Competing for patients : is there more than distance ? Determinants of patient choice of hospital

Patient choice of where to receive care is a controversial issue (Dawson et al., 2006). On the one hand, the political rhetoric claims that every patient must have the right and opportunity to choose the hospital where to be cared. On the other hand, the systematic by-pass of the closest hospital for a farther one that is preferred, brings inefficiencies in the organization of a public, tax-funded healthcare system, such as the Italian one. This study aims at furthering the ongoing debate about patient choice, gathering original insights from administrative health data, whose advantages are the high sample size (or even universal coverage), the real world perspective and their systematic collection over time. The state-of-art has been addressed through a systematic literature review in order to guarantee reproducibility and objectivity. The research keywords and the time frame of references (from 2000 to 2016) have been defined, and 640 articles have been scouted based on abstract; 185 of these, have been assessed as eligible for the full text reading. As result, 37 articles, strictly aligned with this study, were selected as the basis for the literature review. Additionally, we further analyzed the references of those 37 papers, including only one more article, Luft et al., 1990, not yet incorporated due to its publication date before 2000. Therefore, 38 papers constituted the groundwork to define the state-of-art. Past research agrees that, even if distance is one of the most influencing factor when choosing a hospital for elective treatments, patients travel beyond their nearest hospital for their care (Exworthy et al., 2006; Aggarwal et al., 2016). This means that patients take into account other variables in their choice: e.g. waiting time (Hans O Birk et al., 2011; Ecclestone et al., 2014), hospital reputation (Laverty et al., 2013; Nostedt et al., 2014), quality of care (Laverty et al., 2013; Miller et al., 2006; Ecclestone et al., 2014; Ali Mohammad et al., 2014), hospital facility characteristics (e.g., ownership, location, etc.) (Ecclestone et al., 2014; Laverty et al., 2013; Miller et al., 2006), previous experiences or word of mouth (Ecclestone et al., 2014; Nostedt et.al., 2014), convenience of travel (Chow et al., 2012; Ecclestone et al., 2014; Nostedt et al., 2014), recommendations from general practitioners (Hans O Birk et al., 2011; Aafke et al., 2016; Ecclestone et al., 2014; Ali Mohammad et al., 2014). In addition to this, patients’ characteristics influence the choice: e.g. age, gender, education, income, occupation status, health status, etc. The main takeaway of the literature analysis has been understanding that the variables driving patient choice are unanimously grouped into three main categories: patient attributes (related to the clinical and socio-demographic status of the patient), hospital attributes (referred to hospital structural characteristics) and distance (also meant as travel time). Although the relevance of past contributions, a few gaps still puzzle our understanding of patient choice. First, the majority of past studies do not consider patient economic attribute as affecting patient choice of hospital (apart from Al-Doghaither et al., 2003; Tai et al., 2004; Fabbri et al., 2010; Ringard et.al, 2012; which considered the patients’ income among the influencing variables). Moreover, the few researches considering it, use a qualitative source of information (i.e., surveys and/or interviews). Second, the Italian framework misses the focus on intra-regional patient choice, which has been always considered only as an intermediary step towards other research objectives (Moscone et al., 2012; Berta et al., 2016). Third, most of the studies addressing patient choice quantitatively, based their analysis on databases which are not administrative but provided by health insurance agencies; therefore, hospitals considered are only the ones affiliated to health insurers themselves (e.g., Varkevisser et al., 2007; Varkevisser et al., 2009; Varkevisser et al., 2012; which used the Agis Health Insurer Database for research purpose). Fourth, the literature lacks the explanation of the implications of patient choice for policy-makers and hospital managers. In order to mitigate the previous limitations, our research investigates which variables, including also patient economic status, affect the choice of the hospital, within the Lombardy Region, for elective treatments. Additionally, our analysis takes into account, differently form the majority of previous studies, the interactions among the influencing factors. We analyzed patient choice for Health Failure (HF) treatments. HF is an important and recurring pathology, and one of the most relevant for the regional and national healthcare systems. Patients affected by HF in Italy are about 600,000 and it is estimated that its frequency is doubling every ten years (6% of patients 50+ are affected by HF, 10% among 65+). Because of that, HF is considered to be a major public health concern. Moreover, every day in Italy there are 500 hospitalizations with an average length of stay of about 10 days, for a total of 1,650,000 hospitalization days in a year (Ministry of Health, 2016). In Italy, this is translated in a total expenditure (hospital service, outpatient and home care) for HF of about 2% of the national health expenditure. Hospitalizations for HF were selected on the basis of the codes of diagnoses