Keď položíte laikom, analytikom alebo expertom otázku či je naše zdravotníctvo kvalitné, väčšinou dostanete negatívnu odpoveď. Laici si pamätajú poslednú návštevu nemocnice alebo lekára – rozpadnuté budovy a preplnené čakárne. Analytici a experti zas referujú k vysokému počtu odvrátiteľných úmrtí, zbytočných indukovaných hospitalizácií, dlhej priemernej dobe hospitalizácie, či k bolestivému nedostatku zdrojov a nešťastne nízkym kompetenciám v tzv. primárnej sfére (všeobecní lekári).

Keď sa tých istých ľudí v zápätí spýtate, či je v systéme dostatok zdrojov, ihneď identifikujete dva tábory ľudí:

1. Tí, čo si myslia, že financií je v systéme viac než dosť ale ich využitie je neefektívne
2. Tí, čo si myslia, že systém je neudržateľne slabo financovaný a ak sa chceme v kvalite dotiahnuť na úroveň západu, musíme za zdravotníctvo začať platiť viac (priznám sa, tiež som jeden z týchto ľudí, aj napriek tomu, že vidím množstvo príležitostí zefektívniť využitie aktuálneho balíka financií)

Metodológia analýzy

Keďže by som diskusiu o faktoroch ovplyvňujúcich kvalitu zdravotníctva rád podporil nespornými empirickými výsledkami, pustil som sa do regresnej analýzy na panelových dátach vzorky 28 krajín EÚ od roku 2009 do 2019.

Cieľom bolo získať model, ktorý sa na základe vybranej vzorky dát „naučí“ akým spôsobom jednotlivé vstupné/vysvetľujúce premenné ovplyvňujú výstupnú/vysvetlovanú premennú a bude čo najpresnejšie vysvetľovať variabilitu výstupnej premennej, teda kvality zdravotníctva. (Ekonometricky povedané, získať model so signifikantnými exogénnymi premmennými a čo najvyšším Adjusted R²).

Výstupná/vysvetlovaná premenná

V literatúre sa používa množstvo merítok kvality zdravotníctva, od tých banálnych ako napr. priemerný odhadovaný vek dožitia pri narodení až po tie komplikovanejšie ako napr. počet odvrátiteľných úmrtí na 100 000 obyvateľov.

Prednosťou komplikovanejších merítok kvality zdravotníctva je, že zohľadňujú množstvo medicínskych a nemedicínskych faktorov zároveň. Ich nevýhodou však je, že spôsob a kvalita ich vykazovania nemusí byť jednodná naprieč krajinami a de-facto ani v rámci krajiny v priebehu viacerých rokov.

Napriek nedostatkom tohto merítka kvality, som sa rozhodol využiť celkový počet odvrátiteľných úmrtí na 100 000 obyvateľov (čo zahŕňa úmrtia, ktoré boli odvrátiteľné zdravotným systémom ale aj úmrtia odvrátiteľné zlepšením životosprávy ľudí – celkový počet je totiž v databáze eurostatu kontinuálne dostupný a umožňuje vykonať analýzu na veľkom počte pozorovaní)

Vstupné/vysvetľujúce premenné

V regresiách obvykle platí, že čím väčší počet vysvetľujúcich premenných v nich použijeme, tým dostaneme lepší model (model s vyšším R²), preto som začal s modelom ktorý využíval vyše 100 premenných dostupných z databázy Eurostatu.

Premenné bolo možné kategorizovať do niekoľkých kategórií:

• Finančné údaje ako napr. celkový objem financií vynaložený na zdravotníctvo per capita, rozdelenie financií na jednotlivé zložky zdravotníctva…
• Údaje o nefinančných zdrojoch ako napr. počet nemocničných lôžok, doktorov, sestier…
• Údaje o efektivite systému ako napr. priemerná doba hospitalizácie, počet návštev doktora per capita, počet hospitalizácií per capita…
• Behaviorálne faktory ako napr. podiel ľudí pravidelne konzumujúcich alkohol, podiel fajčiarov, podiel obéznych…
• Ostatné relevantné faktory

(Počet vstupných premenných som musel postupne znižovať z dôvodu vysokej tzv. multikolinearity medzi jednotlivými premennými a inými technickými problémami ktoré niektoré premenné v regresií spôsobujú)

Na záver mi zostala nasledujúca regresia:

