PBGO en ziekteverzuim -
De voorspelbaarheid van
i ndividueel ziekt ev erzu i m
op grond van het PBGO
J.P.J. Broersenl, B-J. Vrijhof,
A.N.H.
llVeels,F.J.H. van Dijkl
Sumrnary
ln
this article we examined the rela- tion between the answe¡s on a ques- tionnai¡e about health and working conditions used in Periodic Occupa- tional Health Examinations on the one hand, and info¡mation about sickness absenteeism on the other. Information from two sources (the regional Occu- pational Health Service Oost-Gelder- land and the sickness absenteeism information system of the Dutch Institute for Working Conditions) was Iinked on the individual level.Regression analysis shows a ¡elation between the answe¡s on the question- naire and sickness absenteeism in a
later period. Employees high on sick- ness absenteeism had more complaints on most of the questions of the previ- ous quesúionnaire, except the questions about mental strains, on which they had less complaints. This relation was not st¡ong. Sickness absenteeism in an earlier period appe¿us to be a better predictor. Possible explanatioris for the weak relation between the answers on the questionnaire and the sickness absenteeism are that in some cases the cause for the sickness absenteeism was not yet present at the time of the periodic examination, and the multi- tude of reasons for absenteeism, none ofthem dominant enough to cause a strong relation between certain parts of the questionnaire and sickness absenteeism.
The combination of information from the questionnaire and sickness absen- teeism data does noú offer additional opportunities to predict absenteeism.
It
makes mole sense to use the data f¡om the questionnaire and absen- teeism âs two independently collected, mutual"complementaty sources of information to dea-l with problems regardirig work and health.l.
Coronel Laboratoúum Universiteit vm Amsterdam, A.M.C.2. Voo¡hee¡: Nedeilands Instituut voor At-
beidsometandigheden Nla. Thm werkzam bij:
cex - St¿fbu¡eau Medische Functie.
3. Bedrijfsgeaondhéidsdienst Oost-Gelderland.
1. lnleiding
1.1. Achtergrond
Bedrijfs gezondheidsdiensten voeren van oudsher op grote schaal periodiek gezondheidsonderzoek
uit bij
werk-nemers van de aangesloten bedrijven.
Dit
onderzoek istraditioneel
gericht op het bewaken en bevorderen van de gezondheid van hetindividu:
ziekten en aandoeningen wordenin
een vroeg stadium opgespoord (secundaire preventie). Sedert 1980 isdit
onder- zoek breder van opzet en inhoud geworden en bevat het elementen gericht op de primaire preventie. Zo wordenin
het onderzoek naast enin
samenhang met de gezondheids- aspecten een groot aantal belastende arbeidsfactoren geinventariseerd.Bij
deze inventarisatie
wordt
gebruik gemaakt van gestandaardiseerde vragenlijsten (de zgn. 'groene formu-lieren')
veelalin
combinatie met werkplekonderzoek. Deze moderne vorm van periodiek onderzoekwordt
aangeduid als het periodiek bedrijfs- gezondheidkundig onderzoek (eeco, zie ook Broersen et.al.,
1989).In-
middels wordt het pBGoin
deze vorm op ruime schaal toegepast.Verstoring van de relatie tussen belasting en belastbaarheid kan be- paalde klachten, ziekten, en ziekte- verzuim
tot
gevolg hebben.In
een aantal gevallen zal hetmogelijk zijn
om een dreigende verstoring van die relatie middels het signaleren van bepaalde klachtenrelatief
vroeg op het spoor te komen, op een momentdat
de gezondheidsschade en het ziekteverzuim beperkt of zelfs voor- komen kunnen worden.In
die geval- len zou een verbandkunlen
bestaan tussen de antwoorden op de gezond- heids- en werkbelevingsvragen ener- zijds en het ziekteverzuimin
een direct daaropvolgende periode an- derzijds.In dit artikeÌ wordt
een eerste aanzet gegeven voor een empirische be- schrijving van deze veronderstelde relal,ie zoals die gevonden isin
eengeselecteerd bestand van werknemers.
Daarbij
zal worden getracht de indi- viduele verschillenin
het ziektever- zuim te voorspellenuit
een aantal variabelen, waaronder de beantwoor- ding van onderdelen van depeco-
vragenlijst. Op grond van deze onder- delen zouden dan werknemers met een grote kans op hoog verzuimin
een daaropvolgende periodebij
hetpsco
reeds kunnen worden geïdentifi- ceerd.In
een vroeg stadium kunnen dan gerichte maatregelen worden genomen. Zo zot¿,informatie uit
de vragenlijsten van het pBGo kunnen bijdragen aan de preventie van ziek- teverzuim.1.2. Vraagstelling
De informatie
uit
de vragenlijsten van hetpeco sluit, in
theorie, nauw aanbij
de factoren die relevantzijn
voortijdelijke
en blijvende arbeids- ongeschiktheid. Ziekteverzuim kan worden voorgesteld als een gevolg van een verstoring van het evenwicht tussen belasting ten gevolge van belastende factorenin
of rond de arbeid en belastbaarheid (de mentale en fysieke gesteldheid van de werk- nemer). Depeco-vragenlijst
bestaatuit
vragen over de gezondheidstoe- stand en over de arbeidsomstandig- heden dietot
de begrippen belasting en belastbaarheid of de relatie tussen beide te herleidenzijn.
