Evaluation of the Quality of Diagnoses Coding by Means of ICD-9-CM in Electronic Medical Records of Primary Health Care

Abstract
Objectives: to develop a method for evaluating the quality of registry and ICD-9-CM codification in electronic medical records (EMR) in primary health care; to assess its application feasibility. Methods: The entries over 1-year period of the 1 390 primary health care physicians in the Basque National Health Service/Osakidetza were evaluated. Three criteria were applied sequentially: EMR adequate utilization (mean > 4 notes/patient/year), registry of diagnoses (percentage of entries not related to diagnosis < 22%), agreement between diagnosis and ICD-9-CM code (addition of no valid codes < 10%). The annual rates of diagnostic groups were confronted with two previous registered morbidity databases. Results: 31% of doctors sufficiently recorded and codified their patients' diagnoses; the remaining physicians showed deficient utilization of EMR (25%), inadequate diagnosis registry (22%) or excessive rate of coding mistakes (23%). Rates of pathologies in doctors passing the evaluation were similar to the ones from reference databases and under-registry was not detected. Conclusions: Quality of entries in EMR varies widely across physicians. The development of administrative databases requires the use of instruments to verify quality of registers and the implementation of measures to improve the clinicians' motivation.

Key words
diseases classification, ICD-9-CM codes, primary health care, medical records, information systems

Artículo completo
Introducción

Desde hace algunos años es habitual el manejo de historias clínicas informatizadas (HCI) en las consultas de atención primaria en muchos lugares.¹ La información registrada en las HCI tiene como objetivo primordial facilitar la atención individual de los pacientes, pero también es común el interés por desarrollar métodos que permitan la utilización secundaria de las anotaciones de los clínicos y su empleo para objetivos tales como la evaluación, planificación e investigación sobre los servicios de salud.^2,3

Estas aplicaciones exigen, además del desarrollo de un soporte computarizado adecuado, un registro estructurado de datos en las HCI y la colaboración de los profesionales de la salud. Sin embargo, debido a la falta de incentivo para los clínicos y al esfuerzo requerido, hay médicos que no realizan esta tarea de un modo sistemático y, con frecuencia, datos fundamentales quedan registrados de un modo incompleto.^2,4-6

Con el fin de capturar los diagnósticos de los pacientes, en Osakidetza/servicio vasco de salud se implantó la Clasificación Internacional de Enfermedades (CIE-9-MC)⁷ en las historias clínicas informatizadas de atención primaria. En nuestro país son escasas las experiencias sobre la utilización de la CIE-9-MC en atención primaria y, además, los estudios publicados sobre la calidad de registro en las historias clínicas informatizadas habitualmente se limitan a los datos de algunos médicos que colaboraron de forma voluntaria,⁸ lo que implica un sesgo de selección, y cuyos resultados podrían no ser extrapolables a otros grupos.

Por ello, nuestro objetivo fue diseñar un instrumento que seleccione a aquellos médicos de atención primaria que registran, de manera suficientemente exhaustiva y precisa, los códigos CIE-9-MC de los problemas de salud de sus pacientes en las HCI y comprobar la factibilidad de su aplicación.


Métodos

Ambito

Para este estudio retrospectivo de tipo descriptivo transversal, se revisó la información registrada en las HCI por los médicos de familia y pediatras de atención primaria del servicio vasco de salud Osakidetza. Osakidetza es una organización pública que proporciona asistencia sanitaria universal y financiada mediante impuestos a todos los ciudadanos de la Comunidad Autónoma del País Vasco (España).

Los profesionales de la salud trabajan en equipos de atención primaria, que son responsables de los cuidados sanitarios proporcionados a los habitantes de un área geográfica determinada. Los pacientes están incluidos individualmente en el cupo de un médico, pediatra o de familia, dependiendo de la edad del paciente (mayor de 15 o menor de 14 años de edad).

El período de observación fue de un año: desde el 1 de octubre de 2004 al 30 de septiembre de 2005. Se observaron todos los cupos médicos de Osakidetza (n = 1 397) y todos los pacientes asignados a alguno de dichos médicos durante un período mínimo de 181 días (n = 2 201 830).


