Verbetering risicovereveningsmodel

Transcriptie

1 WOR 800 Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ rapportnr mei 2016 Onderzoek in opdracht van het ministerie van Volksgezondheid, Welzijn en Sport, directie Zorgverzekeringen

2

3 Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ Onderzoek in opdracht van het ministerie van Volksgezondheid, Welzijn en Sport, directie Zorgverzekeringen M.M. van Asselt M.A.G. Gielen N. Ellwanger Onderzoek in opdracht van het ministerie van Volksgezondheid, Welzijn en Sport Den Haag, 27 mei 2016

4 rapport nr APE Public Economics Website: Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt via druk, fotokopie of op welke andere wijze dan ook, zonder voorafgaande schriftelijke toestemming.

5 Inhoud 1 Inleiding 7 2 Uitkomsten kwaliteit van gegevens en (waarschijnlijkheids)koppeling Inleiding Kostengegevens Koppeling kostengegevens 2014 (BASIC) aan OT Beschrijving NZa/DIS-bestand Bepaling DBC s die onder SGGZ vallen Koppeling van bestand met ZVZ-indicator aan OT Varianten criterium op basis van ZVZ Afbakening vormgeving Onderbouwing vormgeving Beschrijving van de uitgewerkte variant 25 4 Uitkomsten varianten model gggz Inleiding Bevindingen Verevenende werking op verzekerdenniveau Verevenende werking op verzekeraars- en subgroepniveau Aansluiting kosten en normkosten Normbedragen 38 5 Samenvatting en conclusies 40 Bijlage A: Simulaties conversie ZVZ-indicator 43 Bijlage B: Beschrijvende tabellen van de kosten van varianten ZVZi 44 Bijlage C: Normbedragen modellen gggz 49

6

7 1 Inleiding Risicoverevening De risicoverevening is een cruciaal instrument voor de Zorgverzekeringwet (Zvw). De verevening borgt het gelijke speelveld tussen verzekeraars en beperkt de prikkels voor risicoselectie. Immers, de verevening compenseert de voorspelbare kostenverschillen tussen zorgverzekeraars, die het gevolg zijn van gezondheidsverschillen tussen de verzekerdenpopulaties van de verzekeraars. De vereveningsmodellen worden jaarlijks verbeterd en verder doorontwikkeld. Kern van de doorontwikkeling is het verder optimaliseren van de verevenende werking van de modellen en het verbeteren van de compensatie van bepaalde groepen. Een belangrijke vraag hierbij is of er nieuwe criteria aan het vereveningsmodel kunnen worden toegevoegd die zorgen voor een grotere verevenende werking van het model. Zorgvraagzwaarte-indicator Het ministerie van VWS wil de risicoverevening voor de GGZ verbeteren. Daarvoor is meer inzicht nodig in de voorspellende waarde van het criterium zorgvraagzwaarte-indicator t-1 (ZVZi). Deze indicator is recent onderzocht op zijn toegevoegde waarde in het risicovereveningsmodel voor de GGZ 1,. Daaruit is gebleken dat de voorspelkracht van het model toeneemt met behulp van deze indicator. De ZVZ-indicator kent 7 klassen, waarbij klasse 1 een lage, en klasse 7 een hoge zorgvraagzwaarte kent. Hiernaast bestaat een klasse onbekend (99), bestaande uit GGZ-gebruikers waarvan de voor de ZVZ-indicator benodigde gegevens over primaire diagnose, aanwezigheid van nevendiagnosen en psychosociale factoren, en begin GAF-score niet allemaal bekend zijn. Diagnoses kunnen ontbreken als er geen psychische diagnose is vastgesteld, als de diagnose vanwege privacyredenen niet is verstrekt of als gegevens onjuist of onvolledig zijn aangeleverd (zie WOR 692). Uit recent onderzoek van APE (WOR 772) 2 kwam modelvariant 1 voor de verevening van de gggz als meest geschikt naar voren. Hierbij worden ZVZi 1 1 WOR 692 Eindrapportage GGZ Zorgvraagzwaarte, SiRM, WOR 772 Eindrapportage Verbetering risicoverevening voor de GGZ, APE, 2016 Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 7

8 t/m 3 en 4 en 5 samen genomen en worden de andere zorgvraagzwaarteindicatoren ieder als aparte groep beschouwd. Doel van het onderzoek Door dataproblemen in het WOR-onderzoek 772 is het lastig in te schatten of de ZVZ-indicator bruikbaar is voor het risicovereveningsmodel De dataproblemen in WOR 772 behelzen het hoge percentage verzekerden met een ZVZindicator dat niet te koppelen is aan het OT-bestand, het ontbreken van achtergrondvariabelen in het DIS-bestand waardoor een waarschijnlijkheidskoppeling niet mogelijk is, en het aandeel verzekerden met ontbrekende ZVZi. Dit vervolgonderzoek is bedoeld om te bepalen of data van een recenter jaar en het nu wel aanwezig zijn van achtergrondvariabelen deze problemen mitigeert. Het onderzoek bestaat uit drie onderdelen: de kwaliteit van de recentere gegevens (1), de kwaliteit van de waarschijnlijkheidskoppeling (2) en de vormgeving van de ZVZi en modelschattingen voor de gggz (3). Kwaliteit van de recentere gegevens In het eerste deel van het onderzoek wordt antwoord gegeven op de vraag in hoeverre gebruik van een recenter gegevensjaar van de ZVZ-indicator (gegevensjaar 2013, bron NZa/DIS) wel uitsluitsel kan geven over de stabiliteit en meerwaarde van het ZVZi-criterium voor de verevening De volgende vragen worden beantwoord: Wat is de kwaliteit van de ZVZ-indicator 2013? o Wat is de verdeling van de verzekerden over de ZVZ-klassen? o Hoeveel verzekerden vallen onder ZVZ-klasse 99? o Welk percentage verzekerden heeft een ontbrekende of ongeldige BSN? o Wat is de consistentie van de ZVZ-indicator 2013? Kwaliteit van de (waarschijnlijkheids)koppeling In het tweede gedeelte van het onderzoek worden op basis van de koppeling van het bestand ZVZi 2013 en BASIC 2014 (Vektis) (op basis van het gepseudonimiseerd BSN) de volgende vragen beantwoord: Wat is de kwaliteit van de koppeling van de bestanden ZVZi 2013 en BASIC 2014? o Welk percentage van de verzekerden met een ZVZi kan op basis van BSN worden gekoppeld aan BASIC?

