Perbandingan Tarif INA CBGs Pelayanan Pasien JKN Di Ruang ICU Dan PICU/NICU

030423-N-6967M-090 Aboard USNS Comfort (T-AH 20) Apr. 23, 2003 -- A central computer system monitors the heart rates of each patient in the Intensive Care Unit (ICU) to ensure a quick response to any problems that may occur while aboard USNS Comfort (T-AH 20). Comfort is one of two hospital ships operated by Military Sealift Command and is designed to provide emergency, on-site care for U.S. combatant forces deployed in war or other operations. USNS Mercy (T-AH 19) and Comfort each contain 12 fully-equipped operating rooms, a 1,000 bed hospital facility, digital radiological services, a diagnostic and clinical laboratory, a pharmacy, an optometry lab, a cat scan and two oxygen producing plants. Both hospital ships are converted San Clemente-class super tankers. Comfort set sail for New York City and provided housing, laundry, food, medical and other services to volunteers and rescue personnel for nearly three weeks in the wake of the terrorist attack on the World Trade Center. Comfort was activated again in December 2002 and sailed to the Arabian Gulf to support Operation Iraqi Freedom, the multi-national coalition effort to liberate the Iraqi people, eliminate IraqÕs weapons of mass destruction, and end the regime of Saddam Hussein. U.S. Navy photo by Photographer's Mate 1st Class Shane T. McCoy. (RELEASED)

Pada saat menjadi fasilitator pelatihan coding INA CBGs di RS beberapa saat lalu, secara tidak sengaja saya menemukan beberapa “kejanggalan” tarif CBGs sebagaimana yang tercantum pada PMK Nomor 59 Tahun 2014 tentang Standar Tarif Pelayanan Kesehatan dalam penyelenggaran program JKN. Dalam kegiatan tersebut, kami memang fokus pada peng-code-an kasus-kasus yang menghasilkan tarif CBGs dibawah tarif RS. Dalam istilah sistem akuntansi keuangan kami dikenal dengan Selisih Jaminan Kurang (SJK), sedangkan jika pembayaran CBGs diatas tarif RS maka kami sebut dengan Selisih Jaminan Lebih (SJL).

Karena metode pembagian Jasa Pelayanan di RS kami menggunakan metode KONVERSI, maka terjadinya SJK atau SJL ini akan berpengaruh secara langsung terhadap besar jasa pelayanan yang diterima oleh pemberi pelayanan yaitu dokter, perawat, bidan dan secara tidak langsung berpengaruh juga terhadap jasa pelayanan semua pegawai RS. Disinilah point pentingnya kita berupaya semaksimal mungkin menghasilkan klaim CBGs yang optimal tanpa melanggar aturan yang berlaku atau mengarah ke FRAUD. Sangat penting untuk mencegah terjadinya under-coding yang bisa merugikan RS, namun ambisi untuk menaikkan klaim juga tidak boleh sampai menimbulkan up-coding yang niscaya akan menjadi perhatian verifikator BPJSK.

Kunci utama dalam melakukan coding adalah dengan memperhatikan penggunaan atau pemanfaatan sumber daya RS. Under-coding akan terjadi jika ada asuhan layanan yang terbukti dilakukan berdasarkan data penggunaan sumber daya RS tapi tidak di-coding karena diagnosa dan prosedur tindakan yang tidak ditulis di dalam resume medis. Begitu juga sebaliknya, jika tidak ada bukti otentik penggunaan sumber daya RS seperti obat-obatan yang menjadi indikator adanya asuhan layanan, namun kemudian kita memasukkan dalam proses coding maka ini jelas merupakan up-coding yang menjadi salah satu kriteria tindakan Fraud.

