Arbetslivsinriktad rehabilitering för sjukskrivna arbetslösa – funkar det?

NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universitet

Uppsats fortsättningskurs C

Författare: Johan Bjerkesjö och Martin Nilsson Handledare: Patrik Hesselius

Termin och år: HT 2005

Arbetslivsinriktad rehabilitering för sjukskrivna arbetslösa –

funkar det?

Sammanfattning

En av de mest debatterade politiska frågorna de senaste åren har varit den påstått kraftiga ökningen av antalet sjukskrivningar. Parallellt med sjukskrivningarna har även antalet förtidspensionärer ökat. En grupp som inte uppmärksammas lika ofta av varken politikerna eller medierna är de människor som både är sjukskrivna och arbetslösa, och det är den gruppen som vår uppsats kommer att kretsa kring. Syftet med denna uppsats är att utvärdera försäkringskassans och arbetsförmedlingens samverkan kring den gemensamma kundgruppen sjukskrivna arbetslösa. Denna samverkan har bedrivits i Uppsala län sedan september 2003.

Närmare bestämt avser vi att besvara frågan om det går att påvisa en behandlingseffekt av den arbetslivsinriktade rehabilitering som ges inom ramen för samverkan? Den metod som vi använder oss av i uppsatsen för att testa samverkansprojektet är Kaplan-Meiers product-limit estimator. Material till undersökning kommer från den uppföljningsfil, i vilken försäkringskassans samverkanshandläggare regelbundet för in uppgifter om alla samverkansärenden. Vi kan med våran undersökning inte finna något stöd för att behandlingen har någon effekt för dem som deltar i samverkansprojektet. Begränsningar i materialet gör dock att vi inte vill dra några mer långtgående slutsatser angående effekten.

Istället förespråkar vi att det görs ytterligare undersökningar av samverkan kring arbetslösa sjukskrivna.

Nyckelord: Överlevnadsanalys, kaplan-meier, sjukskrivna arbetslösa, arbetslivsinriktad rehabilitering, utvärdering, Försäkringskassan

Innehållsförteckning

Sammanfattning ... 1

Innehållsförteckning ... 2

1. Inledning... 3

2. Syfte... 3

3. Bakgrund ... 4

3.1 Arbetslivsinriktad rehabilitering... 5

3.2 Pilotprojektet Faros ... 5

3.3 Lokal samverkan i Uppsala län ... 7

4. Material... 8

5. Metod ... 10

5.1 Överlevnadsanalys ... 11

5.1.1 Censurering... 12

5.1.2 Trunkering ... 14

5.2 Att beräkna överlevnadskurvor med censurerade data: Kaplan – Meier metoden ... 14

5.3 Att jämföra överlevnadskurvor ... 16

5.3.1 Hypotestest ... 16

6. Undersökning ... 18

6.1 Resultat ... 19

7. Varför?... 21

7.1 Urvalsproblem?... 22

7.2 Brister i vår undersökning? ... 25

7.3 Ingen effekt av rehabilitering?... 25

8. Sammanfattande diskussion ... 27

9 Slutsatser... 31

Referenslista ... 32

Appendix ... 33

1. Inledning

Under de senaste åren har den påstått kraftiga ökningen av antalet sjukskrivningar stått högt på den mediala och politiska dagordningen. Det sägs att svenska folkets inställning till sjukskrivning har förändrats och att en svensk s.k. sjukskrivningskultur, med vilket menas att det numera skulle vara socialt acceptabelt att vara sjukskriven utan att ha nedsatt arbetsförmåga, har brett ut sig.¹ Sjukskrivningarna började öka kraftigt mot slutet av 90-talet, men det tycks nu som om denna utveckling har vänt vilket är i linje med regeringens mål om att halvera sjukskrivningarna fram till 2008.² Ökningen av antalet förtidspensionärer, som tog fart i början av det nya årtusendet, visar dock inga tecken på att avta. År 2003 hade vi för första gången mer än 500 000 människor i förtidspension och förtidspensioneringarna kryper dessutom allt längre ner i åldrarna. Vi har i dagens Sverige en stor del av den arbetsföra befolkningen som står utanför arbetsmarknaden och försörjs genom sjukförsäkringssystemen (Bjurvald mfl 2004, s. 11). Det är nog också framför allt kostnadsökningen under slutet av 90- talet som har väckt det politiska intresset.

Debatten har i mångt och mycket handlat om sjukskrivna och förtidspensionerade³. En grupp som inte uppmärksammas lika ofta av medierna är de människor som både är sjukskrivna och arbetslösa, det är den gruppen som vår undersökning kommer att kretsa kring.

2. Syfte

Syftet med denna uppsats är att utvärdera Försäkringskassans och Arbetsförmedlingens samverkan kring den gemensamma kundgruppen sjukskrivna arbetslösa, som har bedrivits i Uppsala län sedan september 2003.

Detta kan uttryckas tydligare genom en uppdelning i två steg. Det första steget avser att svara på frågan om det går att påvisa en behandlingseffekt av den arbetslivsinriktade rehabilitering som ges inom ramen för samverkan? Finner vi en sådan behandlingseffekt är vår ambition att som ett andra steg analysera denna utifrån en enkel kostnads-intäktsanalys. Det första steget

1 Mer om detta ämne står att finna i Att leva på kassan. Allmän försäkring och lokal kultur av Frykman och Hansen

2 Det finns många definitioner och begrepp att hålla reda på när man pratar om ohälsa. ”Sjukskrivning”

innefattar individer som uppbär sjukpenning, oavsett om individen har ett arbete eller ej. Statistik över arbetet med att halvera sjukskrivningarna finns tillgänglig på Försäkringskassans hemsida.

3 Sjukersättning/aktivitetsersättning ersätter sedan 2003 förtidspension och sjukbidrag. Aktivitetsersättning lämnas till försäkrade i åldrarna 19-29 år medan sjukersättning lämnas till försäkrade i åldrana 30-64 år.

Ersättningen kan liksom tidigare beviljas till den som varaktigt eller långvarigt (minst ett år) fått sin arbetsförmåga helt eller delvis nedsatt på grund av sjukdom eller annan nedsättning av den fysiska eller psykiska arbetsförmågan.

kan sägas röra sig på en mikroekonomisk nivå, d.v.s. hur påverkas den enskilda individens sjukskrivningssituation av att delta i samverkan för sjukskrivna arbetslösa. Det andra steget handlar om att vi vill försöka kvantifiera storleken på en eventuell behandlingseffekt.

Vi vill här tydliggöra skillnaden på uppföljning och utvärdering. Uppföljning innebär att ett förlopp dokumenteras och att utfallet, vad som faktiskt hände, beskrivs. En utvärdering försöker säga något om effekterna som ett visst projekt har haft. Utvärderingen svarar alltså, i det här specifika fallet, på frågan hur sannolikheten för deltagarna att förändra sin sjukskrivningssituation påverkas av deltagande i projektet (Hemström mfl 2002, s. 3f).

Vi använder begreppet utvärdering, men har valt att göra vissa avgränsningar. Dels kommer vi inte att titta på åtgärderna i sig, d.v.s. vi kommer inte närmare titta på själva åtgärderna vari den arbetslivsinriktade rehabiliteringen består, utan vi är i första hand intresserade av om det finns en behandlingseffekt och i så fall hur stor denna är. Dels kommer vi inte att beröra frågan om vilka effekter samverkan mellan två myndigheter kan tänkas ha för positiva/negativa effekter.

Varför ska man då försöka genomföra en studie som vår? En viktig anledning är att det handlar om skattefinansierad verksamhet. Ur ett rent samhällsekonomiskt perspektiv är det alltså viktigt att följa upp sådan verksamhet och bedöma resultatet. Genom att utvärdera ett projekt ökar sannolikheten för att detta kan utformas på ett sätt som gynnar både samhällsekonomin och de individer som är föremål för åtgärderna.

3. Bakgrund

Antalet sjukskrivna arbetslösa inklusive personer som inte kan återgå till sitt tidigare arbete uppskattas till drygt 100 000 personer (Statens kvalitets- och kompetensråd 2004, s.13).

