利用理赔数据筛查医疗保险受益人的功能受限情况

《JAMA Health Forum》：Use of Claims Data to Screen for Functional Limitations Among Medicare Beneficiaries

　　

要点

问题? 能否利用医疗保险理赔数据来识别出很可能存在功能受限的受益人？

研究结果? 在这项针对67,596名调查对象的横断面研究中，一种基于少量理赔指标的算法在识别存在功能受限的医疗保险按服务收费计划受益人方面，其阳性预测值达到了80%。通过该算法被识别出的对象中，近63%在医疗保险和医疗补助服务中心的行政数据中并未被列为功能受限，因为后者主要关注65岁之前出现的功能受限情况。

意义? 这些研究结果表明，这种基于理赔数据的算法可以作为一种有效的筛查工具，帮助确定哪些受益人需要优先接受调查评估，以验证算法的结果。

摘要

重要性? 目前所有医疗保险受益人的功能受损数据仅能识别那些因工作相关残疾而在65岁之前有资格享受医疗保险的人。这一行政数据并未涵盖64岁之后出现的功能受损情况，也不包括影响非工作相关活动的功能问题。虽然调查可能提供更准确的评估结果，但关于功能受限的调查数据并不常见。而理赔数据则可能提供一种实用且可扩展的替代方案。

研究目的? 本研究旨在描述一种基于调查的功能受限指数，以及一种新的基于理赔数据的功能受限预测模型。

设计、研究环境与参与者? 本研究使用了2024年医疗保险按服务收费计划患者对医疗服务提供者和医疗系统的评估调查数据，以此构建了FFS CAHPS功能受限指数（FCFLI），该指数用于衡量功能受限对整体健康状况的影响程度，同时也是本研究基于理赔数据模型的参考标准。将受访者的FCFLI得分与2023年4月至2024年3月的医疗保险按服务收费计划理赔数据相结合，进而开发出了基于理赔数据的预测模型（FCFLI-claims）。最终该模型被应用于同一时期内参加医疗保险A类和B类计划的所有人。

主要结果与测量指标? FCFLI指数是根据受益人自我评估的健康状况以及他们完成6项基本日常生活活动和1项工具性日常生活活动的能力来确定的。研究还使用了9组基于理赔数据的功能受损指标来预测FCFLI指数得分。

研究结果? 本研究共收集了67,596名受访者的数据（其中53.4%为女性，平均年龄为75[8]岁）。在FCFLI模型中，所有与日常生活活动相关的指标都与受益人的自我评估健康状况呈负相关，其中步行困难带来的影响最大（下降13.9分；95%置信区间为?14.6至?13.2分），其次是处理杂事方面的困难（下降11.7分；95%置信区间为?12.7至?10.8分）。在FCFLI-claims模型中，有14个理赔指标的相对重要性值达到了最大值的5%或以上。该模型能够准确识别出存在功能受限的受益人（阳性预测值为80.4%）。将其应用于2024年的医疗保险按服务收费计划受益人群体后，约有12%的人被认定为可能存在功能受限。而在那些被算法识别出的对象中，近63%（约2,450,000人）在医疗保险和医疗补助服务中心的行政残疾数据中并未被标记为功能受限，因为后者主要关注65岁之前出现的功能问题。

结论与意义? 在这项横断面研究中，FCFLI-claims模型成功识别出了那些可能存在功能受限的受益人，这些受益人可以优先接受调查评估，以验证算法的结果。将这类信息与受益人的资格数据相结合，有助于医疗保险和医疗补助服务中心更好地监测受益人的功能状况，尤其是那些达到参保年龄的受益人。