Regionale COVID-19-surveillance in de transitiefase - Toolkit voor GGD’en

Bijlage bij de Handreiking maatregelen bij clusters en lokale verheffingen van COVID-19 | Versie 18 juli 2022 (versiebeheer zie onderaan pagina).

Geschreven door de Regionaal Epidemiologie Consulenten (REC) en in afstemming met de Regionaal Arts Consulenten (RAC).
27 juli 2022 – herziene versie na bespreking in LOI en na feedback van team rioolwatersurveillance-RIVM.

Aanleiding

Op landelijk niveau worden voorbereidingen getroffen voor het zicht houden op het SARS-CoV-2-virus in de transitiefase*, waarbij we te maken hebben met een veranderend data-landschap (ander testbeleid, verandering van meldingsplicht, etc.). Diverse bronnen worden hiervoor uitgebreid, zoals SeqNeth/kiemsurveillance, de NIVEL-peilstations en Infectieradar.

In de landelijke discussies is minder aandacht voor wat alle veranderingen betekenen voor de regionale COVID-19-surveillance. GGD’en worstelen hier mee. Wat is de rol van de regionale COVID-19-surveillance in de transitiefase en welke databronnen zijn nu en straks bruikbaar voor GGD’en?

In dit document zetten de Regionaal Epidemiologie Consulenten (REC’ers) uiteen wat, naar hun idee, de doelen kunnen zijn van de regionale COVID-19-surveillance in de transitiefase. Voor ieder van deze doelen kunnen bepaalde databronnen worden gebruikt. De voor- en nadelen van deze bronnen voor regionaal gebruik worden besproken
 

* Transitiefase is de fase van de COVID-19-pandemie waar we nu in zitten, totdat een nieuwe, stabiele (endemische) fase is bereikt.

Doelen landelijke COVID-19-surveillance

(bron: Advies 144e OMT over COVID-19 - deel 2 | Brief | Rijksoverheid.nl)

  1. Continue monitoring van trends in circulatie van SARS-CoV-2 in de bevolking, als totaal en in (kwetsbare) subgroepen;
  2. Continue monitoring van de ernst van COVID-19 en de belasting op de zorg, als totaal en in (kwetsbare) subgroepen;
  3. Onderscheid maken tussen seizoenvariatie in bekende variant en nieuwe introductie; mate van circulatie van bekende Variant of Concern (VOC) en Variant of Interest (VOI) in Nederland volgen;
  4. Clusters opsporen en karakteriseren (locatie, bron & setting van besmetting, wie worden geïnfecteerd);
  5. Monitoren vaccineffectiviteit en immuniteit in de bevolking als totaal en in (kwetsbare) subgroepen;
  6. Monitoring van therapieresistentie bij de behandeling van COVID-19.

Doelen regionale COVID-19-surveillance

(bron: expert mening REC en RAC)

Bijdragen aan (dataverzameling voor) bovengenoemde doelen voor de landelijke surveillance, en daarnaast, specifiek ten behoeve van de regionale bestrijding en regionale toegang tot zorg:

  1. Lokale verheffingen en clusters vroegtijdig opsporen (om zo mogelijk te adviseren en/of acteren tegen verdere verspreiding);
  2. Informeren van bestuurders, ketenpartners en burgers in de regio;
  3. Monitoren van de lokale vaccinatiegraad ten behoeve van acties/maatregelen ter bestrijding van de verspreiding;
  4. Adviseren over verwachte vaccinatie-, test- en BCO-capaciteit en adviseren aan het Regionaal Overleg (Niet) Acute Zorg over benodigde/verwachte regionale zorgcapaciteit.
     

NB. De mate waarin een GGD bovengenoemde doelen van de regionale COVID-19-surveillance nastreeft, zal per GGD verschillen. Onder andere de grootte van de GGD-regio en lokale afspraken met bestuurders en andere ketenpartners zullen meespelen bij de keuzes die GGD’en maken in de regionale COVID-19-surveillance.