in the hospital discharge charts (cf., Mazzali et al., 2016 for the complete list of ICD-9-CM codes), limited to the MDC-5 (i.e. hospitalizations for cardiovascular diseases). We built a multinomial logit model (Tai et al., 2004; Moscone et al., 2012; Varkevisser et al., 2012) which describes decision-makers’ choice among several alternatives; hence, in our study the decision-makers are patients and the alternatives are the Lombardy hospitals. To build our dataset, we matched a variety of information sources: the Lombardy Hospital Discharge Charts Database from 2013 to 2015 from which clinical and socio-demographic data about the patient were extracted; the Lombardy portal “Open Data” from which we gathered the hospitals inpatient number of beds; the “Sole24Ore” website (www.infodata.ilsole24ore.com/2016/08/04/dove-vivono-i-piu-ricchi-ditalia-la-classifica-dei-comuni-con-i-redditi-piu-alti-2) from which we extrapolated information of the average income in 2014 of the patient’s city of residence (proxy of her economic status); the FEASR - Programma di sviluppo rurale 2014-2020, from which we acquired the territorial category of the Lombardy cities (i.e., urban or rural). The distance from the patient’s residence to the hospital was evaluated using the “geodist” function in SAS 9.4. We considered 15,528 univocal hospitalizations from 2013 to 2015 of patients aged 18-85 (first chronological hospitalization event of the patient), within 75 hospitals. We excluded all hospitals with less than 50 hospitalizations in the reference timeframe as suggested by past studies. The multinomial choice model (Train, 2003; McFadden, 1987) was calculated through the “mlogit” (Croissant, 2011) RStudio package and includes: Number of hospital inpatient beds (hospital-specific attribute); Age, Gender, Employment, Weight of Comorbidities, Income, Distance*Income, Distance*Weight of Comorbidities, Distance*Age (patient-specific attributes); Distance (patient hospital attribute, since it varies accordingly both patient and hospital). The multinomial choice model presented a more than satisfactory fit (McFadden R2 = 0,46). Our results confirm past studies about distance that has been found as one of the most influencing factor of patient choice. This is not true for the hospital dimension, since evidence shows that the number of hospital inpatient beds does not influence the hospital choice for HF treatments. For what concern the patient-related variables, they revealed to significantly affect the hospital choice. In particular, younger patients prefer to be treated in urban hospitals; this is not because younger people live in cities, since the average age in urban areas is actually slightly higher than the one in rural locations. As a result, younger patients look for urban hospitals furnished with wards specifically referred to circulatory system diseases: cardiac surgery, cardiology, coronary unit and intensive care unit. Moreover, results confirm that the higher the age, the lower the willingness to travel to reach an alternative hospital to the nearest one. Patient income does significantly impact the choice of the hospital; our research shows that people living in disadvantaged areas are forced to travel a longer distance to be treated. Particularly, they move to richer and wealthier areas which are served by a higher number of more furnished hospitals (70% of the hospitals are located in areas which have an average income ranging within the first 25% of the whole region), independently on that fact that the hospital is either private or public. Thus, another important consideration is that income does not imply any particular hospital typology selection (i.e., private or public). Additionally, a higher weight of comorbidities does not discriminate the choice of hospital in terms of level of service provided; patients with higher weight of comorbidities are older and less interested in looking for more furnished, urban hospitals. Thus, the weight of comorbidities does not influence the distance travelled. The results of our research offer new elements to further the ongoing debate about patient choice, from the perspectives of policy-makers and hospital managers, with reference to equity about access to care. With the angle that choice in accessing care is a fundamental right that must be equally guaranteed to patients, our argumentations discuss about geographical and economic inequality, which are somehow intertwined. On the one hand, because of the infrastructural unbalance in the way hospitals are located, ceteris paribus, people who live in rural areas have a smaller set of alternatives to choose from. On the other hand, people living in poorer areas are forced to travel farther, sustaining all the related costs to reach the hospital where to be treated. Policy-makers should adopt proper countermeasures from two perspectives: demand side, by properly defining the services which should be offered locally in order to reduce the patients’ bypass of the nearest hospital; supply side, by sustaining disadvantaged people in reaching farther and more specialized hospitals. In any case, policy-makers’ interventions cannot be disentangled from hospital managers’ actions, who are required to compete on quality in order to retain patients locally and to ensure business sustainability. To conclude, we believe that appropriate policy interventions from both the demand and supply sides, and the competition on quality would decrease at the same time healthcare system inefficiencies and inequalities.

