研究背景：臺灣全民健保開辦，提升了民眾就醫公平與可近性，然也與多數先進國家相同，面臨了醫療費用持續上漲的困境。為有效管理健保醫療費用成長，臺灣以宏觀調控及微觀調整的策略，進行了多元的支付制度改革，而臺灣版的住院診斷關聯群支付制度(Tw-DRGs)是微觀改革中的重點，係以疾病分類系統，將醫療資源使用相近的分組，並預訂每組的支付定額，故又稱包裹給付，目的是設計財務誘因，以提高醫療效率及合理分配資源，使醫院間的住院品質得以比較；然而，然原應已完成的5個階段導入期程，因醫界意見仍待持續整合，故僅實施至第2階段。目前衛生福利部欲使Tw-DRGs再順利開展，將規畫鼓勵醫院參加Tw-DRGs與現行住院支付制度併行的雙軌試辦方案。

研究目的:探討影響尚未實施TW-DRGs給付項目，於醫療效率與品質的風險因子，並建立相關風險預測模型，作為醫院管理或健保支付制度修訂參考。

研究方法：採用次級資料之回溯性研究，以某地區教學醫院，於108年6月1日至110年12月31日出院，屬於Tw-DRGs3.4版分類DRG項目中，尚未實施DRG支付的住院病人，隨機分類為訓練與測試資料集，建立訓練資料集的多變項二元羅吉斯回歸模型，探討影響醫療效率與品質之風險因素，並以測試資料集驗證模型的預測效果。

研究結果：在醫療效率部分，DRG定額給付結果「為虧損」之正相關風險因素為，「住院天數」(OR=1.378)及「住院診斷數」(OR=1.084)，男性比女性風險高，OR值1.196，外科及其他科比內科風險高，OR值分別為1.796及1.794；「超過」DRG幾何平均住院日的正相關風險因素為，「住院天數」(OR=2.349)、「慢性病診斷數」(OR=1.158)及「醫師年資」(OR=1.016)，兒科比內科風險高，OR值為1.600。在醫療品質部分，出院三日內「再」急診就醫之正相關風險因素為，「慢性病診斷數」、「住院天數」、「醫師年資」及「年齡」，OR值分別為1.132、1.048、1.017及1.007，而有感染比無感染風險高，OR值為1.486；出院後十四日因同疾病「再」住院之正相關風險因素為，「慢性病診斷數」(OR=1.522)及「住院天數」(OR=1.237)，有合併症及併發症比無合併症及併發症風險高，OR值為1.544，男性比女性風險高，OR值為1.480，外科比內科風險值高，OR值為1.751；於多變項二元羅吉斯模型預測檢定結果，以F-measure及ROC AUC評估，預測能力最佳模型為「是否超過DRG幾何平均住院天數」、其次為「DRG定額支付及是否虧損」及「是否14日內再入院」，而「是否三日內再急診就醫」預測能力則為普通。

結論與建議：研究醫院在財務收入模擬的結果為正向之基礎下，建議參加健保試辦Tw-DRGs，與現行住院支付制度併行之雙軌方案，持續精進醫療效率與品質。研究醫院應關注，產生負向醫療結果的多重慢性病與診斷數之疾病樣態組合，進而提早介入管理，另建議中央健康保險署以全國性資料實證，是否多重慢性病或疾病病人，於同一項目Tw-DRGs之醫療耗用是否有顯著差異，以作為後續支付制度修訂依據。而研究醫院應進一步分析，本研究實證之風險因子，有複雜疾病類別型態之集中性，積極建構標準臨床路徑，來降低影響醫療結果的風險因素，並以本研究之風險預測模型，作為臨床管理預警工具並持續優化。

Background: The introduction of Taiwan's national health insurance has greatly promoted the fairness and accessibility of medical service for the public. However, Taiwan also faces the the dilemma of rising medical costs like many developed countries. In order to effectively manage the growth of health insurance and medical expenses, Taiwan has employed several payment system reforms through macro-control and micro-adjustment strategies. The Taiwanese version of the payment system for inpatient diagnosis related groups (Tw-DRGs) is the focus of micro-reforms. It adopts a disease classification system, which devides the medical resources into similar groups and predetermines the payment amount for each group, so it is also called package payment. The purpose is to design the financial incentives to improve medical efficiency, allocate resources rationally, which make the quality of hospitalization among hospitals comparable. The 5-stage introduction process that should have been completed was only implemented to the second stage because the opinions of the medical community still need to be continuously integrated. At present, the Ministry of Health and Welfare hopes to promote Tw-DRGs smoothly and encourags hospitals to participate in Tw-DRGs in parallel with the current hospital payment system.

