التقنية في الصحة الأدلة التقنية

تدقيق المطالبات Claims Adjudication: محرك القواعد

نبني محرك قواعد صغيراً لتدقيق المطالبات الصحية بمراحل مرتبة، ونشغله على 200 مطالبة وهمية فيها 70 مشكلة مزروعة، ونقيس ما أمسكه وما فاته ولماذا.

تدقيق المطالبات Claims Adjudication: محرك القواعد

عندما تصل مطالبة إلى شركة تأمين أو شركة إدارة مطالبات TPA، فهي لا تذهب إلى موظف يقرؤها بنداً بنداً، فالشركة المتوسطة تستقبل آلاف المطالبات في اليوم، وكل مطالبة فيها تشخيصات وخدمات وأسعار وتواريخ يجب أن تقارن بالوثيقة والعقد وقوائم الرموز وتاريخ المريض. والذي يقوم بهذا العمل أولاً هو محرك قواعد Rules Engine، يقرر في أجزاء من الثانية أن هذا البند مقبول، وأن هذا مرفوض لأن التشخيص لا يبرره، وأن ذاك يحتاج مراجعة طبيب، ولا يصل إلى البشر إلا ما لم يستطع أن يقرره. وإذا كنت تعمل في جانب المستشفى، فأنت تحتاج نفس المحرك تقريباً قبل الإرسال، لأن كل خطأ يكشفه نظامك قبل أن يخرج يوفر عليك دورة رفض كاملة، وهذا ما يسمى تنظيف المطالبات Claim Scrubbing.

وقد رأينا في مقال التأمين الصحي من الداخل عائلات أسباب الرفض ومن يصلح كل واحدة، وفي مقال المنصات الصحية في السعودية قواعد التدقيق السريرية الخمس التي أعلنتها هيئة التأمين على منصة نفيس، وفي مقال الترميز الطبي كيف تختار الرموز ولماذا تخطئ. وفي مقالي الأهلية والمطالبات في نفس المرحلة بنينا شركة تأمين وهمية بقواعد قليلة داخل كود الرد نفسه. وهنا نفصل القواعد عن الكود: نبني محرك قواعد صغيراً بمراحل مرتبة، ونشغله على 200 مطالبة وهمية زرعنا فيها 70 مشكلة نعرفها، ونقيس ماذا أمسك وماذا فات ولماذا، ونجرب ثلاثة قرارات تصميم تغير النتيجة.

وسوف نناقش في هذا المقال ما يلي:

  • ما الذي يحدث للمطالبة داخل شركة التأمين، ولماذا تقسم القواعد إلى مراحل بترتيب محدد.
  • القواعد السريرية الخمس كما ذكرها إعلان هيئة التأمين، وأين تقع من بقية القواعد.
  • متى تكفي جمل if، ومتى تحتاج جداول، ومتى تحتاج محرك قواعد مثل json-rules-engine أو Drools.
  • محرك بلغة Python بخمس عشرة قاعدة، كل قاعدة ترجع سبباً قابلاً للشرح، وجداول رموز صغيرة كتبناها بأيدينا.
  • تشغيله على 200 مطالبة: النتائج والمبالغ، وما أمسكه كل قاعدة، والمشكلات التي فاتته وسببها.
  • ثلاث تجارب: التوقف عند أول رفض أم جمع كل الأسباب، ومفتاح التكرار، والسرعة على عشرة آلاف مطالبة.
  • كيف تدير القواعد في الإنتاج: النسخ والاختبار والمحاكاة قبل التشغيل والمراقبة.

ما هو تدقيق المطالبات Claims Adjudication؟

التدقيق أو التسوية Adjudication هو القرار الذي تتخذه الشركة على كل بند في المطالبة: كم تدفع منه، وكم يتحمل المريض، ولماذا. والنتيجة في نفيس مورد ClaimResponse رأيناه في مقال المطالبات، فيه لكل بند نتيجة من خمس: موافقة، أو موافقة جزئية، أو رفض، أو معلق Pended، أو لا يحتاج، ومع كل رفض أو تعديل رمز سبب من قائمة أسباب التسوية في الدليل. والتدقيق الآلي Auto-adjudication هو الجزء الذي يتخذه البرنامج دون تدخل بشري، والهدف في أي شركة أن ترتفع نسبته دون أن ترتفع الأخطاء، لأن كل مطالبة تذهب إلى مراجع بشري تكلف وقتاً ومالاً وتؤخر الدفع للمستشفى.

والحل البسيط الذي يبدأ به أغلب الفرق أن تكتب القواعد داخل كود المعالجة كجمل if متتالية، كما فعلنا في شركة التأمين الوهمية في مقال الأهلية. وهذا يعمل مع خمس قواعد، ثم يبدأ بالتعثر عندما تصل إلى خمسين: لا أحد يعرف أي قاعدة رفضت البند إلا بقراءة الكود، وتغيير حد منفعة يحتاج نشر إصدار جديد من البرنامج، وقاعدة جديدة قد تغير نتيجة قاعدة قديمة دون أن ينتبه أحد، ولا توجد طريقة لتجربة القاعدة على مطالبات الشهر الماضي قبل تشغيلها. لذلك تنتقل الشركات إلى فصل ثلاثة أشياء عن بعضها: البيانات المرجعية في جداول (الرموز والأسعار والحدود)، والقواعد كوحدات مستقلة لكل منها معرف ووصف وسبب، والمحرك الذي يشغل القواعد بترتيب ويجمع نتائجها.

مراحل التدقيق: لماذا الترتيب مهم؟

تختلف التسميات بين شركة وأخرى، ولكن الترتيب المنطقي واحد تقريباً، لأن كل مرحلة تفترض أن ما قبلها نجح:

  1. الأهلية: هل المريض مغطى في تاريخ الخدمة، وهل مقدم الخدمة داخل شبكته؟ إذا فشلت فلا معنى لفحص الرموز.
  2. التدقيق السريري على التشخيص: هل الرمز صالح للفوترة، وفي فترة صلاحيته، ويناسب جنس المريض وعمره، ومسموح كتشخيص رئيسي؟
  3. البنود والسياسة: هل التشخيص يبرر الخدمة، وهل أخذت الموافقة المسبقة، وهل البند مكرر، وهل تجاوز عدد مرات مسموح به، وهل فككت خدمة لها رمز واحد يجمعها؟
  4. الضرورة الطبية Medical Necessity: هل الخدمة مناسبة سريرياً في هذا التوقيت؟ وهذه غالباً لا ترفض آلياً، وإنما تعلق لمراجع طبي.
  5. التسعير والحدود: سعر العقد، ثم حدود المنافع، ثم نسبة التحمل.

وقد يتساءل البعض: لماذا لا تشغل كل القواعد معاً وتجمع النتائج؟ والإجابة أن بعض المراحل تعتمد على نتيجة ما قبلها: التسعير لا يحسب لبند مرفوض، وحد المنفعة لا يستهلك بخدمة مكررة. ولكن هناك سؤالاً آخر أصعب: إذا رفضت المطالبة كلها في المرحلة الأولى، هل تكمل المراحل الأخرى لتخبر المستشفى بكل مشكلاتها؟ سوف نرى في المختبر أن الإجابة تغير ما يراه المستشفى.

