基于DRG的重慶市早產兒住院病例費用分析

袁 源 歐 榮 萬映利

1 重慶醫科大學醫學信息學院，重慶，400042；2 重慶醫科大學圖書館，重慶，400042

疾病診斷相關組(diagnosis related group，DRG)是20世紀70年代美國學者研發的在充分考慮疾病嚴重程度和醫療消耗的基礎上，用于短期住院的醫療服務績效評價和醫療保險付費的工具。重慶市在2016年開始DRG的基礎調研和醫院試點的應用推廣工作，同年啟動病案首頁標準化工作。2018年9月利用《CN-DRGs(2014版)》和《重慶適配分組規則2016版》開展分組規則論證工作。本文以重慶某醫科大學附屬兒童醫院的數據對早產兒的DRG分組進行論證，為重慶本地的適配分組和費用規則提供參考。

1 資料來源與方法

1.1 研究對象

數據來源于重慶某醫科大學附屬兒童醫院2015年11月-2017年10月的出院病例，參照《CN-DRGs(2014版)分組方案》[1]篩選樣本的條件為：①就診年齡小于29天；②離院方式為醫囑離院；③疾病診斷包含編碼亞目為P07.2極度不成熟和P07.3其他早產嬰兒，疾病診斷編碼不包含P22.000新生兒呼吸窘迫綜合征；④未進行手術與操作。

住院費用和住院天數均可作為醫療資源消耗的衡量指標，樣本的住院費用平均值為19574.65±15947.58元，中位數為15129.92元；住院天數平均值為11.91±9.74天，中位數為9天；住院費用和住院天數均呈左偏態分布。對住院費用和住院天數進行線性回歸，得到R2=0.911，說明住院天數與住院費用之間具有強相關性，故本文僅以住院費用作為醫療資源消耗的衡量指標。剔除住院費用1%極端值后納入3415例樣本。

1.2 分組方法

根據杜建亮等人的研究發現，E-CHAID決策樹算法選擇最重要分組因素的能力優于CHAID算法，細分能力優于CART算法[2]；在王珊等人在C-DRG分組方法的研究中也采用E-CHAID決策樹算法進行分組[3]，故本文采用E-CHAID決策樹算法。決策樹參數設置：最大樹深度為3層，父節點/子節點=200/100，拆分節點顯著性檢驗α=0.05。采用秩和檢驗，對決策樹最終分類節點進行合并。

1.3 分類節點與評價指標

結合《CN-DRGs(2014版)》分組和文獻分析，納入性別、入院評分、疾病診斷和出生體重等變量作為分類節點(表1)。

表1 決策樹分類節點與賦值

DRG組最小病例數和最小成本值標準分別為100例和50萬元。采用方差減少量RIV評價分組結果的組間異質性，最小RIV閾值為40%；變異系數CV評價分組結果的組間異質性，最大CV閾值為1.3。在能夠滿足決策者和衛生服務提供方需求上，組數應當適宜[4-5]。

2 結果

2.1 分組結果

以住院費用作為決策樹因變量，以性別、入院評分、疾病診斷和出生體重等變量作為分類節點得到8個最終節點(表2)，每個節點均滿足最小病例數和最小成本值，分組結果方差減少量RIV=74.46%，高于最小RIV閾值，組間異質性好；變異系數CV為0.43-0.75，低于最高CV閾值，組內同質性好。采用秩和檢驗，對檢驗結果P>0.05的相鄰節點進行合并，合并后的各節點對照《CN-DRGs(2014版)》分組方案。通過對照，將《CN-DRGs(2014版)》分組方案中PT13早產兒(體重<2500g)伴一般問題和PT21早產兒(體重≥2500g)伴嚴重問題，PT15早產兒(體重<2500g)不伴問題和PT23早產兒(體重≥2500g)進行合并，最終得到了5個分組(表3)，5個分組的方差減少量RIV=74.49%，變異系數CV為0.47-0.91。與節點合并之前相比，合并后組間異質性更優，合并前組內同質性更優，合并后的5個分組在能夠滿足服務提供方需求的條件下，更利于決策者進行管理。

表2 決策樹最終分類節點

表3 合并后的分類節點與《CN-DRGs(2014版)》對照

2.2 住院天數

以住院天數為X軸構建住院費用日均值和住院費用平均值隨住院天數變化的折線圖。Y軸為住院費用的比值，包含兩條折線：①住院費用日均值=第n天住院費用日均值/住院費用日均值中位數；②住院費用平均值比值=第n天住院費用平均值/住院費用平均值中位數。兩條折線的交點為住院天數閾值，住院天數超過相交點后住院費用增長所產生的效益開始降低，將住院天數控制在相交點以內可以提高床位產出的效益。本文所得各DRG組住院費用平均值與參考住院天數見表4。

