You are on page 1of 7

原著研究

總額支付制度下個別醫院醫療費用預測模型建
立-以某教學醫院為例
嚴玉華1,4、許碩芬2、方世杰3、孫緒媛4
國立高雄第一科技大學管理研究所1、國立高雄第一科技大學風險管理與保險研究所2、
國立成功大學企業管理學系3、台南市立醫院4

摘要

前言

目的:建構個案醫院全民健康保險住院醫療費用

台灣健保政策於1994年7月完成全民健康保

變動時間序列預測模式,期能在健保局實

險立法,將原屬13種不同公、勞、農保的醫療給

施之管控措施下,亦能有效控制醫療費用

付及49%無任何保險之人口,納入單一全民健康

及預測醫療費用成長及洽定個別醫院較佳

保險體制,於1995年3月起實施全民健康保險制

之醫療費用預算。

度,實施初期支付制度上主要沿襲公勞農保論量

材料與方法:分析個案醫院2002年7月至2007年6

計酬模式,醫療院所依據服務量及支付標準表的

月全民健康保險住院醫療費用、醫

點數,向中央健保局請領醫療費用。在論量計酬

師人數及病床數資料。結果:整體

下,為減少醫療資源濫用,全民健康保險實施門

模型以住院人次、住院天數及平均

診定額部分負擔,並依評鑑等級不同,訂定不同

住院天數對當期醫療費用的成長有

部分負擔金額;住院部份負擔則依住院日數不

顯著的成長,達到p<0.05顯著水準。

同,實施不同定率部分負擔,此外對於領用重大

結論:以時間序列預測模式個別醫院住院醫療費

傷病卡、預防保健等無濫用醫療資源之虞的病患

用成長趨勢,可促使個別醫院與健保局協
議前能預測己身醫療費用成長情形,以洽
定較佳之醫療費用目標點數。

給予免部份負擔。
由於醫療服務的可近性及民眾就醫的選擇
過於自由,台灣也與許多先進國家處境相同,都
面臨健保費用支出急速上漲,醫療資源政策者
為了維持財務平衡、抑制費用成長,從1998年

關鍵詞:總額支付制度、時間序列分析、住院醫
療費用

起分四階段實施總額支付制度(Global Budgets

System),牙醫門診於1998年7月首先開始,接
著是2000年7月實施中醫門診,2001年7月西醫基
層,最後為2002年7月實施的醫院總額支付制度
[1,2,3],使全民健康保險邁入新的里程。
台灣健保供給面的誘因機制,最主要者乃透
過醫療費用支付制度的設計與改革,增加醫療提
供者供給醫療服務時的財務風險,以提升其控制
醫療費用的責任[4,5]。總額支付制度為全民健康
保險法明訂應實施之制度,執行的方式是『支出
上限制』(expenditure cap),亦即預先依據醫療服
務成本及其服務量的成長,設定健康保險支出的

通訊作者:嚴玉華
通訊地址:台南市東區崇德路670號
E-mail:anne@mail.tmh.org.tw
電話:(06)2609926 ext 3110

年度預算總額,醫療服務是以相對點值反映各項
服務成本,因此,能有效的控制醫療費用支出的
成長[6]。
15.

