Måling av bruk av bredspektrede antibiotika i sykehus med etablerte og nye indikatorer
BACKGROUND
The target of a 30 % reduction in the use of broad-spectrum antibiotics in hospitals from 2012 to 2020 was not achieved, measured using the standard indicator of defined daily doses (DDD) per bed day. We wished to investigate the reliability of the standard indicator and selected alternative indicators for antibiotic use, and the actual reduction in use.
MATERIAL AND METHOD
We included ten DDD-based indicators with adjustment for combinations of activity marker, admission category (inpatient vs. all admissions) and patient composition, and evaluated these according to how each indicator correlated with antibiotic resistance in a model developed in-house. We then calculated use of broad-spectrum antibiotics in hospitals for the period 2012–20 with indicators deemed valid, and compared these indicators with regard to change in use and ranking of hospitals according to use. We used consumption rate (DDD per 1000 inhabitants per day) as the activity-neutral reference indicator (national and regional).
RESULTS
All the indicators for antibiotic use showed a strong correlation with resistance. For five indicators the correlation was statistically significant. Of these, the indicator that combined adjustment for total number of admitted patients and patient composition accorded best with consumption rate (35.6 %). The same indicator also showed the largest reduction in use (29.3 %) and gave the most hospitals that achieved a reduction of at least 30 % (13 of 22).
INTERPRETATION
Combined adjustment for number of admitted patients and patient composition represents a new, robust indicator for antibiotic use that is suitable for hospitals at all levels. The indicator can be used in parallel with the consumption rate, and consideration should be given to introducing the latter as a new standard indicator at national and regional level.
Hovedfunn
Pasientsammensetningsindeksen (DRG-poeng per opphold) korrelerte positivt med antibiotikabruk.
Tilleggsjustering for pasientsammensetning ga bedre samsvar med forbruksrate.
Reell reduksjon i bruken av bredspektrede antibiotika i sykehus i perioden 2012–20 var nær 30 %.
Antibiotikaresistens er en global helsetrussel, og antibiotikabruk er den fremste driveren (1). Et av målene i Handlingsplan mot antibiotikaresistens i helsetjenesten var derfor å redusere bruken av fem utvalgte grupper bredspektrede antibiotika i sykehus med 30 % fra 2012 til 2020 (2). Målet ble inkludert i sykehusenes oppdragsdokumenter. Verken handlingsplanen eller oppdragsdokumentene i perioden spesifiserte hvilken indikator som skulle brukes for å vurdere måloppnåelse, men Helsedirektoratet benyttet definerte døgndoser (DDD) per 100 liggedøgn som standardindikator (3).
I 2020 brukte norske sykehus 31 % færre DDD av bredspektrede antibiotika enn i 2012, men fordi antall liggedøgn også sank med 19 % i samme periode, var reduksjonen likevel bare 15 % målt i DDD per 100 liggedøgn (4). Målet om 30 % reduksjon ble derfor videreført til og med 2022, tross usikkerhet rundt standardindikatorens pålitelighet (4, 5).
Det er ingen internasjonal konsensus om hvilken indikator som er best egnet til overvåking og normsammenligning av antibiotikabruk i sykehus (6, 7), men det europeiske smittevernsenteret (European Centre for Disease Prevention and Control, ECDC) benytter forbruksrate (DDD per 1 000 innbyggere per døgn) ved overvåking av antibiotikabruk både i og utenfor sykehus (8). Dette gir et aktivitetsnøytralt, befolkningsjustert mål på antibiotikabruk og muliggjør sammenligning på tvers av sektorer og landegrenser. Forbruksrate anses imidlertid som uegnet som indikator for antibiotikabruk i enkeltsykehus (6). En viktig årsak til dette er nok at sykehusene ofte behandler gjestepasienter, og at antall innbyggere i sykehusenes geografiske opptaksområder derfor ikke samsvarer med den faktiske pasientpopulasjonen.
Fordi standardindikatoren DDD per 100 liggedøgn er sårbar for variasjon i liggetid over tid og mellom sykehus, har flere tatt til orde for parallell bruk av indikatorer med andre justeringsfaktorer, vanligvis DDD per opphold (4, 5). Fordi økt pasientkompleksitet er assosiert med høyere antibiotikabruk, har det også vært foreslått å bruke den økonomiske surrogatmarkøren case-mix index (pasientsammensetningsindeks, PSI) som ekstra justeringsfaktor (7, 9).
Sammenligning av antibiotikabruk i sykehus kompliseres ytterligere av ulik bruk av dagopphold, som defineres som innleggelse, men ikke registreres som liggedøgn. Mens antibiotika gitt ved dagopphold bidrar til antall DDD i telleren, inngår ikke dagopphold i nevneren ved beregning av DDD per 100 liggedøgn, og heller ikke ved beregning av DDD per opphold (4). Dagpasienter utgjør i gjennomsnitt en tredel av alle innlagte pasienter i norske sykehus (10), og variasjon i bruk av innleggelseskategori (døgnopphold eller dagopphold) for en liten andel av disse vil kunne ha stor betydning for beregnet antibiotikabruk. Effekten av å inkludere dagopphold ved justering for aktivitet er oss bekjent ikke undersøkt.
