基于醫院財務管理的綜合智慧對賬平臺建設探討

陳家駒，劉謙，羊海鋒，康亞西

海南省人民醫院/海南醫學院附屬海南醫院 信息管理處，海南 海口 570311

引言

隨著“互聯網+醫療”技術快速發展，越來越多的醫院積極開展以微信、支付寶為主的網絡移動支付平臺，特別是三甲大型醫院，應用效果顯著。目前我院支持包括微信公眾號、支付寶服務窗在內的十種服務渠道，患者通過任意的支付渠道，高效、快捷結算醫療費用，有效地緩解了人工窗口的壓力[1]，多種支付渠道的對賬也給醫院的財務管理帶來了巨大的風險和挑戰[2]。2018年10月國家衛生健康委印發《關于公立醫院開展網絡支付業務的指導意見》明確規定，公立醫院實施網絡支付中要規范對賬和結算制度，醫院每日應當對網絡支付業務的業務進行核對。如有差異，要及時查明原因，及時處理，確保醫院信息系統、支付機構網絡支付平臺、關聯的銀行結算賬戶賬款保持一致。目前醫院財務對賬存在的問題，主要包括以下幾個方面：① 人工對賬誤差風險大，準確率低，效率低，處理周期長；② 支付方式種類多，尚未整合各平臺數據，對賬困難；③ 服務渠道繁多，對應設置了不同的商戶號，各第三方系統對賬標準不統一；④ 校驗有問題的訂單，退費無法一鍵或者自動退費，因此建設高效、數據安全的統一對賬平臺顯得更加緊迫且必要[3]。本文探討建設對賬平臺為醫院的各種支付方式提供一體化的服務接口，解決各個對賬平臺帶來的接口眾多、數據標準不統一以及由此帶來的財務對賬難題[4]。有效減輕財務對賬的工作量，提高工作效率，提升醫院財務精細化管理水平，改善現有就診環境，給患者提供更便捷的就醫體驗，提升患者對診療的滿意度[5]。

1 平臺設計及實現功能

1.1 平臺邏輯架構

綜合智慧對平臺的總體架構設計分為3層：功能層、技術層和支撐層。平臺邏輯架構圖如圖1所示。

圖1 平臺邏輯架構圖

1.1.1 功能層

功能層是具體功能的展現及用戶的操作界面，包括自動對賬服務、綜合接口服務、綜合管理平臺。自動對賬服務是對賬平臺的核心服務[6]，根據結算周期，定期通過Socket/FTP/POST等方式，獲取各類支付方式（微信、支付寶、銀行卡）的支付賬單數據，與HIS業務訂單數據進行自動化對賬，更新訂單狀態，將對賬結果存入數據庫；綜合接口服務是平臺的接口樞紐，主要是提供標準化的RestFul接口服務，通過OAuth 2.0的方式進行安全認證，采用標準Json報文格式，接口種類包括業務接口、支付接口和應用及平臺運行所需的其他接口；綜合管理平臺是平臺的可視化操作臺，主要的功能細分為交易管理、查詢分析、支付管理、賬務明細、對賬日歷及錯賬處理等，通過BootStrap 3.0及領域層設計實現。

1.1.2 技術層

技術層是對功能層的具體技術實現，包括通信協議、接口格式及平臺的技術選擇。

1.1.3 支撐層

支撐層是支撐實現上層目標功能，包括數據支撐、系統支撐、環境支撐及部署環境。

1.2 智慧對賬規則

智慧對賬規則是指利用智能規則引擎將平臺交易數據、第三方支付數據與HIS交易數據兩兩自動比對、判斷，交易失敗自動原路退款的過程[7]。按照業務需求自動輸出對賬日志、錯賬處理、異常提醒、賬務明細、分項查詢、統計分析。

支持ftp、sftp、post、https等多種協議方式與各簽約銀行、支付寶、微信等支付方式建立連接，自動獲取銀行日對賬文件、支付寶網關日對賬文件、微信網關日對賬文件、其他網關日對賬文件后，將各種類型數據按標準統一解析、處理，并同步到數據庫[8]。基于平臺交易記錄、HIS賬單、第三方支付平臺賬單等三方數據，將三方數據通過智能規則引擎自動進行兩兩對賬，即平臺交易記錄分別和HIS賬單及第三方支付平臺賬單對賬，數據核對完全匹配后，才能確認賬單交易是成功的[9]。且對金額、狀態、交易單號、日期匹配的記錄更新對賬狀態為“平賬”，以綠色為標識，否則就輸出對賬差錯表、單邊賬表、異常賬單等多種對賬結果，狀態對應為“單邊支付”以紅色為標識，“異常賬”以橙色為標識。平臺邏輯結構圖如圖2所示。

圖2 平臺邏輯結構圖

1.3 智慧預警

智慧預警是基于智能對賬的規則，自動審核次日中午12:00后輸出前一交易日的對賬結果，系統對每日自動對賬的結果設計消息提醒。同時，以服務渠道分類，將各渠道異常賬單與正常情況對比，進行服務渠道異常預測[10]，并將分析結果通過短信、系統消息方式通知財務管理人員，建議財務管理員檢查異常賬單的服務渠道是否正常，有助于高效精準定位交易失敗問題[11]，同時提醒財務管理人員及時處理異常賬單。

