程亮亮 李亞茜 段占祺 張 娟 潘驚萍 楊 珉,3△

?

不同粗分組方法建立DRGs模型的差異對比研究*

程亮亮1李亞茜1段占祺2張 娟1潘驚萍2楊 珉1,3△

目的 利用2015年四川省病案首頁280717例呼吸系統(tǒng)疾病病例，基于不同粗分組方法建立并評價DRGs模型。方法 以臨床診斷結合統(tǒng)計分析分組(粗分組一)、單純臨床診斷分組(粗分組二)兩種方法對病例按臨床特征進行粗分組，利用E-CHAID決策樹方法進行細分組，并用變異系數(shù)(CV)對模型效度的組內(nèi)同質(zhì)性、方差減少量(RIV)對組間異質(zhì)性進行評價；用回代檢驗評價模型的信度。結果 粗分組一與粗分組二分別建立DRGs模型一(158個組合)和DRGs模型二(86個組合)。DRG模型一基于對數(shù)住院費用的CV平均值為32.77%，RIV為18.67%；基于原始住院費用CV平均值為69.21%，RIV為34.80%。DRGs模型二基于對數(shù)住院費用的CV平均值為41.09%，RIV為18.84%，基于原始住院費用CV平均值為77.87%，RIV為28.49%?？傮w上模型一在組內(nèi)同質(zhì)性及組間異質(zhì)性優(yōu)于模型二?；卮鷻z驗顯示DRGs模型一信度相對低下，而對數(shù)轉換住院費用有提升模型效度的效應。結論 不同粗分組下建立兩組模型各有優(yōu)缺點，需要多角度評價組內(nèi)同質(zhì)性及組間異質(zhì)性，且有待建立綜合評價指標體系。

診斷相關分組 DRGs 粗分組 呼吸系統(tǒng)疾病 效度評價 信度評價

診斷相關分組(diagnosis related groups,DRGs)是指按照醫(yī)療資源消耗分類的病例組合方案，是一種直接、合理、有效的醫(yī)療產(chǎn)出測量單位，是國際上公認的比較合理和科學的付費方式[1-3]。盡管國家衛(wèi)生和計劃生育委員會在2011年明確指出實施疾病相關分組支付方式用于疾病分類、病案管理及醫(yī)院評價工作，但目前我國DRG研究仍處于初步階段，所使用的DRGs模型主要是引進國外的DRGs模型或在基礎上進行改進，較少進行DRGs不同模型的對比評價[4-5]。本研究首次利用2015年四川省280717例呼吸系統(tǒng)疾病病例，以住院費用作為醫(yī)療資源消耗指標，采用兩種不同粗分組條件建立DRGs模型，并對比基于不同方法的DRGs模型的效度和信度，在一定程度上為深入探討DRGs分組方案提供科學基礎。

資料與方法

1.資料來源

資料來源于四川省衛(wèi)計委衛(wèi)生信息中心住院病人病案首頁數(shù)據(jù)報告系統(tǒng)，納入746家綜合醫(yī)院包括2015年1月1日至2015年10月30日間主要診斷為J00～J99呼吸系統(tǒng)疾病的病例共300527例。剔除ICD編碼不全、邏輯性差、住院天數(shù)少于1天、住院費用異常以及關鍵指標缺失的數(shù)據(jù)，獲得有效病歷280717例，占全部病歷的93.41%。住院費用指標呈對數(shù)正態(tài)分布，故本研究對住院費用進行對數(shù)變換。

2.粗分組方法

利用臨床診斷結合統(tǒng)計分析(粗分組一)、單純臨床診斷(粗分組二)兩種方法對病歷按臨床特征進行粗分組。由于內(nèi)科與手術操作治療醫(yī)療資源消耗差異較大，粗分組時按照治療方式分為內(nèi)科組及外科組(外科組又分為非手術室操作和手術室操作)。

