利用資料探勘技術探討超長天住院病人之相關屬性

利用資料探勘技術探討超長天住院病人之相關屬性

鄒淑英

a

詹前隆

a 元智大學資訊管理所a 本文摘要 中央健保局從民國91年總額制度實施以來。針對各項醫 療資源浪費的監測，均訂有明確的分析指標，並定期評 估每項醫療服務品質指標的執行情形。從分析結果發現 有關「三十日以上超長住院率」，從未有明顯下降情形。 本研究為能充份了解有關超長天住院病人之特質及就醫 屬性，希望藉由「資料探勘」的技術，從超長天住院病 人個案中，分析出超長住院所潛在之相關「屬性」及其 「關聯性」，突顯出隱藏其間的問題。本研究驗證了資料 探勘技術與一般傳統統計分析結果相似，並發現資料探 勘工具確實能夠挖掘出潛在之特性組合，對於異常資料 之稽核也有極大的效用。 關鍵字：中央健保局、超長天住院、資料探勘。 1 緒論 自民國 84 年實施全民健保以來，透過論量計酬的支付制 度，提供台灣病人醫療之最佳可近性，例如：高度自由 的就醫選擇權、及高品質的醫療服務等，全民對健保制 度的滿意度高達 76%。然而，基於這樣的情況下，卻衍 生出醫療費用長期迅速上漲導致無法損益平衡的問題； 同時，也造就台灣成為病人就醫次數最高的世界記錄： 平均每人每年就醫次數達 14.4 次。該平均值比起經濟合 作 暨 發 展 組 織 OECD （ Organization for Economic Cooperation and Development），國家就醫平均值大多介於 4 到 7 次間，顯然偏高甚多，確有浪費之嫌。因此，台灣 的健保制度於民國 87 年起，在醫療支出佔國民所得 5.4% 的情況下，從牙科門診開始分階段推動總額預算制度； 至民國 91 年全面施行醫院總額制度，為的就是控制持續 上漲之不當醫療費用。然而，健保醫院總額制度實施後， 因費用被限制在一定額度下，醫院提供的服務可能趨 緩，特別是急重症住院的照護，將可能延長就醫等候時 間，並影響民眾就醫權益；且總額浮動點值會使得醫院 收入減少，長此以往，醫院將減緩設備更新及對新技術 的投資，間接影響醫療照護品質。 表1 醫院總額專業醫療服務品質報告比較 指標項目 93 年第2 季 94 年第 1 季 94 年第 2 季 指標１：門診重複就診率 21.25% 21.81% 22.93% 指標２：門診用藥日數重複率 22.31% 23.44% 23.53% 指標３：門診開立慢性病連續處方箋百分比 6.18% 7.63% 7.71% 指標４：門診注射劑使用率 10.94% 10.89% 10.59% 指標５：門診抗生素使用率 10.09% 9.03% 9.25% 指標６：門診同一處方制酸劑重複使用率 3.90% 2.98% 1.84% 指標７：住院案件出院後十四日內再住院率 11.11% 11.00% 11.01% 指標８：住院案件出院後三日內急診率 3.28% 3.48% 3.7% 指標９：三十日以上超長期住院率 4.77% 4.86% 4.90% 指標１０：剖腹產率 32.09% 33.07% 32.99% 指標１１：使用ESWL 人口平均利用人次 1.14 次 1.14 次 1.14 次 指標１２：符合論病例計酬基本診療項目比率 99.53% 99.71% 99.90% 醫療品質向來是醫療服務體系的主要核心價值，品質的 評估、確保與持續改進也是各國政府十分重視的工作。 中央健保局為能有效監測醫療服務品質，早已訂定品質 確保方案，每年定時發出專業醫療服務品質報告。表 1 羅列出民國 93 與 94 年之比較報告，即明確地指出醫院 總額專業醫療服務品質報告中，指標比率上升的有：門 診重複就診率、門診用藥日數重複率、住院案件出院後 三日內急診率、三十日以上超長期住院率、剖腹產率等。 這些指標再再指出國人偏頗的醫療行為及醫療院所不當 的醫療服務。再者，從中央健保局每季統計的專業醫療 服務品質報告中（圖 1），看出「三十日以上超長期住院 率」，並無明顯下降，依據衛生署統計民國 93 年度住院 人次較上年度增加 8.97%，平均住院日數則增加 0.62%。 基於這些現象，直接衍生出相關醫療資源能否被充分的 運用的課題。 圖 1 民國 94 年第 3 季醫院總額專業醫療服務品質報告 （資料來源：健保局網站 http://www.nhi.gov.tw） 總額制度實施以來，在不浪費醫療資源情況下，如何提 升病人的醫療服務品質。從國外健保總額制度看來，似 乎都面臨相同的課題，那就是品質與金錢永遠是成正 比。健保局針對各項醫療資源浪費的監測，均訂有明確 的分析指標，並定期評估醫療服務品質指標的執行情 形。其中有關「三十日以上超長住院率」，從未有明顯下 降情形。本研究期望能針對這個課題找出超長天住院率 無法下降之原因及其相關因素，藉由「資料探勘」的技 術，從超長天住院病人個案中，分析出超長住院所潛在 之相關「屬性」及其「關聯性」，突顯出隱藏其間的問 題。換言之，本研究之研究目的在於：1) 分析超長住院 病人之特質，尋找潛在之醫療高利用者；2) 分析超長住 院病患特質及就醫屬性與住院醫療費用之耗用情形；3) 探討超長住院病患潛在之特質；4) 挖掘出超長住院病患 潛在之相關屬性及關聯性，突顯隱藏其間的問題。 2 相關定義與研究方法 2.1 超長天住院的定義與影響 目前在醫療實務上，針對「超長天住院」並無特別的定 義，但文獻上，諸如2000年加拿大MCHP（Manitoba Center for Health Policy）將超長住院（Long-stay patient）定義 為住院超過30日之病患 [1]；2004年Report to Congress: New Approaches in Medicare 將超長住院定義為25日以 上 [3]；2004年美國CMS News（Centers for Medicare & Medicaid Servers）定義超長天住院為25日以上 [2]；因此 健保局為監測醫療服務品質指標，亦將超長天住院條件 定義為；住院超過30日以上的案件數（以出院案件為範 圍，按院所、ID、生日、住院日歸戶，找出住院日距離 出院日超過30日以上的案件），排除精神科及呼吸治療個 案及乳癌試辦病人，處置碼93.90，96.70，96.71，96.72 或診斷碼518.81 518.83 518.84 518.85（按中央健康保險局 醫院總額專業醫療服務品質指標之定義）。中央健保局針 對門、住診醫療費用之利用情形，已提供完整之數據， 由表2中觀察出每年住院醫療費用佔總醫療費用約三分 之一，且平均每件申請費用及平均每日申請之醫療費用 均逐年上升，且無下降趨勢，總件數及住院日數亦是逐 年上升，由此更能凸顯出國內住院醫療之利用情形，確

