Het medicatieforfait in het UZ Gent Een studie over de invloed van verblijfskenmerken op de forfaitaire vergoeding van farmaceutische specialiteiten

UNIVERSITEIT GENT Faculteit Geneeskunde en Gezondheidswetenschappen Academiejaar 2009-2010

Het medicatieforfait in het UZ Gent Een studie over de invloed van verblijfskenmerken op de forfaitaire vergoeding van farmaceutische specialiteiten

Masterproef voorgelegd tot het behalen van de graad van Master in management en beleid in de gezondheidszorg Door Elsie Haertjens

Promotor: Prof. Hugo Robays Co-promotor: Prof. Lieven Annemans Begeleider: Dr. Erik Baert

ABSTRACT

De invoering van het forfait voor farmaceutische specialiteiten heeft een bijzondere impact gehad op de algemene ziekenhuizen en vooral de universitaire ziekenhuizen. De financiële impact van het forfait in het UZ Gent wordt nader onderzocht aan de hand van het gederfde inkomen. De doelstelling van de masterproef is naast een uiteenzetting van het forfait voor farmaceutische specialiteiten in het algemeen, een onderzoek voeren naar welke kenmerken van de casemix van het UZ Gent een invloed hebben op het gederfd inkomen van farmaceutische specialiteiten. Het gederfd inkomen is het bedrag dat het UZ Gent, door de invoering van het forfait, niet langer ontvangt. De dataset bestaat uit verblijf - en farmaceutische facturatiegegevens van alle opnames in het UZ Gent van het jaar 2005 en 2006. De verschillende kenmerken worden in een multiple lineaire regressie geplaatst ten aanzien van het gederfde inkomen van farmaceutische specialiteiten. Het forfait per APR-DRG en ernstgraad zou de volledige kost van de farmaceutische specialiteiten in algemene ziekenhuizen moeten dekken voor dat specifieke APR-DRG. Het UZ stelt vast dat het forfait de kosten niet dekt. Het onderzoek vertrekt met zes hypothesen. De hypothesen voorspellen dat de “ernstgraad vier”, het “overlijden”, de “leeftijd”, de “verblijfsduur”, “doorverwezen patiënten van perifere ziekenhuizen” en “buitenlandse patiënten” een verhoogde invloed hebben op het gederfd inkomen. Drie van die hypothesen worden weerhouden, “overlijden”, “verblijfsduur” en “buitenlandse patiënten”. Uit de resultaten is verder gebleken dat uitgebreider onderzoek noodzakelijk is om volledig antwoord te bieden op de onderzoeksvraag en generalisatie toe te laten naar andere universitaire ziekenhuizen. Sleutelwoorden: forfaitaire vergoeding, farmaceutische specialiteiten, universitaire ziekenhuizen, UZ Gent. Aantal woorden: 13.261

III

INHOUDSOPGAVE ABSTRACT .............................................................................................. III INHOUDSOPGAVE................................................................................. IV WOORD VOORAF .................................................................................. VI INLEIDING ............................................................................................ VII 1. FORFAITARISERING VAN FARMACEUTISCHE SPECIALITEITEN .................................................................................... 9 1.1. INLEIDING .................................................................................... 9 1.2. HISTORIEK ................................................................................. 10 1.3. BEGRIPPEN ................................................................................. 11 1.3.1. MKG ................................................................................. 11 1.3.2. MDC ................................................................................. 12 1.3.3. APR-DRG ......................................................................... 12 1.3.4. MFG ................................................................................. 13 1.3.5. Farmaceutische specialiteiten .......................................... 14 1.3.6. Casemix ............................................................................ 14 1.4. BEPALING VAN HET FORFAIT ...................................................... 14 Stap 1: Binnen of buiten het forfait .................................................... 15 Stap 2: Koppelen van patiëntgegevens .............................................. 17 Stap 3: Ligduur .................................................................................. 18 Stap 4: Uitsluiting APR-DRG ............................................................ 19 Stap 5: Het forfait .............................................................................. 20 1.5. GEVOLGEN ................................................................................. 23 1.5.1. Administratie .................................................................... 23 1.5.2. Codering ........................................................................... 24 1.5.3. Management van ziekenhuizen ......................................... 25 1.5.4. Universitaire ziekenhuizen ............................................... 27 1.6. CONCLUSIE ................................................................................ 28 2.

PROBLEEM EN DOELSTELLING .............................................. 29

3.

PRAKTIJKONDERZOEK IN HET UZ GENT............................ 30 3.1. HET ONDERZOEKSDESIGN EN METHODOLOGIE ........................... 30 3.2. DE HYPOTHESEN ........................................................................ 31 3.3. DE DATASET............................................................................... 33 3.3.1. Samenstelling dataset ....................................................... 33 3.3.2. Data-cleaning ................................................................... 34 3.4. PROCEDURE VAN DE ANALYSE ................................................... 35

IV

3.4.1. Beschrijving en frequenties van de variabelen ................. 36 3.4.2. Multicollineariteit ............................................................. 48 3.4.3. De multiple lineaire regressie .......................................... 49 3.5. RESULTATEN.............................................................................. 49 3.6. INTERPRETATIE VAN DE RESULTATEN ........................................ 54 3.7. CONCLUSIE, LIMIETEN EN AANBEVELINGEN ............................... 57 3.8. VALIDITEIT ................................................................................ 59 ALGEMEEN BESLUIT ........................................................................... 60 LIJST VAN ILLUSTRATIES ................................................................. 64 LITERATUURLIJST............................................................................... 65 BIJLAGEN ................................................................................................ 67 BIJLAGE 1: BEREKENING VAN HET FORFAIT ............................................ 67 BIJLAGE 2: AANKOOPPOLITIEK VAN FARMACEUTISCHE SPECIALITEITEN 68 BIJLAGE 3: CATEGORISCHE VARIABELEN EN DE VERWERKTE CODE ........ 69 BIJLAGE 4: FREQUENTIES VAN DE VARIABELEN ...................................... 72 BIJLAGE 5: CORRELATIETABEL................................................................ 78 BIJLAGE 6: RESULTATEN MULTIPLE LINEAIRE REGRESSIE ....................... 79 BIJLAGE 7: GEMIDDELD GEDERFD INKOMEN BIJ DE ERNSTGRADEN ......... 94 OPVOLGDOCUMENTEN ...................................................................... 96 AANVRAAGFORMULIER ........................................................................... 96 GOEDKEURING EXAMENCOMMISSIE ........................................................ 99 OPVOLGDOCUMENTEN .......................................................................... 100 Opvolgdocument 1 ........................................................................... 100 Opvolgdocument 2 ........................................................................... 101 Opvolgdocument 3 ........................................................................... 102 Opvolgdocument 4 ........................................................................... 103 Opvolgdocument 5 ........................................................................... 104 OPVOLGING CEL BIOSTATISTIEK............................................................ 105 GOEDKEURING ETHISCH COMITÉ ........................................................... 106

V

WOORD VOORAF

De opleiding tot het behalen van het diploma voor de Master in Management en Beleid in de Gezondheidszorg, is een bijzonder interessante en intensieve ervaring geweest. Hetzelfde kan van deze masterproef worden gezegd, waarbij ik het voorrecht had om een interessante vraag voor het Universitair Ziekenhuis Gent (UZ Gent) te bestuderen. Graag wil ik de personen bedanken die mij hebben gesteund tijdens mijn studies en in de realisatie van de masterproef. Eerst en vooral, wil ik uitdrukkelijk mijn promotor, Prof. Robays bedanken voor het delen van zijn deskundigheid en bereidheid om de masterproef te begeleiden. Naast zijn professionele invulling voor de masterproef, apprecieerde ik zeer zijn attente vragen naar mijn kinderen. Prof. Annemans wil ik bedanken om mij voor dit werk als copromotor bij te staan. Het was aangenaam om te kunnen vertrouwen op zijn snelle reacties op mijn e-mails, zijn waardevolle ondersteuning en de concrete opmerkingen. Verder wil ik ook Dr. Baert bedanken voor zijn steun en inzicht in de massa van beschikbare gegevens van het UZ Gent. Prof. Van Maele wil ik bedanken voor zijn begeleiding in de statistische analyse van de gegevens. Zijn kennis en passie voor statistiek werkte zeer motiverend. Daarnaast wil ik graag mijn schoonouders, partner en kinderen bedanken voor hun steun de afgelopen twee jaar. Zij hebben veel geduld opgebracht voor de vele uren die ik niet met hen kon doorbrengen doordat ik die spendeerde aan mijn studies en de masterproef. Mijn echtgenoot is nooit opgehouden met mij te motiveren en verdient het meeste dank.

VI

INLEIDING

Op 8 september 2009 verscheen een persbericht vanuit het RIZIV ter verduidelijking van de stijging van het globale budget voor farmaceutische specialiteiten. Het budget bedraagt 3869,879 miljoen euro in 2009. Dit is een stijging van 3,17% ten opzichte van 2008 namelijk 3750,845 miljoen euro (Moens, 2009). De kostprijs voor farmaceutische specialiteiten blijft stijgen in absolute cijfers. Het deel dat farmaceutische specialiteiten aanneemt in het globale gezondheidsbudget blijft bij benadering 20%. De innovatie, demografische verschuivingen, prijsbepaling van farmaceutische specialiteiten zijn een niet exhaustieve lijst van redenen voor de toenemende kost van de gezondheidszorg, waaronder de farmaceutische specialiteiten (Robays, 2009-2010). Om de gezondheidskosten in de hand te houden in het huidige systeem, voert de overheid verschillende maatregelen door. De implementatie van het forfait voor farmaceutische specialiteiten is sinds 1 juli 2006 in ziekenhuizen hier één van. In het eerste deel van de masterproef wordt die maatregel uiteengezet en kritisch geanalyseerd. De farmaceutische specialiteiten die onder het forfait vallen, worden gefinancierd door een nationaal gemiddeld bedrag per pathologie, een forfait. Dit bedrag is gebaseerd op de gemiddelde kost voor farmaceutische specialiteiten per APR-DRG en ernstgraad in België. Universitaire ziekenhuizen worden gefinancierd op dezelfde manier. De opdracht van universitaire ziekenhuizen is echter meer gespecificeerd en uitgebreider ten opzichte van algemene ziekenhuizen. Dit resulteert in een afwijkende casemix en een andere vorm van consumptie van gezondheidszorg ten aanzien van het nationaal gemiddelde. Het nationaal gemiddeld bedrag voor universitaire ziekenhuizen wordt als te beperkt ervaren, om de kosten van farmaceutische specialiteiten te dekken (Van Bruwaene, 2009). In het praktijkdeel van de masterproef wordt onderzocht welke kenmerken van de casemix 2005 en 2006, een invloed hebben op de kostprijs van specialiteiten. Op die manier trachten we na te gaan welke gevolgen de afwijkende de casemix in het Universitair Zie-

VII

kenhuis Gent heeft ten opzichte van de nationaal gemiddelde casemix voor de kostprijs van farmaceutische specialiteiten.

VIII

1. FORFAITARISERING VAN FARMACEUTISCHE SPECIALITEITEN

1.1. INLEIDING

De overheid heeft verschillende mogelijkheden om uitgavenstijgingen in de gezondheidszorg te beperken. Ze kan financiële verantwoordelijkheid geven aan de patiënt of de voorschrijver. Verder kan de overheid organisatorische aanpassingen opleggen onder andere door ICT-toepassingen (Cannoodt, 2010). De forfaitarisering van farmaceutische specialiteiten in algemene ziekenhuizen is een vorm van financiële verantwoordelijkheid geven aan het ziekenhuismanagement, door het budget voor farmaceutische specialiteiten te beperken. Tot voor kort werden voorschriften vergoed per farmaceutische specialiteit, “fee for product”. Deze inkomsten vertegenwoordigden een groot deel van de omzet van ziekenhuizen, ongeveer 10-15%. Hierdoor was het ziekenhuismanagement niet gemotiveerd om de verschillende betrokkenen alert te maken op hun maatschappelijke verantwoordelijkheid in het farmacotherapieproces (Sermeus, 2006). De wetgeving van 1 juli 2006 bracht verandering door de uitwerking van het forfait, een financiële incentive in ziekenhuizen. Na een korte historiek en toelichting van de begrippen, wordt de bepaling en de uitbetaling van het forfait toegelicht. De overheid heeft verschillende doelstellingen met de invoering van die forfaitaire vergoeding voor farmaceutische specialiteiten in algemene ziekenhuizen. Naast een rationeel verbruik van geneesmiddelen, beoogt de overheid een daling van de kosten voor farmaceutische specialiteiten binnen het gezondheidsbudget en wil men de verschillen tussen ziekenhuizen beperken (Robays, 2009-2010). Dit deel van de masterproef wordt afgesloten met de gevolgen van het forfait voor ondermeer universitaire ziekenhuizen en een tussentijdse conclusie. 9

1.2. HISTORIEK

De winst op farmaceutische specialiteiten werd en wordt aangewend om een goede werking van de apotheek te garanderen. De overheid heeft geprobeerd deze winsten aan banden te leggen. De laatste maatregel, de forfaitarisering van farmaceutische specialiteiten werd vooraf gegaan door een aantal andere interventies. Die interventies zijn vooral gericht op de prijs van de producten en minder op de hoeveelheid van middelen. Hieronder worden de belangrijkste geschetst (Sermeus, 2006; Robays, 2009-2010). Tot 1981 was het ziekenhuis vanuit economisch standpunt een soort doorgeefluik voor farmaceutische verstrekkingen. De ziekenhuizen rekenden standaard een bruto winstmarge van 10% op de aankoopprijs van alle farmaceutische specialiteiten en dit ongeacht de leverancier. Een ziekenhuis kon vrij aankopen bij de fabrikant of de groothandelaar. De marge van de groothandelaar was 13,1% op de verdeling. Hoe duurder de specialiteit werd aangekocht door het ziekenhuis, hoe groter de winstmarge was. Voor ziekenhuizen was het financieel interessanter aan te kopen bij de groothandelaar gezien daar de aankoopprijs hoger was en dus de 10% winstmarge ook hoger was. In 1981 werd dit systeem ontmoedigd door de winstmarge van de apotheek vast te leggen op 21,4%, berekend op de aankoopprijs van de fabrikant. Vanaf 1983 kwam er dan de invoering van het remgeld, 0,62 euro per verpleegdag per patiënt, voor vergoedbare geneesmiddelen. Het remgeld van patiënten werd hierdoor begrensd. Deze maatregel is tot op heden nog van kracht. Vanaf 1989 mocht men geen winstmarge meer aanrekenen voor farmaceutische specialiteiten verbruikt tijdens verblijven. Het verlies van inkomsten werd en wordt gecompenseerd door het Budget van de Financiële Middelen (BFM) in het onderdeel B5, de financiering van de werkingskosten van de apotheek. Om het budget verder te kunnen handhaven, voerde men in 1997 de forfaitaire regeling voor profylaxe antibiotica in bij een heelkundige

10

ingreep. De invoering en berekening van dit deelforfait was gebaseerd op wetenschappelijk onderzoek. Er werden hierna nog pogingen gedaan om bepaalde deelforfaits in te voeren voor geneesmiddelengroepen. Die maatregelen zijn nooit van kracht gegaan. In 2004 leidde een studie van het Federaal Kenniscentrum voor Gezondheidszorg tot het zogenaamde KCE-rapport vol. 8A, “Financieringssystemen van ziekenhuisgeneesmiddelen: een beschrijvende studie van een aantal Europese landen en Canada”. Hieruit bleek, dat België één van de weinige landen was waar farmaceutische specialiteiten werden vergoed per product. Met andere woorden er werd niet forfaitair en prospectief vergoed in functie van de behandelde pathologie (Timmermans 2006; RIZIV 2009). De toenmalige Minister voor Sociale Zaken en Volksgezondheid, Rudy Demotte, zocht naar beheersmiddelen voor de ziekenhuisuitgaven. Onder zijn bevoegdheid werd het huidige systeem van forfaitaire vergoeding van farmaceutische specialiteiten ontwikkeld (RIZIV 2009). Sinds 1 juli 2006 werd het forfait voor farmaceutische specialiteiten ingevoerd voor alle hospitalisaties in algemene ziekenhuizen.

