CPB-Publicatie-De-wijkteambenadering-nader-bekeken

5.3

Is er een verschil tussen 65-plussers en 65-minners in de mate van afschaling?

In de analyses tot nu toe hebben we, omwille van de betrouwbaarheid van de data, gekozen voor de brede productcategorie voor begeleiding. Dit betekent wel dat onze dataset cliënten met uiteenlopende soorten zorgbehoefte bevat. Dit gaat van ouderen die vanwege somatische klachten begeleiding aan huis nodig hebben tot jongvolwassenen met een (licht-) verstandelijke beperking die in groepsverband dagbesteding krijgen. Omdat we meer inzicht willen krijgen in de invloed van (de vormgeving van) wijkteams op het aantal doorverwijzingen binnen verschillende subpopulaties, maken we in de volgende analyse onderscheid tussen cliënten die jonger zijn dan 65 jaar en cliënten die ouder zijn dan 65 jaar. Hierbij hebben we in het achterhoofd dat ouderen over het algemeen kampen met enkelvoudige problematiek (van somatische aard), terwijl het overige deel van de populatie relatief vaker te maken heeft met een meervoudige hulpvraag. Deze opsplitsing is dus ook interessant in het licht van de enquêteresultaten, die laten zien dat in sommige gemeenten enkelvoudige hulpvragen niet, en meervoudige vragen wel door het wijkteam worden opgepakt.

Net als bij de hoofdanalyses kijken we naar het verschil tussen gemeenten die geen wijkteam hebben en gemeenten die wel een of meerdere teams hebben. We maken hiervoor geen gebruik van de GMSD-data, maar van de gegevens die afkomstig zijn van het CAK. 70 De reden hiervoor is dat in de CAK-data ook de leeftijd van de cliënt bekend is. Figuur 5.5 geeft de ontwikkeling in het gebruik van begeleiding totaal voor respectievelijk cliënten 65+ en 65-.

De figuur laat zien dat het gebruik voor 65-plussers veel hoger ligt dan dat voor 65-minners: tussen de 5 en 7,5 cliënten per 1000 inwoners voor 65-plussers en tussen de 2 en 3,5 per 1000 inwoners voor 65-minners. Verder valt op dat de patronen voor beide subgroepen vergelijkbaar zijn met wat we voor de totale populatie gezien hebben: het aantal cliënten ligt hoger in gemeenten met wijkteams dan in gemeenten zonder wijkteams en dit verschil neemt over de tijd toe. 71 70

Voor deze dataset hebben we 155 gemeenten, zie paragraaf 4.2. We observeren dat bij de 65-plussers het verschil eerst afneemt. We vermoeden dat dit te maken heeft met ruis in onze data. In de eerste maanden van 2015 daalt het aantal Wmo-cliënten sterk. Dit heeft waarschijnlijk te maken met het Wmoovergangsrecht. Dit overgangsrecht hield in dat iedereen die op 31 december 2014 nog AWBZ-zorg ontving, recht kreeg op dezelfde zorg na de decentralisaties. Dit overgangsrecht gold tot 1 januari 2016.Gegevens van de Wmo-monitor, die gebaseerd is op dezelfde microdata, laten ook een daling in de eerste maanden van 2015 zien, maar minder sterk. Deze gegevens benutten we voor de figuren B.2 en B.4 in de bijlage. Ook daar is het patroon dat het zorggebruik in gemeenten met wijkteams harder stijgt. De plaatjes hier zijn gemaakt op basis van onze eigen bewerking van de microdata van het CAK.

71

45

Figuur 5.5

5.4

Het verschil in het aantal Wmo-cliënten tussen gemeenten met en zonder wijkteams neemt over tijd toe, ongeacht de uitsplitsing naar 65+/65-

Leiden wijkteams tot snellere stopzetting van bestaande maatwerktrajecten?

In paragraaf 5.1 laten we zien dat de inzet van wijkteams tot 13% meer Wmo-cliënten leidt. Dit effect kan tot stand komen doordat wijkteams meer potentiele nieuwe cliënten doorverwijzen naar zorgaanbieders of doordat zij bestaande cliënten – klanten die al in een maatwerktraject zitten - langer aanhouden in een maatwerktraject. We kunnen inzicht krijgen in dat laatste door naar de groep mensen te kijken die al een indicatie hebben lopen (en dus al doorverwezen zijn). Een voordeel van deze analyse is dat we hiermee de ‘outreachende’ werking van wijkteams uitsluiten. Deze cliënten zijn immers al bekend bij het wijkteam of de gemeente. Figuren 5.6 en 5.7 laten zien dat de inzet van wijkteams er niet toe leidt dat klanten langer worden aangehouden in een maatwerktraject ondersteuning thuis. Er zijn nauwelijks verschillen tussen gemeenten met en zonder wijkteams in de kans dat een bestaand traject wordt stopgezet. De verschillen zijn ook niet statistisch significant. Dit betekent dat de gevonden stijging in het aantal Wmo-cliënten door de inzet van wijkteams voornamelijk wordt gedreven door nieuwe doorverwijzingen.

