facebook LinkedIN LinkedIN - follow
IT SYSTEMS 12/2008 , AI a Business Intelligence

Připraveni pro eHealth?

aneb Zkušenosti z kontrol vyúčtované zdravotní péče



eHealthSmyslem eHealth je automatické zpracování dat o poskytnuté zdravotní péči, a to jak v podobě strukturované elektronické zdravotnické dokumentace, tak v podobě zdravotních výkonů, které slouží jak pro vyúčtování s plátci, tak pro nejrůznější rozbory a analýzy potřeby a spotřeby zdravotní péče, a to jak na straně poskytovatelů a jejich managementu, tak na straně plátců. Aby se data dala pro tyto účely použít, musí nutně splnit přísná kritéria na validitu a významovou „čistotu“, k jejichž zajištění je třeba sofistikovaný systém kontrolních mechanismů. O našich zkušenostech s validitou dat o poskytnuté zdravotní péčí vypovídá následující článek.


Jak vyúčtovat zdravotní péči

Základem pro vyúčtování poskytnuté zdravotní péče mezi zdravotnickým zařízením a plátcem (zdravotní pojišťovnou) jsou dávky dokladů o poskytnuté zdravotní péči. Dávky dokladů (tzv. K-dávky) se tvoří většinou z primárních dat příslušných nemocničních informačních systémů (NIS) v datovém rozhraní a podle pravidel, která shrnuje Metodika VZP ČR pro pořizování a předávání dokladů v platné verzi. Dalším neopominutelným vstupem při vykazování péče je vyhláška MZ ČR č. 134/1998 Sb. v platném znění, kterou se vydává seznam zdravotních výkonů s bodovými hodnotami. Datové rozhraní – individuální doklady – pak obsahuje detailní syntaktický popis souboru obsahujícího dávky s vyúčtováním poskytnuté zdravotní péče.

Vykazování zdravotní péče

Platná zdravotnická legislativa v ČR jednoznačně stanoví, že veškerá poskytnutá zdravotní péče se vykazuje zdravotní pojišťovně prostřednictvím zdravotních výkonů včetně ošetřovacích dnů a tato poskytnutá péče musí být řádně zdokumentována ve zdravotnické dokumentaci pacienta. Zápis do zdravotnické dokumentace je nedílnou součástí všech zdravotních výkonů. Dlouholeté zkušenosti ze systému veřejného zdravotního pojištění ukazují, že vykazování poskytnuté zdravotní péče (výkonů) je většinou poplatné způsobu úhrady této péče. V plně výkonovém systému úhrady za výkon (fee for service) jsou poskytovatelé motivováni k nadměrnému vykazování péče – zcela logicky, za každý bod každého výkonu se platí. Jestliže se i v tomto úhradovém systému zavedou regulační mechanismy omezující množství vykázané péče nějakým maximem, pak se vykazování výrazně změní. Například zavedení regulací pomocí časových regulačních koeficientů vedlo k tomu, že významná část ambulantních zdravotnických zařízení, která by byla postižena tzv. časovou regulací dle novely zákona č. 48/1997, začala od 1. července 1997 vykazovat jen některý druh klinických vyšetření či jen některé, časově nenáročné výkony. Velmi četné a složité, v detailech se velmi rychle měnící rozdílné způsoby úhrady jednotlivých složek zdravotní péče pak nutně vedou ke ztrátě kontinuity dat zdravotních pojišťoven právě vlivem častých změn, včetně změn chování poskytovatelů. Vykazovaná zdravotní péče neodpovídá většinou ani péči skutečně poskytnuté, ani skutečnému zdravotnímu stavu pojištěnců a mnohdy ani výši poskytnuté úhrady (paušální platba, kombinovaná kapitačně-výkonová platba). Paradoxem je, že pokud se například ambulance v nemocnicích hradí v rámci tzv. globální paušální sazby, bez časové regulace výkonů, ale stejné ambulance v privátní sféře mají časovou regulaci, pak se mnohdy vykazování ve stejných odbornostech diametrálně liší. Takováto data lze pak jen stěží použít k relevantním modelacím nových způsobů úhrad poskytnuté zdravotní péče, k popisu zdravotního stavu pojistného kmene, k plánování rizik atp.

