Werken aan rechtvaardige zorg met behulp van gedesaggregeerde gegevens

Auteur
Team Zorg Enablers
Gepubliceerd op
15-11-2020
Categorie
Columns

 

In onze huidige samenleving vinden we het belangrijk dat elk individu een eerlijke kans krijgt op de best mogelijke zorg, ongeacht verschillen in inkomen, etnische achtergrond, leeftijd of geslacht. Voor mij is dit dé definitie van gezondheidsgelijkheid. Echter, nog steeds krijgen veel mensen deze eerlijke kans. Ook wel gezondheidsongelijkheden genoemd. Al bestaan er gezondheidsongelijkheden in de samenleving sinds de oude Grieken; dit onderwerp heeft nog nooit zo helder in de schijnwerpers gestaan als vandaag. De verschillen in gezondheidsresultaten tussen mensen met een verschillende etnische achtergrond of leeftijd tijdens de COVID-19-pandemie, hebben ons bewuster gemaakt van bestaande gezondheidsongelijkheden. Er moet nu gehandeld worden om meer eerlijke kansen te creëren zodat iedereen zo gezond mogelijk kan zijn en blijven. Dit begint met de juiste verzameling en toepassing van gegevens op patiëntniveau.

Gezondheidsongelijkheden blijven vaak onopgemerkt door manier van dataverzameling

Onderzoek heeft uitgewezen dat iemands ‘gezondheid’ nauw samenhangt met wat wij de sociale determinanten van gezondheid noemen, waaronder het niveau van criminaliteit in iemands woonomgeving, diens toegang tot plekken om te sporten, de beschikbaarheid van gezond voedsel, goede opleidingskansen en voldoende inkomen. Om gezondheidsongelijkheden in de samenleving te lokaliseren is het essentieel om verschillen in deze sociale determinanten meetbaar en traceerbaar te maken. Alleen dan kunnen we de invloed van deze determinanten op de gezondheid van een bevolking analyseren en effectieve maatregelen nemen. Helaas worden momenteel gezondheidsgegevens veelal op zo’n manier verzameld dat verschillen in dergelijke determinanten niet kunnen worden gestratificeerd of geïnterpreteerd.

In het verleden heb ik een affiniteitsgroep voor gezondheidsgelijkheid geleid voor de Centers for Medicare & Medicaid Services (CMS) in de VS, waarbinnen we de Health Equity Organizational Assessment (HEOA) hebben opgesteld. Bij deze beoordeling keken we naar zeven categorieën met betrekking tot gezondheidsgelijkheid om te zien hoe voorbereid zorginstellingen waren op de identificatie en aanpak van gezondheidsongelijkheden. Meer dan 2.300 ziekenhuizen namen deel aan de HEOA en we ontdekten dat ze veel gegevens verzamelden, maar deze niet valideerden of stratificeerden. En wanneer zij hun gegevens wél uitsplitsten, wisten ze niet welke parameters ze moesten vergelijken en welke maatregelen ze moesten nemen om gezondheidsgelijkheid te bewerkstelligen. Als we blijven werken met geaggregeerde gegevens en ons niet bekwamen in het uitsplitsen, of desaggregeren, van gegevens om patiënten te identificeren met onevenredig slechtere resultaten, wordt het lastig om de populatiegezondheid te verhogen en de betaalbaarheid van de zorg te borgen.

REAL-gegevens als basis voor het bewerkstelligen van gezondheidsgelijkheid

Een goede analyse van de uitgesplitste gegevens begint bij de juistheid en volledigheid van de gegevens. Voor volledige en inclusieve gegevens is het in de eerste plaats cruciaal om de ruwe gegevens consistent te verzamelen en te categoriseren. Toepassing van het “REAL”-raamwerk voor gegevens kan helpen bij het verzamelen, rapporteren en analyseren van gegevens op patiëntniveau. REAL staat hierbij voor Race, Ethnicity And Language (ras, etniciteit en taal), de belangrijkste factoren bij de stratificatie. Door middel van dit proces van uitsplitsing en stratificatie kunnen we onze kwetsbaarste patiënten vinden. Door te kijken naar vooraf gedefinieerde kwaliteitsmaatregelen voor processen en zorguitkomsten en hoe deze verschillen tussen patiëntenpopulaties, kunnen we inzicht krijgen in waar onze zorgprocessen moeten worden aangepast om ervoor te zorgen dat ze voor alle patiënten werken. Het verzamelen van nauwkeurige en volledige demografische gegevens van patiënten is de sleutel tot een effectieve strategie voor gezondheidsgelijkheid. In feite is het verzamelen, rapporteren en analyseren van REAL-gegevens een topprioriteit in het kader van het CMS’s Equity Plan for Improving Quality in Medicare.

