Ausmaß und Ursachen von Kodierproblemen bei pauschalierender Vergütung auf der Basis von Diagnosis-Related Groups

 

 Buy Article Permissions and Reprints

Hintergrund und Fragestellung: Im Gegensatz zur tagespauschalierten Vergütung benötigt man für die fallpauschalierte Vergütung auf der Basis von Diagnosis-Related Groups (DRG) detaillierte Angaben zu Diagnosen, Eingriffen und demografische Daten des Patienten. Kodierfehler können unmittelbar die Höhe der Vergütung beeinflussen. Eine Übersicht über das Ausmaß und die Ursachen von Kodierproblemen existiert derzeit nicht.

Methodik: Über eine systematische Suche in Medline wurden Studien zur quantitativen Analyse der Kodierqualität und den Ursachen für Fehlkodierungen identifiziert. Verweisen auf andere Studien wurde nachgegangen.

Ergebnisse: Insgesamt wurden 33 Studien mit 53 113 Fällen einbezogen. Der ungewichtete Durchschnitt über die Gesamtrate der Kodierprobleme lag bei 23 %. In 18 % der Fälle wurde eine falsche DRG zugeordnet. Im Zeitablauf konnte kein Trend zur eindeutigen Verbesserung oder Verschlechterung der Kodierungen ermittelt werden.

Folgerung: Mit einer nennenswerten Rate an Fällen mit Kodierproblemen muss bei Umstellung auf DRG-Fallpauschalen gerechnet werden. Schulungen zur Verbesserung der Kodierqualität werden empfohlen. Ob die Kodierung unter Kontrolle der Mediziner oder der Krankenhausverwaltung erfolgen sollte, bleibt offen, doch sind langfristige Kompetenzfestlegungen damit verbunden.

Coding problems: rate and reasons when using Diagnosis-Related Groups

Background and question: In contrast to the per-day-reimbursement specific data like diagnoses, procedures and demographic data of the patient is needed for a per case reimbursement with Diagnosis Related Groups (DRG). Coding errors can have great impact on the height of the reimbursement. A review of the extent and the causes of coding problems does not exist at present.

Methodology: A systematic search in Medline using the search words »coding« and »error« and »hospital« was performed. Only articles with quantitative evaluation, written in english or german, were included. Literature cited in the articles was included as well.

Results: A total of 33 studies (53 113 cases) were identified. An average of 23 % of cases was showing coding problems. Eighteen percent of the cases were assigned to a wrong DRG. Regarding the date of publication no effect in the extent of the coding accuracy could be detected.

Conclusion: An appreciable rate of cases with coding problems should be anticipated when introducing DRG. Training to improve coding accuracy is recommended. Whether coding should be a task of the ward or the management of the hospital could not be decided here, but it should be noted that this assignment of the coding task has major impact on the allocation of competence in the long run.

