The results of implementation of automated system of diagnosis encoding in multi-field hospital

Abstract


The common coding of main diagnosis (so-called “manual coding”) is accompanied by quite many errors associated with inobservance of classification algorithm and subjective causes that in statistical morbidity and mortality data corruption. The article presents the results of implementing automated system of diagnosis coding by the ICD-10 in the departments of the Medicosanitary Unit of MVD of Russia in City of Moscow. The functional and time losses and the error rate were studied under manual coding and automated coding system. In case of common coding of complete clinical diagnosis of one discharged patient per day, it takes from 5 to 15 minutes, for coding diagnoses of all discharged patients - about 1 hour. The number of errors in common coding made up to 14.1% (n=2472) and in case of automated coding it made up to 1.5% (n= 63, p<0.05). The application of automated coding system in medical organizations ensures exact correspondence of clinical and statistical diagnosis, unifies wording of clinical diagnosis, minimizes subjective deviations from algorithm of the ICD-10.

Full Text

Введение В последние годы происходит активное внедрение информационных технологий в систему российского здравоохранения, обусловленное большим объемом накопленных медицинских данных, необходимостью их упорядочения и унифицирования. Ключевой медицинской информацией являются сведения, относящиеся к диагнозу. В настоящее время кодировка случаев заболеваний и смертей проводится согласно Международной классификации болезней 10-го пересмотра (МКБ-10). В то же время не все медицинские специалисты умеют правильно пользоваться МКБ-10, корректно формулировать диагноз, кодировать его, указывать причину смерти пациента [1]. Традиционное («ручное») кодирование данных сопровождается большим числом ошибок, связанных с несоблюдением алгоритма МКБ-10 и субъективными причинами. По данным Д. Ш. Вайсмана (2015), до обучения врачей по МКБ-10 доля ошибок при оформлении свидетельств о смерти традиционным («ручным») способом составляла свыше 80% [2]. Несоблюдение основных принципов формулировки диагноза приводит к недостоверности и искажению статистических данных, что обусловливает принятие неверных организационных и управленческих решений [3]. Применение автоматизированных информационных систем с минимизацией ручного ввода данных значительно сокращает временные затраты специалистов на поиск и обмен информацией, позволяя перераспределить время на лечебно-диагностическую работу и минимизировать число ошибок, связанных с человеческим фактором [4, 5]. Однако проблеме разработки автоматизированных систем кодирования диагноза уделяется недостаточно внимания. Современный рынок медицинских информационных систем в основном представлен электронной медицинской картой, электронной регистратурой с функцией записи к специалисту посредством интернета, модулями поддержки и сопровождения управленческой деятельностью медицинской организации [6]. На сегодняшний день существуют ряд нерешенных вопросов и сложностей, связанных с внедрением автоматических информационных технологий. Так, имеет место неоднородная техническая оснащенность медицинских организаций в разных регионах России, несовместимость используемых WEB-платформ, необходимы денежные вложения в развитие системы [7]. В рутинной клинической практике не оценивалось влияние процесса кодирования на другие механизмы в медицинской сфере, не разработаны алгоритмы и методические рекомендации по применению автоматизированной кодировки диагноза в соответствии с МКБ-10 [8]. Таким образом, внедрение автоматизированной системы кодировки диагноза в практику медицинских организаций является актуальной проблемой современной медицины. Цель исследования - проанализировать результаты внедрения автоматизированной системы кодирования диагноза по МКБ-10 в многопрофильном стационаре. Материалы и методы В отделениях Клинического госпиталя ФКУЗ «МСЧ МВД России по г. Москве» была установлена автоматизированная система кодирования с модулем лексического анализа, применяющаяся на этапе формулировки клинического диагноза по системе МКБ-10. Технические характеристики данной системы следующие: операционная система семейства Linux, база данных FireBird, сервер среднего слоя GlassFish, Web-интерфейс Apache, алгоритмизация на языке Scala с последующим превращением в Java-апплет. В качестве интерфейсного (клиентского) решения использовался любой браузер на основе ядра «Хромиум». Взаимодействие между клиентской частью системы и сервером осуществлялось по сервис-ориентированной модели через вызов поименованных сервисов. При разработке системы использовались нормативно-правовые акты Российской Федерации в сфере информационных технологий и защиты персональных