CPB-Publicatie-De-wijkteambenadering-nader-bekeken

23

Tabel 3.2

Aanwezigheid wijkteams en Wmo-loket in 2016 (N=167)

Kenmerk

Percentage

Aanwezigheid sociaal (wijk)team/Wmo-loket Aanwezigheid van sociaal (wijk)team dat Wmo-hulpvragen oppakt Aanwezigheid van Wmo-loket of Wmo-toegangsteam

75 75

Verdeling aanwezigheid: Alleen Wmo-loket, geen sociaal (wijk)team Alleen sociaal (wijk)team, geen Wmo-loket Zowel sociaal (wijk)team als Wmo-loket

25 25 50

De wijkteambenadering in Westland (type B) De gemeente Westland kiest ervoor om in plaats van brede wijkteams, sociale kernteams in te zetten. Het begrip kern verwijst daarbij naar de dorpenstructuur van de gemeente. Het sociaal kernteam behandelt alle aanvragen voor jeugdhulp en, voor wat betreft de Wmo, alleen de meervoudige hulpvragen. De aanvragen, het onderzoek en de besluiten voor enkelvoudige Wmo-vragen worden afgegeven door Wmo-consulenten die hiervoor keukentafelgesprekken voeren. Het sociaal kernteam bestaat uit medewerkers die in dienst zijn van een speciaal voor deze taken door de gemeente opgerichte bv. Deze mensen zijn onder andere afkomstig van maatschappelijke organisaties (bijvoorbeeld voormalig bureau jeugdzorg/jeugdzorgaanbieders en MEE). De banden met deze organisaties zijn doorgeknipt. Aan de lobby van sommige aanbieders om deel te mogen nemen aan het kernteam heeft de gemeente geen gehoor gegeven. Aanbieders proberen via andere wegen alsnog invloed uit te oefenen op de indicaties, bijvoorbeeld door Wmo-consulenten te verzoeken om de hulp op te schalen. Verzoeken om de intensiteit van maatwerkvoorzieningen af te schalen, komen eigenlijk nooit voor.

Kenmerken van wijkteams

Wat kunnen we zeggen over de kenmerken van sociale (wijk)teams indien gemeenten deze inzetten om Wmo-hulpvragen op te pakken? Tabel 3.3 presenteert de enquête-uitkomsten die betrekking hebben op deze vraag. We zien dat in het overgrote merendeel van de gemeenten met een wijkteam inwoners het team zelf kunnen benaderen (87%). Sommige wijkteams bieden ook ondersteuning aan. Vaak gaat het dan om lichte en kortdurende vormen van begeleiding die inhoudelijk niet volledig overeenkomen met de zwaardere hulp in de tweede lijn. In enkele gemeenten wordt echter ook de zwaardere hulp door het wijkteam geleverd (zie kader Utrecht op de volgende bladzijde). Dit maakt het gebruik van maatwerkvoorzieningen binnen dit soort gemeenten minder goed vergelijkbaar met het gebruik in andere gemeenten. In onze analyse verwijderen we deze gemeenten. 26 Tabel 3.3

Kenmerken van sociale (wijk)teams in 2016 (N=126)

Kenmerk Mensen kunnen sociaal (wijk)team zelf benaderen met Wmo-hulpvraag Sociaal (wijk)team geeft indicatie voor Wmo-maatwerkvoorzieningen af Zorgaanbieders van Wmo-maatwerkvoorzieningen in sociaal (wijk)team w.v. indicatie door zorgaanbieder w.v. indicatie door gemeente (Wmo-consulent) of iemand anders

26

Zie paragraaf 4.2 voor een toelichting.

24

Percentage 87 56 35 14 21

Het wijkteam geeft in 56% van de gevallen ook een indicatie af voor begeleiding en dagbesteding. Dit kan worden gedaan door een Wmo-consulent, maar ook door een ander type wijkteammedewerker, zoals een wijkcoach (zie kader Enschede) of een specialist die in dienst is van een zorgaanbieder.

Uit de enquête blijkt dat in 35% van de 126 gemeenten met een wijkteam zorgaanbieders van Wmo-maatwerktrajecten in het team zitten. Het gaat hierbij specifiek om aanbieders die in de tweede lijn begeleiding of dagbesteding leveren. Voorbeelden zijn Odion, Kwintes, Stek, Vérian, ZorgSaam, Meander, Pameijer, Vitras, Cello en Alcander. In 40% van deze gemeenten (=14%/35%) doet de zorgaanbieder de indicatie ook zelf. De gemeente Zaanstad is hier een voorbeeld van (zie kader over de wijkteambenadering in Zaanstad in paragraaf 2.4).

De wijkteambenadering in Utrecht (type B) De gemeente Utrecht kent in totaal achttien buurtteams, die breed en integraal opereren. Elk buurtteam bestaat op zijn beurt weer uit twee aparte teams: één voor volwassenen (buurtteam Sociaal) en één voor jeugd en gezin (buurtteam Jeugd en Gezin). Daarnaast is er een team van sociaaljuridische dienstverleners. Deze teams werken nauwgezet samen en kennen een gezamenlijke ingang in de buurt. De buurtteammedewerkers Sociaal zijn in dienst van de stichting Buurtteam Sociaal, onderdeel van Incluzio B.V. De buurtteammedewerkers Jeugd en Gezin zijn in dienst van stichting Lokalis. De sociaal juridische dienstverleners zijn in dienst van stichting U Centraal. In de buurtteams zijn hulpverleners actief die afkomstig zijn van verschillende zorgorganisaties. De banden met de moederorganisaties zijn volledig doorgeknipt: buurtteammedewerkers zijn in dienst van de stichting. 80 tot 85 procent van de zorg die voorheen door middel van aanvullende zorg en maatwerkvoorzieningen werd geleverd, vindt nu plaats in de buurtteams (of als sociale basiszorg in de nulde lijn). Om dit te realiseren heeft de gemeente bij de transitie aanbieders een quotum gesteld om van elke 100 cliënten tussen de 80 en 85 over te dragen aan de buurtteams.

Deze quota zijn gesteld nadat in de pilotfase (2012-2014) door de pilotbuurtteams en de gespecialiseerde instellingen gezamenlijk is vastgesteld dat dit percentage van de specialistische begeleiding generalistisch geboden kon worden. Deze cliënten vielen onder het Wmo-overgangsrecht en hadden recht op continuering van hun zorg van vóór de decentralisaties. De ondersteuning die het buurtteam levert, komt inhoudelijk dus sterk overeen met de zorg die momenteel in andere gemeenten in Wmo-maatwerkvoorzieningen (begeleiding) wordt geboden.

Aanbieders kunnen ook invloed uitoefenen op de indicatiestelling als de formele indicatiestelling niet bij hen ligt. Zo blijkt uit gesprekken met gemeenten 27 dat wijkteams met zorgaanbieders ook vaak zwaarwegende adviezen of belangrijke input geven aan diegenen die feitelijk verantwoordelijk zijn voor de indicatie of beschikking (zoals consulenten van een Wmo-loket). Voorbeelden hiervan zijn de gemeenten Apeldoorn en Vlaardingen, zie kaders hieronder. Maar ook als de aanbieders niet in het wijkteam zitten, hebben zij waarschijnlijk invloed op de indicatiestelling, omdat de lijntjes tussen zorgaanbieders en leden van het wijkteam kort kunnen zijn (zie kaders Enschede en Westland). Dit is de glijdende schaal van invloed die aanbieders kunnen uitoefenen die in het vorige hoofdstuk ook al de revue gepasseerd is (zie figuur 2.1).

27

Op basis van een nabelronde met gemeenten met aanbieders in het team en gesprekken met de gemeenten die opgenomen zijn in de kaders. 25

De wijkteambenadering in Apeldoorn (type C) In Apeldoorn zijn vier sociale wijkteams actief. De sociale wijkteams richten zich alleen op de meervoudige hulpvragen (‘multiprobleem’gezinnen). Na onderzoek naar de hulpbehoefte wordt een ondersteuningsplan gemaakt. Enkelvoudige hulpvragen worden door de gemeente afgehandeld (het Klant Contact Center). In het sociale wijkteam werken meerdere zorg- en welzijnsorganisaties samen. Ook specialisten van zorgaanbieders van Wmo-maatwerktrajecten zoals IrisZorg en Riwis nemen deel aan het team. Zij zijn in dienst van hun moederorganisatie. Daarmee zijn de banden met hun organisatie niet doorgesneden. Op die manier wil de gemeente een link houden met de expertise vanuit de organisatie. De gemeente Apeldoorn subsidieert de moederorganisatie voor hun diensten. De indicatiestelling voor de Wmo-maatwerktrajecten wordt door Wmo-consulenten van de gemeente gedaan. Indien een tweedelijnsvoorziening nodig wordt geacht, verwijzen leden van het wijkteam door naar het Wmo-loket. Bij de beoordeling van de tweedelijns aanvraag, wordt gebruik gemaakt van de informatie vanuit het wijkteam (in het geval van een meervoudige hulpvraag). Het gaat dan vaak om een zwaarwegend advies over de noodzaak van een tweedelijns Wmo-maatwerkvoorziening. Dit advies wordt bijna altijd door de Wmo-consulent overgenomen.