Vol. 5 No.2 April 2009

第五卷 第二期 二○○九 四月

482 也迫使醫院經營者更加重視效果與效率[11]。雖 人次增加至1.8]。 測模式,期能在健保局實施之管控措施下,亦能 支付制度之設計攸關醫療供給者的收入,因 有效控制醫療費用及預測醫療費用成長及洽定個 此制度之設計,經常藉著經濟誘因之機制,影響 別醫院較佳之醫療費用預算。此外,本研究亦此 醫療提供者的行為[9]。醫院部門實施總額支付 希望藉此研究結果提供各醫院管理上之應用。 制度之後,各醫院申報的費用不再是金額,而是 點數。以總額額度為分子,所有點數加後的數值 材料與方法 為分母的商,即為點值。由於總點數會隨醫院處 一、資料來源與研究變項 置量及處置單價的多寡而改變,點值因而會有浮 本研究為次級資料分析,資料來源為某教學 動。總額支付制度實施後,醫院部門點值由總額 醫院全民健康保險住院申報資料統計。由於全民 實施前的1點1元,逐漸下滑[10]。 健康保險於2002年7月開始實施醫院總額支付制 台灣健保局為了控制醫療支出的成長,制 度,故本研究所收集之變項資料乃以醫院總額支 定了許多抑制醫療費用非理性上漲的措施,並於 付制度實施後至2007年6月的資料進行分析,並以 2004年7月起實施個別醫院總額自主管理制度。自 月作為分析的單位。 主管理是指個別醫院每年總額的議定,由健保局 二、統計分析 與醫院,共同就醫療資源利用與服務之提供達成 截至2007年6月止,本研究共納入了60筆觀 共識,並訂定管理目標。例如,洽定議約期間之 察值,研究的變項主要為健保住院醫療費用,其 醫療費用及成長率。自主管理制度下,醫院經營 他變項還有包括醫師人數、住院人次、總住院天 者必須承受財務責任的不確定性與風險性,且必 數、平均住院天數、非協商因素之醫療成長率、 須妥善地控制醫療成本,以減少不必要的醫療資 保險範圍改變之醫療成長率、醫療品質及健康狀 源浪費。健保支付制度的變革,會影響醫療實務 態之醫療成長率等。根據某教學醫院2002年7月至 的思維,從追求收益轉換成追求效益。這種轉變 2007年6月全民健康保險住院醫療費用資料,分析 來自誘因系統的改變,從結果基礎的契約,調整 醫師人數、病床數及住院醫療費用。初步結果發 為行為基礎的契約;如此,勢必牽動組織的實務 現,住院醫療費用由原每月5.在醫院總額預算方面,每人醫療給付費用成 於資訊不對等與談判方式不對等的環境下,被迫 長率協議區分為:「非協商」和「協商」兩項因 接受健保局協定之個別醫院總額的成長率。醫院 素。「非協商因素」包括:1、投保人口組成結構 如何面對支付制度的改變及與健保局議價個別醫 改變對於醫療費用的影響率。2、醫療服務成本指 院總額時,能協議出較好的醫療費用成長率,是 數的改變率。「協商因素」則包括:1、保險給付 非常重要的課題。而研究醫療費用成長的方法包 範圍或支付項目改變對醫療費用的影響。2、醫療 括橫斷分析及縱貫分析,但如果要研究費用的趨 服務利用與密集度的改變。3、鼓勵提昇醫療品質 勢,最好是使用時間序列的研究方法,近年來 及民眾健康措施的影響。4、醫療服務效率的提 時間序列模式巳被廣泛用來建構醫療費用的成 昇。5、其他因素,例如:協商前可預期的健保法 長,以及評估政策介入方案對醫療費用的衝擊 令或政策改變對醫療費用的影響等。雖然巳經實 [16.100 運作,造成醫療行為的改變及作業流程的變革, 萬點,平均每年成長4.490人次,平均每年成長0.800萬點增加至7.3%。每月住院人數由1.9]。 然而,醫院自從實施自主管理制度以來,一直處 .16 詳如(表1)所列。 .26%;醫 然透過管制可控制醫療支出的成長,但長期而 師人數方面由原52人增加至53人,平均每年成長 言,仍會面臨醫療支出成長率反彈的痛苦。 0.17]。 施總額支付制度,但每年醫療費用仍持續成長, 本研究目的為建構個案醫院全民健康保險住 其結果則代表點值的下降,對於品質將有負面的 院醫療費用變動時間序列模式,醫療費用成長預 影響[7.15]、醫療技術與新醫療器材的研發[7.49%。另外,在病床數方面並未有明顯改變, 造成台灣醫療費用成長,在供給成長面 則包括病人數、病床數及醫師人數成長[12, 13.14.