Bij ieder van de genoemde doelen voor de regionale COVID-19-surveillance wordt het gebruiken van een bepaalde combinatie van databronnen geadviseerd voor een zo compleet mogelijk beeld. Iedere databron heeft voor- en nadelen. In tabel 1 wordt weergegeven welke databronnen gebruikt kunnen worden per doel van de regionale COVID-19- surveillance. In tabel 2 staat per bron toegelicht hoe de interpretatie ervan is en wat de voor- en nadelen zijn. Let wel, dit is geen uitputtende lijst. Zo nodig zal dit document met enige regelmaat bijgewerkt worden, op basis van nieuwe inzichten en wijziging van beleid (bijv. wijziging van de meldingsplicht of het testbeleid).

Op basis van de mate van bruikbaarheid van de verschillende databronnen voor de verschillende doelen van de regionale COVID-19-surveillance (tabel 1), en hun voor- en nadelen (tabel 2), concluderen we dat de volgende databronnen in ieder geval een plaats hebben in de regionale COVID-19-surveillance:

  • Data uit de (nieuwe) meldingsplicht
  • Rioolwatersurveillance-data
  • NICE-data over ziekenhuis- en IC-opnames (tot de nieuwe meldingsplicht is ingegaan)
  • GGD-testdata (CoronIT)
  • Artikel 26-meldingen
  • CIMS- en CoronIT-vaccinatiedata

Voor de andere databronnen geldt dat zij bijvoorbeeld niet zonder meer ook representatief zijn voor een individuele GGD-regio (bijvoorbeeld Nivel-peilstations, Infectieradar). Verder kan de beschikbaarheid ervan voor de regio afhankelijk zijn van regionale afspraken (bijvoorbeeld met laboratoria). En tot slot gaat het bij sommige databronnen meer om een ondersteunende rol bij de interpretatie van andere databronnen (zoals binnengekomen telefoontjes bij de GGD of data van de Gedragsunit).

Deze handreiking dient ter ondersteuning van de inrichting van de regionale surveillance. De interpretatie van de beschikbare bronnen is afhankelijk van de context. De REC’ers zullen dit document periodiek updaten. Naast deze handreiking kun je ook de REC’er uit je eigen regio consulteren.

Tabel 1. Mogelijke databronnen per regionaal surveillance-doel.

Surveillance doel

1

2

3

4

Beschikbare databron

GGD-testdata (CoronIT)

+

+

 

+

Regionale laboratorium data (regionale virologische weekstaten)

+/-

+

 

+

Data uit de huidige meldingsplicht

+/-

+/-

 

 

Data uit de nieuwe meldingsplicht

+

+

+/-

+

Stichting NICE over ziekenhuis- en IC-opnames

 

+

 

+

BCO-data

+/-

+/-

 

 

Artikel 26-meldingen

+

+/-

 

 

Rioolwatersurveillance

+

+

 

+

NIVEL-peilstations (syndroom surveillance en monstersurveillance)

+/-

 

 

 

Infectieradar (inclusief door RIVM geanalyseerde antigeen sneltesten (zelftesten van deelnemers)

+/-

+

 

 

VASCO studie (zelfrapportage positieve zelftesten)

+/-

+/-

 

 

Aantal binnengekomen vragen (enquiries in HP-zone)

+/-

 

 

 

Gedragsunit-data

 

+

+/-

 

Monitor toegankelijke zorg

 

 

 

+

Kiemsurveillance / SeqNeth

+/-

+/-

 

 

CIMS-data (vaccinatiedata)

 

+

+

 

CoronIT-vaccinatiedata

 

+

+

 

Surveillance rapportages uit het buitenland / grensregio’s

+/-

+

 

+/-

+ = goed bruikbaar.

+/- = enigszins bruikbaar.

 

Tabel 2. Voor- en nadelen van gebruik van de betreffende bron op regioniveau.

Beschikbare databron

Interpretatie

Voordelen

Nadelen

GGD-testdata (CoronIT)

Percentage positief geteste personen, kenmerken van personen die zich laten testen en personen die positief testen (bijv. leeftijd, geslacht, gemeente/wijk, en aanvullende data zoals vaccinatiestatus en reden van testen, klachten, eerste ziektedag, beroepsgroep). Bij een gelijkblijvend testbeleid kan een trend over de tijd gevolgd worden en een stijging een indicatie zijn van een (lokale) verheffing.

