NOU 2019: 24

Inntektsfordeling mellom regionale helseforetak

Til innholdsfortegnelse

1 Behovsanalyse for somatikk

1.1 Datagrunnlag – forbruk av tjenester

Behovsnøkkel og behovsindeks for somatikk baseres på en analyse av forbruk for alle individer bosatt i Norge i 2016 og 2017. Analysen omfatter helseforetak og behandling hos private som er en del av den offentlig finansierte spesialisthelsetjenesten ved private ideelle sykehus, avtalespesialister og private opptreningsinstitusjoner. Aktivitetsdata for 2016 og 2017 er innhentet fra Norsk pasientregister, og aktiviteten er målt som DRG-poeng. Ved beregning av DRG-poeng for 2016 er kostnadsvekter og DRG-logikk for 2016 benyttet, tilsvarende er kostnadsvekter og DRG-logikk for 2017 benyttet ved beregning av DRG-poeng for 2017.

For avtalespesialister er ikke datagrunnlaget slik at det kan beregnes DRG-poeng. Aktiviteten er regnet om til DRG-poeng på følgende måte: Forholdet mellom gjennomsnittlig kostnad per konsultasjon (sum kostnader avtalespesialister dividert med antall konsultasjoner) og enhetsprisen i ISF-ordningen i 2016 gir en «kostnadsvekt» for konsultasjoner hos avtalespesialister. Denne multipliseres med antall konsultasjoner, og gir et estimat på antall DRG-poeng, Det er benyttet samme vekt for 2016 og 2017.

Heller ikke for private opptreningsinstitusjoner er det registrert DRG-poeng. Etter samme prinsipp som for avtalespesialister er det laget «kostnadsvekter» for tre omsorgsnivå; polikliniske konsultasjoner, dagrehabilitering og døgnrehabilitering. Kostnadsvekt for polikliniske konsultasjoner er beregnet som gjennomsnittlig kostnad per konsultasjon (på somatiske sykehus) i 2016 dividert med enhetsprisen i ISF-ordningen i 2016. Kostnadsvekt for dagrehabilitering på private opptreningsinstitusjoner er beregnet som gjennomsnittlig kostnad per dagopphold (på somatiske sykehus) i 2016 dividert med enhetsprisen i ISF i 2016. Døgnopphold på private rehabiliteringsinstitusjoner kan ha ulik varighet slik at det er ønskelig med en vekt som gjenspeiler ulik ressursinnsats eller ulikt behov for tjenester. Kostnadsvektene for døgnopphold er estimert som 0.886*LIGGEDØGN/PASIENT+0.099*LIGGEDØGN1. Dette gir en fast innvekting av private opptreningsinstitusjoner over de to årene analysene utføres på. Totalt antall DRG-poeng for private rehabiliteringsinstitusjoner er deretter justert slik at sum DRG-poeng for rehabilitering har samme forhold til sum DRG-poeng sykehus som sum kostnader rehabiliteringsinstitusjoner og sum totale somatiske kostnader.

Samlet utgjør somatiske sykehus 91 pst. av antall estimerte DRG-poeng for årene 2016 og 2017. Private avtalespesialister utgjør 6 pst., mens private rehabiliteringsinstitusjoner utgjør 3 pst.

Om lag 43 pst. av befolkningen var pasienter i 2016 og i 2017.

Tabell 1.1 Fordeling av individer som ikke har vært pasienter, og pasienter etter 4 grupper DRG-poeng

Ikke pasienter

0-0,1 DRG- poeng

0,1-0,5 DRG-poeng

0,5-2,5 DRG- poeng

Over 2,5 DRG-poeng

2016

57,1 %

20,2 %

11,7 %

8,1 %

2,8 %

2017

56,7 %

19,7 %

12,0 %

8,7 %

2,9 %

Tabell 1.2 Sum forbruk (DRG-poeng) og DRG-poeng per 1000 innbyggere, 2016 og 2017

Region

DRG-poeng 2016

DRG-poeng 2017

DRG-poeng per 1 000 innbyggere, 2016

DRG-poeng per 1 000 innbyggere, 2017

Helse Sør-Øst

895 187

923 235

295,2

301,3

Helse Vest

326 661

335 712

290,3

294,5

Helse Midt-Norge

228 413

235 898

309,4

316,3

Helse Nord

151 531

157 094

307,6

315,9

Forklaringsvariabler

Data om befolkningen er innhentet fra ulike databaser i Statistisk sentralbyrå. Et prosjektspesifikt løpenummer er laget av Statistisk sentralbyrå for prosjektet slik at data fra Norsk pasientregister kan kobles til befolkningsdataene. Koblinger på kommunenivå er utført av sekretariatet.

I analysene benyttes fire typer forklaringsvariabler:

  • Alder og kjønn

  • Sosioøkonomiske variabler

  • Helserelaterte variabler

  • Variabler som beskriver bosted

I analysene kontrolleres det for forskjeller i kapasitet i den kommunale helse- og omsorgstjenesten og spesialisthelsetjenesten.