(Odvrátiteľná úmrtnosť na 100 000 obyvateľov) = a + b*(Celkové výdaje na zdravotníctvo per Capita) + c*(Dobrovoľné výdaje na zdravotníctvo per Capita) + d*(Výdaje na rádio-diagnostiku per Capita) + e*(Výdaje na laboratórnu diagnostiku per Capita) + f*(Výdaje na lieky per Capita) + g*(Výdaje na doplnkové zdravotné služby a následnú starostlivosť per Capita) + h*(Počet hospitalizácií za rok per Capita) + i*(Priemerná doba hospitalizácie) + j*(Počet návštev doktora za rok per Capita) + k*(percento fajčiarov v krajine) + l*(percento pravidelných konzumentov alkoholu v krajine) + e

Výsledky a Diskusia

Všetky premenné okrem podielu fajčiarov v krajine boli vyhodnotené ako štatisticky signifikantné a daný model vysvetľuje až 96% variability v kvalite zdravotníctva.

Výsledok je možné interpretovať nasledovne:

• Každé dodatočné euro v systéme SR zdravotníctva zníži počet odvrátiteľných úmrtí na 100 000 ľudí o 0.16 
  • Pre ilustráciu prikladám graf ktorý ukazuje, že v systéme chýba približne 1.2 miliardy EUR ročne na to, aby sme sa dostali na priemernú úroveň výdavkov na zdravotníctvo v EÚ.
  • Dodatočných 1.2 miliardy EUR by podľa nášho (štatisticky presného) modelu znížilo počet odvrátiteľných úmrtí na 100 000 obyvateľov o cca 35, čo v ročnom výsledku znamená, že by sme tým zachránili cca 2 000 ľudí ročne!
• V rámci dodatočných financií v zdravotníctve, by sme mali podporiť hlavne prílev privátnych platieb, teda platieb, o ktorých rozhoduje samotný pacient/poistenec, nakoľko každé dodatočné euro (per capita) ktoré do systému pritečie v podobe privátnej platby znižuje počet odvrátiteľných úmrtí na 100 000 obyvateľov o 0.72
  • Pre ilustráciu, v prípade, že by kompetentní umožnili pacientom priplácať si za nadštandardnú starostlivosť, čím by podporili privátne platby a vznik pripoistenia, a zo spomínanej 1.2 miliardy EUR ročne by polovicu činili privátne platby, na SR by bolo o cca 79 odvrátiteľných úmrití na 100 000 obyvateľov menej – čo činí záchranu cca 4 300 odvrátiteľných úmrtí ročne!
• Väčšie využívanie a podpora platieb za rádio-diagnostiku (tzv. SVaLZ) má podľa modelu pozitívny dopad na záchranu ľudských životov
• Zbytočné nadužívanie a zvyšovanie platieb za laboratórnu diagnostiku vedie podľa modelu k viac odvrátiteľným úmrtiam ročne
• Zaujímavý je štatisticky signifikantný výsledok, ktorý tiež ukazuje, že zbytočne prehnané a vysoké platby za lieky resp. ich nadužívanie vedie k vyššiemu počtu odvrátiteľných úmrtí (či už z dôvodu preferencie originálnych liečiv oproti generikám alebo jednoducho vysokému price-pointu)
• Veľmi silný a pozitívny efekt na kvalitu zdravotníctva má podpora platieb za následnú a dlhodobú starostlivosť, rehabilitácie, podpora transportu pacienta do špecializovaného pracoviska (i.e. Stratifikácia nemocníc) alebo financovanie kvalitného managementu a governance/správy spoločností. 
  • Pre ilustráciu, keby kompetentní (a následne zdravotné poisťovne) z dodatočných 1.2 miliardy EUR určili aspoň 50 miliónov na podporu hore uvedených aktivít, na Slovensku by sme zachránili vyše 3 000 ľudí ročne! To je neuveriteľná hodnota za peniaze, avšak je nutné, aby zdravotné poisťovne za vyčlenené peniaze skutočne podporovali dané činnosti a nie len si pod zámienkou ich podpory zvýšili rozpočet.
• Vysoký počet hospitalizácií per Capita a vysoká priemerná doba hospitalizácie majú veľmi negatívny dopad na počet odvrátiteľných úmrtí. Preto je napr. nevyhnutné podporovať aktivity ako je podpora primárnej sféry, domáca starostlivosť alebo fundamentálna zmena v poskytovaní akútnej nemocničnej starostlivosti za účelom krátkych a efektívnych hospitalizácií s následným doliečením v na to určených zariadeniach (ako je plánom napr. v prípade Nemocnice novej generácie na Boroch)
• Naopak, pozitívny dopad na znižovanie počtu odvrátiteľných úmrtí má vyšší počet návštev lekára. Interpretáciu pre Slovensko je však potreba chápať v kontexte – Slovensko má až zbytočne vysoký počet návštev lekára per Capita, čo je spôsobené nízkymi kompetenciami lekárov v primárnej sfére a taktiež zrušením tzv. „dvadsať korunáčiek“ ktoré odrádzali pacientov ktorí si chodili k lekárovi „posedieť“ alebo po priepustku/PN.
• Negatívny dopad na počet odvrátiteľných úmrtí majú aj behaviorálne faktory ako sú napr. sklon k pravidelnej konzumácií alkoholu alebo fajčeniu.

