导读:
在drgs执行过程中,我国社保部门和医院或许可以参考美国在执行drgs过程中出现的问题。我国正在面临的,以及未来将会遇到的问题,和美国现在面临的很多问题原因相似。
全文3696字,欢迎关注!
特约专家 | 张华斌
编辑 | 给三耳加鸡腿
耶鲁大学的约翰·汤普森和罗伯特·法特提出了(疾病)诊断相关分类(drgs)概念,通过把病人分入相同临床组来评估医疗费用和质量。drgs作为一种支付手段,已经被支付者广泛用于控制整体支出。
美国医学协会杂志在今年年初的一项研究发现,虽然美国努力了几十年,美国医疗保健支出却依然持续增长,几乎是其它10个高收入国家(英国、加拿大、德国、澳大利亚、日本、瑞典、法国、荷兰、瑞士和丹麦,这些国家医保开销大约占gdp的10%-12%)的两倍。
2016年,美国医保开支猛增,几乎占到美国gdp的18%。虽然美国人医疗费率和别国同龄人相当,但是之所以支出占gdp比重高,主要是因为人口老龄化,更多老年人和残疾人申请医疗保险项目,推高了医疗保险支出,医疗保健产品和服务价格在上涨,通过奥巴马医改个人市场购买的医疗保险费用也在上涨。
没有迹象表明开支增速会减缓。美国医疗保险和医疗补助服务中心(cms)预计,未来十年医保开销将呈上涨趋势。cms还预测,2017-2026年间,医保开销平均年增速5.5%,且其占gdp的比重会由2016年的17.9%上升至2026年的19.7%。到2026年,医保开支将达到5.7万亿美元。
人们普遍认为,美国医疗支出的拐点很快会出现,美国的医疗支出将会得到控制,上涨趋势将会被遏制。然而,没有人能准确预测拐点将在何时以及如何发生。在不确定的情况下,cms、商业保险和医院都想试图走在趋势之前,获得最优的效果。drgs是cms和医院的关键工具之一,下面将分别介绍对这两个主要利益相关者的看法。
cms如何填补医保赤字漏洞
随着婴儿潮出生的老龄化人口持续加入医疗保险计划,持续到2029年底,医保参保人数将每年增长3%,其后的十年每年将会增长2.4%。目前医疗保险受益人数是5500万,到2030年将会达到8150万。当(并非假设)经济衰退推高联邦预算赤字,鉴于医保是联邦政府最大的一个项目,进一步削减医疗保险支出是板上钉钉的事。
但是,降低支付比例不能完全堵住cms面临的赤字漏洞。医疗经济咨询公司dobson,davanzo and associates发布的新报告表明,到2028年医疗支出总共将减少2182亿美元,降低费率可以减少731亿美元医疗支出。该咨询公司预计医疗保险疾病程度诊断相关组(ms-drgs)的实施会对医院支付产生重大影响,2012年到2028年间医疗支出总共将会因此降低793亿美元。此外,cms一直在积极试点捆绑支付和以价值为基础的支付方式,这减少了其余的医疗开支。
1、drgs的实施
在现行的医疗保险支付制度下,医院按照病人的诊断严重性划分的ms-drgs进行住院费用报销。cms试图制定报销费率,使得无论病人属于哪一个ms-drgs,一般的医院都可以通过提供的医疗服务获得相同的利率。然而,一些服务,如整形外科手术比其他医疗服务盈利更多,该情况表明支付报销费率仍有其不合理之处。这种不合理的支付费率刺激了医疗服务提供者增加有利可图的服务产能和病人数量,并降低最不盈利的服务病种,最终降低了医疗保险系统的总体效率。
尽管医疗保险正在向新的支付方式发展,比如责任制医疗机构和捆绑支付,但ms-drgs的支付标准依旧是这些新模式的基础。所以,目前的支付费率的错误定价仍将会促使医院倾向于可提供更高利润率的服务。
cms设定医保支付费率来反映医院治疗每个ms-drgs里病人产生的相对医疗费用,但其费用测算系统却很粗放。美国医院承担着越来越大的医疗费用控制的压力,为了应对这种局面,很多美国医院采用了更先进的内部测算系统。该系统有助于更精确估算成本,鉴别高利润率和低利润率的服务。
通过借鉴美国多家医院所采用的系统,cms可以大大提高目前用于住院医疗医保支付费率的准确性。
cms可以利用这些复杂的内部系统所产生的高度详细和准确的成本数据,大幅改善医疗保险住院治疗的支付系统。除了获得更准确的支付费率,这种方式还会使医院所使用的成本数据与cms所使用的成本数据同步,从而使医院无法利用数据优势来选择最有利可图的服务。因此,整体医保系统效率得到提升。近年来,内部成本测算系统的广泛普及,这种模式得以快速发展。
由于成本数据不能在ms-drgs层面获取,cms目前利用医疗保险覆盖的病人享受到医疗服务产生的费用,来估计治疗每个ms-drgs病人的相对成本。收费是由医院制定的,在医院所提供的服务清单的价目表上归纳合计。这些费用涉及到19个部门,这些部门的成本数据可从医疗保险成本报告中获得,如“手术室”和“实验室”。为了估算每个部门的医疗费用,cms对所有医疗服务采用统一的提价率。一个ms-drgs成本预估和19个部门医疗成本预估数额一样。
