Det har blivit lättare att få kontakt med läkare i Sverige sedan digitala vårdgivare gjorde sitt insteg i primärvården i början av 2016. Då digitala kontakter har lägre enhetskostnad än fysiska besök (oaktat eventuella skillnader i vårdkvalitet och patienturval) [1] kan de avlasta traditionella vårdcentraler. Det är dock inte känt om nätvården faktiskt avlastar den traditionella vården eller inte. Trots lägre enhetskostnad kan nätvård leda till högre totalkostnad om nätkontakter oftare leder till ytterligare vårdanvändning, till exempel på grund av större behov av uppföljning, eller om de lägre trösklarna gör att patienter söker för lindriga åkommor som de annars inte skulle uppsökt läkare för [2].

Det finns få studier på området. I två amerikanska enkätstudier uppgav de allra flesta patienter att nätvården ersatte ett fysiskt läkarbesök och att de inte var i behov av ytterligare kontroller [3]. Särskilt ersattes sjuksköterskebesök av nätvård [4]. Enkätsvar kan dock påverkas av att respondenterna vill framställa sig själva i gott ljus eller rationalisera sitt beteende. Av de få studier som har använt faktiska vårdanvändningsdata [5-9] finner endast en [8] att digitala kontakter ersätter fysiska. En engelsk studie där patienter var tvungna att konsultera läkare per telefon innan de fick boka besök tydde på att läkarnas arbetsbelastning ökade [10].

Såväl i Sverige som internationellt tycks nätvård främst nyttjas av unga, relativt friska individer med hög socioekonomisk status boende i urbana områden [11-15]. För att utforma regleringar som säkerställer att digitala tjänster inom primärvården främjar hälso- och sjukvårdslagens mål avseende en behovsstyrd, likvärdig och effektiv vård krävs mer kunskap om vad dagens regelverk leder till. Denna studie syftar till att undersöka om individer som använt nätvård i primärvården använder mindre, mer eller lika mycket traditionell vård som icke-användare.

Metod och data

Population och datakällor

Studiepopulationen består av ett urval av den vuxna (äldre än 18 år) befolkningen i Region Skåne i februari 2015 (11 procent av 1 026 005 individer), slumpmässigt valda inom varje vårdcentrals lista över registrerade patienter, samt deras hushållsmedlemmar per den 31 december 2014. Efter att vi exkluderat individer som i november 2018 inte längre var listade på en vårdcentral i Region Skåne består studiepopulationen av 254 028 individer. För studiepopulationen har vi bakgrundsdata från Statistiska centralbyrån och information om vårdanvändning (i Region Skåne och andra län) och diagnoser från Region Skånes vårddatabas.  

Variabler och deskriptiv statistik

Tabell 1 beskriver våra variabler. Utomlänsbesök hos privata vårdgivare inom primärvård i Region Jönköpings län och Region Sörmland (regioner där nätläkarverksamhet bedrevs under studieperioden) klassas som nätvård. Utfallsvariabler är antal kontakter (besök och telefon-/brevkontakter som tids- och innehållsmässigt motsvarar ett öppenvårdsbesök) respektive besök i Region Skånes primärvård exklusive mödra- och barnhälsovård, totalt och per yrkeskategori, samt antal besök på sjukhusakutmottagning vid sjukhus i Region Skåne. Utfallen mättes under perioden januari 2016–oktober 2018. 

Tidigare vårdanvändning (i Region Skåne) mättes på samma vis som utfallsvariablerna, dock under perioden januari 2013–oktober 2015, det vill säga en lika lång tidsperiod omfattande samma kalendermånader. Vi mätte också om individen före 2016 diagnostiserats med vissa tillstånd som ingår i Sveriges Kommuner och landstings kvalitetsutvecklingsprojekt Primärvårdskvalitet [16] eller med någon av de vanligaste diagnoserna i primärvården enligt Region Skånes vårddatabas. 

8 802 individer (3,5 procent av studiepopulationen) använde nätvård minst en gång (medianvärde 1, medelvärde 1,66, maxvärde 70). Tabell 2 visar att nätvårdsanvändarna jämfört med icke-användare hade fler primärvårdskontakter (15 respektive drygt 12) och akutbesök (0,30 respektive 0,25) under 2013–2015. De två grupperna skiljer sig också åt med avseende på både demografi och tidigare diagnoser. 