Bij het veranderen van de meldingsplicht, verandert ook de noodzaak tot (of juridische grondslag voor) het verzamelen van aanvullende informatie van cliënten op het moment dat zij een testafspraak maken.

Teller- en noemerdata, dus je weet welke proportie positief testte.

Plotselinge toename van het aantal afgenomen testen kan een aanwijzing zijn van een lokale verheffing en reden zijn om nader onderzoek te doen.

Als GGD’en informatie zoals vaccinatiestatus, beroepsgroep en reden van testen blijven verzamelen, biedt dit een kans om van de groep positief geteste personen (die in de nieuwe meldingsplicht niet langer meldingsplichtig zijn) veranderingen over de tijd te blijven volgen.

De interpretatie is afhankelijk van testbeleid. Dat testbeleid is inmiddels sterk afgeschaald, waardoor slechts een selecte groep zich nog laat testen en dit dus een zeer onvolledig beeld geeft.

Regionale laboratorium data

Geeft zicht op percentage positief geteste personen die getest zijn door huisartsen en andere zorgverleners. Een deel van deze personen zal onder de nieuwe meldingsplicht vallen en daardoor sowieso in het vizier van GGD’en zijn, maar ambulante patiënten in principe niet. Daarmee is dit een extra informatiebron voor GGD’en (van een zeer selectieve groep, zie nadelen), mits zij deze data kunnen ontvangen van de regionale laboratoria.

Afhankelijk van afspraken met regionale laboratoria, kunnen mogelijk teller- en noemerdata beschikbaar worden gesteld. Dan kan berekend worden welke proportie positief testte. De data geeft zicht op een deel van de positief geteste personen die niet op een andere manier (bij de GGD) bekend zijn.

Alleen haalbaar wanneer met de regionale laboratoria afspraken gemaakt kunnen worden over het regelmatig aanleveren van teller- (en noemer-)data (vooral realistisch in regio’s waar slechts één of enkele laboratoria actief zijn).

Geeft selectief beeld, want dit gaat alleen over personen die zich bij een huisarts melden met COVID-achtige klachten of op indicatie door een andere zorgverlener (zoals zorginstelling of ziekenhuis) worden getest. De reikwijdte van deze bron hangt bovendien af van het verzorgingsgebied van de deelnemende laboratoria. Tot slot zullen met deze databron waarschijnlijk geen patiënt-karakteristieken verkregen worden (alleen aantallen).
 

NB. De door ziekenhuizen geteste, opgenomen personen vallen straks onder de meldingsplicht, alsook de door huisartsen (of artsen ouderengeneeskunde) geteste bewoners van instellingen voor kwetsbare personen. Men dient zich dus bewust te zijn van mogelijke overlap tussen deze bron en de data uit de meldingsplicht.

Data uit de huidige meldingsplicht

Geeft zicht op het aantal personen met een SARS-CoV-2 infectie die zich via een GGD testlocatie of zorgverlener/laboratorium hebben laten testen.

Vergelijking met landelijke cijfers en andere regio’s is mogelijk. Bij een onveranderd testbeleid, geeft deze databron over de tijd enig inzicht in plotse stijgingen of dalingen, ook per leeftijdsgroep en in combinatie met een aantal andere variabelen, zoals vaccinatiestatus.

Door het afgeschaalde testbeleid, laat nog slechts een zeer selecte groep zich testen via een officiële testlocatie. Deze databron geeft daarom bij lange na geen compleet beeld meer van het aantal personen met een SARS-CoV-2-infectie in Nederland. Fluctuaties over de tijd kunnen ook een uiting zijn van bijvoorbeeld een tijdelijke toename van mensen die zich bij een testlocatie laten testen omdat zij (bijvoorbeeld voor vakantie) een herstelbewijs nodig hebben.

Het is onzeker hoe lang deze meldingsplicht nog blijft bestaan. Voorbereidingen voor een nieuwe meldingsplicht zijn in de maak (zie hieronder).

