基于E-CHAID决策树分析优化精神障碍按日支付的病例组合

《BMC Health Services Research》：Optimizing case mix for per-diem payment of mental disorders based on E-CHAID decision tree analysis

　　

摘要

背景

精神障碍给患者、他们的家庭和社会带来了沉重的经济负担。尽管日间支付方式常用于住院精神健康服务，但目前针对精神障碍的日间支付标准仍然较为粗糙，未能反映具有不同特征的患者之间的实际资源消耗差异。因此，本研究分析了与精神障碍患者日间住院费用相关的因素，以期为在中国提供的精神健康服务开发一个更加精细的基于病例组合的日间支付系统提供依据。

方法

本研究纳入了2020年至2024年间入住重庆两家医院的25,510名精神障碍住院患者，收集了他们的 demographic（人口统计）、临床和费用信息。采用单变量分析和广义线性模型来确定与日间住院费用相关的主要因素，并应用了详尽的卡方自动交互检测（E-CHAID）决策树模型来构建精神健康服务中的日间支付病例组合分类模型。

结果

广义线性模型显示，性别、年龄、保险类型、出院方式、医院等级、再入院计划、是否纳入临床路径、手术状态、合并症数量、住院次数、住院时长（LOS）和主要诊断与日间住院费用显著相关。以住院时长（LOS）、医院等级、保险类型和合并症数量作为划分变量，生成了10个病例组合组。该分组方案表现出较高的可靠性和稳健性，方差减少了0.43，所有组的变异系数均小于1（0.20–0.59）。这10个组的日间支付标准分别为120.06至658.16元人民币。

结论

住院时长（LOS）、医院等级、保险类型和合并症数量是分组精神障碍患者的关键因素，使用E-CHAID决策树构建精细的基于病例组合的日间支付系统是一种合理且合适的方法。

背景

精神障碍给患者、他们的家庭和社会带来了沉重的经济负担。尽管日间支付方式常用于住院精神健康服务，但目前针对精神障碍的日间支付标准仍然较为粗糙，未能反映具有不同特征的患者之间的实际资源消耗差异。因此，本研究分析了与精神障碍患者日间住院费用相关的因素，以期为在中国提供的精神健康服务开发一个更加精细的基于病例组合的日间支付系统提供依据。

方法

本研究纳入了2020年至2024年间入住重庆两家医院的25,510名精神障碍住院患者，收集了他们的 demographic（人口统计）、临床和费用信息。采用单变量分析和广义线性模型来确定与日间住院费用相关的主要因素，并应用了详尽的卡方自动交互检测（E-CHAID）决策树模型来构建精神健康服务中的日间支付病例组合模型。

结果

广义线性模型显示，性别、年龄、保险类型、出院方式、医院等级、再入院计划、是否纳入临床路径、手术状态、合并症数量、住院次数、住院时长（LOS）和主要诊断与日间住院费用显著相关。以住院时长（LOS）、医院等级、保险类型和合并症数量作为划分变量，生成了10个病例组合组。该分组方案表现出较高的可靠性和稳健性，方差减少了0.43，所有组的变异系数均小于1（0.20–0.59）。这10个组的日间支付标准分别为120.06至658.16元人民币。

结论

住院时长（LOS）、医院等级、保险类型和合并症数量是分组精神障碍患者的关键因素，使用E-CHAID决策树构建精细的基于病例组合的日间支付系统是一种合理且合适的方法。