Vaak is er alleen discussie over de intensiteit (duur) van de noodzakelijke zorg.

De wijkteambenadering in Vlaardingen (type C) In Vlaardingen werken vier wijkteams. De onafhankelijke stichting Minters, die gesubsidieerd wordt door de gemeente, coördineert de teams. Minters zelf levert een deel van de leden (de Sociaal Professionals) van de wijkteams. De rest van de wijkteams (circa 75%) bestaat uit medewerkers van andere moederorganisaties. In de wijkteams zitten ook zorgaanbieders van Wmomaatwerkvoorzieningen, zoals Pameijer en de ArgosZorggroep. Het initiatief om zorgaanbieders in het team te zetten komt vanuit de gemeente. Hiermee beoogt de gemeente kennis en expertise over daadwerkelijke noodzaak van tweedelijns Wmo-zorg in het wijkteam te borgen. De medewerkers van de zorgaanbieders in het wijkteam zijn in dienst bij hun moederorganisatie. De organisatie ontvangt subsidie van de gemeente voor hun deelname in het wijkteam. De indicatiestelling, inkoop en het contractmanagement van maatwerktrajecten is door de gemeente uitbesteed aan ROGplus. ROGplus is een gemeenschappelijke regeling waarin Vlaardingen, Maassluis en Schiedam deelnemen. Daarmee is ROG-plus het uitvoeringsorgaan van de Wmo in deze gemeenten. Momenteel zitten ROG-consulenten in het wijkteam. Voorheen was dat niet het geval en verwees het wijkteam door naar ROG-plus.

Als een maatwerkvoorziening door het wijkteam nodig wordt geacht, doet de ROG-consulent een onafhankelijke controle op de noodzaak van een tweedelijns Wmomaatwerkvoorziening. Indien nodig, geven ze de indicatie af. Daarbij wordt gebruikt gemaakt van de informatie die vanuit het wijkteam afkomstig is, zoals van de medewerkers van de zorgaanbieders. Dit kan bijvoorbeeld in de vorm van een ondersteuningsplan.

De te onderscheiden gemeenten voor onze analyse

Op basis van deze glijdende schaal kunnen we de gemeenten indelen. Links van de schaal zitten de gemeenten zonder wijkteam, in het midden de wijkteams zonder aanbieders en rechts de wijkteams met aanbieders. Deze laatste categorie splitsen we nog op in gemeenten waar aanbieders zelf de indicatie doen en waar dat niet het geval is. Dit doen we omdat naar verwachting de invloed van aanbieders het grootst is als de indicatiestelling ook formeel bij hen is belegd. Echter, omdat uit gesprekken met gemeenten naar voren komt dat aanbieders ook invloed hebben op de indicatiestelling als dat niet het geval is, kiezen we ervoor om in onze statistische analyse in het volgende hoofdstuk de laatste twee categorieën samen te nemen. Bijkomend voordeel is dat we dan meer statistische ‘power’ hebben. We komen dan tot de drie groepen gemeenten die we, zoals besproken in de inleiding, voor onze doeleinden 26

gaan gebruiken: 28 • • •

Gemeenten met alleen een Wmo-loket, dus geen wijkteam (type A). Gemeenten met een wijkteam zonder aanbieders (type B). Gemeenten met een wijkteam waarin aanbieders zitten (type C).

In onze enquête hebben we 41 gemeenten van het type A (25%), 82 gemeenten van het type B (49%), en 44 gemeenten van het type C (26%). Hieronder laten we ze zien in een cirkeldiagram.

Figuur 3.1

Meerderheid gemeenten zet wijkteams in

Eigen bijdragebeleid & bekostigingsstructuur

Verder blijkt uit de enquête dat 79% van de gemeenten een eigen bijdrage verlangt van iedere gebruiker van de maatwerkvoorzieningen begeleiding en dagbesteding (zie tabel 3.4). Ongeveer 17% van de gemeenten heeft wel een eigen bijdrage, maar niet voor iedereen. Veelgenoemde groepen waarvoor de eigen bijdrage is kwijtgescholden, zijn minimainkomens (mensen in de bijstand of met een inkomen onder 110, 120 of 130% van het minimumloon) en mensen in de schuldhulpverlening. Enkele gemeenten (4%) kiezen ervoor helemaal geen eigen bijdrage te vragen. Verder blijkt na koppeling van onze enquête aan informatie over de bekostigingsstructuur, dat 64% van de gemeenten de maatwerkvoorzieningen via p*q bekostigt. 29

28

Bovenstaande categorisering van de wijkteambenadering vertoont gelijkenis met de vragen over de positionering van wijkteams die Movisie in haar enquête opneemt (zie van Arum en Van den Enden, 2018). Movisie onderscheidt vier positioneringsmodellen: wijkteams die volledig in gemeentelijk beheer zijn, wijkteams die worden uitbesteed aan meerdere aanbieders, wijkteams die worden uitbesteed aan één hoofdaanbieder en wijkteams die in het beheer zijn van een speciaal opgericht rechtspersoon (bijvoorbeeld een stichting). 29 Zie hoofdstuk 4. De data zijn afkomstig van het Public Procurement Research Center (PPRC). 27

De overige gemeenten doen aan per-cliënt-bekostiging (resultaatgebieden). Dat betekent dat geen van de geënquêteerde gemeenten populatiebekostiging toepast. 30 Dat is belangrijk voor onze analyse in hoofdstuk 5 omdat alleen bij p*q en per-cliënt-bekostiging aanbieders een prikkel hebben om een zo groot mogelijk cliëntenbestand te willen. Tabel 3.4

Eigen bijdrage beleid en bekostigingsstructuur in de gemeenten (N=167)

Kenmerk Eigen bijdrage Wmo-maatwerkvoorzieningen: iedereen Eigen bijdrage Wmo-maatwerkvoorzieningen: groepen vrijgesteld Geen eigen bijdrage Wmo-maatwerkvoorzieningen Input (p*q) bekostiging Wmo-maatwerkvoorzieningen

Percentage 79 17 4 64

Veranderingen over de tijd

Aan het eind van de enquête hebben we gevraagd of de situatie in de gemeente nu dezelfde is als die in januari 2016. Voor 83% van de geënquêteerde gemeenten is dit het geval. 31 De veranderingen in de overige gemeenten hebben meestal betrekking op de eigen bijdrage en zijn slechts in een enkel geval van organisatorische aard. In een paar gemeenten zijn wijkteams opgericht en in enkele andere gemeenten zijn deze opgeheven. Enkele gemeenten geven aan dat in 2017 de wijkteamleden niet langer in dienst zijn van zorgaanbieders (maar in dienst van de gemeente), of dat aanbieders überhaupt niet meer in het team zitten. Eén gemeente kende een tegengestelde ontwikkeling: hier zijn Wmo-zorgaanbieders onderdeel geworden van het wijkteam. Een andere wijziging – die ook maar weinig voorkomt – is dat begeleiding en/of dagbesteding niet meer als maatwerkvoorziening worden aangeboden, maar als algemene voorziening. Tabel 3.5 vat alle wijzigingen samen. 32 In een robuustheidsanalyse verwijderen we deze gemeenten. 33 Dit doen we omdat we over de periode 2015-2017 het Wmo-zorggebruik gaan vergelijken tussen gemeenten met en zonder wijkteams, en we niet willen dat dergelijke wijzigingen het zorggebruik mogelijk beïnvloeden.

