🎿鸿运app🏀     

如果地区医保资金下降，地区医疗服务总分值升高，也就是说分母变大，病种点值就会下降。这就会导致所谓的DRG/DIP点数法点值贬值现象。知名医管专家仲崇海在自己文章里所举的一所乡镇卫生院的案例：“去年DIP点值一分还能值9元，今年就变成了6元。”这就形成医院虽然不断控费、工作量更大，但收入却减少的怪圈。

从更大层面上看，医保监管制度目的是提升医疗服务的质量，而不是一味降低价格。任何交易、支付行为，都不可能穷尽，一旦价格逼近成本边缘，必然会伴随质量下降。这一点不管是DRG，还是集采制度，都不可不察。

这是因为病人最初主诉只是普通疾病，确定标准后，一查下来发现有多种合并症，就会导致对标DRG后，费用明显超标。费用超标后，医保支付金额超出部分由医院自己承担，有的医院则会要求科室或医生个人承担。责任一步步地下压，结果就造成医生辛辛苦苦做了一个月，结果核算下来还要被倒扣钱。

简单地说，DRG/DIP就是确定是什么病，然后医保按病种付费。当然，这只是最简化的说法，实际上，还需要考虑地区总费用、地区医疗服务总量等。DRG点数法与DIP在方法学上相似，实行DRG/DIP支付方式改革的地区，医院通过医疗服务获取点数/分值，然后医保局根据本年度的医院总点数/分值、点值等数据，给医院结算相应的医保资金，类似一种“工分制”。即病种点值(单价)医保基金用于DRG/DIP支付的费用(总费用)/该区域所有医院的总分值(服务量)。

本质上，这些行为、现象都是人和管理方法的互动。DRG面对的是一个非常复杂的系统。人体疾病本身就是极其复杂的，然后，病人诉求、医生行为，在复杂的疾病之上，又会加上更加复杂的人性。这往往就会违背DRG系统的初衷。

DRG发明于20世纪70年代，当时计算机才刚刚出现，人类对于数据的把握能力还没有得到质的飞跃，所以，某种程度上，DRG的方法论本质还是简化。虽然现在DRG也大量使用了计算机，但本质上，仍然是在过去的“简化”这个方法论上加上新技术。

某种程度上，DRG就是算法。说到算法，自从那篇《困在系统里》之后，社会对算法似乎有了一种莫名的反感。算法驱使骑手更快，而系统发现骑手可以更快后，又会提高标准。某种程度上，医生也面临类似的困境。知乎上有医生吐槽：DRG最令人窒息的一点是，根据当地前几年某病种治疗花费加权平均得出今年的该病种报销花费后，各医院想尽量合理或不合理的手段将费用减下来以保证利润生存时，明年该病种报销比例又降低了。

鸿运app近年来，多省市改革按疾病诊断相关分组(DRG)付费后，医疗费用增长得到明显控制。但是面对医疗这种复杂问题，这个世界上没有任何完美的监管方法，随着改革的深入，新问题又出现了，那就是部分医疗机构不愿接收病情复杂的病人。

当下，随着计算机、大数据、人工智能的出现，人类从浩瀚数据中发现蛛丝马迹的能力有了质的飞跃。对于医生、医疗机构的行为，也可以不需简化，直接把握海量数据。更直接地说，在人工智能、大数据的介入下，哪怕没有任何模型去简化、无需简化为点数，从医生的每一个医疗行为，基本可以判断医生是否在滥用医保。所以，现在完全可以在DRG的基础上，进行方法论的根本创新，让模型、点数消失于无形，让医生不必再去算各种点数，只需一心一意对病人好，系统自然可以得到正确的结论。在这个基础上，就可以把医生的医疗劳动和医疗费用脱钩，不再让医生不公平地承担多出来的费用。

实际上，DRG还会产生另一问题，那就是医生会尽量向分值更高的病种去靠。比如社区获得性肺炎和重症肺炎，医生会尽量向重症肺炎靠，这样获得更多的医保资金，结余下来就是医院利润。但是，这就会推高地区医疗服务的总分值，把整个地区带入另一个困境。

当医生需要承担超额部分时，为了避免自己利益受损，医生就要控费。医生的办法很多。比如，避开那些复杂的病，这就是文章开头的现象。

解决这些问题的办法就是更多地编码法规。简单地说，就是把病种的分类更仔细，尽可能多地把所有病种、复杂病情都列举出来。比如，德版DRG模式下中风患者被分为10组，中风护理级别、全身溶栓、颅内出血和死亡等因素都被考虑在内。这可以让医生面对复杂病情，也可以找到对应的编码，不用再推诿复杂病情。