خمس مراحل للتدقيق بالترتيب: الأهلية بقاعدتين ELIG-01 فترة التغطية وELIG-02 الشبكة وترفض المطالبة كلها، ثم القواعد السريرية الخمس EDIT-1 إلى EDIT-5 على التشخيص وترفض المطالبة كلها، ثم البنود والسياسة CODE-01 التشخيص يبرر الخدمة وPOL-01 الموافقة وPOL-02 التكرار وPOL-03 التكرار الزمني وPOL-04 التفكيك وترفض البند، ثم الضرورة الطبية MN-01 تعلق البند، ثم التسعير FIN-01 سعر العقد وFIN-02 حد المنفعة ثم نسبة التحمل
مراحل المحرك الخمس، وماذا تفعل قواعد كل مرحلة: ترفض المطالبة، أو البند، أو تعلقه، أو تعدل المبلغ

القواعد السريرية الخمس في نفيس

أعلنت هيئة التأمين في 27 فبراير 2026 تطبيق خمس قواعد تدقيق سريرية Clinical Edits على نظام الترميز في نفيس، وفق معايير الترميز الأسترالية، وبحسب الإعلان فإنها تتحقق من: أن التشخيص من قائمة رموز ICD المسموح بها للفوترة، وأن تاريخ الخدمة المرتبطة بالتشخيص يقع بالكامل داخل فترة صلاحية الرمز، وأن جنس المريض يتوافق مع رمز التشخيص، وأن الرمز مسموح به كتشخيص رئيسي، وأن الرمز يناسب عمر المريض. والإعلان لا ينشر جداول هذه القواعد ولا تفاصيل تطبيقها، فما نكتبه في المختبر هو نفس الفكرة بجداول صغيرة من عندنا، ولا ندعي أنه يطابق ما تطبقه المنصة.

ولاحظ أين تقع هذه القواعد: على التشخيص وحده، قبل أي نظر في الخدمة أو الوثيقة. ولذلك فهي تطبق في المنصة قبل أن تصل المطالبة إلى الشركة، ونتيجتها رفض للمطالبة كلها وليس لبند. وفي محركنا وضعناها في المرحلة الثانية، بأسماء EDIT-1 إلى EDIT-5 بنفس ترتيب الإعلان. وفي قائمة أسباب التسوية في الدليل رموز تقابل بعضها: AD-3-6 التشخيص لا يتوافق مع الجنس، وAD-3-5 التشخيص لا يتوافق مع العمر، وSE-1-7 نوع التشخيص ناقص أو غير مناسب. أما قاعدتا الرمز الصالح للفوترة وفترة الصلاحية فلم نجد لهما رمزاً مقابلاً في القائمة، فتركنا السبب فارغاً في المحرك بدل أن نختار رمزاً لا يصفهما.

وفي الولايات المتحدة نفس الفكرة لها برنامج قديم وموثق هو مبادرة الترميز الصحيح الوطنية NCCI، وتصف صفحة البرنامج في مراكز خدمات Medicare نوعين من القواعد: قواعد الإجراء مقابل الإجراء PTP لمنع الدفع عندما يرسل زوج رموز غير صحيح معاً، وقواعد الوحدات غير المحتملة طبياً MUE لمنع الدفع عندما ترسل الخدمة بعدد وحدات غير صحيح. وقاعدة التفكيك وقاعدة التكرار الزمني في محركنا من هذه العائلة.

جمل if أم جداول أم محرك قواعد؟

قبل أن نكتب الكود نحتاج أن نختار شكله. والخيارات الثلاثة التي تراها في المشاريع الحقيقية:

الخياركيف يبدويناسبالمشكلة
جمل if في الكوددالة طويلة لكل نوع مطالبةنموذج أولي، أو قواعد قليلة لا تتغيرلا أحد يعرف لماذا رفض البند، وكل تغيير نشر جديد
كود صغير لكل قاعدة مع جداول بياناتدالة لكل قاعدة لها معرف، والأرقام والرموز في جداولفريق برمجي يملك القواعد، وعشرات إلى مئات القواعدالمحلل غير المبرمج يحتاج مبرمجاً لكل قاعدة جديدة
محرك قواعد عامقواعد بصيغة JSON مثل json-rules-engine، أو لغة قواعد مثل Droolsمئات القواعد يكتبها محللون، وأدوات إدارة وإصداراتطبقة جديدة يجب تعلمها واختبارها، وصعوبة تتبع الأداء والتداخل بين القواعد

واخترنا في المختبر الخيار الأوسط، لأنه يظهر الأفكار كلها دون أن يخفيها خلف أداة: كل قاعدة دالة صغيرة لها معرف ومرحلة ووصف، وترجع نتائج من نوع واحد اسمه Finding، والأرقام والرموز كلها في ملف جداول. وهذا الشكل هو أيضاً ما ينتهي إليه كثير من الفرق قبل أن تحتاج محرك قواعد عاماً، والانتقال منه إلى محرك عام سهل لأن كل قاعدة معزولة أصلاً.

وأين يقع تعلم الآلة Machine Learning؟

قد يتساءل البعض: لماذا نكتب القواعد بأيدينا والنماذج اليوم تتعلم من ملايين المطالبات؟ والإجابة أن القرار في التسوية يجب أن يشرح برمز سبب يقبله المستشفى ويستطيع أن يعترض عليه، وأن يكون نفس القرار لنفس المطالبة في كل مرة، وأن يتغير فقط عندما تتغير الوثيقة أو العقد أو القاعدة الرسمية. والقاعدة المكتوبة تحقق الثلاثة بطبيعتها، بينما النموذج يعطي احتمالاً يحتاج من يحوله إلى سبب. لذلك تبقى القواعد هي التي تقرر الدفع والرفض في أغلب الشركات، ويأتي تعلم الآلة في مكانين آخرين: في جانب المستشفى لاقتراح الرموز على المرمز قبل الإرسال، وقد جربنا ذلك في مقال الترميز الطبي بالذكاء الاصطناعي، وفي جانب الشركة لترتيب المطالبات والمستشفيات بحسب احتمال الخطأ أو الاحتيال حتى يبدأ المراجع البشري بالأخطر، وهذا موضوع مقال كشف الاحتيال في نفس المرحلة. أي أن النموذج يقرر أين ينظر الإنسان، والقاعدة تقرر ماذا يدفع.

المختبر: الجداول والمطالبات الوهمية

كل شيء في هذا المختبر وهمي: الأعضاء والمستشفيات والأسعار والخطط. ورموز التشخيص اتبعنا فيها شكل رموز ICD-10 المعروف، مثل E11.9 للسكري من النوع الثاني دون مضاعفات، ويمكنك أن ترى معناها في متصفح ICD-10 من منظمة الصحة العالمية. أما رموز الخدمات فكتبناها بأسماء مقروءة مثل LAB-HBA1C بدل رموز نظام الفوترة السعودي SBS الذي ينشره مجلس الضمان الصحي، لأن المنطق هو المهم هنا. وهذا جزء من ملف الجداول:

"diagnoses": {
  "E11":   {"name": "Type 2 diabetes mellitus (category, needs a 4th character)", "billable": false},
  "E11.9": {"name": "Type 2 diabetes mellitus without complication", "billable": true, "min_age": 10},
  "O80":   {"name": "Single spontaneous delivery", "billable": true, "gender": "female", "min_age": 12, "max_age": 55},
  "N40":   {"name": "Hyperplasia of prostate", "billable": true, "gender": "male", "min_age": 18},
  "P07.3": {"name": "Other preterm infants", "billable": true, "max_age": 0},
  "W19":   {"name": "Unspecified fall (external cause)", "billable": true, "principal": false},
  "Z99.LAB": {"name": "Lab code retired at the end of 2025 (lab assumption)", "billable": true, "valid_to": "2025-12-31"}
},
"services": {
  "LAB-HBA1C": {"name": "HbA1c", "category": "lab", "price": 90, "dx": ["E11", "R73"], "max_per_90d": 1},
  "LAB-DMPANEL": {"name": "Diabetes follow-up panel", "category": "lab", "price": 190, "dx": ["E11"],
                  "includes": ["LAB-HBA1C", "LAB-GLUC", "LAB-CREAT"]},
  "IMG-MRI-LS": {"name": "Lumbar spine MRI", "category": "imaging", "price": 1600, "dx": ["M54"],
                 "prior_auth": true, "necessity": "mri_back"}
}

في الجدول أعلاه لاحظ التالي:

  • كل قاعدة سريرية لها عمود: billable للرمز الصالح للفوترة، وvalid_to لفترة الصلاحية، وgender للجنس، وprincipal للتشخيص الرئيسي، وmin_age وmax_age للعمر. والقاعدة لا تعرف شيئاً عن رمز بعينه، وإنما تقرأ العمود.
  • الرمز E11 فئة تحتاج خانة رابعة، ولذلك ليس صالحاً للفوترة، وهذا الفرق بين الرمز العام والرمز الصالح للفوترة شرحناه في مقال الترميز الطبي.
  • الرمز Z99.LAB رمز اخترعناه بفترة صلاحية تنتهي في 2025، لأننا لا نريد أن ننسب تاريخ إيقاف لرمز حقيقي دون مصدر.
  • الخدمة تحمل قائمة بادئات التشخيصات التي تبررها dx، وهذا هو جدول توافق التشخيص مع الخدمة. والنجمة تعني أن أي تشخيص يبرر الاستشارة.
  • لوحة متابعة السكري LAB-DMPANEL تحمل قائمة مكوناتها، وهذا ما تستخدمه قاعدة التفكيك.

