Prediktorer för hälsa, välbefinnande och arbetsförmåga för ...1469785/FULLTEXT01.pdf ·...
Transcript of Prediktorer för hälsa, välbefinnande och arbetsförmåga för ...1469785/FULLTEXT01.pdf ·...
Institutionen för folkhälso- och vårdvetenskap
Prediktorer för hälsa, välbefinnande och arbetsförmåga för
sjukskrivna personer i slutet av en sjukskrivningsperiod
- En kvantitativ longitudinell studie om personer som varit sjukskrivna en
längre tid
Författare Handledare
Ellinor Persson Erik Berglund
Examensarbete i Folkhälsovetenskap 30 hp Examinator
2020 Ulrika Winblad
Sammanfattning
Bakgrund: För att bättre kunna tillgodose behoven av stöd hos sjukskrivna personer, korta ner
tiden som sjukskriven och minska antalet personer som får avslag på sjukpenning behövs mer
forskning inom rehabiliteringsstöd och återgång till arbete. Det är inte fullt utrett huruvida self-
efficacy, socialt stöd och socioekonomi har effekt på hälsa och arbetsförmåga över tid för en
person i slutet av sin sjukskrivning.
Syfte: Syftet med studien var att undersöka om self-efficacy, socialt stöd och socioekonomi
predicerar hälsa, välbefinnande och arbetsförmåga för personer som är i slutet av en
sjukskrivningsperiod.
Metod: Studien baserades på en kvantitativ longitudinell studie. Datamaterialet användes som
en kohortstudie med två mätpunkter där 193 respondenter ingick. De predicerande variablerna
self-efficacy, socialt stöd och socioekonomi mättes vid baslinjen och utfallsvariablerna
självskattad hälsa, psykiskt välbefinnande och arbetsförmåga mättes vid uppföljningen.
Datamaterialet analyserades med korrelationsanalyser och logistiska regressionsanalyser i
statistikprogrammet SPSS.
Resultat: En högre self-efficacy predicerade en högre självskattad hälsa (justerad OR 3,05; 95
% CI 1,30 till 7,16), ett högre psykiskt välbefinnande (justerad OR 3,00; 95% CI 1,01 till 8,91)
och en högre arbetsförmåga (justerad OR; 3,63; 95% CI 1,50 till 8,80). Emotionellt socialt stöd
predicerade psykiskt välbefinnande (justerad OR; 4,76; 95% CI 1,12 till 20,22).
Slutsats: En högre self-efficacy predicerade en högre självskattad hälsa, psykiskt välbefinnande
och arbetsförmåga hos målgruppen och emotionellt socialt stöd predicerade ett högre psykiskt
välbefinnande. För framtida forskning anses att interventionsstudier och effektutvärderingar vid
återgång till arbete samt faktorer som påverkar self-efficacy vid sjukskrivning studeras.
Nyckelord: Self- efficacy, Socialt stöd, Socioekonomi, Hälsa, Arbetsförmåga
Abstract
Introduction: To increase the support for those on sick leave, shorten the time of sick leave and
reduce the number of people who have been refused social insurance despite reduced work
ability, more research on support of rehabilitation and return to work is required. It is not fully
explored whether self-efficacy, social support and socioeconomics have an effect on health and
work ability, it is therefore appropriate to study the health factors of those who have been on
sick leave for a long period of time.
Aim: The aim of this study was to investigate whether self-efficacy, social support, and
socioeconomics predict health, wellbeing, and work ability for people who are at the end of a
period of sick leave.
Method: The study were based on quantitative longitudinal study. The data material was used
as a cohort with two measuring points (N = 193). The predictive variables self-efficacy, social
support and socioeconomics as well as the outcome variables self-rated health, mental
wellbeing and work ability was analyzed with correlation analysis and logistic regression
analysis, in the statistical program SPSS.
Result: Higher self-efficacy predicted higher self-rated health (adjusted OR 3,05; 95% CI 1,30
to 7,16), higher mental wellbeing (adjusted OR 3,00; 95% CI 1,01 to 8,91) and higher work
ability (adjusted OR; 3,63; 95% CI 1,50 to 8,80). Emotional social support predicted higher
mental wellbeing (adjusted OR; 4,76; 95% CI 1,12 to 20,22).
Conclusion: Higher self-efficacy predicted higher self-rated health, mental wellbeing and work
ability in the target group, and emotional social support predicted higher mental wellbeing. For
future research, intervention studies and effect evaluations of returning to work and factors that
affect self-efficacy on sick leave need to be studied.
Key words: Self-Efficacy, Social Support, Socioeconomic, Health, Work Ability
INNEHÅLLSFÖRTECKNING Bakgrund .................................................................................................................................... 1
Sjukskrivning och rehabilitering ............................................................................................ 1
Rehabiliteringskedjan ......................................................................................................... 1
Återgång i arbete och avslag på sjukpenning ..................................................................... 2
Brister i rehabilitering ........................................................................................................ 2
Folkhälsopolitik för en bättre återgång till arbete .................................................................. 3
Sjukskrivna personers hälsa ................................................................................................... 3
Arbetsförmåga ........................................................................................................................ 4
Self-efficacy ........................................................................................................................... 4
Socialt stöd ............................................................................................................................. 5
Socioekonomisk status ........................................................................................................... 6
Problemformulering ............................................................................................................... 6
Syfte ....................................................................................................................................... 7
Frågeställningar ...................................................................................................................... 7
Metod ......................................................................................................................................... 7
Design ..................................................................................................................................... 8
Tillvägagångsätt ..................................................................................................................... 9
Urval ....................................................................................................................................... 9
Datainsamlingsmetod ........................................................................................................... 10
Variabler ............................................................................................................................... 11
Bakgrundsvariabler .......................................................................................................... 11
Predicerade variabler ........................................................................................................ 11
Utfallsvariabler ................................................................................................................. 11
Bearbetning och analys ........................................................................................................ 12
Korrelationsanalys ............................................................................................................ 13
Logistisk regressionsanalys .............................................................................................. 13
Bortfall ................................................................................................................................. 14
Forskningsetiska övervägande ............................................................................................. 14
Resultat ..................................................................................................................................... 15
Deskriptiv statistik ................................................................................................................ 15
Korrelationsanalys ................................................................................................................ 17
Grafiska presentationer och logistiska regressioner ............................................................. 19
Self-efficacy som prediktor för självskattad hälsa ........................................................... 19
Self-efficacy och emotionellt socialt stöd som prediktorer för psykiskt välbefinnande .. 22
Self- efficacy som prediktor för arbetsförmåga ............................................................... 24
Diskussion ................................................................................................................................ 26
Resultatdiskussion ................................................................................................................ 26
Metoddiskussion ................................................................................................................... 27
Styrkor .............................................................................................................................. 28
Svagheter .......................................................................................................................... 28
Reliabilitet och validitet ................................................................................................... 29
Forskningsetiska överväganden ....................................................................................... 31
Kliniska implikationer .......................................................................................................... 31
Framtida forskning ............................................................................................................... 32
Slutsats ................................................................................................................................. 32
Referenser ................................................................................................................................. 33
Bilaga 1 Informationsbrev ........................................................................................................ 40
Bilaga 2 Samtyckesblankett ..................................................................................................... 42
1
BAKGRUND
År 2019 betalades 63,1 miljarder kronor ut i form av sjukpenning och sjukersättning. Samma
år fick 591 000 personer sjukpenning i Sverige, varav 63% var kvinnor. I december det året
pågick 135 000 längre sjukfall (längre än 60 dagar), av dessa var 67% kvinnor
(Försäkringskassan, 2020). Psykisk sjukdom har sedan år 2006 varit den mest frekvent nämnda
diagnosen vid sjukpenning. År 2019 utgjorde psykisk sjukdom 53% respektive 42% av kvinnor
och mäns huvuddiagnos vid sjukpenning. Psykisk ohälsa var även den vanligaste
sjukskrivningsdiagnosen vid nybeviljad sjukpenning 2019, 47% respektive 45% hos kvinnor
och män. Förutom skillnader utifrån diagnos har ålder visats påverka antalet sjukpenningdagar,
då en stigande ålder tenderar att medföra ett ökat antal sjukpenningdagar per person och år
(Försäkringskassan, 2020).
Sjukskrivning och rehabilitering
Rehabiliteringskedjan
År 2008 infördes rehabiliteringskedjan i Sverige som åtgärd för att minska antalet längre
sjukskrivningar. Rehabiliteringskedjan innebär fasta tidsgränser för prövning av arbetsförmåga
(Prop. 2007/08:136). Till följd av en kraftig ökning av antalet sjukfall från 480 000 till 600 000
mellan år 2010 och 2015, ökade påtryckningarna från Socialstyrelsen att tidsgränserna inom
rehabiliteringskedjan måste följas (Försäkringskassan, 2020; Socialdepartementet, 2015).
Därefter ökade antalet individer med indragen sjukpenning (Socialdepartementet, 2015;
Försäkringskassan, 2017a). Personer med nedsatt arbetsförmåga, som fått avslag på sin
sjukpenning, kan i vissa fall återvända till ett arbete och i andra fall inte. I regleringsbrevet till
Försäkringskassan år 2018 betonade regeringen att sjukskrivningsprocessen behövde förbättras
samt att stöd till individer med behov av omställning behövde utvecklas. Arbetsförmedlingen
och Försäkringskassan uppmanades att samarbeta angående de individer som hade behov av
arbetslivsinriktad rehabilitering eller som hade ett nedsatt hälsotillstånd men som inte
bedömdes ha nedsatt arbetsförmåga (Socialdepartementet, 2017). År 2017 låg
sjukpenningtalet på 10,7 dagar per person och år. Regeringen har som mål att år 2020 ska
sjukpenningtalet vara högst 9,0 dagar per person och år. För att nå målet krävs att färre
ansökningar görs och att antalet förbrukade sjukpenningdagar minskar. Det kräver i sin tur att
aktörer inom hälsofrämjande insatser i arbetslivet och sjukskrivningsprocessen fortsätter att
förbättra sina insatser (Försäkringskassan, 2017a).
2
Återgång i arbete och avslag på sjukpenning
Riksrevisionen (2020) har granskat processen för återgång i arbete vid nekad sjukpenning.
Antalet pågående sjukfall som nekats sjukpenning har sedan år 2014 ökat från 1 % till 7%. Av
de som nekades fortsatt sjukpenning har 29 % under de senaste 9-15 månaderna blivit
sjukskrivna igen. Ett år efter avslag uppnådde knappt hälften av de som nekats sjukpenning
ordinarie arbetstid. Skillnaden mellan olika arbetsgivares plan för återgång till arbetet är stor
och i genomsnitt saknas en plan i vart tredje fall. I vart fjärde fall saknade Försäkringskassan
information angående arbetsgivarens insatser vid återgång till arbete (Riksrevisionen, 2020).
De som nekas sjukpenning trots nedsatt arbetsförmåga utgör en relativt liten grupp bland de
sjukskrivna, dock innebär det en ekonomiskt utsatthet med ett flertal riskfaktorer för hälsan som
följd (Försäkringskassan, 2017b). Bland de personer som nekades sjukpenning ökade antalet
med ingen eller mycket låg arbetsförmåga efter två till tre år, jämfört med när sjukpenningen
avslutades. År 2015 hamnade 300 personer i Sverige helt utanför arbetsmarknaden och
socialförsäkringen efter avslutad sjukpenning vid dag 180 som sjukskriven. I nuläget vittnar
Försäkringskassan om att vetskapen om gruppen är bristfällig och mer kunskap krävs för att
kunna bemöta gruppens behov på bästa sätt (Försäkringskassan, 2017b).
