ยังคงเดิน งง ในดง DRG

เริ่มต้นจากเมื่อห้าปีก่อนได้เข้าเรียน ปรด.วิธีวิทยาการวิจัย หลักสูตรเน้นการวิจัยในระดับข้อมูลทุติยภูมิ (Secondary data) ด้วยการวิเคราะห์ข้อมูลเพื่อหารูปแบบโมเดลทางสถิติ (Statistical model) ขณะที่โดยปกติก็มีพื้นฐานข้อมูลสุขภาพด้านกลุ่มวินิจฉัยโรคร่วม (Diagnostic related group; DRG) อยู่บ้าง แต่ก็ไม่มากนัก ประกอบกับมีความสนใจในเรื่องการวิเคราะห์ข้อมูลต้นทุนโรค จึงได้ทำหัวข้อวิจัยเกี่ยวกับรูปแบบโมเดลทางสถิติที่เกี่ยวข้องกับต้นทุนการรักษาโรคผู้ป่วยใน ปัญหาคือ เดิมมีความเข้าใจเกี่ยวกับ DRG ต้องเริ่มต้นด้วยสูตรการหารหัสในแต่ละบุคคล ซึ่งตัวแปร หลักๆ ที่นำมาใช้ในการคำนวนน่าจะประกอบไปด้วย 1) โรคหลัก (Primary disease) 2) โรคร่วม (Comorbidity disease) 3) หัตถการ (Procedure) ซึ่งในแต่ละ DRG จะมีเลข RW กำกับแต่ละรหัส เพื่อใช้ในการอธิบายความรุนแรงของโรค และค่า RW จะถูกปรับด้วยวันนอนโรงพยาบาล (Length of hospital stay) ซึ่งส่วนใหญ่กองทุนที่เกี่ยวข้องกับการดูแลสุขภาพประชาชนจะนำไปใช้สำหรับจัดสรรงบประมาณ และการคำนวนการจัดสรรงบประมาณอย่างง่ายๆ คือ ผลรวม AdjRW คูณด้วย เงินงบประมาณที่จะจัดสรรต่อ 1 AdjRW หรือบางครั้งก็จะนำงบประมาณทั้งหมดมากองรวมกันแล้วหาอัตรส่วนผลรวม AdjRW ในแต่ละสถานบริการหรือโรงพยาบาล เทียบกับงบประมาณทั้งหมดที่ใช้จัดสรรครั้งนั้นๆ 

ดังนั้นค่า AdjRW ได้มากจากความรุนแรนแรงของโรคในระบบ DRG และปรับค่าอีกครั้งตามวันนอนผู้ป่วย ซึ่งในประเทศไทยมีคณะจารย์ที่เชี่ยวชาญด้านนี้ได้ทำการพัฒนาข้อมูลอย่างต่อเนื่อง โดยเฉพาะบทความฉบับนี้ ค่าน้ำหนักสัมพัทธ์สำหรับกลุ่มวินิจฉัยโรคร่วมประเทศไทย ฉบับ 6.2  อาจารย์ ดร.อรทัย เขียวเจริญ และคณะ ผู้เขียนบทความได้อธิบาย ขั้นตอนการคำนวณค่าน้ำหนักสัมพัทธ์ สำหรับกลุ่มวินิจฉัยโรคร่วมประเทศไทย ฉบับ 6.2 ซึ่งได้มาจากข้อมูลผู้ป่วยในของโรงพยาบาลรัฐและเอกชน จำนวน 1,254 แห่ง ระหว่างปีงบประมาณ 2557-2559  รวม 21,793,421 ราย แบ่งเป็น 1) กองทุนหลักประกันสุขภาพถ้วนหน้า (ร้อยละ 80.8) 2) กองทุนประกันสังคม (ร้อยละ 9.5) และ 3) สวัสดิการรักษาพยาบาลข้าราชการ (ร้อยละ 9.7) ขณะที่การวิจัยแบ่งออกเป็น 7 ขั้นตอน 

ขั้นตอนที่ 1 : การตรวจสอบข้อมูลพบข้อมูลทางคลินิกและข้อมูลค่าใช้จ่ายที่สมบูรณ์ ร้อยละ 69.7 (15,192,170 ราย)

    ขั้นตอนที่ 2 : การคำนวณค่ารักษามาตรฐานโดยใส่ค่าห้องค่าอาหารมาตรฐานที่ได้จากการคำนวณแทนและตัดค่าอวัยวะเทียมและอุปกรณ์ที่แยกเบิกต่างหาก 

    ขั้นตอนที่ 3 : การตัดข้อมูลผู้ป่วยที่มีค่ารักษาเกินจากค่าเฉลี่ยไปมาก 

    ขั้นตอนที่ 4 : ตรวจสอบค่ารักษาเฉลี่ยในกลุ่มโรคที่พบบ่อย และพบในทุกกลุ่มโรงพยาบาล 

    ขั้นตอนที่ 5 จึงคำนวณค่าน้ำหนักสัมพัทธ์จากค่ารักษาเฉลี่ยของผู้ป่วยในแต่ละกลุ่มวินิจฉัยโรคร่วมเทียบกับค่ารักษาเฉลี่ยของผู้ป่วยทั้งหมด 

