Cliënten in de ambulante forensische zorg beëindigen hun behandeling vaker voortijdig dan cliënten in de reguliere geestelijke gezondheidszorg. Meta-analyses wijzen op een uitvalpercentage in forensische settings van 30-35%, tegenover 20% in de reguliere ggz.1,2 In de Nederlandse ambulante forensische zorg lopen uitvalcijfers op tot 60%, vooral in de eerste maanden van behandeling.3 Deze vroege beëindigingen zijn zorgwekkend, omdat ze samenhangen met slechtere behandelresultaten en een verhoogde kans op recidive: uitvallers recidiveren 17-23% vaker dan cliënten die hun behandeling afronden.1

Uitval is een belangrijke risicofactor voor recidive. Toch is er binnen de forensische zorg weinig aandacht voor het uitvalmoment. Na de eerste maanden stabiliseren de uitvalpercentages, mogelijk doordat de behandelrelatie zich versterkt en cliënten beter aansluiten bij het behandelprogramma.3 Het is aannemelijk dat vroege en late uitvallers verschillende achterliggende kenmerken hebben. Inzicht hierin is van belang om tijdig bij te sturen en behandelverlies te beperken.

Onderzoek uit de reguliere ggz suggereert dat het uitvalmoment klinisch betekenisvol is. Cliënten die vroeg uitvallen (‘vroege uitvallers’) hebben doorgaans ernstigere klachten en minder behandelvoortgang dan cliënten die later stoppen (‘late uitvallers’).4,5 Late uitvallers vertonen dezelfde verbeteringen als cliënten die hun behandeling voltooien en zijn eerder te duiden als ‘vroege voltooiers’. Toch zijn er ook aanwijzingen bij late uitvallers in een psychodynamische groepssetting dat zij ernstigere relationele problemen hebben.6

In de forensische zorg is nauwelijks onderzoek gedaan naar uitvalgroepen. Ze worden vaak als homogene groep beschouwd.1,7-9 Onbekend is of risicoprofielen die recidive voorspellen, ook iets zeggen over het uitvalmoment. Forensische behandelingen werken volgens het risk-need-responsivitymodel (RNR-model). Daarom is het logisch om te onderzoeken of de acht centrale (central eight) risicofactoren die hier onderdeel van zijn, samenhangen met het behandeluitvalmoment.8,10,11

De acht centrale risicofactoren vormen het meest onderzochte en klinisch relevantste raamwerk voor risicotaxatie in de forensische praktijk.8,10 Ze omvatten acht domeinen die sterk samenhangen met recidive: geschiedenis van antisociaal gedrag, antisociaal persoonlijkheidspatroon, antisociale cognities, middelenproblematiek, antisociaal netwerk, familie-/relatieproblemen, instabiliteit op school/werk en gebrekkige vrijetijdsbesteding.

De eerste vier zijn individuele en de laatste vier contextuele risicofactoren.8,10

Onderzoek in de Nederlandse forensische ambulante zorg naar de samenhang (netwerk) tussen de acht centrale risicofactoren bij vroege uitvallers, late uitvallers en voltooiers wees uit dat er geen onderscheid was tussen vroege en late uitvallers op basis van hun centrale-achtprofielen.12 Maar de therapeutische werkalliantie, met name zoals beoordeeld door behandelaren, bleek wel een sterke voorspeller van behandeltrouw en -afronding.13 Responsiviteitsfactoren lijken mogelijk relevanter voor therapietrouw dan de acht centrale risicofactoren.

Echter, replicatie in andere settings en populaties is noodzakelijk om de generaliseerbaarheid te toetsen. Bovendien onderzocht men in deze eerdere studies niet of de relatie tussen risicofactoren en uitvalmoment verschilt tussen subgroepen, zoals plegers van huiselijk geweld versus algemeen geweld. Dit is een relevant onderscheid gezien eerdere bevindingen dat contextuele factoren (zoals relatieproblemen) vooral bij plegers van huiselijk geweld een rol spelen.8,9 Bij plegers van algemeen geweld bleken vooral antisociale persoonlijkheidspatronen en gedragsproblemen relevant.7

Doel van de studie

Het doel van deze studie was om – gecorrigeerd voor leeftijd – te onderzoeken in welke mate de acht centrale risicofactoren, gemeten aan het begin van de behandeling, voorspellend zijn voor het uitvalmoment (vroeg, midden of laat) bij volwassenen in de ambulante forensische zorg. Daarnaast gingen we na of het type geweldsindexdelict (huiselijk versus algemeen geweld) de relatie tussen de risicofactoren en het uitvalmoment modereert.

