重慶醫(yī)科大學(xué)附屬第一醫(yī)院(400016)

蘇飛月 符美玲 譚慭莘 肖明朝△ 趙慶華

【提 要】 目的 應(yīng)用以多元逐步回歸為代表的傳統(tǒng)回歸分析方法與分位數(shù)回歸模型分別探究住院費(fèi)用的影響因素，通過卡方自交互偵測(cè)決策樹(chi-squared automatic interaction detector，CHAID)建立費(fèi)用分組模型。為科學(xué)分析住院費(fèi)用、制定針對(duì)性的控費(fèi)措施及體系完善提供參考依據(jù)。方法 采用回顧性研究法，收集重慶市兩所三級(jí)甲等綜合醫(yī)院2016-2019年因跌倒住院的6627例患者基本信息及費(fèi)用情況，對(duì)基本信息進(jìn)行描述性分析，在單因素分析基礎(chǔ)上，分別采用多元逐步回歸分析和分位數(shù)回歸模型篩選納入決策樹的分類節(jié)點(diǎn)變量，并比較兩者的分析結(jié)果。根據(jù)比較結(jié)果最終選擇將分位數(shù)回歸結(jié)果中有影響作用的變量納入CHAID決策樹模型建立住院費(fèi)用分組模型。結(jié)果 單因素分析結(jié)果顯示，跌倒患者住院費(fèi)用的影響因素有付費(fèi)方式、職業(yè)、婚姻、年齡、住院日、受傷部位、受傷類型、手術(shù)次數(shù)及手術(shù)類型；經(jīng)分位數(shù)回歸分析得的住院費(fèi)用影響因素包含了多元逐步回歸分析結(jié)果中的影響因素，顯示付費(fèi)方式、婚姻、年齡、住院日、受傷部位、手術(shù)次數(shù)、受傷類型和手術(shù)類型在住院費(fèi)用的不同分位數(shù)點(diǎn)產(chǎn)生影響(P<0.05)。在分位數(shù)回歸模型結(jié)合CHAID決策樹模型建立的費(fèi)用分組模型中，手術(shù)次數(shù)、住院日、手術(shù)類型、受傷部位和受傷類型為最主要的影響因素，每種組合的費(fèi)用差異明顯。結(jié)論 相較于傳統(tǒng)回歸分析方法，選擇分位數(shù)回歸模型探究住院費(fèi)用影響因素更穩(wěn)健全面。在分位數(shù)回歸模型基礎(chǔ)上，結(jié)合CHAID決策樹模型組構(gòu)建的住院費(fèi)用分組模型較為合理，能清楚反應(yīng)影響住院費(fèi)用的重點(diǎn)因素，為醫(yī)院完善控費(fèi)制度，制定醫(yī)保費(fèi)用支付標(biāo)準(zhǔn)提供參考依據(jù)。

2017年德國(guó)波恩召開的“第二屆患者安全全球部級(jí)峰會(huì)”會(huì)議發(fā)布了《患者安全的經(jīng)濟(jì)學(xué)影響——在國(guó)家層面上施行基于價(jià)值的患者安全改進(jìn)方法》報(bào)告[1-2]，強(qiáng)調(diào)了從患者安全角度開展衛(wèi)生經(jīng)濟(jì)學(xué)研究的必要性。美國(guó)疾病控制中心2001年的調(diào)查數(shù)據(jù)顯示，跌倒帶來的經(jīng)濟(jì)負(fù)擔(dān)高達(dá)2000萬美金[3]。跌倒不僅給患者帶來身心傷害，還增加了醫(yī)療和照護(hù)負(fù)擔(dān)，造成有限的醫(yī)療資源和醫(yī)?；鸬睦速M(fèi)。跌倒作為患者安全經(jīng)濟(jì)學(xué)研究中的一部分，研究跌倒帶來的經(jīng)濟(jì)損失及影響因素有利于加強(qiáng)對(duì)跌倒預(yù)防的重視。

