Clinical–Management Collaboration for Improving TBI Principal Diagnosis Coding: A Quasi-Experimental Quality Improvement Study
यह अर्ध-प्रायोगिक अध्ययन प्रदर्शित करता है कि एक चीनी तृतीयक अस्पताल में बहुआयामी FOCUS-PDCA गुणवत्ता सुधार कार्यक्रम को लागू करने से नियंत्रण समूह की तुलना में ट्रॉमैटिक ब्रेन इंजरी (मस्तिष्क की चोट) के रोगियों के लिए मुख्य निदान कोडिंग सटीकता में 22.2 प्रतिशत अंक का महत्वपूर्ण सुधार हुआ, जो केवल अंतिम कोड असाइनमेंट पर ध्यान केंद्रित करने के बजाय संपूर्ण नैदानिक-सूचना मार्ग में गुणवत्ता नियंत्रण का विस्तार करने के मूल्य को रेखांकित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक स्वास्थ्य सेवा की विशाल, डेटा-संचालित मशीनरी में, मेडिकल रिकॉर्ड पर एक पंक्ति का टेक्स्ट भी अपार शक्ति रखता है। यह पंक्ति, जिसे मुख्य निदान (प्रिंसिपल डायग्नोसिस) के रूप में जाना जाता है, इस बात का आधिकारिक सारांश है कि मरीज को क्यों भर्ती किया गया था। यह केवल बिलिंग के लिए एक लेबल मात्र नहीं है; यह वह कुंजी है जो यह तय करती है कि अस्पतालों का मूल्यांकन कैसे किया जाता है, संसाधनों का आवंटन कैसे होता है, और देखभाल की गुणवत्ता को कैसे मापा जाता है। इस प्रणाली के काम करने के लिए, जानकारी का सटीक होना आवश्यक है। हालाँकि, मरीज की वास्तविक स्थिति से लेकर उस अंतिम पंक्ति के टेक्स्ट तक का सफर लंबा और जटिल है। यह डॉक्टर के अवलोकन से शुरू होता है, मस्तिष्क के स्कैन की व्याख्या से गुजरता है, मरीज के चार्ट में लिखे गए नोट्स के साथ जारी रहता है, और उसके बाद ही मेडिकल कोडर तक पहुँचता है जो सब कुछ एक मानकीकृत कोड में अनुवादित करता है। यदि इस श्रृंखला की कोई भी कड़ी कमजोर होती है—यदि कोई स्कैन गलत पढ़ा जाता है, कोई नोट अस्पष्ट होता है, या कोई शब्द गलत समझा जाता है—तो अंतिम कोड गलत होगा। जब कोड गलत होता है, तो डेटा अविश्वसनीय हो जाता है, और उस डेटा के आधार पर लिए गए निर्णय त्रुटिपूर्ण हो सकते हैं।
यह वास्तविकता 'ट्रॉमेटिक ब्रेन इंजरी' (मस्तिष्क की चोट) के लिए विशेष रूप से सत्य है, जो एक ऐसी स्थिति है जहाँ क्षति अक्सर छिपी हुई, जटिल और सटीक रूप से वर्णन करने में कठिन होती है। एक मरीज में एक स्थान पर नील (ब्रूज) और दूसरे स्थान पर रक्तस्राव हो सकता है, या पूरे मस्तिष्क को प्रभावित करने वाली सामान्य सूजन हो सकती है। इन पैटर्न के बीच अंतर करना महत्वपूर्ण है, फिर भी अस्पताल के चार्ट में उनका वर्णन करने के लिए उपयोग की जाने वाली भाषा अक्सर आधिकारिक कोडिंग के लिए आवश्यक सख्त नियमों से मेल नहीं खाती। चीन के हानझोंग सेंट्रल अस्पताल के शोधकर्ताओं ने यह देखने के लिए यह निर्धारित करने का प्रयास किया कि क्या वे इस समस्या को कोडर को तेजी से काम करने के लिए प्रशिक्षित करके नहीं, बल्कि कोडर तक पहुँचने से पहले ही सूचना की गुणवत्ता में सुधार करके ठीक कर सकते हैं। उन्होंने एक सरल प्रश्न पूछा: यदि डॉक्टर, रेडियोलॉजिस्ट और कोडर प्रक्रिया के बहुत पहले ही तथ्यों को सत्यापित करने के लिए मिलकर काम करें, तो क्या अंतिम निदान कोड अधिक सटीक हो जाएंगे?