Fuente de información: historia clínica informatizada Osabide

La informatización de las consultas de atención primaria en Osakidetza comenzó en 1990 y actualmente la totalidad de los médicos dispone de una computadora en su despacho. El modelo de HCI Osabide 9 es el actualmente adoptado por nuestra organización y fue desarrollado en Osakidetza/svs a partir de 1998.

En la HCI Osabide, los problemas de salud de los pacientes se organizan en episodios de atención,¹⁰ definidos como la serie de servicios proporcionados en respuesta a un problema de salud del paciente u otra razón especificada (por ejemplo, un procedimiento preventivo) desde su primer contacto con los servicios de salud hasta la finalización del último contacto provocado por ese motivo, según el criterio del médico visitado.

Las anotaciones que los médicos realizan en las HCI pueden ser en forma de texto o mediante un formulario informatizado. Dichas anotaciones habitualmente se asocian a un episodio, pero existe la facultad de que no se vinculen a ninguno de ellos, permaneciendo como “Notas” u “Hoja de Evolución”.

Los propios clínicos, cuando establecen o modifican el diagnóstico de un episodio, deben introducir su correspondiente código CIE-9-MC. Para facilitar esta tarea el programa cuenta con dos listados:



a) Una lista de diagnósticos frecuentes, que por defecto contiene 476 códigos y que cada usuario puede personalizar añadiendo códigos o modificando su descriptivo.

b) La versión completa de CIE-9-MC que facilita la Unidad Técnica del Ministerio de Sanidad y Consumo. En nuestro medio, con cierta frecuencia, los clínicos confunden descriptivos correspondientes a problemas neonatales con los maternos, o las lesiones de origen traumático, congénito o neoplásico con las de otro tipo. Para ayudar a evitar tales equivocaciones la clasificación CIE-9-MC se presenta dividida en las siguientes secciones:



- Neoplasias (capítulo 2)

- Complicaciones del embarazo, parto y puerperio (capítulo 11)

- Anomalías congénitas y problemas de período neonatal (capítulos 14 y 15)

- Lesiones y traumatismos, que corresponde a una parte del capítulo 17 (desde 800 hasta 959.9)

- Otras enfermedades, que incluye el resto de la tabla de enfermedades y, además, la de “factores que influyen en el estado de salud y contacto con los servicios sanitarios” (códigos-V).

Como parte de su asesoramiento sobre el uso de la HCI Osabide, todos los médicos reciben formación sobre conceptos básicos de codificación de enfermedades. Además, existe una dirección de correo electrónico a la cual pueden dirigirse para solicitar asesoramiento individualizado.


Evaluación de la calidad de registro y de codificación

Al final del período de 12 meses se revisaron todos los registros en los que el médico había realizado una anotación de cualquier tipo a lo largo del período de observación.

Sobre la base de experiencias previas llevadas a cabo en nuestra organización,¹¹ se establecieron criterios mínimos de calidad de registro y codificación, que son los siguientes:



1- Utilización suficiente de la HCI: se consideraron aceptables los cupos en los que el médico responsable había realizado un promedio de anotaciones superior a 4 por paciente y año.

2- Registro de diagnósticos: de aquellos cupos que superaron el criterio 1 se admitieron los que mostraban un porcentaje de anotaciones no vinculadas a diagnóstico inferior al 22%.

3- Concordancia entre diagnóstico y código CIE-9-MC. Para evaluar la calidad de la codificación, se revisaron los cupos que superaron el criterio 2. Para ello, se realizaron tres determinaciones independientes.

A) Correspondencia de lo anotado como código en la HCI con un código en uso del sistema CIE-9-MC. En la totalidad de los episodios se identificaron los que contenían códigos “Imposible/En blanco”, entendiendo como tales aquellos en los que no hay ninguna anotación como código o lo registrado es una cadena de caracteres que no coincide con un código CIE-9-MC.

