妊娠、分娩和產(chǎn)褥期疾病DRGs分組方法研究

摘要：目的 為探索適合我國(guó)國(guó)情的DRGs分組方法提供研究思路。方法 選擇妊娠、分娩和產(chǎn)褥期疾病作為研究對(duì)象并對(duì)其進(jìn)行分組。結(jié)果 最終的分組模型包括25個(gè)分組，模型的組內(nèi)一致性較好，組間平均住院費(fèi)用存在差異。結(jié)論 可認(rèn)為本文中所采用分組方法適用于對(duì)妊娠、分娩和產(chǎn)褥期疾病的病例進(jìn)行分組。

關(guān)鍵詞：DRGs；分組方法；研究

DRGs是診斷相關(guān)分組的簡(jiǎn)稱，是通過(guò)把某些特征相同或相似的病例歸類為一組，再為每個(gè)組設(shè)定支付標(biāo)準(zhǔn)，從而達(dá)到控制住院費(fèi)用過(guò)快增長(zhǎng)的目的。我國(guó)的DRGs研究尚處于探索階段，離把DRGs應(yīng)用于醫(yī)療保險(xiǎn)支付領(lǐng)域仍有相當(dāng)長(zhǎng)一段距離。DRGs應(yīng)用的瓶頸之一是缺少一個(gè)被廣泛認(rèn)同的分組模型，雖然我國(guó)已引入了美國(guó)的全患者DRGs（AllPatient-DRGs，AP-DRGs）并嘗試對(duì)北京部分醫(yī)院的住院病歷進(jìn)行分組，但分組效果并不好，提示不能直接應(yīng)用國(guó)外的分組模型對(duì)我國(guó)的住院病歷進(jìn)行分組[1]，而我國(guó)學(xué)者[2-3]按照DRGs原理自行建立的分組模型同樣存在著一些問(wèn)題，例如選擇的分組因素不合適，分組因素的不同水平劃分不合理等。本文選擇妊娠、分娩和產(chǎn)褥期疾病作為研究對(duì)象并對(duì)其進(jìn)行分組，為探索適合我國(guó)國(guó)情的DRGs分組方法提供研究思路。

1 資料與方法

1.1一般資料 資料來(lái)源于廣州市某三甲醫(yī)院2013年出院且第一診斷為妊娠、分娩和產(chǎn)褥期疾病的病例，在剔除住院費(fèi)用P97.5的病例后得到有效病例4286例。

1.2 方法

1.2.1資料預(yù)處理 為了利用診斷信息和手術(shù)信息對(duì)病例進(jìn)行分組，需要把診斷信息和手術(shù)信息轉(zhuǎn)換為適合于DRGs分組的形式。本文采用的方法為：計(jì)算不同診斷和手術(shù)的平均住院費(fèi)用并將其轉(zhuǎn)換為診斷級(jí)別和手術(shù)級(jí)別，再根據(jù)病例在不同診斷級(jí)別和手術(shù)級(jí)別中的診斷數(shù)量和手術(shù)數(shù)量對(duì)病例進(jìn)行分組。例如，計(jì)算第一診斷或其他診斷為妊娠期糖尿病的病例的平均住院費(fèi)用為6141元，將平均住院費(fèi)用除以1000后四舍五入得到該診斷的診斷級(jí)別為6。可見(jiàn)，平均住院費(fèi)用在5500～6499元的診斷，診斷級(jí)別均為6。采用相同的方法確定不同手術(shù)的手術(shù)級(jí)別，如子宮下段剖宮產(chǎn)的平均住院費(fèi)用為7860，則該手術(shù)的手術(shù)級(jí)別為8。經(jīng)過(guò)計(jì)算，不同診斷的診斷級(jí)別在1～19，不同手術(shù)的手術(shù)級(jí)別在0～18。最后，將原始數(shù)據(jù)整理成表1的形式，其中患者ID為病例的序號(hào)，費(fèi)用為病例的實(shí)際住院費(fèi)用，診斷級(jí)別1～19用于表示病例在不同診斷級(jí)別中的診斷數(shù)量，如患者ID為1的病例中有2個(gè)診斷級(jí)別為1的診斷，手術(shù)級(jí)別0表示無(wú)手術(shù)，手術(shù)級(jí)別1～18表示病例在不同手術(shù)級(jí)別中的手術(shù)數(shù)量，此時(shí)的手術(shù)數(shù)量實(shí)際上為手術(shù)編碼數(shù)量，包括了附加手術(shù)編碼數(shù)量。

