Ongeveer een derde van de variatie in ggz-kosten, maar niet die van medisch-specialistische zorg (figuur 1), is in Nederland grotendeels terug te voeren op sociaal-demografische verschillen tussen regio’s (van Os 2019; van Os & Mulder 2021). Medisch-specialistische zorg heeft vooral een sterke relatie met leeftijd en wordt niet beïnvloed door de sociaal-demografische factoren die het ggz-zorggebruik verklaren. Binnen de sociaal-demografische factoren met impact op het ggz-zorggebruik werd de grootste bijdrage geleverd door een regionale sociaal-economische score, onafhankelijk van geslacht, leeftijd, urbanisatie, regionale etnische dichtheid en kalenderjaar (van Os 2019; van Os & Mulder 2021). De bevinding dat ggz-kosten sterker dan - andere - medische kosten verband houden met sociaal-economische variabelen komt overeen met eerdere meta-analytische bevindingen dat psychische gezondheid sterker is gecorreleerd met subjectieve sociaal-economische status dan somatische gezondheid (Quon & McGrath 2014; Zell e.a. 2018).

De SES-afhankelijkheid van psychisch lijden wordt uitgelegd als een combinatie van causatie (neerwaartse sociale stratificatie leidt tot hogere incidentie van psychisch lijden) en sociale selectie (prevalent psychisch lijden leidt tot neerwaartse sociale stratificatie). Welk effect het sterkste is, kan afhankelijk zijn van de aard en ernst van het psychisch lijden (Johnson e.a. 1999). Zorgkosten vertegenwoordigen een mix van incidentie en prevalentie van psychisch lijden en zijn dus gevoelig voor beide effecten (van Os & Reininghaus 2021).

Het ligt voor de hand om op de sterke relatie tussen psychisch lijden en sociale factoren te anticiperen in het systeem van zorg. Medicalisering van psychisch lijden door sociale problematiek dient te worden vermeden (Verhaeghe 2013; Eurelings & van Os 2018). De meeste westerse landen, waaronder ook Nederland, hebben aparte systemen voor medische zorg en sociale zorg.

In Nederland zijn deze ondergebracht in de Zorgverzekeringswet (Zvw) en de Wet maatschappelijke ondersteuning (Wmo), elk met aparte bureaucratieën en uitvoerende instanties. Patiënten met ernstig psychisch lijden zijn aangewezen op zorg vanuit beide wetten, maar de kwaliteit van de lokale samenwerking tussen ggz en sociaal domein op gemeenteniveau is zeer variabel (van Rooijen e.a. 2016). Zo hebben sommige gemeenten een aantal goed functionerende recovery colleges, zoals Enik in Utrecht (https://www.enikrecoverycollege.nl/), maar dit is niet de norm. Bij onvoldoende samenwerking bestaat het risico dat, in een systeem van gereguleerde marktwerking van psychisch lijden, sociale zorgbehoeften worden gemedicaliseerd (Eurelings & van Os 2018; Taskforce Juiste Zorg op de Juiste Plek 2018).

Gegeven de aangetoonde sociaal-demografische afhankelijkheid van de ggz-zorgconsumptie, en regionale verschillen daarin, aangetoond op PC3-niveau (van Os 2019; van Os & Mulder 2021), is het wenselijk om deze relatie in meer detail te onderzoeken. Meer inzicht kan immers helpen om de systemen van medische en sociale zorg beter op elkaar af te stemmen (van Rooijen e.a. 2016). Hiertoe zijn data nodig met zowel meer geografische, diagnostische en zorgtyperesolutie. Deze verhoogde resolutie maakt het mogelijk om te onderzoeken, op basis van de Vektisdata op PC4-niveau over de periode 2015-2018, wat de samenhang is tussen regionale sociaal-economische variatie enerzijds en ggz-kosten anderzijds, afhankelijk van type psychische aandoening en type zorg.

methode

Data en analytische strategie werden uitgebreid besproken in vorige publicaties (van Os 2019; van Os & Mulder 2021). In de Vektisdata werd geselecteerd voor alle ggz-kosten die gemaakt werden door verzekerden van 18-65 jaar binnen de ggz voor de jaren 2015-2018. Hiervoor maakt Vektis gebruik van de declaraties die betrekking hebben op ggz, huisartsenzorg en de Wet langdurige zorg (Wlz). Deze kosten worden per jaar uitgesplitst naar de verschillende typen zorg: poh-ggz, basis-ggz (bggz), gespecialiseerde ggz (sggz), langdurige ggz (lggz) en ggz binnen de Wlz. De sggz werd verder onderverdeeld naar ambulant en klinisch en de verschillende diagnosegroepen. Voor de analysen werden de volgende vijf sggz-diagnosegroepen aangehouden: EPA (psychotische stoornissen, bipolaire stoornis), angst/depressie, persoonlijkheidsproblematiek, middelenmisbruik en andere stoornissen.

