引用本文： 余赟, 董四平, 陳春, 蘇毓. 基于決策樹的疾病診斷相關分組細分組技術研究—以子宮肌瘤患者為例. 華西醫學, 2022, 37(12): 1772-1778. doi: 10.7507/1002-0179.202211062 復制
子宮肌瘤是女性生殖器最常見的良性腫瘤，由平滑肌及結締組織組成，常見于 30～50 歲婦女，20 歲以下少見[1]。其真正的發病率和患病率仍未知，因為大多數病例都沒有癥狀，大約只有 25% 的病例有足夠的臨床意義，需要干預[2]。子宮肌瘤的治療方法需要根據癥狀的嚴重程度、是否希望保留子宮和國際婦產科聯盟分類標準進行手術和/或藥物治療。目前主要的手術治療有肌瘤切除術和子宮切除術，手術可經腹（包括開腹和腹腔鏡）、經陰道或經宮腔鏡進行；其他微無創手術則包括經導管子宮動脈栓塞術和高強度超聲聚焦消融等[3]。在臨床實際診療過程中，對子宮肌瘤的手術治療同時往往伴有附件病損切除、子宮內膜異位病灶電灼術和盆腔粘連松解術等其他手術，因此患者不同的手術方式、并發癥、年齡、住院天數等都會影響住院費用。本研究以子宮肌瘤住院患者病案首頁數據為基礎，按照“疾病診斷+治療方式”的共性特征對病案數據進行客觀分類，結合住院天數、年齡等因素，探討子宮肌瘤病例組合付費方法與疾病診斷相關分組（diagnosis-related group，DRG）細分組方案，為上海市國家醫療保障 DRG（China Healthcare Security-DRG，CHS-DRG）子宮肌瘤病種細化分組、制定合理補償機制提供依據，同時將 DRG 細分組相關指標納入醫院內部績效考評體系，以提升醫療服務能力與效率，進一步促進醫院科學化、精細化管理。
1 資料與方法
1.1 研究對象
收集復旦大學附屬婦產科醫院 2019 年－2021 年 3 年病案首頁數據，篩選條件為：主診斷按照國際疾病分類（International Classification of Diseases，ICD）第 10 版（ICD-10），編碼前 3 位為 D25。在數據預處理階段，對以下病案進行剔除：① 主要診斷與主要手術不符合；② 住院天數<1 d 或≥50 d[4]；③ 住院費用不在 
范圍內。經篩選獲得有效病例 17010 例。本研究經復旦大學附屬婦產科醫院倫理委員會審查通過（批件號：婦產科倫審 2022-191）。
1.2 研究方法
采集的病案首頁數據包括：① 患者情況：年齡；② 住院信息：住院天數、轉歸、醫療付款方式；③ 疾病診斷信息：主要診斷和其他診斷（診斷名稱及對應 ICD-10 編碼）；④ 手術或操作信息：主要手術與其他手術（手術或操作名稱及對應 ICD-9-CM3 編碼）；⑤ 費用信息：包括住院總費用、床位費、手術治療費、護理費、藥品費、檢查費等費用信息。
研究以疾病和治療方式為基礎，結合住院天數、其他診斷等，采用非參數檢驗和廣義線性模型分析影響住院費用的因素，利用決策樹模型對子宮肌瘤住院患者進行分組及費用預測。
1.3 統計學方法
采用 Excel 2019 軟件進行數據清洗，SPSS 23 統計軟件進行統計分析和病例分組。計數資料采用例數和百分比表示；住院費用和住院天數均呈偏態分布，采用中位數（下四分位數，上四分位數）表示。統計分析均采用雙側檢驗，檢驗水準 α=0.05。
