【摘 要】目的 利用出院患者病案數據進行病例組合，探討應用病例組合方案進行公立醫院績效考評與成本管控的可行性。方法 基於CHAID決策樹模型，以住院費用為目標變量，選取手術操作級別等因素作為預測變量，建立病例組合方案；對分組結果進行統計學檢驗，評價組內同質性與組間異質性，測量相對權重對住院費用的擬合優度。結果 建立覆蓋某公立醫院全部病種的病例組合方案，分組結果組間差異具有統計學意義，組內同質性與組間異質性較高，相對權重對住院費用擬合情況良好。結論 通過CHAID決策樹模型建立的病例組合方案評價結果良好，可用於開展醫療質量評價與病種管理。
【關鍵詞】公立醫院；決策樹；病例組合
近年來，病例組合思想逐漸被應用於醫療費用支付方式改革與醫療服務評價等領域，尤以診斷相關分組（Diagnosis Related Groups，DRGs）應用最為廣泛。針對某一病種的DRGs病例組合模型與評價方法的研究較多，如：霍振昂等[1]基於回歸樹算法，採集2014年河南省心臟病手術患者信息建立DRGs分組方案；林倩等[2]利用廣州市某三甲醫院2011年-2015年闌尾炎患者信息進行DRGs分組研究；郎婧婧等[3]選取女性生殖系統手術治療組，研究細分組過程中併發症與合併症嚴重水平的劃分。本研究在此基礎上，基於CHAID（Chi-squared Automatic Interaction Detection，卡方自交互偵測）決策樹模型建立覆蓋公立醫院全部病種的病例組合方案，採取DRGs模型評價方法[4]與檢驗方法進行分組效果評價，對應用DRGs病例組合方案開展公立醫院醫療服務評價與病種成本管理的可行性進行探討。
1 資料來源與方法
1.1 資料來源
以廣東省某委屬委管醫院2013年-2017年全部出院患者為研究對象。選取2013年-2016年出院病例為訓練樣本，剔除其中住院天數大於60天的出院病例，確定訓練樣本有效病例為295 279例；選取2017年全部出院病例作為校驗樣本，共計99 191例。
1.2 研究方法
1.2.1 訓練樣本分組方案
根據國際疾病分類（International Classification of Diseases，ICD-10）類目表劃分主要診斷分類（Major Diagnostic Category，MDC），將使用呼吸機患者單獨進行先期分組。在各MDC下，根據ICD-10三位數類目表，將臨床特徵相近疾病納入同一組別劃分ADRG（Adjacent Diagnostic Related Groups，相近的診斷相關分組）。基於CHAID決策樹模型，以患者住院費用作為目標變量，選取手術操作級別、併發症與合併症（Complication and Co-morbidity，CC）水平、性別、年齡、是否搶救、是否輸血、入院途徑以及新生兒體重作為預測變量，根據醫療資源消耗相似性對ADRG組進行細分，制定最終的DRG分組方案，其中，新生兒體重用於「MDCP：起源於圍生期的某些情況」的病例分組。預測變量具體編碼情況見表1。
1.2.2 併發症與合併症處理
本研究將併發症與合併症水平劃分為三級，分別為重要、一般以及無。首先確定無併發症與合併症患者醫療資源消耗情況，將具有併發症與合併症患者逐一與其比較，將明顯增加醫療資源消耗程度的患者暫時編為具有重要併發症與合併症；然後將暫時編為重要併發症與合併症患者所具有的併發症與合併症逐一與餘下的具有併發症與合併症患者進行比對，將相同的併發症與合併症水平劃分為一般，不同的併發症與合併症水平劃分為重要；最終制定併發症與合併症分級目錄。
1.2.3 校驗樣本檢驗方法
利用Kruskal-Wallis H檢驗對分組效果進行統計學檢驗，計算方差減少量（Reduction in Variance，RIV）與變異係數（Coefficient of Variation，CV）評價組間異質性與組內同質性。通過決定係數（Coefficient of Determination，R2）判定住院費用總體變異中相對權重（Relative Weight，RW）可解釋的部分所佔比例。
2 結果
2.1 分組過程
