บทคัดย่อ
การศึกษานี้มีวัตถุประสงค์เพื่อหาความเป็นไปได้ในการจัดกล่มผู้ป่วยนอกจากฐานข้อมูลประกันสุขภาพในประเทศไทย โดยประยุกต์ใช้แนวคิดการจัดกลุ่มผู้ป่วยนอกของบริษัท 3M และการจัดกลุ่มโรคร่วมปรับค่าคลินิกของมหาวิทยาลัยจอนห์ฮอบกินส์เป็นต้นแบบสําหรับการศึกษา และวิเคราะห์หาโมเดลเพื่อทำนายค่ารักษาพยาบาลในกลุ่มโรคเรื้อรัง เช่น กลุ่มโรคเบาหวาน กลุ่มโรคความดันโลหิตสูง โรคที่มีค่ารักษาพยาบาลราคาแพง ได้แก่ กลุ่มโรคไตวาย กลุ่มโรคธาลัสซีเมีย ข้อมูลผู้ป่วยนอกจํานวน 39.1 ล้านครั้ง จัดกลุ่ม medical APG ได้ 82 กลุ่มจํานวน 21.2 ล้านครั้ง ที่พบกลุ่มจํานวนมาก คือ กลุ่มโรคไข้หวัดใหญ่ โรคติดเชื้อในระบบทางเดินหายใจส่วนบน และโรคติดเชื้อหู จมูก คอ (APG 542) 3.3 ล้านครั้ง รองลงมา คือ โรคกลุ่มฟัน (APG 541) 1.5 ล้านครั้ง และโรคกลุ่มความดันโลหิตสูง (APG572) 1.4 ล้านครั้ง และจัดกลุ่มโรคร่วมปรับค่าคลินิกได้ 80 กลุ่ม จํานวน 18.2 ล้านครั้ง คิดเป็นผู้ป่วยนอก 7.7 ล้านราย กลุ่มที่พบจํานวนมาก คือ กลุ่มโรคที่มีอาการเฉียบพลันแต่ไม่รุนแรง อายุมากกว่า 5 ปี (ACG 300) 1.9 ล้านราย รองลงมา คือ กลุ่มโรคเรื้อรังที่มีอาการคงที่ (ACG 900) 8.7 แสนราย และกลุ่มโรคที่มีอาการกลับเป็นซํ้าได้เรื่อยๆ และไม่มีอาการแพ้ (ACG 500) 7.2 แสนรายการ จัดกลุ่ม APG กลุ่มโรคเบาหวาน มีตัวแปรที่มีนัยสําคัญทางสถิติ (p-value < 0.05) ทําให้ค่ารักษาพยาบาลต่อครั้งเพิ่มขึ้น ได้แก่ อายุ เพศชาย โรงพยาบาลศูนย์และทั่วไป การส่งต่อที่เป็นการส่งออก การมีอาการแทรกซ้อน การมีโรคร่วมเป็นโรคความดันโลหิตสูง โรคระบบหลอดเลือดและหัวใจ โรคหลอดเลือดสมอง และโรคไต โมเดลกลุ่มโรคความดันโลหิตสูงพบว่า ตัวแปรที่ทําให้ค่ารักษาเพิ่มขึ้น ได้แก่อายุ เพศชาย โรงพยาบาลศูนย์และทั่วไป โรคร่วมเป็นกลุ่มโรคเบาหวาน โรคไขมันในเลือดสูง โรคหลอดเลือดสมอง โรคหัวใจขาดเลือด และโรคไต โมเดลกลุ่มโรคไตวายพบว่า ตัวแปรที่ทําให้ค่ารักษาเพิ่มขึ้น ได้แก่ โรงพยาบาลศูนย์และทั่วไป, APG โรคไตวาย และการมีโรคร่วมเป็นโรคหลอดเลือดหัวใจ และโมเดลกลุ่มโรคธาลัสซีเมียพบว่า ตัวแปรด้านอายุที่ทําให้ค่ารักษาพยาบาลผู้ป่วยนอกเพิ่มขึ้นการจัดกลุ่ม ACG กลุ่มโรคเรื้อรังเฉพาะความดันโลหิตสูง ตัวแปรที่มีนัยสําคัญทางสถิติ (p-value < 0.05) ทําให้ค่ารักษาเพิ่มขึ้น ได้แก่ อายุ เพศชาย โรงพยาบาลศูนย์และทั่วไป จํานวนครั้งในการมาตรวจ ระยะเวลาระหว่างแต่ละครั้งที่มาตรวจ และกลุ่ม MAC 5 และ 15 สําหรับกลุ่มโรคเรื้อรังเฉพาะโรคเบาหวาน ตัวแปรที่ทําให้ค่ารักษาเพิ่มขึ้น ได้แก่ อายุ โรงพยาบาลศูนย์และทั่วไป จํานวนครั้งในการมาตรวจ และระยะเวลาระหว่างแต่ละครั้งที่มาตรวจ ผลการศึกษาทำให้ทราบว่าข้อมูลจากฐานข้อมูลการประกันสุขภาพสามารถนํามาใช้ในการจัดกลุ่มโรคผู้ปวยนอกได้ ในการจัดกลุ่ม APG ข้อมูลที่ต้องการเพิ่มเติมจะเป็นข้อมูลของการหัตถการสําคัญและบริการเสริมของผู้ปวยนอก และการจัดกลุ่ม ACG ข้อมูลจะต้องมีความครบถ้วนสมบูรณ์ในช่วงเวลาที่กําหนด
บทคัดย่อ
The objective of this study was to examine the feasibility of an outpatient casemix classification system based on the health insurance database in Thailand. The Ambulatory Patient Groups (APG) developed by 3M and Adjusted Clinical Group (ACG) by John Hopkins University were used as the reference model. Model for predicting outpatient expenditure in selected chronic disease groups i.e. diabetes mellitus, hypertension and high cost of care i.e. renal failure and thallasaemia. From 39.1 outpatient visits was grouped into 82 medical APGs which is 21.2 million visits. Most common medical APG groups were 3.3 million visits in influenza, upper respiratory infection and ear, nose throat infections (APG 542), 1.5 million visits in dental diseases (APG 541) and 1.4 million visits in hypertension (APG 572). While can be grouped into 80 groups in ACG which is 7.7 million persons. Most common ACG groups were 1.9 million persons in acute minor, age > 5 (ACG 300), 8.7 million persons in chronic medical: stable (ACG 900) and 0.7 million persons in likely to recur without allergy (ACG 500). From APG concept, significant variable (p-value < 0.05) which increasing medical charges per visit in diabetes model were age, male, provincial and general hospital, refer-out, complication and comorbidities as hypertension, cardiovascular diseases (CVD), cerebrovascular diseases and renal diseases. Significant variable which increasing medical charges in hypertension model were age, male, provincial and general hospital and co-morbidities as diabetes, hyperlipidaemia, cerebrovascular diseases, ischaemic heart disease and renal diseases. Significant variable which increasing medical charges renal failure model were provincial and general hospital, APG and cardiovascular diseases as comorbidity. Age was significant variable which increasing medical charges in thallasaemia model. From ACG concept, significant variable (p-value < 0.05) which increasing medical charges in chronic diseases with hypertension were age, male, provincial and general hospital, number of visits, length of duration between visit and MAC 5 AND 15. Significant variable which increasing medical charges in diabetes model were age, provincial and general hospital, number of visits, length of duration between visit. The results indicated that outpatient classification system requiring more information such as significant procedure and ancillary service for the other two main APG groups. These will be further developed for outpatient classification system in Thailand.