ثم كتبنا مولداً بذرة ثابتة يصنع 80 عضواً وهمياً بأعمار وأجناس وخطط وفترات تغطية، و200 مطالبة من عشرة أنواع زيارات: التهاب تنفسي، ومتابعة سكري بتحاليل منفصلة أو باللوحة، والتهاب مسالك، وألم أسفل الظهر مع صورة عادية أو رنين مغناطيسي، وصداع، وولادة، واستئصال بروستاتا بالمنظار، ورعاية مولود خديج. ثم زرع المولد 14 نوعاً من المشكلات، خمس مطالبات لكل نوع، وحفظ مع كل مطالبة المشكلة التي زرعت فيها، حتى نقيس المحرك عليها:

docker build -t adjudication-lab .
docker run --rm -v "$PWD:/lab" -w /lab adjudication-lab python gen_claims.py
200 claims for 80 members, 70 with an injected problem
{'age': 5, 'coverage_expired': 5, 'duplicate': 5, 'dx_mismatch': 5, 'frequency': 5, 'gender': 5, 'necessity': 5, 'no_preauth': 5, 'non_billable': 5, 'out_of_network': 5, 'price': 5, 'principal': 5, 'retired_code': 5, 'unbundled': 5}

ونوعا التكرار والتكرار الزمني يضيفان مطالبات: نسخة ثانية من مطالبة موجودة، أو تحليل سكر تراكمي قبل شهر من المطالبة. لذلك يحذف المولد في النهاية مطالبات سليمة عشوائياً حتى يبقى العدد 200 بالضبط.

بيانات المختبر: 80 عضواً وهمياً و200 مطالبة فيها 399 بنداً، و70 مطالبة فيها مشكلة مزروعة من 14 نوعاً بخمس لكل نوع: انتهاء التغطية، وخارج الشبكة، ورمز غير صالح للفوترة، ورمز منتهي الصلاحية، والجنس، والتشخيص الرئيسي، والعمر، وعدم توافق التشخيص مع الخدمة، والموافقة الناقصة، والتكرار، والتكرار الزمني، والتفكيك، والضرورة الطبية، والسعر أعلى من العقد، وكل مشكلة مربوطة بالقاعدة التي يجب أن تمسكها
البيانات الوهمية والمشكلات المزروعة، وكل مشكلة بالقاعدة المتوقع أن تمسكها

المحرك من الداخل

المحرك في ملف واحد engine.py، وكل قاعدة فيه دالة مولدة Generator تسجل نفسها بمزخرف Decorator يحمل معرفها ومرحلتها ووصفها، وترجع صفراً أو أكثر من النتائج:

@dataclass
class Finding:
    rule: str
    action: str          # reject_claim | reject_item | pend_item | adjust_item | flag
    reason: str          # NPHIES adjudication reason code where one fits, "-" otherwise
    text: str
    item: int = 0        # 0 = the whole claim

RULES = []

def rule(rid, stage, desc):
    def wrap(fn):
        RULES.append((stage, rid, desc, fn))
        return fn
    return wrap

@rule("EDIT-3", 2, "diagnosis matches the patient gender")
def gender(c, m, ctx):
    for d in c["dx"]:
        g = D.get(d, {}).get("gender")
        if g and g != m["gender"]:
            yield Finding("EDIT-3", "reject_claim", "AD-3-6", f"{d} is {g}-only, patient is {m['gender']}")

ولاحظ ثلاثة قرارات في هذا الشكل. الأول أن القاعدة لا تغير المطالبة ولا تحسب مبالغ، وإنما تصف ما وجدته فقط، والمحرك هو الذي يطبق الأثر. وهذا يجعل كل قاعدة قابلة للاختبار وحدها بمطالبة واحدة. والثاني أن كل نتيجة تحمل نصاً يشرح السبب بالأرقام، مثل أن الرمز للإناث فقط والمريض ذكر، وهذا النص هو ما يراه المراجع البشري والمستشفى. والثالث أن كل نتيجة تحمل رمز السبب الذي يرسل في الرد، فالربط بين القاعدة الداخلية والرمز الرسمي في مكان واحد.

والمحرك نفسه يمر على المراحل بالترتيب، ويطبق أثر كل نتيجة على حالة البنود، ويتوقف بعد أي مرحلة فيها رفض للمطالبة كلها، ثم يحسب المبالغ في المرحلة الخامسة:

def adjudicate(c, m, ctx, order=(1, 2, 3, 4, 5), stop_on_reject=True):
    r = Result(c)
    for it in c["items"]:
        r.items[it["seq"]] = {"status": "approved", "eligible": 0.0, "copay": 0.0, "paid": 0.0, "adjusted_price": None}
    for stage in order:
        if stage == 5:
            price(c, m, ctx, r)
            continue
        for st, rid, desc, fn in RULES:
            if st != stage:
                continue
            for f in fn(c, m, ctx):
                r.findings.append(f)
                if f.action == "reject_claim":
                    for v in r.items.values():
                        v["status"] = "rejected"
                elif f.action == "reject_item":
                    r.items[f.item]["status"] = "rejected"
                elif f.action == "pend_item" and r.items[f.item]["status"] == "approved":
                    r.items[f.item]["status"] = "pended"
                elif f.action == "adjust_item":
                    pkg = f.text.split(" paid as ")[1].split(" ")[0]
                    r.items[f.item]["adjusted_price"] = SV[pkg]["price"]
        if stop_on_reject and any(f.action == "reject_claim" for f in r.findings):
            break                                   # nothing after a claim-level rejection

والمتغير ctx هو ذاكرة المحرك بين المطالبات: البنود التي دفعت سابقاً بمفتاح العضو والخدمة والتاريخ، وما استهلكه كل عضو من حدوده. وبدون هذه الذاكرة لا تستطيع قاعدة التكرار ولا قاعدة التكرار الزمني ولا حد المنفعة أن تعمل، لأن كل منها يسأل عن الماضي. وفي نظام حقيقي تكون هذه الذاكرة قاعدة بيانات تاريخ المطالبات، وهنا قاموس في الذاكرة لأن المطالبات مرتبة بالتاريخ.

