新形势下精细化统计方法对恶性肿瘤患者经济负担的分析

摘 要：探讨DRG付费下恶性肿瘤患者住院费用影响因素，以期为降低恶性肿瘤患者的直接经济负担提供参考。采用SPSS26.0建立BP神经网络模型，运用回顾性分析方法，对某地级市三级甲等医院实施DRG前后（2022—2023年）恶性肿瘤患者住院费用影响因素进行分析。通过统计模型分析，按重要性进行排序，影响住院费用的主要因素为：住院天数（0.264）、年龄（0.173）、性别（0.167）、是否手术（0.146）、是否输血（0.125）、入院途径（0.076）、离院方式（0.049）。

关键词：ＢＰ神经网络模型；恶性肿瘤患者；住院费用；影响因素

中图分类号：F224 文献标志码：A 文章编号：1673-291X（2024）15-0153-04

恶性肿瘤不仅严重危害人民群众健康，还给患者带来沉重的经济负担，已成为我国城市居民主要疾病死亡率及死因构成比排名首位的慢性非传染性疾病，其医疗费用逐年递增[1]。每年恶性肿瘤所致的医疗负担超2 200亿元，恶性肿瘤患者治疗难度大，治疗成本高，因此部分患者不能接受或坚持抗肿瘤治疗，如何降低肿瘤患者医疗费用是我们面临的一项重要课题[2]。国家医疗保障局于2019年6月在全国范围内正式确定30个试点城市推行疾病诊断相关分组（diagnosis related groups，DRG）医保支付方式改革试点工作[3]。宜宾某三甲医院于2023年正式启动院端DRG医保结算工作，本研究选取该院实施DRG医保付费前后肿瘤患者为研究对象，通过精细化统计方法（即BP神经网络数学模型），探讨影响本地区实施DRG改革前后恶性肿瘤患者住院费用的可控因素，为减少恶性肿瘤患者经济负担提供科学支撑。

一、资料与方法

（一）资料来源

收集实施DRGs某地级市三级甲等医院HIS系统病案首页数据，统计时间为2022年1月1日至2023年12月31日，仅保留医保结算后恶性肿瘤患者共11 036例，以DRGs付费制度实施前（2022年1—12月）的5 036例患者作为对照组，干预组则是DRGs付费制度实施后（2023 年1—12月）的6 000例患者。

（二）研究对象

为保证纳入分析样本的代表性及样本间的独立性，研究对象纳入标准为依据疾病和有关健康问题的国际统计分类ICD-10临床版2.0代码库（International Statistical Classification of Diseases and Related Health Problems 10th Revision），筛选首次确诊并且主要诊断编码范围为C00-C97恶性肿瘤出院病人。排除标准为因放疗、化疗、靶向住院的病例；对于多次住院同一个患者，主要诊断相同时仅保留一次，以及基本病人信息缺失而无法统计的病例。

（三）统计方法

本研究采用SPSS26.0进行统计分析，回顾性分析病人性别、年龄、入院途径、住院天数、是否手术、是否输血、离院方式等可能的影响因素为自变量，作为输入层，住院费用信息为因变量，作为输出层，比较实施DRG前后两组住院费用构成情况、住院费用明细。BP神经网络模型分析恶性肿瘤患者住院费用情况，该模型可直接运用在偏态分布、多复杂因素以及数据本身相互关联性等特点数据，BP神经网络模型具有强大的非线性处理能力、高容错性和自学习能力，能拟合接近真实的模型，目前已有多项研究将其应用于疾病住院费用影响因素的分析[4，5]。

统计分析以及数据清理，经正态性检验（P<0.01），按检验水准取a=0.05，住院总费用及各费用维度等10个偏态资料采用中位数来描述；性别、是否手术、是否输血采用两个独立样本的Mann-WhitneyU检验非参数检验，年龄、入院途径、住院天数、离院方式几个指标采用多个独立样本的Kruskal-Wallis H检验非参数检验；实施改革前后数据采用校正t检验单因素分析；多因素分析后建议统计BP神经网络建模，对单因素分析有统计学差异的影响因素纳入模型，采用重要性分析指标进行评价。

二、结果

（一）一般资料

根据筛选标准共纳入恶性肿瘤住院病人11 036例，排除2 109个病人，其中男性5 756例，女性5 280例，年龄以60岁以上居多，占47.5%，住院天数大于10天以上占53.4%，平均12.9天之内。经两个独立样本或多个独立样本统计分析显示，性别、是否手术、是否输血经Mann-Whitney U检验，Z统计值分别为3.360、46.844、763.572；年龄、入院途径、住院天数、离院方式经Kruskal-Wallis H检验，H统计值分别为10.299、30.007、3043.350、28.203，经非参数检验住院费用差异（P≤0.05）有统计学意义，见表1。

