估计风险调整后的医院绩效

医院所提供的医疗质量存在相当大的差异。因此，对医院绩效的准确测量对于包括患者、医院管理者和医疗保险公司在内的各类决策者而言至关重要。医院绩效通过其患者的健康结果来评估。然而，由于不同医院间患者的风险特征存在差异，测量医院绩效需要对患者风险进行调整。现有最先进的方法通过分层广义线性模型将这一任务形式化，该模型将医院固定效应与患者风险对健康结果的影响分离开来。由于该方法的线性本质，风险变量之间任何的非线性关系或交互项都被忽略。在本工作中，我们提出一种衡量经患者风险调整的医院绩效的新方法。该方法捕捉患者风险变量间的非线性关系及交互作用，特别是共病健康状况对健康结果的影响。为此，我们开发了一种部分可解释的定制神经网络架构：其中非线性部分用于编码风险因素，而线性结构对医院固定效应建模，从而可以估计风险调整后的医院绩效。我们的评估基于全美再入院数据库提供的近1900家美国医院超过1300万次患者入院记录。相比现有最先进方法，我们的模型将ROC-AUC提高了4.1%。这些发现表明，健康结果的很大一部分方差可归因于患者风险变量间的非线性关系，并提示当前医院绩效衡量方法应予拓展。