典型地区医保基金智能监管经验做法及借鉴Experience,PracticeandReferenceofIntelligentSupervisionofMedicalInsuranceFundsinTypicalRegions

典型地区医保基金智能监管经验做法及借鉴

殷立昇*,马明丽,邢建亮,王洛钊,刘雅鲁

山东第一医科大学(山东省医学科学院)医疗保障学院(山东省医疗保障研究院),山东济南

收稿日期:2023年10月30日;录用日期:2023年11月15日;发布日期:2023年12月19日

摘要

近年来,随着全面建成小康社会的步伐加快,人们对高质量的医疗保障水平的需求日益增强,这同时对医保治理提出了严峻挑战。国家医保局自2018年成立以来,一直是把加强医保基金监管作为首要攻坚任务。2019年启动的“两试点一示范”在智能监管工作取得了显著进展。本文通过梳理成都,南京,厦门等典型地区的主要做法,总结医保基金智能监管工作的经验,为加快构建系统完善的智能监管体系提供参考借鉴,助力新阶段医保基金智能监管高质量发展。

关键词

医保基金,智能监管,经验借鉴

Experience,PracticeandReferenceofIntelligentSupervisionofMedicalInsuranceFundsinTypicalRegions

LishengYin*,MingliMa,JianliangXing,LuozhaoWang,YaluLiu

SchoolofMedicalSecurity(ShandongAcademyofMedicalSecurity),ShandongFirstMedicalUniversity(ShandongAcademyofMedicalSciences),JinanShandong

Received:Oct.30th,2023;accepted:Nov.15th,2023;published:Dec.19th,2023

ABSTRACT

Inrecentyears,withtheacceleratedpaceofbuildingamoderatelyprosperoussocietyinallrespects,people’sdemandforhigh-qualitymedicalsecurityhasbeenincreasing,whichhasposedseriouschallengestomedicalinsurancegovernance.Sinceitsestablishmentin2018,theNationalMedicalInsuranceAdministrationhasalwaysmadestrengtheningthesupervisionofmedicalinsurancefundsatoppriority.The“twopilotprojectsandonedemonstration”launchedin2019hasmadesignificantprogressinintelligentsupervisionwork.ThisarticlesummarizestheexperienceofintelligentsupervisionofmedicalinsurancefundsbyreviewingthemainpracticesintypicalregionssuchasChengdu,Nanjing,Xiamen,etc.,providingreferenceforacceleratingtheconstructionofacomprehensiveintelligentsupervisionsystemandassistinginthehigh-qualitydevelopmentofintelligentsupervisionofmedicalinsurancefundsinthenewstage.

Keywords:MedicalInsuranceFund,IntelligentSupervision,ExperienceandLessons

ThisworkislicensedundertheCreativeCommonsAttributionInternationalLicense(CCBY4.0).

1.引言

医保基金是人民群众的“看病钱”,关乎亿万百姓的健康福祉。其重要性体现在保障人民群众基本医疗需求、维护社会公平、促进医疗资源优化配置以及稳定经济社会发展等方面。然而,医保基金在使用过程中存在一定的风险,如欺诈骗保等问题。因此,加强医保基金监管显得尤为必要。医保基金监管是保障医保制度健康运行的核心环节,它有助于提高基金使用效率、防范欺诈骗保、提升监管水平、优化医疗服务和保障基金安全。近年来,我国医保基金监管面临着欺诈、滥用等突出问题,严重影响医保制度的公平性和可持续性。为解决这些问题,部分地区积极开展医保基金智能监管实践,通过运用大数据、人工智能等先进技术,实现对医保基金全流程的实时监控,取得了显著成效。本文从典型地区医保基金智能监管的经验做法入手,为全国范围内医保基金监管提供借鉴。

2.典型地区医保基金智能监管的主要经验做法

2.1.成都市经验做法

2007年成都市被确定为城乡居民医疗保险一体化试点城市,2009年实现基本医疗保险市级统筹,2019年成为国家医保智能监控示范点。作为全国统筹城乡综合配套改革试验区,成都市医保监管同时面临着“一多一少”“一高一低”“一快一慢”三大矛盾,即监管对象多而管理人员少、社会期望高而管理能力低、骗保方式升级快而监管能力提升慢[1]。为破解这三大矛盾,成都遵循智慧监管思路,以信息化建设为抓手,逐步形成了具备智能监控预警、重点筛查、多维度分析、移动稽核四大主要功能的“大数据+医保监管”智慧体系。

