Lewati ke konten utama

Kontrol 11 dari 32 · Klinis & Dokumentasi

Kontrol Akurasi Koding ICD: Menyelaraskan Kode dengan Isi Catatan Klinis

Kode diagnosis dan catatan klinis sering lahir pada waktu berbeda, dan selisih itulah yang membuat keduanya bercerita berbeda. Pencarian kode tersedia di rekam medis, sedangkan rekomendasi berbasis AI datang dari modul AI CDSS yang terpisah.

Modul: AI CDSS

Diperbarui · MedMinutes

Jawaban singkat

Cara meningkatkan akurasi koding ICD di rumah sakit?

Kontrol akurasi koding menjaga agar kode diagnosis dan tindakan mencerminkan apa yang tertulis di catatan klinis. Di RME MedMinutes tersedia pencarian ICD-10 dan ICD-9 terintegrasi pada panel koding casemix. Rekomendasi kode berbasis AI beserta skor kecocokan antara catatan dan koding disediakan modul AI CDSS, produk terpisah yang terhubung ke RME yang sama.

Kenapa kode dan catatan klinis bisa bercerita berbeda?

Ketidaksesuaian antara kode dan catatan jarang berasal dari kelalaian. Catatan klinis ditulis saat perawatan berjalan, sementara koding dikerjakan setelah pasien pulang, kadang berdasarkan resume yang belum lengkap. Koder membaca apa yang tersedia, dan yang tersedia belum tentu menggambarkan seluruh pekerjaan yang dilakukan. Di rekam medis kami, yang tersedia adalah pencarian ICD-10 dan ICD-9 terintegrasi pada panel koding casemix, berupa pencarian, bukan penilaian. Rekomendasi kode berbasis AI beserta skor kecocokan antara catatan dan koding disediakan modul AI CDSS, produk terpisah yang terhubung ke rekam medis yang sama.

Apa yang sebaiknya ditinjau ulang lebih dulu ketika waktu terbatas?

Pedoman koding tidak termasuk dasar hukum yang kami rujuk di klaster ini, sehingga halaman ini tidak mengutip pasal untuk aturan koding. Payungnya tetap kewajiban menerapkan kendali mutu dan kendali biaya pada Perpres 82/2018 Pasal 87 ayat (1).
  • Dasar payung Perpres 82/2018 Pasal 87 ayat (1) — kewajiban fasilitas kesehatan menerapkan kendali mutu dan kendali biaya.

Apa yang tersedia di RME, dan apa yang datang dari modul AI CDSS?

Pembagian perannya sengaja dibuat tegas. Pencarian kode mempercepat pekerjaan rutin, alat bantu berbasis AI mempersempit pilihan dan menandai berkas yang perlu ditengok ulang, sedangkan penetapan diagnosis utama dan pembacaan bukti klinis tetap menjadi keputusan profesional koder bersama DPJP. Karena itu ukuran keberhasilannya adalah berkurangnya berkas yang perlu ditinjau ulang, bukan banyaknya kode yang disarankan sistem.
    [{'name': 'Buka panel koding casemix', 'text': 'Koder membuka panel koding pada berkas pasien, dengan catatan klinis dan data pelayanan terbaca di layar yang sama.'}, {'name': 'Cari kode yang sesuai', 'text': 'Pencarian ICD-10 dan ICD-9 terintegrasi mempercepat penelusuran kode, tanpa memberi penilaian atau skor apa pun.'}, {'name': 'Baca rekomendasi dari AI CDSS', 'text': 'Untuk rumah sakit yang memakai modul AI CDSS, rekomendasi kode dan skor kecocokan catatan terbaca sebagai bahan pertimbangan tambahan.'}, {'name': 'Periksa bukti klinisnya', 'text': 'Setiap kode yang dipertimbangkan diperiksa dukungannya pada catatan; kode tanpa bukti tertulis tidak ditetapkan meski terasa sesuai.'}, {'name': 'Dahulukan berkas berisiko selisih', 'text': 'Berkas dengan lama rawat panjang, banyak tindakan, atau penyakit penyerta ditinjau lebih dulu karena di sanalah selisihnya paling besar.'}]

Bagaimana mengukur perbaikan akurasi koding?

