医保支付方式的改革与发展——基于大数据的按病种分值付费

谢 桦 崔 欣 应晓华 胡晓寒 宣建伟 许 速

（1上海市卫生健康信息中心 上海 200052；2复旦大学公共卫生学院 上海 100082；3中山大学医药经济研究所 广州528406）

1 介绍

在过去二十年中，全球范围内医疗卫生总费用持续增长。2000年至2017 年，全球实际医疗卫生支出每年增长3.9%，而同期全球GDP 增长为3.0%[1]。各国卫生政策制定者和支付方一直在不断追求医院成本管理，按病种付费的被越来越多地用作规范医院医疗行为及衡量其成本的工具。在按病种付费的探索中，中国的研究人员设计了一种新型的CMI 系统，直接来源于真实世界的住院患者病例数据，以此为基础研发了一种病种组合方式。这种新型医院付费系统是建立在Yang 和Reinke[2]先前研究框架之上，其研究表明，使用ICD 衍生的CMI 可以作为表示疾病严重程度的有效替代，也可作为对基于医院医疗卫生服务研究混杂因素的衡量方法。DIP 既可作为医院支付的基准，也可作为监督医院诊疗违规行为的管理工具。本文详述DIP 系统的关键要素、开发的底层逻辑和原理以及平台试点应用的初步经验。

2 研究方法

DIP 最初基于上海市2014年—2017 年急诊患者出院数据开发，随后在2018 年和2019 年于广州市进行研究与试点实践。过去十年间，我国公立医院对信息系统进行了升级改造，标准化患者出院记录，出院记录的必填字段包含采用ICD-10 和ICD-9-CM-3 编 码 的 出院诊断。由于在数据提取过程中删除了所有个人信息标识，因此根据当地的电子健康信息使用政策，无需伦理委员会审查。

2.1 DIP平台概况

DIP 平台由两部分组成，分别是DIP 分组数据库和补充目录（见图1）。DIP 分组数据库是一种新的住院患者分类系统，包含三级分组目录和一个主索引。补充目录通过调节医院诊疗行为（资源利用指数）和使用循证工具监督医院行为，为医保支付提供证据。

图1 DIP平台构成

2.2 DIP分组数据库

图2 为不同程度心血管疾病的目录列表，DIP 的目录库基于疾病诊断与治疗方式组合建立，形成了可用于医院支付的三级目录。DIP的分组标准由出院记录中的ICD-10 编码的前4 位结合ICD-9-CM-3编码确定。在DIP 的设计中，若DIP 组病例数超过15 例，则归入到DIP 核心病种组中，在此情况下，超过85%的病例会被纳入到核心病种组。其余DIP 组形成综合病种组，并根据ICD-10 编码和四种干预模式的特征进行聚类组合。

图2 不同程度心血管疾病的目标列表

考虑到干预措施的医疗资源消耗及诊疗的复杂性，系统将三级目录合并为二级目录。二级目录用于医院管理，包括预算和绩效评估，目录内相同诊断的患者住院费用相似。一级目录疾病类型分组建立在二级目录的基础上，不受干预成本影响，基于解剖或病因学分类的主索引建立（与ICD 系统类似），与主索引一起从医疗服务提供的角度对医院服务进行规划管理。

2.3 补充目录—资源利用指数

其中，rwj是一个样本中亚群体j 的相关权重，使用相同方法导出的聚合病种分组应用于以下情况。例如，rwj可能是指除化疗外接受放射治疗的转移性食管癌患者，在这种情况下，rwi是指接受化疗的转移性食道癌患者的平均病种分值。

2.4 用于医院支付的DIP值和CMI的开发

2.4.1 特定病组分值权重。DIP支付系统基于每个DIP 分组的权重给患者分配相应的医疗资源。医院通过基本费率乘以分组权重得到该组每个住院患者所需支付的费用。DIP 使用来自真实世界的成本数据，病种组合分值rwi的测算公式如下：

mi为i 类病种与治疗方式组合内病例的平均住院费用，M 为基准病种的平均住院费用（13385 元）。用腹腔镜阑尾切除术为参考组，其分值基于该诊断的病种分组的治疗方式（经腹腔镜阑尾摘除术）平均成本确定，分值为1000。表1 汇总了三个不同的阑尾炎治疗方式分组及其对应分值。

