一、目的本研究旨在通过分析新农合住院费用的分布特点、住院病人构成、疾病种类构成等,全而分析新农合的住院费用,找出影响住院费用的相关因素；通过多种统计方法的比较,探索住院费用异常数据的筛检方法。并针对新农合运行中存在的问题,基于数据的分析结果,提出新农合相关的合理化建议,为控制不合理的医疗支出和制定新农合相关政策提供科学的依据,促进新农合健康持续的发展。二、研究方法1、新农合住院费用数据的分析本研究对象为湖北省某市周边八个区,2009年1月-6月新农合所有住院费用数据,共计71982例。本研究的住院费用数据主要包括以下内容：住院病例的人门学特征、住院天数、入院时间、疾病编码、住院总费用、以及住院费用的构成(住院总费用是由药品费、住院费、一般检查费、大型检查费、手术费、治疗费、诊疗费、其他费用等8个部分构成)。采用频数、构成比等进行描述性分析；利用卡方检验、Mantel-Haenszel检验、秩和比检验Kruskal-Wallis H方法进行住院费用的单因素分析；采用广义线性回归模型和多元逐步回归方法对住院费用进行多因素分析；运用boostrap方法估计不同级别医院的例均费用。利用SAS 9.0. MATLAB7.0和Excel等软件进行统计分析。2、异常费用数据的筛检(1)以各区合管办为单位进行针对所有疾病的异常费用数据的挖掘研究对象选取A区二级医院2009年1-6月的住院病例的费用数据,共计3568例。采取了三种方法对该数据集进行异常费用数据的挖掘,包括基于广义线性回归的学生化残差的异常点检测方法、基于共享型最近邻居相似度的异常数据检测方法和基于支撑向量回归的异常点检测方法。利用一致性Kappa检验,对三种方法检测结果的一致性进行检验。(2)针对单种疾病中的异常费用数据的挖掘研究对象选择各区慢性支气管炎病例的费用数据,共计880例。研究方法采取基于支撑向量数据描述的异常数据挖掘方法。对于前期的数据处理,除了直接利用费用构成数据之外,还尝试先对费用构成数据进行核主成份分析。利用Kappa检验,对两种检测结果的一致性进行检验。利用Matlab 7.0、SAS 8.0、R 2.3.0和libsvm 3.1对数据进行分析和处理。三、结果1、新农合住院病例及费用的分布特征不同区域的住院率存在明显差异,最高的4.87%,而最低的只有1.63%,前半年平均住院率2.63%,属于正常范围。从总体上来看女性病例占54.75%,男性占45.25%,女性住院病例数高于男性。住院人数最多的三种疾病为呼吸系统疾病,占17.08%；某些传染病和寄生虫病,占16.84%；循环系统疾病,占12.11%。三种例均费用最高的疾病依次为先天畸形、变形和染色体异常,例均费用11211.44元；肿瘤,7664.82元；血液及造血器官疾病和某些涉及免疫机制的疾患,7250.82元。平均住院天数为10.9天,住院天数主要集中于4-8天和8-12天,分别占总例数的40.86%和20.79%,其中0-12天出院的累计比例达到78.83%。住院费用的构成的研究表明,药品费所占比例最大,占50.72%,其次为住院费,占总费用的22.89%,而所占比例最低的为大型检查费,占1.52%。手术病例13877例,占19.28%,非手术病例58105例,占80.72%。2、住院费用的影响因素住院费用的单因素研究中性别、年龄、疾病种类、就诊时间、住院天数、是否手术和入院状态等七个因素对于住院费用均有显著性影响(P<0.0001)。通过建立针对不同级别医院住院费用的广义线性模型,以上因素具有显著的统计学意义(P<0.05),但不同级别医院的住院费用的极显著的影响因素存在差异。一级医院影响住院费用的极显著的因素有：年龄、疾病种类、是否手术与住院天数；级医院较一级医院增加了就诊时间；三级医院则较一级医院增加了入院状态。