臺灣博碩士論文加值系統

研究背景與目的：

健保局規劃未來末期腎臟疾病患者之醫療費用時，採論人計酬（capitation）或論病例計酬（per case）制度，然而我國目前針對末期腎臟疾病患者之病例組合(Case Mix）之相關研究並不多見，因此本篇研究主要探討末期腎臟疾病病患於透析治療階段之醫療費用風險因子，並建構透析病人於不同原發病因及合併症之下所產生之病例組合(Case Mix)，主要預期達成之研究目的如下：(1)分析末期腎臟疾病患者十大類不同原致病因素之醫療資源耗用情形。(2)建立末期腎臟疾病病人分類系統。(3)建構末期腎臟疾病患者資源耗用關係群。期能有效預測未來末期腎臟疾病患者在透析治療階段之醫療費用，保障透析病患獲得更具連續性、可近性與公平性之照護模式，以提升醫療資源使用效率與透析之照護品質，同時用以做為醫院提供服務及健保局擬定論人計酬支付標準之參考。

研究方法：

� 本研究設計之目的在發展末期腎臟疾病患者資源耗用關聯群，亦即以患者的特徵(基本資料、末期腎衰竭原致病因、就醫習慣)為預測變項，資源耗用為目標變項，建立患者的分類系統，以提供未來實施前瞻性支付制度時的參考。
本研究中採用橫斷性之研究設計(Retrospective cross-sectional study Design)的方式去收集本研究中研究對象之資料，研究對象之主要資料來源分別為台灣腎臟醫學會90年1月到12月年透析患者之資料檔，及中央健康保險局高屏分局90年之「門診處方及治療明細檔」及「住院醫療費用清單檔」，藉此瞭解末期腎臟病患者在不同致病因素之下之病患分群，並進一步分析各病患群之醫療資源耗用差異狀況，藉以建構資源耗用關係群。

研究結果：

1研究顯示殘障復健階段病患有罹患併發症的病患，其醫療資源耗用會有顯著的提升，
且在併發症中只要有『其他感染』再合併其他常見之透析病患併發症，其醫療資源耗用
會有明顯之增加。
2.以原發病因和併發症為主要分類依據發展之醫療資源耗用模式中，發現原發病因對於醫療資源的耗用程度之影響沒有合併症所產生之影響高，且在五個不同模式中發現，以原發病因和併發症為主要分類依據發展之醫療資源耗用模式中對於門診的醫療資源耗用之解釋力比較高，在住院部分的醫療資源耗用之解釋力比較低。
3.以併發症為主要分類依據發展之醫療資源耗用模式中可以看到合併症中的『其他感染』對於醫療資源耗用的多寡有著決定性的影響，若是病患有發生『其他感染』則其醫療資源之耗用就會急遽升高。
4.影響末期腎臟疾病患者醫療資源耗用的因素包含病患特質的『年齡』、『原發病因』中的『腎臟實質疾病』、『糖尿病』、『遺傳性疾病』、『紅班性狼瘡』，合併症中的『糖尿病』、『心臟疾病』、『腦血管疾病』、『腸胃疾病』、『癌症』、『肝臟疾病』、『其他感染』。
5.根據文獻中提出之病例組合分類系統條件基本原則，本研究中的各個模式中，以門診費用模式1-3、住院費用模式2-3、扣除透析費用之門診模式4-3、扣除透析費用之住院模式5-3的解釋力較高，其驗證前對醫療資源耗用之解釋力分別為11.60%、6.13％、15.02％、7.64％。驗證後之解釋力分別為25.25％、10.26％ 、19.13％、9.49％。這四組為本研究中門診費用與住院費用資源耗用關聯群中較佳的建構結果。

討論與建議：

有關單位在檢討末期腎病需長期洗腎病患論人計酬支付制度時，可以先建立一個嚴謹的病患疾病編碼，然後將原發病因、併發症等因素列入費用給付的考慮，並針對變異較小的門診血液透析末期腎臟疾病患者可優先考慮實施論人計酬。若未來將末期腎病需長期洗腎病患的住院費用也納入論人計酬制度支付，必須有配套的風險校正方能避免醫療院所有逆選擇狀況。未來末期腎臟病患實行論人計酬，則『其他感染』這一合併症，更是亟需注意，否則可能會造成醫院收入方面的虧損。此外本研究僅選取病患特質、原發病因、合併症、醫院層級去建立病患之資源耗用的關聯群，但病患分類結果的正確率都不高，顯示除了對於資源的測量需要更精確外，尚須繼續探討影響資源耗用的因素，分析出這些重要變項後，從中選擇適合的變項去建立一個分類正確比率更高的病患組合，未來的研究應該擴大研究範圍，才能提升病例組合分類系統的價值。

