引用本文： 宋康, 劉新靚, 羅小霞, 張志彬, 潘衛兵, 李準, 黎浩. 基于決策樹模型的梗阻性腎盂積水患者住院費用及病例組合優化研究. 華西醫學, 2023, 38(10): 1530-1536. doi: 10.7507/1002-0179.202304119 復制
伴有腎臟和/或輸尿管結石性梗阻的腎盂積水（以下簡稱“梗阻性腎盂積水”）是泌尿系統常見疾病，其發病率和患病率因地區和人群而異，若不及時有效治療，將增加尿路感染、高血壓等發生風險，嚴重時可導致腎實質萎縮與腎纖維化[1]，給患者和國家帶來較大的經濟負擔。梗阻性腎盂積水的治療方法需根據結石特點、梗阻位置、癥狀嚴重程度進行手術和/或藥物治療，具有治療方案多樣、費用差異大的特征，因此對這類患者住院費用與分組的深入分析對費用控制有重要意義。目前，按疾病診斷相關分組（diagnosis related groups, DRG）付費與按病種分值付費（diagnosis-intervention packet, DIP）均是我國醫療保險部門控制醫療費用的有力工具，國內學者對利用決策樹模型構建病例組合已進行了豐富的探索[2-5]，但對病例組合的研究多基于 DRG 分組原理，即以住院費用為目標變量，將住院費用影響因素作為分類節點變量，其中節點變量多為性別、年齡、住院天數、是否手術等，而少有結合 DIP 分組原理進行病例組合探索。DRG 與 DIP 均是病例組合的不同形式，既往研究運用決策樹基于 DRG 分組原理構建病例組合對結合 DIP 分組原理開展病例組合探索[2-5]有極強的借鑒意義。不同于 DRG 是按照診斷和治療方式，結合年齡、合并癥、并發癥、治療結局等因素進行分組的原理，DIP 是對疾病診斷和手術操作進行窮舉聚類形成自然分組，雖操作簡單且在跨區域推廣上的借鑒意義更高[6]，但強調對客觀真實數據的統計分析而缺少臨床經驗論證的分組邏輯使得病種分組過多過細，可能增加醫院管理成本[7]，無法有效抑制供方潛在的服務升級和誘導需求[8]，同時對反映疾病嚴重程度與個性特征的輔助目錄研究尚待完善[9]，難以客觀反映不同病種之間資源消耗水平以合理補償供方。因此，本研究以梗阻性腎盂積水為例，分析住院費用影響因素，結合 DIP 分組原理與 DRG 多因素分組策略，利用決策樹模型構建梗阻性腎盂積水病例組合方案，計算費用標準與合理的費用空間，為醫療保險部門和醫院管理者提供參考。
1 資料與方法
1.1 資料來源與變量選擇
收集深圳市坪山區人民醫院 2019 年 1 月－2021 年 12 月的病案首頁數據，按照國際疾病分類第 10 版（International Classification of Diseases-10th revision, ICD-10），選擇主要診斷為伴有腎臟和輸尿管結石性梗阻的腎盂積水（ICD-10 編碼為 N13.2）的病例作為研究對象。為避免極端值的影響，參考程廣輝等[2]與彭伊婧等[3]的研究，按照以下標準對數據進行剔除：① 首頁信息存在重要數據遺漏缺項、不符合邏輯及填寫錯誤；② 住院費用在第 1 百分位數與第 99 百分位數（P1～P99）之外；③ 住院天數≤1 d 或>60 d。本研究已通過深圳市坪山區人民醫院倫理委員會的審核并獲批準（審批號：2022110410345658）。
采集的數據包括患者性別、年齡、婚姻狀況、職業、付款方式、入院途徑、入院病情、其他診斷、病例分型、手術或操作信息、是否藥物過敏、是否臨床路徑、是否首次住院、住院天數、住院總費用。對數據進行相應變換，并將其分為社會經濟學、臨床學、醫療資源消耗 3 類變量，變量賦值見表1。
表1
變量賦值表
1.2 研究方法
