Uitstroom van zorgprofessionals: openantwoordanalyse

Duur: dec 2023 - mei 2024

Achtergrond

De arbeidsmarkt zorg en welzijn kent grote uitdagingen. Op dit moment is er een tekort ontstaan aan zorgprofessionals. Daarbij stijgt de zorgvraag door de toenemende vergrijzing en stijgende complexiteit harder dan het aanbod van zorgprofessionals. Hierdoor is de verwachting dat de tekorten in de nabije toekomst alleen maar zullen toenemen, van 3,9% in 2023 tot 12,9% in 2032. Dit leidt tot hogere werkdruk en onvoldoende capaciteit om aan de zorgvraag te voldoen.

Verlagen uitstroom zorgprofessionals

Omdat de instroom ontoereikend is om dit op te vangen, is het van belang om de uitstroom van zorgprofessionals te verlagen om zoveel mogelijk capaciteit te behouden. Momenteel is de uitstroom van medewerkers hoog, namelijk bijna 16%. Het behoud van zorgprofessionals is essentieel voor een stabielere en effectieve gezondheidszorg.

Doel

Het doel van dit onderzoek kent verschillende dimensies:

• Het ontwikkelen en beoordelen van een methode om inzicht te bieden in de uitstroom van medewerkers in de sector zorg en welzijn, en de factoren die hieraan ten grondslag liggen.
• Het uiteindelijke doel is om hiermee werkgevers te ondersteunen om gerichte interventies te ontwikkelen die de uitstroom verminderen, de motivatie van zorgmedewerkers vergroten en die bijdragen aan het behoud van getalenteerde zorgprofessionals.
• Dit om de kwaliteit en toegankelijkheid van de gezondheidszorg te waarborgen.

Methodes

We zetten verschillende methoden en technieken in:

• In het uitstroomonderzoek van RegioPlus en Presearch wordt personen die de sector zorg en welzijn verlaten, gevraagd om de reden van hun vertrek en wat hun vertrek had kunnen voorkomen. Dit kunnen zij als open antwoorden op de vragen aangeven.
• We gebruiken Artificial Intelligence (AI) in om de verborgen structuur in deze grote hoeveelheden data te doorgronden.
• We zetten topic modellering op basis van machine learning in om de antwoorden op open vragen over vertrekredenen te analyseren. Daarbij maken we gebruik van Latent Dirichlet Allocation (LDA), een technische methode voor topic modelering. Met deze nieuwe methode is het mogelijk om grote hoeveelheden tekst te analyseren en categoriseren.
• Voor het analyseren van tekstdata maken we gebruik van de tools R en R-Studio, waarin verschillende scripts worden geschreven in de bijbehorende programmeertaal. Deze tools worden veel gebruikt voor tekstverwerking en bieden een solide basis voor de uitvoering van de verschillende stappen.

Interactieve verkenning van de gedefinieerde uitstroomthema’s

Het combineren van deze methoden biedt verschillende voordelen:

• We kunnen dieper ingaan op de achterliggende redenen van vertrek van medewerkers in de zorg.
• Door de toepassing van topic modellering kunnen we een interactieve verkenning van de thema's doen. We leggen daarbij relaties en overlap tussen de thema’s worden weergegeven, waardoor de complexe en verborgen relaties tussen thema's worden onthuld.
• Door het koppelen van gegevens kunnen we daarnaast de uitstroomthema’s koppelen aan preventiethema’s en zo analyseren hoe de werkgever een bepaald soort vertrek had kunnen voorkomen.

Resultaten

We publiceren twee deelrapporten en een factsheet:

• Het eerste rapport omvat de evaluatie van de ontwikkeling van de methode.
• Het tweede rapport is gericht op de analyse van de data en beschrijft de verschillende preventiemogelijkheden die te onderscheiden zijn in de data.
• De factsheet gaat in op een nader te bepalen specifieke groep werknemers in de sector zorg en welzijn, en welke mogelijkheden er zijn voor het behoud van deze groep.