他們?cè)O(shè)計(jì)“最優(yōu)政策”，可優(yōu)化醫(yī)保支付、減少過(guò)度醫(yī)療

“科 研”

ZJUSOM

個(gè)性化醫(yī)療時(shí)代，“動(dòng)態(tài)治療方案”對(duì)癌癥、糖尿病等很多慢性病的治療都至關(guān)重要，醫(yī)生可根據(jù)患者病情變化分階段調(diào)整治療方案，從而提升患者的治療成功率。

這聽(tīng)起來(lái)是一件“百利無(wú)一害”的事，但事實(shí)并非如此。在醫(yī)療市場(chǎng)中，信息不對(duì)稱問(wèn)題表現(xiàn)得尤為突出。因?yàn)樵趧?dòng)態(tài)治療過(guò)程中，“患者病情如何變化？”“是否真的需要調(diào)整治療？”這類信息只有醫(yī)療服務(wù)機(jī)構(gòu)了解，負(fù)責(zé)賠付的保險(xiǎn)公司很難及時(shí)掌握。

于是，一些醫(yī)療服務(wù)機(jī)構(gòu)就可能利用這種信息不對(duì)稱“鉆空子”，比如通過(guò)多開(kāi)檢查、多開(kāi)藥、延長(zhǎng)住院時(shí)間等“過(guò)度醫(yī)療”行為，來(lái)向保險(xiǎn)公司申請(qǐng)更多的賠付。

圖片來(lái)源：?千庫(kù)網(wǎng)

這就為醫(yī)保支付政策的設(shè)計(jì)帶來(lái)了挑戰(zhàn)。作為支付方，保險(xiǎn)公司如何科學(xué)地為這類動(dòng)態(tài)治療方案設(shè)計(jì)最優(yōu)的支付機(jī)制，才能既保證患者得到最合適的治療，又不會(huì)為不必要的項(xiàng)目“買單”？

針對(duì)這一關(guān)乎人民生命健康和社會(huì)福祉的現(xiàn)實(shí)難題，浙江大學(xué)管理學(xué)院服務(wù)科學(xué)與運(yùn)營(yíng)管理學(xué)系“百人計(jì)劃”研究員張偉及其合作者進(jìn)行了深入研究。日前，他們的成果——“Optimal Payment for Dynamic Treatment Regimes”發(fā)表在國(guó)際頂級(jí)期刊Production and Operations Management（UTD24期刊之一）上。

研究中，他們基于動(dòng)態(tài)機(jī)制設(shè)計(jì)理論提出了一套“最優(yōu)醫(yī)保支付政策”，不僅可有效減少“信息不對(duì)稱”導(dǎo)致的“過(guò)度醫(yī)療”現(xiàn)象，還能在動(dòng)態(tài)治療過(guò)程中逐步獲取真實(shí)的、不斷變化的患者病情信息。

這套支付政策具體如何運(yùn)作？本期【科研】專題，一起來(lái)看這項(xiàng)既能提升醫(yī)療服務(wù)質(zhì)量、守護(hù)人民生命健康，又能保障醫(yī)保基金安全、醫(yī)療資源有效配置，增進(jìn)社會(huì)整體福祉的高水平研究。

學(xué)者簡(jiǎn)介

張偉，浙大管院服務(wù)科學(xué)與運(yùn)營(yíng)管理學(xué)系“百人計(jì)劃”研究員。研究方向：機(jī)制設(shè)計(jì)、信息設(shè)計(jì)、供應(yīng)鏈管理、醫(yī)療管理、收益管理。

*加州大學(xué)河濱分校教授皋龍、香港城市大學(xué)講席教授陳友華、中山大學(xué)助理教授費(fèi)馨玥同為論文合作者。

他們?cè)O(shè)計(jì)的“最優(yōu)醫(yī)保支付政策”，

可實(shí)現(xiàn)三大目標(biāo)