Background and Objectives
When the Bureau of National Health Insurance is going to plan the medical expenditure of ESRD in the future, it will pay by capitation or by per case. And the present study of ESRD’s case mix in Taiwan is rare. Our main study purpose is to discuss the factors to the ESRD’s patient dialysis medical expenditure, and develop the ESRD’s patient case mix of different original aetiology and different complications. The expect purposes are: (1) Find the ten different original aetiology ESRD patient’s Medical Resource Utilization. (2) Construct ERSD patient classification system. (3) Develop the ESRD patients’ Groups for Medical Utilization to make patients have more continuously, accessibility and equity medical care. And promote the efficiency and the quality of care to be use for the hospital or the Bureau of National Health Insurance.

Methods
The purpose of our study is to develop the ESRD patients’ Groups for Medical Utilization and to construct the patients’ classification system for the prospective payment system’s reference. The predict variable is patients’ characteristic (the basic data, ESRD’s original aetiology, the seeking of care), and target variable is resources utilization.

This study is a retrospective cross-sectional study. The case resource is Taiwan society of Nephrology’s dialysis patient data set (from Jan to Dec 2001), and the 2001’s Ambulatory care expenditures by visits database and Inpatient expenditures by admissions database of Bureau of National Health Insurance Kao-Ping Branch.

Results

1. When rehabilitant patient has complication, the medical resource utilization will significant increase, further more, if the complication includes “other complication” and other dialysis patient’s common complications, the utilization will obviously increase.
2. The original aetiology’s effect in less than complications. And in a few different model construct by original aetiology and complication can explain more in ambulatory care utilization than inpatient care utilization.
3. In the medical resources utilization model constructed by complications, we can see the critical effect of if there is “other complication” or not. If there has “other complication” the medical resources utilization will rapid raise.
4. The factors effect the ERSD’s patient medical resource utilization include patients characteristics: “age”, original aetiology: “『intrinsic renal disease』、『Diabetes Mellitus』、『Hereditary Disease 』、『Systemic lupus erythematosus』”and complication: “『Diabetes Mellitus』、『Heart Disease』、『Cerebral Vascular Disease』、『Gastrointestinal Disease』、『Cancer』、『Liver Disease』、『other infection』”
According to the reference’s case mix classification basic rule, our Ambulatory care model 1-3, Inpatient care model 2-3, Ambulatory care without dialysis expenditure model 4-3, Inpatient care without dialysis expenditure model 5-3 have higher explanation. Before the verify are 11.60 %, 6.13 %, 15.02 % and 7.64%. After the verify is 25.25%, 10.26 %, 19.13 % and 9.49％.

Discussion and Suggestions

When consider the payment of ESRD patient, we must build up an architectonic patient disease code, include original aetiology and complication. To the little variance of ambulatory ESRD dialysis patient, we can priority pay by capitation. If we are going to adapt capitation in inpatient care, must have the additional risk-adjusted project to prevent adverse selection.
If the payment system is conduct by capitation, must consider the”other complication.”This will make hospital have more expenditure on ESRD patients.
Our study only choose the patient characteristics, original aetiology, complication and hospital level to construct the utilization model, and the classified correct rate is not good, shows there is other real factor effect the utilization. It is supposed to more detail analysis the factor to build a better classification stander in the future.

頁碼
論文合格通過證明 i

授權書 ii

中文摘要 iii

英文摘要 vi

誌謝 viii

目錄 ix

表目錄 xi

圖目錄 xii


第一章 緒論
第一節 研究背景及動機 1
第二節 研究目的 3
第三節 研究重要性 4
第四節 名詞解釋 5
第二章 文獻探討
第一節 末期腎臟疾病患者之現況 7
第二節 末期腎臟疾病患者之醫療服務利用情形 11
第三節 病例組合 14
第四節 風險校正因子 28
第三章 材料與方法
第一節 研究設計與研究架構 33
第二節 研究假設 36
第三節 研究對象與資料來源 37
第四節 變項說明與統計分析 42
第五節 研究限制 49
第四章 研究結果
� 第一節 描述性統計 50
� 第二節 推論性統計 53
第三節 資源耗用關聯群之建構� 56
第五章 討論與建議
第一節 末期腎臟疾病患者人口特質、相關特性和就醫習慣之情形
第二節 研究假設檢定結果
第三節 討論資源耗用關聯群之建構
第四節 研究結論
第五節建議
第一節 末期腎臟疾病患者之人口特質、相關特性和就醫習慣之情形 105
第二節 研究假設檢定結果 108
第三節 資源耗用關聯群建構結果討論 112
第四節 結論 126
第五節 研究建議 128
參考文獻
中文文獻 130
英文文獻 132
附錄
圖1_1重大傷病醫療費用申報狀況 135
圖1_2全民健保歷年財務收支 135
圖2_1 Prevalence of ESRD 136
圖2_2 Incidence of ESRD 136