Kvalita je základ

Druhým zásadním kritériem je pak kvalita dat z pohledu jejich správnosti a souladu s výše uvedenými legislativními normami a metodikami. Kontrolami vykazované péče se konzultanti Adastry pro segment zdravotnictví zabývají téměř rok. Za období předchozích šestnácti let jsme shromáždili spoustu poznatků z praxe z kontrol a revizí smluvních zdravotnických zařízení jedné z poboček VZP ČR, ze smírčích řízení, z kazuistik a z dalších poznatků, mezi něž určitě patří bohaté zkušenosti z analýzy stavu seznamu zdravotních výkonů pro návrh možných úprav či tvorba softwarového nástroje pro modelace nad seznamem a další. V současné době disponujeme souborem přibližně čtyř desítek různých druhů kontrol, které mohou pracovat jak nad primárními daty poskytovatelů (jejich informačních systémů), tak nad sestavenými K-dávkami pro plátce.

Za období uplynulých dvanáct měsíců jsme provedli kontroly této vyúčtované zdravotní péče pro dvě desítky zákazníků – nemocnice, včetně pěti fakultních, dvě zdravotní pojišťovny, ale i pro privátní ambulantní zdravotnická zařízení. Pro čtyři objednatele jsme provedli tyto kontroly opakovaně. Výsledky bohužel v naprosté většině případů potvrzují výše uvedená fakta o významné „nevaliditě“ dat o poskytnuté zdravotní péči, a to jak z pohledu vztahu vykázané zdravotní péče k péči skutečně poskytnuté (ke skutečnému zdravotnímu stavu pacienta), tak z pohledu dodržování platných legislativních norem a dalších metodik.

Na straně zdravotnických zařízení je mnohdy smutným zjištěním fakt, že ani ve smluvně sjednaném způsobu úhrady poskytnuté zdravotní péče zdaleka nevyužívají všechny možnosti správného vykázání s ohledem na možnost získání maxima finančních prostředků od plátců (samozřejmě za předpokladu dodržování všech platných legislativních norem a metodik), stejně jako fakt, že se zdravotnická zařízení permanentně ohrožují možným vysokým kontrolním nálezem ze strany plátců, který by je mohl nejen ve výkonovém systému úhrady, ale i v systému úhrady globální paušální sazbou postihnout významnými finančními sankcemi.

Na straně plátců je mnohdy překvapivým zjištěním skutečnost, jakou chybovost dat připouští ve svých informačních systémech, a to přesto, že tato data následně využívají například k výpočtu regulací, k analýzám poskytované péče atp.

Pokusím se velikost demonstrovat na několika příkladech. Prvotní kontroly provádíme většinou nad ročním souborem zakódovaných primárních dat (rodné číslo je nahrazeno jiným kódovým jednoznačným identifikátorem v rámci vstupního souboru a roku, zachovány jsou údaje o roku narození a o pohlaví), navazují pak pravidelné měsíční kontroly před (po) sestavení K-dávek pro zdravotní pojišťovny, popřípadě kontroly obojí. Kontrola před sestavením K-dávek odhalí možné chyby nedostatky, které si zdravotnické zařízení opraví, a následuje druhá kontrola, která potvrdí správnost a úplnost provedených oprav.

Kontrola je rozdělena do čtyř částí, z každé části kontroly vzniká samostatná statistika i detailní chybové sestavy (až na úroveň jednotlivého řádku na konkrétním dokladu pro konkrétního pojištěnce a poskytovatele):

1.     kontroly na číselníky diagnóz, odborností, HVLP, PZT,

2.     kontroly na číselník výkonů,

3.     kontroly frekvenčního omezení a přípustnosti současného vykazování výkonů,

4.     kontroly vykazování ošetřovacích dnů (OD), radiofarmak, DRG markerů.

 

Vstupní roční soubory na úrovni bývalých okresních, tj. malých nemocnic, lze charakterizovat řádově takto:

·         stovky tisíc vstupních dokladů,

·         desítky tisíc pacientů,

·         hodnota vstupních dokladů v bodech stovky milionů bodů,

·         hodnota vstupních dokladů v korunách (zvlášť účtovaných materiálů – ZUM) desítky až stovky milionů.

