葉韻韶 徐金龍 韓 棟 章 瑩 魏凌云△

【提 要】 目的 本研究擬基于疾病合并癥與并發(fā)癥(complications and comorbidities，CC)引起的費用增長評估疾病及其診療復雜度，以數據驅動診斷相關組(diagnosis related groups,DRGs)分組的精細化。方法 以婦產科病例為研究樣本，引入衰減系數，對ADRGs(Adjacent DRGs)組內病例的各個疾病診斷的診療費用進行非線性回歸分析，評估不同的CC對費用變化的影響，從而分別評價單個CC的疾病復雜度以及多個CC的綜合復雜度。結果 婦、產科ADRGs組疾病復雜度取值范圍為0.32至5.39，婦科疾病組平均病例累積復雜度為6.26，最大值為14.93，產科疾病組平均病例累積復雜度為 5.65，最大值為23.27。采用病例累積復雜度進行再分組后RIV為0.632，較原有分組提高0.034。結論 疾病復雜度可定量地衡量ADRG組內CC的影響。通過引入衰減系數計算病例CC累積效應可定量地評價患者診療的綜合復雜度。因此，基于CC復雜度的再分組提高了DRGs組內的一致性和分組的精細度，更符合費用準確給付和質量精細管理的需要。

DRGs在國際上已有近40年的研究與應用經歷，各國的主流DRGs的主要診斷分類(major diagnostic category，MDC)和ADRG(adjacent DRG)差異不大，其主要區(qū)別在于對合并癥與并發(fā)癥的再分組。其中美國的MS-DRGs分組根據最嚴重的CC，將ADRG劃分為一般CC組和嚴重CC(Major CC)組。APR-DRGs綜合考慮多個CCs后，再采用年齡等因素對CCs的嚴重程度調整后，以綜合指標SOI(severity of illness)將每個ADRG分為4個亞組。澳大利亞AR-DRGs 7.0[1]以及德國G-DRGs[2]均采用合并癥等級(CC Level，CCL)和病人臨床復雜度(Patient clinical complexity level，PCCL)分別表示獨立CCs的復雜程度及患者的綜合復雜程度(綜合多個CCs計算PCCL)，并根據PCCL將ADRGs分為1～4組。自2016年AR-DRGs 8.0[3]起，AR-DRGs的CCs分組算法有了較大改變。自8.0版開始，AR-DRGs采用診斷復雜度(diagnosis complexity level，DCL)和患者當次住院期間的臨床復雜度(episode clinical complexity score，ECCS)分別評價CC復雜程度以及病例綜合復雜程度。ECCS與PCCL的主要區(qū)別在于，ECCS的取值范圍更廣，對于CCs復雜度的計算更加精細。

我國DRGs研究與開展較晚，目前應用(或試用)的有CN-DRGs和C-DRG。其中CN-DRGs由國家衛(wèi)生健康委員會醫(yī)政醫(yī)管局在北京及部分省份DRGs基礎上改進推廣(CN-DRGs 2014版)[4]。C-DRGs由衛(wèi)健委財務司委托衛(wèi)生發(fā)展研究中心研制，目的是建立基于DRGs的收付費系統(tǒng)。二者在疾病分類上的主要差別是CN-DRGs分組基于ICD-10(疾病編碼)與ICD-9-CM(手術與操作編碼)，而C-DRG采用中國臨床疾病診斷規(guī)范術語集(CCDT)和中國醫(yī)療服務操作分類與編碼(CCHI)。目前，CN-DRGs主要用于醫(yī)院績效評價與質量管理，C-DRG則用于付費試點。但這兩類DRGs的CCs評價與再分組算法并未公開發(fā)表。

在這種情況下，國內多家研究機構分別在部分病種上進行了探索，其再分組方法主要以決策樹算法為主[5-7]。但是，采用決策樹算法無法全面地考慮多個CCs累積的診療復雜程度。因此，本文引入衰減系數，基于某三甲婦幼?？漆t(yī)院的2年出院數據，利用非線性回歸方法，評估ADRGs 組內各獨立CC的復雜程度，進而綜合CCs，計算病例累積復雜度，實現ADRGs 的DRGs精細分組。

