合并多種慢性病的缺血性心臟病患者住院費決策樹分析

毛 英 孫李麗 劉 芳 楊淑梅 郭玲利 王 磊

1 新疆醫科大學第五附屬醫院醫務部,830011 新疆 烏魯木齊;2 新疆醫科大學教務處,830011 新疆 烏魯木齊

自2019年5月國家醫保局、財政部等部門聯合下發《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)以來,各省市積極探索實踐,形成了初步成效,標志著醫院從重醫療質量安全、輕醫療費用的粗放式生長,向兼顧合理分配醫療資源、優化醫療服務質量的精細化方式的轉變。盡管DRG支付制度改革已在全國范圍內啟動,但多數醫院仍處于DRG政策適應過渡期。由于DRG主要是針對疾病的急性期治療進行分組支付,對于慢性病、中醫康復類、精神類疾病等疾患,醫保付費仍然保留總額控制、按項目付費或按人頭付費的空間。國內外研究發現,DRG支付在一定程度上會促使醫療機構盡量縮短患者住院周期,造成治療不充分、患者向急性后期康復機構的轉診,存在被動分解住院、頻繁轉院的問題,不但影響患者治療效果,也過度浪費了醫療資源[1]。對于缺血性心臟病這類慢性疾病患者來說,診療過程具有病程周期較長、治療費用偏高、費用差異大等特點,住院費用常與患者多種合并癥或并發癥、治療方式及病重程度有強關聯性[2]。同時,單病種付費粗放的支付標準無法區分患同種疾病患者的疾病嚴重程度,醫保支付標準與實際需求存在偏差。馬宗奎等[3]2021年冠心病患者次均住院費用的研究表明,相較于手術治療的DRG組,冠心有嚴重并發癥的內科治療DRG組醫保收入虧損嚴重,導致出院人數有所減少,長期下去可能造成醫療服務提供不足,影響患者獲取醫療服務的公平性及可及性。如何在保證醫療質量安全的前提下,達到控制費用的目標,是學者們關注的焦點。

決策樹E-CHAID算法即可以分析數據中蘊涵的分類規則,也可以做預測,在多個領域中已有應用[4-6]。史琦等[5]將決策樹用于建立冠心病不穩定型心絞痛患者對陽虛證的識別模式;趙璇等[6]用決策樹分析冠心病費用現狀以及影響因素、探討費用合理區間,并對冠心病患者疾病費用進行預測,證實了決策樹用于疾病費用預測的適用性。本研究借鑒價值醫療付費理念,通過分析新疆維吾爾自治區某醫院缺血性心臟病患者不同治療方式的住院費用及通過決策樹預測患者住院費用,進一步分析患者住院費用的關鍵因素,并針對性地提出控制患者住院費用的建議。

1 資料與方法

1.1 資料來源

選取2021年1月—2022年6月該院HIS系統中3 734名出院主要診斷為缺血性心臟病患者,根據國家臨床版2.0國際疾病分類(ICD-10)編碼為類目I20-I25的患者住院病案首頁信息,包括患者住院病案首頁數據的基本信息、住院信息、診療信息、費用信息。排除標準:住院時間<2 d;無其他診斷的患者;總費用<2 000元或治療不充分的患者,共剔除14例患者。

1.2 研究方法

結合當前醫保支付改革背景及中美典型按價值付費項目實踐[7-8],按療效價值評估指標分為2個維度:⑴醫療質量,包含醫療安全及服務能力及臨床療效;其中醫療安全及服務能力包括是否死亡、合并癥個數、是否有31 d再住院計劃、非計劃再手術、是否感染、實際住院天數、治療方式7個指標;⑵患者滿意度1個指標。治療方式分手術治療、中醫或康復治療、診斷性操作、無操作4個分類,其中診斷性操作組包含單根/多根導管的冠狀動脈造影、冠脈CT血管造影、OCT等,中醫或康復治療組分中藥熏洗治療、針灸及關節手法推拿治療、康復訓練、物理治療等。

1.3 統計學方法

用SPSS 25.0軟件對相關數據進行統計學分析。定性資料采用例數(n)和構成比(%)描述,住院費用和住院天數等定量資料經檢驗呈偏態分布,采用中位數和四分位數[M(P25,P75)]描述。以住院費作為因變量,社會人口學資料、療效價值2個維度作為自變量,采用Mann-WhitneyU檢驗或Kruskal-WallisH檢驗進行住院費的單因素分析;以單因素分析有統計學意義的影響因素為自變量,將住院費進行對數變換使之近似正態分布;根據單因素分析篩選出決策樹分類節點變量,采用E-CHAID算法構建決策樹,并預測住院費的影響因素及費用。檢驗水準α=0.05。

