近年来，按病种分值付费(Diagnosis-intorvention packet, DIP)在国内逐渐试点推广，越来越多的学者关注到DIP的实际效用问题。较多学者采取实地调研的方式，通过调研南昌^{[1, 2]}、宿迁^[3]、淮安^[4]等试点城市的改革情况，分析DIP的利弊，也有学者^[5]通过双重差分模型及稳健性检验等理论方法分析目前我国DIP的推进情况并提出相关建议，但已有研究较少从供方角度研究医保支付方式对医生行为的影响。

近年来实验经济学在卫生经济学领域上的运用逐渐兴起，已有学者^{[6, 7]}使用实验经济学研究方法对其他支付方式进行了研究，但暂未涉及DIP。现有文献中，有关DIP对医生行为影响的研究并不多见，大多学者对DIP能够有效控制医疗保险费用的不合理增长持积极态度，认为此支付方式能够减少医保统筹资金的支出，提高支付效率，控制医生提供过多的医疗服务。^[8-13]此外，不少学者认为DIP的实行在一定程度上能够缓解医生对重症患者的推诿行为。^[13-16]

但DIP也有不足之处。由于DIP下医保支付额由病种分值决定，当实际医疗费用低于DIP支付标准时，医生可能选择DIP; 反之，医生可能会以各种理由将其纳入按服务项目付费(Fee-For-Service, FFS)范围内以得到理想的支付额。可见，病种分值确定的合理性和科学性仍有待提高。^[17]虽然DIP能在一定程度上控制推诿重症患者的现象，但仍然无法避免部分医生为了缩减成本而减少必要的检查或降低服务质量。同时，医疗机构可能会通过降低入院标准、增加患者出入院的次数，获得更高的医保支付额。

相较于按人头付费(Capitation, CAP)，FFS虽然能够有效解决医生提供医疗服务不足的行为，对于重症患者，也能使其得到充分的医疗服务，但FFS也会引导医生提供过多的医疗服务数量，即有可能存在不合理的诱导行为，从而引起医疗资源的浪费。^{[6, 7, 18]}有研究者开展了FFS和CAP两种支付方式对医生行为影响的研究，结果也证实了CAP下医生提供的医疗服务供给量比在FFS下更少。^[7]

实验经济学在卫生经济学领域的应用范围十分广泛，然而就目前而言，大部分学者对于DIP的研究仅停留在实地求证及理论研究方面，而对于实验经济学在DIP方面的应用较为缺乏。本研究通过实验经济学方法，从医疗服务供方角度探讨DIP与FFS两种支付方式对医生行为的影响。

1 实验设计与过程 1.1 实验方案

本实验以“医保付费方式对医生行为的影响问卷”为基础，通过“问卷星”微信小程序发放问卷。受试者可从问卷表格中得到提供不同数量的医疗卫生服务对应的支付金额、成本、净收益以及患者效益，实验货币均为实验代币。问卷表格中第2列为医疗卫生服务数量，第3列为支付额(即医生的诊疗费)，第4列为不同服务数量所对应的成本，第5、6列为FFS或DIP下不同服务数量所对应的医生能获得的净收益(净收益等于支付额减成本)及患者效益。由于篇幅所限，本文不再展示具体的问卷内容，如有需要可向本文作者索取。实验的受试者均为将来可能成为医生的医学生，包括临床医学及其他医学相关专业的学生。之所以选择医学生作为实验的受试者，是因为医学生具备适用于本研究的医学知识，能够站在医生的角度思考问题，对实验问题的理解程度较高。加之医学生的空余时间相较于医生更加充足，方便参与实验，也节省了实验成本。

全部项目填写完整规范且专业在所选范围内视为有效问卷，回答无对错之分，共发放124份问卷，回收124份，剔除23份无效问卷后，实际回收有效问卷数101份。其中临床医学专业问卷63份，其他医学相关专业问卷38份。将问卷调研数据导出至Excel并对问卷数据进行初步整合筛选，最后使用SPSS21.0统计软件对数据进行统计分析。从总体水平、3种健康类型、15种患者类型以及最优服务量决策四个方面进行分析，采用平均值、中位数、标准差、最值4个标准进行描述性统计分析，采用Mann-Whitney U检验进行单因素分析，采用Pearson卡方检验对分类变量数据进行单因素分析，多因素分析则采用有序Logit模型及二值Logit模型进行检验。

1.2 实验设计

实验中，受试者担任医生的角色，并且仅参加一次实验。受试者的任务是对每位虚拟患者提供医疗卫生服务的数量决策，医疗卫生服务数量q∈[1, 10]，这也决定了受试者在实验中的净收益和患者的效益。实验中，患者的健康类型有3种(j=1, 2, 3)，分别代表健康状况较好、中等、较差，患者的疾病类型共5种(k=A, B, C, D, E)，把健康类型和疾病类型相结合可得出15种类型的患者。因此，每位受试者均需要在FFS和DIP两种支付方式下对15位虚拟患者进行共30个决策。

