DRG支付下基于因子－聚類法的BR29病組分類控費的探索

Abstract：ObjectiveTexplorethaidominantfactorsfeitheospitalizomedicalexpesesofpatientswithBR29diseaseundrDRG payentdiid toJuneO，2O2，49titsioalteofiseaseeoldinophespialiijgaplefeading the9sub-itesofagelngthofandotalostofospitalatiothctalyssmetoddustergmetodresedtoucee dimensionandusteralssrficatioRsultsThetitsreainlyaleurbnesidentsndutpatientsTemdiana oldndtepadaltspialud thefirstcategossocospialtdcoials andthethidategasthecalostfctoofospialtioCocusdrtroltecsieohfospialodical expesestolil fees；themedicalisuraneptsouldfallneouofeaseopotsmproacusntsf payment standards，and scientifically achievea win-win situation among doctors，insurance and patients.

Keywords：DRG payment；Factor analysis；Clustering；Medical cost control

近年來，越來越多的統籌地區開展DRG支付方式改革并實際付費，醫保患者群體也隨之擴大，費用也逐年上漲，部分醫院“收不抵支\"的情況也時有發生[-3]。如何在有限的資源內以醫療服務質量與安全的雙向提升為前提，達到合理控費的目標成為“醫、保、患\"三方共同關注的焦點。本研究以BR29病組為例，擬從醫保結算清單各項費用為切入點，使用因子分析法、聚類分析法尋找并分析影響BR29病組住院醫療費用的主要支配因子，并對住院醫療費用進行分析和歸類，以提出相應管理建議，為控制住院費用的不合理增長提供參考點。

1資料與方法

1.1資料來源選取烏魯木齊DRG統一結算平臺中新疆某三甲醫院2022年7月1日-2023年6月30日已入組腦缺血性疾患病組（BR29：腦缺血性疾患）且病例類型為正常的出院患者549例，病案數據源于醫院上傳的病案首頁信息，費用明細數據源于醫保結算清單信息。

1.2方法

1.2.1數據提取及其標準化所需數據包含性別、年齡、住院天數、轉科科室、入院途徑以及住院醫療費用、床位費、診察費、檢查費、化驗費、治療費、手術費（包含麻醉費）護理費、衛生材料費、藥品費（包含西藥費、中成藥、草藥費）。將年齡、住院天數及9項明細費用指標采用SPSS中的Z-score法進行數據標準化，即以新疆BR29病組的收費為基準，患者醫療總費用低于收費基準為盈余，高于收費基準為虧損，獲得結余變量。

1.2.2因子分析根據年齡、住院天數及9項明細費用指標的標準化數據計算相關系數矩陣，采用因子分析法根據旋轉后的因子載荷矩陣，運用最大方差法獲取共性因子并對提取出的公因子進行解釋和命名[4.5]。

1.2.3聚類分析通過SPSS中的系統聚類分析法對所選指標的標準化數據進行分類，將最近的2個指標合并成一個新類，重新計算新類與其他類的距離，直至所選指標成為一類為止。對標準化數據使用SPSS21.0中“分析” “分類” “系統聚類”，輸出聚類圖。

1.3統計學方法使用SPSS21.0軟件建立數據庫并對數據進行統計學分析及繪圖，不服從正態分布的定量資料采用 [ M （ I Q R ） ] 描述，多組間比較采用Kruskal-Wallis H 檢驗，組間兩兩比較采用Bon-ferroni法。計數資料采用 [ n （ % ） 描述，多組比較采用 檢驗，組間兩兩比較采用Bonferroni法。 P lt; 0 . 0 5 為差異有統計學意義；經Bonferroni法校正， 為差異有統計學意義。

2結果

2.1一般情況納入的549例正常入組BR29病組的醫保患者中，城鎮職工454人（ 8 2 . 7 0 % ，城鄉居民95人（ 1 7 . 3 0 % ）；男性314人（ 5 7 . 1 9 % ），女性235人中 4 2 . 8 1 % ）；轉科36人（ 6 . 5 6 % ），未轉科513人中 9 3 . 4 4 % ）；急診患者252人（ 4 5 . 9 0 % ，門診患者297人L 5 4 . 1 0 % ）；盈余244人（ 4 4 . 4 4 % ），虧損305人中 5 5 . 5 6 % ；年齡中位數為68歲；住院天數中位數為 。見表1。