242 -7. **p<0.90 *** -23.916 -3.548 -4.醫 療 品 質 及 健 康 QUALITY 狀態醫療成長率 0.83% 0.971 6.638 醫師人數 -2. ***p<0.928 -11.173 療品質及健康狀態之醫療成長率外,所有變數之 型態呈上下波動。本研究進一步使用Augmented *** *p<0.437 *** -2.623 1.64 *** -35.392 -7.7 7.541 *** -7.557 -4.808 5.231 1.478 *** -8.5 7.60 *** 一般進行時間序列的模式選擇可先行觀察原 住院天數 -10.660 *** -7.912 -3.83% 0.995 率 的最大概似法來估計和檢定多個變數,在確立共 保險範圍改變之醫療成 -1.29% 5.375 *** 1% -3.871 11.27 *** -7.20% 0.774 7.504 *** -7.30% 0.5 7.13 *** 平均住院天數 醫療費用趨勢(圖1)大略觀之,除了非協商因素 -8.0 住院天數 -9.92% 0.453 10.128 表2 單根檢定統計(Augmented Dickey-Fuller.172 -2.827 * -4.487 -2.07 * -70. **p<0.594 -3.37 *** -10.627 *** -6.233 療成長率 -2.92 *** -12.96% 1.437 *** 醫療品質及健康狀態醫 -2.44 *** -73.88% 3.1進行初步的統計分析;為 進一步觀察各項費用的變動趨勢,採取時間序列 模式,並運用Eviews6.911 -3.531 *** -7.20% 0.平均住院天數 LOS 7.541 *** -7.121 -3.468 1.286 *** -48.437 *** -7.3 7.57% 1.301 -7.866 -7.42% 2.09% 1.912 -3.176 *p<0. ***p<0.262 療成長率 變數脫離均衡關係後的動態調整情形。 *** Mackinnon Critical Value 在實證方法單根檢定方面,採取Augmented 整合關係之存在後,以誤差修正模型來說明整個 一階差分項(1st difference) 水準項(Level) 變數名稱 -5.522 1.951 -7.615 平均住院天數 -8.非 協 商 因 素 之 醫 NTREAT 療成長率 1.醫師人數 DOCTOR 51 53 54 57 54 52 住院人次 -3.92 *** -11.原著研究 表1 基本資料統計 項 目 1.480 1.0統計軟體進行分析。 -6.79% 1.905 率 4.593 -3.182 7.2 April 2009 第五卷 第二期 二○○九 四月 .531 *** -7.445 *** -7.498 *** 醫療費用(萬) *** -2.160 *** -8.保 險 範 圍 改 變 之 INSURANCE 醫療成長率 -2.725 *** -8.05.495 10% -2.09% 1.487 -2.742 *** 保險範圍改變之醫療成 -1.001 Dickey-Fuller(ADF)檢定以及Phillips-Perron檢定, 檢定無時間趨勢及允許存在時間趨勢下是否拒絕 單根之虛無假設,檢定之結果列於(表2及表3)。 (表2)為ADF檢定之結果,在變數皆為水準值 本研究以VAR估計決定落後期數,分別估計 VAR(1)、VAR(2)及VAR(3),以AIC為選擇準則, 在嚴格的1%顯著水準下選定落後期數VAR(1)。表 的情況下,除了『住院人次』、『醫師人數』、 4為共整合檢定結果,結果顯示無法拒絕變數間 『平均住院天數』為穩定序列外,其他變數均為 至少有一個共整合的關係。模型一包括所有的變 穩定序列。且由圖1醫療費用趨勢圖亦可發現序列 數,共整合檢定的結果有七個向量組合,取『醫 有季節性變動,故選擇季節模式及所有變數進行 療費用』變數為基準標準化的向量組合於檢定表 一階差分以使數列平穩化,經一階差分之單根檢 中,因共整合組數太多,所以本研究認為此模型 定(ADF),全部變數皆為一階穩定之時間序列, 應再精簡模型。模型二仍是將模型一較不顯著的 即I(1)。(表3)為Phillips-Perron(PP)單根檢定亦得到 變數,如『非協商因素之醫療成長率』、『保險 類似的結果。另以趨勢圖2呈現所有一階差分過後 範圍改變之醫療成長率』、『醫療品質及健康狀 所有變數趨勢型態。基於此種時間序列的特性, 態之醫療成長率』三個變數去除,進行共整合檢 當所有變數的穩定階次相同時,便可進行共整合 定,結果顯示仍有兩個向量組合。故再將較不顯 檢定,因此本研究選擇I(1)進行共整合檢定。 著的變數『醫師人數』去除後,得到模型三,模 17. Vol.91 *** Mackinnon Critical Value 之醫療成長率、保險範圍改變之醫療成長率、醫 1% -3.01.29% 非協商因素之醫療成長 -0.5 7.489 10% -2.255 10.072 8.30% 0.83 *** -1.594 -3.623 *** -23.79% 0.63 *** -61.01.85 *** -7. 5 No.ADF檢定法) With intercept With intercept With intercept With intercept and trend and trend 2.總住院天數 DAY 11.92% 0.17 *** -10.918 * -3.124 5% -2.137 5% -2.121 -3.482 6.544 *** -10.548 -4.354 *** -8.172 -2.498 *** 住院人次 -7.596 -3.242 -7.153 11.932 長率 醫療品質及健康狀態醫 -2.995 -35.852 長率 -1.302 0.691 *** -1.住院人次 PEOPLE 1.546 -4.148 7.490 三、時間序列分析 為瞭解各個變項對於住院健保醫療費用的影 響,首先運用SPSS 10.604 *** -11.醫療費用(萬) 變數名稱 SUM 2002 2003 2004 2005 2006 2007 5.754 *** -1.05.339 12.001 表3 單根檢定統計(Phillips-Perron檢定法) 一階差分項(1st difference) 水準項(Level) Dickey-Fuller(ADF)檢定及Phillips-Perron(PP)檢 變數名稱 With intercept With intercept With intercept With intercept and trend and trend 定,比較允許誤差項有自我相關(ADF)及存在序 醫療費用(萬) 列相關(PP)之模型設定。其次,利用共整合檢定 非協商因素之醫療成長 -0.937 -8.504 *** -7.546 7.12 *** 始趨勢圖進行初步判斷,依據本研究資料中住院 醫師人數 -3.

