Para Community Medical Centers of Fresno, como ocurre con muchos otros centros de atención médica, las denegaciones son una fuente constante de dolor y manejarlas es una lucha continua.
EL PROBLEMA
Aproximadamente en los últimos 10 años, los pagadores han aumentado sus tácticas de demora; un método ha sido hacerlo con denegaciones, dijo Eric Eckhart, director de servicios financieros para pacientes en Community Medical Centers de Fresno.
“Este mayor volumen se traduce en una mayor carga de trabajo para mi equipo”, explicó. “Sabíamos que muchos de nuestros flujos de trabajo históricos no eran lo suficientemente eficientes para manejar este nuevo nivel de volumen de denegaciones. Esta situación nos llevó a comenzar a buscar nuevos sistemas que pudiéramos implementar internamente o que involucraran un sistema basado en proveedores.
“Durante los últimos cinco años, hemos emprendido un viaje para poner al equipo en la mejor posición posible para tener éxito al optimizar las estructuras de informes del personal, mejorar los informes de denegaciones, actualizar los flujos de trabajo de EHR y eliminar los procesos en papel”, continuó. “Además, se ha prestado mayor atención a la prevención de denegaciones en las fases anteriores”.
A pesar de todos los cambios positivos implementados, Eckhart sabía que no era el final del viaje de mejora. El equipo necesitaba seguir buscando nuevas herramientas para agregar a su caja de herramientas.
PROPUESTA
El proveedor de su cámara de compensación se acercó a Eckhart a finales de 2022 para que fuera un probador beta de un nuevo sistema basado en inteligencia artificial que predeciría las denegaciones antes de la presentación de reclamaciones y también calificaría las denegaciones entrantes con una puntuación de “probabilidad de recuperación”.
Ambas partes de este nuevo producto utilizaron los reclamos de Community Medical Centers of Fresno y los datos de remesas de los pagadores para saber cómo los pagadores negaban y pagaban los reclamos.
“Dado que el proveedor era nuestra cámara de compensación, los datos estaban fácilmente disponibles y no requirieron ningún impulso adicional por nuestra parte”, señaló Eckhart. “La herramienta de predicción de denegaciones utilizó la misma conexión directa con nuestro EHR que las ediciones/rechazos de reclamaciones de nuestra cámara de compensación, por lo que no fue necesaria programación adicional. También se utilizó una vía similar para la puntuación de ‘probabilidad de recuperación’.
“Al tener esta herramienta, pudimos detener los reclamos desde el principio, lo que nos dio una última oportunidad de arreglar cualquier elemento pendiente que pudiera provocar una denegación”, continuó. “Esto le permitió a nuestro equipo de facturación disponer de una herramienta que señalaba áreas que necesitaban una segunda revisión”.
Y si se producía una denegación, el personal de seguimiento contaba con una herramienta de puntuación que ayudaba a dirigir su flujo de trabajo a áreas con una alta probabilidad de recibir un pago rápidamente después de una apelación inicial.
“La intención general de estas herramientas no era eliminar todas las denegaciones, sino proporcionar a mi personal otro recurso para ayudar a evitarlas y también para ayudar a guiar sus esfuerzos de apelación después de recibir las denegaciones”, dijo Eckhart. “La razón principal por la que elegí seguir adelante y asociarme con Experian Health fue porque este sistema no era un flujo de trabajo nuevo para el personal.
“No hay nada peor que intentar que el personal interrumpa el flujo de trabajo que conocen e inicie sesión en otro sistema para utilizar un recurso”, añadió. “Este sistema también permitió personalizar qué ediciones y puntuaciones mi personal podía ver en el EHR”.
ENFRENTANDO EL DESAFÍO
Los Centros Médicos Comunitarios de Fresno comenzaron con la parte de la herramienta de predicción de denegación a principios de 2023. El lanzamiento inicial de las predicciones fue lento y muy intencional para garantizar que los líderes contaran con la aceptación de los facturadores que trabajarían en estas ediciones.
“Durante varias semanas revisé los datos de predicción por IP/OP, pagador, código CARC, etc.”, recordó. “La herramienta es muy buena para predecir futuras denegaciones, pero no todas se pueden prevenir; por lo tanto, sólo un conjunto selecto de predicciones son relevantes para el equipo”.
El equipo decidió implementar dos predicciones de códigos CARC:
- 197 – Precertificación/autorización/notificación/pretratamiento ausente. (Solo pagadores comerciales).
- 109 – Reclamación/servicio no cubierto por este pagador/contratista. Se debe enviar el reclamo/servicio al pagador/contratista correcto. (Sólo para pagadores de Medicaid).
“La predicción 197 nos permitió garantizar que se estaba siguiendo un proceso de autorización y nos permitió garantizar que el número de autenticación figurara en el reclamo; un problema técnico en ese momento estaba creando este problema”, dijo Eckhart. “La predicción del 109 fue una segunda comprobación de Medicaid administrado problemas de registro que ocurrían en sentido ascendente y eran necesarios antes de que pudiéramos implementar un sistema de automatización de cobertura en el front-end.
“La pieza de puntuación de ‘probabilidad de recuperación’ se implementó más adelante en el año con nuestro equipo de seguimiento comercial”, continuó. “Hubo algunos desafíos iniciales para garantizar que se pudiera acceder fácilmente a esta puntuación desde nuestras colas de trabajo actuales. Pero después de que se resolvieron, pudimos integrar esto en el flujo de trabajo diario del personal y también proporcionó un método para garantizar que pudiéramos obtener la puntuación. Dinero fácil en la puerta lo más rápido posible.”
RESULTADOS
Los Centros Médicos Comunitarios de Fresno obtuvieron resultados significativos casi de inmediato. En los primeros seis meses de implementación, se registró una disminución del 22 % en 197 denegaciones y una disminución del 18 % en 109 denegaciones.
“Ambas mejoras métricas han resultado en más de 30 horas por semana de trabajo adicional que se ha eliminado de las cargas de trabajo del personal de seguimiento”, informó Eckhart. “Esta herramienta ha podido liberar tiempo del personal y permitir trabajo de apelación adicional en el futuro”.
CONSEJOS PARA OTROS
El consejo clave que ofrece Eckhart a otras organizaciones es asegurarse de que consigan la aceptación del personal y empezar poco a poco.
“Las herramientas de IA son sólo eso, herramientas”, señaló. “Puede que lleguemos al día en que lo hagan todo, pero todavía no hemos llegado a ese punto. La intervención y orientación humana son claves para obtener un resultado exitoso. También asegúrese de que la IA esté entrenada con datos que sean relevantes para su organización. Si el modelo no se entrena con datos relevantes, frustra todo el propósito de la IA. También podrías volver con tu equipo de analistas con un montón de hojas de cálculo.
“Elija la herramienta adecuada para su situación y necesidades”, concluyó. “Al igual que otras tecnologías, algunas herramientas de IA tienen sentido para algunos y no para otros. Sé que a muchos de nosotros nos gusta estar a la vanguardia de la tecnología, y la IA es esa palabra de moda de la que todos sentimos que debemos formar parte. No “No caigas en esta trampa; encuentra la tecnología de IA que te ayude y no sea solo la próxima oferta del proveedor”.
Siga la cobertura HIT de Bill en LinkedIn: Bill Siwicki
Envíele un correo electrónico: [email protected]
Healthcare IT News es una publicación de HIMSS Media.
2024-03-18 18:37:23
#sistema #basado #inteligencia #artificial #reduce #las #denegaciones #reclamos #para #los #centros #médicos #comunitarios #Fresno,