Ondersteuning van regie voor patiënten met multimorbiditeit heeft als doel het afstemmen van de zorg op de algehele situatie en wensen van de patiënt nu en voor de toekomst. Gezien de brede onderliggende uitkomst en multifactoriële interventie bij een heterogene groep was de verwachting dat deze vraag niet rechtstreeks en eenduidig beantwoord zou kunnen worden met een passende literatuursearch. Het zorgverbruik van een patiënt met multimorbiditeit is één van de factoren die potentieel kan worden beïnvloed door betere afstemming (bijvoorbeeld door het voorkómen van potentieel vermijdbare ongewenste uitkomsten, zoals spoedopnames of (gevolgen van) interacties van medicatie). Daarnaast kan hoog zorgverbruik ook een aanwijzing zijn dat afstemming nodig zou kunnen zijn. Door te beschrijven welke patiënt-, socio-economische en zorgkarakteristieken geassocieerd zijn met hoog zorgverbruik of met een lage patiënttevredenheid over de zorg voor chronische ziektes/continuïteit van zorg/zorgcoördinatie was de verwachting van de werkgroep een indruk te kunnen krijgen voor welke patiënten ondersteuning van regie mogelijk van meerwaarde kan zijn.

Aantal chronische ziektes

Specifieke clusters van multimorbiditeit en acuut zorgverbruik/doktersbezoeken

Geslacht en acuut zorgverbruik

Geslacht en aantal doktersbezoeken

Geslacht en zorgkosten

Leeftijd

Etniciteit

Dagelijks functioneren en ziekenhuisopnames/aantal doktersbezoeken

Dagelijks functioneren en SEH-bezoeken/zorgkosten

Dagelijks functioneren en doktersbezoeken

Kwetsbaarheid en ziekenhuisopname/aantal doktersbezoeken

Opleidingsniveau

Socio-economische status

Burgerlijke staat

Verzekering en acuut zorgverbruik/aantal doktersbezoeken

Aantal doktersbezoeken en acuut zorgverbruik

Beschrijving studies

Alle zestien observationele studies rapporteerden een associatie tussen multimorbiditeit/meerdere chronische ziektes en een hoger zorgverbruik. In studies die een populatie hadden met variabele leeftijd en geslacht werden deze factoren altijd onderzocht in de multivariabele modellen. Ook socio-economische status (inclusief armoede, inkomen en werk) en dagelijks functioneren (inclusief ADL beperkingen, zorgafhankelijkheid en mobiliteit) werden relatief vaak (respectievelijk in elf en zes van de 16 studies) in de modellen meegenomen. Andere karakteristieken werden minder dan vijf keer geïncludeerd in de analyse. De systematische review van Lehnert (2011) gaf een overzicht van observationele studies die een associatie tussen multimorbiditeit/meerdere chronische ziektes en zorgverbruik/zorgkosten rapporteerden. De systematische review van Wammes (2018) gaf een overzicht van observationele studies die rapporteerden over de patiëntkarakteristieken en zorgverbruik in een specifieke patiëntpopulatie met top-X% zorgkosten.

Uiteindelijk zijn de volgende vooraf gedefinieerde karakteristieken gevonden in de modellen van de observationele studies en de systematische reviews:

Patiëntkarakteristieken: leeftijd, geslacht, etniciteit, aantal chronische ziektes, aantal medicijnen (in de vorm van polyfarmacie), dagelijks functioneren, aanwezigheid van specifieke chronische ziekte cluster

Socio-economische karakteristieken: socio-economische status, werkstatus, inkomen (alle drie meegenomen als maat voor socio-economische status), leefsituatie, burgerlijke staat, opleidingsniveau

Zorgkarakteristieken: aantal consulten met medisch specialisten, aantal consulten met huisarts

De volgende karakteristieken zijn niet gevonden in de modellen: Gezondheidsstatus, gezondheidsvaardigheden, kwaliteit van leven, prognose, aantal betrokken medisch specialisten, aantal eerdere spoedeisende hulpbezoeken, aantal eerdere ziekenhuisopnames. Er werden tevens geen studies gevonden met patiënttevredenheid als uitkomstmaat.

De studies zullen beschreven worden per uitkomstmaat.

Welke patiënt-, socio-economische en zorgkarakteristieken zijn geassocieerd met spoedeisende hulpbezoeken?

Spoedeisende hulpbezoeken (SEH-bezoeken) en multimorbiditeit

Zeven studies (Hull, 2018; Agborsangaya, 2013; Milani, 2016; Bazargan, 2019; Wagner, 2019; Cunningham, 2017; Abernathy, 2016) rapporteren multivariabele modellen met als uitkomstmaat SEH-bezoek (er werden verschillende definities gebruikt: aantal of 1 SEH-bezoek, regelmatig SEH-bezoek of acuut zorggebruik). Alle studies, op één na (Abernathy, 2016) beschreven een hogere odds voor SEH-bezoeken bij een toenemend aantal chronische condities, gecorrigeerd voor leeftijd en geslacht (zie Tabel 1; Cunningham (2017) corrigeerde niet voor geslacht). Abernathy (2016) rapporteerde een hogere rate ratio (RR) voor patiënten uit het meerdere chronische condities cluster, maar ook voor de andere specifieke multimorbiditeitsclusters (Cancer; COPD; Mental Health; Renal disease). De systematische review van Lehnert (2011) rapporteerde vier studies die een associatie tussen meerdere chronische ziektes en spoedeisende hulpbezoek lieten zien (één studie met een multivariabel model en drie studies waarvan onbekend was of dit een multivariabele of univariate analyse betrof). In tabel 1 staan de gerapporteerde OR/RR voor SEH-bezoeken bij een toenemend aantal chronische condities per studie opgenomen.

