Tausende von Duplikat-Datensätzen im NPI-Register

Der National Provider Identifier (NPI) wird im gesamten US-amerikanischen Gesundheitswesen verwendet. Es handelt sich um eine eindeutige 10-stellige Nummer, die Leistungserbringern zugewiesen wird und in Verträgen, Abrechnungstransaktionen, Rezepten, elektronischen Patientenakten und bei der Interoperabilität zwischen Systemen zum Einsatz kommt. Krankenkassen und Clearingstellen sind durch HIPAA verpflichtet, sie zur Identifizierung von Leistungserbringern zu verwenden.

Ein NPI ist dauerhaft gültig und soll einen Leistungserbringer auch dann eindeutig identifizieren, wenn er seinen Namen, seinen Arbeitgeber oder seine Spezialisierung ändert.

Wir haben jedoch festgestellt, dass Tausende von Leistungserbringern doppelte Datensätze und damit mehrere NPIs besitzen. Dies kann die Abrechnung, das Berichtswesen und die allgemeine Datenintegrität beeinträchtigen und zu abgelehnten Ansprüchen oder falsch zugeordneten Leistungen führen.

Wie wir die Duplikate gefunden haben

Master-Data-Management-Lösungen (MDM) tragen dazu bei, konsistente und genaue Identitätsdaten sicherzustellen. Sie führen Identitätsauflösung und -abgleich durch, um Duplikate zu finden.

Für diese Analyse haben wir unser Produkt MDMbox verwendet — eine MDM- und eMPI-Lösung mit probabilistischem Abgleich, die in der Lage ist, Duplikate über Millionen von Datensätzen parallel zu finden. Wir haben den vollständigen Satz an NPI-Datensätzen heruntergeladen (der von CMS hier veröffentlicht wird), Organisationen herausgefiltert und nur einzelne Leistungserbringer behalten, und diese dann MDMbox zugeführt. Wir haben unser ML-Modell auf den Daten trainiert und anschließend einen Bulk-Abgleich durchgeführt. Der vollständige Abgleichlauf wurde abgeschlossen in weniger als einer Stunde.

Von insgesamt über 7 Millionen Datensätzen haben wir 1.000 Duplikate (>90 % Wahrscheinlichkeit) und 3.500 potenzielle Duplikate (70–89 % Wahrscheinlichkeit) gefunden.

Die meisten dieser Duplikate entstanden nicht durch Betrug oder fehlerhafte Datenimporte. Es handelt sich um betriebliche Artefakte, die sich über Jahre angesammelt haben: Leistungserbringer, die zwischen Organisationen wechseln, sich neu registrieren anstatt ihre Datensätze zu aktualisieren, inkonsistente Namenskonventionen sowie Unterschiede bei der manuellen Dateneingabe zwischen verschiedenen Systemen.

Viele dieser Datensätze wären auch mit exaktem Abgleich allein schwer zu erkennen. Die Duplikate werden erst sichtbar, wenn mehrere schwache Identitätssignale gemeinsam ausgewertet werden.

Wie die Duplikate aussehen

Die Duplikate lassen sich in mehrere Kategorien einteilen:

Exakte Übereinstimmungen. Einige Leistungserbringer haben zwei Datensätze mit identischen Namen und Adressen, aber unterschiedlichen NPIs. Jedes Feld ist identisch, und dennoch wurden ihnen separate Kennungen ausgestellt. Diese Art von Übereinstimmung ist am einfachsten zu erkennen, und die entsprechenden Datensätze erhalten das höchste Gewicht.

Gleicher Leistungserbringer, unterschiedliche Adressen. Ein Leistungserbringer zieht in einen anderen Bundesstaat und registriert sich erneut, anstatt seinen bestehenden Datensatz zu aktualisieren. Die Adressen unterscheiden sich, aber eine Kombination aus Name, Spezialisierung und Telefonnummer bestätigt, dass es sich um dieselbe Person handelt — dank der Konfiguration des Abgleichmodells.

Namensvarianten. Der Name eines Leistungserbringers ist in verschiedenen Datensätzen unterschiedlich erfasst. Ein Nachname kann beispielsweise mit oder ohne Präfix erscheinen („Cruz" vs. „de la Cruz"), oder ein Vorname kann abgekürzt sein. Der von uns verwendete ML-Algorithmus erkennt Präfixe und alternative Namensvarianten.

