De ventendes helse

Tor Iversen, Gry Stine Kopperud Om forfatterne
Artikkel

I det offentlige helsevesen inneholder ventelistene de pasientene som sykehusene planlegger å undersøke og eventuelt behandle. Disse pasientenes ventetid er gjenstand for offentlig oppmerksomhet og begrunner krav om mer ressurser til sykehusene. Dette har samtidig ført til en debatt om hvorvidt oppmerksomheten om sykehusenes ventelister fører til at andre pasientgrupper som kan ha like store behov, taper i kampen om ressursene. For eksempel hevder Lønning-utvalget (1) at ”Den tiltakende konsentrasjon om ventelister og ventetid rommer en fare for at ressurser styres mot det som kan kvantifiseres. Grunnlaget for en fordeling av ressursene er da ikke lenger helhetlige verdivalg og holdninger, men mer teknisk-administrative tilnærminger hvor høye tall (køer) fører til høyere prioritet for et behandlingstilbud”. En tolking av utsagnet er at vilkårlighet med hensyn til hvem som tildeles plass på venteliste, bidrar til at pasienter som ikke tildeles slik plass, får et dårligere tilbud enn hva en behovsvurdering skulle tilsi. I samme retning trekker Kristoffersen & Piene (2), som blant et utvalg avdelingsoverleger fant stor variasjon i vurderingen av hvorvidt en pasient burde tildeles ventetidsgaranti.

Det er også blitt undersøkt om den ventetid pasientene opplever, har noen sammenheng med deres behov for undersøkelse og behandling. Iversen & Nord (3) fant liten sammenheng mellom de kriteriene legene sa de la vekt på og den ventetiden en pasient med bestemte kjennetegn kunne regne med å oppleve. Åbyholm og medarbeidere (4) fant at det var lite kontakt mellom sykehus og henvisende lege i ventetiden for å avklare forhold ved søknaden. Det var åpenbare svakheter i det organisatoriske samspillet mellom aktørene som bidrog til å forklare at pasienter fortsatt stod på venteliste. Bjørneboe & Riis Strøm (5) fant i evalueringen av ventelistedugnaden at ortopedene hadde en annen oppfatning enn pasientene om avveining mellom ventetid og behandling utenfor pasientenes hjemfylke.

Inspirert av litteraturen på området er formålet med denne artikkelen å belyse to spørsmål. Det sentrale spørsmålet er om de som står på venteliste for sykehusbehandling, faktisk har dårligere helse enn de som ikke står på venteliste. Det andre spørsmålet er om de med dårlig helse venter kortere tid enn de med bedre helse, gitt at man står på venteliste.

Disse spørsmålene har så vidt vi vet ikke tidligere vært undersøkt med data fra befolkningsundersøkelser. Med samordnet levekårsundersøkelse 1998 fra Statistisk sentralbyrå (6) er det mulig å belyse disse spørsmålene med intervjudata fra et representativt utvalg av befolkningen.

Materiale og metode

Datamaterialet er fra Statistisk sentralbyrås levekårsundersøkelse fra 1998. Dette års tema var helse. Hovedutvalget til levekårsundersøkelsen ble trukket fra Statistisk sentralbyrås standard utvalgsplan. Levekårsundersøkelsen inneholder individer som utgjør et representativt utvalg av befolkningen, totalt 5 000 personer. Av disse var 129 personer enten flyttet til utlandet, bodde på institusjon eller døde. Av bruttoutvalget på 4 871 personer ble det oppnådd intervju med 3 449 personer. Av disse intervjuene ble 70,8 % gjennomført som besøksintervju, mens 29,2 % ble gjennomført per telefon. Hoveddelen av intervjuene ble foretatt i perioden 7. september til 27. november 1998, men enkelte ble intervjuet også etter denne datoen.

Frafall kan føre til utvalgsskjevhet. Statistisk sentralbyrå har ikke funnet skjevheten som følge av nekting stor nok til at det kan få betydning for resultatene. Å vekte resultatene har dermed liten hensikt.