Tabell 1.3 Forklaringsvariabler behovsanalyse somatikk

Variabel

Definisjon

Varierer over

Alderssammensetning

Alder 0–5 år

Alder definert som år minus fødselsår. Dummykoding for aldersgrupper. Beregnet for hvert individ for hvert år.

Individ, år

Alder 6–12 år

Alder 13–17 år

Alder 18–29 år

Alder 30–39 år

Alder 40–49 år

Alder 50–59 år

Alder 60–69 år

Alder 70–79 år

Alder 80–89 år

Alder 90 år og eldre

Kjønn

Dummy = 1 for menn

Individ

Sosioøkonomiske forhold

Utdanningsnivå

Individers høyeste oppnådde utdanningsnivå per år, kodet 0 for kun grunnskole eller ukjent, -1 for videregående skole, -2 for fagskole, -3 for kort høyere utdanning og -4 for lang høyere utdanning. Kodet 0 for individer 0–24 år og 67 år og eldre.

Individ, år

Kun grunnskole

Dummy = 1 for individer med kun grunnskole som høyeste utdanningsnivå, per år.

Individ, år

Ikke i arbeid

Dummy = 1 for individer som ikke er kategorisert i arbeidsmarkedsstatistikken som kategori 1 lønnstakere i en eneste måned i løpet av året. Kodet kun for individer i alderen 18 til 66 år.

Individ, år

Inntekt

Samlet inntekt (lønnsinntekt, kapitalinntekt mm.) foregående år.

Individ, år

Lavinntekt

Dummy = 1 for individer med registrert inntekt som er lavere enn 9-percentilen.

Innvandringskategori B

Dummy = 1 for individer i innvandringskategori B

Individ

Interaksjon mellom innvandringskategori B og ikke-vestlig på kommunenivå

Dummy for individer i innvandringskategori B multiplisert med andel innvandrerne som har ikke-vestlig bakgrunn i kommunen. Ikke-vestlig er definert som ikke fra Vest-Europa, Amerika eller Oseania.

Individ, år

Stillingsprosent

Gjennomsnittlig stillingsprosent per måned i 2016 og 2017.

Individ

Andel av tiden som lønnstaker

Hvor mange av månedene i 2016 og 2017 var individet kategorisert som lønnstaker, for individer i alderen 18 til 66 år.

Individ

Familietype: enpersonfamilie

Dummy = 1 for individer kategorisert i familietype 111–114 (enpersonfamilie).

Individ, år

Familietype: aleneforsørger

Dummy = 1 for individer kategorisert i familietyper 231–242 (mor/far med små barn og mor/far med store barn), for individer 18 år eller eldre.

Individ, år

Familietype: aleneforsørget

Dummy = 1 for individer kategorisert i familietyper 231–242 (mor/far med små barn og mor/far med store barn), for individer 0–17 år.

Individ, år

Helsetilstand

Dødelighet

Død samme år eller neste.

Individ, år

Uføretrygd eller arbeidsavklaringspenger

Dummy kodet 1 for individer som har vært mottakere av enten uføretrygd og/eller arbeidsavklaringspenger på minst ett tidspunkt i løpet av året.

Individ, år

Uføretrygd varighet

Antall måneder i løpet av et år som mottaker av uføretrygd.

Individ, år

Arbeidsavklaringspenger varighet

Antall måneder i løpet av et år som mottaker av arbeidsavklaringspenger.

Individ, år

Sykefravær

Andel av totalt antall dager i året individer som er tapt grunnet legemeldt sykefravær. Kun målt for individer 18 til 66 år.

Individ, år

Variabler som beskriver bosted

Klima- og breddegradsindeks

Klima- og breddegradsindeks som presentert i NOU 2008: 2. Oppdatert med nye meteorologiske data om nedbør, sommer- og vintertemperaturer.

Kommune

Arbeidsledighet

Arbeidsledighetsprosent fra Statistisk sentralbyrås arbeidskraftsundersøkelse. Registrerte arbeidsledige i alderen 15 til 74 år.

Kommune, år

Andel med kun grunnskole

Andel av innbyggerne som har kun grunnskole.

Kommune

Andel med sosialhjelp

Andel av innbyggerne som har mottatt sosialhjelp.

Kommune

Andel ikke-vestlige innvandrere

Andel av innvandrerne som er ikke-vestlige innvandrere.

Kommune

Andel uføretrygd

Andel av innbyggerne som har uføretrygd.

Kommune

Voldskriminalitet

Antall anmeldte lovbrudd for vold og mishandling per 1000 innbyggere.

Kommune

Asylsøkere

Antall asylsøkere i 2016 (gruppert etter kommuner med asylmottak) per innbyggere. Data om antall ved mottak innhentet fra UDI.

Kommune

Tilbudet av helsetjenester

Reisetid til akuttsykehus

Gjennomsnittlig reisetid i timer fra befolkning per kommune til nærmeste akuttsykehus. Data beregnet av Statistisk sentralbyrå.

