Home Gebruik van een beslishulp bij de prognosestelling

Artikel bewaren

Je hebt een account nodig om artikelen in je profiel op te slaan

Login of Maak een account aan
Reacties0

Gebruik van een beslishulp bij de prognosestelling

Avatar
Ilse Louwerse
Avatar
Maaike Huysmans
Avatar
Jolanda van Rijssen
Avatar
Chantal Gielen
Avatar
Allard van der Beek
Avatar
Han Anema
WIA-claimbeoordeling beslishulp prognose van werkvermogen vertrouwen in de eigen prognose knelpunten voor implementatie.
Inleiding
Het is belangrijk dat verzekeringsartsen een goede prognose kunnen geven van toekomstige veranderingen in arbeidsongeschiktheid bij mensen die een WIA-uitkering toegekend krijgen. Verzekeringsartsen beschouwen de prognose echter als een van de lastigste aspecten van hun werk, omdat het vaak gaat om complexe voorspellingen waarbij veel verschillende factoren een rol spelen. Het tijdig kunnen inschatten wie een hogere kans heeft op een toekomstige verandering in werkvermogen en een overzicht van factoren die hiermee samenhangen, kan helpen bij het doelgericht plannen van WIA-herbeoordelingen en gerichte inzet van re-integratiedienstverlening.
Een beslishulp, gebaseerd op een voorspelmodel, kan door professionals als hulpmiddel gebruikt worden bij het nemen van (wetenschappelijk) onderbouwde beslissingen met betrekking tot de prognose. Een beslishulp is een (online) tool die aanbevelingen doet op basis van karakteristieken van individuele cliënten of patiënten. Hoewel het gebruik van voorspelmodellen en beslishulpen in de verzekeringsgeneeskunde nog relatief nieuw is, worden ze in de klinische praktijk al vaker gebruikt. Wetenschappelijk onderzoek heeft aangetoond dat ze artsen kunnen helpen bij het nauwkeuriger stellen van een diagnose of prognose, bijvoorbeeld voor verschillende typen kanker.1,2 Net als in de klinische praktijk, zouden voorspelmodellen ook in de verzekeringsgeneeskunde eraan kunnen bijdragen dat de beperkte beschikbare capaciteit ingezet wordt voor die casussen en op die momenten dat dit de grootste meerwaarde heeft.
Om zicht te krijgen op de waarde van een beslishulp in het besluitvormingsproces tijdens de WIA-claimbeoordeling, is inzicht nodig in het gebruik van de beslishulp en de houding van verzekeringsartsen ten aanzien van toekomstige implementatie ervan. De onderzoeksdoelen van deze studie waren: (1) evalueren of het gebruik van een beslishulp invloed heeft op de prognosestelling door verzekeringsartsen tijdens de WIA-claimbeoordeling en op hun vertrouwen in de eigen prognose en (2) inzicht krijgen in hoe verzekeringsartsen aankijken tegen het gebruik van een beslishulp in de dagelijkse praktijk en in de knelpunten voor implementatie.

