浙江省病案首页信息统计与drgs编码

《浙江省病案首页信息统计与drgs编码》由会员分享，可在线阅读，更多相关《浙江省病案首页信息统计与drgs编码（97页珍藏版）》请在金锄头文库上搜索。

1、浙江大学硕士研究生毕业论文 目 录 目 录 中文摘要 （1） 英文摘要 （5） 第一章 前言 （9） 第二章 资料与方法 （15） 2.1 资料来源 （15） 2.2 资料预处理 （15） 2.3 方法 （15） 第三章 住院病人的医疗消耗情况分析 （24） 3.1 住院费用和住院天数的描述性分析 （24） 3.2 住院病人社会学特征和临床特征的分布情况 （25） 3.3 不同特征人群的医疗消耗情况比较 （26） 3.4 影响医疗消耗的多因素分析 （27） 第四章 病例组合分析结果 （31） 4.1 确立 MDC 及其各个细类 （31） 4.2 各个细类的病例组合分析结果 （34） 第五章 结

2、果评价（54） 5.1 RIV 值、变异系数、Kruskal-Wallis 检验（54） 5.2 回代检验 （55） 第六章 结果应用（60） 6.1 线外费用比例和线外病人比例 （60） 6.2 线外病人发生率的影响因素分析 （64） 6.3 病例组合指数 （65） 6.4 不同人群的费用偿还情况 （68） 第七章 主要发现及对相关问题的说明 （70） 7.1 本次研究的主要发现 （70） 7.2 对相关问题的说明 （73） 7.3 本研究的创新点 （75） 7.4 有待开展的相关研究 （76） 诊断相关分类法 DRGs 的研究进展（综述）（78） 附录 （85） 1. 住院病案首页 （85

3、） 2. SAS 源程序（87） 3. 论文发表情况 （95） 致谢 （96） 浙江大学硕士研究生毕业论文 - 1 - 浙江省病案首页信息统计与 DRGs 编码 浙江大学医学院 流行病与卫生统计学 2002级硕士研究生 何 凡 导 师 沈 毅 中文摘要 病例组合（Case Mix）被广泛地认为是一种直接、合理、有效的医疗产出测 量单位。由美国官方认可的诊断相关组（Diagnosis-related Groups，简称 DRGs） 分类手册中将病例组合定义为： 一些相互联系但又有区别的病人各方面特征的归 类分组。这些特征包括病人病情、疾病预后、治疗难度、治疗必要性以及医疗资 源消耗强度等五个方面

4、。现有的病例组合模型很多，但它们差别只是对上述五个 方面的侧重不同而已，也就是其分组轴心的不同。DRGs 就是以医疗资源消耗强 度为分组轴心而发展起来的一种病例组合模型。 国外同类研究已达几十年之久，且已在发达国家得到广泛的应用，并取得了 较好效果。如美国 1983 年开始实施的预付款制度（Prospective Payment System， PPS）就是以 DRGs 为基础发展起来的。美国医疗费用 1990 年以前基本上保持 2 位数的年均增长速度，1990 年以后降至 1 位数，而且连续走低，至 1996 年达到 近 40 年来的最低点 4.6。目前，澳大利亚、英国、法国、瑞典等发达国家

5、都已 深入开展了有关 DRGs 的研究，并都取得了重要进展。 伴随着我国经济的持续快速增长，居民收入大幅度增加，全社会卫生费用呈 持续急剧上升趋势，根据卫生总费用测算结果，全国卫生总费用消费额由 1978 年的 110.21 亿元增长为 2002 年的 5684.63 亿元，增长 50 余倍。因此，在我国建 立类似 DRGs 的住院费用计价和控制单元是一项十分重要的基础工作。 2000 年， 徐勇勇等以 ICD-9 为基础， 建立了适合中国国情的 CADRG （China Adjusted DRG） 。国内有关 DRGs 的研究尚处于理论探索阶段，且由于各省的实 际情况通常差别较大，很多医院也

6、已开始使用 ICD-10，因此，CADRG 很难在全 国范围内推广应用。本研究通过对浙江省病案首页信息的分析，对各病种重新进 浙江大学硕士研究生毕业论文 - 2 - 行病例组合，探索适合浙江省自身的 DRGs，从而更好地评价各医院的医疗产出 与控制病人的医疗费用。 研究目的 建立基于浙江省医院病案首页信息且覆盖常见病种的 DRGs；进而根据建立 的 DRGs，分析浙江省医疗资源消耗情况，探索主要的影响因素、评价各级各类 医院的医疗产出、分析不同人群的费用偿还情况；根据本研究中的新发现，提出 相应的建议。 资料与方法 资料来自浙江省 4 家医院提供的 2002 年2003 年的病案首页资料。在有

