📄 medicine

Development and Validation of a Proxy Case Mix Index for Indian Hospitals Without Diagnosis-Related Group Coding: A Composite Five-Component Model

Deze studie presenteert de ontwikkeling en voorlopige validatie van een vijfcomponenten Proxy Case Mix Index voor Indiase ziekenhuizen die niet beschikken over DRG-coderinginfrastructuur, waarbij een veelbelovende constructvaliditeit wordt aangetoond door sterke correlaties met directe kosten en mortaliteit in een een-centrische steekproef, met plannen voor multi-centrische prospectieve validatie.

Oorspronkelijke auteurs: Anup R Warrier, Jyothi Antony, Anithadevi T S

Gepubliceerd 2026-08-07

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Anup R Warrier, Jyothi Antony, Anithadevi T S

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert te beoordelen hoe "druk" of "complex" een restaurant is. Je zou simpelweg kunnen tellen hoeveel tafels bezet zijn, maar dat vertelt je niet of de keuken eenvoudige kaasbroodjes maakt of uitgebreide, meergangenmenu's die vijf chefs en dure ingrediënten vereisen. In de wereld van ziekenhuizen staan artsen en managers voor een vergelijkbaar puzzel. Ze hebben een manier nodig om de "complexiteit" van de patiënten die ze behandelen te meten. In veel rijke landen gebruiken ze een geavanceerd systeem genaamd Diagnosis-Related Groups (DRG's), wat lijkt op een enorm, vooraf geschreven menu waar elke specifieke ziekte en behandeling een vooraf toegewezen prijs en complexiteitsscore heeft. Dit helpt ziekenhuizen om eerlijk betaald te krijgen en hun prestaties te vergelijken.

In India bestaat dit specifieke menu echter nog niet. Ziekenhuizen daar vertrouwen vaak op eenvoudigere, enkelvoudige schattingen om complexiteit te meten, zoals het tellen van het aantal dagen dat een patiënt in het ziekenhuis is opgenomen of hoeveel bedden bezet zijn. Maar net zoals een restaurant druk kan zijn omdat het traag en inefficiënt is in plaats van omdat er luxe maaltijden worden bereid, betekent een lang verblijf in het ziekenhuis niet altijd dat een patiënt erg ziek was. De grote vraag voor de Indiase gezondheidszorg is: Hoe kunnen we een eerlijke, nauwkeurige "complexiteitsscore" bouwen zonder dat we dat dure, chique DRG-menusysteem nodig hebben?

Dit artikel introduceert een slim nieuw instrument genaamd een "Proxy Case Mix Index" (CMI), ontworpen specifiek voor Indiase ziekenhuizen die niet over de DRG-coderingsinfrastructuur beschikken. Denk aan dit nieuwe instrument als een "complexiteitssmoothie". In plaats van te vertrouwen op slechts één ingrediënt (zoals de verblijfsduur), hebben de onderzoekers vijf verschillende datapunten gemengd die ziekenhuizen al dagelijks verzamelen: hoe lang de patiënt is gebleven, wat de behandelkosten waren, of ze intensieve zorg (ICU) nodig hadden, hoe ingewikkeld hun medische procedures waren, en hoe ziek ze waren bij aankomst. Ze hebben deze vijf ingrediënten gemengd met een specifiek recept (een wiskundige formule) om één enkel getal te creëren dat de complexiteit van de patiënt vertegenwoordigt.

De onderzoekers testten dit "smoothie"-recept op een kleine groep van 30 patiënten in een groot privékliniek in Kochi, India. Ze ontdekten dat de nieuwe score verrassend goed werkte. Wanneer ze hun nieuwe complexiteitscijfer vergeleken met de werkelijke kosten van de behandeling van de patiënt, bewogen de twee getallen sterk samen (een correlatie van 0,76), wat suggereert dat het instrument goed is in het opsporen van dure, complexe gevallen. Ze merkten ook op dat patiënten die helaas overleden, hogere complexiteitsscores hadden (een gemiddelde van 1,36) dan degenen die het overleefden (een gemiddelde van 0,89), wat logisch is omdat zieker patiënten moeilijker te behandelen zijn. De scores kwamen ook overeen met wat artsen verwachten: patiënten op de intensive care en hartchirurgie kregen de hoogste scores, terwijl patiënten in de algemene interne geneeskunde de laagste scores kregen.

