基于CHAID算法的病毒性肝炎患者DRGs分組研究*

曾雁冰 林 鵬 方 亞△

基于CHAID算法的病毒性肝炎患者DRGs分組研究*

曾雁冰1，2林 鵬3方 亞1，2△

目的 了解影響患者住院醫療費用的因素，建立DRGs病例分組并對各組醫療費用進行分析評價。方法 以廈門地區病毒性肝炎患者為研究對象，首先利用單因素和多因素方法分析患者住院醫療費用的影響因素，然后以患者住院醫療費用作為目標變量,通過CHAID模型進行DRGs病例分組，最后采用RIV、CV等評價指標分析和評價分組結果。結果 對可能影響住院醫療費用的變量進行單因素分析顯示，年齡、付費方式、入院情況和是否手術4個因素具有統計學意義，通過多因素分析顯示年齡、費用支付方式、入院情況是廈門地區肝炎患者住院費用的主要影響因素；進一步使用決策樹CHAID模型分組得到3組該疾病的DRGs病例組合，第一組為自費方式的患者，第二組為具有醫療保險且入院情況為一般的患者，第三組為具有醫療保險且入院情況為緊急的患者。經非參數Kruskal-Wallis H檢驗、RIV值、變異系數評價，該病例組合方案具有較好的可靠性和合理性。各病例分組的標準費用分別為1984.73元、1359.23元與1874.68元。分析每個分組的費用門坎值，發現線外病人比例為6.47%～7.65%，卻消耗了23.07%-30.09%的醫療費用。結論 通過DRGs分組計算患者住院費用標準值可提供醫療保險機構的償付參考值，自費病人的標準費用最高，其次是具有醫療保險且入院情況為緊急的患者，線外病人及其醫療消費應作為住院醫療費用總量控制重點。

DRGs 病例組合 住院費用 CHAID算法

疾病診斷相關組(diagnostic related groups，DRGs)是一種基于疾病診斷和患者病情嚴重程度的疾病分類方法，是一種能夠較好地保持病例組合臨床同質和資源同質的工具[1]。DRGs的實施既有利于促進臨床、醫院、患者治療過程的管理以及疾病治療的合理化，又有利于醫療保險部門和醫院的成本管理，是使社會醫療保險基金能夠趨于相對平衡的一種資源分配方法[2]。我國有關DRGs的研究尚處于探索階段，本文擬以廈門地區病毒性肝炎患者為研究對象，了解其住院費用的影響因素，進一步通過建立DRGs病例分組，獲得各組的標準醫療費用，為相關醫療決策部門實行常見病種DRGs管理及其費用償付提供參考依據。

資料與方法

1.資料來源

本研究以廈門市4家大型醫院2008至2009年經醫院確診治療并已出院的病毒性肝炎患者為研究對象，相關數據來源于醫院計算機管理系統患者住院病案首頁數據庫，共獲取1132例患者資料，剔除有缺項、漏項、邏輯錯誤的病例和治療結果為“未愈”的病例302人，最后得到有效病例830人。

調查指標主要分三大類：社會經濟學特征變量包括患者的性別、年齡、婚姻狀況和支付費用類別；臨床特征變量包括患者入院情況、是否手術和出院情況；醫療消耗變量包括患者的住院天數和醫療費用，具體如表1所示。

2.研究方法

(1)決策樹CHAID分析方法

CHAID 分析方法[3]即χ2自動交互檢測法 (chi-squared automatic interaction detector)，是決策樹中的一種算法，可以快速、有效地挖掘出主要影響因素。其核心思想是根據給定的目標變量和經過篩選的特征指標(即預測變量)對樣本進行最優分割，按照卡方檢驗的顯著性進行多元列聯表的自動判斷分組。本研究通過決策樹CHAID模型以醫療費用、相關影響因素為依據進行DRGs病例分組；在分類基礎上，計算各DRGs分組費用的標準及其范圍，并分析不同費用類型的構成特點。

(2)評價指標

本研究采用方差減少量(reduction in variance，RIV)和變異系數 (coefficient of variation,CV)對各組合的分組效果進行評價。其中，RIV值越大，說明組間異質性越強，分組效果越好[4]；CV值越小，說明組內變異越小，分組效果越好[5]。

(3)統計分析

采用中位數、四分位數間距對病例數據進行描述性統計分析，采用Mann-Whitney U檢驗、Kruskal-Wallis H檢驗、多元線性回歸分析等方法分析住院費用影響因素。

所有數據用excel建庫，采用SPSS17.0軟件進行決策樹CHAID模型分析和統計分析，以α=0.1作為檢驗水準。

結 果

1.一般情況

830例病毒性肝炎患者中，男性占72.65%，女性占27.35%。年齡以16～39歲居多，占76.27%。患者支付費用方式中，有醫療保險者占66.51%(見表2)。

2.住院醫療費用影響因素分析

(1) 單因素分析

將住院費用作為分析變量，將患者的性別、年齡、婚姻狀況、職業、付費方式、入院診斷情況、是否手術和出院診斷情況作為分組變量，進行Mann-Whitney U檢驗和Kruskal-Wallis H檢驗。結果顯示，年齡、付費方式、入院情況和是否手術共 4個因素具有統計學意義(表2)。

