梧州市妇幼保健院 , 广西 梧州 543002
【摘要】目的:分析医疗保障疾病诊断相关分组(CHS-DRG)细分组方案,规范病案编码及学习DRG分组提供参考。方法:2019年我院病案数据导入CHS-DRG医院联盟住院绩效平台(2015版)细分组中疾病诊断、手术及操作、严重并发症及合并症相关编码,以国家医保版疾病、手术及操作编码库中编码作为比较,并分析影响DRG分组主要编码及干预前后入组情况。结果:医保版疾病编码库中合计编码总计32208条,其中3834条未纳入到MDC主诊表中;相比较2018年,2019年DRGs入组、住院费用CV>1的组数人数增多,住院费用CV>1病例数、住院时间CV>1的组数、住院时间CV>1的病例数相对降低。结论:编码数据分析能加深对病案编码、DRG分组学习及理解,进而对病案首页填写规范性和准确性提高具有重要临床意义。
【关键词】医疗保障;诊断;编码数据
Analysis of Coding Data for CHS-DRG Subgrouping Scheme
HUANG Min
Wuzhou Maternal and Child Health-Care Hospital,Wuzhou Guangxi 543002,China
【Abstract】Objective: To analyze the subgrouping scheme of CHS-DRG,standardize the medical record coding and provide reference for learning DRG grouping.Methods: 2019 medical record data import CHS DRG hospital,union hospital performance platform(2015 edition) group in disease diagnosis,surgery and operation,serious complications and complications related to encoding,disease,surgery,and operating in national health insurance code library code for comparison,and analyze the main influence DRG grouping coding and situation before and after the intervention into the group.Results: A total of 32208 codes were included in the disease code database of MEDICAL Insurance edition,3834 of which were not included in the main diagnosis table of MDC.Compared with 2018,the number of DRGs enrollment and hospitalization cost CV>1 groups increased in 2019,while the number of hospitalization cost CV>1 cases,hospitalization duration CV>1 groups and hospitalization duration CV>1 cases decreased relatively.Conclusion: Coding data analysis can deepen the learning and understanding of medical record coding and DRG grouping,which is of great clinical significance to improve the standardization and accuracy of filling in the first page of medical record.
【Key words】Medical Security;Diagnosis;Coded Data
疾病诊断相关分组(DRG)具备一种风险调整功能病例组和工具,因突出风险调整功能,且方便用于管理被用于全球多国医保预算、资源配置管理及医保支付、购买医疗服务等,为世界公认较为先进和科学医保支付方式[1]。自20世纪90年代我国陆续对DRG相关研究及应用增多,且经过几十年发展陆续形成多个DRG版本。但目前有关分组器分组规则尚未公开,对影响DRG分组相关因素成为目前医院管理人员关注焦点
[2]。本次研究就CHS-DRG细分组方案的编码数据分析,具体如下。
1数据与方法
1.1数据来源
依据编码字典库分别为国家医保版疾病分类与代码(医保ICD-10)、国家医保版手术及操作分类与代码(医保ICD-9-CM-3)为原则,对疾病主要诊断、手术及操作、严重并发症或合并症(MCC)、并发症或合并症(CC)、并发症或合并症排除等编码数据均按照CHS-DRG细分组。
1.2方法
采取EXCEL开展数据整理、查询、筛选和对比等,依据医疗保障基金结算清单(或病案首页)主要诊断为依据,以解剖和生理系统为主要分类特征,参考ICD-10将病例分为主要诊断大类。基于核型疾病诊断相关组基础上,综合考虑病例性别、年龄、体重、合并症及并发症等个体特征,进一步将临床过程相似、资源消耗相近疾病诊断细分为诊断相关组,为DRG。对医保版疾病诊断、手术及操作编码库中哪些编码未纳入CHS-DRG细分组,哪些疾病诊断不合适做DRG分组的主要诊断、哪些手术及操作不适合做DRG分组的主要诊断,哪些手术及操作不适合做DRG分组的主要手术及操作,及MCC、CC排除列表中编码与主诊表编码间的关系等。对2018年、2019年住院病例分组,分组一致性采取变异系数(CV)评价,CV=标准差/均值;病例组和指数(CMI)以某医院住院费用标化得到,住院费用标化按照医疗、护理、管理、医技、药品及耗材各占20%进行费用标化,住院服务效率评价采取费用消耗指数、时间消耗指数评价。