القواعد الخمس عشرة واحدة واحدة

القاعدةالمرحلةماذا تفحصالأثر والسبب
ELIG-01الأهليةتاريخ الخدمة داخل فترة التغطيةرفض المطالبة، CV-2-1
ELIG-02الأهليةدرجة المستشفى ضمن شبكات خطة العضورفض المطالبة، CV-1-1
EDIT-1سريريةكل تشخيص صالح للفوترةرفض المطالبة
EDIT-2سريريةتاريخ الخدمة قبل نهاية صلاحية الرمزرفض المطالبة
EDIT-3سريريةالرمز يناسب جنس المريضرفض المطالبة، AD-3-6
EDIT-4سريريةالتشخيص الأول مسموح كتشخيص رئيسيرفض المطالبة، SE-1-7
EDIT-5سريريةعمر المريض بين حدي الرمزرفض المطالبة، AD-3-5
CODE-01البنودأحد التشخيصات يبدأ ببادئة تبرر الخدمةرفض البند، AD-1-4
POL-01البنودمرجع موافقة على كل خدمة تحتاجهارفض البند، BE-1-4
POL-02البنودنفس العضو والخدمة والتاريخ لم يدفع سابقاًرفض البند، AD-2-4
POL-03البنودتحليل السكر التراكمي مرة كل 90 يوماًرفض البند، CV-3-2
POL-04البنودكل مكونات اللوحة في نفس المطالبة دون اللوحةدفع سعر اللوحة على البند الأول ورفض الباقي، AD-3-2
MN-01الضرورةرنين الظهر قبل ستة أسابيع دون علامة خطرتعليق البند للمراجعة، MN-1-1
FIN-01التسعيرالسعر المرسل أعلى من سعر العقددفع سعر العقد، BE-1-3
FIN-02التسعيرالمتبقي من حد المنفعة يكفيدفع المتبقي فقط، CV-1-8

وأكثر هذه القواعد تحتاج شرحاً هي الضرورة الطبية، لأنها القاعدة الوحيدة التي تعتمد على حكم سريري. فقد كتبناها من توصية معروفة في حملة الاختيار الحكيم Choosing Wisely، نشرتها الأكاديمية الأمريكية لأطباء الأسرة في مقال في مجلتها سنة 2012، ونصها ألا تجرى الأشعة لألم أسفل الظهر خلال الأسابيع الستة الأولى إلا مع وجود علامات خطر Red Flags، مثل العجز العصبي الشديد أو المتزايد، أو الشك في حالة خطيرة مثل التهاب العظم. ولاحظ أن القاعدة لا ترفض، وإنما تعلق البند لطبيب يراجعه، والسبب أن علامة الخطر قد تكون في ملاحظة الطبيب ولم تصل إلى المطالبة، فالرفض الآلي هنا قد يمنع فحصاً يحتاجه مريض. وهذا مبدأ عام: القاعدة التي تعتمد على حكم سريري تعلق ولا ترفض، والقاعدة التي تعتمد على حقيقة في البيانات، مثل الجنس أو التاريخ، ترفض.

وقاعدة التفكيك تستحق أيضاً وقفة. فلو أرسل المستشفى التحاليل الثلاثة منفصلة لكان مجموعها 175 ريالاً بأسعار جدولنا، بينما اللوحة 190. أي أن التفكيك هنا لا يرفع المبلغ، والقاعدة مع ذلك تعيد التسعير إلى سعر اللوحة، لأن العقد يقول إن هذه الخدمة لها رمز واحد. وفي مقال كشف الاحتيال في نفس المرحلة سوف نرى الحالة المعاكسة، حيث المكونات أغلى من اللوحة، وعندها يتحول التفكيك من خطأ ترميز إلى نمط يبحث عنه فريق الاحتيال.

وبقية القواعد أبسط في الحكم، ولكن كل واحدة فيها قرار صغير يستحق أن تعرفه. فقاعدة توافق التشخيص مع الخدمة CODE-01 تقارن بالبادئة وليس بالرمز الكامل، أي أن تحليل السكر التراكمي مقبول مع أي رمز يبدأ بـ E11، وهذا يختصر الجدول كثيراً، ولكنه يعني أيضاً أن الجدول لا يفرق بين أنواع السكري الفرعية، وهذا مقبول في قاعدة توافق ولا يقبل في قاعدة تسعير. وقاعدة التكرار الزمني POL-03 تسأل عن الماضي فقط: هل دفع نفس التحليل لنفس العضو خلال 90 يوماً قبل هذا التاريخ؟ ولا تسأل عن المستقبل، لأن المطالبات تصل بترتيب الخدمة تقريباً، ولو وصلت مطالبة قديمة متأخرة فسوف تقبل هي وترفض التي بعدها إذا أعيدت معالجتها. وهذا سبب أن ترتيب معالجة المطالبات بتاريخ الخدمة، وليس بتاريخ الوصول، قرار يجب أن يكتب صراحة. أما قاعدة حد المنفعة FIN-02 فتأتي بعد سعر العقد، لأن الحد يستهلك بالمبلغ المقبول وليس بالمبلغ المرسل، ولو عكست الترتيب لاستهلك المستشفى الذي يرسل أسعاراً أعلى من العقد حدود مرضاه أسرع من غيره.

وماذا لو أردت أن تكتب نفس القاعدة بمحرك عام مثل json-rules-engine؟ القاعدة تصبح بيانات وليس كوداً، وهذا شكلها التقريبي لقاعدة الجنس:

{
  "conditions": { "all": [
    { "fact": "diagnosis", "path": "$.gender", "operator": "notEqual", "value": null },
    { "fact": "diagnosis", "path": "$.gender", "operator": "notEqual", "value": { "fact": "patient", "path": "$.gender" } }
  ]},
  "event": { "type": "reject_claim", "params": { "rule": "EDIT-3", "reason": "AD-3-6" } }
}

والفائدة أن المحلل يستطيع أن يقرأ هذه القاعدة ويعدلها في أداة إدارة دون أن ينشر برنامجاً جديداً. والثمن أن القاعدة التي تمر على كل التشخيصات في المطالبة، أو تسأل عن تاريخ العضو في آخر 90 يوماً، تحتاج حقائق Facts يجهزها المبرمج على أي حال، فالمحرك العام لا يلغي البرمجة وإنما ينقل جزءاً منها. لذلك لا تبدأ بمحرك عام إلا إذا كان عندك فعلاً محللون يكتبون القواعد، وإلا فإن الشكل الذي كتبناه أسهل في الاختبار والتتبع.

مطالبة واحدة تمر على المراحل

قبل أن نشغل المحرك على كل المطالبات، لنتابع مطالبة واحدة لنرى كيف تتعاون المراحل. المطالبة C0058 لرجل عمره 29 سنة، زار أخصائياً بسبب ألم أسفل الظهر، وأجرى رنيناً مغناطيسياً للفقرات القطنية، ومعه مرجع موافقة، وفي ملفه أن الألم مستمر منذ أكثر من ستة أسابيع. في المرحلة الأولى: تاريخ الخدمة في أبريل داخل تغطيته، والمستشفى من الشبكة الأساسية التي تغطيها خطته، فلا شيء. وفي المرحلة الثانية: الرمز M54.5 صالح للفوترة، ولا قيود على جنسه أو عمره، ومسموح كتشخيص رئيسي، فلا شيء. وفي المرحلة الثالثة: الرنين مبرر بالبادئة M54، والموافقة موجودة، ولم يدفع قبل ذلك، فلا شيء. وفي المرحلة الرابعة: مدة الأعراض أكثر من ستة أسابيع، فلا تعليق. وفي المرحلة الخامسة: سعر الاستشارة مطابق للعقد، والرنين 1,600 ريال، ولكن خطة العضو الأساسية حد الأشعة فيها 1,500 في السنة، وكان قد استهلكه كاملاً قبل ذلك، فالمتبقي صفر. فيرجع المحرك:

C0058 back-mri M047 male 29 2026-04-07 PRV-A ['M54.5'] ['CONS-SPEC', 'IMG-MRI-LS'] [] -> partial
     FIN-02 adjust_item CV-1-8 imaging limit: 0 left of 1500

أي أن الاستشارة دفعت، والرنين رفض بالسبب CV-1-8، والنتيجة الإجمالية جزئية. ولاحظ أن كل القواعد السريرية والسياسية قالت إن الرنين صحيح ومبرر وموافق عليه، ومع ذلك لن يدفع، لأن المشكلة ليست في الخدمة وإنما في الوثيقة. وهذا بالضبط ما رأيناه في مقال الأهلية والموافقة المسبقة: المنافع المتبقية تظهر في رد الأهلية، فإذا قرأها نظام المستشفى قبل الحجز عرف المريض أن الرنين على حسابه قبل أن يجريه. والمعنى العملي أن المحرك في جانب الشركة يحتاج نفس البيانات التي ترجعها الشركة في رد الأهلية، وأن الرقمين يجب أن يأتيا من نفس المصدر، وإلا قال رد الأهلية شيئاً وقال المحرك شيئاً آخر.