Een aantal gemeenten is geënquêteerd in 2018. Zij hebben dus ook de veranderingen doorgegeven die per 1 januari 2018 van kracht zijn geworden. Deze zijn voor onze analyse niet relevant, omdat onze data over zorggebruik tot en met 2017 lopen, maar ze komen redelijk overeen met de veranderingen in tabel 3.5. Hieruit blijkt dat in sommige gemeenten de keuzes over de vormgeving van het sociaal domein nog niet zijn uitgekristalliseerd. Dit wordt bevestigd door gesprekken die wij met diverse gemeenten hebben gevoerd en door de rapportages van Movisie over wijkteams. 30

In de totale dataset van het PPRC doet slechts 4% van de gemeenten aan populatiebekostiging in 2015. In 2017 is het 2%. Utrecht is geclassificeerd als een gemeente met populatiebekostiging, maar uit het gesprek met deze gemeente bleek dat zij een tussenvorm hanteert van populatiebekostiging en per-cliënt-bekostiging. Utrecht wordt overigens verwijderd voor de analyse in hoofdstuk 5. 31 Het percentage van 83 heeft betrekking op de veranderingen ten opzichte van 2017. Omdat een deel van de enquête in 2018 is afgenomen, heeft een deel van de respondenten de veranderingen aangegeven die per 1 januari 2018 van kracht zijn geworden. Die zijn in dit percentage niet meegenomen. Als we deze veranderingen ook meenemen, komen we op 75%. Voor het onderzoek naar Wmo-zorggebruik zijn we primair geïnteresseerd in 2016 en 2017. Dus alleen de veranderingen die in 2017 zijn doorgevoerd, zijn in principe relevant voor ons onderzoek. 32 Onder het kopje ‘overig’ worden veranderingen geschaard zoals wijkteams die nu ook lichte vormen van ondersteuning bieden, of activiteiten van het wijkteam die worden ondergebracht in een stichting. 33 Dit is in principe niet nodig zolang wijkteams niet worden opgestart dan wel opgegeven. De waarde van de variabele die aangeeft of een gemeente een wijkteam heeft (0=geen wijkteam; 1=wel wijkteam), verandert immers niet. 28

Tabel 3.5

Veranderingen in 2017 t.o.v. 1 januari 2016

Verandering Eigen bijdrage beleid is veranderd Teamleden niet meer in dienst van Wmo-zorgaanbieders/geen aanbieders meer in wijkteam Maatwerkvoorzieningen begeleiding of dagbesteding zijn algemene voorziening geworden Start sociaal (wijk)team Sociaal (wijk)team opgegeven Wmo-zorgaanbieders voorheen niet in sociaal (wijk)team, nu wel Overig Totaal

Aantal

Percentage

8 4 2 2 1 1 11 29

28 14 7 7 3 3 38 100

29

4

Onderzoeksopzet en -gegevens

Dit hoofdstuk bespreekt de onderzoeksopzet en de databronnen die we in hoofdstuk 5 voor onze analyse zullen gebruiken. De volgende paragraaf start met een uitleg over de methode die we gebruiken om het effect van de wijkteams op het Wmo-zorggebruik te schatten. Paragraaf 4.2 beschrijft vervolgens welk Wmo-zorggebruik we meten en welke databronnen we hiervoor benutten. Het blijkt dat het gebruik van Wmo-data voor een vergelijking tussen gemeenten geen sinecure is. We vinden het daarom belangrijk om niet met één, maar met twee (onafhankelijke) bronnen van Wmo-zorggebruik te werken en onze analyses in hoofdstuk 5 met beide bronnen te doen. Gemeenten verschillen bijvoorbeeld in de productdefinities die zij voor hun Wmo-maatwerkvoorzieningen hanteren, evenals in de manier waarop zij die voorzieningen financieren. Ook verschillen gemeenten in hun eigenbijdragebeleid en de mate waarin een algemene voorziening een maatwerkvoorziening zijn geworden. Met al deze factoren dient rekening te worden gehouden in onze analyse. Het hoofdstuk sluit vervolgens af met paragraaf 4.3, waar we een eerste verkennende analyse doen naar de verschillen tussen gemeenten met en zonder wijkteams.

4.1

Onderzoeksopzet

Voor het onderzoek vergelijken we het Wmo-zorggebruik van gemeenten met en zonder wijkteams over de periode 2015-2017. 34 We gebruiken hiervoor een zogeheten ‘verschil-inverschil’- analyse. 35 De methode focust op de ontwikkeling in het Wmo-zorggebruik over de tijd in gemeenten met en zonder wijkteams. Een voordeel hiervan is dat eventuele meetfouten in de niveaus van Wmo-zorggebruik minder gewicht krijgen. Met deze methode kan het causale effect van de sociale (wijk)teams onder een bepaalde voorwaarde worden geschat. In het kader hieronder beschrijven we hoe dat in zijn werk gaat. We toetsen het geschatte effect op significantie door middel van econometrische verschil-inverschilmodellen. Voor de leesbaarheid geven we bij de bespreking van de resultaten alleen aan of het geschatte effect significant van nul is, niet de resultaten van de toets zelf. Die geven we in bijlage A. Verder zullen we ook een techniek toepassen die gemeenten met een wijkteam selecteert die vergelijkbaar zijn met gemeenten zonder wijkteam. Deze techniek die in het Engels doorgaat voor propensity score matching wordt eveneens in het kader hieronder beschreven. Ook met deze gematchte groep gemeenten kan weer een verschil-in-verschilanalyse gedaan worden. Dit doen we in paragraaf 5.1.

34

En verderop in de tekst vergelijken we gemeenten met aanbieders in het wijkteam met gemeenten zonder aanbieders in het wijkteam. 35 Het begrip verschil-in-verschil relateert aan het feit dat we naar verschillen tussen gemeenten kijken en naar verschillen over de tijd. 30

Onderzoekstechnieken De verschil-in-verschilmethode Bij de verschil-in-verschilmethode wordt de verandering in de ontwikkeling van de doelvariabele – het Wmo-zorggebruik – tussen behandel- en controlegroep beschouwd (gemeenten met versus zonder wijkteams). Deze controle- en behandelgroep hoeven niet op elkaar te lijken. Wat wel belangrijk is, is dat zij voor aanvang van de decentralisaties/invoering van het wijkteam dezelfde tijdtrend in de doelvariabele hebben. Onder de aanname dat de ontwikkeling van de behandelgroep in afwezigheid van de wijkteams dezelfde trend zou hebben gevolgd als de ontwikkeling van de controlegroep, kan het causaal effect van de wijkteams geschat worden. Deze aanname heet ook wel de ‘parallelle trend’ aanname. Onderstaande figuur illustreert de verschil-in-verschilmethode. Het verschil tussen de doorgetrokken en de gestippelde rode lijn geeft het causale effect van de wijkteams weer. Het kan geschat worden door het verschil tussen de ontwikkeling van de rode lijn en de ontwikkeling van de blauwe lijn te nemen. Dus stel dat de behandelgroep met 4 groeit (van 6 naar 10) en de controlegroep met 2 (van 4 naar 6), dan is het geschatte effect 4-2=2. Belangrijk voor deze methode is dus dat er voor zowel behandel- als controlegroep voor- en nametingen van de doelvariabele plaatsvinden.

De metingen voorafgaand aan de invoering van de wijkteams (lees: voor de decentralisaties) moeten immers de veronderstelling dat behandel- en controlegroep in die periode gelijk op gingen, bevestigen. Concreet betekent dit dat voor alle gemeenten gegevens voor het Wmo-zorggebruik beschikbaar moeten zijn van vóór 2015. Aangezien er geen Wmo-gegevens voorhanden zijn van voor de decentralisaties, omdat Wmobegeleiding en dagbesteding toen nog onder de AWBZ vielen, is hier het alternatief om te kijken naar het zorggebruik van AWBZ-begeleiding en dagbesteding in de jaren voorafgaande aan de decentralisatie (over de periode 2009-2014). Deze analyse presenteren we in paragraaf 5.1. Voor het schatten van het effect met de Wmo-gegevens beschouwen we de eerste maand na de decentralisatie (januari 2015) als de voormeting (t=0). Feitelijk is dat niet zo, omdat de decentralisatie dan net al van start is gegaan. We doen dit omdat we dan wel binnen dezelfde datareeks meten (namelijk binnen de Wmo-datareeks van na de decentralisatie).

Propensity score matching Bij propensity-score-matching worden behandel- en controlegroep (gemeenten met en zonder wijkteams) ‘vergelijkbaar’ gemaakt door ze aan elkaar te koppelen op basis van observeerbare kenmerken, zoals bevolkingssamenstelling en aandeel lage inkomens. Aan de hand van deze kenmerken wordt de kans geschat dat een gemeente een wijkteam heeft. De voorspelde kans (de propensity score) die uit deze schatting komt, kan vervolgens worden benut om gemeenten zonder wijkteam te matchen aan gemeenten met een wijkteam. De propensity score geeft dus ook aan een gemeente zonder wijkteam de kans dat zij een wijkteam ingevoerd zou hebben. Dat matchen kan op allerlei manieren. Wij gebruiken de methode waarbij gemeenten gekoppeld worden als de voorspelde kansen om een wijkteam te hebben het dichtst bij elkaar liggen. Dus stel dat een gemeente zonder wijkteam een kans heeft van 69% om een wijkteam in te voeren en de eerstvolgende gemeente met wijkteam een kans van 70%, dan worden deze gemeenten aan elkaar gekoppeld.