Tabell 1 beskriver kjennetegn ved utvalget betinget av om man står på venteliste eller ikke. 6 % oppgir at de ”står på venteliste for innleggelse i sykehus eller behandling på poliklinikk”. Av disse har 49,3 % ventet opptil 90 dager, 17,5 % har ventet mellom 91 til 180 dager og 33,2 % har ventet mer enn 181 dager. Av dem som står på venteliste, vurderer to av tre sin helse som meget god eller god. Blant dem som ikke venter, svarer fire av fem det samme. Nesten to tredeler av utvalget som venter på behandling, lider av en varig alvorlig sykdom eller lidelse. Bare en tredel av utvalget som ikke venter på behandling, har en varig sykdom eller lidelse. Andelene som benytter fast lege eller fast legesenter er noe høyere blant dem som venter på behandling (63,9 % og 28,8 %, mot 53,6 % og 24 %). I gjennomsnitt er antall allmennlegekontakter de siste 12 måneder høyere blant dem som venter på behandling (4,5 besøk) enn blant dem som ikke venter på behandling (2,3 besøk).

Tabell 1   Beskrivelse av kjennetegn ved utvalget

Står på venteliste

Står ikke på venteliste

Variabel

Definisjon

Antall

Gjennomsnitt i prosent (standardavvik)

Antall

Gjennomsnitt i prosent (standardavvik)

Kjønn

Binær variabel kodet lik 1 hvis mann

205

40  

3 243

48,9 

Alder

Alder innen utgangen av 1998

205

49,5

3 242

44,4 

(18,94)

(17,86)

Inntekt

Inntekt før skatt ved inntektsregistreringen 1996

205

167 917

3 228

186 894

(98 360,16)

(157 405,31)

Sysselsatt

Respondenten er vanligvis sysselsatt

205

56,1

3 243

67,1 

Meget god helse

205

12,7

3 243

38,3 

God helse

205

48,3

3 243

44,1 

Middels god helse

205

23,4

3 243

12,2 

Dårlig helse

205

12,7

3 243

 4,6 

Meget dårlig helse

205

2,9

3 243

 0,8 

Helse

Oppgir meget god eller god helse

205

61,0

3 243

82,4 

Sykdom

Har sykdom eller lidelse av varig natur

205

59,8

3 242

36,2 

Sengeliggende

Har vært sengeliggende eller hatt nedsatt aktivitet siste 14 dager

205

17,6

3 243

 9,0 

Fast lege

Lege

205

63,9

3 242

53,6 

Legesenter

28,8

24,0 

Legekontakter

Antall legekontakter siste 12 måneder (varierer fra 0 til 120)

205

 5,4 (5,87)

3 235

 2,34 (4,16)

Privatpraktiserende spesialist

Har hatt kontakt med privatpraktiserende spesialist én eller flere ganger siste 12 måneder

205

37,6

3 243

17,9 

Sykehus uten innleggelse

Har vært på sykehus uten innleggelse siste 12 måneder

205

47,8

3 243

21,6 

Av dem som venter på behandling, er 40 % menn, og gjennomsnittsalderen er 49,5 år. Andelen menn i utvalget som ikke venter på behandling er 48,9 %, og gjennomsnittlig alder er 44,4 år. Gjennomsnittlig inntekt er 167 917 kroner for utvalget som er på venteliste, for dem som ikke står på venteliste 186 894 kroner. Blant dem på venteliste har 27,1 % grunnskole som høyeste utdanning, mens tilsvarende for dem som ikke står på venteliste er 19,3 %. Utvalget som ikke står på venteliste, tjener altså i gjennomsnitt mer enn utvalget på venteliste, og har i gjennomsnitt høyere utdanning. Blant dem som venter på behandling, er videre andelen fra Trøndelag og Nord-Norge betydelig høyere enn blant dem som ikke venter på behandling (henholdsvis 14,6 % mot 9,2 % og 17,6 % mot 9,8 %). Totalt er 56,1 % av dem som venter på behandling sysselsatte, mens to tredeler av dem som ikke venter på behandling er sysselsatte.

Statistisk metode

Vi er interessert i å undersøke to spørsmål:

  • – Hvilke faktorer bestemmer om man står på venteliste?

  • – Hvilke faktorer bestemmer hvor lenge man har ventet?

I den første analysen kan den avhengige variabelen – om man står på venteliste – ha de to verdiene ja eller nei, og er følgelig en binær variabel. I den binomiske logistiske regresjonsmodellen antar vi at sannsynligheten for at en person skal stå på venteliste, er logistisk fordelt og med en lineær sammenheng mellom logit og de uavhengige variablene:

der P(venteliste) uttrykker sannsynligheten for å stå på venteliste, x₁,  , xn er de uavhengige variablene og b₀,  , bn er parametere som skal estimeres. Modellen estimeres ved hjelp av sannsynlighetsmaksimeringsmetoden med algoritme slik den er spesifisert i statistikkprogrammet SPSS 9.0.

I analysen av det andre spørsmålet, hvor lenge man har ventet, er det tre alternativer for tid på venteliste: inntil 90 dager, 91 – 180 dager, mer enn 181 dager. Det er fremdeles et endelig antall svaralternativer, men nå er det flere enn to. Sammenhengen mellom ventetid og de uavhengige variablene analyseres ved hjelp av den multinomiske logitmodellen:

er sannsynligheten for å vente mer enn 181 dager. Dette er referansekategorien de andre sannsynlighetene sees i forhold til. Også denne modellen estimeres ved hjelp av sannsynlighetsmaksimering med algoritme slik den er spesifisert i SPSS 9.0.

Resultater

Tabell 2 viser resultatene fra estimering av den binomiske regresjonsmodellen med ”står du på venteliste for innleggelse i sykehus eller behandling på poliklinikk” som avhengig variabel. Variabelen har verdi lik én for ”ja, individet står på venteliste” og null for ”nei, individet står ikke på venteliste”. Vi estimerer dermed hvilke variabler som påvirker sannsynligheten for å stå på venteliste for innleggelse eller poliklinisk behandling ved sykehus.

Fra tabell 2 ser vi at helsetilstanden har en statistisk signifikant effekt på sannsynligheten for å stå på venteliste. En person med god eller meget god helse har bare litt over halvparten så stor sjanse (den estimerte oddsraten er 0,57) for å stå på venteliste som en person med meget dårlig, dårlig eller middels helse. Også personer med ”varig sykdom” og/eller ”sengeliggende i løpet av de siste 14 dager” har en signifikant større sannsynlighet for å stå på venteliste. Personer bosatt i Akershus og Oslo, på Østlandet ellers og i Agder og Rogaland har mindre sannsynlighet for å stå på venteliste enn personer bosatt i Nord-Norge. Tilsvarende gjelder for personer med høy utdanning og personer i aldersgruppen 16 – 24 år.

Tabell 2   Estimert effekt (standardavvik) av uavhengige variabler på sannsynligheten for å være på venteliste. N = 3 318 observasjoner

Variabel

Effekt

Helse

Meget god og god

− 0,56 (0,18)¹

Middels, dårlig, meget dårlig

Varig sykdom

Ja

0,63 (0,17)¹

Nei

Landsdel

Akershus og Oslo

− 0,55 (0,25)²

Hedmark og Oppland

− 0,45 (0,31)

Østlandet ellers

− 0,95 (0,27)¹

Agder og Rogaland

− 1,04 (0,31)¹

Vestlandet

− 0,44 (0,25)

Trøndelag

− 0,09 (0,27)

Nord-Norge

Sengeliggende

Ja

0,51 (0,21)²

Nei

Kjønn

Mann

− 0,27 (0,16)

Kvinne

Utdanning

Opp til ungdomsskole

0,48 (0,26)

Videregående skole

0,55 (0,22)¹

Høgskole/universitet +

Alder

16 – 24 år

− 0,82 (0,33)²

25 – 66 år

− 0,37 (0,23)

67 år +

Sysselsatt

Ja

0,06 (0,06)

Nei

Inntekt

0 – 190 000

0,12 (0,23)

200 000 – 290 000

0,12 (0,24)

300 000 +

Konstant ledd

− 2,29 (0,42)¹

  • P < 0,01

  • P < 0,05

Ved hjelp av Likelihood Ratio-testen (LRT) tester vi hele modellens forklaringskraft. Testobservatoren (LR) er − 2(ln L ₀ − ln L ₁), og er khikvadratfordelt med K-1 frihetsgrader, der K er antall parametere i modellen. L ₀ er den estimerte verdien av sannsynligheten for det observerte utfallet når kun konstantleddet inngår, og L ₁ er tilsvarende når alle variablene inngår i modellen. En stor verdi på LR innebærer at de uavhengige variablene bidrar til å øke sannsynligheten for det observerte utfallet. I dette tilfellet er LR lik 108,97 og signifikant på mindre enn 0,01 %-nivå. Vi kan dermed forkaste nullhypotesen om at de uavhengige variablene ikke bidrar til modellens forklaringskraft.

For å undersøke hvilke faktorer som påvirker hvor lenge de som står på venteliste har ventet, estimerer vi den multinomiske sannsynlighetsmodellen. Tabell 3 viser påvirkningen fra individuelle pasientkarakteristika til sannsynligheten for å ha ventet ”inntil 90 dager” og ”mellom 91 og 180 dager” i forhold til referansekategorien ”ventet mer enn 180 dager”.

Tabell 3   Estimert effekt (standardavvik) av uavhengige variabler på sannsynligheten for å ha ventet opptil 90 dager og fra 91 til 180 dager med ”ventet mer enn 180 dager” som referansekategori. N = 185

Effekt

Variabel

Ventet opp til 90 dager

Ventet fra 91 til 180 dager

Helse

God, meget god

0,15 (0,46)

− 0,14 (0,56)

Middels, dårlig, meget dårlig

Alder

16 – 24 år

− 3,22 (1,27)¹

− 0,74 (1,17)

25 – 66 år

− 0,83 (0,67)

0,36 (0,75)

67 år +

Fast lege

Lege

− 3,59 (1,57)¹

− 1,78 (1,70)

Legesenter

− 3,82 (1,60)¹

− 1,87 (1,75)

Nei

Inntekt

0 – 190 000

0,54 (0,83)

1,17 (1,26)

200 000 – 290 000

1,43 (0,75)

1,75 (1,19)

300 000 +

Landsdel

Akershus og Oslo

− 1,39 (0,64)¹

− 0,98 (0,20)

Hedmark og Oppland

− 1,17 (0,74)

− 0,93 (0,92)

Østlandet

− 0,43 (0,76)

− 0,60 (0,96)

Agder og Rogaland

− 1,76 (0,84)¹

− 1,07 (0,96)

Vestlandet

− 0,25 (0,67)

− 0,59 (0,84)

Trøndelag

− 0,77 (0,70)

− 0,91 (0,89)

Nord-Norge

Utdanning

Opp til ungdomsskole

− 0,28 (0,69)

− 0,13 (0,88)

Videregående skole

− 0,47 (0,71)

− 0,48 (0,92)

Høyskole/universitet +

Sysselsatt

Nei

0,29 (0,60)

0,96 (0,65)

Ja

Sykdom

Nei

0,59 (0,44)

− 0,02 (0,58)

Ja

Sengeliggende

Nei

− 0,60 (0,56)

− 0,62 (0,64)

Ja

Kjønn

Mann

0,26 (0,46)

− 0,32 (0,54)

Kvinne

Konstant ledd

4,96 (1,96)¹

0,98 (2,34)

  • P < 0,05

Vi ser fra tabell 3 at verken oppgitt helse, varig sykdom, sysselsetting eller utdanning viser statistisk signifikante effekter på om man har ventet kort eller lang tid. Fast tilknytning til lege eller legesenter bidrar negativt til å ha ventet opptil 90 dager i forhold til ikke å ha en fast lege.

For variabelen ”alder” er ”over 67 år” referanserammen. Det er ingen enkel sammenheng mellom alder og sannsynligheten for å ha ventet opptil 90 dager. Er pasienten mellom 16 og 24 år, har vedkommende en lavere sannsynlighet av å ha ventet mindre enn 90 dager i forhold til referansekategorien ”å ha ventet mer enn 180 dager” enn pasienter over 67 år. Vi finner ingen slik effekt for pasienter mellom 25 og 66 år. Vi finner heller ingen signifikante effekter av inntekt.

Effekten av pasientenes bosted viser en tendens til at pasienter fra Akershus og Oslo og Agder og Rogaland har en mindre sannsynlighet for å ha ventet opptil 90 dager i forhold til pasienter fra Nord-Norge. De som bor i Nord-Norge har altså en mindre sannsynlighet for å ha ventet mer enn 180 dager enn pasienter fra andre landsdeler.

For å teste den multinomiske modellens forklaringskraft vil vi, som i den binomiske testen, benytte oss av Likelihood Ratio-testen (LRT). I denne modellen er LR 49,3, og signifikant på 10,4 %-nivå. Modellen med individspesifikke variabler har dermed ikke en signifikant (på 5 %-nivå) bedre forklaringskraft enn modellen med bare konstantledd.

Diskusjon

Det er diskusjon om hvorvidt den offentlige oppmerksomheten omkring ventelistene bidrar til en vilkårlig fordeling av ressurser mellom pasientgrupper. Disse spørsmålene er ikke tidligere blitt belyst med data fra befolkningsundersøkelser. Ved hjelp av Levekårsundersøkelsen 1998 har vi testet hvorvidt en persons selvrapporterte helsetilstand har betydning for om vedkommende står på venteliste og eventuelt hvor lenge man har ventet. Vi fant at personer med dårlig helse har større sannsynlighet for å stå på venteliste enn personer med god helse har. Dette resultatet tyder på at det ikke er vilkårlig hvem som blir tildelt plass og dermed ressurser i form av undersøkelse og behandling.

Levekårsundersøkelsen er basert på folks egne oppfatninger av sykdom og helse, slik at svaret vi får også vil være avhengig av en persons subjektive vurderinger. Hvorvidt en person får plass på venteliste, vil imidlertid avhenge av legens vurdering. Resultater fra Moum og medarbeidere (7) tyder på at sykelighet og funksjonsnedsettelse er de variablene som er av størst betydning for egenvurdert helse. Vi tolker dette som at det trolig vil være godt samsvar mellom pasientenes egenvurdering og legens vurdering i det datamaterialet som her anvendes.

Det kan tenkes at selve vissheten om at man står på venteliste, påvirker selvopplevd helse negativt. I så fall vil de som står på venteliste, oppgi en dårligere helsetilstand enn hva de ville ha gjort hvis de ikke stod på venteliste. Den forskjellen vi finner i helsetilstand mellom de som står på venteliste og de som ikke gjør det, kan da rett og slett skyldes at en plass på ventelisten i seg selv bidrar til at man føler seg dårligere enn man ellers ville ha gjort. Vi har ingen mulighet til å korrigere for denne potensielle skjevheten.

Vi fant at pasienter som har fast lege, har en mindre sannsynlighet for å ha ventet kort tid enn pasienter uten fast lege. Dette virker umiddelbart overraskende, men kan ha sin bakgrunn i den vide tolkingen av ”fast lege” som brukes i denne varianten av levekårsundersøkelsen. I en annen variant (panelundersøkelsen) viser det seg nemlig at fire av ti bytter sin faste lege minst én gang i året (8).

Vi fant ingen sammenheng mellom helsetilstand og antall dager en person har ventet på behandling. Siden det er snakk om ikke-avsluttede ventetider, følger det ikke uten videre at resultatet også gjelder for avsluttede ventetider, som vi egentlig er interessert i. Hvis pasientene blir behandlet etter tur, vil det ikke være noen slik sammenheng. Et eksempel kan belyse mekanismene som er involvert: Anta at vi kan gruppere pasientene på ventelisten i tre etter tiden de har ventet. Gruppe A har ventet tre måneder og vil bli behandlet i løpet av de kommende tre måneder. Gruppe B har ventet tre måneder og vil ikke bli behandlet innen de kommende tre måneder. Gruppe C har ventet seks måneder. Hvis gruppe A inneholder minst én pasient, trekker det i retning av at den avsluttede ventetiden for gruppe A og gruppe B samlet blir mindre enn for gruppe C. I motsatt retning trekker det hvis andelen som blir tatt ut til behandling på ethvert tidspunkt etter seks måneder, er større for gruppe C enn for gruppe B. I vårt datamateriale er det imidlertid ingen grunn til å tro at den delen av gruppen som har ventet tre måneder og som også vil oppleve å vente seks måneder, vil ha forskjellige kjennetegn fra gruppen som har ventet seks måneder på observasjonstidspunktet. Derav følger en positiv sammenheng mellom ikke avsluttet ventetid og den samlede avsluttede ventetid en person kan forvente.

Mens vi fant at vår modell bidrog til å forklare sannsynligheten for at en person står på venteliste, fant vi ingen signifikant sammenheng mellom våre forklaringsvariabler og hvor lenge en person har ventet (modellen med individspesifikke variabler er ikke signifikant forskjellig fra en modell som bare inneholder konstantledd). Det siste resultatet tyder enten på at vi ikke har klart å fange opp de variablene som har betydning for hvor lenge en person har ventet eller at opplevd ventetid faktisk er tilfeldig.

Vi skal utdype disse mulighetene litt nærmere. Vi antar først ingen endring i grad av alvorlighet i ventetiden. Hvis sjansen for å bli tatt ut til behandling øker med grad av alvorlighet, vil vi forvente at pasienter som har ventet lenge, har bedre helse enn de som har ventet kort. Vi finner ingen slik sammenheng i datamaterialet. Dette resultatet er forenlig med konklusjonen fra blant annet Åbyholm & Riise (4) og Bjørneboe & Riis Strøm (5) om manglende samspill mellom sykehus, henvisende lege og pasient i ventetiden. Med bakgrunn i en omfattende spørreskjemaundersøkelse til pasient, henvisende lege og sykehusledelse konkluderte Åbyholm & Riise med at sykehusene nærmest aldri tar kontakt med henvisende lege for å avklare forhold i henvisningen. På den annen side var det få henvisende leger som tar initiativ til å få pasienten raskere undersøkt.

Det kan hende at helsetilstanden forverrer seg med ventetiden. Da vil prioritering etter alvorlighetsgrad kunne være forenlig med at det ikke er noen empirisk sammenheng mellom helsetilstand og opplevd ventetid blant dem som til enhver tid venter. Denne konklusjonen forutsetter at sykehusene har oversikt over utviklingen i pasientenes helsetilstand i ventetiden, noe som ikke støttes av de empiriske undersøkelser som refereres ovenfor.

Data fra levekårsundersøkelsen er egnet til å undersøke individuelle kjennetegn som påvirker om man står på venteliste for sykehusbehandling. Dataene er trolig mindre egnet til å predikere hvorvidt individuelle kjennetegn påvirker forskjeller i ventetid mellom pasienter. Slike undersøkelser synes å kreve pasientadministrative data som også inneholder avsluttede ventetider og observasjoner av pasientenes helsetilstand på flere tidspunkter i ventetidsforløpet.

Vi takker Jon Erik Finnvold for nyttige kommentarer til en tidligere versjon av artikkelen. Han har ikke noe ansvar for hvordan vi har klart å følge opp hans innspill.

Anbefalte artikler