De invloed van factoren op de frequentie van huisartsbezoeken in Nederland

Bachelorscriptie Econometrie & Geneeskunde Universiteit van Amsterdam

Marken, 28 juni 2013 C.V. Seinen

De invloed van factoren op de frequentie

van huisartsbezoeken in Nederland

Begeleiders

Dr. J.C.M. van Ophem

Faculteit Economie en Bedrijfskunde Prof. Dr. A.H. Zwinderman

Inhoud

3.3 Panel Poisson Model ... 9

4 Resultaten ... 11 4.1 Uitvoering ... 11 4.2 Analyse ... 15 5 Conclusie ... 19 6 Discussie... 21 Bibliografie ... 23 Bijlagen ... I-X

1

Inleiding

In de afgelopen jaren is het zorgstelsel in Nederland grondig veranderd. Belangrijk motief voor deze verandering zijn de stijgende kosten in deze sector. Niet alleen het steeds complexer worden van technisch medische mogelijkheden is van grote invloed, ook de steeds verder oplopende vergrijzing van de bevolking is een belangrijk punt. In veel landen is dit de aanleiding geweest om het zorgstelsel te hervormen. Naar deze hervormingen is onderzoek gedaan door het zorgstelsel te toetsen aan de hand van het aantal doktersbezoeken. De jaren rond deze hervormingen werden vervolgens

bestudeerd, zoals gedaan is in het onderzoek van Schellhorn (2001), in Zwitserland, en Winkelmann (2004), in Duitsland. Belangrijk om het zuivere effect van een verandering te kunnen berekenen is het correct specificeren van een model waarin er gecorrigeerd wordt voor factoren die eveneens effect uitoefenen op het aantal doktersbezoeken. Deze scriptie richt zich er op om een model te vinden dat aan deze eisen voldoet om zo het effect op jaarbasis van deze factoren te bepalen.

Het aantal doktersbezoeken wordt onderzocht aan de hand van factoren die op basis van economische theorie en eerdere onderzoeken invloed uitoefenen op het aantal keer dat een persoon een huisarts per jaar bezoekt. Het doel van het onderzoek is inzicht bieden in wat voor Nederlanders bepalende factoren zijn, zodat er interventies

voorgesteld kunnen worden die specifiek toegesneden zijn op de Nederlandse

gezondheidszorg. Er is voor gekozen om het onderzoek specifiek op huisartsbezoeken te richten, omdat de huisarts vaak de eerste dokter is waar een persoon mee te maken krijgt. Daarnaast is een bezoek aan de huisarts in Nederland gratis voor iedereen, waardoor er aangenomen mag worden dat in beginsel geen economische drempels zijn om de huisarts te bezoeken.

Het aantal huisartsbezoeken wordt onderzocht door gebruik te maken van het LISS panel. Het LISS panel is een longitudinale Nederlandse studie welke begonnen is in 2007 en ongeveer 8000 deelnemers bevat. Deze database is zeer uitgebreid en omvat verschillende aandachtsgebieden. In dit onderzoek wordt gebruikgemaakt van de data met betrekking tot gezondheid. Deze data wordt geanalyseerd met een poisson model en twee extensies daarvan. Het poisson model wordt vaak gebruikt om het aantal

doktersbezoeken te beschrijven. Dit model maakt echter geen onderscheid tussen

mensen die de huisarts niet bezoeken en mensen die de huisarts wel bezoeken, terwijl er op basis van eerdere onderzoeken (Winkelmann, 2004) aanwijzingen zijn dat dit twee verschillende groepen zijn. In dit onderzoek is er daarom voor gekozen om naast het basismodel ook het hurdle model te bekijken, welke wel rekening houdt met deze indeling. Daarnaast wordt er gekeken naar een panel poisson model, omdat de data gebruikt in dit onderzoek afkomstig zijn van een panel. Het panel poisson model corrigeert voor het gegeven dat de bestudeerde data, paneldata is. Vanwege dit gegeven kan er per persoon een onopgemerkt effect zijn, wat door dit model wordt

verdisconteerd.

De structuur van de scriptie is als volgt. Het tweede hoofdstuk is het theoretische kader. Het derde hoofdstuk bespreekt de data en de gebruikte modellen. In het vierde hoofdstuk is een overzicht van de resultaten met een korte toelichting te vinden. Het vijfde hoofdstuk bevat de conclusies die getrokken worden uit het onderzoek. Het laatste, zesde, hoofdstuk geeft enkele aanbevelingen voor toekomstig onderzoek.

2

Theoretisch Kader

De factoren die onderzocht worden in dit onderzoek zijn gekozen op basis van de economische theorie en eerder verricht onderzoek. De theorie en de belangrijkste uitkomsten van deze onderzoeken worden in dit gedeelte van de scriptie besproken. Eerst worden de factoren genoemd die op basis van eerdere onderzoeken van invloed zijn op het aantal huisartsbezoeken, vervolgens worden de andere factoren besproken die op basis van economische theorie van invloed zijn.

Het verlagen van de kosten is de laatste decennia een belangrijke kwestie geweest in de Nederlandse zorgsector, alsook in het buitenland. In een aantal landen is dit uitvoerig onderzocht, zoals in Zwitserland, Schellhorn (2001), en Duitsland, Winkelman (2004). Deze artikelen beschrijven de invloed van de hervormingen in de zorg door het aantal doktersbezoeken te volgen over een aantal jaar rond deze invoering. De hervormingen in deze landen betroffen onder andere het invoeren van een verplicht eigen risico en het verhogen van de eigen bijdrage op medicijnen. Het effect op het aantal doktersbezoeken werd hier gebruikt als graadmeter voor het succes van de interventies. Resultaten van

deze onderzoeken wezen beide uit dat de interventies een negatieve invloed hadden op het aantal keer dat een persoon een huisarts bezocht. De interventies waren dus

succesvol.

In Nederland zijn in 2008 vergelijkbare interventies uitgevoerd. Het invoeren van het verplichte eigen risico is één van de genomen maatregelen om de kosten te verlagen. Het doel van het opwerpen van een dergelijke financiële drempel is het aantal onnodige huisartsbezoeken te verminderden. Het bezoek aan de huisarts in Nederland wordt uit de basisverzekering vergoed, wat betekent dat het voor iedereen gratis is. Dit betekent echter niet dat er geen afname van het aantal huisartsbezoeken te verwachten is. Een bezoek aan een huisarts eindigt vaak met het voorschrijven van een medicijn of een verwijzing naar een medische ondersteuner zoals een diëtist of fysiotherapeut. Medicijnrecepten en ondersteuners worden vaak niet vergoed of slechts deels via een aanvullende verzekering en zijn dus vaak voor rekening van de persoon zelf. Het

verwachte effect is dat mensen zonder aanvullende verzekering hierdoor minder vaak de huisarts bezoeken. Dit is een bevinding van het onderzoek van Buchmueller et al.

(2005). Uit het onderzoek bleek dat volwassen gemiddeld één keer en kinderen gemiddeld twee keer per jaar vaker de huisarts bezoeken, wanneer zij in het bezit zijn van een aanvullende verzekering.

Een andere maatregel is het mogelijk maken om zelf een hoger vrijwillig eigen risico te kiezen, waardoor de persoon een korting krijgt op zijn zorgpremie. Dit is ook onderzocht door Schellhorn (2001) op basis van Zwitserse data. Uit dit onderzoek bleek dat het aantal keer dat een persoon naar de huisarts ging afnam, wanneer er voor een hoger vrijwillig eigen risico gecorrigeerd werd. In dit onderzoek werd als mogelijke verklaring genoemd dat personen die een hoog vrijwillig eigen risico kiezen, vaak ook een goede gezondheid hebben.

Er bestaan tussen mannen en vrouwen belangrijke verschillen in de

gezondheidstoestand. In het algemeen geldt dat mannen korter leven dan vrouwen, maar dat vrouwen daarentegen wel langer in minder goede gezondheid leven dan mannen. Voor ziekten die vaak chronisch zijn, geldt dat deze onder vrouwen meer voorkomen dan onder mannen. Kennelijk komen bij mannen ziekten voor die hogere sterftekansen met zich meebrengen, terwijl ziekten voor vrouwen vaker een chronisch karakter

hebben. Dit betekent dat er verwacht mag worden dat vrouwen vaker de huisarts bezoeken dan mannen (Mackenbach, 2012).

De burgerlijke staat van een individu bepaalt ook voor een gedeelte de gezondheidstoestand, hierbij spelen vooral selectie effecten een rol. Ziekte heeft bijvoorbeeld geen invloed op het geslacht, maar kan wel van invloed zijn op de

burgerlijke staat. Zo vinden bijvoorbeeld gezonde personen makkelijker een partner dan zieke personen. De gezondheidstoestand heeft invloed op de kans om een nieuwe relatie te krijgen dan wel een bestaande relatie te verliezen. Daarnaast spelen er ook sociale omgevingsfactoren en gedragsfactoren mee. Zo is de sociaaleconomische positie van samenwonenden vaak beter en roken zij bijvoorbeeld minder dan alleenstaanden, wat een betere gezondheidstoestand tot gevolg heeft (Mackenbach, 2012).

Gezondheid en sociaaleconomische status zijn nauw met elkaar verbonden. Zo kan betaald werk bepaalde gezondheidsrisico’s opleveren, zoals in beroepen met zware fysieke belasting. Toch zijn mensen met betaald werk over het algemeen gezonder dan werklozen. Ook hebben werkelozen een hogere prevalentie op het ontwikkelen van ziekten, schatten zij hun gezondheid slechter in en lijden zij vaker aan chronische aandoeningen. De gezondheidstoestand zelf is ook weer verantwoordelijk voor de sociaaleconomische positie, omdat iemand met een slechtere gezondheid moeilijker een baan kan krijgen of sneller zijn baan kan verliezen. Verlies van werk kan via

inkomensdaling, psychosociale stress en gedrag dat slecht is voor de gezondheid (roken, drinken) tot verschillende vormen van gezondheidsschade leiden.

Ook de leefwijzen zijn vaak kenmerkend voor sociaaleconomische groep waarin een persoon verkeerd. Zo roken mensen in een lagere klasse vaker omdat zij over het algemeen meer psychosociale stress ondervinden van hun financiële zorgen en hoge werkdruk (Mackenbach, 2012). Daarnaast eten zij vaak ongezonder waardoor zij meer gezondheidsrisico’s lopen, bijvoorbeeld op hart- en vaatziekten, hoog cholesterol en diabetes.

Tijdens de industriële revolutie is er steeds meer verstedelijking opgetreden in de Nederlandse samenleving. Dit leidde aanvankelijk tot slechte gezondheidstoestand van de bewoners, als gevolg van slechte huisvesting en hygiëne. Tegenwoordig is de gezondheidstoestand in de steden relatief gunstig, maar vertoont de laatste decennia

achteruitgang. Dit komt doordat de bevolkingssamenstelling van de steden steeds verder veranderd (Mackenbach, 2012). Hoogopgeleiden verhuizen steeds vaker naar minder bevolkte gebieden, omdat daar de huisvesting een stuk aangenamer is. Deze groep mensen heeft over het algemeen een bovengemiddelde gezondheid, waardoor de gemiddelde gezondheid van het gebied waaruit zij vertrekken daalt.

