基于DRG支付改革与住院费用及住院时长的关联性系统评价与Meta分析

《INQUIRY: The Journal of Health Care Organization, Provision, and Financing》：Associations of DRG-Based Payment Reforms With Hospitalization Costs and Length of Stay: A Systematic Review and Meta-Analysis

　　

系统评价诊断相关分组（DRG）支付改革与住院费用及住院时长（LOS）之间的关联。研究人员依据PRISMA 2020声明开展系统评价与Meta分析，纳入评估DRG支付改革的定量研究。证据根据研究设计、结局、效应估计值及效应量纲进行综合。采用随机效应模型合并可比较的调整后双重差分（DID）估计值及中断时间序列（ITS）水平变化和斜率变化。不具备可比政策效应估计值的研究采用叙述性综合。本系统评价与Meta分析已在INPLASY平台回顾性注册（注册号：INPLASY202690066；DOI：10.37766/inplasy2026.9.0066）。共纳入12项研究，其中11项来自中国，1项来自瑞士。三项报告可比住院费用估计值的DID研究合并对数尺度系数为?0.0526（95% CI，?0.1215至0.0163；P = 0.135；I2 = 90.3%），对应约5.1%的费用下降，但该估计值未达统计学显著性。ITS研究结果因效应测量指标不同而各异，干预后趋势的证据不一致。LOS合并比例即时变化为?0.0178（95% CI，?0.0231至?0.0124），而合并比例斜率变化为?0.0020（95% CI，?0.0087至0.0046；I2 = 95.4%）。在修正Knapp–Hartung小样本敏感性分析下，所有合并估计值均不再具有统计学显著性。叙述性证据提示研究结果存在异质性，部分研究报告住院费用下降，LOS结果则不一。DRG支付改革可能与住院费用降低及部分情境下住院时长缩短相关；然而，这些关联的幅度和一致性在不同研究设计和实施情境下存在差异。鉴于可比较的准实验研究数量有限且部分分析存在显著异质性，应谨慎解读上述发现。

论文主体内容总结

引言

人口老龄化与慢性病负担加重增加了医疗需求，对医疗利用、支出及卫生筹资系统的可持续性构成压力，新冠疫情进一步加剧了这些压力。按服务项目付费（FFS）将医疗服务提供者收入与服务量直接挂钩，可能激励过度提供服务并弱化成本控制动力。DRG依据诊断、治疗模式及预期资源利用将住院病例归类为临床相似组别，通过建立前瞻性付费规则强化医疗机构控制成本与促进资源高效利用的激励。既往研究结果异质且不确定，尽管先前一项系统评价报告DRG改革与住院时长适度缩短相关但医疗支出结果不一致，近期多项评估扩展了证据基础。本研究旨在系统评估DRG支付改革与住院费用及住院时长的关联，并明确考虑研究设计与政策效应估计值的差异。

方法

检索策略

本系统评价与Meta分析依据PRISMA 2020声明报告。系统检索PubMed、Web of Science、Embase、Cochrane Library及中国知网（CNKI）中2000年1月1日至2026年5月30日发表的中英文文献。本系统评价与Meta分析在INPLASY平台回顾性注册（注册号：INPLASY202690066；DOI：10.37766/inplasy2026.9.0066）。检索策略结合受控词汇与自由文本词，检索概念聚焦于DRG支付、住院费用、住院时长及医疗服务提供者付费安排。

纳入与排除标准

纳入标准包括：（1）研究对象为住院患者或住院入院/病例；（2）干预涉及DRG支付或报销系统；（3）采用允许评估付费改革相关变化的定量设计，包括双重差分（DID）、中断时间序列（ITS）、对照观察比较、对照前后研究或调整前后分析；（4）报告住院费用和/或住院时长，且具备足够定量信息提取描述性结局数据和/或政策效应估计值；（5）为可获取全文的中英文原始研究。排除综述、评论、社论或会议摘要等非原创文献，以及无法进行定量比较或未报告结局指标的研究。基于纯区域或机构层面汇总指标的研究被排除，因其可能反映人口构成、服务量、医院组合等区域层面因素。纳入系统评价不必然意味着纳入定量合并；仅当研究设计、政策效应估计值、结局定义及效应量纲充分可比时方纳入Meta分析，否则纳入叙述性综合。