Purpose: The aim of the study was to explore the risk factors that affect the efficiency and quality of medical care that have not yet been implemented in TW-DRGs payment items, and to establish a related risk prediction model as a reference for hospital management or health insurance payment system revision.

Methods: This study is a retrospective study using secondary discharge data of A teaching hospital in Hsinchu City from June 1, 2019 to December 31, 2021, which belongs to the Tw-DRGs classification 3.4 that has not yet been implemented. These data were randomly classified into training and testing data sets, and a multivariate logistic regression model was established using the training data set to explore risk factors that affect medical efficiency and quality. The testing data set was used to verify the prediction effect of the equation.

Results: For medical efficiency, the risk factors for the loss of DRG payment were days of hospitalization (OR=1.378), number of hospitalization diagnoses (OR=1.084), male compared with female (OR=1.196), surgical department compared with internal and other departments (OR=1.796 and 1.794 respectively). The risk factors for exceeding the geometric mean hospitalization days of DRG were days of hospitalization (OR=2.349), number of chronic disease diagnoses (OR=1.158), and job tenure for physician (OR=1.016), and pediatrics compared with internal department (OR=1.600). In terms of medical quality, the risk factors for emergency medical visits within three days after discharge were number of chronic disease diagnosis, number of hospitalization days, job tenure for physician, patients’ age, and those with infections, the OR values were 1.132, 1.048, 1.017, 1.007 and 1.486, respectively. The risk factors for rehospitalization for the same disease within 14 days after discharge were number of chronic disease diagnosis (OR=1.522), number of hospitalization days (OR=1.237), male compared with female (OR=1.480), and those with complications (OR=1.544), and surgical department compared with internal departments (OR=1.751). In the multivariate logistic test, evaluated by F-measure and ROC AUC, the model with the best predictive abiltities was ‘exceeding the geometric mean hospitalization days of DRG’, followed by ‘loss of DRG payment’ and ‘rehospitalization for the same disease within 14 days after discharge’.

Conclusion: Based on the positive financial income simulation results, the studied hospital is suggested to participate in the pilot health insurance Tw-DRGs program parallel to the current hospitalization payment system to continuously improve medical efficiency and quality. It is suggested that studied hospital should pay more attention to the combination of multiple chronic diseases and multiple diagnosis numbers that lead to negative medical outcomes, and further introduce early intervene measures. It is recommended that the Central Health Insurance Administration use national data to verify whether there are significant differences in the medical consumption of the same Tw-DRGs item for patients with multiple chronic diseases or multiple diseases, as a basis for subsequent revisions to the payment system. It is also recommended that the studied hospital further analyze whether the risk factors in this study are concentrated in certain type of disease. It might helpful to construct a standard clinical path to reduce the negative factors that affect medical outcomes. Our study provided a risk prediction model as an early warning tools in clinical management, and further optimization is required.

