalne dobe v Sloveniji po uvedbi sistema SPP Vzrok za porast povprečne vrednosti ležalne dobe v letih 2009 in 2010 je poslednica zvišanja povprečne vrednosti v Univerzitetnem kliničnem centru Ljubljana, kjer se je vrednost povprečne ležalne dobe dvignila iz 7,01 v letu 2004 na povprečno vrednost 8,12 v letu 2010. Slika 18: Ležalna doba v UKC Ljubljana Povprečna ležalna doba v splošnih bolnišnicah je od uvedbe sistema leta 2004 do leta 2010 padala 2010 2009 2008 2007 2006 2005 2004 (/5 u "S tU 03 aj cj o. ^ <-> »roj o £L1 OJ Ln O O O O O O Q. O. Q. O. Q. Q. LTJ [/1 U-) ■ ■ ■ ■ ■ ■ o Q > O O-ra u 01 TD L (J L OJ > O ni »LTI »Cfl o JD O O O >Ln jc/i »C/l L/^ ^ I/^I [y^ ,00 Slika 20: Slika 19: Povprečna ležalna doba za splošne bolnišnice Povprečna ležalna doba za porodnišnici Koper in Postojna Slika 21: Povprečna ležalna doba za specialistične bolnišnice Razlike v ležalni dobi pri zdravljenju iste bolezni/diagnoze -primerjava z drugimi Evropskimi državami Tako kot je povprečna ležalna doba za vse diagnoze različna pri različnih državah, so razlike tudi, ko pogledamo specifične diagnoze. V projektu smo pogledali razlike v povpečni ležalni dobi pri porodu za različne države. Kot vidimo na grafu, spada Slovenija glede na podatke za leto 2008 v povprečje med evropskimi državami, s povprečno ležalno dobo 3,9 dni. Podobno kot pri povprečni ležalni dobi za vse diagnoze, tudi tukaj ne moremo sklepati na povezanost med učinkovitostjo bolnišnic in ležalnimi dobami, saj najdemo države, ki slovijo po visoki učinkovitosti tako med državami s kratko (Danska), kot tudi dolgo ležalno dobo porodnic (Švica). Podobne rezultate dobimo, kadar primerjamo ležalno dobo za primer obravnave akutnega miokarnega infarkta. Tudi pri tem primeru je Slovenija na sredini med vsemi Evropskimi državami glede na ležalno dobo. Oba grafa sta zanimiva glede na vrstni red na vrhu in na dnu lestvice, saj je v obeh primerih na prvem mestu Turčija z najkrajšo ležalno dobo, prav tako pa se za ostale države zdi, da so podobno zastopane. S pomočjo Wilcoxovega neparametričnega testa smo preverili povezavo med obema lestvicama. Test je ovrgel povezavo med obema lestvicama. Slika 22: Primerjava povprečne ležalne dobe pri obravnavi akutnega, miokardnega infarkta, Vir: OECD Slika 23: Primerjava povprečne ležalne dobe pri normalnem porodu v različnih Evropskih državah. (Vir: OECD) Med SPP skupinami, ki predstavljajo največjo finančno vrednost, so skupine, ki označujejo zamenjavo kolka. Utež za zamenjavo kolka, ki se uporablja v slovenskih bolnišnicah, je I03, in se deli na tri podskupine: • I03A - Revizija kolka s katastrofalnimi ali resnimi spremljajočimi stanji • I03B - Zamenjava kolka s katastrofalnimi ali resnimi spremljajočimi stanji I03C - Zamenjava kolka brez katastrofalnih ali resnih spremljajočih stanj Zamenjava kolka se v literaturi (Street, Ward) pogosto omenja kot diagnoza, ki je primerna za analizo oz. primerjavo med različnimi institucijami ali sistemi, saj je vedno kodirana kot primarna diagnoza, njeno zdravljenje pa v večini primerov teče po v naprej definiranem postopku, brez večih variacij. Skoraj vedno je postopek za menjave kolka v naprej planiran poseg, kar pripomore k verodostojnosti primerjave. Poglejmo najprej povprečno ležano dobo za vse tri SPP kode skupaj na nacionalni ravni: Slika 24: Povprečna ležalna doba za SPP skupino I03 Če podrobneje pogledamo ležalno dobo glede na vse tri poskupine, I03A, I03B in I03C, ki predstavljajo komplikacije pri določenem primeru, vidimo, da je, pričakovano, najdaljša ležalna doba v primeru, ko je prisotnih največ komplikacij oz. dodatnih diagnoz. Slika 25: Ležalna doba pri zamenjavi kolka Slika 26: Ležalna doba pri zamenjavi kolka po različnih slovenskih zdravstvenih ustanovah za leto 2008 Če pogledamo dolžino ležalne dobe za zamenjavo kolka (vse I03 kode) po različnih slovenskih zdravstvenih ustanovah, vidimo, da prihaja do precejšnjih razlik. Predvsem je opazna razlika, če primerjamo povprečno ležalno dobo v zasebnih bolnišnicah (Kirurški center Rožnadolina) v primerjavi z javnimi inštitucijami. Učinkovitost zasebnih institucij v primerjavi z javnimi za poseg zamenjave kolka Za testiranje hipoteze, da so zasebne bolnišnice bolj učinkovite od javnih, smo izbrali poseg zamenjave kolka, saj je to poseg, ki je med najpogostejšimi v zasebnem sektorju, hkrati pa spada med dovolj standarne posege, brez večjih odstopanj v načinu zdravljenja. Regresijski model Pri analizi smo naredili kontrolo za naslednje spremenljivke: - starost - spol - število dodatnih diagnoz - vrsta dodatnih diagnoz Rezultati Rezultati so prikazani v spodnjem grafu: I C 5 1.670.263 101.656 1.301.570 101.655 ■ 665.372 ^ 577.223|,.237.044 ,, 1.041.724* 1.096.453* 863.977 1.117.568 50.190 *^ «» "=1.426.476i,7.319 ^ 110.097 ü.... 2.064.863.®''«« 2.305.9^ 2.203.871 1.311.338 2.150.3102 1.649.20S .601 eSoTj 018 63 jI .424.81 184.036 * 2.306.547 1.516.674 * 1.615.957*1.732.740 86.672 .644.620 1.505.895 A 1.456.94(|i.566.056 282.374 1.473.142*1-9<13-274 !.741 QS04 1.569.637'fr^' 21607^ 43.168*978.325 43.610*' ----- *56.029 'f;331|l.289.138 676.54^ 1.! 160.013 581.744 34.363 . 128.347' 1.735.602 1.606.438 2.208.634* ,.848.858 786.096jra.689 2.079.71 2.146.087 >"■^=^.989.21 r.204 1.715.1 1.458.466 2.103.832* 12.149^2.278.289 ,„*1.051.196 1.630.660 591.675* 832.143 . 11.228.177 1.608.132 1.746.890 I 598.507 16.371 348 763.051 1.906.322 2.175.676 2.060.474 32.239 60.58^ 954.783| 767.247^51.229 640.09^2.065.206 1.128.397 936.19 1.769.403 ,^47.020 2.201.260 157.196 2.104.57S 1.778.217 1.578.916 * 1.355.81«4O4.360 1.659.046*1.653.294 !.246.941 661.014 1.477.294 1.816.284 i;587;63«.213.789 2.141.624 1.922.421 Description of the institution Slika 27: Analiza: regresijski model Oznaka izvajalca Pov. vrednos t N Standardna deviacija Splošna bolnišnica Novo Mesto 5,33 3 1,528 Ortopedska bolnišnica Valdoltra 9,72 321 3,764 Splošna bolnišnica Jesenice 6,00 2 ,000 Univerzitetni klinični center Ljubljana 9,95 62 5,776 Splošna bolnišnica Ptuj 7,00 1 Univerzitetni klinični center Maribor 11,25 4 3,096 Kirurški sanatorij Rožna dolina 4,00 5 ,000 Skupaj 9,64 398 4,159 Slika 28: Ležalna doba (Datum zaključka obravnave-Datum začetka obravnave) Povratna informacija bolnišnicam Bolnišnice poročajo podatke o svojem delu predvidoma v trimesečnih intervalih. Te informacije zbere IVZ in jih enkrat letno v obliki poročila posreduje bolnišnicam ter ostali javnosti. Kljub temu, da so podatki poročani nazaj bolnišnicam, jih le-te ne dobijo v krajših časovnih obdobjih, ampak šele eno leto po njihovem nastanku, s čimer se zaradi neaktualnosti njihova dodana vrednost zmanjša. V Sloveniji smo decembra 2011 gostili dr. Richarda Marshalla, avstralskega strokovnjaka za področje SPP , ki je sodeloval pri implementaciji sistema SPP v Sloveniji leta 2001-2002. Glede na izkušnje pridobljene pri delu z avstralskim SPP sistemom ter glede na izkušnje v ostalih državah, ki imajo podoben sistem, se kot primerna doba za podajanje povratne informacije bolnišnicam omenja obdobje 3 mesecev. Takšno časovno obdobje bolnišnicam omogoča lažje in bolj kvalitetno spremljanje podatkov, aktualno primerjavo z ostalimi bolnišnicami ter možnost takojšnjega ukrepanja. Povratna informacija bi morala vsebovati analizo podatkov, ki jih je posamezna bolnišnica poročala v danem obdobju, vključno z identifikacijo problematičnih vnosov, večjih odstopanj glede na prejšnja časovna obdobja ter glede na ostale bolnišnice. Le-to bi tako vodstvu kot zaposlenim v bolnišnicah omogočalo aktualno primerjavo