血液透析領域醫保基金監管路徑研究

鄭 考 朱靈燕 陸其明

（1 浙江省樂清市醫療保障局 溫州 325000；2浙江省紹興市醫療保障局越城分局 紹興 312000；3 浙江省桐鄉市醫療保障局 嘉興 314000）

終末期腎病主要是指各種因素引起的腎功能不可逆性下降，被認為是腎功能代償失調的最后階段［1］。血液透析是終末期腎病患者主要替代治療方法之一［2］，根據相關臨床指南推薦意見，一般情況下每周治療最多不超過5次［3］。截至2021年12月底，我國大陸地區血液透析的登記患者數達749573人[4]。由于目前缺乏相關數據，若按照基本醫保參保率95%，參考重慶市2018年兩家三甲醫院血液透析患者門診平均醫保基金支出約14.4萬元/人［5］等數據進行估算，血液透析領域醫保基金年支出超過1000億元，約占2021年全國醫保基金（含生育保險）支出的4.2%。

血液透析領域是醫保部門提供服務保障和基金監管的重點之一。2022年5月，國家醫保局等四部門公布《2022年度醫療保障基金飛行檢查工作方案》，首次明確對定點醫療機構血液透析等領域納入醫保基金支付范圍的醫療服務行為和醫療費用進行檢查。此外，國家醫保局還將尿毒癥透析納入門診慢性病、特殊病保障和跨省直接結算試點范圍，將透析液等藥品納入醫保藥品目錄，將血液透析中心納入定點醫療機構申請范圍，并要求各地落實相關監管職責［6］。

截至目前，國內尚沒有關于血液透析領域醫保基金監管路徑的論述，尚未形成系統的監管解決方案。本文通過分析血液透析監管要點，基于大數據分析手段，結合國家醫保飛行檢查等監管工作的經驗，研究設計形成了一套關于血液透析領域的醫保基金監管路徑，以期為加強該領域基金監管工作提供參考。

1 血液透析監管要點

1.1 醫保支付政策

醫保支付政策對違法違規行為的認定以及醫保基金損失金額的計算有著至關重要的影響。與其他領域不同，血液透析領域內幾乎所有的醫療服務項目和藥品都有著嚴格且明確的醫保限定支付條件和項目內涵等。當前，全國各省、地市級醫保部門依據《國家基本醫療保險、工傷保險和生育保險藥品目錄》《醫療服務項目分類與代碼》《醫保醫用耗材分類與代碼》和《國家醫療保障待遇清單》等政策，參考本地基金支付能力、經濟發展水平、衛生健康水平等制定相應政策，對醫保基金支付血液透析領域收費項目的內涵、除外內容、支付價格、限定支付條件、支付限額等作出具體規定，造成各地血液透析領域醫保政策差異大。如根據《溫州市公立醫院醫療服務價格項目表（2022版）》，“血液灌流”的醫保支付標準為1040元，限定中毒搶救和終末期腎臟疾病（尿毒癥）患者等；北京市血液透析治療的藥品（肝素、鹽水、透析液）、透析器、透析管、穿刺針按有關規定和實際用量計收；甘肅省醫保局將尿毒癥透析治療（腎衰竭透析治療）納入城鄉居民基本醫保1類門診慢性病種，年度累計限額為6萬元。

若監管人員沒有全面、透徹掌握當地醫保政策和特殊支付標準，將各地政策中的限定支付條件等混用以及忽略年度支付限額等，會造成對醫保違法違規行為認定的不準確以及對基金損失金額計算有誤。

1.2 支付方式

影響血液透析費用的主要因素除醫保政策、患者年齡、透析齡、是否并發高血壓、是否并發心血管疾病和Charlson指數等外［5］，醫保支付方式的差異也具有重要影響意義［7,8］。血液透析的醫保支付方式主要有兩種類型：一是門診特定病種支付方式，包括按服務項目付費、按次付費、按人頭包干付費等；二是住院支付方式，包括按服務項目付費、DRG、DIP等。按服務項目付費可能出現過度治療、虛構醫藥服務、套高收費、重復收費、分解收費等，按次付費可能出現單次血液透析時間不足、超頻次收費等，DRG、DIP可能出現推諉重癥病人、高靠分組、低標入院、分解住院、轉移費用等，按人頭包干付費可能出現治療不足、推諉中重癥患者、將醫保結算轉嫁自費等違規行為。

1.3 專業壁壘

血液透析領域主要治療方式包括血液透析、血液濾過、血液透析濾過、血液灌流等，臨床醫師需結合患者的透析齡、癥狀、體征以及代謝異常、容量狀態、營養和藥物干預效果進行綜合評估后選擇適合的治療方式，制定個性化治療方案。維持透析期的患者每次透析前，臨床醫師需進行癥狀和體征評估，觀察有無出血，測量體重，評估血管通路，并定期進行血生化檢查及透析充分性評估，以調整透析處方。透析處方決定著透析頻次以及治療費用等，是監管工作的重點。因此，血液透析領域較高的專業壁壘給監管工作帶來實際難點，監管人員需具備較高的腎臟疾病專業水平和實踐經驗。

