醫保支付方式的改革與發展
——基于大數據的按病種分值付費

謝 樺 崔 欣 應曉華 胡曉寒 宣建偉 許 速

（1上海市衛生健康信息中心 上海 200052；2復旦大學公共衛生學院 上海 100082；3中山大學醫藥經濟研究所 廣州528406）

1 介紹

在過去二十年中，全球范圍內醫療衛生總費用持續增長。2000年至2017 年，全球實際醫療衛生支出每年增長3.9%，而同期全球GDP 增長為3.0%[1]。各國衛生政策制定者和支付方一直在不斷追求醫院成本管理，按病種付費的被越來越多地用作規范醫院醫療行為及衡量其成本的工具。在按病種付費的探索中，中國的研究人員設計了一種新型的CMI 系統，直接來源于真實世界的住院患者病例數據，以此為基礎研發了一種病種組合方式。這種新型醫院付費系統是建立在Yang 和Reinke[2]先前研究框架之上，其研究表明，使用ICD 衍生的CMI 可以作為表示疾病嚴重程度的有效替代，也可作為對基于醫院醫療衛生服務研究混雜因素的衡量方法。DIP 既可作為醫院支付的基準，也可作為監督醫院診療違規行為的管理工具。本文詳述DIP 系統的關鍵要素、開發的底層邏輯和原理以及平臺試點應用的初步經驗。

2 研究方法

DIP 最初基于上海市2014年—2017 年急診患者出院數據開發，隨后在2018 年和2019 年于廣州市進行研究與試點實踐。過去十年間，我國公立醫院對信息系統進行了升級改造，標準化患者出院記錄，出院記錄的必填字段包含采用ICD-10 和ICD-9-CM-3 編 碼 的 出院診斷。由于在數據提取過程中刪除了所有個人信息標識，因此根據當地的電子健康信息使用政策，無需倫理委員會審查。

2.1 DIP平臺概況

DIP 平臺由兩部分組成，分別是DIP 分組數據庫和補充目錄（見圖1）。DIP 分組數據庫是一種新的住院患者分類系統，包含三級分組目錄和一個主索引。補充目錄通過調節醫院診療行為（資源利用指數）和使用循證工具監督醫院行為，為醫保支付提供證據。

圖1 DIP平臺構成

2.2 DIP分組數據庫

圖2 為不同程度心血管疾病的目錄列表，DIP 的目錄庫基于疾病診斷與治療方式組合建立，形成了可用于醫院支付的三級目錄。DIP的分組標準由出院記錄中的ICD-10 編碼的前4 位結合ICD-9-CM-3編碼確定。在DIP 的設計中，若DIP 組病例數超過15 例，則歸入到DIP 核心病種組中，在此情況下，超過85%的病例會被納入到核心病種組。其余DIP 組形成綜合病種組，并根據ICD-10 編碼和四種干預模式的特征進行聚類組合。

圖2 不同程度心血管疾病的目標列表

考慮到干預措施的醫療資源消耗及診療的復雜性，系統將三級目錄合并為二級目錄。二級目錄用于醫院管理，包括預算和績效評估，目錄內相同診斷的患者住院費用相似。一級目錄疾病類型分組建立在二級目錄的基礎上，不受干預成本影響，基于解剖或病因學分類的主索引建立（與ICD 系統類似），與主索引一起從醫療服務提供的角度對醫院服務進行規劃管理。

2.3 補充目錄—資源利用指數

其中，rwj是一個樣本中亞群體j 的相關權重，使用相同方法導出的聚合病種分組應用于以下情況。例如，rwj可能是指除化療外接受放射治療的轉移性食管癌患者，在這種情況下，rwi是指接受化療的轉移性食道癌患者的平均病種分值。

2.4 用于醫院支付的DIP值和CMI的開發

2.4.1 特定病組分值權重。DIP支付系統基于每個DIP 分組的權重給患者分配相應的醫療資源。醫院通過基本費率乘以分組權重得到該組每個住院患者所需支付的費用。DIP 使用來自真實世界的成本數據，病種組合分值rwi的測算公式如下：

mi為i 類病種與治療方式組合內病例的平均住院費用，M 為基準病種的平均住院費用（13385 元）。用腹腔鏡闌尾切除術為參考組，其分值基于該診斷的病種分組的治療方式（經腹腔鏡闌尾摘除術）平均成本確定，分值為1000。表1 匯總了三個不同的闌尾炎治療方式分組及其對應分值。

