Materiële controle
De wettelijke verplichting die zorgverzekeraars hebben opgelegd gekregen van de Kamer, om de rechtmatigheid en doelmatigheid van de declaraties c.q. de geboden zorg van zorgaanbieders te controleren, heeft inmiddels tot veel ophef geleid. Over de wijze waarop de controles bij huisartsen worden uitgevoerd en euro’s worden teruggevorderd. Het lijkt een nieuwe verdienmodel voor met name de ‘Big 4’.
Hoe komen verzekeraars erbij om een praktijk, vriendelijk gezegd, in de spotlight te zetten voor nadere analyse? Heel simpel: ‘welke huisartsen declareerden het meest’, is slechts één druk op de knop van het bigdatabestand. Dat zijn dan de potentiële terugbetalers. Het is het ’TOP50’-controleregime. Mooie Gausscurve erbij en het oogt direct al wetenschappelijk verantwoord.
Hans van der Schaaf, socioloog, beschrijft de schier oneindige mogelijkheden van het nieuwe verdienmodel van de Big 4
Houding
Het sturen van brieven door instanties waarbij op hoge toon en met quasiwetenschappelijke argumenten ‘de relatie’ onder druk wordt gezet om deze te laten doen wat wordt gewenst, is inmiddels standaard . Laat je er niet door intimideren. En speel de bal op gelijke wijze terug.
Hoe? Zie hieronder.
Statistiek
Verzekeraars krijgen steeds meer informatie over uw praktijk.
Verder weet iedere verzekeraar in welke risicoverevening groep zijn verzekerden/uw patiënten zitten. Op grond van parameters worden verzekeraars gecompenseerd op de ‘schadelast’ die deze veroorzaken.
Nu dwingt gebruik van ‘statistiek’ vaak een vorm van gezag af. Dus als een statisticus iets beweert ‘ dan zal het wel waar zijn’. Niet!
Statistiek is niets anders dan op grond van een aantal afspraken proberen te berekenen ‘hoeveel’ een rekenresultaat op ‘toeval’ berust. Is dit minder dan 5 procent dan heet dit ‘significant’. Maar ‘significant’ is niet hetzelfde als ‘waar’ !
En dan hebben we de Gauss-curve.
De Gauss-curve ontstaat als je een gemiddelde berekent.
Bij dat gemiddelde hoort ook de kans dat een bepaalde waarde van dat gemiddelde afwijkt.
Die afwijking wordt met de ‘standaarddeviatie’ aangegeven.
Als je het bijvoorbeeld over schoenmaten hebt is het gemiddelde maat 40. De kans dat je maat 47 hebt ligt dan bijvoorbeeld voorbij twee keer de standaarddeviatie, hetgeen staat voor een kans van ongeveer 4 procent .
Als schoenenverkoper is het voor de inkoop nodig dit te weten.
De kans dat je deze schoenen niet kwijt raakt is groot.
Ze zijn een ‘ongunstig risico’.
Dus niet verkopen die schoenen ?
Je hebt nu eenmaal mensen met die maat.
Als er dus wordt beweerd dat ‘iets’ in uw praktijk tweemaal buiten de standaarddeviatie valt zegt dat op zich dus helemaal niets. Want dat hangt van de scores van de hele groep af waar je terecht komt. Gezamenlijk bepaalt die groep het gemiddelde. En dus ook de standaarddeviatie.
Van belang is ook wat de oorzaak is van dat ‘iets’.
Het volgende als voorbeeld: Ik heb een bedrijf waar werknemers in een lease-auto rijden.
In het kader van kostenbesparing wil ik weten hoeveel kilometer men per jaar rijdt en hoeveel benzine men gebruikt.
Het gemiddelde was 16 kilometer per liter. De standaarddeviatie was ‘2 kilometer per liter’.
Vervolgens pik ik die rijders er uit die per liter 12 kilometer of minder rijden en geef ik aan dat dit aantal rijders meer moet worden omdat anders gecontroleerd gaat worden of men niet fraudeert!
Zoals u weet hangt het benzinegebruik van een auto af van veel zaken: De motorinhoud, het aantal cilinders, het gewicht van auto, de leeftijd van de auto, het onderhoud, files, stoplichten, drukte, etc. En natuurlijk van de rijstijl van de bestuurder.
Wil ik een valide beeld krijgen ‘wat er aan de hand is’ dan dien ik al deze variabelen te kennen. En reken dan met een ‘multiple-regressie’ uit wat de invloed is van deze variabelen op het benzinegebruik van de auto.
De praktijk leert dat de verklaarde verschillen (de variantie) meestal niet meer is dan 30 procent. De rest in de verschillen in benzinegebruik blijft dus ‘ruis’. Deze ruis aan de rijstijl van de bestuurder wijten, is echter onjuist.
In de huisartsenpraktijk speelt dit soort van zaken natuurlijk ook. De verzekeraars hanteren niet voor niets 15 variabelen voor verzekerden. Hetzelfde mag verlangd worden wat betreft hun beoordeling en constateringen betreffende uw praktijk.
De val
Goed, ik ben zo’n werknemer die 12 kilometer per liter rijdt.
En laat me aanleunen dat dit het gevolg is van mijn rijstijl.
Er rest mij dan niets meer dan dat ik 20 kilometer per uur ga rijden.
In z’n vijf !
En jawel, mijn aantal kilometers per liter stijgt gestaag.
Goed beleid zou je dus zeggen.
Maar omdat mijn collega’s met hetzelfde gebruik hetzelfde doen daalt het gebruik van de hele groep. En daarmee het gemiddeld gebruik van de hele groep.
Met als gevolg dat collega’s die vorig jaar nog binnen de twee keer standaarddeviatie vielen en daarom niet verdacht waren, dat nu wel worden.
En die mogen vervolgens dus ook 20 kilometer in z’n vijf gaan rijden.
Met als gevolg dat het jaar daarop ……….etc.
Straks rijdt dus iedereen 20 kilometer of minder in z’n vijf.
Maar of men z’n werk dan nog kan doen ??
