Factoren die invloed hebben op ziekenhuis- en ic-opnames met corona in Haaglanden

Regio Haaglanden is een sociaaleconomisch diverse regio. Het gebied kent een grote diversiteit aan wijken en inwoners met verschillende achtergronden en leefomstandigheden. Het risico op ziekte en opname in het ziekenhuis of de ic verschilde tijdens de coronapandemie sterk per wijk. Vooral wijken met relatief veel inwoners die meer (gezondheids)problemen, een lage sociaaleconomische status of slechte woonsituatie hebben, werden harder getroffen.

Vanuit het streven dat alle inwoners een gelijke kans op gezondheid hebben, deed GGD Haaglanden samen met het RIVM onderzoek naar de oorzaken van ziekenhuis- en ic-opnames met COVID-19. Deze kennis kan beleidsmakers en zorgprofessionals helpen om zich beter voor te bereiden op toekomstige pandemieën, zodat gezondheidsverschillen hopelijk meer beperkt kunnen blijven. Het artikel ‘Determinants of COVID-19-related hospital and ICU admissions in the region Haaglanden, The Netherlands: a cross-sectional study’ hierover is gepubliceerd in BMC Public Health. Hierna een korte versie van de bevindingen.

Er is gekeken naar 3 coronagolven, gebaseerd op het aantal besmettingen en ziekenhuisopnames in de periode van 2020 tot 2022 (zie kader). Voor dit onderzoek zijn gegevens gebruikt van alle ruim 700.000 inwoners van Haaglanden tussen de 25 en 79 jaar. Personen jonger dan 25 jaar zijn buiten beschouwing gelaten, omdat inkomen en opleiding op die leeftijd minder goed de sociaaleconomische positie weergeven. 4 Ook inwoners van 80 jaar en ouder en mensen die in instellingen wonen zijn uitgesloten, omdat hun zorggebruik vaak via andere routes verloopt. Bovendien werden veel ouderen met ernstige ziekte in die periode niet meer in het ziekenhuis opgenomen. 5 Het Centraal Bureau voor de Statistiek (CBS) koppelde verschillende databronnen aan elkaar. Bijzonder aan dit onderzoek is dat informatie over persoonlijke kenmerken, sociaaleconomische situatie, gezondheid en wijkkenmerken gelijktijdig kon worden meegenomen in de analyses:

• Demografische gegevens (zoals leeftijd en geslacht) en wijkkenmerken (zoals SES-WOA-score, een maat voor sociaaleconomische positie van een wijk, zie onder tabel 1) kwamen uit de (bevolkings)registratie van het CBS.
• Ziekenhuis- en ic-opnames waren beschikbaar via Dutch Hospital Data (DHD).
• Gezondheidsinformatie kwam op wijkniveau vanuit de landelijke gezondheidsenquêtes van de GGD’en, het RIVM en het CBS.
• Vaccinatiegraad per wijk kwam vanuit het landelijke COVID-vaccinatie Informatie- en Monitoringssysteem (CIMS) van het RIVM.

Om inzicht te krijgen in de verschillen zijn eerst de aantallen ziekenhuis- en ic-opnames in kaart gebracht (frequenties en kruistabellen). Vervolgens is onderzocht welke factoren samenhingen met een grotere of kleinere kans op opname. Dit is gedaan met een statistische analysetechniek (logistische regressie). Daarbij is steeds apart gekeken naar de 3 coronagolven, omdat de omstandigheden per golf verschilden.

Eind februari 2020 (schrikkeldag) was de eerste bevestigde coronabesmetting in Haaglanden. In de periode 2020 tot en met 2022 waren er 4.294 ziekenhuisopnames, waarvan 881 ic-opnames, van 25-79-jarige inwoners van Haaglanden (tabel 1). Het grootste aantal ziekenhuis- en ic-opnames was in de 2de golf, die ook het langst duurde (2.865 ziekenhuisopnames, 0,40% van de bevolking van Haaglanden; 530 ic-opnames, 0,07% van de bevolking van Haaglanden). 

Een groot deel van de ziekenhuis- en ic-opnames betrof inwoners uit wijken met een lage SES-WOA-score (figuur 1). Deze score geeft de sociaaleconomische positie van een wijk weer, gebaseerd op inkomen, opleiding en recente arbeidsgeschiedenis. 5 In de figuur is goed te zien dat vooral vanuit de wijken met een lage SES-WOA-score, dus met inwoners met een lagere sociaaleconomische positie, tijdens alle 3 de golven relatief meer ziekenhuis- en ic-opnames waren dan in de gehele onderzoekspopulatie. Gedurende de gehele onderzoeksperiode (2020-2022) woonde ongeveer 27% van de inwoners in Haaglanden in een wijk met een lage SES-WOA-score, terwijl 42% van de ziekenhuisopnames (1.783) en 42% van de ic-opnames (371) mensen uit deze wijken betrof.