表1 基于闌尾炎診斷分組的三種不同治療模式及其病種分值

2.4.2 機構總量分值（RW）、支付金額與CMI 指數。總量分值是該醫療機構所有病種組合分值的總和，是醫保支付的基礎。醫療機構總分值計算公式如下：

rwi是指i 類病種組合的指數，ni代表i 類組合在該醫院住院的人數，k 為該醫院住院病種組合數量。

將區域內所有醫院的機構總量分值相加獲得一個總分值，然后將該區域的預算支付總額除以總分值，得出每分值支付金額。若不調整權重，則醫保支付的金額是基于其分值總量以及每分值的支付金額。為進一步調整支付權重，使用平均CMI 指數反映某機構總體患者疾病嚴重程度和治療復雜性，計算方式如下：

機構總量分值以及平均CMI指數的測算過程見圖3。

圖3 CMI值的計算過程

2.5 補充目錄——動態監管不規范醫療行為

2.5.1 均 衡 指 數（BI）。DIP 支付方式下，CMI 為醫療機構獲得支付提供依據，為了盈利，醫療機構可能選擇同一診斷但指數分值更高的治療方式實施干預。假設某區域內醫療機構住院患者的某疾病得到相同診斷的分值為k（如轉移性乳腺癌），首先根據分組將分值由低到高進行排序，相應分值集內個案數為ni，其中i=1、2、3……k。假設對大于j 的分值感興趣，即臨界點將k 分為高、低資源消耗組，其中低資源消耗組包括1～j的分組，高資源消耗組包括j+1～k的分組。

低分值組的平均RW 值計算方式如下：

高分值組的平均RW 值計算方式如下：

均衡指數的計算方式如下：

其中，SRWh/SRWl為兩組的比值，并使用上述方法計算醫療機構的BI；RWh/RWl為該區域的平均比值。當該區域BI 指數等于1時，證明該機構的高指數與低指數患者分布與區域標準相同；當BI指數大于1 時，證明該機構的高指數患者數高于區域標準，可能出現組別高套的情況。在實施過程中，該標準也需要考慮到特定情況，例如同層級醫院應該優先對比類型相同的數據。根據預設的BI 指數，對醫院的不合理行為進行系統監控，促進醫療機構規范診療行為，解決組別高套的問題。

2.5.2 二次入院評分（RRA）。二次入院是指患者因相同診斷從同一家醫院出院后30天內再次住院。再入院被分為五類，使用標準差與基準的偏差計算全院再入院的權重。RRA明顯偏高的醫院會被調查。

2.6 低標入院評分（RLA）

RLA 的目的是監管疾病診斷與治療可在門診中完成、無需入院的患者。首先建立基準，計算全系統中可在門診治療的病種（如良性口腔腫瘤）的低標入院率及標準差。大幅偏離基準的醫院（如≥2 個或3 個標準差）將被標記為需審計。

2.7 超長住院評分（REH）

在預付制體系下，醫療機構幾乎沒有動機延長住院時間。然而，REH 是計算超長住院病例在各醫療機構的發生率，與區域標準進行對比，從而體現該醫療機構疾病治療管理水平、床位使用率等重要指標。通過病組的平均住院時間計算標準值，對住院時長≥標準值2 天的患者進行標記。

3 結果

3.1 原始DIP平臺與美國DRG系統的對比

研究分別使用美國DRG 和DIP 平臺，分析對比2018 年上海約370 萬份涉及638 億元(約90億美元)的出院記錄。結果顯示，根據美國DRG 系統，94.7%的出院記錄被分到771 個DRG 組，DRG 組費用占總費用的87.2%。根據DIP 分類，98.6%的患者被分為約14000 個核心病種DIP 組和2499 個綜合病種DIP 組(三級)，DIP 組費用占總費用的95.4%。

DIP 病種目錄庫以主索引和一級、二級、三級目錄的方式逐層聚類，客觀反映了疾病和治療的分布規律。其中，主索引有129 組，一級目錄有1194 組，二級目錄有3000 組。三級目錄的平均變異系數（CV）為0.6383，比采用DRG分類的CV(0.9743) 低34.5%，表明相對DRG 組，DIP 組的醫療衛生支出同質性更高。同時，DIP 和DRG 的方差減少量（RIV）非常相似，分別為0.3501 和0.3433，表明各組之間存在相似的異質性。