Brister i rehabilitering
Arbetsförmågeutvärderingens effekt i rehabiliteringskedjan förväntades inbringa ett mer
strukturerat försäkringsmedicinskt förhållningssätt och individens förmågor skulle vara i fokus
istället för oförmågor. Det förväntades även bli enklare att översiktligt se var behoven av
samarbeten vid rehabilitering fanns mellan Försäkringskassan, arbetsgivaren samt hälso-och
sjukvården (Socialdepartementet, 2020). Dessvärre har Socialdepartementet (2020) och
Riksrevisionen (2020) uppmärksammat att det i de flesta fall saknas beslut från
Försäkringskassan angående de sjukskrivnas behov av rehabilitering. Avstämningsmöten med
läkare och arbetsgivare uteblir ofta och statistik från Försäkringskassan visar att allt färre
beviljas rehabiliteringsersättning inom arbetslivsinriktad rehabilitering (Socialdepartementet,
2020). I de fall ersättning beviljas sker det allt senare i sjukskrivningsprocessen, då utredning
av rehabiliteringsbehov görs vid dag 180 som sjukskriven. Om personen förväntas ha uppnått
normal arbetsförmåga vid dag 180 erbjuds inget stöd vid arbetsåtergång. Detta medför risken
att sjukskrivningens förlopp kan förlängas eller att personen riskerar att sjukskrivas igen inom
en snar framtid. För en optimal arbetslivsinriktad rehabilitering poängterar Socialdepartementet
att insatser från flera olika yrkesområden efterfrågas samt samverkan dem emellan. Tidigare
3
utvärderingar av enskilda insatser har varit eniga om att samverkan krävs för att uppnå goda
effekter vid återgång till arbete (Socialdepartementet, 2020).
Folkhälsopolitik för en bättre återgång till arbete
Propositionen God och jämlik hälsa - en utvecklad folkhälsopolitik (Prop. 2017/18:249) belyser
problematiken med hälsoskillnader i befolkningen. Folkhälsoarbete på alla nivåer, med insatser
för att utjämna skillnader i hälsa, ska enligt propositionen prioriteras. För att uppnå en god och
jämlik hälsa i befolkningen finns åtta målområden för vägledning mot ett jämlikt
folkhälsoarbete. Målområde 3: Arbete, arbetsförhållande och arbetsmiljö, 4: Inkomster och
försörjningsmöjligheter och 8: Hälsofrämjande hälso- och sjukvård belyser åtgärder som till
viss del berör personer som varit sjukskrivna en längre tid. Där poängteras utökade möjligheter
till sysselsättning för att öka individers meningsfullhet i vardagen och individer ekonomiska
trygghet, eftersom det har en stor påverkan på individers allmänna hälsa. Målområde 8
Hälsofrämjande hälso- och sjukvård benämnde psykisk ohälsa som en av vår tids stora
utmaningar, vilket bland annat en längre sjukskrivning tenderar att öka risken för. Därtill
poängterades även behovet av hälsofrämjande och förebyggande insatser utanför sjukvården, i
syfte att exempelvis underlätta återgång till arbete efter en längre sjukskrivning. (Prop.
2017/18:249).
Sjukskrivna personers hälsa
Sjukskrivning syftar till att skapa en ekonomisk trygghet och skapa bättre förutsättningar för
att återfå arbetsförmåga och återgå till arbete (Riksrevisionen, 2020). Förutom de avsedda
hälsoeffekterna kan längre sjukskrivning innebära en ökad risk för stress, depression, bristande
självförtroende och minskad lust att delta i sociala sammanhang samt ökad risk för ekonomisk
utsatthet (Statens beredskap för medicinska utredningar [SBU], 2003). Dessa tillstånd tenderar
i sin tur att försvåra och förlänga arbetsåtergången. Vilka tillstånd som sedan uppstår påverkas
av yttre omständigheter såsom arbetsmarknad, normer inom sociala sammanhang och i övriga
samhället samt hälso-sjukvårdens inställning till den specifika sjukdomen eller skadan och dess
behandling. Dessa yttre omständigheterna varierar över tid och ter sig olika i olika sociala
sammanhang, vilket försvårar kartläggningen av orsakssamband (Statens beredskap för
medicinska utredningar [SBU], 2003).
4
Arbetsförmåga
Definitionen av arbetsförmåga skiljer sig utifrån aktörens roll, mellan vårdprofessioner,
socialförsäkringssystemet, arbetsgivare och de sjukskrivna (Socialdepartementet, 2020). För
studiens del används Nordenfelts (2014) beskrivning av begreppet. Arbetsförmågan innefattar
tre komponenter, teknisk, allmän och personlig kompetens. Utförandeförmåga är också en
komponent som Nordenfelt (2014) anser påverkar arbetsförmågan, då denna förmåga speglar
hälsans effekter. Hälsostatusen påverkar möjligheten att kunna bruka den kompetens individen
besitter. I samband med en försämrad hälsa brukar energin minska, vilket i sin tur påverkar
motivationen till arbete. Även karaktärsdrag såsom stresstålighet och självförtroende avgör
slutresultatet av den befintliga arbetsförmågan (Nordenfelt, 2014).
Self-efficacy
Self-efficacy ingår i socialkognitiv teori som beskriver ett dynamiskt samspel mellan individ,
miljö och beteende (Andersén, 2017). Self efficacy, även kallad ”tilltro till egen förmåga”,
används även frekvent som enskild teori (Bandura, 1977), vilket denna studie valt att utgå ifrån.
Graden av self-efficacy är situationsspecifik och baseras på individens tankar och
känslomässiga reaktioner vid tidigare erfarenheter och är därav ständigt föränderlig (Bandura,
2004). Om en person har förväntat sig kunna hantera en specifik svårighet men misslyckas
försvagas self-efficacy tillfälligt. Om misslyckandet istället upprepar sig ett flertal gånger
försvagas self-efficacy långsiktigt tills personen genomför den specifika uppgiften igen med
goda resultat (Andersén, 2017). Self-efficacy samband med hälsa anses bygga på skadliga
biologiska effekter som uppstår av långvarig stress, vilket i grunden orsakas av en bristfällig
kontroll av livssituationen. Upplevelse av kontroll och möjlighet att påverka sin livssituation
ökar i sin tur individens generella motivation. Graden av self-efficacy och motivation
samverkar sedan vid en eventuell målsättning. Hög self-efficacy resulterar i större och mer
utmanade målsättning med större beslutsamhet att uppnå mål och förväntningar om att det ska
uppstå positiva resultat (Andersén, 2017).
Det är möjligt att avsiktligt förändra sin befintliga self-efficacy och sitt beteendemönster genom
ändrade tankemönster, eftersom tankemönster antingen kan främja eller hindra vid
genomförande av en uppgift. Personens egna uppfattning av hens förmågor baseras mestadels
på emotionella tillstånd och motivationsnivå istället för en objektiv bedömning av förmågan.
5
Positiva förväntningar ökar chanserna att uppgiften genomförs, medan negativa tankar minskar
chanserna att agera. Det i sin tur tydliggör varför personer med låg self-efficacy mer frekvent
undviker utmanande uppgifter, ger upp snabbare och återhämtar sig långsammare efter
motgång. De negativa tankar kan i sin tur skapa oro och ångest, vilket ökar risken att
undvikande beteende utvecklas. Vad som kan påverka self-efficacy har delats in i följande fyra
informationskällor; bemästrande erfarenheter, observationsinlärning, verbal övertygelse och
fysiska och psykiska tillstånd. För att en persons med låg self-efficacy ska uppnå en högre self-
efficacy anser Bandura att hen är i behov av stöttning och vägledning för att skapa nya
tankemönster (Andersén, 2017).
En studie om yrkesinriktad rehabilitering för långtidssjukskrivna kvinnor redogjorde att
merparten av deltagarnas self-efficacy var låg. Låg self-efficacy förekom framförallt hos de
med sämre allmän hälsa, låg motivation, osäkerhet angående arbetsåtergången eller de som var
utrikesfödda. De kvinnor som hade kvar sin anställning under sjukskrivningen tenderade att
bevara en högre self-efficacy (Andersén et al., 2015).
Socialt stöd
Socialt stöd anses generera till fysiska och psykiska hälsoeffekter, skydd mot stress samt bidra
till en bättre problemhantering. Stödet är uppdelat i fyra delar; emotionellt-, värderande-,
instrumentellt- och informativt socialt stöd. De olika stöden kan komma från anhöriga, vänner,
grannar, föreningar och organisationer. Socialt nätverk genererar i sig själv ingen effekt, medan
sociala kontakter anses minska risken för både sjuklighet och dödlighet. Det är närvaron och
förtroendet individerna emellan som avgör graden av socialt stöd (Ashida & Heaney, 2008).
Bristande socialt stöd i samband med sjukskrivning ökar risken för bland annat social isolering,
nedstämdhet och depression (White, Green, Ferguson, Anderson, Howe, Sun & Buys, 2019),
vilket i sin tur ökar risken för en förlängd sjukskrivning (SBU, 2003). Det sociala stödets har
påvisats påverka self-efficacy i studien om långtidssjukskrivna kvinnor, eftersom self-efficacy
visade sig vara högre hos de som ansåg sig ha en nära vän (Andersén et al., 2015).
Forskningsområdets enda systematisk översiktsartikel (White et al., 2019) bestod mestadels av
kvalitativa studier där en regelbunden kommunikation med arbetsgivare eller handledare
6
visades medföra avgörande effekter i samband med återgång till arbetet. Översiktsartikeln
kunde även redogöra för att socialt stöd från kollegor underlättar vid arbetsåtergång om
möjlighet att samtala om sjukskrivningsorsaken med kollegor förekom (White et al.,2019).
Socioekonomisk status
Socioekonomiska skillnader tydliggörs vid längre sjukskrivningar, då livsstilen, arbetssituation
och individens ställning på arbetsmarknaden utgör tre viktiga faktorer. Låg utbildning,
kortvariga anställningar och lägre socioekonomisk status samt hög ålder har visats korrelera
med längre sjukskrivningar (Ekberg, 2014). En längre sjukskrivning kan även vara orsaken till
en försämrad socioekonomisk status, eftersom en längre sjukskrivning kan medföra ekonomisk
utsatthet, sämre levnadsvanor, sjukdom och förtidig död (Pellmer, Wramner & Wramner,
2017). Tidigare studier har visat att arbetsåtergången påverkas av individens socioekonomiska
status. En låg socioekonomisk status medförde en längre arbetsåtergång jämfört med en hög
status (Glader, Jonsson, Norrving & Eriksson, 2017). En annan studie redogjorde för en
komplex relation mellan socioekonomi och återgång till arbete där tidsaspekten avgjorde.
Inkomst och utbildning påverkade på olika sätt, beroende på var i processen individen befann
sig. En eftergymnasial utbildning genererade en bättre arbetsåtergång jämfört med enbart
grundskole- eller gymnasial utbildning. På kort sikt hade majoriteten av de som återgått till
arbetet en låg inkomst. Uppföljningen visade sedan att de med hög inkomst återgick till
ordinarie arbetsbörda i högre utsträckning jämfört med de som återgick efter kortast tid
(Westerlind, Persson, Eriksson, Norrving, & Sunnerhagen, 2020).
Problemformulering
Att vara sjukskriven kan medföra en sämre hälsa och socioekonomi, vilket i sin tur kan försvåra
vid arbetsåtergång, utöver grundorsaken till sjukskrivning. Personer som nekas förlängning på
sin sjukpenning har oftast en sämre ekonomi och en lägre arbetsförmåga om man jämför med
andra personer som arbetar (SBU, 2003; Försäkringskassan, 2017b). Personer med sjukpenning
och deras behov av stöd vid arbetsåtergången har i dagsläget inte studerats fullt ut. Kunskapen
är idag även begränsad när det gäller vilka faktorer som är av betydelse för individers
arbetsförmåga under övergångsfasen i rehabiliteringskedjan. Mer kunskap om stöd för att stärka
målgruppens hälsa efterfrågas av både Försäkringskassan och inom forskningen
(Försäkringskassan, 2017b; Andersén, 2017; White et al., 2019; Westerlind, et al., 2020). Bland
7
annat är kunskapsläget begränsat vad gäller faktorerna self-efficacy, socialt stöd och
socioekonomi samt vad dessa faktorer har för betydelse för hälsa och arbetsförmåga hos
sjukskrivna personer över tid.
Syfte
Syftet med studien var att undersöka om self-efficacy, socialt stöd och socioekonomi predicerar
hälsa, välbefinnande och arbetsförmåga för personer som är i slutet av en sjukskrivningsperiod.
Frågeställningar
Studien ämnade att besvara följande frågeställningar:
1. Predicerar self-efficacy, socialt stöd och socioekonomi sjukskrivna personers
självskattade hälsa över tid?
2. Predicerar self-efficacy, socialt stöd och socioekonomi sjukskrivna personers psykiska
välbefinnande över tid?
3. Predicerar self-efficacy, socialt stöd och socioekonomi sjukskrivna personers
arbetsförmåga över tid?
