Klinisk administrasjon kunngjør sjelden sine feil høyt. I de fleste allmennlegepraksiser i Europa handler samtalen om økonomisk press om det som er synlig: økende pasientetterspørsel, strammere timeplaner og timene som går tapt til papirarbeid etter endt klinisk dag. Men det finnes et stillere, mer sammensatt problem som ligger skjult i hver pasientjournal. Når en kronisk tilstand dokumenteres i fritekst, men aldri får en klinisk kode, forsvinner pasienten effektivt fra det strukturerte datalaget i praksisen. De får omsorg, men blir ikke talt med. Konsekvensene – økonomiske, kliniske og regulatoriske – akkumuleres over hele pasientlisten uten at noen nødvendigvis legger merke til det.

Hva underkoding er, og hvorfor det skjer i primærhelsetjenesten

Underkoding oppstår når en kliniker dokumenterer en diagnose eller pågående tilstand i teksten i et klinisk notat (fritekst), men ikke knytter de tilsvarende strukturerte kliniske kodene, som en SNOMED CT- eller ICD-10/11-kode, til pasientjournalen. Tilstanden er kjent for den behandlende klinikeren, men den er usynlig for ethvert system som leser strukturerte data: sykdomsregistre, rapporteringsverktøy, dashbord for befolkningshelse og refusjonsberegninger.

Årsakene er godt dokumentert og i stor grad systemiske snarere enn individuelle. En kvalitativ studie fra 2024 publisert i BJGP, som undersøkte hvordan klinisk og ikke-klinisk personale i walisiske allmennlegepraksiser tilnærmer seg klinisk koding, fant at hele prosessen er «dårlig forstått», og at pasient- og publikumsinvolveringsgrupper spesielt fremhevet behovet for å «avlaste» klinikere fra den administrative oppgaven med koding, gitt dens negative innvirkning på kliniske konsultasjoner. Koding konkurrerer direkte med det å ta seg av pasienten foran klinikeren. I den konkurransen taper koding ofte.

De strukturelle årsakene inkluderer:

• Tidspress under konsultasjoner: I en vanlig ti minutters konsultasjon gir den kognitive belastningen av anamnese, undersøkelse, klinisk resonnering og pasientkommunikasjon lite rom for nøyaktig strukturert dataregistrering.

• Avhengighet av eldre journalsystemer: Mange praksiser bruker systemer der det å legge til en klinisk kode krever navigering gjennom flere skjermer eller bytte mellom inndatamoduser midt i konsultasjonen.

• Kognitiv belastning: Den walisiske kvalitative studien bekreftet at den doble oppgaven med klinisk omsorg og samtidig koding legger betydelig kognitiv belastning på klinikere, spesielt i komplekse eller emosjonelt krevende konsultasjoner.

• Uklarhet rundt delegering: I noen praksiser er koding delvis delegert til administrativt personale som kan mangle den kliniske kunnskapen som trengs for å kode nøyaktig fra narrative notater.

Ingen av disse er feil hos individuelle klinikere. De er forutsigbare resultater av et system som har lagt strukturerte datakrav oppå kliniske arbeidsflyter uten å redesigne disse arbeidsflytene tilstrekkelig.

Hvorfor kroniske tilstander er spesielt sårbare for kodingsgap

Ikke alle kliniske presentasjoner har lik risiko for underkoding. Akutte tilstander – et brudd, en infeksjon, en nyopstått plage – har en tendens til å generere en diskret klinisk hendelse med en klar kodingsprompt. Kroniske tilstander oppfører seg annerledes. De er pågående, kjente og ofte diskutert i konsultasjoner uten å bli formelt re-dokumentert.

En pasient med type 2-diabetes, hypertensjon, astma eller depresjon kan ha sin tilstand omtalt i dusinvis av konsultasjonsnotater over flere år. Men hvis den opprinnelige diagnosekoden aldri ble lagt inn, ble lagt inn feil eller har utløpt fra den aktive problemlisten, vil ikke pasienten vises i det relevante sykdomsregisteret. Tilstanden deres lever i teksten i notatene, leselig for en kliniker, men usynlig for ethvert automatisert system.

