姜赟，馮姍，黃文劍

（江西省兒童醫(yī)院，南昌 330006）

隨著醫(yī)療服務(wù)領(lǐng)域競(jìng)爭(zhēng)的日趨激烈， 醫(yī)院管理層對(duì)醫(yī)院運(yùn)行效率提出了很高的要求。 使用科學(xué)評(píng)價(jià)方法對(duì)運(yùn)營(yíng)效率的評(píng)價(jià)具有重要意義[1]。 疾病診斷相關(guān)分組 （diagnosis related group system，DRGs）主要是以病例的診斷和操作作為基本依據(jù)，綜合考慮了病例的個(gè)體特征，如年齡、主要疾病、并發(fā)癥和伴隨疾病，將臨床過程相近、費(fèi)用相似的病例分到同一個(gè)組中[2]。 RW 是該份病案經(jīng)過分組后被賦予的價(jià)值難度，稱為相對(duì)價(jià)值難度，因此實(shí)現(xiàn)了診療難度水平的橫向?qū)Ρ取?單純?cè)u(píng)價(jià)效率指標(biāo)絕對(duì)值而忽視診療質(zhì)量的變化是不可取的，也是沒有可比性的。 本文基于DRGs 背景下，開展多元線性回歸方法探索影響住院天數(shù)、 住院總費(fèi)用的影響因素,并通過具體的量化結(jié)果來展現(xiàn)兩年度診療難度與住院天數(shù)和住院總費(fèi)用的變化情況[3]。

1 資料與方法

1.1 資料來源 數(shù)據(jù)來源于某省三甲醫(yī)院某平臺(tái)數(shù)據(jù)，范圍為2018 與2019 年兩年度，共計(jì)157788例出院患者信息。 對(duì)每一份出院患者信息進(jìn)行統(tǒng)一分組， 進(jìn)行探索住院天數(shù)和住院總費(fèi)用的影響因素分析。 因DRGs 分組后賦予病案診療難度，則能夠設(shè)立診療難度（以下簡(jiǎn)稱RW 值）對(duì)住院天數(shù)以及住院總費(fèi)用產(chǎn)生影響的假設(shè)。

1.2 變量選擇 由于本文是在基于DRGs 背景下，即在診療難度水平下評(píng)價(jià)住院天數(shù)與住院費(fèi)用的控制情況，并且多元線性回歸模型要求選取數(shù)值型指標(biāo)，因此本文分析的變量為：平均RW、平均住院總費(fèi)用、平均住院天數(shù)。

1.3 分析方法 以平均住院總費(fèi)用、平均住院天數(shù)為因變量，平均RW、平均年齡等為自變量，因藥費(fèi)、耗材費(fèi)為總費(fèi)用的組成部分，故排除平均藥費(fèi)、平均耗費(fèi)兩個(gè)指標(biāo)，對(duì)平均住院總費(fèi)用進(jìn)行多元線性回歸。 以P＜0.05 為有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 模型可行性檢測(cè) 先對(duì)2018 年數(shù)據(jù)擬合模型，采用的是步進(jìn)式多元線性回歸方法，將三個(gè)指標(biāo)逐步加入模型中進(jìn)行計(jì)算，得出以下結(jié)果。 三個(gè)變量分別逐步加入模型1、2、3，即模型3 有所有三個(gè)變量；數(shù)據(jù)顯示模型3 的調(diào)整后R 方最大，為0.98，且德賓-沃森值為2.093，模型最佳且有效，如表1。

對(duì)三個(gè)自變量進(jìn)行共線性診斷，其中三個(gè)模型的方差膨脹因子VIF 均＜5， 自變量不存在多重共線性[4]。 擬合模型的標(biāo)準(zhǔn)化殘差圖接近于正態(tài)分布，且三個(gè)模型的顯著性均為0.000＜0.05，拒絕原假設(shè)，不存在顯著性差異，模型均有效[5]。

