非计划再住院的统计及其SAS实现

王清亮 张永媛 李向一 韩 辉

山东大学齐鲁医院，250012 山东 济南

再住院是指同一患者在同一医院因与前一次住院相同或相关疾病而造成的重复住院［1］，包括计划内和非计划再住院2种情况。因非计划再住院与医疗质量密切相关，所以更受关注，统计时间范围通常为患者出院后30 d内或31 d内［2-4］。原国家卫生部办公厅发布的《三级综合医院医疗质量管理与控制指标（2011版）》（卫办医政函〔2011〕54号）将非计划再住院纳入其中，并将统计时间范围限定为患者出院31 d内［5］。在美国，2003—2004年大约五分之一的医疗保险受益人在出院后30 d内再次住院，其中大约90%为非计划再住院，2004年非计划再住院带来的医疗保险支出约为174亿美元［6］。2017—2020年国家医疗服务与质量安全数据抽样调查结果显示，2019年我国二级及以上公立医院的出院31 d内非计划再住院率为2.92%，高于2017年和2018年同期［7-8］。所以，要严格控制非计划再住院率，加强对其数据的统计分析与应用。然而，数据统计的科学化和标准化是统计结果充分应用的前提。虽然目前各医院病案统计或信息部门都可以对非计划再住院进行统计分析，但由于对内涵的理解和实际统计操作过程存在不同程度差异，导致统计结果的可靠性和可比性不高。本文旨在进一步明确出院31 d内非计划再住院的统计内涵，建立科学、标准的统计流程。

1 非计划再住院的统计内涵

出院31 d内非计划再住院的统计按时间分段可以划分为出院当天、2～15 d和16～31 d内非计划再住院，包括人次和率的统计。现有资料中，仅在国家卫生健康委自2015年开始每年组织开展的国家医疗服务与质量安全数据抽样调查工作中对出院31 d内非计划再住院人次给出了详细统计标准：（1）同一医院，同一患者；（2）病案首页中“是否有出院31 d内再住院计划”项目的填写为无或空；（3）前一次出院和本次出院主要诊断ICD-10疾病编码亚目（即疾病编码前5位，含小数点）相同；（4）排除出院主要诊断和其他诊断ICD-10疾病编码为Z51.0（放射治疗疗程）、Z51.1（肿瘤化学治疗疗程）、Z51.2（其他化学治疗）和Z51.8（其他特指治疗）的患者［1］。非计划再住院率=非计划再住院人次/（同期出院患者总人次-死亡患者人数）×100%［5］。但如果非计划再住院患者中有死亡患者，则应包括在分母中，所以此时分母应校正为：同期出院患者总人次-死亡患者人数+非计划再住院死亡患者人数。

2 非计划再住院人次的SAS统计流程

2.1 导入Excel病案首页数据

病案首页数据按照国家卫生统计信息网络直报系统中，卫健统4表要求的格式规范进行录入。见表1。

表1 2019年某医院出院患者信息

proc import datafile=′文件存储路径文件名1.xlsx′out=a

dbms=xlsx replace；

run；/＊导入文件名字为文件名1的Excel格式病案首页数据，输出SAS数据库名字为a＊/

2.2 数据整理

data b；

set a；

rysj1=input（rysj，yymmdd10.）；

cysj1=input（cysj，yymmdd10.）；

format rysj1 cysj1 yymmdd10.；/＊因为导入的Excel病案首页数据中入院时间和出院时间这2个日期变量的格式为文本格式，故将其转变为可用于计算的日期格式，并赋予新的变量名，定义具体日期格式＊/

sjbdm=substr（jbdm，1，5）；/＊使用substr函数截取出院主要诊断ICD-10疾病编码前5位（含小数点）。注意，使用该函数时小数点也算作1位数＊/

run；

2.3 数据清理（剔除不符合统计标准的数据）

data c；

set b；

if sfzzyjh=2 then delete；/＊剔除病案首页中“是否有出院31 d内再住院计划”填写为“2”的患者＊/

if prxmatch（′/z51.0|z51.1|z51.2|z51.8/′，jbdm）^=0 then delete；/＊此处也可以用sjbdm这个变量名＊/

