Anvendelser av Relative Value Units for radiologi: en litteraturgjennomgang

Transkript

1 Anvendelser av Relative Value Units for radiologi: en litteraturgjennomgang Kjetil Knutstad Masteroppgave Erfaringsbasert masterstudium i helseadministrasjon Avdeling for helseledelse og helseøkonomi Institutt for helse og samfunn Det medisinske fakultet UNIVERSITETET I OSLO Mai 2017 I

2 Anvendelser av Relative Value Units for radiologi: en litteraturgjennomgang Kjetil Knutstad Masteroppgave Erfaringsbasert masterstudium i helseadministrasjon Avdeling for helseledelse og helseøkonomi Institutt for helse og samfunn Det medisinske fakultet UNIVERSITETET I OSLO Mai 2017 II

3 2017 Anvendelser av Relative Value Units for radiologi: en litteraturgjennomgang Kjetil Knutstad Trykk: Reprosentralen, Universitetet i Oslo III

4 Sammendrag I Norge bruker man produksjonsstatistikk for radiologiske bildediagnostiske undersøkelser eller intervensjonsprosedyrer som enten er basert på koder fra prosedyrekodeverket NCRP (Norwegian Classification of Radiological Procedures) eller på antall henvisninger. I USA (og en del andre land) har man i tillegg til prosedyrekodeverk et eget vektingssystem for de radiologiske tjenestene basert på Relative Value Units, RVUs. Hver prosedyre får en gitt, numerisk RVU-verdi som skal speile den totale ressursinnsatsen ved prosedyren. Kompliserte prosedyrer får høy verdi mens enkle får lav verdi. I utgangs-punktet er vektingssystemet laget for finansiell refusjon for de radiologiske tjenestene, men RVU-dataene kan også brukes til statistiske formål for bl.a. produksjon. I denne litteraturstudien ønsker jeg å kartlegge bruken av RVUs som basis for statistikk innen fagfeltet radiologi i USA og analysere hvilke anvendelsesområder denne har som styringsverktøy for ledere ved radiologiske avdelinger. Jeg har satt opp følgende spørsmål for å belyse denne problemstillingen: 1. Hva er kjennetegnene ved denne litteraturen og kan den tematisk grupperes i ulike kategorier? 2. Hvilke arbeidsfelt innen radiologi dekker denne litteraturen? 3. Hvilke typer data relatert til RVUs presenteres i denne litteraturen og hvordan anvendes RVU-dataene? Som metode har jeg benyttet litteratur- og fakta-søk og gjennomgangen av de mest relevante artiklene er grunnlaget for å besvare spørsmålene. Jeg har funnet at det er tre ulike kategorier av artikler. Første kategori omfatter artikler som har en teoretisk innfallsvinkel til RVUs fra Medicares føderale RBRVS. Andre kategori er artikler som omhandler faktiske studier av klinisk radiologisk produksjon hvor RVUs fra RBRVS er sentrale for datagrunnlaget. Siste litteraturkategori inneholder publikasjoner som beskriver alternative RVU-systemer som kan kvantifisere og verdsette legers ikke-kliniske arbeidsoppgaver. Litteraturen dekker over to arbeidsfelt. Det første er radiologenes kliniske produksjon, dvs. tolkning av bildediagnostiske undersøkelser og utførelse av ulike typer prosedyrer. Det andre feltet er de ikke-kliniske arbeidsoppgavene som f.eks. administrasjon og ledelse, forskning, undervisning og kvalitetsarbeid. Det presenteres tre typer data i litteraturgrunnlaget. For den kliniske arbeidsfeltet finner jeg kostnadsindekser og produksjonsindekser basert på RVUs fra RBRVS. For de ikke-kliniske arbeidsoppgavene får en institusjonsspesifikke data fra alternative RVU-systemer som eksempelvis akademiske IV

5 RVUs eller RTUs (relative teaching units). RVU-data fra begge arbeidsfelt inngår i statistikk som beskriver aktivitet. Her perker tre anvendelsesområder seg ut: 1. Oversikt over løpende utvikling hvor en måler opp mot seg selv. 2. Trender over tid. 3. Benchmarking på ulike nivå. Fordelen med statistikk generert fra RVU-baserte produksjonsindekser er at disse i prinsippet speiler reell arbeidsinnsats og kompenserer for kompleksitetsforskjeller mellom de radiologiske prosedyrene. For produksjonsmålinger på individuelt plan, hvor en følger løpende utvikling og trender over tid, synes den største verdien å være egenutvikling for radiologene samt ledelsens mulighet for oppfølging av den enkelte radiologs styrker og svakheter. På enhets- eller avdelingsnivå vil aggregerte data for disse målingene være en essensiell del av beslutningsgrunnlaget for strategisk styring av ressurser og for planlegging av bemanning og investeringer. For benchmarking på individuelt nivå ut ifra RVU-baserte produksjonsmålinger synes den største nytten av å være at radiologene kan kalibrere seg opp mot hverandre. Benchmarking for klinisk produksjon mellom ulike radiologiske avdelinger gir liten verdi. Først og fremst skyldes dette de store variasjonene som påvises for radiologenes ytelse selv mellom ellers sammenlignbare avdelinger. Dersom avdelingsledelsen har ensidig fokus på produksjon, effektivitet og rapportering risikerer de uønskede vridningseffekter som f.eks. at radiologene velger vekk ikke-kliniske arbeidsoppgaver. I denne sammenheng er de alternative RVU-systemene viktig. Ved å verdsette arbeidsinnsats innen f.eks. administrasjon og ledelse, forskning, undervisning og kvalitetsarbeid i et vektingssystem, vil dette heve oppgavenes status og bidra til at radiologene også vil prioritere disse. V

6 Forord Temaet for denne oppgaven ble valgt på bakgrunn av erfaringer jeg gjorde som mellomleder for radiologiske lege-enheter på ulike nivå i perioden I disse årene deltok jeg i to ledergrupper, først i Bilde og intervensjonsklinikken ved Rikshospitalet-Radiumhospitalet HF og deretter i Avdeling for radiologi og nukleærmedisin (ARN) ved Oslo Universitetssykehus. Produksjonsstatistikk var et sentralt styringsverktøy som ble brukt på ulike nivå i organisasjonene. Det tok tid å forstå hvordan dataene ble generert, hva de egentlige representerte og hvilke fallgruver man måtte ta hensyn til i tolkningen. For meg førte dette til en økende interesse for aktivitetsstatistikk og kodesystemer og det ledet frem til et ønske om å utforske alternativer til den norske modellen for aktivitetsmåling. Tanken om å ta det erfaringsbaserte masterstudiet i helseadministrasjon ble sådd av mine to tidligere ledere, Kjersti E. Solheim og Jarl Å. Jakobsen som begge har vært studenter ved studiet. Muligheten for å delta kan jeg først og fremst takke Hans-Jørgen Smith for. Som avdelingsleder for ARN både støttet han meg i valget om å søke studiet og gav meg nødvendig permisjon fra jobben som seksjonsleder når jeg ble tatt opp som student. Jeg vil også rette stor takk til Sverre Grepperud som veileder. Hans vurderinger og innspill har vært helt avgjørende for strukturering og ferdigstilling av oppgaven. Hans grundige tilnærming og raske tilbakemeldinger har vært inspirerende og drivende for arbeidet. Pga. alvorlig, men forbigående sykdom holdt masteroppgaven på å glippe. Her er jeg stor takk skyldig til Deborah A. Arnfinsen for sjansen til å fullføre. Hun har både oppmuntret meg og bidratt til forlengelse av studierettstiden. Jeg vil ellers takke mine nåværende ledere Turid Vetrhus og Thea Jahr for forståelse og imøtekommenhet når jeg nå har skrevet ferdig oppgaven mens jeg har vært i full jobb. Samme takk går til mine kolleger ved MR-laboratoriet på Radiumhospitalet. Muligheten til å ta ut overlegepermisjonsdager i forkant har vært veldig verdifullt. Sist, men ikke minst vil jeg takke Morten for tålmodighet, forståelse, oppmuntring og utallige middagsserveringer i en langdryg skriveprosess. Uten deg hadde ikke oppgaven blitt ferdigstilt. Kjetil Knutstad, 28. mai 2017 VI

7 Innholdsfortegnelse 1 Innledning Problemstilling Bakgrunn Fagfeltet radiologi Medisinsk koding Kodeverktøy i Norge ICD NCRP Finansiering av radiologi i Norge Kodeverktøy i USA CPT-koder HCPCS RVUs og RBRVS Organisering og finansiering av helsevesenet i USA Organisering Finansiering Metode Litteratur- og faktasøk Egen rolle og forforståelse Teori Prinsipal Agent teori (PA-teori) Litteraturgjennomgang RVUs som basis for analyseverktøy Produksjonsanalyser Kostnadsanalyser Benchmarking og kvalitetsarbeid Verktøy i lønns- og kontraktsforhandlinger RVUs anvendt i studier om produksjon og arbeidsbelastning RVUs som mål på ikke-kliniske aktiviteter Academic RVU (arvu) Relative teaching unit (RTU) Relative research unit (RRU) Nonclinical RVU (ncrvu) Amerikanske og norske produksjonsdata Analyse og resultater Oppsummering av litteraturgrunnlag Funn fra litteraturen; arbeidsfelt, RVU-data og anvendelsesområder Arbeidsfelt som dekkes av RVUs Typer RVU-data Anvendelsesområder for RVU-data Refleksjoner om benchmarking for klinisk produksjon Produksjonsmålinger og effektivitetsaspekter relatert til PA-teori Vridningseffekter VII

8 7 Konklusjon Vedlegg Kapitler i ICD Kapitler i NCMP, NCSP, NCRP Alfabetiske koder for bildeveiledede intervensjoner Tilleggskoder for NCRP Arbeidsbelastning ved ulike praksiskarakteristika Nettside for registrering av aktiviteter for akademisk CV Skjema med beregnet arvu for én lege Grafisk fremstilling av én radiologs akademiske profil Litteraturliste Forkortelser, definisjoner og oversettelser: AAPC: American Academy of Professional Coders Abdomen: latinsk betegnelse for mageregionen, vanlig medisinsk nomenklatur ACR: American College of Radiology ADA: American Dental Association AHA: American Hospital Association AMA: American Medical Association ATC: Anatomic Therapeutic Chemical Classification (kodeverk for legemidler) CER: Comparative Effectiveness Research (metodeforskning innen medisin) CF: Conversion Factor (monetær enhet til bruk for å regne ut refusjon via RBRVS) CMS: Centers for Medicare and Medicaid Services CPT: Current Procedural Terminology CT: Computer Tomografi (digital, røntgenbasert, bildedannende teknikk med snittbilder) DRG: Diagnoserelatert gruppe (viktig del av den innsatsstyrte finansieringen av sykehusene) DVA: Department of Veteran Affairs EPJ: Elektronisk Pasient Journal FDA: U.S. Food and Drug Administration GPCI: Geographic Practice Cost Index HCFA: Health Care Financing Administration HCPCS: Healthcare Common Procedure Coding System HELFO: Helseøkonomiforvaltningen HIPAA: Health Insurance Portability and Accountability Act VIII

9 HMO: Health Maintanence System (en kombinasjon av helseforsikringsselskap og helsetjenestetilbyder) HOD: Helse- og omsorgsdepartementet ICD-10: Internasjonal Classification of Diseases (kodeverk for medisinske diagnoser) ISF: Innsatsstyrt finansiering KITH: Kompetansesenter for IT i helse- og sosialsektoren Konvensjonell røntgen: undersøkelser utført med røntgenstrålebasert teknikk (det man vanligvis oppfatter som røntgenbilder, som f.eks. bilder av skjelett) Magnitude estimation: metode for å anslå en gitt størrelse, oversatt til omfangskartlegging Mammografi: røntgenundersøkelse av bryst Medicaid: offentlig helseforsikringsprogram i USA for personer med lav inntekt Medicare: offentlig helseforsikringsprogram for eldre og handicappede i USA MEI: Medicare Economical Index (inflasjonsindeks for praksiskostnader og generelt lønnsnivå for leger) MHS: Military Health System MPPR: Multiple Procedure Payment Reduction MR: Magnetisk Resonans (tomografi) (magnetismebasert, bildedannende teknikk) NCMP: Norwegian Classification of Medical Procedures (kodeverk for indremedisin) NCRP: Norwegian Classification of Radiological Procedures (kodeverk for radiologi) NCSP: Norwegian Classification of Surgical Procedures (kodeverk for kirurgi) PACS: Picture and Archiving Communication System (dataprogram for bildebehandling, bildegranskning og lagring av radiologiske undersøkelser) PPACA: Patient Protection and Affordable Care Act (føderal lov som er grunnlag for Obamacare) Radiolog: betegnelse på lege med spesialistutdannelse innen bildediagnostikk Radiograf: betegnelse på en person med teknisk utdannelse for drift av bildedannende utstyr RBRVS: Resource-Based Relative Value Scale RIS: Radiology Information System (administrativt dataprogram) RVS: Relative Value Scale RVU: Relative Value Unit SCARD: Society of Chairmen of Academic Radiology Departments Thorax: gresk betegnelse på brystkasseregionen, vanlig medisinsk nomenklatur UL: Ultralyd (bildedannende teknikk basert på lydbølger og ekko) VHA: Veteran Health Administration 1

10 1 Innledning Hvor mange undersøkelser kan en radiolog beskrive i løpet av en dag? Spørsmålet er mye diskutert i ledergrupper ved radiologiske avdelinger. Bakgrunnen er at behovet for bildediagnostiske undersøkelser og prosedyrer er større enn den løpende produksjonen ved de fleste norske sykehus. Radiologi er en begrensende faktor for utredning, behandling og kontroll av mange pasientgrupper. Av flere grunner er det ikke så lett å gi et enkelt svar på dette spørsmålet som handler om kapasitet. For det første består faget radiologi av en rekke forskjellige bildeundersøkelsesteknikker og intervensjonsprosedyrer. Det er stor variasjon i radiologenes tidsbruk for disse tjenestene. Tolkningen av de enkleste røntgenbildene kan ta et par minutter mens mer kompliserte intervensjonsprosedyrer kan ta flere timer. For det andre er en radiologs kapasitet avhengig av rammebetingelsene for yrkesutøvelsen. Radiologer i en sykehusavdeling har en rekke andre oppgaver i tillegg til bildetolkning og utførelse av prosedyrer. Mulighet for god faglig interaksjon med de kliniske kollegaene som henviser pasientene og tilgangen til elektroniske hjelpemidler er eksempler på andre forhold som påvirker kapasiteten. For det tredje så vil det, som for all menneskelig aktivitet, være en normalvariasjon for radiologenes ytelse. Hvor lang tid en bruker på å tolke og beskrive en undersøkelse er avhengig av mange faktorer, blant annet erfaring og spesialkunnskap. Svaret på det innledende spørsmålet er imidlertid viktig fordi ledere ved radiologiske avdelinger trenger oversikt over produksjonskapasiteten for for å drive virksomhetsstyring. Med produksjon mener jeg i denne oppgaven utføring og tolkning av radiologiske tjenester, dvs. ulike bildediagnostiske undersøkelser og intervensjonsradiologiske prosedyrer. Begrepet aktivitet dekker hele spekteret av arbeidsoppgaver som radiologene utfører. Det inkluderer produksjonen, men favner altså videre og omfatter eksempelvis forskning- og undervisningsoppgaver. 1.1 Problemstilling I en tid hvor fagfeltet radiologi er i hurtig endring er det viktig å ha kunnskap om de verktøyene en har for å styre virksomheten. Bruk av statistikk fordrer forståelse av hvordan grunnlagsdata innhentes, deres validitet og begrensning. I det norske, offentlige helsevesenet er produksjonsstatistikk nyttig ikke bare innad i de radiologiske avdelingene, men også for ledere i de kliniske avdelingene og på høyere nivå i sykehusledelsen. Dette fordi radiologiske tjenester er en nødvendig del av pasienthåndteringen for de fleste diagnosegrupper. 2

11 Statistikken inngår altså som en vesentlig faktor for virksomhetsstyringen i sykehusene som helhet. Med bakgrunn i denne sentrale rollen har jeg valgt statistikk for aktivitet som tema for denne oppgaven. Jeg har ønsket å se på en annen løsning enn den rådende produksjonsstatistikken for norsk radiologi og har valgt å fokusere på det som brukes i USA. Oppgavens problemstilling er å kartlegge bruken av relative value units (RVUs) som basis for statistikk innen fagfeltet radiologi i USA og analysere hvilke anvendelsesområder denne har som styringsverktøy for ledere ved radiologiske avdelinger. Med styringsverktøy mener jeg her at statistikken kan gi oversikt over avdelingens totale aktivitet og dermed utgjøre et utgangspunkt for strategiske beslutninger om eksempelvis tjenestetilbud, dimensjonering av arbeidsstokken, utstyrsinvesteringer og forskningssatsning. Problemstillingen vil bli belyst ved en gjennomgang av litteratur som omhandler bruk av RVUs i USA der jeg fokuserer på følgende spørsmål: 1. Hva er kjennetegnene ved denne litteraturen og kan dens tematikk grupperes i ulike kategorier? 2. Hvilke arbeidsfelt innen radiologi dekker denne litteraturen? 3. Hvilke typer data relatert til RVUs presenteres i denne litteraturen og hvordan anvendes RVU-dataene? I USA og en del andre land (for eksempel New Zealand, Australia og Sør Korea) har en i tillegg til et prosedyrekodeverk innført et ekstra vektingssystem basert på såkalte RVUs (relative value units). I det føderale amerikanske RVU-systemet gis de ulike radiologiske undersøkelser og prosedyrer en verdi på en numerisk skala. Hver tjeneste får en RVU-verdi bestemt av kompleksitet og ressursforbruk. Kompliserte undersøkelser får høyere verdi enn enkle. Tanken bak RVU-systemet er at dette skal speile den totale ressursinnsatsen, både for statistikkformål og i økonomisk sammenheng via refusjonsordninger. RVU-verdien til en gitt undersøkelse vil typisk være representativ for tidsbruk for alt involvert personell (radiologer, radiografer, administrativt ansatte), utstyrskostnader, eventuelt forbruksmateriell og øvrige driftskostnader (husleie, strøm, etc). I Norge registreres radiologiske tjenester nå med koder fra NCRP (Norwegian Classification of Radiological Procedures). Dette er et prosedyrekodeverk som er basert på et én til én forhold for alle tjenestene, dvs. at hver undersøkelse eller intervensjonsprosedyre har én unik kode. Poenget med dette er at kodene skal være entydige. De skal bety det samme uavhengig om en radiologisk undersøkelse er gjort på Haukeland sykehus eller Sykehuset 3

12 Innlandet, Hamar. I utgangspunktet skal dette gi robust og sammenlignbar statistikk både internt i større avdelinger, mellom sykehus og nasjonalt. Kodeverket fungerer også som basis for finansiering for deler av tjenestene. Koden til en undersøkelse plasserer den i én av nitten refusjonskategorier. Disse refusjonskategoriene har ulik kroneverdi og systemet fungerer slik at kompliserte undersøkelser gir høyere refusjon enn enkle. Det finnes ikke noe offisielt RVU-system i Norge; det nærmeste en kommer et vektingssystem for radiologiske tjenester ligger i de ulike kronesatsene i refusjonskategoriene. Jeg har brukt litteraturstudier og fakta-søk som metode for å beskrive RVU-systemer fra USA og deres anvendelser. Nærmere detaljer finnes i metodekapittelet (kapittel 3). For å redusere oppgavens omfang har jeg avgrenset fokuset på norske forhold til i hovedsak å gjelde radiologiske avdelinger ved offentlige sykehus. Privat radiologisk virksomhet i Norge blir kun kort omtalt der det er relevant for sammenhengen. Oppgaven er videre bygget opp med en presentasjon av fagfeltet radiologi, medisinsk koding, det nåværende kodesystemet for norsk og amerikansk helsevesen generelt og for radiologi spesielt (se kapittel 2). I den teoretiske delen av oppgaven har jeg sett på prinsipalagent teori som en ramme for diskusjon omkring lederstyring og insentiver (se kapittel 4). I kapittel 5 presenteres en gjennomgang av litteraturen som vedrører ulike anvendelser av RVU-systemer og data fra disse i USA. I kapittel 6 blir funnene fra litteraturen sammenstilt samtidig som bruken av RVU-data som styringsverktøy og deres anvendelsesområder blir vurdert og diskutert. I tillegg blir bruk av det mest sentrale styringsverktøyet drøftet i lys av den teoretiske referanserammen. 4

13 2 Bakgrunn 2.1 Fagfeltet radiologi Historisk starter fagfeltet radiologi med Wilhelm C. Røntgens oppdagelse av røntgenstrålene i Aakhus og Poppe skriver i sin artikkel om medisinsk radiologi i Norge at det første røntgenapparatet ble installert på Diakonisseanstaltens sygehus, Lovisenberg i 1897 (Aakhus and Poppe, 1995). Rikshospitalet fulgte etter i 1898, Ullevål sykehus i 1903 og sykehusene i Drammen, Arendal, Bergen og Trondheim i Til å begynne med var det leger med ulik faglig bakgrunn som håndterte de relativt enkle røntgenapparatene. Vanligst var det at kirurgene hadde ansvaret og at undersøkelsene begrenset seg til gjennomlysning og oversiktsbilder av skjelett, fremmedlegemer og urinveiskonkrementer. Først i 1917 kom de første spesialistreglene for radiologi og med det ble fagfeltet etablert med egne dedikerte røntgenleger; radiologene. Det ble tidlig gjort forsøk med perorale kontrastmidler for undersøkelser i mage-tarmregionen (1904), men det var først i 1920-årene det kom nye kontrastmidler (Lipiodol, Uroselectan) som både kunne settes intravenøst og administreres til ulike organsystemer. Dette åpnet for mer avansert diagnostikk som urethrografi (urinrørsundersøkelse), hysterosalpingografi (livmor- og egglederundersøkelse), bronkografi (lungeundersøkelse), myelografi (ryggmargsundersøkelse), urografi (nyre- og urinveisundersøkelse) og forsøk på angiografi (undersøkelse av blodårer). Basis for alle undersøkelsene var røntgenapparatene som stadig ble mer teknisk avansert og dette bidro igjen til at undersøkelsesspekteret ble utvidet. Utviklingen medførte behov for mer spesialiserte radiologer og fra 50-tallet og utover etablerte universitetssykehusenes røntgenavdelinger egne spesialseksjoner for barne-, nevro- og thorax-radiologi (undersøkelser av brystkassen). På 50-tallet ble angiografi etablert som et viktig fagfelt hvor blodårer og organers blodforsyning kunne undersøkes. Dette ble starten på intervensjonsradiologien som utviklet seg fra 60-tallet og fremover med en rekke nye prosedyrer i blodkar med både diagnostisk og terapeutisk formål som f. eks. dilatasjon av stenoser (forsnevringer) og embolisering (blodkarstetting) av svulster og blødninger. Fagområdet omfatter også inngrep utenfor karsystemet som f. eks drenasje av urinveier, galleveier og abscesser (pussansamlinger) samt bildeveiledet prøvetaking av vev. Fagfeltet er fortsatt i rask utvikling og inntar en stadig viktigere plass i håndtering av ulike pasientgrupper. Det har også vesentlig endret radiologenes rolle fra å være bidragsytere i diagnostikk til også å være pasientbehandlere. 5

14 På 60-tallet ble de første ultralydapparatene tatt i bruk som den første nye modaliteten (undersøkelsesteknikken) innen radiologi etter røntgen, men det var først utover på 70-tallet at teknikken ble forbedret og utbredt på landsbasis. Bildedannelse med ultralyd baserer seg i prinsippet på lydbølger som sendes inn i og reflekteres tilbake fra kroppen. CT-teknikken (computertomografi) ble innført i Norge på 70-tallet og denne er ansett som det største paradigmeskiftet innen fagfeltet radiologi siden det ble etablert. I prinsippet er teknikken basert på røntgenstråler som sendes gjennom pasienten gjennom en 360 graders rotasjon. Deteksjon av strålingen gir via datamodifikasjon snittbilder av kroppen med overlegen diagnostisk nytte sammenlignet med vanlige (konvensjonelle) røntgenundersøkelser. CT er i dag ett av de viktigste diagnostiske verktøy i det moderne helsevesenet og har avgjørende betydning for håndtering av pasienter i nesten alle kliniske spesialiteter. På siste halvdel av 80-tallet ble MR -teknikken (magnetisk resonans) etablert som ny modalitet i Norge. Teknikken danner databaserte bilder av kroppen ut ifra interaksjon mellom radiobølger og magnetisme. På sett og vis er dette det andre store paradigmeskiftet innen fagfeltet. Teknikken gir langt bedre anatomisk avbildning av kroppens bløtdeler enn CT. I tillegg til anatomi kan en undersøke vevets fysiske sammensetning via spektroskopi, blodårer kan undersøkes både med og uten kontrast, fysiologiske parametere som f.eks. celletetthet, blodgjennomstrømning og hjerneaktivitet kan måles via ulike teknikker. På 2000-tallet gikk man over fra fysiske, fremkalte bilder på film til digitalisert avbildning. Etter dette har kompleksiteten på undersøkelsene for modalitetene CT, MR og ultralyd økt betydelig. Datamengden, i form av antall bilder/bildesekvenser, har økt dramatisk. En CT-undersøkelse av en brystkasse kunne tidligere typisk ha bilder i ett plan. Nå kan CT-maskinene generere flere tusen bilder av samme region, i tre forskjellige plan, på svært kort tid. Tilnærmet hele arbeidsflyten ved dagens radiologiske avdelinger er elektronisk. All registrering av henvisninger, timebestilling, informasjon vedrørende pasientoppmøter til undersøkelser på de ulike laboratoriene, koding av utførte undersøkelser og utsendelse av all korrespondanse og svar på undersøkelsene går i dag via et elektronisk datasystem kalt RIS (radiologisk informasjons system). Dette er i hovedsak de administrativt ansatte og radiografenes arbeidsverktøy. Radiologenes hovedverktøy for bearbeiding og tolkning av undersøkelsene er dataprogramvare som kalles PACS (picture archiving and communication system). Dette er et avansert bildebehandlingssystem som kan håndtere store mengder data og som setter radiologene i stand til f.eks. å sammenligne gamle og nye 6

15 undersøkelser ved siden av hverandre på dataskjermer, måle ulike parametere og vise frem og diskutere undersøkelsene med de kliniske legene som har rekvirert dem. Radiografene er en teknisk utdannet yrkesgruppe som utfører de fleste radiologiske undersøkelsene med det bildedannende utstyret (ulike røntgenapparater, CT- og MRmaskinene). I Norge er ultralyd et unntak, da disse undersøkelsene i all hovedsak utføres av radiologene. Radiologenes hovedoppgave har tradisjonelt vært å tolke og beskrive de ulike radiologiske undersøkelsene samt å utføre ulike legekrevende radiologiske prosedyrer. Dette er fortsatt helt sentrale arbeidsoppgaver, men radiologenes rolle har endret seg betraktelig de siste tiårene i takt med den raske teknologiske utviklingen. I moderne medisin har radiologisk diagnostikk en helt sentral rolle i pasientforløpene både for utredning, behandlingsbeslutning og oppfølging. Radiologene deltar på tverrfaglige møter med kliniske leger og andre faggrupper hvor pasienthåndtering diskuteres. Disse møtene er essensielle innen onkologi (fagområdet kreft), men er også blitt vanlig for andre diagnosegrupper. I tillegg har radiologene daglig kontakt med kliniske kolleger både i plenum på demonstrasjonsmøter (hvor dagsaktuelle undersøkelser presenteres og diskuteres), i fysiske møter én til én, per telefon eller per mail. Her diskuteres for eksempel funn på undersøkelser, oppfølgingsstrategi og råd om valg av radiologiske prosedyrer. En annen viktig del av radiologrollen er fagutvikling, kvalitetsarbeid og opplæring. Eksempelvis skal undersøkelsesprotokoller for de ulike modalitetene opprettes og oppdateres, ny teknologi skal vurderes og eventuelt innføres, pasientsikkerheten skal ivaretas og avdelingenes øvrige personell trenger varierende grad av opplæring. Ved de offentlige sykehusene skal radiologene i tillegg undervise, lære opp og veilede leger i spesialisering som utdanner seg innen fagfeltet. Ved de akademiske avdelingene på universitetssykehusene har radiologene undervisningsansvar for studentene, i hovedsak medisinstudenter. I tillegg drives det og forventes forskningsaktivitet innen fagfeltet reflektert i publikasjoner og forskningsformidling på fagmøter og kongresser. I norske sykehus er fagfeltet nukleærmedisin enten organisert sammen med laboratoriemedisinske spesialiteter eller sammen med radiologisk avdeling. Fagfeltet omfatter bildediagnostikk og terapi som baserer seg på ulik type stråling fra radioaktive substanser som injiseres hos pasientene. Metodikken ble innført i Norge i I Norge er radiologien organisert langs to akser; en offentlig og en privat. Den største er den offentlige hvor sykehusene er dominerende. Alle norske sykehus har en radiologisk avdeling. De varierer i størrelse og kompleksitet avhengig om de er et lite lokalsykehus eller et stort regionsykehus. Ved de største sykehusene er avdelingene seksjonert, vanligvis etter 7

16 fagfelt som f.eks. seksjon for abdominal-, thorax-, nevro-, muskel og skjelett-, barne- og intervensjonsradiologi. I tillegg drifter kommunene radiologiske enheter ved legevakter og sykestuer hvor undersøkelsene utføres, mens de vanligvis tolkes og beskrives av radiologer ved nærmeste sykehus. I Oslo kommune er det i tillegg en mobil røntgenenhet som leverer tjenester til ulike brukerinstitusjoner som f.eks. sykehjem. Den private aksen består i hovedsak av private røntgeninstitutter. På 1970-tallet var det flere små, enkle private røntgeninstitutter i Norge. Det første moderne instituttet, Sentrum Røntgeninstitutt i Oslo, ble opprettet i 1977 (Høie, 2000). I årene frem mot år 2000 ble det opprettet private institutter i en rekke norske byer. Etter år 2000 har det vært en konsolidering i dette markedet med mange fusjoner, oppkjøp og nedleggelser. I dag er det to dominerende aktører på markedet; Aleris Helse og Unilabs. I allmennpraksis og hos privatpraktiserende spesialister utføres det en del ultralydvirksomhet som også er å anse som en del av det private tilbudet. Grunnet mangel på radiologer kjøper en del sykehus radiologitjenester fra Aleris og Unilabs samt fra utenlandske, private tolkningssentre. Klinikk for radiologi og nukleærmedisin (KRN) ved Oslo universitetssykehus (OUS) er den største bildediagnostiske avdelingen i Norge. Den er et eksempel på en radiologisk enhet med både bredde og høyspesialisering. OUS er Norges største sykehus med lokal- og områdefunksjon for store deler av Oslo, regionssykehus for Østlandet og Sørlandet (nedslagsfelt på 2,7 millioner mennesker), samt nasjonalt sykehus for en rekke spesielle områder. Sykehuset er også, som navnet tilsier, en akademisk institusjon knyttet opp mot Universitetet i Oslo med utstrakt forskningsaktivitet og undervisnings- og utdanningsfunksjoner. I KRN benytter man produksjonsstatistikk som baserer seg på antall henvisninger og tall presenteres for de ulike modalitetene. Tallene hentes ut av RIS på grunnlag av den NCRP-koden som er knyttet til henvisningen. NCRP-koden forteller hvilken modalitet som er brukt og hvilken del av kroppen som er undersøkt. Praksisen med antall henvisninger gjør det vanskelig å sammenligne tall fra OUS med andre sykehus som benytter antall undersøkelser (koder) som basis for produksjonsstatistikken. Grunnen til dette er at det kan være flere undersøkelser (koder) knyttet til én henvisning. Eksempelvis vil en henvisning hvor det bes om tre konvensjonelle røntgenundersøkelser (f. eks rtg thorax, rtg bekken og rtg høyre lår) så vil dette kun telles som én henvisning i OUS. Eldevik hevder i sin prosjektrapport fra 2013 at det i gjennomsnitt utføres 1,5 undersøkelser (koder) per henvisning (Eldevik, 2013). Se for øvrig delkapittel 5.4 for nærmere redegjørelse for denne rapporten. 8