Bagaimana rekomendasi kode dibaca tanpa mengambil alih keputusan koder?

Akurasi koding menentukan apakah nilai klaim mencerminkan pekerjaan yang benar-benar dilakukan. Ketika catatan lengkap tetapi kode tidak menangkapnya, rumah sakit menerima kurang dari yang seharusnya; ketika kode melampaui apa yang tertulis, berkas menjadi sulit dipertanggungjawabkan saat diperiksa. Keduanya berisiko, dan keduanya berakar pada persoalan yang sama, yaitu jarak antara catatan dan koding. Karena itu langkah yang paling berdampak biasanya bukan menambah pelatihan koding, melainkan memperpendek waktu penulisan resume. Alat bantu berperan menghemat waktu koder untuk kasus rutin, sehingga perhatian mereka tersisa untuk kasus yang benar-benar menuntut pertimbangan.

Di rekam medis kami, pencarian ICD-10 dan ICD-9 tersedia sebagai pencarian terintegrasi pada panel koding casemix. Rekomendasi kode berbasis AI dan skor kecocokan antara catatan dan koding disediakan modul AI CDSS, produk terpisah yang terhubung ke rekam medis yang sama.

Halaman ini memakai perumusan yang sudah diverifikasi terhadap kode produk.

Pertanyaan yang sering muncul

Tidak. Di RME, pencarian ICD-10 dan ICD-9 berfungsi sebagai pencarian terintegrasi pada panel koding, tanpa penilaian otomatis. Rekomendasi kode berbasis AI dan skor kecocokan berada di modul AI CDSS yang terpisah dan terhubung ke RME yang sama. Pemisahan ini kami sebutkan terbuka agar rumah sakit tahu persis kemampuan mana yang datang dari modul yang mana.
Tidak, dan memang tidak dirancang untuk itu. Alat bantu membantu tim koder Anda mempersempit pilihan dan menandai catatan yang perlu ditengok ulang. Penetapan diagnosis utama dan pembacaan bukti klinis tetap keputusan profesional yang menuntut pemahaman kasus. Dengan pembagian itu, waktu koder terpakai untuk kasus yang benar-benar menuntut pertimbangan, bukan untuk penelusuran berkas rutin.
Umumnya karena keduanya lahir di waktu berbeda. Catatan ditulis saat perawatan berjalan, koding dikerjakan setelah pasien pulang, kadang berdasarkan resume yang belum lengkap. Selisih waktu itulah, bukan kelalaian koder, yang paling sering menjadi sumber ketidaksesuaian. Karena itu memperbaiki waktu penulisan resume biasanya berdampak lebih besar daripada menambah pelatihan koding.
Berkas dengan lama rawat panjang tetapi tingkat keparahan terbaca ringan, berkas dengan banyak tindakan penunjang, dan berkas pasien dengan penyakit penyerta. Di kelompok itu selisih antara pekerjaan yang dilakukan dan yang terbaca dari kode biasanya paling besar. Memulai dari kelompok itu juga membuat hasil telaah terlihat lebih cepat, sehingga tim tetap bersemangat menjalankannya.
Bandingkan jumlah berkas yang perlu ditinjau ulang per bulan, jumlah berkas yang dikembalikan karena alasan koding, dan sebaran tingkat keparahan pada kelompok kasus yang sama. Hasil bervariasi tergantung volume dan pola klaim rumah sakit. Yang penting, ketiga angka itu dibaca sebagai arah pergerakan, bukan sebagai penilaian atas orang per orang.

Kontrol lain yang berkaitan

← Kembali ke daftar lengkap 32 kontrol kendali mutu kendali biaya

Lihat kontrol ini berjalan di rumah sakit Anda

Kami tunjukkan langsung di AI CDSS, memakai alur kerja dan data rumah sakit Anda sendiri, dalam sesi 30 menit.

Jadwalkan demo 30 menit

Atau telusuri dulu 32 titik kontrol lain di halaman induk.