In figuur 5.6 volgen we de groep zorggebruikers die in januari 2015 een Wmomaatwerktraject ondersteuning thuis had. De meesten van hen zaten toen in het Wmoovergangsrecht. 72 De figuur toont het percentage dat naar verloop van tijd nog in het maatwerktraject zit. Gegevens zijn op maandbasis over de periode januari 2015 – december 2017. In januari 2015 heeft iedereen per definitie een maatwerktraject. Vervolgens wordt gekeken hoeveel procent van hen nog een maatwerktraject heeft in februari 2015, maart 2015, april 2015, enzovoort, tot en met december 2017. Personen die in deze periode zijn 72

Dit overgangsrecht hield in dat iedereen die op 31 december 2014 nog AWBZ-zorg ontving, recht kreeg op dezelfde zorg na de decentralisaties. Dit overgangsrecht gold tot 1 januari 2016.

46

overleden of verhuisd, zijn verwijderd. 73 Het linkerpaneel toont de resultaten voor de volledige groep van 122 gemeenten, het rechterpaneel voor de ‘gematchte’ groep van 70 gemeenten. 74 Onze conclusie baseren we op het rechterpaneel omdat dat een eerlijker vergelijking geeft.

De figuur laat zien dat het percentage dalend is omdat, naarmate de tijd verstrijkt, steeds meer mensen die in januari 2015 een maatwerktraject hadden lopen, stoppen met dit traject. Dit kan komen omdat professionele Wmo-zorg (tijdelijk) niet meer nodig is, of omdat zwaardere vormen van zorg nodig zijn waardoor men doorstroomt vanuit de Wmo naar regelingen als de Wlz of Zvw. Doorgaans lopen in de eerste maand van het nieuwe jaar de oude indicaties af en gaan mogelijk nieuwe (her-)indicaties van start, vandaar dat in de figuren knikjes te zien zijn in januari 2016 en januari 2017.

Na bijna drie jaar – in december 2017 – is er nauwelijks verschil in het percentage dat nog in een maatwerktraject zit tussen de groepen gemeenten: waar dit in gemeenten met alleen een Wmo-loket 49% is, is dat in gemeenten met een sociaal wijkteam 50%. Het verschil is dus slechts 1 procentpunt, maar zoals gezegd is het niet significant.

Figuur 5.6

Geen verschil tussen gemeenten met en zonder wijkteams in percentage van startgroep dat na verloop van tijd nog in maatwerktraject zit. Links: totale GMSD-dataset (122 gemeenten). Rechts: gematchte dataset (70 gemeenten)

Figuur 5.7 vertelt eenzelfde verhaal. We doen hier opnieuw de analyse, maar dan voor de groep zorggebruikers die in januari 2016 een Wmo-maatwerktraject ondersteuning thuis had. Dit moment is gekozen omdat dan niemand meer in het Wmo-overgangsrecht valt. Het betreft dus de groep die onder de ‘nieuwe’ Wmo`15 valt. De trend van afschaling gaat voor beide groepen gelijk op, maar vlak voor januari 2017 worden er in gemeenten met een wijkteam iets meer mensen in een maatwerktraject ondersteuning thuis aangehouden. Echter, in december 2017 is het verschil weer verdwenen (in het rechterpaneel): op dat moment zit in beide type gemeenten circa 64% nog in een maatwerktraject. 73 74

We vinden geen statistisch significant verschil in kans op overlijden of verhuizen tussen beide typen gemeenten. 35 gemeenten met alleen een Wmo-loket en 35 vergelijkbare gemeenten met een wijkteam.

47

Figuur 5.7

Geen verschil tussen gemeenten met en zonder wijkteams in percentage van startgroep dat na verloop van tijd nog in maatwerktraject zit. Links: totale GMSD-dataset (122 gemeenten). Rechts: gematchte dataset (70 gemeenten)

Een kritiek op bovenstaande analyse kan zijn dat het niet de bedoeling is van wijkteams om mensen – eenmaal in de tweede lijn – sneller te laten afschalen naar de nulde of eerste lijn, maar juist om te voorkomen dat ze zwaardere, duurdere, zorg krijgen, bijvoorbeeld in de Wlz of in de Zvw. We kijken hier in de volgende paragraaf naar.

5.5

Leiden wijkteams tot minder doorstroom van de Wmo naar de Wlz of Zvw?

In deze paragraaf kijken we naar afschaling van zorg in bredere zin. De GMSD-gegevens geven niet alleen inzicht in wanneer een maatwerktraject stopt, maar ook in de reden van beëindiging van het traject. Hierbij kunnen gemeenten als reden opgeven dat de zorg wordt voortgezet in duurdere regelingen als de Wlz of de Zvw. In het andere geval geven zij als reden op dat het Wmo-maatwerktraject (tijdelijk) niet meer nodig is. 75 Daarmee kunnen we bestuderen of doorstroom van de Wmo naar zwaardere vormen van zorg (Wlz of Zvw) vaker voorkomt in gemeenten met wijkteams dan in gemeenten met alleen een Wmo-loket. Belangrijk om hier op merken is dat de analyse met enige voorzichtigheid moet worden geïnterpreteerd omdat het aantal observaties voor de variabele reden beëindiging slechts voor zo’n 50% gevuld is in het geval van een stopzetting. Hierdoor missen we informatie over een aanzienlijk deel van de stopzettingen.