opravljenega dela, ter vzpodbudilo konkurenčnost med različnimi ponudniki zdravstvenih storitev. V okviru projekta SUMOFIN smo implementirali testno verzijo sistema za poročanje, pri čemer smo uporabili orodje za poslovno inteligenco (ang. »business intelligence«) Pentaho. Sistem poročanja Poslovna inteligenca se vedno pogosteje uporablja na mnogih področjih življenja nasploh, še posebej pa v poslovnem svetu. Zaradi vedno večje količine podatkov, ki so na voljo, se potreba po pametnem shranjevanju in obdelavi teh podatkov povečuje. Sam postopek poslovne inteligence omogoča predelavo, shranjevanje in prikaz podatkov. S tem pa zgodba še ne konča. Podatke v želeni obliki lahko dalje analiziramo, raziščemo njihovo strukturo in pomen, podatke lahko raziskujemo v sodelovanju z drugimi, preko analize podatkov lahko napovemo priporočila. Tudi medicinski podatki predstavljajo ogromen skupek informacij. Predstavljeni so lahko v eni veliki tabeli ali pa sistemu tabel. Za analizo tovrstnih podatkov uporabimo metode iz področja podatkovnega rudarjenja, analize omrežij ali katerega drugega področja za analizo velikih podatkov. Željen rezultat vsake analize je poročilo, v katerem so vizualno prikazane zakonitosti in neskladja v podatkih. Poročilo je ponavadi sestavljeno iz različnih diagramov z opisi in tabel. Da te diagrame oblikujemo, moramo podatke iz začetne oblike predelati v primerno, ponavadi enostavnejšo, obliko. To naredimo z orodji za poslovno inteligenco, ki je dejansko postopek transformacije in hranjena podatkov ter oblikovanje poročil. Medicinske podatke imamo lahko podane v tabeli, v kateri imamo za vsako obravnavo v neki bolnišnici podake diagnoze, posege, čas sprejema, čas odpusta, utežitev obravnave (SPP), spol pacienta idr. O vsaki obravnavi imamo torej na voljo kar nekaj informacij, torej lahko oblikujemo diagrame, ki prikazujejo korelacije med posameznimi spremenljivkami (informacijami). Še vedno pa se dogaja, da orodja poslovne inteligence odpovejo. Programska orodja so velikokrat preveč kompleksna za dejanske potrebe uporabnika, spletna pomoč ne razume vedno konkretnega vprašanja uporabnika ali pa porabijo preveč časa za odgovor. Uporabniki poslovne inteligence mnogokrat ne zaupajo podatkom, ki jih dobijo, saj so lahko v njih skrite napake, ki nastanejo iz različnih razlogov (npr. tipkarska napaka pri vnosu podatkov v bazo). Predvsem v fazi uvajanja orodij poslovne inteligence v uporabo uporabniki ne vidijo smisla v uporabi le-te, saj poznajo poti, ki so zanje mnogo hitrejše in pridelajo enak rezultat. Pri zadnjem problemu je potrebno zavedanje uporabnika, da se je orodja za poslovno inteligenco potrebno naučiti uporabljati, kakor se je potrebno priučiti vsega novega. Ko razumemo način delovanja sistema poslovne inteligence, olajšamo celoten postopek pridobivanja, obdelave, shranjevanja in prikaza podatkov. Poslovna inteligenca omogoča, da si ustvarimo prednastavljene postopke za obdelavo in prikaz podatkov. Te postopke je enostavno prilagajati za uporabo podobnih podatkov. Po drugi strani pa s tem nadomestimo lastnoročno programiranje in pisanje skript, ki so lahko zelo nepregledne oziroma težko razumljive za uporabnika. Eden izmed programskih naborov za uporabo sistema poslovne inteligence, ki je na voljo v komercialni odprtokodni različici, je Pentaho. Sestavljen je iz posameznih orodij, ki so vsako posebej namenjena posamezni fazi poslovne inteligence. Ker se lahko vsake faze lotimo ločeno, je Pentaho enostavnejši za uporabo in uporabnik zlahka najde sebi uporabno plat sistema. Na voljo je tudi spletna podpora in vaje za lažje učenje in uporabo sistema. Prva faza pri uporabi orodij poslovne inteligence je predelava podatkov. Začetne podatke imamo ponavadi shranjene v tabelarični obliki v datoteki (MS Excel, CSV idr.), kadar imamo opravka z velikimi podatki, pa so shranjeni v podatkovni bazi. Pentaho nam omogoča povezavo z več visoko performančnimi bazami, ki so primerne za shranjevanje podatkov, ki jih nameravamo uporabiti v analizi. Pogosteje uporabljeni tovrstni povezavi sta Hadoop in NoSQL. Predelavo podatkov naredimo v Pentaho Data Integration, ki se uporablja za integracijo podatkov. Ponuja grafični vmesnik Spoon z naborom funkcij, ki jih povežemo v ETL proces za predelavo podatkov. ETL proces je sestavljen iz pridobivanja podatkov iz baze (»Extract«), preoblikovanja podatkov (»Transform«) in shranjevanja podatkov (»Load«). Podatke torej najprej preberemo, jih preko vezja, sestavljenega iz ponujenih funkcij, predelamo v željeno obliko in na koncu shranimo nazaj v isto bazo ali pa kam drugam. Ponujene funkcije omogočajo filtracijo vnosov, dodajanje informacije k vsem vnosom, izračun nove informacije za vnose na podlagi že znanih, vnose uredimo po želenem ključu, jih razdelimo v skupine, urejamo skupine vnosov in še marsikaj. Sestavljen postopek transformacije podatkov lahko shranimo in ga uporabimo kasneje. Enostavno ga je tudi prilagoditi drugim podatkom, saj urejanje postopka poteka preko intuitivnega grafičnega vmesnika. Na koncu transformacije, predelane podatke shranimo. Shranimo jih v datoteko formata MS Excel ali CSV ali v podatkovno bazo. Na to bazo (oz. datoteko) se povežemo z orodjem za izdelavo poročila. Pentaho Report Designer je orodje za izdelavo statičnih poročil, s Pentaho Design Studio pa lahko oblikujemo tudi prilagodljiva poročila, v katera lahko vključimo statična poročila, dodamo pa lahko tudi interaktivne analitične plošče in prilagodljive tabele. Analitične plošče omogočajo vizualen pogled na neko lastnost podatkov (npr. število obravnav v neki bolnišnici vsak mesec preteklega leta). Analitična plošča je sestavljena iz več diagramov, ki so lahko povezani med sabo. Za vsako bolnišnico lahko en diagram prikazuje število obravnav po mesecih, drugi diagram pa porazdelitev glavnih diagnoz čez vso leto. Diagrama lahko povežemo tako, da se ob izbiri nekega meseca v prvem diagramu, v drugem diagramu prikaže porazdelitev glavnih diagnoz le za izbrani mesec. Za analizo SUMOFIN podatkov imamo na voljo eno tabelo, v kateri so združeni podatki o posameznih obravnavah. Za vsako obravnavo imamo podan mesec sprejema in odpusta, glavno diagnozo, morebitne dodatne diagnoze, opravljene posege in še marsikaj drugega. Ker je za vsako obravnavo podanih veliko informacij, lahko z obračanjem podatkov naredimo različne analitične plošče in poročila, ki odražajo lastnosti različnih spremenljivk - informacij o posamezni obravnavi. Podatke lahko preoblikujemo tudi tako, da so iz njih razvidne korelacije med posameznimi spremenljivkami. V sklopu analiz smo podatke transformirali v orodje Pentaho Data Integration in nato oblikovali interaktivno analitično ploščo v orodju Pentaho Design Studio. Na začetku vsake transformacije smo odstranili odvečne informacije o obravnavah in morebiti odstranili obravnave, katerih glavna diagnoza ni enaka izbrani. Na koncu vsake transformacije pa smo obravnave uredili in razdelili v skupine po izvajalcih in mesecih. Predelane podatke smo shranjevali v PostgreSQL bazo. Ena izmed enostavnejših analitičnih plošč, ki smo jo naredili, je plošča, ki prikazuje porazdelitev dolžine ležalnih dob za vse obravnave skupaj za vse izvajalce skozi celotno obdobje. Ker je ležalna doba za posamezno obravnavo že dana v vhodni tabeli, nismo imeli veliko dela s predelavo podatkov. Izmed vseh informacij o vsaki obravnavi smo ohranili le leto in mesec sprejema, dolžino ležalne dobe, glavno diagnozo in izvajalca. Ker je čas sprejema shranjen v tekstovni obliki, smo