曾雁冰 杨天娇 许玮茜 方 亚△

【提 要】 目的 建立老龄化背景下我国医疗保险系统动力学模型,观察医疗保险收支和个人支付医疗费用发展趋势,以及干预行为对系统的影响,为实现在维持医保基金平衡的基础上,最大程度地降低患者医疗费用负担提供政策建议。方法 通过文献分析法、系统分析法确定医保系统主体。依据系统动力学方法,构建系统模型并进行仿真模拟。结果 城镇基本医保基金收入与支出呈逐年增长趋势,医保基金结余逐年减少,至2025年医保基金结余为-239.6亿元,个人支付费用为3620.0元。结论 模型能较为客观的模拟系统结构与行为规律,可用于医保费用的预测与政策干预。提高社区门诊和住院比例、提高政府对城镇居民医保费用的筹资标准、人口赡养比、离退休人口缴纳医保费用可有效降低个人的支付费用负担,促进医保系统的可持续发展。

人口老龄化是21世纪世界人口发展的主要趋势,已成为影响我国经济增长和社会发展的重要因素,尤其是医疗费用负担问题[1]。问题体现在医保基金方面,即人口老龄化将使每个在职职工所要承担的医疗责任越来越大,需要负担的离退休老人的医疗费用越来越多,就医负担越来越重。有研究表明,60岁以上人均医疗费用是60岁以下人群的3～5倍。在医疗服务价格不变的情况下,老龄化使每年的医疗费用上涨了1.54%,给医保基金的平稳运行带来了潜在风险[2]。如何完善医疗保险制度,在维持医保基金平衡的基础上,最大程度地降低医疗费用已成为全世界关注的热点。目前学术界针对医疗保险与医疗支出的研究多采用静态截面数据,缺乏系统动态综合分析、系统内各类主体非线性规律研究、自适应规律研究以及中长期预测,无法揭示掩盖在卫生系统这种非线性系统的内在规律。本研究通过构建人口老龄化背景下我国医保系统动力学模型,实现对医疗保险系统的模拟预测,仿真医疗保险的收支过程,并筛选干预试验组,进而提出相关政策建议。

资料与方法

1.资料来源

本研究查阅国家统计年鉴、卫生统计年鉴,以及World Health Organization、World Bank Open Data统计数据库,获取2007-2014年我国基本医保基金收支、医院门诊和住院次均费用、参保人数等相关数据。

2.方法

系统动力学(system dynamics,SD)是研究复杂系统问题的方法。其基本原理是通过建立流位、流率系统来研究反馈系统,定义复杂系统为高阶次、多回路和非线性的反馈结构,把世界上一切系统的运动假想成流体的运动,使用因果关系图和系统流图来表示系统的结构。本研究中系统动力学建模的过程包括:①系统分析;②SD模型建立;③SD模型应用。采用excel处理数据后,用Vensim DSS建立SD模型并进行仿真模拟。

模型构建

1.系统主体分析

本研究通过收集、分析与医保收支、医疗支出相关的政策文件和文献,明确医保系统的利益相关者。在此基础上,运用系统分析法确定了医疗保险系统的主体:政府、医疗机构、医保部门和参保者。

2.系统因果关系图构建

本文根据研究目的和系统实际运行情况,将系统分为医保基金收入子系统和支出子系统,进行系统反馈回路分析。考虑到城镇基本医疗保险与新型农村合作医疗保险管理机构的不同[3](以下简称新农合医保),以及数据获得的局限性,本文聚焦于城镇基本医保系统的研究。

(1)对于城镇基本医保基金收入子系统,包含城镇职工和城镇居民医保基金收入。城镇职工医保基金收入受参保缴费人数、缴费比例与缴费基数的正向影响。城镇居民医保基金收入受城镇居民参保人口、筹资标准的正向影响,其中筹资标准包括政府对居民的医保补助标准和个人的缴纳标准。