De etnische achtergrond van een persoon is van grote invloed op zijn denkwijze en gedrag. Er bestaan bijvoorbeeld grote verschillen in gezondheid en zorggebruik tussen autochtonen en allochtonen in Nederland. Het belangrijkste verschil is dat allochtonen vaak tot een groep behoren met een laag sociaaleconomische status. Dit heeft als gevolg dat het zorggebruik van allochtonen vaak hoger ligt en dat hun

gezondheid slechter is, dan dat van autochtonen (“Brief aan de Tweede Kamer,” 2008).

3

Data en Model

Voor het modelleren van het aantal huisartsbezoeken wordt een poisson model als basismodel gekozen. Ook worden er twee extensies van dit basismodel geschat, namelijk een hurdle model en een panel poisson model. De data waarop de modellen toegepast zijn, zijn afkomstig van het LISS Panel. Deze data worden eerst beschreven en vervolgens worden de modellen afzonderlijk omschreven en toegelicht.

3.1 Data

De data gebruikt voor dit onderzoek zijn afkomstig van het LISS panel data (Longitudinal Internet Studies for the Social sciences). Deze data bestaat uit 5000 huishouden met in totaal ongeveer 8000 individuen en wordt sinds 2007 periodiek verzameld. Het panel is zo gekozen dat het een goede afspiegeling van de Nederlandse bevolking is. Aan de deelnemers van het panel wordt gevraagd elke maand een

vragenlijst in te vullen over een specifiek onderwerp. Deze specifieke onderwerpen worden elk jaar opnieuw voorgelegd om de veranderingen te kunnen registeren.

Voor dit onderzoek wordt gebruik gemaakt van de vragenlijsten die over

gezondheid gaan. Er is een selectie gemaakt van relevante vragen uit de zeer uitgebreide vragenlijsten die de deelnemers zijn voorgelegd. De variabelen die mee genomen

worden in het onderzoek zijn waardevol gebleken op basis van de economische theorie

en eerdere onderzoeken. De vragenlijsten over gezondheid worden telkens in november/december van het betreffende jaar afgenomen. In dit onderzoek wordt gebruik gemaakt van de data uit de jaren 2010, 2011 en 2012. Dit is zo gekozen omdat de afgenomen vragenlijsten uit deze jaren vrijwel identiek zijn. In bijlage 1 worden alle variabelen beschreven die in de modellen gebruikt worden. De factoren die gebruikt worden in het onderzoek zijn samen te vatten in vier thema’s:

1. Persoonlijke factoren. Dit zijn: geslacht, leeftijd, wel/geen partner, wel/geen kinderen, woonachtig in/buiten een stad en afkomst. Deze variabelen zijn ook onderdeel van onderzoeken die in het verleden gedaan zijn. Vanwege de algemene economische theorie is te verwachten dat deze variabelen onmisbaar zijn in het voorspellen van het aantal huisartsbezoeken.

2. Levensstijlfactoren. Dit zijn: gewicht (BMI), momenteel roken, gerookt hebben en sport. Hoewel deze variabelen niet direct gecorreleerd zijn met het aantal huisartsbezoeken, wordt er verwacht dat zij wel een indirect effect uitoefenen op basis van de economische theorie.

3. Sociaaleconomische factoren. Dit zijn: opleidingsniveau, wel/niet werkloos, netto inkomen, wel/niet aanvullend verzekerd en wel/niet eigen risico. Dit is de sociaaleconomische indexering van personen, zoals beschreven in het

theoretisch kader.

4. Gezondheidsfactoren. Dit zijn: wel/niet chronisch ziek, wel/niet ziekenhuis bezocht, ziekteverzuim, bekend met onderliggende ziekten en een eigen interpretatie van de gezondheid en mate van angstigheid. Deze factoren zijn belangrijke variabelen in dit onderzoek, aan de hand van deze variabelen worden de personen namelijk op hun gezondheidstoestand beoordeeld. Deze factoren zijn vooral gebaseerd op eigen waarneming, wat wil zeggen dat er geen objectief beoordelingscriterium gebruikt is om deze variabelen te indexeren.

In eerdere onderzoeken zoals Schellhorn (2001) en Winkelmann (2004), zijn vooral persoonlijke, sociaaleconomische en gezondheidsfactoren gebruikt. In dit onderzoek zijn levensstijlfactoren hieraan toegevoegd. Van deze levensstijlfactoren is bekend dat zij de gezondheid nadelig beïnvloeden (De Vries en De Jongh, 2011). Daarnaast is een

lijst opgenomen van frequent voorkomende ziekten, om patiënten op basis van hun ziekten in te schalen. Deze addities zijn gedaan om het effect van bepaalde ziekten afzonderlijk beter te kunnen kwantificeren. Zo is het bijvoorbeeld interessant om het effect van de verschillende ziekten ten opzichte van elkaar te kunnen vergelijken. Het bepalen van mogelijk te nemen interventies, kan dan specifieker toegepast worden.

Zoals genoemd is er een selectie gemaakt van relevante vragen uit de zeer uitgebreide vragenlijsten die de deelnemers zijn voorgelegd. Van deze overgebleven selectie zijn de vragenlijsten die niet volledig waren ingevuld, buiten beschouwing gelaten. Dit betekent dat de steekproefgrootte elk jaar anders is. De steekproefgrootte voor elk jaar blijft desondanks elk jaar tussen 4000 en 5000 waarnemingen; zie tabel 2.

Er is gekozen om het aantal huisartsbezoeken als uitgangspunt te nemen, omdat er een wezenlijk verschil is tussen het bezoek aan een huisarts of een medisch specialist. Het bezoek aan de huisarts is voor iedereen gratis en kan dus op basis van economische motieven, als laagdrempelig beschouwd worden. Het bezoek aan een medisch specialist is daarentegen minder toegankelijk, omdat dit onder het eigen risico valt. Ook wordt een bezoek aan de specialist vaak voorafgegaan door een bezoek aan de huisarts. Deze resultaten kunnen dus niet zonder meer bij elkaar gevoegd worden. In Nederland is de eerste stap in de zorg voor een individu vaak de gang naar de huisarts. In dit onderzoek is er daarom ook voor gekozen om het aantal huisartsbezoeken te verklaren aan de hand van verschillende factoren en het aantal specialisten bezoeken hierin buiten

beschouwing te laten.

3.2 Basismodel

Het poisson model (1) is het startpunt in count data analyse (Winkelman, 2003). Het poisson model beschrijft de verdeling van de frequentie van een bepaalde gebeurtenis in de tijd, in dit model het aantal doktersbezoeken. In (1) is 𝑘𝑘_𝑖𝑖 het aantal huisartsbezoeken voor elk 𝑖𝑖𝑑𝑑𝑑𝑑 individu (een niet negatief integer getal) en 𝜆𝜆 is het verwachte aantal huisartsbezoeken. De veronderstelling in het poisson model is, dat de gebeurtenissen willekeurig en onafhankelijk van elkaar plaatsvinden, waardoor de verwachting en variantie gelijk aan elkaar zijn (2).

Pr(𝑋𝑋 = 𝑘𝑘𝑖𝑖) = 𝜆𝜆 𝑘𝑘𝑖𝑖𝑒𝑒−𝜆𝜆

𝑘𝑘𝑖𝑖! , 𝑘𝑘 = 0,1,2, … en 𝜆𝜆 > 0 (1) E(𝑋𝑋) = Var(𝑋𝑋) = 𝜆𝜆 > 0 (2)

Omdat 𝜆𝜆 > 0 wordt de invloed van de covariaties beschreven door het specificeren van 𝜆𝜆𝑖𝑖 = exp (𝑥𝑥𝑖𝑖′𝛽𝛽), waarin 𝑥𝑥𝑖𝑖′ en 𝛽𝛽 een 𝑘𝑘 x 1 vector representeren van, respectievelijk, de covariaties en gebruikte parameters. The loglikelihood functie voor een steekproef van 𝑁𝑁 (𝑖𝑖 = 1 … 𝑁𝑁) onafhankelijke observaties wordt gegeven door (3) en de bijbehorende maxiumum likelihoodschatter door (4) (Mullahy, 1986).

L = � 𝑦𝑦𝑖𝑖𝑥𝑥𝑖𝑖𝛽𝛽 − exp(𝑥𝑥𝑖𝑖𝛽𝛽) 𝑁𝑁 𝑖𝑖=1 (3) Lβ = �[𝑦𝑦𝑖𝑖− exp (𝑥𝑥𝑖𝑖𝛽𝛽)] 𝑁𝑁 𝑖𝑖=1 𝑥𝑥𝑖𝑖′ = 0 (4)

Het poisson model kent een aangepaste interpretatie van de gevonden coëfficiënten ten opzichte van lineaire modellen. De constante in het model is de logaritme van het verwachte aantal huisartsbezoeken. De gevonden coëfficiënten uit de regressie geven het procentuele effect van de variabele op het verwachte aantal huisartsbezoeken (5) (Cameron en Trivedi, 2005).

∂E(y|𝐱𝐱)

∂xj = 𝛽𝛽𝑗𝑗exp(𝒙𝒙

′_{𝛽𝛽) (5)}

3.3 Hurdle Model

Een aanpassing van het poisson model is het hurdle model. Dit is een poisson model dat gecorrigeerd is voor data die een grote hoeveelheid waarnemingen bevatten die dezelfde frequentie hebben. In dit onderzoek zijn dat mensen die de huisarts niet bezoeken. Dit model wordt veelal gebruikt om doktersbezoeken te verklaren (Deb en Trivedi, 2002).

Het standaard poisson model gaat uit van gelijkheid van gemiddelde en variantie (2). Dit is voor modellen waarin een groot deel van de data dezelfde frequentie hebben ontoereikend, omdat er dan vaak sprake is van een variantie die groter is dan het

gemiddelde (Cameron en Trivedi, 2005), en dit is in strijd met het poisson model. In dit onderzoek is dit ook het geval, omdat de dataset veel personen bevat die de huisarts niet bezoeken.

Het hurdle model verloopt in twee stappen. In de eerste stap wordt op de data een probit model geschat en zo opgesplitst in twee groepen, namelijk een groep van personen die in dat jaar niet naar de huisarts zijn geweest en een groep waarin alle personen minstens één keer naar de huisarts zijn geweest. In de tweede stap wordt op de groep waarin de mensen minstens één keer naar de huisarts gaan, een poisson model geschat. De groep die de huisarts niet bezoekt wordt dus niet meegenomen in het poisson model. De onderdelen, (6) en (7), van het model staan hieronder beschreven, hierin is 𝜋𝜋 de kans dat een persoon naar de huisarts gaat.