單因素分析：選取年齡、住院天數、轉歸、醫療付款方式、主要手術或操作方式、其他手術或操作類型、其他診斷個數共 7 個變量進行單因素分析，探究上述各因素對于子宮肌瘤患者住院費用的影響。其中，主要手術或操作方式變量中的“無手術或僅操作”分類，僅操作指診斷性刮宮或宮頸活檢等，“宮腔鏡手術”指宮腔鏡下子宮肌瘤切除術；其他手術或操作變量中的“無手術或僅操作”分類指宮腔鏡（或陰道鏡）活檢或檢查、避孕環取出等，“附件手術”包括輸卵管或卵巢囊腫剝除、輸卵管或卵巢切除術等，“其他手術”包括盆腔子宮內膜異位病灶電灼術、盆腔腹膜/腸粘連松解術等。由于住院費用呈偏態分布，故采用非參數檢驗 Kruskal-Wallis H 檢驗進行組間比較。
多因素分析：采用廣義線性模型進行多因素分析，采用 Tweedie 對數連接函數，以住院費用為因變量，同時考慮到在臨床實際中，年齡與主要手術治療方式的選擇高度相關，存在共線性，因此以住院天數、轉歸、醫療付款方式、主要手術或操作方式、其他手術或操作類型、其他診斷個數為自變量進行分析，計算比值比（odds ratio，OR）及其 95% 置信區間（confidence interval，CI），根據 OR 值及專家意見，了解各因素對住院費用的影響程度。
決策樹分析：根據單因素與多因素分析結果，采用決策樹中卡方自動交互檢驗法（chi-square automatic interaction detection，CHAID）算法進行病例組合分類。其核心思想是根據目標變量以及經過篩選的預測變量對樣本進行最優分割，按照 χ2 檢驗是否有統計學意義進行多元列聯表的自動判斷分組[5]，既可處理數值變量，也可處理分類變量，其模型易于轉化為分類規則，準確度高[6-8]。以住院費用為因變量，將廣義線性模型中影響變量納入決策樹中。決策樹的父節點定義為組內病例數量不少于 1000 例，子節點的病例數不少于 500 例，每個分類節點的檢驗水準為 0.05。
離群值、方差減少值（reduction in variance，RIV）、變異系數（coefficient of variation，CV）和解析比例的計算：① 采用中段區間法確認離群值，將 QU+1.5×（QU–QL）作為費用上限，QL–0.5×（QU–QL）作為費用下限（QL 和 QU 分別為費用的下四分位數和上四分位數）。高于費用上限或低于費用下限的病例視為可疑病例，在計算相關參數時予以剔除。② 采用 RIV 評價分組對于總體變異的解釋程度，RIV 越大，表示分組方法對總體變異的解釋程度越高。RIV=（住院費用的總離均差平方和–n 個組住院費用的離均差平方和）/住院費用的總離均差平方和[9]。③ 采用 CV（CV=標準差/均數）衡量組內的一致性。當某個 DRG 醫療費用或住院時間的 CV 值大于 1，一般會認為組內變異過大，一致性不佳，需要考慮細分或調整分組[4, 10-11]。④ 解析比例：解析比例=各組標準費用×例數/實際總費用×100%，研究中子宮肌瘤患者住院總費用呈偏態分布，因此標準費用采用中位數代表每組子宮肌瘤病例住院費用的平均水平。
2 結果
2.1 基本情況
本研究納入 2019 年－2021 年共 17010 例子宮肌瘤患者的住院病案首頁數據。其中患者年齡 40～49 歲占比 47.88%，城鎮職工醫療保險占比 52.36%，腹腔鏡手術占比 75.66%，詳見表1。患者住院費用和住院天數均呈偏態分布，住院天數均數為 4.37 d，中位數（下四分位數，上四分位數）為 4（3，6）d；住院費用均數為 16742.93 元，中位數（下四分位數，上四分位數）為 17045.19（13770.81，20324.45）元。
表1
17010 例子宮肌瘤患者住院總費用單因素分析
2.2 子宮肌瘤患者住院總費用的單因素分析