De serie ge- zondheidsvragen heeft destructuur
van een klassieke medische tractus- anamnese, waarbij naar specifieke gezondheidsklachtenwordt
geïn- formeerd. Tevenswordt bij
de ge- zondheidsvragen globaal gevraagd naar een mogelijke relatie tussen klachten en werk. Delijst
met vragen over de arbeidsomstandighedenil-
formeert naar aspecten van de werk- inhoud en de werkomstandigheden die door de werknemer als belastend of
hinderlijk
worden ervaren. Ru- briekenin
dezevragenlijst zijn
onder andere: lichamelijke belasting, geeste-lijke
beÌasting, fysisch-chemische arbeidsomstandigheden, arbeids- organisatie en werksatisfactie.Gezien deze overeenkomsten kan een zekere parallel tussen de resultaten
uit
depsco-vragenlijst
en het ziekte- verzuim van werknemers worden verwacht. Uitgaande van deze paral- lel kan worden aangenomen dat primaire preventie van ziekteverzuim op basis van de pBco-vragenlijstin
principe mogelijk is,mits
deze paral- lel empirisch aantoonbaar en te be- schrijven is.Met
deze voorwaardezijn
de te onderzoeken vragenvrijwel
gegeven.Zij
kunnen alsvolgt
worden geformuleerd:1. Wat
is de algemene relatie tussen de beantwoording van depeco-
Tijdschrift
voor toegepaste Arbowetenschap 4 (1991 ) nr 6 93wagenlijst
en het latere ziektever- .zuim van een werknemer, zowel voorwat betreft
de vragenlijstgegevens op zichzelf e¿in
samenhangmet
andere variabelen die tentijde
van hetpeco
gemeten zijn?2.
Welke onderdelen van hetpeco zijn
ten aanzien van het latere ziekte- verzuim van een werknemer relevant en welke niet?2. Methoden
2.1. VariabelenIn dit artikel wordt
derelatie
onder- zocht tussen enerzijds gezondheids- klachten zoals gemetenbij
heteeco
en het verzuim ten
tijde
van het PBco en anderzijds het verzuimin
een daaropvolgende periode.Uit
hetpsco
wordendaarbij
de 7 clusters vanprimaire
gezondheidsvragen en werkvragengebruikt
diezijn
be- schreven doorVrijhof
e.a. (1991).Het
gaathierbij
om de gezondheids- clusters stress, bewegingsapparaat, psychosomatisch enoverig
(een rest- categorie), en de werkclusters organi- satie en lichamelijke en mentale belasting. De eeco-gegevenszijn
afkomstiguit
het geautomatiseerde bestand van de BGD Oost-Gelderland.Gegevens omtrent het verzuim
zijn
bebrokkenuit
het ziekteverzuim- informatiesysteem(zvrs)
van het NederlandsInstituut
voor Arbeids- omstandigheden.In het zvrs wordt
voor de aangesloten bedrijven per werknemer de aanvang en duur van afzonderlijke ziektegevallen geregi- streerd. Dezeinformatie uit
het zvrsis samengevat
in
eenachttal
ver- zuimparameters,te
wetenhet
ver- zuimpercentage en de meldings- frequentie, en uitsplitsingen van deze twee parameters naar gevallen vankort
(1-7 dagen),middellang
(8-42 dagen) en lang (43 dagen en langer) verzuim. Deze parameterszijn
bere- kend over een periode van een jaar tentijde
van endirect
voor het PBGo, verder verzuim-voor genoemd, en over een periode van twee jaar direct volgend op het pBGo, voortaan verzuim-na genoemd.Naast bovenstaande
informatie uit
hetpeco
en hetzvrs zijn
de per- soonsvariabelen personeelscategorie (beambten/handarbeiders) en leef- tijdscategorie(tot/vanaf
38jaar) in
de analyses betrokken. Ten slotte werden variabelengebruikt
die de verschillen tussenbedrijven
kunnen weerspiegelen:tijdelijke,
zogenaamde dummy-variabelen, diebruikbaar zijn in
een regressieanalyse, maar die verder geen extrainformatie
bevat- ten.2.2. Onilenoehsgroep
Het
onderzoek is uitgevoerd met de gegevens van werknemers werkzaambij
bedrijven die aangeslotenzijn
ofzijn
geweestbij
zowel het zvrs als de BGD Oost-Gelde¡land.Het
basis- bestand is gevormd door koppeling van gegevensbestanden van het zvrs en hetpsco
op het niveâu van de individuele werknemer.Bij
gebrekaan een gemeenschappelijke werk- nemeridentificatie is
daarbij
gebruik gemaakt van variabelen die zowelbij
hetpnco
alsin
hetzvts
worden geregistreerd(bedrijf,
geboorteda-tum,
geslacht, naams-afkorting).Deze koppeling is zodanig uitgevoerd dat op geen enkel moment ziektever- zuim- of pBco-gegevens naar herken- bare personen te herleiden waren.
