Corona Dashboard EW16/W28

Corona Dashboard EW16/W28 (daily updates)

John Jacobs & Gijs van Loef

Data 04 06 2020

Mortality per million population allows comparison between countries. Major differences are caused by differences in anti-epidemic strategy, which may be affected by the preparedness of countries to the epidemic.

General remarks by making a comparison between countries
We would like to make two important notes.
1. Countries differ in the way the count their mortality rates. The Dutch regional GGD stated early in the epidemic that the national RIVM did not count all cases, i.e. the Netherlands have relevant under reporting of cases.[1] People dying in nursing homes are rarely counted, since these patients will not be tested, even when suffering from COVID-19 symptoms. The Dutch statistics do not count untested people as COVID-19 victims. The data can be corrected for excess mortality. Because the data on excess mortality is delayed for about three weeks, a fixed correction factor is applied.[2]

2. Populations differ in age distribution, and old people have higher mortality rates due to COVID-19.
Using the double-corrected data, a ranking is made from dark red to dark green. The current ranking is (Table 1):
Dark red:> 1000 deaths per million population (> 1000 deaths / M). United Kingdom.
Medium red: 500-1000 deaths / M. Belgium, Italy, Spain, Netherlands, USA,
Light red: 200-500 deaths / M. France, Sweden, Ireland, Switzerland, Portugal, Canada
Orange: 100-200 deaths / M. Austria
Yellow. 50-100 deaths / M. Germany, Denmark, Finland
Light green: 20-50 deaths / M. Norway, Estonia, Israel, Czech Republic, Poland, Lithuania.
Medium green: 10-20 deaths / M. Greece
Dark green: <10 deaths / M. South Korea, Australia, New Zealand, Japan, Taiwan.

Table 1. Overview of mortality per million people (mortality/M), the raw data, corrected for underreporting [a] and age. Data to determine under reporting is derived from various sources.[b]

[a] https://hartblik.weebly.com/beter-c-verschillende-strategieeumln.html
[b] https://www.economist.com/graphic-detail/2020/04/16/tracking-covid-19-excess-deaths-across-countries , https://www.economist.com/europe/2020/05/09/many-covid-deaths-in-care-homes-are-unrecorded , https://www.ft.com/content/6bd88b7d-3386-4543-b2e9-0d5c6fac846c , https://www.washingtonpost.com/investigations/2020/04/27/covid-19-death-toll-undercounted/?arc404=true

It is striking that the best-performing countries are located near Southeast Asia, where the SARS-1 epidemic started in China 18 years ago. Many countries learned from this epidemic and were prepared for a new epidemic[3] Every virologist could have predicted that a new epidemic would come, as I (i.e. John Jacobs) did in 2003.[4]
Controlling a virus epidemic requires a different strategy than a bacterial epidemic. The default anti-virus strategy is testing, proactively detecting and isolation of infected cases.[5] To do this correctly is double efficient: lower disease mortality rates, and less social and economic damage, as only infected cases should be isolated. It is also widely practiced in case of veterinary epidemics.[6]

The policies of European and North American countries had weak to poor antivirus policy results.
Mortality is higher, sometimes up to 100 times higher than in Asian and Australian countries.
The impact on social well-being and the economy is much greater.
The differences within Europe are also huge when Greece and Lithuania are compared to the United Kingdom and Belgium.

We should learn from this epidemic.
It is very doubtful if we will develop a good and safe vaccine soon, since, vaccination is a hard strategy when antivirus immune responses contribute to mortality. It could be that antibody-mediated immune responses are the cause of mortality.[7] In most European countries only about 5% of the people were infected, so this epidemic could continue to spread for a considerable time with the potential to cause high mortality rates.[8] The need to learn and act from the learnt lessons from this epidemic is paramount.
New virus epidemics will come. Just like the prediction of this epidemic decades ago, we know that a new RNA virus epidemic will arise after AIDS, SARS-1, MERS, Ebola and SARS-2.
Our epidemic policy has a major impact on human behaviour and thus on the virus epidemic.[9] If we are prepared [10], the impact could be similar to the South East Asian and Australian countries that prepared themselves after SARS-1.

[1] RIVM is national institute for health and environment. https://hartblik.weebly.com/addendum-correctie.html
[2] https://hartblik.weebly.com/beter-c-verschillende-strategieeumln.html
[3] https://hartblik.weebly.com/voorkom-epidemie.html
[4] https://hartblik.weebly.com/ontsnappende-virussen.html
[5] https://hartblik.weebly.com/fighting-covid19.html
[6] https://hartblik.weebly.com/betere-bestrijding-van-de-epidemie.html
[7] https://hartblik.weebly.com/foute-afweer.html
[8] https://hartblik.weebly.com/beter-a-impact-covid-19.html
[9] https://hartblik.weebly.com/cijfers-en-data.html
[10] https://hartblik.weebly.com/verloren-door-te-weinig-kennis.html

Raw numbers
The Corona Dashboard 1.0 was launched in Dutch at 18th of April 2020 on our websites. It focused at the EW16, 16 ‘modern’ European countries with a population of at least 4 million people. These countries share political, democratic, social economic and technological development, making them excellent for internal comparison. The list consists of Austria, Belgium, Denmark, Germany, Finland, France, Greece, Ireland, Italy, the Netherlands, Norway, Portugal, Spain, Sweden, Switzerland and the United Kingdom. Japan, Republic of Korea (South) and the USA are added to complete the list, therefore EW16+3.