ga preoblikovali v absolutni mesec sprejema. To pomeni, da smo leto in mesec sprejema združili v mesec sprejema, šteto od začetka danega obdobja dalje. Primer: marec 2005 pretvorimo v 12 mesecev za leto 2004 in 3 mesece v letu 2005, kar pomeni, da namesto marca 2005 dobimo (12 + 3 =) 15. mesec za ta sprejem. Nato obravnave uredimo naraščajoče po absolutnem mesecu sprejema ter po izvajalcih. Za direkten izračun dolžin ležalnih dob po mesecih oziroma po izvajalcih ločimo rezultat v tri datoteke - ležalne dobe po mesecih za vse izvajalce skupaj, ležalne dobe po izvajalcih za celotno obdobje in ležalne dobe po izvajalcih in mesecih. Tik pred zapisom v te tri datoteke obravnave združimo v skupine za lažji izračun povprečne ležalne dobe. Tako združimo vse obravnave iz posameznega meseca ter hkrati izračunamo povprečno ležalno dobo za ta mesec. Podobno združimo vse obravnave posameznega izvajalca in hkrati izračunamo povprečno ležalno dobo za vsakega izvajalca skozi celotno obdobje. Vse tri dobljene tabele shranimo v bazo. Za izdelavo analitične plošče uporabimo PentahoDesign Studio. V PentahoDesign Studiu oblikujemo celoten izgled analitične plošče, vključno z obliko strani, stilom pisave idr. Izdelati moramo strukturo strani, torej postavitev besedila in diagramov. Za vsak diagram izdelamo t.i. akcijo, v kateri določimo SQL stavek za prebiranje podatkov iz baze in obliko diagrama (tip diagrama, barve, velikost, oznake koordinat idr.). V akciji tudi določimo soodvisnost diagramov med sabo. Pri tej analitični plošči je dodana možnost izbire meseca, kar pomeni, da dobimo porazdelitev ležalne dobe po izvajalcih le v danem mesecu. Na enak način smo prikazali tudi porazdelitev števila Poslovna inteligenca se vedno pogosteje uporablja na mnogih področjih življenja nasploh, še posebej pa v poslovnem svetu. Zaradi vedno večje količine podatkov, ki so na voljo, se potreba po pametnem shranjevanju in obdelavi teh podatkov povečuje. Sam postopek poslovne inteligence omogoča predelavo, shranjevanje in prikaz podatkov. S tem pa zgodba še ne konča. Podatke v željeni obliki lahko dalje analiziramo, raziščemo njihovo strukturo in pomen, podatke lahko raziskujemo v sodelovanju z drugimi, preko analize podatkov lahko napovemo priporočila. Slika 29: Prikaz postopka izdelave interaktivne plošče o ležalnih dobah. Ogledali smo si tudi porazdelitev različnih dodatnih diagnoz za izbrano glavno diagnozo. V sklopu transformacije smo dodatne diagnoze shranili v eno spremenljivko, saj so bile prej shranjene vsaka posebej. Ker je možnih diagnoz približno 7440 in bi bili rezultati s toliko različnimi možnostmi nepregledni, smo se omejili le na diagnoze, ki se pojavijo kot dodatne diagnoze vsaj 75-krat. S tem smo ohranili 258 različnih diagnoz. Rezultate smo prikazali v analitični plošči, ki je sestavljena iz enega diagrama in dveh padajočih menijev. V diagramu je prikazana porazdelitev diagnoz, ki se pojavijo kot ena izmed dodatnih diagnoz pri izbrani glavni diagnozi skozi vso dano obdobje in za vse izvajalce (bolnišnice) skupaj. V dodanih menijih pa lahko uporabnik izbere izvajalca in/ali mesec, kar pomeni spremembo v diagramu. Porazdelitev dodatnih diagnoz se namreč omeji le na izbranega izvajalca in/ali mesec. Iz danih podatkov o posameznih obravnavah lahko razberemo tudi informacije o ponovnih sprejemih. Kot ponovni sprejem obravnavamo vsako obravnavo, ko se je pacient vrnil v bolnišnico v roku treh mesecev od njegove zadnje obravnave. Tekom transformacije smo obravnave uredili po pacientih in nato ohranili le tiste obravnave posameznega pacienta, ki imajo dovolj kratek časovni razmak. Analitična plošča o ponovnih sprejemih prikazuje porazdelitev razmaka med obema obravnavama pacienta (prva obravnava in ponovni sprejem) po mesecih, porazdelitev povprečnega časa do ponovnega sprejema po izvajalcih in porazdelitev števila ponovnih sprejemov po izvajalcih. Ob izbiri izvajalca v enem izmed zadnjih dveh porazdelitev se prikaz porazdelitve časovnega razmaka do ponovnega sprejema prilagodi temu izvajalcu - prikazana je porazdelitev le za tega izvajalca. Vsaka obravnava je obtežena s SPP kodo, ki določa vrednost obravnave. Podobno, kot smo naredili analitično ploščo za prikaz statistike o ponovnih sprejemih, smo naredili tudi analitično ploščo za statistiko o SPP utežeh za izbrano glavno diagnozo. Ker so v vhodni tabeli shranjene le kode SPP uteži, smo tekom transformacije v tabelo k vsaki obravnavi dodali še njeno vrednost. V analitični plošči je za vsakega izvajalca prikazano povprečje SPP uteži skozi celotno obdobje ter število obravnav v celem obdobju. Za vse izvajalce skupaj pa je prikazana tudi porazdelitev povprečne SPP uteži po meseci. Če v kateri izmed porazdelitev po izvajalcih izberemo izvajalca, se porazdelitev povprečne SPP uteži prilagodi vrednostim za tega izvajalca. Za izbrano glavno diagnozo smo si ogledali tudi smrtnost primerov. Tekom transformacije smo obravnave ločili v dve skupini - smrtni in ostali primeri - glede na izid obravnave. Analitična plošča za smrtnost je sestavljena iz treh diagramov. Eden prikazuje porazdelitev smrtnih in ostalih primerov po mesecih za vse izvajalce skupaj. Ostala dva prikazujeta porazdelitvi smrtnih primerov in ostalih primerov po izvajalcih in po mesecih. Kadar v katerem od zadnjih dveh diagramih izberemo izvajalca in/ali mesec, se porazdelitev v prvem omenjenem diagramu omeji na tega izvajalca in/ali ta mesec. Pri posameznih obravnavah je lahko izvedenih več posegov. Tekom transformacije zapise o različnih posegih pri vsaki obravnavi združimo in nato preštejemo število posegov za posameznega izvajalca in posamezen mesec. Ker samo število posegov ni toliko zanimivo kot število posegov na obravnavo, ohranimo tudi informacijo o število obravnav za posameznega izvajalca v posameznem mesecu - uvedemo pojem normiranega števila posegov. Normirano število posegov za posameznega izvajalca v danem mesecu je povprečno število posegov na obravnavo v tem mesecu, opravljenih pri izbranem izvajalcu. Posege smo uredili po izvajalcih in mesecih. Za vsakega izvajalec smo izračunali tudi normirano število posegov za vsak mesec. Porazdelitev števila posegov in števila obravnav smo združili s porazdelitvijo normiranega števila posegov v analitično ploščo o posegih. Porazdelitvi števila posegov in obravnav sta prikazani po izvajalcih, normirano število posegov pa po mesecih. Ob izbiri izvajalca se porazdelitev normiranega števila posegov prilagodi tej omejitvi. Analiza po SPP utežeh Skupno število SPP uteži po vseh bolnišnicah je vsa leta - vse od vpeljavitve sistema -naraščalo in je leta 2009 znašalo skoraj 500.000,00 uteži. Največ odstopanj vidimo v lelih 2003 in 2004, ko je bila klasifikacija po sistemu SPP šele v začetku, zato lahko ta odstopanja pripišemo začetnim napakam in nekonsistenosti v kodiranju, kot tudi dejstvu, da na začetku niso vse bolnišnice kodirale po sistemu SPP, pač pa le nekaj izbranih bolnišnic. Skupno število SPP uteži 600,000,00 T 500,000,00 400,000,00 300,000,00 200,000,00 100,000,00 0,00 am 2003 2004 2005 2006 2007 2008 Slika 30: Skupno število SPP uteži (vir:IVZ) Podoben trend kot pri skupni vrednosti vseh SPP uteži vidimo tudi pri povprečni vrednosti SPP uteži. Slika 31: Povprečan vrednost SPP uteži (vir: IVZ) Projekcija stroškov za zdravje v prihodnosti Potrebe po zdravstvenih storitvah in s tem povezani stroški nenehno naraščajo, kar je posledica družbenih sprememb (staranje prebivalstva) ter modernega življenskega sloga. Evropska komisija ja pripravila scenarij za gibanje izdatkov za zdravstvene storitve v naslednjih 50 letih. Dokumente so pripravili zaposleni na direktoratu za ekonomske in finančne zadeve. Spodaj so prikazani povzetki te raziskave. Rezultati napovedi Tabela spodaj predstavlja povzetek predvidenih sprememb v izdatkih za zdravstvo med leti 2007 in 2060, merjenih v % BDP in izraženih v obliki razlike od popolnoma demografskega scenarija. Razlika od popolnoma demografskega scenarija ilustrira individualen vpliv vsakega analiziranega faktorja na celoto zdravstvenih stroškov. Mivo Mfl? RailikaJCfl?