新形勢下精細化統計方法對惡性腫瘤患者經濟負擔的分析

摘 要：探討DRG付費下惡性腫瘤患者住院費用影響因素，以期為降低惡性腫瘤患者的直接經濟負擔提供參考。采用SPSS26.0建立BP神經網絡模型，運用回顧性分析方法，對某地級市三級甲等醫院實施DRG前后（2022—2023年）惡性腫瘤患者住院費用影響因素進行分析。通過統計模型分析，按重要性進行排序，影響住院費用的主要因素為：住院天數（0.264）、年齡（0.173）、性別（0.167）、是否手術（0.146）、是否輸血（0.125）、入院途徑（0.076）、離院方式（0.049）。

關鍵詞：ＢＰ神經網絡模型；惡性腫瘤患者；住院費用；影響因素

中圖分類號：F224 文獻標志碼：A 文章編號：1673-291X（2024）15-0153-04

惡性腫瘤不僅嚴重危害人民群眾健康，還給患者帶來沉重的經濟負擔，已成為我國城市居民主要疾病死亡率及死因構成比排名首位的慢性非傳染性疾病，其醫療費用逐年遞增[1]。每年惡性腫瘤所致的醫療負擔超2 200億元，惡性腫瘤患者治療難度大，治療成本高，因此部分患者不能接受或堅持抗腫瘤治療，如何降低腫瘤患者醫療費用是我們面臨的一項重要課題[2]。國家醫療保障局于2019年6月在全國范圍內正式確定30個試點城市推行疾病診斷相關分組（diagnosis related groups，DRG）醫保支付方式改革試點工作[3]。宜賓某三甲醫院于2023年正式啟動院端DRG醫保結算工作，本研究選取該院實施DRG醫保付費前后腫瘤患者為研究對象，通過精細化統計方法（即BP神經網絡數學模型），探討影響本地區實施DRG改革前后惡性腫瘤患者住院費用的可控因素，為減少惡性腫瘤患者經濟負擔提供科學支撐。

一、資料與方法

（一）資料來源

收集實施DRGs某地級市三級甲等醫院HIS系統病案首頁數據，統計時間為2022年1月1日至2023年12月31日，僅保留醫保結算后惡性腫瘤患者共11 036例，以DRGs付費制度實施前（2022年1—12月）的5 036例患者作為對照組，干預組則是DRGs付費制度實施后（2023 年1—12月）的6 000例患者。

（二）研究對象

為保證納入分析樣本的代表性及樣本間的獨立性，研究對象納入標準為依據疾病和有關健康問題的國際統計分類ICD-10臨床版2.0代碼庫（International Statistical Classification of Diseases and Related Health Problems 10th Revision），篩選首次確診并且主要診斷編碼范圍為C00-C97惡性腫瘤出院病人。排除標準為因放療、化療、靶向住院的病例；對于多次住院同一個患者，主要診斷相同時僅保留一次，以及基本病人信息缺失而無法統計的病例。

（三）統計方法

本研究采用SPSS26.0進行統計分析，回顧性分析病人性別、年齡、入院途徑、住院天數、是否手術、是否輸血、離院方式等可能的影響因素為自變量，作為輸入層，住院費用信息為因變量，作為輸出層，比較實施DRG前后兩組住院費用構成情況、住院費用明細。BP神經網絡模型分析惡性腫瘤患者住院費用情況，該模型可直接運用在偏態分布、多復雜因素以及數據本身相互關聯性等特點數據，BP神經網絡模型具有強大的非線性處理能力、高容錯性和自學習能力，能擬合接近真實的模型，目前已有多項研究將其應用于疾病住院費用影響因素的分析[4，5]。

統計分析以及數據清理，經正態性檢驗（P<0.01），按檢驗水準取a=0.05，住院總費用及各費用維度等10個偏態資料采用中位數來描述；性別、是否手術、是否輸血采用兩個獨立樣本的Mann-WhitneyU檢驗非參數檢驗，年齡、入院途徑、住院天數、離院方式幾個指標采用多個獨立樣本的Kruskal-Wallis H檢驗非參數檢驗；實施改革前后數據采用校正t檢驗單因素分析；多因素分析后建議統計BP神經網絡建模，對單因素分析有統計學差異的影響因素納入模型，采用重要性分析指標進行評價。

二、結果

（一）一般資料

根據篩選標準共納入惡性腫瘤住院病人11 036例，排除2 109個病人，其中男性5 756例，女性5 280例，年齡以60歲以上居多，占47.5%，住院天數大于10天以上占53.4%，平均12.9天之內。經兩個獨立樣本或多個獨立樣本統計分析顯示，性別、是否手術、是否輸血經Mann-Whitney U檢驗，Z統計值分別為3.360、46.844、763.572；年齡、入院途徑、住院天數、離院方式經Kruskal-Wallis H檢驗，H統計值分別為10.299、30.007、3043.350、28.203，經非參數檢驗住院費用差異（P≤0.05）有統計學意義，見表1。