實隱藏著一些因「超長天」住院造成醫療費用逐年上升 的問題。 表 2 全民健保住院醫療服務申請狀況統計表 住院 總 申 請 費 用 件 數 日 數 申 請 費 用 費 用 / 占 總 申 請 平申 均請 每費 件用 日 數 / 平 均 每 件 平申 均請 每費 日用 年 ︵ 月 ︶ 別 百萬點 千件 千日 百萬點 % 點 日 點 87 年 268,670 2,457 21,560 85,615 31.87 34,845 8.77 3,971 88 年 291,369 2,590 22,484 93,499 32.09 36,100 8.68 4,158 89 年 296,840 2,691 23,479 98,156 33.07 36,476 8.73 4,181 90 年 311,547 2,815 24,867 104,629 33.58 37,168 8.83 4,208 91 年 339,704 2,946 26,653 115,362 33.96 39,159 9.05 4,328 92 年 353,286 2,734 26,354 118,497 33.54 43,342 9.64 4,496 93 年 407,327 3,011 29,216 141,273 34.68 46,919 9.70 4,835 94 年 419,872 2,979 29,372 146,601 34.92 49,215 9.86 4,991 說明:成長率之計算係以上年同期為比較基準。 資料來源 :84 年 3 月全民健康保險開始實施，84-92 全年資料摘自統計年報， 其餘係截至 95 年 4 月 6 日止之門、住診醫療費用申請總表受理檔。 2.2 研究方法 2.2.1 研究流程 研究動機 文獻回顧與探討 資料蒐集與整理 一般統計分析 資料探勘分析 結論與建議 超長住院病患住院 資料庫 描述性統計 及相關分析 描述性統計 及相關分析 探勘模式與 規則 探勘模式與 規則 圖 2 研究流程圖 首先，收集各醫療相關產業利用資料探勘技術解決問題 之相關研究方法與學界文獻探討後，期能找出超長住院 病患在健保醫療資源耗用上的影響及超長住院所隱藏的 潛在性問題，並構思本研究進行之方向與步驟。再者， 著手收集本研究所需之樣本資料，經整理篩選後，便開 始進行一般性統計性描述分析找出較具顯著意義之變 項，以利後續資料探勘進行之效率。資料經過前處理後， 即進入資料探勘分析，藉由探勘工具 SPSS Clementine 採 用群集化，及關聯法則（Association Rule）方法，找出 感興趣之運作模式，期望將此模式延伸出具體之管理決 策及建議，提供中央健保局內部審核之參考，此乃本研 究之最終目的，圖 2 例示出本研究流程。 2.2.2 研究架構 為達成預期完成之研究目的，分析工作包括：分析超長 住院病人之特質，尋找潛在之醫療高利用者；分析超長 住院病患特質及就醫屬性與住院醫療費用之耗用情形； 探討超長住院病患潛在之特質；挖掘出超長住院病患特 質，以強化中央健保局內部審核作業，避免醫療資源之 浪費。本研究流程分為兩階段；第一階段為一般統計分 析，如圖 3，期望找出有意義的變項；第二階段為資料探 勘分析方法，如圖 4，將一般統計分析之結果與實際探勘 之結果相互比較，以找出較具說服力之模式。一般統計 分析架構中，自變項（Independent Variable）代表住院病 患特質，包含病患屬性及就醫屬性。應變項（Dependent Variable）代表住院病患住院醫療費用之耗用。控制變項 （Control Variable）代表病患住院日數分析包括小於等於 120 日與大於 120 日。 病患屬性 性別 年齡 就醫屬性 住院日數 > 120日 住院日數 <= 120日 住院醫療費用 住院天數 醫療資源耗用 醫院屬性 層級別 區域別 權屬別 科別 疾病類別 住院來源 出院動向 部份負擔代碼 疾病診斷關係群 圖 3 一般統計分析架構圖 住 院 病 患 住 院 明 細 資 料 庫 超 長 天 住 院 病 患 歸 戶 資 料 庫 資 料 探 勘 演 算 法 分 群 關 聯 規 則 探 勘 結 果 圖 4 資料探勘分析架構圖 2.2.3 研究測量變項與操作型定義 本研究架構所需之測量變項可分為病患屬性、醫院屬 性、病患就醫屬性、醫療資源耗用變項，另外有超長住 院病患住院日數變項。各分類變項詳述於下： ¾ 病患屬性：性別、年齡。 ¾ 醫院屬性：層級別、地區別、權屬別。 ¾ 病患就醫屬性：科別、疾病類別、住院來源、出院動 向、部份負擔代碼、疾病診斷關係群。 ¾ 醫療費用：住院醫療費用包含診察費、病房費、管灌 膳食費、檢查費、放射線診療費、治療處置費、手術 費、復健治療費、血液血漿費、血液透析費、麻醉費、 特殊材料費、藥費、藥事服務費、精神科治療費、注 射技術費、嬰兒費之加總，住院天數。 ¾ 住院日數：分為兩組，分別為 <= 120 日及 > 120 日。 藉由以上分類之變項，將其放入所設計之研究架構中， 探討各變項之間的關係，其中自變項包含病患屬性，醫 院屬性及就醫屬性，應變項醫療費用，控制變項則包含 超長住院兩組日數（<= 120 日及 > 120）。 2.2.4 資料來源收集與處理 本研究為能更精確分析出有關超長天住院病患屬性，並 與健保局內部審核人員多次討論，決定收集 93 年、94 年期間台灣北區院所（以出院案件為範圍，出院日 - 住 院日）住院日數超過 90 日以上之個案(共 9,372 個病患)， 作為本次分析之樣本資料，以探討超長住院病患之特質 及其耗用醫療資源之情形，並收集民國 93 年 1 月至 94 年 12 月住院病患住院期間之住院醫療費用明細（此期間 資料排除精神科，科別 13，及排除住院任一診斷碼 51881、51883、51884 即呼吸照護個案），分別建立如下 二個資料庫： ‰ 住院病患住院醫療明細資料庫：費用年月、院所代 號、院所簡稱、層級別、案件分類、流水號、科別、 就醫序號、住院日、出院日、保險對象 ID、年齡、 性別、DRG 碼、診斷碼、診察費、病房費、管灌膳 食費、檢查費、放射線診療費、治療處置費、手術 費、復健治療費、血液血漿費、血液透析費、麻醉 費、特殊材料費、藥費、藥事服務費、精神科治療 費、注射技術費、嬰兒費、醫療費用、部分負擔代 碼（此資料庫紀錄期間為民國 93 年 1 月至 94 年 12 月住院 90 日以上，病患住院之醫療申報費用明細樣 本共 73,888 筆，其中因資料內容有遺漏及不完整共 4,920 筆，最後保留共 68,968 筆）。 ‰ 超長住院病患歸戶資料庫：層級別、區域別、權屬