經單因素分析，患者的年齡、醫療付款方式、轉歸情況、住院天數、主要手術方式、其他手術類型、其他診斷個數均對住院總費用有影響，差異有統計學意義（P<0.05）。見表1。
2.3 子宮肌瘤患者住院總費用的多因素分析
以總費用為因變量，以住院天數、轉歸、醫療付款方式、主要手術或操作方式、其他手術或操作類型、其他診斷個數為自變量（均以分類變量形式分析，參照分類見表2），擬合廣義線性模型，結果顯示，住院天數、主要手術方式、其他手術類型、其他診斷個數 4 個因素為子宮肌瘤住院費用的影響因素（P<0.05），見表2。根據 OR 值和專家意見，主要手術選擇影響最大，其次是其他手術類型、住院天數和其他診斷個數。模型檢驗的似然比 χ2=22973.850，P<0.001，表明該模型有統計學意義，擬合優度檢驗赤池信息準則=327099.230。
表2
子宮肌瘤患者住院總費用廣義線性模型分析
2.4 子宮肌瘤患者病例組合分組結果
采用決策樹中 CHAID 時，根據主要手術方式、其他手術類型、住院天數、其他診斷個數作為分組路徑的根節點，共形成 13 組病例組合。經非參數檢驗，13 個病例組合的費用分布之間不全相同，差異有統計學意義（H=5312.220，P<0.001），各組 CV 值范圍在 0.19～0.88，即組內費用具有同質性。RIV 為 0.34，即分組可解釋 34% 的變異。經計算解析比例為 94.61%，說明將每組費用的中位數作為標準費用較為合理。通過對不同組別子宮肌瘤住院費用的費用上限的計算與分析，發現 4.32% 的超限個案。見圖1、表3。
圖1
病種組合分類樹狀圖
表3
17010 例子宮肌瘤住院患者病例組合分組及費用統計
3 討論
本研究借鑒了按病種分值付費利用疾病診斷與治療方式的共性特征對病案數據進行分類的方法，首先對 17010 例子宮肌瘤患者的主要手術方式和其他手術類型進行分類，同時結合住院天數、其他診斷個數等特異性特征，采用決策樹分組方法對子宮肌瘤病例進行了客觀分組。
3.1 數據的代表性
研究中的 17010 例子宮肌瘤病例均來自復旦大學附屬婦產科醫院 2019 年－2021 年 3 年病案首頁，數據完整性、規范性、合理性較高，且醫院近 5 年子宮肌瘤重點病種的病例數在上海市三級醫院中占比約 50%，其研究結果具有一定的代表性，可為醫療保險的預算、支付、監管及醫院的管理和發展提供參考。子宮肌瘤病例的細化分組能夠反映收治子宮肌瘤的嚴重程度和治療的復雜狀態，使其更符合臨床實際，對高于各組平均費用上限界值的病例，應對其診療過程的合理或不合理進行判斷，例如是否住院時間長、是否有和診療無關的重復收費或拆分收費、是否大量使用高值耗材或藥品等；對于低于各組平均費用下限界值的病例，具體分析是否存在無指征住院或拆解住院的現象等。
3.2 分組變量
根據變量實際意義及專家咨詢結果，本研究選擇主要手術方式、其他手術類型、住院天數作為分組變量。研究中發現主要手術方式對住院總費用的影響最大，因此分組的根節點是主要手術方式，分為無手術或僅操作、宮腔鏡手術、腹腔鏡手術或開腹子宮次全切/全切術、子宮動脈栓塞術或開腹子宮肌瘤切除術四大類，其中腹腔鏡手術或開腹子宮次全切/全切術費用最高。第 2 層分類節點為其他手術類型，伴有附件手術和其他手術的住院費用高于其他 3 種手術類型。第 3 層分類節點為住院天數，可以看出，住院天數越長，費用越高。因此建議縮短住院天數，降低患者的住院費用，提高床位周轉率，提高醫院的經濟效益[12]。
3.3 分組付費方法評價
