大數據在醫保管理中怎麼用？醫保專家談嘗試與思考

醫保經辦機構在具體的經辦管理過程中，如何提升醫保基金的使用效率？大數據將成為重要幫手。6月23日，在《醫療保險》雜誌社舉辦的第七期「青年葯政論壇」上，北京市醫療保險事務管理中心主任杜鑫介紹了在醫保管理工作中對大數據運用的嘗試和思考。

背景

社會醫療保險制度改革從1994年兩江試點開始，1998年國務院出台關於建立城鎮職工基本醫療保險制度的決定，2003年國辦下發通知實施新農合，2007年建立城鎮居民醫保，到今天全國絕大部分地區都已實現了城鄉居民醫保整合。這是一個由某個群體有基本醫保發展為全民醫保、城鄉醫保一體化的過程。在這個過程中，醫保部門對自身的作用及定位也在隨之變化。

過去，醫保一直處於付款人的角色，參保人發生了醫療費用，醫保只負責為參保人掏錢買單。醫保事業發展了，人人都有醫保了，保障水平包括報銷比例、最高支付限額不斷提高，但是老百姓仍然面臨「看病貴、看病難」的問題，甚至看病花的錢比原來更多了。這是為什麼？

醫療費用的不斷攀升導致了醫保紅利被稀釋——雖然醫保報銷得越來越多，但因為醫療費用增長過快，老百姓的醫療費用負擔還是在不斷加大，難以體會到醫保發展帶來的獲得感。

醫療費用不斷上漲，致使醫保基金支付壓力越來越大，醫保部門由此開始轉變思路——作為參保人代理人，應該更加體現參保人的訴求，從單純的付費者逐漸向服務的定製者轉變。醫保開始與醫療服務提供方協商談判，並對醫療服務行為進行監督與管理，希望通過醫保支付標準，倒逼醫院合理用藥，節約成本，降低醫療費用。

由單純的付費向談判團購轉變，為參保群眾購買物有所值的醫療服務，對醫保經辦管理提出更高要求，既有挑戰也有機遇，醫保大數據的應用可以讓醫保管理更有效率。

應用

現在醫保大數據的實際情況是，雖然數據量大，內容豐富，但由於醫保制度割裂，在很多地區分屬不同部門管理，區域分割，各種數據分散在近2000個系統中，加之信息標準、硬體技術、網路技術和開發商割據等帶來的技術阻斷，因此醫保雖有數據，但能否被充分運用，還有待完善。

大數據時代背景下，醫保管理迎來的挑戰是能否以我們海量的數據為依託，以信息化為抓手，以大數據為手段，對積累起來的數據進行挖掘。如何去挖掘？如何去使用？這是對醫保經辦機構能力的考驗。

依託大數據進行醫保管理，北京市醫保中心在幾方面進行了有益探索：

1

優化付費方式

2012年，人社部、財政部和衛生部聯合出台了《關於開展基本醫療保險付費總額控制的意見》，要求逐步建立保障質量、控制成本，規範診療為核心的服務評價體系。根據該文件，各統籌地區利用兩年左右的時間全面啟動總額控制管理，實際上這是一種量入為出的預算式管理。

如何比較每家醫療機構的成本？如果從成本收益的角度講，同樣的疾病，在保障患者出院轉歸的情況下，一些醫療機構使用的醫保基金更低，那麼醫保寧可花更多的錢支付給這家醫療機構。因為同樣的錢，在這家醫療機構體現的是使用效率的提升。

難點在於什麼？在於如何科學合理評估醫療費用及質量。因為醫療服務標準化不到位，在缺乏統一的評判標準情況下，以往按照診療項目或者是總費用評估來進行總額控制管理，意義不大。

以全市的門診醫保管理為例。門診因為數據的標準化程度很低，比如各醫院之間分科不一樣，同一名稱的科室有可能內涵不一樣，收集到的數據無法有效地進行歸總和處理，原來僅能做到按年齡分組，無法像住院一樣按照病種分組。市醫保中心用三年時間來規範所有醫療機構的分科標準化，在今年啟動了門診診斷標準化的課題，準備在門診數據分科標準化的基礎上，按照每個病種來比較各家醫療機構的門診成本。

