Cesta pacienta, procesní indikátory a jak je správně chápat

Administrativní data zdravotních pojišťoven mají své chyby, ale už dnes se dají využít k měření kvality. Na nastavení indikátorů kvality a jejich sledování by se měly podílet odborné společnosti.

V současné éře dynamických změn ve zdravotnictví se stále více klade důraz na transparentnost a kvalitu poskytovaných zdravotních služeb a na důkladné monitorování jejich efektivity. Přestože princip měření a řízení není novinkou, jeho široké přijetí na národní úrovni se rozvíjí jen pozvolna. Česko má k dispozici řadu doporučených postupů léčby onemocnění, jak těch vlastních, tak i těch ze zahraničí, které jsou snadno přenositelné. Co však nemá, je systém dlouhodobého systematického měření jejich uplatňování. Studie z českého prostředí, které se občas objevují jako recenzované anglicky psané články, ukazují na více či méně významné nedostatky v dodržování těchto doporučených postupů. Těmto studiím však často chybí konzistentní dlouhodobý záměr a udržitelnost.

Spíše než ad hoc analýza faktického dodržování doporučených postupů by tak byly žádoucí snadno realizovatelné a dlouhodobě udržitelné procesní indikátory (ukazatele), které by upozorňovaly na odchylky od žádoucích postupů na základě dat neovlivněných vykazujícím pracovištěm. Těmi by mohla být administrativní data zdravotních pojišťoven, která při vhodném zpracování umožňují reprodukovat příběh péče o pacienta v čase, napříč specializacemi a poskytovateli a s velmi přesnými detaily o poskytnuté péči. Právě z tohoto úhlu pohledu se jako nadějný prvek českého zdravotnictví s velkým potenciálem dalšího rozvoje jeví Portál ukazatelů kvality zdravotních služeb Kanceláře zdravotního pojištění. Díky zapojení do tohoto projektu a stávajícímu výzkumu indikátorů na naší katedře jsme s kolegy z KZP měli příležitost prohloubit naše pochopení praktických aspektů této skvělé iniciativy. Tyto zkušenosti mě inspirují k zamyšlení nad ideálním způsobem, jakým by české zdravotnictví mohlo efektivně implementovat a využívat moderní prvky zlepšení poskytované péče, jakými procesní indikátory jsou.

V tomto prozatím spíše jen nedokonale realizovaném procesu by vedle organizace zajištující realizaci statistického hodnocení měly hrát nezastupitelnou a velmi aktivní roli odborné lékařské společnosti a dále zdravotní pojišťovny. Pojišťovny hrají klíčovou roli jednak z toho důvodu, že poskytují data, která vlastní a která jsou následně třetí stranou vyhodnocována. Nikdo asi nepochybuje o tom, že by pojišťovny měly mít zájem na stálém zlepšování a efektivnější organizaci péče. Princip měř a řiď by jim měl tak být zcela vlastní. Co se týče odborných společností, odvážím se tvrdit, že by vytváření, implementace a sledovaní indikátorů měla být jejich páteřní aktivitou, která vede k průběžnému zlepšování a zefektivňování péče o pacienty.

Hodnota administrativních dat je lepší, než si myslíte

I když jsem občas svědkem a účastníkem diskusí o spolehlivosti dat od pojišťoven, jsem přesvědčen, že na jejich hodnotu nejčastěji poukazují ti, kteří s nimi systematicky nepracují a neovládají statistické nástroje a metodiky pro analýzu dat z reálné klinické praxe. Jde například o standardizaci dat od poskytovatelů s variabilním složením pacientů, uplatnění kontrolních skupin a správné vytváření studijních kohort. Tyto techniky jsou klíčové pro eliminaci chyb v datech a jejich vlivu na výsledky analýzy. Hodnota těchto dat se mně osobně díky zlepšující se praxi kódování u poskytovatelů jeví mnohem lepší, než jak je vnímána veřejností. S kolegy pozorujeme postupné zlepšení nejen ve spolehlivosti, ale i v detailu vykázaných informací. Za vrchol těchto úsilí lze považovat již úspěšně implementovanou strategii signálních kódů, zejména v onkologii, kde stadia onemocnění hrají klíčovou roli v objektivizaci statistických hodnocení, včetně indikátorů.