Nieuwe meldingsplicht van

  1. Personen woonachtig in instelling of woonvorm waar personen verblijven met een verhoogd risico op ernstig verlopende COVID-19
  2. Ziekenhuisopnames
  3. Overlijdens

Geeft zicht op introducties en verspreiding van SARS-CoV-2 in kwetsbare groepen in instellingen en op ernstige ziekte en sterfte in de algemene populatie.

 

Landelijke referentiecijfers en vergelijking met andere regio's mogelijk.

Aanvulling op vroegtijdige signalering van uitbraken in instellingen (artikel 26).

Geeft eventueel mogelijkheid voor BCO en tijdig nemen van maatregelen om verdere verspreiding te voorkomen. Vroegtijdige signalering van regionale oversterfte door COVID-19.

Deze nieuwe meldplicht moet nog ingeregeld worden en is daardoor mogelijk niet direct dekkend. Het is op moment van schrijven (juni 2022) ook nog niet zeker of en wanneer deze nieuwe meldingsplicht er komt. Naar verwachting komt hier in de loop van juli 2022 meer duidelijkheid over.

Ziekenhuisopnames en sterfte zijn late indicatoren voor de verspreiding van een ziekmakende variant.

Stichting NICE over ziekenhuis- en IC-opnames

Geeft zicht op het aantal COVID-19- ziekenhuisopnames
naar gemeente gebaseerd op gemeente van inschrijving van de patiënt, per datum van ziekenhuisopname en per datum waarop de gegevens zijn gemeld aan de NICE registratie.

Alle ziekenhuizen rapporteren aan Stichting NICE, dus de data geven een compleet beeld.

Data is (min of meer) real-time.

 

Er wordt geen onderscheid gemaakt in ziekenhuisopnames door of met een SARS-CoV-2-infectie op regionaal niveau. Een verschil in testbeleid (wel/niet routinematig testen van bepaalde patiëntcategorieën) tussen ziekenhuizen kan de data moeilijk interpretabel maken als er geen onderscheid is tussen opname met of door een SARS-CoV-2-infectie.

Er wordt geen onderscheid gemaakt tussen IC en kliniek op regionaal niveau.

BCO-data

Data die de GGD verzamelt in het kader van (steekproefsgewijs of uitgebreid) BCO. Een deel van deze data wordt verzameld in het kader van de meldingsplicht en is dus ook uit deze bron (Osiris) te halen. Echter, GGD’en verzamelen, afhankelijk van de BCO-fase, nog extra informatie, zoals mogelijke setting van besmetting en contexten.

Deze databron kan informatie geven over bijvoorbeeld de geschatte grootte van een cluster (op basis van informatie van de indexpatiënt), zonder dat alle cases behorend bij dit cluster bij de GGD in beeld zijn. Ook geeft de databron inzicht in setting van besmetting en kan de groei van clusters via het aanmaken van contexten ook bovenregionaal gevolgd worden.

De beschikbare data uit deze bron hangt samen met de fase van BCO en met de toekomstige invulling van BCO als de nieuwe meldingsplicht in werking treedt.

Artikel 26-meldingen

Zicht op verspreiding van SARS-CoV-2 in instellingen (waaronder ook niet-zorginstellingen zoals kindercentra, basisscholen, centrale opvang asielzoekers, opvangcentra voor dak- en thuislozen).

De meldingsroute is een reeds geïmplementeerde (en permanente) structuur van uitwisseling tussen instellingen en GGD’en: er is al een netwerk.

Bij adequaat melden, geeft deze bron ook zicht op de verspreiding van SARS-CoV-2 in niet-zorginstellingen.

Gevoelig voor onderrapportage (instellingen melden niet altijd, afnemend draagvlak voor melding, adviezen veranderen frequent). De instelling is zelf verantwoordelijk voor de melding van twee of meer gevallen van COVID-19, maar heeft hierbij mogelijk een andere (lagere) risicoperceptie voor de volksgezondheid en moet dus actief gestimuleerd worden om desondanks te melden.

De meldingscriteria zijn gebaseerd syndroomdiagnoses (‘een ongewoon aantal mensen met luchtwegklachten’). Er is vaak maar bij een beperkt aantal personen daadwerkelijk diagnostiek verricht, zeker buiten zorginstellingen. Het kan dus ook om andere verwekkers gaan dan SARS-CoV-2.