1.3. BEGRIPPEN

1.3.1. MKG Minimale Klinische Gegevens (MKG) zijn gebaseerd op de medische registratie door artsen. Sinds 1 oktober 1990 is de registratie van MKG verplicht voor alle algemene niet-psychiatrische ziekenhuizen. De registratie wordt gestructureerd per periode van een semester. Per periode worden alle gegevens van alle verblijven met een ontslag meegedeeld aan de overheid. De verzamelde gegevens hebben betrekking op het verblijf, de identiteit van de patiënt, de diagnosestelling en de medische behandeling. Onder de verblijfsgegevens wordt gerekend het type ziekenhuisverblijf, de aard van opname, door wie verwezen, plaats van opname,

11

bestemming, dag/maand/jaar van opname, dag/maand/jaar van ontslag, heropname, specialisme(n), bedindex(en), verpleegafdeling(en), en de klinische en de gefactureerde ligduur. De identiteitsgegevens die geregistreerd worden bestaan uit leeftijd, geboortejaar, woonplaats, landcode en nationaliteit. Voor de gegevens van de diagnosestelling wordt gebruikt gemaakt van de ICD-9-CM-codering. De ICD-9 is de benaming van het classificatiesysteem dat gehanteerd wordt in de Wereldgezondheidsorganisatie. CM betekent “clinical modification”. Dit classificatiesysteem laat toe om de diagnoses en de ingrepen die plaats vinden in de ziekenhuizen te coderen. Er zijn zo een 14000 codes voor de diagnoses en 4000 codes voor de ingrepen weer te geven. Er wordt een onderscheid gemaakt tussen hoofd- en nevendiagnoses. Als laatste wordt de medische behandeling geregistreerd. Hierbij wordt telkens verwezen naar de diagnose. Deze registratie bestaat uit de heelkundige ingrepen en de invasieve en risicodragende technieken (Sermeus, 2006).

1.3.2. MDC De gegevens die doorgestuurd zijn naar de overheid worden verder gestructureerd. De hoofddiagnoses, gecodeerd in ICD-9-CM, bij de MKG, worden ingedeeld in 25 diagnostische hoofdcategorieën. De categorieën worden “Major Diagnostic Categories” of MDC‟s genoemd. De indeling is gebaseerd op een bepaald orgaan of functioneel systeem van het menselijk lichaam. De MDC‟s worden opgedeeld in medisch of chirurgisch naargelang de ingreep of speciale techniek (Sermeus, 2006).

1.3.3. APR-DRG Sinds 2002 wordt het patiëntclassificatiesysteem APR-DRG gebruikt. APR-DRG staat voor “All Patients Refined Diagnosis Related Groups”. Dit classificatiesysteem laat toe alle hoofddiagnoses verder te specificeren naar homogene groepen van patiënten met een gelijk-

12

aardige hoofddiagnose, geslacht, leeftijd van de patiënt en eventueel de complicaties. De homogene groepen veronderstellen ook een gelijkaardig verbruik in gezondheidszorgen te hebben, inclusief farmaceutische specialiteiten. De omzetting van ICD-9-CM naar APRDRG wordt niet door de arts gedaan (Sermeus, 2006). Een voorbeeld, letterlijk overgenomen uit het boek van Sermeus, pagina 28 (2006) verduidelijkt de koppeling van ICD-9-CM en de APR-DRG‟s: “Een opname van een vrouw van 60 jaar met een beroerte (hoofddiagnose: code ICD-9-CM:436) en goedaardige hypertensie (nevendiagnose 401.1): zij zal geclassificeerd worden in APRDRG 045” (CVA met herseninfarct).” De onderstaande figuur heeft een visueel beeld van het cascadesysteem van de patiënten-classificatie.

Figuur 1: Bepaling van het APR-DRG

Bron: (Sermeus, 2006) pag. 26

1.3.4. MFG De minimale financiële gegevens (MFG) of de Anonieme Ziekenhuis Verblijfgegevens (AZG) zijn de facturatiegegevens van verblijven die worden doorgestuurd naar de verzekeringsinstellingen. Die minimale financiële gegevens bevatten gegevens over de verblijfsduur, bedrag aan verpleegdagprijs, de geneesmiddelenkost en de honoraria (Sermeus, 2006). 13

1.3.5. FARMACEUTISCHE SPECIALITEITEN Farmaceutische specialiteiten worden in de masterproef omschreven als vooraf bereide geneesmiddelen, die met een speciale benaming en in een verpakking te koop worden aangeboden (Sermeus, 2006). Het is in de Belgische wetgeving de gangbare technische omschrijving voor geneesmiddelen.

1.3.6. CASEMIX Casemix van een ziekenhuis heeft de graad van zorgzwaarte van patiënten in dat ziekenhuis weer. De graad wordt bepaald door de diagnoses, nevendiagnoses, leeftijd en geslacht van patiënten (Sermeus, 2006). Een ziekenhuis met relatief meer verblijven voor ernstige aandoeningen heeft een “zwaardere” casemix.

1.4.

BEPALING VAN HET FORFAIT

Voor de berekening van het forfait gaat de overheid uit van een vergelijkende logica. Dit betekent dat aan een welomschreven en homogeen ziektebeeld, het APR-DRG, een budget wordt verbonden voor farmaceutische specialiteiten. Dat bedrag is gebaseerd op de gemiddelde kost voor farmaceutische specialiteiten, verbruikt in alle algemene ziekenhuizen van België, voor dat specifieke ziektebeeld. De vergelijkende logica wordt niet op alle farmaceutische specialiteiten of verblijven toegepast. Verschillende kenmerken worden als exclusiecriteria omschreven voor deze gemiddelde kost en worden als reële kost meegenomen in het forfait. In de onderstaande figuur worden de verschillende stappen tot het bekomen van het forfait visueel voorgesteld. Nadien wordt elke stap toegelicht om te concluderen tot het uiteindelijke uitbetaalde forfait of het forfait per gerealiseerde opname.

14

Figuur 2: Schematische voorstelling van het forfait

Bron: Presentatie: geneesmiddelenbudget in ziekenhuizen door Prof Robays, slide 30

STAP 1: BINNEN OF BUITEN HET FORFAIT In het forfait wordt eerst een onderscheid gemaakt tussen geforfaitariseerde en niet geforfaitariseerde farmaceutische specialiteiten. In het forfait zitten alle farmaceutische specialiteiten van de vergoedingscategorieën A, B, C, Cs, en Cx, verbruikt tijdens een verblijf in een algemeen ziekenhuis.

15

De vergoedingscategorieën A, B, C, Cs, en Cx, worden, wanneer de patiënt niet opgenomen is in het ziekenhuis, volledig of gedeeltelijk terugbetaald door een ziekteverzekering. Een algemeen ziekenhuis moet minstens een heelkundige, geneeskundige of pediatrische dienst hebben, erkent door de overheid om binnen de regeling van de forfaitarisering te vallen. De psychiatrische, de geïsoleerde gespecialiseerde en de geriatrische ziekenhuizen worden uitgesloten van de forfaitarisering. Verder wordt een verblijf, in de forfaitarisering, gedefinieerd als een opname met minimum één overnachting (Werkgroep van de Multipartite, 2007-2008; Robays, 2009-2010). De farmaceutische specialiteiten die aan de volgende kenmerken voldoen worden uitgesloten van de forfaitarisering:  specialiteiten in de vergoedingscategorie D, dit zijn specialiteiten zonder tegemoetkoming van de ziekteverzekering.  specialiteiten die door hun werkzaam bestanddeel van groot belang zijn in de medische praktijk, waarbij de therapeutische en sociale behoefte groot is en ze een innoverend karakter hebben maar indien opgenomen in het forfait, het gebruik zou afgeremd worden door de kostprijs.  dure en innoverende specialiteiten die niet in gebruik waren tijdens het referentiejaar, drie jaar voor de uitbetaling.  specialiteiten, tijdens een ziekenhuisverblijf, voor een chronische pathologie of behandeling, die niet noodzakelijk tot de opname heeft geleid. Het ziekenhuis heeft geen invloed op de keuze of dosering van die farmaceutische specialiteiten, omdat ze reeds voorgeschreven waren, voor de opname.  specialiteiten die worden omschreven als weesgeneesmiddelen, IVbis geneesmiddelen, specialiteiten voor metabole ziekten of enzymatische stoornissen, cytostatica, immunomodulatoren, stimulatoren, farmaceutische specialiteiten met hemato-poëtische, statische en antithrombotische factoren, immunoglobulines, albumines, antivirale en anti-aids geneesmiddelen, antidota en groeihormonen.

16

De uitgesloten farmaceutische specialiteiten worden vergoed aan de tariefprijs, volgens de oorspronkelijke regeling namelijk per prestatie (RIZIV-INAMI, 2009; Robays, 2009-2010). De lijst van farmaceutische specialiteiten, die in en uit het forfait vallen, worden strikt opgevolgd door een werkgroep binnen de Commissie Tegemoetkomingen Geneesmiddelen (CTG). Dit is een permanente werkgroep onder bevoegdheid van de Federale Overheid die de taak heeft advies te geven en voorstellen te doen. De werkgroep bewaakt en brengt advies uit over de substitutiemogelijkheden tussen specialiteiten binnen en buiten het forfait, de potentiële discriminatie van producten, het insluiten van nieuwe farmaceutische specialiteiten en de invloed van het forfait op de kwaliteit van de medische zorgen (Robays, 2009-2010; RIZIV-INAMI, 2009; Decoster, 2009-2010). Door de uitgebreide lijst van uitzonderingen voor het forfait is de correlatie tussen farmaceutische specialiteiten in het forfait en het APR-DRG kleiner dan 0,15. Dit is een lage correlatie, nul is het minimum, min één of een is het maximum. Dit wil zeggen dat er slechts een zwak verband is tussen de voorgeschreven farmaceutische specialiteiten binnen de regeling van het forfait en de pathologie van de patiënt. De specialiteiten binnen het forfait hebben immers vaak een zeer algemeen karakter, en worden niet verbonden aan een specifiek ziektebeeld (Robays, 2009-2010).

STAP 2: KOPPELEN VAN PATIËNTGEGEVENS MKG en MFG worden geregistreerd en opgemaakt in de ziekenhuizen. MKG wordt doorgegeven aan FOD Volksgezondheid. De MFG worden doorgegeven aan de verzekeringsinstellingen. Beide gegevensgroepen worden nadien verzameld en aan elkaar gekoppeld in de Technische cel. De Technische Cel is opgericht als samenwerkingsverband tussen het RIZIV en FOD Volksgezondheid (Franssen 2007; Robays 2009-2010). Sinds 1997 koppelt de Technische Cel de gegevens van patiëntenverblijven in ziekenhuizen.

17

De koppeling van beide gegevensgroepen wordt uitgevoerd in twee fases. In de eerste fase wordt een overeenstemming gezocht tussen de twee gegevensgroepen. De velden “ziekenhuis + datum van vertrek + datum van opname + geanonimiseerd patiëntennummer” moeten gelijk zijn en de link creëren (Sermeus, 2006). Wanneer deze koppeling is gebeurd, start de tweede fase. De gegevens worden nagekeken op geloofwaardigheid. Verschillende kruiscontroles worden gedaan tussen onder meer de leeftijd, de ingreep en de verblijfsduur. Wanneer de koppeling niet geloofwaardig is, wordt ze verworpen. Over de tijd heen is er een positieve evolutie vast te stellen in de koppelingspercentages. De percentages stijgen zowel voor het UZ Gent als alle andere Belgische ziekenhuizen. Voor het UZ Gent was de het koppelingspercentage 99,2 percent, voor alle ziekenhuizen in België was dit 95,9 percent in 2007. Voor het UZ Gent zijn dat de hoogste koppelingspercentages sinds de registratie in de Technische Cel (Werkgroep van de Multipartite, 2007-2008). De niet-gekoppelde verblijven vertonen enkele terugkerende kenmerken. Men stelt vast dat tussen de ziekenhuizen onderling de nietgekoppelde verblijven schommelen tussen 1,65% en 19,34% van het totaal aantal verblijven, voor de gegevens van 2004. De gemiddelde duur van niet-gekoppelde verblijven is langer, gemiddeld 14,51 dagen. De gemiddelde duur van een gekoppeld verblijf is 8,16 dagen. Als laatste stelt men vast dat de kostprijs voor farmaceutische specialiteiten hoger is, 285 euro, dan bij gekoppelde verblijven, 206 euro (Werkgroep van de Multipartite, 2007-2008). Bij de niet-gekoppelde verblijven worden de voorgeschreven geneesmiddelen vergoed volgens reële kostprijs (RIZIV-INAMI, 2009)

STAP 3: LIGDUUR Voor alle gekoppelde gegevens, met een normale ligduur, wordt een gemiddeld verbruik van farmaceutische specialiteiten berekend per APR-DRG_rsv (APR-DRG en de risk of severity of ernstgraad).

18

De databank van gegevens waarover de Technische Cel beschikt, heeft het mogelijk gemaakt om, naast gemiddelde kosten, ook een nationaal gemiddelde verblijfsduur te bepalen per APR-DRG_rsv. De gemiddelde verblijfsduur van patiënten wordt niet alleen gebruikt in de financiering van farmaceutische specialiteiten maar ook in het berekenen van de verantwoorde bedden en de daaruit afgeleide financiering voor de klinische zorgen. Er wordt een onderscheid gemaakt tussen normale verblijfsduren of inliers en uitzonderlijke verblijfsduren of outliers. De verblijfsduren worden projecteerd op een Gauss-curve. Een uitzonderlijke verblijfsduur is langer dan twee maal de standaard afwijking. Met andere woorden wanneer een gemiddelde verblijfsduur zeven dagen is voor een bepaalde pathologie, de standaardafwijking twee dagen, dan is een verblijf een outlier vanaf elf dagen (zeven dagen opgeteld met twee maal twee, vier). Voor outliers wordt de werkelijke kost voor farmaceutische specialiteiten gefactureerd (RIZIV-INAMI, 2009; Robays, 2009-2010). Kenmerkend voor outliers is dat het totaal aantal outliers, nationaal stabiel blijft, maar het aantal outliers per ziekenhuis variabel is van 1,5% tot 8,7%. Verder is het aantal outliers per APR-DRG zeer verschillend en varieert tussen 0% en 20%. Als laatste zijn de kosten voor farmaceutische specialiteiten tot driemaal hoger bij outliers (Werkgroep van de Multipartite, 2007-2008).

STAP 4: UITSLUITING APR-DRG In de lijst van APR-DRG‟s worden de farmaceutische specialiteiten van de APR-DRG‟s 950 tot en met 956 vergoed aan de reële kostprijs. Deze restgroep wordt uitgesloten omdat de hoofdverstrekking niet in verband staat met de voornaamste diagnose of omdat het gaat om een foute codering. Het nationaal gemiddelde budget van de restgroep is hier niet representatief voor de gemaakte kosten (RIZIVINAMI, 2009).

19

STAP 5: HET FORFAIT Alvorens de bepaling van het forfait te beschrijven is het belangrijk een onderscheid te maken tussen het nationaal gemiddeld bedrag of het forfait per APR-DRG_rsv en het uitbetaalde forfait. Jaarlijks wordt een forfait bepaald per APR-DRG_rsv, door het nationaal gemiddeld bedrag aan uitgaven te nemen voor dat APRDRG_rsv. In figuur twee staat dit forfait visueel voorgesteld in de vierde stap. Het uitbetaalde forfait per opname, aan het ziekenhuis, is niet gelijk aan dit forfait. Dit uitbetaalde forfait is een gewogen gemiddeld bedrag berekend op de casemix van drie jaar geleden, waarbij zowel de forfaits per APR-DRG_rsv als de reële kosten van de uitzonderingen in verwerkt worden. Dit laatste forfait, het uitbetaalde forfait, is voor elke opname gelijk, gedurende één jaar. De vaststelling van het uitbetaalde forfait per opname voor farmaceutische specialiteiten gebeurt in twee delen. Eerst wordt de enveloppe van het ziekenhuis bepaald. Daarna wordt deze enveloppe gewogen ten aanzien van de begroting en opgedeeld per opname. De uitbetaling gebeurt per gerealiseerde opname. De enveloppe van het ziekenhuis bestaat uit alle inliers, outliers, nietgekoppelde verblijven en de restgroep APR-DRG‟s. Voor alle inliers, wordt het APR-DRG_rsv vermenigvuldigd met het vastgelegde forfait per APR-DRG_rsv. Al deze bedragen worden opgeteld. Het gaat hier over de opstelsom van de nationaal gemiddelde bedragen van alle verblijven die passen in de reglementering van de forfaitarisering. Bij dit bedrag worden vervolgens alle reële kosten van de uitzonderingen voor farmaceutische specialiteiten geteld, zijnde de outliers, niet-gekoppelde verblijven en de restgroep van APR-DRG‟s. De niet geforfaitariseerde farmaceutische specialiteiten worden hier niet in betrokken, noch in het forfait per APR-DRG, noch in het uitbetaalde forfait. Deze specialiteiten worden nog steeds vergoed volgens voorschrift, “fee for product”.