La scelta, da parte dei pazienti, del luogo in cui ricevere le cure è una tematica controversa. (Dawson et al., 2006). Da una parte la retorica politica afferma che ogni paziente debba avere il diritto e l’opportunità di scegliere l’ospedale dove essere curato. Dall’altra, il non rivolgersi all’ospedale più vicino per recarsi in uno più lontano che si preferisce, implica inefficienze nell’organizzazione di un sistema pubblico di sanità come quello Italiano. Questo studio mira ad alimentare il dibattito in corso sulla scelta dell’ospedale da parte del paziente, tramite un approfondimento dei dati sanitari amministrativi i cui vantaggi sono l’elevata dimensione del campione e la loro raccolta sistematica nel tempo. La definizione dello stato dell’arte è stata affrontata tramite un processo di analisi sistematica della letteratura in modo da garantire riproducibilità ed oggettività. Una volta definite le parole chiave per la ricerca e il periodo di riferimento (dal 2000 al 2016), sono stati individuati, tramite lettura dell’abstract, 640 articoli; di questi, 185 sono stati ritenuti idonei alla lettura integrale del testo. Il risultato della lettura completa dei papers, ha portato all’individuazione di 37 articoli. Abbiamo poi analizzato anche i riferimenti dei sopracitati 37 articoli, includendo un ulteriore, Luft et al., 1990, non ancora incluso a causa della data di pubblicazione antecedente agli anni 2000. Quindi, la base per la definizione dello stato dell’arte è stata costituita da 38 documenti articoli. Le ricerche effettuate fino ad ora convengono che, anche se la distanza è uno dei fattori che influenza maggiormente la scelta dell’ospedale per ricoveri programmati, i pazienti sono comuqnue disposti a spostarsi oltre l’ospedale più vicino per le loro cure (Exworthy et al., 2006; Aggarwal et al., 2016). Questo significa che i pazienti considerano anche altre variabili nel loro processo di scelta: ad esempio i tempi di attesa (Hans O Birk et al., 2011; Ecclestone et al., 2014), la reputazione dell’ospedale (Laverty et al., 2013; Nostedt et al., 2014), la qualità delle cure (Laverty et al., 2013; Miller et al., 2006; Ecclestone et al., 2014; Ali Mohammad et al., 2014), le caratteristiche della struttura ospedaliera (ad esempio., proprietà, posizione, ecc.) (Ecclestone et al., 2014; Laverty et al., 2013; Miller et al., 2006), le precedenti esperienze o il passaparola (Ecclestone et al., 2014; Nostedt et.al., 2014), la convenienza del viaggio (Chow et al., 2012; Ecclestone et al., 2014; Nostedt et al., 2014), le raccomandazioni da parte del medico di base (Hans O Birk et al., 2011; Aafke et al., 2016; Ecclestone et al., 2014; Ali Mohammad et al., 2014). Inoltre, ad influenzare la scelta dei pazienti, vi sono anche loro caratteristiche prettamente personali: ad esempio, età, genere, istruzione, reddito, stato di occupazione, stato di salute, etc. L’analisi della letteratura ci ha permesso di comprendere ed individuare le principali variabili che guidano i pazienti nella scelta dell’ospedale. Queste possono essere raggruppate in tre principali categorie: attributi del paziente (come lo stato clinico e socio-demografico del paziente, caratteristiche dell’ospedale (cioè attributi della struttura ospedaliera) e distanza (intesa anche come durata degli spostamenti). Nonostante i determinanti contributi degli studi passati, permangono alcune lacune che necessitano di essere colmate in modo da facilitare una più profonda comprensione della tematica “scelta dell’ospedale da parte dei pazienti”. In primo luogo, la maggior parte degli studi precedenti raramente considera attributi economici del paziente come una variabile che possa influenzare la scelta dell’ospedale (ad eccezione di Al-Doghaither et al., 2003; Tai et al., 2004; Fabbri et al., 2010; Ringard et.al, 2012; i quali considerano il reddito dei pazienti come una delle variabile influenzante). Le poche ricerche che tengono in considerazione tale variabile, inoltre, sono ricerche basate su una fonte informativa qualitativa (come sondaggi e/o interviste). In secondo luogo, nel quadro di riferimento italiano si percepisce una mancanza di focus sulla scelta intra-regionale del paziente, la quale è sempre stata considerata uno step intermedio per il