本研究以 DIP 分組原理為基礎，不再對疾病診斷和手術操作進行窮舉聚類，而是將具體手術操作組合分為主要手術方式和其他手術個數，結合住院費用影響因素，運用決策樹模型中卡方自動交互檢測（chi-squared automatic interaction detection, CHAID）算法對梗阻性腎盂積水患者進行分組及費用預測。CHAID 算法的核心思想是根據給定的目標變量和預測變量對樣本進行最優分割，按照 χ2 檢驗的顯著性進行多元列聯表的自動判斷分組[4]，其分組的核心在于組間異質性大、組內同質性強，符合 DRG 與 DIP 分組的原則，為開展病例組合研究提供方法學支持。此外，決策樹不僅能對數值變量進行處理，還能處理分類變量，而且易將模型轉換成分類規則，具有較高的準確度，其在病例組合研究中得到了廣泛應用[10]。
1.3 統計學方法
采用 Excel 2021 軟件整理匯總病案首頁數據，使用 SPSS Statistics 24.0 軟件對數據進行統計描述和分析，計數資料采用例數和百分比表示；運用 Kolmogorov-Smirnov 檢驗對住院總費用進行正態性檢驗，若符合正態分布，使用均數和標準差描述，用 t 檢驗和方差分析進行單因素檢驗；若不符合正態分布，則采用中位數和四分位間距描述，用 Mann-Whitney U 和 Kruskal-Wallis H 非參數檢驗進行單因素分析。雙側檢驗水準 α=0.05。
以性別、年齡、婚姻狀況、職業、付款方式、入院途徑、離院方式、是否首次住院、入院病情、其他診斷數量、病例分型、是否藥物過敏、是否臨床路徑、住院天數為自變量，按照 α進入=0.05，α剔除=0.10，建立住院費用多重逐步線性回歸模型，以方差膨脹因子<10 作為自變量間無共線性的判斷依據；因多重線性回歸模型要求解釋變量固定時所對應的反應變量服從正態分布，即要求殘差滿足正態[11]，故采用殘差直方圖和 P-P 圖判斷回歸模型是否滿足正態性，若標準化殘差直方圖呈正態分布、殘差 P-P 圖近似一條直線，說明殘差符合正態分布、模型符合正態性條件[12]。將回歸模型中有統計學意義的變量和主要手術編碼與其他手術個數納入決策樹模型，選取 CHAID 算法，采用交叉驗證方法對模型進行過度擬合檢驗，設置樣本群數為 10，決策樹最大深度為 3，父節點的最小樣本數為 100，子節點的最小樣本數為 50，拆分置信度為 95%。
1.4 評價標準
參考既往研究[13-14]，通常從組內同質性和組間異質性兩方面評價決策樹分組效果：采用變異系數（coefficient of variation, CV）評價組內同質性，CV=標準差/均數；采用方差減少量（reduction in variance, RIV）評價組間異質性，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。一般來說，CV 值越小，說明組內變異程度越小，組內同質性越好；RIV 值越大，說明組間異質性越強，分組效果越好。盡管各分組內的住院費用變異較小，為避免極端值影響，以中位數作為標準費用；參考相關研究，以住院費用 75% 分位數+1.5 倍四分位間距作為各分組的費用上限[5, 15-16]，超出費用上限的病例即為費用超標病例。利用解析比例評價分組付費標準與實際費用接近程度，解析比例=各組標準費用×例數/實際總費用×100%，解析比例大于 90% 說明分組付費標準接近實際[17]。
2 結果
2.1 基本情況
共收集有效病例 1319 例，經正態性檢驗，住院總費用不符合正態分布（Z=0.155，P<0.05），采用中位數和四分位間距描述住院總費用，中位數為 10889.59 元，四分位間距為 10943.89 元；住院天數中位數為 5 d，四分位間距為 3 d。患者性別以男性為主（84.31%），主要年齡段為 31～50 歲（69.52%），婚姻狀況多為已婚（82.26%）；職業分布多為在職（80.51%）。患者詳細情況見表2。
表2
患者基本情況與住院費用單因素分析
