Conclusies Vormgeving
Er zijn vier opties voor vormgeving onderzocht: max-methode (M1), inhoudelijke clustering (M2), meervoudigheid exclusief restricties (M3) en meervoudigheid inclusief restricties (M4). Alle inhoudelijke clusters voor M2 zijn om inhoudelijke of empirische redenen komen te vervallen waarmee ook het model is komen te vervallen. Modellen M1, M3 en M4 zijn daarom als modelvariant doorgerekend.
In overleg met de begeleidingscommissie is besloten dat de HKG’s die in hoofdstuk 314 voorgesteld zijn in vier vormen worden onderzocht.
1. M1: Max-methode (huidige methode) 2. M2: Inhoudelijke clustering
3. M3: Meervoudigheid exclusief restricties 4. M4: Meervoudigheid inclusief restricties
De resultaten van deze analyses zijn in de onderstaande paragrafen uitgewerkt.
Overige opties voor vormgeving die niet zijn toegepast zijn omschreven in paragraaf 4.5.
4.1 Max methode (huidige methode)
In het huidige HKG model (M0) wordt een verzekerde ingedeeld in de hoogste HKG op basis van zijn hulpmiddelengebruik. We passen deze methode ook toe op de HKG’s na de aanpassingen die in hoofdstuk 3 voorgesteld zijn. We hebben twee methoden onderzocht om de maximale HKG te bepalen: een standaard en iteratieve bepaling. Bij de standaard bepaling wordt eenmalig de volgorde van HKG’s bepaald op basis van meerkosten en krijgt de verzekerde de hoogste HKG toegewezen. Bij de iteratieve bepaling wordt, na toewijzing van de HKG met de hoogste meerkosten, opnieuw bepaald welke HKG daarna als hoogste geldt op basis van de meerkosten exclusief de HKG’s die al toegewezen zijn. De rekenwijze van deze twee methoden wordt verder toegelicht in Box 2. De iteratieve max-bepaling wordt als model M1 doorgerekend in hoofdstuk 5. Door de iteratieve max-bepaling te gebruiken, wordt er rekening gehouden met de overlap tussen de al ingedeelde HKG’s met hoge meerkosten en de HKG’s die nog niet zijn
14 In hoofdstuk 3 zijn 0-jarigen binnen de HKG VOEDH meegenomen in de analyses. Echter in vorig groot onderhoud en de huidige indeling zijn 0-jarigen niet opgenomen binnen de HKG VOEDH, omdat dit een sterk afwijkende gebruikersgroep is. Voor de daadwerkelijk indeling (hoofdstukken 4 & 5) zijn de 0-jarige verzekerden zodoende wel geëxcludeerd bij de HKG VOEDH.
ingedeeld met lagere meerkosten. Daarom is gekozen om de iteratieve max-bepaling te gebruiken als uitgangspunt voor model M1.
Figuur 13 laat de prevalenties, kosten en meerkosten zien van de HKG indeling o.b.v. de iteratieve max-bepaling. De methode van max-bepaling leidt tot één wijziging in de HKG-volgorde: in de iteratieve bepaling wordt, na sortering op meerkosten, COMPR de 7e en KTURI de 8e HKG. Bij de standaard max-bepaling wisselen deze HKG’s van positie. De overige HKG’s behouden dezelfde positie.
De eerste vier HKG’s (SLMZU, INFPP, VOEDH en ZSTOF) en de laatste 6 HKG’s (STOMA, INSPP, ORTHE, STIMU, EKOUS en CPAPA) blijven gelijk in prevalentie, kosten en meerkosten.
De wisseling in positie ontstaat doordat in de standaard bepaling de rangorde initieel wordt vastgesteld en verzekerden op basis van deze volgorde toegewezen worden aan de HKG met de hoogste meerkosten. Bij de iteratieve bepaling worden verzekerden in iedere iteratie toegewezen aan de HKG met de hoogste meerkosten en daarna uitgesloten. In de volgende iteratie wordt voor de resterende verzekerden opnieuw de HKG met de hoogste meerkosten bepaald.
Daardoor kan deze volgorde afwijken van de standaard bepaling.
Figuur 13: Overzicht van prevalentie, kosten & meerkosten van HKG’s volgens iteratieve max-bepaling
De verschillen in prevalenties tussen beide max-methoden zijn klein en hebben geen relevante invloed op de uitkomst van het model. Daarom is model M1 alleen doorgerekend met de iteratieve max-methode.
