廣東省婦幼保健院（510010） 韓 棟 魏凌云章 瑩 徐金龍

婦嬰疾病診斷相關(guān)組的構(gòu)建與比較研究*

廣東省婦幼保健院（510010） 韓 棟 魏凌云△章 瑩 徐金龍

目的本研究擬建立婦嬰疾病診斷相關(guān)組（women＆infant－diagnosis－related groups，W I－DRGs），并與CN－DRGs、MS－DRGs和AR－DRGs等代表性DRGs體系的分組效率進行比較，以初步評價和改進W I－DRGs。方法采用定性研究（專題組討論、Delphi法等）與定量研究（線性回歸、決策樹等）相結(jié)合的方法，采用廣東省某三級婦幼醫(yī)院的婦嬰?？谱≡夯颊哔Y料建立W I－DRGs分組。同時比較W I－DRGs、CN－DRGs、MS－DRGS和AR－DRGs的分組效果。結(jié)果WI-DRGs系統(tǒng)費用變異減少（reduction in variance，RIV）為0．596，變異系數(shù)（coefficient of variation，CV）為0．10～0．54，平均住院日RIV為0．389，CV為0．02～0．22。W I－DRGs在婦嬰疾病分組方面較優(yōu)。結(jié)論WI-DRGs組間異質(zhì)性和組內(nèi)同質(zhì)性較好，具有一定的科學(xué)性和實用性，但仍需擴展研究樣本來源，引入更高效的分組變量和算法，以獲得更有力的證據(jù)支持。

診斷相關(guān)組 婦嬰 CN-DRGs MS-DRGs AR-DRGs 比較研究

DRGs（diagnosis-related groups）最初由美國耶魯大學(xué)于上世紀60年代建立，以用于醫(yī)療質(zhì)量監(jiān)督的目的，1983年Medicare將DRGs應(yīng)用于住院服務(wù)PPS，估計由此每年約節(jié)約170億保險支付。之后，各國借鑒美國經(jīng)驗開展了DRGs相關(guān)研究和應(yīng)用，目前在美國、澳洲、歐盟等國已廣泛使用，在控制衛(wèi)生費用，縮短平均住院日，提高衛(wèi)生資源使用效率，提高衛(wèi)生服務(wù)公平性等方面發(fā)揮了積極的作用。我國DRGs研究起步較晚，可比性較強且得到應(yīng)用的研究主要有CNDRGs。但系統(tǒng)性的婦嬰?？艱RGs研究和應(yīng)用則未見報導(dǎo)。因此，為了應(yīng)對婦嬰?？艱RGs的差異遠大于其他組別的問題，也為了切實推進《中國婦女發(fā)展綱要》和《中國兒童發(fā)展綱要》，本文擬探討婦嬰DRGs分組的構(gòu)建與評價，從而利用DRGs優(yōu)化婦幼衛(wèi)生服務(wù)和提高婦幼衛(wèi)生資源使用效率。

方 法

1．?dāng)?shù)據(jù)采集

收集某三級婦幼醫(yī)院2008年1月1日至2014年12月31日共計172170例婦、產(chǎn)、嬰相關(guān)?？谱≡夯颊卟“甘醉摷捌渌嚓P(guān)數(shù)據(jù)，其中2008－2012年數(shù)據(jù)作為訓(xùn)練樣本用于建模，2013－2014年數(shù)據(jù)用于測試。具體分組變量包括患者基本資料、住院總費用（其中產(chǎn)婦和產(chǎn)嬰費用進行分離）、住院日、主要及其他診斷、主要及其他手術(shù)操作、新生兒體重、胎齡等信息。