Pr(𝑦𝑦𝑖𝑖 = 0) = 1 − 𝜋𝜋, 0 ≤ 𝜋𝜋 ≤ 1, 𝜋𝜋 = Φ(𝑥𝑥𝑖𝑖′𝛽𝛽) (6) Pr(𝑦𝑦𝑖𝑖 = 𝑘𝑘𝑖𝑖) = 𝜋𝜋 𝜆𝜆𝑖𝑖

𝑘𝑘𝑖𝑖_𝑒𝑒−𝜆𝜆𝑖𝑖

𝑘𝑘𝑖𝑖! (1 − 𝑒𝑒−𝜆𝜆𝑖𝑖), 𝑘𝑘𝑖𝑖 ≥ 1; 𝑦𝑦𝑖𝑖 = 1,2, … (7) 3.3 Panel Poisson Model

Panel data zijn herhaalde metingen op individuen (𝑖𝑖) over een periode (𝑡𝑡): (𝑦𝑦_{𝑖𝑖𝑖𝑖}, 𝑥𝑥_{𝑖𝑖𝑖𝑖}) voor 𝑖𝑖 = 1, … , 𝑁𝑁 en 𝑡𝑡 = 1, … , 𝑇𝑇, waarbij geldt dat 𝑦𝑦_{𝑖𝑖𝑖𝑖} het aantal huisartsbezoeken representeert. Conditioneel op 𝑥𝑥_{𝑖𝑖𝑖𝑖} zijn de 𝑦𝑦_{𝑖𝑖𝑖𝑖} mogelijk serieel gecorreleerd voor een gegeven 𝑖𝑖, omdat elk extra jaar van observaties mogelijk afhankelijk is van de keuzes die het individu de voorgaande jaren gemaakt heeft (Hausman et al, 1984). Dit wordt beschreven door 𝛼𝛼_𝑖𝑖 in de vergelijking.

Het panel poisson model kent drie verschillende mogelijkheden: fixed effect, random effect en population-average. In dit onderzoek is er voor gekozen om een fixed effect model te kiezen. Het verschil tussen fixed effect en random effect/population-average is dat in het fixed effect model de 𝛼𝛼_𝑖𝑖 gecorreleerd mag zijn met de

onafhankelijke variabelen 𝑥𝑥_{𝑖𝑖𝑖𝑖}. Voor dit model is gekozen, omdat er verondersteld wordt

dat de keuzes van een persoon afhangen van de keuzes die hij in de voorafgaande jaren gemaakt heeft; bijvoorbeeld als het gaat om het kwalificeren van de eigen gezondheid.

De conditionele simultane verdeling van het fixed effect panel poisson model wordt weergeven in (8). Hierin is 𝜆𝜆_{𝑖𝑖𝑖𝑖} = exp(𝑥𝑥_{𝑖𝑖𝑖𝑖}′𝛽𝛽) en 𝛼𝛼_𝑖𝑖 het tijdonafhankelijk

persoonsafhankelijk ongeobserveerde effect (Winkelmann, 2003).

𝑓𝑓(𝑦𝑦𝑖𝑖|𝛼𝛼𝑖𝑖, 𝛽𝛽) = � exp(−𝛼𝛼𝑖𝑖𝜆𝜆𝑖𝑖𝑖𝑖) 𝑇𝑇 𝑖𝑖=1 (−𝛼𝛼𝑖𝑖𝜆𝜆𝑖𝑖𝑖𝑖)𝑦𝑦𝑖𝑖𝑖𝑖 𝑦𝑦𝑖𝑖𝑖𝑖! = exp �−𝛼𝛼𝑖𝑖� 𝜆𝜆𝑖𝑖𝑖𝑖 𝑇𝑇 𝑖𝑖=1 � � 𝛼𝛼𝑖𝑖𝑦𝑦𝑖𝑖𝑖𝑖 𝑇𝑇 𝑖𝑖=1 𝜆𝜆𝑖𝑖𝑖𝑖𝑦𝑦𝑖𝑖𝑖𝑖 𝑦𝑦𝑖𝑖𝑖𝑖! (8) Hieruit volgt de loglikelihood vergelijking (9) voor individu 𝑖𝑖.

𝑙𝑙(𝛼𝛼𝑖𝑖, 𝛽𝛽) = −𝛼𝛼𝑖𝑖� 𝜆𝜆𝑖𝑖𝑖𝑖 𝑇𝑇 𝑖𝑖=1 + � 𝑦𝑦𝑖𝑖𝑖𝑖 𝑇𝑇 𝑖𝑖=1 ln (𝛼𝛼𝑖𝑖) + � 𝑦𝑦𝑖𝑖𝑖𝑖 𝑇𝑇 𝑖𝑖=1 ln(𝜆𝜆𝑖𝑖𝑖𝑖) − � 𝑦𝑦𝑖𝑖𝑖𝑖! 𝑇𝑇 𝑖𝑖=1 (9)

Differentiëren van vergelijking (9) naar 𝛼𝛼_𝑖𝑖 en gelijk stellen aan nul geeft (10).

𝛼𝛼� =𝚤𝚤 ∑ 𝑦𝑦𝑖𝑖𝑖𝑖 𝑇𝑇 𝑖𝑖=1 ∑𝑇𝑇𝑖𝑖=1𝜆𝜆𝑖𝑖𝑖𝑖 = 𝑦𝑦�𝚤𝚤 𝜆𝜆� (10)𝚤𝚤 Door deze vergelijking in te vullen in de eerste orde vergelijking van 𝛽𝛽, kan deze onafhankelijk van 𝛼𝛼_𝑖𝑖 geschreven worden (11). Door 𝛼𝛼_𝑖𝑖 op deze manier te schrijven wordt deze dus uit het model geëlimineerd.

� � �𝑦𝑦𝑖𝑖𝑖𝑖−𝑦𝑦_𝜆𝜆�𝚤𝚤 𝚤𝚤 � 𝜆𝜆𝑖𝑖𝑖𝑖� 𝑥𝑥𝑖𝑖𝑖𝑖 ≡ 0 𝑇𝑇 𝑖𝑖=1 𝑁𝑁 𝑖𝑖=1 (11) 10

4

Resultaten

De resultaten gevonden met de modellen worden gezamenlijk besproken. Slechts de marginale effecten van de variabelen, gevonden met de beschreven modellen, worden beschreven in dit gedeelte van de scriptie. De significante marginale effecten zijn gezamenlijk gevisualiseerd in bijlage 2. Meer gedetailleerde weergave van de resultaten wordt weergeven in bijlage 3 t/m 6. Verder worden de modellen aan de hand van enkele statistische toetsen besproken. Eerst volgt er een korte bespreking van de uitvoering van het onderzoek, vervolgens zullen de effecten van de variabelen geanalyseerd worden per categorie.

4.1 Uitvoering

De data uit het LISS panel zijn niet volledig, waardoor er een aantal restricties op de data zijn gelegd om deze bruikbaar te maken voor dit onderzoek. Zo zijn personen die niet alle vragen hebben ingevuld, die onderdeel uitmaken van dit onderzoek, verwijderd uit de data. Ook zijn personen die aangegeven hebben dat zij niet wisten wat hun

inkomen was, niet opgenomen in de data. Verder zijn er een aantal personen uit de data verwijderd die een irreëel aantal huisartsbezoeken opgegeven had. In tabel 2 staat het aantal observaties per model en jaar die na deze restricties overgebleven zijn.

In bijlage 1 staat aangegeven welke variabelen als referentie gebruikt zijn in dit onderzoek. Dit betekent dat er een hypothetisch persoon met specifieke eigenschappen, als uitgangspunt genomen is. Deze hypothetische persoon bezoekt een bepaald aantal keer de huisarts; dit is de constante in het model. Afgeleid van bijlage 1 kan deze hypothetische persoon dus als volgt beschreven worden: Man, werkend, niet angstig, normaal gewicht, niet chronisch ziek, geen ziekten (zoals beschreven in bijlage 1), verzuimt zijn werk niet, rookt niet, ook nooit gerookt, normactief, geen vrijwillig eigen risico, niet aanvullend verzekerd, woont in een niet-stedelijk gebied, alleenstaand, 35-40 jaar oud en heeft een netto inkomen tussen de 1500 en 2000 euro.

De keuze voor de referentiewaarden is beredeneerd op basis van Nederlandse data. Zo is er gekozen voor de leeftijdsgroep 35-40 jaar, omdat dit de gemiddelde leeftijd in

Nederland is. De referentiewaarde voor het inkomen is gekozen, omdat dit als een modaal inkomen beschouwd wordt. De andere referentiewaarden zijn zo gekozen om

aan de resultaten eenduidige conclusies te kunnen verbinden, zoals duidelijk wordt in 4.2 bij de analyse van de resultaten.

De coëfficiënten van de variabelen gevonden met de modellen zijn te

interpreteren als het verschil van de constante, zoals beschreven staat in 3.2. Dit geldt voor zowel het basismodel als het hurdle model. Deze marginale effecten op de constante staan weergegeven in tabel 1, hierbij staat de constante onder in de tabel aangegeven. Het panel poisson model heeft geen constante. Dit betekent dat de

coëfficiënten van de variabelen uit dit model, als algemene procentuele verandering van het aantal huisartsbezoeken gezien kunnen worden.

In de eerste kolom van tabel 1 staan categorieën factoren waarin de variabelen verdeeld zijn. In de tweede kolom staan de variabelen. Achtereenvolgens staan in kolom drie tot en met vijf, de resultaten van de modellen gebruikt in de verschillende jaren. Hierin zijn resultaten van de jaren opgedeeld in twee subkolommen, namelijk resultaten verkregen door het toepassen van (1) het basismodel en (2) het hurdle model. In de laatste kolom staan de resultaten van het panel poisson model.

In de rijen van tabel 1 staan de marginale effecten van de specifieke variabelen per jaar en gebruikte model. Deze variabelen zijn opgedeeld in de vier categorieën, zoals beschreven in 3.1. Zo kan er bekeken worden hoe het effect verschilt tussen de modellen en jaren. Niet voor alle variabelen zijn er ook resultaten uit het panel poisson model. Dit komt doordat alleen tijdsafhankelijke variabelen door dit model geschat kunnen worden, waardoor dit model een stuk beperkter is.

In tabel 2 zijn statistische toetsen opgenomen die uitgevoerd zijn op de modellen. In de eerste kolom worden de specificaties gegeven. De kolommen met specificaties voor de jaren en verschillende modellen zijn op gelijke wijze ingedeeld als in tabel 1. De rijen van tabel 2 weergeven de descriptieve statistieken per model.