Onze verwachtingen waren dat 1. cliënten met hogere ernstscores op de acht centrale risicofactoren een grotere kans hebben om eerder uit te vallen; 2. de aard van de risicofactor (individueel of contextueel) samenhangt met het type geweldsindexdelict: bij plegers van huiselijk geweld zullen vooral contextuele risicofactoren (zoals familie-/relatieproblemen) voorspellend zijn, terwijl bij plegers van algemeen geweld eerder individuele risicofactoren (zoals antisociaal persoonlijkheidspatroon) relevant zijn.

Het differentiëren naar uitvalmoment is een eerste empirische stap in het begrijpen van temporele patronen van behandeluitval in de forensische context. De uitkomsten leveren handvatten om responsiviteitskenmerken, zoals motivatie en werkrelatie, beter te integreren in toekomstig onderzoek.

Methode

Procedure

De gegevens waren afkomstig uit dossiers van volwassen cliënten die in de periode 2014-2018 een ambulante forensische behandeling hadden gehad. De meeste cliënten vertoonden grensoverschrijdend of strafbaar gedrag in samenhang met een psychische stoornis. Afhankelijk van het type geweldsindexdelict ontvingen zij behandeling binnen de zorglijn huiselijk geweld (HG) of algemene agressie en vermogen (A&V).

Het behandeltraject bestaat uit drie fasen: intake, diagnostiek en behandeling. De diagnostiekfase duurt gemiddeld vier maanden en omvat een risicotaxatie en, indien nodig, aanvullende diagnostiek. Alle behandelingen zijn gestoeld op het RNR-model.

Er worden twee exclusiecriteria gehanteerd: 1. cliënten bij wie het delict voortkwam uit een psychose worden verwezen naar een reguliere of andere forensische ggz-instelling, en 2. cliënten met primaire verslavingsproblematiek worden verwezen naar de verslavingszorg. De behandeling vindt plaats binnen een vrijwillig (op eigen initiatief via verwijzing van de huisarts) of een verplicht juridisch kader (door justitie opgelegd).

Tijdens het intakegesprek worden alle cliënten geïnformeerd over het gebruik van behandelgegevens voor onderzoeksdoeleinden. Alle cliënten geïncludeerd in het huidige onderzoek gaven schriftelijke toestemming via een informed-consentformulier. De dataverzameling en -verwerking voldeden aan de vereisten van de Algemene Verordening Gegevensbescherming (AVG) en aan de geldende ethische richtlijnen voor wetenschappelijk onderzoek binnen de forensische ggz.

Onderzoeksgroep

De initiële dataset omvatte de gegevens van 5223 volwassen cliënten die in de onderzoeksperiode in behandeling waren. Ongeveer de helft van alle cliënten die instroomden in deze jaren gaf schriftelijk toestemming voor het gebruik van hun behandelgegevens voor onderzoek.

Van deze groep werden 4113 cliënten geëxcludeerd: zij rondden de behandeling volledig af (n = 3601), de behandeling werd voortijdig beëindigd om niet-behandelinggerelateerde redenen zoals verhuizing (n = 29), of de informatie was onvolledig voor analyse (n = 483), bijvoorbeeld doordat het risicotaxatie-instrument ontbrak of de jeugdversie ervan was gebruikt.

De uiteindelijke onderzoeksgroep bestond uit 1110 volwassen cliënten die hun behandeling voortijdig beëindigden. De gemiddelde leeftijd bij aanmelding was 34,0 jaar (SD: 11,2; uitersten: 18-73) en de behandelduur bedroeg 7,7 maanden (SD: 5,7; 0-36). Tabel 1 geeft een overzicht van de overige demografische en behandelkenmerken.