Kommune

Plassdekning

Andel plasser i kommunal helse- og omsorg per innbygger i kommunen som er 81 år og eldre. Plasser omfatter sykehjem, aldershjem, barnebolig, avlastningsbolig og eventuelle private institusjoner. Ikke inkludert KAD.

Kommune

Kommunenes kostnader til pleie og omsorg

Kostnader per innbygger til kommunal pleie og omsorg (Kostra-funksjon FGK9).

Kommune

Kommunenes kostnader til øyeblikkelig hjelp-plasser (KAD)

Kostnader per innbygger til øyeblikkelig hjelp døgnopphold i kommunene (Kostra-funksjon 261).

Kommune

Helseforetaksdummyer

Dummy kodet 1 for hvert av de offentlige helseforetakene med opptaksområde (Sunnaas er dermed ikke inkludert, heller ikke de felleseide foretakene eller foretakene som er støttefunksjoner). Lovisenberg Diakonale Sykehus, Diakonhjemmet Sykehus og Haraldsplass Diakonale Sykehus opptrer som egne helseforetak med egne opptaksområder.

Helseforetak

Demografi

Alder er inkludert som 13 dummyvariabler for følgende alderskategorier: 0 til 5 år, 6 til 12 år, 13 til 17 år, 18 til 29 år, 30 til 39 år, 40 til 49 år, 50 til 59 år, 60 til 69 år, 70 til 79 år, 80 til 89 år og 90 år og eldre. Alder er beregnet som år (2016 eller 2017) minus fødselsår, slik at hvert individ i analysene kan være i to ulike aldersgrupper i hvert av årene analysene gjennomføres på.

Kjønn er inkludert i analysene som en dummyvariabel kodet 1 for menn.

Sosioøkonomiske forhold

Utdanningsnivået er målt som en lineær effekt av høyeste oppnådde utdanning på individnivå. Variabelen er innhentet fra Nasjonal utdanningsdatabase hos Statistisk sentralbyrå. Det forventes en negativ sammenheng slik at høyere utdanning gir lavere behov for helsetjenester. Derfor er variabelen snudd. Variabelen har fått verdien 0 for individer med kun grunnskole eller ikke kjent utdanningsnivå, verdien -1 for fullført videregående, verdien -2 for fullført fagskole, verdien -3 for kort utdanning på universitets- og høyskolenivå og verdien -4 for lang utdanning på universitets- og høyskolenivå. Variabelen har kun verdier for individer i alderen 25 til 66 år, alle andre har fått verdien 0. Fra informasjon om utdanningsnivå er det også avledet en egen dummyvariabel for de med grunnskole som høyeste oppnådde utdanning. Utdanningsvariablene varierer over år.

Fra A-ordningen hos Statistisk sentralbyrå er det innhentet informasjon om arbeidsmarkedstilknytning. Arbeidsmarkedsstatus er en gruppering av om individene er 1) lønnstakere, 2) helt ledig, 3) ikke lønnstakere eller 4) ukjent status. Fra denne opplysningen er det avledet en variabel ikke i arbeid for personer som ikke har status som 1) lønnstaker på noe tidspunkt i perioden, og som er i aldersspennet 18 til 66 år. Individer uten opplysninger om arbeidsmarkedsstatus har fått verdien 0 på variabelen. Stillingsprosent er utlevert fra samme database hos Statistisk sentralbyrå og det er i analysene målt som gjennomsnittlig stillingsprosent over perioden, dvs. månedlige målinger gjennom 2016 og 2017. Andel av tiden som lønnstaker er hvor mange måneder i perioden 2016 og 2017 individet har vært gruppert i arbeidsmarkedsstatuskategori 1) lønnstaker.

Samlet inntekt er innhentet fra A-ordningen hos Statistisk sentralbyrå og omfatter yrkesinntekt, kapitalinntekt, skattepliktige og skattefrie overføringer mottatt i løpet av et kalenderår. Opplysningene om inntekt er koblet på fra foregående år. For individer i 2016 er dermed inntekt for 2015 koblet på, og for 2017 er inntekt for 2016 koblet på. Lavinntekt er avledet fra samme data og er dummykodet for individer med registrert inntekt (ikke 0 eller missing) som er lavere enn de laveste 9 pst.2

Innvandringsdata er innhentet fra befolkningsstatistikk hos Statistisk sentralbyrå. Alle individer er i statistikken gruppert i en av seks grupper A) født i Norge med to norskfødte foreldre, B) innvandrere, C) norskfødte med innvandrerforeldre, E) utenlandsfødte med en norskfødt forelder, F) norskfødte med en utenlandsfødt forelder og G) utenlandsfødte med to norskfødte foreldre. I analysene er det laget dummy for kategori B. I tillegg er det konstruert en interaksjon mellom denne kategorien på individnivå og andel av innvandrere befolkningen i hver kommune med ikke-vestlig bakgrunn.

