基于DRG的重庆市早产儿住院病例费用分析

袁 源 欧 荣 万映利

1 重庆医科大学医学信息学院，重庆，400042；2 重庆医科大学图书馆，重庆，400042

疾病诊断相关组(diagnosis related group，DRG)是20世纪70年代美国学者研发的在充分考虑疾病严重程度和医疗消耗的基础上，用于短期住院的医疗服务绩效评价和医疗保险付费的工具。重庆市在2016年开始DRG的基础调研和医院试点的应用推广工作，同年启动病案首页标准化工作。2018年9月利用《CN-DRGs(2014版)》和《重庆适配分组规则2016版》开展分组规则论证工作。本文以重庆某医科大学附属儿童医院的数据对早产儿的DRG分组进行论证，为重庆本地的适配分组和费用规则提供参考。

1 资料来源与方法

1.1 研究对象

数据来源于重庆某医科大学附属儿童医院2015年11月-2017年10月的出院病例，参照《CN-DRGs(2014版)分组方案》[1]筛选样本的条件为：①就诊年龄小于29天；②离院方式为医嘱离院；③疾病诊断包含编码亚目为P07.2极度不成熟和P07.3其他早产婴儿，疾病诊断编码不包含P22.000新生儿呼吸窘迫综合征；④未进行手术与操作。

住院费用和住院天数均可作为医疗资源消耗的衡量指标，样本的住院费用平均值为19574.65±15947.58元，中位数为15129.92元；住院天数平均值为11.91±9.74天，中位数为9天；住院费用和住院天数均呈左偏态分布。对住院费用和住院天数进行线性回归，得到R2=0.911，说明住院天数与住院费用之间具有强相关性，故本文仅以住院费用作为医疗资源消耗的衡量指标。剔除住院费用1%极端值后纳入3415例样本。

1.2 分组方法

根据杜建亮等人的研究发现，E-CHAID决策树算法选择最重要分组因素的能力优于CHAID算法，细分能力优于CART算法[2]；在王珊等人在C-DRG分组方法的研究中也采用E-CHAID决策树算法进行分组[3]，故本文采用E-CHAID决策树算法。决策树参数设置：最大树深度为3层，父节点/子节点=200/100，拆分节点显著性检验α=0.05。采用秩和检验，对决策树最终分类节点进行合并。

1.3 分类节点与评价指标

结合《CN-DRGs(2014版)》分组和文献分析，纳入性别、入院评分、疾病诊断和出生体重等变量作为分类节点(表1)。

表1 决策树分类节点与赋值

DRG组最小病例数和最小成本值标准分别为100例和50万元。采用方差减少量RIV评价分组结果的组间异质性，最小RIV阈值为40%；变异系数CV评价分组结果的组间异质性，最大CV阈值为1.3。在能够满足决策者和卫生服务提供方需求上，组数应当适宜[4-5]。

2 结果

2.1 分组结果

以住院费用作为决策树因变量，以性别、入院评分、疾病诊断和出生体重等变量作为分类节点得到8个最终节点(表2)，每个节点均满足最小病例数和最小成本值，分组结果方差减少量RIV=74.46%，高于最小RIV阈值，组间异质性好；变异系数CV为0.43-0.75，低于最高CV阈值，组内同质性好。采用秩和检验，对检验结果P>0.05的相邻节点进行合并，合并后的各节点对照《CN-DRGs(2014版)》分组方案。通过对照，将《CN-DRGs(2014版)》分组方案中PT13早产儿(体重<2500g)伴一般问题和PT21早产儿(体重≥2500g)伴严重问题，PT15早产儿(体重<2500g)不伴问题和PT23早产儿(体重≥2500g)进行合并，最终得到了5个分组(表3)，5个分组的方差减少量RIV=74.49%，变异系数CV为0.47-0.91。与节点合并之前相比，合并后组间异质性更优，合并前组内同质性更优，合并后的5个分组在能够满足服务提供方需求的条件下，更利于决策者进行管理。

表2 决策树最终分类节点

表3 合并后的分类节点与《CN-DRGs(2014版)》对照

2.2 住院天数

以住院天数为X轴构建住院费用日均值和住院费用平均值随住院天数变化的折线图。Y轴为住院费用的比值，包含两条折线：①住院费用日均值=第n天住院费用日均值/住院费用日均值中位数；②住院费用平均值比值=第n天住院费用平均值/住院费用平均值中位数。两条折线的交点为住院天数阈值，住院天数超过相交点后住院费用增长所产生的效益开始降低，将住院天数控制在相交点以内可以提高床位产出的效益。本文所得各DRG组住院费用平均值与参考住院天数见表4。

