妊娠分娩与产褥期疾病DRGs分组方法研究.docVIP

妊娠分娩与产褥期疾病DRGs分组方法研究 　　摘要：目的 为探索适合我国国情的DRGs分组方法提供研究思路。方法 选择妊娠、分娩和产褥期疾病作为研究对象并对其进行分组。结果 最终的分组模型包括25个分组，模型的组内一致性较好，组间平均住院费用存在差异。结论 可认为本文中所采用分组方法适用于对妊娠、分娩和产褥期疾病的病例进行分组。 　　关键词：DRGs；分组方法；研究 　　DRGs是诊断相关分组的简称，是通过把某些特征相同或相似的病例归类为一组，再为每个组设定支付标准，从而达到控制住院费用过快增长的目的。我国的DRGs研究尚处于探索阶段，离把DRGs应用于医疗保险支付领域仍有相当长一段距离。DRGs应用的瓶颈之一是缺少一个被广泛认同的分组模型，虽然我国已引入了美国的全患者DRGs（AllPatient-DRGs，AP-DRGs）并尝试对北京部分医院的住院病历进行分组，但分组效果并不好，提示不能直接应用国外的分组模型对我国的住院病历进行分组[1]，而我国学者[2-3]按照DRGs原理自行建立的分组模型同样存在着一些问题，例如选择的分组因素不合适，分组因素的不同水平划分不合理等。本文选择妊娠、分娩和产褥期疾病作为研究对象并对其进行分组，为探索适合我国国情的DRGs分组方法提供研究思路。 　　1 资料与方法 　　1.1一般资料 资料来源于广州市某三甲医院2013年出院且第一诊断为妊娠、分娩和产褥期疾病的病例，在剔除住院费用P97.5的病例后得到有效病例4286例。 　　1.2 方法 　　1.2.1资料预处理 为了利用诊断信息和手术信息对病例进行分组，需要把诊断信息和手术信息转换为适合于DRGs分组的形式。本文采用的方法为：计算不同诊断和手术的平均住院费用并将其转换为诊断级别和手术级别，再根据病例在不同诊断级别和手术级别中的诊断数量和手术数量对病例进行分组。例如，计算第一诊断或其他诊断为妊娠期糖尿病的病例的平均住院费用为6141元，将平均住院费用除以1000后四舍五入得到该诊断的诊断级别为6。可见，平均住院费用在5500～6499元的诊断，诊断级别均为6。采用相同的方法确定不同手术的手术级别，如子宫下段剖宫产的平均住院费用为7860，则该手术的手术级别为8。经过计算，不同诊断的诊断级别在1～19，不同手术的手术级别在0～18。最后，将原始数据整理成表1的形式，其中患者ID为病例的序号，费用为病例的实际住院费用，诊断级别1～19用于表示病例在不同诊断级别中的诊断数量，如患者ID为1的病例中有2个诊断级别为1的诊断，手术级别0表示无手术，手术级别1～18表示病例在不同手术级别中的手术数量，此时的手术数量实际上为手术编码数量，包括了附加手术编码数量。 　　1.2.2 决策树方法 决策树（Decision Tree）是一个树状的分类模型，树的根结点代表整个数据集合，通过不断从分类属性集合中选择分类能力最强的属性作为分类结点，将数据分成两个或多个子集[4]。本文采用决策树中的穷尽卡方自动互动检验算法（Exhaustive Chi-square Automatic Interaction Detector，E-CHAID）建立DRGs分组模型，该算法是CHAID算法的改良算法，因此得到的分组模型将更为合理。由于住院费用不服从正态分布，故分组模型的因变量选择住院费用的自然对数，分组模型的自变量选择诊断级别1～19和手术级别0～18。决策树停止生长条件为：树的最大深度为12，树节点最小样本数为50，子节点最小样本数为25，拆分与合并结点的显著性水平均为0.05。使用的软件为SPSS16.0。 　　2 分组结果与模型评价 　　2.1分组结果 模型中的分组因素包括疾病级别9、手术级别13、疾病级别3、疾病级别4、疾病级别2、疾病级别8、疾病级别12、疾病级别10、疾病级别7、手术级别3和疾病级别6共11个分组因素，其中疾病级别9为最重要的分组因素，手术级别13次之。决策树共有44个节点，其中子节点有25个，即分为25个分组，决策树的深度为10，小于设置的最大深度，说明节点不能再往下细分，决策树的1～4层见图1。 　　2.2 模型评价 分组模型的描述性统计分析结果见表2，可见，分组模型中节点41的例数最多，有596例，占总例数的13.91%，节点43的例数最少，仅有25例，占总例数的0.58%。节点10的平均住院费用最大，为12720.8元，节点19的平均住院费用最小，为2200.2元，且每个分组的平均住院费用均有一定差距。由于住院费用不服从正态分布，采用中位数反映分组的集中趋势，四分位间距反映分组的离散趋势，用四分位间距与中位数的比值取代变异系数来反映分组的组内一致性。四分位间距与中位数的比值50%的共有15个分组，在50%～70%