基于回归模型的病历完整性影响因素分析

任月荣 刘辰龙 王平

病历回收一直是各医疗机构中病案管理的重要基础工作之一，也是病历信息管理的基础环节[1-2]。在病历归档过程中经常会产生大量的后滞单页，这不仅容易造成病历二次归档的错误率，还会影响患者病历复印的完整性[3]，也会影响编码工作人员进行国际疾病分类（international classification of diseases，ICD）编码的准确性[4-5]。在疾病诊断相关分类（diagnosis related groups，DRGs）背景下，我市医疗保险患者的出院结算日期逐渐缩短[6-7]，住院病历回收时限也相应减少，病历归档产生后的滞单页逐渐增多。想要兼顾短时间内病历回收的完整性和时效性，就要弄清对病历后滞单页产生的影响因素[8-9]。

1 资料与方法

1.1 一般资料

采集北京市某三甲医院2018年5月—2020年5月10个科别的后滞单页数、病房负责归档人员类型、出院人数和48 h回收率数据，使用SPSS 26.0软件建立数据库。根据数据统计得出，各科室月后滞单页均值与月出院人数均值10个科室分别为：泌尿外科1（331，331）、泌尿外科2（276，314）、普通外科3（311，270）、普通外科4（303，558）、胸外科（498，104）、呼吸内科（270，236）、消化内科（446，221）、血液科（233，323）、肾内科（118，223）、心内科（116，299）。其中，普通外科3、胸外科、呼吸内科、消化内科4个科室月后滞单页均值比出院人数均值多，造成病历管理二次返工压力显而易见。

1.2 研究方法

采用双向队列研究方法，对2018年同科室历史数据与2019年和2020年前瞻数据运用描述性统计分析，多个独立样本非参数检验，对数转换，多元线性回归分析建模的方法进行描述及分析。

1.3 观察指标

病历后滞单页影响因素分析，设因变量为后滞单页数，自变量科别（X1）为哑变量，量化代码赋值：X1_1泌尿外科1=1，0；X1_2泌尿外科2=1，0；X1_3普通外科3=1，0；X1_4普通外科4=1，0；X1_5胸外科=1，0；X1_6呼吸内科=1，0；X1_7消化内科=1，0；X1_8血液科=1，0；X1_9肾内科=1，0；X1_10心内科=1，0。病房负责归档人员类型（X2）为哑变量，量化代码赋值：X2_1主治医生=1，0；X2_2住院医生=1，0；X2_3护士站=1，0；出院人数（X3）和48 h回收率（X4）赋值以具体数值为准。

1.4 统计学方法

采用SPSS 26.0软件对各项数据进行分析统计，采用非参数检验对各影响因素和后滞单页数之间进行Kruskal-WallisH检验、Spearman检验相关性分析，影响因素建立多元线性回归模型，找出影响后滞单页数的主要因素，P＜0.05为差异有统计学意义。运用残差累计概率图检验回归方程拟合条件，所有点越接近对角线拟合效果越好、回归模型R2检验方程的拟合优度，R2值越接近1方程解释百分比越高、膨胀因子VIF＜5说明变量间的共线性较弱。

2 结果

2.1 自变量与后滞单页数相关性检验

为防止关联性较弱的自变量进入回归方程，在因变量后滞单页数呈现偏态分布的情况下，采用非参数检验的方法对各影响因素和后滞单页数之间是否存在相关进行分析。由表1看出，后滞单页数与科别、病房负责人类型、出院人数、48 h回收率等研究因素间均存在显著性相关（P＜0.05）。在进入回归分析前，对后滞单页数进行对数转换，在数据近似呈现正态分布的情况下进行回归分析。

表1 后滞单页影响因素非参检验结果

2.2 多元线性回归分析

由影响后滞单页数P＜0.05的相关因素，建立多元线性回归方程：

由回归方程可知，科别、病房负责归档人员类型、出院人数是影响后滞单页数的主要因素。表2结果显示，方程的多重相关系数R=0.754，后滞单页数与各影响因素的总体相关程度为0.754，说明后滞单页数与自变量相关度比较高；回归方程拟合优度R2=0.569，调整后R2=0.551，此回归方程解释百分比相对较高，拟合优度相对较好；F=31.866，P=0.000，拒绝原假设，说明回归方程成立。回归方程中的回归系数所对应的显著性均有统计学意义（P＜0.05），说明自变量与因变量之间有明显的线性关系，有较强的解释能力；膨胀因子VIF值均小于5，说明这些变量之间共线性相对较弱。由图1残差累积概率图可以看出，所有点都相对接近对角线，认为残差是正态的。可以运用模型对后滞单页数进行预测，以提前做好人员调配。