- Razlikt glede nacisti demografslfi scenarij 2DE0 Cisti VisDlia Konstantno izbolj^no Stroški. Elastičnost Stroškovna [>e lovna Hitra Tehnologija Tehnologija dem{}grafski pricak{>vana zdravje zd ravje povezani s prihodka konvergenca intenzivnost stroškov [konvergenca do (konve rge nca iivij. doba sm rtnostjo na rast 2DE(]) do JOEO) BE 1.5 0.5 -1.1 -2.1 -3.3 0.4 0.7 0.6 0.6 0.6 BQ 0.7 0.3 -3.7 -1.3 -3.1 0.4 3.4 0.5 0.4 0.4 0.4 cz G. 2 2.3 0.5 -1.2 -2.1 -0.3 0.S O.G 1.5 O.G O.G O.G □ K E.S 1,2 0.4 -D.5 -1.7 -0.2 0.3 0.5 0.5 0.5 0.5 □ E S.O 0.5 -1.1 -2.0 -3.5 0.4 0.3 0.7 0.7 0.7 EE 4,9 1.2 0.5 -3.5 -1.5 -3.2 0.S 2.1 1.1 0.4 0.4 0.4 IE 2.0 0.4 -1.0 -l.S -0.3 0.3 0.5 0.6 0.6 0.6 EL 1.5 0.3 -3.7 -1.3 -0.2 0.3 0.5 O.S 0.5 0.5 ES l.S 0.3 -3.S -1.4 -3.3 0.3 0.3 0.5 0.5 0.5 FR 0,1 1.4 0.4 -1.0 -1.5 -3.3 0.4 0.7 0.7 0.7 0.7 IT 1.2 0.3 -3.7 -1.4 -3.2 0.3 0.6 0.5 0.5 0.5 C¥ 0.5 0.3 -3.S -1.3 -0.1 0.2 4.0 0.3 0.3 0.3 0.3 LV 0.7 0.3 -3.e -1.0 -0.1 0.3 4.5 1.0 0.3 0.3 0.3 LT 1.2 0.4 -0.5 -1.5 -0.2 0.4 3.0 1.3 0.4 0.4 0.4 LU 1.3 0.4 -3.5 -1.7 -3.3 0.4 -0.2 0.5 0.5 0.5 HU 1.7 0.7 -1.5 -2.4 -3.4 0.S 1.3 1.2 0.5 0.5 0.5 MT 3.S O.G -1.5 -2.7 -1.2 0.4 l.G 1.2 O.G O.G O.e NL 1.1 0.3 -0.7 -1.3 -0.2 0.2 0.7 0.4 0.4 0.4 AT 1.7 0.4 -1.0 -l.S -0.4 0.3 0.5 O.G O.G O.e PL 4,0 1.3 o.e -1.5 -3.e -3.1 0.4 3.6 1.0 0.4 0.4 0.4 PT 2.2 o.e -1.2 -2.2 -3.5 0.4 0.5 0.7 0.7 0.7 HO 3.5 1.4 0.4 -3.7 -1.3 -3.2 0.4 3.5 1.4 0.3 0.3 0.3 Sl 6,E 1.5 0.4 -1.0 -1.3 -3.3 0.S O.e 2.2 0.6 0.6 0.6 SK 5.0 2.3 0.4 -1.1 -1.5 -3.3 O.e 1.5 1.4 0.5 0.5 0.5 Fl 5.5 1.4 0.5 -1.2 -1.3 -3.2 0.3 0.6 0.5 0.5 0.5 SE 0.5 0.4 -3.5 -1.7 -0.2 0.3 o.s 0.6 0.6 0.6 UK 2.2 O.e -1.2 -2.1 -1.0 0.4 O.e 0.7 0.7 0.7 NO 5. G i.e 0.4 -1.0 -l.S -0.3 0.3 1.0 0.5 0.5 0.5 EU27 e.7 1,3 0.5 -1,0 -2.0 -0.5 0,'i : O.S C, 6 t.S 1.4 EU15 e.s l.S B.5 -1.0 -l.S -0.S 0,1) : 0.7 O.e 2.5 EU12 '>.7 1.6 0.5 -1.3 -1.5 -0.1 0,1) 1.7 1,1 0.1 i.e 1.3 Slika 32: Pregled napovedanih sprememb v zdravstvenih stroških kot % BDP-ja med leti 2007 in 2060 glede na različne scenarije (vir:EU) Vpliv demografskih sprememb Rezultati v spodnji tabeli kažejo, da bo demografski razvoj po pričakovanjih potisnil javne izdatke za zdravstvo med 0,7 in 3,8 odstotnih točk BDP-ja v večini držav članic med leti 2007 in 2060 in za 1,9% BDP-ja v povprečju. Pričakovati je, da se bo velik del tega povečanja uresničil do 2030, saj naj bi se v prvi polovici projekcijskega obdobja zgodila najhitrejša populacijska rast in proces staranja. Navkljub manj ugodnim demografskim napovedim (konvergiranje k manjši plodnosti in nižji smrtnosti), se pričakuje, da bo javno trošenje za zdravstvo raslo malo manj v EU12 (nove članice) kot v EU 15 (stare članice) državah. To kaže tako nižji začetni nivo trošenja (4,7 % v primerjavi s 6,9 BDP v 2007) kot njihovi ožji s starostjo povezani stroškovni profili. 2007 2010 2020 2030 2040 2050 2060 Razlika 2007-2060 BE 7.6 7.7 8.0 8,5 8.8 9,0 9,1 1.5 BG 4,8 4.9 5,0 5.3 5,4 5,4 0.7 CZ S.2 6,3 6.S 7,3 7,8 8,2 8,5 2.3 DK 5.9 6,0 6.4 6.8 6.9 7,1 7,1 1.2 DE 7.4 7,6 8.1 8,6 9,1 9.4 9,4 2.0 EE 4.9 5,0 5.2 5,4 5.7 6,0 6,2 1.2 IE s.s 5,9 6.1 e,s 7.0 7, S 7,a 2.0 El 5.0 5,1 5.3 5,6 6.0 6,3 6,4 1.5 ES 5.5 5,6 5.S 5,3 6.9 7,2 7,3 l.S FR 8.1 S. 2 8.6 9,0 9.3 9.5 9.5 1.4 IT 5.9 5,9 6,2 6.6 6.9 7,1 7,1 1.2 CY 2,7 2,8 2,9 3,1 3,2 3,4 3,S 0,3 LV 3,5 3,3 3,6 3,7 3,9 i,0 4,1 0,7 LT 4,5 4.5 4,8 5,0 5.3 5,5 5,7 1,2 LU 5.S 5.9 6.1 5,5 6.8 7,0 7.1 1.3 HU 5,8 5,8 6,1 5,5 7,0 7,3 7,5 1,7 MT 4,7 4,9 S,7 S,S 7,4 7,9 8.5 3.3 NL 4,8 4,9 5,3 5,6 5.8 5,9 6.0 1.1 AT 6.5 6,6 7.0 7,5 7.9 8,2 8,2 1.7 PL 4.0 4,1 4.4 4,7 5.0 5,2 5,4 1.3 PT 7.2 7,3 7.7 8,1 8.6 9,1 9,4 2.2 RO J.S 3,5 3.7 4,0 4,4 ^,7 4,9 1.4 Sl 6.6 6,7 7.1 7,7 8.2 8,4 8,6 1.9 SK 5.0 5,1 5.6 6,1 6.6 7,1 7,3 2.3 Fl 5.5 5,6 6.0 5,5 6.7 6,8 6,9 1.4 SE 7.2 7,2 7.5 7,7 7.9 S,0 8,1 0.9 UK 7.5 7,6 7.9 S,4 9.0 9,4 9,7 2.2 NO 5.6 5,7 6.1 5,6 6.9 7,2 7,3 l.S EU 2 7 6.7 6,3 7.1 7,5 8.0 8,4 8,6 1.9 EU15 6.9 7,0 7.3 7,7 8.2 8,5 8,7 l.S EU12 4.7 4,7 5.0 5,4 5.7 6,0 6,3 1.5 Slika 33: Čisti demografski scenarij: napovedi stroškov javnega zdravstva kot % BDP-ja, 2007-2060 (vir:EU, 2009) Stroški za zdravstvo so občutljivi na spremembe v predvidevanjih o demografskem razvoju, kar je vidno v rezultatih scenarija visoke pričakovane življenjske dobe. Hitrejši padec v deležu smrtnosti (ki rezultira v pričakovani življenjski dobi ob rojstvu, ki je za 1 leto višja na koncu projektivne dobe) vodi k relativno močni spremembi v izdatkih: dodatno povečanje za 0,3 do 0,7 BDP (povprečno dodatnih 30% preko napovedi čistega demografskega scenarija), naj bi se zgodilo v vseh državah članicah. Scenariji zdravstvenega statusa Izbira predvidevanj prihodnjih zdravstvenih stanj populacije močno vpliva na pričakovan razvoj zdravstvenih izdatkov. Izboljšani zdravstveni status bo stanjšal prihodnji pritisk na stroške za zdravstvo. Javni stroški za zdravstvo se bodo predvideno povečali le za 0,8% BDP v EU15 in 0,3% v EU12 v »kontanstnem zdravstvenem scenariju«. Manj kot 1,8% in 1,6% povečanja BDP je predvidenega za EU15 in EU12 v čistem demografskem scenariju. Če predvidevamo, da se bo zdrava življenjska doba povečala dvakrat hitreje kot celotna pričakovana življenjska doba (scenarij izboljšanega zdravja), se bodo praktično vsi proračunski vplivi starajoče populacije izravnali s pozitivnim razvojem v zdravstvenem statusu. Javni stroški za zdravstvo bodo po pričakovanjih padli v 17 analiziranih državah (največ za 2,2% na Poljskem) in se povečali le v enajstih. Upoštevanje stroškov, povezanih s smrtnostjo, vodi do občutnega zmanjšanja v izdatkih, v primerjavi s čistim demografskim scenarijem skozi celotno napovedno obdobje. Javni stroški za zdravstvo se bodo povprečno povečali za 1,4% BDP-ja manj kot v čistem demografskem scenariju. Vendarle pa se vpliv teh metodoloških prilagoditev pomembno razlikuje med državami, kar kaže vrzel med čistim demografskim scenarijem in tistim, povezanim s stroški, povezanimi s smrtnostjo, ki se giblje med 0,1% BDP-ja v Latviji in Bolgariji, do več kot 1% na Malti in v VBKot v drugih scenarijih, je napovedano povečanje v izdatkih nekoliko nižje v EU12 kot v EU15 državah zaradi nižjih začetnih stopenj trošenja in tudi zaradi njihovih ožjih profilov s starostjo povezanih izdatkov. Slika 34: Primerjava napovedani stroškov za zdravstvo (% DBP-ja, EU27 povprečje) glede na različne zdravstvene scenarije (vir:EU) Scenariji o vplivih prihodkov Obstajajo močni empirični dokazi o povezavi nacionalnega prihodka percapita in javnimi izdatki za zdravstvo kot deležem BDP. Moč povezave je določena z elastičnostjo prihodka na zahtevo. Za slednjo je verjetno (tako glede na teoretična predvidevanja kot empirične dokaze), da preseže enotnost, a konvergira k tej vrednosti, ko države razširijo pokritje zdravstvenega zavarovanja in javna provizija zdravstvenih dobrin in uslug postane univerzalna. Ta mehanizem se splošno kaže v scenariju elastičnosti prihodka, ki predvideva, da bo elastičnost prihodka konvergirala od 1,1 v 2007 do 1 do konca napovednega