Impatto dei sistema di finanziamento a DRG sulla innovazione

Impatto dei sistema di finanziamento a DRG
sull’innovazione tecnologica in sanità
Evidenze e proposte emerse dal caso italiano
Giuditta Callea
Cergas Università Bocconi
La ricerca “Impatto del sistema di finanziamento a DRG
sull’innovazione tecnologica in sanità”
•
Obiettivi della ricerca:
1. Analizzare le caratteristiche dei sistemi regionali di rimborso dei ricoveri ospedalieri
2. Investigare le opinioni e le percezioni degli operatori del Sistema Sanitario Nazionale sul
ruolo del sistema di finanziamento basato sui DRG sull’adozione e sulla diffusione di
dispositivi medici innovativi negli ospedali italiani
•
Focus dello studio:
– Dispositivi medici impiantabili
– Usati in regime di ricovero
•
Interviste semi-strutturate a 3 categorie di rispondenti:
– Esperti di DRG a livello nazionale (2)
– Manager regionali (5)
– Manager ospedalieri (27 in 11 regioni italiane)
Le regioni del campione: modalità di finanziamento
dell’attività di ricovero
DRG
Basilicata
Campania
Emilia Romagna
Lazio
Lombardia
Molise
Piemonte
Puglia
Sicilia
Toscana
Valle d'Aosta
Veneto
DRG con tetto
alla produzione
AO, IRCCS
AO, AOU, IRCCS, privati
AO, AOU, IRCCS, privati
AO, AOU, IRCCS, privati
IRCCS
AOU, IRCCS, privati
AO, AOU, IRCCS, privati
AOU, IRCCS, privati
AO, AOU, IRCCS, privati
AO, IRCCS, privati
Privati
AO, AOU, IRCCS, privati
Impatto percepito del sistema di finanziamento a DRG
sull’adozione e sulla diffusione dei dispositivi medici
innovativi
70%
63%
“Il sistema è un freno all’adozione di
nuove tecnologie a causa dei ritardi
nell’aggiornamento sia del sistema di
classificazione, fermo al 2007, che
delle tariffe”
60%
50%
40%
30%
21%
20%
8%
10%
4%
4%
0%
Dipende
Freno
Freno in generale,
neutro nel nostro
ospedale
Neutro
Non sa/non risponde
Dipende dal costo delle tecnologie, dalla visione e dalla capacità di programmazione della
direzione, dai vantaggi portati dalla nuova tecnologia, dagli incentivi del sistema di rimborso
Principali vantaggi e svantaggi percepiti del sistema di
finanziamento a DRG con riferimento all’incentivo
all’adozione di dispositivi medici innovativi
Vantaggi
•
•
•
Strumento flessibile che, con una
revisione puntuale almeno annuale,
può garantire la giusta
remunerazione per i nuovi dispositivi
Incentiva controllo dei costi, qualità e
appropriatezza delle prestazioni ed
efficienza
Frena l'adozione indiscriminata se
non c'è bilanciamento costo-efficacia
Svantaggi
•
•
•
Ritardi nell’aggiornamento del
sistema di classificazione e di
rimborso
Sistema di classificazione non
sufficientemente specifico da
premiare l’approccio tecnologico e gli
investimenti in formazione del
personale
In termini contabili, un freno
all’innovazione
Frequenza di aggiornamento delle tariffe nelle regioni
del campione
45%
40%
40%
35%
30%
30%
25%
20%
20%
15%
10%
10%
5%
0%
Annuale
Ogni 2-3 anni
Poco frequente
Tariffe non aggiornate
Frequenza di aggiornamento delle tariffe:
un confronto con 12 Paesi europei
Fonte: Scheller-Kreinsen et al., 2011
Frequenza del sistema di classificazione in Italia
Anno introduzione
Versione ICD-9-CM
Versione Grouper
1995
1975
10
2000
1997
14
2006
2002
19
2009
2007
24
Il sistema di classificazione è già
“vecchio” al momento della sua
introduzione e non consente di
identificare tecnologie innovative
Tecnologia
Codici ICD9-CM
DRG
Vantaggi della possibilità di tracciare l’innovazione
tecnologica nei flussi informativi
•
Consente al Regolatore la comparazione di trattamenti e/o tecnologie alternativi in
termini di outcome (es. degenza media, tasso di mortalità, tasso di infezione, tasso
di ricoveri ripetuti, consumo di farmaci, consumo di prestazioni di specialistica
ambulatoriale)
•
Consente al Regolatore di prendere decisioni “evidence based”, sviluppando gli
strumenti finanziari più idonei (es. aggiornamento frequente delle tariffe,
implementazione di pagamenti supplementari o separati) a facilitare la diffusione
dell’innovazione costo-efficace, garantendo equità di accesso a tutti i pazienti
•
Consente di usare i database amministrativi per studiare la diffusione di nuove
tecnologie, stimando empiricamente le determinanti che la impattano
La ricerca “Le determinanti dell’adozione di nuove
tecnologie sanitarie. Un’analisi empirica”
•
Obiettivi della ricerca:
1.
2.