中文摘要 I
英文摘要 III
誌謝 V
目錄 VI
圖目錄 IX
表目錄 X
第一章 緒 論 1
1.1 研究背景與動機 1
1.1.1 研究背景 1
1.1.2 研究動機 4
1.2 研究目的 6
1.3 論文架構 6
第二章 文獻探討 7
2.1 診斷關聯群 (DIAGNOSIS RELATED GROUPS , DRGS)支付制度源起與各國實施經驗 7
2.1.1 健康保險支付制度分為回溯性與前瞻性，DRGs是屬於前瞻性支付制度 7
2.1.1 診斷關聯群(DRGs)支付制度創始於美國，已有許多先進國家採用 8
2.2 臺灣版住院診斷關聯群支付制度(TAIWAN DIAGNOSIS RELATED GROUPS, TW-DRGS) 9
2.2.1 Tw-DRGs發展的藍本基礎 9
2.2.2 Tw-DRGs目前公告之版本與分類 10
2.2.3 Tw-DRGs系統支付邏輯 11
2.2.4 Tw-DRGs項目於臺灣健保之住院申報案件涵蓋率 14
2.3 各國實施DRGS支付制度後之相關影響 15
2.3.1 住院時間、住院率與治療移轉 15
2.3.2 醫療品質的影響 16
2.3.3 醫療資源的配置有明顯改變 17
2.4 臺灣模擬尚未導入TW-DRGS全部項目之研究較為少見 17
2.5 DRGS是一種衡量醫療品質與效率的工具 19
2.5.1 DRGs當初發源於美國，為的是創造「論件的管理基礎」 19
2.5.2 以DRGs分類基準，來評估影響尚未導入TW-DRGs項目之醫療品質與效率風險因子 19
2.5.3 影響醫療品質與效率之相關因素探討 22
2.6 小結 29
第三章 研究方法 31
3.1 研究設計與架構 31
3.2 研究對象與資料處理 32
3.2.1 研究對象 32
3.2.2 資料來源與收集 32
3.3 研究統計變項操作型定義 33
3.4 研究分析方法 35
第四章 研究結果 38
4.1 研究醫院介紹 38
4.2 研究對象之描述性分析 38
4.3 影響醫療效率及醫療品質之分析結果 40
4.3.1 醫療效率-DRG定額給付費用是否虧損 40
4.3.2 醫療效率-實際住院天數是否超過DRG幾何平均住院天數 44
4.3.3 醫療品質-出院後三日內是否再急診就醫 48
4.3.4 醫療品質-出院後十四日是否因相同疾病再住院 52
4.4 小結 56
4.4.1 本研究多變項二元羅吉斯回歸模型分析結果 56
4.4.2 本研究多變項二元羅吉斯回歸模型之預測能力 58
第五章 結論 60
5.1 結論 60
5.2 研究建議 64
5.3 研究限制 65
參考文獻 66

Averill, R. F., Muldoon, J. H., Vertrees, J. C., Goldfield, N. I., Mullin, R. L., Fineran, E. C., . . . Grant, T. (1998). The evolution of casemix measurement using diagnosis related groups (DRGs). Wallingford: 3M Health Information Systems.
Busato, A., & von Below, G. (2010). The implementation of DRG-based hospital reimbursement in Switzerland: A population-based perspective. Health Res Policy Syst, 8(1), 31. doi:10.1186/1478-4505-8-31
Busse, R., Geissler, A., Aaviksoo, A., Cots, F., Häkkinen, U., Kobel, C., . . . Serdén, L. (2013). Diagnosis related groups in Europe: moving towards transparency, efficiency, and quality in hospitals? BMJ, 346.
Centers for Medicare & Medicaid Services. (2022, 2022/09/05). MS-DRG Classifications and Software. Retrieved from https://www-cms-gov.translate.goog/icd10m/FY2023-version40-fullcode-cms/fullcode_cms/P0002.html?_x_tr_sl=en&_x_tr_tl=zh-TW&_x_tr_hl=zh-TW&_x_tr_pto=op,sc
Davis, C. K., & Rhodes, D. J. (1988). The impact of DRGs on the cost and quality of health care in the United States. Health Policy, 9(2), 117-131.
Feinglass, J., & Holloway, J. J. (1991). The initial impact of the Medicare prospective payment system on US health care: a review of the literature. Medical Care Review, 48(1), 91-115.
Fetter, R. B. (1991). Diagnosis related groups: understanding hospital performance. Interfaces, 21(1), 6-26.
Fetter, R. B., Shin, Y., Freeman, J. L., Averill, R. F., & Thompson, J. D. (1980). Case mix definition by diagnosis-related groups. Medical care, 18(2), i-53.
Fine, M. J., Pratt, H. M., Obrosky, D. S., Lave, J. R., McIntosh, L. J., Singer, D. E., . . . Kapoor, W. N. (2000). Relation between length of hospital stay and costs of care for patients with community-acquired pneumonia. The American journal of medicine, 109(5), 378-385.
Forgione, D. A., Vermeer, T. E., Surysekar, K., Wrieden, J. A., & Plante, C. C. (2005). DRGs, costs and quality of care: an agency theory perspective. Financial Accountability & Management, 21(3), 291-308.