METOD
Med en kohort finns möjlighet att studera om self-efficacy, socialt stöd och socioekonomi kan
predicera hälsa och arbetsförmåga hos personer med sjukpenning. Den föreliggande studien
bygger på ett redan insamlat datamaterial från projektet Gemensam Samordning (GESAM) –
Samverkansprojekt för att underlätta övergången mellan Försäkringskassan och
Arbetsförmedlingen mot egen försörjning (Anderzén, Andersén, Larsson, Wiholm, Berglund
& Halvardsson, 2020). Projektet GESAM innehöll en motivations- och
informationsintervention som syftade till att förbereda, underlätta och tidseffektivisera
övergången från Försäkringskassan till Arbetsförmedlingen. GESAM var ett
samverkansprojekt mellan Försäkringskassan och Arbetsförmedlingen i Knivsta kommun och
Uppsala kommun. Forskare från Uppsala Universitet ansvarade sedan för att utvärdera projektet
i en longitudinell interventionsdesign. GESAM rekryterade deltagare som befann sig vid cirka
8
dag 110 räknat i rehabiliteringskedjan och följde dessa till och med cirka dag 480. Se figur 1
(Anderzén et al., 2020).
Figur 1. Flödet i GESAM-projektet (egen bearbetning).
Design
För att besvara syftet och frågeställningarna utgick studien från en kvantitativ longitudinell
design. Designen lämpade sig då studien eftersträvade ett statistiskt, mätbart och generaliserbart
resultat (Djurfeldt, Larsson, Stjärnhagen, 2018). Respondenternas enkätsvar från projektet
GESAMs intervention- och kontrollgrupp hanterades som en kohort med prospektiv design i
denna studie. Slutrapporten från GESAM-projektet påvisar inte på någon större
interventionseffekt för interventionsgruppen (Anderzén et al. 2020), och då interventionen inte
kan antas ha påverkat utfallen i någon större utsträckning valdes en kohortdesign för den här
studien.
9
Tillvägagångsätt
Den 13 september 2017 godkände Etikprövningsnämnden i Uppsala (numera
Etikprövningsmyndigheten) GESAM projektet (Dnr 2017/317). Datamaterialet samlades in
från november år 2017 till oktober år 2018. Försäkringskassan ansvarade för rekryteringen,
randomiseringen av deltagarna samt interventionen. Enkäterna skickades ut i pappersform
tillsammans med informationsbrev och samtyckesblankett (se bilaga 1-2) till de i urvalet som
varit sjukskrivna i 110 dagar. Påminnelser gjordes i form av brev och telefonsamtal. Efter att
första enkäten besvarats skickades resterande tre enkäter ut vid ytterligare tre tillfällen
(Anderzén et al., 2020).
Den här studien använde variabler från projektets första och tredje enkät som en kohort med
två mätpunkter. Den första enkäten vid dag 110 som sjukskriven utgjorde studiens baslinjeenkät
(t0) och den tredje enkäten vid dag 300 (räknat i rehabiliteringskedjan) används för uppföljning
(t1). Valet att använda enkät tre grundade sig i att svarsfrekvensen vid enkät tre var betydligt
större jämfört med den fjärde enkäten vid dag 480. Även enkät två hade en god svarsfrekvens,
men den valdes bort då uppföljningen skulle medföra en kortare uppföljning på 90 dagar.
Sammanfattningsvis föll valet på enkät tre för uppföljningen, då den hade en god svarsfrekvens
och den besvarades en lägre tid efter baslinjen jämfört med enkät två. Variabler från första och
tredje enkätformulären utgjorde studiens bakgrunds-, predicerande- och utfallsvariabler.
Slutligen genomfördes korrelations- och regressionsanalyser av den insamlade datan i
statistikprogrammet SPSS.
Urval
Studiens målpopulation var individer (18-64 år) som varit sjukskrivna en längre tid.
Urvalsramen för studien bestod av den föregående studiens inklusionskriterier; individer i
åldern 18 till 64 år, boende i Knivsta eller Uppsala kommun som riskerade att bli av med sin
sjukpenning efter dag 180 i rehabiliteringskedjan, oavsett om de hade en arbetsgivare eller inte.
Föregående studies exkluderingskriterier var sedan cancerdiagnoser eller svårare psykisk
sjukdom (schizofreni, bipolär typ 1, eller annan allvarlig social
dysfunktion/personlighetsstörning). Försäkringskassan ansvarade för rekryteringen av den
föregående studien, vilket skedde från november 2017 fram till oktober år 2018. Den
10
föreliggande studiens slutgiltiga urval blev GESAMs samtliga 193 respondenter (Anderzén et
al., 2020).
Datainsamlingsmetod
GESAMs baslinjeenkät skickades ut till individer som varit sjukskrivna i 110 dagar, sedan
skickades resterande tre enkäter ut dag 200, dag 300 och dag 480, oavsett om deltagaren återgått
till arbete eller inte (Anderzén et al., 2020). För att besvara studiens syfte och frågeställningar
valdes enskilda variabler från projektets första och tredje enkät (se Figur 1). Samtliga utvalda
variabler och svarsalternativ redogörs nedan i Tabell 1. Alla enkätfrågor i enkätformuläret har
inte validerats. Däremot ingår merparten av de predicerande variablerna och utfallsvariablerna
i validerade undersökningsinstrument, som i denna studien sedan har kodats om från
kontinuerliga till binära variabler utifrån valideringsstudier, vilket specificerats nedan. Slutligen
utsågs samtliga variablers lägre värden till referenskategori i regressionsanalyserna för att
kunna besvara studiens frågeställningar.
Figur 2. Val av kohortens två mätpunkter (t0 & t1) och variabler utifrån projektet GESAM
enkäter.
Projektet GESAM
Enkät 1, dag 110
(n 193)
Enkät 2, dag 200
(n 162)
Enkät 3, dag 300
(n 159)
Enklät 4, dag 480
(n 143)
Baslinjeenkät = t0
Enkät 3 = t1
Studien
Bakgrundsvariabler: t0
Predicerande variabler: t0
Utfallsvariabler: t0 / t1
11
Variabler
Bakgrundsvariabler
Studiens deskriptiva statistik utgjordes av följande bakgrundsvariabler, Kön (1 = man, 2 =
kvinna, 3 = annat/vill ej uppge), Ålder (1 = 20-30 år, 2 = 31-40 år, 3 = 41-50 år, 4 = 51-65 år),
Födelseland (1 = Sverige, 2 = annat land) och Högsta avslutade utbildning (1 = grundskola, 2
= gymnasieskola, 3 = universitet/högskoleutbildning).
Predicerade variabler
För att finna faktorer med betydelse för målgruppens hälsa och arbetsförmåga har tre binära
variabler använts: self-efficacy, socialt stöd och socioekonomi. Utifrån rapporten
Aktivitetsförmågeutvärderingar 2015:8 (Inspektionen för Socialförsäkringens, 2015)
formulerades enkätfrågan: Hur stor chans tror du att du har att kunna arbeta om sex månader?
som avsåg att mäta respondenternas egna tilltro, eller self-efficacy, till återgång i arbete. Inför
den här studien kodades variabeln om från en ordinalskala mellan noll till tio till en binär
variabel utifrån urvalets fördelning (0-8 = lägre self-efficacy, 9-10 = högre self-efficacy).
Enkätfrågan som avsåg att undersöka emotionellt socialt stöd formulerades sedan: Har du
någon du kan dela dina innersta känslor med och anförtro dig åt? (1 = Nej, 2 = Ja). Statistiska
centralbyrån anser att utbildningsnivå och ekonomisk tillgång i kombination eller var för sig är
bra indikatorer för att mäta en persons socioekonomiska status (Statistiska centralbyrån [SCB],
u.å). Med detta i beaktande utgår studien från en av Folkhälsomyndighetens enkätfrågor om
socioekonomi (från den nationella folkhälsoenkäten): Har det under de senaste 12 månaderna
hänt att du haft svårigheter att klara av löpande utgifter för mat, hyra räkning m.m? (1 = Ja,
vid ett tillfälle eller flera tillfällen, 2 = Nej) (Folkhälsomyndigheten, 2018). Enkätfrågan avser
att mäta ekonomisk kris och justeras i studiens logistiska regressionsanalyser både enskilt och
i kombination med studiens bakgrundsvariabel utbildningsnivå, likt tidigare studier har gjort
(Folkhälsomyndigheten, 2018; (Berglund, Lytsy & Westerling, 2015; Glader, et.al., 2017;
Westerlind et.al., 2020).
Utfallsvariabler
Studiens utfallsvariabler var alla binära och avsåg att mäta självskattad hälsa, psykiskt
välbefinnande samt arbetsförmåga. Variabeln självskattad hälsa, på engelska kallad Self Rated
Health (SRH), var formulerad i enkäten som: Hur bedömer du ditt allmänna hälsotillstånd?
12
(Statistiska centralbyrån, 2018) och kodades om från en ordinalskala till binär variabel (1-3 =
Lägre än bra, 4-5 = Bra eller mycket bra). För att mäta psykiskt välbefinnande användes General
Health Questionnaire (GHQ-12) vilket är ett screeninginstrument som mäter generell psykisk
hälsa. Screeninginstrumentet består av tolv påståenden såsom Jag kan koncentrera mig på vad
jag gör, med fyra svarsalternativ (stämmer helt, stämmer bra, stämmer delvis, stämmer inte
alls). Likertskalan var kodad från noll till tre och den totala poängsumman var mellan 0-36,
där en hög summa innebar ett bra psykiskt välbefinnande. Variabeln kodades om med stöd från
en valideringsstudie av GHQ-12, där totalsumman mellan 0-17 = lägre psykiskt välbefinnande
och 18-36 = högre psykiskt välbefinnande (Goldberg, Gater, Sartorius, Ustun, Piccinelli, Gureje
& Rutter, 1997). För att mäta Arbetsförmågan användes en variant av Work Ability Score
(WAS) som i enkäterna formulerades på följande vis: Vi antar att din arbetsförmåga då den
var som bäst, värderades med 10 poäng och 0 betyder att du inte alls kan arbeta nu. Vilket
poängtal skulle du då ge din nuvarande arbetsförmåga oavsett arbete? WAS kodades om från
ordinalskalan noll och tio till en binär variabel (0-7 = Låg, 8-10 = Hög) (Kinnunen & Nätti,
2018).
Bearbetning och analys
Deskriptiv statistik, korrelationsanalyser och logistiska regressionsmodeller användes för att
analysera studiens datamaterial med en signifikansnivå på 5%, vilket innebar att p-värdet i
analyserna behövde vara mindre än 0,05 för att resultaten skulle anses vara statistiskt
signifikanta (Djurfeldt et al., 2018). Urvalets egenskaper redovisades i en deskriptiv tabell där
varje enskild variabel presenterades i frekvens och andel för det totala urvalet samt uppdelat i
variabeln kön, med syfte att kontrollera eventuella skillnader. Korrelationsanalyserna och binär
logistisk regressionsanalys ansågs lämpliga utifrån studiens frågeställningar samt
datamaterialets begränsningar med ett mindre antal respondenter och förekomsten av
snedfördelade variabler (Barmark & Djurfeldt, 2009). Studiens samtliga statistiska analyser
genomfördes i IBM Statistical Package for the Social Sciences (SPSS), version 25.
13
Korrelationsanalys
Datan analyserades med Spearman’s rangkorrelation. Spearman’s rangkorrelation passar för
små urval samt variabler på ordinalskala och testet utgår inte ifrån antaganden om att urvalet är
normalfördelat (Djurfeldt et al., 2018). Samtliga variabler i studien korrelerades med
Spearman’s rangkorrelation i en korrelationsmatris. I korrelationstabellen redovisas även
median, medelvärde och standard avvikelsen.
Logistisk regressionsanalys
En regressionsanalys anger hur stor del av variationen i utfallsvariabeln som förklaras av
variansen i en annan variabel, vilket innefattar en mer avancerad sambandsanalys jämfört med
enbart korrelationsanalys. Binär logistisk regressionsanalys lämpar sig att använda när
datamaterialet innefattar binära variabler (Barmark & Djurfeldt 2009). Studiens
regressionsanalyser genomfördes med tre modeller för varje utfallsvariabel som stegvis
justerades av studiens bakgrundsvariabler och predicerande variabler samt utfallsvariabelns
egna värde vid baslinjen i syfte att redogöra för en tydligare bild av utfallsvariabelns samband.