粗分組一是在ICD-10呼吸系統(tǒng)疾病病種(三位編碼)的基礎上，以住院費用及臨床特征相似為合并原則，根據(jù)臨床診斷相似及住院費用無統(tǒng)計學差異兩個原則進行病種合并。即將呼吸系統(tǒng)病例按照ICD-10前三位類目先歸為N類，進一步根據(jù)其臨床特征相似性及醫(yī)療資源消耗的差異性無明顯統(tǒng)計學意義(住院費用對數(shù)轉化后采用t檢驗或方差分析進行組間比較)為原則繼續(xù)歸為M類。粗分組二考慮到實際操作分組數(shù)過多，每個組別樣本量太少，故在內(nèi)科組的粗分組上不考慮統(tǒng)計原理，僅僅根據(jù)IDC-10自身根據(jù)疾病診斷相似的原則將三位編碼進行整合分組。粗分組二中的外科組與粗分組一相同。

3.細分組方法

通過MLwiN 3.0軟件擬合多水平模型找出與出院費用相關的病案特征如年齡、并發(fā)癥合并癥(PCCL,patient clinical complexity level)、入院情況、是否有出院31天內(nèi)再住院計劃、性別、民族、婚姻、離院方式、主要診斷入院情況、住院次數(shù)、費用類別、入院途徑、住院期間是否病急13個因素，并作為分類節(jié)點供決策樹法分組；采用Clementine12.0軟件決策樹方法中的窮盡卡方自動互動檢驗法(exhaustive chi-square automatic interaction detector,E-CHAID)在粗分組基礎上進行細分組。

4.DRGs分組評價指標

效度評價分為組內(nèi)同質(zhì)性和組間異質(zhì)性評價。用變異系數(shù)(CV)衡量各DRGs組內(nèi)的住院費用的變異大小，CV=住院費用標準差/住院費用均數(shù)。CV值越小，說明組內(nèi)變異越小，分組效果越好。用方差減少量(RIV)反映組間異質(zhì)性大小，RIV={TSSQ(住院費用的總離均差平方和)-TWGSSQ(n個子集住院費用的離均差平方和)}/TSSQ。RIV值越大則組間異質(zhì)性越強，分組結果越好。

信度評價采用檢測樣本回帶進行檢驗評價。通過設置訓練樣本和檢測樣本分別為總樣本量的80%及20%，在訓練樣本得到DRGs分組結果的基礎上，將檢測樣本回帶到訓練樣本的各DRGs分組結果中，計算檢測樣本組合的住院費用以及效度指標，比較檢測樣本與訓練樣本的差異。差異越小則結果的信度較好。

結 果

1.基本情況

呼吸系統(tǒng)病例在粗分組一過程中分為37組，其中內(nèi)科組先按照ICD-10前三位類目歸類為63類，進一步根據(jù)其臨床特征相似性及醫(yī)療資源消耗的差異性有無明顯統(tǒng)計學意義為原則歸類為28個粗分組。同樣，外科組根據(jù)臨床診斷及手術操作進程歸類，共分為9個粗分組，其中非手術室操作組4組，手術室操作組5組。粗分組二過程將全部病例分為19組，在分組上不依賴統(tǒng)計學原理分組，直接根據(jù)ICD-10將內(nèi)科組粗分為10組，外科組粗分組為9組。分組情況見表1。

2.不同粗分組下DRGs分組結果

基于訓練樣本下，粗分組一共獲得158個DRGs組。內(nèi)科病例共形成122個DRGs組，其中按一個、二個和三個分類節(jié)點選入形成的分別有27組、61組和30組，另有四個細類未選入節(jié)點，分別為流行性感冒和其他下呼吸道感染。外科病例共獲得DRGs分組36個，其中非手術操作類疾病分成了14組，手術操作類疾病分成了22組；按一個、兩個和三個分類節(jié)點選入形成的分別有12組、19組和4組。外科疾病中有一個細類沒有選入節(jié)點，為非手術室操作中的非手術治療(功能性鼻鏡術、物理治療、霧化吸入)組。以急性膽囊炎的分組結果見表2。

在同樣的建模樣本下，基于粗分組二共獲得86個DRGs組。內(nèi)科病例共形成50個組，均有節(jié)點選入。按一個、二個和三個分類節(jié)點選入形成的分別有15組、18組和17組。由于粗分組一和粗分組二的區(qū)別僅僅在內(nèi)科粗分組上，因此外科疾病中也獲得36個DRGs組合，具體分組結果與粗分組一相同。以急性上呼吸道感染的分組結果見表3。

