ความถูกต้องของรายได้โรงพยาบาล · บทที่ 2

หกรอยรั่ว ภาคต่อ: รั่วเท่าไรถึงคุ้มลงทุนซ่อม

ถ้าโรงพยาบาลลงทุนหนึ่งล้านบาทใน AI ที่ตรวจความถูกต้องของการลงรหัสโรคก่อนส่งเบิก ต้องได้รายได้คืนมาปีละเท่าไรจึงจะคุ้มทุน บทความนี้ให้สูตรที่คำนวณเองได้ด้วยเครื่องคิดเลข และอธิบายวิธีหาตัวเลขจริงของโรงพยาบาลคุณ ด้วยการใช้ AI ตัวเดียวกันตรวจเวชระเบียนที่เบิกเงินไปแล้วย้อนหลัง

Infozense · ผู้บริหารฝ่ายการเงิน · ผู้อำนวยการโรงพยาบาล · ~7 นาที

บทความแรกของชุดนี้อธิบายว่ารอยรั่วทั้งหกเกิดจากอะไร แต่ไม่ได้บอกว่าโรงพยาบาลของคุณสูญรายได้ไปเท่าไร และเราก็บอกตัวเลขนั้นตรง ๆ ไม่ได้ เพราะแต่ละโรงพยาบาลมีข้อมูลต่างกัน ตัวเลขที่ตั้งขึ้นก่อนเห็นข้อมูลจริงจึงเป็นสิ่งแรกที่ฝ่ายการเงินไม่ควรไว้ใจ สิ่งที่บทความนี้ให้ได้คือวิธีประมาณการ ได้แก่ สูตรคำนวณจุดคุ้มทุนพร้อมตัวอย่าง และวิธีหาตัวเลขจริงของโรงพยาบาลคุณเอง เพื่อตอบคำถามที่ผู้บริหารฝ่ายการเงินต้องการรู้ว่า ถ้าลงทุนซ่อมรอยรั่วนี้ เมื่อไรจะคืนทุน

สูตร คิดต่อเงินลงทุนหนึ่งล้านบาท

ลืมราคาแพ็กเกจไปก่อน ทุกหนึ่งล้านบาทที่ลงทุนครั้งเดียวในระบบ AI ตรวจสอบความถูกต้องของการลงรหัสโรค ให้ประมาณค่าดูแลระบบไว้ราวร้อยละ 20 ของเงินลงทุนต่อปี หรือปีละสองแสนบาท สำหรับการบำรุงรักษาและอัปเดตตามปกติของระบบที่ใช้งานจริง

เมื่อตั้งค่าดูแลระบบไว้แล้ว ระยะเวลาคืนทุนก็ขึ้นอยู่กับตัวเลขเพียงตัวเดียว นั่นคือ R ซึ่งหมายถึงรายได้ที่กู้คืนได้จริงในหนึ่งปี ต่อเงินลงทุนหนึ่งล้านบาท ตัวเลขนี้ได้จากการวัด ไม่ใช่จากคำสัญญา สูตรเป็นเลขคณิตธรรมดา:

จำนวนเดือนคืนทุน = 12 x 1,000,000 / (R ลบ 200,000)
R ที่วัดได้ (ต่อเงินลงทุน ฿1 ล้าน ต่อปี) สุทธิหลังหักค่าดูแล ระยะเวลาคืนทุน
฿500,000 ฿300,000 ~40 เดือน
฿1,000,000 ฿800,000 ~15 เดือน
฿1,200,000 ฿1,000,000 ~12 เดือน
฿2,000,000 ฿1,800,000 ~7 เดือน
฿4,000,000 ฿3,800,000 ~3 เดือน

อ่านแถวที่สามซ้ำอีกครั้ง เพราะนั่นคือเส้นแบ่ง: ถ้ารายได้ที่กู้คืนได้จริงต่อปีแตะ 1.2 เท่าของเงินลงทุน ระบบจะคืนทุนในสิบสองเดือน ต่ำกว่าเส้นนี้ เหตุผลทางการเงินอ่อนลงทุกเดือน สูงกว่าเส้นนี้ รอยรั่วทุกบาทที่วัดพบเพิ่มจะยิ่งย่นเวลาคืนทุนลงอีก

ทุกช่องในตารางตรวจทานได้ด้วยเครื่องคิดเลข และไม่มีช่องใดอ้างว่ารู้จักโรงพยาบาลของคุณ