Methode

Voorspelmodel en beslishulp

Het voorspelmodel dat we in deze studie evalueren, hebben we in een eerder onderzoek ontwikkeld. Het doet bij de WIA-claimbeoordeling voor iedere klant een uitspraak over de te verwachten verandering in werkvermogen één jaar na de claimbeoordeling.3
Werkvermogen is gemeten met één enkele vraag uit de Work Ability Index (WAI) en betreft de mate waarin iemand zichzelf zowel fysiek als mentaal in staat acht om te werken. De vraag luidt: als u aan uw werkvermogen in de beste periode van uw leven 10 punten geeft, hoeveel punten zou u dan aan uw werkvermogen van de afgelopen 2 weken toekennen?4 Wetenschappelijk onderzoek heeft aangetoond dat een verbetering of verslechtering van het werkvermogen van ten minste twee punten van invloed is op terugkeer naar werk of de WIA-uitkering.5 Op basis van de voorspelde toekomstige verandering in werkvermogen worden mensen bij de WIA-claimbeoordeling ingedeeld in drie groepen: (1) geen relevante verandering, (2) een verbetering of (3) een verslechtering van het werkvermogen één jaar na toekenning van de uitkering.
Het voorspelmodel is geschat op basis van gegevens uit een cohort van 944 mensen die deelnamen aan de Forward-studie.6 In de Forward-studie hebben mensen vlak voor de WIA-aanvraag en één jaar na de aanvraag een uitgebreide vragenlijst ingevuld. De antwoorden op de vragenlijsten werden gekoppeld aan registratiedata uit de UWV-systemen. De prognostische factoren van het voorspelmodel waren verschillende factoren met betrekking tot het mentaal en fysiek functioneren, arbeidsongeschiktheidspercentage bij de WIA-claimbeoordeling en werkvermogen ten tijde van de WIA-aanvraag.
Om het voorspelmodel te kunnen gebruiken in de praktijk, moet het onderdeel zijn van een beslishulp. Op basis van de voorkeuren van verzekeringsartsen en arbeidsdeskundigen voor het gebruik en de lay-out van de beslishulp, hebben we een eerste versie van de beslishulp ontwikkeld.7 De beslishulp gebruikt voor iedere klant gegevens uit een door de klant ingevulde vragenlijst en uit de UWV-systemen, past een statistische formule toe op deze gegevens en presenteert vervolgens de te verwachten toekomstige verandering in werkvermogen voor deze klant. Verzekeringsartsen kunnen de beslishulp raadplegen als extra informatiebron bij het stellen van de prognose, het plannen van herbeoordelingen en hun advies met betrekking tot re-integratiedienstverlening.

Onderzoeksopzet en studiepopulatie

Om de waarde van de beslishulp voor de prognosestelling en het vertrouwen van artsen in hun eigen prognose te evalueren, hebben we een vignettenstudie uitgevoerd met fictieve casussen (vignetten). Voor dit onderzoek hebben we zes vignetten ontwikkeld van mensen die een WIA-uitkering toegekend hebben gekregen en 80-100% arbeidsongeschikt verklaard werden. De vignetten zijn ontwikkeld in samenspraak met verzekeringsartsen en zijn gebaseerd op rapportages van deze artsen bij de WIA-claimbeoordeling. Hierbij hebben we geprobeerd een zo breed mogelijk spectrum van persoonskenmerken, diagnoses, beperkingen en behandelingen aan bod te laten komen (tabel 1).

Tabel 1

. Belangrijkste kenmerken van de zes vignetten
Vignet
Geslacht
Leeftijd
Werkeisen
Klachten
Beperkingen
Functionele mogelijkheden en behandelingen
Zelf-gerapporteerde werkvermogen op baseline
1
Man
45
Vooral fysiek
Dwarslaesie
Fysiek
ADL-afhankelijkheid
1
2
Vrouw
29
Mentaal + fysiek
Chronische nierziekte
Fysiek
Wachtlijst voor niertransplantatie
1
3
Man
34
Vooral fysiek
Psychose
Mentaal
Opname psychiatrie
4
4
Man
58
Mentaal + fysiek
Hersenbloeding
Mentaal + fysiek
Fysiotherapeut, ergotherapeut, logopedist
3
5
Vrouw
38
Vooral mentaal
Depressie, PTSS
Mentaal
Psychotherapie, EMDR
0
6
Vrouw
34
Vooral mentaal
PTSS, multiple fracturen
Mentaal + fysiek
Psycholoog, revalidatiearts
0
Werving van deelnemers vond plaats op zeven UWV-kantoren (Almere, Breda, Den Haag, Dordrecht, Goes, Haarlem, Rotterdam en Utrecht). Op elk van deze kantoren hebben we een bijeenkomst georganiseerd waarin verzekeringsartsen informatie kregen over het doel, de ontwikkeling en het gebruik van het voorspelmodel en de beslishulp. Na afloop kregen de artsen per e-mail een uitnodiging om mee te doen aan het onderzoek. Deelname was op vrijwillige basis.