Box 2: Methodologische stappen van max-methodes
4.2 Inhoudelijke clustering
Ook is een mogelijke inhoudelijke clustering van HKG’s onderzocht. Hierbij zijn eerst de experts gevraagd welke HKG’s om inhoudelijke redenen mogelijk samengevoegd konden worden. Voor deze clusters is vervolgens empirisch getoetst of de meerkosten ook vergelijkbaar zijn. Om empirische redenen zijn alle inhoudelijke clusters komen te vervallen en is dit model niet anders dan model M1. Hieronder worden de overwegingen verder toegelicht.
Potentiële clusters die volgens de experts inhoudelijk samengevoegd hadden kunnen worden, zijn:
1. Cluster STOMA & KTURI
Beide HKG’s betreffen problemen omtrent urine en ontlasting en werd daarom initieel als potentieel inhoudelijk cluster aangemerkt. Later is door experts aangegeven dat dit een ander type patiënten betreft. Zo hebben gebruikers met een stoma vrijwel nooit een urinekatheter en andersom. Dit cluster is daarom komen te vervallen en is niet verder empirisch onderzocht.
2. Cluster NEVEL, ZSTOF & SLMZU
Gebruikers van hulpmiddelen onder de HKG’s vernevelaars, zuurstofapparatuur en slijmuitzuigers hebben allemaal ademhalings- of luchtwegproblemen, waarmee ze potentieel samengevoegd zouden
kunnen worden. Hierbij wordt wel aangemerkt dat de zorgzwaarte kan verschillen, waarbij deze het laagste is voor gebruikers van vernevelaars en het hoogste voor gebruikers met slijmuitzuigers.
Empirisch bleek er een groot verschil (€2.192 tot €16.781) te zitten tussen de meerkosten van deze HKG’s (NEVEL €2.046, ZSTOF €4.238 en SLMZU
€18.827, zie Tabel 9). Op basis van de meerkostenanalyse blijkt dat de groep gebruikers te ver uit elkaar ligt om samen te voegen.
3. Cluster EKOUS & COMPR
De experts gaven aan dat de functie van elastische kousen en compressiemiddelen zeer vergelijkbaar is. De verwachting was dat dit een vergelijkbare groep gebruikers betreft.
Op basis van de empirische analyse is dit cluster alsnog afgewezen. De meerkosten van dit cluster liggen €1.262 uit elkaar (€414 voor EKOUS en
€1.676 voor COMPR, zie Tabel 9). Op basis van de meerkostenanalyse blijkt dat de groep gebruikers te ver uit elkaar ligt om samen te voegen.
Doordat alle inhoudelijke clusters in tweede instantie afgevallen zijn, is model M2 komen te vervallen en is niet doorgerekend in hoofdstuk 5.
4.3 Meervoudigheid exclusief restricties
De huidige max-methode beperkt het aantal HKG’s tot één HKG per persoon. De experts zagen geen medisch inhoudelijke redenen waarom verzekerden niet tegelijk in meerdere HKG’s worden ingedeeld. We onderzoeken daarom wat het effect is van een meervoudig model waarin geen restricties worden toegepast.
Meervoudigheid zonder restricties wordt als model M3 doorgerekend in hoofdstuk 5.
Tabel 8 laat de overlap tussen HKG’s zien in percentages, waarbij de kleuren een afspiegeling zijn van de hoogte van procentuele overlap (overlap kleiner dan 5%
zijn i.v.m. leesbaarheid weggelaten). Figuur 14 geeft een overzicht van de prevalenties bij meerdere HKG’s per verzekerde.
Figuur 14: Prevalentie van het aantal meervoudige HKG’s per verzekerde
Tabel 8 Overlap tussen HKG’s in percentages
CPAPA EKOUS ORTHE INSPP STOMA COMPR KTURI NEVEL PROTH INJSP ZSTOF VOEDH INFPP SLMZU
CPAPA 100% 4% 3% 3% 2% 3% 3% 4% 2% 2% 9% 1% 2% 2%
Tabel 9 laat de resultaten zien van de empirische analyse naar de gezamenlijke meerkosten van de HKG’s die overlappen in het meervoudige model. Hierin is te zien dat voor het grootste deel van de overlappende HKG’s geldt dat de gewogen gemiddelde meerkosten van verzekerden met twee HKG’s dichterbij de som van de meerkosten van beide HKG’s ligt (rood). Voor een kleiner deel van de overlappende HKG’s geldt echter dat de gewogen gemiddelde meerkosten van beide HKG’s dichterbij één van de twee HKG’s ligt (groen dichtstbij hoogste HKG, wit dichtstbij laagste HKG). Voor deze HKG’s zijn zodoende empirische redenen om restricties toe te passen op het toewijzen van HKG’s. Het meervoudige model inclusief restricties is model M4 en wordt hieronder omschreven in paragraaf 4.4.