2．?dāng)?shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理措施包括：邏輯核查，核查內(nèi)容包括缺項、漏項、性別沖突、年齡沖突、編碼沖突（例如無效或錯誤診斷、操作）等；數(shù)據(jù)質(zhì)量抽查，以確保數(shù)據(jù)的完整性和準確性；住院日和費用標準化轉(zhuǎn)換，極值處理（剔除超過均數(shù)±3倍標準差以外的費用）和住院日等。經(jīng)過預(yù)處理實際納入研究的數(shù)據(jù)共計為2008－2012年99300份和2013－2014年68881份。年齡描述采用均數(shù)±標準差，總費用與住院日采用中位數(shù)（25百分位數(shù)～75百分位數(shù)）描述。

3．分組方法

主要診斷組（major diagnosis category，MDC）國內(nèi)外基本一致，本研究直接參照。ADRGs（adjacent DRGs）和DRGs分組充分考慮在統(tǒng)計差異的基礎(chǔ)上保證臨床一致性，采用決策樹模型和專家組評議結(jié)合的方法。

其中決策樹采用多變量（本研究采用2個因變量，住院總費用和住院天數(shù)）回歸樹（multivariate regression tree，MRT）和條件推斷決策樹（conditional inference trees，CIT）。MRT是對決策樹經(jīng)典算法CART在多個因變量情況下的推廣，與CART具有相似的優(yōu)點，而CIT則是在條件推斷架構(gòu)下進行遞歸二叉樹分割，可以解決目前決策樹過擬合與選擇偏倚的問題。父節(jié)點的樣本量大于500時進行拆分，子節(jié)點小于100時分組才可進行，不限定樹的深度。分組條件設(shè)定為最大RIV（reduction of variance）＞0．4、變異系數(shù)＜1．00［1］。為了保證分組的臨床與保健意義，統(tǒng)計分組需經(jīng)過專家組評議。分組變量探索由統(tǒng)計分組與專家分組迭代進行。詳細分組過程參見《婦嬰疾病診斷相關(guān)分組模型研究》一文［2］。

4．評價

DRGs組內(nèi)同質(zhì)性評價方法通常采用變異系數(shù)（coefficient of variation，CV）進行評價，CV表示組內(nèi)同質(zhì)性。數(shù)值越小，表示組內(nèi)同質(zhì)性越高。計算公式如下

DRGs組間比較最常用的指標是RIV。RIV表示DRGs分類系統(tǒng)可以解釋個體變異的比例，同時RIV也表示DRGs系統(tǒng)基于個體信息對于醫(yī)療資源消耗的預(yù)測能力。RIV的計算公式為

其中，yi為第i個病人的指標值（費用或住院日），A是所有病人的指標的平均值，Ag為yi所在的DRGs分組為g的平均費用或平均住院日。RIV的取值范圍為0～1，0表示分組劃分對分組軸心的變異毫無解釋作用，1表示分組劃分可以完全解釋分組軸心的變異。本研究采用W I-DRGs、CN-DRGs、MS-DRGs、ARDRGs分組邏輯（詳見《婦嬰診斷相關(guān)組進展及分組研究探討》一文［3］）對2013－2014年住院資料進行分組，并比較上述DRGs費用和平均住院日RIV。

結(jié) 果

1．W I-DRGs分組結(jié)果

MDC13中患者平均年齡36．48±10．73歲，中位住院日為6天，中位總費用為13137．00元（見表1）。分組變量主要包括主要診斷、手術(shù)（還包括是否腹腔鏡）、腫瘤、并發(fā)癥或合并癥（complications and comorbidities，CCs）。分組后費用與住院日RIV分別為0．695和0．438。費用CV：0．02～0．10優(yōu)于住院日CV：0．10～0．40。手術(shù)組平均費用和住院日最高的為P02盆腔清掃與切除—無腹腔鏡組，達34613．94元和19．66天，非手術(shù)組平均費用和住院日最高的為P13女性生殖系統(tǒng)腫瘤—無OR，分別為6538．49元和5．75天。

