Sådan beregner vi vurderingen

Datakilderne

For hvert plejehjem henter vi data fra op til seks offentlige kilder og mapper dem til en 1–5 stjerne-skala. Tre er landsdækkende (STPS-tilsyn, smiley, sygefravær); de øvrige er lokale og findes kun i enkelte kommuner:

1. STPS-tilsynsrapporter (alle plejehjem)

Styrelsen for Patientsikkerhed udfører tilsyn med ældreplejen og udsteder sanktion-niveauer. Vi mapper:

• Ingen kritik → ★★★★★ (5)
• Henstilling → ★★★ (3)
• Påbud → ★★ (2)
• Forbud → ★ (1)

Vi tager værste sanktion-niveau fra alle tilgængelige rapporter (typisk de seneste 3 år, da STPS sletter ældre rapporter). 369 ud af 932 plejehjem (~40 %) har en STPS-rapport matchet i vores database.

2. Fødevarestyrelsens smiley

Hvert plejehjems-køkken bliver kontrolleret af Fødevarestyrelsen og får en smiley der måler mad-håndtering og hygiejne. Vi mapper:

• 😀 Glad / Elite-smiley → ★★★★★ (5)
• 😐 Neutral → ★★★ (3)
• 🙁 Sur → ★★ (2)
• 😠 Strengt sur → ★ (1)

Vi matcher på CVR/P-nummer (Findsmiley publicerer åbne XML-data). 717 ud af 932 plejehjem (~77 %) har en smiley matchet.

3. Beboertilfredshed (København + Aarhus)

To kommuner publicerer årlige brugerundersøgelser med beboernes 1–5-svar på spørgsmål om tilfredshed:

• København (SUF BRUS) — "Er du tilfreds med at bo her på plejehjemmet?", direkte gennemsnitsscore fra undersøgelsen.
• Aarhus — "Hvor tilfreds er du med plejehjemmet alt i alt?", vægtet score fra svarfordelingen (5×meget tilfreds + 4×tilfreds + 3×hverken + 2×utilfreds + 1×meget utilfreds).

Begge mapper til samme tærskler i komposit-ratingen:

• ≥ 4.5 → ★★★★★ (5)
• ≥ 4.0 → ★★★★ (4)
• ≥ 3.5 → ★★★ (3)
• ≥ 2.5 → ★★ (2)
• < 2.5 → ★ (1)

~30 KK-plejehjem + ~39 Aarhus-plejehjem har p.t. tilfredshedsdata — i alt cirka 69 ud af 932. Aalborg og Odense undersøger vi.

4. Samskabt Tilsyn (Roskilde)

Roskilde Kommune publicerer årlige "Samskabt Tilsyn"-rapporter for hvert plejecenter. Rapporterne er narrative, men de tilsynsførende kategoriserer hver af 12 kvalitetsmarkører (under temaerne Værdighed, Livskvalitet, Omsorg, Styring) på en 4-niveau skala:

• Niveau 1 — omfattende mangler, radikal indsats krævet
• Niveau 2 — flere mangler, betydelig målrettet indsats krævet
• Niveau 3 — få mangler, mindre indsats krævet
• Niveau 4 — ingen eller ganske få mangler

Vi parser den eksakte ordlyd ("der er X mangler ... Y indsats at kvalitetsudvikle") fra hovedrapporten og bruger laveste niveau som plejehjemmets samlede vurdering, mappet til komposit-skalaen:

• Worst niveau 4 → ★★★★★ (5)
• Worst niveau 3 → ★★★★ (4)
• Worst niveau 2 → ★★★ (3)
• Worst niveau 1 → ★ (1)

Alle 11 Roskilde-plejehjem har p.t. en samskabt tilsynsrapport. UI'en viser også fordelingen over alle niveauer, så pårørende kan se om en plejehjem har enkelte forbedringsområder eller systematisk lave vurderinger.