Per jaar werden de gemiddelde ggz-kosten per verzekerde, per type zorg en diagnose berekend. Hiervoor werden de ggz-kosten (teller) verdeeld naar clusters van leeftijdsklasse (5 jaar), geslacht en PC4-gebied. De clusters van het aantal verzekerden (noemer) werden bepaald op basis van de kenmerken van alle verzekerden. Herleidbaarheid naar personen werd voorkomen.

Ook werd het aantal patiënten meegenomen, uitgesplitst naar jaar, PC4-gebied, leeftijdsklasse (drie klassen van 18-24, 25-64 en 65+) en geslacht.

De ggz-kosten voor analyse betroffen de sggz (ambulant en klinisch en vijf diagnosegroepen), bggz en poh-ggz. Kosten van de lggz (1,55% van totale kosten) en Wlz (0,58% van totale kosten) werden buiten beschouwing gelaten. Zorgkosten per type zorg en per diagnostische groep werden weergegeven als absolute kosten, maar ook als relatieve kosten, te weten als proportie van het geheel. Zo werden de kosten van de poh-ggz uitgedrukt enerzijds als kosten per verzekerde, maar anderzijds als de ratio van poh-ggz-kosten gedeeld door de totale ggz-kosten. Hetzelfde gold voor sggz-diagnosegroep: EPA-kosten werden uitgedrukt enerzijds als kosten per verzekerde, maar anderzijds als de ratio van EPA-kosten gedeeld door de totale sggz-kosten.

Gezondheidszorgkosten worden gekenmerkt door extreme waarden die resultaten kunnen vertekenen. Kostenvariabelen werden daarom gewinsoriseerd waarbij de 1% extreme waarden per leeftijdsgroep en geslacht, alsmede per type zorg (bggz, sggz ambulant, sggz klinisch, poh, lggz en Wlz) en diagnosegroep, uit de verdeling werden gehaald en vervangen door de waarde van het 99ste percentiel.

Behandelprevalentie, kosten per unieke cliënt, Wmo-kosten en outlierfracties

Voor elke combinatie van leeftijd (18-24 jaar en 18-64 jaar), geslacht, jaar en PC4-gebied werd de behandelprevalentie berekend als het aantal behandelden op het aantal verzekerden. Tevens werd berekend, voor elk PC4-gebied, over de periode 2015-2018 de fractie van de ggz-kosten die werd uitgegeven aan klinisch verblijf in de sggz.

De kosten per unieke cliënt (KPUC) werden berekend per PC4-gebied, jaar en leeftijd-geslachtscluster (3 leeftijdsklassen) als de ggz-kosten gedeeld door het aantal patiënten.

Wmo-kosten waren beschikbaar via het CBS als de fractie van de populatie op PC4-niveau die gebruik had gemaakt van een voorziening in de Wmo (huishoudelijke hulp, begeleiding dagbesteding, vervoersdiensten, rolstoelen, vervoervoorzieningen, woonvoorzieningen, beschermd wonen en (spoed)opvang en overige maatwerkvoorziening). Alleen data van 2018 werden gebruikt omdat data uit voorgaande jaren niet betrouwbaar werden geacht.

Outlierfracties werden als volgt gedefinieerd. Eerst werd de outliergrens vastgesteld binnen de hele range van gemiddelde kosten per verzekerde voor ieder leeftijd-geslachtscluster per PC4-gebied per jaar. Vervolgens werd elke leeftijd-geslachtsclusterobservatie gecodeerd als wel (‘1’) of geen (‘0’) outlierobservatie. Tot slot werd berekend, separaat voor elk PC4-gebied, het percentage van de totale zorgkosten dat werd ingenomen door de outlierobservaties over de periode van observatie.