数据提取

两名研究人员独立使用标准化数据提取表提取数据，包括第一作者、发表年份、国家或地区、研究人群与情境、样本量、付费改革特征、研究设计、干预时点、对照组、结局定义、效应指标、统计模型、调整变量及报告的政策效应估计值。对于DID研究，提取调整后处理×时期交互系数及标准误（SE）和/或95%置信区间（CI）。对于ITS研究，提取干预后即时水平变化和干预后斜率变化及相应SE、95% CI、模型设定和时间单位。若SE未直接报告但可由95% CI推导，则按（上限?下限）/（2×1.96）计算。

偏倚风险评估

采用非随机干预研究偏倚风险评估工具（ROBINS-I）评估纳入研究的偏倚风险，涵盖混杂偏倚、参与者选择偏倚、干预分类偏倚、偏离预期干预偏倚、缺失数据偏倚、结局测量偏倚及报告结果选择偏倚七个领域。两名研究人员独立评估，分歧通过讨论或咨询第三名研究人员解决。

统计方法（Meta分析）

定量综合优先采用原始研究报告的主要统计模型中的政策效应估计值。研究根据研究设计、结局、效应估计值及效应量纲分组。DID研究中，调整后处理×时期交互系数在对数尺度上直接合并，合并估计值经反变换以百分比变化表示。ITS研究中，即时水平变化与干预后斜率变化作为不同政策效应估计值分别合并，并按效应量纲分层；相对或对数尺度效应不与以人民币（CNY）或天数表示的绝对效应合并。时间单位不一致时线性换算为统一月度单位。Meta分析在R 4.5.1版本中使用metafor包进行，采用限制最大似然（REML）估计拟合随机效应模型，使用Cochran's Q检验评估异质性并以I²统计量和研究间方差（τ²）量化。鉴于每项定量综合纳入研究数量极少，额外采用修正Knapp-Hartung调整作为小样本敏感性分析。对纳入至少三项研究的Meta分析开展逐一剔除敏感性分析。因各设计特异性Meta分析纳入研究数量过少，未正式评估发表偏倚。

结果

研究筛选

共12项研究符合系统评价纳入标准，其中11项在中国开展、1项在瑞士开展。7项独立研究贡献于至少一项设计特异性定量综合，5项仅纳入叙述性综合。

偏倚风险

12项纳入研究中，7项总体偏倚风险为中等，5项为严重。严重关注主要源于混杂控制不足、缺乏同时期未受影响对照以及对时间趋势或并行政策变化的脆弱性。

设计特异性定量综合

定量综合分别针对DID和ITS研究进行。ITS研究中即时水平变化与干预后斜率变化分别分析，效应量纲不兼容的估计值不予合并。

住院费用的DID分析

三项DID研究（Yan等2025、Chen等2025、Wang等2024）报告了对数尺度住院费用的可比调整后处理×时期交互估计值。随机效应模型合并系数为?0.0526（95% CI，?0.1215至0.0163；P = 0.135），对应约5.1%的住院费用下降，但未达统计学显著性。研究间异质性显著（I² = 90.3%；τ² = 0.0032；Q = 9.52，P = 0.009），95%预测区间为?0.1825至0.0773，对应住院费用变化范围约为降低16.7%至增加8.0%。逐一剔除分析显示，剔除Yan等（2025）后I²降至0%，合并系数为?0.0200（95% CI，?0.0395至?0.0004）。因仅一项DID研究提供了适合定量合成的住院时长调整后处理×时期交互估计值，未对住院时长开展DID Meta分析。