De auteurs waarschuwen echter dat dit slechts het begin is. Ze beschrijven dit als een "voorlopige" blik op een kleine steekproef, niet als een definitief bewijs. Ze pleiten expliciet tegen het vertrouwen op enkelvoudige getallen zoals de "gemiddelde verblijfsduur" alleen, omdat deze te gemakkelijk verward kunnen worden met de efficiëntie van het ziekenhuis. Hoewel hun nieuwe vijfdelige model veelbelovend is en "face validity" heeft (het ziet er aan de oppervlakte juist uit), geven ze toe dat het een veel grotere test nodig heeft. Ze zijn van plan dit instrument te valideren op een enorme groep van meer dan 600 patiënten verspreid over 15 verschillende specialismen en het uiteindelijk te testen in 3 tot 5 andere ziekenhuizen in India om te zien of het overal werkt. Totdat deze grotere studie is uitgevoerd, blijft dit instrument een zeer veelbelovend prototype dat Indiase ziekenhuizen kan helpen hun werklast eerlijk te meten zonder een complex internationaal coderingssysteem nodig te hebben.

Technische Samenvatting: Ontwikkeling en Validatie van een Proxy Case Mix Index voor Indiase Ziekenhuizen Zonder DRG-Codering

Probleemstelling
De Case Mix Index (CMI) is een cruciale metriek voor het meten van de prestaties van ziekenhuizen, vergoedingen en de toewijzing van middelen in wereldwijde gezondheidszorgsystemen, die doorgaans wordt afgeleid van Diagnosis-Related Group (DRG) codering. India beschikt echter niet over een nationaal geadopteerd DRG-classificatiesysteem. Hoewel het vlaggenschip-verzekeringsprogramma van de overheid (PM-JAY) gebruikmaakt van gebundelde pakkettarieven, ontbreekt het deze aan de granulariteit om de complexiteit op patiëntniveau te meten. Gevolgelijk vertrouwen Indiase ziekenhuizen op single-variable proxies zoals de gemiddelde ligduur (ALOS) of ICU-bezetting, die gevoelig zijn voor verwarrende variabelen door efficiëntie en opnamepraktijken in plaats van werkelijke klinische acuïteit. Er is een kritiek gat voor een gevalideerd, composiet instrument dat de casencomplexiteit meet met behulp van routinematig verzamelde administratieve gegevens, zonder dat daarvoor DRG-infrastructuur vereist is.

Methodologie
De studie presenteert een modelontwikkeling en een gepland protocol voor prospectieve validatie, waarbij wordt voldaan aan de TRIPOD- en STROBE-richtlijnen. De ontwikkelingslocatie is Aster Medcity, een privaat tertiair ziekenhuis met 670 bedden in Kochi, India.

Het Vijfcomponenten Proxy CMI-Model
De auteurs hebben een composiet index ontwikkeld die vijf domeinen integreert, gewogen op basis van internationale literatuur met betrekking tot resourceconsumptie en complexiteit:

Ligduur Score (LOS Score) (Gewicht: 0,25): Berekend als de ratio van de ligduur van het episode ten opzichte van een specialiteitspecifiek trimpunt (Q3 + 1,5 × IQR), aangepast naar de NHS HRG-methodologie. De score is begrensd op 2,0 om de invloed van uitschieters te beperken.
Directe Kostenindex (Direct Cost Index) (Gewicht: 0,30): De zwaarst gewogen component, die de ratio vertegenwoordigt van de directe kosten van het episode ten opzichte van de specialiteitspecifieke mediane kosten. Dit weerspiegelt de AR-DRG resourceconsumptie-filosofieën.
ICU-bezetting Ratio (ICU Utilization Ratio) (Gewicht: 0,20): Het aandeel van de totale ziekenhuisopname dat in een intensive care unit (ICU) werd doorgebracht (ICU-dagen / Totale LOS).
Procedure-intensiteit Score (Procedure Intensity Score) (Gewicht: 0,15): Een vijf-traps ordinale schaal (0–4) gemapt naar een genormaliseerde score van 0–1, variërend van enkel medisch beheer tot complexe multisysteemprocedures (bijv. transplantaties).
Mortaliteitsrisico Score (Mortality Risk Score) (Gewicht: 0,10): Een vijf-traps classificatie (1–5) gebaseerd op de opname-acuïteit, gebruikmakend van gevalideerde scores (APACHE II, SOFA) waar beschikbaar of klinische proxies.

