Scroll Top
Text-Mining-Informationen-Erklärungen-von-Averbis

Text Mining von Mikrobiologie-Befunden

Zur Diagnosesicherung und Erlösoptimierung

Für die unter Kostendruck stehenden Kliniken und Krankenhäuser ist eine vollständige Kodierung von Diagnosen und Therapien für die Leistungsabrechnung essentiell.  Die Vollständigkeit der Kodierung wird insbesondere dann zur Herausforderung, wenn medizinische Dokumentation aus anderen Bereichen wie dem Labor zu berücksichtigen sind.  Die neue Version der Health Discovery adressiert genau diese Schwachstelle.

Neben Arztbriefen, OP- und Pathologieberichten  können nun auch mikrobiologische Befunde analysiert und damit zahlreiche DRG-relevante Nebendiagnosen erkannt und kodiert werden, die zuvor häufig übersehen wurden.
Ansicht eines Mikrobiologiebefunds im Annotation Editor der Health Discovery

 

Fallstudie Mikrobiologie: 10% unkodierte ICD-Nebendiagnosen

Das neue Modul wurde bereits erfolgreich in einem großen deutschen Krankenhaus getestet.  Dazu wurde eine Gesamtmenge von über 70.000 Befunden aus der Mikrobiologie mit der Health Discovery analysiert. Das Ergebnis: mehr 12.500 ICD-Codes wurden aus positiven Mikrobiologiebefunden abgeleitet. Rund 10% dieser Codes waren von den Medizincontrollern der Klinik bislang nicht kodiert worden.

 

Top 10 der abgeleiteten ICD-Codes

 

Beurteilung der CCL-Relevanz

Ein Abgleich mit dem klinischen Komplexitätsgrad CCL (Complication or Comorbidity level) ergab, dass von den  rund 12.500 vorhergesagten Codes mehr als 7.500 CCL-relevante Nebendiagnosen darstellen. Von den bislang noch nicht kodierten Diagnosen zeigten sich insgesamt 825 als CCL-relevant.

Die Mikrobiologie-Erkennung kann ab sofort von allen Health-Discovery-Kunden genutzt werden und steht über die Partnerschaften mit Cerner auch allen Kliniken, die die die Erlösoptimierungssoftware Meta-KIS einsetzen, zur Verfügung.

Finden Sie Antworten in Ihren Daten

Gerne präsentieren wir Ihnen unsere Produkte und erstellen für Sie einen Demonstrator auf Basis Ihrer ausgewählten Datenbestände.