打开APP

一年为广州医保节约11亿 大数据DRGs除了省钱还带来什么?

  1. 大数据

来源:八点健闻 2019-10-16 12:40

  广州市自2018年实施大数据DRGs,为这种复杂的新型医保支付方式,提供了难得的示范。按疾病分组+治疗方式组合,大数据DRGs分组超过1万种,可覆盖9成以上病例。由于分组融入了治疗方式的因素,成本较高的诊疗也能被支付,医院更能放开手脚实践新技术。过往医院对于诊疗服务的随意定价,被大数据精算生成的“平均价格”所约束。“暗箱操作”失去空间。全面推广大数据DRGs一年,广州市20

 

 

广州市自2018年实施大数据DRGs,为这种复杂的新型医保支付方式,提供了难得的示范。

按疾病分组+治疗方式组合,大数据DRGs分组超过1万种,可覆盖9成以上病例。

由于分组融入了治疗方式的因素,成本较高的诊疗也能被支付,医院更能放开手脚实践新技术。

过往医院对于诊疗服务的随意定价,被大数据精算生成的“平均价格”所约束。“暗箱操作”失去空间。

全面推广大数据DRGs一年,广州市2018年节约医保费用近一成,约11个亿。

上海于2019年部分试行大数据DRGs。国家医保局也已将此纳入医保智能监控示范点。

广东省人民医院普外科护士长王姗(化名)没有料到,2018年医院实施了一整年的大数据DRGs(基于大数据的病种分值付费)后,不仅给医保省了钱,科室团队还拿到了奖励。

广州是全国最早实行大数据DRGs医保支付的城市,时任广东省副省长余艳红在上海见了大数据DRGs的发起人,回粤后不久就推动了试点。上海的课题组随后到了广州,对广州市331家医院、850多万条出院病案首页数据进行了分析。在此基础上,2018年元旦,大数据DRGs在广州全面启动。

2019年5月,国家医保局在全国推广医保智能监控示范点,大数据DRGs是医保智能监控示范点的工作内容之一。

大数据DRGs与传统DRGs最大的区别是不设人为的分组器。以广州市为例,全市病例的全样本归类为1688个相似的疾病诊断,再与不同的治疗方式组合,总计形成约12000个病种组合。在医保总额控制的前提下,每种病种组合被给予一定的分值,每家医院的总分值乘以费率的结果,即是每年医保支付给医院的费用。

广州市自2017年初从单病种付费向传统DRGs转变,又在不到一年的时间迅速转向大数据DRGs。期间曾遭到“激烈的反对”。经过一年的试点,如今改革逐渐顺畅。

按治疗方式定价,该多少医保给多少

大数据DRGs的新系统上线以后,王姗的直接感受是:以前医院医保处每月都要发统计结果给各个科室核实,但2018年此项工作彻底消失了。

按传统DRGs, 肿瘤项目的价格是2万一口价,但在实际工作中很多病例都会超支,一个月下来总要超支几十万到上百万。

“基本上每个月都很郁闷,那时候系统需要人工核对每一个治疗组,查清楚每个病人超了多少,节余了多少。每个治疗组都要花很大人力去完成核算。”王姗说,“2018年新系统上线以来,这项工作就再没做过,对临床工作是一个最大的改善。”

更重要的变化是大数据DRGs对于疾病与治疗方式的支付价格更合理了。例如,按以前的医保管理,胃肠疾病住院的均次价格约2万,但实际上阑尾炎的花费只要9000元,而胃癌的花费高达8万。因此,科室收了高价的病例就要去找一些低价的病例来对冲均次额度,这种方式简单粗暴。

广东省人民医院副院长袁向东说,过去医院用总额加均次这两个指标核定支付价格,但是公立医院不可能因为病例价格低而拒收患者,“比如做一个主动脉夹层手术,需要35万,但均次价格是2万6,那科室就得收很多别的病历来平帐,因为最后是要核算到科室的。现在是按疾病难度和消耗的资源形成的分值进行医保支付,所以35万就是35万。”

按不同的实际价格支付,减少了上述组内交叉互补的现象。在这种方式下,过去烦恼王姗的超支现象就消失了。在这样的价格下,再通过加速康复等方法缩短了治疗周期,就可以实现合理的结余,一般可节约一成左右。

不过,新系统对医生的用药是有约束的,电脑屏幕上经常会跳出对医保用药限制提醒的弹框。

“经常听到一些医生在内部群里叫,用药管理比以前更严了。以前医生基本上想开什么药都能开,现在医生主要用基本的药,如果有特殊需要,再走申请程序。”王姗说。但在她印象里,虽有用药限制,但并未出现医生治不好病的情况。

耗材的情况也大大改善,袁向东说,2018年医保内耗材费用下降很明显。大数据系统上线以后,他对后台数据管理的意识越来越强。目前公立医院绩效考核的55个指标里,50个是量化指标,就是大数据统计的结果。

他每天都要关注数据,“医保、医院,二者是越来越紧密的关系,在保证质量的情况下,也要知道费用是怎么回事。” 大数据DRGs还倒逼了医院病案首页的质量提升,因为改革完全基于病案首页的数据来决定医保支付。

推动大数据DRGs,护士长是关键

这是否意味着大数据DRGs依赖信息化技术即可,不需要太多人为干预?