Tabel 1: Marginale effecten van variabelen op de frequentie van huisartsbezoeken in procenten

Categorie Variabelen 2010 2011 2012 Panel

(1) (2) (1) (2) (1) (2) Persoonlijke factoren Vrouw 47,43** 18,91** 41,43** 17,84** 42,77** 16,97** Leeftijd1 2,61 2,30 31,09** 23,21** 9,52 -4,97 Leeftijd2 -2,72 0,22 -6,89 -3,42 -10,28* -8,39 Leeftijd4 6,73 3,09 2,49 -0,66 3,96 -2,38 Leeftijd5 13,41** 6,17 9,81* 2,81 16,04** -1,98 Leeftijd6 31,20** 17,10** 41,20** 21,93** 41,74** 16,66** Woonvorm2 6,16* 2,98 5,74* 2,86 0,63 -4,02 Woonvorm3 -2,14 0,73 -6,45 -1,83 2,14 0,55 Woonvorm4 12,79* 9,18 3,88 1,15 14,59** 8,23 Woonvorm5 17,27 18,56 -9,68 -10,62 -23,37* -7,30 Stedelijk1 -0,02 -3,80 -2,41 -0,20 -2,88 -3,71 Stedelijk2 -5,36 -4,55 -3,93 -2,15 -12,33** -9,69** Stedelijk3 -6,07 -4,82 -8,10* -1,56 -9,55** -9,83** Stedelijk4 0,49 0,25 -1,91 2,74 -7,88* -6,45 Afkomst2 6,68 -6,45 9,23 5,78 12,70* 3,24 Afkomst3 45,05** 36,43** 34,41** 20,51** 33,66** 32,61** Afkomst4 -3,89 -3,02 -1,33 -0,74 -9,58 -4,30 Afkomst5 15,27 5,90 1,28 2,93 25,70* 15,68 Levensstijlfactoren Gewicht1 0,45 12,09 6,43 7,61 -4,81 -1,83 -11,39 Gewicht3 5,47* 3,50 4,67 2,64 6,20* 6,61** -3,00 Gewicht4 11,79** 7,47** 7,88* 6,34* 8,78** 8,34** 4,31 Roker -9,80** -3,99 -9,28** -2,02 -8,11** -0,89 Gerookt -5,41* 0,61 -10,45** -6,49** -9,87** -3,72 Inactief 2,61 2,33 -0,42 0,70 -0,74 5,76* 1,02 Semi-Actief 5,76* 2,26 -0,76 -3,39 1,69 0,99 2,27 Sociaaleconomische factoren Werkloos -2,51 -1,54 6,80* 5,45 1,26 3,07 Inkomen1 2,95 3,94 0,91 3,32 -2,08 5,65 Inkomen2 10,11* 11,56* -8,22 6,53 19,03** 27,01** Inkomen3 -3,42 -3,56 -0,56 0,73 0,85 7,00* Inkomen4 3,89 1,84 5,75 3,89 4,50 8,23* Inkomen6 -14,54** -11,03** -10,11* -8,78* -6,06 -0,14 Inkomen7 -3,96 -3,80 -0,51 4,31 -7,38 -7,07 Inkomen8 -4,71 -12,51 -3,97 -7,89 3,29 2,54 Inkomen9 9,10 -1,82 -11,71 -11,79 -5,93 -18,54 Inkomen10 -78,35 -99,92* 9,39 35,28 -27,29 -25,55 Inkomen11 -43,87 -47,15 6,66 -3,47 -7,85 -13,40 Inkomen12 -51,72* -13,29 -88,82** -49,17 -14,95 -18,92 Inkomen13 -34,77 -42,71 23,61 23,03 27,32 15,61 13

ZiekteVerzuim2 15,05** 7,32* 11,85** 2,27 21,45** 4,80 7,30* ZiekteVerzuim3 13,78** 11,15** 28,54** 14,27** 19,95** 10,69* 16,34** ZiekteVerzuim4 35,41** 21,95** 38,78** 27,13** 34,60** 17,87** 18,95** ZiekteVerzuim5 31,56** 23,83** 24,84** 15,16** 29,84** 17,47** 21,37** Opleiding1 -2,24 0,83 1,30 1,91 7,14 2,83 Opleiding2 -4,29 0,53 2,05 3,18 -1,21 -0,48 Opleiding3 -8,19* -7,54 -6,90 -8,52* -9,77* -10,05* Opleiding5 -8,84** -9,08** -2,24 -2,46 -5,45 -7,34* Opleiding6 -6,41 -3,36 -3,88 -6,64 0,87 -5,28 Aanvullend Verzekerd -5,74* 1,09 -10,41** -4,39 -15,73** -5,35 3,00 Eigen Risico -8,20** -1,72 -4,20 -1,03 -2,19 -1,46 Gezondheids-factoren Chronisch Ziek -18,21** -10,02** -17,35** -5,81* -21,66** -13,94** Angina 9,75* 5,21 18,20** 13,24** 2,47 1,25 Hartaanval 11,91* 12,75* 3,51 4,14 3,60 4,97 Hypertensie 35,34** 25,34** 31,27** 17,67** 29,87** 16,36** Cholesterol 13,64** 10,79** 8,02* 4,67 14,56** 8,54** CVA 1,92 4,02 4,14 8,47 -0,18 -0,37 Diabetes 22,55** 15,22** 12,71** 8,28* 8,00* 5,52 Longziekte -4,75 -4,89 0,41 0,50 8,14 5,31 Astma 20,92** 16,43** 31,41** 26,40** 24,05** 13,86** Artritis 1,69 1,65 2,74 6,57 -4,99 -1,97 Maligniteit 1,47 6,82 2,88 -1,94 -2,32 0,06 Parkinson 11,84 12,10 17,44 20,80 -17,36 -8,45 Staar -10,44* -4,33 7,58 8,43 18,38** 16,40** Fractuur -6,36 -7,09 3,00 -4,41 2,29 4,32 Ziekenhuisbezoek -30,25** -17,86** -36,51** -25,52** -39,85** -21,89** -24,19** Gezondheid1 96,19** 38,80** 101,04** 62,06** 119,98** 50,10** 43,46** Gezondheid2 96,52** 45,03** 74,67** 38,88** 108,51** 46,32** 47,95** Gezondheid3 59,17** 21,56** 42,16** 14,94* 84,06** 31,03** 30,47** Gezondheid4 29,61** 7,42 2,44 -6,55 46,39** 18,52* 11,04 GezVeranderd1 44,92** 33,62** 20,25** 10,91 25,23** 17,02* 43,85** GezVeranderd2 30,60** 17,44** 24,46** 11,40** 36,55** 24,15** 28,14** GezVeranderd4 25,82** 15,53** 14,57** 9,53** 27,96** 18,41** 5,93* GezVeranderd5 39,71** 27,23** 8,70** -1,32 21,52** 18,24* 4,68 Angstig2 9,30** 5,66* 7,12* 1,10 8,66** 0,81 -0,23 Angstig3 16,29** 9,79** 11,13** 5,55 14,81** 4,78 1,77 Angstig4 24,80** 18,98** 12,33** 8,05 29,89** 15,25** 8,84* Angstig5 39,55** 22,07** 30,97** 17,62** 12,18 3,00 -2,50 Angstig6 19,74* 17,68 37,63** 31,23** 9,90 -2,46 -22,27* Constante 1,11 2,02** 1,57** 2,68** 1,33* 2,59** * 5% Significantieniveau ** 1% Significantieniveau 14

4.2 Analyse

Van de persoonlijke variabelen zijn het geslacht, hoge leeftijd en eerste generatie niet-westerse allochtonen de significante positieve voorspellers van het aantal huisarts bezoeken. In 2011 heeft de leeftijdsgroep onder de veertien jaar ook een significant positief effect op het aantal huisartsbezoeken, ten opzichte van mensen van gemiddelde leeftijd; andere leeftijdsgroepen zijn incidenteel significant, maar zijn wel volgens de verwachting uitgaande van de economische theorie. Wat woonvorm betreft blijkt uit het basismodel dat in 2010 en 2012 alleenstaanden met kinderen vaker de huisarts bezoeken dan alleenstaanden. Dit geldt ook voor samenwonenden zonder kinderen, hoewel het effect geringer is. Qua stedelijkheid is de algemene tendens dat mensen in

dichterbebouwde woonomgevingen, minder vaak naar de huisarts gaan; op basis van jaar 2012. Voor afkomst geldt dat vooral eerste generatie niet-westerse allochtonen de huisarts vaker bezoeken. Verder voor afkomst geldt dat, in 2012, eerste generatie niet-westerse allochtonen en tweede generatie niet-niet-westerse allochtonen, significant vaker de huisarts bezochten dan autochtonen.

Van levensstijlfactoren is morbide obesitas de meest consequent significante positieve voorspeller van het aantal huisartsbezoeken. Deze gewichtscategorie is ook wel te beschrijven als zijnde een ziekte. Verder leidt roken en/of gerookt hebben tot een duidelijke daling in het aantal huisartsbezoeken. Hoewel deze variabelen wisselend significant zijn in de verschillende jaren, is wel een duidelijke negatieve invloed waar te nemen. Roken is bewezen schadelijk voor de gezondheid, maar dit lijdt kennelijk niet tot een hogere frequentie huisartsbezoeken. De factor beweging is op basis van de significantie niet bewijzend voor meer doktersbezoeken.

Van de categorie sociaaleconomische factoren is vooral het ziekte verzuim in toenemende mate, van weinig tot veel verzuim, een significante positieve voorspeller van het aantal huisartsbezoeken. Mensen die verzuimen van werk bezoeken dus ook vaak een dokter, al verschilt het effect van veel verzuim amper van weinig verzuim, ten opzichte van geen verzuim. Daarnaast is er op basis van het inkomen duidelijk effect te zien van inkomens die boven modaal zijn. Mensen met een inkomen boven modaal bezoeken de huisarts veel minder dan mensen met een modaal inkomen. Binnen de inkomensklasse 1-500 euro bezoeken personen de huisarts vaker, maar dit komt waarschijnlijk doordat er in deze groep veel personen zitten met een jonge leeftijd,

waardoor het niet gepast is om deze groep te classificeren als een groep met een lager dan modaal inkomen. Verder is er voor opleiding te zien dat personen met een HBO opleiding de huisarts minder vaak bezoeken; op basis van beide modellen in 2010. Wel blijkt uit 2012 dat personen met een VMBO opleiding de huisarts minder vaak

bezoeken. Dit is tegenstrijdig met de economische theorie, hoewel dit mogelijk

verklaard kan worden uit het feit dat personen uit deze groep een jonge leeftijd hebben. Op basis van de resultaten voor vrijwillig eigen risico en werkeloosheid is geen

uitspraak te doen ten aanzien van het aantal huisartsbezoeken. Wat opvalt, is dat mensen met een aanvullende verzekering significant minder vaak naar de huisarts gaan volgens het basismodel in alle jaren. Dit is niet volgens de verwachting, omdat er vanuit gegaan wordt dat deze groep een lagere drempel heeft om de huisarts te bezoeken. De reden hiervoor is dat zij vaak verzekerd zijn tegen de gevolgen van een bezoek aan de

huisarts, zoals een verwijzing naar een diëtist of fysiotherapeut. De aanname dat mensen met een aanvullende verzekering meer risico willen lopen, wordt ook wel moral hazard genoemd.