B) Mediante un algoritmo se clasificaron todos los episodios; se señalaron como “inaplicables por edad y sexo” los códigos absurdos en función de las características del paciente (por ejemplo, embarazo en un varón o problemas perinatales en un adulto).

C) Concordancia entre el diagnóstico y el código registrado por el médico en la HCI. Se obtuvo una muestra de episodios, que comprendía entre 225 y 250 diagnósticos de cada cupo, extrayéndose un total de 174 754. Dichos diagnósticos fueron codificados de modo independiente por los evaluadores y se comprobó el grado de concordancia entre ambas codificaciones. En función de ello fueron clasificados en:



- Correcto: el código registrado en la HCI es idéntico al elegido por los evaluadores.

- Inexacto: existe coincidencia en los 3 primeros dígitos entre el código de la HCI y de los evaluadores, pero no en alguno de los posteriores.

- Erróneo: hay disparidad en alguno de los 3 primeros dígitos entre ambos códigos.

- No codificable: los evaluadores no fueron capaces de elegir un código para el episodio porque el descriptivo anotado era excesivamente ambiguo, contenía información contradictoria o incluía más de un diagnóstico.

Los códigos considerados “erróneos” y los “no codificables” fueron agregados en una misma categoría (códigos incorrectos).

Los valores anteriormente citados [A) “Imposible/ En blanco”, B) “inaplicables por edad y sexo” y C) “incorrectos”] se calcularon para cada cupo y se expresaron como porcentajes. Se estableció un “índice de codificación no válida”, obtenido a partir de la suma de estos tres porcentajes.


Comparación de la prevalencia de problemas de salud con otras bases de datos

Con el fin de evaluar la validez de la información registrada por los médicos que superaron los tres criterios citados, se realizaron comparaciones con otras bases de datos. Para ello, los 669 773 pacientes de los cupos aceptados se distribuyeron en Adjusted Diagnostic Groups (ADG). Los ADG son 32 grupos de diagnósticos que genera el case-mix Adjusted Clinical Groups (ACG),^12,13 del cual puede hallarse una descripción detallada en la bibliografía. Se consideró que un paciente está incluido en un ADG si, a lo largo del año, realizó al menos una consulta, por alguno de los problemas de salud incluidos en dicho ADG. Se contrastó la prevalencia anual de cada ADG con los otros dos registros previos de morbilidad atendida.^11,14 Los resultados de tales estudios anteriores se juzgan muy fiables, ya que el registro fue llevado a cabo por médicos voluntarios motivados y la codificación revisada por personas con experiencia en CIE-9-MC.


Análisis

Se presentan las frecuencias observadas de médicos y pacientes en las tres evaluaciones. Para comparar las distribuciones de pacientes en los grupos de patologías se estimaron los intervalos de confianza del 95% de sus porcentajes.


Resultados

Se observó que un 31% de los médicos de atención primaria del servicio vasco de salud registraron y codificaron adecuadamente los diagnósticos de sus pacientes; los restantes médicos mostraron una escasa utilización de la HCI (25%), registro insuficiente de diagnósticos (22%) o un número excesivo de errores de codificación (23%) (Gráfico 1; Tabla 1). En la Tabla 2 se presentan los resultados, expresados en número de pacientes incluidos en los cupos de esos médicos.












Los médicos de familia mostraron un comportamiento distinto del de los pediatras: el porcentaje de pediatras que empleó la historia clínica fue claramente inferior; sin embargo, el conjunto de los pediatras que sí la utilizó obtuvo mejores resultados en registro y codificación de diagnósticos y, finalmente, el porcentaje final de pediatras que cumplió los tres criterios es ligeramente superior al de médicos de familia.







De los 744 médicos en que se comprobó la correspondencia entre diagnósticos y códigos, 427 (57%) superaron el estándar establecido. El Gráfico 2 muestra la distribución porcentual de los médicos respecto de dicho índice; nuevamente se observan diferencias entre pediatras y médicos de familia, ya que en aquellos son más los profesionales que se encuentran en los valores extremos de la distribución.







