Detectie van anomalieën in facturatiegegevens - Screening onrealistische waarden

Transcriptie

1 Detectie van anomalieën in facturatiegegevens - Screening onrealistische waarden Bruynseels Patrick, actuariaatsinspecteur Datamanagement Cel, RIZIV SAS Forum BELUX Louvain-La-Neuve, 3/10/2013

2 Overzicht 1. Facturatiegegevens geneesmiddelen 2. Business Problem: onrealistische waarden 3. Geïntegreerde oplossing 4. Screening 5. Resultaten

3 1. Facturatiegegevens geneesmiddelen Patient Verpleegdagen Geneesmiddelen Radio-isotopen Bloed Geneeskundige verstrekkingen Klinische biologie Medische beeldvorming Implantaten Gedetailleerde gegevens betreffende verleende zorgen Verzekeringsinstelling (VI) Bestanden PH Bestanden AZV Bestanden ADH ziekenhuis RIZIV polikliniek opname daghospitalisatie Geaggregeerde statistische gegevens controle informatiestromen Financiële stromen

4 1. Facturatiegegevens geneesmiddelen 3 bestanden i.v.m. geneesmiddelen : PH, ADH en AZV - allen geven informatie over product, verpleeginrichting, periode van aflevering - + elk model specifiek bijkomende parameters Detail record aantal records Terugbetaald bedrag Bestanden PH polikliniek daghospitalisatie per trimester 2.6 mio 580 mio ziekenhuisopname Bestanden ADH daghospitalisatie per behandeling 14 mio 910 mio Bestanden AZV ziekenhuisopname per opname 46 mio 495 mio Info over terugbetaling van 4500 producten in 235 verpleeginrichtingen Per trimester, per verblijf en/of per dag -> 60 mio records per jaar

5 1. Facturatiegegevens geneesmiddelen/controle Kwaliteit individuele record Controle van de syntax, de inhoud en combinaties van de zones Van vrij simpel tot redelijk complex Aan de hand van 50-tal regels en 20-tal referentiebestanden Volledigheid Vergelijking met andere bronnen Betrouwbaarheid Nagaan evolutie(s) aan de hand van één of meerdere parameters Ad hoc onderzoek bij exploitatie van gegevens Indien niet aanvaardbaar -> vraag om nieuwe, verbeterde gegevens -> gegevens van hoge kwaliteit

6 2. Onrealistische waarden/bestaan Toch 2004: Bij een studie in verband met het antibiotica*verbruik in België: Dienst Trimester aflevering product ZIV-bedrag Eenheden , , , ,88 84 Ciproxine IV flexibag 400 MG/200 ML met glucose 5% In 1 ziekenhuis, 1 dienst, Totaal over alle ziekenhuizen, alle diensten : eenheden Onderzoek gevraagd bij VI : 34 eenheden in plaats van ,66 euro gerecupereerd *Antibiotica: ongeveer 8% van het totaal aantal records

7 2. Onrealistische waarden/probleem Eender welke selectiemethode - op een volledig bestand - levert 100-den records die mogelijk onrealistische waarden bevatten (bv. outliers op product en/of ziekenhuisniveau) Analyse van enkele leert dat de meeste toch aanvaardbaar zijn (cfr. voorbeeld) -> alle records met mogelijke onrealistische waarden moeten geanalyseerd worden, indien niet risico enkel dossiers over te maken die aanvaardbaar zijn Analyse van alle kandidaten is moeizaam en complex diversiteit van producten karakter ziekenhuis verwerken en analyseren van miljoenen records gevalideerde gegevens laattijdig beschikbaar geen (aangepaste) gestructureerde databank Huidige organisatie laat niet toe om alle mogelijke onrealistische waarden te analyseren binnen de beschikbare tijd -> mogelijk dat er geen dossiers gevonden worden

8 2. Onrealistische waarden/voorbeeld aanvaardbaar Voorbeeld analyse - mogelijk NOVOSEVEN 120 K.I.U. 4,3 ml oplossing (facturatie per K.I.U.) Dienst Trimester aflevering product ZIV-bedrag Eenheden , , , Onrealistisch? Nee, de 8,5 ml oplossing wordt meestal gebruikt NOVOSEVEN 240 K.I.U. 8,5 ml oplossing (facturatie per K.I.U.) , , , , , , , , , ,

9 ZIV-bedrag 2. Onrealistische waarden/opbouw expertise kandidaten blijven analyseren Opdoen productkennis, karakter ziekenhuis, Testen technische mogelijkheden, analysetechnieken, Teneinde meest risicovolle gevallen te behandelen 2007 : 1 dossier overgemaakt aan VI: recuperatie ongeveer 6 mio euro 2008 : 1 dossier overgemaakt aan DGEC (RIZIV): DGEC daling ongeveer 2 mio euro per jaar Teneinde aanvaardbare gevallen sneller te elimineren -> Meer kandidaten kunnen worden onderzocht -> Mogelijk echt onrealistische waarden kunnen grondiger worden bestudeerd 2009 :15-tal dossiers overgemaakt aan VI voor totaal bedrag van ongeveer 1 mio euro

10 3. Geïntegreerde oplossing/ 2010 Herstructurering Controles Alles in eigen beheer Aansturing via Dashboard Centralisatie BusinessRules en Referentielen in één repertorium Automatische productie rapporten/bestanden met anomalieën Organisatie DWH Onmiddellijke beschikbaarheid van ontvangen gegevens (gigabytes) Beschikbaarheid van andere jaren en andere gegevens (terabytes) Uniforme bestanden Organisatie in bestanden volgens periode/editie/ (deelvolumes) Toegankelijkheden strikt geregeld en beveiligd SAS entreprise guide -> datamining alle gegevens, (tussen)resultaten, bewerkingen in projectview op intuïtieve wijze verwerken en exploreren van gegevens in soepele wisselwerking met andere tools als excel

