數據分析在醫保管理中的應用研究
——以成都市基本醫療保險住院人次預測分析為例

黃德斌 秦佳佳 陳志超 吳 奎

（1成都市人力資源和社會保障局 成都 610031；2成都市醫療保險信息服務中心 成都 610031）

通常情況下，住院人次越多，醫保基金支付壓力越大。因此，對醫保管理者來說，住院人次是醫保基金平穩運行的關鍵因素之一，也是醫保經辦管理機構重點關注的指標。同時，《“十三五”深化醫藥衛生體制改革規劃》（國發〔2016〕78號）、《關于控制公立醫院醫療費用不合理增長的通知》（國衛體改發〔2015〕89號）均要求加強對住院人次及費用的監測，控制醫療費用不合理增長。

近年來，成都市運用“互聯網+”云計算等現代信息技術，為醫保治理現代化走出一條科學精準之路。通過對醫保大數據的使用，實現了對復雜醫療行為的準確檢測、分析和預警，使經辦服務有了科學的數據技術支撐。其中，利用線性回歸方法預測一定時期內的醫保住院人次數據，也是成都市醫保決策的一個重要支持手段。本文通過整理分析2010年-2015年成都市基本醫療保險住院人次數據，以期為成都市“十三五”期間基本醫療保險住院人次預測分析提供依據。同時也為數據分析在醫保經辦管理中的應用探索實踐經驗。

1 數據來源與研究方法

1.1 數據來源

本研究數據源于成都市基本醫療保險實時在線監控系統，匯總了2010年-2015年期間24個季次的基本醫療保險住院人次情況。由表1可以看出，六年間，基本醫療保險住院人次逐年遞增，截至2015年底已達62.1萬人次。

1.2 研究方法

通過初步描述性分析可以看出，2010年-2015年成都市基本醫療保險住院人次變化情況大致呈一條直線（見圖1），符合線性回歸統計方法相關要求，運用SPSS 20.0進行數據處理，預測2016年-2020年成都市基本醫療保險住院人次情況。

2 回歸預測過程

2.1 求回歸方程

將表1數據導入分析模型，以觀測季度t為x軸，以人次為y軸，通過分析模型，可以得到住院人次的均值為507732人次、中位數為531168人次、標準差為84310人次、方差為7108257630人次，住院人次的回歸直線方程為：y=11111.89x+368834.34，回歸系數見表2。

2.2 可行性檢驗

觀察季次t與住院人次y的相關系數R為0.93194723，二者正相關性極強，線性關系顯著（見表3）。

表1 2010-2015年成都市基本醫療保險住院人次情況

圖1 2010-2015年成都市基本醫療住院人次預測情況線性分析

表3 回歸統計量

表4 方差分析表

模型的F檢驗值=145.3330061，通過查F分布臨界值表可以查出F0.95（1,22）=4.30。F檢驗值大于F分布臨界值F0.95（1,22），故模型顯著成立并可信，可以用來進行預測分析（見表4）。

表5 成都市“十三五”期間基本醫療保險住院統人次預測（人次）

2.3 區間估計與實際檢驗

將季次t帶入模型方程，即可得出預測住院人次的y點估計值，但點估計與實際值必定存在一定的偏差，我們希望得出的結果能夠在大多數情況下包含真實值，故繼續將模型深入化，進行區間估計。設定95%的可信區間，即真實值有95%的可能性在我們的估計范圍之內，來設定預測分析區間估計公式為：

其中，Y為住院人次點估計值；n為樣本量24；自由度為24-2=22；查t分布數值表在自由度為22時t0.05=2.0739；t為預測季次；t為樣本年次的均值12.5；為樣本年次方差與自由度乘積1150；δ為住院人次值y樣本標準方差31257.5325。故2016年4季度的住院人次預測值為：Y28=28×11111.89+368834.34=679967人，95%的可行區間估計值為：（647517，712417）。

2.4 預測結果

基于上述分析。可預測得出2016年-2020年期間成都市基本醫療保險住院人次結果（見表5）。

2.5 結果驗證

醫保實時在線監控系統顯示：2016年第4季度，全市基本醫療保險實際住院人次為653781人，與點估計預測值差距為4.01%，且該值落在95%的可行區間范圍內，再次驗證了預測模型的科學性與可信性。依據最新統計數據，本研究預測2017年1-3季度數據與全市實際數據差距僅為2.19%。

3 討論

3.1 預測分析前瞻性強

應用線性回歸的預測分析，既不是從樣本的統計指標來推斷總體參數，也不是對假設情況加以驗證，而是從過去的數據推斷將來，具有很好的實用性、科學性、可行性。尤其對醫保管理者來說，通過統計學方法和模型對住院人次、門診就醫人次、醫保基金支付情況作前瞻性判斷，能為醫保制度的運行績效及政策調整提供數據支撐。

3.2 預測結果影響因素較多

預測的實質是從過去和現在的信息來推斷將來的情況，但將來并非一成不變，也會受到醫保政策差異、醫療服務資源（如服務機構數量、協議床位數）、人口老齡化程度、醫保管理手段及控費指標（如平均住院天數、次均醫保支付金額）等因素影響而發生變化。一旦影響因素發生重大變化，則會影響模型的整體精準度，這就需要重新分析以往數據特征，選擇新的方法建立預測模型進行預測。從技術層面看，預測分析還可采用時間序列模型，從R2=0.868來看，運用時間序列模型來建模預測效果也尚可。但如前所述，考慮到影響預測結果的因素很多，時間只是其中一個影響因素，并且預測結果也可能差異不大，故此文研究方法選擇的是線性回歸。

3.3 數據分析應用的創新實踐

成都市在醫保數據分析研判中，從宏觀、中觀、微觀三個維度，采用描述性分析、診斷性分析、預測性分析、決策性分析等分析方法，從簡單指標分析、指標關聯分析、多元回歸分析、大數據算法等層次開展醫保數據研判。實現了從海量醫保數據中，總結經驗、發現規律、預測趨勢，將由數據、信息、知識、洞察力組成的鏈條，真正轉換為洞察力，將洞察力轉換為決策力，釋放醫保大數據的價值能量。

根據本研究的數據預測結論，在醫保實時在線監控系統中新增“人次預測模型”，實時動態監測預警全市各結算分中心、各等級醫療機構的住院人次變化趨勢。同時，在每季報送市領導的《醫保監控分析》報告中新增“總住院人次”指標，并按照“一分、二比、三排”的思路對全市住院人次開展重點監控分析預警，發現有問題的異常數據，經現場檢查核實后，全部按照醫保服務協議處理，并把各分中心現場稽核情況列入市紀委駐市人社局紀檢監察的重點監督對象。接下來，成都市將進一步依托醫保大數據，創新大數據分析手段和方法，精準發現異常數據靶向，提升醫保監督效率，力保醫保基金安全可持續，朝著“更高質量、更有效率、更加公平、更可持續”的新發展目標砥礪奮進。

[1]沈寧,段司鳳,阮文寧.“十二五”期間門診人次和住院人數的預測[J].中國病案,2011,12(10):48-50.

[2]高志榮,趙輝.某院入院人數與診療人次的預測[J].中國醫院統計,2000,7(3):159-160.

[3]劉會恩.用統計方法對我院住院人次和門診診療人次進行預測[J].中國衛生統計,2007,14(2):107-109.

[4]張喜紅.醫院門診人次預測[J].中國衛生統計,2000,7(2):106.