31

4.2

Onderzoeksgegevens

Voor het meten van het Wmo-zorggebruik gebruiken we twee databronnen: Wmo-bestanden van de Gemeentelijke Monitor Sociaal Domein (GMSD) 36 en bestanden van het CAK. De gegevens uit deze bronnen zijn beschikbaar op individueel niveau, maar voor de meeste analyses zijn de data geaggregeerd naar gemeenteniveau. 37

Informatie over de bekostigingsstructuur hebben we verkregen via een dataset van het PPRC. De dataset bevat voor bijna alle Nederlandse gemeenten gegevens over de manier waarop de maatwerkvoorzieningen begeleiding, dagbesteding en kortdurend verblijf zijn bekostigd over de periode 2015-2017. Hierin wordt aangegeven of gemeenten de tweedelijns Wmo-maatwerkvoorzieningen via inputfinanciering bekostigen (p*q), per cliënt, of via populatiebekostiging (aanbieder krijgt vast bedrag voor een populatie in de wijk). Veranderingen in bekostigingsstructuur in de periode 2015-2017 zijn hierin ook aangegeven.

Onze enquête en het databestand met informatie over de bekostigingsstructuur van de gemeenten zijn op gemeenteniveau gekoppeld aan de (geaggregeerde) GMSD- en CAKbestanden. Verschillen tussen de GMSD- en CAK-bestanden

De GMSD- en CAK-bestanden verschillen op een aantal belangrijke punten:

• • • •

De gemeenten die in de bestanden zijn opgenomen. De tijdsperiode waarin het zorggebruik geregistreerd wordt. Het geregistreerde zorggebruik. De productdefinities van Wmo-maatwerkvoorzieningen.

We spreken ze hieronder en geven daarbij ook aan wat deze verschillen betekenen voor onze analyse. Bij de GMSD geldt dat gemeenten op vrijwillige basis gegevens aanleveren. Omdat we voor ons onderzoek de periode 2015-2017 hanteren, kunnen we alleen de gemeenten gebruiken die in elk jaar van de onderzoeksperiode data aanleveren bij deze bron. Het CAK int de eigen bijdrage voor maatwerkvoorzieningen en administreert alleen het Wmo-zorggebruik voor gemeenten die een eigen bijdrage kennen. Voor deze bron kunnen we dus alleen de gemeenten gebruiken die een dergelijk bijdrage van hun inwoners vragen over de periode 2015-2017.

De tijdsperiode waarin het zorggebruik geregistreerd wordt, verschilt ook tussen de bestanden. Het zorggebruik bij het CAK wordt per zorgperiode (vier weken) geregistreerd, 36

De GMSD wordt door het Centraal Bureau voor de Statistiek (CBS) bijgehouden. We gebruiken de informatie uit de Wmo-monitor (www.wmomonitor.nl) voor de informatie op gemeenteniveau. Dit zijn geaggregeerde gegevens die vanuit de microbestanden zijn opgebouwd. 37

32

terwijl dat bij de GMSD per maand gebeurt. 38

Wat betreft het zorggebruik bevatten de GMSD en het CAK beide informatie over de aantallen cliënten met een tweedelijns Wmo-maatwerktraject, zowel cliënten met persoonsgebonden budgetten als zorg in natura. Een groot verschil is dat de CAK-gegevens het daadwerkelijk afgenomen (gefactureerde) zorggebruik in een zorgperiode meten, terwijl de GMSD-gegevens de afgegeven beschikking voor de Wmo-voorzieningen weergeven. Daarnaast bevat de GMSD aanvullende informatie over de reden van beëindiging van een maatwerktraject en bevat alleen het CAK aanvullende informatie over het aantal zorguren per cliënt (voor zorg in natura). We zullen beide databronnen benutten voor onze analyses. Echter, in de hoofdanalyse richten we ons vooral op de gegevens uit de GMSD. Dit komt omdat het aantal afgegeven beschikkingen in plaats van afgenomen (gefactureerde) zorg, beter aansluit bij de informatie over indicaties van voor de decentralisaties toen de tweedelijns Wmo-zorg nog onder de AWBZ viel (en welke data we ook zullen gebruiken). De CAK-data gebruiken we altijd voor een robuustheidsanalyse. De resultaten daarvan geven we in bijlage B. Alleen als we naar zorguren per cliënt willen kijken, hanteren we uitsluitend de gegevens van het CAK. Daarbij moet wel de kanttekening worden gemaakt dat deze zorguurgegevens alleen volledig zijn voor maatwerkvoorzieningen die p*q-bekostigd zijn in gemeenten.

Met behulp van de informatie over bekostigingsstructuur kunnen we deze gemeenten selecteren voor de analyse naar het aantal zorguren per cliënt. Een ander verschil zijn de gehanteerde productdefinities van de Wmomaatwerkvoorzieningen. Omdat dit een belangrijk verschil is, bespreken we die hieronder wat uitvoeriger. Welk Wmo-zorggebruik meten we precies in beide bronnen?

We meten het Wmo-zorggebruik in de GMSD af aan de productcategorie ondersteuning thuis en bij het CAK aan de productcategorie begeleiding totaal. Tabel 4.1 hieronder laat zien welke producten onder deze categorieën vallen, en welke overeenkomsten en verschillen er tussen deze categorieën zijn. Een belangrijke overeenkomst is dat individuele begeleiding en dagbesteding het grootste deel uitmaken van elk van deze categorieën (circa 85%). Tabel 4.1

Overeenkomsten en verschillen tussen CAK en GMSD

GMSD: ondersteuning thuis

CAK: begeleiding totaal

Begeleiding (individueel) Dagbesteding Persoonlijke verzorging Kortdurend verblijf Overige ondersteuning gericht op het individu en/of gezin Overige groepsgerichte ondersteuning Overige maatwerkvoorzieningen

Begeleiding (individueel) Dagbesteding Persoonlijke verzorging

Arrangementen Wmo Vervoersdiensten Beschermd Wonen extramuraal

38

Feitelijk registreert de GMSD de periode van de afgegeven beschikking. Wij vertalen deze gegevens naar maand. 33

Ondersteuning thuis (GMSD) bevat begeleiding, dagbesteding, persoonlijke verzorging, kortdurend verblijf en overige maatwerkvoorzieningen en ondersteuning.

Begeleiding totaal (CAK) bevat individuele begeleiding, dagbesteding, persoonlijke verzorging, arrangementen Wmo, vervoersdiensten en beschermd wonen extramuraal.

We kiezen ervoor om in onze hoofdanalyses deze productcategorieën niet verder op te splitsen in individuele begeleiding en dagbesteding. 39 De reden hiervoor is dat deze maatwerkvoorzieningen op verschillende manieren geadministreerd worden. Het gaat dan om verschillen tussen gemeenten, maar ook binnen een gemeente over de tijd. Zo kan het zijn dat een gemeente individuele begeleiding onder een Wmo-arrangement (CAK) of overige maatwerkvoorzieningen (GMSD) schaart en niet langer onder individuele begeleiding zelf. 40 Uit gesprekken met beleidsmakers van verschillende gemeenten blijkt dat in zulke gevallen de inhoud van de voorziening niet wezenlijk verandert. Door de bredere productcategorieën te gebruiken, voorkomen we dat veranderingen in het gebruik verstoord worden door een andere manier van de gebruiksadministratie. Ook zorgt dit ervoor dat Begeleiding totaal en Ondersteuning thuis beter met elkaar te vergelijken zijn. Welke gemeenten nemen we op in onze data?

Per bron (GMSD of CAK) nemen we alleen de gemeenten op die in elk jaar van onze onderzoeksperiode (2015-2017) data aanleveren bij deze bron. Vervolgens verwijderen we een aantal gemeenten. In ieder geval wordt de gemeente Utrecht buiten de analyse gelaten, omdat daar het sociale (wijk)team de tweedelijnszorg in meer dan 80% van de gevallen zelf levert (zie kader Utrecht). In dat geval wordt het grootste deel van de tweedelijnszorg in Utrecht niet meer geïndiceerd en daardoor ook niet meer aangeleverd bij de GMSD of het CAK. Daarnaast verwijderen we gemeenten die in 2016 of 2017 de maatwerkvoorzieningen begeleiding of dagbesteding (volledig) hebben getransformeerd naar een algemene voorziening. In dat geval wordt het Wmo-zorggebruik niet meer (als maatwerkvoorziening) geregistreerd.