4107 *** 療費用成長之研究,需考量層級及預測因子之不 D(LOS-1) 0.1452 *p<0.0933 平均住院天數 0.1785 *** 醫師人數 0.001,表內數據為t值 同,未來可嘗試建構出更完整的個別醫院醫療費 用成長模型及進行全國性資料以利分析比較。最 後,在醫療費用成長預測方面也可建立適當的門 台灣醫院總額支付制度實施後,各醫院除了 存在收入不確定及成本控制的難題外,因為必須 .18 檻預測模型,提供未來醫院協商之參考。 .0011 醫療品質及健康狀態 醫療成長率 -0.0000 元化政策工具維持醫療費用範圍。健保支付制度 醫療費用(萬) 1.05.3102 *** D(PEOPLE-1) 0.1125 住院人次 0. ***p<0.5755 *** ** -0.4338 *** 0.01.8243 *p<0.控制醫療服務量的問題,醫院之間也彼此存在零 型三為本研究認為最精簡的模型組合。 當確定變數間有共整合關係之存在後,便可 和賽局的潛在危機,對於本身醫院效率及產能表 進行誤差修正模型以調整短期動態之變化。誤差 現不佳的原因都必須徹底檢討[18]。本研究在協 修正模型檢定列於表5中,誤差調整項之係數表示 商醫療費用成長方面,醫師人數的多寡,對醫療 均衡誤差對內生變數調整之矯正百分比。在模型 費用無顯著影響,此結果和過去林氏研究之結論 三誤差修正模型估計結果顯示,長期均衡關係之 相異[15],其醫師人數的成長和醫療費用成長無 調整係數為-0.1324 * C -0.2581 *** 0.4107 * 0.3413 ** 0.0000 的變革,會影響醫療實務的思維,從追求收益轉 換成追求效益,不同的管控方式也會導致醫療院 所存在不同的誘因,進而造成不同程度的代理問 -0.05.2131 保險範圍改變之醫療 成長率 0. **p<0. ***p<0.1452 1.01.05顯著水準。 時間序列模型上未有顯著性存在,但可提供醫院 在未來變數置放之參考。 表4 共整合檢定表 變數名稱 健保局近幾年為了尋求財務平衡,運用多 模型一 模型二 模型三 1.3102,顯示誤差有趨向長期均衡修 顯著的因果關係。其次,在非協商因素之醫療成 正的情形,而短期落後動態後一期的住院人次、 長率(如投保人口組成結構改變對於醫療費用的影 住院天數及平均住院天數的增加,對本期醫療費 響率、醫療服務成本指數的改變率)、保險範圍改 用皆有正的效果,顯示不論長期或短期,這些變 變之醫療成長率、醫療品質及健康狀態之醫療成 數都是造成個別醫院醫療費用增加的主要原因。 長率等對醫療費用支出都無顯著正向解釋能力, 此與謝氏等人之研究相異[19],較可能的解釋為 結果與討論 模型所採用之資料僅侷限在一家醫院,在數據的 由(表4)之模型一、二可知『非協商因素之醫 反應上無法完整呈現全國資料。 療成長率』、『保險範圍改變之醫療成長率』、 再者,在陳氏等人的研究中曾提及醫療品質 『醫療品質及健康狀態之醫療成長率』及『醫師 及健康型態,亦可能影響醫療費用成長的重要因 人數』對於醫療費用成長未有顯著的影響,但 素,醫院醫療服務的品質可分為結構面、過程面 『住院人次』、『住院天數』及『平均住院天 與結果面指標[9]。其中結構面是指醫院所提供醫 數』對醫於醫療費用成長的影響都非常顯著。模 療照護資源投入的充足程度,本研究所置放之變 型三亦可發現當『住院人次』、『住院天數』及 數,若欲尋求相關結構面、過程面與結果面之時 『平均住院天數』增加時,相對醫療費用亦會成 間序列指標,在研究上有其困難度,雖在本研究 長,且都達p<0.2938 ** 證研究,資料僅侷限於一家醫院。對於全國性醫 D(DAY-1) 0.2115 C -0.表內數據為t值 純的數字而已,更涉及了複雜的社會文化、協商 技巧、經驗傳承與專業背景,必須在這四種項目 妥善應用下,獲致理想的施行環境。 表5 誤差修正模型檢定表 本研究應用某教學醫院2002年至2007年之健 模型三 D(SUM) 變數名稱 保住院醫療費用資料,利用時間序列分析進行實 Cointegration Equation -0.0000 非協商因素之醫療成 長率 -0.001.1859 題[20]。而總額支付制度不是一個深奧的保險理 論,卻是一個包含了協商、妥協與特有文化價值 的醫療費用成長控制手段,其中牽涉的不只是單 -0. **p<0.5244 1.3102 *** 住院天數 0.3111 *** 0.

