Comprendre l'évolution de valorisation e-PMSI entre deux envois MCO <em>rsa</em> avec R

Dans une année de collecte des informations du PMSI dans un hôpital,
il y a des périodes où l’on cherche particulièrement à concentrer l’optimisation des envois.

Lorsque ces efforts semblent porter leurs fruits, il peut être intéréssant de détailler :

sur quels types de séjours
sur quelles rubriques e-PMSI
pour quelles raisons (quelles actions)

la revalorisation T2A s’opère.

Ce post présente une manière de le faire concordante avec les tableaux SV et RAV d’ePMSI. Il utilise le package pmeasyr et dplyr.

Contexte

Les évolutions de valorisation peuvent être la conséquence d’actions de différents acteurs :

GHM : codage CMD type GHM + sévérités + actes
Suppléments
Nouveaux séjours
Séjours supprimés (ou « disparus »)
Evolutions de la ligne vid-hosp

Valoriser le travail effectué une fois l’envoi réalisé n’est pas toujours facile à faire car les actions ont été diverses et étalées sur de nombreux secteurs. Savoir valoriser les efforts effectués par les différents acteurs peut amener de la reconnaissance.

Parfois, des séjours peuvent “disparaître” de l’envoi ou de nombreux séjours devenir non facturables ; il est alors précieux de pouvoir les identifier rapidement pour cibler le problème et viser concrêtement à sa résolution sur des exemples précis (rss, nas/iep).

Ce post présente une manière de le faire cohérente avec les tableaux “SV - Séjours valorisés” et “RAV - Récapitulatif Activité Valorisation” d’ePMSI en termes de typologies et de montants.

Emplacement des archives out

On place les archives PMSI des deux envois v1 et v2 dans deux répertoires proches :

~/Documents/data/tests/v1
~/Documents/data/tests/v2

Ensuite on peut dézipper les fichiers ainsi :

library(pmeasyr)
library(dplyr)

noyau_pmeasyr(
  finess = '123456789',
  annee  = 2022,
  mois   = 8,
  path   = '~/Documents/data/tests/v1'
) -> p1

noyau_pmeasyr(
  finess = '123456789',
  annee  = 2022,
  mois   = 8,
  path   = '~/Documents/data/tests/v2'
) -> p2

adezip(p1, type = "out")
adezip(p2, type = "out")

Valorisation T2A des deux envois

On utilise la fonction map pour appliquer la valorisation aux deux archives out.

Le code utilise ici de nombreuses fonctions du package pmeasyr et les tables de tarifs GHS et suppléments présentes dans le package nomensland.

rsa_valo_compile <- purrr::map(list(p1, p2),
                               function(p){
                                 p$tolower_names <- TRUE
                                 vrsa <- vvr_rsa(p)
                                 vano <- vvr_ano_mco(p)
                                 library(nomensland)
                                 tarifs_ghs <- dplyr::distinct(get_table('tarifs_mco_ghs'), 
                                                               ghs, anseqta, .keep_all = TRUE)
                                 
                                 tarifs_supp <- get_table('tarifs_mco_supplements') %>% 
                                 mutate_if(is.numeric, tidyr::replace_na, 0) %>%
                                   select(-cgeo)
                                 
                                 resu <- vvr_mco(
                                   vvr_ghs_supp(rsa = vrsa,
                                                tarifs = tarifs_ghs,
                                                supplements =  tarifs_supp,
                                                ano = vano,
                                                porg = ipo(p),
                                                diap = idiap(p),
                                                pie = ipie(p),
                                                mo = imed_mco(p),
                                                full = FALSE,
                                                cgeo = 1L,
                                                # prudent = 1,
                                                prudent = 0.993,
                                                bee = FALSE),
                                   vvr_mco_sv(vrsa, vano, ipo(p))
                                 ) %>% inner_tra(itra(p)) %>%
                                   mutate(ansor = as.character(p$annee))
                                 resu %>% select(-nohop) %>%
                                   mutate(envoi = basename(p$path)) %>%
                                   left_join(vrsa %>% select(cle_rsa, ghm))
                               }
)