Tabel 1. Kenmerken onderzoeksgroep (n = 1110)

* Overig bestaat uit Irak, Indonesië of Duitsland

Meetinstrumenten

De acht centrale risicofactoren werden gemeten met de overeenkomstige risicodomeinen van het Risicotaxatie-instrument voor de Ambulante Forensische GGZ (RAF-GGZ), dat in de diagnostiekfase werd afgenomen.14 RAF-GGZ is een gestructureerd klinisch risicotaxatie-instrument dat wordt gebruikt om het recidiverisico en de criminogene behoeften van cliënten in de ambulante forensische ggz vast te stellen. Het instrument omvat 65 risicofactoren, verdeeld over 12 risicodomeinen.

Per risicodomein geeft de behandelaar een oordeel over het (dis)functioneren van de cliënt op een zespuntschaal van 0 (‘goed functionerend’) tot 5 (‘ernstig disfunctionerend’). Voor het huidige onderzoek selecteerden we 8 domeinen die corresponderen met de acht centrale criminogene risicofactoren (tabel 2).10

Tabel 2. Beschrijving en operationalisatie van de acht centrale criminogene risicofactoren

De psychometrische eigenschappen van de volwassenenversie van RAF-GGZ zijn nog niet afzonderlijk onderzocht. De grotendeels identieke jeugdversie toont echter een goede interbeoordelaarsbetrouwbaarheid (ICC: 0,78) en predictieve validiteit voor recidive (AUC: 0,77).15

Uitvalsubgroepen

Cliënten werden als uitvaller (drop-out) gecategoriseerd wanneer zij, of hun behandelaar, de behandeling voortijdig beëindigden bij een gelijkblijvend tot hoog recidiverisico.1,7 Omdat er in de literatuur geen eenduidige afkappunten bestaan om vroege en late uitvallers te onderscheiden, namen we de behandelduur als criterium, hetgeen aansluit bij de gangbare klinische forensische praktijk.

Omdat behandelduur niet verschilde tussen cliënten met een huiselijk geweldsdelict en cliënten met een algemeen geweldsdelict (t(1108) = 0,29; p = 0,77) pasten we voor beide groepen dezelfde categorisering toe:

– vroege uitvallers: uitval binnen 4 maanden na acceptatie voor behandeling (overeenkomend met de diagnostiekfase);

– midden-uitvallers: uitval in 4-6 maanden (rond de mediaan van de behandelduur);

– late uitvallers: uitval na meer dan 6 maanden behandeling.

Statistische analyse

De data werden geanalyseerd met IBM SPSS Statistics, versie 31. Er was geen sprake van multicollineariteit tussen de acht centrale risicofactoren. Littles MCAR-test wees uit dat ontbrekende waarden (2,7-4,6%) willekeurig verdeeld waren en daarom opgevuld konden worden met de expectation-maximization(EM)-procedure.16

Om verschillen in uitgangssituatie tussen de drie uitvalsubgroepen te onderzoeken, voerden we one-wayvariantieanalyses(-ANOVA’s) uit voor elk van de acht centrale risicofactoren. Bij significante overalleffecten (p < 0,05) verrichtten we met bonferroni-correctie post-hocanalyses.

De voorspellende waarde van de acht centrale risicofactoren voor het uitvalmoment onderzochten we met twee multinomiale logistische regressieanalyses. De acht centrale risicofactoren werden, gecorrigeerd voor leeftijd, simultaan als voorspellers opgenomen (forced-entrymethode). In beide analyses fungeerden de drie uitvalsubgroepen (vroeg, midden, laat) als criteriumvariabele. Vroege uitvallers en midden-uitvallers golden afwisselend als referentiecategorie om alle paarsgewijze vergelijkingen mogelijk te maken.

In een tweede set van twee multinomiale logistische regressieanalyses onderzochten we of het type geweldsindexdelict (huiselijk geweld versus algemene agressie) de relatie tussen de acht centrale risicofactoren en de uitvalsubgroepen modereerde. Hiertoe werden interactietermen berekend voor elk van de acht risicofactoren met het type indexdelict (risicofactor × type geweldsdelict). Vroege en midden-uitvallers golden als referentiecategorie, naast de acht hoofdeffecten van de risicofactoren, het type indexdelict, en de acht interactietermen werd leeftijd toegevoegd als covariaat.