別、醫院代號、病患 ID、出生日期、住院起日、住 院迄日、住院總日數。（此資料庫紀錄民國 93 及 94 年期間住院天數超過 90 日以上之病患歸戶資料，共 9,372 筆）。 2.2.5 分析方法與探勘流程 資料收集完成後，即開始資料分析工作，包括兩個階段： 第一階段為一般統計分析工作，目的在進行資料的前處 理，結果作為第二階段資料探勘時資料參考之用；第二 階段則進入本研究之重點：資料探勘分析，藉由資料探 勘找出的關聯規則，配合一般統計分析結果，藉以獲得 較佳的探勘模式。茲細述如后。 ‰ 第一階段：一般統計分析，此階段以 Microsoft Access 2000 進行資料代碼轉換及整理後，使用 SPSS 11.0 for windows 軟體作為第一階段統計分析工具，使用的 分析方法如下： (1) 描述性分析：以平均值、標準差、頻率百分比， 來描述超長天住院病患之屬性、醫院屬性、就醫 屬性、疾病形態及醫療資源耗用情形。 (2) 交叉分析：將各變數之觀察值分類得出次數分配 表，稱為列聯表（Contingency Table）或交查表 （Cross Table），以探討各分類性及分析性變數 間之因果關係。因列聯表的使用，可清楚表示整 理後的資料，故可藉由列聯表的型式進行類別資 料分析，最後再以卡方檢定進行分析，了解各變 數間彼此是否獨立 [23]。 (3) 變異數分析（ANOVA）：分析病患特質、醫院屬 性、就醫屬性、超長天住院病患住院 > 120 日 及 <= 120 日，其資源耗用（醫療總費用）是否 達到統計上顯著差異。 ‰ 第二階段：資料探勘分析，由於資料探勘分析需運 用複雜的演算法來分析大量資料，期找出隱含於資 料中的規則及資訊。並遵循探勘步驟來發掘感興趣 的資料。圖 5 例示出此階段的處理流程 [20]，各階 段的意義與處理方式詳述如后。 資料選擇 過濾與清除 充實資料 判斷資料 是否充實 編碼與資料 轉換 資料探勘 資訊報告 是 否 圖 5 資料探勘流程 (1) 資料選擇：選擇中央健保局台北分局民國 93 及 94 二年期間，住院天數超過 90 日之病患住院明 細資料（排除精神科，科別 13，排除住院任一 診斷碼 51881、51883、51884 即呼吸照護個案）。 (2) 過濾資料與清除：去除錯誤或不一致的資料 （Data cleaning）將資料遺漏值部份排除並將錯 誤資料補正，使其正規化保持資料完整及一致 性。 (3) 充實資料：為更深入找出超長天住院病患與疾病 之相關性，除病患屬性、醫院屬性、就醫屬性、 疾病型態外，增加變項 DRGs 代碼（疾病診斷關 聯群），及住院期間是否發生合併症等資料。 (4) 編碼與資料轉換：將資料轉換成適合處理的形 式，以增進處理的速度。原始資料之格式及屬性 並非完全適用於統計軟體及資料探勘軟體之格 式，故需將不合適之資料屬性加以轉換重新編 碼，變項代碼轉換；如男=1、女=2、其他=3。 資料屬性的轉換；依年齡區間轉換為不同年齡 層，如：63 歲則轉換成 55-64 歲，1 歲則轉換成 0-4 歲等。 (5) 資料探勘：本階段以 SPSS Clementine 8.1 之 K-means 的方式做分群（Clustering），再利用 Apriori 與 GRI 兩種關聯規則進行資料探勘分 析，發展模式（Model）、型樣（Pattern）、與假 設（Hypothesis development），探勘出隱藏的訊 息，並遵循下列處理步驟。首先，將資料劃分成 訓練、測試和評估三部分，再使用訓練資料集來 建構一個電腦模式；利用測試資料集調整此模 式；最後，評估資料集估計此模式的正確與否。 (6) 資訊報告：探勘出之模型特徵（Pattern）及關聯 性（Relationship）再與一般統計分析方法所得 結果互相比較，驗證探勘結果在統計上是否達到 顯著意義，藉此提供超長天住院費用審查輔助資 訊及建議。 資料探勘技術在國內之研究亦成為趨勢，能提供決策者 重要的決策分析及指標，表3整理出利用資料探勘技術在 相關醫療產業之研究。 表3 國內利用資料探勘技術在醫療產業相關之研究 作者 論文名稱 蔣肇慶(1999) 資料開採在醫療資訊的研究。 林信忠(1999) 資料發掘技術應用於健保醫療費用稽核之研究。 王俊程(2000) 運用資料挖掘技術協助健保財務管理-以承保中斷及繳費不正常資料挖掘為例。 藍中賢(2000) 結合模糊集合理論與貝氏分類法之資料探勘技術--應用於健保局醫療費用審查作業 黃仁貴(2002) 以叢集分析技術探討病患就診屬性與看診時間之關係。 陳益良(2002) 應用資料探勘法探討老人就醫特性-以高雄市三民區為例 李炳雄(2003) 資料探勘在醫學資料庫之應用-以全民健保學術研究資料庫為例。 郭惠敏(2004) 居家照護品質預測因子之探討-以居家照護資料庫之資料探勘為例。 周歆凱(2004) 利用資料探勘技術探討急診高資源耗用者之特性。 林慧雯(2005) 利用資料探勘技術偵測異常處方之研究。 胡繡華(2005) 門診糖尿病藥物治療型態之研究–以某醫學中心為例 徐啟勝(2005) 應用關聯法則分析不同科別高血壓處置的差異 周鴻澤(2005) 應用資料探勘技術在顧客價值與檢查服務之研究-以某醫院健檢中心為例 3 研究結果 3.1 超長天住院之醫院屬性分析 超長天住院病患在醫院屬性中發現層級別，醫學中心 （ 47.68% ） 在 超 長 天 住 院 個 案 件 數 比 率 較 區 域 醫 院 （33.71%）、地區醫院（18.61%）高出很多，地區別上 臺北市（70.22%）居於首位，這跟人口密度與病患就醫 的認知有關。病患一般對於醫學中心的就醫品質較有信 心，況且在台灣北部地區醫學中心的家數比例，較中、 南部地區密集，因此病患在就醫的選擇上較為多元，醫 學中心則成為病患第一優先的抉擇。此外，醫院針對長 期慢性疾病病患規劃長期照護管理不確實，造成慢性疾 患未能轉至其他相關長期安養機構，造成急性病床一床 難求，部份慢性病患卻佔用急性病床的問題。 3.2 超長天住院之病患特質分析 ¾ 性別：男性（62.45%）比例較女性（37.32%）高。 ¾ 年齡層：則以 65 歲以上病患為主，佔（50%）以上， 這與慢性病及長期照護疾病的年齡群均分佈於中老年 人有關，35 歲以下青壯年之病患則較少。 ¾ 就醫屬性：科別中仍以內科疾病（15.01%）最高，腫 瘤科（9.34%）、胸腔科（11.49%），證實 [吳肖琪, 1998] 之研究。從病患住院來源看來，經由門診初、複診而 住院所佔比例最高（45.94%），由急診入院（34.29%）， 顯示慢性病患和急診造成嚴重傷害者，會有超長住院 情形。同時分析中發現由轉診的病患只佔（3.08%）比 例上較低，凸顯出國內醫院在轉診制度上仍未能落實 普及，這應該是衛生主管機關急需加強宣導的重點。 ¾ 疾病類別：呼吸道疾病（15.09%）佔比例最高，腫瘤 疾病所（14.41%），循環系統疾病（11.46%），補充分 類（9.27%），在產兒科相關疾病上超長天住院比例明 顯較低如：先天畸形，妊娠生產併發症，周產期病態， 所佔比例均為（1%以下），顯示超長天住院病患疾病

