Koppelen van ggz- en CBS-microdata om zorgeffectiviteit te meten

Achtergrond Momenteel wordt de effectiviteit van de geestelijke gezondheidszorg in de meeste behandelsettings op een routinematige wijze gemonitord met kwantitatieve symptoomgerichte lijsten. Deze metingen lijken ontoereikend, met name voor doelgroepen met complexe, meervoudige problematiek. Tegelijkertijd is er momenteel nog geen alternatieve methode. Doel 1. Beschrijven waarom kwantitatieve symptoomgerichte lijsten ontoereikend zijn voor het meten van zorgeffectiviteit en 2. introduceren van een nieuw dataplatform dat aan de hand van sociaal-maatschappelijke factoren de zorgeffectiviteit op een alternatieve manier beoogt te meten. Methode Overzicht van ontwikkelingen aan de hand van literatuur en introductie van een uniek dataplatform. Resultaten Bij complexe meervoudige problematiek, zoals bij kinderen met een lichte verstandelijke beperking (LVB) en een comorbide psychiatrische stoornis, kunnen we mentale klachten niet kwantificeren, isoleren en individualiseren, oftewel decontextualiseren. Om zorg te evalueren voor extern benchmarken en wetenschappelijk onderzoek, adviseren wij een verschuiving van het meten van klinische symptomen binnen de behandelperiode naar het sociaal-maatschappelijk functioneren op groepsniveau op langere termijn op meerdere levensdomeinen, met aandacht voor de sociaal-demografische verschillen. Het dataplatform van het Extramuraal LUMC Academisch Netwerk Gezond & Gelukkig Den Haag (ELAN-GGDH) maakt dit mogelijk door het koppelen van ggz-data met CBS-microdata. Conclusie Het dataplatform kan een meerwaarde op groepsniveau bieden voor extern benchmarken en wetenschappelijk onderzoek.