Uit
het basisbestandzijn
de werk- nemers die hebben deelgenomen aan een PBGoin
1985of
1986 voor het analysebestand geselecteerd. Werk- nemers met missende waarnemingen op eenvaî
detotale
set betrokken variabelen wordenin
ølle analyses buiten beschouwing gelatæn. Zowordt
voorkomendat
de groep werk- nemers diein
de analyse betrokkenwordt niet
dezelfde is voor analyses met verschillende sets variabelen. De gegevens van 228 werknemersuit
4 industriëIe bedrijven voldeden aan deze voorwaarden.Deze 228 werknemers volmen om bovengenoemde redenen een geselec- teerde gloep die voor
wat betreft
een aantal persoons- en functiekenmerkenniet
zonder meer representatief is voor alle werknemers. Representati-viteit
is echter gezien de aard van de analysesniet
noodzakelijk, het gaat om de generaliseerbaarheid van de verbanden diein
de analyses opdit
beperkte bestand worden gevonden.
Daarbij wordt
geen generalisatie beoogd naar alle wetknemers, maar sÌechts naar de populatie van alle deelnemers aan heteeco,
aangezien van deze personen gegevens met betrekkingtot
hetpgco
voorhandenzijn,
en van die personen het toekom- stig ziekteverzuimin
principeuit
hetPBGo voorspeld kan worden. Gezien de aard van de geselecteerde be-
drijven lijkt
de generalisatie naar een populatie van pBco-respondentenuit
industriêle bedrijven een eerste be- perking.Uit
deze populatiezijn
voorde analyses de personen weggelaten waarvan onvoldoende verzuimgege- vens voorhanden
zijn (vlak
voor het PBGoin
dienst gekomen of binnen tweejaar
na hetpeco uit
dienst gegaan), alsmede degenen die de vragenlijsten van hetpeco
onvolle- dig hebben ingevuld.Door
deze selec-tie
kunnen de resultaten enigszins vertekend worden, omdat hetbij-
voorbeeld mogelijk is dat er onder de werknemers die het
bedrijf vroegtij-
dig verlaten veel werknemerszijn
met een slechte gezondheid (veel klachten en een hoog verzuim). Door-dat
deze personen van de analyses worden uitgesloten, zou heü verbanddat
gevondenwordt in
het analysebe- stand een onderschattingzijn
van het verbandin
de gehele populatie.Het
is echterniet
aannemelijk dat door deuitsluiting
van deze personen het gevonden verband wezenlijk verschilt van datin
de totale populatie respon- denten.2.3. Analyse
De relatie üussen verzuimparameters en variabelen
uit
het pBGo isin
eer- steinstantie
onderzochü middels multipele regressie.In
een multipele regressiewordt
devariatie in
een afhankelijke variabele verklaard met behulp van meerdere onafhankelijke variabelen. Determ 'verklaard' wordt hierbij niet
gebruiktin
de betekenis van oorzakelijke verkla-ring,
maar van statistische verkla-ring.
Een eenvoudig voorbeeld van een regressievergelijking met twee onafhankelijke variabelen is de vol- gende:Y : a +
b1* Xl + b2* X2 waarbij:
Y :
de voorspelde afhankelijke variabelea I
de waarde vanY
als beide onafhankelijke variabelen de waarde 0 hebben (inter- cept)X1, X2:
de twee onafhankelijke variabelenb1,
b2 :
de regressiegewichten beho- rendbij
de twee onafhanke-Iijke
variabeÌenDe
kwaliteit
van de voorspelling kan wordenuitgedrukt in
het percentage van devariantie
van de afhankelijke variabele datwordt
verklaard door de onafhankelijke variabelen. De verklaarde variantiein
een multipele regressie weerspiegelt de lineaire samenhang tussen enerzijdsindivi-
duele verschillenin
de afhankelijke variabele en anderzijds de individuele verschillenin
de voorspelde afhanke-lijke
variabele, een lineaire combina-tie
van onafhankelijke variabelen.Het
percentage verklaarde variantie isgeìijk
aan het kwadraat van de correlatie tussen geobserveerde en voorspelde afhankeìijke variabele.De mate waarin de afzonderlijke onafhankelijke variabelen bijdragen aan het percentage verklaarde va-
riantie
kan worden afgeÌeiduit
degewichten die
zij krijgen in
de re- gressievergelijking. Als deze on- afhankelijke variabelen gecorreleerdzijn,
danzijn
de gewichten onderling94
Tijdschrift
voor toegepaste Arbowetenschap 4 (1991) nr 6van elkaar
afhankelijk. Het
gewichtdat
een onafhankelijke variabelekrijgt
hairgt danniet
alleen af van de relatie met de afhankelijke variabele, maar ook van de relatie met de ove- rige onafhankelijke variabelen, en de gewichten die deze hebbenin
de regressievergelijking.Het
gewicht dat elke onafhankelijke variabelekrijgt
isin dat
geval dusafhankelijk
van de set variabelen en de groep personen, en daarom instabiel enin
principeniet
generaliseerbaar. Conclusies gebaseerd op een vergelijking van modellen op het percentage ver- klaardevariantie
vanhet