Först genomfördes enkel (crude) regressionsmodell för varje utfall, där varje enskild variabel
analyserades i en regression mot utfallet. I modell 1 ingick de två predicerande variablerna self-
efficacy och emotionellt socialt stöd samtidigt. I modell 2 ingick de predicerade variablerna
tillsammans med bakgrundsvariablerna och i modell 3 justerades även för utfallsvariabelns
värde vid baslinjen. Att analysera ett flertal variabler åt gången per modell möjliggör att
samband mer likt orsakssamband kan presenteras (Djurfeldt et al., 2018).
I studiens regressionsanalyser angavs resultaten med måttet odds-ratio och konfidensintervall.
Odds-ratio är ett mått som speglar förhållandet mellan oddset i en grupp och oddset i en annan
grupp. Värdet på exponenten av B-koefficienten (Exp (B)) avläses hur mycket oddset för
utfallsvariabeln förändras när vädret på den predicerande variabeln ökar med en enhet. Oddset
minskar om värdet är under ett och ökar om värdet är över ett. Värdet ett indikerar att oddset
förblir oförändrat oavsett värdet på den predicerande variabeln, då variabeln modellerats sakna
effekt på utfallsvariabeln. Med en 5% signifikansnivå anses den tilltänkta populationens sanna
medelvärde vara inom konfidensintervallet, vilket i sin tur inkluderar en risk på 5% att det sanna
värdet inte ingår i konfidensintervallet. Om konfidensintervallet innehåller värdet ett, innebär
det att det sanna odds värdet både kan öka och minska inom intervallet (Barmark & Djurfeldt
14
2009; Field, 2018). Den justerande logistiska regressionsanalysen modellerar oddskvoten
utifrån de predicerande variablerna, givet att de övriga variablerna i modellen är konstanta.
Även den totala mängden förklarande varians i utfallen redovisas med Nagelkerkes R Square i
procentuellt (Barmark & Djurfeldt 2009; Field, 2018).
Bortfall
Studiens interna bortfall utgjordes av data som inte gick att analysera på grund av felaktigheter
eller oklarheter. Partiellt bortfall är sedan de variabler som inte blivit fullständigt besvarade av
respondenterna och därför inte ingick i studiens analyser. Sedan innefattade studiens externa
bortfall de som valt att lämna studien eller under studiens gång insjuknat i sjukdom som
tillhörde exklusionskriterierna (Barmark & Djurfeldt 2009; Djurfeldt et al., 2018). Bortfallet i
studien har framförallt hanterats genom att välja enkät tre istället för enkät fyra då enkät fyra
hade ett betydligt större bortfall än enkät tre. Utöver det har ingen specifik åtgärd vidtagits för
att hantera annat bortfall.
Forskningsetiska övervägande
Studien har i samband med hanteringen av det insamlade materialet beaktat de forskningsetiska
principernas informationskrav, samtyckeskrav, konfidentialiteskrav och nyttjandekrav
(Vetenskapsrådet, 2002). Deltagarnas anonymitet möjliggjordes då Försäkringskassan kodade
deltagarna redan vid rekryteringen. Konfidentialiteskravet och nyttjandekravet uppfylldes även
under denna studies levnad genom att datamaterialet förblev inlåst och inte lämnade den
institution på Uppsala universitet dit forskargruppen som ansvarade för utvärderingen av
GESAM tillhörde. I samband med utskicket av enkäter skickades ett informationsbrev och
samtyckesblankett till deltagarna (se bilaga 2-3). På så sätt uppfylldes informationskravet,
konfidentialiteskravet och nyttjandekravet då det framgick att deltagandet var frivilligt och att
möjligheten fanns att avbryta sitt deltagande när som helst under studiens levnad. Dessutom
avidentifierades personuppgifter och enskilda individers svar är inte möjliga att identifiera i
resultatet. Därtill tydliggjordes att deltagandet i studien inte skulle kunna påverka pågående
handläggning hos Försäkringskassan. Informationsbrevet och samtyckesblanketten uppfyllde
även samtyckeskravet genom att deltagarna blev informerade om vad studien innebar samt att
de själva hade rätten att bestämma om de ville delta.
15
RESULTAT
Inledningsvis har studiens samtliga variabler redogjorts i andel och frekvens under rubriken
Deskriptiv statistik. Sedan har sambandsanalyserna för studiens samtliga variabler presenterats
i en korrelationstabell med fokus på de predicerande variablernas samvariation med
utfallsvariablerna under rubriken Korrelationsanalys. Slutligen redogjordes resultatet för
regressionsanalyserna med hjälp av tabeller och grafer för varje utfallsvariabel (självskattad
hälsa, psykiskt välbefinnande och arbetsförmåga) med tre modeller justerat de huvudsakliga
prediktorerna under rubriken Logistisk regression.
Deskriptiv statistik
Studiens samtliga variablers deskriptiva statistik har redogjorts i Tabell 1. Vid korhotens första
mätpunkt (t0) deltog 193 respondenter, varav 34% var män och 65% var kvinnor. Knappt
hälften (49%) av urvalet befann sig i en ålder mellan 51-65 år. Majoriteten av urvalet hade
Sverige som födelseland (80%). Endast 14% hade enbart grundskoleutbildning. Sedan delade
gymnasieutbildning och eftergymnasialutbildning på resterande 86%. Utav respondenterna
hade 45% en högre self-efficacy, 89% upplevde ett emotionellt socialt stöd och 69% av urvalet
hade inte upplevt ekonomiska svårigheter det senaste året. Vid kohortens första mätpunkt (t0)
upplevde 27% att de hade en bra eller mycket bra självskattad hälsa och vid den andra
mätpunkten (t1) ökade andelen till 37%. Mer än hälften av respondenterna (56%) angav vid t0
att de upplevde högre psykiskt välbefinnande, vilket sedan ökade till 73% vid t1. Slutligen
angav endast 12% av respondenterna en hög arbetsförmåga vid t0 som sedan ökade till 35%
vid t1.
16
Tabell 1.
Deskriptiv tabell som återger samtliga variabler i antal och andel.
Variabler Svarsalternativ Man a Kvinna a Totalt a
Ålder, n (%) 20-30
31-40
41-50
51-65
7 (11)
12 (18)
12 (18)
35 (53)
12 (10)
23 (18)
32 (26)
58 (46)
19 (10)
35 (18)
44 (23)
93 (49)
Födelseland, n (%) Sverige
Annat land
55 (83)
11 (17)
98 (78)
27 (22)
154 (80)
38 (20)
Utbildning, n, (%) Grundskoleutbildning
Gymnasieutbildning
Eftergymnasial utbildning
17 (26)
30 (46)
19 (29)
10 (8)
55 (44)
59 (48)
27 (14)
85 (45)
79 (41)
SE, n (%) Lägre
Högre
37 (58)
27 (42)
67 (54)
57 (46)
104 (55)
84 (45)
ESS, n (%) Nej
Ja
13 (20)
52 (80)
7 (6)
115 (94)
20 (11)
167 (89)
SEI, n (%) Ja, vid ett eller flera tillfällen
Nej
17 (26)
49 (74)
42 (34)
83 (66)
59 (31)
132 (69)
SRH, t0, n (%)
Lägre än bra
Bra eller mycket bra
45 (68)
21 (32)
95 (76)
30 (24)
140 (73)
51 (27)
SRH, t1, n (%) Lägre än bra
Bra eller mycket bra
34 (63)
20 (37)
66 (63)
39 (37)
100 (63)
59 (37)
GHQ-12, t0, n (%) Lägre
Högre
27 (42)
37 (58)
53 (45)
66 (56)
80 (44)
103 (56)
GHQ, t1, n (%) Lägre
Högre
10 (20)
40 (80)
31 (31)
70 (69)
41 (27)
110 (73)
WAS, t0, n (%) Låg
Hög
57 (88)
8 (12)
110 (88)
15 (12)
167 (88)
23 (12)
WAS, tI, n (%) Låg
Hög
31 (59)
22 (42)
71 (68)
33 (32)
102 (65)
55 (35)
Self-efficacy(SE). Emotionellt socialt stöd (ESS). Socioekonomi (SEI). Självskattad hälsa (SRH). Psykiskt välbefinnande (GHQ-12). Arbetsförmåga (WAS).
a Enbart två individer i urvalet definierade sig som tredje könet eller ville ej uppge och togs därav bort i redovisningen av variabeln Kön.
t0= Baslinjeenkät vid dag 110 i rehabiliteringskedjan. t1= Enkät vid dag 300 i rehabiliteringskedjan.
n = antal. % = procent.
17
Korrelationsanalys
I korrelationsmatrisen nedan (Tabell 2) har samtliga studievariablers korrelationskoefficienter
redogjorts med måttet Spearman´s korrelationskoefficient (rs) samt för minimumvärde och
maximumvärde, median, medelvärde och standardavvikelse. Variablerna self-efficacy (rs=0,34,
p≤ 0,01), emotionellt socialt stöd (rs= 0,18 p≤ 0,05) och socioekonomi (rs=0,20 = p≤ 0,05)
korrelerade positivt med självskattad hälsa (t1). Self-efficacy (rs=0,23, p≤ 0,01) och emotionellt
socialt stöd (rs=0,24, p≤ 0,01) korrelerade positivt med utfallsvariabeln psykiskt välbefinnande
(t1). Socioekonomi (rs= 0,26, p≤ 0,01) korrelerade positivt med psykiskt välbefinnande vid t0.
Self efficacy (rs=0,38, p≤ 0,01) och socioekonomi (rs=0,29, p≤ 0,01) korrelerade positivt med
utfallsvariabeln arbetsförmåga (t1). Mellan emotionellt socialt stöd och arbetsförmåga
uppmättes inga statistiskt signifikanta samband vid studiens två mätpunkter.
18
Tabell 2.
Korrelationsmatris samt central- och spridningsmått av samtliga studievariabler.
Min-
max
Median Medelvärde
(SD)
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13.
1. Kön 1-2 2 1,7 (0,48) 1
2. Ålder 20-65 50 47,6 (11,40) -,04 1
3. Födelseland 1-2 1 1,2 (0,40) ,06 ,08 1
4. Utbildning 1-3 2 2,3 (0,70) ,24** -,26** ,04 1
5. SE 0-1 0 0,5 (0,50) ,04 -,14 -,21** ,15* 1
6. ESS 1-2 2 1,9 (0,31) ,22** ,03
-,01 ,01 ,08 1
7. SEI 1-2 2 1,7 (0,46) -,08 ,04 -,03 ,17* ,25** ,16* 1
8. SRH, t0 0-1 0 0,3 (0,44) -,08 -,05 -,12 ,09 ,35** ,14 ,18* 1
9. SRH, t1 0-1 0 0,4 (0,48) ,00 -,09 -,03 ,05 ,34**
,18*
,20*
,35**
1
10. GHQ-12, t0 0-1 1 0,6 (0,50) -,02 ,12 -,00 -,11 ,19**
,24**
,26**
,34**
27**
1
11. GHQ-12, t1 0-1 1 0,7 (0,45) -,11 -,05 ,08 -,03 ,23**
,24**
,04 ,25**
,40**
,46**
1
12. WAS, t0 0-1 0 0,1 (0,33) -,00 ,04 -,02 -,05 ,29**
,03
,05 ,18*
,14 ,16*
,07 1
13. WAS, t1 0-1 0 0,4 (0,48) -,10 -,20*
-,04 ,15 ,38** ,12 ,29** ,41** ,56** ,21* ,34** ,28** 1
Korrelationerna i matrisen upprättades med Spearman’s korrelations koefficient.
Min–Max (Minimum och maximum). SD (Standardavvikelse). SE (Self-efficacy). ESS (Emotionellt socialt stöd). SEI (Socioekonomi). SRH (Självskattad hälsa). GHQ-12 (Psykiskt
välbefinnande). WAS (Arbetsförmåga). t0= Baslinjen vid dag 110 som sjukskriven. t1= andra mätpunkten vid dag 300. *P-värde < 0,05. **P-värde < 0,001.