หรือข้ามตารางไปเลย แล้วใส่ตัวเลขของคุณเองด้านล่างนี้

เครื่องคำนวณจุดคุ้มทุน
ผลประโยชน์สุทธิต่อปี
฿1,000,000
ระยะเวลาคืนทุน
12.0 months
Above the threshold: pays back within a year.
0 12 เดือน (เส้นแบ่ง) 36+
ยอดสะสมของเงินที่ได้คืนและเงินที่จ่ายออก รายเดือน
รายได้ที่ได้คืนสะสม เงินที่จ่ายออกสะสม (เงินลงทุน + ค่าดูแลระบบ)

ดูตัวเลขเป็นตาราง
เดือนได้คืนสะสมจ่ายออกสะสมสุทธิ

R มาจากไหน

ไม่ได้มาจากเรา แต่มาจากการตรวจสอบเวชระเบียนย้อนหลัง (Pilot) ของคุณเอง เวชระเบียนที่ลงรหัสและได้รับเงินไปแล้วมีจำนวนมาก จนไม่มีใครตรวจซ้ำได้ครบ จึงไม่มีใครรู้ว่ามีรายได้รั่วไปหรือไม่ การตรวจย้อนหลังใช้ AI ตรวจเวชระเบียนผู้ป่วยในหลายร้อยฉบับ ตามเกณฑ์ TDRG และ ICD-10-TM ที่เผยแพร่อยู่ โดยเทียบรหัสที่ส่งเบิกไปจริงกับข้อมูลในเวชระเบียน เช่น การวินิจฉัยที่บันทึกไว้ ผลแล็บ และยาที่ให้ จากนั้น AI จะชี้จุดที่ไม่ตรงพร้อมอ้างอิงส่วนของเวชระเบียนที่พบ และผู้ลงรหัสโรคของโรงพยาบาลเป็นผู้ยืนยันทุกจุด โดยนับทั้งรหัสที่ตกหล่นและรหัสที่เวชระเบียนไม่รองรับ เมื่อได้ส่วนต่างสุทธิเป็น adjRW แล้ว ให้แปลงเป็นเงินบาทตามอัตราจ่ายต่อ adjRW ของแต่ละสิทธิที่โรงพยาบาลเบิกจริง ส่วนต่างที่วัดได้ เมื่อปรับเป็นตัวเลขทั้งปี นั่นคือ R ตัวเลข R ที่ได้จากวิธีนี้เป็นค่าขั้นต่ำ เพราะนับเฉพาะจุดที่ข้อมูลในเวชระเบียนยืนยันได้ ถ้าคิดจากค่าขั้นต่ำนี้แล้วยังคุ้มทุน การลงทุนก็คุ้มทุนแน่นอน นี่คือการตรวจย้อนหลังที่เราอธิบายไว้ในภาคแรก และเป็นแหล่งเดียวของ R ที่เรายอมรับในประมาณการความคุ้มค่าที่เราจัดทำเอง

สิ่งที่เราบอกได้พร้อมแหล่งอ้างอิง คือเมื่อมีผู้ลงมือตรวจจริง ก็พบความคลาดเคลื่อน ดังนี้:

แหล่งอ้างอิงกลุ่มตัวอย่างสิ่งที่พบ
BMC Health Services Research ปี 2011 (รายงานผลการตรวจของ สปสช. ปี 2008) การตรวจสอบการสรุปและลงรหัสของ สปสช. ปี 2008: เวชระเบียน 57,828 ฉบับจากโรงพยาบาล 931 แห่ง ซึ่งถูกคัดเลือกเพราะข้อมูลผิดปกติ ความคลาดเคลื่อนร้อยละ 42 ในการสรุปข้อมูลจากเวชระเบียนลงใบสรุปการรักษา (Discharge Summary) ข้อผิดพลาดที่พบมากที่สุดคือการวินิจฉัยรอง ร้อยละ 28
Healthcare Informatics Research ปี 2017 เวชระเบียน 118,971 ฉบับจากผลการตรวจสอบของ สปสช. ปี 2014 ซึ่งถูกคัดเลือกตามเกณฑ์ความผิดปกติ สำหรับการวินิจฉัยหลักที่พบบ่อยที่สุด 20 อันดับ ใบสรุปการรักษาระบุได้ถูกเพียงร้อยละ 7.3 ถึง 37.9 ของกรณีที่ผู้ตรวจสอบพบ
วารสารสังคมศาสตร์บูรณาการ ม.มหิดล ปี 2014 เวชระเบียนผู้ป่วยใน 1,107 ฉบับของโรงพยาบาลเวชศาสตร์เขตร้อน มหาวิทยาลัยมหิดล เวชระเบียนที่คลาดเคลื่อน 322 ฉบับ การแก้ไขทำให้ adjRW เพิ่มขึ้น 182.84 และตามการคำนวณของผู้วิจัยเอง ค่ารักษาพยาบาลที่เบิกได้เพิ่มขึ้น 2,420,928.35 บาท (ราว 2.4 ล้านบาท)