Aby odborníci i pojišťovny mohli porozumět, kde se nacházejí úzká místa a neefektivity v systému, je vhodné nejprve pohlédnout na systém péče a dané onemocnění z vrtulníkové perspektivy. Analýza cesty pacienta zdravotním systémem na základě administrativních dat zdravotních pojišťoven představuje silný nástroj pro holistické pochopení tohoto procesu a jeho variability. Umožňuje objektivně pochopit, jak pacienti do systému vstupují, jak se v něm pohybují, čekají, či naopak postupují rychle, více či méně v souladu s léčebným plánem, a zda je tento plán v souladu s doporučenými postupy. Jedná se o pohled statistický, obohacený nejen o odhady středních hodnot, ale především o rozložení sledovaných jevů.

Příkladem může být střední doba od diagnózy do operace operovatelného karcinomu slinivky břišní, která je zhruba měsíc a jeden týden, což je celkem uspokojivé a mohlo by nás to tedy ukolébat. Nicméně 27 procent pacientů se operace nedočká ani po osmi týdnech a do šesti týdnů má nádor ze slinivky odoperován jen něco málo přes polovinu pacientů. Tento ukazatel se navíc významně odlišuje region od regionu, pracoviště od pracoviště. Přitom včasná operace představuje faktor významně přispívající k prodloužení života s touto diagnózou o celé roky.  Zajímavé je pak také posuzovat rozdíly v procentu operovaných pacientů podle místa. Nabízí se pak úvaha, zda to může nějak souviset s obecně poměrně nízkým vykazováním multidisciplinárních týmů napřič Českem, což je příklad zjištění, jež rychle vyplyne z širšího „mapování krajiny“, kterým je analýza cesty pacienta.

Klíčový je výběr kohorty

Analýza cesty pacienta na základě administrativních dat společně s hodnocením klíčových procesních ukazatelů se ukazuje jako účinný nástroj pro porozumění variabilnímu procesu, jakým léčba onemocnění je. Avšak, obrazně řečeno, budeme čist zpětně ze stínů, které zanechali v databázi administrativních dat pacienti, mnohdy již mrtví, přičemž tyto stíny nemusejí být zdaleka věrné, téměř nikdy nejsou úplné a mohou být i dost zavádějící. Aby však variabilita studovaného procesu neobsahovala těžko nevysvětlitelné, byť plausibilní jevy (např. data onkologického pacienta ohraničená zleva dostupností ukazují první biopsii nádoru a stanovenou diagnózu až poté, co je již několik měsíců pacient léčen cytostatikem), musí být pečlivě definována cílová skupina pacientů, které chceme studovat. Základem pro určení této skupiny proto není pouze diagnóza, ale i specifikace analyzovaného problému, což vede k výběru relevantní studované kohorty.

Například pokud chceme studovat, jak rychle se pacient dostane na operaci primárního tumoru v mozku a zda předtím prošel multidisciplinárním týmem, musíme do výběru nejprve zahrnout pacienty s tímto onemocněním a následně ověřit, že v minulosti pacient neměl toto nebo podobné, například metastazující onemocnění. Pak by totiž šlo o jiný klinický příběh s jiným doporučeným postupem, než jaký nás zajímá u primárního záchytu.