Voor alle analyses gold een bonferroni-gecorrigeerde p-waarde van 0,006 (0,05/8 toetsen). De effectgrootte van de verklaarde variantie (R2) werd geïnterpreteerd volgens de richtlijnen van Cohen: < 0,02 = verwaarloosbaar; 0,02-0,12 = klein; 0,13-0,25 = matig; > 0,26 = substantieel. Voor correlaties gold: r < 0,10 = verwaarloosbaar; r = 0,10-0,30 = zwak; r = 0,30-0,50 = matig; r > 0,50 = sterk. En voor de oddsratio’s (OR): < 1,44 = erg klein; 1,44-2,47 = klein; 2,48-4,26 = matig; > 4,26 = groot.17

Resultaten

Uitvalsubgroepen

De uitvalsubgroepen bestonden uit 444 vroege, 468 midden- en 198 late uitvallers (totaal n = 1110). De leeftijd in de drie uitvalsubgroepen verschilde niet significant (F(2, 1107) = 1,96; p = 0,141). Tabel 3 toont de gemiddelde scores en standaarddeviaties op de acht centrale risicofactoren voor elk van deze groepen.

One-way-ANOVA’s toonden dat twee risicofactoren significant verschilden tussen de drie uitvalsubgroepen na bonferroni-correctie (α = 0,006): C2 (antisociaal persoonlijkheidspatroon): F(2, 1107) = 6,59; p = 0,001, en C6 (familie-/relatieproblemen): F(2, 1107) = 7,99; p < 0,001. Post-hocanalyses lieten zien dat voor C2 midden-uitvallers (M = 3,88) significant hogere scores hadden dan vroege uitvallers (M = 3,68; p < 0,001), terwijl late uitvallers (M = 3,77) niet significant verschilden van de andere groepen. Voor C6 hadden zowel late (M = 3,50) als midden-uitvallers (M = 3,42) significant hogere scores dan vroege uitvallers (M = 3,19; respectievelijk p = 0,002 en p = 0,003). Voor de overige risicofactoren vonden we geen significante verschillen (zie tabel 3).

Tabel 3. Gemiddelde scores (M) en standaarddeviaties (SD) op de acht centrale risicofactoren voor de uitvalsubgroepen

* p < 0,006. Verschillende superscripts (bijv. a vs. b) = significant verschil; dezelfde letter = geen significant verschil.

Samenhang tussen de acht centrale risicofactoren per subgroep

In alle subgroepen correleerden de risicofactoren positief, met een zwakke tot matige samenhang. Voor de drie groepen werden sterke correlaties (variërend van r = 0,51 tot 0,58) gevonden tussen C5 (antisociaal netwerk) en C8 (gebrekkige vrijetijdsbesteding). De volledige correlatietabel is opvraagbaar bij de tweede auteur. In de late uitvalgroep werd daarnaast een sterke positieve samenhang (r = 0,50) gevonden tussen C1 (geschiedenis van antisociaal gedrag) en C2 (antisociaal persoonlijkheidspatroon).

De voorspellende waarde van de acht centrale risicofactoren

Tabel 4 toont de resultaten van de multinomiale logistische regressieanalyses met de acht centrale risicofactoren als voorspellers van het uitvalmoment.

De modellen verklaarden 3,1-3,5% van de variantie (pseudo-R2: volgens Cox & Snell = 0,031; volgens Nagelkerke = 0,035 (klein effect), volgens McFadden = 0,015) en waren significant (χ2(18) = 34,80; p = 0,010).

Van de acht risicofactoren bleek alleen C6 (familie-/relatieproblemen) significant gerelateerd aan het uitvalmoment na bonferroni-correctie (α = 0,006) (likelihood-ratiotest: χ2(2) = 12,39; p = 0,002). Cliënten met ernstigere relationele problemen bij aanvang hadden ongeveer een derde hogere kans om laat in de behandeling uit te vallen vergeleken met vroege uitval (OR: 1,38; 95%-BI: 1,14-1,65; p < 0,001). Voor de overige zeven risicofactoren noch voor leeftijd werden significante effecten gevonden.

Tabel 4. Multinomiale logistische regressieanalyse met de acht centrale risicofactoren als voorspellers van het uitvalmoment (gecorrigeerd voor leeftijd)

Β = regressiecoëfficiënt; SE = standard error (standaardfout); OR = oddsratio; 95%-BI = 95%-betrouwbaarheidsinterval; *p ≤ 0,006 (volgens bonferroni-correctie); rreferentiecategorie.