目前，國(guó)內(nèi)雖有與跌倒住院患者費(fèi)用相關(guān)的研究[4-6]，但研究對(duì)象多為老年人群，納入費(fèi)用分析的影響因素不全面，也鮮有研究涉及醫(yī)?；鹬Ц肚闆r，且目前大多研究仍采用傳統(tǒng)的線性回歸模型分析住院費(fèi)用影響因素，對(duì)分析住院費(fèi)用這類偏態(tài)分布的資料具有局限性?；诖?，本研究以衛(wèi)生經(jīng)濟(jì)學(xué)為理論依據(jù)，從患者安全角度出發(fā)，調(diào)查因跌倒住院造成的醫(yī)療經(jīng)濟(jì)負(fù)擔(dān)，采用傳統(tǒng)回歸分析與分位數(shù)回歸模型分別探究跌倒患者住院費(fèi)用的影響因素，并比較兩種回歸分析法的結(jié)果，選擇將更可信的回歸方法所得的自變量納入卡方自交互偵測(cè)決策樹(CHAID)模型構(gòu)建跌倒患者住院費(fèi)用分組模型，以期為科學(xué)探究住院費(fèi)用影響因素、合理管控住院費(fèi)用提供支持。

對(duì)象與方法

1.研究對(duì)象

本研究通過重慶市兩所三級(jí)甲等醫(yī)院的信息系統(tǒng)(hospital information system，HIS)查詢并選取2016-2019年跌倒住院患者的病案首頁數(shù)據(jù)。本研究通過了倫理審查委員會(huì)的審批(批號(hào)：2019-288)。

2.納入與排除標(biāo)準(zhǔn)

(1)納入標(biāo)準(zhǔn)

①電子病歷中入院診斷為跌倒，或主訴、現(xiàn)病史中篩選出包含“跌倒、摔倒、跌傷、摔傷、跌墜、墜落、跌落、摔落、滑倒、絆倒、跌下、摔下、倒下、倒在”關(guān)鍵詞的患者病例。

②已在2016年1月1日至2019年12月31日辦理出院結(jié)算的患者。

經(jīng)過上述的納入后共收集7344例數(shù)據(jù)。

(2)排除標(biāo)準(zhǔn)

所有收集的數(shù)據(jù)中存在下列情況之一的予以剔除：①影響研究的關(guān)鍵變量缺失，如：出入院時(shí)間不詳、住院費(fèi)用明細(xì)或患者基本信息不全等，此類共剔除8例;②住院時(shí)間小于2天，如：住院當(dāng)天因病情變化轉(zhuǎn)院或死亡的數(shù)據(jù)，此類共剔除14例；③由第三方賠付的跌倒病例(如車禍、高空作業(yè)跌落)，此類共剔除382例；④既往發(fā)生的，跌倒與此次住院無直接相關(guān)關(guān)系的病例，此類共剔除182例；⑤記錄重復(fù)的住院費(fèi)用數(shù)據(jù)，此類共剔除131例。經(jīng)過上述的排除后共收集到有效數(shù)據(jù)6627例。

3.研究方法

采用回顧性病例研究方法，將前期經(jīng)電子病歷查詢到的患者住院號(hào)導(dǎo)入HIS系統(tǒng)獲取患者住院總費(fèi)用及各單項(xiàng)住院費(fèi)用明細(xì)，如藥品費(fèi)、診斷費(fèi)、治療費(fèi)、醫(yī)用耗材費(fèi)、血液費(fèi)、綜合醫(yī)療服務(wù)費(fèi)等信息；收集患者基本情況，包括付費(fèi)方式、職業(yè)、婚姻、住院次數(shù)、年齡、住院日、住院科室、受傷類型、受傷部位、手術(shù)類型等情況，通過醫(yī)保信息系統(tǒng)獲取醫(yī)保支付費(fèi)用信息。