方 法

1.數據來源

采用廣州市某三甲婦幼?？漆t(yī)院2016年1月1日至2017年12月31日共計92895份出院病案首頁，根據采用WI-DRGs分組方法[6]，按主要診斷、主要手術等進入婦、產ADRGs組的共計36481份病案。

2.ECCS方法介紹

(1)ADRGs費用建模

Ei(A)表示ADRGsA中有i個診斷的樣本集，Ei(x;A)表示在ADRGsA中包含診斷x的樣本集，x為ICD-10編碼的細目編碼(即AXX.XXX)，Ci(A)表示Ei(A)中病案的平均費用，平均費用采用幾何均數。

采用非線性最小二乘法可分別求得每ADRGs組的a、b和r值。

(2)ADRGs組中診斷相對費用估計

[Ni(x;A)])。

(3)診斷復雜度

第二步：當N(x;A)

(4)病例復雜度

根據前述費用模型的思想，病人費用模型可被定義為

(5)基于ECCS的DRGs分組

基于病例ECCS評分，采用CART算法將ADRGs進行再分組。為了防止分組過細，國際上各主流DRGs分組系統(tǒng)ADRGs組內分組通常不超過4組，因此采用分組最大深度用來限制ADRGs內DRGs組的個數。

3.統(tǒng)計軟件

本研究中所使用的非線性最小二乘算法均采用R語言nlsr包中nlxb函數計算。

結 果

1.ECCS結果

WI-DRGs 1.0版中婦、產專業(yè)的ADRGs分別有13組和7組[7]，按前述方法建模后，婦、產科ADRGs組中DCL的取值范圍計算為0.32至5.39，其中，診斷未進行聚合的DCL最大值為4.34。表1中分別列出聚合與未聚合的DCL最大的ADRGs中的前5個診斷。

表1 聚合與未聚合的DCL最大前5個診斷

2.ECCS分布情況

根據計算的DCL，按照(4)中ECCS計算方法計算每位出院患者的ECCS復雜度得分，女性生殖系統(tǒng)疾病組平均ECCS為6.26，中位數為6.52，最大值為14.93，而圍產或產褥期疾病組平均ECCS為 5.65，中位數為6.25，最大值為23.27。其中從該院收治患者構成上看，產科患者的平均復雜度略低于婦科患者，但復雜程度最高的患者出現在產科。各組最小值均為0是因為不伴任何CC的患者ECCS取值為0，詳見表2。

表2 各MDC組出院患者ECCS得分分布情況

3.DRGs分組

采用CART算法將婦、產MDC的各ADRGs再根據ECCS得分進行分組，分別共分為34組與29組。

分組后RIV為0.632，較原有WI-DRGs分組RIV(0.598)提高0.034。對于每個ADRGs組，ECCS分組界值并不完全相同，分組界值由CART算法根據最大差異劃分得出，如ADRGs O08組，按照ECCS劃分為≤2.18、2.19～3.32、3.32～4.98和≥4.98四組。

討 論

本文采用ECCS方法在婦、產DRGs分組方面進行探索，將婦、產專業(yè)MDC分別分為34組和29組DRGs。采用此種方法，可以定量評估每個合并癥與并發(fā)癥診斷在不同ADRGs組內對患者資源消耗的影響大小，更加符合實際中疾病之間相互影響的情況。

由于本研究數據來自于一家醫(yī)院，同質性相對較好，因此RIV高于其他國家DRGs分組系統(tǒng)公布的數值。但由于樣本量相對較少，未能囊括一些極端復雜的病歷，因此未能對某些更加嚴重合并癥與并發(fā)癥進行評價。本研究的ECCS最大值為23.27，而AR-DRGs V8.0版的ECCS最大值為31.50。鑒于此，本研究仍需進一步擴大樣本量進行研究。

本文所述的DCL計算，除了可用于DRGs分組外，對醫(yī)院質量管理亦有重要作用，如通過計算不同主要診斷下并發(fā)癥的DCL值，可用于評價并發(fā)癥的發(fā)生導致患者醫(yī)療費用的增加量，從而制定措施有針對性的防范“危害值”較大的并發(fā)癥的發(fā)生。