Identificare le variabili principali che impattano sulla diffusione delle nuove tecnologie
sanitarie attraverso la review sistematica della letteratura scientifica
Investigare la capacità del sistema di classificazione attualmente in uso in Italia di
identificare le tecnologie sanitarie, evidenziandone i limiti e sviluppando
raccomandazioni per i miglioramenti
⇒ Identificazione di alcune tecnologie tracciabili nelle SDO, in collaborazione con
Assobiomedica che ha fatto da ponte tra Cergas e Industria:
•
•
3.
Ablazione cardiaca per fibrillazione atriale (CA)
Chiusura dell’auricola atriale sinistra (LAA)
Stimare empiricamente le determinanti dell’adozione di nuove tecnologie nel settore
ospedaliero italiano
•
Analisi relativa al periodo 2009-2012
Trend di diffusione
CA
LAA
6600
6401
6400
205
6200
5944
204
6000
5800
5600
197
5424
5000
200
195
5400
5200
210
6226
190
191
185
188
4800
180
2009
2010
N° ricoveri
2011
N° ospedali
2012
180
155
160
147
140
104
120
100
80
60
40
20
0
8
25
6
2009
2010
N° ricoveri
34
30
2011
2012
N° ospedali
Regioni che adottano le tecnologie
CA
25
14
Sicilia
12
20
Tutti le
regioni
italiane
eccetto VDA
10
8
6
2
Lazio
EmiliaRomagna,
Lombardia
Puglia,Toscana
Calabria
10
4
5
Veneto,Abruzzo
Campania
Piemonte
Liguria
2011/07
2011/06
2010/08
2010/03
2010/02
2010/01
2009/11
2009-01
2009/10
0
0
2009/04
15
LAA
2012/10
2012/7
2012/4
2012/1
2011/10
2011/7
2011/4
2011/1
CA
2010/10
0
2010/7
50
2010/4
100
2010/1
150
2009/10
200
2009/7
250
2009/4
300
2009/1
2012/10
2012/7
2012/4
2012/1
2011/10
2011/7
2011/4
2011/1
2010/10
2010/7
2010/4
2010/1
2009/10
2009/7
2009/4
2009/1
Numero cumulato di ospedali che adottano le
tecnologie
LAA
55
50
45
40
35
30
25
20
15
10
5
0
Caratteristiche degli ospedali che adottano le
tecnologie: tipologia
Ospedale a gestione
diretta
CA
6%
LAA
Azienda ospedaliera
universitaria
1%1%
4%
6%
Casa di cura privata
36%
23%
Azienda ospedaliera
universitaria
2% 2%
27%
10%
Azienda ospedaliera
Istituto di ricovero e cura
a carattere scientifico
Istituto di ricovero e cura
a carattere scientifico
16%
Ospedale classificato
Istituto non classificato
presidio di USL
10%
Casa di cura privata
Azienda ospedaliera
Ospedale classificato
19%
Ospedale a gestione
diretta
Ente di ricerca
19%
18%
Istituto non classificato
presidio di USL
Ente di ricerca
Caratteristiche degli ospedali che adottano le
tecnologie: ownership
CA
LAA
21%
27%
Privato
Privato
Pubblico
Pubblico
73%
79%
Caratteristiche degli ospedali che adottano le
tecnologie: ubicazione
CA
LAA
24%
39%
Rurale
Rurale
Urbano
Urbano
61%
76%
Le determinanti dell’adozione dell’innovazione
tecnologica
LAA
Linear regression
Dependent variable
Number of obs =
F( 16, 33) =
.
Prob > F =
.
R-squared =
Root MSE =
51
0.4299
13.817
Ranking of adopters
Robust
HHI
Ricoveri
HHI*Ricoveri
Pubblico
Urbano
Universitario
Costante
Coef.
0.162
0.000
0.000
1.196
- 5.001
1.364
66.509
-
Std. Err.
0.098
0.000
0.000
5.828
5.419
6.387
30.208
-
-
t
1.650
0.160
0.090
0.210
0.920
0.210
2.200
P>t
0.108
0.874
0.929
0.839
0.363
0.832
0.035
[95% Conf. Interval]
- 0.362
0.038
- 0.001
0.001
- 0.000
0.000
- 10.661
13.053
- 16.026
6.024
- 11.630
14.358
5.051 127.968
Conclusioni
•
•
•
•
Le ricerche hanno evidenziato irregolarità nell’aggiornamento del sistema di
codifica e grande variabilità tra le regioni italiane per frequenza di aggiornamento
delle tariffe. La manutenzione dei codici e delle tariffe avviene molto più
raramente rispetto alle altre realtà europee.
Il sistema di codifica può essere migliorato, rendendolo più granulare. Questa
granularità ci permetterebbe di aumentare la nostra capacità di valutare le
performance degli ospedali.
I dati amministrativi attualmente disponibili permettono già, per le tecnologie
tracciabili, analisi sulla diffusione dell’innovazione tecnologica, aiutandoci a capire
quali sono le determinanti che la spiegano.
Se i dati amministrativi in nostro possesso ci permettono già analisi di questo tipo,
dati più granulari consentirebbero analisi ancora più approfondite e sofisticate,
favorendo un processo decisionale “evidence based”.
Grazie per l’attenzione
[email protected]

Download Report