2 監管路徑概述

2.1 構架介紹

血液透析領域醫保基金監管路徑基于大數據分析技術，建立以政策配置層、大數據分析（數據倉庫）層、異常趨勢分析層、臨床診療分析層、結果輸出層為主要流程的路徑構架，對血液透析領域開展多維度、全方位監管（見圖1）。該路徑主要監管邏輯如下。

圖1 血液透析領域醫保基金監管路徑圖

流程一：政策配置層。以地市級為單位梳理血液透析領域的醫療服務項目、藥品、醫用耗材等項目的收費標準，如項目內涵、限定支付條件、除外內容等，明確支付方式、支付限額等其他內容。

流程二：大數據分析（數據倉庫）層。采集血液透析領域監管工作所需的電子病歷、費用結算數據、血液透析儀器數據等全量數據以及地理位置信息數據等，經抓取、合并、刪除、篩選等數據清洗步驟后，應用聚類、時間序列、知識圖譜、自然語言處理等大數據分析技術，最終將無序數據達到標簽化處理的目的。

流程三：異常趨勢分析層。將標簽化數據按監管工作需要，依據費用（醫療服務項目、藥品、醫用耗材）占比、次均費用、購藥就醫頻次、疾病診斷等要素，建立定點醫療機構、醫保醫師、參保人等醫保基金使用各主體的標簽畫像。加入時間和空間等指標后，設定相關警戒閾值，監測標簽畫像的異常趨勢，縮小可疑數據范圍。

流程四：臨床診療分析層。提取具有異常趨勢的標簽畫像數據，通過識別規則（見表1），對可疑數據范圍進行降維解析，確定可疑收費項目情況。

表1 臨床診療分析層識別規則一覽表

最終，通過流程五結果輸出層的數據可視化后得到疑似違法違規結果。經人工核實的違法違規結果數據傳輸回算法技術（數據倉庫）層進行機器反哺學習，形成循環。

2.2 大數據分析技術原理介紹

2.2.1 自然語言處理技術是指將非結構化的文本轉化為結構化信息［9］，通過機器學習后處理人類語言。邵云霞等［10］運用自然語言處理技術對病案數據集進行中文分詞并映射到向量空間，計算文本相似度篩選病組，以規范DRG疾病種類。在血液透析領域，自然語言處理可用于對病歷、病案文本的精細結構化和多粒度解析，如病歷語義片段解析、醫學命名實體識別等，用以識別住院高套編碼、虛假住院等違法違規現象。

2.2.2 K-Means聚類目標是對于給定的數據集和聚類簇數，將數據集按數據的聚集程度劃分為若干個簇，使同簇樣本的相似度較高、簇間樣本的相似度較低［11］。傅亦安等［12］運用K-Means聚類等技術，以上海市定點醫療機構門診執業醫師為研究對象，通過統一視圖建設，從個人信息、資格信息、出診信息和接診患者信息四方面建立醫師畫像。在血液透析領域，該技術可用于建立定點醫療機構、醫保醫師、參保人等標簽畫像，識別和監測欺詐騙保行為。

2.2.3 時間序列分析是一種動態數列的分析，目的在于掌握統計數據依時間變化的規律［13］。李凈［14］從醫保部門和醫院的業務需求出發，運用多種時間序列分析技術提出一種醫保基金優化分配模型，得出患者分布的變化與醫保支出之間的關聯關系。在血液透析領域，結合其他技術，可建立定點醫療機構等主體標簽畫像，對其歷史醫保數據進行分析，預測各費用結構的演變趨勢。

2.3 數據倉庫介紹

血液透析領域數據主要來源于定點醫療機構和醫保經辦機構的全量數據，數據的完整性和真實性是開展監管工作的必要條件。主要可分為參保人行為軌跡數據和醫保結算數據。其中參保人行為軌跡數據主要指從公安部門、運輸部門獲取的參保人地理位置信息、乘坐交通工具信息等。醫保結算數據主要有基礎數據、診斷數據、檢查結果數據、血液透析儀器數據、收費項目數據（見表2）。

3 應用前景分析

3.1 日常監管

國家和省級醫保部門可基于上述監管路徑開展血液透析領域日常監測，結合疾病診斷、手術操作、檢驗檢查、費用結構、時間空間等維度，對海量歷史結算數據進行分析和挖掘，通過降維解析縮小顆粒度和疑點范圍，得出準確的分析報告。之后開展跨省異地、省內異地的實地專項檢查，有助于提升對血液透析領域的重復收費、超醫保支付限定條件收費、過度檢查、分解收費等違法違規行為的監管效能。

