异地就医结算平台对医疗行为及费用的影响分析——基于吉林省的实证研究

崔 佳，刘宏亮

(1 东北师范大学 政法学院，吉林 长春 130117；2 吉林省社会医疗保险管理局，吉林 长春 130000)

一、研究背景

随着我国社会经济发展，跨区域就业和流动人口逐渐增多，人们在不同地区寻求医疗服务的可能性大大增加。与此同时，由于收入水平提高以及本地医疗服务水平有限，有更多人希望到医疗条件更好的地区去接受医疗服务。但是，由于很多地区的社会医疗保险还主要以县、市为统筹层次，一旦参保人离开其所在的统筹区域就医就成为医疗保险中所称的异地就医[1]。参保人本地就医时刷社会保障卡只需支付个人负担部分即可，非常便利。而在传统的异地就医报销模式下，参保人则需要个人垫付医疗费用后回参保地履行一系列的报销手续，存在诸多不便，这早已成为社会各界广泛关注的民生问题[2]。

针对异地就医问题，比较彻底的解决方案是构建异地就医结算平台(以下简称“平台”)，即搭建专门的枢纽平台，各地的医保机构、定点医疗机构和这个平台对接，在平台上实现医疗费用的即时结算[3]。平台又可以分为省内平台和跨省平台两个层次，省内平台连接各市的医保机构，跨省平台则连接各省医保机构。通过平台联网，参保人异地就医时可以像本地就医时一样仅支付个人负担部分，而医保支付部分则由医保机构和医疗机构通过平台进行结算[4]。

2009年人社部开始积极推进异地就医结算服务工作[5]，各地医保机构都在积极探索为参保人提供便捷异地就医结算服务的方式。而且在全国范围内，基本医疗保险市级统筹基本实现，省内平台逐步建立，省内异地就医实现直接结算。2014年人社部进一步明确了异地就医结算工作的时间表和路线图[6]，2017年9月底将实现跨省异地就医直接结算[7]。

由于平台的出现，参保人异地就医将变得更加便利，有学者担心平台可能会造成大量参保人涌向大城市的大医院，进而导致医保基金支出的过度增加。事实上，医保部门对于平台的建立和推行也采取了较为审慎的态度，具体的适用人群以及医保政策都有相应的限制和规定。未来是否应该进一步扩大适用范围，如何在提高参保人福利和控制医疗费用之间找到平衡，这些问题的解答都需要以事实为依据。而本文正是要通过对前期省内平台数据的分析，来了解平台对于就医行为和医疗费用、医保支出的实际影响。

二、文献综述

异地就医是参保人在其参保统筹区以外发生的就医行为，是一种跨统筹区就医行为。异地就医人员大致可以分为异地工作人员、异地退休安置人员、异地转诊人员和异地急诊人员[8]。

异地就医所面临的主要困境包括：A.异地就医报销程序复杂，参保人垫付费用高，报销周期长；B.医保统筹层次偏低，放大了异地就医的人数和服务量[9]；C.各地区医保政策差异较大，就医地医疗机构难以按照参保地的医保政策提供相应的医保服务[10]；D.各地区医保信息化建设水平差异很大，不同地区医保信息系统对接困难，无法实现信息共享；E.医疗监督难度大、成本高，不规范医疗行为和假票据等行为难以被发现和查处[11]；F.经办机构管理的压力大，编制不足，超负荷工作，无法满足日益增长的异地就医需求[12]。

从国外的经验来看，欧盟跨境医疗实行就医国管理和归属国报销的原则[13]，在跨境就医上尽可能减少跨境就医的障碍，让人员自由流通。但为了保障一国医疗服务的均衡性和医疗基金的稳定性，可以设定报销的限制[14]。

解决异地就医问题需要建立省内和跨省两级结算平台，而且以下措施也亟待推进：A.提高医疗保险基金的统筹层次，尽快实现省级统筹[15]；B.统一药品、治疗项目、医疗设施三大目录，制定异地就医的基准政策，实现标准化管理；C.加强医疗保险管理网络建设，通过网络整合使之成为一套通用的管理系统[16]；D.改善医疗卫生资源配置失衡的现状；E.针对异地就医不同原因和特点，实行分类管理[17]。但是在多大程度放开跨省异地就医的问题上，很多学者提出了他们的担忧，指出要走出“方便最大化”和就医“漫游”的误区[18]。