2.1.1.建立多元医保监管机制

纵向层面上成都市推行市级统筹层级治理。医疗机构的级别和属地关联起来进行结算医疗费用,同时将部分经办业务下沉到医疗机构办理,市级医保经办机构把控大体方向,区县医保经办机构进行具体执行。同时省、市医保局联合推行医保监管,实现医保监管双向委托、处理结果互认和同步执行。在横向层面,成都市积极探索第三方参与下的共同监管机制,通过招标引入第三方商业保险公司合作开展城乡大病保险经办。同时组建第三方专家库和社会监督队伍提升监管的专业化和多元化。

成都市深入开展医保警示教育。2016年,成都市利用医保智能监控信息系统建设“两定服务机构警示教育基地”。2018年该基地依托智能监控数据中心的场地和大数据分析成果,形成系统现场演示、政策宣讲、以案说法3个警示教育板块,积极打造医保警示教育品牌,分批次对辖区内定点医疗机构开展警示教育。该预警教育机制有效加强了监管对象的法治自觉和规范共识,为加强重点领域风险防范起到了未雨绸缪的积极作用。

2.1.2.制定标准化医保监管规则

2.1.3.形成独特医保信息系统

目前成都市医保基金智能监管体系主要包括智能辅助审核系统、实时在线监控系统两大部分。

智能辅助审核是通过运用信息化技术对医疗费用的使用过程进行标准化、智能化审核。成都市医保局将智能辅助审核系统与全市医保信息系统进行链接,同时开发智能辅助审核协同平台建成初审、复审、第三方评审的审核流程。

实时在线监控系统呈现“8124”结构特点:8个基础数据库、1个数据中心、2个监控方式、4个监控对象。该系统可以运用大数据进行实时在线监控及运行分析,作出事前事中预警。同时成都医保稽核实现“线上线下”闭环联动机制,自动生成医保稽核任务。稽核人员可在配套的应用程序上申领稽核任务,线下采集现场音视频等关键证据,将最终结果录入监管平台,实现了医保稽核任务的生成、指派、处理、反馈全程闭环管理。

2.2.南京市经验做法

近年来,为了解决医保基金使用环节多、链条长、风险点多等问题,南京市医保通过推进三期项目对医疗保险基金智能监控系统进行建设。南京市的医保监管创新多层级基金审核方式,以事后监控为重点,事前事中并行,实现全流程监管、全方位监控,有效地遏制了医疗服务过程中的违规行为,更好的保障了人民群众的“看病钱”。

2.2.1.一期建设夯实基础

2.2.2.二期建设完善功能

二期建设于2018年启动,以南京市医疗保险市级统筹为背景,智能监控扩大覆盖险种范围,实现职工、居民、工伤和生育保险全覆盖。二期建设主要完善三个方面:一是完善功能模块,新增电子病案首页信息采集,事前、事中监控及信息推送等7个功能模块;二是完善监控规则,利用智能监控平台发现突出问题,经专家论证并形成稽核专项规则128条,事后扣减规则25条,事前、事中提示规则7条;三是完善监控手段,建立定点医药机构视频监控系统,对全市具备门诊“慢、特”病种服务资质的定点零售药店及一级(含)以下具有门诊“慢、特”病种服务资质的定点医疗机构开展实时视频监控与医保智能监控系统对接[4]。

2.2.3.三期建设优化创新

从2020年开始,南京市医保基金智能监管进一步进行三期建设,三期建设主要围绕三个方面展开:一是规则规范化,通过结合智能数据分析结果,建立知识库动态更新机制及部分自定义规则模板,更新现有知识库和规则库。目前,南京市已制定了161条事后扣减规则、7条事前、事中提示规则和128条专项稽核规则,涉及多达22万个知识库。二是范围扩大化,三级医院已全覆盖,目前向二级医疗机构推进。三是系统特色化,成功开发具有南京特色的医保医师管理、医用耗材分析、医保稽核管理等子系统,让医保智能监控系统具有更多、更广泛的功能。