9 o Welk percentage van de verzekerden met een ZVZi bestaat uit 18- minners? Wat is de kwaliteit van de waarschijnlijkheidskoppeling? o Welk percentage van de verzekerden kan via een waarschijnlijkheidskoppeling worden gekoppeld? o Zijn de uitkomsten van de variant voor de ZVZi met waarschijnlijkheidskoppeling te vergelijken met eerdere onderzoeken? Vormgeving van de ZVZ-indicator en modelschattingen In WOR 772 is een aantal varianten van de ZVZ-indicator onderzocht. De keuze voor de preferente variant (variant 1) dient op basis van de recente gegevens over meerkosten gevalideerd te worden. Daarbij zijn de volgende vragen relevant: Wat zijn de beschrijvende statistieken en de meerkosten (werkelijke kosten normkosten volgens uitgangsmodel) per ZVZ-groep t-1 in variant 1, variant 2 en variant 3 (uit WOR 772) en de onderliggende klassen? Wat zijn de beschrijvende statistieken en de meerkosten (werkelijke kosten normkosten volgens het uitgangsmodel) van de groep 99 (ZVZi onbekend): verdeling over postcodes, uzovi en prestatiecodes (diagnose onbekend, crisiszorg)? Welk normbedrag is het meest passend voor klasse 99 (ZVZ onbekend)? Wat zijn de normbedragen van het kenmerk ZVZi t-1 met de klassen zoals in variant 1 en gegeven het meest passende normbedrag voor klasse 99? Wat is het effect van het opnemen van het vereveningskenmerken ZVZ op de overige vereveningskenmerken? Wat is de verevenende werking van de gekozen variant(en) op basis van de nieuwe data? Hoe verhouden zich de verevenende werking en de normbedragen tot eerder onderzoek? Hoofdstuk 2 gaat in op de kwaliteit van de recentere gegevens en de kwaliteit van de waarschijnlijkheidskoppeling. Hoofdstuk 3 gaat over de vormgeving van de ZVZ-indicator en hoofdstuk 4 laat de resultaten van de modelschattingen zien. Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 9

10

11 2 Uitkomsten kwaliteit van gegevens en (waarschijnlijkheids)koppeling 2.1 Inleiding In dit hoofdstuk bespreken we de kwaliteit van de gegevens. De voor het analysebestand gebruikte gegevens zijn (a) DBC-gegevens 2013 van de NZa/DIS, (b) het OT-bestand 2016 voor de GGZ, (c) kostengegevens BASIC 2014, (d) DBC-gegevens 2013 van ZINL en (e) de SGGZ-conversietabel van KPMG. De kostengegevens bespreken we in paragraaf 2.2. De koppeling van deze gegevens aan het OT-bestand komt in paragraaf 2.3 aan bod. In paragraaf 2.4 wordt de kwaliteit van de ZVZindicator ten opzichte van eerdere jaren besproken. In paragraaf 2.5 komt de bepaling van DBC s die onder de specialistische GGZ vallen aan bod en in paragraaf 2.6 bespreken wij de waarschijnlijkheidskoppeling waarmee een groter analysebestand gemaakt kan worden t.o.v. het vorige onderzoek (WOR 772). 2.2 Kostengegevens 2014 Een belangrijk aandachtspunt is dat wij in dit onderzoek gebruik maken van kostengegevens uit BASIC Deze gegevens zijn niet volledig: in het bestand zijn slechts acht kaskwartalen verwerkt en ontbreken balansposten (zie WOR 747). Deze gegevens zijn ook niet gecorrigeerd voor opbrengstverrekening. Dit is echter ook niet langer relevant voor de verevening vanaf gegevensjaar 2014 (zie WOR 622). In BASIC 2013 bedragen de gemiddelde kosten voor eerstelijnspsychologische zorg, DBC s GGZ met en zonder verblijf en overige producten GGZ 212,84 per verzekerdenjaar. In de kostengegevens van ZINL bedragen deze kosten 251,63. Dit is ruim 18% hoger (zie WOR 747, tabel 2.3). Het bestand dat aan ZiNL wordt aangeleverd bevat declaratiegegevens van 9 kaskwartalen, die vermenigvuldigd zijn met landelijke DBC-tarieven. Deze DBC s zijn geschoond voor opbrengstverrekening. De totale kosten in BASIC 2014 zijn ongeveer 3,3 mld. (inclusief 18-minners). Dit zijn de kosten voor DBC s GGZ met verblijf, DBC s GGZ zonder verblijf (zowel instellingen als zelfstandig gevestigden) en de kosten voor de generalistische basis GGZ. De totale kosten in het uitgedeclareerde kostenbestand van ZINL, dat in de OT 2017 zal worden gebruikt, zullen naar verwachting hoger zijn. Hiermee moet bij de interpretatie van de resultaten in dit onderzoek Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 11

12 rekening worden gehouden. De resultaten van de modelschatting in de OT 2017 kunnen hierdoor afwijken van de resultaten in dit onderzoek. 2.3 Koppeling kostengegevens 2014 (BASIC) aan OT 2016 We gebruiken in dit onderzoek verzekerdengegevens 2013 (OT 2016) en kostengegevens 2014 (zie Tabel 2-1). De totale aan het OT-bestand 2016 koppelbare GGZ-kosten uit BASIC 2014 zijn mln. Dit betreft alleen 18-plussers. Van bijna verzekerden zijn geen kostengegevens 2014 bekend. Dit betreft waarschijnlijk voor een groot deel verzekerden die in 2014 niet meer verzekerd zijn (bijvoorbeeld door sterfte of emigratie gedurende het jaar 2013 of wanbetaling of detentie) en daarom ook geen kosten in dat jaar hebben. Deze zijn vanzelfsprekend niet in de analyses meegenomen. Eveneens buiten beschouwing blijven verzekerden met kosten 2014 die niet in het OT-bestand 2016 voorkomen. Dit betreft ca verzekerden en 14 mln. GGZ-kosten (alleen 18-plussers). Tabel 2-1 Overzicht koppeling kostengegevens 2014 (BASIC) aan OT plussers a Analysebestand (OT 2016 en BASIC) OT 2016, niet in BASIC 2014 BASIC 2014, niet in OT 2016 Verzekerdenjaren Verzekerden GGZ-kosten mln. n.v.t. 14 mln. 18-minners b Verzekerdenjaren n.v.t. n.v.t Verzekerden n.v.t. n.v.t GGZ-kosten 2014 n.v.t. n.v.t. 604 mln. a Dit betreft verzekerden geboren voor b Dit betreft verzekerden geboren in 1995 of later. 2.4 Beschrijving NZa/DIS-bestand De gegevens in het NZa/DIS bestand zijn niet gecontroleerd door de zorgverzekeraars. Daarom kan dit bestand ontbrekende BSN s en DBC s bevatten. Het NZa/DIS-bestand bevat naast DBC-informatie enkele verzekerdenkenmerken (geboortejaar, geslacht, postcode en uzovi) en de ZVZ-indicator. Tabel 2-2 bevat de verdeling van DBC s over de ZVZ-klassen. Naast de verdeling in het bestand 2013 geeft de tabel ook de verdeling in 2012 en 2010 weer (zie WOR 772). De verdeling van de DBC s over de ZVZ-indicator is vergelijkbaar met het vorige onderzoek. Als

