Als zorgverlener zie je het dagelijks: patiënten die terugkomen met dezelfde klachten, die hun medicatie niet kunnen betalen, die afspraken missen omdat ze geen kinderopvang kunnen regelen. We schrijven recepten uit, geven leefstijladviezen, verwijzen door. Maar hoeveel impact hebben we werkelijk als de patiënt terugkeert naar omstandigheden die hen ziek maken? Gezondheidsongelijkheden, gedefinieerd als vermijdbare en onrechtvaardige verschillen in ziekte en levensverwachting, zijn diep geworteld in structurele, niet-medische factoren (WHO).

De werkelijke omvang van het probleem

Gezondheidsongelijkheid is geen randprobleem dat alleen kwetsbare minderheden treft. De realiteit is veel urgenter: in Nederland leven mensen in de minst welvarende omstandigheden gemiddeld 8 jaar korter en maar liefst 24 jaar langer met ziekten dan mensen in de meest welvarende omstandigheden. In Europa is het verschil in gezonde levensverwachting inmiddels opgelopen tot 18 jaar.

Dit treft mogelijk de helft van onze patiëntenpopulatie. Niet alleen mensen van kleur, maar ook de 82 miljoen mensen in rurale gebieden van de VS, de 37 miljoen Amerikanen in armoede, en in België en Nederland met name mensen met een lagere scholingsgraad. De WHO-doelstellingen uit 2008 (zoals het verkleinen van de kloof in levensverwachting en het terugdringen van kinder- en moedersterfte gaan) gaan we hoogstwaarschijnlijk niet halen.

Waarom individuele interventies falen

De ongemakkelijke waarheid: is dat de omstandigheden waarin mensen leven – huisvesting, inkomenszekerheid, opleidingsniveau – een grotere invloed op gezondheid hebben dan genetica of zelfs toegang tot zorg. Toch blijven we interventies ontwikkelen die zich richten op individuele gedragsverandering: budgettraining, beweegcoaches, voedingsadvies en lifestylecoaches. Dit is niet alleen ondoeltreffend, het is ook stigmatiserend. We behandelen symptomen terwijl de onderliggende oorzaken – armoede, schuldenstress, slechte huisvesting – onaangeroerd blijven. Het aanpakken van de context van de patiënt is een voorwaarde voor effectieve medische behandeling. Een diabetespatiënt adviseren over gezonde voeding, terwijl diegene moet kiezen tussen eten of de huur betalen, is een oefening in zinloosheid.

De gezondheidsongelijkheid die we waarnemen is geen individueel falen, maar het resultaat van een mondiale ‘polycrisis’: Een polycrisis doet zich voor wanneer crises in meerdere systemen causaal verstrengeld raken op een manier die de vooruitzichten van de mensheid aanzienlijk verslechteren. Deze op elkaar inwerkende crises veroorzaken schade die groter is dan de som van de schade die de crises afzonderlijk zouden veroorzaken, als de systemen niet zo nauw met elkaar verbonden waren* Maar hierover later meer.

Tools en aannames

Ongelijkheid in zorg kan ook komen door het gebruik van apparatuur die niet op een donkere huid is getest of gekalibreerd. Zoals de pulsoximeter die zuurstofgehaltes overschat bij mensen met een donkere huid, wat kan leiden tot onderbehandeling. Door gebruik van alleen rood licht om het zuurstofgehalte perifeer te meten wordt het perifere zuurstofgehalte systematisch hoger ingeschat dan dat het artiele zuurstofgehalte laat zien. Of denk aan de jarenlange onderschatting van pijnbeleving van mensen met een donkere huid. Jarenlang gingen artsen ervan uit dat de donkere huid dikker was en zo meer pijnsignalen zou kunnen verdragen. Dit leidde tot een onderschatting van de pijn en het niet voorschrijven van pijnmedicatie.