Tabel 1 Gerapporteerde associaties tussen multimorbiditeit/meerdere chronische ziektes en SEH-bezoeken

SEH-bezoeken en andere patiëntkarakteristieken

Drie van de zeven studies onderzochten de associatie tussen geslacht en SEH-bezoek en één studie rapporteerde een subgroupanalyse op basis van geslacht. Hull (2018) rapporteerde een OR van 0,92 (95% BI 0,90 tot 0,93) voor SEH bezoek voor vrouwen ten opzichte van mannen. Bazargan (2019) rapporteerde dat mannen een lagere odds hadden op geen (OR 0,50 (95% BI 0,29 tot 0,85) of één SEH-bezoek (OR 0,45 (95% BI 0,25 tot 0,82) dan op meer dan 2 bezoeken, vergeleken met vrouwen. Daarnaast rapporteerde ook Abernathy (2016) een hogere rate ratio (1,12 (95% BI 1,09 tot 1,16) voor mannen. Milani (2016) deed een subgroepanalyse o.b.v. geslacht (omdat geslacht een significante effect modificator was), waarbij ze rapporteerden dat de odds ratio voor mannen met 3-5 chronische ziektes bijna dubbel zo groot was als de odds ratio voor vrouwen met 3-5 chronische ziektes (4,98 tegenover 2,49, zie tabel 1). Twee studies (Agborsangaya, 2013 en Wagner, 2019) namen geslacht mee als effectmodificator/ confounder en rapporteerden geen resultaten over deze variabele. Cunningham (2017) includeerde geslacht niet in de analyse.

In drie studies (Hull, 2018; Abernathy, 2016; Cunningham, 2017) die een associatie van hogere leeftijd met SEH-bezoek onderzochten werden lagere odds en rate ratios gevonden. Bij de resultaten van Hull (2018) gold dit alleen voor de leeftijdsgroepen tot 74 jaar vergeleken met de referentiegroep van 18-34 jaar (de odds ratio van de leeftijdsgroep 75 jaar en ouder verschilde niet significant van die van de referentiegroep). Bazargan (2019) vergeleken de leeftijdsgroep 65-75 jaar met de leeftijdsgroep 75 jaar en ouder en vonden een OR van 1,18 (95% BI 0,68 tot 2,04) voor 65-75 jarigen en geen SEH-bezoek (vergeleken met 2 SEH bezoeken). Dit resultaat was echter niet significant. Agborsangaya (2013), Milani (2016) en Wagner (2019) includeerden leeftijd als effectmodificator/ confounder, maar rapporteerden geen resultaten hiervan.

Hull (2018), Abernathy (2016) en Cunningham (2017) rapporteerden allen ook een associatie met etniciteit, waarbij ze alle drie hogere OR lieten zien voor niet-witte of zwarte patiënten vergeleken met witte patiënten (Cunningham (2017) – 2,06 (95% BI 1,17 tot 3,63; Hull (2018) – 1,08 (95% BI 1,06 tot 1,10); Abernathy (2016) – 1,35 (95% BI 1,30 tot 1,40)). Hull 2018 rapporteerde tevens een lagere OR voor Zuid-Aziatische patiënten (0,90 (95% BI 0,89 tot 0,92). Wagner (2019) includeerde etniciteit als effectmodificator/ confounder, maar rapporteerde geen resultaten hiervan.

Bazargan (2019) includeerde ook dagelijks functioneren in het model, maar vond geen significante associatie. Hull (2018) includeerde als enige studie leefsituatie (zelfstandig, aan huis gebonden of verpleeghuis) als variabele, en vond een significante associatie (aan huis gebonden: OR 2,01 (95% BI 1,86 tot 2,18); verpleeghuis: OR 1,20 (95% BI 1,02 tot 1,41))

SEH-bezoeken en socio-economische karakteristieken

Hull (2018) en Abernathy (2016) rapporteerden beide ook een associatie tussen socio-economische status (waaronder ook armoede, inkomen en werk werden gerekend als variabelen). Hull (2018) rapporteerde een OR die opliep tot 1,15 (95% BI 1,12 tot 1,18) voor de groep met de meeste armoede. Abernathy (2016) rapporteerde een RR van 1,13 (95% BI 1,10 tot 1,16, p<0.001) voor patiënten uit een postcode gebied waar meer dan 25% van de populatie onder de armoedegrens leeft. Bazargan (2019) rapporteerde geen significante associatie met financiële moeilijkheden. Agborsangaya (2013) en Milani (2016) includeerde socio-economische status in hun model als effectmodificator/ confounder, maar rapporteerden geen resultaten hiervan.

Abernathy (2016) vond ook een associatie met burgerlijke staat en verzekering. Patiënten die ongehuwd waren, hadden een 1,12 (95% BI 1,09 tot 1,16) keer hogere odds op acuut zorggebruik dan getrouwde patiënten. Bazargan (2019) vond geen significante associatie met burgerlijke staat. Milani (2016) includeerde burgerlijke staat als effectmodificator/confounder, maar rapporteerde geen resultaten hiervan.

Daarnaast hadden publiek verzekerde patiënten in de studie van Abernathy (2016) een OR van 1,56 (95% BI 1,49 tot 1,64) vergeleken met privaat verzekerde patiënten. Voor onverzekerde patiënten werd geen significante associatie gevonden. Wagner (2019) includeerde verzekering als effectmodificator/confounder, maar rapporteerde geen resultaten hiervan.

Bazargan (2019) includeerde ook opleidingsniveau in hun model, maar vond geen significante associatie. Wagner (2019) includeerde opleidingsniveau als effectmodificator/ confounder, maar rapporteerde geen resultaten hiervan.