(2)对于医保基金支出子系统,医保基金支出受医疗总费用和报销比例的正向影响。医疗总费用分为门诊总费用和住院总费用,其中门诊总费用是门诊次均费用和门诊人次综合作用的结果(门诊人次=就诊总数×门诊比例)。就诊总数受就诊率和患病总数的正向影响,而患病总数又受参保人数和人均年患病次数的共同作用。

(3)当城镇基本医保基金实际结余与预测产生偏差时,就会影响医保系统的保障能力,医疗保障能力降低,会使个人自付费用增加,群众看病难看病贵感觉增强,社会呼声不断高涨。,一方面影响政府对城镇居民医保的筹资标准及投入力度,另一方面影响城镇职工医保的收缴比例政策,最终影响到医保基金收入和结余(见图1)。

图1 老龄化背景下我国城镇基本医疗保险系统发展因果关系图

3.SD模型构建

(1)函数关系确定与模型构建

根据建立的因果关系图,借助文献综述和系统分析理论,筛选易于量化的关键变量,界定模型中的状态变量、速率变量、辅助变量和初始变量,绘制系统流图(图2)。

本研究的仿真模型包含82个变量,变量初始值参考官方的统计资料,少数缺省数据通过统计推算补齐;变量间的函数关系由系统动力学基本公式以及相关研究来确定[4]。

(2)模型检验

本研究所构建的模型通过了量纲一致性测试、结构测试和行为重现测试。其中,行为重现测试结果显示，城镇基本医保收入、支出和结余的仿真值与实际值的相关系数r分别为0.99、0.976和0.97,绝对值均接近1,说明该模型拟合度好[5],可对今后系统的结构和发展进行模拟预测,能够进行实证仿真研究。

图2 我国城镇基本医疗保险基金收入与支出系统流图

结 果

1.医保收支与医疗支出趋势预测

本研究动态仿真模拟时间是2007年至2025年,步长1年。以城镇基本医保基金收入、支出、结余和参保者个人支付医疗费用作为观测指标(图3)。

(1)城镇基本医疗保险收支预测

城镇基本医保基金收入与支出呈逐年增长趋势,2020年后医保基金支出增长超过收入,且随着年份的增加,超出越明显,医保基金结余随之也逐年减少,2025年将达-239.6亿元。

(2)个人支付医疗费用预测

根据目前城镇职工与城镇居民医保实际报销比例(70%和60%)模拟个人费用支付情况。如图3所示,城镇职工和城镇居民参保者个人支付年医疗费用不断增加,至2025年将分别达到6357.0元和4916.0元。

图3 医保收支与医疗费用支出发展趋势预测

2.医疗费用过快增长与控制政策干预

本研究以城镇基本医保基金收入、支出、结余和参保者个人支付医疗费用为结果变量,通过改变社区门诊比例、社区住院比例、人口赡养比、离退休人口缴纳医保费用等参数对其进行模拟干预得出结论,为研制优化策略提供依据。

(1)调整城镇职工离退休者缴费政策

test1-1:城职离退休者个人缴纳或政府代缴平均养老金的0.02

test1-2:城职离退休者个人缴纳或政府代缴平均养老金的0.04

test1-3:城职离退休者个人缴纳和政府分别代缴平均养老金的0.04

通过干预政策模拟,结果显示,test1-1时,2025年城镇基本医保基金收入达71999.0亿元,支出达70282.0亿元,结余为1717.0亿元,结余开始减少的年份较原本推迟1年。test1-3相较test1-2,2025年城镇基本医保基金收入增加3710.0亿元,达77563.0亿元,结余增加3486.0亿元,达6947.0亿元,开始减少的年份较原本推迟4年(见图4、5)。因此,离退休者个人缴纳或政府代缴保费的增加,可增加医保基金的收入,推迟结余开始下降的年份。

图4 城镇基本医保基金收入情况(亿元)