4.統(tǒng)計(jì)學(xué)方法

采用excel 2010軟件建立數(shù)據(jù)庫(kù)錄入數(shù)據(jù)，運(yùn)用SPSS 23.0和STATA 15.1統(tǒng)計(jì)軟件進(jìn)行分析。

調(diào)查對(duì)象住院費(fèi)用相關(guān)指標(biāo)均呈現(xiàn)偏態(tài)分布，采用M(P25，P75)描述，將住院費(fèi)用作為因變量納入Wilcoxon rank sum檢驗(yàn)、Kruskal-Wallis H檢驗(yàn)、Spearman′s rank correlation檢驗(yàn)進(jìn)行單因素分析，設(shè)定檢驗(yàn)水準(zhǔn)α=0.05。將結(jié)果中差異有統(tǒng)計(jì)學(xué)意義的項(xiàng)目作為自變量，將跌倒住院費(fèi)用取對(duì)數(shù)，變換為近似正態(tài)分布的數(shù)據(jù)后，作為因變量納入多元逐步回歸和分位數(shù)回歸模型進(jìn)行分析。為了分析住院費(fèi)用低、中、高水平下的影響因素，本文參考以往類似研究的經(jīng)驗(yàn)[7-9]，選取住院費(fèi)用的10%、50%和90%三個(gè)分位數(shù)點(diǎn)進(jìn)行分位數(shù)回歸分析。對(duì)比多元逐步回歸與分位數(shù)回歸模型篩選出的影響因素后，選擇更全面的分析結(jié)果納入CHAID決策樹模型中建立住院費(fèi)用分組模型。

分位數(shù)回歸模型：是估計(jì)一組回歸變量X與被解釋變量Y的分位數(shù)之間線性關(guān)系的建模方法，強(qiáng)調(diào)條件分位數(shù)的變化[10]。分位數(shù)回歸的線性回歸模型簡(jiǎn)單表述如下，一個(gè)連續(xù)隨機(jī)變量y，起總體t分位數(shù)是y(t)的定義是：y≤y(t)的概率是t，即t=P(y≤y(t))=F(y(t))。其中P表示概率，F(xiàn)(y(τ))表示y的累積(概率)分布函數(shù)。

CHAID決策樹模型[11]：即卡方自動(dòng)交互檢測(cè)法，可以快速、有效地挖掘主要影響因素。其核心思想是根據(jù)結(jié)果變量和解釋變量對(duì)樣本進(jìn)行最優(yōu)分割，按檢驗(yàn)結(jié)果進(jìn)行多元列聯(lián)表的自動(dòng)判斷分組。分析會(huì)生成一個(gè)易于解釋的圖形，該圖形從0或根節(jié)點(diǎn)開始，識(shí)別出重要的解釋變量后，該算法會(huì)根據(jù)數(shù)據(jù)的分布在數(shù)據(jù)集中執(zhí)行細(xì)分(節(jié)點(diǎn))。順序生成的節(jié)點(diǎn)稱為子節(jié)點(diǎn)，當(dāng)該節(jié)點(diǎn)的數(shù)據(jù)無法再提供其他子組時(shí)，則將其視為終端節(jié)點(diǎn)或葉。

5.貼現(xiàn)

采用2016-2019年中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局公布的重慶市居民消費(fèi)價(jià)格指數(shù)(consumer price index，CPI)對(duì)所有費(fèi)用數(shù)據(jù)進(jìn)行修正，使費(fèi)用數(shù)據(jù)對(duì)比更有科學(xué)性。2016-2019年CPI分別為101.8%、101%、102%、104.7%[12]。

6.質(zhì)量控制

在研究開始前，與相關(guān)領(lǐng)域?qū)＜矣懻摬?gòu)建科學(xué)合理的調(diào)查項(xiàng)目，并對(duì)參加課題的兩位研究生開展培訓(xùn)。向其講解研究目的及數(shù)據(jù)調(diào)取流程，加深其對(duì)跌倒及費(fèi)用研究的了解。研究過程中對(duì)收集的數(shù)據(jù)進(jìn)行編號(hào)；數(shù)據(jù)錄入過程中，采取雙份獨(dú)立錄入校對(duì)的方法，確保數(shù)據(jù)錄入的準(zhǔn)確性。