在門診數據標化之前，只能按照年齡分組，對於醫保大數據的分析和應用也有需要注意的地方：在衡量各醫院的就醫費用時，不能按照「花錢越少越好」的標準一刀切，要顧及患者差異，綜合考量各種因素，形成一個較為科學的評價指標。

市醫保中心經過統計發現，從就診人次、次均服用藥品數量以及就診人數的佔比等數據來看，年輕人去醫院基本上是看病，複診率不高，葯佔比不高；而老年人基本上是拿葯，從整個全年來看，接近每個月要去一次醫院，葯佔比能夠達到80%以上。在這種情況下，不能夠說一家醫院的次均費用300元就是高，200元就是低。因為也許200元的醫院在金融區，看的都是40歲以下的患者，說不準這200元里還存在浪費現象；而300元的醫院在老社區，患者都是60歲以上的人，300元相對來講是低的。所以市醫保中心在進行評價的時候，按照每一個醫療機構門診患者的每一個年齡段所佔的權重進行數據標化。標化之後，再去比較哪家醫療機構使用醫保基金的效率更高，決定第二年如何去買單。

2

監控醫療行為

市醫保中心通過數據的挖掘，希望達到對於醫療機構、醫務人員、參保人員的醫療行為進行監控，科學評價醫保基金能否更多地提高使用質量和效益。

從對於醫療機構的監管來說，作為醫保經辦管理部門，如果就某一個點來單看某個項目，很難去界定單次發生費用是否合理。但是通過一些數據的異動，至少可以指明方向。

市醫保中心每年對於藥品支出前20名做出排名，分析藥品使用是否合理。如果認為藥品的功能主治和它消耗的醫療費用不成正比關係，醫保中心會請專家儘可能的明確醫療保險的支付適應症，就是到底應該對這些藥品的哪些適應症買單，哪些不買單。但有些藥品很難清楚地進行支付適應症規範，醫保中心將篩選到具體的醫療機構：某種藥品按照現在的支出來看，從人均用量和總量來講，全市哪些家醫療機構花的最多？針對這兩種情況，市醫保中心將直接給醫院法人發告知書：該種藥品在全市平均人次用量同級的情況下是多少，你這家醫院的使用量是多少，是全市的大概多少倍，建議醫院進行合理的分析，並將結果告知醫保中心是否有問題，如果有問題，問題出在哪裡，怎樣解決。市醫保中心會對該藥品連續監測三個月，三個月之後如果該藥品消耗的醫療費用有顯著變化，可認為醫院的措施是得力的，如果沒有變化，就對其進行處方點評和病理分析。

對於醫務人員的監管，通過醫保大數據應用的點面結合，能夠察覺到更多問題。醫生看似每一張處方都合格，但是這不一定代表著醫生的行為就合理。市醫保中心在監測過程當中，每年會對為參保人員服務的醫務人員進行分析，比如從醫生的總處方量和每日處方量來測算醫生的醫療行為是否合理，如果平均幾分鐘，甚至是幾十秒就開一個處方，就需要高度關注，進行深入分析。但如果不應用大數據，單看醫生的處方內容，是不容易發現問題的。

通過大數據分析就醫頻次、費用累積等方面，可以對參保人進行監管，對其可能產生的道德風險進行控制。

挑戰和前景

可以肯定的是，大數據的應用使得醫保管理更加科學和精確，隨著大數據的發展，醫保管理也將取得新的成果。而現在距離真正的醫保大數據的應用，還面臨著一些挑戰：

第一個是對於大數據應用價值的認識有限。現在醫保對於大數據只停留在表層的使用，沒有真正深層次的挖掘很多數據的潛在價值。大數據本身是內容豐富的「金礦」，但如果只是擺在那裡不對其進行深層次的挖掘和剖析，並不能體現它的價值。

第二個是數據不完整，缺乏標準，如何得到更加貼近真實的判斷，也是在技術層面需要深入研究的。

第三個是由於信息安全問題沒有解決，信息的交流和共享還存在障礙。我們希望大數據能夠打破信息孤島，同時個人隱私能夠得到保障，讓醫保大數據能夠安全共享，從而開發出更多人的智慧，讓現有的數據資源體現出更高的價值，提升我們基金使用的效能，為我們的被保險人提供更好的服務和保障。

特別鳴謝

西安楊森製藥有限公司

綠葉製藥集團有限公司

成都康弘葯業集團股份有限公司

醫療保險官方微信 ID：zgylbxzzs