In de analyse is logistische regressie toegepast. Dit is een methode die rekening houdt met andere factoren van het model. Wanneer de (hogere) leeftijd en (slechtere) gezondheid van inwoners de hogere aantallen ziekenhuisopnames in een wijk verklaren, zal het verband tussen wijk en ziekenhuisopnames verdwijnen zodra deze factoren in het model zijn opgenomen. Dit komt doordat voor de invloed van leeftijd en gezondheid dan al is gecorrigeerd. Uit de analyse op basis van de diverse factoren, kwamen onderstaande factoren naar voren als significant samenhangend met ziekenhuis- en/of ic-opnames:

• Leeftijd en geslacht: ouderen en mannen hadden een duidelijk hoger risico op ziekenhuis- of ic-opname.
• Opleiding, inkomen en vermogen: mensen die minder lang of meer praktische opleidingen hebben gevolgd (bijvoorbeeld maximaal basisschool, vmbo, mbo1), een lager inkomen of minder vermogen hebben, werden vaker opgenomen in het ziekenhuis of op de ic.
• Herkomst: inwoners met een Marokkaanse achtergrond hadden een opvallend hoger risico op ziekenhuis- of ic-opname.
• Gezondheid in de wijk: in wijken waar veel mensen chronisch ziek zijn of hun gezondheid als matig beoordelen, kwamen meer ziekenhuis- of ic-opnames voor.
• Vaccinatiegraad: tijdens de derde golf kwamen de meeste inwoners die opgenomen werden in ziekenhuis of op ic, uit wijken waar minder dan 60% van de inwoners gevaccineerd was. Tijdens de eerste golven waren er nog geen vaccins.

Na correctie voor de andere factoren in het model, werd geen significant verband gevonden tussen sociaaleconomische positie van een wijk en het risico op een ziekenhuis- of ic-opname door COVID-19. Deze resultaten wijzen er dus op dat er geen extra wijkeffect aanwezig was bij de opnames: het grotere aantal opnames lijkt te verklaren door kenmerken van inwoners in deze wijken.

Uit de verschillen tussen groepen blijkt dat corona niet alleen een gezondheidscrisis was, maar ook een sociale. Mensen die al kwetsbaar waren – vanwege hun gezondheid, inkomen of woonsituatie – liepen extra risico. Deze kwetsbaarheid bleek vaak geconcentreerd in bepaalde wijken. Er zijn factoren die waarschijnlijk bijdroegen aan de verschillen, maar die niet konden worden meegenomen in dit onderzoek, omdat hierover geen data beschikbaar waren. Zo toont ander onderzoek aan dat mensen met lagere gezondheidsvaardigheden en mensen die culturele of taalbarrières ervaren, waarschijnlijk minder goed in staat waren om (gezondheids)informatie te begrijpen en/of vertraging opliepen bij het zoeken van medische zorg. Dit kan hebben geleid tot slechtere gezondheidsuitkomsten en een grotere kans op ziekenhuisopname. Ook leefstijl en werksituatie kunnen hierin een rol spelen. Mensen met chronische aandoeningen hadden meer kans op een ernstig ziekteverloop en inwoners met beroepen die niet op afstand konden worden uitgevoerd, hadden vaak minder mogelijkheden om contacten te beperken en richtlijnen te volgen. 7, 8, 9, 10

Concluderend laat dit onderzoek zien dat verschillende kenmerken samenhangen met een hogere kans op ziekenhuis- of ic-opname, waarbij de individuele risicofactoren vaak geconcentreerd zijn in wijken met een lage SES-WOA-score. Voor toekomstige pandemieën is het daarom belangrijk om niet alleen te kijken naar besmettingscijfers, maar ook naar (sociale) kwetsbaarheid.

Door bij uitbraken vroeg te signaleren welke buurten extra risico lopen, kunnen zorg en voorlichting beter worden afgestemd. Denk aan begrijpelijke informatie, laagdrempelige vaccinatiecampagnes en samenwerking met lokale sleutelfiguren.

In Haaglanden bestaan al verschillende programma’s waarmee geprobeerd wordt om kwetsbaarheid te verminderen, zoals de Haagse Preventieaanpak (HPA) en het Nationaal Programma Leefbaarheid en Veiligheid (Delft West, Den Haag Zuidwest). 11, 12 Daarnaast wordt vanuit verschillende transformatieplannen uit het Integraal Zorgakkoord (IZA) gewerkt aan de samenwerking tussen het medisch en sociaal domein, voor een betere toegang tot de zorg en ondersteuning.