Vragenlijst

De vragenlijst begon met een aantal algemene vragen, zoals geslacht, leeftijd en werkervaring. Vervolgens werden de zes vignetten gepresenteerd. Voor ieder vignet werd eerst een gedetailleerde beschrijving gegeven van de belangrijkste persoons-, werk-, gezondheids- en psychosociale kenmerken. Op basis van deze beschrijving werd deelnemers gevraagd of en op welke termijn zij een herbeoordeling zouden plannen en om hun prognose van de verandering in werkvermogen. In lijn met de uitkomst van het voorspelmodel was de vraag over de prognose een meerkeuzevraag met drie antwoordcategorieën: verbetering, verslechtering of geen verandering in werkvermogen één jaar na toekenning van de WIA-uitkering. Daarnaast gaven deelnemers op een schaal van 0 (heel slecht) tot 10 (heel goed) aan hoeveel vertrouwen ze hadden dat ze voor het betreffende vignet een goede prognose konden stellen. Vervolgens werd de beslishulp gepresenteerd met zowel de prognostische factoren (die ook al genoemd werden in de gedetailleerde beschrijving van de vignetten) als de uitkomst van het voorspelmodel. Deelnemers konden aangeven of ze na het raadplegen van de beslishulp hun prognose zouden aanpassen, en ze gaven opnieuw een cijfer aan het vertrouwen in hun eigen prognose.
Om inzicht te krijgen in toekomstig gebruik van de beslishulp werd gevraagd of en op welke manier deelnemers dachten dat de beslishulp van toegevoegde waarde is voor de WIA-claimbeoordeling en of ze deze in de toekomst zouden willen gebruiken. Daarnaast werd deelnemers gevraagd in welke gevallen of voor welk type casussen ze geen gebruik zouden willen maken van de beslishulp. Tot slot werden 15 uitspraken over knelpunten voor implementatie voorgelegd.8

Statistische analyse

Voor ieder vignet werd bepaald of de prognose van de arts voorafgaand aan het raadplegen van de beslishulp overeenkwam met de uitkomst van het voorspelmodel en hoe vaak en in welke gevallen artsen hun prognose aanpasten na het raadplegen van het advies van de beslishulp. Vervolgens hebben we de mate van overeenstemming tussen de eigen prognose van de artsen en de uitkomst van het voorspelmodel berekend en de mate van overeenstemming vooraf en na afloop van het raadplegen van de beslishulp statistisch getoetst met de McNemar toets. Met een multilevel analyse werden veranderingen in het vertrouwen in de eigen prognose na het raadplegen van de beslishulp gemeten.

Resultaten

29 verzekeringsartsen hebben deelgenomen aan het onderzoek. De meerderheid van hen was vrouw en werkte als geregistreerd verzekeringsarts tabel 2).

Tabel 2

. Karakteristieken van de deelnemers (n=29)
n (%)
Gemiddelde (SD)
Geslacht
Man
12 (41)
Vrouw
17 (59)
Leeftijdscategorie
41 (11)
<35
7 (24)
35-44
10 (34)
45-54
4 (14)
55+
8 (28)
Werkzaam als
A(n)ios
11 (38)
Geregistreerd Verzekeringsarts
18 (62)
Aantal jaren werkervaring als verzekeringsarts
12 (11)
<5
10 (34)
5-9
7 (24)
10+
12 (41)

Prognose zonder en met de beslishulp

Tabel 3 laat zien dat in 82 gevallen (47%) de prognose van de verzekeringsarts zonder informatie van de beslishulp overeenkwam met de uitkomst van het voorspelmodel. In 41% (n=72) van de gevallen ging de arts uit van een betere prognose en in 11% (n=20) van een slechtere prognose. Een verschil in prognose kwam het vaakst voor bij gevallen met zowel mentale als psychische klachten (90%) en het minst bij gevallen met alleen fysieke klachten (26%)

