Hvor store forskelle er der i omkostningseffektiviteten mellem velgørende tiltag?

Velgørenhedsevaluatoren GiveWell estimerer, at det er muligt at redde et liv for omtrent 20.000 kr til 37.000 kr. gennem et af deres anbefalede programmer.¹1.GiveWell (2024) "How much does it cost to save a life" (Hentet: 22.8.2024). Samtidig fastsatte Finansministeriet værdien af et statistisk dansk liv til 34 millioner kroner.¹1.Finansministeriet (2019) "Dokumentationsnotat om værdien af statistisk liv og værdien af leveår " (Hentet: 12.9.2025).

Det kan være op til 1.700 gange dyrere at redde et liv i Danmark sammenlignet med i et lavindkomstland. Helt generelt er sundhedstiltag i lavindkomstlande langt mere omkostningseffektive end i højindkomstlande.

Sammenligner man kun forskellige tiltag inden for lavindkomstlande, vil forskellene ikke være lige så store, men stadig betydelige. Sådanne forskelle har fortsat stor betydning for den effekt, det er muligt at opnå per krone, vi vælger at donere til velgørende formål. I det følgende ser vi nærmere på de faktiske forskelle i omkostningseffektivitet mellem forskellige sundhedsfremmende tiltag i lavindkomstlande.

Data om omkostningseffektivitet for tiltag inden for global sundhed bygger her på et centralt studie om prioritering af sygdomskontrol i udviklingslande fra 2006¹1.Jamison et. al (2006) "Disease Control Priorities in Developing Countries", Washington, DC: World Bank and Oxford University Press . Dette studie indsamlede information om 107 programmer, der spændte fra meget indgribende tiltag, såsom operationer, til mere forebyggende tiltag, som vaccinationer.

Omkostningseffektivitet beregnes ud fra, hvor meget sygdom og for tidlig død et tiltag forhindrer i forhold til, hvad det koster at gennemføre. Den gennemsnitlige omkostningseffektivitet for alle tiltagene er 23 DALYs¹1.

DALY betyder leveår justeret for funktionsnedsættelse, og én DALY repræsenterer tabet af ét leveår i fuld sundhed. DALYs bruges til at beskrive sygdomsbyrden gennem antallet af år tabt til sygdom eller for tidlig død.

undgået per $1.000 investeret, mens medianen kun er fem DALYs per $1.000. Blandt de allerbedste tiltag - de øverste 2,5% - er den gennemsnitlige omkostningseffektivitet derimod 250. Det er over 10 gange højere end gennemsnittet og mere end 50 gange højere end medianen.

Tilsvarende forskelle i omkostningseffektivitet er også blevet fundet inden for klimatiltag til reduktion af drivhusgasudslip, samt uddannelsestiltag i lav- og mellemindkomstlande.

Det er ofte mere retfærdigt at sammenligne de allerbedste tiltag med gennemsnittet end at sammenligne dem med medianen eller de dårligste. Hvis man sammenligner de bedste tiltag med de dårligste, bliver de bedste nærmest uendeligt meget mere omkostningseffektive. Mange donorer og bistandsaktører vil derimod frasortere de åbenlyst dårlige tiltag og i stedet vælge blandt de bedre.

Hvis vi skal sammenligne de allerbedste tiltag med tiltag, hvor vi ikke ved, hvor de ligger på grafen, er det også bedst at bruge gennemsnittet som et tilfældigt gæt. Det vil sige, at vi antager, at donorer også tilfældigt kan have valgt blandt de allerbedste tiltag. Gennemsnittet kan dog være påvirket af ekstreme værdier, og i dette tilfælde vil de allerbedste tiltag trække gennemsnittet op.

Det er sandsynligt, at statistikken overdriver de reelle forskelle mellem forskellige tiltag. Selv om de bedste 2,5 % af tiltag inden for global sundhedsfremme er 52 gange mere omkostningseffektive end medianen, betyder det ikke nødvendigvis, at man kan udrette 52 gange mere, hvis man skal vælge tiltag i dag.