19
Grafiska presentationer och logistiska regressioner
Studiens resultat utifrån de logistiska regressionsanalyserna har redogjorts med hjälp av grafer
och tabeller. Graferna syftade till att beskriva fördelningen i andel respondenter som angivit de
låga respektive höga värdena hos de predicerande variablerna utifrån utfallsvariabelns två
värden vid uppföljningen. Därefter presenteras studiens samtliga regressionsmodeller i tabeller
för varje utfallsvariabel. Där de predicerande variablernas odds-ratio och konfidensintervall
presenteras utifrån de fullt justerande regressionsanalyserna för varje utfallsvariabel.
Self-efficacy som prediktor för självskattad hälsa
I grafen nedan (Figur 3.) har det grafiska förhållandet redogjorts mellan self-efficacy och
självskattad hälsa. Av de respondenter som upplevde en högre self-efficacy vid studiens början
skattade 55% av dessa även en bra eller mycket bra självskattad hälsa vid uppföljningen.
Medans 78% av de som upplevde en lägre self-efficacy vid studiens början också värderade sin
självskattad hälsa lägre en bra vid uppföljningen.
Figur 3. Andelar personer med lägre respektive högre self-efficacy utifrån lägre än bra och
bra eller mycket bra självskattad hälsa.
20
I den justerade binära logistiska regressionsanalysen var en högre self-efficacy (justerat OR
3,05; 95 % CI 1,30 till 7,16) en statistiskt signifikant prediktor för en god eller mycket god
självskattad hälsa, jämfört med en lägre self-efficacy. Emotionellt socialt stöd och en bättre
socioekonomisk status hade samband med en god eller mycket god självskattad hälsa i de enkla
(crude) regressionsmodellerna, men inte i de justerade modellerna. Nagelkerkes R Square var i
modell 3 för självskattad hälsa 27%. Se Tabell 3.
21
Tabell 3.
Regressionsmodeller av predicerande variabler för bra eller mycket bra självskattad hälsa.
Variabel Crude
OR 95% CI
Modell 1
OR 95% CI
Modell 2
OR 95% CI
Modell 3
OR 95% CI
SE
0: Lägre (ref.)
1
1
1
1
1: Högre
4,23** (2,13
till 8,41)
3,99** (1,98 till
8,07)
4,45** (2,00 till
9,91)
3,05** (1,30 till
7,16)
ESS
1: Nej (ref.)
1
1
1
1
2: Ja
5,06* (1,11 till
22,99)
4,55 (0,96 till
21,59)
4,41 (0,87 till
22,22)
3,18 (0,61 till
16,59)
SEI
ti
1: Ja (ref.)
1
1
1
2: Nej 2,71* (1,23 till
6,00)
1,54 (0,62 till
3,84)
1,66 (0,64 till
4,27)
Kön
1: Man (ref.)
1
1
1
2: Kvinna
1,01 (0,51 till
1,98)
0,85 (0,37 till
1,98)
1,15 (0,47 till
2,84)
Ålder
1: 20-30 (ref.)
1
1
1
2: 31-40 0,73 (0,19 till
2,80)
0,89 (0,20 till 4,
04)
0,66 (0,14 till
3,17)
3: 41-50 0,89 (0,25 till
3,16)
1,46 (0,35 till
6,11)
1,23 (0,29 till
5,33)
4: 51-65
0,56 (0,17 till
1,84)
0,81 (0,21 till
3,09)
0,64 (0,61 till
2,52)
Födelseland
1: Sverige (ref.)
1
1
1
2: Annat land
0,86 (0,38 till
1,94)
1,73 (0,66 till
4,56)
1,63 (0,61 till
4,34)
Utbildning
1: Grundskola (ref.)
1
1
1
2: Gymnasieutbildning 0,83 (0,30 till
2,28)
0,80 (0,24 till
2,64)
0,61 (0,18 till
2,05
3: Eftergymnasial
1,13 (0,41 till
3,08)
0,99 (0,28 till
3,46)
0,69 (0,19 till
2,50)
SRH, t0
0: Lägre än bra (ref.)
1
1
1: Bra eller mycket bra
5,33** (2,45
till 11,60)
3,44** (1,37 till
8,65)
Nagelkerke
R square
18%
22%
27%
Binär logistisk regression för självskattad hälsa vid t1. Model 1 = SE +ESS, Model 2 = Model 1 +SEI +Kön +Ålder +Födelseland +Utbildning, Model 3 = Model 2 +SRH vid t0.
SE (Self-efficacy). ESS (Emotionellt socialt stöd). SEI (Socioekonomi). SRH (Självskattad hälsa).
OR (Odds ratio), CI (konfidensintervall). *P-värde < 0,05. **P-värde < 0,01 t0= Baslinjeenkät vid dag 110 som sjukskriven.
22
Self-efficacy och emotionellt socialt stöd som prediktorer för psykiskt välbefinnande
I grafen (se Figur 4) framställs hur emotionellt socialt stöd och psykiskt välbefinnande
fördelade sig vid uppföljningen. Utav de respondenter med ett upplevt emotionellt socialt stöd
vid studiens start skattade 75% av dem även en högre psykiskt välbefinnande vid uppföljningen.
Medan 60% av de som inte upplevt emotionellt socialt stöd eller lågt stöd skattade ett lägre
psykiskt välbefinnande vid uppföljningen.
Figur 4. Andelar personer med eller utan upplevt emotionellt stöd utifrån lägre och högre
psykiskt välbefinnande.
I den justerade binära logistiska regressionsanalysen predicerade en högre self-efficacy ett
högre psykiskt välbefinnande över tid (justerat OR 3,00; 95% CI 1,01 till 8,91), jämfört med en
lägre self-efficacy. På liknande sätt predicerade även upplevt emotionellt socialt stöd ett högre
psykiskt välbefinnande över tid (justerat OR 4,76; 95% CI 1,12 till 20,22), jämfört med de som
inte upplevt ett emotionellt socialt stöd. Det breda konfidensintervallet för variabeln emotionellt
socialt stöd påvisar att osäkerheten dock är stor. I modell 3 var Nagelkerkes R Square 42%. Se
Tabell 4.
23
Tabell 4.
Regressionsmodeller av predicerande variabler för högre psykiskt välbefinnande.
Variabel Crude
OR 95% CI
Modell 1
OR 95% CI
Modell 2
OR 95% CI
Modell 3
OR 95% CI
SE
0: Lägre (ref.)
1
1
1
1
1: Högre
2,99** (1,36 till
6,56)
2,86 *(1,27 till
6,41)
3,74** (1,49 till
9,38)
3,00* (1,01 till
8,91)
ESS
1: Nej (ref.)
1
1
1
1
2: Ja
4,59** (1,52 till
13,86)
4,48** (1,43 till
14,01)
7,05** (1,96 till
25,43)
4,76* (1,12 till
20,22)
SEI
1: Ja (ref.)
1
1
1
2: Nej 1,20 (0,55 till
2,60)
0,70 (0,28 till
1,78)
0,41 (0,14 till
1,23)
Kön
1: Man (ref.)
1
1
1
2: Kvinna
0,57 (0,25 till
1,27)
0,27* (0,09 till
0,78)
0,19** (0,05 till
0,67)
Ålder
1: 20-30 (ref.)
1
1
1
2: 31-40 0,95 (0,20 till
4,63)
0,83 (0,15 till
4,61)
0,49 (0,74 till
3,22)
3: 41-50 0,80 (0,18 till
3,59)
0,97 (0,19 till
4,96)
0,73 (0,12 till
4,42)
4: 51-65
0,74 (0,19 till
2,95)
0,75 (0,16 till
3,41)
0,47 (0,89 till
2,50)
Födelseland
1: Sverige (ref.)
1
1
1
2: Annat land
0,59 (0,21 till
1,68)
2,43 (0,77 till
7,66)
2,29 (0,64 till
8,27)
Utbildning
1: Grundskola (ref.)
1
1
1
2:Gymnasieutbildning 1,96 (0,66 till
5,85)
3,65 (0,98 till
13,63)
4,02 (0,84 till
19,14)
3: Eftergymnasial
1,21 (0,42 till
3,49)
2,06 (0,54 till
7,84)
2,90 (0,61 till
13,87)
GHQ-12, t0
0: Lägre (ref.)
1
1
1: Högre
9,85 ** (4,09 till
23,71)
10,89** (3,78
till 31,33)
Nagelkerke
R square
14%
22%
42%
Binär logistisk regression för psykiskt välbefinnande vid t1. Model 1 = SE +ESS, Model 2 = Model 1 +SEI +Kön +Ålder +Födelseland +Utbildning, Model 3 = Model 2 +GHQ-12 vid t0.
SE (Self-efficacy). ESS (Emotionellt socialt stöd). SEI (Socioekonomi). GHQ-12 (Psykiskt välbefinnande). OR (Odds ratio), CI (konfidensintervall). *P-värde < 0,05. **P-värde < 0,01
t0= Baslinjeenkät vid dag 110 som sjukskriven.
24
Self- efficacy som prediktor för arbetsförmåga
Det grafiska förhållandet mellan self-efficacy vid studiens start och arbetsförmåga vid
uppföljningen har redogjorts i grafen nedan (Figur 5.). Av de respondenter som upplevde en
högre self-efficacy vid studiens start skattade 56% en högre arbetsförmåga vid uppföljningen
medan 81% av de som upplevde en lägre self-efficacy också skattade en lägre arbetsförmåga.
Figur 5. Andelar personer med lägre respektive högre self-efficacy utifrån lägre och högre
arbetsförmåga.
I den justerade binära logistiska regressionsanalysen predicerade en högre self-efficacy en hög
arbetsförmåga (justerat OR 3,63; 95% CI 1,50 till 8,80) jämfört med en lägre self-efficacy.
Varken emotionellt socialt stöd eller socioekonomi vid t0 hade ett statistiskt signifikant
samband med arbetsförmåga vid t1 i de justerade modellerna. Socioekonomi vid t0 hade dock
samband med en högre arbetsförmåga vid t1 i den enkla (crude) regressionsmodellen. I modell
3 uppgick Nagelkerkes R Square till 36%. Se Tabell 5.
25
Tabell 5.
Regressionsmodeller av predicerande variabler för högre arbetsförmåga (WAS).
Variabel Crude
OR 95% CI
Modell 1
OR 95% CI
Modell 2
OR 95% CI
Modell 3
OR 95% CI
SE
0: Lägre (ref.)
1
1
1
1
1: Högre
5,37** (2,63 till
10,95)
4,80** (2,33 till
9,88)
4,60** (1,99 till
10,65)
3,63** (1,50 till
8,80)
ESS
1: Nej (ref.)
1
1
1
1
2: Ja
2,68 (0,74 till
9,79)
2,33 (0,6 till 9,09) 2,42 (0,57 till
10,24)
2,46 (0,56 till
10,78)
SEI
1: Ja (ref.)
1
1
1
2: Nej 4,98** (1,95 till
12,70)
2,84 (0,99 till
8,18)
3,02 (0,998 till
9,13)
Kön
1: Man (ref)
1
1
1
2: Kvinna
0,66 (0,33 till
1,30)
0,41* (0,17 till
1,00)
0,38* (0,15 till
0,98)
Ålder
1: 20-30 (ref.)
1
1
1
2: 31-40 0,42 (0,11 till
1,65)
0,27 (0,06 till
1,33)
0,23 (0,05 till
1,14)
3: 41-50 0,43 (0,12 till
1,56)
0,65 (0,15 till
2,77)
0,50 (0,11 till
2,08)
4: 51-65
0,23*(0,07 till
0,78)
0,28 (0,07 till
1,09)
0,23* (0,06 till
0,90)
Födelseland
1:Sverige (ref.)
1
1
1
2: Annat land
0,81 (0,35 till
1,86)
1,40 (0,50 till
3,99)
1,41 (0,47 till
4,21)
Utbildning
1: Grundskola (ref.)
1
1
1
2:
Gymnasieutbildning
1,96 (0,59 till
6,52)
2,89 (0,67 till
12,43)
2,54 (0,57 till
11,30)
3: Eftergymnasial
2,95 (0,89 till
9,78)
3,43 (0,75 till
15,76)
3,76 (0,80 till
17,65)
WAS, t0
0: Låg (ref.)
1
1
1: Hög
6,07** (2,03 till
18,10)
5,53** (1,51 till
20,23)
Nagelkerke
R square
19%
31%
36%
Binär logistisk regression för arbetsförmåga vid t1. Model 1 = SE +ESS, Model 2 = Model 1 +SEI +Kön +Ålder +Födelseland +Utbildning, Model 3 = Model 2 +WAS vid t0.
