Kosten jeugdzorg voorspelbaar dankzij data science

Onafhankelijk datascientist Kees van den Tempel werkt samen met gemeenten om de kosten van jeugdzorg inzichtelijk te maken. Om de beschikbare data te kunnen analyseren, schakelde hij de hulp van Centric in. Volgens Van den Tempel is een belangrijke eerste stap gezet, maar valt er nog veel vooruitgang te boeken.

Hoe groot is de problematiek rond de kosten voor jeugdzorg voor gemeenten?

"Het is een enorme kostenpost voor gemeenten. In totaal gaat er jaarlijks 5,5 miljard euro naar jeugdzorg. Maar van dat bedrag is er een tekort van maar liefst 1,6 miljard. Een groot deel van de gemeenten in Nederland krijgt de begroting niet sluitend, mede vanwege de kosten voor jeugdzorg. En het zijn zogenoemde open eind-regelingen.

Het werkt zo: je hebt als jongere een probleem. Dan ga je naar de huisarts of het centrum voor Jeugd en Gezin van de gemeente, en daar besluiten ze dat je iets nodig hebt. Dat kan variëren van een dyslexietest tot zware crisisopname. Wanneer een specialist zegt: 'Je moet een behandeling krijgen', dan moet de gemeente die betalen. Linksom of rechtsom, er moet betaald worden."

En via data science komt die kostenstroom beter in beeld?

"Voor gemeenten is het belangrijk om inzicht te krijgen in hoeveel kosten ze kunnen verwachten op het gebied van jeugdzorg. Data science biedt de mogelijkheid om dat te voorspellen. Voorheen werd zo’n budget ingevuld op basis van de kosten in voorgaande jaren, en dat klopte uiteindelijk nooit.

Een van de grote vragen die we onszelf via data science stellen, is: kun je op basis van gezinskenmerken bij een kind dat nu acht of negen jaar oud is, voorspellen of dat kind later in de jeugdzorg terechtkomt? Door de data die we van gemeenten krijgen te analyseren, kunnen we daar accurate inschattingen van maken."

Waar kijken jullie naar bij zo’n voorspelling?

"De samenstelling van een gezin kan heel veel zeggen. Heel vaak zijn jeugdzorgproblemen verbonden met schuldproblematiek. Als je opgroeit in een gezin met armoede, of een vader hebt die drinkt, dan is de kans groter dat je in de problemen komt. Dus wat je wilt als gemeente, is daar het beleid op inrichten en dan voorspellen wat het effect daarvan is op jeugdzorg."

IT-inzichten die je niet mag missen

Als eerste op de hoogte zijn van de laatste IT-ontwikkelingen? Schrijf je in voor onze maandelijkse nieuwsbrief.

Hoe accuraat zijn die inschattingen precies?

"Op dit moment zijn die voorspellingen voor ongeveer 80 procent accuraat. Dat is hoog, maar nog niet hoog genoeg: ik geloof dat we met de juiste data met 95 procent zekerheid kunnen voorspellen.

Het probleem ligt bij de datasets van de gemeenten; die zijn vervuild. Zo is het binnen gemeentelijke softwaresystemen bijvoorbeeld mogelijk om als geboortejaar 1899 in te vullen. Of je kunt postcodes invullen die helemaal niet kloppen. Daarom heb ik bij Centric aangeklopt, om de ruis en de fouten uit de data te halen. Als we ervoor zorgen dat de data van gemeenten zuiver is, kan de precisie van onze voorspellingen zo oplopen."

Hoe privacygevoelig zijn die datasets?

"Dankzij de AVG-wetgeving blijft de privacy van jongeren in de gemeenten altijd bewaard. Anders was ik überhaupt niet bij het project aan de slag gegaan - het gaat tenslotte vaak om heftige gevallen: jongeren met depressies, eetstoornissen, lastige thuissituaties. We hebben dus geen burgerservicenummers en geen namen of adressen. De gegevens zijn zo beschermd dat het nooit te herleiden is om wie het gaat, de data die we analyseren is volledig anoniem."

Wat heeft het analyseren van die data opgeleverd?

"Iedereen weet dat de zware gevallen, zoals crisisopvang of langdurige depressiviteit, veel geld kosten. Daar ligt dus vaak de focus op. Toch wordt de bulk van het geld uitgegeven aan hele kleine interventies: dyslexietests, logopedie, dat soort dingen. De meeste rekeningen zijn onder de duizend euro, maar als je er daar heel veel van hebt, dan ben je alsnog een hoop geld kwijt. Op dat soort stromen hebben gemeenten vaak nog geen grip. Maar juist op die kleine interventies kan je relatief gemakkelijk beleid voeren."

Dus uiteindelijk breng je niet alleen de kosten in beeld via data science, maar kan data science ook gemeenten helpen beter beleid te maken.

"Zeker. Het is voor gemeenten natuurlijk erg belangrijk om die kostenstroom in beeld te brengen, met het oog op het sluitend krijgen van de begrotingen. Maar wat voor gemeenten ook interessant is, is preventie. Wanneer via onze data de toestroom naar jeugdzorg duidelijk is, dan kun je die ook beïnvloeden. Op die manier kan je er als gemeente voor zorgen dat er hele goede voorzieningen zijn voor jongeren. Denk aan het inrichten van een buurthuis, het aanstellen van jongerenwerkers, ervoor zorgen dat sportverenigingen goed kunnen draaien. Vooral dat soort voorzieningen, die oplossingen bieden voor de lichte gevallen, zijn relatief eenvoudig op te zetten. En wanneer we dus zien dat die lichte gevallen voor het grootste deel van de kosten zorgen, kan dit een gemeente heel veel geld schelen."