In de GMSD houden we na deze verwijderacties dan nog 122 gemeenten over. 41 Voor de analyse met de CAK-data verwijderen we de gemeenten die in onze enquête hebben aangegeven de eigen bijdrage te hebben afgeschaft in onze onderzoeksperiode. Voor deze gemeenten hebben we immers geen informatie over het zorggebruik bij het CAK over deze periode. We houden dan nog 155 gemeenten over. 42 39

De maatwerkvoorzieningen waarop de vragen in onze enquête expliciet betrekking hadden. Zo treffen we voor een paar gemeenten een ‘leegloop’ aan in het aantal cliënten voor individuele begeleiding. De reden hiervoor is duidelijk: deze cliënten krijgen niet langer een indicatie voor individuele begeleiding, maar bijvoorbeeld voor een Wmo-arrangement. 41 Onze enquête was gericht op die gemeenten die in elk jaar in onze onderzoeksperiode data aanleveren bij de Gemeentelijk Monitor Sociaal Domein. Dat wil dus zeggen in 2015, 2016 en 2017. In de enquête waren 42 gemeenten opgenomen waarbij dat niet het geval was. Deze 42 zijn dus verwijderd, samen met Utrecht en twee andere gemeenten waarbij de maatwerkvoorziening een algemene voorziening is geworden. Hierdoor houden we 122 (=167-42-3) gemeenten over. 42 Het CAK administreert voor alle Nederlandse gemeenten het Wmo-zorggebruik zolang ze een eigen bijdrage voor maatwerkvoorzieningen hebben. We verwijderen 9 gemeenten die geen eigenbijdrage kennen, de gemeente Utrecht en de twee gemeenten waarbij de maatwerkvoorziening een algemene voorziening is geworden. Hierdoor houden we 155 (=1679-3) gemeenten over. 40

34

Dit zijn de twee datasets die we zullen gebruiken.

Verder is het van belang hier te melden dat alle geënquêteerde gemeenten hun tweedelijns Wmo-maatwerkvoorzieningen financieren met p*q of per-cliënt-bekostiging. Gemeenten die populatiebekostiging toepassen, maken dus geen onderdeel uit van onze dataset. Dit betekent dat in alle gemeenten in onze dataset de financiële prikkel voor aanbieders min of meer gelijk is: het is financieel aantrekkelijker om meer cliënten te behandelen dan minder. Samenvattend kunnen we zeggen dat we kijken naar twee uitkomstmaten van Wmozorggebruik, namelijk ondersteuning thuis en begeleiding totaal en dat we rekening houden met a) het eigenbijdragebeleid, b) de mate waarin een maatwerkvoorziening een algemene voorziening is geworden, c) productdefinities van Wmo-maatwerkvoorzieningen en d) de bekostigingsstructuur van die maatwerkvoorzieningen (p*q, per cliënt of populatiebekostiging).

4.3

Kenmerken van gemeenten met en zonder wijkteams

Voordat we in het volgende hoofdstuk onze hoofdvragen gaan beantwoorden, kijken we in deze paragraaf alvast naar een paar kenmerken van gemeenten met en zonder wijkteams. In hoeverre verschillen deze gemeenten? Deze verschillen spelen later een rol in onze analyse naar de relatie tussen de inzet van wijkteams en het aantal doorverwijzingen. Tabel 4.2

Kenmerken van gemeenten met en zonder wijkteam. GMSD-dataset 2015-2017

Variabelen

Hoofduitkomsten Aantal Wmo-cliënten ondersteuning thuis per 1000 inwoners: januari 2015 Aantal Wmo-cliënten ondersteuning thuis per 1000 inwoners: december 2017 Achtergrondkenmerken gemeenten vóór decentralisaties Bevolking (2014) Aandeel 65-plussers (2014) Aandeel indicatie AWBZ-begeleiding individueel 18+ (2014) Aandeel indicatie AWBZ-groepsbegeleiding 18+ (2014) Gemiddeld persoonlijk jaarinkomen (2014) Wmo’15-budget per inwoner in euro's(a) N

Alleen Wmo-loket

Wijkteam

Totaal

8,0 10,1

9,2 12,7**

8,8 11,9

32479 20,1% 1,1% 0,6% 31503 134 35

53131** 19,7% 1,1% 0,6% 30276 171*** 87

47206 19,8% 1,1% 0,6% 30628 161 122

(a) Het gaat hier om het Wmo 2015-deel van de integratie-uitkering Sociaal Domein. De uitkering is voor het jaar 2016. De gegevens die echter nodig zijn voor de berekening van deze uitkering komen uit 2015 en 2014. De uitkering is gebaseerd op een objectief verdeelmodel waarin 10 factoren zitten (zie hoofdtekst). *** 1% significantieniveau, ** 5% significantieniveau, ** 10% significantieniveau.

Tabel 4.2 presenteert kenmerken voor gemeenten met en zonder wijkteams voor de GMSDdataset. Gegeven zijn de hoofduitkomsten, het aantal klanten ondersteuning thuis per 1000 inwoners in januari 2015 en december 2017, die we later grondiger gaan analyseren, en achtergrondkarakteristieken van de gemeenten, vóór de decentralisaties. De sterren in de kolom wijkteam geven aan of het verschil significant is ten opzichte van gemeenten zonder wijkteam (die alleen een Wmo-loket hebben). De statistieken zijn ongewogen. Dat wil zeggen 35

dat elke gemeente hetzelfde gewicht krijgt, ongeacht de bevolkingsomvang. 43 Vóór de decentralisaties

Wat opvalt, is dat gemeenten zonder wijkteams duidelijk verschillen van gemeenten met wijkteams. Ze zijn gemiddeld genomen kleiner in bevolkingsomvang en krijgen een lager Wmo-budget per inwoner. 44 Dat laatste is relevant omdat het laat zien dat gemeenten met wijkteams een kwetsbaardere doelgroep dienen dan gemeenten met alleen een Wmo-loket. Het Wmo-budget is namelijk gebaseerd op een zogeheten ‘objectief verdeelmodel’ waarin tien factoren zitten die bepalend zijn voor het (geraamde) zorggebruik en kosten van de Wmo. 45 De uitkering houdt rekening met de bevolkingsomvang en het aandeel 65-plussers (die apart zijn vermeld in de tabel), en met het aantal eenpersoonshuishoudens, uitkeringsontvangers, 46 Wajonguitkeringen, huishoudens met lage inkomens, het medicijngebruik, het lokale klantenpotentieel, het aantal (stads-)kernen, en de stedelijkheid van de gemeenten. In het algemeen geldt: hoe hoger een gemeente scoort op een van deze factoren, hoe hoger de uitkering. 47

Te zien valt dat gemeenten met wijkteams ongeveer 27% meer Wmo-middelen krijgen dan gemeenten zonder wijkteams (171 euro versus 134 euro per inwoner). Dit verschil is statistisch significant op 1%-significantieniveau en daarmee het meest opvallende verschil tussen de groepen gemeenten. Deze verschillen worden (nog) groter als de gewogen resultaten worden gebruikt, zie tabel B.1 in bijlage B. We concluderen hier dat gemeenten met alleen een Wmo-loket een ander type gemeenten zijn dan gemeenten met wijkteams; het voornaamste verschil is dat gemeenten met wijkteams groter zijn qua bevolkingsomvang en een kwetsbaardere doelgroep dienen. In de analyse in hoofdstuk 5 houden we rekening met deze verschillen. Dit doen we door de gemeenten zonder wijkteam te koppelen aan gemeenten met een wijkteam die een vergelijkbaar Wmo-budget per inwoner kennen. Na de decentralisaties

Na de decentralisaties observeren we twee belangrijke zaken. Ten eerste stijgt het aantal cliënten met een maatwerkvoorziening ondersteuning thuis in beide groepen gemeenten. De stijging is circa 35% over de periode januari 2015 - december 2017 (van 8,8 naar 11,9 cliënten per 1000 inwoners). Ten tweede stijgt het aantal cliënten sterker in gemeenten met wijkteams. Waar in gemeenten met alleen een Wmo-loket het aantal klanten toenam met 26% (van 8,0 naar 10,1), nam dit aantal toe met 38% in gemeenten met wijkteams (van 9,2 naar 12,7). Deze cijfers suggereren dat de inzet van wijkteams leidt tot meer doorverwijzingen. In het volgende hoofdstuk gaan we na of dit ook daadwerkelijk het geval is. We gebruiken daarbij de onderzoeksopzet zoals besproken in paragraaf 4.1. 43