SE (Self-efficacy). ESS (Emotionellt socialt stöd). SEI (Socioekonomi). WAS (Arbetsförmåga).
OR (Odds ratio), CI (konfidensintervall). *P-värde < 0,05. **P-värde < 0,01 t0= Baslinjeenkät vid dag 110 som sjukskriven.
26
DISKUSSION
Syftet med studien var att undersöka om self-efficacy, socialt stöd och socioekonomi
predicerade hälsa, välbefinnande och arbetsförmåga för personer i slutet av en
sjukskrivningsperiod. Studiens resultat visade att oddset för att rapportera en god eller mycket
god självskattad hälsa var större vid en högre self-efficacy än vid en låg. Lika så ökade oddset
för ett högre psykiskt välbefinnande om personerna hade en högre self-efficacy och upplevde
emotionellt socialt stöd, jämfört med respektive variabels låga värden. Oddset för en högre
arbetsförmåga hade också samband med en högre self-efficacy. För en person som varit
sjukskriven en längre period och som initialt haft en högre self-efficacy ökar sannolikheten
för att även uppleva en högre självskattad hälsa, psykiskt välbefinnande och arbetsförmåga
över tid, jämfört med de personer som initialt haft en lägre self-efficacy. På samma sätt bidrar
upplevelsen av emotionellt socialt stöd till ett högre psykiskt välbefinnande över tid. Statistiskt
signifikanta samband framkom inte mellan utfallsvariablerna och socioekonomi i någon av de
justerade modellerna.
Resultatdiskussion
En högre self-efficacy predicerade en högre självuppskattad hälsa hos personer som varit
sjukskrivna en längre tid. Detta kan jämföras med resultat från tidigare forskning som visar att
sjukdomssituationen upplevs mer hanterbar i samband med en högre self-efficacy och bättre
allmän hälsa, samt att låg self-efficacy predicerar sämre allmän hälsa hos långtidssjukskrivna
kvinnor (Andersén et al., 2015). Den studiens resultat visade att en högre self-efficacy
predicerade ett högre psykiskt välbefinnande, vilket ligger i linje med tidigare forskning.
Psykisk ohälsa förekommer i större utsträckning när self-efficacy är låg och tenderar att minska
i samband med en högre self-efficacy (Andersson et al., 2014). Upplevelsen av depressiva
symtom förekommer i mindre utsträckning i samband med en högre self-efficacy och anses
underlätta för individen att hantera sjukdomssituationer (Andersén et al., 2015). Slutligen
predicerade emotionellt socialt stöd ett högre psykiskt välbefinnande i studien. De samband
som studien funnit speglar kontentan av teorin socialt stöd, framförallt emotionellt stöd som är
en viktig komponent för att uppleva ett högre psykiskt välbefinnande (Ashida & Heaney, 2008).
Tidigare forskning framhäver att avsaknaden av socialt stöd medför en ökad risk för social
isolering som i sin tur kan resultera i nedstämdhet och depression (White et al., 2019). Trots ett
statistiskt signifikant samband, tyder det vida konfidensintervallet på att osäkerheten är stor att
27
urvalet inte förutsäger studiepopulationens medelvärde och därmed indikerar att den slutgiltiga
modellens resultat inte är tillförlitlig när det gäller sambandet.
En högre self-efficacy predicerade en hög arbetsförmåga. I figur 3 tydliggjordes även
respondenternas fördelning av hög och låg arbetsförmåga utifrån lägre eller högre self-efficacy,
där det tydligt framgick att de som hade en lägre self-efficacy också upplevde en låg
arbetsförmåga. Likt tidigare forskning visar påverkar self-efficacy arbetsförmågan. Tidigare
studier har även påvisat samband mellan attityd till arbete, tidsförlopp vid arbetsåtergång och
self-efficacy (Andersén, 2017). En högre self-efficacy predicerar arbetsåtergång och en lägre
self-efficacy har ett negativt samband med arbetsåtergång, då self-efficacy tenderar att minska
i takt med att sjukskrivningen blir allt längre (Andersén et al., 2018; Volker et al., 2015). I
tidigare studier har det även framkommit att de med sämre allmän hälsa, låg motivation och
osäkerhet angående arbetsåtergång även rapporterar en lägre self-efficacy (Andersén, et al.,
2015). Teorin kring self-efficacy säger att self-efficacy har betydelse för motivationsnivån,
beslutsamheten att uppnå mål och förväntningarna på resultat. En låg self-efficacy förknippas
även med upplevelsen av bristfällig kontroll, vilket kan generera en långvarig stress och en
sämre hälsa (Andersén, 2017). Det hänger i sin tur ihop med utförandeförmågan som är en del
av arbetsförmågan, där hälsostatusen påverkar en persons möjlighet att kunna använda samtliga
förmågor som de besitter. En sämre hälsa innebär många gånger en lägre energinivå som i sin
tur påverkar motivationen, vilket speglar den tillfälliga utförandeförmågan och arbetsförmågan
(Nordenfelt, 2014).
Metoddiskussion
Andel förklarad varians i de justerade modellerna var relativt god. Nagelkerkes R Square
varierade från 27% till 42% beroende på utfall. Detta påvisar också att det fanns en hel del
oförklarad varians kvar i utfallen. Detta betyder att andra variabler, som inte var med i den här
studiens analyser, har betydelse för sjukskrivna personers hälsa, välbefinnande och
arbetsförmåga över tid. Studiens datamaterial användes som en kohort i den här studien, vilket
resulterade i både styrkor och svagheter.
28
Styrkor
Att Försäkringskassan ansvarade för rekryteringen av respondenter och hade en tydlig
urvalsram såsom inklusionskriteriet; risken att bli av med sjukpenning efter dag 180, medför
ett adekvat urval som stärker studiens externa validitet. Enkäten skickades ut i pappersform
vilket medförde risken att enkäterna inte blev fullständigt besvarade jämfört med online-
enkäter, vilket istället hade inneburit en exkluderingsrisk. Påminnelser i form av brev och
telefonsamtal vid samtliga enkätutskick kan i sin tur genererat det relativt låga externa bortfallet
mellan kohortens två mätpunkter. På grund av det låga bortfallen gjordes ingen bortfallsanalys
eller annan hantering av bortfallet, så som imputation av data (Sterne, White, Carlin, Spratt,
Royston, Kenward, Wood & Carpenter, 2009). Bortfallet bedöms inte heller vara av den
omfattningen att resultaten påverkas förändras avsevärt. En av de främsta fördelarna med att
använda en kohortstudie med en longitudinell design där samma variabler mäts vid två eller
fler tillfällen är att designen möjliggör för justerade analyser med de beroende variablernas
baslinjemätning. I den här studien användes det sista steget (modell 3) i regressionsmodellerna
för detta. När självskattad hälsa vid t1 var den beroende variabeln, justerades analysen för
självskattad hälsa vid t0. När psykiskt välbefinnande vid t1 var den beroende variabeln,
justerades analyserna för välbefinnande vid t0, och när arbetsförmåga vid t1 var utfall,
justerades analysen för arbetsförmåga vid t0. Att justera analyserna för baslinjens utfallsvärden
minskar risken för ”omvända” effekter som en rimlig förklaring till förhållandet mellan
prediktorer och utfallen vid uppföljning (Emberland och Knardahl, 2015).
Svagheter
Studiens deskriptiva statistik redogjorde bland annat för en hög medelålder (48år). Om det är
representativt för den tilltänkta studiegruppen har inte studien haft möjlighet att studera. I syfte
att få ett större urval har det föregående GESAM-projektets interventions- och kontrollgrupp
inkluderats i kohorten. Hur interventionen sedan har påverkat resultaten har inte analyseras, det
är dock rimligt att anta att interventionen inte påverkat resultaten i någon större utsträckning då
slutrapporten från GESAM-projektet inte visar på någon stark interventionseffekt (Anderzén et
al. 2020). Kohortens uppföljningstid var relativt kort då den näst sista enkäten i studien
användes för utfallen, detta på grund av att svarsfrekvens var sämre vid kohortens sista
mätpunkt och ett lågt internt bortfall eftersträvades.
29
Studiens val av frågeformulering för socioekonomi kan möjligtvis ha resulterat i uteblivna
statistiskt signifikanta resultat, vilket skiljer resultatet från tidigare forskningsresultat där en låg
socioekonomi korrelerar med liknande utfall (Glader et al., 2017). Övriga komponenter inom
socioekonomin har visats sig ha en komplicerad effekt på sambandet mellan socioekonomi och
arbetsåtergång, såsom inkomst och utbildning samt att tidsaspekten vid arbetsåtergång
tillsammans med sjukskrivningsperiodens längd kan påverka sambandet (Westerlind et al.,
2020). Dessa fynd har denna studie inte kunde redogöra för, då ovan nämnda komponenter
såsom inkomst inte inkluderats, samtidigt som utbildning inte genererade till några statistiskt
signifikanta resultat kopplat till arbetsförmåga.
Multikollineraritetsanalys genomfördes i samband med korrelationsanalyserna för att
kontrollera om de förekom starka korrelationer mellan de predicerande variablerna (Djurfeldt
et al., 2018). Med anledning av att variabeln instrumentellt socialt stöd korrelerade starkt med
emotionellt socialt stöd plockades det instrumentella stödet bort för att minska felkällorna i
regressionsmodellerna. Detta försvårade i sin tur jämförelsen med resultat från tidigare
forskning som påvisat att det sociala stödet från arbetsgivare och kollegor påverkar mest vid
korrelation mellan socialt stöd och återgång till arbete, då det sociala stödet från arbetsgivare
och kollegor ingår i det instrumentella stödet (Ashida & Heaney, 2008; White et al., 2019).
Därav kan studiens uteblivna statistiskt signifikanta resultat med emotionellt socialt stöd till
viss del grunda sig i valet att enbart utgå ifrån komponenten emotionellt socialt stöd som syftar
till att mäta nära relationer. Hade värderande-, informativt- och instrumentellt stöd inkluderats
i studien hade det eventuellt genererat andra resultat, då både arbetsgivare, handläggare och
kollegor erbjuder stöd som tillhör resterande komponenter i socialt stöd (Ashida & Heaney,
2008).
Reliabilitet och validitet
Predicerande variabler
Utifrån rapporten Aktivitetsförmågeutvärderingar 2015:8 (Inspektionen för
Socialförsäkringen, 2015) formulerades enkätfrågan som användes för att mäta self-efficacy
och avser att mäta respondenternas situationsspecifika self-efficacy angående deras tilltro att
kunna återgå till arbete om sex månader. Variabeln emotionellt socialt stöd är utformad och
använd av projektet GESAM (Anderzén et al. 2020), vilket denna studiens datamaterial
30
ursprungligen tillhör. GESAM formulerade variabeln med stöd från den emotionella delen av
teorin socialt stöd (Ashida & Heaney, 2008). Variabeln saknar därav resultat från reliabilitets
och validitetsstudier. Enkätfrågan som syftar att mäta socioekonomi har sitt ursprung i
Folkhälsomyndigheten nationella folkhälsoenkät. Enkätfrågan avser att mäta det ekonomiska
förhållandet utifrån ekonomisk kris och är en av folkhälsoenkätens enkätfrågor som syftar till
att studera socioekonomisk status (Folkhälsomyndigheten, 2018). Med stöd från Statistiska
centralbyrån har Folkhälsomyndighetens frågeformuleringar inom socioekonomi i den
nationella folkhälsoenkäten valt att mäta socioekonomisk status utifrån utbildningsnivå och
ekonomisk tillgång. Valet grundar sig på att Statistiska centralbyrån har granskat
socioekonomisk indelning (SEI) och anser att den är en föråldrad klassificering av
socioekonomi som enbart mäts utifrån yrkestillhörighet (Statistiska centralbyrån [SCB], u.å;
Statistiska centralbyrån [SCB], 1984). Därav hänvisar Statistiska centralbyrån istället till att
utbildningsnivå och ekonomiska resurser i kombination eller var för sig, bättre beskriver en
persons socioekonomiska status (Statistiska centralbyrån [SCB], u.å; Glader, et.al., 2017;
Westerlind et.al., 2020).