（二）2022—2023年实施DRG前后恶性肿瘤直接经济负担分析

2022—2023年期间恶性肿瘤住院患者总费用为239 548 178.87元，中位住院费用为15 268.42（8 837.89，29 369.03）元，实施DRG后干预组较对照组各项住院费用呈明显下降趋势，费用各维度即总费用均值、自费类、综合服务类、诊断类、康复类、中医类、西药类、血液和血液制品类费用差异（P≤0.05）有统计学意义，见表2。

（三）恶性肿瘤患者直接经济费用中各变量影响因素

BP神经网络模型中各变量的重要性分析显示，住院天数是所有因素中影响住院总费用的主要因素，重要性为（0.264），住院天数对综合服务类（0.275）、诊断类（0.321）、治疗类（0.308）、康复类（0.270）、中医类（0.289）、西药类（0.234）、中药类（0.289）、耗材类（0.303）重要性统计值中均占有较大影响；是否手术对治疗类（0.316）、耗材类费用（0.260）影响较大；是否输血对血液和血液制品类费用（0.555）影响较大，年龄对住院总费用（0.173）、中医类（0.17）、中药类费用（0.168）具有一定影响作用。

三、讨论

第一，研究结果。年龄对住院费用中的中医类费用、中药类费用影响较大，重要性分别为0.170、0.168，年龄介于45—59岁和≥60岁恶性肿瘤病人占比86.5%，年龄介于45—59岁住院费用逐渐提高明显高于60岁，一方面高龄患者本身长期存在一些慢性病，另一方面因抵抗力差，合并严重并发症在治疗上对晚期病人更加倾向于对症、保守等姑息治疗方法，中医类费用和中药类费用较高也得到证实。

本次调查结果显示，手术患者的平均住院费用（18 532.17元）是非手术患者（6 843.99）的费用近3倍差距，特别是对治疗类（0.316）、耗材类费用（0.260）的重要性占百分比值高。手术操作项目涉及使用麻醉、输血、耗材等相关费用，随着医学科技的发展，高精类的手术器械（比如达芬奇机器、ECMO人工心肺机等）的引入，间接增加患者住院治疗经济负担。手术病人完善术前检查项目需要占用术前等待时间，延长病人住院时间，医院管理者应采取切实可行的措施缩短病人等候检查或术前等待时间，控制住院费用，减少经济负担。

第二，日间病房管理可以有效降低平均住院日。BP神经网络模型中各变量的敏感性分析结果显示，住院天数是影响恶性肿瘤患者住院费用最重要原因，住院时间长或短在影响住院总费用及其费用明细众多因素中居首位，住院天数越长，患者的直接经济费用越高，与本院实际情况相一致，也与其他研究[5]结果一致。住院天数是恶性肿瘤药物治疗住院费用的重要影响因素，两者对住院费用影响较大，这与有关报道相符[6]。住院天数作为时间效率评价指标被用于反映医院管理水平、医疗护理质量、工作效率和效益[7]。

在三级公立医院绩效考核和宜宾2023正式实施DRG医保付费的双重背景下，全院统筹运营发展战略，助力医院高质量发展，四川省宜宾市医疗保障局实行的是“结余留用、合理超支分担”的DRG结合点数法预付费，医院要降低DRG付费下的亏损风险，就不得不采用成本核算方法进行费用管控，对于恶性肿瘤诊断明确、病情稳定无进展、需定期或常规化学或靶向药物治疗，因药物治疗可能导致严重并发症需要短期观察，在门诊常规处理存在一定医疗风险，收进住院病房不仅影响床位周转，而且造成有限的医疗资源浪费，收治日间病房更可行。打造肿瘤日间病房中心，扩大日间病房床位规模、制定与完善肿瘤日间病房准入和排除统一标准及动态调整机制，严格执行恶性肿瘤西药类治疗病人入院前评估工作，在现有基础上不断规范和完善恶性肿瘤药物治疗临床路径、强化院内多学科MDT会诊机制，医院床位周转率提升了，那么住院时间会相应降低，减轻患者的经济负担[8]。