Pelayanan ICU dan PICU/NICU merupakan salah satu pelayanan yang menyerap sumber daya paling tinggi. Berbagai tindakan dengan modalitas alat-alat canggih diberikan secara rutin seperti Ventilator, CPAP, Defibrilator, Syringe Pump dan sebagainya. Belum lagi penggunaan obat-obatan yang high cost mengingat pasien di ICU dan PICU/NICU berada dalam kondisi critical yang memerlukan tindakan dan obat-obatan yang sangat kompleks. Data tersebut dibuktikan dengan tingginya billing pasien yang dirawat di ruang-ruang critical care tersebut. Menjadi persoalan ketika ternyata hasil coding atas diagnosa dan berbagai macam tindakan tersebut ternyata masih jauh dibawah tarif RS sebagaimana tercantum dalam billing pasien. Pertanyaan besarnya adalah, kenapa hal ini terjadi ? Apakah karena penggunaan sumber daya yang tidak efisien ataukah karena tarif CBGs untuk kasus-kasus critical care yang terlalu rendah ? Hampir 85% kasus-kasus yang kami tangani di ICU dan PICU/NICU menghasilkan Selisih Jaminan Kurang (SJK) atau defisit alias nombok. Kasus-kasus yang memberikan nilai surplus atau Selisih Jaminan Lebih (SJL) kerapkali hanya terjadi pada pasien yang hari rawatnya kurang dari 2 hari, misalkan karena pasien meninggal, dirujuk dan sebagainya.

Analisis Utilization Review (UR) untuk kasus-kasus SJK ini sudah dilakukan dan memberikan kesimpulan bahwa penggunaan sumber daya sudah sesuai dengan SPO, Panduan Praktik Klini (PPK) dan gambaran Clinical Pathway. Sehingga dapat ditarik sebuah kesimpulan bahwa faktor penyebab terjadinya SJK ini adalah belum optimal dan maksimal nya coding atau masih terjadi under-coding. Lantas jika begitu, sisi mana yang harus diperbaiki ? Tentu semua berawal dari data-data pendukung diagnosa dan bukti-bukti adanya tindakan. Intinya adalah resume medis dan laporan tindakan yang lengkap dengan disertai bukti-bukti penguat bahwa diagnosa tersebut memang sesuai serta data penguat untuk prosedur tindakan. Nah jika semua sudah lengkap dan akurat namun masih terjadi under-coding maka fokus kita geser kepada proses coding dan grouping yang dilakukan oleh petugas coder.

Latar belakang inilah yang mendorong kami untuk melakukan pelatihan optimalisasi coding CBGs dengan fokus pada kasus rawatan ICU dan PICU/NICU tanpa melakukan Fraud. Nah pada saat kami melakukan bedah kasus kedua yaitu pada kasus pasien bayi yang dirawat diNICU selama 16 hari dengan billing RS sebesar hampir 40 juta rupiah, namun hasi coding kami hanya sekitar 28 juta rupiah, ternyata ditemukan beberapa “kejanggalan” saat secara tidak sengaja membuka standar tarif program JKN yang tertuang dalam PMK Nomor 59 Tahun 2014 lalu kami membandingkan dengan kelas RS yang berbeda. Data ini sangat mengejutkan dan sekaligus menimbulkan keheranan buat saya pribadi. Dibawah ini akan saya tampilkan tabulasi data-data hasil olahan dengan menggunakan program MS Excel.

A. Perbandingan Tarif Antar Kelas Rumah Sakit

Tabel berikut menampilkan perbandingan tarif CBGs untuk RS kelas A, Kelas B dan Kelas C. Data tarif ini untuk tarif REGIONAL I dan untuk kelas perawatan kelas I.

picu1

Kode CBGs utamanya adalah J-1-02 yang merupakan hasil input dari kode ICD 10 dan kode ICD 9 (ICPM) untuk prosedur tindakan terhadap kasus diagnosa bayi baru lahir yang dirawat di NICU. Bayi mendapatkan pelayanan pemasangan VENTILATOR selama perawatan. Sedangkan angka romawi di belakang kode CBGs menunjukkan tingkat keparahan atauseverity level dan terlihat pada deskripsinya yang sama namun hanya berbeda pada kata-kata akhir saja yaitu I (Ringan), II (Sedang) dan III (Berat).

Selanjutnya mari kita lihat deretan tarif-tarif nya dan kita perbandingkan berdasar kelas RS. Secara sepintas terlihat bahwa perbedaan tarif antar kelas RS dengan kode CBGs yang SAMA ternyata memilik range yang sangat jauh antara RS Kelas A dengan RS Kelas B. Sedangkan antara RS Kelas B dengan RS Kelas C tidak begitu jauh. Itu yang terlihat sepintas, bagaimana dengan analisa statistiknya ? Berikut ini tabel analisa statistik nya.

picu2

Dari tabel diatas kita dapat melihat bahwa selisih antara tarif untuk kode CBGs yang sama antara RS Kelas A dengan RS Kelas B sangat jauh, untuk tingkat ringan sebesar 65,07 %; tingkat sedang sebesar 74,16 % dan bahkan pada tingkat berat hampir 75 % yaitu tepatnya di 74,95 %. Perbedaan ini sangat tinggi dan “tidak masuk akal” untuk kelas RS yang hanya berbeda 1 tingkat lebih rendah. Apalagi membandingkan antara tarif RS Kelas A dengan Kelas C yang berada 2 tingkat dibawahnya maka akan lebih tinggi lagi.