Resultaten geocodering

Om verschillen tussen regio’s aanschouwelijk te maken voor belangrijke variabelen werden deze met QGIS-geocoderingsoftware geprojecteerd op de kaart van Nederland, geaggregeerd op gemeenteniveau en gewogen voor het aantal verzekerden, gebruikmakend van vijf tinten rood voor de kwintielgroepen van deze variabelen.

Grafische weergave resultaten

De vijf niveaus van de PC4-sociaal-economische index werden geplot, gewogen voor het aantal verzekerden per leeftijd-geslachtcluster, tegen vier groepen van zorgkosten: 1. kosten- en ziekteparameters (kosten per verzekerde, behandelprevalentie, KPUC, outlierfracties en PC4-fractie Wmo-gebruikers); 2. type zorg absoluut en relatief (poh, bggz, sggz-ambulant, sggz-klinisch); 3. type diagnose absoluut en relatief (EPA, angst/depressie, persoonlijkheidsproblematiek, middelenmisbruik en andere stoornissen).

Regressieanalysen

De afhankelijke variabele in de regressiemodellen was ggz-zorgconsumptie (met uitzondering van een model met PC4-fractie Wmo-gebruikers als afhankelijke variabele), uitgedrukt als de gemiddelde kost per verzekerde voor ieder leeftijd-geslachtscluster per PC4-gebied per jaar, met weging voor het aantal mensen per leeftijd-geslachtscluster in de analysen. Kostwaarden ondergingen een zero-skewness-logtransformatie met de lnskew0-procedure in Stata, werden gecentreerd en uitgedrukt in standaarddeviatie-eenheden (i.e. gedeeld door hun standaarddeviatie).

Ggz-zorgkosten werden gemodelleerd in een regressiemodel (Stata-regressprocedure) als een functie van factoren met bekende associaties met zorggebruik en ggz-zorgbehoeften (van Os 2019; van Os & Mulder 2021), te weten: leeftijd (in jaren), geslacht, urbanisatiegraad (CBS-‘macro’-stedelijkheidsgraad op gemeenteniveau), kalenderjaar en een sociaal-economische index op PC4-niveau (uitgedrukt als een intervalvariabele met vijf niveaus van kwintielgroepen).

Factoren gebruikt in eerdere analysen die niet bijdroegen aan het model werden niet geïncludeerd (van Os 2019; van Os & Mulder 2021). De PC4-sociaal-economische index was de geroteerde score van de eerste factor (35% variantie verklaard) van een factoranalyse van 48 demografische en sociaal-economische PC4-niveauvariabelen uit de CBS-bestanden ‘Kerncijfers Wijken en Buurten’ over de jaren 2015-2018. Deze 48 variabelen betroffen de volgende demografische en sociaal-economische dimensies: leeftijd, geslacht, etniciteit, inkomen, huwelijkse staat, geboorten, sterfte, woonverband, type woningen, wooneigenaarschap, leegstand, bouwjaar, huishoudinkomen, uitkeringen, type uitkering, bijstand, op/onder sociaal minimum, adresdichtheid, bevolkingsdichtheid, aantal inwoners. De eerste factor scoorde hoog op: jonge leeftijd, etnische minderheden, ongehuwd, 1-persoonshuishouden, geen kinderen, meergezinswoning, huurwoning, woningcorporatiewoning, laag inkomen, op/onder sociaal minimum, bijstand en hoge adres- en bevolkingsdichtheid. Toevoeging van tweede en/of hogere factoren uit de factoranalyse bracht geen verdere verbetering in kostmodellen en werden derhalve niet geïncludeerd in de huidige analysen.

Gegeven de opbouw van de data van het aantal mensen in 18 leeftijd-geslachtsclusters in 4094 PC4-gebieden ontstaat een hiërarchische clustering in de data, te weten de leeftijd-geslachtgroepen (niveau 1) die zijn geclusterd binnen PC4-gebieden (niveau 2). Correctie van standaardfouten voor clustering van de data op regioniveau werd uitgevoerd met de clusteroptie in Stata.

Interacties werden getoetst tussen PC4-sociaal-economische index enerzijds en de andere factoren in het model, vanuit de hypothese dat het verband tussen PC4-niveau sociaal-economische index en ggz-zorgkosten sterker zou zijn voor: stedelijke gebieden, mannen, oudere leeftijd.