总体来说，现有研究主要从理论层面上对异地就医直接结算所面临主要问题及对策进行了定性研究，缺乏定量研究分析直接结算平台对于就医行为和医保基金带来的实际影响，而数据分析结果对于下一步完善异地就医政策又是非常必要的。

三、研究路径

吉林省社会医疗保险已经实现了市级统筹，经过长期筹备省内平台已于2013年4月开始运行，之后直接结算的比例不断提高。本文将基于吉林省的社会医疗保险数据，分析以下三个层面的问题：1.平台的服务人群和结算资金的规模有多大？2.平台对于就诊医院级别、异地就医人次数和总体就医人次数产生了怎样的影响？3.平台是否导致医保支出和医疗费用的攀升？对这些问题的分析，可以层层递进且较为全面地帮助我们了解平台所带来的影响，具体分析思路如图1所示：

图1 分析思路

四、实证研究

(一)数据情况

我们从吉林省社会医疗保险管理局获取了2010年1月至2015年8月间城镇职工医保和城镇居民医保的共计318 341条异地就医数据，其中包含参保人性别、医保类型、异地就医类型、住院天数、医疗费用等相关信息。其中，省内异地就医占61.5%，省外异地就医占38.5%(1)省内异地就医即在吉林省内跨统筹区域的就医，如在四平市参保到长春市就医。省外异地就医即在吉林省外就医，如在长春市参保到北京市就医。。目前只构建了省内平台，因此只有当参保人到已经与平台实现联网的省内医疗机构就诊时，可以通过平台直接结算。而且只有长期异地(2)长期异地包括长期异地工作和长期异地退休安置两类。和转诊可以通过平台直接结算，急诊依旧需要采取传统的垫付报销模式(3)即参保人先在异地医疗机构支付全部医疗费用，然后准备相关票据到本地医保机构报销。来结算。异地就医平台数据从2014年初开始逐步增多，但总体来讲依旧较少，仅占数据总量的18.0%，非平台数据(4)所有没有通过平台直接结算的异地就医数据都被我们称为“非平台数据”。则占82.0%。

(二)分析方法

针对研究路径中所提出的第一个层面问题，我们将分析平台服务的人次数和结算的医疗费用。针对后两个层面的问题，我们首先分析平台数据和非平台数据中的医院级别构成比例，然后我们将采用时间序列方法中的季节性模型来分析平台对于人次数和费用的影响。时间序列分析是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。如果数据是平稳或水平型的，则滑动平均或一次指数平滑法是合适的；若数据中表现出线性趋势，则二次滑动平均或二次指数平滑的线性模型即可处理；若数据中隐藏着季节成分，则运用季节性模型更为合理[19]。医疗保险数据具有很强的季节性波动，因此本文采用时间序列分析中的季节性模型。SPSS17.0软件时间序列分析中的季节性模型有简单季节性、winters可加性和winters相乘性三种，我们将综合考虑模型拟合统计量等指标选择模型对数据进行分析。

(三)研究结果

1.平台服务的人群和资金规模。

我们分析了异地就医平台结算人次数和医疗费用情况，如图2所示：

图2 平台结算人次数及医疗费变化情况

自2014年平台正式运行以来，平台每月所服务的人次数和医疗费用都稳步上升，在2015年5月人次数达到峰值5 444人，占当月异地就医人次数的48.2%，2014年1月至2015年8月期间累计服务人数达到了56 767人。

在垫付报销模式下，异地就医参保人垫付全部医疗费用。直到参保人来医保机构申请报销的时候，医保机构才得以了解到这部分资金的使用情况。而在平台模式下，医保机构可以实时监督异地就医医疗费的使用情况，这也意味着假票据已经无法再进入医保报销体系，而实时监督的资金规模等同于直接结算的医疗费用。2015年6月直接结算医疗费用达到峰值12 029万元，占当月异地就医医疗费用的48.3%，2014年1月至2015年8月期间累计结算医疗费用11.95亿元。

2.平台对就医行为的影响。

(1)平台是否导致参保人涌向了三级医院？

有学者担心平台会导致人们涌向三级医院，因此我们对平台数据和非平台数据的医院等级构成进行分析，结果如图3所示(5)部分数据并没有标明医院等级，我们将其划入“一级及无等级医院”这一类中。：