本研究結果顯示，由決策樹分類得到 13 個分組，組內費用同質性較強（CV<1），組間費用異質性好，提示分組合理。分組方法對于費用變異程度的解釋性較好（RIV 為 0.34），高于同類研究相關分組付費研究結果[13-15]。按照分組付費標準計算得到的總費用占實際費用的 94.61%，與實際費用較為接近，可作為子宮肌瘤住院患者的疾病分組補償依據。此外，本研究得到的分組相比于按病種分值付費關于子宮肌瘤的 134 組細分組[16]則較為濃縮和精煉。根據《國家醫療保障疾病診斷相關分組（CHS-DRG）分組方案（1.0 修訂版）》和上海市目前 CHS-DRG 分組方案，子宮肌瘤病種主要被分為以下 3 組：子宮手術（包括腹腔鏡下子宮肌瘤切除、腹腔鏡下全子宮/次全子宮切除、開腹全子宮/次全子宮切除）、子宮內膜手術（包括宮腔鏡下手術）、女性生殖系統其他疾患，伴或不伴并發癥與合并癥（指無手術或僅操作）等[17]，但 DRG 分組過粗，在本地化付費實踐過程中如未能充分考慮患者之間（包括所有相關次要診斷）與必要治療（包括所有相關操作）的差異，醫療機構得不到合理的補償，“撇奶油”與“縮減服務/不充分治療”等非預期結果的動機就會增加[18]。本研究利用疾病診斷與治療方式的共性特征對病案數據進行分類的方法，強調對其他手術進一步細分，并結合住院天數、其他診斷和年齡等因素進行分組，以尋求在精細應用與操作便捷之間合適的平衡點，使得病種組合更易于分析和管理。
3.4 意義與建議
本研究成果一方面可為開展 DRG 支付改革地區子宮肌瘤病種 DRG 細化分組、制定合理的補償機制提供依據，建議在試點中堅持數據驗證與臨床經驗相結合，在實施中不斷檢視，結合循證指南、臨床實踐不斷優化[19]，兼顧醫療保險支付管理要求和醫療服務實際需要，從而構建一套適應上海市定點醫療機構實際的醫療保險支付管理體系，提高醫療機構和醫務人員積極性，切實保障廣大參保人員的自身利益和醫療保險制度的持續發展；另一方面可促進醫院內部科學性、精細化管理，客觀、公正地對各科室進行績效考核，以提升其醫療服務能力與效率。國家 DRG 政策相繼出臺，“DRG 付費”“績效評價”“成本核算與成本控制”等已成為近幾年新的研究方向，也標志著醫院整體運營情況邁入更加精準化管理階段[20]。在病例組合分組中，各分組成本費用信息（藥品、耗材、醫技、護理、管理等費用）可以直接反映資源消耗水平及診療效率，并可通過層層挖掘，精確到科室、診療組和醫生。因此，醫療保險相關部門對子宮肌瘤病種進行付費結算后，醫院可根據病例細化分組，對收治此病種的科室、診療組和醫生進行績效考核和二次分配。通過各個科室、診療組和醫生治療同類病組的時間消耗指數、費用消耗指數等指標的比較，實現 DRG 分組相關指標與績效考核掛鉤，引導醫生合理診療，發揮主觀能動性，降低醫療成本，提高醫療效率，促使醫院科學性和精細化管理。
綜上所述，本研究借鑒 CHS-DRG 總體的分組策略和方法，綜合考慮醫療機構適宜病例的個體特征、合并癥和并發癥等因素，大類概括、逐層細化，按主手術方式、其他手術、住院天數、其他診斷個數等變量，運用決策樹方法，形成子宮肌瘤病種 13 組細化分組，既實現對同一診斷不同治療方法的客觀比對，又呈現不同病例的個性特征，從而客觀反映了疾病的嚴重程度和治療的復雜狀態，并計算出各組的標準費用，組內費用同質性較強，組間費用異質性較好。以決策樹模型作為分組技術制定的病例組合支付方式更符合子宮肌瘤臨床診療實際，可作為 DRG 病種細分組的方法學參考；DRG 實施背景下醫院可通過對 DRG 病種進行院內細分組為院內成本核算、績效分配等精細化管理提供決策依據。此外，對復雜病例的精準分組與償付需要建立在診斷、手術、操作填寫準確且完整的基礎上，因此編碼系統的精確性和病案首頁的完整性是關鍵[21]。
