长期以来,中国市场一直有一种错觉,以为只有医保会强化控费力度,只要被商保覆盖了,医保外的服务和产品就能获得较好的赔付。但随着商保的话语权逐步增长,其对控费的力度会远大于医保。
从现状来看,由于商业医疗险的保费规模有限,市场也较为分散,单家公司很难以量换价,对医疗机构更多是被动理赔。但由于中国医保的广覆盖,通过只赔付用户医保支付之后的自付和自费部分,商业医疗险将风控更多绑定在医保上,从而减轻了自身的压力。但随着中端医疗险的发展,商业医疗险市场正在逐步脱离医保。如果未来医保外的保险市场逐步扩展,商保将采用比医保更严格的控费措施,下面重点以美国商保的强制控费举措——Downcoding——来简要分析商保缘何会比医保控费更严格。
自从DRG实施之后,市场对Upcoding会比较熟悉,Upcoding主要是指医疗机构通过夸大用户病情来提高编码强度,从而获得更多赔付金额。一般来说,Upcoding是部分医疗机构采用的应对医保支付政策收紧后的管理工具,但由于大部分医院在Upcoding上采用了更多技巧性的策略,支付方对其的压制并不会特别严厉。比如,在德国实施了G-DRG之后,患者临床诊治复杂程度PCCL(patients clinical complexity level)的平均值从0.42上升到0.88。跃升的主要原因并不是医院收治的病人更为复杂,而是在原先按项目付费的前提下,医保是按床日付费,PCCL的重要性较低,特别是二级诊断只是作为附加治疗收费的形式出现。但由于PCCL作为并发症严重程度的主要指标,医院有动力大力推高其得分,以提升DRG的成本权重,从而获得更多的报销金额。
但是,由于疫情后医疗通胀持续上升,叠加医疗使用率居高不下,导致保险赔付率始终维持在高位,对美国保险公司形成了巨大的压力。为了应对理赔率上升带来的挑战,保险公司采用了Downcoding来自动减少理赔。Downcoding是与Upcoding相对的工具,是指理赔代码自动降低一档,以减少赔付金额。比如,在全科的门诊中将一次门诊的代码级别从4级降为3级,对应的报销费用从170美元降为125美元。
Downcoding并不是商保公司新近发明的工具,而是很早之前就开始采用了,原先并不是广泛使用,而只应用在部分其认为存在欺诈或不合理Upcoding的医疗机构。但随着AI的发展,Downcoding开始在某些区域自动进行,无差别对所有在该区域内的医疗机构进行降低理赔金额的操作。比如,2025年10月1日起,美国两大商保公司Cigna和Aetna在全美的evaluation and management(评估和管理,E/M)的高级别医疗服务中自动进行降码,虽然自动降码的政策在部分州遭到医疗机构的集体抵制而暂停,但在其他地区仍在继续执行。
E/M的涵盖较为宽泛,包括门诊就诊、住院、观察护理和咨询。每个大类还可以进一步分为两个或多个子类别。例如,门诊就诊的两个子类别是新患者和老患者,住院和观察护理的两个子类别是初始和后续。护理级别基于医疗决策,即简单、低、中、高,并包括所解决问题的数量和复杂性,护理级别在不同服务类别和子类别之间不能互换。
Cigna是将所有门诊和门诊咨询全部纳入自动降码,而且不会去审核医疗机构提交的理赔申请,而Aetna仍会利用其审核程序Claim and Code Review Program (CCRP)去确定哪些门诊和住院会降码,但会在入院观察的代码上自动下降。
对医疗机构来说,Downcoding是可以申诉的,但需要对每一笔理赔提出申诉,由此会带来行政成本的升高。从过往案例来看,申诉确实可以赢回部分损失,但不会获得全部损失,一般会获得1/3-1/2左右的降码带来的损失。
从美国的商保来看,由于其同时管理商保和医保的资金,其对医疗机构的话语权是较为强势的,Downcoding对所有医疗机构会产生较大的压力。中国的商保并没有成长到那么大规模可以对医疗机构形成巨大优势,但如果从高端医疗险市场来看,特别是随着疫情后医疗使用率的大幅升高,高端医疗险已经开始采用更多手段来进行控费。中端医疗险虽然刚起步,但早期仍然沿用百万医疗险和惠民保的打法,宽进严出的模式虽然会控制理赔,但投诉量激增,必然会在产品和风控上逐步改变粗放模式,改为精细化控费。
因此,如果某家保司在某个区域市场能获得较大的市场份额,特别是对部分医疗机构能带来较大的营收,对医疗服务的控费举措也会强化。其实,商保的控费模式是多样化的,Downcoding并不是经常使用的,毕竟由此会恶化与医疗机构的关系,更多还是通过以量换价来推动价格谈判以及要求用户预授权才可以使用某些治疗等多样化的工具齐头并进。
总体上来看,虽然中国大部分保司缺乏独立风控的能力,但原先运营高端医疗险的保司在这方面已经积累了一定的经验,通过持续引入海外商保的风控工具将有助于中端医疗险风控能力的提升,商业医疗险与医疗服务的合作也将进一步再平衡。
0
推荐