Benchmark Ziekenhuizen

Transcriptie

1 Rapport Benchmark Ziekenhuizen Documentatie & verkennende analyses oktober 2012

2

3 Inhoud Samenvatting 5 1. Inleiding Doel van het project Relaties met bestaand onderzoek Leeswijzer 7 2. Ontwikkelproces Projectaanpak Delen van informatie: juridische aspecten Interactive Benchmarking website Benchmark methodiek Partiële benchmark versus integrale benchmark Ratio-benchmark Frontier methoden Kostenfuncties DEA methodiek Modelkeuzes Werkelijke kosten uit de jaarrekening DBC systematiek om productie te kwantificeren Uniforme weging van de outputs Inclusief kosten van vrijgevestigd specialisten Gebruikte gegevensbronnen en bewerkingen Jaarrekeningen /Jaar Enquête Ziekenhuizen (EJZ) DBC informatie systeem (DIS) Uniform berekenen mutatie onderhandenwerk Uniforme DBC kostengewichten Splitsen ontvangen honorariumomzet naar dienstverband Niet-verzekerde zorg FB budgetten Vektis declaratiegegevens NZa/KPMG uitvraag Bewerkingen en schoningen Doorvoeren van fusies Volledigheidsanalyse DIS Samenvoegen van twee boekjaren Overzicht van inputs en outputs Inputs Kapitaal: Afschrijvingen en vermogenskosten Arbeid: Personeelskosten Materiaal: Overige bedrijfskosten Outputs DBC-productie: A-segment DBC-productie: B-segment DBC-productie: Niet verzekerde zorg Overige trajecten en verrichtingen, ondersteunende en overige producten (OVP) Zorgprestaties tussen instellingen (WDS) Dure geneesmiddelen en stollingsfactoren Ziekenhuispsychiatrie (PAAZ) Vaste segment / Beschikbaarheidsbijdrage Opleiding Restpost overig 28 3

4 In- en Outputs die (nog) niet worden meegenomen Resultaten Beschrijvende statistiek gegevensset Ratio-benchmark Berekening van de Ratio-scores Verklaren van de scores Totale kostenfuncties Kleinste kwadraten methode (OLS/WLS) Kwantielregressie Berekening van de scores (COLS) Geschaalde kostenfuncties Kleinste kwadraten methode (OLS) Kwantielregressie DEA-benchmark (Data-omhullingsanalyse) Analyse foutenmarges Vergelijking tussen de modellen Samenvatting van de resultaten Resultaten op sectorniveau Verklaren van verschillen in productiviteitsscore Referenties 47 Bijlage A: FB versus DBC-systeem 48 Bijlage B: Ziekenhuizen in de gegevensset 49 4

5 Samenvatting Dit rapport documenteert de ontwikkeling van een benchmark analyse waarbij de DBC productie van algemene ziekenhuizen is afgezet tegen de werkelijke kosten. Deze analyse is ontwikkeld om ontwikkelingen rondom productiviteit van ziekenhuizen te kunnen monitoren. Een aantal van de resultaten van dit onderzoek zijn daarom opgenomen in de Marktscan Medisch-specialistische zorg Dit document dient als documentatie van de Ziekenhuis benchmark, inclusief het bijbehorende ontwikkeltraject. Daarnaast bevat het aanvullende exploratieve analyses naar de relatie tussen de prestaties en kosten van algemene ziekenhuizen. Sectie 7.8 bevat een samenvatting van de belangrijkste resultaten. 5

6 1. Inleiding 1.1 Doel van het project Het Benchmarking project is in januari 2010 gestart. Het doel is om samen met de ziekenhuissector een integrale benchmark ontwikkelen die productie relateert aan kosten. Hiermee kan de jaarlijkse productiviteitsontwikkeling in de ziekenhuissector gemeten worden, en kunnen productiviteitsverschillen tussen ziekenhuizen onderling gemeten worden. De NZa is van plan om de uitkomsten van deze analyse in de Marktscan Medisch-specialistische zorg op te gaan nemen als terugkerend onderdeel. Met deze marktscan geeft de NZa invulling aan haar wettelijk taak van het monitoren van zorgmarkten (NZa, Visiedocument Zicht op zorgmarkten 2010). Mogelijk dat de benchmark ook kan bijdragen aan het verder verbeteren van de prestatiebeschrijvingen en/of vergoedingen, zodat deze (nog) beter aansluiten bij de kostenstructuur van ziekenhuizen. Een dergelijke benchmark maakt het ook mogelijk om `best-practice' ziekenhuizen te identificeren. Deze informatie kan mogelijk worden gebruikt door het veld om verbetermogelijkheden voor de bedrijfsvoering uit af te leiden. Onder productiviteit verstaan we hoeveelheid zorg die is geproduceerd per euro kosten. Onder kostendoelmatigheid verstaan we de werkelijke productiviteit afgezet tegen de hoogst haalbare productiviteit. De kostendoelmatigheid ligt altijd tussen 0 en 100%. Wanneer een aanbieder een kostendoelmatigheid van 90% heeft, betekent dit dat zijn productiviteit 10% lager ligt dan die van de aanbieder met de hoogste productiviteit. Benadrukt wordt dat de methode die hier ontwikkeld worden betrekking heeft op kostendoelmatigheid, waarbij de hoeveelheid en samenstelling van de productie als gegeven wordt genomen. Normatieve uitspraken over hoeveelheid of samenstelling van de productie ( te veel of te weinig, over- of onderbehandeling, of bepaalde productie wenselijk is of niet, gepast gebruik ) zijn met een dergelijke analyse (dus) niet mogelijk. Daarnaast bevat de benchmark geen gegevens over kwaliteit en uitkomsten van de geleverde zorg. 6

