利用医保大数据对医疗质量实施智能监控的思考

骆鑫鸿,罗琳彬,赵经纶,张雪晖,郭昱君

(1.福建医科大学 卫生管理学院,福建 福州 350122;2.深圳市卫生健康发展研究和数据管理中心,广东 深圳 518000;3.福建医科大学 卫生健康研究院,福建 福州 350122)

2018年,我国成立国家医疗保障局,医保部门成为民众购买医疗服务的最大代理人[1],其职责为保证在基金安全运行下以合理价格为民众购买到优质的医疗服务。目前,不少国家或境外地区利用医疗保险申报数据作为分析与管理医疗质量的基础支撑[2-3]。我国虽于2022年5月完成国家统一医保信息平台的建设,逐步借助大数据提升医保业务管理能力[4],但截至目前,极少数将医保大数据应用于医疗质量智能监管工作。基于此,本研究首先梳理国内外常见的医疗质量指标;其次,以福建省作为案例,搜集其医保业务系统数据字典及医院病案首页字段,对比归纳的医疗质量指标内涵,解析两类数据对于医疗质量评价的信息支撑程度;最后,根据研究发现,结合国家统一医保信息平台建设方向,提出将医保大数据应用于医疗质量管理工作的思考。

一、资料来源与方法

(一)资料来源

通过Web of Science、PubMed、中国知网、万方、维普、谷歌学术等文献数据库收集国内外常见的医疗质量评价指标体系,具体包括国际医疗质量指标计划(International Quality Indicators Project,IQIP)[5]、美国卫生服务与质量研究所医疗质量指标(Agency for Healthcare Research and Quality,AHRQ)[6]、经济合作与发展组织医疗质量指标项目(Health Care Quality Indicator Project,HCQI)[7]、英国医院星级评审[8]、澳大利亚卫生服务标准委员会临床服务质量指标体系(Clinical Indicator Program,CIP)[9]、中国台湾地区医疗照护品质指标体系(Taiwan Healthcare Indicator Series,THIS)[10]、中国医疗质量指标体系(China Healthcare Quality Indicators System,CHQIS)[11]、中国三级医院评审(2011/2020版)、中国三级公立医院绩效考核体系[12-14]。

(二)研究方法

1.比较研究法。系统性整理归纳不同评价体系中具有高度共性与再现性,且可应用于医疗质量管理的指标。考虑国内外指标概念陈述与统计口径不同,参考国家卫健委发布的《三级医院评审标准(2020年版)》《国家三级公立医院绩效考核操作手册》(2019—2022版)等涉及的医疗质量指标,对比本研究归纳的指标,统一名称、规范概念、明确计算公式,基于公式内容提出数据字段需求。

2.案例研究法。以福建省作为案例,首先,通过对医保部门的实地调研,了解到该省2020年医保系统数据是由公共业务、待遇业务、业务编码三大模块构成(数据原则上可对应国家统一信息平台的14项业务系统),收集并整理三大模块内含的数据字段。其次,整理医院病案首页,因其具有全国统一规范性,笔者主要参考福建省2家三甲医院的病案首页字段。最后,对照本文提出的医疗质量定量指标,基于其所需的计算字段,判断2个不同系统数据用于分析监管医疗质量指标的数据字段情况。

二、指标选择

通过梳理10个不同评价体系的考核指标,涉及医疗质量部分的指标可归纳为7类(表1)。其中,住院死亡类(9/10,代表10个体系指标中,有9个体系涉及,以下均以简化标注呈现)、患者安全类(8/10)、重返类(7/10)、感染控制类(7/10)等4类指标具有高度共性且再现性强,因此选择分析这4类指标的内涵和特征,并探讨病案首页、医保数据字段能否用于支撑这4类医疗质量指标的监管[15-17]。

表1 不同评价体系中的质量指标分类情况

三、结果

笔者将有关医疗质量管理的定量指标分为“通用指标”和“特定指标”,并结合文献梳理常见用于测量医疗质量的4类指标。

(一)通用指标

“通用指标”一般用于反映因临床治疗或照护服务所导致的常见质量问题[18],包括住院死亡类、患者安全类、重返类和感染控制类等4类指标。其中,住院死亡类及患者安全类指标可以直接反映临床结果,包括住院死亡率、新生儿患者住院死亡率、手术患者住院死亡率、手术并发症发生率和医源性事件的发生率等(表2)。“重返类指标”是经研究证实与医疗结果高度相关,能反映诊疗服务环节的质量,例如,因治疗不妥善、手术操作不当、预防性抗菌药物使用不及时等造成患者非计划再住院、非计划重返手术室等[19]。“感染控制类指标”则是反映医疗护理的质量,指由于医疗护理服务造成的非故意损伤、感染发生,如医院感染、手术切口感染和医疗器械等相关感染。