利益沖突：所有作者聲明不存在利益沖突。
子宮肌瘤是女性生殖器最常見的良性腫瘤，由平滑肌及結締組織組成，常見于 30～50 歲婦女，20 歲以下少見[1]。其真正的發病率和患病率仍未知，因為大多數病例都沒有癥狀，大約只有 25% 的病例有足夠的臨床意義，需要干預[2]。子宮肌瘤的治療方法需要根據癥狀的嚴重程度、是否希望保留子宮和國際婦產科聯盟分類標準進行手術和/或藥物治療。目前主要的手術治療有肌瘤切除術和子宮切除術，手術可經腹（包括開腹和腹腔鏡）、經陰道或經宮腔鏡進行；其他微無創手術則包括經導管子宮動脈栓塞術和高強度超聲聚焦消融等[3]。在臨床實際診療過程中，對子宮肌瘤的手術治療同時往往伴有附件病損切除、子宮內膜異位病灶電灼術和盆腔粘連松解術等其他手術，因此患者不同的手術方式、并發癥、年齡、住院天數等都會影響住院費用。本研究以子宮肌瘤住院患者病案首頁數據為基礎，按照“疾病診斷+治療方式”的共性特征對病案數據進行客觀分類，結合住院天數、年齡等因素，探討子宮肌瘤病例組合付費方法與疾病診斷相關分組（diagnosis-related group，DRG）細分組方案，為上海市國家醫療保障 DRG（China Healthcare Security-DRG，CHS-DRG）子宮肌瘤病種細化分組、制定合理補償機制提供依據，同時將 DRG 細分組相關指標納入醫院內部績效考評體系，以提升醫療服務能力與效率，進一步促進醫院科學化、精細化管理。
1 資料與方法
1.1 研究對象
收集復旦大學附屬婦產科醫院 2019 年－2021 年 3 年病案首頁數據，篩選條件為：主診斷按照國際疾病分類（International Classification of Diseases，ICD）第 10 版（ICD-10），編碼前 3 位為 D25。在數據預處理階段，對以下病案進行剔除：① 主要診斷與主要手術不符合；② 住院天數<1 d 或≥50 d[4]；③ 住院費用不在 范圍內。經篩選獲得有效病例 17010 例。本研究經復旦大學附屬婦產科醫院倫理委員會審查通過（批件號：婦產科倫審 2022-191）。
1.2 研究方法
采集的病案首頁數據包括：① 患者情況：年齡；② 住院信息：住院天數、轉歸、醫療付款方式；③ 疾病診斷信息：主要診斷和其他診斷（診斷名稱及對應 ICD-10 編碼）；④ 手術或操作信息：主要手術與其他手術（手術或操作名稱及對應 ICD-9-CM3 編碼）；⑤ 費用信息：包括住院總費用、床位費、手術治療費、護理費、藥品費、檢查費等費用信息。
研究以疾病和治療方式為基礎，結合住院天數、其他診斷等，采用非參數檢驗和廣義線性模型分析影響住院費用的因素，利用決策樹模型對子宮肌瘤住院患者進行分組及費用預測。
1.3 統計學方法
采用 Excel 2019 軟件進行數據清洗，SPSS 23 統計軟件進行統計分析和病例分組。計數資料采用例數和百分比表示；住院費用和住院天數均呈偏態分布，采用中位數（下四分位數，上四分位數）表示。統計分析均采用雙側檢驗，檢驗水準 α=0.05。
單因素分析：選取年齡、住院天數、轉歸、醫療付款方式、主要手術或操作方式、其他手術或操作類型、其他診斷個數共 7 個變量進行單因素分析，探究上述各因素對于子宮肌瘤患者住院費用的影響。其中，主要手術或操作方式變量中的“無手術或僅操作”分類，僅操作指診斷性刮宮或宮頸活檢等，“宮腔鏡手術”指宮腔鏡下子宮肌瘤切除術；其他手術或操作變量中的“無手術或僅操作”分類指宮腔鏡（或陰道鏡）活檢或檢查、避孕環取出等，“附件手術”包括輸卵管或卵巢囊腫剝除、輸卵管或卵巢切除術等，“其他手術”包括盆腔子宮內膜異位病灶電灼術、盆腔腹膜/腸粘連松解術等。由于住院費用呈偏態分布，故采用非參數檢驗 Kruskal-Wallis H 檢驗進行組間比較。