Tabel 3

. Prognose zonder en met de beslishulp van 29 verzekeringsartsen die 6 vignetten beoordeelden
Vignet
1
2
3
4
5
6
Totaal
(n=29)
(n=29)
(n=29)
(n=29)
(n=29)
(n=29)
(n=174)
Uitkomst voorspelmodel1
Oranje
Groen
Oranje
Rood
Groen
Oranje
Zonder de beslishulp
Prognose, n (%)
Verbetering
0 (0)
14 (48)
20 (69)
0 (0)
24 (83)
24 (83)
82 (47)
Geen verandering
29 (100)
10 (35)
9 (31)
28 (97)
5 (17)
5 (17)
86 (49)
Verslechtering
0 (0)
5 (17)
0 (0)
1 (3)
0 (0)
0 (0)
6 (4)
Overeenstemmende prognose, n (%)
29 (100)
14 (48)
9 (31)
1 (3)
24 (83)
5 (17)
82 (47)
Mate van overeenstemming, %
100
48
31
3
83
17
47
Met de beslishulp
Prognose, n (%)
Verbetering
0 (0)
17 (59)
14 (48)
0 (0)
25 (86)
17 (59)
73 (42)
Geen verandering
29 (100)
9 (31)
15 (52)
26 (90)
4 (14)
12 (41)
95 (55)
Verslechtering
0 (0)
3 (10)
0 (0)
3 (10)
0 (0)
0 (0)
6 (3)
Verandering in prognose, n (%)
0 (0)
3 (10)
6 (21)
2 (7)
1 (3)
7 (24)
19 (11)
Mate van overeenstemming, %
100
59
52
10
86
41
58
Verandering in prognose2, p-waarde
NS
NS
0,026
NS
NS
0,008
1Voorspelde verandering in werkvermogen op 1-jaar follow-up. Groen = verbetering, oranje = geen verandering, rood = verslechtering.
2McNemar toets om de prognose van de verzekeringsarts zonder en met de beslishulp te vergelijken, NS = niet significant (p > 0,05).
Als de prognose van de verzekeringsarts niet overeenkwam met de uitkomst van het voorspelmodel veranderden artsen hun prognose in 22% (n=20) van de gevallen nadat zij de beslishulp geraadpleegd hadden. In de meeste gevallen ging de arts hierna uit van een slechtere prognose (75%; n=15). In totaal steeg de mate van overeenstemming tussen de prognose van de verzekeringsarts en de uitkomst van het voorspelmodel van 47% naar 58% na het raadplegen van de beslishulp.

Vertrouwen in de eigen prognose zonder en met de beslishulp

In 57% (n=99) van de gevallen veranderde het vertrouwen van de verzekeringsarts in de eigen prognose na het raadplegen van de beslishulp. In 26% (n=45) van de gevallen steeg het vertrouwen, in 31% (n=54) daalde het. Tabel 4 laat zien dat als de prognose van de arts overeenkwam met de uitkomst van het voorspelmodel het vertrouwen steeg van 7,2 naar 7,4 punten, maar dit was geen significante toename (p=0,26). Er was een significante daling in het vertrouwen in de eigen prognose van 7,0 naar 6,0 punten als de prognose niet overeenkwam (p<0,001).

Tabel 4

. Invloed van de beslishulp op de prognose van werkvermogen en het vertrouwen in de eigen prognose
Totaal
(n=174)
Overeenstemming
(n=82)
Geen overeenstemming
(n=92)
Veranderde prognose, n (%)
20 (13)
20 (22)
Vertrouwen in de eigen prognose
Zonder de beslishulp
7,1 ± 1,7
7,2 ± 1,5
7,0 ± 1,9
Met de beslishulp
6,6 ± 2,2
7,4 ± 1,6
6,0 ± 2,4
Verschil in vertrouwen
-0,5 ± 2,1*
0,2 ± 1,1
-1,0 ± 2,5*
* Significante daling in het vertrouwen in de eigen prognose na het raadplegen van de beslishulp (p < 0,05).

Gebruik van de beslishulp in de praktijk

Acht deelnemers (28%) gaven aan dat zij in de toekomst bij de WIA-claimbeoordeling waarschijnlijk gebruik zouden willen maken van een beslishulp gebaseerd op een voorspelmodel. De meerderheid van de deelnemers (55%; n=16) zou misschien gebruik willen maken van de beslishulp, en 17% (n=5) gaf aan dit waarschijnlijk niet te willen. Deelnemers verwachtten dat de beslishulp vooral meerwaarde heeft bij meer complexe diagnostiek, zoals SOLK, waarbij motivatie en ziektebeleving een belangrijke rol spelen. Op de vraag voor welk type casussen deelnemers geen gebruik zouden willen maken van de beslishulp, werden een evidente prognose (55%) en slecht ziekte-inzicht (21%) genoemd. 27% van de deelnemers noemde geen specifieke uitzonderingsgevallen en gaf aan dat de beslishulp altijd geraadpleegd kan worden.

