大数据具有大体量、多维度和全样本的特性。大体量指数据量大，超出传统数据规模；多维度指数据包含多方面内容，不限于某个或某些维度；全样本指大数据通常针对总体，而不是某部分。大数据在推动医疗技术进步、公共卫生与健康监测、智能医疗设备、远程医疗和互联网医疗等方面具有重要的作用。但医疗/健康大数据在医疗保险治理中的应用还不被重视。这表明，目前社会各界对大数据在医疗保险治理中的应用认识还存在不足。因此，我们可以通过挖掘医疗和健康大数据的潜在价值，总结规律、预测未来，更好地服务于医疗保险治理。

大数据在医疗保险治理中应用前景广阔

在信息化时代，大数据优势明显，在法律规定的范围内可被应用于医疗保险治理的各个环节。

大数据可以促进医疗保险全民参保。目前，中小微企业就业人员和灵活就业人员医疗保险参保率较低，绝大部分流动人口也未参加流入地基本医疗保险。那么，大数据可以发挥什么作用？比如，中国移动电话用户数量目前超过13亿，可以认为，成年人几乎人手一部手机。同时，中国移动手机实行实名制。这样一来，在传统参保登记的基础上，通过手机大数据，就可以随时发现任何未在属地参保的中小微企业就业人员、灵活就业人员和流动人口等，实现全民属地参保。

大数据可以促进医疗保险保费征收。目前，中国基本医疗保险包括职工基本医疗保险与城乡居民基本医疗保险。前者按职工工资的一定比例缴纳保费，后者按人头定额缴纳保费。医疗保险的基本原则是量能缴费、按需享受。按人头定额缴纳保费在筹资上具有累退性。为了提高筹资的公平性，中国提出探索实行按家庭收入的一定比例缴费。但是，目前执行上的难题是难以确定家庭收入。通过整合来自多个部门的大数据，医疗保险经办机构可以获得参保人家庭的相关信息，以此确定医疗保险保费征收标准。目前，这一措施已广泛应用于最低生活保障申请人家庭收入核查。将低保收入核查扩展到全体国民，即可实现按家庭收入的一定比例缴纳医疗保险保费。

大数据可以促进医疗保险资源分配公平性。中国当前医疗资源配置存在城乡之间、地区之间和人群之间的不均衡。在一些国家中，通过风险调整机制分配医疗保险资金是确保医疗资源配置公平性的主要手段。风险调整机制的核心是钱跟着人走。这可以分为两步走：第一步，在全国层面上汇集医疗保险基金；第二步，根据各个参保人的年龄、性别、慢性病以及职业等特征，预测其年度医疗保险基金支出，并依据预测情况向各个参保人所属的医疗保险基金分配资金。可见，风险调整机制的关键在于利用大数据预测个人年度医疗保险基金支出。我国可考虑实行双轨制，即将目前各地市为统筹单位的医疗保险基金分配方式逐步过渡到在全国层面上完全实行风险调整机制。

大数据可以提高医疗保险制度决策科学性。一直以来，中国各地医疗保险待遇调整具有一定随意性。通过大数据，决策部门可以了解医疗保险费率与待遇调整对医疗保险基金收支平衡的长期和短期影响、对不同人群医疗费用负担和就医行为的影响，从而可以更好地制定应急方案。通过大数据预测人口年龄结构变化、地区间人口流动等，可以为未来医疗保险基金收支预警。大数据还可以应用于卫生技术评估，用于制定医疗保险报销目录和医疗保险药品支付价格等，使得医疗保险政策调整更加科学有说服力。

大数据可以加强医疗保险经办机构对参保人的管理。大数据除了通过智能监控和支付方式改革加强对医疗服务供方的管理外，还可以加强对参保人的管理。大数据可以发现参保人明显异常的就诊行为。比如，通过大数据可发现某些参保人突然大量就医或患某类疾病但就诊次数和医疗支出明显高于同类人群，进而开展精准调查。随着医疗保险制度的日益复杂，参保人有大量政策相关问题咨询。目前，中国各地建立了12333咨询热线和网上留言。通过对咨询和留言数据开展分析，各地经办机构可发现咨询重点和热点，从而制定更有效的政策宣传方式。比如，深圳市通过建立人社业务咨询机器人，极大地减少了在线留言数量和工作人员回复压力。