ตัวเลขเหล่านี้มาจากงานวิจัยที่ตีพิมพ์ ไม่ได้แปลว่าโรงพยาบาลของคุณมีปัญหาเดียวกัน วิธีเดียวที่จะรู้คือตรวจข้อมูลของคุณเอง

ผลพลอยได้ที่ไม่อยู่ในตารางคืนทุน

รายได้ที่กู้คืนไม่ใช่สิ่งเดียวที่ดีขึ้นเมื่อลงรหัสถูกตั้งแต่ครั้งแรก ยังมีผลพลอยได้อีกสี่อย่างตามมา ซึ่งไม่ได้อยู่ในตารางคืนทุน เพราะเราไม่ตั้งตัวเลขให้ แต่ทุกอย่างวัดได้จากข้อมูลของโรงพยาบาลคุณเอง โดยเทียบก่อนและหลังใช้ AI

ลงรหัสถูกตั้งแต่ครั้งแรก
เงินเข้าเร็วขึ้น

รายการที่ถูกปฏิเสธน้อยลง ก็มีรายการที่ต้องรอส่งซ้ำอีกรอบน้อยลงตาม เงินค้างรับจึงลดลง และส่วนที่ลดลงคือเงินหมุนเวียนที่ปลดล็อกได้ ไม่ใช่รายได้ใหม่

วัดจาก: ระยะเวลาเฉลี่ยตั้งแต่ส่งเบิกจนได้รับเงิน

งานแก้และส่งซ้ำลดลง

ผู้ลงรหัสใช้เวลาแก้รายการที่ถูกปฏิเสธและส่งซ้ำน้อยลง มีเวลาไปทำงานอื่นมากขึ้น

วัดจาก: จำนวนรายการที่ต้องแก้และส่งซ้ำต่อเดือน

เสี่ยงถูกเรียกเงินคืนน้อยลง

AI ชี้รหัสที่เวชระเบียนไม่รองรับ ไม่ใช่แค่รหัสที่ตกหล่น รายการที่อาจถูกเรียกเงินคืนเมื่อหน่วยงานผู้จ่ายเงินตรวจสอบภายหลังจึงลดลง

วัดจาก: จำนวนและมูลค่ารายการที่ถูกเรียกเงินคืน

พร้อมรับการตรวจสอบ

ทุกจุดที่ AI ชี้ มีอ้างอิงถึงส่วนของเวชระเบียนและเกณฑ์ที่ใช้ ผู้ตรวจสอบเปิดดูที่มาของแต่ละรหัสได้

วัดจาก: เวลาที่ใช้เตรียมเอกสารเมื่อถูกตรวจสอบ

ตารางคืนทุนนับเฉพาะรายได้ที่กู้คืน ผลพลอยได้ทั้งสี่อย่างนี้จึงเป็นส่วนเพิ่ม

ลงทุนครั้งเดียว ใช้ได้หลายงาน

ทั้งหมดข้างต้นคิดความคุ้มค่าจากงานเพียงอย่างเดียว คือการตรวจความถูกต้องของการลงรหัสโรค ซึ่งเป็นส่วนที่การตรวจย้อนหลังวัดได้

เงินลงทุนก้อนเดียวกันนี้รองรับงานได้มากกว่านั้น ฐานความรู้ที่มีการกำกับดูแล ซึ่งใช้ตรวจรหัสเทียบเวชระเบียน ออกแบบไว้ให้พร้อมรับกติกาชุดใหม่ เมื่อป้อนกติกาชุดนั้นเข้าไป วิธีเดียวกันก็ใช้กับงานอื่นต่อไปนี้ได้: ความพร้อมรับการตรวจสอบ ความครบถ้วนของเวชระเบียน การจับคู่ยากับการวินิจฉัย และการรายงานตามข้อกำหนด แต่ละงานจะพร้อมใช้เมื่อกติกาของงานนั้นสร้างเสร็จและป้อนเข้าไปแล้ว ไม่ใช่ก่อนหน้านั้น งานแรกงานเดียวก็คุ้มทุนแล้วเมื่อคิดตามสูตรข้างต้น ส่วนงานอื่น ๆ คือสิ่งที่เครื่องเดียวกันรับต่อได้ โดยไม่ต้องซื้อเครื่องเพิ่ม

