Artificially influencing the case mix of hospitals may have several deleterious consequences for the hospital care system. One distinguishes over-evaluation (up-coding) and under-evaluation (under-coding) of the case mix. Apart from its financial consequences, miscoding may cause a fracture in epidemiological time series and, by increasing artificially the severity of illness, may affect the assessment of the quality of hospital care, based on administrative data.

Fixed effects models were used to assess deviant coding behavior at the hospital level. To do so, we examined the linear evolution over time of characteristics such as length of stay and of 21 “triggering” conditions susceptible to increase the case mix of a stay. In case of deviant coding, these triggering conditions were checked to direct the audit towards fraud-suspected discharge abstracts. Hereto, a method consisting in comparing a single hospital’s linear evolution over time with the national linear evolution over time was developed, using an interaction term between linear evolution over time and hospitals. To test this methodology, fraud-directed audits were carried out in addition to the usual, at random audits.

Important inter-hospital differences in the linear evolution over time of several characteristics of Belgian hospitals were identified, as well as evidence not only of improving coding practices, but also of up-coding, fraudulent under-coding and of numerous coding errors without financial impact. The coding errors, ascertained in the at random audit, resulted in a wrongful gain for the faulty hospitals of 28.23 days in 258 stays, whereas in case of fraud-directed audits these figures amounted up to 642.68 days in 334 stays.

Fraud-directed audit may constitute a valuable tool in the quality assurance of administrative databases, improving their use in epidemiology and assessment of the quality of care.

Les modifications artificielles du « case-mix » hospitalier peuvent engendrer des conséquences nuisibles pour le système de soins hospitaliers. Il importe d’effectuer une distinction entre sur-évaluation (up-coding) et sous-évaluation (under-coding) du case-mix. Outre un impact financier, les erreurs de codage peuvent provoquer un hiatus dans les séries temporelles, de même qu’elles peuvent, en accroissant artificiellement le degré de sévérité de la maladie, affecter l’évaluation de la qualité des soins hospitaliers à partir des données administratives.

Des modèles à effets fixes ont été utilisés pour établir au niveau hospitalier des pratiques de codage déviant. Pour ce faire, nous avons évalué l’évolution linéaire dans le temps de caractéristiques telles que la durée du séjour et 21 conditions, susceptibles d’augmenter le case mix d’un séjour. Afin de guider l’audit vers les dossiers de sortie suspectés de fraude, ces 21 conditions ont été examinées. Dans ce but, une méthode a été développée, visant à comparer l’évolution linéaire dans le temps d’un hôpital avec l’évolution linéaire dans le temps nationale grâce à l’utilisation d’un terme d’interaction entre l’évolution linéaire dans le temps et hôpitaux. La méthodologie a été testée en menant des audits spécialement orientés vers la détection de fraudes en plus des audits de routine aléatoires.

D’importantes différences interhospitalières dans l’évolution dans le temps de plusieurs caractéristiques des hôpitaux belges ont été identifiées ainsi que des preuves d’amélioration de la pratique de codage, mais aussi d’up-coding, d’under-coding frauduleux et de nombreuses erreurs de codage sans impact financier. Alors que la méthode des audits aléatoires a pu relever des erreurs de codage qui ont permis aux hôpitaux de gagner indûment 28,23 jours sur 258 séjours, la méthode des audits spécialement orientés vers la détection de fraudes a identifié des erreurs ayant permis de gagner 642,68 jours sur 334 séjours.

L’audit spécialement orienté vers la détection de fraudes semble être un outil valable d’évaluation de la qualité des bases de données administratives afin d’améliorer l’utilisation de celles-ci en épidémiologie et dans l’évaluation de la qualité des soins.