為探索最優(yōu)支付機(jī)制，張偉團(tuán)隊(duì)在研究中構(gòu)建了一個(gè)“存在內(nèi)生性信息不對(duì)稱的委托-代理模型”。在該模型中，保險(xiǎn)公司作為“委托人”，負(fù)責(zé)設(shè)計(jì)動(dòng)態(tài)治療方案的支付機(jī)制；醫(yī)療服務(wù)機(jī)構(gòu)作為“代理人”，掌握患者病情的第一手信息，因此在信息上占據(jù)優(yōu)勢(shì)。

治療過(guò)程在模型中被劃分為多個(gè)階段。每一階段結(jié)束后，醫(yī)療服務(wù)機(jī)構(gòu)會(huì)向保險(xiǎn)公司報(bào)告患者的病情進(jìn)展，保險(xiǎn)公司則依據(jù)這些信息進(jìn)行相應(yīng)賠付。

基于該模型，張偉團(tuán)隊(duì)提出了一套“最優(yōu)醫(yī)保支付政策”，并明確了該政策的主要特征：

01

以“獎(jiǎng)勵(lì)誠(chéng)實(shí)”杜絕“鉆空子”

為了有效遏制醫(yī)療服務(wù)機(jī)構(gòu)利用信息不對(duì)稱“鉆空子”，保險(xiǎn)公司需做兩件事：一是允許醫(yī)療服務(wù)機(jī)構(gòu)根據(jù)病人實(shí)際情況調(diào)整治療方案；二是設(shè)立“獎(jiǎng)勵(lì)性薪酬”，獎(jiǎng)勵(lì)那些如實(shí)上報(bào)信息的醫(yī)療服務(wù)機(jī)構(gòu)。

這兩項(xiàng)措施相結(jié)合，既能防止醫(yī)療服務(wù)機(jī)構(gòu)“挑肥揀瘦”、只接收輕癥病人，也可避免其“小病大治”的過(guò)度醫(yī)療行為。

02

以“延遲支付”綁定長(zhǎng)遠(yuǎn)利益，

獲取患者新信息

針對(duì)動(dòng)態(tài)治療方案，保險(xiǎn)公司可采用“延遲支付”機(jī)制，相當(dāng)于將一部分款項(xiàng)留作“績(jī)效押金”，等到后續(xù)治療達(dá)到特定結(jié)果后再發(fā)放。這樣就能把醫(yī)療服務(wù)機(jī)構(gòu)的利益和患者未來(lái)的康復(fù)效果牢牢“綁定”，從而激勵(lì)醫(yī)療服務(wù)機(jī)構(gòu)致力于提升長(zhǎng)期治療效果。

同時(shí)，保險(xiǎn)公司也能借此逐步獲取患者后續(xù)的病情新信息。

03

以“行為激勵(lì)”優(yōu)化患者治療結(jié)局

保險(xiǎn)公司需激勵(lì)醫(yī)療服務(wù)機(jī)構(gòu)將 “治療延續(xù)效應(yīng)”與“潛在效應(yīng)”納入決策考量，同時(shí)鼓勵(lì)他們根據(jù)患者病情變化主動(dòng)、靈活地調(diào)整方案，從而讓患者的治療結(jié)果達(dá)到最優(yōu)。

除了上述特征外，最優(yōu)醫(yī)保支付政策還具備“可輕松落地執(zhí)行”的特征，保險(xiǎn)公司通過(guò)“風(fēng)險(xiǎn)調(diào)整”的成本分擔(dān)方式就能執(zhí)行。

例如，根據(jù)患者病情嚴(yán)重程度和風(fēng)險(xiǎn)高低，動(dòng)態(tài)調(diào)整醫(yī)保和個(gè)人的費(fèi)用分擔(dān)比例，讓支付方案更公平、更合理。

圖片來(lái)源：?千庫(kù)網(wǎng)

“最優(yōu)醫(yī)保支付政策”好在哪兒？

不用持續(xù)為信息不對(duì)稱“買單”

