晚期慢性腎臟病住院患者疾病診斷相關分組的初步研究
——以成都市某三甲醫院為例

裴家興,楊孝光,肖 鋒,劉 羽,周鵬飛,李運明

(1.西南醫科大學公共衛生學院,四川 瀘州 646000;2.西部戰區總醫院醫療保障中心信息科,四川 成都 610083;3.西部戰區總醫院衛生經濟科,四川 成都 610083)

慢性腎臟病(CKD)是指腎臟結構和(或)功能發生持久性改變的疾病,具有發生率高、知曉率低以及醫療費用昂貴等特點[1]。我國CKD患病率較高,患者醫療費用占同年醫療費用的比例高達6.5%,且呈逐年增長趨勢[2,3]。根據腎小球濾過率等指標,CKD常分為1～5期,其中4～5期為晚期,常需要住院治療[4,5]。疾病診斷相關分組(DRG)是綜合考慮各病例主要診斷、合并癥或并發癥等多種因素的病例分組方案,可作為一種控制醫療費用支出和醫院精細化管理的工具[6]。國家醫療保障局2021年發布《DRG/DIP支付方式改革三年行動計劃》(醫保發〔2021〕48號),明確指出:需加強病組(病種)管理,以國家分組為基礎,結合本地實際,維護和調整病例分組,使之更加貼近臨床需求。為此,本研究采集成都市某三甲醫院晚期CKD住院診療數據,采用決策樹窮盡卡方自動交互診斷器分析(E-CHAID)算法建立DRG分組方案,以期為合理控制該類住院患者的醫療費用提供參考。

1 資料與方法

1.1 資料來源

收集四川省成都市某三甲醫院2018-2022年住院病人病案首數據,病例納入標準:①主要診斷為國際疾病分類(ICD)第10版編碼為N18.001以及N18.804[7];②18歲以上。排除標準:①病案首頁重要信息缺失病例;②住院費用在P2.5～P97.5以外病例;③住院天數大于60天病例(疾病診斷相關分組付費不適用于長期住院病例[8])。

1.2 資料整理

納入有效病例2987例。采集病案首頁信息,包括:性別、年齡組、住院天數組、是否首次入院、有無合并癥或并發癥、有無透析治療、入院方式、有無手術、入院病情。住院天數按照P95節點(32天)進行分組。按照世界衛生組織對老年人的定義,以65歲劃分為中青年組和老年組。合并癥或并發癥采用《國家醫療保障疾病診斷相關分組(CHS-DRG)細分組方案(1.0)版》中所列診斷[9]。影響因素賦值見表1。

表1 晚期慢性腎臟病患者住院費用影響因素與賦值

1.3 資料分析

使用SPSS 25.0進行統計分析。住院費用不服從正態分布,采用中位數和四分位數進行統計描述。住院費用單因素分析采用Mann-Whitney U檢驗和Kruskal-Wallis H檢驗。因多元線性回歸要求反應變量服從正態分布,故采用Box-Cox方法對住院費用進行正態性轉換[10],然后采用多元線性回歸對住院費用進行多因素分析,并用方差膨脹因子(VIF)評價共線性。

1.4 篩選分類節點變量

使用SPSS Modeler 18.0構建人工神經網絡(ANN)對住院費用影響因素進行敏感性分析。敏感性分析可以研究輸入變量對輸出變量的影響程度,系數越大表示輸入變量對輸出變量的影響越大[11]。本研究采用ANN將多元線性回歸模型中對住院費用有影響的因素作為輸入變量,將住院費用作為輸出變量,選擇70%的樣本為訓練集,30%的樣本為測試集,采用多層傳感器MLP法,最大訓練周期為250,計算各影響因素的敏感系數,用于篩選分類節點。

1.5 構建DRG分組方案

使用SPSS Modeler 18.0構建DRG分組方案。決策樹是探究數據內在規律和分類預測的一種方法。E-CHAID算法是在卡方自動交互診斷器(CHAID)算法上的改進[12]。E-CHAID算法選擇最佳分組變量時采用將分組進行到底的策略。本研究運用E-CHAID算法建立決策樹,將生長條件設置為最大深度3層,父節點最少個案100例,子節點最少個案50例,檢驗水準α=0.05;使用5折交叉驗證方法(5-fold cross-validation method)將數據集分為測試集和訓練集;采用Kruskal-Wallis H檢驗判斷所構建的DRG分組方案中組間費用差異性;采用變異系數(CV)評估組內同質性,數值越小表示組內同質性越好。