归纳发现“通用指标”包含4个特征:一是侧重医疗服务的过程和结果,能直接用于反映临床表现。二是均通过负性事件反映医疗服务过程存在的问题。三是均有理论依据和循证基础,多数根据“结构—过程—结果(Structure-Process-Outcome)”构建指标或有实证研究支撑[7,10,20]。四是适用于不同功能定位等级、不同类型的医疗机构。五是均为定量指标,操作性强,可利用数据进行计算分析与监测,适合发展智能监管。

解析医保大数据的3个模块内容,其中涉及参保人员就医信息的部分归属在第二模块“待遇业务”中,且字段多是来自病案首页,包含病人就医的基础信息,如病人年龄、性别、出入院日期、住院天数、诊断和离院方式等。但字段数量不及病案首页,缺少的字段包含患者就医诊断情况(首诊标志、主诊断标识、入院病情、择期手术标志和术后诊断编码等字段)以及该次治疗的健康结局(即病情转归,如好转、治愈、感染和死亡)。

笔者进一步对比通用指标计算字段、医保大数据字段和病案首页字段等发现,医保大数据基本无法支撑“住院死亡类”“患者安全类”等指标的计算。因为该类指标多涉及“病情转归”“术后诊断”等医保数据中缺乏的字段。在“重返类”和“医院感染类”中,无法分别满足1个指标的计算。反之,病案首页的数据字段可用于计算所有指标(表2)。

(二)特定指标

“特定指标”是用于反映因医保支付制度导致的医疗质量问题。基于实证研究结果[21-25],选择常见支付方式,包括按项目付费、总额预付制和DRG支付等,归纳其导致的质量问题中有两类的再现性最强,分别是死亡类、重返类(表3)。“死亡类指标”主要关注“特定病种”患者,常用于评估总额预付制和DRG支付制度对医疗质量的影响(表4)。“重返类指标”则是侧重在患者出院后不同时期因相同疾病或相关疾病的非计划再入院,可用于反映总额预付制、DRG支付、按项目付费制度等实施后所引起的医疗质量问题。

归纳发现“特定指标”有以下几个特征:一是与医保支付政策存在因果关系,因为实施支付制度才引起的质量问题。二是指标本身也可作为通用指标,但是对于侦测医保支付政策导致的质量问题更具敏感性。三是指标有大量的循证基础。四是适用性高,不同国家、地区在采取相似的医保支付制度下,均可应用这些指标进行质量监管。五是定量属性,可应用大数据做计算分析,适合发展智能监管。

对照指标计算需求,发现医保数据主要缺乏“主诊断标识”“病情转归”等字段,所以尚无法支撑“死亡率”和“再入院率”等医保支付相关的医疗质量指标计算(表4)。在医保数据字段健全、医保数据库完善的前提下,医保部门可以通过大数据进行实时分析,智能监督医保支付导致的质量问题,而不需要通过医院填报的“住院率、再入院率、死亡率”等指标来评判医院的医疗服务水平。但从福建省2020年医保数据字段来看,面对通用指标和特定指标,均尚缺乏部分关键字段,无法直接通过大数据进行计算,影响医保大数据赋能医疗质量智能化监测工作的开展。

四、讨论

我国医保部门经过改革后形成了战略性购买格局,医保作为医疗服务最大购买方,应同时保障基金运行平衡与购买医疗服务的质量。本研究归纳的常见的医疗质量指标(包括通用性与特定性指标),具备了较强的适用性、科学性与操作性等特征,适合应用于大数据智能化分析监管。因此,如果能较好地转化应用医保大数据,不仅有利于支撑医保部门落实相关业务职责,也有助于推动智能化医疗质量监管工作。基于本研究分析结果,结合现有研究发现[26-27]以及目前国家统一医保信息平台建设情况,笔者对医保大数据在医疗质量管理工作上的应用,提出以下思考与建议。

(一)构建与医保相关的医疗服务质量指标和考核机制

不合理的医保支付制度会引发特定的医疗质量问题,通过指标构建,定期分析评估、反馈,不仅有助于医保支付政策的优化完善,也能落实医保部门对医疗服务的监督管理。我国医保部门目前较少参与有关医疗服务质量考核工作,主要还是由卫生部门进行规划、设计、推动和落实,而且是融入不同的考核项目。参照不同国家先进的质量评价经验[28-30],建议医保部门可优先针对特定质量问题(指因医保政策导致的问题),通过构建相关指标体系、测评标准和考核机制等措施,持续完善医保支付政策。同时,将考核结果与医保支付联动(财务激励或奖惩机制),通过经济手段强调合理服务行为、促进医疗质量管理,也为形成价值医疗支付奠定基础[31]。