表1 基于阑尾炎诊断分组的三种不同治疗模式及其病种分值

2.4.2 机构总量分值（RW）、支付金额与CMI 指数。总量分值是该医疗机构所有病种组合分值的总和，是医保支付的基础。医疗机构总分值计算公式如下：

rwi是指i 类病种组合的指数，ni代表i 类组合在该医院住院的人数，k 为该医院住院病种组合数量。

将区域内所有医院的机构总量分值相加获得一个总分值，然后将该区域的预算支付总额除以总分值，得出每分值支付金额。若不调整权重，则医保支付的金额是基于其分值总量以及每分值的支付金额。为进一步调整支付权重，使用平均CMI 指数反映某机构总体患者疾病严重程度和治疗复杂性，计算方式如下：

机构总量分值以及平均CMI指数的测算过程见图3。

图3 CMI值的计算过程

2.5 补充目录——动态监管不规范医疗行为

2.5.1 均 衡 指 数（BI）。DIP 支付方式下，CMI 为医疗机构获得支付提供依据，为了盈利，医疗机构可能选择同一诊断但指数分值更高的治疗方式实施干预。假设某区域内医疗机构住院患者的某疾病得到相同诊断的分值为k（如转移性乳腺癌），首先根据分组将分值由低到高进行排序，相应分值集内个案数为ni，其中i=1、2、3……k。假设对大于j 的分值感兴趣，即临界点将k 分为高、低资源消耗组，其中低资源消耗组包括1～j的分组，高资源消耗组包括j+1～k的分组。

低分值组的平均RW 值计算方式如下：

高分值组的平均RW 值计算方式如下：

均衡指数的计算方式如下：

其中，SRWh/SRWl为两组的比值，并使用上述方法计算医疗机构的BI；RWh/RWl为该区域的平均比值。当该区域BI 指数等于1时，证明该机构的高指数与低指数患者分布与区域标准相同；当BI指数大于1 时，证明该机构的高指数患者数高于区域标准，可能出现组别高套的情况。在实施过程中，该标准也需要考虑到特定情况，例如同层级医院应该优先对比类型相同的数据。根据预设的BI 指数，对医院的不合理行为进行系统监控，促进医疗机构规范诊疗行为，解决组别高套的问题。

2.5.2 二次入院评分（RRA）。二次入院是指患者因相同诊断从同一家医院出院后30天内再次住院。再入院被分为五类，使用标准差与基准的偏差计算全院再入院的权重。RRA明显偏高的医院会被调查。

2.6 低标入院评分（RLA）

RLA 的目的是监管疾病诊断与治疗可在门诊中完成、无需入院的患者。首先建立基准，计算全系统中可在门诊治疗的病种（如良性口腔肿瘤）的低标入院率及标准差。大幅偏离基准的医院（如≥2 个或3 个标准差）将被标记为需审计。

2.7 超长住院评分（REH）

在预付制体系下，医疗机构几乎没有动机延长住院时间。然而，REH 是计算超长住院病例在各医疗机构的发生率，与区域标准进行对比，从而体现该医疗机构疾病治疗管理水平、床位使用率等重要指标。通过病组的平均住院时间计算标准值，对住院时长≥标准值2 天的患者进行标记。

3 结果

3.1 原始DIP平台与美国DRG系统的对比

研究分别使用美国DRG 和DIP 平台，分析对比2018 年上海约370 万份涉及638 亿元(约90亿美元)的出院记录。结果显示，根据美国DRG 系统，94.7%的出院记录被分到771 个DRG 组，DRG 组费用占总费用的87.2%。根据DIP 分类，98.6%的患者被分为约14000 个核心病种DIP 组和2499 个综合病种DIP 组(三级)，DIP 组费用占总费用的95.4%。

DIP 病种目录库以主索引和一级、二级、三级目录的方式逐层聚类，客观反映了疾病和治疗的分布规律。其中，主索引有129 组，一级目录有1194 组，二级目录有3000 组。三级目录的平均变异系数（CV）为0.6383，比采用DRG分类的CV(0.9743) 低34.5%，表明相对DRG 组，DIP 组的医疗卫生支出同质性更高。同时，DIP 和DRG 的方差减少量（RIV）非常相似，分别为0.3501 和0.3433，表明各组之间存在相似的异质性。

