Henk Hilderink, Marjanne in t Panhuis Plasmans, Geert Jan Kommer, Nancy Hoeymans

Methodologie Trendscenario VTV-2014 Henk Hilderink, Marjanne in ’t Panhuis – Plasmans, Geert Jan Kommer, Nancy Hoeymans 20-06-2014

-1-

Methodologie Trendscenario VTV-2014

Inhoudsopgave 1.

Inleiding ................................................................................................................................ 5

2.

Data en methoden ................................................................................................................. 6 Input data................................................................................................................................. 6 Selectie en prioritering van ziekten en aandoeningen................................................................. 6

3.

Analyses van het historische trends ....................................................................................... 7 Lineaire regressie...................................................................................................................... 7 Poissonregressie ....................................................................................................................... 7 Leeftijdsklassen ........................................................................................................................ 8 Standaardisatie ......................................................................................................................... 8

4.

Projecteren naar de toekomst................................................................................................ 9 Demografische projecties .......................................................................................................... 9 Epidemiologische projecties....................................................................................................... 9 Demografische en epidemiologische projecties ........................................................................ 11 Projecties met modelleren: DYNAMO-HIA ................................................................................ 11

5.

Analyses en projecties van doodsoorzaken ........................................................................... 13 Invoerdata .............................................................................................................................. 13 Methode ................................................................................................................................. 13 Resultaten .............................................................................................................................. 13 Vergelijking met andere studies .............................................................................................. 15

6.

Analyses en projecties van risicofactoren, incidentie en prevalentie van ziekten.................... 18 Invoerdata .............................................................................................................................. 18 Methode ................................................................................................................................. 18 Risicofactoren ...................................................................................................................... 18 Incidentie en prevalentie ..................................................................................................... 18 Vergelijking met andere studies .............................................................................................. 18

7.

Analyses en projecties van (multi)morbiditeit....................................................................... 19

8.

Analyses en projecties van beperkingen en ervaren gezondheid ........................................... 21 Beperkingen............................................................................................................................ 21 Ervaren gezondheid ................................................................................................................ 21

9.

Analyses en projecties van zorguitgaven .............................................................................. 23 Trendanalyses......................................................................................................................... 23 Trends zoals gebruikt in de VTV-2014 ..................................................................................... 26 Voorgenomen beleid ............................................................................................................... 26 Invoerdata .............................................................................................................................. 27

10.

Onzekerheid in toekomstverkennen ................................................................................. 28

Dimensies van onzekerheden .................................................................................................. 28 Locatie van de onzekerheid.................................................................................................. 28 Resultaten van onzekerheidsanalyses ...................................................................................... 29 What if analyses roken ........................................................................................................ 30 What if analyses overgewicht............................................................................................... 31 Betrouwbaarheidsintervallen o.b.v. van verschillende bevolkingsprojecties .............................. 33 11.

Annex.............................................................................................................................. 39

-2-


Overzicht van projecties gebruikt in het trendscenario ............................................................. 39 Selectie van Ziekten in trendscenario ...................................................................................... 39 VTV2014 selectie van ziekten .................................................................................................. 40 Varianten voor risicofactoren: roken en BMI ............................................................................ 42 Roken.................................................................................................................................. 42 BMI ..................................................................................................................................... 42

-3-


Figuren en Tabellen Figuur 1: Verschillende projecties van gestandaardiseerde sterfte rates van Coronaire hartziekten .................................................................................................................................................. 10 Figuur 2: Verschillende projecties van gestandaardiseerde sterfte rates van dementie ................. 10 Figuur 3: Gestandaardiseerde sterfte bij Mannen, 1996-2030 voor een selectie van doodsoorzaken .................................................................................................................................................. 14 Figuur 4: Gestandaardiseerde sterfte bij Vrouwen, 1996-2030 voor een selectie van doodsoorzaken .................................................................................................................................................. 14 Figuur 5: Totale absolute sterfte naar doodsoorzaak, 2012-2030 voor een selectie van doodsoorzaken ........................................................................................................................... 15 Figuur 6: Absoluut van totale ziekte-specifieke sterfterates met sterfterates van de CBS bevolkingsprognose, Mannen, 2011-2030 ................................................................................... 16 Figuur 7: Absoluut van totale ziekte-specifieke sterfterates met sterfterates van de CBS bevolkingsprognose, Vrouwen, 2011-2030 .................................................................................. 16 Figuur 8: Vergelijking tussen levensverwachting gebaseerd op ziekte-specifieke sterfterates en CBS bevolkingsprognose, 2011-2030 ................................................................................................. 17 Figuur 9: Projectie van mensen met minimaal 1 chronische ziekte, demografische projectie en demografische projectie + epidemiologische trend, 2012-2030.................................................... 19 Figuur 10: Projectie van mensen met minimaal 2 chronische ziekte, demografische projectie en demografische projectie + epidemiologische trend, 2012-2030.................................................... 20 Figuur 11: Projectie van mensen met een lichamelijke beperking (horen, zien en/of mobiliteit), demografische projectie en demografische projectie + epidemiologische trend, 2011-2030.......... 21 Figuur 12: Projectie van mensen met een lichamelijke beperking (horen, zien en/of mobiliteit), demografische projectie en demografische projectie + epidemiologische trend, 2011-2030.......... 22 Figuur 13: Verschillende locaties van onzekerheid ....................................................................... 28 Figuur 14: Varianten voor niet-roker, rokers en ex-rokers, 2011-2030 ........................................ 30 Figuur 15: Effecten van varianten op incidentie coronaire hartziekten, 2011-2030 ....................... 31 Figuur 16: Effecten van varianten op incidentie longkanker, 2011-2030 ...................................... 31 Figuur 17: Varianten voor verschillende BMI categorieën, 2011-2030.......................................... 32 Figuur 18: Effecten van varianten op prevalentie diabetes mellitus, 2011-2030 ........................... 33 Figuur 19: Totale bevolking, trendscenario met betrouwbaarheidsintervallen, 2012-2030 ............ 34 Figuur 20: Trendscenario en varianten voor het voorkomen van 1 ziekte, 2012-2030 .................. 34 Figuur 21: Trendscenario en varianten het voorkomen meer dan 1 ziekte, 2012-2030................. 35 Figuur 22: Trendscenario en varianten voor het aantal mensen met een beperking, 2012-2030... 35 Figuur 23: Trendscenario en varianten voor het aantal mensen met een (zeer) goede ervaren gezondheid, 2012-2030 .............................................................................................................. 36 Figuur 24: Trendscenario en varianten en zorguitgaven variant A, 2012-2030 ............................. 36 Figuur 25: Trendscenario en varianten en zorguitgaven variant B, 2012-2030 ............................. 37 Figuur 26: Trendscenario en varianten voorkomen van diabetes mellitus, 2012-2030 .................. 37 Figuur 27: Trendscenario en varianten voorkomen van coronaire hartziekten, 2012-2030............ 38 Figuur 28: Trendscenario en varianten en incidentie van coronaire hartziekten, 2012-2030 ......... 38 Figuur 29 Gemodelleerde transitie tussen verschillende rookklassen ............................................ 42 Figuur 30 Gemodelleerde transitie tussen verschillende BMI-klassen ........................................... 43 Tabel 1 Verkort overzicht gebruikte bronnen voor de analyses en projecties in het Trendscenario .. 6 Tabel 2: Trends in de zorguitgaven in de periodes tussen 1999 en 2011 en de gemiddelde groei per jaar voor de verschillende componenten van de groei.................................................................. 24 Tabel 3: Nominale restgroei zoals gebruikt in de verkenningen van de zorguitgaven.................... 26 Tabel 4: Projecties gebruikt in het trendscenario ......................................................................... 39 Tabel 5: Ziekten in trendscenario ................................................................................................ 39 Tabel 6: VTV2014 selectie van ziekten ........................................................................................ 40

-4-


1.

Inleiding

Voor de VTV-2014 worden er in het Trendscenario trends uit het verleden geprojecteerd naar de toekomst. Hierbij wordt verondersteld dat de huidige maatschappelijke ontwikkelingen doorgaan en er geen nieuw of aanvullend beleid is in de toekomst. In het Trendscenario worden diverse aspecten beschreven, van drijvende krachten en determinanten tot gezondheidstoestand en zorguitgaven. De tijdshorizon die we hanteren is 2030. In dit document wordt de verantwoording gegeven voor de methode die is gebruikt voor het maken van de toekomstprojecties voor incidentie en prevalentie van een selectie van ziekten, doodsoorzaak-specifieke sterfte, het aantal chronisch zieken en multimorbiditeit, ervaren gezondheid, beperkingen en zorguitgaven. Hiervoor worden de gebruikte databronnen, de selectie van data bijvoorbeeld t.a.v. ziekten en doodsoorzaken, de analysemethoden en de projectiemethoden beschreven. Waar mogelijk worden de uitkomsten van het trendscenario vergeleken met andere projecties. Ook wordt er een beschouwing gegeven van de onzekerheden waarmee het trendscenario gemoeid gaat. Allereerst wordt de algemene methode beschreven, daarna zal verder worden ingegaan op de verschillende onderwerpen. Tenslotte worden de onzekerheden in deze resultaten nader geduid.

-5-


2. Data en methoden Input data Voor de input data voorde analyses wordt zoveel mogelijk gebruik gemaakt van nationale databronnen. In het Nationaal Kompas Volksgezondheid staat een overzicht en verantwoording gegeven van alle gebruikte bronnen 1. In Tabel 1 is een verkort overzicht geven van de meest gebruikte bronnen voor de analyses en projecties in het Trendscenario. Tabel 1 Verkort overzicht gebruikte bronnen voor de analyses en projecties in het Trendscenario

Onderwerp Incidentie, prevalentie Sterfte Het aantal chronisch zieken en multimorbiditeit Beperkingen en ervaren gezondheid Zorguitgaven

Data RNH en CMR

Analyse Regressie

Jaren 2001-2011

Standaardisatiejaar 2010

CBS doodsoorzakenstatistiek CBS Gezondheidsenquêtes 2001-2011

Regressie

1996-2011

2011

Regressie

2001-2011

2011

CBS POLS

Regressie

1990-2011

2011

CBS zorgrekening, Kosten van ziekte

N.v.t.

1999, 2003, 2007, 2011

n.v.t.

Selectie en prioritering van ziekten en aandoeningen De VTV2014-selectie bestaat uit 55 ziekten en aandoeningen 2. Omwille van haalbaarheid is er een verdere inperking gemaakt van deze selectie voor het Trendscenario. De selectie van ziekten en doodsoorzaken die zijn opgenomen in het trendscenario is gemaakt op basis van de DALY rangorde van de VTV-selectie van ziekten. De selectie o.b.v. de DALY-rangorde is ook getoetst aan andere rangorden zoals prevalentie, doodsoorzaken en ziekte-specifieke uitgaven om er zeker van te zijn dat ook uitgaande van andere criteria, de belangrijkste ziekten zijn geprioriteerd. In de Annex is de tabel opgenomen met het overzicht van deze ziekten en aandoeningen.