型態仍多屬於慢性疾患居多。 ¾ 由部份負擔代碼：可看出病患之就醫身分別，其中重 大傷病病患所佔比例最高（49.37%），應部份負擔者 （ 30.43% ） 指 一 般 身 分 民 眾 ， 榮 民 及 榮 民 遺 眷 （12.06%），三歲以下兒童（1.97%），其中山地離島 地區就醫（0.56%）比例較低，是否凸顯山地離島醫療 品質上隱含的問題，是值得深思的。 ¾ 超長住院病患在住院期間有發生合併症的所佔比例約 佔三分之二（61.63%），無合併症（38.11%），顯示住 院天數愈長合併症的發生則明顯增加。 3.3 超長天住院醫療費用耗用群之特質分析 ¾ 性別屬性：在男女性別上並無明顯的差異性。 ¾ 年齡層：0-4 歲平均耗用醫療費用為 1,769,464.07；5-14 歲為 1,650,501.31；15-24 歲為 1,575,476.43；24 歲以 後群組之耗用均較上述為低，故顯示年齡層愈低所耗 用的平均醫療費用較高。 ¾ 科 別 ： 小 兒 科 耗 用 1,586,561.36 ； 新 生 兒 科 耗 用 1,230,922.84；心臟外科耗用 1,194,489.92；血液腫瘤 科耗用 1,043,813.26。 ¾ 部份負擔代碼（就醫身分別）：三歲以下兒童就醫耗用 1,229,820.56；重大傷病耗用 1,142,669.45。 ¾ 疾病類別：週產期病態耗用 1,061,640.89；先天畸形耗 用 1,186,617.67；腫瘤耗用 844,444.57；呼吸道疾病耗 用 683,199.78。 由以上年齡層、病患就醫身分別、疾病類別屬性相較下， 年齡層在 0-4 歲之三歲以下兒童，均為先天性疾病及週 產期疾病，病情的急迫性及嚴重性較高，因此雖然發生 案件數低，但所耗用的醫療費用點數卻較高。中老年人 超長天住院的疾病以慢性病及內科疾病為主要，超長天 住院率較高，在治療上趨於採緩慢及治標的方式，因此 在平均醫療費用耗用相較下，三歲以下兒童平均醫療費 用高於 65 歲以上中老年人。 ¾ 疾病診斷關聯群：為了解更詳細的疾病診斷，本研究 新增此項疾病診斷關聯群（DRGs），更深入超長天住 院病患之疾病類型，其中三度廣泛性燒傷伴有皮膚移 植，肺移植，肝移植，全層皮膚燒傷無皮膚移植或吸 入性傷害，骨髓移植，心臟移植等為較高耗用的一群。 顯示國內在移植手術所花費之醫療資源甚高，是否有 浮濫，或醫療上的必要性，是需要長期追蹤研究的。 3.4 超長天住院天數變異性分析 本研究樣本資料雖為住院超過 90 日以上之超長天住院病 患，但就目前中央健保局內部審核仍以住院超過 120 日 以上之病患為審核重點，故將樣本資料區分為 > 120 日 及 <= 120 日兩群，並比較各屬性住院天數 > 120 日病患 之相關分析（卡方檢定），其中顯示各屬性在統計上均有 顯著的意義。病患屬性在男女性別上較無明顯差異外， 年齡層則以 75 歲以上（181.08 天）最高，就醫屬性科別 以內科（212.03 天）最高，病患出院後動向及住院來源 各類別並無明顯差異，身分別則以山地離島就醫（264.14 天）較高，是否顯示山地離島就醫不便及醫療設施不足。 榮民及榮眷（198.45 天）次之，疾病類別則以以神經及 感覺器官疾患（226.57 天）第一、精神疾患（209.33 天） 第二、呼吸道疾病（196.54 天）第三，循環系統疾病（181.56 天）均超過全體病患平均住院天數（148.37 天）。 3.5 超長天住院病患資料探勘分析 從樣本資料住院天數 > 120 日的案件抽出，共 4,666 個病 患住院明細資料共 27,724 筆，將病患各變項屬性，以叢 集分析技術找出具有相同特徵或特性之群集，以了解住 院超過 120 日病患之共同群集特性。發現群集分析結果 中各叢集組合與一般統計分析所歸納出之高危險群相類 似，因此可證實此技術用於協助審查上有其實用性，不 但能快速挖掘出超長天住院病患之高危險群，並可監測 異常叢集組合，並提升監控醫療費用決策上的準確度。 由資料探勘技術結果，綜合結果發現： ¾ 75 歲以上→男性→疾病類別為呼吸道疾病、腫瘤、循 環系統疾病→榮民及榮民眷屬身份→使用人工呼吸器 屬性的病人（詳見表 4）。 ¾ 60-65 歲→男性→疾病類別為腫瘤→重大傷病身份→ 化學治療病人（詳見表 4）。 ¾ 有 5%以上同時是使用人工呼吸器之呼吸系統診斷 AND 呼吸道疾病，97.6%會有有合併症產生，此關聯 性可看出使用呼吸器長期住院之病患，合併症發生機 會較高（詳見表 4）。 ¾ 有 6-19%住院天數 200-400 天 AND 有 77-83%發生合 併症，顯示住院天數長，發生合併症機會較高（詳見 表 5）。 ¾ 20-50%住院天數在 90-120 天之間 AND 醫療費用 <108 ,724.5，有 84%出院之後都改為門診治療，顯示 住院醫療耗用較少者，病況較穩定，出院後門診治療 則較常見（詳見表 5）。 ¾ 21.98%醫療費用>191,116 AND 住院天數>109.5 天， 67%是重大傷病病患，顯示重大傷病是醫療資源耗用 較高的一群（詳見表 5）。 