2.2 梗阻性腎盂積水患者住院費用影響因素分析
采用 Mann-Whitney U 和 Kruskal-Wallis H 非參數檢驗進行單因素分析，結果顯示，性別、年齡、婚姻狀況、付款方式、其他診斷數量、離院方式、病例分型、是否臨床路徑、是否首次住院、住院天數對住院費用有影響（P<0.05），見表2。多重逐步線性回歸分析結果顯示，病例分型、住院天數、入院病情、是否首次住院、是否臨床路徑、離院方式、其他診斷數量、入院途徑是住院費用的影響因素（P<0.05）。多重逐步線性回歸模型的殘差直方圖近似正態分布，P-P 圖近似一條直線，說明滿足多重線性回歸的正態性條件。經共線性診斷，所有方差膨脹因子均小于 2，說明各自變量間不存在共線性問題。回歸分析結果見表3。
表3
住院費用影響因素多重逐步線性回歸分析結果
2.3 基于決策樹的分組結果
以住院總費用為根節點，將主要手術碼、其他手術個數和回歸模型中有統計學意義的變量作為分類節點，采用 CHAID 算法構建決策樹模型，最終形成 12 個決策樹分組，分組方案見表4。經計算，各分組 CV 最大為 0.33，組內同質性好；RIV 為 86.10%，即分組費用可解釋住院費用總變異的 86.1%，組間異質性強。
表4
梗阻性腎盂積水患者病例組合分組方案
2.4 分組費用標準
本研究分組方案中，第 9 組費用標準最高，表明該組患者病情復雜且消耗醫療資源較多。根據費用上限發現費用超標病例 43 例，占研究總病例 3.26%，超標病例費用消耗比例為 4.35%，其中第 4、8、10 組超標病例占比超 5%。經計算，病例組合的費用解析比例為 96.25%，說明各組付費標準與實際較為接近，見表5。
表5
病例組合費用標準及超標情況
3 討論
3.1 梗阻性腎盂積水患者住院費用影響因素多樣
多重線性回歸結果表明，各影響因素對梗阻性腎盂積水患者住院費用影響度從大到小依次為病例分型、住院天數、入院病情、是否首次住院、是否臨床路徑、離院方式、其他診斷數量、入院途徑。疑難或危重住院患者住院費用高于一般急診患者，程廣輝等[2]的研究也得出了相似的觀點，可能是由于患者病情越嚴重，所需藥品也相對較好、價格更高，同時需要搶救的可能性也越大，搶救措施會花費較多的人力、物力，且發生感染、并發癥的可能性也較高，導致住院費用增加；住院費用與住院天數、其他診斷數量呈正相關，由于住院天數越長、其他診斷數量越多，治療疾病需要消耗更多的醫療資源，導致住院費用增高，這與既往研究結果[18-19]相符合；入院病情情況不明患者住院費用高于有入院病情和入院病情未確定患者，原因可能是情況不明患者往往需要更多的檢查及時間去輾轉確診；非首次住院患者住院費用高于首次住院費用，這與黃娟[20]的研究結果一致，可能是結石急性發作而頻繁住院，每次住院都需重新檢查確定結石位置，且結石復發加重腎盂積水并發感染，導致疾病更加嚴重；臨床路徑病例住院費用顯著低于非臨床路徑病例，張敏等[21]也得出了一樣的結論，表明臨床路徑對降低住院費用、提高醫療效率具有重要作用；本研究中非醫囑離院患者住院費用低于醫囑離院患者、急診患者住院費用低于門診患者，可能原因是梗阻性腎盂積水多是因為突然發作，因疼痛難忍而住院，但經止痛與抗感染處理后，患者不愿進一步手術治療而導致住院費用偏低。
3.2 分組變量為優化梗阻性腎盂積水 DIP 分組提供參考
