1  前言

医保信息系统是遵照国家医保政策，按照医保业务管理机构的具体要求，采用先进的计算机技术和网络技术，进行参保基本信息管理、基金征缴及分配管理、门诊个人账户支付管理、报销统筹基金支付管理、住院参保人员网上在线结算等一系列为参保人员提供基本医保管理服务的计算机信息系统。随着我国医疗卫生领域信息技术的发展，医保信息系统的应用变得十分广泛，但医保数据的应用还处于初级阶段。如何将数据进行有序链接，实现深度挖掘，以提供临床支持和科学决策，愈发引起关注。

2  医保数据类型及特点

医保数据指医保业务过程中获得的数据，包括医疗机构、个人、门诊以及基金等类型数据，如表1所示。其特点首先是海量性，原因是我国医保覆盖人数众多，同时也与医疗工作自身特点有关，如病情观察的不可间断、各种医疗检查结果纷繁复杂等；其次是异构性，即医保数据类型的多样化，包括如数值型数据、字符型数据、日期型数据等；再次是易变性，医保数据有时会随政策变化进行补充、更改和变动；最后是共享性，医保数据会在不同部门不同业务内传输利用以实现共享。

表1 医保数据类型及具体数据项

3  国内外医保数据应用研究现状

3.1 国外医保数据应用研究现状 国外对医保数据应用的研究起步较早。Holst E等1970年提出医保数据可作为医学统计数据的来源；Hongxing Heetal等1997年分析澳大利亚医保数据，有效发现了参保人员的医疗欺诈行为；同年，Michael S等结合分析医保中的临床数据和财政数据，得出引起住院日期延长和医院亏损的因素；Devlin SM等2010年调研了40-64岁参保女性的医保数据，筛选出卵巢癌高发者，为卵巢癌防治提供了新思路；Van den Bussche H等2013年利用德国法定医保数据分析了老年人口中就诊频率较高的群体与慢性病间的关系；田中宏和等2015年利用日本2005-2011年间五种癌症患者的医保数据，分析不同癌症患者倾向选择的治疗地区。

3.2 国内医保数据应用研究现状 国内对医保数据应用的研究与国外相比起步较晚。谢文珉2001年利用医保数据，实现参保客户的细分。赵连朋2006年通过分析疾病诊断、病历与处方间的关联程度，智能监督医师所开处方。张婧等2008年通过对医保数据中影响个人负担的因素进行分析，得出住院费用是决定人员就医压力的最重要因素。沈弘等2012年应用微软商务智能（business intelligence，BI）平台，对就诊人次、均次费用、药品均次费用等进行分析，为医保业务提供决策依据。赵明月等2014年利用城镇职工基本医保数据，得出天津市三级医疗机构和零售药店低价药费用占比较低。史鹏程等2015年挖掘医保收入、医保患者费用等指标，从事前、事中、事后三方面探讨如何做好医保运行管理工作。

综上，国内外研究主要集中于通过挖掘医保数据发现欺诈行为，改善疾病治疗效果以及辅助政策的修改制定。本研究将在结合国内外研究的基础上，按不同部门多角度全面探究大数据环境医保数据的应用。

4  大数据环境下医保数据应用探究

大数据技术即对多源异构的数据进行专业化处理，提高对数据的“加工能力”，通过“加工”实现数据“增值”。面对医保数据的几何级增长，运用大数据技术对数据由大到小、由粗到细的层级挖掘，为医疗服务机构、医保中心、公共卫生管理部门、医药产品公司提供有针对性的服务。

4.1 医疗服务机构

4.1.1 指导医疗服务机构合理用药 首先分析用药结构是否合理，统计分析中西药用药结构、国产药物与进口药物占所用药品的比例、抗生素使用量、中成药使用比例、销售金额靠前的药品种类等，评价用药结构是否合理。

其次是药品之间关联分析，分析中药配方之间或配方与单味中药之间的联系，以寻求最佳的中药组合；分析抗菌药物的使用与细菌耐药性之间的关联性，采取干预措施调节处方行为，降低院内感染的发生。

