新農(nóng)合住院費用的分析及異常值篩檢方法研究.pdf

1、目的：
　　本研究旨在通過分析新農(nóng)合住院費用的分布特點、住院病人構(gòu)成、疾病種類構(gòu)成等,全面分析新農(nóng)合的住院費用,找出影響住院費用的相關(guān)因素;通過多種統(tǒng)計方法的比較,探索住院費用異常數(shù)據(jù)的篩檢方法。并針對新農(nóng)合運行中存在的問題,基于數(shù)據(jù)的分析結(jié)果,提出新農(nóng)合相關(guān)的合理化建議,為控制不合理的醫(yī)療支出和制定新農(nóng)合相關(guān)政策提供科學(xué)的依據(jù),促進(jìn)新農(nóng)合健康持續(xù)的發(fā)展。
　　研究方法：
　　1、新農(nóng)合住院費用數(shù)據(jù)的分析
　　本

2、研究對象為湖北省某市周邊八個區(qū),2009年1月-6月新農(nóng)合所有住院費用數(shù)據(jù),共計71982例。本研究的住院費用數(shù)據(jù)主要包括以下內(nèi)容:住院病例的人口學(xué)特征、住院天數(shù)、入院時間、疾病編碼、住院總費用、以及住院費用的構(gòu)成(住院總費用是由藥品費、住院費、一般檢查費、大型檢查費、手術(shù)費、治療費、診療費、其他費用等8個部分構(gòu)成)。采用頻數(shù)、構(gòu)成比等進(jìn)行描述性分析;利用卡方檢驗、Mantel-Haenszel檢驗、秩和比檢驗Kruskal-Walli

3、s H方法進(jìn)行住院費用的單因素分析;采用廣義線性回歸模型和多元逐步回歸方法對住院費用進(jìn)行多因素分析;運用boostrap方法估計不同級別醫(yī)院的例均費用。利用SAS9.0、MATLAB7.0和Excel等軟件進(jìn)行統(tǒng)計分析。
　　2、異常費用數(shù)據(jù)的篩檢
　　(1)以各區(qū)合管辦為單位進(jìn)行針對所有疾病的異常費用數(shù)據(jù)的挖掘
　　研究對象選取 A區(qū)二級醫(yī)院2009年1-6月的住院病例的費用數(shù)據(jù),共計3568例。采取了三種方法對該數(shù)

4、據(jù)集進(jìn)行異常費用數(shù)據(jù)的挖掘,包括基于廣義線性回歸的學(xué)生化殘差的異常點檢測方法、基于共享型最近鄰居相似度的異常數(shù)據(jù)檢測方法和基于支撐向量回歸的異常點檢測方法。利用一致性 Kappa檢驗,對三種方法檢測結(jié)果的一致性進(jìn)行檢驗。
　　(2)針對單種疾病中的異常費用數(shù)據(jù)的挖掘
　　研究對象選擇各區(qū)慢性支氣管炎病例的費用數(shù)據(jù),共計880例。研究方法采取基于支撐向量數(shù)據(jù)描述的異常數(shù)據(jù)挖掘方法。對于前期的數(shù)據(jù)處理,除了直接利用費用構(gòu)成數(shù)據(jù)之

5、外,還嘗試先對費用構(gòu)成數(shù)據(jù)進(jìn)行核主成份分析。利用Kappa檢驗,對兩種檢測結(jié)果的一致性進(jìn)行檢驗。
　　利用Matlab7.0、SAS8.0、R2.3.0和libsvm3.1對數(shù)據(jù)進(jìn)行分析和處理。
　　結(jié)果：
　　1、新農(nóng)合住院病例及費用的分布特征
　　不同區(qū)域的住院率存在明顯差異,最高的4.87％,而最低的只有1.63％,前半年平均住院率2.63％,屬于正常范圍。從總體上來看女性病例占54.75％,男性占45.2

6、5％,女性住院病例數(shù)高于男性。住院人數(shù)最多的三種疾病為呼吸系統(tǒng)疾病,占17.08％;某些傳染病和寄生蟲病,占16.84％;循環(huán)系統(tǒng)疾病,占12.11％。三種例均費用最高的疾病依次為先天畸形、變形和染色體異常,例均費用11211.44元;腫瘤,7664.82元;血液及造血器官疾病和某些涉及免疫機(jī)制的疾患,7250.82元。平均住院天數(shù)為10.9天,住院天數(shù)主要集中于4-8天和8-12天,分別占總例數(shù)的40.86％和20.79％,其中0-1

7、2天出院的累計比例達(dá)到78.83％。住院費用的構(gòu)成的研究表明,藥品費所占比例最大,占50.72％,其次為住院費,占總費用的22.89％,而所占比例最低的為大型檢查費,占1.52％。手術(shù)病例13877例,占19.28％,非手術(shù)病例58105例,占80.72％。
　　2、住院費用的影響因素
　　住院費用的單因素研究中性別、年齡、疾病種類、就診時間、住院天數(shù)、是否手術(shù)和入院狀態(tài)等七個因素對于住院費用均有顯著性影響(P<0.0001

8、)。通過建立針對不同級別醫(yī)院住院費用的廣義線性模型,以上因素具有顯著的統(tǒng)計學(xué)意義(P<0.05),但不同級別醫(yī)院的住院費用的極顯著的影響因素存在差異。一級醫(yī)院影響住院費用的極顯著的因素有:年齡、疾病種類、是否手術(shù)與住院天數(shù);二級醫(yī)院較一級醫(yī)院增加了就診時間;三級醫(yī)院則較一級醫(yī)院增加了入院狀態(tài)。由此可以看出,疾病種類、是否手術(shù)、住院天數(shù)是影響住院費用的主要因素。
　　3、基于boostrap方法的不同級別區(qū)內(nèi)醫(yī)療機(jī)構(gòu)的例均費用控制指