En studie fra 2022 om diagnostisk koding av kroniske fysiske tilstander i irsk allmennpraksis, publisert i Irish Journal of Medical Science, fant at fraværende eller unøyaktig diagnoseregistrering «kunne ha betydelig innvirkning på kvaliteten på pasientomsorgen». Studien bemerket at Irlands program for håndtering av kroniske sykdommer, som refunderer allmennleger for strukturert omsorg for diabetes, astma, kronisk obstruktiv lungesykdom (KOLS) og kardiovaskulær sykdom, gjør nøyaktig koding direkte knyttet til praksisinntekt. Lignende økonomiske koblinger finnes i andre helsesystemer, selv om studien bemerket at disse insentivene anvendes inkonsekvent.

Omfanget av problemet illustreres tydelig av funnene om kronisk nyresykdom (CKD). En kontrollert studie i Øst-London, publisert i BJGP, fant at CKD-kodingsrater på tvers av primærhelsetjenestepraksiser var så lave som 52 prosent før intervensjon. I noen praksiser var nesten halvparten av alle pasienter med biokjemisk bevis på CKD ikke i sykdomsregisteret. Etter et målrettet kvalitetsforbedringsprosjekt steg kodingsratene til mellom 81 og 90 prosent. Gapet mellom disse to tallene representerer år med utelte pasienter.

Den direkte økonomiske innvirkningen på allmennlegepraksisens inntekter

For allmennlegepraksiser som opererer innenfor refusjonsrammer knyttet til sykdomsregistre – og på tvers av Europa gjør mange det – er underkoding ikke bare en administrativ mangel. Det er en direkte reduksjon i praksisens inntekter.

Storbritannias Quality and Outcomes Framework (QOF) gir det mest presist dokumenterte eksemplet. QOF-betalinger beregnes ved hjelp av en formel som inkluderer praksisens registrerte sykdomsprevalens: Poeng oppnådd × QOF-poengverdi × Kostnads- og prevalensindeks × Justert praksissykdomsfaktor (APDF). APDF er avledet fra praksisens registrerte kroniske sykdomsprevalens. En praksis med et underkodet sykdomsregister, der pasienter med tilstander som hypertensjon, diabetes eller atrieflimmer ikke er formelt registrert, får en lavere APDF og dermed lavere inntekt per QOF-poeng oppnådd, uavhengig av det faktiske kliniske arbeidet som utføres. QOF-poengverdien endres hvert kontraktsår. Sjekk gjeldende NHS England-kontraktsdokumentasjon for oppdaterte tall.

Analyse av 2025/26 QOF-rammeverket gjør dette eksplisitt: «mange praksiser registrerer fallende eller statisk prevalens mens pasientkompleksitet og komorbiditet øker», noe som gir en direkte økonomisk straff for underkoding. 2025/26-rammeverket konsentrerer £198 millioner i ni kardiovaskulære sykdomsindikatorer, med oppnåelsesterskler som stiger til 85–90 prosent. Dette gjør nøyaktige sykdomsregistre mer økonomisk kritiske enn tidligere.

Ardens, en ledende NHS-leverandør av kliniske systemer, bekrefter at QOF-inntekt er «listestørrelse og prevalensvektet» og anbefaler at praksiser verifiserer nøyaktigheten til sykdomsregisteret før 31. mars hvert år. Den praktiske veiledningen inkluderer å kjøre «Case Finder»-søk for å identifisere pasienter som oppfyller diagnostiske kriterier, for eksempel pasienter med flere forhøyede HbA1c-resultater, men som ikke har blitt kodet som diabetikere.

