医疗保健分析峰会回来了!欢迎收看9月13-15日盐湖城直播。现在注册
尽管面临新冠肺炎等新挑战,但卫生系统在提高营业利润率方面面临越来越大的压力,这些新挑战可能会以最快的速度侵蚀收入。因此,医疗保健财务主管正在更密切地检查收入周期表现,以找到削减成本的机会,包括卫生系统最常见的收入周期挑战之一,否认索赔。
被拒绝索赔是指支付人拒绝医院或诊所提出的关于获得所提供服务的付款的索赔,而医院没有付款。拒绝接受会导致收入损失——在利润率微薄的情况下,尤其是在疫情期间,组织无法承受这种损失。
尽管否认是卫生系统一贯的痛点,贝克尔的医院检查估计,86%否认是可以避免的。这是一个好消息,因为它意味着,在人工智能(AI)驱动的工具和流程的支持下,卫生系统可以预测和减少拒绝,从而增加收入。
由于各种原因,从医院的失败到提供文档支持医疗程序对管理错误的需要。例如,保险公司。CMS或者私人支付人)可以拒绝医院的索赔,如果医院提交的索赔包含不正确的信息,比如过时的患者保险信息或拼写错误的名字。
虽然否认会导致失败118美元索赔,影响大于金额。拒绝索赔还会让卫生系统失去重新处理索赔的资源。当卫生系统收到付款人的拒绝时,该组织必须决定它是否可以纠正拒绝,或者索赔是否丢失和不可挽回。如果医疗系统能够解决索赔问题,它将重新开具账单,并有望收到付款。
例如,如果一个卫生系统认为它可以修复并重新提交索赔,账单团队将审查数据并努力了解拒绝的原因。然后,团队将与患者访问团队、健康信息管理、提供者和其他人合作,了解索赔提交过程中出现了什么问题。一旦账单团队收集了所有信息,它将重新提交索赔,以实现付款。然而,付款并不能保证,如果医院收到第二次提交的付款,其团队成员仍然完成了两倍的工作量。
卫生系统可以避免此类重复工作并改善卫生保健收入周期的一种方法是提高支付人第一次接受索赔的可能性。通过利用人工智能,组织可以减少——甚至阻止——被否认的索赔。通过使用先进的分析算法,AI工具和流程可以通过使用预测模型来监控整个计费流程,并在特定流程被中断时向利益相关者发出警报,从而预测容易被拒绝的领域。这允许收入循环团队的成员在否认发生之前进行干预并解决问题。
卫生系统可以使用以下四个步骤为人工智能奠定基础,然后使用人工智能预测模型来预测拒绝情况。因此,组织可以优化医疗保健收入周期性能并增加利润。
卫生系统首先必须具备从多个来源汇总数据的基础设施,以全面了解卫生保健收入周期。该组织的收入循环团队需要代表索赔过程的所有输入,以便准确地查看程序何时发生,以及卫生系统何时对程序进行编码并向付款人开具账单。有了来自收入周期每个步骤的数据,团队成员就有了索赔生命周期的完整图景,允许他们看到系统中应该导致现金收集的所有活动,并确定每个潜在的问题区域。
一旦将整个收入周期的数据放在一个地方,卫生系统就可以使用数据报告工具,例如世界杯葡萄牙vs加纳即时走地健康催化剂收入周期顾问,以确定差距在当前的收入周期业绩。这些数据也将成为步骤4中的预测模型的相关输入。
在这一步骤中,卫生系统可以使用汇总的收入周期数据来定义收入周期绩效基准,从而可以衡量未来的任何变化。一个准确的基线可以帮助收益周期团队衡量进度,并在进度没有按照预期速度发生时改变方向。
在卫生系统定义了基线之后,财务主管可以开始使用与患者遭遇相关的拒绝数据和其他数据元素(例如,程序信息)来找到导致收入周期变化的具体行为。除了步骤2中捕获的数据之外,该数据也将与包括在预测模型中有关。
因为每个医疗保健收入周期都遵循一系列事件,全面的数据可以让领导者看到收入周期中实际发生了什么,而不是应该发生什么,因此,确定卫生系统在哪里亏损。例如,对于每个程序,卫生系统安排和登记患者、执行程序、获取费用和这些费用的账单。这一序列中的任何中断或错误都会导致索赔被拒绝(或缺乏付款),直接影响收入流。全面的数据将揭示索赔过程中任何可能导致否认的变化。
在步骤4,卫生系统应能够识别步骤2和步骤3中最终影响收入周期否认结果的所有数据输入,并将它们纳入预测模型。有了准确的数据输入,卫生系统可以使用人工智能模型预测拒绝倾向。这意味着该模型将标记出卫生系统不太可能获得付款的潜在领域(例如,在事件的收入循环链中的保险授权和计费步骤之间)。有了预测模型的深刻见解,卫生系统就能确切地知道应针对收入周期的哪个领域来优化工作流程,从而减少拒绝支付的情况。
医疗行业的金融领导者不应忽视人工智能优化医疗行业收入周期的力量。卫生系统可以通过使用人工智能来预测索赔生命周期中可能导致拒绝的领域,从而减少收入周期管理的一些人工负担,并避免采用传统的被动方法来应对拒绝。
有了可操作的信息,卫生系统可以增加每次索赔获得付款的可能性,因为收入周期负责人确切地知道在医疗收入周期过程中需要修复什么。这种洞察力使组织能够获得每项服务的全额补偿,这样他们就可以专注于最重要的事情,为他们服务的社区提供高质量的护理。
你想了解更多关于这个话题吗?以下是我们建议的一些文章:
你想使用或分享这些概念吗?下载此演示文稿,重点突出。
我们很自豪能为您提供相关的、有用的内容。我们可以用cookie记录你读了什么吗?我们非常重视您的隐私。请参阅我们的隐私政策详情和任何问题。