Det skyldes blandt andet, at studiet ser bagud i tid og ikke altid giver et retvisende billede af fremtidige resultater. Det kan være, at flere tiltag ser lige lovende ud, men at kun nogle få faktisk lykkes, så de store forskelle først bliver tydelige, når man ser tilbage i tid.

Et fremadskuende blik på forskelle i omkostningseffektivitet må derfor vurderes sammen med de mulige måder, hvorpå data kan over- eller undervurdere disse forskelle.

Studier måler ofte ikke alle udfald af forskellige tiltag. Den omtalte undersøgelse bruger DALYs, hvilket giver relativt lidt indsigt i, hvordan sundhedstiltag kan påvirke andre dele af samfundet. Et tiltag kan for eksempel også påvirke sundhedsinfrastrukturen i et land ved at modvirke statslige investeringer eller ved at uddanne mere sundhedspersonale. Sådanne bieffekter, som ikke fanges i tallene, kan være vigtige, hvis de er store. Et tiltag kan virke dyrt at implementere, hvis man kun vurderer sundhedseffekterne, men kan være rimelig omkostningseffektivt, hvis man også ser på de bredere effekter af tiltaget. Det kan blandt andet antages, at gode organisationer skaber flere positive mereffekter. For eksempel har GiveDirectly udført meget forskning i deres arbejde med forskellige metoder til at uddele kontantoverførsler, som igen har informeret bredt inden for international fattigdomsbekæmpelse.

Studier er også ofte vanskelige at generalisere til andre kontekster i fremtiden. Derudover er det sådan, at hele 20–50 % af studier ikke kan replikeres, afhængigt af fagfelt og metode. Hvis man tager højde for den slags mulige fejl i estimaterne, peger det på et fænomen kaldet "regression mod gennemsnittet". Dette beskriver, hvordan de allerbedste tiltag kan virke bedst baseret på held. Når et udvalg af en tilfældig variabel er ekstremt, vil det næste udvalg af samme tilfældige variabel sandsynligvis ligge tættere på gennemsnittet.

Det betyder, at den målte effekt af et tiltag både er påvirket af dets sande effekt, men sandsynligvis også af tilfældig variation. Et tiltag, der ser ud til at virke meget godt, kan virke sådan, fordi dets sande effekt er meget stor, eller fordi andre faktorer tilfældigvis faldt heldigt ud. Denne virkning kan være betydelig, og det kan betyde, at fremtidige målinger af de bedste tiltag viser lavere omkostningseffektivitet. Af samme grund kan tiltag, der virker dårlige, også vise sig at være mere omkostningseffektive i fremtiden.

At fokusere på de allerbedste tiltag er heller ikke altid mest hensigtsmæssigt, selv om de kan være blevet grundigt undersøgt. Det skyldes, at de kan være utilgængelige. Antag for eksempel, at 1% af aktørerne inden for international udviklingsbistand arbejder evidensbaseret og derfor er fokuseret på de allerbedste 1% af tiltagene. Jo mere finansiering, der går til de bedste tiltag, jo mindre effektive vil de sandsynligvis være på marginen over tid. Derfor er der ikke nødvendigvis et direkte forhold mellem, hvad der historisk set har været de allerbedste tiltag ifølge forskningen, og hvad der er de bedste tiltag i dag.

Nogle organisationer implementerer de samme tiltag bedre end andre, hvilket kan øge forskellene i omkostningseffektivitet mellem organisationer. Dette kan udgøre mindre forskelle, hvis man antager, at donorer kan frasortere de åbenlyst dårligste organisationer. Men i nogle tilfælde kan det skabe større forskelle, især når det drejer sig om komplekse tiltag, der kræver en omhyggelig implementeringsproces, hvor hele indsatsen kan mislykkes, hvis ikke alle trin på vejen udføres korrekt.

