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

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

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).

https://journals-sagepub-com.ezproxy.its.uu.se/doi/10.1177/1403494817717405




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

http://uu.diva-portal.org/smash/get/diva2:1137663/FULLTEXT01.pdf

http://uu.diva-portal.org/smash/get/diva2:1137663/FULLTEXT01.pdf



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.

https://doi.org/10.1097/jom.0000000000000353

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.

https://www.forsakringskassan.se/wps/wcm/connect/1596d32b-7ff7-4811-8215-d90cb9c2f38d/socialforsakringsrapport-2017-13.pdf?MOD=AJPERES&CVID=

https://www.forsakringskassan.se/wps/wcm/connect/1596d32b-7ff7-4811-8215-d90cb9c2f38d/socialforsakringsrapport-2017-13.pdf?MOD=AJPERES&CVID=

https://www.forsakringskassan.se/wps/wcm/connect/404b35b9-ea6a-47b4-9a37-c8fb7ef38c3e/socialforsakringsrapport-2018-08.pdf?MOD=AJPERES&CVID=

https://www.forsakringskassan.se/wps/wcm/connect/404b35b9-ea6a-47b4-9a37-c8fb7ef38c3e/socialforsakringsrapport-2018-08.pdf?MOD=AJPERES&CVID=

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

https://doi-org.ezproxy.its.uu.se/10.1093/occmed/kqm008

https://doi-org.ezproxy.its.uu.se/10.1093/occmed/kqm008

http://62.13.72.13/fb/ISF/Rapport%202015-8_ny/HTM/files/assets/basic-html/page-1.html

http://62.13.72.13/fb/ISF/Rapport%202015-8_ny/HTM/files/assets/basic-html/page-1.html

https://www.regeringen.se/49bbdd/contentassets/b0cf04fc987642e7975e522c3c4bca31/en-reformerad-sjukskrivningsprocess-for-okad-atergang-i-arbete-prop.-200708136

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

https://data.riksdagen.se/fil/7DFAC6CD-6BBC-476E-BB21-740C5A575867

https://data.riksdagen.se/fil/7DFAC6CD-6BBC-476E-BB21-740C5A575867

https://www.riksrevisionen.se/download/18.4380d8a11719cdf24ab9d2b/1587559541561/RiR%202020_12%20Anpassad.pdf

https://www.riksrevisionen.se/download/18.4380d8a11719cdf24ab9d2b/1587559541561/RiR%202020_12%20Anpassad.pdf

https://www.scb.se/contentassets/6ffc47f46c8d4391a5798b7757af29df/ov9999_1982a01_br_x11op8204.pdf

https://www.scb.se/contentassets/6ffc47f46c8d4391a5798b7757af29df/ov9999_1982a01_br_x11op8204.pdf

https://www.scb.se/dokumentation/klassifikationer-och-standarder/socioekonomisk-indelning-sei/

https://www.scb.se/dokumentation/klassifikationer-och-standarder/socioekonomisk-indelning-sei/

https://www.regeringen.se/4a767f/contentassets/20f4ccc25f584197ae79ff937f6fcba5/atgardsprogram-for-okad-halsa-och-minskad-sjukfranvaro.pdf

https://www.regeringen.se/4a767f/contentassets/20f4ccc25f584197ae79ff937f6fcba5/atgardsprogram-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

https://www.sbu.se/contentassets/20cf3afd857a4e7797b0ad59971398ff/sjukskrivning.pdf

https://www.folkhalsomyndigheten.se/contentassets/9b1b216c596a487ca6c6aa6dc413efb4/teknisk-rapport-med-bilagor-hlv-2018.pdf

https://www.folkhalsomyndigheten.se/contentassets/9b1b216c596a487ca6c6aa6dc413efb4/teknisk-rapport-med-bilagor-hlv-2018.pdf

https://forte.se/app/uploads/2015/04/psykisk-ohalsa-arbetsliv-sammanfattning.pdf

https://forte.se/app/uploads/2015/04/psykisk-ohalsa-arbetsliv-sammanfattning.pdf

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

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

about:blank

about:blank

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.

mailto:[email protected]

mailto:[email protected]

Prediktorer för hälsa, välbefinnande och arbetsförmåga för ...1469785/FULLTEXT01.pdf ·...

Documents

Transcript of Prediktorer för hälsa, välbefinnande och arbetsförmåga för ...1469785/FULLTEXT01.pdf ·...