Detaljert QOF-inntektsveiledning for 2025/26 illustrerer den sammensatte effekten: En praksis som konsekvent underkoder sin kroniske sykdomspopulasjon mangler ikke bare ett års inntektsjustering. Den underrapporterer systematisk kompleksiteten til sin pasientliste, og denne underrapporteringen forsterkes år for år ettersom APDF beregnes på nytt mot en kunstig lav prevalensbaseline.

De indirekte kostnadene som er vanskeligere å se

Utover direkte refusjon genererer underkoding et sett med nedstrømskostnader som er betydelig vanskeligere å kvantifisere, men ikke mindre reelle. Disse akkumuleres stille over en praksis’ pasientliste og dukker sjelden opp før en revisjon eller ekstern gjennomgang tvinger dem frem i lyset.

Forvrengning av befolkningshelsedata: Når kroniske tilstander systematisk underkodes, blir dataene som brukes til å planlegge og ressurssette primærhelsetjenester upålitelige. Bestillere og integrerte omsorgsstyrer som tildeler finansiering basert på registrert prevalens vil undervurdere den reelle sykdomsbyrden i en praksispopulasjon. Denne feilallokeringen av ressurser tilbakeføres deretter til praksisens driftsmiljø.

Tapte innkallinger og forebyggende omsorgsutløsere: Sykdomsregistre er mekanismen praksiser bruker for å generere innkallingslister til årlige gjennomganger, medikamentovervåking og forebyggende tiltak. En pasient som ikke er i diabetesregisteret vil ikke bli kalt inn til en HbA1c-sjekk. En pasient som ikke er i hypertensjonsregisteret vil ikke bli inkludert i et blodtrykkskontrollprogram. En tverrsnittsstudie av ukodet CKD i britisk primærhelsetjeneste, publisert i British Journal of General Practice, fant at ukodet CKD var assosiert med «dårligere omsorgskvalitet» og ulikheter i håndtering av kardiovaskulær sykdomsrisiko, nettopp fordi pasienter utenfor sykdomsregisteret mottok mindre systematisk overvåking.

Økt klinisk risiko: Konsekvensene av manglende koding er ikke bare administrative. En studie fra 2025 publisert i PLoS One kvantifiserte dødelighetsrisikoen ved ukodet CKD, og fant at pasienter med biokjemisk bevis på CKD, men uten diagnosekode i sin primærhelsetjenestejournal, hadde betydelig økt risiko for død, akutt nyreskade og uplanlagt sykehusinnleggelse. Dette beviset er spesifikt for CKD, men den underliggende mekanismen – at ukodede pasienter mottar mindre proaktiv oppfølging – gjelder på tvers av kroniske tilstander.

Kostnader ved retrospektive kodingsrevisjoner: Når kodingsgap til slutt identifiseres gjennom interne revisjoner, bestillergjennomganger eller kontraktsetterlevelseskontroller, faller kostnaden for retrospektivt kodingsarbeid på praksisen. Klinisk og administrativt personale må gjennomgå historiske journaler, verifisere diagnoser og legge inn koder i bulk. Dette arbeidet er tidkrevende og tar kapasitet fra nåværende pasientomsorg.

En systematisk gjennomgang fra 2024 om virkningen av nøyaktig medisinsk koding på helsekvalitet og økonomi bekreftet at «kodingsfeil, som utelatelser, oppkoding, feilkoding og bruk av utdaterte koder, kan ha alvorlige implikasjoner for både pasienter og institusjoner», inkludert refusjonsavvik og forvrengte kvalitetsindikatorer.

Hvordan underkoding påvirker henvisninger, triagering og kontinuitet i omsorgen

Virkningen av underkoding strekker seg utover praksisens grenser. Når en pasient henvises til spesialisthelsetjenesten, avhenger kvaliteten på henvisningen i stor grad av de strukturerte dataene i pasientens journal. En henvisning generert fra et system med nøyaktige, komplette kliniske koder vil inkludere en sammenhengende kodet problemliste. En henvisning fra en journal der kroniske tilstander kun finnes i fritekst, vil presentere et ufullstendig klinisk bilde for den mottakende spesialisten.