1

www.nationaalkompas .nl/algemeen/meta-informatie/bronbeschrijvingen/ www.nationaalkompas .nl/gezondheid-en-ziekte/ziekten-en- aandoeningen/hoe-zijn-de-ziekten-en-aandoeningen-voor-hetkompas - geselecteerd/ 2

-6-


3. Analyses van het historische trends Bij het analyseren van trends willen we weten of variabelen (bijvoorbeeld het aantal mensen met een bepaalde ziekte) zijn veranderd over de tijd. De relatie tussen variabelen kan worden geanalyseerd met regressiemethoden. Met regressiemethoden kunnen verklarende variabelen worden geïdentificeerd die gerelateerd zijn aan een uitkomstvariabele. Op basis van één of meer (onafhankelijke) verklarende variabelen wordt een voorspelling gemaakt voor een (afhankelijke) uitkomstvariabele. We hebben analyses uitgevoerd voor incidentie en prevalentie van de belangrijkste ziekten, doodsoorzaak-specifieke sterfte, beperkingen en ervaren gezondheid, risicofactoren en het aantal chronisch zieken en multimorbiditeit. De analyses zijn uitgevoerd voor verschillende leeftijdsklassen en geslacht. Als er is in de trendanalyses een significante verandering is gevonden, dan kan de procentuele verandering over de tijd worden berekend. Hiervoor berekenen we de procentuele verandering tussen de gefitte waarde van het beginjaar en de gefitte waarde van het eindjaar. De resultaten worden vervolgens gebruikt voor de toekomstprojecties. Er bestaan verschillende regressiemethoden. Wij hebben voor het trendscenario gebruik gemaakt van (enkelvoudige) lineaire regressie en van Poissonregressie. Deze methoden zullen we hieronder kort toelichten.

Lineaire regressie De meest gebruikte regressiemethode is lineaire regressie. Het lineaire regressiemodel wordt gegeven door: 𝑖 = 1… 𝑛 𝑦𝑖 = 𝛽0 + 𝛽1 𝑥1𝑖 + ⋯ + 𝛽𝑘 𝑥𝑘𝑖

Hierbij n k 𝑦𝑖 𝑥𝑗𝑖 𝛽0 𝛽𝑗

is: het aantal observaties het aantal verklarende variabelen. de voorspelde waarde van de afhankelijke variabele van observatie i de j-de waarde van de verklarende variabele van de i-de observatie de intercept (dit is de voorspelde waarde van y wanneer alle verklarende variabelen nul zijn) de regressiecoëfficient voor de j-de verklarende variabele (de slope)

Het doel is om modelparameters (intercept en slopes) de schatten die het verschil minimaliseren tussen de geobserveerde en de voorspelde variabelen met behulp van de kleinste kwadratenmethode. Voor het trendscenario is gebruik gemaakt van enkelvoudige lineaire regressie. Hierbij is er sprake van slechts één voorspellende variabele, namelijk de tijd.

Poissonregressie We willen weten of de incidentie, prevalentie en sterfte van ziekten is veranderd en over een bepaalde periode. Het gaat hier om de rates. Dit is het aantal gevallen per tijdseenheid PY (personyears). Poissonregressie kan gebruikt worden om verandering in de rates over de tijd te analyseren. Poissonregressie wordt gebruikt om een uitkomstvariabele te voorspellen die tellingen representeert. Hierbij wordt aangenomen dat de waarnemingen Poisson-verdeeld zijn met een verwachtingswaarde (en variantie) 𝜆. Bij een constante rate 𝜌 zullen er meer gevallen optreden naarmate het aantal persoonsjaren PY groter is. De rate 𝜌 kan worden weergeven door:

𝜌=

𝜆

𝑃𝑌

Met Poissonregressie wordt de log (𝜌) gemodelleerd als een lineaire functie van de verklarende variabelen 𝑥1, 𝑥1, … , 𝑥𝑘 . -7-


log (𝜌) = log (

𝜆

𝑃𝑌

) = log (𝜆) − log (𝑃𝑌) = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ + 𝛽𝑘 𝑥𝑘

Doordat de log van 𝜌 wordt genomen, kan de rate 𝜌 nooit negatief worden, en dat is belangrijk want tellingen zijn altijd positief. De formule kan worden herschreven als:

log 𝜆 = log(𝑃𝑌) + 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ + 𝛽𝑘 𝑥𝑘

De log(𝑃𝑌) wordt de offset genoemd, en wordt meegenomen in de analyse.

Leeftijdsklassen

De analyses zijn voor 5-jaars-leeftijdsgroepen uitgevoerd met Poissonregressie. Als er op dit niveau geen significante resultaten zijn gevonden, dan zijn de analyses op grotere leeftijdsgroepen uitgevoerd. Als er helemaal geen significante resultaten zijn gevonden voor de gekozen leeftijdsindelingen, dan wordt er naar de trends voor de totale populatie gekeken. Als er voor de totale populatie ook geen significante trends zijn gevonden, dan worden er geen veranderingen verondersteld, en is de toekomstige projectie gelijk aan de demografische projectie. De trendanalyses voor de gestandaardiseerde totalen zijn uitgevoerd met behulp van lineaire regressie omdat er door te standaardiseren geen sprake meer is van tellingen, en een Poissonregressie dan niet meer toegepast mag worden.

Standaardisatie We willen weten of de incidentie en prevalentie van ziekten of de sterfte is veranderd over een bepaalde periode. We zijn geïnteresseerd in de rates. Veranderingen in rates kunnen geanalyseerd worden op geobserveerde rates, maar ook op gestandaardiseerde rates. Rates kunnen gestandaardiseerd worden om te corrigeren voor veranderingen in leeftijdsopbouw in de bevolking. Bij het standaardiseren van rates hebben we gebruik gemaakt van directe standaardisatie. Met deze manier van standaardiseren worden de leeftijd-specifieke rates van de verschillende jaren toegepast op een standaardpopulatie. Dit levert de rates die je zou vinden als de bevolking dezelfde leeftijdsopbouw zouden hebben als de standaardpopulatie. Een andere manier van standaardiseren is indirecte standaardisatie. Bij indirecte standaardisatie worden de leeftijd-specifieke rates van de standaardpopulatie toegepast op de leeftijdsverdeling van een populatie. Met deze manier van standaardiseren kunnen populaties onderling niet goed vergeleken worden. Met directe standaardisatie kan dat wel. Om direct te kunnen standaardiseren zijn er een aantal gegevens nodig: -

𝑂𝑖 , het aantal gevallen in leeftijdsklasse 𝑖 𝑛𝑖 , de populatie in leeftijdsklasse 𝑖 𝑤𝑖 , de populatie in de standaardpopulatie in leeftijdsklasse 𝑖

De direct gestandaardiseerde rate (DSR) wordt als volgt berekend: 𝐷𝑆𝑅 =

1 𝑤𝑂 ×� 𝑖 𝑖 ∑ 𝑖 𝑤𝑖 𝑛𝑖 𝑖

-8-


4. Projecteren naar de toekomst We onderscheiden vier methoden voor het maken van toekomstprojecties: •

• • •

Demografische projecties: Hierbij worden op basis van alleen toekomstige veranderingen van de omvang en leeftijdsopbouw van de bevolking projecties gemaakt terwijl de relatieve geslachts- en leeftijdsspecifieke cijfers (bijvoorbeeld van prevalentie) uit het beginjaar van de projectie constant worden gehouden. Epidemiologische projecties: De toekomstprojecties worden gedaan op basis van analyses van epidemiologische trends in het verleden waarbij de toekomstige bevolkingsopbouw niet veranderd. Combinatie van demografische en epidemiologische projectie: Bij deze combinatie worden er naast veranderingen in bevolkingsopbouw ook epidemiologische trends meegenomen. Hierbij veranderen ook de leeftijdsspecifieke cijfers in de toekomst. Modellering met DYNAMO-HIA (DYNAnamic MOdeling for Health Impact Assessment, Lhachimi et al, 2012 3): DYNAMO-HIA is een model dat het effect van ontwikkelingen in risicofactoren zoals roken en overgewicht op prevalentie- en incidentiecijfers van gerelateerde chronische ziekten berekent.

Demografische projecties De meest basale vorm van het maken van een toekomstprojectie is een demografische projectie. Hierbij worden alle leeftijdsen geslachtsspecifieke rates constant gehouden (bijvoorbeeld op de waarde van het meest recente jaar) en veranderen alleen de leeftijdsen geslachtsspecifieke aantallen. Doordat de totale bevolking toeneemt, neemt ook bijvoorbeeld het aantal zieken toe. Daarnaast verandert ook de leeftijdsstructuur van de bevolking, waardoor ook de absolute aantallen van de projectie veranderen. Als bijvoorbeeld de prevalentie van een ziekte toeneemt bij hogere leeftijden, en de leeftijdsspecifieke cijfers hetzelfde blijven, dan zal de absolute prevalentie van een ziekte in de bevolking toenemen als de bevolking vergrijst. Een demografische projectie geeft inzicht in de bijdrage die alleen demografie, door groei van de bevolking en veranderende leeftijdsopbouw, heeft aan toekomstige veranderingen. Voor het trendscenario is de CBS bevolkingsprognose 2012 (CBS, 2012 4) gehanteerd om deze relatieve cijfers naar absolute aantallen om te rekenen.