13 we naar de verdeling van DBC s met onbekende BSN s over de ZVZ-klassen kijken zien we dat hiervan ruim 30% niet in een ZVZ-klasse kan worden ingedeeld. Tabel 2-2 Verdeling van DBC s over ZVZ klassen in aangeleverd bestand a ZVZ klasse Aandeel DBC s 2013 met bekende (onbekende) BSN Aandeel DBC s 2012 Aandeel DBC s ,4% (0,5%) 0,6% 1,4% 2 2,9% (2,9%) 4,2% 7,3% 3 11,1% (8,5%) 13,1% 16,8% 4 25,1% (20,7%) 26,5% 27,2% 5 32,6% (25,6%) 30,2% 26,7% 6 11,8% (9,4%) 9,8% 9,6% 7 2,1% (1,6%) 1,7% 1,6% 99 (onbekend) 14,1% (30,9%) 13,9% 9,6% Totaal 100,0% (100,0%) 100,0% 100,0% Totaal (aantal) (87.107) a De cijfers 2010 en 2012 hebben alleen betrekking op DBC s met een bekende BSN. In 2013 zijn de cijfers uitgesplitst naar DBC s met een bekende BSN en naar DBC s met een onbekende BSN (tussen haakjes). 2.5 Bepaling DBC s die onder SGGZ vallen In de risicoverevening geneeskundige GGZ 2016 wordt alleen de ZVZ-indicator meegenomen van DBC s die onder de specialistische GGZ (SGGZ) vallen. Omdat in de DBC-informatie 2013 geen onderscheid is gemaakt in basis-ggz (BGGZ) en specialistische GGZ (SGGZ) voeren wij tien simulaties uit op basis van een door KPMG opgestelde conversietabel. Deze geeft per DBC-prestatiecode het aandeel DBC s dat onder de SGGZ valt. In de simulaties selecteren wij random DBC s waarbij zoveel DBC s geselecteerd worden totdat het aandeel DBC s in de SGGZ bereikt is (zie ook WOR 692 en WOR 772). In de vorige onderzoeken resulteerde deze methode in robuuste resultaten. Dat is ook in dit onderzoek het geval. Zie bijlage A. Tabel 2-3 geeft een overzicht van het aantal DBC s 2013 in het NZa/DIS-bestand en het daaruit met behulp van de door KPMG opgestelde conversietabel afgeleide aantal verzekerden met SGGZ. Hierbij is onderscheid gemaakt in verzekerden waarvan het BSN (via een pseudoniem) al dan niet beschikbaar is. In totaal kent het bestand ruim 864 duizend DBC s met een geldige prestatiecode. Ruim 4 duizend DBC s met een in 2013 niet meer geldige prestatiecode blijven buiten beschouwing. Van in totaal bijna 733 duizend verzekerden hebben bijna 581 duizend SGGZ, waarvan bijna 442 duizend 18-plussers en bijna 139 duizend (24%) 18- minners betreft. Elke verzekerde met SGGZ krijgt voor de verdere analyses één DBC toegewezen, namelijk de DBC met de hoogste zorgvraagzwaarte. Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 13

14 Tabel 2-3 Overzicht DBC s 2013 en verzekerden met SGGZ BSN bekend BSN onbekend Totaal Aantal DBC's (geldige prestatiecode) Aantal DBC's (ongeldige prestatiecode) Aantal verzekerden a b Aantal verzekerden met SGGZ a b Aantal verzekerden met SGGZ a b a aantal unieke gebruiker o.b.v. BSN-pseudoniem b aantal unieke gebruiker o.b.v. unieke combinaties van postcode, geboortejaar, geslacht en uzovi 2.6 Koppeling van bestand met ZVZ-indicator aan OT 2016 De verzekerden met SGGZ worden aan het OT-bestand 2016 gekoppeld. Dit gebeurt in eerste instantie op basis van het BSN-pseudoniem. In sommige gevallen is echter geen BSN-pseudoniem beschikbaar, bijvoorbeeld doordat de zorgaanbieder geen BSN heeft ingevuld. De reden waarom dit niet gebeurt, kunnen wij in dit onderzoek niet achterhalen. Wij bevelen aan om dit verder uit te zoeken. Waar het BSN-pseudoniem niet beschikbaar is, koppelen wij middels verzekerdenkenmerken. De beschikbaarheid van geboortejaar, geslacht, postcode, uzovi en DBCprestatiecode in zowel het OT-bestand (de DBC-prestatiecode wordt aan het OTbestand d.m.v. het DBC-bestand van ZINL gekoppeld) als het NZa/DIS-bestand, maakt een waarschijnlijkheidskoppeling mogelijk. Ten opzichte van het vorige onderzoek (WOR 772) kunnen hierdoor meer verzekerden worden gekoppeld. Tabel 2-4 geeft een overzicht van het totaal aantal gekoppelde verzekerden. Ruim 399 duizend verzekerden worden d.m.v. een BSN-pseudoniem, en ruim 43 duizend op basis van een waarschijnlijkheidskoppeling gekoppeld. Dit aantal bevat ruim 40 duizend verzekerden met een onbekende BSN en bijna 3 duizend verzekerden die met het in het NZa/DIS-bestand beschikbare BSN-pseudoniem niet gekoppeld kunnen worden. Hierdoor kunnen in totaal verzekerden gekoppeld worden. Dit is een forse toename t.o.v. het aantal koppelbare verzekerden in het vorige onderzoek (WOR 772). Bij dat onderzoek konden verzekerden gekoppeld worden

15 Tabel 2-4 Overzicht gekoppelde verzekerden uit NZa/DIS-bestand BSN Bekend a BSN Onbekend b Totaal Aantal verzekerden met SGGZ Koppelbaar aan OT o.b.v. BSN-pseudoniem n.v.t Niet koppelbaar aan OT o.b.v. BSN-pseudoniem Koppelbaar aan OT o.b.v. waarschijnlijkheidskoppeling Totaal naar analysebestand a aantal unieke gebruiker o.b.v. BSN-pseudoniem b aantal unieke gebruiker o.b.v. unieke combinaties van postcode, geboortejaar, geslacht en uzovi De waarschijnlijkheidskoppeling vindt trapsgewijs plaats (zie Tabel 2-5). Eerst worden verzekerden die zowel in het NZa/DIS-bestand als het OT-bestand dezelfde combinatie van postcode, geboortejaar, geslacht, uzovi en DBC-prestatiecode hebben gekoppeld. Op deze wijze kan bijna de helft van de records zonder BSN gekoppeld worden. In vijf vervolgstappen worden de combinaties van kenmerken gewijzigd en de koppelcriteria versoepeld. In de koppelingen K1 t/m K5 moet naast een aantal persoonskenmerken de DBC-prestatiecode overeen komen. Koppeling K6 is de koppeling met de meest soepele criteria waarin verzekerden op basis van geboortejaar aan verzekerden met een DBC worden gekoppeld. Deze laatste koppelstap is noodzakelijk omdat er in het NZa/DIS-bestand een aantal DBC-codes voorkomen die niet in het OT-bestand terugkomen. Tabel 2-5 Beschrijving opbouw trapsgewijse waarschijnlijkheidskoppeling Koppeling Postcode Geboorte- Geslacht Uzovi DBCcode DBC jaar K1 X X X X X X K2 X X X X X niet K1 K3 X X X X X niet K2 K4 X X X X niet K3 K5 X X X niet K4 K6 X X niet K5 Iedere verzekerde wordt aan een record uit het OT-bestand gekoppeld die aan de koppelcriteria voldoet. In koppeling K1 en K2 komt het aantal records in het OTbestand ongeveer overeen met het aantal te koppelen records uit het NZa/DISbestand. Naarmate de criteria versoepelen neemt het aantal mogelijke verzekerden in het OT-bestand waaraan een verzekerde met een ZVZ-indicator gekoppeld kan worden toe (zie Tabel 2-6, kolom 4). In de laatste koppelstap is het aantal te koppelen verzekerden met een ZVZ-indicator slechts 2% van alle mogelijke verzekerden in het OT bestand. Met andere woorden: per verzekerde met een ZVZ- Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 15

