论文部分内容阅读
【目的】
本研究从全民健康覆盖(Universal Health Coverage，UHC)视角评估大病医疗保障体系补偿效应，明确大病保险和大病医疗救助在UHC中的功能定位，在预测补偿方案参数调整所引起的卫生服务需求释放和医疗费用变化基础上建立补偿方案参数变化、保障效应和基金支出规模的联动模型，确定动态优化大病医疗保障体系补偿方案的方法，为完善大病医疗保障体系，减少因病致贫提供理论和实践依据。
【方法】
(1)文献研究与政策梳理：通过文献检索了解我国和其他国家大病医疗保险和医疗救助实施现状、UHC相关理论、内涵和指标。运用归纳总结，系统梳理近年与大病保险和大病医疗救助相关的国家和省市政策文件，分析宏观政策导向变化以及相应的方案调整需要。
(2)理论分析：运用系统论、福利经济学理论、道德风险理论和疾病风险理论分析大病保险和大病医疗救助在UHC中的定位，构建大病医疗保障体系的方案优化模型，确定优化原则。运用保险精算理论分析方案调整的具体方法。
(3)样本地区实证研究：选取湖北A地和贵州B地作为样本地区，收集该地区2016年大病保险和大病医疗救助补偿政策、年度报表、医保住院结算数据库、医疗救助补偿数据库以及患者调查问卷。
(4)统计分析：对数据资料采用描述性统计进行初步分析，运用卡方检验和t检验比较不同大病医疗保障补偿方案的保障效果。运用间断时间序列模型评价大病保险降低疾病负担效果，结合准实验研究方法，为大病保险制度的完善提供参考。采用倾向得分匹配法和Probit模型，控制影响人群就医行为的主要影响因素，如年龄、性别、户属性、疾病代码、严重程度等，去除控制变量和其他可观察因素的混杂偏移，定量地衡量补偿方案变化对大病患者医疗费用的影响，从而分析对基金支出影响。运用经验频数法，计算不同补偿参数下的基金支出。
【结果】
(1)样本地区现行的大病医疗保障体系补偿方案UHC保障效应有限。人口覆盖方面，B地大病医疗保障方案仅覆盖了当地住院人口的2.58%。服务覆盖方面，A地大病患者医保报销目录内费用占比仅为77.41%，因经济原因提前出院的人数占比16.69%。服务未满足情况较为严重。费用覆盖方面，两地大病患者自付费用均超过2万元，因病致贫患者占比均超过60%，两地因病借债率也分别高达65.90%和72.86%，大病患者疾病经济负担处于较高水平。间断时间序列结果显示，患者的自付费用在大病保险实施后呈现上升趋势(后反而有所下降(=-0.100，P＜0.01)，大病保险并未有效降低患者的经济负担。
(2)补偿方案动态优化的目标是为了解决因病致贫，在调整过程中应遵循公平性、效率性、可持续性、统一性与联系性以及相对稳定与动态调整原则，构建“补偿参数—UHC保障效应—基金支出”动态优化模型，逐步对大病保险和大病医疗救助方案进行优化。
(3)大病保险方案优化可以提升UHC保障效果。大病保险起付线的降低可以有效地提高UHC的人口覆盖效果，如B地在下调原起付线20%的情况下，大病保险覆盖人口变为之前的2倍(5.43%)，极大地增加了覆盖人群。A地模拟纳入谈判药品后的可报销费用占比增加了5.91%，服务覆盖效果明显提升。随着大病保险报销比例的增加，患者的因病致贫解决程度可达到30%。
大病医疗救助方案优化可以促进受益公平。受益归属分析结果显示相同因病致贫解决程度情况下，相比于只考虑费用水平，将家庭收入和自付费用比例作为纳入标准的救助方案有利于缩短贫富差距。这类方案集中指数为负数，贫困人群受益更多。
大病医疗保障方案优化后解决的因病致贫仍然有限。在模拟测算中我们发现，无论如何调整两地的大病医疗保障方案，其解决因病致贫的程度很难超过30%。这是因为入户调查中有将近20%的患者属于低保户或者建档立卡贫困人群。针对这种现象，大病医疗保障无法解决，应借助社会救助，如发放生活补助金等方式进行缓解。
