Fraudeopsporing bij DRG-, ICD-10-CM/PCS-codering en medische prestaties: methoden, internationale voorbeelden en interne audit
Inleiding
Fraude en fouten in medische codering (DRG, APR-DRG, ICD-10-CM/PCS) en in prestaties (nomenclatuur, medicatie, medische beeldvorming) tasten zowel de kwaliteit van zorg als de betaalbaarheid aan. Effectieve bestrijding combineert drie sporen: data-analytische signalering, medisch-inhoudelijke dossierreview en gerichte handhaving. Hieronder schets ik de belangrijkste detectiemechanismen, illustreer ik met internationale voorbeelden (inclusief de gebruikte analysetechnieken) en werk ik uit hoe een professionele interne audit dit in de praktijk organiseert.
1) Detectiemechanismen in de zorgpraktijk
1.1 Data-analytische signalering
- Benchmarking & outlier-analyse: vergelijk DRG-mix, severity/ROM, ligduur en gemiddelde kost per casus met vergelijkbare instellingen. Sterke afwijkingen geven audit-prioriteit.
- Regelgebaseerde validatie: logische checks (diagnose-procedure-coherentie, leeftijd/geslacht-plausibiliteit, bundelregels bij prestaties).
- Anomaliedetectie & tijdreeksen: detecteer plots stijgende complexe DRG’s, ongebruikelijke facturatie-golven of verschuivingen in comorbiditeiten.
- Netwerk- en grafanalyse: breng ongewone relaties aan het licht (bijv. een kleine groep voorschrijvers gekoppeld aan dezelfde leverancier of beeldvormingscentrum).
- Tekstanalyse (NLP): koppel vrije tekst (OK-verslagen, ontslagbrieven) aan gecodeerde ICD-10-CM/PCS; vind discrepanties.
- Benford’s law en cijferpatronen: screen bedragen/ligdagen op onnatuurlijke eerste-cijferverdelingen; bruikbaar als snelle triage, nooit als zelfstandig bewijs.
- Process mining: reconstrueer het pad ‘verrichting besteld → uitgevoerd → gerapporteerd → gefactureerd’ en identificeer knelpunten of ongeoorloofde ‘unbundling’.
1.2 Klinische en administratieve dossierreview
Elke data-hit moet gevolgd worden door medisch-inhoudelijke verificatie: zijn klachten, onderzoeken, lab/beeldvorming en therapie consistent met de gekozen hoofddiagnose, comorbiditeiten en procedures? Worden prestaties (nomenclatuur) ondersteund door verslaggeving en logs (OK-register, PACS, medicatie-toediening)?
1.3 Cross-datamatching
Koppel declaraties aan EPD-bronnen (labo, medicatie, OK-log, PACS), planning (kamers, toestellen) en kwaliteitsindicatoren (heropnames, mortaliteit). Inconsistente combinaties (bijv. dure beeldvorming zonder afspraken/verslagen) zijn sterke signalen.
2) Internationale voorbeelden en toegepaste analysetechnieken
Healthcare Clearinghouse
Verenigde Staten (Medicare)
- Fraud Prevention System (FPS) van CMS: sinds 2011 verplichte predictive analytics op alle fee-for-service claims vóór betaling; modellen leveren risicoscores en alerts voor auditors.
- Nationwide takedowns & datafusie: in juni - juli 2025 kondigde het DOJ de grootste gecoördineerde zorgfraudebestrijding tot dan toe aan (meer dan $14,6 mrd beoogd verlies; o.a. “Operation Gold Rush”), en de opzet van een health care fraud data fusion center dat AI en geavanceerde analytics bundelt over agentschappen heen (Health Care Fraud Takedown Results in 324 Defendants Charged in Connection with Over $14.6 Billion in Alleged Fraud).
- Technieken: supervised/unsupervised modellen, netwerkanalyse rond leveranciers–voorschrijvers, tekst-/claimregels, en near-real-time blokkering.
Verenigd Koninkrijk (NHS)
- NHS Counter Fraud Authority – Project Athena: programma dat data science en machine learning inzet om patronen en trends in NHS-data op schaal te detecteren en sneller te interveniëren. De actuele strategie benadrukt AI en big data.