Utfallsvariabler
Variabeln självskattad hälsa (Statistiska centralbyrån, 2018) kodades om från en ordinalskala
till binär variabel med stöd från valideringsstudie och är validerad för att kunna mäta
befolkningens hälsa och används vanligtvis när hälsomått med index inte är lämpligt att
använda (Baćak & Ólafsdóttir, 2017). Mätinstrumentet anses vara ett effektivt mått på fysisk
och mental hälsa framförallt för kvinnor (Baćak & Ólafsdóttir, 2017). Variabeln psykiskt
välbefinnande kodades om till binär variabel med stöd från en valideringsstudie av GHQ-12
(Goldberg et al., 1997). Variabeln arbetsförmåga är den svenska översättningen av WAS (Work
Ability Score) som i sin tur ingår som enkätfrågan i WAI (Work Ability Index) (Ilmarinen,
2007) och har som enskild variabel validerats i syfte att mäta arbetsförmåga. Med stöd från ett
index till WAS har variabeln omformulerats från en ordinalskala mellan noll och tio till en binär
variabel (Kinnunen & Nätti, 2018).
31
Forskningsetiska överväganden
Den föreliggande studien genomfördes enligt de forskningsetiska principerna;
informationskrav, samtyckeskrav, konfidentialiteskrav samt nyttjandekrav (Vetenskapsrådet,
2002). Därtill har även datamaterialets ursprungliga projekts etiska övervägande, att
datamaterialet förblir inlåst och inte lämnar forskargruppens institution som ansvarade för
utvärderingen av GESAM, uppfyllts. Detta har i sin tur godkänts av Etikprövningsnämnden
(numera Etikprövningsmyndigheten) (Dnr 2017/317). Informationsbrev och samtyckesblankett
tilldelades respondenterna i samband med utskicket av första enkätformuläret. Därtill
tydliggjordes att deltagandet i studien inte skulle kunna påverka pågående handläggning hos
Försäkringskassan samt att det var möjligt att avbryta sitt deltagande under tiden studien pågick.
Enskilda individers svar var inte möjliga att identifiera efter att analyserna genomförts. Studien
utgick sedan enbart utifrån variabler, utvalda i syfte att kunna besvara studiens syfte och
frågeställningar.
Kliniska implikationer
Utifrån studiens resultat och tidigare forskning kan det vara fördelaktigt att erbjuda stöd för en
högre self-efficacy i syfte att förbättra självskattad hälsa, välbefinnande och arbetsförmåga vid
återgång till arbete. För att en person med låg self-efficacy ska uppnå en högre self-efficacy
anser Bandura att hen är i behov av stöttning och vägledning för att skapa nya tankemönster
(Andersén, 2017). Det medför nya utmaningar för myndigheterna och andra parter att erbjuda
den typen av stöd till sjukskrivna personer. Framförallt behövs individuellt stöd till de som
saknar arbetsgivare, eftersom arbetsgivaren i vanliga fall är ansvarig för att återgång till arbetet
sker på ett organiserat sätt. Samtalscoacher hos Försäkringskassan och Arbetsförmedlingen
skulle till exempel kunna bidra till att tillgodose målgruppens behov av stöttning för en bättre
upplevd hälsa och arbetsförmåga vilket i sin tur skulle kunna resultera i en hållbar
arbetsåtergång och därmed minska risken att en andra sjukskrivningsperiod uppstår kort efter
den första.
De som saknar arbetsgivare i slutskedet av sjukskrivningsperioden saknar också tillgång till de
avgörande faktorerna kollegor och arbetsgivare vid återgång till arbete (White et al., 2019).
Dessa faktorer betonas i Socialdepartementets nya rehabiliteringsförslag som viktiga för en
bättre arbetsåtergång (Socialdepartementet, 2020). Försäkringskassan och Arbetsförmedlingen
32
skulle därför kunna erbjuda målgruppen ett individuellt stöd som stärker self-efficacy och
upplevelsen av ett socialt stöd. Detta för att samtliga, även de utan arbete, ska kunna uppnå en
bättre upplevd hälsa, välbefinnande och arbetsförmåga vid slutet av sjukskrivningsperioden.
Framtida forskning
Studier om rehabiliteringsinsatser för att främja tidigare återgång till arbete vid sjukskrivning
orsakad av psykisk ohälsa efterfrågas (Socialdepartementet, 2020). Studiens resultat, samt stöd
från tidigare forskning som visar att self-efficacy och emotionellt socialt stöd predicerar
psykiskt välbefinnande, indikerar att en interventionsstudie med insatser att främja till högre
self-efficacy och socialt stöd är aktuellt att studera. Därtill har interventionsstudier och
effektutvärderingar utifrån socialt stöd och återgång till arbete efterfrågas (White et al., 2019).
Sambandet mellan self-efficacy och arbetsförmåga har bekräftats i många studier, däremot
efterfrågas evidens för vad som stärker self-efficacy i samband med att personen i fråga är
sjukskriven, då self-efficacy även tenderar att minska i takt med att sjukskrivningen blir allt
längre (Vingård, 2015; Volker et al., 2015; Lagerveld, Brenninkmeijer, Blonk, Twisk,
Schaufeli, 2017; Andersén et al., 2018).
Slutsats
Studiens resultat påvisar att en högre self-efficacy predicerade självskattad hälsa, psykiskt
välbefinnande och arbetsförmåga hos personer som varit sjukskrivna en längre tid och är i fasen
att gå ur sjukskrivningen. Emotionellt socialt stöd predicerade högre psykiskt välbefinnande för
målgruppen. Utifrån studiens resultat och med stöd från tidigare forskning har en del av
målgruppens behov identifieras. Det kan vara fördelaktigt att påverka faktorer som self-efficacy
och socialt stöd för att öka sjukskrivna personers hälsa och arbetsförmåga vilket eventuellt kan
bidra till att fler återvänder till arbete efter en sjukskrivningsperiod.
33
REFERENSER
Anderzén, I., Andersén, Å., Larsson, K., Wiholm, C., Berglund, E. & Halvardsson, J. (2020).
Gemensam Samordning [GESAM] – Utvärdering av en samarbetsmodell mellan
Försäkringskassan och Arbetsförmedlingen (Slutrapport, Dnr 2020/97). Uppsala:
Institutionen för folkhälsa- och vårdvetenskap, Uppsala Universitet.
Andersén, Å. (2017). Self-efficacy, vocational rehabilitation and transition to work.
(Doktorsavhandling, Uppsala Universitet, Uppsala). Hämtat 2020-05-20 från: http://uu.diva-
portal.org/smash/get/diva2:1137663/FULLTEXT01.pdf
Andersén, Å., Larssona, K., Lytsya, P., Kristiansson, P., & Anderzén, I. (2015). Predictors of
self-efficacy in women on long-term sick leave. International Journal of Rehabilitation
Research. Vol. 38(4), 320-326. doi: 10.1097/MRR.0000000000000129
Andersson, L.M., Moore, C.D., Hensing, G., Krantz, G. & Staland-Nyman, C. (2014). General
self-efficacy and its relationship to self-reported mental illness and barriers to care: A general
population study. Community Ment Health Journal. 50(6), 721–728. Doi: 10.1007/s10597-014-
9722-y.
Ashida S. & Heaney C. A. (2008). Differential Associations of Social Support and Social
Connectedness With Structural Features of Social Networks and the Health Status of Older
Adults. Journal of Aging and Health. 20(7), 872-893. Doi: 10.1177/0898264308324626
Baćak V. & Ólafsdóttir S. (2017). Gender and validity of self-rated health in nineteen
European countries. Scandinavian Journal of Public Health. 45, 647–653.
Doi:10.1177/1403494817717405
34
Bandura A. (1977). Self-efficacy: toward a unifying theory of behavioural change.
Psychological Review. 84, 191-215.
Bandura A. (2004). Health promotion by social cognitive means. Sage Journals: Health
Education & Behavior. 31,143-164.
Barmark, M. & Djurfeldt, G. (2009). Logistisk regression. In A. Djurfeldt, G. & Barmark, M.
(Red.). Statistisk verktygslåda 2- Multivariat analys. (s. 124-148). Lund: Studentlitteratur.
Berglund, E., Lytsy, P. & Westerling, R. (2015). Health and wellbeing in informal caregivers
and non-caregivers: a comparative cross-sectional study of the Swedish general population.
Health and Quality of Life Outcomes. 13:109. Doi: 10.1186/s12955-015-0309-2
Djurfeldt, G., Larsson, R., Stjärnhagen, O. (2018). Statistisk verktygslåda 1-
Samhällsvetenskaplig orsaksanalysmed kvalitativa metoder (3 uppl.). Lund: Studentlitteratur.
Ekberg, K. (2014). Långtidssjukskrivning och rehabilitering för återgång i arbete. I A. K.
Ekberg (Red.). Den relativa arbetsförmågan- teoretiska och praktiska perspektiv (s. 145-162).
Lund: Studentlitteratur.
Emberland, J. S. & Knardahl, S. (2015). Contribution of psychological, social, and mechanical
work exposures to low work ability: a prospective study. Journal of Occupational and
Environmental Medicine. 57(3), 300-314. DOI: 10.1097/JOM.0000000000000353
Field, A. (2018). Discovering statistics using IBM SPSS statistics (5 uppl.). California: Sage
Publications inc.
35
Folkhälsomyndigheten (2018). Syfte och bakgrund till frågorna i nationella folkhälsoenkäten
- Hälsa på lika villkor år 2018 (Artikelnummer: 18083).
https://www.folkhalsomyndigheten.se/contentassets/d16468d6725b48f7bfbad5f56c9a81cf/syf
te-bakgrund-nationella-folkhalsoenkaten-2018.pdf
Försäkringskassan. (2017a). Sjukfrånvarons utveckling- Sjuk- och rehabiliteringspenning.
Socialförsäkringsrapport 2017:13. Hämtad 2020-04-29 från:
https://www.forsakringskassan.se/wps/wcm/connect/1596d32b-7ff7-4811-8215-
d90cb9c2f38d/socialforsakringsrapport-2017-13.pdf?MOD=AJPERES&CVID=
Försäkringskassan. (2017b). Vad händer efter avslutad sjukpenning? Sysselsättning och
försörjning för de som får avslag eller avslutar sjukpenning dag 180–365.
Socialförsäkringsrapport 2018:8. Hämtad: 2020-05-12 från:
https://www.forsakringskassan.se/wps/wcm/connect/404b35b9-ea6a-47b4-9a37-
c8fb7ef38c3e/socialforsakringsrapport-2018-08.pdf?MOD=AJPERES&CVID=
Försäkringskassan (2020). Socialförsäkringen i siffror 2020. Hämtad 2020-07-25, från:
https://www.forsakringskassan.se/wps/wcm/connect/dae19b87-ace6-4cda-a577-
05af925b0317/socialforsakringen-i-siffror-2020.pdf?MOD=AJPERES&CVID=
Glader, E-L., Jonsson, B., Norrving, B. & Eriksson, M.(2017). Socioeconomic factors effect on
return to work after first stroke. Acta Neurologica Scandinavica. 135(6), 608-613. DOI:
10.1111/ane.12639
Goldberg, D. P., Gater, R., Sartorius, N., Ustun, T. B., Piccinelli, M., Gureje, O. & Rutter, C.
(1997). The validity of two versions of the GHQ in the WHO study of mental illness in general
health care. Psychological Medicine. 27(1):191-197.
36
Ilmarinen, J. (2007). The Work Ability Index (WAI). Occupational Medicine. 57(2):160.
doi:10.1093/occmed/kqm008. Hämtad https://doi-
org.ezproxy.its.uu.se/10.1093/occmed/kqm008
Inspektionen för socialförsäkringen. (2015). Aktivitetsförmågeutredningar. (Rapport 2015:8).
Stockholm: Elanders Sverige AB. Hämtad http://62.13.72.13/fb/ISF/Rapport%202015-
8_ny/HTM/files/assets/basic-html/page-1.html
Kinnunen, U. &Nätti, J. (2018). Work ability score and future work ability as predictors of
register-based disability pension and long-term sickness absence: A three-year follow-up
study. Scandinavian Journal of Public Health. 46, 321–330. Doi:10.1177/1403494817745190
Lagerveld, S. E., Brenninkmeijer, V., Blonk, R. W. B., Twisk, J. & Schaufeli, W.B., (2017).
