Populatieanalyse voor huisartsen en zorggroepen

Transcriptie

1 Populatieanalyse voor huisartsen en zorggroepen Nieuwegein, juni 2018

2 Inleiding De zorgvraag in huisartsenpraktijken is nooit gemiddeld. De samenstelling van de populatie heeft een grote invloed op de zorgvraag. De effectiviteit van programma s ter ondersteuning van de gezondheid is afhankelijk van factoren als leeftijd, levensfase, sociale klasse en leefstijl. Inzicht in de eigen praktijkpopulatie kan worden verkregen door koppeling van eigen gegevens van de praktijk met beschikbare consumentendata op adres- en postcodeniveau. Hiermee kan de praktijkpopulatie worden afgezet tegenover de omgeving, de gemeente, zorggroep, provincie of Nederland. In een onderzoek gefinancierd door de regiotafel Midden Nederland is een methode getest en gestandaardiseerd voor een aantal praktijken uit de regio. Na een korte introductie over de achtergrond van het project wordt vervolgens een aantal resultaten gepresenteerd. Achtergrond populatie en zorgvraag Dat de zorgvraag verschilt afhankelijk van de populatie is al tijden bekend vanuit studies van het RIVM of VWS rond achterstandswijken. De Sociaal Economische Score (SES) en leeftijd blijken belangrijke factoren in gezondheid en dus in de vraag naar zorg. De NZa differentieert bijvoorbeeld de vergoeding voor bepaalde groepen patiënten, zoals ouderen of mensen die in een achterstandswijk wonen met een opslag op het reguliere inschrijftarief, vanuit de gedachte dat deze groepen duidelijk meer zorg behoeven. 1 Zorg op huishoudniveau In een eerste verkenning van zorgcontacten in Nieuwegein, betaald door de twee samenwerkende gezondheidscentra, blijkt er een goed model te bouwen voor voorspelling van de zorgconsumptie. Duidelijk werd dat op basis van huishoudsamenstelling, leeftijd, opleiding en kenmerken van de woning een betrouwbaar model te bouwen is die het aantal zorgcontacten in de huidige of toekomstige situatie voorspelt.

3 In de figuur wordt het werkelijke aantal contacten weergegeven met de blauwe stippen (9% van de populatie heeft 0 contacten). De resultaten van het voorspelmodel zijn met de oranje lijn weergegeven. De sterke voorspelkracht is duidelijk zichtbaar in de grafiek. De tabel laat zich als volgt lezen. Ten opzichte van een gemiddelde leeftijd van jaar en twee personen zal bijvoorbeeld een oudere huishoudsamenstelling de zorgvraag vergroten, terwijl een huishouden met 1 persoon wel minder maar per peroon veel meer zorg zal consumeren. De oorzaak hiervan is niet nader onderzocht. Naast leeftijd en indicatoren gerelateerd aan sociale klasse (opleiding / koopwoning) blijkt ook gezinssamenstelling van grote invloed op de zorgvraag. 2 Het model heeft als grote voordeel dat de zorgconsumptie in de toekomst beter kan worden voorspeld. Op basis van de demografische ontwikkeling verwachten we in Nieuwegein een toename van het aantal chronische patiënten, een grote toename van het aantal voorschriften en een verdubbeling van het aantal visites.

4 Tijdens deze voorstudie bleek ook dat leefstijl significant correleert met zorgconsumptie. Uitbreiding onderzoekspopulatie en verdieping van het onderzoek Voortgaand op deze ideeën hebben praktijken in Nieuwegein in samenwerking met praktijken in Utrecht, Lopik en Hilversum een project voor de regiotafel ingediend die meer licht wil laten schijnen op de zorgvraag, die verder gaat dan de globale SES-indeling over wijken zoals bij traditionele ROS-wijkscans of de achterstandswijkindeling van NZa. De omvang van de data en de variatie van praktijken maakt het mogelijk betrouwbare analyses te doen die ook factoren als stedelijkheid of sociale verschillen meenemen. 3 Springco en combineerden consumentendata van EDM en leefstijlgegevens van DISCvision met praktijkgegevens. Hiermee konden we een beschrijving en analyse van de huidige situatie maken ten opzichte van de

5 overige praktijken en de omgeving (gemeente/provincie/nederland). Ook kregen we inzicht in de specifieke zorgvraag en leefstijlsamenstelling van de praktijken. Tot slot maakte de combinatie van data het mogelijk voorspellingen te maken van risicogroepen en toekomstig zorggedrag. In het onderzoek zijn de data geanalyseerd op huishoudniveau, waarbij de koppeling van data op de praktijk is uitgevoerd, de naam- en adresgegevens zijn verwijderd. Opschaling van een snelle populatieanalyse voor brede toepassing door afzonderlijke huisartspraktijken is mogelijk door softwarematig koppelingen op de huisartspraktijk te laten plaatsvinden, privacygevoelige gegevens te verwijderen en de data te aggregeren. Dit maakt een dergelijke populatie-analyse eenvoudig, robuust en AVG-proof. Data op huishoudniveau zijn nodig voor het maken van bredere analyses en voor het maken van betrouwbare voorspelmodellen. Onze aanpak toont dat het goed mogelijk is hier met uitsluitend geanonimiseerde data te werken. 4 Ruimtelijke aspecten van de praktijk en zorgvraag In het project voor de regiotafel is voor de 6 deelnemende praktijken een kaart gemaakt waarin het aandeel van de inwoners van de wijk die bij de praktijk zijn ingeschreven is weergegeven. Praktijk in Lombok Praktijk in Hilversum