Keadaan ini sangat berbeda dengan perbandingan antara RS Kelas B dengan RS Kelas C yang “hanya” selisih 32,26 % untuk tingkat ringan; 22,95 % untuk tingkat sedang dan hanya 20,00 % untuk tingkat berat. Selain itu ada “inkonsisten” terhadap trend statistik. Jika perbandingan antara RS Kelas A dengan Kelas B semakin tinggi level keparahan akan semakin tinggi selisihnya, namun bertolak belakang dengan perbandingan antara RS Kelas B dengan Kelas C yang justru selisihnya semakin kecil ketika tingkat keparahan semakin tinggi. Inilah yang disebut dengan inkonsisten trend dan cukup ganjil dalam kaidah-kaidah dasar statistik.

B. Perbandingan Antar RS Dalam Regional Yang Berbeda

Dalam PMK nomor 59 Tahun 2014 yang mengatur tentang standar tarif pelayanan pada program JKN dijelaskan bahwa tarif CBGs dibedakan berdasarkan kelas RS dan letak geografis. Berdasarkan kelas RS maka dibagi menjadi RS Rujukan Nasional, RS Kelas A, RS Kelas B, RS Kelas C dan RS Kelas D. Sedangkan secara geografis maka dibagi menjadi 4 Regional.

Menarik untuk dikaji dari sisi perbedaan regional ini karena latar belakang dari pemberlakukan regionalisasi ini salah satunya adalah perbedaan biaya distribusi obat, Bahan Habis Pakai (BHP) dan alat-alat kesehatan. Sangat mungkin unsur standar biaya dan standar kehidupan yang layak juga ikut berperan dalam hal ini. Perbedaan standar UMK dan UMP pulau Jawa dan luar Jawa juga menjadi salah satu dasar pertimbangan. Namun apakah benar ada perbedaan yang cukup bermakna ? Berikut saya sajikan perbandingan tarif CBGs untuk kode CBGs yang sama untuk RS Kelas A, Kelas B dan Kelas C pada 4 Regional yang berbeda.

picu3

Secara sepintas kita dapat meilhat bahwa terdapat perbedaan tarif dengan kode CBGs yang sama untuk kelas RS yang sama antar regional. Regional I memiliki tarif paling rendah jika dibanding dengan regional lainnya dan Regional IV memiliki tarif yang paling tinggi. Memang cukup masuk akal mengingat biaya distribusi dan ekspedisi obat, BHP dan Alkes yang sebagian besar berasal dari pulau Jawa jika dikirim ke Papua, Maluku dan sekitarnya maka akan sangat tinggi. Namun apakah perbedaan tersebut cukup bermakna ? Dibawah ini adalah tabulasi hasil olah data perbandingan tarif RS antar regional.

picu4

Dari tabel diatas, setidaknya ada dua hal yang bisa disimpulkan. Pertama, ternyata prosentase perbedaan tarif RS antar regional tidak begitu tinggi yaitu hanya berkisar antara 0,88 % (Regional II) sampai paling tinggi pada Regional IV yaitu 2,62 %. Apakah perbedaan ini bermakna secara statistik ? Bisa iya bisa tidak, karena harus dilakukan uji statistik dengan menentukan standar deviasi dan margin error (nilai alpha). Namun secara umum sesungguhnya dapat kita simpulkan bahwa perbedaan tersebut terlalu kecil dan sangat mungkin tidak sebanding dengan perbedaan biaya layanan kesehatan pada regional yang berbeda. Apakah perbedaan sekitar Rp 161.300 sebanding dengan perbedaan harga obat, BHP dan Alkes antara propinsi di Pulau Jawa dengan Kalimantan ? Menarik untuk dikaji lebih lanjut dan bisa menjadi bahan riset secara multi centre.

