5.3.2 路径分析结果
1）心脏科路径分析结果
首先对路径分析的3个主要内因变量（不适宜住院天数、住院天数和住院费用）进行单因素和多因素分析。心脏科住院天数的单因素和多因素分析结果分别如表5-12和表5-13所示。在单因素分析中，与心脏科住院天数显著相关的变量有年龄（t=0.136，p=0.012）、婚姻状况（t=－1.699，p=0.090）、支付方式（t=1.509，p=0.132）、入院途径（t=－3.899，p＜0.001）、入院次数（t=－3.899，p＜0.001）、第一诊断2（t=2.261，p=0.024）、第一诊断3（t=0.410，p=0.083）、CCI 0（t=－3.331，p=0.001）、是否转科（t=5.427，p＜0.001）、是否输血（t=3.086，p=0.002）、重症监护（t=1.720，p=0.086）、不适宜住院天数（t=0.427，p＜0.001）。心脏科住院天数的多因素分析结果显示，不适宜住院天数（Beta=0.366，p＜0.001）、是否转科（Beta=0.184，p＜0.001）、入院途径（Beta=－0.098，p＜0.001）、年龄（Beta=0.036，p=0.002）以及第一诊断2（Beta=0.087，p=0.006）与心脏科住院天数相关性显著。
表5-12 心脏科住院天数单因素分析结果
续 表
*t为皮尔逊相关系数（Pearson correlation coefficient）。
表5-13 心脏科住院天数的多因素分析结果
*Beta，回归系数；**SE，标准误差；***standard Beta，标准化回归系数。
心脏科住院费用单因素和多因素分析结果分别见表5-14和表5-15。在单因素分析中对与住院费用显著相关的变量有性别（t=2.838，p=0.005）、就业状况1（t=1.766，p=0.079）、户籍所在地（t=2.947，p=0.003）、住院费用支付方式（t=4.781，p＜0.001）、入院途径（t=－3.167，p=0.002）、入院次数（t=－2.670，p=0.008）、第一诊断1（t=3.316，p=0.001）、第一诊断2（t=3.744，p＜0.001）、第一诊断3（t=－6.281，p＜0.001）、第一诊断4（t=－2.479，p=0.014）、CCI 0（t=－2.601，p=0.010）、CCI 2（t=1.777，p=0.077）、是否手术（t=8.345，p＜0.001）、是否转科（t=2.926，p=0.004）、重症监护（t=2.255，p=0.025）、并发症情况（t=1.290，p=0.198）、住院天数（t=0.253，p＜0.001）。从多因素分析的结果来看，手术（Beta=15.472，p＜0.001）、自费（Beta=7.573，p＜0.001）、重症监护（Beta=3.542，p=0.047）、住院天数多（Beta=6.302，p=0.034）以及男性患者（Beta=3.369，p=0.041）的住院费用更高；而第一诊断为慢性病（高血压）（Beta=－9.739，p=0.002）、门诊入院（Beta=－2.902，p=0.040）、合并症指数为0（Beta=－4.097，p=0.018）的患者住院费用较低。
表5-14 心脏科住院费用单因素分析结果
*t为皮尔逊相关系数（Pearson correlation coefficient）。
表5-15 心脏科住院费用的多因素分析结果
续 表
*Beta，回归系数；**SE，标准误差；***standard Beta，标准化回归系数。
图5-11 心脏科初始路径图
根据本研究基本模型和实证研究结果，建立路径图如图5-11所示（此处为便于观察，未将外生变量间路径标出）。模型χ2=41.436，自由度df=18，χ2／df=2.302，RMSEA为0.061，GFI为0.970，CN值为239。虽然该模型总体拟合情况较好，但共有4个回归系数以及29个协方差检验结果不显著，需予以调整。需要调整路径分别为“户籍→不适宜住院天数”（估计系数为0.095，p=0.058）、“入院途径→不适宜住院天数”（估计系数为0.050，p=0.138）、“年龄→不适宜住院天数”（估计系数为－0.001，p=0.589）以及“第一诊断2（心肌梗死）→不适宜住院天数”（估计系数为－0.053，p=0.277）。
图5-12 调整后的心脏科路径图
根据上述路径分析结果，对原模型进行调整，调整后的路径模型如图5-12所示，共有17个回归系数，其中固定路径3个，待估计的路径14个。调整后的模型拟合情况统计量结果如表5-16所示，χ2=97.456，自由度df=48，χ2／df=2.030，RMSEA为0.055＜0.100，CFI为0.915＞0.900，CN值为229＞200，各项指标均表示该路径模型拟合情况良好。路径分析的最大似然估计结果如表5-17所示。其中，对住院费用有直接影响的路径有8条，分别是“支付方式→住院费用”（估计系数为5.795，p＜0.001）、“住院天数→住院费用”（估计系数为7.688，p=0.002＜0.050）、“入院途径→住院费用”（估计系数为－3.783，p=0.009＜0.050）、“性别→住院费用”（估计系数为3.018，p=0.035＜0.050）、“重症监护→住院费用”（估计系数为3.894，p=0.013＜0.050）、“CCI 0→住院费用”（估计系数为－3.574，p=0.016＜0.050）、“第一诊断3→住院费用”（估计系数为－9.015，p=0.001＜0.050）、“是否手术→住院费用”（估计系数为17.040，p＜0.001），即自费、住院天数长、非门诊入院（急诊／其他医疗机构抓入）、男性、实施了重症监护、有合并症、第一诊断非高血压、实施了手术对住院费用产生正向影响。在调整模型后，仅有支付方式对不适宜住院天数产生直接影响，其路径系数为0.230，p＜0.001。