Tabel 5.3 presenteert de reden van beëindiging van het Wmo-maatwerktraject voor de personen die vóór december 2017 gestopt zijn met hun traject. We vinden geen significante verschillen tussen gemeenten met en zonder wijkteams in het percentage dat doorstroomt 75

De GMSD maakt nog onderscheid tussen voortzetting in de Wlz en Zvw en tussen tijdelijke en permanente stopzetting van het Wmo-maatwerktraject. Wij poolen hier de Wlz en Zvw tot één categorie en de tijdelijke en permanente stopzetting tot één categorie. Belangrijk daarbij is dat de figuren 5.6 en 5.7 rekening houden met tijdelijke stopzettingen. Personen kunnen na stopzetting van een traject weer terugkeren. We observeren in sommige gevallen een pauze van enkele maanden (of dagen) tussen twee trajecten die gestart en geëindigd zijn in de periode 2015-2017.

48

vanuit de Wmo naar zwaardere vormen van zorg (de Wlz of Zvw). We gebruiken voor deze analyse de personen in de 70 gematchte gemeenten om een zo eerlijk mogelijk vergelijking tussen beide groepen te maken. Voor de eerste twee panels nemen we dezelfde mensen als in figuren 5.6 en 5.7 (de groep die in januari 2015 in een maatwerktraject zat, en de groep die in januari 2016 in een dergelijk traject zat). In panel C presenteren we ook de reden voor beëindiging voor de totale groep van mensen die ooit een maatwerktraject ondersteuning thuis hadden lopen in ons databestand en voor wie het traject (tijdelijk) beëindigd is. 76 Dit doen we omdat we ook mensen in de analyse willen meenemen die in andere perioden dan januari 2015 of januari 2016 met een Wmo-maatwerktraject begonnen zijn. Tabel 5.3

Reden stopzetting Wmo-maatwerktraject ondersteuning thuis, voor gematchte groep gemeenten (70) Alleen Wmo-loket

Wijkteam

Panel A: januari 2015 - sample Reden stopzetting: voortzetting in Wlz/Zvw Reden stopzetting: Wmo-zorg (tijdelijk) niet meer nodig N

10% 90% 1974

15% 85% 2031

Panel B: januari 2016 - sample Reden stopzetting: voortzetting in Wlz/Zvw Reden stopzetting: Wmo-zorg (tijdelijk) niet meer nodig N

15% 85% 2121

12% 88% 2028

Panel C: totale sample Reden stopzetting: voortzetting in Wlz/Zvw Reden stopzetting: Wmo-zorg (tijdelijk) niet meer nodig N

8% 92% 10142

7% 93% 11131

Afhankelijk van de gebruikte sample observeren we dat de reden voor stopzetting tussen de 7 en 15% van de gevallen een voortzetting in de Wlz of Zvw betreft. Voor het overgrote deel worden maatwerktrajecten dus stopgezet omdat zij (tijdelijk) niet meer nodig worden geacht, en dus niet omdat zwaardere vormen van zorg nodig zijn. Daarnaast observeren we verschillen tussen de gebruikte samples: waar in panel A meer mensen in gemeenten met wijkteams overgaan naar de Wlz of de Zvw als hun Wmo-maatwerktraject wordt stopgezet dan in gemeenten zonder wijkteams (vergelijk 10% en 15%), is dat omgekeerd in panel B (15% versus 12%). In de totale sample zijn de verschillen kleiner (7% versus 8%). Echter, zoals gezegd zijn in alle gebruikte samples de verschillen niet statistisch significant tussen de groepen. Zelfs het relatief grote verschil in panel A blijkt niet significant omdat de standaardfouten groot zijn. 77

Deze analyse lijkt erop te wijzen dat de inzet van wijkteams niet samengaat met een reductie van de doorstroom van de Wmo naar de Wlz en Zvw. Een meer systematische aanpak is echter nodig om uitsluitstel te kunnen geven over de vraag of wijkteams in staat zijn om escalatie van zorggebruik te verminderen. Een analyse waarbij een relatie wordt gelegd tussen de inzet van wijkteams en het zorggebruik in de Wlz en Zvw zou daarbij behulpzaam zijn. Dat valt echter buiten de scope van dit boek. 76 77

Ook na verwijdering van mensen die verhuisd zijn of overleden. Dit komt omdat we de standaardfouten moeten clusteren op gemeenteniveau, waardoor standaardfouten groter worden. 49

5.6

Leiden wijkteams tot afschaling van het aantal Wmozorguren per cliënt?

In de voorgaande analyses laten we zien dat wijkteams niet leiden tot afschaling van het aantal Wmo-cliënten, en ook niet tot snellere afschaling of stopzetting van bestaande maatwerktrajecten. Maar wellicht dat de wijkteams wel zorgen voor minder zorguren per cliënt als de cliënt eenmaal in een maatwerktraject zit. Dit kan het geval zijn als bijvoorbeeld wijkteammedewerkers niet zozeer sturen op stopzetting van trajecten maar eerder op afschaling van de zorgintensiteit. Deze paragraaf probeert daar inzicht in te geven.

Figuur 5.8 toont de ontwikkeling van deze uitkomst voor beide groepen gemeenten voor de maatwerkvoorziening begeleiding. 78 In de figuur maken we gebruik van de CAK-gegevens en selecteren we alleen de gemeenten die deze voorziening via p*q (inputfinanciering) bekostigen over de periode 2015-2017. 79 Alleen voor deze gemeenten is het zorggebruik in uren volledig geregistreerd. 80 Verder zijn de gemeenten verwijderd die geen eigen bijdrage kennen voor deze voorziening omdat informatie over het Wmo-zorggebruik voor deze gemeenten niet bij het CAK wordt geadministreerd. De analyse is dan gebaseerd op 86 gemeenten waarvan 21 met alleen een Wmo-loket en 65 met een wijkteam. Gegevens zijn op maandbasis over 2015-2017. 81 De figuur laat nauwelijks verschillen zien tussen gemeenten met en zonder wijkteams in de ontwikkeling van zorguren per cliënt voor de maatwerkvoorziening begeleiding. 82 De verschillen zijn niet statistisch significant. De trend is nagenoeg dezelfde in beide groepen. Gemiddeld is de stijging 30% (van 5 naar 6,5 uur per cliënt per maand). 83 Dit duidt erop dat de inzet van wijkteams niet leidt tot afschaling van zorguren per cliënt.