In bijlage B geven we ook de tabel met de resultaten gewogen naar bevolkingsomvang. Het Rijk compenseert gemeenten voor de in 2015 gedecentraliseerde taken met een vrij besteedbare uitkering, genaamd de integratie-uitkering Sociaal Domein. Deze uitkering is samengesteld uit verschillende onderdelen, waaronder een bedrag voor uitgaven voor de Wmo, hier het Wmo-budget genoemd. 45 Voor het jaar 2016. Hiervoor zijn echter de gegevens gebruikt uit 2014 en 2015. 46 Zonder bijstandsontvangers. 47 Dit geldt niet voor de stedelijkheid. Daar geldt: hoe hoger de stedelijkheid, hoe lager het budget (ceteris paribus). Voor de precieze uitwerking van het model verwijzen we naar https://aefbucket.s3.amazonaws.com/uploads/Rapport_def_verdeelmodel_Wmo_2015.pdf. 44

36

5

Relatie tussen wijkteams en Wmozorggebruik

Dit hoofdstuk bevat onze kernbevindingen. We gebruiken de input van de enquête uit hoofdstuk 3 om de relatie tussen de inzet van wijkteams en het maatwerkvoorzieningengebruik te onderzoeken. Centraal staan de onderzoeksvragen uit de inleiding •

•

Vertoont het gebruik van tweedelijnszorg een sterkere daling (of minder grote stijging) in gemeenten met wijkteams dan in gemeenten zonder wijkteams? Maakt het voor het aantal doorverwijzingen naar de tweede lijn uit of zorgaanbieders onderdeel uitmaken van het wijkteam?

Deze vragen zullen allereerst in paragrafen 5.1 en 5.2 worden behandeld. Het onderzoek richt zich daar op de aantallen cliënten met een (indicatie voor een) maatwerkvoorziening. In de daaropvolgende paragrafen doen we een aantal verdiepende analyses waarbij we kijken naar verschillen tussen 65-plussers en 65-minners, de duur en intensiteit van bestaande maatwerktrajecten en de doorstroom van de Wmo naar zwaardere vormen van zorg (Wlz of Zvw). Belangrijk om hier op te merken is dat we in alle figuren en tabellen die we in dit hoofdstuk laten zien, de ongewogen resultaten geven om te voorkomen dat onze resultaten door enkele grote gemeenten worden gedomineerd. In bijlagen A en B presenteren we ook gewogen uitkomsten. 48 Die geven over het algemeen grotere verschillen tussen gemeenten met en zonder wijkteams aan.

5.1

Hoofdvraag 1: Leiden wijkteams tot afschaling van het aantal Wmo-cliënten?

De inzet van wijkteams leidt niet tot afschaling van het aantal Wmo-cliënten, maar juist tot een stijging van 13 procent. Deze stijging is statistisch significant van nul. 49 Hoe komen we op die 13 procent?

Figuur 5.1 presenteert informatie over de ontwikkeling van het zorggebruik over de tijd. Gegevens zijn op maandbasis. In de figuur observeren we dat in de eerste maanden na de decentralisaties het aantal cliënten met een maatwerkvoorzieningsondersteuning al sterker begint te stijgen in gemeenten met wijkteams (rode lijn). Vervolgens zet deze (sterkere) stijging door in daaropvolgende maanden. Dit zien we ook als we de gewogen resultaten gebruiken (zie figuur B.1 in bijlage B).

48

Gewogen naar bevolkingsomvang. Dit doen we alleen voor de kernuitkomsten in paragrafen 5.1 en 5.2. Gebaseerd op een tweezijdige toets. Afschaling impliceert een eenzijdige toets, waardoor men nog sneller deze hypothese verwerpt.

49

37

Over de periode januari 2015 – december 2017 is in gemeenten met wijkteams de stijging 3,5 cliënten ondersteuning thuis 50 per 1000 inwoners (=12,7-9,2; zie ook tabel 4.2). In gemeenten zonder wijkteams is de stijging ongeveer 2 cliënten ondersteuning thuis per 1000 inwoners. Als we volgens de verschil-in-verschilmethode het verschil nemen tussen deze twee ontwikkelingen, komen we op 1,5 (=3,5-2) extra cliënten ondersteuning thuis door invoering van de wijkteams. 51 De statistische significantie wordt bepaald door een verschilin-verschilmodel te schatten. Dat doen we in bijlage A. De toename van 1,5 cliënten kan vertaald worden naar een percentuele stijging van ongeveer 13%. Als de wijkteams niet waren ingevoerd, zouden er in die gemeenten 11,2 cliënten ondersteuning thuis zijn geweest in december 2017 (zie de gestippelde lijn in figuur 5.1). In werkelijkheid – met wijkteams – zijn het er 12,7. De percentuele stijging is dan gelijk aan 100*(12,7-11,2)/11,2.

Een analyse met de CAK-data, waarbij we meer gemeenten hebben (155), levert een zelfde beeld op, zie bijlage A. 52 En ook als we de gemeenten verwijderen die een verandering in de organisatie van hun wijkteams en/of de Wmo hebben doorgevoerd - de veranderingen zoals weergegeven in tabel 3.5 - dan komen we tot deze conclusie (zie ook bijlage A). Figuur 5.1

Het aantal Wmo-cliënten stijgt harder in gemeenten met wijkteams

Causaliteit?

De gegeven schatting van 13% kan, onder de parallelle-trendaanname, worden geïnterpreteerd als het causale effect van het hebben van wijkteams op Wmo-zorggebruik (zie kader verschil-in-verschilmethode in paragraaf 4.1). De vraag is nu of deze voorwaarde opgaat: komt de hardere stijging nu door de wijkteams, of zijn er andere factoren die het verschil in trends in zorggebruik kunnen verklaren. Tabel 4.2 toonde immers aan dat gemeenten met en zonder dergelijke teams niet echt vergelijkbaar zijn. Een kritiek kan dan ook zijn dat we appels met peren vergelijken. Zo kan schaal een rol spelen: in grotere gemeenten met meer wijken zou een andere dynamiek in het zorggebruik kunnen zitten dan in kleinere gemeenten. Daarnaast kunnen met de invoering van wijkteams ook andere 50

Zie hoofdstuk 4 waarom we niet apart naar begeleiding of dagbesteding kunnen kijken. De categorie ondersteuning thuis bestaat voor het grootste gedeelte uit begeleidings- en dagbestedingstrajecten. 51 Op twee decimalen nauwkeurig: 1,48 (zie bijlage A). 52 Zie ook tabel B.2 en figuur B.2 in bijlage B. 38

beleidsparameters gewijzigd zijn die mogelijk een rol spelen in het Wmo-zorggebruik. We zullen deze kritieken dan ook op drie manieren adresseren.

Ten eerste kijken we naar het AWBZ-zorggebruik (begeleiding en dagbesteding) van vóór de decentralisaties, toen de sociale (wijk)teams nog niet waren ingevoerd. Was er al een harder stijgende trend waarneembaar in gemeenten die later voor wijkteams kozen? Als dat zo is, dan kan dat mogelijk het verschil in trends in Wmo-zorggebruik tussen de gemeenten verklaren.

Ten tweede zullen we proberen een ‘eerlijker’ vergelijking maken. We doen dan weer een verschil-in-verschilanalyse maar dan voor vergelijkbare gemeenten. Een statistische techniek, genaamd propensity score matching biedt daarvoor de mogelijkheid. Uit de groep gemeenten met een wijkteam worden dan 35 gemeenten gezocht (‘gematcht’) die vergelijkbaar zijn met de 35 gemeenten zonder wijkteam (zie paragraaf 4.1 voor een uitleg). Voor de ‘matching’ gebruiken we het Wmo-budget per inwoner uit tabel 4.2, omdat de groepen voornamelijk in deze variabele verschillen. 53 Ten derde zullen we in deze paragraaf stilstaan bij mogelijke andere factoren die gepaard zijn gegaan met de invoering van het wijkteam en die mogelijk een rol kunnen spelen in het Wmo-zorggebruik, zoals de eigen bijdrage en veranderingen in de Rijksbijdrage die gemeenten voor de uitvoering van de Wmo ontvangen.

Trends in AWBZ-zorggebruik

Figuur 5.2 laat zien dat de hardere stijging in het Wmo-zorggebruik in gemeenten met wijkteams niet vooraf is gegaan door een al hardere stijging in het AWBZ-zorggebruik van vóór de decentralisaties. De figuur toont het aantal personen (18-jaar en ouder) per 1000 inwoners met een AWBZ-indicatie individuele begeleiding of groepsbegeleiding voor de periode 2009-2014. Gegevens zijn op jaarbasis. Te zien valt dat de trend in het AWBZzorggebruik voor de decentralisaties gelijk opgaat in beide typen gemeenten tot aan de decentralisatie. 54 De trends zijn niet statistisch significant verschillend van elkaar. 55 Figuur 5.2 bevat een belangrijke conclusie. Als we mogen aannemen dat de trend van het Wmo-zorggebruik in gemeenten met wijkteams in afwezigheid van die teams dezelfde zou zijn geweest als die in gemeenten met een Wmo-loket 56 – wat ondersteund wordt door de (pre-)trends in AWBZ-zorggebruik - dan is er een causaal verband tussen het hebben van wijkteams en tweedelijns Wmo-zorg. In andere woorden: de 13% krijgt een causale interpretatie (zie kader verschil-in-verschilmethode in paragraaf 4.1).