7 Figuur 1: Productiemodel ziekenhuis We meten de productiviteit van ziekenhuizen door de productie output te relateren aan de daarvoor gemaakte kosten. Het model gaat dus uit van een 'productiegedachte', waarbij een instelling 'inputs' door middel van een productieproces omzet in 'outputs' (zie figuur 1). Hierbij is het van cruciaal belang om alle relevante outputs te identificeren en te kwantificeren. Ten slotte wordt zo inzicht verkregen in de verschillen in productiviteit tussen ziekenhuizen onderling, en kan de vigerende beste praktijk worden bepaald (Benchmark). 1.2 Relaties met bestaand onderzoek In het verleden zijn diverse onderzoeken uitgevoerd die relevant zijn voor de in dit document beschreven Ziekenhuis-benchmark. Zo hebben Jos Blank en collega's (TU Delft, IPSE Studies) sinds de jaren 90 meerdere onderzoeken uitgevoerd naar de doelmatigheid en productiviteitsontwikkeling van Nederlandse ziekenhuizen. In deze studies wordt de productie van ziekenhuizen gemeten met behulp van FB productieparameters per specialisme (opnamen, dagopnamen, epb s) die tot het jaar 2010 via de jaar enquête ziekenhuizen (EJZ) werden verzameld. Een recent voorbeeld hiervan is de studie Ziekenhuismiddelen in Verband (IPSE Studies, 2011). Het CBS hanteert een eigen methode om het productievolume van ziekenhuizen te meten, gebaseerd op aantallen opnamen uit de LMR, waarbij voor casemix wordt gecorrigeerd via diagnose en leeftijdsklasse (Kleima 2004). De LMR is ook gebruikt voor een promotieonderzoek naar de efficiëntie van Nederlandse ziekenhuizen (Ludwig 2008), waarbij de LMR productie is vertaald naar DRG s en gewogen met DRG kostengewichten (Vandermeulen, 2004). Ten slotte hebben Leo Vandermeulen en collega s van Prismant in 2009 een onderzoek naar de productiviteit van algemene ziekenhuizen uitgevoerd waarbij ook DBC's als maat voor het productievolume zijn genomen (Prismant, 2009). 1.3 Leeswijzer Dit document is als volgt opgebouwd. Hoofdstuk 2 geeft een korte samenvatting van het proces waardoor deze benchmark tot stand is gekomen. Hoofdstuk 3 geeft een algemene beschrijving van de benchmarking technieken die (kunnen) worden gehanteerd. Hoofdstuk 4 bevat de keuzes die gemaakt zijn bij het creëren van de gegevensset en het datamodel. Vervolgens staan in Hoofdstuk 5 de gebruikte gegevensbronnen en de bewerkingen op de gegevens beschreven. In hoofdstuk 6 wordt een overzicht gegeven van alle geïdentificeerde inputs 7

8 en outputs, en de manier waarop deze zijn gekwantificeerd. In Hoofdstuk 7 tenslotte worden de resultaten van diverse benchmark methoden en modellen gepresenteerd. 8

9 2. Ontwikkelproces 2.1 Projectaanpak Er is gekozen voor een iteratief ontwikkelproces. Hierbij worden de ontwikkelstappen regelmatig gepresenteerd aan experts uit het veld (HEAD s). Deze leveren feedback en bepalen mede de prioritering van de doorontwikkeling. Er worden twee sporen parallel gevolgd: het ontwikkelen van de gegevensset en van de methodiek. In 2010 zijn er vier expert bijeenkomsten geweest waarbij Benchmarking aan bod kwam. De inhoud en resultaten hiervan waren de volgende: Boodschap 1e presentatie: NZa wil samen met de sector een benchmarking model ontwikkelen Reactie: Aanwezigen zijn bereid mee te denken Boodschap 2e presentatie: NZa wil graag corrigeren voor zorgzwaarte Reactie: Zorgzwaarte is het moeilijkste onderdeel, begin simpel Boodschap 3e presentatie: NZa presenteert een simpel model Reactie: Meerdere aanpassingen en verbeteringen aangedragen, ga verschillende modellen vergelijken Boodschap 4e presentatie: NZa presenteert meerdere modellen (FB/A-Segment versus JMV/A+B segment) met vergelijking Reactie: Akkoord met JMV model uitbouwen, van te voren stukken sturen om inhoudelijk de discussie goed te kunnen voeren In 2011 zijn er wederom vier expert bijeenkomsten geweest waarbij Benchmarking aan bod kwam. Hierbij werden van te voren (technische) stukken verstuurd aan de deelnemende experts. De inhoud en resultaten hiervan waren de volgende: Boodschap 1e presentatie: NZa presenteert DEA als benchmark methodiek Experts behoefte aan een verdiepende sessie gericht op de DEA methode en software Boodschap 2e presentatie: Verdiepende DEA sessie Experts geven aan meer inzicht te willen in hoe de DEA scores tot stand komen Boodschap 3e presentatie: NZa legt vraagstuk van bedrijfsgevoelige / niet-openbare gegevens voor Experts stellen voor intern te rekenen met niet-openbare gegevens en resultaten te communiceren naar het veld Boodschap 4e presentatie: NZa presenteert opties tot doorontwikkeling gegevensset Experts geven aan dat passantenprijzen niet geschikt zijn om de B-output te wegen, uit te zoeken hoe om te gaan met transitie naar DOT, en prioriteit te geven aan het aanvullen van de ontbrekende outputs In 2012 zijn de experts tweemaal geconsulteerd: Boodschap 1 e presentatie: NZa presenteert mediane contractprijs als gewicht voor het B-segment, stelt voor om de keus om DBC s als outputmaat te handhaven, en geeft aan te koersen op publicatie in de Marktscan gepland voor het najaar 2012 September 2012: Schriftelijke consultatie van eindrapport: Experts vragen aandacht voor woordkeuze en formulering van conclusies om foutieve interpretatie te voorkomen suggesties overgenomen in definitieve rapport 9