16 indicator zijn er gemiddeld ongeveer 50 koppelmogelijkheden in het OT bestand. Als er meerdere mogelijkheden bestaan, wordt één van de mogelijke records gekozen. Hiervoor is de alfabetische volgorde van het BSN-pseudoniem bepalend. Als er minder of geen mogelijkheden bestaan vindt geen koppeling plaats. Dit betreft een klein aantal verzekerden. Tabel 2-6 geeft een overzicht van het aantal verzekerden en verzekerdenjaren per koppeling. Tabel 2-6 Aantal gekoppelde verzekerden en verzekerdenjaren uit DBC-bestand per koppeling Koppeling Verzekerden Verzekerdenjaren Mogelijke verzekerden in OT bestand K (99%) K (98%) K (63%) K (50%) K (5%) K (2%) Totaal a a Als in het OT-bestand geen verzekerde met een overeenkomende combinatie van kenmerken beschikbaar is, vindt geen koppeling plaats. Dit is bij 200 verzekerden het geval. Van de in totaal verzekerden worden daarom gekoppeld. De zorgvraagzwaarte wijkt bij verzekerden zonder BSN of met een ongeldige BSN (koppelbaar met waarschijnlijkheidskoppeling) af van de zorgvraagzwaarte bij verzekerden met een geldige en koppelbare BSN. Tabel 2-7 geeft voor deze twee groepen het aantal verzekerden per ZVZ-klasse. Over het algemeen is de zorgvraagzwaarte van de verzekerden zonder BSN lager en het aandeel verzekerden met een onbekende zorgvraagzwaarte groter dan bij de verzekerden met BSN 3. Deze verschuiving is ook in de kosten te zien: verzekerden die via waarschijnlijkheidskoppeling gekoppeld worden hebben structureel lagere GGZ-kosten (geen tabel). 3 Van de verzekerden met een onbekende zorgvraagzwaarte betreft 42% crisisinterventie. Een mogelijke verklaring voor dit patroon is dat in gevallen waar het BSN ontbreekt ook vaker andere informatie afwezig is. De reden van het ontbreken van informatie (bijvoorbeeld privacy of administratieve fouten) is onbekend

17 Tabel 2-7 ZVZ-klasse Verdeling van verzekerden over ZVZ klassen, onderverdeeld naar wel en niet koppelbaar aan OT 2016 via BSN-pseudoniem Verzekerdenjaren koppelbaar met BSN Verzekerdenjaren koppelbaar met waarschijnlijkheidskoppeling Verzekerdenjaren Totaal 1 0% 1% 0% 2 3% 3% 3% 3 10% 8% 10% 4 26% 20% 25% 5 37% 28% 36% 6 14% 11% 14% 7 3% 2% 3% 99 (onbekend) 7% 27% 9% Totaal 100% 100% 100% Totaal (aantal) Om technische redenen is de laatste stap van de waarschijnlijkheidskoppeling uiteindelijk niet meegenomen bij de modelschattingen. De verzekerden die in deze stap gekoppeld worden zorgen voor zeer afwijkende subgroepen waardoor het model niet meer convergeert. Omdat deze groep niet gekoppeld is op DBC-code en omdat het aantal mogelijke verzekerden in deze koppelstap veel groter is dan het aantal verzekerden met een zorgvraagzwaartecode (zie kolom 4, Tabel 2-6), gaan we ervan uit dat deze waarschijnlijkheidskoppeling geen juiste match geeft. De waarschijnlijkheidskoppeling was nodig om dit onderzoek uit te voeren vanwege de onbekende BSN s. Bij de uitvoering van de risicoverevening zijn alle BSN s bekend en zal een waarschijnlijkheidskoppeling dus niet nodig zijn. Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 17

18 3 Varianten criterium op basis van ZVZ In het voorgaande onderzoek (WOR 772) zijn drie varianten voor een mogelijk vereveningskenmerk op basis van de ZVZ-indicator ontwikkeld en afgestemd. In dit hoofdstuk worden dezelfde varianten onderzocht met de nieuwe gegevens. In paragraaf 3.1. beschrijven we de vormgeving van deze varianten en in paragraaf 3.2. geven we aan hoe we tot deze varianten zijn gekomen. Paragraaf 3.3. bevat een beschrijving van de varianten: de groepsgrootte en meerkosten per groep. 3.1 Afbakening vormgeving Variant 1 bestaat uit een simpele groepering van ZVZ-klassen. In variant 2 en variant 3 zijn de groepen daarentegen op basis van combinaties van ZVZ-klassen en diagnosehoofdgroepen gemaakt. Op basis van de eenvoud en de verevenende werking werd variant 1 geprefereerd (WOR 772). We hebben eerst de uitkomsten van de 3 varianten vergeleken op basis van de nieuwe gegevens (zie tabellen B-3 en B-4, bijlage B). Daaruit blijkt dat de patronen binnen en tussen de varianten met de nieuwe gegevens vergelijkbaar zijn met de uitkomsten van WOR 772. Daarom hebben we ons in dit onderzoek beperkt tot variant 1, en twee alternatieve invullingen van deze variant onderzocht (variant 1a en variant 1b). Tabel 3.1 geeft de afbakening van de varianten: kolommen twee en drie geven aan welke ZVZ-klassen en welke vorm van zorg (wel of geen crisiszorg) een groep vormen. 4 Het verschil tussen de 2 varianten zit in de behandeling van groep 5 (klasse 99, geen crisiszorg). In variant 1a hebben we deze groep behandeld als een aparte groep binnen het kenmerk. In variant 1b hebben we eerst het model geschat zonder groep 5 en daarmee het normbedrag bepaald van groep 1 (ZVZ klassen 1 t/m 3, geen crisiszorg). Vervolgens hebben we het model nogmaals geschat met alle groepen waarbij het normbedrag van groep 5 gelijk is gesteld aan het eerder bepaalde normbedrag van groep 1. 4 Deze clustering komt ook overeen met de doorontwikkeling van de ZVZ, waarin deze worden ingedeeld in laag, midden en zwaar. Deze indeling is daardoor waarschijnlijk toekomstbestendig