Het opvolgen van de melding gebeurt in de praktijk mogelijk niet altijd zorgvuldig. De databron is dus met name bruikbaar voor trends in cijfers over bij hoeveel instellingen er ‘iets’ speelt, maar niet hoeveel bewoners of bezoekers betrokken zijn bij een uitbraak over de tijd.

Rioolwatersurveillance

Vier keer in de week worden er analyses uitgevoerd op rioolwater afkomstig van alle 313 rioolwaterzuiveringsinstallaties in Nederland. Rioolwatercijfers geven goed lokaal en regionaal inzicht in de besmettingsdruk ter plaatse.

Met name wanneer er sprake is van lage viruscirculatie kan met deze vorm van surveillance een opleving/nieuwe introductie van het SARS-CoV-2-virus gesignaleerd worden.

 

Onafhankelijk van testbereidheid, -beleid en -beschikbaarheid, niet-invasief. De trend van de virusvracht gemeten in het rioolwater komt tot nu toe goed overeen met de trend van andere indicatoren: aantal/percentage positieve testen en ziekenhuisopnames. Door verandering in testbeleid is de overeenkomstigheid met positieve testen afgezwakt. De algemene trends van de indicatoren over de tijd, met name ziekenhuisopnames, komen nog wel goed overeen.

 

Data is beschikbaar op lokaal (gemeente/RWZI) niveau met 4 metingen per week.

Geen informatie over clusters en risicogroepen waar circulatie mogelijk verhoogd is, doordat metingen worden gedaan over de gehele populatie aangesloten op een zuiveringsinstallatie.

Metingen hebben een langere doorlooptijd (door transport en laboratorium analyses) dan andere indicatoren, waardoor de meest recente resultaten op GGD- en gemeenteniveau 3 tot 5 dagen vertraagd zijn. Echter, doordat uitscheiding start voor de eerste symptomen loopt de informatie vrijwel gelijk aan positieve testen.

O.b.v. een rekenmodel wordt de viruslading naar gemeente omgerekend; de fluctuaties tussen metingen zijn door de analysemethode groter dan bij andere indicatoren. Hierdoor is de trend op lagere niveaus moeilijker in te schatten.

Het aantal virusdeeltjes is niet één op één te vertalen naar het aantal besmette personen. De koppeling hiertussen is namelijk afhankelijk van de (nog onbekende) virale load in ontlasting welke anders is per individu.

Nivel-peilstations - syndroomsurveillance

Nivel-peilstations – virologische data uit monsterafnames

 

Geeft zicht op aantal patiënten met influenza-achtige ziektebeelden (IAZ) in 45 huisartspeilstations per week. Regionale cijfers voor provinciegroepen: noord, oost, zuid en west.

Geeft zicht op de circulatie van respiratoire virussen. Deelnemende huisartsen nemen bij enkele patiënten met een acute luchtweginfectie een monster af (neus- & keelwat) voor virologische diagnostiek bij het RIVM. Er wordt getest op: influenzavirus, RSV, rhinovirus, enterovirus, SARS-CoV-2-virus, andere humane coronavirussen (hCoV type 229E, OC43, HKU1 en NL63), para-influenzavirus (type 1, 2, 3 en 4) en humaan meta-pneumovirus (hMPV).

Het betreft hier representatief landelijke steekproef van ca. 45 huisartsenpraktijken. Landelijk beeld dat wekelijks beschikbaar is.

Er nemen 100 huisartsenpraktijken deel (data van mei 2022); het streven is om dit aantal ter verhogen naar 140, waarmee dan ook representativiteit per GGD-regio wordt nagestreefd.

Kleine geografische clusters kunnen hiermee niet opgespoord worden.

Het gaat om een steekproef van patiënten die zich bij de huisarts presenteren. Niet representatief voor SARS-CoV-2-infecties in de bevolking, omdat personen met klachten die kunnen passen bij COVID-19 waarschijnlijk eerst een zelftest doen en zich niet bij de huisarts melden indien die positief is.