10 2.2 Delen van informatie: juridische aspecten We presenteren de gegevens en resultaten van modellen in een geaggregeerde vorm zodat er geen concurrentiegevoelige of vertrouwelijke informatie afleidbaar is. Er is ook overwogen om alleen openbare data te gebruiken, dit zou dan met name om het JMV gaan. Het voordeel hierbij is grotere transparantie tussen de ziekenhuizen onderling in de gebruikte gegevens, wat het makkelijk maakt om van elkaar te leren. Het nadeel is dat een minder verfijnd model mogelijk is. Wanneer we ook niet-openbare gegevens gebruiken moeten partijen toestemming geven voor het delen van de niet-openbare gegevens. Dit beperkt de mogelijkheden van interactieve benchmarking (zie Sectie 2.3). Het voordeel is dat een verfijnder model mogelijk is. Voorlopig is ervoor gekozen om de benchmark-berekeningen centraal uit te voeren bij de NZa, die de uitkomsten vervolgens apart naar de ziekenhuizen toe kan communiceren. 2.3 Interactive Benchmarking website De NZa beschikt over een generieke interactieve benchmarking tool (IBtool) (meer informatie op Deze tool is gebruikt tijdens het ontwikkelproces, waarbij de tool benaderbaar was vanaf het internet door de individuele ziekenhuizen die deelnemen aan het expert team. De gebruiker kan, na inloggen, zelf benchmarks uitvoeren. Deze IB-tool is toegankelijk én state of the art tegelijkertijd. De NZa kan verschillende modellen beschikbaar maken, waarbij de gehanteerde aannames door de gebruiker zelf ingesteld kunnen worden. 3. Benchmark methodiek 3.1 Partiële benchmark versus integrale benchmark Kengetallen of Key Performance Indicators (KPI s) worden veel gebruikt om bepaalde aspecten van effectiviteit uit te drukken: Bijvoorbeeld totale kosten per DBC, of materiele kosten per behandelde patiënt. Wanneer we instellingen integraal willen vergelijken op productiviteit kan dit problemen geven. Stel dat instelling A zijn productieproces zo heeft ingericht dat het lage kapitaalslasten heeft, maar hierbij hogere materiele kosten moet accepteren. Terwijl instelling B juist voor een productieproces heeft gekozen, waarbij deze verhouding net andersom ligt. Door puur naar bovenstaande kengetallen te kijken en daaruit een beste praktijk af te leiden wordt geconcludeerd dat elke instelling de lage kapitaalslasten per patiënt van instelling A, en de lage materiele kosten per patiënt van instelling B na moet streven. Dat dit technologisch misschien niet mogelijk is (omdat het uit de lengte of uit de breedte moet komen) wordt in deze benadering niet onderkend. Door te werken met een integrale benchmark waarin ALLE kosten zijn opgenomen, en door te werken met zogeheten "Frontier" methoden, die aan de hand van de geobserveerde kosten en productie variabelen afleid wat er technologisch haalbaar en economisch doelmatig is, kunnen bovenstaande problemen voorkomen worden. 10