SEH-bezoeken en zorgkarakteristieken

De associatie van het aantal huisarts-/doktersafspraken met SEH-bezoeken werd maar in 2 studies onderzocht. Hull (2018) vond een odds ratio van 2,44 (95% BI 2,40 tot 2,48) voor de groep patiënten met gemiddeld 2,5 huisartsbezoeken vergeleken met de groep patiënten met 0,5-2 huisartsbezoeken in één jaar. Bovendien vond Hull (2018) dat patiënten met géén huisartsbezoek significant lagere odds (OR 0,29, 95% BI 0,28 tot 0,29) hadden op een SEH bezoek vergeleken met de groep met gemiddeld 0,5-2 huisartsbezoeken. Cunningham (2017) vond een odds ratio van 1,14 (1,05-1,22) per extra bezoek aan de eerste lijn arts.

Overzicht van alle variabelen die zijn meegenomen in de modellen die kijken naar de uitkomst SEH-bezoeken

Tabel 2 geeft een overzicht van de verschillende variabelen, in welk model deze zijn opgenomen, inclusief de richting van de gerapporteerde associaties. Alle zeven studies die SEH-bezoeken als uitkomstmaat hadden gedefinieerd, onderzochten de associatie met het aantal chronische ziektes en leeftijd. Een groter aantal chronische ziektes werd in alle studies geassocieerd met (meer) SEH-bezoeken. In drie van de vier studies die effectmaten rapporteerden voor leeftijd werd een significante associatie gevonden tussen een lagere leeftijd en een (meer) SEH-bezoeken. Drie van de zes studies die de associatie met geslacht onderzochten rapporteerde effectmaten, en zagen een significante associatie tussen vrouwelijk geslacht en minder SEH-bezoek. Voor alle overige variabelen werden ook significante associaties gevonden in minimaal 1 studie, behalve voor dagelijks functioneren.

Tabel 2 Overzicht van de verschillende geïncludeerde variabelen in de modellen en de associatie met SEH-bezoeken als uitkomst

Welke patiënt-, socio-economische en zorgkarakteristieken zijn geassocieerd met ziekenhuisopnames?

Ziekenhuisopnames en multimorbiditeit

Agborsangaya (2013), Ilinca (2015), Palladino (2016), Glynn (2011), Ensrud (2018), Nägga (2012) en Wagner (2019) rapporteerde hogere odds ratios (tot 4,51 keer hoge odds voor patiënten met meer dan vier chronische condities) voor ziekenhuisopnames (vóórkomen van een ziekenhuisopname, aantal ziekenhuisopnames, duur van ziekenhuisopname of IC-opname) bij meerdere chronische ziektes/multimorbiditeit. Teh (2018) rapporteerde een hogere hazard ratio voor een ziekenhuisopname binnen 2 jaar bij de aanwezigheid van 3 of meer chronische ziektes, maar dit resultaat was niet significant. Alleen het ‘Depressie en Artritis’ cluster liet een significant hogere hazard (1.48 (95% BI 1.03-2.12)) zien voor een ziekenhuisopname binnen 2 jaar. Ook de review van Lehnert (2011) rapporteerde in negen studies een significante associatie tussen meerdere chronische ziektes en ziekenhuisopname (vier multivariabele studies, één studie die zowel positieve als negatieve associaties rapporteerde afhankelijk van leeftijdsgroep en ziektelast en vier studies waarvan onduidelijk was of dit multivariabele modellen betrof). In Tabel 3 staan alle gerapporteerde OR/RR voor ziekenhuisopnames bij een toenemend aantal chronische condities per observationele studie opgenomen.

Tabel 3 Gerapporteerde associaties tussen multimorbiditeit/meerdere chronische ziektes en ziekenhuisopname

Ziekenhuisopnames en andere patiëntkarakteristieken

Leeftijd en geslacht werden door zeven studies meegenomen in hun model (Agborsangaya, 2013; Ilinca, 2015; Palladino, 2016; Glynn, 2011; Ensrud, 2018; Teh, 2018 en Wagner, 2019). Alleen Ilinca 2015 rapporteerde een significante associatie met geslacht (hogere OR voor mannen: 1,282, geen 95% BI gerapporteerd, p<0.001) en geen significante associatie met leeftijd (OR 1,059 tot 1,296 in oplopende leeftijdsgroepen vergeleken met leeftijdsgroep 50-59 jaar), maar allen niet significant gerapporteerd). De andere zes studies includeerden leeftijd en geslacht als effectmodificator/confounder, maar rapporteerden geen resultaten hiervan.

Vier studies includeerde dagelijks functioneren in hun model, waarvan drie (Ilinca, 2015; Ensrud, 2018 en Nägga, 2012) een significante associatie vonden en één (Teh, 2018) geen significante associatie vond. Ilinca 2015 vond een Incidence Rate Ratio(IRR) voor een ziekenhuisopname in de 12 maanden voorafgaand aan de studie van 1,037 (geen 95% BI gerapporteerd, p<0.05) per punt meer op de KATZ-ADL 6 score, gecorrigeerd voor kwetsbaarheid, leeftijd en aantal chronische ziektes. Voor kwetsbaarheid rapporteerde Ilinca (2015) een IRR van 1,169 (geen 95% BI gerapporteerd, p<0.001) voor pre-kwetsbare (prefrail) en 1,452 (geen 95% BI gerapporteerd, p<0.001) voor kwetsbare (frail) patiënten, met een interactie-effect voor de kwetsbare groep met multimorbiditeit. Ensrud (2018) vond dat mannen van 65 jaar en ouder met slechte mobiliteit (OR 1,61 (95% BI 1,05 tot 2,47) een grotere odds hadden op een ziekenhuisopname, maar vond geen verschil in risk ratio voor het aantal opnamedagen (RR 1,46 (0,79 tot 2,44)). Beide resultaten werden gecorrigeerd voor meerdere chronische aandoeningen en leeftijd, maar niet voor kwetsbaarheid. Nägga (2012) rapporteerde een 1,2 (95% BI 1,1-1,4) en 1,9 (95 %BI 1,1-3,2) keer hogere odds voor patiënten met respectievelijk een hoger aantal hulpmiddelen en met meer ondersteuning (community assistance), in vergelijking met patiënten zonder deze ondersteuning. In het model van Nägga (2012) waren alleen multmorbiditeit en aantal huisartsbezoeken als andere variabelen opgenomen, socio-economische status en leefsituatie waren wel geïncludeerd in de analyse, maar werden uiteindelijk niet meegenomen in het model.