Dette har betydning på flere konkrete måter. En spesialist som mottar en henvisning for en pasient med udokumentert hypertensjon eller ukodet diabetes kan ikke forstå sakens fulle kompleksitet. Triageringsbeslutninger, inkludert hvor raskt en henvisning behandles, kan tas på ufullstendig grunnlag. Medikamentbeslutninger i spesialisthelsetjenesten kan ikke ta hensyn til tilstander som er til stede, men ikke kodet. Når pasienten returnerer til primærhelsetjenesten, kan fraværet av kodede data i henvisningssløyfen forstyrre kontinuiteten.

En storskala føderert analyse av 58 millioner primærhelsetjenestejournaler, publisert i British Journal of General Practice, demonstrerte stor variasjon i kliniske kodingspraksiser på tvers av engelske allmennlegepraksiser. Denne variasjonen skaper systematisk inkonsekvens i dataene som flyter mellom primær- og spesialisthelsetjenesten. Der koding er inkonsekvent, blir det strukturerte informasjonslaget som skal støtte trygge, effektive omsorgsoverganger upålitelig.

Den regulatoriske og etterlevelsesdimensjonen i europeisk helsevesen

Underkoding har en regulatorisk dimensjon som er stadig mer relevant for europeiske allmennlegepraksiser. Under den generelle databeskyttelsesforordningen (GDPR) og nasjonale helsedatarammer forventes kliniske journaler å være nøyaktige, komplette og egnet til formålet. En journal der en kjent kronisk tilstand er dokumentert i fritekst, men ikke formelt kodet, kan være teknisk kompatibel i snever forstand, men den oppfyller ikke den bredere forventningen om strukturerte, interoperable helsedata som understøtter europeisk digital helsestrategi.

For praksiser som deltar i nasjonale dataprogrammer, befolkningshelseforskningsnettverk eller integrerte omsorgspartnerskap, skaper unøyaktige strukturerte data revisjonsrisiko. Der klinisk koding brukes til å verifisere riktig forskrivning, for eksempel å bekrefte at en pasient på en spesifikk medisin har den tilsvarende kodede indikasjonen, kan kodingsgap utløse etterlevelsesforespørsler. I Storbritannia bruker NHS England kodede data for å vurdere overholdelse av forskrivningsretningslinjer og omsorgskrav. Lignende datakvalitetsforpliktelser gjelder på tvers av europeiske helsesystemer, inkludert de som opererer under nasjonale programmer for håndtering av kroniske sykdommer.

Den irske kodingsstudien bemerket at økonomiske insentiver for å forbedre koding allerede eksisterer i flere europeiske helsesystemer, men det regulatoriske presset for å opprettholde datakvalitet er en parallell og voksende forpliktelse, uavhengig av refusjon.

Hvorfor problemet sannsynligvis er større enn praksisdata antyder

En av de definerende egenskapene ved underkoding er at det skjuler seg selv. Hvis en tilstand aldri ble kodet, vises den ikke i praksisens sykdomsregisterrapportering. Den genererer ingen unntak, ingen varsling og intet gap i dataene slik praksisen ser det. Praksisens interne rapportering reflekterer kun det som har blitt kodet, og gir dermed et bilde som virker komplett, selv når det ikke er det.

Denne selvskjulende kvaliteten gjør at praksiser rutinemessig undervurderer omfanget av egne kodingsgap. Bevis fra kodingsrevisjoner og eksterne gjennomganger avdekker konsekvent høyere rater av underkoding enn praksiser selv rapporterer. Øst-London CKD-studien fant kodingsrater så lave som 52 prosent i noen praksiser. Disse ratene ville ikke vært synlige fra praksisens egen rapportering, siden ukodede pasienter rett og slett ikke ble registrert.