Vyloučení pacientů, u kterých nelze takové ověření provést, je běžnou praxí při realizaci retrospektivních studií na velkých datech s neúplnou informací, jak lze vidět v mnoha zahraničních protokolech. Primární populace všech dostupných pacientů se tak může snížit o desítky procent na studovanou kohortu, která však přesně odráží zkoumaný problém. Je to právě tato fáze výběru kohorty, kdy je žádoucí dosáhnout konsensu zúčastněných odborníků. Nejde o to hodnotit všechny pacienty, tedy vlastně jen jejich neúplné datové stíny, včetně těch nedokonale čitelných, ale především ty, kteří poskytují jasnou odpověď na studovaný problém, aniž by u nich existoval nejednoznačný výklad. Pokud totiž existuje jeden zaručený a rychlý efekt procesních a výsledkových ukazatelů, který se dostaví ihned po jejich zveřejnění, tak je to snaha zpochybnit jejich validitu, a to právě poukazem na podskupiny pacientů, které jsou něčím zvláštní a ukazatel se na nich může zvrtávat. Studovaná kohorta by přesně proto žádné takové podmnožiny obsahovat neměla, a to i za cenu výrazného zmenšeni velikosti kohorty v porovnáni k celkové populaci.

Studovaná kohorta by měla být vybrána aplikaci výběrových a vylučovacích kritérií, která neovlivní sledované veličiny a současně zvyšují senzitivitu i specificitu pro jejich stanovení. A to nejen při aktuálně prováděném šetření, ale i do budoucna tak, aby výběr probíhal vždy konzistentně, byl reprodukovatelný a umožnil objektivně sledovat změny v čase. Indikátory by mely být neovlivněny změnami, jako jsou inovace v procesu léčby, včetně třeba takových jevů, jako je zavedení screeningu, a tím posunu v hustotě záchytu raných stadií nemoci.

Princip statistické indukce (tedy vyvození závěru ze vzorku), na němž stojí proces tvorby důkazů v medicíně, nespočívá v analýze všech pacientů, ale v analýze reprezentativního vzorku, který nejlépe odráží studovaný jev. Zde si dovolím polemizovat, že absence dat některé ze sedmi zdravotních pojišťoven ve vybrané kohortě nemusí mít tak zásadní dopad. Důvodem je, že správně určená studovaná kohorta je definována zkoumaným problémem, a nikoli samotnou přítomností onemocnění u všech představitelných pacientů. Ti tak společně tvoří sice nadřazenou, ale velmi nespecifickou množinu, ze které teprve vybíráme studovanou kohortu. Kriticky vybraná studovaná kohorta by měla být spíše odrazem poskytované péče a celého systému (jeho procesu) než samotného pojistitele pacienta. Možná by to neplatilo v méně egalistickém prostředí, než je to české.

K procesu výběru kohorty pro analýzu cesty pacienta, jakož i analýze samotných procesních ukazatelů je výrazně jednodušší se soustředit na skupinu takzvaných incidentních pacientů, tedy těch, u nichž bylo onemocnění nedávno diagnostikováno a u kterých se léčebný proces teprve rozjíždí. Očekává se, že tito pacienti budou následovat doporučené postupy léčby. Incidentní událost může být také chápána jako moment zahájení unikátní léčby, prudká změna onemocnění nebo jeho náhlá komplikace. Na druhé straně, u takzvaných prevalenčních pacientů, kteří již nemocí trpí delší dobu, čelíme problému jejich heterogenity a často nejasné trajektorie a historie. Data o těchto pacientech mají svá omezení. Studie prevalence nejsou tak vhodné pro porozumění procesu, a tím ani pro definici a vývoj procesních indikátorů. Mají však své místo v popisu stavu zdraví populace nebo například u strukturních indikátorů, jako je např. počet specialistů v regionu.

Použití procesních a výsledkových indikátorů z dat zdravotních pojišťoven nabízí relativně podrobný, široký pohled na krajinu zdravotní péče, což vědcům a zdravotním analytikům umožňuje doporučovat zlepšení v oblastech, které jsou klíčové pro dosažení optimálních výsledků léčby. To vede k lepšímu porozumění, jak zdravotní systém funguje jako celek, a poskytuje solidní základ pro tvorbu politik a strategií založených na důkazech, které mohou zlepšit zdravotní péči na všech úrovních.

Kriticky a průběžně analyzovat cestu pacienta a odvozovat z ní indikátory by se mělo stát důležitou agendou odborných lékařských společností a nezbytností pro moderní zdravotní systémy, které hledají cesty, jak se vyrovnat s výzvami 21. století.

Autor je vedoucí týmu CzechHTA na FBI ČVUT.