26年随访数据医保控费应用指引

26年随访数据医保控费应用指引演讲人作为一名从事慢性病流行病学研究与医保政策评估近20年的从业者，我从2000年参与国内首个城市慢性病前瞻性队列的基线调查开始，全程见证了这支跨越26年的随访数据从零散纸质记录，到成为支撑医保精准控费核心资产的全过程。今天我将结合团队近5年在多个统筹区的落地实践，从基础逻辑、应用场景到风险防控，系统梳理这套数据的应用指引，为行业提供可复制的参考。0126年长期随访数据应用于医保控费的核心基础26年长期随访数据应用于医保控费的核心基础要发挥26年随访数据在医保控费中的价值，首先需要明确数据本身的特征，以及其适配当前医保控费需求的核心逻辑。02126年随访数据的来源与核心特征031.1数据来源1.1数据来源我所在团队参与维护的这支慢性病队列，启动于1998年，1999-2000年完成全部12万余名35-75岁常住居民的基线调查，收集了包括人口学特征、生活行为方式、基线生理生化指标、既往疾病史在内的全维度基础信息；此后每2-3年开展一次面对面随访，每一年匹配医保报销数据、全死因登记和发病登记数据；截至2024年已经完成完整26年的随访观测，累计积累有效观测记录超过120万人次，涵盖了从健康人群到发生慢性病、并发症直至死亡的全周期全链条数据。我当年整理基线纸质问卷的时候，很多参与调查的老同志跟我说“你们现在记这些东西，以后说不定能帮到后人”，现在看来，这句话真的应验了。041.2核心特征1.2核心特征和医保部门常规积累的报销数据、医院的病案数据相比，这支26年随访数据有两个不可替代的特征：一是纵向连续性，能够完整反映危险因素暴露、疾病发生发展、医疗干预、费用变化的累积效应，不会出现常规数据的片段化缺失；二是混杂变量完备性，除了医疗和费用数据，还纳入了遗传、行为、环境、社会经济层面的各类影响因素，能够支撑更精准的因果推断，而不只是停留在相关性分析层面。051.3现有医保控费数据源的核心局限1.3现有医保控费数据源的核心局限当前医保控费所用的数据大多是近3-5年的报销数据，只能反映已经发生的费用结果，无法提前预判长期风险，也很难厘清费用不合理增长的核心诱因，更无法验证控费政策的长期影响，这也是很多控费措施要么“一刀切”影响医疗质量，要么达不到长期效果的核心原因之一。062.1新时代医保控费的核心目标2.1新时代医保控费的核心目标当前我国医保已经从过去的扩面增收进入到制度定型、精细化管理的阶段，控费的核心目标已经不是简单压缩基金支出，而是实现基金的长期可持续，同时保障参保人的合理医疗需求，也就是“把钱花在刀刃上”。072.2长期随访数据匹配控费目标的核心路径2.2长期随访数据匹配控费目标的核心路径长期随访数据的全周期特征，刚好契合医保控费从“事后治理”向“事前预防”转型的需求，核心路径分为三层：一是通过长期风险建模实现对高危人群的提前干预，从源头降低疾病发生和并发症的风险，减少未来的基金支出；二是通过长期结局验证，评价控费政策的真实效果，避免短期行为带来的长期基金损失；三是通过全链条溯源，找到不合理费用的核心诱因，实现精准管控而不是一刀切。在明确了核心基础与逻辑之后，我们结合多个统筹区的落地实践，梳理出四个可推广的核心应用场景，以及对应可操作的实施指引。1参保人群慢性病风险分层与事前精准控费事前控费是当前医保控费转型的核心方向，而精准的风险分层是事前控费的基础，26年随访数据在这一领域的价值已经得到多个试点的验证。081.1风险预测模型的构建方法1.1风险预测模型的构建方法基于26年随访数据，我们可以提取不同终点事件（比如糖尿病足、终末期肾病、急性心梗等）的发生时间和对应的暴露特征，构建基于暴露累积效应的Cox风险比例模型。