78

We kunnen niet naar dagbesteding kijken, omdat voor deze voorziening dagdelen worden geadministreerd en geen uren. Gemeenten die hun bekostigingsstructuur veranderd hebben, zijn dus niet meegenomen. 80 We observeren dat het aantal uren per cliënt in de gemeenten met per-cliënt-bekostiging fors daalt ten opzichte van gemeenten met p*q-financiering. Dit komt omdat voor deze gemeenten de uren niet volledig worden geregistreerd. Neem bijvoorbeeld het resultaatgebied ‘een schoon huis’. Een zorgaanbieder wordt afgerekend op het behalen van een schoon huis, ongeacht het aantal zorguren dat daarin wordt gestopt. Zodoende worden die uren ook niet geadministreerd. 81 Feitelijk op basis van zorgperiode, die ongeveer vier weken beslaat. In de CAK-data bestaat elk jaar uit 13 zorgperiodes. Omdat we over de periode 2015-2017 kijken, zijn er dus in totaal 39 zorgperiodes (waarbij zorgperiode 1= januari 2015 en zorgperiode 39 = december 2017). 82 Alleen voor deze maatwerkvoorziening hebben we informatie over zorguren bij het CAK. 83 De stijging in het zorggebruik over januari 2015 – december 2017 is bijna volledig toe te schrijven aan de stijging in het jaar 2015, toen nog het Wmo-overgangsrecht een rol speelde. We hebben hier geen verklaring voor.

De focus in deze analyse ligt echter op het verschil in trends tussen gemeenten met en zonder wijkteam, niet op de algemene (stijgende) trend zelf in beide groepen. 79

50

Figuur 5.8

Ontwikkeling in zorguren per cliënt voor maatwerkvoorziening begeleiding

51

6

Beleidsdiscussie

Dit boek laat zien dat de inzet van wijkteams doorgaans niet leidt tot minder doorverwijzingen naar Wmo-maatwerktrajecten, ook al was dat een belangrijk doel van de decentralisaties. Integendeel, de inzet van wijkteams betekent voor gemeenten een stijging in het aantal doorverwijzingen van gemiddeld 14 procent. De toename is het grootst in gemeenten waar aanbieders van maatwerkvoorzieningen deel uitmaken van de teams. Hoe de toeleiding tot deze voorzieningen georganiseerd is, lijkt dus een verklaring te zijn voor de stijgende zorguitgaven van gemeenten.

In hoeverre speelt dit thema breder dan alleen bij de Wmo? Veel gemeenten beleggen ook de toegang tot tweedelijns jeugdzorg in wijkteams, waarbij jeugdzorgaanbieders soms deel uitmaken van de teams. 84 En nog meer dan bij de Wmo hebben gemeenten bij de jeugdzorg te maken met stijgende kosten en budgetoverschrijdingen (zie bijvoorbeeld Bruno Steiner, 2018). Of jeugdzorgaanbieders veel invloed hebben op de toegang en daarmee een verklaring vormen voor de toenemende uitgaven aan jeugdzorg, weten we niet. Dat is voer voor nieuw onderzoek. Onze verwachting is dat de invloed van aanbieders op de doorverwijzingen sterker is binnen de jeugdzorg dan bij de Wmo. Jeugdproblematiek betreft vaker complexe gevallen waarbij het kennisverschil tussen de zorgprofessional (bijvoorbeeld jeugdpsychiater) en de gemeentelijke medewerker groter is. Het oordeel van de zorgprofessional zal naar verwachting vaker doorslaggevend zijn, ook wanneer de formele indicatiestelling niet bij de professional ligt.

Veel gemeenten werken nu enkele jaren met wijkteams en zien dit als een geschikt moment om hun wijkteambenadering te evalueren. Van een aantal gemeenten weten we dat men niet tevreden is over de vormgeving van hun wijkteams en deze aan het heroverwegen is. Wat kunnen onze bevindingen hieraan bijdragen? Als lokale beleidsmakers grip willen houden op het gebruik van maatwerkvoorzieningen, dan levert ons onderzoek een aantal aangrijpingspunten op; deze bespreken we hieronder. Een kanttekening hierbij is dat deze punten zich richten op de kostenkant en losstaan van mogelijke baten van wijkteams en baten van doorverwijzingen naar de tweede lijn. Onderzoeksrapporten in opdracht van gemeenten maken wel claims over de bredere baten van wijkteams, maar voor zover wij weten is er nog weinig empirisch bewijs dat die claims ondersteunt. 85 Ook op dit vlak is verder onderzoek nodig. Pas dan is een volledige kosten-batenanalyse van wijkteams mogelijk. Een eerste mogelijkheid om het aantal doorverwijzingen te beperken is om de toeleiding voor relatief simpele hulpvragen via Wmo-loketten te laten lopen, in plaats van via wijkteams. Alleen voor complexere casussen worden wijkteams dan ingezet, om via een integrale aanpak tot een oplossing te komen. In onze enquête zijn we een aantal gemeenten 84

Zie bijvoorbeeld van Arum en van den Enden, 2018. Een verschil met begeleiding is dat een aanzienlijk deel van de verwijzingen van andere partijen, zoals huisartsen en aanbieders in de tweede lijn, komt. 85 Zie bijvoorbeeld de rapporten van LPBL.