Epidemiologische projecties Ook de leeftijdsspecifieke rates kunnen veranderen in de tijd. Een goed voorbeeld hiervoor zijn de sterfte-rates als gevolg van hart- en vaatziekten die een sterke daling hebben laten zien over de afgelopen decennia, of de stijging van de relatieve prevalentie van diabetes. In een epidemiologische projectie veranderen de relatieve leeftijdsen geslachtsspecifieke cijfers terwijl de bevolkingsstructuur constant wordt gehouden. Voor het berekenen van toekomstige geslachten leeftijdsspecifieke rates worden de gemiddelde significante jaarlijkse veranderingen of groeifactoren die uit de analyses komen gebruikt. De groeifactor is berekend door: 1

rate eindjaar eindjaar−beginjaar � groeifactor = � rate beginjaar

Het gaat hier om de gefitte rates die met behulp van de regressieanalyses zijn berekend. Beginjaar is het eerste jaar en eindjaar is het laatste jaar dat is meegenomen in de regressieanalyse. De toekomstige rates worden dan berekend door de berekende jaarlijkse verandering toe te passen op de waarden van het laatste jaar van de waarneming, het startjaar voor de projectie. Voor prevalentie en incidentie is dit bijvoorbeeld 2011. Het gevolg hiervan is dat als de 2011-waarde afwijkt van de gefitte trend, en dat deze incidentele afwijking structureel wordt meegenomen in toekomstige ontwikkelingen. Een voordeel van het nemen van de geobserveerde 2011-waarde is 3 L hac himi SK, N usselder WJ , Smit H A , van Baal P , Baili P, Bennett K, Fernández E , Kulik MC, L obstein T , P omerleau J , M ac kenbach J P, Boshuizen H C. D YNAMO-HIA-a D ynamic M odeling tool for generic H ealth I mpact A ssessments. P LoS O ne. 2 0 1 2;7(5):e33317. 4 C BS, C entraal Bureau voor de Statistiek (C BS). Bevolkingsprognose 2 012-2060: L anger leven, langer werken. D en H aag, H eerlen: C BS,2012

-9-


dat de het eerste jaar van de projectie volledig overeenkomt met de registraties. De rates voor de toekomst worden berekend door: Rate (t+1) = Rate (t) * (groeifactor) Bij een groeifactor die kleiner dan 1 is, is er sprake van een exponentiële afname, en is 0 de ondergrens. De geprojecteerde rates kunnen met deze benadering dus nooit dus nooit nul of negatief worden. Bij lineaire extrapolatie kunnen negatieve waarden zich voordoen. Voor doodsoorzaken die heel sterk gedaald zijn in de afgelopen periode zou dit met lineaire extrapolatie kunnen optreden. Onderstaande figuur illustreert dit, hierin zijn de gestandaardiseerde sterfte rates van mannen aan Coronaire hartziekte weergeven.

Figuur 1: Verschillende projecties van gestandaardiseerde sterfte rates van Coronaire hartziekten

Figuur 2: Verschillende projecties van gestandaardiseerde sterfte rates van dementie

Met eenzelfde benadering van groeifactoren groter dan 1 is er een exponentiële groei waarbij er geen bovengrens is. Ook met een lineaire groei is er geen bovengrens en lijken sterfte rates hoge

- 10 -


waarde aan te nemen die weinig plausibel lijken te zijn. Hierbij is een additionele veronderstelling gemaakt dat deze verandering over de tijd afneemt over een periode van 30 jaar. Hiermee krijgt de projectie van rate met een groeifactor groter dan 1 een soortgelijk gedrag als bij groeifactoren kleiner dan 1, namelijk dat de tweede afgeleide negatief is. Onderstaande figuur illustreert dit aan de hand van gestandaardiseerde sterfte rate van mannen aan dementie geprojecteerd volgens de verschillende methoden.

Demografische en epidemiologische projecties In deze projectie veranderen zowel de leeftijdsen geslachtsspecifieke cijfers alsook de achterliggende demografie kenmerken. Hierdoor kan het voorkomen dat er voor sommige projecties de relatieve projecties dalen terwijl de projectie van de aantallen stijgt als gevolg van veranderende leeftijdsstructuur. Dit is het geval bij dikke darmkanker waarbij de reductie in de sterfte minder hard gaat dan de vergrijzing. Ook komt het voor dat in een demografische projectie er een stijging te zien is terwijl de gecombineerde projectie een daling laat zien (bijvoorbeeld bij de projectie van mensen met een beperking). Het is dus van belang om beide componenten van deze projectie te onderscheiden om te de toekomstige veranderingen goed te kunnen duiden.

Projecties met modelleren: DYNAMO-HIA De demografische en epidemiologische projecties zijn relatief eenvoudig. Er wordt geen rekening gehouden met onderliggende factoren die ook kunnen veranderen. Zo kunnen veranderingen in proximale determinanten als roken en overgewicht bijvoorbeeld de epidemiologisch trends beïnvloeden. Ook distale determinanten als economie en milieu hebben hun invloed op de volksgezondheid en zorg. Om de effecten van dergelijke veranderingen in determinanten op gezondheid te kunnen kwantificeren kunnen computer simulatiemodellen gebruikt worden. Een van deze modellen is DYNAMO HIA. Dit model is in Europees verband ontwikkeld om de gezondheidsimpacts wat betreft incidentie en prevalentie te berekenen die gerelateerd is aan een aantal gezondheidsrisico’s. Met het model kan ook sterfte met een bepaalde ziekte worden berekend, maar niet de sterfte als gevolg van deze ziekte. In DYNAMO HIA zitten geen veronderstellingen ten aanzien van epidemiologische trends, anders dan die als gevolg van veranderingen in risicofactoren. De effecten van verbeterde overleving van bepaalde ziekten wordt niet meegenomen. Er is een beperkt aantal ziekten gemodelleerd waardoor deze methode niet volledig inzetbaar is voor de geselecteerde ziekten. Met DYNAMO-HIA kunnen verschillende toekomstscenario’s worden doorgerekend. Met het model kan de impact van veranderingen in risicofactoren (bijvoorbeeld door beleidsveranderingen of interventies) op verschillende ziekten voor een populatie worden berekend. Er kan bijvoorbeeld worden berekend wat de invloed op het aantal mensen met een bepaalde ziekte is als er minder mensen gaan roken. Box Ziekte m odellering in de VTVs

Tot recent was het Chronisch Ziekte Model (CZM) het best beschikbare model voor het doorrekenen van toekomstprojecties van risicofactoren en incidentie en prevalentie van ziektes. De meest recente versie van CZM is ge-audit en op basis van de bevindingen is besloten een nieuwe generatie modellen te ontwikkelen voor de modellering van chronische ziekten. Bij deze ontwikkeling zal gebruik gemaakt worden van de nieuwste inzichten en technieken en rekening worden gehouden met veranderde eisen en wensen. Voor VTV2014 speelt onder andere een rol dat de toepassing van het CZM voor VTV2014 beperkt is door de prominente rol van scenario's. CZM is met name ontwikkeld om verschillende interventiestrategieën te kunne analyseren en minder geschikt een integraal toekomstbeeld als het trendscenario voor de VTV-2014 te maken. Er is een alternatief (DYNAMO HIA) dat beter aansluit bij de eisen die er gesteld worden, wat betreft transparantie en flexibiliteit. Dit model is net als het CZM een internationaal en goed gedocumenteerd model en is o.a. in de VTV-2104 gebruikt. De basis van DYNAMO-HIA is een Markov model waarin de risicofactorklassen de verschillende modeltoestanden voorstellen. In het model zijn de risicofactoren in verschillende klassen ingedeeld. Roken is bijvoorbeeld ingedeeld in de klassen roken, niet-roken, gestopt. Het is mogelijk om van de ene klasse naar de andere klasse te gaan. De kansen om van de ene klasse naar een andere klasse te gaan, de zogenaamde transitiekansen, zijn vastgelegd in tabellen. Er zijn transitiekansen beschikbaar voor elke combinatie van leeftijd en geslacht.

- 11 -


Op basis van transitiekansen tussen de risicofactorklassen wordt berekend wat er in de toekomst gebeurd. Er zijn drie opties om transities te specificeren: 1. Gebruiker-specifieke-transities: Gebruikers kunnen zelf transitierates toevoegen. 2. Netto-transities: De leeftijdsspecifieke prevalentieverdeling in de populatie blijft dan altijd hetzelfde. De prevalentie per leeftijd en geslacht verandert dan niet. 3. Zero-transities: Er zijn geen transities tussen risicofactorklassen. Iedereen blijft dan voor altijd in de klasse zitten waarin ze in het startjaar van de simulatie zitten. De initiële verdeling van de risicofactorklassen en de default transitiekansen tussen de risicofactorklassen kunnen worden aangepast. Dit kan worden aangepast voor elke combinatie van leeftijd en geslacht. Op lange termijn zal de verdeling over de risicofactorklassen in een evenwichtstoestand komen, die alleen bepaald wordt door de transitiekansen. Dus als dezelfde transitiekansen gebruikt worden voor twee scenario’s, zal op lange termijn de verdeling over de risicofactorklassen hetzelfde worden. Bij het gebruik van de netto-transitierates is die niet het geval.

- 12 -


5. Analyses en projecties van doodsoorzaken Invoerdata Voor de doodsoorzaken wordt de CBS doodsoorzakenstatistiek gebruikt. De langjarige historische trend (1979-2011) is hierbij het uitgangspunt. In de periode voor 1996 zijn de hogere leeftijden niet verder uitgesplitst dan 85+, en vanaf 1996 is de data voor deze leeftijdsgroep wel verder uitgesplitst en wordt dit ook meegenomen in de analyses. In 1996 heeft er ook een verandering in codering 5 plaatsgevonden, waardoor voor een aantal doodsoorzaken alleen de historische data vanaf 1996 is gebruikt.

Methode Een demografische projectie is voor een verkenning van toekomstige sterfte slechts beperkt bruikbaar. De veranderingen in sterftecijfers zijn dusdanig substantieel dat de veronderstellingen voor toekomstige ontwikkelingen gebaseerd moeten worden op de historische analyses. Er is voor het trendscenario dan ook de demografische en epidemiologische projectie gebruikt. In totaal zijn 22 doodsoorzaken geprojecteerd. In de analyses is ook reststerfte als categorie onderscheiden. Met deze categorie dekken de projecties de gehele sterfte in de Nederlandse bevolking af. Het doel van de doodsoorzakenprojectie in het trendscenario is overigens niet het projecteren van de volledige toekomstige sterfte naar doodsoorzaken. De categorie reststerfte, waarvoor de projecties nagenoeg niet te valideren zijn, is daarvoor met 20-30% van alle sterfte omvangrijk. Ook lijken onzekerheden in de achterliggende data groot, bijvoorbeeld wat betreft primaire doodszaken op hogere leeftijden groot. Deze sterftecijfers hebben een grillig verloop wat vaak leidt tot niet-significante resultaten van de analyses.

Resultaten De resultaten van de projecties laten zien dat er belangrijke veranderingen in doodsoorzaken te verwachten zijn. Door naar de gestandaardiseerde sterfte te kijken kunnen we goed zien hoe voor een aantal doodsoorzaken als coronaire hartziekten en en beroerte de daling over de afgelopen periode in de toekomst doorzet. Voor andere doodsoorzaken als dementie en vallen zien je juist een stijging optreden. Figuur 5 geeft de projectie van totale sterfte, als combinatie van de leeftijdsen geslachtsspecifieke sterfte-rates voor de 22 doodsoorzaken (en de reststerfte) en de bevolkingsprognose.