Voor iedere gemeente werd een ggz-wmocoherentie-indicator berekend. Hiertoe werd berekend, uit het beschreven regressiemodel, de gemeentespecifieke regressiecoëfficiënt van de associatie tussen PC4-niveau gemiddelde ggz-kosten en PC4-niveau fractie Wmo-gebruikers.

resultaten

Beschrijvende resultaten

Geocodering van gemeenteniveau ggz-kosten, fractie Wmo-gebruikers, sociaal-economische index op PC4-niveau en behandelprevalentie liet brede spreiding zien (figuur 2).

Grafische detailweergaven van de relatie tussen PC4-sociaal-economische index en zorgkosten lieten de volgende patronen zien:

1. Over de kwintielgroepen van de PC4-sociaal-economische index was er een sterke toename van alle kosten en ziekteparameters (figuur 3). Er was sprake van een lineaire toename in ggz-kosten per verzekerde, behandelprevalentie en KPUC, terwijl de toename voor uitbijterfractie en Wmo meer exponentieel leek. De sterkste toename werd gezien voor ggz-kosten per verzekerde en behandelprevalentie.

2. Over de kwintielgroepen van de PC4-sociaal-economische index was er een lineaire toename in absolute kosten voor alle type kosten, vooral voor sggz ambulant en klinisch, en in mindere mate voor poh-ggz en bggz (figuur 4).

3. Over de kwintielgroepen van de PC4-sociaal-economische index was er een sterke toename in het aandeel van de klinische sggz in de totale kosten en sterke afname in het aandeel van poh-ggz en bggz. Het aandeel van de ambulante sggz bleef gelijk (figuur 5).

4. Voor alle diagnostische groepen was er een sterke toename in de kosten per verzekerde over de kwintielgroepen van de PC4-sociaal-economische index, met name voor de EPA-groep en de groep met middelenmisbruik (figuur 6).

5. Het aandeel in de kosten voor EPA en middelenmisbruik verdubbelde over de kwintielgroepen van de PC4-sociaal-economische index en nam eveneens toe voor persoonlijkheidsproblematiek, terwijl het afnam voor angst/depressie en andere stoornissen (figuur 7).

Regressieanalysen

In het regressiemodel was er een sterke dosis-responsassociatie tussen PC4-sociaal-economische index en totale ggz-kosten per verzekerde, gecontroleerd voor geslacht, leeftijd, urbaniciteit en kalenderjaar (tabel 1). De bèta van het lineaire effect over vijf kwintielgroepen was 0,37 en de bèta van de hoogste kwintielgroep ten opzichte van de laagste was 0,55 (zie tabel 1).

Binnen de ambulante ggz was de associatie tussen de kosten en de PC4-sociaal-economische index twee keer groter voor de sggz (b = 0,22; 95%-BI: 0,21-0,23) dan voor de bggz (b = 0,10; 95%-BI: 0,09-0,12) en de poh-ggz (b = 0,11; 95%-BI: 0,09-0,13).

In het model met PC4-fractie Wmo-gebruikers als afhankelijke variabele, gecontroleerd voor geslacht, leeftijd, urbaniciteit en kalenderjaar, was een sterke associatie met PC4-sociaal-economische index (b = 0,011; 95%-BI: 0,010-0,012; bèta = 0,52; p < 0,01) en een zwakkere associatie met ggz-kosten per verzekerde (b = 0,0030; 95%-BI: 0,0026-0,0034; bèta = 0,13; p < 0,01).

In het regressiemodel van ggz-zorgkosten als afhankelijke variabele was geen aanwijzing voor een sterke of significante interactie tussen PC4-sociaal-economische index en PC4-fractie Wmo-gebruikers (p = 0,29): bij de verschillende niveaus van PC4-sociaal-economische index was de associatie tussen fractie Wmo-gebruikers en ggz-kosten ongeveer gelijk en laag in absolute termen (tabel 2).

Andere interacties waren ook significant en van relevante effectgrootte: de associatie tussen PC4 sociaal-economische index en ggz-zorgkosten was sterker voor mannen, voor meer stedelijke gebieden en voor oudere leeftijd (tabel 3).