इसका उत्तर देने के लिए, टीम ने न्यूरोसर्जरी विभाग में एक लक्षित गुणवत्ता सुधार कार्यक्रम शुरू किया। उन्होंने उन मरीजों पर ध्यान केंद्रित किया जिन्हें 'ट्रॉमेटिक ब्रेन इंजरी' थी, जो एक ऐसा समूह है जहाँ कोडिंग त्रुटियाँ आम हैं क्योंकि चोटें बहुत विविध होती हैं। शोधकर्ताओं ने दो वर्षों में मरीजों के दो समूहों की तुलना की। एक समूह को नया कार्यक्रम प्राप्त हुआ, जबकि गैर-ट्रॉमेटिक ब्रेन ब्लीड्स वाले एक समान समूह के मरीजों का उपयोग नियंत्रण समूह (कंट्रोल ग्रुप) के रूप में किया गया, जो अस्पताल की मानक दिनचर्या को जारी रखते थे। नया कार्यक्रम समस्याओं को खोजने, समाधान आयोजित करने और परिणामों की जाँच करने के एक संरचित चक्र पर आधारित था। इसने न्यूरोसर्जन, मस्तिष्क इमेजिंग विशेषज्ञों और मेडिकल कोडर्स को अंतिम निदान लॉक होने से पहले मामलों की समीक्षा करने के लिए एक साथ लाया।
इस प्रक्रिया के लिए डॉक्टरों को इस बारे में स्पष्ट नोट्स लिखने की आवश्यकता थी कि चोट वास्तव में कहाँ थी और कितनी गंभीर थी। यदि किसी स्कैन में कई छोटे नील (ब्रूज़) दिखाई देते थे, तो टीम को यह तय करना होता था कि इसे फोकल इंजरीज़ (केंद्रित चोटों) का संग्रह कहना है या एक एकल डिफ्यूज इंजरी (व्यापक चोट), क्योंकि इस अंतर से कोड पूरी तरह बदल जाता है। कोड असाइन करने से पहले, एक बहु-विषयक टीम यह सत्यापित करती थी कि लिखित नोट्स, स्कैन के परिणाम और चुना गया कोड, तीनों एक ही कहानी कह रहे हैं या नहीं। उन्होंने अस्पताल के इलेक्ट्रॉनिक रिकॉर्ड के लिए विशिष्ट नियम बनाए ताकि डॉक्टरों को आवश्यक विवरण शामिल करने के लिए प्रेरित किया जा सके, और उन्होंने उच्च-जोखिम वाले कोड के लिए अलर्ट सेट किए जो अक्सर भ्रम का कारण बनते थे। इस दृष्टिकोण ने गुणवत्ता जांच को 'अपस्ट्रीम' (शुरुआत में ही) स्थानांतरित कर दिया, जिससे मरीज के अस्पताल से जाने का इंतजार करने के बजाय त्रुटियों को स्रोत पर ही पकड़ लिया गया।
इस हस्तक्षेप के परिणाम चौंकाने वाले थे। कार्यक्रम शुरू होने से पहले, ट्रॉमेटिक ब्रेन इंजरी वाले मरीजों के मुख्य निदान कोड की सटीकता केवल 53 प्रतिशत थी। नया सहयोगात्मक तंत्र लागू होने के बाद, वह सटीकता बढ़कर 74 प्रतिशत हो गई। यह एक महत्वपूर्ण उछाल था, जो 21 प्रतिशत अंकों का सुधार दर्शाता है। इसके विपरीत, गैर-ट्रॉमेटिक ब्रेन ब्लीड्स वाले नियंत्रण समूह के मरीजों में ऐसा कोई सुधार नहीं देखा