基于疾病診斷相關組合的慢性缺血性心臟病分組方法及效果的研究

田偉，張媛，尹桂華

臨沂市沂水中心醫院，山東臨沂276400

基于疾病診斷相關組合的慢性缺血性心臟病分組方法及效果的研究

田偉，張媛，尹桂華

臨沂市沂水中心醫院，山東臨沂276400

目的確定適合醫院的疾病診斷相關組合（DRGs）分組方法。方法以某三甲醫院慢性缺血性心臟病為研究對象，用非參數檢驗Kruskal Wallis方法和多因素回歸方法分析選取分組的分類節點變量，用決策樹模型修正的ECHAID算法對2013-2014年5 253份病案首頁數據進行分組。結果共形成了7個DRGs組合。結論E-CHAID決策樹分類方法用于DRGs分組是可行且有效的。

疾病診斷相關組合；決策樹分類；分類節點；慢性缺血性心臟病

疾病診斷相關分組（DRGs）是根據患者的疾病嚴重程度、住院天數等因素將患者分入500～600個相關診斷組，之后進行決定支付給醫院的補償金額［1-3］。它最初產生是在20世紀70年代的美國，是世界上公認的較為先進的支付方法之一，DRGs的主要指導思想是:支付標準的制定由統一的疾病診斷分類進行定額，從而達到醫療的有效利用。DRGs的定義主要包括以下三個方面:首先，它將患者按照病例進行分類；其次，它從患者的年齡、并發癥情況以及手術與否等方面進行考慮進行病情診斷；最后，它將患者的診治與所需要的費用進行聯系。與單病種付費方式進行比較，DRGs能夠覆蓋更多種類的病情，付費方案更加科學合理。DRGs的運用，有利于醫院縮小誘導性的醫療費用，縮短患者住院時間以及加強醫院的質量管理水平，對國家的有效宏觀調控起到促進作用。該文在疾病診斷相關組合（DRGs）的研究過程中，以某三甲醫院的慢性缺血性心臟病為例，就如何選擇分類節點變量，并就按分類節點變量進行分組后的費用進行合理評價，現報道如下。

1　資料與方法

1.1一般資料

采集山東省臨沂市某三甲醫院2013—2014年出院病例的病案首頁資料，篩選主要診斷為慢性缺血性心臟病的病例（ICD-10編碼為I25）5 253例。

1.2研究方法

用非參數檢驗Kruskal Wallis方法和多因素回歸方法分析選取分組的分類節點變量，選擇E-CHAID算法進行DRGs分組研究，利用單因素方差分析對分組后住院費用的合理性進行檢驗和評價。

2　結果

2.1分類節點變量

根據病案首頁填寫的項目，該研究選擇性別、年齡、伴隨癥、入院途徑、是否手術、是否輸血、離院方式7個因素，用非參數檢驗Kruskal-Wallis方法和多因素回歸方法檢驗，見表1。

表1　住院總費用多因素回歸分析

將不具有統計學意義的入院途徑和離院方式兩個因素剔除掉，其中是否手術對住院費用的影響最大（標準后β值為0.524），我們根據ICD-9-CM3將手術組進行了細分，分為了射頻消融組、冠脈搭橋手術組、支架植入組、起搏器植入組、冠脈造影組。

2.2分組結果

利用E-CHAID算法進行DRGs分組，最終形成7個DRGs組合，表2顯示，即I25-1、I25-2、I25-3、I25-4、I25-5、I25-6、I25-7，進入下一步分析。

表2　慢性缺血性心臟病住院病例的分組及費用情況（元）

2.3有效DRGs分組的分析

I25-1組和I25-5組標準差和變異系數（CV值）都比較大，所以為了檢驗所做出的決策樹分類的有效性，該研究將分組后住院費用取對數進行單因素方差分析，見表3、表4。

表3　慢性缺血性心臟病住院病例有效DRGs分組的費用方差分析

表4　慢性缺血性心臟病住院病例有效DRGs分組的費用方差分析兩兩比較（P值）

表3顯示，P＜0.001，各組差異具有統計學意義，但兩兩比較時，I25-4和I25-5的P值＞0.05，其他組兩兩比較均具有統計學意義（P＜0.05）。

3　討論

3.1分類節點變量

在疾病診斷相關組合（DRGs）的研究過程中，如何選擇分類節點變量是進行有效分組的關鍵步驟之一［4-6］。目前，國內研究DRGS，很多研究者對分類節點變量未予以重視，不進行任何驗證，通過該研究發現，這種做法是不嚴謹的，并且即使進行了一種方法的驗證，也不足以說明分類節點變量的合理性。