3.2 DIP的早期试点经验

广州市于2018 年—2019 年开展了DIP 试点，表2 显示了DIP试点期间医疗机构处理的支付费用构成情况。在试点期间，当DIP 组的患者人数为10 人或以上时形成一个核心DIP 组，可以确保大约95%的出院记录都包含在核心DIP组。对综合病种的分类也进行了简化，进一步提高了患者聚类分组的自动化匹配度。2018 年，95.1%的出院记录被分在9972 个核心DIP组 和25 个 综 合DIP 组 中。2019年，新增1709 个核心DIP 组，移除1029 个核心DIP 组，94.8%的出院记录被纳入10652 个核心DIP组和25 个综合DIP 组。

表2 2018年和2019年广州市DIP定点医疗机构医保支付费用构成

2018 年 是DIP 系 统 试 点 的第一年，暂未使用资源利用指数（RUC)和循证工具监督医院不规范的医疗行为。在医保部门对医院进行报销时，研究人员对总RW 值进行简单的调整，使得那些收治患者数量较多且医疗资源消耗较高的医院得到适当的报销。对于CMI>1的定点医疗机构，CMI 每增加0.1个增量，基本支付标准将调高1%的比例，CMI 支付系数调节额的上限为基本支付标准阈值(病种分值)的10%。对于老年患者占比较高的定点医疗机构，老年人口（病种分值）的调整上限为5%，每增加高于平均数10%的增量，就有1%的上限调整。三级和二级医院分别获 得1.5% 和0.5% 的 分 值(RW)奖励。最后，各定点医疗机构额外获得0.5%的分值。广州市医院年度总预算核定128 亿元，医院总报销额度为121 亿元(占预算的94.7%)，其中117 亿元用于拨付定点医疗机构住院总费用，4 亿元用于支付141 家医疗机构(占参与医院的42.2%)的绩效。

在2019 财年，由于正在对一些疑似及违规记账的行为开展调查，个别医院的支付审核在撰写本文时尚未完成。由于潜在的过度编码而产生的记账金额数为7.7 亿元，占总金额的3.7%。对低标入院的患者的分析表明，约有5.2 万名涉及记账金额为2.1 亿元的患者被认为不合理入院。另有一份针对6767 例患者的调查显示，在出院后7 天内由于同一疾病在同一家医院或同一层级医院有重复入院记录的累计就诊金额为1.2 亿元。

2018 年和2019 年，整个系统内的总体CMI 分别增长了2.10%和3.76%。然而，与前一年相比，入院率下降了0.9%和0.6%(2017年、2018 年和2019 年分别下降了15.2%、14.3%和13.7%)。患者每次入院的平均自费金额为7034元，比试点前降低了2.4%。

4 讨论

一个理想的医保支付系统应具有以下特征：一是能够准确反映患者潜在的医疗成本；二是具有监督和防范利用系统漏洞或医疗违规行为的配套机制，同时能够维持基金稳定及促进临床转归改善。基于以上特征，研究人员基于现有IT 系统和数据来源建立一个开创性的医保支付方式，准确、透明、客观地反映资源的需求。DIP 试点工作取得初步成效，未对医院预算产生负面影响，并显著提高了医疗效率。

DIP 同样采用CMI 作为医保支付的基准。从本质上讲，DRG 衡量的是特定医院治疗病例的复杂程度相对于其他同等级医院[3]。同时由于CMI 来自DRG，体现了个体患者的疾病严重程度[4]，因此CMI可用于测量每个DRG 或者DIP 的复杂程度和资源消耗水平。