Gijsen, R., Hoeymans, N., Schellevis, F. G., Ruwaard, D., Satariano, W. A., & van den Bos, G. A. (2001). Causes and consequences of comorbidity: a review. Journal of clinical epidemiology, 54(7), 661-674.
Goldfield, N. (2010). The evolution of diagnosis-related groups (DRGs): from its beginnings in case-mix and resource use theory, to its implementation for payment and now for its current utilization for quality within and outside the hospital. Quality Management in Healthcare, 19(1), 3-16.
Hornbrook, M. C. (1985). Techniques for assessing hospital case mix. Annual Review of Public Health, 6(1), 295-322.
Kahn, K. L., Keeler, E. B., Sherwood, M. J., Rogers, W. H., Draper, D., Bentow, S. S., . . . Brook, R. H. (1990). Comparing outcomes of care before and after implementation of the DRG-based prospective payment system. Jama, 264(15), 1984-1988.
Kwon, S. (2003). Payment system reform for health care providers in Korea. Health policy and planning, 18(1), 84-92.
Lagoe, R. J., Noetscher, C. M., Hohner, V. K., & Schmidt, G. M. (1999). Analyzing hospital readmissions using statewide discharge databases. Journal of nursing care quality, 13(6), 57-67.
Litwin, M. S., Kahn, K. L., & Reccius, N. (1993). Why do sicker patients cost more? A charge-based analysis of patients undergoing prostatectomy. The Journal of urology, 149(1), 84-88.
OECD. (2020). OECD Health Statistics2020.
Pearson, S. D., Kleefield, S. F., Soukop, J. R., Cook, E. F., & Lee, T. H. (2001). Critical pathways intervention to reduce length of hospital stay. The American journal of medicine, 110(3), 175-180.
Qian, X., Russell, L. B., Valiyeva, E., & Miller, J. E. (2011). ‘Quicker and sicker’under medicare's prospective payment system for hospitals: new evidence on an old issue from a national longitudinal survey. Bulletin of economic research, 63(1), 1-27.
Rahmqvist, M., Samuelsson, A., Bastami, S., & Rutberg, H. (2016). Direct health care costs and length of hospital stay related to health care-acquired infections in adult patients based on point prevalence measurements. American journal of infection control, 44(5), 500-506.
Rochon, P. A., Katz, J. N., Morrow, L. A., McGlinchey-Berroth, R., Ahlquist, M. M., Sarkarati, M., & Minaker, K. L. (1996). Comorbid illness is associated with survival and length of hospital stay in patients with chronic disability: a prospective comparison of three comorbidity indices. Medical care, 1093-1101.
Schreyögg, J., Stargardt, T., Tiemann, O., & Busse, R. (2006). Methods to determine reimbursement rates for diagnosis related groups (DRG): a comparison of nine European countries. Health care management science, 9(3), 215-223.
Taheri, P. A., Butz, D. A., & Greenfield, L. J. (2000). Length of stay has minimal impact on the cost of hospital admission. Journal of the American College of Surgeons, 191(2), 123-130.
Wolff, J. L., Starfield, B., & Anderson, G. (2002). Prevalence, expenditures, and complications of multiple chronic conditions in the elderly. Archives of internal medicine, 162(20), 2269-2276.
World Health Organization. (2010). The world health report: health systems financing: the path to universal coverage: executive summary. Retrieved from
中央健康保險署台北區業務組. (2009). Tw-DRGs支付方案介紹. TW-DRGs制度第一階段導入說明會
尤之毅. (1992). 前瞻性付費制度(PPS/DRGS)美國實施九年後的回顧和展望. 臺灣醫界, 35:5, 26-30.
王庭荃, & 楊長興. (2008). 醫師年資, 醫療服務量與消化性潰瘍治療效果之相關研究. 台灣公共衛生雜誌, 27(1), 57-66.
王淑枝. (2010). 病患出院後十四日再入院之相關因素分析-以北區某區域醫院為例. (碩士). 元智大學,
王朝佳, 何政勳, 莊秀文, & 溫信財. (2021). Tw-DRGs 4.0 實施對某區域醫院敗血症醫療費用之影響. 病歷資訊管理, 18(2), 12-27.
