上海应用统计学专业初级职称评审政策发表什么期刊　

统计学在 DRGs中的应用

摘要：疾病诊断相关分组(Diagnosis Related Groups, DRGs)是医疗机构与医疗保险机构合作，根据医疗机构收治参加医疗保险患者的年龄、性别、住院天数、临床诊断、病症、手术、疾病严重程度，合并症与并发症及转归等因素，按照组内差异小、组间差异大的相关性原则划分诊断相关组。目前我国开发的CHS-DRG，标志着我国DRGs付费国家试点顶层设计的完成，运用统计学对海量的医保数据进行整理、分析在DRGs付费方案中的制定、调整中都发挥着重要作用。本文从DRGs分组方案制订、定价、医保费用管理、数据解读四个方面阐述了统计学在DRGs中的应用。

关键词：DRGs；统计学；医保付费；

前言：

统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。随着计算机的发展以及各种统计软件的开发，作为一门基础学科的统计学在生物、医学、经济、体育和工程技术等领域得到了广泛应用。DRGs (Diagnosis Related Groups) 起源于美国的耶鲁大学，作为使医疗机构行为透明化的一个工具，最初为统计学专家主导。20世纪70年代，美国联邦财政局试图将其用于医疗照顾(MEDICAR)计划的付费，引入了大量医学专家，改善分组的医学可解释性，并于1983年作为付费方式辅助使用[1]。

如今DRGs作为一种打包付费制度，以病人的诊断为基础，结合治疗方式与病人特征，把病人分入若干诊断相关组，予以定额付费。DRGs的出现合理保障了病人、医院、医保三方的权益，有效改善了医保支付、医疗质量与资源的管理，促进了医疗卫生事业的可持续发展[2]。DRGs支付在国外已得到广泛应用，目前我国DRGs病种支付按照“顶层设计、模拟测试、实施运行”三步走战略进行试点工作[3]。如今以BJ-DRG、CN-DRG、CR-DRG、C-DRG为基础开发的CHS-DRG，标志着我国DRGs付费国家试点顶层设计完成，其中对医保数据进行全面统计和分析，在制定合理的符合我国国情的DRGs付费方案中发挥着重要的作用[4]。

正文：

1.统计学在DRGs分组方案制订中的应用

DRGs是专门用于医疗预付款制度的疾病分类方法，其根据病人的年龄、性别、住院天数、临床诊断、手术、疾病严重程度，合并症与并发症及转归等因素把病人分入数百个诊断相关组［5］。我国学者在起步研究DRGs的时候，在相关疾病的分组过程中，较多的依靠专家经验形成分组的规则，形成的分组方案有明显的地方局限性，主要表现为形成了多种版本的分组方案[6]。而随着信息技术的飞速发展，信息技术与医疗卫生行业的深度结合导致医疗数据呈现指数级增长。面对大数据的冲击，一方面使我国DRGs的改革和相关研究获得了更加准确、全面的研究样本，困扰传统DRGs研究的病案的稀缺问题将获得大幅改善。但随之而来的是大量数据的采集、整合、分析、处理、研究工作，全靠相关专家经验进行处理显然是难以实现的，而统计算法能够通过高效的处理这些数据，并且提出更好的DRGs形成方法。尽管DRGs产生于统计学方法，但完全依赖统计学方法也会导致一定的局限性，在资源强度的分类方法中，经常会将不同但相似的患者归类到同一个类别中，这些患者间的差异很难从临床角度来解释。因此DRGs分类方案的制订，需要医生的自我判断与统计分析和历史数据验证相结合，需要用统计学手段查阅大量历史资料。

2.统计学在DRGs定价中的应用

DRGs付费的定价规则是指采用病例组合思想对住院病例进行DRGs分组，采用平均费用法或成本作业法测算出每个DRG组的权重，基于医保基金预算测算出基准费率，权重乘以费率即为区域内每个DRG组的诊疗服务定价标准。通过该定价标准确定DRGs平均定额的定价规则[7]。

这主要涉及权重和基准费率两个统计学领域的概念。DRGs的权重实质描述的是不同DRGs组之间诊疗资源消耗的差异程度。具体而言，分为历史数据法和成本核算法。历史数据法指基于一定时期内医保和个人自费费用的相关数据，不考虑之前的诊疗是否合理，确定权重的方法。成本核算法，则更多的是基于规范合理的诊疗路径，细分各项成本最终确定权重的方式。理论上，成本核算法更为科学，可以考虑管理成本的因素，可以剔除财政已投入的资金和发改委投入的基础建设投资等项目，但是当前的数据基础难以支持这一方法。历史数据则相对粗糙，但更加易于操作，特别是在当前诊疗费用中存在可挤出水分的情况下，历史数据法实际上默认了之前的诊疗行为，允许医疗机构逐步调整服务，减少了改革阻力。

