基于多層感知器神經網絡的住院病案內涵質量預測模型研究*

袁筱祺 趙英英

(上海市第一人民醫院醫務處 上海 200080)

1 引言

隨著按疾病診斷相關分組/按病種分值付費(diagnosis related groups / diagnosis-intervention packet，DRG/DIP)試點工作的不斷推動，住院病案在國家公立醫院績效考核中的比重逐年遞增。住院病案是診療過程中對住院患者檢驗檢查、診斷治療和預后轉歸等情況的醫療記錄，是醫療活動過程中的重要原始文件[1]。病案的內涵質量對醫院的醫療、研究、績效考核等方面有重要影響，推動公立醫院長久發展[2-3]。住院病案內涵質量是衡量醫院管理水平及醫師業務能力的重要標準之一。質量評價既包括病案整體的規范和格式的外在質量，也包括內涵質量的控制。住院病案主要包含首頁、出院小結、入院記錄、首次病程記錄、病程記錄、護理文書、患者知情同意書以及各種檢驗檢查項目結果等電子文書，記錄患者在院期間全流程的診療經過。內涵質量表現書寫者對疾病分析、臨床診療思維的邏輯性、診斷結論的正確性、各種檢驗檢查項目的精準化、治療方法的合理性以及對疾病變化記錄的及時性。住院病案內涵質量主要針對除首頁之外的電子病案質量進行把控，是住院病案的核心和精華。病案書寫質量與臨床工作效率息息相關，影響住院病案內涵質量的因素比較復雜。

國內外預測住院病案內涵質量的方法學研究差異較大，相關研究評價指標具有多樣化。吳春雁等[4]從中醫住院病案角度切入，探索歸納中醫住院病案內涵質量缺陷，問題主要集中在中醫望聞切診、辨病辨證依據、中醫鑒別診斷、初步診斷、理法方藥一致性等8個方面。Trout K E等[5]利用流行病學參數分析和經濟學方法評估住院病案質量，發現潛在問題病案。Mor S M等[6]利用住院病案記錄評估食品和水傳播監測系統，再次強調住院病案內涵質量控制的重要性。

國內主要關注住院病案首頁質控，對住院病案內涵質量把控的相關研究較少。王珊等[7]研究發現住院病案首頁中前3位缺陷為患者基本信息、診療信息以及三級醫師質控簽名，且不同級別醫院病案缺陷分布存在差異。倪如莉等[8]從不同醫院性質角度切入，發現民營醫院和公立醫院住院病案首頁填寫缺陷差異主要體現在總體質量、住院信息和診療信息方面。近年來，部分研究開始利用機器學習方法構建住院病案質量評估模型。丁欣等[9]對住院病案首頁進行評估分類模型構建，發現能夠有效降低問題發生率。

本研究通過調查上海市第一人民醫院經專家及科室質控員督查的住院病案等級及扣分指標情況，探討影響住院病案內涵質量的因素，建立基于多層感知器神經網絡(multi-layer perception，MLP)的住院病案內涵質量預測模型，為公立醫院住院病案內涵質量的提升提供理論依據。

2 資料與方法

2.1 資料來源

在醫院病案質量監控信息系統中，查詢2022年6—11月住院終末病案，在每月病案中隨機抽取60～110份，剔除邏輯不規律及數據缺失的病案，共收集590份住院病案(涉及消化科、腎內科、神經內科、心內科等內科，骨科、普外科、胸外科、眼科、心外科等外科)。首先由科室病案質控員進行自我評價和修改。同時組建醫院專家組對住院病案分級評分。扣分指標涉及出院小結、入院記錄、基本情況、三級查房、術前討論等。

