北京市医疗保险数据应用的实践与探索

任玮韬

（北京市医疗保险事务管理中心 北京 100050）

北京市基本医疗保险自2001年启动以来，参保人数由启动初期的城镇职工参保人员的210余万人增长到2017年底城镇职工、城乡居民参保人员近1600万人，医疗保险医疗费用支出从2001年的25亿元增长到2017年的910余亿元。随着信息化建设的逐步完善，医疗保险医疗费用管理也从原来的只有住院费用电子数据上传，门诊费用手工审核录入发展为全部医疗保险医疗费用电子数据上传，从而实现医保数据全面信息化管理。

随着信息技术在医疗保险领域的广泛应用，医保数据呈现爆炸式增长，产生了丰富的大数据资源。如何利用数据发掘信息，提高医保经办管理工作效率，为管理决策提供支持，最大限度提升医保基金使用效率，促进和改善民生，成为当下的一个研究重点。北京市医疗资源丰富，医保结算业务量巨大，通过加强信息化和数据标准化建设，北京市医保经办管理机构不断扩大医保数据在管理中的应用，进行了有效的初步探索与实践。

1 北京市医保数据基本情况

1.1 数据组成

1.1.1 持卡结算业务数据。自北京市全面实施持社保卡就医结算起，所有定点医疗机构须使用医生工作站服务参保人员。无论门诊还是住院，医保持卡结算费用数据均须准确、及时地汇集到医保数据库中。在采集费用数据的基础上，额外采集住院病案首页数据，并与卫生计生部门共同推进住院病案首页标准化，保证病案信息采集准确，为按病种分组（DRGs）付费打下基础。

1.1.2 手工报销业务数据。参保人员因特殊情况未在定点医疗机构持卡结算但符合报销政策的费用，可手工报销。参保人员就诊的分类金额数据通过企业上报电子数据或手工录入等方式汇集到医保数据库。此部分数据占数据总规模的3%。

1.1.3 异地实时结算业务数据。随着异地实时结算业务的开展，北京市在外省就医参保人员及外省来北京市就医参保人员的医疗费用数据均可通过人社部平台、就医省平台传入北京医保数据库。

1.2 数据采集时效

门急诊持卡结算业务数据、手工报销业务数据均采用实时上传机制，一般在10分钟之内就可以上传到医保数据库；住院及门诊特殊病持卡结算业务数据、异地结算业务数据在定点医疗机构工作人员确认后，采用非实时手工上传或每天夜间自动上传的方式传送到医保数据库。

1.3 数据规模

从2001年北京市医保信息系统投入运行后，随着医保业务的不断发展，参保人群的不断扩大，医保信息系统数据量也增长迅猛。截至2017年底，医保数据库中累计门诊费用数据超17亿笔；住院类费用数据超1900万笔。门诊日交易量最高可达150万笔，住院类日交易量最高可达1.1万笔。门诊年交易量达1.2亿人次约3亿笔交易；住院类年交易量达200万人次约250万笔。

2 数据应用

2.1 日常监控

2.1.1 对定点医疗机构费用监控。建立两大类21项系统自动审核规则，对定点医疗机构上传的交易数据进行智能辅助审核，将违规费用自动拒付，对不合理费用添加可疑标识，提示经办机构审核人员进行重点审核；自动完成医保费用基础数据汇总、统计，形成定点医疗机构费用情况、服务利用情况、指标使用情况等月报、季报和年报表，对超指标情况较重的定点医疗机构进行提示。

2.1.2 对参保人员行为监控。建立个人就医信息监控预警，设置就医频次、费用累计、就医行为判断等多项监控指标，发现存在疑似团伙开药、超量开药、超常规就诊等异常行为的，及时提示医保经办管理人员进行调查。对确认存在违规行为的参保人员自动监控所有费用数据，并采取警告提醒，追回违规费用，甚至暂停社保卡实时结算功能等措施，帮助规范参保人员就诊行为。

2.1.3 药品使用监控。对定点医疗机构药品使用金额、数量、增长率等指标进行按月监测。根据监测指标排名锁定重点关注药品及医疗机构。对于费用及增长率明显高于同级同类的定点医疗机构，发放告知书，组织召开专题会议，督促定点医疗机构开展自查和整改工作。针对整改效果不明显的定点医疗机构，采取处方点评、病历分析、专项检查等措施继续跟进。

2.1.4 诊疗项目监控。重点分析增长快、用量大、费用高的诊疗项目，开展专项调研、检查。对于医药分开综合改革中调整比较大的诊疗项目，建立专项监测指标，重点关注使用量及申报费用的变化情况，发现问题及时处理。

2.2 医药分开综合改革

北京市医药分开综合改革正式实施后，对定点医疗机构医保费用数据进行每日、每周、每月监测，形成百余份监测报告，为深化改革提供科学参考。同时，对改革前后参保人员就医频次及费用变化、医保基金支出变化、定点医疗机构医疗行为变化等数据进行分析，特别是针对改革后可能出现的医疗机构不合理的诊疗行为，如因住院床位费、护理费上涨后出现的将不符合入院标准的参保人员收住院治疗的情况、针灸按摩人次异常增长的情况等，进行重点监控。