Denna grupp är överrepresenterad i förhållande till den totala andelen arbetslösa i landet (till exempel så är andelen långtidssjukskrivna som är arbetslösa 14 procent (RFV 2004:7, s.11)) och deras problembild är ofta mer komplicerad än för en anställd sjukskriven eftersom de sjukskrivna arbetslösa i större utsträckning består av personer med flera svaga egenskaper.⁴ Dessutom riskerar de ofta att hamna mellan två stolar - Försäkringskassan gör bedömningen

4 Studier har identifierat i huvudsak tre förhållanden som minskar sannolikheten för friskskrivning för

sjukskrivna. Dessa är; arbetslöshet, att vara ensamstående, att ha en missbruks- eller psykisk diagnos. En studie från RFV (RFV redovisar 2002:1) visade att det är vanligare med psykiska besvär som sjukskrivningsdiagnos hos sjukskrivna arbetslösa än för sjukskrivna med anställning. Dessutom är olika former av missbruk vanligare för denna grupp.

att den arbetslöse har en faktisk arbetsförmåga medan Arbetsförmedlingen bedömer att han/hon är för sjuk för att kunna konkurrera på arbetsmarknaden. Ett annat problem är att det inte finns någon arbetsgivare/arbetsplats att rehabilitera tillbaka till. Sammantaget gör detta att sjukskrivna arbetslösa är en mer komplicerad grupp att jobba mot.

3.1 Arbetslivsinriktad rehabilitering⁵

Regeringen har som målsättning att sjukfrånvaron ska ha halverats fram till 2008, i förhållande till 2002. Under hela det förra decenniet har utredningar jobbat med frågan om hur man ska komma till rätta med den negativa sjukfallsutvecklingen. Nyckelordet har varit rehabilitering. Med arbetslivsinriktad rehabilitering avses ”de åtgärder som syftar till att en person åter kommer i arbete efter att av någon anledning ha varit arbetsoförmögen” (Günzel 2003, s. 90). Dessa åtgärder kan till exempel handla om utbildning, eller att hitta nya arbetsuppgifter för individen i behov av rehabilitering. Rehabiliteringen kan, om den är lyckosam, ha ett stort värde för den enskilde som kan återgå till arbetslivet istället för en tillvaro som förtidspensionär. Men den kan också ha ett stort värde för samhället. Ur ett rent ekonomiskt perspektiv är det vansinne att hundratusentals människor uppbär sjuklön, sjukersättning och sjukpenning (Günzel 2003, s. 90f).

I lagstiftningen framhålls framförallt arbetsgivarens och Försäkringskassans roll i en lyckad rehabilitering. Det är arbetsgivarens skyldighet att göra en rehabiliteringsutredning när en anställd har varit sjukskriven i mer än fyra veckor. Den ska sedan inom åtta veckor skickas till Försäkringskassan som i sin tur upprättar en rehabiliteringsplan. Dessutom ska Försäkringskassan kalla den sjukskrivne till ett avstämningsmöte där det görs en bedömning av medicinskt tillstånd, arbetsförmåga och eventuellt behov av rehabilitering. Det finns en rollfördelning här där arbetsgivaren har huvudansvar för den arbetslivsinriktade rehabiliteringen, medan Försäkringskassan är ansvarig för samordning av åtgärderna (Eklund mfl 2005, s. 275f).

3.2 Pilotprojektet Faros

I budgetpropositionen för 2002 presenterade regeringen ett 11-punktsprogram för att minska sjukskrivningarna och öka hälsan i arbetslivet. Ett led i detta arbete var att regeringen gav

5 V kommer enbart att prata om arbetslivsinriktad rehabilitering i uppsatsen, men självklart kan också andra former av rehabilitering, exempelvis medicinsk sådan, vara aktuell för sjukskrivna.

Riksförsäkringsverket (RFV⁶) och Arbetsmarknadsstyrelsen (AMS) i uppdrag att påbörja en förnyelse av den arbetsinriktade rehabiliteringen. Uppdraget från regeringen omfattade tre deluppdrag:

1. Att utveckla en metod för tidig, fördjupad bedömning av den enskildes arbetsförmåga och behov av rehabilitering.

2. Att utveckla metodiken i försäkringskassornas handläggning av sjukfall och rehabiliteringsärenden samt förtydliga rehabiliterarnas roll.

3. Att genomföra en pilotverksamhet avseende en samordnad organisation mellan Försäkringskassan och Arbetsförmedlingen för arbetslivsinriktad rehabilitering (Statskontoret 2002, s. 3).

Uppdrag ett och tre har bedrivits i form av pilotverksamhet inom fem olika geografiska områden och de avslutades i februari 2005. De delar av pilotverksamheterna som rör uppdrag tre antog det gemensamma namnet FAROS (Förnyad Arbetslivsinriktad Rehabilitering Organisation och Samverkan). Målgruppen för arbetet inom Faros var just sjukskrivna arbetslösa (RFV 2004:5, s. 14). I en delrapport från Faros-projektet framgick att AMS och RFV borde ges extra resurser för att skapa en särskild organisation för att bedöma varje enskilt ärende och, om så var påkallat, också erbjuda en sammanhållen rehabilitering.

Parallellt med det pågående Faros-projektet fick Riksförsäkringsverket och Arbetsmarknadsstyrelsen under 2003 i uppdrag av regeringen att göra en gemensam handlingsplan inom rehabiliteringsområdet. Avsikten med den gemensamma handlingsplanen var att få försäkringskassorna samt länsarbetsnämnderna att på det lokala planet träffa överenskommelser om samverkan kring den gemensamma kundgruppen sjukskrivna arbetslösa. Målsättningen var att fler sjukskrivna skulle få arbetslivsinriktad rehabilitering.

Försäkringskassorna tilldelades extra medel för detta ändamål och en mall för hur samverkansavtalen skulle se ut skickades ut till försäkringskassorna och länsarbetsnämnderna.

Det var Faros-projektet som låg till grund för utformningen av samverkansavtalen, men till skillnad från Faros omfattade avtalen hela landet. Dessutom begränsades målgruppen till sjukskrivna arbetslösa som med relativt korta insatser kunde väntas återgå i arbete, en begränsning som inte fanns i Faros (RFV 2004:5, s. 11ff). I RFV:s uppföljning som gjordes under 2004 konstateras bland annat att samverkan kring arbetslösa sjukskrivna i stort har varit lyckad vad avser exempelvis antal personer i arbete och utbildning. Det står också klart att

6 Från den 1 januari 2005 finns en ny myndighet, Försäkringskassan, som ersätter landets 21 allmänna försäkringskassor och Riksförsäkringsverket (RFV).

samverkan inte hade kommit till stånd om inte de extra resurserna tillförts, tidigare har rehabilitering av sjukskrivna arbetslösa skett i tämligen ringa omfattning (RFV 2004:5, s. 49).

I fokus för vår uppsats står samverkansprojektet i Uppsala län som kom igång i september år 2003

3.3 Lokal samverkan i Uppsala län

Det råder viss osäkerhet om hur stor gruppen sjukskrivna arbetslösa är i Uppsala län. I en utvärdering av det lokala samverkansprojektet som gjordes i november 2004 gjordes ett försök att beräkna detta och man kom fram till en ungefärlig siffra på cirka 2700 personer. I denna siffra ingår 2443 personer som var registrerade som sjukskrivna och arbetslösa. Detta är alltså personer med sjukpenning som saknar arbete. Till dessa 2443 adderar man personer som uppbär sjuk- och aktivitetsersättning samt personer som är sjukskrivna och arbetslösa men saknar sjukpenninggrundande inkomst (Algotsson mfl 2004, s. 3f).

Detta är alltså den ungefärliga storleken på den grupp människor som kan aktualiseras för samverkan mellan Försäkringskassan och Arbetsförmedlingen. En förutsättning för att ett ärende ska aktualiseras för samverkan är att det rör sig om ett utredningsärende, dvs ett ärende som inte kommer att "självläka" utan kräver någon form av insats. Dessutom krävs att någon aktör gör bedömningen att personen är i behov av arbetslivsinriktad rehabilitering.