11 3.2 Ratio-benchmark Ziekenhuizen produceren meer dan één soort output. Wanneer we precies weten hoe zwaar elke output weegt relatief ten opzichte van de overige outputs, kunnen we voor een ziekenhuis de totale output in één getal uitdrukken. Door dit te delen door de totale kosten krijgen we zo de productiviteit van deze instelling, de hoeveelheid gewogen output per euro kosten. Door deze productiviteit te delen met de hoogst waargenomen productiviteit kunnen we een benchmark uitvoeren. In een ratio-benchmark kan er maar één instelling de maximale score (1, of 100%) behalen, nl. de instelling met de hoogste productiviteit. Die is de best presterende instelling. De scores van alle andere instellingen geven de relatieve productiviteit aan. De scores kunnen worden geïnterpreteerd als een percentage van de maximale productiviteit. Dus een score van bijvoorbeeld 0,8 betekent een productiviteit die gelijk is aan 80% van de productiviteit van de best presterende instelling. 3.3 Frontier methoden Wanneer we echter niet precies weten hoe we verschillende outputs tegen elkaar moeten wegen (we weten hun relatieve waarde niet, of hun relatieve kostprijs), kunnen we niet optellen. Zowel kostenfuncties (op basis van gemiddelde dan wel doelmatige kosten) als de DEA-methodiek zijn in staat om met meerdere outputs te werken, waardoor het aggregeren tot één gewogen output niet nodig is. Bij moderne benchmarking technieken geldt dat er in meer of mindere mate aannames gedaan worden waarop vervolgens conclusies over doelmatigheid getrokken worden. Als slechts gekeken wordt naar het voorkomen van excessief gebruik van hoeveelheden inputs om een gegeven hoeveelheid outputs te produceren, wordt dit technische efficiëntie genoemd. Hierbij wordt dus nog niet gekeken naar prijzen en/of kosten. Een dergelijke efficiëntie kunnen we afleiden b.v. wanneer we twee instellingen observeren die beiden evenveel produceren, en evenveel kapitaal en materiaal gebruiken, maar waarbij de een met twee keer zo veel personeel werkt. We kunnen echter geen uitspraak doen over de relatieve efficiëntie van twee instellingen als de een veel materiaal maar weinig personeel en de ander weinig materiaal maar veel personeel gebruikt (en verder gelijk zijn). Allebei kunnen technisch efficiënt zijn hoewel ze niet allebei economisch efficiënt zijn. We kunnen de economische efficiëntie (kosten-/ omzet-/ of winstefficiëntie) van instellingen beoordelen wanneer we ook informatie over de prijs van inputs en/ of outputs meenemen. Op deze manier kunnen we de optimale samenstelling van de inputs en/ of outputs beoordelen. In het vorige voorbeeld gebruikt maar één van de instellingen de efficiënte mix van inputs en/ of outputs en dus alleen deze is economisch efficiënt. Om economische efficiëntie te kunnen beoordelen, moeten we een gedragsaanname maken, zoals bijvoorbeeld (totale) kostenminimalisatie om een gegeven output te produceren. Dit is nodig om uit de geobserveerde totale kosten en geproduceerde outputs een verband af te leiden dat de relatie tussen de doelmatige kosten en de geproduceerde outputs bevat. De efficiëntie score van een instelling geeft aan hoe de gegeven instelling presteert in vergelijking met de best practice, m.a.w. de prestatie van de best presterende instelling(en). De berekeningen gaan dus om het zoeken naar de best practice die de frontier van alle mogelijke prestaties vormt. Er zijn twee alternatieve benaderingen om de frontier 11

12 te vinden, niet-parametrische en parametrische methodes. De eerste maakt geen aannames over de vorm van de frontier (de relatie tussen productie en kosten) terwijl de tweede van een van tevoren gegeven functionele vorm uitgaat. Achtereenvolgens worden nu het gebruik van kostenfuncties, en het gebruik van Data envelopment analysis (Data omhullingsanalyse) besproken. 3.4 Kostenfuncties De relatie tussen kosten en outputs kan worden bepaald met behulp van kostenfuncties. De frontier wordt dan gevormd door een kostenfunctie, die gegeven een bepaalde productie de minimale, doelmatige kosten geeft. Het werken met een kostenfunctie is een voorbeeld van een parametrische methode. Parametrische methodes veronderstellen een bepaald functionele vorm van de frontier, waarbij de kosten bijv. een lineaire, loglineaire of translog functie zijn van de productie (hoeveelheden output en prijzen). Vervolgens worden de coëfficiënten van deze functie geschat aan de hand van de geobserveerde data. Het verschil tussen de geschatte waardes (frontier) en de geobserveerde waardes, de error term van de vergelijking, kan geïnterpreteerd worden als inefficiëntie en/ of ruis in de data. De hieronder besproken drie methodes (OLS, SFA en Kwantielregressie) verschillen in de interpretatie van de error term. De OLS methode (kleinste kwadraten methode) schat de coëfficiënten zo dat de som van de kwadraten van de error terms het laagst is (vandaar de naam OLS). De geschatte lijn loopt dan ongeveer in het midden van de wolk van observaties. De afwijking van geobserveerde waardes van deze geschatte lijn worden volledig beschouwd als ruis op de data. Er wordt dus impliciet verondersteld dat alle ziekenhuizen even efficiënt zijn. De COLS methode, in tegenstelling, interpreteert alle afwijking als inefficiëntie. Na het schatten van de coëfficiënten met OLS, duwt deze methode de geschatte lijn naar de frontier van de wolk van observaties. De inefficiëntie wordt dus gegeven door de afstand tussen de frontier en de geobserveerde waarde en er wordt geen rekening gehouden met eventuele ruis in de data. De SFA methode (Kumbhakar & Lovell 2003) veronderstelt dat geobserveerde waardes van de geschatte waardes (de gezochte frontier) afwijken wegens inefficiëntie én wegens ruis in de data. Hierdoor kunnen observatie buiten de frontier vallen door ruis in de data. Een nadeel van SFA is dat bij een beperkt aantal observaties er weinig statistiek is om het onverklaarde deel van de kosten (de error term ) betrouwbaar uit te splitsen in ruis en inefficiëntie. Met kwantielregressie wordt de kostenfunctie zodanig geschat dat deze door bepaalde punten van de gegevensset gaat. Bijvoorbeeld door het midden van de data. In dit geval liggen de helft van de observaties boven de kostenfunctie, en de helft ligt onder de kostenfunctie. Kwantiel regressie wordt in toenemende mate toegepast in doelmatigheidsonderzoek (Liu 2007). Het voordeel van kwantielregressie is dat er geen aanname vereist is over de verdeling van de inefficiëntie (zoals bij SFA), maar dat ruis in de data niet direct als inefficiëntie geïnterpreteerd hoeft te worden, zoals bij DEA. 12

