基于回歸模型的病歷完整性影響因素分析

任月榮 劉辰龍 王平

病歷回收一直是各醫療機構中病案管理的重要基礎工作之一，也是病歷信息管理的基礎環節[1-2]。在病歷歸檔過程中經常會產生大量的后滯單頁，這不僅容易造成病歷二次歸檔的錯誤率，還會影響患者病歷復印的完整性[3]，也會影響編碼工作人員進行國際疾病分類（international classification of diseases，ICD）編碼的準確性[4-5]。在疾病診斷相關分類（diagnosis related groups，DRGs）背景下，我市醫療保險患者的出院結算日期逐漸縮短[6-7]，住院病歷回收時限也相應減少，病歷歸檔產生后的滯單頁逐漸增多。想要兼顧短時間內病歷回收的完整性和時效性，就要弄清對病歷后滯單頁產生的影響因素[8-9]。

1 資料與方法

1.1 一般資料

采集北京市某三甲醫院2018年5月—2020年5月10個科別的后滯單頁數、病房負責歸檔人員類型、出院人數和48 h回收率數據，使用SPSS 26.0軟件建立數據庫。根據數據統計得出，各科室月后滯單頁均值與月出院人數均值10個科室分別為：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）、呼吸內科（270，236）、消化內科（446，221）、血液科（233，323）、腎內科（118，223）、心內科（116，299）。其中，普通外科3、胸外科、呼吸內科、消化內科4個科室月后滯單頁均值比出院人數均值多，造成病歷管理二次返工壓力顯而易見。

1.2 研究方法

采用雙向隊列研究方法，對2018年同科室歷史數據與2019年和2020年前瞻數據運用描述性統計分析，多個獨立樣本非參數檢驗，對數轉換，多元線性回歸分析建模的方法進行描述及分析。

1.3 觀察指標

病歷后滯單頁影響因素分析，設因變量為后滯單頁數，自變量科別（X1）為啞變量，量化代碼賦值：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呼吸內科=1，0；X1_7消化內科=1，0；X1_8血液科=1，0；X1_9腎內科=1，0；X1_10心內科=1，0。病房負責歸檔人員類型（X2）為啞變量，量化代碼賦值：X2_1主治醫生=1，0；X2_2住院醫生=1，0；X2_3護士站=1，0；出院人數（X3）和48 h回收率（X4）賦值以具體數值為準。

1.4 統計學方法

采用SPSS 26.0軟件對各項數據進行分析統計，采用非參數檢驗對各影響因素和后滯單頁數之間進行Kruskal-WallisH檢驗、Spearman檢驗相關性分析，影響因素建立多元線性回歸模型，找出影響后滯單頁數的主要因素，P＜0.05為差異有統計學意義。運用殘差累計概率圖檢驗回歸方程擬合條件，所有點越接近對角線擬合效果越好、回歸模型R2檢驗方程的擬合優度，R2值越接近1方程解釋百分比越高、膨脹因子VIF＜5說明變量間的共線性較弱。

2 結果

2.1 自變量與后滯單頁數相關性檢驗

為防止關聯性較弱的自變量進入回歸方程，在因變量后滯單頁數呈現偏態分布的情況下，采用非參數檢驗的方法對各影響因素和后滯單頁數之間是否存在相關進行分析。由表1看出，后滯單頁數與科別、病房負責人類型、出院人數、48 h回收率等研究因素間均存在顯著性相關（P＜0.05）。在進入回歸分析前，對后滯單頁數進行對數轉換，在數據近似呈現正態分布的情況下進行回歸分析。

表1 后滯單頁影響因素非參檢驗結果

2.2 多元線性回歸分析

由影響后滯單頁數P＜0.05的相關因素，建立多元線性回歸方程：

由回歸方程可知，科別、病房負責歸檔人員類型、出院人數是影響后滯單頁數的主要因素。表2結果顯示，方程的多重相關系數R=0.754，后滯單頁數與各影響因素的總體相關程度為0.754，說明后滯單頁數與自變量相關度比較高；回歸方程擬合優度R2=0.569，調整后R2=0.551，此回歸方程解釋百分比相對較高，擬合優度相對較好；F=31.866，P=0.000，拒絕原假設，說明回歸方程成立。回歸方程中的回歸系數所對應的顯著性均有統計學意義（P＜0.05），說明自變量與因變量之間有明顯的線性關系，有較強的解釋能力；膨脹因子VIF值均小于5，說明這些變量之間共線性相對較弱。由圖1殘差累積概率圖可以看出，所有點都相對接近對角線，認為殘差是正態的。可以運用模型對后滯單頁數進行預測，以提前做好人員調配。