中文文獻

1.王保進。（2000）。視窗版SPSS與行為科學研究。台北：心理出版社股份有限公司。
2.朱益宏，全民健保長期洗腎病人論人計酬可行性之初探，國立陽明大學醫務管理研究所碩士，2000。
1.張雁尊，影響洗腎醫療費用上漲之相關因素探討，中國醫藥學院醫務管理研究所，2001。
2.賴世培．CHAID(族群分析)—民意調查的統計分析新技術之探討．空大行政學報，1996。
3.彭竟琳，物理治療門診病患病例組合之先趨性研究-功能關係群之運用，國立陽明大學衛生福利研究所碩士論文，1997。
4.鄭振廷，末期腎臟疾病病患定期血液透析醫療費用分析研究，國立陽明大學醫務管理研究所碩士論文，2002。
5.雷秀麗，台灣地區慢性透析病患醫療利用及死亡率之分析，國立陽明大學公共衛生研究所碩士論文，2001。
6.賴永勳、黃尚志、楊五常，台灣地區八十六年度透析評估工作報告
7.林子郁，未期腎臟病患於不同透析治療階段之醫療費用風險因子探討，高雄醫學大學公共衛生研究所碩士論文，2002。
8.張碧玉，影響未期腎臟疾病患者血液透析醫療費用之風險因子探討，高雄醫學大學公共衛生研究所碩士論文，2001。
9.黃秋錦•透析治療在臺灣--1995年透析評估•中華民國腎臟醫學會雜誌，1995。
10.李重德、黃建鐘•慢性尿毒症─末期腎病，於腎臟病診治，台南：成大醫院腎臟科，2002
11.簡聰建，診斷關係群前瞻性給付制度（DRGs/PPS）之介紹（上）。台灣醫界：37（5），76-80，1994。
12.簡聰建，診斷關係群前瞻性給付制度（DRGs/PPS）之介紹（下）。台灣醫界：37（6），105-108，1994。
13.王愈進，病歷分類（CASE MIX）及病情組合（DRG）簡介。醫療資訊雜誌，1993：12（2），57-62。
14.廖佳瑩，Answer Tree與傳統統計方法在區隔汽車市場之比較性研究，國立中正大學企業管理研究所碩士論文，2002
15.王愈進：病歷分類（CASE MIX）及病情組合（DRG）簡介。醫療資訊雜誌，1993：12（2），57-62。
16.賴秋伶：利用診斷資料建構風險計價模式。國立台灣大學公共衛生學院醫療機構管理研究所碩士論文，2000。
17.張睿詒、江東亮、楊志良等：以風險校正模型探討控制全民健康保險醫療費用之研究。行政院衛生署中央健康保險局八十七年度委託研究計畫，1999。
18.張睿詒、江東亮：風險校正：健康保險市場的效率與公平之關鍵。台北：中華衛誌，17(5)，1998。
19.行政院衛生署（2003），中華民國九十一年版公共衛生年報，台北：行政院衛生署
20.中央健康保險局（2003），全民健康保險統計，台北：中央健康保險局
21.詹于瑩 (2002)，透析病患的疾病成本—以全國健保資料庫為例，碩士論文，台北：陽明大學醫務管理研究所
22.李玉春，1998，「全民健康保險支付制度實施現況檢討與改革方向建議」，政策月刊，35期：14-6。
23.韓揆，2001， 「土洋全民健保論病例計酬如何為繼」，醫務管理，2卷3期：27-45。
24.韓揆：台灣論病例計酬之實施及其變革展望，醫院，2002；35 (2)：15-24。