Knelpunten voor implementatie

In de figuren 1 en 2 staan de percentages deelnemers weergegeven die het eens, eens noch oneens, en oneens waren met bepaalde belemmerende of bevorderende factoren voor gebruik van een beslishulp in de dagelijkse praktijk. Meer willen weten over de beslishulp voordat besloten wordt om deze in de dagelijkse praktijk te gebruiken, werd het vaakst genoemd als belemmerende factor (83%). De meerderheid van de deelnemers vond dat de beslishulp genoeg ruimte laat om zelf afwegingen te maken (76%), dat de lay-out de beslishulp handig maakt voor gebruik (62%) en dat de beslishulp genoeg ruimte laat om de wensen van de klant mee te wegen (52%).

https://static-content.springer.com/image/art%3A10.1007%2Fs12498-020-1271-4/MediaObjects/12498_2020_1271_Fig1_HTML.jpg

Figuur 1

Belemmerende factoren voor implementatie van een beslishulp
https://static-content.springer.com/image/art%3A10.1007%2Fs12498-020-1271-4/MediaObjects/12498_2020_1271_Fig2_HTML.jpg

Figuur 2

Bevorderende factoren voor implementatie van een beslishulp

Discussie

Dit onderzoek laat zien dat voor de zes vignetten de uitkomst van de beslishulp in meer dan de helft van de gevallen (53%) niet overeenkwam met de eigen prognose van de verzekeringsarts. Als dit het geval was, werd slechts 22% van de prognoses aangepast na het raadplegen van de beslishulp. Hoewel het percentage gewijzigde prognoses laag was, was dit wel in lijn met eerdere studies die lieten zien dat slechts een klein deel van de artsen zijn oordeel aanpast als deze niet overeenkomt met de diagnose of prognose van een beslishulp.9,10
In het algemeen was de prognose van de verzekeringsartsen positiever dan de uitkomst van het voorspelmodel. Omdat verzekeringsartsen de prognosestelling één van de lastigste aspecten van de WIA-claimbeoordeling vinden, kan dit erop wijzen dat verzekeringsartsen vaak het voordeel van de twijfel geven. Op basis van een prospectief cohort van mensen met een WIA-uitkering hebben we laten zien dat het voorspelmodel goed in staat is om onderscheid te maken tussen gevallen met een toekomstige verbetering, een verslechtering of geen verandering in werkvermogen.3 Verzekeringsartsen zouden dus meer vertrouwen in de uitkomst van de beslishulp kunnen hebben en hun prognose hierop aan kunnen passen dan we in de huidige studie vonden.
Voor het doelgericht plannen van herbeoordelingen is het belangrijk dat verzekeringsartsen een hoge mate van vertrouwen hebben in hun eigen prognose. Het gemiddelde vertrouwen in de eigen prognose vooraf aan het raadplegen van de beslishulp was 7,1. Er was een statistisch significante daling van 1 punt in het vertrouwen als de prognose van de arts niet overeenkwam met de uitkomst van het voorspelmodel. Deze cijfers komen overeen met de mate van vertrouwen die artsen hadden bij het vaststellen van de diagnose dementie zonder en met een beslishulp.10
Hoewel er in het algemeen weinig belemmeringen werden ervaren voor gebruik, gaf slechts iets meer dan een kwart van de verzekeringsartsen aan de beslishulp te willen gebruiken in de dagelijkse praktijk. De belangrijkste belemmering voor gebruik was dat verzekeringsartsen naar hun idee onvoldoende informatie hadden over de beslishulp. Mogelijk is deze behoefte versterkt door de lage mate van overeenstemming tussen eigen prognose van verzekeringsartsen en uitkomst van het voorspelmodel.

Sterktes en zwaktes

Sterkte van dit onderzoek is dat we met een vignettenstudie inzicht hebben gekregen in de waarde van de beslishulp op het besluitvormingsproces tijdens de WIA-claimbeoordeling en de knelpunten voor implementatie. Bovendien zijn de deelnemers geworven uit alle toekomstige potentiële gebruikers van de beslishulp en zijn zij werkzaam bij verschillende UWV-kantoren. Doordat deelname aan het onderzoek plaatsvond op vrijwillige basis, heeft dit mogelijk wel geleid tot een selectie bias en hebben we wellicht de artsen bevraagd die relatief positief staan tegenover dit soort hulpmiddelen. Een andere beperking van onze studie is dat we geen gerandomiseerd, gecontroleerd onderzoek (RCT-studie) in de praktijk konden doen, zoals we van plan waren, maar de beslishulp alleen konden evalueren in een vignettenstudie op papier.