obdobja. Po pričakovanjih ima višja odzivnost izdatkov za zdravstvo na nacionalni prihodek rezultat v proporcionalno višjih izdatkih, povezanih z vsako procentualno točko BDP-ja rasti percapita, čeprav ta učinek pojenja, ko elastičnost konvergira k 1 na koncu napovednega obdobja. Glede na sprejete domneve naj bi se celotni stroški za zdravstvo v povprečju povečali za 2,3% BDP-ja, kar je 0,4% BDP-ja več kot v čistem demografskem scenariju. V nominalnih merilih lahko EU15 pričakujejo rahlo večje povečanje kot EU12 (2,1% v primerjavi z 2,0% BDP-ja), ampak glede na procentualno povečanje je predvideno, da bo trošenje v državah EU12 obrobno povečalo tistega v EU15. Drug način za modeliranje konvergence realnih stopenj prihodkov in realnih življenjskih standardov je, da ilustriramo učinek teh procesov na enoto stroškov zdravstvene provizije. Četudi so stroški za zdravstvo percapita v EU 12 (tako nominalno kot procent BDP-ja percapita) pod nivoji, ki jih opazimo v EU15, je pričakovan učinek dolgoročnih konvergenčnega procesa, da se jih dvigne na primerljive nivoje. Zato scenarij stroškovne konvergence predvideva, da se povprečni, s starostjo povezani izdatki, v EU12 progresivno dvignejo na povprečne izdatke EU15 v času napovednega obdobja. Rezultati scenarija kažejo, kot je pričakovano, hitro konvergenco v stroških za zdravstvo kot deležu BDP-ja proti stopnjam v EU15 državah. Povprečni stroški za zdravstvo EU12 držav naj bi dosegli 9,0% BDP-ja do 2060, kar pravzaprav presega EU15 povprečje 8,7% BDP-ja. To lahko razložimo z vztrajno nižjo učinkovitostjo (ista količina storitev za višji strošek) zdravstvenih sistemov v novih članicah. Na splošno se predvideva, da se bodo stroški za zdravstvo povečali za 2,7 točk BDP-ja preko tega, kar je napovedano s konstantnimi nacionalnimi s starostjo povezanimi stroškovnimi profili, s tem da se bo večina povečanja zgodila na koncu napovednega obdobja. Ta rezultat sugerira, da bi učinkovito upravljanje pričakovanj glede zdravstvenih storitev v EU12 lahko igralo pomembno vlogo v kontroliranju zdravstvenih stroškov v teh državah. Scenariji stroškov na enoto Stroški za zdravstvo so očitno občutljivi glede na domneve stroškov na enoto. To je pokazano s preprostim testom občutljivosti, ki kaže proračunski vpliv hitrejšega povečanja v stroških na enoto zdravstvene oskrbe, nudene prebivalstvu. Navidezno majhna sprememba v deležu rasti (1 točka nad osnovnim deležem preko prvih 10 let napovednega obdobja) močno vpliva na celotne rezultate: povečanje v stroških za zdravstvo je 0,6 točk BDP-ja večje kot v čistem demografskem scenariju. Bolj specifična situacija se pokaže v scenariju delovne intenzivnosti. Če se povečanje v delovnih stroških smatra kot glavno gonilo zdravstvenih izdatkov (in se zato predvideva, da se stroški na enoto razvijejo v skladu z BDP-jem na prebivalca), je predvideno, da naj bi se javnistroški za zdravstvo povečali za med 1 in 5 procentualnih točk BDP-ja med leti 2007 in 2060. Kot je pričakovati, je disperzija rezultatov večja kot v čistem demografskem scenariju, ampak so napovedna povečanja stroškov v večini stroškov višja. Za EU27 je predvideno, da bi se povprečni stroški za zdravstvo povečali za 2,7% BDP-ja do 2060, če se stroški razvijajo v skladu z BDP na delavca. 3,0 ^ 2,5 2,0 1,5 1,0 0,0 0,0 ill ^—^—^——I—^— —— —^— n —^ —^ 2007 2030 2045 2060 -0,6 \ ftit» denAqgrBffJii □ t»r|hodl(« ■ delovn» imenii^rsic □ stralko^ns tonverieric» Slika 35: Vrzel med povprečnimi stroški za zdravstvo v EU15 in EU12 napovedanih glede na različne scenarije (vir:EU) Tehnološki scenarij Tehnološki scenarij upošteva vpliv tehnološkega napredka (in drugih faktorjev na strani zalog) na zdravstvene izdatke, ki jih vidimo v zadnjih desetletjih. Ta vpliv je vključen v projekcijski model zdravstvene oskrbe, ampak glede na pričakovano konvergenco ekonomije (in zdravstvenega sektorja) proti stabilnemu stanju, se vpliv sčasoma manjša. Rezultati scenarija kažejo močan vpliv dodatnih faktorjev, ki so upoštevani. Vpliv je najmočnejši v prvih desetletjih napovednega obdobja in se kasneje ublaži, ko predvidena konvergenca zmanjša vpliv. V nevtralnem primeru, ko se konvergenca zgodi do leta 2060, je v EU27 povprečno povečanje v javnih stroških več kot trikrat višje kot čisti demografski vpliv (6,3% proti 1,9% BDP-ja). Še več, četudi predvidevamo, da bo dodaten tehnološki vpliv izginil hitreje (v 30 letih), je napovedan vpliv še vedno občuten (4,1% proti 1,9% BDP-ja). Slika 36: Primerjava napovedani stroškov za zdravstvo (% DBP-ja, EU27 povprečje) glede na elastičnost prihodka in tehnološke scenarije (vir:EU) Referenčni scenarij Scenarij predstavlja kombiniran vpliv številnih faktorjev, predvsem na strani zahtev (demografske spremembe, zdravstveni status, elastičnost prihodkov) napoveduje povprečno rast v stroških javnega zdravja za 1,7% BDP v EU27 državah članicah, kar je približno enako 25% začetne (2007) stopnje. Relativno procentualno povečanje občutno variira med državami, od 11% na Švedskem in 15% v Franciji do celo 45% na Slovaškem in 71% na Malti. Relativno povečanje je povprečno rahlo večje v EU12 (30%) kot v EU15 (23%). Delež rasti v stroških bo fluktuiral skozi čas. Najhitrejše povečanje se pričakuje za obdobje 2015-2040, ko bo povojna baby-boom generacija dosegla starost 60-70 let. V teh desetletjih se bo uresničilo povečanje za med polovico in dvema tretjinama celotnih izdatkov. Po 2040 je pričakovati, da se bodo izdatki večali občutno počasneje . Rezultati referenčnega scenarija se ne razlikujejo preveč od čistega demografskega scenarija. To lahko razložimo s tem, da se bosta rastoč pritisk, ki izvira iz povečanih osebnih dohodkov in javnih pričakovanj na eni strani, in relaksacija potreb in zahtev zdravstvene oskrbe zaradi izboljšanega zdravstvenega statusa na drugi strani, izničila. Ker pa večina dobavnih učinkov, ki navadno poslabšajo fiskalna tveganja (stroške medicinskih raziskav, investiranja v nove tehnologije in prekomerna regulacija zdravstvene oskrbe in farmacevtskih trgov, ki navijajo cene) ni pravilno modeliranih, v tej projekcijski napovedi, so rezultati zelo verjetno podcenjeni. Glede na te zadržke napovedni rezultati in še posebej referenčni scenarij, ne smejo biti razumljeni kot napoved prihodnjega razvoja v stroških zdravstva, ampak zgolj kot kvantifikacija kombiniranega vpliva sklopa merljivih spremenljivk. Nspovedanotrošenje kolin BDP-ja AbsQljtnB spremenntH v % BDP-ja % spremembe 2007 iOlO 2015 2020 2030 2040 2050 2060 2007-2060 2007-2015 2015-2040 2040-2060 2007-2060 BE 7,6 7,7 7,9 B,1 B,4 B,7 B,B B,B 1,2 4 11 1 16 BQ 4,7 4,5 4,9 5,0 5,1 5,4 5,5 5,4 0,7 5 9 1 16 CZ 6,2 6,4 6,7 6,9 7,4 7,6 B,1 B,4 2,2 7 15 7 35 DK 5,9 6,0 6,2 6,4 6,7 6, S 6,9 6,9 1,0 4 11 1 16 DE 7,4 7,6 7,9 B,1 B,5 9,0 9,2 9,2 1,B 6 14 3 24 EE 4,9 5,1 5,2 5,3 5,5 5,B 6,0 6,1 1,2 6 10 6 24 IE 5,B 5,9 6,0 6,1 6,5 6,9 7,3 7,6 1,B 3 16 9 30 EL 5,0 5,1 5,3 5,4 5,7 6,0 6,3 6,4 1,4 6 14 6 2B ES 5,5 5,6 5,7 5,9 6,3 6,5 7,1 7,2 1,6 3 20 6 30 FR B,1 B,2 B,4 B,6 B,9 9,2 9,3 9,4 1,2 3 10 1 15 IT 5,9 5,9 6,1 6,2 6,5 6,9 7,0 6,9 1,1 4 13 1 19 C¥ V 2,E 2,B 2,9 3,0 3,1 3,2 3,3 0,6 4 11 7 23 LV 3,5 3,5 3,6 3,7 3,E 3,9 4,0 4,1 0,6 5 9 4 IE LT 4,5 4,6 4,7 4,9 5,1 5,3 5,5 5,6 1,1 6 13 5 25 LU 5,8 5,9 6,1 6,2 6,5 6,5 7,0 7,0 1,2 5 13 2 21 HU 5,E 5,S 5,9 6,0 6,4 6,7 6,9 7,0 1,3 2 13 6 22 MT 4,7 4,9 5,3 5,6 6,4 7,2 7,6 B,0 3,3 12 36 12 71 NL 4,E 4,9 5,1 5,3 5,6 5,5 5,9 5,5 1,0 5 13 1 20 AT 6,5 6,6 6,B 7,0 7,4 7,6 B,1 B,0 1,5 5 15 2 24 PL 4,0 4,1 4,3 4,4 4,6 4,6 4,9 5,0 1,0 6 13 3 24 PT 7,2 7,3 7,5 