- Technieken: patroonherkenning over providers, coderings- en tarieftrends, near-real-time risico-monitoring.
Duitsland
- Medizinischer Dienst (MD) voert stationäre Abrechnungsprüfung uit op DRG’s/PEPP: formele regels voor dossieraanvraag, toetsingsomvang en termijnen; focus op codering-versus-dossier en case-mix-congruentie.
- "National PEPP" bij de Medizinischer Dienst (MD) staat voor „Pauschalierendes Entgeltsystem Psychiatrie und Psychosomatik”: het Duitse, dagtarief-gebaseerde bekostigings- en classificatiesysteem voor de psychiatrie en psychosomatiek. Het is het “psychiatrische broertje” van de somatische G-DRG’s: op basis van diagnose (ICD-10-GM), verrichtingen/OPS en klinische kenmerken wordt een patiënt in een PEPP-groep ingedeeld; per behandeldag gelden vaste relatieve gewichten en regels.
- Technieken: regelgebaseerde file-review, benchmark-/outlieranalyse per diagnose/procedure, juridische toetsing aan SGB V/PrüfvV.
Frankrijk
- Assurance Maladie (CNAM) combineert datamining met sancties en vervolging; publiceert jaarlijks resultaten en regionale acties. Recente communicatie toont stijgende detectie en preventie-effect, met focus op voorschriften en zorgprestaties.
- Technieken: data-screening op prestaties, profilering van voorschrijfgedrag, dossiercontroles en strafrechtelijke trajecten.
België
- RIZIV/INAMI – Dienst voor geneeskundige evaluatie en controle (DGEC): controleert correcte aanrekening binnen nomenclatuur en realiteit van verstrekkingen; jaarverslagen rapporteren financiële impact en terugvorderingen (Techniek van de extrapolatie). Binnen het actieplan (2024–2026) van de Anti‑fraudecommissie (CAFC) werd Data Flow 2.0 geformuleerd als een structureel prioriteitsproject gericht op het verbeteren van gegevensuitwisseling en -kwaliteit tussen verschillende betrokken instanties: het RIZIV, het IMA (Intermutualistisch Agentschap) en de verzekeringsinstellingen (V.I.’s). Data Flow 2.0 moet leiden tot efficiënter toezicht en analyses, minder administratieve rompslomp en betere fraudebestrijding.
- SIOD-berichtgeving (2024): melding van miljoenen aan te veel aangerekende zorgprestaties; verwijzing naar RIZIV-detailcijfers (Sociale Inlichtingen- en Opsporingsdienst (SIOD)).
- Intermutualistische controles: ziekenfondsen voeren geautomatiseerde en manuele factuurcontroles tegen verspilling, fraude en misbruik (AIM-IMA, Dataflow 2.0: Common Data Platform RIZIV-IMA-VI's (DTFL project)).
- Technieken: regelgebaseerde declaratie-matching, datamining van nomenclatuur, steekproeven met dossierreview, en samenwerking met inspectie/justitie.
3) Analytische technieken: wat werkt wanneer?
- Regelgebaseerd (business rules): snel, uitlegbaar; ideaal voor duidelijke coderings-/nomenclatuurregels (bundeling, leeftijdsgrenzen, onverenigbare diagnoses/procedures).
- Supervised ML (bijv. gradient boosting, random forest): wanneer gelabelde fraude/fout-cases beschikbaar zijn; levert risicoscores voor triage.
- Unsupervised anomaliedetectie (bijv. isolation forest, autoencoders): vangt nieuwe, onbekende patronen.
- Graf/netwerkanalyse: goed bij leveranciers-/voorschrijvers-netwerken, gedeelde adressen/banken, of ongebruikelijke verwijspatronen.
- NLP: vergelijkt vrije tekst (operatie- en beeldvormingsverslagen) met ICD-10-CM/PCS; detecteert upcoding of onterechte comorbiditeiten.
- Process mining: onthult ‘unbundling’ en ongebruikelijke stappen in order-to-cash.
- Benford’s law & cijferheuristiek: snelle screening van bedragen/ligdagen; altijd opvolgen met dossieronderzoek.
