——张海悦 马尚寅 边雨桐 刘嘉吉 陈 霞

医院高质量发展强调质量和效率，鼓励应用分析方法和管理工具促进医疗质量和服务能力提升[1-3]。新型病种评价方法的应用已成为医疗机构的重要探索。目前，国内应用较为广泛的病种评价方法主要有MS-DRG[4-5]、AR-DRGs[6-7]、TW-DRGs、CN-DRGs[8-9]等，但这些方法均以费用和时间消耗为主要分类依据，分类方式单一且局限，对疾病诊疗质量和难度的评价不够准确。

风险调整方法可以通过数据统计建模，实现对各类风险因素的分层、分类分析，进而对患者治疗变量进行准确预测[10]。在APR-DRG疾病风险评估、“美国年度最佳医院评价体系”、“美国百佳医院评价体系”等医疗质量评价中，均应用了风险调整方法进行指标测算[11-13]。国内多家医疗机构也在积极探索使用疾病风险调整方法开展疾病风险预测及医疗服务综合评价等[10,14]。将风险调整方法应用于专科病种评价分析中，对医院实现精细化管理具有推动作用。

1 疾病风险调整方法及指标

1.1 建模方法

在某院病案数据库导入2016年-2019年约36万份出院患者住院病案首页信息，通过系统ELT工具进行数据校验、清洗、脱敏、修正，剔除主要诊断信息缺失、主要诊断编码不规范、入院或出院时间缺失、个体特征信息缺失严重、入院或出院科室为康复科等两万余份不合格病案首页。

采用DMIAES软件，应用R语言或Python程序，按照疾病诊断相关分组进行预分组，将患者自身特征、入院诊疗、手术信息、生存质量等首页信息作为风险因素[15]，在预分组的基础上进行模型拟合，通过非参数统计Wilcoxon秩和检验、线性回归、多因素Logistic回归、倾向评分匹配等统计方法，建立医疗效率模型、医疗控费模型、医疗质量模型、药品管控模型、耗材管控模型、医疗效益模型等6类统计模型，建模过程[15-16]见图1。最终拟合模型总数近两万个，使用各模型对疾病未来转归及资源消耗等情况进行预判。

图1 建模示意图

1.2 主要指标

疾病风险调整的主要监测指标包含AW、ACMP、ACMI和O/E指数[15]。

(1)AW。即风险调整后相对权重值(Adjusted Weight)，它通过疾病临床死亡风险、资源消耗调整后的患者疾病复杂程度进行预测，可实现对单个患者病情和风险预测。

比值类指标AW值为预期死亡率、并发症发生率等对数值的正态分布概率值，非比值类指标AW值为预期总费用、医事服务费等对数值的正态分布概率值。

(2)ACMP。即风险调整后总权重(Adjusted Case Mix Production)，它是评估主体中所有收治住院病例AW的总和，综合了疾病复杂程度技术风险和费用消耗等影响因素，代表疾病临床死亡风险和资源消耗后的临床产能。

(3)ACMI。即风险调整后病例组合指数(Adjusted Case Mix Index)，它是所有住院病例AW的均值，是经过死亡风险、时间消耗、费用消耗等因素调整后的病例组合指数，有利于公平合理地评价绩效。

ACMP、ACMI越大，表示治疗疾病的风险越大。

(4)O/E指数。它是某指标实际发生值(O-Observed)与模型预测值(E-Expected)的比值，本质上是自身与自身的比较，便于直观简明展示某指标的管控效果。疾病风险调整可以实现针对某一病种、某一科室、某一时期的指标O/E指数测算，进而实现针对性管理。以平均住院天数为例，某科室平均住院天数O/E指数>1，表示模型在结合该科室收治患者病种难度、病种结构及患者自身情况下，患者实际住院天数多于其科室患者预测平均住院天数，说明该科室仍需进一步缩短总体平均住院天数，提升管理效率。

医院或病种O/E指数(非比值类指标，如平均住院天数等)=

医院或病种O/E指数(比值类指标，如死亡率等)=

2 应用结果

2.1 体现服务难度

采用疾病风险调整方法，分析该院2016年-2019年收治患者风险变化与服务难度，可以详细获得各月ACMI和ACMP值。2016年-2019年，医院ACMI、ACMP均逐年增加，ACMI由2016年的4.62增至2019年的4.76，增长了3.03%；ACMP由2016年的35.30万增至2019年的45.39万，增长了28.58%；对医院2019年各月ACMI进行分析显示，2月份ACMI最高(4.83),1月份ACMI最低(4.71)；对医院2019年各月ACMP进行分析显示，3月份ACMP最高(4.33万)，2月份ACMP最低(2.81万)。综上分析，2016年-2019年，医院服务能力及治疗疾病风险有所增加，且患者人数增长幅度较大；从月份分布来看，新年前后住院患者人数减少，主要是轻症患者人数明显减少。

