首 頁曹劍峰：醫保支付方式改革的實施——A計劃？B計劃？
去年5月21日，國家醫保局、財政部、國家衛生健康委、國家中醫藥局《關于印發按疾病診斷相關分組付費國家試點城市名單的通知》（醫保發﹝2019﹞34號）。通知中關于試點工作第五條是這樣表述的：
五是加強對醫保定點醫療機構的管理：要指導參與DRG試點的醫療機構完善內部醫療管理制度，強化醫療行為、病案編碼、服務質量等方面的監管，健全以保證質量、控制成本、規范診療、提高醫務人員積極性為核心的管理機制，充分發揮醫保支付的激勵約束作用。各試點城市在開展DRG試點的同時，要進一步完善醫保總額預算管理制度，對不能采用DRG結算的病例，進一步推進依據大數據的按病種付費、按床日付費和按人頭付費工作，建立多元復合醫保支付體系。
2019年10月發布了《(CHS-DRG)分組與付費技術規范》，從上圖的分組思路來看，采取了“自上而下”的分組模式，主要分為以下三個步驟：
（1）以病案首頁的主要診斷為依據，以解剖和生理系統為主要分類特征，參照ICD-10將病例分為主要診斷大類（Majordiagnostic categories，MDC）。
（2）在各大類下，再根據治療方式將病例分為“手術”、“非手術”和“操作”三類，并在各類下將主要診斷和或主要操作相同的病例合并成核心疾病診斷相關組（ADRG），在這部分分類過程中，主要以臨床經驗分類為主，考慮臨床相似性，統計分析作為輔助。
（3）綜合考慮病例的其他個體特征、合并癥和并發癥，將相近的診斷相關分組細分為診斷相關組，即DRG，這一過程中，主要以統計分析尋找分類節點，考慮資源消耗的相似性。
根據“通知”中指出的：各試點城市及所在省份要在國家DRG付費試點工作組的統一領導下，按照“頂層設計、模擬測試、實際付費”三步走的思路，確保完成各階段的工作任務，確保2020年模擬運行，2021年啟動實際付費。由于項目還在試點過程中，試點工作的難度還在于基于國家二級目錄之下的各地三級目錄的細化與測算。無論是“歷史數據法”還是“作業成本法”，數據口徑與標準、數據質控、數據分析都具有較高的技術難度。但這卻是病種支付最為關鍵的一步，預計明年試點單位達到啟動實際付費的能力，還是有相當大的操作難度。目前試點效果還未顯現，暫時還無法做出比較全面的評估。
今年疫情期間2月25日中共中央國務院發布了《關于深化醫療保障制度改革的意見》，意見共28條，其中在“建立管用高效的醫保支付機制”一章中的第十四條是這樣表述的：
（十四）持續推進醫保支付方式改革。完善醫保基金總額預算辦法，健全醫療保障經辦機構與醫療機構之間協商談判機制，促進醫療機構集體協商，科學制定總額預算，與醫療質量、協議履行績效考核結果相掛鉤。大力推進大數據應用，推行以按病種付費為主的多元復合式醫保支付方式，推廣按疾病診斷相關分組付費，醫療康復、慢性精神疾病等長期住院按床日付費，門診特殊慢性病按人頭付費。探索醫療服務與藥品分開支付。適應醫療服務模式發展創新，完善醫保基金支付方式和結算管理機制。探索對緊密型醫療聯合體實行總額付費，加強監督考核，結余留用、合理超支分擔，有條件的地區可按協議約定向醫療機構預付部分醫保資金，緩解其資金運行壓力。
同一個疾病診斷可以有疾病的不同階段、不同嚴重程度和復雜性，與個體特異性、治療方法多樣性對醫療資源消耗不確定性造成直接影響，同時政府、醫保、醫院的治理和管理對規劃、支付、運營等的要求越來越精細，與之對應的病種分組目錄也必須形成細分體系，不僅要有細化病種分組目錄對應微觀管理，也要有細化目錄的聚類病種目錄對應宏觀調控。如上圖所示，利用大數據的優勢，對最細化目錄向上進行逐層的聚類和收斂，形成一套“自下而上”的包含三級目錄的“大數據病種組合”病種組合主目錄體系，滿足不同的應用需求。
三級目錄
三級目錄是基于大數據對同一診斷下不同治療方式共性特征（相同診斷、治療方式的資源消耗相近）的聚類組合，是“大數據病種組合”的基礎目錄庫，其組內差異度小，用于擬合不同病種組合的成本基線，確定支付標準從微觀角度支撐疾病的按病種分值支付與個案審計。
三級目錄按例數維度收斂形成核心病種與綜合病種，可利用疾病嚴重程度、腫瘤嚴重程度以及年齡進行校正，以更精準地還原成本。目前三級目錄中核心病種1.4萬余組，綜合病種2499組。