Vi ønsket å belyse hva som var den reelle reduksjonen i bruk av bredspektrede antibiotika i norske sykehus i perioden 2012–20, og om det finnes egnede alternativer til standardindikatoren. Studien besto av tre trinn: 1) etablering av modell for evaluering av indikatorer for antibiotikabruk i sykehus, 2) validering av utvalgte etablerte og nye DDD-baserte indikatorer med justering for ulike kombinasjoner av aktivitetsmarkør, innleggelseskategori og pasientsammensetning, og 3) beregning av nasjonal, regional og lokal bruk av bredspektrede antibiotika for perioden 2012–20 med valide indikatorer, og sammenligning av endring i bruk og rangering av sykehus med ulike indikatorer.
Materiale og metode
Indikatorer
Vi inkluderte fem etablerte (inkludert standardindikatoren) og fem egenkonstruerte indikatorer for antibiotikabruk i sykehus (ramme 1 og tabell 1). Alle var basert på DDD, med justering for ulike aktivitetsmarkører (A = antall liggedøgn, B = antall opphold, C = antall pasienter). Vi skilte mellom indikatorer med døgnopphold (A1, B1, C1) og alle innleggelser (B2, C2), dvs. både døgnopphold og dagopphold, som justeringsgrunnlag. Tilleggsjustering for pasientsammensetning er markert med suffiks (p).
Referanseindikator
Indikatoren som benyttes ved europeisk overvåking av antibiotikabruk i og utenfor sykehus (8). I denne studien benyttet til etablering av referansekorrelasjon og som aktivitetsnøytralt sammenligningsgrunnlag.
Forbruksrate: DDD / 1000 innbyggere / døgn
Standardindikator
Indikatoren som ble benyttet for vurdering av måloppnåelse i relasjon til Handlingsplan mot antibiotikaresistens i helsetjenesten (2, 3).
A1: DDD / 100 liggedøgn
Alternative indikatorer
Utvalgte tidligere beskrevne (7) og nye indikatorer (denne studien).
A1p: DDD / 100 liggedøgn / PSI (7)
B1: DDD/døgnopphold (7)
B1p: DDD/døgnopphold/PSI (7)
B2: DDD/opphold
B2p: DDD/opphold/PSI
C1: DDD/døgnpasient (7)
C1p: DDD/døgnpasient/PSI
C2: DDD/pasient
C2p: DDD/pasient/PSI
Tabell 1
Evaluering av indikatorer for antibiotikabruk i sykehus. DDD = definerte døgndoser, PSI = pasientsammensetningsindeks (DRG-poeng per opphold). Betegnelsene indikerer justering for aktivitet (A = liggedøgn, B = opphold, C = pasienter), innleggelseskategori (1 = døgnopphold, 2 = alle innleggelser (både døgnopphold og dagopphold)) og pasientsammensetning (p).
Beskrivelse av indikatorer | Evaluering og validering1 | |||||
---|---|---|---|---|---|---|
Kategori og betegnelse | Beregning av antibiotikabruk | Pasientgrunnlag for justering | Pearsons r | p-verdi | ||
Referanseindikator | ||||||
Forbruksrate | DDD / antall innbyggere × 1 000 / 365 | Innbyggertall | 1,000 | 0,008 | ||
Standardindikator (3) | ||||||
A1 | DDD / antall liggedøgn × 100 | Døgnopphold | 0,981 | 0,124 | ||
Alternative indikatorer | ||||||
A1p | DDD / antall liggedøgn × 100 / PSI | Døgnopphold | 1,000 | 0,013 | ||
B1 | DDD / antall døgnopphold | Døgnopphold | 0,999 | 0,027 | ||
B1p | DDD / antall døgnopphold / PSI | Døgnopphold | 0,994 | 0,069 | ||
B2 | DDD / antall opphold | Alle innleggelser | 0,989 | 0,096 | ||
B2p | DDD / antall opphold / PSI | Alle innleggelser | 0,992 | 0,079 | ||
C1 | DDD / antall døgnpasienter | Døgnopphold | 0,995 | 0,063 | ||
C1p | DDD / antall døgnpasienter / PSI | Døgnopphold | 0,998 | 0,043 | ||
C2 | DDD / antall pasienter | Alle innleggelser | 0,999 | 0,033 | ||
C2p | DDD / antall pasienter / PSI | Alle innleggelser | 0,999 | 0,023 |
1Basert på korrelasjon mellom antibiotikabruk og resistens, med en høygradig signifikant referansekorrelasjon mellom regionale forbruksrater av piperacillin-tazobaktam (ATC-gruppe J01CR05) og tredjegenerasjons cefalosporiner (J01DD) i sykehus og regionale insidensrater av ESBL-produserende E. coli i blodkultur (2010–15) som sammenligningsgrunnlag (se tekst). Indikatorer som viste minst like sterk korrelasjon mellom antibiotikabruk og resistens som standardindikatoren (A1), ble vurdert som valide.
