Wmo-voorspelmodel

Gemeente Den Haag

Het Wmo-voorspelmodel geeft een voorspelling van het aantal unieke gebruikers en de kosten van de Wmo met een voorspelhorizon van zes jaar. Voorspellingen worden gedaan op wijkniveau voor zowel de Wmo-totaal als voor deelproducten van de Wmo (Hulp bij het Huishouden, Ondersteuning thuis en Hulpmiddelen en Diensten).

Laatst gewijzigd op 23 augustus 2024 om 14:10 | Publicatiestandaard 1.0

• Publicatiecategorie: Impactvolle algoritmes
• Impacttoetsen: Veld niet ingevuld.
• Status: In gebruik

Algemene informatie

Thema

Sociale zekerheid

Begindatum

Veld niet ingevuld.

Contactgegevens

[e-mail]

Verantwoord gebruik

Doel en impact

Het algoritme is ontwikkeld omdat de gemeente meer inzicht wil hebben in het gebruik en de kosten van de Wmo de komende jaren. De Haagse bevolking groeit en vergrijst waardoor het gebruik van de Wmo ook naar verwachting gaat toenemen. De vraag is met hoeveel mensen en in welke Haagse wijken en voor welke Wmo-voorzieningen? Het voorspelmodel beantwoordt deze vragen.

Afwegingen

Er zijn geen alternatieven overwogen om het doel te bereiken.

Menselijke tussenkomst

Er is geen sprake van een geautomatiseerd systeem. De inzichten uit het voorspelmodel kunnen alleen door tussenkomst van mensen en met de contextkennis en ervaring van betrokken medewerkers worden gebruikt.

Risicobeheer

De risico's van het algoritme zijn vooraf en tijdens het bouwen van het voorspelmodel in kaart gebracht. Omdat het voorspelmodel geen uitspraken doet over individuele personen maar over het gebruik van voorzieningen in wijken, was er geen risico dat met de uitkomsten uit het model de privacy van specifieke individuele personen zou kunnen worden geschonden. Verder is alleen gewerkt met wijken die voldoende groot zijn (meer dan 100 inwoners) en waar voldoende mensen gebruikmaakten van de Wmo (meer dan 100 gebruikers). Een reden hiervoor is dat hierdoor geen onthulling mogelijk is. Dat wil zeggen dat we niet door het combineren van kenmerken kunnen vaststellen wie de mogelijke gebruikers van Wmo-voorzieningen zijn. Verder is bij het bouwen van het model samen met de privacy officer afgewogen welke variabelen wel en welke variabelen niet vanuit privacy overwegingen meegenomen konden worden. Hierbij vormde de AVG steeds het uitgangspunt. Daarnaast is uitlegbaarheid van het model en de uitkomsten een relevant en doorslaggevend criterium. Tenslotte is gebruikgemaakt van De Ethische Data Assistent van de Universiteit van Utrecht om mogelijke ethische problemen vooraf in kaart te brengen. Dit heeft geleid tot het opstellen van een ethisch kader. De vraag welke rol bias speelt in het gebruik van het algoritme is een veel te algemene vraag, aangezien er vele vormen van bias zijn. Als het gaat om vooringenomenheid gericht op specifieke bevolkingsgroepen, dan speelt dat bij dit model geen rol. We zijn niet op zoek naar specifieke individuele personen met specifieke kenmerken, maar willen een inschatting maken van het gebruik van de Wmo in de hele wijk en voor heel Den Haag.

Wettelijke basis

Er is geen wettelijke grondslag voor het voorspelmodel, maar de gemeente is verantwoordelijk voor de uitvoering van de Wmo en door het model kan de gemeente beter anticiperen op verwachte ontwikkelingen en burgers beter ondersteunen.

Werking

Gegevens

Er is alleen gebruikgemaakt van open data, namelijk van het bestand Kerncijfers Wijken en Buurten CBS en van het bestand Wmo-cliënten; type maatwerkarrangement CBS.

Technische werking

Met een regressiemodel wordt de relatie tussen Wmo-gebruik en predictoren geschat. Daarbij wordt gezocht naar de kenmerken met de kleinste voorspelfout (vastgesteld aan de hand van de maten: RMSE, MAE en MAPE). De kenmerken die het best in staat zijn het gebruik van de Wmo te voorspellen worden gebruikt voor het maken van een forecast. Voorspellingen worden gedaan binnen een predictie interval van 80 procent.