2.2 研究方法

2.2.1 住院病案內涵質量評級 按照《住院病歷質控評分標準》評級，主要質控評分項目包括入院記錄、病程記錄、出院(死亡)記錄、輔助檢查、告知委托書、知情同意書、醫囑、病歷書寫要求8部分。終末病史的總分為100分，依據院內住院病案質量評定標準，將75分及以下歸為丙級病史，75～90分歸為乙級病史，90分以上歸為甲級病史，等級越高則住院病案內涵質量越高，匯總抽取病案及其評級信息形成住院病案數據庫。

2.2.2 主要參數指標確定 按照7∶3的比例，采用隨機數字法分組，將整體數據庫隨機分為訓練集樣本和測試集樣本。訓練集樣本用于構建多層感知器神經網絡模型，測試集樣本用于檢測構建的模型效果。自學習多層感知器神經網絡模型的訓練集樣本為有效數據樣本590份中的401份(68.0%)，檢驗集樣本為189份(32.0%)。模型結構主要包括1個輸入層、1個隱藏層和1個輸出層[10]。本研究因變量是分類變量，采用循環調試方法確定最優參數值，設置輸出層的激活函數是Softmax函數，隱藏層激活函數是雙曲正切函數。選擇調整后的共軛梯度算法作為模型優化算法。鑒于多層感知器神經網絡是一種監督學習算法，因此在利用訓練集構建好模型后，再通過測試集驗證模型。首先將測試集內所有病案分組，而后對主要影響因素進行重要性檢驗。判斷預測效能時，將模型的預測準確率、靈敏度、特異度、約登指數、受試者工作特征(receiver operator characteristic，ROC)曲線及曲線下面積(area under the curve，AUC)等作為主要的評估指標。

2.2.3 多層感知器神經網絡模型的構建 基于多層感知器神經網絡完成預測模型構建，主要采用層狀神經網絡結構。主要構建流程：首先確定納入模型的變量類型及賦值方式；其次通過模型節點選定、確定結構、訓練樣本、訓練參數等規定變量算法參數；利用反向傳播算法，初步構建預測模型。結合測試集樣本再次測試泛化，最終構建預測模型，見圖1。

圖1 多層感知器神經網絡模型構建

2.2.4 統計學方法 采用SPSS 27.0統計軟件進行數據分析。對扣分項目指標等定性資料，采用χ2檢驗進行單因素分析初篩影響因素，作為輸入節點。采用Matlab軟件計算模型的預測準確率、靈敏度、特異度、AUC、ROC曲線等預測指標。

3 結果

3.1 納入研究基本特征

經過科室質控員自評和專家組考核評級，甲級病案440份，總甲級率為74.58%；乙級病案146份，總乙級率為24.75%；丙級病案4份，總丙級率為6.78%，見表1。

表1 住院病案基本特征[n(%)]

3.2 基于單因素的影響因素初篩

對于各扣分項目等定性資料，采用χ2檢驗和精確概率法統計分析。單因素顯著性結果，見表2，初步篩選出影響住院病案內涵質量效果評價的22項指標(P<0.05)。

表2 住院病案內涵質量的單因素分析[n(%)]

3.3 住院病案內涵質量預測模型

3.3.1 建立基于MLP的住院病案內涵質量預測模型 因變量(輸出層)是住院病案不同等級變量，自變量(輸入層)是單因素分析中差異具有統計學意義的變量(共22個神經元)；隱藏層包含7個神經元；輸出層為甲級、乙級、丙級3個神經元。

3.3.2 模型觀察預測準確率 根據個案相對數目，按照7∶3的比例隨機分配至訓練集和檢驗集。利用訓練集搭建MLP模型，訓練模型總體預測準確率為89.0%。使用檢驗集驗證MLP模型，總體預測準確率為90.5%，說明模型整體預測效能較好，見表3。

表3 多層感知器神經網絡模型預測情況

按照儲集層住院病案等級分組，當甲級住院病案作為預測目標時，甲級住院病案的預測擬概率遠高于其他等級預測擬概率，說明甲級病案分類識別效果較好；當乙級住院病案作為預測目標時，乙級住院病案的預測擬概率遠高于其他等級預測擬概率，說明乙級病案分類識別效果較好。

