基于熵權-TOPSIS-RSR聯合法的臨床科室DRGs績效綜合評價研究

摘要：目的 對某三級綜合醫院臨床科室進行DRGs績效綜合評價，為醫院管理者提供參考。方法 基于DRGs系統2021年56個臨床科室收治病例相關數據，以病例組合指數、DRGs組數、DRGs總權重、時間消耗指數、費用消耗指數、低風險組死亡率為評價指標，應用熵權法確定指標權重，聯合TOPSIS法和RSR法對科室進行綜合評價。結果 6項指標權重分別為0.3261、0.2096、0.3725、0.0443、0.0271、0.0204，DRGs績效評價共將56個臨床科室分為3檔，各檔科室數量分別為9個、39個和8個，各檔間病種結構特征存在差異。結論 熵權-TOPSIS-RSR聯合法能夠客觀、準確的對臨床科室DRGs績效進行綜合評價。痛種結構影響DRGs績效評價結果，醫院應以優化病種結構為主線，根據不同特征科室采取針對性改進措施。

關鍵詞：熵權法；TOPSIS法；RSR法；疾病診斷相關分組（DRGs）；績效；綜合評價

中圖分類號：R197.323 文獻標識碼：A

2022年，國家衛生健康委印發的《公立醫院高質量發展評價指標（試行）》公布了醫療質量指數、時間消耗指數、費用消耗指數等疾病診斷相關分組（Diagnosis Related Groups，DRGs）指標，這意味著公立醫院高質量發展將在更大程度上著眼于發揮DRGs績效的引導和杠桿作用。DRGs指標彌補了傳統指標（如四級手術占比、微創手術占比等）因科室本身特性與功能差異而難以直接橫向比較的不足，可直接用于科室間比較，已被廣泛應用于科室績效管理。能否客觀準確地應用DRGs指標對臨床科室進行綜合評價，關系著醫院施策管控以及發展方向的正確性。熵權法是一種利用客觀數據對指標賦權的方法；優劣解距離法（TOPSIS法）通過對有限個評價對象與理想化目標的接近程度進行排序，能夠對現有對象進行相對優劣評價，但較難實現科學分檔；秩和比法（RSR法）可運用秩轉換獲得秩和比值，以此判斷評價對象的優劣程度并科學分檔。熵權-TOPSIS- RSR聯合法能夠集中各方法優勢，增強評價結果的科學性。現有文獻中熵權TOPSIS法、TOPSIS聯合RSR法皆有體現，但尚未對熵權-TOP-SIS-RSR聯合法應用于DRGs指標做出系統闡述。本研究應用熵權-TOPSIS-RSR聯合法進行臨床科室DRGs績效綜合評價，以期為醫院管理者提供參考。

1資料與方法

1.1資料來源

本研究資料來源于山東省某三級綜合醫院的DRGs系統。該院于2019年引入國家臨床版DRGs分組器，并通過指標的監測和比較進行績效綜合評價。本研究從系統中提取2021年該院56個臨床科室的相應指標數據作為研究對象。

1.2DRGs評價維度與指標

既往DRGs績效評價研究顯示，使用頻次較高的指標分別是病例組合指數（Case Mix Index，CMI）、DRGs組數、DRGs總權重、時間消耗指數、費用消耗指數和低風險組死亡率。因此，本研究評價體系包括3個維度共6項指標：（1）醫療服務能力評價指標。CMI值（X1）可在一定程度上反映醫院所提供醫療服務的技術難度和資源消耗，DRGs組數（X2）反映臨床科室收治疾病的覆蓋范圍，DRGs總權重（X3）反映臨床科室的住院服務總量，均屬于高優類指標；（2）醫療服務效率評價指標。時間消耗指數（X4）和費用消耗指數（X5）分別反映治療同類疾病的費用和時間相對消耗水平，屬于低優類指標；（3）醫療安全評價指標。低風險組死亡率（X6）反映臨床科室醫療安全水平，屬于低優類指標。

1.3統計分析方法

運用Excel 2021軟件整合并處理數據。熵權-TOPSIS-RSR聯合法原理是應用熵權法確定DRGs指標權重，通過TOPSIS法獲得反映評價對象優劣程度的統計量，在此基礎上利用RSR法對臨床科室進行分檔，使用SPSS 26.0軟件對分檔結果進行統計分析，檢驗分檔合理性。同時根據原始數據，描述各科室病種結構特征并分組，將其與績效評價結果匹配。具體如下：

