DRGs 背景下多元線性回歸模型在評價某省三甲專科醫院運營效率中的應用

姜赟，馮姍，黃文劍

（江西省兒童醫院，南昌 330006）

隨著醫療服務領域競爭的日趨激烈， 醫院管理層對醫院運行效率提出了很高的要求。 使用科學評價方法對運營效率的評價具有重要意義[1]。 疾病診斷相關分組 （diagnosis related group system，DRGs）主要是以病例的診斷和操作作為基本依據，綜合考慮了病例的個體特征，如年齡、主要疾病、并發癥和伴隨疾病，將臨床過程相近、費用相似的病例分到同一個組中[2]。 RW 是該份病案經過分組后被賦予的價值難度，稱為相對價值難度，因此實現了診療難度水平的橫向對比。 單純評價效率指標絕對值而忽視診療質量的變化是不可取的，也是沒有可比性的。 本文基于DRGs 背景下，開展多元線性回歸方法探索影響住院天數、 住院總費用的影響因素,并通過具體的量化結果來展現兩年度診療難度與住院天數和住院總費用的變化情況[3]。

1 資料與方法

1.1 資料來源 數據來源于某省三甲醫院某平臺數據，范圍為2018 與2019 年兩年度，共計157788例出院患者信息。 對每一份出院患者信息進行統一分組， 進行探索住院天數和住院總費用的影響因素分析。 因DRGs 分組后賦予病案診療難度，則能夠設立診療難度（以下簡稱RW 值）對住院天數以及住院總費用產生影響的假設。

1.2 變量選擇 由于本文是在基于DRGs 背景下，即在診療難度水平下評價住院天數與住院費用的控制情況，并且多元線性回歸模型要求選取數值型指標，因此本文分析的變量為：平均RW、平均住院總費用、平均住院天數。

1.3 分析方法 以平均住院總費用、平均住院天數為因變量，平均RW、平均年齡等為自變量，因藥費、耗材費為總費用的組成部分，故排除平均藥費、平均耗費兩個指標，對平均住院總費用進行多元線性回歸。 以P＜0.05 為有統計學意義。

2 結果

2.1 模型可行性檢測 先對2018 年數據擬合模型，采用的是步進式多元線性回歸方法，將三個指標逐步加入模型中進行計算，得出以下結果。 三個變量分別逐步加入模型1、2、3，即模型3 有所有三個變量；數據顯示模型3 的調整后R 方最大，為0.98，且德賓-沃森值為2.093，模型最佳且有效，如表1。

對三個自變量進行共線性診斷，其中三個模型的方差膨脹因子VIF 均＜5， 自變量不存在多重共線性[4]。 擬合模型的標準化殘差圖接近于正態分布，且三個模型的顯著性均為0.000＜0.05，拒絕原假設，不存在顯著性差異，模型均有效[5]。

表1 2018 年步進式多元線性回歸模型

2.2 平均總費用多元線性回歸模型 首先對2018年的數據進行擬合，結果見表2。

如表2 所示， 表中B 列為三種模型自變量的系數，選取調整后R 方最大的模型3，得到2018 年總線性方程（方程1）：

平均總費用=35630.75×平均 RW+739.01×平均住院天數+181.19×平均年齡（方程1）

同上步驟，得到2019 年自變量的系數自變量的系數，見表3，得到方程2：

平均總費用=26269.16×平均 RW+973.55×平均住院天數（方程2）

2.2 住院天數多元線性回歸模型 對平均住院天數進行多元線性回歸， 平均住院天數為因變量，RW、平均住院天數、平均年齡、平均藥費、平均耗費、平均住院總費用為自變量。

同住院總費用的步驟， 將自變量逐步加入模型中進行計算，得出以下結果，經過驗證數據顯著性及共線性診斷，回歸模型有效。

得到2018 年線性方程如表4 并得到方程3：

平 均 住 院 天 數 =8.216 × 平 均 RW +1.709（方程 3）

同理得到2019 年線性方程表5 和方程4：

平均住院天數 =1.783×平均RW+0.113×平均年齡+0.986（方程 4）

3 討論

⑴平均住院天數和平均住院總費用在DRGs相關指標中影響因素最大的都是平均RW，說明診療難度與住院天數和費用的相關性都非常強。

⑵2018 年平均住院總費用線性方程（方程1）平均RW 的系數，表明每1 個平均RW，2018 年影響住院總費用為35630.75 元；2019 年平均住院總費用線性方程（方程2）平均RW 的系數，表明每1個平均RW，2019 年影響住院總費用為26269.16元；2018 年較2019 年每 1 個平均RW 住院總費用的影響系數同比下降了9361.59 元。 同理，對比兩年平均住院天數線性方程平均RW 的系數， 每1個平均RW 影響天數由2018 年的8.216d 下降到2019 年 1.783d， 同比下降了 6.433d。 2018 年到2019 年，平均每RW 影響的總費用及天數均下降，說明2019 年運營效率有所提升。

⑶結合醫院實際情況，2018 年該院實際RW平均值為1.01，2019 年實際RW 平均值為1.07，將2019 年實際RW 值代入2018 年線性回歸方程，按照平均RW 上升0.06 的水平，方程預測2019 年平均住院總費用應較2018 年上升1369.56 元、 平均住院天數上升0.49d； 而實際平均住院總費用較2018 年上升832.48 元、平均住院天數下降1.02d，實際上升值比預測值低， 說明2019 年對比2018年運營效率顯著提升。

以上結果綜合表明， 醫院在提升平均RW 的基礎上， 對住院天數和住院總費用的管控取得了成效。

本研究通過對比2018 和2019 年每RW 住院天數和住院費用的變化，按照2018 年的模型預測平均RW 上升水平范圍， 其實際運行效率與預測運行效率之間的差異， 來判斷醫院兩年度運行效率管控是否真正有效。 這種分析能夠在考慮診療難度水平評價效率管控有效性， 而非單純比較住院天數和住院總費用的絕對值， 因此評價結果更加客觀和公正。 該醫院在質量指標不斷上升的基礎上，效率管控也愈加有效，對該院工作效率起到了積極的促進作用[6]。

表2 2018 年平均住院總費用回歸方程系數

表3 2019 年平均住院總費用回歸方程系數

表4 2018 年平均住院天數回歸方程系數

表5 2019 年平均住院天數回歸方程系數