Som justeringsfaktor for pasientsammensetning ønsket vi å benytte pasientsammensetningsindeksen, beregnet som antall DRG-poeng (diagnoserelatert gruppe) per sykehusopphold (11). Vi vurderte validitet av å benytte indeksen for dette formålet gjennom korrelasjonsanalyser mellom indeksen og bruk av bredspektrede antibiotika målt i aktivitetsjusterte DDD i 2019, som var siste normalår før covid-19. I tråd med handlingsplanen ble bredspektrede antibiotika definert som de fem ATC-gruppene J01CR (penicilliner med enzymhemmer), J01DC (andregenerasjons cefalosporiner), J01DD (tredjegenerasjons cefalosporiner), J01DH (karbapenemer) og J01M (kinoloner) (2).
Evaluering og validering
Vi ønsket å evaluere indikatorene etter objektive kriterier og la til grunn at det er kausal sammenheng mellom antibiotikabruk og resistensutvikling, og at den resistensdrivende effekten av antibiotika er doseavhengig (6, 12, 13). Følgelig vil en pålitelig indikator under optimale betingelser vise sterk korrelasjon mellom beregnet bruk av et gitt antibiotikum og forekomst av resistens mot samme middel. Styrken på korrelasjonen avhenger av i hvilken grad andre faktorer bidrar til variasjon i forekomst av resistens. Videre vil korrelasjonen være sterkest i perioder med stabil eller økende antibiotikabruk, fordi forekomsten av resistens reverseres langsomt når antibiotikatrykket reduseres (12).
Med dette som utgangspunkt etablerte vi en referansekorrelasjon mellom bruk av nøye utvalgte antibiotika i norske sykehus og forekomsten av resistens mot disse. Vi baserte referansekorrelasjonen på forbruksrate, som vi valgte som aktivitetsnøytral referanseindikator for antibiotikabruk (8), og stilte som krav at den skulle være plausibel, sterk og statistisk signifikant. I tillegg måtte den være basert på en tidsperiode hvor vi hadde tilgang til kvalitetssikrede underlagsdata for de inkluderte indikatorene (tabell 1).
Som tentativ referansekorrelasjon valgte vi regionale forbruksrater av piperacillin-tazobaktam (TZP, ATC-gruppe J01CR05) og tredjegenerasjons cefalosporiner (3GC, ATC-gruppe J01DD) (TZP/3GC) i sykehus, sett opp mot regionale insidensrater av bakteriemi med ESBL-produserende (ekstendert spektrum-betalaktamase) Escherichia coli. Korrelasjonen er plausibel ved at disse midlene selekterer for ESBL (14, 15) og er assosiert med økt sannsynlighet for ESBL-bakteriemi hos tarmbærere (16). Vi antok at bruk av TZP/3GC utenfor sykehus og bruk av andre antibiotika samt import og smittespredning i liten grad bidro til forskjeller i regional forekomst av ESBL-E. coli-bakteriemi. Vi beregnet forbruks- og insidensrater med helseregioner som befolkningsgrunnlag, med behandling av de to nordligste regionene med lavest folketall som én region («Helse Midt-Nord») for å redusere feilmarginer. Vi valgte en periode (2010–15) hvor forbruksraten i sykehus var stabil eller økte i alle regionene.
Deretter beregnet vi antibiotikabruk med de inkluderte indikatorene med samme underlagsdata (antall DDD) som i referansekorrelasjonen, og evaluerte hver indikator etter styrke på korrelasjonen mellom beregnet regional bruk av TZP/3GC og regionale insidensrater av ESBL-E. coli-bakteriemi. Alternative indikatorer som ga minst like sterk korrelasjon som standardindikatoren DDD per 100 liggedøgn (A1), ble vurdert som valide.
Bruk av bredspektrede antibiotika i sykehus
Vi beregnet årlig bruk og prosentvis endring i bruk av de fem utvalgte gruppene av bredspektrede antibiotika beskrevet i handlingsplanen (2) (nasjonalt, regionalt og lokalt, 2012–20) med standardindikatoren og alternative indikatorer vurdert som valide. Som aktivitetsnøytralt sammenligningsgrunnlag (referanseindikator) beregnet vi nasjonal forbruksrate og regionale forbruksrater. Endelig rangerte vi regionale helseforetak og akuttsykehus etter bruk av bredspektrede antibiotika beregnet med valide indikatorer i 2020.