Type geweldsindexdelict als moderator

Tabel 5 toont de resultaten van de likelihood-ratiotests voor de acht interactietermen tussen de acht centrale risicofactoren en het type geweldsindexdelict als voorspellers van het uitvalmoment, gecorrigeerd voor leeftijd. Het volledige model (met hoofdeffecten en interacties) was niet significant (χ2(36) = 50,74; p = 0,053) en verklaarde 4,5-5,1% van de variantie (pseudo-R²: volgens Cox & Snell = 0,045; volgens Nagelkerke = 0,051; volgens McFadden = 0,022).

Geen van de interactietermen was significant na bonferroni-correctie (α = 0,006; alle p’s ≥ 0,132). Ook het type indexdelict zelf noch leeftijd voorspelde het uitvalmoment (respectievelijk χ2(2) = 0,53; p = 0,767 en χ2(2) = 5,30; p = 0,071). Het type geweldsindexdelict speelde geen modererende rol: de samenhang tussen de acht centrale risicofactoren en het uitvalmoment was vergelijkbaar voor cliënten met huiselijk geweld en algemene agressie.

Tabel 5. Moderatoranalyse: likelihood-ratiotests voor interactie-effecten tussen de acht centrale risicofactoren en type geweldsindexdelict (gecorrigeerd voor leeftijd)

Discussie

Voorspellende waarde centrale acht factoren

We onderzochten of de acht centrale risicofactoren het moment van behandeluitval (vroeg, midden of laat) voorspelden bij ambulante forensische cliënten. Verwacht werd dat antisociale en contextuele factoren, zoals middelengebruik en instabiele relaties, vroege uitval zouden voorspellen. Slechts één risicofactor, familie-/relatieproblemen (C6), was significant gerelateerd aan late uitval.

Onze studie repliceert eerdere bevindingen en verfijnt deze door te laten zien dat ook binnen uitvalsubgroepen (vroeg, midden en laat) de acht centrale risicofactoren weinig onderscheidend vermogen hebben.7 Hoewel deze acht factoren sterke voorspellers zijn van recidive blijkt de voorspellende waarde ervan voor het specifieke moment van behandeluitval dus beperkter.7,18

Invloed responsiviteitsfactoren en therapeutische relatie

Het tijdstip van uitval lijkt meer bepaald door responsiviteitsfactoren dan door criminogene risicofactoren. Dat blijkt ook uit het uitblijven van andere significante resultaten. In het RNR-model zijn responsiviteitsfactoren opgenomen, waaronder motivatie, cognitieve stijl en de therapeutische relatie.10-13 Vroege uitval kan ontstaan wanneer de behandeling onvoldoende aansluit bij de motivatie of het leervermogen van de cliënt. In onze studie werden vroege uitvallers vaker in een verplicht kader behandeld dan midden- of late uitvallers. Mogelijk zijn ze meer extrinsiek dan intrinsiek gemotiveerd.8 Eerder onderzoek wijst uit dat een lage behandelmotivatie en geringe betrokkenheid sterke voorspellers zijn van voortijdige beëindiging.11,19 Het herhaald meten van motivatie gedurende de behandeling zou meer inzicht kunnen geven in verschillen tussen vroege en late uitval.

Ook de therapeutische relatie lijkt een rol te spelen. Meta-analyses binnen de reguliere ggz tonen dat een sterke behandelalliantie gepaard gaat met minder uitval.2,20 In een vroeg stadium is de relatie nog kwetsbaar, maar spanningen of teleurstellingen kunnen ook later tot beëindiging leiden. In de forensische zorg geldt hetzelfde: cliënten die de werkrelatie als weinig steunend ervaren, hebben een verhoogde kans op uitval, vooral wanneer deze relatie gedurende het traject verslechtert.3 Toekomstig onderzoek zou de kwaliteit van de werkrelatie longitudinaal moeten volgen om beter te begrijpen hoe deze zich verhoudt tot het moment van uitval.

Uitval en perceptie van behandelvoortgang

Het beperkte effect van de acht centrale risicofactoren op behandeluitval kan ook te maken hebben met de perceptie van behandelvoortgang. Het blijkt dat cliënten hun behandeling soms beëindigen wanneer zij ervaren dat hun doelen zijn bereikt, ook al acht de behandelaar verdere behandeling wenselijk.4,5 Vanuit cliëntperspectief is dan sprake van een ‘voldoende verbetering’ en vanuit behandelaarsperspectief van ‘voortijdige beëindiging’. Uitval lijkt hiermee meer op een discrepantie tussen ervaren lijdensdruk en verwachtingen van cliënt en behandelaar.