图5 城镇基本医保基金结余情况(亿元)

(2)调整人口赡养比

test2-1:提高人口赡养比至1:2

test2-2:降低人口赡养比至1:3

test2-3:降低人口赡养比至1:5

结果显示:test2-1时,2025年城镇基本医保基金收入达63479.0亿元,支出达69984.0亿元,结余为-6505.0亿元,结余开始减少的年份提前2年。test2-3相较test2-2,2025年医保收入增加7230.0亿元,结余增加6796.1亿元,达到7086.0亿元,开始减少的年份推迟6年(见图6、7)。由此可见,延迟退休年龄,降低人口赡养比,可增加医保费用的收入,推后结余开始下降的年份,维持医保基金的平衡。

图6 城镇基本医保基金收入情况(亿元)

(3)调整政府对城镇居民医保的筹资标准

test3-1:降低城镇居民政府筹资标准变化系数至0.005

test3-2:提高城镇居民政府筹资标准变化系数至0.02

test3-3:提高城镇居民政府筹资标准变化系数至0.03

图7 城镇基本医保基金结余情况(亿元)

干预模拟结果显示,test3-3相较test3-2到2025年城镇基本医保基金收入上涨5036.0亿元,达79713.0亿元,结余上涨4734.0亿元,达8755.0亿元,结余开始减少年份推迟7年(见图8、9)。提高城镇居民医保筹资标准,可增加保费的收入,推后结余开始下降的年份。

图8 城镇基本医保基金收入情况(亿元)

(4)调整社区门诊和住院比例(以下分别简称为门诊比和住院比)

test4-1:门诊比减少10个百分点(0.154),住院比减少10个百分点(0.020)

test4-2:门诊比增加30个百分点(0.223),住院比增加30个百分点(0.029)

test4-3:门诊比增加40个百分点(0.240),住院比增加40个百分点(0.032)

通过干预政策模拟,调整社区医院门诊和住院比例,test4-2时,2025年城镇参保者个人支付费用达3581.0元,较test4-1减少53元,结余为376.9亿元。test4-3时,2025年个人支付费用达3566.0元,相较test4-2减少15元,结余增加238.6亿元,为615.5亿元,结余开始减少的年份较原本推迟1年(见图10、11)。

图9 城镇基本医保基金支出情况(亿元)

图10 城镇基本医保基金结余情况(亿元)

(5)实验组比较

研究进一步分析比较人口赡养比、离退休老年人缴费等不同政策调整对医保结余和个人支付医疗费用作用大小的差异。以医保结余作为观测指标,模拟结果显示其他条件不变,人口赡养比调整5%,2015-2024年医保结余变化幅度为7.53%～69.83%;离退休老年人缴费调整5%,医保结余变化幅度为20.62%～164.50%;政府对城镇居民的医保筹资标准调整5%,医保结余变化幅度为1.51%～21.86%;社区门诊、住院比例调整5%,医保结余变化幅度为0.72%～9.00%(见表1)。相较而言,人口赡养比、离退休老年人缴费对医保结余的作用要优于增加政府对城镇居民医保的投入、增加社区门诊和住院比例的作用。

表1 不同干预策略调整下医保结余变化百分比(%)

讨论与建议

医疗保险系统是一个复杂的系统,其主体包括政府、医保部门、医疗机构和参保者等,各主体之间相互影响、相互作用,主体行为推动系统结构演化。20世纪70年代 Forrester教授应用系统动力学方法先后建立了WORLDⅡ、WORLDⅢ模型,成功的预测了美国社会经济未来的发展趋势,并提出了控制策略[6-7],这为我们研究提供了有力的参考和借鉴。

本研究从系统结构演化及主体行为模拟出发,掌握其变化发展的动力机制,对系统发展预测及政策干预模拟结果进行分析。按照系统动力学的建模方法和步骤,构建系统因果关系图及流图,对SD模型进行有效性检验。结果表明该模型能较好反映系统的内部行为和发展趋势,可用于老龄化背景下医保费用的发展预测和政策干预。