英文文獻

1.De Vecchi, A. F., Dratwa, M., & Wiedemann, M. E. (1999). Healthcare systems and end-stage renal disease (ESRD) therapies— an International review: Costs and reimbursement/funding of ESRD therapies. Nephrology, Dialysis, Transplantation 14 Suppl(6), 31-41.
2.Cameron, J. M. (1985). Case-mix and resource use in long-term care, Medical Care, 23(4), 296-309.
3.Wenier, J. P. and Abrams, C. The Johns Hopkins ACG Case-Mix System Documentation & Application Manual. The Johns Hopkins University School of Hygiene and Public Health, 2000.
4.Arling, G., Zimmerman, D., & Updike, L.（1989）. Nursing home case mix in Wisconsin: Findings and Policy Implications, Medical care, 27（2）, 164-181.
5.Carpenter GI. Main A. Turner GF.（1995）,Casemix for the elderly inpatient:
Resource Utilization Groups (RUGs) validation project. Casemix for the Elderly
Inpatient Working Group. Age & Ageing. 24(1), 5-13.
6.Health Care Financing Administration.,（2001）, http://www.hcfa.gov/
7.Hornbook, M. C.(1985). Techniques for assessing hospital case mix. , Public Health Annual Review, 6, 295-324.
8.Haughton, D. & S. Quabi(1997), Direct Marketing Modeling with CART and CHAID,Journal of Direct Marketing, 11,42-52
9.Levin, Nissan and J. Zahavi (2001), Predictive Modeling Using Segmentation,Journal of Interactive Marketing, Vol.15, No2, 2-22.
10.SPSS Inc.（1998），AnswerTree 2.0 User’s Guide，America：Chicago。
11.Hill DA, Delaney LM, Roncal SD. (1997) A Chi-Square Automatic Interaction Detection (CHAID) Analysis of Factors Determining Trauma Outcomes. J Trauma; 42:62-66
12.Freeman J.L., Fetter R.B., Park H., et al. (1995) Diagnosis-Related Group
Refinement with Diagnosis- and Procedure-Specific Comorbidities and
Complications. Medical Care.33: 806-27,.
13.Figueiras A., Caamano F., Gestal-Otero JJ. (2000)Influence of physician’s
education, drug information and medical-care settings on the quality of
drugs prescribed. European Journal of Clinical Pharmacology. 56(9-10):
747-53.
14.Ash,A., Porell,F., Gruenberg,L., Sawita,E. and Beiser,A. (1989)Adjusting Medicare Capitation Payments Using Prior Hospitalization Dat”, Health Care Financing Review, 10(4):17-29.
15.Fetter, R.B., Freeman, J.L., Thompson, J.D. (1991) DRGs their design and development.Michigan: Health Administration Press.
16.Guterman, S., and Dobson, A. (1986) Impact of the medicare prospective payment forhospitals. Health Care Financing Review. 7(3):335-348
17.HCFA, (2000) Diagnosis-related groups, definition manual, version 18.0 3M Health Information system.
18.Holtzman, J., Bjerke, T., Kane, R., (1998)The effects of clinical pathways for renal transplanton patient outcomes and length of stay. Medical Care. 36 : 826-34.
19.Cromwell J., Dayhoff D.A. Thoumaian A.H., (1997) Cost Shavings and Physician Responses to Gobal Bundled Payment for Medicare Heart Bypass Surgery, Health Care Finacing Review.；19 (1)：41-57.
20.Hornbrook, M. C. (1999)Improving Risk-Adjustment Models for Capitation Payment and Global Budgeting, Health Service Research, 33(6):1745-1751
21.Kassirer,J.P. and Angell,M.(1998)Risk Adjustment or Risk Avoidance?, The New England Journal of Medicine, 339(26):1925-1926
22.Kronick,R., Dreyfus,T. and Lee,L. et al. (1996)Diagnostic Risk Adjustment for Medicaid :The Disability Payment System.,Health Care Financing Review, 17(3):7-33
23.Weiner,J.P., Starfield,B.H. and Steinwachs,D.M.et al.(1991)Development and Application a Population-Oriented Measure of Ambulatory Care Case-Mix,Medical Care,29(5):452-453.
24.Arora, P., Kausz, A. T., Obrador, G. T., Ruthazer, R., Khan, S., Jenuleson, C., Meyer, K. B., Pereira, B. JG. (2000). Hospital Utilization among Chronic Dialysis Patients. Journal of the American Society of Nephrology, 11, 740-746.
25.Ellis, R. P. & Ash, A. (1995). Refinements to the Diagnostic Cost Group(DCG) Model. Inquiry. 32, 418-429.
26.Farley, D. O., Carter, G. M., Kallich, J. D., Lucas, T. W., Spritzer, K. L. (1996). Modified Capitation and Treatment Incentives for End Stage Renal Disease. Health Care Financing Review. 17(3), 129-142.
27.Hornbrook, M. C., Goodman, M. J. (1996). Chronic Disease, Functional Health Status, and Demographics: A Multi-Dimensional Approach to Risk Adjustment. Health Services Research, 31(3), 283-307.
28.Lamers, L. M. (1999). Risk-Adjusted Capitation Bases on the Diagnostic Cost Group Model: An Empirical Evaluation with Health Survey Information. Health Services Research, 33(6), 1727-1744.
29.Collins, A. J., FACP., Ma, J. Z., Umen, A., Keshaviah, P., (1994). Urea Index and Other Predictors of Hemodialysis Patient Survival. American Journal of Kidney Diseases, 23(2), 272-282.