17 I 2016 var produksjonen ved KRN henvisninger (LIS, 2017). Av disse utgjorde polikliniske henvisninger 53% og henvisninger for inneliggende sykehuspasienter 47%. Hovedtyngden av disse undersøkelsene fordeler seg på konvensjonell røntgen (51%), CT (21%), ultralydundersøkelser inkludert intervensjoner (12%) og MR (10%). I tillegg til dette kommer tolkning av tilsendte bilder fra andre sykehus pluss mammografiscreeningen som er et eget nasjonalt program. Tilsendte bilder utgjorde henvisninger (LIS, 2017) og mammografiscreeningen henvisninger i 2016 (Kreftregisteret, 2017). I følge HELFO ble det i 2016 registrert polikliniske radiologiske konsultasjoner (henvisninger) ved offentlige sykehus og ved private røntgeninstitutter (Lauritzen, 2017). Et anslag for totalt antall radiologiske undersøkelser i Norge uttrykt som henvisninger er gitt i tabell 1. Beregningen forutsetter at fordelingen av polikliniske undersøkelser og undersøkelser av inneliggende pasienter ved offentlige sykehus i Norge er tilnærmet lik den en finner ved OUS. Polikliniske ved offentlige sykehus Polikliniske ved private institutt Beregnet antall for inneliggende pasienter, offentlige sykehus* SUM Tabell 1: Beregnet antall henvisninger til radiologiske undersøkelser ved offentlige sykehus og private røntgeninstitutter i * Her er prosentvis fordeling mellom undersøkelser for polikliniske og inneliggende pasienter ved OUS benyttet: (( /53) x 47) = I tillegg til summen i tabell 1 kommer undersøkelsene gjort i Mammografiprogrammet (mammografiscreeningen). I 2016 utgjorde dette henvisninger (Kreftregisteret, 2017). Undersøkelser gjort ved private institutter som ikke gir refusjon fra HELFO kommer også i tillegg. 2.2 Medisinsk koding Alle som yter helsehjelp i Norge, både offentlige og private institusjoner, er pålagt av myndighetene å registrere aktiviteten ved bruk av medisinsk koding. Kodeverkene som brukes registrerer kontaktårsaker, diagnoser og diagnosekriterier, alle prosedyrer som utføres i helsetjenesten og alle laboratorie- og patologiske undersøkelser i tillegg til bruk av ulike legemidler. Medisinske koder består vanligvis av bokstaver og/eller tall med tilhørende tekst 9

18 som forklarer hva koden omfatter. Et kodeverk for et gitt område, f. eks. kirurgiske prosedyrer, er i tillegg en klassifikasjon med logisk gruppering etter f.eks. organsystemer. Et kodeverk skal i utgangspunktet gi entydig informasjon. Én og samme sykdom kan f. eks. ha flere navn og navnene kan variere mellom landsdeler, men i et kodeverk vil denne sykdommen kun være tilordnet én kode. Disse kodene vil også være de samme i andre land som bruker samme kodeverk, hvilket er nyttig i kunnskapsutveksling og internasjonal forskning. Kodene representerer grunnlagsdata som anvendes til styringsformål (aktivitetsoversikt, virksomhetsstyring, og finansiering). Disse grunnlagsdataene gir i tillegg epidemiologisk informasjon som sykdomsforekomst, endringer i sykdomsmønstre og dødsårsaker over tid. Dette er viktige data både i forskningssammenheng, for fremtidsrettet planlegging, og for fordeling av ressurser i helsetjenesten. Kodeverkene er en del av standardiseringen i helsesektoren. Sammen med ulike kravdokumenter og standarder for blant annet terminologi, journalføring, elektronisk samhandling og informasjonssikkerhet skal de norske kodeverkene sørge for entydig elektronisk samhandling mellom aktørene i helsevesenet (Direktoratet for e-helse, 2017f). 2.3 Kodeverktøy i Norge Tidligere var det Helsedirektoratet som hadde det administrative ansvaret for de ulike kodeverkene, men fra ble dette ansvaret overført til Direktoratet for e-helse som er underlagt Helse- og omsorgsdepartementet (HOD). På direktoratets nettsider skal det til enhver tid finnes veiledere og oppdaterte kodeverk for de ulike delene av helsetjenesten. Per i dag administrerer direktoratet følgende obligatoriske kodeverk for helse- og omsorgstjenesten (Direktoratet for e-helse, 2017a): ICD-10: Den internasjonale statistiske klassifikasjonen av sykdommer og beslektede helseproblemer ICPC-2: Den internasjonale klassifikasjonen for primærhelsetjenesten NCMP: Kodeverk for medisinske prosedyrer NCSP: Kodeverk for kirurgiske prosedyrer NCRP: Norsk klassifikasjon av radiologiske prosedyrer ICD-10: Psykiske lidelser og adferdsforstyrrelse: kliniske beskrivelser og diagnostiske retningslinjer (Blåboka) Norsk patologikodeverk ATC: Anatomisk terapeutisk kjemisk legemiddelregister 10

19 Multiaksial klassifikasjon i psykisk helsevern for barn og unge (BUP) Norske laboratoriekodeverk (NLK) Helsefaglige særkoder For denne oppgaven er det ICD-10 og NCRP som er relevante og disse kodeverkene vil derfor bli beskrevet nærmere ICD-10 ICD-10 er et internasjonalt diagnosekodeverk som brukes i spesialisthelsetjenesten i Norge. Kodeverket er en oversettelse av den engelske versjonen International Statistical Classification of Diseases and Related Health Problems. Det er det første kjente diagnosekodeverket i verden og ble utviklet på 1850-tallet. Opprinnelig var det en liste over dødsårsaker, men ble utvidet med sykdomsdiagnoser på slutten av 1930-tallet. Første versjon, ICD-6, ble publisert i Nåværende versjon, ICD-10 ble publisert i 1992 og neste versjon, ICD-11 forventes publisert i Kodeverket har stor internasjonal utbredelse og vedlikeholdes av Verdens Helseorganisasjon, WHO. I Norge ble ICD-10 innført hos Kreftregisteret i 1994, for psykiatriske helsetjenester i 1997 og for øvrige del av spesialisthelsetjenesten i 1999 (Direktoratet for e-helse, 2017c, Wikipedia, 2017b). Av historiske grunner er ICD-10 et kodeverk som klassifiserer sykdommer etter flere kriterier: epidemiske sykdommer, generelle sykdommer som påvirker større deler av kroppen, lokaliserte sykdommer ordnet etter anatomisk lokalisasjon, utviklingsforstyrrelser og lidelser som direkte skyldes skade eller vold. Kodene i ICD-10 er bygget opp av tre tegn; først en bokstav fra A-Z, deretter to sifre fra 0-9. I tillegg kan det komme undergrupper av koder hvor de tre første tegnene etterfølges av et punktum og et nytt siffer. ICD-10 er delt opp i 22 kapitler, se vedlegg 8.1 (Direktoratet for e-helse, 2016). Et eksempel på en diagnosekode kan være for en pasient med lungebetennelse forårsaket av bakterier (latin: pneumoni). Denne diagnosen finnes i: Kapittel X Sykdommer i åndedrettssystemet (J00-J99) Kode J15 Bakteriell pneumoni, ikke klassifisert annet sted. Dersom man kjenner til hvilken bakterie som forårsaket lungebetennelsen får pasient en undergruppekode: J15.8 Annen spesifisert bakteriell pneumoni. 11

20 På nettsiden til Direktoratet for e-helse har de et nyttig søkeverktøy, FinnKode, for å lete opp koder i både ICD-10, NCRP, NCMP, NCSP og BUP (Direktoratet for e-helse, 2017b) NCRP Historikk NCRP står for Norwegian Classification of Radiologic Procedures, eller på norsk Norsk klassifikasjon av radiologiske prosedyrer. NCRP dekker prosedyrer innen bildediagnostikk, bildeveiledet intervensjon og nukleærmedisin. Kodeverket er utviklet i Norge og ble innført 1. januar Før dette ble innført eksisterte det et annet kodeverk, NORAKO (Norsk Radiologisk Kodeverk) som ble innført i NORAKO var basert på to tidligere kodesystemer, ABRAKO (abbreviasjonsbasert radiologisk kode) og Marstranders røntgensignaturkodesystem fra 50-årene (Mortensen and Vigen, 2006). I 2005 ble refusjonssystemet for poliklinisk radiologi og derunder NORAKO evaluert av Helse- og omsorgsdepartementet. Rapporten avdekket flere svakheter og etter høringsrunder som gav støtte til rapportens konklusjoner ble det bestemt at et nytt refusjonssystem og et nytt kodeverk for radiologi skulle utvikles. Helsedirektoratet fikk denne oppgaven i 2006 og de engasjerte KITH (Kompetansesenter for IT i helse- og sosialsektoren) som faglig sekretariat og ansvarlig for arbeidet. Det ble etablert en referansegruppe med representanter fra de regionale helseforetakene (RHF), Norsk radiologisk forening, Norsk radiografforbund, Røntgeninstituttenes fellesorganisasjon, Statens strålevern, NAV, og fra det intervensjonsradiologiske- og det nukleærmedisinske fagfeltet. Målsettingene med det nye kodeverket (NCRP) var at det skulle forenkles, bli mer oversiktlig, ha færrest mulig koder og være entydig. Det sistnevnte kravet var viktig for dokumentasjonsformål (utgjøre grunnlaget for en nasjonal rapportering og for en aktivitetsbasert finansiering). Kodeverket skulle også være anvendbart i hele arbeidsflyten for bildediagnostikk og intervensjonsprosedyrer samt være kompatibelt med de andre prosedyrekodeverkene; NCMP og NCSP (Brandborg, 2008, Brandborg, 2012). Siden 2012 har det vært obligatorisk å bruke NCRP i kodingen av prosedyrer for innlagte og polikliniske pasienter både for det offentlig helsevesenet og for private virksomheter som har offentlig refusjonsavtale. Etter samordningen av NCMP, NCSP og NCRP fra har alle kliniske avdelinger som utfører bildediagnostiske undersøkelser og bildeveiledede intervensjonsprosedyrer kodet disse med bruk av NCRP. Alle 12

21 fagavdelinger, kliniske og bildediagnostiske, kan bruke koder fra alle tre kodeverk, det er type prosedyre som avgjør hvilken kode som skal brukes. Oppbygging og bruksområde De tre prosedyrekodeverkene (NCMP, NCSP og NCRP) er alle samlet i en publikasjon som administreres av Direktoratet for e-helse og finnes på deres nettsider (Direktoratet for e-helse, 2017e). Den felles publikasjonen består av 23 kapitler inndelt fra A til Z, og er i hovedsak organisert etter anatomiske organer og organsystemer som logisk passer sammen. I tillegg er det egne kapitler for bildediagnostiske undersøkelser (kapittel S) og nukleærmedisin (kapittel T) samt noen spesialkapitler, se vedlegg 8.2 (Direktoratet for e-helse, 2017d). Den reviderte 2016-versjonen av NCRP består av 4 hoveddeler, hvor de to første vil bli nærmere presentert: 1. Koder for bildeveiledede intervensjoner 2. Koder for bildediagnostiske undersøkelser 3. Koder for nukleærmedisinske prosedyrer 4. Tilleggskoder og koder for radiofarmaka Kodene for bildeveiledede intervensjoner er lagt til det kapitlet som dekker det organet som blir undersøkt eller behandlet. Alle koder i alle delene av NCRP har i utgangspunktet 6 tegn og er bygget opp som vist i tabell 2. Posisjon for tegn Kode 1, intervensjon K C B 0 6 K Kode 2, bildediagnostiske undersøkelser S J F 0 A D Tabell 2: Kodestruktur NCRP for bildeveiledede intervensjoner og bildediagnostiske undersøkelser. Posisjonene 1 til 6 representerer følgende informasjon: 1. Alltid bokstav. Representerer kapittel et i kodeverket. For bildeveiledede intervensjoner A til Q (minus I og O). For bildediagnostiske undersøkelser er verdien S. 2. Alltid bokstav. Underinndeling for anatomisk region i kapitlene. 13

22 3. Alltid bokstav. For bildeveiledede intervensjoner type prosedyre. For bildediagnostiske undersøkelser danner posisjon 3 anatomisk underinndeling i kapitlene sammen med posisjon Alltid tall. For bildeveiledede intervensjoner rekkefølge av kodene. For bildediagnostiske undersøkelser er ikke posisjonen meningsbærende, verdien er Enten tall eller bokstav. For bildeveiledede intervensjoner rekkefølge av kodene (tall). For bildediagnostiske undersøkelser reservert for ytterligere differensiering (bokstav). 6. Alltid bokstav. Bildedannende modalitet. For bildeveiledede intervensjoner finnes det en rekke ulike typer prosedyrer som har bokstavverdi A-Z i posisjon 3, se vedlegg 8.3. Posisjon 6 definerer hvilken bildedannende modalitet som er brukt, se tabell 3 under (Direktoratet for e-helse, 2016). Pos. 6: Bokstav Modalitet Pos. 6: Bokstav Modalitet A Røntgen M PET/MR B Røntgen-arteriografi N Scintigrafi C Røntgen-venografi P CT-angiografi D CT Q MR-angiografi G MR T Nukleærmedisinske terapeutiske prosedyrer K Ultralyd X Ikke nærmere angitt L PET/CT Tabell 3: Bokstavkoder med tilhørende bildedannende modaliteter for posisjon 6 i NCRP-kodene. Kodene som er presentert i tabell 2 står for følgende prosedyre og undersøkelse: KCB06K Nålebiopsi av blære, ultralydveiledet SJF0AD CT tynntarm For intervensjonskoden kan en da hente ut følgende informasjon. Prosedyren er utført på organ i kapittel K (Urinorganer, mannlige genitalia og retroperitonealrommet), nærmere bestemt urinblæren som har underkode KC. Prosedyren som er utført er en biopsi med kode B. Nålebiopsi av urinblæren har fått rekkefølgekode 06. Den er gjort ultralydveiledet som har modalitetskode K. For den bildediagnostiske undersøkelsen så er kodens første tegn bokstaven S, da alle bildediagnostiske undersøkelser er lagt til kapittel S. Den er utført på 14

23 tynntarm som har felles anatomisk underinndelingskode med tykktarm JF. Fjerde tegn er alltid 0. Femte tegn er valgt til A for å kunne skille mellom CT tynntarm og CT tykktarm (som har femte tegn B: SJF0BD). Undersøkelsesmodalitet er CT som har kode D. For å kunne legge ytterligere informasjon til hovedkodene finnes det tilleggskoder i kapittel Z. Disse er ment å beskrive spesielle forhold ved prosedyrene som kan være viktig for å få full forståelse av hvordan de er utført. Dette er viktig for aktivitetsregistrering og for refusjonsformål. For NCRP representerer de vanligste tilleggskodene bruk av kontrast, sideangivelse, at undersøkelsen er regransket (dvs. utført og primærbeskrevet ved en annen virksomhet) eller at undersøkelsen er avbrutt. Eksempler på disse tilleggskodene er: ZTX0EA Intravenøs kontrast ZTX0XA Høyresidig bildediagnostisk undersøkelse ZTX0BC Kun sekundærgranskning ZXF10 Avbrytelse på grunn av svikt i teknisk utstyr. I vedlegg 8.4 er det en fullstendig oversikt over tilleggskodene for NCRP og over koder for avbrutte prosedyrer som kan brukes som tillegg til hovedkoder fra alle tre prosedyrekodeverkene. Bruksområder NCRP-koder skal kunne brukes i hele arbeidsflyten ved en radiologisk virksomhet inkludert på henvisningene selv om dette ikke er obligatorisk. Slik det er i dag vil den henvisende lege vanligvis ikke bruke prosedyrekoden, men skrive i fritekst hvilken undersøkelse som ønskes, f.eks. CT abdomen/bekken. NCRP-koden brukes imidlertid i planleggingen og organiseringen av undersøkelsen i RIS. I RIS og EPJ (elektronisk pasient journal) brukes koden videre i aktivitetsregistrering etter at undersøkelsen enten er gjennomført eller påbegynt og så avbrutt. Kodene brukes i PACS for lagring og gjenfinning av utførte undersøkelser. Kodedata i RIS og PACS er essensielle for forskning, både innen radiologi og andre fagfelt hvor radiologi inngår som en del av forskningsprosjektene. Aggregerte kodedata fra RIS/EPJ gir sentral statistikk for virksomhetsstyring, er basis for nasjonal rapportering til Norsk Pasientregister (NPR) og for økonomisk avregning. Kodene er også grunnlaget for all elektronisk samhandling for radiologi mellom ulike aktører i helsetjenesten (Direktoratet for e-helse, 2016, Brandborg, 2012). For flere av de nasjonale kvalitetsindikatorene, spesielt for pasientforløpene, inngår radiologiske undersøkelser som viktige diagnostiske data og er essensielle for fremdriften. Kodedata gir her mulighet for å følge pasientforløpene og gi informasjon om f. eks. flaskehalser som vanskeliggjør etterlevelse av førløpenes tidskrav. 15

24 Vedlikehold og oppdatering NCRP oppdateres årlig. En referansegruppe vurderer forslag om endringer og nye koder. Forslag fra helseforetak eller private røntgeninstitutt kan sendes fortløpende til Direktoratet for e-helse, men for å bli vurdert for neste års revisjon er fristen satt til 1. mars. Et forslag til ny prosedyre må inneholde en detaljert beskrivelse av denne, hvilken modalitet som er aktuell, en foreløpig kodetekst og kontaktinformasjon til et fagmiljø som kan gi tilleggsopplysninger. Det må oppgis om prosedyren inngår i utprøvende eller etablert behandling da man er restriktiv med å opprette nye koder i forbindelse med utprøvende behandling. Referansegruppen lager årlig en innstilling til direktoratet med endringsforslag for NCRP. Direktoratet vurderer, evt. vedtar og publiserer endringene på sine nettsider (Direktoratet for e-helse, 2016, Brandborg, 2012). 2.4 Finansiering av radiologi i Norge Finansieringen av en radiologisk avdeling ved et offentlig helseforetak er tredelt. Den ene delen er et rammetilskudd, den andre er finansieringsordningen for poliklinisk virksomhet og den tredje er investeringstilskudd. Kostnader i forbindelse med radiologiske tjenester for inneliggende pasienter dekkes av rammetilskuddet. Dette overføres fra helseforetakets budsjett og er dels basert på den andelen radiologi utgjør av DRG-poengene et pasientopphold genererer. Dette er radiologiens del av den innsatsstyrte finansieringen (ISF) for den somatiske spesialisthelsetjenesten. ISF er en aktivitetsbasert finansieringsordning hvor de regionale helseforetakene (RHF) får overført midler fra statsbudsjettet basert på hvor mange pasienter som utredes, behandles eller følges opp av de underliggende helseforetakene. I 2017 står ISF for ca 50% av overføringene fra staten, resterende del på 50% er basisbevilgning (Helsedirektoratet, 2016). For radiologiske tjenester til polikliniske pasienter er det en egen tredelt finansieringsordning. En del kommer fra rammetilskuddet, de to andre er refusjon fra staten via HELFO og egenandeler fra pasientene. Refusjonsordningen er regulert av Forskrift om godtgjørelse for å yte poliklinisk helsehjelp i spesialisthelsetjenesten (poliklinikkforskriften) (Helse- og omsorgsdepartementet, 2017). Forskriften inneholder hvilke krav som gjelder for å kunne kreve refusjon for en radiologisk tjeneste. Det viktigste kravet er at kun prosedyrer som inngår i NCRP (og utvalgte koder i NCSP og NCMP) gir rett til refusjon. For hver prosedyre er det knyttet én unik refusjonssats som bestemmes av en refusjonskategori. Alle koder i NCRP tilhører én av 19 refusjonskategorier hvor kroneverdien er gitt i 16

25 poliklinikkforskriften, se tabell 4. Krav om refusjon sendes elektronisk til HELFO som vurderer, eventuelt godkjenner og utbetaler til RHFet. Helseforetakene tar inn egenandeler fra pasientene og sammen med refusjonen fra HELFO er dette den aktivitetsbaserte delen av poliklinikkfinansieringen. Målet er at disse midlene skal dekke ca. 40% av de gjennomsnittlige kostnadene for poliklinisk radiologisk virksomhet. De resterende 60% dekkes av rammetilskuddet (Helsedirektoratet, 2017). Modalitet Refusjonskategori Kroner Røntgen RG1 16,5 Røntgen RG2 41,3 Røntgen RG3 146 Røntgen RG4 298 Røntgen RG5 505 Computer Tomografi CT1 167 Computer Tomografi CT2 279 Computer Tomografi CT3 492 MR MR1 409 MR MR2 467 MR MR Ultralyd UL1 18,2 Ultralyd UL2 44 Ultralyd UL3 89,5 Ultralyd UL4 333 Intervensjon INT1 100 Intervensjon INT2 140 Intervensjon INT3 760 Intervensjon INT Tabell 4: Gjeldende refusjonskategorier for de ulike radiologiske modalitetene i Tredje kolonne viser refusjonssatsen i kroner (Helse- og omsorgsdepartementet, 2017). 17

26 Siste del av finansieringen er tilskudd for investeringer. Dette kommer fra investeringsbudsjettene til de offentlige helseforetakene. Både radiologisk utstyr for bildeopptak eller bildeveiledede intervensjonsprosedyrer, laboratorielokaler og ITinfrastruktur er kostbart. En MR-maskin alene kan koste opp mot 20 millioner kroner. 2.5 Kodeverktøy i USA Systemet for bruk av kodeverktøy i USA er i prinsippet likt det norske. Pasienter som oppsøker primær- eller spesialisthelsetjenesten med en tilstand som trenger utredning og behandling får en diagnosekode fra ICD-10. I utgangspunktet definerer denne koden hvilke medisinskfaglige prosedyrer som er naturlig å iverksette, inkludert de som har ledet til diagnosen, og disse registreres med en prosedyrekode fra et kodeverk kalt CPT (Current Procedural Terminology). Dette tilsvarer de norske prosedyrekodeverkene NCSP, NCMP og Figur 1: Sammenhengen mellom kodeverktøy brukt i USA og vektingssystemet RBRVS. For å utløse refusjon for utførte medisinske prosedyrer må korrekt koding være utført i både ICD 10, CPT og RBRVS. (USA gikk over fra ICD-9-CM til ICD-10 i 2015) (Lam and Medverd, 2013) NCRP. I USA har man i tillegg bygd opp et vektingssystem for alle prosedyrer som utgjør basis for refusjon fra tredjepartsbetalere i det amerikanske helsemarkedet (private forsikringsordninger, føderale- og statlige helseforsikringsprogram). Relevante RVUs fra vektingssystemet RBRVS (Resource-Based Relative Value Scale) kobles til CPT-koden og disse danner grunnlaget for det krav om betaling som sendes inn. Figur 1 viser oversiktlig sammenhengen mellom de ulike kodeverktøyene og vektingssystemet. I avsnittene under vil 18

27 dette systemet og dets ulike komponenter bli gjennomgått i detalj. I tillegg gir underkapittel 2.6 en oversikt over organiseringen og finansieringen av helsevesenet i USA CPT-koder CPT står for Current Procedural Terminology og er et kodeverk utviklet av AMA (American Medical Association). Det er en liste med standardiserte beskrivelser og koder for tjenester og prosedyrer som utføres av aktører i helsevesenet. Disse brukes til å innrapportere krav om refusjon fra tredjepartsbetalere, for eksempel helseforsikringsselskap. Kodeverket dekker medisinske, kirurgiske og diagnostiske prosedyrer og fungerer som en nasjonal standard for helsevesenet i USA. AMA eier og har copyright til CPT. Det ble første gang publisert i 1966 og inneholdt den gang i hovedsak kirurgiske prosedyrer pluss et mindre omfang av medisinske-, radiologiske- og laboratorieprosedyrer. I andre utgave som kom i 1970, ble systemet betydelig utvidet og dekket alle de medisinske spesialitetene. Fra 1977 innførte AMA et system for periodisk oppdatering av kodeverket. Fra 1983 har kodeverket vært en del av Healthcare Common Procedure Coding System (HCPCS) som administreres av Centers for Medicare and Medicaid Services (CMS) (HCPCS presenteres nærmere i neste underkapittel). CMS er en føderal organisasjon som administrerer helseforsikringsprogrammene Medicare og Medicaid, se underkapittel Siden 1983 har tjenester for deler av Medicare vært rapportert via HCPCS. CMS bestemte i 1986 at Medicaid også skulle benytte HCPCS og i 1987 ble det vedtatt at sykehus skulle benytte CPT for å rapportere polikliniske kirurgiske prosedyrer (AMA, ). Det er tre hovedkategorier av CPT-koder (ACR, 2013, Lam and Medverd, 2013): Kategori I: Koder for tjenester og prosedyrer som er ensartede i utførelse, har bred aksept og utbredelse i det medisinske miljø, støttes av fagfellevurdert litteratur og er godkjent av U.S. Food and Drug Administration (FDA). Kodene er obligatoriske og er de som kobles med RVUs fra RBRVS for refusjon. Per 2015 er over 7500 koder godkjent som kategori I (Baadh et al., 2016). Kategori II: Frivillige tilvalgskoder som brukes for resultat- og ytelsesmål samt som grunnlagsdata for statistikk for utkomme (outcome) og medisinsk etterlevelse (compliance). Kodene kan eksempelvis brukes for å følge og evaluere tjenester i kvalitetsarbeid. Det følger ingen refusjon med disse kodene. Kategori III: Koder for nye tjenester, nye prosedyrer og ny teknologi som ikke har FDA-godkjenning eller tilkoblet RVUs. De brukes ofte for metoder under utvikling 19

28 eller som inngår eksperimentell behandling. Kodedata brukes for å holde oversikt over utbredelsen i fagmiljøene og for evaluering. Kodene er midlertidige og kan oppgraderes til kategori I dersom kravene til dette tilfredsstilles. Det kan følge refusjon med kodene avhengig av den enkelte pasients forsikringsdekning; for eksempel om man er deltaker i en faglig studie. I tillegg finnes det en mindre gruppe modifiseringskoder (modifiers) og koder for spesielle laboratorieundersøkelser (multianalyte assays). Modifiseringskodene kan brukes for ytterligere å differensiere omstendigheter ved prosedyren som ikke fremkommer av CPT-koden. Eksempler på dette kan være at flere leger deltok i prosedyren (komplisert operasjon) eller at prosedyren kun ble delvis gjennomført (MB&CC, 2016). Oppbyggingen av kodeverket fremgår av tabell 5. Kodeeksempler for radiologi fra de ulike aktuelle kategoriene vises i tabell 6. CODE RANGE CPT SECTIONS Category I Anesthesia Surgery Radiology Procedures Pathology and Laboratory Procedures Medicine Services and Procedures Evaluation and Management Services 0001F F Category II Codes 0001M M Multianalyte assay 0019T T Category III Codes Modifiers Provider Services and Ambulatory Service Center Modifiers 1p - 8p Category II Modifiers p1 - p6 Anesthesia Physical Status Modifiers Tabell 5: Strukturen for CPT-kodeverket med underkapitler for kategori I og modifiseringskoder (AAPC, 2016c). 20

29 Kode Beskrivelse Kategori I Computed tomography, abdomen and pelvis; with contrast material(s) Kategori II 3110F Documentation in final CT or MRI report of presence or abscence of hemorrhage and mass lesion and acute infarction (STR) Kategori III 0159T Computer-aided detection, including computer algorithm analysis of MRI image data for lesion detection/characterization, pharmacokinetic analysis, with further physician review for interpretation, breast MRI (List separately in addition to code for primary procedure) Modifiseringskode 52 Reduced service Tabell 6: Eksempler på CPT-koder for radiologi. Modifiseringskoden blir lagt til en annen kategori I-kode. Kode 52 kan for eksempel brukes ved en CT-veiledet biopsiprosedyre dersom en ikke lykkes å få ut representativt vevsmateriale. CPT-kodeverket oppdateres årlig av AMA via CPT Editorial Panel. Panelet består av 17 medlemmer hvorav 11 utnevnes av de nasjonale foreningene for medisinske spesialiteter. De møtes tre ganger i året for å vedlikeholde kodeverket. I tillegg til å oppdatere og revidere eksisterende koder behandler de også forslag til nye koder. Som støtte i dette arbeidet har de en større komité, CPT Advisory Committee, som hovedsakelig består av leger utpekt av de nasjonale foreningene for de ulike medisinske spesialitetene som er representert i AMA House of Delegates HCPCS HCPCS står for Healthcare Common Procedure Coding System og representerer et sett med kodeverktøy etablert for å håndtere fakturering i USA. Det ble etablert i 1978 av HCFA (Health Care Financing Administration, nåværende CMS) som et standardisert kodeverk for å sikre ensartede refusjonskrav fra helsetjenesten til tredjepartsbetalere for utstyr, materiell og tjenester. Opprinnelig var det frivillig å bruke kodene, men fra 1996 (via HIPAA, Health Insurance Portability and Accountability Act, føderal lovgivning) ble det påbudt (Wikipedia, 2008). HCPCS er delt inn i to nivåer. Nivå I er CPT-kodeverket, se Nivå II er et 21