Een illustratief voorbeeld van kwaliteitsverbetering dankzij REAL-gegevens gestuurde besluitvorming is dat van het Harborview Medical Center in Seattle, dat opmerkte dat patiënten vaak onvoorbereid kwamen opdagen voor hun colonoscopie. Toen het ziekenhuis begon met het uitsplitsen van de gegevens op taal, ontdekten ze dat het voornamelijk ging om Spaans en Vietnamees sprekende patiënten die onvoorbereid kwamen opdagen. Op basis van deze inzichten begonnen ze voorbereidende lessen en materialen aan te bieden in het Spaans en Vietnamees, waarna hun successcore aanzienlijk toenam. Als gevolg daarvan daalde het aantal annuleringen van afspraken en kon de patiëntenzorg sneller en efficiënter plaatsvinden. Een andere ziekenhuisgroep, genaamd Novant Health, gevestigd in North Carolina, wilde hun heropnamepercentages voor longontsteking verbeteren, een aandoening die vaak wordt geassocieerd met hoge heropnamepercentages. Toen ze hun heropnamegegevens uitsplitsten, ontdekten ze dat Afro-Amerikanen in hun ziekenhuis verreweg het grootste aantal opnames voor longontsteking hadden. Ze stelden een werkgroep samen, gebruikten traditionele instrumenten voor prestatie- en kwaliteitsverbetering, en vonden zo een aantal zeer specifieke manieren om het aantal Afro-Amerikaanse heropnames te verlagen.

Gezondheidszorg rechtvaardiger maken begint met bewustzijn en moed

Naast het feit dat interventies op het gebied van gezondheidsgelijkheid een enorme impact hebben, hoeven ze niet ingewikkeld of duur te zijn. In feite moeten ze er gewoon voor zorgen rechtvaardige zorg te leveren door middel van analyse van uitgesplitste kwaliteitsmaatregelen voor processen en zorguitkomsten. Toch zijn strategieën voor gezondheidsgelijkheid die gebruik maken van dit soort onderzoek ongebruikelijk. Ik denk dat gebrek aan kennis en huiver voor slechte publiciteit een belangrijke rol spelen bij de redenering waarom het niet wordt gedaan.

Het goede nieuws is dat steeds meer zorginstellingen zich inzetten voor een rechtvaardiger gezondheidszorg; er zijn uitstekende trainingen op het gebied van culturele nederigheid en persoonlijk leiderschap die onbewuste vooroordelen in de gezondheidszorg aanpakken, inclusief het effect van sociale gezondheidsdeterminanten op het vermogen van mensen om gezond te zijn en goede gezondheidsresultaten te boeken. Werken aan gezondheidsgelijkheid is een reis en het vergt enige moed van zorgbestuurders om de feiten onder ogen te zien. Gelukkig wordt er steeds meer onderzoek gedaan naar het thema gezondheidsongelijkheid, wat de bewustwording en het urgentiebesef bij bestuurders in de gezondheidszorg doet toenemen. Neem bijvoorbeeld het recente rapport van het Agency for Healthcare Research & Quality, waarin 250 kwaliteitsmaatregelen werden bestudeerd en dat uitwees dat 40% van deze maatregelen slechtere resultaten opleverden voor de zwarte bevolking dan voor blanken. Zoals bijvoorbeeld langer uitgestelde medicatietoediening bij zwarte patiënten met hartfalen in vergelijking met blanken. Het is nu tijd om op basis van deze statistieken te handelen met de juiste kwaliteitsmaatregelen, uitgesplitst naar demografische gegevens van patiënten, en te leren van organisaties die dit al doen.

Overheden moeten hun verantwoordelijkheid nemen

Geïnspireerd door het Rush University Medical Center in Chicago, zou ik in de toekomst graag een jaarlijks ‘Gezondheidsgelijkheidsrapport’ als gouden standaard voor elke zorginstelling willen zien. Zo’n rapport kijkt naar de patiëntenzorg vanuit het perspectief van rechtvaardigheid en legt alle gezondheidsongelijkheden bloot die de instelling heeft gevonden. Dit vergt moed van de zorgbestuurders, maar het vereist ook ondersteuning door de overheid, bijvoorbeeld door het een verplicht onderdeel te laten worden van de Community Health Needs Assessment (CHNA), die ziekenhuizen in de VS reeds elke drie jaar moeten doen. Bovendien moeten overheden de privacy en het eigendom van gezondheidsgegevens beschermen, vooral met de opkomst van Big Tech bedrijven zoals Apple en Amazon die zich steeds meer in de gezondheidszorgsector begeven. Ik ben echter van mening dat deze bedrijven ook een cruciale rol kunnen spelen bij het anders faciliteren van de toegang tot en analyse van de gezondheidszorg, het verbeteren van de relaties tussen patiënten en zorgprofessionals en het dichter bij de patiënt brengen van gepersonaliseerde zorg. Op deze manier kunnen techgiganten in de toekomst mogelijk een belangrijke versneller van gezondheidsgelijkheid zijn. Samen kunnen we allemaal werken aan een eerlijkere en rechtvaardigere zorg.

 

Kellie Goodson

Kellie Goodson is een Certified Patient Experience Professional die prestatieverbeteringsnetwerken heeft geleid voor Vizient, een in de VS gevestigd bedrijf voor prestatieverbetering, en mede leiding heeft gegeven aan nationale affiniteitsgroepen voor de thema’s patiënt- en familiebetrokkenheid en gezondheidsgelijkheid voor de Centers for Medicare & Medicaid Services. Ze heeft met meerdere gezondheidssystemen gewerkt om de patiëntresultaten te verbeteren door gezondheidsongelijkheden te identificeren en op te heffen. Ze is ook partner bij Diversity Crew, een consortium dat zich richt op diversiteit en inclusie binnen organisaties door middel van strategisch advies, en fungeert als Chief Experience and Engagement Officer bij ATW Health Solutions.