DRGs与关乎每一个人的医保费用精细化管理息息相关。做好了，医保基金的使用效率就能得到提高，而看病贵的问题也能在一定程度上得到解决。传统的DRGs是同类诊疗划分到一个分组，一个分组制定一个支付“一口价”，而这也是最难实施的两点。一个患者到医院看病，医保该为他付多少钱，才能让他获得有效而合理的医疗服务？既不会过度诊疗，也不会敷衍了事呢？

　　要在“按项目收费”与“按人头收费”这两个极端之间，选择一条平衡之路，我国医保支付机制DRGs就选择最新的方法——依据疾病诊断、治疗操作及个人特征等数据，找到相似的患者，根据他们的平均花费，为这个患者计算治疗费用。这个方法，也被通俗地称之为“大数据DRGs”。

　　为什么要提出这个概念呢？我们先了解在DRGs分组的基本理念是依据患者疾病类型、治疗方式和个体特征的不同而区分不同的组别。具体如何实现，我们举个例子，比如“胸部食管恶性肿瘤”与“血管性心脏病”即属于不同的疾病大类（MDC），首先就分入不同组别。

　　然后，针对“胸部食管恶性肿瘤”有不同的治疗手段，所以“胸部食管恶性肿瘤 保守治疗”、“胸部食管恶性肿瘤 食管癌根治术”、“胸部食管恶性肿瘤 食管癌根治术 空肠造口术”将成为不同的基干DRGs。

　　最后，针对同样被分入“胸部食管恶性肿瘤 食管癌根治术”这一组别的患者，依据年龄、性别等个人特征再细分，比如细分为“胸部食管恶性肿瘤 食管癌根治术 男”“胸部食管恶性肿瘤 食管癌根治术 男 40-50岁”等不同组别。

　　然而实际操作过程，由于病例数量和类型众多，情况要比刚才得例子还要复杂，上述举例只是为了解释说明DRGs三步分组的一般流程，实际操作过程中，情况要复杂得多:

　　第一，各种分组设定，是先有分组模型，再去对照现实，所以会与现实存在偏差。有些疾病及诊疗方式，可能就不在现有的分组器中。此外，我国经济水平及医疗水平发展不均，导致各地区诊疗路径不一，这个区域用的DRGs换在用在不同的区域还要进一步调整，这就需要人工介入调整，所需时间长，成本较高。

　　第二，一旦参与主体熟知政策规则，比如医生们可以经过一段时间的实际报销情况，大致也能推算出来分组，这就可能发生病人被分入一个比应分入的DRG组复杂程度更高的组，使医院获得更高的支付。

　　所以“大数据DRGs”应用能够对传统DRGs实施难点有非常好的解决方案。因为病种分值不要分组器，实现动态分组。

　　将医院病案首页中统一的编码统统输入系统，穷举“疾病诊断 治疗方式”的排列组合，形成了1000多个疾病诊断组和3000个左右的治疗方式目录组。然后利用“找相似”的方法，最终形成一万多个具有相似特征、可以用来制定“一口价”的组别。

　　这样一来，就较好地解决了上述两个问题：因为数据来源于全量的病例数据，所以不存在没有被录入的疾病及诊疗方式；又因为分组是动态调整的，即使医生的预期发生了改变，动态分组也能察觉到预期的变化而调整分组。

　　大数据DRGs由于收集了全量的数据，可以实时动态地反映每组治疗费用的变化。虽然初期用于定价的数据精准度不够，但随着DRGs改革的不断推进，分组定价也会越来越趋近于真实费用。

　　在目前我国DRGs应用效果的评估中，有两个指标来衡量DRGs分组的有效性。一是入组率，就是某地区或某医院住院医疗服务成功分组的例数；入组率越高，医保支付能覆盖的范围越广。二是组内变异系数（CV），就是用该组医疗费用的标准差除以该组医疗费用的平均数，用来衡量组内医疗资源消耗的同质性。CV值越小，支付的稳定性越好，越接近均值，风险越小。

　　大数据“DRGs应用最基础就是来自于医生的数据上报，医院的数据核实，这些都是未来医院开展的重要工作。随着数据量逐渐积累，未来我国医保支付会更加科学，让我国医疗价值比会更高，医疗基金有持续的保障。

　　本文来自于燕园医课堂