Analys

Vi använde regressionsanalys med nätvård som huvudsaklig förklarande variabel. Först skattades sambandet mellan antalet nätvårdskontakter och antalet vårdkontakter i Region Skåne under åren 2016–2018 i en tvärsnittsregression. En sådan modell justerar inte för skillnaderna mellan nätvårdsanvändare och icke-användare (ålder, sjuklighet, benägenhet att kontakta vården etc) trots att dessa sannolikt ger upphov till skillnader i vårdanvändning. I ytterligare modeller försökte vi därför på olika sätt att justera för dessa skillnader. Dels kontrollerade vi för ålder, kön, tidigare diagnoser etc (Tabell 1) i ännu en tvärsnittsregression, dels lade vi till data om genomsnittlig vårdanvändning under 2013–2015 och skattade två paneldataregressioner. Med två observationer per individ möjliggjordes före–efterjämförelser för varje individ (motsvarande att inkludera en indikatorvariabel för varje individ i regressionerna). Således beaktade panelmodellerna alla skillnader mellan individer som var konstanta mellan de båda mätperioderna (till exempel långvariga besvär). I panelmodellerna skattades den genomsnittliga förändringen i vårdanvändning över tid – det vill säga den genomsnittliga trenden mellan de båda mätpunkterna – bland icke-användarna, samt – av primärt intresse för oss – nätvårdsanvändarnas avvikelse från denna trend.

För att ytterligare öka jämförbarheten inkluderade vår andra och fjärde modell vikter som gav större tyngd åt de icke-användare som liknade nätvårdsanvändarna med avseende på bakgrundsvariablerna i Tabell 1. Vikterna skapades med entropibalansering [17], en algoritm som beräknar de vikter (en för varje icke-användare) som gör att bakgrundsvariablernas viktade medelvärden blir exakt likadana som för gruppen nätvårdsanvändare. 

Vi gjorde flera känslighetsanalyser av panelmodellerna: 1) kontrollerade för att ha haft minst en kontakt i Region Skåne med infektionsdiagnos – en vanlig nätvårdsorsak – under 2016–2018, 2) exkluderade icke-användare som inte kontaktat primärvården 2016–2018, det vill säga de mest friska, 3) exkluderade alla utom de yngsta individerna i data (födda 2013/2014) – småbarn är storkonsumenter av nätvård [18], 4) använde benägenhetspoäng (propensity score) från en logistisk regression i stället för entropivikter.

Resultat

Tabell 3 presenterar fyra regressionsmodeller per utfallsvariabel. Positiva (negativa) estimat betyder att högre nätvårdsanvändande är korrelerat med högre (lägre) vårdanvändning i Region Skåne, det vill säga att nätvårdanvändare använt mer (mindre) traditionell vård.

Nästan oavsett modellspecifikation, kontakttyp eller yrkeskategori finner vi att nätvårdsanvändarna använt minst lika mycket primärvård i Region Skåne som icke-användarna under 2016-2018. Nätvården tycks inte heller avlasta sjukhusens akutmottagningar. 

Enligt Modell 1, som inte tar hänsyn till skillnader mellan nätvårdsanvändare och övriga, är varje nätvårdsbesök förknippat med två extra primärvårdskontakter (1,99) inklusive knappt ett ytterligare besök (0,89) inom primärvården i Region Skåne (oaktat personalkategori). Vi noterar att estimaten generellt minskar när vi justerat för bland annat ålder, kön och tidigare diagnoser i Modell 2. Den högre vårdanvändningen hos nätvårdsanvändarna beror alltså delvis på högre sjuklighet eller större benägenhet att söka vård.

Vi betraktar panelmodellerna (Modell 3–4) som mer tillförlitliga, eftersom ansatsen att jämföra varje individ med sig själv beaktar alla icke-observerade skillnader mellan individer som består över tid – inte bara dem vi justerat för i Modell 2. För nästan alla utfallsvariabler kvarstår slutsatsen att nätvårdsanvändarna använt minst lika mycket vård, även om panelmodellerna – i synnerhet den oviktade modellen – tyder på något mindre skillnader mellan grupperna. Det enda avvikande resultatet är att den oviktade panelmodellen (Modell 3) tyder på att högre nätvårdsanvändande är förknippat med färre sjuksköterskebesök. 