关于基准费率的确定方式也分为固定值法和点数法两种形式。固定值法指依据历史数据实现确定每一个疾病分组的基础费率，费率在一定时期内恒定。点数法则是依据当年基金情况及实际服务供给情况，按照类似工分制方式进行费率的确定，费率是一个相对值。有专家认为无论是DRGs还是其他的病种付费方式都应该采取总额控制下的点数法方式，但这样意味着到年底医疗机构才能弄清点数价值和所分的费用，无法有针对性的进行行为调整和异化，仅能因病施治，同时指出，在固定值法下，因为缺乏总额控制也容易出现服务量增加的总体费用超支情况。也有专家认为点数法和固定值法都是依据历史数据的算法，固定值法仅是使用了前一年的数据计算，与点数法基本类似。也有专家认为采用何种方式与本地区的管理能力紧密相关，可由各统筹地区自发选择。

3.数据统计分析在医保费用管理中的应用

随着DRGs的实施，运用统计学可以对医保基金的使用情况进行分析，及时根据实际情况对医保费用定额做出调整，以发挥出医保费用的最大价值。比如在DRGs各病组费用分析方面，以医保病例为研究对象，定期按月度、季度或年度对各病组费用进行汇总分析，同比或环比上期数据，从而进行对比分析，以图表的方式表示出各病组的医保费用的变化趋势。分析所有病组，选取费用高且占比大的病组进行测算，以分析是否影响医院的医保结算收入。在费用结构分析方面，分析各组中的药费、检查费、治疗费、血费、材料费等费用占比。如果某病组在某月度、季度或年度内医保超支费用为20%，其中检查费所占的比例为18%，那么该病种的检查费用超支严重。通过费用结构变动度分析，精准定位哪类费用占比变动程度大，则可以清晰地找出在某段时间内该病组超支的主要原因[8]。

医保费用管理是维护医保基金安全的核心内容，随着我国人口增多且老龄化速度的加快，医保费用也不断上升，使医保费用管理面临较大挑战。而医保数据统计分析是基于医保费用数据统计为主的现代化医保费用管理决策阶段的关键依据。数据统计具有整体性、及时性和稳定性的特点，为医保政策有效落实与评估奠定良好的基础。

4.统计学在DRGs数据解读中的应用

描述统计学可以通过图表形式对所搜集的数据进行加工、处理和显示，描绘或总结观察量的基本情况。通过对数据资料进行图像化处理，将资料摘要变为图表，以直观了解整体资料分布的情况。通常会使用的工具是频数分布表与图示法，如多边图、直方图、散点图等。也可以了解各变量内的观察值集中与分散的情况，运用的工具有集中量数与变异量数，如平均数、中位数、几何平均数、平均差、标准差等。图一反映了我院某病的超支情况，该箱型图清楚的展示了该病例较该地区同级别医院平均费用超支的最大值、最小值、中位数、上四分位数、下四分位数。

结语：

随着我国医改政策不断的落地与推进，医疗事业呈快速发展趋势。为推动医疗卫生工作稳步向前发展，解决长期存在的“看病难、看病贵”等问题，为社会提供更好的、更优质的医疗服务，亟需改变原有的医保付费模式[9]。随着DRGs付费模式在我国的实施，社会、政府、医院和患者等各方面均能从DRGs病种支付中获益。我国DRGs付费模式尚处于试验阶段，对医保数据进行全面统计和分析，为制定合理的DRGs付费方案提供了有利条件，促使医保行业更深层次的发展进步。基于此，医疗保险统计工作人员应该熟练掌握统计工作内容，并且对于保险资金收支情况进行科学合理的统计与分析。同时，相关单位应注重强化相关工作人员的综合素质，建立健全完善的统计工作考核体系，从而进一步提高保险统计工作效率，推动医保工作更加稳定持续的进步与发展。

参考文献：

[1]钟洁珍,向月应,王庆林.医疗保险中实施DRGs的探讨[J].中国卫生经济,2001,20(02):49-50.

[2]秦丽圆. 基于规则挖掘的肿瘤大数据的DRGs分组系统[D].电子科技大学,2020.

[3]宫芳芳,孙喜琢,李亚男等.以健康为导向的医保支付方式改革实践研究[J].中国医院管理,2020,40(6):86-88.

[4]田伟,马亚会,赵秀贞等.DRGs付费制度实施难点问题探讨[J].中国医院建筑与装备,2020,21(3):95-97

[5]马光志,张晓祥,周彬等.大数据时代的循证医学[J].世界复合医学,2015,1(02):120-124.

[6]国家医保局，财政部，国家卫生健康委.国家中医药局关于印发按疾病诊断相关分组付费国家试点城市名单的通知[R/OL].(2019-06-05). http：//www.nhsa.gov.cn/art/2019/6/5/art_37_1362.html.

[7]廖藏宜.DRG付费的定价与支付规则[J].中国人力资源社会保障，2021(03):59.

[8]王晓佳,吴婷,何秉璋.医保费用管理中信息统计分析的应用研究[J].财经界,2021(02):195-196.

[9]林璐,沈卿诚,张红,陈雅珍,柏金喜.国内外DRG病种支付应用与发展的探讨[J].巴楚医学,2020,3(04):121-124.

图一:我院某病的超支情况

*基金项目：DRGS付费体系大背景下临床医学生精准诊断能力提升的研究（编号：201902153007）