53 Het verschil in dit budget tussen gemeenten met en zonder wijkteam is significant op 1%-significantieniveau. Na de matching zijn er geen significante verschillen meer in alle kenmerken in tabel 4.2. 54 Het aantal cliënten per 1000 inwoners ligt hoger bij de AWBZ dan bij de Wmo, vermoedelijk omdat delen van de AWBZbegeleiding en dagbesteding naar overige regelingen als de Wlz en de Zvw zijn gegaan na de decentralisatie. 55 Gebaseerd op een F-test op de geschatte coëfficiënten voor interacties van wijkteam*jaar. Resultaten op verzoek beschikbaar. 56 De gestippelde lijn in figuur 5.1.

39

Figuur 5.2

Trends in AWBZ-zorggebruik vóór 2015

Een eerlijker vergelijking

Figuur 5.3 laat zien dat de inzet van wijkteams ook leidt tot meer zorggebruik als we een eerlijker vergelijking doen. Het rechterpaneel van de figuur laat de resultaten van de matchinganalyse zien. We gebruiken hiervoor weer de data op maandbasis zoals in figuur 5.1. We vergelijken de 35 gemeenten met alleen een Wmo-loket met 35 vergelijkbare gemeenten met een wijkteam. Ter vergelijking geeft het linkerpaneel nogmaals de resultaten weer voor de volledige sample van 122 gemeenten (hetzelfde plaatje als in figuur 5.1). Figuur 5.3

Het aantal Wmo-cliënten stijgt harder in gemeenten met wijkteams. Links: totale GMSDdataset (122 gemeenten). Rechts: gematchte dataset (70 gemeenten)

In het rechterplaatje is te zien dat door de matching het zorggebruik begin 2015 ‘gelijk’ is getrokken; er zijn nauwelijks meer verschillen in de zorgniveaus tussen de twee typen gemeenten. Dat is ook logisch, want ze zijn gematcht op belangrijke karakteristieken als bevolkingsomvang en het Wmo-budget per inwoner. Daarna observeren we ook hier dat het aantal Wmo-cliënten in gemeenten met wijkteams harder stijgt dan in gemeenten met alleen een Wmo-loket. Als we weer een verschil-in-verschilanalyse doen, komen we op een effect 40

dat in dezelfde orde van grootte ligt als in het linkerplaatje, ongeveer 14%. 57 Andere factoren?

De keuze voor de inzet van een wijkteam kan worden ingegeven door of samengaan met de keuze voor andere beleidsparameters binnen het sociaal domein. Zoals gezegd houden we, door de opzet van onze analyse, al rekening met verschillen tussen gemeenten in a) de aanwezigheid van een eigen bijdrage, b) de mate waarin een maatwerkvoorziening een algemene voorziening is geworden, c) de productdefinities van Wmomaatwerkvoorzieningen en d) de bekostigingsstructuur voor die voorzieningen. 58

Echter, als er naast de inzet van wijkteams ook nog andere factoren zijn die mogelijk van invloed zijn op het Wmo-zorggebruik, dan is het niet zeker of de relatie tussen het hebben van wijkteams en de stijging van het aantal Wmo-cliënten causaal kan worden opgevat. Twee mogelijke factoren die in gesprekken met gemeenten en beleidsmakers werden genoemd, zijn de hoogte van de eigen bijdrage en veranderingen in de Rijksbijdrage. Deze lijken niet van invloed te zijn, zie onder. Hoogte van eigen bijdrage

Gemeenten bepalen – binnen landelijke kaders – de hoogte van de eigen bijdrage die hun inwoners betalen voor het gebruik van maatwerkvoorzieningen. De hoogte van deze bijdrage kan invloed hebben op de instroom in die voorzieningen. De verwachte invloed is op voorhand lastig te voorspellen. 59 Enerzijds kan een hoge eigen bijdrage ertoe leiden dat minder mensen een maatwerkvoorziening willen hebben, omdat ze in dat geval relatief veel moeten bijdragen. Anderzijds kan het juist een prikkel zijn voor gemeenten om meer mensen een maatwerkvoorziening te geven, omdat de gemeente minder de kosten van de voorziening draagt. In tabel 5.1 hieronder kijken we naar de verschillen in de gemiddelde eigen bijdrage per uur (voor begeleiding) tussen gemeenten met en zonder wijkteam. We gebruiken hiervoor de gemeenten die hun maatwerkvoorzieningen p*q bekostigen omdat het CAK alleen voor deze gemeenten de (gefactureerde) zorguren registreert. 60

De tabel laat zien dat het verschil in de gemiddelde eigen bijdrage per uur over de periode 2015-2017 ongeveer 4 euro is (28,5 versus 24,1 euro); dit verschil is niet statistisch significant. 61 Dit suggereert dat het verschil in zorggebruik tussen gemeenten met en zonder 57

Deze schatting is niet significant meer van 0, maar dat komt omdat we nu veel minder observaties (dat wil zeggen. gemeenten) hebben, namelijk 70 in plaats van 122. Deze schatting van 14% staat in de infographic die bij dit boek hoort. 58 We gebruiken twee databronnen voor Wmo-zorggebruik, de GMSD en het CAK. Per bron verwijderen we een aantal gemeenten in verband met genoemde factoren, zie paragraaf 4.2 59 Uit eerder CPB-onderzoek blijkt dat de eigen bijdrage geen sterk remmend effect heeft op de zorgvraag (Non, 2017). Dit onderzoek betrof de eigenbijdrage bij AWBZ-voorzieningen. 60 Dit betreft 86 gemeenten met een wijkteam en 21 gemeenten met alleen een Wmo-loket. Deze gemeenten worden ook gebruikt in paragraaf 5.6 waar we naar de zorguren begeleiding per cliënt kijken. De door de cliënt betaalde eigen bijdrage per uur in een gemeente is gelijk aan het totaal bedrag van eigen bijdragen gedeeld door het totaal aantal zorguren binnen een gemeente (bron: Wmo-monitor van het CAK). 61 We hebben ook naar het eigenbijdragetarief per uur gekeken. Dit is het bedrag dat een cliënt voor elk uur geleverde zorg zelf moet betalen. Dit is anders dan de door de cliënt betaalde eigen bijdrage zoals vermeld in de tabel, omdat de totale eigen bijdrage die een cliënt per jaar betaalt, gemaximeerd is.

Als we naar deze eigenbijdragetarieven per uur kijken, komen we uit op het volgende: gemiddeld 38 euro voor gemeenten met alleen een Wmo-loket en 37 euro voor gemeenten met een wijkteam. Dit verschil is niet statistisch significant.

41

wijkteam niet door de hoogte van de eigen bijdrage wordt gedreven. Tabel 5.1

Verschillen in eigen bijdrage en Rijksbijdrage over 2015-2017

Betaalde eigen bijdrage per uur in euro's over 2015-2017 Verschil tussen nieuw en oud Wmo-budget per inwoner in euro's

Alleen Wmo-loket

Wijkteam

Verschil

28,5 1,38

24,1 -0,84

4,4 2,22

Veranderingen in de Rijksbijdrage

Verder kan een verandering in de Rijksbijdrage van invloed zijn op het Wmo-zorggebruik en de inzet van een wijkteam/inrichting van het sociaal domein. Het Rijk compenseert gemeenten voor de in 2015 gedecentraliseerde taken door middel van een vrij besteedbare uitkering (de integratie-uitkering Sociaal Domein). Deze uitkering is samengesteld uit verschillende onderdelen, waaronder een bedrag voor uitgaven voor de Wmo (zie ook tabel 4.2). In de praktijk blijkt dit soort uitkeringen, ondanks hun vrij besteedbare karakter, sturend voor gemeentelijke uitgaven. 62

De verdeling van de uitkering voor Wmo-uitgaven wordt geleidelijk aangepast van het historische uitgavenniveau (van vóór de decentralisaties) naar de nieuwe verdeling op basis van objectieve kenmerken. Deze nieuwe verdeling zorgt ervoor dat sommige gemeenten structureel meer middelen krijgen ten opzichte van het verleden, terwijl andere gemeenten juist minder krijgen. Gemeenten die op den duur geld moeten inleveren, ervaren mogelijk een grotere prikkel om het Wmo-zorggebruik in te dammen dan gemeenten die geld erbij krijgen. In dat geval heeft de nieuwe verdeling invloed op het zorggebruik.