表 4 Apriori 關聯規則分析表 件數 支持度 信心度 增益值 後項 前項 1 前項 2 1484 5.4 97.6 1.298CC_MARK = Y DRG_中文 = 使用人工呼吸器之呼吸系統診斷 疾病類別 = 呼吸道疾患 1560 5.6 97.2 1.292CC_MARK = Y DRG_中文 = 使用人工呼吸器之呼吸系統診斷 1423 5.1 95.8 1.273CC_MARK = Y DRG_中文 = 除臉、口腔及頸部以外疾患之氣 管造口術 1560 5.6 95.1 4.645 疾病類別 = 呼吸道疾患 DRG_中文 = 使用人工呼吸器之呼吸系統診斷 1394 5 94.7 1.449 性別 = 男 疾病類別 = 循環系統疾患 部份負擔 = 榮民、榮民遺 眷之家戶代表 1663 6 94.5 1.447 性別 = 男 疾病類別 = 呼吸道疾患 部份負擔 = 榮民、榮民遺 眷之家戶代表 5831 21 93.2 1.426 性別 = 男 部份負擔 = 榮民、榮民遺眷之家戶代表 2037 7.3 92.6 1.231CC_MARK = Y 疾病類別 = 呼吸道疾患 部份負擔 = 重大傷病 1663 6 86 2.136 年齡層 = 75 歲以上 疾病類別 = 呼吸道疾患 部份負擔 = 榮民、榮民遺 眷之家戶代表 5325 19.2 85.9 1.726 部份負擔 = 重大傷病 疾病類別 = 腫瘤 2073 7.5 84.5 1.441 住院來源 = 初、複診 疾病類別 = 補充分類 1639 5.9 83.9 1.431 住院來源 = 初、複診 疾病類別 = 補充分類 部份負擔 = 重大傷病 5678 20.5 82.7 1.099CC_MARK = Y 疾病類別 = 呼吸道疾患 1639 5.9 82.7 1.099CC_MARK = Y 疾病類別 = 補充分類 部份負擔 = 重大傷病 1394 5 81.9 1.397 住院來源 = 初、複診 疾病類別 = 循環系統疾患 部份負擔 = 榮民、榮民遺 _{眷之家戶代表} 5831 21 81.6 2.028 年齡層 = 75 歲以上 部份負擔 = 榮民、榮民遺眷之家戶代表 1394 5 81.3 1.343 出院動向 = 改門診治療 疾病類別 = 循環系統疾患 部份負擔 = 榮民、榮民遺 眷之家戶代表 1394 5 80.8 2.007 年齡層 = 75 歲以上 疾病類別 = 循環系統疾患 部份負擔 = 榮民、榮民遺 眷之家戶代表 2073 7.5 80.6 1.332 出院動向 = 改門診治療 疾病類別 = 補充分類 1639 5.9 80.2 1.326 出院動向 = 改門診治療 疾病類別 = 補充分類 部份負擔 = 重大傷病 表 5 GRI 關聯規則分析表 件數 支持度 信心度 後項 前項 1 前項 2 前項 3 3029 4.39 85.00 CC_MARK = Y DAYS > 204.5 醫療總費 > 187082.0 醫療總費 < 287503.5 36299 52.64 84.00 出院動向 = 改門診治療 醫療總費 < 100124.5 18890 27.39 84.00 出院動向 = 改門診治療 DAYS < 119.5 醫療總費 < 108724.5 14287 20.72 84.00 出院動向 = 改門診治療 DAYS < 119.5 DAYS > 94.5 醫療總費 < 108724.5 4342 6.30 83.00 CC_MARK = Y DAYS > 204.5 醫療總費 > 187082.0 DAYS < 437.5 5973 8.66 82.00 CC_MARK = Y DAYS > 204.5 DAYS < 413.0 醫療總費 > 100808.5 5607 8.13 82.00 CC_MARK = Y DAYS > 204.5 醫療總費 > 187082.0 4539 6.58 80.00 CC_MARK = Y DAYS > 204.5 DAYS < 413.0 DAYS > 276.5 10757 15.60 78.00 CC_MARK = Y DAYS > 204.5 DAYS < 413.0 13613 19.74 77.00 CC_MARK = Y DAYS > 204.5 12678 18.38 71.00 CC_MARK = Y 醫療總費 < 28314.0 30877 44.77 69.00 出院動向 = 改門診治療 DAYS < 119.5 2466 3.58 68.00 住院來源 = 初、複診 DAYS < 141.5 DAYS > 135.5 15156 21.98 67.00 部份負擔 = 重大傷病 醫療總費 > 191116.0 DAYS > 109.5 33515 48.60 67.00 住院來源 = 初、複診 醫療總費 < 86044.5 23691 34.35 66.00 住院來源 = 初、複診 DAYS < 141.5 醫療總費 < 94926.5 2184 3.17 65.00 出院動向 = 繼續住院 DAYS > 454.5 21034 30.50 65.00 部份負擔 = 重大傷病 醫療總費 > 191116.0 42390 61.47 62.00 住院來源 = 初、複診 DAYS < 141.5 12669 18.37 60.00 出院動向 = 繼續住院 醫療總費 > 283513.0 4 研究結論與討論 本研究驗證了資料探勘技術與一般傳統統計分析結果相 似，並發現資料探勘工具確實能夠挖掘出潛在之特性組 合，對於異常資料之稽核也有極大的效用，分析超長天