19 De ZVZ-klassen die aan de vormgeving van de criteriavarianten ten grondslag liggen zijn uitgewerkt in WOR 692. De ZVZ-indicator kent 7 klassen, waarbij klasse 1 een lage, en klasse 7 een hoge zorgvraagzwaarte kent. Hiernaast bestaat een klasse onbekend (99), bestaande uit GGZ-gebruikers waarvan de voor de ZVZindicator benodigde gegevens over primaire diagnose, aanwezigheid van nevendiagnosen en psychosociale factoren, en begin GAF-score niet allemaal bekend zijn. Diagnoses kunnen ontbreken als er geen psychische diagnose is vastgesteld, als de diagnose vanwege privacy-redenen niet is verstrekt of als gegevens onjuist of onvolledig zijn aangeleverd (zie WOR 692). Tabel 3-1: Overzicht klasseindeling varianten ZVZ-criterium t-1 Variant en groep ZVZ-klassen Crisiszorg Variant 1a / 1b 0 0 nee 1 1, 2, 3 nee 2 4, 5 nee 3 6 nee 4 7 nee 5 99 nee 6 alle ja Bron: APE 3.2 Onderbouwing vormgeving De groepsindeling is gebaseerd op een analyse van prevalentie, kosten en meerkosten per ZVZ-klasse (zie Tabel 3-2). De kosten betreffen kosten 2014 uit het BA- SIC bestand, en hierop is ook de prevalentie berekend. Voor de meerkosten hebben we eerst het model van de OT2016 opnieuw geschat met de kenmerken 2013 op de kosten Met behulp van deze normkosten zijn vervolgens de meerkosten 2014 bepaald. Op basis van kostenhomogeniteit en groepsgrootte hebben we klassen samengevoegd. Aandachtspunt bij de vormgeving zijn de gebruikers met een onbekende ZVZ-klasse. We hebben onderzocht in welke mate de verzekerden in deze klasse afwijken van de overige ZVZ-klassen (zie Tabel 3-3 t/m Tabel 3-7). De klasse onbekend wordt apart gehouden en bij de modelschatting op twee verschillende manieren meegenomen. In dit onderzoek hebben we op verzoek van de begeleidingscommissie ook van de crisiszorg een aparte groep gemaakt. In deze groep zitten alle ZVZ-klassen, maar het blijkt dat 76% van de verzekerden in deze groep een ZVZ-klasse 99 heeft. Dit is niet direct op te lossen en dat hoeft ook niet omdat er bij crisiszorg veel vaker sprake is van het niet kunnen vaststellen van een diagnose dan bij andere zorg. Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 19

20 Tabel 3-2: Beschrijvende statistieken per ZVZ-klasse, 2013 ZVZ-klasse (obv 2013) Verzekerden a Aantal gggzgebruikers c Gemiddelde kosten gggz 2014 Normkosten c obv model 2016 Gemiddelde meerkosten c Variatiecoëfficiënt meerkosten , , , , , , , , ,5 Crisis d ,9 Totaal a. Het aantal verzekerden betreft het aantal verzekerden in 2013 die in 2013 in de betreffende ZVZ klasse zijn ingedeeld (in verzekerdenjaren). b. Het aantal gebruikers gggz betreft het aantal verzekerden in 2013 dat gggz-kosten heeft in 2014 en die in 2013 in de betreffende ZVZ klasse zijn ingedeeld (in verzekerdenjaren). c. De gemiddelde kosten zijn berekend per verzekerdenjaar, de normkosten zijn geschat met verzekerdenkenmerken 2013 en kosten d. De klasse crisis bevat alle crisiszorg uit alle ZVZ-klassen, deze verzekerden zijn verwijderd uit de bovenstaande klassen Bron: APE

21 Tabel 3-3 t/m Tabel 3-7 geven inzicht in de spreiding van ZVZ-klasse 99 en de overige klassen. Hieruit volgen de volgende conclusies: 1. In Groningen, Flevoland, Utrecht en Noord-Holland is het aandeel klasse 99 groter dan het aandeel van de overige klassen (zie Tabel 3-3). In Gelderland, Zuid-Holland en Noord-Brabant is het aandeel klasse 99 lager t.o.v. het aandeel van de overige klassen. De verschillen zijn niet heel groot. 2. Bij de verdeling over de zorgverzekeraars zijn geen grote verschillen zichtbaar (zie Tabel 3-4). 3. De DBC-prestatiecode is vaker onbekend bij klasse 99 dan bij de overige klassen (zie Tabel 3-5). 4. De primaire diagnose is bij de klasse 99 bij 79% onbekend (zie Tabel 3-6). Bij 42% van de verzekerden met een onbekende zorgvraagzwaarte gaat het om een crisisinterventie Bij een crisisinterventie worden gegevens vaak minder goed vastgesteld/ geregistreerd. Het is dan logisch dat de primaire diagnose ontbreekt. Bij de overige klassen is de diagnose altijd bekend (zie Tabel 3-6). Dit is logisch omdat dit één van de vier onderdelen is op basis waarvan de zorgvraagzwaarte wordt bepaald. 5. De gemiddelde GGZ-kosten van de verzekerden in klasse 99 (zonder crisisinterventie) zijn iets hoger dan die van ZVZ-groep 1 (zorgvraagzwaarte 1 t/m 3). Dit geeft een argument om het normbedrag van klasse 99 gelijk te stellen aan het normbedrag van ZVZ-groep 1 (zorgvraagzwaarte 1 t/m 3). Er ontstaat dan een prikkel om te registreren. De reden van het onbekend zijn van klasse 99 is niet bekend. Het niet registreren kan ook privacyredenen hebben. Een prikkel heeft dan geen zin. 6. In de klasse 99 betreft 36% een crisis interventie zonder opname en 6% een crisis interventie met opname (zie Tabel 3-7). Bij de overige klassen komt crisisinterventie nauwelijks voor. We hebben voor de klasse 99 onderzocht welk deel crisisinterventie betreft. Een groot deel van de verzekerden met een crisisinterventie zal blijven bestaan uit verzekerden met een onbekende zorgvraagzwaarte omdat het in veel gevallen niet mogelijk zal zijn om deze vast te stellen. Dit probleem zal dus nooit volledig opgelost worden. Dat betekent in ieder geval dat het percentage onbekend nooit helemaal nul gaat worden. Omdat klasse 99 veel crisiszorg betreft lijkt het ons het best om dit als een aparte categorie te houden, omdat het mensen met (hoge) kosten betreft en het meestal niet mogelijk is hier op korte termijn een diagnose voor te stellen.

22 Tabel 3-3: Regionale spreiding klasse 99 (ZVZ) 2013 Provincie Frequentie klasse 99 Percentage klasse 99 Frequentie overige klassen Percentage overige klassen Groningen , ,0 Friesland , ,5 Drenthe , ,3 Overijssel , ,8 Flevoland , ,8 Gelderland , ,8 Utrecht , ,1 Noord-Holland , ,2 Zuid-Holland , ,1 Zeeland , ,2 Noord-Brabant , ,4 Limburg , ,6 Onbekend , ,2 Totaal , ,

23 Tabel 3-4: Spreiding klasse 99 over zorgverzekeraars UZOVI (ZVZ) 2013 UZOVI 2016 Frequentie klasse 99 Percentage klasse 99 Frequentie overige klassen Percentage overige klassen , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,0 8 0,0 onbekend , ,5 Totaal , ,0 Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 23

24 Tabel 3-5: Spreiding klasse 99 over DBC onbekend (ZVZ) Frequentie klasse 99 Percentage klasse 99 Frequentie overige klassen Percentage overige klassen DBC bekend , ,0 DBC onbekend 213 0,2 17 0,0 Totaal , ,0 Tabel 3-6: Primaire diagnose bekend Primaire diagnose onbekend Spreiding klasse 99 over primaire diagnose onbekend (ZVZ) 2013 a Frequentie klasse 99 Percentage klasse 99 Frequentie overige klassen Percentage overige klassen , , b 79,0 0 0,0 Totaal , ,0 a. Dit zijn de waarnemingen waarbij de CL-diagnosecode onbekend is. b. Van deze onbekende diagnoses vallen er 17 in de hoofddiagnosegroep persoonlijkheidsstoornis. (Van van deze onbekende primaire diagnose is ook de hoofddiagnose onbekend.) Tot 2016 hoeft het type van iemands persoonlijkheidsstoornis niet nader gespecificeerd te worden bij de aanvraag voor een verlenging van het aantal behandelingen psychotherapie (College Bescherming Persoonsgegevens). 5 De diagnosetypering komt niet altijd terug in de prestatiecode. Op het moment dat de DBC is afgeleid naar een 'bijzondere productgroep' (bijvoorbeeld diagnostiek) of een productgroep 'behandeling kort', wordt er om privacy-redenen namelijk geen diagnose met de prestatiecode meegezonden. Bij deze productgroepen moet op plaats 4 t/m 6 van de prestatiecode dan ook altijd '000' worden aangegeven (bron: geraadpleegd op ). Het komt daardoor voor dat de DBC bekend is terwijl de CLdiagnosecode niet bekend is