3.2E-CHAID算法分類

E-CHAID算法是決策樹分類中的一種，也是目前國內比較公認的分類方法，但是如果樣本量不足，就放大了單個病例的作用；而分類過少，同一組內具有相似的臨床特征和資源消耗的病種難以區別［7-10］。比如I25分為7個病例組合，但是有效DRGs分組分析時，I25-4組和I25-5組住院費用實際并無統計學意義。所以樣本量不足條件下進行DRGs研究具有一定的局限性。

總之，在分類節點變量選取方面要注意實際可操作性，同時注意驗證方法的選取，多因素回歸方法較為精確；病例分組，要保證各組樣本量足夠大，否則將影響分組的質量；病例分組間費用合理性的驗證是必須的，可通過單因素方差分析來驗證。

［1］Luther P.Christman.Diagnosis Related Groups（DRGs）and the Medicare Program Implications for Medical Technology［M］. Washington，D.C:U.S.Govemmem Printing Office，1983.

［2］李瓏，徐錫武，王辰.疾病診斷相關組概述及其在我國的適用性分析［J］.中國醫院管理，2013，33（1）：51-53.

［3］高建民，鄭古崢玥.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［J］.中國衛生經濟，2013，32（1）:16-18.

［4］Tan，S.S.Chiarello，P.Quentin，W.Knee replacement and Diagnosis-Related Groups（DRGs）：Patient classification andhospitalreimbursementin11Europeancountries［J］.Knee surgery，sports traumatology，arthroscopy：official journal of the ESSKA，2013，21（11）：2548-2556.

［5］Bellanger，M.M.Quentin，W.Tan，S.S.Childbirth and Diagnosis Related Groups（DRGs）：Patient classification andhospital reimbursement in 11 European countries［J］.European Journal of Obstetrics，Gynecology and Reproductive Biology：An International Journal，2013，168（1）：12-19.

［6］Scheller-Kreinsen，D.Quentin，W.Geissler，A.Busse，R.Breast cancer surgery and diagnosis-related groups（DRGs）：Patient classification andhospital reimbursement in 11 European countries［J］.The Breast，2013，22（5）：723-732.

［7］Hu，L.Haynes，H.Ferrazza，D.et al.Impact of specialist consultations on inpatient admissions for dermatology-specific and related DRGs［J］.Journal of general internal medicine，2013，28（11）：1477-1482.

［8］苗麗瓊，山德生，李禮，等.疾病診斷相關組在績效管理體系中的應用研究［J］.中國醫院統計，2015，22（4）：258-260.

［9］萬鋼，桑雁，郝一煒，等.基于疾病診斷相關組的秩和比法對醫院績效評價［J］.中國醫院統計，2016，23（1）:19-21.

［10］Quentin W，Scheller Kreinsen D，Geissler A.et al.Appendectomy and diagnosis-related groups（DRGs）：patient classification andhospital reimbursement in 11 European countries［J］.Langenbeck's archives of surgery，2012，397（2）：317-326.

Research on Grouping Method and Effect of Chronic Ischemic Heart Disease Based on Diagnosis Related Groups

TIAN Wei，ZHANG Yuan，YIN Gui-hua
Central Hospital of Yishui，Linyi，Shandong Province，276400 China

Objective To determine the diagnosis related group method suitable forhospitals.Methods The chronic ischemicheart disease in some AAAhospital was selected as the research objects，and the grouping classification nodeless variable was selected by the non-parametric test Kruskal Wallis method and multi-factor regression method，and 5 253 cases of case front-page data from 2013 to 2014 were grouping by the E-CHAID algorithm revised by decision tree model. Results 7 DRGs groups were formed.Conclusion The application of E-CHAID decision tree classification method in DRGs grouping is feasible and effective.

Diagnosis related groups；Decision tree classification；Classification algorithm；Chronic ischemicheart disease

R7

A

1672-5654（2016）08（c）-0188-03

10.16659/j.cnki.1672-5654.2016.24.188

山東省醫藥衛生科技發展計劃項目（2015WSA 13002）。

田偉（1978.1-），男，山東沂水人，碩士，統計師，主要從事醫院管理和統計。

張媛（1980.8-），女，山東沂水人，本科，館員，主要從事醫院文化及管理，E-mail：zhangyuan198015@126.com。

（2016-05-26）