Zorgfraude effectief bestrijden?

In april 2022 publiceerde de Algemene Rekenkamer een rapport met een ongekend harde conclusie: de gezamenlijke aanpak tegen frauderende zorgaanbieders is nauwelijks effectief.[1] In recent onderzoek door de Inspectie Gezondheidzorg en Jeugd (IGJ) naar het gemeentelijk Wmo-toezicht wordt de kritieke noot nogmaals bevestigd.[2] Uit onderzoek komt de schatting naar voren dat zorgfraude tot wel €10 miljard per jaar kost [3].

Ondanks investeringen in opsporing blijft de pakkans van zorgfraudeurs laag. Hierdoor blijft vervolging uit en blijven gemeenten en kwetsbare burgers slachtoffer. De in 2013 opgerichte Taskforce Integriteit Zorgsector (TIZ) – een samenwerkingsverband van o.a. VWS, FIOD, Nza en CIZ – heeft als doel zorgfraude te bestrijden en te voorkomen. De uitdaging blijft echter om beschikbare middelen efficiënt en effectief in te zetten. Een datagedreven aanpak kan helpen toezicht efficiënter in te richten. Dit artikel behandelt:

• Wat zorgfraude is en hoe de aanpak zich heeft ontwikkeld.
• Hoe de datavolwassenheid van een organisatie de aanpak van zorgfraude beïnvloedt.
• Hoe een werkproces omtrent risicogericht sturen effectief kan worden ingericht om zorgfraude aan te pakken.
• Handige tips om signalen overzichtelijk weer te geven, te beoordelen en te verrijken.

Wat is zorgfraude precies?

De Algemene Rekenkamer definieert zorgfraude als: “Het opzettelijk en structureel onjuist handelen, in strijd met de regels die gelden voor de zorg, met het oog op eigen of andermans financieel gewin”. Een onjuiste declaratie wordt gemarkeerd als zorgfraude als er sprake is van de volgende drie zaken:

1. Regelovertreding (een contractuele regel wordt overtreden)
2. Een wederrechtelijk voordeel (indien voordeel is behaald door een strafbaar feit)
3. Bewust handelen (de zorgaanbieder is zich bewust van het overtreden van contractuele regels)

In dit artikel gaan we bovenal in op zorgfraude met een financieel gewin op aanbiederniveau. Samenvattend gaat het dan om zorgaanbieders die doelbewust de (contractuele) regels van gemeenten en regio’s overtreden om een financieel voordeel te halen uit de te leveren zorg. Dit kan dan zowel resulteren in financiële fraude als fraude op het gebied van een ondermaatse kwaliteit van zorg.

Waarom plegen zorgaanbieders fraude?

Toezichthoudende instanties krijgen steeds beter inzicht in de omvang van zorgfraude en de gebreken in opsporing en aanpak. Gemeenten moeten niet alleen kwalitatief goede zorg faciliteren, maar ook zorgfraude voorkomen en bestrijden. Dit blijkt in de praktijk lastig omdat:

• Fraude plegen door gebrek aan controlesystemen eenvoudig en lucratief is.
• Het controleren van alle declaraties vrijwel onmogelijk is door hoge werkdruk en personeelsgebrek bij maatschappelijke organisaties.
• Fraude moeilijk aan te tonen is en de gevolgen voor fraudeurs vaak beperkt blijven.
• Het wegvallen van een aanbieder de continuïteit van zorg in gevaar brengt.
• Angst voor onterechte fraude-aantijgingen bij medewerkers.

Toch kan het lonen om frauderende aanbieders aan te pakken. Gemeente Almelo voerde met succes een rechtszaak tegen een aanbieder die zonder gekwalificeerd personeel werkte, zorg declareerde zonder te leveren en via afspraken met cliënten onrechtmatig winst behaalde.[4] De bestuurders werden persoonlijk aansprakelijk gesteld, met grote gevolgen.

Ontwikkeling van de zorgfraudeaanpak en datavolwassenheid

Dat het opsporen en aanpakken van zorgfraude steeds meer prioriteit krijgt, zien we ook terug in de ontwikkeling die gemeenten doormaken op dit vlak sinds de decentralisatie van het Sociaal Domein in 2015. De VNG heeft op basis van eigen onderzoek een onderscheid gemaakt in drie ontwikkelingsfasen die gemeenten doorlopen: de hectische fase, de pioniersfase en de bewustwordingsfase.[5] In elke fase kan een gemeente bepalen welke vervolgstappen nodig zijn om door te groeien naar een volgende fase en daarmee dus ook wat ervoor nodig is om de aanpak van zorgfraude naar een hoger niveau te tillen.

