MétaCan
Menu
Retour à la cohorte
Enregistrement W4307369128 · doi:10.5430/jha.v11n2p18

Implications of Current Procedural Terminology code accuracy on surgical workflow and financial reimbursement

2022· article· en· W4307369128 sur OpenAlexvenueno aff
Malcolm Su, Laura D. Leonard, David Marchant, Jeniann A. Yi, Ethan Cumbler, Robert A. Meguid, Jean S. Kutner, Kathryn Colborn, Brent Rikhoff, Sarah Tevis

Notice bibliographique

RevueJournal of Hospital Administration · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurrent Procedural TerminologyReimbursementStandardizationWorkflowMedicineCoding (social sciences)Health careOperations managementComputer scienceNursingPolitical scienceDatabaseEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

Objective: Inaccuracies in Current Procedural Terminology (CPT) coding entries for surgical procedures have a profound impact on hospital systems and surgeon compensation for services. We sought to characterize the variations of surgical CPT entry at a multi-site academic medical center and estimate the financial burden implicated by improper code entry.Methods: A mixed methods study was conducted to evaluate variations in CPT entry across an academic center. Semi-structured interviews with 8 surgical schedulers were conducted and analyzed to understand the current scheduling process. Coding data for surgical procedures performed within a 31-day period during September and October 2020 within the large healthcare system were assessed for appropriate CPT code entry. Reimbursement for the 2020 fiscal year was then analyzed to determine the impact of pre-operative CPT code accuracy on reimbursements and denials.Results: Interviews revealed a lack of standardization in the surgical scheduling process across the hospital system. Lack of standardized onboarding and variations in workflow contributed to difficult cross coverage for schedulers and errors in CPT entry. On quantitative analysis, the accuracy of pre-operative CPT code entry was poor with only 59.3% of pre-operative CPT code entries being correct. In the 2020 fiscal year, $5.4 million was lost due to problems related to CPT code entry.Conclusions: Variations and lack of standardization in CPT code entry can greatly contribute to financial losses and disrupt surgical scheduling. Standardization of workflow and CPT entry schemes can help minimize scheduling complications and enhance the quality of care provided to patients.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,032
score de la tête « metaresearch » (Gemma)0,201
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,201
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,124
Tête enseignante GPT0,461
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital AdministrationMême sujetClinical practice guidelines implementationTravaux en français237 207