“科 研”

ZJUSOM

個性化醫(yī)療時代，“動態(tài)治療方案”對癌癥、糖尿病等很多慢性病的治療都至關(guān)重要，醫(yī)生可根據(jù)患者病情變化分階段調(diào)整治療方案，從而提升患者的治療成功率。

這聽起來是一件“百利無一害”的事，但事實并非如此。在醫(yī)療市場中，信息不對稱問題表現(xiàn)得尤為突出。因為在動態(tài)治療過程中，“患者病情如何變化？”“是否真的需要調(diào)整治療？”這類信息只有醫(yī)療服務(wù)機構(gòu)了解，負(fù)責(zé)賠付的保險公司很難及時掌握。

于是，一些醫(yī)療服務(wù)機構(gòu)就可能利用這種信息不對稱“鉆空子”，比如通過多開檢查、多開藥、延長住院時間等“過度醫(yī)療”行為，來向保險公司申請更多的賠付。

圖片來源：?千庫網(wǎng)

這就為醫(yī)保支付政策的設(shè)計帶來了挑戰(zhàn)。作為支付方，保險公司如何科學(xué)地為這類動態(tài)治療方案設(shè)計最優(yōu)的支付機制，才能既保證患者得到最合適的治療，又不會為不必要的項目“買單”？

針對這一關(guān)乎人民生命健康和社會福祉的現(xiàn)實難題，浙江大學(xué)管理學(xué)院服務(wù)科學(xué)與運營管理學(xué)系“百人計劃”研究員張偉及其合作者進行了深入研究。日前，他們的成果——“Optimal Payment for Dynamic Treatment Regimes”發(fā)表在國際頂級期刊Production and Operations Management（UTD24期刊之一）上。

研究中，他們基于動態(tài)機制設(shè)計理論提出了一套“最優(yōu)醫(yī)保支付政策”，不僅可有效減少“信息不對稱”導(dǎo)致的“過度醫(yī)療”現(xiàn)象，還能在動態(tài)治療過程中逐步獲取真實的、不斷變化的患者病情信息。

這套支付政策具體如何運作？本期【科研】專題，一起來看這項既能提升醫(yī)療服務(wù)質(zhì)量、守護人民生命健康，又能保障醫(yī)?；鸢踩⑨t(yī)療資源有效配置，增進社會整體福祉的高水平研究。

學(xué)者簡介

張偉，浙大管院服務(wù)科學(xué)與運營管理學(xué)系“百人計劃”研究員。研究方向：機制設(shè)計、信息設(shè)計、供應(yīng)鏈管理、醫(yī)療管理、收益管理。

*加州大學(xué)河濱分校教授皋龍、香港城市大學(xué)講席教授陳友華、中山大學(xué)助理教授費馨玥同為論文合作者。

他們設(shè)計的“最優(yōu)醫(yī)保支付政策”，

可實現(xiàn)三大目標(biāo)

為探索最優(yōu)支付機制，張偉團隊在研究中構(gòu)建了一個“存在內(nèi)生性信息不對稱的委托-代理模型”。在該模型中，保險公司作為“委托人”，負(fù)責(zé)設(shè)計動態(tài)治療方案的支付機制；醫(yī)療服務(wù)機構(gòu)作為“代理人”，掌握患者病情的第一手信息，因此在信息上占據(jù)優(yōu)勢。

治療過程在模型中被劃分為多個階段。每一階段結(jié)束后，醫(yī)療服務(wù)機構(gòu)會向保險公司報告患者的病情進展，保險公司則依據(jù)這些信息進行相應(yīng)賠付。

基于該模型，張偉團隊提出了一套“最優(yōu)醫(yī)保支付政策”，并明確了該政策的主要特征：

01

以“獎勵誠實”杜絕“鉆空子”

為了有效遏制醫(yī)療服務(wù)機構(gòu)利用信息不對稱“鉆空子”，保險公司需做兩件事：一是允許醫(yī)療服務(wù)機構(gòu)根據(jù)病人實際情況調(diào)整治療方案；二是設(shè)立“獎勵性薪酬”，獎勵那些如實上報信息的醫(yī)療服務(wù)機構(gòu)。