Table 2. Raw data from worldometer from EW16+3 [1]
[1] https://www.worldometers.info/coronavirus/

Reported mortality rates
The 16 European countries have huge differences in the mortality rates they report. Remarkably, the epidemic in Spain is the first one to have higher numbers of mortality, even before Italy. In Belgium the epidemic raised to the highest (uncorrected level), before being stopped (at about 6%) by the national policy.


Figure 1. Mortality rates for EW16+3.
Country codes are explained in Table 1. Spain corrected mortality data at May, 25th (lower data)

Case mortality rates
Case mortality rates show the differences of cases per country. Age corrections is shown to compensate for differences in population distribution. France has corrected its data of the number of cases on june 3d.
Table 3. Case-mortality rates.
Number of critically ill and recovered persons. The lack of data on how many people have recovered, shows the limitations of the care registration systems in the Netherlands and the United Kingdom. These countries have disease registration systems that cannot be used to monitor how many people are suffering from a disease. Recently, also Sweden and Spain failed to register their recoveries.

Link between testing and mortality
Flu-like symptoms are no evidence for COVID-19, and not everyone infected by SARS-2 will develop symptoms. Policy making on symptoms fails because it discriminates poorly and would have people repeatedly in quarantine due to colds or other respiratory complaints. People succumbing to COVID-19 usually don’t go to many places anymore. Infected people are contagious before they get sick, and not everyone will develop symptoms. The high number of sick people in the Netherlands is partly related to many infected people continuing to spread the disease unmonitored, some even working in care facilities.

Proactive testing starts with testing everyone that has symptoms. If someone test positively, all the contacts will be tested. All contacts who are negative will be retested after 1 and 2 weeks. All infected people will remain in isolation – e.g. in their own house or in special hotels. In Wuhan, the government delivered groceries at their homes, to avoid the need of going outside.

An active testing policy will test many people who are not infected, because the infection rate in the population is usually (far) below 2%. Passive testing leads to a much higher number of infections per test. The danger of passive testing is that many infected people are hidden in the population. It is estimated worldwide half of the infections are caused by people without symptoms. These infections mainly occur in countries that do not test enough. People without symptoms and without a test result have no urgent reason to isolate themselves from social activities or go for  quarantine. Figure 2 shows the statistical relationship between the maximum percentage of positive tests in a country and the mortality rate in the population from COVID-19. Corrected data yield similar results.

 

 

 

Figure 2. Relation between mortality rate and lack of proactive policy.
The shape of countries corresponds to their continent (circle Europe (EW-16), square other Europe, cross North America, triangle: Australia, diamond: Southeast Asia). Clear correlation. For reference R^2> 0.5 is considered a very clear connection in this domain. Country codes are explained in Table 1.
[1] https://hartblik.weebly.com/dashboard-i.html

Current status

The current status shows how the epidemic develops in various countries. Many European countries have experienced a nonspecific lockdown to defeat the virus’ first wave that has paused the epidemic. This required more time in countries that have had a high peak, such as Belgium (Figure 3). Some countries still have significant numbers of new deaths (2-5 / M): Sweden, United Kingdom and USA, approximately a quarter of their peakvalues.

​Given the impact of the lockdown, it is obvious that many countries will let the loosen their restrictions. In Europe this is happening now (end of May). This could reactivate the epidemic. The start of the epidemic is less noticeable in a cumulative graph than in a daily graph. Due to daily fluctuations, the data in Figure 3 is averaged over several days.

 

 

 

Figure 3. Daily mortality rates for 16 European countries + 3.

Moving average over 3 to 5 (and 7 if missing today) filtered for negative values and extreme high values (often data corrections). Country codes are explained in Table 1.

 

 

 

Figure 3A. Zooms in on the most recent dates of Figure 3.

John Jacobs & Gijs van Loef
hartblik.weebly.com corona dashboard

 

CORONA DASHBOARD EW16/W28

auteurs: John Jacobs en Gijs van Loef


5 juni, 8:00 uur – update data 4/6

Op 18 april 2020 lanceerde het Platform Betrouwbare Zorgcijfers het CORONA DASHBOARD LANDEN EW16 met een dagelijkse update. Het vervolg op de CORONA SCENARIO ANALYSE: CORONA SCENARIO ANALYSE d.d. 14 maart 2020. Op 25 mei 2020 presenteerden we een nieuwe versie met een nadere duiding van de verschillen tussen landen en nieuwe grafieken.