25 Tabel 3-7: Spreiding klasse 99 over crisiszorg (ZVZ) 2013 Frequentie klasse 99 Percentage klasse 99 Frequentie overige klassen Percentage overige klassen Geen crisis interventie , ,5 Crisis interventie zonder opname a , ,0 Crisis interventie met opname b , ,4 Onbekend 213 0,2 17 0,0 Totaal , ,0 a. Dit zijn de DBC-prestatiecodes die beginnen met 301. b. Dit zijn de DBC-prestatiecodes die beginnen met Beschrijving van de uitgewerkte variant De werkelijke GGZ-kosten voor verzekerden in ZVZ-klasse 0 zijn in 2014 gemiddeld 50 lager dan de via de GGZ-verevening voor 2016 voorspelde kosten. Voor de verzekerden in de andere ZVZ-klassen zijn de gemiddelden positief, dus de werkelijke GGZ-kosten zijn hoger dan de voorspelde kosten. Bij de keuze van een geschikt vereveningscriterium zijn de verschillen in kosten en meerkosten tussen en de variatie van meerkosten binnen de groepen van de varianten van belang. In Tabel 3-8 en Tabel 3-9 brengen we dit in kaart. In de groep met crisiszorg (groep 6) liggen de gemiddelde kosten tussen het gemiddelde van groep 2 (klasse 4-5) en groep 3 (klasse 6). De variatie in de kosten binnen de groep met crisiszorg is wel groter dan in de andere twee groepen. De gemiddelde meerkosten liggen ook tussen het gemiddelde van de groepen 2 en 3, en de variatie in de meerkosten is wel vergelijkbaar met deze twee groepen. In de groep met klasse onbekend en geen crisiszorg (groep 5) zijn de gemiddelde kosten vergelijkbaar met groep 1 (ZVZ-klassen 1-3). De variatie binnen de klasse onbekend is wel wat hoger. De gemiddelde meerkosten van groep 5 liggen tussen het gemiddelde van groep 1 en van groep 2, net als de variatiecoëfficiënt. Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 25

26 Tabel 3-8: Criterium (op basis van 2013) Variant 1a/1b Beschrijvende statistiek varianten criterium ZVZ 2013 a Aantal verzekerden c (2013) Aantal gggzgebruikers d (2013) Kosten gggz 2014 b μ σ vc , , , , , , ,9 a. μ staat voor gemiddelde kosten, σ voor de bijbehorende standaard deviatie en vc voor de variantiecoëfficiënt (standaard deviatie gedeeld door gemiddelde) b. gemiddelde kosten zijn berekend per verzekerdenjaar c. aantal verzekerden betreft het aantal verzekerden in 2013 (in verzekerdenjaren) d. aantal gebruikers gggz betreft het aantal verzekerden in 2013 dat gggz-kosten heeft in 2014 (in verzekerdenjaren) Tabel 3-9: Meerkosten varianten criterium ZVZ 2013 a Variant en groep Aantal Meerkosten gggz c Variant 1a/1b verzekerden b μ σ vc , , , , , , ,9 a. μ staat voor gemiddelde kosten, σ voor de bijbehorende standaard deviatie en vc voor de variatiecoëfficiënt (standaard deviatie gedeeld door gemiddelde). b. Het aantal verzekerden (in verzekerdenjaren) betreft de verzekerden in c. De gemiddelde kosten zijn berekenend per verzekerdenjaar. Bron: APE

27 4 Uitkomsten varianten model gggz 4.1 Inleiding Het uitgangsmodel is gelijk aan het model dat gebruikt is in de OT Dit model bevat de volgende kenmerken: Leeftijd/geslacht in 2x15 klassen; SES, onderverdeeld naar institutionele huishoudens blijvend, institutionele huishoudens instromend, zeer laag inkomen, laag inkomen, gemiddeld inkomen en hoog inkomen (in 2 leeftijdsklassen); AVI, onderverdeeld naar IVA, arbeidsongeschiktheid, bijstand, zelfstandig, student, hoog opgeleid en overig (in 4 leeftijdsklassen); GGZ regio (10 klassen); Eenpersoonsadres (2 klassen); FKG (8 klassen); DKG (6 klassen); MHK (4 klassen). Voor de kostengegevens hebben we gebruik gemaakt van BASIC Dit betekent dat de kostengegevens betrekking hebben op een jaar later dan in de OT 2016 waar kostengegevens 2013 gebruikt zijn. De vereveningskenmerken hebben betrekking op 2013, met uitzondering van de farmaceutische kostengroepen (FKG s), de diagnose kostengroepen (DKG s) en de meerjarige hoge kostengroepen (MHK s). De FKG s en DKG s hebben betrekking op De MHK hebben betrekking op meerdere jaren. Naast het uitgangsmodel schatten we ook 2 modelvarianten met een ZVZindicator (variant 1a en 1b). De varianten verschillen in de wijze waarop wordt omgegaan met de klasse 99. Dit betreft de verzekerden waarvan de reden van het onbekend zijn van de zorgvraagzwaarte niet bekend is (geen crisiszorg). Omdat de kosten van deze groep vergelijkbaar zijn met de kosten van de ZVZ-groep 1 (klasse 1 t/m 3) worden er twee modelvarianten doorgerekend: Variant 1a: Hierbij wordt voor alle klassen een apart normbedrag berekend. Variant 1b: hierbij wordt het normbedrag van ZVZ-groep 5 (klasse 99) gelijk gesteld aan het normbedrag van ZVZ-groep 1 (ZVZ-klasse 1,2 en 3). Deze variant wordt in 2 stappen geschat. In de eerste stap wordt het mo- Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 27