這兩項措施相結(jié)合，既能防止醫(yī)療服務(wù)機構(gòu)“挑肥揀瘦”、只接收輕癥病人，也可避免其“小病大治”的過度醫(yī)療行為。

02

以“延遲支付”綁定長遠利益，

獲取患者新信息

針對動態(tài)治療方案，保險公司可采用“延遲支付”機制，相當(dāng)于將一部分款項留作“績效押金”，等到后續(xù)治療達到特定結(jié)果后再發(fā)放。這樣就能把醫(yī)療服務(wù)機構(gòu)的利益和患者未來的康復(fù)效果牢牢“綁定”，從而激勵醫(yī)療服務(wù)機構(gòu)致力于提升長期治療效果。

同時，保險公司也能借此逐步獲取患者后續(xù)的病情新信息。

03

以“行為激勵”優(yōu)化患者治療結(jié)局

保險公司需激勵醫(yī)療服務(wù)機構(gòu)將 “治療延續(xù)效應(yīng)”與“潛在效應(yīng)”納入決策考量，同時鼓勵他們根據(jù)患者病情變化主動、靈活地調(diào)整方案，從而讓患者的治療結(jié)果達到最優(yōu)。

除了上述特征外，最優(yōu)醫(yī)保支付政策還具備“可輕松落地執(zhí)行”的特征，保險公司通過“風(fēng)險調(diào)整”的成本分擔(dān)方式就能執(zhí)行。

例如，根據(jù)患者病情嚴(yán)重程度和風(fēng)險高低，動態(tài)調(diào)整醫(yī)保和個人的費用分擔(dān)比例，讓支付方案更公平、更合理。

圖片來源：?千庫網(wǎng)

“最優(yōu)醫(yī)保支付政策”好在哪兒？

不用持續(xù)為信息不對稱“買單”

研究中，張偉團隊回答了一個“關(guān)鍵問題”：他們設(shè)計的這套“最優(yōu)醫(yī)保支付政策”在何時、為何優(yōu)于傳統(tǒng)政策？

他們發(fā)現(xiàn)，在動態(tài)治療場景中，過去的支付模型可能高估了“信息不對稱”帶來的危害，認(rèn)為這種危害會一直存在。而保險公司可能因此被誤導(dǎo)，在支付政策設(shè)計上持續(xù)為“信息不對稱”多支付，并扭曲治療決策，影響患者治療結(jié)局。

但實際上，只要支付機制設(shè)計得好，這種“信息不對稱”帶來的危害只是暫時的。因為動態(tài)治療包含多個階段，通過反復(fù)互動，醫(yī)療服務(wù)機構(gòu)會逐漸了解患者的最新信息，保險公司完全可以分階段獲取這些新信息。

這就是“最優(yōu)醫(yī)保支付政策”的優(yōu)勢所在——保險公司只需為“治療初期醫(yī)療服務(wù)機構(gòu)掌握的私有信息”支付一次性的合理成本，對于后續(xù)治療中產(chǎn)生的“新信息”，可通過巧妙的支付設(shè)計來“免費”獲取。

圖片來源：?千庫網(wǎng)

基于兩組真實數(shù)據(jù)，張偉團隊還量化分析了最優(yōu)政策在何時、為何優(yōu)于傳統(tǒng)政策。結(jié)果發(fā)現(xiàn)，最優(yōu)政策將治療方案的延續(xù)效應(yīng)與潛在效應(yīng)均納入決策考量，并提前明確所有支付條款，將醫(yī)療服務(wù)機構(gòu)的信息優(yōu)勢僅限定在初始階段，可修正傳統(tǒng)政策在 “決策” 與 “信息” 方面的缺陷，在多種場景下改進效果顯著。

尤其是當(dāng)醫(yī)療服務(wù)機構(gòu)對聲譽的關(guān)注度較低、治療的潛在效應(yīng)較強且延續(xù)效應(yīng)顯著時，最優(yōu)政策顯著優(yōu)于傳統(tǒng)政策。

