成都：医保数据的挖掘实践

■文／吴奎

成都：医保数据的挖掘实践

■文／吴奎

医保数据是指医保参与各方产生的数据集合，既包括医疗机构的各类医疗服务诊疗数据，也包括医保经办机构的业务数据、参保人员就医购药数据。医保数据分析挖掘就是利用现代信息技术和手段对医保数据进行有效的整理，在整理的基础上进行动态分析，并根据医保政策对医保各方的行为进行监控分析和评估，为医保制度的建立和完善提供决策支持，为医保现场稽核提供精准靶向。因此，基于医保数据的高效、精准、全面的挖掘实践意义，像成都市通过深入挖掘分析医保大数据，就实现了“助力医改、医保控费、监控预警、政策研判、辅助决策、精准监管”六个目标。

数据挖掘基础

建设8个基础数据库。包括药品（中心端172322条、医院端597434条）、诊疗项目（7724条）、医用材料（581条）、ICD－10疾病诊断编码（24214条）、医用设备（102553条）、医保医生（85103条）、定点机构基础信息（972家20254个科室）和参保人员基础信息库（1328.4万）。确保了市级统筹下医保经办管理数据的全面、完整、准确，为深度挖掘医保大数据提供了坚实的基础。

完善数据采集技术标准。依据医疗卫生和医疗保险工作相关要求，研究制定《成都市医疗保险定点医疗机构信息化建设规范》，并纳入医保协议管理，持续升级医保接口，督促定点医疗机构完善院内信息系统。在结算信息实时上传的基础上，通过医疗服务过程信息定时交换、医保业务关键信息实时同步的方式采集数据，实现数据传输的规范、完整、准确，满足医疗保险数据挖掘分析需求。

规范医保数据指标体系。为实现医保服务行为的数据挖掘分析工作，成都市医保信息服务中心在实时在线监控系统中规范医保数据指标体系，共设置指标288项,其中监控分析与审核指标60项，在线预警指标11项。通过数据指标的规范收集，开展医保“大数据分析”，为实现宏观上的基金运行监测、制度运行评估，中观上的定点医疗机构指标趋势性分析，微观上的疑点筛查稽核提供了坚实的保障。

挖掘分析内容与技术手段

简单指标分析。以总住院人次、总住院费用、医保基金申请拨付金额、次均基金申请拨付额、人次人头比、次均费用拨付、个人自付比例、住院人次人头比、手术类型构成比、药占比、检查化验占比、平均住院天数、单病种次均费用等为关键指标，按照“一分类、二比较、三排位”的思路，在每季、半年、每年对不同类型医院和不同医保支付类别情况开展数据分析。

（1）结构变动度。结构变动度是一种分析费用构成总体特征和结构变动趋势的动态数据处理方法，对2013—2015年住院医疗费用结构情况进行分析，找到影响住院费用结构变动的主要项目。

（2）描述性统计分析。宏观方面：如以今年的《参保人员住院费用结构和医用耗材研究——以骨外科患者为例》的数据分析来看，高价值医用耗材对骨外科患者医疗费用结构和个人负担影响较大。以限制性钢板为例：2015年全年骨外科参保患者全自费金额占比47%左右，而耗材费用就占了其中的17.94%；进一步分析耗材金额发现，高值耗材的占比最大，其中5000—10000元区间的就占医用耗材费用的35.63%。分析得出，骨外科患者人均医疗费用是普通疾病的4倍，同时发现医用耗材管理方面有待建立准入和动态调整机制、价格管理和谈判机制，促进医保基金的合理利用。

中观方面：如在今年的《成都市本级医院上半年住院指标情况分析》中，分析了市本级管理的25家三级医院医保基金申请拨付额对全市医保基金支出总规模的影响及各项关键指标变化情况，分析出各医院住院总人次、住院总费用、基金申请拨付额、次均基金拨付额等指标占全市总量的百分比和增长率，总结出市本级医院虹吸效应明显，呈现出住院就诊人次多、医疗总费用高、医保基金占用率大的“一多、一高、一大”的特点。

微观方面：以全市一级医院本院职工住院情况分析为例，对2015年数据分析发现，全市共139家一级医院存在本院职工住院的情况，对住院人次、住院费用进行了单独排名。其住院病种多以上呼吸道感染、颈腰椎病、胃炎等常见病、多发病为主，数据分析结合实地核查，发现存在多人多次虚假住院的情况。

指标关联分析。（1）层次分析法。探索运用层次分析法（简称AHP）是对医保实时在线监控系统的监控规则和监控指标进行深入分析，由此确定各个监控指标的权重系数，为建立医疗机构违规指数提供理论依据。

（2）线性回归数学模型。根据2009—2016年全市基本医疗保险基金收支数据，科学运用线性回归数学模型，对全市“十三五期间医保基金收支预测”“十三五期间住院人次（门诊特殊疾病）预测”“十三五期间住院费用预测”以及门特政策研究、特药运行成效、大病互助补充保险商保公司承办成效、城镇职工与城乡居民政策对比进行分析研究。