對住院費用和住院天數進行Spearman相關分析，結果顯示，住院天數與住院費用存在正相關關系。

(2)多因素分析

將住院費用作為因變量，以患者的社會經濟學特征變量(性別、年齡、婚姻狀況和支付費用類別)、臨床特征變量(入院情況和出院情況)和住院天數共七個變量作為自變量進行多元線性回歸分析，結果顯示，年齡、付費方式和入院情況3個變量具有統計學意義(見表3)。在控制其他因素后，在各年齡組住院費用中，以≤15歲組作為參照，可見40～55歲年齡組的最高，其次是大于55歲年齡組，而≤15歲組的醫療費用最少；有醫療保險者較自費者低；入院情況緊急者住院費用較情況一般者高。

3.DRGs分組及其費用償付標準

根據上述住院醫療費用影響因素分析結果，選擇年齡、支付費用類別、入院情況三個變量作為解釋變量，住院醫療費用作為目標變量，使用決策樹CHAID模型對數據進行DRGs病例分組。CHAID生成的決策樹第一個分類節點是付費方式，其中采用自費方式的患者歸為一組，而具有醫療保險的患者歸為另一組；第二個分類節點是入院診斷情況，它將采用醫療保險的患者再分為入院情況為一般和緊急兩類，而采用自費方式的患者一組因為遇到根據CHAID算法規則設定的“每個組合樣本數不少于50，每個節點樣本數少于100時不再繼續劃分”與 “F檢驗α=0.05”構成的停止條件而停止拆分。

*年齡以“≤15歲”為參照組

根據分組結果，可知每個病例分組的中位數、四分位間距、費用上限(見表4)，將樣本中超過費用上限的病例剔除，計算每一個病例分組的住院費用標準值，作為醫療保險機構向醫療服務機構的償付參考值。第一組為使用自費方式的患者，其標準償付費用為1984.73元，第二組為具有醫療保險且入院情況為一般的患者，其標準補償費用為1359.23元，第三組為具有醫療保險且入院情況為緊急的患者，其標準補償費用為1874.68元。

*：1-自費方式，2-醫療保險且入院情況一般，3-醫療保險且入院情況緊急

4.DRGs分組的評價

(1)Kruskal-Wallis H檢驗

Kruskal-Wallis H檢驗結果顯示，各組合間費用的差異有統計學意義(H=34.56，P<0.001)，說明組間有很好的異質性。

(2)RIV值

通過住院費用各子集間的變異與總變異的比較，計算病例組合RIV值為15.70%，認為本次分組效果總體較好。

(3)CV值

CV用于評價組內醫療資源消耗的同質性。本次研究所得三個分組的CV值分別為CV1=0.91、CV2=0.89、CV3=1.11，認為本分組組內住院費用消耗的同質性較好。

5.線外費用與線外患者分析

在建立了病例分組后，可通過對線外費用比例與線外病人比例的分析評價醫療費用消耗情況。用各組合住院費用的75%加1.5倍四分位間距作為費用控制的上限[5]，線外費用比例指超過費用上限的住院費用合計除以該分組的總費用；線外病人比例指住院費用超過費用上限的病人合計除以所在分組住院總人數。第一個組合線外病人比例為6.47%，卻消耗了23.07%的醫療費用；組合2只占樣本病例7.3%的病人，費用占到了樣本病例的29.76%；組合3同樣是7.65%的線外病人消耗了30.09%的醫療費用(見表5)。

討 論

隨著社會人口的老齡化、醫療新技術的不斷出現和社會對醫療需求的日益增加，醫療費用急劇上漲，各國都在積極采取措施加以控制。1983年，美國政府在全國范圍內實行了以DRGs為基礎的醫療費用預付款制度，有效地控制了醫療費用的膨脹，之后各國就推進應用DRGs支付制度進行了諸多研究[6]。我國的學者也針對DRGs分組進行了探索。目前DRGs分組普遍采用自動交互檢測方法(automatic interaction detector，AID)產生病例組合方案，其算法的基本思想是對每個基礎病種逐個分級考察影響費用的節點變量，使每組內病例費用方差最小。而本文的病例組合研究采用了另一種有效算法——卡方自動交互檢測方法(CHAID)。因為病例分組的研究中多為分類或者定性的數據，無法使用連續變量的方法處理，而CHAID卻可以有效處理分類和定序數據[7]。

我國病種費用控制的可行性研究表明，以病種為主導因素，參照病種相關因素,研制出適合我國國情的疾病診斷相關分類預付款制度很有必要[8]。目前現實條件下，有很多因素可以影響到醫療資源的消耗水平，因而會對病例的DRGs分組以及組合內資源消耗的一致性產生影響。本研究從病案首頁收集了性別、年齡、婚姻狀況、支付費用類別、患者入院情況、是否手術與出院情況等指標，通過住院醫療費用的影響因素分析，顯示年齡、費用支付類別、入院情況對住院費用具有顯著的影響作用。說明這些變量是影響醫療資源消耗的重要因素。