Reproduire les tableaux SV et RAV d’ePMSI

Dans tous les tableaux, tous les montants et volumes sont mis à zéro

Par exemple sur l’envoi v1

Tableau RAV

epmsi_mco_rav(rsa_valo_compile[[1]]) %>% 
  knitr::kable()

ordre_epmsi	lib_valo	var
1	Valorisation des GHS de base	rec_base
2	Valorisation extrême bas (à déduire)	rec_exb
5	Valorisation journées extrême haut	rec_exh
6	Valorisation actes GHS 9615 en Hospit.	rec_aph
8	Valorisation suppléments antepartum	rec_ant
9	Valorisation actes RDTH en Hospit.	rec_rdt_tot
10	Valorisation suppléments de réanimation	rec_rea
11	Valorisation suppléments de réa pédiatrique	rec_rep
12	Valorisation suppléments de néonat sans SI	rec_nn1
13	Valorisation suppléments de néonat avec SI	rec_nn2
14	Valorisation suppléments de réanimation néonat	rec_nn3
15	Valorisation prélévements d organe	rec_po_tot
16	Valorisation des actes de caissons hyperbares en sus	rec_caishyp
17	Valorisation suppléments de dialyse	rec_dialhosp
20	Valorisation suppléments de surveillance continue	rec_src
21	Valorisation suppléments de soins intensifs	rec_stf
NA	Total valorisation 100% T2A	rec_totale

Tableau SV

 epmsi_mco_sv(rsa_valo_compile[[1]]) %>% 
 knitr::kable()

type_fin	%	lib_type
0	%	Séjours valorisés
1	%	Séjours en CM 90
2	%	Séjours en prestation inter-établissement
3	%	Séjours en GHS 9999
4	%	Séjours avec pb de chainage (hors NN, rdth et PO)
5	%	Séjours avec pb de codage des variables bloquantes
6	%	Séjours en attente de décision sur les droits du patient
7	%	Séjours non facturable à l’AM hors PO

Comparaison des deux envois rss par rss

rsa_v1 <- rsa_valo_compile[[1]] %>%
  select(norss, type_fin, typvidhosp, rec_totale, envoi, ghm) %>%
  left_join(vvr_libelles_valo('lib_type_sej'))

rsa_v2 <- rsa_valo_compile[[2]] %>%
  select(norss, type_fin, typvidhosp, rec_totale, envoi, ghm) %>%
  left_join(vvr_libelles_valo('lib_type_sej'))

rsa_v1 %>%
  full_join(rsa_v2, by = c('norss'), suffix = c('_v1', '_v2')) %>%
  mutate(delta_evol = case_when(
    is.na(type_fin_v1) & type_fin_v2 != "0" ~ 0,
    is.na(type_fin_v1) & type_fin_v2 == "0" ~ rec_totale_v2,
    is.na(type_fin_v2) & type_fin_v1 != "0" ~ 0,
    is.na(type_fin_v2) & type_fin_v1 == "0" ~ -rec_totale_v1,
    type_fin_v1 == "0" & type_fin_v2 != "0" ~ -rec_totale_v1,
    type_fin_v1 != "0" & type_fin_v2 == "0" ~ rec_totale_v2,
    type_fin_v1 != "0" & type_fin_v2 != "0" ~ 0,
    type_fin_v1 == "0" & type_fin_v2 == "0" ~ rec_totale_v2 - rec_totale_v1,
    TRUE ~ 0
  )) -> comparaisons

comparaisons %>%
  group_by(lib_type_v1, lib_type_v2) %>%
  summarise(n = n(),
            valo_v1 = sum(rec_totale_v1, na.rm = TRUE),
            valo_v2 = sum(rec_totale_v2, na.rm = TRUE),
            evol = sum(delta_evol)) %>%
  ungroup %>%
  mutate_if(is.character, tidyr::replace_na, "RSA absent") %>%
  mutate_if(is.numeric, function(x)0) %>% knitr::kable()

