Suche
  • Francois Muller

Medizinische Dokumentation, Klassifizierungen & DRGs

Ein Framework um Fragmentierung zu überwinden und Mehrwert aus Daten zu erzeugen.

#DRG #coding #data #datacollection #management #dokumentation


Automatisierung der ICD-10 Kodierung, digitale Versorgungs-Mappings, Benchmarking anhand von DRGs: an guten Ansätzen rund um die Themen der medizinischen Dokumentation, Klassifizierungen & DRGs mangelt es nicht. Im November 2019 wurden am internationalen Forum DCSH an der Universität Luxemburg verschiedenen Ansätze aus ganz Europa präsentiert und diskutiert. Einzelne Länder haben in spezifischen Bereichen gute Ansätze, aber kaum ein Land nutzt das volle Potential medizinischer Daten. Basierend auf den Erkenntnissen der Konferenz haben wir ein Framework entworfen – das Motto: Bring it all together!


Das Framework gegen Fragmentierung

Das ungenutzte Potenzial medizinischer Daten besteht vor allem darin, dass die Produktion, die Verwaltung und die Verwendung meist sehr fragmentiert gehandhabt werden. Ärzte sind bemüht sauber zu dokumentieren. Spitäler investieren viel Geld, um die Dokumentationen in Codes für die Fakturierung umzuwandeln. Gesundheitsbehörden versuchen möglichst gute Reports aus diesen Codes zu erstellen. Was dabei häufig vergessen geht, ist der Blick für das Ganze: Als Konsequenz nerven sich die Ärzte über das ständige Dokumentieren, die Spitäler wissen nicht was die Behörden mit den Daten letztendlich alles machen wollen und die Gesundheitsbehörden klagen über die mangelnde Qualität der Daten. Was fehlt, ist ein ganzheitlicher Ansatz.



Es gilt vom Eintritt des Patienten und der darauffolgenden Dokumentation bis hin zum (inter-)nationalen Benchmarking, alle Stufen sinnvoll aufeinander abzustimmen. Die Ziele der Datenerhebung müssen klar festgelegt und kommuniziert werden. Demzufolge müssen alle bei der Datenerfassung involvierten Personen wissen, für welche Reports oder Finanzierungsmechanismen die jeweiligen Daten verwendet werden. Dies fördert die ziel- und zweckorientierte Ausgestaltung der Prozesse über alle Ebenen hinweg.


Kodierung mittels AI oder Framework Level 1: Data Production

Zu Beginn geht es um die Produktion der später verwendeten Daten. Dieser Schritt stellt das Fundament aller anschliessenden Prozesse dar, dementsprechend muss dem Beginn ein hoher Stellenwert zugeschrieben werden. Mit folgenden Punkten kann eine erfolgreiche Datenproduktion gewährleistet werden:

  • Gute Kommunikation über Ziele und Zwecke der Datensammlung

Sind die Ziele von vornherein klar, ist die Produktion der Daten umso präziser. Wird einem Arzt von Anfang an klar übermittelt, dass die Bewilligung von Mitteln oder Infrastrukturen von seiner Dokumentation abhängt, so wird er von Beginn an besser dokumentieren. Genau auf diese Problematik hat Stéphanie Leroy am Forum DCSH verwiesen. Am Beispiel des CHU Liège zeigte sie eindrücklich, wie eng eine Kodierabteilung mit den Kliniken in Verbindung stehen muss, um Sinn und Zweck der Dokumentation erfolgreich zu vermitteln.

  • Technologien nutzen, um medizinische Dokumentation zu erleichtern

Von Spitälern und Gesundheitsbehörden werden eine Vielzahl an Daten verlangt, die konkrete Umsetzung jedoch bleibt oft beim medizinischen Personal hängen. In Zeiten von Fachkräftemangel hätten diese jedoch besseres zu tun. Um medizinische Dokumentation zu erleichtern, muss Software nutzerfreundlich, integriert und einheitlich gestaltet und verwendet werden. So können Kliniker mehr Zeit dort verbringen, wo sie am meisten gebraucht werden, nämlich beim Patienten. Cláudia Medeiros Borges hat am Forum DCSH aufgezeigt, wie in Portugal ein einheitliches System zur Erfassung von ICD-10-CM und ICD-10-PCS Codes durch die Ärzte verwendet wird.

  • Effiziente Umwandlung von medizinischer Dokumentation in Codes

Die oft umfangreiche medizinische Dokumentation muss im nächsten Schritt in Codes umgewandelt werden. Wertvolle Ansätze hierzu präsentierte Frank Weishaupt am Forum DCSH. Das Spital Thun treibt seit längerem die Automatisierungen der Kodierprozessen voran. So kann nicht nur der Zeitaufwand der Kodierer reduziert werden, sondern die Dokumentation der Diagnosen wird spezifischer und unterstützt kontinuierlich die Weiterentwicklung des DRG-Systems.


Krokodilbisse an der Nordsee oder Framework Level 2: Data Transmission, Validation and Warehousing

Die zweite Ebene unseres Frameworks behandelt die Festlegung einheitlicher Datenstandards, die Qualitätskontrolle sowie die Übermittlung und Lagerung von Daten.

