廣州市自2018年實施大數據DRGs，為這種複雜的新型醫保支付方式，提供了難得的示範。
按疾病分組+治療方式組合，大數據DRGs分組超過1萬種，可覆蓋9成以上病例。
由於分組融入了治療方式的因素，成本較高的診療也能被支付，醫院更能放開手腳實踐新技術。
過往醫院對於診療服務的隨意定價，被大數據精算生成的「平均價格」所約束。「暗箱操作」失去空間。
全面推廣大數據DRGs一年，廣州市2018年節約醫保費用近一成，約11個億。
上海於2019年部分試行大數據DRGs。國家醫保局也已將此納入醫保智能監控示範點。
廣東省人民醫院普外科護士長王姍（化名）沒有料到，2018年醫院實施了一整年的大數據DRGs（基於大數據的病種分值付費）後，不僅給醫保省了錢，科室團隊還拿到了獎勵。
廣州是全國最早實行大數據DRGs醫保支付的城市，時任廣東省副省長餘豔紅在上海見了大數據DRGs的發起人，回粵後不久就推動了試點。上海的課題組隨後到了廣州，對廣州市331家醫院、850多萬條出院病案首頁數據進行了分析。在此基礎上，2018年元旦，大數據DRGs在廣州全面啟動。
2019年5月，國家醫保局在全國推廣醫保智能監控示範點，大數據DRGs是醫保智能監控示範點的工作內容之一。
大數據DRGs與傳統DRGs最大的區別是不設人為的分組器。以廣州市為例，全市病例的全樣本歸類為1688個相似的疾病診斷，再與不同的治療方式組合，總計形成約12000個病種組合。在醫保總額控制的前提下，每種病種組合被給予一定的分值，每家醫院的總分值乘以費率的結果，即是每年醫保支付給醫院的費用。
廣州市自2017年初從單病種付費向傳統DRGs轉變，又在不到一年的時間迅速轉向大數據DRGs。期間曾遭到「激烈的反對」。經過一年的試點，如今改革逐漸順暢。
按治療方式定價，該多少醫保給多少
大數據DRGs的新系統上線以後，王姍的直接感受是：以前醫院醫保處每月都要發統計結果給各個科室核實，但2018年此項工作徹底消失了。
按傳統DRGs, 腫瘤項目的價格是2萬一口價，但在實際工作中很多病例都會超支，一個月下來總要超支幾十萬到上百萬。
「基本上每個月都很鬱悶，那時候系統需要人工核對每一個治療組，查清楚每個病人超了多少，節餘了多少。每個治療組都要花很大人力去完成核算。」王姍說，「2018年新系統上線以來，這項工作就再沒做過，對臨床工作是一個最大的改善。」
更重要的變化是大數據DRGs對於疾病與治療方式的支付價格更合理了。例如，按以前的醫保管理，胃腸疾病住院的均次價格約2萬，但實際上闌尾炎的花費只要9000元，而胃癌的花費高達8萬。因此，科室收了高價的病例就要去找一些低價的病例來對衝均次額度，這種方式簡單粗暴。
廣東省人民醫院副院長袁向東說，過去醫院用總額加均次這兩個指標核定支付價格，但是公立醫院不可能因為病例價格低而拒收患者，「比如做一個主動脈夾層手術，需要35萬，但均次價格是2萬6，那科室就得收很多別的病歷來平帳，因為最後是要核算到科室的。現在是按疾病難度和消耗的資源形成的分值進行醫保支付，所以35萬就是35萬。」
按不同的實際價格支付，減少了上述組內交叉互補的現象。在這種方式下，過去煩惱王姍的超支現象就消失了。在這樣的價格下，再通過加速康復等方法縮短了治療周期，就可以實現合理的結餘，一般可節約一成左右。
不過，新系統對醫生的用藥是有約束的，電腦屏幕上經常會跳出對醫保用藥限制提醒的彈框。
「經常聽到一些醫生在內部群裡叫，用藥管理比以前更嚴了。以前醫生基本上想開什麼藥都能開，現在醫生主要用基本的藥，如果有特殊需要，再走申請程序。」王姍說。但在她印象裡，雖有用藥限制，但並未出現醫生治不好病的情況。
耗材的情況也大大改善，袁向東說，2018年醫保內耗材費用下降很明顯。大數據系統上線以後，他對後臺數據管理的意識越來越強。目前公立醫院績效考核的55個指標裡，50個是量化指標，就是大數據統計的結果。
他每天都要關注數據，「醫保、醫院，二者是越來越緊密的關係，在保證質量的情況下，也要知道費用是怎麼回事。」 大數據DRGs還倒逼了醫院病案首頁的質量提升，因為改革完全基於病案首頁的數據來決定醫保支付。
推動大數據DRGs，護士長是關鍵
這是否意味著大數據DRGs依賴信息化技術即可，不需要太多人為幹預？