En la Tabla 3 se muestra la clasificación de los episodios evaluados. Los que presentan codificación “no válida” corresponden a: “errónea” (8%) y porcentajes inferiores a 1% de “Imposible/En blanco”, “Inaplicable por edad y sexo” y “Doble/no codificable”.







Al contrastar la prevalencia de problemas de salud (ADG), se constata que los porcentajes son, respecto del archivo de 2003, superiores en 21 grupos e inferiores en uno, mientras que son más similares (10 y 9, respectivamente) en relación con el de 1995 (Tabla 4).


Tabla 4



Discusión

El presente estudio describe el mecanismo diseñado en el servicio vasco de salud para evaluar la calidad de registro y de codificación de diagnósticos mediante CE-9-MC de las HCI en atención primaria. Dado que no existe un gold standard establecido,^1,4 se definieron tres criterios para estimar la suficiente utilización de HCI por parte de los médicos, el registro adecuado de diagnósticos y la correcta codificación. Dichos criterios se aplicaron de forma escalonada, considerando que es absurdo verificar los diagnósticos en los profesionales que habitualmente no emplean las HCI o revisar la codificación en aquellos que no anotan los diagnósticos de los pacientes.

El método empleado para verificar la codificación puede parecer complejo. En un estudio anterior,⁸ se estimó la concordancia entre diagnósticos y códigos mediante la codificación independiente por parte de los investigadores de todos los diagnósticos de las HCI de 56 médicos, confrontándose estos códigos con los anotados por los propios médicos; sin embargo, esto no resulta factible para un volumen tan alto como diez millones de diagnósticos, como fueron los generados en un año por los médicos de atención primaria de nuestro sistema de salud. Por tanto, para este propósito se observaron diferentes situaciones:



1- La de los episodios en los que lo anotado en el campo “código” no se corresponde a ningún código CIE-9-MC. Su identificación resulta sencilla a partir de un archivo informatizado y, por tanto, para su cálculo se emplearon todos los diagnósticos de los pacientes.

2- Los pacientes a los que se les asignan códigos CIE-9-MC incompatibles con su sexo o edad. Se revisó la tabla de la CIE-9-MC y se confeccionó un listado que permite también señalar estos casos en la base de datos completa.

3- Para la evaluación de los códigos restantes se recurrió a la codificación independiente por evaluadores de una muestra de episodios, garantizando que contuviese, al menos, 225 de cada médico.

Anteriormente, en nuestro servicio de salud se había observado que no existían diferencias importantes respecto de la prevalencia de enfermedades atendidas entre los pacientes de los médicos que dejaban menos del 22% de sus anotaciones en las HCI sin vincular a un diagnóstico.¹¹ Si bien este porcentaje puede parecer muy alto, debe tenerse en cuenta que los pacientes visitan en ocasiones a su médico de atención primaria por procedimientos administrativos u otros de escasa significación. Además, los médicos de atención primaria se enfrentan frecuentemente a motivos de consulta que no encajan plenamente con el modelo biomédico y a los que resulta muy difícil adjudicar un diagnóstico. Incluso, los clínicos pueden mostrarse preocupados por estigmatizar a un paciente adjudicándole un diagnóstico que no es definitivo, especialmente en el caso de problemas psiquiátricos, sociales o enfermedades que conllevan una percepción negativa.¹⁵

Los médicos que superaron los criterios establecidos muestran una distribución de pacientes en ADG semejante a los dos archivos utilizados como referencia; aunque se observan algunas diferencias, no se detecta la existencia de subregistro y, de hecho, las tasas de muchas enfermedades son superiores a las de los estudios anteriores. Por tanto, consideramos que el sistema descrito resulta válido: los médicos así identificados habían realizado un registro y una codificación suficiente en sus HCI.

