某縣級醫院2017—2019年腦梗死患者住院醫療費用分析與預測

王裕如，衣貴鵬，王在翔

濰坊醫學院公共衛生學院，山東濰坊 261000

近年來腦梗死發病率較高且呈現上升趨勢[1]，腦梗死是因血管受阻等多種因素導致腦部血液供應不足而引發局部腦組織缺氧性壞死的腦血管病變，該病占所有卒中的80%以上。腦梗死的致殘率非常高，急救治療后還需長期的康復干預，給患者的家庭及社會均帶來沉重的經濟負擔[2]。近年來，腦梗死的治療費用問題日漸突出，已成為政府和社會共同關心的熱點問題[3]。該研究旨在通過定量分析，對山東省某縣級醫院的2017—2019近3年腦梗死住院患者的住院信息及住院醫療費用明細數據進行分析，了解住院患者住院醫療費用的構成和分布現狀，利用相關分析法分析影響各項住院醫療費用的原因。采用結構變動度法分析住院醫療費用的結構變動情況，探索各單項費用對住院醫療費用結構變化情況，評價住院醫療費用構成變化情況，為優化住院醫療費用構成，實現醫療資源效益最大化提供參考依據。報道如下。

1 資料與方法

1.1 數據來源與處理

該研究數據來源于山東省某縣級醫院2017年1月—2019年12月18171例住院患者的病案數據，排除不符合資料，將有效資料納入研究。

1.2 方法

1.2.1 統計描述 住院醫療費用和住院天數屬于偏態分布，應采用中位數（四分位數間距）進行描述。住院患者性別、醫療付費方式等基本情況屬于分類變量資料，應采用率或構成比進行描述。

1.2.2 統計推斷 相關因素分析法計算住院天數、住院醫療費用等變量與性別、婚姻情況、醫療付費方式等變量相關程度。患者住院醫療費用和住院天數經正態性檢驗后均呈偏態分布，因此對各組住院醫療費用和住院天數的比較均采用非參數檢驗中的秩和檢驗。根據不同數據類型采用不同的檢驗方法：兩組獨立樣本比較采用Mann-Whitney U秩和檢驗，多組獨立樣本比較采用Kruskal-Wallis H秩和檢驗。

1.2.3 結構變動分析 方法的主要指標包括：結構變動值、結構變動度、年均結構變動度、結構變動度貢獻率。

1.2.4 時間序列分析方法 根據系統觀測得到的時間序列數據，通過曲線擬合和參數估計來建立ARIMA模型，并預測。

2 結果

2.1 住院醫療費用結構及其變化情況

該研究中，住院醫療費用主要由綜合醫療服務費、藥品費、診斷費、治療費、材料費和其他費用構成。2017—2019年人均各項住院醫療費用呈上升趨勢，2019年比2017年增長5.39%。在所有費用中，治療費所占比例最高（41.13%），其次為藥品費（25.93%），其他費用所占比例最低（0.06%）。2017—2019年這3年中，治療費所占比重有大幅下降，由47.80%下降到38.03%；診斷費、材料費所占比重有所上升，材料費漲幅較大，由6.71%上升到13.53%；藥品費所占比重先上升后下降；綜合醫療服務費和其他費基本沒變。見表1。

表1 2017—2019年腦梗死患者各項住院醫療費用構成

2.2 住院醫療費用影響因素分析

不同性別、年齡、醫療付費方式、住院次數和住院天數的患者住院醫療費用差異有統計學意義（P＜0.05），不同婚姻狀態患者住院醫療費用差異無統計學意義（P＞0.05）。相關性檢驗結果顯示，住院醫療費用的影響因素有性別、年齡、付費方式、婚姻、住院天數和住院次數。見表2。

梗死患者住院醫療費用進行多因素分析，結果顯示年齡、性別、未婚、喪偶、住院次數和住院天數是住院醫療費用的主要影響因素。其中，年齡、性別、未婚、喪偶和住院次數與住院醫療費用呈負相關關系且結果均差異有統計學意義（P＜0.05），住院天數與住院醫療費用成正相關關系，結果差異有統計學意義（P＜0.05）。見表3。

2.3 結構變動度分析

該研究將2017—2019年分為3個時期計算，各項費用的結構變動值和結構變動度見表4。其中2017—2018年、2017—2019年費用結構變動度較大，分別為20.05%和21.63%，年均結構變動度為10.82%。

表2 住院醫療費用影響因素分析

表3 腦梗死患者住院醫療費用影響因素多元線性回歸分析結果

表4 2017—2019年住院醫療費用結構變動值和變動度

2017—2018 年結構變動貢獻率最大的是治療費（49.93%），2018—2019年結構變動貢獻率最大的是材料費（46.76%）。2017—2019年結構變動貢獻率最大的是治療費（45.31%），引起住院醫療費用結構變動的主要項目有診斷費、治療費和材料費，累計貢獻率為90.57%。見表5。