2 結果

2.1 患者住院費用的單因素分析

本研究患者共計3 720人,男女比例1.49∶1,平均年齡(64.73±12.13)歲,年齡范圍25～99歲,漢族為主(90.3%),市保(44.4%)、鐵保(26.3%)職工居多,疾病類型2 738人(73.6%)為I20,407人(10.9%)為I21,575人(15.5%為I25;單因素分析顯示,患者住院費用在年齡、民族、性別、支付方法、疾病類型方面差異具有統計學意義(P<0.05)。見表1。

2.2 按療效價值評估指標及單因素分析

按療效價值2個維度9個指標進行單因素分析,各項指標差異具有統計學意義(P<0.05),其中非計劃再手術、感染率人數僅1人,不納入統計分析。見表2。

2.3 基于決策樹模型的病例組合及住院費預測分析

將以上單因素分析有意義的指標,構建決策樹模型,采用分割樣本驗證方法對樹模型自動修剪,設置決策樹最大深度為3,訓練樣本2 987人(80%),檢驗樣本733人(20%)父節點和子節點的最小樣本量分別為100人和50人,拆分節點的檢驗水準α=0.05。最終共形成22個終末節點、14個最優分組路徑(P<0.001),分析表明治療方式、住院天數、合并癥個數、疾病類型和是否合并慢性腎病5項指標為影響缺血性心臟病患者住院費的關鍵指標。各組間假設檢驗P<0.05,住院費在組內變異相對較小,該模型分組相對合理。見圖1、表3。

表3 病例組合及住院費的最優分組路徑

3 討論

3.1 決策樹預測病例組合模型的穩健性

決策樹算法不僅可以分析數據中蘊涵的分類規則,還可以做預測[4]。E-CHAID算法是決策樹的一種類型,通過各節點分析比較,使每一個劃分的類別中兩兩類別之間不存在差異,進而尋找到類別間存在的最強關聯性,選取最優的拆分點,經過反復拆分后,生成多分支節點,進而構造出精度高、規模小的決策樹,是決策樹算法的核心內容。決策樹易于理解和實現,通過解釋可以分析出決策樹所表達的意義。

3.2 關鍵節點及最優組合路徑探討

本研究通過決策樹E-CHAID算法找出影響合并多種慢性的缺血性心臟病住院費的5個關鍵節點及最優組合路徑。治療方式是住院費中最重要的影響因素,是決策樹算法第1個分組節點。本研究提示手術治療組、中醫與康復治療組、診斷性操作組和無操作組之間住院費用不同,手術治療組患者住院費最高、其次是中醫或康復治療組。針灸可以起到抗血小板聚集、降脂穩斑、抗心絞痛的作用,減少病人的用藥和藥物的不良反應,改善病人的微循環,抗自由基等,對心臟起保護作用。而傳統的醫保支付方式以西醫診斷為主,由于沒有手術項目支撐,一般入到無操作組,很難體現中醫康復技術和中醫治療、中醫疾病的證型,缺乏中醫診斷的理論基礎,造成中醫治療方案“同病同效卻不同價”[8]。

決策樹預測模型顯示,隨著住院時長增加、僅合并慢性腎病或合并5個以上慢性病的患者,住院費呈上升趨勢。合并多種慢性病的患者基礎疾病多,慢性腎病亦會造成多種器官衰竭,而住院>10 d的患者多數為治療患者的合并癥或產生進一步并發癥等。因此,控費的重點應為完善臨床路徑,一是挖掘慢性病患者住院療效,定期住院復查、對耐藥性、肝腎損傷的影響需調整藥物,或產生進一步的并發癥等,找出疾病“恢復期”和“慢性期”,探究疾病療效。二是挖掘中醫康復類治療的優勢病種,尤其是與手術治療無明顯差異的病種,篩選出行之有效的中醫特色治療方案,加速患者康復過程,不僅可以縮短住院天數,騰出住院費空間,達到控制費用的目的,還可為患者有效減輕醫療負擔。三是依托健康管理大數據、人工智能、可穿戴設備等技術,與 慢性病患者宣傳、預防、治療、康復和隨訪等方面結合,建立聯動的疾病管理平臺健康信息平臺和大數據[9]。有助于數據互通共享、交叉比對、聯合監管。