30 standardisert kodeverk for å identifisere utstyr, forbruksmateriell og tjenester som ikke dekkes av CPT. Eksempler på dette er ambulansetjenester, materiell som proteser, ortopedisk utstyr, medisinske hjelpemidler og relaterte helsetjenester når de ikke leveres av leger (CMS, 2016). Nivå II inneholder også de offisielle kodene for poliklinisk sykehusvirksomhet, medikamenter for kjemoterapi og Medicaid-tjenester. Nivå II-kodene ble utviklet og brukt fra 1980-tallet. Siden 2003 har CMS hatt ansvaret for å administrere og vedlikeholde kodene. De CODE RANGE A A0999 A A8004 A A9999 B4034 B9999 C1713 C9899 E0100 E8002 G0008 G9678 H0001 H2037 J0120 J8999 J9000 J9999 K0001 K0902 L0112 L4631 L5000 L9900 M0075 M0301 P2028 P9615 Q0035 Q9980 R0070 R0076 S0012 S9999 T1000 T5999 V2020 V2799 V5008 V5364 hcpcs modifiers HCPCS SECTIONS Ambulance and Other Transport Services and Supplies Medical and Surgical Supplies Administrative, Miscellaneous and Investigational Enteral and Parenteral Therapy Outpatient PPS Durable Medical Equipment Procedures/Professional Services Alcohol and Drug Abuse Treatment Drugs Administered Other than Oral Method Chemotherapy Drugs Durable Medical Equipment (DME) Medicare Administrative Contractors Orthotic Procedures and Services Prosthetic Procedures Miscallaneous Medical Services Pathology and Laboratory Services Temporary Codes Diagnostic Radiology Services Temporary National Codes (Non-Medicare) National Codes Established for State Medicaid Agencies Vision Services Hearing Services Modifiers for HCPCS codes Tabell 7: Hovedkapitler med kodeintervall for HCPCS nivå II-koder (AAPC, 2016a) 22

31 blir revidert hvert kvartal og innspill for kodeendringer og nye koder tas imot fra blant annet helsetjenesteleverandører, utstyrsprodusenter og en rekke medisinske eller medisinrelaterte spesialitetsforeninger inkludert ADA (American Dental Association) (AAPC, 2016b). I tabell 7 vises hovedkapitlene for nivå II kodene RVUs og RBRVS Definisjoner RVU er en forkortelse for relative value unit og representerer en numerisk verdi som blir tillagt en medisinsk tjeneste. Verdien skal speile ressursinnsatsen og den er fastsatt ut ifra en referanseprosedyre, derav relativiteten. I et tenkt eksempel for radiologi kunne en konvensjonell røntgenundersøkelse av brystkassen (rtg thorax) være referanseundersøkelse og gis verdien 1. En CT-undersøkelse av brystkassen (CT thorax) som krever mer ressurser vil da eksempelvis kunne være 6. En RVU har i seg selv ingen pengeverdi men kombinert med en monetær konverteringsfaktor kan den inngå som basis i et refusjonssystem. I USA har alle CMS-godkjente legetjenester som tilbys befolkningen en egen CPT-kode med en fastsatt RVU-verdi. Dette gjelder i prinsippet alle typer legetjenester både de som utføres i primærhelsetjenesten, på spesialistsentre og på sykehus. Disse er systematisert i en skala, RVS (Relative Value Scale) og gruppert etter de ulike medisinske spesialitetene. RVU for radiologi er altså bare en liten del av dette systemet. I 2015 var det i overkant av 7500 forskjellige legetjenester definert i RVU-systemet (National Health Policy Forum, 2015). Ut ifra RVU-verdien kan refusjon fra CMS beregnes via en gitt formel i vektingssystemet RBRVS, se eget underkapittel og figur 2 (s 28). RBRVS står for resource-based relative value scale og systemet er i utgangspunktet laget for beregning av refusjoner gitt via de føderale helseprogrammene Medicare og Medicaid. I tillegg benyttes RBRVS også av de fleste andre tredjepartsbetalere i USA, f.eks. private forsikringsselskap, statlige helseforsikringsprogram, Veteran Health Administration m.fl. Et viktig poeng for radiologi er at RBRVS med sine RVU-verdier kun dekker klinisk produksjon, dvs. utførelse og tolkning av bildediagnostiske undersøkelser og intervensjonsprosedyrer. Ikke-klinisk aktivitet som f. eks. forskning og undervisning har ingen plass i dette systemet. Historikk Føderale myndigheter i USA satte utover på 1980-tallet et stadig sterkere fokus på økende helsetjenestekostnader. Utgiftene for Medicare økte fra 6,2 milliarder dollar i 1970 til 32,1 23

32 milliarder i 1980 (Moorefield et al., 1993). I utgangspunktet ble legetjenester betalt ut ifra såkalt vanlig, rådende og rimelig prissetting ( usual, customary and reasonable charging ) (Hsiao et al., 1988). Vanlig var definert som gjennomsnittsbeløpet en lege vil kreve for en tjeneste, rådende definert som gjennomsnittsbeløpet krevd av en lege i samme spesialitet og samme geografiske område og rimelig som maksimumsbeløpet et helseforsikringsselskap vil betale for en tjeneste (Lam and Medverd, 2013). I prinsippet var legenes inntekt basert på fee-for-service, et retrospektivt betalingssystem hvor kvantitet av tjenestene var avgjørende for inntjening. Dette systemet ble utsatt for økende kritikk av flere grunner. For det første ga det incentiv til økt volum av tjenester som ikke nødvendigvis var medisinskfaglig fundert. For det andre ga systemet en vridning av tjenesteytelse inn mot urbane områder og sykehuspraksis på bekostning av primærhelsetjeneste og lavt befolkede områder. For det tredje så fungerte ikke de ønskede mekanismene for prisrasjonering som kjennetegner et marked. Dette fordi forsikringsordningene i seg selv stor grad reduserer koblingen mellom konsum og betaling. I tillegg er det asymmetrisk kunnskap i markedet hvor kundene i liten grad har forutsetninger for å velge kompliserte medisinske tjenester og å skille mellom kvalitetsforskjeller hos tilbyderne. I tillegg er det et juridisk aspekt da lovgivningen regulerer hvem som kan yte medisinske tjenester, henvise pasienter etc. Dette gir en form for monopolsituasjon som motvirker prisregulerende markedskrefter (Hsiao et al., 1988). Studier av finansieringsordningen viste også at den medførte uønskede skjevheter, blant annet ulik betaling for samme tjenester hos leger i samme distrikt og urimelige geografiske forskjeller i gjennomsnittlig refusjon til legene (Moorefield et al., 1993). På bakgrunn av dette innførte kongressen gradvis en ny lovgivning for å begrense kostnadsutviklingen. Den første store lovendringen kom i 1982 hvor retrospektiv, kostnadsbasert refusjon for inneliggende sykehuspasienter dekket av Medicare ble erstattet med DRG-basert finansiering (Tax Equity and Fiscal Responsibility Act). Refusjonene for legenes arbeidsinnsats ble holdt utenfor og fee-for-service fortsatte som betalingsmodell for denne gruppen. For å få kostnadskontroll over legetjenestene frøs kongressen takstene i 1984 og dette ble videreført i Kongressen initierte videre en stor studie hvor formålet var å estimere den relative mengden arbeidsinnsats legene bidro med for ulike prosedyrer og tjenester, på tvers av de ulike medisinske spesialitetene. Studien ble utført av Hsiao og medarbeidere ved Harvard University i samarbeid med AMA og den ble publisert i 1988 (Hsiao et al., 1988). Denne dannet basis for utviklingen av det generelle, nasjonale RVSsystemet som etter hvert skulle omfatte alle legespesialiteter godkjent av Medicare. 24

33 I 1987 vedtok kongressen The Omnibus Budget Reconciliation Act som blant annet påla HCFA å utvikle et RVS-system for radiologi, anestesiologi og patologi. De føderale myndighetene ønsket at ACR (American College of Radiology) skulle delta i utviklingen av RVS-systemet for radiologi. Første utkast av dette ble ferdigstilt i ACR hadde erfaring på dette området, allerede i 1958 utviklet de et RVS-system for Department of Defense til bruk i helseforsikringsprogrammet for militærpersonellets familier. Dette ble ferdigstilt i 1963 og var den gang basert på radiologenes daværende betalingssatser. I 1965 ble systemet revidert og en fjernet betalingssatsene som basis for RVU-verdiene. I stedet ble en såkalt profesjonell komponent innført som skulle speile tidsbruk og mental innsats fra den utøvende radiologen. RVS-systemet ble videre utviklet i 1969 og i I den siste revisjonen ble også assosierte ressurser knyttet til prosedyrene iberegnet RVU-verdiene, slik som kostnader for personell (utenom radiologene), areal og forbruksmateriell samt overhead (fortjeneste). The Omnibus Budget Reconciliation Act lovregulerte innføring av RBRVS-systemet fra 1. januar Dette omfattet legetjenester for alle spesialiteter som var godkjent av Medicare. Inkludert i dette var RVS-systemet for radiologi levert av ACR i 1988 (Moorefield et al., 1993). Utvikling og oppbygging av RVS for radiologi ACRs utvikling av RVS i 1987 baserte seg på en to-stegs prosess. Først ble det innhentet data fra tre ulike kilder. Deretter ble disse vurdert og eventuelt justert under konsensus i ulike ekspertpaneler. Datainnsamlingen fra de tre kildene ble utført på følgende måte (Moorefield et al., 1993): I. Kartlegging av omfang for 45 utvalgte prosedyrer (magnitude estimation). II. Kartlegging av daværende prissetting for de ca. 740 radiologi og radiologirelaterte prosedyrene som var inkludert i CPT. III. Kartlegging av kostnader for private sentre innen diagnostisk radiologi og onkologisk radiologi. Omfangskartlegging (magnitude estimation) var basis for å kunne gi relative verdier til de ulike prosedyrene. I utgangspunktet er dette en metode utviklet for å gi reproduserbare og gyldige resultater for vurderingen av et fenomen. Man bestemmer seg for en referanse og relaterer øvrige delfenomener til denne ut ifra hvor mye større eller mindre innsatsfaktorene er. Grad av gyldighet avhenger av muligheten til objektiv måling av innsatsfaktorene. Et enkelt eksempel er vurdering av fysiske fenomener som i ettertid kan måles, som f. eks. lys eller vekt. En kan ta for seg 15 stålkuler med ulik vekt. En velger så ut en referansekule og 25

34 gir den en verdi, eksempelvis 10. Deltakerne vurderer så vekten på de andre kulene ut ifra denne. Hvis de mener en kule veier halvparten så mye får den verdien 5, vurderes den til å være tre ganger så tung får den verdien 30. ACR gjorde grundig forarbeid og pilotundersøkelser før de satte i gang kartleggingen av de 45 prosedyrene (datakilde I). For best å sikre kvaliteten av dataene valgte de 45 prosedyrer som ble hyppig utført og som i sum var representative for bredden av radiologiske tjenester. Innsatsfaktoren som skulle vurderes var prosedyrens kompleksitet, definert som den totale tid og ressursbruk som var nødvendig for utførelse. Ytterligere differensiering ble gjort med henblikk på nødvendig mental innsats og teknisk ferdighet hos radiologen, kvalitetssikring av prosedyren og skadepotensiale for pasienten. Som referanseprosedyre valgte de intravenøs urografi (kontrastforsterket avbildning av nyre og urinveier), en prosedyre de fleste radiologer hadde kunnskap om og erfaring med tilfeldig valgte radiologer ble trukket ut til å gjøre omfangkartleggingen av de 45 prosedyrene. Av disse fikk de 1022 svar hvor de 45 prosedyrene ble gitt hver sin numeriske RVU-verdi. Man valgte å bruke median RVU for hver prosedyre for å unngå at grove over- eller underestimat skulle influere resultatet. I tillegg ble det gjort en kontrollstudie under ACRs årlige kongress i 1988 hvor 151 utvalgte radiologer utførte selvstendig omfangskartlegging. Denne viste godt samsvar med primærkartleggingen. Kartleggingen av prissetting (datakilde II) ble utført ved å sende et skjema ut til alle de private radiologiske sentrene i USA. Av nesten 3000 utsendte skjema fikk de inn nesten 1800 svar og over 800 ulike prosedyrer ble dekket. Skjemaet gav data for totalpris og profesjonell komponent (radiologinnsatsen, se avsnitt om oppbyggingen av RBRVS) per prosedyre samt antall ganger prosedyrene ble utført. Det ble så kalkulert en median nasjonal pris per prosedyre og ut ifra dette laget man en RVS basert kun på pris med intravenøs urografi som referanse. Data for praksiskostnader (datakilde III) ble innhentet fra 400 private sentre spredt over hele USA. Konsensusprosessen ble organisert med en styringskomité (16 medlemmer) og syv ekspertpaneler med 4-11 medlemmer hver. For å sikre bredde kom ekspertene fra både akademiske og ikke-akademiske institusjoner, de var spredt geografisk fra hele USA og fra alle subspesialiteter (ulike fagområder innen radiologi). Seks av ekspertpanelene dekket følgende subspesialiteter; diagnostisk radiologi, ultralyd, CT, MR, angiografi/intervensjon, nukleærmedisin og stråleterapi. Det siste panelet hadde ansvar for såkalt tekniske kostnader 26

35 (se avsnitt om oppbyggingen av RBRVS) og hadde i tillegg til radiologer også administrative ledere av radiologisentre. De over 800 prosedyrene ble fordelt på de seks panelene ut ifra hvilken subspesialitet som utførte dem oftest. For beregning av profesjonell komponent hadde hvert panel omfangsbasert-rvu for sin andel av de 45 kartlagte prosedyrene og prisbasert-rvu for de samme. I tillegg hadde de en rekke prosedyrer (av de 800) med kun prisbasert-rvu. Disse ble så gruppert i relasjon til den mest nærliggende prosedyren med omfangsbasert-rvu. Slik etablerte man en trestruktur med primære, sekundære og tertiære prosedyrer hvor den med omfangsbasert-rvu var den primære. Panelets arbeid gikk så først ut på å vurdere om det var tilstrekkelig samsvar mellom pris- og omfangsbasert-rvu for primærprosedyren og benytte faglig skjønn dersom så ikke var tilfelle. Det viste seg å være samsvar i stor grad. Deretter tok de for seg de sekundære prosedyrene med kun prisbasert-rvu og vurderte disse opp mot resultatet for primærprosedyren samt øvrige sekundærprosedyrer i trestrukturen. Ut ifra faglig vurdering, skjønn og konsensus ble endelig RVU bestemt for prosedyrene. Samme prosess ble så gjennomført for tertiærprosedyrene. Under arbeidet møtte en på en del metodologiske problemer som innvirket på resultatene. Disse omhandles nærmere i delkapittel 6.2, Produksjonsindekser. Til slutt gikk styringskomiteen gjennom resultatene fra alle seks paneler for å kvalitetssikre tallene og sørget videre for at det ikke var urimelige forskjeller i tildelte RVU mellom subspesialitetene. En tilsvarende prosess ble gjennomført av det syvende panelet for å etablere teknisk komponent. Styringskomitéen etablerte til slutt globale RVU for prosedyrene. Datagrunnlaget her besto av kartleggingene av henholdsvis praksiskostnader og prissetting. Det viste seg å være komplisert å fordele ulike type kostnader på de enkelte prosedyrer og resultatene var betydelig begrunnet ut ifra skjønn. Det ferdigstilte RVS for radiologi som ACR anbefalte ble nesten i sin helhet godtatt og implementert av HCFA. Kun små endringer ble gjort, den viktigste var for prosedyrene med både globale og profesjonelle RVU. Her ble de profesjonelle trukket fra de globale og differansen ble fremlagt som teknisk komponent RVU (Moorefield et al., 1993). Vektingssystemet RBRVS Vektingssystemet RBRVS er basis for et refusjonssystem og består i hovedsak av to komponenter som skal dekke kostnadene ved en utført prosedyre. Teknisk komponent omfatter kostnader relatert til stedet hvor prosedyren utføres, dvs. for teknisk utstyr, teknisk personell og lokaler. Den profesjonelle komponenten er den delen av refusjonen som er 27

36 legens betaling for prosedyren. Den er igjen delt opp i tre; legens arbeidsinnsats (physician work, RVUw), praksiskostnader (practice expense, RVUpe) og ansvarskostnader (malpractice expense, RVUmp). Refusjonen for legens arbeidsinnsats skal dekke tidsbruk, utdanning, tekniske ferdigheter og mental ytelse/stress. Den delen som vedrører praksiskostnader skal dekke generelle driftskostnader som eksempelvis husleie, forbruksmaterialer og lønn til støttepersonale. Ansvarskostnader («malpractice expenses») ble tatt inn i RBRVS i 1997 og dekker premier for ansvarsforsikring og utbetalinger for pasientskader. Se grafisk fremstilling av systemet i figur 2 under (Lam and Medverd, 2013). Figur 2: Vektingssystemet RBRVS og dets ulike komponenter (Lam and Medverd, 2013). Inndelingen presentert i figur 2 speiler den relativt komplekse organiseringen av legetjenesten i USA. I tillegg til både private og offentlige sykehus er det stor utbredelse av ulike typer private medisinske sentre. Eksempelvis kan radiologer leie seg inn som arbeidskraft på et privat senter, mens utstyr og lokaliteter eies av andre. For en gitt prosedyre vil da refusjonen for profesjonell komponent gå til radiologen, mens refusjonen for teknisk komponent går til eierne. Hver av komponentene blir tildelt en egen RVU fra RVS hvor RVU-verdiene er knyttet opp mot prosedyrens CPT-kode. Tabell 8 viser eksempler på de ulike RVU-verdiene for noen vanlige radiologiske undersøkelser og én intervensjonsprosedyre. Refusjonen blir regnet ut fra en formel hvor hver RVU blir ganget med en geografisk kostnadsindeks, GPCI (Geographic Practice Cost Index). Denne indeksen skal korrigere for ulike leve- og praksiskostnader for ulike områder i USA. Det føderale gjennomsnittet blir satt til 1,0. 28

37 Dersom et område f. eks. har 15% høyere kostnader enn gjennomsnittet blir GPCI 1,15. Til slutt blir summen av de korrigerte RVU ganget med en monetær konverteringsfaktor, CF, og man ender med en totalrefusjon i dollar, R T : R T = (Refusjon PC + Refusjon TC ) x CF = GPCI-justert RVU x CF Brutt opp i de enkelte komponenter vil refusjonsformelen for profesjonell komponent bli: Refusjon PC = [(RVUw x GPCIw) + (RVUpe x GPCIpe) + (RVUmp x GPCImp)] x CF For teknisk komponent vil RVU for arbeid falle bort og formelen blir: Refusjon TC = [(RVUpe x GPCIpe) + (RVUmp x GPCImp)] x CF Det er hvert å merke seg at hver komponent av RVU har en egen tilhørende GPCI og at disse Prosedyre/undersøkelse RVUw RVUpe RVUmp Total RVU Rtg thorax i to plan 0,22 0,54 0,02 0,78 CT thorax uten kontrast 1,02 3,96 0,06 5,04 CT abdomen og bekken 1,74 3,77 0,11 5,62 uten kontrast CT abdomen og bekken 1,82 6,8 0,12 8,74 med kontrast CT caput uten kontrast 0,85 2,35 0,05 3,25 MR caput med og uten 2,29 8,15 0,14 10,58 kontrast MR lumbalcolumna uten 1,48 4,66 0,08 6,22 kontrast UL abdomen 0,81 2,61 0,05 3,47 Bildeveiledet innleggelse av pleuradren 3,12 11,10 0,30 14,52 Tabell 8: RVU-verdier som inngår i profesjonell komponent for utvalgte radiologiske undersøkelser og en intervensjonsprosedyre i RVUw er komponenten for legens arbeidsinnsats, RVUpe er for praksiskostnader og RVUmp er for ansvarskostnader. Total RVU er summen av de tre. (thorax = brystkasse, abdomen = mage, caput = hode, lumbalcolumna = korsryggen, pleura = lungepose) (Baadh et al., 2016). 29

38 vanligvis er ulike for hver komponent. Justering for geografiske ulikheter ble innført i RBRVS etter pålegg fra kongressen i 1989 (The Omnibus Budget Reconciliation Act). USA er per i dag delt inn i 89 områder som har sine ulike GPCI-verdier. Et eksempel på utregning av refusjon for profesjonell og teknisk komponent for to forskjellige undersøkelser av brystkassen er gitt i tabell 9 og 10. Tabell 9: Utregning av refusjon for profesjonell komponent for røntgen thorax (brystkasse) og CT thorax fra 2012 for et privat diagnostisk senter i Seattle (Lam and Medverd, 2013). Tabell 10: Utregning av teknisk komponent for samme undersøkelser som i tabell 4 (Lam and Medverd, 2013) 30

39 I gjennomsnitt så fordeler Medicares totale utgifter seg for legetjenester med 52% til legenes arbeidsinnsats, 44% til praksiskostnader og 4% til premier for ansvarsforsikring. For den enkelte tjeneste vil dette naturlig nok variere i stor grad. Vedlikehold og oppdatering CMS har ansvaret for å vedlikeholde og oppdatere RBRVS-systemet. I praksis betyr dette justeringer av RVU-verdiene for profesjonell og teknisk komponent samt av GPCIindeksene. RVU-verdiene for legenes arbeidsinnsats ble, som tidligere beskrevet, opprinnelig etablert via Harvardstudien til Hsiao og medarbeidere (se underkapittelet Historikk). RVUverdiene for praksiskostnader ble opprinnelig basert på data fra AMAs Socioeconomic Monitoring System (SMS). Her forelå det statistikk for de ulike medisinske spesialitetene for antall timer brukt av støttepersonell og totale praksiskostnader. Estimater for støttepersonellets andel av ressursinnsatsen for de ulike tjenestene ble utført av Clinical Practice Expert Panels. RVU-verdiene for ansvarskomponenten ble utledet fra innrapporterte forsikringspremier for de ulike spesialitetene (National Health Policy Forum, 2015). CMS er pålagt av kongressen å revidere RVU-systemet minst hvert 5. år. I tillegg skal de etablere RVU-verdier for nye tjenester. CMS baserer seg på innspill fra AMAs Specialty Society Relative Value Scale Update Committee, kjent som RUC. Komitéen har 31 medlemmer hvorav 21 blir oppnevnt av medisinske spesialitetsforeninger. 4 medlemmer roterer på 2 års basis og av disse skal én representere allmennpraktikere. De siste 6 medlemmene kommer fra ulike organisasjoner som f. eks. AMA, komitéer som f. eks. Practice Expense Review Committee samt RUC-lederen. RUC leverer inn forslag til nye RVU-verdier i samsvar med den årlige oppdateringen av CPT-kodene. Når nye CPT-koder innføres må også RVU-verdier fastsettes og vice versa må de fjernes. Endringer i kostnadsbildet eller ressursinnsats kan også medføre justeringer av RVUverdiene for eksisterende CPT-koder, såkalte misvalued services. For de tjenestene som blir valgt ut for revidering utfører de relevante medisinske spesialitetene en medlemsundersøkelse hvor ressursinnsatsen fra legene og tilhørende praksiskostnader registreres. Dataene vurderes av RUC som sammenligner på tvers av spesialitetene og anbefaler eventuelle nye RVU-verdier. CMS er pålagt budsjettnøytralitet av kongressen innenfor et visst slingringsmonn. Dette medfører at dersom RVU-verdiene på en tjeneste økes, så må 31

40 tilsvarende økte kostnader dekkes inn ved å redusere RVU-verdiene for andre tjenester (National Health Policy Forum, 2015). For GPCI-verdiene må CMS gjøre en revisjon hvert 3. år. Dette er et omfattende arbeid hvor det hentes inn data fra en rekke kilder for alle eksisterende 89 GPCI-regioner. Data som brukes er blant annet lønn for yrker som er sammenlignbare med leger, lønn for alle typer medisinsk hjelpepersonell, leiekostnader for lokaler, kostnader for innkjøp av eksterne tjenester, kostnader til utstyr og forbruksmateriell samt premier for ansvars-forsikring. Via forskjellige kalkuleringsmetoder for de separate GPCI-verdiene utarbeides det indekser som speiler forskjeller i levekostnader, i lønns- og kostnadsnivå for regionene relatert til et nasjonalt gjennomsnitt. Siste revisjon ble gjort i 2014 (Committee on Geographic Adjustment Factors in Medicare Payment, 2011, MaCurdy, 2014). Konverteringsfaktoren (CF) oppdateres årlig av kongressen og CMS. Fastsettelsen baserer seg på en formel hvor den såkalte MEI (Medicare Economical Index) skal justeres for endringer i faktiske utgifter. MEI er en inflasjonsindeks for leger relatert til praksiskostnader og generelt lønnsnivå (CMS, 2014). I tillegg kommer det justeringer, også her for blant annet budsjettnøytralitet. Konverteringsfaktor per RVU var i 2016 $35,8043. Når systemet ble innført i 1992 var konverteringsfaktoren $ 31,001(AMA, 2016). Kontroverser Det er flere områder innenfor refusjonssystemet hvor det er diskusjon og kontroverser. For å redusere kostnadene for helsetjenestene, og radiologi spesielt, så har CMS innført noe som kalles Multiple Procedure Payment Reduction (MPPR). For radiologi omhandler dette avansert diagnostikk som CT, MR og UL. I praksis fungerer dette slik at dersom en pasient gjennomgår flere undersøkelser ved ett oppmøte hos samme lege eller legegruppe så vil Medicare kun gi full refusjon for den dyreste undersøkelsen, øvrige undersøkelser vil utløse redusert refusjon. I utgangspunktet reduserte man den tekniske komponenten med den begrunnelsen at en del av arbeidsprosessene ikke vil bli gjentatt og en del forbruksmateriell kan gjenbrukes ved suksessive undersøkelser. Opprinnelig ble teknisk komponent redusert med 25% (første gang i 2006), men dette ble økt til 50% ved innføringen av Affordable Care Act i 2010 (Obamacare). I 2012 ble det så innført 25% reduksjon av profesjonell komponent ved flere undersøkelser ved samme oppmøte. Dette har vært særlig omdiskutert siden legeinnsatsen ved flere påfølgende bildediagnostiske prosedyrer i stor grad er den samme som om de var gjort ved separate oppmøter. I 2013 ble dette utvidet til også å gjelde for undersøkelser tolket av ulike leger innenfor samme legegruppe. Det er beregnet at MPPR 32

41 totalt sett har medført et refusjonstap for radiologi på 1,2 milliarder dollar i perioden En annen kontrovers har vært innføringen av nye samlekoder. AMAs komité for oppdatering av RVU-verdiene, RUC, samarbeider som nevnt med CMS for å evaluere tjenester (CPT-koder) som potensielt har misvisende RVU-verdier. De har blant annet utviklet en metode hvor en ser på koder som føres inn på samme refusjonskravs-skjema og fører statistikk over koder som føres sammen i 95%, 90% og 75% av tilfellene. CMS vurderer da om det kan være en viss overlapp i tidsbruk og ressursinnsats for disse kodene. Om de finner dette så fører det til etablering av nye samlekoder for tjenestene med nye, evaluerte RVU-verdier som totalt sett gir lavere refusjon. For fagområdet brystdiagnostikk har dette medført betydelig reduksjon av refusjonsinntektene med en gjennomsnittlig reduksjon av profesjonell komponent på 24% og teknisk komponent på 17%. Et tredje område for diskusjon er screeningundersøkelser. CMS har vært tilbakeholdne med å dekke screening for tykktarmskreft med CT-colonoskopi og lungekreft med lavdose- CT av thorax. Dette til tross for økende vitenskapelig belegg for nytten av undersøkelsene i grupper av befolkningen. CMS godkjente dekning for lungescreening for definerte risikogrupper i 2015, men ikke for tykktarmsscreening (Baadh et al., 2016). Screeningundersøkelser er potensielt gode inntektskilder for det radiologiske fagmiljøet da antallet personer som undersøkes er høyt. 2.6 Organisering og finansiering av helsevesenet i USA Organisering Helsevesenet i USA er dominert av private aktører. Dette gjelder både spesialist- og primærhelsetjenesten. Oppdatert statistikk fra American Hospital Association (AHA) per januar 2017 viser at av totalt registrerte sykehus drives 4369 (79%) i privat regi og 1195 (21%) av det offentlige, se tabell 11 (LLC, 2017). Dette omfatter både akademiske og ikke- akademiske institusjoner. For å registreres som sykehus er det lagt visse funksjonskrav som for eksempel et minimumskrav til antall sykehussenger og at pasientene i snitt skal være inneliggende mer enn 24 timer per besøk. Sykehusene deles inn i fire kategorier: generelle sykehus, spesialsykehus, psykiatriske sykehus og sykehus for rehabilitering og kronisk syke (American Hospital Association, 2017). I gruppen spesialsykehus inngår mange private klinikker innenfor ulike medisinske spesialiteter, for eksempel øye-, gynekologi og obstetrikk-, ortopedi- og kosmetisk kirurgi-klinikker. 33

42 Organiseringen av radiologi i USA speiler organiseringen av sykehusvesenet. For de fire sykehuskategoriene etablert av AHA er det et krav at alle generelle sykehus har egne radiologiske avdelinger. Psykiatriske sykehus og sykehus for rehabilitering og kronisk syke skal ha tilgang til radiologiske tjenester. Dette løses enten ved intern radiologisk «service» eller eksternt kjøp. Dette er også tilfelle for spesialsykehus hvor radiologi er nødvendig for utredning og/eller behandling av pasientene. Ekstern kjøp skjer enten fra private radiologiske Total Number of All U.S. Registered Hospitals 5,564 Number of U.S. Community Hospitals 4,862 Number of Nongovernment Not-for-Profit Community Hospitals 2,845 Number of Investor-Owned (For-Profit) Community Hospitals 1,034 Number of State and Local Government Community Hospitals 983 Number of Federal Government Hospitals 212 Number of Nonfederal Psychiatric Hospitals 401 Number of Nonfederal Long Term Care Hospitals 79 Number of Hospital Units of Institutions (Prison Hospitals, College Infirmaries, Etc.) 10 Tabell 11: Registrerte sykehus i USA per januar 2017 som faller inn under American Hospital Associatons sykehusdefinisjon. Community Hospitals er definert som alle ikke-føderale, generelle eller spesialsykehus og frittstående klinikker (LLC, 2017). sentre eller fra sykehus hvor radiologiske avdelinger tilbyr tjenester for eksterne kjøpere. Primærhelsetjenesten får i prinsippet dekket behovet for radiologiske undersøkelser på samme måte. Utbredelsen av private radiologiske sentre i USA er mye større enn i Norge. Et anslag for antallet i 2012 var ca sentre på landsbasis (Hayes and Muroff, 2012) Finansiering Finansieringen av helsevesenet i USA er dominert av helseforsikringsordninger, både private, statlige og føderale. I 2010 sto forsikringsordninger for 72,1% av de totale helseutgiftene på 2,6 tusen milliarder dollar. I tillegg kommer egenandeler, investeringer, offentlige helsemidler og andre tredjepartsbetalere; se figur 3 (Lam and Medverd, 2013). Befolkningens tilgang til helsetjenester går i all hovedsak via forsikringsordninger. I 2010 var litt under 84% av befolkningen dekket av ulike ordninger mens ca. 16% stod utenfor (over 49 millioner personer) (Wikipedia, 2017a). For de under 65 år er det frivillig å tegne forsikring 34