Figuur 15 laat de prevalentie, kosten en meerkosten per HKG zien.
Tabel 9 Overlap in HKG: meerkosten
CPAPA EKOUS ORTHE INSPP STOMA COMPR KTURI NEVEL PROTH INJSP ZSTOF VOEDH INFPP SLMZU
CPAPA 233
Figuur 15: Overzicht van prevalentie, kosten & meerkosten van HKG’s volgens meervoudigheid zonder restricties (M3)
4.4 Meervoudigheid inclusief restricties
In paragraaf 4.3 wordt een meervoudig model exclusief restricties omschreven aangezien de experts aangaven dat er geen medisch inhoudelijke redenen zijn waarom verzekerden niet in meerdere HKG’s tegelijk kunnen worden ingedeeld.
Uit de empirische analyse bleek dat voor sommige HKG-combinaties geldt dat de meerkosten dichter liggen bij één van de twee HKG’s dan bij de gewogen gemiddelde meerkosten van beide. Daarom is het model meervoudigheid met restricties toegevoegd, waarin voor een aantal HKG’s beperkingen toegevoegd zijn. Meervoudigheid met restricties wordt als model M4 doorgerekend in hoofdstuk 5.
Op basis van empirische analyse blijken voor bijna alle combinaties tussen HKG een subgroep van verzekerden te bestaan die in beide HKG’s worden ingedeeld.
Zoals in paragraaf 4.3 beschreven, blijken de meerkosten van de meeste subgroepen het dichtstbij de som van de meerkosten van beide HKG’s te liggen (Tabel 9). Echter is er ook een aantal subgroepen met gewogen gemiddelde meerkosten die dichterbij de meerkosten van de hoogste dan wel laagste HKG liggen. Hierin hebben we de gewogen gemiddelde meerkosten van verzekerden met beide HKG’s vergeleken met de afzonderlijke meerkosten per HKG. Wanneer de meerkosten van de gezamenlijke HKG’s dichterbij de meerkosten van één van de afzonderlijke HKG’s lag dan bij de opsomming van beide gemiddelde meerkosten, is een restrictie ingesteld. Alleen restricties met een minimale prevalentie van 100 verzekerdenjaren zijn opgenomen.
In totaal zijn in model M4 15 restricties toegepast (zie Tabel 10). Elke restrictie bestaat uit een leidende en vervallende HKG. Wanneer beide HKG’s voorkomen, bepaalt de leidende HKG het vervallen van de vervallende HKG (dus: als leidende HKG dan niet vervallende HKG). Het volgnummer is bepalend voor welke vervallende HKG als eerste wegvalt. Deze volgorde leidt tot één afhankelijkheid:
als een persoon zowel HKG INFPP, COMPR en PROTH heeft, wordt alleen INFPP
toegewezen. Er is één restrictie (COMPR – PROTH, volgnummer 14) waarbij verzekerden met beide HKG’s in de HKG met de laagste meerkosten terecht komen, bij alle andere restricties komt de verzekerde in de HKG met de hoogste meerkosten.
Tabel 10 Toegepaste restricties in model M4
Volgnummer Leidende HKG Vervallende HKG
1 EKOUS CPAPA
2 COMPR CPAPA
3 NEVEL CPAPA
4 ZSTOF CPAPA
5 VOEDH CPAPA
6 COMPR EKOUS
7 PROTH EKOUS
8 INJSP EKOUS
9 ZSTOF EKOUS
10 INFPP EKOUS
11 KTURI STOMA
12 PROTH KTURI
13 SLMZU KTURI
14 COMPR PROTH
15 INFPP COMPR
Het resultaat van de indeling in meervoudige HKG’s met restricties staat in Figuur 16. Naast de prevalenties zijn hier ook de kosten en de meerkosten van de HKG’s weergegeven.