20

Het resultaat van deze optelsom is de financiële enveloppe voor geforfaitariseerde farmaceutische specialiteiten, vastgesteld voor een welbepaald ziekenhuis. In het tweede deel wordt deze enveloppe in verhouding gebracht met de nationale begroting. Dit is het budget dat de nationale overheid heeft voorzien voor geforfaitariseerde farmaceutische specialiteiten die onder de reglementering van het forfait vallen. De enveloppe van het ziekenhuis wordt gedeeld door de cumulatie van alle enveloppen van alle Belgische ziekenhuizen. Vervolgens wordt het bedrag vermenigvuldigd met het voorziene budget van de overheid. Het uiteindelijke bedrag wordt gedeeld door het aantal opnames van het referentiejaar van het ziekenhuis om zo tot het forfait per opname te komen, het uitbetaalde forfait. Het is dat forfait dat het ziekenhuis zal ontvangen per gerealiseerde opname. Het uitbetaalde forfait is historisch bepaald omdat het referentiejaar steeds drie jaar terug is. Voor 2010 is het referentiejaar 2007 (Robays 2009-2010). Het forfait per opname varieert per jaar, afhankelijk van referentiejaar, de casemix van het ziekenhuis, drie jaar terug. Slechts 75 procent van het forfait wordt uitbetaald bij een opname. Het andere deel van het forfait, 25 procent, wordt gefactureerd aan de tariefprijs. Door deze maatregel blijft het mogelijk om de individuele registratie van elk voorschrift te waarborgen. Wijzigingen in voorschrijfgedrag kunnen hierdoor worden opgevolgd, geanalyseerd en voorspeld. (Timmermans 2006; Franssen 2007; RIZIV 2009) Gezien de complexiteit van de berekening, wordt ze herhaald aan de hand van een voorbeeld dat geïllustreerd is in bijlage één. De vaststelling van de enveloppe van het ziekenhuis begint bij de opstelsom van alle nationaal bepaalde bedragen per APR-DRG_rsv of het forfait per APR-DRG_rsv. Dit wil zeggen dat voor elke patiënt, elke opname met zijn pathologie en ernstgraad de overheid een budget heeft vastgelegd voor farmaceutische specialiteiten. Het zijn al deze bedragen die worden opgeteld. Voor ons voorbeeld is de som voor alle forfaits APR-DRG_rsv 6.450.494,87 euro. De volgende stap voor de vaststelling van de enveloppe zijn de reële kosten van de outliers, de uitgesloten APR-DRG‟s en de niet-gekoppelde verblijven mee in aanmerking nemen. Concreet betekent dit dat bij de 21

6.450.494,87 euro er 2.888.014,95 euro wordt geteld. Het totale bedrag, de enveloppe van het ziekenhuis komt zo op een bedrag van 9.093.509,82 euro. In theorie is dit het bedrag waarop het ziekenhuis recht heeft voor de geforfaitariseerde farmaceutische specialiteiten voor dat jaar, het referentiejaar. Die enveloppe wordt nu in evenwicht gebracht met het gesloten budget van de overheid. Het is een gesloten budget, dat wil zeggen dat het budget begrensd is. Het voorziene budget voor geforfaitariseerde farmaceutische specialiteiten van de overheid is 228.393.232 euro voor alle algemene Belgische ziekenhuizen. De optelsom van alle enveloppen van alle algemene Belgische ziekenhuizen bedraagt 321.966.814,19 euro. Het voorziene budget van de overheid is aanzienlijk kleiner dan de som van de berekende enveloppen voor alle ziekenhuizen. Ieder ziekenhuis zal dus in verhouding een deel van de enveloppe moeten afstaan. De enveloppe van ziekenhuis in de bijlage, de 9.093.509,82 euro wordt gedeeld door de optelsom van alle enveloppen, 321.966.814,19 euro en vermenigvuldigd met het nationaal voorziene budget, 228.393.232 euro. Door deze bewerking komt de enveloppe van het ziekenhuis op 6.450.652,69 euro. Dit is lager dan het eerste berekende budget, 9.093.509,82 euro. Het gewogen budget voor het ziekenhuis 6.450.652,69 euro wordt gedeeld door het aantal opnames van dat jaar. In het ziekenhuis van de bijlage waren dat 32.581 verblijven. Het uitbetaalde forfait komt op die manier op 197,99 euro per gerealiseerde opname. Drie jaar na dit referentiejaar, zal het ziekenhuis per opname recht hebben op een bedrag van 197,99 euro. Dit bedrag is vanzelfsprekend niet hetzelfde als het forfait per APR-DRG_rsv. Drie vierden van het uitbetaalde forfait, zijnde 75 procent van 197,99 euro, wordt uitbetaald wanneer het ziekenhuis een opname realiseert. Concreet is dit 148,49 euro. Het andere vierde wordt niet door een forfait uitbetaald. Alle geforfaitariseerde farmaceutische specialiteiten die geconsumeerd zijn tijdens het verblijf worden uitbetaald aan één vierde van de tariefprijs van farmaceutische specialiteiten, de uitbetaling zoals die voorheen gebeurde. Het totale verlies of winst van inkomen voor geforfaitariseerde specialiteiten van een ziekenhuis ten aanzien van de vroegere regeling voor farmaceutische specialiteiten, wordt door de 75 procent uitbetaling van het forfait herleid met een vierde. 22

In het praktijkdeel worden alle analyses gebaseerd op het nationaal gemiddeld bedrag, het forfait per APR-DRG_rsv. Het gederfde inkomen (later wordt dit verder beschreven) houdt dus geen rekening met het verlies van inkomen door het te beperkt budget van de overheid.

1.5.

GEVOLGEN

Een kritische analyse ten aanzien van het forfait toont dat de invoering niet zonder gevolgen is geweest. Ziekenhuizen hebben geanticipeerd, soms ten koste van andere ziekenhuizen of zichzelf. Gezien de historische bepaling van het forfait konden sommige uitwerkingen niet meer ongedaan gemaakt worden en de oorspronkelijke doelstelling van de wetgever, beschreven in de inleiding van het hoofdstuk, wordt niet altijd gehaald. De gevolgen zijn weergegeven op het vlak van administratie, codering, management van ziekenhuizen en specifiek voor universitaire ziekenhuizen.

1.5.1. ADMINISTRATIE Het forfait werd door de wetgever aangekondigd als een vereenvoudiging van de administratie. De wetgever alludeerde hiermee naar het wegvallen het antibioticaforfait en de attesten voor specialiteiten binnen het forfait. Het ziekenhuismanagement neemt nu zelf de verantwoordelijkheid voor het correct gebruik van deze producten, tijdens het ziekenhuisverblijf. Het luik facturatie in de administratie vereenvoudigde niet. Van het forfait blijft 25 procent uitbetaald per voorgeschreven specialiteit. De facturatie is gelijk gebleven als voor de invoering van het forfait. Deze maatregel is genomen omdat de overheid inzicht wil blijven behouden in het voorschrijfgedrag.

23

Daarnaast worden er nog een opdeling gemaakt in drie verschillende systemen van facturatie in het ziekenhuis: het forfait, buiten forfait en daghospitalisatie (Robays 2009-2010). De facturatie blijft dus ongewijzigd zoals voorheen en wordt zelfs complexer.

1.5.2. CODERING Het belang van de codering van de MKG‟s is sterk toegenomen. De zelfregistratie van ziekenhuizen heeft een directe invloed op de omvang van het forfait dat het ziekenhuis zal ontvangen voor geforfaitariseerde farmaceutische specialiteiten. Aangezien er slechts een beperkte vorm van externe en interne controle is op de wijze waarop de registratie van MKG‟s gebeurt, bestaat het risico op “economisch coderen” (Decoster, 2009-2010; Robays, 2009-2010). Immers, hoe ernstiger het APR-DRG_rsv, hoe hoger het forfait. Maar door dit economisch coderen worden patiëntenopnames in derde en vierde lijnszorg met intensieve en complexe zorgen ondergewaardeerd. Als de codering van bepaalde matige pathologieën systematisch resulteert in een hogere ernstgraad, zullen de gemiddelde kosten verbonden aan die pathologie met ernstgraad dalen, alsook het voorziene forfait voor dat APR-DRG_rsv vanuit de overheid. Een voorbeeld van deze problematiek is het APR-DRG 138. Het nationaal gemiddeld forfaitair bedrag voor specialiteiten is groter bij ernstgraad drie dan bij ernstgraad vier, respectievelijk 58,54 euro en 30,75 euro. Het forfait houdt bovendien enkel rekening met de diagnose en ernstgraad, maar niet met de keuze van behandeling. Bij de diagnose van leukemie kan geopteerd worden voor een curatieve of een palliatieve benadering. De genomen keuze zal sterk de kostprijs aan farmaceutische specialiteiten bepalen, ondanks dat het forfait per APRDRG_rsv gelijk blijft (Van Bruwaene, 2009). Ziekenhuizen die vooral patiënten hebben met intensieve en complexe behandelingen, zoals universitaire ziekenhuizen, worden door de negatie van de behandeling systematisch benadeeld.

24

Het forfait houdt verder geen rekening met transfers van andere ziekenhuizen. Gecompliceerde pathologieën worden vaak doorverwezen van perifere ziekenhuizen naar meer gespecialiseerde ziekenhuizen, zoals universitaire ziekenhuizen. Veel van die patiënten zijn van bij de opname, de transfer in vanuit een andere ziekenhuis, een APR-DRG met een ernstgraad vier. De hoge kostprijs van farmaceutische specialiteiten voor deze patiëntengroep wordt niet mee in weging genomen bij het bepalen van het forfait.

1.5.3. MANAGEMENT VAN ZIEKENHUIZEN De invoering van het forfait heeft consequenties naar het management van ziekenhuizen. Een inkomen dat forfaitair en historisch bepaald is, vraagt een andere benadering. Het uitbetaalde forfait wordt berekend op de casemix van drie jaar geleden. Door deze historische berekening ontstaat er een discrepantie tussen de reële kosten en de inkomsten. Het verschil bestaat in de twee richtingen. Enerzijds moeten en gaan de ziekenhuizen steeds efficiënter werken en kunnen ze daardoor goedkoper kwalitatieve gezondheidszorg bieden. Anderzijds creëert de innovatie en de vernieuwde technologieën, noodzakelijk voor de kwaliteit van de zorg, een bron van extra kosten (Colardyn, 2009-2010). Door de manier van berekenen is het verder voor ziekenhuizen niet mogelijk om op het moment zelf in te grijpen. De interventies zullen pas op langere termijn, ten vroegste na drie jaar, hun meerwaarde tonen. Een wanbeleid in het verleden kan vergaande gevolgen hebben in de toekomst. Anderzijds kunnen inspanningen van het heden, de enveloppe van de toekomst sterk doen krimpen. Het management moet hierin een evenwicht zoeken. Het uitbetaalde forfait per opname wordt niet alleen bepaald door het management van één ziekenhuis. Het nationaal voorziene budget is een gesloten budget. Wanneer één ziekenhuis een grotere enveloppe heeft, door bijvoorbeeld veel vergoedingen van geforfaitariseerde farmaceutische specialiteiten in reële kosten, wordt de enveloppe van ander ziekenhuizen benadeeld (zie de berekening in stap vijf). Ondanks goede interventies van het ene ziekenhuis, kunnen ze, door het

25

gesloten budget, toch benadeeld worden, door een slechte werking van andere ziekenhuizen (Colardyn, 2009-2010). De aankooppolitiek in ziekenhuizen (voorbeeld in bijlage twee) kiest niet a priori een specialiteit dat de laagste tariefprijs heeft voor de verzekeringsinstelling. Bij het keuzecriterium kosten/efficiëntie, wordt eerst de prijs na korting voor het ziekenhuis in acht genomen. Pas nadien wordt de kost voor het RIZIV bekeken. Het forfaitaire systeem stimuleert hierdoor niet altijd de aankoop van generische (goedkopere) middelen, een doelstelling van de overheid. Bij de aankoop van farmaceutische specialiteiten word het totale kader benaderd. Er wordt gekeken naar de tariefprijs, maar ook naar de aankoopprijs, sponsoring in wetenschappelijk onderzoek, de hulpmiddelen voor patiënten of artsen, … Farmaceutische bedrijven behouden de tariefprijs maar laten de informele verkoopprijs gunstiger worden. Ziekenhuizen krijgen door deze interventie een dubbel voordeel. Naast een interessante aankoopprijs is er een bijkomend voordeel met het 25 procent variabele gedeelte (Robays, 2009-2010). Hoe hoger het basisbedrag van de tariefprijs, hoe hoger de 25 procent in absolute cijfers zal zijn. De doelstelling van de overheid om meer goedkopere geneesmiddelen op de markt te halen, wordt door dit verkoopsbeleid van bedrijven onderuit gehaald. De voorgaande analyse wordt echter tegengesproken. Er is een onderzoek gedaan door het Departement van Onderzoek en Ontwikkeling van de christelijke verzekeringsinstelling naar dit potentieel gevaar. De onderzoekers hebben de uitgaven van geneesmiddelen in algemene ziekenhuizen in 2005, vóór de forfaitarisering, vergeleken met 2007. Het eerste jaar na de forfaitarisering. Het onderzoek deelt de geneesmiddelen op in vier verschillende groepen: de generieke geneesmiddelen, de goedkope merkgeneesmiddelen, de dure merkgeneesmiddelen en de geneesmiddelen onder een patent. De toe- of afname is respectievelijk: +56%, +78%, -18% en -6%. In het artikel wordt er niet beschreven hoe de geneesmiddelen worden verdeeld in dure of goedkope merkgeneesmiddelen. Het artikel toont aan dat er een toename is in het gebruik van goedkopere geneesmiddelen en er een rationeler verbruik is (Cornelis, 2008).

26

1.5.4. UNIVERSITAIRE ZIEKENHUIZEN Universitaire ziekenhuizen hebben een meer uitgebreide opdracht dan andere algemene ziekenhuizen. Naast hun algemene zorg, geven ze complexe en referentiezorg. Ze zijn vaak het laatste toevluchtsoord voor patiënten met ingewikkelde pathologieën. Ten tweede geven ze opleiding en vorming aan gezondheidwerkers. Als derde doen ze aan wetenschappelijk onderzoek en het analyseren van nieuwe technologieën, het “technology assessment”. Ten slotte hebben ze ook een adviesfunctie naar de overheid (Decoster, 2009-2010). Door deze taakinvulling hebben universitaire ziekenhuizen een specifieke patiëntenpopulatie die afwijkt van het nationaal gemiddelde ziekenhuis en een ander patroon in het gebruik van gezondheidszorgen. Universitaire ziekenhuizen investeren in patiëntengroepen of medische disciplines waar andere ziekenhuizen niet in investeren wegens een gebrek aan expertise of het verlieslatend karakter (Colardyn, 2009-2010). De meerkost voor deze academische opdracht bedraagt 24,3% (Antares Consulting, 2003; Decoster, 20092010). Slechts 6% wordt vergoed door de aanvullende financiering, onderdeel B7, in het BFM. De meerkost vertaalt zich ook in kosten voor farmaceutische specialiteiten. Uit de variantie-analyse van Dr. Van Bruwaene blijkt dat het verlies van universitaire ziekenhuizen bij farmaceutische specialiteiten deels te wijten is aan de berekening van het forfait. Volgens zijn resultaten zou het opnemen van de variabelen „ligduur‟ „leeftijdscategorie‟, „heropname‟, „transfer in‟, „transfer in-out, „overleden‟ en „spoed‟ in de berekening van forfait, 75 procent van de kost voor farmaceutische specialiteiten verklaren. Slechts 29 procent van de kostprijs kan verklaard worden met de huidige berekening van het RIZIV in 2006. Hij stelt verder vast dat de ligduur de belangrijkste variabele is voor de verklaring van de kostprijs. Volgens dit onderzoek houdt de berekening van het forfait met te weinig factoren rekening en benadeelt het daarmee sterk de universitaire ziekenhuizen. Verder is het kenmerkend dat het verlies van farmaceutische specialiteiten in universitaire ziekenhuizen terug komt in specifieke APR-

27

DRG‟s onder andere hematologie, verloskunde, orthopedie en tracheostomie. De verliezen situeren zich verder vooral bij een APRDRG met ernstgraad 4 (Van Bruwaene, 2009).

1.6.

CONCLUSIE

De afgelopen jaren zijn er verschillende incentives geweest om het geneesmiddelenbeleid te rationaliseren. Op 1 juli 2006, werd de forfaitarisering van geneesmiddelen in algemene ziekenhuizen ingevoerd. Deze invoering stimuleert de ziekenhuizen hun verantwoordelijkheid op te nemen in een efficiënter beheer van geneesmiddelen, die kwaliteit moet bieden tegen een minimum aan kosten. De bepaling van het forfait houdt met verschillende aspecten rond farmaceutische specialiteiten rekening, zoals ondermeer outliers en niet-gekoppelde verblijven. Niettemin zijn er verschillende implicaties voor algemene ziekenhuizen en specifiek voor universitaire ziekenhuizen. De facturatie wordt uitgebreid. Het belang van de registratie van MKG‟s neemt toe en zet de deur op een kier voor misbruiken. Bepaalde aspecten zoals keuze van behandeling, ligduur en transfers tussen ziekenhuizen worden niet mee in weging gebracht voor het forfait. Verder moet het management zich een andere manier van werken eigen maken en is de aankooppolitiek van ziekenhuizen niet afgestemd op de doelstellingen van de wetgever. De invoering van het forfait voor farmaceutische specialiteiten is vooral voelbaar in ziekenhuizen die zich specialiseren in derde en vierde lijnszorg, in het bijzonder universitaire ziekenhuizen. Hun specifieke academische opdracht brengt extra kosten met zich mee, die met het forfait niet worden vergoed. De overheid houdt op dit moment onvoldoende rekening met die specifieke aspecten in de berekening van het forfait.