袁向东提及改革中的经验,却在意料之外:省人民医院推动大数据DRGs的过程中,起关键作用的竟然是护士长。

“大部分科室里其实都是护士长当家,大专家哪有时间,越是大牌越是如此,所以我们要把护士长的潜力发挥出来。” 在他看来,科室主任与护士长往往是“男闺蜜与女闺蜜”的关系。

王姗曾发过一篇论文,讲述了她所在的科室如何做医护一体化的合理监管用药。在实行大数据DRGs之前的几年,科室主任就已授权给她,如果发现不合理用药,可直接停药。不过,她并未太多干涉医嘱。

2018年的试点结果出来,因在节约医保资金的工作中表现突出,市医保局奖励了广东省人民医院等近四成的广州市各家医院。过去,医院医保处要一个个科室去宣传,现在则是各个科室主动致电医保处,预约沟通时间。以前病案科要求临床科室修改病案首页,临床科室根本不理,现在都主动来学习。

大数据DRGs中有一个分值单价(即费率)的概念,类似于点数法,以保证医保最后的运行结果不超过年初的总额预算,也可理解为过去的“工分”。

医院事先不知道当年的分值单价,一年结束后,全市的总额预算除以所有医院的总分值,才可得出分值单价的具体金额。此外,不同级别的医院再乘以各自的权重,以及重点学科加入一定的系数,调整医院的费用趋于更合理。2018年广州分值单价是15元左右。

今年6月,广州市2018年大数据DRGs运行结果公布,显示全年新增参保人员86万,但医保费用增长控制在8%左右。同时就医人次下降,人头人次比下降,医院住院病人总体趋势下降,参保人员的支付费用也下降了。

全市当年医保总额预付127亿元,但一年下来医院实际只发生了116亿元,相当于大数据DRGs的实施,为广州市医保在2018年省了11个亿。

省钱的同时,给创新留出空间

继广东省试点之后,2019年初上海也加入了大数据DRGs的改革试点中,先拿出新华医院、上海市第十人民医院等作为试点。上海申康医院发展中心副主任高解春在不久前的一次医院管理闭门会上说,预期两年左右大数据DRGs就会扩大推广范围。

复旦大学医院管理研究所副所长章滨云认为,大数据DRGs的分类,不单包括疾病诊断,也包括了治疗方法,这种“诊断+治疗”的分类组合是改革可行的关键。“比如冠心病,可以装支架也可以有别的治疗方式,如果用一种价格,分类就太粗了。”

大数据DRGs的分组方式分为三步,首先是以疾病诊断相似进行归类,总计1098个;然后,在此基础上叠加不同的治疗方式组,形成“疾病诊断归类+治疗方式”的组合,形成目前约3000组的二级目录;最后,在二级目录的基础上,再对同一个诊断与不同的治疗方式进行组合,最后得到了目前约14000组核心病种组合,即“三级分组”。

章滨云表示,这样细化的“诊断+治疗”分类组合,也更容易进行医院之间的学科比较和费用比较。“病种诊断+治疗的疑难危重程度数据,可以反映不同医院同一科室的诊疗水平和病种难易;同一个诊断+治疗组合,不同医院之间亦可进行费用比较。只按诊断是无法进行横向比较的。比如,你无法比较中山医院、仁济医院和瑞金医院的冠心病(费用),但是如果说冠心病的PTCA(经皮冠状动脉腔内血管成形术的简称)治疗,那三个医院就可以比出来了。”

融入了治疗方式的分类组合,令大数据DRGs对诊疗新技术更为开放。以玻璃体视网膜手术为例,传统DRGs的支付价格为1.19万元一例。但按照不同的治疗方式,实际价格最低有5000多元,最高达1.9万。按传统DRGs的一口价,医院就会倾向于多做简单的手术。

再以冠心病的治疗为例,“相比药物治疗,PTCA治疗的价格要高得多。如果只依据诊断分组来制定DRGs的一口价,对同一种诊断分组的不同治疗方式都按均价支付,那么医院就没有动力采用成本较高的PTCA治疗。这就会阻碍新技术的应用和发展。”章滨云说。

袁向东在实践中体会,医院与医保之间的沟通是必不可少的。“我们要主动与医保沟通,把常见病的费用控制下来的同时,也能拿一些钱去发展新的技术。”

大数据DRGs的设计者许速坦言,随着医疗技术的发展,设备日趋先进,药品不断革新,总体治疗质量持续上升,医疗总体费用的增长是必然的。在中国,随着老龄化的突出以及居民消费价格指数(CPI)增长,医疗整体费用不增长更是不可能。不合理的部分,才是需要控制的地方。

但是否会出现另外一种情况,当组别细分以后,医院又倾向于多做难度大、价格高的治疗方法,使组别高靠,令简单组别消失?