De Commonwealth Fund 2024 State Health Disparities Report bevestigt dat de prestaties van het zorgsysteem sterk variëren per ras en etniciteit. Wetenschappelijke studies uit 2024-2025 linken het 2,5 keer hogere risico op Type 2 Diabetes bij Amerikanen van kleur direct aan de gevolgen van systemisch racisme, chronische stress en lagere toegang tot zorg.

De AI-paradox: belofte én bedreiging

De digitalisering van de zorg maakt het dilemma rondom health inequity alleen maar scherper. Artificiële Intelligentie kan een krachtige gelijkmaker zijn – zoals bewezen in Malawi, waar een AI-tool voor foetale monitoring leidde tot 82% reductie in doodgeboorten door specialistische kennis te democratiseren. De AI-tool volgde vitale parameters van pasgeborenen in realtime en waarschuwde voor vroege tekenen van nood. Dit leidde over een periode van drie jaar tot een reductie van 82% in het aantal doodgeboorten in de kliniek. het succes is onder meer te danken aan de gebruiksvriendelijkheid van de tool’. Slechts 10% van het personeel in de kliniek was getraind in traditionele, complexe monitoringtechnieken. Een veel groter deel van het personeel kon echter de gebruiksvriendelijke AI-tool bedienen.

De 82% reductie in doodgeboorten in Malawi demonstreert het positieve uiterste van AI: het gebruik van technologie als hefboom om acute, structurele ongelijkheden in toegang tot gespecialiseerde zorg te verkleinen. Tegelijkertijd staat tegenover de dringende waarschuwing dat zonder bewuste, inclusieve ontwikkeling, AI-technologieën de ongelijkheden in de mondiale gezondheidszorg op basis van data-bias juist zullen verdiepen. Succesvol gebruik van AI vereist meer dan alleen het exporteren van technologie. Er moet sprake zijn van inclusie door ontwerp, wat betekent dat er geïnvesteerd moet worden in lokale data-infrastructuren, lokale experts getraind moeten worden, en dat landen de leiding moeten nemen bij de co-ontwikkeling van digitale gezondheidstools.

Maar diezelfde technologie dreigt bestaande ongelijkheden te versterken. AI-modellen zijn meestal getraind op data uit rijke, overwegend witte populaties (90% van genetische studies komt uit Europa) en presteren systematisch slechter voor andere groepen. Voor het artikel wat je nu leest heb ik overigens ook AI gebruikt.

Het grootste risico is dat AI-systemen ongelijkheden in de zorg juist versterken door ‘Bias by Design’ (vooroordeel door ontwerp). AI-modellen zijn slechts zo goed als de data waarop ze zijn getraind. Als deze data scheef, niet-representatief of onjuist is, presteert het systeem systematisch slechter voor bepaalde groepen. Denk aan medicijnen die vooral op witte mannen tussen de 18-60 jaar getest worden terwijl het vrouwenl;ichaam, of een lichaam in ontwikkeling zo veel anders kan reageren op medicatie.

Modellen die getraind zijn op data uit rijke landen kunnen tot slechte, zelfs gevaarlijke, beslissingen leiden wanneer ze elders worden ingezet. Dit is een kritiek punt in de context van de “Global South” (waartoe Malawi behoort), waar slechts een fractie van de wereldwijde datasets – bijvoorbeeld slechts 1% van de omics datasets – Afrikaanse populaties omvat. Dit gebrek aan representatie beperkt de generaliseerbaarheid van AI-modellen.Of het Amerikaanse algoritme dat zwarte patiënten als ‘gezonder’ classificeerde omdat ze minder zorgkosten maakten – terwijl dit simpelweg het gevolg was van minder toegang tot zorg. Deze ‘bias by design’ is onzichtbaar, maar gevaarlijk.

Wat betekent dit voor jou als zorgverlener?

Het elimineren van gezondheidsongelijkheid is geen taak voor beleidsmakers alleen. Het begint met bewustwording in de spreekkamer, je team en de koffiekamer. Wat kun je doen?