Datakilder
Som underlag for beregning av antibiotikabruk i sykehus benyttet vi data for salg av antibiotika til sykehus (Sykehusapotekenes legemiddelstatistikk). Andelen TZP/3GC gitt i sykehus ble beregnet ved å sammenligne med totalt salg (Folkehelseinstituttet, Grossistbasert legemiddelstatistikk). Forbruksrater ble basert på innbyggertall (Statistisk sentralbyrå), mens antibiotikabruk med øvrige indikatorer ble beregnet ved hjelp av aktivitetsdata for somatiske sykehus (Helsedirektoratet, Norsk pasientregister). Insidensrater av ESBL-E. coli i blodkultur ble beregnet med underlagsdata fra Norsk overvåkingssystem for antibiotikaresistens hos mikrober (NORM).
Statistikk
Vi benyttet Excel 2016 til databehandling og figurer, og SPSS Statistics 26 til bivariate korrelasjonsanalyser med beregning av korrelasjonskoeffisienter (Pearsons r) og signifikansnivå (tosidig). Vi definerte p-verdier < 0,05 som statistisk signifikante.
Etikk
Alle data var anonyme, og godkjenning av etikkomite eller personvernombud var ikke nødvendig.
Resultater
Pasientsammensetning og bruk av bredspektrede antibiotika
Det var en svak til moderat positiv korrelasjon mellom pasientsammensetningsindeks og aktivitetsjustert forbruk, uavhengig av aktivitetsmarkør og innleggelseskategori (figur 1). For tre indikatorer (B1, B2 og C2) var korrelasjonen statistisk signifikant.

Referansekorrelasjon
Salg til sykehus utgjorde 89 % av totalt antall solgte DDD av TZP/3GC i perioden (2010–15). Den relative fordelingen av TZP og 3GC i sykehus var hhv. 30 % og 70 %. Forbruksrater av TZP/3GC var 0,202 DDD per 1000 innbyggere per døgn i region Helse Vest, 0,178 i Helse Sør-Øst og 0,144 i «Helse Midt-Nord». Korresponderende insidensrater av ESBL-E. coli-bakteriemi var hhv. 16,0, 15,2 og 13,9 per million innbyggere per år. Det var en tilnærmet perfekt, høygradig og signifikant korrelasjon mellom TZP/3GC-forbruksrate og ESBL-insidensrate (tabell 1).
Evaluering og validering
Alle indikatorene viste sterk korrelasjon mellom beregnet bruk av TZP/3GC i sykehus og insidensrate av ESBL-E. coli-bakteriemi, og for fem indikatorer var korrelasjonen statistisk signifikant (A1p, B1, C1p, C2 og C2p) (tabell 1). Tilleggsjustering for pasientsammensetning ga sterkere korrelasjon mellom bruk og resistens for fire av fem indikatorer. Samtlige alternative indikatorer oppfylte valideringskriteriet.
Bruk av bredspektrede antibiotika i sykehus
Nasjonal forbruksrate av bredspektrede antibiotika (referanseindikator) ble redusert med 35,6 % i perioden 2012–20 (figur 2). Av de evaluerte indikatorene ga standardindikatoren (A1) minst reduksjon (14,5 %). Indikatorer med justering for opphold (B1, B2) eller pasienter (C1, C2) ga tilnærmet lik reduksjon (23,5–24,7 %), uavhengig av om kun døgnopphold eller alle innleggelser ble lagt til grunn. Tilleggsjustering for pasientsammensetning (A1p, B1p, B2p, C1p, C2p) ga i gjennomsnitt 4,1 % større reduksjon enn justering kun for aktivitet. Kombinert justering for totalt antall innlagte pasienter og pasientsammensetning (C2p) viste størst reduksjon i bruk (29,3 %) og samsvarte best med forbruksraten.

Mønsteret var det samme på regionalt nivå (ikke vist), men forskjellen mellom standardindikatoren og indikatorer basert på justering for opphold eller pasienter varierte mellom regionene (minst forskjell i Helse Nord, størst forskjell i Helse Vest). Sammenlignet med justering for døgnaktivitet (B1 og C1) viste indikatorene som justerte for alle innleggelser (B2 og C2), inntil 3,0 % mindre reduksjon i antibiotikabruk i Helse Nord og inntil 2,9 % større reduksjon i Helse Vest. Tilleggsjustering for pasientsammensetning ga større reduksjon i bruk i alle regioner, men reduksjonen varierte i gjennomsnitt fra 1,1 % i Helse Midt-Norge til 5,1 % i Helse Sør-Øst.
Indikatorene ga svært ulik rangering av regionale helseforetak og akuttsykehus etter bruk av bredspektrede antibiotika (tabell 2). Alle de regionale helseforetakene oppnådde minst 30 % reduksjon i forbruksrate, men kun Helse Vest nådde 30 % reduksjon med minst én av de evaluerte indikatorene (tabell 3). Antall sykehus som nådde 30 % reduksjon, varierte fra 1 (av 22) med standardindikatoren A1 til 13 med indikator C2p.