Literatur

• 1 Aas I M. Quality of Hospital Data and DRGs.  Scand J Soc Med. 1988;  16 223-226
  Google Scholar
• 2 Averill R F. Monitoring Coding Compliance.  3M HIS Research Report. 1999;  4 1-10
  Google Scholar
• 3 Ballaro A, Oliver S, Emberton M. Do we do what they say we do? Coding errors in urology.  BJU Int. 2000;  85 389-391
  Google Scholar
• 4 Berthelsen C L. Evaluation of coding data quality of the HCUP National Inpatient Sample.  Top Health Inf Manage. 2000;  21 10-23
  Google Scholar
• 5 Bitonte D A, Curry P, Butler P, Nowak M J, Jean-Baptiste R, Feigenbaum R A. The Payment Error Prevention Program (PEPP): reducing Medicare payment errors in prospective payment system hospitals.  Top Health Inf Manage. 2001;  21 50-62
  Google Scholar
• 6 Carter G M, Newhouse J P, Relles D A. How much change in the case mix index is DRG creep?.  J Health Econ. 1990;  9 411-428
  Google Scholar
• 7 Colin C, Ecochard R, Delahaye F, Landrivon G, Messy P, Morgon E, Matillon Y. Data quality in a DRG-based information system.  Int J Qual Health Care. 1994;  6 275-280
  Google Scholar
• 8 Corn R F. The Sensitivity of Prospective Hospital Reimbursement to Errors in Patient Data.  Inquiry. 1981;  18 351-360
  Google Scholar
• 9 Danzi J T, Masencup B, Brucker M A, Dixon-Lee C. Case study: clinical documentation improvement program supports coding accuracy.  Top Health Inf Manage. 2000;  21 24-29
  Google Scholar
• 10 Doremus H D, Michenzi E M. Data Quality. An Illustration of Its Potential Impact Upon a Diagnosis-Related Group’s Case Mix Index and Reimbursement.  Medical Care. 1983;  21 1001-1011
  Google Scholar
• 11 Dubois R W, Rogers W H, Moxley J H, Draper D, Brook R H. Hospital inpatient mortality. Is it a predictor of quality?.  N Engl J Med. 1987;  317 1674-1680
  Google Scholar
• 12 Fisher E S, Whaley F S, Krushat W M, Malenka D J, Fleming C, Baron J A, Hsia D C. The accuracy of Medicare’s hospital claims data: progress has been made, but problems remain.  Am J Public Health. 1992;  82 243-248
  Google Scholar
• 13 Hakansson S, Gavelin C. Experiences of DRGs in Sweden 1985 - 1999. Paper presented at the 15th International Working Conference PCS/E, 21 - 23 Sep. 1999, Odense, Denmark 1999
  Google Scholar
• 14 Hay P J, Pearce T. Casemix funding in psychiatry: some problems and common pitfalls.  Aust Health Rev. 1996;  19 125-133
  Google Scholar
• 15 Holderman N F. DRG 468: an analysis of data quality.  J Am Med Rec Assoc. 1988;  59 30-33
  Google Scholar
• 16 Hsia D C, Ahern C A, Ritchie B P, Moscoe L M, Krushat W M. Medicare reimbursement accuracy under the prospective payment system, 1985 to 1988.  JAMA. 1992;  268 896-899
  Google Scholar
• 17 Hsia D C. Diagnosis related group coding accuracy of the peer review organizations.  J AHIMA. 1992;  63 56-64
  Google Scholar
• 18 Hsia, DC, Krushat W M, Fagan A B, Tebbutt J A, Kusserow R P. Accuracy of Diagnostic Coding for MediCare Patients under the Prospective-Payment System.  New Engl J Med. 1988;  318 352-355
  Google Scholar
• 19 Iezzoni L I. Assessing quality using administrative data.  Ann Intern Med. 1997;  127 666-674
  Google Scholar
• 20 Issel E P, Eggers H, Hofmann G. et al . On the incidence of errors in large epidemiology studies with comments on evaluation, interpretation, and future surveys.  J Perinat Med. 1981;  9 79-86
  Google Scholar
• 21 König A, Rau R, Scriba P C. Fehlerquote bei der ICD-Verschlüsselung und Realisierbarkeit der Pflege-Personalregelung des Gesundheitsstrukturgesetzes.  Dtsch Med Wochenschr. 1994;  119 755-759
  Google Scholar
• 22 Lauterbach K, Lüngen M. DRG-Fallpauschalen: eine Einführung. Stuttgart: Schattauer 2000
  Google Scholar
• 23 Lloyd S S, Rissing J P. Physician and coding errors in patient records.  JAMA. 1985;  254 1330-1336
  Google Scholar
• 24 Lorenzoni L, Da Cas R, Aparo U L. Continuous training as a key to increase the accuracy of administrative data.  J Eval Clin Pract. 2000;  6 371-377
  Google Scholar
• 25 Lüngen M, Lauterbach K. Upcoding - eine Gefahr für den Einsatz von DRGs (Diagnosis Related Groups)?.  Dtsch Med Wochenschr. 2000;  125 852-856
  Google Scholar
• 26 Massanari R M, Wilkerson K, Streed S A. et al . Reliability of reporting nosocomial infections in the discharge abstract and implications for receipt of revenues under prospective reimbursement.  Am J Public Health. 1987;  77 561-564
  Google Scholar
• 27 Nitzschke E, Wiegand M. Fehleranalyse bei der Diagnosenverschlüsselung nach ICD 9 gemäß der Bundespflegesatzverordnung.  Z Orthop. 1992;  130 371-377
  Google Scholar
• 28 Psaty B M, Boineau R, Kuller L H, Luepker R V. et al . The Potential Costs of Upcoding for Heart Failure in the United States.  Am J Cardiol. 1999;  84 108-109, A9
  Google Scholar
• 29 Rossi C R, Alberti V, Mancino G. et al . Comparison between manual and automatic coding of medical record statistical cards at a university hospital.  Med Inform. 1993;  18 53-59
  Google Scholar
• 30 Schmidt-Ohlemann M, Heipertz W, Schaub W. Zuverlässigkeit und Fehlerquellen in einer klinischen Basisdokumentation - ein kritischer Erfahrungsbericht.  Z Orthop Ihre Grenzgeb. 1989;  127 445-447
  Google Scholar
• 31 Schraffenberger L A. Coding errors encountered in DRG study.  J Am Med Rec Assoc. 1986;  57 15-17
  Google Scholar
• 32 Schroeder F B. Payment Error Prevention Program: RIQP completes initial pilot projects for PEPP.  Med Health R I. 2000;  83 287-288
  Google Scholar
• 33 Thiesemann R. Documentation procedures in geriatrics-on unreliability of routinely gathered clinic data.  Z Gerontol Geriatr. 1999;  32 29-32
  Google Scholar
• 34 Waterstraat F L, Barlow J, Newman F. Diagnostic coding quality and its impact on healthcare reimbursement: research prospectives.  J Am Med Rec Assoc. 1990;  61 52-59
  Google Scholar
• 35 Westphalen J B. Diagnosis related groups: the effect of input error.  Aust Clin Rev. 1993;  13 127-131
  Google Scholar
• 36 Yao P, Wiggs B R, Gregor C, Sigurnjak R, Dodek P. et al . Discordance between physicians and coders in assignment of diagnoses.  Int J Qual Health Care. 1999;  11 147-153
  Google Scholar

Korrespondenz

Dr. rer. pol. Markus Lüngen

Institut für Gesundheitsökonomie und Klinische Epidemiologie der Universität zu Köln

Gleueler Straße 176-178

50935 Köln

Phone: 0221/4686719

Fax: 0221/4302304

Email: Markus.Luengen@medizin.uni-koeln.de