Er is toenemende aandacht voor meetbare behandelresultaten in de gezondheidszorg, ook in de geestelijke gezondheidszorg (Stuurgroep Zichtbare Zorg GGZ, 2010; SBG, 2011; Buwalda, Nugter, Swinkels & Mulder, 2011; Tijdschrift voor Psychiatrie, 2012). In een recent advies concludeert de Raad voor de Volksgezondheid en Zorg dat het wenselijk is om op expliciete gezondheidsdoelen te sturen in de behandelrelatie (microniveau), bij de zorginkoop (mesoniveau) en in het macrogezondheidsbeleid (Raad voor de Volksgezondheid en Zorg, 2011). Op het niveau van de individuele behandeling vindtroutine outcome monitoring (ROM) plaats door de cliënt voorafgaand, tijdens en na de therapie een of meer gestandaardiseerde vragenlijsten te laten invullen. Dit levert feedback op over het effect van de behandeling. De keuze van de vragenlijst is afhankelijk van het beoogde behandeldoel. Aan de hand van het resultaat van de metingen valt na te gaan of het behandeleffect overeenkomt met de vooraf door cliënt en therapeut vastgestelde verwachtingen en doelen. Deze informatie kan door therapeuten worden gebruikt om de behandelaanpak al dan niet aan te passen.

In Nederland en Vlaanderen is de belangstelling voor ROMbinnen de behandeling met name gewekt door onderzoek van Lambert en zijn medewerkers in de Verenigde Staten (Lambert, 2002; Lambert, 2005). Zij hebben in diverse onderzoeken aangetoond dat het gebruik van de Outcome Questionnaire (OQ-45) als feedbackinstrument binnen de behandeling een gunstig effect heeft op de werkzaamheid ervan en ook de kans op voortijdige uitval vermindert.

Behalve de gunstige invloed van ROMop de behandeling, kan het transparant en gestandaardiseerd meten van behandeleffectiviteit bij cliëntgroepen voor behandelteams of zorgaanbieders informatie opleveren voor het kwaliteitsbeleid. Gecombineerd met gegevens over de behandeling kan worden getoetst of behandelrichtlijnen voldoende worden nageleefd. Ten slotte kan met ROMper zorgaanbieder informatie worden gegenereerd over behandeleffectiviteit, zodat zorgaanbieders hun kwaliteit kunnen vergelijken met andere zorgaanbieders in de ggz. Die vergelijkende informatie kan onder meer worden gebruikt voor de zorginkoop. Hoewel er beleidsmatig en in de uitvoering al veel in gang is gezet om ROMin de hele ggz in te voeren, staat de inhoudelijke ontwikkeling en toepassing van het vergelijkend onderzoek nog in de kinderschoenen.

Voor ROMzijn geschikte meetinstrumenten nodig. Er zijn diverse generieke, niet-stoornisspecifieke meetinstrumenten beschikbaar die valide zijn voor het meten van behandelresultaat bij volwassenen bij kortdurende behandelingen, zoals de genoemde OQ-45 (SBG, 2011). De Clinical Outcomes in Routine Evaluation Outcome Measure (CORE-OM) is een vergelijkbaar instrument, ontwikkeld in het Verenigd Koninkrijk. De CORE-OMwordt daar op grote schaal gebruikt voor het genereren van benchmarkgegevens over de kwaliteit van zorgaanbieders in de National Health Service (NHS) en voor het meten van behandeleffectiviteit in de praktijk voor welomschreven patiëntengroepen (Evans, Connell, Barkham, Marshall & Mellor-Clark, 2003). De CORE-OMis ontwikkeld als onderdeel van een kwaliteitssysteem dat is gebaseerd op gestandaardiseerde verzameling en centrale verwerking van gegevens van individuele behandelingen, training van praktijkmedewerkers en terugkoppeling van vergelijkende informatie aan praktijken (Evans, Mellor- Clark, Barkham & Mothersole, 2006).

De CORE-OMheeft als voordeel dat het afnemen ervan weinig tijd kost. Het instrument is breed toepasbaar, met subschalen voor klachten/symptomen, sociaal functioneren, welbevinden en risicogedrag. In Britse populaties vertoonde de CORE-34 een hoge interne consistentie, een goede test-hertestbetrouwbaarheid en een goede criteriumvaliditeit (Evans e.a., 2002; Connell e.a., 2007). Ook de begripsvaliditeit was goed bij vergelijking met de SCL- 90-R (r = 0, 88), deBrief Symptom Inventory (BSI;r = 0, 81), deBeck Depression Inventory (BDI-II;r = 0, 75-0, 81), dePatient Health Questionnaire-9 (PHQ-9;r = 0, 63) en deClinical Interview Schedule-Revised (CIS-R;r = 0, 77). Een matig verband werd gevonden met deBeck’s Anxiety Inventory (BAI) en deInventory of Interpersonal Problems (IIP;r = 0, 55-0, 65) (Evans e.a., 2002; Barkham e.a., 2001). Verder vindt lopend onderzoek plaats in Noorwegen.