Figuur 16: Overzicht van prevalentie, kosten & meerkosten van HKG’s volgens meervoudigheid inclusief restricties (M4)
Als gevolg van de meervoudige indeling kunnen verzekerden in meerdere HKG’s worden ingedeeld. In Figuur 17 is te zien hoeveel verzekerden per aantal HKG’s wordt ingedeeld. Het overgrote deel van de verzekerden krijgt 1 HKG toegewezen.
Figuur 17: Prevalentie van het aantal meervoudige HKG’s per verzekerde
De prevalenties in model M4 vallen door de restricties lager uit dan in model M3 voor PROTH (592 verzekerdenjaren, 9%), KTURI (555 verzekerdenjaren, 0,6%), COMPR (499 verzekerdenjaren, 0,6%), STOMA (15.280 verzekerdenjaren, 29%), EKOUS (44.570 verzekerdenjaren 15%) en CPAPA (14.892 verzekerdenjaren, 11%).
De restricties zijn bepaald op basis van de analyse van 1 vereveningsjaar. Voor een stabiele toepassing van restricties is de aanbeveling om de restricties over meerdere vereveningsjaren te bepalen.
4.5 Afgewezen vormgeving opties
Alle modelvarianten zijn kwalitatief beoordeeld op verevenende werking, doelmatigheid, complexiteit van uitvoering en validiteit/meetbaarheid. In de tweede begeleidingscommissie is o.b.v. deze maten besloten een aantal vormgevingsopties niet verder te onderzoeken. Dit betreft clustering op meerkosten, primaire/secundaire HKG’s en meerjarige HKG’s. Hieronder is per afgewezen optie toegelicht waarom besloten is om deze niet verder te onderzoeken.
Clustering op meerkosten
Clustering op meerkosten is alleen relevant wanneer een kenmerk extreem veel klassen heeft (bijv. bij de DKG’s waar veel DX-groepen onder liggen). Door een clustering op meerkosten vervalt daarnaast de mogelijkheid om inhoudelijke tussentijdse wijzigingen door te voeren. Ook is een clustering op meerkosten extra gevoelig voor wijzigingen in het risicovereveningsmodel. Het aantal HKG’s dat voorgesteld wordt blijft beperkt tot 15 klassen. Clustering op meerkosten wordt daarom niet als een adequate oplossing gezien.
Primaire en secundaire HKG’s
Primaire & secundaire HKG’s zijn een betere oplossing dan meervoudigheid als meervoudigheid in combinatie wordt toegepast met clustering op meerkosten.
Deze situatie kan in theorie tot onwenselijke situaties leiden (zie WOR835 par.2.2).
Bij HKG’s passen we echter geen clustering op meerkosten toe en om die reden vallen primaire en secundaire HKG’s af voor verder onderzoek. Ook is een
dergelijke methode in de uitvoering meer belastend dan meervoudigheid omdat het Zorginstituut hierdoor een extra kenmerk secundaire HKG moet bijramen, dat ook nog eens afhankelijk is van de primaire HKG’s.
Meerjarige HKG’s
Meerjarige HKG’s is onderzocht door de verzekerden voor de jaren 2014 tot en met 2016 in te delen in de voorgestelde HKG’s, waarbij het laatste jaar van indeling leidend was (iedereen die in 2016 werd ingedeeld zit in 2016). Van de overgebleven gebruikers is iedereen die in 2015 in een HKG ingedeeld in 2015 en tot slot de overige gebruikers in 2014. Hierbij werden alleen verzekerden meegenomen die ook in OT2020 voorkomen.
Figuur 18 Meerjarige analyse op voorgestelde HKG’s
De bovenste grafiek (prevalentie) in Figuur 18 toont hoeveel verzekerden extra worden ingedeeld in een meerjarige HKG. De onderste grafiek (meerkosten) toont de meerkosten van de populatie in een meerjarige HKG. Slechts bij drie HKG’s (groene pijlen) lijkt er toegevoegde waarde van meerjarige HKG’s te zijn, waarbij er een substantieel aantal verzekerdenjaren wordt toegevoegd met vergelijkbare meerkosten. Aangezien er voor slechts drie HKG’s toegevoegde waarde lijkt te zijn, is ervoor gekozen om meerjarige HKG’s niet verder te onderzoeken.
Daarnaast werken eventuele problemen met datakwaliteit meerdere jaren door in een model met meerjarige HKG’s.