基于疾病诊断相关组合的慢性缺血性心脏病分组方法及效果的研究

田伟，张媛，尹桂华

临沂市沂水中心医院，山东临沂276400

基于疾病诊断相关组合的慢性缺血性心脏病分组方法及效果的研究

田伟，张媛，尹桂华

临沂市沂水中心医院，山东临沂276400

目的确定适合医院的疾病诊断相关组合（DRGs）分组方法。方法以某三甲医院慢性缺血性心脏病为研究对象，用非参数检验Kruskal Wallis方法和多因素回归方法分析选取分组的分类节点变量，用决策树模型修正的ECHAID算法对2013-2014年5 253份病案首页数据进行分组。结果共形成了7个DRGs组合。结论E-CHAID决策树分类方法用于DRGs分组是可行且有效的。

疾病诊断相关组合；决策树分类；分类节点；慢性缺血性心脏病

疾病诊断相关分组（DRGs）是根据患者的疾病严重程度、住院天数等因素将患者分入500～600个相关诊断组，之后进行决定支付给医院的补偿金额［1-3］。它最初产生是在20世纪70年代的美国，是世界上公认的较为先进的支付方法之一，DRGs的主要指导思想是:支付标准的制定由统一的疾病诊断分类进行定额，从而达到医疗的有效利用。DRGs的定义主要包括以下三个方面:首先，它将患者按照病例进行分类；其次，它从患者的年龄、并发症情况以及手术与否等方面进行考虑进行病情诊断；最后，它将患者的诊治与所需要的费用进行联系。与单病种付费方式进行比较，DRGs能够覆盖更多种类的病情，付费方案更加科学合理。DRGs的运用，有利于医院缩小诱导性的医疗费用，缩短患者住院时间以及加强医院的质量管理水平，对国家的有效宏观调控起到促进作用。该文在疾病诊断相关组合（DRGs）的研究过程中，以某三甲医院的慢性缺血性心脏病为例，就如何选择分类节点变量，并就按分类节点变量进行分组后的费用进行合理评价，现报道如下。

1　资料与方法

1.1一般资料

采集山东省临沂市某三甲医院2013—2014年出院病例的病案首页资料，筛选主要诊断为慢性缺血性心脏病的病例（ICD-10编码为I25）5 253例。

1.2研究方法

用非参数检验Kruskal Wallis方法和多因素回归方法分析选取分组的分类节点变量，选择E-CHAID算法进行DRGs分组研究，利用单因素方差分析对分组后住院费用的合理性进行检验和评价。

2　结果

2.1分类节点变量

根据病案首页填写的项目，该研究选择性别、年龄、伴随症、入院途径、是否手术、是否输血、离院方式7个因素，用非参数检验Kruskal-Wallis方法和多因素回归方法检验，见表1。

表1　住院总费用多因素回归分析

将不具有统计学意义的入院途径和离院方式两个因素剔除掉，其中是否手术对住院费用的影响最大（标准后β值为0.524），我们根据ICD-9-CM3将手术组进行了细分，分为了射频消融组、冠脉搭桥手术组、支架植入组、起搏器植入组、冠脉造影组。

2.2分组结果

利用E-CHAID算法进行DRGs分组，最终形成7个DRGs组合，表2显示，即I25-1、I25-2、I25-3、I25-4、I25-5、I25-6、I25-7，进入下一步分析。

表2　慢性缺血性心脏病住院病例的分组及费用情况（元）

2.3有效DRGs分组的分析

I25-1组和I25-5组标准差和变异系数（CV值）都比较大，所以为了检验所做出的决策树分类的有效性，该研究将分组后住院费用取对数进行单因素方差分析，见表3、表4。

表3　慢性缺血性心脏病住院病例有效DRGs分组的费用方差分析

表4　慢性缺血性心脏病住院病例有效DRGs分组的费用方差分析两两比较（P值）

表3显示，P＜0.001，各组差异具有统计学意义，但两两比较时，I25-4和I25-5的P值＞0.05，其他组两两比较均具有统计学意义（P＜0.05）。

3　讨论

3.1分类节点变量

在疾病诊断相关组合（DRGs）的研究过程中，如何选择分类节点变量是进行有效分组的关键步骤之一［4-6］。目前，国内研究DRGS，很多研究者对分类节点变量未予以重视，不进行任何验证，通过该研究发现，这种做法是不严谨的，并且即使进行了一种方法的验证，也不足以说明分类节点变量的合理性。