5. Sygefravær blandt medarbejdere

Plejehjemmene indrapporterer selv det gennemsnitlige antal sygedage per medarbejder per år til Plejehjemsoversigten. Højt sygefravær korrelerer med ustabile arbejdsforhold, høj udskiftning og brudte plejerelationer — alle faktorer der påvirker kvaliteten af plejen direkte. Skalaen er designet til lav effektiv vægt så kun klart bekymrende fravær trækker ratingen ned:

• ≤ 19 dage/år (≤P75) → ★★★★★ (5) — påvirker ikke rating
• 20–25 dage/år (P75–P90) → ★★★★ (4) — let bekymrende
• 26–35 dage/år (P90–P99) → ★★★ (3) — bekymrende
• > 35 dage/år (top ~2 %) → ★★ (2) — markant højt

Landsmedianen er 13 dage/år. 909 ud af 932 plejehjem (~98 %) har sygedage-data. Vi capper værdier over 50 dage som datafejl (sentinel-værdier og indtastningsfejl udgør ~0.3 % af rådata). For ~20 % af plejehjem er sygefraværet det forhold der bestemmer stjerne-vurderingen.

Hvordan kilderne kombineres

Den samlede stjerne-vurdering er den laveste score fra de tilgængelige kilder. Det betyder at ★★★★★ kræver perfekt score hos ALLE de kilder vi har data fra. Det er den mest forsigtige tilgang — stjernerne afspejler det værste forhold, ikke gennemsnittet.

Eksempel: Et plejehjem med STPS = Ingen kritik (5) + Smiley = Glad (5) + Sygefravær = 22 dage (4) får ★★★★ samlet, ikke et gennemsnit på 4.7. Et andet plejehjem med STPS = 5 + Smiley = 5 + BRUS = 3.6 (3) + Sygefravær = 10 dage (5) får ★★★, fordi BRUS er den laveste.

Hvad vurderingen IKKE siger

Stjerne-vurderingen er én indikator blandt flere — ikke et fuldt billede. Den siger ikke noget om:

• Atmosfæren og stemningen i hverdagen
• Personalets faglige niveau og engagement
• Den fysiske beliggenhed og omgivelser
• Hvor velegnet plejehjemmet er til specifikke behov (demens, terminal pleje, m.m.)
• Pårørendes oplevelse (med undtagelse af KK's pårørende-BRUS)

Vores stærke anbefaling: besøg plejehjemmet selv, tal med pårørende til nuværende beboere, og spørg om det specifikke personale der vil pleje din kære.

Hvad vi bevidst har droppet

Flere datakilder ligger ligetil men er bevidst udeladt — enten fordi forskningen siger de er sekundære beslutningsfaktorer, eller fordi datakvaliteten ikke retfærdiggør indsatsen. Vi dokumenterer det her for at være transparente om vores valg.

POI-data (transport, indkøb, kirker)

Plejehjemsoversigtens CSV indeholder afstandsfelter til indkøb og kirke, og vi kunne nemt hente offentlig transport og andre POI-data fra OpenStreetMap. Vi har valgt at ikke gøre det til et primært feature, fordi:

• Plejehjemsbeboere foretager sjældent selvstændige ture til indkøb eller offentlig transport. Den typiske beboer har et plejebehov der gør den slags urealistisk.
• For pårørende betyder transport noget, men som praktisk tjekboks — ikke som afgørende valgkriterium. Forskningen peger på at pårørende vægter pleje-kvalitet, personalestabilitet og hjemlighed langt højere end fysisk beliggenhed.
• Egne udearealer betyder mere end nærliggende parker.Når forskningen taler om "grønne omgivelser" handler det om plejehjemmets egen sansehave eller gårdhave — ikke om der ligger en park 400 meter væk. Dem viser vi som boolean-flag (Sansehave, Gårdhave, Træningsfaciliteter) i Faciliteter-sektionen.