När de båda panelmodellernas skattningar skiljer sig åt har nätvårdsanvändarna avvikit mer från trenden i den viktade jämförelsegruppen än från trenden i den oviktade jämförelsegruppen. Detta betyder i sin tur att de icke-användare som är mest lika nätvårdsanvändarna (i termer av ålder, kön, tidigare diagnoser etc) följt en annan trend för läkar-/sjuksköterskebesök än de icke-användare som i lägre utsträckning påminner om nätvårdsanvändarna. Det förefaller oss rimligt att fästa större tilltro till resultaten från den viktade modellen eftersom den i lägre grad jämför äpplen med päron. Dessa resultat indikerar att varje nätvårdskontakt är förknippad med 1,42 (0,46) ytterligare kontakter (besök) inom Region Skånes primärvård men inga extra akutbesök.

Slutsatserna består när vi kontrollerar för infektionsdiagnoser, exkluderar icke-nätvårdsanvändare som inte besökt Region Skånes primärvård eller ersätter entropivikterna med benägenhetspoäng. Bland de yngsta (2–5 år) har nätvårdsanvändarna fler primärvårdskontakter med läkare och sjuksköterskor, men lika många kontakter/besök av andra slag. 

Diskussion

Digitala vårdgivare har utan tvivel ökat invånarnas tillgång till vård. Huruvida de avlastar eller ökar belastningen på den konventionella sjukvården har inte belysts med svenska data. Våra analyser tyder inte på att nätvården avlastar skånska vårdgivare. Nätvårdsanvändarna kontaktar primärvården oftare än andra invånare – utöver nätvårdskontakterna – och gör minst lika många akutbesök. Den enda indikationen vi finner på att digitala kontakter ersätter fysiska besök (hos sjuksköterska) försvinner när nätvårdsanvändarna jämförs med en mer likvärdig jämförelsegrupp.

Att nätvårdsanvändarna även använder mer vård i Region Skåne kan bero på att de vid nätvårdskontakten uppmanats söka för vidare utredning inom den traditionella vården eller att nätvården på annat sätt är tungan på vågen i beslutet att kontakta vårdcentralen. Det kan dock också vara så att nätvårdsanvändarna är relativt sjukare och skulle ha använt mer vård även om de inte haft tillgång till nätvård. Vi har på flera sätt försökt eliminera denna felkälla, men kan inte helt garantera att syftet uppnåtts. Medan vi är någorlunda säkra på att våra modeller justerat för skillnader i långvariga hälsoproblem vill vi inte påstå att vi kontrollerat för alla skillnader i plötslig och kortvarig sjuklighet, vilket kanske är den mest relevanta sjukligheten för nätvård. Resultaten påverkas dock inte nämnvärt när vi exkluderar de icke-användare som inte använt någon vård alls, och alltså kan tänkas ha varit tämligen friska, eller justerar för vissa infektionsdiagnoser. I en jämförelse av individer som alla fått en infektionsdiagnos förefaller det mindre troligt att nätvårdsanvändare skulle vara mer sjuka.

Registrerade diagnoser är förvisso inte perfekta som hälsomått. En del vanliga diagnoser i primärvården grupperar personer med sinsemellan mycket olika problem som kan relatera mer till livssituationen än till hälsan. Registreringskvaliteten anses också vara sämre än i sjukhusvården. Dess brister till trots ger diagnosdata ändå betydande information om studiepopulationens hälsa och deras benägenhet att söka vård. Mätfel i nätvårdsvariabeln på grund av eftersläpning i fakturering eller fysiska besök i Region Jönköpings län och Region Sörmland är andra felkällor. Vi bedömer dock dessa som negligerbara, då eftersläpning endast påverkar det sista kvartalet i data och nästan inga skåningar sökte vård i dessa landsting före 2016.

Urvalet innefattar inte individer födda efter 2014, vilket utgör en begränsning då dessa kohorter dominerat gruppen nätvårdsanvändare. Huruvida nätvården tjänat som avlastning för denna grupp blir en fråga för kommande forskning. Vi kan dock konstatera att våra resultat kvarstår när vi fokuserar på 2–5-åringar. 

Huruvida resultaten kan generaliseras till personer utanför Skåne är okänt. Våra resultat stämmer dock överens med studier från USA i kontexter där läkare ersätts per åtgärd [5-7, 9]. I den enda studie som funnit avlastning av konventionell vård [8] ersattes vårdgivare med kapitering. Detta antyder fördelar med att integrera nätvården i det ordinarie vårdvalssystemet.

Potentiella bindningar eller jävsförhållanden: Inga uppgivna.

Handelsbankens forskningsstiftelser och Stiftelsen för ekonomisk forskning i Västsverige har gett finansiellt stöd till studien.