基于资源利用分组的神经系统疾病患者护理收费方式模型的探索性研究

刘嘉，苏茜，申希平，貟蓓，左亚梅，韩琳，

(1. 兰州大学 护理学院，甘肃 兰州 730000；2.甘肃省人民医院 护理部，甘肃 兰州 730000；3.兰州大学 公共卫生学院)

患者的住院费用可以反应整体医疗卫生资源的使用情况，是医疗费用的主要组成部分，而护理费用可以反映护理资源的消耗情况[1]。作为致残与死亡的重要原因之一的神经系统疾病，具有病情重、恢复慢、症状复杂而广泛的特点，故护理人员需要为其提供生活护理与康复护理等多方面的服务，做好一级预防，减轻致残，提高其生活质量。神经系统疾病患者每天需要为其提供的大量生活与康复护理等工作量远高于其他疾病患者，但甘肃省的收费项目中目前还未将这些项目作为单独项目纳入到护理收费标准中[2]。国外有大量研究[3-5]表明，资源利用分组(resource utilization group,RUG)付费方式充分考虑了患者日常生活能力等级及患者身心医学方面的需求，适用于慢性病、康复及精神疾病患者。通过对患者进行多元性的评价[6]，将具有相似医疗护理服务需求与相近的医疗资源消耗的患者划分为同一组，根据资源利用程度的高低实现人力资源合理的分配与利用，从而促进护理质量的提升[7-9]。但我国与美国等国外医疗水平、制度、卫生资源条件都存在一定的差异，将其完全照搬并不适合，故本研究旨在将RUG作为理论指导，对护理费用的主要影响因素进行分析，制定神经系统疾病患者护理费用支付标准，为合理利用与配置卫生资源提供参考依据。

1 对象与方法

1.1 研究对象 2019年1-8月，采用方便抽样选取兰州市某三级甲等综合性医院神经系统疾病653例患者为研究对象。其中379例患者作为模型建立所需样本量，274例患者作为预测对象。纳入标准：住院天数>14 d、病情稳定且患者或患者家属知情同意参与本研究。患者年龄为48～92岁。

1.2 方法

1.2.1 调查工具 本研究参考国内外基于RUG的应用现状并基于理论自设调查问卷，问卷分为3个部分，包括患者基本情况调查表、RUG日常生活活动能力(activities of daily living，ADL)评分等级、简易智能筛查量表(mini-mental state examination,MMSE)。

1.2.1.1 患者基本情况调查表 主要包括患者的一般资料、医疗护理相关资料以及护理费用。其中患者一般资料主要有性别、年龄、婚姻状况、民族、文化程度、经济来源等；医疗护理相关资料包括伴随疾病情况、康复训练情况、鼻饲情况及留置尿管情况。

1.2.1.2 RUG的ADL评分 RUG是根据患者的临床情况与日常生活能力，将患者资源利用程度相似的病例分到同一组。RUG分类总共有三部分，第一部分是按临床医疗服务工作量分类(康复、临床复杂性、广范围服务等)，第二部分是ADL分类，第三部分是详细的分类条目[6]。RUG的ADL分类是根据床上可动性、移行(从床上到轮椅等)、如厕以及饮食4个方面的合计得分进行分类。饮食采用3级评分法，自理计1分，需部分援助计2分，需全面援助计3分；床上可动性、如厕以及移行采用4级评分法，自理计1分，部分援助计3分，需1人进行全面援助计4分，需2人及以上进行全面援助计5分。对于行走、穿衣等，由于说明率低，且前述4个方面已经被认为能充分代表患者ADL情况[10]，故未将其列入评价项目；其次考虑洗澡由于设施环境记录方法存在较大差异，也未被纳入分析对象。量表得分4至18分，得分越高说明自理能力越低，4～6分为轻度功能障碍，7～10分为中度功能障碍，>10分为重度功能障碍[11]。