（二）2022—2023年實施DRG前后惡性腫瘤直接經濟負擔分析

2022—2023年期間惡性腫瘤住院患者總費用為239 548 178.87元，中位住院費用為15 268.42（8 837.89，29 369.03）元，實施DRG后干預組較對照組各項住院費用呈明顯下降趨勢，費用各維度即總費用均值、自費類、綜合服務類、診斷類、康復類、中醫類、西藥類、血液和血液制品類費用差異（P≤0.05）有統計學意義，見表2。

（三）惡性腫瘤患者直接經濟費用中各變量影響因素

BP神經網絡模型中各變量的重要性分析顯示，住院天數是所有因素中影響住院總費用的主要因素，重要性為（0.264），住院天數對綜合服務類（0.275）、診斷類（0.321）、治療類（0.308）、康復類（0.270）、中醫類（0.289）、西藥類（0.234）、中藥類（0.289）、耗材類（0.303）重要性統計值中均占有較大影響；是否手術對治療類（0.316）、耗材類費用（0.260）影響較大；是否輸血對血液和血液制品類費用（0.555）影響較大，年齡對住院總費用（0.173）、中醫類（0.17）、中藥類費用（0.168）具有一定影響作用。

三、討論

第一，研究結果。年齡對住院費用中的中醫類費用、中藥類費用影響較大，重要性分別為0.170、0.168，年齡介于45—59歲和≥60歲惡性腫瘤病人占比86.5%，年齡介于45—59歲住院費用逐漸提高明顯高于60歲，一方面高齡患者本身長期存在一些慢性病，另一方面因抵抗力差，合并嚴重并發癥在治療上對晚期病人更加傾向于對癥、保守等姑息治療方法，中醫類費用和中藥類費用較高也得到證實。

本次調查結果顯示，手術患者的平均住院費用（18 532.17元）是非手術患者（6 843.99）的費用近3倍差距，特別是對治療類（0.316）、耗材類費用（0.260）的重要性占百分比值高。手術操作項目涉及使用麻醉、輸血、耗材等相關費用，隨著醫學科技的發展，高精類的手術器械（比如達芬奇機器、ECMO人工心肺機等）的引入，間接增加患者住院治療經濟負擔。手術病人完善術前檢查項目需要占用術前等待時間，延長病人住院時間，醫院管理者應采取切實可行的措施縮短病人等候檢查或術前等待時間，控制住院費用，減少經濟負擔。

第二，日間病房管理可以有效降低平均住院日。BP神經網絡模型中各變量的敏感性分析結果顯示，住院天數是影響惡性腫瘤患者住院費用最重要原因，住院時間長或短在影響住院總費用及其費用明細眾多因素中居首位，住院天數越長，患者的直接經濟費用越高，與本院實際情況相一致，也與其他研究[5]結果一致。住院天數是惡性腫瘤藥物治療住院費用的重要影響因素，兩者對住院費用影響較大，這與有關報道相符[6]。住院天數作為時間效率評價指標被用于反映醫院管理水平、醫療護理質量、工作效率和效益[7]。

在三級公立醫院績效考核和宜賓2023正式實施DRG醫保付費的雙重背景下，全院統籌運營發展戰略，助力醫院高質量發展，四川省宜賓市醫療保障局實行的是“結余留用、合理超支分擔”的DRG結合點數法預付費，醫院要降低DRG付費下的虧損風險，就不得不采用成本核算方法進行費用管控，對于惡性腫瘤診斷明確、病情穩定無進展、需定期或常規化學或靶向藥物治療，因藥物治療可能導致嚴重并發癥需要短期觀察，在門診常規處理存在一定醫療風險，收進住院病房不僅影響床位周轉，而且造成有限的醫療資源浪費，收治日間病房更可行。打造腫瘤日間病房中心，擴大日間病房床位規模、制定與完善腫瘤日間病房準入和排除統一標準及動態調整機制，嚴格執行惡性腫瘤西藥類治療病人入院前評估工作，在現有基礎上不斷規范和完善惡性腫瘤藥物治療臨床路徑、強化院內多學科MDT會診機制，醫院床位周轉率提升了，那么住院時間會相應降低，減輕患者的經濟負擔[8]。