1.6 制定DRG分組費用標準

以各DRG分組住院費用的中位數作為該組的住院費用標準,第75百分位數加1.5倍四分位數間距(P75+1.5q)作為費用上限,大于該上限的為線外病例。計算線外病例比、線外病例費用消耗比和權重值,對DRG分組方案進行資源消耗評估[13]。

2 結果

2.1 住院患者一般情況

本研究共納入2987例患者,其中男性1504例(50.4%),女性1483例(49.6%);年齡最大為100歲,最小為18歲,平均年齡為(54.5±17.0)歲,中位年齡為53.0歲;最短住院天數為1.0天,最長住院天數為60.0天,平均住院天數為(13.0±9.4)天,中位數為13.0天;有嚴重合并癥或并發癥的患者為574例(19.2%),有一般合并癥或并發癥的患者1798例(60.2%),無合并癥或并發癥的患者615例(20.6%);住院費用最高58,555元,最低為3212元,平均費用為(13,429±9257)元,中位數為10,806元。

2.2 住院費用單因素分析

性別、年齡組、住院天數組以及是否首次入院等9個變量對住院費用有影響,組間住院費用差異均有統計學意義(P<0.001),見表2。

表2 晚期慢性腎臟病患者住院費用單因素分析

2.3 住院費用多因素分析

經正態性檢驗后,住院費用呈偏態分布(偏度系數為1.88±0.05,峰度系數為4.07±0.09)。經Box-Cox轉換后(參數λ=-0.24),住院費用呈近似正態分布(偏度系數為0.03±0.05,峰度系數為0.57±0.09)。以轉換后的住院費用為因變量,性別、年齡組、住院天數組、是否首次入院、有無合并癥或并發癥等9個因素為自變量進行多元線性回歸分析。結果顯示:多元線性回歸回歸模型具有統計學意義(F=89.847,P<0.001);除“是否首次入院”以外其它自變量對晚期CKD患者住院費用的影響具有統計學意義(P<0.05);經共線性診斷發現所有變量的VIF<4,說明自變量之間不存在明顯的多重共線性[14],見表3。

表3 晚期慢性腎臟病患者住院費用多元線性回歸結果

2.4 住院費用影響因素的人工神經網絡分析

選取多元線性回歸結果中“住院天數組”“有無透析治療”“有無合并癥或并發癥”等8個有統計學意義的變量作為人工神經網絡的輸入變量。結果顯示,住院費用的影響因素依重要性分別為:住院天數組(0.46)、有無透析治療(0.29)、有無合并癥或并發癥(0.08)、入院方式(0.06)、入院病情(0.03)、性別(0.03)、年齡組(0.02)、是否手術(0.02)。

2.5 基于E-CHAID算法的DRG分組方案

根據文獻與專家意見,綜合多元線性回歸和人工神經網絡結果,將“住院天數組”“有無透析治療”“有無合并癥或并發癥”作為決策樹分類節點。結果顯示,3個變量全部進入決策樹分組方案,該方案分為三層,“住院天數”為第一次,“有無透析治療”為第二層,“有無合并癥或并發癥”為第三層節點,共形成7個組合。

經5折交叉驗證法得到5個費用估計的訓練集與測試集。結果表明,變異系數CV在訓練集上最大為0.75,在測試集上最大為0.74,均小于0.8,表明組內同質性較好;Kruskal-Wallis H檢驗P<0.001,提示在5個費用估計的訓練集與測試集的表現上,各DRG分組的組間費用差異具有統計學意義。分析各組的超額費用,在訓練集與測試集上,線外患者的比例在10%以內,線外病例費用消耗比在26%以內;權重值在訓練集與測試集上的范圍在0.66～1.92。見表4。

表4 晚期慢性腎臟病患者病例分組及費用估計

3 討論

3.1 改進分析方法,提高DRG方案的合理性

以往DRG分組研究通常使用多元線性回歸進行分析[15,16],由于樣本數量有限且樣本數據不服從正態分布,因此該方法在實際應用中可能表現不夠理想[17]。相比之下,人工神經網絡方法不要求樣本數據服從正態分布,且具有更好的預測能力[18]。在構建DRG分組方案之前,程廣輝[19]采用人工神經網絡對變量進行排序,根據排序結果篩選出影響住院費用的因素。然而,人工神經網絡也具有缺陷性,其構造過程只考慮了輸入與輸出之間的關系,忽略了系統內部的可用信息,難以解釋其內部工作原理和決策過程,且泛化能力較差[20]。因此,崔德光[21]采用人工神經網絡和回歸組合的方法以彌補2種方法各自的缺陷,并驗證了2種方法結合的可行性。鑒于此,本文探索性地將多元線性回歸分析變量間的關系結果與人工神經網絡對變量排序結果相結合,作為篩選決策樹分類節點的客觀依據,旨在避免單一方法的局限性,以減少不合理分組結果出現的可能性。

