The impact of non-fee-for-service reimbursement on chronic disease surveillance using administrative data

Can J Public Health. Nov-Dec 2009;100(6):472-4. doi: 10.1007/BF03404347.

Abstract

Objective: Use of physician service claims and other administrative data is increasingly being advocated for chronic disease surveillance. However, such data may be vulnerable to reimbursement policy changes. We sought to determine how non-fee-for-service (non-FFS) primary care affects the detection of diabetes using physician claims data.

Methods: Ontarians over age 66 with diabetes and receiving care in a non-FFS setting were identified using prescription claims for glucose-lowering drugs written by non-FFS physicians. We compared the date of incident treatment in this cohort with the diagnosis date in the Ontario Diabetes Database, a validated administrative data algorithm to detect persons with diabetes. We assessed the rate of detection and, among detected cases, whether detection was late (more than 6 months after the index prescription). Survival methods were used to assess detection over time.

Results: Only 49.7% of prescription-defined diabetes cases were detected within six months of the index prescription; 23.7% remained undetected after up to nine years of follow-up. Detected individuals had higher rates of hospitalization for vascular complications than missed cases (15.1% vs 4.8%, p < 0.0001), suggesting that they were at a more advanced stage of disease.

Conclusions: Non-FFS reimbursement arrangements for primary care physicians appear to undermine the utility of administrative data for chronic disease surveillance, leading to both decreased sensitivity and biased detection. Provisions for alternative means to collect diagnostic information should be considered as these arrangements are introduced.

Objectif: On préconise de plus en plus l’utilisation des demandes de paiement de services médicaux et autres données administratives pour la surveillance des maladies chroniques. Toutefois, ces données peuvent être fragilisées par les changements dans les politiques de remboursement. Nous avons cherché à déterminer si l’utilisation des données de demande de paiement des médecins de premier recours non rémunérés à l’acte influence la détection du diabète.

Méthode: Pour repérer les Ontariens diabétiques de plus de 66 ans soignés dans les établissements où les médecins ne sont pas rémunérés à l’acte, nous avons consulté les ordonnances de médicaments abaissant la glycémie rédigées par les médecins non rémunérés à l’acte. Nous avons comparé la date du nouveau traitement dans cette cohorte à la date du diagnostic dans la base de données sur le diabète de l’Ontario (un algorithme éprouvé pour repérer les personnes diabétiques dans des données administratives). Nous avons évalué le taux de détection et, parmi les cas détectés, si la détection était tardive (plus de six mois après l’ordonnance de référence). Pour évaluer la détection au fil du temps, nous avons utilisé des méthodes de persévérance de la cohorte.

Résultats: Seulement 49,7% des cas de diabète recensés au moyen des ordonnances avaient été détectés moins de six mois après l’ordonnance de référence; 23,7% étaient restés non détectés pendant une période de suivi pouvant aller jusqu’à neuf ans. Les sujets détectés présentaient des taux d’hospitalisation pour complication vasculaire plus élevés que les cas oubliés (15,1% c. 4,8%, p<0,0001), ce qui donne à penser qu’ils en étaient à un stade plus avancé de la maladie.

Conclusion: Les modes de rémunération des médecins de premier recours non rémunérés à l’acte semblent réduire l’utilité des données administratives pour la surveillance des maladies chroniques; ils entraînent à la fois une sensibilité réduite et un biais de détection. Il faudrait envisager des solutions de rechange pour recueillir l’information diagnostique lorsqu’on introduit ces formes de rémunération.

Publication types

  • Research Support, Non-U.S. Gov't

MeSH terms

  • Aged
  • Diabetes Mellitus / drug therapy
  • Diabetes Mellitus / epidemiology*
  • Humans
  • Insurance Claim Review
  • Ontario
  • Population Surveillance / methods*
  • Reimbursement Mechanisms*