APP下载

儿童呼吸系统疾病病例组合方法研究*

2020-04-29曾跃萍吕亚奇田明月

中国卫生质量管理 2020年2期
关键词:合并症决策树天数

——曾跃萍 宋 菲 吕亚奇 田明月 张 欣 刘 帅

本研究以北京儿童医院儿童呼吸系统疾病的非手术患者为研究对象,确定其住院天数的影响因素,并采用决策树模型建立DRGs病例分组,获取各分组的标准医疗天数,旨在探索适用于儿童疾病的DRGs工作的实施路径。

1 资料与方法

1.1 资料来源

数据来源于北京儿童医院病案首页数据,选取 2017年 1 月 1 日- 2018年 12 月 31 日主要诊断为呼吸系统疾患的非手术患者,同时年龄在17 岁以下29天以上所有病例,共8 354例,建立数据库。数据库中主要变量有住院号、性别、年龄、入院日期、住院天数、离院方式、总费用及各项费用、主/次要诊断名称及编码、主/次要手术名称及编码等。对数据库进行初步整理核查,修正或剔除有缺项、明显逻辑错误的病例,剔除来院5日内转院或者死亡的病例,最后得到有效病例共8 226例。

1.2 变量分析及赋值

根据专家建议及文献调查结果确定住院费用的可能影响因素,利用Excel初步进行数据筛选与整理,从相关因素中筛选出住院天数的重要影响因素。相关赋值如下:年龄:29天~3岁 =1, 4~6岁 =2, 7~12岁 =3,12岁=4;有无使用呼吸机:无=0,使用有创呼吸机=1,使用无创呼吸机=2;有无合并症和并发症:无=0,伴有一般合并症和伴随症=1,伴有严重合并症和伴随症=2;主诊为呼吸系统其他疾病=0,主诊为呼吸系统感染=1。

1.3 统计学方法

非正态分布数据用非参数检验Kruskal Wallis方法和多元线性回归方法分析选取分组的分类节点变量,选择决策树的E-CHAID 算法进行 DRGs 分组研究,用变异系数法和非参数检验对分组结果的合理性进行检验和评价。选择SPSS 23.0统计软件进行分析,P<0.05表示有统计学差异。

表1 住院天数多元线性逐步回归分析

变量非标准回归系数标准误差标准回归系数tP常量6.9030.08581.157<0.001是否使用呼吸机5.7420.3160.30618.176<0.001是否合并并发症-0.1960.191-0.017-1.0250.305年龄分组-0.1330.060-0.025-2.2170.027

2 结果

2.1 分类节点变量

经过单因素方差分析,以年龄、有无呼吸机使用、有无(严重)合并症或伴随症指标作为自变量,以住院天数作为因变量,进行多元线性逐步回归分析,见表1。

2.2 分组结果

本研究采用 CHAID 决策树模型,以住院天数作为因变量,以呼吸机使用、并发症与伴随症、年龄作为分类节点。参数设置为:父/子节点最小样本数 900/450,最大树深度 3,拆分节点检验水平α= 0. 05。8 226例儿童呼吸系统病例共形成9个DRGs 分组,各组的均数、标准差、变异系数,见表2。

2.3 分组结果的评价

本研究最终形成9个DRGs组合。虽然决策树模型具有分类精度高和分组模式简单等优点,但也存在粗糙和不稳定等不足,尤其是在样本量较少的情况下,所以为了检验决策树分类的准确性,本研究分别用变异系数法和非参数检验两种方法对分组结果进行了检验和评价。

(1)变异系数法。国际上一般把某一个DRGs的目标变量组内变异系数是否小于1作为评判组内一致性的标志[1]。经过计算得出DRG7变异系数大于1,其余各组的变异系数均小于1,表明分组后组内一致性较好。DRG7的结果是否与样本量有关,有待进一步大样本研究证实。

(2)非参数 Kruskal Wallis方法。非参数检验是在总体方差未知或知道甚少的情况下,利用样本数据对总体分布形态等进行推断的方法,本研究中可用于检测组间差异性。本研究形成的9个DRG组经过方差齐性检验发现各组的方差不齐,因此用非参数Kruskal Wallis方法对各组所在总体的住院天数是否不同进行检验。经检验,卡方值为967.8,P<0.001,说明各组所在的总体分布存在明显差异,分组结果较合理。

3 讨论

BJ-DRGs 的基本逻辑同国际其他国家的 DRGs 版本类似,是按照三步的分类方法。首先,将病例按照主要诊断进行分类,形成以解剖和生理系统为主要分类特征的主要疾病分类(MDC);其次,根据主要诊断和主要操作的区别,将病例区分为基干 DRGs(ADRGs);最后,根据各个病例的个体特征、合并症和并发症等因素将各 ADRGs 细化分为 DRGs。本研究用于分组的方法体系是在DRGs的启发下形成的。研究DRGs所用的分类指标,英国和美国等国家采用的均是住院天数,故本次研究选择住院天数作为统计分类指标。在2016年《住院病案首页数据填写质量规范》对住院天数有明确且统一的规定[2],这给本研究的数据分析奠定了坚实的基础。本研究采用CHAID 决策树模型,共形成9个DRGs 分组,DRG1、DRG2、DRG3、DRG5、DRG6、DRG7的分组节点与BJ-DRG的分组节点一样,而DRG4和DRG8、DRG9与BJ-DRG分组有差别。