1.4 平臺功能

綜合智慧對賬平臺主要由系統管理、渠道管理、支付管理、退費管理、賬務管理、交易管理、統計分析7個功能模塊構成，來實現醫院財務對賬管理，具體如圖3所示。

圖3 平臺的功能架構

1.4.1 系統管理

系統管理包括對平臺用戶信息及角色配置等基礎字典表進行維護、增加、修改、刪除等操作。

1.4.2 渠道管理

渠道管理是指對渠道的信息維護、渠道的增刪改及配置渠道支付方式的過程，包含渠道服務管理和渠道支付配置。

1.4.3 支付管理

支付管理是指提高提供統一封裝的標準化接口，方便不同應用服務商靈活接入的過程，包含支付方式配置、商戶管理。

1.4.4 退費管理

退費管理是指對HIS單邊賬、支付單邊賬以及異常賬處理的過程，包含自助退費、退費記錄等操作信息的查詢。

1.4.5 賬務管理

對賬管理是指對多支付渠道日結賬單和HIS賬單的綜合對賬，并輸出對賬結果的過程，包括HIS賬務查詢、綜合對賬單、對賬日歷、銀行對賬、微信對賬、支付寶對賬、單邊賬處理記錄及異常提醒。

1.4.6 交易管理

交易管理是指對患者支付訂單過程記錄及業務交易情況進行記錄的過程。

1.4.7 統計分析

統計分析是指根據用戶的需求設置報表并進行分組管理，按需查詢導出報表，包括統計銀行卡交易數據、支付寶交易數據、微信交易數據及HIS數據的過程。

2 綜合對賬平臺在醫院的應用效果

2.1 提高財務對賬效率、減輕財務工作量。

建設平臺應用后，財務賬務管理員無須登錄各個對賬平臺查看對賬情況，方便操作，提升了對賬的效率[12]。通過分析對比實施平臺前后的對賬方式、等待賬單時長、輸出對賬方式，效果明顯（表1）。即多個對賬平臺轉換成對賬渠道集成平臺，大幅縮短對賬查賬時間[13]，人工輸出對賬賬單轉換成系統自動輸出賬單，明顯減少人工干預對賬的工作量。

表1 平臺實施前后對比分析表

平臺目前和HIS系統做無縫對接，接入了微信、支付寶、銀行支付等第三方金融支付平臺，集成對賬平臺，實現了線上線下預約掛號、門診預交、門診繳費、住院預交金等應用場景第三方支付賬單統一對賬，財務管理員可以通過選擇時間、服務渠道、支付方式、支付渠道，系統將自動輸出支付單邊賬、HIS 單邊賬、平賬、異常賬及匯總情況。同時也輸出患者支付賬單明細，也支持個性化設置條件，迅速輸出所需要對賬結果和處理結果，見圖4。

圖4 建設效果圖

選取上線前2018年12月至2019年11月干預筆數及未干預筆數為參照組（簡稱 A），取干預筆數為44420筆，未干預筆數為4155743，干預率為1.06%。同一時間段，上線后2019年12月至2020年11月干預筆數及未干預筆數為觀察組（簡稱B），取干預筆數為14258筆，未干預筆數為4078238筆，干預率為0.35%。比較兩組人工干預筆數，采用χ2檢驗進行統計分析，差異有統計學意義（P＜0.001），說明實施平臺后的人工干預率低于實施前，干預率明顯下降，人工干預對賬的工作量顯著減少，見表2。

表2 兩組人工干預筆數比較情況（筆）

2.2 提升醫院財務人力資源效率

選取上線前2018年12月至2019年11月每人每天完成的中位對賬筆數作為參照組（簡稱A），A組中位數為5980筆；選取上線后2019年12月至2020年11月每人每天完成的中位對賬筆數作為觀察組（簡稱B），B組中位數為4350筆（中位數 ：每人每天完成對賬筆數的平均值）。采用Mann-Whitney U檢驗法對兩組獨立數據進行非參數檢驗，結果：Z=-2.788，差異有統計學意義（P=0.004），檢驗結果說明平臺實施后的人力資源效率高于實施前。

3 討論

基于醫院財務管理的綜合對賬平臺已初步應用，整合多種支付方式和服務渠道，實現醫院信息系統和第三方支付平臺的互通互聯，形成了“互聯網+醫療”的智慧型財務對賬管理平臺[19]，一方面減輕了財務人員對賬的難度，同時提升了人力資源效率；另一方面提高了對賬的效率和管理工作水平，提升了患者的就醫滿意度。但是隨著平臺的充分應用，對賬數據量不斷增加，在使用過程中，系統的性能明顯下降，現金對賬尚未納入對賬平臺，尚未支持線上處理異常單據業務。未來將優化平臺對賬功能及性能，提高自動對賬的比例，減少人工對賬的比例，規范和細化支付渠道接入統一接口，使得支付渠道接入更加智能，滿足醫院個性化開發需求、最終實現醫院全場景、全渠道支付數據對賬，利用互聯網技術實現移動終端處理單邊支付賬單等異常賬單。隨著移動支付的多樣化深入發展，醫院建設安全的、穩定的、便捷的、可擴展的智慧對賬平臺是主流方向[20]。

通過智慧對賬平臺優化醫院財務對賬流程，實現對渠道交易、對賬過程和對賬結果的有效閉環管理[20]，有效防范財務管理風險，促進我院財務對賬由傳統的、分散的、效率低下的對賬模式向智慧的、高效的、便捷的對賬模式轉變[21]。

4 結論

建設綜合智慧對賬平臺能有效解決對賬管理和退款管理的核心問題，提高人力資源對賬的效率，同時降低了對賬的工作量，提高醫院財務人員的滿意度。縮短患者退款到賬的時間間隔，有助于提升患者就醫體驗感，為建設智慧財務積累經驗，對提升醫院財務的精細化管理質量及豐富建設智慧醫院的內涵具有重要的意義[22]。由于系統上線才1年，因此選取樣本時間有限，未能進行遠期效果應用觀察，對本研究結論可信度可能造成存在一些誤差，有待多類別、大樣本數據證實此結論。