Den försäkrade kallas därefter till en Sassam-kartläggning⁷, om en sådan inte redan är gjord, där förutsättningar och behov kartläggs. En bedömning görs om den försäkrade med hjälp av rehabilitering kan komma upp i 50 procents arbetsförmåga inom 3 månader. Detta eftersom en förutsättning för samverkan är att personen ska stå relativt nära arbetsmarknaden.

Om utredaren som gjort Sassam bedömer att samverkan är aktuell så skickas den skriftliga bedömningen till beredningsgruppen, som består av två handläggare från Försäkringskassan och två från Arbetsförmedlingen. Beredningsgruppen tittar på ärendet. Om man ser brister i Sassam eller av andra skäl bedömer att samverkan inte är aktuell, återremitteras ärendet till utredaren för komplettering. Om beredningsgruppen ger grönt ljus kallas den försäkrade till ett trepartsmöte med Försäkringskassan och Arbetsförmedlingen. Även här kan det framkomma brister i underlaget som gör att man inte bedömer att samverkan är lämplig och

7 SASSAM, Strukturerad Arbetsmetodik för Sjukfallsutredning och SAMordnad rehabilitering, är en metod för bedömning av arbetsförmåga och rehabiliteringsbehov hos sjukskrivna utifrån den enskilde individens behov.

då återremitteras ärendet till utredaren. Om så inte sker är samverkan igång, vilket innebär att Arbetsförmedlingen i samråd med den försäkrade och Försäkringskassan tar fram en handlingsplan för rehabilitering, som sedan följs upp av handläggare från Försäkringskassan och Arbetsförmedlingen.⁸ Målsättningen för den överenskommelse som gjorts mellan Försäkringskassan och Länsarbetsnämnden i Uppsala län är att minst 25 procent av deltagarna i samverkan inom 12 månader (tidigare var det 6 månader, men i och med den ovan nämnda utvärderingen såg man att detta var en allt för kort tid) efter påbörjad åtgärd ska vara i arbete eller utbildning (Försäkringskassan Uppsala län 2004, s. 30).

4. Material

Det material som vår undersökning bygger på är den uppföljningsfil, i vilken Försäkringskassans samverkanshandläggare regelbundet för in uppgifter om alla samverkansärenden. I filen finns det uppgifter om följande variabler; kön, ålder, sjukfallets startdatum, kommun, diagnos, mottaget (datum för när ärendet kommer till Försäkringskassans samverkanshandläggare), datum LAN (startdatum för samverkan med LAN), status in (den sjukskrivnes status när samverkan börjar, ex; sjukpenning), grad in (statusgrad vid start av samverkan ex; sjukpenning 100 %), aktuell status, grad nu (statusgrad efter avslutad samverkan), samt avslutningsdag (datum då samverkan avslutades). Filen innehåller både avslutade och pågående samverkansärenden. För att ge en bild av det faktiska urvalet till samverkan kommer vi att presentera en del deskriptiv statistik utifrån denna uppföljningsfil.

Tabell 1: Könsfördelning för samverkansprojektet Faktiskt urval i samverkan Kvinnor Män Totalt

Fördelning på kön 448 296 744

% 60,2% 39,8% 100,0%

Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

8 Uppgifterna om urvalet i praktiken bygger på uppgifter från Lasse Einarsson, FoU-samordnare på Försäkringskassan.

Tabell 2: Åldersfördelning för samverkansprojektet

Kvinnor Män Åldersfördelning

Antal i % Antal i %

20-25 16 3,6 9 3,0

25-35 97 21,7 59 19,9

35-45 194 43,3 99 33,4

45-55 110 24,6 78 26,4

55-65 31 6,9 51 17,2

Totalt 448 100,1 296 99,9 Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

Tabell 3: Deskriptiv statistik över diagnosfördelningen för samverkansprojektet

Kvinnor Män Diagnos

Antal i % Antal i %

Psykiska diagnoser 242 54,2 125 42,4

Somatiska diagnoser 152 34,1 115 39,0

Övriga diagnoser 52 11,7 55 18,6

Totalt 446 100 295 100 Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

Tabell 4: Genomsnittlig sjukskrivningstid för samverkansprojektet

Genomsnittlig sjukskrivningstid* Kvinnor Män Totalt 732 dagar 857 dagar 781 dagar

* Beräknad från start sjukfall till mottaget hos Försäkringskassan Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

Könsfördelningen i samverkansprojektet är i stort sett identisk med könsfördelningen för hela stocken sjukskrivna i Uppsala län (61,4 procent kvinnor respektive 38,6 procent män). Tittar vi på diagnoserna ser vi att den vanligaste diagnosen är affektiva störningar och belastningssmärtor för kvinnor respektive övriga medicinska tillstånd och belastningssmärtor för män. Vad gäller psykiska diagnoser (affektiva sjukdomar/störningar, fobier, panikångest, psykotiska störningar, utbrändhet och ångeststörningar), så omfattar dessa cirka femtio procent av urvalet. Vi har inga exakta siffror för hur vanligt psykiska diagnoser är bland sjukskrivna i övrigt. En kartläggning för Västra Götalands län visar att psykisk ohälsa står för 37 procent av diagnoserna, vilket indikerar att psykiska diagnoser är överrepresenterade i gruppen sjukskrivna arbetslösa (Försäkringskassan Västra Götalands län 2004, s. 6).

I urvalet har den genomsnittliga personen varit sjukskriven 781 dagar. När väl en samverkanshandläggare har accepterat ett föreslaget samverkansärende tar det i genomsnitt 45 dagar innan det hamnar hos Försäkringskassans och Arbetsförmedlingens gemensamma arbetsgrupp. Den genomsnittliga tiden från mötet med den gemensamma arbetsgruppen till avslutad samverkan är sedan 236 dagar.

Av alla personer som kommit med i urvalet för samverkan har cirka åttio procent sjukpenning på heltid vid den tidpunkt de kom in i samverkan. Omkring tio procent har istället haft sjuk- och aktivitetsersättning. Tio personer är arbetssökande på deltid och har sjukpenning eller S/A⁹ övrig tid. En person arbetar halvtid och får sjukpenning resterande tid.

5. Metod

Antag att samtliga som har ingått i den särskilda samverkan för sjukskrivna arbetslösa efter avslutad samverkan har fått jobb, befinner sig i utbildning eller har minskad sjukskrivningsgrad. Uppenbarligen har något inträffat, men det intressanta är orsaken till detta. Kan vi med säkerhet säga att det är just deltagande i samverkan som är orsaken till det positiva utfallet? Och kan vi säga något om hur stor effekten är? Nej, det kan vi inte.

Anledningen är att det inte går att utvärdera effekterna av samverkansprojektet genom att helt enkelt jämföra ingångsstatus med utgångsstatus. För att verkligen kunna säga något om en eventuell behandlingseffekt krävs en kontrollgrupp. Det vill säga, vi vill veta vad som hade hänt om personerna inte deltagit i samverkan. Här stöter vi dock på patrull. Vår första tanke var naturligtvis att jämföra ett slumpmässigt draget urval ur gruppen som deltagit i samverkan, med en kontrollgrupp från de sjukskrivna arbetslösa som inte deltagit i projektet.

