DRG支付制度中低碼高編行為實證分析研究

程文煒 常維夫

（中南大學湘雅三醫院醫務部 長沙 410013）

國家醫保局于2019年全面推進DRG支付制度改革，截至2021年底，30個DRG國家試點城市已全部進入實際付費階段。由于衛生經濟學中的信息不對稱等原因，DRG實施過程中也可能發生一些道德風險問題，包括低碼高編、選擇病人、分解出院等[1]。低碼高編行為指的是醫方為獲取更高的支付水平，將患者的診斷進行不適當的編碼和分類，從而分入比原本DRG組更復雜的組，是最常見的醫療欺詐行為之一[2,3]。有研究表明，美國每年因為低碼高編行為帶來數十億美元的額外不當公共支出[4]。黃昊等人以醫院病例數據模擬更改主要診斷選擇，發現82.5%的病例經過轉換診斷后權重升高[5]。我國因全國統一開展DRG支付試點工作時間較短，針對DRG支付制度實施后帶來的低碼高編行為的實證研究較少，僅見方金鳴等人選擇某付費試點城市的典型病組數據進行DRG實施前后低碼高編行為分析一篇研究，但其僅采用卡方檢驗對實施前后進行比較分析，不能有效識別低碼高編行為的變化類型和表現形式[6]。間斷時間序列分析(interrupted time-series analysis, ITSA)是在綜合考慮事物自然發展變化的基礎上,通過收集干預措施實施前后多個時間點的數據，評估分析干預措施效果，已被證實為評估衛生系統政策干預縱向效果最強的實驗研究設計[7,8]。本研究采取間斷時間序列分析方法對我國某DRG付費試點城市低碼高編行為開展實證分析研究，探索存在的問題，對完善DRG支付政策提出建議。

1 資料與方法

1.1 研究資料

本研究選擇某DRG國家試點城市中首批8家試點醫院作為研究對象，研究的時間跨度為2021年1月—9月。分為兩個階段，2021年1月—5月為第一階段，這一階段該DRG試點城市未實行DRG支付制度，表示實施DRG付費前的各指標基線水平；2021年6月—9月為第二階段，這一階段該城市實行DRG實際付費，表示實施DRG支付制度后各指標的變化情況。研究共納入8家試點醫院參加基本醫療保險的住院患者的病案首頁數據和醫保結算數據188256例，經對字段缺失、不準確以及病案首頁與醫保結算無法關聯的數據進行預處理，最終納入分析的病例量為169778例，占總數據量的90.18%。

1.2 研究方法

1.2.1 一般統計方法

采用頻數和構成比對計數資料統計描述，采用X2檢驗比較DRG實施前后各DRG組構成比差異。

1.2.2 間斷時間序列分析

間斷時間序列的分段回歸模型分析是通過建立多元回歸方程，設置虛擬變量對干預實施前后的指標數據進行標記，分別對干預前后時間段的指標數據進行多元同歸分析，從而估算干預前后時間分段指標值的水平和趨勢變化[7,8]。將政策實施節點作為干預點，以納入的時間點作為自變量，以DRG組病例數構成比指標作為因變量，分段構建線性回歸方程，模型表達公式如下[9]。

Yt=β0+β1×time+β2×DRG+β3×timeDRG+et

式中，Yt代表各時間點因變量指標的平均水平，本研究中DRG組中病例數構成比，β0為該指標的基線值，即因變量指標在研究初期的水平估計值；β1為基線斜率估計值，即DRG實施前，觀察指標隨時間變量t變化的趨勢估計值；time為時間的連續性變量，以每半月為一個觀測周期，共設立18個數據時間標的，其取值為1—18；β2為DRG 政策引起觀察指標的水平變化估計值，即DRG支付制度實施后，實施前時間分段末端與實施后時間分段起始端觀察指標的水平值差值，是一種瞬時的取值變化，體現DRG政策實施的瞬時作用；β3為DRG引起的觀察指標的趨勢變化估計值，即實施DRG支付制度后時間分段趨勢值與實施前時間分段趨勢值的差值，體現實施DRG支付制度后因變量變化趨勢的變動；timeDRG在政策實施前賦值為0，政策實施后賦值為1—8；et為誤差項，即無法用模型里上述參數來解釋的隨機誤差。