28

2.

PROBLEEM EN DOELSTELLING

Universitaire ziekenhuizen, zoals het UZ Gent, hebben een meer specifieke en uitgebreide opdracht, dan algemene ziekenhuizen. Naast de algemene kwalitatieve medische zorgen, zijn zij gespecialiseerd in derde en vierde lijnszorg. Ze staan, zoals in vorig hoofdstuk beschreven, in voor onderwijs, toegepast wetenschappelijk onderzoek, evaluatie van medische activiteiten, “technology assesment” en geven advies aan overheidsinstanties (Decoster, 2009-2010; Antares Consulting, 2003). Deze specifieke opdracht brengt extra kosten met zich mee. Sinds 2 juli 2002 worden die extra kosten erkend door de overheid en worden ze voor een deel vergoed in het Budget voor Financiële Middelen (BFM), in het luik B7. Dit is echter niet toereikend voor alle meerkosten van de opdracht (Antares Consulting, 2003). De berekening van een nationaal gemiddelde kost, het forfait voor het APR-DRG_rsv voor farmaceutische specialiteiten gebeurt aan de hand van een vergelijkende logica voor alle algemene ziekenhuizen, inclusief de universitaire ziekenhuizen. De berekening houdt geen rekening met het speciale karakter van universitaire ziekenhuizen en de daaruit volgende casemix en het patroon van gezondheidszorg verbruik. Bij het BFM wordt er wel een onderscheid gemaakt. De universitaire ziekenhuizen kunnen niet vergeleken worden met het nationaal gemiddelde verbruik en kosten in ziekenhuizen. Door de invoering van het forfait wordt het bedrag voor farmaceutische specialiteiten bepaald en begrensd en is er dus een hoeveelheid aan inkomsten die niet meer gegenereerd wordt. In het praktijkdeel van de masterproef wordt onderzocht welke kenmerken van de casemix een invloed hebben op de kostprijs van specialiteiten en zorgen voor het verlies aan inkomen door de forfaitarisering.

29

3.

PRAKTIJKONDERZOEK IN HET UZ GENT

In het praktijkdeel worden de financiële gevolgen van de forfaitarisering van farmaceutische specialiteiten bestudeerd voor het UZ Gent. Dit wordt gedaan aan de hand van de kenmerken van de casemix. Het onderzoek van Dr. Bruwaene toonde aan dat universitaire ziekenhuizen een verlies van inkomen hebben door de invoering van het forfait. De verwachting van de studie is dat specifieke verblijfskenmerken een invloed hebben op de kostprijs van specialiteiten. De bedoeling is om na te gaan welke kenmerken dit zijn en af te wegen of al dan niet een aparte berekening voor universitaire ziekenhuizen nodig is. In dit praktijkdeel van de masterproef worden eerst het onderzoeksdesign, methodologie en hypothesen behandeld. Dit wordt gevolgd door de samenstelling van de dataset en de data-cleaning. Verder volgt de procedure van de analyse in drie delen. De resultaten, de interpretatie en de conclusie sluiten dit deel af.

3.1. GIE

HET ONDERZOEKSDESIGN EN METHODOLO-

Alvorens een beschrijving te geven van de methodologie wordt het onderzoeksdesign, met de aspecten manipulatie, tijd,vergelijking en setting beschreven (Polit & Beck, 2006). De onderzoeksset is het resultaat van een secundaire analyse. De verzameling van gegevens heeft niet in de eerste plaats het doel gehad, gebruikt te worden in deze studie. Hierdoor zijn er geen manipulaties gebeurt in functie van het onderzoek. Het gaat hier met andere woorden, over een niet experimenteel design. In de theorie is uitgelegd dat de bepaling van het forfait historisch gebeurd. Het forfait is gebaseerd op de resultaten van het ziekenhuis drie jaar geleden. Dit is terug te vinden in paragraaf 1.3. stap vijf. Om die reden heeft het onderzoek een retrospectief karakter.

30

Voor de studie worden alle en enkel de verblijven van het UZ Gent van 2005 en 2006 in aanmerking genomen. Samengevat is het onderzoeksdesign een case studie met een niet experimenteel en retrospectief design. In de methodologie is er gekozen om het verlies aan inkomen te bepalen met de omvang van het gederfde inkomen voor geforfaitariseerde farmaceutische specialiteiten. Deze variabele is het verschil van de tariefprijs voor geforfaitariseerde farmaceutische specialiteiten verbruikt tijdens een specifiek verblijf en het forfait per APRDRG_rsv voor dat specifieke verblijf. Er wordt een verschil gemaakt tussen wat het UZ Gent zou ontvangen normaal, voor de invoering van het forfait, en het forfait per APR-DRG_rsv. Het gaat hier niet over het uitbetaalde forfait per gerealiseerde opname van het ziekenhuis, maar wel over het forfait dat berekend wordt aan de hand van de nationaal gemiddelde kost voor specialiteiten per APR-DRG_rsv. Het gederfde inkomen is het bedrag dat het ziekenhuis niet langer ontvangt door de invoering van het forfait. Een positief bedrag, boven nul, verhoogt het gederfde inkomen en betekent minder inkomsten voor het ziekenhuis. Er is bewust gekozen om te werken met gederfd inkomen en niet met verlies, omdat er geen rekening wordt gehouden met de aankoopprijs van specialiteiten in het ziekenhuis. Door een multiple regressie onderzoekt de studie de invloed van de verschillende kenmerken van het verblijf op het gederfde inkomen.

3.2.

DE HYPOTHESEN

Vanuit de berekening van het forfait per APR-DRG_rsv en het onderzoek van Dr. Van Bruwaene worden de volgende hypothesen geformuleerd voor de multiple regressie. Het forfait wordt bepaald door de het APR-DRG en ernstgraad. Voor dit onderzoek wordt er dan ook gesteld dat de ernstgraad van de pathologie een invloed zal uitoefenen op het gederfde inkomen van het

31

UZ Gent. Hoe hoger de ernstgraad, met een maximum van vier, hoe hoger het gederfde inkomen. Meer complexe pathologieën vragen immers meer middelen, die het gederfde inkomen doen stijgen. Uit het onderzoek van Dr. Van Bruwaene is naar voor gekomen dat de variabelen „ligduur‟ „leeftijdscategorie‟, „heropname‟, „transfer in‟, „transfer in-out, „overleden‟ en „spoed‟ een invloed uitoefenen op de kostprijs van farmaceutische specialiteiten maar niet meegenomen worden in de berekening voor het forfait (Van Bruwaene, 2009). Vanuit deze bevinding worden de andere hypothesen geformuleerd. De leeftijd heeft een invloed op het gederfde inkomen. Hoe hoger de leeftijd, hoe hoger het gederfde inkomen. Patiënten die ouder zijn, worden verondersteld intensiever ziek te zijn en een langere recuperatietijd nodig te hebben. De verblijfsduur heeft vervolgens ook een verhoogde invloed op het gederfde inkomen. Gezien het forfait per opname is, moet hetzelfde bedrag een langere periode of een kortere periode van kosten voor farmaceutische specialiteiten overbruggen. Met andere woorden hoe langer een patiënt verblijft in het UZ Gent, hoe hoger het gederfde inkomen. Verder heeft het overlijden van een patiënt een verhoogde invloed op het gederfde inkomen. Voor een patiënt overlijdt, investeert het ziekenhuis om alsnog de patiënt te redden. Deze investering in behandeling en specialiteiten wordt verondersteld zich ook te weerspiegelen in het gederfde inkomen. Verblijven die doorverwezen worden vanuit een ander ziekenhuis hebben een verhoogde invloed op het gederfde inkomen. Perifere ziekenhuizen doen beroep op de deskundigheid van het UZ Gent voor hun meest complexe patiënten. Die complexe patiënten vragen dure medische behandelingen, ook voor farmaceutische specialiteiten. Als laatste wordt verondersteld dat ook buitenlandse patiënten een verhoogde invloed hebben op het gederfde inkomen. Deze patiënten komen voor een specifieke behandeling, die in het land van herkomst niet of niet volgens de Belgische kwaliteit kan gegeven worden. Deze behandelingen, inclusief farmaceutische specialiteiten, zijn duur.

32

3.3.

DE DATASET

3.3.1. SAMENSTELLING DATASET De dataset is samengesteld met gegevens uit verschillende gegevensbanken van het UZ Gent en algemene informatie ter ondersteuning. De gegevens werden telkens verzameld per verblijf over een periode van twee jaar, 2005 en 2006. De eerste gegevens zijn afkomstig van de apotheek van het UZ Gent en werden overhandigd door Professor Robays. Professor Robays, de promotor van de masterproef, is onder andere het hoofd van de apotheek in het UZ Gent. De gegevens zijn een extractie uit de facturatiegegevens van farmaceutische specialiteiten van het UZ Gent. Per verblijf zijn 12 elementen vernoemd: het ziekenhuisnummer, gekoppeld verblijf, aantal dagen of verblijfsduur, totaal bedrag voor farmaceutische producten, totaal bedrag voor geforfaitariseerde farmaceutische producten, MKG-verblijfsnummer, APR-DRG van de patiënt, graad van ernst, limiet outliers, outlier, nationaal gemiddeld bedrag en het verschil. De andere gegevens en ondersteunende gegevens zijn overhandigd door Erik Baert, de begeleider van de masterproef. Hij is een medewerker in het UZ Gent en een gastprofessor in de Universiteit Gent. Hij volgt ondermeer nauwgezet de registratie van de MKG. De andere gegevens zijn eerst gegevens over de patiënt: land, woonplaats, postcode, geslacht en leeftijd. Verder zijn het administratieve gegevens over de opname: soort van ziekenhuisverblijf, verblijfsduur, opname aard, verwijzing, ontslag, bestemming, afkomst, opnamedatum en –uur en ontslagdatum en –uur. Als ondersteunende gegevens werd gebruik gemaakt van de MDC en APR-DRG, telkens de code en vertaling van de code. Al de informatie werd gekoppeld in één dataset, die 69050 gegevensrijen bevat. Elke rij staat voor een patiëntenverblijf. Per verblijf zijn er 31 variabelen of kenmerken. Hierna volgt een opsomming van de 31 variabelen: MKG-jaar, verblijfsnummer, gekoppeld verblijf, verwerping, aantal dagen, farmaceutische producten totaal, geforfaitariseerde farmaceutische produc-

33

ten, porm (medische of heelkundige behandeling), MDC, MDC tekst, APR-DRG, APR-DRG tekst, RSV, outlier limit, outlier, nationaal gemiddelde, verschil, soort opname, opnamedatum en –uur, ontslagdatum en –uur, leeftijd, opnameaard, verwezen door, afkomst, ontslagaard, bestemming, geslacht, geboortedatum, postcode, gemeente en land. Een verdere uitdieping van de betekenis van de variabelen volgt bij de beschrijving van de variabelen. Alvorens de gegevens werden opgevraagd en verwerkt, is de procedure voorgelegd aan het Ethisch Comité, die haar goedkeuring heeft gegeven. Bij de verwerking van de gegevens is er rekening gehouden met de integriteit van de patiënt. De gegevens werden gecodeerd per verblijf. Enkel geautoriseerde personen in het UZ Gent kunnen aan de hand van de code van ieder verblijf, het verblijfsnummer, verdere informatie opvragen of toevoegen.

3.3.2. DATA-CLEANING In deze studie wordt gezocht naar invloeden op het gederfd inkomen, bij geforfaitariseerde farmaceutische specialiteiten. De specialiteiten in de forfaitarisering, die worden vergoed aan de reële kostprijs, zoals de regeling vóór 1 juli 2006, komen niet in aanmerking voor verdere analyse. Farmaceutische specialiteiten, die onder de regeling van de forfaitarisering vallen, maar door bepaalde kenmerken van het verblijf vergoed worden aan de reële kostprijs worden ook niet opgenomen in de analyse. Zoals beschreven in het eerste hoofdstuk, paragraaf “1.4. Bepaling van het forfait” zijn dit de kenmerken of exclusiecriteria: de niet-gekoppelde verblijven, outliers en APR-DRG‟s die behoren tot de restgroep. Verder werden ook de rijen verwijderd met als pathologie een psychiatrische aandoening. Aan een psychiatrische pathologie wordt geen nationaal gemiddeld bedrag toegewezen, hoewel de patiënt in een algemeen ziekenhuis verblijft. Verblijven die een of meerdere van de bovenstaande exclusiecriteria hebben, worden uit de dataset verwijderd.

34

Van de 69050 gegevensrijen, die telkens een verblijf vertegenwoordigen, worden 18186 rijen geschrapt. Ongeveer 26.3% verblijven verdwijnen hierdoor voor de verdere analyse. Het totaal van de verblijven komt op 50864. Het aantal verblijven weergeven per uitgesloten criterium is niet toepasbaar, gezien verschillende verblijven één of meerdere exclusiecriteria vertoonden. Het verblijf toewijzen aan één van de exclusiecriterium geeft een vertekend en incorrect beeld.

3.4.

PROCEDURE VAN DE ANALYSE

Voor de analyse van de dataset wordt gebruik gemaakt van het statistisch programma SPSS 17.0 voor windows. Dit programma is het meest gebruikte pakket in de gezondheidswetenschappen. De afkorting SPSS staat Statistical Package for the Social Sciences (De Moor & Van Maele, 2008). Het programma wordt aangeboden door de Universiteit Gent aan onder andere de studenten. Voor dit onderzoek wordt uit het SPSS programma, de multiple lineaire regressie gekozen. De keuze voor een regressie is te verklaren vanuit de onderzoeksvraag: “Welke kenmerken hebben een invloed op en voorspellen het gederfde inkomen voor farmaceutische specialiteiten?” Met de multiple regressie wordt geprobeerd de response variabele, gederfd inkomen, te voorspellen met de verklarende variabelen uit de kenmerken van de verblijven (De Moor & Van Maele, 2008). De causaliteitsrichting is steeds van de verklarende variabelen naar de response variabele. De multiple regressie bestaat uit drie verschillende stappen. De eerste stap is het beschrijven en het uitrollen van de frequenties van de variabelen. Vervolgens wordt er gezocht naar mogelijke multicollineariteit tussen de verklarende variabelen. Dit fenomeen wordt verder uitgelegd in punt 3.3.2. De derde en laatste stap is de regressie uitvoeren (De Bourdeaudhuij, 2008).

35

3.4.1. BESCHRIJVING VARIABELEN

EN

FREQUENTIES

VAN

DE

Bij een multiple regressie zijn er twee soorten variabelen, de verklarende variabelen en de response variabele. Er zijn verschillende verwachtingen naar de eigenschappen van variabelen. De afhankelijke variabele of response variabele moet een continue variabele zijn, met een normaalverdeling. Voor verklarende variabelen wordt de voorkeur gegeven aan continue variabelen met een normaalverdeling. Dit is echter geen noodzaak voor de multiple lineaire regressie. In het stuk dat volgt, worden de twee soorten variabelen uit de dataset beschreven. 3.4.1.1.

VERKLARENDE VARIABELEN

De term “verklarende variabelen” is gekozen omdat de interpretatie van onafhankelijke variabelen misleidend kan zijn in een multiple regressie. De onafhankelijke variabelen zijn niet altijd onafhankelijk van elkaar, de kans op inter-correlaties bestaat. Dit wordt onderzocht in stap twee van de analyse. Een mogelijk voorbeeld hiervan zijn de verklarende variabelen leeftijd en aantal dagen (verblijfsduur). Een mogelijke veronderstelling is dat hoe ouder de patiënt wordt, hoe langer hij of zij tijd zal nodig hebben om te herstellen. Beide variabelen zijn verklarende variabelen maar in deze veronderstelling hebben ze een invloed op elkaar. De verklarende variabelen bestaan zowel uit continue als categorische variabelen. Voor beide is het mogelijk om ze op te nemen in de regressie. De continue variabelen zijn getallen die een waarde uitdrukken volgens een continue schaalverdeling. In dit onderzoek zijn leeftijd en aantal dagen, de continue variabelen. De categorische variabelen beschrijven de karakteristieken van de verblijven in de dataset. De categorische variabelen zijn oorspronkelijk beschrijvend of kwalitatief. Ze worden voor het onderzoek gedecodeerd naar getallen. De legende van de decodering is terug te vinden in bijlage drie.