7、关 专家的指导下， 选择浙江省病案工作较好且具有代表性的 2 家省级医院和 2 家市 级医院作为样本的来源。共收集病例数 128601 份，剔除缺失病例、不符合逻辑 的病例、治疗结果为“未愈”的病例，并滤过住院费用小于 P2.5 和大于 P97.5 的病例。最后，共得到 115453 份有效病例，占全部病例数的 89.78。 本研究用自动交互检测方法（Automatic Interaction Detector，AID）建立树 形模型并产生病例组合方案；用卡方自动交互检测方法（Chi-squared Automatic Interaction Detector，CHAID）分析影响线外病人发生

8、率的因素；不同特征人群 医疗消耗情况的比较用 Kruskal-Wallis 检验，医疗消耗的多因素分析用多元线性 回归方法。 资料的整理以及所有的统计分析过程均在 SAS8.2 中完成。 主要结果 一、住院病人的医疗消耗情况分析一、住院病人的医疗消耗情况分析 浙江省住院病人的平均住院费用为 10492.98 元（中位数为 6300.96 元） ，平 均住院天数为 14.64 天（中位数为 10.00 天） 。 住院病人男女性别比为 1.16；年龄分布以 56 岁及以上的病例最多，占 38.06 ，而 16 岁以下的病例最少，仅占 6.03；已婚病人占 87.78；60以上的病 例为自费医疗，仅

9、有 3.30者为商业保险；多数病人入院时情况一般（占 78.43 ） ，仅有不到 2.00的病人入院时情况危；超过 90.00的病例出院时治愈或好 转，仅有 0.82的病例死亡；住院期间有手术的病例占 40.13；62.42的病例 有次要诊断；绝大多数病例在住院过程中无抢救，仅有 2.38的病例有抢救；另 浙江大学硕士研究生毕业论文 - 3 - 外，有一半左右的病例有护理（占 52.42） 。 不同特征人群的医疗消耗情况的比较，差异均有统计学意义（PL） ，对应的 Y 值为 123 , n y yyyL。我们对 ()1,2,3, k xkn=L进行二分割，同时计算()1,2,3, k ykn=

10、L的变异。 第一个分割的变异为： () 2 11 1 c k k Vyy = = ， 其中 1 y为第一个分割内各因变量值的均数。 第二个分割的变异为： () 2 22 1 n k k c Vyy = + = ，其中 2 y为第二个分割内各因变量值的均 数。 因此，可得总变异为：( ) 12 S cVV=+。 这样，我们共可以计算 n-1 个( )S c，从中选取最小的( )S c，这就是 X 对 Y 进行的最 优二分割。可以记为：()( ) 11 *min c n S cS c =，*c就是 X 对 Y 最优二分割的临界值。这时， 因变量分为二类，即： 123* , c y yyyL、 *

11、1* 2* 3 , cccn yyyy + L。 这样的分割是最优的，但是不肯定是有效的，因此还要对 123* , c y yyyL和 * 1* 2* 3 , cccn yyyy + L二类进行方差分析。通过 F 检验表明它是显著时，采用这种分割， 否则不必进行这种分割，也就是说因素对因变量分割没有价值。 浙江大学硕士研究生毕业论文 - 17 - 下面讨论有 m 个因素、 n 个样本对一个因变量 Y 进行最优二分割， 这就是本研究所要用 到的 AID 方法。对于因素 X 和因变量 Y 可以由矩阵给出。 111211 1 212222 2 12 12 12 jn jn iiiijin m mmm

12、jmn jn xxxx X xxxx X Xxxxx X xxxx Y yyyy = LL LL MMM LL M MM LL LL 具体计算步骤如下： 第一步： 根据上述介绍的方法依次按各因素对 Y 作最优二分割， 得到由最小变异所组成 的序列()1, *Sc、()2, *Sc、()3, *Sc、(), *S m c，注意这里每个 c*并不一样。 进而挑选上述序列中的最小者。不失一般性可以记为() 1 *Sc，下标 1 表示第一步分割 的因素为 X1入选，c*表示分割的序号， ()() 1 11 *min, * k n ScS k c = 这时对 Y 的分割为 123* , c y yyyL、 * 1* 2* 3 , cccn yyyy + L，并对这二类 Y 进行 方差分析，检验分割是否有效，如检验通过，就进行下一步工作，继续进行分割，如检验通 不过就终止分割，说明因素对因变量分割无效。 第二步：对 123* , c y yyyL进行类似第一步的最优二分割