(二)结合国内外常见医疗质量指标丰富医保数据字段

科学的指标是医疗质量评价的关键。笔者选取的指标不仅是国外常见的医疗质量指标,同时也是国内医院等级评鉴工作中对医疗质量考核时会使用到的指标,显示这些指标在临床管理上备受我国卫生部门的重视。医保部门尚未开展医疗质量管理工作,2020年福建省医保业务模块的系统数据显示,其缺乏不少关键字段数据,如主诊断编码、切口等级和病情转归等,导致无法计算患者住院死亡率、手术感染率和再入院率等衡量医院医疗质量的重要指标。相比之下,病案首页数据因为归属卫生系统管理,在字段设计上会考虑到更多有关医疗服务的信息变量,而这些信息变量与质量指标高度相关,但无法判断二者之间的因果关系,即是变量影响指标设定还是指标影响变量采集。因此,病案首页数据在质量指标分析应用上有显著的优势。建议福建省医保部门若要发展智能监控管理医疗质量工作,除了通过汇集医院病案首页的方式之外,即2022年国家医疗保障局办公室发布《关于开展全国统一医保信息平台支付方式管理子系统监测点建设工作的通知》,其中提到一项重要建设是DRG/DIP所需的医保结算清单、费用明细及住院病案首页等业务数据由医疗机构全面、准确、及时上传到省级和国家医保信息平台[32],也可以考虑优先扩展补充笔者所提出的缺失数据字段,以此丰富医保数据。医保信息平台数据字段若能基于国内外常见医疗质量指标进行拓展和丰富,也能为后续实现闽台地区医保数据对接提供支撑,探索医保融合新工作。

(三)提高国家统一医保信息平台与医保大数据的转化应用价值

医保业务模块的数据量大且繁杂,涵盖参保人员、参保单位、定点医疗机构的基本信息,患者在门诊和住院过程中产生疾病诊断和手术、费用结算信息,以及定点医疗机构药品和耗材采购目录、财务支出明细等多类信息。目前对每个业务子系统都有明确的标准规范,但系统之间的数据共享与关联是否能够形成有意义的专项数据库(资产)才是数据价值的关键。

专项数据库的构建是一个复杂且繁琐的过程,需要明晰数据库的建设目标和使用目的,才能根据需求将不同模块(子系统)数据进行打通、治理并关联形成专项数据库(例如,医保基金管理数据库、慢病管理数据库、医院管理数据库、药品管理数据库和医疗质量管理数据库等)。一旦形成较为成熟的专项数据库,在符合数据安全的要求下,应该允许各地医保部门或相关智库单位、研究人员能更好地应用数据库进行问题挖掘与分析,提高监督管理工作的能力和效率,支撑医保制度改革、政策发展等工作。例如,美国老年医疗保险机构(Medicare)可以融合或独立应用医保、疾病、质量等模块数据,构建临床服务质量评价体系并进行线上考核[3]。中国台湾地区健保资料库很好地应用在费用、支付、医疗资源布局、医疗质量监测等各类管理工作上[24,31]。

五、结语

医保部门应承担因医保支付政策的实施导致的医疗质量问题的责任,因此如何界定医保相关的医疗质量指标、如何通过医保大数据赋能医保部门智能监督医疗质量等,是国家统一医保信息平台建设过程中值得思考和探究的问题。本研究以福建省为例,通过医疗质量指标、医保业务系统数据字段、病案首页字段等的比较,发现病案首页字段是支撑分析医疗质量指标的重要数据来源。若要应用医保大数据智能监管医疗服务质量,最好能够在国家信息平台业务系统中扩增有关病案首页字段的子系统。这正好体现近期国家统一医保信息平台支付方式管理子系统DRG/DIP功能模块加速上线的意义。然而本研究基于国外医保支付与医疗质量相关性的研究经验进行初步探查,仍存在以下几方面的局限性:首先,笔者选取国内外常见医疗质量指标,可能不完全适配福建省地区特性(不同地区的医疗质量表现及其相关问题不同);其次,以福建省数据作为案例进行分析,可能无法完全推及其他省市的情况;最后,随着国家统一医保信息平台建设工作的推进,医保大数据顶层设计在实际转化应用场景中会造成哪些实质影响,也是本研究下一步要深入分析与说明的部分。