Relevantie voor de praktijk

Een beslishulp gebaseerd op een voorspelmodel kan in de verzekeringsgeneeskunde als hulpmiddel gebruikt worden bij het nemen van (wetenschappelijk) onderbouwde beslissingen rondom de prognose van werkvermogen, het doelmatig plannen van herbeoordelingen en de inzet van gerichte re-integratiedienstverlening. De beslishulp die in dit artikel geëvalueerd wordt, kunnen verzekeringsartsen bijvoorbeeld gebruiken wanneer zij niet zeker zijn van de prognose en om inzicht te krijgen in factoren die van belang zijn in het re-integratieproces. De beslishulp lijkt vooral van toegevoegde waarde bij meer complexe cases waarbij de prognose onzeker is, en minder bij cases waarbij de prognose evident is.
Verzekeringsartsen gaven eerst hun eigen prognose voordat zij de beslishulp raadpleegden. Hoewel dit in overeenstemming is met de resultaten van een focusgroepstudie, kan dit een negatief effect hebben gehad op de impact van de beslishulp.7 De beslishulp eerder in het beslissingsproces aanbieden en hier onderdeel van laten worden zou de effectiviteit kunnen vergroten.
Inzicht in de knelpunten voor toekomstige implementatie van een beslishulp in het WIA-beoordelingsproces kan helpen bij het vormgeven van het toekomstige implementatieproces. Slechts een minderheid van de deelnemers in dit onderzoek gaf aan dat ze in de toekomst gebruik zouden willen maken van een beslishulp in de dagelijkse praktijk. Onbekendheid met voorspelmodellen en beslishulpen werd genoemd als een van de belangrijkste barrières die verzekeringsartsen ervan weerhoudt om een beslishulp te gebruiken. Om de kennis van verzekeringsartsen en andere professionals op dit gebied te vergroten, zou het goed zijn om hen meer bekend te maken met de toepassing en mogelijkheden van voorspelmodellen en beslishulpen, door deze onderwerpen bijvoorbeeld te behandelen tijdens de opleiding of nascholingsdagen.
De beslishulp is geëvalueerd met een experimenteel onderzoek op basis van fictieve casuïstiek. Om inzicht te krijgen in de toegevoegde waarde van de beslishulp in de dagelijkse praktijk moet de beslishulp extern gevalideerd en geëvalueerd worden, bijvoorbeeld met een effectmeting en een procesevaluatie. Hiervoor moet een kleinschalig experiment met de beslishulp opgezet worden. Onderzoekers zijn hierbij afhankelijk van de bereidheid van artsen en andere professionals om mee te doen met dit soort experimenten. Omdat de beslishulp bedoeld is als hulpmiddel, en niet om het werk van de professional over te nemen, is er bij deelname aan het experiment geen sprake van beperking van de professionele autonomie. Als de uitkomsten van het experiment positief zijn, dan kan dat ook bijdragen aan het vertrouwen dat toekomstige gebruikers hebben in de beslishulp.
Dit is een Nederlandse bewerking van de publicatie Use of a Decision Support Tool on Prognosis of Work Ability in Work Disability Assessments: An Experimental Study Among Insurance Physicians door dezelfde auteurs in Journal of Occupational Rehabilitation. .

Verklaring belangenconflicten

Ilse Louwerse, Jolanda van Rijssen en Chantal Gielen zijn werkzaam bij UWV. Allard van der Beek en Han Anema verrichten advieswerkzaamheden voor Amsterdam UMC spin-off EVALUA Nederland . Han Anema bekleedt de door UWV gefinancierde leerstoel Academisering van de Verzekeringsgeneeskunde bij het Amsterdam UMC, locatie VUmc.

Literatuur

1.

McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89-94.

2.

Bulten W, Pinckaers H, van Boven H, et al. Automated deep-learning system for Gleason grading of prostate cancer using biopsies: a diagnostic study. Lancet Oncol. 2020;21(2):233-241.

3.

Louwerse I, Huysmans MA, van Rijssen JH, et al. Predicting future changes in the work ability of individuals receiving a work disability benefit: weighted analysis of longitudinal data. Scand J Work Environ Health. 2020;46(2):168-176.

4.

Ilmarinen J. Work ability—a comprehensive concept for occupational health research and prevention. Scand J Work Environ Health. 2009;35(1):1-5.

5.