Kesimpulan Kedua adalah ternyata ada pola yang sama terhadap prosentase perbedaan tarif antar regional ini. Seperti deret hitung dalam kaidah matematika dasar dimana dapat dilihat bahwa pola perbedaan adalah 0,88 lalu 1,17 dan terakhir 2,61. Terdapat sedikit anomali pada perbedaan tarif RS Kelas C pada Regional II yang mencapai 1,67 %, namun dugaan awal saya ini adalah kesalahan dalam penulisan saja. Namun meski kesalahan kecil dampaknya cukup besar terhadap besaran tarif RS terutama RS Kelas C yang berada pada regional yang berbeda.

C. Diskusi

Perhitungan tarif CBGs dilakukan melalui beberapa tahap dari mulai membangun kelompok kasus atau Case Groups (CG) sampai diperoleh kode CBGs dengan deskripsinya. Tahap kedua adalah menghitung bobot kelompok kasus yang sudah dibangun sebelumnya atauCase Group Weight (CGW). Dari tahap ini maka kita sudah mendapatkan bobot untuk setiap kode CBGs yang besarnya sama, artinya bahwa tidak ada perbedaan bobot kasus untuk kode yang sama. Pada tahap terakhir yaitu tahap menghitung Hospital Base Rate (HBR)inilah yang akan menghasilkan perbedaan tarif CBGs meskipun dengan kode yang sama, karena tergantung pada HBR yang dibedakan berdasarkan kelas Rumah Sakit. Sehingga rumus dasar tarif CBGs adalah : Tarif CBGs (y) = CGW (y) X HBR.

Hospital Base Rate (HBR) ini yang menyebabkan adanya perbedaan tarif CBGs antar kelas RS. HBR dibagi menjadi HBR RS Kelas A, Kelas B, Kelas C, Kelas D dan RS Rujukan Nasional. Data-data HBR ini diperoleh dari inputan data yang diserahkan oleh RS peserta program JKN kepada NCC Kemenkes. Data-data pembiayaan RS (Costing) dan kode penyakit (Coding) dari RS sangat penting dalam perumusan besaran HBR ini.

Berdasarkan rumus tarif diatas, maka untuk kode CBGs yang sama (misal kode y), maka CGW untuk kode CBGs (y) akan sama sehingga yang berpengaruh adalah besaran HBR. Sehingga disimpulkan bahwa perbedaan tarif CBGs untuk kode yang sama antar RS yang berbeda kelas akan ditentukan oleh HBR, artinya adanya perbedaan tarif CBGs antara RS Kelas A dengan RS Kelas B yang hampir 75 % itu bermakna bahwa perbedaan HBR antara RS Kelas A dengan RS Kelas B adalah sebesar 75 %. Apakah benar demikian ? Setinggi itukah perbedaan HBR antara RS Kelas A dengan Kelas B ?

Selengkapnya tentang proses dan tahapn penghitungan Tarif CBGs dapat dibaca dalam tulisan sebelumnya di “Ayo Perbaiki Tarif INA CBGs Bersama-Sama“.

Saya mendapat informasi dari salah seorang yang ikut menghitung tarif CBGs di NCC Kemenkes, bahwasanya perbedaan HBR antara RS dengan kelas yang berbeda tersebut TIDAK LEBIH dari 15 %. Artinya, seharusnya perbedaan tarif CBGs antara RS Kelas A dengan Kelas B tidak lebih dari 15 %, begitu juga antara RS Kelas B dengan Kelas C seharusnya hanya sekitar 15 % saja. Tapi pada faktanya, perbedaan tarif antara RS Kelas A dengan Kelas B hampir 75 %. Sebenarnya informasi ini perlu diklarifikasi juga, hanya memang timbul pertanyaan besar apakah memang sedemikian besarnya perbedaan konsumsi sumber daya RS antara RS Kelas A dengan Kelas B ? Jika kita bersepakat bahwa besaran jasa pelayanan yang diberikan adalah sama antara RS Kelas A dengan Kelas B, maka kita anggap bahwa jasa pelayanan merupakan konstanta tetap sehingga hanya tinggal menghitung perbedaan besar jasa saran saja. Jadi pertanyaannya bisa kita persempit menjadi : “Apakah perbedaan Jasa Sarana antara RS Kelas A dengan Kelas B memang hampir 75 % ?”.