Det visade sig dock tämligen snart att detta inte var möjligt då dessa grupper är alltför olika för att en jämförelse ska vara meningsfull. De personer som inte aktualiseras för samverkan bedöms stå väldigt långt från arbetsmarknaden och väntar i princip bara på att få sin förtidspensionering godkänd. Naturligtvis ställer detta faktum till en hel del problem för den som önskar utvärdera verksamheten. Vi tror oss dock ha hittat ett sätt att lösa problemet. När vi studerade datafilen med alla samverkansärenden såg vi att det förelåg en viss fördröjning för ärenden som aktualiserades under sommarmånaderna¹⁰. Det verkade som om det tog extra lång tid för dessa sommarärenden att få ett trepartsmöte jämfört med övriga månader. Den

9 Sjukersättning/aktivitetsersättning

10 Fördröjningen mäts som tiden från när ärendet fick statusen ”mottaget” fram till trepartmötet med Lan då samverkan s.a.s. är igång. Närmare bestämt har vi en fördröjning på igenomsnitt 20 dagar (38,92 dagar för februari-/aprilgruppen, respektive 60,34 för juni-/juligruppen).

naturliga förklaringen till detta mönster är naturligtvis att även personalen på Försäkringskassan tar semester under sommaren. Det verkade alltså som om det fanns en naturlig variation i materialet, som vi kunde utnyttja i vår undersökning. I linje med det som sades ovan låter vi sommarärendena (juni, juli) utgöra vår kontrollgrupp, medan behandlingsgruppen utgörs av de ärenden som har aktualiserats under februari och april månad. Anledningen till att vi valt just februari/april istället för det kanske mer naturliga valet mars/april är helt enkelt att marsfallen av någon anledning var relativt få. Valet av februari/april berodde alltså på att vi ville ha ungefär lika stora grupper.

Ett rimligt antagande är att det är slumpen som avgör om ett ärende aktualiseras i juni eller i april. Vi förväntar oss alltså inte några skillnader mellan vår behandlingsgrupp och vår kontrollgrupp. Detta gör att vi tror oss ha funnit en väg runt det så kallade selektionsproblemet som uppstår just på grund av att det finns systematiska skillnader mellan olika grupper. Detta hade varit fallet om vi använt sjukskrivna arbetslösa som inte deltar i samverkan, eftersom det är andra faktorer än slumpen som avgör om personen ifråga är ett samverkansärende eller ej.

Den metod som vi använder oss av i uppsatsen för att testa samverkansprojektet är så kallad överlevnadsanalys. I denna del ska vi först presentera överlevnadsanalysen samt belysa och förklara dess centrala begrepp. Vi kommer även att applicera dessa begrepp på vår egen undersökning.

5.1 Överlevnadsanalys

Överlevnadsanalys används för att mäta överlevnadstid. Då denna teknik utvecklades inom den medicinska forskningen har den oftast använts för att mäta tiden från exempelvis sjukdomsdiagnos till dödsfall. Detta behöver dock inte alltid vara fallet. Överlevnadstiden definieras som tiden mellan två specificerade händelser och kan lika väl användas för att mäta livslängden hos glödlampor, tiden från avslutade studier till att man blir anställd eller chansen att minska sin sjukskrivningsgrad givet att man får medverka i ett samverkansprojekt mellan Länsarbetsnämnden och Försäkringskassan (Klein och Moeschberger 1997 s. 1). Närmare bestämt kommer överlevnadstiden i vår undersökning mätas som tiden från mottaget fram till tidpunkten för avslutat ärende.

För att beskriva överlevnadstiden använder man sig av olika funktioner för att tydliggöra förloppet. I texten nedan låter vi (T) vara tiden fram till den specificerade händelsen, till exempel att individen avlider. Tiden från studiens startpunkt till händelsen mäts i t enheter.

Överlevnadsfunktionen, S(t), är den funktion som oftast och enklast används för att beskriva överlevnadstiden. Funktionen är konstant avtagande och har värdet 1 vid starten och slutar vid 0. (S(0) = 1, S(∞) = 0).

Ŝ(t) = P(T>t) är sannolikheten att en individ lever längre till tidpunkt t.

Ŝ(t) skattas genom:

Ŝ(t) =

en population i

individer antal

totalt

än tiden t längre

lever som individer antal

.

Medianöverlevnaden är den tidpunkt då hälften av individerna fortfarande lever, det vill säga S(t) = 0.5.

I våran studie har vi valt att definiera händelsen som den tidpunkt då individens sjukskrivningsgrad minskar. Det mest logiska hade kanske varit att betrakta behandlingen som lyckad när individen är helt friskförklarad. Att vi nöjer oss med den mildare definitionen beror på två skäl. Ett, gruppen sjukskrivna arbetslösa är som vi tidigare skrivit en väldigt svårjobbad grupp som ofta har en lång sjukskrivningsperiod bakom sig. Full arbetskapacitet är inte ett realistiskt mål för många av dem. Skäl nummer två är att minskad sjukskrivningsgrad ligger i linje med de direktiv Försäkringskassan fått från regeringen. I regeringens proposition (2002/03:89), ”Förändringar inom sjukförsäkringen för ökad hälsa i arbetslivet” kan man läsa att ”Deltidssjukskrivning bör enligt regeringens bedömning användas i ökad utsträckning”(2002/03:89, s.1).

5.1.1 Censurering

En stor fördel med att använda sig av överlevnadsanalys jämfört med andra statistiska metoder är att det ger möjlighet att använda sig av information från individer som inte utsätts för den specifika händelsen under studiens gång. Man har alltså inte tillgång till individens exakta överlevnadstid men vet att de överlevt till en viss tidpunkt. När en individ censureras innebär det att hon inte längre ingår i populationen. Därmed leder användandet av censurering till att färre patienter kommer ingå i riskgruppen. Detta medför att ett dödsfall som inträffar efter en censurerad observation kommer att representera en högre andel av den återstående

populationen än vad som vore fallet annars. Censureringen kan ske på en rad olika sätt. Vi kommer här att gå igenom de varianter som berör vår undersökning.

Den första varianten av censurering som vi använder oss av är Typ I och Typ II. Typ I censurering innebär att man på förhand har bestämt hur länge studien ska pågå och bara händelser som inträffar före denna tidpunkt tas med i undersökningen. Vid Typ II fortsätter studien till dess att en viss, förutbestämd, andel av stickprovet återstår (Klein och Moeschberger 1997 s.56, 59). Vår undersökning är upplagd på ett sådant sätt att den avslutas vid det datum då Försäkringskassan senast uppdaterat filen, 16 november, 2005. Det handlar alltså om en Typ I censurering.

Nästa variant är högercensurering. Vid högercensurering vet man att individen är vid liv, det vill säga ännu ej har haft den undersökta händelsen, vid en given tidpunkt. Individen ingår därför i undersökningpopulationen fram till och med denna tidpunkt för att sedan tas bort. Att det kallas för högercensurering beror alltså på att det är tiden efter, det vill säga till höger om censureringen som är osäker. Högercensurering kan bero på en rad omständigheter.

Exempelvis kan individen fortfarande vara vid liv när studien avslutas, hon kan hoppa av studien eller hon kan dö av en annan orsak än den som undersöks. I samtliga dessa fall blir individen högercensurerad (Klein och Moeschberger 1997 s.56f). I vår studie förekommer högercensurering av två skäl. Först och främst censureras alla de individer som ännu inte sänkt sin sjukskrivningsgrad vid studiens avslutande. Vidare blir de individer, som visserligen har kommit in i samverkan, men där Försäkringskassan efter en tid gör bedömningen att dessa inte är samverkansärenden också högercensurerade (i datamaterialet har de statusen Ej samverkan).

En annan vanligt förekommande form av censurering är så kallad generaliserad censurering.

Detta inträffar när individerna kommer in i studien vid olika tidpunkt (Klein och Moeschberger 1997 s.58f). Detta är fallet i vår undersökning. Den första individen tas upp i projektet 23 januari 2003 och den sista 16 november 2005, en skillnad på två och ett halvt år.

Eftersom varje individs startpunkt är dag 0, och inte till exempel 28 november, är detta inget problem.

∏

≤

⎥⎦

⎢ ⎤

⎣

−⎡

t

ti i

i

y 1 d 1 5.1.2 Trunkering

En annan utmärkande egenskap för överlevnadsanalyser är trunkering. Vid trunkering är det bara individer med vissa egenskaper som har möjlighet att ingå i stickprovspopulationen.

Övriga individer tas inte med i undersökningen. Några exempel på möjliga egenskaper kan vara att de exponerats för en sjukdom, uppnått en viss ålder eller flyttat till ett specifikt område. Precis som vid censurering talar man om vänster- och högertrunkering.