13 3.5 DEA methodiek Naast kostenfuncties wordt ook vaak gebruik gemaakt van Data Envelopment Analysis (DEA) (Jacobs et al. 2006, Bogetoft & Otto 2010). Bij deze methode wordt uit een dataset van inputs en outputs en een (minimum van) aannamen afgeleid wat er technologisch maximaal haalbaar is. Dit wordt de "frontier" genoemd. Een ziekenhuis die zich op de "frontier" bevindt is "best-practice", uit de data kan niet geconcludeerd worden dat deze instelling het beter kan doen. De frontier is dus afgeleid van werkelijke prestaties van bestaande instellingen. Voor de overige ziekenhuizen kan nu de afstand tot de "frontier" uitgerekend worden. Deze afstand kunnen we vertalen naar een kostendoelmatigheidsscore of prestatiescore. Elk ziekenhuis wordt daarbij vergeleken met een combinatie van bestaande ziekenhuizen die onder min of meer dezelfde omstandigheden (productievolume en mix) opereren: de zogeheten `peers' of 'peer group'. Het zijn deze ziekenhuizen die de positie van de "frontier" bepalen waar het ziekenhuis in kwestie mee wordt vergeleken. Omdat elke ziekenhuis weer een andere combinatie van inputs en outputs heeft moeten we aannames maken om hieruit conclusies over relatieve prestaties te kunnen trekken. De meest basale aanname is die van "Free Disposability Hull". Dit betekent dat we dezelfde output kunnen produceren met méér input, of dat we minder output kunnen produceren met dezelfde input. De werking van FDH is voor één input en één output geïllustreerd in Fig 2. Ziekenhuizen A, B en D zijn hier 100% efficiënt, maar we kunnen met deze simpele aanname nu al concluderen dat ziekenhuis C gegeven haar input meer output moet kunnen produceren, of gegeven haar output minder input moet kunnen verbruiken. In dit voorbeeld is Ziekenhuis B de "peer" van ziekenhuis C, omdat deze de best-practice bepaald voor ziekenhuis C. Figuur 2: Free Disposability Hull (FDH) aanname En tweede relatief onschuldige aanname is die van "Convexity". Dit houdt in dat wanneer prestaties geleverd door ziekenhuis A en B mogelijk zijn, alle prestaties op de lijn tussen deze twee ziekenhuizen ook mogelijk zijn. In Fig. 3 wordt deze aanname verduidelijkt: 13

14 Figuur 3: Convexity aanname Wanneer zowel FDH als Convexity aannamen worden gebruikt noemen we dit VRS (varying returns to scale) en krijgen we de volgende figuur: Figuur 4: VRS aanname Een minder onschuldige aanname is wanneer we "Constante returns to scale" (CRS) aannemen. Dit wil zeggen dat als we bijvoorbeeld een output van 10 bij verbruik van input 5 observeren, dat we aannemen dat een output van 2 x 10 mogelijk is bij verbruik van 2 x 5 input. In dit geval is alleen ziekenhuis B 100% efficiënt. Dit is weergegeven in Figuur 4: Figuur 5: CRS aanname 14

15 Een belangrijke eigenschap van de DEA methodiek is de mogelijkheid om met meerdere inputs of outputs naast elkaar te werken. Dit is van belang als de relatieve waarde van twee outputs niet bekend is. In dat geval kunnen de outputs niet gewogen worden opgeteld tot één geaggregeerde output. Het idee is dat als de relatieve waarde van twee outputs niet bekend is, een ziekenhuis dat heel veel van output 1 produceert en weinig van output 2 alleen zinvol vergeleken kan worden met een ziekenhuis waarvoor dit ook geldt. Zowel de DEA-methode als de kostenfuncties hebben als eigenschap dat het verbeterpotentieel een ondergrens is van wat werkelijk mogelijk is, omdat we vergelijken met de best-practice aanwezig in de sector. Het zijn dus conservatieve methoden. Afhankelijk van de aannamen is er mogelijk niet voor elk ziekenhuis evenveel vergelijkingsmateriaal aanwezig in de data. 15