6 Factoren als stedelijkheid, leeftijd van de praktijk, en fysieke infrastructuur spelen een rol bij de spreiding en concentratie van patiënten. Zo is in Lombok de wijk fysiek afgescheiden van omliggende wijken door spoor, grote wegen en een kanaal en heeft de praktijk ruim boven de 50% van de wijkbewoners als patient. 80% van de patiënten woont in de wijk. In Hilversum zien we dat er sprake is van overlap met andere praktijken en een lagere concentratie van patiënten van de praktijk. De afstand tot de praktijk blijkt een geringe maar significante invloed te hebben op het zorggebruik: als je dicht bij de praktijk woont kom je net iets vaker langs. Zorgvraag vergeleken Leeftijd en geslacht vormen belangrijke variabelen in de zorgconsumptie. De deelnemende praktijken hebben een gemiddelde leeftijd van 39,3 jaar, maar de variatie is erg groot; er is een praktijk met veel jongeren en een praktijk met duidelijk meer ouderen. Dit leidt ook tot verschillen in zorggedrag, waarbij de jongere praktijk beduidend minder contacten had dan de overige praktijken. 5 Een oudere populatie gaat gemiddeld genomen gepaard met een hogere zorgvraag. Ook het geslacht speelt een belangrijke rol. We zien dat vrouwen gemiddeld significant meer contacten hebben dan mannen. Dit begint rond het 10 de levensjaar en is nog steeds zo wanneer de patiënten 80+ zijn. Naarmate de leeftijd toeneemt, neemt het verschil tussen het gemiddeld aantal contacten van mannen en vrouwen wel af.

7 Naast geslacht en leeftijd speelt de sociale klasse een belangrijke rol. De sociale klasse is een combinatie van inkomen en opleiding en is als volgt gedefinieerd. Sociale klasse HAVO/ LBO/ Geen/ lager WO/MBA HBO VWO MBO MAVO VMBO onderwijs Onbekend > 2x modaal A A A B1 B1 B1 B1 B1 2 x modaal A A B1 B1 B1 B1 B2 B2 1-2 x modaal A A B1 B1 B2 B2 B2 B2 modaal B1 B1 B2 B2 B2 B2 C C beneden modaal B2 B2 C C C C D D minimum C C C D D D D D De praktijken tonen grote verschillen: Hilversum laat een sterke vertegenwoordiging zien van de hoogste sociale klasse. Lopik kent vooral de 6 middengroepen B1 en B2. Lombok is goed vertegenwoordigd aan de uitersten: klasse A en C en D, typerend voor een gentrificerende volkswijk. Jutphaas, Mondriaanlaan en Roerdomp vertonen een grote gelijkenis: alle groepen zijn gemiddeld vertegenwoordigd. Naarmate de sociale klasse hoger is, neemt het zorggedrag af. De verklaring hiervoor kan liggen in een andere werksituatie (bijvoorbeeld zwaardere fysieke arbeid), maar we zagen sterke aanwijzingen dat ook de leefstijl hierop van invloed is. Leefstijl is hier niet gedefinieerd op basis van gedragskenmerken (bv roken, drinken, sporten), maar op basis van persoonlijkheid en achterliggende motieven. Niet alleen de omvang van de zorgvraag verschilt, ook de aard van de zorgvraag is anders 1. 1 In het tweede deel van het onderzoek hebben we deze relaties onder een groep van circa 325 patiënten getest. De resultaten hiervan zijn te lezen in de publicatie: De zorgconsument, DISC, leefstijlen en hart- en vaatziekten.