Dit is de eerste studie met de CORE-OMin Nederland, met als doel de bruikbaarheid, betrouwbaarheid, normscores en gevoeligheid voor verandering vast te stellen in een volwassen ambulante ggz-populatie.

De samenstelling van beide populaties naar leeftijd en geslacht zijn weergegeven in tabel1. Bij iets meer dan 1 procent van de cliënten is sprake van meerdere parallelle zorgtrajecten vanwege meervoudige problematiek. Een zorgtraject bestaat uit een initiële DBC met een of meer vervolg-DBC’s.

Verreweg de meeste vragenlijsten werden volledig ingevuld (zie tabel2). Slechts 1 procent van de vragenlijsten moest als niet-valide worden beschouwd, omdat de cliënt minder dan 32 items had beantwoord. De interne consistentie is voldoende bij een Cronbachs alfa van 0, 75-0, 95 (Evans e.a., 2002). Deze lag voor de totaalscore en de subschaalscores binnen dit interval, uitgezonderd het risicodomein en in de niet-klinische populatie ook het domein welbevinden. In het algemeen was de interne consistentie iets lager in de niet-klinische populatie.

Bij 63 procent van de cliënten was sprake van een beginmeting binnen 92 dagen ten opzichte van de DBC-startdatum of datum eerste sessie (zie tabel3). Bij 21 procent respectievelijk 23 procent van de cliënten was sprake van een eindmeting binnen 92 dagen ten opzichte van de DBC-einddatum respectievelijk laatste sessiedatum. Uit de tabel is te lezen dat bij een strenger tijdsinterval de volledigheid van metingen minder is.

Tabel4 toont de scores van de begin- en eindmetingen. De beginscores van de cliënten met een eindmeting zijn een fractie lager dan bij de totale cliëntenpopulatie. De responsiviteit van de CORE-34 is hoog, gezien de aanzienlijke en significante verandering in de totaal- en subschaalscores.

De totaal- en subschaalscores van de beginmeting zijn significant hoger bij vrouwen dan bij mannen, uitgezonderd de scores voor het risicodomein en bij de niet-klinische populatie ook uitgezonderd de scores voor het domein functioneren (zie tabel5).

Het tijdstip van de beginmeting is van invloed op de scoring (zie tabel6). Bij een interval langer dan een week na de DBC-startdatum of na de eerste sessie (intake) is al sprake van een aanzienlijke daling. Ook is opvallend dat de spreiding van het tijdsinterval minder groot is als deze wordt berekend ten opzichte van de eerste sessie in plaats van de DBC-startdatum.

De afkapscores die een klinische van een niet-klinische populatie onderscheiden zijn gegeven in tabel7. Vanwege de scoreverschillen tussen mannen en vrouwen zijn aparte afkapscores berekend. Op basis hiervan en de Cronbachs alfa van 0, 94 is het mogelijk aan te geven bij welk deel van de cliënten sprake is van een betrouwbare en/of klinisch significante verandering (zie tabel8). Bij 67 procent van de cliënten is sprake van een betrouwbare verbetering (scoreverandering van ten minste 4 punten) en bij 48 procent van een betrouwbare en klinisch significante verbetering. Bij een kleine minderheid van 3 procent van de cliënten is sprake van een duidelijke en/of klinisch significante verslechtering.

De CORE-34 is een bruikbaar instrument voor ROMin de ambulante ggz, afgaand op de beperkte invultijd, het zeer hoge percentage (nagenoeg) volledig ingevulde vragenlijsten en de hoge interne consistentie. De grote aantallen cliënten met een betrouwbare en/of klinisch significante verandering, duiden op een hoge gevoeligheid voor verandering van het meetinstrument.

Dit onderzoek had als voordeel dat we beschikten over een grote dataset van een volwassen ggz-populatie die representatief is voor de curatieve ambulante tweedelijnszorg. Hierdoor waren er geen a priori-beperkingen voor het aantonen van statistische significanties.

Een beperking van het onderzoek is dat verreweg de meeste beginmetingen tijdens of na de eerste sessie (intake) plaatsvonden, in plaats van ervoor. Dit zal ongetwijfeld te maken hebben met een zekere praktijkroutine. Ook geven veel therapeuten aan het bezwaarlijk te vinden voor het intakegesprek een cliënt te belasten met een vragenlijst, waardoor een ongewenste drempel wordt opgeworpen. Omdat de scores snel kunnen veranderen bij het begin van de therapie, verdient het de voorkeur om een ROM-instrument voorafgaand aan het intakegesprek af te nemen en bijvoorbeeld mee te sturen met een afspraakbevestiging.

Er vonden iets minder eindmetingen plaats naarmate de beginscore op de CORE-34 hoger was. De gemeten behandeleffectiviteit is door dit selectieeffect iets onderschat, hoewel in zeer geringe mate.

