Diagnosencodierung und Erlös im AR-DRG-System

 

 Buy Article Permissions and Reprints

Zusammenfassung

Zielsetzung: Welchen Einfluss haben im DRG-(diagnosis related groups-)System Codierungsquantität und -qualität auf den Krankenhauserlös? Ist eine groupergestützte Diagnosengewichtung zur Erlösoptimierung einer Gewichtung nach ärztlichem Sachverstand oder einer zufälligen Diagnosengewichtung überlegen? Methodik: Die gemäß ICD-10 verschlüsselten Diagnosen aus 38 Entlassbriefen unserer Kinderklinik wurden für jeden Patienten zum einen in der ärztlich festgelegten Gewichtung (1. Diagnose = Hauptdiagnose), zum anderen in randomisierter Reihenfolge in Grouper-Software eingespeist, wobei die Anzahl der Nebendiagnosen auf 0, 1, 2, 3 bzw. 19 begrenzt wurde. Die korrespondierenden DRG-Eingruppierungen (Case weight) wurden notiert. Schließlich wurde mittels Grouper diejenige Diagnosengewichtung (alle individuell verfügbaren Diagnosen) mit dem max. Erlös ermittelt. Ergebnisse: Die Patienten waren im Mittel 541 Tage alt und hatten durchschnittlich 2,87 Diagnosen. Genuine Nebendiagnosenanzahl und Case weight waren positiv korreliert. Randomisierte Diagnosengewichtung war nicht signifikant ertragsärmer als eine Diagnosengewichtung mit ärztlichem Sachverstand. Die groupergestützte Erlösmaximierung erbrachte einen fiktiven mittleren Mehrertrag von 27 %. Schlussfolgerung: Eine generelle Steigerung der Nebendiagnosenanzahl auf deutlich über 3 erscheint nicht erlösrelevant. Zur Erlösmaximierung bietet sich die groupergestützte Diagnosengewichtung an. Ob diese medizinisch korrekt ist, bedarf in jedem Einzelfall der kritischen Überprüfung mit ärztlichem Sachverstand.

Abstract

Aim: We aimed to assess the impact of coding quantity, or quality, on the hospital’s proceeds in the DRG-(diagnosis related groups)-coding system, and to decide if software-aided attribution of diagnosis impact (main versus minor diagnosis) is superior to expert, or random attribution. Methods: DRG grouper software was fed with ICD-10 coded diagnoses of 38 discharge letters of 38 unselected paediatric patients either in the order as given by the discharge letter (first diagnosis = main diagnosis), or in random order, or in the order yielding the maximum case weight output. The number of minor diagnoses was limited to 19. Results: On average the patients were 451 d old. The average number of diagnoses was 2.87. Case weight was positively correlated with the genuine number of minor diagnoses. Expert guided attribution of diagnosis impact was not superior to random attribution. Grouper-aided attribution yielded a case weight plus of 27 %. Conclusion: Increasing the individual patient’s number of minor diagnoses to more than 3 is of no benefit to the hospital’s proceeds. Grouper-aided attribution of diagnosis impact is better suited to maximise proceeds. But, medical expertise has to attest medical correctness to each single case.

Literatur

• 1 Eggli F, Grimm R, Paccaud F. Definition der DRG. In: Frei A (Hrsg) Diagnosis Related Groups. Gültigkeit, Brauchbarkeit, Anwendungsmöglichkeiten. Bern; Hans Huber 1990: 51-54
  Google Scholar
• 2 Rochell B, Roeder N. Australian refined-diagnosis related groups (AR-DRGs) - ein Überblick.  Das Krankenhaus. 2000;  8 I-IV
  PubMedGoogle Scholar
• 3 Rochell B, Roeder N. Starthilfe DRGs.  Das Krankenhaus. 2000;  Medica Sonderheft 1-24
  PubMedGoogle Scholar
• 4 Eggli Y, Koehn V, Paccaud F. Der Casemix-Vergleich zwischen Spitälern. In: Frei A (Hrsg) Diagnosis Related Groups. Gültigkeit, Brauchbarkeit, Anwendungsmöglichkeiten. Bern; Hans Huber 1990: 155-159
  Google Scholar
• 5 Koehn V, Paccaud F, Eggli Y. Standardisierte Vergleiche der Aufenthaltsdauer. In: Frei A (Hrsg) Diagnosis Related Groups. Gültigkeit, Brauchbarkeit, Anwendungsmöglichkeiten. Bern; Hans Huber 1990: 160-167
  Google Scholar
• 6 Bundesministerium für Gesundheit .Gesetz zur wirtschaftlichen Sicherung der Krankenhäuser und zur Regelung der Krankenhauspflegesätze (Krankenhausfinanzierungsgesetz - KHG), § 17b (Fassung vom 10. April 1991).  BGBl. 1991 1: 886
  Google Scholar
• 7 Bundesministerium für Gesundheit .Gesetz zur Reform der Gesetzlichen Krankenversicherung vom 22. Dezember 1999.  BGBl. 1999 1: 2626
  Google Scholar
• 8 Rochell B, Roeder N. DRG-gerechte Dokumentation.  DÄB. 2001;  98 B 816-B820
  PubMedGoogle Scholar
• 9 Günster C. Australian refined diagnosis related groups (AR-DRGs) - eine Einführung (auch unter: http://www.wido.de/Krankenhaus/drg/DRGAdaption/index.html). Bonn; Wissenschaftliches Institut der AOK 2000: 1-18
  Google Scholar
• 10 Baden-Württembergische Krankenhausgesellschaft .BWKG Rundschreiben vom 20. März 2001. 
  Google Scholar
• 11 Trill R. DRGs: „Kiss-Check” ist angesagt.  Krankenhaus Umschau. 2000;  8 669-672
  PubMedGoogle Scholar
• 12 Altman D G. Practical statistics for medical research. London; Chapman and Hall 1991
  Google Scholar
• 13 Becker C, Schmidt U, Hennecke K H, Wauer R R. Ablauforientierte neonatologische Dokumentation mittels eines DB-Terminologiesystems.  Z Geburtsh Neonatol. 2001;  205 Suppl 1 9
  PubMedGoogle Scholar
• 14 Baden-Württembergische Krankenhausgesellschaft .BWKG Rundschreiben vom 21. November 2000. 
  Google Scholar
• 15 Michel E, Zernikow B, Wichert S A. Use of an artificial neural network (ANN) for classifying nursing care needed, using incomplete input data.  Med Inform. 2000;  25 147-158
  PubMedGoogle Scholar
• 16 Anonymus (Anzeige). DRG-Trainer.  DÄB. 2001;  98 B1985
  PubMedGoogle Scholar

Dr. E. Michel

Kinderklinik · KKH Freudenstadt

Karl-von-Hahn-Straße 120 · 72250 Freudenstadt ·

Phone: +49-7441-54-0

Fax: +49-7441-2467

Email: Erik.Michel@t-online.de