We gaan na of de nieuwe verdeling een verklaring kan zijn voor de gevonden verschillen in het zorggebruik tussen gemeenten met en zonder wijkteams. Dit doen we door te kijken naar het verschil tussen het nieuwe en oude Wmo-budget voor beide groepen. Tabel 5.1 presenteert deze verschillen. De tabel laat zien dat gemeenten zonder wijkteam er gemiddeld ongeveer 1,5 euro per inwoner bij krijgen, terwijl gemeenten met een wijkteam ongeveer 80 cent per inwoner moeten inleveren. Dit verschil is echter niet significant, waardoor de veranderingen in de Rijksbijdrage geen verklaring lijken te zijn in het verschil in zorggebruik tussen beide groepen gemeenten. Sterker: ondanks het gebrek aan significantie, betekent het mogelijk dat we een onderschatting hebben voor het effect van wijkteams. Gemeenten zonder wijkteams gaan er gemiddeld op vooruit ten opzichte van gemeenten met wijkteams. De (financiële) noodzaak om minder mensen naar de tweede lijn door te verwijzen is voor eerstgenoemde groep gemeenten dus kleiner. Zonder extra geld zouden gemeenten zonder wijkteam mogelijk nog minder mensen naar de tweede lijn hebben doorverwezen.

62

Zie Kattenberg en Vermeulen (2015).

42

5.2

Hoofdvraag 2: Speelt de invloed van zorgaanbieders een rol in de mate van afschaling?

Deze paragraaf onderzoekt of het voor afschaling van Wmo-zorg uitmaakt of zorgaanbieders zitting hebben in het wijkteam. In de voorgaande hoofdstukken beargumenteren we dat de positie van de aanbieders ten opzichte van het wijkteam een rol speelt in de invloed die zij hebben op de toegang tot de Wmo-maatwerkvoorzieningen. De invloed is naar verwachting het grootst wanneer medewerkers van aanbieders deel uitmaken van het wijkteam (zie figuur 2.1). 63

Om deze hypothese te toetsen, vergelijken we gemeenten met en zonder zorgaanbieders in het team. Bij laatste genoemde groep betrekken we dus ook gemeenten met aanbieders in het team die niet formeel over de indicatiestelling gaan. Uit gesprekken met gemeenten is immers gebleken dat ook wanneer zij daar niet over gaan, zij daar wel veel invloed op hebben (zie hoofdstuk 3). In onze analyse heeft een gemeente zorgaanbieders in het team als (sommige) wijkteammedewerkers in dienst zijn van een aanbieder die actief is in de tweede lijn. 64 In het geval de banden met de moederorganisatie zijn doorgesneden – dus wanneer de medewerkers in dienst zijn gekomen van het wijkteam of de gemeente – beschouwen we de gemeente als één zonder zorgaanbieders in het team. Tabel 5.2

Kenmerken gemeenten met en zonder zorgaanbieders in het wijkteam. GMSD-dataset, 2015-2017

Variabelen

Hoofduitkomsten Aantal Wmo-cliënten ondersteuning thuis per 1000 inwoners: januari 2015 Aantal Wmo-cliënten ondersteuning thuis per 1000 inwoners: december 2017 Achtergrondkenmerken gemeenten vóór decentralisaties Bevolking (2014) Aandeel 65-plussers (2014) aandeel indicatie AWBZ-begeleiding individueel 18+ (2014) Aandeel indicatie AWBZ-groepsbegeleiding 18+ (2014) Gemiddeld persoonlijk jaarinkomen (2014) Wmo’15-budget per inwoner in euro's(a) N

Wijkteam zonder zorgaanbieders

Wijkteam met zorgaanbieders

9,1 11,7

9,3 14,8

52981 19,7% 1,1% 0,6% 30133 174 58

53431 19,7% 1,1% 0,6% 30369 165 29

(a) Het gaat hier om het Wmo 2015-deel van de integratie-uitkering Sociaal Domein. De uitkering is voor het jaar 2016. De gegevens die echter nodig zijn voor de berekening van deze uitkering komen uit 2015 en 2014. De uitkering is gebaseerd op een objectief verdeelmodel waarin 10 factoren zitten (zie hoofdtekst). *** 1% significantieniveau, ** 5% significantieniveau, ** 10% significantieniveau.

Tabel 5.2 toont kenmerken voor beide groepen gemeenten, analoog aan tabel 4.2. We vinden geen significante verschillen in achtergrondkarakteristieken tussen de gemeenten. Wel vinden we een groot verschil in de stijging van het aantal Wmo-cliënten. Waar in gemeenten zonder aanbieders dit aantal stijgt met 29% over onze onderzoeksperiode (van 9,1 naar 11,7 cliënten per 1000 inwoners), stijgt dit in gemeenten met aanbieders met 59% (van 9,3 naar 63

En het grootst wanneer aanbieders ook zelf indiceren. Echter, ook als de formele indicatiestelling niet bij hen is belegd, hebben ze er nog steeds veel invloed op (zie hoofdstuk 3). Dat kan dus ook op een detacheerbasis zijn.

64

43

14,8).

Figuur 5.4 presenteert meer informatie over de ontwikkeling van het aantal Wmo-cliënten over de tijd voor beide typen gemeenten. Ter vergelijking is ook de eerder getoonde ontwikkeling van de gemeenten zonder wijkteam erbij gezet. 65 Het plaatje is helder: in gemeenten met aanbieders in het wijkteam is het aantal Wmo-cliënten veel harder gestegen dan in gemeenten zonder aanbieders in het team. 66 Hieruit blijkt dat het eerder gevonden significante verschil tussen gemeenten met en zonder wijkteams grotendeels wordt gedreven door gemeenten met aanbieders in het team. Echter, in gemeenten waar aanbieders niet in het team zitten, is ook nog steeds geen sprake van afschaling: het aantal Wmo-cliënten is in deze gemeenten harder gestegen dan in gemeenten zonder wijkteams. 67 Een soortgelijke analyse met de CAK-gegevens levert een zelfde beeld op (zie figuur B.4 in bijlage B). Figuur 5.4

Het aantal Wmo-cliënten stijgt harder in gemeenten waar zorgaanbieders in het wijkteam zitten.

Een kanttekening hierbij is dat de stijging voor de groep gemeenten met aanbieders in het team grotendeels gedreven wordt door vijf relatief grote gemeenten in onze dataset. 68 Daarnaast blijken de verschillen in stijging tussen de gemeenten met aanbieders in het team aanzienlijk te zijn, variërend van 2% tot 300% (gelijk aan een verdrievoudiging). 69 Daartegenover staat dan weer wel dat we voor elke gemeente met aanbieders in het team een stijging in het aantal Wmo-cliënten zien. 65

We kijken hier weer naar de volledige set van 122 GMSD-gemeenten. Uitkomsten zijn ongewogen. Dit observeren we ook als we wegen naar bevolkingsomvang, zie het rechterpaneel in figuur B.3 in bijlage B. De stijging in gemeenten zonder wijkteams is 26% (zie tabel 4.2). Deze stijging is nog altijd minder groot dan in gemeenten met wijkteams waar geen aanbieders inzitten, die dus 29% is. De gewogen resultaten geven grotere verschillen aan, zie figuren B.3 en B.4 in de bijlage. 68 Voor de schatting maakt het niet uit of ze groot zijn, omdat we hier de ongewogen resultaten laten zien. 69 In een gesprek met de gemeente waar we een dergelijke hoge stijging hebben waargenomen, wordt een zeer grote stijging bevestigd, maar niet een stijging van 300% over 2015-2017. Dit komt vermoedelijk om twee redenen. Ten eerste werken wij hier met maanddata die percentuele veranderingen over drie jaar weergeven, in plaats van over twee jaar als we met jaardata zouden werken die bijvoorbeeld op Statline te vinden zijn. Een ander verschil tussen maanddata en jaardata is dat eerstgenoemde het aantal mensen met een maatwerkvoorziening in een specifieke maand telt, terwijl laatstgenoemde het aantal mensen weergeeft dat ooit in het jaar zo’n voorziening heeft gehad. 66 67

44

Dit geldt niet voor de overige twee groepen (gemeenten met alleen Wmo-loket en gemeenten met wijkteams zonder aanbieders). In deze groepen zitten wel een paar gemeenten die een (lichte) daling laten zien. We beschouwen deze resultaten daarom als een bevestiging van onze verwachting dat – vanwege meerdere factoren – professionals van aanbieders sneller doorverwijzen.