表4 各DRG组参考住院天数

图1 DRG3日均住院费用比值与平均住院费用比值随住院天数变化折线

2.3 参考费用与费用范围

由表4中DRG4和DRG5可见，当相交点住院天数与实际平均住院天数相近时，相交点的住院费用与住院费用平均值比值应接近100%；当相交点的住院天数低于实际平均住院天数时，住院费用平均值将超出相交点的住院费用。由此可以得出结论：如果采用住院费用平均值作为参考费用，在部分DRG组中会出现参考费用较高，所以本文以表4中相交点的住院费用作为DRG组的参考费用。取住院费用低于参考费用样本的中位数作为费用控制的下限，取住院费用高于参考费用样本的中位数作为费用控制的上限。以各DRG组参考费用与样本总体住院费用平均值的比值作为该DRG组的参考权重。各DRG组参考费用、费用范围与参考权重见表5。参考费用和费用范围既可以作为住院费用偿付标准的参考，也可以作为医院进行住院费用风险控制的指标。

表5 各分组参考费用与费用范围

3 讨论

3.1 围产期早产儿分组结果分析

本文以住院费用作为决策树因变量，以性别、入院评分、疾病诊断和出生体重等变量作为分类节点得到8个最终节点，采用秩和检验相邻节点进行合并后最终得到5个分组，对照《CN-DRGs(2014版)》分组方案减少了2个分组。5个分组的方差减少量RIV=74.49%，变异系数CV为0.47-0.91，组间异质性和组内同质性均较为理想，分组结果可以较好区分和反映病情严重程度及医疗资源的消耗。

根据国家卫健委公布的数据，我国早产儿发生率在7.0%左右[7]。《2017重庆统计年鉴》显示2016年登记出生人口38.08万，围产期早产儿住院不足2万例[8]。根据本文的分组结果并结合重庆市本地病例量，可知围生期早产儿病例的DRG分组在本地分组论证中可以适当合并部分DRG组，所以5个分组在一定程度上已经可以满足重庆市本地分组需求，且更利于决策者进行管理和变革。

3.2 缩短住院天数仍是医院管理的重点

本文采用日均住院费用比值与平均住院费用比值随住院天数变化的折线图的相交点作为参考住院天数，以参考住院天数指导参考费用，对5个分组进行分析后得到了结果较为理想并且具有可行性的参考住院天数、参考费用、参考费用范围和参考权重。其中DRG1、DRG2和DRG3三个组的平均住院天数高于参考住院天数，参考住院费用与平均住院费用的比值低于100%，说明该院在这三个DRG组病例的收治效率有待改善；而DRG4和DRG5，平均住院天数与参考住院天数较为接近，参考住院费用与平均住院费用的比值也接近100%，说明该院在这两个组的收治效率已经较为理想。

在DRG付费模式下，费用效率指数和时间效率指数均是对医院效率进行评价的重要指标。宋萍等人对重庆15家医院住院费用影响因素分析后得出结论——缩短住院天数仍是控制住院费用的有效途径[6]。因此，以住院天数为切入点，将住院天数控制在相交点以内可以提高床位产出的效益。对卫生服务提供方而言，在不影响治疗效果的前提下，缩短平均住院天数，加快床位周转，提高床位利用率，减少冗长而低效的住院，是使卫生服务提供方在DRG付费方式下避免亏损和提高效益的最佳手段。

4 本研究的局限

DRG作为目前公认的较为合理付费方式，已从单纯的医疗付费拓宽至绩效评价、临床质量控制和经营决策等诸多方面。病案首页数据的质量是利用统计学方法进行分组规则探讨的决定因素。本文选择的样本来源是重庆市最早开展病案首页质量控制的医院，能够代表重庆市病案首页数据质量的最高水准，该院围产期新生儿的住院病例收治量在全市占比较大，所以基于统计学方法得到的分组结果较为理想，对本地围产期新生儿的分组规则具有一定的参考意义。但是重庆市病案首页质量控制和医院信息化建设起步较晚，病案首页数据质量仍有待改善和提高，在对其他病种采用决策树等统计学方法进行DRG分组的结果仍需要进行更多论证。