图3 平台数据和非平台数据中的医院级别构成比例

如图3所示，平台数据的三级医院占比为93%，而非平台数据的三级医院占比为87%。经分析我们认为，这可能是有以下两方面原因：其一，现阶段只有具备一定硬件条件的医疗机构才能实现与平台联网，而其中更多是硬件条件较好的三级医院。其二，现在的平台数据仅包含长期异地和转诊，并不包括急诊。平台数据中的转诊占比略高，而转诊通常转向级别更高的三级医院。因此，这个分析结果需要审慎对待，未来随着更多的一级、二级医院与平台联网，以及通过平台结算的参保人范围扩大，这个比例构成可能会有所改变。

(2)平台是否导致异地就医人次数攀升？

这里的异地就医人次数包含平台结算和非平台结算的异地就医人次数。如果异地就医人次数在平台实施后确有升高，可能有两方面原因：一方面是其本身的升高趋势；另一方面则是平台或者是同期其他医保政策导致的升高。因此，我们需要分析平台实施前异地就医人次数的变化趋势，并将这种趋势拟合到平台实施后，得出没有平台情况下的异地就医人次数的预测值，然后将其和平台实施后的实际值进行比较。如果平台实施后没有其他医保政策的调整，则我们可以认为预测值和实际值之间的差值是平台所带来的改变。

图4 异地就医人次数的预测值和实际值

我们基于2010年1月至2013年12月的数据，采用winters加法模型分析平台实施前异地就医人次数的变化趋势(6)事实上在2014年1月之前也存在极其少量的平台数据，应该是在试运行过程中保留的数据，但比例都低于5%，因此我们将2010年1月至2013年12月间的数据视为平台实施前的数据。，并将这种趋势变化拟合至2013年12月之后得到粗线。粗线意味着即使没有平台，异地就医人次数按照原有趋势可能会实现的变化趋势，而细线则意味着平台实施以后的实际异地就医人次数。

该模型的Ljung-Box Q(18)的sig=0.144>0.05，接受残差序列为独立序列的原假设，模型拟合统计量——稳定的R2为0.678。如4图所示，细线的实际值高于粗线的预测值，但是到2015年7月则发生了逆转，实际值低于预测值。由于2013年12月以后没有异地就医医疗保险政策的其他调整，则我们用二者差值表示平台所带来的异地就医人数变化的估测值，具体情况如图5所示：

图5 平台所带来的异地就医人次数变化的估测值

如图5所示，平台所带来的异地就医人次数的变化呈现波动趋势，在2014年12月达到峰值4 468人次，但在2015年6月以后则开始下降，甚至出现了为负的情况，平台带来的异地就医人次数的增长趋于平稳。

(3)平台是否导致总体就医人次数攀升？

这里的总体就医人次指异地就医和本地就医的总和。平台使得异地就医变得更为便利，异地就医人次数有所增加也是合理的结果。但异地就医人次数的增加意味着本地就医的减少，这其实是一个此消彼长的过程，我们更加关心的是平台是否会导致总体就医人次数的增加。

我们基于2014年1月之前的总体人次月度数据(7)我们获得了吉林省职工医保和居民医保2010年上半年至2015年上半年的数据，将二者汇总获得总体数据。但是总体数据并不是以月度计算的数据，而是以半年度计算的数据，无法做出进一步的分析。因此我们调取了省直的月度数据，并假设总体数据在各个月份的分配情况和省直一致，按照省直的各月份所占比例对总体人次的半年数据进行分割，通过这种方法计算出了总体的月度数据。，采用winters加法模型分析其变化趋势，这个结果其实反映了没有平台情况下的变化趋势。然后我们根据模型参数预测了2014年1月以后没有平台情况下的变化趋势，结果如图6粗线所示，而2014年1月后平台实施后的实际趋势则如图6细线所示。

图6 医疗保险总体就医人次数的预测值和实际值

该模型的Ljung-Box Q(18)的sig=0.116>0.05，接受残差序列为独立序列的原假设，且模型拟合统计量——稳定的R2为0.767。从上图我们也可以看出，在2015年6月之前，实际人次数与预测人次数总体来讲差距不大。2014年1月至2015年6月期间的预测人次数为244.7万，实际人次数为260.4万，增长率为6.4%，平台的引入并没有使就医总人次的变化趋势发生大的改变。