袁向東提及改革中的經驗，卻在意料之外：省人民醫院推動大數據DRGs的過程中，起關鍵作用的竟然是護士長。
「大部分科室裡其實都是護士長當家，大專家哪有時間，越是大牌越是如此，所以我們要把護士長的潛力發揮出來。」 在他看來，科室主任與護士長往往是「男閨蜜與女閨蜜」的關係。
王姍曾發過一篇論文，講述了她所在的科室如何做醫護一體化的合理監管用藥。在實行大數據DRGs之前的幾年，科室主任就已授權給她，如果發現不合理用藥，可直接停藥。不過，她並未太多幹涉醫囑。
2018年的試點結果出來，因在節約醫保資金的工作中表現突出，市醫保局獎勵了廣東省人民醫院等近四成的廣州市各家醫院。過去，醫院醫保處要一個個科室去宣傳，現在則是各個科室主動致電醫保處，預約溝通時間。以前病案科要求臨床科室修改病案首頁，臨床科室根本不理，現在都主動來學習。
大數據DRGs中有一個分值單價（即費率）的概念，類似於點數法，以保證醫保最後的運行結果不超過年初的總額預算，也可理解為過去的「工分」。
醫院事先不知道當年的分值單價，一年結束後，全市的總額預算除以所有醫院的總分值，才可得出分值單價的具體金額。此外，不同級別的醫院再乘以各自的權重，以及重點學科加入一定的係數，調整醫院的費用趨於更合理。2018年廣州分值單價是15元左右。
今年6月，廣州市2018年大數據DRGs運行結果公布，顯示全年新增參保人員86萬，但醫保費用增長控制在8%左右。同時就醫人次下降，人頭人次比下降，醫院住院病人總體趨勢下降，參保人員的支付費用也下降了。
全市當年醫保總額預付127億元，但一年下來醫院實際只發生了116億元，相當於大數據DRGs的實施，為廣州市醫保在2018年省了11個億。
省錢的同時，給創新留出空間
繼廣東省試點之後，2019年初上海也加入了大數據DRGs的改革試點中，先拿出新華醫院、上海市第十人民醫院等作為試點。上海申康醫院發展中心副主任高解春在不久前的一次醫院管理閉門會上說，預期兩年左右大數據DRGs就會擴大推廣範圍。
復旦大學醫院管理研究所副所長章濱雲認為，大數據DRGs的分類，不單包括疾病診斷，也包括了治療方法，這種「診斷+治療」的分類組合是改革可行的關鍵。「比如冠心病，可以裝支架也可以有別的治療方式，如果用一種價格，分類就太粗了。」
大數據DRGs的分組方式分為三步，首先是以疾病診斷相似進行歸類，總計1098個；然後，在此基礎上疊加不同的治療方式組，形成「疾病診斷歸類+治療方式」的組合，形成目前約3000組的二級目錄；最後，在二級目錄的基礎上，再對同一個診斷與不同的治療方式進行組合，最後得到了目前約14000組核心病種組合，即「三級分組」。
章濱雲表示，這樣細化的「診斷+治療」分類組合，也更容易進行醫院之間的學科比較和費用比較。「病種診斷+治療的疑難危重程度數據，可以反映不同醫院同一科室的診療水平和病種難易；同一個診斷+治療組合，不同醫院之間亦可進行費用比較。只按診斷是無法進行橫向比較的。比如，你無法比較中山醫院、仁濟醫院和瑞金醫院的冠心病（費用），但是如果說冠心病的PTCA（經皮冠狀動脈腔內血管成形術的簡稱）治療，那三個醫院就可以比出來了。」
融入了治療方式的分類組合，令大數據DRGs對診療新技術更為開放。以玻璃體視網膜手術為例，傳統DRGs的支付價格為1.19萬元一例。但按照不同的治療方式，實際價格最低有5000多元，最高達1.9萬。按傳統DRGs的一口價，醫院就會傾向於多做簡單的手術。
再以冠心病的治療為例，「相比藥物治療，PTCA治療的價格要高得多。如果只依據診斷分組來制定DRGs的一口價，對同一種診斷分組的不同治療方式都按均價支付，那麼醫院就沒有動力採用成本較高的PTCA治療。這就會阻礙新技術的應用和發展。」章濱雲說。
袁向東在實踐中體會，醫院與醫保之間的溝通是必不可少的。「我們要主動與醫保溝通，把常見病的費用控制下來的同時，也能拿一些錢去發展新的技術。」
大數據DRGs的設計者許速坦言，隨著醫療技術的發展，設備日趨先進，藥品不斷革新，總體治療質量持續上升，醫療總體費用的增長是必然的。在中國，隨著老齡化的突出以及居民消費價格指數（CPI）增長，醫療整體費用不增長更是不可能。不合理的部分，才是需要控制的地方。
