使用基于DRG的归一化指标对智利选定的心血管医院服务进行探索性细分

《Frontiers in Health Services》:Exploratory segmentation of selected cardiovascular hospital services in Chile using DRG-based normalized indicators

【字体: 大 中 小 】 时间:2026年08月27日 来源:Frontiers in Health Services 2.6

编辑推荐:

  目的:评估使用基于疾病诊断相关组的归一化指标在支持对2019年至2023年智利公立系统中特定心血管服务的医院间差异进行探索性分析方面的应用,采用常规收集的行政数据,并将解释限制在所检查样本内的描述性比较。该研究被设计为描述性和生成假设的,而非验证医院绩效衡量标

  
目的:评估使用基于疾病诊断相关组的归一化指标在支持对2019年至2023年智利公立系统中特定心血管服务的医院间差异进行探索性分析方面的应用,采用常规收集的行政数据,并将解释限制在所检查样本内的描述性比较。该研究被设计为描述性和生成假设的,而非验证医院绩效衡量标准。
方法:对智利公立系统内54家医院的心脏病学、心血管外科和周围血管外科的141,893名成人出院患者进行了分析。将相对吞吐量、严重程度和死亡率作为编码复杂度的函数,总结为三个基于DRG的归一化指标。在进行主成分分析之前,将医院级别的均值标准化为z分数。使用Kaiser–Meyer–Olkin统计量(KMO = 0.6251)和Bartlett球形检验(p = 1.00 × 10?10)评估PCA的抽样充分性,结果表明应谨慎进行探索性分析。然后在具有k = 4、n_init=50和random_state=42的前两个主成分上执行K均值聚类,以确保可重复性。使用Kruskal–Wallis检验和Dunn事后检验评估相对吞吐量代理指标在专科、性别和聚类方面的差异。
结果:前两个主成分解释了医院-指标矩阵中86.26%的变异性。K均值聚类产生了四个医院聚类:聚类0(8家医院,14.8%)、聚类1(8家医院,14.8%)、聚类2(26家医院,48.1%)和聚类3(12家医院,22.2%)。从聚类均值中出现了不同的指标组合:聚类1具有最高的相对效率(Relative Efficiency, ER,0.9633)和最低的相对死亡率(Relative Mortality, MR,0.0016),而聚类3具有低ER(0.2465)、高相对严重程度(Relative Severity, SR,2.3286)和最高MR(0.0375)。Kruskal–Wallis检验表明不同专科、性别和聚类的ER存在显著差异(所有p < 0.001)。
结论:分析表明,基于DRG的归一化指标可用于探索智利公立系统内提供选定心血管服务的医院的细分。其输出应被解释为描述性和生成假设的,而不是作为医院效率的验证衡量标准或资源分配决策的独立证据。
在国家级公共卫生系统中进行医院绩效比较在方法学上仍然具有挑战性,因为各医院在病例复杂程度、服务组织以及面临的限制条件方面存在差异。在财政限制和持续需求的时期,政策制定者需要能够实现跨医院比较的指标,同时充分考虑个体医院层面的临床复杂性。在智利,疾病诊断相关组用于对医院出院患者进行分类以进行预算和融资。尽管该框架标准化了病例分类,提高了比较质量,但并未完全解决比较不同类型、专业化程度、复杂性和规模医院的挑战。粗略死亡率、平均成本或简单生产率等传统指标可能不足以对比具有不同临床工作负荷和服务模式的机构。因此,有必要寻找补充指标,以允许在异质条件下运营的医院之间进行更有条理的比较。基于此,研究人员在《Frontiers in Health Services》上发表了相关研究,旨在调查基于DRG的无量纲指标是否可用于描述2019年至2023年提供心血管服务的智利公立医院之间的差异。该研究得出结论,基于DRG的归一化指标可用于探索智利公立系统内提供选定心血管服务的医院的细分。其重要意义在于提供了一个透明、可直接从行政数据计算的描述性监测工具,以生成假设,而非直接评估医院效率。

