Data science

Deze zes data-analysen geven gemeenten grip op hun zorgkosten

16 December 2021 - 7 minuten leestijd
Artikel door Wolter D. Van Dam Msc & Dr. Johan Posseth Mmc

Gemeenten kampen nog altijd met toenemende tekorten in het sociaal domein. Per gemeente kan het gaan om miljoenen. Nu ze financieel onder druk staan, is het zaak om meer grip op de zorgkosten te krijgen. Van de instroom tot het monitoren van zorgaanbieders: zes data-analysen die gemeenten zélf kunnen maken.

De essentiële analysen:

  1. Waar liggen demografische risico’s? Hoe sluit het beleid daarop aan?
  2. Wie verwijst naar wie en hoe vaak?
  3. Hoe functioneert de toegang? En zijn het zorglandschap en de algemene voorzieningen ‘dekkend’?
  4. Hebben we grip op het zorggebruik en de kosten? Zijn de processen wel op orde?
  5. Hebben we de risico’s bij zorgaanbieders in beeld?
  6. En hoe is het resultaat van de zorg per aanbieder?

Dit schema laat zien hoe de analysen zich tot elkaar verhouden.

Insights-update

Ontvang nieuwe Insights maandelijks in je inbox.

Schrijf je in.

De analyses moeten leiden tot concrete acties, zoals het verbeteren van de basisinformatie en sneller melden en declareren. Maar ook tot een beter gesprek met zorgaanbieders, gestoeld op inzicht; tot het gericht aanpassen van algemene voorzieningen, ter voorkoming van duur maatwerk; tot het voorkomen van dure overbruggingszorg; en tot kortere wachtlijsten en betere indicering, door professionalisering van de toegang. De volgende zes analyses geven helderheid én aanknopingspunten voor verbetering:

Analyse 1: Gemeentelijke situatie en beleid

De eerste analyse toont demografische ontwikkelingen en de gevolgen hiervan voor het zorggebruik. Het gaat hierbij bijvoorbeeld om: vergrijzing, life events zoals scheiding en schulden, eenzaamheid of psychische klachten. Aan de andere kant brengt de analyse het effect van lokale wet- en regelgeving en gemeentelijk beleid in kaart. Bijvoorbeeld: het hanteren van een leeftijdsgrens om aanspraak te kunnen maken op bepaalde voorzieningen.

Het doel is inzicht krijgen in de oorzaken om daarmee prognoses te kunnen maken. Wat gebeurt er als we niets wijzigen? En welke maatregelen hebben effect? Denk aan het starten van een algemene voorziening tegen bijvoorbeeld eenzaamheid van ouderen om dure maatwerkvoorzieningen te voorkomen.

Figuur 2: Voorbeeld: Psychische klachten in beeld op buurt niveau via open-data vanuit NIVEL-database

Analyse 2: Toeleiders en verwijzers

Welke invloed heeft de gemeente op de eerste entree van het sociaal domein, de toeleiders en verwijzers? De visies daarop kunnen uiteenlopen. Het begint met inzicht: wie verwijst eigenlijk naar wie en hoe ontwikkelt zich dit?

Toeleiders hebben een belangrijke signaalfunctie. Het gaat om de school, wijkverpleging, maatschappelijk werk, veilig thuis of de politie. Vroegtijdig signaleren van problemen is goed, maar opzoek naar nieuwe cliënten op het schoolplein weer niet. De school als vindplaats, niet als marktplaats.

Verwijzers zijn de huisarts of jeugdarts, de rechterlijke macht of jeugdbescherming. Belangrijke analysen zijn de ontwikkelingen per verwijzer, de oorzaken daarvan en de mate waarin cliënten voorzieningen ‘stapelen’. Dit kan op basis van basis van informatie vanuit gemeentelijke applicaties.

Figuur 3: Verwijsgedrag in beeld van verwijzer naar product naar aanbieder op basis van indicatiebestanden gemeentelijke organisaties.