5

www.cbs.nl/nl-NL/menu/themas/gezondheidwelzijn/methoden/dataverzameling/overige-dataverzameling/doodsoorzakenstatistiektoelichting.htm - 13 -


Figuur 3: Gestandaardiseerde sterfte bij Mannen, 1996-2030 voor een selectie van doodsoorzaken

Figuur 4: Gestandaardiseerde sterfte bij Vrouwen, 1996-2030 voor een selectie van doodsoorzaken

- 14 -


Figuur 5: Totale absolute sterfte naar doodsoorzaak, 2012-2030 voor een selectie van doodsoorzaken

Vergelijking met andere studies •

• •

CBS: Het CBS maakte van oudsher als onderdeel van de demografische prognoses, ook prognoses voor doodsoorzaak-specifieke sterfte (CBS, 2013 6). Bij de meest recente prognose uit 2012 is echter alleen een prognose voor rookgerelateerde sterfte (met name longkanker) en niet-rookgerelateerde sterfte gemaakt (Stoeldraijer, 2013). Voor sterfte als gevolg van longkanker worden de prognoses van CBS gebruikt voor de VTV. Daarnaast zijn ook de veronderstellingen van de doodsoorzaakspecifieke sterfte van de vorige prognose gebruikt ter vergelijking. Deze zijn echter vaak meer kwalitatief beschreven. Voor borstkanker, overige kankers (inclusief dikke darmkanker), prostaatkanker, en verkeersdoden worden de resultaten vergeleken met het CBS. De totale sterfte is ook vergeleken met de CBS bevolkingsprognose. Hieruit blijkt dat de ziekte-specifieke sterfte projectie die voorde VTV-2014 is gedaan licht afwijkt, met name op hogere leeftijden (boven de 85). Voor de mannen is de VTV-projectie voor 85plussers gunstiger terwijl deze voor vrouwen iets ongunstiger is. Dit resulteert in een levensverwachting voor vrouwen die in lijn is met het CBS maar voor mannen meer dan 1 jaar hoger uitvalt. Hiermee wordt het verschil tussen mannen en vrouwen ook kleiner dan bij het CBS. De totale sterfte (figuur 5) komt ongeveer 2 duizend doden hoger uit dan de prognose van het CBS. KWF: Een studie van het KWF waarin sterfte als gevolg van diverse kankers wordt geprojecteerd (KWF, 2012 7) wordt gebruikt om projecties voor kankers te vergelijken. GBD: Een andere bron om sterfteprojecties te vergelijken is de Global Burden of Disease (Matters and Loncar, 20058) waarin ook projecties voor sterfte gedaan zijn. Een kanttekening hierbij is dat de projecties al wat ouder zijn, en Nederland niet apart wordt onderscheiden, maar onder regio Europa valt.

6

Stoeldraijer, L., C. van Duin, F. Janssen (2013), Bevolkingsprognose 2012-2060: Model en veronderstellingen betreffende de sterfte. [Population forecast 2012-2060: Model and assumptions on mortality] Bevolkingstrends June 2013, pp. 1-27. www.cbs.nl/NR/rdonlyres/2861D0B3-3A15-4EB2-8099858BD802CD5A/0/201307b15art.pdf 7

KWF (2 0 1 2), Kanker in N ederland tot 2 020 T rends en prognos es, Signaleringscommissie Kanker van KWF Kankerbestrijding M athers C D, L oncar D (2 006) P rojections of G lobal M ortality and Burden of D is ease from 2 0 0 2 to 2 030. P L oS M ed 3 (1 1): e4 4 2. doi:1 0.1371/journal.pmed.0030442

8

- 15 -


Figuur 6: Absoluut van totale ziekte-specifieke sterfterates met sterfterates van de CBS bevolkingsprognose, Mannen, 2011-2030

Figuur 7: Absoluut van totale ziekte-specifieke sterfterates met sterfterates van de CBS bevolkingsprognose, Vrouwen, 2011-2030

- 16 -


Figuur 8: Vergelijking tussen levensverwachting gebaseerd op ziekte-specifieke sterfterates en CBS bevolkingsprognose, 2011-2030

- 17 -


6. Analyses en projecties van risicofactoren, incidentie en prevalentie van ziekten Invoerdata Zie het Nationaal Kompas Volksgezondheid voor de beschrijving van de databronnen.

Methode Risicofactoren Voor het trendscenario is onderzocht of er een trend is voor de risicofactoren zoals roken, alcoholgebruik en overgewicht (voor de data zie Nationaal Kompas Volksgezondheid 9). De trends zijn geanalyseerd voor de periode 1990-2011 met behulp van Poissonregressie voor de totale bevolking en daarnaast ook voor drie leeftijdsklassen. Om te onderzoeken wat het effect van veranderingen in leeftijdsopbouw van de bevolking over de tijd is, is de data gestandaardiseerd naar de Nederlandse bevolking van 2011. Dit is gedaan voor mannen en vrouwen apart. Er is hierbij gebruik gemaakt van de leeftijdsindeling: 25-44, 45-64 en 65+. Er is niet voor kleinere leeftijdsklassen gekozen omdat het aantal mensen met bepaalde risicofactoren voor sommige leeftijdsklassen anders te klein zou zijn, wat tot onbetrouwbare resultaten zou kunnen leiden. Vervolgens is met behulp van enkelvoudige lineaire regressieanalyse op de gestandaardiseerde data onderzocht of er een trend is voor de totale (gestandaardiseerde) bevolking. Voor de projectie van roken zijn de start-, stop- en herstart kansen uit 2007 gebruikt in combinatie met de verdeling van 2011. In het trendscenario neemt het percentage rokers iets af 10. Incidentie en prev alentie Voor de projectie van incidentie en prevalentie is er voor een aantal ziekten gebruikgemaakt van DYNAMO HIA. Dit zijn coronaire hartziekten, beroerte, hartfalen, diabetes, COPD, longkanker, borstkanker, dikke darm kanker en prostaatkanker. Op basis van de projecties van de risicofactoren zijn toekomstige incidentie en prevalentie berekend. Voor de overige ziekten zijn demografische projecties gedaan, waarbij de relatieve incidentieen prevalentiecijfers constant blijven op de 2011 waarde. De analyses op de historische data van de leeftijdsspecifieke incidentieen prevalentiecijfers leverden te weinig robuuste resultaten op om een additionele epidemiologische trend te kunnen vaststellen. Dit komt mede doordat veel data pas vanaf 2001 beschikbaar is en de registraties onzekerheid bevatten. Waar voor sterfte een nagenoeg volledige dekking van alle sterfte in Nederland voorhanden is, worden incidentieen prevalentiecijfers verkregen op basis van deelpopulaties (uit huisartsenregistraties). Hierdoor zijn de aantallen waarover de leeftijdsspecifieke cijfers naar ziekte berekend moeten worden soms erg klein. Ook de analyses op de gestandaardiseerde incidentieen prevalentiecijfers geven voor maar slecht

Vergelijking met andere studies •

• •

RIVM: Er zijn enkele studies beschikbaar om de resultaten van incidentieen prevalentieprojecties mee te vergelijken (bijv Baan en Schoenmaker, 2009 11 voor de projectie van de prevalentie van diabetes). In de meeste gevallen is er ook gebruik gemaakt van chronisch ziekten modellen zoals CZM en DYNAMO-HIA waardoor de meerwaarde van de vergelijking van de resultaten beperkt is. KWF: Voor de kankers zijn de resultaten vergeleken met de KWF studie (KWF, 2012 12), maar er is wel een verschil. In DYNAMO-HIA worden voor de kankers levenslange prevalenties berekend terwijl KWF de 10-jaarsprevalenties berekend. GBD: De Global Burden of Disease heeft projecties gedaan voor ziektejaren equivalenten (YLD) (Matters and Loncar, 2005 13). Deze projecties zijn echter alleen voor regio Europa en niet voor Nederland apart, en daarnaast zijn ze niet gebaseerd op incidentieen prevalentiecijfers maar zijn ze afgeleid uit de sterfteprojecties.

9

www.nationaalkompas .nl/gezondheidsdeterminanten/leefstijl/ www.eengezondernederland.nl/Trends_in_de_toekomst/Determinanten#c at-3 11 Baan C A , Sc hoemaker C G, J acobs-van der Bruggen M AM, H amberg-van Rheenen H H, V erkleij H , H eus S, et al. D iabetes tot 2 0 2 5, preventie en zorg in s amenhang. RI VM-rapport nr. 2 6 0322004. RIVM: Bilthoven,2 009. 12 KWF (2 0 1 2), Kanker in N ederland tot 2 020 T rends en prognos es, Signaleringscommissie Kanker van KWF Kankerbestrijding 13 M athers C D, L oncar D (2 006) P rojections of G lobal M ortality and Burden of D is ease from 2 0 0 2 to 2 030. P L oS M ed 3 (1 1) 10

- 18 -


7. Analyses en projecties van (multi)morbiditeit Voor het trendscenario hebben we onderzocht of het aantal mensen met minstens één of met twee of meer (multimorbiditeit) chronische ziekten is veranderd over de tijd. Het aantal mensen met een chronische ziekte of met multimorbiditeit is gebaseerd op registratie in de huisartsenpraktijken die meededen aan het landelijk informatienetwerk huisartsenzorg van het NIVEL (LINH) in 2011 14 (referentie naar Kompas). Het gaat om 28 geselecteerde chronische ziekten 15. De analyses voor de trend in (multi)morbiditeit zijn uitgevoerd op data uit de CBS Gezondheidsenquêtes voor de periode 2001-2011. De trends zijn geanalyseerd voor de periode 1990-2011 met behulp van Poissonregressie voor de totale bevolking. Om te corrigeren voor het effect van veranderingen in leeftijdsopbouw van de bevolking over de tijd is, is de data gestandaardiseerd. Hierbij is de data gestandaardiseerd naar de Nederlandse bevolking van 2011, en dit is gedaan voor mannen en vrouwen apart. Er is gebruik gemaakt van de volgende leeftijdsindeling: 25-29, 30-34, 35-39, 40-44, 45-49, 50-54, 55-59, 60-64, 65-69, 7074, 75-79, 80-84, 85+. De trends zijn geanalyseerd met behulp van enkelvoudige lineaire regressie op de gestandaardiseerde totalen met de tijd als verklarende variabele.