52

tegengekomen die de toegang tot de tweede lijn op deze manier georganiseerd hebben. Een voorbeeld van een gemeente die deze beweging recentelijk gemaakt heeft, is de gemeente Leeuwarden. Omdat wijkteams over een kleiner deel van de toegang gaan, zal deze vormgeving volgens onze bevindingen een dempend effect hebben op het totale aantal doorverwijzingen. Een tweede mogelijkheid is het terugschroeven van de invloed van aanbieders in het wijkteam. Uit ons onderzoek volgt dat een team zonder aanbieders minder vaak doorverwijst naar maatwerkvoorzieningen. Deze optie is niet zonder nadelen, want aanbieders brengen veel kennis met zich mee. Een aantal van de door ons geënquêteerde gemeenten hebben besloten om wijkteamleden die eerst gedetacheerd waren vanuit hun moederorganisatie, nu in eigen dienst te nemen. Hiermee halen deze gemeenten kennis in huis, terwijl de banden tussen de zorgprofessional en moederorganisatie zijn doorgeknipt.

Een belangrijke factor in de genoemde opties is het kennisniveau van Wmo-consulenten en andere gemeentelijke medewerkers in wijkteams. Hoe beter deze medewerkers opgeleid zijn, hoe beter ze in staat zullen zijn om zelfstandig de juiste keuzes te maken. Omgekeerd vergroot een laag kennisniveau bij gemeentelijke medewerkers de afhankelijkheid van de kennis van aanbieders. Naast ontwikkeling van zorginhoudelijke kennis kunnen kostenbewustzijn en het omgaan met druk vanuit cliënten of aanbieders ook onderwerp van training zijn. Een recent SCP-rapport (en de daarin opgenomen verwijzingen) geeft aan dat gemeenten doorlopend bezig zijn met het verder trainen en opleiden van wijkteammedewerkers, om zodoende het keukentafelgesprek verder te verbeteren. 86

Gemeenten kiezen er soms voor om het wijkteam een adviserende rol te geven, maar om de uiteindelijke beslissing over doorverwijzingen zelf te maken. Om dit op een betekenisvolle manier te doen, is een hoog kennisniveau van gemeentelijke medewerkers ook een vereiste. Gemeenten met deze constructie, zoals Apeldoorn, geven aan dat nu nog vaak het advies van het wijkteam doorslaggevend is. De controle door de gemeente is daarmee vooral een formaliteit. Deze controle zou aan betekenis winnen als een beter geïnformeerde gemeentelijke medewerker, op basis van zo’n advies, naar eigen inzicht een keuze maakt. Dit betekent wel dat een deel van het werk dubbel gedaan wordt. Deze notie is belangrijk voor gemeenten die met zo’n constructie werken of plannen in die richting hebben. Zo belegt de gemeente Eindhoven de toegang niet meer bij wijkteams, maar gaat hier sinds kort zelf over. De stichting die verantwoordelijk is voor de wijkteams (WIJeindhoven), vervult nu een adviserende rol.

Daarnaast kunnen gemeenten hun grip op de inzet van maatwerkvoorzieningen versterken door wijkteams, aanbieders, of consulenten met elkaar te vergelijken. Veel gemeenten werken al met een vorm van benchmarking in het sociaal domein. Een groot verschil in het aantal doorverwijzingen dat niet te verklaren is door de samenstelling van de doelgroep, kan reden zijn om hier met elkaar over in gesprek te gaan. Dit vergroot het kostenbewustzijn. In uiterste gevallen kan de gemeente besluiten bepaalde aanbieders geen plek meer te geven in 86

Zie Feijten e.a., 2017, p.58.

53

het wijkteam of niet meer te contracteren voor tweedelijnszorg. De gemeente Den Haag ontwikkelt bijvoorbeeld een benchmarkingsinstrument waarbij wijkteams op maandelijkse basis teruggekoppeld krijgen wat zij aan verschillende voorzieningen toekennen (zowel aantallen cliënten als kosten per cliënt) en hoe dit zich verhoudt tot andere wijken. Ook gebruikt deze gemeente informatie over verschillen in kosten tussen aanbieders voor het contractmanagement.

Ten slotte is ook de bekostigingsstructuur een instrument om de toestroom naar maatwerkvoorzieningen te beperken. Bij p*q-bekostiging hebben aanbieders een financieel voordeel bij meer doorverwijzingen – mits de prijs voldoende hoog is. Hetzelfde geldt voor inkoop op resultaatgebieden (bekostiging per cliënt). Het tegenovergestelde is het geval bij populatiebekostiging. Er is dan namelijk maar één aanbieder gecontracteerd en deze aanbieder krijgt een vast budget om integrale zorg te leveren binnen de wijk of gehele gemeente. Dit betekent dat de aanbieder over de toegang tot de tweede lijn gaat. Het vaste budget maakt het voor de aanbieder financieel aantrekkelijk om de instroom in de tweede lijn te beperken. Dit model wordt bijvoorbeeld toegepast in Alphen aan de Rijn. Het model kent echter ook nadelen. Om een paar belangrijke te noemen: inwoners kunnen niet meer kiezen, aanbieders voelen niet meer de prikkel om de cliënt voor zich te winnen door het bieden van een hoge kwaliteit en gemeenten lopen het risico afhankelijk te worden van de aanbieder (zie Van Eijkel, 2018). Hoe sterk deze beleidsopties bijdragen aan het beperken van het beroep op maatwerkvoorzieningen is een empirische vraag, die we op basis van dit onderzoek niet kunnen beantwoorden. De precieze vormgeving van het beleid en de lokale context zullen hierbij zeker een rol spelen.