住院费用的ITS分析

两项ITS研究（Li等2025、Wang等2024）报告了对数相对尺度住院费用的可比干预后斜率变化，Wang等的半月度估计值换算为月度尺度后合并。探索性随机效应合并月度斜率变化为?0.0120（95% CI，?0.0153至?0.0087；P < 0.001），对应约1.2%的月度住院费用下降，研究间异质性为零（I² = 0%；τ² = 0；Q = 0.22，P = 0.641），但仅两项研究贡献于此分析。其他住院费用ITS估计值因效应量纲差异未予合并，采用叙述性综合。

住院时长的ITS分析

两项ITS研究（Li等2025、Wu等2022）报告了住院时长比例即时水平变化，合并估计值为?0.0178（95% CI，?0.0231至?0.0124；P < 0.001），对应约1.8%的即时住院时长缩短，研究间异质性为零（I² = 0%；τ² = 0；Q = 0.02，P = 0.897）。同一两项研究报告的比例干预后斜率变化合并值为每月?0.0020（95% CI，?0.0087至0.0046；P = 0.547），研究间异质性显著（I² = 95.4%；τ² = 0.0000221；Q = 21.63，P < 0.001）。两项ITS研究（Chen等2025、Wang等2024）报告的住院时长绝对即时水平变化合并值为?0.54天（95% CI，?0.91至?0.16；P = 0.005），异质性较低（I² = 5.8%）。三项ITS研究（Chen等2025、Wang等2024、Kutz等2019）报告的绝对干预后斜率变化经月度换算后合并为?0.049天/月（95% CI，?0.154至0.057；P = 0.364），研究间异质性显著（I² = 92.0%；τ² = 0.0078；Q = 23.93，P < 0.001），95%预测区间为?0.252至0.154天/月。逐一剔除分析显示，剔除Wang等（2024）后I²由92.0%降至0%。

小样本敏感性分析

修正Knapp-Hartung敏感性分析产生的置信区间宽于主要REML分析，尤其在仅基于两项研究的综合中。在此更保守的小样本推断方法下，所有合并估计值均无统计学显著性。

未纳入设计特异性Meta分析研究的叙述性综合

对于住院费用，多数未纳入定量综合的DRG研究报告改革实施后费用下降。Liu等（2025）报告下降7.0%，Li等（2023）报告下降39.4%。相反，Meng等（2022）未发现总体住院支出的统计学显著调整后下降（β = ?0.035，SE = 0.022），Hu等（2024）报告DRG支付组与对照组住院费用比无显著差异（0.97 vs 0.98；P = 0.157）。Zhang等（2025）报告住院费用粗略下降18.9%，但因DID框架缺乏明确的同时期处理-对照结构，仅保留于叙述性综合。住院时长结果一致性较差：Liu等（2025）报告由7.46天降至7.19天（?0.27天），Meng等（2022）报告调整后下降约8.3%，Zhang等（2025）报告中位住院时长由12天降至6天但未提供调整后DID估计值，Hu等（2024）报告两组间无显著差异（4.77 vs 4.89天；P = 0.103）。总体而言，叙述性证据普遍显示DRG支付改革后住院费用下降，住院时长结果则不一。

讨论

主要发现

本系统评价与Meta分析综合了12项评估DRG支付改革的研究证据。总体证据提示DRG支付改革可能与住院费用降低相关，但估计值的幅度和统计确定性在不同研究设计间存在差异。DID分析中合并估计值总体指向住院费用下降，但总体效应未达统计学显著性且研究间异质性显著。ITS发现提示住院费用变化在干预后趋势中比实施后即时水平变化更为明显。住院时长结果一致性较差，部分分析显示实施后即时缩短，干预后趋势变化证据不一且部分分析异质性高。描述性及前后研究普遍报告住院费用下降，而更严格设定的准实验设计估计值一致性较差。本研究结果与Zou等（2020）早期系统评价基本一致，但通过纳入近期评估并明确按研究设计、政策效应估计值、结局定义及效应量纲分离研究，扩展了早期证据基础。