Högertrunkering inträffar när bara de individer som drabbats av den undersökta händelsen tas med i stickprovet (Klein och Moeschberger 1997 s. 64f). I vår undersökning använder vi oss av högertrunkering. Endast de individer som fått besked om att de ingår i samverkansprojektet har haft möjlighet att tas med i stickprovet.

5.2 Att beräkna överlevnadskurvor med censurerade data: Kaplan – Meier metoden

När man studerar data som innehåller censurerade data är Kaplan-Meier metoden det vanligast förekommande verktyget för att skatta överlevnadskurvor. Metoden lanserades år 1958 av Kaplan och Meier i artikeln Nonparametric estimation from incomplete observations (Klein och Moeschberger 1997 s.84).

Metoden bygger på Kaplan-Meiers product-limit estimator:

om t < ti

Ŝ(t) =

om t ≥ ti

Denna estimator kan te sig komplicerad men är i själva verket relativt lätt att räkna fram. Först tar vi fram hur många individer som riskerar att utsättas för den aktuella händelsen vid varje given tidpunkt. Det är alltså de individer som ännu inte avlidit, plus de individer som censurerats. Detta kan skrivas som: Yi = di - ci11

Nästa steg är att räknar ut den betingade överlevnadstiden. Det vill säga sannolikheten för att en individ överlever till en given tidpunkt förutsatt att de inte avlidit innan dess. Detta kan uttryckas som:

11 Yi= total antal individer vid tidpunkt i, di = antal individer som utsätts för händelsen vid tidpunkt i, ci= antal individer som censureras vid tidpunkt i.

[ ]

_⎟⎟

⎠

⎜⎜ ⎞

⎝

−⎛

=

≥

≥ ₋

i i i

i y

t d T t T

P ₁ 1

Avslutningsvis gäller det att räkna ut den obetingade överlevnadstiden, P

(

T >ti

)

. Denna ges av den kumulativa produkten av de betingade överlevnadstiderna:

∏

< ⎥

⎦

⎢ ⎤

⎣

⎡

⎟⎟⎠

⎜⎜ ⎞

⎝

−⎛

t

t i

i

i y

1 d

Därmed har vi fått fram product-limit estimatorn, Ŝ(t)=

∏

< ⎥

⎦

⎢ ⎤

⎣

⎡ ⎟⎟

⎠

⎜⎜ ⎞

⎝

−⎛

t

t i

i

i y

1 d

För att förtydliga processen presenterar vi följande fiktiva exempel:

Tabell 5: Resultat av fiktiv exempel

Tid (ti) Antal händelser (di) Antal i populationen som riskerar händelsen (yi)

Product – Limit estimatorn

S(t)= ∏

< −

⎥⎥

⎦

⎤

⎢⎢

⎣

⎡

⎟⎟⎠

⎞

⎜⎜⎝

⎛

i t

t yi

di 1

6 3 21 [1- 3/21] = 0,857

7 1 17 [0,857](1-1/17) = 0,807

10 1 15 [0,807](1-1/15) = 0,753

13 1 12 [0,753](1-1/12) = 0,690

16 1 11 [0,690](1-1/11) = 0,628

22 1 7 [0,628](1-1/7) = 0,538

23 1 6 [0,538](1-1/6) = 0,448

Källa: Handout från föreläsning 2005-10-12

Resultatet av product-limit estimatorn redovisas normalt sätt som en kurva där man lätt kan läsa av sannolikheten att överleva fram till en viss händelse. Med utgångspunkt i exemplet ovan kan vi skatta följande överlevnadskurva.

Figur 1: Överlevnadskurva för vår fiktiva undersökning

överlevnadstid i exemplet

Percent

25 20

15 10

5 0

100 90 80 70 60 50

Table of Statistics M ean 17,7558

M edian 23

IQ R *

Nonparametric Survival Plot for överlevnadstid i exemplet Censoring Column in C15

Kaplan-Meier Method

Källa: Egen bearbetning av tabell 5

5.3 Att jämföra överlevnadskurvor

När man genomför en studie är man intresserad av att se om det finns en signifikant skillnad i överlevnadstid mellan en eller flera grupper. Här kommer vi att presentera ett test av skillnaden mellan två grupper. Principen bakom testet är att jämföra skillnaderna mellan antalet döda och förväntat antal döda i respektive grupp. Därefter testas om denna skillnad är slumpmässig eller inte. Testet bygger på den kumulativa hasardkvoten.

Hasardkvoten, h(ti), mäter sannolikheten att en individ dör inom ett visst intervall givet att individen har överlevt fram tills dess. Av naturliga skäl är h(ti) alltid större än eller lika med noll (Klein och Moeschberger 1997 s.27).

( ) ( [ ] ) ( )

t

t T t t T t P t

t t t P

h t

i t

i ∆

≥

∆ +

<

= <

∆

∆

= +

→

→ ∆

∆ 0

i i

0

, lim t inom dör , t till fram levt som individ

lim

en

h(t) skattas:

[ ]

t intervalle i

risktid total

t t t, t intervalle i

dör som individer antal

^ +∆

= h

^

5.3.1 Hypotestest

Nollhypotesen är att hasardkvoterna är lika för bägge grupperna, mothypotesen är följaktligen att det finns en skillnad.

Grupperna delas in i 1 och 2, händelsetiderna rangordnas: t1<t2<…<td. Vi tar fram:

(

_i

)

2 1

t tidpunkt d

avlider vi som

individer antalet

a sammanlagd

∑

det

=

=

j ij

i d

d

(

_i

)

2 1

t tidpunkt vid

a riskutsatt är

som en population i

individer antal

det totala

∑

=

=

j ij

i Y

Y

Givet att nollhypotesen är sann ska med andra ord P(avlida vid ti) =

i i

Y d .

Förutom variablerna ovan ingår det även en viktfördelningsvariabel, Wj(ti) i teststatistikan.

Detta medför att olika grupper eller vissa tidsintervall kan tillskrivas olika tyngd. Vanligast är att alla grupperna använder en gemensam beräkning av viktfördelningen, Wj(ti) =YijW(ti) (där W(ti) är den gemensamma viktfördelningen) (Klein och Moeschberger 1997 s.191ff).

För att testa skillnaden mellan två grupper kan man använda följande teststatistika:

( )

∑ ( )

∑

⎟⎟⎠

⎜⎜ ⎞

⎝

⎛

−

⎟⎟ −

⎠

⎜⎜ ⎞

⎝

⎛ −

⎥⎦

⎢ ⎤

⎣

⎡ ⎟⎟

⎠

⎜⎜ ⎞

⎝

− ⎛

=

=

i i

i i i i i

i i D i

i i i i i

Y d d Y Y Y Y

t Y W

Y Y d d t W Z

1 ¹ 1

1 2

1 1 1

Denna statistika är normalfördelad när H0 är sann (Klein och Moeschberger 1997 s. 193).

Nollhypotesen förkastas på α signifikansnivå om Z ≠ Zα.

Som vi ser i teststatistikan beror resultatet på vilket värde man väljer på W(ti). Nedan kommer vi att gå igenom två av de vanligaste fördelningarna och de test som det ger upphov till, Log- Rank och Wilcoxon.

Vid Log-Ranktest tillskrivs alla individer samma vikt, W(ti)=1 för alla i. Problemet med att använda sig av denna fördelning är att individer med ovanligt lång överlevnadstid får stor tyngd och kan därmed påverka resultatet oproportionerligt mycket. Wilcoxontestet å sin sida fördelar vikten enligt antalet individer som utsätts för risk vid varje tidpunkt, W(ti)=Yi för alla

H0: h1(t) = h2(t) H1: h1(t) ≠ h2(t)

För alla värden på t

i. Detta medför att individer som avlider tidigt ges större tyngd (Klein och Moeschberger 1997 s. 193f).

Vilket test som är bäst att använda beror på hur datamaterialet ser ut. Log-Ranktestet har störst power om skillnaderna mellan grupperna är konstant. Wilcoxontestet ger bäst resultat om skillnaden är störst i början, testets power minskar när antalet censurerade fall ökar.