Tabell 2
Rangering av regionale helseforetak og akuttsykehus etter bruk av bredspektrede antibiotika i 2020 (beregnet med valide indikatorer, tabell 1). Rekkefølge tilsvarende rangering etter bruk beregnet med standardindikatoren DDD per 100 liggedøgn (A1). R = regionale helseforetak, U = universitetssykehus, ingen markering = øvrige akuttsykehus, FR = forbruksrate (ikke beregnet for enkeltsykehus).
Helseforetak og sykehus | Rangering etter bruk (fra lav til høy) av bredspektrede antibiotika1 | |||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
A1 | A1p | B1 | B1p | B2 | B2p | C1 | C1p | C2 | C2p | FR | ||
Helse Nord (R) | 1 | 1 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | |
Helse Midt-Norge (R) | 2 | 2 | 1 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 3 | |
Helse Vest (R) | 3 | 4 | 2 | 3 | 1 | 3 | 1 | 3 | 1 | 3 | 2 | |
Helse Sør-Øst (R) | 4 | 3 | 3 | 1 | 3 | 1 | 3 | 1 | 3 | 1 | 1 | |
1 | 1 | 6 | 4 | 8 | 3 | 8 | 1 | 7 | 1 | 5 | ||
2 | 2 | 4 | 1 | 4 | 1 | 1 | 2 | 4 | 2 | 2 | ||
3 (U) | 3 | 2 | 14 | 6 | 16 | 7 | 16 | 8 | 17 | 8 | ||
4 | 4 | 5 | 3 | 3 | 6 | 4 | 3 | 3 | 6 | 4 | ||
5 | 5 | 8 | 2 | 5 | 4 | 5 | 4 | 6 | 5 | 7 | ||
6 | 6 | 18 | 5 | 14 | 7 | 16 | 6 | 14 | 8 | 15 | ||
7 | 7 | 9 | 8 | 11 | 10 | 12 | 8 | 10 | 7 | 10 | ||
8 (U) | 8 | 3 | 9 | 1 | 11 | 2 | 9 | 2 | 11 | 3 | ||
9 | 9 | 17 | 12 | 19 | 12 | 18 | 12 | 19 | 12 | 19 | ||
10 | 10 | 10 | 7 | 9 | 8 | 9 | 7 | 9 | 9 | 9 | ||
11 | 11 | 12 | 11 | 13 | 2 | 10 | 10 | 12 | 3 | 11 | ||
12 (U) | 12 | 1 | 20 | 2 | 18 | 3 | 15 | 1 | 16 | 1 | ||
13 | 13 | 13 | 6 | 7 | 5 | 6 | 5 | 5 | 4 | 6 | ||
14 | 14 | 11 | 10 | 10 | 9 | 11 | 11 | 11 | 10 | 12 | ||
15 | 15 | 19 | 13 | 20 | 13 | 21 | 13 | 20 | 14 | 21 | ||
16 | 16 | 14 | 17 | 18 | 19 | 17 | 18 | 18 | 19 | 18 | ||
17 (U) | 17 | 7 | 22 | 12 | 21 | 13 | 21 | 13 | 22 | 13 | ||
18 (U) | 18 | 16 | 15 | 15 | 14 | 14 | 14 | 16 | 13 | 14 | ||
19 (U) | 19 | 15 | 19 | 17 | 22 | 19 | 17 | 15 | 20 | 17 | ||
20 | 20 | 22 | 18 | 22 | 20 | 22 | 20 | 22 | 21 | 22 | ||
21 | 21 | 20 | 16 | 16 | 15 | 15 | 19 | 17 | 15 | 16 | ||
22 | 22 | 21 | 21 | 21 | 17 | 20 | 22 | 21 | 18 | 20 |
1Bredspektrede antibiotika i henhold til definisjonen i handlingsplanen (2). Omfatter ATC-gruppene J01CR (penicilliner med enzymhemmer), J01DC (andregenerasjons cefalosporiner), J01DD (tredjegenerasjons cefalosporiner), J01DH (karbapenemer) og J01M (kinoloner).
Tabell 3
Reduksjon i bruk av bredspektrede antibiotika i regionale helseforetak og akuttsykehus fra 2012 til 2020 (beregnet med valide indikatorer, tabell 1). Rekkefølge tilsvarende rangering etter bruk beregnet med standardindikatoren DDD per 100 liggedøgn (A1) i 2020 (tabell 2). R = regionale helseforetak, U = universitetssykehus, ingen markering = øvrige akuttsykehus, FR = forbruksrate (ikke beregnet for enkeltsykehus), − indikerer < 30 % reduksjon, + indikerer 30–39,9 % reduksjon, ++ indikerer ≥ 40 % reduksjon.