Figuur 9: Projectie van mensen met minimaal 1 chronische ziekte, demografische projectie en demografische projectie + epidemiologische trend, 2012-2030

14

www.nationaalkompas .nl/gezondheid-en-ziekte/ziekten-en- aandoeningen/c hronische-ziekten-en- multimorbiditeit/trend/ www.nationaalkompas .nl/gezondheid-en-ziekte/ziekten-en- aandoeningen/c hronische-ziekten-en- multimorbiditeit/s electievan- c hronische- ziekten/ 15

- 19 -


Figuur 10: Projectie van mensen met minimaal 2 chronische ziekte, demografische projectie en demografische projectie + epidemiologische trend, 2012-2030

- 20 -


8. Analyses en projecties van beperkingen en ervaren gezondheid Beperkingen Er is onderzocht of het aantal mensen met lichamelijke beperkingen is veranderd de afgelopen tijd. Het gaat hierbij om beperkingen in mobiliteit, horen of zien. De analyse van de trends voor lichamelijke beperkingen zijn uitgevoerd op data uit de CBS Gezondheidsenquête voor de periode 1990-1996, POLS voor 1997-2009 en de CBS Gezondheidsenquête voor 2010-2011. De trends voor 1990-2011 zijn geanalyseerd met behulp van Poissonregressie voor de totale bevolking en voor de leeftijdsklassen: 25-44, 45-64 en 65+. Om te onderzoeken wat het effect van veranderingen in leeftijdsopbouw van de bevolking over de tijd is, is de data gestandaardiseerd naar de Nederlandse bevolking van 2011. Dit is gedaan voor mannen en vrouwen apart. Door te standaardiseren is er rekening gehouden met veranderingen in leeftijdsopbouw van de bevolking over de tijd, en wordt hiervoor gecorrigeerd. Er is hierbij gebruik gemaakt van de leeftijdsindeling: 25-44, 45-64 en 65+. Er is niet voor kleinere leeftijdsklassen gekozen omdat het aantal mensen met lichamelijke beperkingen in de data voor sommige leeftijdsklassen anders te klein is, waardoor de analyseresultaten onbetrouwbaarder zouden zijn. Vervolgens is met behulp van enkelvoudige lineaire regressie onderzocht of er een trend is voor de totale (gestandaardiseerde) bevolking.

Figuur 11: Projectie van mensen met een lichamelijke beperking (horen, zien en/of mobiliteit), demografische projectie en demografische projectie + epidemiologische trend, 2011-2030

Ervaren gezondheid Ervaren gezondheid, ook wel subjectieve gezondheid of gezondheidsbeleving genoemd, weerspiegelt het oordeel over de eigen gezondheid. Ervaren gezondheid is een samenvattende gezondheidsmaat van alle relevante gezondheidsaspecten voor de persoon in kwestie 16. Voor ervaren gezondheid zijn geen analyses van historische trends gedaan en is er een demografische projectie gemaakt op basis van de 2011 data uit de gezondheidsmonitor. Deze data zijn beschikbaar voor mannen en vrouwen en voor de 5 jaarsleeftijdgroepen (van 0 tot 85 jaar) en de 85+ leeftijdsgroep. Voor het trendscenario is er gekeken naar de categorieën “goed” en “zeer goed” ervaren gezondheid enerzijds en de “minder goed” ervaren gezondheid anderzijds. De 16

www.nationaalkompas .nl/gezondheid-en-ziekte/functioneren-en- kwaliteit-van- leven/ervaren-gezondheid/

- 21 -


resultaten laten zien dat er de verandering in de demografische projectie gering zijn. De bevolking met minder goed ervaren gezondheid neemt iets meer toe dan de bevolking met een (zeer) goede ervaren gezondheid. Dit is komt doordat op hogere leeftijden het percentage met een (zeer) goede ervaren gezondheid afneemt in combinatie met een vergrijzende bevolking.

Figuur 12: Projectie van mensen met een lichamelijke beperking (horen, zien en/of mobiliteit), demografische projectie en demografische projectie + epidemiologische trend, 2011-2030

- 22 -


9. Analyses en projecties van zorguitgaven De analyse van de historische zorguitgaven volgt de methode die ook in de vorige Volksgezondheid Toekomst Verkenningen is gehanteerd. Deze methode maakt gebruik van de resultaten van de Kosten van ziekten-studies 17. Naast de Kosten van ziektecijfers, die gegeven zijn voor de peiljaren 1999, 2003, 2005, 2007 en 2011, worden voor de trendanalyse ook cijfers van de Zorgrekeningen van het CBS gebruikt. Dit betreft tijdreeksen van zorguitgaven per sector voor alle jaren vanaf 1999. In deze CBS-cijfers zijn de zorguitgaven gespecificeerd naar prijs en volume. De volumeontwikkeling wordt ook wel de nominale uitgavenontwikkeling genoemd waarin de prijsontwikkelingen niet zijn meegenomen. Het nominale volume omvat een aantal factoren. In de eerste plaats is er de demografie. Daarnaast zijn er factoren als medische technologie, het vraagen aanbod gedrag van patiënten en zorgaanbieders en diverse sociaal-culturele en sociaaleconomische factoren die de nominale uitgavengroei bepalen. In onze trendanalyses onderscheiden we binnen de nominale groei alleen de demografie, alle overige factoren worden in een verzamelpost ‘overige’ groei ondergebracht. In de CBS-tijdreeksen is deze overige volumegroei echter nog niet zichtbaar, hiervoor is gebruik van de Kosten van ziektecijfers noodzakelijk. Door de combinatie van de Kosten van ziekten-cijfers met de tijdreeks van de CBS-Zorgrekeningen van de nominale uitgaven kunnen wij binnen de nominale zorguitgaven het effect van demografie onderscheiden. Eindresultaat van de trendanalyse is de sectorspecifieke nominale uitgavengroei, gecorrigeerd voor demografie, de ‘overige’ volumegroei. Deze sectorspecifieke ‘overige’ volumegroei wordt gebruikt in de verkenningen van de toekomstige zorguitgaven.

Trendanalyses In de trendanalyse wordt de uitgavenontwikkeling over 1999-2011 geanalyseerd. Deze trendanalyse volgt de systematiek van de Kosten van ziektestudie over 2007 (Slobbe et al, 2010 18). In die rapportage zijn de uitgavenontwikkelingen over de periodes 1999-2003-2005-2007 geanalyseerd en gepubliceerd. Onze trendanalyse sluit hierbij aan. Voor deze analyse is een selectie gemaakt zodanig dat de uitgaven van 2011 aansluiten bij de definitie van de Kosten van ziekten-studie in 1999. De 1999-definitie was die van het toenmalige Budgettair Kader Zorg (BKZ), aangevuld met aanvullende verzekeringen en eigen betalingen. De 2011-studie gaat uit van de Zorgrekeningen van het CBS en is breder dan de definitie van de Kosten van ziekten-studie over 1999 (zie Tekstbox Definities van zorguitgaven). Om de studies over de jaren heen te kunnen vergelijken is gerekend met een selectie van actoren van de 2011-studie. Tabel 2 zet de resultaten op een rij, inclusief de eerder gepubliceerde trends over 1999-2007. De trends worden uitgedrukt als de gemiddelde jaarlijkse groei per zorgsector. De indeling van zorgsectoren is dezelfde als die in de vorige Kosten van ziektestudies is gebruikt.

17 18

www.kostenvanziekten.nl

Slobbe L C J, Smit J M , G roen J , P oos M JCC, Kommer G J Kosten van ziekten in N ederland 2 007. T rends in de N ederlandse zorguitgaven 1 999-2010. Bilthoven: RI VM,2011.

- 23 -


Tabel 2: Trends in de zorguitgaven in de periodes tussen 1999 en 2011 en de gemiddelde groei per jaar voor de verschillende componenten van de groei.

Totaal

Prijs

Volume totaal

Totaal zorg(2) 1999-2003(1 ) 9.7 5.7 4.0 2003-2005(1 ) 3.8 0.0 3.9 2005-2007(1 ) 5.0 1.9 3.1 2007-2011 4.4 0.3 4.1 Ziekenhuizen, medisch specialistische zorg 1999-2003 10.8 6.6 4.2 2003-2005 5.9 -0.3 6.2 2005-2007 5.0 2.3 2.7 2007-2011 4.5 0.3 4.2 Verstrekkers van geestelijke gezondheidszorg 1999-2003 8.4 3.9 4.5 2003-2005 6.1 0.1 6.0 2005-2007 5.2 -0.6 5.8 2007-2011 6.6 -0.7 7.3 Ouderenzorg 1999-2003 13.3 5.1 8.1 2003-2005 1.8 -1.0 2.8 2005-2007 5.6 0.6 5.0 2007-2011 4.4 1.2 3.2 Gehandicaptenzorg 1999-2003 17.1 4.7 12.3 2003-2005 6.1 1.1 5.0 2005-2007 4.2 2.9 1.3 4.7 1.5 3.2 2007-2011 Huisartsenzorg 1999-2003 17.0 9.1 7.9 2003-2005 -1.1 -0.2 -0.9 2005-2007 11.2 6.9 4.3 2007-2011 2.7 1.4 1.3 Tandartsen en paramedische zorg 1999-2003 9.6 6.5 3.2 2003-2005 1.6 1.6 0.0 2005-2007 8.1 2.6 5.5 2007-2011 6.7 1.4 5.3 Genees- en hulpmiddelen 1999-2003 10.3 4.6 5.7 2003-2005 2.5 -0.5 3.0 2005-2007 3.7 1.0 2.7 2007-2011 2.0 -2.5 4.5

demografie

overig volume

1.1 1.0 1.0 1.4

2.9 2.9 2.0 2.6

1.1 1.0 0.9 1.3

3.0 5.3 1.8 2.9

0.8 0.3 0.1 0.5

3.7 5.8 5.6 6.8

1.8 1.8 2.3 2.5

6.3 1.0 2.7 0.7

0.1 0.6 0.3 0.7

12.2 4.4 1.0 2.5

0.9 0.7 0.8 1.1

7.0 -1.6 3.5 0.3

0.2 0.3 0.4 0.7

2.9 -0.3 5.1 4.6

1.1 1.2 1.1 1.4

4.5 1.8 1.6 3.1

Noot 1: C ijfers 1999-2003-2005-2007 zijn in ontleend aan de KVZ-2007 studie (Slobbe et al, 2010 19) Noot 2: De cijfers voor ‘Totaal zorg’ is het totaal over de zorgsectoren in deze tabel.

19

Slobbe L C J, Smit J M , G roen J , P oos M JCC, Kommer G J Kosten van ziekten in N ederland 2 007. T rends in de N ederlandse zorguitgaven 1 999-2010. Bilthoven: RI VM,2011.

