Organisasi pelayanan kesehatan terus dihadapkan pada tantangan terkait peningkatkan pelayanan sambil mengurangi biaya. Hal ini sangat terkait dengan kemampuan keuangan organisasi. Agar dapat mengahadapi tantangan tersebut, setiap organisasi pelayanan Kesehatan harus mempunyai strategi dan alat tertentu untuk menjaga kesehatan keuangan jangka panjang. Mengacu pada artikel dalam situs www.healthcatalyst.com, disebutkan lima contoh cara organisasi mencapai transformasi keuangan, yaitu: 1) Using Cost-Per-Case Improvements to Deliver Big Bottom-Line Savings, 2) Leveraging Artificial Intelligence to Resolve Uncompensated Care, 3) Increasing Cash Flow with Data and Analytics, 4) Confronting Healthcare’s Cost Problem, & 5) Delivering Cost-Effective Care with Activity-Based Costing. Dalam tulisan ini akan mengangkat contoh 1 & 2.
Using Cost-Per-Case Improvements to Deliver Big Bottom-Line Savings (1)
Karena sistem kesehatan menghadapi lebih banyak tekanan untuk memberikan penghematan biaya, mereka mengalihkan perhatian mereka ke proyek Cost-Per-Case Improvements. Strategi-strategi ini dapat menghasilkan hasil yang cepat bagi tim perbaikan yang ingin mendapatkan momentum dan dukungan. Studi menunjukkan bahwa strategi pengurangan biaya terbaik dimulai dengan perbaikan klinis. Secara khusus, mengurangi variasi klinis cenderung memiliki peluang terbesar tidak hanya untuk penghematan biaya tetapi juga untuk meningkatkan perawatan.Sistem kesehatan yang baru saja mulai dengan upaya penghematan biaya dan peningkatan kualitas, berusaha meningkatkan peluang mereka untuk sukses jangka panjang dengan memulai dari hal yang kecil, berdasarkan per kasus, dan memahami biaya di balik setiap layanan kesehatan oleh penyedia. Mencapai tingkat akurasi penetapan biaya yang terperinci ini membutuhkan komunikasi yang baik, pemimpin yang bermental pemenang (executive champion), partisipasi interdisipliner, serta alat dan sumber daya data yang andal.
Leveraging Artificial Intelligence to Resolve Uncompensated Care (2)
Dengan mengumpulkan uncompensated care (unpaid balances/saldo yang belum dibayar) dari pasien untuk layanan kesehatan, sistem kesehatan berusaha untuk mengekang salah satu biaya tertinggi mereka. Alat kecenderungan untuk membayar (propensity-to-pay) membantu organisasi menargetkan akun yang belum dibayar. Alat ini menggunakan kecerdasan buatan (AI) untuk memanfaatkan data keuangan dan sosial ekonomi eksternal dan internal, serta mengidentifikasi kemungkinan bahwa pasien dalam suatu populasi akan membayar saldo mereka (yaitu, kecenderungan mereka untuk membayar).Melalui wawasan ”kecenderungan untuk membayar”, tim keuangan dapat berfokus pada pasien yang kemungkinan besar akan membayar dan menghubungkan pasien yang ”tidak mampu membayar” dengan perawatan amal atau bantuan pemerintah. Baik sistem kesehatan maupun pasien mendapat manfaat, karena pasien dapat menghindari bad debt, dan organisasi menerima kompensasi atas perawatan yang telah mereka berikan.