Helseforetak og sykehus | Reduksjon i bruk av bredspektrede antibiotika1 | |||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
A1 | A1p | B1 | B1p | B2 | B2p | C1 | C1p | C2 | C2p | FR | ||
Helse Nord (R) | − | − | − | − | − | − | − | − | − | − | 30,1 % | |
Helse Midt-Norge (R) | − | − | − | − | − | − | − | − | − | − | 35,3 % | |
Helse Vest (R) | − | − | − | + | + | + | − | + | + | + | 39,8 % | |
Helse Sør-Øst (R) | − | − | − | − | − | − | − | − | − | − | 34,8 % | |
1 | + | ++ | ++ | ++ | ++ | ++ | ++ | ++ | ++ | ++ | ||
2 | − | − | − | + | − | + | − | + | + | + | ||
3 (U) | − | − | − | − | − | − | − | − | − | − | ||
4 | − | − | ++ | + | ++ | + | ++ | + | ++ | + | ||
5 | − | − | + | + | + | + | + | + | + | + | ||
6 | − | − | − | − | − | − | − | − | − | − | ||
7 | − | − | − | + | − | + | + | + | + | + | ||
8 (U) | − | − | + | + | + | + | + | + | + | ++ | ||
9 | − | − | − | − | − | − | − | − | − | − | ||
10 | − | − | − | − | − | − | − | − | − | − | ||
11 | − | − | − | − | − | − | − | − | − | + | ||
12 (U) | − | − | − | − | − | − | − | − | − | − | ||
13 | − | − | − | − | − | − | − | − | − | − | ||
14 | − | − | + | + | + | + | + | + | + | + | ||
15 | − | − | − | − | − | − | − | − | − | − | ||
16 | − | − | − | − | − | − | − | − | − | + | ||
17 (U) | − | − | − | − | − | − | − | − | − | − | ||
18 (U) | − | − | + | + | + | + | − | − | + | + | ||
19 (U) | − | − | − | + | − | + | − | + | − | + | ||
20 | − | − | − | − | − | − | − | − | − | − | ||
21 | − | + | + | ++ | + | ++ | + | + | + | + | ||
22 | − | − | + | + | − | + | + | + | + | + |
1Bredspektrede antibiotika i henhold til definisjonen i handlingsplanen (2). Omfatter ATC-gruppene J01CR (penicilliner med enzymhemmer), J01DC (andregenerasjons cefalosporiner), J01DD (tredjegenerasjons cefalosporiner), J01DH (karbapenemer) og J01M (kinoloner).
Diskusjon
Fravær av en gullstandard for måling av antibiotikabruk i sykehus gjenspeiles i et mangfold av indikatorer og anbefalinger (6, 7, 17). En litteraturgjennomgang i 2015 identifiserte 74 unike indikatorer, hvorav 12 ble vurdert som egnede av et ekspertpanel gjennom en konsensusprosess (7). Blant de tolv var tre av indikatorene som vi evaluerte i denne studien (standardindikatoren A1 samt A1p og B1). I tillegg ble to av våre inkluderte indikatorer vurdert og forkastet av ekspertpanelet (B1p og C1).
Så langt vi kjenner til, er vår studie den første som har evaluert indikatorer for antibiotikabruk i sykehus etter objektive kriterier. Som sammenligningsgrunnlag benyttet vi en høygradig signifikant referansekorrelasjon mellom regionale forbruksrater av TZP/3GC i sykehus og forekomst av bakteriemi med ESBL-E. coli. Tidligere studier underbygger at referansekorrelasjonen gjenspeiler kausal sammenheng (16, 18).
Som aktivitetsnøytral referanseindikator benyttet vi DDD-basert forbruksrate, som er egnet til overvåking av antibiotikabruk i sykehus på tvers av landegrenser (6). Innføring av forbruksrate som standardindikator for nasjonal antibiotikabruk i sykehus i Norge ville være konsistent med europeisk praksis og fasilitere tverrsektoriell overvåking, herunder antibiotikabruk i kommunale helseinstitusjoner (6, 8, 13). Påvisning av en sterk korrelasjon (referansekorrelasjonen) mellom regionale forbruksrater av TZP/3GC og forekomst av resistens mot de samme midlene støtter at forbruksrate også kan benyttes til overvåking og normsammenligning av antibiotikabruk på regionalt nivå. Ideelt sett bør samme indikator benyttes på alle sykehusnivåer, men forbruksrate er ikke egnet i enkeltsykehus (6). Dette kan løses ved parallell bruk av en alternativ indikator som samsvarer godt med forbruksrate. Vi fant at samtlige alternative indikatorer oppfylte valideringskriteriet om minst like sterk korrelasjon mellom antibiotikabruk og resistens som standardindikatoren. Blant de fem indikatorene som viste signifikant korrelasjon ved evalueringen, utmerket den nye indikatoren C2p (kombinert justering for antall innlagte pasienter og pasientsammensetning) seg ved å samsvare best med forbruksraten. Indikatoren ble også (i motsetning til standardindikatoren DDD per 100 liggedøgn) lite påvirket av endret aktivitet i sykehusene i pandemiåret 2020.