2.2因子分析結果因子分析顯示，KMO值為0.71，Bartlett'S球形檢驗的近似 值為 0因子分析法提取到3個因子F1、F2及F3，可解釋原信息的 5 9 . 4 5 % ，見表2。另外，床位費、診察費、治療費、住院天數同屬一個因子，能夠反映患者住院期間的常規費用因素，因此定義為“住院基礎費用因子”；化驗費、護理費、衛生材料費、藥品費同屬一個因子，均與診療過程費用相關，因此定義為“住院診療過程費用因子”；檢查費、手術費、年齡3個項目反映多方面情況，因此命名為\"住院特殊費用因子”，見表3。2.3聚類分析采用聚類分析驗證因子分析結果。由圖1可知，分類結果與因子分析結果基本一致，但原屬于F1“住院診療過程費用因子\"的藥品費歸在了F2“住院基礎費用因子\"中，從因子得分系數數值上看，藥品費在F1“住院診療過程費用因子\"與F2“住院基礎費用因子”上的數值較為接近。然而，聚類分析顯示檢查費、年齡、手術費各成一類，這可能是其劃分患者發生變化的主要原因，因此結合因子分析與聚類分析結果，將住院患者各醫療費用歸為3類，見表4。

2.4不同費用聚類的患者一般特征分析聚類1有284例患者，表現為年齡小、門診途徑入院、住院天數短、醫療總費用少、盈余多；聚類2有228例患者，表現年齡大、急診途徑入院、住院天數長、住院醫療總費用多、虧損多；聚類3有37例患者，其表現與聚類2相似，與聚類2相比，主要表現為住院天數較短、醫療總費用較少、轉科患者多、虧損較少。經Kruskal-Wallis H 檢驗，除性別外，不同聚類間在年齡、住院天數、是否轉科、人院途徑、結余分類以及13類費用項目上差異有統計學意義（ 。以聚類1與聚類2的成對比較為例，在性別、手術費及是否轉科項目上無顯著性差異（ 外，其余指標間的差異均具有統計學意義（ ，見表5。

3討論

3.1探索主要支配因子的意義研究基于因子-聚類法把年齡、住院天數及9項明細費用項目分為了3大類，分別為住院基礎費用因子類、住院診療過程費用因子類、住院特殊費用因子類，其中住院基礎費用因子類包含的項目較多，是控制BR29病組醫療費用的主要關注對象。從統計學角度看，每類中的各個項目之間相關性較強，共性較多8。在住院基礎費用因子類中，各項費用受住院天數的影響較大，住院天數則可視為該類中的主要支配因子。因此，充分了解主要支配因子，有利于掌握影響BR29病組住院醫療費用變化的本質，再加以實施可行的干預措施，可達到控制整體醫療費用的目的。

3.2合理控制各類醫療費用及住院天數的增長從結果來看，住院基礎費用因子類所支配的費用占總費用的 4 5 . 8 3 % （其中藥品費、治療費占比分別為2 3 . 8 5 % . 1 8 . 0 1 % ；住院診療過程費用因子類費用占比為 2 2 . 5 7 % （化驗費占比 1 7 . 0 0 % ）；住院特殊費用因子類費用占比為 3 1 . 5 2 % （檢查費占比 3 1 . 4 0 % ）。由此可見，檢查費、藥品費、治療費和化驗費是構成BR29病組醫療費用的主要來源。已有研究表明，缺血性腦卒中患者的住院費用均費為15882.28元，藥品費占比 4 4 . 3 8 % ，檢查費占比 2 0 . 9 5 % ；榆林市某院的BR21、BR23和BR25組患者中位費用均高于

8000元，藥品費占比在 4 0 % 以上，研究提出DRG分組較為合理，但費用結構的調整勢在必行[。與多數研究一致，降低藥品費是控制醫療費用的關鍵環節，同樣也是醫療保險制度改革的初衷之一[II，I2]。除此之外，患者的住院天數、年齡、手術費也是影響醫療費用的關鍵因素[13，14]。在住院基礎費用因子類中，住院天數可以認為是其他項目的“驅動力”。科學合理控制住院天數，才能有效控制患者相關住院基礎費用。值得注意的是，年齡在聚類1與聚類2組之間存在顯著性差異，中位數年齡分別為64歲與72.5歲，提示控費措施應與患者的年齡相適應。

3.3提升醫療工作質量和效率，實現精準控費檢查費是BR29病組患者住院醫療費用中占比最高的項目，其次為藥品費。因近年來藥品零加成政策與醫保支付制度改革的實施，使得藥品費占比有所下降[15-17]。由于腦缺血性疾患的特殊性，醫生的診斷對各類檢查結果的依賴性較強，導致檢查費成為BR29病組的主要收入，而能夠體現醫務人員醫療價值的治療費占比相對偏低。因此，以提升患者預期治療效果的前提下，醫院應積極加強醫療服務行為的規范管理，主動關注患者醫療費用使用情況，避免過度檢查診療，減輕患者經濟負擔并進一步加強成本精細化管控，全面提升醫療工作質量和效率。