1.2.1.3 MMSE 此量表包含时间定向力、地点定向力、记忆力、注意力和计算力、回忆力与语言能力5个维度，共30个问题，计30分，得分在21～26分为轻度认知功能障碍，10～20分为中度认知功能障碍，≤9分为重度认知功能障碍[11]。

1.2.2 调查方法 研究通过了伦理审核并得到医院与科室领导的同意与支持、患者及患者家属的知情同意后，由研究者填写患者的基本情况调查表并评估患者的日常生活活动能力与认知功能状况，同时调取患者的护理费用，并对所获取的所有资料严格保密。

1.3 统计学处理 运用SPSS 22.0统计软件，对数据进行统计描述、单因素及多因素分析。将逐步多元线性回归护理费用的主要影响因素作为分类节点，运用决策树卡方自动交互检测(Chi-squared automatic interaction detector,CHAID)的方法建立资源利用分组模型并计算费用参考标准，以变异系数(coefficient of variation,CV)分析同组资源耗用的同质性，CV值越小，同质性越高[12]。以P<0.05或P<0.01表示差异有统计学意义。

2 结果

2.1 决策树分类节点变量选择 采用非参数检验对护理费用的影响因素进行筛选。神经系统疾病患者在不同婚姻状态、年龄、认知功能状况、日常生活活动能力状况、伴随疾病、经济来源及康复情况下，护理费用的差异均有统计学意义(均P<0.05)。

以护理费用(对数转换值)为因变量，上述单因素分析中有差异性的变量作为自变量，进行逐步多元回归分析，结果表明，比较标准化偏回归系数大小可得，对护理费用影响程度由高到低分别为日常生活活动能力情况、认知障碍情况、康复情况及年龄，见表1。

表1 神经系统疾病住院患者护理费用的逐步多元线性回归结果

2.2 资源利用分组组合模型方案 本研究运用决策树卡方自动交互检测CHAID算法，以护理费用为因变量，以生活活动能力情况、认知障碍情况、康复情况及年龄为解释变量，对样本量选择最优的分割方式。70%样本为训练集，30%样本测试集，随机种子数为1234567，决策树最终停止分层的最大值为3层，节点检验水准α=0.05，父节点与子节点最小样本数目分别为100与50；决策树分类共产生三层节点分类，依次为生活活动能力情况、认知障碍情况和年龄，形成7组资源利用分组病例组合方案。对7组分类情况进行非参数检验，组间差异有统计学意义(P<0.05)。组内CV0.32～0.62，见表2。

表2 神经系统疾病患者资源利用病例组合方式及费用描述(N=379)

2.3 护理费用收费标准 护理费用呈非正态分布，利用决策树进行资源利用病例分组后，以费用中位数作为参考值，并将费用的75百分位数加1.5倍四分位数间距作为费用上限控制标准[13]。按照该标准筛选出超额护理费用患者22例，占5.8%，见表2。超额的病例可能存在护理收费不合理的情况，造成医疗资源的过度浪费，可以将超额病例作为医院重点监测与分析的对象，以协助完成规范化的护理与诊疗行为。

2.4 神经系统疾病患者护理费用收费方案与标准的可行性预测 以决策树建立的预测模型作为费用预测的标准，随机抽取274例患者，推测该274例患者的护理费用，即预测费用，并将预测费用与实际费用作比较，分析预设的决策树预测模型护理收费方案的准确性与可行性。患者实际护理总费用为29.74万元，预测护理总费用为28.46万元，预测准确率达95.71%，经配对样本t检验，实际值和预测值的均数差是0.64元；误差的标准差为0.84元(P=0.34)。说明实际费用与预测费用相差不大，预测误差较小且预测的费用低于实际的费用，说明患者实际费用中可能会存在过度收费的现象。

3 讨论

3.1 资源利用分组情况 本研究发现，多因素分析的结果与决策树预测因子排序基本一致，影响神经系统疾病患者护理费用的主要影响因素为ADL、认知障碍情况和年龄；且非参数检验结果及CV表明，该资源利用分组较为合理。

