Afwijking zorgkosten per gemeente 2011-2016

Op basis van open data van Vektis hebben we een analyse gemaakt van de zorgkosten per gemeente ten opzichte van het landelijk gemiddelde. Daar komen een paar opmerkelijke afwijkingen uit. Maar het roept ook de vraag op of deze benadering correct is.

maandag 3 juni 2019 | Gezondheid, opendata

Zaanstad is de meest "normale" gemeente van Nederland

Vektis heeft alle (gedeclareerde) zorgkosten (inclusief ggz) voor de jaren 2011 tot en met 2016 als open data beschikbaargesteld. We hebben daarvan de data op het niveau van de gemeenten genomen.

Omdat de zorgkosten per geslacht en leeftijd nogal kunnen verschillen en de bevolking van de gemeenten niet gelijk is, hebben we een aantal stappen gezet.
Als eerste hebben we per jaar, per geslacht en per leeftijdsgroep (indeling Vektis) het landelijk gemiddelde bepaald. Dit door de totale kosten te delen door het aantal verzekeringsjaren van de selectie.
Vervolgens hebben we voor iedere gemeente bepaald hoeveel verzekeringsjaren en zorgkosten er waren voor ieder jaar, per geslacht en leeftijdsgroep. Dat levert een gemiddelde op per verzekeringsjaar voor die selectie.
We hebben ook het hiervoor gevonden aantal verzekeringsjaren per selectie vermenigvuldigd met de landelijke norm.
Tot slot tellen we alle kosten op, zowel die van de gemeente als wat het zou moeten zijn volgens de norm, en delen dit door het totaal aantal verzekeringsjaren.

Dit geeft dan een afwijking naar boven of beneden ten opzichte van 1 (landelijke norm). Dus een gemeente met afwijking 1,21 kent 21% meer gezondheidskosten dan het landelijk gemiddelde dan puur op basis van de bevolkingssamenstelling verwacht had mogen worden.

In de visualisatie zijn de gemeenten met hogere kosten rood en met lagere kosten groen.

Hier vallen een paar dingen op. Zo is Zaanstad de meest "normale" gemeente van Nederland. Maar ook valt op dat de grote steden niet heel veel boven het gemiddelde zitten. Maar ook dat er in het oosten van Groningen en Drenthe een aanzienlijk gebied is met hogere kosten.

Maar al deze conclusies zijn gebaseerd op de aanname dat de wijze van berekenen een correcte weergave geeft. Omdat we graag kritisch omgaan met data, staan we ook open voor uw kritiek. Als u een tekortkoming ziet in de aanpak of elementen die niet beschikbaar waren maar wel noodzakelijk, laat het ons weten!

NB: Na publicatie bleek dat RTL Nieuws deze analyse in het verleden ook gedaan heeft op gelijke wijze. Het is dus geen nieuws.

Direct naar Tableau.

Noot:
Als u met de data aan de slag gaat, er komen kolommen bij als u recentere jaren download. Berekeningen zijn gedaan met Python3.

Ook interessant om te lezen

Open Data chaos

We werken graag en vaak met Open Data van de overheid. Maar niet altijd gaat dit soepel. Daarom delen we soms ook onze mindere ervaringen ter lering. Dit keer lopen we vast in de data van het Meldingenregister Autoriteit Persoonsgegevens.

maandag 3 juni 2019 | Gezondheid, opendata

Als de data niet open is

Alle gegevens over de stemmingen in de Tweede Kamer zijn online beschikbaar. Maar dat maakt het nog niet tot open data. Hoe verzamel je dan die data om er toch iets mee te kunnen doen?

maandag 3 juni 2019 | Gezondheid, opendata