通過訓練樣本建立覆蓋全部病種的病例組合方案，根據ICD-10類目表與先期分類組，本方案共包含21個；在各MDC下根據ICD-10三位數類目表，依據疾病臨床特徵相似性劃分ADRG，共計222個。分組路徑如圖1所示。
基於CHAID決策樹模型，在各ADRG下根據疾病手術操作類別分為手術組與非手術組，以住院費用作為目標變量，根據手術操作級別、併發症與合併症水平、年齡、是否搶救、是否輸血、入院途徑以及新生兒體重等因素進行病例組合，最終形成1 189個DRG組。以乳房惡性腫瘤為例：
根據臨床意見初步判斷，選取可能的影響因素作為預測變量，分別為手術操作級別、併發症與合併症水平、年齡、是否搶救、是否輸血，以住院費用為目標變量，利用CHAID決策樹模型對乳房惡性腫瘤手術組ADRG進行分組。結果顯示：第一層分類節點變量為手術級別，其中具有三四級手術的患者為一組，具有一二級手術的患者為一組，具有治療性操作的患者為一組；第二層分類節點變量為併發症與合併症水平，對具有三四級手術的患者組別與具有一二級手術的患者組別進行分組，分別劃分為具有併發症與合併症以及無併發症與合併症兩組；第三層分類節點變量為輸血情況，將具有三四級手術且具有併發症與合併症的患者組別進行分組，劃分為有輸血以及無輸血兩組。至此完成病例組合過程，針對乳房惡性腫瘤手術組ADRG共形成8個分組，各組CV均小於1，分組結果良好。
根據臨床意見初步判斷，選取可能的影響因素作為預測變量，分別為手術操作級別、併發症與合併症水平、年齡、是否搶救、是否輸血，以住院費用為目標變量，利用CHAID決策樹模型對乳房惡性腫瘤非手術組ADRG進行分組。結果顯示：第一層分類節點變量為手術級別，其中具有診斷性操作的患者分為一組，無診斷性操作的患者分為一組；第二層分類節點變量為併發症與合併症水平，將具有診斷性操作的患者組別分為具有併發症與合併症組與無併發症與合併症組；第三層分類節點變量為年齡，將具有診斷性操作且具有併發症與合併症的患者組別分為≤60歲組與>60歲組。至此完成病例組合過程，針對乳房惡性腫瘤非手術組ADRG共形成6個分組，各組CV均小於1，分組結果良好。
2.2 分組結果
本研究根據訓練樣本最終建立的病例組合方案包括21個MDC、222個ADRG以及1 189個DRG，病例組合方案各DRG組相對權重以及住院費用與住院天數四分位數、變異係數見表2，各DRG組總體分布情況見表3。
2.3 檢驗結果
對校驗樣本中住院天數≤60天的出院患者進行分組效果評價，校驗樣本覆蓋全病種病例組合方案中的1 166組，住院費用總體RIV為60.68%，具有較高的組間異質性；各DRG組住院費用CV分布情況統計結果為：CV≤1.0的DRG組佔85.16%，1.0∽1.4的DRG組佔11.06%，CV＞1.4的DRG組佔3.77%，這表明各DRG組具有良好的組內同質性。決定係數R2為58.3%，表明住院費用總體接近60%的變異情況可由各DRG組相對權重值進行解釋。
對乳房惡性腫瘤ADRG組內各DRG組的平均住院費用進行Kruskal-Wallis H檢驗，並計算方差減少量與變異係數。結果表明，同一ADRG組內，各DRG組平均住院費用組間差異具有統計學意義（手術組χ2=160.563，P<0.001；非手術組χ2=135.789，P<0.001），組間異質性與組內同質性評價結果良好，如表4所示。
3 討論
3.1 病例組合思想應用於醫院管理的理論基礎
病例組合思想可有效應用於醫療質量管理或醫療費用補償管理[5]。其原因在於病例組合過程中將患者診療特徵與資源消耗程度有機結合，以住院費用或住院天數為分類軸心，選擇患者臨床診療過程中關注的特徵變量進行分組，同一組患者具有相同的臨床診療路徑與相近的醫療資源消耗程度。這為病例組合方法應用於醫院管理提供了理論依據。
DRGs作為應用最為廣泛的病例組合方法，目前已被各國引進用於開展按病種定額預付制[6-7]。該制度下每位患者歸入的疾病診斷相關分組已確定，醫院收治患者獲得的醫保費用支付額度與實際醫療費用無關，只有當醫院投入的醫療成本低於病種醫保費用支付額度時，醫院才有可能取得收益，因此，醫院有動力規範臨床診療過程以控制醫療成本。在此基礎上產生的臨床路徑（Clinical Path，CP），其初衷是對醫療成本進行管理。同樣，同一分組內患者具有相同診療過程這一分組特性，使得醫療質量考核與管理更具有可比性，對同組內患者的好轉率、死亡率以及費用、時間消耗等情況進行比較，可以更好地評價臨床診療過程的有效性與合理性。