Ook dit pleit voor meer onderzoek naar effecten van wijkteambeleid, om tot een breder beeld te komen van effecten van verschillende benaderingen op uitkomsten. Dit boek kan gezien worden als een eerste stap, waarin het effect van drie hoofdvarianten op een belangrijke uitkomstmaatstaf – het aantal doorverwijzingen naar Wmo-maatwerkvoorzieningen – is blootgelegd.

54

REFERENTIES Arum, S. van en R. Schoorl, 2015, Sociale (wijk)teams in vogelvlucht, Utrecht: Movisie.

Arum, S. van en R. Schoorl, 2016, Sociale (wijk)teams in beeld. Stand van zaken na de decentralisaties, Utrecht: Movisie.

Arum, S. van en T. van den Enden, 2018, Sociale (wijk)teams opnieuw uitgelicht, Utrecht: Movisie.

Bredewold, F., J.W. Duyvendak, Kampen T., Tonkens, E. en L. Verplanke, 2018, De verhuizing van de verzorgingsstaat. Hoe de overheid nabij komt, Amsterdam: Van Gennep. Dijk, C.E. van, J.C. Korevaar, J.D. de Jong, B. Koopmans en M. van Dijk, 2013, Ruimte voor substitutie? Verschuivingen van tweedelijns- naar eerstelijnszorg, Utrecht: NIVEL.

Eijkel, R. van, W. van Ommen en N. Uenk, 2015, Taken uitbesteed, maar dan? De gemeente als inkoper binnen het sociaal domein, Den Haag: Centraal Planbureau. Eijkel, R. van, 2018, Naar een effectieve inkoop binnen het sociaal domein, Den Haag: Centraal Planbureau.

Enthoven, A.C., 2016, What is an integrated health care financing and delivery system (IDS)? and What must would-be IDS accomplish to become competitive with them, Health Econ Outcome Res Open Access, vol. 2(115): 2.

Feijten, P., R. Schellingerhout, M. de Klerk, A. Steenbekkers, P. Schyns, F. Vonk, A.M. Marangos, A. de Boer en L. Heering, 2017, Zicht op de Wmo 2015. Ervaringen van melders, mantelzorgers en gespreksvoerders, Den Haag: Sociaal en Cultureel Planbureau. Groen, B. de, 2016, De juiste professional op het juiste moment- Deel 2, Utrecht: Vilans.

Ham L. van der, M. den Draak, W. Mensink, P. Schyns en E. van de Berg, 2018, De Wmo 2015 in praktijk. De lokale uitvoering van de Wet maatschappelijke ondersteuning, Den Haag: Sociaal en Cultureel Planbureau. Kattenberg, M. en W. Vermeulen, 2015, Financiering decentralisaties, Policy Brief 2015/08, Den Haag: Centraal Planbureau. Lamers, L., I. Mosca en P. Besseling, 2014, Indicatiestelling binnen de collectieve zorgverzekering, Den Haag: Centraal Planbureau.

Memorie van toelichting bij de Wmo 2015, 2015, Den Haag: Tweede Kamer der StatenGeneraal.

55

Non, M., 2017, Co-payments in long-term home care: do they affect the use of care? Discussion Paper 363, Den Haag: Centraal Planbureau.

Steiner B. (in opdracht van Divosa), 2018, Sociaal domein kostte in 2017 4,4% meer dan begroot. Rekening 2017 past in meerjarige stijging uitgaven sociaal domein, Almere: Bruno Steiner Advies. Vat, L. en B. de Groen, 2015, De juiste professional op het juiste moment, Utrecht: Vilans. Vermeulen, W., R. van Eijkel, K. Martens, M. Non en R. Okker, 2014, Vervolgrapportage decentralisaties in het sociaal domein, CPB Notitie, 11 juli 2014.

VNG, 2013, Sociale wijkteams in ontwikkeling: inrichting, aansturing en bekostiging, Den Haag: VNG.

56

Bijlage A: Econometrische analyses voor toetsen op significantie Tabel A.1 hieronder toont de effectschattingen. We geven ongewogen en gewogen resultaten, zowel voor onze totale dataset (122 GMSD-gemeenten en 155 CAK-gemeenten) als voor een dataset waarin gemeenten verwijderd zijn die veranderingen in de organisatie van de Wmo of het wijkteam hebben doorgevoerd. Onze hoofdschatting (1,48) staat links bovenin. 87 Sterren geven significantie aan. Bijna alle effectschattingen zijn significant verschillend van 0. De effectschattingen zijn op basis van de verschil-in-verschilmethode. Het econometrisch model dat geschat is, is als volgt: (A.1)

𝑌𝑌 = 𝛽𝛽0 + 𝛽𝛽1 𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤 ∗ 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 + 𝛽𝛽2 𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤 + 𝛽𝛽3 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 + 𝜀𝜀