Geocodering van de ggz-wmo-coherentie-indicator liet een brede variatie zien in de mate van samenhang tussen ggz-activiteit en sociale zorg (figuur 8).

discussie

Bevindingen

In een analyse van de Nederlandse ggz-zorgconsumptie over de periode 2015-2018 werd een sterke sociaal-economische gradiënt gevonden op het niveau van PC4-sociaaleconomische index, onafhankelijk van leeftijd, geslacht, stedelijkheid en jaartal. De gradiënt kwam overeen met een 25% tot 350% toename (factor 2 tot 4) van de laagste naar de hoogste categorie van PC4-sociaaleconomische index. De gradiënt was zichtbaar voor alle kostenparameters (kosten per verzekerde, KPUC, fractie dure zorgtrajecten, PC4-fractie Wmo-gebruikers), behandelprevalentie, type zorg (ggz, sggz-ambulant, bggz en poh-ggz), en alle diagnostische groepen (EPA, angst/depressie, persoonlijkheidsproblematiek, stoornis in middelengebruik en andere stoornissen).

Relatief gezien was er met toenemende sociaal-economische deprivatie sprake van 1. een toename van sggz ten koste van bggz en poh-ggz, 2. een toename van klinische behandeling ten opzichte van ambulante behandeling en 3. een toename van EPA en middelengebruik ten opzichte van de andere diagnostische categorieën. Tevens werd zichtbaar dat toenemende PC4-sociaal-economische deprivatie niet gepaard ging met toenemende overlap tussen sociale zorg (PC4-fractie Wmo-gebruikers) en ggz-zorggebruik. Wel was er zeer brede variatie in de mate van (gemiddeld zwakke) samenhang tussen ggz-activiteit en sociale zorg tussen gemeenten.

Psychisch lijden en context

De bevindingen bevestigen dat psychisch lijden, ongeacht de vorm, een sterk contextueel karakter heeft, vooral in relatie tot sociaal-economische factoren. Sociale causatie speelt hierin een belangrijke rol, ook bij ernstige psychische aandoeningen (Agerbo e.a. 2015). Het Nederlandse casusregister en NEMESIS- en NEMESIS-2-onderzoek hebben aangetoond dat sociale causatie een belangrijke rol speelt bij het ontstaan van psychiatrische aandoeningen (Driessen e.a. 1998; Marsman e.a. 2020).

In de huidige analyse komt de component sociale causa­tie vooral naar voren in de lineaire toename in behandelprevalentie in relatie tot PC4-sociaal-economische deprivatie. Tevens werd gezien dat de associatie tussen ggz-zorggebruik en PC4-sociaal-economische deprivatie lager was voor vrouwen, de jongste leeftijdsgroep en in de minst geürbaniseerde gebieden. Ook dit kan een aanwijzing zijn voor sociale causatie, aangezien de effecten van sociale stratificatie op de gezondheid afhankelijk zijn van geslacht, leeftijd en setting (Braveman & Gott­lieb 2014).

Daarnaast is het waarschijnlijk dat sociale selectie ook een rol speelt. In deze analyse is dat te zien aan de verschuiving in het relatieve aandeel van ernstige psychische aandoeningen en intensieve zorgtrajecten met toenemende PC4-sociaal-economische deprivatie. Daar staat tegenover dat het feit dat er geen sociale gradiënt is bij medisch-specialistische zorg pleit tegen sociale selectie, omdat een dergelijke ‘val’ in sociale positie in principe ook zichtbaar zou moeten zijn bij medisch-specialistische zorg, hetgeen niet het geval was.

De gecombineerde effecten van causatie en selectie resulteren in een sterke sociale gradiënt van ggz-zorggebruik in het Nederlandse zorglandschap, in contrast met medisch-specialistische zorgkosten die geen random regio-effecten tonen en niet variëren met PC4-sociaal-economische deprivatie (van Os & Mulder 2021).

De bevindingen suggereren dat sociaal-economische omstandigheden in Nederland een specifiek effect hebben op de geestelijke gezondheid (causatie) en dat psychische problemen een effect hebben op de sociale positie van mensen (selectie). Er is wetenschappelijke belangstelling voor de rol van overheidsbeleid, met name beleid dat bekendstaat als ‘neoliberaal’, op het optreden van zowel sociale causatie als sociale selectie (Gruhl 2020; Zeira 2021).

Om de componenten van sociale causatie en sociale selectie nader te bepalen in de Vektisdata is longitudinaal onderzoek nodig van eerst incidentie en dan het verdere beloop van psychische klachten in relatie tot sociaal-economische omstandigheden.