結合多重線性回歸分析結果，本研究中決策樹以主要手術方式、是否臨床路徑病例、住院天數、其他手術個數、其他診斷數量作為分組變量，最終形成 12 組病例組合。分組結果顯示，主要手術方式為分組的第 1 層節點，說明主要手術對住院費用影響最大，第 1 層分為 7 個手術粗分組，第 1 層的分組結果符合 DIP 分組原理，即按照“疾病診斷+治療方式”的進行分類，但本研究得到的 7 組粗分組和 12 組細分組比深圳市按病種分值付費庫關于病種“N13.2”的 51 組病種更為濃縮和提煉，可一定程度避免 DIP 分組過細帶來的輕病入院、高套分值等不合理行為[22]。進一步分析可以發現，手術粗分組 1 中有“是否臨床路徑病、其他手術個數”分類節點、手術粗分組 2 中有“住院天數”分類節點、手術粗分組 3 中有“其他診斷數量”分類節點，說明不同手術方式的住院費用影響因素不同；而手術粗分組 1 按照是否臨床路徑病例、其他手術個數進一步細分為 3 組，手術粗分組 2 按照住院天數、其他手術個數細分成 3 組，手術粗分組 3 根據其他診斷數量細分成 2 組，提示即使在同一種手術類型中，住院費用消耗也存在差異。因此，一方面建議醫療機構在保證醫療質量的前提下，可以通過合理縮短住院天數、加強臨床路徑管理，將患者住院費用控制在 DIP 付費標準之內，提高醫院經濟效益；另一方面，醫療保險部門可考慮將 DRG 分組策略融合到 DIP 中，綜合統計數據與臨床經驗，可以把住院天數、是否臨床路徑、有無其他診斷納入 DIP 反映梗阻性腎盂積水疾病嚴重程度的輔助目錄，根據資源消耗個性差異，制定合理的費用標準，以對醫療機構進行合理補償，避免醫療機構出現選擇輕癥、推諉重癥患者等“撇奶油”現象[23]。
3.3 基于決策樹的病例分組方案合理，加強超限費用監管
本研究由決策樹分類得到 12 個分組，各組 CV 均小于 0.4 且 RIV 大于 80%，說明各組組內同質性強，組間異質性大，提示分組合理，符合資源消耗相近的分組原則。按照分組標準費用計算費用解析比例為 96.25%，與實際費用接近，因此分組付費標準可作為梗阻性腎盂積水患者病種分組的補償依據。以 75% 分位數+1.5 倍四分位間距作為各組費用上限，計算結果顯示近 3 年梗阻性腎盂積水患者費用超標病例共 43 例，占研究總病例 3.26%，超標病例費用消耗比例為 4.35%，提示樣本醫院存在醫療資源消耗過度問題。進一步分析發現，第 4、8、10 組超標病例比例高于 5%，其中第 8、10 組超標病例費用消耗占比超過該組 10% 的醫療資源，監測及分析超標住院費用是控制梗阻性腎盂積水患者費用的關鍵，醫院應轉變管理理念，主動加強控費意識，減少不良診療行為，從源頭上杜絕不合理超標病例。另外，通過測算 12 個病例組合的梗阻性腎盂積水患者的標準費用和費用上限，明確了各病例組合的最大資源消耗量，促使醫院將成本控制在支付標準之內，以減少醫療資源的浪費。此外，醫院可在醫療保險部門對病種進行付費結算后，根據病例組合費用標準對收治此病種的醫生、診療組、科室進行績效考核和二次分配，通過對時間消耗指數、費用消耗指數等指標的比較，實現病例組合與績效考核掛鉤，調動醫生積極性，保證醫療質量前提下，主動降低醫療成本，提高醫療效率，推進醫院管理的科學化、精細化。
綜上所述，本研究以梗阻性腎盂積水為例，借鑒 DIP 分組原理與 DRG 多因素分組策略，按照主要手術方式、其他手術個數及其他住院費用影響因素，運用決策樹方法構建了 12 組分組合理的病例組合，既客觀比對了同一疾病診斷不同治療方式，又反映不同病例的個性特征，更加符合臨床診療實際。按照結合 DIP 分組原理和 DRG 分組策略的分組思路制定的病例組合可為醫療保險部門完善 DIP 輔助目錄、融合 DIP 與 DRG 提供參考；DRG/DIP 付費背景下，醫院可參考本研究的分組思路進行病例組合研究，測算各組合的標準費用和費用上限，為院內成本核算、控制病組成本、完善績效分配等精細化管理提供決策依據。本研究后續還可以進行以下改進：第一，本研究只納入深圳市坪山區一家二級綜合醫院近 3 年的病例數據，數據代表性和樣本量有限，可能會對分組結果產生一定的影響，未來應使數據更具有代表性，今后研究應不斷補充樣本，對分組模型進一步優化。第二，與其他過往研究一樣，本研究尚未對在 DRG/DIP 支付方式改革背景下如何標準化不同并發癥和手術方式的臨床路徑進行研究，在今后的研究中還需進一步攻關，以實現 DRG/DIP 和臨床路徑的深度融合。