16 4. Modelkeuzes 4.1 Werkelijke kosten uit de jaarrekening Jaarrekeningen van ziekenhuizen bevatten de werkelijke kosten die zijn gemaakt in enig jaar. Door de wens om werkelijke kosten te gebruiken én in dit stadium geen aparte kostenuitvraag op te zetten, komt het laagst mogelijke aggregatieniveau hiermee op het niveau van het gehele ziekenhuis uit. Dit is het laagste aggregatieniveau waarop betrouwbare kostengegevens van ziekenhuizen beschikbaar zijn. De kosten worden op relatief uniforme manier geregistreerd (met uitzondering van de kapitaalslasten) als voorgeschreven door de "regeling jaarverslaggeving zorginstellingen (RJZ)", en zijn voorzien van een accountantscontrole. Hiermee is het mogelijk om een integrale benchmark op zowel het A- als B-segment te ontwikkelen. Deze kostenbron is een stabiele bron, die elk jaar weer beschikbaar komt. Voor meer informatie zie Sectie DBC systematiek om productie te kwantificeren De productie van ziekenhuizen kan op verschillende manieren gekwantificeerd worden. Zie voor een uitgebreide beschrijving hiervan het boek Algemene economie van de gezondheidszorg (2001). Voor de deze benchmark is gekozen voor de DBC-systematiek. Deze keuze is gebaseerd op het feit dat de DBC-systematiek, en haar opvolger de DOTsystematiek, een steeds grotere rol spelen in de bekostiging van ziekenhuizen. Zo wordt de systematiek in het B-segment sinds 2005, en in het A-segment (voor tenminste de honorariumcomponent) sinds 2008 gebruikt om de zorg daadwerkelijk te bekostigen, waardoor de relevantie om de relatie met de kosten te onderzoeken hoog is. Dit betekent dat we die elementen uit het FB budget die buiten de DBC systematiek vallen apart als output mee moeten nemen. Deze elementen zijn in 2011 in kaart gebracht als onderdeel van de invoering van prestatiebekostiging (zie bijvoorbeeld NZa (2011c), verantwoordingsdocument invoering prestatiebekostiging). Hierbij is ook geput uit de DOT impactanalyse van Deloitte voor het ziekenhuisdeel (NZa 2011). Vanaf 2012 kan DOT productie worden gebruikt om de reguliere zorg productie te kwantificeren. 4.3 Uniforme weging van de outputs Idealiter wegen we de productie van een ziekenhuis met de maatschappelijke waarde die aan bepaalde zorg wordt toegekend. Dit zou dan b.v. een antwoord geven op de vraag of de productie van een nieuwe heup belangrijker is, meer waarde vertegenwoordigd, dan een behandelde spatader. Hierbij spelen dan de behaalde gezondheidswinst / zorguitkomst, evenals de kwaliteit van de geleverde zorg een belangrijke rol (Jacobs et al 2006). Een benchmark waarin de output op deze manier is gekwantificeerd is vooralsnog toekomstmuziek. De bekostiging die onder tariefregulering valt gaat uit van een vergoeding / waardering op basis van gemiddelde kosten. Met andere woorden: als een heup gemiddeld genomen twee keer zoveel kosten met zich meebrengt, heeft deze een twee keer zo hoog tarief en telt deze output ook twee keer zo zwaar mee. Dit heeft als voordeel dat we de zodanig gekwantificeerde outputs ook kunnen toetsen aan hun kosten voorspellend vermogen. Deze benadering maakt dat we dus ook de 16

17 honorarium component van DBC's meenemen, omdat deze dient om de kosten van de inzet van medisch specialisten te dekken. In de bekostiging op basis van vrije prijzen is de link met gemiddelde kosten vervallen. Hier wordt onderhandeld over de hoogte van de vergoeding, en spelen andere factoren een rol, zoals vraag en aanbod. Om tot een uniforme waardering van de productie te komen wordt per DBC het gemiddelde onderhandelingsresultaat gebruikt. 4.4 Inclusief kosten van vrijgevestigd specialisten Binnen een ziekenhuis kunnen medisch specialisten in loondienst zijn, of in maatschappen werkzaam zijn die als zelfstandige economische entiteiten werken. Deze maatschappen dragen bij aan de productie van het ziekenhuizen, maar hun kosten worden vaak buiten de jaarrekening gehouden (voor een uitzondering zie b.v. de jaarrekening van de Ijsselmeerziekenhuizen 2010). De NZa kiest ervoor om de maatschappen te betrekken in de benchmark, omdat ze een belangrijke rol spelen in het productieproces. Vanuit het perspectief van het ziekenhuis kunnen ontvangen honorarium opbrengsten voor zorg verleend door vrijgevestigde specialisten als kosten worden beschouwd. Immers, wanneer deze specialisten in loondienst waren geweest had het ziekenhuis de honorariuminkomsten kunnen behouden (onder volledige DBC prestatiebekostiging). Daarom wordt in de benchmark de honorariumopbrengsten van maatschappen als extra personeelskosten voor het ziekenhuis meegerekend. Een alternatief is om de personeelskosten voor de medisch specialisten in loondienst weg te laten aan de kostenkant. Een dergelijke partiële benchmark kan mogelijk op dit deelgebied (het ziekenhuis kosten deel van een DBC) nauwkeuriger resultaten opleveren wanneer we over de exacte loonkosten van de specialisten beschikken, echter dit levert geen integrale productiviteitsmeting op: Er zal gedeeltelijk substitutie mogelijk zijn tussen bijvoorbeeld medisch specialisten en overig personeel: een specialist kan b.v. de administratie zelf doen, en ook de voorbereidingen van een operatie. Dit zal dan relatief lage "overige" personeelskosten met zich mee brengen, maar relatief hoge personeelskosten voor de medisch specialisten. Door deze laatste input weg te laten zal dit ziekenhuis dus een hogere productiviteitsscore krijgen dan een ziekenhuis met veel ondersteunend personeel, waarbij er dan relatief weinig specialisten nodig zijn bij het productieproces. 5. Gebruikte gegevensbronnen en bewerkingen 5.1 Jaarrekeningen /Jaar Enquête Ziekenhuizen (EJZ) De primaire bron voor de kosten van het ziekenhuis is de jaarrekening. Voor elk ziekenhuis is een jaarrekening beschikbaar, met daarin één of meerdere resultatenrekeningen (winst- en verliesrekening). De resultatenrekeningen verschillen in consolidatieniveau, dit kan sterk variëren. Naast de jaarrekening zelf, beschikbaar op zijn er twee bronnen die resultatenrekeningen van ziekenhuizen 17