نشغل المحرك على 200 مطالبة

docker run --rm -v "$PWD:/lab" -w /lab adjudication-lab python run.py
200 claims, 399 items, 15 rules, 22.3 ms in total, 112 us per claim
outcomes: {'rejected': 56, 'approved': 111, 'partial': 28, 'pended': 5}
submitted 712,740 SAR | eligible 433,745 | copay 5,500 | payer pays 428,245 | pended 8,000

rule hits (claims):
  ELIG-01   19  service date inside the coverage period
  ELIG-02    5  provider inside the member network
  EDIT-1     5  diagnosis is a billable code
  EDIT-2     5  service date inside the code validity period
  EDIT-3     3  diagnosis matches the patient gender
  EDIT-4     5  code allowed as principal diagnosis
  EDIT-5     7  diagnosis fits the patient age
  CODE-01    5  the diagnosis supports the service
  POL-01     5  prior authorization present where required
  POL-02     6  not already paid: same member, service and date
  POL-03     5  frequency limit (HbA1c once per 90 days)
  POL-04     5  components of a package billed separately (unbundling)
  MN-01      5  lumbar MRI before 6 weeks without a red flag goes to a reviewer
  FIN-01     4  billed above the contract price
  FIN-02    11  benefit sub-limit

في المخرج أعلاه لاحظ التالي:

  • 200 مطالبة في 22 مللي ثانية، أي قرابة عشر المللي ثانية للمطالبة. فالمحرك ليس مشكلة أداء، والوقت الحقيقي في أي نظام تسوية يذهب إلى قراءة تاريخ المريض وجداول العقد من قاعدة البيانات.
  • من 712,740 ريالاً مرسلة تدفع الشركة 428,245، أي قرابة 60%، ويتحمل المرضى 5,500. والفرق الكبير ليس كله رفضاً لمشكلات حقيقية، فسوف نرى بعد قليل أن جزءاً منه بسبب خطأ في مولد البيانات نفسه.
  • خمس مطالبات معلقة بمبلغ 8,000، وهي خمس صور رنين بـ 1,600 لكل منها. وهذا المبلغ لا يدفع ولا يرفض حتى يراجعه طبيب، وفي التقارير المالية يجب أن يظهر منفصلاً.
  • ELIG-01 أمسكت 19 مطالبة، رغم أننا زرعنا خمساً فقط. وFIN-02 أمسكت 11 دون أن نزرع شيئاً لها.
نتائج 200 مطالبة: 111 موافقة و28 جزئية و56 رفضاً و5 معلقة، والمبالغ: 712740 ريالاً مرسلة، و433745 مقبولة، و5500 تحمل المرضى، و428245 تدفعها الشركة، و8000 معلقة، وعدد المطالبات التي أمسكتها كل قاعدة من ELIG-01 بـ 19 إلى EDIT-3 بـ 3
النتائج والمبالغ، وعدد المطالبات التي أمسكتها كل قاعدة

كيف تقرأ الأرقام المالية؟

الرقم الذي يسأل عنه المدير أولاً هو نسبة ما دفع من المرسل، وهنا 60% تقريباً. وهذا الرقم وحده مضلل لسببين. الأول أن المرفوض ليس كله خطأ مستشفى: جزء منه تجاوز حدود منافع، وهذا قرار صحيح يعني أن المريض يتحمل الفرق، وجزء منه مطالبات لمرضى انتهت تغطيتهم، وهذا خطأ في الاستقبال كان يجب أن يكشفه التحقق من الأهلية قبل الخدمة. والثاني أن المطالبات الكبيرة تسيطر على الرقم: خمس مطالبات استئصال بروستاتا رفضت للأهلية بـ 14 ألفاً لكل منها، أي 70 ألفاً، بينما كل الاستشارات المرفوضة مجتمعة 7,290 ريالاً. لذلك كتبنا سكربتاً صغيراً money.py ينسب كل ريال لم يدفع إلى أول قاعدة أصابت بنده:

ELIG-01     128,320
POL-01       48,100
EDIT-3       32,500
POL-02       27,815
FIN-02       13,100
ELIG-02       9,925
FIN-01        4,380
EDIT-1        2,545
EDIT-4        1,650
EDIT-5          960
EDIT-2          750
CODE-01         450
POL-03          450
POL-04          425

والترتيب هنا مختلف تماماً عن ترتيب عدد المطالبات. فقاعدة الموافقة المسبقة أمسكت خمس مطالبات فقط، ولكنها ثاني أكبر مبلغ لأن الخدمات التي تحتاج موافقة غالية بطبيعتها، وقاعدة التفكيك أمسكت خمساً بأصغر مبلغ. لذلك اقرأ المرفوض بحسب القاعدة وبحسب القسم المسؤول، وليس كنسبة واحدة، وابدأ بالقاعدة التي ترفض أكبر مبلغ وليس بالتي ترفض أكبر عدد. وفي حالتنا يعني هذا أن أول استثمار هو التحقق من الأهلية عند الاستقبال، ثم تنبيه الموافقات في نظام الطلبات.

والمبلغ المعلق له قراءة ثالثة: هو مال لم يقرر بعد، فلا يحسب في المدفوع ولا في المرفوض، ولكنه يجب أن يظهر في تقرير المستشفى كذمة متوقعة، وفي تقرير الشركة كعبء على فريق المراجعة الطبية. وإذا ارتفع المعلق أسبوعاً بعد أسبوع دون أن ينخفض، فالمشكلة في عدد المراجعين وليس في المحرك، وهذا مؤشر يجب أن يراقبه من يدير المطالبات في الشركة كما يراقب معدل الرفض.

هل أمسك المحرك ما زرعناه؟

injected problems: caught by the expected rule?
  coverage_expired  5/5  (ELIG-01)
  out_of_network    5/5  (ELIG-02)
  non_billable      5/5  (EDIT-1)
  retired_code      5/5  (EDIT-2)
  gender            3/5  (EDIT-3)
  principal         5/5  (EDIT-4)
  age               5/5  (EDIT-5)
  dx_mismatch       5/5  (CODE-01)
  no_preauth        5/5  (POL-01)
  duplicate         5/5  (POL-02)
  frequency         4/5  (POL-03)
  unbundled         5/5  (POL-04)
  necessity         5/5  (MN-01)
  price             4/5  (FIN-01)

66 من 70، والأربع الباقية هي أهم ما في هذا المختبر، لأن كل واحدة منها تعلمنا شيئاً عن المحركات. فكتبنا سكربتاً صغيراً why.py يطبع لأي مطالبة كل ما وجده المحرك فيها:

C0175 turp M030 male 63 2026-07-22 PRV-C ['O80'] ['PRC-TURP'] ['gender'] -> rejected
     ELIG-01 reject_claim CV-2-1 service 2026-07-22 outside coverage 2025-07-01..2026-06-30
C0142 diabetes-panel M000 male 55 2026-07-18 PRV-A ['E11.9'] ['CONS-SPEC', 'LAB-DMPANEL', 'RX-METF'] ['price'] -> rejected
     ELIG-01 reject_claim CV-2-1 service 2026-07-18 outside coverage 2025-07-01..2026-06-30
C0181 diabetes M027 female 32 2026-07-27 PRV-A ['E11.9', 'I10'] ['CONS-SPEC', 'LAB-HBA1C', 'LAB-LIPID'] ['frequency'] -> approved

في المخرج أعلاه لاحظ التالي:

  • مطالبتا الجنس اللتان فاتتا (واحدة منهما C0175) كان فيهما تشخيص ولادة لرجل، ولكن وثيقة العضو انتهت قبل تاريخ الخدمة، فرفضت المطالبة في المرحلة الأولى وتوقف المحرك. والتشخيص الخاطئ لم يفحص أصلاً.
  • مطالبة السعر C0142 نفس القصة: رفضت للأهلية، فلم تصل إلى مرحلة التسعير.
  • مطالبة التكرار الزمني C0181 قبلت، لأن التحليل السابق الذي زرعه المولد قبلها بثلاثين يوماً هو الذي رفض، والسبب أن هذه العضوة عندها تحليل آخر حقيقي في البيانات قبل ذلك بـ 73 يوماً. أي أن المحرك رفض التحليل الأوسط وقبل الأخير، وهذا صحيح، لأن الأخير جاء بعد تسعين يوماً من آخر تحليل دفع فعلاً. والخطأ هنا في الحقيقة التي كتبناها في المولد، وليس في المحرك.