表1 2018 年步進(jìn)式多元線性回歸模型

2.2 平均總費(fèi)用多元線性回歸模型 首先對(duì)2018年的數(shù)據(jù)進(jìn)行擬合，結(jié)果見表2。

如表2 所示， 表中B 列為三種模型自變量的系數(shù)，選取調(diào)整后R 方最大的模型3，得到2018 年總線性方程（方程1）：

平均總費(fèi)用=35630.75×平均 RW+739.01×平均住院天數(shù)+181.19×平均年齡（方程1）

同上步驟，得到2019 年自變量的系數(shù)自變量的系數(shù)，見表3，得到方程2：

平均總費(fèi)用=26269.16×平均 RW+973.55×平均住院天數(shù)（方程2）

2.2 住院天數(shù)多元線性回歸模型 對(duì)平均住院天數(shù)進(jìn)行多元線性回歸， 平均住院天數(shù)為因變量，RW、平均住院天數(shù)、平均年齡、平均藥費(fèi)、平均耗費(fèi)、平均住院總費(fèi)用為自變量。

同住院總費(fèi)用的步驟， 將自變量逐步加入模型中進(jìn)行計(jì)算，得出以下結(jié)果，經(jīng)過驗(yàn)證數(shù)據(jù)顯著性及共線性診斷，回歸模型有效。

得到2018 年線性方程如表4 并得到方程3：

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

同理得到2019 年線性方程表5 和方程4：

平均住院天數(shù) =1.783×平均RW+0.113×平均年齡+0.986（方程 4）

3 討論

⑴平均住院天數(shù)和平均住院總費(fèi)用在DRGs相關(guān)指標(biāo)中影響因素最大的都是平均RW，說明診療難度與住院天數(shù)和費(fèi)用的相關(guān)性都非常強(qiáng)。

⑵2018 年平均住院總費(fèi)用線性方程（方程1）平均RW 的系數(shù)，表明每1 個(gè)平均RW，2018 年影響住院總費(fèi)用為35630.75 元；2019 年平均住院總費(fèi)用線性方程（方程2）平均RW 的系數(shù)，表明每1個(gè)平均RW，2019 年影響住院總費(fèi)用為26269.16元；2018 年較2019 年每 1 個(gè)平均RW 住院總費(fèi)用的影響系數(shù)同比下降了9361.59 元。 同理，對(duì)比兩年平均住院天數(shù)線性方程平均RW 的系數(shù)， 每1個(gè)平均RW 影響天數(shù)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 影響的總費(fèi)用及天數(shù)均下降，說明2019 年運(yùn)營(yíng)效率有所提升。

⑶結(jié)合醫(yī)院實(shí)際情況，2018 年該院實(shí)際RW平均值為1.01，2019 年實(shí)際RW 平均值為1.07，將2019 年實(shí)際RW 值代入2018 年線性回歸方程，按照平均RW 上升0.06 的水平，方程預(yù)測(cè)2019 年平均住院總費(fèi)用應(yīng)較2018 年上升1369.56 元、 平均住院天數(shù)上升0.49d； 而實(shí)際平均住院總費(fèi)用較2018 年上升832.48 元、平均住院天數(shù)下降1.02d，實(shí)際上升值比預(yù)測(cè)值低， 說明2019 年對(duì)比2018年運(yùn)營(yíng)效率顯著提升。

以上結(jié)果綜合表明， 醫(yī)院在提升平均RW 的基礎(chǔ)上， 對(duì)住院天數(shù)和住院總費(fèi)用的管控取得了成效。

本研究通過對(duì)比2018 和2019 年每RW 住院天數(shù)和住院費(fèi)用的變化，按照2018 年的模型預(yù)測(cè)平均RW 上升水平范圍， 其實(shí)際運(yùn)行效率與預(yù)測(cè)運(yùn)行效率之間的差異， 來判斷醫(yī)院兩年度運(yùn)行效率管控是否真正有效。 這種分析能夠在考慮診療難度水平評(píng)價(jià)效率管控有效性， 而非單純比較住院天數(shù)和住院總費(fèi)用的絕對(duì)值， 因此評(píng)價(jià)結(jié)果更加客觀和公正。 該醫(yī)院在質(zhì)量指標(biāo)不斷上升的基礎(chǔ)上，效率管控也愈加有效，對(duì)該院工作效率起到了積極的促進(jìn)作用[6]。

表2 2018 年平均住院總費(fèi)用回歸方程系數(shù)

表3 2019 年平均住院總費(fèi)用回歸方程系數(shù)

表4 2018 年平均住院天數(shù)回歸方程系數(shù)

表5 2019 年平均住院天數(shù)回歸方程系數(shù)