36

Er zijn elf types van verklarende variabelen opgenomen in de regressie. Een overzicht van de frequenties in een tabel is terug te vinden in bijlage vier. Hieronder volgt een beschrijving van de variabelen aangevuld met informatie over de verdeling en de frequentie. LEEFTIJD De leeftijd wordt uitgedrukt in jaren. De variabele heeft een minimum van 0 jaar (pasgeborene) en een maximum van 108 jaar. Bijzonder voor die oudste patiënt is dat haar geboortedatum een ontbrekende waarde betreft. Mogelijks was de registratie van geboortes in die tijd minder correct. De patiënte is overleden in het ziekenhuis. De gemiddelde leeftijd is 47,92 jaar. Figuur 3 toont de verdeling van de leeftijd over de verschillende verblijven. Er is een piek bij nuljarigen. De variabele leeftijd heeft geen ontbrekende waarden. Figuur 3: Verdeling van de leeftijd.

AANTAL DAGEN Het aantal dagen staat voor de verblijfsduur in het ziekenhuis, beginnend op de opnamedatum en eindigend op de ontslagdatum. Het

37

minimum aantal dagen is 1 dag. Dit is in de lijn van de verwachting omdat de forfaitarisering enkel geldt voor opnames vanaf één overnachting. Het maximum aantal dagen is 196. Het gemiddeld aantal dagen is 7,2. Figuur 4 toont een verdeling van de dagen. De piek ligt op twee dagen. De eerste drie dagen zijn het hoogst in frequentie. Net als bij de variabele leeftijd, zijn er ook hier geen ontbrekende waarden. Figuur 4: Verdeling van het aantal dagen.

De andere variabelen die opgenomen zijn in de regressie zijn categorische of beschrijvende variabelen. Ze worden eerste omgezet in getallen, in bijlage drie is de legende terug te vinden. Om die variabelen verder te kunnen meenemen in de multiple lineaire regressie, moeten ze gedichotomiseerd worden. De variabelen worden uitgesplitst volgens hun verschillende waarden. Telkens wordt de aanwezigheid van het kenmerk met “1” gecodeerd, de afwezigheid van het kenmerk met “0”.

38

MDC De eerste categorische verklarende variabele is de MDC. De afkorting MDC betekent Major Diagnostic Code. De term is uitvoerig besproken in het deel 1.3. begrippen. De variabele MDC heeft negentien verschillende waarden. De frequentie van elke waarde is beschreven in figuur 5. De betekenis van elk getal is terug te vinden in de bijlage drie. MDC één, vijf, en acht, respectievelijk aandoeningen in het zenuwstelsel, hart- en vaatstelsel en bewegingsstelsel en bindweefsel, vertonen pieken. MDC vijf komt maximaal voor met een frequentie van 7757. MDC 994 (Pre MDC, hart- en/of longtransplantatie), komt het minst voor, namelijk negen keer. Voor de verwerking in de regressie werden alle MDC‟s uitgesplitst in aparte variabelen. De aanwezigheid van bijvoorbeeld MDC 5 kreeg de code “1”, de afwezigheid van een MDC 5 werd “0” gecodeerd. Dit werd herhaald voor alle MDC‟s. Er zijn geen ontbrekende waarden. Figuur 5: Verdeling van MDC.

39

Er werd gekozen om APR-DRG als variabele niet mee te nemen in de regressie. De aanwezigheid van de variabele zou een meerwaarde zijn voor de resultaten van het onderzoek. Ondanks de meerwaarde zou op die manier de regressie niet hanteerbaar zijn voor één onderzoeker. Door het MDC als variabele op te nemen, is er wel de mogelijkheid om nadien, in een potentieel onderzoek, een MDC verder uit te diepen met APR-DRG, volgens het cascadesysteem besproken in paragraaf 1.3. van de masterproef. Gezien MDC opgenomen is, is het opnemen van de variabele porm (de opdeling medische of heelkundige behandeling), geen verdere meerwaarde.

RSV Een tweede categorische variabele is RSV, risk of severity of de ernstgraad van een APR-DRG. De frequentie gaat trapsgewijs naar beneden van één naar vier. De maximum frequentie van ernstgraad een is 25662, de minimum frequentie is 3458 bij ernstgraad vier. Er zijn geen ontbrekende waarden. Zoals bij MDC zijn hier ook de waarden uitgesplitst in dichotome variabelen om mee te nemen in de regressie. Figuur 6: Verdeling van de ernstgraad.

40

SEKSE Een derde categorische variabele is het geslacht van de patiënt. Er zijn 25535 mannen en 25329 vrouwen. Deze verdeling is respectievelijk 50,2% en 49,2%. De verdeling man – vrouw is quasi gelijk. De waarden werden gedichotomiseerd.

OPNAMEAARD De volgende variabele is aard van opname. De patiënt kan via verschillende wegen in het ziekenhuis opgenomen worden. In de dataset wordt de variabele opnameaard, opgedeeld in tien verschillende categorieën. De opsomming van de categorieën is als volgt: opname via de dienst “100”, andere spoedopname, doodgeborene, pasgeborene, geplande opname, verplichte opname, terug transfer, dringende opname niet gepland geen spoedopname, onbekende opname en de restcategorie andere. Alle waarden werden gecodeerd naar getallen, zie bijlage drie, en nadien gedichotomiseerd. In figuur zeven is te zien dat opnameaard vijf, geplande opname het meest frequent is met 34169 keer. Doodgeborene komt niet voor. Er zijn geen ontbrekende waarden. Figuur 7: Verdeling van de opnameaard.

41

VERWEZEN DOOR Een vijfde variabele van het categorische type is de doorverwijzing. In de dataset als “verwezen door” benoemd. Patiënten worden al dan niet doorverwezen naar het UZ Gent. De variabele wordt opgedeeld in elf categorieën: verwijzer onbekend, op initiatief van de patiënt, verwezen door de huisarts met verwijsbrief, verwezen door de huisarts na telefonische of mondelinge afspraak, verwezen door artsspecialist van het UZ Gent, verwezen door arts-specialist buiten het UZ Gent, verwezen door huisarts van wacht met verwijsbrief, verwezen door huisarts van wacht na een telefonische of mondelinge afspraak, verwezen door het verzekeringsmechanisme, verwezen door externen en tenslotte verwezen op eigen initiatief zonder toeslag. Het maximum aantal van doorverwijzing komt uit de categorie drie, specialist uit het eigen ziekenhuis. Het minst aantal verwijzingen gebeurt door de verzekeringsmechanismen, categorie acht, namelijk 2. In figuur acht wordt dit geïllustreerd. Er zijn 446 of 0,9% ontbrekende waarden, de reden hiervoor is onbekend. Vermoedelijk gaat het over onvolledige MKG-registraties. Figuur 8: Verdeling van verwijzingen.

42

AFKOMST De zesde categorische verklarende variabele is de afkomst. Acht verschillende categorieën worden onderscheiden: andere, bejaardentehuis rustoord, van huis, openbare plaats, via de polikliniek, psychiatrische inrichting, onbekend en een ander ziekenhuis. De afkomst is de oorspronkelijke verblijfplaats van de patiënt. De meeste patiënten komen van huis, nummer drie. Het minst aantal patiënten komen van een psychiatrische inrichting, nummer zes. De verdeling wordt hieronder geïllustreerd. Er zijn 220 of 0,4% ontbrekende waarden. De variabelen worden allemaal gedichotomiseerd alvorens ze worden opgenomen in de regressie.

Figuur 9: Verdeling van de afkomst.

43

BESTEMMING De zevende categorische verklarende variabele die opgenomen wordt in de regressie is de bestemming. Na het verblijf in het UZ Gent heeft elke patiënt een andere verblijfplaats. In de dataset wordt een opdeling gemaakt van 10 soorten bestemmingen: thuis, van neonatologie naar de materniteit bij de moeder binnen het UZ Gent, ander ziekenhuis niet universitair, ander ziekenhuis universitair, ander ziekenhuis psychiatrisch, rust- en verzorgingstehuis en bejaardentehuis, pasgeborene naar neonatologie binnen UZ Gent, overleden in het ziekenhuis, andere instelling en als laatste PVT (psychiatrisch verzorgingstehuis) en Beschut wonen. De meeste patiënten gaan naar huis, categorie 1 na hun verblijf in het UZ Gent. Het minst aantal patiënten gaan na hun opname naar een PVT of Beschut Wonen, categorie 10. In figuur tien wordt dit weergegeven. Net als alle voorgaande categorische variabelen, worden ook deze variabelen gedichotomiseerd. Figuur 10: Verdeling van de bestemming.

44

POSTCODE De voorlaatste verklarende variabele is postcode. In de regressie is de invloed van patiënten die buiten de provincie wonen, behandeld in het UZ Gent, mee opgenomen. De variabele is gedichotomiseerd. De code één staat voor een woonplaats van de patiënt buiten de provincie Oost-Vlaanderen. De code nul staat voor inwoners van OostVlaanderen. Zoals verwacht zijn de meeste patiënten van de provincie Oost-Vlaanderen. Van de patiënten zijn 36798 of 72,3% inwoners van Oost-Vlaanderen. De rest van de patiënten, 14066, wonen buiten de provincie. Figuur elf geeft hier de illustratie van. Er zijn geen ontbrekende waarden.

Figuur 11: Verdeling van de bewoners per provincie.

BUITENLAND De laatste categorische verklarende variabele gaat ook over de woonplaats van de patiënt. Dit keer gaat het over het land van herkomst. Er wordt een onderscheid gemaakt tussen patiënten van het binnenland met de code nul en het buitenland met de code één. Van de patiënten wonen 1906 of 3,7% in het buitenland. De rest van de

45

patiënten woont in het binnenland, 48958 of 96,7%. Er zijn geen ontbrekende waarden. Figuur 12 toont de verdeling. Figuur 12: Verdeling binnenland – buitenland.

3.4.1.2.

RESPONSE VARIABELE

In de dataset wordt het gederfd inkomen als afhankelijke variabele of response gebruikt. Zoals eerder beschreven is het gederfd inkomen, het bedrag dat het UZ Gent meer zou ontvangen, mocht de forfaitarisering van farmaceutische specialiteiten niet ingevoerd zijn. Per verblijf of gegevensrij is een gederfd inkomen bepaald. In de oorspronkelijke gegevens werd reeds voor een aantal verblijven het gederfd inkomen berekend. Dit was terug te vinden onder de variabe-

46

le “verschil”. Om foute interpretaties te voorkomen is geopteerd om de term “verschil” te wijzigen in de term “gederfd bedrag”. De bedragen begeven zich op een continuüm van € -6530,0 tot en met € 16789,0. Het gemiddelde gederfde bedrag is €64,50. De bedragen boven nul, positieve bedragen, zijn de bedragen die niet langer vergoed worden voor het UZ Gent. Deze bedragen verhogen het gederfd inkomen. Onder nul, de negatieve bedragen, zijn de bedragen die het ziekenhuis meer krijgt met andere woorden een extra inkomen door de invoering van het forfait. Er wordt niet gesproken van winst of verlies, gezien er geen rekening wordt gehouden met de aankoopprijs van de farmaceutische specialiteiten. Figuur dertien toont de verdeling van de respons variabele, gederfd inkomen. Het histogram is een unimodale verdeling, met een scherpe top. De distributie heeft een positieve scheefheid met een staart naar rechts. Figuur 13: Verdeling van het gederfd inkomen.

47

3.4.2. MULTICOLLINEARITEIT De tweede stap, na de beschrijving van de variabelen, in de multiple lineaire regressie is het onderzoeken van de multicollineariteit tussen de verklarende variabelen. Aan de hand van correlatiecoëfficiënten wordt de samenhang tussen twee of meerdere verklarende variabelen gemeten. De samenhang tussen variabelen mag niet verward worden met causaliteit. Er wordt enkel gezocht naar een verband. Er wordt niet gezocht naar de richting van de samenhang. Bij multicollineariteit vertrekt men van de stelling dat verklarende variabelen die een te hoge correlatie onderling hebben, een nefaste invloed vertonen op de regressie. Dit moet vermeden worden. In wetenschappelijk onderzoek wordt doorgaans een cutoff genomen van een Pearson correlatie 0,60. Wanneer twee verklarende variabelen een te hoge correlatie vertonen, wordt de verklarende variabele met de hoogste correlatie met de response variabele in de regressie behouden (De Bourdeaudhuij, 2008; De Moor & Van Maele, 2008). Het fenomeen multicollineariteit met de Pearson correlatie kan enkel onderzocht worden bij continue variabelen. Het is niet van toepassing op categorische variabelen. Voor deze studie kan dit dus enkel toegepast worden op de verklarende variabelen leeftijd en verblijfsduur. De Pearson correlatie tussen deze twee variabelen is 0,50 met een significantiewaarde waarbij de p-waarde kleiner is dan 0,1%. Het correlatiecoëfficiënt is kleiner dan 0,60. Beide continue variabelen mogen opgenomen worden in de regressie. De correlatietabel is terug te vinden in de bijlage vijf. Voor de andere categorische variabelen wordt er geen vooronderzoek gedaan. De elf verklarende variabelen worden allemaal opgenomen in de multiple lineaire regressie. De categorische variabelen worden uitgesplitst per waarde en gedichotomiseerd.

48

3.4.3. DE MULTIPLE LINEAIRE REGRESSIE De doelstelling in het onderzoek is dat de regressie de response variabele verklaart in functie van de verschillende verklarende variabelen. Er wordt een causaal lineair verband gezocht tussen verklarende variabelen en de response variabelen. Er wordt verwacht een schatting te krijgen hoeveel van de response variabele kan toegeschreven worden aan de verklarende variabelen (De Moor & Van Maele, 2008). Zoals eerder beschreven is het gederfde inkomen van de farmaceutische specialiteiten, de variabele die verklaard wordt door de elf verblijfskenmerken opgenomen in de regressie. De elf verblijfskenmerken zijn telkens opgesplitst in de verschillende variabelen, gedichotomiseerd. Het significantieniveau wordt in het onderzoek vastgelegd op een pwaarde van 0,05 of 5%. De kans dat een variabele invloed uitoefent op het gederfd inkomen, gebaseerd is op toeval, wordt herleid tot 5%. Dit niveau van significantie wordt in de wetenschappelijke literatuur aanvaard. In de multiple lineaire regressie wordt het best gebruik gemaakt van continue variabelen die een Gaussiaanse verdeling hebben. Ze sluit andere variabelen niet uit maar bij de interpretatie van de regressie moet er wel rekening gehouden worden met die niet-ideale variabelen.

3.5.

RESULTATEN

De elf verklarende verblijfskenmerken en de response variabele, gederfd inkomen, worden ingevoerd in het statistische programma voor de multiple regressie. De resultaten worden weergegeven in de output. Het eerste resultaat gaat over de “goodness-of-fit”. Hierbij wordt de determinatiecoëfficiënt, de aangepaste R², weergegeven. Het getal varieert tussen 0 en 1. Hoe hoger het getal, hoe meer van de totale

49

variantie van verklarende variabelen het regressiemodel verklaren (De Moor & Van Maele, 2008). R² in het onderzoek bedraagt 0,27 of 27% wanneer alle variabelen worden ingesloten. Dit is een vrij lage “fit” van het model. De verklarende variabelen verklaren slechts een kleine 30% van het gederfde inkomen. Dit matige resultaat weerspiegelt zich ook in het scatterdiagram, figuur 14. De figuur toont een wolk van punten. Er is een positieve tendens uit af te leiden maar een regressierechte in deze figuur trekken die een maximum aan punten doorkruist, is moeilijk. De lage determinatiecoëfficiënt wordt verklaard vanuit de variabelen die ingevoerd zijn in het programma. Een multiple lineaire regressie wordt het best uitgevoerd met continue variabelen die een normaalverdeling hebben. De variabelen ingevoerd in het model voldoen niet volledig of helemaal niet aan die verwachting. Daarnaast is hun variabiliteit vrij groot. Er zijn verschillende uiteenlopende waarden. Figuur 14: Scatterdiagram van de multiple lineaire regressie.