表2 回归模型摘要

3 讨论与建议

3.1 影响因素讨论

对影响因素的讨论，从不同科别影响因素情况、不同病房负责归档人员类型影响因素情况、出院人数影响因素情况和回收率影响因素情况几个方面进行讨论分析，具体如下。

3.1.1 不同科别影响因素情况 由表1看出，科别与后滞单页Kruskal-WallisH检验的χ2=99.068，P=0.000，科别与后滞单页之间存在显著相关性。分析科别对后滞单页影响的原因，外科系统由于病理报告迟归、取检结果人员不明确、患者病理欠费等原因造成后滞单页数较多。内科系统由于镜检报告病房单独登记留存影响归档时间、取送检结果管理存在缺陷、操作记录使用单独系统等原因造成后滞单页数较多，对病案管理工作造成一定影响。

3.1.2 不同病房负责归档人员类型影响因素情况 病房负责归档人员类型与后滞单页Kruskal-WallisH检验的χ2=46.744，P=0.000，病房负责归档人员类型与后滞单页之间存在显著相关性。本研究10个科别中泌尿外科2、普通外科3、普通外科4、呼吸内科、心内科、消化内科都是主治医师负责；泌尿外科1、胸外科都是护士站负责；血液科、肾内科都是院总负责。主治医师由于手术和出诊等事务较多，对后滞单页及时归档产生较大影响；护士站虽然有24 h值班，但轮岗轮班交接时存在交接误差情况，导致后滞单页不能及时归档管理；院总管理床位能较全面的了解患者具体情况，后滞单页归档较为及时全面。

图1 残差累积概率图（P-P图）

3.1.3 出院人数影响因素情况 出院人数和后滞单页数Spearman检验的相关系数可以看出，出院人数与后滞单页数成正比例相关。随着病房周转率日益提高，各科室的出院人数不断攀升，许多科室的后滞单页数比出院人数还要多。后滞单页不仅造成了病历回收的不完整，还造成了编码人员进行ICD编码的二次返工，同时给扫描追加单页和单页顺号后再次归档造成较大压力，而且人员工作量化指标很难测算，造成绩效评价困扰。

3.1.4 回收率影响因素情况 通过多元线性回归模型的建模元素可知，回收率不是后滞单页产生的主要影响因素。以回收病历太快为由，造成病历不能及时归档或严重缺页归档是不正常的现象[10]。在DRGs背景下，不能以回收病历加快和结账速度为由，拖延归档或缺陷归档病历，避免后滞单页的大量产生。

3.2 减少后滞单页的建议

3.2.1 优化病历管理流程 针对出院人数较多的科室，采取每日回收后滞单页，当日收回当日数字化处理。病房可根据数字化扫描件进行登记、阅览，减少病历在病房滞留时间，有些单页便可随着病历一并归档，减少后滞单页的产生[11]。库房管理人员可将扫描后的后滞单页进行两日归档，减轻工作量提高工作效率。

3.2.2 完善电子病历系统 统一和完善电子病历系统，规范书写手术记录、操作记录，避免造成病历的出处不统一，标准不同而增加后滞页的产生。在电子病历系统中对编码人员开放病理科报告权限，可缩短病案管理人员完善病理诊断时间，对欠费未出病理报告的患者也不会影响其诊断编码的完善。

3.2.3 专人专管，避免互相推脱 在病房设置专人进行管理，责任到人。避免漏交、错交和忘交等情况，以至后滞时间长而越积越多。住院医师书写病历时对病历的完整性更加了解，适合管理、修改和完善后滞单页内容，高级别医师更适合以审核确认相关内容为主。

3.2.4 预估后滞单页量，合理调配资源进行绩效考核 后滞单页的产生是随机状态，预估后滞单页量是重要环节之一。根据具有统计学意义的数据事先预估调配好人员，既能避免岗位工作压力过大而出现错误，又能合理的按工作量来调配绩效[12]。

综上所述，通过对病历后滞单页影响因素分析和回归模型的建立，找出了主要的影响因素为科别、病房负责人员类型和出院人数。采用多元线性回归模型分析，不仅找出主要的影响因素，还可对后滞单页量进行预估，为合理调配和优化医疗资源提供具有统计学意义的数据支持。根据各影响因素提出优化病历管理流程、完善电子病历系统、专人专管、预估后滞单页量、合理调配资源进行绩效考核的具体建议。为增强病历的完整性、减少后滞内容提供参考。