43 og de aller fleste av disse får denne via sin arbeidsgiver. Disse faller inn under gruppen privat helseforsikring sammen med en mindre andel som kjøper forsikring på selvstendig basis. De to største offentlige helseforsikringsprogrammene er Medicare og Medicaid. I 2010 dekket de henholdsvis 15,9% og 14,5% av befolkningen. Medicare er et føderalt program som omfatter eldre fra fylte 65 og unge med varige funksjonshemninger. Medicaid er et statlig program som dels finansieres føderalt og dels statlig. Det drives basert på føderale reguleringer for hvilke befolkningsgrupperinger som skal inkluderes og hva slags helsetjenester som skal dekkes. Grupper som har obligatorisk dekning er familier med lav Figur 3: Finansieringen av helsetjenestene i USA i 2010 med andelen av ulike typer forsikringsordninger (Lam and Medverd, 2013). 35

44 inntekt, barn, kvinner som er gravide, eldre med lav inntekt og funksjonshemmede med lav inntekt (Wikipedia, 2017a). Kriterier som f. eks. hvilket inntektsnivå som gir rett til dekning varierer fra stat til stat. Medicaid-programmet gir også statene en viss frihet til å inkludere andre grupperinger av befolkningen som vurderes til å ha behov for dekning. Children s Health Insurance Program er også et felles føderalt og statlig program som drives av de ulike statene. Dette gir forsikringsdekning til barn med foreldre som har lav inntekt, men hvor inntektsnivået er høyere enn hva som gir dekning via Medicaid. Department of Defense s Military Health System (MHS) sørger for forsikringsdekning for alle som jobber i det amerikanske forsvaret og deres familier samt de som er pensjonert fra forsvaret. Department of Veterans Affairs (DVA) gir etter visse kriterier forsikringsdekning for veteraner, dvs. de som tidligere har jobbet i aktiv tjeneste for forsvaret. De drifter USAs største integrerte helsetjenesteorganisasjon, Veteran Health Administration, som består av over 1700 driftsenheter. Dette er sykehus, medisinske sentre, poliklinikker, rådgivnings-sentre mm. Forholdet mellom forsikringsleverandørene og helsetjenesteprodusentene er i hovedsak organisert ut ifra to forskjellige modeller. Den ene modellen baserer seg på kontrakts-styring hvor forsikringsselskapene inngår kontrakter med tilbydere (f.eks. allmennlegesentre, privatklinikker, sykehus), ofte etter anbudsrunder. Dette gjelder både for det private forsikringsmarkedet hvor selskapene konkurrerer om kundene og for de offentlige programmene. Den andre er en integrert styringsmodell hvor forsikringsselskapene eier og drifter sitt eget nettverk av helsetjenestetilbydere (Hagen, 2012). Kundene får her i prinsippet dekket alle de helsetjenestene en er forsikret for innenfor selskapets eget nettverk. Disse kalles Health Maintenance Organizations (HMOs). Denne modellen er vanligst for det private markedet med store aktører som f.eks. Kaiser Permanente, Aetna og Humana, men er også dekkende for offentlige program som MHS og DVA. I 2010 vedtok kongressen helsereformloven Patient Protection and Affordable Care Act (PPACA), også kjent som Obamacare. Formålet med loven var å øke kvaliteten på forsikringsdekningen, gjøre den billigere, redusere antallet amerikanere uten helseforsikring og å senke de totale kostnadene for helsetjenesten. Loven inneholder både en utvidelse av dekningen via Medicaid, insentiver for flere arbeidsgivere til å tilby forsikringsordninger, samt gi muligheten for de som ikke er dekket gjennom arbeidsgiver eller offentlige program til å kjøpe privat forsikring på nyopprettede forsikringsbørser (Wikipedia, 2017c). Loven hjemler en rekke tiltak som reformerer markedet for private forsikringer. Den definerer en grunnpakke med helsetjenesteytelser. Den begrenser prisdiskriminering på bakgrunn av 36

45 kjønn eller eksisterende sykdom. Forsikringsselskapene får ikke lov til å nekte noen forsikring. De som velger å ikke kjøpe privat forsikring og heller ikke er dekket av andre ordninger får en årlig bot. I 2016 medførte PPACA at 24 millioner amerikanere som ellers ville vært uten forsikring fikk dekning (Wikipedia, 2017c). Loven er omstridt i USA og nyvalgte president Trump gjør forsøk på å reversere reformen. 37

46 3 Metode Metoden som er valgt for denne oppgaven er litteraturstudie og fakta-søk og i den forstand anvendes kvalitativ forskningsmetode. Essensielle begreper i sammenheng med studier av denne typen er relevans, validitet og refleksivitet (Malterud, 2011). Refleksivitet representerer forskerens oppfatning og forståelse av egen rolle. I hvilken grad ens egen bakgrunn og forforståelse har innvirkning på forskningsprosessen, fortolkningen og resultatene. Har man nærmet seg temaet med åpent sinn, har man søkt alternative forståelsesmodeller, har det vært tvil under arbeidet som igjen kan ha fått konsekvenser? Malterud skriver at (2011, s. 18): Refleksivitet er en aktiv holdning en posisjon som forskeren må oppsøke og vedlikeholde Når forskningsarbeidet publiseres skal teksten angi denne prosessen og forskerens eget «fotavtrykk» bør diskuteres. Relevans handler om hvorvidt forskningen har bidratt med ny kunnskap som andre igjen kan benytte seg av. Det er et mål i seg selv at resultatene er overførbare og kan nyttiggjøres i andre sammenhenger. En bør derfor vurdere hvorvidt problemstillingen har relevans for fagfeltet. Dette krever at forskeren har god oversikt over aktuell litteratur. Hva er publisert tidligere relatert til problemstillingen? Gir vinklingen av forskningsprosjektet ny forståelse? Validitet handler om gyldigheten til de resultatene som fremkommer, hva slags rekkevidde de har og i hvilken grad de er overførbare. Malterud bruker begrepene intern og ekstern validitet (Malterud, 2011). Intern validitet er et uttrykk for hva resultatene faktisk er sant om. Hvilke rammer ligger rundt funnene? For å styrke den interne validiteten er det viktig at en vurderer om metoden for kunnskapsinnhenting er relevant og at valg av metode sammen med begreper og referanseramme gir gyldige svar. Ekstern validitet handler om i hvilken kontekst resultatene er gyldige og hva som er begrensningene eller rammene for overførbar nytte. Her er utvalget for kunnskapsinnhenting sentralt. Det må være sammenheng mellom utvalget og den kunnskap en søker å utvikle og dette sammen med relevansvurderinger vil avgjøre grad av overførbarhet. Etter min vurdering er en litteraturstudie relevant metodikk for å få en god forståelse av hvordan de amerikanske RVU-systemene er bygget opp, den statistikken de genererer og hvilke anvendelser denne har som ledelsesverktøy. Siden innføringen av det føderale RVU- 38

47 baserte vektingssystemet i USA i 1992 er det publisert et stort antall artikler hvor systemet, dets anvendelsesområder og RVU-basert statistikk diskuteres. En gjennomgang av denne litteraturen vil derfor gi bredde i kunnskapsinnhentingen. For å styrke validiteten av funnene i litteraturen kunne det vært nyttig med eksempelvis et fokusgruppeintervju av ledere ved radiologiske avdelinger i USA hvor deres erfaring med RVU-systemene var tema. Av både tidsmessige og økonomiske årsaker har dette dessverre ikke vært mulig. Når det gjelder norske forhold har jeg ikke funnet publiserte artikler eller dokumentasjon som omhandler bakgrunnen for oppbygningen av det eksisterende kodeverket for radiologi, ei heller om bruk av dette i statistikk som praktisk styringsverktøy for ledere. På dette feltet har fakta-søk vært sentralt for innhenting av kunnskap. Informasjon om kodeverket og dets bruk er tilgjengelig på offentlige nettsider som hos HELFO og Helsedirektoratet. Det finnes også enkelte foredrag om kodeverket publisert på internett og jeg har fått tilgang til relevant, upublisert materiale hvor produksjonen ved et utvalg norske radiologiske avdelinger er undersøkt. 3.1 Litteratur- og faktasøk I mitt eget yrke som radiolog brukes i all hovedsak PubMed som søkeverktøy for faglig litteratur. Denne oppgaven har et annet fokus enn fagmedisin og jeg innhentet derfor råd om søkestrategi hos en bibliotekar ved Medisinsk bibliotek på Rikshospitalet. Hun anbefalte søk både i PubMed og Cochrane Library (CL). I begge databaser har strategien først vært et orienterende søk for termen RVU (PubMed 244 treff, CL 2 treff), relative value units (PubMed 2240 treff, CL 14 treff) og resource based relative value scale (PubMed 2255 treff, CL 8 treff). Deretter er det bygget opp mer spesifikke søk som ble brukt i PubMed da søk i CL ikke gav relevante treff. Eksempler på søkekriterier som frembrakte nyttige artikler eller avklarte mangel på sådan er: 1. relative value units AND radiology (188 treff) 2. RVU AND radiology (50 treff) 3. resource based relative value scale AND radiology (139 treff) 4. relative value units AND radiology AND workload (38 treff) 5. resource based relative value scale AND radiology AND workload (32 treff) 6. radiology AND Norway AND workload (10 treff) I søk 4-6 ble workload erstattet med productivity, efficiency, benchmarking, management og cost analysis for å favne disse aspektene. For å bredde 39

48 kunnskapsgrunnlaget har jeg også søkt opp utvalgte referanser fra hva jeg har oppfattet som de mest sentrale artiklene. For å lete etter norskspråklige artikler eller annen publisert tekst har jeg brukt onlinesøkeverktøy for Tidsskrift for den norske legeforening (søkeord radiologi AND kodeverk, radiologi AND produktivitet, radiologi AND benchmarking, NORAKO, NCRP). Her fant jeg ingen publiserte artikler, kun enkelte fakta. Jeg har også søkt i databasene for masterog doktorgrader ved Universitetet i Oslo (DUO), Bergen (BORA), Trondheim (NTNU Open) og Tromsø (MUNIN). Ingen av disse kildene produserte relevant informasjon. For fakta-søk utover publiserte artikler har jeg benyttet Google og Wikipedia. Via Google har jeg funnet sentrale amerikanske og norske nettsider. Eksempler for USA er (Centers for Medicaid og Medicare Services), (American Medical Association), (American Academy of Professional Coders) og for Norge Søk i Google med NCRP, NCRP Norge og NCRP kodeverk har i tillegg gitt treff på enkelte relevante offentlige dokumenter og foredrag fra Helsedirektoratet (forfattet og holdt av Geir Brandborg). Wikipedia har gitt mye informasjon om det amerikansk helsevesenet generelt og kodesystemene spesielt. Jeg har vært i kontakt med Helsedirektoratet på epost (mars 2017) hvor jeg ba om informasjon omkring NCRP, mer spesifikt om dokumentasjon for argumentasjonen bak og arbeidsprosessen frem mot innføringen av kodeverket i Dette ledet til en telefonsamtale med Geir Brandborg som den gang var sentral i dette arbeidet. HELFO har via epost vært behjelpelig med statistikk for polikliniske radiologiske undersøkelser for I tillegg til dette har jeg diskutert oppgaven med kolleger muntlig og via epost og dette har frembrakt kunnskap om kodepraksis, statistikk fra Kreftregisteret (mammografiscreeningen) og upublisert materiale med produksjonsdata for et utvalg av røntgenavdelinger i Norge (overlegepermisjonsprosjekt for Odd Petter Eldevik). 3.2 Egen rolle og forforståelse Min motivasjon for å skrive denne oppgaven bunner i erfaringer jeg gjorde meg som legeleder i offentlig radiologisk virksomhet i årene Jeg er selv utdannet lege og ble spesialist i radiologi i I utgangspunktet satt jeg i ledergruppen for det sammenslåtte Rikshospitalet- Radiumhospitalet HF som leder for legene ved Radiumhospitalets avdeling for radiologi. Da 40

49 Oslo universitetssykehus nye organisasjon trådde i kraft i 2010 ble jeg en del av ledergruppen i Avdeling for radiologi og nukleærmedisin (ARN) som lege-leder for Seksjon for abdominal og onkologisk radiologi. Fagseksjonen gikk på tvers av de tidligere sykehusene og jeg var ansvarlig for enheter på Aker, Ullevål, Rikshospitalet og Radiumhospitalet. Organisasjonsmodellen ble etter hvert oppfattet som lite egnet og i 2013 gikk man tilbake til stedlige seksjoner. Jeg var da lege-leder for Seksjon for radiologi, Radiumhospitalet inntil jeg gikk tilbake til ordinær radiologstilling i I ledergruppen i ARN var statistikk for produksjon et sentralt styringsverktøy. I alle strategiske beslutninger omkring utstyrsinvesteringer, radiografbemanning og fordeling av legestillinger var produksjonsdata en helt vesentlig del av beslutningsgrunnlaget. Det var månedlig oppfølging av produksjonsstatistikk for å avstemme mot budsjett. Mye tid ble brukt til å forklare avvik fra forventet bildeproduksjon. Løpende statistikk ble sammenlignet med data fra tidligere år da et typisk budsjettkrav var en 2-5% årlig økning i produksjonen. Det var også til tider stor frustrasjon i ledergruppen over ulik forståelse og bruk av kodeverket ved de tidligere selvstendige sykehusene som dannet OUS. Jeg ble i 2011 satt til å lede et prosjekt for å harmonisere bruken av koder i ARN, men utredningen tydet på at dette ville kreve så store ressurser over tid at prosjektet ble avsluttet i påvente av innføringen av NCRP. Radiumhospitalet er et spesialsykehus for kreft og i stor grad et 3. linjesykehus for pasienter med avansert sykdom. Dette setter store krav til radiologi med undersøkelser som dekker store deler av kroppen hvor det ofte er utbredt og komplisert sykdom som skal vurderes. Som del av et 3. linjesykehus får radiologisk enhet tilsendt store mengder undersøkelser utført ved andre sykehus og private institutter. Disse blir vurdert pånytt (sekundærgranskning) i forbindelse med behandlingsbeslutning ved utredning og oppfølging. Sekundærgranskningen utgjør mer enn 50% av arbeidet for radiologene ved avdelingen. Mitt klare inntrykk var at kodeverket ikke speilet ressursinnsatsen verken for de kompliserte eller de tilsendte undersøkelsene. Jeg var av den oppfatning at dette måtte tas i betraktning ved bruk av produksjonsstatistikken. Det var til tider vanskelig å skape forståelse for dette i ledergruppen. Min periode som leder var preget av fusjoner og omorganisering og jeg opplevde jobben som krevende. Det var stor motvilje mot endringer i legegruppen og betydelige kulturforskjeller mellom de tidligere selvstendige sykehusene som dannet OUS. Underkapasiteten for radiologiske tjenester vanskeliggjorde situasjonen. Jeg brukte mye tid og krefter på å motivere radiologene og forsøkte med vekslende hell ulike typer insentiver for å oppnå ønskede resultater for produksjon og samarbeid på tvers av lokalisasjonene. 41

50 4 Teori 4.1 Prinsipal Agent teori (PA-teori) En radiologisk avdeling er en kunnskapsdrevet organisasjon med flere yrkesgrupper som samarbeider for å levere et spekter av bildediagnostiske undersøkelser og intervensjonsprosedyrer. Radiologene er universitetsutdannede leger med ytterligere 5 års spesialisering innen fagfeltet. I all hovedsak jobber de selvstendig med tolkning og beskrivelse av undersøkelser, ofte innen ulike spesialfelt. I intervensjonsradiologi arbeider man både selvstendig og i team med samarbeid mellom flere radiologer (vanligvis to). Her er det flere relevante aspekter i et ledelsesperspektiv: Hva er det som styrer deres faglige adferd? Hvilke motivasjonsfaktorer er viktige? Hvordan kan den faglige kvaliteten sikres og måles? Hvilke insentiver er riktige og effektive for å styre radiologenes arbeidsinnsats i relasjon til avdelingens mål? Forholdet mellom ansatte og arbeidsgiver, inkludert i offentlig virksomhet som helsevesenet, kan belyses ut ifra prinsipal-agent teori (også kalt insentiv-teori). Denne teorien beskriver forholdet mellom to parter hvor en eller flere aktør (agentene) utfører handlinger for en annen eller ivaretar andres interesser (prinsipalen) (Hagen, 1992). I en komplisert organisasjon som et sykehus eksisterer det flere prinsipal-agent relasjoner. Et eksempel er forholdet mellom lege (agent) og pasient (prinsipal) hvor pasientene ønsker seg legetjenester. Et annet eksempel for radiologiske avdelinger vil være radiologene som agenter og avdelingsledelsen (arbeidsgiver) som prinsipal. I tillegg kan radiologene ansees for å være prinsipaler i relasjon til radiografene som utfører de tekniske undersøkelsene (agenter). I utgangspunktet er PA-teorien en teori innenfor økonomifaget hvor man antar at hver aktør søker å maksimere sin egeninteresse (nytte). Agenten på vegne av prinsipalen yter en tjeneste som har betydning for prinsipalens nytte (målfunksjon). Det blir da viktig for prinsipalen å styre agenten på en slik måte at denne leverer tjenester i tråd med prinsipalens interesser. I PA-teorien utføres styring gjerne ved å anvende økonomiske insentiver (avlønningssystemer), men man kan også tenke seg andre typer av insentiver som kan styre agentenes adferd avhengig av hva agentenes egeninteresser er. Eksempler på dette er faglige insentiver som forskningsmuligheter eller psykologiske insentiver som anseelse. Grepperud diskuterer PA-teorien ut ifra behov, informasjonsstatus, kontraktsbetraktninger og relevans (Grepperud, 2016). Han trekker frem tre betingelser som må gjelde for at styring (bruk av økonomiske insentiver) er nødvendig. Den første er når en prinsipal 42

51 ikke selv kan eller vil utføre en eller flere oppgaver, noe som skaper behov for delegering. Den andre er at det må eksisterer en interessekonflikt mellom prinsipal og agent i den forstand at de ikke har helt sammenfallende målfunksjoner. Siste betingelse er at det foreligger informasjonsasymmetrier mellom agenten og prinsipalen. Dersom det er åpen og fullstendig informasjon, dvs. dersom agentens ytelser og/eller resultatet fullt ut kan observeres kostnadsfritt av prinsipalen, så er det ikke nødvendig å opprette en insentivkontrakt (avlønning) for agenten. Problemene oppstår når det er ufullstendig og skjev informasjon om de relevante variablene, noe som i kombinasjon med usikkerhet, betyr at agenten ikke fullt ut kan ansvarliggjøres for resultatene som oppnås. Dermed oppstår det et problem som i litteraturen betegnes som moralsk risiko (moral hazard). I dette ligger det at agenten kan utvise uønsket adferd, for eksempel i form av lav arbeidsinnsats eller for høyt fokus på målsettinger som ikke deles av prinsipalen. Når agenten har relevant og viktig informasjon som er skjult for prinsipalen så vil dette kunne medføre seleksjonsproblemer ( adverse selection ) altså at agenten kan foreta fordelaktige valg for seg selv som går på bekostning av prinsipalen. Et eksempel på dette er ansettelsesprosesser hvor det er asymmetri i informasjon mellom arbeidssøker (agent) og arbeidsgiver (prinsipal) når det gjelder arbeidssøkers arbeidsproduktivitet. Ved å tilby en gjennomsnittslønn som skal reflektere forventet produksjon risikerer arbeidsgiver å tiltrekke seg lavproduktive arbeidstakere fremfor høyproduktive da førstnevnte gruppe vil anse lønnstilbudet som godt i motsetning til de høyproduktive (Hagen, 1992). Løsningen på PA-problemene er å etablere en kontrakt mellom agenten og prinsipalen, hvor avlønningen knyttes til en observerbar størrelse som er korrelert med de målsettinger som prinsipalen måtte ha. Slike kontrakter er effektive i fravær av usikkerhet, men i de tilfeller hvor resultatvariablene også er avhengige av stokastiske forhold (ikkekontrollerbare utenforstående faktor som f. eks. antall henvisninger til en radiologisk enhet) så vil dette bety at begge parter vil være eksponert for risiko. Når agenten ikke liker risiko (er risiko-avers) så begrenser dette prinsipalens mulighet for å bruke rent prestasjonsrettede kontrakter som insentiv da agenten vil kreve kompensasjon for risiko-eksponeringen. I slike tilfeller vil den optimale kontrakten bli mindre prestasjonsrettet og dermed elimineres ikke problemet knyttet til moralsk risiko fullstendig. Når agenten derimot ikke anser risiko som en belastning (er risiko-nøytral) kan prinsipalen tilby avlønning som er 100% prestasjonsrettet. I slike tilfeller vil den optimale kontrakten eliminere problemet knyttet til moralsk risiko og agenten bærer risikoen alene (Grepperud, 2016). 43

52 Som tidligere nevnt baserer PA-teorien seg på økonomiske insentiver, men det kan være andre typer av insentiver som også kan motivere for ønsket adferd. Eksempler på dette er faktorer som kollegialitet, faglig stolthet, pasientomsorg og juridiske rammebetingelser. Disse faktorene kan redusere effekten av økonomiske insentiver. Et annet aspekt som spiller inn er den kompleksiteten som ligger i legenes agentrolle. De har en rekke ulike arbeidsoppgaver og inngår ofte i team-arbeid som gjør det vanskelig å observere enkeltindividets andel av produksjonen. Dette kan gjøre det vanskelig å utforme relevante økonomiske insentiver og en risikerer at de gir uheldige side-effekter som igjen kan påvirke samspillet i teamene. Sist, men ikke minst kan man innenfor kompliserte systemer som i helsesektoren komme i en situasjon hvor prinsipalen (arbeidsgiver) verken kan observere handlinger eller utfall (produksjonen). Det kan i mange tilfelle være vanskelig å definere hva utfallet faktisk skal eller ønskes å være. Ifølge Grepperud må en da gå bort fra økonomiske insentiver og bruke andre virkemidler som f. eks. god ledelse, verdibygging, holdninger og profesjonalisme (Grepperud, 2016). Mooney og Ryan diskuterer og utdyper to aspekter innenfor den klassiske PA-teorien i sin artikkel om teoriens anvendelse i helsevesenet (Mooney and Ryan, 1993). Det ene handler om kontroll. Det antas i teorien at informasjon om agentens handlinger kun er kjent for denne. Men prinsipalen (ledelsen) kan forsøke å innhente informasjon ved å kontrollere agentene (legene) og dermed styre adferden og resultatene. Dette kan være komplisert og vanskelig, men forfatterne hevder at det i tillegg til kontroll fra ledelsen også vil være både vertikal og horisontal kontroll innad i agentgruppen. Dette henspiller på hva en kan kalle faglig selvjustis hvor eldre, erfarne leger sikrer at yngre kolleger utfører arbeidet innenfor ønsket faglig standard (vertikal) eller hvor leger på samme nivå kontrollerer hverandres arbeid (horisontal). De fremhever også at dynamisk interaksjon med gjentatt samhandling mellom agent(er) og prinsipaler vil virke disiplinerende på agentene slik at de leverer en tjeneste med god kvalitet. Et eksempel på dette vil være interaksjonen mellom leger og kronisk syke pasienter som har mange konsultasjoner med samme lege over tid. En annen selv-kontrollerende faktor er legenes etiske standard som har innvirkning på de beslutninger som tas for f.eks. behandling. Det andre aspektet omhandler aktørenes målfunksjoner. PA-teorien bygger på at prinsipalen og agenten(e) har ulike interesser (målfunksjoner). I helsevesenet er det ikke gitt at det er motstridende interesser mellom prinsipal og agenter. Eksempelvis er det ikke urimelig å anta at legene i hovedsak vil arbeide i tråd med pasientenes interesser. Gitt at interessene til en viss grad er avhengig av hverandre er det viktig å få kunnskap om hva de 44

53 faktisk representerer for å innrette gode insentiver for ønsket legeadferd (Mooney and Ryan, 1993). Begge aspekter er interessante i et ledelsesperspektiv og er viktig for både arbeidskultur og organisering av arbeidet. 45

54 5 Litteraturgjennomgang I dette kapittelet gjennomgås hva jeg oppfatter som den mest relevante litteraturen for å belyse oppgavens problemstilling. Dette er artikler som beskriver amerikanske RVUsystemer og/eller analyserer data og statistikk produsert fra slike systemer. Etter gjennomgang av hele litteraturgrunnlaget fant jeg det naturlig å dele inn litteraturen i tre ulike delkapitler kategorisert etter artiklenes tematikk. De tre kapitlene er som følger: 5.1 RVUs som basis for analyseverktøy 5.2 RVUs anvendt i studier om produksjon og arbeidsbelastning 5.3 RVUs som mål på ikke-kliniske aktiviteter I tillegg har jeg valgt å legge inn et fjerde delkapittel hvor jeg sammenligner tall for produksjonsstatistikk for seks av de amerikanske studiene som presenteres i delkapittel 5.2 med tilsvarende data for et utvalg av norske sykehus. Dette belyser som sådan ikke oppgavens primære problemstilling, men gir interessant tilleggsinformasjon om bruk av produksjonsstatistikk og forholdet mellom norsk og amerikansk radiologi for klinisk aktivitet. Artiklene som presenteres er et utvalg av hva jeg har funnet via søkestrategien som er redegjort for i delkapittel 3.1. En gjennomgang av alle artiklene ville blitt for omfattende og jeg har derfor utelatt artikler vurdert til å ha begrenset informasjon eller med informasjon som overlapper de som blir presentert her. Grunnlaget for diskusjonen i kapittel 6 er altså bredere enn hva som gjennomgås i dette kapittelet. 5.1 RVUs som basis for analyseverktøy I dette delkapittelet redegjør jeg for litteratur som ser på RVUs som basis for analyseverktøy. Artiklene har et teoretisk utgangspunkt og ut ifra disse ønsker jeg å innhente erfaringer om typer av verktøy og for hvilke anvendelsesområder disse kan brukes. Artiklene er av generell karakter og omtaler ikke radiologi spesielt. De bruker RVUs fra RBRVS som grunnlag, og analyseverktøyet kan brukes av alle medisinske spesialiteter som utfører CMS-godkjente prosedyrer. Delkapittelet er basert på fire tidsskriftsartikler av Glass og medarbeidere fra 2002 og en nettavisartikkel av Bendix fra Glass og medarbeidere bruker begrepet productivity. Dette har jeg oversatt til produksjon og ikke det norske begrepet produktivitet. Bakgrunnen for dette er at de indeksene som presenteres for aktivitet er antall prosedyrer eller antall oppnådde RVUw per lege per år. Dette tilsvarer hva vi i Norge forstår 46

55 med årsproduksjon til forskjell fra begrepet produktivitet som betyr produksjon dividert med innsatsfaktorer, f. eks det totale antallet leger i en avdeling. Glass KP, Anderson JR, 2002: Relative Value Units: From A to Z, Part 1 of 4 Glass og medarbeidere gir i sin første artikkel en oversikt oppbyggingen av RVU-systemet. De skriver her at RVU-verdiene er standardiserte, numeriske størrelser som skal speile relative forskjeller i ressursforbruket for å produsere de ulike helsetjenestene. Dette medfører at de også kan brukes til produksjonsanalyser, kostnadsanalyser og benchmarking. De hevder at dette er nyttige ledelsesverktøy for finansiell styring av helseorganisasjoner som utfører prosedyrer med godkjente CPT-koder. De påpeker at det er essensielt med riktig og nøyaktig koding av utførte tjenester og prosedyrer for at disse RVU-baserte analysene skal være valide (Glass and Anderson, 2002c). Denne første artikkelen omtales ikke nærmere da RVU og oppbyggingen av RBRVS er redegjort for i kapittel 2, (se underkapittel 2.5.3) Produksjonsanalyser Glass KP, Anderson JR, 2002: Relative Value Units an Productivity, Part 2 of 4 I denne artikkelen skriver Glass og medarbeidere at medisinske sentre vanligvis baserer sine kliniske produksjonsmål på antall pasientkonsultasjoner, genererte inntekter eller en kombinasjon av disse to. Ulempen med disse målene er at de ikke sier noe om ressursinnsatsen eller kostnaden forbundet med å levere medisinske tjenester. Fordelen med bruk av RVUs er at en frikobler produksjonsmålingen fra finansielle data. Dette knytter dataene direkte til klinisk aktivitet hvor kodingen representerer de utførte tjenestene. Sett opp mot produksjonsmåling basert på inntekter så fjerner man skjevheter («bias») knyttet f. eks. til variasjoner i refusjon fra tredjepartsbetalere og i innkrevde egenandeler. Ut ifra journalsystemet kan en hente ut CPT-kodene for utførte prosedyrer per lege, multiplisere volumet av hver kode med tilhørende RVUw og til slutt summere for å få totale antall RVUw for aktuelle tidsperiode. Dette vil representere legens kliniske produksjon i perioden og kan f. eks. kobles opp mot lønnsfastsettelse og bonusordninger. Ledelsen vil med RVU-data kunne følge hver leges ytelse over tid og gi tilbakemeldinger på eventuelt forbedrings-potensiale for effektivitet og produktivitet. Aggregerte data for alle legene vil speile den totale kliniske produksjonen ved senteret. Sammen med totalsummen for RVUpe, som vil være det totale ressursforbruket for den kliniske produksjonen (unntatt legenes arbeidsinnsats), bidrar dataene til grunnlaget for 47

56 strategiske beslutninger omkring størrelsen på hjelpepersonell- og kontorbemanning, lokaler og investeringsbehov. I tillegg kan en følge sammensetningen av høyvolumtjenester for å optimalisere protokoller og analysere trendendringer i senterets tjenesteprofil (Glass and Anderson, 2002b) Kostnadsanalyser Glass KP, Anderson JR, 2002: Relative Value Units and Cost Analysis, Part 3 of 4 I sin artikkel Relative Value Units and Cost Analysis beskriver Glass og Anderson ulike kostnadsanalyser basert på RVUs. Det er flere innfallsvinkler som kan brukes avhengig av hva som er formålet. En kan beregne en gjennomsnittlig kostnadsindeks for et senter ved at en regner sammen alle utgifter og deler på total RVU, såkalt RVUglobal (summen av RVU for både teknisk og profesjonell komponent): Σ Totale utgifter/σ Total RVU = Kostnad/RVUglobal = Gjennomsnittlig kostnadsindeks Alternativt man kan bryte det ned til indekser basert på de enkelte komponentene som inngår i RBRVS-systemet, dvs. per RVUw, per RVUpe eller per RVUmp. Dette kan enten gjøres for senteret som helhet eller brutt ned på lege-nivå. Under følger et eksempel på senter-nivå; Σ Totale lønnsutgifter leger/σ Total RVUw= Kostnad/RVUw Σ Totale praksiskostnader/σ Total RVUpe = Kostnad/RVUpe Σ Totale forsikringspremier/σ Total RVUmp = Kostnad/RVUmp Med disse beregningene kan en over tid følge kostnadsutviklingen både for senteret som helhet og for den enkelte lege. En kan også beregne gjennomsnittlig kostnad per prosedyre ved å multiplisere den totale RVU for prosedyren i RBRVS med senterets gjennomsnittlige kostnadsindeks. For prosedyre Ω vil dette da bli: Prosedyrekostnad Ω = RVUtotalΩ x Kostnad/RVUglobal En oversikt over prosedyrekostnadene er viktig for å kunne pris-sette den enkelte prosedyre. Det er essensielt å ha oversikt over dette når en forhandler om kontrakter med tredjepartsbetalere for å sikre et senters finansielle stabilitet. De øvrige tallene er nyttige i 48