利益沖突：所有作者聲明不存在利益沖突。
伴有腎臟和/或輸尿管結石性梗阻的腎盂積水（以下簡稱“梗阻性腎盂積水”）是泌尿系統常見疾病，其發病率和患病率因地區和人群而異，若不及時有效治療，將增加尿路感染、高血壓等發生風險，嚴重時可導致腎實質萎縮與腎纖維化[1]，給患者和國家帶來較大的經濟負擔。梗阻性腎盂積水的治療方法需根據結石特點、梗阻位置、癥狀嚴重程度進行手術和/或藥物治療，具有治療方案多樣、費用差異大的特征，因此對這類患者住院費用與分組的深入分析對費用控制有重要意義。目前，按疾病診斷相關分組（diagnosis related groups, DRG）付費與按病種分值付費（diagnosis-intervention packet, DIP）均是我國醫療保險部門控制醫療費用的有力工具，國內學者對利用決策樹模型構建病例組合已進行了豐富的探索[2-5]，但對病例組合的研究多基于 DRG 分組原理，即以住院費用為目標變量，將住院費用影響因素作為分類節點變量，其中節點變量多為性別、年齡、住院天數、是否手術等，而少有結合 DIP 分組原理進行病例組合探索。DRG 與 DIP 均是病例組合的不同形式，既往研究運用決策樹基于 DRG 分組原理構建病例組合對結合 DIP 分組原理開展病例組合探索[2-5]有極強的借鑒意義。不同于 DRG 是按照診斷和治療方式，結合年齡、合并癥、并發癥、治療結局等因素進行分組的原理，DIP 是對疾病診斷和手術操作進行窮舉聚類形成自然分組，雖操作簡單且在跨區域推廣上的借鑒意義更高[6]，但強調對客觀真實數據的統計分析而缺少臨床經驗論證的分組邏輯使得病種分組過多過細，可能增加醫院管理成本[7]，無法有效抑制供方潛在的服務升級和誘導需求[8]，同時對反映疾病嚴重程度與個性特征的輔助目錄研究尚待完善[9]，難以客觀反映不同病種之間資源消耗水平以合理補償供方。因此，本研究以梗阻性腎盂積水為例，分析住院費用影響因素，結合 DIP 分組原理與 DRG 多因素分組策略，利用決策樹模型構建梗阻性腎盂積水病例組合方案，計算費用標準與合理的費用空間，為醫療保險部門和醫院管理者提供參考。
1 資料與方法
1.1 資料來源與變量選擇
收集深圳市坪山區人民醫院 2019 年 1 月－2021 年 12 月的病案首頁數據，按照國際疾病分類第 10 版（International Classification of Diseases-10th revision, ICD-10），選擇主要診斷為伴有腎臟和輸尿管結石性梗阻的腎盂積水（ICD-10 編碼為 N13.2）的病例作為研究對象。為避免極端值的影響，參考程廣輝等[2]與彭伊婧等[3]的研究，按照以下標準對數據進行剔除：① 首頁信息存在重要數據遺漏缺項、不符合邏輯及填寫錯誤；② 住院費用在第 1 百分位數與第 99 百分位數（P1～P99）之外；③ 住院天數≤1 d 或>60 d。本研究已通過深圳市坪山區人民醫院倫理委員會的審核并獲批準（審批號：2022110410345658）。
采集的數據包括患者性別、年齡、婚姻狀況、職業、付款方式、入院途徑、入院病情、其他診斷、病例分型、手術或操作信息、是否藥物過敏、是否臨床路徑、是否首次住院、住院天數、住院總費用。對數據進行相應變換，并將其分為社會經濟學、臨床學、醫療資源消耗 3 類變量，變量賦值見表1。
表1
變量賦值表
1.2 研究方法