3.2 病例組合方案分組過程的方法學論證
病例組合方案分組過程主要分為兩個階段：第一階段是從MDC到ADRG階段，該階段以臨床經驗為主、統計方法為輔，通過疾病臨床特徵相似性進行劃分，將具有相近病因、解剖位置、臨床表現或者病理等特點的疾病分入同一組別，作為ADRG；第二階段是從ADRG到DRG階段，該階段以統計方法為主、臨床經驗為輔，通過分類模型將醫療資源消耗較一致的病例分入同一組別，建立病例組合方案。本研究在第一階段採用ICD-10三位數類目表將臨床特徵相近的疾病劃分為同一ADRG組，在第二階段再採用CHAID決策樹模型進行細分。
CHAID決策樹模型最初是將卡方檢驗作為樹分類基本方法，針對目標變量為連續變量的情形發展出了方差分析算法，依次按照所有預測變量的取值情況分組對目標變量進行檢驗，以P值作為預測變量對目標變量影響程度的判斷標準。它具有以下特點：（1）目標變量既可以是分類變量也可以是連續變量；（2）能夠建立多分類決策樹；（3）從統計顯著性檢驗角度確定最佳分組變量與分割點。
在本研究的ADRG細分組過程中，目標變量住院費用為連續變量，故CHAID決策樹模型採用方差分析算法，根據手術級別、併發症與合併症水平、是否輸血、年齡等預測變量進行分組，對各組進行單因素方差分析，計算方差分析統計量，選取其中具有統計學意義的分組變量（P<0.05）作為分類節點進行病例組合。例如,在乳房惡性腫瘤手術組ADRG分組過程中，第一層分類節點手術級別的各級別分組間差異均具有統計學意義，故首先將樣本劃分為具有三四級手術、具有一二級手術以及具有治療性操作3組，然後在各自組內進行分組時引入併發症與合併症水平作為第二層分類節點，其中針對本次乳房惡性腫瘤病例組合過程，具有重要併發症與合併症分組與具有一般併發症與合併症分組間差異不具有統計學意義，故將兩組合併，只劃分為具有併發症與合併症以及無併發症與合併症兩組。
3.3 思考
隨著2017年公立醫院綜合改革的全面推開，如何補償取消藥品加成與嚴格把控耗佔比後醫院減少的醫療收入，成為擺在公立醫院面前最實際的問題。在醫療總體收入減少與醫保付費方式變革的雙重壓力下，本研究認為可基於DRGs病例組合方案，對病種開展成本效益核算，分析在按病種分值付費結算模式下，現有病種的臨床路徑與收費結構能否取得盈利，選取處於虧損狀態的病種修訂臨床路徑內容，從源頭進行成本管控。
如何客觀衡量疑難危重患者的收治情況是另一項長期困擾公立醫院評價工作的問題。現行的「CD型」評價方法主觀性較強，在2017年委屬委管醫院綜合績效考核中，對於公立醫院疑難危重患者佔比的考核也未給出可操作性的定義。本研究認為可在一定區域範圍內，統一病例組合方案，選取伴有重要併發症與合併症或三、四級手術的病例組合作為疑難危重患者組進行統計，在統一標準的基礎上，統計結果客觀合理，同時具有可比性。
參考文獻
[1] 霍振昂，董振廷，範軍星，等.基於回歸樹算法的心臟病手術患者住院費用DRGs分組研究[J].中國衛生經濟，2017（9）:32-34.
[2] 林 倩，王 冬，郭 煜，等.基於CHAID算法的闌尾炎患者DRGs分組研究[J].衛生經濟研究，2017（8）：29-32.
[3] 郎婧婧，周海龍，江 芹.DRG女性生殖系統手術治療組細分組方法研究[J].中國衛生經濟，2017（3）：59-62.
[4] 杜劍亮，劉駿峰，陳 倩.常用DRGs模型的評價方法[J].中國病案，2014（8）：36-37.
[5] 張 音，徐勇勇.病例組合的統計分類 醫療衛生管理的一項基礎研究[J].中國衛生統計，1998（3）：6-9.
[6] 鄭大喜.醫療保險費用支付方式的比較及其選擇[J].中國初級衛生保健，2005（6）：6-9.
[7] 郭志偉.DRGs的原理與方法及在我國的應用對策[J].中國衛生經濟，2010（8）：37-39.
（原標題：基於CHAID決策樹模型的病例組合方案應用研究）