- 24 -


Box Definities van zorguitgaven 2 0 Er bestaan verschillende definities van ‘de zorguitgaven’ die in de VTV-2014 worden gebruikt. Veel gebruikt zijn de Zorgrekeningen (ZR) van het CBS. Hiervoor berekent het CBS de totale uitgaven voor ongeveer 80 ‘actoren’ in de zorg, die bij elkaar opgeteld de totale zorguitgaven vormen. Deze actoren beslaan een breed veld van gezondheidszorg en welzijnszorg. In de ZR worden alle uitgaven aan zorg meegenomen, ongeacht de financieringsbron, dus zowel het collectief gefinancierde deel (inclusief het verplicht eigen risico en verplichte eigen betalingen voor langdurige zorg), de aanvullend verzekerde zorg als de zorg die mensen direct uit eigen zak betalen. In sommige gevallen wordt een selectie van de ZR-definitie gekozen. Zo berekende het CPB in het rapport Toekomst voor de Zorg de totale zorguitgaven op basis van het ZRtotaal minus uitgaven aan kinderopvang, jeugdzorg, internaten, sociaal-cultureel werk en overige welzijnszorg (de Jong and van der Horst 2013). Deze sectoren beschouwde het CPB niet als zorg. De overige sectoren uit de ZR werden volledig geïncludeerd, dat wil zeggen inclusief de collectief gefinancierde zorg, de aanvullend verzekerde zorg, als de zorg die mensen direct betalen. Deze CPB-definitie omvatte zo 89% van de totale ZRuitgaven (zie Tabel 8.1). Voor macro-economische analyses en ramingen neemt het CPB overigens alleen de collectief gefinancierde zorguitgaven mee (CPB 2013). De keuze voor een bepaalde definitie hangt dus samen met de onderzoeksvraag. Voor inzicht in de collectieve betaalbaarheid van de zorg en de druk van de zorg op de overheidsfinanciën worden alleen de totale collectieve zorguitgaven bestudeerd, ofwel de uitgaven gefinancierd uit belastingen en premies. Hierbij gaat het voornamelijk om het zogenaamde Budgettair Kader Zorg (BKZ): “Het BKZ bestaat uit alle uitgaven die op basis van een wettelijke aanspraak dan wel een subsidie op grond van de Zvw of de AWBZ worden gemaakt” (VWS 2013). De AWBZ en Zvw vormen samen meer dan 95% van het totale BKZ. Het restant bestaat uit uitgaven in het kader van de Wet maatschappelijke ondersteuning (Wmo), de Wet tegemoetkoming chronisch zieken en gehandicapten (Wtcg), de zorguitgaven in Caribisch Nederland en bepaalde uitgaven aan opleidingen. De BKZ-definitie is dus minder ruim dan de ZR-definitie, omdat alle privaat gefinancierde zorg (zoals aanvullende verzekering) buiten beschouwing blijft. Daarnaast wordt een aantal collectief gefinancierde actoren niet tot zorg gerekend in het BKZ, zoals ARBO-diensten, GGD-en en kinderopvang. We sluiten in de VTV-2014 voornamelijk aan bij de definitie die het CPB heeft gebruikt in het rapport Toekomst voor de Zorg, aangezien de daar uitgesloten welzijnssectoren ook voor de VTV niet relevant zijn. Daarnaast is het voor het analyseren van trends in zorguitgaven van belang dat definities ongevoelig zijn voor wijzigingen in het basispakket. Vandaar dat de BKZ-definitie voor dat doel minder bruikbaar is. Het BKZ is daarentegen van belang bij het zichtbaar maken van het voorgenomen beleid. Voor internationale vergelijkingen wordt gebruik gemaakt van de internationaal gangbare definities van zorg en zorguitgaven volgens het System of Health Accounts (SHA) van de OECD. De OECD streeft met de SHA naar internationale vergelijkbaarheid van data, door gebruik te maken van gestandaardiseerde methoden en definities. Het belangrijkste verschil tussen het SHA en de ZR-definitie is dat een aantal voorzieningen niet meetelt als zorg in de SHA, voornamelijk in de ouderenzorg (onder andere huishoudelijke verzorging), gehandicaptenzorg en overige vormen van welzijnszorg. De totale zorguitgaven volgens de SHA is gelijk aan 75% van de totale zorguitgaven volgens de ZR.

20

www.gezondheids zorgbalans.nl/kosten/zorguitgaven/toelichting- op-indicatoren

- 25 -


Trends zoals gebruikt in de VTV-2014 In de VTV-2014 zijn de groeicijfers van het ‘overig volume’ van tabel 2 op twee manieren verder bewerkt. Ten eerste is een correctie gemaakt voor de lange termijn ontwikkelingen. Omdat de projecties van de VTV-2014 een tijdshorizon tot 2030 hebben zijn de trends uit tabel 2 gecorrigeerd voor de lange termijn ontwikkelingen vanaf 1972. Deze correctie is gebaseerd op een analyse van de totale zorguitgaven over 1972-2011. Dit interval omvat periodes van minder sterke groei en van budgettering van de zorguitgaven, zoals in de jaren tachtig van de vorige eeuw. Hierdoor zijn de trends van tabel 2 met een factor 1.3 naar beneden bijgesteld. Een tweede bewerking betreft de selectie van zorgsectoren. In de projectie van de VTV-2014 wordt aangesloten bij de definitie van zorguitgaven zoals het CPB die hanteert in haar publicatie over de toekomst van de zorg hanteert. Deze CPB-afbakening van de zorguitgaven is iets ruimer dan die gehanteerd wordt in de trendanalyses van de Kosten van ziekten-studies van tabel 2. Voor deze nieuwe zorgsectoren is een volumegroei vastgesteld op basis van de volumegroei van andere, soortgelijke sectoren. Er zijn geen nieuwe analyse gedaan voor deze sectoren. Na deze aanpassingen zijn voor de verkenningen twee varianten geconstrueerd. De eerste variant, A, is gebaseerd op de trends over 1999-2011. De trend in deze variant is een gewogen gemiddelde over de trends in de periodes uit tabel 2, 1999-2003, 2003-2005, 2005-2007 en 2007-2011. De tweede variant, B, is gebaseerd basis op de uitgavenontwikkeling over de periode 2007-2011 op basis van de Kosten van ziekten-studies in 2007 en 2011. Deze trends verschillen van de cijfers van tabel 2 omdat er geen selectie van actoren plaatsvindt om de aansluiting met eerdere studies te maken. De trends van deze varianten zijn tevens gecorrigeerd voor de lange termijn ontwikkelingen vanaf 1972 en sluiten in de afbakening aan bij die van het CPB. Het eindresultaat bestaat uit de sectorspecifieke overige volumegroei, zie tabel 3. Tabel 3: Nominale restgroei zoals gebruikt in de verkenningen van de zorguitgaven.

1 2 3 4 5 6 7 8 9

Ziekenhuizen GGZ Ouderenzorg Gehandicaptenzorg Huisartsenzorg Tandarts plus paramedische zorg Genees- en hulpmiddelen Overig Beleid en beheer

Trendscenario variant B Overige volumegroei obv 2007-2011 2.23 5.29 0.52 1.96 0.20 3.54

Trendscenario variant A Overige volumegroei obv 1999-2011 2.41 4.15 2.25 4.45 2.09 2.52

2.40 3.06 2.72

2.37 3.03 2.70

Voorgenomen beleid Na a st de twee va rianten i n het Trendscenario is er ook een i nschatting gemaakt va n de effecten va n het voorgenomen bel eid op de zorguitgaven. De projecties va n het voorgenomen beleid zi jn gemaakt voor cura tieve zorg en l angdurige zorg en hebben 2018 a ls ti jdshorizon. Voor de projecties va n het voorgenomen beleid is voor de curatieve zorg gebruik gemaakt va n ci jfers va n de Rijksbegroting en voor de langdurige zorg va n beleidsnota's va n het ministerie va n VWS over de Wet La ngdurige Zorg (WLZ). De begrotingscijfers geven de beoogde opbrengsten va n de meerjarenakkoorden tussen het mi nisterie va n VWS, zorgverzekeraars en de zorgaanbieders. De cijfers uit de beleidsnota's over de WLZ waren nog niet defi nitief omdat de discussie in de Tweede Ka mer over de WLZ nog niet was afgerond. De ci jfers uit de ri jksbegroting en de beleidsnota's zijn zonder bewerkingen overgenomen i n de projecties va n het voorgenomen beleid. De definitie van zorg die i n het voorgenomen beleid wordt gehanteerd is die va n het Budgettair Kader Zorg. Deze is anders dan die van de va rianten A en B uit de VTV. Om de beoogde effecten va n het voorgenomen beleid zi chtbaar te maken i s een vergelijking gemaakt met deze va rianten. Hierbij is uit de s cenario's eerst een selectie gemaakt va n de uitgaven va n de curatieve en de langdurige zorg conform de BKZ-definitie. Vervolgens zijn de groeicijfers va n de va ri a nten gehanteerd op deze cijfers. De groei va n de uitgaven op basis va n demografische ontwikkelingen is op een s oortgelijke manier berekend, namelijk door het kostenprofiel va n de Kosten va n ziekten studie over 2011 voor de cura ti eve en de l angdurige zorg, uitgaande va n de BKZ-definitie, demografisch door te rekenen.

- 26 -


Invoerdata Voor de verkenningen van de toekomstige zorguitgaven in de VTV-2014 wordt gebruik gemaakt van de bevolkingsprognoses van het CBS, het zorguitgavenprofiel van de Kosten van ziektestudie over 2011 en de sectorspecifieke groeicijfers van Tabel 3. Basis van de projectie is een demografische projectie van de zorguitgaven waarbij het uitgavenprofiel van de Kosten van ziektestudie over 2011 constant naar de toekomst wordt verondersteld. Deze demografische projectie wordt vervolgens aangevuld met een sectorspecifieke uitgavengroei op basis van de overige volumegroei. Deze projectie geeft resultaten naar leeftijd, geslacht, diagnose en zorgsector en biedt de mogelijkheid om de verwachte toekomstige zorguitgaven naar deze dimensie te analyseren.

- 27 -


10. Onzekerheid in toekomstverkennen Toekomstverkenners hebben te maken met wat de WRR cognitieve onzekerheid noemt: onzekerheid die het kennen van de toekomst bemoeilijkt (WRR 2010). De kennis van (de complexiteit in) sociale, economische, natuurlijke en politieke systemen is namelijk beperkt. Deze beperking kan op diverse aspecten in het maken van een toekomstverkenning worden geïdentificeerd; van de context waarin de verkenning wordt gedaan, de databronnen die gebruikt worden, het modelleninstrumentarium voor de analyses, tot het trekken van conclusies op basis van de analyses. Al deze aspecten maken dat er met de enige voorzichtigheid naar de resultaten van een toekomstverkenning moet worden gekeken.

Dimensies van onzekerheden Beperkte kennis moet breed worden opgevat (Funtowicz and Ravetz, 1990 21). Het is niet alleen het ontbreken van kennis, maar kan ook informatie zijn die niet accuraat of onbetrouwbaar is. Er zijn vele classificaties van onzekerheid bekend in de literatuur. Deze lopen sterk uiteen, afhankelijk van het onderwerp van het onderzoek of de mate van kwantificering bijvoorbeeld door gebruik van modellen. In model studies worden vaak drie dimensies onderscheiden (Walker et al, 2003 22): • • •

De locatie van de onzekerheid: waar in het systeem manifesteert de onzekerheid zich? Het niveau van onzekerheid: Waar bevindt de onzekerheid zich op de gradiënt van deterministische kennis en totale onwetendheid? De aard van de onzekerheid: is de onzekerheid het gevolg van variabiliteit in het systeem of gebrek aan kennis?