Van de gezondheidsfactoren zijn alle gebruikte variabelen voornamelijk significant. Belangrijke negatieve voorspellers zijn chronisch ziek zijn en een ziekenhuisbezoek in het afgelopen jaar. Voor chronisch zieken en mensen met

ziekenhuisbezoek in het afgelopen jaar, geldt meestal dat zij in behandeling zijn bij een medisch specialist. Daardoor gaan ze vaak met hun zorgvraag naar de behandelend arts, in plaats van naar de huisarts. Een aantal specifieke ziekten zijn significant

verantwoordelijk voor een toename in het aantal huisartsbezoeken. Dit zijn hypertensie, hoog cholesterol, diabetes, astma en in mindere mate angina. Deze ziekten behoeven vooral periodieke controles en doordat deze vaak door de huisarts uitgevoerd worden, hebben zij een toename in de frequentie huisartsbezoeken tot gevolg. Verder zijn er een aantal verwachte resultaten op basis van de gezondheid, zoals dat mensen met een slechtere gezondheid, alsook met een verslechterde gezondheid, de huisarts vaker bezoeken. Ook angstige mensen bezoeken de huisarts vaker dan niet angstige mensen, waarbij het verschil tussen mensen die weinig angstig zijn en mensen die vaak angstig zijn, groot is. In deze categorie zijn er tot slot drie opvallende resultaten. Dit is dat mensen met een goede tot zeer goede gezondheid de huisarts beduidend vaker bezoeken. Ook mensen die aangegeven hebben dat hun gezondheid is verbeterd

bezoeken de huisarts uitgesproken vaker. In dit onderzoek zijn er geen objectieve beoordelingscriteria gebruikt om de gezondheid van de ondervraagden te kwalificeren. Deze gegevens zijn door de personen zelf vastgesteld, wat betekent dat de gegevens subjectief zijn en er is dus niet direct een oorzaak aan te wijzen is waardoor juist deze groep mensen de huisarts vaker bezoekt. Verder valt wel op dat het effect in het panel poisson model een stuk lager is. Daarnaast valt op dat voortdurend angstige mensen in het panel poisson model minder vaak naar de huisarts gaan, in tegenstelling tot het basismodel en het hurdle model. Hier is helaas geen verklaring voor gevonden.

De hypothetische persoon, die als referentie dient in dit onderzoek, gaat elk jaar een bepaald aantal keer naar de huisarts. Dit aantal keer staat in tabel 1 in de onderste rij, dit is namelijk de constante in het model. De constante is, uitgezonderd voor het basismodel in 2010, significant voor alle modellen en jaren.

In bijlage 2 staan de significante effecten op het aantal huisartsbezoeken, zoals hierboven besproken in een grafiek samengevoegd. De definitie van de variabelen is hier in plaats van de naam gegeven ter verduidelijking.

In tabel 2 staan enkele specifieke gegevens van de verschillende gebruikte modellen. De observaties zijn het aantal personen gebruikt in de verschillende jaren. Bij nul observaties wordt het aantal personen gegeven van de totale groep die geen enkele keer in dat jaar de huisarts bezocht hebben. Daarnaast wordt ook het gemiddelde van de onderzochte jaren gegeven. Verder worden er van de betreffende modellen genoemd de loglikelihood, chi-kwadraat test, AIC en BIC.

Het gemiddelde aantal huisartsbezoeken en het geschatte aantal

huisartsbezoeken (constante) worden met elkaar vergeleken zodat er op basis van de modellen, basis- of hurdle model, bekeken kan worden welk model het gemiddelde van dat jaar het beste schat. De constante is uiteraard wel afhankelijk van de

referentiewaarden die in dit onderzoek gekozen zijn, maar de deviatie van het gemiddelde geeft een indicatie met welk model de data beter geschat kan worden. Gemiddeld genomen over de drie onderzochte jaren gaat de referentie persoon 1,1 keer vaker naar de huisarts, op basis van het hurdle model ten opzichte van het basismodel. In 2010 is het hurdle model beter dan het basismodel (constante van het basismodel is tevens niet significant), in 2011 ligt de constante van het basismodel dichter bij het

gemiddelde en in 2012 is het verschil tussen de modellen nihil. Op basis van deze waarden is het hurdle model iets beter dan het basismodel.

Tabel 2: Descriptieve statistieken per model

Specificaties 2010 2011 2012 Panel (1) (2) (1) (2) (1) (2) Observaties 5334 4745 5144 108271 Nul observaties 1565 1493 1682 3863 Constante3 1,11 2,02 1,57 2,68 1,33 2,59 - Gemiddelde4 2,12 2,05 1,97 - Loglikelihood -10152,7 -7434,02 -9117,68 -6510,58 -9760,36 -6891,37 -9963,15 LR Chi^2 4047,31 1660,13 3594,76 1455,04 3719,17 1379,06 507,59² Probability 0 0 0 0 0 0 0² AIC 20461,33 15028,03 18391,36 13181,16 19676,72 13942,75 19976,29 BIC 20974,72 15554,58 18895,62 13698,35 20187,28 14466,39 20158,54

1 _{3609 unieke personen met elk drie waarnemingen per persoon}

² Bij het panel poisson model wordt er geen gebruik gemaakt van een LR Chi², maar een Wald Chi² test

3 _{De constante uit het model zoals aangegeven in tabel 1}

4 _{Het gemiddelde aantal doktersbezoeken op basis van de data}

De loglikelihood van het geschatte model wordt getest met de chi kwadraat test. Deze test is afhankelijk van het aantal gebruikte variabelen. De chi kwadraat test heeft als nulhypothese dat er minstens één verklarende variabele niet gelijk aan nul is. Met de probabilty wordt bekeken wat de kans is dat de chi kwadraat waarde wordt gevonden, zonder dat er invloed is van de verklarende variabelen op het model. Dit is in alle modellen nul zodat aangenomen kan worden dat de gebruikte modellen minstens één van de gebruikte variabelen niet gelijk is aan nul.

Verder kunnen de modellen voor de verschillende jaren met elkaar vergeleken worden met het akaike informatie criterium (AIC) en het bayesian informatie criterium (BIC). Deze twee informatie criteria zeggen iets over de relatie tussen de complexiteit en het voorspellende vermogen van het gebruikte model, waarbij geldt dat een lagere waarde van de informatie criteria een beter model oplevert. Er is te zien dat het hurdle model boven het basis model geprefereerd wordt in elk jaar, op basis van het AIC en BIC. Hoewel de AIC en BIC van de verschillende jaren wel met elkaar te vergelijken zijn, zijn deze niet met het panel poisson model te vergelijken, omdat er in dat model minder variabelen gebruikt zijn.

Tot slot is er nog op te merken dat de invloed van de variabelen die significant zijn in zowel het basismodel als in het hurdle model, in het hurdle model altijd kleiner is. Dit betekent dat de invloed van significante variabelen in de groep die de huisarts minstens één keer bezoekt in een jaar, kleiner is dan in de gehele groep. Dit zou kunnen komen doordat het verschil tussen de twee groepen zo groot is dat de invloed van de variabelen in het basismodel standaard overschat worden.

5

Conclusie

In deze scriptie staat het verklaren van het aantal doktersbezoeken op basis van verschillende factoren centraal. Er zijn factoren gekozen die volgens de algemene economische theorie en op basis van eerdere onderzoeken, invloed uitoefenen op het aantal keer dat een persoon een huisarts in een jaar bezoekt. Het doel van het onderzoek is inzicht bieden in wat voor de onderzochte populatie, in dit geval Nederlanders, bepalende factoren zijn en het eventueel handvatten geven voor interventies.

Uit het onderzoek is gebleken dat in Nederland een aantal factoren een significante rol spelen op de frequentie van huisartsbezoeken. Positieve voorspellers zijn geslacht, leeftijd onder de veertien, leeftijd boven de 65, niet-westerse afkomst, morbide obesitas, ziekteverzuim, specifieke ziekten (angina, hypertensie, hoog

cholesterol, diabetes, astma), minder dan uitstekend ervaren gezondheid, verslechterde gezondheid en angstigheid. Negatieve voorspeller zijn woonachtig in een stad, roken, gerookt hebben, netto inkomen boven modaal, hoge opleiding, aanvullende verzekering, vrijwillig eigen risico, chronisch ziekte en een ziekenhuisbezoek in het afgelopen jaar.

De belangrijkste positieve voorspeller voor het aantal huisartsbezoeken is een slechte gezondheid. Dit geldt ook voor personen die aangegeven hebben dat hun gezondheid verslechterd is. Het is voor de personen dus heel belangrijk hoe zij hun eigen gezondheid ervaren. Ook mate van angstigheid speelt een belangrijke rol. Het verminderde welzijn vertaalt zich dus in een verhoging van het aantal keer dat zij de huisarts bezoeken. Gezondheid is in dit onderzoek een subjectieve variabele, maar de indicatie zou een uitgangspunt kunnen zijn voor interventies. Interventies die er op gericht zijn om het zelfbeeld over de eigen gezondheid te verbeteren en angst te

verminderen, zullen een grote afname tot gevolg hebben van het aantal huisartsbezoeken.

In het onderzoek is het inkomen als belangrijke negatieve voorspeller van het aantal huisartsbezoeken naar voren gekomen. Vooral mensen met een boven modaal inkomen bezoeken minder vaak de huisarts. Dit effect is voor inkomens ver boven modaal nog groter dan net boven modaal. Hier waarschijnlijk direct aangekoppeld, is dat mensen met een hogere opleiding ook minder vaak de huisarts bezoeken. De

verklaring hiervoor is dat mensen met een hogere opleiding en een hoger dan gemiddeld inkomen, een hoger sociaaleconomische status hebben. Een hogere sociaaleconomische status is over het algemeen gekoppeld aan een betere gezondheid. Hoewel het niet aangetoond is dat mensen met een lager dan modaal inkomen vaker de huisarts bezoeken, zullen welvaart bevorderende interventies, dus een daling van het aantal huisartsbezoeken tot gevolg hebben.

Bepaalde groepen in de samenleving gaan uitgesproken vaker naar de huisarts. Uit dit onderzoek komt naar voren dat dit vrouwen en niet-westerse allochtonen zijn, ten opzichte van respectievelijk mannen en autochtonen. Deze groepen zullen dus als gevolg van meer huisartsbezoeken, vaker in behandeling komen bij de huisarts of specialist. Het bezoek aan de huisarts is gratis in Nederland, maar door verhoogde behoefte aan zorg, zullen de zorgkosten voor deze personen vaak hoger zijn. Vanwege wetgeving is het niet toegestaan gegevens zoals geslacht en afkomst aan verzekerden te vragen, dan wel door te berekenen in de premie. Voor verzekeraars bestaat er dus adverse selectie voor deze groepen. Dit leidt tot een hogere basisverzekering voor alle verzekerden. Het vragen van een hogere premie aan deze groepen zou er voor kunnen zorgen dat basispremie omlaag kan en zo dus kostenbesparend is voor mensen die niet tot deze groepen behoren.