3.3.3 重要性變量輸出 預測模型對輸入層自變量的重要性排序，影響住院病案評為甲級的前5位重要獨立因素為手術安全核查表缺少手術開始前的勾選、首次主任查房分析討論欠妥(缺少鑒別診斷)、手術護理記錄單缺少送檢者簽名、三級查房內容雷同(診斷依據缺少發病時間)、醫囑單缺少醫師手寫簽名。

3.3.4 模型預測效能 多層感知器神經網絡模型的預測效能較好。靈敏度為93.73%，特異度為78.22%，95%CI為0.928～0.951，截斷值為0.11，即當截斷值≥0.11時，住院病歷為甲級病歷的可能性較大。繪制ROC曲線，檢驗變量選擇預測模型公式計算出的階段值，狀態變量選擇住院病案是否為甲級病案。AUC無限接近1，說明模型整體預測效能較好，見圖2。

圖2 總預測模型ROC曲線(左)/各質控等級ROC曲線(右)

4 討論

4.1 影響住院病案內涵質量的重要獨立因素

本研究表明，多層感知器神經網絡模型在住院病案內涵質量預測中有較好的效能。揭示出影響住院病案評為甲級的5項重要因素。一是手術安全核查表填寫不完整。手術安全核查表的主要目的是確保一些必要術前程序的執行，從而降低手術風險和患者手術并發癥發生率[11]。基于此，醫院應該加強手術安全核查表在手術安全管理以及住院病案質量控制中的應用。在院內規范手術安全核查表培訓制度，完善核查表的監督和核查制度，將其同步到住院病案內涵中，盡可能地確保手術安全核查表的完整性和時效性。二是首次主任查房分析討論欠妥。與蔣鳳娟[12]研究結果一致，首次主任查房分析討論質量對于住院病案內涵質量具有重要意義。三是手術護理記錄單缺送檢者簽名。手術室護理記錄單記錄住院患者在手術室期間所有護理項目，包括術前評估、手術用物評估、術中護理、術后物品清點、術后護理等環節的多個表單[13]。張曉然等[14]研究表明，將手術室護理記錄單系統化整理，可以在一定程度上減少護理記錄缺陷，保證住院病歷內涵完整性及高質量。四是三級查房內容雷同。目前三級查房的缺陷主要集中在醫師對國內外最新進展分析不充分[15]。五是醫囑單缺醫師手寫簽名。劉珺等[16]研究表明，應用品管圈這一管理學方法可以有效降低醫囑處理缺陷發生率，促進醫療質量。

4.2 應用效果分析

本研究通過χ2檢驗和精確概率法等單因素分析初篩住院病案內涵質量的影響因素，進而利用MLP再篩重要獨立因素。神經網絡模型的靈敏度、特異度、準確率、ROC曲線等各項評價指標均較好。上海市第一人民醫院將該預測模型運用于住院病案內涵質量的影響因素篩選，查找出影響病案質量的關鍵問題，運用重要性排序圖、雷達圖等可視化呈現給具體臨床科室、醫務處以及醫院管理層。相關科室針對病案內涵中的關鍵問題采取針對性防范措施，定期培訓，提升甲級病案率，降低問題病案發生率，最終提高住院病案內涵質量。本研究構建的MLP模型緩解了傳統人工審查的壓力，也在一定程度上有效解決了臨床住院病案內涵質量審核的效率問題。

5 結語

本研究顯示基于MLP的評價模型具有較好的預測能力，為公立醫院住院病案質量管理提供理論參考。本研究存在一定的局限性，例如研究樣本僅是上海市第一人民醫院住院病案數據，未進行多家醫院多中心、大樣本驗證，模型存在一定偏倚。后續將從擴大樣本量、新增影響因素等角度深入研究，迭代完善住院病案內涵質量預測模型。