住院病患中潛在之醫療資源高耗用族群，不但可快速並 視覺化出這些高危險群病患，更可由關聯規則中歸納出 超長天住院病患之關聯性，可強化內部審核的品質及時 效。本研究突破中央健保局台北分局過去一貫使用之統 計分析方法，引用新近企業管理上常用的資料探勘技 術，除了分析比較統計學及演算法之結果的一致性，更 驗證探勘工具結果中發現統計分析無法呈現的結果。綜 合上述各項分析結果，結論如下： ¾ 從醫院屬性中看出超長住院病患在醫學中心佔率較 大，區域醫院及地區醫院較低，此項分析突顯醫學中 心針對慢性疾病及長期使用呼吸器之病患是否未做合 理的下轉機制，此現象不但嚴重造成急性病床被佔用 的結果，更造成醫療資源的浪費。 ¾ 重大傷病、疾病類別為腫瘤，在超長住院病患屬性中 亦屬多數，腫瘤疾病大部份在審查規定中屬免審的項 目，是否造成核發不嚴謹現象，是值得深思的。 ¾ 75 歲以上、榮民身份需長期依賴呼吸器的病患，是超 長住院的最大群，榮民榮眷的老年人因慢性疾病或長 期依賴呼吸器者，因無家屬的照顧而需要長期入住醫 院，此現象不僅佔用病床，更影響真正需要住院治療 之病患一床難求的窘境，然而醫院對這些病患是否未 做適當的居家照護及呼吸照護的規劃管理，再則重大 傷病、榮民榮眷身份之病患又屬免部份負擔，故長久 下來確實是健保的一項沉重負擔。 ¾ 在 9,372 個超長天病患從醫院屬性中發現有同ㄧ病人 多家院所住院的狀況，這些異常住院行為個案，是否 隱藏醫療資源浪費。 全民健保實施後，急性病床一床難求，部份慢性病患卻 佔用急性病床。以科別來看，內科病患最多，超長住院 人次居最冠。由此可知超長住院是迫切需要被正視的問 題，建議衛生主管機關能朝落實病人的出院計畫、鼓勵 發展各類長期照護服務、並評估目前居家照護及呼吸照 護給付制度的合理性及品質審核，督促轉診制度的普及 化、評估各醫院層級病房費支付的合理性、提高自行負 擔金額上限，重大傷病審核的合理性等方向努力，此舉 一則直接提升病患的醫療品質且能有效避免醫療資源的 浪費；再則間接針對健保多元管理上挹助一劑活水。 本研究針對台灣北區院所超長天住院病患之病患屬性、 醫院屬性、就醫屬性及疾病類別屬性，利用一般統計分 析及資料探勘方式，找出超長天住院醫療資源高耗用群 集，期望未來能更深入分析此類耗用醫療資源之高危險 群病患在住院期間，真正耗用之醫療品項，提供衛生主 管機關訂定支付制度時之參考。此外，超長天住院病患 之住院行為模式同樣為未來重要的研究，唯有真正了解 其隱含的原因，方能找出合理適當之健保給付制度，杜 絕醫療資源的浪費，提升高品質的醫療服務，此乃全民 健保經營之極致目標。 致謝 本研究獲中央健康保險局提供相關資料，得以順利完 成，謹致謝忱。 參考文獻