2.2.4.“负面清单”与“医保高铁”

南京市人民政府发布《市政府办公厅关于推进医疗保障基金监管制度体系改革的实施意见》推行医保基金监管“负面清单”制度,该制度将医保监管的规则和标准进行公开,督促定点医疗机构对照清单开展自我检查。医保中心制定出台四期负面清单,将清单事项逐步纳入智能监控规则库中。在实际应用中,已有医院对照“清单”自查,避免了罚款。

南京“医保高铁”是国内首个集医保、医药、医院移动大数据于一体的监管平台,它集成融合了医用耗材招采系统、医用耗材价格信息系统、医院信息系统、医保信息系统数据,统一了数据标准和编码标准,实现各系统间数据互通。同时对医保基金运行实现移动化监控,可以实时监控医保基金运行。监管方式由事后向事前推进,在出现问题前产生预警,实现对医院、医生、医用耗材供货商的全方位、全天候阳光监管。

2.3.厦门市经验做法

2015年国家“放管服”改革后,厦门市定点医药机构规模迅速增大,医保待遇不断提高,已逐步形成全覆盖、保基本、统筹城乡的多层次医疗保障体系。在惠民便民的同时,医药机构供给过多引起业内恶性竞争等问题越来越严重,大大增加医保监管的压力。为了改变医保监管严峻现状,厦门医保部门集中管理,全面施策,精准监管。

2.3.1.注重建章立制

对于医保监管“点多面广”的特点,厦门全面完善医保制度。一是健全医保三方管理体系。对定点医药机构、医保服务人员、参保人三方分别制定相应的管理体。二是完善支付制度。在住院和门诊建立“总额预算下点数法”支付机制,全国首创一个病种目录库、一套分值付费标准、一套支付考核评价体系、一支专家库的“四个一”路径。做到医保支付额度预算量入为出,让医院、医生凭业务能力“挣分值”,确保基金分配的科学合理。配套相应的“激励约束评价机制”,从而实现“医院、医保、患者”三方共赢[5]。三是制定考核体系。出台定点医药机构考核评价办法,考核评价结果与工资绩效精准挂钩,从而促进医院积极加强内部管理。四是构建管理机制。厦门市医保形成“三函四化”管理机制,基金运行风险实行“一提醒、二约谈、三稽核”三步走流程,对欺诈骗保行为实现零容忍严厉打击。

2.3.2.打造医保智能监管平台

厦门市建立智能身份认证、智能视频监控、全流程智能审核三大系统,构建形成厦门市医保监管信息化体系。智能身份认证系统运用“人脸识别”技术:参保人“刷脸”就医与医师“刷脸+定位”双重认证,外加住院参保人远程“刷脸”,有效解决了一些套取医保基金的违规问题;智能视频监控系统在定点医药机构内的关键场所设置智能监控,实时上传至医保监控系统并对接厦门市“平安厦门”建设系统,对医保行为进行全时段、全场景管控;全流程智能审核的“单据审核”、“逻辑分析”、“管理提升”三板块共同对欺诈、浪费、滥用医保基金等行为进行筛查。

2.3.3.构建多层级监管

1)部门智能联合

厦门市形成医保监管跨部门联合执法制度,建立健全“1+X”监督机制,加强多部门协同监管,同时建立与市发改委、财政、卫健、审计联合考核机制,整合信息资源,实现数据共享。同时,建立医保专家和社会监督员两大“智库”,提升医保监管专业性、权威性和公信力,形成全社会齐抓共管的良好监管态势[6]。

2)社商智能合作

厦门市人社局与平安保险集团强强联合形成政府与社会资本合作的PPP模式,在采取制度和技术等多层面保障信息安全的基础上,借助商业保险公司开发力量和资源配置、资金支持优势,结合多年实践经验,打造全流程智慧医保信息管理平台。厦门医保局设计创新管理思路,平安保险集团研发创新信息技术,共同打造一个事前提醒、事中干预、事后审核的“线上+线下”的“全流程智慧医保信息管理平台”,全面实现监管方式由事后稽查向事前预防和事中控制的转型升级,将监管的触角延伸到具体的医疗服务行为。

