Inleiding
Hiervoor hebben we vastgesteld dat een aantal CPA’s en ambulancediensten aanmerke- lijke doelmatigheidwinst kunnen behalen. Uit regressieanalyses (zie paragraaf 4.8) blijkt bovendien dat de spreiding in de doelmatigheidscores niet verklaard kan worden door de spreiding in omgevingsfactoren. Hoewel bij de regressieanalyses een groot aantal omge- vingsfactoren is onderzocht op hun mogelijke effect op doelmatigheid, is niet uit te slui- ten dat de onverklaarde variantie toch nog (gedeeltelijk) samenhangt met onbekende factoren in de onbeïnvloedbare omgeving. De vraag is nu of wij op basis van nader onderzoek kunnen vaststellen welke beïnvloedbare factoren de gevonden (on)doelma- tigheid kunnen verklaren. Deze verklaringen kunnen organisaties enig houvast bieden bij interventies om de doelmatigheid te verhogen.
Verklaring doelmatigheid ambulancediensten
Er is door middel van regressieanalyses onderzocht of de doelmatigheidscores (deels) te verklaren zijn door netwerk- en institutionele factoren. Dit is gebeurd op soortgelijke wijze als in paragraaf 4.8 is beschreven voor omgevingsfactoren. In de tabellen 34 en 35 hebben we respectievelijk aangegeven welke dichotome en welke continue factoren we hebben gebruikt in de regressieanalyses.
Niet alle knelpuntfactoren zoals opgesomd in bijlage VI konden worden onderzocht. De keuze van variabelen is gebaseerd op inschatting van de plausibiliteit, die op haar beurt weer is gestoeld op de bevindingen van inspecteurs tijdens de bezoeken. Tevens speelde betrouwbaarheid en respons van de gegevens een rol.
Uit het onderzoek naar de correlaties tussen de (numerieke) factoren is gebleken dat er een correlatie is tussen het totaal aantal ritten en het aantal B-ritten. Andere correlaties zijn niet gevonden. Gecorreleerde factoren zijn niet simultaan als verklarende variabelen in de regressieanalyses opgenomen.
De resultaten van de regressieanalyses laten zien dat er een aantal netwerk en institutio- nele factoren zijn die enige invloed lijken te hebben op de spreiding van doelmatigheid- scores. Evenals bij de regressieanalyses op omgevingsfactoren geven de verschillende methoden verschillende resultaten. Daarom hebben we ook hier een selectie gemaakt van factoren die in de meeste methoden een (al of niet significant) effect op de spreiding van doelmatigheidscores hebben. In tabel 36 hebben we aangegeven welke factoren dit zijn en wat hun effect is op de doelmatigheidscore. Er zijn drie factoren die een signifi- cant effect hebben.
• Het percentage niet-declarabele ritten op het totaal aantal ritten vertoont het sterkste
effect. Dit effect is negatief en significant. Het betekent dat de doelmatigheid van een dienst afneemt wanneer de dienst meer niet-declarabele ritten rijdt.
• Het percentage B-ritten buiten kantooruren heeft een significant positief effect op
doelmatigheid.
• Tenslotte zien we een significant positief effect op doelmatigheid optreden als er
sprake is van een hogere bezettingsgraad, uitgedrukt als het aantal gereden uren ten opzichte van het totaal aantal parate uren (hierbij is uiteraard gecorrigeerd voor schaalgrootte).
De andere factoren (percentage ingezette ambulances en het ziekteverzuim) kwamen in enkele methoden als factor naar voren. De verklaarde variantie van de analyses, voor zover we deze konden berekenen, varieerde van minimaal 20% tot maximaal 55%. Hoe- wel de verklaarde variantie hoger is dan bij de regressieanalyses op omgevingsfactoren, mag ook hier niet geconcludeerd worden dat de spreiding in de doelmatigheidscores verklaard kan worden door de spreiding in de onderzochte factoren, in dit geval de net- werk en institutionele factoren, omdat in geen van de gevallen een schatting is gevonden waarvan de residuen normaal verdeeld zijn. De eindconclusie is dat er drie factoren zijn aan te wijzen die een significant effect hebben op de variatie in doelmatigheidscores. Deze drie factoren wijzen in de richting van planning. Alle drie de factoren hebben namelijk betrekking op zaken als spreiding van ambulances, spreiding van (planbare) ritten en het inroosteren van mensen en auto’s.
90
Verklaring doelmatigheid CPA’s
De regressieanalyses zijn ook uitgevoerd op het niveau van CPA’s. Hierbij zijn een aan- tal voor de CPA’s relevante netwerk en institutionele factoren geselecteerd. Deze zijn gegeven in de tabellen 37 en 38.