11 4. Screening/aanwending nieuwe tools Zoeken naar mogelijk onrealistische waarden (in miljoenen records) Filters: Query s : Grafieken : tussen, gelijk aan, groter dan, Minima, maxima, gemiddelden, totalen, deviaties, Boxplots, bubble plots, scatterplots, Opzoeken zoveel mogelijk detail en/of bijkomende informatie (in miljoenen records) List : reeks producten ( outliers, analogen ), verblijfsnummers, (100, 500, ) vanuit excel, access, SAS, Rank: indien teveel detail (tienduizenden records) -> top 20, 50, 100 Link/Append : andere jaren/bronnen/tussenresultaten (tienduizenden records) Verwerken & Analyseren, ook met Excel (-> send tot excel) Elimineren mogelijk aanvaardbare waarden Detecteren en accentueren hoogstwaarschijnlijk onrealistische waarden Iteratief trial & error proces

12 4. Screening/elimineren Elimineren mogelijk aanvaardbare waarden Dikwijls bij / omwille van - Speciale producten: kanker, hemofilie, zeldzame ziekten, - Ernstige/intensieve behandelingen - Specifiek karakter (specialisatie) van het ziekenhuis - Gebruik van/voorkeur voor bepaald product van zelfde groep (cfr. novoseven) - Wijze van factureren (cfr. voorbeeld) - Bij sommige producten is dosering en doseerfrequentie sterk individueel bepaald bv. op basis van lichaamsgewicht of lichamelijk toestand Gevoelig om uitleg te vragen over mogelijk onrealistische waarde in speciale of ernstige gevallen en/of bij gespecialiseerde verpleeginrichtingen Ongeveer 1 op 1 miljoen records geeft mogelijk kans op vertekening bij exploitatie (studies, analyses, berekeningen, publicaties, )

13 4. Screening/elimineren Voorbeeld analyse - mogelijk Dienst Trimester aflevering anoniem patientnummer opname nummer produit ZIV-bedrag Eenheden Aug , Aug , Dec , Feb , Dec , Jan , Jan , Jan , Nov2010 W876398DVO , Nov2010 W876398DVO , Dec2010 W876398DVO , Dec2010 W876398DVO , Jan2011 W876398DVO , Feb2011 W876398DVO , Feb2011 W876398DVO ,40 40 Facturatie van 5 maanden op één maand Toegediende hoeveelheid Aantal Records Patient P P P P P P P P P P

14 4. Screening/accentueren Voorbeeld dossier aan VI oa_vi_id account_yy_ss stay_place_id hosp_serv_id realization_date reimbt_cat_id drug_code relative_care_id amount_reimbd qty amount_not_reimbd ,81 1 0, , , , , , , , ,30 vorige semesters , , , , , , , , , , , ,30 top andere ziekenhuizen (> 15) , , , , , , , , , , , , , , , , , ,90 Situering ten opzichte van voorgaande semesters en ten opzichte van andere ziekenhuizen

15 5. resultaten Verbetering kwaliteit Boeking Dienst Trimester aflevering produit ZIVbedrag Eenheden 1ste sem , ste sem , ste sem , ste sem , ste sem , ste sem , Alleen snelle detectie leidt tot verbetering van de kwaliteit (late regularisatie komt onder aparte code in ander model)

16 ZIV-bedrag 5. resultaten Doeltreffend betrokken bedrag 90% terecht fout bevestigd trend 0 1ste sem de sem ste sem de sem ste sem de sem ste sem : aarzelend begin : grote onzekerheid, beperkt aantal dossiers effectief overgemaakt 2010 : DWH en Enterprise Guide : snellere verwerking, meer zekerheid betreffende screening, meer dossiers effectief overgemaakt t.w.v. gemiddeld 2.5 mio euro per semester 2012 : dalende trend -> indirect effect: kwaliteit wordt beter

17 5. resultaten Sterk signaal met duidelijke impact Gemiddeld gaat het om 3 à 4 mio euro aan toevallige fouten per jaar (1 op 1 miljoen records) 10 of 100 in plaats van 1 21 pillen in plaats van 1 (uit een doosje van 21 pillen) 5 ml in plaats van 1 flacon (van 5 ml) negatieven (zichtbare regularisaties) in bestanden PH Onder impuls van de screening wordt sneller, beter en/of meer geregulariseerd Soms zodanig snel dat sommige fouten dezelfde semester geneutraliseerd worden -> geen dossier meer 0, , , , , , , , , , ,00 Dit wil niet zeggen dat toevallige fouten niet meer gebeuren wel dat ze meer en sneller opgemerkt, en geregulariseerd worden, door de verpleeginrichting, door de verzekeringsinstelling, door het RIZIV -> verbetering kwaliteit. Het RIZIV heeft een sterk en duidelijk signaal gegeven dat het zeer precies fouten detecteert, situeert en vraagt deze te regulariseren

18 Conclusie zoektocht naar enkele records tussen miljoenen andere die een reëel risico zijn op een fout of op een vertekening bij studies, analyses, berekeningen, publicaties, mogelijk deze te detecteren en te verbeteren met als resultaat verbetering van de kwaliteit van de gegevens en recuperatie van middelen dankzij de inspanningen, expertise en samenwerking van RIZIV-diensten, verzekeringsinstellingen en verpleeginrichtingen