(4)大病保险方案调整受当地筹资水平限制。随着起付线的降低以及报销比例的增加，两地有接近1/3的大病保险方案基金支出开始超出当地的筹资水平。A地部分方案的人均基金支出甚至达到65元，超过当地最高筹资标准50元，且两者之间的差距给筹资带来了较大的负担。
(5)大病医疗保障方案的改变会引起卫生服务需求的释放。倾向得分匹配显示在控制性别、年龄、住院天数和家庭属性等因素后，大病保险方案的改变导致大病患者医疗费用增长6606.390元，扣除掉GDP自然增速后，方案调整导致当地大病患者医疗总费用增长比为2.47%，大病医疗保障方案的变化引起了卫生服务需求的释放。在计算大病医疗保障基金支出时应考虑疾病的特殊性，根据历史数据测算保险因子。
【结论】
现行大病医疗保障补偿方案问题较多，UHC保障效应十分有限，大病医疗保障体系补偿方案动态优化势在必行。大病保险方案优化时应关注人口覆盖，结合当地医保基金谨慎调整起付线，尽量提高大病保险报销比例，提高费用覆盖效果。大病医疗救助方案优化时应从公平性出发，将收入与自付费用比值作为纳入标准，统一并提高救助比例，切实发挥兜底作用。加强大病保险和大病医疗救助衔接，对于大病医疗保障体系补偿方案优化不能解决的因病致贫患者，应积极发挥社会救助的作用。
测算方案基金支出时，考虑方案变化带来的卫生服务需求变化，科学计算保险因子。同时考虑外部环境对基金支出的影响，加入支付方式改革的调整系数，测算不同补偿方案下的基金支出。方案选择时应考虑当地的经济发展水平与筹资水平，采用“成本-效果”评价，综合UHC保障三个方面，选择合适的补偿方案。大病医疗保障体系补偿方案调整应科学化、步骤化，依据调整模型和历史数据有序地对现行补偿方案进行动态调整，更好地实现解决因病致贫。
【创新与不足】
研究创新：
(1)研究内容有创新：突破以往分析单一医疗保障制度保障效应的局限，分析大病医疗保险和重大疾病医疗救助联合保障效应。突破以往聚焦于静态研究的局限，动态优化大病医疗保障体系补偿方案。
(2)研究方法有扩展：从个体水平通过倾向得分匹配法比较方案调整前后大病医疗保障效应，能够消除异质性，控制混杂因素。通过综合运用医保精算方法从群体水平预测不同大病医疗保险补偿模式的基金支出规模。有机地将患者入户调查数据库与当地新农合数据库结合起来。在现行补偿方案UHC效果评估以及根据政策目标确定补偿方案参数时运用患者调查库，解决众多UHC评价指标值涉及到家庭收入变量的问题。运用整体新农合数据库测算不同补偿参数的基金支出规模，更加贴合实际情况，为调整补充方案提供有效参考。
(3)研究视角有特色：从UHC覆盖人群、覆盖服务范围、覆盖水平三个维度更为系统地分析大病医疗保障体系的保障效应。从缓解贫困的广度和深度两方面对大病医疗保障体系进行探讨，丰富了研究视角。
研究局限与展望：
本研究在使用倾向性得分匹配法计算保险因子公式的过程中，因为新农合系统中变量有限，可能部分对医疗费用有影响的变量，如患者教育程度、患病年数等未纳入。随着医保系统的进一步完善，后续将逐一纳入这些变量。其次，本研究并无支付方式改革前后相关数据，对支付方式改革带来的基金效率增长是基于文献研究，为了更加精准设计优化方案，未来可收集相关数据，对这一部分内容进行更加精确的计算。
本研究使用的数据库是2016年住院补偿数据库，结果中显现的医保目录外费用过高的问题随着2017-2019年多种谈判药品的纳入可能会逐渐解决。后续可用该地区最新的数据库进行验证。鉴于湖北和贵州只是中部和西部代表性地区，并不能代表发达地区的情况，本研究的结果和结论只能解释经济社会发展水平相当的地区，对其它地区还有待研究。