二級目錄
一級目錄
主索引建立
基于個性數據特征的輔助目錄（基于多元個性的矯正）
分階段實現初步的全國統一目錄
從上述“A計劃”與“B計劃”兩個方案的表述及其差異來進一步分析：“大數據病種組合”的應用得到了政府部門越來越高的重視，這也是和“大數據”方法“多元化”要素的天然優勢是分不開的：基于大數據的病種分值付費以“全樣本”入組、“多層級”管理及“精細化”監測的形式，著眼于社會治理、醫保風險、醫院發展和公眾需求等宏觀、微觀視角，建立醫保資源與醫院發展的平衡，促進醫療服務供需之間的平衡。這種平衡機制會對既有的醫療服務生態格局造成積極影響，依托方法與制度優勢，大數據病種組合對醫療服務的各環節評價有極強的兼容性與適應性，能采取合適的策略促進按病種分值付費的落地，在不同領域形成效益，具體表現在以下幾個方面：
“大數據病種組合”病種分值付費基于現代化治理理念，融合病種組合、支付標準、監督管理、激勵等措施形成完整的政府治理體系，不是簡單改變支付方式。“大數據病種組合”使政府、醫保、醫院各方建立了統一價值尺度，以隨形勢的變化而動態適應的分組機制、完善的監管體系，減少醫療機構利用政策的不完善爭取最大收益的可能，確保政策的長期可持續發展；同時“大數據病種組合”的應用促進政府從傳統行政管理向標準引領的治理模式轉變，增進了管理的透明度與公平性，促使各方以主動的溝通與合作取代博弈，有效推動醫保資源利用與區域、醫院發展的平衡。
醫保標準更科學：“大數據病種組合”以超過99%的入組率覆蓋全樣本數據，平均組內變異系數0.6左右，能更客觀體現疾病嚴重程度、治療復雜程度、資源消耗水平和醫療服務成本的實際狀況，減少交叉互補。 醫保支付更精準：“大數據病種組合”結合了“歷史數據法”與“作業成本法”的“精髓”——不僅來源于往期的收入數據，而且綜合考慮了醫療的成本，利用分值單價、成本效率的優質區間確定每一個病種組合的定位及支付標準，減少了往期病案數據中不合理費用的影響，在一定意義上形成了對資源過度利用的校正，實現對醫療機構成本及效率的客觀評價，使醫保支付更為精準。 醫保監管更智能：“大數據病種組合”除針對疾病與治療的共性特征建立分組外，還建立輔助目錄分析疾病治療方式的均衡性與醫療質量指標，形成了完善的醫保智能監管體系，貫徹“事前、事中、事后”監管原則，充分運用大數據、互聯網等手段創新醫保監督管理模式，快速、精準地發現并管理醫保償付中的高風險案例，規范醫療行為、避免醫保欺詐，降低醫保支付風險。
醫院發展有保障：“大數據病種組合”能隨臨床技術的發展、醫保目錄的更新，以全樣本數據真實反映臨床病種的變化，根據臨床診斷和治療方式快速形成新的組合，動態調整目錄庫以形成支付；同時“大數據病種組合”能客觀反映疾病嚴重程度，體現高難度技術組合，形成針對疾病的個性化的支付，因此醫院不必受限于醫保支付標準，可結合自身定位確定學科發展方向，促進區域醫療水平的整體提升。
醫院運營有方向：“大數據病種組合”建立了醫院運營和醫保資源平衡的機制，醫療機構圍繞標準確立醫院運營的方向，實現以收入為中心到以質量和成本為中心的轉變，做好結余留用，促進成本效益最大化；“大數據病種組合”所建立的應用體系不僅能應用于醫保，也能延伸到醫院形成管理指標，建立基于全面預算的現代化醫院運營模式，形成科學運營管理機制。
醫院行為有規范：“大數據病種組合”基于大數據客觀反映醫療機構定位與服務能級，并形成評價疾病資源消耗與服務成本的“度量衡”，促進各醫療機構合理收治與定位相符的病例，落實分級診療制度和資源梯度利用機制；“大數據病種組合”圍繞主目錄與輔助目錄建立完善的監管體系，分析同一診斷不同治療方法、醫療行為分布的數據特征，對治療方式采用的合理性進行甄別與評價，促進醫療機構針對同一診斷不同治療方式選擇的規范，形成技術應用與醫保支付之間的平衡。
進入大數據時代，我國制度的優勢使得醫療數據充分集聚，為病種組合的“隨機”、“均值”賦予了更精準的能力。“大數據應用”改變了樣本推算總體的仿真、預測乃至精算模式，利用真實、全量數據客觀還原病種變化的現實，通過對疾病共性特征及個性變化規律的發現，建立醫療服務的“度量衡”體系，較為客觀的擬合成本、測算定價，形成對醫保支付方式改革的重要技術支撐，并且不斷推動“建立管用高效的保支付機制”走向深入。