Analyse 3: Gemeentelijke toegang

Het Loket of Sociaal Team vormt de gemeentelijke toegang. Aandachtspunten zijn hier: wat is de expertise van deze medewerkers? Hoe integraal bekijken zij de cliënt? Beschouwen ze die per domein, of in de breedte: Wmo, jeugd, participatie en schulden? Voorziet de gemeente in goede algemene voorzieningen voor deze mensen, of wordt alles duur maatwerk? Dit zijn vooral kwalitatieve analysen, op basis van interviews.

De kwantitatieve analysen richten zich op de caseload van het team, de wachttijden en de oorzaken daarvan. Daartoe is een analyse van doorlooptijden relevant tussen vier belangrijke data in het proces: datum hulpvraag, datum gesprek consulent, datum indicatie en start van de zorg. Dan wordt duidelijk waar de bottleneck zit. Het is belangrijk om de capaciteit en werkdruk van het sociaal team in de gaten te houden. Een hoge werkdruk leidt vaak tot meer duurder maatwerk, omdat dit eenvoudiger en sneller te regelen is.

Analyse 4: Monitoren van het zorggebruik

Zorggebruik zegt veel over de behoefte, maar ook over de financiële impact. Het analyseren van de kosten, aantallen cliënten en de mate van stapeling, biedt handvatten om te optimaliseren. Dit dient per segment te gebeuren. Dan kan bijvoorbeeld blijken dat de kosten van begeleiding en dagbesteding flink zijn toegenomen. Vervolgens is een detailanalyse van de uitschieters van belang.

Bijvoorbeeld: de stijging blijkt voort te komen uit het product ‘specialistische begeleiding’. Wat is hier aan de hand? Bij welke aanbieders stijgen deze kosten eigenlijk? Vervolgens kun je met hen in gesprek gaan. De verklaring blijkt dan soms onthutsend: “Wij zijn gestopt met de reguliere begeleiding. Iedereen krijgt nu specialistische begeleiding. Dat tarief is hoger.” Dat stelt de gemeente uiteraard voor de vraag: vinden wij dit wenselijk?

Analyse 5: Scan zorgaanbieders op financiële gezondheid en fraudesignalen

Wij hebben een scan ontwikkeld van zorgaanbieders op financiële gezondheid en signalen van fraude. Niet alleen per aanbieder, maar ook voor alle aanbieders in een regio. Dit is belangrijk bij de inkoop en het contractmanagement, om zeker te zijn dat de cliënt daadwerkelijk geholpen wordt. Onderstaande figuur toont alle 3800 zorgaanbieders in Nederland die hun jaarrekening verplicht bij VWS hebben gedeponeerd (grijs) en van gemeente X (groen). Idealiter zitten alle zorgaanbieders in het kwadrant rechtsboven: financieel gezond en geen signalen van fraude.

Landelijk staan 560 organisaties (14,7% van het totaal) er financieel niet goed voor. Dit is gebaseerd op 11 financiële en hrm-indicatoren, zoals liquiditeit, winst, solvabiliteit, ziekteverzuim, uitstroom, overhead en inhuur.

Bij 260 organisaties (6,8% van het totaal) zijn er signalen van onrechtmatigheid. Dat is nog niet meteen bewijs, maar geeft wel aan dat er in de jaarrekening opmerkelijke cijfers staan. Dat kan gaan om een zeer hoge winst, een heel laag aandeel personeelskosten, een zeer hoge honorering van de bestuurder, of een zeer hoge omzet per fte. Hoe een kwaadwillende precies geld uit de organisatie wil trekken is nog onduidelijk, maar helder is wel dat het geld in zo’n geval niet wordt besteed aan personeelsinzet.

Deze analyse is ook mogelijk per gemeente en per inkoopregio. Tevens kun je in het online dashboard elke stip op de kaart ‘aanklikken’ om te kijken om welke organisatie het gaat en wat de onderliggende scores zijn. De analyse vormt geen bewijs, maar heeft een signaalfunctie.