En cualquier caso, el ingreso de los datos en las HCI plantea a los clínicos algunos problemas no resueltos. La expresividad, riqueza de matices e, incluso en ocasiones, deliberada ambigüedad del lenguaje natural resulta imprescindible para la comunicación entre las personas y permite a los clínicos expresar las dudas e incertidumbres que observan al tratar de etiquetar el problema de salud del paciente;¹⁶ sin embargo, mediante su empleo, un mismo concepto clínico puede expresarse de gran cantidad de modos diferentes y, por tanto, debe recurrirse a registros estructurados para extraer y procesar los datos de las historias clínicas. Hasta el momento presente, ninguna herramienta informática ha alcanzado un nivel de desarrollo suficiente para permitir la transformación automática de texto libre en información codificada.¹ Por ello, en muchos modelos de HCI (entre ellos, Osabide) coexisten anotaciones en forma de texto narrativo junto con datos codificados y es el propio profesional quien se encarga de realizar ambos registros.

Los términos que los clínicos utilizan como diagnóstico son muy variados y pueden corresponder enfermedades, síndromes, síntomas, quejas de los pacientes u otros motivos de consulta¹⁷ que, en ocasiones, son difíciles de asociar a un descriptivo de la lista cerrada de la CIE-9-MC. Además, la estructura de este sistema es compleja: consta de más de 15 000 códigos organizados en 18 capítulos (establecidos según criterios etiológicos, anatómicos o corresponden a manifestaciones clínicas) y es empleado principalmente en hospitales por personal especializado en su utilización. Los médicos de atención primaria consideran, frecuentemente, que se les exige realizar distinciones entre rúbricas cuya diferencia, desde su punto de vista clínico, no tienen relevancia o que corresponden a concepciones obsoletas actualmente superadas.¹⁸ Debido a estas limitaciones algunos médicos consideran el CIE-9-MC menos adecuado que otros sistemas de clasificación para nuestro ámbito.¹⁹

Sin embargo, Osakidetza/servicio vasco de salud optó por CIE-9-MC como método de clasificación de las patologías en las HCI de atención primaria por diversas razones. En primer lugar, porque es la clasificación más empleada en todo el mundo y la considerada como referencia;²⁰ en nuestro país, no sólo se utilizaba ya en atención especializada, sino también en los sistemas de registro en que participa la atención primaria como son el Sistema de Vigilancia Epidemiológica y el de Incapacidades Temporales. Además, porque permite la codificación de prácticamente todos los diagnósticos y, por último, porque es la requerida por aplicaciones, como los case-mix, que permiten agregar los datos de los pacientes para estimar las necesidades de cuidados sanitarios de una población completa y cuya implantación se está llevando a cabo en nuestro sistema de salud.²⁰

Si bien nuestros datos de morbilidad atendida presentan algunas limitaciones, pues excluyen a los pacientes de médicos que no emplean las HCI suficientemente, nos ofrecen un mejor conocimiento sobre la distribución de problemas de salud en la población y sus necesidades de atención sanitaria. Tradicionalmente, la prevalencia de las enfermedades se ha establecido a partir de estudios que analizan muestras pequeñas de pacientes, que pueden no ser representativas de la población global y, además, sólo proporcionan datos puntuales y no información sobre las variaciones y tendencias a lo largo del tiempo. El empleo de los diagnósticos de las HCI de atención primaria puede subsanar esos problemas.²

Por otra parte, son necesarios nuevos estudios de investigación que determinen cuáles son las medidas más eficaces para aumentar la calidad de las anotaciones de los médicos. El desarrollo de mejores tecnologías informáticas deberá ir acompañado de medidas que aumenten la motivación de los clínicos; en este sentido, el adiestramiento, la evaluación y la información a los profesionales de sus resultados puede lograr efectos positivos^8,22 y deben emplearse junto con otras medidas de incentivación.

La utilización secundaria de los datos de las HCI permite la creación de bases de datos sanitarios y ofrece una oportunidad única para disponer de información relevante para objetivos tales como la gestión, planificación o investigación. Sin embargo, existen diferencias importantes entre los profesionales de la salud y, por ello, debe contarse con instrumentos que garanticen la calidad de sus registros.