8 De populatie is gepositioneerd op een sociologische dimensie (individu versus groep) en op een psychologische dimensie (introvert versus extravert). We onderscheiden dan groepen die we met kleuren aangeven. Het blijkt dat patiënten met een lime, groene, gele en oranje leefstijl significant vaker contact hebben met de huisarts. Een praktijk met lime en groene huishoudens laat een hogere zorgvraag zien dan een praktijk met paarse leefstijlen. Ter illustratie zijn hieronder de dominante (meest voorkomende) kleuren per gebiedseenheid in Nieuwegein en in Hilversum weergegeven. In Nieuwegein zijn lime en groen sterk aanwezig, in Hilversum aqua en paars. 7 Dominante kleuren voor Nieuwegein en Hilversum

9 Veelconsumptie Voor alle praktijken is een analyse gedaan naar de groep veelconsumenten of veelgebruikers, patiënten die meer dan 20 keer per jaar contact hebben met de praktijk. Gemiddeld kan worden gesteld dat ruim 3% van de patiënten verantwoordelijk is voor 20% van de totale zorgconsumptie in een jaar. Het betreft vooral chronische patiënten (85%), met meerdere comorbiditeiten, van hogere leeftijd, meer vrouwen dan mannen, met lagere sociale klasse en een leefstijl groen of lime. Een scherper beeld van de karakteristieken van de veelconsument maakt het mogelijk de praktijkvoering hierop beter in te richten. De behoefte aan persoonlijk contact vanuit deze groep kan wellicht worden gestructureerd met vaste periodieke afspraken, zodat de frequentie van spontane contacten wordt verlaagd. 8 Dichtheid van veelconsumptie (>20 contacten /jaar) voor de Roerdomp

10 Modelering en risico-identificatie Binnen het project is op grond van koppeling van consumentendata en praktijkdata over zorgconsumptie een verkenning gedaan naar de mogelijkheden zorgconsumptie te voorspellen en om risicomodellen op te stellen. Voor het voorspellen van een bepaalde uitkomst (bv kans op hart- en vaatziekten (HVZ)) maakten we gebruik van de dataset met kenmerken van patiënten en het al of niet gediagnosticeerd zijn met HVZ. Met behulp van machine learning technieken (i.c. random forest) hebben we een model gebouwd die de kans op HVZ voorspelt op basis van de variabelen leeftijd, geslacht (data van de huisarts) en sociale klasse (data van EDM). Het model laat zien welke mensen mogelijk een risico lopen HVZ te krijgen. Hoewel de uitkomsten nog verkennend zijn blijkt het mogelijk met een redelijke zekerheid te voorspellen wie in een risicogroep valt. Met een dergelijk model is het mogelijk gericht mensen te benaderen voor nadere controle om HVZ te kunnen diagnosticeren of uit te sluiten. 9 Conclusies Veel informatievoorziening in de gezondheidszorg is gericht op het niveau van de wijk en gebaseerd op sociodemografische gegevens. Dit onderzoek toont aan dat de informatievoorziening sterk aan kracht kan winnen door gebruik te maken van aanvullende databestanden met informatie over de opleiding, het inkomen, de sociale klasse en de leefstijl van de patiënten. Duidelijk is geworden dat de praktijkpopulatie ongelijk is aan de wijkpopulatie (mensen verhuizen of kiezen een huisarts die bij hen past) en dat het voor de praktijkvoering veel uitmaakt welk soort patiënten de praktijk bedient. Algemene popualtie-inzichten per wijk zijn dan niet meer voldoende om

11 samenstelling van een praktijk of de zorgconsumptie van haar patienten te begrijpen. De door en Springco gehanteerde methode maakt het mogelijk om wel meer inzicht te krijgen in de specifieke samenstelling van de praktijkpopulatie op demografisch, sociaal, economisch en leefstijl gebied. Ook is verkennend aangetoond dat met praktijk-eigen data het goed mogelijk is voorspelmodellen en risicoanalyses op te zetten die kunnen helpen bij de praktijkvoering. We zagen grote verschillen tussen de bestudeerde praktijken, die ook in de zorgvraag tot uiting komen, zowel kwantitatief (aantal consulten) als kwalitatief (behandeling en communicatie). Mensen met een groene en lime leefstijl hechten aan de arts als autoriteit en stellen persoonlijk contact erg op prijs. Dat vraagt om een andere benadering van de huisarts dan een patiënt met een rode leefstijl die ook graag per communiceert. Na de presentatie van het onderzoek merkte een van de betrokken huisartsen op: nu snap ik dat zelfmanagement in Nieuwegein niet werkt. 10 Door uit te gaan van een gemiddeld profiel van de patiënt worden onnodig kosten gemaakt. Het gebruik van consumentendata draagt bij aan een patiëntgerichte zorg, die in potentie beter en goedkoper is.

12 De voorliggende brochure Populatie analyse voor huisartsenpraktijken en zorggroepen is een uitgave van de samenwerkende partijen, Springco, EMC Nieuwegein, Gezondheidscentrum de Roerdomp en DISCvision. De verkenning om op basis van consumentendata, leefstijlinformatie en HIS-gegevens te komen tot een populatie analyse staat centraal in dit deel van een groter onderzoek naar het gedrag van zorgconsumenten. Op bladzijde 1-3 wordt de aanleiding van het project geïntroduceerd. Een samenvatting van enkele resultaten uit het onderzoek naar de deelnemende praktijken in Nieuwegein, Utrecht, Lopik en Hilversum worden weergegeven op bladzijde Voor meer informatie kunt u contact opnemen met: Hugo de Vos hdevos@voswiz.nl