Alle individer er i Statistisk sentralbyrås befolkningsstatistikk tilordnet en familiekategorisering per år. Vi har brukt opplysningene til å lage dummykode for enpersonfamilie basert på individer som er kategorisert i Statistisk sentralbyrås familietyper 1.1.1 til 1.1.4 (enpersonfamilie under 30 år, 30 til 44 år, 45 til 66 år og 67 år eller over). Dummy for aleneforsørger er for individer over 18 år som er gruppert i en av følgende fire familietyper: 2.3 (mor/far med små barn/yngste barn 0 til 5 år) og 2.4 (mor/far med store barn/yngste barn 6 til 17 år). Siden barn er gruppert sammen med sine foreldre i klassifiseringen har vi laget en egen variabel for aleneforsørget som er samme avgrensning som aleneforsørger, men kun for individer i alderen 0 til 17 år.

Helsetilstand

Dødelighet er målt per individ som en dummy for om individet dør samme år eller neste år som analysen gjennomføres på (Befolkningsstatistikk fra Statistisk sentralbyrå). For data fra 2016 er dødelighet da målt for individer som dør i løpet av 2016 eller 2017. For data fra 2017 er dødelighet målt for individer som dør i løpet av 2017 eller 2018. Dødelighet er laget i fire aldersgrupper; 0 til 19 år, 20 til 39 år, 40–79 år og 80 år og eldre.

For individer på enten uføretrygd eller arbeidsavklaringspenger i løpet av et år er det laget en felles dummy. Opplysninger om dette er innhentet fra FD-trygd hos Statistisk sentralbyrå, og er kun testet for individer i alderen 18 til 66 år. Basert på de samme data er det også laget en variabel som måler varigheten et individ har mottatt uføretrygd basert på tiden trygdeordningen ble iverksatt og eventuell avgang fra trygdeordningen. Tilsvarende er også generert for varighet av arbeidsavklaringspenger.

Opplysninger om sykefravær er innhentet fra Statistisk sentralbyrå via A-ordningen og Sykemeldingsregisteret. Sykefravær er i analysene definert som andel av totalt antall dager i løpet av et år som er legemeldt sykefravær. Opplysningene er kun kodet for individer i alderen 18 til 66 år.

Variabler som beskriver bosted

I tillegg til individnivåvariablene er flere forhold samlet på kommunenivå for å beskrive bostedet til individet. Dette er kontrollvariabler som kan antas å påvirke etterspørselen etter tjenester (for eksempel klima- og breddegradsindeks).

I NOU 2008: 2 ble en klima- og breddegradsindeks bestående av fire deler foreslått. Delene var breddegrad, nedbør, sommer- og vintertemperaturer. Hver delindeks sorterte kommunene fra minst til mest langs en skala fra 0 til 1 etter forventet retning på sammenhengen med behov (nordlig breddegrad, mye nedbør, varm vinter og kald sommer). Den samlede indeksen ble beregnet som et uvektet gjennomsnitt av disse fire delindeksene. Indeksen har nå blitt oppdatert med nye meteorologiske data om nedbør, sommer- og vintertemperaturer fra Meteorologisk institutt. De kommuner som ikke har målestasjoner har fått tilordnet klimadata fra nærmeste kommune.

Arbeidsledighet er innsamlet fra Statistisk sentralbyrås arbeidskraftsundersøkelse (statistikkbanken tabell 10540). Registrerte arbeidsledige i alderen 15 til 74 år. Dette er en annen kilde enn arbeidsledighetsstatistikk fra NAV og gir et annet nivå på tallene, men formålet med analysene her er å vise til forskjeller mellom kommuner, ikke nivået i seg selv.

Voldskriminalitet er målt som antall anmeldte lovbrudd for vold og mishandling per 1000 innbyggere. Disse data er samlet inn fra Statistisk sentralbyrå (statistikkbanken tabell 08487).

Ikke-vestlige innvandrere er innbyggere som innvandringskategori B, dvs. førstegenerasjons innvandrere. Ikke-vestlig er definert som ikke å være fra Vest-Europa, Amerika og Oseania. Andel av innvandrere med ikke-vestlig bakgrunn er summert i kommuner basert på befolkningsstatistikk fra Statistisk sentralbyrå.

Data om antall asylsøkere i 2016 (gruppert etter kommuner med asylmottak) per innbyggere er delvis innhentet fra UDI (antall ved mottak), og fra et pågående (upublisert) forskningsprosjekt ved NTNU (informasjon om kommuner med asylmottak i 2016).

Basert på individnivåvariabler har vi også konstruert variabler på kommunenivå som gjennomsnitt per kommune: andel av innbyggerne som har kun grunnskole, andel av innbyggerne som har mottatt sosialhjelp og andel av innbyggerne som har uføretrygd.

Manglende opplysninger (på grunn av endring i kommunestruktur) er satt lik fylkesgjennomsnitt.

Tilbudet av helsetjenester

Reisetid er definert som gjennomsnittlig antall timer reisetid til nærmeste somatiske akuttsykehus. Reisetiden er beregnet av Statistisk sentralbyrå fra hver bostedsadresse til nærmeste akuttsykehus og gruppert på kommunenivå. Akuttsykehus er definert fra Nasjonal helse- og sykehusplan (2016–2019). Populasjonen består av alle som bor innenfor 100 meter av vegnettet, og reisetiden er beregnet på grunnlag av vegsegmentets lengde og fartsgrense, uten vekting for eventuell trafikk eller trafikklys.