In de landelijke media ontbreekt een deugdelijke vergelijking met enige diepgang van de ‘coronaprestaties’ van Nederland in vergelijking met andere landen waaraan wij ons doorgaans spiegelen. De EW16 (‘Europa West 16’) zijn de 16 ‘moderne’ Europese landen met een minimale bevolkingsomvang van 4 miljoen inwoners. Deze landen zijn goed vergelijkbaar, ze hebben een gedeelde politiek-democratische, sociaal-economische en technologische ontwikkeling doorgemaakt, waardoor de vergelijkbaarheid toeneemt. Het betreft de landen België, Denemarken, Duitsland, Engeland (UK), Ierland, Frankrijk, Finland, Griekenland (geen ‘West’, maar toegevoegd vanwege haar outperformance), Italië, Nederland, Noorwegen, Oostenrijk, Portugal, Spanje, Zweden en Zwitserland. We voegen verder Japan, Zuid-Korea en de USA als referentielanden toe. De data zijn ontleend aan: worldometers.info coronavirus #countries

Tabel 1 ‘Kerncijfers‘ (EW16+3) – NB correctie Frankrijk Number of cases

Sterftecijfers per miljoen inwoners zijn een goede manier om landen te vergelijken. De grootste verschillen tussen landen worden veroorzaakt door verschillend beleid, al dan niet veroorzaakt door de mate waarin een land overvallen werd door de epidemie. Om tot betrouwbare sterftecijfers te komen maken we twee correcties:
1) Het tellen van COVID-19 doden gebeurt anders in verschillende landen. De GGD maakte in het begin van de epidemie bekend dat het RIVM niet alle gevallen telt, en dat Nederland een onderrapportage kent.[1] Nederland telt doden in verpleeghuizen nauwelijks mee, doordat deze mensen niet worden getest, zelfs niet als symptomen van COVID0-19 hebben, en niet-geteste mensen sterven volgens de statistieken niet aan COVID-19. Deze gegevens kunnen worden gecorrigeerd voor de oversterfte. Omdat gegevens over oversterfte pas na drie weken bekend worden, wordt een vaste correctiefactor gehanteerd.[2]
2) Niet ieder land heeft dezelfde bevolkingsopbouw. Sommige landen hebben een oude bevolking en oude mensen sterven relatief vaak door COVID-19. Ook daarvoor kan worden gecorrigeerd.

Op grond van deze correcties voor onderrapportage en de bevolkingsopbouw kan een ranglijst worden gemaakt van donkerrood naar donkergroen. Met dit nieuwe dashboard 2.0 hebben we aan de EW16+3 negen landen toegevoegd met een (zeer) lage sterfte, waaronder vier Oost-Europese landen, Canada, Israel, Australie en Nieuw Zeeland, Taiwan. Alle landen tezamen vormen de W28.

De indeling is (de kleuren staan ook in Tabel 1):
•   Diep donkerrood: > 1000 doden per miljoen inwoners (>1000 doden/M) – Verenigd Koninkrijk
•   Donkerrood: 500-1000 doden/M – België, Italië, Spanje, Nederland, USA
•   Rood: 200-500 doden/M – Frankrijk, Zweden, Ierland, Zwitserland, Portugal, Canada
•   Lichtbruin: 100-200 doden/M – Oostenrijk
•   OranjeGeel : 50-100 doden/M – Duitsland, Denemarken, Finland
   Lichtgroen: 20-50 doden/M – Noorwegen, Estland, Israël, Tsjechië, Polen, Litouwen
•   Heldergroen: 10-20 doden/M – Griekenland
•   Donkergroen: <10 doden/M – Zuid-Korea, Japan, Australië, Nieuw-Zeeland, Taiwan.

Tabel 2 Overzicht van sterfte per miljoen inwoners – W28 (aangepaste ruwe data, gecorrigeerd voor onderrapportage en leeftijd – bronnen onder) Met ISO landencodes

Opvallend is dat de goed presterende landen allemaal in Zuidoost-Azië liggen, waar 18 jaar geleden de SARS-1 epidemie begon in China. Veel landen in die regio hebben daarvan geleerd en zich voorbereid op een nieuwe epidemie.[3] De epidemie van een virus moet anders worden bestreden dan die van een bacterie. De standaard strategie tegen virusepidemieën is testen, proactief opsporen en isoleren van besmette gevallen.[4] Het effect is dubbel: minder doden door de ziekte en minder sociale economische schade doordat alleen besmette gevallen geïsoleerd worden. Niet voor niets is dit ook de aanpak in de diergeneeskunde.[5]

Het epidemiebeleid van de Europese en Noord-Amerikaanse landen steekt schril af bij het beleid in het Verre Oosten:
– De sterfte is hoger, soms wel 100 keer hoger dan in de Zuidoost-Aziatische en Australische landen.
– De impact op het sociale welzijn en de economie is in Europa en Noord-Amerika veel groter.
– De verschillen binnen Europa zijn echter ook groot als Griekenland en Litouwen worden vergeleken met het Verenigd Koninkrijk en België.