Andaikata memang begitulah adanya, sesungguhnya kita juga tidak bisa secara sepihak “menyalahkan” tim perumus perhitungan tarif CBGs di NCC Kemenkes. Mengapa ? Karena seperti yang disampaikan diatas bahwa perhitungan HBR adalah berdasarkan pada data-data pembiayaan RS yang mengirimkan laporan costing dan coding nya. Sehingga sesungguhnya ada peran “kita” juga yang berkontribusi terhadap besaran HBR tersebut. Semua RS yang sudah bekerjasama dengan BPJSK dalam program JKN ini sudah dikirimkan data isian pembiayaan yang harus di isi dan dikembalikan kepada NCC Kemenkes. Namun ternyata tidak semua mengembalikan laporan data-data pembiayaan tersebut dengan berbagai macam pertimbangan. Sebagian besar yang mengirimkan data adalah RS milik pemerintah dan hanya sedikit saja RS Privat yang mengirimkan data, sehingga bisa dipahami bahwa rendahnya nilai HBR yang berpengaruh pada besaran tarif CBGs disebabkan karena memang sebagian besar menggunakan data pembiayaan dari RS milik pemerintah yang tentu saja sangat berbeda dengan pembiayaan RS Privat. Hipotesa awal saya adalah karena sebagian besar RS yang data-datanya lengkap adalah RSUP milik Kemenkes yang rata-rata sudah menjadi RS Kelas A sehingga sangat mungkin hal ini menyebabkan HBR untuk RS Kelas A sangat tinggi dan berbeda jauh dengan RS Kelas B dan C.

D. Kesimpulan

  1. Terdapat perbedaan tarif yang sangat tinggi antara RS Kelas A dengan Kelas B untuk kode CBGs yang sama mencapai hampir 75 %.
  2. Perbedaan tarif RS Kelas B dan Kelas C untuk kode CBGS yang sama (sekitar 20% an) tidak setinggi perbedaan antar RS Kelas A dan Kelas B.
  3. Perbedaan tarif antar kelas RS yang berbeda disebabkan karena perbedaan Hospital Based Rate (HBR) antar RS dengan kelas yang berbeda-beda.
  4. Perhitungan dan perumusa HBR ditentukan oleh input data-data pembiayaan RS yang dikirimkan ke NCC Kemenkes.
  5. NCC Kemenkes harus segera menghitung ulang HBR dan semua RS yang bekerjasama dengan BPJSK harus segera mengirimkan input data-data pembiayaan (costing) dan kode (coding).

 

E. Penutup

Secara faktual di lapangan seharusnya memang tidak terjadi deviasi tarif yang sangat tinggi antar RS yang berbeda kelas. Dampak dari kondisi ini akan menyebabkan banyak RS yang masih menarik iur (cost sharing) atau selisih bayar kepada pasien. Muaranya adalah pasien yang merasa dirugikan dan dibedakan dengan kebijakan ini sehingga makin melekat opini negatif masyarakat terhadap program JKN seperti pada tulisan terdahulu “Mengapa Masih Ada Iur Biaya Peserta JKN ?“.

Hendaknya semua pihak segara berbenah, NCC Kemenkes harus segera memperbaiki data-data ini dan semua RS yang bekerjasama dengan BPJSK harus juga melaksanakan kewajiban mengirimkan data-data yang diperlukan. Jangan pernah berharap NCC Kemenkes akan menghasilkan perhitungan yang tepat jika kita tidak memberikan data-data yang benar dan akurat. Telunjuk tidak bisa hanya diarahkan pada NCC Kemenkes sebagai satu-satunya pihak yang bersalah, namun empat jari lainnya sesungguhnya mengarah pada kita yang juga harus ikut bertanggungjawa atas produk tarif CBGs ini. Ayo perbaiki tarif CBGs bersama-sama demi perbaikan program JKN sehingga tidak ada lagi pasien yang harus mengadu karena harus tetap mengeluarkan uang meski sudah menjadi peserta JKN. Demi Indonesia yang lebih baik… Sehat Negeriku…Sehat Bangsaku.

Sekian. 

Tri Muhammad Hani
RSUD Bayu Asih Purwakarta
Jl. Veteran No. 39 Kabupaten Purwakarta – Jawa Barat

 

Komentar

Be the first to comment

Leave a Reply

Alamat email Anda tidak akan dipublikasikan.