Plassdekning i kommunene er målt som andel plasser i kommunal helse og omsorg per innbygger i kommunen som er 81 år og eldre. Dette omfatter både plasser på sykehjem, aldershjem, barnebolig, avlastningsbolig og eventuelle private institusjoner som er en del av det offentlige tilbudet. Antall akutt/øyeblikkelig hjelp døgnplasser er imidlertid ikke en del av dette antallet. Data er innsamlet fra Statistisk sentralbyrå (statistikkbanken tabell nummer 11875). Fra Statistisk sentralbyrås KOSTRA-database er det også med kostnader per innbygger til øyeblikkelig hjelp døgnopphold i kommunene (Kostra-funksjon 261) og kostnader per innbygger til helse og omsorg (Kostra-funksjon FGK9).

Manglende opplysninger (på grunn av endring i kommunestruktur) er satt lik fylkesgjennomsnitt.

Regionale forskjeller på forklaringsvariablene

Her presenteres gjennomsnittsverdier for hver region på de ulike forklaringsvariablene. Det er ikke hensyntatt hvilken aldersinteraksjon variabelen gjelder. Det betyr for eksempel at gjennomsnittlig utdanningsnivå er beregnet for alle innbyggere i hver region, selv om variabelen kun har verdier for innbyggere mellom 25 til 66 år. Dummyvariabler er fremstilt som prosent.

Tabell 1.4 Regionale forskjeller på forklaringsvariabler: demografi

Variabler

Helse Sør-Øst

Helse Vest

Helse Midt-Norge

Helse Nord

Alder 0–5 år

6,8 %

7,5 %

6,7 %

6,2 %

Alder 6–12 år

8,3 %

9,0 %

8,4 %

8,0 %

Alder 13–17 år

5,7 %

6,2 %

6,0 %

6,0 %

Alder 18–29 år

15,7 %

16,4 %

16,5 %

16,2 %

Alder 30–39 år

13,7 %

13,9 %

12,6 %

11,8 %

Alder 40–49 år

14,2 %

13,6 %

13,2 %

13,3 %

Alder 50–59 år

12,8 %

12,1 %

12,4 %

13,1 %

Alder 60–69 år

10,6 %

10,1 %

11,2 %

11,9 %

Alder 70–79 år

7,5 %

6,7 %

7,8 %

8,3 %

Alder 80–89 år

3,6 %

3,4 %

3,9 %

4,0 %

Alder 90 år og eldre

1,1 %

1,1 %

1,2 %

1,1 %

Kjønn (mann)

50,1 %

50,8 %

50,9 %

50,9 %

Tabell 1.5 Regionale forskjeller på forklaringsvariabler: sosioøkonomiske forhold

Variabler

Helse Sør-Øst

Helse Vest

Helse Midt-Norge

Helse Nord

Utdanningsnivå

-1,45

-1,40

-1,37

-1,32

Kun grunnskole

20,2 %

19,0 %

20,2 %

24,5 %

Ikke i arbeid

17,1 %

15,0 %

14,6 %

15,0 %

Inntekt (1000 kroner)

350,8

352,3

327,7

323,9

Lavinntekt

7,4 %

7,1 %

7,0 %

6,6 %

Innvandringskategori B: Innvandrere

16,6 %

14,0 %

11,1 %

10,8 %

Interaksjon mellom innvandringskategori B og ikke-vestlige innvandrere på kommunenivå

0,15

0,12

0,10

0,10

Gjennomsnittlig stillingsprosent

74,03

72,84

70,79

70,16

Andel av tiden som lønnstaker

38,7

39,5

38,3

37,2

Familietype: enpersonfamilie

21,8 %

19,3 %

20,1 %

21,7 %

Familietype: aleneforsørger

3,0 %

2,7 %

2,8 %

3,3 %

Familietype: aleneforsørget

3,2 %

2,8 %

2,8 %

3,3 %

Tabell 1.6 Regionale forskjeller på forklaringsvariabler: helsetilstand

Variabler

Helse Sør-Øst

Helse Vest

Helse Midt-Norge

Helse Nord

Død (0–19 år)

0,006 %

0,006 %

0,007 %

0,007 %

Død (20–39 år)

0,024 %

0,027 %

0,025 %

0,026 %

Død (40–79 år)

0,616 %

0,527 %

0,580 %

0,692 %

Død (80 år og eldre)

0,859 %

0,797 %

0,951 %

0,964 %

Andel av individer på uføretrygd og/eller arbeidsavklaringspenger

9,0 %

7,6 %

9,0 %

10,7 %

Uføretrygd antall måneder

0,06

0,05

0,06

0,07

Arbeidsavklaringspenger antall måneder

0,03

0,02

0,03

0,03

Sykefravær andel av totalt antall dager

1,3 %

1,3 %

1,4 %

1,6 %

Tabell 1.7 Regionale forskjeller på forklaringsvariabler: variabler som beskriver bosted