Eén studie includeerde etniciteit in het onderzochte model: Wagner (2019) nam etniciteit mee als effectmodificator/confounder, maar hiervan werden geen resultaten gerapporteerd.

Ziekenhuisopnames en socio-economische karakteristieken

Ten aanzien van socio-economische karakteristieken rapporteerde alleen Ilinca (2015) geen significante associaties (opleiding (middelbare school IRR 1,015; tertiare opleiding IRR 0, p-waarde niet significant); socio-economische status (2^de kwartiel IRR 1,053; 3^de kwartiel IRR 0,971; 4^de kwartiel IRR 1,153, p-waarde niet significant); burgerlijke staat (samenwonend met partner: IRR 1,240, p-waarde niet significant). Andere studies namen socio-economische karakteristieken mee als effectmodificator/confounder, maar rapporteerden geen resultaten.

Ziekenhuisopnames en zorgkarakteristieken

Alleen Nägga (2012) includeerde het aantal huisartsbezoeken in hun model en rapporteerde een significante associatie: de odds op een ziekenhuisopname in de voorafgaande 12 maanden was 1,3 (95 % BI 1,2-1,5) keer hoger per extra huisartsbezoek.

Overzicht van alle variabelen die zijn meegenomen in de modellen over ziekenhuisopnames

Tabel 4 geeft een overzicht van de verschillende variabelen, in welk model deze zijn opgenomen, inclusief de richting van de gerapporteerde associaties. Zeven van de acht studies die de associatie met chronische ziektes onderzochten vonden een significante associatie tussen (meerdere) chronische ziektes en ziekenhuisopname. Leeftijd en geslacht werd vaak meegenomen in modellen als effectmodificatoren/confounders, maar er werden geen resultaten van gerapporteerd. Alleen Ilinca (2015) rapporteerde geen associatie met hogere leeftijd en een significante negatieve associatie met het vrouwelijk geslacht. De overige variabelen werden minimaal één keer geïncludeerd in een model, maar vaak zonder significante associatie of zonder gerapporteerde resultaten omdat de variabele werd meegenomen als effect modificator/confounder.

Tabel 4 Overzicht van de verschillende geïncludeerde variabelen in de modellen en de associatie met ziekenhuisopname

Welke patiënt-, socio-economische en zorgkarakteristieken zijn geassocieerd met doktersbezoeken?

Doktersbezoeken en multimorbiditeit

Ilinca (2015), Palladino (2016), Glynn (2011), Kennedy (2017) en van den Bussche (2011) rapporteerden een associatie tussen multimorbiditeit/meerdere chronische ziektes en doktersbezoeken of aantal bezochte dokters (Tabel 5). Het aantal doktersbezoeken loopt op met meer dan 1 extra doktersbezoek per extra chronische ziekte, rapporteerden Ilinca (2015), Palladino (2016) en van den Bussche (2011). Het aantal verschillende bezochte artsen liep in de studie van van den Bussche (2011) echter maar op met 0,24 per extra chronische ziekte. In de systematische review van Lehnert (2011) werden zes studies gevonden die een associatie tussen meerdere chronische ziektes en het aantal doktersbezoeken rapporteerden (twee multivariabele modellen en vier studies waarbij onduidelijk was of het een multivariabel of univariaat model betrof).

Tabel 5 Gerapporteerde associaties tussen multimorbiditeit/meerdere chronische ziektes en doktersbezoeken

Doktersbezoeken en andere patiëntkarakteristieken

Leeftijd en geslacht werd door alle vijf studies meegenomen in de modellen (Ilinca, 2015; Palladino, 2016; Glynn, 2011; Kennedy, 2017; van den Bussche, 2011). Van den Bussche 2011 rapporteerde significant meer verschillende betrokken dokters bij vrouwelijke patiënten (beta regressiecoëfficiënt 0,16 (95% BI 0,12 tot 0.19), p <0.0001), maar zagen geen verschillen tussen geslacht ten aanzien van het aantal doktersbezoeken (beta regressiecoëfficiënt 0,05 (95% BI -0,17 tot 0,28), p=0.6317). Kennedy 2017 rapporteerde voor vrouwen een lagere odds ratio voor het rapporteren van minimaal één polikliniekbezoek in de afgelopen 12 maanden ten opzichte van mannen.

Van den Bussche (2011) vond ook dat in de populatie van 65 jaar en ouder, dat oudere patiënten significant minder doktersbezoeken hadden (beta regressiecoëfficient -0,03 (95% BI -0,01 tot 0,05), p=0.0031) en significant minder verschillende dokters bezochten (beta regressiecoëfficient -0,05 (95% BI -0,05 tot -0,05), p<0.0001). Ilinca (2015) rapporteerde geen significante associatie tussen leeftijd of geslacht en het aantal doktersbezoeken in de 12 maanden voorafgaand aan het onderzoek, in hun populatie van 50 jaar en ouder. Palladino (2016) en Glynn (2011) namen leeftijd en geslacht mee, Kennedy 2017 alleen leeftijd, als effectmodificator/confounder, maar rapporteerden geen resultaten.

Twee studies (Ilinca, 2015; van den Bussche, 2011) rapporteerden een associatie tussen dagelijks functioneren en het aantal doktersbezoeken: hoe meer functionele beperkingen/ zorgafhankelijkheid, hoe meer doktersbezoeken (IRR 1,037, p<0.05; beta regressie coëfficient 10,37 (95% BI 10,01 tot 10,72), p-value <0.0001). Van den Bussche (2011) rapporteerde ook een associatie tussen dagelijks functioneren en het aantal bezochte dokters. De aanwezigheid van zorgafhankelijkheid was geassocieerd met een minder aantal bezochte dokters (beta regressiecoëfficient -0,20 (95% BI -0,28 tot -0,14), p<0.0001).

