关键词:
疾病诊断相关分组
高额住院费用
关联规则
频繁模式增长算法
先验算法
摘要:
目的探析肿瘤患者高额住院费用影响因素的关联规则, 为医院优化医疗成本管理措施提供依据。方法在某三级甲等综合医院住院病例信息系统, 提取2022年肿瘤科DRG病组住院患者的病案首页。以住院费用的上四分数为患者分组阈值, 住院费用≥该阈值的患者为高额费用组, 其他患者为对照组;将年龄、性别和入院病情等12个因素作为高额住院费用的潜在影响因素。采用频繁模式增长算法(frequent pattern growth, FP-Growth)和先验(Apriori)算法挖掘高额住院费用影响因素之间的潜在关联规则。采用Logistic回归分析高额住院费用的独立影响因素。结果共纳入5 512例住院患者, 其中高额费用组患者1 378例。经FP-Growth和Apriori算法分析, 获得13项高额住院费用影响因素有效强关联规则。规则前项包括年龄≥70岁、住院天数≥7 d、其他诊断≥5种、手术、再入院计划, 使用抗生素、入院情况(一般/危急)、入院生活得分(61~99分)、护理级别(一级/二级)、日间病房和危重症。Logistic回归结果显示, 除性别、使用抗生素和再入院计划以外, 其余9个影响因素均为高额住院费用的独立影响因素(P<0.05)。结论 FP-Growth和Apriori算法联合应用可有效挖掘肿瘤患者高额住院费用影响因素的关联规则, 预警信息主要包括住院天数、其他诊断数量和手术等。建议医疗机构通过优化临床路径管理、诊疗流程再造、入院风险评估以及多学科协作诊疗等策略合理控制高额住院费用产生。