研究人员使用了2019年至2023年智利国家卫生基金行政数据中去除身份标识的DRG记录构建研究数据集。样本队列来源于智利公立系统54家医院的141,893份成人出院记录,涉及心脏病学、心血管外科和周围血管外科。研究基于编码复杂度构建了三个基于DRG的归一化指标:相对效率、相对严重程度和相对死亡率。将医院级别的均值标准化为z分数后,通过主成分分析进行降维,并利用K均值聚类算法在主成分上生成医院特征图。此外,采用Kruskal–Wallis检验和Dunn事后检验评估相对吞吐量代理指标在不同专科、性别和聚类间的差异。

相对指数的描述性统计
在记录层面,ER的平均值为0.454,中位数为0.248,变异系数达到126.1%,表明各医院在运营绩效方面存在极高的离散度。SR较为稳定,平均值为1.521。MR在所有记录中均值较低,但在仅包含死亡记录的5308份样本中,变异系数极高,达到646.6%。

主成分分析
对54家医院的ER、SR和MR均值应用了PCA。整体Kaiser–Meyer–Olkin值为0.6251,Bartlett球形检验显著(p = 1.00 × 10?10)。前两个主成分解释了总方差的86.26%(PC1:58.27%;PC2:27.98%)。载荷结构表明,PC1与ER负相关,与SR和MR正相关,而PC2与MR的关联更强。

K-means聚类:四个医院特征图
在前两个主成分上进行的K均值聚类产生了四个医院聚类。聚类0(8家医院)表现为低ER、高SR和低MR;聚类1(8家医院)表现出最高的ER、最低的SR和最低的MR;聚类2(26家医院)具有中等的ER和SR,以及中低水平的MR;聚类3(12家医院)结合了低ER、高SR和最高MR。

相对效率在专科、性别和聚类上的差异
Kruskal–Wallis检验显示,在三个分析变量上,ER均存在显著差异:医疗专科(χ2(2) = 5098.62; p < 0.001)、性别(χ2(1) = 33.92; p < 0.001)和聚类(χ2(3) = 12674.86; p < 0.001)。Dunn事后检验证实了三个专科和四个聚类之间的所有两两比较均具有显著性。聚类效应大小为0.0893(中等效应),支持将细分作为描述性工具。

系统异质性和变异系数
相对吞吐量代理指标的高CV(126.1%)表明在所选样本中该测量值的分布广泛,与研究样本中存在的大量异质性一致。

K-means解的稳定性
在100次随机初始化中,四个聚类解高度可重复,平均调整兰德指数为0.9957,惯性恒定为36.42。时间序列交叉验证表明聚类模式可一致复制,且有无PCA的聚类结果非常相似(ARI > 0.95)。

这项探索性研究表明,2019年至2023年间,智利公立医院选定的心血管服务表现出异质的临床和利用特征。所提出的基于DRG的归一化指标提供了一种透明的方法,利用常规收集的行政数据总结吞吐量、严重程度和院内死亡率的模式。然而,ER、SR和MR应被解释为描述性和生成假设的代理指标,而不是外部验证的医院效率、质量或绩效衡量标准。聚类结果可能有助于识别值得进一步调查的模式,但不应将其作为排名医院、分配资源或在没有外部验证和背景信息的情况下做出政策决定的独立证据。研究中观察到系统内存在巨大变异性,特别是ER的高CV表明各机构的吞吐量代理指标值存在大范围分布。出现了四个统计学上不同的医院群组,一组在所有三个指标上均表现出相对有利的值,而另一组表现出低相对吞吐量、高相对严重程度和较高的相对死亡率。因此,采用一般性的、无差别的评估方案可能会忽略所分析服务领域内有意义的机构异质性,未来的评估应考虑临床和组织背景。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号