表2 回歸模型摘要

3 討論與建議

3.1 影響因素討論

對影響因素的討論，從不同科別影響因素情況、不同病房負責歸檔人員類型影響因素情況、出院人數影響因素情況和回收率影響因素情況幾個方面進行討論分析，具體如下。

3.1.1 不同科別影響因素情況 由表1看出，科別與后滯單頁Kruskal-WallisH檢驗的χ2=99.068，P=0.000，科別與后滯單頁之間存在顯著相關性。分析科別對后滯單頁影響的原因，外科系統由于病理報告遲歸、取檢結果人員不明確、患者病理欠費等原因造成后滯單頁數較多。內科系統由于鏡檢報告病房單獨登記留存影響歸檔時間、取送檢結果管理存在缺陷、操作記錄使用單獨系統等原因造成后滯單頁數較多，對病案管理工作造成一定影響。

3.1.2 不同病房負責歸檔人員類型影響因素情況 病房負責歸檔人員類型與后滯單頁Kruskal-WallisH檢驗的χ2=46.744，P=0.000，病房負責歸檔人員類型與后滯單頁之間存在顯著相關性。本研究10個科別中泌尿外科2、普通外科3、普通外科4、呼吸內科、心內科、消化內科都是主治醫師負責；泌尿外科1、胸外科都是護士站負責；血液科、腎內科都是院總負責。主治醫師由于手術和出診等事務較多，對后滯單頁及時歸檔產生較大影響；護士站雖然有24 h值班，但輪崗輪班交接時存在交接誤差情況，導致后滯單頁不能及時歸檔管理；院總管理床位能較全面的了解患者具體情況，后滯單頁歸檔較為及時全面。

圖1 殘差累積概率圖（P-P圖）

3.1.3 出院人數影響因素情況 出院人數和后滯單頁數Spearman檢驗的相關系數可以看出，出院人數與后滯單頁數成正比例相關。隨著病房周轉率日益提高，各科室的出院人數不斷攀升，許多科室的后滯單頁數比出院人數還要多。后滯單頁不僅造成了病歷回收的不完整，還造成了編碼人員進行ICD編碼的二次返工，同時給掃描追加單頁和單頁順號后再次歸檔造成較大壓力，而且人員工作量化指標很難測算，造成績效評價困擾。

3.1.4 回收率影響因素情況 通過多元線性回歸模型的建模元素可知，回收率不是后滯單頁產生的主要影響因素。以回收病歷太快為由，造成病歷不能及時歸檔或嚴重缺頁歸檔是不正常的現象[10]。在DRGs背景下，不能以回收病歷加快和結賬速度為由，拖延歸檔或缺陷歸檔病歷，避免后滯單頁的大量產生。

3.2 減少后滯單頁的建議

3.2.1 優化病歷管理流程 針對出院人數較多的科室，采取每日回收后滯單頁，當日收回當日數字化處理。病房可根據數字化掃描件進行登記、閱覽，減少病歷在病房滯留時間，有些單頁便可隨著病歷一并歸檔，減少后滯單頁的產生[11]。庫房管理人員可將掃描后的后滯單頁進行兩日歸檔，減輕工作量提高工作效率。

3.2.2 完善電子病歷系統 統一和完善電子病歷系統，規范書寫手術記錄、操作記錄，避免造成病歷的出處不統一，標準不同而增加后滯頁的產生。在電子病歷系統中對編碼人員開放病理科報告權限，可縮短病案管理人員完善病理診斷時間，對欠費未出病理報告的患者也不會影響其診斷編碼的完善。

3.2.3 專人專管，避免互相推脫 在病房設置專人進行管理，責任到人。避免漏交、錯交和忘交等情況，以至后滯時間長而越積越多。住院醫師書寫病歷時對病歷的完整性更加了解，適合管理、修改和完善后滯單頁內容，高級別醫師更適合以審核確認相關內容為主。

3.2.4 預估后滯單頁量，合理調配資源進行績效考核 后滯單頁的產生是隨機狀態，預估后滯單頁量是重要環節之一。根據具有統計學意義的數據事先預估調配好人員，既能避免崗位工作壓力過大而出現錯誤，又能合理的按工作量來調配績效[12]。

綜上所述，通過對病歷后滯單頁影響因素分析和回歸模型的建立，找出了主要的影響因素為科別、病房負責人員類型和出院人數。采用多元線性回歸模型分析，不僅找出主要的影響因素，還可對后滯單頁量進行預估，為合理調配和優化醫療資源提供具有統計學意義的數據支持。根據各影響因素提出優化病歷管理流程、完善電子病歷系統、專人專管、預估后滯單頁量、合理調配資源進行績效考核的具體建議。為增強病歷的完整性、減少后滯內容提供參考。