（3）多元回归分析。一是开展住院率影响因素研究。运用多元回归方程，定量分析参保患者的收入水平、次均住院费用、平均住院天数和批准床位数分别对住院率的影响，据此提出控制住院率快速上涨的意见建议，促使相关政策更好地发挥作用，力保基金合理有效的使用。

二是开展器官移植抗排斥治疗研究。依据2012—2015年参保患者门诊特殊疾病器官移植术后抗排斥医疗费用结算数据，运用多元线性回归模型，分析年份、医院级别、病人年龄及有无合并症与病人次均医疗费用之间的关系，研究发现随着年份的增加、医院级别的增高、年龄的增大，次均医疗费用呈下降趋势，而有合并症的病人次均医疗费用较无合并症的病人呈增加趋势。

大数据模型分析。目前成都市医保信息服务中心通过大数据算法完成低关联并发症、异常就医轨迹分析、同质人群就诊流向分析模型、超高费用侦测模型、超长治疗时间侦测模型和过度诊疗侦测模型等10个数学模型研究。

（1）低关联并发症。利用FPGROWTH算法找出低关联度并发症数据群，再映射到医院，从而找出可能存在违规诊断或虚假诊断的医疗机构，从而对该医疗机构的住院数据真实性进行考证。

（2）异常就医轨迹分析。利用DBSCAN聚类算法，通过挖掘参保人员的药店购药记录和医院就诊记录的轨迹（医院和药店的地理位置即经纬度坐标信息），找出其中的噪声就医点即为可能不真实的就诊和购药记录，从而挖掘出可疑人员和医疗机构。

数据挖掘的应用

截至目前，成都已形成各类监控报告50余期、动态监测专报10余期、理论研究20余篇，实现了对全市1300余万基本医疗保险参保人员、9000多家两定机构及其医保医生、21个医保经办机构（未包含简阳市）医保行为的全过程监管，并为现场稽核提供精准靶向，提升稽核的针对性和核查能力水平。

日常监管中的运用。成都在医保基金的日常监管中，对涉及举报投诉、专项检查等稽核项目，医保大数据将分析目标医疗机构一定时间段内的基金拨付数据、病员来源数据、分解住院等监控疑点数据等。对于医疗机构的日常巡查，充分利用移动稽核终端，现场调取医疗机构资金运行情况、在院医保病人情况、参保病员个人历年住院情况等。截至2016年12月，全市共计开展定点医疗机构检查3165家次，查处违规定点医疗机构1188家，其中限期整改779家、暂停医保拨付369家，中止服务协议37家，解除服务协议3家；开展定点零售药店检查共计2004家次，查处违规定点零售药店396家，其中限期整改259家、暂停医保拨付10家，中止服务协议124家，解除服务协议3家。

第三方专项审计中的运用。2016年在总结2015年第三方会计师事务所专项审计经验的基础上，对每家医疗机构各自的拨付情况进行整体排序，对拨付金额排名前两位的两个品规的药品、三种医用耗材（限价材料、检查化验、中医理疗三项中各按拨付金额排序取一项）进行重点审计。为保证医保数据提取时间尽量精确，避免出现跨期情况，数据的提取以明细发生时间为准。提取数据时，除提取审计时间段内的总体数据，一并提取重点项目的分月汇总数据，便于会计师事务所进行重点核实。

新增医院协议谈判中的运用。在国家取消两定机构行政审批以来，成都医保部门按照“自愿申请、多方评估、协商签约”的原则及“宽进严管”的思路对新增医疗机构进行协议评估，对评估合格的，鼓励与其展开协议签订谈判，谈判内容涉及支付方式、支付标准、协议床位等。在与新增医疗机构协议谈判过程中，依据其医院性质、医院级别、执业范围、医技护床比等，筛选全市同级、同类、同圈层医院相关数据与其对比，在医保支付标准、床位使用率、平均住院天数、人次人头比、医保住院病人人均医药费用、药占比、参保患者个人支出比例、大型设备检查阳性率等具体管理指标上展开协商谈判。大数据分析的运用，使医保经办机构在协议签订谈判中有理有据、数据充分、过程公正。

通过医保数据治理，2014—2016年，成都全市基本医疗保险总住院人次增速分别为4.8%、5.8%、3.9%；总住院费用增速分别为14.2%、12.0%、6.9%；基金申请拨付金额增速分别为11.8%、12.5%、5.3%；次均基金申请拨付金额增速分别为6.6%、6.4%、1.4%。以上四项重点监控指标表明，成都市医保数据治理成效显著，基本医疗保险关键指标增速明显放缓，医保基金运行正朝着更加公平更加可持续、更加成熟更加定型的方向发展。■

作者单位：成都市医保信息服务中心