والدرس الأول أن البيانات الوهمية التي تقيس بها نظامك قد تكون هي الخاطئة، فلا تعدل المحرك ليطابق التصنيف قبل أن تفهم كل حالة فاتت. والدرس الثاني أكبر، وهو موضوع التجربة الأولى.

مطالبات سليمة وجد فيها المحرك مشكلات

من 130 مطالبة لم نزرع فيها شيئاً، وجد المحرك شيئاً في 24 منها. وهذا جزء من المخرج:

clean claims: 130, with any finding: 24
   C0147 back [('POL-02', 'CONS-GP on 2026-01-10 already in C0041')]
   C0058 back-mri [('FIN-02', 'imaging limit: 0 left of 1500')]
   C0139 back-mri [('FIN-02', 'imaging limit: 300 left of 2500')]
   C0181P diabetes [('POL-03', 'LAB-HBA1C also paid on 2026-04-15')]
   C0110 nicu [('ELIG-01', 'service 2026-07-19 outside coverage 2025-07-01..2026-06-30')]
   C0150 turp [('ELIG-01', 'service 2026-09-06 outside coverage 2025-07-01..2026-06-30')]
   ...

وتنقسم إلى أربع مجموعات:

  • 11 مطالبة رفضت للأهلية: كلها لأعضاء تغطيتهم من يوليو 2025 إلى نهاية يونيو 2026، والمولد أعطاهم زيارات في أي يوم من السنة دون أن يتحقق من تغطيتهم. فهذا خطأ في المولد، والمحرك على حق تماماً، وهذا مع المطالبات الثلاث التي زرعنا فيها مشكلة أخرى ورفضت للأهلية قبلها يفسر لماذا أمسكت ELIG-01 19 مطالبة: خمس زرعناها، و11 سليمة في ظننا، وثلاث زرعنا فيها شيئاً آخر.
  • حدود منفعة الأشعة: المولد أعطى بعض الأعضاء استهلاكاً سابقاً للأشعة، فجاء الرنين بـ 1,600 أكبر من المتبقي، فدفع المحرك المتبقي فقط أو لا شيء. وهذا سلوك صحيح، وهو نفس ما رأيناه في الموافقة الجزئية في مقال الأهلية.
  • مطالبة واحدة مشكوك فيها C0147: رجل زار نفس المستشفى في نفس اليوم مرتين، مرة لالتهاب المسالك ومرة لألم الظهر، وكل زيارة فيها استشارة طبيب عام. فرفض المحرك الاستشارة الثانية كمكررة. هل هذا صحيح؟ ربما كانت زيارة واحدة فتحت لها مطالبتان، وربما كانتا زيارتين حقيقيتين لشكويين مختلفتين. وهذا موضوع التجربة الثانية.
  • التحليل الأوسط C0181P: هو التحليل الذي زرعه المولد قبل مطالبة التكرار الزمني بثلاثين يوماً، ورفضه المحرك لأن العضوة عندها تحليل قبله بـ 73 يوماً، كما شرحنا في القسم السابق.

ثلاث تجارب على نفس المطالبات

التجربة الأولى: التوقف عند أول رفض أم جمع كل الأسباب؟

شغلنا المحرك مرتين على نفس المطالبات: مرة يتوقف بعد أي مرحلة فيها رفض للمطالبة كلها، ومرة يكمل كل المراحل ويجمع كل الأسباب، ثم طبعنا المطالبات التي اختلفت فيها الأسباب:

docker run --rm -v "$PWD:/lab" -w /lab adjudication-lab python exp.py
== A. stop at the first claim-level rejection, or collect every finding?
  C0165 turp            stop: ['EDIT-3', 'EDIT-5']  all: ['EDIT-3', 'EDIT-5', 'CODE-01']
  C0107 turp            stop: ['EDIT-3', 'EDIT-5']  all: ['EDIT-3', 'EDIT-5', 'CODE-01']
  C0052 delivery        stop: ['EDIT-3']  all: ['EDIT-3', 'CODE-01']
  C0175 turp            stop: ['ELIG-01']  all: ['ELIG-01', 'EDIT-3', 'EDIT-5', 'CODE-01']
  C0076 turp            stop: ['ELIG-01']  all: ['ELIG-01', 'EDIT-3', 'CODE-01']
  claims with more than one problem found: 5

تخيل ما يحدث للمطالبة C0175 في الواقع إذا كان المحرك يتوقف: يصل للمستشفى رفض بسبب الأهلية، فيكتشف موظف المطالبات أن العضو جدد وثيقته برقم جديد، ويعيد الإرسال، فيأتي رفض ثان بسبب الجنس، فيرسلها إلى المرمز الذي يصحح التشخيص، ويعيد الإرسال، فيأتي رفض ثالث لأن الخدمة لا يبررها التشخيص القديم. ثلاث دورات بدل دورة واحدة، وكل دورة أيام. ومع جمع كل الأسباب يصل الرفض الأول ومعه الأسباب الأربعة، فيصلحها الأقسام الثلاثة معاً.

فلماذا يتوقف أي محرك أصلاً؟ لأن بعض النتائج تصبح بلا معنى بعد الرفض: لا معنى لحساب حد منفعة لمريض غير مغطى، وبعض القواعد مكلفة إذا كانت تقرأ تاريخاً طويلاً. والتصميم الذي نراه أفضل هو الوسط: الأثر المالي يتوقف عند أول رفض، ولكن قواعد التحقق من البيانات تكمل وتجمع أسبابها كتنبيهات في الرد، حتى يرى المستشفى كل ما يجب إصلاحه مرة واحدة.

المطالبة C0175 لرجل عمره 63 بتشخيص ولادة O80 وخدمة استئصال البروستاتا بعد انتهاء تغطيته: المحرك الذي يتوقف يرجع سبباً واحداً ELIG-01 فيمر المستشفى بثلاث دورات رفض وتصحيح، والمحرك الذي يجمع الأسباب يرجع ELIG-01 وEDIT-3 وEDIT-5 وCODE-01 في رد واحد فيصححها الاستقبال والمرمز معاً
التوقف عند أول رفض يخفي بقية المشكلات، والمستشفى يكتشفها واحدة واحدة

التجربة الثانية: ما هو التكرار بالضبط؟

قاعدة التكرار في المحرك تعتبر البند مكرراً إذا دفع لنفس العضو نفس الخدمة في نفس التاريخ. وجربنا مفتاحاً آخر يضيف التشخيص الرئيسي، أي أن الاستشارة لشكوى أخرى في نفس اليوم ليست تكراراً:

== B. duplicate key: (member, service, date) or (member, service, date, principal diagnosis)
  key=date: flagged 6 ['C0147', 'C0125D', 'C0116D', 'C0005D', 'C0114D', 'C0074D'] | real duplicates caught 5/5
  key=dx: flagged 5 ['C0125D', 'C0116D', 'C0005D', 'C0114D', 'C0074D'] | real duplicates caught 5/5

المفتاح الثاني أمسك نفس التكرارات الخمسة المزروعة وترك C0147. فهل هو أفضل؟ ليس بالضرورة، لأنه يفتح باباً آخر: مستشفى يرسل نفس الاستشارة مرتين بتشخيصين مختلفين سوف يمر. ولا يوجد مفتاح صحيح في المطلق، والمعلومة التي تحسم الأمر هي ما يطلبه دليل نفيس على كل بند: رقم فاتورة المريض، الذي يذكر الدليل صراحة أن غرضه كشف التكرار. فالزيارتان الحقيقيتان لهما فاتورتان، والنسخة المكررة لها نفس الفاتورة. لذلك إذا كان عندك رقم الفاتورة فاجعله جزءاً من المفتاح، وإذا لم يكن، فاجعل القاعدة تعلق للمراجعة بدل أن ترفض عندما يختلف التشخيص.