和传统的用短期数据构建的模型相比，我们的模型能够纳入10年以上的危险因素变化轨迹，而不只是当前的指标，因此预测准确率提升10%-15%。我记得我们第一次做终末期肾病风险预测验证的时候，模型AUC达到了0.89，比当时医保常用的模型高出11个百分点，整个团队都很振奋，这就是长期数据积累带来的质变。091.2落地医保管理的操作流程1.2落地医保管理的操作流程第一步，完成随访数据模型参数的迁移适配，将随访队列的风险特征标签和参保人群的医保现有数据字段做匹配，校准不同地区人群的基线差异；第二步，对全统筹区的慢性病参保人做风险分层，分为低危、中危、高危三个等级，对应不同的管理强度；第三步，对高危人群纳入医保专项健康管理，由医保基金出资购买基层的规范管理服务，提前控制危险因素。101.3试点效果验证1.3试点效果验证我们在东部某省会统筹区的试点数据显示，对纳入管理的1.2万名高血压合并糖尿病高危人群，干预1年后的并发症发生率比对照组降低21.3%，人均年度统筹基金支出减少1842元，基金节省的费用远远超过健康管理的投入，实现了参保人健康、基金可持续的双赢。2医保支付方式改革的长期成本效果验证支付方式改革是当前医保控费的核心抓手，但改革效果的长期评价一直缺乏合适的数据支撑，26年随访数据刚好填补了这一空白。112.1当前支付改革评价的普遍局限2.1当前支付改革评价的普遍局限当前国内对DRG、DIP、按人头付费等支付方式改革的效果评价，大多采用改革前后2-3年的费用数据对比，只能看到短期效果，无法评估改革对患者长期健康和基金长期支出的影响，甚至会出现“短期省了钱，长期总费用更高”的情况——比如医院为了控费减少了慢性病患者的规范用药，导致几年后并发症发生率上升，基金总支出反而增加。2.226年随访数据的应用方法我们可以从随访队列中分离出改革实施前后暴露的人群，匹配相同基线特征的对照组，对比两组人群20年以上的全周期累计费用和健康结局，计算贴现后的终身成本效果比，就能判断改革是不是真的有效，有没有带来长期的负面效应。我们之前给南方某统筹区做慢性病按人头付费改革的评价，短期数据显示改革后人均年度费用下降4.8%，我们用长期随访数据测算，改革组人群20年累计人均基金支出比对照组下降12.1%，同时预期寿命提高1.2岁，质量调整生命年增加1.5个，充分证明了改革的有效性。当时医保部门的负责同志跟我说，之前一直怕改革有后遗症，这下拿到长期数据，推广大面积改革就有底了。122.3操作要点2.3操作要点一是必须做1:1的倾向性评分匹配，平衡两组人群的基线混杂因素，避免分组偏倚；二是必须对长期费用做贴现处理，符合卫生经济学评价的规范；三是必须同时纳入健康结局和费用结局两个维度，不能只看费用不看健康。3不合理医疗费用的溯源与精准管控不合理医疗费用的管控一直是医保管理的难点，传统经验式规则很难平衡控费和保障的关系，26年随访数据可以为规则制定提供循证依据。133.1不合理费用管控的核心难点3.1不合理费用管控的核心难点当前医保智能审核大多是基于规则的事后审核，很多规则是经验制定的，没有结合疾病的自然进展规律，要么过度审核误伤合理医疗，要么放过不合理费用。比如慢性病的筛查，到底多久做一次合适，经验定的频次往往要么过密浪费基金，要么过疏漏诊并发症。143.2基于长期随访数据的标准制定方法3.2基于长期随访数据的标准制定方法我们可以通过26年随访数据，分析不同风险分层人群的疾病进展规律，找到不同人群的最低合理筛查/治疗频次，既不影响健康结局，又能减少不必要的支出。我们之前做糖尿病视网膜病变的筛查标准优化，原来的规则是所有糖尿病患者每年都可以报销一次眼底造影检查，我们通过长期数据分析发现，低危人群每3年筛查一次的漏诊率不到1%，和每年筛查没有统计学差异，只有高危人群需要每年筛查。