T: An approach to forecasting health expenditures. 5 No. R. P. T.林炳文:供給面誘發需求與醫療保健支出的關 聯性。醫務管理期刊 2006;7(2):137-54。 15.Lee. 88(2): 288-307. with application to the U.2 April 2009 第五卷 第二期 二○○九 四月 . T. Health Serv Res 2002. 9(4): 375-96.陳世能、邱雅苓:醫療保健支出成長因素之探 討-時間序列分析與門檻模型的應用。經濟研 究 2003;39(2):197-240。 10. & McGuire.莊念慈、黃國哲、許怡欣等:醫院因應總額支 2006。 付制之策略方案及其相關因素探討。臺灣公共 衛生雜誌2004;23(2):150-8。 2.邱永仁:健保制度及總額支付醫療費用成長 率相關問題探討(下)。血液淨化雜誌 2005; 10(4):17-21。 13. & Theilen. H.Fama..Ellis. 18. & McGuire.林麗惠:地區醫院於健保總額預算制度實施後 經營策略與醫院產出表現之探討。高雄:高雄 19. Vol. R.Ellis.全民健康保險醫療費用協定委員會:全民健康 保險總額支付制度協商參考指標要覽。台北: 行政院衛生署 2007。 9.. 5.張錦文:醫院總額支付與未來的因應措施。福 爾摩莎醫務管理雜誌 2005;1(1):1-7。 3. P. Health Econ 2003.Herwartz. B: The determinants of health care expenditure: testing pooling restrictions in small samples. 12(2):113-24. 6.G: Optimal payment systems for health services. 7(4):135-51.S.原著研究 參考文獻 醫學大學醫務管理學研究所碩士未出版論文 1. E: Agency Problems and the theory of firm? J Polit Econ 1980..謝啟瑞、林建甫、游慧光:台灣醫療保健支出 成長原因的探討。人文及社會科學集刊 1998; 10(1):1-32。 20.余珮琦:住院醫療服務市場之供給誘發需求現 象探討。臺北:臺灣大學衛生政策與管理研究 所文未出版碩士論文 2003。 14. J Econ Perspect. R.羅紀 、詹維玲:醫院總額預算對費用單價與 服務量的影響初探。臺灣公共衛生雜誌 2007; 26(4):261-9。 11. Medicare system.陳建立、黃瑞典:組織理論與醫院DRG因應準 備作業。健康保險雜誌 2006;2(1):1-12。 12.許碩芬、楊雅玲、陳和全:社會困境?-全民 健保總額預算制下醫療提供者策略的均衡分 析。管理學報 2007;24(2):155-66。 4.. 1993. 7.楊銘欽、李姣姿、邱尚志:供需成本節制對健 保醫療費用影響之時間序列分析。臺灣公共衛 生雜誌 2004;23(5):377-87。 8.張育嘉、黎伊帆、汪芳國等:全民健保實施總 額預算制度之初步影響評估:以牙醫與西醫 基層為例。臺灣公共衛生雜誌 2006;25(2): 152-62。 16.陳欽賢、賴裕民:醫學中心與區域醫院在總額 預算制度下經營效率及生產力之變化。醫院 2006;39(3):47-57。 19. J Health Econ 1990. & Miller.G: Supply-side and demand-side cost sharing in health care. 37(5): 1365-86. 17.