4 建議

4.1 以價值醫療為導向,探索多元復合式支付方式

價值醫療在中國個別地區已經步入探索階段。不僅覆蓋了醫療服務,價值醫療更加注重患者健康的整體性、協調性、可實現性,從醫療服務層面強調的是整合型醫療衛生服務[10];在醫保服務層面強調多層次健康保障;在醫藥服務層面強調全周期效果評價。而傳統醫保支付方式以西醫診斷為主,未體現中醫和康復治療類以人力、經驗、技術的重要性。國家醫保局首試按療效付費,打破傳統的按項目付費和DRG規則,既不是“一刀切”所有新事物,也不是盲目追求所有新事物[11]。湖南省長沙市積極探索康復醫保支付方式改革,在專家多輪論證下,將冠狀動脈支架植入術后作為15個康復病種之一,根據患者醫療、康復、護理需求的不同,制定了“恢復期”和“慢性期”兩個階段入組標準。李芬等[12]研究,通過捆綁支付測算,確定整套包括預防、治療、康復在內的服務,如住院或手術后90 d內所有的醫療服務,促進急性期治療和慢性期恢復的合理診療,也展現出促進多學科協作診療的優勢,為患者提供多學科綜合服務單元。上海市基于大數據針對中醫優勢病種等探索按療效付費;并按康復程度的病例數量、住院天數、醫保支付標準進行統計測算得出的各項額度,均體現了價值醫療的優勢[13]。

4.2 建立激勵機制,鼓勵醫療機構診治復雜病例

在城鄉之間、區域之間、不同等級醫院之間,按療效建立激勵機制,將對提升醫療服務的同質化水平起到至關重要的作用。對醫生來說,成本控制越低,結余越多,這種激勵機制能夠調動醫療機構主動控制成本的積極性,鼓勵康復醫療機構和醫務人員提高診療水平,更專注于患者的需求和療效[8]。對病人來說,看病門檻更低,以更低的費用獲得更好的服務,達到更好的效果,從而降低患者經濟負擔。結合目前DRG付費理念,進一步將疾病復雜程度、中醫治療、康復治療等因素反映到支付中,設置“止損”條款[14],根據風險對住院費標準持續優化調整,對醫療機構而言,規避了對無關的護理,異常高成本的患者或特殊的災難性患者進行付費,并協助醫療機構針對由于并發癥、非計劃再入院等因素而承擔超額費用風險,由此來鼓勵醫療機構收治疑難復雜患者。

4.3 規范填寫病案首頁,切實提高病案首頁質量

準確、完整、標準的病案首頁數據是DRG分組的前提,推諉危重患者和分解住院的問題是各時期普遍存在的現象,醫療機構應規范病案首頁主要診斷、其他診斷等指標的填寫,同時增加對病例組合指數(CMI)和再住院率、有效管理率、血糖/血壓/血氧監測等醫療質量指標的動態監測。目前,各醫院都在測算并使用DRG分組器,醫院、醫保部門、DRG廠商均對DRG分組有一定的研究,DRG付費可能存在不同程度高靠診斷、推諉危重癥患者和分解住院的問題,盡管不同層面的醫保檢查措施逐項落地,但也很難避免這類問題的發生。有研究表明,病案首頁質量影響DRG入組[11,15],促使冠狀動脈粥樣硬化DRG分組效果不理想,住院患者的費用結構欠合理。由此,病案首頁質控工作就顯得尤其重要,是對醫生、編碼員和質控員的整體素質水平的極大考驗。醫療機構應正確引導,實事求是,規范、準確的填寫病案首頁數據,提高公信力。

4.4 優化臨床路徑管理,分析DRG組關鍵點

DRG醫保支付改革也是一個不斷完善、不斷優化的動態過程,分組方案和費用標準都需要在實踐中不斷地驗證與優化。并不是越低越好,只有探索精細化的臨床路徑,才是最優解。目前DRG的支付標準是基于歷史住院均費數據測算得知,隨著DRG分組的不斷優化、耗材零差價及近年的政策調整,大家的關注點也逐漸轉變為臨床路徑的精細化管理。一是可根據DRG病例分組,組建包括醫、護、檢驗、物理治療師及管理部門多方聯動的臨床路徑管理團隊,深入分析醫院數據。二是將臨床路徑不斷優化,分析每個DRG組在實施過程中關鍵點,持續修正和改進,并進行書面化。

本研究不足之處有研究僅涉及單個醫院的樣本分析,該醫院總體CMI在0.9左右,處于中等水平,主要以常見病、多發病為主,僅能夠推廣到同類型中等水平的綜合醫院作為參考。下一步應加大樣本量,納入多家醫療機構與疾病預防控制中心、社區衛生服務中心聯合開展深入研究。