2结果
2.1医保疾病编码库中未纳入MDC主诊表的编码在ICD-10各章分布
医保版疾病编码库中合计编码总计32208条,其中3834条未纳入到MDC主诊表中,详见表1。
表1医保疾病编码库中未纳入MDC主诊表的编码在ICD-10各章分布
章序号 | 医保编码库编码个数 | MDC主诊表编码个数 | 未纳入主诊表编码个数 | 未纳入编码占比(%) |
1 | 2481 | 2207 | 274 | 11.04 |
2 | 3373 | 3151 | 222 | 6.58 |
3 | 556 | 521 | 35 | 6.29 |
4 | 1665 | 1529 | 136 | 8.17 |
5 | 814 | 771 | 43 | 5.28 |
6 | 1284 | 1257 | 27 | 2.10 |
7 | 1001 | 974 | 27 | 2.70 |
8 | 244 | 215 | 29 | 11.89 |
9 | 2023 | 1789 | 234 | 11.57 |
10 | 861 | 796 | 65 | 7.55 |
11 | 2089 | 1899 | 190 | 9.10 |
12 | 838 | 802 | 36 | 4.30 |
13 | 2067 | 1884 | 183 | 8.85 |
14 | 1234 | 1086 | 148 | 11.99 |
15 | 1520 | 1263 | 257 | 16.91 |
16 | 619 | 430 | 189 | 30.53 |
17 | 1949 | 1805 | 144 | 7.39 |
18 | 867 | 736 | 131 | 15.11 |
19 | 5143 | 4523 | 620 | 12.06 |
20 | 1569 | 736 | 833 | 53.09 |
21 | 11 | 0 | 11 | 100.00 |
总计 | 32208 | 28374 | 3834 | 11.90 |
2.2干预前后我院DRGs分组结果
相比较2018年,2019年DRGs入组、住院费用CV>1的组数人数增多,住院费用CV>1病例数、住院时间CV>1的组数、住院时间CV>1的病例数相对降低,详见表2。
表2 干预前后我院DRGs分组结果
指标 | 2018(n=1265) | 2019(n=1356) |
DRGs组数(例数>5) | 1049 | 1265 |
住院费用CV>1的组数 | 956 | 1056 |
住院费用CV>1病例数 | 62589 | 59898 |
住院时间CV>1的组数 | 665 | 556 |
住院时间CV>1的病例数 | 67987 | 62598 |
3讨论
DRG付费依据临床治疗过程相似、医疗资源消耗相近的原则对住院病例分组,医保基金和患者个人按照同病组同费用原则,为医院支付医疗费用一类付费方式。DRG付费为深化医改、促进三医联动重要抓手[3]。
本文就国家医保版疾病分类与代码(医保ICD-10)、国家医保版手术及操作分类与代码(医保ICD-9-CM-3)为原则,医保版疾病编码库中3834条未纳入到MDC主诊表中,多出现在17个小结中,集中在躯体损伤相关。CHS-DRG最初以成本为因变量,但成本数据难以合理、准确核算,使用费用代替成分。费用、成本背离导致模型偏移、行为误导。造成医疗成本、价格背离现象更为严重。因此,精确成本核算成为CHS-DRG研究及应用前提。文章表2得出,经分组后,我院入组、住院费用CV>1组数增多,住院费用>1病例数、住院时间CV>1的组数、住院时间CV>1的病例数相对减少,表明精分组下,整体疾病入组准确性更高,相应患者住院标准划分及住院费用明细收取更加精细,对整体医疗质量保障提供一定依据[4]。但目前我国疾病诊断编码升级工作中,近些年来尚不完善,当病案首要中应用上述编码作为主要诊断或主要手术及操作时,会导致无法正确入组[5-6]。为此,医生书写病历过程中可予以实时提醒,源头上提升疾病诊断、手术及操作填写规范性、准确性。及时识别错误编码情况,并提高高质量、规范病案首页数据,一旦发现不当情况及时与临床实际相符分组意见反馈,完善DRG分组设置,保障DRG高效运行。
综上所述,编码数据分析能加深对病案编码、DRG分组学习及理解,进而对病案首页填写规范性和准确性提高具有重要临床意义。
参考文献
[1]王珊,杨兴宇,于丽华,等.C-DRG的分组原则与方法[J].中国卫生经济,2017,36(6):9-11.
[2]张文欣,储敏,梁海航.基于DRGs数据的死亡病例分析[J].现代医院,2018,18(11):1572-1575,1578.
[3]黄金路,郭澄.诊断相关分组背景下医院药学实践面临的问题及建议[J].中国药业,2021,30(2):15-17.
[4]黄伊玮,王立军,董一颍,等.基于肿瘤大数据平台的DRG系统建设与应用研究[J].中国数字医学,2020,15(7):19-21,25.
[5]王东梅.医院病案首页中疾病主要诊断编码错误原因及其对策分析[J].临床医药文献电子杂志,2019,6(32):184-184.
[6]张丽,王颖.病案首页主要诊断选择的个案分析[J].中国病案,2012,13(12):37-38.
收稿日期:2021年3月30日
出刊日期:2021年10月25日
引用本文:黄敏.CHS-DRG细分组方案的编码数据分析[J].当代介入医学, 2021, 1(16) : 1-2. DOI: 10.12208/j.jcim.2021.16.091
Copyright:© 2021 by author(s) and Open Access Journal Research Center.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).http://creativecommons.org/licenses/by/4.0/