3.2 DIP的早期試點經驗

廣州市于2018 年—2019 年開展了DIP 試點，表2 顯示了DIP試點期間醫療機構處理的支付費用構成情況。在試點期間，當DIP 組的患者人數為10 人或以上時形成一個核心DIP 組，可以確保大約95%的出院記錄都包含在核心DIP組。對綜合病種的分類也進行了簡化，進一步提高了患者聚類分組的自動化匹配度。2018 年，95.1%的出院記錄被分在9972 個核心DIP組 和25 個 綜 合DIP 組 中。2019年，新增1709 個核心DIP 組，移除1029 個核心DIP 組，94.8%的出院記錄被納入10652 個核心DIP組和25 個綜合DIP 組。

表2 2018年和2019年廣州市DIP定點醫療機構醫保支付費用構成

2018 年 是DIP 系 統 試 點 的第一年，暫未使用資源利用指數（RUC)和循證工具監督醫院不規范的醫療行為。在醫保部門對醫院進行報銷時，研究人員對總RW 值進行簡單的調整，使得那些收治患者數量較多且醫療資源消耗較高的醫院得到適當的報銷。對于CMI>1的定點醫療機構，CMI 每增加0.1個增量，基本支付標準將調高1%的比例，CMI 支付系數調節額的上限為基本支付標準閾值(病種分值)的10%。對于老年患者占比較高的定點醫療機構，老年人口（病種分值）的調整上限為5%，每增加高于平均數10%的增量，就有1%的上限調整。三級和二級醫院分別獲 得1.5% 和0.5% 的 分 值(RW)獎勵。最后，各定點醫療機構額外獲得0.5%的分值。廣州市醫院年度總預算核定128 億元，醫院總報銷額度為121 億元(占預算的94.7%)，其中117 億元用于撥付定點醫療機構住院總費用，4 億元用于支付141 家醫療機構(占參與醫院的42.2%)的績效。

在2019 財年，由于正在對一些疑似及違規記賬的行為開展調查，個別醫院的支付審核在撰寫本文時尚未完成。由于潛在的過度編碼而產生的記賬金額數為7.7 億元，占總金額的3.7%。對低標入院的患者的分析表明，約有5.2 萬名涉及記賬金額為2.1 億元的患者被認為不合理入院。另有一份針對6767 例患者的調查顯示，在出院后7 天內由于同一疾病在同一家醫院或同一層級醫院有重復入院記錄的累計就診金額為1.2 億元。

2018 年和2019 年，整個系統內的總體CMI 分別增長了2.10%和3.76%。然而，與前一年相比，入院率下降了0.9%和0.6%(2017年、2018 年和2019 年分別下降了15.2%、14.3%和13.7%)?；颊呙看稳朐旱钠骄再M金額為7034元，比試點前降低了2.4%。

4 討論

一個理想的醫保支付系統應具有以下特征：一是能夠準確反映患者潛在的醫療成本；二是具有監督和防范利用系統漏洞或醫療違規行為的配套機制，同時能夠維持基金穩定及促進臨床轉歸改善?；谝陨咸卣?，研究人員基于現有IT 系統和數據來源建立一個開創性的醫保支付方式，準確、透明、客觀地反映資源的需求。DIP 試點工作取得初步成效，未對醫院預算產生負面影響，并顯著提高了醫療效率。

DIP 同樣采用CMI 作為醫保支付的基準。從本質上講，DRG 衡量的是特定醫院治療病例的復雜程度相對于其他同等級醫院[3]。同時由于CMI 來自DRG，體現了個體患者的疾病嚴重程度[4]，因此CMI可用于測量每個DRG 或者DIP 的復雜程度和資源消耗水平。