 

Velikosti vstupních souborů fakultních a jiných srovnatelně velkých nemocnic jsou řádově vyšší (fakultní nemocnice má svůj měsíční soubor zhruba ve velikosti celoročního souboru bývalé okresní či městské nemocnice). Velikosti zpracovaných souborů zdravotních pojišťoven jsou velikostí (mimo VZP ČR) někde mezi malými až fakultními nemocnicemi.

 

 

malá nemocnice

fakultní nemocnice

zdravotní pojišťovna

Chybovost dokladů v bodech

2 – 7 %

1,1 – 6 %

1 % – 2 %

Chybovost dokladů v Kč

1 – 3,5 %

0,8 – 2 %

0,5 – 1,5 %

Chybovost v dokladech (počet chybných dokladů)

2 – 9 %

1 – 3,5 %

1,1 – 6,8 %

Chybovost u pacientů

2 – 6,5 %

3 – 6,5 %

8 – 22,5 %

Chybovost na pracovištích (počet pracovišť)

10 – 57 %

7 – 43 %

15 – 42 %

Tab. 1: Zjištěná chybovost nad vstupním souborem

 

Kromě chyb, které jsou následně vyčísleny do hodnot chybovosti uvedených v tabulce 1, v každé skupině kontrol zpracováváme zvlášť chyby typu W (warning) – jedná se pouze o upozornění například na výkon hrazený za určitých podmínek atp. Tuto část, stejně jako ostatní typy kontrol, lze modifikovat dle požadavků objednatele. Pokud se však opakovaně provádí komplexní soubor kontrol bez výjimky a následně jsou důsledně opravovány všechny chyby, vede tento režim po krátké době prakticky k odstranění opravných dávek na straně poskytovatelů a k „čistým“ datům na straně plátců. Kromě dodavatelského řešení je možno zakoupit i softwarový nástroj pro tyto kontroly.

Ilustrativní příklady k jednotlivým nálezům

Příklad 1: Souhrnná statistika kontrol správného vykazování diagnózy, odborností, ZUMů a ZULů dle číselníků

 
 

Popis chyby

Počet

210-NENALEZENO V ČÍSELNÍKU DIAGNÓZ,

22

211-POUŽITA 3 ZNAKOVÁ DG I KDYŽ EXISTUJE 4 ZNAKOVÁ

93

213-V HLAVIČCE DOKLADU POUŽITA HVĚZDIČKOVÁ Dg.

90

212-CHYBNÁ VAZBA DG. A POHLAVÍ

43

221-AMBULANTNÍ DOKLAD OBSAHUJE HOSPITALIZAČNÍ ODBORN

9

222-V HLAVIČCE HOSPITALIZAČNÍHO DOKLADU NENÍ HOSP. ODB.

19

225-DOKLAD 06 NEOBSAHUJE ŽÁDAJÍCI ODB

301

292-H-LÉK PRO DANÉ PRACOVIŠTĚ NEHRAZEN JAKO ZUM

1

292-L-LÉK PRO DANÉ PRACOVIŠTĚ NEHRAZEN JAKO ZUM

15

292-U-LÉK PRO DANÉ PRACOVIŠTĚ NEHRAZEN JAKO ZUM

7

293-DUPLICITNĚ VYKÁZANÝ ZUM

229

 

Ke každé souhrnné statistice následuje vždy detailní chybová sestava s identifikací pracoviště, pojištěnce, data provedení výkonu, dokladu a řádku na dokladu včetně detailního popisu chyby.

 

Příklad 2: Chyby v rozporu se seznamem zdravotních výkonů

Popis chyby

Počet

230-NENALEZENO V ČÍSELNÍKU VÝKONŮ

146

232-AMBULANTNÍ DOKLAD S NEPŘÍPUSTNÝM OMEZENÍM

19

236-VÝKON S OMEZENÍM Y U STANDARDNÍ LŮŽK. PÉČI

10

237-VÝKON S OMEZENÍM P, D U INTENZIVNÍ LŮŽK. PÉČI

5

 

Příklad 3: Chyby překročení povolených frekvencí, chyby nedodržení stanovených podmínek současného vykázání výkonů