gehele model (de lineaire combinatie van de onderling correlerende onafhankelijke variabelen)zijn in
principe wel gene- raliseerbaar.Een van de aannames
bij
het gebruik van multipele regressie is, dat de afhankelijke variabele normaal ver- deeld is rond de regressielijn (zie o.a.Horüon, 1978) . De
hier
gehanteerde afhankelijke variabeÌen, de verzuim- parameters, hebben echter een scheve verdeling,waarbij het
verzuim van het merendeel van de werknemers weinig spreidingvertoont
(en laag is), en het verzuim van een kleine groep werknemers een grote spreiding ver-toont
(en gemiddeld hoog is). Deze scheve verdeling zalwaarschijnlijk
ook worden gevonden rond de re- gressielijn.Door
deze scheve ver- deling zal de kleine groep werknemers met het hoge verzuim eenrelatief
grote invloed hebben op de uitein- delijke regressievergelijking. Een Iogaritmische transformatie kanbij
een scheve verdeling van een ruwe variabele een meer normale verdeling opleveren. Aangezien regressienalyse
behoorlijk
robuust is voorafwijkin-
gen van de normale verdeling (zie ookHorton,
1978), en het onder- scheid tussen de groepen werknemers met laag resp. hoog verzuim met name van belang werd geacht, heb- ben we er toch voor gekozen het (scheef verdeelde)niet
getransfor- meerde verzuim-na als afhankelijke variabele te gebruiken.Het
verzuim-na isgebruikt
als af- hankelijke variabelein
een multipele regressie met alle onafhankelijke variabelen (zie paragraaf 3.1), en met behulp van subsetshieruit. Nu
zal een subsetnooit
meervariantie
ver- klaren dan detotale
groep onaf- hankelijke variabelen. De analyses met behulp van subsetszijn
dan ookniet
gedaan om meervariantie
te verklaren, maar om twee andere redenen. Ten eerste zalin
het gevaldat
een subset van variabelen (bijna) evenveelvariantie verklaart
als detotale
groep onafhankelijke variabe- len, de voorkeur worden gegeven aande subset omdat het verklarende model minder variabelen bevat, en daarom eenvoudiger en gemakkelijker toepasbaar
is
(er hoeft minder in- formaüie verzameld te worden om het verzuim te verklaren). De tweede reden is dat er met behulp van de verklaarde varianties van de subsets een uitspraak kan worden gedaan over de mate waarin het verklarend vermogen toe- dan wel afneemt als bepaaldeinformatie,
bijvoorbeeld voorgaand verzuim of informatieuit
hetenco,
al danniet
voorhanden is.In
een verdere analysezijn
werk- nemers op grond van hunfeitelijke
verzuim-na ingedeeldin
3 verzuim- groepen. Daarnaast is er een indeling gemaakt op grond van het voorspelde verzuim. Deze twee indelingenzijn
onderling vergeleken om te bezienin
welke mate de indeling op grond van verzuim-na is te 'voorspellen' op grond vaninformatie
diein
een voor- gaande periode is verzameld.3. Resultaten
3.1. pBco en uerzuim: regressieanalyse
In
deze paragraaf zal worden ge-tracht
de verschillenin
het individue- le verzuim-na met behulp van een multipele regressieanalyse te ver- klarenuit
een aantal onafhankelijke variabelen die verzameldzijn in
een voorgaande periode. Deze onafhanke-Iijke
variabelenzijn
uitgebreid be- schrevenin
paragraaf 2.1:-
De 7 clustersuit
de vragenlijst van hetpeco.
-
De zes uitgesplitste parameters van het verzuim-voor.-
De persoonsvariabelen.-
De bedrijfsvariabelen.Deze onafhankelijke variabelen
zijn
te combinerentot
verschillende groe- pen van voorspeilende variabeìen(modellen).
In tabel
1wordt
een overzicht gegeven van de percentagesvariantie
van de verzuimpercentage- en meldingsfrequentieparameters die door de verschillende combinaties van onafhankelijke variabelen wor- denverklaard.
Zoalsin
paragraaf 2.2 is vermeld betreffen deze percentages verklaardeva¡iantie
voor alle ver- klarende modeìlen steeds dezelfde groep van 228 werknemers, en daar- omzijn
de verschillende percentagesin
de tabel onderling vergelijkbaar.Uit
deze tabelblijkt dat
als alleen de clustersuit
de vragenlijsten van hetpeco
als onafhankelijke variabelenin
het verklarend model worden op- genomen, de resultaten voor de ver- schillende parameters van het ver- zuim-na verschillen. De meldings- frequentie en het verzuimpercentage ten gevolge van de middellange ver- zuimgevallen en de totale meldings- frequentie worden relatief het beste voorspeld (resp. 16, 17enl2lover-
klaarde
variantie). Na
toevoeging van de persoons- en bedrijfsvariabe- lenverbetert
de voorspelling van deze verzuimparameters (resp. 22, 23 en 23o/s),terwíjl
ook het verzuimpercen- tage en de meldingsfrequentie ten gevolge van de korte verzuimgevallen nuduideÌijk
beterwordt
voorspeld(beide 160/o).