3.典型地区医保基金智能监管的借鉴与启示

智能监管是维护医保基金安全的重要手段。通过整理成都、南京、厦门三个典型地区医保基金智能监管的主要做法,这为医保基金智能监管提供新的借鉴与启示。

3.1.建立立体监管体系

3.2.完善医保智能规则

医保基金智能监管的核心手段是规则库和知识库。医保智能监管系统通过规则的运行来规范定点医药机构的诊疗行为,对不合理的诊疗、检查等医疗行为进行监督提醒,引导医务人员自觉依法合规开展医药服务。成都市不断完善和拓展知识库和规则库;南京市建立事前提醒、事中审核、事后监管规则;厦门市建立多方专家库和社会监督库。这些地市正在通过建设规则库来不断完善医保智能监控规则,加强对定点医疗机构临床诊疗行为的引导和审核。但各地市的规则库多依据地方政策和实际情况来制定,具有明显的地方特色。一方面应在国家层面统一标准、统一方法、统一规范,各地方的规则在全国规则中进行对比,实施国家和地方分级管理。另一方面各地的规则制定应进行多方建设,医保协同卫健、药监、社会等共同完善医保智能规则,广泛征求意见,并针对复杂性、专业性的重点内容组织多方多维度论证。

3.3.保证医保数据质量

3.4.注重医保数据挖掘

医保信息化多年来收集、存储了海量的数据如病人的基本信息、诊疗处方信息、医疗费用信息、报销费用信息等,为数据分析与挖掘提供了数据源[8]。然而目前对这些数据往往只停留在简单的查询、统计分析、多维钻取等操作,对数据的挖掘深度不够。首先应该增强对医保大数据价值的认识,形成充分挖掘医保大数据的宏观思维。数据挖掘技术可以对数据进行采集处理、整合分析、最终预测,在这些海量数据中挖掘有价值的知识以辅助医疗保险监督与管理工作,对维护医保基金的安全、促进我国医疗保险制度的长期健康稳定发展具有重要的作用。同时,算法的选择也是医保数据挖掘过程中的主要问题,选择哪种算法最能解决当下问题是目前数据挖掘最主要的问题。医保数据是多维、不确定和复杂的,需要数据挖掘与分析研究中的算法和方法要多样化和灵活化,才能更好的挖掘数据之间的关联性,提高预测模型的精度。

3.5.优化医保稽核流程

医保稽核是指医疗保障经办机构依据法律法规对定点医药机构履行医保协议情况,参保人员享受医保待遇情况以及其他单位和个人涉及医疗保障基金使用情况实施的检查。目前医疗保障稽核类型主要包括日常稽核、专项稽核、重点稽核,稽核方式主要包括网络方式、实地方式、书面方式和问询方式。

目前总体来看医保结算单据审核以事后、人工、抽查方式为主,即对己经发生了的医疗费用进行抽查审核与控制,该方式存在的问题有:由于采用抽查稽核方式,不能全面监管各项医保基金支出,违规行为仍不断出现,致使医疗费用持续增长;同时由于各审核人员的专业水平不一样,审核标准也不同,因此对医疗费用的审核难免存在有失公平性的问题等等[9]。

4.结束语

经过对典型地区医保基金智能监管的深入研究,本文旨在总结和提炼其主要经验做法,以期为我国医保基金监管改革提供有益借鉴和实践指导。同时我们认为,医保基金智能监管是新时代医疗保障事业发展的重要方向,智能监管在医保基金管理中具有显著优势,有助于提高监管效率、降低成本、防范欺诈骗保行为,从而确保医保基金的稳健运行和可持续发展。

总之,我们要充分借鉴典型地区的成功经验,持续深化改革,建立立体监管体系,完善医保智能规则,保证医保数据质量,注重医保数据挖掘,优化医保稽核流程,推动医保基金监管科技创新,确保医保基金的安全、合规和有效使用,为全体参保人员提供更好的医疗保障。同时,也要注意防范智能监管可能带来的隐私泄露、技术滥用等问题,确保监管过程中的信息安全与合规。

基金项目

2022年省级大学生创新创业训练计划项目(S202210439006);济南市医保局委托项目(202101);2021年度教育部高等教育司第二批教育部产学合作协同育人项目(202102484005)。

