新農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合住院費用的分布特點、住院病人構成、疾病種類構成等,全面分析新農合的住院費用,找出影響住院費用的相關因素;通過多種統計方法的比較,探索住院費用異常數據的篩檢方法。并針對新農合運行中存在的問題,基于數據的分析結果,提出新農合相關的合理化建議,為控制不合理的醫(yī)療支出和制定新農合相關政策提供科學的依據,促進新農合健康持續(xù)的發(fā)展。
　　研究方法：
　　1、新農合住院費用數據的分析
　　本

2、研究對象為湖北省某市周邊八個區(qū),2009年1月-6月新農合所有住院費用數據,共計71982例。本研究的住院費用數據主要包括以下內容:住院病例的人口學特征、住院天數、入院時間、疾病編碼、住院總費用、以及住院費用的構成(住院總費用是由藥品費、住院費、一般檢查費、大型檢查費、手術費、治療費、診療費、其他費用等8個部分構成)。采用頻數、構成比等進行描述性分析;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等軟件進行統計分析。
　　2、異常費用數據的篩檢
　　(1)以各區(qū)合管辦為單位進行針對所有疾病的異常費用數據的挖掘
　　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據,共計3568例。采取了三種方法對該數

4、據集進行異常費用數據的挖掘,包括基于廣義線性回歸的學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據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,對三種方法檢測結果的一致性進行檢驗。
　　(2)針對單種疾病中的異常費用數據的挖掘
　　研究對象選擇各區(qū)慢性支氣管炎病例的費用數據,共計880例。研究方法采取基于支撐向量數據描述的異常數據挖掘方法。對于前期的數據處理,除了直接利用費用構成數據之

5、外,還嘗試先對費用構成數據進行核主成份分析。利用Kappa檢驗,對兩種檢測結果的一致性進行檢驗。
　　利用Matlab7.0、SAS8.0、R2.3.0和libsvm3.1對數據進行分析和處理。
　　結果：
　　1、新農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％,女性住院病例數高于男性。住院人數最多的三種疾病為呼吸系統疾病,占17.08％;某些傳染病和寄生蟲病,占16.84％;循環(huán)系統疾病,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制的疾患,7250.82元。平均住院天數為10.9天,住院天數主要集中于4-8天和8-12天,分別占總例數的40.86％和20.79％,其中0-1

7、2天出院的累計比例達到78.83％。住院費用的構成的研究表明,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％。手術病例13877例,占19.28％,非手術病例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、是否手術和入院狀態(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計學意義(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、是否手術與住院天數;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、住院天數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)內醫(yī)療機構的例均費用控制指

9、標
　　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(手術病例超過住院人數的30％)例均費用控制在1235-1365元之間;區(qū)內二級醫(yī)院的例均費用控制在3320-3570元之間。
　　4、區(qū)外轉診的費用分析
　　區(qū)外轉診的男性比重要高于區(qū)內就醫(yī)的男性所占比重(P<0.0001),而且區(qū)外轉診的男性住院病例的例均費用高于女性(P<0.0001)。區(qū)外轉診病例住院費用中,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)系統疾病和腫瘤,分別占到24.90％,24.29％。對于區(qū)外轉診的住院費用,住院天數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、異常費用數據的篩檢
　　(1)以各區(qū)合管辦為單位進行針對所有疾病的異常費用數據的挖掘
　　基于廣義線性回歸的學生化殘差的檢測方法和基于支撐向量回歸的異常數據檢

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據的挖掘都是行之有效的;其次,一致性檢驗結果說明了基于 SNN相似度的異常點檢測方法的機理與前兩種方法有所不同,可以從另一

12、個角度進行異常點的檢測,作為前兩種方法的補充。
　　(2)針對單種疾病中的異常費用數據的挖掘
　　兩種基于支撐向量數據描述的異常費用數據挖掘都是可行的。根據相關文獻的分析,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％。故認為兩種異常費用數據挖掘方法具有中度的一致性。
　　結論：
　　本研究表明建立新農合住

13、院費用數據的信息化處理和分析系統對于新農合的健康發(fā)展十分必要。通過數據分析,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)療費用上漲的關鍵,住院天數是影響住院費用最主要的因素,縮短住院天數是降低住院費用的有效途徑。不同區(qū)域疾病的構成存在差異,各區(qū)應有針對性的加強疾病的預防工作。腫瘤,先天畸形和循環(huán)系統疾病等重大疾病例均費用較高、所占比重較大,應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據的挖掘系統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)范新農合的操作流程,提高對新農合的監(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據描述的異常點檢測方法,針對新農合的住院費用數

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