正如研究表明,目前的方法比较粗糙,部分原因是在各个部门中,价格加成实际上有很大的不同。医院较新的内部成本测量系统预计将为ms-drgs提供更准确的相对成本估算,因为这些管理系统的颗粒度更细。这些系统通常是外部供应商获得许可的,他们为医院的每个项目费用进行预估,涵盖数万项服务。许多医院对这些系统进行了大量投资,这一事实表明,医院领导相信所产生的的这些信息是很有价值的,涵盖了医疗费用评估报告的必备信息。
cms无需扩大报告要求就能使用这些系统收集的数据,但被评估的医院必须以标准格式提供成本数据。cms可以为医院提供补贴,抵消它们编纂这些数据的开销,从而鼓励医院参与进来。提高参与度的关键是要让医院相信它们的数据保密性能够得到保障。
德国有效利用了医院内部成本测算系统的数据,来测算德国使用drgs支付系统下病人住院应支付费率。德国的制度取消了让医院只对付款人提供有价值的费用报告这一要求,此举减轻了医院负担。此外,德国模式还成功促进了高质量基础设施建设发展,可以更好地衡量和管理成本。
通过利用美国许多医院所采用的系统,cms可以大幅提高目前用于住院医疗保险支付费率的准确性,进而提高诸如责任医疗组织和捆绑支付等新支付模式的准确性。建立新的支付模式,使所有ms-drgs同等盈利,并促进高质量成本测算和成本管理基础设施发展,将增加医疗服务提供者在这些新模式中为获得更广泛的激励从而作出反应的可能性。
2、捆绑支付和按人头付费模式
近年来,cms一直致力于通过关节置换模型的综合护理来改善捆绑支付服务计划(bpci),从而推广捆绑付费策略。关节置换综合护理项目就是要支付医保受益者的开销,支付费用包括了髋部或膝关节置换手术费用,及术后恢复费用。
医疗保险改善捆绑支付计划包括了医院、诊所及其他医疗服务提供方,并涵盖了医疗保险受益人自急性住院开始的阶段性照护费用。
卫生与公众服务部(hhs)引入医保项目新捆绑支付的策略,被称为阶段支付模型(episode payment models)。该支付策略旨在推动基于质量而非数量的报销补贴,降低成本。
这些捆绑支付策略将侧重于曾患有心脏病、需心脏搭桥手术或臀部及股骨骨折手术的患者。阶段支付模型自住院始,并在出院后持续90天。
在医疗服务开销方面,cms将基于历史数据设定不同医疗阶段的目标价格。目标价格也会依据治疗某种心脏病或提供搭桥手术的复杂程度调整。
然而,此模型存在一些潜在的局限性。
首先,捆绑支付策略将控制权放在设备商,而非医生手中。医生是改变医疗保健服务、提高质量和承受能力的必要组成部分。因此,捆绑支付策略需允许医生对医疗保健阶段有更多控制权,以便重新设计治疗和诊断方案。
其次,依据患者的特点、医疗的严重程度来调整捆绑支付率至关重要。来自众议院成员的信中说道,“我们担心那些患者,他们需要成本较高的复杂手术(比如髋部骨折和踝关节置换手术),或患有多种慢性病,因可能面临并发症的巨大风险或是后续医疗保健要求较高,而被医院从逻辑上认为,在提议的ccjr模式下会增加医院的风险,因此患者可能会发现,很难找到愿意接收他们的医院。”
此外,支付模型依赖ms-drgs是有问题的。使用ms-drgs来识别特定阶段是“适得其反”,因为病人接受医院治疗的时间是完全无法预测的,甚至其在患者诊断方面是不准确的。使用医疗保健阶段区间分组的方法论可能是更好的选择。但这需要真实的试点示范。
对于医疗保险支付者而言,另一种对医疗服务提供者的补贴方式则是按人头付费模式。
按人头付费是以人群健康管理为目标的。今天,许多不同的支付策略,不论是责任制医疗组织、共享储蓄计划,还是按业绩计酬合同都已按照人头付费模式被纳入付款者和医疗服务提供者之间。
通过人头付款,付款人不再遵循按服务付费的付款方式,即不再为每个已完成的服务补偿提供者。相反,共享储蓄计划可以奖励那些既降低医疗成本、又提高质量的医生。衡量质量的方式取决于医疗结果、患者满意度和临床依从性。
医疗服务提供者可以通过减少再入院次数、缩短住院时间、减少不必要的检查使用来降低平均医疗费用,以获得人头摊派带来的红利。
按人头付费有几个问题。
首先,这种模式下,医疗服务提供者管理的是人口数量层级的医疗成果,而非针对患者层级提高质量。患者更关注解决自身需求的治疗,这意味着心力衰竭患者的医疗成果与结肠癌患者的需求无关。在初级保健领域,患者的健康状态或者残疾状况有很大差异,这也是按人头付费在患者层面的失败之处。
此外,按人头付费将管理人口开销的风险转移到医疗提供者身上,医院和诊所却对该开销的控制有限。研究人员认为,付款者应当承担这种财务风险,因为比起医生办公室管理的患者人口,他们覆盖的患者人数更多、更复杂。
围绕人头付款的另一个问题则是患者的选择。人头支付系统导致网络狭窄,并常常要求患者使用机构内的医疗服务提供者,而不能去患者所属的医疗机构外的地方就诊。
张华斌:美国耶鲁大学生物统计博士、艾登科技特邀专家、医学顾问
声明:drg变量所刊载内容之知识产权为drg变量及相关权利人专属所有或持有。文中出现的采访数据均由受访者提供并确认。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。