3.2E-CHAID算法分类

E-CHAID算法是决策树分类中的一种，也是目前国内比较公认的分类方法，但是如果样本量不足，就放大了单个病例的作用；而分类过少，同一组内具有相似的临床特征和资源消耗的病种难以区别［7-10］。比如I25分为7个病例组合，但是有效DRGs分组分析时，I25-4组和I25-5组住院费用实际并无统计学意义。所以样本量不足条件下进行DRGs研究具有一定的局限性。

总之，在分类节点变量选取方面要注意实际可操作性，同时注意验证方法的选取，多因素回归方法较为精确；病例分组，要保证各组样本量足够大，否则将影响分组的质量；病例分组间费用合理性的验证是必须的，可通过单因素方差分析来验证。

［1］Luther P.Christman.Diagnosis Related Groups（DRGs）and the Medicare Program Implications for Medical Technology［M］. Washington，D.C:U.S.Govemmem Printing Office，1983.

［2］李珑，徐锡武，王辰.疾病诊断相关组概述及其在我国的适用性分析［J］.中国医院管理，2013，33（1）：51-53.

［3］高建民，郑古峥玥.疾病诊断相关分组分类节点变量的选择及其分组结果的合理性评价［J］.中国卫生经济，2013，32（1）:16-18.

［4］Tan，S.S.Chiarello，P.Quentin，W.Knee replacement and Diagnosis-Related Groups（DRGs）：Patient classification andhospitalreimbursementin11Europeancountries［J］.Knee surgery，sports traumatology，arthroscopy：official journal of the ESSKA，2013，21（11）：2548-2556.

［5］Bellanger，M.M.Quentin，W.Tan，S.S.Childbirth and Diagnosis Related Groups（DRGs）：Patient classification andhospital reimbursement in 11 European countries［J］.European Journal of Obstetrics，Gynecology and Reproductive Biology：An International Journal，2013，168（1）：12-19.

［6］Scheller-Kreinsen，D.Quentin，W.Geissler，A.Busse，R.Breast cancer surgery and diagnosis-related groups（DRGs）：Patient classification andhospital reimbursement in 11 European countries［J］.The Breast，2013，22（5）：723-732.

［7］Hu，L.Haynes，H.Ferrazza，D.et al.Impact of specialist consultations on inpatient admissions for dermatology-specific and related DRGs［J］.Journal of general internal medicine，2013，28（11）：1477-1482.

［8］苗丽琼，山德生，李礼，等.疾病诊断相关组在绩效管理体系中的应用研究［J］.中国医院统计，2015，22（4）：258-260.

［9］万钢，桑雁，郝一炜，等.基于疾病诊断相关组的秩和比法对医院绩效评价［J］.中国医院统计，2016，23（1）:19-21.

［10］Quentin W，Scheller Kreinsen D，Geissler A.et al.Appendectomy and diagnosis-related groups（DRGs）：patient classification andhospital reimbursement in 11 European countries［J］.Langenbeck's archives of surgery，2012，397（2）：317-326.

Research on Grouping Method and Effect of Chronic Ischemic Heart Disease Based on Diagnosis Related Groups

TIAN Wei，ZHANG Yuan，YIN Gui-hua
Central Hospital of Yishui，Linyi，Shandong Province，276400 China

Objective To determine the diagnosis related group method suitable forhospitals.Methods The chronic ischemicheart disease in some AAAhospital was selected as the research objects，and the grouping classification nodeless variable was selected by the non-parametric test Kruskal Wallis method and multi-factor regression method，and 5 253 cases of case front-page data from 2013 to 2014 were grouping by the E-CHAID algorithm revised by decision tree model. Results 7 DRGs groups were formed.Conclusion The application of E-CHAID decision tree classification method in DRGs grouping is feasible and effective.

Diagnosis related groups；Decision tree classification；Classification algorithm；Chronic ischemicheart disease

R7

A

1672-5654（2016）08（c）-0188-03

10.16659/j.cnki.1672-5654.2016.24.188

山东省医药卫生科技发展计划项目（2015WSA 13002）。

田伟（1978.1-），男，山东沂水人，硕士，统计师，主要从事医院管理和统计。

张媛（1980.8-），女，山东沂水人，本科，馆员，主要从事医院文化及管理，E-mail：zhangyuan198015@126.com。

（2016-05-26）