Forskning publisert i npj Digital Medicine, som undersøkte automatisert klinisk koding, fant at studier rapporterer et bredt spekter av manuell kodingsnøyaktighet (50–98 %), med en median på rundt 80 %. Dette antyder betydelige rater av unøyaktighet eller ufullstendighet i mange settinger. Den samme analysen bemerket at kodingsrestanser kan strekke seg over måneder, noe som skaper utvidede perioder der pasienter håndteres klinisk, men ikke formelt telles.

Makrokonteksten forsterker alvoret. OECDs Health at a Glance: Europe 2024 rapporterer at andelen over 65 år er anslått å øke fra 21 prosent til 29 prosent av EU-befolkningen innen 2050. Kronisk sykdomsbyrde øker betydelig i høyere alder. Dette betyr at populasjonen av pasienter som potensielt er underkodet vokser parallelt, og de økonomiske og kliniske konsekvensene av denne underkodingen skalerer tilsvarende.

Hvordan AI-assistert klinisk dokumentasjon kan lukke kodingsgapet

Den strukturelle årsaken til underkoding – at koding konkurrerer med klinisk omsorg om oppmerksomhet under en tidsbegrenset konsultasjon – peker mot en løsning som kan håndtere dette uten å øke klinikerens byrde. AI-medisinske assistenter og ambient stemmeteknologi (AVT), som fanger og behandler talte kliniske samtaler i sanntid, er stadig bedre i stand til å fremheve kodingsforslag under eller rett etter en konsultasjon, basert på det kliniske innholdet i samtalen.

I stedet for å kreve at klinikeren navigerer til et kodingsfelt og søker etter riktig term mens de håndterer en pasient, kan AI-assisterte dokumentasjonsverktøy generere strukturert notatinnhold, inkludert foreslåtte kliniske koder, fra den ambient kliniske samtalen. Klinikeren gjennomgår og bekrefter, i stedet for å initiere og søke. Dette flytter den kognitive oppgaven fra aktiv tilbakekalling under press til bekreftelse av et forslag – en betydelig lavere byrde.

Npj Digital Medicine-gjennomgangen av automatisert klinisk koding identifiserer dette som en sentral potensiell anvendelse av kunstig intelligens (AI) i klinisk dokumentasjon: å redusere den manuelle byrden av koding samtidig som nøyaktighet og fullstendighet forbedres. Gjennomgangen bemerker at automatiserte kodingstilnærminger har vist bedre nøyaktighet enn manuell koding i kontrollerte settinger, selv om den påpeker at utbredt bruk i primærhelsetjenesten fortsatt er på et tidligere stadium enn i spesialisthelsetjenesten. Denne begrensningen er viktig å merke seg for praksiser som vurderer slike verktøy.

AI-assisterte kodingsverktøy er ikke en komplett løsning alene. Deres effektivitet avhenger av integrasjon med praksisens journalsystem, kvaliteten på de underliggende språkmodellene og viljen hos klinikere til å bruke bekreftelsesarbeidsflyten. Praksiser bør evaluere disse verktøyene kritisk, med vekt på valideringsbevis i primærhelsetjenesten spesielt.

Hva allmennlegepraksiser bør gjøre nå: et praktisk utgangspunkt

For praksisadministratorer og kliniske ledere er det viktigste første steget å etablere en nøyaktig baseline. Fordi underkoding er selvskjulende, må utgangspunktet være et aktivt søk heller enn en gjennomgang av eksisterende rapporter.

Et praktisk rammeverk for å adressere problemet inkluderer:

• Gjennomfør en baseline-kodingsrevisjon på hyppige kroniske tilstander: Kjør søk i journalsystemet, ved hjelp av verktøy som EMIS- eller SystmOne-søkefunksjoner, eller tredjepartsverktøy som de fra Ardens, for å identifisere pasienter som oppfyller de biokjemiske eller kliniske kriteriene for en tilstand, men ikke er i det tilsvarende sykdomsregisteret. Diabetes, hypertensjon, CKD, astma, KOLS, atrieflimmer og depresjon er de høyest prioriterte utgangspunktene gitt deres prevalens og rolle i refusjonsrammer.