Niettemin de R² vrij laag is, is de F-test significant. Dit wil zeggen dat zeker één van de verklarende variabelen een significante invloed 50

heeft op het gederfde inkomen. Gezien de omvang van de dataset was dit te verwachten. Een overzicht van de resultaten van alle variabelen die meegenomen zijn in de regressie is terug te vinden in bijlage zes. In deze bijlage zijn twee tabellen terug te vinden. Zoals eerder beschreven zijn slechts twee variabelen, continue variabelen. De andere variabelen zijn categorisch en daarbij kon de multicollineariteit niet onderzocht worden (De Bourdeaudhuij, 2008). Toch hebben deze variabelen ook een invloed onderling als ze uit hetzelfde verblijfskenmerk komen. Een verblijfskenmerk is bijvoorbeeld de ernstgraad. Hierbij zijn er vier soorten van ernstgraden. Elke graad van ernst is in een dichotome variabele opgenomen in de regressie. Wanneer een verblijf geen ernstgraad vier, drie of twee is, dan kan het niet anders dan één zijn. De betrokkenheid op elkaar is zeer groot. De invloed onderling is zelfs in die mate dat het softwareprogramma van de regressie drie categorische variabelen uitgesloten heeft voor de volledige regressie, met name: “Sekse_M”, “ernstgraad 1” en de “bestemming thuis”. Deze categorische variabelen hebben wel een significante invloed op het gederfde inkomen, maar door de te grote onderlinge samenhang zijn ze verwijderd. Door de regressie te herhalen, met de uitgesloten categorische variabele erin en een andere variabele van het verblijfskenmerk eruit, kan ook de invloed van de uitgesloten variabele geconstateerd worden. Om de variabele “Sekse_M” te onderzoeken, werd de variabele “Sekse_V” uitgesloten, voor de variabele “RSV_1”, werd “RSV_2” weggelaten en voor de variabele “BE_thuis”, werd “BE_ander_ZH_niet_univ weggelaten”. Door de herhaling van de regressie met de uitgesloten variabelen variëren sommige waarden in sterkte van invloed. De variabelen die een significantie invloed uitoefenen in een bepaald verblijfskenmerk, op het gederfde inkomen, blijven significant, maar de sterkte van hun invloed varieert door het vervangen van variabelen in die karakteristiek. Bijvoorbeeld door de wissel van ernstgraad één en twee, bleef ernstgraad vier een significante invloed behouden, maar veranderde de sterkte van de invloed van 430,54 euro naar 346,24 euro op het gederfde inkomen. Voor tabel één werden de significante invloeden en sterktes behouden van de eerste uitgevoerde regressie. De tabel werd vervolgens

51

dan aangevuld met de significante resultaten van de uitgesloten variabelen. Tabel 1: Significante resultaten van de multiple lineaire regressie. Verklarende variabele

Invloed op het gederfde inkomen van farmaceutische specialiteiten Verhoogd Verlaagd Verlaagd Verlaagd verlaagd (verblijfs- Verhoogd

Hoeveelheid in €

Ernstgraad 1 Ernstgraad 2 Ernstgraad 3 Ernstgraad 4 Leeftijd Aantal dagen duur) Bestemming van neonatologie naar materniteit Bestemming naar een RVT of bejaardentehuis Bestemming in een ander niet universitair ziekenhuis Bestemming pasgeborene naar neonatologie, in het UZ Gent Patiënt is overleden Bestemming in een andere instelling Vrouwelijk geslacht Mannelijk geslacht MDC oogaandoeningen MDC neus-, keel- en ooraandoeningen. MDC hart- en vaatstelsel MDC spijsvertering MDC zwangerschap - bevalling

84,30 84,30 245,93 430,54 0,80 39,05

Verhoogd

351,93

Verlaagd

161,24

Verhoogd

37,36

verlaagd

525.652

Verhoogd Verlaagd

459,66 190,27

Verlaagd Verhoogd Verhoogd Verhoogd

23,46 23,46 94,30 52,15

Verhoogd Verhoogd Verhoogd

20,36 46,73 35,31

52

MDC neonati en perinatale aandoeningen MDC Bloed en bloedvormende organen MDC myeloproliferatieve en weinig gedifferentieerde neoplasmata MDC infecties en parasitaire aandoeningen MDC ongevallen en vergiftigingen MDC brandwonden MDC factoren die de gezondheid beïnvloeden MDC HIV MDC traumata PreMDC levertransplantatie PreMDC beenmergtransplantatie PreMDC tracheostomie Buitenland

Verlaagd

388,51

Verhoogd

183,18

Verhoogd

70,02

Verhoogd

130,49

Verhoogd

42,37

Verlaagd Verlaagd

687,46 63,92

Verlaagd Verlaagd Verhoogd

129,75 456,27 927,16

Verhoogd

522,21

Verlaagd Verhoogd

1279,24 55,68

De verklarende variabelen in tabel één zijn alle variabelen die een significante invloed hebben op het gederfde inkomen van geforfaitariseerde farmaceutische specialiteiten, in totaal 32. De verklarende variabelen die een verhogend effect hebben, die laten het gederfde inkomen stijgen, waardoor het UZ Gent minder inkomen heeft bij het voorkomen van die variabele of kenmerk in het verblijf. De variabele met een verlagend effect, doen het gederfde inkomen dalen. Het UZ Gent heeft hierdoor meer inkomen bij het voorkomen van die verklarende variabelen.

53

3.6.

INTERPRETATIE VAN DE RESULTATEN

Door de resultaten terug te koppelen naar de hypothesen wordt er vastgesteld dat niet elke hypothese weerhouden is. Wanneer een patiënt tijdens zijn verblijf een ernstgraad vier heeft bij het APR-DRG, dan wordt volgens de regressie het gederfde inkomen verlaagd met 430, 54 euro. Dit is in tegenstelling met de hypothese. De stelling in de hypothese was dat het gederfde inkomen zou stijgen naarmate de ernstgraad steeg. De hypothese wordt hierdoor verworpen. Het gemiddelde gederfde inkomen bij ernstgraad vier is 496, 44 euro. Het gemiddeld gederfde inkomen is voor de vier ernstgraden, in ernstgraad vier het hoogst. Dit wordt weergegeven in bijlage zeven. Toch daalt het gederfde inkomen bij de ernstgraad vier in de regressie. Deze tegenstrijdigheid kan uitgelegd worden door de aard van de statistische analyse. Bij de multiple regressie wordt enkel en alleen de ernstgraad vier in acht genomen. Alle andere invloeden worden uitgefilterd, zoals onder andere leeftijd en pathologie. Van een APRD-DRG met ernstgraad drie naar hetzelfde APR-DRG met ernstgraad vier, zal het forfait per APR-DRG_rsv stijgen in de meeste gevallen. Het is deze stijging die door de regressie wordt weergegeven. Desondanks blijft er wel een gederfd inkomen vooral bij APR-DRG‟s met ernstgraad vier zoals het gemiddeld gederfd inkomen van ernstgraad vier aantoont. De volgende hypothese gaat over de leeftijd van de patiënt. De leeftijd zou een verhogend effect hebben op het gederfd inkomen. Die hypothese wordt ook verworpen. Volgens de regressie daalt het gederfd inkomen met 0,80 euro per bijkomend levensjaar. Dit resultaat is mogelijks te wijten aan de variabele “leeftijd” zelf. Wanneer leeftijd zou uitgesplitst worden in meerdere categorieën, zoals bijvoorbeeld “kind” van nul tot tien jaar, “jongeren” van elf tot achttien jaar, en zo verder, zou er een correcter beeld per leeftijdscategorie kunnen worden weergegeven en een meer accurate interpretatie.

54

De verblijfsduur heeft, zoals de hypothese het voorspelt, een verhogend effect op het gederfd inkomen met 39.05 euro. De hypothese wordt weerhouden. Het forfait per APR-DRG_rsv blijft gelijk ongeacht de verblijfsduur tot aan de verblijfsduurgrens van outlier. Een langere verblijfsduur moet dus ook met hetzelfde budget de kosten voor specialiteiten vergoeden. Dit verklaart mede de tendens van ziekenhuizen om patiënten zo vroeg mogelijk te ontslaan. Ziekenhuizen kunnen door kortere verblijfsduren, meerdere opnames per bed realiseren en dus ook meer forfaits ontvangen. De vierde hypothese, waarbij een overlijden het gederfd inkomen verhoogt, wordt weerhouden. Een overlijden tijdens een verblijf, verhoogt het gederfd inkomen voor farmaceutische producten met 459,66 euro. Een interessante vervolgvraag zou kunnen zijn wat het effect is van het moment van het overlijden tijdens een hospitalisatie. Patiënten die lang verblijven en dan overlijden, hebben zij een potentieel hoger gederfd inkomen aan farmaceutische specialiteiten of omgekeerd? De doorverwijzingen van patiënten van andere ziekenhuizen naar het UZ Gent, zouden volgens de hypothese ook een verhogend effect hebben op het gederfd inkomen. In de regressie wordt deze variabele niet weerhouden als een significante invloed. De hypothese wordt verworpen. Opvallend is dat geen enkele variabele van het verblijfskenmerk “afkomst”, de oorspronkelijke verblijfplaats, een significante invloed heeft op het gederfde inkomen. Patiënten die doorverwezen worden door perifere ziekenhuizen naar het UZ Gent zullen inderdaad een complexere pathologie hebben, maar die factor zal meegenomen worden in andere elementen zoals de ernstgraad en pathologie zelf. De doorverwijzing op zich heeft geen invloed op het gederfde inkomen van farmaceutische specialiteiten. Het UZ Gent ervaart vaak bij deze patiënten een inkomensverlies, dit is mogelijks te verklaren doordat de kostprijs van farmaceutische specialiteiten wordt vergeleken met het “uitbetaalde forfait” en niet met het “forfait per APR-DRG_rsv”. Het uitbetaalde forfait blijft gelijk voor alle opnames in dat bepaald jaar. Er wordt bij dat forfait geen rekening gehouden met de patiënt zelf, op dat moment. Het forfait per APR-DRG_rsv houdt wel met de pathologie en ernstgraad 55

rekening, maar dit forfait wordt indirect uitbetaald via het “uitbetaalde forfait”. Een vervolgonderzoek zou kunnen zijn dat er een nazicht wordt gedaan waarin onderzocht wordt welke APR-DRG‟s en ernstgraden vooral voorkomen bij de doorverwezen patiënten van perifere ziekenhuizen. De verwachting is dat dit vooral APR-DRG‟s zullen zijn met ernstgraad vier. De laatste hypothese, waarbij buitenlandse patiënten het gederfd inkomen verhogen, wordt weerhouden. Buitenlandse patiënten verhogen het gederfde inkomen met 55,68 euro. Een verdere studie zou kunnen zoeken voor welke APR-DRG‟s buitenlandse patiënten naar het UZ Gent komen. Van de zes geformuleerde hypothesen worden er drie weerhouden die een verhogend effect hebben op het gederfd inkomen van farmaceutische specialiteiten, namelijk de verblijfsduur, het overlijden en de buitenlandse patiënten. In de resultaten waren enkele bijzondere elementen terug te vinden. Ernstgraad één heeft een verhogend effect van 84,30 euro. Gezien het grote aantal patiënten met een ernstgraad één, 25662 patiënten in 2005 en 2006, zal dit gevolgen hebben voor het UZ Gent. De stijging in het gederfde inkomen kan verklaard worden door het forfait per APR-DRG_rsv zelf. Het forfait is voor die ernstgraad het laagst. Het UZ Gent zal de gevolgen van dit lage forfait niet direct zien en gebruiken voor interventies, gezien de meeste vergelijkingen worden gemaakt in het UZ Gent met het uitbetaalde forfait. Verder kan het zijn dat het UZ Gent, door de academische opdracht, patiënten met een ernstgraad één “overbehandeld” en hierdoor aan te hoge kosten komt voor farmaceutische specialiteiten. De laatste mogelijke verklaring is de MKG-registratie door artsen. Deze registratie heeft een direct gevolg voor de omvang van het forfait APR-DRG_rsv. Wanneer artsen van het UZ Gent te laag scoren, wordt een patiënt toegewezen aan een lagere ernstgraad. Dit terwijl in andere ziekenhuizen eenzelfde patiënt een hogere ernstgraad zou hebben en dus een hoger forfait. De financiële middelen die het UZ Gent toebedeeld krijgt, zullen dan ook lager zijn met meer gederfd inkomen tot gevolg.

56

Verder valt het op dat de opnameaard, de verwijzing en de afkomst van patiënten geen significante invloed heeft op het gederfd inkomen voor farmaceutische specialiteiten. Enkel bij het verblijfskenmerk bestemming hebben de variabelen, behalve bestemming universitair en psychiatrisch ziekenhuis, een significante invloed. Het vermoeden is dat het gewicht van deze variabelen reeds is meegenomen in andere kenmerken, die het gederfd inkomen beïnvloeden. De pathologie heeft de grootste invloed op het gederfde inkomen, zowel verhogend als verlagend. De vraag kan gesteld worden waarom het forfait APR-DRG_rsv niet alle kosten dekt voor farmaceutische specialiteiten in het UZ Gent, gezien dit het uitgangspunt is van de overheid. Het UZ Gent heeft vaak afwijkende kosten voor farmaceutische specialiteiten dan andere algemene ziekenhuizen in België. De keuze die artsen maken in specialiteiten en behandeling zal zeker een grote rol spelen, alsmede het academisch karakter van het UZ Gent.

3.7.

CONCLUSIE, LIMIETEN EN AANBEVELINGEN

Bij de resultaten van de multiple lineaire regressie, zijn er drie van de zes vooropgestelde hypothesen weerhouden, namelijk de verblijfsduur, het overlijden en de buitenlandse patiënten. Deze variabelen hebben een verhoogde invloed op het gederfde inkomen. De aanwezigheid van die variabelen in de verblijfskenmerken zal voor het UZ Gent een verlies van inkomen betekenen. De verhoging van het gederfde inkomen door de variabele “verblijfsduur” is te verklaren vanuit het kenmerk van het forfait voor APR-DRG_rsv. Het forfait blijft gelijk, ondanks mogelijke variatie in de verblijfsduur. Dit betekent dat hoe korter de verblijfsduur van de patiënt, hoe meer verschillende opnames er kunnen gebeuren. Meer opnames resulteert logischer wijs in meer forfaits die kunnen worden toegekend. Die redenering stimuleert sterk de afbouw van de verblijfsduur, een tendens die reeds is ingezet in de verschillende ziekenhuizen, waaronder het UZ Gent.

57

Voor de variabele “overlijden” en “ buitenlandse patiënten”, is er verder onderzoek aangewezen om de verhogende invloed meer te specificeren. Mogelijks kan het moment van overlijden tijdens de opname de sterkte van invloed of de omvang van het bedrag veranderen. Buitenlandse patiënten vinden ook de weg naar het UZ Gent, weliswaar geven ze een verhoogd gederfd inkomen. Interessant kan zijn, voor welke APR-DRG‟s ze vooral beroep doen op het UZ Gent. De hypothesen zijn verworpen voor de variabelen “ernstgraad vier”, “leeftijd” en “doorverwezen patiënten van perifere ziekenhuizen”. Ze geven een verlagend of geen invloed op het gederfd inkomen voor farmaceutische specialiteiten. Voor “ernstgraad vier” en de “doorverwezen patiënten” is de aard van statistische analyse een belangrijk deel van de verklaring. Voor “leeftijd” van de patiënt kan verder onderzoek belangrijk zijn. Het opdelen van de leeftijd in verschillende categorieën, kan meer inzicht geven. Het significant verhogend effect van ernstgraad één is bijzonder. Er zijn hiervoor verschillende verklaringen (zie voorgaande paragraaf), die een indicatie geven voor het UZ Gent om die groep van APRDRG‟s verder op te volgen. De verhoogde invloed op het gederfd inkomen is in tegenstelling met de oorspronkelijke gedachtegang, waarbij complexe patiënten als verlieslatend werden gezien. Mocht uit verder onderzoek blijken dat het net de minder complexe patiënten zijn die voor een deel van het verlies van inkomen zorgen, moet het UZ Gent verdere sensibiliseringscampagnes doen bij de medewerkers om dit verlies weg te werken. De medewerkers betrokken bij het farmacotherapieproces moeten bewust gemaakt worden van hun impact van handelen op het inkomen van het ziekenhuis. De pathologie heeft het grootste effect, in beide richtingen, op het gederfde inkomen, ondanks dat de berekening van het forfait voor APR-DRG_rsv zich hierop gebaseerd heeft. Gederfd inkomen zou hier minimaal moeten zijn. Het UZ Gent lijkt hier een andere vorm van interveniëren met farmaceutische specialiteiten op na te houden. Algemeen kan afgeleid worden uit de resultaten van de multiple lineaire regressie dat het gederfd inkomen door een veelheid van variabelen wordt beïnvloed zowel verhogend als verlagend. Een eenduidige conclusie formuleren zou de complexiteit van het gegeven teniet

58

doen. Elke beïnvloedende variabele moet apart benaderd worden en geïnterpreteerd om zodoende een correct antwoord te formuleren.

3.8.

VALIDITEIT

De validiteit van een onderzoek wordt op twee manieren benaderd, vanuit de interne validiteit en de externe validiteit. De interne validiteit betekent de mate waarin de response variabele werkelijk het gevolg is van de verklarende variabelen (Polit & Beck, 2006). De verklarende variabelen zijn in deze studie gekozen in functie van onderzoek en volgens beschikbaarheid in het UZ Gent. De kwaliteit van de dataset is afhankelijk van de wijze van registreren van artsen, de MKG-registratie. Door Dr. Erik Baert werd aangegeven dat er verschillende controles worden uitgevoerd in het UZ Gent om de registratie te optimaliseren. Er wordt dus vanuit gegaan dat de kwaliteit van de registratie door artsen goed is. Het aantal gegevensrijen die onvolledig waren, zijn zeer beperkt. De samenstelling van de dataset gebeurde niet op een gerandomiseerde manier, gezien oorspronkelijk alle verblijven werden opgenomen. De interne validiteit wordt verder gewaarborgd door de kritische reflectie en het overleg met meerdere personen, betrokken bij het onderzoek. Met de externe validiteit bedoelt men de mogelijkheid om de resultaten van het onderzoek te generaliseren naar meerdere universitaire ziekenhuizen (Polit & Beck, 2006). Het onderzoek is een case studie, dat alleen de gegevens van het UZ Gent gebruikt. Generalisatie naar alle andere universitaire ziekenhuizen moet met enige voorzichtigheid gebeuren. Alle universitaire ziekenhuizen hebben dezelfde overheidsopdracht. De interpretatie van die opdracht wordt door het management van het ziekenhuis gedaan en kan eventueel verschillen. Die verschillen kunnen een invloed hebben op het gederfde inkomen.