1.2.2 決策樹(shù)方法 決策樹(shù)（Decision Tree）是一個(gè)樹(shù)狀的分類模型，樹(shù)的根結(jié)點(diǎn)代表整個(gè)數(shù)據(jù)集合，通過(guò)不斷從分類屬性集合中選擇分類能力最強(qiáng)的屬性作為分類結(jié)點(diǎn)，將數(shù)據(jù)分成兩個(gè)或多個(gè)子集[4]。本文采用決策樹(shù)中的窮盡卡方自動(dòng)互動(dòng)檢驗(yàn)算法（Exhaustive Chi-square Automatic Interaction Detector，E-CHAID）建立DRGs分組模型，該算法是CHAID算法的改良算法，因此得到的分組模型將更為合理。由于住院費(fèi)用不服從正態(tài)分布，故分組模型的因變量選擇住院費(fèi)用的自然對(duì)數(shù)，分組模型的自變量選擇診斷級(jí)別1～19和手術(shù)級(jí)別0～18。決策樹(shù)停止生長(zhǎng)條件為：樹(shù)的最大深度為12，樹(shù)節(jié)點(diǎn)最小樣本數(shù)為50，子節(jié)點(diǎn)最小樣本數(shù)為25，拆分與合并結(jié)點(diǎn)的顯著性水平均為0.05。使用的軟件為SPSS16.0。

2 分組結(jié)果與模型評(píng)價(jià)

2.1分組結(jié)果 模型中的分組因素包括疾病級(jí)別9、手術(shù)級(jí)別13、疾病級(jí)別3、疾病級(jí)別4、疾病級(jí)別2、疾病級(jí)別8、疾病級(jí)別12、疾病級(jí)別10、疾病級(jí)別7、手術(shù)級(jí)別3和疾病級(jí)別6共11個(gè)分組因素，其中疾病級(jí)別9為最重要的分組因素，手術(shù)級(jí)別13次之。決策樹(shù)共有44個(gè)節(jié)點(diǎn)，其中子節(jié)點(diǎn)有25個(gè)，即分為25個(gè)分組，決策樹(shù)的深度為10，小于設(shè)置的最大深度，說(shuō)明節(jié)點(diǎn)不能再往下細(xì)分，決策樹(shù)的1～4層見(jiàn)圖1。

2.2 模型評(píng)價(jià) 分組模型的描述性統(tǒng)計(jì)分析結(jié)果見(jiàn)表2，可見(jiàn)，分組模型中節(jié)點(diǎn)41的例數(shù)最多，有596例，占總例數(shù)的13.91%，節(jié)點(diǎn)43的例數(shù)最少，僅有25例，占總例數(shù)的0.58%。節(jié)點(diǎn)10的平均住院費(fèi)用最大，為12720.8元，節(jié)點(diǎn)19的平均住院費(fèi)用最小，為2200.2元，且每個(gè)分組的平均住院費(fèi)用均有一定差距。由于住院費(fèi)用不服從正態(tài)分布，采用中位數(shù)反映分組的集中趨勢(shì)，四分位間距反映分組的離散趨勢(shì)，用四分位間距與中位數(shù)的比值取代變異系數(shù)來(lái)反映分組的組內(nèi)一致性。四分位間距與中位數(shù)的比值<50%的共有15個(gè)分組，在50%～70%共有6個(gè)分組，在70%～80%之間的共有3個(gè)分組，節(jié)點(diǎn)13的組內(nèi)差異最大，該比值達(dá)115.97%，因此可認(rèn)為25個(gè)分組中有24個(gè)分組的組內(nèi)一致性較好，只有一個(gè)分組的組內(nèi)一致性較差。總體上，分組模型的分組效果較好。

