Implicancias de Calidad de Datos en

Sistema de Clasificación GRD

LORENA CAMUS B. M.A.S

La información clínica debe ser capaz de contribuir a
la generación de múltiples propósitos

Precisión Ciclo de
CIE 10 ingreso

Documenta
Gestión
Análisis de riesgo
ción
demanda integrada en
servicios admisión

Indicadores Gestión
Calidad y
Seguridad
clínica
 Gestión de Calidad de Datos

Captura Oportunidad
datos

Accesibilidad

Propósito
de captura
Calidad Procesamie
nto y Precisión
datos
Datos análisis
datos Dimensiones
Exactitud

Datawarehous
e Integridad
Explotación
de datos

AHIMA, 2015
Granularidad
 Dimensiones de Calidad de Datos

Accesibilidad: Corresponde a la manera en que los datos están disponibles, los

medios de divulgación utilizados y servicios de apoyo que se ofrece al usuario.
Implica la rapidez de localización y acceso a la información
Consistencia: Refleja el grado en que los datos están lógicamente conectados y son
mutuamente consistentes.
Completitud: es la capacidad del sistema de representar todos los estados
significativos de una realidad dada. Refleja el grado de disponibilidad de los datos
 Dimensiones de Calidad de Datos
Relevancia o pertinencia : medida cualitativa del valor que aporta para satisfacer el
propósito por el cual fue capturado y que tiene importancia para la gestión de la
información.
Exactitud: es la precisión con que los datos del mundo real son representados en un
sistema de información e indica que tan precisos, válidos y exentos de error están los
datos.
Oportunidad: se refiere a la disponibilidad de los datos con suficiente frecuencia y a
tiempo para que los usuarios de la información puedan utilizarla para la toma de
decisiones.
 Calidad de Datos
 La calidad de la documentación, la exactitud en la asignación de GRD y en el ICM es uno de los
factores de ajuste que más impacta un sistema de pago por caso basado en GRD.

 El índice de Complejidad de la casuística es un barómetro para resumir el comportamiento de la

casuística tratada y es un predictor de la severidad de la enfermedad y el reembolso esperado.

 El ciclo de mejora de calidad de datos está centrado en la validación del proceso de codificación y
asignación del GRD con el propósito de garantizar un correcto y exacto reembolso al prestador por
el caso tratado.

Centers for Medicare & Medicaid Services Federal Register/Vol. 75, No. 157/Monday, August 16, 2010/Rules and Regulations
Factores que afectan el índice de Complejidad y el
reembolso
1 Exactitud y especificidad de la documentación

2 Exactitud de la codificación

Volumen: GRD médicos/quirúrgicos; GRD alto PR como traqueostomías,

3 cirugías, otros

Líneas de servicios: Trasplantes de órganos, Cirugía Cardiovascular,

4 Neurocirugía

5 Actualización de pesos relativos de GRD

6 Cambios en las guías y normas oficiales de codificación

AHIMA, 2008
 Procesamiento lenguaje natural

Procesamiento linguístico Codificación semántica

Estadísticas
Concepto
Texto clínico Reglas Códigos
Reglas

Marco de referencia

Ontología
clínica
 Uso de Copy – Paste en Ficha electrónica

Sólo un 24% de los hospitales que utilizan método copy – paste dispone de políticas y procedimientos relacionadas.
Ámbito: REGISTROS (REG)
Propósito del Ciclo de Auditoría en GRD

Monitorización:
• Proceso conducido por la
Garantizar prácticas de organización con el propósito de
codificación y asignación evaluar en forma periódica la
calidad de los datos generados
del GRD a fin de
garantizar un correcto y
Auditoría:
exacto reembolso al
• Proceso conducido por agentes
prestador por caso externos con el propósito de
tratado asegurar la objetividad de la
calidad de datos en forma
retrospectiva
 Criterios para priorizar el control de calidad de
CMBD

Algunos criterios para seleccionar la muestra de casos

 GRD de alto volumen

 GRD de alto costos
 GRD con CC o CCM
 GRD con POA presente
 2% del total de casos procesados por cada codificador
 ¿Cuáles son las dimensiones a evaluar en la Calidad del
CMBD?
La calidad de datos se refiere a los procesos y técnicas enfocadas a mejorar la eficacia de los datos
existentes en nuestras bases de datos y fuentes de información.
El ciclo de mejora de calidad de datos del CMBD se representa al menos en las siguientes dimensiones:

Precisión Consistencia
•Infarto agudo del
• CMBD miocardio sin
administrativo otra •Tipo de ingreso
• Concordancia programado para
especificación
con categoría Neumonía
I21.9

Completitud Exactitud
 Discrepancias en asignación de GRD

Discrepancia de
GRD

Inexactitud
Inconsistencia Omisión o Sobre codificación
diagnósticos
inconsistencia diagnósticos
Procedimientos principal y
complicaciones secundarios
secundarios
 ¿Qué dimensiones de la calidad de datos afectan el Índice
de Complejidad?
Más de la mitad de los errores de La calidad de datos se relacionan con:

Ausencia o insuficiente documentación en la ficha clínica

- Falta de precisión o datos vagos en la evolución clínica
- Datos inconsistentes
- Registro de diagnósticos imprecisos o no concluyentes en la epicrisis

Omisión o Incorrecta codificación

- Selección de secuencia y de codificación de diagnósco principal
- Selección de comorbilidades y complicaciones

Insuficiente disponibilidad de guías y normativa de codificación

AHIMA,2008
 Condiciones de casos que podrían generar mayor
discrepancia en la asignación de GRD

 GRD de gran volumen (partos)

 GRD alto costos (GRD con peso mayor 5)
 GRD con CC o CCM ( nivel de severidad)
 GRD con POA presente
 2% del total de casos procesados por
cada codificador
Variaciones en la asignación de GRD
 Algunos ejemplos…..
 Variabilidad en la captura y codificación de N° diagnósticos y procedimientos por hospital
 Alrededor de 13% de discrepancia de agrupación por GRD
 Alrededor de 37,2% discrepancia en niveles de severidad sin cambio de IRGRD
 Falta de exactitud en asignación de subcategorías

Nivel de correspondencia en selección Selección de Co-Morbilidades ysu impacto en los

diagnóstico principal sin cambio en agrupación niveles de Severidad
Codificador Auditor Sepsis A41.9
K80.0 K80.2
Insuficiencia renal aguda N17.9
Q22.1 Z01.8
Afasia R47.0
N10 N39.0
T81.0 B20.1 Ulcera gástrica aguda con hemorragia K25.0
N39.0 Q61.9 Infección por Rotavirus A08.4
I63.5 I62.5 Disfagia R13
Algunos ejemplos…..
EXACTITUD
VARIABLES A EVALUAR DE CALIDAD DE DATOS TIPO DE ERROR
ASIGNACIÓN DE CÓDIGOS
DIAGNÓSTICO PRINCIPAL CODIFICADOR AUDITOR
Neumonia por pneumocystis carini J17.3 B20.4
DIAGNÓSTICOS SECUNDARIOS
Candidiasis esofágica B37.8
J17.3
Síndrome de Inmunodeficiencia Adquirida. B20.4
B37.8
Fiebre R50.9

En este ejemplo existen dos tipos de códigos incorrectos del codificador:

 Error de secuencia ya se asignó código . *

 Sobrecodificación de signos y síntomas
 Estudio de Caso

Paciente de 80 años de edad que ingresa vía urgencia, traída en ambulancia por sus familiares.
Ingresa con cuadro febril, dolor en hipogastrio, vómitos y diarrea planteándose la hipótesis
diagnóstica de:
 Sepsis urinaria por E. Coli, Insuficiencia renal aguda e Intertrigo interglúteo:
Se realizan examen físico, pruebas de laboratorio y radiológicas.
En la evolución de la epicrisis se documenta la presencia de shock séptico de origen
urinario que requiere manejo en UCI, donde con tratamiento de soporte con VMI presenta una
buena evolución clínica luego de 5 días. Se da de alta a domicilio, tras el traslado a medicina
interna y consume en total 14 días de ingreso hospitalario.
GRD Descripción Peso Valor GRD $
relativo
114123 MH Infección riñón y tracto urinario 0,79 1.540.500

041023 MH VM largo plazo s/traqueostomía c/CCM 5,58 10.881.000

(*) valor precio base simulado ficticio $ 1.950.000

 Estrategias de mejora Calidad CMBD

Identificar las Unidades de Análisis de hospitales de mejores resultados y los

factores facilitadores de su funcionamiento:
 Formación, experiencia, inducción y certificación de equipo.
 Disponibilidad de guía de codificación de apoyo propia asegurando el
uso de normativas oficiales.
 Disponibilidad de protocolos de control de calidad de CMBD
 Ejecución de reuniones clínicas de mejora de documentación con equipos clínicos
 Estrategias de mejora Calidad CMBD
Establecer métodos estandarizados para:

 Definir los indicadores para evaluar la calidad de los datos y codificación

 Establecer umbrales básicos de error

 Diseñar informes tipos de monitorización y auditoria

 Desarrollo de guías y normas de codificación nacional

 Bibliografía

• Shepheard, Jennie. Clinical coding and the quality and integrity of health data Health Information Management Journal

2020, Vol. 49(1) 3–4. DOI: 10.1177/1833358319874008

• Bauder, Richard. A survey on the state of healthcare upcoding fraud analysis and detection. Health Serv Outcomes
Res Method (2017) 17:31–55 DOI 10.1007/s10742-016-0154-8

• Hector J. Lacassie (MD), Constanza Ferdinand (RN, PhD(c) , Sergio Guzmán (MD), Lorena Camus (RN) , Ghislaine
C. Echevarria (MD, MS). Medicine (2016) 95:23