2013-2017年部队医院冠心病患者住院费用的影响因素分析

周忠彬，陈 俐，陈长生，邹 文，孟博雅，王 辉，王 敏，王蓓蓓

冠心病是导致人类过早死亡的主要疾病之一，有研究报道，近年冠心病患者人均住院费用呈逐年上升趋势，年增长率达25%[1]。为此，部分研究人员对冠心病患者住院费用的影响因素进行了分析研究[2-3]，但由于该数据呈明显正偏态分布，研究人员在分析过程中普遍采用对数变换方法处理[4-5]，对于处理结果能否达到理想效果研究较少。鉴于此，本文根据多元回归分析数据要求，对住院费用数据进行了有效处理，并在此基础上，对住院费用的影响因素进行了分析，创建了疾病诊断相关分组(diagnosis related groups, DRGs)模型，为医院规范化、精细化管理提供数据支持。

1 资料与方法

1.1 资料来源 数据为部分部队医院2013-2017年主要诊断为冠心病(按ICD-10分类标准)的18 254例非军队医改人员的病案首页数据。将住院费用小于1%或大于99%的病案剔除，有效病案17 890例。年龄(68.27±12.19)岁，年龄范围22～102岁，中位年龄为68岁。

1.2 数据处理 (1)因住院费用数据呈正偏态分布(Kolmogorov-Smirnov检验D=0.2867，P<0.01)，参照以往有关研究做法[4-5]，对该数据通过对数变换处理，但结果仍不理想(D=0.1191，P<0.01)。为达到更好的回归效果，笔者对住院费用数据采取幂变换法[6]。幂变换的形式为：

其中，xi为原始变量，g1为原始变量几何平均值，λ为变量。可以通过改变λ取值，以获得最佳的数据变换效果。(2)对住院费的影响因素进行赋值量化，其中部分因素设置哑变量。见表1。

表1 2013-2017年部队医院非军队医改冠心病患者住院费用影响因素的变量赋值

1.3 研究方法 应用SAS 9.1软件，对住院费用影响因素通过NPAR1WAY过程进行非参数单因素方差分析，通过REG过程进行多因素多元逐步回归分析。为使多元逐步回归分析结果反映出影响因素间影响度具有可比性，在分析前，对量化后的影响因素进行标准化处理。通过对多元逐步回归分析中有统计学意义的自变量进行筛选，组成分组变量，应用SPSS 22.0软件卡方自动交互检测(chi-square automatic interaction detection，CHAID)算法构建社会医保患者住院费用DRGs模型。

2 结果

2.1 单因素分析 单因素非参数方差分析结果显示，所有研究因素对非军队医改冠心病患者住院费用均有显著影响。具体情况见表2。

表2 2013-2017年部队医院非军队医改冠心病患者住院费用单因素非参数方差分析结果

2.2 多元逐步回归分析 以残差分布情况作为衡量多元逐步回归效果的指标，通过幂变换λ的不同取值，确定最佳回归模型，见表3。综合考虑，当λ=-0.13时，回归效果最好。确定按λ=-0.13对住院费用数据进行幂变换后逐步回归分析(slstay=0.15)，得到应变量y与各自变量(影响因素)间的回归方程为：

y=185 666+1 062.20yyzd+4 520.69zyts-813.10xb+437.30nl-885.41ryqk+7 327.73sscs+1 946.74yngrcs+1 019.79shbx-4 285.32gf-2 373.93qt

多元逐步回归分析结果显示，研究因素手术次数、住院天数、付款方式、院内感染次数、医院驻地、入院情况、性别、年龄对应变量y有显著影响。条件指数小于30，研究因素共线性较弱。