解释与潜在机制

从提供者激励角度，DRG支付可能通过削弱提供者收入与个体服务量的直接联系并约束每例住院病例的预期报销额，改变医院边际收入结构。医疗服务提供者可能通过限制药品和医用耗材使用、减少低价值或低边际回报投入、优化临床路径和诊疗流程等方式降低资源使用。然而，多数纳入研究主要评估住院费用和住院时长，未直接测量提供者行为反应，上述机制应视为基于付费理论和间接证据的合理解释路径而非本综述直接证明的因果机制。此外，住院费用下降不一定转化为总医疗支出下降，提供者可能通过将服务转移至门诊或其他非住院情境、改变服务构成或增加编码强度等方式应对付费约束。

治疗效应的异质性

多项定量综合中观察到显著研究间异质性，尤其在住院费用DID分析和住院时长干预后斜率变化ITS分析中。可能贡献因素包括：研究在分析设计和目标估计值上的差异；患者人群、疾病类别、疾病严重程度、病例组合、医院特征及实施条件的差异；病例复杂性、医院管理能力、临床路径成熟度、信息技术基础设施及政策实施强度均可能影响提供者对按病例付费激励的反应。常规DRG分类可能无法完全捕捉同一DRG类别内患者护理复杂性的差异，近期证据提示DRG权重可能仅弱反映护理工作量变异。住院时长异质性还可能反映出院实践差异、后急性期照护可及性、医院组织能力及临床路径实施情况。

研究结果的稳健性

逐一剔除敏感性分析显示部分合并估计值对单项研究敏感。住院费用DID分析中，剔除单项研究影响合并估计值的幅度、统计学显著性及研究间异质性估计。修正Knapp-Hartung敏感性分析进一步证明这些小型综合中统计推断的脆弱性，在更保守的小样本调整下所有合并估计值均无统计学显著性。鉴于方法学可比研究数量有限，这些合并估计值不应被解读为稳定或普遍适用的平均效应。在仅纳入两项或三项研究的分析中，研究间异质性和预测区间估计本身存在较大不确定性。

政策与实践启示

现有证据提示DRG支付改革可能与住院费用降低及部分情境下住院时长缩短相关，但这些关联具有情境依赖性。患者病例组合、医院特征、付费设计、临床路径和机构能力的差异可能塑造提供者对付费激励的反应，单项研究或情境的发现不应假定可直接推广至其他卫生系统。住院费用或住院时长的下降不一定表明医疗效率或质量改善，付费约束可能伴随服务跨情境转移或过早出院等非预期反应。未来评估应纳入医疗质量和患者结局指标（包括再入院、并发症和死亡率）以及跨情境总医疗支出，并将标准化护理数据纳入风险调整和资源配置模型。

优势与局限性

本综述的优势包括：依据PRISMA 2020声明报告；系统重新评估原始研究的研究设计和政策效应估计值；定量综合限于研究设计、目标估计值、结局定义和效应量纲充分可比的估计值；DID和ITS估计值分别合并，ITS即时水平变化与干预后斜率变化作为不同估计值处理。局限性包括：每项定量综合中方法学可比研究数量有限，部分Meta分析仅纳入两项或三项研究，限制了合并估计值的精度和稳定性及发表偏倚评估；多项分析存在显著异质性；部分纳入研究采用前后、倾向评分匹配或同时期观察设计，其效应估计值与标准DID或ITS估计值不可直接比较；证据地理分布集中，12项纳入研究中11项在中国开展；检索策略中额外提供者付费情境模块可能降低对替代术语描述DRG评估的敏感性；本综述主要关注住院费用和住院时长，未能全面评估医疗质量、患者结局或总医疗支出。

结论

本系统评价与Meta分析提示DRG支付改革可能与住院费用降低及部分情境下住院时长缩短相关。然而，这些关联的幅度和一致性在不同研究设计和实施情境间存在差异，部分分析观察到显著异质性。鉴于可比较准实验研究数量有限、多项研究存在严重偏倚风险及证据地理分布集中，应谨慎解读上述发现。未来需要更严格设计的准实验研究评估DRG支付改革的长期和情境特异性后果，并更加关注医疗质量、患者结局及跨情境医疗资源使用。