Popis chyby

Počet

výkon nelze současně vykázat s jiným výkonem

4 100

komplexní vyšetření častěji než za 3 měsíce

609

překročená frekvence výkonů – DEN

2 469

překročená frekvence výkonů – TÝDEN

219

překročená frekvence výkonů – MĚSÍC

88

překročená frekvence výkonů – ČTVRTLETÍ

957

překročená frekvence výkonů – ROK

115

překročená frekvence výkonů – ŽIVOT

5

 

U chyby, kdy výkon nelze současně vykázat s jiným výkonem, rozlišujeme dále specifikaci důvodu omezení (A – výkon agregován do ošetřovacího dne, D – ošetřovací den, Y – ošetřovací den resuscitační péče, K – klinické vyšetření, Q – výkon nelze vykazovat současně s klinickým vyšetřením). Konkrétní chyba pak může mít například tento tvar: „233-NELZE VYKÁZAT SOUČASNĚ 63022 63023-KK“, tzn. že nelze vykázat dva výkony klinických vyšetření současně 63022 a 63023.

Běžně lze v souborech K-dávek za jeden měsíc v jednom zdravotnickém zařízení nalézt desítky případů překročení povolené frekvence za rok či za život, a to i na jednom dokladu.

Příklad 4: Chybovost při vykazování ošetřovacích dnů, radiofarmak, DRG markerů aj.

Popis chyby

Počet

271-NOVÁ HOSPITALIZACE DŘÍVE NEŽ 28 DNÍ

193

280-K VÝKONU 51711 CHYBI MARKER

19

281-CHYBNÁ VAZBA 51711 MARKER

5

294-RADIOFARMAKUM VYKAZUJE JINÁ ODB NEŽ 4 0002094

2

295-K RADIOFARMAKU CHYBÍ VÝKON 0002009

2

295-K RADIOFARMAKU CHYBÍ VÝKON 0002021

5

295-K RADIOFARMAKU CHYBÍ VÝKON 0002049

10

295-K RADIOFARMAKU CHYBÍ VÝKON 0002090

1

295-K RADIOFARMAKU CHYBÍ VÝKON 0002094

3

296-PŘEKROČENO MNOŽSTVÍ RADIOFARMAKA 0002074

3

296-PŘEKROČENO MNOŽSTVÍ RADIOFARMAKA 0002087

4

 

Specifickou oblastí jsou kontroly správného vykazování výkonu 51711 – výkon laparoskopický a torakoskopický ve vazbě na použitý DRG marker a ve vazbě na dobu anestezie. Kontrolní výpis může mít například tento tvar:

 

Číslo pojištěnce

Datum výkonu

Vykázaný kód DRG markeru

Kód 51711 – vykázaný počet

Kód 51711 -maximální povolený počet v SZV podle vykázaného markeru

Počet minut vyplývající z počtu vykázaného kódu 51711

Počet minut vyplývající z počtu vykázaného kódu anestezie

A158180238

22.11.2007

90866

6

6

180

0

B80706044

14.10.2008

90877

1

7

30

300

C554041648

06.10.2008

90859

3

5

90

120

D362100382

07.10.2008

90831,90836

3

6

90

160

E451140674

10.10.2008

90831

3

3

90

140

F855080607

22.10.2008

90850

3

4

90

120

G560241314

29.10.2008

90831,90847

3

7

90

0

H062154770

29.10.2008

90850,90863

5

9

150

0

 

Z tabulky je vidět, že například pojištěnci na prvním řádku nebyla vůbec vykázána žádná anestezie, přestože zákrok dle kódů 51711 a DRG markeru trval 180 minut. Pojištěnci na druhém řádku tabulky byl vykázán výkon 51711 pouze jedenkrát, přestože dle použitého DRG markeru a dle délky vykázané anestezie mohl být výkon vykázán až sedmkrát. U pojištěnců na třetím řádku mohl být vykázán celkový počet výkonů 51711 roven čtyřem dle DRG markeru, a odpovídalo by to i celkové době anestezie.

Běžně lze v měsíčních souborech nemocnic nalézt až stovky případů, kdy k operačnímu výkonu není vůbec vykázána žádná anestezie, stejně jako stovky případů, kdy bylo možno vykázat ještě další násobek (násobky) výkonu 51711 dle DRG markeru a dle doby anestezie. Výkon 51711 je ohodnocen 905 body. Správné vykázání DRG markeru má zásadní vliv na rozlišení typu operace a v systému DRG pak i na váhu pacienta a na úhradu takto poskytnuté péče. Stejný význam mají i ostatní markery (porodní váhy, některé kardiochirurgické výkony, umělá plicní ventilace aj.).