18 bevatten: het digimv en de Enquête Jaarrekening Ziekenhuizen (EJZ, beschikbaar via DHD). Voor de gegevens in het digimv is vaak gekozen voor een resultatenrekening op het meest geconsolideerde niveau, waarbij bijvoorbeeld een ziekenhuis met een instelling voor ouderenzorg samen is genomen. De EJZ daarentegen is juist een bron waar expliciet de kosten en opbrengsten van het ziekenhuis uit worden gevraagd. Uit vergelijking tussen EJZ en de jaarrekeningen bleek vervolgens dat een resultatenrekening op EJZ consolidatieniveau ( het ziekenhuis ) in vrijwel alle gevallen ook in de jaarrekening is terug te vinden, dit wordt dan een enkelvoudige of gesegmenteerde jaarrekening genoemd. Dit consolidatieniveau kan in de praktijk nog steeds activiteiten als PAAZ-en, apotheken, ZBC s, parkeergarages etc bevatten. Uiteindelijk zijn de kosten en de opbrengsten uit de EJZ 2008 en 2009 per ziekenhuis vergeleken met de jaarrekening 2009, waarbij de gegevens per ziekenhuis worden gecontroleerd op juistheid door vergelijking met de jaarrekening, en op welke bedrijfsactiviteiten zijn meegenomen in de consolidatie. Hierbij is gekeken naar PAAZ, ZBC s en Ambulancedienst. Het opleidingsfonds, beheert door VWS, is verreweg de grootste bron van subsidie voor algemene ziekenhuizen. Daarom is de ontvangen subsidie uit de overige opbrengsten post geïsoleerd. Wanneer de ontvangen subsidie van het opleidingsfonds niet geïdentificeerd kon worden, maar op basis van de budgetcomponent uit 2006 het wel waarschijnlijk is dat deze is ontvangen, wordt deze bij geschat op basis van het maximum subsidie bedrag dat door VWS in 2008 en 2009 voor de eerste tranche zorgopleidingen is toegekend. Ook wordt waar mogelijk de onverzekerde zorg /derde compartiment opbrengsten apart genomen (uiteindelijk in de restpost opgenomen, zie Sectie ). Als laatste wordt de zorgprestaties tussen instellingen apart genomen. Om het kapitaalvolume te schatten worden de posten Totaal afschrijvingen vaste activa en Gemiddeld aantal aanwezige bedden voor klinische patiënten + bedden voor dagverpleging (hierna: bedden) uit de EJZ gebruikt. Het blijkt dat de gemiddelde afschrijvingen met een half miljoen euro toenemen tussen 2008 en 2009 terwijl het gemiddelde aantal bedden enigszins afneemt in dezelfde periode. Daarom wordt de schatting voor elk jaar apart uitgevoerd, en de geschatte afschrijvingen 2008 en 2009 vervolgens gemiddeld (Zie ook Sectie 6.1.1). Wanneer het feitelijk aantal bedden voor 2008 en 2009 niet beschikbaar was is het aantal bedden vermeld in de RIVM Zorgatlas 4.2 genomen ( 5.2 DBC informatie systeem (DIS) Alle door ziekenhuizen geproduceerde DBC s worden aan het DIS geleverd. De NZa ontvangt maandelijkse updates van DBC gegevens van DIS / DBCO en heeft deze opgeslagen in een interne database. De peildatum van de DIS data in de gegevensset is medio Een belangrijke issue bij het gebruik van DBC gegevens uit de DIS is volledigheid. Daarom wordt een vergelijking gemaakt met Vektis gegevens om de volledigheid te toetsen. Zie verder Sectie 5.6. Voor de overige trajecten en verrichtingen, ondersteunende en overige producten is gekozen voor Vektis declaratiegegevens als bron ivm met de kwaliteit van deze gegevens in DIS (Prismant 2010). 18