6. Undersökning

I vår undersökning har vi alltså två grupper som båda utsätts för en viss behandling, men skillnaden är att den ena gruppen kommer att ha en fördröjning på igenomsnitt 20 dagar. I vårt fall är behandlingen detsamma som medverkan i samverkansprojektet mellan Försäkringskassan och Arbetsförmedlingen. Det vi undersöker är behandlingseffekten på utgångsstatus. Det vill säga, har behandlingen någon effekt på huruvida en person efter avslutad behandling har minskat sin sjukskrivningsgrad? Startdatum är tidpunkten då individen får besked om att han/hon är aktuell för samverkan (mottaget). Vår hypotes är att den skillnad i tid som fördröjningen till påbörjad behandling innebär, ska avspeglas i kurvornas utseende. Vi bör se en tidigare effekt för feb/april-gruppen, vilket skulle innebära att deras kurva börjar falla tidigare än juni/juli-gruppen kurva. Efter fördröjningen på i genomsnitt 20 dagar bör vi se att juni/juli-gruppen kurva också börjar falla och att de sedan parallellt följs åt. Vid ett ”perfekt” fall skulle effekten bli som i diagrammet nedan. Vi har här utgått från exemplet i kap.5.3 och till den lagt en kontrollgrupp. Individerna i kontrollgruppen har sedan ”drabbats” av händelsen 10 tidsenheter senare än exempelgruppen.

Figur 2: Överlevnadskurvor vid diffrentierad behandlingsstart

T id

Procent

35 30 25 20 15 10 5 0 100

90 80 70 60 50

Variable överlevnadstid

överlevnadstid vid fördröjning

Överlevnadstider vid differentierad behandlingsstart

Kaplan-M eier M etho d

Källa: Egen bearbetning av tabell 5

6.1 Resultat

En körning av datamaterialet i statistikprogrammet Minitab ger följande resultat.

Figur 3: Överlevnadstid för februari/april- och juni/juligruppen

Tid (dagar)

Procent

700 600 500

400 300 200 100 0

100 90 80 70 60 50 40 30 20

Table of Statistics 173 Mean Median IQ R 390,237 375 208 382,136 382

Variable

tid för feb/aprilgruppen tid för juni/juligruppen

Nonparametric Survival Plot för skillnaden mellan feb/april och juni/juli Censurerar fall som inte avlsutats

Kaplan-Meier Metod

Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

Variabel: tid för feb/aprilgruppen

Censoring Information Count Uncensored value 31 Right censored value 84

Variabel: tid för juni/juligruppen

Censoring Information Count Uncensored value 19 Right censored value 99

Utifrån kurvorna kan vi se att det tar mellan 50 och 100 dagar innan behandlingen har någon effekt. Detta tror vi till stor del beror på att människor som vet att de inom kort kommer att få hjälp med sin sjukdomssituation inte känner motivation att göra något på egen hand innan behandlingen börjar. Kurvorna ovan visar dock inte det vi hade hoppats på. Vi ser att andelen individer som har minskat sin sjukskrivningsnivå, åtminstone i början av perioden, är lägre för februari/aprilgruppen. Det verkar alltså finnas en fördröjning för kontrollgruppen, men det är en fördröjning i storleksordningen 100 dagar och inte de 20 som vi förväntade oss. Denna skillnad är inte heller bestående. Efter cirka 220 dagar går kurvorna ihop och följer sedan varandra hela vägen. Vi kan alltså inte se den behandlingseffekt vi hade hoppats på.

Möjligtvis kan man se en svag evidens för en behandlingseffekt i början av samverkan. Det räcker dock inte att bara en punkt på kurvan tycks visa det vi vill se för att vi ska kunna säga att det finns en skillnad mellan de bägge grupperna.

Den effekt vi sett i figuren ovan försvinner dessutom när vi tar med 95%-iga konfidensintervall i analysen.

Figur 4: Överlevnadstid inklusive 95%-iga konfidensintervall för februari/april- och juni/juligruppen

Tid (dagar)

Procent

700 600 500

400 300 200

100 0

100

80

60

40

20

0

Table of Statistics

173 Mean Median IQ R 390,237 375 208 382,136 382

Variable

tid för feb/aprilgruppen tid för juni/juligruppen

Nonparametric Survival Plot för skillnaden mellan feb/april och juni/juli Censurerar fall som inte avlsutats

Kaplan-Meier metoden - 95% Konfidensintervall

Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

När vi sedan ställer upp ett hypotestest enligt metoden i kap. 5.3.1 blir bilden ännu tydligare.

Vår nollhypotes är att det inte föreligger någon skillnad mellan grupperna. Om vi använder oss av log-ranktestet får vi fram ett p-värde på 0,555. Skillnaden är ickesignifikant, vi kan inte förkasta nollhypotesen. Använder vi istället vikterna i Wilcoxontestet får vi ett p-värde på 0,184. Wilcoxonvärdet är lägre än log-ranktvärdet men är likväl ickesignifikant på både 90- och 95-procentsnviån. Nollhypotesen står sig även här. Att Wilcoxontestet ger ett lägre p- värde ligger helt i linje med vad vi förväntat oss. Som vi skrivit ovan har detta test sin största styrka om skillnaden mellan grupperna är störst i början.

7. Varför?

Resultatet blev alltså inte vad vi hade förväntat oss. Vi kan inte se att det finns en behandlingseffekt, dvs. att rehabiliteringen har någon effekt för dem som deltar i samverkan.

Hur kommer sig detta? Är det vi som gjort fel eller är behandlingen de facto betydelselös?

7.1 Urvalsproblem?

Vår första fundering var att resultatet beror på att vårat urvalsförfarande inte var så bra som vi trott. Tanken var att slumpmässigheten vad gäller sannolikheten att bli utvald till projektet i februari/april eller juni/juli även borde göra att de individspecifika egenskaperna blev jämnt fördelade i de bägge grupperna. Om detta inte är fallet, utan vi har ett selektionsproblem, kan vi inte jämföra grupperna med varandra. För att kontrollera för detta tar vi fram deskriptiva data för behandlings- och kontrollgruppen samt för alla de individer som ingått i projektet.

Den första individspecifika egenskap vi tittar på är kön. I Försäkringskassans egen utvärdering av projektet fann man att 23 procent av kvinnorna som ingått i samverkan i Uppsala län till och med oktober 2004 gått vidare till arbete eller utbildning. Motsvarande siffra för männen var 27 procent. Ett liknande mönster kunde även ses när man undersökte hela riket (Algotsson mfl 2004, s.18). Om männen i högre utsträckning blev hjälpta av samverkan borde en ojämn könsfördelning mellan vår behandling- och kontrollgrupp kunna påverka utfallet för grupperna och därmed skapa problem vid en jämförelse. Så här ser fördelningen ut

Tabell 6: Deskriptiv statistik över könsfördelningen i feb/april- respektive juni/juligruppen februari /april juni/juli

Kön

Antal % Antal %

Man 44 38,3 52 43,7

Kvinna 71 61,7 67 56,3

Totalt 115 100 119 100

Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

Som vi ser råder det en viss snedfördelning. Vår februari/aprilgrupp har en lägre andel män, 38,3 procent, jämfört med juni/juligruppens 43,7 procent. Om resultatet från Försäkringskassans tidigare utvärdering av projektet fortfarande gäller, det vill säga att män i högre utsträckning hjälps av samverkan, borde denna skillnad göra att överlevnadskurvorna hamnar närmre varandra. Detta kan vara en av förklaringarna till resultatet vi ser i överlevnadsanalysen. Om vi jämför med könsfördelningen för hela samverkansprojektet ser vi att juni/juligruppen har en något sned fördelning. Förhållandet i februari/aprilgruppen är däremot i det närmaste likvärdig med den totala fördelningen.