Deze analyse moet overigens niet meteen aanleiding zijn om extra geld aan de zorgaanbieders te verstrekken om de financiële problemen op te lossen. Het belangrijk om eerst de informatievoorziening te verbeteren. Zo geven diverse inkopers aan dat financiële problemen ook bewust veroorzaakt kunnen zijn, door geld uit de organisatie te halen. Zo is er een organisatie die geld leent tegen 9% rente van een andere organisatie met dezelfde eigenaar. Geld dat daarvoor nog in de organisatie zat.

Analyse 6: Herindicatie en uitstroom

Het slotstuk van de analyse vormt het resultaat van de zorg. Leidt dit tot uitstroom uit de zorg of toch tot herindicatie? Is het doel gerealiseerd? Wat was de behandelduur? Hoe tevreden is de cliënt? Hoeveel uitval was er? Hoeveel mensen hadden binnen een half jaar opnieuw zorg nodig? En in welke mate verschilt dit tussen aanbieders? Dat is belangrijke informatie om te bepalen met welke aanbieders je door wilt. En met welke een goed gesprek nodig is.

Maar eerst: de data op orde!

Gemeentelijke stuurinformatie blijkt vaak achterhaald en onvolledig. Na indicatie raakt de cliënt uit zicht, terwijl juist dan kosten worden gemaakt. Deze komt pas weer in beeld bij het betalen van de factuur. Gemeenten hebben daardoor geen goed zicht op hun kosten en resultaten, waardoor prognoses onjuist zijn en goed sturen onmogelijk is.

Dit na-ijleffect manifesteert zich vooral bij managementinformatie over de jeugdzorg en veel minder bij de Wmo en PGB’s. Bij de jeugdzorg lopen de indicaties niet alleen via de gemeente, maar ook via externe verwijzers. De achterstand wordt pas bij het opstellen van de jaarrekening in mei iets ingelopen omdat dan een inschatting wordt gemaakt van dit ‘onderhanden werk’. Overigens worden gemeenten ook bij de Wmo verrast door tegenvallers, vooral door gebrek aan inzicht in de instroom.

Belangrijk is dat het proces van melden en factureren veel strakker gaat verlopen. Dit vereist twee zaken. Ten eerste dient de zorgaanbieder 5 dagen na aanvang van de zorg een melding naar de gemeente te sturen. Ten tweede dient de zorgaanbieder te declareren binnen 30 dagen. In dat geval heeft de gemeente begin februari inzicht in alle kosten. Het melden en declareren verloopt nu traag. De eerste stap is dan ook om twee analysen te maken:

  • Wat is per zorgaanbieder het percentage meldingen dat daadwerkelijk binnen 5 dagen na start van de zorg wordt verstuurd?
  • Wat is het percentage declaraties per zorgaanbieder dat daadwerkelijk binnen 30 dagen na het einde van de zorg naar de gemeente wordt gestuurd?

Waar beginnen?

Begin met de zwakste schakel. Het is raadzaam om een eerste snelle analyse te maken, om vast te stellen welke dit is. Neemt de instroom toe, dan is het goed om in te zoomen op de verwijzers: wie verwijst naar wie? En hoe functioneert de gemeentelijke toegang? Stagneert de uitstroom, dan is het zaak om een analyse te maken van de herindicatie en afschaling en het gesprek daarover aan te gaan met zorgaanbieders. En stijgen de kosten per cliënt sterk, ook dan is het zinvol om een analyse te maken van zorgaanbieders.

Deze laatste analyse hebben wij al gemaakt, door alle jaarrekeningen van Nederlandse zorgaanbieders te analyseren. Het is zaak deze externe data te gaan gebruiken bij de gesprekken die je als gemeente toch al voert.

Gerelateerde artikelen
In deze 9 stappen kun je als gemeente datagericht werken
Data science Public
De opkomst van data science biedt enorm veel mogelijkheden om problemen binnen je gemeente in kaart te br ...
Transparantie door blockchain: een kans of bedreiging voor de overheid?
Blockchain Public
In 2020 publiceerde accountants- en adviesorganisatie BDO een onderzoeksrapport (uitgevoerd door Publicum ...
Kosten jeugdzorg voorspelbaar dankzij data science
Data science Public
Door middel van Data Science helpt ICT-adviseur Kees van den Tempel gemeenten meer inzicht te krijgen in ...