เครื่องเดียวกัน · ฐานความรู้เดียวกัน · วิธีตรวจเดียวกัน
งานแรก · คุ้มทุนด้วยตัวเอง
ตรวจการลงรหัสโรค

รหัสที่ส่งเบิกมีข้อมูลในเวชระเบียนรองรับหรือไม่

งานต่อไป · เมื่อป้อนกติกาชุดใหม่
ความพร้อมรับการตรวจสอบ

เอกสารและหลักฐานที่ผู้ตรวจสอบขอ มีครบหรือไม่

งานต่อไป · เมื่อป้อนกติกาชุดใหม่
ความครบถ้วนของเวชระเบียน

เวชระเบียนบันทึกข้อมูลที่จำเป็นครบหรือไม่

งานต่อไป · เมื่อป้อนกติกาชุดใหม่
การจับคู่ยากับการวินิจฉัย

ยาที่ให้ทุกตัวมีการวินิจฉัยที่รองรับหรือไม่

งานต่อไป · เมื่อป้อนกติกาชุดใหม่
การรายงานตามข้อกำหนด

ข้อมูลที่ต้องรายงานต่อหน่วยงานกำกับดูแล ครบถ้วนและถูกต้องหรือไม่

ทุกงานใช้เครื่องเดียวกัน ไม่ต้องซื้อเครื่องเพิ่ม แต่ละงานยังต้องสร้างกติกาของงานนั้นก่อน และค่าใช้จ่ายในการสร้างกติกาแต่ละชุดขึ้นอยู่กับขอบเขตของงานนั้น

ขั้นตอนการตัดสินใจ

การตัดสินใจลงทุนนี้มีเพียงสี่ขั้น และทุกขั้นใช้ตัวเลขจริงของโรงพยาบาลคุณ ไม่ต้องเชื่อคำสัญญาของใคร:

  1. ตรวจสอบเวชระเบียนย้อนหลังของโรงพยาบาลคุณ เพื่อหาค่า R
  2. นำ R ไปใส่ในสูตร: 12 × เงินลงทุน ÷ (R − ค่าดูแลระบบต่อปี) ผลที่ได้คือจำนวนเดือนคืนทุน
  3. ถ้าคืนทุนภายใน 12 เดือน ให้กำหนดขนาดระบบจากตัวเลขที่วัดได้จริง ไม่ใช่จากตัวเลขในเอกสารขาย
  4. ถ้าไม่ถึง คุณเสียเพียงค่าใช้จ่ายในการตรวจย้อนหลัง แต่ได้ความชัดเจนก่อนตัดสินใจลงทุนก้อนใหญ่

เราเริ่มจากการตรวจย้อนหลังกับเคสจริงของโรงพยาบาลคุณ แสดงผลทีละรายการเป็นเงินบาท และผลทั้งหมดเป็นของโรงพยาบาลไม่ว่าจะตัดสินใจอย่างไร ถ้าตัวเลขคุ้มทุน เราติดตั้งระบบ AI ที่ช่วยผู้ลงรหัสตรวจทุกรายการก่อนส่งเบิก เพื่อกันรายได้รั่วตั้งแต่ต้นทาง ไม่ใช่ตรวจย้อนหลังเป็นครั้งคราว ถ้าคุณมีค่า R อยู่แล้ว นำมาคำนวณด้วยกันได้

ความถูกต้องของรายได้โรงพยาบาล

ค่า R ของโรงพยาบาลคุณเองอยู่ที่เท่าไร?

เราตรวจย้อนหลังกับเวชระเบียนของคุณเอง แสดงผลทีละรายการเป็นเงินบาท และผลทั้งหมดเป็นของคุณไม่ว่าจะตัดสินใจอย่างไร ถ้าตัวเลขคุ้มทุน เราติดตั้งระบบ AI ที่ช่วยตรวจการลงรหัสก่อนส่งเบิกให้ด้วย

คุยกับเรา →

contact@infozense.com  |  +66-82-242-4008  |  Bangkok, Thailand