Mensen die roken bezoeken huisarts minder, maar deze groep is wel

geassocieerd met een hogere mortaliteit en een hogere prevalentie voor verschillende ziekten. Dat zij de huisarts minder bezoeken betekent dus niet dat ze ook minder kosten opleveren dan mensen die niet roken. Dit geldt ook voor mensen die gerookt hebben. Mogelijk geldt voor rokers dat zij over het algemeen bereid zijn meer risico te lopen dan niet-rokers.

Verder gaan mensen met een chronische ziekte ook minder vaak naar de huisarts. Dit komt waarschijnlijk doordat deze mensen vaak onder behandeling zijn van een medisch specialist, waardoor zij vaak met hun zorgvraag naar de specialist gaan in plaats van de huisarts. Hoewel er precies uitgezocht zou moeten worden hoe het gedrag van chronisch zieken, en welke chronische ziekten in het bijzonder, de zorgkosten beïnvloeden, is een hoog risico aanpak van deze groep personen een mogelijke interventie. Doordat zij vaak specialisten of paramedici bezoeken, betekent dit dat zij veel zorgkosten maken. Als deze bezoeken voornamelijk ter controle zijn, zouden zij beter gedevieerd kunnen worden naar gespecialiseerde centra of zelfs de huisarts, waardoor er kosten bespaard kunnen worden.

Opvallend is echter dat mensen met een aanvullende verzekering minder vaak de huisarts bezoeken. Dit is op basis van de economische theorie en eerder onderzoek niet volgens de verwachting. De aanname is dat deze mensen zijn eerder bereid om de huisarts te bezoeken, doordat zij aanvullend verzekerd zijn; daarom zijn zij veelal verzekerd tegen de gevolgen van een huisartsbezoek, zoals een doorverwijzing naar een diëtist of fysiotherapeut. Wat hier mogelijk meespeelt, is dat mensen die een

aanvullende verzekering hebben, ook vaak een hoger inkomen hebben. Zoals al eerder geconcludeerd is, leidt een hoger inkomen tot minder huisartsbezoeken. Dit betekent dus dat er op basis van dit onderzoek geen aanwijzing is voor moral hazard.

Tot slot kan er gesteld worden dat het hurdle model beter is dan het basismodel, om het aantal huisartsbezoeken te modelleren. Dit is vastgesteld aan de hand van enkele statistische toetsen beschreven in 4.2. De meerwaarde ten opzichte van het panel

poisson model is niet vast te stellen, omdat er in het panel poisson model minder

variabelen opgenomen zijn. De significante waarden van het panel poisson model liggen overigens wel dicht bij die van het hurdle model.

6

Discussie

In dit onderzoek is er gebruik gemaakt van data afkomstig uit het LISS panel. Het panel bestaat, zoals besproken, uit Nederlandse huishoudens. Het kan dus voorkomen dat er meerdere leden van een huishouden meedoen aan hetzelfde onderzoek. Ook in dit onderzoek is dit hoogst waarschijnlijk het geval, hier is echter niet voor gecorrigeerd.

Dit kan dus als gevolg hebben dat de antwoorden van personen van hetzelfde huishouden van elkaar afhankelijk zijn. Deze afhankelijk geldt vooral voor jonge kinderen ten opzichte van hun ouders. In vervolg onderzoek moet deze situatie dus vermeden worden door slechts één persoon uit een huishouden te gebruiken voor het onderzoek.

In dit onderzoek is onder meer gebleken dat de ervaren gezondheid een

belangrijke factor is in de frequentie van huisartsbezoeken. Opvallend is dat mensen die aangegeven hebben dat zij een goede tot zeer goede gezondheid hebben ook vaker de huisarts bezoeken. Dit geldt ook voor mensen die aangegeven hebben dat hun

gezondheid verbeterd is. Variabelen met betrekking tot gezondheid zijn in dit onderzoek subjectief gespecificeerd. In vervolg onderzoek is het belangrijk om te bekijken of er zich onder deze groepen, specifieke groepen bevinden die hun gezondheid op deze manier kwalificeren. Zo kunnen er meer gerichte interventies voorgesteld worden. Ook zou er bekeken moeten worden of er een relatie is tussen het kwalificeren van de eigen gezondheid en een toename van de hoeveelheid zorgkosten.

In tegenstelling tot wat volgens de economische theorie gevonden is, komt in dit onderzoek naar voren dat stedelijkheid, zoals gedefinieerd in de variabelen, een

negatieve invloed heeft op het aantal huisartsbezoeken. Anders gezegd geldt dat mensen in dichtbevolkte gebieden minder vaak naar de huisarts gaan. Hier is niet direct een reden voor te noemen en zou dus in vervolg nader bekeken moeten worden.

Naast bepaalde groepen zijn er ook bepaalde ziekten die zorgen voor een verhoogd aantal huisartsbezoeken. Behandelingen voor deze ziekten zijn niet curatief, waardoor de ziekten een veelal chronisch karakter hebben en langdurig behandeld moeten worden. Dit betekent ook dat er vaak periodieke controles uitgevoerd moeten worden om de voortgang en de effectiviteit van de behandeling te kunnen controleren. Deze controles worden vaak uitgevoerd door de huisarts waardoor deze ziekten dus verantwoordelijk zijn voor een toename in het aantal huisartsbezoeken. Er zou in vervolg onderzoek bekeken moeten worden hoe deze ziekten van invloed zijn op het aantal medisch specialisten bezoeken, om te kijken of deze ook vaker bezocht worden door deze groepen mensen.

Bibliografie

Brief aan de Tweede Kamer, 2008. Verkregen op:

http://www.ggdkennisnet.nl/?file=3215&m=1311166430&action=file.download

Buchmueller T.C., Grumbach K., Kronick R., Kahn J.G., 2005. The Effect of Health Insurance on Medical Care Utilization and Implications for Insurance

Expansion: A Review of the Literature. Medical Care Research and Review 62 (1), 3-30

Cameron A.C., Trivedi P.K., 2005. Microeconometrics: Methods and Applications, Cambridge University Press

Centerdata, 2007-2012. LISS Panel, Health LISS Core Study [Data file en code boek]. Afkomstig van: http://www.lissdata.nl/lissdata

Deb P., Trivedi P.K., 2002. The structure of demand for health care: latent class versus two-part models. Journal of Health Economics 21, 601-625

Hausman H., Jerry A., Hall B., Griliches Z., 1984. Econometric Models for Count Data with an Application to the Patents-R&D Relationship. Econometrica, 52 (4), 909-938

Mackenbach J.P., Stonks K., 2012. Volksgezondheid en Gezondheidszorg, Reed Elsevier.

Mullahy J., 1986. Specification and testing in some modified count data models. Journal of Econometrics, 33: 341-365.

Van Ophem H., 2011. The frequency of visiting a doctor: Is the decision to go independent of the f requency?, Journal of Applied Econometrics 26, 5.

Schellhorn M., 2001. The effect of variable health insurance deductibles on the demand for physicians visits. Health Economics 10, 441–456.

De Vries H., de Jongh T.O.H., 2011. Diagnostiek van alledaagse klachten, Bohn Stafleu Van Loghum.

Winkelmann R., 2003. Econometric Analysis of Count Data, 4th edn. Springer: Heidelberg.

Winkelmann R., 2004. Health care reform and the number of doctor visits: an econometric analysis. Journal of Applied Econometrics 19, 455–472.

Bijlage 1: Definitie van verklarende variabelen

Variabele Definitie

Geslacht 1 als persoon een vrouw is

Werkloos 1 als persoon werkloos is

Gezondheid Een door de persoon zelf geïnterpreteerde toestand van zijn huidige gezondheid. Opgedeeld in vijf categorieën2: slecht, matig, goed, zeer goed en

uitstekend1; respectievelijk Gezondheid1, Gezondheid2, Gezondheid3, Gezondheid4, Gezondheid51.

Veranderde Gezondheid Een indicator of de gezonheid van de persoon voor of achteruit is gegaan. Opgedeeld in vijf categorieën2: aanzienlijk slechter, slechter, zelfde1, beter,

aanzienlijk beter; respectievelijk GezVerandering1, GezVerandering2, GezVerandering31, GezVerandering4, GezVerandering5.

Angstig Een indicator de persoon zich angstig gevoeld heeft de afgelopen maand. Opgedeeld in zes categorieën2: nooit1, zelden, soms, vaak, meestal,

voortdurend; respectievelijk Angstig11, Angstig2, Angstig3, Angstig4, Angstig5, Angstig6.

Body Mass Index3 Een maat voor de verhouding tussen lengte en gewicht van een persoon. Opgedeeld in vijf categorieën2: Ondergewicht (BMI<18,5),

Normaal1(18,5<BMI<25), Overgewicht(25<BMI<30), Morbide Obesitas(30<BMI); respectievelijk Gewicht1, Gewicht21, Gewicht3, Gewicht4.

Chronisch Ziek 1 als persoon heeft aangegeven een chronische ziekte te hebben

Angina 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: angina, pijn op de borst

Hartaanval 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: een hartaanval inclusief hartinfarct of coronairtrombose of een ander hartprobleem

inclusief hartfalen

Hypertensie 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: hoge bloeddruk of hypertensie

Cholesterol 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: hoog cholesterol gehalte in het bloed

CVA 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: een beroerte of herseninfarct of een ziekte aan de bloedvaten in de hersenen

Diabetes 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: diabetes of een te hoog bloedsuikergehalte

Longziekte 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: chronische longziekte zoals chronische bronchitis of emfyseem

Astma 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: astma

Artritis 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: artritis, inclusief osteoartritis, of reuma, botontkalking of osteoporose

Maligniteit 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: kanker of kwaadaardig gezwel, inclusief leukemie of lymphoma, maar exclusief

minder ernstige vormen van huidkanker

Parkinson 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: de ziekte van Parkinson

Staar 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: staar

Fractuur 1 als afgelopen jaar door een arts de volgende diagnose gesteld is: een gebroken bot

Ziekteverzuim Gemiddeld aantal dagen per maand dat een persoon zich ziek gemeld heeft. Opgedeeld in vijf categorieën2: niet1, nauwelijks(1-2 dagen), soms(3-5

dagen), regelmatig (5-10 dagen), vaak (meer dan 10 dagen); respectievelijk Verzuim11, Verzuim2, Verzuim3, Verzuim4, Verzuim5.