表5 2017—2019年住院醫療費用結構變動的貢獻率（%）

2.4 患者住院醫療費用趨勢及其預測

根據腦梗死患者的住院醫療費用變化趨勢可以看出，隨著年份的增長，住院醫療費用呈現先上升后下降的趨勢，同年住院醫療費用沒有明顯的季節性差異。2018年住院醫療費用明顯高于2017年和2019年，且2019年住院醫療費用較2017年有所下降。見圖1。

表6 2020年1—6月患者人均住院醫療費用預測情況

圖1 2017—2019年人均年住院費用變化趨勢

由2017—2019年住院醫療費用數據擬合建立的ARIMA(0,1,1)模型預測結果顯示，2020年1—6月人均住院醫療費用分別為985元、976元、981元、990元、973元和961元。與實際人均費用相比，2019年7—12月的預測差距分別為8.41%、16.00%、2.78%、2.90%、15.70%、16.66%，說明模型預測效果良好，見表6。

3 討論

該研究共選取腦梗死患者18171例，經多因素分析結果顯示性別是影響腦梗死住院醫療費用的主要影響因素之一，男性患者住院醫療費用高于女性患者結果差異有統計學意義（P＜0.01），這與以往的研究結果一致[3]。吸煙為男性動脈粥樣硬化性腦梗死的獨立危險因素[4]。腦梗死患者住院醫療費用隨著患者年齡的增大逐漸降低，這與以往的研究結果相反[5]。醫療付費方式對住院醫療費用存在一定的影響，擁有城鎮居民基本醫療保險患者比例最高（77.54%），但住院醫療費用花費最少（9.83%）。說明醫保的覆蓋面正在逐步擴大，人們將會在醫保中享受更多優惠政策，減輕就醫壓力。依賴保險制度的存在一定程度上降低了患者自己的付費意識，且患者過分依賴于醫療保險替自己支付醫療費用[6]。隨著住院次數的增加，人均住院醫療費用呈下降趨勢，由多元線性回歸分析結果可知，住院天數是腦梗死患者住院醫療費用的主要影響因素。這與胡丹等人[7]的研究結果一致。隨著住院天數的增加，床位費、護理費、診療費等基礎費用也會相應增加，并在住院期間醫院會給與患者藥物輔助治療，相應的藥費也會增加，這些都會導致住院醫療費用的增加。因此，縮短患者的住院天數不僅有利于減少患者的住院醫療費用，還能提高醫療效率，加快醫院的床位周轉率，提高醫療資源的利用率。

結構變動分析結果顯示藥品收入結構變動貢獻率較大，說明藥品費用的變動對住院醫療費用的影響較大，可能原因包括：①腦梗死患者多偏向于藥物治療，手術及其他操作治療較少；②神經營養藥價格較高，新藥、貴重藥品使用量增加[8]；③不排除仍存在大處方、不合理用藥的現象[9]。診斷費在2017—2018年和2017—2019年結構變動貢獻率較高，材料費在2018—2019年和2017—2019年結構變動貢獻率較高，且診斷費和材料費在2017—2019年所占比重逐年遞增。由該次結構變動貢獻率結果可以看出，2018—2019年結構變動貢獻率較低，僅有3.10%，2017—2018年和2017—2019年結構變動貢獻率較高，分別為49.93%和45.31%，說明治療費在住院醫療費用中所占的比重較大。這表明取消藥品加成后，體現醫務人員勞動價值的醫療服務價格有了明顯提升，這有助于提高醫務人員的積極性，提高醫療服務質量。但住院醫療費用分析結果顯示，2017—2019年治療費收入結構呈負向變動，占醫療收入的比重逐年下降，長此以往將影響到醫務人員的積極性。

ARIMA模型又稱差分整合移動平均模型，是時間序列預測分析方法之一，廣泛應用于各種疾病的趨勢分析及預測，數據處理和操作比較簡便易行，且預測結果比較精確。由時序圖可以看出2017—2019年住院醫療費用變化趨勢為先上升后下降，其中2018年的住院醫療費用明顯高于2017年和2019年，經分析發現2018年住院人數明顯高于2017年和2019年，這是導致2018年住院醫療費用升高的主要原因，而2018年住院人數的增加可能與醫院出臺的住院人數擴收政策有關，但不排除2018年腦梗死發病率上升的可能。預測結果顯示2020年上半年住院醫療費用呈現下降趨勢，說明我國出臺的相關醫療衛生費用政策成效顯著，這有利于減輕我國腦梗死患者和社會的經濟負擔，提升醫療服務質量，使“看病貴、看病難”的問題得到有效解決[10]。