1.3.1熵權TOPSIS法 熵權TOPSIS法是在應用熵權法獲得指標權重的基礎上，再使用TOPSIS法對研究對象進行相對優劣評價。首先，以極差標準化法對原始數據進行處理，然后將數據平移0.0001以消除“0”值對評價的影響。其次，按照經典熵權法操作，依次獲得貢獻度矩陣、熵值（ej）、權重（Wj）。其中，指標數據的變異程度越大，熵值越小，權重越大。再次，構建原始數據的熵權標準化矩陣作為TOPSIS法的基礎數據，分別計算高優指標、低優指標的正負理想解，進而計算歐式距離（Di+、Di-），最后獲得反映評價對象優劣的相對貼近度（Ci），Ci值越大，表明該科室DRGs績效評價結果越好。

1.3.2RSR法 Ci的取值范圍介于0-1之間，值越大說明綜合評價結果越好；RSR值同樣在0～1之間波動且值越大越好。兩種方法所獲得的值分布相同時，可用Ci代替RSR值。將RSR（Ci）值按照從小到大進行排序并編秩，得出秩次R，頻數f，累積頻數∑f，向下累計頻率P（P=R／n×100％，n=56，最后一項使用1-1／4n進行修正），根據P值查百分數與概率范圍對照表確定概率單位probit值。以probit值作為自變量，RSR（Ci）值作為因變量，建立回歸方程，檢驗水準a=0.05。根據最佳分檔原則進行分檔，并以此檢驗分檔合理性。

2結果

2.1熵值和指標權重

對該院56個臨床科室的DRGs指標客觀數據進行整理后，分別對高優指標X1、X2、X3和低優指標X4、X5、X6進行標準化處理，得到數據的熵值（ej）和權重（Wj），結果如表1所示。從權重上看，DRGs總權重數值最大，低風險組死亡率最小。

2.2相對貼近度

構建熵權標準化矩陣，計算歐式距離Di+和Di-，并以此獲得相對貼近度Ci。結果如表2所示，排名前5位的科室依次為胃腸外科、心血管外科、心血管內科、神經外科、重癥醫學科。

2.3DRGs績效評價分檔

以Ci值代替RSR值，依次獲得向下累計頻率P值和概率單位probit值，其中probit最小值和最大值分別為2.880和7.576。所得回歸方程為Y=0.149X-0.465（R2=0.963，Plt;0.05），模型具有統計學意義且擬合優度較好。按照最佳分檔原則對臨床科室進行排序分檔。56個臨床科室被分為3個檔，根據合理分檔數表，百分位數臨界值分別為≥P84.134、gt;P15.866～

2.4病種結構特征分組

為進一步探討科室病種結構對DRGs績效評價結果的影響，本研究以CMI值為橫坐標、DRGs組數為縱坐標建立坐標系，分別描述各科室病種結構特征并分組。病種難度傾向組的科室具有CMI值較高、DRGs組數較少的特征；病種范圍傾向組的科室具有CMI值較低、DRGs組數較多的特征；病種傾向模糊組的科室則具有CMI值較低、DRGs組數較少的特征。本研究未出現CMI值較高且DRGs組數較多的科室。最終將績效評價分檔結果與病種結構特征分組進行匹配，結果如表3所示。

3討論與建議

3.1評價方法具有一定客觀性和科學性

本研究基于DRGs指標，系統闡述了熵權-TOPSIS-RSR聯合法在醫院臨床科室績效評價中的應用。以熵權法作為指標賦權方式可增強評價的客觀性；TOPSIS法和RSR法互為補充，進一步提升了評價結果的準確性。既往研究多采用主觀賦權方法，如劉軍等基于三甲醫院功能定位所獲得的CMI值和低風險組死亡率兩項權重較大，趙欽風等的研究結果則賦予DRGs組數較大權重。可見，在應用主觀賦權法時，不同研究者往往會因主觀傾向不同而賦予同一指標差別迥異的權重值。而熵權法作為客觀賦權法，規避了層次分析法等主觀賦權的缺陷，能夠較客觀地反映指標在評價中的重要程度。例如，本研究中CMI值、DRGs組數和DRGs總權重3項指標相較于時間消耗指數、費用消耗指數和低風險組死亡率3項指標的權重更大，反映出CMI值、DRGs組數和DRGs總權重在科室間的變異程度或差異性更大，提示其為影響DRGs績效綜合評價結果的關鍵指標。另外，熵權法通過對客觀數據進行標準化處理，消除了量綱和數量級不同的影響，使指標之間更具有可比性。在利用熵權法減少權重設置不合理導致評價誤差的基礎上，聯合使用TOPSIS法和RSR法既能夠彌補傳統TOPSIS法易受異常值影響的缺陷，又能避免RSR法由于秩轉換導致信息丟失的問題；同時，融合了TOPSIS法能科學評價對象優劣性和RSR法能對評價對象科學分檔的優點，從而使評價結果更加客觀、科學、準確。