Ernst van familie-/relatieproblemen

Dat cliënten met ernstigere familie-/relatieproblemen (C6) laat in de behandeling uitvallen, kan verschillend worden geïnterpreteerd. Cliënten met ernstige relationele problematiek blijven mogelijk langer in behandeling en zijn daardoor beter te duiden als vroege voltooiers. Dat verklaart ook waarom in een andere studie binnen dezelfde forensische setting geen verschil werd gevonden in C6-scores tussen uitvallers en behandelvoltooiers.12 Deze bevinding onderstreept dat het onderscheid tussen vroege, midden- en late uitval mogelijk andere mechanismen weerspiegelt dan het onderscheid tussen uitval en voltooiing.

Of langer in behandeling blijven bij hogere C6-scores daadwerkelijk klinisch gunstiger is dan vroege uitval – bijvoorbeeld door een groter behandeleffect of lager recidiverisico – kon in deze studie niet worden aangetoond. Andere verklaringen kunnen zijn dat relationele problemen zich pas later in de behandeling manifesteren, bijvoorbeeld wanneer onderliggende patronen worden aangesproken of het systeem nadrukkelijker wordt betrokken. Cliënten kunnen aanvankelijk profiteren van steun en structuur, maar bij toenemende relationele spanningen alsnog afhaken. Daarnaast is het mogelijk dat zij juist langer in behandeling blijven door relationele afhankelijkheid en pas uitvallen wanneer confrontatie hiermee onvermijdelijk wordt. Deze interpretaties benadrukken dat relationele factoren beter begrepen kunnen worden als dynamisch proces dan als statische beginscore.

Ander uitvalprofiel in forensische ggz

Vergeleken met onderzoek in de reguliere ggz, waar vroege uitvallers bij aanvang vaak ernstiger klachten hebben, lijken forensische cliënten een ander uitvalprofiel te hebben.4-6 De forensische populatie is heterogeen, de motivatie vaker extern gestuurd en het behandelklimaat dwingender. Daardoor lijkt het uitvalmoment niet primair door risicofactoren te voorspellen, maar eerder te wijzen op het belang van procesvariabelen, zoals motivatie, behandelalliantie en ervaren voortgang.

Beperkingen en suggesties voor vervolgonderzoek

Dit onderzoek heeft enkele beperkingen die mogelijk hebben bijgedragen aan het uitblijven van significante voorspellers voor het uitvalmoment. De analyses zijn gebaseerd op de eerste meting van de acht centrale risicofactoren, niet op hun verandering gedurende de behandeling. Daardoor blijft onbekend in welke fase de meeste verbetering of verslechtering plaatsvond en hoe dit samenhangt met het moment van uitval. Toekomstig onderzoek zou zich daarom moeten richten op veranderscores, zoals ook bepleit door andere onderzoekers.9,18

Een tweede beperking betreft de mogelijke selectiebias door het gebruik van data van cliënten die expliciet toestemming gaven voor wetenschappelijk gebruik. Binnen de forensische populatie is ‘algemeen verzet’ de meest voorkomende reden om geen toestemming te geven.21 In hoeverre deze non-respons de resultaten heeft beïnvloed, is onduidelijk.

Klinische relevantie

De acht centrale risicofactoren zijn geen voorspellers voor het uitvalmoment en zijn dus onvoldoende richtinggevend voor differentiatie tussen vroege, midden- en late uitval. Het lijkt van belang om geen standaardprofielen van uitvalcliënten te hanteren op basis van statische of criminogene risicofactoren, omdat dit het behandelaanbod en -succes kan ondermijnen.1 Meer aandacht voor procesgerichte factoren zoals motivatie, behandelrelatie en ervaren voortgang lijkt aangewezen.

Conclusie

Inzicht in voorspellers van het uitvalmoment is essentieel om de behandeling tijdig te kunnen bijsturen en behandelwinst te maximaliseren. De acht centrale risicofactoren, gemeten bij aanvang, hebben onvoldoende voorspellende waarde voor het uitvalmoment. Responsiviteitsvariabelen lijken een betere ingang in de context van factoren die bijdragen aan uitvalmoment.