王筱筑. (2008). 影響 Tw-DRGs 病例組合指標相關因素之探索性研究-以 2002-2005 年健保資料庫為例.
江怡蓓. (2012). 出院病人三日內重返急診之探討. (碩士). 中國醫藥大學,
江東亮, 文羽苹, & 謝嘉容. (2014). 全民健康保險制度的發展與問題. Progress and Problems of Taiwan's National Health Insurance]. 臺灣醫學, 18(1), 33-42.
江雪萍. (2008). 預估 Tw-DRG 支付制度實施後對醫院經營績效之影響-以某區域醫院為例. (碩士). 國立臺灣大學,
何子豪. (2004). 外科主治醫師專業訓練與住院病患治療醫療資源耗用之相關性研究. (碩士論文). 長庚大學,
余秀芳. (2003). 台灣地區病人重複住院之分析. (碩士). 國立台灣大學
余庭閣. (2011). 模擬 Tw-DRGs 實施後對醫院財務衝擊. (碩士). 長榮大學,
吳肖琪. (2012). 全民健保住院診斷關聯群制度對健康照護模式之影響評估 (科技研究計畫編號 NHIRD-101-541). 臺北市: 行政院衛生署. Wu, SC (2012). Impact of the DRG-based inpatient payment system on care patterns and outcomes in Taiwan.
吳昇修. (2009). 以分類與迴歸樹方法建立 TW-DRGs 醫院財務風險分類模型. (碩士). 長榮大學,
吳品潔, & 徐均宏. (2017). 住院病人出院後三日內再急診之相關因素探討-以東部某區域醫院為例. Journal of Health Management, 15(1), 71-80.
吳德朗, & 廖慧娟. (2007). DRGs 政策實施之預期影響-內科醫學系觀點. 醫療品質雜誌, 1(5), 43-46.
李玉春. (2015). 8章. 公共衛生學 上册 (修訂五版), 212.
李玉春, 黃昱瞳, 黃光華, 葉玲玲, & 陳珮青. (2014). 全民健保支付制度改革之回顧與展望. 台灣醫學, 18(1), 53-66.
李佳臻. (2021). 探討合併症與併發症對骨科Tw-DRGs案件落點與醫療費用的影響. (碩士). 國防醫學院,
李金德. (2003). 醫師手術量與療效及資源耗用之關係--以腹腔鏡膽囊切除手術為例. (碩士). 高雄醫學大學,
李培芬. (2018). Tw-DRGs 制度下醫院費用損益與住院日數相關性探討-以某地區教學醫院為例. 醫療品質雜誌, 12(1), 58-67.
李嫈琛, 張嘉蘋, 李萱, 吳玫容, & 王琪珍. (2013). 某醫學中心出院後病人非計畫性 14 天內再住院之流行病學特徵調查. 醫院雙月刊, 46(5), 14-21.
李曉伶, & 吳肖琪. (2013). 台灣慢性病人醫療利用之探討-以慢性腎臟病, 糖尿病及高血壓為例. 台灣公共衛生雜誌, 32(3), 231-239.
汪辰陽. (2016). 臺灣住院診斷關聯群 (Tw-DRGs) 對多重慢性病患資源耗用及照護結果的影響. (碩士). 國立臺灣大學,
周榮美. (2007). 某醫學中心病患再度住院之相關風險因素研究. (碩士). 私立嘉南藥理科技大學,
林芷筠. (2011). Tw-DRGs 支付制度實施前後對於醫療資源與醫院績效之影響.
林家圭, 黃嗣棻, 孫瑞昇, & 洪冠予. (2016). 某醫學中心運用臨床路徑於高齡長者照護之現況探討. 醫療品質, 6(2), 37-44.
林惠珍. (2011). 實施住院診斷關聯群對醫療資源耗用及醫療品質之影響. (碩士). 雲林科技大學,
林雅雯. (2015). 某區域醫院骨科實施 TW-DRGs 前後之醫療耗用及照護結果趨勢分析. (碩士). 國立臺北護理健康大學,
林瑩. (2013). 實施台灣診斷關聯群對醫療品質的影響. (碩士). 長榮大學,
林蘭. (2018). 多重慢性病在 DRGs 對醫療資源耗用與照護結果影響中所扮演的角色. (碩士). 國立臺灣大學,
邱淑貞, 黃素霞, 盧豐華, & 王琪珍. (2012). 15 天內非計畫性再住院原因及其相關因素之探討. 醫療品質雜誌, 6(2), 46-53.