Deze drie dimensies zijn ook van toepassing op het toekomstverkennen voor de VTV-2014. Aan de hand van deze indeling worden de onzekerheden in kaart gebracht. Locatie v an de onzekerheid Elke toekomstverkenning heeft te maken met onvermijdelijke keuzes en inperkingen, zeker als dit brede integrale studies betreffen. De complexiteit van het te beschrijven systeem is dan vaak groot. Ook het gebruik van modellen voor het doen van simulaties of analyses geeft vaak een verdere inperking. Immers, een model is een vereenvoudigde weergave van de werkelijkheid, en alleen dat waarover genoeg adequate informatie bestaat kan gemodelleerd worden. Er kunnen vier locaties in het hele traject van toekomstverkennen voor de VTV worden onderscheiden die allemaal hun eigen onzekerheid met zich mee brengen: 1) de systemische context, 2) data en informatie 3)modellering en analyse kader, en 4) bevindingen en conclusies.

Systemische Context

Data en informatie

Modellering en analyse kader

Afbakening van het Reprensentativiteit en Mathematische systeem kwaliteit van infomatie interpretatie en over het systeem weergave van het systeem

Bevindingen en Conclusies

Interpretatie van de resultaten

Figuur 13: Verschillende locaties van onzekerheid 21

Funtowic z, S.O . and Ravetz, J .R.: Uncertainty and Quality in Science for P olicy. Kluwer A cademic P ublishers, D ordrecht, 1 9 90. Walker W, H arremoes P, Rotmans J , V an der Sluijs J , V an Asselt M , J anssen P , Krayer von Krauss M . (2 0 03). D efining unc ertainty. A c onceptual bas is for unc ertainty management in model- based decision s upport. I ntegrated Assessment 4 (1 ), 5 17. 22

- 28 -


Context De keuze van het systeem en de afbakening daarvan brengt met zich mee dat er ook een keuze wordt gemaakt wat er niet meegenomen wordt in het onderzoek. Het conceptuele model van de VTV dient vaak als weergave van het systeem dat wordt onderzocht. Dit conceptuele model is door de jaren heen aangepast aan en aangevuld met onderwerpen die in vorige versies ontbraken of te weinig aan bod kwamen. Een goed voorbeeld is participatie dat in de VTV2014 als een van de hoofdthema’s als onderdeel wordt beschouwd van het te onderzoeken systeem. Data en informatie Het systeem wordt vaak mede afgebakend op basis van beschikbare kennis en informatie. Daar waar genoeg informatie over is en relaties bekend zijn en belangrijk worden gevonden zullen zijn vaker in het systeem worden opgenomen. Overigens kunnen ook internationale inzichten uit de literatuur hierbij gebruikt worden, in zo verre ze ook van toepassing zijn op de Nederlandse situatie. Een voorbeeld hiervan zijn relatieve risico’s die verondersteld worden universeel te zijn: de kans op longkanker bij iemand die rookt is in Nederland gelijk aan andere landen. Echter, van veel van de basisdata willen we wel de specifieke Nederlandse situatie beschrijven. Het aantal mensen met overgewicht, het aantal mensen dat een beroerte krijgt en het aantal mensen dat overlijdt als gevolg van hart en vaatziekten wil je voor Nederland als totaal weten. De beperking is hier dat niet alle registraties dekkend voor Nederland zijn. Daarvoor ben je dus aangewezen op registraties van deelpopulaties, zoals bijvoorbeeld de huisartsenregistratie (LINH), of enquêtes onder de Nederlands bevolking (NL de Maat) waarbij altijd onzekerheid wat betreft representativiteit. Zo heeft beroerte een bepaalde mate van onderregistratie aangezien verpleegtehuizen, waar beroerte weer meer voorkomt, niet in de huisartsen registratie zitten. Ook subjectiviteit bij het beantwoorden van vragen of het beoordelen van bijvoorbeeld de primaire doodsoorzaak kan de foutenmarge mogelijk doen toenemen. Ook het gebruik van verschillende databronnen met mogelijk andere definities kan leiden tot inconsistente data. Al met al een breed scala van factoren waarvan het lastig aan te geven wat het uiteindelijke effect is op de toekomstverkenning. Modellen en analyses Een manier om de consistentie van (verschillende) data te beoordelen is door het gebruik er van deze data in simulatiemodellen. Multi state modellering waarin incidentie, prevalentie en sterfte wordt gesimuleerd zou in overeenstemming moeten zijn met de registratie. Modellen die naast toekomstprojecties ook nog een gedeelte van de historie simuleren kunnen vergeleken worden met daadwerkelijk waargenomen data. Deze functie van modellen blijft vaak onderbelicht. Met het gebruik van modellen wordt ook weer andere onzekerheid geïntroduceerd. Een model is een vereenvoudigde weergave van de werkelijkheid en vaak een verdere inperking van het conceptueel model. De veronderstelde processen, parameters, variabelen en relaties moeten immers vertaald worden in een wiskundige beschrijving die vervolgens weer in programmeercode moet worden gezet. Hierbij zijn onzekerheden met betrekking tot modelstructuur, parameterwaarden en technische aspecten (afronding, numerieke benaderingswijze, softwarebugs) van belang. Het gebruik van modellen brengt ook een aantal voordelen mee. Onzekerheden in veronderstellingen en de effecten daarvan op de uitkomsten kunnen worden gekwantificeerd. Dit kan bijvoorbeeld aan de hand van what-if analyses. Met DYNAMO HIA kunnen varianten in risicofactoren en de effecten op incidentie en prevalentie van verschillende ziekten berekend (zie bijvoorbeeld projecties voor Diabetes Mellitus op basis van MI varianten). Voor de projecties waarbij geen simulatiemodel beschikbaar is en er demografische en epidemiologische projecties zijn gemaakt is de onzekerheid in kaart gebracht door te variëren met de achterliggende bevolkingsprojectie. Hiervoor zijn de betrouwbaarheidsintervallen gebruikt die het CBS bij de bevolkingsprognose publiceert.

Resultaten van onzekerheidsanalyses Er zijn twee what-if analyses gedaan met roken en overgewicht. Voor beide zijn twee hoge en twee lage varianten ontwikkeld en hun effecten berekend op de meest relevante ziekten met DYNAMO HIA (zie annex voor gedetailleerde beschrijving van deze analyses). Daarnaast is voor de projecties wat betreft incidentie, prevalentie, (multi)morbiditeit en beperking berekend wat de effecten zijn van de verschillende bevolkingsprojecties op de uitkomsten. Hierbij zijn de 67% en 95% betrouwbaarheidsintervallen genomen die het CBS bij de bevolkingsprognose gemaakt heeft.

- 29 -


What if analyses roken Voor roken zijn twee hoge en twee lage varianten ontwikkeld en doorgerekend met DYNAMO HIA. Deze varianten zijn verkregen door de overgangskansen tussen de verschillende categorieën (nietroken, roker, ex-roken) aan te passen. In de hoge varianten stijgt het percentage rokers van 20 jaar en ouder naar 28% en 34% in 2030. Het percentage niet-rokers daalt dientengevolge naar 39% en 45%. In de lage varianten daalt het rookpercentage naar 14% en 8%. In deze varianten zie je een stijging van het percentage ex-roker, mensen die gestopt zijn met roken maar nog wel een verhoogd gezondheidsrisico hebben. De effecten op incidentie van coronaire hartziekte en longkanker laten zien dat met name longkanker een brede range heeft. Incidentie van coronaire hartziekte is minder gevoelig voor de variatie in roken, alhoewel in absolute zin de range even groot als bij longkanker is.

Figuur 14: Varianten voor niet-roker, rokers en ex-rokers, 2011-2030

- 30 -


Incidentie van Coronaire Hartziekten 75,000 70,000 65,000 hoog 2

60,000

hoog 1 referentie

55,000

laag 1 laag 2

50,000 45,000 40,000

Figuur 15: Effecten van varianten op incidentie coronaire hartziekten, 2011-2030

Incidentie van Longkanker 20,000 18,000 16,000 14,000 12,000

hoog 2 hoog 1

10,000

referentie

8,000

laag 1 laag 2

6,000 4,000 2,000 -

Figuur 16: Effecten van varianten op incidentie longkanker, 2011-2030

What if analyses ov ergewicht Voor (ernstig) overgewicht zijn er ook twee hoge en twee lage varianten ontwikkeld en doorgerekend met DYNAMO HIA. Ook deze varianten zijn verkregen door de overgangskansen tussen de verschillende categorieën (BMI kleiner dan 25, tussen 25 en 30 en hoger dan 30) aan te passen. In de hoge varianten stijgt het percentage met ernstig overgewicht (BMI > 30) van 20 jaar

- 31 -


en ouder naar 26% en 19% in 2030 en in de twee lage varianten naar 7% en 2%. Het percentage zonder overgewicht (BMI <25) stijgt in de hoge vairanten naar 38% en 45%. En in de lage varianten stijgt dit naar 67% en 85% (zie figuur). Voor de effecten kijken we naar prevalentie van diabetes mellitus. Hieruit blijkt dat de marge ten opzichte van het Trendscenario naar boven circa 150 duizend en naar beneden bij 180 duizend personen is.

Figuur 17: Varianten voor verschillende BMI categorieën, 2011-2030

- 32 -


Prevalentie Diabetes Mellitus 1600 1400

x 1.000 perosnen

1200 1000 800

hoog 1

600

hoog 2 laag 1

400

laag 2

200

Trendscenario

0

Figuur 18: Effecten van varianten op prevalentie diabetes mellitus, 2011-2030

Betrouwbaarheidsintervallen o.b.v. van verschillende bevolkingsprojecties Naast de what-if analyses is er ook berekend wat de effecten zijn van andere bevolkingsprojecties. Dit is van belang omdat een groot van de toekomstige veranderingen bepaald wordt door de veranderingen in demografie. In het geval van demografische projecties is dit zelfs de enige factor die verandert. Voor deze verschillende projecties gebruiken we de 67% en 95% betrouwbaarheidsintervallen van de CBS prognose als varianten. Deze intervallen komen tot stand door te variëren in geboorte, sterfte en migratie en hebben niet alleen tot gevolg dat de totale bevolking varieert, ook de leeftijdsopbouw is anders in deze varianten. De resultaten van de verschillende projecties zijn gecombineerd met deze varianten wat resulteert in een range van uitkomsten die representatief zijn voor onzekerheden die optreden ten aanzien van demografische veranderingen. Aangezien sterfte al een van de componenten is voor het construeren van de varianten hebben we de doodsoorzaken niet meegenomen in deze analyse. In onderstaande figuren zijn de resultaten gepresenteerd van deze analyses. Allereerst wordt de totale bevolking in de 5 projecties gegeven. Deze varieert van 16,2 miljoen tot 19,0 miljoen in vergelijking met 17,6 miljoen in het Trendscenario.