第三，西药费用类对住院费用有较大影响。影响恶性肿瘤病人住院费用的主要因素是抗肿瘤药物，西药类费用类依据2023实施DRG分为干预组与2022实施DRG前分为对照组，经校正t检验得到统计值14.318，差异显著（P≤0.05）有统计学意义，控制药品和诊疗费用不合理增长的重要环节便是降低药品费用[9]。对此，国家多部门发文采取多项措施有效降低各类药品（包括肿瘤药品）费用水平，除中药饮片外，全国公立医院率先在2017年始全面取消药品加成后效果显著，随后国家医疗保障局于2018年12月至今先后开展7批次药品带量采购工作，共计采购294种药品，前6批234种药品价格平均降幅53%，部分抗恶性肿瘤药品价格也大幅降低。同时部分新上市药品动态调整进入国家医保药品目录，自2022年1月1日起74种新增药品进入医保药品目录[10]；研究结果显示，2023年本地实施DRG后住院总费用及各费用结构将得到进一步优化，恶性肿瘤病人不管是职工医保或是居民医保，抗肿瘤用药范围持续扩大、价格水分不断被挤出，恶性肿瘤患者治疗用药费用将逐步持续降至合理水平范围内[11]。

综上，BP神经网络模型应用于医保患者住院费用研究效果较好，恶性肿瘤病人承担过重经济负担，如何预防和降低恶性肿瘤的发病率而不是患病率，政府必须制定相应政策和措施从根源上杜绝，控制医疗费用的上涨趋势，提高患者的生命和生活质量。

参考文献：

[1] 中华人民共和国国家统计局.中国统计年鉴2021[M].北京：中国统计出版社，2021：1-2.

[2] 贠小燕，陈忠虎，杨燕.恶性肿瘤患者住院费用结构变动度及影响因素分析[J].中国医院统计，2021，28（4）：334-338.

[3] 国家医保局 财政部 国家卫生健康委 国家中医药局关于印发按疾病诊断相关分组付费国家试点城市名单的通知（医保发〔2019〕34号）[EB/OL].（2019-05-21）[2024-04-29].https：//www.gov.cn/zhengce/zhengceku/2019-10/12/content_5438769.htm？ivk_sa=1023197a.

[4] 华星星，孙晓杰.BP神经网络模型在乳腺癌患者住院费用研究中的应用[J].中国卫生事业管理，2018，35（5）：343-346.

[5] 陆春吉，李亚子，李国垒，等.基于BP神经网络的新农合跨省就医脑梗死患者住院费用影响因素分析[J].中国数字医学，2019，14（12）：26-29.

[6] 刘星媛，吴云涛，陈曦，等.2274例胃恶性肿瘤患者住院费用影响因素分析[J].中国病案，2022，23（12）：43-47.

[7] 李文瑾，续晓方，田立启，等.基于DRG的乳腺癌手术患者医疗费用及影响因素分析[J].卫生经济研究，2021，38（6）：76-79.

[8] 贾农，罗薇.DRGs评价体系应用于医院管理运行模式探讨[J].中国医院统计，2019，26（4）：289-293.

[9] 杨煦，陈京，刘巍，等.肿瘤专科医院日间病房诊疗模式的建立与管理[J].中国医学前沿杂志（电子版），2021，13（5）：2-5.

[10] 黄果，董来东.恶性肿瘤住院患者疾病特征及医疗费用研究[J].卫生经济研究，2021，38（3）：67-69.

[11] 国家组织药品联合采购办公室.关于公布全国药品集中采购（GY-YD2022-1）中选结果的通知[EB/OL].（2022-07-18）[2024-04-19].https：//www.smpaa.cn/gjsdcg/2022/07/18/10823.shtml.

Analysis of Direct Economic Burden of Malignant Tumor Patients under the

New Situation Refined Statistical Method

LI Jun， CAO Lianghai

（Yibin Hospital of Sichuan University， Yibin 644000， China）

Abstract： Exploring the influencing factors of hospitalization expenses for malignant tumor patients under DRG payment， in order to provide reference for reducing the direct economic burden of malignant tumor patients. A BP neural network model was established using SPSS 26.0， and a retrospective analysis method was used to analyze the influencing factors of hospitalization costs for malignant tumor patients before and after the implementation of DRG in a tertiary hospital in a certain prefecture level city （2022-2023）. Through statistical model analysis， ranked by importance， the main factors affecting hospitalization costs are： length of hospital stay （0.264）， age （0.173）， gender （0.167）， whether surgery was performed （0.146）， whether blood transfusion was administered （0.125）， admission route （0.076）， and discharge method （0.049）. The BP neural network model can effectively analyze the influencing factors of hospitalization costs for patients with malignant tumors.

Key words： BP neural network model; Malignant tumor; Hospitalization expenses; Influence factor

[责任编辑 白 雪]