本研究从全民健康覆盖(Universal Health Coverage，UHC)视角评估大病医疗保障体系补偿效应，明确大病保险和大病医疗救助在UHC中的功能定位，在预测补偿方案参数调整所引起的卫生服务需求释放和医疗费用变化基础上建立补偿方案参数变化、保障效应和基金支出规模的联动模型，确定动态优化大病医疗保障体系补偿方案的方法，为完善大病医疗保障体系，减少因病致贫提供理论和实践依据。
【方法】
(1)文献研究与政策梳理：通过文献检索了解我国和其他国家大病医疗保险和医疗救助实施现状、UHC相关理论、内涵和指标。运用归纳总结，系统梳理近年与大病保险和大病医疗救助相关的国家和省市政策文件，分析宏观政策导向变化以及相应的方案调整需要。
(2)理论分析：运用系统论、福利经济学理论、道德风险理论和疾病风险理论分析大病保险和大病医疗救助在UHC中的定位，构建大病医疗保障体系的方案优化模型，确定优化原则。运用保险精算理论分析方案调整的具体方法。
(3)样本地区实证研究：选取湖北A地和贵州B地作为样本地区，收集该地区2016年大病保险和大病医疗救助补偿政策、年度报表、医保住院结算数据库、医疗救助补偿数据库以及患者调查问卷。
(4)统计分析：对数据资料采用描述性统计进行初步分析，运用卡方检验和t检验比较不同大病医疗保障补偿方案的保障效果。运用间断时间序列模型评价大病保险降低疾病负担效果，结合准实验研究方法，为大病保险制度的完善提供参考。采用倾向得分匹配法和Probit模型，控制影响人群就医行为的主要影响因素，如年龄、性别、户属性、疾病代码、严重程度等，去除控制变量和其他可观察因素的混杂偏移，定量地衡量补偿方案变化对大病患者医疗费用的影响，从而分析对基金支出影响。运用经验频数法，计算不同补偿参数下的基金支出。
【结果】
(1)样本地区现行的大病医疗保障体系补偿方案UHC保障效应有限。人口覆盖方面，B地大病医疗保障方案仅覆盖了当地住院人口的2.58%。服务覆盖方面，A地大病患者医保报销目录内费用占比仅为77.41%，因经济原因提前出院的人数占比16.69%。服务未满足情况较为严重。费用覆盖方面，两地大病患者自付费用均超过2万元，因病致贫患者占比均超过60%，两地因病借债率也分别高达65.90%和72.86%，大病患者疾病经济负担处于较高水平。间断时间序列结果显示，患者的自付费用在大病保险实施后呈现上升趋势(后反而有所下降(=-0.100，P＜0.01)，大病保险并未有效降低患者的经济负担。
(2)补偿方案动态优化的目标是为了解决因病致贫，在调整过程中应遵循公平性、效率性、可持续性、统一性与联系性以及相对稳定与动态调整原则，构建“补偿参数—UHC保障效应—基金支出”动态优化模型，逐步对大病保险和大病医疗救助方案进行优化。
(3)大病保险方案优化可以提升UHC保障效果。大病保险起付线的降低可以有效地提高UHC的人口覆盖效果，如B地在下调原起付线20%的情况下，大病保险覆盖人口变为之前的2倍(5.43%)，极大地增加了覆盖人群。A地模拟纳入谈判药品后的可报销费用占比增加了5.91%，服务覆盖效果明显提升。随着大病保险报销比例的增加，患者的因病致贫解决程度可达到30%。
大病医疗救助方案优化可以促进受益公平。受益归属分析结果显示相同因病致贫解决程度情况下，相比于只考虑费用水平，将家庭收入和自付费用比例作为纳入标准的救助方案有利于缩短贫富差距。这类方案集中指数为负数，贫困人群受益更多。
大病医疗保障方案优化后解决的因病致贫仍然有限。在模拟测算中我们发现，无论如何调整两地的大病医疗保障方案，其解决因病致贫的程度很难超过30%。这是因为入户调查中有将近20%的患者属于低保户或者建档立卡贫困人群。针对这种现象，大病医疗保障无法解决，应借助社会救助，如发放生活补助金等方式进行缓解。