Niet elke gemeente bevindt zich in dezelfde fase. Gemeenten verschillen nogal in hoe actief ze zorgfraude aan (kunnen) pakken, zo blijkt uit het eerdergenoemde onderzoek van de VNG. Een belangrijke graadmeter die laat zien welke datamogelijkheden een organisatie heeft en gebruikt, is datavolwassenheid. Het is belangrijk dat je als organisatie weet hoe datavolwassen je organisatie is, voordat je (vervolg)stappen zet in je datagedreven aanpak van zorgfraude. Sommige maatregelen vereisen namelijk een bepaalde data- of veiligheidstandaard om goed te functioneren. Met een Nulmeting Datavolwassenheid breng je in kaart op welk volwassenheidsniveau je organisatie zich op dit moment bevindt. Overweeg je om een Nulmeting Datavolwassenheid door Van Dam Datapartners te laten uitvoeren, dan helpen we je ook bij het formuleren van jouw datadoelstellingen en -ambities en stellen we samen een roadmap op waarmee je stapsgewijs naar een volgend datavolwassenheidsniveau kunt doorgroeien.

Het datavolwassenheidsniveau vertoont overlap met de ontwikkelingsfasen zoals de VNG die heeft opgesteld voor het opsporen en aanpakken van zorgfraude. In onderstaand figuur hebben we dit schematisch weergegeven.

Een laag datavolwassenheidsniveau correspondeert bijvoorbeeld met een organisatie die zich in de eerste ontwikkelingsfase, de hectische fase bevindt:

1. Hectische fase Organisaties die zich bevinden in de hectische fase zijn vooral bezig met het inrichten van juridische kaders. Ze hebben regelmatig data tot hun beschikking, maar hebben deze data nog niet efficiënt ingericht of bewust weten te gebruiken. Organisaties in deze fase concentreren zich op het inzichtelijk maken van wat er is gebeurd met behulp van data. Waar het zorgfraude betreft, kunnen deze organisaties vaak alleen (achteraf) zien met welke zorgaanbieders ze werken en welke declaraties deze indienen. Is het volwassenheidsniveau van jouw organisatie al wat hoger, dan bevind je je waarschijnlijk in de tweede ontwikkelingsfase, de pioniersfase:
2. Pioniersfase Organisaties die zich bevinden in de pioniersfase hebben met behulp van data al beter in kaart gebracht welke vormen van zorgfraude bestaan. Ze hebben geleerd om data zo te gebruiken dat ze achteraf kunnen achterhalen hoe zorgfraude heeft plaatsgevonden. Het uitvoeren van analyses op de beschikbare data helpt hen de oorzaken van zorgfraude en zwakten in het inkoopkader aan het licht te brengen.Een nog hoger volwassenheidsniveau, plaatst organisaties in de bewustwordingsfase:
3. Bewustwordingsfase Organisaties die zich bevinden in de bewustwordingsfase hebben in beeld wat zorgfraude is, welke vormen van zorgfraude bestaan en hoe zorgfraude wordt gepleegd. Door zorgfraude-indicatoren op te stellen en deze geprioriteerd in een overzicht weer te geven verkrijgen ze inzicht in waar zorgfraude (mogelijk) plaatsvindt.De VNG beschrijft in haar artikel drie fasen, maar het datavolwassenheidsmodel gaat nog een aantal stappen verder en beschrijft ook een niveau waarin het mogelijk wordt zorgfraude te sporen nog voordat dit plaatsvindtt:
4. Prescriptieve fase Bevindt een organisatie zich in de prescriptieve fase, dan kan men met behulp van data voorspellen wat er in de toekomst gaat of kan gaan gebeuren. Om deze fase te bereiken is een datavolwassenheidsniveau nodig waarbij risico’s realistisch kunnen worden berekend, zodat de organisatie voorafgaand aan een gebeurtenis een gecalculeerde verwachting heeft van waar zorgfraude plaatsvindt. In deze fase kunnen gevolgen van beslissingen in een aanbesteding of beleidsaanpassing worden voorspeld.