At implementere det samme tiltag i forskellige geografiske kontekster kan også påvirke omkostningseffektiviteten. Dødstallene fra malaria i Burkina Faso er for eksempel fem gange højere end i Kenya og 50 gange højere end i Indien. Med et tiltag som myggenet vil fordelene ved indsatsen derfor være proportionale med infektionsrisikoen, hvilket igen skaber en tilsvarende forskel i omkostningseffektivitet.

Der kan findes mange tiltag internationalt, som ikke bliver vurderet, enten fordi man ikke forventer interessante resultater, eller på grund af mangel på økonomisk støtte. Derfor kan donorer antage, at de tiltag, der faktisk er blevet evalueret, allerede er bedre end alle de tiltag, der kunne være blevet evalueret. Resultaterne kan derfor tolkes som en spredning i omkostningseffektivitet blandt tiltag, der sandsynligvis er gode - i stedet for blandt alle tiltag i området, hvor forskellene sandsynligvis ville have været endnu større.

Selv om eksperter estimerer, at de bedste tiltag kan være op til 100 gange mere effektive end gennemsnitlige tiltag inden for global sundhedsfremme¹1.Caviola, Lucius et al. (2020) "Donors vastly underestimate differences in charities’ effectiveness", Judgment and Decision Making, vol. 14, no. 4, s. 509-516, er det ikke altid et meningsfuldt estimat på baggrund af de svagheder, vi allerede har diskuteret. Sådanne antagelser afhænger af, hvordan sammenligningen foretages, men inden for samme område er det mere forsvarligt at antage, at de allerbedste tiltag er omtrent ti gange mere effektive end gennemsnittet. Denne antagelse bygger på studiet om prioriteringer af sygdomskontrol i udviklingslande fra 2006, men også på andre studier inden for global sundhed, som viser lignende resultater. Både en nyere udgave af den førstnævnte rapport og analyser fra Verdenssundhedsorganisationen peger på tilsvarende forskelle i omkostningseffektivitet.

At kunne forudsige omkostningseffektiviteten af tiltag inden for global sundhedsfremme er vanskeligt. På grund af fænomener som regression mod gennemsnittet er det én ting at se på store forskelle i et datasæt, men noget helt andet at kunne bestemme, hvilken effekt det samme tiltag vil have næste gang. En sammenligning af tiltag inden for global sundhedsfremme må derfor tage højde for, hvordan data kan over- eller undervurdere forskellene, samtidig med at det er vigtigt at overveje, hvad de bedste tiltag sammenlignes med. Hvis nogen allerede har valgt at støtte et tiltag, vi ved ligger omkring medianen, kan vi med et bagudskuende blik sige, at forskellen i omkostningseffektivitet kan være omkring 100 gange. Hvis vi derimod ikke ved noget om, hvor tiltaget ligger, giver det mere mening at modellere valget som tilfældigt, hvilket giver os gennemsnittet for den samlede omkostningseffektivitet.

Ser vi på den effekt, man kan opnå ved at vælge tiltag gennem en databaseret tilgang, vil man muligvis kunne øge effekten af sin donation med omtrent tre til ti gange inden for ét område sammenlignet med at vælge tilfældigt. Menneskehjernen har ikke en intuitiv, følelsesmæssig fornemmelse for sådanne skalaer, men dette er en stor forøgelse med reel betydning. Tre til ti gange øget effekt gælder dog kun for forskelle inden for samme indsatsområde. Sammenligner vi omkostningseffektivitet på tværs af indsatsområder - og mellem højindkomstlande og lavindkomstlande - vil forskellene være endnu større.

Relativt små ændringer i prioriteringer kan have stor indflydelse på menneskers liv, og derfor ligger der ekstremt meget værdi i en databaseret tilgang til velgørenhed. Hvis donorer i højere grad prioriterer at støtte de mest omkostningseffektive tiltag, vil det forventeligt have store positive konsekvenser.