为解决参数差异问题，实验中的患者均为虚拟患者，没有真实的患者存在，仅作为医生提供医疗卫生服务数量决策时的参考对象。一方面这能使得作为医学生的受试者消除因部分专业知识缺乏带来的顾虑，再者可简化外界因素对医生行为的影响，仅需考虑支付方式。

1.3 实验参数

基于Hennig等设计的经济实验，参数中，FFS下的支付额及医生净收益均来源于德国Einheitlicher Bewertungsmabstab(EBM中列明了医疗卫生服务以及处方费用)五种眼科疾病的治疗费用以及对医生的支付费用，使得参数与现实情况相契合。^[6] DIP支付额取决于每一病种的分值，相当于将CAP分为多种支付额，同一病种分值下，医生得到的支付额是相同的。为使得FFS与DIP的支付额参数具有可比性，在DIP条件下医生可获得的平均最高净收益(11.8个实验代币)仅比FFS下可获得的平均最高净收益(11.08个实验代币)略高一点。实验中，成本为C_jk(q)，支付额为R_jk(q)，患者效益为B_jk(q)，医生净收益为π_jk(q)。

实验采用凸成本函数，即成本C=0.1*q²，q∈[1, 10]，且在按FFS和DIP两种支付方式的15种患者类型下保持不变，即成本参数与医保支付方式、疾病类型和患者健康状况无关。在DIP条件下，医生为同一种疾病类型的患者提供服务所能获取的支付额是固定的。而在FFS条件下，医生的支付额随着q的增加而增加，且不同疾病类型k的支付额也不相同，但与患者健康类型j无关。在患者效益的参数设置中，无论在哪种付费方式下，患者效益与患者健康类型j、医生提供的医疗卫生服务数量q均有关，且患者效益在医疗卫生服务数量q∈[1, 10]区间内，对于疾病类型k，健康类型j的患者存在唯一的患者效益最大值，且当卫生服务数量取得最优服务数量q_jk^*分别为q_1k^*=5、q_2k^*=3和q_3k^*=7的时候，健康类型分别为1、2、3的患者获得最大化患者效益，除健康类型3的患者以外，其余患者的最大患者效益均为10个代币。医生净收益等于支付额与成本之间的差额，即π_jk(q)=R_jk(q)-C_jk(q)。在DIP条件下，医生净收益随着医疗卫生服务数量q的增加而减少，即当医生选择不提供医疗卫生服务(q=0)的时候可使得自身利益最大化，在FFS下则与之相反(表 1)。

2 结果 2.1 总体水平

FFS下受试者提供的平均服务数量比DIP下的平均服务数量多7.3%(0.4 027个卫生服务数量)。由两个独立样本的双侧Mann-Whitney U检验结果可知，P < 0.01，说明从总体水平看，在两种不同的支付方式下，受试者提供的卫生服务数量之间的差异具有统计学意义，FFS下受试者提供的卫生服务数量比DIP下更多(表 2)。

同时，本实验运用有序Logit模型分析不同因素对受试者卫生服务数量提供的影响与差异。表 3展示了不同支付方式及不同患者健康类型对受试者的卫生服务提供数量的影响。由系数为负值(P < 0.001)可知，支付方式对受试者提供卫生服务数量决策的影响显著，相较于FFS，DIP使得医生对卫生服务数量的提供有所减少。

2.2 三种健康类型

表 4展示了不同支付方式下，医生对3种健康类型的患者提供卫生服务数量的差异。结果表明，FFS下，受试者为3种不同健康类型的患者提供的平均卫生服务数量q_jk均高于DIP下提供的平均卫生服务数量。其中，为健康类型较好的患者提供的平均服务数量q_2k高了11.00%(0.510 9个卫生服务数量)；为健康类型中等的患者提供的平均服务数量q_1k高了6.60%(0.366 4个卫生服务数量)；为健康类型较差的患者提供的平均服务数量q_3k高了5.19%(0.330 6个卫生服务数量)。两种支付方式下，受试者为3种不同健康类型的患者提供的医疗卫生服务数量之间的差异均显著(P < 0.01)。

简而言之，FFS下受试者为3种不同健康类型的患者提供的卫生服务数量均高于DIP，且随着患者的健康状况恶化，两种支付方式下的卫生服务量的差距逐渐缩小。

2.3 15种患者类型

本实验从15种患者类型的角度，对两种支付方式下受试者提供的卫生服务数量决策进行了统计分析。结果显示，FFS下受试者为15种患者提供的平均服务数量q_jk均高于DIP下提供的平均服务数量q_jk，在两种支付方式下，15种患者类型所获得的卫生服务量之间的差异，除患者类型为1B、2B、2D以外，均不具有统计学意义(P>0.01)。