研究中，張偉團(tuán)隊(duì)回答了一個(gè)“關(guān)鍵問(wèn)題”：他們?cè)O(shè)計(jì)的這套“最優(yōu)醫(yī)保支付政策”在何時(shí)、為何優(yōu)于傳統(tǒng)政策？

他們發(fā)現(xiàn)，在動(dòng)態(tài)治療場(chǎng)景中，過(guò)去的支付模型可能高估了“信息不對(duì)稱”帶來(lái)的危害，認(rèn)為這種危害會(huì)一直存在。而保險(xiǎn)公司可能因此被誤導(dǎo)，在支付政策設(shè)計(jì)上持續(xù)為“信息不對(duì)稱”多支付，并扭曲治療決策，影響患者治療結(jié)局。

但實(shí)際上，只要支付機(jī)制設(shè)計(jì)得好，這種“信息不對(duì)稱”帶來(lái)的危害只是暫時(shí)的。因?yàn)閯?dòng)態(tài)治療包含多個(gè)階段，通過(guò)反復(fù)互動(dòng)，醫(yī)療服務(wù)機(jī)構(gòu)會(huì)逐漸了解患者的最新信息，保險(xiǎn)公司完全可以分階段獲取這些新信息。

這就是“最優(yōu)醫(yī)保支付政策”的優(yōu)勢(shì)所在——保險(xiǎn)公司只需為“治療初期醫(yī)療服務(wù)機(jī)構(gòu)掌握的私有信息”支付一次性的合理成本，對(duì)于后續(xù)治療中產(chǎn)生的“新信息”，可通過(guò)巧妙的支付設(shè)計(jì)來(lái)“免費(fèi)”獲取。

圖片來(lái)源：?千庫(kù)網(wǎng)

基于兩組真實(shí)數(shù)據(jù)，張偉團(tuán)隊(duì)還量化分析了最優(yōu)政策在何時(shí)、為何優(yōu)于傳統(tǒng)政策。結(jié)果發(fā)現(xiàn)，最優(yōu)政策將治療方案的延續(xù)效應(yīng)與潛在效應(yīng)均納入決策考量，并提前明確所有支付條款，將醫(yī)療服務(wù)機(jī)構(gòu)的信息優(yōu)勢(shì)僅限定在初始階段，可修正傳統(tǒng)政策在 “決策” 與 “信息” 方面的缺陷，在多種場(chǎng)景下改進(jìn)效果顯著。

尤其是當(dāng)醫(yī)療服務(wù)機(jī)構(gòu)對(duì)聲譽(yù)的關(guān)注度較低、治療的潛在效應(yīng)較強(qiáng)且延續(xù)效應(yīng)顯著時(shí)，最優(yōu)政策顯著優(yōu)于傳統(tǒng)政策。

他們的研究填補(bǔ)了理論空白，

并將助推醫(yī)保支付改革

作為個(gè)性化醫(yī)療的核心支柱，動(dòng)態(tài)治療方案如今廣泛應(yīng)用于癌癥、艾滋病、高血壓等慢性病的治療中。但這種治療方案給了醫(yī)療服務(wù)機(jī)構(gòu)利用信息優(yōu)勢(shì)“鉆空子”的機(jī)會(huì)，進(jìn)而導(dǎo)致“過(guò)度醫(yī)療”現(xiàn)象近年來(lái)屢見(jiàn)不鮮。

而要減少這些現(xiàn)象，保險(xiǎn)公司必須以動(dòng)態(tài)視角來(lái)設(shè)計(jì)醫(yī)保支付政策。但目前醫(yī)療領(lǐng)域關(guān)于這方面的研究較為匱乏，現(xiàn)有支付模型對(duì)醫(yī)療服務(wù)機(jī)構(gòu)的行為設(shè)定過(guò)于簡(jiǎn)化，忽視了動(dòng)態(tài)治療方案中醫(yī)療服務(wù)機(jī)構(gòu)可能通過(guò)信息學(xué)習(xí)，多次利用信息優(yōu)勢(shì)“鉆空子”的行為。