Het is belangrijk om te leren van deze epidemie.
1. Het is nog erg onzeker is of we snel een goed en veilig vaccin krijgen. Vaccins stimuleren de afweer, maar bij COVID-19 overlijden patiënten door de immuunreactie tegen het virus. Mogelijk zijn antistoffen de boosdoener.[6] Aangezien in de meeste Europese landen slechts ongeveer 5% van de mensen besmet is geweest, kan de epidemie nog lang en heftig worden.[7] Het is van het grootste belang om zoveel mogelijk en doorlopend te blijven leren.
2. Net zoals deze epidemie al decennia geleden voorspeld werd, is het een historische zekerheid dat we een nieuwe RNA-virus epidemie gaan krijgen, na AIDS, SARS-1, MERS, Ebola en SARS-2.
3. Het beleid dat wij voeren heeft grote impact op het gedrag van mensen en daarmee op de epidemie.[8] Dan kunnen we de volgende keer beter voorbereid zijn, zodat dan ook onze impact lijkt op die in Zuidoost-Azië en Australië.[9]

Grafiek 1 COVID-19 Sterfte per land vanaf 3 casus/1 miljoen inwoners

De 16 Europese landen kennen grote verschillen in hun rapportage van de sterfte. Opvallend is dat de epidemie in Spanje eerder hoog wordt dan in andere Europese landen, zoals Italië. In België groeit de epidemie langer door. Bij Zweden ziet u een unieke trapsgewijze verhoging.


Tabel 3 Sterfte/Casus

De sterfte per casus laat het overlijdensrisico per land zien bij de gedocumenteerde besmettingen. De correctie met de leeftijdsfactor is gemaakt omdat ouderen meer kans op overlijden hebben dan jongeren en omdat de bevolkingsopbouw verschillend is tussen landen.
In de meeste landen is de eerste golf van de epidemie grotendeels achter de rug. In landen met een laag percentage herstelde casus kan het sterftecijfer nog sterk toenemen. Dit speelt vooral in Zweden en de USA. Van het Verenigd Koninkrijk/UK, Nederland, Zweden en Spanje ontbreken deze gegevens (ND=Not Done). Door de correctie van het aantal casus heeft Frankrijk nu de hoogste sterfte/casus.

De ‘Leeftijdsfactor’ is de verwachte sterftecijfers in een land, vergeleken met het EU gemiddelde, gecorrigeerd voor verschil in leeftijdsopbouw.[10] Bij leeftijdscorrectie wordt hiervoor omgekeerd gecorrigeerd. De verschillen in leeftijd zijn binnen West-Europa beperkt (< factor 1,5) vergeleken met de verschillen in sterfte/1M (> factor 10  Er bestaat geen duidelijke correlatie tussen sterftecijfers in een land en de leeftijdsfactor (R²=0,001).

Aantal kritisch zieken en herstelde personen. Het ontbreken van de data hoeveel mensen genezen zijn, is een blamage voor de zorgregistratie in Nederland en het Verenigd Koninkrijk.

Grafiek 2 Actuele status epidemie

De actuele status van de epidemie in een land kan worden afgelezen in Grafiek 2. Hier staat het voortschrijdend gemiddelde van de sterfte/miljoen over 7 dagen waarbij de data-correcties zijn uitgefilterd. Opvallend is de vroege piek van Spanje en de hoge van België (buiten beeld tot max 29/ miljoen). De landen die de hoogste piek hebben gehad, hebben nog steeds het grootste aantal gevallen. We zien de daling van de sterfte bij alle landen, waarbij ook de terugkerende oprispingen bij vooral Zweden, maar bijvoorbeeld in mindere mate ook bij UK en USA opvallen.
De landen in Europa en het Verre Oosten (al eerder, data laten een kleine opleving in Zuid-Korea zien) laten de teugels vieren. Het risico is dan dat de epidemie weer gaat opleeven. De start van de epidemie valt minder op in een cumulatieve grafiek, dan in een dagelijkse grafiek. Grafiek 2A zoomt in op de laatste 2,5 week op een kleinere Y-as.