7,6 B,0 B,5 B,9 9,1 1,9 4 14 7 26 RO 3,5 3,6 3,7 3,S 4,1 4,4 4,7 4,9 1,4 6 19 10 39 Sl 6,6 6,B 7,1 7,3 7,e 5,2 5,4 B,5 1,9 7 16 3 2g SK 5,0 5,2 5,4 5,7 6,2 6,7 7,1 7,2 2,3 9 23 6 45 Fl 5,5 5,6 5,E 6,0 6,3 6,5 6,5 6,5 1,0 6 12 -1 17 SE 7,2 7,3 7,4 7,5 7,7 7,9 6,0 B,0 0,B 3 6 1 11 UK 7,5 7,6 7,B B,0 8,4 5,9 9,2 9,4 1,9 4 14 6 26 NO 5,6 5,7 5,S 6,0 6,5 6,5 6,9 7,0 1,3 3 16 3 24 EU27 6,7 6, a 6,9 7,1 7,4 7,9 6,2 B,4 1,7 3 14 7 25 EU15 6,9 7,0 7,2 7,3 7,7 5,1 5,4 B,5 1,6 4 13 4 23 £(J]2 4,7 4,B 4,9 5,1 5,4 5,7 5,9 6,0 1,4 5 15 7 30 Slika 37: Napovedani rezultati za referenčni scenarij (vir: EU) Zaključek in priporočila Sistem SPP predstavlja po eni strani sistem za obračun akutnih bolnišničnih obravnav, po drugi strani pa sistem za sledenje zdravstvenega stanja populacije. Ta vgrajeni notranji konflikt sistema po eni strani zaradi finančne iniciative spodbuja zbiranje podatkov, po drugi strani pa ta ista iniciativa spodbuja napačno kodiranje s ciljem pridobitve čim večje uteži. Da bi dosegli željeno kakovost podatkov je zato potrebna institucija, ki bo skrbela za kakovost teh podatkov in poročanje vsem deležnikom (Ministrstvo, bolnice, IVZ, ZZZS, zavarovalnice, uporabniki javnih zdravstvenih storitev) v obsegu, kot je potreben (zakonsko dovoljen) za posameznega deležnika. Ti podatki so za Slovenijo strateškega pomena za verodostojno oblikovanje bodočih politik na področju zdravstva. Hkrati pa imajo ti podatki še en potencial: to je potencial sprotnega nadzora funkcioniranja bolnišničnega sistema. Če bi podatki bili redno zajemani, preverjeni in sprotno poročani, bi dosegli večjo transparentnost poslovanja, boljšo preglednost nad stroški in vzpodbujali aktivnosti povezane z izboljševanjem uporabe obstoječih virov. En način da izboljšamo kakovost našega zdravstvenega sistema je, da vložimo več sredstev in sprovedemo ustrezne programe. Drug je, da ta sredstva pridobimo z optimalnejšo izrabo virov. Če imamo verodostojne podatke, lažje ugotovljamo, kje lahko privarčujemo in kakšni so učinki naših aktivnosti. Pri tem pa ne smemo pozabiti tudi na vpliv javnega mnenja, ki je ob verodostojnih podatkih in želji uporabnikov javnega zdravstvenega sistema, da se viri uporabijo čimbolj učinkovito, močan vzvod, ki lahko ob premišljeni politiki povzroči pozitivne spremembe. Tudi glede na priporočila g. Ricka Marshalla v zaključku predstavljamo naslednja priporočila: • sprejem ustrezne zakonodaje o podatkovnih zbirkah v javne zdravju, ki bo jasno določila odgovornosti posameznih deležnikov. • Ustanovitev centralne službe za zajemanje SPP podatkov in kontrolo kakovosti. Naloge te službe bi bile naslednje: o Bolnišnice poročajo vse predpisane SPP podatke le tej službi. o Delovanje službe nadzirajo vsi pomembni deležniki: Ministrstvo, bolnice, ZZZS, IVZ, uporabnki storitev o Služba pošilja dalje podatke ustreznim ustanovam/deležnikom (IVZ, ZZZS, ministrstvo, posamezniki) v zakonsko predpisanem obsegu glede na vloge deležnikov. o Služba skrbi za razvoj kadrov in analitičnih metod, potrebnih za zagotavljanje kakovosti podatkov, preprečevanje anomalij, napačnega kodiranja ter izobraževanje koderjev. o Potencialno bi lahko služba opravljala še del analitike povezan z učinkovitostjo poslovanja bolnišnic na makro nivoju ter s poročili omogočalo medsebojno primerjavo med bolnišnicami. To je namreč lahko tudi vzvod za vzpodbujanje kakovosti podatkov. o Cikli zajema in poročanja morajo biti relativno kratki, da je mogoče zdravstveni sistem sproti »krmiliti« ter izvajati »samokontrolo«. Predlaga se mesečno poročanje zaključenih obravnav do 15. v mesecu za pretekli mesec, približno dvo-tedenski rok s strani službe za preverjanje kakovosti podatkov ter potem še dvo-tedenski rok s strani bolnišnic za odpravo nepravilnosti. Najkasneje v treh mesecih, če je možno pa še prej, so na voljo analize poslovanj bolnišnic glede na mesec oddaje. Trendi informacijske družbe gredo v smer čimbolj koristne izrabe podatkovnih virov za krmiljenje velikih sistemov. Četudi je za Ministrstvo ob vseh varčevalnih ukrepih, ki jih implicira kriza, kakovost podatkov v že tako relativno netransparentnem zdravstvenem sistemu morda drugotnega pomena in morda predvsem dolgoročna naložba, pa naj poudarimo, da je preglednost ključ do dobrega upravljanja in trenutno zatiskanje oči nas bo najverjetneje v prihodnosti veliko stalo, saj se bodo politične odločitve verjetno še naprej morale sprejemati bolj na osnovi (dovolj velikih) pritiskov s strani različnih interesnih skupin in manj na podlagi trdnih dejstev pridobljenih iz kredibilnih podatkov. Naj poudarimo, da je deklerativni interes, da se zagotovi kakovost podatkov, prisoten pri vseh deležnikih. Kompleksnost sistema in posledice enostranskih posegov so lahko izjemno drage, kar mogoče lahko identificiramo kot eno od ključnih skrbi pri poseganju v sistem. Služba za skrb za kakovost SPP podatkov naj vsaj na začetku ne bi izvajala sankcij izven obsega potrebnega za zagotovaljanje verodostojnosti podatkov. Na podlagi mnenja g. Marshalla, ki se mu pridružujemo, je ob sprotnem objavljanju analiz in poročili potrebno obdobje amnestije »grešnikov«, ki pa ob dejstvu, da so preko sprotnega poročanja dovolj jasno identificirirani v javnosti in med deležniki, morajo nujno zaradi pritiska tako javnosti kot deležnikov premisliti svoje strategije poročanja. Priloge Priloga 1: Vprašalnik Priloga 2: Opis priprave podatkov Priloga 1: vprašalnik Pozdravljeni! Zahvaljujemo se vam za sodelovanje v raziskavi o ustreznosti sistema financiranja zdravstvenih storitev SPP, ki jo izvajamo v okviru projekta V5-1050 Inštitut za matematiko, fiziko in mehaniko, Primorski inštitut za naravoslovne in tehniške vede, Inštitut za varovanje zdravja in Univerza v Ljubljani, Fakulteta za elektrotehniko. Naročnika projekta sta Ministrstvo za zdravje in Agencija za raziskovalno dejavnost RS. V okviru raziskave želimo ugotoviti pomanjkljivosti trenutnega sistema, identificirati težave z vnašanjem šifer v sistem ter se seznaniti z zadovoljstvom osebja bolnišnic z obstoječim sistemom vpisovanja SPP kod. Vaše izkušnje z delom vpisovanja diagnoz, terapevtskih oz. diagnostičnih postopkov in ostalih podatkov v sistem so za nas zelo pomembne in bodo vplivale na izide raziskave in priporočila o spremembah sistema poročanja. Vaši odgovori so popolnoma anonimni in bodo uporabljeni zgolj v namen te raziskave. Osebni podatki Spol: □ Ženski □ Moški Starost: □ Manj, do vključno 30 let □ 31-40 let □ 41-50 let □ 51-60 let □ Več kot 60 let Delovno mesto Kakšen poklic opravljate oz. kakšen položaj imate (izberete lahko dve možnosti) : □ Zdravnik pripravnik □ Zdravnik specialist □ Zdravnik specializant □ Zdravnik brez specializacije □ Sobni zdravnik □ Predstojnik oz. vodja oddelka □ Glavna medicinska sestra □ Teamska medicinska sestra □ Dipl. Medicinska sestra oz. višja medicinska sestra □ Srednja Medicinska sestra oz. zdravstveni tehnik oz. tehnik zdravstvene nege □ Administrator □ Drugo :_ Kako dolgo že opravljate delo na trenutnem delovnem mestu: □ Manj kot 1 leto □ 1-2 leti □ 3-5 let □ 6-10 let □ 11-15 let □ Več kot 15 let Kako pomembna se vam zdi informacijska pismenost (znanje upravljanja z računalnikom) za vaše vsakodnevno delo? □ Zelo pomembna □ Pomembna □ Malo pomembna □ Sploh ni pomembna Ali uporabljate računalnik tudi izven vašega delovnega časa? □ Da, vsak dan □ Da, večkrat na teden □ Da, približno enkrat na teden □ Redko (1-2 krat na mesec) □ Zelo redko (nekajkrat letno) □ nikoli Kako bi ocenili vzdušje med sodelavci? □ Zelo dobro □ Dobro □ Povprečno □ Slabo □ Zelo slabo Kako bi ocenili odnose z nadrejenimi? □ Zelo dobro □ Dobro □ Povprečno □ Slabo □ Zelo slabo Kako bi ocenili učinkovitost vodenja oddelka? □ Zelo učinkovito □ Dobro □ Povprečno □ Neučinkovito □ Zelo neučinkovito Vnos SPP podatkov Koliko časa že vnašate SPP podatke v informacijski sistem? □ Manj kot pol leta □ Od pol leta do manj kot eno leto □ Od enega leta do manj kot tri leta □ Tri do pet let □ Več kot 5 let Kolikokrat se je spremenil informacijski sistem za vpisovanje SPP podatkov odkar vnašate te podatke? (druge kode, drug program za vnašanje,^) - Nikoli - Enkrat - Dvakrat - Trikrat - Več kot trikrat - Ne vem, se ne spomnim Kdo vas je obvestil o spremembah pri vnašanju SPP podatkov v informacijski sistem: □ Vodstvo bolnišnice □ Vodja oddelka □ Zdravnik □ Glavna medicinska sestra oz. teamska medicinska sestra □ Diplomirana medicinska sestra oz. višja medicinska sestra □ Srednja Medicinska sestra oz.zdravstveni tehnik □ Administrator □ O spremembah sem zvedel/a na konferenci □ Drugo :_ Na kakšen način ste bili obveščeni o spremembah pri vnašanju v SPP sistem: □ Bil sem osebno obveščen □ Preko elektronske pošte □ Preko navadne pošte □ Na sestanku oddelka □ Drugo :_ Sledijo vprašanja o samem vnosu podatkov v sistem poročanja, programu, ki ga za to uporabljate, ter času, ki ga porabite za vnos podatkov v sistem. Katere podatke vpisujete v računalniški sistem za potrebe SPP? (izberete lahko več možnosti) □ Diagnoze □ Posege □ Ostale podatke o pacientih Kako pogosto vpisujete SPP podatke o DIAGNOZAH v informacijski sistem? □ Vsak dan □ Nekajkrat na teden □ Enkrat na teden □ Enkrat na dva tedna □ Mesečno □ Redkeje Kako pogosto vpisujete SPP podatke o POSEGIH v informacijski sistem? □ Vsak dan □ Nekajkrat na teden □ Enkrat na teden □ Enkrat na dva tedna □ Mesečno □ Redkeje Kako pogosto vpisujete ostale SPP podatke o pacientu v informacijski sistem? □ Vsak dan □ Nekajkrat na teden □ Enkrat na teden □ Enkrat na dva tedna □ Mesečno □ Redkeje Ali ponavadi vpisujete podatke v informacijski sistem zaporedoma za več oseb ali za vsako osebo ločeno? □ Za vsako osebo posebej □ Za 2-4 osebe □ Za 5 oseb ali več □ SPP podatke vedno vnašam ob odpustu pacienta Ali podatke vpisujete v informacijski sistem vedno samo za paciente na enem določenem oddelku ali na več oddelkih? □ Samo na enem oddelku □ Na več oddelkih Koliko časa povprečno porabite za vpisovanje podatkov v informacijski sistem za enega pacienta? □ Manj kot 10 min □ Od 10-20 min □ Več kot 20 min Kdaj navadno vpisujete SPP podatke v informacijski sistem? □ Na začetku delavnika □ Na koncu delavnika □ Med delavnikom Kako bi ocenili vaše počutje, kadar vpisujete SPP šifre v primerjavi z drugim delom? □ Vpisovanje mi je zelo všeč □ Vpisovanje mi je bolj všeč od ostalega dnevnega dela □ Vpisovanje jemljem enako kot ostale delovne obveznosti □ Vpisovanje mi je manj všeč od ostalega dnevnega dela □ Vpisovanju bi se najraje izognil/-a □ Vpisovanju se izognem in ga preložim na administracijo Ali veste vnaprej, katere diagnoze oz. posege boste vpisali v informacijski sistem za določenega pacienta, ali se o tem pozanimate šele ob vpisu? □ Vse podatke mi pripravijo drugi vnaprej, vključno s kodami □ Podatke mi pripravijo drugi, poiskati moram pa kode □ Podatke mi deloma pripravijo drugi, deloma pa jih moram poiskati sam □ Pred vpisom moram sam zbrati vse podatke Ali so osnovni podatki o pacientu že vneseni v informacijski sistem, ko vi začnete z vnosom SPP podatkov? □ Vse podatke mi pripravijo drugi vnaprej (so že vnešeni v sistem) , vključno s kodami □ Podatke mi pripravijo drugi, poiskati moram pa kode □ Podatke mi deloma pripravijo drugi, deloma pa jih moram poiskati sam □ Pred vpisom moram sam zbrati vse podatke Kje iščete kode za diagnoze: □ Večinoma poznam kode na pamet □ Kode iščem v računalniškem sistemu □ Kode imam napisane na listu ob računalniku □ Kode iščem v knjigah (MKB 10 (1.knjiga), MKB 10 (2. knjiga), e-MKB) □ Kode iščem v pripravljenem seznamu □ Prosim sodelavca, da mi jih poišče □ Drugo:_ Kje iščete kode za posege: □ Večinoma poznam kode na pamet □ Kode iščem v računalniškem sistemu □ Kode imam napisane na listu ob računalniku □ Kode iščem v knjigi oz. v Klasifikaciji terapevtskih in diagnostičnih postopkov □ Kode iščem v pripravljenem seznamu □ Prosim sodelavca, da mi jih poišče □ Drugo:_ Kadar ne poznate določene kode, koga lahko prosite za pomoč (možnih je več odgovorov) □ Sodelavce □ Nadrejene □ Zunanjo ustanovo (IVZ, MZ, ...) :_ □ Ne morem se obrniti na nikogar □ Izmislim si kodo □ Znajdem se sam (poiščem najbližjo sorodno diagnozo,^) Ocenite, koliko različnih kod za diagnoze trenutno uporabljate v praksi pri vaših vnosih. □ Manj kot 2 □ 2 - 5 □ 6 - 10 □ 11 - 15 □ več kot 15 Ocenite, koliko različnih kod za posege uporabljate v praksi pri vaših vnosih. □ Manj kot 2 □ 2 - 5 □ 6 - 10 □ 11 - 15 □ več kot 15 Programska oprema Kateri program (informacijski sistem) uporabljate za vpisovanje SPP kod? □ Hipokrat □ BIRPIS^ □ Drugo :_ □ Ne vem imena našega programa za vnos SPP podatkov Ali se vam zdi program za vpisovanje SPP kod ustrezen? □ Ustreza našim potrebam □ Ima več pomanjkljivosti □ Ima malo pomanjkljivosti Katere se vam zdijo glavne pomanjkljivosti programa? □ Počasno delovanje □ Nepreglednost □ Oteženo iskanje kod □ Dolgotrajnost postopka vpisovanja □ Manjkajoče diagnoze □ Manjkajoči postopki □ Ne morem se navaditi na program □ Drugo :_ Način vnašanja oz. optimizacije vnosa Kako vnašate diagnoze v informacijski sistem? □ Vnesem najprej tisto, kar se mi zdi najbolj potrebno □ Držim se vrstnega reda, ki se mi zdi najbolj pravilen □ Držim se vrstnega reda v skladu z metodološkimi navodili □ Čisto vseeno je, kako vnašam podatke □ Vnesem ne glede na pomembnost □ Vnesem le nekaj najpomembnejših kod diagnoz □ Vnesem po pomembnosti glede na SPP utež Kako vnašate posege v informacijski sistem? □ Vnesem najprej tisto, kar se mi zdi najbolj potrebno □ Držim se vrstnega reda, ki se mi zdi najbolj pravilen □ Držim se vrstnega reda v skladu z metodološkimi navodili □ Čisto vseeno je, kako vnašam podatke □ Vnesem ne glede na pomembnost □ Vnesem le nekaj najpomembnejših kod posegov □ Vnesem po pomembnosti glede na SPP utež Ali imate na vašem oddelku priporočila glede izbire določenih kod oz. spreminjanja vrstnega reda vpisanih diagnoz in terapevtskih oz. diagnostičnih postopkov? □ Da □ Ne □ Občasno V kakšni obliki prejmete priporočila o vnosu SPP podatkov (možnih je več odgovorov)? □ Na sestanku □ Preko pošte/okrožnice □ Na oddelku imamo knjigo s priporočili glede SPP uteži □ Na oddelku imamo metodološka navodila □ Drugo:_ Ali vam pri vnosu program prikaže SPP utež? □ Da □ Ne □ Utež vidim kasneje, ko so podatki že obdelani Kako se odločite za določeno diagnozo oz. poseg? □ Pozoren sem na SPP utež □ Ravnam po metodoloških navodilih □ Vpisujem, kot se mi zdi najbolj pravilno □ Drugo:_ Ocenite od 1 do 5 stvari, katerim pripisujete večjo pozornost pri vpisovanju SPP diagnoz: - Da so vpisane vse diagnoze: 1 2 3 4 5 - Da so vpisane diagnoze, ki povečajo utež: 1 2 3 4 5 - Vrstni red vpisanih diagnoz: 1 2 3 4 5 - Pravilnost glavne diagnoze : 1 2 3 4 5 Kakšne oblike izobraževanja na področju vnašanja SPP podatkov se vam zdijo najprimernejša (možnih je več odgovorov)? □ Delavnice □ Kratki seminarji □ Spletna gradiva □ Učni listi □ Večdnevna izobraževanja □ Drugo :_ Ali bi se udeleževali takšnih izobraževanj? □ Da, takšnih izobraževanj bi se udeleževal/a □ Izobraževanj bi se udeleževal/a, če bi takrat imel/a čas □ Izobraževanj bi se