大数据可帮助降低医疗费用和医疗保险基金支出。通过大数据分析，政府尤其是公共卫生机构可以即时获取传染病和慢性病在全国和本地的进展情况。医疗保险经办机构通过加强与公共卫生监测数据的整合，向企业、学校、社区、医院和参保人等发布传染病流行情况等相关信息，促进社会各界加强预防，从而有效降低医疗费用和医疗保险基金支出。随着未来可穿戴医疗设备的普及，医疗保险经办机构主动获取因监测突发心脏病、脑溢血、老年人跌倒等产生的大数据，有助于实现快速发现患者以减少医疗费用和医疗保险基金支出。

内容摘要：因此，我们可以通过挖掘医疗和健康大数据的潜在价值，总结规律、预测未来，更好地服务于医疗保险治理。大数据在医疗保险治理中应用前景广阔在信息化时代，大数据优势明显，在法律规定的范围内可被应用于医疗保险治理的各个环节。第二步，根据各个参保人的年龄、性别、慢性病以及职业等特征，预测其年度医疗保险基金支出，并依据预测情况向各个参保人所属的医疗保险基金分配资金。大数据还可以应用于卫生技术评估，用于制定医疗保险报销目录和医疗保险药品支付价格等，使得医疗保险政策调整更加科学有说服力。随着未来可穿戴医疗设备的普及，医疗保险经办机构主动获取因监测突发心脏病、脑溢血、老年人跌倒等产生的大数据，有助于实现快速发现患者以减少医疗费用和医疗保险基金支出。

关键词：监控;医疗保险基金;智能;医疗保险治理;保费;应用;预测;诊疗;支付方式;支出

作者简介：

大数据用于医疗保险治理效果显著

大数据已在健康和医疗卫生领域发挥重要作用。具体到医疗保险领域，最广为人知的应用是医疗保险智能监控和支付方式改革。

智能监控，是一种实时监控的电子信息系统。它依托于药品和临床诊疗知识库，通过设定相应的监控规则和指标，对诊疗信息自动筛选、分析和预警，从中发现违规诊疗行为。智能监控的本质，即依托诊疗大数据，总结诊疗行为的基本规律，并在此基础上预测某一具体诊疗行为是否符合诊疗规范。在实际运行中，智能监控可以实现实时监控定点医疗机构各个医生的诊疗行为，实现从宏观监管到微观监管、从事后监管到事前提醒和事中监管、从部分监管向全面监管的转变。因此，智能监控实现了自动监控、实时监控和全方位监控，可提高医疗保险治理的效率和规范性。

医疗保险支付方式改革中也普遍利用了大数据。近年来，各地普遍开展了按病种付费、按人头付费及按床日付费等多种支付方式试点。其核心是将支付方式由后付制改为预付制，而预付制的核心是打包付费，即确定支付标准。比如，按病种付费需要确定各个病种的付费标准。在国际上，通常的做法是先核定某一病种的成本，再确定该病种的付费标准。核定病种成本的过程即是使用医疗大数据的过程。这是因为，计算某一病种的成本，依据的是该地区乃至全国范围内该病种的成本，而非某一所或几所医院中该病种的成本。因此，某一病种的付费标准的确立，依据的是本地甚至全国范围内该病种成本的大数据。在中国，由于缺乏相应的成本信息，往往使用病种的实际支出作为病种成本；各地按病种付费，大致上利用的是该地区各个病种的医疗支出的平均值作为标准。

大数据并非只是有利于医疗保险经办机构，也有利于参与医疗保险治理的其他各个主体，但大数据还面临数据开放与整合、多元力量参与以及保护隐私与安全等挑战。例如，在数据开放与整合方面，据笔者调研，某个县医院接入的各类信息系统高达39个，而这些信息系统之间缺乏互联互通。基本公共卫生数据和诊疗数据难以共享，从而无法整合个体健康状况及其疾病诊疗信息，影响了医疗大数据的潜在价值。