Quelques exemples de lignes :

La colonne évol donnera la valorisation correspondante au delta (avec le bon signe) entre les deux envois (les évolutions vont dans les deux sens, valo_v1 et valo_v2 étant les valeurs 100% T2A).

lib_type_v1 et lib_type_v2 seront ici les rubriques du tableau SV des deux envois PMSI réalisés. Lorsqu’un séjour change de rubrique ou que la valorisation change de montant il s’est passé quelque chose dans les données soit DIM (RSS) soit facturation (ano-hosp).

lib_type_v1	lib_type_v2	n	valo_v1	valo_v2	evol
Séjours avec pb de chainage (hors NN, rdth et PO)	Séjours avec pb de chainage (hors NN, rdth et PO)	0	0	0	0
Séjours avec pb de chainage (hors NN, rdth et PO)	Séjours non facturable à l’AM hors PO	0	0	0	0
Séjours avec pb de chainage (hors NN, rdth et PO)	RSA absent	0	0	0	0
Séjours en CM 90	Séjours avec pb de chainage (hors NN, rdth et PO)	0	0	0	0
Séjours en CM 90	Séjours en CM 90	0	0	0	0
Séjours en CM 90	Séjours en GHS 9999	0	0	0	0
Séjours en CM 90	Séjours valorisés	0	0	0	0
Séjours en CM 90	RSA absent	0	0	0	0
Séjours en GHS 9999	Séjours en CM 90	0	0	0	0
Séjours en GHS 9999	Séjours en GHS 9999	0	0	0	0
Séjours en GHS 9999	Séjours valorisés	0	0	0	0
Séjours en prestation inter-établissement	Séjours en prestation inter-établissement	0	0	0	0
Séjours non facturable à l’AM hors PO	Séjours non facturable à l’AM hors PO	0	0	0	0
Séjours valorisés	Séjours avec pb de chainage (hors NN, rdth et PO)	0	0	0	0
Séjours valorisés	Séjours en CM 90	0	0	0	0
Séjours valorisés	Séjours valorisés	0	0	0	0
Séjours valorisés	RSA absent	0	0	0	0
RSA absent	Séjours non facturable à l’AM hors PO	0	0	0	0
RSA absent	Séjours valorisés	0	0	0	0

On peut ensuite trouver les séjours correspondants et les décrire avec dplyr et ggplot (non détaillé ici).

Quelques exemples

# Nouveaux séjours ? (ou séjours disparus à l'inverse)
comparaisons %>%
  filter(is.na(lib_type_v1), lib_type_v2 == "Séjours valorisés") %>%
  group_by(ghm_v2) %>%
  summarise(n = n(),
            evol = sum(delta_evol))

# type GHM et CM(D) identique mais sévérités différentes ?
comparaisons %>%
  filter(substr(ghm_v1,1,3) == substr(ghm_v2,1,3), ghm_v1 != ghm_v2) %>%
  group_by(sev_v1 = substr(ghm_v1,6,6),sev_v2 =  substr(ghm_v2,6,6)) %>%
  summarise(n = n(),
            evol = sum(delta_evol))

# type GHM et CM(D) différents ?
comparaisons %>%
  filter(substr(ghm_v1,1,3) != substr(ghm_v2,1,3)) %>%
  group_by(rsatype_v1 = substr(ghm_v1,3,3), rsatype_v2 =  substr(ghm_v2,3,3)) %>%
  summarise(n = n(),
            evol = sum(delta_evol))

Enfin, voici un exemple de graphique ggplot2 représentant des évolution de sévérités entre deux envois, avec des données fictives :

evol sev

avec l’exemple de lecture suivant :

165 RSS de niveau 1 en v1 ont basculé en niveau 2 en v2
12 RSS en niveau 2 passent en niveau 3
6 RSS passent du niveau 1 au niveau 4
100 RSS en niveau Z (non codés probablement) sont passés en niveau 1, 20 en niveau 2, etc

Le même genre d’analyse est faisable sur les recettes liées aux fichcomp.