4.1.2 评估最合理的治疗方法 分析包括患者体征、治疗方案、费用和疗效等数据，应用“比较效果研究”（Comparative E-ectiveness Research，CER），帮助医生评估在实际临床应用中最有效或成本效益最高的治疗方法。

4.1.3 推动内部政策进行再评估和调整 医疗服务提供机构面临着医疗需求和财政支出的双重压力。结合临床数据和财政数据，分析出病人年龄、财政情况、身份等引起住院日期延长和医院亏损的因素，促进医疗机构现有政策的评估与调整。

4.2 医保中心

4.2.1 降低医保基金风险 首先是分析医疗服务机构是否过度使用医保基金。如审计医保患者配药时间、卡号、年龄、性别、配药时间间隔、配药品种或类别、配药数量、药物剂量、疾病诊断、就医科别等，发现和制止医疗服务机构恶意配药行为。

其次分析参保人就医行为，有效防范基金风险。如分析各类药品最大日用量，计算出相应给药天数，判断是否超过医保报销规则，以减少代开药品、倒卖药品等欺诈行为的发生。

4.2.2 辅助决策制定 一是参保群体聚类分析。利用教育程度、职业、工资、工龄、户口和居住区域等背景资料，对参保群体进行聚类，为不同类型参保人员制定有针对性的报销或补贴政策，有效防止因病致贫、因病返贫的发生。

二是参保对象信用分析。根据参保对象信用状况进行等级分类，针对不同信用级别采取不同的监管措施。

三是药物治疗的成本效果分析。分析特定人群特定疾病药物治疗的成本效果，将成本效果好的药物纳入医保用药目录中，以便有效地将药物费用的增长幅度控制在政策规定的范围内。

四是医保费用与就诊时间、医院间的关联分析。分析参保人就诊数据，得出医保费用与季节、发生医院之间的关系，为医保中心每季度向定点医院统筹拨付预算提供依据。

五是医院等级评定分析。检测医生是否超范围用药、超范围检查、滥用抗生素、过度治疗、接诊冒卡者等行为数据，为医保中心的医院等级评定提供数据。

六是零售药店销售低价药品分析。挖掘低价药品中独家品种和独家品种剂型的销售费用等，得出零售药店中低价药品的销售是否短缺等结论，为医保中心制定鼓励措施提供依据。

4.3 公共卫生管理部门 公共卫生管理部门应用医保数据，可快速检测传染病疫情，并通过集成疾病监测和响应程序进行响应，有效降低传染病感染率，及时向公众提供健康咨询服务，降低传染病感染风险。

4.4 医药产品公司

4.4.1 为新药研发提供决策支持 在新药研发上，药品企业可以对某种疾病患者人群的组学数据进行建模分析。一方面有助于识别生物靶点和研发药物，另一方面可以协助决策人员确定最佳投入产出比。

4.4.2 对药品不良反应提供监测 通过分析用药安全信息，提出实验室检验数据与药物利用数据间的关联假设并加以检验，以此发现和监测尚未被认识的药物毒性作用、临床延迟作用等，有效完成长期的临床试验以及对医保患者的长期跟踪。

4.4.3 辅助药品定价 企业在进行药物产品价格调整时，通过比较该产品在不同地区的价格、往年的市场份额、占总购药金额百分比情况等，制定出合理的药品单价，提高企业的市场竞争力。

5  结语

随着医保信息系统的不断发展与完善，实现对医保全过程数据的存储已成为可能。利用大数据技术对急剧扩容的医保数据进行分析，可以有效辅助医疗服务机构、医保中心、公共卫生管理部门、医药产品公司的科学决策。同时，大数据技术在医保数据中的应用仍属新兴领域，有许多理论和实践问题需要进一步探索。因此，大数据环境下医保数据应用也需要不断改进与完善。

（来源：摘自《中国数字医学》2016年8月第8期，作者：陆春吉 任慧玲，单位：中国医学科学院医学信息研究所图书馆；作者：李亚子，单位：中国医学科学院医学信息研究所）