由此可以看出,疾病种类、是否手术、住院天数是影响住院费用的主要因素。3、基于boostrap方法的不同级别区内医疗机构的例均费用控制指标一般乡镇卫生院例均费用控制在1000元以下；中心卫生院(手术病例超过住院人数的30%)例均费用控制在1235-1365元之间；区内二级医院的例均费用控制在3320-3570元之间。4、区外转诊的费用分析区外转诊的男性比重要高于区内就医的男性所占比重(P<0.0001),而且区外转诊的男性住院病例的例均费用高于女性(P<0.0001)。区外转诊病例住院费用中,药费占52.07%,药费所占比例低于卫生院,但高于二级医院；而住院费用占到30.64%,明显高于区内各级医院。大额住院病例中,所占比例最高的两类疾病为循环系统疾病和肿瘤,分别占到24.90%,24.29%。对于区外转诊的住院费用,住院天数是影响费用最主要的因素,性别和入院状态也是费用的影响因素。5、异常费用数据的筛检(1)以各区合管办为单位进行针对所有疾病的异常费用数据的挖掘基于广义线性回归的学生化残差的检测方法和基于支撑向量回归的异常数据检测方法之间具有一定的一致性(Kappa=0.3414, ASE=0.0339, u=10.07, P<0.0001;而符合率为93.8%)但两种方法与共享型最近邻居(Shared Nearest Neighbor, SNN)相似度方法的一致性都较差,Kappa值分别为-0.0058和0.0082。首先,三种方法对于异常费用数据的挖掘都是行之有效的；其次,一致性检验结果说明了基于SNN相似度的异常点检测方法的机理与前两种方法有所不同,可以从另一个角度进行异常点的检测,作为前两种方法的补充。(2)针对单种疾病中的异常费用数据的挖掘两种基于支撑向量数据描述的异常费用数据挖掘都是可行的。根据相关文献的分析,核主成份分析有利于提高算法的性能。两种方法之间的Kappa=0.4135, ASE=0.1287, u=3.213, P=0.0013;而且符合率为86.46%。故认为两种异常费用数据挖掘方法具有中度的一致性。四、结论本研究表明建立新农合住院费用数据的信息化处理和分析系统对于新农合的健康发展十分必要。通过数据分析,药品费在住院总费用中所占比例最大,控制药费虚高是控制医疗费用上涨的关键,住院天数是影响住院费用最主要的因素,缩短住院天数是降低住院费用的有效途径。不同区域疾病的构成存在差异,各区应有针对性的加强疾病的预防工作。肿瘤,先天畸形和循环系统疾病等重大疾病例均费用较高、所占比重较大,应建立针对此类重大疾病的保障体系。利用boostrap方法建立了不同级别医院例均费用控制指标体系,可以从宏观上控制住院费用的上涨。通过建立异常费用数据的挖掘系统使得从微观上针对单个住院病例的费用监控成为可能,同时采取多种检测方法,能从不同侧而筛选出更多的异常点,这都有利于减少医院费用的不合理支出,规范新农合的操作流程,提高对新农合的监管力度。五、创新点1.本文分别利用了基于广义线性回归的学生化残差、基于共享型最近邻居相似度、基于支撑向量回归和基于支撑向量数据描述的异常点检测方法,针对新农合的住院费用数据进行了异常数据挖掘。从海量数据中迅速筛选出待查的异常数据,大大减少了人工监控的工作量,使从微观层而进行住院费用的监控成为可能。通过对各种异常点挖掘方法结果的一致性检验发现,具有相同机理的挖掘方法,其检测结果具有一定的一致性,但不同机理的挖掘方法,发现的异常点存在差异。将各种异常点挖掘方法进行有机结合可以提高异常数据筛检的敏感性。2.将bootstrap方法用于例均费用的区间估计,得到了区内各级医院例均费用的合理范围,为例均费用控制的实施提供了科学的依据。