Bagaimana AI Mendeteksi dan Menyelesaikan Catatan Pasien Duplikat di Seluruh Sistem

Mengapa Duplikat Bertahan

Catatan pasien duplikat ada di hampir setiap organisasi layanan kesehatan. Duplikat tercipta ketika seorang pasien terdaftar dengan ejaan nama yang sedikit berbeda, ketika pasien yang kembali didaftarkan sebagai pasien baru karena catatan mereka yang ada tidak ditemukan, ketika data dimigrasikan antar sistem tanpa pencocokan yang memadai, atau ketika pasien datang ke lokasi yang berbeda dalam sistem kesehatan yang sama dan setiap lokasi membuat catatan baru.

Konsekuensinya serius. Secara klinis, seorang pemberi layanan yang meninjau bagan yang tidak berisi riwayat lengkap pasien mungkin melewatkan interaksi obat, alergi yang diketahui, atau hasil pengujian sebelumnya. Secara finansial, biaya dan pembayaran yang terbagi di dua catatan menciptakan kebingungan penagihan, dan klaim mungkin diserahkan dengan data klinis yang tidak lengkap, sehingga menyebabkan penolakan. Secara operasional, penghitungan ukuran kualitas menjadi miring ketika pertemuan pasien terdistribusi di beberapa catatan.

Pencocokan Probabilistik

Deteksi duplikat AI menggunakan pencocokan probabilistik yang mempertimbangkan beberapa elemen data secara bersamaan. Alih-alih mengharuskan kecocokan tepat pada nama dan tanggal lahir (yang melewatkan duplikat di mana satu elemen sedikit berbeda), sistem menghitung probabilitas pencocokan berdasarkan kesamaan nama depan, nama belakang, tanggal lahir, alamat, nomor telepon, nomor jaminan sosial (bila tersedia), dan informasi pengidentifikasi lainnya.

Algoritma pencocokan menangani variasi entri data umum: Robert vs Bob, Jr. vs Junior, digit yang tertukar dalam tanggal lahir, nama gadis vs nama setelah menikah, dan perbedaan format alamat. Setiap elemen berkontribusi pada probabilitas kecocokan keseluruhan, dan sistem mengklasifikasikan duplikat potensial sebagai high-confidence (hampir pasti duplikat), moderate-confidence (kemungkinan duplikat yang memerlukan tinjauan manusia), dan low-confidence (kemungkinan tetapi tidak pasti).

Proses Penggabungan

Mengidentifikasi duplikat hanya separuh dari masalah. Menggabungkannya tanpa kehilangan data adalah separuh lainnya. Sistem AI memandu proses penggabungan dengan membandingkan setiap elemen data di seluruh catatan duplikat dan menyajikan informasi terbaik dari masing-masing. Ketika satu catatan memiliki alamat yang lebih baru dan yang lain memiliki daftar masalah yang lebih lengkap, catatan yang digabungkan mendapatkan alamat saat ini dan daftar masalah yang lengkap.

Penggabungan harus menangani data klinis dengan hati-hati. Daftar obat, daftar alergi, daftar masalah, dan catatan klinis dari kedua catatan perlu digabungkan tanpa membuat entri duplikat atau kehilangan informasi. Hasil lab, studi pencitraan, dan data diagnostik lainnya perlu dikaitkan dengan catatan tunggal yang bertahan. Data penagihan termasuk klaim, pembayaran, dan saldo akun harus dikonsolidasikan.

Pencegahan Berkelanjutan

Di luar mendeteksi dan menggabungkan duplikat yang ada, sistem AI bekerja untuk mencegah duplikat baru tercipta. Ketika seorang pasien sedang didaftarkan, sistem mencari potensi kecocokan secara real time dan menyajikannya kepada staf pendaftaran. Jika kecocokan yang mungkin ditemukan, staf dapat menarik catatan yang ada dan tidak membuat catatan baru.

Pencarian real-time menggunakan pencocokan probabilistik yang sama dengan deteksi duplikat batch, tetapi beroperasi pada titik pendaftaran di mana duplikat akan tercipta. Pencegahan pada titik masuk ini jauh lebih efektif dan kurang berbiaya daripada menemukan dan menggabungkan duplikat setelah fakta.

Pencocokan Lintas Sistem

Dalam sistem kesehatan dengan beberapa fasilitas dan beberapa instance EHR, deteksi duplikat lintas sistem sangat penting. Seorang pasien mungkin memiliki catatan di EHR rumah sakit, EHR klinik rawat jalan, dan sistem urgent care. Algoritma pencocokan AI dapat mengidentifikasi duplikat di seluruh sistem ini bahkan ketika mereka tidak berbagi pengidentifikasi pasien yang umum.

Pencocokan lintas sistem memungkinkan pembuatan Enterprise Master Patient Index (EMPI) yang menghubungkan semua catatan pasien di seluruh organisasi. Tampilan terpadu ini mendukung perawatan klinis, penagihan, analitik, dan manajemen kesehatan populasi.

Untuk organisasi layanan kesehatan yang berurusan dengan masalah persisten catatan pasien duplikat, kemampuan pencocokan dan penggabungan AI menawarkan solusi yang sistematis. Selengkapnya di FirmAdapt.