本研究以 DIP 分組原理為基礎，不再對疾病診斷和手術操作進行窮舉聚類，而是將具體手術操作組合分為主要手術方式和其他手術個數，結合住院費用影響因素，運用決策樹模型中卡方自動交互檢測（chi-squared automatic interaction detection, CHAID）算法對梗阻性腎盂積水患者進行分組及費用預測。CHAID 算法的核心思想是根據給定的目標變量和預測變量對樣本進行最優分割，按照 χ2 檢驗的顯著性進行多元列聯表的自動判斷分組[4]，其分組的核心在于組間異質性大、組內同質性強，符合 DRG 與 DIP 分組的原則，為開展病例組合研究提供方法學支持。此外，決策樹不僅能對數值變量進行處理，還能處理分類變量，而且易將模型轉換成分類規則，具有較高的準確度，其在病例組合研究中得到了廣泛應用[10]。
1.3 統計學方法
采用 Excel 2021 軟件整理匯總病案首頁數據，使用 SPSS Statistics 24.0 軟件對數據進行統計描述和分析，計數資料采用例數和百分比表示；運用 Kolmogorov-Smirnov 檢驗對住院總費用進行正態性檢驗，若符合正態分布，使用均數和標準差描述，用 t 檢驗和方差分析進行單因素檢驗；若不符合正態分布，則采用中位數和四分位間距描述，用 Mann-Whitney U 和 Kruskal-Wallis H 非參數檢驗進行單因素分析。雙側檢驗水準 α=0.05。
以性別、年齡、婚姻狀況、職業、付款方式、入院途徑、離院方式、是否首次住院、入院病情、其他診斷數量、病例分型、是否藥物過敏、是否臨床路徑、住院天數為自變量，按照 α進入=0.05，α剔除=0.10，建立住院費用多重逐步線性回歸模型，以方差膨脹因子<10 作為自變量間無共線性的判斷依據；因多重線性回歸模型要求解釋變量固定時所對應的反應變量服從正態分布，即要求殘差滿足正態[11]，故采用殘差直方圖和 P-P 圖判斷回歸模型是否滿足正態性，若標準化殘差直方圖呈正態分布、殘差 P-P 圖近似一條直線，說明殘差符合正態分布、模型符合正態性條件[12]。將回歸模型中有統計學意義的變量和主要手術編碼與其他手術個數納入決策樹模型，選取 CHAID 算法，采用交叉驗證方法對模型進行過度擬合檢驗，設置樣本群數為 10，決策樹最大深度為 3，父節點的最小樣本數為 100，子節點的最小樣本數為 50，拆分置信度為 95%。
1.4 評價標準
參考既往研究[13-14]，通常從組內同質性和組間異質性兩方面評價決策樹分組效果：采用變異系數（coefficient of variation, CV）評價組內同質性，CV=標準差/均數；采用方差減少量（reduction in variance, RIV）評價組間異質性，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。一般來說，CV 值越小，說明組內變異程度越小，組內同質性越好；RIV 值越大，說明組間異質性越強，分組效果越好。盡管各分組內的住院費用變異較小，為避免極端值影響，以中位數作為標準費用；參考相關研究，以住院費用 75% 分位數+1.5 倍四分位間距作為各分組的費用上限[5, 15-16]，超出費用上限的病例即為費用超標病例。利用解析比例評價分組付費標準與實際費用接近程度，解析比例=各組標準費用×例數/實際總費用×100%，解析比例大于 90% 說明分組付費標準接近實際[17]。
2 結果
2.1 基本情況
共收集有效病例 1319 例，經正態性檢驗，住院總費用不符合正態分布（Z=0.155，P<0.05），采用中位數和四分位間距描述住院總費用，中位數為 10889.59 元，四分位間距為 10943.89 元；住院天數中位數為 5 d，四分位間距為 3 d。患者性別以男性為主（84.31%），主要年齡段為 31～50 歲（69.52%），婚姻狀況多為已婚（82.26%）；職業分布多為在職（80.51%）。患者詳細情況見表2。
表2
患者基本情況與住院費用單因素分析
2.2 梗阻性腎盂積水患者住院費用影響因素分析
