Data-analyse kan verzekeringsarts helpen bij prognose
3 reactiesEen beslismodel op basis van data-analytics kan verzekeringsartsen mogelijk helpen bij het maken van prognoses en het plannen van herbeoordelingen. Om het daadwerkelijk in de praktijk toe te passen, zouden verzekeringsartsen meer informatie willen over de werking van het beslismodel.
Verzekeringsartsen beschouwen de prognose als een van de lastigste aspecten van hun werk. Bij het stellen van een prognose gaat het immers vaak om complexe voorspellingen waarbij veel verschillende factoren een rol spelen. Data-analytics en voorspelmodellen kunnen inzicht geven in de factoren die samenhangen met de duur van de arbeidsongeschiktheidsuitkering. Onderzoekster Ilse Louwerse die een dergelijk beslismodel ontwikkelde en evalueerde, promoveerde onlangs op dit onderzoek bij Amsterdam UMC, locatie VUmc.
In het onderzoek kregen 29 verzekeringsartsen vignetcasussen voorgelegd van zes cliënten met een WIA-uitkering. De vraag was of het instrument de arts helpt bij het stellen van een goede prognose en welke invloed het heeft op het vertrouwen dat hij heeft in zijn eigen prognose. Wat bleek, de uitkomst van het instrument (verbetering/verslechtering/geen verandering in werkvermogen) kwam in meer dan de helft van de gevallen (53%) niet overeen met de eigen prognose van de verzekeringsarts. Ook daalde zijn vertrouwen in de eigen prognose na het raadplegen van het instrument, op het moment dat het niet overeenkwam.
Herbeoordeling
Na afloop van de pilot gaf ruim een kwart van de verzekeringsartsen aan het instrument te willen gebruiken in de dagelijkse praktijk. Belangrijkste belemmering voor gebruik, gaven de ondervraagden aan, was dat ze naar hun idee nog te weinig over het instrument wisten. Louwerse concludeert dat het belangrijk is om verzekeringsartsen meer vertrouwd te maken met de inhoud en toepassing van dergelijke voorspelmodellen en beslissingsondersteunende instrumenten.
Het onderzoek is uitgevoerd in het kader van de UWV-leerstoel verzekeringsgeneeskunde van hoogleraar Han Anema. Hij is tevreden met de uitkomsten. ‘Het gebruik van beslismodellen in de verzekeringsgeneeskunde is nieuw, anders dan in de curatieve hoek. Dit onderzoek toont aan dat artsen nog moeten wennen. Ik ben ervan overtuigd dat data-analyse op termijn, als we er meer ervaring mee opdoen, de verzekeringsarts kan helpen bij het kwalitatief goed inschatten van een prognose.’
In het onderzoek van Louwerse, kregen de verzekeringsartsen de uitkomst van het digitale beslismodel te zien nádat zij al hun eigen beoordeling van de prognose hadden gedaan. Anema hoopt dat een vergelijkbaar onderzoek binnenkort met echte cliënten kan worden uitgevoerd, waarbij verzekeringsartsen de uitkomst van het beslismodel meewegen bij de beoordeling van de prognose. In zo’n onderzoek worden deze cliënten na een jaar bij de herbeoordeling opnieuw door de verzekeringsarts gezien. Als dan blijkt dat het model vaak een goede voorspelling heeft gegeven, zullen verzekeringsartsen van de meerwaarde van het model overtuigd raken, zegt hij. ‘We hebben te maken met een tekort aan verzekeringsartsen, in de praktijk kun je helaas nooit iedereen zien. Met behulp van data-analyse kun je gerichter cliënten oproepen voor een herbeoordeling en verminder je mogelijk de werklast.’
-
Marieke van Twillert
Marieke van Twillert is sinds eind 2015 journalist bij Medisch Contact. Arbeidsmarkt en internationale gezondheidszorg hebben haar speciale aandacht, maar ze volgt ook het levenseindedebat, medische technologie en internationale gezondheid. Marieke is een van de presentatoren van MC de Podcast en schrijft geregeld een bijdrage voor de rubriek Media en Cultuur.
Piet van Loon
Orthopeed/ houdingsdeskundige, Oosterbeek
Het allergrootste deel aan problematiek waar de verzekeringsgeneeskundige tegenaan loopt zijn musculoskeletale aandoeningen, de meest op basis van (vroege) degeneratie. De rug is het meest geplaagde onderdeel van ons lijf als het om elkaar tegensprek...ende behandelaren en beoordelaren gaat. Als ook de psyche van de betrokkene een rol speelt, en dat doet het (kip of ei?) vaak, dan zijn de rapen, over hoe we het moeten beoordelen richting prognose, al helemaal gaar.