raggiungimento di altri obiettivi di ricerca (Moscone et al., 2012; Berta et al., 2016). Terzo, la maggior parte degli studi che hanno affrontato il tema della scelta del paziente basandosi su sorgenti informative quantitative, hanno basato la loro analisi su database forniti da agenzie di assicurazione sanitaria e non su database amministrativi; pertanto, gli ospedali considerati nello studio sono solo quelli affiliati agli assicuratori sanitari stessi (ad esempio Varkevisser et al., 2007; Varkevisser et al., 2009; Varkevisser et al., 2012; i quali hanno usato il database Agis Health Insurer ). Quarto, la letteratura non argomenta in maniera appropriata le implicazioni che, la scelta dell’ospedale da parte del paziente, ha per i responsabili politici e per i dirigenti ospedalieri. Al fine di ridurre le limitazioni precedenti, la nostra ricerca indaga quali variabili, incluse quelle legate allo status economico del paziente, influenzano la scelta dell’ospedale, per ricoveri programmati, nella Regione Lombardia. Inoltre, la nostra ricerca tiene conto, a differenza della maggior parte delle precedenti, delle interazioni tra i diversi fattori di influenza. In particolare, abbiamo analizzato la scelta dell’ospedale di quei pazienti affetti da Scopenso Cardiaco (SC). Tale patologia è molto importante e ricorrente ed è una delle più rilevanti per il sistema sanitario regionale e nazionale. I pazienti affetti da scompenso cardiaco in Italia sono circa 600,000 ed è stato stimato che tale numero raddoppi ogni dieci anni (6% dei pazienti 50+ sono affetti da SC, 10% tra i 65+). Per questo motivo si ritiene che lo scompenso cardiaco costituisca e costituirà una delle maggiori preoccupazioni per la sanità pubblica. Ogni giorno in Italia avvengono circa 500 ricoveri per SC con una permanenza media in ospedale di 10 giorni, per un totale di 1,650,000 ricoveri giornalieri all’anno. (Ministero della Salute, 2016). Questo, in Italia, si traduce in una spesa complessiva relativa allo scompenso cardiaco (servizio ospedaliero, assistenza ambulatoriale e assistenza domiciliare) di circa il 2% della spesa sanitaria nazionale. I ricoveri per questa patologia sono stati selezionati sulla base dei codici di diagnosi nelle schede di dimissione ospedaliera (cfr. Mazzali et al., 2016 per l'elenco completo dei codici ICD-9-CM) limitati all' MDC-5 (cioè ai ricoveri per le malattie cardiovascolari). Abbiamo costruito un modello logistico multinomiale (Tai et al., 2004; Moscone et al., 2012; Varkevisser et al., 2012) che descrive la scelta tra diverse alternative; quindi, nel nostro caso, i decisori sono i pazienti mentre le alternative sono gli ospedali della regione Lombardia. Per costruire il set di dati su cui fittare il modello, abbiamo incrociato dati provenienti da diverse fonti informative: il Database delle schede di dimissione ospedaliera dal 2013 al 2015 dal quale sono stati estratti i dati clinici e socio-demografici relativi al paziente; il portale della regione Lombardia “Open Data”(come sopra) dal quale abbiamo raccolto il numero di letti in degenza ordinaria per ogni ospedale; il sito “Sole24Ore” (www.infodata.ilsole24ore.com/2016/08/04/dove-vivono-i-piu-ricchi-ditalia-la-classifica-dei-comuni-con-i-redditi-piu-alti-2) dal quale abbiamo estrapolato le informazioni sul reddito medio, riferite al 2014, delle città di residenza del paziente (proxy del suo status economico); il FEASR- Programma di sviluppo rurale 2014-2020, dal quale abbiamo acquisito la categorizzazione territoriale delle città lombarde (urbana/rurale). Infine, la distanza dalla città di residenza del paziente all’ospedale è stata calcolata tramite la funzione “geodist” in SAS 9.4. Sono stati considerati 15,528 ricoveri, dal 2013 al 2015, dei pazienti con età compresa tra 18-85 anni (primo ricovero del paziente in ordine cronologico), in 75 ospedali. Abbiamo escluso tutti gli ospedali con meno di 50 ricoveri nel periodo di riferimento come suggerito da studi precedenti. Il modello multinomiale (Train, 2003, McFadden, 1987) è stato calcolato attraverso il pacchetto RStudio "mlogit" (Croissant, 2011) ed include: il numero di letti in degenza ordinaria (attributo specifico dell'ospedale); età, genere, occupazione, peso delle