Controllo automatico delle variabili cliniche della scheda di dimissione ospedaliera (SDO), mediante l’utilizzo di tecniche di machine learning

ELISABETH MONTEL
Direttrice medica dell’Ospedale di Bressanone

ASTRID RICHTER, SABINE LADURNER
Direzione medica dell’Ospedale di Merano

AGATA MALIZIA
Direzione medica dell’Ospedale di Bolzano

ROBERTA VANZETTA
Direttrice medica f.f. Ospedale di Brunico - Coordinatrice NUVAS (Nucleo Aziendale di Verifica dell’Assistenza Sanitaria)

DAMIANO VERDA
Rulex Innovation Labs, Genova

MARCO MUSELLI
Rulex Innovation Labs, Genova; Institute of Electronics, Computer and Telecommunication Engineering, Consiglio Nazionale delle Ricerche (CNR), Genova

PIERLUIGI SANTIN
Deimos Engineering, Udine

PAOLO VIAN
Explora - Ricerca ed Analisi Statistica, Padova

Riassunto: In Italia, la disciplina dei controlli sanitari prevede l’attivazione, da parte delle regioni e delle aziende sanitarie locali, di sistemi di monitoraggio e controllo sulla qualità dell’assistenza e sull’appropriatezza delle prestazioni rese. Molte regioni italiane hanno predisposto e aggiornato, nel corso degli anni, linee guida e procedure operative che prevedono diverse tipologie di controlli sulle SDO e sulle cartelle cliniche. Nel contributo vengono presentati i risultati ottenuti da una sperimentazione, condotta presso l’Azienda Sanitaria dell’Alto Adige, riguardante l’utilizzo di tecniche di Intelligenza Artificiale per il controllo automatico della codifica SDO. Nello specifico, si è voluto valutare l’opportunità di introdurre una nuova tipologia di controlli automatici (che si potrebbero definire logico-clinici), che non si limitano alla verifica della compatibilità sesso-diagnosi o età-diagnosi (come per i controlli logico-formali), ma che indagano le relazioni esistenti tra le variabili cliniche delle SDO, e siano quindi in grado di accertare automaticamente le incoerenze tra diagnosi, interventi chirurgici, procedure mediche e DRG. Le metodologie sperimentate hanno evidenziato risultati interessanti, prospettando una loro possibile adozione routinaria nell’attività di controllo SDO.

Parole chiave: controllo della codifica clinica, Machine Learning, Robotic Data Correction, schede di dimissione ospedaliera, ricoveri ospedalieri

Abstract: Health check systems in Italy are implemented by regional and local health authorities and involve monitoring and controlling the quality of healthcare and the appropriateness of services provided. Over the years, many Italian regions have created, and updated guidelines and operative procedures for checking hospital discharge reports and medical records.
This article presents the results obtained from an experiment, carried out by the Alto Adige Health Authority, where Artificial Intelligence techniques were used to automatically check the coding used in hospital discharge reports. The study particularly focused on evaluating whether it would be possible to apply automatic checks (which could be defined as logical clinical checks) not only to the compatibility of sex-diagnosis or age-diagnosis, as was previously the case with formal logical checks, but to also investigate existing relationships between clinical variables in hospital discharge reports, in order to automatically identify inconsistencies between diagnosis, surgery, medical procedures and DRGs. The tested methodologies have shown interesting results, envisaging their possible routine adoption in hospital discharge reports checking activities.

Key words: Clinical coding control, Machine Learning, Robotic Data Correction, Hospital Discharge Reports, Hospital admissions

Registrati per leggere il seguito...

Per visualizzare gli ultimi aggiornamenti del Codice dell'Ospedalità Privata
Clicca qui

Quaderni OS - Considerazioni e riflessioni su PNRR e Organizzazione Sanitaria

quaderni os nonisdi Marino Nonis

2021, pagg. 72, versione pdf € 15,00 - versione cartacea € 28,00 - © FRG Editore, Roma

Versione pdf € 15,00

Codice offerta

Versione Cartacea € 28,00

Codice offerta


Area Abbonati

Abbonati ora!

Cerca nelle riviste