Het
langdurige verzuimblijkt
door deze groep variabelenmoeilijk
te voorspellen, evenals hettotale
verzuimpercentage (dezewordt
>Tabel 1. Percentago vedrlaarde variantie van vier. ve¡zuimpercentage- en
viel
verzuinrfrequ"¡¡s:parameters volgens vercchillénde modellenPercentage verzuim-na Frequentie verzuim-na verkla¡ende
va¡abelen* kort middel lang totaal kort middel lang
totaal3915 9218 11102t3
7t64L2 1622723
26 25 20
3832 30 20
4333 35 23
46*De gehairteérde afkortingen:
pv
: De persoonrvariabelen personeelsoort en leeftijdscategorie (beide twee ni- veaus),Bv
: De bedrijfsvariabelen: 3 durnmy-variabelen om de versihillen tussen de 4bedrijven te verklaren.
pseo: De 4 gezondheids- en 3 we¡kclusters uit het psco.
Y4
: 6 verzuimparameters ten tijde van en di¡ect vooraflaand aan het pBGo, te weten heú. ve¡zqirnpercentage. en de meldingsfrequentie, uitggsplitst naar korte, middellange en le¡ge verzuimgevallen.Tiidschrift
voor toegepaste Arbowetenschap 4 (1 991 ) nr 6in
belangrijke mate bepaald door het Iangdurig verzuim).Van de totale groep bestudeerde onafhankelijke variabelen
blijkt
het verzuim-voor de belangrijkste voor- speller tezijn
van het verzuim-na. De modellen zonder verzuim-voor voor- spelÌen het verzuim-na immers bedui- dend slechter dan die van de model- len met verzuim-voor, bovendien voorspelt het verzuim-voor op zich ook al een aanzienlijk deel van het verzuim-na. Daarnaastvalt
op dat door de modellen waarin het verzuim- voor is opgenomen het totaÌe ver- zuim-na beterwordt
voorspeld dan het naar duurklasse opgesplitste verzuim-na.Het totale
verzuimper- centage en de totale meldingsfrequen-tie
kunnen dus welredelijk
goed voorspeld worden, maar als deze parameters worden opgesplitst naar de duur van de gevallen is de voor- spellingduidelijk
minder goed.Er zijn
enige varianten op de laatst- genoemde regressieanalyses uitge- voerd om te onderzoeken of de keuzeuit
de beschikbare variabelen of de selectie van werknemers de resultatenin
belangrijke mate hebben bepaald.Het
vervangen van de peco-clusters door de variabelenwaaruit zij zijn
samengesteld
blijkt
de voorspelling van het latere verzuim nauwelijks te verbeteren (maximaal 4 en 2o/n extra verklaarde variantie voor het totale verzuimpercentage resp. de totale meldingsfrequentiein
het model met alle onafhankelijke variabelen). Ver- groting van de groep werknemersin
de analyses met een subset van de onafhankelijke variabelen door alleen de werknemers met missende waarne- mingen op de subsetuit
te sluiten, geeft resultaten dieniet
wezenlijk verschillen van dehier
gepresenteerde resultaten. Door bijvoorbeeid het model zonder het verzuim-voorwordt
zo 4 en 50/6 exftavariantie
verklaard voor het totale verzuimpercentage resp. de totale meldingsfrequentie.Het
model zonder verzuim-voorverklaart bij
deze grotere groep werk- nemers(N :
252) wel een groter percentage van devariantie,
maar nog steeds veel minder dan het model met het verzuim-voor. Ten slotte kan de periode waarover het voorafgaand verzuim is berekend worden verlengd, waardoor de groepjuist
kleinerwordt
doordat een toenemend aantal werk- nemers met missende waarnemingenwordt
uitgesloten.In dat
geval neemt het percentage verklaarde variantie voor het verzuimpercentage af, en neemt het percentage verklaardevariantie
van de meldingsfrequentie alleen toebij
een berekening van het verzuim-voor over 1,5jaar
(5o/overklaarde
variantie
extra).96
De onafhankelijke variabelen i¡r de regressievergelijking hangen met elkaar samen, en een aantal ervan correleren onderling zelfs hoog, zoals bijvoorbeeld de meldingsfrequentie en het verzuimpercentage van
kort-
durende verzuimgevallen. Daardoorzijn
de gewichten die de onafhanketij- ke variabelenbij
de multipele re- gressiein
deuiteindelijke
vergelijkingkrijgen
onstabiel. Deze zíjn dan ookniet in dit artikel
opgenomen.3.2. psco en uerzuim: uerzuimgroepen Verzuimparameters
zíjn
aan de werk- nemer gekoppelde, individuele gege- vens. Naast het percentage ver- klaarde variantie is het van belang te weten of we groepen personen met een hoog gezondheidsrisico vooraf reeds kunnen identificeren, zodatin
een vroeg stadium extra aandacht aan deze groepen kan worden be- steed. Een hoog gezondheidsrisico op een bepaaldtijdstip
kan geoperatio- naliseerd worden als hoog verzuimin
de daaropvolgende periode.
Na
bo- venstaande regressieanaiyse hebben we daarom de werknemersuit
het bestand ingedeeldin
groepen op grond van huntolale
verzuimpercen- tage en meldingsfrequentiein
de twee jaat nø hetpsco.
Decriteria
voor deze groepsindeling waren als volgt:verzuimpercentage:
LÙo/o of minder
meer dan
l0/o tot 20/¡
meer dan 20ln meldingsfrequentie:
2 maal per
jaar
of mindermeer dan 2 maal
tot
4 maal perjaar
meer dan 4 maal perjaar
De grenzen tussen de groepen komen ongeveer overeen met
het
gemiddelde verzuim en met 2 maal het gemiddel- de verzuim, (leidendtot
groepen met een laagtot
gemiddeld, een hoog en een zeer hoog verzuim) enzijn
enigs- zinsarbitrair.
