天津市中心妇产科医院 医保科 300100
摘要：目的 利用线性回归方程预测医院医保指标，为次年度指标谈判提供科学量化的依据。方法 根据既往某妇产科医院医保业务住院收入相关数据，进行医保住院收入影响因素分析；建立相关直线回归模型对未来指标进行预测。结果 预测该妇产科医院2013协议年度实际申报总金额预测为1151万元，远远超出社保基金中心初定预算金额共计162万元（F=33.80776，P <0.05），院方需要在指标谈判中争取更多的医保基金支持。结论医院医保运营指标受多因素影响，选用线性回归方程对次年指标进行有效的预判，可以为医院谈判者提供科学合理佐证。
关键词： 线性回归 医保指标谈判
【Abstract】Objective：The aim of this study is to predict the medical insurance budgetof hospital using the linear regression method in order to support the annual negotiation with medical insurance management center. Methods：According to the data of the health insurance incomeof the inpatient departmentfrom an obstetrics and gynecology hospital，the factors affecting the hospital income are analyzed and acorresponding linear regression model is developed to predict the future insurance income.Results：The predicted amount of the health insuranceapplication is about 11.51 million Yuan for 2013，which far exceeds the initial budget of 1.62 million Yuan from the medical insurance management center（F = 33.80776，P < 0.05）. Therefore，the hospital needs to ask for more medical insurance fund in the negotiation.Conclusion：The operation index of the hospital medical insurance is affected by many factors.The linear regression method can be employed to predict the medical insurance for the next year so as to provide scientific and reasonable evidences for the hospital negotiator.
【key words】：linear regression medical insurancebudgetnegotiation
随着医疗改革的逐步深化，“医院、医保、医药”三医联动的集结号被吹响，医疗保险基金管理中心作为医疗市场需方的资金监管载体其作用日益增强。因此，在医保总额预付制下如何合理分配使用基金成为医疗改革中的焦点话题之一。为适应当前医疗市场的蓬勃发展与医保指标不足的矛盾，公立医院在医保指标谈判中应适时调整谈判策略和方式。医保指标运行的整理分析作为谈判基础依据就显得尤为重要，它不仅要收集汇总分析历史资料和现有资料，而且还应对未来变化进行合理科学的预测，以便于次年的指标谈判工作。
1.资料与方法
资料来源于某妇产科医院2010-2012年医保反馈的一号表分月统计（数据真实可信），采用回归发建立线性回归模型对医保申请支付数据进行分析，运用Execl 统计软件进行描述、推断等分析处理。
2.结果与分析
根据所得到的样本数据，再用最小二乘总是可以拟合一条直线来描述Y和X之间的关系[1]-[3]。资料数据作散点图，表明近3年来城乡医疗医保住院每月申请支付金额呈上升趋势，且具备直线相关关系（P<0.01）（见图-2），故确定预测分析基本数学模型为： =β0+β1X1+u（i=1，2，…，n）。对数据分别按月进行线性回归统计分析，得到未来一年的月申请支付金额的预测值，再进行求和汇总一年指标运行的预测值。
在输出结果中，R Square为0.458051、Adjusted R Square为0.444502，表明对于所选取的样本而言，时间、城乡出院人数对医院医保申请支付金额的影响很大。由于F=33.80766，Significant F为8.62E-07（远远小于0.05），所以时间、城乡出院人数对医院医保申请支付金额呈显著线性关系。
2013协议年度医院仍高速发展，新项目、新技术引进将进一步提升医院的核心竞争力，扩大医疗服务辐射半径。利用直线回归方程，结合医保一号表提供实际运营数据推算结果如下（见图-2和表-2）：
预测申报金额直线回归方程：y=12964.62*x+392230.5
预测2013协议年度实际申报总金额预估为1151万元，远远超出989万医保给予指标预算金额162万元。即此医疗机构在保持目前医疗服务容量不变的前提下，需要向医疗保险金管理部门多申报至少162万元，否则可能会出现次年年终清算超标的现象导致医疗机构的“真金白银”的损失。
3.讨论
实践表明，线性回归预测医院医保申请金额时，简便易行，可操作性强，准确度高，有很好的实际应用价值。尤其是从2012年度“总额预付制度”实施以来，原超支部分拨付政策已由“超支部分延迟拨付”改为“超支分担、结余留用”。市社保中心完善预算指标制定政策，以医院的实际服务能力（包括医院核定和实际开放床位数，门诊住院医生和护士工作站数，医师、护士和技师人员结构）作为关键指标，利用分值点数法去系统地评价医院提供服务的能力；从而达成依法依规、科学合理、公平公正“的医保指标分配原则[4]。
医疗机构为顺应医保管理中日益增长的预算指标谈判压力，需要探索一套系统、科学、合理，且可量化和公信度较高的预算指标自测体系。首先建议医疗机构对于药占比控制效果要维持在合理水平。其次，严格制定“适量检查、合理治疗”的诊疗原则和“因病施查的个性化检查套餐”的管理标准。同时通过院内成本核算系统提供的相关数据，特别是对使用医疗耗材和高值耗材进行常态化的重点监管；院内监管部门需严格管控高值耗材准入流程并做到耗材管理可追溯。在确保自身精细化管理到位的前提下，利用线性回归模型可以拓展到估计医院门诊量、急诊量、门特就诊量等自变量与医保申请支付金额因变量之间的线性关系，运用自变量预测因变量。
预测过程中实际计算分析的结果时，都不可避免地要遭遇到不可抗力因素的影响，尤其是一些类线性和非线性数据。此模型预测方法忽略“春节”和“十一”假期淡季的类线性因素；同时无法应对2016年以来公立医院改革中“药品零差率”和“诊疗项目价格调整”等重大政策性调整因素。但如果在政策趋于平稳之后且有足够的数据量积累时，可以利用多元回归方程确定哪些自变量对因变量有影响，分析各自变量对因变量的影响程度，从而进行因变量预测。此回归模型是应用广泛的统计分析方法，具有较高应用价值[5]。
参考文献：
[1]牛娅萍，王河川.中医医院业务收入线性回归预测方法探讨[J].中国医院统计，2007，14（4）：321-322.
[2]孙红卫，王 玖，罗文海.线性回归模型中自变量相对重要性的衡量[J].中国卫生统计，2012（12）：900-902.
[3]何晓群，刘文卿.应用回归分析[M].第二版. 北京：中国人民大学出版社，2007：86 -95.
[4]天津市人力资源和社会保障局，天津市财政局，天津市卫生局.天津市基本医疗保险基金总额管理试行办法[Z].2014-5-12
[5]姚苏娟.多重线性回归模型中在公立医院职工总人数影响因素分析中的应用[J].现代医院，2016，16（10）：1539-1540.
论文作者:李鑫
论文发表刊物:《中国误诊学杂志》2018年第3期
论文发表时间:2018/4/17
标签：医保论文; 医院论文; 线性论文; 指标论文; 因变量论文; 数据论文; 金额论文; 《中国误诊学杂志》2018年第3期论文;