一文带你了解DIP六大关键问题
- 时间：1周前
- 作者：DIP开关
DRG付费试点工作正如火如荼进行着，10月国家医疗保障局办公室发布《关于印发区域点数法总额预算和按病种分值付费试点工作方案的通知》让DIP分值付费走进了大众视野，让不少人感概到真是“东风未息，西风起”。其实，我们大可不必慌张，今天小编特意摘选出咨询量最多、含金量最高的6个问题一一进行解答，给各位吃一颗“DRG付费试点工作正如火如荼进行着，10月国家医疗保障局办公室发布《关于印发区域点数法总额预算和按病种分值付费试点工作方案的通知》让DIP分值付费走进了大众视野，让不少人感概到真是“东风未息，西风起”。其实，我们大可不必慌张，今天小编特意摘选出咨询量最多、含金量最高的6个问题一一进行解答，给各位吃一颗“定心丸”。定心丸”。
1.政策推进。2020年，我国发布医改政策纲领性文件《关于深化医疗保障制度改革的意见》，其中明白准确地提出了大力推进大数据应用，推行以按病种付费为主的多元复合式医保支付方式，推广按疾病诊断相关分组付费，医疗康复、慢性精神疾病等长期住院按床日付费，门诊特殊慢性病按人头付费。同年10月，国家医保局发布《关于印发区域点数法总额预算和按病种分值付费试点工作方案的通知》进一步明确试点目标、范围和要求。
2.技术逐步成熟。借助于医疗临床路径逐步推进包括：一、HIS和电子病历等在内的临床业务系统、编码系统逐步规范统一；二、人财物（HRP）等医院管理系统逐步建设，基础数据质量逐步改善；三、医保部门对于基金预算管理、支付标准、结算监管等一整套思路和路径越来越清晰等。
3.丰富的实践经验。广州（2018）、淮安（2003）、厦门（2016）等地市已先后探索住院费用按病种分值付费工作。
4.专业队伍强大。拥有着业务能力强、管理上的水准高的经办队伍，熟悉医保政策、了解医保管理目标的专家支持队伍，包括理论研究、政策研究，以及医院临床、医务、病案、收费、医保、统计信息等方面的专业人员。
基于大数据的病种组合(Big Data Diagisnteventinn Packet,DIP)是利用大数据优势所建立的完整管理体系，发掘“疾病诊断+治疗方式”的共性特征对病案数据来进行客观分类，在一定区域范围的全样本病例数据中形成每一个疾病与治疗方式组合的标化定位，客观反映疾病严重程度、治疗复杂状态、资源消耗水平与临床行为规范。
DIP是按照大数法则，也就是我们常说的当数据量越大，就能显示客观出现的随机事件的规律性。通过一系列分析真实世界的海量病案数据，发现疾病与治疗之间的内在联系与关联。一方面，DIP对大概率事件的数据来进行组合，将区域内每一病种疾病治疗资源消耗的均值与全样本资源消耗均值进行比对，形成病种组合的分值。另一方面，DIP对小概率事件，建立疾病严重程度、医疗行为规范程度对医疗服务的影响因素评估模型，不断校正病种组合标准体系。
可以说，DIP最终会建立的是一个基于临床全样本数据的病种目录库，来完成对医疗服务市场真实世界中服务成本进行精准测算。
DIP就是将医疗服务阐述由不可比变为可比的一种工具，它利用疾病诊断与治疗方式的共性特征进行挖掘，聚类形成基于大数据的客观分组，组内差异小。
首先，形成病种组合的主目录。主目录是以大数据形成的标准化方法凝练疾病与治疗方式的共性特征，反映诊断与治疗的一般规律，是DIP的基础。其中主目录分为核心病种和综合病种。以病例数量临界值的方式区分核心与综合病种，核心病种直接沿用基于“疾病诊断”与“治疗方式”的自然聚类，而综合病种将进行二次聚类以提升数据的可比性和应用的适用性。主目录根据最细化目录向上逐层聚类和收敛的原则，又分为三级目录。如下表：
再次，形成辅助目录。辅助目录以大数据提取诊断、治疗、行为规范等的特异性特征，与主目录形成互补，对临床疾病的严重程度、并发症/合并症、医疗行为规范所发生的资源消耗进行校正。
按DRG付费和按DIP付费都源于病种的分组，采用相类似的分组工具，反应的都是临床的实际，体现了医疗资源的消耗。两者在分组方法、实施路径、付费结算有所不同：DRG是根据疾病诊断、治疗方式、合并症与并发症、年纪等因素将患者分入若干诊断组，保险机构按照病例所进入的诊断相关组的付费标准做支付；DIP对数据中疾病诊断与治疗方式来进行穷举和聚类快速形成分组，保险机构按照每个病种分组的分值进行支付。
那我们要如何明智的选择，其实在第四届DRG收费大会上，福建省医保局局长赖诗卿结合厦门的实践经验指出：由于我国现阶段数据缺乏标准化、规范化治理，现有医疗数据与医疗实际存在比较大差异，存在一定的先天不足，基于大数据的病种分值付费，“在尽可能少的人为干预的前提下”存在波动大、偏离临床实际可能，还需要一个试点验证的过程。所以，对于地区如何明智的选择，只有根据各地的真实的情况选择最合适的支付方式。
结合第四个问题，我们了解到病种分值付费的病种分得很细致。对于管理能力和应对能力强的大医院而言，知道每个病种的分值差异后就更容易产生小病大治、分解住院、低标入院、“合理”挤掉小分值病种等问题。因此，我们应该配套建立基于全病种大数据的过程式、结构式、全方位的智能监管系统。
第一、建立均衡指数（Balancing Index，BI）体系。首先，利用大数据优势对同一诊断下低、高资源消耗治疗方式来进行量化分析；然后采用随机对照法匹配出根据医院定位在该诊断下最合理的治疗方法与费用标准。以此来实现对小病大治（高套分值）等不规范的医疗行为的监管。
第二、建立二次入院评价体系。DIP在剔除分级诊疗必要的上转和下转的情况后，筛选出同一患者因同一疾病在一定区域范围内多次入院的病历信息，评估不同疾病特征下二次入院的概率。由此，计算出不同疾病二次入院的标准值与医疗机构二次入院率作对比，来识别是否为分解住院的情况。
第三 、建立低标入院评价体系。为避免医院低标入院的情况，需要分析海量的低分值病种入院的数据，来客观评价医院机构的收治是否合理。
第四 、建立超长住院评价模型。DIP利用大数据优势对该地区所有医疗机构各个疾病病组组合的平均住院天数进行标化。针对超长住院的病例客观分析，评判其是否是必要的。
以上内容整理自《基于大数据的病种分值付费的原理与方法》、《基于大数据的病种（DIP）分值付费基本特征》。