• Identifiser journalsystemarbeidsflytene der koder oftest blir utelatt: Gjennomgå hvordan koder legges til under konsultasjoner, hvem som er ansvarlig for koding, og om det finnes konsultasjonstyper, som telefonkonsultasjoner, fjernkonsultasjoner eller komplekse flerproblemkonsultasjoner, der koding oftere hoppes over.

• Evaluer kliniske dokumentasjonsverktøy som integrerer kodingsstøtte ved omsorgspunktet: Vurder om AI-assisterte dokumentasjonsverktøy kan integreres i eksisterende journalsystemarbeidsflyter på en måte som fremhever kodingsprompter uten å forstyrre konsultasjonen. Prioriter verktøy med dokumentert nøyaktighet i primærhelsetjenesten og med god datasikkerhet og GDPR-etterlevelse.

• Etabler en regelmessig kodingsgjennomgangssyklus: En enkelt revisjon lukker det historiske gapet, men forhindrer ikke fremtidig underkoding. Å bygge en kvartalsvis eller årlig kodingsgjennomgang inn i praksisens styring, spesielt før QOF eller tilsvarende rapporteringsfrister, gir en systematisk sjekk på pågående datakvalitet.

Ardens-veiledningen om å maksimere QOF-inntekt anbefaler å fullføre sykdomsregistergjennomganger før slutten av mars hvert år i britisk kontekst, og gir spesifikke case-finder-søkemaler for vanlige tilstander. Praksiser i andre europeiske systemer bør identifisere den tilsvarende rapporteringssyklusen for sitt nasjonale kroniske sykdomshåndterings- eller refusjonsrammeverk og tilpasse kodingsgjennomgangen deretter.

Nøyaktig koding er et klinisk og økonomisk ansvar

Underkoding er ikke en byråkratisk feil. Det er et klinisk kvalitetsproblem med målbare økonomiske konsekvenser og påviselige pasientsikkerhetsimplikasjoner. Bevis fra flere europeiske primærhelsetjenestesystemer, fra Wales til Irland til Øst-London, viser konsekvent at når kroniske tilstander ikke er formelt kodet, mottar pasienter mindre systematisk omsorg, praksiser får mindre passende finansiering, og dataene som brukes til å planlegge og ressurssette helsevesenet blir mindre pålitelige.

Omfanget av problemet er nesten sikkert større enn de fleste praksiser erkjenner, fordi underkoding forblir usynlig i praksisens egen rapportering. Å adressere det krever en aktiv beslutning om å lete etter det som mangler, og deretter sette på plass arbeidsflyt, styring og verktøy for å forhindre at det skjer igjen.

Nøyaktige strukturerte data beskytter pasienter ved å sikre at de vises i innkallingssystemer, mottar riktig oppfølging og er fullstendig representert i henvisninger og omsorgsoverganger. Det støtter rettferdig refusjon ved å sikre at den økonomiske verdien tilskrevet en praksis reflekterer den reelle kompleksiteten i pasientpopulasjonen. Det gir også praksiser mulighet til å vise bestillere og det bredere helsesystemet den faktiske byrden av kronisk sykdom de håndterer. Denne byrden, på tvers av Europa, vil bare vokse.

Ofte stilte spørsmål

▶ Hva er underkoding i allmennlegepraksiser og hvorfor skjer det

Underkoding oppstår når en kliniker dokumenterer en diagnose eller pågående tilstand i teksten i et klinisk notat, men ikke knytter den tilsvarende strukturerte kliniske koden, som en SNOMED CT- eller ICD-10/11-kode, til pasientjournalen. Tilstanden er kjent for den behandlende klinikeren, men usynlig for ethvert system som leser strukturerte data. En kvalitativ studie fra 2024 publisert i British Journal of General Practice fant at kodingsprosessen er «dårlig forstått», og at koding konkurrerer direkte med pasientomsorg under konsultasjoner. Bidragende faktorer inkluderer tidspress i ti minutters konsultasjoner, kognitiv belastning, avhengighet av eldre journalsystemer og uklarhet rundt om klinisk eller administrativt personale er ansvarlig for koding.