張偉團(tuán)隊(duì)的研究不僅填補(bǔ)了這一“研究空白”，強(qiáng)調(diào)了醫(yī)療服務(wù)機(jī)構(gòu)“信息學(xué)習(xí)”與“鉆空子”行為對(duì)醫(yī)保支付與患者治療結(jié)局的影響，深化了學(xué)術(shù)界對(duì)醫(yī)保支付理論與實(shí)踐的理解，還為醫(yī)保支付改革提供了新的見(jiàn)解：

01

對(duì)激勵(lì)性薪酬與治療限制措施的設(shè)定，需根據(jù)具體治療的延續(xù)效應(yīng)與潛在效應(yīng)進(jìn)行校準(zhǔn)，且這些措施僅在治療初始階段使用，最終需逐步取消。

02

簡(jiǎn)單化的支付政策（如按服務(wù)收費(fèi)、打包付費(fèi)等）在動(dòng)態(tài)治療場(chǎng)景中并非最優(yōu)。若要實(shí)現(xiàn)成本控制與質(zhì)量提升的雙重目標(biāo)，支付政策必須包含帶有連續(xù)目標(biāo)的獎(jiǎng)懲條款。

圖片來(lái)源：?千庫(kù)網(wǎng)

此外，張偉團(tuán)隊(duì)的研究也將助力解決中國(guó)醫(yī)療服務(wù)系統(tǒng)科學(xué)發(fā)展中出現(xiàn)的相關(guān)問(wèn)題，構(gòu)建中國(guó)現(xiàn)代化醫(yī)療支付政策。

當(dāng)前，如何基于有限資源為人民提供公平、可及的高質(zhì)量醫(yī)療服務(wù)，是我國(guó)醫(yī)療服務(wù)系統(tǒng)面臨的重大挑戰(zhàn)。張偉團(tuán)隊(duì)的研究，以“最優(yōu)醫(yī)保支付政策”的巧妙設(shè)計(jì)，激勵(lì)醫(yī)療服務(wù)機(jī)構(gòu)對(duì)患者進(jìn)行公平且精準(zhǔn)的治療，將大大提升醫(yī)療服務(wù)質(zhì)量，減少“過(guò)度醫(yī)療”行為，優(yōu)化醫(yī)療資源配置，維護(hù)人民生命健康并增進(jìn)社會(huì)福祉。

聚焦“四個(gè)面向”，

以有貢獻(xiàn)力、有影響力的

高水平科研與學(xué)科交叉會(huì)聚，

服務(wù)國(guó)家戰(zhàn)略

與人類生活美好進(jìn)步，

是每一位浙大管院學(xué)者的使命。

【科研】系列專題

將持續(xù)為你講述

他們的最新科研進(jìn)展。

附：論文摘要

Dynamic treatment regimes improve health outcomes by tailoring each treatment to a patient’s evolving condition, but they also allow providers to learn and game the system over time. How should insurers pay? We study this new class of reimbursement problems, where the provider can privately learn and manipulate the progression of the patient’s condition. (i) We characterize the optimal payment policy: it internalizes two intertemporal effects of each treatment, and rewards provider honesty with incentive pay; moreover, it admits a simple implementation of risk-adjusted cost-sharing policy. (ii) We show that, ignoring dynamic learning and gaming, the existing payment models may have overestimated the harm of information asymmetry. Using the optimal policy, insurers only need to pay for initial private information; they can exploit provider uncertainty and elicit future private information at no cost. (iii) Our study informs U.S. healthcare payment reform with new insights; using two sets of real data, our study also quantifies when and why the optimal policy outperforms the existing ones. By highlighting the critical role of dynamic learning and gaming, this study advances our understanding of healthcare payment theory and practice.

編輯排版：段婷

審核：佟慶、張偉