Ahlstrom L, Grimby-Ekman A, Hagberg M, Dellve L. The work ability index and single-item question: associations with sick leave, symptoms, and health-a prospective study of women on long-term sick leave. Scand J Work Environ Health. 2010;36(5):404-412.

6.

Weerdesteijn KH, Schaafsma FG, Louwerse I, Huysmans MA, Van der Beek AJ, Anema JR. Does self-perceived health correlate with physician-assessed functional limitations in medical work disability assessments? J Psychosom Res. 2019;125:109792.

7.

Louwerse I, Huysmans MA, van Rijssen JH, Overvliet J, van der Beek AJ, Anema JR. Preferences regarding the way of use and design of a work ability prognosis support tool: a focus group study among professionals. Disabil Rehabil. 2020:1-7.

8.

Peters M, Harmsen M, Laurant M, Wensing M. Ruimte voor verandering? Knelpunten en mogelijkheden voor verbeteringen in de patiëntenzorg. 2003, Afdeling Kwaliteit van zorg (WOK), UMC St Radboud: Nijmegen.

9.

Hallen SA, Hootsmans NA, Blaisdell L, Gutheil CM, Han PK. Physicians’ perceptions of the value of prognostic models: the benefits and risks of prognostic confidence. Health Expect. 2015;18(6):2266-2277.

10.

Bruun M, Frederiksen KS, Rhodius-Meester HF, et al. Impact of a clinical decision support tool on prediction of progression in early-stage dementia: a prospective validation study. Alzheimers Res Ther. 2019;11(1):25.

Samenvatting

Verzekeringsartsen beschouwen de prognose van arbeidsongeschiktheid als een van de lastigste aspecten van de WIA-claimbeoordeling. Een beslishulp, gebaseerd op een voorspelmodel, kan verzekeringsartsen helpen bij het nemen van (wetenschappelijk) onderbouwde beslissingen rondom het plannen van WIA-herbeoordelingen en de inzet van re-integratiedienstverlening. Doel van deze studie was inzicht krijgen in de toegevoegde waarde van de beslishulp en in hoe verzekeringsartsen aankijken tegen het gebruik van de beslishulp in hun dagelijkse praktijk.
In een vignettenstudie hebben 29 verzekeringsartsen zes fictieve casussen van mensen met een WIA-uitkering beoordeeld. Hieruit bleek dat de invloed van de beslishulp op de prognose en op het vertrouwen van verzekeringsartsen in hun eigen prognose laag was. Hoewel verzekeringsartsen in het algemeen weinig belemmeringen ervaarden voor gebruik van de beslishulp, gaf een minderheid (28%) van de artsen aan de beslishulp te willen gebruiken in de eigen verzekeringsgeneeskundige praktijk.

Aandachtspunten

  • Verzekeringsartsen beschouwen de prognose van arbeidsongeschiktheid als één van de lastigste aspecten van de WIA-claimbeoordeling.
  • Een beslishulp, gebaseerd op een voorspelmodel, kan helpen bij het maken van (wetenschappelijk) onderbouwde beslissingen rondom het plannen van WIA-herbeoordelingen en de inzet van re-integratiedienstverlening.
  • Uit een vignettenstudie bleek dat de invloed van de beslishulp op de prognose en op het vertrouwen van verzekeringsartsen in hun eigen prognose laag was.
  • Hoewel in het algemeen weinig belemmeringen werden ervaren, gaf slechts een minderheid van de artsen aan de beslishulp te willen gebruiken in de praktijk.

Abstract

Assessment of prognosis of work disability is a challenging task for insurance physicians. An evidence-based decision support tool, based on a prediction model, could aid professionals in the decision-making process. This study aimed to evaluate the efficacy of such a tool on Dutch insurance physicians’ (IPs) prognosis of work ability and their prognostic confidence, and assess IPs’ attitudes towards use of the tool.
We conducted an experimental study including six case vignettes of claimants who were granted a work disability benefit among 29 IPs. The results of this study showed that the efficacy of the tool on IPs’ prognosis of work ability and their prognostic confidence was low. Although the perceived barriers were overall limited, only a minority of the IPs indicated that they would be willing to use the tool in practice.

Geef je reactie

Om te kunnen reageren moet je ingelogd zijn. Heb je nog geen account, maak dan hieronder een account aan. Lees ook de spelregels.