Bibliografía del artículo
1. De Lusignan S, Van Weel C. The use of routinely collected computer data for research in primary care: opportunities and challenges. Fam Pract 23:253-63, 2006.
2. Majeed A. Sources, uses, strengths and limitations of data collected in primary care in England. Health Stat Q 21:5-14, 2004.
3. Hersh RH. Medical informatics: improving health care through information. JAMA 288:1955-1958, 2002.
4. Jordan K, Porcheret M, Croft P. Quality of morbidity coding in general practice computerized medical records: a systematic review. Fam Pract 21:396-412, 2004.
5. Hall J, Tomlin A, Martin I, Tilyard M. A general practice minimum data set for New Zealand. NZ Med J 115:1163, 2002. URL: www.nzma.org.nz/journal/115-1163/200.
6. Gervas J. Códigos y clasificaciones en medicina general/de familia. Aten Primaria 20:343-4, 1997.
7. Clasificacion Internacional de Enfermedades 9ª Revisión Modificación Clínica. Madrid: Ministerio de Sanidad y Consumo, 1999.
8. Orueta JF, Urraca J, Berraondo I, Darpon J. ¿Es factible que los médicos de primaria utilicen CIE-9-MC? Calidad de la codificación de diagnósticos en las historias clínicas informatizadas. Gac Sanit 20:194-201, 2006.
9. 3S-Osabide (programa informático). Versión 2. Vitoria-Gasteiz: Osakidetza-servicio vasco de salud, Sistema de Servicios Sanitarios.
10. Hornbrook MC, Hurtado AV, Johnson RE. Health care episodes: definition, measurement and use. Med Care Rev 42:163-218, 1985.
11. Orueta JF, Urraca J, Berraondo I, Darpón J, Aurrekoetxea JJ. Adjusted clinical groups (ACGs) explains the utilization of primary care in Spain based on information registered in the medical records: a cross-sectional study. Health Policy 76:38-48, 2006.
12. Starfield B, Weiner J, Mumford L, et al. Ambulatory care groups: a categorization of diagnoses for research and management. Health Serv Res 26:53-74, 1991.
13. Weiner JP, Starfield BH, Steinwachs DM, et al. Development and application of a population-oriented measure of ambulatory care case-mix. Med Care 29:452-473, 1991.
14. Orueta JF, López de Munain J, Báez K, Aiarzaguena JM, Aranguren JI, Pedrero E. Application of the ambulatory care groups in the primary care of a European national health care system: does it work? Med Care 37(3):238-48, 1999.
15. De Lusignan S, Wells SE, Hague NJ, Thiru K. Managers see the problems associated with coding clinical data as a technical issue whilst clinicians also see cultural barriers. Methods Inf Med 42:416-22, 2003.
16. Winthereik BR. "We fill in our working understanding": on codes, classifications and the production of accurate data. Methods Inf Med 42(4):489-96, 2003.
17. Nilsson G, Ahlfeldt H, Strender LE. Computerisation, coding, data retrieval and related attitudes among Swedish general practitioners-a survey of necessary conditions for a database of diseases and health problems. Int J Med Inform 65:135-43, 2002.
18. McDonald CJ. Quality measures and electronic medical systems. JAMA 282:1181-2, 1999.
19. White KL. Antecedentes históricos. In: Lamberts H, Wood M, eds. CIAP-Clasificación Internacional en Atención Primaria. Barcelona: Masson SA, XIII-XVII, 1990.
20. Gosálbez Pastor E, Pérez Salinas I, Diez Domingo J, Ballester Sanz A, Costa Alcaraz AM. Sistemas de información en atención primaria: ¿debemos codificar con la CIE-9-MC? Aten Primaria 31:519-23, 2003.
21. Osakidetza/servicio vasco de salud. Memoria anual 2005. URL: www.osakidetza.net/docs/osaki/publicaciones/Anuales/Memorias/Memoria2005.pdf.
22. Porcheret M, Hughes R, Evans D, Jordan K, Whitehurst T, Ogden H, Croft P; North Staffordshire General Practice Research Network. Data quality of general practice electronic health records: the impact of a program of assessments, feedback, and training. J Am Med Inform Assoc 11:78-86, 2004.