三種方法對診斷相關組相對權重設置的探究

彭偉彬+劉顏+梅婧

[摘要] 目的 三種方法對診斷相關組相對權重設置的探究。 方法 基于住院費用的五大類費用構成，通過三種方法確定各類費用的占比，并采用CN-DRGs（2016版）對北京大學深圳醫院各DRG組相對權重進行測算。 結果 該院2016年納入研究病例數57719例，三種方法計算得出的DRG組分布、總權重、CMI值差異無統計學意義，總權重和CMI值分別為57523.54，57538.42，56955.98和0.9966，0.9969，0.9868。 結論 在實際應用DRGs進行能力維度的績效評價時，需結合臨床經驗和統計學方法對各DRG組相對權重進行進一步的研究。

[關鍵詞] 相對權重；費用占比；診斷相關組；績效評價

[中圖分類號] R3 [文獻標識碼] A [文章編號] 1673-7210（2018）01（a）-0150-05

[Abstract] Objective To explore the relative weight setting of diagnosis related groups. Methods Based on the five categories of cost composition of the cost of hospitalization， through three methods to determine the proportion of various types of costs， and calculated the each DRG group relative weight on Peking University Shenzhen Hospital through the CN-DRGs （2016 version）. Results The number of cases admitted to the study in the hospital in 2016 was 57719. The DRG group distribution， total weight， CMI was not very different among the three methods of calculation results. The total weight and CMI was respectively 57523.54， 57538.42， 56955.98 and 0.9966， 0.9969， 0.9868. Conclusion To apply DRGs for the performance evaluation of capacity dimension， the relative weight of each DRG group should be further studied in combination with clinical experience and statistical method.

[Key words] Relative weight； Cost ratio； Diagnosis related groups； Performance evaluation

診斷相關組（diagnosis related groups，DRGs）是“病例組合”在應用管理領域中最為著名的一種，其結合臨床經驗和統計理論將臨床過程相近和（或）資源消耗相當的病例分成若干個診斷組進行統一管理[1]。在進行績效評價時，醫療服務提供者總權重數和病例組合指數（CMI）的計算是基于各個診斷組的相對權重（relative weight，RW），為了減少醫療服務價格扭曲對診斷組RW的影響，更好地體現醫務人員的勞動價值，CN-DRGs將住院費用按“醫療”“護理”“醫技”“藥品”和“管理”五大類各占20%計算RW。本研究基于以上五大類費用的構成對各DRG組RW的確定進行探討，以期找到診斷相關組更加優化的權重設置，為其實際應用提供參考依據。

1 資料與方法

1.1 資料來源

本研究采用2016版CN-DRGs（共826組）對北京大學深圳醫院2016年59481條出院病例進行疾病分組，共產生699個DRG組。通過病案號、住院次數和出院日期與DRG分組結果產生關聯，提取出每一個病例的五大類詳細費用信息。見表1。

1.2 方法

運用Excel 2007對提取的原始數據進行分類、篩選、清洗，采用SPSS 16.0進行統計學分析。計數資料比較采用χ2檢驗，相關性分析采用Spearman秩相關，回歸分析采用多重線性回歸。以P < 0.05為差異具有統計學意義。計算相對權重采用以下公式：

其中A、B、C、D、E為各類費用的占比，且A+B+C+D+E=100%，考慮到資料的獲得性及結果的可比性，計算相對權重時采用該院2016年符合具體要求的出院病例作為全樣本。

2 結果

2.1 納入研究的DRG組及病例

2016年該院總出院病例數59481例，入組病例數57828例，排除病例數352例，未入MDC病例數405例，QY病例數896例，入組率97.80%。其中：入組率=入組病例數/（病例總數-排除病例數）×100%；排除病例數指住院天數大于60 d或者費用小于100元的病例；QY病例即奇異病例，指主要診斷與主要手術不符合的病例。

為了使DRG組比較更具代表性，本研究按照文獻剔除標準，即某DRG組的出院病例數少于病例總數的50/100萬的組別予以剔除，因此剔除病例數低于2.8914例的DRG組，共剔除75個DRG組（10.73%）及109例（0.19%）病例。最終納入研究的DRG組數為624組，研究病例數為57719例。

