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”。