DRG Détection automatique d’infections urinaires dans le cadre du codage APDRG et SwissDRG Philippe Rossier, Gilles Cohen, Rodolphe Meyer Hôpitaux Universitaires de Genève, Direction de l’Analyse Médico-Economique Summary Geneva University Hospital uses the diagnosis related group (DRG) as the cornerstone of its billing system. Conventional international use of DRG calculation is based on a list of diagnoses and interventions quoted in the patient’s hospital discharge documents. In Switzerland we code the information using a German instantiation of the international classification of diseases (ICD10) with a dictionary of acts and interventions called CHOP2011. The codes are chosen manually by professional coders from all the documents accessible in our electronic health record (HER). Patients who are more seriously ill tend to require more hospital resources than those who are less seriously ill, even though they may be hospitalised for the same reason. Recognising this, the diagnosis-related group (DRG) manual splits certain DRGs based on the presence of secondary diagnoses for specific complications or comorbidities (CC). Comorbidities are of major importance when it is necessary to compute the DRG of a particular hospital stay. Comorbidities carry considerable weight in determining the reasonable length of hospitalisation and its cost. Some comorbidities are frequently forgotten on the hospital discharge summaries, being so common and easy to manage that doctors often neglect to mention them. However, it is possible to recreate them from the hospital information system data warehouse. In this paper we show that an alert can be created regarding urinary infections using automated diagnosis from the EHR via a computer-aided decision support system (DSS). Based on very strict biological results and prescribing criteria, in 2009 we were able to identify 606 real urinary infections which should have figured in our discharge summaries but did not. After being included into the coding process, 97 of these urinary infections influenced the final outcome of the DRG, resulting in additional income in 2009. This could mean an annual benefit of more than CHF 160K per year using this type of alert system for this pathology alone. On this basis we intend to extend this study to other comorbidities such as dyskalaemias, haemorrhages or malnutrition. Key words: DRG; comorbidités; cost-weight; infections urinaires; codage; détection automatisée ACM: H.2.8 Database Applications, data mining. Introduction Aux Hôpitaux Universitaires de Genève (HUG), l’introduction d’une facturation par groupes homogènes de diagnos- tic (diagnosis related groups ou DRG) a eu et a encore d’importantes répercussions sur les circuits d’information [1]. Le calcul du DRG se fait sur la base d’une liste de diagnostics et d’interventions présents dans les documents de sortie du patient, codés grâce à l’emploi de dictionnaires (CIM10GM, CHOP11). Les codes sont choisis par des codeurs professionnels, après analyse des documents de sorties nécessaires: les résumés standard de sortie (RSS). Ces documents procèdent initialement de l’échange d’informations médicales et sont incidemment utilisés pour faire de la facturation. Ce système, à l’origine de la tarification à l’activité depuis 2004 en France, a été employé en Amérique du Nord, depuis 1983, pour déterminer combien l’assurance-maladie paye aux établissements de santé. L’objectif original des DRG était de développer un système de classification des patients séparant les patients avec leur traitement en groupes définis cliniquement (regrouper les patients en groupes homogènes sur le plan médical) et les coûts de traitement comparables (consommation de ressources de chaque hospitalisation). Les DRGs ne sont pas, dans la majorité des cas, utilisés à des fins financières, mais servent avant tout à rendre l’activité lisible, et transparente. L’amélioration de la qualité des soins et le