多因素分析：采用廣義線性模型進行多因素分析，采用 Tweedie 對數連接函數，以住院費用為因變量，同時考慮到在臨床實際中，年齡與主要手術治療方式的選擇高度相關，存在共線性，因此以住院天數、轉歸、醫療付款方式、主要手術或操作方式、其他手術或操作類型、其他診斷個數為自變量進行分析，計算比值比（odds ratio，OR）及其 95% 置信區間（confidence interval，CI），根據 OR 值及專家意見，了解各因素對住院費用的影響程度。
決策樹分析：根據單因素與多因素分析結果，采用決策樹中卡方自動交互檢驗法（chi-square automatic interaction detection，CHAID）算法進行病例組合分類。其核心思想是根據目標變量以及經過篩選的預測變量對樣本進行最優分割，按照 χ2 檢驗是否有統計學意義進行多元列聯表的自動判斷分組[5]，既可處理數值變量，也可處理分類變量，其模型易于轉化為分類規則，準確度高[6-8]。以住院費用為因變量，將廣義線性模型中影響變量納入決策樹中。決策樹的父節點定義為組內病例數量不少于 1000 例，子節點的病例數不少于 500 例，每個分類節點的檢驗水準為 0.05。
離群值、方差減少值（reduction in variance，RIV）、變異系數（coefficient of variation，CV）和解析比例的計算：① 采用中段區間法確認離群值，將 QU+1.5×（QU–QL）作為費用上限，QL–0.5×（QU–QL）作為費用下限（QL 和 QU 分別為費用的下四分位數和上四分位數）。高于費用上限或低于費用下限的病例視為可疑病例，在計算相關參數時予以剔除。② 采用 RIV 評價分組對于總體變異的解釋程度，RIV 越大，表示分組方法對總體變異的解釋程度越高。RIV=（住院費用的總離均差平方和–n 個組住院費用的離均差平方和）/住院費用的總離均差平方和[9]。③ 采用 CV（CV=標準差/均數）衡量組內的一致性。當某個 DRG 醫療費用或住院時間的 CV 值大于 1，一般會認為組內變異過大，一致性不佳，需要考慮細分或調整分組[4, 10-11]。④ 解析比例：解析比例=各組標準費用×例數/實際總費用×100%，研究中子宮肌瘤患者住院總費用呈偏態分布，因此標準費用采用中位數代表每組子宮肌瘤病例住院費用的平均水平。
2 結果
2.1 基本情況
本研究納入 2019 年－2021 年共 17010 例子宮肌瘤患者的住院病案首頁數據。其中患者年齡 40～49 歲占比 47.88%，城鎮職工醫療保險占比 52.36%，腹腔鏡手術占比 75.66%，詳見表1。患者住院費用和住院天數均呈偏態分布，住院天數均數為 4.37 d，中位數（下四分位數，上四分位數）為 4（3，6）d；住院費用均數為 16742.93 元，中位數（下四分位數，上四分位數）為 17045.19（13770.81，20324.45）元。
表1
17010 例子宮肌瘤患者住院總費用單因素分析
2.2 子宮肌瘤患者住院總費用的單因素分析
經單因素分析，患者的年齡、醫療付款方式、轉歸情況、住院天數、主要手術方式、其他手術類型、其他診斷個數均對住院總費用有影響，差異有統計學意義（P<0.05）。見表1。