3.4科學細化病組分組，完善動態調整機制2022年7月，新疆維吾爾自治區醫療保障局官網公示了烏魯木齊地區按DRG分組權重談判結果。結果表明，“腦缺血性疾患\"在2022年烏魯木齊地區DRG基礎病組表中位列首位，權重為0.8637，亞專科有且僅有BR29[18]。北京版診斷相關組（BJ-DRG）以及部分城市使用CHS-DRG或CN-DRG的“腦缺血性疾患”亞專科含有多個DRG，并賦予不同權重[9，20]。雖然使用的分組版本不同，但可借鑒病組的細化規則。在遵循\"組內同質性好、組間異質性強\"的分組原則上，最大程度反映亞專科的資源消耗程度。醫保部門應進一步優化烏魯木齊地區DRG病組權重，加強醫保與醫療機構協商機制，讓醫療機構把握控費主動權，以避免“收不抵支\"而降低醫療服務質量的行為。

參考文獻：

[1]李中凱，姚曉葉，李金葉.公立醫院醫保患者次均住院費用控制的路徑探討[].中國醫院管理，2020，40（9）：77-78，85.

[2]袁建平，鄒俐愛.應用型委托代理理論下醫保控費考核方法探索].中國衛生經濟，2022，41（12）：101-104.

[3]賈凱.醫保控費下的公立醫院運營管理研究與實踐[.會計之友，2023（7）：63-68.

[4]喬小燕.統計軟件SPSS在\"統計學\"教學中的應用研究以因子分析為例[].教育教學論壇，2023（21）：37-40.

[5]馮文帥，孫曉，郭流漓，等.基于因子分析與聚類分析的室性早搏證候要素與中醫證候特點研究[].天津中醫藥，2024，41（1）：12-17.

[6]寧濤.基于層次聚類的投資策略組合優化研究[].統計與決策，2022，38（6）：180-184.

[7]吳成鑫.基于主成分分析和聚類分析的城鎮居民收入研究].黃山學院學報，2021，23（3）：7-10.

[8]方金鳴，劉玲，陶紅兵.DRG改革中醫務人員利益訴求的分析研究—基于因子分析和聚類分析[].中國衛生統計，2023，40（1）：138-143.

[9]潘美伊.吉林省某三甲醫院腦卒中患者住院費用及影響因素分析[D].長春：長春中醫藥大學，2021

[10]陳宇，常人元，王盼，等.基于DRG的缺血性腦卒中患者分組效果及住院費用分析[].中國醫院統計，2023，30（6）：457-460.

[11]孟艷華，王麗娟，范玲燕.2018-2022年鄭州市部分三甲醫院出血性腦卒中病例特征及住院費用趨勢分析.華南預防醫學，2023，49（12）：1534-1538.

[12]陳積標，況杰，易應萍，等.2015-2019年江西省缺血性腦卒中患者特征及住院費用分析[J].現代預防醫學，2021，48（8）：1515-1519.

[13]何從源，潘先鰲，劉永婧，等.四川省腦卒中患者住院費用影響因素分析[].現代預防醫學，2023，50（8）：1441-1445.

[14]陳春華，朱碧帆，陳玉倩，等.上海市J區腦卒中患者住院費用的影響因素[）.中南大學學報（醫學版），2022，47（5）：628-638.

[15]傅熾良，陽建民.深圳市實施藥品零加成政策對公立醫院住院費用的影響[].中國醫院管理，2013，33（2）：4-6.

[16]李改云，吳楊昊天，丁明峰，等.取消藥品加成政策前后肺結核患者住院費用的中斷時間序列分析[].中國防癆雜志，2022，44（10）：1071-1078.

[17]吳怡文.“藥品零加成”背景下精神科醫院補償機制研究一以A醫院為例[D].上海：上海交通大學，2019.

[18]新疆維吾爾自治區醫療保障局.2022年烏魯木齊地區按疾病診斷相關分組（DRG）分組權重談判結果公示[EB/OL].（2022-07-15）[2023-09-08].https：//ylbzj.xinjiang.gov.cn/ylbzj/yywf-gl/202207/7885782d7d754427ad22e8ec8d52fb76.shtml.

[19]甘嵐瀾，伍淵麟，向貴圓，等.基于關聯規則分析法探討疾病診斷相關分組下腦缺血疾病的藥物聯合應用情況[].中國醫院用藥評價與分析，2023，23（11）：1369-1372.

[20]于磊，王湛澤.基于DRG分組的腦梗死患者費用結構分析].中國病案，2023，24（2）：63-66.

收稿日期：2024-01-11；修回日期：2024-03-05

編輯/成森