Consequenties voor hulpverleners

De bevindingen van een sterke sociale gradiënt met aanwijzingen voor zowel causatie als selectie, en de mogelijke invloed van maatschappelijke factoren, nodigen uit tot een reflectie rond competenties van hulpverleners die verder gaat dan de spreekkamer. In de psychiatrische literatuur wordt dit beschreven als structurele competentie, die iemand helpt inzicht te verwerven in de manier waarop sociale, economische en politieke krachten bijdragen aan gezondheidsongelijkheid en psychisch lijden (Metzl & Hansen 2018). Dit helpt hulpverleners enerzijds met hun eigen impliciete vooroordelen die impact kunnen hebben op hun begrip voor problematiek alsmede het ontwikkelen van handelingsperspectieven met oog voor sociale factoren. Hulpverleners worden zo geholpen om de belangen van patiënten te behartigen met maatschappelijke interventies naast individueel-medische (Metzl & Hansen 2018), bijvoorbeeld in het kader van werken met resourcegroepen. Ook zijn hulpverleners beter in staat om medicalisering van het individu met psychisch lijden in het kader van sociale problemen, te voorkomen (Eurelings & van Os 2018).

Consequentie voor zorginkoop

De data suggereren dat bij de zorginkoop, c.q. in de selectie van ggz-aanbieders in een regio, rekening lijkt te worden gehouden met sociale deprivatie en het effect daarvan op de populatiezorgbehoeften. Immers, als dit niet het geval zou zijn, zou er geen sociale gradiënt zijn gevonden met zorgkosten. Dus, gegeven het feit dat sociale causatie waarschijnlijk is, lijkt bij het inkoopproces in ieder geval deels te worden geanticipeerd op de relatie tussen sociale gradiënt en lokale ggz-behoefte. Tegelijkertijd duidt de gemiddeld zwakke samenhang tussen ggz en sociale zorg op de noodzaak van meer domeinoverstijgend inkopen met bijbehorende bekostiging, als een vorm van populatiebekostiging. Hier wordt op enkele plekken reeds mee geëxperimenteerd.

Medische behandeling van de gevolgen van sociale problematiek

De sterke sociale gradiënt suggereert dat psychisch lijden in het kader van sociale problematiek niet alleen kan worden opgelost met individuele behandeling gericht op symptoomreductie. Hoewel individuele behandeling bij psychisch lijden vanzelfsprekend lijkt, kan een geïsoleerde aanpak van symptoomreductie resulteren in onnodige medicalisering en stigmatisering als er niet tegelijkertijd aandacht is voor de onderliggende sociale problematiek die impact heeft op de hele populatie (Eurelings & van Os 2018).

Het feit dat er geen oplopende associatie was tussen sociale zorg en ggz bij hogere niveaus van PC4-sociaal-economische deprivatie is mogelijk een aanwijzing dat de ggz- en de Wmo-sector moeite hebben om de activiteiten op elkaar af te stemmen. De bevinding dat de associatie tussen sociale zorg en ggz gering was, vormt mogelijk ook een aanwijzing in die richting, in overeenstemming met de vaststelling dat kwaliteit van de lokale samenwerking tussen ggz en sociaal domein op gemeenteniveau zeer variabel is (van Rooijen e.a. 2016).

De bevindingen vragen om nadere analyse van 1. de rol van de ggz bij de behandeling van psychisch lijden dat is gerelateerd aan sociale omstandigheden en 2. de mate van geïntegreerde samenwerking tussen ggz (Zvw) en sociaal domein (Wmo), met name in gebieden waar inwoners bovengemiddeld van beide wetten afhankelijk zijn. De sterke verbanden tussen sociale factoren en ggz vragen om een geïntegreerde aanpak dwars door wetten, disciplines en domeinen, zoals beschreven in het Ecosysteem Mentale Gezondheid (GEM)(van Spronsen & van Os 2021).

Men zou kunnen stellen dat de bevindingen juist pleiten voor de noodzaak van een striktere scheiding van ggz in de Zvw en sociale zorg in de Wmo. Echter, in het complexiteitsmodel van het menselijk bestaan zijn het lichamelijke, mentale, sociale en existentiële dusdanig sterk met elkaar verweven dat verwacht kan worden dat verandering in één dimensie effecten geeft in de ander. Met andere woorden: door het sociale te behandelen worden mentale effecten teweeggebracht. En vice versa kunnen we verwachten dat behandeling van het mentale sociale effecten genereert. Dit pleit tegen een striktere scheiding van de twee. Een Ecosysteem Mentale Gezondheid als model van zorg is waarschijnlijk geschikter (Smit & Van Os, ter perse).