Doktersbezoeken en socio-economische karakteristieken

Kennedy (2017) rapporteerde een significante associatie tussen het aantal doktersbezoeken/aantal bezochte dokters met de soort verzekering die patiënten hebben. Patiënten met een private verzekering of een gesubsidieerde verzekering hadden hogere odds voor het rapporteren van een polikliniekbezoek in de afgelopen 12 maanden (Private Health: OR 1,15 (95% BI 1,14 tot 1,16); Government-funded medical care (GMS) / free visits to GP – Docter Visit Card (DVC): OR 1,02 (95% BI 1,01 tot 1,03)). Glynn (2011) nam de soort verzekering mee als effectmodificator/confounder, maar rapporteerde geen resultaten. Ilinca 2015 rapporteerde geen significante associatie tussen sociaal-economische status (gedefinieerd als inkomen van huishouden), alsmede woonsituatie met partner en/of kinderen, en/of verpleeghuis, en het aantal doktersbezoeken in de voorafgaande 12 maanden. Palladino (2016) nam sociaal-economische status, alsmede het aantal mensen in het huishouden, mee als effectmodificators/confounders, maar rapporteerde geen resultaten.

Kennedy (2017) rapporteerde daarnaast een significante associatie met opleidingsniveau, een hoger opleidingsniveau was geassocieerd met hogere odds voor het rapporteren van een polikliniekbezoek in de afgelopen 12 maanden (Secondary: OR 1,11 (95% BI 1,10-1,12), Tertiary: OR 1,31 (95% BI 1,29 tot 1,32)). Ilinca (2015) rapporteerde geen significante associatie tussen opleidingsniveau en het aantal doktersbezoeken in de voorafgaande 12 maanden.

Doktersbezoeken en zorgkarakteristieken

Zorgkarakteristieken werden door geen enkele studie meegenomen.

Overzicht van alle variabelen die zijn meegenomen in de modellen over aantal doktersbezoeken/aantal bezochte dokters

Tabel 6 geeft een overzicht van de verschillende variabelen, in welk model deze zijn opgenomen, inclusief de richting van de gerapporteerde associaties. Alle vijf studies rapporteerden een significante associatie tussen (meerdere) chronische ziektes en het aantal doktersbezoeken. Twee studies rapporteerden een significante associaties tussen dagelijks functioneren en aantal doktersbezoeken, waarvan één studie ook een significante (negatieve associatie) zag tussen dagelijks functioneren en het aantal bezochte artsen. De overige variabelen werden minimaal één keer geïncludeerd in een model, met wisselende resultaten.  

Tabel 6 Overzicht van de verschillende geïncludeerde variabelen in de modellen en de associatie met aantal doktersbezoeken/aantal bezochte dokters

Welke patiënt-, socio-economische en zorgkarakteristieken zijn geassocieerd met zorgkosten?

Zorgkosten en multimorbiditeit

Glynn (2011) en Bock (2014) rapporteerden een associatie van een hoger aantal chronische ziektes met hogere zorgkosten. Bock (2014) keek hierbij ook naar verschillende zorgonderdelen en rapporteerde een significante associatie tussen hogere comorbiditeitsscore en hogere totale zorgkosten, hogere arts-gerelateerde kosten en hogere farmaceutische kosten. Daarnaast rapporteerde Bock 2014 ook significant hogere totale en farmaceutische zorgkosten voor patiënten uit het depressiecluster (zie Evidencetabel: Welke patiënten met multimorbiditeit in het ziekenhuis zijn gebaat bij regieondersteuning in bijlage 14).

De review van Wammes (2018) rapporteerde de karakteristieken van patiënten uit de top 5% of top 10% zorgkosten in 55 artikelen. Hierbij werd geen onderscheid gemaakt tussen artikelen die uitsluitende descriptieve factoren omschreven en multivariabele modellen waarbij werd gecorrigeerd voor effectmodificatoren/confounders. Er werden 31 studies en 22 studies gevonden met multimorbiditeit respectievelijk chronisch ziek zijn als karakteristiek van patiënten in de top 5% of top 10% zorgkosten.

De review van Lehnert (2011) rapporteerde het aantal studies dat een associatie rapporteerde tussen meerdere chronische ziektes en de zorgkosten. Zij vonden acht studies die een associatie rapporteerde tussen meerdere chronische condities en jaarlijkse onkosten (één adjusted multivariabel model, één adjusted multivariabel model met uitsluitend medicatie-onkosten als uitkomstvariabele en zes studies waarbij onduidelijk was of het een gecorrigeerd model betrof). Daarnaast rapporteerde negen studies een associatie tussen meerdere chronische ziektes en jaarlijkse zorgkosten, waarbij één studie rapporteerde dat het effect verdween na correctie met de multivariabele analyse. Van de overige acht studies was onduidelijk of dit multivariabele modellen betrof. Als laatste rapporteerde Lehnert (2011) ook vijf studies die een associatie zagen tussen meerdere chronische ziektes en jaarlijkse medicijnkosten (één gecorrigeerde, multivariabele analyse en vier studies waarbij onduidelijk was of het een multivariabel model betrof).

Zorgkosten en andere patiëntkarakteristieken

Bock (2014) vond ook significant hogere kosten voor specifieke zorgonderdelen afhankelijk van leeftijd en geslacht. De totale zorgkosten verschilden niet significant tussen geslacht of leeftijd, maar een hogere leeftijd was wel geassocieerd met significant iets hogere zorgkosten voor verpleging (“nursing care”, 10,90 euro (SE 2,8, p<0.001) euro per 6 maanden per stijging van leeftijd met 1 jaar). Bock (2014) rapporteerde daarnaast dat vrouwen ten opzichte van mannen hogere kosten maakten voor niet-arts gerelateerde zorg (69,90 euro (SE 15,4, p<0.001) euro hoger per 6 maanden). Glynn (2011) includeerde leeftijd en geslacht als effectmodificators/confounders, maar rapporteerde geen resultaten.