De samenstelling van deze groepen werknemers is weerge- gevenin
tabel 2 voor zowel ver- zuimpercentage als meldingsfrequen-tie. Uit
deze tabelblijkt
datbij
beideindelingen het merendeel van de werknemers terechtkomt
in
de groep met het laagste verzuim.In
tabel 3zijn
voor de verzuimpercentage- en meldingsfrequentiegroepeir de gemid- delde scores op de eeco-clusters weergegeven. De meeste resultatenin
deze tabelzijn
zoals verwacht, datwil
zeggen dat de groepen met het hoogste verzuim de meeste klachten hebben. De grote uitzondering daar- op is het werk-cluster mentale belas-ting. Hier
gaatjuist
een lage score samen met hoog toekomstig verzuim, en heeft een hoge score op deze clus-ter
geen negatieve betekenis. Andere uitzonderingen betreffen slechts minimale verschillenin
de rangorde van aaneengrenzende meldingsfre- quentiegroepen op de gezondheids- clusters bewegingsapparaat en overig.Met
behulp van de regressievergelij- king met alle onafhankeÌijke variabe- len is getracht de indelingin
ver- zuimgroepen te voorspellen. Dezelfdecriteria
alsbij
de indeling op grond van het \Maargenomen verzuim zijn gebruikt, en de overeenkomende indelingenzijn
vergeleken.De resultaten met betrekking
tot
het verzuimpercentage staanin
Tabel 2. Aantallen werknemers naar verzuimpercentage en verzuimfrequen-
tie
in 3 klassen en personeelsoort, leeft¡¡dsgroep en bedrijf (percentages tussen haakjes)Percentage verzuìm-na Frequentie ve¡zuim-na groepen
<L09'o L0-20yo >20o/n <2 2_4
>4allen
beambten handarbeiders
lft.
vanaf 38 jaarlft.
tot 38 jaar bedrijf 2 b€drijf 4 bedrijf 5bedrijf 6
168 50
10(73.7) (21.e)
(4.4)66132
(81.5) (16.0)
Q.r)r02 37
8(6e.4) (25.2)
(5.4)89141
(85.6) (13.5)
(1.0)79 36- I (63.7) (2e;0)
(7.3)84151
(84.0) (15.0)
(1.0)33121
(71.7) (26.1)
(2.2)32194
(58.2) (34.5)
(7.3)1944 (70.4)' (14.8)
(14.8) 186(81.6) 70
(86.4) 116
(78.e) 87
(83.7) 99
(7e.8) 83
(83.0) 40
(87.0) 40
(72.7) 23
(85.2) 23
(10.1) 6
(7.4) t7
(11.6)
I
(8.7) T4 (11.3)
I
(e.0) 4
(8.7) 10 (18.2) 0
19 (8.3) 5
(6.2) L4
(e.5) 8
(7.7) 11 (8.e) 8
(8.0) 2
(4.3) 5
(e.1) 4
(14.8)
Tijdschrift
voor toegepaste Arbowetenschap 4 (1 g9l ) nr 6Tabel 3. Gemiddelden op clusters van gezondheids- en werkvragen u¡t het peco* voor drie groepen ingedeeld naar het percentage ver¿uim-na en naar de frequentie veizu¡m-na
Percentage verzuim-na !'requentie ve¡zuim-na variabelen
<toyo t0-2oyo >2oyo <2 2-4 >4
psco-clusters is op de voorspelling van de indeling
in
verzuimgroepen, is deze voorspelling ook uitgevoerd met behulp van de set onafhankelijke variabelen zonder de peco-clusters.De resultaten van deze voorspeiling staan voor wat
betreft
het verzuim- percentage (tussen haakjes weergege- ven)in
tabel 4, erì voor de meldings- frequentiein
tabel 5. De voorspeì- lingen diezijn
gebaseerd op de subset van onafhankelijke variabelen zonder gegevensuit
depeco-vragenlijst zijn niet
slechter dan diemet
alle on- afhankelijke variabelen (zelfs 1tot 2lo
rneer correct geklassificeerde werknemers).4. Conclusie
end¡scuss¡e Uit
de resultaten van onder andere de regressieanalysesblijkt
dat het ziekteverzuimin
een bepaalde perio- de geen pure toevalsvariabele is, maar voor een beÌangrijk deel voor- spelbaar isuit
informatieuit
een voorgaande periode.Met
name de parameters afgeleid van het vooraf- gaânde verzuimblijken
beÌangrijke voorspellers tezijn. Met
behulp van deze variabelen worden het totale verzuimpercentage en de totale mel- dingsfrequentie het best voorspeld.De voorspelling op grond van de totale set onafhankelijke variabelen is minder goed als de te voorspellen verzuimparameters worden op ge-
splitst
naar duurklassen van de ver- zuimgevallen. Toevoeging van in- formatieuit
het pBGo (als clusters of als afzonderlijke vragen) als on- afhankelijke variabele verbetert deze voorspellingin
slechts geringe mate.Ook als men
niet
over verzuimgege- veris beschikt, maar wel over vragen- lijstgegevens van het pBGo, is het mogelijk hel toekomstige verzuim voor een deel te voorspellen. Werk- nemers met een hoog toekomstig verzuimblijken
op de eeco-vragen-lijst
meer klachten te hebben aange- geven, behaÌve op het cluster mentale belasting, waar zijjuist
minder klachten op aangeven. De voorspel- lingen zonder voorafgaand verzuimzijn
echter beduidend minder goed dan de voorspellingen waarin dat verzuim is opgenomen.Als de werknemers
in
het bestand op grond van hun verzuim na hetpeco
worden ingedeeldin
verzuimgroepen, danblijkt
deze indelingredelijk
goed gereproduceerd te kunnen worden met behulp van het voorspeÌde ver- zuim volgens de regressievergelijking met alle onafhankelijke variabelen.Ook
hierbij blijkt
de bijdrage van variabelenuit
het pBGo aan de voor- spelling niet essentieel. De indeling op grond van voorspeld verzuimwaarbij
de variabelenuit
hetpeco
0.62 0.91 0.44 1.04 -0.26
3.36 5.15
0.7 4 L.04 0.61 r.35 -o.70
4.39 4.70
l.l1
1.37 0.74 r.74 100
4.00 4.37
* Aangezien sommige wagen meü een negatief gewicht in een cluster zijn opgenomen (zie Vrijhof et. al. 1991) zijn ook negatieve gemiddelden mogelijk.