Infectieradar (www.infectieradar.nl/results)

Geeft zicht op hoeveel deelnemers klachten hebben die kunnen wijzen op een infectie met SARS-CoV-2. Iedereen in Nederland kan deelnemen. Momenteel doen ruim 5500 personen mee. Deelnemers geven eenmaal per week door of ze in de afgelopen week koorts of andere klachten hadden.

Er wordt een trend over tijd (landelijk/provinciaal niveau) gepresenteerd over het percentage deelnemers met COVID-19 achtige klachten per provincie. Ook worden op landelijk niveau trends in testgedrag en klachten gepresenteerd.

In september 2022 wil men binnen Infectieradar via het BRP een steekproef van 50.000 deelnemers trekken die zelftesten opgestuurd krijgen die zij kunnen gebruiken bij klachten en dan naar het RIVM sturen voor analyse op SARS-CoV-2. Daarnaast wordt ook een kleine selectie van de zelftesten getest op extra respiratoire pathogenen en een deel van de SARS-CoV-2 positieven wordt gesequenced.

Door het zelftestbeleid is er in Nederland momenteel weinig zicht op hoeveel mensen waarschijnlijk SARS-CoV-2 hebben en hoe dit circuleert in de populatie. Door infectieradar is er beter zicht op het aandeel mensen met COVID-19 achtige klachten in de algemene bevolking en kan een opleving gesignaleerd worden bij meer meldingen van mensen met klachten.

Dit wordt wekelijks gerapporteerd.

Er is inmiddels ook een online dashboard, waaruit meer data gefilterd kan worden, zoals trends over de tijd per provincie. 

Op dit moment is alleen een regionale vergelijking in trends in COVID-19- achtige klachten mogelijk op provincieniveau, en nog niet op GGD/veiligheidsregio-niveau vanwege te kleine aantallen.

Infectieradar is afhankelijk van de deelnamebereidheid van burgers om wekelijks een vragenlijst (naar waarheid) in te vullen en straks ook zelftesten af te nemen en op te sturen.

Het is nu niet duidelijk of de studiepopulatie representatief is voor Nederland en op regionaal niveau.

Tot slot is de data niet openbaar, waardoor eigen analyses (door de GGD) niet mogelijk zijn.

VASCO studie (zelfrapportage positieve zelftesten)

Prospectieve follow-up studie naar vaccineffectiviteit onder ruim 60.000 deelnemers. Aan hen wordt door middel van vragenlijsten gevraagd om infecties met SARS-CoV-2 (op basis van een positieve zelftest of test op een testlocatie) te melden. Iedere twee weken worden de aantallen (omgerekend naar incidentie per 100.000 deelnemers) ge-update op de VASCO studie website (Resultaten | RIVM). Momenteel worden die resultaten alleen op landelijk niveau weergegeven, maar er is overleg om te onderzoeken of dit ook op GGD-regioniveau zou kunnen.

Bij voldoende hoge aantallen deelnemers en spreiding van deelnemers over de GGD-regio’s kan deze bron, aanvullend op Infectieradar, trends van zelfmeldingen van positieve SARS-CoV-2 testen over de tijd laten zien, en dus ook inzichtelijk maken wanneer er in een regio een verheffing optreedt.

Zoals bij Infectieradar, hangt de bruikbaarheid van deze databron samen met de representativiteit van de deelnemers over de GGD-regio’s. Daarnaast betreft het zelfrapportage van positieve SARS-CoV-2-tests en dat is mogelijk minder betrouwbaar. Er kan overlap zijn tussen deelnemers aan Infectieradar en VASCO, maar wanneer de bron gebruikt wordt voor monitoring van trends over de tijd, hoeft dit geen probleem te zijn.

Aantal (en aard van) binnengekomen vragen bij GGD’en (bijvoorbeeld bij de “coronalijn”)

Geeft zicht op wat er speelt in de regio, welke vragen er leven en of er mogelijke onrust is, bijvoorbeeld door een lokale toename van aantallen infecties (clusters).

Bij gebrek aan meer objectieve bronnen voor SARS-CoV-2-circulatie in de regio, kan deze data een eerste gevoel van “niet-pluis” geven, een aanleiding voor het nader onderzoeken van het signaal.