59

ALGEMEEN BESLUIT

De masterproef geeft geen eenduidig antwoord op de oorspronkelijke onderzoeksvraag, wat het verlies van inkomen door de forfaitarisering van farmaceutische specialiteiten bepaald in het UZ Gent. Het onderwerp wordt ontbloot en onderzocht maar geeft aanleiding tot meer, weliswaar specifiekere, vragen. Het eerste deel van de masterproef beschrijft vooral de complexe berekening van het forfait. Het beleid rond farmaceutische specialiteiten kent een hele geschiedenis die zich vooral gericht heeft naar de prijs en minder naar de hoeveelheid. In 2006 is de forfaitarisering voor farmaceutische specialiteiten ingevoerd. De berekening is gebaseerd op een vergelijkende logica van kosten voor farmaceutische specialiteiten per APR-DRG_rsv, tussen de verschillende algemene ziekenhuizen in België. De berekening kent uitzonderingen voor bepaalde specialiteiten, lange verblijfsduren, niet-gekoppelde verblijven en een restgroep APR-DRG‟s. De uitbetaling gebeurt dan weer door een ander forfait die de meeste uitzonderingen terug betrekt. Het forfait per APR-DRG_rsv is dus niet gelijk aan het uitbetaalde forfait voor ziekenhuizen. Dit zorgt vaak voor verwarring bij de interpretatie van gegevens. Verder in het eerste deel wordt de berekening aangevuld met een kritische reflectie ten aanzien van de gevolgen van de invoering van het forfait. Die reflectie geeft aan dat de forfaitarisering een impact heeft op verschillende domeinen waaronder een meer uitgebreide facturatie, het belang van de MKG-registratie door artsen, de gevolgen voor het management van ziekenhuizen en de specifieke impact op universitaire ziekenhuizen. Dit theoretische deel is het kader voor het praktijkdeel waar een statistische analyse is gebeurd, ter verklaring van het gederfde inkomen met de kenmerken van de verblijven uit het UZ Gent. De multiple lineaire regressie, die slechts 27 procent van het gederfde inkomen verklaart, geeft geen eenduidig antwoord op het inkomstenverlies. De regressie laat verder 73 procent onverklaard. Ondanks de ver-

60

schillende zwakheden van de studie beschrijft het resultaat enkele bijzondere aspecten. De verklarende variabelen zijn van het jaar 2005 en 2006, het jaar voor en van de invoering van het forfait. De bewustwording van de gevolgen van het forfait beginnen dan goed door te sijpelen in de ziekenhuiswereld. Eerste interventies, onder andere de verhoogde aandacht voor MKG-registratie en de klinische farmacie, worden vanaf dan opgestart. Deze bewustwording en de eventuele resultaten van de interventies worden door het retrospectieve design niet in rekening genomen en zullen pas in recentere gegevens zichtbaar worden, hopelijk met een verlagend effect op het gederfd inkomen. De keuze van de kenmerken, sluit tegelijk andere potentieel belangrijke aspecten uit zoals de autonomie van de arts en de aankooppolitiek voor farmaceutische specialiteiten in het UZ Gent. Ongetwijfeld zullen die elementen ook een invloed uitoefenen op het gederfd inkomen. De dataset bestaat alleen uit gegevens van het UZ Gent. Voor een veralgemening naar alle andere universitaire ziekenhuizen in België, is het aangeraden een grootschaliger onderzoek te doen die meerdere universitaire ziekenhuizen betrekt. Een bedenking hierbij kan zijn dat niet-universitaire ziekenhuizen, die zich ook focussen op derde en vierde lijnszorg, mogelijks hetzelfde probleem met de forfaitarisering ervaren en dus ook moet betrokken worden bij verder onderzoek. Door de keuze van de multiple lineaire regressie wordt er geen tijdsdimensie bekeken. Het gederfd inkomen in een verloop van tijd plaatsen, kan interessant zijn voor het management van ziekenhuizen. Veranderingen, interventies, personeelswissels zijn mogelijkerwijze merkbaar, weliswaar retrospectief. Van de zes vooropgestelde hypothesen waarin gesteld is dat “verblijfsduur”, “ernstgraad vier”, “leeftijd”, “verwijzingen van perifere ziekenhuizen”, “overlijden” en “buitenlandse patiënten” een verhoogd effect hebben op het gederfd inkomen, worden er slecht drie weerhouden. De verblijfsduur, het overlijden en buitenlandse patiënten. Dit zijn de enige die een verhogend effect in de regressie hebben zoals voorspeld.

61

Het overlijden van een patiënt is hierbij de sterkste invloed. Verder onderzoek naar het moment van overlijden tijdens de opname is aangewezen. Het onderzoek toont verder aan dat de pathologie de grootste invloed uitoefent op het gederfd inkomen door de forfaitarisering van farmaceutische specialiteiten. De invloed is zowel stijgend als dalend, in beide richtingen. Het UZ Gent lijkt dus voor verschillende pathologieën te kiezen voor een behandeling die verschilt in kostprijs met het gemiddeld algemeen Belgisch ziekenhuis. Dit is voor een groot deel te verklaren vanuit de academische opdracht, waarbij universitaire ziekenhuizen gevraagd worden om nieuwe behandelingen te proberen en te onderzoeken. De masterproef heeft enkel gebruik gemaakt van de MDC‟s, niet van de APR-DRG‟s. Een uitbreiding naar de APR-DRG‟s, zou zeer interessant zijn, maar was quasi onmogelijk voor één onderzoeker in dit onderzoek. Het zou specifiekere informatie bieden en een concreter antwoord voor het UZ Gent. Nu wordt er enkel gewerkt met clusters van pathologieën. Verder onderzoek is hier zeker aangewezen. Vervolgens in het onderzoek is het opvallend dat de pathologieën met ernstgraad één het gederfd inkomen doen stijgen. Het UZ Gent verliest aan inkomen bij de minst complexe pathologieën. De “onderregistratie” in het MKG door artsen, de overbehandeling of het te lage forfait, zijn drie mogelijke oorzaken. Andere variabelen van de kenmerken “afkomst”, “verwijzing”, “opnameaard” en de meeste van “bestemming” hebben geen significante invloed op het gederfde inkomen. Het potentieel gewicht van deze variabelen wordt meegenomen door andere variabelen, zoals verblijfsduur en ernstgraad. De invoering van het forfait voor farmaceutische specialiteiten en andere forfaits begrenst het inkomen van ziekenhuizen. Meer dan ooit is een goed management van ziekenhuizen noodzakelijk. Maar een goed management alleen zal niet voldoende zijn om een ziekenhuis “gezond” te houden. Er moet overleg zijn tussen de verschillende actoren in het ziekenhuis. Zij moeten allen bewust gemaakt worden van hun positie in het farmacotherapieproces en de potentiële gevolgen van hun handelen. Het management van ziekenhuis moet

62

nu meer dan ooit in overleg gaan met hen en een visie met een concrete strategie uitwerken. De masterproef kan gezien worden als een start of introductie voor verder onderzoek. Verder onderzoek in verschillende gebieden onder andere de doeltreffendheid van het forfait voor farmaceutische specialiteiten, de invloed van de academische opdracht in universitaire ziekenhuizen op de keuze van de behandeling, hoe het inkomen door de velerlei nieuwe bepalingen wordt beïnvloed of de samenhang tussen verschillende ziekenhuis- en patiëntenkarakteristieken en de inkomsten.

63

LIJST VAN ILLUSTRATIES

Figuur 3: Bepaling van het APR-DRG……………….……….…..13 Figuur 4: Schematische voorstelling van het forfait………….……15 Figuur 3: Verdeling van de leeftijd………………………………...37 Figuur 4: Verdeling van het aantal dagen………………………….38 Figuur 5: Verdeling van MDC……………………………………..39 Figuur 6: Verdeling van de ernstgraad……………………………..40 Figuur 7: Verdeling van de opname aard…………………………..42 Figuur 8: Verdeling van verwijzingen……………………………..43 Figuur 9: Verdeling van de afkomst………………………………..44 Figuur 10: Verdeling van de bestemming………………………….45 Figuur 11: Verdeling van de bewoners per provincie……………...46 Figuur 12: Verdeling binnenland – buitenland…………………….47 Figuur 13: Verdeling van het gederfd inkomen……………………48 Figuur 14: Scatterdiagram van de multiple lineaire regressie……...51 Tabel 1: Significante resultaten van de multiple lineaire regressie...52

64

LITERATUURLIJST

Antares Consulting. (2003). Raad van universitaire ziekenhuizen in België. Opgeroepen op februari 15, 2010, van www.univ-hospi.be Cannoodt, L. (2010). Basisprincipes van de gezondheidseconomie. Gent: Universiteit Gent. Closon, M.-C., & Robays, H. (2005). Keuze en gebruik van geneesmiddelen in de Belgische ziekenhuizen. Gent: Academia Press. Colardyn, F. (2009-2010). Financieel beheer. Gent: Universiteit Gent. Cornelis, K. (2008). Forfaitarisering van geneesmiddelen in ziekenhuizen. CM-informatie , 16-24. De Bourdeaudhuij, I. (2008). SPSS voor studenten. Gent: Universiteit Gent. De Moor, G., & Van Maele, G. (2008). Inleiding tot de biomedische statistiek. Leuven: Acco. Decoster, C. (2009-2010). Medisch en paramedisch recht. Gent: Universiteit Gent. Franssen, A. (2007). Forfaitarisering van ZIV-tegemoetkomingen voor terugbetaalbare geneesmiddelen van gehospitaliseerde patiënten. . CM-informatie , 1-8. Galoux, C. (2006-2010). Studies. Opgeroepen op februari 25, 2010, van univ-hospitals: www.univ-hospitals.be Moens, L. (2009, september 8). persbericht. Opgeroepen op december 15, 2009, van RIZIV: www.riziv.be Polit, D. F., & Beck, C. T. (2006). Essentials of nursing research. Methods, Appraisal, and Utilization. Lippincott: Williams & Wilkins. RIZIV-INAMI. (2009). Geneesmiddelen. Opgeroepen op Oktober 2009, van Website van het RIZIV: www.riziv.fgov.be Robays, H. (2009-2010). Geneesmiddelenbudget in het ziekenhuis. Gent: Universiteit Gent. Sermeus, W. (2006). De Belgische ziekenhuisfinanciering ontcijferd. Leuven/Voorburg: Acco. Swartenbroekx, B., Voorde, C. V., Crott, R. C., & Ramaekers, D. (2004). KCE reports 8A: Financieringssystemen van

65

ziekenhuisgeneesmiddelen: een bescrijvende studie van een aantal Europese landen en Canad. België: Federaal kenniscentrum voor gezondheidszorg. Timmermans, J. (2006). 2006. Forfaitarisering van ziekenhuisgeneesmiddelen: waarom, voor wie, hoe, wat staat er ons te doen...? , 6-10. Van Bruwaene, B. (2009). Medicatieforfait. Analyse Universitare ziekenhuizen. RUZB/CHAB. Brussel: UZ Brussel. Vercruyssen, W. (2008). Basisbeginselen inzake ziekenhuiswetgeving. Brussel: Verbond der Verzorginsinstellingen VZW. Werkgroep van de Multipartite. (2007-2008). Evolutie van de forfaitarisering van geneesmiddelen in het ziekenhuis. Multipartite.

66

BIJLAGEN

BIJLAGE 1: BEREKENING VAN HET FORFAIT

67

BIJLAGE 2: AANKOOPPOLITIEK VAN FARMACEUTISCHE SPECIALITEITEN

68

BIJLAGE 3: CATEGORISCHE VARIABELEN EN DE VERWERKTE CODE MDC en tekst Oorspronkelijk code 000 001 002 003 004 005 006 007 008 009 010

Verwerkte code 000 001 002 003 004 005 006 007 008 009 010

011 012 013 014 015 016 017

011 012 013 014 015 016 017

018 019 020 021

018 019 020 021

022 023

022 023

024 025 AAA

024 025 999

MDC tekst Restgroep Zenuwstelsel Oogaandoeningen Neus, keel en oren Ademhalingsstelsel Hart- en vaatstelsel Spijsverteringsstelsel Lever, gal en pancreas Bewegingsstelsel en bindweefsel Huid, subcutis en borstklier Endocriene, voeding- en stofwisselingsziekten Nieren en urinewegen Mannelijke geslachtsorganen Vrouwelijke geslachtsorganen Zwangerschap en bevalling Neonati- en perinatale aandoeningen Bloed- en bloedvormende organen Myeloproliferatieve en weinig gediff. Neoplasmata Infectie en parasitaire ziekten Psychische stoornissen Alcohol- en druggebruik Ongevallen,vergiftigingen,toxische effecten van geneesmid. Brandwonden Factoren die de gezondheid beïnvloeden HIV infecties Multiple traumata Psychiatrie

69

P1 P2

991 992

P3 P4

993 994

PRE MDC : LEVERTRANSPLANTATIE PRE MDC : BEENMERGTRANSPLANTATIE PRE MDC : TRACHEOSTOMIE PRE MDC : HART &/OF LONG TRANSPLANTATIE

Soort van opname Oorspronkelijke code N Pasgeborene O Klassieke hospitalisatie

Verwerkte code 2 1

Opnameaard Oorspronkelijke code 0 Onbekend 1 Spoedopname via dienst “100” 2 Andere spoedopname D Doodgeborene P Pasgeborene 5 Geplande opname 6 Verplichte opname wettelijke instantie 7 Terugtransfer van een ander ziekenhuis 8 Dringende opname NIET spoedopname 9 Andere

Verwerkte code 0 1 2 3 4 5 6 7 8 9

Verwezen door Oorspronkelijke code 0 Onbekend 1 Op eigen initiatief A Eigen huisarts met verwijsbrief 3 Arts – Specialist van eigen ziekenhuis 4 Arts – Specialist buiten het ziekenhuis B Eigenhuisarts na telefonische of mondelinge afspraak C Huisarts van wacht met verwijsbrief

Verwerkte code 0 1 2 3 4 5 6

70

D Huisarts van wacht na telefonische of mondelinge afspraak 8 Verzekeringsmechanisme E Externen I Eigen initiatief zonder toeslag

7 8 9 10

Afkomst Oorspronkelijke codering A Andere B Bejaarden rustoord H Van huis O Openbare plaats P Via polikliniek PS Psychiatrische inrichting X Onbekend Z Ander ziekenhuis

Verwerkte codering 1 2 3 4 5 6 7 8

Bestemming Oorspronkelijke code 1 Thuis M Van neonatologie naar materniteit bij de moeder binnen UZG 3 Ander ziekenhuis: niet universitair 4 Ander ziekenhuis: universitair 5 Ander ziekenhuis: psychiatrisch 6 Rust- en verzorgingstehuis (RVT) en bejaardentehuis 7 N Pasgeborene naar neonatologie binnen UZG 8 Overleden in het ziekenhuis 9 Andere instelling P PVT en beschut wonen