данных. Основной принцип работы предложенной нами автоматизированной системы кодировки заключается в автоматизации выбора кода диагноза с применением формулировок тома № 3 МКБ-10. За период с 01.01.2019 г. по 31.12.2019 г. установлено 17 536 кодов МКБ-10 по основным диагнозам, закодировано 495 разновидностей диагнозов. Кодирование выполняли лечащие врачи и врач-статистик. В ходе исследования проведен анализ функционально-временных затрат и частоты ошибок при традиционном и автоматизированном процессе кодирования. Для решения данной задачи 231 специалисту, занимающемуся кодированием, предлагалось ответить на следующие вопросы: 1. Какой диагноз Вы обычно кодируете по МКБ-10 (основной, фоновый, сопутствующий, осложнение)? 2. Чем вы руководствуетесь при кодировании по МКБ-10 (томами печатного издания МКБ-10, подготовленной самостоятельно выжимкой часто встречающихся кодировок из МКБ-10 в соответствии с профильностью вашего отделения, специализированной программой кодирования диагнозов)? 3. Сколько времени Вы затрачиваете на кодирование одного диагноза (заболевания) при использовании печатных томов МКБ-10 (5 мин, 10-15 мин, 15-20 мин, 20-25 мин)? 4. Сколько времени в день Вы тратите для точного и полного кодирования по МКБ-10 полного клинического диагноза одного выписываемого больного (5 мин, 10-15 мин, 15-20 мин, 20-25 мин)? 5. Сколько времени в день Вы тратите для точного и полного кодирования по МКБ-10 клинических диагнозов всех выписываемых больных (около 1 ч, до 2 ч, до 3 ч)? 6. Как часто Вы кодируете диагноз (2 раза в неделю, 3 раза в неделю, ежедневно)? 7. Используете ли Вы четырехзначные подрубрики МКБ-10 при кодировании анатомической локализации, осложнений, вариантов течения и формы заболевания (да, нет, не знаю, что это такое)? 8. Учитываете ли Вы изменения и дополнения кодов, блоков, рубрик и подрубрик МКБ-10 при кодировании (да, нет)? 9. Считаете ли Вы проведенное Вами кодирование по МКБ-10 полным и достоверным (правильным) по Вашему мнению (да, нет, затрудняюсь ответить)? 10. Считаете ли Вы время, затраченное на процесс точного кодирования клинических диагнозов, существенным (да, нет, затрудняюсь ответить)? Количественные данные указаны в абсолютных значениях (n) и процентных долях (%). Для сравнения двух групп по количественным показателям использовался непараметрический критерий Манна-Уитни, достоверными считали различия при p<0,05. Доверительный интервал (ДИ) рассчитывали методом углового преобразования Фишера. Статистическая обработка данных проводилась с использованием программы Statistica 10.0. Результаты исследования ps202104.4htm00157.jpg Наиболее частыми кодами основных диагнозов по МКБ-10 были I10 (1396 случаев), I11 (979 случаев), M42 (759 случаев), I20 (566 случаев), S83 (413 случаев). Распределение частоты встречаемости диагнозов по группам указано в таблице. Анкетирование специалистов, занимающихся кодированием информации, относящейся к диагнозу, показало, что все специалисты кодируют основной диагноз, т. е. основную причину обращения пациента за медицинской помощью, по поводу которой проводились диагностика и лечение. Около половины специалистов (110 респондентов, 47,6%) при кодировании в основном используют подготовленную самостоятельно выжимку часто встречающихся кодировок из МКБ-10 в соответствии с профильностью своего отделения. На кодирование одного диагноза при использовании печатных томов МКБ-10 71,9% (n=166) специалистов затрачивают около 5 мин, при этом в день для кодирования полного клинического диагноза одного выписываемого больного уходит от 5 до 15 мин. Для кодирования диагнозов всех выписываемых больных 213 (92,2%) опрошенных тратят около 1 ч. Ежедневно кодируют диагноз 148 (64%) специалистов. Следует отметить, что только 51,9% (n=120) опрошенных используют четырехзначные подрубрики МКБ-10 при кодировании диагноза, которые позволяют уточнить этиологию, анатомию, функциональные нарушения и другие характеристики патологического состояния. Лишь 67% (n=155) специалистов учитывают изменения и дополнения кодов, блоков, рубрик и подрубрик МКБ-10 при кодировании. Не все медицинские работники, занимающиеся вводом информации, удовлетворены качеством кодирования: только 159 (68,8%) опрошенных специалистов считали проведенное ими кодирование по МКБ-10 полным и достоверным. При этом около половины специалистов (n=115; 49,8%) считают время, затраченное на процесс точного кодирования клинических диагнозов, существенным. При традиционном методе ввода кода по МКБ-10 отмечен большой процент расхождения клинического и статистического диагнозов. Количество ошибок среди всех закодированных диагнозов при традиционном кодировании составляет 14,1% (n=2472), при применении автоматизированного способа - всего 1,5% (n=263; р<0,05). В 80,5% (95% ДИ 79,4-81,6) случаев неправильная формулировка основного диагноза была