基于決策樹模型的白內障患者住院費用分組研究

翁小瑜 席淑新 方 超

1 復旦大學附屬眼耳鼻喉科醫院醫務部,200031 上海; 2 復旦大學附屬眼耳鼻喉科醫院醫保辦,200031 上海

在“十四五”全國眼健康規劃中提到:“眼健康是國民健康的重要組成部分”[1]。白內障疾病是全球范圍內最常見的致盲性眼病[2],白內障患者住院治療費用在一定程度上給患者個人和家庭帶來較大的經濟負擔。近年來,國家陸續出臺相關通知文件,要求各地深化落實醫保支付改革,積極推進疾病診斷相關分組(diagnosis-related groups,DRGs)付費工作。相關研究表明,DRG付費方式在兼顧治療效果的前提下,能合理分配醫療資源、有效控制醫療費用、提升醫療質量[3-4]。DRG的分組原理與決策樹模型的分組邏輯相近,本研究以白內障住院患者為樣本數據,采用決策樹模型進行病例組合分析,通過決策樹模型對DRG分組方案進行細化,以期為推進本地區醫保支付改革、醫保精細化管理提供數據支撐與參考依據。

1 資料與方法

1.1 資料來源

資料來源于上海市某三甲?？漆t院病案首頁數據,選取2021年1月1日至12月31日出院病案首頁中主要診斷為白內障的病例。根據國際疾病分類(ICD-10)主要診斷編碼包括H25-H26、Q12,附加編碼包括H28.0*、H28.1*;主要手術編碼(國家臨床版3.0,ICD-9-CM-3)包括13.1902、13.41、13.4300x001、13.5900x001、13.6500x002。剔除標準:(1)關鍵指標信息缺失、錯誤或不完整的病例;(2)住院總費用與各項費用之和無法匹配者。

1.2 統計學方法

采用Excel 2016對病案首頁數據進行整理匯總,采用SPSS 25.0進行統計分析。住院總費用為偏態分布,采用M(P25,P75)進行統計描述,用Mann-WhitneyU檢驗或Kruskal-WallisH檢驗進行住院總費用的單因素分析。取費用的自然對數為因變量,以單因素分析有統計學意義的影響因素為自變量,采用多元線性回歸分析,檢驗水準α=0.05。將篩選出的影響因素納入決策樹模型,采用卡方自動交互檢測(CHAID)進行影響因素的分類組合[5],計算不同病例組合住院費用標準和病種權重,設置決策樹的深度為3,父節點為100,子節點為50,決策樹的拆分與組合檢驗水準α=0.05。分組評價指標包括:(1)模型風險值越低,分組擬合越良好;(2)組內變異系數(CV)值越小,組內同質性越好;(3)方差減少量(RIV)越大,組間異質性越強[6-7]。

2 結果

2.1 基本情況

本次研究共納入白內障病例有效樣本6 321例,其中男性2 707人(42.83%),女性3 614人(57.17%);年齡<65歲3 260人(51.57%),年齡≥65歲3 061人(48.43%);住院天數<2 d 1 495人(23.65%),住院天數≥2 d 4 826人(76.35%);住院總費用中位數9 357.07元,P25=7 481.94元,P75=13 014.25元。

2.2 白內障患者住院費用單因素分析

Mann-WhitneyU檢驗或Kruskal-WallisH檢驗單因素分析結果顯示,不同年齡、住院天數、住院次數、手術情況、治療/主要手術方式的患者,其住院費用差異具有統計學意義(P<0.05)。見表1。

2.3 白內障患者住院費用多元線性回歸分析

因住院費用不服從正態分布,將住院費用進行對數轉換,以住院費用自然對數值為因變量,以年齡、住院天數、住院次數、治療/主要手術方式為自變量,進行多元線性回歸,α進入=0.05,α剔除=0.10,其中有序變量按照秩序進行賦值,無序多分類變量用啞變量賦值,變量賦值見表2。多元線性回歸結果顯示,年齡、住院天數、住院次數、治療/手術方式進入回歸方程(F=385.47,P<0.01)。調整后決定系數R2=0.328,表示該4個影響因素能解釋白內障住院費用總變異的32.8%。共線性檢驗結果顯示,各變量VIF<3,說明各變量間不存在共線性問題;DW=1.925,各變量之間不存在自相關。見表3。