邱群芳. (2015). 南部某高齡醫學中心老年病人非計畫性再住院原因之探討. (碩士). 義守大學, 高雄市.
邱群芳, 林妙璦, 李逸, 蔣秀容, & 顧艷秋. (2016). 某高齡醫學中心長者病人 90 天內非計畫性再住院之相關因素. 護理雜誌, 63(5), 95-107.
侯姿伶. (2013). 論病例計酬與診斷關聯群對醫療資源耗用之影響. (碩士). 義守大學,
柯盈秀. (2006). 台灣版診斷關聯群權重影響因素之探討---以某醫學中心為例. (碩士). 臺北醫學大學,
財團法人醫院評鑑暨醫療品質策進會. (2021). 台灣臨床成效指標計畫指標.
張秀薇. (2003). 住院病例組合複雜性與出院狀況及資源耗用之相關性探討-以大臺北都會區六家醫院為例. (碩士). 台北醫學大學,
張雅琇. (2016). 內科病人 14 天內非計畫性再住院相關因素之回溯性研究. (碩士). 國立臺灣大學,
張睿詒, & 賴秋伶. (2004). 風險校正因子: 論人計酬醫療費用預測之基礎. 臺灣公共衛生雜誌, 23(2), 91-99.
梁景洋, & 韓幸紋. (2020). 從人口老化及薪資停滯角度探討全民健保財務及保費負擔世代分配問題. 臺灣經濟預測與政策, 51(1), 57-110.
梁煙純. (2004). 我國多重慢性病患盛行率及醫療利用分析. 陽明大學,
莊逸洲, & 陳理. (1994). 前瞻性付費制度 (Prospective Payment System) 之醫療管理模式研究. 中華公共衛生雜誌, 13(6), 485-499.
許玉君. (2003). 醫師/醫院服務量及醫師經驗與氣喘病患治療成效相關探討.
連賢明. (2019). 建立合理健保財務平衡及資源 配置多元運作模式評析期中報告 (計畫編號研究科技計畫編號:MOHW108-NHIC-S-113-012001). 臺北市: 行政院衛生福利部.
陳明進, & 黃崇謙. (2001). 全民健保支付制度改 前後公立醫院與財團法人醫院服務量及醫療利益之比較. Journal of Contemporary Accounting, 2(2), 169-194.
陳星助. (2013). 診斷關聯群前瞻性支付制度對台灣醫院經營策略及績效評估.
陳昱甫, 董弘一, 楊明元, 張德銘, 宋天洲, 陳鴻曜, & 柯成國. (2015). 台灣 Tw-DRGs 制度下外科醫師資源影響腹腔膽囊切除醫術績效之研究. 南臺灣醫學雜誌, 11(2), 64-73.
陳婉茗, & 吳肖琪. (2005). 模擬 DRGs 實施對我國醫院的財務衝擊. 台灣公共衛生雜誌, 24(4), 306-314.
陳詩韻. (2011). 實施 Tw -DRGs DRGs支付制度對醫療服務利用的影響—以南部某教學區域醫院骨科病患為例. (碩士). 嘉南藥理科技大學, 台南市.
黃倩盈. (2009). 影響結腸直腸癌住院患者醫療資源耗用之因素分析. (碩士). 義守大學,
黃雅姿. (2010). 實施 TW-DRGS 前影響醫院住院資源利用之因素及年度變化-以婦產科為例. (碩士). 臺北醫學大學,
黃瑋婷. (2012). 病人特性與醫院特性對同一組 DRG 住院天數與醫療費用影響力之比較--以單純性肺炎及胸 (肋) 膜炎為例. (碩士). 中臺科技大學,
楊馥美. (2017). DRG制度全陎實施對社區醫院財務之影響─以某地區醫院為例 (碩士). 國立陽明大學,
葉馨婷, & 吳肖琪. (2010). 醫院住院病人超長住院狀況之分析. 醫務管理期刊, 11(2), 131-145.