3.平台对于医疗费用的影响。

(1)平台是否导致异地就医医保支出的攀升？

如果异地就医医保支出在平台实施后确有升高，可能有两方面原因：一方面是其本身的升高趋势；另一方面则是平台或者是同期其他医保政策所导致。

我们基于2010年1月至2013年12月的数据，采用winters加法模型分析平台实施前的异地就医医保基金支付额变化趋势，并将这种趋势变化模拟至2013年12月之后得到粗线。该线意味着即使没有平台，基金支付额按照原有趋势可能会实现的变化趋势，而细线则意味着引入平台以后的实际基金支付额。

图7 异地就医医保支出的预测值和实际值

该模型的Ljung-Box Q(18)的sig=0.245>0.05，接受残差序列为独立序列的原假设，模型拟合统计量——稳定的R2为0.657。如上图所示，细线实际值高于粗线预测值，但是到2015年7月则发生了逆转，实际值低于预测值。如果2013年12月之后没有异地就医医疗保险政策的其他调整，则可以用二者差值表示平台所带来的异地就医医保支出变化的估测值，具体情况如图8所示：

图8 平台所带来的异地就医医保支出变化的估测值

如图8所示，平台所带来的基金支付额估测值的变化呈现波动趋势，在2014年12月达到峰值4 922.02万元，但之后则迅速降低，平台带来的基金支付额估测值的增长得到了有效控制。

(2)异地就医是否导致总体医疗费用攀升？

如前所述，参保人选择异地就医就意味着放弃了本地就医的机会，异地就医医疗费用和本地就医医疗费用存在此消彼长的关系，因此我们更需要关注的其实是总体医疗费用的变化情况。即使异地就医医疗费用的趋势发生改变，只要总体医疗费用的趋势没有发生太大改变，那么我们就不必担心平台会导致总体医疗费用的攀升。

我们基于2010年1月至2013年12月的数据，采用简单季节性模型分析平台实施前的总体医疗费用变化趋势，并将这种趋势变化模拟至2013年12月之后得到粗线。粗线意味着即使没有平台，总体医疗费用按照原有趋势可能会实现的变化趋势，而细线则意味着平台实施后的实际总体医疗费用。

图9 总体医疗费用的预测值和实际值

该模型的Ljung-Box Q(18)的sig=0.430>0.05，接受残差序列为独立序列的原假设，模型拟合统计量——稳定的R2为0.565。如上图所示，2013年12月以后总体医疗费用的实际值与预测值的变化趋势基本趋同，并没有发生太大改变。2014年1月至2015年6月期间的预测总体医疗费用为206.4亿元，实际总体医疗费用为206.1亿元，增长率为-0.14%。可以说，平台的引入并没有使医疗总费用的变化趋势发生改变。

五、研究结论及建议

(一)结论

从上述分析可知：(1)平台所服务的人群和资金规模不断增加；(2)相对于非平台数据，平台数据中的三级医院占比从87%提高至93%，这样的结果是硬件条件较好的三级医院率先和平台实现联网，以及平台结算的异地就医人员类型不同所导致的；(3)平台导致异地就医人次数和异地就医医保支出增加，但是由于异地就医和本地就医存在此消彼长的关系，总体就医人次数和总体医疗费用并没有发生大的改变。

从更深远的角度来讲，直接结算平台的推行意味着医保管理中更多标准的统一、更多医疗行为的网上实时监督以及医保政策在医保机构间的上令下行，对于医疗保险管理意义深远。

(二)建议

数据是我们了解实际情况的重要依据，遗憾的是，现在有些数据项目的记录并不完整或者并不准确。医疗保险管理是一个庞大的系统，各个级别医保机构的硬件设施和人员能力都不尽相同，所以数据质量确实有难以把控的地方。在这种情况下，数据相关概念的统一界定和数据处理方法的统一规范就显得尤为关键。这些都是一些细节性的内容，需要不同地区的相关工作人员在反复研讨的过程中不断发现，并给出合理的标准和方案。只有数据记录和处理的过程更加规范统一，数据质量才有保障，数据分析工作的结果才更具价值。

本文主要对异地就医数据和总体数据进行了分析，下一步还可以做异地就医数据和本地就医数据的对比分析。如果对于相同病种来说，异地就医和本地就医的医疗费用与医保支出差距不大而治疗效果更好的话，那么医保机构就可以考虑进一步放宽异地就医的限制。当然，这种行为还可能对本地医疗机构产生影响，这种影响也需要通过数据分析来进一步明确。