MDC14中患者平均年齡29．59±4．92歲，中位住院日為4天，中位總費用為4674．20元（見表1）。分組變量主要包括主要診斷、手術(shù)、年齡與有無腹腔鏡（異位妊娠組）。分組后費用與住院日的RIV分別為0．481和0．201。費用組內(nèi)CV：0．02～0．11優(yōu)于住院日CV：0．22～0．54。手術(shù)組費用最高的為O03異位妊娠—有腹腔鏡組，平均13198．54元，住院日最大的組為O01：剖宮產(chǎn)—年齡＞35歲，平均為6．43天。非手術(shù)組費用最高為O15流產(chǎn)—無手術(shù)—有CC，平均為4331．27元，住院日最大的組為O09先兆流產(chǎn)—有CC，平均住院5．68天。

MDC15中患者平均年齡2．89±5．568天，中位住院日為3天，中位總費用為3858．58元（見表1），其中男性8207（58．84%）例，女性5741（41．16%）例。分組變量僅納入了體重、新生兒疾病或手術(shù)等。分組后費用與住院日的RIV分別為0．503和0．430，費用組內(nèi)CV：0．04～0．22，住院日CV：0．16～0．37。費用最高和住院日最長的組均為N02體重≤1．25kg，達61420．75元和34．5天。W I-DRGs的分組結(jié)果達到DRGs應(yīng)用的條件（RIV＞0．4和最大CV＜1．0）［1－2］。

表1 W I-DRGs各MDC基本信息描述

2．W I-DRGs與其他DRGs比較

因各系統(tǒng)DRGs的分組軸心以費用為主且費用的同質(zhì)性通常優(yōu)于住院日，因此，費用的RIV均高于住院日。W I、CN、MS和AR的三個MDC總費用RIV分別為0．596、0．458、0．510、0．552，而平均住院日RIV分別為0．389、0．313、0．319和0．410。女性生殖系統(tǒng)疾患（MDC13/MDCN）的費用RIV，WI-DRGs達到0．695，均高于其他三組。CN-DRGs亦高于MS和AR的費用RIV。妊娠、分娩及產(chǎn)褥期（MDC14/MDCO）W I-DRGs與CN-DRGs的費用RIV相近，均略高于MS-DRGs和AR-DRGs。新生兒及其他圍產(chǎn)期新生兒疾?。∕DC15/MDCP）的分組中，MS的費用和LOS的RIV均最少，WI和AR的主要分組變量為新生兒入院體重，劃分結(jié)果相對較好。各系統(tǒng)DRGs費用和住院日的RIV見表2。

表2 各DRGs系統(tǒng)費用及住院日RIV

討 論

對分類模型的整體評價一般包括模型的穩(wěn)健性（robust）、組間差異性（例如RIV等）、組內(nèi)一致性（例如CV、QCD等）。隨著組數(shù)的增加，任何的分類系統(tǒng)都可以達到一個較高RIV值。當(dāng)病人數(shù)等于分組數(shù)時，RIV值等于1。由于MS-DRGs、AR-DRGs和W IDRGs的DRGs組數(shù)有所不同，所以各系統(tǒng)RIV的差異有可能來源于組數(shù)的不同。因此可采用Feldman的方法［4］衡量分組數(shù)對RIV的影響，隨機將N個對象分入K組中。各DRGs系統(tǒng)詳見表2，結(jié)果為0．00067～0．00110，因此本研究由于分組個數(shù)導(dǎo)致的差異可以忽略，RIV的差異來源主要來自于各DRGs系統(tǒng)的分組規(guī)則差異。Palmer等［1］的研究表明剔除異常值的影響后，各DRGs住院日RIV在0．286～0．606，費用RIV在0．412～0．632。Wynn等［5］指出納入CCs分級后RIV由0．352～0．366提升至0．4243～0．4458。

