成都|“最强大脑” 为医保决策监管当参谋

2018-09-12 12:21:50来源:中国劳动保障报 作者:陈治文 吴奎

分享至手机

原标题:“最强大脑” 为医保决策监管当参谋———成都市医保大数据挖掘分析纪实

四川省成都市医疗保险信息服务中心成立于2013年, 被称为成都市医保监控分析的 “最强大脑”。自成立以来, 该中心通过运用大数据、 云计算等先进信息技术, 深入挖掘分析医保大数据, 为医保决策监管当好参谋。

今年以来, 成都市医保信息中心重点开展了一系列针对大数据的筛查工作, 根据数据挖掘发现的疑点下发了一批专项稽核任务。 任务总计88个, 内容包括住院真实性、药品和诊疗项目的医保编码对码错误、 参保患者刷卡异常和医疗机构床位使用率异常等问题, 涉及20个区 (市) 县。 截至第二季度末,中心已收到83个稽核结果反馈,其中查实76个, 涉及两定机构违规行为、 医保经办人员操作不当、参保人重复参保等问题, 稽核任务准确率超过90%。 “这些成果都得益于我们这些年来对医保大数据的持续深入挖掘。” 成都市医保信息中心主任秦佳佳说。

把控宏观———全面评估医保政策运行情况

医保政策是否合理? 参保人实际个人负担是否有效减轻? 医保基金是否可持续? 这些问题看似简单, 却远不是列举几个简单指标数据就能说清的。

“宏观评价医保政策和医保基金的运行情况是一项系统性的工作,需要用长远性、 整体性的眼光来衡量, 任何单一的指标都是片面的。 以前, 我们的数据信息基础不够完善, 相应的专业人才、 分析工具、 方法也比较欠缺, 完成此类工作耗时耗力, 难保科学客观。 现在,我们以海量数据作支撑, 通过大数据深入挖掘指标关联性, 能精准地对医保整体的运行情况作出科学全面的评估。” 成都市医保信息中心综合调研科科长刘一彬介绍道。

“利用先进信息技术, 我们唤醒了海量长期沉睡的数据, 充分发挥它们潜藏的巨大能量。” 刘一彬说, “针对不同的问题我们引入不同的专业分析方法, 比如利用线性回归开展住院医保基金预测分析,运用层次分析法、 秩和比法开展全市医保基金风险指数评估, 运用因子分析法评价医保政策运行情况。”

“比如我们在用因子分析法评价城镇职工基本医疗保险治理成效的时候, 统计了包括成都市21个区 (市) 县连续近7年的医保结算数据、 社保参保数据、 经济人口数据, 从社会公平性、 基金稳定性与可持续性、 医保基金支付效率、 费用公平性四方面共选取12个指标,初步建立评估指标体系, 再经过专业计算得出每个区 (市) 县的得分, 最后汇总才得到成都全市各年度各项总得分。” 刘一彬解释说,“比较每年各项得分, 我们就能清楚地看到今年哪些方面做得好, 哪些地方不如往年, 应该如何有针对性地加强。”

据介绍, 如今成都市医保信息中心宏观分析的重点已经转向当前医改的热点问题, 比如按病种付费、 人口老龄化、 退休人员医保费用支出结构、 医养结合的大数据分析等。

谋略中观———实时监控医疗机构医疗行为

今年年初, 安徽中医药大学第三附属医院骗保事件曝光后, 引起广泛关注, 央视新闻在直播中发问: “医保, 怎样才能骗不了?”成都市的做法或许可以为其他城市所借鉴。 该市通过开发实时在线监控系统、 开展警示教育培训等措施,有效遏制了骗保行为。

前不久的一天, 在一间宽敞明亮、 科技感十足的大厅, 约50人坐在一块近30平方米的电子屏幕前, 神情严肃地盯着大屏幕上不停跳动的数据和平滑的曲线。“我们的医保监控分析指标体系总共有518项指标, 现在大家在大屏上看到的是重点实时监控的10余项……” 一旁解说席上, 成都市医保信息中心网络监控科科长郑闫军为大家解说。

这是成都市医保局和医保信息中心联合开展的三级公立医院警示教育培训的现场画面,26家三级公立医院的院长、 副院长齐聚一堂,听取医保实时在线监控系统的设计理念、 业务逻辑、 运作模式和功能模块介绍。 事实上, 此类场景已经不止一次出现了,2017年成都市已有22个区 (市)县的784家定点医疗机构主动参加警示教育培训, 累计达2000余人次。

“我们的实时在线监控系统充分利用现有的指标集, 通过规则设置对定点医疗机构的各项重点指标进行实时在线预警, 同时按照大数据分析方法查找离散数据, 对全市同级同类医院的住院、 门诊特殊疾病核心指标进行纵横对比, 同时还能通过设置不同指标权重, 对所有医疗机构的各类违规行为量化评分, 锁定违规嫌疑最大的医院。”郑闫军介绍道。

据统计,2017年成都市医保经办机构利用在线监控系统对全市10683家两定机构进行监控分析和疑点筛查,最终生成核查任务8386个,涉及医院3768家次、 药店4618家次,合计查实并追回违规金额402.27万元,拒付费用156.03万元。

精描微观———通过大数据为参保人画像

“针对虚假住院等违规行为,我们以医疗机构和参保人的关联性为抓手, 在系统发现指标异常的医疗机构的基础上, 关联到其住院病人的就诊轨迹流向, 这样就能够精准地发现疑点。”郑闫军说。

据介绍, 基于海量医保数据,成都市医保信息中心精准提炼挂床住院、 重复诊疗、 分解住院等违规行为数据特征, 运用云计算及机器学习技术建立了低关联并发症、 超高费用侦测、 同质人群就诊流向、超长治疗时间侦测和过度诊疗等10个大数据模型。 大数据模型的建立, 能为稽核监督部门发现和查找虚假住院等违规行为指明方向, 如通过同质人群就诊流向分析模型可发现部分医院存在疑似虚假住院的问题。

“大数据分析模型的建立,能帮我们实现从传统的个案监督到大数据监督、 个体监督到群体监督的转变。” 郑闫军解释说, “我们的异常就医轨迹模型, 能对每个参保人长期以来的就诊轨迹进行跟踪记录。 多大年龄、 在哪里参保、 生过什么病、 在哪家药店买过药、 在哪里住过院都在监控地图上显示得清清楚楚。 看到一个人的轨迹, 就好像看到了这个人的健康画像。 一旦参保人诊疗行为长期严重偏离正常轨迹, 他就会作为离散数据被纳入我们重点跟踪监控名单。”

近期, 成都市医保信息中心开展参保人门诊特殊疾病真实性筛查, 发现3例疑似门诊特殊疾病重复报销数据, 据此下发专项稽核任务。 经现场稽核, 这3名参保人确实存在在医院报销后又前往医保经办机构手工重复报销的行为, 稽核反映情况全部属实, 查实率为100%。

【编辑】易巧君
特别声明:

凡本网注明“来源:中人社传媒”的所有作品,版权均属于中人社传媒,未经授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权应用作品的,应在授权范畴内使用,并注明“来源:中人社传媒”。违者本网将依法追究责任。

即时新闻