2.4 最优服务数量决策

采用单因素分析方法，从总体水平、3种健康类型、15种患者类型3个角度对受试者的决策是否为最优服务量决策的情况进行分析(表 6)。从总体水平看，DIP下的1 515个卫生服务决策中，受试者提供了682项最优决策，比FFS下多5.28%。由双侧Pearson卡方检验结果可得，两种支付方式下受试者选择最优卫生服务数量的构成比之间的差异具有统计学意义(P < 0.01)。

从3种健康类型角度看，DIP下为健康类型较好的患者提供的505项服务决策中有242个最优卫生服务决策，比FFS多102项；为健康类型中等的患者提供261项最优卫生服务决策，比FFS多29项；为健康类型较差的患者提供179项最优卫生服务决策，比FFS少51项。通过双侧Pearson卡方检验受试者选择最优卫生服务数量的构成比之间的差异具有显著的统计学意义(P < 0.01)。从15种患者类型来看，受试者选择最优服务数量决策在两种支付模式之间的差异显著(P < 0.01)。

采用二值Logit模型分析方法，对受试者是否选择提供最优服务数量的影响因素进行分析。结果显示，相较于FFS，DIP下受试者提供了更多的最优卫生服务数量决策(P < 0.01，表 8)。

3 讨论与建议

无论从总体水平还是从3种健康类型层面上看，两种支付方式的平均医疗卫生服务数量之间均具有统计学差异，且FFS的平均医疗卫生服务数量均大于DIP。值得关注的是，3种健康类型下FFS与DIP的差额随着健康类型变差逐渐缩小，说明对待重症患者时，FFS下受试者提供的医疗卫生服务数量是合适的，对重症患者有利。而从15种患者类型的层面看，1B、2B、2D三种患者类型分类下两种支付方式平均医疗服务数量的提供并没有显著性差异。这可能与DIP对不同具体病种的改革效果不同有关，也可能与病种的分值确定难度大，分值需要进一步完善有关。从最优服务决策来看，总体水平层面上医生在DIP下做出的最优决策比FFS下多，且具有统计学差异，这说明DIP使得医生的服务供给行为发生改变，医生在DIP下选择了更多的最优卫生服务数量决策。但从3种健康类型上看，对健康状况较差的患者做出决策时，DIP下受试者提供的最优决策比FFS下的少，即DIP下，医生可能存在减少服务数量供给，推诿重症病人的情况。根据实验结果，提出如下建议：

3.1 继续完善DIP，支付方式应更具灵活性

FFS下，患者的必要治疗得到保障，但不可避免地出现明显的过量供给行为，造成医疗资源的浪费。而DIP虽能减缓医生提供过多医疗服务数量的现象，但也会出现推诿重症病人，减少必要的检查和治疗以缩减成本的行为。目前DIP虽在医疗费用控制方面较为有效，对医保基金的使用效率的提高也有一定作用，但仍存在病种分值不合理、确定难度大等缺陷。

单一的支付制度无法全面覆盖每位病人的实际情况，因此支付方式应更具灵活性。如对重症、难症患者实行FFS，保证患者能够得到合理充分的治疗，降低患者自付比例。而对于轻、中度疾病、住院治疗的常见病等患者使用DIP，控制医疗费用。两种支付方式配合使用，扬长避短。对于DIP，则需要综合地区经济发展水平、不同疾病严重程度所带来成本的不同等因素，完善病种分值的确定方式。

3.2 医生薪酬标准多元化，健全医生激励补偿机制

FFS会引导医生提供过多的服务数量，而DIP可以有效控制医生提供过多医疗服务。医疗成本过高时，超出DIP支付范围的部分需要医院自行承担，因而这也可能导致医生推诿重症病人，减少必要的检查以缩减成本，可能使得卫生服务质量降低。

国家医保局等八部门印发的《深化医疗服务价格改革试点方案》(医保发〔2021〕41号)文件指出，医务人员薪酬应避免与科室、个人业务收入直接挂钩。当医生的薪酬及激励补偿机制无法满足医生时，医生可能通过诱导患者需求以获取更多支付额或是通过减少服务质量以降低成本的方式进行自我补偿。为解决这一问题，就必须确立合理的薪酬水平，完善医生激励补偿机制。例如适当调高医生的薪酬水平，并增加适量的绩效补贴、生活补贴、疾病补贴等。多方面激励医生规范自身医疗行为，提高医生服务的积极性。

3.3 建立健全医疗服务监测评估机制

加强对医疗机构的服务和成本监测，对各个病种的医疗服务价格变化实时监测。如发现价格明显偏高或是明显不合理的情况，及时跟进患者实际情况、医疗成本、医疗卫生服务等。同时，加强对医生服务行为的监督，可通过对患者进行回访并采集患者评价、对处方进行不定期抽查等多种方式全面评价医生的医疗服务。医生绩效考核不应过度注重“量”的提高，而应把焦点放在医疗服务“质”的提高上，实现从“价格医疗”到“价值医疗”的转变。^[19]

作者声明本文无实际或潜在的利益冲突。