Vyvoditeľné závery

Za kvalitné zdravotníctvo sa platí!

Je nesporné, že „čo dáte, to sa vráti“. Samozrejme, od istého bodu (objemu peňazí v systéme) platí zákon klesajúcich výnosov, avšak dáta sú neúprosné – ak chceme západnú kvalitu „Mercedes S-class“, nemôžeme čakať že ju dostaneme za cenu „Dacia Logan“.

Slováci, nenadávajme, dostávame adekvátnu kvalitu za to, čo do zdravotníctva investujeme.

Toto tvrdenie viete overiť dosadením aktuálnych hodnôt jednotlivých premenných do modelu. Výsledkom je číslo ktoré cca. zodpovedá našim 400+ odvrátiteľným úmrtiam na 100 000 obyvateľov. Ak je teda našim spoločným cieľom zlepšenie zdravotníctva, bez dodatočných financií to nepôjde. Je nutné aby sme pomerne radikálne zvýšili objem finančných prostriedkov v systéme a začali prenášať časť zodpovednosti na samotného pacienta formou legalizácie priamych platieb alebo privátneho pripoistenia.

Na záver ešte niekoľko drobností: 

• Veľmi pekne ďakujem zdravotníckym analytikom ktorí mi pomohli sa nad problematikou zamýšľať zatiaľ čo zastávali rolu „diablovho advokáta“.
• Nakoľko sa zdravotníctvu aktívne venujem, parlamentné voľby 2020 som sledoval hlavne z pohľadu zdravotníckych programov a kampaní. Nedalo mi, overiť číslo údajných 5 000 zbytočných úmrtí ktoré bolo podľa politikov zapríčinené vyplatením dividendy vo výške 400 miliónov EUR zo zdravotnej poisťovne. Dáta ukazujú, že toto tvrdenie nie je správne. V danom prípade sa jednalo o dividendovú rakapitalizáciu, čo je bežný nástroj využívaný sofistikovanými firmami po celom svete, ktorý nie je ničím nemorálnym a má takmer vždy pozitívny efekt na prevádzku spoločností. Navyše, po zostrojení a využití modelu, ktorý vysvetľuje 96% variability v kvalite zdravotného systému (rozumej extrémne veľa), musím čisto matematicky a ekonometricky konštatovať, že daná jednorazová suma by viedla k zanedbateľnému vplyvu na kvalitu systému.
• V texte som sa vyhol obsiahlemu popisu technikalít a dôvodov, prečo napr. v modeli zostali len finálne premenné, aké pozorovania vypadli z datasetu z dôvodu nedostatku dát atď. Budem veľmi rád, ak ma ľudia znalí problematiky a ochotní pomôcť budú kontaktovať na [email protected] s otázkami, odporúčaniami vylepšení a prípadnými postrehmi.
• Ako spomínam v texte, dáta o odvrátiteľných úmrtiach môžu byť skreslené. O klasifikácií totiž rozhoduje obhliadajúci lekár. V prípade, že obhliadajúci lekár hľadá skratky ako si prácu uľahčiť a napr. klasifikuje úmrtie na rakovinu ako úmrtie na srdcové zlyhanie, „nafukuje“ tým našu štatistiku o počte odvrátiteľných úmrtí. K tejto problematike a jej riešeniu sa zdravotnícky analytici opakovanie vracajú. Z pohľadu regresnej analýzy však nemáme závažnejší dôvod pochybovať o kvalite dáť z prozaického dôvodu – ak hľadá skratky slovenský obhliadajúci lekár, zrejme ich hľadá aj holandský, nemecký a švédsky obhliadajúci lekár