文 | 八点健闻，作者 | 张丽敏，编辑 | 王吉陆

2019年9月10日，马云宣布退休了。

在这之前4天，网易云音乐获阿里巴巴、云锋基金等共计7亿美元融资，估值70亿美元左右。这是公开报道中马云退休前阿里巴巴最新的一笔投资。

网易云音乐的产品逻辑，是根据用户听歌产生的数据，与其他用户行为做匹配，找出行为最为相似的那群用户，然后依据这群用户的听歌记录，做定制化的推荐。

这个逻辑，与中国医保支付机制DRGs的最新一种方法论——“大数据按病种分值”异曲同工。

一个患者到医院看病，医保该为他付多少钱，才能让他获得有效而合理的医疗服务？既不会过度诊疗，也不会敷衍了事。

“大数据病种分值”的方法是依据疾病诊断、治疗操作及个人特征等数据，找到相似的患者，根据他们的平均花费，为这个患者计算治疗费用。这个方法，也被通俗地称之为大数据DRGs。

DRGs的方法论，与关乎每一个人的医保费用精细化管理息息相关。做好了，医保基金的使用效率就能得到提高，而看病贵的问题也能在一定程度上得到解决。

中国的DRGs研究始于1988年，在2018年国家医保局成立，成为当仁不让的主力推手之时，已历经30个年头。

30年中，DRGs既发源于医院自发的绩效管理，也蕴含着医保控费的实际需求；既有引进国外分组器进行本土化改造的尝试，又有自主研发分组器的实践。

伴随着大数据时代的到来，医疗大数据、机器学习等智能手段，已被利用到DRGs的改革实践中，成为一股新兴的力量。

八点健闻此前的报道《中国DRGs的前世今生：一项舶来的医保支付机制如何本土化》已从时间维度，对从中央到地方的DRGs政策与实践进行了清晰地梳理与总结。

本文尝试从方法论的角度，说明各类DRGs之间的不同之处，尤其聚焦于大数据病种分值方法论上的创新，以便溯源追本，知往开来。

DRGs——医保支付的“中庸之道”

简单理解，DRGs（Diagnosis-Related Groups）解决的是患者看病医保如何付钱的问题，要在“按项目收费”与“按人头收费”这两个极端之间，选择一条“中庸之道”。

若完全按照项目收费，会存在过度诊疗，例如重复入院、多开药物多做检查、刺激医院引入尖端诊疗设备和推销高价药物等问题。

若完全按照人头付费，则会诱导医院选择性接收病人，如接收症状较轻、住院时间相对较短的患者，推诿重病患者；分解患者住院次数，以获取更多的“人头”，最终会导致医患矛盾突出。

DRGs的出发点是基于这样一个概念：患者所接受的治疗与患者的病情有关，与医院的特性无关，如病床规模，是否是专科医院等。

治疗每个患者都要消耗一定的资源，而每个患者因其年龄、性别、主要和次要诊断，以及入院时的状况等因素的不同而消耗不同的资源，医保部门通过计算患者消耗资源的总量，制定拨付医院的费用。

现实情况中，由于个体差异很大，不可能制定“一人一价”。这就需要采用某种方法，将预计消耗诊疗资源相似的人群划分为一个组别，针对每个组别制定单一支付标准（俗称“一口价”），向医疗机构支付费用。

比如说，同样一个治疗关节炎的全膝关节置换手术，在上海不同的医院，治疗费用从5万多元到9万多元都有，最高和最低相差1.74倍。制定“一口价”，可以引导遏制不合理的医疗行为，使医院管理更加科学化。

从上述描述可以看出，实施DRGs的关键点有两个：第一，如何正确合理地分组？第二，如何制定合理的“一口价”？这两个问题也紧密相关，分组的合理性能够极大提升“一口价”制定的准确性。

那些DRGs的先行者们

DRGs分组的基本理念是依据患者疾病类型、治疗方式和个体特征的不同而区分不同的组别。可以分三个步骤来实现：

第一步，将大部分病例划分入不同的“疾病大类(MDC)”。澳大利亚AR-DRGs分为23个疾病大类，美国AP-DRGs和我国的CN-DRGs均分为26个疾病大类。

第二步，将同类MDC依据治疗“操作”方式不同，再细分为基干DRGs。

第三步，同类疾病、同类治疗，再按病人个体特征不同，如病例的年龄、性别、出生体重(新生儿病例)等，将基干DRGs再度细分。

举例来说，“胸部食管恶性肿瘤”与“血管性心脏病”即属于不同的疾病大类（MDC），首先就分入不同组别。

然后，针对“胸部食管恶性肿瘤”有不同的治疗手段，所以“胸部食管恶性肿瘤+保守治疗”、“胸部食管恶性肿瘤+食管癌根治术”、“胸部食管恶性肿瘤+食管癌根治术+空肠造口术”将成为不同的基干DRGs。