▶ Hvilke kroniske tilstander har høyest risiko for kodingsgap

Kroniske tilstander er spesielt sårbare fordi de er pågående og kjente, og klinikere diskuterer dem ofte i konsultasjoner uten å formelt re-dokumentere dem. Tilstander som type 2-diabetes, hypertensjon, astma, depresjon, kronisk nyresykdom (CKD), kronisk obstruktiv lungesykdom (KOLS) og atrieflimmer er blant de med høyest risiko. En kontrollert studie i Øst-London fant at CKD-kodingsrater i noen primærhelsetjenestepraksiser var så lave som 52 prosent før et målrettet kvalitetsforbedringsprosjekt. Dette betyr at nesten halvparten av alle pasienter med biokjemisk bevis på CKD ikke var i sykdomsregisteret.

▶ Hvordan påvirker underkoding allmennlegepraksisens inntekt under Quality and Outcomes Framework

Storbritannias Quality and Outcomes Framework (QOF) beregner betalinger ved hjelp av en formel som inkluderer en praksis’ registrerte sykdomsprevalens. En praksis med et underkodet sykdomsregister får en lavere justert praksissykdomsfaktor og dermed lavere inntekt per QOF-poeng oppnådd, uavhengig av det faktiske kliniske arbeidet som utføres. Analyse av 2025/26 QOF-rammeverket bemerker at mange praksiser registrerer fallende eller statisk prevalens mens pasientkompleksitet øker, noe som gir en direkte økonomisk straff. 2025/26-rammeverket konsentrerer £198 millioner i ni kardiovaskulære sykdomsindikatorer, med oppnåelsesterskler som stiger til 85–90 prosent. Dette gjør nøyaktige sykdomsregistre mer økonomisk kritiske enn tidligere.

▶ Hva er pasientsikkerhetskonsekvensene av underkoding

Sykdomsregistre er mekanismen praksiser bruker for å generere innkallingslister til årlige gjennomganger, medikamentovervåking og forebyggende tiltak. En pasient som ikke er i diabetesregisteret vil ikke bli kalt inn til en HbA1c-sjekk. En tverrsnittsstudie av ukodet CKD i britisk primærhelsetjeneste fant at ukodet CKD var assosiert med dårligere omsorgskvalitet og ulikheter i håndtering av kardiovaskulær sykdomsrisiko. En studie fra 2025 publisert i PLoS One fant at pasienter med biokjemisk bevis på CKD, men uten diagnosekode i sin primærhelsetjenestejournal, hadde betydelig økt risiko for død, akutt nyreskade og uplanlagt sykehusinnleggelse.

▶ Hvordan påvirker underkoding henvisninger til spesialisthelsetjenesten

Når en pasient henvises til spesialisthelsetjenesten, avhenger kvaliteten på henvisningen i stor grad av de strukturerte dataene i pasientens journal. En henvisning fra en journal der kroniske tilstander kun finnes i fritekst, gir et ufullstendig klinisk bilde for den mottakende spesialisten. Triageringsbeslutninger, inkludert hvor raskt en henvisning behandles, kan tas på ufullstendig grunnlag. Medikamentbeslutninger i spesialisthelsetjenesten kan ikke ta hensyn til tilstander som er til stede, men ikke kodet. En storskala føderert analyse av 58 millioner primærhelsetjenestejournaler, publisert i British Journal of General Practice, demonstrerte stor variasjon i kliniske kodingspraksiser på tvers av engelske allmennlegepraksiser. Dette skaper systematisk inkonsekvens i dataene som flyter mellom primær- og spesialisthelsetjenesten.