benchmarking ont également incité les hospitaliers européens à introduire les DRGs. La facturation par DRG ne concerne que les hospitalisations en zones de soins aigus et somatiques [2, 3]. Un séjour en zone de soins aigus est qualifié sur la base du parcours clinique du patient durant son épisode de soins (EDS). Les différents mouvements sont gérés dans le dossier administratif du patient (DPA). L’ensemble du processus de documentation clinique est, quant à lui, centralisée dans le dossier patient informatisé (DPI). Ainsi pour les patients sortis, une fois la documentation réalisée dans tous les services du séjour, le cas est aléatoirement attribué à un codeur. La règle veut que le codeur ne puise l’information que dans les lettres de sortie ou des comptes rendus opératoires, en tous cas dans une source émanant d’une autorité médicale et ayant signé numériquement le document. Correspondance: Rodolphe Meyer, MD, PhD Hôpitaux Universitaires de Genève – D.A.M.E. – DTSD Rue Gabrielle-Perret-Gentil 4 CH-1211 Genève 14 [email protected] Swiss Medical Informatics 2011; no 71 23 DRG Quand le codeur estime que toutes les informations pertinentes ont étés saisies pour tous les services médicaux du séjour, il déclare le codage terminé. Une synthèse électronique est transmise à un programme nommé groupeur qui calcule le DRG. Ensuite le dossier est transmis au système OPALE qui adresse les factures aux débiteurs des HUG. Problématique Le groupage en DRG fait appel à un calcul combinant diagnostics et actes codés lorsqu’ils existent [4]. Le problème auquel les HUG doivent faire face réside dans la qualité des RSS. En effet ce sont des résumés. Il est donc implicite qu’ils ne contiendront pas toute l’activité réalisée pour un patient durant son EDS mais les problématiques marquantes ou qui font du sens pour le clinicien rédacteur. Ce sens étant souvent celui de sa spécialité. Un cardiologue ne mentionnera pas toujours une petite hypokaliémie durant un EDS d’infarctus massif. De même un neurochirurgien ne focalisera pas son compte rendu sur l’infection urinaire de sa patiente venue pour une embarrure avec coma stade 2. C’est naturel, mais pénalisant car la construction des DRG se fait aussi sur la base des comorbidités actives durant le séjour. Certains séjours voient leur catégorie de DRG changer selon la prise en compte de certaines comorbidités d’apparence banale, et passent du DRG simple au DRG avec complication. Dans le cadre d’un remboursement par DRG, le report de ces informations devient important et légitime. Elles reflètent la complexité du cas souvent bien différente dans le contexte de la prise en charge en urgence versus celui des soins électifs [5, 6]. Tableau 1 Codes CIM10 des infections urinaires. CDCIM10 Libellé A56.0 Infection à Chlamydia de la partie inférieure de l’appareil génito-urinaire A56.1 Infection à Chlamydia, pelvi-péritonéale et des autres organes génito-urinaires A56.2 Infection à Chlamydia de l’appareil génito-urinaire, sans précision A60.0 Infection des organes génitaux et de l’appareil génito-urinaire parle virus de l’herpès N30.0 Cystite aiguë N30.1 Cystite interstitielle (chronique) N30.2 Autres cystites chroniques N30.8 Autres cystites N30.9 Cystite, sans précision N39.0 Infection des voies urinaires, siège non précisé 023.3 Infections d’autres parties de l’appareil urinaire au cours de la grossesse 023.9 Infection de l’appareil génito-urinaire au cours de la grossesse, autres et sans précision 086.2 Infection des voies urinaires, après accouchement 086.3 Autres infections des voies génito-urinaires, après accouchement P39.3 Infection néonatale des voies urinaires Hypothèses de travail Certaines de ces comorbités sont décelables à partir de données objectives présentes dans le dossier patient informatisé (DPI) du système d’information des HUG [7]. Nous nous proposons donc d’améliorer les RSS à partir de données de laboratoire, de prescription de médicaments, etc. contenues dans