基于合并症与并发症的DRGs分组研究*

叶韵韶 徐金龙 韩 栋 章 莹 魏凌云△

【提 要】 目的 本研究拟基于疾病合并症与并发症(complications and comorbidities，CC)引起的费用增长评估疾病及其诊疗复杂度，以数据驱动诊断相关组(diagnosis related groups,DRGs)分组的精细化。方法 以妇产科病例为研究样本，引入衰减系数，对ADRGs(Adjacent DRGs)组内病例的各个疾病诊断的诊疗费用进行非线性回归分析，评估不同的CC对费用变化的影响，从而分别评价单个CC的疾病复杂度以及多个CC的综合复杂度。结果 妇、产科ADRGs组疾病复杂度取值范围为0.32至5.39，妇科疾病组平均病例累积复杂度为6.26，最大值为14.93，产科疾病组平均病例累积复杂度为 5.65，最大值为23.27。采用病例累积复杂度进行再分组后RIV为0.632，较原有分组提高0.034。结论 疾病复杂度可定量地衡量ADRG组内CC的影响。通过引入衰减系数计算病例CC累积效应可定量地评价患者诊疗的综合复杂度。因此，基于CC复杂度的再分组提高了DRGs组内的一致性和分组的精细度，更符合费用准确给付和质量精细管理的需要。

DRGs在国际上已有近40年的研究与应用经历，各国的主流DRGs的主要诊断分类(major diagnostic category，MDC)和ADRG(adjacent DRG)差异不大，其主要区别在于对合并症与并发症的再分组。其中美国的MS-DRGs分组根据最严重的CC，将ADRG划分为一般CC组和严重CC(Major CC)组。APR-DRGs综合考虑多个CCs后，再采用年龄等因素对CCs的严重程度调整后，以综合指标SOI(severity of illness)将每个ADRG分为4个亚组。澳大利亚AR-DRGs 7.0[1]以及德国G-DRGs[2]均采用合并症等级(CC Level，CCL)和病人临床复杂度(Patient clinical complexity level，PCCL)分别表示独立CCs的复杂程度及患者的综合复杂程度(综合多个CCs计算PCCL)，并根据PCCL将ADRGs分为1～4组。自2016年AR-DRGs 8.0[3]起，AR-DRGs的CCs分组算法有了较大改变。自8.0版开始，AR-DRGs采用诊断复杂度(diagnosis complexity level，DCL)和患者当次住院期间的临床复杂度(episode clinical complexity score，ECCS)分别评价CC复杂程度以及病例综合复杂程度。ECCS与PCCL的主要区别在于，ECCS的取值范围更广，对于CCs复杂度的计算更加精细。

我国DRGs研究与开展较晚，目前应用(或试用)的有CN-DRGs和C-DRG。其中CN-DRGs由国家卫生健康委员会医政医管局在北京及部分省份DRGs基础上改进推广(CN-DRGs 2014版)[4]。C-DRGs由卫健委财务司委托卫生发展研究中心研制，目的是建立基于DRGs的收付费系统。二者在疾病分类上的主要差别是CN-DRGs分组基于ICD-10(疾病编码)与ICD-9-CM(手术与操作编码)，而C-DRG采用中国临床疾病诊断规范术语集(CCDT)和中国医疗服务操作分类与编码(CCHI)。目前，CN-DRGs主要用于医院绩效评价与质量管理，C-DRG则用于付费试点。但这两类DRGs的CCs评价与再分组算法并未公开发表。

在这种情况下，国内多家研究机构分别在部分病种上进行了探索，其再分组方法主要以决策树算法为主[5-7]。但是，采用决策树算法无法全面地考虑多个CCs累积的诊疗复杂程度。因此，本文引入衰减系数，基于某三甲妇幼专科医院的2年出院数据，利用非线性回归方法，评估ADRGs 组内各独立CC的复杂程度，进而综合CCs，计算病例累积复杂度，实现ADRGs 的DRGs精细分组。