许速认为,治疗中难度大、难度小并存才是一种合理的常态,不可能出现一个医院里只有复杂的手术。为了避免组别高靠,大数据DRGs引入了平衡指数,就是把全市全样本的数据计算出低资源、高资源治疗方法的比值,然后用这个比值再与每一家医院低资源、高资源的比值进行比较,看其偏离程度,可在一定程度上避免组别高靠。

借用市场之手,兼顾各方利益

八点健闻曾刊发《马云退休前阿里一笔新投资,与医保支付新机制异曲同工》一文,对大数据DRGs的技术情况作过详细介绍。从技术上而言,它与传统DRGs的最大区别是不设分组器,通过一个区域的全样本数据依据“诊断+治疗方法”进行同质化归纳和精细化分类。它随大数据技术成熟而来,是时代的产物。

然而这些还只是技术的表象,大数据DRGs的思想本质已与传统DRGs大相径庭——它试图通过全样本的技术条件,在最难市场化的医疗领域引入合理的市场机制,最终解决医疗服务这样一个不完全市场的效率难题。

例如,某位患者来医院治疗阑尾炎,这时候他的支付价格主要取决于医生的选择。

“医疗市场是失灵的,病人无法判断,”许速说,“如果医生本身的价值取向正确,那不是问题,但如果医生有利益驱动,就会形成费用的上升。”

卫生改革最困难的地方是对于卫生成本的发现,因为对于同样一个诊断,治疗方式是不同的;而同一个诊断在不同的医生手里,或者面对不同年龄、不同程度的患者,治疗也不相同。而大数据DRGs在全样本环境中,实现了随机发现卫生成本的均值。

复旦大学公共卫生学院应晓华教授对此有一番解释:如果把出院病例看做一个产品,该产品原先的价格,取决于医院所选择的服务和药品等,这意味着医院有能力单方面改变交易价格。现在,当以平均费用或者成本作为交易价格时,医院再不能人为改变价格,而是成为“市场价格”的接受者,这是市场机制运行的基础条件。

“医疗卫生服务很特殊,不能完全按市场。但市场是解决效率问题的最好手段,很多市场的机制、竞争的机制应该被采纳。设置单个医院不能影响的支付价格,医院再无法通过调整价格获得收益,只能通过改善管理,降低成本,赢得医院之间的成本优势,形成成本最小化激励,不同医院的有效竞争才会形成。”

大数据全样本的环境下,单个医院虽不能左右,但是所有医院的行为可以动态改变最终的价格,相当于发挥了市场机制的作用,这是大数据DRGs与传统DRGs有本质区别的地方。3000个“二级目录”是用作政府宏观调控,但1.4万“三级分组”则更多发挥了市场“无形之手”的作用。

许速认为,大数据并非要把医生、医院、患者以及医保作为互相的对立面,而是让各方成为整体生态的组成部分,“如何在这个经济体里兼顾各方利益,这是改革的一个关键。”

每一个疾病诊断加上治疗方法,都有在大数据全样本中的标准定位,反映它的资源消耗程度。在此基础上,大数据DRGs分析出病例组合指数(case-mix Index,简称CMI)、药品指数以及耗材指数,这些标准形成了对公立医院产出的评价。

许速说,“我们衡量一个医院的定位,它到底是内涵发展还是规模发展,过去我们没有量化,现在有了大数据都知道了。”

大数据DRGs也有空子可钻,需要加强监管

袁向东提到,目前大数据DRGs还没有区分患者的年龄、性别等因素的影响。不过,应晓华曾有课题组,纳入上海市二级医院22万个病例,三级医院45万个病例,研究年龄、性别、住院天数对于费用的影响。结果是这些因素对整体费用的影响很低,尤其是在一个大样本、全体的病人当中。

应晓华真正担心的是,大数据DRGs与很多传统DRGs一样,目前仅覆盖住院服务甚至是部分住院服务,他认为是不够的。这种情况下,对于医院而言,只需要把医保报销范畴中住院部分做低就可获益,因此,医生如果把费用转移到报销范畴外,或者把住院费用转移到门诊当中,就能因此而获益。

目前,能将支付做到患者端,包括了住院与门诊,只有国家卫健委卫生发展研究中心推出的C-DRG,八点健闻也曾详细记录过它在三明实践的效果。

无论是哪一种DRGs,分组器的本质均是产品同质化工具,核心是成本最小化激励与效率提升。与此同时,也要特别关注医疗服务质量方面的潜在风险,保证同质化的病人和同质化的产出。

应晓华说,“DRGs的管理,一定要加强质量监管,减少医院道德风险,如类似轻病人重诊断,推诿严重病人等,同时关注医院选择低质量低价格的服务和药品,进而影响医疗服务质量和患者转归,这些都需要在政策设计中有所考虑。”(生物谷Bioon.com)

 

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->