Tippfehler. Fehler bei der Dateneingabe erzeugen Duplikate, die mit exaktem Abgleich schwer zu erkennen sind. Ein einziger falsch geschriebener Buchstabe in einem Namen reicht aus, um einen zweiten Datensatz zu erzeugen. Probabilistischer Abgleich erkennt diese, weil er alle Attribute gemeinsam gewichtet und nicht nur den Namen. Und wenn Namen einander ähnlich genug sind, stellen Tippfehler kein Problem dar.

Teilweise Attributüberschneidung. Zwei Datensätze teilen einen Namen und eine Ärztekammernummer, haben aber unterschiedliche Adressen. Oder die Adresse hat sich geändert, aber die Telefonnummer ist gleich geblieben. Probabilistischer Abgleich erkennt diese attributübergreifenden Signale.

Falsch-positive Ergebnisse: Das Problem der Familienpraxen

Nicht jede Übereinstimmung ist ein echtes Duplikat. Anfangs hatten wir Hunderte von falsch-positiven Ergebnissen aufgrund eines Musters, das wir nicht erwartet hatten: Ärzte, die ihren Kindern denselben Namen geben und sie in derselben Praxis beschäftigen. Diese Eltern-Kind-Paare (und manchmal mehrgenerationellen Paare) teilen denselben Namen und dieselbe Adresse, haben aber unterschiedliche Namenssuffixe: „Sr.", „Jr.", „III", „IV". Wir mussten den Suffixvergleich in die Abgleichregeln aufnehmen, um diese herauszufiltern.

Erkunden Sie die Duplikate selbst

Wir haben ein interaktives Tool entwickelt, mit dem Sie nach jedem Leistungserbringer suchen und dessen potenzielle Duplikate anzeigen können.

Sie können Daten eines Behandlers eingeben, wie Name, Adresse, Telefonnummer, oder eine NPI-ID verwenden, um eine Liste potenzieller Duplikate zu erhalten. Das Tool schlägt auch einige interessante Beispiele vor, um Ihnen den Einstieg zu erleichtern.

Sie können auch den Schwellenwert anpassen — den Grenzwert für die Anzeige von Übereinstimmungen —, um die Suche strenger oder unschärfer zu gestalten und mehr oder weniger potenzielle Duplikate anzuzeigen.

Darüber hinaus können Sie auf der Registerkarte „Known Matches" die Liste der bekannten Duplikate einsehen. Wir haben alle identifizierten Behandlerpaare mit einer Übereinstimmungswahrscheinlichkeit von mehr als 90 % aufgenommen. Sie können auch sehen, wie sich der Übereinstimmungswert zusammensetzt. Klicken Sie auf eine Zeile, um ein Diagramm zu öffnen, das den Beitrag jedes Feldes zum Gesamtwert zeigt.

Was dies über Identitätsdaten im Gesundheitswesen verrät

Doppelte Datensätze können zu ungenauen Ansprüchen führen, die Interoperabilität zwischen Gesundheitssystemen beeinträchtigen und Analysen sowie das Berichtswesen beeinflussen. Selbst in einem System, das auf einem nationalen eindeutigen Identifikator aufbaut, kommt es nach wie vor zur Fragmentierung von Identitäten. In der Praxis entwickeln sich Identitätsdaten im Gesundheitswesen durch betriebliche Abläufe, Migrationen, Personalwechsel und manuelle Dateneingabe. Exakte Kennungen sind hilfreich, lösen das Duplikatproblem jedoch nicht vollständig.

Dieselben Muster treten in vielen Gesundheitsdatensätzen auf, darunter Patientenregister, Leistungserbringer-Netzwerke und Organisationsdatensätze. Ihre Erkennung erfordert in der Regel probabilistische Abgleichansätze, die mehrere schwache Identitätssignale gemeinsam auswerten, anstatt sich ausschließlich auf exakte Kennungen zu verlassen. Für die grundlegenden Konzepte hinter dieser Methode siehe Master Patient Index (MPI): How It Works + Examples; für die praktische Seite der Modellkalibrierung siehe unseren Leitfaden zur Konfiguration und Feinabstimmung eines Patienten-Abgleichmodells.

Die in diesem Artikel vorgestellte Analyse wurde mit MDMbox durchgeführt, unserer Master-Data-Management- und Enterprise-Master-Patient-Index-Plattform für die Auflösung von Gesundheitsidentitäten und die Erkennung von Duplikaten. Derselbe Abgleichansatz kann auf Patienten, Behandler, Organisationen und andere große Gesundheitsdatensätze angewendet werden, bei denen Identitätsqualität entscheidend ist.

Wenn Sie den Datensatz selbst erkunden möchten, können Sie das interaktive Duplikat-Explorer-Tool verwenden.