Bock (2014) rapporteerde ook dat beter dagelijks functioneren (gemeten met de Barthel index) geassocieerd was met minder totale zorgkosten (-519,70 euro (SE 68,9), p<0.001), minder niet-arts gerelateerde zorgkosten (-7,40 euro (SE 2,1), p<0.001), minder farmaceutische kosten (-11,40 euro (3,9), p<0.01), minder zorgkosten voor verpleging (“nursing care”, -15,90 euro (5,9), p<0.01), en minder kosten voor mantelzorg (“informal care”, -417,30 euro (SE 62,0), p<0.001).

In de review van Wammes (2018) werden met name leeftijd (32 studies), en mentale gezondheid (32 studies) gevonden als karakteristieken die veel voorkwamen bij de patiënten met de top 5 tot 10-% zorgkosten. De andere karakteristieken kunnen worden gevonden in de evidencetabel.

Zorgkosten en socio-economische karakteristieken

Bock (2014) rapporteerde daarnaast dat weduwen 120,20 euro(SE 42,0, p<0.01) euro per 6 maanden meer zorgkosten maakten voor verpleging (“nursing care”) ten opzichte van getrouwde personen. Ook rapporteerde Bock (2014) dat een hoger inkomen geassocieerd was met hogere niet-arts gerelateerde zorgkosten (32,30 euro (SE 11,9, p<0.01) euro per 6 maanden). Als laatste zag Bock (2014) ook dat mensen met een gemiddeld opleidingsniveau significant meer zorgkosten maakten voor niet-arts gerelateerde zorg (44,20 euro (SE 17,5, p<0.05) en hoger opgeleiden significant minder zorgkosten maakten voor medische hulpmiddelen (-67,40 euro (SE 33,6, p<0.05), vergeleken met laag opgeleiden. Glynn (2011) nam als enige studie de soort verzekering mee als effecmodificator/confounder, maar rapporteerde geen resultaten.

Overzicht van alle variabelen die zijn meegenomen in de modellen over zorgkosten

Tabel 7 geeft een overzicht van de verschillende variabelen, in welk model deze zijn opgenomen, inclusief de richting van de gerapporteerde associaties.

Tabel 7 Overzicht van de verschillende geïncludeerde variabelen in de modellen en de associatie met zorgkosten

Bewijskracht van de literatuur

De onderliggende vraag (indicatiestelling: welke patiënt is gebaat bij regieondersteuning?) is een therapeutische vraag, op basis van de karakteristieken zou men immers indien mogelijk een beslissing willen nemen om wel of geen regieondersteuning aan te bieden. Om de vraag te beantwoorden moeten de belangrijkste prognostische factoren in kaart worden gebracht. De bewijskracht is gebaseerd op observationeel onderzoek en systematische reviews van observationeel onderzoek en start derhalve op laag.

Aantal chronische ziektes

De bewijskracht voor de associatie van aantal chronische ziektes met de uitkomstmaat hoog zorgverbruik (ziekenhuisopnames, spoedeisende hulpbezoeken, aantal doktersbezoeken en zorgkosten) is niet met 1 niveau verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias), omdat de risk of bias reeds verwerkt is in het startpunt van de bewijskracht (laag).

De bewijskracht voor de associatie van aantal chronische ziektes met de uitkomstmaat hoog zorgverbruik is met 1 niveau verhoogd gezien het consistente, grote effect in verschillende studies met gezamenlijk een grote hoeveelheid patiënten.

Specifieke clusters multimorbiditeit

De bewijskracht voor de associatie van specifieke clusters multimorbiditeit met de uitkomstmaat acuut zorgverbruik (ziekenhuisopnames en SEH-bezoeken) en doktersbezoeken is met 1 niveau verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias) vanwege missende confounders en beperkingen in de statistische analyse.

Geslacht

De bewijskracht voor de associatie van geslacht met de uitkomstmaat hoog zorgverbruik (ziekenhuisopnames, spoedeisende hulpbezoeken, aantal doktersbezoeken en zorgkosten) is niet nogmaals met 1 niveau verlaagd gezien de beperkingen in de onderzoeksopzet (risk of bias), omdat de beperkingen zeer waarschijnlijk geen vertekening hebben gegeven van het effect van geslacht op de uitkomstmaat hoog zorgverbruik. De bewijskracht voor de uitkomstmaat aantal doktersbezoeken is apart met 1 niveau verlaagd gezien de tegenstrijdige resultaten (inconsistentie).

Leeftijd

De bewijskracht voor de associatie van leeftijd met de uitkomstmaat hoog zorgverbruik (ziekenhuisopnames, spoedeisende hulpbezoeken, aantal doktersbezoeken en zorgkosten) is met 1 niveau verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias) van sommige studies: er werd niet gecorrigeerd voor eventuele aanwezigheid van kwetsbaarheid (frailty) en/of beperkingen in het dagelijks functioneren. Daarnaast was er sprake van tegenstrijdige resultaten (inconsistentie).

Etniciteit

De bewijskracht voor de associatie van etniciteit met de uitkomst hoog zorgverbruik (ziekenhuisopnames, spoedeisende hulpbezoeken, aantal doktersbezoeken en zorgkosten) is met 1 niveau verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias), vanwege beperkingen in de statistische analyse in 1 onderzoek en onvoldoende corrigeren voor confounders van het effect van etniciteit.

Dagelijks functioneren (ADL beperkingen /zorgafhankelijkheid)

De bewijskracht voor de associatie van dagelijks functioneren (ADL beperkingen/ zorgafhankelijkheid) met de uitkomst acuut zorgverbruik door ziekenhuisopnames en doktersbezoeken is niet met 1 niveau verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias), er werd niet in alle studies gecorrigeerd voor kwetsbaarheid (frailty) maar wel voor leeftijd en aantal chronische ziektes. Daarnaast kan door andere beperkingen in de onderzoeksopzet (zelfgerapporteerd aantal chronische ziektes, overrepresentatie van mannen en respons op een enquête per post) het effect onderschat zijn, terwijl er toch een effect gemeten werd in studies met voldoende aantallen.