Methodologische overwegingen

Zorgconsumptie is niet synoniem met het voorkomen van psychisch lijden, maar vertegenwoordigt wel een breed gebruikte maat van administratieve incidentie en prevalentie – omdat deze sterk gecorreleerd is met de ware incidentie/prevalentie van vooral ernstige psychiatrische aandoeningen, zoals vastgesteld in veel onderzoek, ook in Nederland (NEMESIS)(ten Have e.a. 2001; 2002; Boerema e.a. 2017). Bovendien is de mate van zorgconsumptie zelf een legitiem doel van public health en gezondheidszorgbeleid, bijvoorbeeld in het kader van substitutie van ggz voor sociale zorg bij de behandeling van primair sociale problematiek.

Wmo-kosten werden uitgedrukt als aantal gebruikers per PC4-gebied, terwijl ggz-kosten werden uitgedrukt in euro’s. Een sensitiviteitsanalyse werd daarom uitgevoerd met behandelprevalentie (aantal behandelden) in plaats van ggz-kosten per verzekerde in het model met aantal PC4-fractie Wmo-gebruikers als afhankelijke variabele. Het patroon van resultaten hiervan (bèta sociaal-economische index = 0,48; bèta behandelprevalentie = 0,20, verschil factor 2,4) kwam overeen, hoewel iets minder uitgesproken, met dat van het gebruikte model (bèta sociaal-economische index = 0,52; bèta ggz-kosten per verzekerde = 0,13, verschil factor 4).

De Vektisdata zijn relatief ongevoelig voor sociale effecten op de weg naar de ggz (het ‘pathway to mental health care’), omdat de poh-ggz-activiteiten in de huisartsenpraktijk onderdeel zijn van de dataset. Voor zover er sociale effecten bestaan op de drempel van hulpzoekgedrag en de gang naar de huisarts, zouden die, indien er rekening mee kon worden gehouden, de gevonden sociale gradiënt waarschijnlijk versterken omdat hulpzoekgedrag voor psychische problemen ook een sociale gradiënt kent in dezelfde richting als gevonden in deze analysen (Magaard e.a. 2017).

Bij de interpretatie van de bevindingen moeten we rekening houden met het feit dat het zogenaamde ‘ecologische’ analysen betreft van gemiddelde kosten per leeftijd-geslachtscluster per jaar, met gemiddeld ongeveer 170 mensen per cluster, en sociaal-economisch-demografische factoren op PC4-niveau, met gemiddeld ongeveer 3000 mensen in de onderzochte leeftijdsgroep per PC4-gebied. Dit betekent dat bijvoorbeeld een associatie tussen kosten en lage sociaal-economische status op PC4-niveau niet zonder meer op individueel niveau kan worden geïnterpreteerd vanwege mogelijke vertekening. Daar staat tegenover dat dergelijke correlaties valide kunnen zijn (MacRae 1994), vooral als er al bewijs is geleverd voor een relatie met gezondheidsuitkomsten op individueel niveau (Lokar e.a. 2019). Dit laatste is het geval voor de sociaal-economische en demografische variabelen gebruikt in deze analysen (van Os & Reininghaus 2021).

De openbare Vektisdata lopen een aantal jaren achter. Bij het verder ontwikkelen en implementeren van de methode is het daarom nodig om met actuele data te werken die de instellingen doorlopend aanleveren bij het DIS.

v Hulp bij dataverzameling en waardevolle feedback gaven: dr. Roel Freriks, assistant professor of Health Policy & Evaluation, Rijksuniversiteit Groningen en managing director, Asc Academics, en prof. dr. Jochen Mierau, hoogleraar Public Health Economics, Rijksuniversiteit Groningen; wetenschappelijk directeur, Aletta Jacobs School of Public Health en dr. Arthur Hayen, assistant professor Public Health & Eerstelijns Geneeskunde, LUMC – Campus Den Haag.

literatuur

Agerbo E, Sullivan PF, Vilhjalmsson BJ, e.a. Polygenic risk score, parental socioeconomic status, family history of psychiatric disorders, and the risk for schizophrenia: A Danish population-based study and meta-analysis. JAMA Psychiatry 2015; 72: 635-41.

Boerema AM, Ten Have M, Kleiboer A, e.a. Demographic and need factors of early, delayed and no mental health care use in major depression: A prospective study. BMC Psychiatry 2017; 17: 367.

