DRGs在中国实践已有30年,各种版本争论良久,它们的方法论到底有何不同?
DRGs解决患者看病医保如何付钱的问题。
DRGs也解决如何评估医院管理和医生绩效的问题。
同类诊疗划分到一个分组,一个分组制定一个支付“一口价”,这就是传统DRGs的基本方法论。
实施传统DRGs的难点恰恰在于:第一,如何正确合理地分组?第二,如何制定合理的“一口价”?
因此,中国DRGs版本为数众多且长期无法统一。
大数据DRGs干脆不要分组器,当患者到医院看病,可以通过相似的患者群数据,为他自动匹配合理的治疗费用。
这个方法与网易云音乐为用户推荐音乐的方法几乎一模一样。
2019年9月10日,马云宣布退休了。
在这之前4天,网易云音乐获阿里巴巴、云锋基金等共计7亿美元融资,估值70亿美元左右。这是公开报道中马云退休前阿里巴巴最新的一笔投资。
网易云音乐的产品逻辑,是根据用户听歌产生的数据,与其他用户行为做匹配,找出行为最为相似的那群用户,然后依据这群用户的听歌记录,做定制化的推荐。
这个逻辑,与中国医保支付机制DRGs的最新一种方法论——“大数据按病种分值”异曲同工。
一个患者到医院看病,医保该为他付多少钱,才能让他获得有效而合理的医疗服务?既不会过度诊疗,也不会敷衍了事。
“大数据病种分值”的方法是依据疾病诊断、治疗操作及个人特征等数据,找到相似的患者,根据他们的平均花费,为这个患者计算治疗费用。这个方法,也被通俗地称之为大数据DRGs。
DRGs的方法论,与关乎每一个人的医保费用精细化管理息息相关。做好了,医保基金的使用效率就能得到提高,而看病贵的问题也能在一定程度上得到解决。
中国的DRGs研究始于1988年,在2018年国家医保局成立,成为当仁不让的主力推手之时,已历经30个年头。
30年中,DRGs既发源于医院自发的绩效管理,也蕴含着医保控费的实际需求;既有引进国外分组器进行本土化改造的尝试,又有自主研发分组器的实践。
伴随着大数据时代的到来,医疗大数据、机器学习等智能手段,已被利用到DRGs的改革实践中,成为一股新兴的力量。
八点健闻此前的报道《中国DRGs的前世今生:一项舶来的医保支付机制如何本土化》已从时间维度,对从中央到地方的DRGs政策与实践进行了清晰地梳理与总结。
本文尝试从方法论的角度,说明各类DRGs之间的不同之处,尤其聚焦于大数据病种分值方法论上的创新,以便溯源追本,知往开来。
DRGs——医保支付的“中庸之道”
简单理解,DRGs(Diagnosis-Related Groups)解决的是患者看病医保如何付钱的问题,要在“按项目收费”与“按人头收费”这两个极端之间,选择一条“中庸之道”。
|