28 del geschat zonder klasse 99. Vervolgens wordt het normbedrag voor klasse 99 vastgesteld op het normbedrag van ZVZ-groep 1 uit deze schatting en wordt het model met deze restrictie nogmaals geschat. Het normbedrag van alle andere ZVZ-groepen (inclusief die van ZVZ-groep 1) worden in de tweede stap opnieuw geschat. De resultaten hiervan worden in dit hoofdstuk beschreven. De resultaten van variant 1a en variant 1b komen vaak overeen. Als dit het geval is dan spreken we gewoon van variant 1. Als er wel verschillen zijn, dan wordt dat in de tekst benoemd. 4.2 Bevindingen De verevenende werking van het uitgangsmodel is in dit onderzoek laag t.o.v. WOR 772. Dit komt waarschijnlijk doordat de kostengegevens 8 declaratiekwartalen betreft en doordat de vereveningskenmerken een jaar achterlopen (we gebruiken kostengegevens 2014 en vereveningskenmerken van OT 2016). Toevoegen van een kenmerk op basis van de ZVZ-indicator zorgt voor een grotere voorspelkracht van het model (zie ook WOR 772). Op verzekerdenniveau verbeteren de waardes van alle statistische kengetallen bij toevoeging van de ZVZindicator. Op verzekeraarsniveau neemt de bandbreedte van het resultaat van het vereveningsbedrag af en de GGAA daalt. De verklaarde variantie neemt echter ook licht af. 4.3 Verevenende werking op verzekerdenniveau Tabel 4-1 geeft aan wat de voorspelkracht is van de verschillende modelvarianten. Dit geschiedt in termen van de verklaarde variantie, CPM, GGAA 6 en standaarddeviatie van de resultaten op verzekerdenniveau. Het toevoegen van de zorgvraagzwaarte-indicator zorgt ervoor dat de R 2 stijgt van 8,3% (uitgangsmodel OT 2016 met kosten 2014) naar 10,4% (variant 1). Ook de CPM neemt toe. De GGAA en de standaarddeviatie van de resultaten nemen af door toevoeging van de ZVZi. Tussen variant 1a en 1b zijn er geen verschillen op verzekerdenniveau. 6 De GGAA is gedefinieerd als het gemiddelde van de absolute waarden van het verschil tussen voorspelde en werkelijke kosten

29 Tabel 4-1: Verevenende werking op verzekerdenniveau van de verschillende modelvarianten Modelvariant Uitgangsmodel Variant 1a Variant 1b Verklaarde variantie (R 2 x 100) 8,3 10,4 10,4 GGAA 328,8 308,4 308,4 CPM 17,6 22,7 22,7 Standaarddeviatie 2.435,8 2407,7 2407,7 Bron: APE 4.4 Verevenende werking op verzekeraars- en subgroepniveau Tabel 4-2 schenkt aandacht aan de verevenende werking op verzekeraars- en op subgroepniveau. De analyse op subgroepniveau berust op de subgroepen die worden onderscheiden in het huidige gggz-model, conform de Overall Toets 2016 waarbij de uitgebreide variant van het kenmerk personen per adres is vervangen door de beperkte. De analyse op verzekeraarsniveau heeft betrekking op 25 risicodragende zorgverzekeraars in De toevoeging van een kenmerk op basis van de ZVZ-indicator zorgt ervoor dat op verzekeraarsniveau de bandbreedte van het resultaat kleiner wordt. Dit komt omdat het minimum resultaat minder negatief is. De GGAA op verzekeraarsniveau daalt met bijna 2%-punt. Dat wijst erop dat het verwachte resultaat voor de meeste verzekeraars minder afwijkt van 0. Als we de bandbreedte op verzekeraarsniveau berekenen exclusief de 2 verzekeraars die de bandbreedte bepalen dan zien we dat toevoegen van een ZVZ-indicator leidt tot een afname van de bandbreedte. De R 2 op verzekeraarsniveau daalt licht. Op subgroepniveau is ook een daling van de GGAA te zien. Op regionaal niveau zien we dat door toevoeging van een kenmerk op basis van ZVZi het resultaat voor de G4 sterk verbetert (zie Tabel 4-2). De voornaamste reden hiervoor is dat de zwaardere gevallen verhoudingsgewijs vaker voorkomen in de grote steden. Het toevoegen van een kenmerk op basis van zorgzwaarte leidt hierdoor voornamelijk tot een verbetering van het resultaat voor de G4. Tussen de twee varianten van de ZVZ-indicator treden geen significante verschillen op in de verevenende werking op subgroep- en verzekeraarsniveau. Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 29

30 Tabel 4-2: Verwacht resultaat per verzekerdenjaar, bandbreedte, GGAA en R2 op het niveau van risicodragende verzekeraars a en subgroepen Maatstaf Uitgangsmodel Variant 1a Variant 1b Verzekeraarsniveau Minimum resultaat -23,9-16,4-16,4 Maximum resultaat 31,4 32,7 32,7 Bandbreedte resultaat 55,3 49,1 49,1 GGAA 7,6 5,9 5,9 R 2 (x 100) 94,7 93,7 93,7 Bandbreedte resultaat excl. 2 verzekeraars (die de feitelijke bandbreedte bepalen) 35,3 29,2 29,2 Subgroepniveau b GGAA (N= ) 139,7 127,7 127,8 Res. Op 1% hoogste kosten in t-1 c , , ,1 Res. Op 5% laagste kosten in t-1-18,9 246,7 239,8 Res. Op 5% hoogste kosten in t , , ,9 Res. Op 10% laagste kosten in t-1 32,3 288,9 284,2 Res. Op 10% hoogste kosten in t , , ,4 Res. Op 25% laagste kosten in t-1-107,3 351,4 347,1 Res. Op 25% hoogste kosten in t , , ,3 Resultaat voor G4-11,5 4,2 4,1 Resultaat voor G21-7,2-11,2-11,1 Resultaat voor rest 3,9 1,8 1,8 a Gegevens hebben betrekking op 25 risicodragende zorgverzekeraars in b Subgroepen van het model met alle vereveningskenmerken van de geneeskundige GGZ c 2013 Bron: APE Bij de verzekeraar met het laagste resultaat in het uitgangsmodel neemt het resultaat toe van -23,9 naar -10,2 (minder negatief). (Zie Figuur 4-1 t/m Figuur 4-3). Het nieuwe minimum (bij variant 1) is -16,4. Deze verzekeraar had in het uitgangsmodel een resultaat van -10,8. Het maximum resultaat verschuift van 31 in het uitgangsmodel naar 33 bij variant 1. (Dit is dezelfde verzekeraar.) Van de 9 verzekeraars met een negatief resultaat in het uitgangsmodel hebben er 2 bij variant 1 een positief resultaat. Van de 16 verzekeraars met een positief resultaat in het uitgangsmodel hebben er 3 een negatief resultaat bij variant

31 Figuur 4-1 Resultaat per verzekeraar uitgangsmodel, per geanonimiseerde kleine (< verzekerdenjaren - blauw), middelgrote (rood) en grote (> verzekerdenjaren - groen) verzekeraar

32 Figuur 4-2 Resultaat per verzekeraar modelvariant 1a, per geanonimiseerde kleine (< verzekerdenjaren - blauw), middelgrote (rood) en grote (> verzekerdenjaren - groen) verzekeraar

33 Figuur 4-3 Resultaat per verzekeraar modelvariant 1b, per geanonimiseerde kleine (< verzekerdenjaren - blauw), middelgrote (rood) en grote (> verzekerdenjaren - groen) verzekeraar Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 33

34 Tabel 4-3: Procentuele verdeling over de klassen naar regio (n= ) ZVZ-klassen G4 G21 Overig 0 95,0% 96,2% 97,2% 1, 2, 3 0,6% 0,5% 0,4% 4, 5 3,1% 2,3% 1,7% 6 0,7% 0,5% 0,4% 7 0,2% 0,1% 0,1% 99 0,3% 0,2% 0,2% Crisis 0,1% 0,1% 0,1% Totaal 100,0% 100,0% 100,0% Bron: APE Vervolgens kijken we iets meer in detail naar de resultaten op verzekeraarsniveau. In Tabel 4-4 kijken we naar de resultaten uitgesplitst naar kleine, middelgrote en grote verzekeraars. Door toevoeging van een kenmerk op basis van de ZVZindicator wordt het gemiddelde resultaat bij de kleine verzekeraars positief in plaats van negatief. Het resultaat bij de middelgrote verzekeraars wordt iets minder positief en bij de grote verzekeraars iets negatiever. In Tabel 4-5 staan dezelfde gegevens voor de uitsplitsing naar zelfstandige verzekeraars en verzekeraars die onderdeel zijn van een concern. Toevoeging van een kenmerk op basis van de ZVZ-indicator zorgt ervoor dat de bandbreedte en de GGAA stijgen bij de zelfstandige verzekeraars en dalen bij de verzekeraars die onderdeel zijn van een concern.

