Del 1 av 3 – Sjukfrånvaro som mått på arbetstillfredsställelse
Del 2 av 3 – Hur företagshälsovården följer upp sjukfrånvaro i Finland
Del 3 av 3 – Sjukfrånvaro – så bygger du ett uppföljningssystem som fungerar (denna artikel)

I den första delen av den här artikelserien tittade vi på vad sjukfrånvaromönster kan avslöja om arbetstillfredsställelse och arbetsplatsens hälsa. I den andra delen undersökte vi hur företagshälsovården i Finland aktivt följer dessa mönster och ingriper tidigt när något kräver uppmärksamhet. I den här avslutande delen blir vi mer praktiska: Hur bör en organisation utforma sitt eget system för uppföljning av sjukfrånvaro för att på ett tillförlitligt sätt fånga verkliga signaler och undvika de fallgropar som gör många system antingen oanvändbara eller rent av kontraproduktiva?

Den centrala utmaningen

En enskild sjukfrånvarohändelse innehåller i sig mycket lite användbar information. Systemet måste därför byggas kring aggregering, jämförelser och mönsterigenkänning snarare än enskilda händelser. Målet är inte att minimera antalet sjukfrånvarodagar – ett sådant synsätt leder lätt till fel slutsatser. Målet är i stället att identifiera var organisationen bör titta närmare: vilka team, arbetsuppgifter eller arbetsförhållanden som kan behöva uppmärksammas och vilken typ av åtgärder som kan vara lämpliga.

Det finns ett antal principer som konsekvent skiljer system som ger användbara insikter från system som mest genererar brus.

Dela upp sjukfrånvaron efter typ – inte bara efter totalt antal dagar

Korta, återkommande sjukfrånvaroperioder skiljer sig från långvarig sjukfrånvaro och har vanligtvis andra orsaker. Frekventa korta frånvaroperioder är oftare kopplade till låggradig stress, att medarbetare drar sig undan eller de tidiga varningssignaler som beskrevs i del två av den här serien. Långvarig sjukfrånvaro är däremot oftare relaterad till allvarlig sjukdom, skada eller utmattning och kräver stöd från företagshälsovården samt en strukturerad plan för återgång i arbete. Ett uppföljningssystem som slår samman dessa typer av frånvaro riskerar att dölja viktiga signaler.

Verktyg som Bradfordfaktorn lägger större vikt vid antalet separata sjukfrånvarotillfällen än vid det totala antalet frånvarodagar. Tanken är att tio enskilda sjukdagar orsakar större störningar och säger mer om arbetsmiljön än en sammanhängande tiodagarsfrånvaro för ett planerat medicinskt ingrepp. Själva formeln är omdiskuterad, men grundprincipen är rimlig: frekvens och varaktighet är två olika signaler och bör följas upp separat.

Analysera på teamnivå – inte individnivå

En enskild medarbetares sjukfrånvaro innehåller i de flesta fall mer slumpmässig variation än användbar information. Att identifiera eller flagga individer utifrån sjukfrånvarodata medför dessutom betydande risker när det gäller integritet och diskriminering. Detta gäller särskilt inom EU:s dataskyddsförordning (GDPR), där hälsodata klassas som en särskild kategori av personuppgifter och omfattas av strängare krav på rättslig grund och skyddsåtgärder. Individers medicinska information bör därför förbli konfidentiell inom företagshälsovården, medan ledningen endast bör få tillgång till aggregerad och anonymiserad statistik för analys av mönster.

Ett mer statistiskt tillförlitligt och juridiskt hållbart arbetssätt är att följa sjukfrånvaro på nivån team, arbetsskift, avdelningar eller chefers ansvarsområden. Dessa enheter bör jämföras med liknande enheter – inte med ett enda genomsnitt för hela organisationen. Om två i övrigt jämförbara arbetsskift utför samma arbete men under olika chefer och ändå uppvisar tydligt olika sjukfrånvaronivåer under en längre tid, är arbetsmiljön en betydligt mer sannolik förklaring än slumpmässiga skillnader i hälsa.

Detta motsvarar i praktiken statistisk processtyrning tillämpad på HR-data – samma metod som ofta används inom kvalitetskontroll i tillverkningsindustrin. För varje enhet fastställs en normalnivå och dess naturliga variation. Uppmärksamhet riktas därefter endast mot verkliga avvikelser, till exempel när resultaten avviker mer än två standardavvikelser från ett rullande medelvärde. På så sätt undviker man att reagera på varje normal svängning.

Följ utvecklingen över tid – inte ögonblicksbilder

Sjukfrånvaron under en enskild månad påverkas kraftigt av säsongsvariationer. Därför ger rullande medelvärden och jämförelser med samma period föregående år betydligt mer värdefull information än enstaka månadsresultat.

En ökning under influensasäsongen som påverkar alla team ungefär lika mycket är brus. Om ett enda teams sjukfrånvaro ökar medan jämförbara team ligger kvar på samma nivå är det däremot en tydlig signal.