Tabell 7: Deskriptiv statistik över könsfördelningen för hela samverkansprojektet Totalt i projektet

Kön

Antal %

Man 296 39,8

Kvinna 448 60,2

Totalt 744 100

Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

Nästa egenskap vi väljer att titta på är hur länge individerna varit sjukskrivna fram tills de blir upptagna i projektet. En rad utredningar har pekat på vikten av att så tidigt som möjligt få in den sjukskrivne i ett rehabiliteringsprogram. Desto längre en person varit sjukskriven, desto längre från arbetsmarknaden torde individen stå. Därmed borde även rehabiliteringen försvåras. Det blir helt enkelt svårare att få in personen i arbete igen (Eklund mfl 2005, s.

278f).

Om vi börjar med att titta på statistiken för hela samverkansprojektet ser vi att deltagarna generellt har varit sjukskrivna under en längre tid. Medelvärdet är på 782,5 dagar, det vill säga ungefär 26 månader. Medianvärdet är visserligen något lägre, 665 dagar. Noterbart är att standardavvikelsen är relativt stor vilket tyder på en stor spridning inom gruppen.

Tabell 8: Deskriptiv statistik över längd på sjukskrivning (dagar) Grupp Antal

obs.

Medelvärde Standardavvikelse Minimum Median Maximum Hela

projektet

744 782,5 587,0 3 665 5418

Februari/april 115 779,1 582,6 64,0 714 4051

Juni/juli 119 839,1 586,8 62,0 710 3084

Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

Av dessa siffror kan vi avläsa att det verkar finns en viss skillnad i sjukskrivningstid mellan behandlings- och kontrollgruppen. Medelvärdet för antalet sjukdagar är 779 för februari/aprilgruppen och 839 för juni/juligruppen. Antalet dagar i sjukskrivning är alltså i genomsnitt 60 dagar fler för kontrollgruppen än för behandlingsgruppen. Denna skillnad anser vi dock inte kan förklara den uteblivna behandlingseffekten. Dels är 60 dagar en relativt liten skillnad, dels är medianvärdet något lägre för juni/juligruppen. Den främsta orsaken till att vi inte ser denna skillnad som förklaring till det uteblivna resultatet är att en genomsnittligt

längre sjukskrivningstid för vår kontrollgrupp snarare borde förstärka differensen mellan grupperna, inte föra de närmre varandra.

Nästa egenskap vi kontrollerar för är ålder. För hela samverkansprojektet ser vi att medelåldern och medianvärdet i det närmsta är identiskt på 41 år. Samma data för våra stickprov visar att de tycks reflektera ålderssammansättningen för hela projektet. Vår juni/juligrupp har en medelålder på 41,31 år medan samma siffra för februari/april är 41,68 år.

Differensen är med andra ord obetydlig. Det samma gäller för medianåldern som är 42 år i februari/april, att jämföra med 41 år juni/juli. Inte heller här finner vi avvikelser mellan grupperna som skulle kunna förklara våra resultat.

Tabell 9:Deskriptiv statistik över åldersfördelningen (år) Grupp Antal

obs.

Medelvärde Standardavvikelse Minimum Median Maximum Hela

projektet

744 41,6 9,6 21,0 41,0 63,0

Februari/april 115 41,7 9,1 23,0 42,0 63,0

Juni/juli 119 41,3 9,8 21,0 41,0 60,0

Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

Till sist kontrollerar vi vilken typ av diagnos som individerna i stickprovet har. Här finner vi att grupperna skiljer sig en del från varandra. Att diagnosgrupperna inte är exakt fördelade mellan vår behandlings- och kontrollgrupp skulle naturligtvis kunna förklara det uteblivna resultatet när vi jämför våra överlevnadskurvor. Det menar vi inte är fallet här. Dessa avvikelser är som vi visar inte speciellt stora utan ligger alla inom intervallet 0,7% - 5,6%

(eller om man räknar i individer, mellan 1 – 6 stycken). Därmed torde de inte heller påverka utfallet i någon större utsträckning.

Tabell 10: Deskriptiv statistik över diagnosfördelningen för vårt stickprov

Februari/april Juni/juli Diagnos

Antal i % Antal i %

Psykiska diagnoser 60 52,2 52 43,7

Somatiska diagnoser 42 36.5 48 40,3

Övriga diagnoser 13 11,3 19 16,0

Totalt 115 100 119 100 Källa: Egen bearbetning av Försäkringskassans uppföljningsfil

Om vi jämför med diagnosfördelningen för hela samverkansprojektet som presenteras i kap.4 ser vi att vårt urvalsförfarande tycks ha fungerat väl.

7.2 Brister i vår undersökning?

Om vårt resultat inte kan förklaras av selektionsproblem som gjort att vår behandlings- och kontrollgrupp inte är jämförbara med varandra, vad är det då som gör att resultatet inte blir vad vi förväntar oss? Finns det brister i vår undersökning?

Det största problemet är att vi har varit tvungna att anpassa vår undersökning till ett dataunderlag som på många sätt varit tämligen begränsat. Mellan starten av projektet i början av år 2003 och vår studies slut i november år 2005 har totalt 744 individer ingått i samverkan.

Av dessa har 393 ärenden även kommit att avslutas. Den främsta anledningen till att det är få avslutade fall, är att projektet inte har pågått särskilt lång tid. Vid projektets start hade man som mål att den sjukskrivne skulle rehabiliteras inom sex månader. Detta mål visade sig som vi tidigare skrivit vara alltför optimistiskt. Nu är det istället 12 månader som gäller som mål.

Av de 393 fallen utgör dessutom ca 30 procent individer som fått statusen ej samverkan. Att denna andel är så pass stor bör bero på vissa brister i urvalsförfarandet från Försäkringskassans sida. Detta är dock något som verkar ha förbättrats under samverkansprojektets gång. År 2004 mottogs 70 fall till samverkansprojektet som sedan kom att bli ej samverkan. Fram till i november 2005 var motsvarande siffra bara 35. Av projektets 744 individer är det alltså endast 275 personer eller 39,7 procent som vid våran studies avslut fullföljt projektet. Detta är ett faktum som påverkar hur mycket vikt vi kan lägga bakom våra resultat.

Att vi väljer att skapa vår behandlings- och kontrollgrupp efter vilken månad deras ärenden mottas hos Försäkringskassan skapar också vissa problem. De individer som blivit utvalda i juni och juli 2005 har bara varit med i projektet fram till mitten av november, d.v.s. maximalt fem månader. Detta innebär att chansen att de ska ha minskat sin sjukskrivningsgrad vid vår studies slut är mycket lägre än för de individer som blivit utvalda i mars och april 2005. Detta ser vi också när vi tittar på underlaget till våra Kaplan-Meier kurvor. I juni/juligruppen är 99 av 119 dvs. ca 83,2 procent individer högercensurerade. För februari/april är samma siffror 84 av 115 eller ca 73 procent. Alla dessa censureringar beror inte på den korta behandlingstiden men det är likväl ett faktum som gör att vi bör vara försiktiga med vilka slutsatser vi drar.

7.3 Ingen effekt av rehabilitering?

Kan det vara så att arbetslivsinriktad rehabilitering rent generellt fungerar mycket dåligt? Har den normalt sett ingen effekt över huvud taget? Vi har egentligen ganska begränsade

kunskaper om den arbetslivsinriktade rehabiliteringen, trots att den pågått under många år och varit föremål för ett stort antal utredningar. Grunderna för dagens rehabiliteringsverksamhet inom socialförsäkringen lades redan under 1980-talet. Då var efterfrågan på arbetskraft större och den långa sjukfrånvaron var lägre. Under det förra decenniet skedde stora förändringar på arbetsmarknaden och mot slutet av 90-talet började sjukfrånvaron öka kraftigt. Det har blivit svårare för personer med hälsoproblem att behålla sitt arbete eller att få ett arbete.