Hierin is 𝑌𝑌 de Wmo-zorguitkomst van de gemeente en 𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤 een dummyvariabele die aangeeft of de gemeente een wijkteam heeft (0=gemeente heeft geen wijkteam; 1=gemeente heeft wel een wijkteam). De variabele 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 geeft de tijd aan. De variabele 𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤𝑤 ∗ 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 is de interactieterm van tijd met de wijkteamvariabele. Het effect van de wijkteams wordt gerepresenteerd door de coëfficiënt 𝛽𝛽1 van deze interactieterm. We schatten twee modellen met de tijd: • •

Model 1, waarbij de tijd een dummyvariabele is (0=januari 2015; 1=december 2017). Model 2, waarbij de tijd lineair loopt van januari 2015 tot en december 2017.

Bij model 1 gebruiken we dus twee tijdsobservaties. Het voordeel van dit model is dat de geschatte coëfficiënten eenvoudig kunnen worden vertaald naar percentuele stijgingen over de onderzoeksperiode. Het nadeel is dat niet alle informatie uit de data wordt gehaald. Bij model 2 hebben we dat nadeel niet. Daar gebruiken we 36 tijdsobservaties bij de GMSD (=3*12 maanden) en 39 tijdsobservaties bij het CAK (=3*13 zorgperiodes). Bij dit model benutten we dus alle informatie in onze dataset. Bij model 2 testen we letterlijk of de (lineaire) trend tussen gemeenten met en zonder wijkteam verschillend is.

87

Dit is 1,5 in de hoofdtekst. 57

Tabel A.1

Verschil-in-verschilschattingen op basis van formule (A.1) Totale dataset

Model 1 GMSD Effect van wijkteams (sd) N CAK Effect van wijkteams (sd) N Model 2 GMSD Effect van wijkteams (sd) N CAK Effect van wijkteams (sd) N

Alleen gemeenten zonder veranderingen in organisatie Wmo of wijkteams over 2015-2017

Ongewogen

Gewogen

Ongewogen

Gewogen

1,48* (0,84) 244

2,07** (0,95) 244

1,63** (0,69) 180

1,61*** (0,60) 180

0,35 (0,42) 310

1,67** (0,65) 310

0,50 (0,49) 240

1,57** (0,71) 240

0,04 (0,02) 4392

0,06** (0,03) 4392

0,05** (0,02) 3240

0,05*** (0,02) 3240

0,02* (0,01) 6045

0,07*** (0,02) 6045

0,02* (0,01) 4680

0,07*** (0,02) 4680

Standaardfouten (sd) zijn geclusterd op gemeenteniveau. *** 1% significantieniveau, ** 5% significantieniveau, * 10% significantieniveau.

58

Bijlage B: Aanvullende tabellen en figuren Tabel B.1

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

Variabelen

Gewogen

Alleen Wmoloket

Wijkteam

Alleen Wmoloket

Wijkteam

Hoofduitkomsten Aantal Wmo-cliënten ondersteuning thuis per 1000 inwoners: januari 2015 Aantal Wmo-cliënten ondersteuning thuis per 1000 inwoners: december 2017

8,0

9,2

8,6

12,9

10,0

12,7**

10,5

16,9**

Achtergrondkenmerken gemeenten voor 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

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

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

32479 19,2% 1,1% 0,6% 31473 141 35

53131** 18,1% 1,3%* 0,6% 29417** 234*** 87

(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 B.2

Kenmerken van gemeenten met en zonder wijkteam. CAK-dataset, 2015-2017 Ongewogen

Variabelen Hoofduitkomsten Aantal cliënten begeleiding totaal per 1000 inwoners: januari 2015 Aantal cliënten begeleiding totaal per 1000 inwoners: december 2017 Achtergrondkenmerken gemeenten voor 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

Gewogen

Alleen Wmo-loket

Wijkteam

Alleen Wmoloket

Wijkteam

7,4

8,8**

7,7

11,3*

8,3

10,0***

8,5

13,8**

31817 19,7% 1,1% 0,6% 31342 133 38

53745*** 19,9% 1,1% 0,6% 30216 177*** 117

31817 19,0% 1,1% 0,6% 31065 141 38

53745*** 17,9% 1,3%** 0,6% 29440* 249*** 117

(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.

59

Figuur B.1

Ontwikkeling in aantal Wmo-cliënten ondersteuning thuis voor gemeenten met en zonder wijkteams op basis van GMSD-data. Ongewogen (links) versus gewogen (rechts).

Figuur B.2

Ontwikkeling in aantal Wmo-cliënten begeleiding totaal voor gemeenten met en zonder wijkteams op basis van CAK-data. Ongewogen (links) versus gewogen (rechts).

60

Figuur B.3

Ontwikkeling in aantal Wmo-cliënten ondersteuning thuis voor drie groepen gemeenten op basis van GMSD-data. Ongewogen (links) versus gewogen (rechts).

Figuur B.4

Ontwikkeling in aantal Wmo-cliënten begeleiding totaal voor drie groepen gemeenten op basis van CAK-data. Ongewogen (links) versus gewogen (rechts).

