居民医疗费用预测与医疗保险支付体系改革

Policymakers have reached a consensus that payment system reform is a key element in consolidating China's health care system reform. Using a large sample of individual health insurance claims data, this project aims at modeling individuals' health care spending and simulating the effects of different payment methods, in hope to provide up to date policy recommendations on China’s payment system reform. We begin by modeling residents’ health care spending with different econometric models, including Ordinary Least Square Models, General Linear Models and Two Part Models. We then explore various factors that affect health care spending, and examine whether the international diagnosis classification systems applied elsewhere could be employed by residents in China. We also study the predictability of spending for different health care services, such as outpatient and inpatient care. Based on the model results, we simulate the impacts of several alternative payment methods other than the current fee-for-service payment method, such as capitation and bundle payment. We compare the effectiveness of various methods according to the simulation results. Finally, we try to provide up to date policy recommendation on the design of optimal payment system that could be adopted in China in order to control cost and improve efficiency, based on our model prediction, simulation results, as well as international experience in payment system reform.

十八届三中全会明确指出，深化我国医药卫生体制改革的重要方向是改革医保支付方式。本课题旨在采用医疗大数据构建居民医疗费用预测模型，并通过预测结果模拟各种医疗保险支付方式的效果，提出针对我国医疗保险支付体系改革的政策建议。首先，我们构建居民医疗费用预测模型，分别检验包括普通最小二乘模型、广义线形模型和两部分模型在内的不同计量模型对我国居民医疗费用的拟合度，并分析影响居民的医疗花费的影响要素，在这一过程中同时验证国际上通用的几种疾病分类方法对我国人群的适用性。此外，我们将医疗费用细分为门诊、住院和药品费用，分别构建相应预测模型。根据以上模型预测结果为基础，我们随后模拟几种设计更加合理化、精细化的医疗保险支付方式的运行效果，并对比现行的按服务付费模型，以衡量各种支付方式的利弊。最后，我们结合模型预测和模拟的结果，以及各国的改革经验，探讨适用于我国医疗体系的支付方式，提出相应政策建议。

我国医疗卫生体制改革的长远目标是构建公平有效的医疗体系，以满足人民群众日益增长的医疗服务需求。合理化、精细化的医疗保险支付制度设计，对规范医疗机构行为有重要意义。本课题运用医疗就诊大数据，构建医疗费用预测模型。基于模型预测结果，模拟不同支付模式对医院行为的影响，提出我国支付体制改革的政策建议。..本课题的核心研究分为两部分。一是构建多个医疗费用回归模型，包括普通最小二乘、广义线性模型和两部分模型，并比较不同模型之间的预测效果。研究发现，当样本量足够大时，普通最小二乘模型的拟合度是最优的。结合该模型计算简单的特性，建议实际改革中采用该模型进行医疗花费预测。该结论具有重要的政策指导意义。医疗保险支付制度与个体居民医疗费用预测紧密相连。预测模型为医保支付提供费率计算的基础，而且操作性强，执行度高，可以被各地广泛采用。二是设计多种医疗保险支付模型，并针对门诊花费模拟各支付方式对医院收入的影响。研究发现，支付制度会对部分医院的收入有较大影响。因此，引入双边风险走廊机制有助于减少医院的收入波动。近年来，各地积极推进支付制度改革，但过程中遇到了不小阻力，其中一部分阻力来源于医疗机构。本研究提出的风险分担机制，增加了医院配合改革的积极性，有助于改革的执行和推广。同时，本研究是中国第一个运用医疗大数据从个人层面预测医疗花费的研究，具有重要的理论价值。研究成果于2018年发表于卫生经济学领域重要国际期刊Health Economics. ..同时，课题负责人还主持撰写了综述性文章介绍中国的医疗保险和支付制度。该文章作为哈佛大学教授Thomas McGuire主编的专著Risk Adjustment, Risk Sharing and Premium Regulation in Health Insurance Markets: Theory and Practice中的一章，于2018年由Elsevier出版。..除此以外，课题组还开展了一系列与支付制度改革相关的研究，包括医疗保险对医疗花费的影响、医保报销制度设计与患者就诊的影响等。目前为止，课题成果包括发表4篇SSCI文章、1篇英文专著章节、3篇中文期刊文章、1本中文专著和3篇在投的工作论文。