表2 基于粗分組一下呼吸系統(tǒng)疾病的DRGs分組結果(以急性膽囊炎為例)

表3 基于粗分組二下呼吸系統(tǒng)疾病的DRGs分組結果(以急性上呼吸道感染為例)

3.DRGs分組效度分析

(1)組內(nèi)同質(zhì)性

基于訓練數(shù)據(jù)下原始住院費用計算CV，得到粗分組一(158個組合)的變異系數(shù)平均值為69.21%，其中變異系數(shù)小于1的有148個組合，占總組合數(shù)的93.67%；粗分組二(86個組合)的變異系數(shù)平均值為77.87%，變異系數(shù)小于1的有77個組合，占總組合數(shù)的89.53%。

基于住院費用對數(shù)值計算CV，得到粗分組二的變異系數(shù)平均值為32.77%，所有組合變異系數(shù)均小于1；粗分組二的變異系數(shù)平均值為41.09%，所有組合變異系數(shù)均小于1。可見采用住院費用對數(shù)值計算有縮小CV值的效應，綜合比較下粗分組一組內(nèi)同質(zhì)性優(yōu)于粗分組二。數(shù)據(jù)見表4訓練樣本欄。

(2)組間異質(zhì)性

基于原始住院費用和住院費用對數(shù)值的情況下，粗分組一的DRGs組合RIV值分別為34.80%和18.67%，粗分組二的DRGs組合RIV值分別為28.49%和18.84%。對訓練集粗分組一和粗分組二的DRGs組合分別進行秩和檢驗，均顯示組合之間的費用差異有統(tǒng)計學意義(P<0.001)，組間具有異質(zhì)性。采用住院費用對數(shù)值計算有縮小RIV值的效應，但粗分組一DRGs結果的RIV值大于粗分組二，即粗分組一組間異質(zhì)性優(yōu)于粗分組二(見表5)。

4.DRGs分組信度評價

比較檢驗樣本與訓練樣本基于對數(shù)住院費用的兩個效度指標間的差別，可見基于粗分組二獲得的DRGs模型分組的平均CV值之差比基于粗分組一的差別更小，絕對差值分別是2.7%(P<0.001)和7.32%(P<0.001)；但平均RIV值兩法間差別不大，絕對差值分別是3.29%(P<0.001)和2.59%(P<0.001)。 提示兩種粗分組法獲得的DRGs分組都有較好的信度，但信度的一致性不穩(wěn)定。

表4 基于不同粗分組獲得的最后DRGs分組的組內(nèi)同質(zhì)性統(tǒng)計(%)

表5 基于不同粗分組獲得的最后DRGs分組的組間異質(zhì)性統(tǒng)計(%)

討 論

1.不同粗分組下DRGs模型有差別

本研究用大樣本實例顯示，不同粗分組下利用決策樹可得到不同的DRGs模型的分類數(shù)以及不盡一致的分組效度。本次研究發(fā)現(xiàn)兩個粗分組下的DRGs模型在分類節(jié)點選擇上差別不大，均以年齡和PCCL為主，其次為入院期間是否加重、入院情況等因素。這可能與在分類變量的選擇采用的統(tǒng)計模型有關。在分類數(shù)上，DRGs模型的目標之一就是分組數(shù)量少,組間區(qū)分度大。粗分組一DRGs模型同質(zhì)性與異質(zhì)性評價上優(yōu)于粗分組二，但在分組數(shù)量上較粗分組二DRGs模型多，且評價指標信度相對偏低。當前國內(nèi)外不少學者在不同的粗分組上及不同的分類變量上制定DRGs得到不同的模型。SchellerKD等人[6]對11個歐洲國家根據(jù)不同的分類變量，將乳腺癌手術患者的 DRG 系統(tǒng)分為 3至7 個DRGs組合,支付價格從波蘭的 577 歐元到荷蘭的 5780 歐元不等，不同國家差異較大；國內(nèi)學者劉宏坤等人[7]在建立消化系統(tǒng)疾病DRGs時，根據(jù)ICD-10劃分4個粗分組；而孫惠穎[8]在建立同樣消化系統(tǒng)疾病DRGs時，根據(jù)泰國DRGs經(jīng)驗按照ICD-10結合主要診斷分類(major diagnostic catogory,MDC)、診斷分類(disease cluster,DC)、合并癥及并發(fā)癥嚴重程度(PCCL)分為43個粗分組，兩者得到了不同的DRGs模型。故當前在DRGs研究中缺乏科學及統(tǒng)一的制定標準，在應用層面難免會出現(xiàn)支付不公平以及難以大面積推廣等現(xiàn)象，所以亟待有更多的研究證據(jù)幫助衛(wèi)生部門出臺規(guī)范DRGs模型制定的相關措施。