обусловлена субъективными причинами. Основные ошибки при оформлении заключительного диагноза - нерубрифицированные и неверно рубрифицированные диагнозы (53,2%). В 14,6% (13,6-15,6) случаев использовались малоинформативные термины, в 10,6% (9,7-11,5) случаев отмечено несоблюдение правил МКБ-10, 3,6% (3,1-4,2) неправильных диагнозов связаны с неуточненной локализацией процесса, другие причины составили 2,6% (2,2-3,1). На рис. 1 и 2 представлены функциональные схемы кодирования диагноза в медицинской организации до и после внедрения автоматизированной системы. Обсуждение Результаты проведенного анкетирования свидетельствуют, что специалисты ежедневно затрачивают много времени на кодировку основного диагноза, при этом только половина медицинских работников используют четырехзначные подрубрики МКБ-10 и учитывает изменения в разделах классификации при кодировании, что значительно снижает информативность вводимых данных. Также большинство специалистов не удовлетворены качеством своей работы по кодировке диагноза. Применение автоматизированной системы поддержки кодирования диагноза по МКБ-10 позволяет значительно сократить время, затраченное на кодирование, уменьшить количество ошибок при формулировке диагноза, чем способствует получению достоверных статистических данных о заболеваемости и смертности по разным нозологиям. Полученные в данном исследовании результаты согласуются с данными других авторов. Так, в исследовании китайских ученых автоматическая система кодирования по МКБ-10 выполнила более 160 тыс. кодов за 16 мес, а время, затраченное на автоматическое кодирование, оказалось почти в 100 раз меньше, чем при традиционном («ручном») кодировании, что значительно уменьшило нагрузку специалистов-кодировщиков [9]. Во многих зарубежных странах для статистики смертности давно применяются автоматизированные системы [10-12]. По данным P. P. M. Harteloh (2017), использование автоматизированной системы кодирования привело к изменению частоты основных причин смерти с увеличением доли деменции (23%), сердечно-сосудистых заболеваний (11%), инфекционных заболеваний (43%) и факторов риска (48%), что необходимо учитывать при принятии управленческих решений [13]. В нашей стране автоматизированные информационные системы кодирования диагноза в настоящее время не имеют широкого применения. По данным литературы, автоматизированное кодирование случаев смерти по МКБ-10 проводится только в 13 субъектах Российской Федерации [2]. Вместе с тем одним из результатов внедрения автоматизированной системы базы данных о смертности в некоторых субъектах Российской Федерации в период 2000-2014 гг. привело к изменению структуры смертности, уменьшая долю болезней системы кровообращения с 53 до 38,2%, а симптомов - с 3,2 до 2,1% [2]. Использование автоматизированной информационной системы «Регистрация случаев смерти» в Санкт-Петербурге совместно с обучением врачей алгоритму кодирования позволило снизить число неправильно кодированных свидетельств о смерти с 80 до 20%, повысить достоверность статистической информации при выборе первоначальной причины смерти до 96%, а также повысить качество посмертной диагностики до 80% [5]. В разработанной нами автоматизированной системе применялся аппарат лексического анализа, который на сегодняшний день достаточно развит и постепенно становится неотъемлемой частью многих медицинских информационных систем [14]. Автоматизированная система кодировки диагноза является перспективным направлением развития информационных технологий в медицинских организациях различного профиля. Основной областью применения является корректная формулировка клинического диагноза в лечебно-диагностическом и патологоанатомическом процессе. При объединении информационных систем различных медицинских организаций возможно формирование единой базы данных о заболеваемости и смертности в разных регионах, что может служить основой для разработки единой информационной системы мониторинга здоровья популяции [15]. В перспективе после введения в медицинскую практику МКБ-11 и последующих версий классификации применение автоматизированной системы кодирования диагноза также возможно после необходимого технологического усовершенствования. Вместе с тем для эффективного функционирования автоматической системы ввода данных требуется обучение медицинского персонала алгоритму кодирования по МКБ-10, повышение уровня общей технической грамотности, отказ от сложившейся практики формулировки клинического диагноза. Заключение Применение автоматизированной системы кодирования диагноза в медицинских организациях обеспечивает точное соответствие клинического и статистического диагноза, унифицирует формулировки клинического диагноза, минимизирует субъективные отклонения от алгоритма МКБ-10. Исследование не имело спонсорской поддержки. Авторы заявляют об отсутствии конфликта интересов.