第三，西藥費用類對住院費用有較大影響。影響惡性腫瘤病人住院費用的主要因素是抗腫瘤藥物，西藥類費用類依據2023實施DRG分為干預組與2022實施DRG前分為對照組，經校正t檢驗得到統計值14.318，差異顯著（P≤0.05）有統計學意義，控制藥品和診療費用不合理增長的重要環節便是降低藥品費用[9]。對此，國家多部門發文采取多項措施有效降低各類藥品（包括腫瘤藥品）費用水平，除中藥飲片外，全國公立醫院率先在2017年始全面取消藥品加成后效果顯著，隨后國家醫療保障局于2018年12月至今先后開展7批次藥品帶量采購工作，共計采購294種藥品，前6批234種藥品價格平均降幅53%，部分抗惡性腫瘤藥品價格也大幅降低。同時部分新上市藥品動態調整進入國家醫保藥品目錄，自2022年1月1日起74種新增藥品進入醫保藥品目錄[10]；研究結果顯示，2023年本地實施DRG后住院總費用及各費用結構將得到進一步優化，惡性腫瘤病人不管是職工醫保或是居民醫保，抗腫瘤用藥范圍持續擴大、價格水分不斷被擠出，惡性腫瘤患者治療用藥費用將逐步持續降至合理水平范圍內[11]。

綜上，BP神經網絡模型應用于醫保患者住院費用研究效果較好，惡性腫瘤病人承擔過重經濟負擔，如何預防和降低惡性腫瘤的發病率而不是患病率，政府必須制定相應政策和措施從根源上杜絕，控制醫療費用的上漲趨勢，提高患者的生命和生活質量。

參考文獻：

[1] 中華人民共和國國家統計局.中國統計年鑒2021[M].北京：中國統計出版社，2021：1-2.

[2] 贠小燕，陳忠虎，楊燕.惡性腫瘤患者住院費用結構變動度及影響因素分析[J].中國醫院統計，2021，28（4）：334-338.

[3] 國家醫保局 財政部 國家衛生健康委 國家中醫藥局關于印發按疾病診斷相關分組付費國家試點城市名單的通知（醫保發〔2019〕34號）[EB/OL].（2019-05-21）[2024-04-29].https：//www.gov.cn/zhengce/zhengceku/2019-10/12/content_5438769.htm？ivk_sa=1023197a.

[4] 華星星，孫曉杰.BP神經網絡模型在乳腺癌患者住院費用研究中的應用[J].中國衛生事業管理，2018，35（5）：343-346.

[5] 陸春吉，李亞子，李國壘，等.基于BP神經網絡的新農合跨省就醫腦梗死患者住院費用影響因素分析[J].中國數字醫學，2019，14（12）：26-29.

[6] 劉星媛，吳云濤，陳曦，等.2274例胃惡性腫瘤患者住院費用影響因素分析[J].中國病案，2022，23（12）：43-47.

[7] 李文瑾，續曉方，田立啟，等.基于DRG的乳腺癌手術患者醫療費用及影響因素分析[J].衛生經濟研究，2021，38（6）：76-79.

[8] 賈農，羅薇.DRGs評價體系應用于醫院管理運行模式探討[J].中國醫院統計，2019，26（4）：289-293.

[9] 楊煦，陳京，劉巍，等.腫瘤專科醫院日間病房診療模式的建立與管理[J].中國醫學前沿雜志（電子版），2021，13（5）：2-5.

[10] 黃果，董來東.惡性腫瘤住院患者疾病特征及醫療費用研究[J].衛生經濟研究，2021，38（3）：67-69.

[11] 國家組織藥品聯合采購辦公室.關于公布全國藥品集中采購（GY-YD2022-1）中選結果的通知[EB/OL].（2022-07-18）[2024-04-19].https：//www.smpaa.cn/gjsdcg/2022/07/18/10823.shtml.

Analysis of Direct Economic Burden of Malignant Tumor Patients under the

New Situation Refined Statistical Method

LI Jun， CAO Lianghai

（Yibin Hospital of Sichuan University， Yibin 644000， China）

Abstract： Exploring the influencing factors of hospitalization expenses for malignant tumor patients under DRG payment， in order to provide reference for reducing the direct economic burden of malignant tumor patients. A BP neural network model was established using SPSS 26.0， and a retrospective analysis method was used to analyze the influencing factors of hospitalization costs for malignant tumor patients before and after the implementation of DRG in a tertiary hospital in a certain prefecture level city （2022-2023）. Through statistical model analysis， ranked by importance， the main factors affecting hospitalization costs are： length of hospital stay （0.264）， age （0.173）， gender （0.167）， whether surgery was performed （0.146）， whether blood transfusion was administered （0.125）， admission route （0.076）， and discharge method （0.049）. The BP neural network model can effectively analyze the influencing factors of hospitalization costs for patients with malignant tumors.

Key words： BP neural network model; Malignant tumor; Hospitalization expenses; Influence factor

[責任編輯 白 雪]