表3 不同取值的幂变换回归效果

2.3 构建住院费用DRGs模型 采用CHAID算法，设节点最小样本数为100，拆分合并的显著水平为0.05，将手术次数、住院天数、院内感染次数作为分组变量，剔除5 447例非社会医保患者病案，以中位数法作为住院费用控制标准参考值[7-8]，构建社会医保患者住院费用DRGs模型。费用上限为第75百分位数加上1.5倍的四分位间距。超上限的费用定义为超标费用，本研究中，共超标539例，占总例数4.33%。具体结果见表4。

表4 2013-2017年部队医院非军队医改社会医保付费冠心病患者DRGs分组情况表(n=12 443)

注：DRGs为疾病诊断相关分组

3 讨论

3.1 影响因素 本次研究结果显示，单因素方差分析所有研究因素对冠心病患者住院费用均有显著影响，而多元回归分析其中的入院次数、次要诊断数、医院级别对该项费用无显著影响，其原因可能是各因素间存在一定的相关性，入院次数通过患者年龄影响住院费用，次要诊断数通过医院驻地、住院天数影响住院费用，医院级别通过医院驻地影响住院费用。依据多元逐步回归分析标准偏回归系数，手术次数是影响冠心病住院费用最大的因素。究其原因，冠心病住院费用约82.5%由材料费用构成[9]，材料费反映在手术费中，所以手术次数越多，住院费用越高。住院天数是影响冠心病住院费用的第2大因素，原因是住院时间越长，床位费及日常消耗越多。影响冠心病住院费用第3大因素是付款方式。付款方式分析结果比较复杂，公费医疗的冠心病患者住院人均费用高于医保患者，但多元回归方程其偏回归系数却为负，其原因主要是医院驻地与付款方式存在相关，发达城市医院冠心病自费人多(许多外地人到大城市去看重病)，发达城市人均住院费高于一般城市。院内感染是影响冠心病住院费用的第4大因素，原因是如发生院内感染，药品消耗增加。影响冠心病住院费用的第5大因素是医院驻地，原因是不同地区使用材料种类参差不齐，费用有相差。

3.2 病案质量 分析结果与病案首页数据质量密切相关，如在本次研究中，病例的主要诊断决定了需要抽取哪些病案，手术登记完整性决定了病案的手术次数，院内感染的判断决定了病案的院内感染次数，此外，次要诊断的记录、入院情况的分析对病案数据质量也有很大的影响。数据不同分析得出的结果也不同，错误的数据只能得出错误的结论，导致医院管理决策失误。据此，医院各级人员要提高病案质量重要性的认识，进一步加强和重视医院病案编目及质量管控工作，提高病案质量。

3.3 住院费用数据处理 住院费用数据一般都是呈明显的正偏态分布，如采取简单的数据变换，很难达到理想的回归效果。在本研究中，如直接将住院费用作为应变量，进行逐步回归分析，结果显示，AdjR-sj=0.592，残差分布正态性检验D=0.156(P<0.000 1),回归效果不理想。如将住院医疗费用数据对数变换后再进行逐步回归分析，结果显示，Adj R-sj=0.658，残差分布正态性检验D=0.044(P<0.000 1),回归效果仍不理想。在本例中通过幂变换法，回归达到了理想效果。

3.4 构建DRGs模型 疾病诊断相关组(DRGs)是一种基于疾病诊断和患者病情严重程度的疾病分类方法，是一种能够较好地保持病例组合临床同质和资源同质的工具。CHAID算法是根据给定的目标变量和经过筛选的特征指标(即预测变量)对样本进行最优分割，按照卡方检验的显著性进行多元列联表的自动判断分组[10]。与传统的多元线性回归相比，DRGs模型不要求变量具有特定的分布，对存在离群值和有偏分布的数据不太敏感，可到达稳定可重复的效果[11]。本次研究构建的DRGs模型，其中住院费超标539例，占总例数4.33%，结果还是比较理想。当今时代，医院管理日趋精细化、标准化，医院要通过引用DRGs技术，规范应用、减少浪费，实现医疗资源的合理有效配置，以促进医院管理水平的提高。