التجربة الثالثة: السرعة على عشرة آلاف مطالبة

== C. throughput on 50 copies of the batch (new ids, same members)
  10000 claims in 1007 ms, 101 us per claim

عشرة آلاف مطالبة في ثانية واحدة على Python عادية دون أي تحسين. ولاحظ أن النسخ هنا لنفس الأعضاء ونفس التواريخ، فأغلب النسخ بعد الأولى سوف ترفض كتكرار، أي أن الرقم يقيس السرعة فقط وليس النتائج. والاستنتاج أن اختيار محرك قواعد عام بسبب الأداء نادراً ما يكون مبرراً في هذا الحجم، والأسباب الحقيقية لاختياره هي إدارة القواعد وليس سرعتها. أما ما يبطئ أنظمة التسوية الحقيقية فهو قراءة تاريخ العضو من قاعدة البيانات لكل مطالبة، فقاعدتا التكرار وحد المنفعة تسألان عن الماضي، وفي الإنتاج يكون هذا الماضي ملايين الأسطر. لذلك صمم الفهارس على مفتاح العضو والخدمة والتاريخ قبل أن تفكر في استبدال المحرك.

كيف تشرح القرار؟

كل رفض يصل إلى المستشفى يجب أن يجيب عن ثلاثة أسئلة: ماذا رفض، ولماذا، وماذا أفعل الآن؟ والمحرك الذي يرجع رمز السبب وحده يجيب عن الأول فقط. لذلك صممنا كل نتيجة لتحمل ثلاثة أشياء: معرف القاعدة الداخلي الذي يعرفه فريقك، ورمز السبب الرسمي الذي يرسل في الرد، ونصاً فيه الأرقام التي بني عليها القرار، مثل «الرمز للإناث فقط والمريض ذكر» أو «متبقي حد الأشعة 300 من 2,500». والنص يذهب إلى ملاحظات الرد التي يقرؤها الموظف، والرمز يذهب إلى تقارير الرفض.

وفي جانب الشركة له استخدام آخر: الاعتراض Appeal. فعندما يعترض المستشفى على رفض، يحتاج المراجع أن يعرف أي قاعدة رفضت، وبأي نسخة من الجداول، وماذا كانت قيمة الحقول وقتها. لذلك احفظ مع كل قرار رقم نسخة القواعد ونسخة الجداول، وإلا فلن تستطيع أن تعيد القرار نفسه بعد أن يتغير جدول المنافع بعد ستة أشهر. وهذا نفس مبدأ سجل التدقيق: من قرر ماذا، ومتى، وبناء على أي بيانات.

إدارة القواعد في الإنتاج

كتابة القاعدة هي الجزء السهل. والجزء الصعب أن تعيش مئات القواعد سنوات دون أن تفسد بعضها، وهذه الممارسات التي نراها ضرورية:

  • كل قاعدة لها مالك وتاريخ سريان: القاعدة التي تطبق من تاريخ معين، مثل قواعد هيئة التأمين التي أعلنت في فبراير، يجب ألا تطبق على مطالبة خدمة قبل ذلك التاريخ. فالسريان بتاريخ الخدمة وليس بتاريخ التشغيل.
  • مطالبات ذهبية لكل قاعدة: مطالبة يجب أن تمسكها، ومطالبة تشبهها يجب ألا تمسكها، وهذا ما فعله المولد عندنا. والاختبار يفشل إذا تغيرت النتيجة.
  • المحاكاة قبل التشغيل: قبل تشغيل قاعدة جديدة، شغلها على مطالبات الشهر الماضي وانظر كم مطالبة كانت ستغير، وكم مبلغاً. والقاعدة التي كانت سترفض 20% من مطالبات مستشفى واحد تحتاج مراجعة قبل أن تصل إلى المستشفى، لأنها على الأغلب خطأ في القاعدة وليس في المستشفى.
  • مراقبة معدل كل قاعدة: عدد مرات تطبيق كل قاعدة يومياً، مع تنبيه إذا ارتفع أو هبط فجأة. وفي مختبرنا كان رقم ELIG-01 أكبر من المتوقع بثلاثة أضعاف تقريباً، وهو الذي كشف خطأ المولد.
  • الرفض والتعليق قراران مختلفان: القاعدة التي تعتمد على حكم سريري تعلق، والتي تعتمد على حقيقة في البيانات ترفض، كما شرحنا في قاعدة الرنين.
  • نفس القواعد في المستشفى: إذا كنت في جانب المستشفى، فشغل نفس المحرك قبل الإرسال بالقواعد التي تعرفها: القواعد السريرية الخمس، والتوافق، والتكرار، والموافقة، فكل ما يكشفه نظامك يوفر دورة رفض.
دورة حياة القاعدة: كتابة القاعدة بمعرف ومالك وتاريخ سريان ورمز سبب، ثم مطالبات ذهبية واحدة يجب أن تمسكها وواحدة يجب ألا تمسكها، ثم محاكاة على مطالبات الشهر الماضي بعدد المطالبات والمبالغ المتغيرة لكل مستشفى، ثم التشغيل بنسخة رقمها محفوظ مع كل قرار، ثم مراقبة المعدل اليومي لكل قاعدة مع تنبيه للتغير المفاجئ، ثم المراجعة بعد الاعتراضات
دورة حياة القاعدة من الكتابة إلى المراقبة

نفس القواعد من جهتين: المستشفى والشركة

كل قاعدة في هذا المقال لها وجهان. فشركة التأمين تشغلها لتقرر ما تدفع، والمستشفى يشغلها قبل الإرسال ليعرف ما سوف يرفض. والفرق بين الجهتين ليس في القواعد نفسها، وإنما في البيانات التي تملكها كل جهة. فالمستشفى يعرف ملف المريض كاملاً، ويعرف إن كانت هناك علامة خطر في ملاحظة الطبيب، ويعرف رقم الفاتورة، ولكنه لا يعرف ما استهلكه المريض من حدوده في مستشفيات أخرى، ولا يعرف إلا ما ترجعه الشركة في رد الأهلية. والشركة تعرف تاريخ المطالبات كله من كل المستشفيات، والعقد بأسعاره، ولكنها لا ترى من ملف المريض إلا ما في المطالبة.

لذلك فالقواعد التي يجب أن يشغلها المستشفى قبل الإرسال هي التي يملك بياناتها كاملة: القواعد السريرية الخمس، وتوافق التشخيص مع الخدمة، والموافقة المسبقة، والتكرار داخل المستشفى نفسه، وسعر العقد. وكل رفض من هذه العائلات يصل من الشركة هو في الحقيقة خطأ كان يجب أن يكشفه نظام المستشفى. أما حدود المنافع والتكرار عبر المستشفيات فلا يستطيع المستشفى أن يحسمها، وأقصى ما يفعله أن يقرأ المنافع من رد الأهلية ويحذر قبل الخدمة. والقاعدة الطبية التي تعلقها الشركة يستطيع المستشفى أن يمنع تعليقها بإرسال المعلومة الحاسمة مع المطالبة من البداية، مثل مدة الأعراض أو علامة الخطر في المعلومات الداعمة، لأن المراجع يقرر بما يراه أمامه.

