基于因子分析住院费用影响因素研究.docVIP

基于因子分析住院费用影响因素研究 　　摘要：为探索住院费用的主要影响因子，以便为更好地控制住院费用的不合理增长提供参考依据，本文选取了某省级肿瘤专科医院2015年51824例住院病例，采用因子分析方法，对住院费用进行实证分析，得出药品因子、手术治疗因子、检查因子、其他费用因子是支配住院费用的4个公因子。因此，医院应关注药品因子、控制药品费用，同时应注重医务人员劳动价值的体现，才能够达到控制医疗费用过度增长的目的。 　　关键词：因子分析 住院?M用 影响因素 　　当前，医疗费用增长迅速，是关系我国民生的重要问题，因此，如何通过合理利用卫生资源来有效控制医疗费用的不合理增长是卫生领域的研究热点之一。近年来，恶性肿瘤在我国的发病率呈上升趋势，相对于一般的疾病，治疗恶性肿瘤普遍给患者带来更为沉重的经济负担，甚至造成部分家庭“因病致贫”、“因病返贫”的现象，因此，恶性肿瘤的住院费用问题是人们极为关注的民生热点问题。 　　一、资料来源和分析方法 　　（一）资料来源 　　根据ICD-10编码，收集某肿瘤医院2015年病例数居前十位的肿瘤病种作为研究对象。本文对样本数据进行预处理，剔除不完整、有明显错误的病历数据，数据资料来自于病案系统。 　　（二）变量设置 　　住院费按其类别分别为：床位费、诊查费、检查费、化验费、治疗费、手术费、护理费、材料费、药品费、其他费用，以上均为数值变量。 　　（三）数据分析方法 　　因子分析法是以少数的几个因子反映原指标变量的大部分信息，也就是将相关性更强的多个变量归类为一个因子，由于归类之后的每个因子都不再是具体变量，是不可观测的，所以称“因子”为不是“变量”。本文用Excel进行数据处理，用SPSS19.0进行描述性统计，用主成分法提取公因子，为了使各变量在因子上载荷更加明显，对因子载荷矩阵进行方差最大化旋转，从而对各因子做出适当的解释。 　　二、结果 　　（一）住院费用描述性分析 　　2015年期间，在某肿瘤医院收治的所有病例中，数量居前10位的是肺恶性肿瘤、鼻咽恶性肿瘤、胃恶性肿瘤、乳腺恶性肿瘤、宫颈恶性肿瘤、食管恶性肿瘤、卵巢恶性肿瘤、甲状腺恶性肿瘤、肝恶性肿瘤以及结直肠恶性肿瘤共52392人次（以第一诊断为主要诊断依据），占同期恶性肿瘤住院患者总人次的84.75%。在52392人次中，排除费用数据缺失及异常的病例（415例），住院时间不满1天病例（153例），最终纳入51824个研究对象。住院费用构成中，药品费占50.39%，治疗占16.19%，材料费占10.72%，化验费占7.75%，检查费占4.09%，手术费占5.07%，床位费占1.8%，护理费占2.51%，其他费用占0.70%，诊查费占0.78%，例均住院费用为19897元。 　　（二）KMO和Bartlett’s检验 　　为了检验本文的数据是否适合做因子分析，本文使用两种方法进行检验：KMO（Kaiser-Meyer-Olkin）检验和巴特莱特球形检验（Bartletts test）。首先通过KMO检验来检验各变量的相关性，变量越相关（值越接近于1）则越适合进行因子分析，一般认为该值要大于0.5。本文的KMO抽样适度测量值为0.8510.5，说明待分析变量间相关性较高。Bartletts检验是从整个相关系数矩阵来考虑问题，其原假设为相关系数矩阵并且是单位矩阵，如拒绝该假设则可以做因子分析。本文的Bartletts检验的近似卡方值=262965.643，自由度=45，P0.001，说明相关矩阵是单位阵。通过以上两种检验说明本文的样本适合做因子分析。 　　（三）住院费用的因子分析 　　本文提取公因子的方法是主成份因子分析法，公因子所包含初始指标变量的信息量用方差贡献率来解释，多个公因子所包含初始指标变量的信息量的累计数则用累积方差贡献率来解释，累积方差贡献率一般要求大于80%。公因子也不是越多越好，公因子越多虽然对初始指标变量的解释性越强，但太多的公因子就失去了因子分析所希望产生的“降维”的目的。由表1可见，通过旋转以后，前4个公因子的累积贡献率为82.598%，前5个公因子的累积贡献率为88.7%，说明前4个公因子所反映的初始指标信息量已经累积达到82.598%，大于所要求的80%，再增加1个公因子只能多产生6.1%的解释效果，本文出于对公因子的数量和质量的考虑，最终选择前4个作为公因子。 　　因子分析不是以找出公因子为最终目的，更重要的是要对每个公因子的意义进行充分合理的解释，以最少的公因子解释最多的初始变量信息量。为了使各变量在因子上载荷更加明显，降低各因子的综合性，本文对因子载荷矩阵采用方差最大的正交旋转，旋转后会使各因子载荷尽可能地向0和正负1的方向靠近，使各公因子的可解释性更强。 　　本文按因子