(4)大病保险方案调整受当地筹资水平限制。随着起付线的降低以及报销比例的增加，两地有接近1/3的大病保险方案基金支出开始超出当地的筹资水平。A地部分方案的人均基金支出甚至达到65元，超过当地最高筹资标准50元，且两者之间的差距给筹资带来了较大的负担。
(5)大病医疗保障方案的改变会引起卫生服务需求的释放。倾向得分匹配显示在控制性别、年龄、住院天数和家庭属性等因素后，大病保险方案的改变导致大病患者医疗费用增长6606.390元，扣除掉GDP自然增速后，方案调整导致当地大病患者医疗总费用增长比为2.47%，大病医疗保障方案的变化引起了卫生服务需求的释放。在计算大病医疗保障基金支出时应考虑疾病的特殊性，根据历史数据测算保险因子。
【结论】
现行大病医疗保障补偿方案问题较多，UHC保障效应十分有限，大病医疗保障体系补偿方案动态优化势在必行。大病保险方案优化时应关注人口覆盖，结合当地医保基金谨慎调整起付线，尽量提高大病保险报销比例，提高费用覆盖效果。大病医疗救助方案优化时应从公平性出发，将收入与自付费用比值作为纳入标准，统一并提高救助比例，切实发挥兜底作用。加强大病保险和大病医疗救助衔接，对于大病医疗保障体系补偿方案优化不能解决的因病致贫患者，应积极发挥社会救助的作用。
测算方案基金支出时，考虑方案变化带来的卫生服务需求变化，科学计算保险因子。同时考虑外部环境对基金支出的影响，加入支付方式改革的调整系数，测算不同补偿方案下的基金支出。方案选择时应考虑当地的经济发展水平与筹资水平，采用“成本-效果”评价，综合UHC保障三个方面，选择合适的补偿方案。大病医疗保障体系补偿方案调整应科学化、步骤化，依据调整模型和历史数据有序地对现行补偿方案进行动态调整，更好地实现解决因病致贫。
【创新与不足】
研究创新：
(1)研究内容有创新：突破以往分析单一医疗保障制度保障效应的局限，分析大病医疗保险和重大疾病医疗救助联合保障效应。突破以往聚焦于静态研究的局限，动态优化大病医疗保障体系补偿方案。
(2)研究方法有扩展：从个体水平通过倾向得分匹配法比较方案调整前后大病医疗保障效应，能够消除异质性，控制混杂因素。通过综合运用医保精算方法从群体水平预测不同大病医疗保险补偿模式的基金支出规模。有机地将患者入户调查数据库与当地新农合数据库结合起来。在现行补偿方案UHC效果评估以及根据政策目标确定补偿方案参数时运用患者调查库，解决众多UHC评价指标值涉及到家庭收入变量的问题。运用整体新农合数据库测算不同补偿参数的基金支出规模，更加贴合实际情况，为调整补充方案提供有效参考。
(3)研究视角有特色：从UHC覆盖人群、覆盖服务范围、覆盖水平三个维度更为系统地分析大病医疗保障体系的保障效应。从缓解贫困的广度和深度两方面对大病医疗保障体系进行探讨，丰富了研究视角。
研究局限与展望：
本研究在使用倾向性得分匹配法计算保险因子公式的过程中，因为新农合系统中变量有限，可能部分对医疗费用有影响的变量，如患者教育程度、患病年数等未纳入。随着医保系统的进一步完善，后续将逐一纳入这些变量。其次，本研究并无支付方式改革前后相关数据，对支付方式改革带来的基金效率增长是基于文献研究，为了更加精准设计优化方案，未来可收集相关数据，对这一部分内容进行更加精确的计算。
本研究使用的数据库是2016年住院补偿数据库，结果中显现的医保目录外费用过高的问题随着2017-2019年多种谈判药品的纳入可能会逐渐解决。后续可用该地区最新的数据库进行验证。鉴于湖北和贵州只是中部和西部代表性地区，并不能代表发达地区的情况，本研究的结果和结论只能解释经济社会发展水平相当的地区，对其它地区还有待研究。