les bases d’archivage. Il s’agit d’analyser toutes les données recueillies pour un patient au cours de son séjour et d’y tester les indices de la présence de quelques complications. Pour chaque type de comorbité à mettre en évidence, nous cherchons un critère plausible d’alerte aux codeurs en cas de suspicion de cette comorbité. Ce critère doit être simple pour que les acteurs puissent en connaître la raison. Suffisamment large pour ne pas rater des cas évidents et assez fin pour ne pas inonder le codeur de messages inutiles. Méthodologie Dans le cas présent nous avons choisi de rechercher les infections urinaires identifiables dans le DPI. Le système d’information ne contient pas la trace de l’intention du médecin et nous ne connaissons pas la complexité de la situation clinique, ni le contexte. Nous ne savons pas si les éléments identifiable furent réalisés dans un but de test à priori, de bilan, de contrôle ou de surveillance thérapeutique. Le but n’est donc pas de choisir automatiquement quel code CIM10 est le plus relevant de la maladie mais d’avertir le codeur qui a au moins lu la lettre de sortie, si à partir des données du DPI il y a une possible infection urinaire. Cette alerte ne surviendra ensuite qu’après le groupage du cas par le codeur et seulement si l’ajout de l’infection urinaire fait basculer le DRG de simple à compliqué. Si le DRG est déjà compliqué, il n’y aura pas d’alerte. En cas d’alerte, le codeur n’est pas autorisé à modifier lui-même le codage, il devra demander que des précisions soient ajoutées par le clinicien au RSS. Si le clinicien confirme bien que le patient a eu une infection urinaire durant son séjour le RSS sera modifié et recodé en conséquence. Ces différentes étapes sont résumées dans l’algorithme décisionnel de la figure 1. Critères infections urinaires Comme critère d’infection urinaire probable [8], nous retenons les EDS avec: – au moins un résultat de laboratoire de bactériologie comportant une bactériurie supérieure ou égale à 105 bactéries par millilitre avec les bactéries urinaires les plus classiques (Escherichia coli, Staphylococcus saprophyticus, Proteus mirabilis, Klebsiella spp, Enterobacter spp, Proteus vulgaris, Morganella morganii, Serratia spp, Citrobacter spp, Providencia stuartii, Pseudomonas aeruginosa, Enterococcus spp et Staphylococcus aureus); – et une prescription d’antibiotiques classiquement utilisés dans les infections urinaires (ATC: J01) concomitante (avant, pendant ou suivant l’analyse de laboratoire mais dans le même EDS). Swiss Medical Informatics 2011; no 71 24 DRG Critères d’alerte Au cours de son codage si le codeur entre les codes CIM10GM du tableau 1, le cas sera considéré comme codé par le système d’alerte n’entrainant pas la recherche de l’infection urinaire dans DPI. Dans le cas contraire il ira regarder si les critères de bactériurie existent et si un antibiotique du tableau 2 est utilisé dans l’EDS. En cas de double réponse positive le système procédera à une analyse du DRG codé. Si c’est un DRG simple (sans complication) il procède à une simulation de groupage avec un code du tableau 1 et si le DRG est changé il alertera le codeur pour qu’il demande Figure 1 Algorithme décisionnel. Tableau 2 Antibiotiques ATC-J01. ATC Libellé J01CR02 amoxicilline + acide clavulanique J01DA13 ceftriaxone J01XD01 métronidazole J01MA02 ciprofloxacine J01EE01 co-trimoxazole J01DH51 imipénem + cilastatine J01DA06 céfuroxime J01XA02 vancomycine J01CA04 amoxicilline J01FA09 clarithromycine une précision au clinicien. Le codage définitif sera réalisé en fonction de cette précision. Résultats Identification des infections urinaires Le système est en cours d’implémentation aux HUG, nous avons donc effectué une simulation de son utilisation sur les données de l’année 2009 en considérant comme incontestables les comorbidités déjà inscrites par les codeurs des HUG. Sur ces 46 026 séjours 27409 ont eu un examen urinaire (59,6%), dont 1789 avec un