Erken de sociale context. Vraag niet alleen naar symptomen, maar ook naar de leefomstandigheden van je patiënt. Heeft iemand thuis een rustige plek om te herstellen? Kan iemand zich de voorgeschreven medicatie veroorloven? Is er toegang tot gezond voedsel? In Nederland heeft 35% van de bevolking beperkte gezondheidsvaardigheden – pas je communicatie hierop aan.

Zie ervaringskennis als waardevolle data. Patiënten zijn experts in hun eigen leven. Hun perspectief op wat wel en niet werkt is cruciaal voor effectieve zorg. Betrek hen betekenisvol bij beslissingen en interventies.

Werk interprofessioneel. Doorbreek de monodisciplinaire silo’s. Taakherschikking naar Verpleegkundig Specialisten en Physician Assistants kan een krachtige equity-interventie zijn, omdat deze professionals vaak beter gepositioneerd zijn om de holistische, tijdsintensieve zorg te bieden die complexe patiënten nodig hebben.

Pleit voor systeemverandering. Gebruik je stem. Steun een ‘Health in All Policies’-aanpak waarbij gezondheidsdoelen worden gekoppeld aan beleid over huisvesting, klimaat, onderwijs en belastingen. Vraag in je organisatie aandacht voor langlopend, systeemgericht onderzoek in plaats van kortdurende gedragsprojecten.

Wees kritisch op technologie. Bij implementatie van nieuwe digitale tools of AI: vraag naar de databronnen, de testpopulaties, en potentiële bias. Maak biasdetectie tot een standaardonderdeel van innovatie in je praktijk.

Een keuze

Gezondheidsongelijkheid is niet onvermijdelijk – het is het resultaat van politieke en systemische keuzes. De patiënt die voor je zit is niet ongezond door eigen falen, maar door een systeem dat faalt. Effectieve medische behandeling vereist dat we de context van de patiënt aanpakken. Dit vraagt om een fundamentele paradigmaverschuiving: van een ‘Welzijnseconomie’ waar mens en planeet centraal staan in plaats van alleen economische groei, tot zorgopleidingen die clinici voorbereiden op het begrijpen van sociale determinanten van gezondheid (EuroHealthNet, 2023.)

De weg naar een rechtvaardiger en gezondere toekomst ligt niet in het oplappen van individuen, maar in collectieve actie om het systeem te veranderen. En die actie begint met bewustwording – bij jou, je collega’s, in de spreekkamer en aan de koffietafel.

---

Bronnen

• Advancing Racial Equity in U.S. Health Care: State Disparities | Commonwealth Fund, https://www.commonwealthfund.org/publications/fund-reports/2024/apr/advancing-racial-equity-us-health-care

• Cascade Institute (2022). Michael Lawrence, Scott Janzwood, and Thomas Homer-Dixon. https://cascadeinstitute.org/technical-paper/what-is-a-global-polycrisis/
• EuroHealthNet (2023.). https://eurohealthnet.eu/improving-health-equity-in-europe-priorities-for-the-2024-2029-policy-landscape/
• Nederlandse Wetenschappelijke Agenda (NWA) / ZonMw. Complexiteitsaanpak gezondheidsongelijkheid.
• Obermeyer, Z., et al. (2019). Dissecting racial bias in an algorithm used to manage the health of populations. Science, 366(6464), 447-453.
• Rijksinstituut voor Volksgezondheid en Milieu (RIVM). Gezondheid en gezondheidsverschillen in Nederland.
• Sjoding, M.W., et al. (2020). Racial Bias in Pulse Oximetry Measurement. New England Journal of Medicine, 383(25), 2477-2478.
• World Health Organization (WHO). Commission on Social Determinants of Health (2008). Closing the gap in a generation: health equity through action on the social determinants of health.
• (2025). Global Health Equity Report.
• UN Climate Change Report (2023). Climate Change and Poverty Projections 2030.