▶ Hvorfor har praksiser en tendens til å undervurdere omfanget av egne kodingsgap

Underkoding skjuler seg selv. Hvis en tilstand aldri ble kodet, vises den ikke i praksisens sykdomsregisterrapportering, genererer ingen varsling og skaper intet synlig gap i dataene slik praksisen ser det. Praksisens interne rapportering reflekterer kun det som har blitt kodet, og gir et bilde som virker komplett selv om det ikke er det. Forskning publisert i npj Digital Medicine fant at manuell kodingsnøyaktighet varierer bredt, med en median på rundt 80 prosent. Dette betyr at selv i settinger der koding aktivt utføres, kan omtrent én av fem tilfeller være unøyaktige eller ufullstendige. Kodingsrestanser kan også strekke seg over måneder, noe som gir utvidede perioder der pasienter håndteres klinisk, men ikke formelt telles.

▶ Hva er de regulatoriske implikasjonene av underkoding for europeiske allmennlegepraksiser

Under den generelle databeskyttelsesforordningen (GDPR) og nasjonale helsedatarammer forventes kliniske journaler å være nøyaktige, komplette og egnet til formålet. En journal der en kjent kronisk tilstand er dokumentert i fritekst, men ikke formelt kodet, kan feile den bredere forventningen om strukturerte, interoperable helsedata som understøtter europeisk digital helsestrategi. I Storbritannia bruker NHS England kodede data for å vurdere overholdelse av forskrivningsretningslinjer og omsorgskrav. Der klinisk koding brukes til å verifisere riktig forskrivning, kan kodingsgap utløse etterlevelsesforespørsler. Lignende datakvalitetsforpliktelser gjelder på tvers av europeiske helsesystemer, inkludert de som opererer under nasjonale programmer for håndtering av kroniske sykdommer.

▶ Kan AI-medisinske assistenter bidra til å redusere underkoding i primærhelsetjenesten

AI-medisinske assistenter og ambient stemmeteknologi (AVT), som fanger og behandler talte kliniske samtaler i sanntid, kan fremheve kodingsforslag under eller rett etter en konsultasjon basert på det kliniske innholdet i samtalen. I stedet for å kreve at klinikeren navigerer til et kodingsfelt og søker etter riktig term midt i konsultasjonen, kan disse verktøyene generere strukturert notatinnhold, inkludert foreslåtte kliniske koder, fra den ambient kliniske samtalen. Klinikeren gjennomgår og bekrefter i stedet for å initiere og søke. En gjennomgang publisert i npj Digital Medicine identifiserer dette som en sentral potensiell anvendelse av AI i klinisk dokumentasjon, selv om den påpeker at utbredt bruk i primærhelsetjenesten fortsatt er på et tidligere stadium enn i spesialisthelsetjenesten.

▶ Hvilke praktiske skritt kan allmennlegepraksiser ta for å adressere kodingsgap nå

Det viktigste første steget er å etablere en nøyaktig baseline gjennom et aktivt søk heller enn en gjennomgang av eksisterende rapporter. Praksiser bør kjøre søk i sitt journalsystem for å identifisere pasienter som oppfyller de biokjemiske eller kliniske kriteriene for en tilstand, men ikke er i det tilsvarende sykdomsregisteret. Diabetes, hypertensjon, CKD, astma, KOLS, atrieflimmer og depresjon er de høyest prioriterte utgangspunktene. Praksiser bør også gjennomgå hvilke konsultasjonstyper, som telefon- eller fjernkonsultasjoner, som er mest utsatt for manglende koding, evaluere AI-assisterte dokumentasjonsverktøy som integrerer kodingsstøtte ved omsorgspunktet, og bygge en kvartalsvis eller årlig kodingsgjennomgang inn i praksisens styring, spesielt før QOF eller tilsvarende rapporteringsfrister.