采用 Mann-Whitney U 和 Kruskal-Wallis H 非參數檢驗進行單因素分析，結果顯示，性別、年齡、婚姻狀況、付款方式、其他診斷數量、離院方式、病例分型、是否臨床路徑、是否首次住院、住院天數對住院費用有影響（P<0.05），見表2。多重逐步線性回歸分析結果顯示，病例分型、住院天數、入院病情、是否首次住院、是否臨床路徑、離院方式、其他診斷數量、入院途徑是住院費用的影響因素（P<0.05）。多重逐步線性回歸模型的殘差直方圖近似正態分布，P-P 圖近似一條直線，說明滿足多重線性回歸的正態性條件。經共線性診斷，所有方差膨脹因子均小于 2，說明各自變量間不存在共線性問題。回歸分析結果見表3。
表3
住院費用影響因素多重逐步線性回歸分析結果
2.3 基于決策樹的分組結果
以住院總費用為根節點，將主要手術碼、其他手術個數和回歸模型中有統計學意義的變量作為分類節點，采用 CHAID 算法構建決策樹模型，最終形成 12 個決策樹分組，分組方案見表4。經計算，各分組 CV 最大為 0.33，組內同質性好；RIV 為 86.10%，即分組費用可解釋住院費用總變異的 86.1%，組間異質性強。
表4
梗阻性腎盂積水患者病例組合分組方案
2.4 分組費用標準
本研究分組方案中，第 9 組費用標準最高，表明該組患者病情復雜且消耗醫療資源較多。根據費用上限發現費用超標病例 43 例，占研究總病例 3.26%，超標病例費用消耗比例為 4.35%，其中第 4、8、10 組超標病例占比超 5%。經計算，病例組合的費用解析比例為 96.25%，說明各組付費標準與實際較為接近，見表5。
表5
病例組合費用標準及超標情況
3 討論
3.1 梗阻性腎盂積水患者住院費用影響因素多樣
多重線性回歸結果表明，各影響因素對梗阻性腎盂積水患者住院費用影響度從大到小依次為病例分型、住院天數、入院病情、是否首次住院、是否臨床路徑、離院方式、其他診斷數量、入院途徑。疑難或危重住院患者住院費用高于一般急診患者，程廣輝等[2]的研究也得出了相似的觀點，可能是由于患者病情越嚴重，所需藥品也相對較好、價格更高，同時需要搶救的可能性也越大，搶救措施會花費較多的人力、物力，且發生感染、并發癥的可能性也較高，導致住院費用增加；住院費用與住院天數、其他診斷數量呈正相關，由于住院天數越長、其他診斷數量越多，治療疾病需要消耗更多的醫療資源，導致住院費用增高，這與既往研究結果[18-19]相符合；入院病情情況不明患者住院費用高于有入院病情和入院病情未確定患者，原因可能是情況不明患者往往需要更多的檢查及時間去輾轉確診；非首次住院患者住院費用高于首次住院費用，這與黃娟[20]的研究結果一致，可能是結石急性發作而頻繁住院，每次住院都需重新檢查確定結石位置，且結石復發加重腎盂積水并發感染，導致疾病更加嚴重；臨床路徑病例住院費用顯著低于非臨床路徑病例，張敏等[21]也得出了一樣的結論，表明臨床路徑對降低住院費用、提高醫療效率具有重要作用；本研究中非醫囑離院患者住院費用低于醫囑離院患者、急診患者住院費用低于門診患者，可能原因是梗阻性腎盂積水多是因為突然發作，因疼痛難忍而住院，但經止痛與抗感染處理后，患者不愿進一步手術治療而導致住院費用偏低。
3.2 分組變量為優化梗阻性腎盂積水 DIP 分組提供參考
結合多重線性回歸分析結果，本研究中決策樹以主要手術方式、是否臨床路徑病例、住院天數、其他手術個數、其他診斷數量作為分組變量，最終形成 12 組病例組合。分組結果顯示，主要手術方式為分組的第 1 層節點，說明主要手術對住院費用影響最大，第 1 層分為 7 個手術粗分組，第 1 層的分組結果符合 DIP 分組原理，即按照“疾病診斷+治療方式”的進行分類，但本研究得到的 7 組粗分組和 12 組細分組比深圳市按病種分值付費庫關于病種“N13.2”的 51 組病種更為濃縮和提煉，可一定程度避免 DIP 分組過細帶來的輕病入院、高套分值等不合理行為[22]。