DIP 的許多特點使其可成為醫保支付具有吸引力的替代方案。DIP 最重要的優勢之一是組內反映的資源消耗更為均勻，試點研究數據分析證明，DIP 的CV 要小得多。此外，DIP 組每年可根據醫療干預手段的進展動態調整，DIP 核心病種組的數量并非固定，而會根據當前患者病例診療組合的數量變化而變化。同樣，由rwi確定的DIP 組的分值會使用實時的真實世界數據更新當年調整支付，以反映治療標準和最新醫療技術。然而，由于一些DIP 組涉及的病例數量相對較少，樣本的異質性可能意味著不同年份的rwi存在顯著差異。因此在推導rwi時，醫保管理者可以選擇多年的醫保報銷數據，并將最近幾年數據予以較大的權重，以更可靠和準確地估計權重。正如預期的那樣，DIP 組內實現了更均勻的資源利用率，但代價是病種組合數量的增加，其特征在于高度偏向右側的分布模式，具有拖尾效應。從醫院管理者的角度來看，選擇患者數量多、高資源消耗的DIP 組是關注的重點。最后，基于DIP 的醫保支付方式建立在現有的醫保報銷系統上，由于核心DIP 組不需要新的編碼，減輕了醫院實施DIP 的負擔。在設計DIP 綜合病種組時，存在組內資源利用更同質和數據自動化效率更低之間的權衡，即當追求DIP組趨于同質時，形成DIP 組更多，使用大數據自動成組的效率會降低。雖然根據DIP 方法得出4999個DIP 綜合病種組，但在試點中將DIP 綜合病種組合并為25 個組，因而利用現有的醫院IT 系統能夠實現更高效的數據自動化。隨著人工智能技術在醫療衛生IT 中的使用增多，DIP 綜合病種組的重新編碼有望在未來更有效地完成。

盡管DIP 設計了一系列監測并阻止高套編碼和選擇性收治患者的工具，但是試點并沒有部署這些工具，而是選擇在試行的第一年使用一些簡單的支付調整，這對尋求利益相關者的認同至關重要。所有監測工具的開發和基準都是通過標記超出正常范圍的、超過預定閾值的高成本異常值來實現的。需要重點指出的是，醫療服務的變化是可預期的，醫保管理者應結合本地實際情況，在與醫院利益相關者討論后建立審計基準。同樣，RUC 也不是一成不變的。例如，在設計醫院支付調整的激勵措施時，當地人口特征、疾病預防的優先次序或首選干預策略都可以成為考慮因素。通過與醫院利益相關者的討論和DIP 的實施，醫院醫療服務發生了積極變化。2018 年和2019 年CMI 評分均有所上升，同時住院治療的人群比例連續下降，表明病情較輕的患者從住院治療向門診治療轉移。此外，醫療資源消耗有少許變化。在實施DIP 之前，有24.1%的醫院費用超出給定DIP 組平均支付額的50%至200%，到2019 年，超出該邊界的比例降至20.6%。試點測試結果也表明DIP 在全國范圍內實施的可行性和合理性，因為試點是在廣州進行，而不是在開發DIP 系統原型的上海。在前期試點經驗下，國家醫療保障局已正式啟動DIP 擴大試點，包括21 個省份的71 個城市[5]。

DIP 系統也存在局限性。如果給定診斷和干預組合的病例數超過預先確定的閾值，則會形成DIP 核心病種組，但該閾值是任意的，還需要權衡取舍。形成DIP 核心病種組所需的病例數量越少，DIP 核心病種組的數量就越多。但是，預估的rwi可能不太穩定，并且可能受異常值的影響較大。相反，形成DIP 核心病種組的閾值較高將導致更多的患者不能納入DIP 核心病種，并將這些病例分配到DIP 綜合病種組中或需要花費更多時間進行特例單議，增加主觀性和不透明性。在實施DIP 支付之前，應該結合當地情況，建立一個為DIP 綜合病種組中患者支付費用的流程，主要用于對個別異常值進行支付。只有在基礎數據源準確可靠的情況下，DIP 才能按預期運行。對于習慣通過服務費或財政補貼獲得資金的醫院來說，可能無法提供支付調整所需的相關數據。然而，可以預期的是，醫院將努力提高編碼質量，并確保數據充分反映引入新支付模式后接受治療患者的復雜程度[6]。本研究僅描述DIP 的設計特征和試點的初步經驗結果，沒有研究其對治療質量的影響，例如住院死亡率和以患者為中心的結局等。在未來的研究當中，需要納入更精確的臨床結果，確保引入新的支付系統不會對患者產生負面影響。

5 結論

DIP 是基于醫院現有IT 系統和數據源的用于醫院支付和績效評估的新型醫保支付系統。它基于CMI 方法，但與其他支付模式相比，組內差異更小，設計簡單，動態調整分組，在報銷比例反映真實世界診療路徑和成本、易于實施等方面具有許多優勢。