是否使用(无创/有创)呼吸机与有无合并(一般/严重)并发症和伴随症是反映病情的严重程度的指标,也是DRG分组的主要参考指标。BJ-DRG在对呼吸系统疾病进行分组时,使用有创呼吸机和无创呼吸机的患者分别与不同程度(严重、一般、无)的并发症与伴随症组合,共分为6个组别,分别是EK21、EK23、EK25、EK11、EK13、EK15,见表2。本研究经过决策树模型的选择,使用无创呼吸机的患者与不同程度的并发症与伴随症组合也分为3组与BJ-DRG相同;但使用有创呼吸机的患者中,不同程度的并发症与伴随症却没有作为子分类点进一步分类,见图1。分析原因发现,在BJ-DRG中“呼吸系统诊断伴呼吸支持,伴合并症与伴随病”的组别中只有15例,“呼吸系统诊断伴呼吸支持,不伴合并症与伴随病”的组别为零。因此,本次研究的分组结果与BJ-DRG的分组结果的差异性是否与样本量有关,且BJ-DRG中“呼吸系统伴有创呼吸机支持,不伴合并症与伴随病”这组是否有保留或整合的必要性,有待于进一步大样本研究证实。

年龄是反映个体差异的重要指标,也是DRG分组的主要参考指标之一,参考AR-DRG和MS-DRG的分组逻辑,BJ-DRG以17岁为年龄节点进行分组。如 “呼吸系统感染/炎症<17岁”组。但分组过程中只以17岁为节点而未考虑年龄等因素是否合理有待验证。有研究表明,不同年龄阶段的儿童住院医疗费用存在差异。而美国的一项研究则发现2岁以下和2岁以上儿童住院费用结构存在差异[3]。北京协和医院通过对北京市二级及以上公立医疗机构的儿童外科住院患者的住院费用进行分析发现,18岁以下患者住院费用存在统计学差异[4]。本次研究同样发现在以呼吸系统感染作为主诊且年龄<17岁,没有手术、不伴有合并症及伴随症患儿中,29天~3岁组、3~12岁组和12~17岁组的住院费用存在统计学差异。3岁以下患儿处于生长发育期,免疫功能不健全,易发生感染,且一旦发病,因其气管、支气管也较成人狭窄,发生炎症时分泌物易阻塞官腔,加之小儿肺的代偿能力弱,治愈周期较其他年龄组患儿长。12岁以上患儿是儿童生长发育到成年的过渡时期,呼吸系统功能及身体发育日趋完善,用药量增大,且病情较4~11岁复杂,因此住院时间也较长。综上,“呼吸系统感染/炎症<17岁”组是否有必要优化有待于进一步大样本研究证实。

表2 儿童呼吸系统疾病DRGs分组结果

BJ-DRG分组分组名称例数CHAID分组病历组合名称样本量均数标准差CVEK21呼吸系统诊断伴非侵入性呼吸支持,伴重要合并症与伴随病733DRG1呼吸系统诊断伴无创呼吸支持,伴重要合并症与伴随病7339.7805.6750.58EK23呼吸系统诊断伴非侵入性呼吸支持,伴合并症与伴随病205DRG2呼吸系统诊断伴无创呼吸支持,伴合并症与伴随病20511.2596.3860.57EK25呼吸系统诊断伴非侵入性呼吸支持,不伴合并症与伴随病184DRG 3呼吸系统诊断伴无创呼吸支持,不伴合并症与伴随病1848.4464.0740.48EK11呼吸系统诊断伴呼吸支持,伴重要合并症与伴随病117DRG 4呼吸系统诊断伴有创呼吸机支持13219.96312.5890.63EK13呼吸系统诊断伴呼吸支持,伴合并症与伴随病15EK15呼吸系统诊断伴呼吸支持,不伴合并症与伴随病0EZ11呼吸系统其他疾患,伴重要合并症与伴随病99DRG 5呼吸系统其他疾患,伴重要合并症与伴随病997.7887.0020.90EZ13呼吸系统其他疾患,伴合并症与伴随病107DRG6呼吸系统其他疾患,伴合并症与伴随病1075.8604.3940.75EZ15呼吸系统其他疾患,不伴合并症与伴随病392DRG 7呼吸系统其他疾患,不伴合并症与伴随病3923.5694.4601.25ES10呼吸系统感染/炎症<17岁6374DRG8年龄(29天,3岁)或年龄(12岁,17岁)29177.3284.7980.65DRG9年龄(3岁,12岁)34576.4354.3530.68

图1 儿童呼吸系统疾病的决策树模型

DRGs分组原则是“追求组内同质性好,组间异质性强”。本研究通过对以呼吸系统诊断为主诊的非手术住院病例进行统计分类,采用 E-CHAID 决策树的分类方法,结果符合分组原则。且目前多项研究均采用该种方法进行DRGs的分组研究[5-6],证明E-CHAID决策树是一种可行并有效的分类方法。

猜你喜欢

合并症决策树天数
基于决策树和神经网络的高血压病危险因素研究
质量管理工具在减少CT停机天数中的应用
安庆农村老年高血压患者合并症的影响因素
抑郁筛查小测试
针对性护理在妊娠合并症患者中的作用及效果分析
最多几天?最少几天?
决策树和随机森林方法在管理决策中的应用
生日谜题
决策树多元分类模型预测森林植被覆盖
基于决策树的出租车乘客出行目的识别