array a（15）jbdm1-jbdm15；/＊使用array数组函数批量调用规则命名的SAS变量，即15个出院其他诊断变量名＊/

do i=1 to 15；

if prxmatch（′/z51.0|z51.1|z51.2|z51.8/′，a（i））^=0 then delete；

end；/＊此部分程序的主要目的是剔除出院主要诊断（jbdm）和其他诊断（jbdm1-jbdm15）ICD-10疾病编码为Z51.0、Z51.1、Z51.2和Z51.8的患者。使用prxmatch正则表达式函数对诊断中特定的疾病编码进行判断，如符合条件，则赋值为1，删除该患者数据，否则赋值为0，保留该患者数据。这里只保留了15个出院其他诊断，可根据实际情况调整数量＊/

drop i；

run；

由于病案号是唯一的，即使患者多次住院，也使用相同的病案号，故可用病案号作为患者身份识别码。除此之外，也可以使用身份证号码，但是患者住院时无法提供身份证号码的情况普遍存在，比如暂未办理户口的婴幼儿患者、社会救助的无法确定身份的患者等。所以，建议使用病案号。

2.4 筛选非计划再住院患者人次

proc sort data=c；

by bah cysj1；

run；/＊对数据库c按病案号和出院时间进行排序＊/

data d；

set c；

by bah；

first=first.bah；

last=last.bah；

if first+last=2 then delete；/＊此处表达式计算结果为2，表明fisrt=1和last=1在同一个观测中，意味着该患者仅有1次住院，故将其删除，保留下来的为存在2次及以上非计划再住院的患者＊/

drop first last；

rysj1lag=lag（rysj1）；

cysj1lag=lag（cysj1）；

sjbdmlag=lag（sjbdm）；/＊为计算本次非计划再住院的入院时间与前一次出院时间的间隔天数，使用lag函数将入、出院时间数据列进行滞后处理，并生成新的数据列，赋予新的变量名，以使前一次入、出院时间与本次非计划再住院的数据处在同一个观测中。同时，对出院主要诊断（ICD-10疾病编码亚目）数据列进行滞后处理，以判断本次非计划再住院的出院主要诊断与前一次出院主要诊断是否相同＊/

format cysj1lag rysj1lag yymmdd10.；

diff=rysj1-cysj1lag；/＊计算本次非计划再住院的入院时间与前一次出院时间的间隔天数＊/

run；

data e；

set d；

by bah；

if first.bah then diff=.；/＊由于前面已按患者病案号和出院时间排序，所以数据库中同一患者的第1条信息代表其第1次住院，故将该患者第1条信息中的间隔天数重置为缺失值＊/

if sjbdmlag=sjbdm and diff＜31 and diff^=.；/＊筛选出2次出院主要诊断相同且间隔天数为30 d之内的患者＊/

if diff=0 then group=1；

else if diff ge 1 and diff le 14 then group=2；

else if diff ge 15 and diff le 30 then group=3；/＊按照出院当天、2～15 d、16～31 d进行分组统计＊/

run；

proc export data=e

outfile=′文件存储路径文件名2.xlsx′

dbms=xlsx replace；

run；/＊输出出院31 d内非计划再住院人次数据库＊/

2.5 统计非计划再住院率

proc sql；

create table work.b1 as

select count（bah）as n

from work.b；

run；/＊利用proc sql过程步，以病案号作为统计变量，从前面的b数据库中统计出院患者总人次n，并将结果输出到新的数据库b1＊/

create table work.b2 as

select count（bah）as n1

from work.b

where lyfs=′5′；

run；/＊统计出院患者总人次中的死亡患者人数n1，并将结果输出到新的数据库b2＊/

create table work.e1 as

select count（bah）as n2

from work.e；

run；/＊从前面的e数据库中统计出院31 d内非计划再住院人次n2，并将结果输出到新的数据库e1＊/

create table work.e2 as

select count（bah）as n3

from work.e

where lyfs=′5′；

run；/＊统计出院31 d内非计划再住院人次中的死亡患者人数n3，并将结果输出到新的数据库e2＊/

quit；

data f；

merge b1 b2 e1 e2；/＊将4个新生成的数据库横向合并，以便于计算出院31 d内非计划再住院率＊/

percent1=n2/（n-n1）＊100；/＊未对分母进行校正的非计划再住院率＊/

percent2=n2/（n-n1+n3）＊100；/＊对分母进行校正后的非计划再住院率＊/

run；

2.6 统计案例

采用以上SAS统计程序，对2016—2019年某三甲医院出院31 d内非计划再住院情况进行统计分析，结果显示该医院出院31 d内非计划再住院率总体呈下降趋势，年均下降32.37%；出院当天、2～15 d和16～31 d非计划再住院率总体上均呈不同程度下降趋势，见表2。通过多人分别采取不同方法编程统计、手工统计等途径验证，此SAS程序的统计结果与实际情况一致。此外，采用校正后的分母对非计划再住院率进行计算，由于出院患者总人次数较大，在统计结果精确到小数点后2位的情况下，结果无变化。

表2 某三甲医院2016—2019年出院31 d内非计划再住院统计分析 单位：%

3 讨论

非计划再住院是监测医疗质量的重要负性指标之一，不仅会造成医疗资源的严重浪费，更会损害患者的身心健康，给患者及其家人带来沉重的经济负担。为减少由非计划再住院造成的医保基金损失，美国医疗保险和医疗补助中心（the centers formedicare＆medicaid services，CMS）实施了再住院降低项目（hospital readmissions reduction program，HRRP），并在《社会保障法》中规定减少向医院支付超额再住院费用，以推动医院降低可避免的再住院率［9］。研究表明，通过加强随访、沟通、患者教育和改善医疗、护理服务等干预措施，13%～50%的非计划再住院可以避免发生［2-3，10-11］。虽然我国的非计划再住院率可能低于美国，但我国人口多，患者基数大，所以非计划再住院患者人次仍然是个庞大的数字。我国尚无非计划再住院造成的经济损失相关数据，但非计划再住院问题不容小觑。

SAS统计软件在国际上被誉为统计分析的标准软件，近年来在病案管理和统计中的应用越来越广泛。谷玉婷等［12］利用SAS的surveyselect随机抽样过程实现对病案的随机抽查，帮助提高病案管理效率和质量。2020年8月，国家卫生健康委发布《关于加强卫生健康统计工作的指导意见》（国卫规划发〔2020〕16号），强调规范统计过程管理，增强统计数据的真实性、准确性、完整性［13］。本研究利用SAS 9.4版本建立了非计划再住院的标准统计流程，统计程序经过多次严格讨论与多种方式验证，能够确保程序科学规范，统计结果真实可靠。陈美玲等［14］运用SQL对非计划再住院进行查询统计，但在剔除放化疗患者方面，未说明是否主要诊断和其他诊断的放化疗患者都被剔除，也未给出具体剔除的放化疗患者的疾病编码，所以其查询统计结果和本SAS程序的统计结果可能存在差异。本文亦给出了非计划再住院率的SAS统计程序。

在非计划再住院的应用上，注意以下几方面：第一，根据定义，再住院是因与前一次住院相同或相关疾病而造成的重复住院，但目前对因相关疾病造成的再住院的统计还无法实现，只能统计因相同疾病而造成的再住院；第二，可以根据临床专业、病种、手术术种、疾病诊断相关组（DRGs）、患者的人口学或疾病特征等对非计划再住院情况进行深入分析，充分挖掘数据价值，强化应用，辅助医疗管理和临床决策；第三，年度出院患者中非计划再住院人次不一定等于每月或每季度出院患者中非计划再住院人次的总和，因为统计每月或每季度非计划再住院人次时，数据库仅包括当月或当季度的出院患者时，跨月或跨季度的非计划再住院患者则未统计在内；第四，不同医院间、不同专业间、不同病区间的非计划再住院情况不宜直接比较，要充分考虑病种结构和疾病疑难危重程度等因素的影响，可以对CMI等主要影响因素进行校正或对数据进行标化后再比较，或根据DRGs进行比较分析［4，8］；第五，病案首页填写的完整性和准确性，以及采用的ICD-10疾病编码库版本是数据统计结果真实可靠、可比的基础，要不断提高病案首页填写质量和标准化；第六，建议卫生健康行政部门将出院31 d内非计划再住院率纳入医院绩效考核指标体系，推动医院提高医疗技术水平，改善医疗服务，减轻患者经济负担，节约医疗资源。