Förutsättningarna för att bedriva en framgångsrik arbetslivsinriktad rehabilitering har sålunda drastiskt ändrats (Eklund mfl 2005, s. 271). Hur effektiv är egentligen arbetslivsinriktad rehabilitering? I en debattartikel hävdade sociologiprofessorn Antoinette Hetzler (2004) att rehabilitering ofta är bortkastade pengar. Ett då nyligen avslutat forskningsprojekt vid Lunds universitet visade att samordnad arbetslivsinriktad rehabilitering innebär både längre sjuskrivningsperioder och större andel förtidspensioneringar. De individer som genomgått rehabilitering har enligt studien fått sämre möjlighet att återgå till arbete. Studien visade att av dem som fick arbetslivsinriktad rehabilitering under det tidiga 90-talet gick 63 procent tillbaka till arbete mot 60 procent för dem som inte fick rehabilitering. Ett decennium senare är det endast 35 procent av dem som genomgår en rehabilitering för att återfå sin arbetsförmåga som återgår till arbete jämfört med 53 procent av dem som inte har fått någon rehabilitering. Dessutom har sjukskrivningslängden för dem som får arbetslivsinriktad rehabilitering ökat kraftigt. I början av 90-talet var genomsnittlig tid 198 dagar för samtliga och 314 för dem som fick rehabilitering. Motsvarande siffror 10 år senare var 376 respektive 724 dagar. Det var dessutom mycket vanligare att de i den senare populationen som fått arbetslivsinriktade rehabilitering avslutade sin sjukskrivning med förtidspension. I studien ställer man frågan om de individer som genomgår en rehabilitering kan räkna med både en längre sjukskrivning och större sannolikhet att sluta som förtidspensionär? Skulle inte dessa personer ändå ha haft längre sjukskrivningar och större sannolikhet att förtidspensioneras?

Hetzler menar att i det första fallet så är arbetslivsinriktad rehabilitering skadlig, och i det andra fallet meningslös. Är det så att man väljer ut fel personer till rehabilitering? Enligt Hetzler är det sannolikt att många av individerna skulle ha identifierats som förtidspensionsfall redan innan de sattes i rehabilitering. Hur mycket ligger det då i det som Hetzler säger på DN debatt? Det är naturligtvis svårt för oss att svara på. Dock vet vi att de flesta studier som jämför resultaten mellan dem som genomgått arbetslivsinriktad rehabilitering med dem som inte gjort det, visar resultat som är mycket nedslående (Eklund mfl 2005, s. 285). Detta beror förmodligen till stor del på att det är just sjukskrivna med stora behov som blir föremål för åtgärder. Det finns ett mycket starkt inslag av selektion i

rehabiliteringsverksamhet. Det beror naturligtvis på att det sker ett urval av långtidsarbetslösa som får arbetslivsinriktad rehabilitering som beror bland annat på sådana faktorer som exempelvis ålder, yrke, diagnos och sjukskrivningslängd. Det kan vara detta faktum som avspeglas i de negativa resultaten (Eklund mfl 2005, s. 272).

8. Sammanfattande diskussion

Vi har ovan försökt ta upp några möjliga orsaker till att vi inte kunde finna någon behandlingseffekt i vår studie. Det skulle i och för sig helt enkelt kunna vara som till exempel Hetzler hävdar i sin debattartikel; att den arbetslivsinriktade rehabiliteringen ofta är bortkastade pengar. Dock kan man misstänka att en av förklaringarna till det sämre utfallet av arbetslivsinriktad rehabilitering under 2000-talet är den svaga utvecklingen på arbetsmarknaden. En faktor som skulle kunna tänkas påverka vårt resultat i negativ riktning kan hänga samman med ett annat problem som Hetzler adresserar i sin debattartikel, nämligen att den arbetslivsinriktade rehabiliteringen sätts in allt senare. I början av 90-talet sattes åtgärder i form av exempelvis arbetsträning och utbildning in betydligt tidigare än vad som är fallet ett decennium senare. Det framgick av den deskriptiva statistiken ovan att den genomsnittliga individen i samverkan varit sjukskriven i drygt två år. Det tycks som om den dominerande uppfattningen är att tidiga insatser är viktiga för ett positivt utfall av rehabiliteringen. Med tanke på att det i samverkansfallet i huvudsak är frågan om sjukfall som pågått under lång tid innan de blir aktuella för särskilda insatser ska man kanske förvänta sig ett sämre utfall.

Rehabiliteringsverksamhet kännetecknas till viss del av otydlighet, vilken bland annat kommer sig av att flera olika aktörer är iblandade. Konsekvensen av denna inbyggda otydlighet gör att verksamheten ofta är svår att utvärdera. Den starka selektion som finns i verksamheten kan göra det besvärligt att mäta effekterna av rehabiliteringen. Resultaten påverkas negativt av att det ofta sannolikt är de svåraste fallen som får ta del av någon åtgärd.

Den negativa effekten förstärks dessutom av att åtgärder i många fall sätts in relativt sent samt att syftet bakom åtgärden kan vara ett annat än återgång i arbete (Marklund mfl 2005, s. 272).

Det är alltså framförallt selektionen som ställer till problem vid utvärderingen av arbetslivsinriktad rehabilitering. Vi kunde i vår egen undersökning inte påvisa någon behandlingseffekt. Detta betyder dock inte att någon sådan effekt inte skulle existera. Snarare betyder det att givet de förutsättningar och begränsningarna som vår undersökning är behäftad med kan vi inte konstatera någon behandlingseffekt. Till dessa begränsningar, som vi

diskuterat ovan, hör dock inte något selektionsproblem. Tvärtom menar vi att designen på vår undersökning löser selektionsproblemet och att detta också är styrkan med hela upplägget.

Problemet är i första hand det magra urvalet. Detta hänger samman med att samverkan kring sjukskrivna arbetslösa är ett relativt nytt projekt. Att det kom igång först under hösten 2003 och att behandlingstiden för varje individ har angetts till 12 månader är två anledningar till att vi har så få avslutade fall att jobba med. Säg då att vi upprepar vår undersökning om sex månader. De fall som påbörjades under sommaren 2005 borde då vara avslutade.

Samverkansprojektet präglades också inledningsvis av vissa barnsjukdomar vad gäller det praktiska urvalet – det är uppenbart att många hamnade i samverkan trots att förtidspension hade varit det naturliga (förmodligen sågs samverkan som ett sätt att bli av med ”besvärliga”

fall som länge blivit liggande). Urvalsförfarandet har under 2005 blivit bättre, vilket tyvärr inte fått något större genomslag i vår undersökning eftersom dessa fall i stor utsträckning fortfarande är pågående. Tack vare att urvalsförfarandet har förbättrats borde vi i en framtida upprepning av vår undersökning ha mindre problem med att många försvinner i urvalsgruppen p.g.a. ej samverkan. Vi tror att vår undersökning då skulle kunna ge en betydligt säkrare skattning av en eventuell behandlingseffekt. Detta grundar vi på följande:

- vi borde inte ha problem med selektion

- slumpen avgör vilken månad som ditt ärende blir ett samverkansärende

- ett större urval i respektive grupp borde göra grupperna mer samstämmiga vad gäller exempelvis variabler såsom längd på sjukskrivning och diagnos, d.v.s. ju fler individer i urvalet ju mer lika torde grupperna bli

- ett större urval borde minska effekterna av eventuella extremfall.

Ett någorlunda stort urval, med färre censureringar p.g.a. ej samverkan, där grupperna är identiska så när som på den fördröjning som sker under sommaren borde kunna påvisa en behandlingseffekt om en sådan faktiskt existerar.

Det sker ofta en stark selektion av långtidssjukskrivna, olika grupper erbjuds rehabilitering i olika utsträckning. I fallet med samverkan är det de individer ur gruppen sjukskrivna arbetslösa som bedöms vara de relativt sett enkla fallen, som kommer ifråga för arbetslivsinriktad rehabilitering. Detta förhållande är en skillnad mot vad som är det normala, då de svåraste fallen vanligtvis är de som kommer ifråga för arbetslivsinriktad rehabilitering.

Man ska komma ihåg att chansen att dessa individer spontant skulle återgå i arbete är liten – ett av urvalskraven är ju just att individen bedöms vara i behov av en åtgärd för att kunna återgå till arbetsmarknaden. Av denna anledning är det vettigt att rikta åtgärder mot denna