2.多角度評價DRGs模型的同質(zhì)性與異質(zhì)性

目前部分研究采用算數(shù)均數(shù)和標準差反映集中趨勢和離散趨勢，即基于原始住院費用計算CV和RIV[9-10]，也有部分研究采用住院費用自然對數(shù)計算CV和RIV[11-12]。本研究的住院費用數(shù)據(jù)呈現(xiàn)對數(shù)正態(tài)分布，考慮樣本量較大，故同時基于兩種方法下計算同質(zhì)性和異質(zhì)性指標，并比較其差異。結果不難發(fā)現(xiàn)，兩組方法下得到的主要結果是一致的，但住院費用對數(shù)值得到的RIV值較原始住院費用得到值明顯增大，CV值明顯變小，說明住院費用自然對數(shù)轉換后改善了組內(nèi)同質(zhì)性并提升了組間異質(zhì)性。當對數(shù)轉換也不能使分組的數(shù)據(jù)分布成對稱或正態(tài)分布時，需要改良目前DRGs組內(nèi)同質(zhì)性和組間異質(zhì)性的評價角度，如可采用專門描述偏態(tài)分布的中位數(shù)及四分位數(shù)間距替代算數(shù)均數(shù)和標準差，進一步比較結果之間的差別[13-14]。

3.發(fā)展綜合評價指標體系

目前DRG分組結果的評價較看重客觀指標(如CV，RIV等)，其實主觀指標在DRGs模型分組效果評價中的作用也非常重要，如臨床合理性、臨床可行性和管理的簡便性等方面[15]。

但目前DRGs模型的主觀指標和客觀指標評價方法尚存在不足之處，主要是由于采用不同的方法進行DRG分組，其分組模型往往各有優(yōu)點，難以取舍，因此可以考慮對各個評價(組間差異性、組內(nèi)一致性、DRGs組數(shù)量和等)指標確定權重，把多個評價指標綜合為一個評價指標，最終以綜合評價分值最高者為最優(yōu)模型[16]。當然，此處便又存在權重設置的爭議問題，這是DRG研究領域需要進一步探討的問題。

綜上所述，我國的DRGs研究尚處在起步階段[17]，不同國家、不同省區(qū)域制定DRGs分組均可能由于不同的衛(wèi)生體系、疾病構成以及經(jīng)濟發(fā)展水平和細分組方法的不同使得DRGs體系不能通用[18]。

[1]Klastorin TD,Watts CA.On the measurement of hospital case mix.Medical Care,1980,18(18):675-685.

[2]Busse R,Geissler A,Aaviksoo A,et al.Diagnosis related groups in Europe:moving towards transparency,efficiency,and quality in hospitals.British Medical Journal,2013,346(23):1261-1264.

[3]李鵬錕，栗紹強，高莉敏.DRGs在國外的發(fā)展和啟示.國外醫(yī)學:衛(wèi)生經(jīng)濟分冊，2012，29(1):19-24.

[4]謝雁鳴，田峰.國內(nèi)DRGs相關研究綜述.中國中醫(yī)藥信息雜志，2009， 16(S1):119-121.

[5]杜劍亮，劉駿峰，陳倩.不同決策樹算法建立DRGs模型的差異.中國病案,2014,15(07)：38-41.

[6]SchellerKD,Quentin W,Geissler A,et al.Breast cancer surgery and diagnosis-related groups(DRGs):patient classification and hospital reimbursement in 11 European countries.Breast,2013,22(5):723-732.

[7]劉宏坤,彭立軍,廖曼玉.消化系統(tǒng)常見病種實行DRGs可行性研究.現(xiàn)代醫(yī)院,2010,10(8):94-95.