4) Professionele interne audit: organisatie en werkwijze
4.1 Governance en onafhankelijkheid
- Mandaat & charter (aanvaarde IIA-principes): directe rapportering aan raad/auditcomité; vrijheid van toegang tot data en dossiers.
- Drie-lijnen-model: lijnmanagement (1e), risicobeheer/compliance/codering (2e), interne audit (3e) voor onafhankelijke assurance.
4.2 Risicogestuurd jaarplan
- Risicokaart met prioriteiten: DRG’s met hoge case-mix-impact, prestaties met historisch hoge foutenlast, diensten met plotse trendwijzigingen.
- Databronnen: nomenclatuur (Tarfac), EPD (lab/PACS/OK), planning, HR/roosters, leveranciers, logistiek (traceerbaarheid van implantaten/medicatie).
4.3 Audituitvoering (van data naar bewijs)
1. Datavoorbereiding en reproductie
Standaardiseer datamodellen; versiebeheer voor queries/notebooks; logging voor chain-of-custody.
2. Analytische screening
Combineer regels + Machine Learning (ML)+ tijdreeks + netwerkanalyse. Maak een risicoscore per casus en vendor/provider.
3. Medisch-inhoudelijke review
Multidisciplinair: arts-auditor, verpleegkundig auditor, coderingsspecialist. Check diagnose-procedure-coherentie, ondersteunende beeldvorming/lab, medicatie-consumptie versus ingreep (bijv. sedativa/narcose).
4. Steekproeven
Stratified en discovery sampling: oververtegenwoordig complex/hogerisico-DRG’s en dure prestaties; documenteer extrapolatiemethode.
5. Root-cause en herstel
Onderscheid opzet vs competentiegat/procesfout. Formuleer CAPA-maatregelen (Corrective & Preventive Actions): hercodering, terugvordering, systeemregel, extra training, 4-ogen-controle.
6. Rapportering & opvolging
Heldere bevindingen (feit → impact → norm → aanbeveling), met termijnen en eigenaarschap; monitor KPI’s (foutpercent, terugvorderingen, herhaalbevindingen).
4.4 Praktische testcatalogus (selectie)
- DRG/APR-DRG: outliers in SOI/ROM en case-mix; scenario-analyse zonder top-comorbiditeit; mortaliteit/heropnames versus complexiteit.
- ICD-10-CM/PCS: NLP-match van tekst vs code; open vs endoscopisch; pediatrische codes bij volwassenen; zeldzame combinaties.
- Nomenclatuur/prestaties: bundelregels; frequentie-pieken per zorgverlener; dubbele declaraties binnen tijdsvensters.
- Beeldvorming: nomencatuur (TarFac) ↔ PACS-afspraak/verslag; dubbele modaliteiten zonder indicatie.
- Medicatie: dure toedieningen ↔ apotheek-uitgifte en toedieningsregister; high-cost drugs zonder bijpassende diagnose.
4.5 Mensen & cultuur
Training voor codeurs en artsen, duidelijke coderingsrichtlijnen en feedbackloops.
Speak-up/klokkenluiders-kanaal en samenwerking met compliance/juridische dienst.
Privacy & beveiliging: rolgebaseerde toegang, minimale datadeling, audittrail.
Tot slot
Effectieve fraudeopsporing in zorgcodering en prestaties is hybride: algoritmen brengen de ruis terug, clinici scheiden signaal van ruis, en auditteams sluiten de cirkel met herstel en preventie. Internationale praktijken - van het CMS-Fraud Prevention System tot NHSCFA’s Project Athena en de MD-abrechnungsprüfung - tonen dat predictive analytics, AI, netwerkanalyse en strakke dossierreviews samen het verschil maken. Het loont om intern professioneel, risicogestuurd en reproduceerbaar te werken, met heldere governance en consequente opvolging.
Bronnen:
European Healthcare Fraud & Corruption Network
Actieplan handhaving in de gezondheidszorg 2024–2026 (RIZIV)
Fraudebestrijding en doelmatige zorg (IMA)
Dienst voor geneeskundige evaluatie en controle (DGEC)
Agency for Healthcare Research and Quality (AHRQ, USA)
Measure Methodology (CMS)