3.2評價結果分析與建議

本研究采用RSR法將56個臨床科室分為3個檔次，從分檔結果看，第1檔包括7個外科科室和心血管內科、重癥醫學科，這些科室的CMI值和DRGs總權重均較高，且這兩項指標權重較大，因此其績效評價結果較好。第2檔科室約占70％且構成復雜，相較于第1檔科室，兩檔醫療服務效率和醫療安全指標差異較小，醫療服務能力指標差異較大，提示服務能力指標對于兩檔具有區別作用，該檔科室應重點關注醫療服務能力相關指標的優化提升。第3檔科室除低風險組死亡率外，其他各項指標均不突出，如眼科CMI值僅為0.30，男科DRGs組數僅為14，中醫科時間消耗指數為2.28，該檔科室首要任務為提升服務效率，同時通過人才引進和培養、新技術和新項目開發等進一步提升服務能力。

從病種結構特征分組看，病種難度傾向組除外科科室和長期收治疑難危重癥科室外，心血管內科因長期開展心臟輔助系統植入、永久性起搏器植入等手術而使CMI值較高，新生兒科因患者器官、身體機能等尚未成熟而對技術和消耗要求更高，該組科室所收治病例的難度傾向顯著且更符合醫院功能定位。病種范圍傾向組既包括內科、保健科等以藥物治療為主的科室，診療技術難度相對較低，主動增量以提高總體產出，故中低權重病種占比大；又包括急診內、外科等，因科室性質、職責原因致使所收治病例不可篩選，病種范圍大且結構復雜，同時被動增加了低權重病組。該組科室應著力優化病種結構。病種傾向模糊組科室分布復雜，主要包括3種情況：一是口腔頜面外科、眼科等科室，戰略重心為專科建設，特定病組收治較多；二是疼痛診療科、中醫科等科室，疑難危重病例或技術難度、消耗強度較大的診療方式較少，且部分診斷無法對標DRGs體系，故特征不顯著；三是核醫學科、美容整形外科等科室，可開展業務及病例數量均較少，須在明確發展方向的基礎上進一步提升效率。同時，現行分級診療制度的非強制性、大醫院的“虹吸”效應均會影響三級醫院病種結構，而“唯產量論”運營觀念亦會導致醫院、科室偏離以疑難危重癥診治為中心的功能定位。

病種難度傾向組處于第1檔或第2檔前列，病種范圍傾向組均位于第2檔，病種傾向模糊組排名則普遍靠后，這說明科室定位模糊、病種結構不合理會影響DRGs績效評價結果。同時，疑難危重癥診治為三級公立醫院核心任務，學科內涵式發展必須緊扣這一方向，因此須從醫院內、外部同時著手以優化病種結構。外部優化以政府為主體，以分流、引流為主要任務，以政策引導為主要手段，一方面通過人才、設備等配置和下沉保障醫療服務同質化，另一方面通過調整三級醫院醫保報銷項目、比例的方式引導低權重病種下沉至基層醫療衛生機構。內部優化要以醫院為主體，可圍繞以下途徑展開：（1）建立分檔、分組績效獎勵制度，在績效分配中提高體現技術和急危重癥病例的額度。例如，對本研究中3個分檔內的科室分別給予層次性的分配額度，同時病種難度傾向組在此基礎上再適當上調額度，使績效分配同時體現科室產出和病種結構，引導科室內部調整。（2）拓展門診手術、日間病房業務范圍。醫院可將透析、化療患者和低風險、低難度手術轉至門診開展，將低權重病種轉至日間病房并引導患者至基層醫療衛生機構進行康復治療，提高住院科室高權重病種比例。（3）高權重優勢病種專科化。針對病種傾向模糊組，該組科室的首要任務是明確DRGs發展導向，同時重點圍繞高權重優勢病種完善臨床路徑，建立標準化、規范化診療方式，打造專科、專病診治中心，以高比例專科病種診治帶動內部病種結構調整，以提升科室產出和效率。

4不足與展望

本研究不足之處在于，僅將熵權-TOPSIS-RSR聯合法應用于醫院三級科室的績效評價，而樣本醫院為多院區辦院，四級科室即病區間的指標數據和病種結構同樣存在差異。而該方法亦適用于病區的評價，后續將進一步開展病區的DRGs績效綜合評價。

本研究將熵權-TOPSIS-RSR聯合法應用于臨床科室DRGs績效評價，為醫院管理者提供了精細化考核的新思路。同時，以病種結構特征將科室分組，從臨床和管理視角探析影響因素，并結合分檔結果提出改進路徑，其他醫院可參考本研究思路進一步優化病種結構，提升科室運營效率。