[8]孫惠穎.運用泰國DRGs方法學對云南省四所公立醫(yī)院住院病例的分組研究.昆明醫(yī)科大學,2014.

[9]趙婷,韓芳,阿布都沙拉木·依米提,等.乳腺癌患者住院費用的診斷相關分組研究.中國病案,2013,14(11):56-58.

[10]楊曉蓉,吳明.循環(huán)系統(tǒng)病例DRGs組合研究.中國衛(wèi)生統(tǒng)計,2010,27(02):163-165.

[11]陳梅,劉忠,陳國英,等.基于DRGs的呼吸系統(tǒng)疾病住院費用分析.中華醫(yī)院管理雜志,2013,29(2):97-100.

[12]閆宇翔,謝知,羅艷俠,等.北京地區(qū)腦卒中患者DRGs分組研究.中國衛(wèi)生統(tǒng)計,2008,25(4):347-350.

[13]董軍,胡德奎,陳劍偉,等.病種費用控制標準實驗研究.中華醫(yī)院管理雜志,2001,17(9):529-531.

[14]閻玉霞,潘峰,徐勇勇.住院病人內(nèi)外科治療的病例組合研究.中華醫(yī)院管理雜志,2001,17(10):588-591.

[15]朱濱海.用循環(huán)系統(tǒng)病例探討疾病診斷相關組統(tǒng)計學分組過程.中國衛(wèi)生經(jīng)濟,2005,24(11):54-57.

[16]馬文莉.寧夏三級甲等醫(yī)院常見疾病診斷相關分組研究.寧夏醫(yī)科大學,2014.

[17]李范,趙玉虹,何歡.我國DRGs研究的文獻計量分析.中國病案,2013(2):65-66.

[18]唐劍,陳武朝,王桂榕.疾病診斷相關分組(DRGs)研究及應用.中國病案,2014,15(5):36-39.

(責任編輯：劉 壯)

Research on the Differences of DRGs Models Established by Different Crude Grouping Methods

Cheng Liangliang,Li Yaxi,Duan Zhanqi,et al

(WestChinaSchoolofPublicHealth,SichuanUniversity(610041),Chengdu)

Objective Using 280717 cases of respiratory system diseases from the first-page medical records of Sichuan Province in 2015,we established and evaluated DRGs models based on different crude grouping methods.Methods Two crude grouping methods were used for comparison purpose:clinical diagnosis grouping combined with statistical analysis(crude group1,CG1)and purely clinical diagnosis based grouping(crude group2,CG2).The E-CHAID decision tree was used for the fine grouping.Validity in terms of homogeneity within groups and heterogeneity between groups was measured by coefficient of variance(CV)and reduction of variance(RIV).Reliability by internal sub-sample test was performed.Results CG1 and CG2 established DRGs model 1(156 fine groups)and DRGs model 2(86 fine groups)respectively.Base on the logarithmic hospitalization expense,the DRGs model 1 demonstrated the average coefficient of variance(CV)at 32.77%and the average reduction in variance(RIV)18.67%,while as the DRGs model 2 showed the two measures at 41.09%and 18.84%respectively.Base on the actual hospitalization expense,the averages of CV and RIV of the model 1 was 69.21%and 34.80%,and 77.87%and 28.49%of the model 2 respectively.Although the DRGs model 1 had between validity than DRGs model 2 in general,the model 2 showed better reliability than the model 1.The logarithmic transformation had an effect of improving validity of models.Conclusion Both two models had their own advantages and disadvantages.We need to assess validity and reliability by multiple perspectives,and establish comprehensive evaluation index system.

Diagnosis related grouping;DRGs;Crude grouping;Respiratory system diseases;Validity evaluation;Reliability evaluation

四川省省級科研院所成果轉化項目(15010112)；美國中華醫(yī)學基金會CMB項目(12-106)

1.四川大學華西公共衛(wèi)生學院流行病與衛(wèi)生統(tǒng)計系(610041)

2.四川省衛(wèi)生和計劃生育委員會衛(wèi)生信息中心

3.四川大學西部農(nóng)村衛(wèi)生發(fā)展研究中心

△通信作者：楊珉，E-mail:yangmin2013@scu.edu.cn