Alle indikatorer som er konstruert som brøker, er sårbare for faktorer som påvirker størrelsen på nevneren, og dersom slike faktorer (for eksempel befolkningstetthet og størrelsen på opptaksområdet) varierer mellom sykehus, svekkes nytteverdien av indikatoren for normsammenligning. Dette illustreres av at Helse Nord har lengst liggetid av de regionale helseforetakene og lavest bruk av bredspektrede antibiotika målt med standardindikatoren (3, 10). Indikatorer som justerer for antall liggedøgn eller døgnopphold, er også sårbare for lav effektivitet og/eller kvalitet i pasientbehandlingen. Eksempelvis kan et høyt antall reinnleggelser kamuflere høy antibiotikabruk ved å øke størrelsen på nevneren. Omvendt vil forbedringstiltak som gir færre liggedøgn eller døgnopphold (eksempelvis mer dagbehandling), gi økt beregnet forbruk. Betydningen av slike faktorer kan reduseres ved i stedet å benytte totalt antall unike innlagte pasienter som justeringsfaktor.
Pasientsammensetningsindeksen beregnes fra sykehusenes diagnosekoding og inngår i systemet for innsatsstyrt finansiering (11). Positiv korrelasjon mellom pasientsammensetningsindeksen og bruk av bredspektrede antibiotika indikerer at indeksen reflekterer forskjeller i pasientkompleksitet som påvirker antibiotikaforskrivning. Da slike faktorer oftest er ikke-modifiserbare (eksempelvis andel pasienter med infeksjon som hoveddiagnose), vil en utjevningsfaktor gi sterkere grunnlag for normsammenligning (9, 19, 20). Prinsippet er imidlertid lite benyttet (7, 17). Våre funn er i tråd med en sveitsisk studie som fant signifikant korrelasjon mellom pasientsammensetningsindeks og total antibiotikabruk i sykehus (9). Selv om kvaliteten på kodingen kan variere mellom sykehus, og pasientsammensetningsindeksen ikke kompenserer for all variasjon i antibiotikabruk relatert til pasientkompleksitet, understøtter funnene bruk av indeksen som justeringsfaktor.
Våre funn illustrerer at dagens standardindikator bør erstattes av andre indikatorer som er bedre egnet til overvåking og normsammenligning av antibiotikabruk i sykehus. Ut fra en totalvurdering av de evaluerte alternative indikatorene, basert på korrelasjon mellom forbruk og resistens, samsvar med forbruksrate og robusthet mot variasjon i aktivitet, kvalitet og effektivitet mellom sykehus og over tid, vurderer vi kombinert justering for totalt antall innlagte pasienter og pasientsammensetning som best egnet.
Det er flere svakheter ved studien. I mangel av forskrivningsdata benyttet vi salgstall for antibiotika. Videre hvilte evalueringen på én enkelt korrelasjon mellom antibiotikabruk og resistens, og resultatene bør kontrolleres i oppfølgingsstudier med andre referansekorrelasjoner. Det er også en svakhet at evalueringen kun omfattet indikatorer som benytter DDD som mål på total antibiotikabruk, blant annet fordi definerte døgndoser ikke alltid samsvarer med administrerte doser (17, 19).
Vår konklusjon er at standardindikatoren DDD per 100 liggedøgn underestimerte reduksjonen i bruk av bredspektrede antibiotika i sykehus, og at den reelle reduksjonen i perioden 2012–20 var nær 30 %. Kombinert justering for totalt antall innlagte pasienter og pasientsammensetning er en ny, pålitelig og robust indikator som er egnet for sykehus på alle nivåer. Indikatoren kan benyttes parallelt med forbruksrate, som bør vurderes som ny standardindikator for antibiotikabruk i sykehus på nasjonalt og regionalt nivå.
Forfatterne takker Gunnar Skov Simonsen (Norsk overvåkingssystem for antibiotikaresistens hos mikrober), Tone Rian Myrli (Helsedirektoratet), Hege Salvesen Blix (Folkehelseinstituttet) og Martin Isaksen (Sykehusapotekenes legemiddelstatistikk) for kvalitetssikrede data.
Artikkelen er fagfellevurdert.
Mette Kalager er medisinsk redaktør i Tidsskriftet. Hun har ikke deltatt i den redaksjonelle behandlingen av artikkelen.
- 1.
World Health Organization. Global Action Plan on Antimicrobial Resistance. https://www.who.int/publications/i/item/9789241509763 Lest 5.12.2022.
- 2.
Helse- og omsorgsdepartementet. Handlingsplan mot antibiotikaresistens i helsetjenesten med det mål å redusere antibiotikabruken i befolkningen med 30 prosent innen utløpet av 2020. https://www.regjeringen.no/contentassets/915655269bc04a47928fce917e4b25f5/handlingsplan-antibiotikaresistens.pdf Lest 5.12.2022.
- 3.
Helsedirektoratet. Antibiotika - forbruk av et utvalg bredspektrede antibiotika i sykehus [database]. https://www.helsedirektoratet.no/statistikk/kvalitetsindikatorer/legemidler/forbruk-av-et-utvalg-bredspektrede-antibiotika-i-norske-sykehus Lest 5.12.2022.