Relatie tussen Sterfte en Testen 

Onderscheid maken op grond van symptomen is geen goede strategie om te discrimineren tussen besmette en niet besmette mensen. Veel mensen met griepachtige symptomen hebben geen COVID-19 en zeker de helft die door SARS-2 geïnfecteerd is, heeft of krijgt geen symptomen. Mensen die echt ziek zijn van COVID-19 komen meestal niet meer veel buitenshuis en zullen daarom weinig anderen besmetten, maar ook mensen die zich gezond voelen kunnen andere mensen besmetten. Geïnfecteerde mensen zijn besmettelijk met hoge virustiters voordat ze ziek worden en niet iedereen krijgt ooit daadwerkelijk (specifieke) symptomen. De symptomen worden mogelijk, net als bij andere luchtweg RNA virussen, vooral veroorzaakt door de afweerreactie tegen het virus en minder door het virus. Het hoge aantal coronazieken in Nederland komt onder andere doordat veel geïnfecteerde mensen bleven werken en dit gebeurde veel in de zorg
Proactief testen (actief testbeleid) betekent dat begonnen wordt met het testen van iedereen die symptomen heeft die lijken op COVID-19. Doel is te bepalen of ze geïnfecteerd zijn met SARS-2 of niet. Vervolgens worden alle contacten getest van wie positief getest is; wie negatief getest is, wordt 1 en 2 weken later hertest omdat tijdens de incubatietijd virustiters extreem laag kunnen zijn. Alle mensen die besmet moeten minimaal twee weken in isolatie blijven en/of een week tot nadat ze klachtenvrij zijn – bv in eigen huis of in speciale hotels. In Wuhan werden de boodschappen van deze mensen thuisbezorgd, om te voorkomen dat mensen de straat op zouden moeten gaan.
Bij een actief testbeleid zullen veel mensen worden getest die niet besmet zijn, omdat de besmettingsgraad in de bevolking meestal (veel) lager is dan 2%. Een reactief testbeleid, waar Nederland en andere Europese landen naartoe zijn geswitcht in de eerste weken van de epidemie, leidt tot een veel hoger aantal besmettingen per test. Het gevaar van niet-actief testen is dat veel geïnfecteerde mensen niet bekend zijn. Wereldwijd wordt geschat dat de helft van de besmettingen gebeurt door mensen zonder symptomen. Die besmettingen vinden vooral plaats in landen die weinig testen, omdat iemand zonder symptomen en zonder testresultaat geen enkele reden heeft om in quarantaine te gaan of te blijven. Figuur 3 laat de statistische relatie zien tussen het maximum percentage positieve testen in een land en het ongecorrigeerde sterftecijfer door COVID-19.

Figuur 3 Mortality per 1 million versus Maximum number Pos.Tests

De vorm komt overeen met het continent van een land (cirkel Europa (EW-16) , vierkant overige Europa, kruis Noord-Amerika, driehoek: Australië, ruit: Zuidoost-Azië). Duidelijke correlatie: de lineaire correlatie tussen veel testen en lage sterfte is sterk: R²=0,69. Een laag maximum percentage positieve testen impliceert dat een land uitgebreid pro-actief test, en niet alleen de evidente casussen.

Voetnoten

[1] hartblik.nl Addendum GGD correctie op RIVM
[2] hartblik.nl Betere bestrijding van de epidemie – strategieen
[3] hartblik.nl Voorkom epidemie
[4] hartblik.nl Bestrijding Covid-19
[5] hartblik.nl Betere bestrijding van de epidemie
[6] hartblik.nl Foute afweer
[7] hartblik.nl Betere bestrijding van de epidemie
[8] hartblik.nl Cijfers en data
[9] hartblik.nl Verloren door te weinig kennis
[10] Populationpyramid

Corona Dashboard EW16/W28 English version
—————————————————————————————————————————————————-

Bronnen onderapportage

The Economist (27 mei 2020) – Unrecorded COVID-19 Deaths: bovenste tabel nieuwste


Economist tracking covid-19 excess deaths
Many Covid deaths unrecorded

Financial Times:

FT

Washington Post:

Washington Post

Overige bronnen

The Guardian – Coronavirus cases and deaths over time: how countries compare around the world TheGuardian Datablog

—————————————————————————————————————————————————-

Reacties deskundigen

2 juni 2020 – Ernst Kuipers (CEO Erasmus MC): “Ik zal de website met veel belangstelling in detail bekijken, goed om dit soort analyses te doen en gegevens uit de vele bronnen te destilleren.”
2 juni 2020 – Huib Schut (Business development manager, Anesthesioloog): “Okay Gijs, dit geeft inzicht. In het begin was ik nogal kritisch op je cijferwerk maar gaandeweg is het verbeterd en inmiddels op een niveau waarmee beleidsmakers aan de slag kunnen. Ik ben alleen bang dat dit niet zal gebeuren in Nederland. Getuige ook jouw cijferwerk hebben we te maken met een klinische tweedelijns tunnelvisie. De gevolgen zijn desastreus en zullen dat blijven wanneer er geen openheid komt. De huidige beleidsconstellatie van OMT, RIVM, Kabinet is volstrekt incapable gebleken. Behalve in het verkopen van het wanbeleid: Rutte’s VVD doet het beter dan ooit.”
13 mei 2020 – Fred van Eenenaam (Prof. VBHC Center Europe/Harvard Business School Executive Education): “Het klopt met mijn beeld en van mijn collega’s die echt niet met Nederland bezig zijn. Hun beeld is ook dat Nederland middelmatig of onder gemiddeld (meer vanuit een wereldblik) presteert. Het is waanzinnig moeilijk Nederlandse cijfers of logica’s te vinden. Vanuit de gekozen aanpak is het helder dat gezondheidsmedewerkers grote schade ondervinden (electieve zorg, verzorgingshuizen, thuiszorg). Cijfers zijn moeilijk te vinden, dus dank! Ik cross check waar mogelijk.”
12 mei 2020 – Richard Janssen (Prof. in Governance & Management HCO’s Erasmus): ‘Like’ (twitter)
6 mei 2020 – Jaap van den Heuvel (Prof. Healthcare management UvA en CEO RKZ Beverwijk): “Het dashboard vind ik erg goed. Er is zeker nu grote behoefte aan betrouwbare en goede informatie.”
27 april 2020 – afsluiting twitterdebatje met Xander Koolman (zorgeconoom, associate professor): “Prima, en veel succes. En wellicht kun je een kolom oversterfte toevoegen. Zie ook berekeningen van de Financial Times.”
26 april 2020 – Matthijs Dekker (Praktijkhoudend huisarts): “Prachtig inzicht gevend dashbord! Complimenten. Ik zou willen opmerken dat je bevindingen mooi aansluiten op je eerdere artikelen die al eerder aangeven dat de zorg in Nederland juist níét tot de beste behoort. Uit de media in het algemeen komt het beeld naar voren dat wij het allemaal erg goed doen met de intelligente lockdown ect. Je zou dat feit op zich nog wel wat kunnen uitvergroten denk ik als onafhankelijke expert.”