3.1.1 識別重復收費。血液透析領域重復收費是指定點醫療機構同時收取某血液透析收費項目及其項目內涵，或對某項目反復多次進行收費的行為。如根據《溫州市公立醫院醫療服務價格項目表2022版》，“血液透析濾過”的項目內涵為“含透析液、置換液”，若定點醫療機構同時收取“血液透析濾過”和“透析液/置換液”，則為重復收費。重復收費主要情形見表3，若收費項目1與2同時收取，則視為重復收費。

表2 數據倉庫數據類型表

表3 血液透析領域重復收費主要情形表

3.1.2 識別超醫保支付限定條件收費。血液透析領域超醫保支付限定范圍是指定點醫療機構向參保人收取的某血液透析治療所需的診療項目或藥品，不符合所在統籌區醫療服務項目和藥品目錄內的該診療項目或藥品所備注的醫保支付限定條件。如根據《國家基本醫療保險、工傷保險和生育保險藥品目錄2021版》，“骨化三醇（注射劑）”備注為“限腎透析并有低鈣血癥的患者”，若定點醫療機構在未有明確檢驗檢查結果支持參保人為低鈣血癥的情況下，對其收取“骨化三醇注射劑”，則視為超醫保支付限定條件收費。血液透析領域收費項目醫保支付限定條件主要情況見表4。

表4 血液透析領域收費項目醫保支付限定條件一覽表

3.1.3 識別過度檢查。血液透析領域過度檢查是指定點醫療機構違反《血液凈化標準操作規程》，實施不必要的或與終末期腎病關聯性不高的檢查項目。如根據《血液凈化標準操作規程2021版》，血液透析患者血常規、肝功能常規檢查、腎功能常規檢查的檢測頻率為每3個月1次，若定點醫療機構無充分理由情況下檢查超過該頻率，則視為過度檢查，主要情形表見表5。

表5 血液透析領域過度檢查主要情形表

3.2 風險預測

將定點醫療機構、醫保醫師和參保人作為分析變量與應變量，運用K-Means聚類、時間序列等大數據分析技術，通過次均費用、費用結構及平均費用、就診頻次、地理位置信息等指標建立定點醫療機構、醫保醫師、參保人標簽畫像，設置時間序列，在地區、機構、個人等維度上進行橫縱對比分析，離散程度較大的列為重點關注對象。此外，利用專家共識或對合規歷史醫保結算數據進行聚類等方式，形成某地區或某醫療機構血透費用情況作為標準畫像，與該標準畫像的費用結構、收費項目相似程度等偏離度較大的列為重點關注對象。具體數據提取字段及參數見表6。

表6 風險預警數據字段表

3.3 多領域拓展應用

新形勢下，參保人群和醫保目錄覆蓋面不斷擴大，醫保支付方式改革大力推進，“互聯網+”、長護險、“雙通道”、醫保電子憑證等新業態、新場景的不斷出現，醫保基金監管工作的抗風險能力和創新能力面臨挑戰。當前各地基于知識庫和規則庫建設的醫保智能審核系統對日常經辦審核效率、違規識別準確度有較大的提升，但這種單一維度、單張費用單據的審核模式難以識別和預警跨地區、跨機構、跨病種、多人群的欺詐騙保行為，不符合多維度分析和大數據監測的目標需求。針對各類風險挑戰，如果醫保部門缺乏主動有效的風險識別和應急預警手段，醫保基金的安全將面臨較大風險。因此，醫保部門應充分發揮大數據挖掘在基金監管工作中的支撐作用，參考本研究的設計理念和思路，針對骨科、心內介入、精神病、中醫等重點領域，以及新業態、新場景等建立大數據預警模型，不斷提升醫保基金監管的抗風險能力和效能。

4 討論

由于醫保部門成立時間短，編制政策傾斜力度不足，加之執法人員經驗不足，監管工作還需進一步優化。此外，隨著醫療保障覆蓋面越來越廣，基金規模不斷擴大、管理鏈條延長、支付及轉移場景復雜，數據量呈幾何式增長，基金監管風險點也在增加。因此，我們需充分利用相關人工智能技術，構建醫保基金監管模型，從多個維度對海量結算數據進行分析和挖掘，逐步形成醫保基金風險識別、問題發現和應急預警能力，對提高醫保監管工作效能和水平有著重要意義。

本研究基于大數據分析技術，旨在解決醫保基金監管工作中疑似違法違規數據假陽性率高、工作路徑不科學、專業化水平有待提高等實際問題。但是，該監管路徑的思路來源于作者開展日常稽核、飛行檢查工作經驗以及參與設計智能監管工作的啟發，尚未開展大范圍實際應用。因此，在下一步工作中，應著重在假陽性率、邏輯科學性等實用性方面進行反復的實踐驗證。