Door het onvermogen van de "medische wetenschap" om het oorzaak- gevolg verhaal paraat te houden en in een baaierd van verwarrende kretologie: aspecifieke lage rugklachten, spondylose, discopathie, artrose, chronische hernia, psychosomatiek, non coping gedrag etc.etc. te verzanden, zal de mens met pijn in de rug een droevig stemmend moeras aan goed bedoelde begeleidingen, behandelingen etc. moeten doorploeteren, waar velen niet meer uitkomen. Men voelt zich van het kastje naar de muur gestuurd met allemaal tegengestelde of andere diagnosen, terwijl de "DBC-fabriek" floreert.
Als orthopeed met Houdingnet een drietal workshops voor jonge VG, meest in opleiding bij UWV, gegeven en geschrokken hoe weinig kennis jonge artsen nog van houding, flexibiliteit, te korte spieren, contracturen en beoordeling steun- en bewegingsapparaat hebben. Maar ze zijn verontschuldigt omdat vanaf de jaren zestig met de overstap naar Anglo-Amerikaanse leerboeken, de oorspronkelijke orthopedisch kennis over de in de jeugd opgelopen houdingsafwijkingen (verkeerd uitgelijnd geworden) welke ten alle tijden tot (ook heel) vroege degeneratie van tussenwervelschijven, facetgewrichten, heupen en knieën gaat zorgen, uit onze leerstof, zelfs in de orthopedie, is gaan verdwijnen. In de USA vielen de laatste jaren tienduizenden doden, meest jonge bouwvakkers, die door gebrek aan sociale wetgeving in de fuik van de opioidenfabrikanten liepen. Er is door herstel kennis in ieder geval bij de jeugd een enorme preventieslag te maken.
W.J.Duits
Bedrijfsarts, Houten
Elke patiënt is anders, geen enkele patiënt is hetzelfde. Je kunt op basis van groepsanalyses wel een indruk krijgen van wat wellicht de meest voor de hand liggende prognose is, maar het blijft gebaseerd op statistiek en hopelijk op basis van een nor...male verdeling. Maar die is er vaak niet, omdat getallen te klein zijn, of het aantal variabelen te groot. In de toekomst kan het zijn dat A.I. een voorspelling kan doen, wie zal het zeggen? Maar laten we even een simpele vraag voorleggen: Gaat iedereen dood? Ja, iedereen gaat dood. Wanneer gaat iemand dood? Dat weten we niet, misschien nog niet? Dus het klinkt interessant om weer een algoritmische schijnzekerheid in het systeem in te bouwen. Als iedereen er in gaat geloven, dan klopt het, maar men dacht vroeger ook dat de aarde plat was.
Dolf Algra
commentator, opiniemaker zorg en sociale zekerheid, oud bedrijfsarts, Rotterdam
Erg interessant onderzoek, maar het roept ook meteen veel vragen op. Als ik het artikel goed begrijp blijkt er een gapend gat te zitten tussen de gestelde prognose van de verzekeringsarts én (de prognose uit ?) het data model. In 53 % kwam dit niet ...overeen. Maar wie had/kreeg er uiteindelijk gelijk ? Ergo: zijn er gegevens bekend bij deze vignet studies van 1-2-5-10 jaar verdere verloop in de casus.
Ik kan me heel goed voorstellen dat de verzekeringsartsen niet meteen zo enthousiast zijn, want het hangt natuurlijk sterk af van de bijsluiter van het data model welke uitkomst die genereert.
Maar de conclusies van Anema - het kan helpen bij tekort aan verzekeringsartsen- lijkt me bijzonder voorbarig en vooral wishful thinking. Dat dachten ze in Groningen met het WB 3000 zaak ook namelijk.
Ik zou eerst maar eens een groot aantal pilots - in de vorm van droogzwemmen -doen om de betrouwbaarheid en de plussen en minnen van het model te (kunnen) vast stellen.
En: is dit onderzoek ook verricht in private setting ? Dus dezelfde casus beoordeling maar dan met andere spelregels van de verzekeraar bij AOV's. Het medische verhaal /ontwikkeling blijft/is hetzelfde, maar de context anders. Ook interessant.
En: heeft het model het voortraject meegenomen ? Dus de verzuimontwikkeling in de eerste 2 jaren van arbeidsongeschiktheid ? Ergo: is het effect van de sociaal medische begeleiding van de bedrijfsarts meegewogen ?
Genoeg stof lijkt me om over door te denken. Ga nu eerst het proefschrift helemaal eens goed lezen/bestuderen