他們的研究填補了理論空白，

并將助推醫(yī)保支付改革

作為個性化醫(yī)療的核心支柱，動態(tài)治療方案如今廣泛應(yīng)用于癌癥、艾滋病、高血壓等慢性病的治療中。但這種治療方案給了醫(yī)療服務(wù)機構(gòu)利用信息優(yōu)勢“鉆空子”的機會，進而導(dǎo)致“過度醫(yī)療”現(xiàn)象近年來屢見不鮮。

而要減少這些現(xiàn)象，保險公司必須以動態(tài)視角來設(shè)計醫(yī)保支付政策。但目前醫(yī)療領(lǐng)域關(guān)于這方面的研究較為匱乏，現(xiàn)有支付模型對醫(yī)療服務(wù)機構(gòu)的行為設(shè)定過于簡化，忽視了動態(tài)治療方案中醫(yī)療服務(wù)機構(gòu)可能通過信息學(xué)習(xí)，多次利用信息優(yōu)勢“鉆空子”的行為。

張偉團隊的研究不僅填補了這一“研究空白”，強調(diào)了醫(yī)療服務(wù)機構(gòu)“信息學(xué)習(xí)”與“鉆空子”行為對醫(yī)保支付與患者治療結(jié)局的影響，深化了學(xué)術(shù)界對醫(yī)保支付理論與實踐的理解，還為醫(yī)保支付改革提供了新的見解：

01

對激勵性薪酬與治療限制措施的設(shè)定，需根據(jù)具體治療的延續(xù)效應(yīng)與潛在效應(yīng)進行校準(zhǔn)，且這些措施僅在治療初始階段使用，最終需逐步取消。

02

簡單化的支付政策（如按服務(wù)收費、打包付費等）在動態(tài)治療場景中并非最優(yōu)。若要實現(xiàn)成本控制與質(zhì)量提升的雙重目標(biāo)，支付政策必須包含帶有連續(xù)目標(biāo)的獎懲條款。

圖片來源：?千庫網(wǎng)

此外，張偉團隊的研究也將助力解決中國醫(yī)療服務(wù)系統(tǒng)科學(xué)發(fā)展中出現(xiàn)的相關(guān)問題，構(gòu)建中國現(xiàn)代化醫(yī)療支付政策。

當(dāng)前，如何基于有限資源為人民提供公平、可及的高質(zhì)量醫(yī)療服務(wù)，是我國醫(yī)療服務(wù)系統(tǒng)面臨的重大挑戰(zhàn)。張偉團隊的研究，以“最優(yōu)醫(yī)保支付政策”的巧妙設(shè)計，激勵醫(yī)療服務(wù)機構(gòu)對患者進行公平且精準(zhǔn)的治療，將大大提升醫(yī)療服務(wù)質(zhì)量，減少“過度醫(yī)療”行為，優(yōu)化醫(yī)療資源配置，維護人民生命健康并增進社會福祉。

聚焦“四個面向”，

以有貢獻力、有影響力的

高水平科研與學(xué)科交叉會聚，

服務(wù)國家戰(zhàn)略

與人類生活美好進步，

是每一位浙大管院學(xué)者的使命。

【科研】系列專題

將持續(xù)為你講述

他們的最新科研進展。

附：論文摘要

Dynamic treatment regimes improve health outcomes by tailoring each treatment to a patient’s evolving condition, but they also allow providers to learn and game the system over time. How should insurers pay? We study this new class of reimbursement problems, where the provider can privately learn and manipulate the progression of the patient’s condition. (i) We characterize the optimal payment policy: it internalizes two intertemporal effects of each treatment, and rewards provider honesty with incentive pay; moreover, it admits a simple implementation of risk-adjusted cost-sharing policy. (ii) We show that, ignoring dynamic learning and gaming, the existing payment models may have overestimated the harm of information asymmetry. Using the optimal policy, insurers only need to pay for initial private information; they can exploit provider uncertainty and elicit future private information at no cost. (iii) Our study informs U.S. healthcare payment reform with new insights; using two sets of real data, our study also quantifies when and why the optimal policy outperforms the existing ones. By highlighting the critical role of dynamic learning and gaming, this study advances our understanding of healthcare payment theory and practice.

編輯排版：段婷

審核：佟慶、張偉