Další specifickou oblastí je kontrola správného vykázání ZUM k těm výkonům, kde je tento materiál použit. Příslušné upozornění může mít například tento tvar:

 

89617

VYKÁZÁNO VÝKONŮ CELKEM

 

335

89617

z toho VÝKONŮ bez vykázání ZUM

 

10

89617

CT VYŠETŘENÍ KTERÉHOKOLIV ORGÁNU NEBO OBLASTI S APLIKACí K.L

809

10

 

Zdravotnické zařízení vykázalo celkem 335krát výkon 89617. Přitom v deseti případech k tomuto výkonu nebyl vykázán ZUM (kontrastní látka), a to na pracovišti odbornosti 809 – radiodiagnostika. V měsíčních souborech nemocnic lze nalézt až desítky tisíc případů, kdy k výkonu nebyl vykázán ZUM.

Jak fungují kontrolní moduly

Fungování našich kontrolních modulů si dovolím demonstrovat na příkladu. Přebíráme data o vykazované zdravotní péči za období jednoho měsíce jedné velké nemocnice, a to jak původní dávky, tak opravné dávky, a navíc protokoly o odmítnutých dávkách a o dávkách k proplacení.

Nejprve byly nahrány původní dávky, na které byl následně proveden „merge“ opravných dávek. Při tomto běhu se zjišťuje, zda doklad se stejným číslem dávky již nebyl nahrán – pokud ano, pak je původní doklad vyřazen a nahrazen dokladem novým z opravné dávky.

Na takto sestavený vstupní soubor K-dávek byl spuštěn náš kontrolní modul, který odhalil všechny chyby zjištěné plátcem s výjimkou chyb, jejichž odhalení nebylo možné z důvodu charakteru chyby – například:

  • číslo dokladu nejednoznačné v rámci subjektu roku,
  • pojištěnec není v centrálním registru,
  • odbornost není nasmlouvána,
  • pojištěnec spadá do DP4 – mezistátní pojištění + EU,
  • rodné číslo – pojištěnec jiné ZP,
  • ukončení pojištění, datum mimo časovou toleranci,
  • výkon je hrazen kapitačním paušálem.

 

Z protokolů chyb plátců je následně možno odsouhlasit pouze pět chyb – „výkon agregován do OD nebo výkon s OME=A“, které náš kontrolní modul specifikuje blíže jako chybu „223-chybná vazba mezi odbornostmi na dokladu 06“.

(U některých plátců z výpisu chybového protokolu vyplynulo, že příslušný systém odmítl při validaci z uvedených chyb pouze chyby některé. Ostatní chyby byly odhaleny až při následných kontrolách, popřípadě odmítnuty ručně likvidátorem.)

V dalším kroku byly ze vstupního souboru K-dávek vyřazeny všechny dávky (doklady) s chybami dle chybových protokolů, včetně chyb odmítnutých likvidátorem. Nad tímto vstupním souborem byl znovu spuštěn náš kontrolní modul. V souboru, kde plátci již nenalezli (možná ani nehledali) žádnou chybu, jsme zjistili toto:

·         procento chyb v hodnotě dokladů v bodech: 2,7 %,

·         procento dokladů s chybami: 0,74 %,

·         procento pacientů s chybou ve vyúčtování: 1,9 %,

·         procento chybných dokladů v Kč: 0,03 %.

 

Zde je nutno vzít v úvahu, že do výsledku nebyly zahrnuty chyby typu W-warning, například všechny duplicitně vykázané ZUMy, a navíc na omezeném vzorku dat nebylo možno provést všechny druhy kontrol.