[1] Burchill, C., “MCHP Glorssary and Related Terms,”,

Available at http://www.umanitoba.ca/centres/mchp/concept/thesau

rus/thesaurus_L.html, 2003.

[2] CMS News, “Medicare Announces Final Payment Changes for Long-term Care Hospitals for Rate Year

2005,” Available at http://www.cms.hhs.gov/apps/media/press/release.asp?

Counter=1028, 2004.

[3] Hackbarth, G.M., Reischauer, R.D., and Miller, M.E., “Definding Long-term Care Hospitals,” Report to the

Congress: New Approaches in Medicare, pp. 121-135,

2004. [4] 王俊程，運用資料挖掘技術協助健保財務管理：以 承保中斷及繳費不正常資料挖掘為例，行政院衛生 署委託研究成果報告，2000。 [5] 吳肖琪、林麗嬋、藍忠孚、吳義勇，全民健保實施 後急性病床住院病患超長住院情形之分析，中華衛 誌，17(2)，pp. 139-147，1998。 [6] 吳國禎，資料探索在醫學資料庫之應用，中原大學 醫工所碩士論文，2000。 [7] 李炳雄，資料探勘在醫學資料庫之應用–以全民健 保學術研究資料庫為例，國立台北大學資訊管理研 究所碩士論文，2003。 [8] 周文賢，多變量統計分析SAS/STAT使用方法，智勝 文化事業有限公司，2004。 [9] 周歆凱，利用資料探勘技術探討急診高資源耗用者 之特性，國立台灣大學醫療機構管理研究所碩士論 文，2004。 [10] 周鴻澤，應用資料探勘技術在顧客價值與檢查服務 之研究–以某醫院健檢中心為例，元智大學資訊研 究所資訊管理組碩士論文，2005。 [11] 林傑斌、劉明德，資料採掘與OLAP理論與實務，文 魁資訊股份公司，2002。 [12] 林慧雯，利用資料探勘技術偵測異常處方之研究， 南台科技大學資訊管理研究所碩士論文，2005。 [13] 胡繡華，門診糖尿病藥物治療型態之研究–以某醫 學中心為例，元智大學資訊研究所資訊管理組碩士 論文，2005。 [14] 徐啟勝，應用關聯法則分析不同科別高血壓處置的 差異，元智大學資訊研究所資訊管理組碩士論文， 2005。 [15] 張琬婷、吳孟潔、許容溶、李昱慧、陳羽瑩、李芝 儀、謝邦昌，資料採礦在行銷策略上的應用 – 以運 動 鞋 市 場 為 例 ， 中 華 資 料 採 礦 協 會 CDMS-Newsletter，7，pp. 1-32，2003。 [16] 郭惠敏，居家照護品質預測因子之探討–以居家照 護資料庫之資料探勘為例，長庚大學護理研究所， 2004。 [17] 陳益良，應用資料探勘法探討老人就醫特性–以高 雄市三民區為例，國立高雄醫學大學公共衛生學研 究所，2002。 [18] 彭文正譯，資料採礦：顧客關係管理暨電子行銷之 應用，台北：數博網資訊，2001。 [19] 湯玲郎、林信忠，資料萃取法在健保費用稽核之研 究，醫療資訊雜誌，11，pp. 85-104，2000。 [20] 黃仁貴，以叢集分析技術探討病患就診屬性與看診 時間之關係，台北醫學大學醫學資訊研究所碩士論 文，2002。 [21] 黃勝崇，資料探勘應用於醫療院所輔助病患看診指 引之研究，南華科技大學資訊管理研究所碩士論 文，2001。 [22] 蔣肇慶、林熙禎，資料開採在醫療資訊的研究，醫 療資訊雜誌，9，pp. 71-82，1999。 [23] 藍中賢，結合模糊集合理論與貝氏分類法之資料探 勘技術運用–應用於健保局醫療費用審查作業，元 智大學資訊研究所資訊管理組碩士論文，2000。