2.3 付费方式改革

为深化付费方式改革，提高总额指标分配的准确性、合理性，北京市医保经办管理机构利用大量数据手段开展付费管理工作的科学测算，包括：

2.3.1 总额预付工作中基数的确定。以上一年度各定点医疗机构总额预付或总量控制指标额度内基金申报额为基础，扣除不合理费用后，门诊和住院分别确定。门诊按照就诊人员的年龄结构，以次均费用、人次人头比、药占比、耗材占比、自费比和拒付率为评价参数进行核定。住院探索以按病种分组为技术支撑的费用效率评价指标，考虑疾病复杂程度对费用的影响，以次均费用、人次人头比、药占比、耗材占比、自费比、病例组合指数和拒付率为评价参数进行核定。

2.3.2 基金增幅的确定。根据本年度城镇职工基本医疗保险基金支出预算、上一年度定点医疗机构总额指标及费用发生情况，按照定点医疗机构级别、类型等因素确定增幅。为促进分级诊疗制度的落实，门诊增幅向二级及以下定点医疗机构倾斜，住院增幅向三级定点医疗机构倾斜。

2.3.3 核增额的确定。定点医疗机构超支或结余部分，分段按比例累加计算，门诊和住院分别进行质量核定后确定。

3 应用成果

3.1 确保基金收支平衡，可持续

通过将大数据手段运用于付费管理，医保基金使用效率显著提高，费用不合理增长得到有效控制，医保基金累计结余连年增加，已达7.6个月平均支付水平，处于国家规定的6-9个月平均支付水平[1]的合理区间，实现了“基金收支平衡，略有结余”的总体目标，提升了医保基金的可持续运行能力。

3.2 精准定位，提升监管效率

通过大数据监控精准定位疑似违规行为，三年来共调查处理存在严重问题的定点医疗机构70家，对31000余名参保人员进行违规处理，其中对26721人进行警告，对818人进行停锁卡处理，切实保障了医保基金安全。

3.3 支持医改，精准减负

医药分开综合改革开展一年来，医保基金共增加专项支出22.8亿元，减少个人负担近6000万元。为减轻参保人员负担，充分利用大数据手段监测医改前后相关数据变化情况，及时调整支付政策，特别是针对重大疾病、精神病患者的支付政策，医保基金为此增加支出近3000万元，降低个人负担近54%。

4 思考

4.1 数据标准化建设是大数据应用和发展的重要基础

对大数据进行有效分析的前提是必须要保证数据的质量，专业的数据分析工具只有在高质量的大数据环境中才能提取出隐含的、准确的、有用的信息。因此数据质量在大数据环境下显得尤其重要[2]。北京市医保大数据的初步应用得益于采集数据的高质量。北京市医保经办管理机构从2009年起对定点医疗机构上传的数据质量提出明确要求，对涉及药品及诊疗项目使用、诊断信息、就诊信息等关键字段的重要信息进行规范，通过反馈数据质量监控周报，督促定点医疗机构加强管理，直至全市定点医疗机构上传数据质量稳定后，将包含不合格数据的交易自动拒付，保障了采集数据的可用性。但是，目前门急诊诊断、中草药饮片尚未形成统一的国家或行业数据标准，为数据质量管理工作带来了一定的困难。为进一步提高医保数据质量，北京市医保经办管理机构已经着手设计建立符合经办管理需要的中草药饮片数据库，并启动了门急诊诊断标准化的研究。这些数据标准化的建立，将为医保大数据应用的不断发展提供基本保障。

4.2 多数据来源实现大数据联动是提升应用智能化的有效手段

目前北京市医保大数据的应用主要基于医保医疗费用数据及部分诊断、病案数据，数据来源相对单一，且尚未运用机器学习、神经网络算法等先进技术，大数据应用的智能化水平还有待进一步提高。随着医保信息化建设工作的不断推进，在软硬件性能能够充分支撑的基础上，逐步将生物信息、检查检验等数据纳入医疗保险数据库作为审核的辅助数据，利用机器学习、神经网络算法等技术实现并完善AI辅助智能审核。同时，通过大数据平台与公安、民政、公共卫生等部门进行大数据联动，提高使用非本人社保卡就医、黄牛倒号、药贩子倒药等违法违规行为的大数据智能甄别精度，有效提高大数据应用的智能化水平。

4.3 大数据健康管理是新的发展方向

建立在相关关系分析法基础上的预测是大数据的核心，通过一个关联物并实施监控，我们就能预测未来[3]。大数据技术的可预测性，为医疗保险医疗费用控制及管理提供了新的思路和可能。可以预见，随着大数据技术的发展，医保大数据应用服务在做好医保医疗费用报销监管及定点医疗机构付费管理的同时，向参保人员健康管理前移，符合“实施健康中国战略”的新发展方向，即利用大数据手段及时向参保人员发出健康风险提示，干预健康风险行为，给予个性化医疗卫生指导及就医便利，从而帮助预防控制疾病发生，降低疾病致残率，减缓慢性病发展，可以有效地减少医保基金支出，把有限的医保资金真正用到需要的地方。

[1]人力资源社会保障部.关于进一步加强基本医疗保险基金管理的指导意见（人社部发〔2009〕67号）[Z].2009.

[2]宗威,吴锋.大数据时代下数据质量的挑战[J].西安交通大学学报(社会科学版),2013,33(05):38-43.

[3]维克托·迈尔-舍恩伯格，肯尼思·库克耶,著；盛杨燕，周涛,译.大数据时代[M].浙江：浙江人民出版社，2013.