9、標(biāo)
　　一般鄉(xiāng)鎮(zhèn)衛(wèi)生院例均費用控制在1000元以下;中心衛(wèi)生院(手術(shù)病例超過住院人數(shù)的30％)例均費用控制在1235-1365元之間;區(qū)內(nèi)二級醫(yī)院的例均費用控制在3320-3570元之間。
　　4、區(qū)外轉(zhuǎn)診的費用分析
　　區(qū)外轉(zhuǎn)診的男性比重要高于區(qū)內(nèi)就醫(yī)的男性所占比重(P<0.0001),而且區(qū)外轉(zhuǎn)診的男性住院病例的例均費用高于女性(P<0.0001)。區(qū)外轉(zhuǎn)診病例住院費用中,藥費占52.07％,藥費所占比例低于衛(wèi)生院

10、,但高于二級醫(yī)院;而住院費用占到30.64％,明顯高于區(qū)內(nèi)各級醫(yī)院。大額住院病例中,所占比例最高的兩類疾病為循環(huán)系統(tǒng)疾病和腫瘤,分別占到24.90％,24.29％。對于區(qū)外轉(zhuǎn)診的住院費用,住院天數(shù)是影響費用最主要的因素,性別和入院狀態(tài)也是費用的影響因素。
　　5、異常費用數(shù)據(jù)的篩檢
　　(1)以各區(qū)合管辦為單位進(jìn)行針對所有疾病的異常費用數(shù)據(jù)的挖掘
　　基于廣義線性回歸的學(xué)生化殘差的檢測方法和基于支撐向量回歸的異常數(shù)據(jù)檢

11、測方法之間具有一定的一致性(Kappa=0.3414,ASE=0.0339,u=10.07,P<0.0001;而符合率為93.8％)但兩種方法與共享型最近鄰居(Shared Nearest Neighbor,SNN)相似度方法的一致性都較差,Kappa值分別為-0.0058和0.0082。首先,三種方法對于異常費用數(shù)據(jù)的挖掘都是行之有效的;其次,一致性檢驗結(jié)果說明了基于 SNN相似度的異常點檢測方法的機(jī)理與前兩種方法有所不同,可以從另一

12、個角度進(jìn)行異常點的檢測,作為前兩種方法的補充。
　　(2)針對單種疾病中的異常費用數(shù)據(jù)的挖掘
　　兩種基于支撐向量數(shù)據(jù)描述的異常費用數(shù)據(jù)挖掘都是可行的。根據(jù)相關(guān)文獻(xiàn)的分析,核主成份分析有利于提高算法的性能。兩種方法之間的Kappa=0.4135,ASE=0.1287,u=3.213,P=0.0013;而且符合率為86.46％。故認(rèn)為兩種異常費用數(shù)據(jù)挖掘方法具有中度的一致性。
　　結(jié)論：
　　本研究表明建立新農(nóng)合住

13、院費用數(shù)據(jù)的信息化處理和分析系統(tǒng)對于新農(nóng)合的健康發(fā)展十分必要。通過數(shù)據(jù)分析,藥品費在住院總費用中所占比例最大,控制藥費虛高是控制醫(yī)療費用上漲的關(guān)鍵,住院天數(shù)是影響住院費用最主要的因素,縮短住院天數(shù)是降低住院費用的有效途徑。不同區(qū)域疾病的構(gòu)成存在差異,各區(qū)應(yīng)有針對性的加強(qiáng)疾病的預(yù)防工作。腫瘤,先天畸形和循環(huán)系統(tǒng)疾病等重大疾病例均費用較高、所占比重較大,應(yīng)建立針對此類重大疾病的保障體系。利用boostrap方法建立了不同級別醫(yī)院例均費用控制

14、指標(biāo)體系,可以從宏觀上控制住院費用的上漲。通過建立異常費用數(shù)據(jù)的挖掘系統(tǒng)使得從微觀上針對單個住院病例的費用監(jiān)控成為可能,同時采取多種檢測方法,能從不同側(cè)面篩選出更多的異常點,這都有利于減少醫(yī)院費用的不合理支出,規(guī)范新農(nóng)合的操作流程,提高對新農(nóng)合的監(jiān)管力度。
　　創(chuàng)新點：
　　1.本文分別利用了基于廣義線性回歸的學(xué)生化殘差、基于共享型最近鄰居相似度、基于支撐向量回歸和基于支撐向量數(shù)據(jù)描述的異常點檢測方法,針對新農(nóng)合的住院費用數(shù)

15、據(jù)進(jìn)行了異常數(shù)據(jù)挖掘。從海量數(shù)據(jù)中迅速篩選出待查的異常數(shù)據(jù),大大減少了人工監(jiān)控的工作量,使從微觀層面進(jìn)行住院費用的監(jiān)控成為可能。
　　通過對各種異常點挖掘方法結(jié)果的一致性檢驗發(fā)現(xiàn),具有相同機(jī)理的挖掘方法,其檢測結(jié)果具有一定的一致性,但不同機(jī)理的挖掘方法,發(fā)現(xiàn)的異常點存在差異。將各種異常點挖掘方法進(jìn)行有機(jī)結(jié)合可以提高異常數(shù)據(jù)篩檢的敏感性。
　　2.將bootstrap方法用于例均費用的區(qū)間估計,得到了區(qū)內(nèi)各級醫(yī)院例均費用的合理