結(jié) 果

1.調(diào)查對(duì)象的一般資料

本研究共納入跌倒住院患者6627名，男3172例(47.9%)，女3455例(52.1%)；年齡(60.00±19.83)歲；城鎮(zhèn)居民4828例(72.9%)，農(nóng)村居民1799例(27.1%)。入院途徑：急診入院2638例(39.8%)，門診入院3490例(52.7%)，轉(zhuǎn)診入院490例(7.4%)，其他方式入院9例(0.1%)。平均住院日(13.88±21.47)天。

2.跌倒患者住院費(fèi)用構(gòu)成情況

6627例患者跌倒總住院費(fèi)用為334812366.25元，每例患者跌倒住院費(fèi)用117.00～1079873.01元[M=39923.55(P25=14433.68，P75=61255.23)]元。費(fèi)用構(gòu)成見表1，其中耗材類費(fèi)用為主要構(gòu)成部分。醫(yī)保支付費(fèi)用共計(jì)166729547.02元，報(bào)銷比例達(dá)49.8%，每例患者醫(yī)保支付費(fèi)用為0～1079873.01元[M=11997.92(P25=2366.54，P75=33157.27)]元。

表1 跌倒患者住院費(fèi)用構(gòu)成

3.跌倒患者住院費(fèi)用的單因素分析

采用Wilcoxon rank sum檢驗(yàn)、Kruskal-Wallis H檢驗(yàn)、Spearman′s rank correlation檢驗(yàn)對(duì)住院費(fèi)用進(jìn)行單因素分析，結(jié)果顯示，不同性別、城鄉(xiāng)類別、住院次數(shù)及入院途徑的患者跌倒住院費(fèi)用比較差異無統(tǒng)計(jì)學(xué)意義(均P>0.05)；差異有統(tǒng)計(jì)學(xué)意義的項(xiàng)目見表2。

表2 住院費(fèi)用差異有統(tǒng)計(jì)學(xué)意義的項(xiàng)目

4.跌倒患者住院費(fèi)用的多元線性逐步回歸分析

以經(jīng)對(duì)數(shù)轉(zhuǎn)換的住院費(fèi)用為因變量(Y)，以單因素分析篩選出的付費(fèi)方式(X1)、職業(yè)(X2)、婚姻(X3)、年齡(X4)、住院日(X5)、受傷部位(X6)、受傷類型(X7)、手術(shù)次數(shù)(X8)、手術(shù)類型(X9)為自變量進(jìn)行多元線性逐步回歸分析，α入=0.05，α出=0.10。有序變量按照等級(jí)的秩序進(jìn)行賦值，無序變量以啞變量形式賦值，各變量賦值方式見表3。結(jié)果顯示，影響因素為住院日、年齡、付費(fèi)方式、受傷部位、手術(shù)次數(shù)、手術(shù)類型。F=753.673，P=0.000，調(diào)整R2=0.630，影響因素能解釋跌倒住院費(fèi)用變異的63.0%，結(jié)果見表4。

表3 跌倒患者住院費(fèi)用影響因素自變量賦值方式

表4 跌倒患者住院費(fèi)用的多元線性逐步回歸分析

5.跌倒患者住院費(fèi)用的分位數(shù)回歸

為了與多元逐步回歸分析相比較，同樣基于單因素分析結(jié)果，選擇付費(fèi)方式、職業(yè)、婚姻、年齡、住院日、受傷部位、受傷類型、手術(shù)次數(shù)、手術(shù)類型為自變量納入模型，結(jié)果見表5。