Variabler

Helse Sør-Øst

Helse Vest

Helse Midt-Norge

Helse Nord

Klima- og breddegradsindeks

0,25

0,44

0,40

0,50

Arbeidsledighet

2,48

3,20

2,28

2,12

Kun grunnskole på kommunenivå

0,43

0,43

0,42

0,46

Sosialhjelp på kommunenivå

0,02

0,02

0,02

0,03

Andel av innvandrere med ikke-vestlig bakgrunn

88,3

88,9

89,4

88,2

Uføretrygd på kommunenivå

0,06

0,05

0,06

0,07

Voldskriminalitet

7,31

6,22

5,30

7,43

Asylsøkere

0,29

0,38

0,39

0,85

Tabell 1.8 Regionale forskjeller på forklaringsvariabler: tilbudsvariabler

Variabler

Helse Sør-Øst

Helse Vest

Helse Midt-Norge

Helse Nord

Plassdekning kommunale plasser

0,0089

0,0092

0,0098

0,0112

Kommunale kostnader per innbygger til helse- og omsorgstjenester (1000 kroner)

19,7

20,6

22,3

27,5

Kommunale kostnader per innbygger til øyeblikkelig hjelp døgnopphold (kroner)

111,6

114,4

86,7

84,5

Reisetid (timer) til somatisk akuttsykehus

0,28

0,35

0,43

0,87

Valgt metode

Formålet med analysene er å etablere en sammenheng mellom faktorer som påvirker forbruk av tjenester (for eksempel alder) og størrelsen på forbruket. Denne sammenhengen kan beskrives i to ledd; for det første i hvilken grad en faktor påvirker sannsynligheten for at individet har forbruk av tjenester, for det andre hvordan faktoren påvirker størrelsen på dette forbruket. Metodisk kan dette gjøres gjennom å estimere i to steg. I steg en estimeres sannsynligheten for at individet har forbruk. I steg to kombineres dette med estimatet på sammenhengen mellom kriteriet og størrelsen på forbruket. Når det er mange faktorer som dels virker alene og dels virker i et samspill, viser det seg at en slik to-stegs modell imidlertid ikke alltid gir stabile resultater, og i noen tilfeller heller ikke lar seg estimere. Det har vært gjennomført analyser ved hjelp av en slik to-stegs metode. Når disse gjøres på samlede data fra 2016 og 2017 konvergerer ikke modellen. Det er derfor valgt å ikke benytte denne tilnærmingen i beregning av behovsnøkler og behovsindekser.

Det er deretter benyttet to alternative tilnærminger. Den ene er å estimere sammenhengen mellom behov og for eksempel alder direkte ved hjelp av ordinær minste kvadraters metode (OLS) og individdata. Den andre er å aggregere individdata opp til cellenivå og også her benytte OLS. Den første tilnærmingen har den fordel at den best utnytter den informasjonen som ligger i å ha data på individnivå. Siden en stor andel av befolkningen ikke har forbruk av tjenester vil dette gi noen statistiske utfordringer i forhold til de forutsetninger som OLS bygger på. Den andre tilnærmingen innebærer at man estimerer forholdet mellom gjennomsnittlig forbruk hos en gruppe individer og for eksempel gjennomsnittlig sykefravær, trygdeandel eller lignende i denne gruppen. Dette vil i praksis være samme tilnærming som ble benyttet i NOU 2008: 2. Ulempen med en slik tilnærming er at det på gruppenivå kan trekkes slutninger om sammenhenger som det ikke finnes støtte i på individnivå, og at det dermed kan etableres sammenhenger som ikke er reelle.

Det er vurdert at det at man nå har data på individnivå over bruk av tjenester som også kan kobles med informasjon om inntekt, utdanning, trygdestatus mv. representerer et betydelig framskritt i forhold til datagrunnlaget som lå til grunn for NOU 2008: 2. Videre vurderes fordelen med å utnytte den informasjonen som ligger i individdata som større enn den metodiske usikkerheten knyttet til å benytte OLS. Det er derfor valgt å estimere modellen og beregne tilhørende behovsnøkler og behovsindekser gjennom å analysere individdata ved bruk av OLS. Det er gjennomført supplerende analyser ved bruk av aggregerte celledata (se tabell 1.9). Disse gir ikke vesentlig forskjellige resultater når de benyttes til å predikere forbruk på aggregert nivå, men kan gi forskjeller i effekt av ulike kriterier. I celleanalysene er det ikke lengre effekt av uføretrygd eller arbeidsavklaringspenger, og vi observerer at ikke i arbeid får en svak negativ effekt. Dessuten fanger nå dødelighet opp en betydelig alderseffekt mens i individnivåanalysene (se tabell 1.10) er dødelighet og alderseffektene i større grad adskilt siden dødelighet er målt på individnivå.