57 budsjettprosesser, i lønnsforhandlinger med legene og med hjelpepersonell samt ved alle typer innkjøpsprosesser som påvirker kostnadsnivået. For at indeksene og prosedyrekostnadene skal speile de reelle forholdene er det er viktig at perioden for summering av produksjonstallene (genererte RVU-verdier) er identisk med perioden for kostnadstallene. Den anbefalte og mest brukte praksisen er å anvende årlige observasjoner (Glass and Anderson, 2002a) Benchmarking og kvalitetsarbeid Glass KP, Piland NF, 2002: Relative Value Units: From A to Z, Part 4 of 4 I sin fjerde artikkel om benchmarking hevder Glass og Piland at RVUs er et godt egnet måleinstrument for klinisk ytelse i det amerikanske helsevesenet. Bakgrunnen er at RVUverdiene er standardisert på landsbasis, de måler en definert ressursinnsats og gir samme verdi ved gjentatte målinger. Benchmarking er i prinsippet en metode for å måle eller evaluere en gitt størrelse eller indikator opp mot en ønsket eller bedre standard. I helsevesenet kan det brukes ved evaluering av ytelse relatert til tjenester, prosedyrer eller produkter. Benchmarking kan brukes både internt i en medisinsk organisasjon og eksternt ved å sammenligne seg med tilgjengelige data for tilsvarende organisasjoner. Internt kan produksjonen til hver enkelt lege eller senteret som helhet måles. Dataene kan så brukes til å sammenligne legene opp mot hverandre eller sammenligne opp mot individuelle og/eller organisasjonens produksjonsmål. Skal en gjøre ekstern benchmarking bør indikatordata være mest mulig objektive, standardisert og ha samme betydning i begge organisasjoner. Dette er styrken til RVUbaserte målinger sett opp mot andre vanlig brukte måleenheter som for eksempel brutto kostnader (kostnadsnivå har geografiske variasjoner), netto inntekt for medisinske tjenester (variasjoner i refusjon fra tredjepartsbetalere) eller indikatorer basert på såkalte FTEs (fulltime-equivalents). En FTE skal tilsvare den arbeidstiden som ligger i en 100% stilling brukt til klinisk arbeid. I USA foreligger det ingen standard for hva dette innebærer og dette medfører liten grad av egnethet for ekstern benchmarking basert på indikatorer hvor FTE inngår. RVUs kan også inngå i utvikling av andre nyttige indikatorer for benchmarking som pasientkompleksitet (ved å kombinere antall konsultasjoner, antall RVU og prosedyrer per pasient) eller prosedyrekompleksitet (antall RVU per prosedyre). Det er imidlertid viktig også å være klar over begrensningene som ligger i bruk av RVU som basis for benchmarking. 49

58 De speiler i prinsippet kun klinisk aktivitet og ressursforbruk og sier dermed ikke noe om tid og ressurser for ikke-kliniske oppgaver og tidsbruk. Validiteten for indikatordataene er også avhengig av korrekt og ensartet kodepraksis (Glass and Piland, 2002) Verktøy i lønns- og kontraktsforhandlinger Bendix J, 2014: RVUs: A valuable tool for aiding practice management Bendix skriver at RVU er det språket tredjepartsbetalere i det amerikanske helsevesenet bruker i kontraktsforhandlinger med tjenestetilbydere. Dette er et marked hvor tredjepartsbetalerne i varierende grad konkurrerer med hverandre om kjøp av tjenester. I all hovedsak baserer tredjepartsbetalerne seg på RBRVS som standard for betaling. Når man kjenner egen gjennomsnittlige kostnadsindeks (kostnad i dollar per RVU) og prosedyrekostnad har man et godt utgangspunkt for å forhandle frem gunstige kontrakter. Dersom tjenestetilbudet er begrenset i et geografisk område kan man benytte seg av denne monopolsituasjonen i forhandlingsøyemed og oppnå bedre priser for tjenestene enn hva Medicare betaler via RBRVS. Dette kan imidlertid slå begge veier dersom tilbudet er bredt. På et mer spesifikt nivå kan en for prosedyrer som viser seg å ha høyere kostnader enn standard RBRVS-refusjon forsøke å forhandle frem en høyere betaling fra tredjepartsbetalerne. I det private helsevesenet i USA er det stadig fusjoner og oppkjøp. Forfatteren hevder at RVU-baserte produksjons- og kostnadsanalyser i denne sammenhengen er nyttige verktøy. Bendix skriver videre at RVU-data brukes for å bestemme lønn for leger ansatt ved medisinsk sentere. Det er to vanlige måter å gjøre dette på. Den enkleste er å multiplisere antall genererte RVUw for en definert periode (for eksempel år) med en konverteringsfaktor i dollar for å komme frem til lønnen. Konverteringsfaktoren kan bestemmes ut ifra en nasjonal median lønn for aktuelle medisinske spesialiteter dividert med mediant antall RVU w per år for spesialiteten. Den andre metoden er å betale legene en fast lønn pluss en bonus bestemt av antall RVU w man genererer over et avtalt nivå (Bendix, 2014). 5.2 RVUs anvendt i studier om produksjon og arbeidsbelastning I dette delkapittelet presenterer jeg amerikanske studier hvor sentrale amerikanske termer er workload og productivity. Dette har jeg oversatt til de norske ordene arbeidsbelastning og produksjon (ikke produktivitet, se innledningen til delkapittel 5.1). 50

59 Artiklene i delkapittelet har RVU-analyser som en sentral del av datagrunnlaget. Herfra ønsker jeg å hente erfaringer om praktisk bruk av RVU-baserte analyseverktøy, hva slags resultater den gir og hvilke konklusjoner forfatterne trekker ut ifra disse. I flere av disse studiene relateres RVU-baserte data opp mot data generert fra prosedyrekodeverket CPT, dvs antall undersøkelser (prosedyrer). Denne datagruppen er tilnærmet lik den vi bruker for produksjonsstatistikk i Norge, basert på NCRP, se delkapittel 5.4 for en nærmere sammenligning. Artiklene dekker flere felt: Det er gjort forsøk på å etablere en standard på hvor mange RVUs som forventes produsert av radiologer på årsbasis både for akademiske og ikke-akademiske avdelinger. Det er utført studier over flere år for å kvantifisere utviklingen av arbeidsbelastningen over tid. Det er sett på relasjonen mellom akademisk produksjon og klinisk produksjon. Det er foretatt benchmarking-analyser både institusjonsnivå og internt i en fagspesialitetsenhet. Man har sett på sammenhengen mellom undervisning og klinisk produksjon. Conoley PM, Vernon SW, 1991: Productivity of Radiologists: Estimates Based on Analysis of Relative Value Units Allerede før RBRVS-systemet ble innført for Medicare ble det utført en amerikansk studie hvor en så på radiologers produksjon basert på RVU-analyser. Conoley og Vernon publiserte i 1991 et arbeid hvor de analyserte radiologers arbeidsbelastning ved i alt 19 private medisinske multi-spesialitetsentre (Conoley and Vernon, 1991). De forutså allerede den gang at RVU-analyser ville bli brukt i benchmarking på tvers av spesialiteter og at tredjepartsbetalere ville bruke analysene i kontraktsammenheng Forfatterne innhentet data over alle utførte CPT-kodede undersøkelser og prosedyrer i Relative Value Scale-systemet for en 12 måneders periode. Arbeidsbelastningen målt i RVU ble regnet ut ved å multiplisere frekvensen for hver kode med den profesjonelle RVUkomponenten (RVUw). Summen for alle kodene gir den totale RVU-arbeidsbelastningen for hvert senter. De hentet også inn senterspesifikke data som ble brukt til å stratifisere analysene (antall lokalisasjoner for sentrene, andel forhåndsbetalt refusjon, andel inneliggende pasienter, antall leger i spesialisering, størrelse). I tillegg ble sentrene bedt om å beregne og angi antall radiologer som ikke var tilgjengelig for klinisk arbeid grunnet 51

60 administrativt arbeid, opplæring, forskning og etterutdanning. De kalkulerte fem indekser: lege-, tilgjengelighets-, kompleksitets-, undersøkelses- og RVU-indeks, se tabell 12. Tabell 12: Produksjonsindekser (Conoley and Vernon, 1991). Tabell 13: Produksjonsindekser for enkelt sentre, alle sentrene og stratifisert ut ifra ulike senterkarakteristikker (Conoley and Vernon, 1991). Legeindeksen gir raten mellom antall klinikere og antall radiologer ved sentrene. Tilgjengelighetsindeksen viser hvor mange radiologer som kan utføre klinisk arbeid, dvs. tolke undersøkelser eller gjennomføre prosedyrer. Denne ble etablert for å få et bilde av andelen arbeid som ikke genererer RVUs. Kompleksitetsindeksen angir graden av avanserte 52

61 og tidkrevende undersøkelser i undersøkelsesrepertoaret. Når alle klinikkene ble sett under ett var resultatet for undersøkelsesindeksen undersøkelser per år per tilgjengelig radiolog, dersom alle radiologene ble regnet med ble tallet Tilsvarende tall for RVU-indeksen ble og Resultatene for alle klinikkene og stratifiserte resultater vises i tabell 13. Forfatterne har hentet inn nasjonale tall fra American College of Radiology (ACR) for å sammenligne med studiens resultater. ACR oppgav et årsgjennomsnitt på undersøkelser per radiolog per år for USA og en beregnet nasjonal kompleksitetsindeks på 2,31 RVU per undersøkelse utført for pasienter med dekning av Medicare. For å kompensere for radiologenes ikke-kliniske oppgaver bruker forfatterne sin egen gjennomsnittlige tilgjengelighetsindeks (0,77) og kommer frem til en føderal RVU-indeks på basert på ACR-tallene. Tatt i betraktning at Medicare-pasienter (personer over 65 år) sannsynligvis vil ha høyere kompleksitetsindeks enn den generelle befolkningen konkluderte de med at studiens RVU-indeks for alle sentrene sett under ett er rimelig. De konkluderer med at RVU-analysene er nyttige for planlegging og strategi og påpeker viktigheten av nøyaktig koding både i refusjonssammenheng og for behovstilpasning innad i sentrene. I tillegg vektlegger de at radiologers ikke-klinisk arbeid må erkjennes som en integrert del av virksomheten. Arenson RL, Lu Y, 2001: Measuring the Academic Radiologist s Clinical Productivity: Survey Results for Subspecialty Sections Arenson RL, Lu Y, 2001: Measuring the Academic Radiologist s Clinical Productivity: Applying RVU Adjustment Factors Lu Y, Arenson RL, 2005: The Academic Radiologist s Clinical Productivity: An Update Lu Y et al, 2008: An Update Survey of Academic Radiologist s Clinical Productivity Lu og Arenson ved Department of Radiology, University of California har publisert tre artikler hvor de analyserer data for arbeidsbelastningen ved akademiske radiologiske avdelinger i USA. I tillegg til hovedartikkelen fra 2001 publiserte de samtidig en beskrivelse av metodikken som lå til grunn for hovedartiklene (om justeringsfaktorer). Bakgrunnen for studiene har vært et ønske om å utvikle en metode for å beregne ulike avdelingers bemanningsbehov. I tillegg skulle metoden både gi muligheten for en rettferdig sammenligning av radiologers produksjon på tvers av avdelingers subspesialitets-seksjoner og gi grunnlag for en evaluering av individuelle radiologers ytelse. Den første artikkelen kom i Her baserte de seg på tall fra totalt 20 avdelinger og totalt 743 radiologer innhentet via 53

62 en spørreundersøkelse utført av Society of Chairmen of Academic Radiology Departments (SCARD) i 1996 og 1998 (Arenson et al., 2001b). Tilsvarende spørreundersøkelser ble iverksatt av SCARD også i 2003 (data fra 23 avdelinger og 864 radiologer) og i 2006 (24 avdelinger, 1134 radiologer). Analyser av disse dataene ble publisert i henholdsvis 2005 (Lu and Arenson, 2005) og i 2008 (Lu et al., 2008). Det ble innhentet data på individuelt nivå og man registrerte stillingsandelene som ble brukt til klinisk arbeid, akademiske aktiviteter og administrative oppgaver, hvilken type subspesialitets-gruppe en tilhørte og antall radiologiske undersøkelser (med tilhørende CPTkoder) en utførte for aktuelle år. Sentralt for analysene er begrepet Full Time Equivalent, FTE, som best kan oversettes med estimert fulltidsstilling dedikert til klinisk arbeid. Ved akademiske avdelinger har mange av legene administrative og undervisningsoppgaver i tillegg til klinisk arbeid. Samtidig er forskning en forventet aktivitet tillagt stillingene. FTE for klinisk aktivitet er innført for å delvis å kompensere for disse aktivitetene. Radiologer med 80% klinisk arbeid ble regnet som 1 FTE da det er vanlig ved akademiske avdelinger at uken er delt opp i fire dager klinisk arbeide og én dag forskningsaktivitet. For leger med mindre enn 80% klinisk arbeid ble den aktuelle andelen brukt i analysene. Inndelingen i subspesialitets-grupper var komplisert grunnet ulik organisering blant de deltakende avdelingene. Noen hadde organbaserte grupper mens andre hadde dels modalitetsbaserte. Det ble definert følgende subspesialitets-grupper: mage/tarm (abdominal), intervensjonsradiologi, brystkasse (thorax), generell, mammografi, nevroradiologi, nukleærmedisin, barneradiologi og ultralyd. Basert på rapporterte CPT-koder per radiolog Figur 4: Utvikling av arbeidsbelastning fra 1998 til 2006 målt i antall prosedyrer/fte og antall RVU/FTE (Lu et al., 2008). 54

63 regnet de så ut antall undersøkelser per FTE, antall RVUw per FTE per avdeling og dessuten per radiolog fordelt på subspesialitets-gruppene. Ut ifra dette har de hentet gjennomsnittlig og median RVUw/FTE og antall undersøkelser/fte for hele datasettet og for hver enkelt subspesialitet. Studiene viser at det har vært en gradvis økning av arbeidsbelastningen gjennom disse årene, se figur 4 som er tatt fra 2008-artikkelen. Gjennomsnittlig klinisk arbeidsbelastning i 2006 var RVUw/FTE mot i 2003, i 1998 og i Prosentvis økning frem til 2006 var 22% fra 2003, 60% fra 1998 og 88% fra I 2006 var antall prosedyrer/fte mot i 2003 og i 1998, en økning på henholdsvis 15% og 35%. Som det fremgår av disse tallene er det større økning i antall RVUw enn i antall prosedyrer og dette forklares med at det utføres en større andel av komplekse prosedyrer (intervensjonsprosedyrer, CT og MR). Tabell 14 er også Mean number of examinations and relative value units (RVUs) per full-time equivalent (FTE) by clinical subspecialties Examinations Total RVUs Section No. of Examinations/FTE % Δ P Value Mean/FTE % Δ P Value Abdominal % %.0098 Interventional % % Chest % %.0273 General % %.9375 Musculoskeletal % %.0020 Mammography % %.3750 Neuroradiology % %.0273 Nuclear medicine % %.0078 Pediatrics % %.2969 Ultrasound % %.0625 Other % % All % %.0020 Tabell 14: Gjennomsnittlig antall prosedyrer per FTE og RVU per FTE fordelt på ulike subspesialitets-grupper. %Δ viser endring for 10 avdelinger som både deltok i 2003 og 2006 undersøkelsene. P Value viser signifikansnivå (Lu et al., 2008). 55

64 gjengitt fra 2008-artikkelen og viser gjennomsnittlig antall undersøkelser og gjennomsnittlig RVUw per FTE for de ulike subspesialitets-gruppene. Som det fremgår av tallene i tabellen er det stor variasjon mellom disse. Radiologer i f.eks. intervensjonsgruppen utfører kompliserte prosedyrer som gir høy RVUw/FTE sammenlignet med f. eks thorax-gruppen (chest) hvor en stor andel av arbeidet er tolkning av konvensjonelle røntgenbilder som gir lav uttelling. Forskjellen i RVUw er ikke bare basert på mer tidsbruk, men omfatter også mental og fysisk innsats, intensitet, stress, risiko-belastning og tid for opplæring/trening i intervensjonsprosedyrene. Disse faktorene er ikke relatert til produksjonen per se og for at det skal være rimelig å sammenligne produksjonen til to radiologer i fulltidsstilling i ulike subspesialitets-grupper må dette kompenseres. Metodeartikkelen fra 2001 beskriver utviklingen av justeringsfaktorer som gjør det mulig å sammenligne arbeidsbelastningen på tvers av gruppene (Arenson et al., 2001a). I korte trekk gikk metoden ut på å gruppere SCARD-dataene fra 1998 i 8 ulike prosedyrekategorier basert på CPT-kodene. Følgende kategorier ble brukt: angiografi, CT- og MRundersøkelser, nukleærmedisinske undersøkelser, kontorkonsultasjoner, konvensjonell radiografi, stråle-onkologi, spesialprosedyrer og sist veiledning og tolkning. Disse ble satt opp ut fra en forutsetning om at arbeidsinnsatsen til radiologene vil være omtrent lik for prosedyrer innenfor én og samme kategori. Genererte RVUw vil da kunne brukes til å sammenligne produksjonen for radiologene i aktuelle kategori. Tabell 15 viser fordelingen av radiologer ut ifra hvilken gruppe de hovedsakelig tilhørte (ingen hadde som hovedarbeid stråle-onkologi eller veiledning og tolkning, kontorkonsultasjoner inngår i den uspesifiserte gruppen). I tillegg er det satt opp minimum, maksimum, median og percentil-fordeling av totale RVU per FTE. Den siste kolonnen i tabell 15 viser median RVU verdi per prosedyre. Det følger av tabell 15 at det er stor forskjell på de mediane verdiene for både total RVU/FTE og for RVU/prosedyre. Med statistiske metoder regnet forfatterne så ut forholdet mellom de ulike kategoriene hvor konvensjonell radiografi ble brukt som referanse med verdi 1. De endte da opp med følgende justeringsfaktorer: 0,5 for angiografi og 0,58 for CT- og MR-undersøkelser. Dette speiler altså at prosedyrer innenfor disse kategoriene relativt sett er tildelt høyere RVU-verdier enn prosedyrer innen konvensjonell radiografi (se siste kolonne i tabell 15). De andre kategoriene skilte seg ikke signifikant fra konvensjonell radiografi og fikk ingen justeringsfaktor. Forfatterne brukte disse justeringsfaktorene i produktivitetsartikkelen fra 2001 (Arenson et al., 2001b). I de to påfølgende artiklene i 2003 og 2006 har justeringsfaktorene blitt oppdatert. 56

65 Classification of Radiologists according to Primary Areas of Effort Total RVU/FTE Group No. of Minimum 25th Median 75th Maximum Median Radiologists Percentile Percentile RVU/Examination Angiography CT and MR imaging Nuclear medicine Plain radiography Special procedures Unspecified Tabell 15: Fordeling av radiologer som har sitt hovedvirke i de ulike kategoriene (Groups). Radiologer som utfører en blanding av to eller flere kategorier er lagt til den uspesifiserte (Arenson et al., 2001a). Forfatterne konkluderer med at arbeidsbelastningen på radiologiske avdelinger øker både i kompleksitet og i antall prosedyrer. De mener klinisk arbeidsbelastning målt i RVUw/FTE og justerte RVUw/FTE er nyttig for å optimalisere bemanning både for subspesialitetsseksjoner og avdelinger som helhet og at justeringsfaktorene gjør sammenligning på tvers av subspesialiteter mer rettferdig. 57

66 Bhargavan M et al., 2009: Workload of Radiologists in United States in and Trends Since I denne artikkelen så Bhargavan et al. på årlig arbeidsbelastning for radiologer i og sammenlignet med tilsvarende tidligere undersøkelser for å fremskaffe trender siden (Bhargavan et al., 2009). Tallmaterialet ble hentet fra ACRs (American College of Radiology) 2007 Survey of Radiologists hvor til sammen 486 radiologer fra ulike typer radiologiske enheter deltok. Data som ble levert var antall prosedyrer for siste 12 md, antall fulltids- og halvtidsstillinger, type enhet (solopraksis, akademiske enheter, private multispesialitetssentre, private radiologiske sentre), lokalisasjon pluss noen andre praksiskarakteristika. De beregnet antall prosedyrer per FTE, antall RVUw per FTE og RVUw per prosedyre for alle praksisene. De fant at gjennomsnittlig årlig arbeidsbelastning Tabell 16: Trender for vekst i arbeidsbelastning. (CAAG = compound average annual growth = årlig vekstrate) (Bhargavan et al., 2009). 58

67 var prosedyrer per FTE radiolog og RVU per FTE radiolog. Dette ble sammenlignet med tilsvarende tall fra tidligere ACR-spørreundersøkelser utført i 1992, 1995, 2000 og Tabell 16 viser utviklingstrender for de ulike parameterne. I tillegg så de på antall prosedyrer per FTE radiolog for ulike praksis-karakteristika og beregnet gjennomsnitt, 25% percentil, median og 75% percentil. Der fant de at for de fleste praksistyper utførte radiologer i 75% percentilen minst 65% flere prosedyrer enn radiologer i 25% percentilen. Dette til tross for at FTE-radiologer i 75% percentil-gruppen kun jobbet 22% mer enn FTE-radiologene i 25% gruppen. De fant også at FTE-radiologer ved akademiske institusjoner utførte 34% færre prosedyrer enn en gjennomsnitts FTE-radiolog. Tabell som viser tallene brutt ned på ulike praksiskarakteristika kan sees i vedlegg 8.5. Sunshine JH, Burkhardt JH, 2000: Radiology Groups Workload in Relative Value Units and Factors Affecting It I denne artikkelen så forfatterne på arbeidsbelastningen for radiologiske sentre målt i antall prosedyrer, i RVUw og hvilke faktorer som influerer resultatet (Sunshine and Burkhardt, 2000). Det ble utført en spørreundersøkelse i 1996 og 1997 blant radiologiske og onkologiske sentre hvor informasjon om økonomi, arbeidsbelastning og grunndata som senterstørrelse, akademisk vs. ikke-akademisk status etc. ble kartlagt. Statistiske analyser ble gjennomført med henblikk på arbeidsbelastning i relasjon til grunndataene. De regnet ut årlige data for antall prosedyrer per FTE-radiolog, totalsum for RVUw per FTE-radiolog og antall RVUw per kliniske arbeidstime. Forfatterne ønsket å finne ut hvorvidt variasjonen i målt arbeidsbelastning ville være mindre ved å bruke RVUw/FTE og RVUw/klinisk arbeidstime enn ved antall prosedyrer/fte. Metodikken har store likheter med den som Bhargavan et al. brukte i sin artikkel i Den skiller seg dog ut ved at de gikk mer detaljert til verks for å kartlegge kliniske arbeidstimer. Kliniske arbeidstimer for en FTE-radiolog ble regnet ut på følgende måte: de antok at det var vanlig med 5 dagers arbeidsuke og trakk innrapporterte tall for dager til ferie, videreutdanning og faglig møtevirksomhet fra årlig antall arbeidsdager. I tillegg trakk de fra ytterligere 12 dager for offentlige fridager, sykefravær og annet fravær. Resterende sum ble delt på 5 for å få antall arbeidsuker og til slutt multipliserte de med innrapporterte tall for antall timer i en fulltids klinisk arbeidsuke. Resultatene fra studien viste at det var stor variasjon for alle senterkategorier i både årlig antall prosedyrer per FTE, årlig RVUw per FTE og RVUw per klinisk arbeidstime. De fant ikke mindre variasjon ved bruk av RVUw som parameter versus antall prosedyrer slik de 59

68 hadde forventet. Analysene gav ingen god forklaring på variasjonen. De to faktorene som hadde signifikant innvirkning på arbeidsbelastningen var hvorvidt sentrene var akademiske eller ikke-akademiske og andel kompliserte prosedyrer som CT, MR og intervensjon. Med forbehold om studiesvakheter konkluderer de med at årlig arbeidsbelastning for en radiolog ved et akademisk senter er ca RVUw og ved et ikke-akademisk senter ca RVUw. De advarer mot å bruke tallene som en norm grunnet den store variasjonen mellom sentrene. Davis PL, 2001: Assessing the Potential versus the Actual Earnings of Academic Radiologists: Effects of Unequal Duty Service Assignments Davis utførte en liten studie ved Department of Radiology, University of Pittsburgh, Pittsburgh hvor han undersøkte hvorvidt RVUw kan brukes til å sammenligne produksjonen for en liten gruppe radiologer innenfor samme spesialområde (Davis, 2001). Han ville undersøke påstanden om at RVUw-analyser er valide for å se på forskjeller i produksjon innenfor små legegrupper med samme fagfelt og samme blanding av prosedyrer. Han innhentet data fra 1997 for antall og typer prosedyrer utført av 9 radiologer med abdominalradiologi som spesialfelt. Han stratifiserte tallene ut ifra hvilke arbeidsområder radiologene ble tildelt på månedsplanene for avdelingen og summerte antall dager hver radiolog hadde på hvert område. De hadde følgende arbeidsområder: ultralyd, CT (inkludert MR), intervensjonsradiologi, gastrointestinal radiologi (inkludert urogenital radiologi og konvensjonell radiografi), fjerntjeneste (dekke radiologi ved et tilknyttet senter utenfor sykehuset), helger og helligdager (tilnærmet vakttjeneste). Forfatteren regnet ut årlig totalsum for RVUw per lege og gjennomsnittlig opparbeidet daglig RVUw per arbeidsområde for alle områder og alle legene. Han fant at det var stor variasjon i årlig totalsum for RVUw mellom de 6 legene som var fulltids-ansatt; fra til over Det var også stor variasjon i gjennomsnittlig daglig RVUw/arbeidsområde; fra 23 for gastrointestinal radiologi til 74 for ultralyd. Innen samme arbeidsområde var det mindre variasjon mellom legene for gjennomsnittlig opparbeidet daglig RVUw. Med ett unntak var det her ikke statistisk signifikant forskjell mellom legene. Han konstaterer derfor at variasjonen i årlig totalsum RVUw primært skyldes forskjeller i tildeling av arbeidsområder og ikke ulikheter i produksjonsevne. Davis konkluderer med at RVUw-analyser gir riktig informasjon om hver leges inntjening, men at sammenlignende produksjonsanalyser kan gi feil bilde grunnet ulik blanding av arbeidsområder. Dersom slike skal brukes bør de avgrenses til å gjelde hvert spesifikt område. 60

69 Jamadar DA et al., 2005: Estimating the Effects of Informal Radiology Resident Teaching on Radiologist Productivity Jamadar et al. så på sammenhengen mellom klinisk produksjon, økonomi og opplæring av leger i spesialisering ved Department of Radiology, University of Michigan Medical Center, Ann Arbor (Jamadar et al., 2005). Studien ble satt opp med to bolker hvor 6 radiologer skulle tolke og beskrive bilder fra et utvalg av konvensjonelle røntgenundersøkelser (40 av brystkassen og 40 av ulike skjelettregioner, hvorav halvparten hadde patologiske funn). I første sesjon arbeidet 6 radiologer alene og arbeidet med et tilfeldig utvalg av undersøkelsene i én time. Andre sesjon ble gjennomført etter uker og de samme radiologene tolket og beskrev de samme undersøkelsene, men i motsatt rekkefølge. I tillegg hadde de da med seg en lege i spesialisering med 1 års erfaring som skulle gis opplæring. I andre bolk ble opplæringen vurdert og gradert av to uavhengige observatører. Forfatterne analyserte deretter antall dikterte undersøkelser, summen av genererte RVU og sum for refusjon i dollar for hver lege i hver bolk. De fant en signifikante forskjeller for alle tre parametere mellom første og andre sesjon: Et gjennomsnitt på 44,7 vs. 23,5 (p = 0,007) i antall dikterte undersøkelser. Et gjennomsnitt på 9,0 vs. 4,5 (p = 0,006) i sum genererte RVU. Et gjennomsnitt på $ 1558,45 vs. $ 777,65 (p = 0,007) i sum for dollarrefusjon. Analysert opp mot graderingen for kvaliteten på opplæringen så man en fallende produksjon/inntjening ved en høyere skår på kvalitet. Forfatterne konkluderer med at opplæring av leger i spesialisering gir en reduksjon av klinisk produktivitet og inntjening med ca 50%. Eschelman DJ et al., 2000: The Relationship of Clinical and Academic Productivity in a University Hospital Radiology Department I denne artikkelen analyserer forfatterne sammenhengen mellom akademisk produksjon og klinisk aktivitet ved Department of Radiology, Thomas Jefferson University Hospital i Philadelphia (Eschelman et al., 2000). Klinisk produksjon uttrykt som RVUw ble sammenlignet med akademisk produksjon målt som antall artikler i fagfellevurderte tidsskrifter, artikler i andre tidsskrifter, publiserte sammendrag (abstracts) og faglige presentasjoner. Data ble innhentet over en 2 års-periode i årene hvor første året inkluderte 33 overleger og andre året 32. Legene fordelte seg på følgende stillingskategorier: professor, førsteamanuensis (associate professor), amanuenser (assistant professor) og 61