comorbilità, reddito, distanza*reddito, distanza*peso delle comorbilità, distanza*età (attributi specifici del paziente); distanza (attributo specifico dell’ospedale e del paziente contemporaneamente in quanto varia al variare di entrambi). Il modello di scelta multinomiale si è rivelato più che soddisfacente (McFadden R2 = 0,46). I nostri risultati hanno confermato quanto emerso dagli studi precedenti, ovvero che la distanza è uno dei fattori che influenza maggiormente la scelta dell’ospedale da parte del paziente. Questo non è vero, invece, per la dimensione ospedaliera, dato che il numero di letti non influenza la scelta dell’ospedale per ricoveri dovuti a SC in Lombardia. Per ciò che riguarda le variabili riferite al paziente, esse risultano influenzare significativamente la scelta dell’ospedale. In particolare, i pazienti più giovani preferiscono essere curati in ospedali siti in zone urbane; e questo non perché le persone più giovani vivano in città, dato che l’età media nelle aree urbane è, in realtà, leggermente superiore di quella nelle aree rurali. I pazienti più giovani, dunque, cercano ospedali urbani dotati di reparti specializzati nella cura di malattie del sistema circolatorio: cardiochirurgia, cardiologia, unità coronarica e unità di terapia intensiva. Inoltre, i risultati confermano che quanto più alta è l'età del paziente, tanto minore è la sua volontà di viaggiare per raggiungere un ospedale alternativo a quello più vicino. Il reddito del paziente influenza in maniera significativa la scelta dell’ospedale da parte del paziente; i nostri risultati mostrano che persone che vivono in aree più svantaggiate sono costrette a dover percorrere una distanza più lunga. In particolare, essi viaggiano verso zone più ricche le quali sono servite da un numero più alto di ospedali decisamente più attrezzati (il 70% degli ospedali sono siti in zone il cui reddito medio oscille all’interno del primo 25% dell’intera regione), indipendentemente dal fatto che l’ospedale sia pubblico o privato. Questo, porta ad un’altra importante considerazione, ovvero che il reddito non influenza la scelta della tipologia di ospedale (pubblico o privato). Inoltre, un più alto peso delle comorbidità non discrimina la scelta dell’ospedale in termini di livello di servizio erogato; pazienti con un più alto peso delle comorbidità sono più anziani e probabilmente meno interessati a curarsi in ospedali più forniti, situati in zone urbane. Quindi, il peso delle comorbidità non influenza la distanza percorsa. I risultati della nostra ricerca offrono nuovi elementi per poter discutere più a fondo sulla scelta dell’ospedale da parte del paziente, dalle prospettive di responsabili politici e dirigenti ospedalieri, in relazione al tema dell’equità nell’accesso alle cure. Con l’ipotesi che la scelta di dove essere curato sia un diritto fondamentale che deve essere equamente garantito ai pazienti, le nostre argomentazioni fanno riferimento in modo particolare alle ineguaglianze di tipo geografico ed economico, le quali sono in qualche modo interconnesse. Da un lato, dato lo sbilanciamento infrastrutturale nel modo in cui gli ospedali sono localizzati nella regione, ceteris paribus, le persone che vivono nelle aree rurali hanno un minore ventaglio di alternative tra cui scegliere. Dall’altro lato invece, le persone che vivono in aree più povere sono costrette a viaggiare di più, sostenendo tutti i costi associati. I responsabili politici dovrebbero adottare adeguate contromisure sotto due punti di vista: lato domanda, definendo in modo appropriato i servizi che devono essere erogati localmente in modo da ridurre il fenomeno di bypassing dell’ospedale più vicino; lato fornitore, sostenendo le persone più svantaggiate nel raggiungere ospedali più lontani e più specializzati. Ad ogni modo, le azioni dei responsabili politici non possono non essere correlate a quelle dei dirigenti ospedalieri, i quali devono competere sulla qualità delle cure offerte per poter trattenere i pazienti localmente e assicurare la sostenibilità del business. Per concludere, crediamo che adeguati interventi lato domanda e fornitore, e una sana competizione basata sulla qualità, possano diminuire allo stesso tempo le inefficienze e le ineguaglianze del sistema sanitario regionale.