表5 跌倒住院患者分位數(shù)回歸估計(jì)結(jié)果

患者的手術(shù)次數(shù)、住院日、年齡以及手術(shù)類型在其住院費(fèi)用的三個(gè)分位數(shù)點(diǎn)上均產(chǎn)生了顯著影響(P<0.05)，且患者的手術(shù)次數(shù)、住院日這兩個(gè)因素在費(fèi)用的高分位數(shù)點(diǎn)上的影響強(qiáng)度高于低分位數(shù)點(diǎn)。年齡因素在低分位數(shù)點(diǎn)上的影響強(qiáng)度高于高分位數(shù)點(diǎn)。手術(shù)類型中，接受清創(chuàng)縫合術(shù)的患者在50%分位數(shù)上高于無手術(shù)患者的住院費(fèi)用(P<0.05)，其余手術(shù)類型的患者均在低分位數(shù)點(diǎn)上高于無手術(shù)患者的住院費(fèi)用(P<0.05)?；颊叩氖軅课粚?duì)高住院費(fèi)用人群的影響更顯著(P<0.05)。付費(fèi)方式為職工醫(yī)保的患者住院費(fèi)用在50%分位數(shù)點(diǎn)上高于付費(fèi)方式為商業(yè)醫(yī)保患者的住院費(fèi)用(P<0.05)，且在10%和50%分位數(shù)點(diǎn)上高于付費(fèi)方式為全自費(fèi)患者的住院費(fèi)用(P<0.05)。

此外，與多元線性逐步回歸分析結(jié)果相比，婚姻和受傷類型在患者住院費(fèi)用的不同分位數(shù)點(diǎn)上也產(chǎn)生影響，已婚與喪偶患者的住院費(fèi)用在50%分位數(shù)點(diǎn)上顯著低于未婚患者的住院費(fèi)用(P<0.05)，患者的受傷類型中，器官破裂和其他類型對(duì)高住院費(fèi)用人群的影響顯著(P<0.05)，骨折和脫位對(duì)低住院費(fèi)用人群的影響顯著(P<0.05)，而關(guān)節(jié)損傷和挫裂傷對(duì)中等住院費(fèi)用人群的影響更顯著(P<0.05)。

6.跌倒患者住院費(fèi)用的決策樹模型

對(duì)比分位數(shù)回歸模型結(jié)果與多元逐步回歸結(jié)果后發(fā)現(xiàn)，分位數(shù)回歸模型結(jié)果中的影響因素包含多元線性逐步回歸結(jié)果中的影響因素，且可反映各影響因素在不同水平住院費(fèi)用上的作用大小。因此，本研究將分位數(shù)回歸分析結(jié)果中對(duì)住院費(fèi)用有影響作用的變量納入決策樹模型，篩選組合分類節(jié)點(diǎn)。決策樹分析采用CHAID預(yù)剪枝的方法進(jìn)行樹的剪枝處理，本文參考以往類似研究的經(jīng)驗(yàn)[13-14]，選取最小個(gè)案數(shù)：父節(jié)點(diǎn)200，子節(jié)點(diǎn)100。最大樹狀圖深度為根以下3層。拆分合并節(jié)點(diǎn)的顯著性水平的α值為0.05。使用10倍交叉驗(yàn)證進(jìn)行決策樹計(jì)算效果的驗(yàn)證。最終構(gòu)建的跌倒患者住院費(fèi)用分組模型見圖1，決策樹模型分析結(jié)果排除了婚姻、付費(fèi)方式和年齡，最終納入手術(shù)次數(shù)、住院日、手術(shù)類型、受傷部位和受傷類型5個(gè)變量。

