DRGs 背景下多元线性回归模型在评价某省三甲专科医院运营效率中的应用

姜赟，冯姗，黄文剑

（江西省儿童医院，南昌 330006）

随着医疗服务领域竞争的日趋激烈， 医院管理层对医院运行效率提出了很高的要求。 使用科学评价方法对运营效率的评价具有重要意义[1]。 疾病诊断相关分组 （diagnosis related group system，DRGs）主要是以病例的诊断和操作作为基本依据，综合考虑了病例的个体特征，如年龄、主要疾病、并发症和伴随疾病，将临床过程相近、费用相似的病例分到同一个组中[2]。 RW 是该份病案经过分组后被赋予的价值难度，称为相对价值难度，因此实现了诊疗难度水平的横向对比。 单纯评价效率指标绝对值而忽视诊疗质量的变化是不可取的，也是没有可比性的。 本文基于DRGs 背景下，开展多元线性回归方法探索影响住院天数、 住院总费用的影响因素,并通过具体的量化结果来展现两年度诊疗难度与住院天数和住院总费用的变化情况[3]。

1 资料与方法

1.1 资料来源 数据来源于某省三甲医院某平台数据，范围为2018 与2019 年两年度，共计157788例出院患者信息。 对每一份出院患者信息进行统一分组， 进行探索住院天数和住院总费用的影响因素分析。 因DRGs 分组后赋予病案诊疗难度，则能够设立诊疗难度（以下简称RW 值）对住院天数以及住院总费用产生影响的假设。

1.2 变量选择 由于本文是在基于DRGs 背景下，即在诊疗难度水平下评价住院天数与住院费用的控制情况，并且多元线性回归模型要求选取数值型指标，因此本文分析的变量为：平均RW、平均住院总费用、平均住院天数。

1.3 分析方法 以平均住院总费用、平均住院天数为因变量，平均RW、平均年龄等为自变量，因药费、耗材费为总费用的组成部分，故排除平均药费、平均耗费两个指标，对平均住院总费用进行多元线性回归。 以P＜0.05 为有统计学意义。

2 结果

2.1 模型可行性检测 先对2018 年数据拟合模型，采用的是步进式多元线性回归方法，将三个指标逐步加入模型中进行计算，得出以下结果。 三个变量分别逐步加入模型1、2、3，即模型3 有所有三个变量；数据显示模型3 的调整后R 方最大，为0.98，且德宾-沃森值为2.093，模型最佳且有效，如表1。

对三个自变量进行共线性诊断，其中三个模型的方差膨胀因子VIF 均＜5， 自变量不存在多重共线性[4]。 拟合模型的标准化残差图接近于正态分布，且三个模型的显著性均为0.000＜0.05，拒绝原假设，不存在显著性差异，模型均有效[5]。

表1 2018 年步进式多元线性回归模型

2.2 平均总费用多元线性回归模型 首先对2018年的数据进行拟合，结果见表2。

如表2 所示， 表中B 列为三种模型自变量的系数，选取调整后R 方最大的模型3，得到2018 年总线性方程（方程1）：

平均总费用=35630.75×平均 RW+739.01×平均住院天数+181.19×平均年龄（方程1）

同上步骤，得到2019 年自变量的系数自变量的系数，见表3，得到方程2：

平均总费用=26269.16×平均 RW+973.55×平均住院天数（方程2）

2.2 住院天数多元线性回归模型 对平均住院天数进行多元线性回归， 平均住院天数为因变量，RW、平均住院天数、平均年龄、平均药费、平均耗费、平均住院总费用为自变量。

同住院总费用的步骤， 将自变量逐步加入模型中进行计算，得出以下结果，经过验证数据显著性及共线性诊断，回归模型有效。

得到2018 年线性方程如表4 并得到方程3：

平 均 住 院 天 数 =8.216 × 平 均 RW +1.709（方程 3）

同理得到2019 年线性方程表5 和方程4：

平均住院天数 =1.783×平均RW+0.113×平均年龄+0.986（方程 4）

3 讨论

⑴平均住院天数和平均住院总费用在DRGs相关指标中影响因素最大的都是平均RW，说明诊疗难度与住院天数和费用的相关性都非常强。

⑵2018 年平均住院总费用线性方程（方程1）平均RW 的系数，表明每1 个平均RW，2018 年影响住院总费用为35630.75 元；2019 年平均住院总费用线性方程（方程2）平均RW 的系数，表明每1个平均RW，2019 年影响住院总费用为26269.16元；2018 年较2019 年每 1 个平均RW 住院总费用的影响系数同比下降了9361.59 元。 同理，对比两年平均住院天数线性方程平均RW 的系数， 每1个平均RW 影响天数由2018 年的8.216d 下降到2019 年 1.783d， 同比下降了 6.433d。 2018 年到2019 年，平均每RW 影响的总费用及天数均下降，说明2019 年运营效率有所提升。

⑶结合医院实际情况，2018 年该院实际RW平均值为1.01，2019 年实际RW 平均值为1.07，将2019 年实际RW 值代入2018 年线性回归方程，按照平均RW 上升0.06 的水平，方程预测2019 年平均住院总费用应较2018 年上升1369.56 元、 平均住院天数上升0.49d； 而实际平均住院总费用较2018 年上升832.48 元、平均住院天数下降1.02d，实际上升值比预测值低， 说明2019 年对比2018年运营效率显著提升。

以上结果综合表明， 医院在提升平均RW 的基础上， 对住院天数和住院总费用的管控取得了成效。

本研究通过对比2018 和2019 年每RW 住院天数和住院费用的变化，按照2018 年的模型预测平均RW 上升水平范围， 其实际运行效率与预测运行效率之间的差异， 来判断医院两年度运行效率管控是否真正有效。 这种分析能够在考虑诊疗难度水平评价效率管控有效性， 而非单纯比较住院天数和住院总费用的绝对值， 因此评价结果更加客观和公正。 该医院在质量指标不断上升的基础上，效率管控也愈加有效，对该院工作效率起到了积极的促进作用[6]。

表2 2018 年平均住院总费用回归方程系数

表3 2019 年平均住院总费用回归方程系数

表4 2018 年平均住院天数回归方程系数

表5 2019 年平均住院天数回归方程系数