résultat au moins une fois positif (3,89% des séjours) selon nos critères. Sur ces 1789 EDS possédant une bactériurie significative: – 588 (32,87%) ont été codées comme des EDS avec infection urinaire; – 1201 (67,13%) n’ont pas été codées comme des EDS avec infection urinaire; – 606 (33,87%) auraient dû être codés avec une infection urinaire (labo + traitement); – 90 (5,03%) ont été codés mais apparaissent comme faux négatifs selon nos critères. Les 9201 cas, non codés, sans laboratoire positif, mais avec au moins un médicament s’expliquent par le large emploi de cette classe de médicaments pour d’autres types d’infections. 595 cas ont eu un examen d’urine positif mais aucun des traitements retenus n’a été identifié. Génération des alertes Si le critère avait été appliqué lors du codage de cette cohorte, 606 messages d’alerte auraient déclenché une analyse du DRG par l’algorithme et dans 96 cas le DRG aurait été modifié par l’ajout de la comorbidité infection urinaire (N30.9: Cystite, sans précision) soit 0,21% du total des EDS de 2009. 79 EDs ont vu leur CW augmenter et 17 EDS ont un CW diminuée. À condition que les cliniciens aient répondus positivement à la totalité des demandes de précision dans les RSS, cela aurait représenté une augmentation minimum de 13,91 points cost-weight (corrigé en fonction de la durée de séjour) soit CHF 166 908.– théorique de facturation supplémentaire. Discussion et perspectives Dans ce travail nous voyons qu’une des limites consiste en l’identification de la comorbidité infection urinaire après la rédaction du RSS. L’objectif de l’étude se positionne du point de vue médico-économique et non pas clinique. Il serait souhaitable que l’alerte provienne directement du DPI et au mieux avant la rédaction des documents de sortie. Cette fonctionnalité d’aide à la rédaction des RSS n’étant pas encore implémentée aux HUG nous avons par contre pu facilement la mettre en œuvre à postériori dans le système information du codage utilisé par seulement 15 personnes. Par ailleurs nous voyons que près de la moitié des infections biologiques ne donnent pas lieu à la prescription dans le DPI des antibiotiques que nous avons sélectionnés. Les pre- Swiss Medical Informatics 2011; no 71 25 DRG Tableau 3 Résultats des infections urinaires. Codé Ul LABO MEDIC NB total % 0 0 0 35036 76,12 % Labo1 Femmes % Hommes % 19627 78,83 15409 73,25 0 0 1 9201 19,99 4105 16,49 5006 23,80 0 1 0 595 1,29 33,26 425 1,71 170 0,81 1,16 0 1 1 606 1,32 33,87 363 1,46 243 1 1 0 90 0,20 5,03 70 0,28 20 0,10 1 1 1 498 1,08 27,84 309 1,24 189 0,90 588 1789 10305 46026 24899 21037 0 = résultat négatif ou pas d’examen, 1 = résultat positif mières explications fournies par l’étude des EDS sont assez simples. Il s’agit de patient pour lesquels le logiciel de prescription n’a pas été utilisé soit du fait que son déploiement n’était pas encore complet en 2009, soit du fait que les séjours étant courts le traitement a été prescrit sur des ordonnances de sorties rédigées manuellement. Certaines infections n’ont pas données lieu à des traitements antibiotiques et d’autres étaient des contaminations des prélèvements. Toutefois cela n’explique pas 100% de ces cas non alertés qui nécessiteront un affinage des règles d’identifications des traitements. Les 90 cas codés pour lesquels nous ne retrouvons pas de traitement selon nos critères seront à analyser même si ils ne représentent que 5% de nos cas de labos positifs. L’étude des données 2010 devrait nous donner plus de précisions notamment sur la part de ce qui est lié au déploiement et à l’utilisation du logiciel de prescription institutionnel. On constate par ailleurs qu’aucun cas d’infection urinaire n’a été codé avec des labos négatifs ce qui tend à montrer que nos critère d’identification biologiques ne ramènent pas de faux négatifs. Concernant le volet de l’identification, l’ajout de critères confirmant les infections (leucocyturie, nitrites, CRP, VS, procalcitonine, etc.) pourrait