表5-16 心脏科模型拟合情况
表5-17 心脏科路径系数的最大似然估计
续 表
*estimated coefficient，估计系数；**SE，标准误差。
心脏科路径分析的各项效果值如表5-18所示。对住院费用总效果最大的为是否手术（0.377），依次排列为支付方式（0.217）、第一诊断3（－0.165）、入院途径（－0.160）、住院天数（0.144）、重症监护（0.120）、性别（0.095）、不适宜住院天数（0.064）、CCI 0（－0.108）、是否转科（0.033）、年龄（0.025）以及第一诊断2（0.022）。其中不适宜住院天数对住院天数的路径系数为0.445，p＜0.001。在心脏科路径回归模型中，不适宜住院天数对住院费用的直接路径不显著，但其对住院费用的间接效果显著，其标准化后的总效果值为0.064。
表5-18 心脏科路径标准化后的各项效果值
续 表
以上均为将连续变量进行正态转换后所得的结果，按照变量原值带入路径分析模型后，可以进行粗略估计，每增加一个不适宜住院日，对应住院费用的路径系数（未标准化的）为1223.685。由于此期间不适宜住院日的天数为753天，由此可推测，该期间由于内部因素引起的不适宜住院日带来的住院资源的浪费约为921435元。按照该科室平均住院费用33884.22元的标准，这部分资源还可用于27名患者的诊治，并提供约753天的适宜住院日。
2）骨科路径分析结果
对骨科患者住院天数进行单因素分析和多因素分析，结果分别如表5-19和表5-20所示。单因素分析中显著的变量有性别（t=－2.111，p=0.035）、年龄（Pearson correlation=0.639，p＜0.001）、婚姻状况（t=3.344，p=0.001）、就业状况1（t=1.844，p=0.160）、就业状况2（t=5.878，p＜0.001）、入院次数（t=－1.590，p=0.112）、第一诊断1（t=5.046，p＜0.001）、第一诊断2（t=－5.026，p＜0.001）、CCI 0（t=－4.241，p＜0.001）、CCI1（t=1.317，p=0.188）、CCI2（t=3.087，p=0.002）、是否手术（t=9.920，p＜0.001）、是否转科（t=2.379，p=0.018）、是否输血（t=8.463，p＜0.001）、重症监护（t=2.312，p=0.021）、并发症（t=3.292，p=0.001）、不适宜住院天数（Pearson correlation为0.639，p＜0.001）。多因素分析模型的R-square为0.599，调整后的R-square为0.592，ANOVA残差分析F=85.400，p＜0.001。进入最终回归模型的变量有不适宜住院天数（标准化回归系数［standard Beta］=0.547，p＜0.001）、手术（standard Beta=0.279，p＜0.001）、输血（stan dard Beta=0.184，p＜0.001）、骨折（stan dard Beta=0.124，p＜0.001）、并发症（standard Beta=0.070，p=0.031）、年龄（stan dard Beta=0.074，p=0.035）和入院次数（standard Beta=0.070，p=0.038）。从多元回归结果可以看出，不适宜住院天数多、接受了手术、接受了输血、第一诊断为骨折、在诊疗期间有并发症发生、年长、再入院的患者住院日较长。
表5-19 骨科住院天数单因素分析结果
续 表
*t为皮尔逊系数（Pearson correlation coefficient）。
表5-20 骨科住院天数多因素分析
*Beta，回归系数；**SE，标准误差；***standard Beta，标准化回归系数。
对骨科患者的住院费用进行单因素和多因素分析，结果分别如表5-21和表5-22所示。单因素分析中，与骨科住院费用显著相关的变量有性别（t=－4.180，p＜0.001）、年龄（Pearson correlation=0.347，p＜0.001）、婚姻状况（t=4.914，p＜0.001）、就业状况1（t=－3.972，p＜0.001）、就业状况2（t=6.622，p＜0.001）、户籍所在地（t=－1.779，p=0.076）、入院次数（t=－2.622，p=0.009）、第一诊断1（t=3.200，p=0.001）、第一诊断2（t=－5.576，p＜0.001）、第一诊断3（t=－2.491，p=0.013）、第一诊断4（t=3.158，p=0.002）、CCI 0（t=－4.519，p＜0.001）、CCI1（t=2.756，p=0.006）、CCI2（t=1.805，p=0.072）、是否手术（t=13.072，p＜0.001）、是否转科（t=2.120，p=0.035）、是否输血（t=6.209，p＜0.001）、重症监护（t=1.539，p=0.125）、不适宜住院天数（Pearson correlation=0.241，p＜0.001）以及住院天数（Pearson correlation=0.639，p＜0.001）。