Alleen bruikbaar indien op zijn minst de aantallen binnengekomen vragen worden geregistreerd, en bij voorkeur ook de aard van de vragen en de locatie van de vraagsteller. Dat is bij veel GGD’en momenteel niet het geval.

Een toename van vragen betekent niet automatisch een toename van het aantal infecties, maar kan allerlei oorzaken hebben (bijvoorbeeld ook vragen over een gewijzigd beleid). De oorzaak van een toename van vragen dient daarom altijd verder uitgezocht te worden.

Gedragsunit-data

Geeft zicht op trends in bereidheid van een deel van de Nederlandse bevolking om te vaccineren tegen COVID-19 en op draagvlak voor maatregelen en te testen bij klachten.

Het betreft een landelijke steekproef die regionaal niet overal representatief is (vanwege scheve verdeling van deelnemers over de regio’s).

Er zijn al 28 meetrondes geweest waardoor trends goed in beeld kunnen worden gebracht.

Het is onduidelijk of voor alle regio’s data op regio niveau beschikbaar is. Evenmin is bekend of specifieke bevolkingsgroepen (lage SES, etnische minderheden) representatief vertegenwoordigd zijn onder de deelnemers. Het is nog niet duidelijk tot wanneer nieuwe metingen uitgevoerd blijven worden. De data biedt bovendien geen direct zicht op de verspreiding van het virus, maar kan helpen bij de interpretatie van bepaalde andere databronnen, zoals de GGD-testdata en vaccinatiedata.

Monitor toegankelijke zorg

In de Monitor toegankelijke zorg van de Nederlandse Zorgautoriteit wordt per regio weergegeven:

  • De gemiddelde wachttijd van behandeling, diagnostiek en polikliniekbezoek;
  • De verschillen in verloop van werkvoorraad (aantal operaties);
  • Behalen van de 95% norm om binnen 6 weken kritische zorg te leveren;
  • Mate van afschaling van de operatiekamers.

 

De monitor geeft een regionaal beeld van de druk op de zorg en een beeld van de weerbaarheid van de zorg bij een nieuwe golf van besmettingen.

Regionale vergelijking is mogelijk.

Zodra de druk op de zorg door het SARS-CoV-2-virus verder toeneemt, publiceert de NZA wekelijks een extra informatiekaart “Druk op de zorg”. Laatste versie is van 8 maart 2022.

De Monitor toegankelijke zorg verschijnt maandelijks. Voor aan actueel beeld moet men de informatie ophalen bij RO(N)AZ.

Kiemsurveillance/SeqNeth

Sequentieanalyse door 15 laboratoria ter ondersteuning van RIVM en GGD’en voor clusters en signalen over (nieuwe) varianten. Monsters worden aangeleverd door GGD en zorginstanties.

Structurele monitoring is beperkt tot een klein aantal (waarschijnlijk 4-5) “sentinel” regio's.

 

Gedetailleerde sequentie analyse van monsters van personen met een SARS-CoV-2-infectie.

Geeft zicht op (opkomende) varianten.

Clusteronderzoek is mogelijk.

 

 

Afhankelijk van testen door GGD en zorginstellingen bij opvallende clusters (of regulier, in 4-5 sentinel regio’s). Indien niet alle personen getest worden, is er geen volledig beeld van het aantal besmettingen.

Sequencing kost tijd, dus informatie komt laat in het proces.

Structurele monitoring beperkt tot 4-5 regio's.

CIMS-data (vaccinatiedata)

Geregistreerde vaccinaties uitgevoerd door de GGD, huisarts en overige uitvoerders, uitgesplitst naar opkomst voor basisserie, boosters en herhaalprikken. Er is een uitsplitsing naar wijk, pc4, gemeente, GGD-regio en geboortecohort.

Zowel door GGD als elders gevaccineerde personen in beeld.

Teller- en noemerdata, dus vaccinatieopkomst en vaccinatiegraad naar leeftijd en regio te berekenen, waardoor gerichte interventies ingezet kunnen worden.