—————————————————————————————————————————————————

De leden van het Platform Betrouwbare Zorgcijfers

Achtergrond leden Platform 10112018

reactie op opiniemaker Joost Zaat: wie heeft het beste zorgsysteem?


Waarom reageren op een opinie in de vorm van een column? Omdat de column in de Volkskrant staat en de columnist de beeldvorming van de kwaliteit van de gezondheidszorg beinvloedt.
Daarom, puntsgewijs, je betoog volgend.

Er is voortschrijdend inzicht m.b.t. de ‘lijstjes’.

De Zorgkaart Nederland is overtuigend afgeserveerd door Follow the Money. FTM Frauderen met de Zorgkaart Persoonlijke ervaringen van jou en mij (een eigen onderzoekje n.a.v. de sluiting van de Keizershof) zijn hierbij volstrekt ondergeschikt.

De AH ziekenhuis top100 is eveneens – na een paar jaar soebatten – door deskundigen ondeugdelijk bevonden en gelukkig passé.

In de landenvergelijking is de beruchte EHCI-index (dat is die lijst waar heel politiek-bestuurlijk Nederland en de federatie medisch specialisten nog steeds (!) mee dweept(e): ‘we hebben het beste zorgstelsel!’) door experts eveneens gediskwalificeerd. We weten dat er slechts een paar zorg(rang)lijsten zijn die wetenschappelijk worden bevonden: OECD, EU/Eurostat, de HAQ-index en in mindere mate het Commonwealthfund (nadeel: slechts een handjevol landen met de USA en Oceanie erbij). Prachtige interactieve overzichten staan tegenwoordig op ourworldindata.org ourworldindata.org
Zorgstelselranglijsten

Ik heb bij mijn onderzoek gekozen voor een vergelijking die hout snijdt: Nederland vergeleken met andere modere Europese landen, de EU14 (bij EU/Eurostat ontbreken soms Zwitserland en Noorwegen, landen met onomstreden hoogwaardige zorgprestaties). Deze EU14 hoort – als groep – ook bij de absolute top wereldwijd. Mijn aanpak is door experts gewogen en goedgekeurd. Had ik er op moeten promoveren?
EU14 Kwaliteit en Kosten obv OECD 2007 > 2019
Zorg achteruit op alle ranglijsten

Bij cruciale indicatoren als de levensverwachting bij geboorte en het aantal jaren in goede gezondheid doet Nederland het net als de meeste genoemde europese landen goed, alleen langzaam maar zeker wel een tikkeltje minder goed dan een aantal anderen. Ergo: Niet ‘de zorg stort in’, maar nuance, beste Joost.

Je opmerking over die dermatoloog, daar ben ik het helemaal mee eens.

Nederlanders zijn best tevreden over hun gezondheid (‘perceived health status’) en dat hangt ongetwijfeld samen met het feit dat we over het algemeen gelukkig zijn :) Specifieke informatie over onze gemoedsgesteldheid m.b.t. onze zorg vinden we bij het SCP dat dit voorjaar na jaren stilzwijgen met een belangwekkende studie kwam. Link> SCP COB 2/2019 Samenvattend: we zijn het meest tevreden over de huisarts en we zien de toekomst van onze gezondheidszorg somber in.

Deze maand nog verscheen een belangwekkende publicatie van IQ Healthcare, link>IQ Healthcare . Samenvattend: Burgers hebben weinig vertrouwen in de rol en het optreden van verzekeraars, het percentage schommelt rond de 30%. Dat is beduidend lager dan het vertrouwen van burgers in artsen en ziekenhuizen (zo’n 85%). Het vertrouwen van zorgverleners in zorgverzekeraars is minder dan 5%, bedroevend laag! Het vertrouwen van de bevolking en de zorgverleners in het eigen zorgstelsel is cruciaal, zo stelt o.a. de WHO. Link>WHO A framework for assessing the performance of health systems Is dit een onheilsdreiging?!

De kritiek dat registraties (aan de bron) misschien niet even goed plaatsvinden in andere landen is een veel gehoorde opmerking in medische kringen. Als we deze kritiek voor waar nemen valt de waarde en betekenis van internationale rapporten als OECD Health at a Glance en EU State of Health vrijwel helemaal weg. We houden dan niets over wat ons nog enig houvast biedt (Het werk van duizenden hoogopgeleide statistici, artsen, economen e.a., allemaal onzin?!) Wat dan resteert zijn de persoonlijke ervaringen en inkleuringen van iedere individuele arts of andere zorgverlener (of burger).