Berekening en Kalibratie
De componenten worden bij elkaar opgeteld met hun respectieve gewichten en gedeeld door een empirisch afgeleide schaalfactor ( $K = 0,69$ ) om ervoor te zorgen dat de ziekenhuisbrede gemiddelde CMI de waarde 1,0 benadert. De formule is:
$\text{Proxy CMI} = \frac{(0,25 \times \text{LOS\_Score}) + (0,30 \times \text{Cost\_Index}) + (0,20 \times \text{ICU\_Ratio}) + (0,15 \times \text{Proc\_Norm}) + (0,10 \times \text{Mort\_Norm})}{0,69}$
Het model is ontworpen voor implementatie in een standaard spreadsheet met gegevens die routinematig worden vastgelegd in Indiase ziekenhuisinformatiesystemen.

Voorlopige Resultaten
Een voorlopige beschrijvende analyse werd uitgevoerd op 30 opeenvolgende inpatient episodes over 10 specialismen (april–juni 2025).

Distributie: De gemiddelde Proxy CMI was 0,94 (SD 0,31). De distributie was rechts-scheef, met 10% lage complexiteit, 50% matige, 36,7% hoge en 3,3% zeer hoge complexiteit.
Specialiteitenhiërarchie: De CMI-waarden kwamen overeen met de klinische verwachtingen. Critical Care (1,36), Infectious Diseases (1,18) en Cardiac Surgery (1,15) scoorden het hoogst, terwijl Internal Medicine (0,61) het laagst scoorde.
Constructvaliditeit: De Spearman rangcorrelatie tussen de Proxy CMI en de directe episodekosten was sterk ( $r_s = 0,76, p < 0,001$ ), wat de doelstelling van 0,60 overtrof.
Bekende-groep Validiteit: Overleden patiënten hadden een significant hogere gemiddelde CMI (1,36) vergeleken met overlevenden (0,89) ( $p = 0,025$ ).

Belangrijkste Bijdragen

DRG-vrije Complexiteitsmeting: Het artikel biedt het eerste composiete CMI-model dat specifiek is aangepast aan de Indiase context en geen DRG-coderinginfrastructuur vereist.
Datatoegankelijkheid: Het model maakt gebruik van vijf data-elementen (LOS, kosten, ICU-dagen, type procedure, opname-acuïteit) die reeds aanwezig zijn in standaard administratieve datasets, waardoor implementatie via Excel mogelijk is zonder gespecialiseerde software.
Standaardisatie voor Accreditatie: Het instrument sluit aan bij de Key Performance Indicators van de National Accreditation Board for Hospitals and Healthcare Organizations (NABH), en biedt een gestandaardiseerde methode voor case-mix documentatie.
Validatieprotocol: De auteurs schetsen een rigoureus protocol voor prospectieve validatie met een grotere cohort (≥600 episodes) en een geplande multicentrische uitbreiding over 3–5 diverse Indiase ziekenhuizen om de generaliseerbaarheid en inter-site betrouwbaarheid te testen.

Betekenis en Claims
De auteurs claimen dat deze Proxy CMI een cruciaal meetgat in de Indiase gezondheidsdiensten en ziekenhuismanagement aanpakt. Door meerdere dimensies van complexiteit te integreren, stelt het model de volgende zaken mogelijk:

Risico-gecorrigeerde Benchmarking: Verder gaan dan ruwe metrieken zoals ALOS om prestaties over dienstverleningen en consultants te vergelijken, gecorrigeerd voor patiëntacuïteit.
Toewijzing van Middelen: Het bieden van een objectieve basis voor personeelsmodellen en de distributie van middelen.
Beleid en Vergoeding: Het bieden van een fundament voor evidence-based tariefonderhandelingen met verzekeraars en het informeren van potentiële herzieningen van PM-JAY pakkettarieven.
Verbetering van het Gezondheidssysteem: Het faciliteren van betekenisvolle vergelijkingen tussen ziekenhuizen voor kwaliteitsverbeteringsnetwerken in een setting met beperkte middelen.

Het artikel behoudt een bescheiden toon en erkent dat de huidige bevindingen voorlopig zijn vanwege de kleine steekproefomvang (n=30) en de afleiding vanuit één centrum. Formele validatie wordt expliciet genoemd als een noodzakelijke volgende stap voordat brede adoptie kan plaatsvinden. Het model wordt gepresenteerd niet als een definitieve oplossing, maar als een praktisch, evidence-based pad naar evidence-based ziekenhuisbeheer in India.

Meer zoals dit