2.3 子宮肌瘤患者住院總費用的多因素分析
以總費用為因變量，以住院天數、轉歸、醫療付款方式、主要手術或操作方式、其他手術或操作類型、其他診斷個數為自變量（均以分類變量形式分析，參照分類見表2），擬合廣義線性模型，結果顯示，住院天數、主要手術方式、其他手術類型、其他診斷個數 4 個因素為子宮肌瘤住院費用的影響因素（P<0.05），見表2。根據 OR 值和專家意見，主要手術選擇影響最大，其次是其他手術類型、住院天數和其他診斷個數。模型檢驗的似然比 χ2=22973.850，P<0.001，表明該模型有統計學意義，擬合優度檢驗赤池信息準則=327099.230。
表2
子宮肌瘤患者住院總費用廣義線性模型分析
2.4 子宮肌瘤患者病例組合分組結果
采用決策樹中 CHAID 時，根據主要手術方式、其他手術類型、住院天數、其他診斷個數作為分組路徑的根節點，共形成 13 組病例組合。經非參數檢驗，13 個病例組合的費用分布之間不全相同，差異有統計學意義（H=5312.220，P<0.001），各組 CV 值范圍在 0.19～0.88，即組內費用具有同質性。RIV 為 0.34，即分組可解釋 34% 的變異。經計算解析比例為 94.61%，說明將每組費用的中位數作為標準費用較為合理。通過對不同組別子宮肌瘤住院費用的費用上限的計算與分析，發現 4.32% 的超限個案。見圖1、表3。
圖1
病種組合分類樹狀圖
表3
17010 例子宮肌瘤住院患者病例組合分組及費用統計
3 討論
本研究借鑒了按病種分值付費利用疾病診斷與治療方式的共性特征對病案數據進行分類的方法，首先對 17010 例子宮肌瘤患者的主要手術方式和其他手術類型進行分類，同時結合住院天數、其他診斷個數等特異性特征，采用決策樹分組方法對子宮肌瘤病例進行了客觀分組。
3.1 數據的代表性
研究中的 17010 例子宮肌瘤病例均來自復旦大學附屬婦產科醫院 2019 年－2021 年 3 年病案首頁，數據完整性、規范性、合理性較高，且醫院近 5 年子宮肌瘤重點病種的病例數在上海市三級醫院中占比約 50%，其研究結果具有一定的代表性，可為醫療保險的預算、支付、監管及醫院的管理和發展提供參考。子宮肌瘤病例的細化分組能夠反映收治子宮肌瘤的嚴重程度和治療的復雜狀態，使其更符合臨床實際，對高于各組平均費用上限界值的病例，應對其診療過程的合理或不合理進行判斷，例如是否住院時間長、是否有和診療無關的重復收費或拆分收費、是否大量使用高值耗材或藥品等；對于低于各組平均費用下限界值的病例，具體分析是否存在無指征住院或拆解住院的現象等。
3.2 分組變量
根據變量實際意義及專家咨詢結果，本研究選擇主要手術方式、其他手術類型、住院天數作為分組變量。研究中發現主要手術方式對住院總費用的影響最大，因此分組的根節點是主要手術方式，分為無手術或僅操作、宮腔鏡手術、腹腔鏡手術或開腹子宮次全切/全切術、子宮動脈栓塞術或開腹子宮肌瘤切除術四大類，其中腹腔鏡手術或開腹子宮次全切/全切術費用最高。第 2 層分類節點為其他手術類型，伴有附件手術和其他手術的住院費用高于其他 3 種手術類型。第 3 層分類節點為住院天數，可以看出，住院天數越長，費用越高。因此建議縮短住院天數，降低患者的住院費用，提高床位周轉率，提高醫院的經濟效益[12]。
3.3 分組付費方法評價