Het bepalen van het aandeel cliënten met een betrouwbare verandering in de klinische toestand is gebaseerd op de interne consistentie van de COREOMzoals gemeten in de klinische populatie. De interne consistentie van de totaalscore was maar iets ongunstiger in de niet-klinische populatie en zou niet tot andere conclusies hebben geleid. Een alternatief is om de hertestbetrouwbaarheid te gebruiken, die doorgaans ongunstiger is dan de interne consistentie. Omdat deze niet is gemeten, is het niet mogelijk om aan te geven in hoeverre dit tot andere conclusies zou hebben geleid.

Hoewel er geen objectieve gegevens zijn over het aantal cliënten die de CORE-vragenlijst weigerden in te vullen, zijn er geen anekdotische aanwijzingen dat dit vaak voorkomt. Als cliënten niet willen meewerken, geldt dit vooral het invullen van vragenlijsten in het algemeen en heeft het niet zo zeer te maken met het CORE-instrument.

De beginscores van de CORE-34 die wij vonden zijn lager dan in vergelijkbare populaties in het Verenigd Koninkrijk, waar gemiddelde totaalscores van 18, 1 (Barkham, Gilbert, Connell, Marshall & Twigg, 2005) en 18, 6 (Evans e.a., 2002) werden gevonden. Opvallend is wel dat de standaardafwijking van de beginscores in de twee Britse populaties aanzienlijk groter was dan hier gerapporteerd (s 7, 4-7, 5 versus 5, 8). Ondanks de lagere beginscores in ons onderzoek waren de verschillen tussen begin- en eindscores aanzienlijk groter dan in Evans e.a. (2002). De door ons gemeten scoreverschillen tussen mannen en vrouwen werden niet gevonden door Evans e.a. (2002). De interne consistentie (Cronbachs alfa) van de CORE-schalen in de Engelse studies was vergelijkbaar met de onze.

De afkapscores die een klinische van een niet-klinische populatie onderscheiden zijn bruikbaar als richtsnoer bij individuele behandelingen. Aangezien de ernst van psychische problematiek een glijdende schaal is en er verschillen kunnen zijn tussen cliënten in hoe zij items en antwoordschalen interpreteren als zij zichzelf beoordelen, houden afkapscores altijd iets arbitrairs en zijn deze op individueel niveau niet absoluut.

In ons onderzoek vertoont de score van de beginmeting een duidelijke relatie met het tijdstip ten opzichte van de aanvang van de therapie. Een deel van het behandeleffect wordt gemist als de beginmeting relatief laat plaatsvindt. Aangezien door SBG een ruime marge van 92 dagen wordt aangehouden (SBG, 2011), is het niet uitgesloten dat dit ook de vergelijkbaarheid van ROM-resultaten tussen aanbieders beïnvloedt. De effectiviteit van psychotherapie in een praktijksituatie kan alleen worden aangetoond als de start van de behandeling niet te ver afwijkt van de beginmeting van de ROM.

Voor de ROM-eindmeting geldt dat het responspercentage sterk afhankelijk is van de vraag of het interval wordt berekend ten opzichte van de DBCeinddatum (zoals bij SBG) of ten opzichte van de laatste behandelsessie. De praktijk is namelijk dat veel DBC’s niet onmiddellijk worden afgesloten na afsluiting van de behandeling, deels om behandelinhoudelijke redenen. Dit heeft als gevolg dat veel eindmetingen volgens de SBG-definitie ongeldig worden, terwijl ze wel representatief zijn voor de toestand van de cliënt aan het eind van de therapie. Ons advies is om de laatste meting zo dicht mogelijk te plannen bij de laatste behandelsessie en niet bij de sluitingsdatum van de DBC.

Uit dit onderzoek blijkt dat de CORE-34 gevoelig is voor verandering in de toestand van de cliënt, zoals ook beoogd met dit instrument. Als behandeleffectiviteit gemeten met de CORE wordt vergeleken met behandeleffectiviteit gemeten met een ander ROM-instrument, is van belang dat de mate van gevoeligheid voor verandering tussen beide instrumenten vergelijkbaar is of dat het mogelijk is voor eventuele verschillen in responsiviteit te corrigeren. In dit onderzoek is de CORE niet vergeleken met andere meetinstrumenten, zodat ander onderzoek nodig is om licht te werpen op de vraag of er verschillen in responsiviteit zijn.

Het gebruik van meetinstrumenten roept bij sommige therapeuten weerstand op, omdat het hun persoonlijke en empathische benadering zou ondermijnen. In onderzoek binnen en buiten Nederland zijn echter gunstige effecten aangetoond van monitoring op de behandeluitkomsten, vooral als hierover feedback wordt gegeven aan behandelaar en patiënt (Lambert, 2005; De Jong, 2012). Gezien de vraag om transparantie over behandelaanpak en behandeleffectiviteit die in toenemende mate aan behandelaars wordt gesteld, en waarvoor inmiddels diverse instrumenten beschikbaar zijn, lijkt de uitdaging te zijn om ROMop een persoonlijke en empathische wijze te integreren in de behandeling. Door enerzijds de effectiviteit van psychotherapie in de reguliere zorg zichtbaar te maken en anderzijds de persoonsgerichte aanpak te ondersteunen met ROM-metingen, kan het beste van twee werelden worden gecombineerd.