他們設計“最優政策”，可優化醫保支付、減少過度醫療

“科 研”

ZJUSOM

個性化醫療時代，“動態治療方案”對癌癥、糖尿病等很多慢性病的治療都至關重要，醫生可根據患者病情變化分階段調整治療方案，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。在醫療市場中，信息不對稱問題表現得尤為突出。因為在動態治療過程中，“患者病情如何變化？”“是否真的需要調整治療？”這類信息只有醫療服務機構了解，負責賠付的保險公司很難及時掌握。

于是，一些醫療服務機構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“過度醫療”行為，來向保險公司申請更多的賠付。

圖片來源：?千庫網

這就為醫保支付政策的設計帶來了挑戰。作為支付方，保險公司如何科學地為這類動態治療方案設計最優的支付機制，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”？

針對這一關乎人民生命健康和社會福祉的現實難題，浙江大學管理學院服務科學與運營管理學系“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，他們基于動態機制設計理論提出了一套“最優醫保支付政策”，不僅可有效減少“信息不對稱”導致的“過度醫療”現象，還能在動態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療服務質量、守護人民生命健康，又能保障醫保基金安全、醫療資源有效配置，增進社會整體福祉的高水平研究。

學者簡介

張偉，浙大管院服務科學與運營管理學系“百人計劃”研究員。研究方向：機制設計、信息設計、供應鏈管理、醫療管理、收益管理。

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

他們設計的“最優醫保支付政策”，

可實現三大目標

為探索最優支付機制，張偉團隊在研究中構建了一個“存在內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”，負責設計動態治療方案的支付機制；醫療服務機構作為“代理人”，掌握患者病情的第一手信息，因此在信息上占據優勢。

治療過程在模型中被劃分為多個階段。每一階段結束后，醫療服務機構會向保險公司報告患者的病情進展，保險公司則依據這些信息進行相應賠付。

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

01

以“獎勵誠實”杜絕“鉆空子”

為了有效遏制醫療服務機構利用信息不對稱“鉆空子”，保險公司需做兩件事：一是允許醫療服務機構根據病人實際情況調整治療方案；二是設立“獎勵性薪酬”，獎勵那些如實上報信息的醫療服務機構。

這兩項措施相結合，既能防止醫療服務機構“挑肥揀瘦”、只接收輕癥病人，也可避免其“小病大治”的過度醫療行為。

02

以“延遲支付”綁定長遠利益，

獲取患者新信息

針對動態治療方案，保險公司可采用“延遲支付”機制，相當于將一部分款項留作“績效押金”，等到后續治療達到特定結果后再發放。這樣就能把醫療服務機構的利益和患者未來的康復效果牢牢“綁定”，從而激勵醫療服務機構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的病情新信息。

03

以“行為激勵”優化患者治療結局

保險公司需激勵醫療服務機構將 “治療延續效應”與“潛在效應”納入決策考量，同時鼓勵他們根據患者病情變化主動、靈活地調整方案，從而讓患者的治療結果達到最優。

除了上述特征外，最優醫保支付政策還具備“可輕松落地執行”的特征，保險公司通過“風險調整”的成本分擔方式就能執行。

例如，根據患者病情嚴重程度和風險高低，動態調整醫保和個人的費用分擔比例，讓支付方案更公平、更合理。

圖片來源：?千庫網

“最優醫保支付政策”好在哪兒？

不用持續為信息不對稱“買單”

研究中，張偉團隊回答了一個“關鍵問題”：他們設計的這套“最優醫保支付政策”在何時、為何優于傳統政策？

他們發現，在動態治療場景中，過去的支付模型可能高估了“信息不對稱”帶來的危害，認為這種危害會一直存在。而保險公司可能因此被誤導，在支付政策設計上持續為“信息不對稱”多支付，并扭曲治療決策，影響患者治療結局。

但實際上，只要支付機制設計得好，這種“信息不對稱”帶來的危害只是暫時的。因為動態治療包含多個階段，通過反復互動，醫療服務機構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“最優醫保支付政策”的優勢所在——保險公司只需為“治療初期醫療服務機構掌握的私有信息”支付一次性的合理成本，對于后續治療中產生的“新信息”，可通過巧妙的支付設計來“免費”獲取。

圖片來源：?千庫網

基于兩組真實數據，張偉團隊還量化分析了最優政策在何時、為何優于傳統政策。結果發現，最優政策將治療方案的延續效應與潛在效應均納入決策考量，并提前明確所有支付條款，將醫療服務機構的信息優勢僅限定在初始階段，可修正傳統政策在 “決策” 與 “信息” 方面的缺陷，在多種場景下改進效果顯著。

尤其是當醫療服務機構對聲譽的關注度較低、治療的潛在效應較強且延續效應顯著時，最優政策顯著優于傳統政策。

他們的研究填補了理論空白，

并將助推醫保支付改革

作為個性化醫療的核心支柱，動態治療方案如今廣泛應用于癌癥、艾滋病、高血壓等慢性病的治療中。但這種治療方案給了醫療服務機構利用信息優勢“鉆空子”的機會，進而導致“過度醫療”現象近年來屢見不鮮。

而要減少這些現象，保險公司必須以動態視角來設計醫保支付政策。但目前醫療領域關于這方面的研究較為匱乏，現有支付模型對醫療服務機構的行為設定過于簡化，忽視了動態治療方案中醫療服務機構可能通過信息學習，多次利用信息優勢“鉆空子”的行為。

張偉團隊的研究不僅填補了這一“研究空白”，強調了醫療服務機構“信息學習”與“鉆空子”行為對醫保支付與患者治療結局的影響，深化了學術界對醫保支付理論與實踐的理解，還為醫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定，需根據具體治療的延續效應與潛在效應進行校準，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（如按服務收費、打包付費等）在動態治療場景中并非最優。若要實現成本控制與質量提升的雙重目標，支付政策必須包含帶有連續目標的獎懲條款。

圖片來源：?千庫網

此外，張偉團隊的研究也將助力解決中國醫療服務系統科學發展中出現的相關問題，構建中國現代化醫療支付政策。

當前，如何基于有限資源為人民提供公平、可及的高質量醫療服務，是我國醫療服務系統面臨的重大挑戰。張偉團隊的研究，以“最優醫保支付政策”的巧妙設計，激勵醫療服務機構對患者進行公平且精準的治療，將大大提升醫療服務質量，減少“過度醫療”行為，優化醫療資源配置，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

高水平科研與學科交叉會聚，

服務國家戰略

與人類生活美好進步，

是每一位浙大管院學者的使命。

【科研】系列專題

將持續為你講述

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