首先,本研究所建立的SD模型模拟了2007-2025年间系统行为的情况,结果表明,在不加任何干预的情况下,按照系统目前的发展态势,城镇基本医保基金收入与支出呈增长趋势,2020年后医保基金支出增长超过收入,且随着年份增加,超出越明显,医保基金结余随之也逐年减少,2025年将达-239.6亿元。结果表明如若再不加以干预,城镇基本医保基金收支就会面临失衡风险,这与其他老龄化趋势与医保基金的研究结果一致[8-9]。此外，医疗费用的过快增长与医保基金结余的下降会加剧个人就医压力。

其次,本研究以我国城镇基本医疗保险系统SD模型为基础进行了干预策略模拟,如实行离退休人口缴纳保费政策、延长退休年龄、调整人口赡养比,提高政府对城镇居民医保的筹资水平、提高社区门诊和住院比例、控制医院次均费用的增长,以及实行城镇职工与城镇居民社区医院门诊统筹政策,降低起付标准,提高支付限额和医保报销比例等,通过调整干预指标,探索在维持医保基金平衡的前提下,提高医保的保障能力,降低参保者个人支付的费用,缓解就医负担的解决策略。针对政策模拟结果,初步提出以下建议。

1.实行城镇离退休职工缴纳保费政策

据统计,食品和医疗服务是城镇老年人两大最主要的消费,这为实行离退休缴纳保费的政策提供了一定空间。参考《全球社会保障制度2010》,在169个国家或地区中,76个有社会医疗保险,而这76个国家或地区中,有39个国家需要退休老人缴费[10]。可见,离退休老人缴纳保费在许多国家或地区中较为普遍。我国有一半以上的退休老人养老金水平低于社会平均水平,实行离退休者缴纳保费政策可根据养老金水平高低分类进行:对养老金高于一定水平的,个人按照一定的缴费率缴费;低于一定水平的,可由政府按照最低养老金一定缴费率进行代缴。因此,在不造成离退休者缴费压力和政府财政压力的情况下,离退休职工缴纳一定的保费,既可以增加医保的收入,提高医保基金的支付能力,又可以推后医保基金结余开始下降的年份,维持医保基金的平衡。

2.调整人口赡养比,延长退休年龄

研究发现适当延长退休年龄,调整人口赡养比,可增加各年份城镇基本医保基金收入,推后医保基金结余开始减少的年份。与其他研究[10]分析老龄化影响城镇基本医保基金的结论一致,延长退休年龄在一定程度上可改变老年负担比,推后结余出险的时间。尤其在当前我国人口平均退休年龄尚未达到世界经合组织平均水平[11],实行弹性退休制,适当延长老年人退休年龄,延长老年人的工作时间,提高劳动收入水平,可以增加医疗保险法定缴费年限,缓解医保基金的支付压力,维持医保基金的平衡,确保医保系统的可持续性运行。

3.提高政府对城镇居民医保的筹资标准

为了保证医保系统的可持续发展,提高医保基金的支付能力,应同步调整筹资标准增幅不低于有效控制后的医疗费用增长幅度[12]。进一步加大政府财政对城镇居民医保的投入力度,逐步提高城镇居民医保总筹资标准。

4.推行分级诊疗制度,鼓励社区首诊

分级诊疗可以优化就医流程、改善就医秩序、引导合理医疗消费,是“控费”的一种重要手段[13]。积极推行分级诊疗制度,按照疾病的难易程度分级,不同级别的医疗机构负责不同级别的疾病治疗,鼓励社区首诊,形成“首诊在社区,大病在医院,康复在社区”的诊疗模式,可以有效降低参保者个人的医疗费用负担,维持医保基金的平衡,在我国人均医疗筹资水平较低的情况下,能更好的满足人们的健康需求。