Om deze fase te bereiken kan een prognosemodel helpen om beslissingen te maken. Van Dam Datapartners heeft een prognosemodel ontwikkeld. Dit model brengt zowel toekomstontwikkelingen in beeld als de invloed van verschillende scenario’s.

Direct aan de slag: Fraude signaleren met behulp van data

Nu we weten dat preventie en bestrijding van zorgfraude inbedden in de organisatiecultuur belangrijk is, is het tijd om hiermee zelf aan de slag te gaan. Wij helpen je graag op weg.

Stap 1: Bepaal waar je staat
De mate waarin je data kunt gebruiken om zorgfraude op te sporen, is afhankelijk van de ontwikkelingsfase waarin jouw organisatie zich bevindt. Bevind je je in de hectische fase dan is het vooral belangrijk om structuur aan te brengen in de dataverzameling en de kwaliteit van data. Let er hierbij op dat je data op een gestructureerde wijze verzamelt, vergelijkt, deelt en controleert. Je zult keuzes moeten maken tussen verschillende soorten databronnen en dataoverzichten. Hierdoor kun je stap voor stap vooruit in je datavolwassenheid.

In de Pioniersfase heb je je data op orde en kun je focus aanbrengen. Bepaalde indicatoren, zoals de uitnutting van middelen en gemiddelden kun je monitoren. Hierdoor kun je verschillen tussen zorgaanbieders analyseren.

Stap 2: analyseren
Als je de eerste twee fasen doorlopen hebt en je data op orde en overzichtelijk zijn, kun je doorgroeien. Zo kun je kijken naar bestaande terugkerende processen binnen de huidige werkzaamheden door gebruik te maken van databronnen. Om draagvlak voor de benodigde werkzaamheden te krijgen, zoals controle en monitoring, is het belangrijk om de processen in te bouwen in de dagelijkse werkzaamheden. Zo voeren gemeenten in het kader van de ‘verantwoording Sociaal Domein’ vaak analyses uit op hun totaalbestanden (totale declaraties, indicaties, tariefcontroles, etc.). In een eerder gepubliceerd artikel: ‘Zorgfraude? Onderzoek de risicofactoren’ hebben we verschillende andere voorbeelden van data benoemd die gebruikt kunnen worden om zorgfraude op te sporen.[6]

In de bewustwordingsfase kan je organisatie doorontwikkelen door gebruik te gaan maken van specifieke vormen van dataverrijking. Er worden dan data verzameld die elkaar aanvullen en zo bijdragen aan dossiervorming. Het is de kunst om deze dataverrijking niet alleen toe te passen in het kader van verantwoording, maar periodiek over het jaar heen. Zo verschuift het inzicht van één moment in het jaar naar een structureel terugkerend inzicht wat tot meer bewustwording en scherpte leidt. Hieronder een aantal voorbeelden:

• Cliëntervaringsonderzoek (CEO):  Gemeenten zijn verplicht om jaarlijks een CEO uit te voeren onder Wmo-cliënten. Buiten de verplichte verantwoording bevat dit onderzoek ontzettend veel informatie die bij grondige analyse al eerste signalen afgeven die aanleiding kunnen zijn voor vervolgonderzoek.
• Bandbreedte-analyse:  Per voorzieningsgroep (Huishoudelijke hulp Wmo, Ambulante jeugdhulp JW, etc.) wordt het gemiddelde uitnuttingspercentage over een gegeven periode berekend. Vervolgens kijk je per gecontracteerde aanbieder naar grote afwijkingen die wellicht aanleiding geven tot een vervolgonderzoek.
• Analyse op specifieke voorzieningsgroepen:   Als organisatie wil je scherp hebben welke afspraken je met aanbieders hebt gemaakt over de te leveren zorg. Zo kan bij dagbesteding worden afgesproken dat declaraties in dagdelen worden gedaan, of dat er alleen gedeclareerd mag worden op de tijden dat de cliënt ook daadwerkelijk aanwezig is op de dagbestedingslocatie. Een analyse op dit niveau geeft weer welke organisaties afwijken van de gemaakte afspraken.
• Analyse op patronen in declaraties:   Niet alleen grote verschillen in declaraties kunnen opvallen. Soms zijn patronen zo vast dat ook dit vragen kan oproepen. Bijvoorbeeld als een zorgaanbieder structureel voor al haar cliënten 52 weken lang hetzelfde aantal uren declareert. Gaat er nooit iemand op vakantie, of is er nooit iemand ziek? Daarnaast worden beschikkingen in de meeste gevallen niet 100% benut. Een aanbieder die altijd 100% van de beschikking declareert kan indicatief zijn voor zorgfraude en aanleiding geven voor een gesprek.
• Signalen en klachten vanuit inwoners:   Een kwalitatieve oordeelsvorming maken van de geleverde zorg. Is de zorg correct, adequaat en doelmatig ingezet in de ogen van de cliënten?
• Contractgesprekken:   Middels gestructureerde vragenlijsten over de interne organisatie en bedrijfsvoering. Onderwerpen hiervoor zijn o.a. een materiële controle, het bekijken van bestuurswijzigingen en de mogelijke inzet van de wet Bibob als extra maatregel.

