Een beslismodel op basis van data analytics kan verzekeringsartsen mogelijk helpen bij het maken van prognoses en het plannen van herbeoordelingen. Wel is eerst nog verder onderzoek in de praktijk nodig, stelt onderzoekster Ilse Louwerse. Zij ontwikkelde en evalueerde zo’n beslismodel en promoveerde hierop dinsdag 17 november bij het Amsterdam UMC, locatie VUmc. Haar onderzoek is uitgevoerd in het kader van de bijzondere UWV leerstoel Verzekeringsgeneeskunde van prof. Han Anema.
Artsen maken in de patiëntenzorg regelmatig gebruik van voorspelmodellen bij de beoordelingen welke patiënten een goede of juist slechte prognose hebben. Ook helpen dergelijke modellen artsen om voor de patiënt een keuze te maken wat de beste behandeling is. Dit helpt de patiënt en maakt de zorg efficiënter. In de verzekeringsgeneeskunde wordt zo'n beslismodel echter nog niet gebruikt.
Beslismodel voor verzekeringsartsen
Promovendus Ilse Louwerse ontwikkelde en evalueerde daarom zo'n model voor verzekeringsartsen op basis van data analytics. “Uit mijn onderzoek blijkt dat zo’n instrument verzekeringsartsen kan helpen om een goede prognose te geven om doelgericht een herbeoordeling te plannen voor mensen die in de toekomst weer kans hebben om te re-integreren en voor hen gericht interventies in te zetten”, aldus Louwerse.
Arbeidsparticipatie is voor de gezondheid erg belangrijk, zeker voor mensen die arbeidsongeschikt zijn. Ook voor de samenleving is het belangrijk dat iedereen kan meedoen. Het promotieonderzoek toont dat mensen die arbeidsongeschikt zijn vaak langdurig een arbeidsongeschiktheidsuitkering blijven ontvangen. Verzekeringsartsen laten weten dat het regelmatig lastig is om een goede prognose voor werkhervatting te geven, wat re-integratie kan belemmeren.
Om deze mensen te helpen weer te re-integreren heeft Louwerse met collega’s aan het VUmc een voorspelinstrument voor verzekeringsartsen ontwikkeld op basis van data analytics. Zo’n instrument kan de artsen helpen om een goede prognose te geven welke werknemers in toekomst weer arbeidsmogelijkheden hebben. Zo kan bij hen doelgericht een herbeoordeling worden gepland en gericht interventies worden ingezet voor terugkeer naar werk.
Te weinig bekend over data analytics
Uit een proef onder 29 verzekeringsartsen blijkt dat hoewel verzekeringsartsen in het algemeen weinig belemmeringen ervaarden voor gebruik van het instrument, slechts 28 procent van hen het beslismodel nog zou willen gebruiken in de eigen verzekeringsgeneeskundige praktijk. De belangrijkste reden hiervoor is dat er op dit moment bij hen te weinig bekend is over het gebruik van data analytics. De onderzoekers bevelen dan ook meer praktijkonderzoek aan is om te zien of verzekeringsartsen met het instrument daadwerkelijk betere prognoses kunnen stellen.
Het promotieonderzoek van Ilse Louwerse is uitgevoerd in het kader van de bijzondere UWV leerstoel Verzekeringsgeneeskunde van prof. Han Anema, hoogleraar arbeids- & verzekeringsgeneeskunde, gefinancierd door UWV. De leerstoel heeft tot doel de verzekeringsgeneeskunde te academiseren op basis van wetenschappelijk onderzoek. De leerstoel leverde eerder proefschriften op over de begeleiding terug naar werk van UWV-cliënten met psychische klachten en over de moeizame positie van (ex-)kankerpatiënten op de arbeidsmarkt.
Het volledige promotieonderzoek is hier te vinden.