61

Bijlage C: De enquête CPB-enquête over sociale (wijk)teambenadering

Het Centraal Planbureau (CPB) onderzoekt het gebruik van de Wmomaatwerkvoorzieningen begeleiding en dagbesteding en de rol die sociale (wijk)teams daarbij spelen. Wij zouden u voor dit onderzoek graag een aantal vragen willen stellen. Het betreft een korte enquête. De gegevens zullen anoniem verwerkt worden. De vragen over de Wmo gaan over maatwerkvoorzieningen begeleiding en dagbesteding, niet over algemene voorzieningen. De vragen hebben betrekking op de situatie in uw gemeente op 1 januari 2016. Aan het einde zullen we u vragen of de antwoorden op de vragen nu nog steeds van toepassing zijn.

Met de gedeelde informatie helpt u ons met het inzichtelijk maken van de verschillende sociale (wijk)teambenaderingen die er zijn en hoe deze kunnen helpen bij de verschuiving van ondersteuning van de tweede naar de eerste en nulde lijn voor wat betreft Wmoondersteuning. Omdat deze verschuiving expliciet als doel benoemd wordt in de Wmo ’15 en kan bijdragen aan de beheersbaarheid van de gemeentelijke uitgaven binnen het sociaal domein, denken wij dat de inzichten vanuit ons onderzoek relevant zijn voor de gemeentelijke beleidswereld. Daarnaast bieden wij gemeenten die deze vragen beantwoorden, een korte rapportage aan die inzicht geeft in hoe hun aanpak verschilt ten opzichte van andere gemeenten. Vragen

1) Zijn er in uw gemeente één of meerdere sociale (wijk)teams actief die hulpvragen met betrekking tot Wmo-begeleiding en dagbesteding behandelen (dan wel: buurtteams, gebiedsteams, dorpenteams, etc.)? a) Ja b) Nee 2) Is er (daarnaast ook) een Wmo-toegangsteam/loket? a) Ja b) Nee

3) Is de toegang tot de maatwerkvoorziening begeleiding in uw gemeente anders geregeld dan de toegang tot de maatwerkvoorziening dagbesteding? a) Ja b) Nee

Indien er alleen maar een Wmo-loket/toegangsteam is voor Wmo-hulpvragen, d.w.z. er is geen wijkteam dat Wmo-hulpvragen behandelt, dan kunt u doorgaan naar vraag 9. Als het sociale wijkteam wel Wmo-hulpvragen oppakt gaat u door met vraag 4. De vragen 4 t/m 7 gaan over het sociale (wijk)team. Verder: als er verschil is in toegang tussen de maatwerkvoorzieningen begeleiding en dagbesteding, beantwoord onderstaande vragen dan alleen voor begeleiding.

62

4) Worden indicaties voor de Wmo-maatwerkvoorziening begeleiding/dagbesteding afgegeven door het sociale (wijk)team? a) Ja, zowel enkelvoudig als meervoudige hulpvragen door het sociale (wijk)team b) Ja, maar alleen meervoudige hulpvragen door het sociale (wijk)team; enkelvoudige hulpvragen worden door de gemeente behandeld c) Nee, zowel bij enkelvoudige als meervoudige hulpvragen geeft enkel de gemeente indicaties af

5) Zitten er aanbieders van Wmo-maatwerkvoorzieningen begeleiding/dagbesteding in het sociale (wijk)team a) Ja, namelijk … (2 grootste spelers noemen) b) Nee

6) Geven sociale (wijk)team leden die in dienst zijn van zorgaanbieders van Wmomaatwerkvoorzieningen begeleiding/dagbesteding ook indicaties af voor deze voorzieningen? a) Ja b) Nee 7) Kunnen mensen het sociale (wijk)team zelf benaderen met een hulpvraag ten aanzien van de Wmo-maatwerkvoorziening begeleiding/dagbesteding? a) Ja b) Nee

8) In sommige gemeenten, zoals in Utrecht, leveren sociale (wijk)teamleden precies dezelfde Wmo-zorg die voorheen door zorgaanbieders in de tweede lijn werd geboden. Speelt dit ook in uw gemeente? a) Ja, voor meer dan 60% van de cliënten b) Ja, tussen de 30 en 60% van de cliënten c) Ja, voor minder dan 30% van de cliënten d) Nee 9) Geldt er in uw gemeente een eigen bijdrage voor Wmo-maatwerkvoorzieningen begeleiding/dagbesteding? a) Ja, voor alle groepen b) Ja, maar sommige groepen zijn vrijgesteld, te weten … c) Nee

10) Worden Wmo-maatwerkvoorzieningen begeleiding/dagbesteding ook in een Wmo-arrangement-vorm aangeboden, bijvoorbeeld samen met andere zorgvoorzieningen? a) Ja, voor meer dan 10% van de cliënten b) Ja, maar voor minder dan 10% van de cliënten c) Nee

63

11) Is het eigenbijdragetarief dat uw gemeente doorgeeft aan het CAK gelijk aan de prijs die aanbieders ontvangen voor de maatwerkvoorzieningen begeleiding/dagbesteding? a) Ja. b) Nee. 12) Gaan de antwoorden op bovenstaande vragen ook op voor de huidige situatie? a) Ja b) Nee, namelijk… (wijzigingen noemen)

13) Geeft u toestemming aan ons om uw data te delen met andere publieke kennisinstellingen (het Sociaal en Cultureel Planbureau, Divosa, Movisie), onder de voorwaarde dat zij deze ook anoniem verwerken? a) Ja b) Nee

64

Dit is een uitgave van: Centraal Planbureau Postbus 80510 | 2508 GM Den Haag T (088) 984 60 00

Januari 2019