圖1 基于分位數(shù)回歸模型與決策樹模型構(gòu)建的跌倒患者住院費(fèi)用分組模型

分組模型顯示，住院費(fèi)用花費(fèi)最多的是手術(shù)次數(shù)2次并且住院日在31天以上的患者，未手術(shù)、住院天數(shù)在14天以內(nèi)且受傷類型為上肢、假體或無的患者花費(fèi)最少。各組間假設(shè)檢驗(yàn)P<0.05，說明各組間費(fèi)用差異有統(tǒng)計(jì)學(xué)意義，住院費(fèi)用在組內(nèi)變異相對(duì)較小，可以證明該模型分組相對(duì)合理，決策樹的預(yù)測(cè)風(fēng)險(xiǎn)分值為0.083。

討 論

本研究中，跌倒造成的住院費(fèi)用總計(jì)達(dá)3億余元，費(fèi)用高昂。跌倒相關(guān)住院費(fèi)用中位數(shù)高于既往相關(guān)研究中跌倒受傷的患者[15-17]。一方面可能是因?yàn)楸狙芯考{入對(duì)象為跌倒住院患者，受傷程度嚴(yán)重，而其他研究多以社區(qū)老年人為調(diào)查對(duì)象，發(fā)生跌倒傷害的程度不一，存在部分為輕度傷害的人群；另一方面，本研究選取的樣本均來自三甲醫(yī)院，患者的病情嚴(yán)重程度更高，由此造成的費(fèi)用差距較大。跌倒住院的患者中超過80%的患者參加了社會(huì)醫(yī)保，醫(yī)保基金支付了近一半的住院總費(fèi)用，而跌倒作為可避免的意外傷害事件，其醫(yī)療費(fèi)用是可避免的支出，加強(qiáng)跌倒預(yù)防工作，有利于減少不必要的醫(yī)療資源和醫(yī)?；鸬睦速M(fèi)。

跌倒患者住院費(fèi)用構(gòu)成中，耗材費(fèi)用占比最高，這可能與本研究中患者跌倒后多發(fā)生骨折損傷有關(guān)。骨折患者以手術(shù)治療為主，多用內(nèi)固定裝置或人工關(guān)節(jié)假體，這些耗材本身價(jià)格昂貴，不可避免地增加了患者的住院費(fèi)用。要進(jìn)一步降低跌倒患者經(jīng)濟(jì)負(fù)擔(dān)，需加強(qiáng)骨科科室的高值耗材管控，鼓勵(lì)醫(yī)護(hù)人員在保障患者安全的基礎(chǔ)上優(yōu)先選用低價(jià)優(yōu)質(zhì)耗材。

傳統(tǒng)回歸分析方法描述的是因變量條件均值的變化，容易導(dǎo)致數(shù)據(jù)的某些信息難以被發(fā)現(xiàn)。相比于傳統(tǒng)的回歸分析方法，分位數(shù)回歸結(jié)果可以估計(jì)給定解釋變量的被解釋變量住院費(fèi)用的總體條件分布，對(duì)于偏態(tài)分布的住院費(fèi)用數(shù)據(jù)而言，使用分位數(shù)回歸估計(jì)結(jié)果更為穩(wěn)健[7]。在本研究中，除傳統(tǒng)回歸分析結(jié)果顯示的影響因素外，分位數(shù)結(jié)果還提示婚姻與受傷類型在不同水平的住院費(fèi)用人群中產(chǎn)生了不同程度的影響。較傳統(tǒng)回歸分析，分位數(shù)回歸能描述住院費(fèi)用條件分布的不同分位點(diǎn)上變量間的關(guān)系，因此估計(jì)結(jié)果更加全面、穩(wěn)健，對(duì)政策完善更具指導(dǎo)意義。