Roker 1 als de persoon momenteel rookt

Gerookt 1 als de persoon ooit gerookt heeft

Sport Indeling op basis van de CBS beweegnorm (minimaal vijf dagen in de week, 30 minuten matig intensief beweegt). Opgedeeld in drie categorieën2:

inactief(0dagen), semi-actief(1-4 dagen), normactief (5 of meer dagen) 1; respectievelijk Inactief, Semi-Actief, Normactief1

Ziekenhuisbezoek 1 als persoon in het afgelopen jaar in het ziekenhuis heeft bezocht om gezondheidsredenen

Aanvullend Verzekerd 1 als persoon in het afgelopen jaar aanvullend verzekerd was.

Vrijwillig Eigen risico 1 als een persoon er voor gekozen heeft om een vrijwillig eigen risico af te sluiten.

Leeftijdscategorie Indeling van personen in CBS-leeftijdscategorieën. Opgedeeld in zes categorieën2: 15-24jaar, 25-34jaar, 35-44jaar1, 45-54jaar, 55-64jaar, >65jaar;

respectievelijk Leeftijd1, Leeftijd2, Leeftijd31, Leeftijd4, Leeftijd5, Leeftijd6.

Woonvorm De woonsituatie van de persoon. Opgedeeld in vijf categorieën2: Alleenstaand1, (On)Gehuwd samenwonend zonder kind(eren), (On)Gehuwd

samenwonend met kind(eren), Alleenstaand met kind(eren), Anders; respectievelijk Woonvrom11, Woonvrom2, Woonvrom3, Woonvrom4,

Woonvorm 5.

Stedelijk Karakter Geeft aan hoe het stedelijk karakter is van de woonplaats van de persoon, dit wordt gedaan op basis van omgevingsadressendichtheid per km2.

Opgedeeld in vijf categorieën2: zeer sterk- (>2500), sterk- (1500-2500), matig- (1000-1500), weinig- (500-1000), niet stedelijk1 (<500); respectievelijk Stedelijk1, Stedelijk2, Stedelijk3, Stedelijk4, Stedelijk51

Netto Inkomen Het aantal euro’s dat persoon netto verdient per maand. Opgedeeld in dertien categorieën2: Geen inkomen , 1 – 500, 501 – 1000, 1001 – 1500, 1501 –

20001, 2001 – 2500, 2501 – 3000, 3001 – 3500, 3501 – 4000, 4001 – 4500, 4501 – 5000, 5001 – 7500, Meer dan 7500; respectievelijk Inkomen1,

Inkomen2, Inkomen3, Inkomen4, Inkomen51, Inkomen6, Inkomen7, Inkomen8, Inkomen9, Inkomen10, Inkomen11, Inkomen12, Inkomen13.

Opleidingscategorie Hoogst genoten opleiding van de persoon. Opgedeeld in zes categorieën2: basisonderwijs, vmbo, havo/vwo, mbo1, hbo, wo; respectievelijk

Opleiding1, Opleiding2, Opleiding4, Opleiding41, Opleiding5, Opleiding6.

Afkomst Herkomst groepsindeling volgens definities CBS. Opgedeeld in vijf categorieën2: Autochtoon1, Eerste Generatie Westers, Eerste Generatie

Niet-westers, Tweede Generatie Westers, Tweede Generatie Niet-Niet-westers, respectievelijk Afkomst11, Afkomst2, Afkomst3, Afkomst4, Afkomst5.

1

Dient als referentie

2 _{Elke categorie heeft een eigen variabele welke 1 is als de persoon tot die categorie behoort.} 3 _BMI= gewicht (kg)

lengte2_(m)

Regelmatig Angstig Vaak Angstig

Soms Angstig Zelden Angstig

Gezondheid sterk verbeterd Gezondheid verbeterd

Gezondheid verslechterd

Zeer Goede Gezondheid Goede Gezonheid

Matige Gezondheid Slechte Gezondheid Ziekenhuisbezoek Astma Diabetes Cholesterol Hypertensie Angina Chronisch Ziek Eigen Risico Aanvullend Verzekerd HBO VMBO

Meer dan 10 dagen zieteverzuim p/m 5-10 dagen ziekteverzuim p/m 3-5 dagen ziekteverzuim p/m 1-2 dagen ziekteverzuim p/m 5001-7500 Euro Netto 2001-2500 Euro Netto Roker

2de Gen. Niet-Westerse Allochtoon

1ste Gen.Niet-Westerse Allochtoon Weinig Stedelijk

Matig Stedelijk

Sterk Stedelijk Alleenstaand met kinderen

> 65 jaar 0-14 Jaar Vrouw Voortdurend Angstig 4001-4500 Euro Netto 1-500 Euro Netto Gerookt Morbide Obesitas Voortdurend Angstig

Gezondheid sterk verslechterd

-60,00% -40,00% -20,00% 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 120,00%

Bijlage 2: Significante marginale effecten op frequentie van huisartsbezoeken per variabele in procenten Panel Poisson Hurdle Model Basismodel

Bijlage 3: Gedetailleerde resultaten jaar 2010

Variabelen 2010 Basismodel 2010 Hurdle Model

(1) (2) (3) (4) (5) (1) (2) (3) (4) (5) Vrouw 0,3882 0,0236 0,0000 0,3420 0,4344 0,1732 0,0238 0,0000 0,1266 0,2198 Werkloos -0,0248 0,0302 0,4120 -0,0840 0,0344 -0,0152 0,0301 0,6130 -0,0743 0,0438 Chronisch Ziek -0,1673 0,0236 0,0000 -0,2136 -0,1209 -0,0955 0,0233 0,0000 -0,1411 -0,0499 Angina 0,0930 0,0425 0,0290 0,0097 0,1764 0,0508 0,0422 0,2280 -0,0319 0,1336 Hartaanval 0,1125 0,0514 0,0290 0,0118 0,2132 0,1200 0,0513 0,0190 0,0194 0,2206 Hypertensie 0,3026 0,0248 0,0000 0,2540 0,3512 0,2259 0,0244 0,0000 0,1781 0,2737 Cholesterol 0,1279 0,0299 0,0000 0,0692 0,1865 0,1025 0,0295 0,0010 0,0446 0,1604 CVA 0,0191 0,0724 0,7920 -0,1228 0,1609 0,0394 0,0719 0,5840 -0,1016 0,1804 Diabetes 0,2033 0,0342 0,0000 0,1363 0,2704 0,1417 0,0340 0,0000 0,0751 0,2084 Longziekte -0,0465 0,0446 0,2970 -0,1338 0,0409 -0,0477 0,0441 0,2790 -0,1342 0,0387 Astma 0,1900 0,0408 0,0000 0,1099 0,2700 0,1521 0,0405 0,0000 0,0727 0,2315 Artritis 0,0168 0,0297 0,5720 -0,0414 0,0750 0,0164 0,0295 0,5790 -0,0415 0,0742 Maligniteit 0,0146 0,0568 0,7970 -0,0968 0,1260 0,0660 0,0568 0,2450 -0,0453 0,1773 Parkinson 0,1119 0,1310 0,3930 -0,1449 0,3687 0,1142 0,1301 0,3800 -0,1409 0,3693 Staar -0,0993 0,0483 0,0400 -0,1939 -0,0047 -0,0424 0,0482 0,3780 -0,1368 0,0520 Fractuur -0,0616 0,0555 0,2670 -0,1703 0,0471 -0,0685 0,0558 0,2200 -0,1778 0,0408 Ziekenhuisbezoek -0,2643 0,0263 0,0000 -0,3158 -0,2127 -0,1643 0,0260 0,0000 -0,2153 -0,1133 Aanvullend Verzekerd -0,0558 0,0242 0,0210 -0,1033 -0,0084 0,0108 0,0243 0,6560 -0,0368 0,0585 Inkomen1 0,0291 0,0457 0,5240 -0,0604 0,1186 0,0386 0,0462 0,4030 -0,0520 0,1292 Inkomen2 0,0963 0,0472 0,0410 0,0038 0,1888 0,1094 0,0473 0,0210 0,0166 0,2022 Inkomen3 -0,0337 0,0333 0,3120 -0,0989 0,0315 -0,0350 0,0332 0,2920 -0,1000 0,0300 Inkomen4 0,0382 0,0304 0,2080 -0,0213 0,0977 0,0182 0,0304 0,5490 -0,0414 0,0779 Inkomen6 -0,1357 0,0396 0,0010 -0,2134 -0,0581 -0,1046 0,0395 0,0080 -0,1821 -0,0271 Inkomen7 -0,0388 0,0510 0,4470 -0,1388 0,0612 -0,0373 0,0511 0,4650 -0,1375 0,0628 Inkomen8 -0,0460 0,0734 0,5310 -0,1898 0,0979 -0,1179 0,0733 0,1080 -0,2616 0,0258 Inkomen9 0,0871 0,0992 0,3800 -0,1073 0,2815 -0,0180 0,0994 0,8560 -0,2129 0,1768 Inkomen10 -0,5786 0,3038 0,0570 -1,1741 0,0169 -0,6927 0,3036 0,0230 -1,2878 -0,0977 Inkomen11 -0,3637 0,2259 0,1070 -0,8064 0,0790 -0,3863 0,2260 0,0870 -0,8292 0,0566 Inkomen12 -0,4169 0,1888 0,0270 -0,7869 -0,0469 -0,1247 0,1898 0,5110 -0,4967 0,2472 Inkomen13 -0,2984 0,2004 0,1370 -0,6912 0,0944 -0,3556 0,2008 0,0770 -0,7491 0,0379 Gezondheid1 0,6739 0,0948 0,0000 0,4881 0,8597 0,3279 0,0941 0,0000 0,1435 0,5123 Gezondheid2 0,6756 0,0733 0,0000 0,5320 0,8192 0,3718 0,0731 0,0000 0,2285 0,5150 Gezondheid3 0,4648 0,0687 0,0000 0,3302 0,5994 0,1952 0,0687 0,0040 0,0606 0,3299 Gezondheid4 0,2593 0,0724 0,0000 0,1174 0,4013 0,0716 0,0725 0,3240 -0,0705 0,2136 GezVeranderd1 0,3710 0,0608 0,0000 0,2518 0,4903 0,2899 0,0601 0,0000 0,1720 0,4077 GezVeranderd2 0,2670 0,0257 0,0000 0,2167 0,3173 0,1608 0,0253 0,0000 0,1112 0,2104 GezVeranderd4 0,2297 0,0303 0,0000 0,1703 0,2890 0,1444 0,0302 0,0000 0,0851 0,2036 IV