以上分析均采用SAS9.4實現，檢驗水準為0.05，采用雙側檢驗。考慮到樣本量較大，容易出現有統計學意義的結果，對結果解釋時不僅考慮其是否具有統計學意義，也考慮其結果的臨床實際意義。

2 結果

2.1 DRG支付制度實施前后同一ADRG組下各DRG組病例數及構成比分析

8家醫院在實施DRG支付制度之前的5個月中，所有病例數為97192例，這些病例被分入393個DRG組，歸屬于202個ADRG組。在實施DRG支付制度改革后的4個月，所有病例數為72586例，這些病例被分入391個DRG組，歸屬于201個ADRG組。對實施前后同一ADRG組下含有2個及以上DRG組（127個ADRG組）的病例數及構成比進行X2檢驗，并將伴有“嚴重合并癥或并發癥的DRG組（DRG代碼中第四位數為1）”或伴有“一般合并癥或并發癥（DRG代碼中第四位數為3）”的DRG組的構成比在實施DRG支付制度后出現增長，并且P值＜0.05的數據篩選出來（見表1）。結果顯示，在ADRG組ET1中，其細分為ET11和ET15的2個DRG組，在實施DRG支付制度后，ET11的病例數構成比由實施前的36.96%上升到實施后的63.16%，構成比增長了26.20%，而ET15組的病例數構成比由實施前的63.04%下降為實施后的36.84%，其構成比降低了26.20%，并且通過卡方檢驗，其P值＜0.05，具有統計學意義。而在ADRG組SR1中，其細分為SR11、SR13和SR15等3個DRG組，在實施DRG支付制度后，SR11的病例數構成比由實施前的49.22%上升到實施后的57.55%，增長了8.33%，SR13的病例數構成比由實施前的22.92%上升到實施后的30.82%，增長了7.90%，而SR15的病例數構成比由實施前的27.86%下降實施后的11.63%，下降了16.23%，并且通過X2檢驗，其P值＜0.05，具有統計學意義。

2.2 DRG支付制度實施前后伴有嚴重并發癥或合并癥的DRG組中病例數構成比的間斷時間序列分析

根據表1結果，可以了解在ED1、ER1、ES1、ET1、FM3、FW1、LV1、QS4、RW2和SR1等10個ADRG組中，其細分所對應的伴有嚴重合并癥或并發癥的DRG組在DRG支付制度實施后，其病例數出現了增長，并經X2檢驗，具有統計學意義。而在ED1、ET1、FW1、QS4、SR1等5個ADRG組中，其細分的DRG組中病例數變化較大，超過了10%，因此我們對上述變化較大的5個ADRG組中所對應的DRG組進行間斷時間序列分析（見表2）。

表1 實施前后同一ADRG組下不同DRG組病例數及構成比分析

從表2中可以看出，ED11組的病例數構成比基礎斜率值β1為-0.005（P=0.647＞0.05），表示在實施DRG支付制度前，ED11組病例數構成比呈下降趨勢，但無統計學意義。 ED11組病例數構成比的水平變化量β2的估計值為-0.053（P=0.611＞0.05），表示ED11組構成比在實施DRG支付制度的瞬時降低了5.3%，但無統計學意義。ED11組病例數構成比的趨勢變化量β3的估計值為-0.010（P=0.622＞0.05），表示ED11組構成比在實施DRG支付制度后呈下降趨勢，每半個月構成比降低1.5%，無統計學意義。在ET11和FW11組中，其趨勢變化量β3的估計值分別為-0.023和0.022，但是P＞0.05，不能排除存在抽樣誤差。

表2 DRG支付制度實施前后伴有嚴重合并癥或并發癥的DRG組中病例數構成比間斷時間序列分析結果

QS41組的病例數構成比基礎斜率值β1為-0.004（P=0.768＞0.05），表 示 在 實 施DRG支付制度前，QS41組病例數構成比呈下降趨勢，但無統計學意義。QS41組病例數構成比的水平變化量β2的估計值為-0.044（P=0.680＞0.05），表示QS41組構成比在實施DRG支付制度的瞬時降低了4.4%，但無統計學意義。QS41組病例數構成比的趨勢變化量β3的估計值為0.050（P=0.027＜0.05），表示QS41組構成比在實施DRG支付制度后呈增長趨勢，每半個月構成比增長4.6%（見圖1），有統計學意義。