permettre de retenir plus de cas notamment dans le groupe des patients ayant des examens de laboratoire négatifs mais ayant reçu des antibiotiques. Cela serait intéressant dans une perspective d’assistance au diagnostic mais ce n’est pas notre objectif qui reste médico-économique. Dans ce cadre-là, ces patients ont déjà des DRG avec complication et ne représentent pas une cible d’amélioration de la facturation par mise en évidence de la complexité du cas. Par ailleurs nous ne prenons en compte dans les alertes que la concentration de bactéries la plus strictement significative (≥105 ufc/ml) alors que lors de la conférence de consensus sur les infections nosocomiales de Paris en novembre 2002, il a été établi qu’une bactériurie est à prendre en considération si elle est ≥103 ufc/ml sous respect strict des conditions de prélèvement, de transport et d’analyse des urines [9]. Compte tenu des résultats plutôt encourageants de cette première phase concernant les infections urinaires, nous prévoyons d’étendre les alertes sur d’autres comorbidités en réalisant des algorithmes dédiés concernant les dyskaliémies par exemple ou l’identification des dénutritions souvent oubliées lors de la rédaction des RSS. Conclusions La démarche consistant à prévenir les codeurs d’une comorbité oubliée dans un RSS comme l’infection urinaire à partir de résultats biologiques issus du système d’information clinique peut paraître simpliste. Cependant regardée dans l’ensemble des circuits d’informations hospitalières, elle permet d’augmenter la fiabilité du codage, d’améliorer la facturation, de favoriser le dialogue entre codeur et cliniciens et au final d’affiner la précision des RSS. Elle rend attentif ces derniers à rapporter toutes les comorbidités d’un séjour sans à priori sur leur importance pour un codage plus honnête – car certains séjours ont vu une diminution de leur CW. Basée sur des données objectives, elle questionne la complexité de l’hôpital. Toutes alertes ne débouchent pas forcément sur un codage. La simplicité du critère permet aux acteurs de comprendre le pourquoi et le comment de son déclenchement. Il ne s’agit pas d’un prélude à la détermination automatique des codes diagnostics à partir des données, mais d’une démarche vers une détection plus systématique des comorbidités actives et une prise de conscience des enjeux de la documentation sur la facturation des actes réalisés dans les centres hospitaliers universitaires qui reçoivent des patients souvent plus délicats à prendre en charge [5, 6] et dont la complexité doit apparaitre au moment de la facturation. Références 1 Ch Lovis & al. Codification des diagnostics et procédures: évaluation et implémentation d’une solution globale. Informatique et Santé: Springer-Verlag France, Paris, 1996;(8):99–110. 2 Fetter RB, Freeman JL. Diagnosis Related Groups: Product Line Management within Hospitals. The Academy of Management Review 1986; 11(1):41–54. 3 Wennbero JE, McPherson K, Caper P. Will Payment Based on DiagnosisRelated Groups Control Hospital Costs? N Engl J Med. 1984;311:295–300. 4 Huber ZS. In: Système de santé suisse: formation et maîtrise des coûts. Peter Lang SA ed. Éditions Scientifiques Européennes. Berne 2005:127–64. 5 Valderas JM, et al. Defining Comorbidity: Implications for Understanding Health and Health Services. Ann Fam Med. 2009;7:357–63. 6 Hensen P, et al. Introduction of diagnosis-related groups in Germany: evaluation of impact on in-patient care in a dermatological setting. Eur J Public Health. 2008;18(1):85–91. 7 Trolliard P, et al. Risques, Technologies de l’Information pour les Pratiques Médicales, Informatique et Santé. 2009;17(1):15–22. 8 Kasper DL, et al. In: Harrison’s Manual of Medicine. McGraw-Hill Medical Publishing Division. New-York 2005:724–8. 9 Bruyère F, et al. Généralités sur les infections bactériennes urinaires de l’adulte. Progrès en Urologie 2008;18(Suppl. 1):S4–S8. Swiss Medical Informatics 2011; no 71 26