Az egyéni adatokra épülő, kockázat-kiigazított egészségügyi fejkvóta kialakításának lehetőségei Magyarországon

Absztrakt:

A cikk doktori disszertációm összefoglalását tartalmazza, és annak tézisfüzetére épül. A munka fő célja olyan kockázat-kiigazított fejkvóta-számítási modell felépítése volt, amely kiindulópontot, szakmai alapot jelenthet egy – a jelenleginél hatékonyabb és méltányosabb – hazai egészségügyi forráselosztás megteremtéséhez, mivel elszakad a jelenlegi alapvetően historikus disztribúciótól, és a biztosítottak egészségügyi szükségleteinek figyelembe vételére is lehetőséget kínál. A doktori munka során felépült egy adatbázis Magyarország 9,7 millió lakosára vonatkozóan, amely egyé – ni szinten korábban hazánkban nem volt elérhető, és az egészségügyi kiadásokkal összefüggésben ilyen módon és volumenben még nem vizsgált jellemzőket tartalmaz. Ilyenek a személyek lakhelyének fejlettsége, családi állapota, jogviszonya, korábbi évek egészségügyi kiadásai, illetve a vagyoni helyzetre és az iskolai végzettsége utaló tényezők. Az adatbázis létrejöttével – amelyben a 2015- ös év több mint 1000 Mrd Ft költése állt (nagyjából az éves közfinanszírozás 64%-a) – lehetővé vált ezen jellemzők és az egészségügyi igénybevétel összefüggéseinek vizsgálata két fontos szempont alapján is. Az egyik az egyének egészségügyi igénybevételi helyének összehasonlítása a tényleges hivatalos lakhellyel, a másik pedig az egészségügyi kiadásokban legnagyobb szórást oko – zó, „drága”-ként definiált betegségek azonosítása. A modell felépítése során öt különböző statisztikai módszer vizsgálata történt meg (pl. lineáris regressziós modell és mesterséges intelligencia [AI] modell). Eredményként bebizonyosodott, hogy valóban megkülönböztethetők olyan tényezők, amelyek a közvetlen egészségügyi szükségletre utalnak, és olyanok is, amelyek az ellátórendszer kínálati oldalát jellemzik. Az angol forráselosztási rendszertől átvett sterilizálás, illetve az elveszített életévek kompenzációjával a kínálati tényezők hatását semlegesíteni lehet. Ezen túl igazolódott az is, hogy Magyarországon is rendelkezésre állnak, illetve megteremthetők azok a feltételek, amelyek lehetővé tennék az egyén egészségügyi szükségletének megfelelő becslését, és ezáltal egy kockázat-kiigazított fejkvótának a kialakítását. Röviden bemutatom azt is, hogy a kialakított módszertan hogyan változtatná meg megyei és kistérségi szinten az egészségügyi források jelenlegi felosztását.

Abstract:

This paper gives a summary of my doctoral work, the goal of which was to examine the current – mainly historical – Hungarian health resource allocation system and develop a more efficient and equitable model, in order to outline a new capitation methodology based on needassessment and risk-adjustment. The database of the model uses person-level data (n=9.7 million) and calculates need-adjusted health care cost based on variables that were in Hungary previously not available or not examined. The amount of resources handled covers roughly 80% of all payments for benefits- in-kind paid to providers by the single payer National Health Insurance Fund. It is approximately 64% of all public health spending in 2015. I included variables referring to demography (e.g. marital status), previously occurred health care costs, end of life status, morbidity data and SES (with proxies for income and education). The database allows the examination of effect of these characteristics on health care costs (inpatient and outpatient care, prescribing, diagnostics, dialysis, dentistry activities etc.). I have proven that all used factors are significantly influencing the personal health spending in Hungary. It is also clear that we can differentiate between need and supply factors (e.g. provider capacity, tra – velling times, GP’s unavailability). The effect of supply could be neutralised via the methodology of sterilisation. A special Hungarian feature of the database is the reallocation of persons who do not live on their official residence. The basis for this was a profound analysis of their utilisation of the health care system (GP, pharmacy, inpatient and outpatient care) which gave a hint about the actual place of dwelling. I have also defined so called „expensive” diseases that were removed from the capitation model due to their enormous effect on the personal health spending. While setting up the final model I have documented the features and drawbacks of possible techniques, namely, different kinds of linear reg – ression models and artificial intelligence (AI) model. The work has proved the possibility of a new resource allocation methodology based on need-assessment and risk-adjustment. I have outlined the possible distributional consequences of the model on health resources at regional (NUTS3 and NUTS4) level, comparing the old distribution with the possible new one and proved the volatility of the changes due to the size of the regional units.