70 faglærer (instructor). De fant en invers sammenheng mellom akademisk og klinisk produktivitet. De delte legegruppen i to, henholdsvis de som oppnådde mer enn RVUw per år og de som oppnådde mindre enn RVUw. De fant statistisk signifikant sammenheng for de to gruppene mellom klinisk aktivitet og antall publiserte artikler i fagfellevurderte tidsskrifter: 13,5 vs 22,3 (p < 0,05), publiserte sammendrag: 12,5 vs 23.2 (p < 0,005) og faglige presentasjoner: 13,7 vs (p < 0,05). Det ble også undersøkt hvorvidt alder, akademisk stilling, administrativ stilling og om fagdivisjon-tilhørighet hadde innvirkning på resultatene. Ingen av disse faktorene hadde en signifikant innvirkning på klinisk produksjon bortsett fra fagdivisjonstilhørighet. Forfatterne konkluderer med at høy klinisk produksjon gir lav akademisk produksjon og at økende klinisk arbeidsbelastning gir fare for redusert akademisk aktivitet. 5.3 RVUs som mål på ikke-kliniske aktiviteter Dette delkapittelet har som tema RVU-systemer som kvantifiserer den delen av legenes arbeidsinnsats som går med til andre oppgaver enn direkte tolkning av undersøkelser eller utførelse av prosedyrer. Denne typen arbeid kan også representere oppgaver som ikke er direkte pasientrelatert. Her finner jeg i litteraturen presentasjoner av både etablerte og foreslåtte RVU-systemer. Disse er relevante for å etablere et helhetsperspektiv for anvendelsen av ulike typer RVU-data. I Medicares RBRVS gir komponenten for legenes arbeid, RVUw en numerisk verdi som gjør det mulig å beregne legenes kliniske aktivitet. Dette er direkte pasientrettet arbeid med bildetolkning og prosedyrer i forbindelse med utredning, behandling og oppfølging av sykdom. Imidlertid er det stor variasjon innenfor profesjonen når det gjelder hvilken andel klinisk aktivitet utgjør av den totale arbeidsinnsatsen. Både leger i sykehus, på private spesialistklinikker og i allmennlegetjenesten har administrative oppgaver som ikke måles av RVUw, det være seg ledelsesrelaterte aktiviteter, prosjektdeltakelse, møtevirksomhet, fagutvikling eller forefallende papirarbeid. For leger som jobber innenfor akademiske organisasjoner kommer det i tillegg et bredt spekter av forskningsaktivitet, undervisning og supervisjon. For disse aktivitetene eksisterer det ikke noen føderal standard i USA for å måle og verdsette den arbeidsinnsatsen som legges ned. Det er publisert en del artikler hvor dette problemet adresseres og hvor det foreslås RVU-lignende systemer for å tallfeste ressursinnsatsen. I disse systemene brukes altså RVU-begrepet for ikke-klinisk aktivitet og har som sådan ingen relasjon til de RVUs som inngår i RBRVS. 62

71 5.3.1 Academic RVU (arvu) Mezrich R, Nagy PG, 2007: The Academic RVU: A System for Measuring Academic Productivity Reuben Mezrich og Paul Nagy ved University of Maryland, School of Medicine, har publisert en artikkel hvor det presenteres en relativt detaljert modell for å måle akademisk aktivitet i en radiologisk avdeling (Mezrich and Nagy, 2007). De problematiserer ressurskampen som eksisterer ved akademiske institusjoner, hvor de tre hovedoppgavene klinisk aktivitet, undervisning og forskning kjemper om begrensede ressurser. Den vanlige måten å vurdere akademisk aktivitet på er å evaluere antall og kvaliteten på publikasjoner samt sum av innhentede forskningsmidler. Undervisningsinnsats og arbeid for fagområdet som nedlegges i ulike interne og eksterne fora som spesialistforeninger, fagkomiteer eller nasjonale utvalg kommer lite til syne i denne typen vurderinger. Dette er arbeid som kan ta mye tid og vil derfor kunne redusere kreditert akademisk produksjon. Forfatterne spør hvordan en best kan gi incentiver til denne typen aktiviteter og mener svaret ligger i et poengsystem som gir relativ verdi til all akademisk aktivitet. Den enkelte aktivitet blir vektet ut ifra estimater for innsats, innflytelsesfaktor (impact factor) og verdi sett i relasjon til avdelingens mål. De presenterer total akademisk RVU (arvu) som består av fire komponenter: publikasjoner (arvup), administrativ- og fagområdeinnsats (arvuc), undervisning (arvut) og forskning (arvur): arvu = arvup + arvuc + arvut + arvur Vitenskapelig aktivitet deles i et bredt spekter av publikasjonsmetoder, f. eks. artikler i fagfellevurderte tidsskrifter, ikke-fagfellevurderte tidsskrifter, bøker, bokkapitler, vitenskapelige presentasjoner på fagutstillinger (postere), foredrag og online-presentasjoner. De ulike typene krever ulik innsats, har ulik innflytelsesfaktor og ulik akademisk verdi. I tillegg har forfatterskap i artikler ulik verdi avhengig av rangering (førsteforfatter, andreforfatter osv.). Publikasjonskomponenten ble definert som: arvup = %vis innsats x akademisk verdi x forfatter rangeringsscore x innflytelsesfaktor 63

72 Tabell 17 angir den prosentvise innsats og den akademiske verdi som ble valgt for ulike publikasjonstyper. Tallene for akademisk verdi er tilfeldig valgt og speiler deres institusjons prioriteringer. Publication weighting Type of Publication Percentage of Effort per Year Academic Value Peer-reviewed article 4% 1.0 Nonpeer-reviewed article 2% 0.3 Abstract 2% 0.5 Book 20% 0.5 Book chapter 4% 0.5 Book review 2% 0.5 Invited speech 0.8% 0.3 Exhibit 2% 0.3 Tabell 17: Verdier for vekting av publikasjoner (Mezrich and Nagy, 2007). Rangeringsscore for forfatterskap ble satt til 1 dersom det var kun 1 forfatter. Ved to forfattere ble det gitt 0,6 til førsteforfatter og 0,4 til andreforfatter. Ved flere medforfattere ble score suksessivt redusert til hva en oppfattet som representativt for bidraget. Innflytelsesfaktor er den impact factor det aktuelle tidsskriftet har i Thompson Reuters Journal Citation Reports. Komponenten for administrativ- og fagområdeinnsats, arvuc, er tenkt å speile innsatsen som legene gjør i interne, regionale eller nasjonale faglige komitéer, faggrupper og utvalg, i spesialistforening eller for tidsskrifter. Dette er arbeid som vanligvis ikke gir akademisk meritt, men som likevel er kan gi status til avdelingen og institusjonen. arvuc ble beregnet ut ifra følgende ligning: arvuc = %vis innsats x akademisk verdi x rolle Tabell 18 viser hvilke estimater og anslått akademisk verdi forfatterne innførte ved sin 64

73 Type of Service Weighting for community service Percentage of Effort per Year Academic Value National committee 1% 0.4 State committee 1% 0.3 Institutional committee 1% 0.2 Tabell 18: Estimert innsats og akademisk verdi for fagområdeinnsats (Mezrich and Nagy, 2007). institusjon. Avhengig av institusjonens vekting av denne type arbeid kan tallene endres. Med rolle menes hvilken posisjon en innehar i aktuelle foreninger, komitéer eller utvalg. De falt ned på følgende rangering: leder av forening = 5, leder av komité eller utvalg = 4, nestleder av komité eller utvalg = 2, sjefredaktør for tidsskrift = 4, medredaktør i tidsskrift = 2, komité- eller utvalgsmedlem = 1. Komponenten for undervisning, arvut, består av prosentvis arbeidsinnsats viet til forelesninger. Supervisjon ved granskningsstasjon eller på laboratorium for ulike prosedyrer inkluderes ikke da dette inngår som del av rutinemessig klinisk arbeid som måles med RVUw. Studentene evaluerer hver forelesning og gir foreleser en score som også inngår i arvut. arvut = %vis innsats x akademisk verdi x studentskår Innsatsen beregnes ut ifra antall timer som brukes på undervisning og den akademiske Teaching score Average Student Rating Multiplier per Year Tabell 19: Studentskår og kvalitetsfaktor (Mezrich and Nagy, 2007). 65

74 verdien avhenger av hvilket nivå en underviser på. Forelesninger for residents (tilsvarer leger i spesialisering i Norge) gir 0,3 og medisinstudenter gir 0,2. Tabell 19 viser studentskår som beregnes for hver forelesning som igjen multipliseres med en kvalitetsfaktor. Den siste komponenten er forskningsfaktoren, arvur som skal uttrykke arbeidsinnsatsen ved å drifte forskningsprosjekter, enten som hovedforsker («principal investigator», PI) eller biforsker («coprincipal investigator»): arvur = %vis innsats x akademisk verdi x finansieringsfaktor x forskerstatus Finansieringsfaktor er avhengig av kilden for forskningsmidlene som kan være føderal støtte, midler fra industrien eller fra egen institusjon, se tabell 20. Akademisk verdi speiler dollarverdien for finansieringen av forskningsprosjektet, se tabell 21. Funding modifier Funding Source Modifier Federal 1.0 Industry 0.4 Institutional 0.2 Tabell 20: Finansieringsfaktor (funding modifier) basert på kilde (Mezrich and Nagy, 2007) Academic value Funding Academic Value X < $25,000 5 $25,000 < X < $50, $50,000 < X < $100, $100,000 < X < $250, $250,000 < X < $500, $500,000 < X < $1,000, $1,000,000 < X 200 Tabell 21: Akademisk verdi basert på størrelsen av finansieringen (Mezrich and Nagy, 2007). 66

75 Forfatterne arbeidet tett med kollegiet ved utviklingen av arvu, inkludert vektingene. For å lette bruken for kollegiet og adminstrasjonen ble det utviklet en nettløsning hvor hver enkelt lege kan opprette en akademisk CV og fortløpende legge inn aktivitet som gir uttelling i arvu. Programmet henter inn relevant data automatisk og beregner de ulike komponentene for arvu. Hver lege kan gjøre analyser på egne data for å følge sin akademiske profil og utvikling. Super-brukere fra administrasjonen kan i tillegg fortløpende analysere oppdaterte, aggregerte data på seksjons- og avdelingsnivå. Dette er nyttig statistikk for ledelsen, både for oppfølging av enkeltmedarbeidere og i strategi og utviklingsarbeid. Eksempel på nettside for å etablere CV, skjema med utregning av arvu for én lege og grafisk analyse av én leges akademiske profil ligger som vedlegg 8.6., vedlegg 8.7 og vedlegg 8.8. I diskusjonskapitlet omtaler forfatterne visse problemer med å få kollegiet til å følge opp poengsystemet. I tillegg diskuterer de nytten av konstruksjonen for undervisningskomponenten og påpeker begrensninger relatert til læringseffektivitet. De måler ikke endring i kunnskapsnivå hos studentene. Som styrke fremhever de at systemet fremmer akademisk motivasjon, det gir et bilde av akademisk styrke og gir mulighet til å følge endring over tid. For yngre kolleger gir systemet støtte for strategi og valg for en akademisk karriere Relative teaching unit (RTU) Luke RG et al., 1999: Development and Implementation of a Teaching Practice Plan in a Department of Medicine ( ): Relative Teaching Units (RTU s) Luke et al. har publisert et arbeid hvor de presenterer utviklingsprosess og implementering av en undervisningsplan basert på relative teaching units, RTUs, for medisinsk avdeling ved et universitetssykehus i Cincinnati, Ohio (Luke et al., 1999). Tidligere var undervisningsinnsats for medisinstudenter, leger under spesialistutdanning og øvrig fagpersonell ved avdelingen noe som ble forventet håndtert av de heltidsansatte legene i deres daglige arbeid. Med bakgrunn i økt finansiell styring og økende krav til dokumentasjon av ressursinnsats for klinisk aktivitet og forskning, ble behovet for også å kvantifisere undervisningsinnsatsen synliggjort. Klinisk aktivitet lar seg relativt lett måle ved egenandeler, refusjoner og RVUs. Forskningsaktivitet kan måles ved antall publikasjoner og volum av innhentede forskningsmidler av ulik art. For undervisningsaktiviteter eksisterer det ikke noe ensartet system for å måle innsatsen. Undervisning og veiledning foregår i stor grad samtidig med klinisk, pasientrettet aktivitet. Dette kompliserer målingen fordi klinisk aktivitet allerede måles via RVUw. 67

76 Avdelingen etablerte en gruppe bestående av både kliniske undervisere og forskere med undervisningsaktivitet for å utvikle en undervisningsplan. De definerte hvilke Tabell 22: Prinsippet for fordeling av RTUs for ulike undervisningsaktiviteter (Luke et al., 1999). undervisningsaktiviteter avdelingen utførte, hva slags undervisningsinnsats det var forventet av de ulike legestillingene og hvilken tidsbruk hver aktivitet innebar. Hver undervisningsaktivitet ble tildelt en relativ numerisk verdi, RTU, basert på estimert tidsbruk og faglig 68

77 innsats fra legene. For undervisning relatert til klinisk aktivitet som f. eks. undersøkelse av polikliniske eller inneliggende pasienter og undervisning/veiledning i praksis på sykepost, ble 50% av tiden vurdert til å være undervisning og 50% klinisk aktivitet. For forelesninger og eksamensarbeid ble forberedelsestid inkludert som en del av grunnlaget for RTU-verdien. For å få en oversikt over avdelingens totale, årlige undervisningsinnsats ble RTU-verdiene for hver enkelt aktivitet multiplisert med det antall ganger aktiviteten ble utført per år. I tabell 22 er de ulike undervisningsaktivitetene for det akademiske året satt opp med hyppighet, tildelt RTU-verdi og den totale summen RTU-verdier som ble generert. Under-visningen på avdelingen blir finansiert fra flere kilder: bevilgninger fra universitetet, bevilgninger fra Medicare (via universitetssykehuset), støtte fra utdanningsfond og støtte fra enkelte andre kilder. For å finne dollarverdien for èn RTU tok de totalsummen for den årlige undervisningsfinansieringen og delte på totalsummen av årlige utførte RTUs, justert for lønnsmidler som ble dekket utenom undervisningsplanen. To av formålene med planen er å kunne bruke den både for planlegging av undervisningsåret og som basis for fordeling av undervisningsmidlene mellom avdelingens ni fagdivisjoner. Dette ble gjort ved å fordele planlagte RTU per lege ved avdelingen. Undervisningsaktiviteter på avdelingsnivå ble fordelt mellom legene ut ifra hvilke arbeidsoppgaver de hadde ansvar for (sykepost, poliklinikk osv.). Videre fikk hver lege RTU for divisjonsspesifikke oppgaver der dette var planlagt. Antallet leger per divisjon, hvilken stillingstype de hadde og undervisningsansvar per stillingstype avgjorde hvor mange RTUs hver divisjon fikk tildelt. I tillegg fikk hver divisjon et likt antall RTUs for generelle undervisningsaktiviteter som ikke passet inn i planen. Ut ifra dette fikk hver divisjon tildelt sin andel av undervisningsmidlene basert på dollarverdien per RTU. Innføringen av systemet gav medisinsk avdeling mulighet til å styre undervisningsaktiviteten og finansieringen av denne på en konsistent og reproduserbar måte. Den medførte signifikante endringer for tildelingen av undervisningsmidler mellom divisjonene sammenlignet med året før implementeringen. For å kvalitetssikre fordelingen av aktiviteter og midler mellom fagdivisjonene sammenlignet de den prosentvise fordelingen av RTUs mellom divisjonene med den prosentvise andelen av divisjonsspesifikke spørsmål på to nasjonale medisinske eksamener. De fant at tildelingen av RTUs korrelerte svært godt med spørsmålsfordelingen unntatt for et fagfelt hvor de hadde bemanningsproblemer. Forfatterne hevder at innføringen av RTUs og undervisningsplanen gav en mer rettferdig fordeling av undervisningsmidlene fordi systemet speiler og kvantifiserer faktisk 69

78 aktivitet. Hver lege må yte en minimumsinnsats og systemet gir legene mulighet til å velge mellom ulike undervisningsaktiviteter hvor en kjenner verdien som er lik for alle. Systemet gir avdelingsledelsen bedre mulighet til å fordele undervisningsbyrden rettferdig mellom divisjonene og divisjonsledelsen mulighet til å fordele oppgavene mellom legene basert på kunnskap og erfaring. Kvantifiseringen av undervisningsaktiviteten er også nyttig i den årlige evalueringen av legene ved avdelingen. Der vurderes lønns- og andre godtgjøringskostnader opp mot hver leges produksjon målt i refusjoner, innhentede forskningsmidler og deltakelse i kliniske forskningsprosjekter. Med undervisningsplanen kan en i tillegg måle inntjente undervisningsmidler ut ifra antall oppnådde RTUs. Et annet viktig aspekt er at systemet har hevet undervisningsstatusen hvilket er viktig for en akademisk institusjon. Forfatterne mener det er viktig for legitimiteten i kollegiet at legene opplever reell medvirkning i utvikling og modifisering av undervisningsplanen. Likeledes at det etableres en faglig komité som følger og evaluerer planen. Studentene ved universitetssykehuset evaluerer årlig undervisningen. Analyser av evalueringsdata peker mot at innføringen av det nye systemet også har hevet kvaliteten på undervisningen (Luke et al., 1999) Relative research unit (RRU) Embi PJ, Tsevat L, 2012: Commentary: The Relative Research Unit: An Approach to Measuring and Encouraging Clinician Participation in Research Activities For leger i klinisk arbeid på ikke-akademiske institusjoner, for allmennpraktikere og for leger i rene kliniske stillinger ved akademiske institusjoner foreslår Embi og Tsevat å etablere et system for honorering av forskningsaktivitet basert på the relative research unit, RRU (Embi and Tsevat, 2012). Bakgrunnen for dette er føderale initiativ for å styrke klinisk- og translasjonsforskning med henblikk på å levere mer effektive helsetjenester. Føderal lovgivning som American Reinvestment and Recovery Act (2009) og Affordable Care Act (2010) legger vekt på comparative effectiveness research, CER. Dette er en samlebetegnelse for metodeforskning med vekt på blant annet beste praksis, evidensbasert medisin, kost-nytte analyser og kvalitetsforbedring av helsetjenester. Denne type forskning krever medvirkning fra leger som jobber klinisk og har nær kontakt med pasientene. De er i stor grad premissleverandører for relevante problemstillinger og står for forskningsaktiviteter som systematisk innsamling av data og rekruttering av pasienter til kliniske studier. Lønnssystemet for leger i USA er i stor grad basert på 70

79 produksjonsmål, representert ved RVUw. I en travel klinisk hverdag vil tidkrevende forskningsaktivitet kunne redusere mengden klinisk arbeid. Dette vil de facto kunne føre til tap av inntekt og representerer dermed en form for alternativ kostnad. Forfatterne hevder derfor at det trengs klare incentiver for å rekruttere leger til denne typen forskningsaktivitet. De foreslår å innføre en metode for å måle forskningsinnsats for leger i kliniske stillinger, RRU, basert på prinsippet om at denne typen aktivitet bør kompenseres tilsvarende alternativkostnaden for den tidsbruken som legges ned. Kompensasjonen kan være finansiell eller i form av andre incentiver som f.eks. kreditering i forbindelse med ansettelser og forfremmelser. En annen mulighet er kreditering for sertifisering og opprettholdelse av ulike spesialistgodkjenninger. Forfatterne innser at det må gjøres en god del arbeid for å utvikle og implementere systemet. Det må etableres metoder for å måle tid og innsats som ligger bak de ulike, aktuelle forskningsaktivitetene og det må utvikles relative, representative RRU-verdier for disse. I tillegg må en opprette en rettferdig kompensasjonsmekanisme for RRU som blant annet tar høyde for varierende alternativkostnad i de ulike medisinske spesialitetene. Forfatterne peker også på noen relevante problemstillinger ved en innføring av et RRU-system. For det første må det finnes finansieringskilder. En åpenbar kilde er helseindustrien som ønsker å utvikle tjenester, produkter eller medisiner. De er i dag en stor bidragsyter til denne typen forskning, men det er også etiske problemstillinger knyttet til denne kommersielle finansieringen. Tredjepartsbetalere, som forsikringsselskaper, er en annen kilde da disse åpenbart vil dra nytte av forskning som gir bedre og mer effektive helsetjenester. Dette gjelder også befolkningen som helhet og medfører at statlige og føderale organisasjoner vil kunne være bidragsytere (dekket over skatteseddelen). Aktuelle kilder her er National Institutes of Health, Agency for Healthcare Research and Quality, Centers for Disease Control and Prevention og Medicare/Medicaid. Gjennom The Affordable Care Act ble det opprettet et eget institutt for CER-forskning; Patient-Centered Outcomes Research Institute som vil kunne være en sentral bidragsyter. En annen problemstilling er det etiske fundamentet som må ligge til grunn for et RRU-system. Dersom betalingen for å samle data eller inkludere pasienter i studier er for høy vil det finansielle incentivet kunne bidra til forskningsmessige utvalgsskjevheter og potensielt rekruttering av pasienter uten medisinsk nytte av studiedeltakelse. Forfatterne mener en må tilstrebe en balansert tilnærming hvor en unngår interessekonflikter ved at kompensasjonen speiler den reelle alternativkostnaden. De foreslår f.eks. å endre praksis fra å få kompensasjon per studie-inkludert pasient til å få betalt for den tiden en bruker på å vurdere 71

80 egnethet for og å informere om studier til potensielle deltakere, uavhengig om de faktisk blir inkludert eller ei. Forfatterne konkluderer med at innføring av RRU vil kunne bidra til å rekruttere leger i kliniske stillinger til forskningsaktivitet og at en bred innføring av digital infrastruktur som elektronisk pasientjournal vil bidra til dette (Embi and Tsevat, 2012) Nonclinical RVU (ncrvu) Duszak R, Muroff LR, 2010: Measuring and Managing Radiologist Productivity, Part 2: Beyond the Clinical Numbers I denne artikkelen foreslår Duszak og Lawrence et prinsipielt system for å måle radiologenes ikke-klinisk aktivitet. Systemet er i utgangspunktet laget for ikke-akademiske radiologiske praksiser. De etablerer begrepet nonclinical RVU med betegnelsen ncrvu og definerer dette som summen av følgende komponenter: ncrvu = RVU A + RVU S + RVU P + RVU Q RVU A dekker arbeidsinnsats for administrasjon og ledelse. Forfatterne hevder at effektiv ledelse og styring er sentrale arbeidsoppgaver for å drive en god og suksessrik radiologisk praksis. Håndtering av finansielle, driftsmessige og strategiske behov er tidkrevende oppgaver som bør verdsettes. RVU S skal representere tid brukt til faglig rettet arbeid som styrker praksisen. Dette kan være deltakelse i nasjonale og lokale faglige fora, i komitéer og prosjektgrupper innad i praksisen, tilknyttet et lokalt sykehus eller i lokalmiljøet. Andre oppgaver kan være deltakelse på konferanser eller foredragsaktivitet. RVU P omfatter et begrep forfatterne kaller profesjonalisme. Dette inneholder aspekter basert på pasienters forventninger i møte med fagfolk i helsevesenet som evne, omgjengelighet og tilgjengelighet. I tillegg kommer fagkompetanse og personlig karakter. I tillegg til pasientene har både kolleger og ledelsen en forventning om profesjonalisme. RVU Q handler om kvalitet og sikkerhet. Dette speiler samfunnets forventning om at tid brukes til å sikre disse aspektene med ulike måleindikatorer. For den enkelte radiolog kan dette f.eks. være kvalitetsindikatorer som tid til signering (hvor lang tid det tar fra en undersøkelse er ferdig utført på laboratoriet til svaret er signert ut) 72

81 eller evne til å kommunisere kritiske funn. Deltakelse i sertifiseringsprogram som sikrer faglig oppdatering eller dekker sikkerhetsaspekter vil også kunne inngå i denne komponenten. Forfatterne mener at radiologiske praksiser som ønsker å bruke modellen selv må lage kriterier for hvordan de ulike komponentene skal verdsettes ut ifra den enkelte organisasjons prioriteringer og mål. Modellen kan også utvides for å dekke publikasjons- og undervisningsaktivitet der dette er aktuelt ved å føye til RVU P (publikasjoner) og RVU T (undervisning). Forfatterne hevder at modellen er et godt utgangspunkt for praksiser som ønsker å registrere radiologenes ikke-klinisk aktivitet. Sammen med produksjonsdata for den kliniske aktiviteten kan dette representere et skåringssystem som kan brukes til årlig evaluering av radiologenes individuelle bidrag. Der hvor bonusordninger inngår i lønnsmodellen kan systemet inngå som en del av fordelingskriteriene. Forfatterne mener videre at en viktig sideeffekt ved implementering av modellen er å synliggjøre de ikke-kliniske aktivitetene. Selve diskusjonen omkring verdsettelsen av hver komponent kan bidra til dialog omkring gruppens prioriteringer og mål. Modellen vil også synliggjøre radiologgruppens vilje til forbedringsarbeid og evaluering av legenes ytelse i et bredt perspektiv (Duszak and Muroff, 2010b). 5.4 Amerikanske og norske produksjonsdata I delkapittel 5.2 har jeg redegjort for artikler hvor studier av produksjon/arbeidsbelastning er tema. I disse presenteres tall som belyser radiologers arbeidsinnsats i ulike perspektiv. Artiklene beskriver analyser basert på ulike typer radiologiske enheter og over ulike tidsrom for å se på utviklingstrender. Felles for studiene er at data blir presentert med produksjonsindekser som antall RVUw/FTE eller antall prosedyrer/fte. En sammenstilling av numeriske funn for seks av studiene er gitt i 23. Det er tatt med tall for både akademiske og ikkeakademiske enheter hvor dette er et stratifiseringskriterium. Akademisk status er interessant da studiene viser at dette skillet er den viktigste faktoren for forskjeller i produksjon. En svakhet ved sammenstillingen er at de ulike studiene ikke har samme definisjon på FTE. Dette diskuteres nærmere i delkapittel 6.2, Produksjonsanalyser. De to viktigste funnene ved denne sammenstillingen er for det første at det har vært en betydelig økning i klinisk produksjon for radiologene i perioden fra til Tallene fra Bhargavan et al. viser at for alle typer radiologiske enheter økte gjennomsnittlig årlig produksjon målt i antall 73

82 Forfatter År for data Antall prosedyrer per FTE Antall RVUw per FTE Type radiologisk enhet Conoley et al., * Multispesialitet, P Sunshine et al., Diverse, A Diverse, NA Arenson & Lu, Sykehusavd., A Sykehusavd., A Lu & Arenson, Sykehusavd., A Lu et al., Sykehusavd., A Bhargavan et al., Diverse, A, NA Diverse, A, NA Diverse, A, NA Diverse, A, NA Diverse, A, NA Diverse, A Diverse, P Multispesialitet, P Sykehus, A, NA Tabell 23: Sammenstilling av gjennomsnittlige produksjonstall for radiologer fra ulike studier. Kolonne 2 viser hvilket årstall data er innhentet. Kolonne 5 viser hva slags radiologiske enheter som er inkludert i studien (Multispesialitet betyr et medisinsk senter med ulike fagområder som f.eks øre/nese/hals og nevrologi i tillegg til radiologi, Diverse betyr et bredt spekter av praksistyper, P = private enheter, A = akademiske enheter, NA = ikke-akademiske enheter) * omregnet tall tatt fra artikkelen til Sunshine et al. siden Conoley brukte RVU-verdier fra et tidligere system som ble revidert før implementering av RBRVS i RVU/FTE fra til ; en økning på 52%. For det andre viser studiene at produksjonen ved ikke-akademiske enheter er vesentlig større enn ved akademiske. Hos Sunshine et al. er gjennomsnittlig årlig produksjon i for ikke-akademiske enheter RVU/FTE versus for akademiske; dvs. en forskjell 49%. Bhargavan et al. fant for at tallene for private ikke-akademiske og akademiske sentre var henholdsvis og prosedyrer/fte. Her er forskjellen på hele 67%. Så langt jeg har funnet ut eksisterer det ikke publisert materiale som sammenligner produksjonsdata fra norske sykehus. Jeg har imidlertid fått tilgang til Eldeviks upubliserte rapport Sammenligning av Røntgenavdelingen, UNN med syv utvalgte røntgenavdelinger 74

83 som er resultatet av hans overlegepermisjonsprosjekt utført i (Eldevik, 2013). Han besøkte 5 norske sykehus i og 2 amerikanske hvor han intervjuet medisinsk og administrativt personale og hentet ut produksjonsdata fra de lokale databasene. De norske dataene er basert på undersøkelseskoder, dvs. i praksis telling av antall prosedyrer. Han har ikke tatt med de amerikanske dataene fra to universitetssykehus i USA i sine tabeller, men oppgir at produksjonskravet per år for begge steder er ca RVU per overlege (tall for antall prosedyrer oppgir han ikke). For de store norske avdelingene som har egne seksjoner for intervensjonsradiologi, mammografi- og nukleærmedisinske undersøkelser er data ikke tatt med. Eldevik innhentet også informasjon om antall medarbeidere som var tilstede på de ulike avdelingene i produksjonsperioden, dvs. året Tallene representerer ikke antall hjemler eller budsjetterte stillinger, men det antallet som faktisk var tilstede størstedelen av året, skjønnsmessig korrigert for sykefravær og permisjon. I tabell 24 har han regnet ut produksjonen per tilstedeværende radiolog ved avdelingene. Han uthever som et viktig funn at produksjonen per overlege ved de små sykehusene i flere tilfelle er langt høyere enn ved Tabell 24: Produksjonstall per tilstedeværende overlege for seks norske radiologiske avdelinger. *) Alle MRundersøkelser som blir utført i Lofoten og Vesterålen overføres til Bodø og beskrives og signeres der. 75

84 universitetsavdelingen i regionen, eksempelvis Harstad vs Tromsø og Volda vs St. Olav. I beregningene er det ikke tatt høyde for radiologoppgaver som ikke bidrar i produksjonen som f. eks. multi-disiplinære møter, undervisning, forskning og annen type møtevirksomhet. Han påpeker at dette utgjør en reell faktor, men hevder at det ikke er noen grunn til å tro at det er forskjeller i tidsbruken for disse oppgavene mellom tilsvarende avdelinger, eksempelvis universitetsavdelingene. Han påpeker at tallene for universitets-avdelingene i Tromsø, Trondheim og Stavanger er av samme størrelsesorden, mens Bergen skiller seg ut med noe lavere produksjonstall per overlege. Han mener dette sannsynligvis skyldes feilaktig oppgitt for lavt tall for Rtg for Bergen da det ikke er noen åpenbar grunn til at Haukeland skulle gjøre vesentlig færre undersøkelser i denne kategorien sammenlignet med de andre. Dersom en sammenligner tallene for gjennomsnittlig antall undersøkelser per år per FTE radiolog fra USA (året ) og Norge (for 2011) finner en at for akademiske avdelinger så er tallet for USA er undersøkelser/fte og snittet for UNN, St. Olav og SUS er undersøkelser/tilstedeværende radiolog (Bergen holdes utenfor grunnet den sannsynlige feilkilden). Radiologer ved akademiske sentre i USA produserer altså i snitt ca. 14% undersøkelser i enn norske gjorde i Gitt den økningen i produksjon som tabellen med de amerikanske dataene viser over en 10-årsperiode er det grunn til å tro at forskjellen ville vært større om en hadde hatt tilgang til amerikanske data for Det er imidlertid en rekke mulige feilkilder som en må ta i betraktning ved denne sammenligningen. En viktig feilkilde er de forskjeller som kan ligge mellom begrepet FTE i den amerikanske litteraturen og begrepet tilstedeværende radiolog som Eldevik bruker. Det kan være store forskjeller mellom USA og Norge både for arbeidstid per uke og for den andelen av arbeidstiden som brukes til andre oppgaver enn klinisk radiologisk produksjon. En annen feilkilde er mulige ulikheter i undersøkelsesspekteret der fordelingen mellom enkle og raske konvensjonelle røntgenundersøkelser og mer avanserte og tidkrevende CT- og MRundersøkelser vil kunne spille inn. I tillegg er tall for intervensjonsradiologi, mammografi og nukleærmedisinske undersøkelser inkludert i de amerikanske studiene og disse har Eldevik valgt å utelate for de store norske avdelingene. Dette vil naturlig nok trekke ned produksjonsgjennomsnittet for norske radiologer ved universitetsavdelingene. For øvrig er det et interessant fellestrekk for USA og Norge at mindre, ikkeakademiske radiologiske enheter har langt høyere gjennomsnittsproduksjon per lege enn de akademiske. Dette kan vel anses å speile at radiologi er et internasjonalt fagfelt hvor kliniske arbeidsoppgaver, undervisning, forskning og fagutvikling er relativt like i utviklede land tross forskjeller i kultur og organisering. 76