我們基于病毒性肝炎患者住院總費用的影響因素分析，結合病毒性肝炎的疾病特性，選擇了年齡、支付費用類別、入院診斷情況作為CHAID算法的分類指標。這也是考慮到利用CHAID方法建立樹形模型的一個關鍵問題是選擇分類截點的數量和什么時候停止樹的生成。截點太少不能很好的區分不同特征的患者，從而導致組內患者費用出現大的差異。截點過多又會導致生成的樹非常龐大，不但會給以后的費用償還工作帶來很多不便，還會使模型產生過度擬合的現象。

CHAID生成的決策樹第一個分類節點是付費方式，說明付費方式與病毒性肝炎住院費用的相關性最顯著。也反映出完善的醫保付費對于減輕病毒性肝炎患者的醫療費用負擔具有重要作用。

本研究對病毒性肝炎病例進行分組以后，分析了所選樣本醫院住院收費控制標準參考值，使用自費方式的病例組為1984.73元，具有醫療保險且入院情況為一般的病例組為1359.23元，具有醫療保險且入院情況為緊急的病例組為1874.68元，這些病例分組的參考值可為實際工作中制定合理的病毒性肝炎住院醫療費用償付標準提供依據。通過DRGs分組還可以獲得每組費用門坎值，醫院可據此明確相應病種衛生資源消耗的最高限額，并有效地在該病種DRGs支付標準以內進行控制，避免衛生資源浪費現象的發生[9]。由于醫療需要，少數病人超線如5%是允許的，但如果線外費用和線外病人的比例過高，則含有過度醫療消費、醫療費用上漲和收費過高的因素[10]。在本研究中三個分組的線外病人比例均超過了5%，可見少數患者消耗掉了較大比例的醫療資源，反映出住院醫療費用總量控制的重點之一應該放在線外病人及其醫療消費上。病例組合的最直接體現還是通過費用標準的制定，因此應注重DRGs在收費標準上的研制，可利用本文介紹的方法推廣于其他系統疾病，最終形成一套包括所有疾病在內的、開放性的和動態的住院費用標準體系。

由于現階段在我國根據成本確定DRGs 組合支付標準仍有相當大難度[11]，如病人電子信息系統仍不完備、缺乏疾病并發癥和合并癥系統、部分醫院沒有實施臨床診療規范等，本研究采用了與成本密切相關的住院醫療總費用來測算各組合的支付標準，經非參數Kruskal-Wallis H檢驗、RIV值測算均顯示組間異質性較強，CV測算結果顯示組內住院費用消耗的同質性較好，說明了病例組合方案的可靠性和合理性，這為迅速在國內建立切實可行的DRGs支付方式提供了參考。在試行DRGs以后，可進一步完善基于 DRGs 系統的成本核算體系、成本信息數據庫，依次對相應的支付標準進行調整，并且反過來不斷修正 DRGs 分組，使DRGs 系統在應用中不斷得到完善。

[1]吳琳,高紅.DRGs在公立醫院實施的必要性及應注意的問題.中華全科醫學,2012,10(11):1798-1799.

[2]魏萬宏.國外DRGs付費制度對我國疾病付費模式的啟示.醫學與哲學，2012,33(11A):45-47.

[3]石玲,王燕.嬰幼兒死亡危險因素的研究——兼論CHAID方法的原理及應用.中國衛生統計,2002,19(5):283-285.

[4]高建民,鄭古崢玥,詹梅,等.疾病診斷相關分組分類節點變量的選擇及其分組結果的合理性評價.中國衛生經濟,2013,32(1):16-18.

[5]高子厚,萬崇華,蔡樂,等.按DRGs組合方式制定消化系統疾病患者住院費用的研究.中國衛生統計,2006,23(4):323-325.

[6]Jean M,Caroline M.DRG information system,health care reforms and innovation of management in the western countries.Case-mix,2002,(4):16-19.

[7]張紅濤,王二平,陳毅文.卡方自動交叉檢驗在人群細分中的應用.心理科學進展,2007,15(3):552-558.

[8]閆宇翔,謝知,羅艷俠.北京地區腦卒中患者DRGs分組研究.中國衛生統計,2008,25(4):347-350.

[9]何凡,沈毅,劉碧瑤.浙江省住院病人病例組合研究.中華醫院管理雜志,2006,22(7):460-462.

[10]閻玉霞,潘峰,徐勇勇.基于我國病案首頁的病例組合方法——300所醫院評估結果.第四軍醫大學學報,2001,22:554-556.

[11]林晨蕾.美國DRGs支付制度對我國醫療保險支付方式的啟示.管理世界.2010,(5):115-116.

(責任編輯：鄧 妍)

國家自然科學基金青年項目(71403229)，教育部人文社會科學研究項目資助(12YJA790030)，福建省自然科學基金資助項目(2013J05108)

1.廈門大學公共衛生學院(361102)

2.福建省高校衛生技術評估重點實驗室

3.廈門大學經濟學院

△通信作者：方亞，E-mail：fangya@xmu.edu.cn