在多因素分析中显著的变量有住院天数（standard Beta=0.439，p＜0.001）、手术（standard Beta=0.323，p＜0.001）、年龄（standard Beta=0.149，p＜0.001）、不适宜住院天数（standard Beta=－0.112，p=0.024）。其中住院天数多、接受了手术、年长的患者住院费用高，而不适宜住院天数多的患者住院费用低。但此时尚不能对不适宜住院天数对住院费用的影响做出结论，这是由于多元回归模型仅考察了直接效应，而根据本研究的基本模型，不适宜住院日还通过住院天数造成影响，对其间接效应和总效应还需要建立路径模型做进一步的探讨。
表5-21 骨科住院费用的单因素分析结果
*t为皮尔逊相关系数（Pearson correlation coefficient）。
表5-22 骨科住院费用的多因素分析结果
*Beta，回归系数；**SE，标准误差；***standard Beta，标准化回归系数。
结合研究假设以及上述单因素分析的结果，可初步建立非递归路径图，如图5-13所示。模型χ2=131.119，自由度df=16，χ2／df=8.195，RMSEA为0.125，CFI为0.899，CN值为93，拟合情况不佳，没有达到本研究采纳的拟合状况标准，需要对最大似然估计路径系数和协方差分析中不显著的路径和相关关系予以调整。
图5-13 骨科初始路径图
根据上述路径分析结果，对原模型进行调整，调整后的路径模型共有15个回归系数，其中固定路径3个，待估计的路径12个。拟合情况统计量结果如表5-23所示，χ2=53.504，自由度df=17，χ2／df=3.147，RMSEA为0.068，GFI为0.958，CN值为239，各项指标均表示该路径模型拟合情况良好。根据路径分析的最大似然估计结果如表5-24所示。其中，对住院费用有直接影响的路径有四条，分别是“住院天数→住院费用”（估计系数为26.381，p＜0.001）、“不适宜住院天数→住院费用”（估计系数为－2.334，p=0.017＜0.050）、“是否手术→住院费用”（估计系数为－5.293，p＜0.001）“以及年龄→住院费用”（估计系数为－0.067，p＜0.001）。不适宜住院天数对住院天数的路径系数为0.196，p＜0.001；而与多元回归结果一致的是，不适宜住院天数对住院费用的直接路径系数为负（－2.334，p=0.017＜0.050），与理论推导中的结果一致。
表5-23 骨科模型拟合情况
表5-24 路径系数的最大似然估计
续 表
*estimated coefficient，估计系数；**SE，标准误差。
在最终模型（如表5-25所示）中，对住院费用总效果值最大的依然为是否手术（0.478），其他依次为住院天数（0.426）、年龄（0.198）、不适宜住院日（0.136）、第一诊断1（0.063）、并发症情况（0.052）、支付方式（0.048）以及入院次数（0.035）。不适宜住院天数对住院费用既有直接影响（－0.112）也有间接影响（0.248），其总效果值为0.136；住院天数对住院费用的直接效果为0.426，总效果值也为0.426；支付方式对住院费用的影响在单因素和多因素分析中均不显著，在本研究的路径分析模型中，支付方式对住院费用产生的总效应为0.048。根据调整后的路径（见图5-14），支付方式通过影响不适宜住院天数从而对住院天数和住院费用产生影响。
图5-14 调整后的骨科路径分析示意图
表5-25 骨科路径分析标准化的各项效果值
以上均为将连续变量进行正态转换后所得的结果，按照变量原值代入路径分析模型后，可以粗略地估计，每增加一个不适宜住院日，对住院费用的影响约为1282.682元（住院日路径系数3032.332加上不适宜住院日路径系数－1749.650），因内部因素引起的不适宜住院日有1585天，可以认为，该期间由于不适宜住院日导致的住院资源浪费约为2033051元。按照骨科患者的平均费用（35784.32元）来估计，该部分资源可用于诊治56名患者，提供670个住院日。
从路径分析的结果来看，在两个样本科室，支付方式对不适宜住院天数均产生了直接影响，尤其是在心脏科路径分析模型中，仅有支付方式对不适宜住院天数的直接路径系数通过了统计学检验，而骨科的不适宜住院天数还受年龄和手术情况的直接影响。不适宜住院天数对住院费用有直接影响也有间接影响，而支付方式通过对不适宜住院天数的影响对住院费用产生间接影响。当其价格与适宜住院日差距不大时（心脏科），不适宜住院日仅通过住院天数对住院费用产生间接影响，而当其价格显著低于适宜住院日时（骨科），不适宜住院日对住院费用的直接路径系数为负。支付方式在两科室均不对住院天数造成直接影响，而是通过影响不适宜住院日对住院天数造成影响。简而言之，路径分析的结果表示，在住院治疗过程中，在保障一定质量目标的基础上，在不同支付方式下，由于效用最大化行为产生了一定的不适宜住院日，从而对住院资源配置效率产生了影响。