Literatuur

1 Olver ME, Stockdale KC, Wormith JS. A meta-analysis of predictors of offender treatment attrition and its relationship to recidivism. J Consult Clin Psychol 2011; 79: 6-21.

2 Swift JK, Greenberg RP. Premature discontinuation in adult psychotherapy: a meta-analysis. J Consult Clin Psychol 2012; 80: 547-59.

3 van der Kamp W, van Horn JE. Voorspellers van no-show in diverse fasen van de behandeling bij ambulant behandelde delinquenten. Panopticon 2018; 39: 280-95.

4 Pekarik G. Posttreatment adjustment of clients who drop out early vs. late in treatment. J Clin Psychol 1992; 48: 379-87.

5 Aderka IM, Anholt GE, van Balkom AJLM, e.a.. Differences between early and late drop-outs from treatment for obsessive-compulsive disorder. J Anxiety Disord 2011; 25: 918-23.

6 Jensen HH, Mortensen EL, Lotz M. Drop-out from a psychodynamic group psychotherapy outpatient unit. Nord J Psychiatry 2014; 68: 594-604.

7 van Horn J, Eisenberg M, Souverein FA, e.a. The predictive value of the central eight criminogenic risk factors: A multi-group comparison of dually diagnosed violent offenders with other subgroups of violent offenders. HSOA J Addict Addict Disord 2018; 5: 1-11.

8 Jewell LM, Wormith JS. Variables associated with attrition from domestic violence treatment programs targeting male batterers. Crim Justice Behav 2010; 37: 1086-113.

9 Bijlsma AME, van der Put CE, Vial A, e.a. Gender differences between domestic violent men and women: Criminogenic risk factors and their association with treatment dropout. J Interpers Violence 2021; 37.

10 Bonta J, Andrews DA. The psychology of criminal conduct (7de ed). Milton Park: Routledge; 2023.

11 Wormith JS, Olver ME. Offender treatment attrition and its relationship with risk, responsivity, and recidivism. Crim Justice Behav 2002; 29: 447-71.

12 van Horn J, Hutten J, Eisenberg M, e.a. Central eight risk factors among early dropouts, late dropouts, and completers of forensic outpatient care: a network analysis. Psychology, Crime & Law 2025; onlinepublicatie.

13 van Tilburg CA, de Ruiter C, Lodder P, e.a. Trust the therapists’ trust: working alliance development in relation to treatment attendance and completion in intimate partner violence perpetrator group therapy. Psychotherapy Res 2025; onlinepublicatie.

14 van Horn J, Wilpert J, Eisenberg M, e.a. Handleiding RAF GGZ volwassenen risicotaxatie-instrument voor de ambulante forensische psychiatrie. De Forensische Zorgspecialisten; 2012.

15 van Horn JE, Wilpert J, Bos MGN, e.a. WaagSchaal jeugd: de psychometrische kwaliteit van een gestructureerd klinisch risicotaxatie-instrument voor de ambulante forensische psychiatrie. Panopticon Tijdschrift voor Strafrecht, criminologie en forensisch welzijnswerk 2009; 30: 23-34.

16 Do CB, Batzoglou S. What is the expectation maximization algorithm? Nat Biotechnol 2008; 26: 897-9.

17 Cohen J. Statistical poweranalysis for the behavioral sciences (2de ed). Milton Park: Routledge; 1988.

18 Eisenberg MJ, van Horn JE, Dekker JM, e.a. Static and dynamic predictors of general and violent criminal offense recidivism in the forensic outpatient population: A meta-analysis. Crim Justice Behav 2019; 46: 732-50.

19 Drieschner KH, Verschuur J. Treatment engagement as a predictor of premature treatment termination and treatment outcome in a correctional outpatient sample. Crim Behav Ment Health 2010; 20: 86-99.

20 Sharf J, Primavera LH, Diener MJ. Dropout and therapeutic alliance: A meta-analysis of adult individual psychotherapy. Psychotherapy (Chic) 2010; 47: 637-45.

21 Strous JFM, Eikelenboom M, Smit JH, e.a. De bereidheid van forensisch psychiatrische patiënten tot deelname aan wetenschappelijk onderzoek. Tijdschr Psychiatr 2021; 63: 425-31.

Noot

Anneloes Huitema, behandelaar bij de Waag, gaf statistische adviezen bij dit artikel.