Tabell 1.9 Regresjonsresultater celledataanalyser, behov somatikk

Variabel

Regresjonskoeffisient

T-verdi

Konfidensintervall

Alder 0–5 år

0,333

37,4

(0,31 – 0,35)

Alder 6–12 år

0,161

41,9

(0,15 – 0,17)

Alder 13–17 år

0,185

59,6

(0,18 – 0,19)

Alder 18–29 år

0,208

48,2

(0,20 – 0,22)

Alder 30–39 år

0,232

35,3

(0,22 – 0,25)

Alder 40–49 år

0,230

59,6

(0,22 – 0,24)

Alder 50–59 år

0,309

90,2

(0,30 – 0,32)

Alder 60–69 år

0,494

103,9

(0,48 – 0,50)

Alder 70–79 år

0,696

127,9

(0,69 – 0,71)

Alder 80–89 år

0,957

64,4

(0,93 – 0,99)

Alder 90 år og eldre

0,640

29,0

(0,59 – 0,69)

Dødelighet (0–19 år)

6,090

7,0

(4,27 – 7,91)

Dødelighet (20–39 år)

1,737

3,6

(0,73 – 2,74)

Dødelighet (40–79 år)

4,573

34,0

(4,29 – 4,85)

Dødelighet (80 år og eldre)

0,697

20,2

(0,63 – 0,77)

Uføretrygd eller arbeidsavklaringspenger (18–66 år)

-0,022

-1,0

(-0,07 – 0,02)

Sykefravær (18–66 år)

2,913

19,8

(2,61 – 3,22)

Ikke i arbeid (18–66 år)

-0,023

-1,6

(-0,05 – 0,01)

Kjønn (mann)

-0,006

-3,9

(-0,01 – -0,00)

Reisetid til nærmeste somatiske akuttsykehus

-0,012

-4,4

(-0,02 – -0,01)

Interaksjon innvandrer og andel av innvandrere ikke-vestlig

-0,177

-5,1

(-0,25 – -0,10)

Antall celler

173 593

N vektet

10 834 113

R2

0,7745

Det er også undersøkt å benytte 2016-data til å predikere 2017 for å sammenligne de ulike tilnærmingene. Resultatene ble marginalt bedre for OLS enn to-stegs metoden, samt at to-stegs metoden hadde konvergensproblemer.

Regresjonene er gjennomført uten konstantledd og alle variabler (bortsett fra alder) er operasjonalisert som avvik fra gjennomsnitt. Analysene er gjort med robust estimering av standardfeil for å ta høyde for opphopning av observasjoner på helseforetaksnivå. Det er inkludert dummyer for helseforetak for å korrigere for forskjeller i behandlingskapasitet (fast effekt).

De fire gruppene med forklaringsvariabler er testet blokkvis hver for seg for å velge ut relevante variabler fra hver gruppe. Det benyttes en strategi hvor variabler som ikke er statistisk signifikante (T-verdi < 2) ekskluderes. Deretter estimeres modellen samlet med relevante variabler fra alle blokkene, og igjen ekskluderes ikke-signifikante variabler. I den endelige modellen beholdes alle variabler som bidrar signifikant til å forklare variasjon i forbruk av helsetjenester. Bortsett fra interaksjon mellom innvandringskategori og andel ikke-vestlig innvandring på kommunenivå er det ikke testet andre interaksjonseffekter enn mellom alder og de øvrige variablene.

Resultater

Tabell 1.10 viser den foretrukne modellen, med regresjonskoeffisienter, T-verdi og konfidensintervall.

Tabell 1.10 Regresjonsresultater individnivå behovsmodell somatikk, koeffisienter T-verdi og 95 pst. konfidensintervall

Variabel

Regresjonskoeffisient

T-verdi

Konfidensintervall

Alder 0–5 år

0,362

46,6

(0,35 – 0,38)

Alder 6–12 år

0,186

87,1

(0,18 – 0,19)

Alder 13–17 år

0,208

95,5

(0,20 – 0,21)

Alder 18–29 år

0,180

92,8

(0,18 – 0,18)

Alder 30–39 år

0,182

131,0

(0,18 – 0,18)

Alder 40–49 år

0,173

137,4

(0,17 – 0,18)

Alder 50–59 år

0,227

122,3

(0,22 – 0,23)

Alder 60–69 år

0,416

115,0

(0,41 – 0,42)

Alder 70–79 år

0,759

159,9

(0,75 – 0,77)

Alder 80–89 år

0,927

85,1

(0,90 – 0,95)

Alder 90 år og eldre

0,528

33,6

(0,05 – 0,56)

Dødelighet (0–19 år)

5,427

10,7

(4,38 – 6,49)

Dødelighet (20–39 år)

2,699

16,9

(2,37 – 3,03)

Dødelighet (40–79 år)

3,771

54,7

(3,63 – 3,91)

Dødelighet (80 år og eldre)

1,137

37,6

(1,07 – 1,20)

Uføretrygd eller arbeidsavklaringspenger (18–66 år)

0,356

33,2

(0,33 – 0,38)