udeleževal/a, če bi bila v krajšem obsegu □ Izobraževanj bi se udeleževal/a, če bi bila organizirana v moji bolnišnici/zdravstveni ustanovi □ Ne bi se udeleževal/a Priloga 2: Opis priprave podatkov S programom SPP smo v eno datoteko združili podatke o posegih iz let 2004, 2005, 2006, 2007, 2008 in 2009. Ker so se v posameznih datotekah imena in tipi spremenljivk razlikovale, smo spremenljivke posameznih datotek pred združevanjem ustrezno popravili, da smo lahko zajeli unijo vseh podatkov. V združenem naboru podatkov smo identificirali zanimive spremenljivke Zanimive spremenljivke Letzaj (Leto zajema) Obdzaj (Obdobje zajema) - mesec v letu Oznizv (Oznaka izvajalca) - bolnišnica Lecslzad(Lečeča zdravstvena služba z lokacijo) Gldiaob1(Glavna diagnoza mkb 10) Dodia[1..19] (Dodatna diagnoza) Tdpost[1..20] Terapevtski in diagnostični postopek Sifizspp(Šifra izračunane SPP) Lez_dob2(ležalna doba) Generirane spremenljivke V naboru podatkov smo pripravili zgrajene spremenljivke. Za posamezne posamezne vzorce (vrstice v podatkih) smo jih generirali s programom SPP na sledeč način: Abs_obdzaj (Absolutno obdobje zajema v mesecih) Izračunam abs_obdzaj (absolutno obdobje zajema v mesecih) COMPUTE abs_obdzaj=((letzaj-2004)*12+obdzaj) N_diagnoz(Izračunano število diagnoz) COMPUTE N_diagnoz=(gldiaob1 ~= '')+(dodia1 ~= '')+(dodia2 ~= '')+(dodia3 ~= '')+(dodia4 ~= '')+(dodia5 ~= '')+(dodia6 ~= '')+(dodia7 ~= '')+(dodia8 ~= '')+(dodia9 ~= '')++(dodia10 ~= '')+(dodia11 ~= '')+(dodia12 ~= '')+(dodia13 ~= '')+(dodia14 ~= '')+(dodia15 ~= '')+(dodia16 ~= '')+(dodia17 ~= '')+(dodia18 ~= '')+(dodia19 ~= ''). N_posegov (zračunano skupno število posegov) COMPUTE N_posegov=(tdpost1 >0)+(tdpost2 >0)+(tdpost3 >0)+(tdpost4 >0)+(tdpost5 >0)+(tdpost6 >0)+(tdpost7 >0)+(tdpost8 >0)+(tdpost9 >0)+(tdpost10 >0)+(tdpost11 >0)+(tdpost12 >0)+(tdpost13 >0)+(tdpost14 >0)+(tdpost15 >0)+(tdpost16 >0)+(tdpost17 >0)+(tdpost18 >0)+(tdpost19 >0)+(tdpost20 >0). Priprava podatkov za nadaljnjo analizo Za nadaljnjo analizo smo podatke izvozili v csv datoteko, ki smo jo potrebovali v nadaljnjih postopkih. V programskem jeziku Java smo napisali program MineFeatureParser.java, ki je izračunal nove značilke za posamezne izvajalce. Ker smo analizirali gibanje uteži SPP po posameznih mesecih, smo pripravili dve novi značilki: absolutno vrednost SPP uteži za posameznega izvajalca za posamezni mesec in na število primerov normirano vrednost SPP uteži za posamezne mesece za posameznega izvajalca. Program je iz pripravljene csv datoteke prebral podatke in za vsakega izvajalca za vsak absoluten mesec pripravil analizo SPP uteži. Podatke o vrednosti SPP uteži smo pridobili s spletne strani IVZ v csv datoteki, kjer so paroma zapisane oznake posameznih uteži in njihove vrednosti. Z uporabo podatkov iz te datoteke smo pripravili nove datoteke, ki so vsebovale po posameznih mesecih združene podatke po posameznih izvajalcih in absolutno ter glede na število primerov normirano vrednost uteži SPP. Datoteke je program shranil v obliki csv. Format datotek je predstavljen v tabelah Napaka! Vira sklicevanja ni bilo mogoče najti. in Napaka! Vira sklicevanja ni bilo mogoče najti.. Izvajalec1 (Vrednost SPP) Izvajalec2 (Vrednost SPP) Mesec1 Mesec2 Tabela 1: Format CSV datoteke z novimi značilkami za analizo vrednosti SPP uteži po posameznih izvajalcih po posameznih mesecih. Izvajalec1 (ABS Vrednost SPP) Izvajalec2 (ABS Vrednost SPP) Mesec1 Mesec2 Tabela 2: Format CSV datoteke z novimi značilkami za analizo absolutne vrednosti SPP uteži po posameznih izvajalcih po posameznih mesecih. Opis metode MINE Podatke smo analizirali s postopkom MINE, ki zaznava zanimive povezave med pari spremenljivk. Izračunali smo mero MIC. Metoda je po navedbah avtorjev primerna za analizo podatkov z namenom ugotavljanja odvisnosti med spremenljivkami na področju globalnega zdravja, genetike, podatkov s področja športa in mikrobiologije. »David N. Reshef, et al. Detecting Novel Associations in Large Data Sets. Science 334, 1518 (2011); Analiza parne vrednosti asociacije med posameznimi izvajalci S programskim paketom MINE smo podatke v s programom MineFeatureParser.java dobljenih datotekah analizirali in za vse izvajalce paroma izračunali vrednost asociacije z ostalimi izvajalci. Za večino izračunanih parov smo pričakovali visoko vrednost izračunane asociacije, kar naj bi kazalo na podobno delovanje izvajalcev. Pričakovali smo tudi, da bomo v določenih parih ugotovili manjšo vrednost stopnje asociacije, kar naj bi nakazalo da gre za ustanovo, ki od ostalih ustanov odstopa. Rezultat analize podatkov s programskim paketom MINE je csv datoteka, ki vsebuje podatke o vrednosti asociacijske stopnje MIC za posamezne paroma primerjanje spremenljivke analiziranega podatkovnega nabora. V programskem jeziku Java smo napisali program FeatureOrderParser.java s katerim smo s strani IVZ dodeljene oznake izvajalcev zamenjali z numeričnimi vrednostmi in zapisali translacijsko datoteko, v kateri so zapisane oznake posameznih izvajalcev in pripadajoča numerična vrednost. Namen koraka je bil preprostejša vizualizacija podatkov. V nadaljevanju smo s programom FeatureMatrixGenerator.java, s katerim smo iz rezultatov analize s programom MINE izdelali kvadratno matriko, v kateri so bili na i,j tem mestu vrednosti parne korelacije med izvajalcema i in j. Dobljeno matriko smo vizualizirali v programskim paketom Matlab, za kar smo napisali program Analyze.m IVZ oznaka Prirejena izvajalca numerična Ime izvajalca vrednost 12307 0 Bolnišnica Golnik - oddelek za pljučne bolezni in alergijo abs_obdzaj 1 Splošna bolnišnica Maribor/Učna bolnišnica MF 8051 2 Univ.Ljubljana 3791 3 Ortopedska bolnišnica Valdoltra 9601 4 Bolnišnica Topolšica 4071 5 Splošna bolnišnica Jesenice 3771 6 Bolnišnica Ivana Regenta, Sežana 3821 7 Splošna bolnišnica Izola 10001 8 Splošna bolnišnica Trbovlje 2727 9 Splošna bolnišnica Celje 7644 10 Splošna bolnišnica Dr. J. Potrča, Ptuj 10481 11 Onkološki inštitut Ljubljana 16 12 Splošna bolnišnica Dr. Franc Derganc, Šempeter 128 13 Splošna bolnišnica Brežice XXX 14 374 15 Splošna bolnišnica Novo mesto 4031 16 Bolnišnica za ginekologijo in porodništvo, Kranj 14450 17 Splošna bolnišnica Slovenj Gradec 6001 18 Klinični center Ljubljana 8664 19 Splošna bolnišnica Murska Sobota Tabela 3: Translacijska tabela med s strani IVZ dodeljenimi oznakami izvajalca in numeričnimi vrednostmi. Dobljene rezultati so prikazani na sliki Napaka! Vira sklicevanja ni bilo mogoče najti.. Diagonalne vrednosti so 1, ker je asociacijska stopnja posameznega izvajalca s samim sabo 1. Na osi x in y vrednost 1 predstavlja spremenljivko abs_obdzaj, ostale vrednosti pa posamezne izvajalce. 0.8 O. O 0.6 ro 0.4 0.2 0 0 ^^^^^ 15 Izvajalec 2^ 20 Izvajalec Slika 1. S programskim paketom MINE paroma izračunana asociacijska stopnja med posameznimi izvajalci. 1 0 Analiza relativnega gibanja vrednosti SPP uteži za posamezne izvajalce po obdobju Izdelali smo nabor programov za analizo relativnega gibanja vrednosti SPP uteži za posamezne izvajalcev po obdobju posameznih mesecev. V grafih je z modro črto prikazana povprečna vrednost SPP uteži. Z rdečo črto je prikazan linerani trend gibanja vrednosti SPP uteži. Podatki so izračunani z uporabo v ta namen napisanega programa sppvalueconter.MineFeatureParser.java s parametrom MineFeatureParser.MODERELATIVE. Rezultat obdelave je .csv datoteka, ki jo odpremo v programskem jeziku Matlab napisanem programu AnalyzeTime.m in z njim izračunamo trendne črte, ter narišemo slike. 10 20 30 40 50 60 Mesec Izvajalec 16