برای در نظر گرفتن تفاوتها در بار بیماری در جمعیت بیماران برنامههای Medicare Advantage (MA)، از تنظیم خطر بر اساس بار بیماری بیمار استفاده میشود. به طور خاص، MedPAC اشاره می کند که:
Medicare از ویژگیهای ذینفعان، مانند سن و شرایط سلامت قبلی، و یک مدل تنظیم ریسک – دستههای شرایط سلسله مراتبی CMS (CMS – HCCs) – برای ایجاد معیاری از خطر نسبی مورد انتظار آنها برای هزینههای تحت پوشش مدیکر استفاده میکند.
در فوریه 2023، CMS CMS اطلاعیه ای درباره قوانین پیشنهادی برای به روز رسانی الگوریتم تنظیم ریسک HCC (v28) منتشر کرد. این تغییرات شامل (1) استفاده از کدهای ICD-10 به جای ICD-9 به عنوان بلوک های اصلی، (ب) استفاده از 115 شاخص HCC به جای 79، و (iii) محدود کردن برخی ضرایب برای یکسان بودن در سطوح شدت (مثلاً، دیابت، نارسایی قلبی). الگوریتم جدید طی سالهای 2024 تا 2026 وارد مرحله اجرا خواهد شد.
یک سوال کلیدی این است که آیا ارائه دهندگان تحت کد مدیکر (TM) سنتی با برنامه های Medicare Advantage (MA) متفاوت هستند یا خیر. از آنجایی که پرداخت طرح MA از CMS به شدت بیمار بستگی دارد، انگیزه ای برای تشخیص کدهای جدید وجود دارد. مقاله ای از کارلین و همکاران. (2024) با هدف ارزیابی اینکه آیا این اتفاق می افتد یا خیر. آنها ابتدا مکانیسمی را توضیح می دهند که از طریق آن برنامه های MA می توانند به طور کامل تشخیص های ثانویه بیمار را ثبت کنند:
برنامه های MA فرصتی برای بررسی سوابق پزشکی دارند تا اطمینان حاصل شود که ارائه دهندگان به طور تصادفی تشخیص را از سوابق برخورد حذف نکرده اند. زمانی که بازپرداخت ارائهدهندگان به کدگذاری دقیق تشخیصهای ثانویه بیماران منجر نشود، این بررسیها اهمیت بیشتری دارند. MA قصد دارد اصلاحاتی را برای افزودن یا (به ندرت) حذف تشخیص از طریق سوابق CR انجام دهد. علاوه بر این، ارائه دهندگان MA و TM ممکن است تشخیص های اضافی را از طریق HRA ثبت کنند [health risk assessment] در طول یک ویزیت سلامتی یا بازدید از خانه برای این منظور.
نویسندگان از دادههای ادعاهای CMS 2019 استفاده میکنند و دادهها را به 3 گروه تقسیم میکنند: طرحهای MA، ذینفعان TM منتسب به ACOها (“TM ACO”) و ذینفعان TM که به ACO منتسب نمیشوند (“TM non-ACO”). ACO شامل بیماران منتسب به سازمان های مراقبت پاسخگو (ACO) می شود، مانند کسانی که در برنامه پس انداز مشترک Medicare (MSSP) شرکت می کنند. نویسندگان خاطرنشان می کنند که گروه غیر ACO TM به عنوان یک مقایسه کلیدی عمل می کند زیرا آنها مشمول مشوق های شدت کدگذاری مشابهی نیستند که توسط برنامه های MA و TM ACO تجربه می شود (زیرا پس انداز مشترک ACO نیز با ریسک تنظیم می شود).
نویسندگان بیمارانی را که HRA داشتند بر اساس اینکه آیا یک ویزیت سالانه سلامتی، معاینه فیزیکی پیشگیرانه اولیه یا بازدیدهای بهداشتی منتخب در خانه داشتهاند (با پیروی از الگوریتم رید و همکاران 2020) شناسایی میکنند. نویسندگان همچنین از اطلاعات مربوط به ادعاهای مواجهه در مورد اینکه آیا بررسی نمودار بیمار انجام شده است استفاده می کنند. با استفاده از این دادهها، امتیاز گرایش نویسندگان با گروههای MA، TM ACO و TM غیر ACO مطابقت داشت. سپس نویسندگان نمرات HCC منطبق و بی همتا را با هم مقایسه کردند و ارزیابی کردند که بازدیدهای HRA و CR چگونه بر نمرات خطر HCC تأثیر می گذارد. آنها پیدا می کنند:
خطر افزایش سلامت ناشی از تشخیصها در سوابق HRA در سراسر گروههای پوشش در راستای انگیزههایی برای به حداکثر رساندن امتیاز خطر افزایش یافت: + 0.9٪ برای TM غیر ACO، + 1.2٪ برای TM ACO، و + 3.6٪ برای MA. با احتساب سوابق HRA و CR، امتیاز خطر MA در گروه همسان 9.8 درصد افزایش یافت.
کدهای تشخیص مربوط به شرایط عروقی، نارسایی احتقانی قلب و دیابت بیشترین سهم را در میانگین امتیاز HCC در هر 3 گروه داشتند. نارسایی عروقی، pscyh و احتقانی قلب به احتمال زیاد به دلیل فعالیتهای شدت کدگذاری HRA/CR افزایش مییابد.
در حالی که سایر مقالات ادعا میکنند که مزیت مدیکر برای بازپرداخت مطلوبتر تشخیصها را کدگذاری کرده است، این مقاله به وضوح نه تنها میزان تأثیر، بلکه مکانیسمی را که از طریق آن به احتمال زیاد رخ میدهد، مشخص میکند. می توانید مقاله کامل را اینجا بخوانید.