POI-data ville fylde siden uden at hjælpe beslutningen. Vi foretrækker at investere pladsen på data der reelt påvirker valget.

Ventetid per kommune

En åbenlys mangel — pårørende vil gerne vide hvor lang ventetiden til en plejebolig er. Men 98 kommuner publicerer ventetid på 98 forskellige måder, med ujævne definitioner ("aktuel gennemsnitsventetid" vs "antal på venteliste") og hyppige ændringer. At opbygge og vedligeholde 98 scrapere er ude af proportion med kvaliteten af resultatet.

I stedet viser vi plejekapacitet per 100 borgere over 80 år i kommunen — beregnet fra plejehjemsoversigtens pladstal og Danmarks Statistiks FOLK1A. Det er et stabilt strukturelt signal der svarer på "hvor knapt er udbuddet?" — den underliggende grund til ventetid. Det er ikke ventetid, men det er bedre end ingenting og fagligt sammenligneligt på tværs af kommuner.

National ældrebolig-discovery via BBR

Vi har en velfungerende pipeline der henter ældreboliger fra Københavns Kommunes åbne GeoJSON og beriger dem med BBR-data (byggeår, etager, areal, antal lejligheder) via Datafordeleren. Det giver kuraterede, rene data — KK har 40 registrerede ældreboliger, hvoraf vi henter BBR for 34.

Det nærliggende næste skridt ville være at finde alle ældreboliger nationalt direkte fra BBR ved at hente alle bygninger med anvendelseskode 160 ("Boligbygning til døgninstitution"). Det har vi testet og droppet:

• Kode 160 dækker alt med døgnophold — plejehjem, ældreboliger, børnehjem, ungdomshjem, behandlingshjem, krisecentre, døgnafsnit for handicappede, asylcentre. Der findes ikke en BBR-kode der isolerer ældreboliger.
• Skala-test viste 6.000–10.000+ unikke adgangsadresser nationalt med kode 160. Selv efter eksklusion af vores 932 kendte plejehjem ville vi sidde med 5.000–9.000 bygninger uden mulighed for at adskille ældreboliger fra børnehjem og krisecentre uden manuelt review.
• Falske positive ville dominere. At publicere et børnehjem eller krisecenter som "ældrebolig" er værre end ingen liste — det undergraver vores troværdighed.

Vi har valgt at fortsætte med kommunal scraping i stedet. Hver kommune publicerer typisk deres egne ældreboliger på en velkendt URL eller et åbent dataset; det er N scrapere men data er forfilteret og kuraterede af kommunen selv. KK er første pilot. Aarhus, Aalborg, Odense og Roskilde står for tur efterhånden som vi finder deres datakilder.

Ældrebolig-data: kommunal anvisning + danmarkbolig.dk

Almene ældreboliger har to ansøgnings-veje, og vi sammenstiller derfor data fra to forskellige kilder for at vise det fulde billede:

1. Kommunens egne lister (51 kommuner, ~1.000 bebyggelser) — bebyggelser hvor kommunen har anvisningsret og derfor publicerer adresselisten på egen hjemmeside. Vi scraper hver kommune individuelt med dedikerede sync-scripts, geokoder via DAWA, og beriger med BBR-data via Datafordeleren.
2. danmarkbolig.dk (BL's centrale portal — 98 kommuner, 1.999 bebyggelser, 59.741 boliger) — den nationale database over alle almene ældreboliger. Indeholder også bebyggelser hvor kommunen ikke har anvisningsret og derfor ikke har dem på sin egen liste. Vi henter dem via deres officielle søge-API (POST /api/search med dynamisk CSRF-token), grupperer på (vejnavn + by) til bebyggelses-niveau, og beriger hver bebyggelse med boligselskab-navn + website + email ved at hente detail-siden én gang pr. bebyggelse (~2.000 fetches).