Die Gesundheitsbehörden müssen im Vorfeld der Datenerhebung klare und einheitliche Standards definieren. Dabei ist es empfehlenswert, sich aufs Wesentliche zu konzentrieren. Viel zu oft observieren wir, dass Unmengen an Daten gesammelt werden, ohne je eine Verwendung für diese zu finden.

Die Einführung von einheitlichen Standards ermöglicht eine automatisierte Kontrolle und Revision der Datenqualität. Das Beispiel von Belgien hat die nützliche Verwendung von Algorithmen als Warnsysteme aufgezeigt. So können ungewöhnliche Datenkombinationen von Algorithmen automatisch erkannt und gemeldet werden: Der Spitalaufenthalt eines schwangeren Mannes ist davon genauso betroffen wie die Hospitalisierung eines Kindes in einem Nordsee-Spital in Folge eines Krokodilbisses. Das Warnsystem schreitet in diesen Momenten ein und verlangt von den Verantwortlichen eine genauere Überprüfung. Somit kann die Qualität über alle Daten hinweg gesichert werden.


Bei der Zusammenführung der Daten von mehreren Spitälern auf nationaler Ebene, ist es empfehlenswert eine zentralisierte Datenbank aufzusetzen. Idealerweise können dadurch die vorhandenen Daten mit weiteren Datenquellen kombiniert werden. Durch diese fachübergreifende Zusammensetzung der Daten, kann der segmentierten Betrachtung der Daten entgegengewirkt werden und die Aussagekraft der Daten nimmt deutlich zu. Erste solche Vorhaben können beim digitalen Schrittmacher Europas – Estland – bereits vorgefunden werden. Dort werden heute zahlreiche Datenquellen zusammengeführt.


Die Care Map oder Framework Level 3: Data Usage

Im finalen Layer geht es um die sinnvolle Verwendung zu Analyse- oder Finanzierungszwecken auf allen Ebenen. Dazu sind 3 Verwendungszwecke zu unterscheiden:

  1. Spitalmanagement – Nutzung der Daten als Managementtool und/oder zur Verbenchmarkung mit anderen Leistungserbringern

  2. Versorgungsplanung – Nutzung der Daten durch Gesundheitsbehörden als Basis für die Versorgungsplanung

  3. Finanzierung – Nutzung der Daten zur Finanzierung der Leistungserbringer

Die Nutzung von DRG-Daten für Fallpauschalen oder zur Kalibrierung von Globalbudgets ist allgemein bekannt. Dass in den DRG-Daten jedoch noch viel mehr steckt als die Grundlage für ein Finanzierungsmechanismus, zeigt ein Beispiel aus Deutschland. Das Departement für Health Care Management (MiG) der Technischen Universität Berlin hat auf Basis von DRG-Daten aussagekräftige Analysen erstellt, die als Grundlage für die Versorgungsplanung verwendet werden können. Gerne verweisen wir auf die Präsentation von Dr. Alexander Geissler. Werden solche Daten nun noch um andere Daten ergänzt, wie beispielsweise PROMs, eröffnen sich neue Betrachtungsweisen für Entscheidungsträger auf nationaler und kantonaler Ebene. Mit diesen Berichten erreicht man eine umfangreiche Betrachtungsweise, welche die Kundenseite in die Entscheidungsgrundlage miteinbezieht.

Auch die Spitäler können die Daten für sich nutzen: Aus den erhobenen Daten konnte in einem Fallbeispiel ein Schweizer Spital herauslesen, dass seine durchschnittliche Verweildauer für Hüftprothesen 7 Tage betrug. Der Blick nach Holland zeigte eine Verweildauer von weniger als 3 Tagen für die gleiche Operation. Auch wenn solche Vergleiche immer mit Vorsicht zu geniessen sind, bieten sie eine ideale Diskussionsbasis. In diesem Fallbeispiel setzten sich die Vertreter des Schweizer Spitals mit den Kollegen aus Holland an einen Tisch und erkundeten die Unterschiede im Patientenpfad. So konnten die Ursachen für die unterschiedlichen Resultate identifiziert werden und Verbesserungsmassnahmen getroffen werden. Ein solcher Austausch von Best-Practices ermöglicht die effektive Weiterentwicklung verschiedenster Tätigkeiten im Gesundheitswesen.

Die gute Nachricht ist: Wir verfügen bereits heute über eine gute Grundlage an Daten, aber wir nutzen sie nicht genug. Bevor wir darüber nachdenken und Zeit damit verlieren, welche weiteren Daten erhoben werden sollten, ist es sinnvoll, die Prozesse auf jedem Level anzupassen und zu verbessern, sodass sich das volle Potential dieser Daten entfalten kann.

Um einen möglichst geschlossenen Kreislauf der Datenverwendung zu erzielen, ist es empfehlenswert, dass die Datenlieferanten aus den vorherigen Ebenen über Ihre Datenqualität und die aktuelle Verwendung der Daten informiert werden. Eine solche Rapportierung auf die vorherigen Ebenen ermöglicht eine reflektierte Betrachtungsweise und fördert die zweckorientierte Datenerhebung in den zukünftigen Prozessen.

36 Ansichten