De bewijskracht voor de associatie van dagelijks functioneren (ADL beperkingen/ zorgafhankelijkheid met de uitkomst hoog zorgverbruik door SEH-bezoeken en zorgkosten is met 2 niveaus verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias, zie reden hierboven) en het geringe aantal patiënten (imprecisie).

Polyfarmacie

De bewijskracht voor de associatie van polyfarmacie met doktersbezoeken is met 2 niveaus verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias), vanwege niet corrigeren voor confounders kwetsbaarheid (frailty) en dagelijks functioneren, en het geringe aantal patiënten (imprecisie).

Kwetsbaarheid

De bewijskracht voor de associatie van kwetsbaarheid (frailty) met de uitkomst acuut zorgverbruik door ziekenhuisopnames en doktersbezoeken is met 1 niveau verlaagd, gezien beperkingen in de onderzoeksopzet (risk of bias) had vanwege zelfrapportage van chronische ziektes (potentiële onderschatting van aantal chronische ziektes) en zelfrapportage van doktersbezoeken (met potentiële onder- of overschatting van aantal doktersbezoeken).

Opleidingsniveau

De bewijskracht voor de associatie van opleidingsniveau met de uitkomst hoog zorgverbruik (ziekenhuisopnames, spoedeisende hulpbezoeken, aantal doktersbezoeken en zorgkosten) is met 2 niveaus verlaagd gezien tegenstrijdige resultaten (inconsistentie) en het geringe aantal patiënten (imprecisie).

Socio-economische status (inclusief armoede/inkomen/werkstatus)

De bewijskracht voor de associatie van socio-economische status met acuut zorgverbruik (spoedeisende hulpbezoeken en ziekenhuisopnames) is met 1 niveau verlaagd gezien tegenstrijdige resultaten (inconsistentie). De bewijskracht voor de associatie van socio-economische status met hoog zorgverbruik (doktersbezoeken/zorgkosten) is met 1 niveau verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias, bij doktersbezoeken) en het geringe aantal patiënten (imprecisie, bij zorgkosten).

Burgerlijke staat

De bewijskracht voor de associatie van burgerlijke staat met hoog zorgverbruik is met 1 niveau verlaagd gezien beperkingen het geringe aantal patiënten (imprecisie).

Verzekering

De bewijskracht voor de associatie van burgerlijke staat met de uitkomstmaat doktersbezoeken is met 1 niveau verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias) en het geringe aantal patiënten (imprecisie). De bewijskracht voor de associatie van burgerlijke staat met uitkomstmaat acuut zorgverbruik (spoedeisende hulpbezoeken en ziekenhuisopnames) is met 1 niveau verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias).

Aantal doktersbezoeken

De bewijskracht voor de associatie van aantal doktersbezoeken met de uitkomstmaat acuut zorgverbruik (spoedeisende hulpbezoeken en ziekenhuisopnames) is met 1 niveau verlaagd gezien beperkingen in de onderzoeksopzet (risk of bias), door onvoldoende corrigeren voor confounders voor doktersbezoeken, het zelf rapporteren van aantal doktersbezoeken door patiënten en beperkingen doordat het tijdstip van het meten van predictor/outcome onduidelijk was.

Om de deelvraag te kunnen beantwoorden is er een systematische literatuuranalyse verricht naar observationele studies met de volgende zoekvraag:

Welke patiënt-, socio-economische en zorgkarakteristieken zijn geassocieerd met hoog zorgverbruik of lage patiënttevredenheid?

Patiënt: Volwassen patiënten (18 jaar en ouder) die gebruik maken van ziekenhuiszorg in een land met een hoog inkomen economie

Exposure:

Patiëntkarakteristieken: leeftijd, geslacht, etniciteit, aantal chronische ziektes, aantal medicijnen, dagelijks functioneren, gezondheidsstatus, gezondheidsvaardigheden, kwaliteit van leven, aanwezigheid van specifiek chronische ziekte cluster, levensverwachting

Socio-economische karakteristieken: socio-economische status, werkstatus, leefsituatie, burgerlijke staat, opleidingsniveau, inkomen

Zorgkarakteristieken: aantal betrokken medisch specialisten, aantal consulten met medisch specialisten, aantal consulten met huisarts, aantal spoedeisende hulpbezoeken, aantal ziekenhuisopnames

Outcome: Veel zorgverbruik of lage patiënttevredenheidsscore over de zorg voor chronische ziektes / continuïteit van zorg / zorgcoördinatie

* Onder veel zorgverbruik kan verstaan worden aantal polikliniekbezoeken bij medisch specialisten, overmatige, onnodige of dubbele diagnostiek/afspraken, aantal spoedeisende hulpbezoeken, aantal en duur van ziekenhuisopnames en hogere kosten. De werkgroep definieerde niet a priori wat verstaan werd onder veel zorgverbruik, maar hanteerde de in de studies gebruikte definities of verschillen. Bij de selectie werd echter niet beperkend geselecteerd op deze onderdelen.

Om aanbevelingen te kunnen formuleren hoe patiënten met multimorbiditeit die mogelijk baat zouden hebben bij regieondersteuning herkend zouden kunnen worden, koos de werkgroep voor hoog zorgverbruik als uitkomstmaat. Hoog zorgverbruik kan namelijk als aanwijzing worden gezien dat er mogelijk behoefte zou kunnen zijn aan regieondersteuning om zorg beter af te stemmen en coördineren en zo potentieel vermijdbare zorg(uitkomsten) te voorkomen. Deze aanwijzing werkt meerdere kanten op: acuut zorgverbruik is een ongewenste uitkomst waarvan je het risico erop wil verlagen, acuut zorgverbruik en meer doktersbezoeken geven een hoger risico op fragmentatie van zorg en hoog zorgverbruik in het algemeen geeft hogere zorgkosten.