進一步分析可以發現，手術粗分組 1 中有“是否臨床路徑病、其他手術個數”分類節點、手術粗分組 2 中有“住院天數”分類節點、手術粗分組 3 中有“其他診斷數量”分類節點，說明不同手術方式的住院費用影響因素不同；而手術粗分組 1 按照是否臨床路徑病例、其他手術個數進一步細分為 3 組，手術粗分組 2 按照住院天數、其他手術個數細分成 3 組，手術粗分組 3 根據其他診斷數量細分成 2 組，提示即使在同一種手術類型中，住院費用消耗也存在差異。因此，一方面建議醫療機構在保證醫療質量的前提下，可以通過合理縮短住院天數、加強臨床路徑管理，將患者住院費用控制在 DIP 付費標準之內，提高醫院經濟效益；另一方面，醫療保險部門可考慮將 DRG 分組策略融合到 DIP 中，綜合統計數據與臨床經驗，可以把住院天數、是否臨床路徑、有無其他診斷納入 DIP 反映梗阻性腎盂積水疾病嚴重程度的輔助目錄，根據資源消耗個性差異，制定合理的費用標準，以對醫療機構進行合理補償，避免醫療機構出現選擇輕癥、推諉重癥患者等“撇奶油”現象[23]。
3.3 基于決策樹的病例分組方案合理，加強超限費用監管
本研究由決策樹分類得到 12 個分組，各組 CV 均小于 0.4 且 RIV 大于 80%，說明各組組內同質性強，組間異質性大，提示分組合理，符合資源消耗相近的分組原則。按照分組標準費用計算費用解析比例為 96.25%，與實際費用接近，因此分組付費標準可作為梗阻性腎盂積水患者病種分組的補償依據。以 75% 分位數+1.5 倍四分位間距作為各組費用上限，計算結果顯示近 3 年梗阻性腎盂積水患者費用超標病例共 43 例，占研究總病例 3.26%，超標病例費用消耗比例為 4.35%，提示樣本醫院存在醫療資源消耗過度問題。進一步分析發現，第 4、8、10 組超標病例比例高于 5%，其中第 8、10 組超標病例費用消耗占比超過該組 10% 的醫療資源，監測及分析超標住院費用是控制梗阻性腎盂積水患者費用的關鍵，醫院應轉變管理理念，主動加強控費意識，減少不良診療行為，從源頭上杜絕不合理超標病例。另外，通過測算 12 個病例組合的梗阻性腎盂積水患者的標準費用和費用上限，明確了各病例組合的最大資源消耗量，促使醫院將成本控制在支付標準之內，以減少醫療資源的浪費。此外，醫院可在醫療保險部門對病種進行付費結算后，根據病例組合費用標準對收治此病種的醫生、診療組、科室進行績效考核和二次分配，通過對時間消耗指數、費用消耗指數等指標的比較，實現病例組合與績效考核掛鉤，調動醫生積極性，保證醫療質量前提下，主動降低醫療成本，提高醫療效率，推進醫院管理的科學化、精細化。
綜上所述，本研究以梗阻性腎盂積水為例，借鑒 DIP 分組原理與 DRG 多因素分組策略，按照主要手術方式、其他手術個數及其他住院費用影響因素，運用決策樹方法構建了 12 組分組合理的病例組合，既客觀比對了同一疾病診斷不同治療方式，又反映不同病例的個性特征，更加符合臨床診療實際。按照結合 DIP 分組原理和 DRG 分組策略的分組思路制定的病例組合可為醫療保險部門完善 DIP 輔助目錄、融合 DIP 與 DRG 提供參考；DRG/DIP 付費背景下，醫院可參考本研究的分組思路進行病例組合研究，測算各組合的標準費用和費用上限，為院內成本核算、控制病組成本、完善績效分配等精細化管理提供決策依據。本研究后續還可以進行以下改進：第一，本研究只納入深圳市坪山區一家二級綜合醫院近 3 年的病例數據，數據代表性和樣本量有限，可能會對分組結果產生一定的影響，未來應使數據更具有代表性，今后研究應不斷補充樣本，對分組模型進一步優化。第二，與其他過往研究一樣，本研究尚未對在 DRG/DIP 支付方式改革背景下如何標準化不同并發癥和手術方式的臨床路徑進行研究，在今后的研究中還需進一步攻關，以實現 DRG/DIP 和臨床路徑的深度融合。
利益沖突：所有作者聲明不存在利益沖突。