方 法

1.数据来源

采用广州市某三甲妇幼专科医院2016年1月1日至2017年12月31日共计92895份出院病案首页，根据采用WI-DRGs分组方法[6]，按主要诊断、主要手术等进入妇、产ADRGs组的共计36481份病案。

2.ECCS方法介绍

(1)ADRGs费用建模

Ei(A)表示ADRGsA中有i个诊断的样本集，Ei(x;A)表示在ADRGsA中包含诊断x的样本集，x为ICD-10编码的细目编码(即AXX.XXX)，Ci(A)表示Ei(A)中病案的平均费用，平均费用采用几何均数。

采用非线性最小二乘法可分别求得每ADRGs组的a、b和r值。

(2)ADRGs组中诊断相对费用估计

[Ni(x;A)])。

(3)诊断复杂度

第二步：当N(x;A)

(4)病例复杂度

根据前述费用模型的思想，病人费用模型可被定义为

(5)基于ECCS的DRGs分组

基于病例ECCS评分，采用CART算法将ADRGs进行再分组。为了防止分组过细，国际上各主流DRGs分组系统ADRGs组内分组通常不超过4组，因此采用分组最大深度用来限制ADRGs内DRGs组的个数。

3.统计软件

本研究中所使用的非线性最小二乘算法均采用R语言nlsr包中nlxb函数计算。

结 果

1.ECCS结果

WI-DRGs 1.0版中妇、产专业的ADRGs分别有13组和7组[7]，按前述方法建模后，妇、产科ADRGs组中DCL的取值范围计算为0.32至5.39，其中，诊断未进行聚合的DCL最大值为4.34。表1中分别列出聚合与未聚合的DCL最大的ADRGs中的前5个诊断。

表1 聚合与未聚合的DCL最大前5个诊断

2.ECCS分布情况

根据计算的DCL，按照(4)中ECCS计算方法计算每位出院患者的ECCS复杂度得分，女性生殖系统疾病组平均ECCS为6.26，中位数为6.52，最大值为14.93，而围产或产褥期疾病组平均ECCS为 5.65，中位数为6.25，最大值为23.27。其中从该院收治患者构成上看，产科患者的平均复杂度略低于妇科患者，但复杂程度最高的患者出现在产科。各组最小值均为0是因为不伴任何CC的患者ECCS取值为0，详见表2。

表2 各MDC组出院患者ECCS得分分布情况

3.DRGs分组

采用CART算法将妇、产MDC的各ADRGs再根据ECCS得分进行分组，分别共分为34组与29组。

分组后RIV为0.632，较原有WI-DRGs分组RIV(0.598)提高0.034。对于每个ADRGs组，ECCS分组界值并不完全相同，分组界值由CART算法根据最大差异划分得出，如ADRGs O08组，按照ECCS划分为≤2.18、2.19～3.32、3.32～4.98和≥4.98四组。

讨 论

本文采用ECCS方法在妇、产DRGs分组方面进行探索，将妇、产专业MDC分别分为34组和29组DRGs。采用此种方法，可以定量评估每个合并症与并发症诊断在不同ADRGs组内对患者资源消耗的影响大小，更加符合实际中疾病之间相互影响的情况。

由于本研究数据来自于一家医院，同质性相对较好，因此RIV高于其他国家DRGs分组系统公布的数值。但由于样本量相对较少，未能囊括一些极端复杂的病历，因此未能对某些更加严重合并症与并发症进行评价。本研究的ECCS最大值为23.27，而AR-DRGs V8.0版的ECCS最大值为31.50。鉴于此，本研究仍需进一步扩大样本量进行研究。

本文所述的DCL计算，除了可用于DRGs分组外，对医院质量管理亦有重要作用，如通过计算不同主要诊断下并发症的DCL值，可用于评价并发症的发生导致患者医疗费用的增加量，从而制定措施有针对性的防范“危害值”较大的并发症的发生。