De to datasæt flettes på (normaliseret vejnavn + by) så samme bebyggelse aldrig optræder to gange. Hver bebyggelse får en "search-path"-etiket der fortæller brugeren hvordan de søger:

• 🏛 Kommunal anvisning — kun fundet i kommunens liste (kommunen har 100% anvisningsret)
• 🏛📝 Begge muligheder — fundet i begge datasæt (kommunen har anvisning på dele, resten kan opskrives direkte)
• 📝 Direkte opskrivning — kun i danmarkbolig.dk (skriv dig op hos boligselskabet uden visitation)

Kendte begrænsninger: "Ledige nu"-tal er fra danmarkbolig.dk's seneste sync (månedligt) — det reelle billede ændrer sig hurtigere. For 13 udskudte kommuner (Vordingborg, Gribskov, Favrskov m.fl.) har vi ikke kommunens egen liste, men danmarkbolig.dk dækker dem alle alligevel. Matching-algoritmen tolererer 7 stave-varianter (sammenskrevet/adskilt s-vej, by-præfix, BuildingName-præfix etc.) — sjældne stavefejl giver dog stadig duplikater (~2 ud af 2.500).

Data-freshness: kommunale lister synces månedligt via GitHub Actions. danmarkbolig.dk synces samme cyklus (`scripts/sync_danmarkbolig_aeldreboliger.py`). Boligselskab- berigelse genfetcher detail-pages månedligt (`enrich_almene_with_boligselskab.py`).

Kendte svagheder

• 1 plejehjem mangler stjerner fordi det mangler i alle kilderne. Med sygedage som kilde dækker vi nu 931 ud af 932 plejehjem.
• Lokal tilfredshed dækker kun tre kommuner — København (BRUS), Aarhus (beboerundersøgelse) og Roskilde (Samskabt Tilsyn). 80 ud af 932 plejehjem har en lokal kvalitetsmåling; ★★★★★ kan opnås for de resterende ~852 uden den slags input. Vi udvider til flere kommuner efterhånden.
• Roskilde-rapporter er kvalitative, ikke numeriske som de øvrige BRUS-kilder. Vi parser de standardiserede niveau-formuleringer fra Roskildes Kvalitetskompas, men der findes ikke et respondent-antal — tilsynsbesøget er en helhedsvurdering ud fra observationer, dialog med beboere, pårørende og personale. Sammenligning på tværs af 4-niveau (Roskilde) og 1-5-skalaen (KK + Aarhus) er tilnærmelse, ikke direkte ækvivalens.
• Sygefravær indrapporteres af plejehjemmene selv til Plejehjemsoversigten — der kan være tvivl om definition (kun korttidsfravær eller alle fraværsdage?). Vi har valgt en konservativ skala hvor kun klart bekymrende værdier påvirker rating.
• STPS sletter rapporter efter 3 år. Et plejehjem med kun gamle problemer ses som "ingen rapport" hvilket kan virke uretfærdigt for plejehjem der har rettet op.
• Name-matching er fuzzy. Vi matcher STPS-rapporter til vores plejehjem-database via kommune + normaliseret navn, hvilket fejler for plejehjem med usædvanlige navne (fx Lindholm Plejehjem i Aalborg matchede ikke i første runde).

Opdateringer

Data opdateres automatisk via GitHub Actions:

• Plejehjemsdata: månedligt (CSV opdateres månedligt)
• Bofællesskaber: ugentligt
• STPS-tilsyn: månedligt
• Fødevare-smiley: ugentligt
• KK BRUS: månedligt (PDF'er kommer årligt i marts)
• Aarhus beboerundersøgelse: månedligt (PDF'er opdateres typisk hvert andet år)
• Roskilde Samskabt Tilsyn: månedligt (PDF'er opdateres typisk årligt i marts-maj)
• Ældreministeriets BTU (kommune-data): månedligt

Fejl og rettelser

Hvis du finder en faktuel fejl, en forkert match, eller har et forslag til metoden, så skriv til tt@gaijin.dk. Vi læser al post og retter fejl samme dag.