Vaka İncelemesi Örneği Olarak Hastane Faturası

I.veri gazeteciliği el kitabı
Çeviri: Steve Doig, Walter Cronkite Gazetecilik Okulu, Arizona Üniversitesi

California Watch’daki muhabirler, Kaliforniya’daki geniş hastane zincirlerinin, 65 yaş ve üzeri Amerikalıların tedavi masraflarını ödeyen federal Medicare programıyla sistematik olarak oynuyor olabileceklerinin tiyolarını aldı. İddia edilen bu özel dolandırıcılığa tıbbi kodlama deniyor ve hastaların gerçekte olduklarından daha komplike durumda – yani daha yüksek geri ödemeye değer – olduklarının raporlanması anlamına geliyor. Fakat önemli ana kaynaklardan biri hastane zincir yönetimiyle savaş halindeydi ve ve CaliforniaWatch ekibi, bağımsız doğrulamanın, hikayenin güvenirliliği için gerekli olduğunu biliyordu.

Şans eseri Kaliforniya’nın sağlık birimi, tüm devlet hastanelerinde tedavi gören her vakayla ilgili oldukça detaylı bilgiye sahipti. 128 değişken, Dünya Sağlık Örgütü’nce yayınlanan “Uluslararası İstatiksel Hastalık ve Benzeri Sağlık Problemleri Sınıflandırması” ek kitabından 25’e kadar tanı kodunu içeriyordu. Hastalar veride isimleriyle tanımlanmazlarken, diğer değişkenler hastanın yaşını, ne kadar ödendiğini ve hangi hastanenin tedaviyi gerçekleştirdiğini söylüyordu. Muhabirler bu kayıtlarla, zincirin parçası hastanelerin belirli anormal durumları, diğer hastanelerde görülenden önemli ölçüde daha yüksek değerlerle raporlayıp- raporlamadığını görebileceklerini fark ettiler.

Kwashiorkor (California Watch)

Veri setleri büyüktü yıllık yaklaşık 4 milyon. Muhabirler hastaların zamanla nasıl değiştiğini görmek için 6 yıllık kaydı incelemek istediler. Devlet dairesinden veri talebinde bulundular veri bir masaüstü bilgisayara kolayca kopyalanan CD-ROMlarda geldi. Gerçek veri analizini yapan muhabir, veriyle çalışmak için SAS http://www.sas.com/ isimli bir sistem kullandı. SAS oldukça güçlüdür (milyonlarca kaydı analiz edilebilir) ve Kaliforniya sağlık birimi dahil çok sayıda devlet dairesince kullanılmaktadır, fakat pahalı – aynı tür analiz Microsoft Access ya da açık-kaynak http://www.mysql.com/[MySQL gibi diğer birçok veritabanı aracı kullanılarak yapılabilir.

Elde veriler ve onu yazmak için programlarla, şüpheli noklalar bulmak oldukça kolaydı. Örneğin, bir iddia çeşitli yetersiz beslenme derecelerini diğer hastanelerde görülenden daha yüksek oranda olduğunu raporluyordu. Veri analisti, SAS’ı kullanarak, Kalifornia’nın 300’den fazla akut tedavi hastanesinin her birinde her yıl raporlanan yetersiz beslenme vaka sayılarını gösteren sıklık çizelgesini çıkardı. İşlenmemiş sıklık çizelgesi sonrası her hastane için mevcut durumun daha detaylı incelemesi için Microsoft Excel’e aktarıldı; Excel’in işlenmemiş numaralardan değerleri sınıflandırma, filtreleme ve hesaplama yeteneği ile mevcut durumu kolayca görmeyi sağladı.

Kıtlık görülen ülkelerde neredeyse sadece açlıktan ölen bebeklerde görülen bir protein eksikliği sendromu, Kwashiorkor isimli bir duruma ait raporlar oldukça çarpıcıydı. Fakat, zincir hastanelerinin yaşlı Kaliforniyalılar arasında Kwashiorkor’u, tüm hastanelerinin devlet ortalamasından http://bit.ly/californiawatch-malnutrition 70 kat kadar daha fazla tanımladığını raporluyordu.

Diğer hikayeler için, analiz, raporlanan septisemi, ensefalopati, malignan hipertansiyon ve otomatik sinir bozukluğu değerlerini http://bit.ly/californiawatch-rare incelemede benzer teknikler kullandı. Ve diğer bir analiz, zincirin acil servisten hastane bakımına anormal yüksek yüzdede, hastane bakımı için ödeme kaynağı diğer çoğu acil servis hastası durumundan daha garantili sağlık sigortası hastası kabul ettiği iddialarına baktı.

Bu hikayeler güçlü kamu kayıtları mevzuatı için gerekliliğe iyi bir örnektir; devletin hastanelerden bu veriyi raporlamasını istemesinin sebebi, devlet, akademisyenler, araştırmacılar ya da yurttaş gazetecilerce bile bunun gibi analizlerin yapılabilirliğini mümkün kılmak içindir. Bu hikayelerin konusu önemlidir, çünkü milyonlarca dolar kamu parasının uygun şekilde harcanıp harcanmadığını sorgulamaktadır.

*https://datajournalism.com/read/handbook/one/case-studies/hospital-billing