गया; उनकी सटीकता समान अवधि के दौरान 89 प्रतिशत से घटकर 86 प्रतिशत हो गई। जब शोधकर्ताओं ने मरीज की उम्र, बीमारी की गंभीरता और उपचार के प्रकार के अंतर को ध्यान में रखा, तो उन्होंने गणना की कि ट्रॉमेटिक ब्रेन इंजरी समूह में सुधार विशेष रूप से नए कार्यक्रम के कारण था, जिसमें नियंत्रण समूह की तुलना में 22.2 प्रतिशत अंकों का विभेदात्मक लाभ था। यह निष्कर्ष बताता है कि सहयोगात्मक समीक्षा प्रक्रिया ही इस परिवर्तन के पीछे का मुख्य चालक थी।
अध्ययन ने इस बात पर भी बारीकी से नज़र डाली कि किस प्रकार की गलतियाँ की जा रही थीं और वे कैसे बदलीं। सबसे आम त्रुटियों में मस्तिष्क की विभिन्न प्रकार की चोटों के बीच भ्रम पैदा करना शामिल था, जैसे कि अलग-अलग नील के संग्रह को एक एकल डिफ्यूज इंजरी समझने में गलती करना, या कोमा की अवधि की गलत व्याख्या करना। हस्तक्षेप के बाद ये त्रुटियाँ काफी कम हो गईं। उदाहरण के लिए, डिफ्यूज इंजरी के वर्गीकरण से संबंधित त्रुटियाँ मामलों के 28 प्रतिशत से गिरकर 19 प्रतिशत रह गईं। बेहोशी की अवधि से जुड़ी त्रुटियाँ, जो भ्रम का एक बड़ा स्रोत थीं, 7 प्रतिशत से गिरकर मात्र 1 प्रतिशत रह गईं। डेटा ने दिखाया कि जब क्लिनिशियन और कोडर चिकित्सा साक्ष्यों की अपनी समझ को संरेखित करते हैं, तो आधिकारिक कोड में मरीज की स्थिति का अनुवाद बहुत अधिक विश्वसनीय हो जाता है।
यह कार्य इस पारंपरिक दृष्टिकोण को चुनौती देता है कि कोडिंग केवल मरीज के अस्पताल से छुट्टी मिलने के अंत में कोडिंग विभाग की जिम्मेदारी है। शोधकर्ताओं ने पाया कि अंतिम कोड की गुणवत्ता पूरी तरह से उपचार की शुरुआत में उत्पन्न होने वाली जानकारी की गुणवत्ता पर निर्भर करती है। कोडिंग सटीकता को संपूर्ण नैदानिक मार्ग (क्लिनिकल पाथवे) की एक साझा जिम्मेदारी के रूप में मानकर, अस्पताल ऐसा डेटा उत्पन्न करने में सक्षम रहा जो बहुत अधिक विश्वसनीय है। यह विश्वसनीयता यह मापने के लिए आवश्यक है कि एक अस्पताल कैसा प्रदर्शन कर रहा है, वह किन मरीजों का इलाज कर रहा है, और यह सुनिश्चित करने के लिए कि निदान पर आधारित भुगतान प्रणाली निष्पक्ष और सटीक हो। अध्ययन बताता है कि ट्रॉमेटिक ब्रेन इंजरी जैसी जटिल स्थितियों के लिए, बेहतर डेटा का मार्ग केवल बेहतर सॉफ्टवेयर में नहीं, बल्कि रोगी देखभाल के विभिन्न चरणों में बेहतर मानवीय सहयोग में निहित है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।