- 4.
Norsk overvåkingssystem for antibiotikaresistens hos mikrober. NORM/NORM-VET 2020. Usage of Antimicrobial Agents and Occurrence of Antimicrobial Resistance in Norway. https://www.fhi.no/contentassets/0e4492710a9142909eff79e618faf1f7/norm-og-norm-vet-usage-of-antimicrobial--agents-and-occurrence-of-antimicrobial-resistance--in-norway.pdf Lest 5.12.2022.
- 5.
Ansari F, Molana H, Goossens H et al. Development of standardized methods for analysis of changes in antibacterial use in hospitals from 18 European countries: the European Surveillance of Antimicrobial Consumption (ESAC) longitudinal survey, 2000-06. J Antimicrob Chemother 2010; 65: 2685–91. [PubMed][CrossRef]
- 6.
Benko R, Bennie M, Coenen S. Drug utilization research in the area of antibiotics. I: Drug Utilization Research 2016, s. 270–83. https://onlinelibrary.wiley.com/doi/abs/10.1002/9781118949740.ch26 Lest 16.2.2023.
- 7.
Stanić Benić M, Milanič R, Monnier AA et al. Metrics for quantifying antibiotic use in the hospital setting: results from a systematic review and international multidisciplinary consensus procedure. J Antimicrob Chemother 2018; 73 (suppl_6): vi50–8. [PubMed][CrossRef]
- 8.
European Centre for Disease Prevention and Control. Antimicrobial consumption in the EU/EEA (ESAC-Net) - Annual Epidemiological Report for 2020. https://www.ecdc.europa.eu/en/publications-data/surveillance-antimicrobial-consumption-europe-2020 Lest 2.2.2023.
- 9.
Kuster SP, Ruef C, Bollinger AK et al. Correlation between case mix index and antibiotic use in hospitals. J Antimicrob Chemother 2008; 62: 837–42. [PubMed][CrossRef]
- 10.
Helsedirektoratet. Aktivitet i somatiske sykehus, spesialisthelsetjenesten. https://www.helsedirektoratet.no/statistikk/statistikk-fra-npr/aktivitet-somatiske-sykehus Lest 5.12.2022.
- 11.
Helsedirektoratet. Aktivitet og profiler i somatikken - opphold og DRG-poeng. https://statistikk.helsedirektoratet.no/bx/Dashboard/fe5a4827-aebb-4339-9d2f-e1b10643dfed?e=false&vo=viewonly Lest 5.12.2022.
- 12.
Holmes AH, Moore LS, Sundsfjord A et al. Understanding the mechanisms and drivers of antimicrobial resistance. Lancet 2016; 387: 176–87. [PubMed][CrossRef]
- 13.
Simonsen GS, Berdal JE, Grave K et al. Antibiotikaresistens - Kunnskapshull, utfordringer og aktuelle tiltak. Status 2020. https://www.fhi.no/globalassets/dokumenterfiler/rapporter/2020/amr-kunnskapshull-rapport.pdf Lest 5.12.2022.
- 14.
Rossolini GM, D'Andrea MM, Mugnaioli C. The spread of CTX-M-type extended-spectrum β-lactamases. Clin Microbiol Infect 2008; 14 (Suppl 1): 33–41. [PubMed][CrossRef]
- 15.
Schuetz AN, Reyes S, Tamma PD. Point-Counterpoint: Piperacillin-Tazobactam Should Be Used To Treat Infections with Extended-Spectrum-Beta-Lactamase-Positive Organisms. J Clin Microbiol 2018; 56: e01917–17. [PubMed][CrossRef]
- 16.
Semret M, Abebe W, Kong LY et al. Prolonged empirical antibiotic therapy is correlated with bloodstream infections and increased mortality in a tertiary care hospital in Ethiopia: bacteriology testing matters. JAC Antimicrob Resist 2020; 2: dlaa039. [PubMed][CrossRef]
- 17.
Yarrington ME, Moehring RW. Basic, Advanced, and Novel Metrics to Guide Antibiotic Use Assessments. Curr Treat Options Infect Dis 2019; 11: 145–60. [CrossRef]
- 18.
Kim YA, Park YS, Youk T et al. Trends in South Korean antimicrobial use and association with changes in Escherichia coli resistance rates: 12-year ecological study using a nationwide surveillance and antimicrobial prescription database. PLoS One 2018; 13: e0209580. [PubMed][CrossRef]
- 19.
Haug JB, Berild D, Walberg M et al. Hospital- and patient-related factors associated with differences in hospital antibiotic use: analysis of national surveillance results. Antimicrob Resist Infect Control 2014; 3: 40. [PubMed][CrossRef]
- 20.
Kanerva M, Ollgren J, Lyytikäinen O. Benchmarking antibiotic use in Finnish acute care hospitals using patient case-mix adjustment. J Antimicrob Chemother 2011; 66: 2651–4. [PubMed][CrossRef]