2.2 三種方法計算各DRG組RWendprint

第一種：五大類費用全納入，某DRG組RW計算中A、B、C、D、E均為20%；

第二種：剔除五大類費用中的藥品費用，某DRG組RW計算中A、B、C、E均為25%；

第三種：五大類費用全納入，某DRG組RW計算中A、B、C、D、E均通過多重線性回歸分析后確定，分別為17%、7%、20%、35%、21%。具體回歸分析如下：①考慮醫療費用多為偏態分布，采用“中段區間法”（inter quartile range，IQR）[2]去除總費用中存在特殊值的病例。②對五大類費用及總費用進行對數轉換后，以醫療費用、護理費用、醫技費用、藥品費用和管理費用為自變量，總費用為因變量，采用Enter法進行多重線性回歸分析，結果見表2。多重線性回歸方程R2=0.836，接近于1，樣本數據很好地擬合了選用的線性回歸模型；Durbin-Watson值為1.569，接近于2，各自變量獨立性好；F=51720.396，P=0.000，該方程有統計學意義。各自變量VIF均小于4，不存在共線性問題。③計算五大類費用占比，某類費用占比=某類費用標準化系數絕對值/五大類費用標準化系數絕對值之和

2.3 三種方法各DRG組RW的分組比較

以[0.00～1.00）包含的組數最多，分別為375組，375組和387組，其次是[1.00～2.00），兩組合計均占總DRG組數的80%以上，第一種和第二種，第一種和第三種的分組頻數在分布上均無統計學差異（χ2=3.264，P=0.515，χ2=0.764，P=0.943）。見表3。

2.4 三種方法RW前20位DRG組比較

第一種和第二種RW前20位共同出現的DRG組共17組324人次，分別占前20位DRG總組數的91.78%和92.84%。第一種和第三種RW前20位共同出現的DRG組共16組312人次，分別占前20位DRG總組數的88.39%和90.70%。見表4。

2.5 三種方法低權重段（2.00以下）統計比較

從DRG組數、人次數、權重數、CMI四方面對三種方法低權重段（2.00以下）進行統計比較，見表5。第一種和第二種、第一種和第三種在低權重段的DRG組數及其覆蓋的就診人次一致性很高（RW<2 DRG組：χ2=0.000，P=0.982；RW<2病例數：χ2=0.008，P=0.930），其相應的總權重和CMI一致性也很高（總權重：χ2=1.931，P=0.165，χ2=0.272，P=0.602；總CMI：χ2=0.000，P=1.000，χ2=0.000，P=1.000）。但是，第一種和第二種、第一種和第三種得到的權重數值之間均有所不同：第一種有194個DRG組RW大于第二種，413個DRG組RW小于第二種，兩組僅17組RW相同；第一種有457個DRG組RW大于第三種，141個DRG組RW小于第三種，兩組僅26組RW相同。

2.6三種方法計算科室CMI情況比較

不同醫院科室設置不統一，將該院的科室轉換成廣東省衛生統計網絡直報標準科號共31個。第一種和第二種、第一種和第三種均有10個科室順序不變，占32.26%，前者升序或降序1～3個名次的科室分別為6個、7個、5個，升序或降序4～6個名次的科室各1個；后者升序或降序1～3個名次的科室分別為13個、3個、2個，升序或降序4個和7個名次的科室各1個。見表6。

3 討論

3.1 診斷相關組相對權重現況描述

診斷相關組通常是從能力、效率、質量三個維度對醫療服務提供者進行績效評價，其中能力維度包含DRG組數、總權重數和病例組合指數（CMI）三個指標[3]。CMI值大小可以反映醫療服務提供者治療疾病的技能難度水平，計算公式：某單位CMI值=該單位的總權重數/該單位的總病例數[4]，可見，CMI值體現的是該單位的例均權重，而其中的權重指的是各DRG組的RW。因此，在實際評價醫療服務提供者能力水平時，RW的合理設置便顯得格外重要。CN-DRGs分組權重計算方法是以資源消耗為核心，即基于患者在住院期間所消耗的治療成本。然而我國醫療費用價格體系存在一定程度的扭曲[5]，主要表現在技術勞務和知識價值在價格形成和調整中沒有得到充分體現，藥品和材料價格居高不下。近年來，全國各地陸續實施取消藥品加成政策，并通過調整醫療服務價格和增加財政投入等方式來維持醫院的正常運營[6]，這在一定程度上使醫療費用價格趨于合理化，但直接采用醫療總費用來計算RW必然是不合理的，需對總費用進行拆分，將詳細費用類別進行歸類并賦予恰當的占比，從而計算出有說服力的RW。