Tabel 4. Waargenomen en voorspeld ve¡zuimpercentage van werknemer+
ingedeeld in 3 verzr¡imkl¿ssen
Voorspellingen op grond van aÌle onafhankelijke variabelen, en, tussen haakjes, op grond van persoons- en bedrijfsvariabelen en het ve¡zuim-voor (dus zonder de peco- clusters)
waargenomen verz.uirnpercentage voorspeld
verzuimpercentage <llo/o
LÙ-2Oyo>2Ùo/o
rij-totaal 154(160)
L2 (r2)28
(22)
r0 (r0) 4(4) I
(1)186
235
(4)
171 (176)7
(e)
45 (41)7
(6)
12 (11)19
228Tabel 5. Waargenomen en voorspelde meldingsfrequentie van werknemers, ingedeeld in 3 ve¡zuimklas.sen
Voorspellingen op grond van alle onafhankelijke va¡iabelen, en, tussen haakjes, op gtond van persooûs- en bedrijfsvariabelen en het verzuim-voor (dus zonder de psco- clusters)
waargenomen meldingsfrequentie voorspelde
meldingsfrequentie <2
2-4>4
rij-totaal<2 2-4
>4 kolom-totaal
r53 (157) 15 (11)
0 (0) 168
2r
(23) 28 (26) 1 (1) 50r75 (r82) 4e (42)
4 (4) 228
I
(2)6 (5) 3 (3) 10
tabel
4.Uit
de tabel kan worden afgeleid dat de voorspelde verzuim- groep voor 75o/o van de werknemers overeenkomtmet
de ïvaargenomen verzuimgroep.Dit
percentage ìMordt voornamelijk veroorzaakt door de grote groep met het laagste verzuim.Overigens moet worden opgemerkt
dat
voor slechts 9 werknemers (4.0%) de voorspelde verzuimgroep meer dan een verzuimgroep verschilt van de waargenomen verzuimgroep (voorspelde verzuimgroep met min- der dan 100/6 verzuim en waargeno- men verzuimgroep met meer dan 20o/¡verzuirr.
en omgekeerd). Deresultaten voor de meldingsfrequentie staan
in
tabel 5. Op grond van de voorspelde meldingsfrequentiewordt mt
810/6 van de werknemers correct geclassificeerd. SÌechts 1 werknemer (0.4%)wordt
op grond van de voor- spelde meldingsfrequentiein
de ver- zuimgroep met minder dan 2 meldin- gen geplaatst,terwijl
de waargeno- men meÌdingsfrequentie meer dan 4 meldingen perjaar
bedraagt.Bij
de regressieanalyses bleek de bijdrage van gegevensuit
hetpsco
aan de verklaarde
variantie in
het verzuim-na gering tezijn.
Om te onderzoekenwat
de invloed van deTijdschrift
voor toegepaste Arbowetenschap 4 (1 991 ) nr 6 97nietbij
de voorspellingzijn
betrokkenblijkt
zelfs een iets hoger percentage werknemers correct te klassiûceren.Er zijn
een aantal mogelijke ver- kìaringen voor de zwakke relatie tussen enerzijds gezondheidsklachten en werkbeleving zoals gemetenbij
het PBGo en anderzijds hetlater
op- tredend verzuim. Een deel van hetverzuim
zalveroorzaaktzijn
door ziekten en aandoeningen die geen aanleiding gaventot
klachten tentijde
van hetpsco (bijv.