劉靜玲. (2001). 合併症和併發症影響醫療資源利用之分析：以內科系三種疾病為例. (碩士). 高雄醫學大學,
蔡楚凡. (2014). 運用監督式學習技術建構手術病患住院天數評估模式之研究. (碩士). 國立中正大學,
衛生福利部. (2009). 邁向支付制度新紀元，健保推出台灣版DRGs. Retrieved from https://www.mohw.gov.tw/cp-3162-27415-1.html
衛生福利部中央健康保險署. (2016, 2022-08-22). DRG住院診斷關聯群支付制度. Retrieved from https://www.nhi.gov.tw/Content_List.aspx?n=DCCBE9C48349FFF0&topn=5FE8C9FEAE863B46&upn=6DA3A01BF33F7124
衛生福利部中央健康保險署. (2020). 109年國民醫療保健支出統計表. Retrieved from https://dep.mohw.gov.tw/dos/cp-5071-66025-113.html
衛生福利部中央健康保險署. (2021, 2021-10-13). 全民健康保險統計-109年. Retrieved from https://www.nhi.gov.tw/Content_List.aspx?n=86ACD5A48FA3B1A1&topn=23C660CAACAA159D
衛生福利部中央健康保險署. (2022a, 2022-08-19). 3.4版Tw-DRGs問答輯. Retrieved from https://www.nhi.gov.tw/Content_List.aspx?n=6022EF0B4F7CDB4D&topn=5FE8C9FEAE863B46
衛生福利部中央健康保險署. (2022b, 2022-06-16). 全民健康保險住院診斷關聯群(Taiwan Diagnosis Related Groups，Tw-DRGs) 支付通則. Retrieved from https://www.nhi.gov.tw/Content_List.aspx?n=150B11D4DCAB0FFD&topn=5FE8C9FEAE863B46
衛生福利部中央健康保險署. (2022c). 全民健康保險醫療醫院總額品質資訊公開指標. Retrieved from https://www.nhi.gov.tw/AmountInfoWeb/TargetItem.aspx?rtype=2
衛生福利部中央健康保險署. (2022d). 善用商保補位健保.
衛生福利部國民健康署. (2021). 國人三高盛行率. Retrieved from https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=641&pid=1231
鄭卉容. (2015). 實施 Tw-DRGs 支付制度前後對醫療服務利用的影響—以中耳炎手術為例. (碩士). 國立臺灣大學,
鄭麗芳, 方詩晴, 魏乃捷, & 曾于庭. (2021). 臨床紀錄改善專業人員介入對 ICD-10-CM/PCS 編碼及台灣版診斷關聯群醫療給付制度影響之初探. 病歷資訊管理, 19(1), 25-38.
鄭麗芳, 曾于庭, & 魏乃捷. (2020). 臨床紀錄改善專業人員 (CDIS) 介入對 ICD-10-CM/PCS 編碼及台灣版診斷關聯群醫療給付制度 (TW-DRGs) 影響之初探. 病歷資訊管理, 18(1), 29-33.
鄭麗珠. (2008). 以診斷關聯群為基礎住院接受復健病患之醫療資源耗用—以台北某醫學中心為例. (碩士). 國立陽明大學,
盧瑞芬. (2019). 第六章 醫療財務制度的探討. Retrieved from
賴美淑, 楊志良, 羅紀, & 李玉春. (2015). 7 章. 公共衛生學 上册 (修訂五版), 177.
錢才瑋, 楊美雪, & 陳俞成. (2007). 醫院間比較 CMI 採算術平均還是幾何平均. 醫務管理期刊, 8(4), 338-347.
韓揆. (2001). 土, 洋 DRGs-全民健保論病例計酬如何為繼. 醫務管理期刊, 2(3), 27-46.
韓揆. (2005a). 診斷組合制在台推行問題 (上)-DRGs 之支付精神, 支付邏輯及侷限. 醫務管理期刊, 6(1), 1-19.
韓揆. (2005b). 診斷組合制在台推行問題 (下)-論病例計酬及實施準備. 醫務管理期刊, 6(1), 20-36.
藍忠孚. (1990). 勞保實施診斷關係群制度之研究.
龐一鳴 (2016). Re: 住院診斷關聯群支付制度
饒玲瑜. (2006). 以 Tw-DRGs 分類探討全民健保住院日, 疾病嚴重度及醫療費用之相關性. (碩士). 亞洲大學,