19 5.2.1 Uniform berekenen mutatie onderhandenwerk De DBC omzetten zijn inclusief mutatie onderhandenwerk (OHW). Deze mutatie OHW is op een uniforme manier vastgesteld voor alle ziekenhuizen. Omzet inclusief mutatie OHW sluit het beste aan bij de kosten: de kosten zijn afkomstig uit de jaarrekening, en dit betreft de kosten gemaakt in een kalenderjaar dus van 1 januari tot 31 december. Voorbeeld berekening DBC omzet 2008 incl. mutatie OHW: We starten met het berekenen van de omzet van alle DBC's gesloten in Vervolgens moeten we hier van af trekken dat deel van de DBC's gesloten in 2008 dat in 2007 viel (dit betreft zogeheten "overloop" DBC's), de bij dit deel behorende kosten vielen ook in Hierbij moet vervolgens worden opgeteld dat deel van DBC's gesloten in 2009 welke in 2008 viel. De kosten die hierbij horen zijn per slot van rekening in 2008 gemaakt. De omzet behorende bij "overloop" DBC's wordt op basis van openings- en sluitdatum gesplitst over twee jaren, waarbij de aanname is dat de kosten evenredig verdeeld in de tijd zijn gemaakt. In formulevorm: DBC_omzet jaar t incl mut OHW = omzet gesloten_dbc s jaar t ohw_omzet jaar t-1 + ohw omzet jaar t Gesloten DBC s (in deze vergelijking) zijn alle DBC s met einddatum in het gegeven jaar onafhankelijk van de begindatum. Het onderhandenwerk 2007 is berekend voor de DBC s die geopend zijn in 2007 en gesloten in De waarde van elke onderhandenwerk DBC is proportioneel met het aantal dagen de DBC open was in het gegeven jaar. We gaan dit toelichten met een voorbeeld. Rekenvoorbeeld bepaling DBC omzet incl.mutatie OHW Stel, er zijn drie DBC s die op enig moment in 2008 open staan: DBC 1, DBC 2 en DBC 3 van respectievelijke waarde 100, 200 en 300 euro. De begin en einddatum van alle DBC s staan in de onderstaande tabel. begindatum einddatum gesloten ohw07 ohw08 DBC DBC DBC omzet DBC 1 en 2 zijn in 2008 gesloten; die tellen mee voor gesloten DBC s. DBC 3 is gesloten in 2009 dus deze DBC komt alleen voor als correctie voor onderhandenwerk (ohw08). DBC 3 stond in totaal 30 dagen open waarvan 10 dagen in De waarde van DBC 3 is dus 30% (10 dagen/ 30 dagen) van de totale waarde. Dit betekent 100 euro. DBC 1 is geopend in 2007 en gesloten in 2008 daarom wordt deze gecorrigeerd voor onderhandenwerk (ohw07). Deze DBC stond in totaal 50 dagen open waarvan 20 dagen in De waarde van DBC 1 in 2007 is dus 40% (20 dagen/ 50 dagen) van de totale waarde. Dit betekent 40 euro. DBC 2 is geopend en gesloten in Dus hoeft niet gecorrigeerd te worden. De voor onderhanden werk gecorrigeerd omzet in 2008 is dus =360 euro Uniforme DBC kostengewichten In het A-segment hebben DBC s vaste tarieven, deze gebruiken we om de DBC s te wegen en te aggregeren. In het B-segment onderhandelen zorgverzekeraars met individuele ziekenhuizen over de prijs. De NZa ontvangt van zorgverzekeraars de contractprijslijsten die zij met 19

20 individuele ziekenhuizen heeft afgesproken. Om het B-segment uniform te wegen en tot een gewogen DBC volume te komen, voeren we de volgende berekening uit: In het DIS wordt de hele jaarproductie B- segment gekoppeld aan de ziekenhuis-verzekeraar specifieke contractprijzen, en vervolgens wordt per B-DBC de mediane contractprijs bepaald voor dat jaar. Deze mediane contractprijs gebruiken we als uniform kostengewicht om een gewogen DBC volume voor het B- segment te berekenen. Omdat er jaarlijks wijzigingen in de productstructuur zijn gebruiken we jaar-specifieke (maar dus geen instellings-specifieke) gewichten. Ook de onverzekerde zorg in het B- segment wordt op deze manier meegenomen Splitsen ontvangen honorariumomzet naar dienstverband De gedeclareerde honorariumopbrengsten voor medisch-specialistische zorg, zowel A, B, C als OVP productie, moeten gesplitst worden naar ontvangen honorarium omzet loondienst (in de jaarrekening van het ziekenhuis verwerkt) en omzet vrijgevestigd (buiten de jaarrekening gehouden). Dit om de kostenkant zo nauwkeurig mogelijk aan te kunnen vullen met de honorariumomzet van vrijgevestigde maatschappen. Let op: gedeclareerd wordt hier gebruikt om het onderscheid met ontvangen te benadrukken. Het tijdstip van declareren is echter niet belangrijk, de productie is geheel op basis van open- en sluitdatum aan de jaren toegewezen. DBC A-segment De honorariumomzet A-segment incl. mutatie OHW berekenen we op basis van data uit het DIS. Voor elk ziekenhuis de ontvangen honorariumomzet per ziekenhuis per specialisme in het A-segment berekend. Hierbij moeten we rekening houden dat in het DIS elke DBC een declarerend specialisme heeft, maar dat deze gedeclareerde honorariumomzet vervolgens verdeeld wordt over alle specialismen (zowel poort- als ondersteunende specialismen) die aan de productie van de DBC (gemiddeld) bijdragen. Voor het A-segment zijn deze aandelen of componenten in het totale honorarium berekend door DBC-Onderhoud en beschikbaar in tabelvorm (DBC Tarieven Tabel v ). Deze bevat ook tarieven voor onverzekerde zorg in het A-segment. DBC B-segment Voor het B-segment is echter alleen de totale honorariumcomponent beschikbaar uit de contractprijslijsten. Wel is er een conversiematrix beschikbaar die op landelijk niveau voor het B-segment de gedeclareerde honorariumomzet verdeeld over de ontvangende specialismen. Deze matrix is berekend op de landelijke B-segment productmix van Met deze matrix wordt zowel voor 2008 als 2009 de gedeclareerde honorariumomzet B-segment incl. OHW verdeeld over de ontvangende specialismen. De onverzekerde zorg in het B-segment is hierbij buiten beschouwing gelaten. Wanneer individuele honorariumcomponenten van B-DBC s beschikbaar komen kan voor het B-segment de verdeling over de specialismen, en daarmee dus het berekenen van de vrijgevestigde honorariumomzet B- segment op een nauwkeurig wijze gebeuren. OVP s Voor OVP omzet berekenen we per specialisme de honorariumomzet door het Vektis bestand te aggregeren per jaar per ziekenhuis per specialisme. 20