確定決策樹分類節點后,本研究利用E-CHAID算法構建了晚期慢性腎臟病住院患者DRG分組方案。傳統決策樹算法要求目標變量為分類變量,因此需要將數值型變量轉換為分類變量。E-CHAID算法則不需要這樣轉換,其可以處理分類和數值型目標變量[11]。杜劍亮[22]的研究結果表明,E-CHAID算法適用于DRG分組方案的建立。周鵬飛[9]也使用E-CHAID算法成功構建了惡性腫瘤術后化療住院患者DRG分組方案,證明了該方法的可行性。因此,從方法學角度來看,本文構建的晚期慢性腎臟病住院患者DRG分組方案具有一定合理性。

3.2 評價DRG方案,優化晚期慢性腎臟病的臨床診療

根據本研究結果,決策樹E-CHAID算法依據“住院天數組”“有無透析治療”以及“有無合并癥或并發癥”3個分類節點將晚期慢性腎臟病住院病人細分為7個DRG組。

“住院天數組”為第一層節點,“住院天數≥32天”DRG組的標準費用和權重高于其它DRG組,與王莜[23]的研究結果一致。住院時間越長,消耗的醫療資源也就越多。因此,合理控制住院天數,是提高醫院管理效率和效益的重要途徑,具體做法有:積極開展臨床路徑診療模式探索、實施不同階段的病情評估制、有計劃地安排擇期手術住院日等。

“有無透析治療”為第二層節點。進行透析治療的DRG組標準費用和權重高于同類治療下未進行透析治療的組合,此結果符合臨床實際。肖月[24]的研究表明,血液透析和腹膜透析的年人均直接醫療費用約為8萬元和7萬元;王文儀[25]的研究表明,上海市平均每1.83人的工資才能維持一個晚期腎病患者的透析治療。面對高昂的透析治療費用,更加凸顯出了開展“規范化透析技術臨床應用”工作的重要性。

“有無合并癥或并發癥”為第三層節點。晚期慢性腎臟病住院病人DRG組的合并癥或并發癥越嚴重,其標準費用和權重越高。因此,應警惕晚期慢性腎臟病病人合并癥或并發癥的出現,一旦出現合并癥或并發癥,會造成治療上的困難,增加住院費用。高血壓、糖尿病等慢性疾病是慢性腎臟病病情持續惡化的主要危險因素[26]。有學者發現,晚期的慢性腎臟病患者中有超過2/3的患者合并有高血壓、貧血和高尿酸血癥等疾病[27]。因此,一旦發現可能導致腎臟受損的疾病,應該即時采取積極的治療措施,以預防和控制慢性腎臟病的發生或進展。

考慮到疾病在個體間具有差異性,各DRG組允許一定比例“線外患者”(即住院費用超標的患者)。通常不超過5%。從分組結果可知,合計線外患者人數占總人數比例,測試集為1%,訓練集為5%,結果在合理范圍內。根據測試集和訓練集的結果,DRG1～4組以及DRG6組線外患者比例超過5%,其線外患者人數占總線外患者人數為78%,提示可能存在過度診療的現象。因此,有必要加強對線外病例的監測,規范診療行為,以確保線外患者的數量能夠被控制在合理的范圍內。

3.3 建立臨床路徑,推動DRG支付方式改革

臨床路徑為DRG支付方式改革打下堅實的基礎[28]。李明子[29]提出:制定臨床路徑的關鍵在于,多個專業學者應用循證醫學的最佳證據,并根據醫院實際情況和治療疾病的客觀規律進行制定;實施臨床路徑的關鍵在于,嚴格按照已制定的臨床路徑進行醫療服務,在其過程中對實際醫療服務與臨床路徑有偏差的現象做好記錄,分析并修正臨床路徑,使得臨床路徑更為人性化。目前已有學者建立了慢性腎臟病3～5期中西醫結合臨床路徑以及慢性腎臟病及其并發癥早期篩查臨床路徑[30,31]。提示在建立臨床路徑之前,可根據疾病特點,精細化目標病種,使得臨床路徑更為簡單、高效,減輕醫療服務以及病種費用測算等工作負擔。

本研究存在以下局限性:①數據僅來源于一所醫院,樣本尚不能代表慢性腎臟病的整體情況;②由于本文研究目的是探討晚期慢性腎臟病住院患者的DRG分組方案,因此未進一步對多元線性回歸和人工神經網絡的組合方法進行驗證。未來研究可以進一步驗證這種組合方法或提出新的方法,以提高DRG分組方案的準確性和實用性。