圖1 DRG支付制度實施前后QS41組病例數構成比變化折線圖

SR11組的病例數構成比基礎斜率值β1為-0.027（P=0.009＜0.05），表示在實施DRG支付制度前，SR11組病例數構成比呈下降趨勢，且有統計學意義。SR11組病例數構成比的水平變化量β2的估計值為0.044（P=0.586＞0.05），表示SR11組構成比在實施DRG支付制度的瞬時增長了4.4%，但無統計學意義。SR11組病例數構成比的趨勢變化量β3的估計值為0.061（P=0.001＜0.05），表 示SR11組構成比在實施DRG支付制度后呈增長趨勢，每半個月構成比增長3.4%（見圖2），有統計學意義。

圖2 DRG付費前后SR11組病例數構成比變化折線圖

3 討論

本研究選擇的試點城市DRG分組方案中，QS41組（其他貧血且伴嚴重并發癥或合并癥）的權重為1.01，QS43組（其他貧血且伴一般并發癥或合并癥）和QS45（其他貧血且不伴一般并發癥或合并癥）權重分別為0.78和0.52，較QS41組的權重低。SR11組（敗血癥伴嚴重并發癥或合并癥）的權重為1.45，SR13組（敗血癥且伴一般并發癥或合并癥）和SR15（敗血癥且不伴一般并發癥或合并癥）權重分別為0.98和0.40，較SR11組的權重低。間斷時間序列分析結果顯示，實施DRG支付制度后QS41的病例數量構成比呈現了每半個月增長4.6%的趨勢，而SR11組病例數構成比在實施DRG支付制度后也呈現每半個月增長3.4%的趨勢。在該DRG國家試點城市居民的各類患病率未受到其他明顯內部因素和外部因素影響的前提下，QS41和SR11的病例數構成比應當保持在一個較小的波動范圍內。然而分析發現，在DRG支付制度實施后，QS41和SR11組的病例數量構成比有明顯的上升趨勢，這主要是由于醫院為獲得更高醫保基金補償而主動地對疾病編碼進行高編碼操作，通過改變編碼使得病例都分入權重更高的DRG組[10]。本研究在對試點城市醫院實地訪談中了解到，在DRG支付制度實施后，醫生為了控制超支風險或者獲得更多的費用結余，會通過調整疾病診斷編碼來使得病例分入權重更高的DRG組。例如，有醫生談到高編碼“有些DRG組的權重是根據歷史費用確定的，但隨著新技術的開展，相應的疾病治療成本也逐漸上升，但DRG組的權重還是對應技術進步之前的治療成本，因此為了補償開展新技術所導致虧損，會選擇多填寫其他診斷，這樣使得病例分入權重更高的DRG組，以此獲得更多的醫保基金補償”。這也進一步證實了試點城市醫院存在低碼高編現象，同時也提示醫保部門應對此重點監管。

低碼高編行為容易發生在DRG分組不夠細致、并發癥和合并癥考慮不充分的DRG組中[11]，這主要是由于DRG分組中疾病編碼的設置本身存在一定的局限性，為醫生高編碼提供了可操作空間。另外，考慮到醫生對疾病診斷、治療有信息優勢，其他相關人員難以對編碼是否合適進行有效評估，再加上目前DRG支付制度的開展還處于初始階段，缺乏對醫生低碼高編行為的應對經驗與監管方式，使得高編碼的現象較為隱秘地存在于某些疾病編碼過程中[12]。根據本研究結果，以及結合低碼高編行為研究文獻[6,13]，提示可以通過加強病案首頁和診斷編碼的培訓學習、提高醫務人員對于低碼高編行為危害性的認識、完善分組規則、開發研究更高效的大數據監管平臺等方式降低DRG支付產生的低碼高編道德風險，保障DRG支付制度良性運轉。