About the authors

E. A. Berseneva

The Federal State Budget Scientific Institution “The N. A. Semashko National Research Institute of Public Health” of the Minobrnauka of Russia


D. Yu. Mikhaylov

The Federal State Official Health Care Institution “The Medicosanitary Unit of MVD of Russia in City of Moscow”

Email: mdudoc@mail.ru

References

  1. Вайсман Д. Ш. Автоматизация информационных потоков системы регистрации смертности в Российской Федерации. Социальные аспекты здоровья населения. 2009;2(10). Режим доступа: http://vestnik.mednet.ru/content/view/120/30/lang.ru/ (дата обращения 14.02. 2021).
  2. Вайсман Д. Ш. Анализ влияния обучения врачей и внедрения автоматизированной системы на достоверность статистики смертности. Бюллетень Национального НИИ общественного здоровья имени Н. А. Семашко. 2015;(6):22-32.
  3. Зайратьянц О. В., Кактурский Л. В., Мальков П. Т. Современные требования к формулировке диагноза в соответствие с законодательством Российской Федерации и Международной Статистической Классификации Болезней 10-го пересмотра. Судебная медицина. 2015;1(4):14-20. doi: 10.19048/2411-8729-2015-1-4-14-20
  4. Лапкова А. К. Информационные технологии и их применение в современной системе здравоохранения. Современные инновации. 2018;4(26):35-7.
  5. Захаренко Ю. А., Пузанов А. А. Влияние человеческого фактора на качество заполнения медицинских свидетельств о смерти. Управление человеческими ресурсами - основа развития инновационной экономики. 2014;(5):411-6.
  6. Куцевол Н. Г., Мулихов М. Н., Попов М. Л. Необходимость и возможности внедрения медицинских информационных систем в целях повышения качества оказания медицинской помощи. Современные проблемы науки и образования. 2012;(4). Режим доступа: http://science-education.ru/ru/article/view?id= 6565 (дата обращения 14.02.2021).
  7. Курзыкина А. В. Проблемы внедрения автоматизированной информационной системы. Молодой ученый. 2017;4(138):164-7. Режим доступа: https://moluch.ru/archive/138/38806/(дата обращения 14.02.2021).
  8. Берсенева Е. А., Суходолов А. П., Седов А. А. Цифровая медицина: информационно-технологические основы применения лексического анализа при формализации кодирования диагнозов. Baikal Research Journal. 2019;10(42). Режим доступа: http://brj-bguep.ru (дата обращения 16.02.2021). doi: 10.17150/2411-6262.2019.10(4).5
  9. Zhou L., Cheng C., Ou D., Huang H. Construction of a semi-automatic ICD-10 coding system. BMC Med. Inform. Decis. Mak. 2020;20(1):67. doi: 10.1186/s12911-020-1085-4
  10. Cirera Suárez L. Primer bienio de estadísticas de mortalidad con el codificador automático Iris de causas de muerte [First biennium of mortality statistics with, the automatic system Iris for coding multiple causes of death]. Gac. Sanit. 2018;32(1):5-7. doi: 10.1016/j.gaceta.2016.11.009 (in Spanish).
  11. Rey G. Les données des certificats de décès en France: processus de production et principaux types d’analyse [Death certificate data in France: Production process and main types of analyses]. Rev. Med. Interne. 2016;37(10):685-93. doi: 10.1016/j.ijmedinf.2020.104135 (in French).
  12. Sonabend W. A., Cai W., Ahuja Y. Automated ICD coding via unsupervised knowledge integration (UNITE). Int. J. Med. Inform. 2020;139:104-35. doi: 10.1016/j.ijmedinf.2020.104135
  13. Harteloh P. P. M. Veranderingen in de doodsoorzakenstatistiek door automatisch coderen [Changes in cause-of-death statistics as a consequence of automated coding]. Ned. Tijdschr. Geneeskd. 2017;161:D1767 (in Dutch).
  14. Grosjean J., Billey K., Charlet J., Darmoni S. J. Manual Evaluation of the Automatic Mapping of International Classification of Diseases (ICD)-11 (in French). Stud. Health Technol. Inform. 2020;270:1335-6. doi: 10.3233/SHTI200429
  15. Берсенева Е. А., Михайлов Д. Ю., Черкасов С. Н. Концептуальные подходы к разработке автоматизированной системы поддержки кодирования по МКБ-10. Бюллетень Национального научно-исследовательского института общественного здоровья имени Н. А. Семашко. 2019;(3-4):13-20. doi: 10.25742/NRIPH.2019.03.002

Statistics

Views

Abstract - 252

Cited-By


PlumX

Dimensions


Copyright (c) 2021 АО "Шико"

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Mailing Address

Address: 105064, Vorontsovo Pole, 12, Moscow

Email: ttcheglova@gmail.com

Phone: +7 903 671-67-12

Principal Contact

Tatyana Sheglova
Head of the editorial office
FSSBI «N.A. Semashko National Research Institute of Public Health»

105064, Vorontsovo Pole st., 12, Moscow


Phone: +7 903 671-67-12
Email: redactor@journal-nriph.ru

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies