Van ziekbed naar sterfbed? De kans om te overlijden in de eerste 100 dagen in het Binnengasthuis

door Nadeche Diepgrond en Tim Riswick // 17 maart 2022

Interieur Binnengasthuis 1890 // Stadsarchief Amsterdam

Tegenwoordig worden ziekenhuizen beschouwd als het centrum van de moderne geneeskunde. Het is dé plek waar zieken en gewonden worden gediagnosticeerd, behandeld en genezen. Toen de eerste instellingen die op onze moderne ziekenhuizen leken zich in de achttiende en negentiende eeuw ontwikkelden, was de situatie echter totaal anders. Deze instellingen werden gekenmerkt door hoge sterftecijfers en een slechte reputatie: “killing more than they cured”. Pas aan het einde van de negentiende en het begin van de twintigste eeuw, toen de medische wetenschap zich ontwikkelde en moderne medische praktijken als anesthesie en a(nti)sepsis werden ingevoerd, werd het imago van ziekenhuizen positiever.

Historici hebben veelal onderzoek gedaan naar de sterfte in verschillende Europese ziekenhuizen, maar tot op heden is er nog niet gekeken naar wie er exact in het ziekenhuis kwamen te overlijden en welke factoren van invloed waren op de sterftekans. Hadden mensen met een bepaalde sociale achtergrond bijvoorbeeld een hogere of lagere sterftekans? En zo ja, is er dan een vorm van ongelijkheid in de ziekenhuiszorg die we kunnen waarnemen? Voor Nederland bestaat er nog geen onderzoek dat antwoord geeft op deze vraag, waardoor de gedigitaliseerde patiëntenregisters van het Amsterdamse Binnengasthuis – die door de hulp van onze citizen scientists beschikbaar gemaakt zijn – een gelegenheid biedt voor dit soort onderzoek. De gedetailleerde informatie in de registers kan namelijk gebruikt worden voor een diepgaande beschrijving van de geschiedenis van ziekenhuispatiënten en patiëntenzorg.

Om een inzicht te krijgen in wie een hoger risico had om in het Binnengasthuis te overlijden zijn in de figuur vier grafieken te zien, waarin zogenaamde Kaplan-Meiercurves zijn gevisualiseerd voor de leeftijdsgroep, ziekenhuisafdeling, sociale status (beroep) en huwelijkse staat. Op de horizontale as wordt de tijd in dagen weergegeven en op de verticale as het percentage patiënten dat overleeft, zodat de kans om te sterven in de eerste 100 dagen cumulatief wordt berekend.  Het belangrijke voordeel van deze grafieken is dat er rekening wordt gehouden met de patiënten die tussentijds het Binnengasthuis (levend) verlaten.

In de eerste grafiek zijn de patiënten in verschillende leeftijdsgroepen onderverdeeld. In het algemeen geldt dat hoe ouder de patiënt was die in het ziekenhuis werd opgenomen, hoe groter het sterfterisico. Zo overleefde van de hoogste leeftijdsgroep (60+) slechts 54% tot dag 100, terwijl dit 90% was voor de leeftijdsgroep 10-19 en 84% voor de leeftijdsgroep 20-29. Kinderen onder de 10 jaar waren de enige uitzondering op deze observatie. Dit weerspiegelt wat we weten over sterfterisico’s in de algemene bevolking, waar de meest kwetsbare groepen destijds ook bestond uit de jongste en de oudste leeftijdsgroepen.

De kans om te overlijden hangt – ook vandaag de dag – vooral af van de ziekte waaraan men lijdt. We verwachten dan ook dat de afdeling waar de patiënten werden opgenomen (een indicatie van het ziektebeeld) van invloed was op de sterftekans. In de tweede grafiek zijn daarom de patiënten in vier samengevoegde ziekenhuisafdelingen gegroepeerd: Zieken (origineel: ‘Zieken’), Verband (origineel: ‘Kinderverband’ en ‘Verband’), Zuigelingen en kinderen (origineel: ‘Zuigelingen’, ‘Kinderen Ziek’, ‘Kinderen’) en Anders (origineel: ‘Gynaecologie’, ‘Huidziekte’, ‘Kinderhuidziekte’, ‘Oogziekte’, ‘Syfilis’, ‘Geestesziekte’, ‘Zwangerschap’). Zuigelingen en kinderen hadden de hoogste sterfterisico’s: na 30 dagen was nog slechts 68% in leven. Daarna daalden de sterfterisico’s iets, waardoor slechts 56% van de opgenomen zuigelingen en kinderen op dag 100 nog in leven was. Dit weerspiegelt de resultaten van eerder onderzoek naar zuigelingen- en kindersterfte in de Amsterdamse bevolking in die tijd, waar met name zuigelingen en jonge kinderen de hoogste sterfterisico’s hadden (in 1856 stierf bijvoorbeeld ongeveer 200 op de 1000 zuigelingen; in 1896 was dit nog 164 op de 1000). De patiënten die werden opgenomen in de brede, en nogal vage, categorie ‘Zieken’ hadden de op één na hoogste sterfterisico’s. De meeste patiënten met ernstige en dodelijke ziekten werden op deze ziekenhuisafdeling opgenomen. In de eerste 10 dagen waren de sterfterisico’s bijzonder hoog, waardoor maar 90% overlevende. Van dag 10 tot 100 waren de sterfterisico’s relatief hetzelfde per dag, wat ertoe leidde dat 63% nog in leven was aan het einde van de observatieperiode. Zoals verwacht hadden de patiënten die werden opgenomen op de afdelingen ‘Verband’ en ‘Overig’ een veel lager sterfterisico omdat de meeste van hun aandoeningen minder ernstig en dodelijk waren. Na 100 dagen leefde 87% van de patiënten van afdeling Verband nog, en 94% van de patiënten van Overige.

Of er sociale ongelijkheid was binnen de groep van patiënten kunnen we bestuderen door verschillen in overlevingskansen per beroepsgroep te analyseren. In de derde grafiek is te zien dat vooral ongeschoolde arbeiders een lager sterfterisico hebben in vergelijking met geschoolde werknemers en de lage en hoge middenklassen. Dat lijkt op het eerste gezicht een verrassend resultaat, maar er kunnen twee redenen zijn om dit resultaat te verklaren. Allereerst, de oorzaak van opname kunnen sterk verschillen tussen ongeschoolde en geschoolde arbeiders. Bijvoorbeeld als er minder ongeschoolde arbeiders op de afdeling zieken werden opgenomen, en veel meer op de afdeling verband. Verdere analyses (hier niet getoond) laten echter zien dat dit overlevingsvoordeel ook aanwezig is wanneer we enkel de afdeling zieken analyseren. Bovendien waren op de verschillende afdelingen ongeveer dezelfde percentages ongeschoolde en geschoolde arbeiders aanwezig. Toch kan het zo zijn dat ongeschoolde arbeiders alleen met minder dodelijke ziektes en minder ernstige verwondingen naar het ziekenhuis gingen. Als tweede verklaring kan worden aangedragen dat ongeschoolde arbeiders in grotere aantallen het ziekenhuis verlieten voordat ze daadwerkelijk stierven, terwijl geschoolde arbeiders en de lagere en hogere middenklasse in het ziekenhuis bleven. Dit kan een selectie-effect veroorzaken, omdat we niet kunnen zien of patiënten kort na het verlaten van het ziekenhuis overlijden.

In de vierde grafiek zijn de overlevingskansen voor gehuwden, ongehuwden en verweduwde patiënten gevisualiseerd. Dit is vooral interessant omdat het mogelijk iets kan zeggen over het familienetwerk. De resultaten laten zien dat er geen grote verschillen te zien zijn op basis van de burgerlijke staat van de patiënt als we de ongehuwden en gehuwden vergelijken. Verweduwde patiënten hebben echter wel degelijk een hoger sterfterisico. Deels zou dit veroorzaakt kunnen worden door een hogere leeftijd, maar het hogere risico om te sterven in het ziekenhuis blijft ook zichtbaar wanneer we hier rekening mee houden (hier niet getoond). De meest waarschijnlijke verklaring is dan ook dat verweduwde patiënten in mindere mate konden rekenen op steun van een familienetwerk – bijvoorbeeld voor verzorgende taken – en zij daardoor in een slechtere lichamelijke toestand het ziekenhuis binnenkwamen. Een tweede reden is dat zij het ziekenhuis waarschijnlijk minder snel verlieten dan andere groepen, ook als er geen behandeling mogelijk was, waardoor zij relatief vaak in het ziekenhuis kwamen te overlijden.

We kunnen concluderen dat er op basis van deze analyses niet direct sprake lijkt te zijn van grote sociale ongelijkheden binnen de ziekenhuiszorg. De sterfterisico’s lijken eerder een reflectie van de verschillende sterftekansen die ook buiten de muren van het ziekenhuis bestonden, waarbij ouderen over het algemeen een groter risico lopen dan jongeren en mensen met een aandoening aan het hart- en vaatstelsel een grotere kans op sterfte hebben dan iemand met een botbreuk of huidziekte.

3 reacties op “Van ziekbed naar sterfbed? De kans om te overlijden in de eerste 100 dagen in het Binnengasthuis”

  1. Jenneke van de Haar

    Erg interessant om te zien wat er uit de door ons ingevoerde data naar boven kan worden gehaald. Fijn dat jullie dat delen!

Laat een reactie achter

Het e-mailadres wordt niet gepubliceerd.