本研究最終選擇在單因素分析和分位數(shù)回歸分析基礎(chǔ)上，納入有統(tǒng)計(jì)學(xué)意義的變量(婚姻、付費(fèi)方式、年齡、手術(shù)次數(shù)、住院日、手術(shù)類型、受傷部位和受傷類型)進(jìn)行住院費(fèi)用分組分析。結(jié)果顯示，手術(shù)次數(shù)、住院日、手術(shù)類型、受傷部位和受傷類型進(jìn)入了決策樹分組模型。住院日是反應(yīng)醫(yī)療質(zhì)量的指標(biāo)[18]，住院日的增加意味著床位費(fèi)、藥品費(fèi)、治療費(fèi)等醫(yī)療服務(wù)費(fèi)用的增加，加大了醫(yī)療資源的消耗。手術(shù)次數(shù)與住院日除了與患者病情嚴(yán)重程度有關(guān)，也受醫(yī)務(wù)人員醫(yī)療水平及醫(yī)院管理制度影響。復(fù)雜的手術(shù)類型不僅會(huì)增加耗材的使用，也會(huì)因術(shù)后恢復(fù)難度大，增加住院日和住院費(fèi)用?；颊呤軅课辉街旅⑹軅愋驮絿?yán)重，其治療的難度也越大，嚴(yán)重的跌倒傷害會(huì)限制患者的活動(dòng)，易增加褥瘡、肺部感染或尿路感染的風(fēng)險(xiǎn)，因此住院費(fèi)用也相對(duì)較高。研究構(gòu)建的決策樹分組模型預(yù)測(cè)風(fēng)險(xiǎn)較低，費(fèi)用分組模型能清楚直觀反映費(fèi)用的影響因素，為相關(guān)部門制定有針對(duì)性的改進(jìn)措施提供指導(dǎo)意義，幫助減輕患者疾病經(jīng)濟(jì)負(fù)擔(dān)的同時(shí)，也為完善醫(yī)保支付標(biāo)準(zhǔn)提供參考價(jià)值。

發(fā)生跌倒后的醫(yī)療費(fèi)用高昂，醫(yī)?；鹬Ц侗壤撸罅酷t(yī)療資源被占用，但跌倒是可避免的，將治療傷害的資金投入到預(yù)防傷害的工作上將產(chǎn)生更多收益[19]。從預(yù)防角度而言，要減少跌倒帶來的經(jīng)濟(jì)負(fù)擔(dān)，應(yīng)以跌倒高風(fēng)險(xiǎn)人群為重要宣教對(duì)象，豐富預(yù)防策略。對(duì)已發(fā)生跌倒的患者，政府可通過建立救助體系來減少跌倒的不良影響，鼓勵(lì)有條件的醫(yī)療機(jī)構(gòu)設(shè)立專門的跌倒門診。醫(yī)院需重視對(duì)科研型、技能型人才培養(yǎng)，推行多學(xué)科團(tuán)隊(duì)共研醫(yī)療難題；醫(yī)護(hù)人員應(yīng)嚴(yán)格要求自身，加強(qiáng)技能訓(xùn)練，避免因自身醫(yī)療水平不達(dá)標(biāo)造成的患者住院日延長(zhǎng)，這與衛(wèi)計(jì)委減少無效住院日的要求一致。本研究所構(gòu)建的跌倒住院費(fèi)用分組模型為相關(guān)職能部門找準(zhǔn)費(fèi)用管控關(guān)鍵點(diǎn)提供了參考。

本研究對(duì)發(fā)生跌倒患者的經(jīng)濟(jì)負(fù)擔(dān)估計(jì)遵循的是經(jīng)濟(jì)學(xué)穩(wěn)健估計(jì)原則，測(cè)算的是住院費(fèi)用，但實(shí)際上還存在患者因經(jīng)濟(jì)困難、自身病情復(fù)雜等原因在此次住院期間內(nèi)未完成全部治療的情況，因此，實(shí)際產(chǎn)生的跌倒相關(guān)治療費(fèi)用應(yīng)該更高。其次本研究采用的是回顧性調(diào)查，調(diào)查的研究資料和實(shí)際情況可能有誤差，未來可進(jìn)行大樣本的現(xiàn)況調(diào)查。此外，在跌倒住院患者費(fèi)用分析中，可以考慮將受傷類型作為患者分型的基礎(chǔ)指標(biāo)。