Příklady konkrétních chybových nálezů:

  1. chyba 233 – výkon nelze současně vykázat s jiným výkonem: 175 chyb,
  2. chyba 139 – komplexní klinické vyšetření častěji než za tři měsíce na stejném pracovišti: 9 chyb,
  3. chyba 212 – chybná vazba diagnózy a pohlaví: 20 chyb,
  4. chyba 234 – překročená frekvence výkonů: 1 585 chyb (z toho překročení frekvence povolené na den 1 200 chyb, překročení frekvence na týden 243 chyb, překročení frekvence na měsíc 39 chyb, překročení frekvence na čtvrtletí 84 chyb, překročení frekvence na rok 17 chyb, překročení frekvence na život 2 chyby), přestože ke kontrole byly k dispozici pouze K-dávky za jeden měsíc (!), jsou i v tomto souboru nalezena překročení povolených frekvencí výkonů za čtvrtletí, za rok i za život (!), a to na i na jednom dokladu, kterých si plátci vůbec „nevšimli“.
  5. chyba 223 – chybná vazba mezi odbornostmi na dokladu 06: 10 chyb,
  6. chyba 292 – lék pro dané pracoviště nehrazen jako ZUM: 8 chyb,
  7. chyba 293 – (W) – duplicitně vykázaný ZUM: 328 chyb,
  8. chyba 271 – (W) – nová hospitalizace dříve než za 28 dní: 134 chyb,
  9. chyba 270 – (W) – chybné vykázání výkonů 00880, 00881: 6 chyb,
  10. chyba 280 – (W) – k výkonu 51711 chybí marker: 1 chyba,
  11. chyba 298 – (W) – nenalezen ZUM: 11 760 chyb (!).

 

Tyto výsledky ukazují, že kontrola na straně plátců nad uvedenou měsíční dávkou nemocnice prakticky neproběhla.

Stále je co zlepšovat

Závěrem je nutno říct, že výše uvedené výsledky dokladují, že kvalita dat o poskytované zdravotní péči není dobrá, a to jak na straně poskytovatelů, tak na straně plátců, jak na straně vykazování výkonů, tak na straně vykazování diagnóz. Na straně zdravotnických zařízení nejsou využity všechny možnosti správného vykázání s ohledem na možný finanční profit, zejména ve vazbě na dnes již prakticky volitelný způsob financování (výkonový systém, DRG-alfa, jednodenní chirurgie, balíčkové ceny, DRG), ale zejména nedůsledná kontrola generuje množství zcela zbytečné práce s opravnými dávkami na odděleních pro styk s pojišťovnami, přičemž platí, že každá dodatečná oprava většího rozsahu prakticky generuje další a další chyby. Navíc vysoká chybovost prakticky trvale ohrožuje poskytovatele dodatečným kontrolním zásahem a může znamenat i významné krácení globální paušální sazby (chybovost v bodech nad šest procent není u zdravotnických zařízení výjimkou).

Na straně plátců péče nedostatečná kvalita dat o poskytnuté péči prakticky znemožňuje provádět validní analýzy potřeby a spotřeby péče, pojistné plánování, neumožňuje vytvoření validních a jinak celkem jednoduchých datových standardů poskytované péče dle diagnóz pacientů či odborností poskytovatelů, neumožňuje vytvoření vypovídajících ukazatelů kvality poskytované péče z vykázaných výkonů a diagnóz. Přes převažující paušalizaci plateb, která ani poskytovatele ani plátce (navíc při současném dostatku finančních prostředků v základním fondu zdravotního pojištění) prakticky nemotivuje ani ke správnému vykazování, ani k následné důsledné kontrole vykázané péče, stojí zato usilovat o změnu. Cesta je ve strukturovaném vykazování s využitím předdefinovaných zkontrolovaných šablon péče, v on-li kontrolách již při prvotním záznamu poskytnuté péče, ve strukturované elektronické zdravotnické dokumentaci, včetně automaticky generovaných výkonů o poskytnuté péči.

Lubomír Dvořáček
Autor působí jako principal business consultant pro oblast zdravotnictví ve společnosti Adastra.

 

 

Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.

Inzerce

Pět způsobů, jak AI změní náš svět k nepoznání

AI_analyzuje_data-PR.jpegUmělá inteligence (AI) a strojové učení (ML) přináší už více než 10 let podnikům i výzkumníkům stále možnosti. Ať už jde o využití prediktivní analýzy k předvídání údržby zařízení, nástroje počítačového vidění, které dávají oči robotům na automatických montážních linkách, nebo digitální dvojčata sloužící k simulaci fungování továren, měst, a dokonce i celých ekonomik, seznam aplikací poháněných AI je dlouhý a stále se prodlužuje.