但是否會出現另外一種情況，當組別細分以後，醫院又傾向於多做難度大、價格高的治療方法，使組別高靠，令簡單組別消失？
許速認為，治療中難度大、難度小並存才是一種合理的常態，不可能出現一個醫院裡只有複雜的手術。為了避免組別高靠，大數據DRGs引入了平衡指數，就是把全市全樣本的數據計算出低資源、高資源治療方法的比值，然後用這個比值再與每一家醫院低資源、高資源的比值進行比較，看其偏離程度，可在一定程度上避免組別高靠。
借用市場之手，兼顧各方利益
然而這些還只是技術的表象，大數據DRGs的思想本質已與傳統DRGs大相逕庭——它試圖通過全樣本的技術條件，在最難市場化的醫療領域引入合理的市場機制，最終解決醫療服務這樣一個不完全市場的效率難題。
例如，某位患者來醫院治療闌尾炎，這時候他的支付價格主要取決於醫生的選擇。
「醫療市場是失靈的，病人無法判斷，」許速說，「如果醫生本身的價值取向正確，那不是問題，但如果醫生有利益驅動，就會形成費用的上升。」
衛生改革最困難的地方是對於衛生成本的發現，因為對於同樣一個診斷，治療方式是不同的；而同一個診斷在不同的醫生手裡，或者面對不同年齡、不同程度的患者，治療也不相同。而大數據DRGs在全樣本環境中，實現了隨機發現衛生成本的均值。
復旦大學公共衛生學院應曉華教授對此有一番解釋：如果把出院病例看做一個產品，該產品原先的價格，取決於醫院所選擇的服務和藥品等，這意味著醫院有能力單方面改變交易價格。現在，當以平均費用或者成本作為交易價格時，醫院再不能人為改變價格，而是成為「市場價格」的接受者，這是市場機制運行的基礎條件。
「醫療衛生服務很特殊，不能完全按市場。但市場是解決效率問題的最好手段，很多市場的機制、競爭的機制應該被採納。設置單個醫院不能影響的支付價格，醫院再無法通過調整價格獲得收益，只能通過改善管理，降低成本，贏得醫院之間的成本優勢，形成成本最小化激勵，不同醫院的有效競爭才會形成。」
大數據全樣本的環境下，單個醫院雖不能左右，但是所有醫院的行為可以動態改變最終的價格，相當於發揮了市場機制的作用，這是大數據DRGs與傳統DRGs有本質區別的地方。3000個「二級目錄」是用作政府宏觀調控，但1.4萬「三級分組」則更多發揮了市場「無形之手」的作用。
許速認為，大數據並非要把醫生、醫院、患者以及醫保作為互相的對立面，而是讓各方成為整體生態的組成部分，「如何在這個經濟體裡兼顧各方利益，這是改革的一個關鍵。」
每一個疾病診斷加上治療方法，都有在大數據全樣本中的標準定位，反映它的資源消耗程度。在此基礎上，大數據DRGs分析出病例組合指數（case-mix Index，簡稱CMI）、藥品指數以及耗材指數，這些標準形成了對公立醫院產出的評價。
許速說，「我們衡量一個醫院的定位，它到底是內涵發展還是規模發展，過去我們沒有量化，現在有了大數據都知道了。」
圖片來源：視覺中國
大數據DRGs也有空子可鑽，需要加強監管
袁向東提到，目前大數據DRGs還沒有區分患者的年齡、性別等因素的影響。不過，應曉華曾有課題組，納入上海市二級醫院22萬個病例，三級醫院45萬個病例，研究年齡、性別、住院天數對於費用的影響。結果是這些因素對整體費用的影響很低，尤其是在一個大樣本、全體的病人當中。
應曉華真正擔心的是，大數據DRGs與很多傳統DRGs一樣，目前僅覆蓋住院服務甚至是部分住院服務，他認為是不夠的。這種情況下，對於醫院而言，只需要把醫保報銷範疇中住院部分做低就可獲益，因此，醫生如果把費用轉移到報銷範疇外，或者把住院費用轉移到門診當中，就能因此而獲益。
目前，能將支付做到患者端，包括了住院與門診，只有國家衛健委衛生發展研究中心推出的C-DRG，八點健聞也曾詳細記錄過它在三明實踐的效果。（詳見《敢把「DRG打包價」真實呈現給患者，全國只有三明做到了》）
無論是哪一種DRGs，分組器的本質均是產品同質化工具，核心是成本最小化激勵與效率提升。與此同時，也要特別關注醫療服務質量方面的潛在風險，保證同質化的病人和同質化的產出。
應曉華說，「DRGs的管理，一定要加強質量監管，減少醫院道德風險，如類似輕病人重診斷，推諉嚴重病人等，同時關注醫院選擇低質量低價格的服務和藥品，進而影響醫療服務質量和患者轉歸，這些都需要在政策設計中有所考慮。」
季敏華|撰稿