85 6 Analyse og resultater I dette kapittelet vil jeg svare på de tre spørsmålene som ble reist i innledningen. Jeg vil diskutere og analysere relevante funn fra litteraturen og i sum vil dette besvare oppgavens problemstilling. Først går jeg gjennom den valgte kategoriseringen av litteraturgrunnlaget og bakgrunnen for denne. Deretter vil jeg presentere hvilke arbeidsfelter innen radiologi som dekkes av RVU-systemene i artiklene. Videre redegjør jeg for hvilke type RVU-baserte data jeg oppfatter som sentrale og diskuterer styrker og svakheter. Jeg gir en oppsummering og vurdering av de erfaringene litteraturen gir om anvendelsen av RVU-dataene som styringsverktøy. Det mest sentrale verktøyet er produksjonsstatistikk og bruken av RVUs i denne sammenheng diskuteres spesielt med henblikk på anvendelsesområdet benchmarking og dette igjen relateres til prinsipal-agent teorien. Videre vil jeg også drøfte mulige vridningseffekter som kan oppstå ved bruk av RVU-basert styringsverktøy i en radiologisk enhet. 6.1 Oppsummering av litteraturgrunnlag Ved gjennomgang av litteraturgrunnlaget for oppgaven ble det tydelig at artiklene hadde ulike perspektiv på RVU-systemene og anvendelsen av disse. Jeg valgte å dele publikasjonene inn i tre ulike kategorier der de mest sentrale artiklene er gjennomgått i kapittel Første kategori omfatter artikler som har en teoretisk innfallsvinkel til RVUs fra Medicares føderale RBRVS. En del artikler beskriver selve systemet med dets historikk, implementering og oppdatering. Disse ligger til grunn for fremstillingen av RVU og RBRVS i kapittel 2. Den litteraturen jeg har lagt mest vekt på i denne kategorien er fire teoretiske artikler som er ment å fungere som en guide for administrasjon og ledelse av medisinske praksiser. Den første gir en oversikt over RVUs, RBRVS og mulige anvendelsesområder for data generert fra RVUs. De tre andre gir praktisk veiledning for å etablere indekser og bruke RVU-genererte data for henholdsvis kostnadsanalyser, produksjonsanalyser og benchmarking. I tillegg har jeg tatt med én nettavisartikkel som omhandler bruk av RVU-data for kontraktsforhandlinger med tredjepartsbetalere i det amerikanske helsevesenet og for lønnsforhandlinger med leger. 77

86 2. Andre kategori er artikler som omhandler faktiske studier av klinisk radiologisk produksjon, dvs. utføring og tolkning av bildediagnostiske og intervensjonsradiologiske undersøkelser. Her er RVUw fra RBRVS en sentral parameter for datagrunnlaget. Jeg har gjennomgått syv artikler som ser på årsproduksjon for ulike typer radiologiske enheter som f.eks. multispesialitets-sentre, private sentre, offentlige og private sykehusavdelinger, akademiske og ikkeakademiske institusjoner. Fire av artiklene presenterer også utviklingstrender over tid. I tillegg har jeg sett på to artikler som omhandler sammenhengen mellom klinisk produksjon og henholdsvis undervisning og akademisk aktivitet. 3. Siste litteraturkategori inneholder publikasjoner som beskriver alternative RVUsystemer som kan kvantifisere og verdsette legers ikke-kliniske arbeidsoppgaver. For radiologer vil dette være alle de oppgavene som ikke er direkte knyttet opp mot bildetolkning og utførelse av prosedyrer. Det finnes ikke noe felles føderalt RVUsystem for dette i USA. I denne kategorien har jeg valgt å ta med fire artikler. To av disse presenterer reelle, implementerte RVU-lignende systemer ved to forskjellige akademiske sykehus. De to siste presenterer teoretiske modeller: én generell for å dekke ikke-kliniske arbeidsoppgaver og kvalitetsperspektiver og én som mer spesifikt dekker forskningsinnsats utført av leger i kliniske, ikke-akademiske stillinger. 6.2 Funn fra litteraturen: arbeidsfelt, RVU-data og anvendelsesområder Arbeidsfelt som dekkes av RVUs Som det fremkommer av litteraturkategoriseringen er det to definerte arbeidsfelt som dekkes av RVUs i radiologi. RVUs fra RBRVS dekker utførelsen og tolkningen av diagnostiske bildeundersøkelser og intervensjonsradiologiske prosedyrer, dvs. arbeidsfeltet som en kan kalle klinisk produksjon. Alle artiklene i kategori 2 er relatert til dette området. RVUs fra de alternative RVU-systemene som beskrives i artiklene i kategori 3 skal dekke øvrige arbeidsoppgaver, dvs. de ikke-kliniske. For de fleste radiologer er det ikke et skarpt skille mellom disse arbeidsfeltene. En arbeidsdag består som regel av en blanding, litt avhengig av hva slags type enhet en jobber ved og hva en har som definerte oppgaver i arbeidskontrakten. Arbeidsdagen består av ulike økter for tolkning av undersøkelser, undervisning, demonstrasjoner av ulike typer undersøkelser, multi-disiplinære møter og møter av 78

87 administrativ art. Enkelte har avsatt tid til spesifikke ikke-kliniske oppgaver, men dette er vanligst for leder- eller forskerstillinger Typer RVU-data Når det gjelder RVU-data er det tre typer som presenteres i litteraturen. Fra RVUs i RBRVS utledes det to datagrupper, kostnadsindekser og produksjonsindekser, som brukes til statistikk og analyser. Fra de alternative RVU-systemene, som f.eks. akademiske RVUs eller RTUs (relative teaching units), får en institusjonsspesifikke data som dekker ikke-kliniske arbeidsoppgaver. Disse vil være avhengige av det utvalget av parametere institusjonen legger inn i sitt spesifikke RVU-system og den vektingen de får. Kostnadsindekser Det finnes noen publiserte studier fra tidlig på 2000-tallet hvor kostnadsindekser basert på RVUs inngår i datagrunnlaget. Sunshine et al. publiserte en artikkel i 2001 hvor de så på praksiskostnader for radiologiske enheter. De brukte kostnader/relevante RVU (f.eks. tekniske kostnader per technical component RVU og lønnskostnader leger per professional component RVU) som indekser (Sunshine et al., 2001). Saini et al. så på tekniske kostnader for ulike radiologiske modaliteter. Disse ble uttrykt som dollar/technical component RVU for hver modalitet (Saini et al., 2000). Nyere artikler har jeg ikke funnet via den valgte søkestrategien og grunnen kan kanskje være, som også Sunshine påpeker som en svakhet ved sin studie, at en del RVU-verdier endres ved revisjon av systemet og da blir f.eks. sammenligninger av kostnadsanalyser basert på forskjellige versjoner av RBRVS mindre relevante. Nytteverdien ligger først og fremst i finansielle forhold for å sikre økonomisk gevinst ved tjenestespekteret (at prosedyrene svarer seg), ved kontraktsforhandlinger om tjenestetilbud med tredjepartsbetalere og som del av beslutningsgrunnlaget ved lønnsforhandlinger med legene. Produksjonsindekser De aller fleste av artiklene i litteraturgrunnlaget som presenterer reelle studier omhandler produksjonsanalyser. Her er indekser basert på RVUs sentrale data for statistikken. Kodesystemet i USA gir i prinsippet to alternativer for å generere radiologisk produksjonsstatistikk. Den ene er å benytte prosedyrekodene fra CPT, summere frekvensen av kodene og få en totalsum for antall prosedyrer for en gitt tidsperiode. Det andre er å 79

88 summere genererte RVUs, enten totale RVU eller brutt ned på de ulike komponentene, vanligvis RVUw. Begge alternativer kan benyttes for produksjonsindekser for en avdeling som helhet, for interne fagenheter i en større avdeling eller for individuelle leger. Conoley og Vernon, Lu og Arenson og Bhargavan et al. bruker alle både prosedyrer og RVUw som parametere i sine analyser uten å reflektere nærmere over forskjellen på disse. Sunshine og Burkhardt derimot hadde blant annet som formål for sin studie å finne ut om det var mindre variabilitet for produksjon uttrykt med RVUw enn med antall prosedyrer. De antok at så var tilfelle, men resultatet av analysene viste ingen forskjell i variabiliteten (Sunshine and Burkhardt, 2000). Ved tolkning og bruk av produksjonsstatistikk er det viktig å være klar over fordeler og ulemper ved begge alternativene. En fordel ved prosedyrebasert statistikk at det er enkelt å bryte den ned på modalitet eller undersøkelsestype og få data for f.eks. antall CT-undersøkelser per måned eller antall MR caput per uke. Svakheten for denne metoden ligger i mangel på differensiering mellom kompliserte og enkle undersøkelser. Dersom en overordnet teller antall undersøkelser i en radiologisk enhet blir alle like mye verdt i statistikken, uavhengig av undersøkelsens kompleksitet. En enkel røntgenundersøkelse av skjelett, f.eks. overarm teller her like mye som en komplisert CT undersøkelse av hals, thorax, abdomen og bekken (som kodes med én samlekode). En annen ulempe som følger av dette er at enheter med ulike undersøkelsesspektra vanskelig kan sammenlignes med prosedyrebasert statistikk. En ortopedisk radiologisk enhet med fire radiologer kan produsere flere hundre undersøkelser per dag, mens en intervensjonsradiologisk enhet med samme antall leger kan, avhengig av kompleksiteten, utføre rundt tyve prosedyrer. Fordelen med RVU-basert statistikk er den direkte sammenhengen mellom ressursinnsatsen og RVU-verdiene. Den skal med andre ord gi et mer reelt bilde av arbeidsinnsatsen som ligger bak tallene for produksjon enn prosedyrebasert statistikk. I prinsippet skal to helt forskjellige prosedyrer med samme RVUw-verdi, utført av to ulike leger speile samme arbeidsinnsats og således telle like mye i statistikken. På den annen side skal to forskjellige undersøkelser hvor den ene krever dobbelt så stor arbeidsinnsats, målt som sum av bl.a. tid, mental innsats, tekniske ferdigheter telle ulikt, dvs. den ene skal telle dobbelt så mye som den andre. RVUs kompenserer altså for ulik kompleksitet mellom undersøkelser. Dette løser problemet med ulikt undersøkelsesspekter når produksjonsstatistikken brukes til sammenligningsformål. Duszak og Muroff skriver i en oversiktsartikkel om kliniske måleindikatorer og benchmarking at RVUw er anerkjent av de fleste eksperter som den beste enkeltstående måleenheten for klinisk produktivitet (Duszak and Muroff, 80

89 2010a). Med enkeltstående mener de her at aktiviteten kan måles med én enhet som gir én representativ verdi. Dette i motsetning til prosedyrebasert statistikk som må brytes ned på flere faktorer (som eksempelvis modaliteter) for å gi tilstrekkelig mening. Den vanligste produksjonsindeksen er RVUw per FTE (full time equivalent). Alle forfatterne fra delkapittel 5.2 som er presentert i tabell 23 bruker dette begrepet bortsett fra Conoley og Vernon som benytter en tilgjengelighetsindeks som i praksis tilsvarer FTE. Som tidligere beskrevet skal i prinsippet én FTE representere én leges arbeidsinnsats i full stilling kun dedikert til klinisk radiologisk produksjon. Den viktigste variabelen for FTE er radiologenes arbeidsplaner. Disse definerer ukentlig arbeidstid og for å beregne FTE må da alle ikke-kliniske oppgaver trekkes fra. I tillegg må fravær av ulike årsaker, f. eks. ferie, permisjon og sykefravær tas med i betraktning. Det finnes ingen føderal definisjon i USA på hvor mange timer i uken eller per dag en 100% stilling eller én FTE skal representere. Forfatterne i litteraturgjennomgangen som har gjort produksjonsanalyser har alle ulike beregningsmodeller for begrepet. At det er vesentlig forskjell i arbeidstid mellom radiologer viser Sunshine og Lewis i en artikkel om arbeidstid og ferie for radiologer i USA. De fant at i 2007 jobbet radiologene i nedre 25% percentil 45 timer i uken, men tallet for 75% percentilen var 55 (Sunshine and Lewis, 2009). Det er et par eksempler i litteraturen på forfattere som har alternative produksjonsindekser for å redusere FTE-problemet. Monaghan og medarbeidere som analyserte radiologenes kliniske produksjon ved seks private sentre i California innførte måleenheten gjennomsnittlig RVUw per klinisk arbeidsdag for hver radiolog (RVUw/day) (Monaghan et al., 2006). Davis brukte indeksen gjennomsnittlig RVUw per klinisk arbeidsdag per tjeneste for hver radiolog (RVUw/day/service). Tjeneste var her definert som tildelt arbeidsområde for en dag. Arbeidsområdene var delt opp etter modaliteter, lokalisasjon (arbeid ved en satelitt-enhet, dvs. en annen lokalisasjon som en måtte reise til) og vaktarbeid (helger og offentlige fridager) (Davis, 2001). Begge disse alternative produksjonsindeksene reflekterer en ytterligere differensiering av produksjonsstatistikken. Fordelen er at de gir tall som reduserer iboende feilkilder for FTE-baserte enheter, mens ulempen er at indeksene krever mer detaljerte metoder for datainnhenting. Duszak og Muroff hevder at det må tas to viktige forbehold vedrørende bruk av RVUw som måleenhet for produksjon. Det viktigste er at den kun måler klinisk aktivitet og at alle andre oppgaver som forskning, undervisning og administrasjon faller utenom. RVUw sier heller ikke noe om kvaliteten på de radiologiske tjenestene eller radiologenes profesjonalisme. Det andre forbeholdet dreier seg om utviklingen og oppdateringen av 81

90 RVUw-verdiene. RVUw er en del av RBRVS som blir evaluert av CMS hvert 5. år (se underkapittel , Vedlikehold og oppdatering). Her kan RVU-verdier bli endret. Evalueringen er til dels en politisk prosess hvor ulike interesser står mot hverandre. Kravet fra kongressen om budsjettnøytralitet medfører at dersom noen får gjennomslag for at RVU for en prosedyre skal økes, må dette dekkes inn ved å redusere RVUs for andre. Dette har medført verdifastsettelse som ikke nødvendigvis speiler reelle endringer i ressursinnsatsen. Resultatet er at mange prosedyrer oppfattes til å være over- eller undervurdert (Duszak and Muroff, 2010a). Problemet med over- og undervurdering ble tidlig erkjent etter at RBRVS ble innført i Moorefield og medarbeidere påpeker i sin artikkel fra 1993 om utvikling og implikasjoner av systemet at metoden som ble brukt for å bestemme RVUw har iboende metodologiske problemer som gir over- og undervurdering (se beskrivelsen av metoden magnitude estimation, oversatt til omfangskartlegging i underkapittel 2.5.3, Utvikling og oppbygging av RVS for radiologi). De kaller dette compression og dette bunner i at det er lettere å evaluere prosedyrer som er relativt like for ressursbruk. Det vil si at det er lettere å estimere tidsbruk for enklere undersøkelser som tar halvannen eller dobbelt så lang tid som referansen enn for kompliserte som tar ganger så lang tid. Dette medfører overvurdering av enklere undersøkelser og undervurdering av komplekse (Moorefield et al., 1993). En annen ulempe ved bruk av RVUw-baserte produksjonsdata er den relativt langsomme, ressurskrevende prosessen med å få godkjente verdier for nye prosedyrer eller teknikker (Ding et al., 2009). Dette er en omstendelig prosess hvor først en ny CPT-kode skal godkjennes og så skal det i ettertid beregnes verdier for de ulike komponentene av RVU. Problemstillingen er først og fremst aktuell for produksjonsstatistikk ved akademiske institusjoner som driver med forskning og fagutvikling. Det er et siste aspekt ved produksjonsanalyser som er verdt å nevne. Verken prosedyre- eller RVUw-basert statistikk viser forskjeller i ressursinnsats for en enkeltstående prosedyre. Prosedyrekoden forteller entydig hvilken type undersøkelse som er utført, f.eks. MR lever eller CT bekken, og hver av disse har fått tildelt RVU-verdier som representerer gjennomsnittlig ressursinnsats. Ingen av disse sier noe om de til dels betydelige forskjeller som kan foreligge i ressursinnsatsen for å komme frem til resultatet. Med resultatet mener jeg her en ferdig beskrevet undersøkelse hvor svaret er sendt til elektronisk journal og kommunisert til henvisende lege. Et eksempel kan være MR av hodet (MR caput). MR er en teknikk med mange ulike sekvenser for bildeopptak som gir forskjellig type informasjon. 82

91 Antall og type sekvenser velges ut ifra hvilken problemstilling henvisende lege ønsker å få avklart. En undersøkelse kan inneholde alt fra 3-4 sekvenser til Tid brukt i MRmaskinen kan variere fra 15 til 45 minutter. Noen undersøkelser kan sendes rett i PACS for tolkning av radiologen, mens andre trenger bearbeidelse (postprosessering) med avansert programvare før de er klare. Tiden radiologen bruker for tolkning varierer. En enkel undersøkelse med få sekvenser og uten sykdomsfunn kan ta 5 minutter. Kompliserte undersøkelser med vanskelig tolkbar sykdom, som krever sammenligning med flere tidligere undersøkelser, kan ta 45 minutter eller mer. I tillegg har radiologiske avdelinger rutiner for kvalitetssikring som medfører varierende grad av kontrasignering. Dette betyr at etter at første radiolog har tolket undersøkelsen og signert sitt svar så vurderes undersøkelsen pånytt av en annen radiolog som gir endelig signatur før svaret sendes ut. Hvorvidt en undersøkelse skal kontrasigneres eller ei får stor betydning for ressursinnsatsen. Alle MR-caput innenfor dette spekteret av teknisk og personalmessig ressursinnsats får i prinsippet samme RVUw og teller like mye i statistikken. Denne variasjonen i ressursbruk er et aktuelt problem for all avansert bildediagnostikk med modalitetene UL, CT og MR. Problemet forsterkes av både teknologisk utvikling med raskere utstyr, nye undersøkelsesteknikker innenfor modalitetene samt av generell økning i bruken av avansert bildediagnostikk. Dette er lite omtalt i litteraturen, men Duszak og Muroff nevner det så vidt i sin artikkel om kliniske måleenheter og benchmarking (Duszak and Muroff, 2010a). Det finnes per i dag ingen måleenhet for produksjonsstatistikk i radiologi som løser dette problemet. I sum mener jeg det er rimelig å konkludere med at de fleste forfatterne aksepterer at indekser basert på RVUw er den beste tilgjengelige, enkeltstående måleenhet for klinisk produksjonsstatistikk, men at den må brukes med forsiktighet og forstand grunnet sine begrensninger. Den reflekterer verken legenes ikke-kliniske arbeidsoppgaver eller kvalitetsaspekter ved tjenestene eller den enkelte radiolog. Tross RVUs egnethet er det likevel utstrakt samtidig bruk av prosedyrebasert produksjonsstatistikk, og til en viss grad utfyller også de to måleenhetene hverandre. RVU-indekser speiler total ressursinnsats uavhengig av undersøkelsesspekter og kompenserer for kompleksitetsforskjeller, mens prosedyredata kan brytes ned på modaliteter og gi nyttig informasjon om kapasitetsutnyttelse for laboratorier og investeringsbehov. RVU-data for ikke-kliniske arbeidsoppgaver Eksempler på eksisterende systemer for dette er akademiske RVUs (arvu) (Mezrich and Nagy, 2007) og relative teaching units (RTUs) (Luke et al., 1999) som det er redegjort for i 83

92 detalj i underkapittel 5.3. Disse setter RVU-verdier for ulike aspekter ved akademiske og undervisningsrelaterte aktiviteter. Systemene ble etablert for å få bedre styring med denne aktiviteten, for ressursfordelingsformål, for å synliggjøre aktivitetene samt for å heve deres status. Duszak og Muroff tar prinsippet et steg videre og har foreslått et system for nonclinical RVUs (ncrvu) som omfatter aspekter som administrasjon og ledelse, fagrettet arbeid, legenes profesjonalitet samt kvalitetsarbeid (Duszak and Muroff, 2010b). Det er et vesentlig poeng at disse systemene utvikles ved de enhetene de skal brukes. De skal reflektere enhetenes mål og prioriteringer for ikke-klinisk aktivitet. Både systemet som sådan, verdsettelsen av de ulike parameterne og bruken av de data som genereres bør forankres hos de som skal måles for å sikre legitimitet Anvendelsesområder for RVU-data I den gjennomgåtte litteraturen er data både for klinisk produksjon og ikke-kliniske arbeidsoppgaver brukt som mål på aktivitet. Det er tre anvendelsesområder som peker seg ut: 4. Oversikt over løpende utvikling hvor en måler opp mot seg selv. 5. Trender over tid. 6. Benchmarking på ulike nivå. Første område er viktig enhets og avdelingsnivå for å avstemme mot prognoser eller budsjett og gir mulighet for korrigerende tiltak dersom det oppstår avvik. Det andre området er viktig Nivå/arbeidsfelt Klinisk aktivitet Ikke-klinisk aktivitet Individuelle radiologer X (Davis, 2001) X (Mezrich and Nagy, 2007) Fagenheter internt i en avdeling X (Arenson et al., 2001b, Lu and Arenson, 2005, X (Luke et al., 1999) Avdelinger ved ulike institusjoner X Lu et al., 2008) (Conoley and Vernon, 1991, Arenson et al., 2001b, Lu and Arenson, 2005, Lu et al., 2008, Bhargavan et al., 2009, Sunshine and Burkhardt, 2000) Tabell 25: Oversikt over nivå og arbeidsfelt for benchmarking presentert i artiklene i kapittel 5. 84

93 for behovsanalyser og strategiske beslutninger om bemanningsnivå, utstyrsinvesteringer og fordeling av ressurser til ikke-kliniske arbeidsoppgaver som undervisning, forskning, faglig oppdatering osv. Benchmarking er et virkemiddel for motivasjon og forbedringsarbeid for å nå en ønsket standard. Dette kan gjøres på ulike nivå innen radiologi og dette speiles av hva artiklene i delkapittel 5.2 og 5.3 presenterer. En oversikt over hvilke nivå og for hvilke arbeidsfelt artiklene dekker for benchmarking er gitt i tabell 25. Tidstråd Gjennomgangen av litteraturgrunnlaget for denne oppgaven førte til identifiseringen av et mønster når det gjelder utviklingen over tid for bruk av RVUs som mål på aktivitet. Etter at RBRVS ble innført i 1992 ble det utviklet kostnads- og produksjonsindekser basert på RVUs til bruk som styringsverktøy for medisinske institusjoner generelt og radiologi spesielt. Det ble publisert en rekke studier utover 90- og 2000-tallet, først og fremst med produksjonsanalyser for klinisk aktivitet, som igjen dannet grunnlag for benchmarking på ulike nivå. Dette førte til mye fokus på klinisk produksjon, både på grunn av de forventninger benchmarking genererte, et økende behov for radiologiske tjenester og finansielle forhold grunnet reduserte refusjoner fra RBRVS. Dette økte risikoen for ugunstige vridningseffekter hvor ikke-kliniske arbeidsoppgaver kunne bli satt under press. Over tid kan dette representere en fare for rekruttering, for fagets utvikling og for kvaliteten på de radiologiske tjenestene. Erkjennelsen av disse effektene resulterte i forslag om implementering av alternative RVUsystemer som i første omgang skulle inkludere undervisning og forskning. I tråd med økt politisk fokus på kvalitet og pasientsikkerhet i helsetjenesten ble systemene senere foreslått utvidet med parametere som også dekket disse aspektene Refleksjoner om benchmarking for klinisk produksjon Det er flere mål som kan ligge til grunn for benchmarking på individuelt nivå. Dersom lønnsmodellen for radiologer er avhengig av produksjonen av radiologiske tjenester så vil måling kunne være utgangspunktet for fordeling av bonus og prestasjonsbasert avlønning. Ledelsen kan også ha som mål å følge utviklingen for de enkelte medarbeiderne for ressursallokering internt i avdelingen (radiolog A utfører x antall flere CT-undersøkelser per dag enn radiolog B) eller identifisere individuelle forbedringsområder for medarbeideroppfølging. Det kan være et mål å identifisere såkalte outliers, som 85

94 representerer radiologer som enten har svært lav produksjon og under-presterer i forhold til forventet nivå eller motsatt med svært høy produksjon som kan representere et kvalitetsproblem. Hvordan man bruker produksjonsstatistikken har konsekvenser for effekten. Duszak og Muroff trekker frem en teori kalt Hawthorne-effekten som beskriver det fenomenet at individuelle arbeidere øker sin produktivitet bare ved å vite at de blir målt. Ledelsen kan altså informere de ansatte om at målinger gjøres, men ikke nødvendigvis velge å bruke eller offentliggjøre disse. Forfatterne referer til en publikumsundersøkelse ved et nasjonalt symposium for Economics of Diagnostic Imaging som viser at 27% av radiologiske praksiser i USA måler produksjonen, men uten å bruke dataene og således bevisst eller ubevisst kan dra fordel av Hawthorne-effekten (Duszak and Muroff, 2010b). En annen fremgangsmåte for ledelsen er å offentliggjøre individuell produksjonsstatistikk, men å anonymisere den enkelte radiolog slik at hver og en kun får vite hvem man selv er i en slik presentasjon. Et eksempel på en slik offentliggjøring er gitt i tabell 26. En slik tilnærming gir hver radiolog en mulighet Tabell 26: Produksjonsstatistikk for individuelle radiologer ved et amerikansk radiologisk senter med 5 fagenheter. Vertikale akse gir gjennomsnittlig generert RVUw per dag for en periode på 2 år. Individuelle radiologer er plottet på horisontale akse. Fagområdene er: Body = brystkasse-, mage- og tarm-radiologi, IR = intervensjonsradiologi, Mammo = brystdiagnostikk, Neuro = nevroradiologi, NM = nukleærmedisin (Duszak and Muroff, 2010a). til å sammenligne seg selv med kolleger i samme fagenhet. Målet for ledelsen er å påvirke adferd ved at radiologer som presterer lavt får innsyn i dette og får mulighet til å forbedre seg. Motsatt kan radiologer som produserer langt mer enn sine kolleger erkjenne at de 86

95 kanskje bør ta seg bedre tid med undersøkelsene. I så måte har denne fremgangsmåten en kalibreringseffekt. Brukt over tid vil også denne metoden gi innsyn i den enkelte radiologs historiske utvikling med mulighet for både ledelsen og radiologen selv til å evaluere ytelsen. En alternativ fremgangsmåte er full offentliggjøring av produksjonsdata hvor alle radiologene får innsyn i hverandres ytelse. Dette gir transparens og kan være nyttig i avdelinger med prestasjonsbasert lønn. Kalibreringseffekten vil også gjøre seg gjeldende her. Imidlertid er det i en slik situasjon fare for uønskede vridningseffekter. Disse kan også gjøre seg gjeldende ved anonymiserte data, men vanligvis i mindre grad. Vridningseffekter omtales i delkapittel 6.4. For benchmarking mellom ulike radiologiske avdelinger/praksiser vil jeg som viktig poeng trekke frem Bhargavan og medarbeideres funn av spredning i produksjonstall. I alle de største gruppene av praksistyper med ellers like karakteristika så utførte radiologene i 75% percentilen (den andelen av praksiser som produserte mest) i gjennomsnitt 65% flere undersøkelser enn radiologene i 25% percentilen (andelen som produserte minst). Dette gjaldt både for primært akademiske praksiser og ulike typer private praksiser. Radiologene i 75% percentilen jobbet riktignok 22% mer enn radiologene i 25% percentilen, men dette forklarer bare en mindre del av denne forskjellen (Bhargavan et al., 2009). Sunshine og Burkhardt fant også tilsvarende forskjell på minst 65% mellom 75% og 25% percentilen for omtrent halvparten av de radiologgruppene de i sitt materiale (Sunshine and Burkhardt, 2000). Denne spredningen har medført at begge forfattergrupper advarer mot å bruke de gjennomsnittlige tallene de presenterer for årlig produksjon som en føderal norm. Jeg mener det er rimelig å si at anvendelsen av RVUw-basert produksjonsstatistikk for benchmarkingsformål kan være nyttig for kalibrering av ytelse innen en avdeling og for ledelsens individuelle oppfølging av den enkelte radiolog. Det er likevel viktig å være varsom siden det er flere fallgruver for statistikken knyttet til fordeling av kliniske arbeidsoppgaver, forskjeller i arbeidstid og ikke minst andel ikke-kliniske arbeidsoppgaver. For individuell benchmarking er det viktig å forankre praksisen hos dem som skal måles, her vil det si radiologene. Skal man få aksept for metodikken er det nødvendig å bli enig om hva som skal måles og hvordan statistikken skal brukes. For å dekke et totalbilde av aktiviteten er det god grunn for akademiske avdelinger til å implementere en variant av alternative RVU-systemer tilpasset den enkelte avdelings prioriteringer og mål. I disse avdelingene er andelen av ikkeklinisk aktivitet stor. Jeg mener det vil være lettere å få aksept fra et kollegium for individuell benchmarking dersom denne dekker hele spekteret av arbeidsoppgaver, og ikke bare klinisk produksjon, særlig hvis radiologene selv får delta i utarbeidelsen av systemene. 87