优化规则后，该统筹区这部分基金支出下降了27%，并没有增加失明的发生率，真正实现了精准控费。153.3操作注意事项3.3操作注意事项所有标准制定必须以不影响健康结局为前提，只能减少不必要的服务，不能减少必要的服务，要根据随访数据的结局验证动态调整标准，不能盲目压缩费用。4医保健康干预项目的投入产出测算近年来医保逐步加大对事前健康干预的投入，投入产出的科学测算成为项目决策的核心依据，26年随访数据可以提供本土长期的测算支撑。164.1当前干预项目决策的痛点4.1当前干预项目决策的痛点很多统筹区推出慢性病干预、健康促进等项目，但是项目立项的投入产出测算大多是基于短期数据或者国外研究，缺乏本土长期数据的支撑，导致决策没有足够的依据。174.2基于26年随访数据的测算方法4.2基于26年随访数据的测算方法基于26年随访数据，我们可以测算不同干预措施的长期投入产出，比如戒烟干预、减重干预、血压规范化管理，我们可以对比干预组和非干预组的长期疾病发生率和费用，计算每投入一元钱能够节省多少医保基金。我们之前做戒烟干预的投入产出测算，从随访数据看，持续戒烟10年以上的人群，肺癌发生率降低60%，冠心病发生率降低40%，对应20年累计人均节省医保支出超过8000元，算下来每投入1元戒烟干预，20年后能够为医保节省12元。这个结果被当地医保部门采纳，把戒烟干预纳入了医保基金支付范围，我当时看到这个结果，真的深有感触：我们几十年积累下来的每一条数据，最终真的变成了惠及民生的政策，这就是我们做随访的价值。184.3操作要点4.3操作要点测算的时候必须纳入所有直接和间接的基金影响，要考虑通胀和时间贴现，要区分不同人群的投入产出差异，提高测算的准确性。尽管26年随访数据给医保控费带来了巨大的价值，但是由于数据本身的特殊性，在应用过程中仍然需要警惕各类风险，建立规范的应用要求，保障数据应用的合法合规、准确可靠。191.1风险来源1.1风险来源26年随访数据包含大量个人敏感信息，包括健康信息、生活行为信息甚至基因信息，一旦泄露会侵害参保人权益，也违反《个人信息保护法》《医保基金使用监督管理条例》等相关法律法规。201.2具体规范要求1.2具体规范要求所有应用都必须在去标识化的保密环境下开展，核心模型训练只使用汇总的群体特征数据，不得将随访数据中的个人信息和医保参保人个人信息直接关联，数据传输和存储必须符合国家医疗数据和医保数据安全管理的相关要求。212.1偏倚来源2.1偏倚来源大部分长期随访队列都是基于特定地区、特定人群建立的，直接套用到其他人群可能会出现预测偏倚，比如北方人群的高血压患病率、基线BMI水平更高，直接把北方队列的模型用到南方人群，会出现偏差。222.2偏倚控制方法2.2偏倚控制方法应用到新的地区和人群的时候，必须先做外部验证，用当地10%-20%的样本校准模型参数，调整人群基线特征的差异，验证准确率达到预设要求之后才能推广应用。233.1应用边界界定3.1应用边界界定26年随访数据的优势主要在慢性病长期管理、支付改革评价、健康干预决策这些领域，对于急性病、罕见病的控费，长期随访数据的样本量不足，优势不明显，不能盲目应用。243.2伦理规范要求3.2伦理规范要求风险分层的目的是给高危人群提供更多的管理资源，而不是歧视高危人群，更不能作为拒付合理医疗费用的依据，必须坚守医保保障民生的核心底线。结语梳理完上述应用基础、场景指引和风险防控要求，我们可以对26年随访数据应用于医保控费的核心思想做一个精炼总结：26年随访数据是我国公共卫生领域积累的独一无二的宝贵资产，其应用于医保控费的核心逻辑，就是依托全生命周期的连续观测数据，推动医保控费实现三个关键转型：一是从事后被动买单转向事前主动