GezVeranderd5 0,3344 0,0662 0,0000 0,2047 0,4642 0,2409 0,0663 0,0000 0,1109 0,3709 Angstig2 0,0889 0,0258 0,0010 0,0383 0,1395 0,0550 0,0259 0,0330 0,0044 0,1057 Angstig3 0,1509 0,0278 0,0000 0,0965 0,2053 0,0934 0,0279 0,0010 0,0388 0,1480 Angstig4 0,2216 0,0377 0,0000 0,1477 0,2954 0,1738 0,0377 0,0000 0,1000 0,2477 Angstig5 0,3332 0,0501 0,0000 0,2351 0,4314 0,1994 0,0500 0,0000 0,1015 0,2974 Angstig6 0,1802 0,0847 0,0330 0,0142 0,3462 0,1628 0,0848 0,0550 -0,0035 0,3290 ZiekteVerzuim2 0,1402 0,0306 0,0000 0,0803 0,2001 0,0706 0,0305 0,0210 0,0108 0,1304 ZiekteVerzuim3 0,1291 0,0401 0,0010 0,0505 0,2077 0,1057 0,0399 0,0080 0,0274 0,1839 ZiekteVerzuim4 0,3032 0,0531 0,0000 0,1991 0,4072 0,1984 0,0529 0,0000 0,0948 0,3020 ZiekteVerzuim5 0,2743 0,0386 0,0000 0,1986 0,3500 0,2137 0,0382 0,0000 0,1388 0,2887 Inactief 0,0257 0,0247 0,2980 -0,0227 0,0742 0,0230 0,0248 0,3530 -0,0256 0,0716 Semi-Actief 0,0560 0,0238 0,0190 0,0094 0,1026 0,0223 0,0238 0,3480 -0,0243 0,0689 Leeftijd1 0,0258 0,0495 0,6020 -0,0713 0,1229 0,0227 0,0498 0,6490 -0,0749 0,1204 Leeftijd2 -0,0268 0,0419 0,5230 -0,1090 0,0553 0,0022 0,0419 0,9590 -0,0799 0,0842 Leeftijd4 0,0651 0,0355 0,0660 -0,0044 0,1346 0,0304 0,0355 0,3920 -0,0392 0,1001 Leeftijd5 0,1259 0,0370 0,0010 0,0533 0,1985 0,0599 0,0371 0,1070 -0,0129 0,1326 Leeftijd6 0,2715 0,0471 0,0000 0,1792 0,3639 0,1579 0,0469 0,0010 0,0659 0,2499 Woonvorm2 0,0598 0,0267 0,0250 0,0075 0,1121 0,0294 0,0267 0,2720 -0,0230 0,0817 Woonvorm3 -0,0211 0,0322 0,5120 -0,0843 0,0420 0,0073 0,0321 0,8200 -0,0557 0,0703 Woonvorm4 0,1204 0,0497 0,0150 0,0230 0,2178 0,0878 0,0499 0,0780 -0,0099 0,1855 Woonvorm5 0,1593 0,0929 0,0860 -0,0228 0,3413 0,1703 0,0931 0,0680 -0,0123 0,3528 Stedelijk1 -0,0002 0,0363 0,9950 -0,0714 0,0710 -0,0373 0,0365 0,3070 -0,1087 0,0342 Stedelijk2 -0,0522 0,0311 0,0930 -0,1131 0,0087 -0,0445 0,0311 0,1530 -0,1054 0,0165 Stedelijk3 -0,0590 0,0322 0,0670 -0,1222 0,0042 -0,0471 0,0323 0,1450 -0,1105 0,0162 Stedelijk4 0,0049 0,0317 0,8780 -0,0573 0,0671 0,0025 0,0318 0,9370 -0,0599 0,0649 Opleiding1 -0,0222 0,0359 0,5360 -0,0924 0,0481 0,0083 0,0358 0,8170 -0,0619 0,0785 Opleiding2 -0,0420 0,0289 0,1470 -0,0987 0,0147 0,0053 0,0289 0,8550 -0,0514 0,0620 Opleiding3 -0,0788 0,0376 0,0360 -0,1525 -0,0050 -0,0727 0,0377 0,0540 -0,1467 0,0012 Opleiding5 -0,0847 0,0313 0,0070 -0,1462 -0,0233 -0,0869 0,0314 0,0060 -0,1484 -0,0254 Opleiding6 -0,0621 0,0455 0,1730 -0,1513 0,0271 -0,0330 0,0457 0,4700 -0,1226 0,0566 Afkomst2 0,0646 0,0529 0,2220 -0,0391 0,1683 -0,0625 0,0529 0,2380 -0,1662 0,0412 Afkomst3 0,3719 0,0472 0,0000 0,2795 0,4643 0,3106 0,0475 0,0000 0,2175 0,4037 Afkomst4 -0,0382 0,0470 0,4170 -0,1302 0,0539 -0,0298 0,0470 0,5260 -0,1219 0,0623 Afkomst5 0,1421 0,0879 0,1060 -0,0301 0,3144 0,0573 0,0886 0,5180 -0,1163 0,2309 Eigen Risico -0,0788 0,0301 0,0090 -0,1378 -0,0198 -0,0170 0,0301 0,5720 -0,0760 0,0419 Gewicht1 0,0045 0,0667 0,9470 -0,1263 0,1353 0,1141 0,0670 0,0880 -0,0172 0,2454 Gewicht3 0,0532 0,0226 0,0190 0,0088 0,0976 0,0344 0,0227 0,1300 -0,0101 0,0790 Gewicht4 0,1115 0,0279 0,0000 0,0568 0,1662 0,0720 0,0278 0,0100 0,0175 0,1266 Roker -0,0935 0,0274 0,0010 -0,1472 -0,0397 -0,0392 0,0276 0,1560 -0,0932 0,0149 Gerookt -0,0527 0,0226 0,0200 -0,0969 -0,0085 0,0061 0,0226 0,7860 -0,0381 0,0503 Constante 0,1054 0,1232 0,3920 -0,1361 0,3468 0,7038 0,1232 0,0000 0,4622 0,9453 V

(1) Coëfficiënten (2) Standaard Deviatie (3) P-waarde (4) Linkergrens 95% Betrouwbaarheidsinterval (5) Rechtergrens 95% Betrouwbaarheidsinterval Bijlage 4: Gedetailleerde resultaten jaar 2011

Variabelen 2011 Basismodel 2011 Hurdle Model

(1) (2) (3) (4) (5) (1) (2) (3) (4) (5) Vrouw 0,3466 0,0252 0,0000 0,2972 0,3960 0,1641 0,0253 0,0000 0,1145 0,2138 Werkloos 0,0658 0,0336 0,0500 -0,0001 0,1317 0,0531 0,0341 0,1200 -0,0138 0,1199 Chronisch Ziek -0,1600 0,0253 0,0000 -0,2096 -0,1103 -0,0565 0,0250 0,0240 -0,1054 -0,0075 Angina 0,1672 0,0462 0,0000 0,0768 0,2577 0,1244 0,0460 0,0070 0,0343 0,2145 Hartaanval 0,0345 0,0521 0,5080 -0,0676 0,1366 0,0406 0,0519 0,4350 -0,0612 0,1423 Hypertensie 0,2721 0,0263 0,0000 0,2205 0,3237 0,1627 0,0259 0,0000 0,1119 0,2136 Cholesterol 0,0772 0,0314 0,0140 0,0157 0,1386 0,0457 0,0311 0,1430 -0,0154 0,1067 CVA 0,0405 0,0724 0,5750 -0,1013 0,1824 0,0813 0,0723 0,2610 -0,0604 0,2231 Diabetes 0,1197 0,0368 0,0010 0,0476 0,1917 0,0796 0,0367 0,0300 0,0077 0,1514 Longziekte 0,0041 0,0449 0,9280 -0,0840 0,0921 0,0050 0,0443 0,9110 -0,0820 0,0919 Astma 0,2732 0,0411 0,0000 0,1926 0,3538 0,2342 0,0408 0,0000 0,1543 0,3142 Artritis 0,0270 0,0304 0,3750 -0,0326 0,0867 0,0636 0,0303 0,0360 0,0042 0,1231 Maligniteit 0,0284 0,0561 0,6130 -0,0816 0,1383 -0,0193 0,0556 0,7290 -0,1283 0,0898 Parkinson 0,1608 0,1329 0,2260 -0,0996 0,4212 0,1889 0,1325 0,1540 -0,0708 0,4487 Staar 0,0731 0,0465 0,1160 -0,0181 0,1643 0,0809 0,0463 0,0800 -0,0098 0,1716 Fractuur 0,0295 0,0601 0,6230 -0,0882 0,1473 -0,0431 0,0600 0,4720 -0,1607 0,0744 Ziekenhuisbezoek -0,3112 0,0289 0,0000 -0,3679 -0,2545 -0,2273 0,0285 0,0000 -0,2831 -0,1714 Aanvullend Verzekerd -0,0990 0,0265 0,0000 -0,1511 -0,0470 -0,0430 0,0265 0,1050 -0,0950 0,0090 Inkomen1 0,0091 0,0494 0,8550 -0,0878 0,1059 0,0327 0,0499 0,5120 -0,0650 0,1304 Inkomen2 -0,0790 0,0542 0,1450 -0,1852 0,0273 0,0632 0,0545 0,2460 -0,0437 0,1701 Inkomen3 -0,0056 0,0350 0,8720 -0,0742 0,0629 0,0072 0,0347 0,8350 -0,0608 0,0753 Inkomen4 0,0559 0,0325 0,0860 -0,0079 0,1197 0,0381 0,0326 0,2420 -0,0257 0,1020 Inkomen6 -0,0963 0,0422 0,0220 -0,1789 -0,0137 -0,0842 0,0423 0,0470 -0,1671 -0,0013 Inkomen7 -0,0050 0,0542 0,9260 -0,1113 0,1012 0,0422 0,0546 0,4400 -0,0649 0,1492 Inkomen8 -0,0390 0,0772 0,6140 -0,1903 0,1124 -0,0760 0,0772 0,3250 -0,2273 0,0754 Inkomen9 -0,1107 0,1096 0,3120 -0,3255 0,1041 -0,1114 0,1095 0,3090 -0,3261 0,1032 Inkomen10 0,0897 0,2219 0,6860 -0,3452 0,5247 0,3021 0,2235 0,1760 -0,1359 0,7402 Inkomen11 0,0644 0,1824 0,7240 -0,2931 0,4220 -0,0342 0,1829 0,8520 -0,3927 0,3244 Inkomen12 -0,6356 0,2124 0,0030 -1,0519 -0,2193 -0,3999 0,2121 0,0590 -0,8156 0,0157 Inkomen13 0,2120 0,1847 0,2510 -0,1501 0,5740 0,2073 0,1843 0,2610 -0,1540 0,5686 Gezondheid1 0,6984 0,0966 0,0000 0,5089 0,8878 0,4828 0,0965 0,0000 0,2937 0,6719 Gezondheid2 0,5578 0,0770 0,0000 0,4069 0,7086 0,3285 0,0767 0,0000 0,1781 0,4789 Gezondheid3 0,3518 0,0710 0,0000 0,2126 0,4910 0,1392 0,0711 0,0500 -0,0002 0,2786 Gezondheid4 0,0241 0,0763 0,7530 -0,1256 0,1737 -0,0634 0,0765 0,4070 -0,2134 0,0865 GezVeranderd1 0,1844 0,0638 0,0040 0,0593 0,3095 0,1035 0,0633 0,1020 -0,0205 0,2276 VI