圖1 各變數之趨勢圖 圖2 各變數一階差分之趨勢圖 .20 .

inpatient healthcare expenditure.原著研究 Healthcare Expenditure Forecast Model for a Global Budget System . With the forecast model. National Kaohsiung First University of Science and Technology1 Department of Risk Management and Insurance. If this is for a western audience. and sick beds were collected from July 2002 to June 2007 for the case hospital. Tainan Municipal Hospital4 Abstract Objective: This purpose of this study is to establish an Auto-regressive Integrated Moving Average Model for hospitals to use to control and predict the growth of inpatient healthcare expenditures in a global budget system. length of stay and average length of stay achieved significant results for each (P<0. National Kaohsiung First University of Science and Technology2 Department of Business Administration and Institute of International Business.[By “sick beds” do you mean “occupied beds” or “number of patients”. 21. Vol. 5 No. Shih-Chieh Fang3.2 April 2009 第五卷 第二期 二○○九 四月 .05). Conclusion: The individual hospital can use the time-series model to predict the growth trends of inpatient healthcare expenditures before negotiating the target budget with the Bureau of National Health Insurance. Key words: : global budgets system. the individual hospital can have a better understanding of its target budget during negotiations with the Bureau of National Health Insurance.4. Shuo-fen Hsu2.] Results: Implementing the model for inpatient hospital days. National Cheng-Kung University3 Department of Administration.A Case Study in a Teaching Hospital Yu-Hua Yan1. time-series analysis. number of physicians. Improved knowledge in negotiations will provide a more accurate and realistic budget. Material and Methods: Data on inpatient healthcare expenditures. occupied beds or number of patients requiring care would be more understandable. Hsu-Yuan Sun4 Greduate Institute of Management.