3 討論

3.1分組對(duì)象的選擇 DRGs分組需要把疾病劃分為不同的主要診斷分類（MajorDiagnosisCategory，MDC），如美國(guó)的AP-DRGs把疾病劃分為25個(gè)MDC[5]。研究DRGs分組方法時(shí)，可選擇對(duì)所有MDC、一個(gè)MDC或一個(gè)病種進(jìn)行分組。由于對(duì)所有MDC進(jìn)行分組要求有較大的樣本量，且需要投入大量的資源，一般的研究往往難以達(dá)到以上要求。而對(duì)一個(gè)病種進(jìn)行分組，選擇的分組因素往往不能用于對(duì)其他病種進(jìn)行分組。相對(duì)而言，對(duì)一個(gè)MDC進(jìn)行分組，其采用的方法往往能夠用于對(duì)其他MDC進(jìn)行分組，且所需投入較少，故本文選擇只對(duì)一個(gè)MDC進(jìn)行分組，并選擇第一診斷為妊娠、分娩和產(chǎn)褥期疾病的病例作為分組對(duì)象。

3.2 分組方法的選擇 理論上，對(duì)醫(yī)療成本或住院費(fèi)用影響最大的因素是疾病診斷和手術(shù)方式，疾病越嚴(yán)重，手術(shù)越復(fù)雜，病例的醫(yī)療費(fèi)用越高。在利用疾病診斷和手術(shù)方式對(duì)病例進(jìn)行分組前，首先需要評(píng)價(jià)疾病診斷的嚴(yán)重程度和手術(shù)方式的復(fù)雜程度，并根據(jù)嚴(yán)重程度或復(fù)雜程度，把疾病診斷和手術(shù)方式劃分為不同的類別。類別的劃分有許多不同的方法，本文采用的方法是，分別用診斷級(jí)別和手術(shù)級(jí)別反映疾病的嚴(yán)重程度和手術(shù)的復(fù)雜程度，診斷級(jí)別等于包括該診斷的病例的平均住院費(fèi)用除以1000再取四舍五入的值，而手術(shù)級(jí)別等于包括該手術(shù)的病例的平均住院費(fèi)用除以1000再取四舍五入的值。由于病例的性別均為女，且沒(méi)有死亡病例，故沒(méi)有選擇性別和治療結(jié)果作為分組因素。另外，由于病例中絕大部分診斷的ICD10編碼為O編碼，而非O編碼診斷對(duì)分組的影響較小，故沒(méi)有把非O編碼的疾病診斷用于分組。把疾病診斷和手術(shù)方法轉(zhuǎn)換為便于分組的形式后，以住院費(fèi)用的自然對(duì)數(shù)作為分組模型的因變量，以診斷級(jí)別1～19和手術(shù)級(jí)別0～18作為分組模型的自變量，根據(jù)病例在不同診斷級(jí)別和手術(shù)級(jí)別中的診斷數(shù)量和手術(shù)數(shù)量，運(yùn)用決策樹(shù)方法自動(dòng)生成最優(yōu)的分組模型，決策樹(shù)方法能有效的避免分組模型受到分組因素多重共線性的影響。

最終的分組模型包括25個(gè)分組，模型的組內(nèi)一致性較好，組間平均住院費(fèi)用存在差異，可認(rèn)為本文中所采用分組方法適用于對(duì)妊娠、分娩和產(chǎn)褥期疾病的病例進(jìn)行分組。

參考文獻(xiàn)：

[1]王沛陵，常文虎.北京地區(qū)肝膽系統(tǒng)及胰腺疾病DRGs分組研究[J].繼續(xù)醫(yī)學(xué)教育，2009，23（5）：25-30.

[2]蔡樂(lè)，萬(wàn)崇華，許傳志，等.AID算法在云南省綜合性醫(yī)院住院患者DRGs歸組中的應(yīng)用及評(píng)價(jià)[J].中國(guó)衛(wèi)生統(tǒng)計(jì)，2005，22（1）：23-25.

[3]張芬，余金明，王家宏，等.ExhaustiveCHAID分類樹(shù)與logistic回歸在腦卒中危險(xiǎn)因素中的應(yīng)用[J].中國(guó)預(yù)防醫(yī)學(xué)雜志，2011，12（7）：573-576.

[4]朱東喆，朱立強(qiáng)，石富勝，等.兒童熱液燙傷病例DRGs分組方法的研究[J].中國(guó)病案，2014，15（1）：36-39.

[5]何凡.浙江省病案首頁(yè)信息統(tǒng)計(jì)與DRGs編碼[D]浙江大學(xué)流行病與衛(wèi)生統(tǒng)計(jì)學(xué)，2005.

編輯/王敏