预测因子重要度排在首位的是ADL，存在自理功能障碍的患者多伴有不同程度的肌肉萎缩、活动受限等，且需要更多的功能锻炼、生活与心理护理，护理需求程度随着ADL程度的加重而上升，对护理资源的消耗较高，这与国外学者的研究结果相一致[14]。其次为认知情况，认知功能障碍的患者多伴有身体功能障碍和心理障碍，沟通起来较复杂，患者的依从性较差，会消耗更多的资源[15]。年龄也是护理费用的影响因素，因为伴随年龄的增长患者出现护理问题的概率越大、护理问题也越多，资源耗用也会增多。在国外资源利用分组的影响因素分析中，鼻饲情况及留置尿管情况都为费用的影响因素，但现在为了降低泌尿系统感染率都提倡术后尽快拔管，所以本研究中留置尿管的患者较少；此外，本研究为随机抽样，纳入研究的鼻饲患者也较少，故差异无统计学意义。

以上变量是否会对神经系统疾病护理费用有影响，后期还需继续扩大样本量做进一步的研究分析。

3.2 神经系统疾病患者护理费用收费标准 神经系统疾病会对患者的肌力、智力、反应能力、感知能力及平衡运动能力等产生危险性影响结局，如跌倒、睡眠障碍等，因此专业化、综合性、整体化的护理显得尤为重要[16-19]。

有研究[20]表明，类似于成本计费(cost-bsaed)的收费方式会因提供的服务越多费用越高而会鼓励医疗机构过度提供服务，但基于资源利用程度的付费方式是根据资源利用程度的高低，即费用的高低进行费用控制，避免了此现象的发生，不仅可以提高精准化护理的服务、减轻护理工作人员的工作负荷，更重要的是可以避免资源的过度浪费。

本研究中，不同ADL程度、认知障碍情况及年龄的护理费用差异有统计学意义，如果进行统一的收费会导致病情较重的患者占有更多的医疗资源，但是收取的费用却与病情轻的患者相一致，这会阻碍医疗水平的进步与发展。而依据患者资源利用度进行分组是充分结合了患者的一般情况如经济水平、年龄、患者的临床特征、医疗资源利用程度等进行的归类分组，且组间差异显著，可以直接反应费用成本并进行费用预测与控制，有助于协调患者、医院与医保支付三者的关系[21]。

3.3 护理费用收费标准的实践 护理费用呈偏态分布，为了避免偏差过大，本研究将费用中位数作为各组费用标准，并将第75百分位数加四分位数间距的1.5倍作为费用控制上线[13]，为神经系统疾病患者护理费用支付标准提供参考。本研究超额护理费用患者共22例，占5.8%，未来应加强对超额的病例进行重点的监督与控制，规范照护行为，避免资源的过度浪费；医疗机构也可根据预测费用所反映的资源利用状况对费用进行掌控；可以通过优化临床护理路径，简化就医流程，不断提高医护效率，缩短患者住院天数控制护理费用的不合理增长，减轻患者的经济负担。本研究通过CHAID法对神经系统疾病患者的护理费用的收费方式进行了探索性研究，并重新抽取274例患者作为新数据对象检验预测模型的准确性与可行性，整体预测效果较好。

4 小结

本研究通过问卷调查与分析神经系统疾病患者护理费用的影响因素，并通过CHAID法建立费用模型与制定费用标准，旨在在有限的医疗资源背景下控制费用的不合理增长，避免医疗资源的浪费。因兰州市三级甲等医院的收费标准均由地方政府与卫健委制定，差异较小，故研究选取了兰州市某三级甲等医院作为研究对象进行初步的探索性研究，其研究的思路与方法为今后的神经系统疾病患者护理费用付费方式的进一步研究奠定了基础，未来本研究将扩大样本量至整个省市，且不断地完善分类模型，使有限的医疗资源在患者中更合理分布。