De resultaten van de regressieanalyses laten zien dat er geen factoren zijn aan te wijzen die effect hebben op de (on)doelmatigheid van de CPA’s. Dit is enigzins te verwachten
N I E T Z O N D E R Z O R G I N T E G R A L E A N A LY S E VA N D O E L M AT I G H E I D , K WA L I T E I T E N E X P L O I TAT I E 5
Tabel 34: Dichotome netwerk en institutionele factoren die gebruikt zijn in de regressieanalyses voor ambu- lancediensten
Factor Netwerk (n)
of institutionele factor (i)
Is de ambulancedienst onderdeel van een RAV? Ja:13 Nee: 1 In ontwikkeling:59 n
Is er een paraatheidsregeling? Ja:70 Nee: 3 n
Particuliere of overheidsinsteling? Overheid:30 Particulier:43 i
Tabel 36: Netwerk en institutionele factoren met een positief significant (++), negatief significant (--) of negatief niet-significant (-) effect op doelmatigheid van ambulancediensten
Netwerk of institutionele factor Effect
Percentage ondeclarabele ritten ten opzichte van het totaal aantal ritten -- Percentage B-ritten buiten kantooruren ten opzichte van het totaal aantal B-ritten ++ Aantal ingezette ambulances ten opzichte van het aantal aanhangsels - Percentage ziekteverzuim verpleegkundigen (inclusief zwangerschappen) -
Bezettingsgraad ++
Tabel 35: Continue netwerk en institutionele factoren die gebruikt zijn in de regressieanalyses voor ambulan- cediensten
Factor Minimum Gemiddelde Maximum Aantal Netwerk (n) diensten of
zonder institutionele gegevens factor (i)
Percentage ondeclarabele ritten ten
opzichte van het totaal aantal ritten 5 16 64 6 n Percentage piketuren ten opzichte van het
totaal aantal uren 0 31 73 0 i
Percentage B-ritten buiten kantooruren ten
opzichte van het totaal aantal B-ritten 0 16 38 0 i Percentage aantal ingezette ambulances
ten opzichte van het aantal aanhangsels -14 9 57 3 i Percentage ziekteverzuim verpleegkundigen
(inclusief zwangerschappen) 0 6 33 4 i
Voltijdsfactor totale dienst 0 1 2 1 i
Totaal aantal ritten (x 1000) 0 11 48 0 n
Totaal aantal B-ritten (x 1000) 0 4 25 0 n
Bezettingsgraad (x 100) 3 44 108 1 i
gezien het lage aantal CPA’s (26) in combinatie met de spreiding in de factoren. Dit maakt het moeilijk om statistisch effecten van factoren aan te tonen. Geconcludeerd moet worden dat de spreiding in doelmatigheidscores van de CPA’s niet kan worden ver- klaard door de in de regressie opgenomen netwerk en institutionele factoren.
Maatregelen ten aanzien van kwaliteit
Uit de paragrafen 4.3 en 4.4 komen enkele aangrijpingspunten ten aanzien van kwali- teitsverbeteringen naar voren. Een aantal maatregelen zal door het beleid in gang moe- ten worden gezet. Ten eerste moet een groot aantal knelpunten ten aanzien van kwaliteit in RAV-verband opgepakt worden. Echter, de RAV-ontwikkeling is een onomkeerbaar proces van regionalisering, dat momenteel stagneert. De huidige onduidelijkheid hier- over leidt tot pas op de plaats. Dit heeft gevolgen voor de kwaliteit (en de doelmatig- heid) van de ambulancezorg. Om uit deze impasse te geraken, dient een samenhangend pakket van beleidsinstrumenten te worden aangereikt, die verankerd moet worden in wet en regelgeving, in het bijzonder in de WAV. Hierin moeten in ieder geval aan de orde komen: een uniforme rechtspositie van het personeel, een saneringsregeling, planning en financiering (en de rol van partijen hierin) en de verhouding tussen landelijke en regionale scholing. Ten tweede moet de rol en werkwijze van de CPA’s in de keten nader worden vastgelegd. Hierin moet ook aandacht worden geschonken aan de kwaliteit van de inhoudelijke aansturing van de CPA’s. Ten slotte moet de schaalvergroting van CPA’s en ambulancediensten verder worden gestimuleerd en ondersteund, in een nader aan te geven regio-indeling.
92
5 I N T E G R A L E A N A LY S E VA N D O E L M AT I G H E I D , K WA L I T E I T E N E X P L O I TAT I E N I E T Z O N D E R Z O R G
Tabel 37: Dichotome netwerk en institutionele factoren die gebruikt zijn in de regressieanalyses voor CPA’s
Factor Ja Nee Geen gegevens Netwerk (n)
of institutionele factor (i)
Is de CPA fysiek ondergebracht bij een
andere organisatie? 22 3 1 n
Is er een samenwerkingsverband van de
meldkamer met andere organisaties? 25 1 0 n
Tabel 38: Continue netwerk en institutionele factoren die gebruikt zijn in de regressieanalyses voor CPA’s
Factor Minimum Gemiddelde Maximum Aantal Netwerk (n) CPA’s zonder of institutionele
gegevens factor (i)
Aantal vacatures centralisten 0 1 3 2 i
Aantal meldtafels 1 3 5 0 i
Ziekteverzuim centralisten
(inclusief zwangerschappen) 0 9 55 0 i
Totaal aantal meldingen (x 1.000) 9 31 88 0 n
Aantal ambulancediensten in CPA-regio 1 3 8 0 n
Aantal standplaatsen in CPA-regio 2 7 16 0 n
N I E T Z O N D E R Z O R G I N T E G R A L E A N A LY S E VA N D O E L M AT I G H E I D , K WA L I T E I T E N E X P L O I TAT I E 5
Enkele andere maatregelen vallen onder de verantwoordelijkheid van de organisaties zelf. Ten eerste is er een verhoging van de paraatheidsdiscipline nodig door een systeem met harde afspraken (contractmanagement) in te voeren voor de producten die onderling geleverd worden en de kwaliteitseisen die daarbij gesteld worden. Ten tweede moet er meer gerichte aandacht worden besteed aan regionaal kwaliteitsbeleid op ketenniveau en aan regionale ontwikkeling van een integraal kwaliteitssysteem. Ten slotte kan de gebruikswaarde van de registratie- en informatiesystemen verbeterd worden. Er moeten afspraken komen tussen partijen welke relevante informatie er gegenereerd moet en kan worden uit de geregistreerde gegevens. Hieruit is naar verwachting nog behoorlijk wat managementinformatie te halen voor de sector in het algemeen en de regio’s en betrok- ken organisaties in het bijzonder.
N I E T Z O N D E R Z O R G C O N C L U S I E S E N A A N B E V E L I N G E N 6