35 Tabel 4-4: Gemiddelde bijdrage, gemiddeld, resultaat bandbreedte en GGAA uitgesplitst naar portefeuilleomvang van de verzekeraars Maatstaf a < Uitgangsmodel > Aantal risicodragers Gemiddelde bijdrage ( ) 233,5 190,5 213,5 Gemiddeld resultaat ( ) -0,1 7,1-1,9 Bandbreedte resultaat ( ) 43,5 36,5 19,5 GGAA 15,6 9,5 6,8 Maatstaf a < Variant 1a > < Variant 1b > Aantal risicodragers Gemiddelde bijdrage ( ) 238,8 190,2 213,3 238,8 190,2 213,3 Gemiddeld resultaat ( ) 5,2 6,8-2,0 5,2 6,8-2,0 Bandbreedte resultaat ( ) 26,7 39,6 19,8 26,7 39,6 19,9 GGAA 10,1 11,2 4,3 10,1 11,2 4,4 a In euro s per verzekerdenjaar 18+. Op basis van 25 risicodragende zorgverzekeraars in Bron: APE Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 35

36 Tabel 4-5: Gemiddelde bijdrage, gemiddeld, resultaat bandbreedte en GGAA uitgesplitst naar zelfstandige verzekeraars en onderdeel van concerns Uitgangsmodel Maatstaf a Zelfstandig Concern Aantal risicodragers 6 19 Gemiddelde bijdrage ( ) 220,5 208,4 Gemiddeld resultaat ( ) 8,8-1,1 Bandbreedte resultaat ( ) 15,5 55,3 GGAA 8,8 7,5 Variant 1a Variant 1b Maatstaf a Zelfstandig Concern Zelfstandig Concern Aantal risicodragers Gemiddelde bijdrage ( ) 220,5 208,4 220,5 208,4 Gemiddeld resultaat ( ) 8,8-1,1 8,8-1,1 Bandbreedte resultaat ( ) 21,0 49,1 20,9 49,1 GGAA 9,0 5,6 9,0 5,6 a In euro s per verzekerdenjaar 18+. Op basis van 25 risicodragende zorgverzekeraars in Bron: APE 4.5 Aansluiting kosten en normkosten De gerealiseerde kosten van de gggz zijn zeer scheef verdeeld over de verzekerden. Alle gggz-kosten worden gemaakt door ruim 7% van de verzekerden. Tabel 4-6 vat de scheefheidsmaatstaven samen voor de verschillende modelvarianten. Naast de Ginicoëfficiënt tonen we ook de (gestandaardiseerde) Theilcoëfficiënt (zie voor een toegankelijke bespreking van den Brakel-Hofmans 2007). De waarde van de Theilcoëfficiënt loopt uiteen van nul (alle verzekerden hebben gelijke kosten) tot één (één verzekerde maakt alle kosten). De Theilcoëfficiënt reageert sterker op veranderingen in de staarten van de kostenverdeling dan de Ginicoëfficiënt. Toevoegen van een vereveningskenmerk op basis van de ZVZ-indicator zorgt ervoor dat zowel de Theilcoëfficiënt als Ginicoëfficiënt licht verbeteren. Dat betekent dat zowel de hoge kosten als de lage kosten iets beter voorspeld worden

37 Tabel 4-6: Scheefheidsmaatstaven op verzekerdenniveau Theilcoëfficiënt Ginicoëfficiënt Gerealiseerde kosten 0,248 0,985 Uitgangsmodel 0,086 0,757 Variant 1a 0,105 0,805 Variant 1b 0,104 0,805 Bron: APE Een aanvullend criterium voor de aansluiting van de kosten bij de normkosten is de mate waarin het betreffende model kosten voorspelt bij verzekerden met en zonder kosten. In variant 1 stijgt het normbedrag voor de verzekerden met kosten licht, en daalt het negatieve resultaat van naar iets minder dan Dat betekent dat een groot deel van de gebruikers van gggz-zorg geen ZVZindicator in het voorgaande jaar heeft. In het uitgangsmodel komt 69% van de normkosten terecht bij verzekerden zonder kosten. In de varianten met een criterium op basis van de ZVZ-indicator daalt dit naar ruim 60%. De groep verzekerden die goed is voor de bovenste 25% van de gggz kosten in t-1 wordt zowel in het uitgangsmodel als in de verschillende varianten ondergecompenseerd. Het verlies op deze verzekerden daalt wel bij toevoegen van een kenmerk op basis van de ZVZ-indicator in t-1. Verbetering risicovereveningsmodel GGZ 2017: toevoeging ZVZ 37

38 Tabel 4-7: Gemiddelde normkosten en resultaat per verzekerdenjaar voor verzekerden met en zonder kosten en de groep met de 25% hoogste kosten, 2014 Groep (verzekerdenjarendel Grootheid Uitgangsmo- Variant 1a Variant 1b Verzekerden met kosten Gemiddelde normkosten in jaar t ( ) ( ) Gemiddelde resultaat ( ) Verzekerden zonder Gemiddelde normkosten kosten in jaar t ( ) ( ) Gemiddelde resultaat ( ) Macro-aandeel normkosten 69,4 60,6 60,6 (%) Verzekerden 25% Gemiddelde normkosten hoogste gggzkosten ( ) (10.250) Gemiddelde resultaat ( ) a. De groep verzekerden met ernstig psychiatrische aandoeningen is gedefinieerd als de groep verzekerden met de bovenste 25% van de gggz-kosten in jaar t-1. Bron: APE 4.6 Normbedragen De normbedragen presenteren we in bijlage C. Als we een kenmerk op basis van de ZVZ-indicator toevoegen dan dalen de normbedragen voor mannen t/m 54 en vrouwen t/m 39. De normbedragen voor mannen vanaf 55 en vrouwen vanaf 44 nemen juist toe. De normbedragen voor de SES 3, 65+ groep wordt iets negatiever. De andere normbedragen m.b.t. SES worden minder positief/negatief. Ook bij de AVI groepen IVA, arbeidsongeschikten, bijstand, zelfstandigen, studenten en hoog opgeleiden worden de normbedragen minder positief/negatief. Enige uitzondering is de groep IVA in de leeftijd 35 t/m 44. Van deze groep neemt het normbedrag af van 64 naar -3. De normbedragen van de groepen naar GGZ-regio, eenpersoonsadres/meerpersoonsadres, FKG, DKG en MHK worden ook allemaal minder positief/negatief. Bij de FKG s zien we de grootste daling van de normbedragen bij de FKG s voor psychose en psychose depot. Bij de DKG s zien we de grootste afname van de normbedragen bij de groepen DKG1 t/m DKG3. De normbedragen van de MHK veranderen relatief weinig