本研究結果顯示，由決策樹分類得到 13 個分組，組內費用同質性較強（CV<1），組間費用異質性好，提示分組合理。分組方法對于費用變異程度的解釋性較好（RIV 為 0.34），高于同類研究相關分組付費研究結果[13-15]。按照分組付費標準計算得到的總費用占實際費用的 94.61%，與實際費用較為接近，可作為子宮肌瘤住院患者的疾病分組補償依據。此外，本研究得到的分組相比于按病種分值付費關于子宮肌瘤的 134 組細分組[16]則較為濃縮和精煉。根據《國家醫療保障疾病診斷相關分組（CHS-DRG）分組方案（1.0 修訂版）》和上海市目前 CHS-DRG 分組方案，子宮肌瘤病種主要被分為以下 3 組：子宮手術（包括腹腔鏡下子宮肌瘤切除、腹腔鏡下全子宮/次全子宮切除、開腹全子宮/次全子宮切除）、子宮內膜手術（包括宮腔鏡下手術）、女性生殖系統其他疾患，伴或不伴并發癥與合并癥（指無手術或僅操作）等[17]，但 DRG 分組過粗，在本地化付費實踐過程中如未能充分考慮患者之間（包括所有相關次要診斷）與必要治療（包括所有相關操作）的差異，醫療機構得不到合理的補償，“撇奶油”與“縮減服務/不充分治療”等非預期結果的動機就會增加[18]。本研究利用疾病診斷與治療方式的共性特征對病案數據進行分類的方法，強調對其他手術進一步細分，并結合住院天數、其他診斷和年齡等因素進行分組，以尋求在精細應用與操作便捷之間合適的平衡點，使得病種組合更易于分析和管理。
3.4 意義與建議
本研究成果一方面可為開展 DRG 支付改革地區子宮肌瘤病種 DRG 細化分組、制定合理的補償機制提供依據，建議在試點中堅持數據驗證與臨床經驗相結合，在實施中不斷檢視，結合循證指南、臨床實踐不斷優化[19]，兼顧醫療保險支付管理要求和醫療服務實際需要，從而構建一套適應上海市定點醫療機構實際的醫療保險支付管理體系，提高醫療機構和醫務人員積極性，切實保障廣大參保人員的自身利益和醫療保險制度的持續發展；另一方面可促進醫院內部科學性、精細化管理，客觀、公正地對各科室進行績效考核，以提升其醫療服務能力與效率。國家 DRG 政策相繼出臺，“DRG 付費”“績效評價”“成本核算與成本控制”等已成為近幾年新的研究方向，也標志著醫院整體運營情況邁入更加精準化管理階段[20]。在病例組合分組中，各分組成本費用信息（藥品、耗材、醫技、護理、管理等費用）可以直接反映資源消耗水平及診療效率，并可通過層層挖掘，精確到科室、診療組和醫生。因此，醫療保險相關部門對子宮肌瘤病種進行付費結算后，醫院可根據病例細化分組，對收治此病種的科室、診療組和醫生進行績效考核和二次分配。通過各個科室、診療組和醫生治療同類病組的時間消耗指數、費用消耗指數等指標的比較，實現 DRG 分組相關指標與績效考核掛鉤，引導醫生合理診療，發揮主觀能動性，降低醫療成本，提高醫療效率，促使醫院科學性和精細化管理。
綜上所述，本研究借鑒 CHS-DRG 總體的分組策略和方法，綜合考慮醫療機構適宜病例的個體特征、合并癥和并發癥等因素，大類概括、逐層細化，按主手術方式、其他手術、住院天數、其他診斷個數等變量，運用決策樹方法，形成子宮肌瘤病種 13 組細化分組，既實現對同一診斷不同治療方法的客觀比對，又呈現不同病例的個性特征，從而客觀反映了疾病的嚴重程度和治療的復雜狀態，并計算出各組的標準費用，組內費用同質性較強，組間費用異質性較好。以決策樹模型作為分組技術制定的病例組合支付方式更符合子宮肌瘤臨床診療實際，可作為 DRG 病種細分組的方法學參考；DRG 實施背景下醫院可通過對 DRG 病種進行院內細分組為院內成本核算、績效分配等精細化管理提供決策依據。此外，對復雜病例的精準分組與償付需要建立在診斷、手術、操作填寫準確且完整的基礎上，因此編碼系統的精確性和病案首頁的完整性是關鍵[21]。
利益沖突：所有作者聲明不存在利益沖突。