THE END
1.数据挖掘概念(AnalysisServices与以下关系图的突出显示相同,数据挖掘过程的第一步就是明确定义业务问题,并考虑解答该问题的方法。 该步骤包括分析业务需求,定义问题的范围,定义计算模型所使用的度量,以及定义数据挖掘项目的特定目标。这些任务转换为下列问题: 您在查找什么?您要尝试找到什么类型的关系? https://technet.microsoft.com/zh-cn/library/ms174949(en-us,sql.105).aspx
2.大数据与分析:数据挖掘概念及流程数据挖掘是一个从大量数据中提取有价值信息或模式的过程,它依赖于统计学、机器学习、数据库技术和人工智能等多个领域的知识和技术。以下是数据挖掘的概念及其流程的详细解释: 一、数据挖掘的概念 数据挖掘(Data Mining)是指通过特定的计算机算法对大量的数据进行自动分析,以揭示数据中的隐藏模式、未知的相关性和其他有https://blog.csdn.net/NSAcbba/article/details/143417836
3.python数据挖掘算法的过程详解python这篇文章主要介绍了python 数据挖掘算法,首先给大家介绍了数据挖掘的过程,基于sklearn主要的算法模型讲解,给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下+ 目录 1、首先简述数据挖掘的过程 第一步:数据选择 可以通过业务原始数据、公开的数据集、也可通过爬虫的方式获取。 第二https://www.jb51.net/article/238548.htm
4.什么是数据挖掘?——数据挖掘的过程,方法和实例什么是数据挖掘?——数据挖掘的过程,方法和实例 数据挖掘是指从大量的数据中发现有价值的模式、规律和知识,以支持决策和预测分析的过程。通过数据挖掘,我们可以从海量数据中发现隐藏的关联性和趋势,为企业和组织提供宝贵的商业洞察力。下面将介绍数据挖掘的过程、方法和实例。https://www.jiandaoyun.com/fe/sjwjsjwjdg/
5.数据挖掘试题答案版.pdf7.多维数据集通常采用星型或雪花型架构,以事实 表为中心,连接多个维度表。 8.决策树是用对象属性作为结点,用对象值作为分 支的树结构。 9.关联可分为简单关联、时序关联和因果关联。 10.BP神经网络的作用函数通常为区间的。 n.数据挖掘的过程主要包括确定业务对象、数据准备、 数据挖掘、结果分析及知识同化等几https://www.renrendoc.com/paper/327121640.html
6.数据挖掘的体系结构是什么数据挖掘的六大过程说了这么多数据挖掘中的经典算法,但是如果你不了解概率论和数理统计,还是很难掌握算法的本质;如果你不懂线性代数,就很难理解矩阵和向量运作在数据挖掘中的价值;如果你没有最优化方法的概念,就对迭代收敛理解不深。所以说,想要更深刻地理解数据挖掘的方法,就非常有必要了解它后背的数学原理。 https://blog.51cto.com/u_16213595/7898197
7.什么是数据挖掘数据挖掘介绍?IBM数据挖掘是从大数据集中识别模式和提取有用洞察的整体过程。它可用于评估结构化和非结构化数据,以识别新信息。营销和销售团队经常使用它来分析消费者行为。例如,数据挖掘方法可用于观察和预测行为,包括客户流失、欺诈检测、市场篮子分析等。 文本挖掘又称文本数据挖掘,是数据挖掘的一个子领域,旨在将非结构化文本转换为结https://www.ibm.com/cn-zh/topics/data-mining
8.数据挖掘论文二、数据挖掘的重要性 在进行现代档案信息处理时,传统的档案管理方法已经不能满足其管理的要求,数据挖掘技术在这方面确有着显著的优势。首先,档案是较为重要的信息记录,甚至有些档案的重要性大到无价,因此对于此类的珍贵档案,相关的档案管理人员也是希望档案本身及其价值一直保持下去。不过越是珍贵的档案,其使用率自https://www.unjs.com/lunwen/f/20220924130749_5650839.html
9.数据仓库和数据挖掘12篇(全文)数据仓库和数据挖掘 第1篇 在90年代初, 数据仓库这个概念第一次是由数据仓库支付提出的。一般一个面向集成、主题的, 随着时间变化并且信息本身能够相对稳定的数据集合就成为一个数据仓库, 它主要用于对管理决策过程的支持。 (一) 数据仓库的类型 根据数据仓库所管理的数据类型和它们所解决的企业问题范围, 数据仓库可https://www.99xueshu.com/w/ikeyy9nb2adc.html