Stap 3: overzicht en duiding
Naast het uitvoeren van dit soort periodieke (of structurele) analyses is het belangrijk om een continu overzicht te hebben van gegevens uit het zorglandschap. Deze geef je het meest effectief en efficiënt weer in een dashboard. Hierin toon je bijvoorbeeld het realisatiepercentage van een aanbieder en het aantal cliënten. Ook kan de berekening naar het gemiddelde automatisch worden geïmplementeerd. Aanvullend kunnen de uitkomsten van andere formules die helpen bij risico-inschatting, zoals die voor het berekenen van de solvabiliteit en liquiditeit, geautomatiseerd worden berekend. Vervolgens kunnen de verschillende uitkomsten bij elkaar worden gebracht en worden beoordeeld om zo te bepalen of een zorgaanbieder een risico vormt. Een dashboard kan je dus helpen om datagedreven toezicht houden efficiënt en effectief in te richten. Van Dam Datapartners heeft recentelijk de aanbiedermonitor ontwikkeld. Dit dashboard geeft een overzicht van de risicofactoren in het berichtenverkeer, de jaarrekening en het netwerk van de bestuurders. Door het benadrukken van overschreden risicowaarden kunnen toezicht en controle efficiënter en effectiever worden uitgevoerd. Interesse in een demo? Neem contact met ons op!

Hoe nu verder?

Om het opsporen van zorgfraude op een hoogwaardige manier datagedreven in te richten, is het belangrijk dat je bepaalde analyses structureel terug laat komen in je werkproces. Vanzelfsprekend moet de datakwaliteit op orde zijn, zodat jouw indicatoren de correcte en actuele data gebruiken. Het is van groot belang om altijd scherp te zijn op afwijkingen in je data. Dit vraagt om een benadering van data met een actieve houding. Analyseer bijvoorbeeld jaarlijks bij het vrijkomen van de jaarrekeningen de cijfers van de 20% aanbieders met de meeste omzet in de regio. Wellicht dat je bijvoorbeeld op basis van afwijkingen in de ontwikkeling namelijk een vervolgonderzoek zou willen laten uitvoeren.

Opvallendheden duiden niet altijd op een bewuste overtreding. Het is dan ook belangrijk om niet meteen argwanend te zijn richting een zorgaanbieder als er afwijkingen geconstateerd worden. Toets de uitkomsten van analyses en modellen altijd bij de aanbieder en zorg ervoor dat je een objectief dossier opbouwt. Van Dam Datapartners heeft de kennis en expertise in huis om je hierbij te helpen. Zowel op het gebied van opsporen van risicovolle aanbieders op basis van indicatoren, jaarrekening lezen als bij het ontwikkelen van dashboards, dossieropbouw en het implementeren van datagedreven werken.

[1] Algemene Rekenkamer, “Een zorgelijk gebrek aan daadkracht”,  april 2022 via:  Een zorgelijk gebrek aan daadkracht | Rapport | Algemene Rekenkamer. [2] IGJ Rapport aan de minister over de uitvoering van het Wmo-toezicht door de gemeenten in 2021, december 2022 via: Kwaliteit Wmo-toezicht blijft laag | Nieuwsbericht | Inspectie Gezondheidszorg en Jeugd (igj.nl). [3] OM: zorgfraude 10 miljard per jaar  [4] 2020- Gemeente Almelo [5] Onderzoek Zorgfraude [6] Zorgfraude? Onderzoek de risicofactoren