Predictive value of work-related self-efficacy change on RTW for employees with common
mental disorders. Occupational and Environmental Medicine. 74(5), 381-383.
doi:10.1136/oemed-2016-104039
Nordenfelt, L. (2014). Begreppet arbetsförmåga. I A. K. Ekberg (Red.). Den relativa
arbetsförmågan- teoretiska och praktiska perspektiv (s. 29-56). Lund: Studentlitteratur.
Pellmer, K., Wramner, H. & Wramner, B. (2017). Grundläggande folkhälsovetenskap. Uppl.
4. Liber.
Proposition 2007/08:136. En reformerad sjukskrivningsprocess för ökad återgång i arbete.
Stockholm: Socialdepartementet. Hämtad: 2020-04-22 från
https://www.regeringen.se/49bbdd/contentassets/b0cf04fc987642e7975e522c3c4bca31/en-
reformerad-sjukskrivningsprocess-for-okad-atergang-i-arbete-prop.-200708136
37
Proposition 2017/18:249. God och jämlik hälsa—En utvecklad folkhälsopolitik. Stockholm:
Socialdepartementet. Hämtad: 2020-05-30 från https://data.riksdagen.se/fil/7DFAC6CD-
6BBC-476E-BB21-740C5A575867
Riksrevisionen. (2020). Vägen till arbete efter nekad sjukpenning. (RIR 2020:12) hämtat 2020-
06-20 från:
https://www.riksrevisionen.se/download/18.4380d8a11719cdf24ab9d2b/1587559541561/RiR
%202020_12%20Anpassad.pdf
Statistiska centralbyrån [SCB].(1984). Socioekonomisk indelning (SEI). 1982:4. Hämtat:
2020-04-05 från:
https://www.scb.se/contentassets/6ffc47f46c8d4391a5798b7757af29df/ov9999_1982a01_br_
x11op8204.pdf
Statistiska centralbyrån [SCB].(u.å). Socioekonomisk indelning (SEI). Hämtad:2020-04-05
från https://www.scb.se/dokumentation/klassifikationer-och-standarder/socioekonomisk-
indelning-sei/
Socialdepartementet. (2017). Regleringsbrev till Försäkringskassan 2018.(Regeringsbeslut).
Hämtat 2020-02-10 från:
file:///C:/Users/46708/Downloads/Myndighet_F%C3%B6rs%C3%A4kringskassan%20(1).pd
f
Socialdepartementet. (2015). Åtgärdsprogram för ökad hälsa och minskad sjukfrånvaro.
(Rapport). Hämtad 2020-02-10 från:
https://www.regeringen.se/4a767f/contentassets/20f4ccc25f584197ae79ff937f6fcba5/atgardsp
rogram-for-okad-halsa-och-minskad-sjukfranvaro.pdf
38
Statens beredning för medicinsk utredning. (2003). Sjukskrivning: orsaker, konsekvenser och
praxis. En systematisk litteraturöversikt (SBU-rapport 167). Göteborg: Elanders Graphic
Systems.
https://www.sbu.se/contentassets/20cf3afd857a4e7797b0ad59971398ff/sjukskrivning.pdf
Statistiska centralbyrån. (2018). Teknisk rapport- En beskrivning av genomförande och
metoder. Stockholm: SCB. Hämtad: 2020-03-13 från
https://www.folkhalsomyndigheten.se/contentassets/9b1b216c596a487ca6c6aa6dc413efb4/te
knisk-rapport-med-bilagor-hlv-2018.pdf
Sterne, J. A. C., White, I. R., Carlin, J. B., Spratt, M., Royston, P., Kenward, M.G., Wood A.
M. & Carpenter, J. R. (2009). Multiple imputation for missing data in epidemiological and
clinical research: potential and pitfalls. BMJ: British Medical Journal, 339 (7713), 157-160.
Vetenskapsrådet (2002). Forskningsetiska Principer- inom humanistisk- samhällsvetenskaplig
forskning. Elanders Gotab
Vingård, E. (2015). Psykisk ohälsa, arbetsliv och sjukfrånvaro – En kunskapsöversikt.
Hämtad 2020-02-05 från: https://forte.se/app/uploads/2015/04/psykisk-ohalsa-arbetsliv-
sammanfattning.pdf
Volker, D., Zijlstra-Vlasveld, M.C., Brouwers, E.P., van Lomwel, A.G., van der FeltzCornelis,
C.M. (2015). Return-to-work self-efficacy and actual return to work among long-term sick-
listed employees. Journal of Occupational Rehabilitaton. 25(2), 423–431. DOI:
10.1007/s10926-014-9552-3
39
Westerlind, E., Persson, H. C., Eriksson, M., Norrving, B. & Sunnerhagen, K. S. (2020). Return
to work after stroke: A Swedish nationwide registry‐based study. Acta Neurologica
Scandinavica. 141(1), 56-64. DOI: 10.1111/ane.13180
White C., Green R. A., Ferguson S. Anderson S. L., Howe C., Sun J. och Buys, N. (2019).
The Influence of Social Support and Social Integration Factors on Return to Work Outcomes
for Individuals with Work-Related Injuries: A Systematic Review. Journal of Occupational
Rehabilitation. 29(3), 636–659. https://doi.org/10.1007/s10926-018-09826-x
40
BILAGA 1 INFORMATIONSBREV
Uppföljning av GESAM
Hej och stort tack för att du vill delta och svara på frågor i projekt GESAM!
Du har tidigare tackat ja och besvarat en enkät i projektet och nu har vi kommit fram till enkät 3 (av 4)
som vi hoppas att du också vill besvara. Genom att delta i projektet har du möjlighet att bidra till
forskingen om sjukförsäkringen, och påverka myndigheternas framtida arbetssätt. Deltagande i studien
är frivilligt och du kan när som helst avbryta ditt deltagande. Svaren vi erhåller från enkäterna samt den
information som inhämtas från Försäkringskassan kommer att behandlas konfidentiellt av personal vid
Uppsala universitet. Dina personuppgifter kommer att avidentifieras innan de analyseras och det
kommer inte vara möjligt att identifiera enskilda individers svar vid redovisning av resultaten. Att delta i
projektet kommer inte påverka handläggningen av ditt ärende.
Vi ber dig nu att fylla i bifogad enkät 3 och returnera den i bifogat svarskuvert till Uppsala universitet så
snart som möjligt. På nästa sida finns mer information om projektet. Har du frågor kontakta gärna Irene
eller Åsa enligt nedan.
Ditt deltagande är mycket värdefullt för oss i vår forskning!
Med vänliga hälsningar
Irene Nyman, projektledare GESAM
Försäkringskassan, Telefon: 010-111 40 25 E-post: [email protected]
Åsa Andersén, forskare
Socialmedicinsk epidemiologi Uppsala Universitet, Telefon: 018-4716575 E-post: [email protected]
Projekt GESAM
41
Projekt GESAM
Syftet med projektet är att förbättra övergången från Försäkringskassan till Arbetsförmedlingen för
personer som efter 180 dagars sjukskrivning inte kan återgå i sitt vanliga arbete men som bedöms
kunna utföra ett annat arbete på arbetsmarknaden.
Deltagarna i projektet kommer slumpmässigt att delas in i två grupper. En grupp som får det vanliga
stödet från sin handläggare på Försäkringskassan, och en grupp som utöver detta också erbjuds
fördjupade samtal med projektets medarbetare. Det gör vi för att kunna jämföra grupperna och se om
det är någon skillnad i hur man upplever stödet från Försäkringskassan. Det är Uppsala universitet som
gör denna jämförelse och utvärdering.
Vi kommer även att skicka ut enkäter till deltagarna för att höra hur de upplever sin situation. Svaren
från enkäterna betyder mycket för oss och är till stor hjälp i hur vi kan förbättra vår service och bli bättre
på att ge ett bra stöd. Du får din första enkät med det här brevet.
För att vi även ska kunna följa upp och statistiskt utvärdera projektet behöver vi samtycke att spara vissa
uppgifter om deltagarna i en databas. Du kan läsa mer om vad detta innebär i de tidigare utskickade
samtyckesblanketterna.
42
BILAGA 2 SAMTYCKESBLANKETT
Information om deltagande i ett forskningsprojekt
GESAM (gemensam samordning) är ett forskningsprojekt som bedrivs vid Försäkringskassan
i samverkan med Arbetsförmedlingen och Uppsala universitet.
Syftet med projektet är att erbjuda personer som riskerar att inte längre få någon sjukpenning
extra stöd innan eventuell övergång till Arbetsförmedlingen. Målsättningen är att ge deltagarna
ökade förutsättningar för återgång i arbete. Projektet kommer att utvärderas av forskare vid
Uppsala universitet.
Ditt deltagande i projektet påverkar inte den ordinarie handläggningen eller övergången till
Arbetsförmedlingen.
Du tillfrågas härmed om deltagande i detta projekt
De deltagare som tackar ja kommer slumpmässigt att delas in i två grupper. En grupp får stöd
genom ordinarie handläggning på Försäkringskassan. En andra grupp får utöver ordinarie
handläggning ökat stöd genom fördjupad information och motivationshöjande samtal med
projektets medarbetare. Stödet ges utifrån behov och önskemål.
Du kan dock inte själv välja vilken grupp du hamnar i. Ditt deltagande påverkar inte den
ordinarie handläggningen eller övergången till Arbetsförmedlingen.
Vid fyra tillfällen kommer du att få ett brev hem med enkäter som vi ber dig att fylla i. Vi
kommer även att inhämta uppgifter om din sjukskrivning, insatser och sysselsättning från
Försäkringskassans och Arbetsförmedlingens handlingar. Uppgifterna kommer att delas mellan
myndigheterna och universitetet. Av denna anledning finns även en separat samtyckesblankett
från SUS (system för uppföljning av samverkan) i detta brev. Några deltagare kommer även att
tillfrågas om att bli intervjuade i projektet.
Deltagande i studien är frivilligt och du kan när som helst avbryta ditt deltagande utan närmare
motivering. Svaren vi erhåller från enkäterna samt den information som inhämtas från
Försäkringskassan och Arbetsförmedlingens handlingar kommer att behandlas konfidentiellt av
forskargruppen vid Uppsala universitet. Dina personuppgifter kommer att avidentifieras innan
de analyseras och det kommer inte vara möjligt att identifiera enskilda individers svar vid
redovisning av resultaten. Hanteringen av dina personuppgifter regleras av
personuppgiftslagen, PuL (1998:204). Enligt PuL har du rätt att gratis en gång per år få ta del
av de uppgifter om dig som hanteras och vid behov få eventuella fel rättade. Projektet omfattas
och regleras även av etikprövningslagen samt offentlighets- och sekretesslagen.
Vill du delta i projektet fyll i uppgifterna i samtyckena och den första enkäten. Skicka sedan
samtyckena och enkäten i bifogat kuvert.
43
Du kan när som helst utan närmare motivering välja att avbryta ditt deltagande och därmed
återkalla samtycket.
Samtycke
Jag har tagit del av ovanstående information om vad deltagande i GESAM-projektet innebär
och har haft möjlighet att ställa frågor om forskningsprojektet och lämnar mitt samtycke till att
delta i projektet.
Jag ger även mitt tillstånd till behandling av personuppgifter enligt beskrivningen i
forskningsinformationen även till utbyte av nödvändig information mellan Arbetsförmedlingen,
Försäkringskassan och Uppsala Universitet för att möjliggöra utvärdering av projektet.
Samtycket avser de uppgifter som är nödvändiga inom ramen för projektet och gäller under den
tid som behövs för att utvärdera insatserna i projektet.
......................................................................................................................................... Namn
.......................................................................................................................................... Ort och datum
Du kommer inom kort att kontaktas av Försäkringskassan.
Vid frågor om studien, kontakta: Ansvarig för studien är
Forskare Åsa Andersén, Docent Ingrid Anderzén
Telefon: 018-471 65 75, e-post: [email protected]
e-post: [email protected]
Vid frågor om projektet, kontakta:
Projektledare Irene Nyman, Försäkringskassan,
Telefon: 010-111 40 25,
e-post: [email protected]
Samtyckena och enkäten skickas tillsammans med bifogat kuvert till:
Åsa Andersén, Institutionen för folkhälso- och vårdvetenskap, Socialmedicinsk epidemiologi,
Box 564, 751 22 Uppsala.
44