griep of een verkeersongeval).Dit
deel van het verzuim kanin
principe nauwelijks voorspeld worden omdatdit
verzuim grotendeels of zelfs geheelwordt
bepaald door toevallige factoren.Daarnaast is het heel wel denkbaar
dat
op individueel niveau de gezond- heidsproblemen of problemen met hetwerk
diein
een periode na hetpeco tot
verzuim hebben geleid, tentijde
van hetpgco
reeds aanleiding gaventot
bepaalde klachten.Als deze problemen echter verschillen tussen werknemers, en aanleiding geven
tot
verschillende klachten, dan kan de relatie tussen de klachtenuit
heü
paco
enlater
optredend verzuim die op individueel niveau aanwezig is,in
een analysewaarbij
de gegevens van een grote groep werknemers worden samengevoegdniet
of nauwe-lijks
worden teruggevonden.Dit
geldt met name als elk van de pro- blemen dietot
verzuim leiden slechtsbij
eenklein
deel van de werknemers speelt, enin
geringe matebijdraagt
aan hettotale
(a-specifieke) verzuim.Het
gebruik van cluster-scores groe- peert deze probleinen, zodat de groep problemenin
grotere matebijdraagt
aan hettotale
verzuim,tegelijkertijd
neemt de kans echter toe dat klach- ten dieniet tot
verzuim leidenin
de clusterscorezijn
opgenomen, zodat derelatie
tussen clusterscore en verzuim zwakkerwordt.
De relatie tussen de klachtenuit
het PBco en later ver- zuim kan op groepsniveauwellicht
sterker worden als het verzuimwordt
opgesplitst naar de medische redenvan verzuim
(diagnose-speciflek verzuim). Men mag immers ver- wachten datbij
een groep werk- nemers die verzuimen vanwege de- zelfde specifleke gezondheidspro- blemen ook bepaalde, daarmee sa- menhangende klachtenin
een vroeger stadiumin
verhoogde mate zullen voorkomen. Indien men beschikt over diagnose-specifieke verzuimgegevens zal opnieuw op meer inhoudelijke gronden moeten worden oveflrvogen welke vragenuit
hetpsco
eventueeltot
clusterscores kunnen worden samengevoegd.De mogelijkheden om uitsÌuitend met behulp van vragenlijstgegevens
uit
98
het
psco
algemene voorspellingen te doen over het individuele verzuimblijkenbij
dehier
gehanteerde gege- vensverzameling beperkt.Het
vooraf- gaande verzuimbiedt
daarvoor bete- re mogelijkheden. Eventueel kunnen 'de enco-gegevens de voorspelling opgrond van voorgaand verzuim nog iets verbeteren.
Informatie uit
de vragenlijsten van het pBGo kan voor deze onderzoeksgroep echterniet
als uitwisselbaar met informatie omtrent voorafgaand ziekteverzuim worden beschouwd.Het
samenstellen van grotere be- standenmet
gekoppelde gegevens van pBGo en verzuimlijkt
vooralsnog geen grote voordelen op te leveren.Op grond van de resultaten van
dit
onderzoek moeten de mogelijkheden gering worden geacht om met behulp van zo'n groter, eventueel meer geva- rieerd bestand wel sterke verbanden tussen beide soorten informatie aan te tonen.
Indien
men het a-specifieke verzuimin
een bepaalde periodewil
voorspellen, dan kan het verzuim
uit
een voorgaande periode
(uit
hetzelfde bestand) gebruikt worden.Alle
werk- nemers waarvan verzuimgegevens beschikbaarzijn,
kunnen danin
de analyse worden betrokken.Het ligt
meer voor de hand om in-formatie uit
de vragenlijsten van het PBGo enuit
geregistreerd verzuim naast elkaar te gebruiken, met name op groepsniveau. Indien het verzuimin
eenbedrijf
of een afdeling binnen eenbedrijf
hoog is, dan is de kans groot dat het verzuimin
de nabije toekomst ook hoog zal zíjn. De oorza- ken voor dat hoge (a-specifieke) verzuimzijn
echterniet onmiddellijk duidelijk.
Daarvoor kan onder andere deinfo¡matie uit
een recentpeco
aanwijzingen verschaffen. De resulta- ten van datpeco
kunnen opnieuw bestudeerd worden. Hoge percentages positieve antwoorden op een of meer- dere vragenuit
de vragenlijst van het PBGo kunnendaarbij
signalenzijn
die alsnog de aanleiding vormentot
specifieke maatregelen of meer ge-
richt
en diepgaand vervolgonderzoek.De combinatie van informatie
uit
het pBGo enuit
verzuimregistratie geeft zo extra mogelijkheden om pro- blemen met betrekkingtot
het werk en de gezondheid van groepen werk- nemers op te sporen en deze pro- blemen vervolgens aan te pakken.Literatuuur
-
Broersen, J.P.J. & Weel, A.N.H. & Van Dijk, F.J.H.; Periodiek Bedrijfsgezond- heidkundig Onderzoek: Middel en Maat- staf, Coronel Laboratorium/Studiecen- trum Arbeid en Gezondheid, Universiteit van Amsterdam, Amsterdam 1989.-
Horton, R.L.; The general linear model;data analysis in the social and behavio¡al sciences, McGraw-Hill, New York/London 1978.
Vrijhof, B.J. & Broersen, J.P.J.; De structuu¡ van de vragenlijst voor perio- diek bedrijfsgezondheidkundig onderzoek
(enco), Tijdschrift voor toegepaste A¡bo- wetenschappen,4 (1991) nr. 6.