[Date of Service Provision and Date of Payment in Claims Data: Dealing with Time Differences]

Gesundheitswesen. 2020 Mar;82(S 01):S20-S28. doi: 10.1055/a-1030-4223. Epub 2019 Dec 10.
[Article in German]

Abstract

Aim: The paper quantifies discrepancies between date of payment and date of service provision when doing analyses in relation to date of death and also in relation to the end of a calendar year. In analyses of this type, time differences between service provision and payment can lead to both under- and overestimation of service use. We aim to capture these phenomena in claims data from different sectors (primary care, medication prescription, prescription of remedies and medical aids, hospital care).

Method: We have used pre-structured claims data from a scientific data warehouse of a large German statutory health insurance covering people that died in 2016. We investigated the discrepancies in time between date of service provision and date of payment for different outpatient and inpatient services based on data from 2015 to 2017. An exact date (dd/mm/yyyy) was only available for data covering prescriptions of remedies and medical aids. Data covering medication prescriptions were only exact to the month of payment (mm/yyyy), whereas data covering outpatient physician care were only exact to the quarter of payment (q/yyyy).

Results: For both outpatient physician care and hospital care, less than 1% had a payment date after the date of death. The share is considerably higher (28-31%) for prescriptions of remedies and medical aids. The majority of payments occurred within 3 months after death (93% for prescriptions of remedies and medical aids, 67% for primary care services). Less than 1% of outpatient physician care and about 18% of remedies had been paid after the end of the calender year 2015. Here too, the majority of payments were made within the first 3 months of 2016 (100% of prescriptions of remedies and medical aids, 65% of primary care services).

Conclusions: Discrepancies in time between date of service provision and date of payment pose a challenge and are a potential source of under-/overestimation of health service utilization when doing analyses in relation to date of death or the end of a calendar year. This needs to be taken into account when requesting the data, but also in preparing and analysing them. The primary recommendation is to ensure that services with a payment date after death are included explicitly.

ZIEL: Ziel dieser Untersuchung ist es, das aus dem Auseinanderfallen von Leistungs- und Abrechnungsdatum in Krankenkassenroutinedaten resultierende Risiko von Fehleinschätzungen der Inanspruchnahme in verschiedenen Leistungsbereichen (ambulante ärztliche Behandlung, Arzneimittel, Heil- und Hilfsmittel, Krankenhaus) in Bezug zum Tod als Indexereignis sowie in Bezug zum Jahreswechsel zu quantifizieren, Erklärungsansätze darzulegen und mögliche Lösungsstrategien aufzuzeigen.

Methodik: In einem Wissenschaftlichen Data Warehouse einer großen deutschen Krankenkasse standen vorstrukturierte Daten von in 2016 verstorbenen Versicherten zur Verfügung. Die Darstellung zeitlicher Abweichungen von Leistungs- und Abrechnungsdaten erfolgte für verschiedene ambulante und stationäre Versorgungsbereiche unter Heranziehung von Daten der Jahre 2015 bis 2017. Ein exaktes Abrechnungsdatum (TT/MM/JJJJ) war lediglich bei Heil- und Hilfsmittelverordnungen verfügbar. Bei Arzneimittel-Verordnungen war das Abrechnungsdatum lediglich monatsgenau (MM/JJJJ). Bei ambulanten ärztlichen Leistungen lag nur das Abrechnungsquartal vor (Q/JJJJ).

Ergebnisse: Die Analysen zeigen, dass im Leistungsbereich der ambulanten ärztlichen Behandlung und der Krankenhausbehandlung <1% der Fälle/Gebührenordnungspositionen (GOP)/OPS nach dem Tod abgerechnet wurden, im Bereich der Heil- und Hilfsmittel jedoch 28–31% der Verordnungen (VO). Ein Großteil der Leistungsabrechnungen nach dem Tod erfolgte innerhalb von 3 Monaten (93% der Heil- und Hilfsmittel, 67% der ambulanten ärztlichen Behandlungsfälle). Über den Jahreswechsel 2015/2016 zeigte sich eine zeitliche Differenz bei <1% der ambulanten GOP bis hin zu 18% bei den Heilmittel-VO. Auch hier wurde die Mehrzahl der Leistungen innerhalb der ersten 3 Monate nach dem Jahreswechsel abgerechnet (100% der Heil- und Hilfsmittel, 65% der ambulanten GOP).

Schlussfolgerung: Der zeitliche Verzug zwischen Leistungs- und Abrechnungsdaten stellt bei Analysen der GKV-Leistungsinanspruchnahme bis zum Tod eines Versicherten sowie beim Jahreswechsel eine Herausforderung dar und ist eine Quelle für Unter-/Überschätzungsfehler. So ist bei Datenanforderung, -aufbereitung und -auswertung explizit darauf zu achten, dass auch noch nach dem zu betrachtenden Zeitraum abgerechnete Leistungen berücksichtigt werden.

MeSH terms

  • Ambulatory Care*
  • Data Accuracy
  • Data Analysis
  • Drug Prescriptions*
  • Germany
  • Humans
  • National Health Programs
  • Outpatients
  • United States