Braveman P, Gottlieb L. The social determinants of health: It’s time to consider the causes of the causes. Public Health Rep 2014; 129 (Suppl 2): 19-31.

Driessen G, Gunther N, van Os J. Shared social environment and psychiatric disorder: A multilevel analysis of individual and ecological effects. Soc Psychiatry Psychiatr Epidemiol 1998; 33: 606-12.

Eurelings LSM, van Os J. Medicalisering en ondoelmatige zorg in de ggz. De rol van stoornisgericht denken en vergoeden. Ned Tijdschr Geneeskd 2018; 162: D3534.

Gruhl KLR. Neoliberalism: Unpacking limited employment success for persons with SMI. Can J Occup Ther 2020; 87: 390-9.

Have M ten, Vollebergh W, Bijl R, e.a. Bipolar disorder in the general population in the Netherlands (prevalence, consequences and care utilisation): Results from the The Netherlands Mental Health Survey and Incidence Study (NEMESIS). J Affect Disord 2002; 68: 203-13.

Have M ten, Vollebergh W, Bijl RV, e.a. Predictors of incident care service utilisation for mental health problems in the Dutch general population. Soc Psychiatry Psychiatr Epidemiol 2001; 36: 141-9.

Johnson JG, Cohen P, Dohrenwend BP, e.a. A longitudinal investigation of social causation and social selection processes involved in the association between socioeconomic status and psychiatric disorders. J Abnorm Psychol 1999; 108: 490-9.

Lokar K, Zagar T, Zadnik V. Estimation of the ecological fallacy in the geographical analysis of the association of socio-economic deprivation and cancer incidence. Int J Environ Res Public Health 2019; 16: 296.

MacRae K. Socioeconomic deprivation and health and the ecological fallacy. BMJ 1994; 309: 1478-9.

Magaard J, Seeralan T, Schulz H, e.a. Factors associated with help-seeking behaviour among individuals with major depression: A systematic review. PLoS One 2017; 12: e0176730.

Marsman A, Pries LK, Ten Have M, e.a. Do current measures of polygenic risk for mental disorders contribute to population variance in mental health? Schizophr Bull 2020; 46: 1353-62.

Metzl JM, Hansen H. Structural competency and psychiatry. JAMA Psychiatry 2018; 75: 115-6.

Os J van. Variatie in ggz-kosten en zorgbehoefte in de populatie: op weg naar evidence-based zorginkoop? Tijdschr Psychiatr 2019; 61: 617-25.

Os J van, Mulder W. Behoefte aan en consumptie van ggz-zorg vergeleken met somatische zorg in Nederland. Tijdschr Psychiatr 2021; 63: 39-47.

Os J van, Reininghaus U. The clinical epidemiology of schizophrenia. In: Kaplan B, Saddock J, Sadock V, e.a., red. Kaplan & Sadock’s comprehensive textbook of psychiatry (11de ed.). Londen: Lippincott Williams & Wilkins; 2021.

Quon EC, McGrath JJ. Subjective socioeconomic status and adolescent health: A meta-analysis. Health Psychol 2014; 33: 433-47.

Rooijen S van, Knispel A, van Hoof F, e.a. Samenwerking ggz en sociaal domein voor mensen mt ernstige psychische aandoeningen. Verkenning van praktijkvoorbeelden. Utrecht: Trimbos-instituut; 2016.

Smit D, van Os J. De praktijk binnen de ggz is in ontwikkeling, volgt de wetenschap? Tijdschr Psychiatr (ter perse).

Spronsen M van, van Os J. We zijn god niet. Een pleidooi voor een nieuwe psychiatrie van samenwerking. Amsterdam en Leuven: Lannoo-Campus; 2021.

Taskforce Juiste Zorg op de Juiste Plek. De juiste zorg op de juiste plek. Den Haag: Ministerie van VWS; 2018.

Verhaeghe P. Medicalisering van psychosociale problemen: Een verdoken vorm van disciplinering In: Devisch I, red. Ziek van gezondheid voor elk probleem een pil? Antwerpen: De Bezige Bij; 2013. p. 27 - 51.

Zeira A. Mental health challenges related to neoliberal capitalism in the United States. Community Ment Health J 2022; 58: 205-12.

Zell E, Strickhouser JE, Krizan Z. Subjective social status and health: A meta-analysis of community and society ladders. Health Psychol 2018; 37: 979-87.