表4 各DRG組參考住院天數

圖1 DRG3日均住院費用比值與平均住院費用比值隨住院天數變化折線

2.3 參考費用與費用范圍

由表4中DRG4和DRG5可見，當相交點住院天數與實際平均住院天數相近時，相交點的住院費用與住院費用平均值比值應接近100%；當相交點的住院天數低于實際平均住院天數時，住院費用平均值將超出相交點的住院費用。由此可以得出結論：如果采用住院費用平均值作為參考費用，在部分DRG組中會出現參考費用較高，所以本文以表4中相交點的住院費用作為DRG組的參考費用。取住院費用低于參考費用樣本的中位數作為費用控制的下限，取住院費用高于參考費用樣本的中位數作為費用控制的上限。以各DRG組參考費用與樣本總體住院費用平均值的比值作為該DRG組的參考權重。各DRG組參考費用、費用范圍與參考權重見表5。參考費用和費用范圍既可以作為住院費用償付標準的參考，也可以作為醫院進行住院費用風險控制的指標。

表5 各分組參考費用與費用范圍

3 討論

3.1 圍產期早產兒分組結果分析

本文以住院費用作為決策樹因變量，以性別、入院評分、疾病診斷和出生體重等變量作為分類節點得到8個最終節點，采用秩和檢驗相鄰節點進行合并后最終得到5個分組，對照《CN-DRGs(2014版)》分組方案減少了2個分組。5個分組的方差減少量RIV=74.49%，變異系數CV為0.47-0.91，組間異質性和組內同質性均較為理想，分組結果可以較好區分和反映病情嚴重程度及醫療資源的消耗。

根據國家衛健委公布的數據，我國早產兒發生率在7.0%左右[7]?！?017重慶統計年鑒》顯示2016年登記出生人口38.08萬，圍產期早產兒住院不足2萬例[8]。根據本文的分組結果并結合重慶市本地病例量，可知圍生期早產兒病例的DRG分組在本地分組論證中可以適當合并部分DRG組，所以5個分組在一定程度上已經可以滿足重慶市本地分組需求，且更利于決策者進行管理和變革。

3.2 縮短住院天數仍是醫院管理的重點

本文采用日均住院費用比值與平均住院費用比值隨住院天數變化的折線圖的相交點作為參考住院天數，以參考住院天數指導參考費用，對5個分組進行分析后得到了結果較為理想并且具有可行性的參考住院天數、參考費用、參考費用范圍和參考權重。其中DRG1、DRG2和DRG3三個組的平均住院天數高于參考住院天數，參考住院費用與平均住院費用的比值低于100%，說明該院在這三個DRG組病例的收治效率有待改善；而DRG4和DRG5，平均住院天數與參考住院天數較為接近，參考住院費用與平均住院費用的比值也接近100%，說明該院在這兩個組的收治效率已經較為理想。

在DRG付費模式下，費用效率指數和時間效率指數均是對醫院效率進行評價的重要指標。宋萍等人對重慶15家醫院住院費用影響因素分析后得出結論——縮短住院天數仍是控制住院費用的有效途徑[6]。因此，以住院天數為切入點，將住院天數控制在相交點以內可以提高床位產出的效益。對衛生服務提供方而言，在不影響治療效果的前提下，縮短平均住院天數，加快床位周轉，提高床位利用率，減少冗長而低效的住院，是使衛生服務提供方在DRG付費方式下避免虧損和提高效益的最佳手段。

4 本研究的局限

DRG作為目前公認的較為合理付費方式，已從單純的醫療付費拓寬至績效評價、臨床質量控制和經營決策等諸多方面。病案首頁數據的質量是利用統計學方法進行分組規則探討的決定因素。本文選擇的樣本來源是重慶市最早開展病案首頁質量控制的醫院，能夠代表重慶市病案首頁數據質量的最高水準，該院圍產期新生兒的住院病例收治量在全市占比較大，所以基于統計學方法得到的分組結果較為理想，對本地圍產期新生兒的分組規則具有一定的參考意義。但是重慶市病案首頁質量控制和醫院信息化建設起步較晚，病案首頁數據質量仍有待改善和提高，在對其他病種采用決策樹等統計學方法進行DRG分組的結果仍需要進行更多論證。