Förändringens riktning är ofta viktigare än den absoluta nivån. Ett team som historiskt haft hög men stabil sjukfrånvaro kan helt enkelt ha en äldre personalstyrka eller ett fysiskt krävande arbete. Ett team vars sjukfrånvaro ökar stadigt, även från en låg nivå, tyder däremot ofta på att något håller på att förändras i arbetsmiljön – exempelvis en ny chef, en omorganisation, ökad arbetsbelastning eller försämrad gruppdynamik.

Vissa veckomönster är viktiga signaler som lätt försvinner i månadsstatistiken. Det kan handla om att sjukfrånvaron samlas på måndagar eller fredagar, att den ökar efter organisationsförändringar som personalneddragningar, att den stiger under perioder med obligatorisk övertid, eller att den konsekvent följer ett visst arbetsskift.

Kombinera sjukfrånvarodata med andra informationskällor

Sjukfrånvarodata blir betydligt mer användbar när den analyseras tillsammans med andra indikatorer i stället för isolerat.

De mest värdefulla kompletterande informationskällorna är ofta:

• Resultat från medarbetarundersökningar eller kartläggningar av psykosociala risker. Om en avdelning både har hög sjukfrånvaro och låga resultat när det gäller arbetsbelastning, självbestämmande eller stöd från chefer ger detta ett betydligt starkare underlag för åtgärder än någon av indikatorerna var för sig.
• Personalomsättning och återkommande teman i avslutningsintervjuer.
• Övertids- och arbetsbelastningsdata – sjukfrånvaron ökar ofta under veckorna efter längre perioder av hög arbetsbelastning.
• Rapporter om olyckor och tillbud – exponering för fysiska risker och sjukfrånvaromönster pekar ibland på samma bakomliggande problem.
• Sammanställd statistik från företagshälsovårdens remisser eller bedömningar, där sekretessreglerna medger anonymiserad informationsdelning.

När flera oberoende datakällor pekar mot samma team eller funktion blir behovet av en närmare utredning betydligt starkare än vad någon enskild indikator kan motivera.

Planera åtgärdsprocessen i förväg

Ett uppföljningssystem utan en tydligt definierad åtgärdsprocess riskerar antingen att inte användas alls eller att användas inkonsekvent. Därför bör organisationen redan från början bestämma vad som ska hända när olika tröskelvärden uppnås, så att åtgärderna blir proportionerliga och ändamålsenliga i stället för enbart reaktiva.

Exempelvis:

• Ett team med många korta och återkommande sjukfrånvaroperioder kan leda till ett strukturerat samtal mellan chef och arbetsgrupp om arbetsbelastning, arbetsklimat och arbetsorganisation – inte om enskilda medarbetares prestation.
• Ett team där den långvariga sjukfrånvaron ökar kan föranleda en genomgång av arbetsförhållanden och ergonomi tillsammans med företagshälsovården.
• En individ med långvarig sjukfrånvaro bör, oavsett orsaken, erbjudas en strukturerad och stödjande process för återgång i arbete. Denna process bör hanteras separat från den statistiska uppföljning som används för att identifiera mönster på teamnivå.

I Finland är delar av denna process lagstadgad. Arbetsgivare är skyldiga att samarbeta med företagshälsovården kring uppföljning av arbetsförmåga, och det finns fastställda gränsvärden – exempelvis efter 90 dagars sjukfrånvaro under ett år – som utlöser en obligatorisk bedömning inom företagshälsovården. Att känna till dessa gränser och integrera dem i organisationens egna rutiner är också en del av att uppfylla lagens krav.

Rätt utgångspunkt är avgörande

Den största risken vid utformningen av ett uppföljningssystem är att fokus enbart ligger på att minska sjukfrånvaron. Ett sådant system riskerar att driva fram presenteeism: medarbetare går till arbetet trots sjukdom för att undvika att uppmärksammas, statistiken ser bättre ut på papperet, men de verkliga problemen med hälsa och arbetsmiljö förblir oupptäckta.

Om systemet i stället utformas för att identifiera var organisationen bör investera – i bemanning, arbetsorganisation, ergonomi, ledarskap eller tidiga hälsoinsatser – skapas ett helt annat beteende i organisationen. Samtidigt blir datan mer tillförlitlig, eftersom medarbetarna inte har något incitament att dölja just de problem som systemet är avsett att synliggöra.

Sammanfattning

Sjukfrånvarodata är som mest värdefull inte som ett tal som ska minimeras, utan som en av flera informationskällor för att identifiera var psykosociala eller fysiska arbetsmiljörisker är koncentrerade så att de kan åtgärdas vid källan. Ett väl utformat uppföljningssystem, som används tillsammans med företagshälsovården och bygger på de modeller för psykosociala risker som beskrevs i del ett och två av den här serien, kan göra just detta.

Skillnaden mellan ett system som fungerar och ett som inte gör det syns inte i hur avancerad instrumentpanelen eller rapporteringen är, utan i om organisationen faktiskt lyckas förstå vad den insamlade datan försöker berätta.

Detta var den sista delen i vår artikelserie om sjukfrånvaro, arbetstillfredsställelse och uppföljning inom företagshälsovården. Om du arbetar i Finland eller planerar att göra det är kunskap om hur dessa system fungerar en viktig del av arbetsmiljökompetensen. Detta är också ett ämne som vi behandlar ingående i våra webbaserade utbildningar inom arbetarskydd.