3.2 剔除藥品費用對能力維度績效評價的影響

目前我國藥品和材料等在總費用中仍占據了較高比重，而這些費用往往不足以反映疾病的危重程度和治療的技術難度，為了更好地體現勞務和技術價值，嘗試剔除藥品費用，通過其余四大類費用計算各DRG組RW，結果與未剔除前比較發現：在RW分組中，兩者DRG組數在各組中分布無明顯差異，尤其在[0.00～1.00]和[1.00～2.00]中，兩組的頻數差異更小。在RW最大的前20個DRG組中，兩者有超過90%的組別一致，在RW<2的DRG組別中，兩者有超過99%的組別一致，雖然兩者在具體的權重數值中存在較明顯的差異，但兩者的總權重數和總CMI值基本相近。在比較兩者科室CMI值時，剔除藥品費用后，絕大多數科室所得CMI值比未剔除前小，在排序上，RW在1.5以上的科室順序不變，其余科室順序存在不同程度的升降。CMI值應用到科室比較時，不同科室由于收治患者類型不同，直接運用CMI值比較同一醫院不同科室醫療水平有所欠妥，一般用于比較同一科室不同時間段治療疾病的技能難度水平，因此，剔除藥品費用后CMI值用于科室績效評價時不受科室順序升降的影響。以上均表明在現有的計算體系中，藥品費用對醫院的績效評價指標計算影響不大。endprint

3.3 多重線性回歸確定費用占比對能力維度績效評價的影響

鑒于剔除藥品費用后，計算得出的DRG組分布，總權重，CMI值與未剔除前差異很小，對績效評價指標的比較影響不大，嘗試單純從統計學方法上確定五大類費用的占比。在對五大類費用進行多重線性回歸分析時發現，護理費與總費用呈負相關，即總費用越高，護理費反而越低，與患者住院時間和各科室產生的費用構成不同有關。對入組病例的護理費與住院時間進行Spearman秩相關分析可知住院時間越長，護理費越高（rs=0.856，P=0.000）；而外科患者一般住院時間比內科患者短，且常需進行手術治療，尤其是部分患者手術中需使用高值耗材，造成外科患者產生的費用通常比內科的多，綜合各種因素可解釋護理費與總費用呈負相關的現象。該種方法確定的藥品費用占比高達35%，而護理費用占比僅占7%，驗證了醫療費用價格體系不合理的觀點。然而僅從統計學角度上計算出的DRG組分布，總權重，CMI值與五大類費用占比均為20%的差異無統計學意義。

3.4 對診斷相關組相對權重的思考與展望

三種方法從不同角度計算得出的結果差異無統計學意義，表明在進行績效評價時，僅從五大類費用占比的設置上無法很好地反映醫務人員的勞務和技術價值。因此，建議在實際應用DRGs進行績效評價時，需結合臨床經驗和統計學方法對各DRG組RW進行進一步的研究。如增加樣本量，在區級、市級、省級層面上進行測算、對五大類費用中的26小類費用進行占比研究、臨床工作者對RW值進行論證等，從而確定更符合實際情況的診斷相關組權重設置。

[參考文獻]

[1] 劉顏，彭偉彬，肖平，等.診斷相關組在我國醫療服務績效評價中的應用現狀[J].現代醫院，2016，16（9）：1351-1353，1356.

[2] Beth R，Stephen S. Comparing diagnosis-related group syst?ems to identify design improvements[J].Health Policy，2008， 87：82-91.

[3] 石藝，忻紅玉，劉海云，等.云南省三級醫院基于DRGs的醫療服務績效評價研究[J].中華醫院管理雜志，2014， 30（3）：217-220.

[4] 劉婉如，張樂輝，仇葉龍，等.病例組合指數在醫院績效評價中的調整方法與應用[J].中華醫院管理雜志，2015， 31（11）：843-845.

[5] 胡敏，祝菁菁，朱碧帆，等.上海市三級醫院疾病診斷分組系統的模擬與評估[J].中國衛生政策研究，2015，（9）：19-24.

[6] 魏晉才，池文瑛，許東晨，等.取消藥品加成后公立醫院內部運行機制變革與績效改進[J].中華醫院管理雜志，2017，33（2）：98-101.

（收稿日期：2017-09-13 本文編輯：李雅南）endprint