在DRGs建模方法學(xué)方面，自最初的DRGs研究開始一直主要采用線性或廣義線性模型，各DRGs的改進主要體現(xiàn)在CCs的選擇范圍、選擇方法及累計效應(yīng)的算法。2015年7月開始澳大利亞實施了新的AR-DRG V8．0［6］。V8．0對衛(wèi)生服務(wù)的輸入與產(chǎn)出進行了更明晰的定義，對原線性模型進行了較大改進，不再使用住院日而只用費用進行分組。將原PCCL模型替換為ECC（episode clinical complexity sore）模型。CCs單位由DCL（diagnose complexity level）替代CC level（CCL），復(fù)雜性累積效應(yīng)由ECCS（episode clinical complexity sore）替代PCCL。其中CCLs取值0～4，DCLs取值0～5。PCCL取值0～4，ECCs取值0～31．25。DCL由廣義線性模型，采用漸進衰減因子計算獲得。最終V8．0取消了住院日、入院病情、死亡結(jié)局等直接分組因子，含403個ADRGs和804個DRGs，目前該模型仍處于改進中。

此外，隨著DRGs方法學(xué)的進展，決策樹模型在DRGs建模方面的應(yīng)用也逐漸擴展。英國的衛(wèi)生資源分組（HRG）采用了CART。Grubinger等［7］使用Bootstrap對奧地利的CART分組方法進行了改進，不同大小決策樹的均方誤改進效果達1．09%至4．90%。閻玉霞［8］利用AID方法及分類變量將內(nèi)科病例組合形成603組，外科病例605組。本研究的W I-DRGs［2］采用多變量回歸樹和條件推斷決策樹，同時對費用和住院日數(shù)進行分組，并經(jīng)專家組評議（Delphi法）。W IDRGs的研究方法與上述方法比較一致。但國內(nèi)高健民等［9］、何凡［10］、閻玉霞等［8］的研究從MDC到ADRGs范圍與方法均與國際上常用方法及本研究具有較大的差異。

［1］Palmer G，Reid B．Evaluation of the performance of diagnosis-related groups and similar casemix systems：methodological issues．Health Services Management Research，2001，14（2）：71-81．

［2］魏凌云，韓棟，徐金龍，等．婦嬰疾病診斷相關(guān)分組模型研究．長治醫(yī)學(xué)院學(xué)報，2015，2（2）：116-119．

［3］魏凌云，韓棟，徐金龍，等．婦嬰診斷相關(guān)組進展及分組研究探討．現(xiàn)代預(yù)防醫(yī)學(xué)，2015，42（15）：2734-2737．

［4］Averill RF，Muldoon JH，Vertrees JC，et al．The evolution of casemix measurement using diagnosis related groups（DRGs）．Wallingford：3M Health Information Systems，1998．

［5］Wynn BO，Beckett MK，HILBORNE L，etal．Evaluation of Severity-Adjusted DRG Systems．Interim Report to the CMS（Santa Monica，Calif．：RAND，2007），2007．

［6］National CACC，Australian HSRI，University OW．AR-DRG：Australian refined diagnosis related groups，version 8．0，definitionsmanual．Wollongong，N．S．W．：University of Wollongong，2014．

［7］Grubinger T，Kobel C，Pfeiffer KP．Regression tree construction by bootstrap：model search for DRG-systems applied to Austrian healthdata．BMC Med Inform Decis Mak，2010，10（1）：1-11．

［8］閻玉霞，徐勇勇．病例組合分類結(jié)果的評價．中國衛(wèi)生統(tǒng)計，2007，24（2）：163-164．

［9］高建民，鄭古崢玥，詹梅，等．疾病診斷相關(guān)分組分類節(jié)點變量的選擇及其分組結(jié)果的合理性評價．中國衛(wèi)生經(jīng)濟，2013，32（1）：16-18．

［10］何凡，沈毅，劉碧瑤，等．浙江省住院病人病例組合研究．中華醫(yī)院管理雜志，2006，22（7）：460-464．

（責(zé)任編輯：鄧 妍）

廣東省自然科學(xué)基金資助（項目編號：S201210008269）；廣東省科技計劃項目資助（項目編號：2014A040401042）

△通信作者：魏凌云，E-mail：1719076809＠qq．com