Relevante uitkomstmaten

De werkgroep definieerde niet a priori de genoemde uitkomstmaten, maar hanteerde de in de studies gebruikte definities.

Zoeken en selecteren (Methode)

In de databases Medline (via OVID) en Embase (via Embase.com) is op 14 mei 2019 met relevante zoektermen gezocht naar (systematische reviews van) observationeel onderzoek, waarbij werd gekozen om te zoeken op de uitkomstmaten plus multimorbiditeit. De zoekverantwoording is weergegeven in bijlage 12. De literatuurzoekactie leverde 310 treffers op. Studies werden geselecteerd op grond van de volgende selectiecriteria:

• (Systematische review van) observationeel onderzoek met een multivariaat model;
• Volwassen patiënten (18 jaar en ouder) die ziekenhuiszorg verbruiken (algemene populatie zonder gespecificeerde ziekte, of specifieke populatie gebaseerd op leeftijd, zorgverbruik of aanwezigheid van chronische ziektes (zonder 1 specifieke index-ziekte));
• Onderzoek uit een land met een hoog-inkomen economie (zoals gedefinieerd door The World Bank, https://data.worldbank.org/country/XD);
• Tenminste meerdere (chronische) ziektes of multimorbiditeit als populatiebeschrijving (zonder 1 specifieke index-ziekte) of als exposure;
• Tenminste één van de genoemde uitkomstmaten wordt gerapporteerd.
• Geschreven in het Nederlands of Engels.

Op basis van titel en abstract werden in eerste instantie 67 studies voorgeselecteerd. Na raadpleging van de volledige tekst, werden vervolgens 51 studies geëxcludeerd (zie exclusietabel in bijlage 13), en 18 studies definitief geselecteerd. Twee studies rapporteerden over dezelfde populatie en zijn meegenomen als 1 studie.

Resultaten

Achttien studies zijn opgenomen in de literatuuranalyse. Twaalf studies zijn observationele studies die een algemene populatie includeerden, vier observationele studies en twee systematische reviews selecteerden een populatie met specifiek zorgverbruik of met multimorbiditeit/meerdere chronische ziektes zonder één specifieke index-ziekte. Met een populatie met meerdere chronische ziektes zonder één specifieke index-ziekte werd bedoeld een populatie die werd geselecteerd op het aantal chronische ziektes, maar waarbij niet geselecteerd werd vanuit de aanwezigheid van een specifieke aandoening.

Van de twaalf observationele studies die een algemene populatie includeerden, includeerden twee studies patiënten van 18 jaar en ouder (Agborsangaya, 2013; Milani, 2016). Vier studies includeerden patiënten van 50 jaar en ouder (Ilinca, 2015; Palladino, 2016; Glynn, 2011; Kennedy, 2017), één studie includeerde personen van 65 jaar en ouder (van den Bussche, 2011), één studie includeerde alleen Afrikaans-Amerikaanse personen van 65 jaar en ouder (Bazargan, 2019), één studie includeerde alleen mannen van 65 jaar en ouder die meededen aan een osteoporose-onderzoek (Ensrud, 2018), één studie uit Nieuw-Zeeland (Teh, 2018) includeerde personen van Maori afkomst van 80-90 jaar of van precies 85 jaar (non-Maori) en één studie includeerde ouderen van 85 jaar en ouder (Nägga, 2012). Eén studie uit het Verenigd Koninkrijk (Hull, 2018) includeerde alle patiënten met gelinkte data uit de eerste lijn en de spoedeisende hulp in het ziekenhuis, ongeacht de leeftijd en het zorgverbruik. Ondanks dat deze studie kinderen includeerde, is deze toch meegenomen omdat de voorspellende factoren apart voor volwassenen en voor kinderen zijn geanalyseerd.

Er werden vier observationele studies en twee systematische reviews van observationele studies geselecteerd die een populatie hebben geïncludeerd met een specifiek zorgverbruik of specifiek met chronische ziektes zonder één indexziekte te selecteren. Eén studie uit de Verenigde Staten (Abernathy, 2016) includeerde alle patiënten met minimaal twee bezoeken aan een eerstelijns arts. Wagner (2019) includeerde alle overleden patiënten met ten minste één chronische ziekte. Bock (2014) includeerde oudere patiënten (tussen 65-85 jaar) met drie of meer chronische ziektes. Eén studie includeerde alle SEH-bezoekers (Cunningham, 2017). De systematische review van Wammes (2018) includeerde alleen de studies met patiënten met hoge zorgkosten. De systematische review van Lehnert (2011) includeerde studies met een oudere populatie, multimorbiditeit als verklarende variabele en zorgverbruik als primaire uitkomst.

De geselecteerde studies observeerden dus verschillende subgroepen binnen de algemene populatie. Deze verschillende subgroepen overlappen met elkaar en representeren verschillende benaderingen die de onderzoekers hebben gebruikt. In figuur 1 is een visuele simulatie van de overlap opgenomen, inclusief het aantal studies dat is gevonden.

Figuur 1. Gesimuleerde overlap tussen de subgroepen in de verschillende studies. NB.: de overlap tussen de groepen komt niet overeen met daadwerkelijke cijfers of verhoudingen, dit is een visuele weergave om te laten zien dát er overlap is, niet hoeveel.

Er werden geen studies gevonden die rapporteerden over de associatie van patiënt, socio-economische en zorgkarakteristieken met lage patiënttevredenheid.

De belangrijkste studiekarakteristieken en resultaten zijn opgenomen in de evidencetabellen. De beoordeling van de individuele studieopzet (risk of bias) is opgenomen in de risk-of-biastabellen.