10.郝祥军等AI重塑知识观:数据科学影响下的知识创造与教育发展方法论法耶德(Fayyed)等认为,“数据库知识发现”就是从数据中发现知识的全过程,包括数据如何存储和访问,算法如何缩放到海量数据集并仍然高效运行,结果如何解释和可视化等;数据挖掘是将适当的预处理数据转化为模式,随后可以转化为有价值的和可操作的知识(Fayyed et al., 1996)。之后一系列关于数据挖掘的过程模型被提出并https://www.163.com/dy/article/I42N4AD40516QHFP.html
11.数据挖掘的步骤包括什么数据挖掘是一个通过特定算法对大量数据进行处理和分析,以发现数据中的模式、趋势或关联性的过程。下面详细介绍数据挖掘的步骤包括什么? 1、数据收集 首先,需要收集与待挖掘主题相关的数据。可能涉及从各种来源(如数据库、文件、网络等)获取数据,并将其清洗、整合到一个统一的格式中。 https://www.pxwy.cn/news-id-81213.html
12.商战数据挖掘:你需要了解的数据科学与分析思维数据科学的一条重要原则是,数据挖掘的流程可以分解为几个通俗易懂的环节。有些环节涉及信息技术的应用,如数据中模式的自动发现和评估,而有些则主要依赖数据分析师的创意、常识和商业知识。理解数据挖掘的整个过程,有助于组织数据挖掘项目,使它们更接近系统性的分析,而不是凭借运气和个人智慧的冒险行为。 https://www.ituring.com.cn/book/tupubarticle/28952
13.数据挖掘论文医院加强数据挖掘技术应用方向的探索上,可以从客户拓展这个角度出发实现对于医疗信息管理。例如通过数据挖掘技术多方进行患者信息比对,同时制订完善的医疗服务影响策略方式,加强对于客户行为的分析;在数据挖掘的基础之上,增强其技术应用的实用性,在分析的基础之上比对自身的竞争优势,实现医院资源的合理规划与合理配置,例如药品https://www.ruiwen.com/lunwen/7945818.html
14.《python数据分析与挖掘实战》笔记第1章腾讯云开发者社区数据挖掘是从大量数据(包括文本)中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势,并用这些知识和规则建立用于决策支持的模型,提供预测性决策支持的方法、工具和过程。 1.3、数据挖掘的基本任务 数据挖掘的基本任务包括利用分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等方法,帮助企业https://cloud.tencent.com/developer/article/1796252
15.数据分析的过程主要包含这7个方面数据分析的过程是循序渐进的过程,主要包括如下7个方面。 一个完整的数据分析的过程,应该包括数据采集、数据存储、数据提取、数据挖掘、数据分析、数据展现、数据应用七个方面。今天我们就来从这几个角度着手,简要介绍一下数据分析的过程。 1. 数据采集 数据采集的意义在于真正了解数据的原始面貌,包括数据产生的时间、条https://www.jiushuyun.com/hywz/2061.html
16.科学网—数据挖掘(Datamining)简介数据挖掘技术大量应用于信息、工程和商业领域,较少应用于科学领域。实际上,科学领域内的数据分析就是一个典型的数据挖掘的过程,只不过,这个过程是通过推理,演算和假设等等人工思维所完成,而非像数据挖掘那样依赖于机器和算法来自动地完成。此外,科学领域人们习惯限定问题的尺度来简化问题,其所分析的变量远远小于工程和社https://blog.sciencenet.cn/blog-200199-750526.html
17.什么是分析,数据分析决胜未来下图描述了一个完整的自然语言处理的普遍过程。 图5:自然语言处理过程示意图 4.文本挖掘与文本分析 文本挖掘处理文本数据本身,文本分析涵盖范围比较广泛,通常包括应用统计分析、机器学习和其他一些高级分析技术,但通常被认为等同于文本挖掘。 5.机器学习 机器学习的核心是使用算法来建立量化分析模型,帮助计算机模型从数据https://vip.kingdee.com/article/255974176719074560