96 Det er dessuten viktig å erkjenne at produksjonsstatistikk basert på RVUw verken sier noe om kvaliteten på de radiologiske tjenestene som leveres eller relevansen (dvs. konsekvenser for pasientens sykdomstilstand). Et komplett evalueringssystem bør derfor også inneholde indikatorer for kvalitet. Relevansen kan være vanskelig å måle for radiologi isolert da bildediagnostikken inngår som en del av en kjede hvor ulike typer beslutninger og behandlingsvalg i sum virker inn på det endelige resultatet (outcome) for pasienten. En kan dog tenke seg utvikling av indikatorer hvor kliniske kolleger vurderer de radiologiske tjenestene som leveres. Ellers vil deltakelse i tverrfaglige kliniske studier bidra til kunnskap om radiologiens relevans. For benchmarking mellom ulike radiologiske enheter (ulike institusjoner) taler både funnene hos Bhargavan og medarbeidere og Sunshine og Burkhardt for at dette er vanskelig og at verdien er begrenset. Bortsett fra noe lengre arbeidstid hos de mest produktive enhetene har de ikke funnet årsaken til den store spredningen på 65% i årlig produksjon mellom ellers like praksiser/avdelinger. Man kan spekulere i om dette skyldes forskjeller i datamaterialet for f.eks. FTE, om ulike arbeidskultur spiller inn eller om tilgangen på og om kunnskap om anvendelsen av IT-verktøy er forskjellig. 6.3 Produksjonsmålinger og effektivitetsaspekter relatert til PA-teori Effektivitet tolkes på flere ulike måter i litteraturen. I mange tilfeller defineres effektivitet og produktivitet likt og da gjerne som forholdet mellom verdiskapning og ressursbruk (effektivitet = verdiskapning/ressursbruk). Hva som er verdiskapning er ikke alltid helt åpenbart og det kan ikke alltid måles. Dette er problemstillinger som er aktuelle innen fagfeltet radiologi. Hva er verdien av en radiologisk undersøkelse? I utgangspunktet skal den svare på en problemstilling om sykdom hos en pasient fra en klinisk kollega. Har pasienten kreft? Hvordan er utbredelsen av svulsten? For pasienten er den fremste verdien eller målet i ytterste konsekvens å bli frisk. Å vurdere radiologisvarets verdi i den sammenheng er svært komplisert da dette inngår som en del av en kjede av prosesser hvor sluttresultatet er avhengig av kvaliteten på hver enkelt hendelse. Hvor god effekt hadde cellegiften? Hvor flink var kirurgen til å fjerne svulsten? For den kliniske kollegaen ligger svarets verdi i både hvor raskt det kommer, hvor korrekt det speiler virkeligheten for pasientens sykdom og i hvilken grad det kan brukes som beslutningsgrunnlag for behandlingen. Bildediagnostikk av komplisert sykdom krever tid for 88

97 tolkning og ofte tid for å få en teknisk god undersøkelse. Den kliniske kollegaen kan ha mange pasienter og dersom radiologiske undersøkelser er en knapphetsressurs (noe det vanligvis er) vil hun vanskelig få høy verdi for alle de tre nevnte verdikomponentene. Dette speiler diskusjonen mellom kvalitet og kvantitet for radiologi og spørsmålet som oftest reises er hvordan kan radiologene, enheten eller avdelingen bli mer effektiv. På engelsk har man to begreper som bedre dekker effektivitetsaspektene enn det ene norske. Efficiency er beskrivende for prosessen for å komme frem til et resultat. Om det å utføre oppgavene riktig og raskt med minst mulig bruk av ressurser. Effectiveness handler om hvorvidt resultatet er det riktige sett i relasjon til et gitt mål. Se figur 5. I denne Figur 5: Skjematisk fremstilling av forholdet mellom efficiency og resultat ( outcome ) og effectiveness og mål ( target ). sammenheng vil effektivitetsmålinger i radiologi både med basis i prosedyrer og RVUw represesentere et mål på efficiency. De sier ikke noe om effectiveness som krever et definert mål å relatere resultatet til. Dette bringer meg over på prinsipal-agent teorien (PAteorien) hvor målfunksjoner er et sentralt begrep. Et sykehus er en komplisert organisasjon hvor det er interaksjoner på mange plan. Pasientene forholder seg til en rekke yrkesgrupper, det er interaksjoner internt mellom yrkesgruppene, mellom hver yrkesgruppe og ledelsen samt mellom lavere ledelsesnivå og høyere nivå. Dette gir en rekke PA-relasjoner hvor målfunksjoner varierer. Fra et legeperspektiv vil de viktigste relasjonene i en radiologisk avdeling være mellom ledelsen (prinsipal) og radiologene (agenter), mellom kliniske kolleger som sender henvisninger (p) og radiologene (a) samt mellom pasientene (p) og radiologene (a). I tillegg kan man også anse forholdet mellom klinikerne (p) og avdelingsledelsen (a) samt 89

98 mellom sykehusledelsen (p) og avdelingsledelsen (a) som PA-relasjoner. I dette underkapittelet vil jeg først og fremst diskutere forholdet mellom avdelingsledelsen og radiologene. I PA-teorien forutsetter man at begge aktører ønsker å maksimere sin egeninteresse (målfunksjon). For ledelsen ved en radiologisk avdeling (p) vil viktige målfunksjoner være å produsere et høyt nok volum til å dekke behovet fra de kliniske avdelingene og å fordele tjenestene rimelig mellom disse. I tillegg er vanlige mål at tjenestene skal leveres raskt, at tolkning og beskrivelse svarer riktig på de kliniske spørsmålene (høy kvalitet) og at de er nyttige for behandlingsbeslutning (høy relevans). For radiologene (a) derimot vil de viktigste målfunksjonene være at tjenestene har høy kvalitet og høy relevans, mens høyt volum og rask levering er vanligvis underordnet de to første (dersom det da ikke handler om øyeblikkelig hjelp hvor pasienten er alvorlig syk og trenger rask, akutt behandling). Andre vanlige, viktige mål er et godt arbeidsmiljø uten høyt arbeidspress, godt faglig fellesskap og muligheter for fagutvikling. Hvordan skal ledelsen som prinsipal her styre radiologene for å sikre størst mulig oppnåelse sine primære målfunksjoner, dvs. høyt volum og rimelig fordeling av tjenester? PA-teorien løfter her frem insentiver som verktøy for å styre adferd. Det mest sentrale i teorien er økonomiske insentiver, men andre typer kan også være viktige som f.eks. faglige og psykologiske insentiver. I en radiologisk avdeling vil de tre betingelsene Grepperud fremhever for bruk av (økonomiske) insentiver være tilstede (Grepperud, 2016): 1. Det er behov for delegering da ledelsen selv kun i meget begrenset grad kan utføre tjenestene. 2. Det er en interessekonflikt da volum og rask levering vanligvis ikke er viktigst som radiologenes målfunksjon. 3. Det er informasjonsasymmetri da ledelsen i liten grad har kunnskap om hvor lang tid som er nødvendig for å utføre de enkelte tjenestene. Informasjonsasymmetrien kan både utløse en situasjon med moralsk risiko der radiologene som agenter velger å fokusere på sitt primære mål om høy kvalitet og dermed reduserer produksjonsvolumet og seleksjonsproblemer der de med bakgrunn i den skjulte informasjonen om tidsbruk bruker lengre tid enn nødvendig for å utføre tjenestene. For forhindre disse uønskede effektene kan ledelsen tilby arbeidskontrakter hvor økonomiske insentiver som lønn eller bonus knyttes opp mot en observerbar størrelse som f.eks. et gitt produksjonsmål. Her vil statistikk basert på RVUw være bedre egnet som grunnlag enn antall 90

99 prosedyrer da den iboende differensieringen basert på ressursinnsats for RVUs øker observerbarheten. Her må ledelsen imidlertid være klar over de fallgruvene en slik tilnærming skaper dersom en baserer lønnsmodeller på individuell ytelse og sammenligninger produksjonen internt i enheter, se diskusjonen omkring the dark side ved produksjonsinsentiver i underkapittel 6.4. Denne beskriver delvis en situasjon som utgjør en variant av PA-teorien som kalles multi-tasking-problemet («teaching to the test»). Dette består i at agentene utfører ikke bare én, men flere oppgaver for prinsipalen. Et eksempel på dette er en situasjon hvor agentene utfører to oppgaver for prinsipalen, A og B, hvor summen av agentenes innsats er Σ 1 = a + b. Dersom prinsipalen ønsker å øke totalinnsatsen til Σ 2 = (a + Δa) + b, kan dette gjøres ved å innføre økonomiske insentiver knyttet til oppgave A for å oppnå Δa. Risikoen for prinsipalen ligger i at agentene i stedet for å yte ekstra totalt, prioriterer oppgave A på bekostning av oppgave B slik at b reduseres. Analogien til radiologenes situasjon er forholdet mellom klinisk produksjon og ikke-kliniske arbeidsoppgaver. Dersom det rettes sterke insentiver mot å øke klinisk produksjon risikerer man at oppgaver som f. eks. forskning og fagutvikling kan reduseres. I en radiologisk avdeling har man liten eller ingen kontroll over antall og typer henvisninger som kommer inn fra de kliniske legene. Dette er en stokastisk variabel som kan skape risiko for radiologer som agenter dersom lønnsmodellen er avhengig av produksjonen. Dersom radiologene er risiko-averse vil de da heller kreve en lønnssystem som kompenserer for dette, eksempelvis en kombinasjonsmodell bestående av fastlønn pluss prestasjonsbonus. Om de er risiko-nøytrale; f.eks. anser at sannsynligheten er liten for at mengden henvisninger vil bli så lav at lønnen påvirkes, så kan de akseptere ren prestasjonslønn basert på antall genererte RVUw. Som redegjort for i metodekapittelet hevder Mooney og Ryan i sin artikkel om PAteori i helsevesenet at det foreligger andre kontrollmekanismer i et sykehusmiljø enn kun ledelsens mulighet, eller manglende sådan, for å observere utførelsen av tjenestene (Mooney and Ryan, 1993). I en radiologisk avdeling vil erfarne overleger veilede yngre og for leger under spesialisering er det kontrollrutiner med kontrasignering (en overlege gransker alltid undersøkelsen på nytt og signerer denne før svaret sendes ut) som sikrer kvaliteten. Dette tilsvarer hva forfatterne kaller vertikal kontroll. Overlegene diskuterer også undersøkelser, tolkninger og funn seg i mellom og det er varierende grad av rutiner for kontrasignering mellom overleger. Dette bidrar til fagutvikling, høyner kvaliteten på tjenestene og representerer horisontal kontroll. En stor del av radiologenes jobb ved større avdelinger er samarbeid med de kliniske legene. Dette foregår som tidligere nevnt i multidisiplinære møter 91

100 og rutine-demonstrasjoner hvor en viser frem undersøkelser, diskuterer funn og eventuelt anbefaler videre radiologisk utredning. Denne typen dynamiske interaksjoner fremmer faglig forståelse, hever kvaliteten og bidrar til fornuftig bruk av radiologiske ressurser. Siste poeng kan anses som bruk av etterspørsel-side insentiver. Radiologene kan i denne interaksjonen fungere som en portvakt og både styre og redusere etterspørselen for radiologiske tjenester. Mooney og Ryan diskuterer også målfunksjonene hos aktørene i helsevesenet og hevder at de ikke nødvendigvis er motstridende. I beskrivelsene av avdelingsledelsens og radiologenes mål ser en at det er til dels sammenfallende interesser. Høy faglig kvalitet og relevans er blant felles mål. En mer utfyllende liste over mål ville synliggjort dette tydeligere. Først og fremst ligger interessekonflikten mellom ledelsen og radiologene i skjæringspunktet mellom kvalitet og kvantitet. 6.4 Vridningseffekter Dersom produksjonsmålinger og aktiv bruk av slike data i individuell benchmarking er dårlig forankret i radiologkollegiet kan dette føre til uønskede vridningseffekter altså adferdsendringer som er uønskede og/eller utilsiktede sett fra prinsipalenes ståsted. Målinger i seg selv er ofte omstridt og dersom legekollegiet opplever måling som overstyring med for mye fokus på produksjon, effektivitet og rapporteringsregimer så kan dette føre til redusert tillit og redusert indre motivasjon (f.eks. lavere lojalitet til arbeidsgiver eller redusert faglig interesse). Tross intensjonen med benchmarking, eventuelt koblet med økonomiske insentiver som et middel for å øke produksjonen av radiologiske tjenester, så kan slik virkemiddelbruk pga. redusert motivasjon føre til lavere produksjon. Dette er et fenomen som er analogt til det man i økonomisk teori kaller motivational crowding out. Dette fenomenet består prinsipielt i at en økning av økonomiske insentiv for en gitt aktivitet kan redusere utøverens interne motivasjon og dermed resultere i lavere aktivitet. Dette forutsatt at den interne motivasjonen i utgangspunktet var fordelaktig og drivende for aktiviteten. Dersom måling av klinisk produksjon ikke kobles opp med evaluering av ikkekliniske arbeidsoppgaver kan dette få andre uønskede vridningseffekter ved at disse «uobserverbare» aktivitetene prioriteres lavere av beslutningstakere. Dette kan få konsekvenser for læringsmiljøet for både medisinstudenter og leger under spesialistutdanning. Forskningsmuligheter og -interesse vil kunne reduseres, forskningsrekrutteringen påvirkes og man risikerer å ende inn i en ond sirkel. Kultur for 92

101 kunnskapsdeling og kollegadiskusjoner kan reduseres og en risikerer å svekke samhold og fagkultur i legekollegiet. Med lønnsmodeller som er mer eller mindre prestasjonsrettet så risikerer man ifølge Duszak og Muroff å lede legene over på the dark side av produksjonstankegang. Med dette mener de adferd som søker å maksimere ens egen produksjon av RVUs. Et eksempel på dette er såkalt cherry picking som innebærer at en velger bort undersøkelser som gir lav RVU-verdi eller undersøkelser som er kompliserte og tidkrevende og dermed reduserer undersøkelsesvolumet per tidsenhet. Forfatterne hevder at dette underminerer et helhetsperspektiv for avdelingens drift og fører, som nevnt i forrige avsnitt, til vanskeligheter med å få radiologene til å delta i ikke-kliniske arbeidsoppgaver (Duszak and Muroff, 2010b). Slike vridningseffekter er spesielt problematiske ved sykehusavdelinger hvor en har et medisinskfaglig ansvar for å tilby et bredt spekter av undersøkelser og prosedyrer, hvor en må dekke øyeblikkelig-hjelp funksjoner og ha vaktberedskap. Dette medfører nødvendigvis at noen undersøkelser og arbeidsoppgaver gir lavere RVU-uttelling enn andre. For å forebygge denne type problemer er det nødvendig at ledelsen har oversikt over og god styring av legeressursene slik at mindre verdsatte og mindre tidseffektive arbeidsoppgaver blir jevnt fordelt. 93

102 7 Konklusjon Med denne litteraturstudien har jeg ønsket å kartlegge bruken av relative value units, RVUs, som basis for statistikk innen fagfeltet radiologi i USA. Jeg har funnet at publikasjonene som dekker temaet i hovedsak kan deles inn i tre forskjellige kategorier: 1. Publikasjoner med teoretisk tilnærming til systemet for RVUs i Medicares føderale RBRVS og dets mulige bruksområder som styringsverktøy for ledelsen ved medisinske institusjoner. 2. Publikasjoner som presenterer faktiske studier for radiologi hvor RVUs fra RBRVS er sentrale i datagrunnlaget. Dette er studier av radiologers kliniske produksjon for ulike typer radiologiske enheter, utviklingstrender over tid for produksjonen og sammenhengen mellom produksjon og henholdsvis undervisning og forskningsaktiviteter. 3. Publikasjoner som presenterer alternative RVU-systemer som verdsetter radiologers ikke-kliniske arbeidsoppgaver, som f.eks. forskning, undervisning, administrative oppgaver og kvalitetsarbeid. Et viktig funn er at RVUs benyttes på to ulike arbeidsfelt innen den praktiske utførelsen av faget radiologi: Klinisk produksjon Ikke-kliniske arbeidsoppgaver Størst plass i litteraturen har RVUs fra Medicares RBRVS som omfatter arbeidsfeltet klinisk produksjon. Ikke-klinisk arbeidsoppgaver dekkes av alternative RVU-systemer. RVU-data fra disse er helt uavhengige av RBRVS og er foreløpig institusjonsspesifikke. I sum vil RVUdataene fra disse to feltene inkludere store deler av yrkesaktiviteten til radiologer. Gjennomgangen av litteraturen viste at RVU-systemene genererer tre hovedtyper av data. Med basis i de føderale RVUs fra RBRVS etableres det to typer data, henholdsvis kostnads- og produksjonsindekser som er relatert til den kliniske produksjonen. Disse kan benyttes av alle helseinstitusjoner som utfører CMS-godkjente prosedyrer med egne CPTkoder. Fra de alternative RVU-systemene genereres den tredje typen data. Disse er 94

103 institusjonsspesifikke og speiler de mål og prioriteringer den enkelte institusjon har etablert for ikke-kliniske arbeidsoppgaver. Denne litteraturanalysen identifiserer ulike anvendelsesområder for RVU-basert data og statistikk. Kostnadsindekser er lite omtalt i litteraturen, men den viktigste anvendelsen av disse dataene er naturlig nok i forbindelse med finansiell styring. Som styringsverktøy er indeksene nyttige da de gir ledelsen oversikt og kontroll på kostnadsnivået for prosedyrer og personell. Dette er essensielt for å sikre økonomisk stabilitet for radiologiske enheter, både i valg av tjenestespekter, som del av vurderingsgrunnlaget for lønnsforhandlinger og ved kontraktsforhandlinger med tredjepartsbetalere i det amerikanske helsemarkedet. De RVU-baserte aktivitetsdataene for begge arbeidsfelt brukes til produksjonsmålinger og dette er et styringsverktøy med følgende mulige anvendelsesområder: I. En kan følge den løpende utviklingen hvor en måles mot seg selv, både på individuelt nivå og på enhetsnivå. II. En kan få informasjon om aktivitetstrender over tid. III. De kan brukes til benchmarking på flere nivå; mellom individuelle leger i en enhet, mellom fagenheter i en større avdeling og mellom avdelinger ved ulike institusjoner. Fordelen med RVU-baserte produksjonsindekser, i hovedsak RVUw/FTE, er at denne gir statistikk som i prinsippet speiler reell arbeidsinnsats og kompenserer for kompleksitetsforskjeller mellom de radiologiske prosedyrene. Den gir produksjonsmålinger med en definert, ensartet numerisk verdi og for sammenligningsformål løser den problemet med ulikt undersøkelsesspekter. Det er imidlertid viktig ved bruk og tolkning av statistikken å være klar over de begrensningene ved RVUw/FTE som er redegjort for i kapittel 6. Ved å supplere med produksjonsindekser basert på prosedyrer (koder) kan noen av begrensningene overkommes. Det finnes alternative indekser som RVUw/day (klinisk arbeidsdag) og RVUw/day/service (tjeneste) som gir mer differensiert produksjonsstatistikk enn RVUw/FTE, men krever til gjengjeld mer ressurser for datainnhenting. For produksjonsmålinger på individuelt plan hvor en følger løpende utvikling og trender over tid synes den største verdien å være egenutvikling for radiologene samt ledelsens mulighet for oppfølging av den enkelte radiologs forbedringspotensialer, faglige profil og evaluering av ikke-kliniske arbeidsoppgaver. På enhets- eller avdelingsnivå vil aggregerte data for disse målingene være en essensiell del av beslutningsgrunnlaget for eksempelvis bemannings-planlegging, utstyrsinvesteringer, fordeling av forskningsressurser og av 95

104 undervisningsoppgaver. Ved analyser av trender for klinisk produksjon over tid er det viktig å være klar over at ved revisjonene av RBRVS blir enkelte RVU-verdier endret. Dette kan få konsekvenser for tolkningen av statistikken. For benchmarkingsformål på individuelt nivå i en radiologisk enhet synes den største nytten av RVU-baserte produksjonsmålinger av klinisk aktivitet å være kalibrerings-effekten opp mot de andre radiologene. Ved benchmarking mellom enheter i en større avdeling blir sammenligningene bedre dersom en bruker justeringsfaktorer for å kompensere for over- eller undervurderte RVU-verdier som ikke speiler reelle forskjeller i arbeidsinnsatsen for de ulike undersøkelsene og prosedyrene. Fallgruver for begge nivå er ulik fordeling av både kliniske og ikke-kliniske arbeidsoppgaver mellom leger/enheter og forskjeller i arbeidsplaner for legene. Når det gjelder benchmarking for klinisk produksjon mellom ulike institusjoner synes verdien etter min mening å være lav. Først og fremst skyldes dette de store variasjonene som påvises for radiologenes ytelse selv mellom ellers sammenlignbare avdelinger. I tillegg kommer de metodologiske problemene som ligger i den utstrakte bruken av FTE og definisjons-problematikken rundt dette begrepet. På bakgrunn av dette advarer da også forfatterne av publikasjonene med benchmarking som tema å bruke de beregnede gjennomsnittstallene for klinisk produksjon som føderal norm. Dersom avdelingsledelsen ved en radiologisk avdeling har ensidig fokus på klinisk produksjon og bruker produksjonsmålinger kombinert med eventuelle økonomiske insentiver, så er det viktig å være klar over risiko for uønskede vridningseffekter som for eksempel nedprioritering av ikke-kliniske arbeidsoppgaver. Det er i dette perspektivet de alternative RVU-systemene som f. eks. akademisk RVU (arvu) og nonclinical RVU (ncrvu) har sin styrke og viktigste nytteverdi. Implementering av systemer for verdsettelse av også disse arbeidsoppgavene vil være et viktig og essensielt supplement for å speile radiologenes totale aktivitet. Det er rimelig å anta at dette vil styrke legitimiteten i radiologkollegiet for aktivitetsmåling som sådan og samtidig heve statusen for de ikke-kliniske arbeidsoppgavene. Dette er viktig for å sikre fagets rekruttering og utvikling. I det offentlige helsevesenet i Norge brukes meg bekjent ikke RVU-systemer innen radiologi, verken for klinisk produksjon eller ikke-kliniske arbeidsoppgaver. Klinisk produksjon måles i antall undersøkelser (koder) eller antall henvisninger. En innføring av et RVU-system koblet til NCRP ville sannsynligvis gitt et mer representativt bilde av ressursinnsatsen for kliniske produksjon ved radiologiske avdelinger. Sykehus med stor grad av komplekse undersøkelser ville fått synliggjort dette og man kan tenke seg at det kunne få 96

105 konsekvenser for ressurstildelingen. Eldeviks gjennomgang av produksjonen ved fire universitetssykehus i Norge viser imidlertid at det nok er større likheter enn forskjeller mellom de store avdelingene her i landet (selv om OUS ikke er med i hans oversikt). Innføring av et RVU-system krever betydelig ressursinnsats, jamfør gjennomgangen av dette for RBRVS i kapittel 2, og det er viktig å spørre seg om nytten for norsk radiologi er stor nok til at en slik investering svarer seg. Mer interessant er det etter min mening å se på alternative systemer for å verdsette ikke-kliniske arbeidsoppgaver. Per i dag begrenser målingen seg av disse etter min erfaring til kun akademisk virksomhet og innebærer registrering og telling av forskningsaktivitet som eksempelvis antall fullførte doktorgrader, publiserte vitenskapelige artikler, bøker, bokkapitler, posters eller innlegg på faglige konferanser. Det legges ned en stor arbeidsinnsats også med andre oppgaver som ikke synes innen f.eks. administrasjon og ledelse, fag- og organiseringsprosjekter, foredrag og diverse undervisningsaktiviteter samt kvalitets- og sikkerhetsarbeid. En verdsettelse av disse aktivitetene i tillegg til forskningsarbeid ville gjort det lettere å motivere radiologer til å prioritere tid til å delta i ikke-kliniske arbeidsoppgaver. 97

106 8 Vedlegg 8.1 Kapitler i ICD-10 I Visse infeksjonssykdommer og parasittsykdommer (A00-B99) II Svulster (C00-D48) III Sykdommer i blod og bloddannende organer og visse tilstander som angår immunsystemet (D50-D89) IV Endokrine sykdommer, ernæringssykdommer og metabolske forstyrrelser (E00-E90) V Psykiske lidelser og adferdsforstyrrelser (F00-F99) VI Sykdommer i nervesystemet (G00-G99) VII Sykdommer i øyet og øyets omgivelser (H00-H59) VIII Sykdommer i øre og ørebensknute (H60-H95) IX Sykdommer i sirkulasjonssystemet (I00-I99) X Sykdommer i åndedrettssystemet (J00-J99) XI Sykdommer i fordøyelsessystemet (K00-K93) XII Sykdommer i hud og underhud (L00-L99) XIII Sykdommer i muskel-skjelettsystemet og bindevev (M00-M99) XIV Sykdommer i urin- og kjønnsorganer (N00-N99) XV Svangerskap, fødsel og barseltid (O00-O99) XVI Visse tilstander som oppstår i perinatalperioden (P00-P99) XVII Medfødte misdannelser, deformiteter og kromosomavvik (Q00-Q99) XVIII Symptomer, tegn, unormale kliniske funn og laboratoriefunn, ikke klassifisert annet sted (R00-R99) XIX Skader, forgiftninger og visse andre konsekvenser av ytre årsaker (S00-T98) XX Ytre årsaker til sykdommer, skader og dødsfall (V0n-Y98) XXI Faktorer som har betydning for helsetilstand og kontakt med helsetjenesten (Z00-Z99) XXII Koder for spesielle formål (U00-U99) Kapittelinndeling i ICD-10 med norsk tekst og kodeintervall i parentes (Direktoratet for e- helse, 2016). 98

107 8.2 Kapitler i NCMP, NCSP, NCRP A B C D E F G H I J K L M N O P R S T W Y Z Nervesystemet Endokrine organer Øyet og øyeregionen Øre, nese, bihuler og strupehode Tenner, kjever, munn og pharynx Hjertet og de store intratorakale kar Brystvegg, pleura, diafragma, trachea, bronkier, lunger og mediastinum Mamma Tverrfaglig spesialisert behandling for rusmiddelbruk og psykisk helsevern for voksne Fordøyelsesorganer og milt Urinorganer, mannlige genitalia og retroperitonealrommet Kvinnelige genitalia Fødselshjelp og prosedyrer under svangerskap Bevegelsesapparatet Habilitering og rehabilitering i spesialisthelsetjenesten, inkludert private rehabiliteringsinstitusjoner med avtale Perifere kar og lymfesystemet Blod med bestanddeler Bildediagnostiske undersøkelser Nukleærmedisin Tiltak ikke klassifisert i andre kapitler Uttak av organer eller vev til transplantasjon Tilleggskoder til alle øvrige kapitler Kapittelinndeling i det nasjonale prosedyrekodeverket NCMP, NCSP, NCRP: Klassifikasjon av helsefaglige prosedyrer 2017 fra A til Z (Direktoratet for e-helse, 2017d). 99

108 8.3 Alfabetiske koder for bildeveiledede intervensjoner A Aspirasjon/cytologi/punksjon B Biopsi C Lukking av perkutan tilgang, vaskulær og ikke-vaskulær (f. eks. lungeplugg) D Innleggelse av dren, tunnelerte og ikke-tunnelerte katetre E Endovaskulær embelectomi/trombectomi I Injeksjon av terapeutisk substans unntatt trombolytisk agens (bokstav T) K Perkutan eller endovaskulær implantasjon, inkludert ved incisjon M Lukking av intravaskulær defekt eller struktur (f. eks. av fistel, aurikkel) O Perkutan eller endovaskulær destruksjon av vevskomponenter inkludert ablasjon, tumorbehandling med embolisering P Endovaskulær angioplastikk eller endoluminal ballongplastikk eller dilatasjon Q Endovaskulær stent (åpne og dekkede). Endoluminær stent for andre tilstander enn aneurism, f. eks. i GI-tractus. R Fjerning av fremmedlegeme under bildeveiledning, inkludert dren og tunnelerte katetre S Skifte av dren T Endovaskulær injeksjon av trombolytisk agens V Endovenøs obliterasjon (inkludert perkutan varicebehandling) W Annet X Anleggelse av endovaskulær tilgang (f. eks. VAP) Y Endovaskulær okklusjonsbehandling (embolisering, coiling) Z Endovaskulær innleggelse av stentgraft, for aneurisme Betydning av bokstavkodene i 3. posisjon i NCRP-kodene for bildeveiledede intervensjoner (Direktoratet for e-helse, 2016). 100

109 8.4 Tilleggskoder for NCRP ZTX0AC ZTX0AD ZTX0BA ZTX0BB ZTX0BC ZTX0CA ZTX0DA ZTX0DB ZTX0EA ZTX0EB ZTX0EC ZTX0ED ZTX0EE ZTX0EF ZTX0EG ZTX0EH ZTX0FA ZTX0FB ZTX0FC ZTX0FD ZTX0FE ZTX0FF ZTX0FG ZTX0FH ZTX0GA ZTX0GB ZTX0HA ZTX0HB ZTX0HC ZTX0HD ZTX0XA ZTX0XB Undersøkelse utført utenfor radiologisk laboratorium Radiologisk prosedyre utført ambulant Kun billedtaking Kun primærgransking Kun sekundærgransking Akse- og vinkelmål Transplantat Preparat Intravenøs kontrast Kontrast i hulrom via nål/kateter Kontrast både intravenøst og i hulrom Peroral kontrast Intraarteriell kontrast Intraarteriell kontrast via nål/kateter Luft som kontrastmiddel Medikamentavgivende implantat Dynamisk undersøkelse Perfusjonsundersøkelse Spektroskopi Radiostereofotometri Artrografi Termografi Bruk av SPECT uten CT Bruk av SPECT-CT In vitro merking Kombinert in vivo og in vitro merking Fysisk stressbelastning Fysisk stressbelastning og hvile Farmakologisk stressbelastning Farmakologisk stressbelastning og hvile Høyresidig bildediagnostisk undersøkelse Venstresidig bildediagnostisk undersøkelse 101

110 ZTX0XC Bilateral bildediagnostisk undersøkelse Kodene ovenfor er rene tilleggskoder til primærkodene i NCRP-kodeverket. Det finnes også følgende tilleggskoder for å dokumentere årsak til avbrutt prosedyre (fra NCSP-kodeverket, men brukes også for NCRP-koder): ZXF00 ZXF05 ZXF10 ZXF20 ZXF30 ZXF99 Avbrytelse på grunn av forverrelse av pasientens tilstand Avbrutt prosedyre på grunn av pasientens tilstand Avbrytelse på grunn av svikt av teknisk utstyr Avbrytelse på grunn av problem med kirurgisk teknikk Prosedyre avbrutt av pasient Avbrytelse av annen årsak Kodene er hentet fra veiledningen til NCRP 2017 (Direktoratet for e-helse, 2016). 102

111 8.5 Arbeidsbelastning ved ulike praksiskarakteristika Arbeidsbelastning for radiologer i USA målt i årlig antall utførte prosedyrer per FTE stratifisert etter ulike praksiskarakteristika (Bhargavan et al., 2009). 103

112 8.6 Nettside for registrering av aktiviteter for akademisk CV Eksempel på nettside for registrering av akademisk CV for radiolog ved Department of Diagnostic Radiology, University of Maryland School of Medicine, Baltimore. Data fra registreringen brukes for å generere individuell score for arvu (Mezrich and Nagy, 2007). 104

113 8.7 Skjema med beregnet arvu for én lege Eksempel på skjema med utregnet årlig opptjent arvu for én radiolog. Alle poenggivende områder er inkludert med antall per aktivitet i 2. kolonne og utregnet vektet sum arvu i 3. kolonne (Mezrich and Nagy, 2007). 105

114 8.8 Grafisk fremstilling av én radiologs akademiske profil Grafisk analyse av én radiologs akademiske profil. Venstre kakediagram viser prosentvis andel av de ulike registrerte aktivitetsgruppene. Høyre kakediagram viser andel opptjent arvu for hver aktivitet. Grafen viser utviklingen av akademisk aktivitet målt i arvu over tid (Mezrich and Nagy, 2007). 106