Zojuist hebben je georganiseerde beroepsgenoten van HetRoerMoetOm overvloedig kwalitatieve zorgervaringen met ons allen gedeeld, ondersteund met statistisch cijfermateriaal en een samenhangende visie geformuleerd vanuit een urgentiebesef dat ons zorgstelsel vastloopt. Link> hetroermoetom Maar die zien het ook te somber in, heb ik je dit niet al eerder horen zeggen? Of ben ik nu degeen die zich vergist?

Joost, prettige jaarwisseling en laten we het er in 2020 nog eens over hebben!

Skipr blog Top10 2015>2019: 1e, 2e en 5e!

In de huidige tijd moet men zelfpromotie bedrijven, zeker als er geen verdienmodel is.

Topblogs op skipr van de laatste 5 jaar (2015 t/m 2019)

(1) Een patiëntgeoriënteerd zorgstelsel – Gijs van Loef (13 november 2015) “Een patiëntgeoriënteerd stelsel dat gebaseerd is op samenwerking tussen zorgprofessionals stelt de patiënt altijd centraal en kan een forse besparing opleveren van zo’n 2,5 miljard euro op jaarbasis…” 18.703 views Lees verder: Een patientgeorienteerd zorgstelsel

(2) Nederland heeft niet de beste zorg van Europa – Gijs van Loef (3 oktober 2016) “De Nederlandse gezondheidszorg zou excelleren door de combinatie van toegankelijkheid, kwaliteit en betaalbaarheid. Volgens de Euro Health Consumer Index, die politici en bestuurders steevast aanhalen als bewijs van onze toppositie, zou Nederland de beste gezondheidzorg van Europa hebben: het is niet waar…” 16.640 views Lees verder: Nederland heeft niet de beste zorg van Europa

(3) Pamflet voor de nieuwe GGZ – petitie vanuit de GGZ-sector (21 oktober 2015) ca. 13.650 views

(4) AD Ziekenhuis top 100 – Herm Joosten (9 november 2016) ca. 13.320 views

(5) Kwaliteit Nederlandse zorg achteruit door marktwerking – Gijs van Loef (21 november 2017) “De kwaliteit van de Nederlandse medische zorg gaat achteruit in vergelijking met die in de ons omringende landen. Hoe komt dat?…” 12.956 views Lees verder: Kwaliteit Nederlandse zorg achteruit door marktwerking

(6) Laten we handen ineen slaan voor de wondzorg – Jacques Oskam ( 8 maart 2016) ca. 12.660 views

(7) Nieuwe beroepenstructuur voor de zorg – Marian Kaljouw (8 januari 2015) ca. 11.230 views

(8) Een betrouwbaarder lijst dan de AD Ziekenhuis Top100 – Herm Joosten (2 oktober 2017) ca. 11.170 views

(9) Vooral vernieuwers hebben last van bureaucratie – Illya Soffer (23 januari 2015) ca. 11.010 views

(10) Hoe Amerikanen kijken naar de Nederlandse zorg – Nardo van der Meer (26 maart 2015) ca. 9.450 views

Toelichting
Deze maand is de website skipr vernieuwd. De viewcount van de blogs is weer bij 0 begonnen. De ranglijst is gebaseerd op een eigen excelbestand. Sinds 2015 zijn ca. 1900 blogs verschenen op skipr.nl

Medische gezondheidszorg Nederland in 2019 achteruit op alle zorgranglijsten (EU14)

Op alle serieuze ranglijsten (OECD Health at a Glance, Healthcare Access and Quality Index, EC/EU/Eurostat) is de relatieve achteruitgang van de Nederlandse medische zorg ten opzichte van de EU14 terug te zien.

Toelichting

De EU14 zijn de 14 moderne Europese landen met meer dan 5 miljoen inwoners: België, Denemarken, Duitsland, Engeland (UK), Frankrijk, Finland, Italië, Nederland, Noorwegen, Oostenrijk, Portugal, Spanje, Zweden en Zwitserland. Deze 14 landen hebben een gedeelde politiek-democratische, sociaal-economische en technologische ontwikkeling doorgemaakt waardoor de onderlinge vergelijkbaarheid groot is.

OECD Health at a Glance en de Health Access and Quality Index zijn internationaal erkende en geraadpleegde samengestelde indexen (meerdere indicatoren van alle OECD-landen, of de gehele wereld), EU State of Health is een omvattende landenrapportage. Healthy life years en Life expectancy zijn typische kernindicatoren van gezond leven en levensverwachting.