2.2 设置动态目标值

通过医疗效率模型、医疗效益模型、医疗质量模型等，可以分别计算平均住院天数、次均费用、死亡率等指标的年度、月度O/E值，以评价管理成果。以平均住院天数为例，2019年医院住院患者平均住院天数O/E值为1.05，大于1，表明住院患者平均住院天数总体超标。通过月度动态目标值分析发现，全年中，仅2月份平均住院天数控制良好，其余月份均有不同程度超标。从各月实际平均住院天数来看，10月份平均住院天数11.00 d，为全年最高，5月份平均住院天数10.90 d，较10月份略低；但从超标情况来看，10月份O/E值为1.06，超预期值0.64 d，5月份O/E值为1.08，超预期值0.83 d，可见10月份平均住院天数的管控情况优于5月份。综上分析，年度指标超标并不意味着全年各月份指标控制不理想，且实际值不能完全代表指标控制程度，以O/E值为依据评价效率控制情况较实际值更为合理。

2.3 设置病种目标值

应用疾病风险调整方法，能够合理测算平均住院天数、病死率、次均住院费用等。以平均住院天数为例，2019年患者平均住院天数实际值为9.80 d，通过患者平均住院天数模型测算，得出该年的O/E值为1.09，说明仍需控制平均住院天数。对此，该院制定了平均住院天数缩短0.96 d的目标。通过医疗效率模型，测算出年度病种结构、病种预期住院天数、病种平均住院天数O/E值，为各科室、各病种设置个性目标值(图2)，可为临床科室加强病种住院天数管理提供参考。

图2 2019年各科室病种平均住院天数控制预测

2.4 实现指标横向比较

在传统描述性统计分析中，不同难度病种的平均住院天数、患者次均费用等指标难以进行横向比较，而疾病风险调整将不同难度病种的描述性统计分析由实际值转为相对比，通过O/E值大小，判断各科室、各病种相关指标的控制情况，有效实现了病种间的横向可比。以平均住院天数为例(图3)，若使用传统描述性统计分析，该年神经外科平均住院天数最长，控制最差，产科平均住院天数最短，控制最好；但应用疾病风险调整模型测算，经过病种难度调整后，神经外科的实际住院天数低于预测，O/E值小于1，该指标控制较好，而产科的实际住院天数高于预测，O/E值大于1，该指标控制较差。

图3 2019年医院部分科室平均住院天数对比

在实际进行科室、病种相关描述性统计分析时，传统的分析方法往往会忽视病种难度、病种结构等有效信息，使得数据间的比较缺乏说服力，而疾病风险调整模型则有效解决了指标间的横向不可比问题。

3 建议

疾病风险调整方法采用分维度统计、逻辑回归模型、分层模型、倾向分数分析法等对历史大数据进行建模，通过对各类风险因素精准测算，实现了预测评价，对推进医院精细化管理起到了重要作用。但实际应用发现，医院历史数据对疾病风险调整方法的准确应用影响较大，模型建立的有效程度取决于历史数据的真实性、完整性和准确性。对此，针对疾病风险调整方法在医院的应用提出以下建议：

3.1 需保证病案首页质量

疾病风险调整方法应用的前提，是通过对出院患者住院病案首页信息进行建模，病案首页中的主要诊断及手术将作为预分组因素，其余各项因素都将作为潜在风险因素纳入模型进行拟合测算，对于信息严重缺失或逻辑验证明显有误的首页应予以剔除。因此，病案首页信息填写的准确、完整程度，不仅决定了模型建立的有效性，而且决定了对各项指标预测的准确程度。在使用疾病风险调整方法时，病案首页质量越好，拟合的模型和测算的数据就越准确，对现实数据的判断就越可靠。这就对病案首页质量提出了更高要求，在使用该方法时，既要保证病案首页信息填写的完整性、逻辑性，又要保证其真实性、规范性。

3.2 建模需较大数据量

疾病风险调整方法通过对历史大数据进行专业化处理，实现数据增值。因此，建模的前提，是需要大量历史数据，在一定数据量基础上，对这些有价值的数据进行加工处理，同时通过不断扩充、更新数据集对各类模型进行定期拟合，不断优化模型准确度。当基础数据量较少时，模型的拟合容易受到少数极端病历影响而产生偏差，从而影响预测结果。因此，在使用疾病风险调整方法时，需要对将要进行拟合的数据集进行积累和测算，在保证数据量的基础上，才能更加有效地建模，获得更接近真实的结果，同时还要注意将分析结果与实际结合。

3.3 需进一步拓展方法应用范围

目前，大范围的疾病风险调整建模主要以出院患者住院病案首页信息为依据，相关分析内容也是依据病案首页信息展开，这就导致疾病风险调整模型应用范围存在局限性。例如，医院的科研、教学、人才培养、医疗服务公平可及、满意度等相关信息，门诊患者相关信息等，均无法从住院病案首页中直接提取，使用疾病风险调整难以对之进行评价。随着医院信息化能力和水平的不断提升，医院的临床信息系统、医技信息系统、管理信息系统逐步健全，建议在应用中扩充数据来源，考虑纳入收费明细、临床路径、单病种等多系统数据，进一步提升疾病风险调整方法应用范围及准确性。

4 结语

以住院病案首页为数据源的疾病风险调整方法，在分析医院病种难度、平均住院天数、次均住院费用等指标方面，较好地实现了科室和病种间的合理比较和针对性管理。但是，疾病风险调整方法的准确、有效应用对建模数据质量和数量均提出一定要求，前期数据积累至关重要。结合现有模型评价内容，下一步将在住院病案首页基础上纳入收费明细等数据，对模型进一步细化与升级，以持续深化疾病风险调整方法在医院中的应用。