    ขั้นตอนที่ 6 ได้ค่าเฉลี่ยค่าน้ำหนักสัมพัทธ์ของผู้ป่วยทั้งหมด เท่ากับ 1 และปรับค่าน้ำหนักสัมพัทธ์อีกครั้ง เพื่อให้ค่าน้ำหนักสัมพัทธ์เฉลี่ยของกลุ่มวินิจฉัยโรคร่วมฉบับใหม่มีค่าเท่ากับค่าน้ำหนักสัมพัทธ์เฉลี่ยของกลุ่มวินิจฉัยโรคร่วมฉบับเดิม

    ขั้นตอนที่ 7 กลุ่มวินิจฉัยโรคร่วม ฉบับ 6.2 ได้ค่าน้ำหนักสัมพัทธ์ต่ำสุด เท่ากับ 0.1878 สูงสุดเท่ากับ 79.4635

    ผลการวิจัยพบว่า การคำนวณค่าน้ำหนักสัมพัทธ์ควรใช้ข้อมูลการใช้ทรัพยากรรายบุคคลที่เป็นตัวแทนที่ดีของโรงพยาบาลทุกระดับและทุกกลุ่มโรคเพื่อให้ได้ค่าน้ำหนักสัมพัทธ์ที่สะท้อนการใช้ทรัพยากรของโรงพยาบาลได้อย่างแท้จริง และควรมีการศึกษาต้นทุนรายโรค ด้วยวิธีมาตรฐานในโรงพยาบาลทุกระดับเพื่อนำมาพัฒนาค่าน้ำหนักสัมพัทธ์ให้สะท้อนต้นทุนการบริการรักษาพยาบาลผู้ป่วยในที่แท้จริง 


    ว่าแล้วก็เลยเอาข้อมูลค่ารรักษาพยาบาลผู้ป่วยในรายบุคคล จำนวน 63047 ราย  วัตถุประสงค์เพื่อทดสอบความสัมพันธ์ระหว่างตัวแปรที่สนใจกับต้นทุนค่ารักษาพยาบาล ประกอบไปด้วย 

    ตัวแปรอิสระ (independent variable) ได้แก่ 1) โรคหลัก (Primary disease) 2) โรคร่วม (Comorbidity disease) 3) หัตถการ (Procedure) 4) วันนอนโรงพยาบาล (Length of hospital stay) และควบคุมตัวแปรกวน (Confounder variable) ด้วย เพศ อายุ ปีที่เข้ารับบริการ 

    ตัวแปรตาม (dependent variable) คือ ต้นทุนการรักษาพยาบาลรายบุคคล ซึ่งได้จากการบันทึกข้อมูลในโปรแกรมบริการผู้ป่วย (Hospital information system; HIS) 

    ทดสอบด้วยสถิติ linear regression และจัดทำกราฟ linear regression model

    สรุปง่ายๆ ผลปรากฏว่าตัวแปรที่มีอิทธิพลต่อต้นทุนมากที่สุด ได้แก่ 

    1) วันนอนโรงพยาบาล (Length of hospital stay) 

    2) โรคร่วม (Comorbidity disease) 

    3) หัตถการ (Procedure)

    ปัญหา คือ พบความสัมพันธ์แบบลึกซึ้ง ในภาษาทางสถิติเรียกความสัมพันธ์นี้ว่า multicollinearity ระหว่าง วันนอนโรงพยาบาล (Length of hospital stay) กับ โรคร่วม (Comorbidity disease) พอเป็นแบบนี้ทำไงต่อดี งงๆ เด้ๆ เพราะถ้ากลับไปดูตามเนื้อหาข้างบนกลับพบว่าในการคำนวน AdjRW จะมาจาก  1) โรคหลัก (Primary disease) 2) โรคร่วม (Comorbidity disease) 3) หัตถการ (Procedure) และ 4) วันนอนโรงพยาบาล (Length of hospital stay) ดังนั้นก็เลยเกิดความสงใสว่า แล้วเจ้าความสัมพันธ์ระหว่าง วันนอนโรงพยาบาล (Length of hospital stay) กับ โรคร่วม (Comorbidity disease) มันสร้างอิทธิพลมากพอให้ต้นทุนของแต่ละ รพ มีความแตกต่างกันได้มากเพียงใด เพราะเนื่องจาก RW จะถูกกำหนดไปด้วย  โรคร่วม (Comorbidity disease) ไปหนึ่งรอบ ซึ่งในความเป็นจริงมีรางทรงของ วันนอนโรงพยาบาล (Length of hospital stay) อยู่ในนั้น แล้วยังจะมาโดนปรับค่า AdjRW ด้วยตัวจริงเสียงจริงของ วันนอนโรงพยาบาล (Length of hospital stay) อีกครั้ง

    สุดท้ายจึงสรุปได้ว่า ต้องศึกษาหาความรู้จากผู้รู้กันต่อไป หรือสร้างรูปแบบสถิติ เพิ่มเติม เนื่องเพื่อที่จะพิสูจน์อิทธิพลของความสัมพันธ์แบบ multicollinearity ระหว่าาง วันนอนโรงพยาบาล (Length of hospital stay) กับ โรคร่วม (Comorbidity disease) เพราะทั้งหมดอาจจะไม่ใช่อะไรเลย ความรู้มีน้อยคิดไปเองเท่านั้น

     

     



     

     

      






      

      







    บันทึกนี้เขียนที่ GotoKnow โดย  ใน Medical Direct Cost



    ความเห็น (0)