大数据在医保管理中怎么用？医保专家谈尝试与思考
我国社会医疗保险制度改革从1994年两江试点开始，1998年国务院出台关于建立城镇职工基本医疗保险制度的决定，2003年国办下发通知实施新农合，2007年建立城镇居民医保，到今天全国绝大部分地区都已实现了城乡居民医保整合。这是一个由某个群体有基本医保发展为全民医保、城乡医保一体化的过程。在这个过程中，医保部门对自身的作用及定位也在随之变化。
过去，医保一直处于付款人的角色，参保人发生了医疗费用，医保只负责为参保人掏钱买单。医保事业发展了，人人都有医保了，保障水平包括报销比例、最高支付限额不断提高，但是老百姓仍然面临“看病贵、看病难”的问题，甚至看病花的钱比原来更多了。这是为什么？
医疗费用的不断攀升导致了医保红利被稀释——虽然医保报销得越来越多，但因为医疗费用增长过快，老百姓的医疗费用负担还是在不断加大，难以体会到医保发展带来的获得感。
医疗费用不断上涨，致使医保基金支付压力越来越大，医保部门由此开始转变思路——作为参保人代理人，应该更加体现参保人的诉求，从单纯的付费者逐渐向服务的定制者转变。医保开始与医疗服务提供方协商谈判，并对医疗服务行为进行监督与管理，希望通过医保支付标准，倒逼医院合理用药，节约成本，降低医疗费用。
由单纯的付费向谈判团购转变，为参保群众购买物有所值的医疗服务，对医保经办管理提出更高要求，既有挑战也有机遇，医保大数据的应用可以让医保管理更有效率。
应用
现在医保大数据的实际情况是，虽然数据量大，内容丰富，但由于医保制度割裂，在很多地区分属不同部门管理，区域分割，各种数据分散在近2000个系统中，加之信息标准、硬件技术、网络技术和开发商割据等带来的技术阻断，因此医保虽有数据，但能否被充分运用，还有待完善。
大数据时代背景下，医保管理迎来的挑战是能否以我们海量的数据为依托，以信息化为抓手，以大数据为手段，对积累起来的数据进行挖掘。如何去挖掘？如何去使用？这是对医保经办机构能力的考验。
依托大数据进行医保管理，北京市医保中心在几方面进行了有益探索：
1.优化付费方式
如何比较每家医疗机构的成本？如果从成本收益的角度讲，同样的疾病，在保障患者出院转归的情况下，一些医疗机构使用的医保基金更低，那么医保宁可花更多的钱支付给这家医疗机构。因为同样的钱，在这家医疗机构体现的是使用效率的提升。
难点在于什么？在于如何科学合理评估医疗费用及质量。因为医疗服务标准化不到位，在缺乏统一的评判标准情况下，以往按照诊疗项目或者是总费用评估来进行总额控制管理，意义不大。
在门诊数据标化之前，只能按照年龄分组，对于医保大数据的分析和应用也有需要注意的地方：在衡量各医院的就医费用时，不能按照“花钱越少越好”的标准一刀切，要顾及患者差异，综合考量各种因素，形成一个较为科学的评价指标。
市医保中心经过统计发现，从就诊人次、次均服用药品数量以及就诊人数的占比等数据来看，年轻人去医院基本上是看病，复诊率不高，药占比不高；而老年人基本上是拿药，从整个全年来看，接近每个月要去一次医院，药占比能够达到80%以上。在这种情况下，不能够说一家医院的次均费用300元就是高，200元就是低。因为也许200元的医院在金融区，看的都是40岁以下的患者，说不准这200元里还存在浪费现象；而300元的医院在老社区，患者都是60岁以上的人，300元相对来讲是低的。所以市医保中心在进行评价的时候，按照每一个医疗机构门诊患者的每一个年龄段所占的权重进行数据标化。标化之后，再去比较哪家医疗机构使用医保基金的效率更高，决定第二年如何去买单。
2.监控医疗行为
市医保中心通过数据的挖掘，希望达到对于医疗机构、医务人员、参保人员的医疗行为进行监控，科学评价医保基金能否更多地提高使用质量和效益。
从对于医疗机构的监管来说，作为医保经办管理部门，如果就某一个点来单看某个项目，很难去界定单次发生费用是否合理。但是通过一些数据的异动，至少可以指明方向。
市医保中心每年对于药品支出前20名做出排名，分析药品使用是否合理。如果认为药品的功能主治和它消耗的医疗费用不成正比关系，医保中心会请专家尽可能的明确医疗保险的支付适应症，就是到底应该对这些药品的哪些适应症买单，哪些不买单。但有些药品很难清楚地进行支付适应症规范，医保中心将筛选到具体的医疗机构：某种药品按照现在的支出来看，从人均用量和总量来讲，全市哪些家医疗机构花的最多？针对这两种情况，市医保中心将直接给医院法人发告知书：该种药品在全市平均人次用量同级的情况下是多少，你这家医院的使用量是多少，是全市的大概多少倍，建议医院进行合理的分析，并将结果告知医保中心是否有问题，如果有问题，问题出在哪里，怎样解决。市医保中心会对该药品连续监测三个月，三个月之后如果该药品消耗的医疗费用有显著变化，可认为医院的措施是得力的，如果没有变化，就对其进行处方点评和病理分析。
挑战和前景
可以肯定的是，大数据的应用使得医保管理更加科学和精确，随着大数据的发展，医保管理也将取得新的成果。而现在距离真正的医保大数据的应用，还面临着一些挑战：
第一个是对于大数据应用价值的认识有限。现在医保对于大数据只停留在表层的使用，没有真正深层次的挖掘很多数据的潜在价值。大数据本身是内容丰富的“金矿”，但如果只是摆在那里不对其进行深层次的挖掘和剖析，并不能体现它的价值。
第二个是数据不完整，缺乏标准，如何得到更加贴近真实的判断，也是在技术层面需要深入研究的。
第三个是由于信息安全问题没有解决，信息的交流和共享还存在障碍。我们希望大数据能够打破信息孤岛，同时个人隐私能够得到保障，让医保大数据能够安全共享，从而开发出更多人的智慧，让现有的数据资源体现出更高的价值，提升我们基金使用的效能，为我们的被保险人提供更好的服务和保障。
数据分析咨询请扫描二维码
在当今以数据为导向的商业环境中，数据分析师的角色变得越来越重要。无论是揭示消费者行为的趋势，还是优化企业运营的效率，数据...
金融数学是一门充满挑战和机遇的专业，它将数学、统计学和金融学的知识有机结合，旨在培养能够运用数学和统计方法解决复杂金融市...
在信息时代的浪潮中，大数据已成为推动创新的重要力量。无论是在商业、医疗、金融，还是在日常生活中，大数据扮演的角色都愈发举...
随着大数据技术的迅猛发展，数据已经成为现代商业、科技乃至生活各个方面的重要资产。大数据专业的毕业生在这一变革背景下，拥有...
在快速演变的数字时代，数据分析已成为多个行业的核心驱动力。无论你是刚刚踏入数据分析领域，还是寻求进一步发展的专业人士，理...
Python作为一种通用编程语言，以其简单易学、功能强大等特点，成为众多领域的核心技术驱动者。无论是初学者还是有经验的编程人员...
在当今数据驱动的世界中，数据分析已成为许多行业的基础。无论是商业决策，产品开发，还是市场策略优化，数据分析都扮演着至关重...
数据分析作为现代商业和研究领域不可或缺的一部分，吸引了越来越多的初学者。然而，自学数据分析的过程中，初学者常常会遇到许多...
在当今的数据驱动世界中，机器学习方法在数据挖掘与分析中扮演着核心角色。这些方法通过从数据中学习模式和规律来构建模型，实现...
随着数据在各个行业的重要性日益增加，数据分析师在商业和技术领域的角色变得至关重要。其核心职责之一便是通过数据可视化，将复...
数据分析师的职责不仅仅局限于解析数据和得出结论，更在于将这些复杂的信息转换为清晰、易懂且具有影响力的沟通。良好的沟通能力...
数字化转型是企业提升竞争力和实现可持续发展的关键路径。面对快速变化的市场环境，以及技术的飞速发展，企业在数字化转型过程中...
CDA数据分析师认证：CDA认证分为三个等级：LevelⅠ、LevelⅡ和LevelⅢ，每个等级的报考条件如下：Le...
自学数据分析可能是一条充满挑战却又令人兴奋的道路。随着数据在现代社会中的重要性日益增长，掌握数据分析技能不仅能提升你的就...
数据挖掘与分析在金融行业的使用在当今快速发展的金融行业中，数据挖掘与分析的应用愈发重要，成为驱动行业变革和提升竞争力的...
学习数据挖掘需要掌握哪些技能数据挖掘是一个不断发展的领域，它结合了统计学、计算机科学和领域专业知识，旨在从数据中提取有...
统计学作为一门基于数据的学科，其广泛的应用领域和多样的职业选择，使得毕业生拥有丰厚的就业前景。无论是在政府还是企业，统计...