 

 

Bronnen (met links naar primaire bronnen OECD, EU/EC/Eurostat, ourworldindata.org):
Kosten en Kwaliteit EU14 OECD Health at a Glance
State of Health NL 2017 vs 2019 EC en OECD
HAQ index EU14 1990 2015
Healthy life years en Life expectancy Eurostat

Vergelijking State of Health in the EU (2017 en 2019): Nederland gaat achteruit

State of Health in the EU: Nederland in 2017 en 2019

De landenprofielen gezondheid van de State of Health in the EU (gezondheidstoestand in de EU) bieden een beknopt en beleidsrelevant overzicht van de gezondheid en gezondheidszorgstelsels in de EU/Europese Economische Ruimte. Hierin wordt met name ingegaan op de bijzondere kenmerken en uitdagingen in elk land tegen een achtergrond van vergelijkingen tussen landen. Het doel is beleidsmakers en mensen met invloed te ondersteunen met een middel voor wederzijds leren en vrijwillige uitwisseling. De profielen worden gezamenlijk opgesteld door de OESO en het European Observatory on Health Systems and Policies, in samenwerking met de Europese Commissie.

Een vergelijking van de ‘Belangrijkste bevindingen’ in 2017 en 2019 v.w.b. Nederland laat een opmerkelijke verandering in toon en inhoud zien. In beide samenvattingen staan 7 bullets met kernbevindingen. Als we de bullets vergelijken zien we het volgende:

Samenvattend: Nederland doet het slechter dan in 2017, zo blijkt uit specifieke kwaliteitsindicatoren. Het zorgstelsel lijkt niet goed (meer) te (kunnen) functioneren. De hoge zorguitgaven zijn voorlopig ‘in control’. De hervorming van 2015 is niet gelukt. Qua ICT is er geen enkele vooruitgang geboekt

Bronnen:
EU NL 2017
EU NL 2019

Nederlandse zorg verliest verder terrein (kwaliteit en kosten EU14 – update OECD 2019)

Nederland verliest in vergelijking met de gemiddelde ontwikkeling van moderne Europese landen (EU14) geleidelijk aan iets terrein in de medische zorg (‘Cure’, Zorgverzekeringswet). Dit werd drie jaar geleden door mij vastgesteld op basis van een meerjarenanalyse van beschikbare relevante medische kwaliteitsindicatoren van OESO Health at a Glance-rapporten. Publicatie in ESB Zorgstelsel 1/2017. In november 2017 werden de bevindingen getoetst o.b.v. nieuwe data (Health at a Glance 2017) en dit is nu opnieuw gedaan (Health at a Glance 2019). De drie analysemomenten (dec. 2016, nov. 2017 en nov. 2019) geven een consistent beeld.

Een positief punt v.w.b. Nederland is de recente verbetering van de resultaten bij cardiovasculaire aandoeningen (Stroke, Ischemic heart-disease). De datatabel:

Landengrafiek:

De macrokosten zijn in vergelijking met de gemiddelde kostenontwikkeling van de andere moderne Europese landen (EU14) in dezelfde periode gestegen. De rem op de uitgavengroei vanaf 2013 zien we ook bij de andere landen, m.u.v. Zwitserland (en in mindere mate Noorwegen). Grafiek:


De grafiek is nog preciezer gemaakt. Het jaar 2006 heeft index=100 voor de kostenontwikkeling. Deze blauwe lijn geeft de ontwikkeling van de macrokosten van het nederlands zorgstelsel in verhouding tot de gemiddelde ontwikkeling van de macrokosten van 11 andere landen (van Italie en UK zijn geen data bekend in de jaren tot 2011/2012). De rode lijn geeft de positie weer o.b.v. de gemiddelde kwaliteitsscore van een land. Nederland stond op de 5e plaats in 2007 en staat op de 8e plaats in 2019.

De recente analyse van de HAQ-index (EU14) en de Healthy Life Years (EU14) ondersteunt de bevindingen v.w.b. de geleidelijke achteruitgang van de kwaliteit van de medische prestaties in internationaal opzicht. Bronnen:

ESB Zorgstelsel
HAQ-index
Healthy Life Years

Indien de kwaliteit en de kosten met elkaar vermenigvuldigd worden ontstaat een indicator (‘Zorgwaarde’) van de kostprijs van de (totale) curatieve zorg. De zorgwaarde, dus de prijs van de zorg, is sinds 2007 het sterkst gestegen in Nederland en België. Dit betekent dat de curatieve zorg in deze twee landen steeds duurder wordt in vergelijking met de twaalf andere landen. Tabel:

Lees hier de volledige toelichting:

Actualisatie Bevindingen OESO EU14 Health 2007-2019 08112019
Bron: OECD Health at a Glance 2019

Mutaties %BNP/GDP in OECD-statistieken
De kosten-data (%BNP/GDP zijn door de OECD op meerdere momenten na publicatiedatum (opmerkelijk genoeg!) gecorrigeerd. De grootste correcties betreffen de data van Zwitserland en Nederland. Zie> stats.oecd.org . Gevolg is dat de blauwe kostenlijn van de grafiek een andere kromming heef gekregen. De foto van mijn aantekeningen illustreert die wijzigingen:

OECD dashboard (geen meerjaren) OECD Health at a Glance 2019 dashboard Zie Access to a doctor when needed (menubalk)!

Eerdere publicaties op mijn website:

over de Zorgwaarde> Zorgwaarde EU14 2007 – 2017

vorige OESO-analyse> Tendens daling zet door OESO 2007 2017