表2 變量賦值表

2.4 白內障患者住院費用DRG分組預測

將多元線性回歸分析結果中有意義的影響因素納入決策樹模型進行分析,以住院費用自然對數為因變量,年齡、住院天數、住院次數、治療/主要手術方式為分類節點的關鍵變量,運用卡方自動交互檢測(CHAID)構建白內障住院費用決策樹模型,設置決策樹最大深度為3,父節點為100,子節點為50,采用10倍交叉驗證法進行決策樹計算效果的驗證。年齡、治療/主要手術方式、住院天數3個變量進入決策樹模型,最終分為6個組合,見圖1。模型風險為0.03,模型分組效果良好,各分組CV:0.03～0.13,RIV=0.32,說明組內同質性較好,組間異質性較高。見表4。

圖1 白內障住院患者分組決策樹模型

表4 白內障診斷相關分組結果

2.5 各病例組合住院費用標準

根據分組結果,以每個分組的中位數為標準費用參考值,計算例均費用、標準差、P25、P75,按照P75加1.5倍四分位數間距(P75-P25)為參考費用上限,費用相對權重為各組均數與總體均數的比值,權重越高說明消耗醫療資源越多[8-9]。各組的標準住院費用分別為18 485.17、967.71、10 702.24、8 358.93、8 790.71、7 623.78元,相對權重分別為1.71、0.11、1.13、1.02、0.91、0.85。本研究中超出費用參考值上限病例數327例。見表5。

表5 白內障患者各診斷相關組住院費用標準

3 討論

疾病診斷相關分組是一種以消耗醫療資源為分組軸心的病例分組模型,是相對合理的醫療費用管理和質量評價的方法[10]。目前,DRG付費的試點工作已在多地落實,可見其在推動醫藥衛生體制改革過程中的關鍵作用[11]。但在臨床實際診療過程中,在以診斷和治療方式形成不同病例組合的基礎上,需進一步考慮手術術式、病例特征對疾病診療、費用的影響。

本研究通過對白內障患者住院費用的單因素及多元線性回歸分析,篩選出影響因素,治療/主要手術方式對住院費用的影響程度較大。而患者是否具有并發癥/合并癥不是影響因素,這與其他研究不同,可能是因為臨床醫師在收治患者住院前,往往先進行麻醉綜合風險評估,若患者本身存在其他疾病的,一般會建議先診治其他系統相關疾病,再擇期進行白內障手術。多元線性回歸決定系數值(R2=0.328)不高,可能是因為存在其他影響白內障住院費用的因素。例如手術中置入的人工晶體類型,國內雖然采取了耗材零差率、集中采購等政策措施,但白內障手術的人工晶體耗材費用占比仍較高[12],后期將進一步分析手術中人工晶體類型對住院總費用的影響。

本研究借助決策樹模型統計學分析方法,探討同一白內障病種,不同病例手術術式、特征情況進行分組,實現分組結果組間差異最大化,組內差異最小化,對現有病例診斷相關分組起到細化和補充的作用。決策樹模型結果顯示,第1層分類節點變量為治療/主要手術方式。白內障是眼科常見疾病,不同住院患者的診斷和治療方法相似,但住院費用存在差異,非手術治療患者較手術者低。本研究中主要手術方式為飛秒激光/白內障超聲乳化抽吸術,占97.07%。白內障超聲乳化術目前是臨床治療白內障的主要術式,具有操作時間短、創傷性小等優點。此外,以飛秒激光撕囊的飛秒激光輔助白內障手術是新術式,對懸韌帶不穩定及部分離斷的白內障等復雜病例獨具優勢[13-14]。第2層分類節點變量為年齡,這與其他研究結果相同。白內障住院患者年齡越小,對手術中置入的人工晶體要求越高,住院費用較高[15]。此外,老年性白內障住院患者往往診斷明確、診療及護理有模式可循,治療或主要手術方式差異較小,產生的醫療費用較為清晰與明確[16]。并且2004年上海市醫保局在醫保支付費用預算管理基礎上,對老年性白內障住院患者實行按病種付費試點工作,一定程度上較好地控制了該病種的次均住院費用。第3分類節點變量為住院天數。住院天數在一定程度上能反映醫院管理水平、醫護質量、工作效率和效益等[17]。以日間手術模式收治白內障患者,可降低住院天數、加快周轉,并降低患者住院費用。

綜上所述,本研究基于決策樹模型所形成的分組,可進一步細化現有白內障病種的診斷相關分組,醫療機構可結合分組結果及分組住院費用標準,對相關疾病費用合理管控,并為規范臨床醫師醫療行為、合理控制醫療運行成本提供決策依據,為醫保管理部門動態調整與優化疾病診斷相關分組提供參考。