Sykefravær (18–66 år)

3,069

45,4

(2,93 – 3,21)

Ikke i arbeid (18–66 år)

0,090

30,1

(0,08 – 0,10)

Kjønn (mann)

0,008

4,2

(0,00 – 0,01)

Reisetid til nærmeste somatiske akuttsykehus

-0,013

-5,8

(-0,02 – -0,01)

Interaksjon innvandrer og andel av innvandrere ikke-vestlig

-0,081

-57,9

(-0,08 – -0,08)

N

10 834 113

R2

0,1456

R2 er et mål på hvor stor del av variasjonen knyttet til den avhengige variabelen som forklares av modellen. R2 går fra verdien 0, som betyr absolutt ingen assosiasjon mellom de inkluderte variablene og den avhengige variabelen, til verdien 1, som betyr at modellen er perfekt determinert. I denne modellen er R2 målt som 0,1456. Det betyr at om lag 15 pst. av all variasjon i DRG-poeng per innbygger forklares av de inkluderte variablene. Siden forbruk av DRG-poeng på individnivå (både pasienter og ikke-pasienter) er knyttet til individuelle sykdomsforløp med mye statistisk støy, er vurderingen at modellen har svært god forklaringskraft.

Alle alderskategoriene er signifikante og inngår i forslaget til kostnadsnøkler. Aldersgrupperingen for barn og unge er valgt for å harmonere med den som benyttes i analysene av psykisk helsevern for barn og unge.

Menn har høyere forbruk av somatiske sykehustjenester enn kvinner.

Individer som ikke er i arbeid har høyere bruk av helsetjenester.

Dødelighet er sterkt positivt assosiert med bruk av somatiske spesialisthelsetjenester. Den varierer med alder, slik at bruken av tjenester faller med alder ved død.

Både uføretrygd/arbeidsavklaringspenger og sykepenger er positivt assosiert med bruk av helsetjenester.

Valg av nøkler

Koeffisientene fra regresjonsanalysene benyttes til å beregne kriterievekter (behovsnøkler). Hver variabel er operasjonalisert som avvik fra gjennomsnittet, og regresjonen er gjennomført uten konstantledd. Det betyr at alderskategorikoeffisientene kan tolkes som forbruket til en person i den aktuelle kategorien som har gjennomsnitt på de andre variablene.

Behovsvektene beregnes på følgende måte:

Figur  

Tilbudssidevariabler blir ikke inkludert som behovsnøkler (reisetid og helseforetaksdummyer). Kun koeffisienter som er positive, og hvor den forventede retningen er positiv blir inkludert som mulige behovsnøkler. Data aggregeres til regionnivå før beregning av nøkler. Ukorrigerte vekter beregnes for alle inkluderte variabler, og dette gir i sum over 1 i samlede vekter. Først skaleres aldersvektene slik at samlede vekter blir 1, deretter utelates negative variabler, uforventede resultater og tilbudssidevariabler, før alle vekter skaleres igjen slik at sum av vekter blir 1.

Tabell 1.11 Kriterievekter behov somatikk

Kriterier

Vekter

Sum

Andel av aldersgruppen 0–5 år

0,050

Andel av aldersgruppen 6–12 år

0,032

Andel av aldersgruppen 13–17 år

0,025

Andel av aldersgruppen 18–29 år

0,059

Andel av aldersgruppen 30–39 år

0,049

Andel av aldersgruppen 40–49 år

0,049

Andel av aldersgruppen 50–59 år

0,058

Andel av aldersgruppen 60–69 år

0,091

Andel av aldersgruppen 70–79 år

0,115

Andel av aldersgruppen 80–89 år

0,068

Andel av aldersgruppen 90 år og eldre

0,012

Andel menn

0,013

Kjønn og alderskriterier: 0,621

Dødelighet (0–19 år)

0,061

Dødelighet (20–39 år)

0,035

Dødelighet (40–79 år)

0,080

Dødelighet (80 år og eldre)

0,003

Andel med uføretrygd eller arbeidsavklaringspenger (18–66 år)

0,066

Andel sykmeldte (18–66 år)

0,084

Andel ikke i arbeid (18–66 år)

0,052

Helse og sosiale kriterier: 0,379

Sum

1,000

1,000

Fotnoter

1.

Vektene er basert på en enkel modell for kostnader per oppholdsdøgn i somatiske tjenester for 2016. Dette er egne beregninger utført av sekretariatet.

2.

Statistisk sentralbyrås fattigdomsbegrep er basert på inntekt per husholdning, etter skatt. Dette har vi ikke mulighet til å estimere basert på data, og har i stedet laget dummy for laveste 9 pst. av befolkningen. Statistisk sentralbyrås fattigdomsgrense (60 pst. av nasjonal median) gir at om lag 9 pst. av befolkningen er under fattigdomsgrensen. Dersom vi med våre data setter grensen til å være 9 persentil, vil om lag 7 pst. falle under grensen (avvik på grunn av manglende data som følge av individer med 0 i inntekt)

Til dokumentets forside