وهناك فائدة أخرى لتشغيل المحرك في المستشفى: تقرير يومي بالمطالبات التي أمسكها قبل الإرسال، مقسم بحسب القسم المسؤول. فالاستقبال يرى أخطاء الأهلية، والمرمزون يرون أخطاء القواعد السريرية والتوافق، ومكتب الموافقات يرى الخدمات التي نفذت دون موافقة. وهذا التقرير أنفع من تقرير الرفض الذي يأتي من الشركة بعد أسابيع، لأن الخطأ ما زال قابلاً للإصلاح، والمريض ما زال في المستشفى أحياناً.

أخطاء شائعة

  • القواعد داخل كود المعالجة: لا أحد يعرف لماذا رفض البند، وكل تغيير نشر جديد.
  • التوقف عند أول رفض في كل شيء: المستشفى يكتشف المشكلات واحدة واحدة في دورات متتالية.
  • الرفض الآلي في قرار سريري: علامة الخطر قد تكون في ملف المريض وليس في المطالبة، فعلق ولا ترفض.
  • مفتاح تكرار دون فاتورة: يرفض زيارة ثانية حقيقية، أو يمرر نسخة مكررة بتشخيص آخر.
  • رمز سبب لا يصف القاعدة: اترك السبب فارغاً مع نص واضح بدل رمز يضلل المستشفى.
  • قياس المحرك ببيانات لم تراجعها: رأينا تصنيفاً خاطئاً في المولد، و14 مطالبة اعتبرناها سليمة وهي ليست كذلك.
  • قرار دون رقم نسخة القواعد والجداول: لا تستطيع إعادة القرار عند الاعتراض.
  • قاعدة جديدة دون محاكاة على الماضي: أول من يكتشف خطأها هو المستشفى.

جدول قرار: ماذا تفعل كل قاعدة عند الفشل؟

نوع القاعدةمثالالأثر المناسبلماذا
حقيقة إدارية عن العضوالتغطية، الشبكةرفض المطالبة، مع جمع بقية الأسباب كتنبيهاتلا تدفع الشركة شيئاً، والمستشفى يحتاج كل الأسباب
حقيقة في الرمزالجنس، العمر، الصلاحيةرفضلا يحتاج حكماً، والتصحيح عند المرمز
علاقة بين رمزينالتشخيص والخدمة، التفكيكرفض البند أو إعادة التسعيرالمطالبة قد تكون صحيحة في بقية بنودها
تاريخ المريضالتكرار، التكرار الزمنيرفض البند، أو تعليق إذا كان المفتاح ناقصاًالخطأ في المفتاح يرفض خدمة حقيقية
حكم سريريالرنين قبل ستة أسابيعتعليق لمراجع طبيالمعلومة الحاسمة قد لا تكون في المطالبة
العقد والوثيقةسعر العقد، حد المنفعةتعديل المبلغالخدمة مقبولة والمبلغ هو المشكلة

تدريب عملي

  • عدل المولد ليعطي الأعضاء زيارات داخل فترة تغطيتهم فقط، وأعد التشغيل، وتحقق أن ELIG-01 تمسك خمس مطالبات فقط.
  • أضف إلى كل بند رقم فاتورة، واجعل قاعدة التكرار تستخدمه، ثم أعد التجربة الثانية.
  • أضف قاعدة جديدة: الاستشارة خلال 14 يوماً من استشارة سابقة لنفس العضو ونفس التشخيص عند نفس المستشفى لا تدفع، بالسبب CV-1-9، وشغلها على المطالبات وانظر كم مطالبة تغيرت قبل أن تعتمدها.

الخلاصة

وصلنا لنهاية الموضوع، وأهم ما فيه:

  • التدقيق مراحل بترتيب: الأهلية، ثم القواعد السريرية على التشخيص، ثم البنود والسياسة، ثم الضرورة الطبية، ثم التسعير والحدود.
  • القواعد السريرية الخمس في نفيس كما أعلنتها هيئة التأمين: الرمز الصالح للفوترة، وفترة صلاحيته، والجنس، والتشخيص الرئيسي، والعمر.
  • محرك بخمس عشرة قاعدة، كل قاعدة دالة صغيرة ترجع سبباً ونصاً، والأرقام كلها في جداول، وعالج 200 مطالبة في 22 مللي ثانية وعشرة آلاف في ثانية.
  • أمسك 66 من 70 مشكلة مزروعة. ثلاث منها اختفت خلف رفض الأهلية لأن المحرك يتوقف، وواحدة كان التصنيف فيها خاطئاً من المولد.
  • وجد مشكلات في 24 مطالبة اعتبرناها سليمة، أغلبها خطأ في المولد نفسه، وواحدة زيارتان في نفس اليوم رفضت الثانية كمكررة.
  • جمع كل الأسباب يوفر على المستشفى دورات الرفض، ومفتاح التكرار يحتاج رقم الفاتورة، والقرار السريري يعلق ولا يرفض.
  • القواعد في الإنتاج تحتاج مالكاً وتاريخ سريان ومطالبات ذهبية ومحاكاة على الماضي ومراقبة لمعدلها.
دليلربط المطالبات بمنصة نفيس NPHIES: الرسائل والأخطاءنبني مطالبة من كل نوع بدليل نفيس ونتحقق منها، ونشغل محاكياً يرد فورياً ومؤجلاً ويطلب معلومات ويقبل الإلغاء، ثم نجمع الأخطاء الشائعة ومن يصلح كل واحد.دليلالأهلية Eligibility والموافقة المسبقة Prior Authorizationنبني رسائل الأهلية والموافقة المسبقة بدليل نفيس، ونتحقق منها في HAPI FHIR، ونرد عليها بشركة تأمين وهمية تفحص التغطية والحدود والتشخيص.دليلكشف الاحتيال في المطالبات الصحية Healthcare Fraudنبحث عن رفع الترميز والتفكيك والفوترة الوهمية والتكرار في مطالبات وهمية بالقواعد وبنموذج Isolation Forest، ونقيس الدقة والاستدعاء ونقرأ الإنذارات الكاذبة.دليلالتأمين الصحي من الداخل: الشركة وTPA والوسيط والمستشفىمن يدفع القسط ومن يقرر الموافقة ومن يدير المطالبة في التأمين الصحي السعودي، وكيف يتحرك المال من صاحب العمل إلى المستشفى.دليلالترميز الطبي Clinical Coding: من ملف المريض إلى المطالبةكيف يحول المرمز توثيق الطبيب إلى رموز تشخيص وإجراءات ومجموعات DRG، وما الذي يلزم به مجلس الضمان الصحي في السعودية.دليلالترميز الطبي بالذكاء الاصطناعي: أين ينجح وأين يخطئ؟كيف تساعد القواعد ونماذج اللغة المرمز في اختيار الرموز، وكيف تقيس دقتها وتمنعها من اختراع رموز غير موجودة.دليلالمنصات الصحية في السعودية: نفيس NPHIES وصحتي ووصفتيمن يملك كل منصة صحية وطنية وماذا تفعل، من صحتي ومستشفى صحة الافتراضي إلى نفيس والسجل الموحد، وما يعنيه ذلك لمن يبني نظاماً.دليلAudit Trail: كيف تبني سجل تدقيق لا يقبل العبثكيف تصمم سجلاً يجيب عن سؤال من غير هذه الصلاحية ومتى، وتحميه من الحذف والتعديل بعد كتابته.

سجل التحديثات

  • 2026-11-18: كتابة المقال، وتنفيذ المختبر بمحرك قواعد بلغة Python 3.13.18 على Image مبنية من python:3.13.18-slim، و200 مطالبة وهمية ببذرة ثابتة، على Docker Engine 29.8.0.
نشرة عرب رووت | ArabRoot

معرفة تستحق مكاناً في بريدك.

مقالات مختارة وأدوات مفيدة وأفكار لمشروعك القادم، في رسالة واحدة كل أسبوع.

يمكنك إلغاء الاشتراك متى شئت. الخصوصية

تم استلام طلبك. افتح بريدك واضغط رابط التأكيد لإتمام الاشتراك.