Verwerkte code 1 2 3 4 5 6 7 8 9 10

71

BIJLAGE 4: FREQUENTIES VAN DE VARIABELEN

Statistics LEEFTIJD N

Valid

Aantal dagen

50864

50864

0

0

47,92

7,20

23,887

10,243

Minimum

0

1

Maximum

108

196

Missing Mean Std. Deviation

MDC Cumulative Frequency Valid

Percent

Valid Percent

Percent

1

4462

8,8

8,8

8,8

2

1367

2,7

2,7

11,5

3

2293

4,5

4,5

16,0

4

3017

5,9

5,9

21,9

5

7757

15,3

15,3

37,2

6

4335

8,5

8,5

45,7

7

1716

3,4

3,4

49,0

8

7081

13,9

13,9

63,0

9

2253

4,4

4,4

67,4

10

1748

3,4

3,4

70,8

11

2257

4,4

4,4

75,3

12

677

1,3

1,3

76,6

72

13

1060

2,1

2,1

78,7

14

2269

4,5

4,5

83,1

15

615

1,2

1,2

84,4

16

756

1,5

1,5

85,8

17

3217

6,3

6,3

92,2

18

656

1,3

1,3

93,5

19

380

,7

,7

94,2

20

144

,3

,3

94,5

21

787

1,5

1,5

96,0

22

164

,3

,3

96,4

23

1218

2,4

2,4

98,8

24

108

,2

,2

99,0

25

88

,2

,2

99,1

991

73

,1

,1

99,3

992

94

,2

,2

99,5

993

263

,5

,5

100,0

994

9

,0

,0

100,0

50864

100,0

100,0

Total

ernstgraad Cumulative Frequency Valid

Percent

Valid Percent

Percent

1

25662

50,5

50,5

50,5

2

15174

29,8

29,8

80,3

3

6570

12,9

12,9

93,2

4

3458

6,8

6,8

100,0

50864

100,0

100,0

Total

73

OPNAMEAARD Cumulative Frequency Valid

Percent

Valid Percent

Percent

0

22

,0

,0

,0

1

1220

2,4

2,4

2,4

2

11634

22,9

22,9

25,3

4

215

,4

,4

25,7

5

34169

67,2

67,2

92,9

6

3

,0

,0

92,9

7

60

,1

,1

93,0

8

758

1,5

1,5

94,5

9

2783

5,5

5,5

100,0

50864

100,0

100,0

Total

verwezendoor Cumulative Frequency Valid

Percent

Valid Percent

Percent

0

36

,1

,1

,1

1

3861

7,6

7,7

7,7

2

3716

7,3

7,4

15,1

3

32549

64,0

64,6

79,7

4

6460

12,7

12,8

92,5

74

5

586

1,2

1,2

93,6

6

968

1,9

1,9

95,6

7

149

,3

,3

95,8

8

2

,0

,0

95,9

9

1949

3,8

3,9

99,7

1

142

,3

,3

100,0

50418

99,1

100,0

446

,9

50864

100,0

0 T ot al Missing

S ys te m

Total

Afkomst Cumulative Frequency Valid

Percent

Valid Percent

Percent

1

1819

3,6

3,6

3,6

2

198

,4

,4

4,0

3

44526

87,5

87,9

91,9

4

309

,6

,6

92,5

5

540

1,1

1,1

93,6

6

46

,1

,1

93,7

8

3206

6,3

6,3

100,0

75

Total Missing

50644

99,6

220

,4

50864

100,0

System

Total

100,0

Bestemming Cumulative Frequency Valid

Percent

Valid Percent

Percent

1

46080

90,6

90,6

90,6

2

14

,0

,0

90,6

3

2001

3,9

3,9

94,6

4

74

,1

,1

94,7

5

149

,3

,3

95,0

6

357

,7

,7

95,7

7

187

,4

,4

96,1

8

1389

2,7

2,7

98,8

9

604

1,2

1,2

100,0

9

,0

,0

100,0

50864

100,0

100,0

10 Total

postcode_buitenOVL Cumulative Frequency Valid

Percent

Valid Percent

Percent

0

36798

72,3

72,3

72,3

1

14066

27,7

27,7

100,0

Total

50864

100,0

100,0

76

buitenland Cumulative Frequency Valid

Percent

Valid Percent

Percent

0

48958

96,3

96,3

96,3

1

1906

3,7

3,7

100,0

50864

100,0

100,0

Total

77

BIJLAGE 5: CORRELATIETABEL

Correlations Gederfd inkomen gederfd_inkomen Pearson

LEEFTIJD 1

,050

**

Aantal dagen ,459

**

Correlation Sig. (2-

,000

,000

50864

50864

50864

**

1

tailed) N LEEFTIJD

Pearson

,050

,137

**

Correlation Sig. (2-

,000

,000

tailed) N Aantal dagen

Pearson

50864

50864

50864

**

**

1

,459

,137

Correlation Sig. (2-

,000

,000

50864

50864

tailed) N

50864

78

BIJLAGE 6: RESULTATEN MULTIPLE LINEAIRE REGRESSIE

Coefficients

Model

Standardized Unstandardized Coef- Coeffificients cients B

1

a

Std. Error

Beta

t

Sig.

(Constant)

216,499

282,893

,765

,444

RSV_2

-84,297

6,085

-,058 -13,852

,000

RSV_3

-245,932

8,682

-,125 -28,328

,000

RSV_4

-430,538

13,302

-,164 -32,367

,000

LEEFTIJD

-,798

,122

-,029

-6,554

,000

Aantal dagen

39,053

,321

,605

121,57 3

,000

OP_spoed 100

-174,699

121,854

-,040

-1,434

,152

OP_spoed and

-113,933

120,796

-,072

-,943

,346

OP_pasge borene

-146,942

305,253

-,014

-,481

,630

79

OP_gepla ndeopname

-126,226

120,737

-,090

-1,045

,296

OP_verpli chteopname

-204,309

347,743

-,002

-,588

,557

OP_terugt ransfer

-210,338

141,188

-,011

-1,490

,136

OP_dringe ndeopnameNIETspoe d

-107,885

122,460

-,020

-,881

,378

OP_onbek end

-81,179

101,692

-,003

-,798

,425

OP_ander e

-128,039

121,121

-,044

-1,057

,290

VD_eigen _initiatief

8,994

38,941

,004

,231

,817

VD_eigen _huisarts_ verwijsbrief

-26,757

39,045

-,011

-,685

,493

VD_eigen _arst_spec ialist

15,624

39,260

,011

,398

,691

80

VD_arst_s pecialist_buiten ZH

2,484

39,395

,001

,063

,950

VD_eigen _huisarts_t el_mond

-,118

44,549

,000

-,003

,998

VD_huisar ts_wacht_ verwijsbrief

-25,016

41,982

-,005

-,596

,551

VD_huisat s_wacht_t el_mond

5,087

59,880

,000

,085

,932

VD_verze kering

-148,517

401,431

-,001

-,370

,711

VD_exter nen

-17,596

39,520

-,005

-,445

,656

VD_eigen _initiatief_ zonder_toesla g

42,412

60,653

,003

,699

,484

AF_ander e

-189,845

253,158

-,053

-,750

,453

AF_bejaar den_rusto ord

-160,689

256,129

-,015

-,627

,530

81

AF_huis

-203,137

252,739

-,102

-,804

,422

AF_openb aar

-185,861

255,095

-,022

-,729

,466

AF_polikli niek

-183,632

254,001

-,028

-,723

,470

AF_psychi atrie

-373,326

267,673

-,017

-1,395

,163

AF_ander _ziekenhui s

-193,641

253,026

-,071

-,765

,444

BE_neona tologie_mater niteit_UZ

351,933

159,488

,009

2,207

,027

BE_ander _ZH_niet_ univ

37,395

15,237

,011

2,454

,014

BE_ander _ZH_univ

31,050

66,365

,002

,468

,640

BE_ander _ZH_psyc hiatrie

58,222

49,419

,005

1,178

,239

BE_RVT_ bejaardentehuis

-161,238

31,608

-,020

-5,101

,000

82

BE_pasge borene_neonat ologie_UZ

-525,652

119,503

-,048

-4,399

,000

BE_overle den

459,662

16,719

,113

27,494

,000

BE_ander e_instellin g

-190,271

23,761

-,031

-8,008

,000

BE_PVT_ beschutwonen

-111,799

189,464

-,002

-,590

,555

Sekse_V

-23,462

5,352

-,018

-4,384

,000

MDC_zen uwstelsel

-14,449

11,013

-,006

-1,312

,190

MDC_oog aandoening

94,295

17,592

,023

5,360

,000

MDC_neu s_keel_oor

52,146

13,677

,016

3,813

,000

MDC_ade mhalingsstelsel

-18,090

12,786

-,006

-1,415

,157

MDC_hart _vaatstelse l

20,362

10,363

,011

1,965

,049

MDC_spij svertering

46,729

11,184

,020

4,178

,000

83

MDC_lev er_gal_bla as

17,473

15,519

,005

1,126

,260

MDC_hui s_subcutis _borstklier

12,302

13,722

,004

,897

,370

MDC_end ocriene_voedin g_stofwiss elingsziekten

2,338

15,180

,001

,154

,878

MDC_nier en_urinew egen

,417

13,839

,000

,030

,976

MDC_ma n_geslacht sorganen

6,744

22,969

,001

,294

,769

MDC_vro uw_geslac htsorganen

12,488

18,774

,003

,665

,506

MDC_zwa ngerschap_bev alling

35,314

14,406

,011

2,451

,014

84

MDC_neo nati_perinata le_aandoe ningen

-388,510

32,391

-,064 -11,994

,000

MDC_blo ed_bloedv ormende_organe n

183,810

21,988

,034

8,360

,000

MDC_my eloproliferatieve_weinig gediffertieerde_neopla smata

70,019

12,259

,026

5,712

,000

MDC_infe ctie_parasi taire

130,493

23,491

,022

5,555

,000

MDC_psy chische_stnss

-52,164

29,812

-,007

-1,750

,080

MDC_alc ohol_drug

81,726

48,001

,007

1,703

,089

85

MDC_ong evallen_vergift igingen

42,366

21,484

MDC_bra ndwonden

-687,458

MDC_beï nvloeden_gezon dheid

,008

1,972

,049

45,219

-,059 -15,203

,000

-63,919

17,634

-,015

-3,625

,000

MDC_HI V

-129,751

55,093

-,009

-2,355

,019

MDC_trau mata

-456,269

61,652

-,029

-7,401

,000

PREMDC _levertran splantatie

927,161

67,365

,053

13,763

,000

PREMDC _beenmer gtransplantatie

522,210

59,126

,034

8,832

,000

PREMDC _tracheost omie

1279,244

37,257

-,139 -34,335

,000

PREMDC _Hart_lon gtransplantatie

8,867

188,783

,000

,047

,963

86

postcode_buiten OVL

4,028

6,120

,003

,658

,510

buitenland

55,676

13,968

,016

3,986

,000

a. Dependent Variable: gederfd_inkomen

Resultaat met de uitgesloten variabelen Coefficientsa Model

Standardized Unstandardized Co- Coeffiefficients cients B

Std. Error

(Constant)

146,135

283,357

RSV_1

84,297

6,085

RSV_3

-161,635

RSV_4

Beta

t

Sig. ,516

,606

,064

13,852

,000

8,678

-,082

-18,625

,000

-346,242

12,971

-,132

-26,693

,000

-,798

,122

-,029

-6,554

,000

39,053

,321

,605

121,573

,000

OP_spoed100 -174,699

121,854

-,040

-1,434

,152

OP_spoedand

-113,933

120,796

-,072

-,943

,346

OP_pasgebor ene

-146,942

305,253

-,014

-,481

,630

OP_geplande opname

-126,226

120,737

-,090

-1,045

,296

LEEFTIJD Aantal dagen

87

OP_verplicht eopname

-204,309

347,743

-,002

-,588

,557

OP_terugtran sfer

-210,338

141,188

-,011

-1,490

,136

OP_dringend eopnameNIETspoed

-107,885

122,460

-,020

-,881

,378

OP_onbeken d

-81,179

101,692

-,003

-,798

,425

-128,039

121,121

-,044

-1,057

,290

VD_eigen_in itiatief

8,994

38,941

,004

,231

,817

VD_eigen_hu isarts_verwijsb rief

-26,757

39,045

-,011

-,685

,493

VD_eigen_ar st_specialist

15,624

39,260

,011

,398

,691

VD_arst_spe cialist_buitenZH

2,484

39,395

,001

,063

,950

VD_eigen_hu isarts_tel_mon d

-,118

44,549

,000

-,003

,998

VD_huisarts_ wacht_verwij sbrief

-25,016

41,982

-,005

-,596

,551

OP_andere

88

VD_huisats_ wacht_tel_m ond

5,087

59,880

,000

,085

,932

VD_verzeker ing

-148,517

401,431

-,001

-,370

,711

VD_externen

-17,596

39,520

-,005

-,445

,656

VD_eigen_in itiatief_zonder_t oeslag

42,412

60,653

,003

,699

,484

AF_andere

-189,845

253,158

-,053

-,750

,453

AF_bejaarde n_rustoord

-160,689

256,129

-,015

-,627

,530

AF_huis

-203,137

252,739

-,102

-,804

,422

AF_openbaar

-185,861

255,095

-,022

-,729

,466

AF_poliklinie -183,632 k

254,001

-,028

-,723

,470

AF_psychiatr ie

-373,326

267,673

-,017

-1,395

,163

AF_ander_zi ekenhuis

-193,641

253,026

-,071

-,765

,444

BE_Thuis

-37,395

15,237

-,017

-2,454

,014

BE_neonatol ogie_maternit eit_UZ

314,538

159,808

,008

1,968

,049

-6,345

67,199

,000

-,094

,925

BE_ander_Z H_univ

89

BE_ander_Z H_psychiatrie

20,827

51,263

,002

,406

,685

BE_RVT_bej aardentehuis

-198,633

34,587

-,025

-5,743

,000

BE_pasgebor ene_neonatol ogie_UZ

-563,047

120,353

-,052

-4,678

,000

BE_overlede n

422,267

21,301

,104

19,824

,000

BE_andere_i nstelling

-227,666

27,511

-,037

-8,275

,000

BE_PVT_bes chutwonen

-149,194

190,054

-,003

-,785

,432

23,462

5,352

,018

4,384

,000

MDC_zenuw stelsel

-14,449

11,013

-,006

-1,312

,190

MDC_oogaa ndoening

94,295

17,592

,023

5,360

,000

MDC_neus_k eel_oor

52,146

13,677

,016

3,813

,000

MDC_ademh alingsstelsel

-18,090

12,786

-,006

-1,415

,157

MDC_hart_v aatstelsel

20,362

10,363

,011

1,965

,049

MDC_spijsve rtering

46,729

11,184

,020

4,178

,000

MDC_lever_ gal_blaas

17,473

15,519

,005

1,126

,260

Sekse_M

90

MDC_huis_s ubcutis_borstklier

12,302

13,722

,004

,897

,370

MDC_endocr iene_voeding_s tofwisselingsziekten

2,338

15,180

,001

,154

,878

MDC_nieren _urinewegen

,417

13,839

,000

,030

,976

MDC_man_g eslachtsorganen

6,744

22,969

,001

,294

,769

MDC_vrouw _geslachtsorg anen

12,488

18,774

,003

,665

,506

MDC_zwang erschap_bevalli ng

35,314

14,406

,011

2,451

,014

MDC_neonat i_perinatale_ aandoeningen

-388,510

32,391

-,064

-11,994

,000

MDC_bloed_ bloedvormende_organen

183,810

21,988

,034

8,360

,000

91

MDC_myelo proliferatieve_weinigged iffertieerde_neoplasm ata

70,019

12,259

,026

5,712

,000

MDC_infecti e_parasitaire

130,493

23,491

,022

5,555

,000

MDC_psychi sche_stnss

-52,164

29,812

-,007

-1,750

,080

MDC_alcoho l_drug

81,726

48,001

,007

1,703

,089

MDC_ongev allen_vergiftigi ngen

42,366

21,484

,008

1,972

,049

MDC_brand wonden

-687,458

45,219

-,059

-15,203

,000

MDC_beïnvl oeden_gezondh eid

-63,919

17,634

-,015

-3,625

,000

MDC_HIV

-129,751

55,093

-,009

-2,355

,019

MDC_trauma ta

-456,269

61,652

-,029

-7,401

,000

PREMDC_le vertransplantatie

927,161

67,365

,053

13,763

,000

92

PREMDC_be enmergtransplantatie

522,210

59,126

,034

8,832

,000

PREMDC_tr acheostomie

1279,244

37,257

-,139

-34,335

,000

PREMDC_H art_longtrans plantatie

8,867

188,783

,000

,047

,963

postcode_buitenOV L

4,028

6,120

,003

,658

,510

55,676

13,968

,016

3,986

,000

buitenland

a. Dependent Variable: gederfd_inkomen

93

BIJLAGE 7: GEMIDDELD GEDERFD INKOMEN BIJ DE ERNSTGRADEN

Tabel 2: Gemiddeld gederfd inkomen van de ernstgraden. gederfd_inkomen ernstgraad

dimension1

Mean

N

1

11,5746

25662

141,04791

-6530,00

6831,00

2

35,1164

15174

295,47654

-6101,00

7450,00

3

111,7499

6570

642,34158

-5357,00

12238,00

4

496,4387

3458

2212,35552

-6107,00

16789,00

64,5007

50864

660,81624

-6530,00

16789,00

Total

Std. Deviation

Minimum

Maximum

94

95

OPVOLGDOCUMENTEN

AANVRAAGFORMULIER

96

97

98

GOEDKEURING EXAMENCOMMISSIE

99

OPVOLGDOCUMENTEN

OPVOLGDOCUMENT 1

100

OPVOLGDOCUMENT 2

101

OPVOLGDOCUMENT 3

102

OPVOLGDOCUMENT 4

103

OPVOLGDOCUMENT 5

104

OPVOLGING CEL BIOSTATISTIEK

105

GOEDKEURING ETHISCH COMITÉ

106

107

108