- 33 -


Figuur 19: Totale bevolking, trendscenario met betrouwbaarheidsintervallen, 2012-2030

Figuur 20: Trendscenario en varianten voor het voorkomen van 1 ziekte, 2012-2030

- 34 -


Figuur 21: Trendscenario en varianten het voorkomen meer dan 1 ziekte, 2012-2030

Figuur 22: Trendscenario en varianten voor het aantal mensen met een beperking, 2012-2030

- 35 -


Figuur 23: Trendscenario en varianten voor het aantal mensen met een (zeer) goede ervaren gezondheid, 2012-2030

Figuur 24: Trendscenario en varianten en zorguitgaven variant A, 2012-2030

- 36 -


Figuur 25: Trendscenario en varianten en zorguitgaven variant B, 2012-2030

Figuur 26: Trendscenario en varianten voorkomen van diabetes mellitus, 2012-2030

- 37 -


Figuur 27: Trendscenario en varianten voorkomen van coronaire hartziekten, 2012-2030

Figuur 28: Trendscenario en varianten en incidentie van coronaire hartziekten, 2012-2030

- 38 -


11. Annex Overzicht van projecties gebruikt in het trendscenario Tabel 4: Projecties gebruikt in het trendscenario

Onderwerp Opleidingsniveau naar leeftijd en geslacht Allochtonen naar herkomst en generatie Alleenstaande mannen en vrouwen Bevolking naar leeftijd en geslacht Fijnstof (PM10, PM2.5) Temperatuurstijging Economische groei Levensverwachting 0-6580 jaar mannen en vrouwen Levensverwachting internationaal Sterfte aan longkanker Sterfte naar doodsoorzaken Roken, BMI, lichamelijke activiteit Gezonde levensverwachting Beperkingen Multimorbiditeit Incidentie Prevalentie Ziekten Zorguitgaven

Bron OCW referentieraming

Verwijzing OCW 2013

CBS allochtonenprognose

CBS

CBS huishoudensprognose

CBS

CBS bevolkingsprognose Referentie raming PBL Klimaatscenario’s KNMI CBP zorg voor de toekomst CBS bevolkingsprognose,

PBL 2013 KNMI CPB 2013

Eurostat CBS RIVM

Stoeldraaijer et al 2013 VTV2014

RIVM, DYNAMO HIA CBS

Van Duin et al, 2014

RIVM RIVM RIVM, DYNAMO HIA RIVM Kosten Van Ziekte studie

Selectie van Ziekten in trendscenario Tabel 5: Ziekten in trendscenario

Incident ie 48883 165750 52737

Prevela ntie 604475 1188573 834093

Deaths

YLL

YLD

DALY

1 2 3

Ziekte/doodsoorzaa k Coronaire hartziekten Artrose Diabetes mellitus

9876 2756

108744 1086 29161

174090 122423 165150

282834 123509 194312

4 5 6

Beroerte COPD Longkanker

26201 32495 11669

174382 361781 20510

8480 6353 10544

78174 64209 163275

113147 113600 5845

191320 177809 169120

7 8 9

Angststoornissen Stemmingsstoornissen Privéongevallen

50803 69510 441000

115478 293750 a

1682

52 567 32787

180220 164025 87570

180272 164592 120357

10 11 12

Dementie Zelftoegebracht letsel Gehoorstoornissen

12652 15970 72570

51875 a 810493

9161 1650 -

57385 54154 -

54744 47339 88344

112130 101494 88344

13

borstkanker

14070

99844

3283

61560

26459

88019

- 39 -


14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

dikkedarmkanker Infecties van de onderste luchtwegen hartfalen Verkeersongevallen Verstandelijke handicap Hartritmestoornissen Gezichtsstoornissen afhankelijkheid van alcohol Nek- en rugklachten prostaatkanker

13254 359797

60093 a

5127 5681

69510 46217

17667 22667

87177 68884

26580 133800 -

141615 a -

6498 713 -

45852 19818 1330

21809 40366 55599

67660 60184 56929

31150 102306 7965

195726 301806 36203

2103 657

18164 27 14836

30142 41348 25772

48305 41375 40608

852630 11428

652248 66108

2500

569 24132

153930 15271

154499 39403

Hartstilstand Aandoeningen endocard/klepafwijkin gen Persoonlijkheidsstoorn issen sportblessures ziekte van Parkinson Contacteczeem

b 14659

a 77040

2262 2334

28023 19255

651 9091

28674 28346

14636

34271

-

-

27438

27438

158850 3708 330003

a 28951 324571

1276 -

10256 -

25865 15401 22720

25865 25657 22720

Nierinsufficiëntie / nierfalen non-Hodgkin lymfomen Autisme huidkanker Astma

-

-

-

-

1789

13141

3815

21073

1120

15839

4910

20749

b 14372 87479

13185 69194 477401

895 -

16678 1052

20575 2768 38192

20575 19446 39244

a) Niet berekend vanwege het ontbreken van geschikte gegevens b) Niet van toepassing

VTV2014 selectie van ziekten Tabel 6: VTV2014 selectie van ziekten

Rangorde

Ziekte/aandoening 1

Coronaire hartziekten

2

Diabetes mellitus

3

Beroerte

4

Angststoornissen

5

COPD

6

Longkanker

7

Stemmingsstoornissen

8

Nek- en rugklachten

9

Artrose

10

Privéongevallen

11

Dementie

12

Zelftoegebracht letsel

13

Gehoorstoornissen

14

Borstkanker

- 40 -


15

Dikkedarmkanker

16 17

Infecties van de onderste luchtwegen Hartfalen

18

Verkeersongevallen

19

Verstandelijke handicap

20

Burn-out / chronische overspanning

21 22

Hartritmestoornissen (boezemfibrilleren) Reumatoïde artritis

23

Gezichtsstoornissen

24

Afhankelijkheid van alcohol

25

Prostaatkanker

26

Astma

27

Hartstilstand

28 29

Aandoeningen van het endocard (klepafwijkingen) Persoonlijkheidsstoornissen

30

Sportblessures

31

Ziekte van Parkinson

32

Schizofrenie

33

Contacteczeem

34 35

Nierinsufficiëntie (acuut en chronisch) / nierfalen Non-Hodgkin lymfomen

36

Autistische spectrum stoornissen

37

Huidkanker

38 39

Aangeboren afwijkingen van het hartvaatstelsel Epilepsie

40

Constitutioneel eczeem

41

Arbeidsongevallen

42

Influenza

43

Maagdarminfecties

44

Letsel door geweld

45

Aandachtsstoornissen (ADHD)

46

Migraine

47

Baarmoederhalskanker

48

Gedragsstoornissen

49

Afhankelijkheid van drugs

50

Vroeggeboorten

51

Downsyndroom

52

Osteoporose

53

Aids en hiv-infectie

54

Ziekten in het Rijksvaccinatieprogramma Gebitsafwijkingen

55

- 41 -


Varianten voor risicofactoren: roken en BMI Voor de risicofactoren roken en BMI zijn twee hoge en twee lage varianten ontwikkeld en doorgerekend met Dynamo Hia. Deze varianten zijn geconstrueerd door de transitiekansen aan te passen tussen de verschillende risicofactorenklassen. De beginverdeling over de risicofactorklassen is niet aangepast zodat het startjaar overeenkomt met de huidige situatie. Bij het maken van varianten kunnen transitiekansen verhoogd of verlaagd worden. Er is gekozen om de kansen van een klasse naar een andere klasse te laten afnemen, en deze afname op te tellen bij een andere transitiekans. De som van alle transitiekansen uit een bepaalde klasse moet één zijn. Een andere keuze had kunnen zijn om de kansen van een klasse te laten toenemen en deze toename af te trekken van een andere transitiekans, maar hierdoor is het mogelijk om negatieve overgangskansen te krijgen. Er zijn vier varianten doorgerekend: 1. 2. 3. 4.

Roken laag: minder mensen gaan roken en meer mensen stoppen. Roken hoog: meer mensen gaan roken en minder mensen stoppen. BMI laag: minder mensen worden dikker en meer mensen worden dunner. BMI hoog: meer mensen worden dikker en minder mensen worden dunner.

Roken Roken is verdeeld in drie risicofactorklassen. Klasse 1: Niet-roken, klasse 2: roken, klasse 3: gestopten. Er zijn zes transities mogelijk voor roken.

Klasse 1

Klasse 3

Klasse 2

Figuur 29 Gemodelleerde transitie tussen verschillende rookklassen

Roken laag 1 en laag 2 (de onderstaande kansen zijn verlaagd met 2,5% respectievelijk 10%) -

Verlaag transitiekansen van klasse 1 naar 2, verhoog van 1 naar 1 (minder mensen beginnen met roken) Verlaag transitiekansen van klasse 2 naar 2, en verhoog van 2 naar 3 (meer mensen stoppen met roken) Verlaag transitiekansen van klasse 3 naar 2, en verhoog van 3 naar 3 (meer mensen die gestopt zijn blijven gestopt)

Roken hoog 1 en hoog 2 (de onderstaande kansen zijn verlaagd met 1,5% respectievelijk 2,5%) -

Verlaag transitiekansen van klasse 1 naar 1, en verhoog van 1 naar 2 (meer mensen beginnen met roken) Verlaag transitiekansen van klasse 2 naar 3, en verhoog van 2 naar 2 (minder mensen stoppen met roken) Verlaag transitiekansen van klasse 3 naar 3, en verhoog van 3 naar 2 (meer mensen die gestopt beginnen opnieuw)

BMI BMI is verdeeld in drie risicofactorklassen. Klasse 1: BMI < 25, klasse 2: BMI 25-30, klasse 3: >= 30. Er zijn zeven transities mogelijk voor BMI. Klasse 1

Klasse 2

- 42 -

Klasse 3


Figuur 30 Gemodelleerde transitie tussen verschillende BMI-klassen

BMI laag 1 en laag 2 (de onderstaande kansen zijn verlaagd met 2,5% respectievelijk 10%): -

Verlaag transitiekansen van klasse 1 naar 2, en verhoog van 1 naar 1 Verlaag transitiekansen van klasse 2 naar 3, van 2 naar 2, en verhoog van 2 naar 1 Verlaag transitiekansen van klasse 3 naar 3, en verhoog van 3 naar 2

BMI hoog 1 en hoog 2 (de onderstaande kansen zijn verlaagd met 1,5% respectievelijk 2,5%) -

Verlaag transitiekansen van klasse 1 naar 1, en verhoog van 1 naar 2 Verlaag transitiekansen van klasse 2 naar 2, van 2 naar 1, en verhoog van 2 naar 3 Verlaag transitiekansen van klasse 3 naar 2, en verhoog van 3 naar 3

- 43 -


Henk Hilderink, Marjanne in t Panhuis Plasmans, Geert Jan Kommer, Nancy Hoeymans

Recommend Documents