智能审核应对DRG低码高编
职场
健康
2025-01-23 11:10
广西
DRG支付方式下的低码高编是指医院故意系统地改变报告的病例组合，以获得更多医保付费的行为，给医保基金安全带来风险。低码高编作为最具破坏性的行为，应作为监管方的稽核重点。不同支付方式下，医疗机构、医生的行为会随之发生改变，监管方式也要随之变化。传统的人工审核方法效率不足，应使用智能分析软件，以识别是否存在低码高编。按项目付费常见的违规是过度诊疗、超量用药、不合理收费，DRG付费，常见的违规行为是低码高编、分解住院、频繁转诊及医疗不足。事实上，在复合支付方式下，我们既要兼顾病种/DRG规则，也要兼顾传统的医保物价规则（如同功能收费等）和大数据规则。智能分析软件是通过DRG诊疗监控可疑违规筛查模型，对“按DRG付费”的结算单据进行筛查，直接检出结算单据中的“诊断高靠”（诊断高编码）、“治疗不足”等可疑违规诊疗行为，监控由于恶意套取医保基金或治疗不足引发医疗质量降低的的现象。智能分析软件应当包括医学诊疗知识库、病种数据模型、统计分析算法模型。一、医学诊疗知识库：在国家相关机构的专家组指导下，依据权威临床诊疗指南及临床路径指南制定，包含药品、诊疗项目、耗材、病种知识库。其中病种诊疗监控知识库主要包括病种诊疗监控规则库、病种诊疗监控指标库和病种-诊疗服务包库。监控规则按诊疗分组和相关服务包规范制定，实现对诊疗过程中违反政策规定的费用明细和诊疗行为进行监控；病种-诊疗服务包数据库主要依据临床诊疗指南和当地诊疗分组，同时参考临床路径、临床教科书等权威资料，按病种分组的诊疗专家共识制定，实现对结算单据出院诊断合理性的判断验证。二、病种数据模型：可量化组合式病种数据数据模型，依据真实历史数据形成住院日合理性指标、诊疗符合度、费用异常值三类量化指标，可针对特定病种灵活配置指标权重，达到阳性检出率可控可量化的目的。三、统计分析算法模型：患者负担性、疾病病种对应率、病种遴选模型进行分析监管，达成合理应用DRG付费政策目的。诊断不符：患者的实际诊断与所选择的DRG分组不符，可能会出现一些不匹配的现象。例如，病人的病情复杂度较低，但虚构诊断分配到了一个复杂度较高的DRG组。过度编码：医院在记录诊断时可能会选择更多的次要诊断、并发症或合并症（CC/MCC），从而导致分组到更高复杂度的DRG组。根据DRG分组算法的规则，系统可以识别出患者的诊断和所选择的DRG分组是否存在不匹配的情况。核查是否存在过度编码。比如，病人的诊断没有并发症或合并症，但编码时被误加上了这些项，从而导致分组到较高级别的DRG组。例如：某患者主要诊断为慢性支气管炎急性加重期，入【慢性气道阻塞病,不伴严重并发症或合并症】组，费用明细中只有抗感染，祛痰的药物，无扩张支气管的药物，按照国家两库规则 GZ10000201003000 <疾病诊断编码异常〉，对医保结算清单中填写的诊断编码在结算明细中无对应医疗服务项目（或药品、医用耗 材）的情形进行监管。判定低码高编。DRG审核的基本逻辑就是基于患者基础数据、就诊数据、结算数据、目录数据、病案首页等源数据，审核软件仅为经办使用，并未开放医院，医院要适应政策，提高自身水平。1. 培训和规范化编码：提高编码员的专业水平，确保他们能正确理解病人的诊断和治疗内容，避免因经验不足或误操作导致低码高编问题。2. 定期更新编码指南：随着新疾病、新治疗方案的出现，定期更新编码规则和指南，帮助编码员准确处理新情况。1. 实时数据监控：通过信息系统实时监控DRG分组的情况，及时发现并纠正低码高编问题。实时监控可以通过分析病历数据、治疗过程和费用等信息来判断是否存在异常。2. 反馈机制：当发现低码高编的病例时，应及时向相关人员（如医生、编码员、审核员等）反馈，提供改进建议，并记录其处理结果，以便未来优化编码流程。1. 病例分析：定期对病人的病例进行分析，检查是否存在不合理的编码或分组情况。通过分析医疗数据的模式，可以有效减少低码高编问题的发生。2. 费用和治疗分析：对比患者的治疗费用、手术类型、住院时间等，分析是否与所分配的DRG组相符。如果费用较低，但分组较高，就可能存在低码高编的情况。![]()
![]()
官网：www.opendrg.cn 可点击阅读原文，直接跳转。