CIMS data omvat alleen gegevens van vaccinaties indien de gevaccineerde toestemming heeft gegeven voor centrale registratie.

Met CIMS-data is geen onderscheid te maken naar kwetsbare groepen.

 

CoronIT-vaccinatiedata

Databestand met geregistreerde vaccinaties uitgevoerd door de GGD.

N.B. De beide vaccinatiebronnen vullen elkaar aan, maar overlappen ook deels: in beide bronnen zit data over personen die door de GGD gevaccineerd zijn en toestemming hebben gegeven voor registratie in CIMS. In CoronIT zitten daarnaast ook personen die door de GGD gevaccineerd zijn en geen toestemming hebben gegeven voor registratie in CIMS. In CIMS zitten ook personen die door andere zorgprofessionals zijn gevaccineerd dan de GGD en toestemming hebben gegeven voor registratie in CIMS.

Iedere GGD heeft de beschikking over real-time-data op persoonsniveau van alle door de GGD gevaccineerde inwoners uit de eigen GGD-regio, wat veel mogelijkheden biedt voor epidemiologische analyses.

Gegevens over gevaccineerden door andere instanties dan de GGD ontbreken.

 

Surveillance rapportages uit het buitenland / grensregio’s

Verschillende databronnen geven inzicht in de aantallen SARS-CoV-2 besmettingen in andere landen, waaronder onze buurlanden. Voorbeelden zijn: WHO Coronavirus (COVID-19) Dashboard | WHO Coronavirus (COVID-19) Dashboard With Vaccination Data; COVID-19 (europa.eu); COVID-19 Map - Johns Hopkins Coronavirus Resource Center (jhu.edu); Belgium COVID 19 dashboard Sciensano (COVID-19 | cijfers | sciensano.be); Corona-Pandemie: Kennzahlen für Nordrhein-Westfalen

(Corona-Pandemie: Kennzahlen machen die Entwicklung in Nordrhein-Westfalen deutlich | Arbeit.Gesundheit.Soziales (mags.nrw)).

Het detailniveau van de beschikbare data per databron verschilt.

Van de genoemde voorbeelden van Duitse en Belgische databronnen is ook data op gemeenteniveau beschikbaar, zodat specifiek naar de grensstreek gekeken kan worden. De Europa-brede of wereldwijde bronnen kunnen gebruikt worden om de COVID-19 incidentie te vergelijken tussen landen en met Nederland (van belang bij internationaal reisverkeer), mits rekening gehouden wordt met verschillen in testbeleid en registratie van meldingen (meldingsplicht).

Voor een goede interpretatie van deze databronnen is kennis van het lokale testbeleid van de geraadpleegde bron nodig.

De databronnen van België en Duitsland zijn met name bruikbaar voor de GGD’en in de grensstreek en zijn met name informatie wanneer naar trends over de tijd gekeken wordt (een toename net over de grens kan ook een toename in het Nederlandse grensgebied betekenen/voorspelen).

Deze bronnen zijn vanzelfsprekend minder relevant voor GGD’en zonder noemenswaardig grensverkeer of internationaal reisverkeer.

Aanvulling

Door de REC’ers is in de voorbereiding van deze handreiking geïnventariseerd welke data-bronnen op dit moment (mei 2022) door GGD’en worden gebruikt voor de regionale surveillance. Dit is uitgevraagd op basis van open vragen en niet uitgesplitst naar surveillance doel. Dat betekent dat niet alle mogelijke bronnen genoemd zijn (de onderste bronnen uit de figuur) en geen onderscheid wordt gemaakt naar gebruik van welke bron voor welk doel. Desalniettemin geeft onderstaande figuur een goed inzicht in veelgebruikte bronnen (en bronnen die al veel gebruikt worden, hebben ook meer kans om gebruikt te blijven worden, mits zij interpreteerbaar blijven).
 

Figuur 1. Databronnen die GGD’en (n=17) gebruiken (in mei 2022) voor de regionale COVID-19-surveillance.

Figuur 1. Databronnen die GGD’en (n=17) gebruiken (in mei 2022) voor de regionale COVID-19 surveillance.

Versiebeheer

  • 18-07-2022: Eerste versie.