DIP 的许多特点使其可成为医保支付具有吸引力的替代方案。DIP 最重要的优势之一是组内反映的资源消耗更为均匀，试点研究数据分析证明，DIP 的CV 要小得多。此外，DIP 组每年可根据医疗干预手段的进展动态调整，DIP 核心病种组的数量并非固定，而会根据当前患者病例诊疗组合的数量变化而变化。同样，由rwi确定的DIP 组的分值会使用实时的真实世界数据更新当年调整支付，以反映治疗标准和最新医疗技术。然而，由于一些DIP 组涉及的病例数量相对较少，样本的异质性可能意味着不同年份的rwi存在显著差异。因此在推导rwi时，医保管理者可以选择多年的医保报销数据，并将最近几年数据予以较大的权重，以更可靠和准确地估计权重。正如预期的那样，DIP 组内实现了更均匀的资源利用率，但代价是病种组合数量的增加，其特征在于高度偏向右侧的分布模式，具有拖尾效应。从医院管理者的角度来看，选择患者数量多、高资源消耗的DIP 组是关注的重点。最后，基于DIP 的医保支付方式建立在现有的医保报销系统上，由于核心DIP 组不需要新的编码，减轻了医院实施DIP 的负担。在设计DIP 综合病种组时，存在组内资源利用更同质和数据自动化效率更低之间的权衡，即当追求DIP组趋于同质时，形成DIP 组更多，使用大数据自动成组的效率会降低。虽然根据DIP 方法得出4999个DIP 综合病种组，但在试点中将DIP 综合病种组合并为25 个组，因而利用现有的医院IT 系统能够实现更高效的数据自动化。随着人工智能技术在医疗卫生IT 中的使用增多，DIP 综合病种组的重新编码有望在未来更有效地完成。

尽管DIP 设计了一系列监测并阻止高套编码和选择性收治患者的工具，但是试点并没有部署这些工具，而是选择在试行的第一年使用一些简单的支付调整，这对寻求利益相关者的认同至关重要。所有监测工具的开发和基准都是通过标记超出正常范围的、超过预定阈值的高成本异常值来实现的。需要重点指出的是，医疗服务的变化是可预期的，医保管理者应结合本地实际情况，在与医院利益相关者讨论后建立审计基准。同样，RUC 也不是一成不变的。例如，在设计医院支付调整的激励措施时，当地人口特征、疾病预防的优先次序或首选干预策略都可以成为考虑因素。通过与医院利益相关者的讨论和DIP 的实施，医院医疗服务发生了积极变化。2018 年和2019 年CMI 评分均有所上升，同时住院治疗的人群比例连续下降，表明病情较轻的患者从住院治疗向门诊治疗转移。此外，医疗资源消耗有少许变化。在实施DIP 之前，有24.1%的医院费用超出给定DIP 组平均支付额的50%至200%，到2019 年，超出该边界的比例降至20.6%。试点测试结果也表明DIP 在全国范围内实施的可行性和合理性，因为试点是在广州进行，而不是在开发DIP 系统原型的上海。在前期试点经验下，国家医疗保障局已正式启动DIP 扩大试点，包括21 个省份的71 个城市[5]。

DIP 系统也存在局限性。如果给定诊断和干预组合的病例数超过预先确定的阈值，则会形成DIP 核心病种组，但该阈值是任意的，还需要权衡取舍。形成DIP 核心病种组所需的病例数量越少，DIP 核心病种组的数量就越多。但是，预估的rwi可能不太稳定，并且可能受异常值的影响较大。相反，形成DIP 核心病种组的阈值较高将导致更多的患者不能纳入DIP 核心病种，并将这些病例分配到DIP 综合病种组中或需要花费更多时间进行特例单议，增加主观性和不透明性。在实施DIP 支付之前，应该结合当地情况，建立一个为DIP 综合病种组中患者支付费用的流程，主要用于对个别异常值进行支付。只有在基础数据源准确可靠的情况下，DIP 才能按预期运行。对于习惯通过服务费或财政补贴获得资金的医院来说，可能无法提供支付调整所需的相关数据。然而，可以预期的是，医院将努力提高编码质量，并确保数据充分反映引入新支付模式后接受治疗患者的复杂程度[6]。本研究仅描述DIP 的设计特征和试点的初步经验结果，没有研究其对治疗质量的影响，例如住院死亡率和以患者为中心的结局等。在未来的研究当中，需要纳入更精确的临床结果，确保引入新的支付系统不会对患者产生负面影响。

5 结论

DIP 是基于医院现有IT 系统和数据源的用于医院支付和绩效评估的新型医保支付系统。它基于CMI 方法，但与其他支付模式相比，组内差异更小，设计简单，动态调整分组，在报销比例反映真实世界诊疗路径和成本、易于实施等方面具有许多优势。