澎湃新闻 09月29日 20:12
医保大数据“慧眼”识违规,查处多起典型案例
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

国家医保局利用全国统一的医保信息平台,通过大数据分析精准查处了多起涉及异常数据和违规使用医保基金的典型案例。这些案例包括“未知”医生大量开具药品、高龄老人被误开辅助生殖项目、医药代表串通医生伪造病历骗取医保基金,以及因编码错误导致的性别与诊疗项目逻辑矛盾。这些案例凸显了部分定点医药机构在数据质量管理上的不足,以及医保部门通过技术手段加强监管的成效。医保局强调,定点医药机构应承担数据质量第一责任,完善审核机制,医保部门则需持续优化智能监控,与机构协同守护医保基金安全。

🔍 **大数据赋能医保监管,精准查处违规行为**:国家医保局依托全国统一的医保信息平台,运用大数据技术,有效识别并查处了多起异常数据和违规使用医保基金的典型案例。通过对常规药品、诊疗项目等数据的监测和智能分析,能够快速发现潜在问题,如“未知”医生大量开药、高龄老人被误开辅助生殖项目、以及因编码错误导致的逻辑矛盾,从而实现精准监管,提升了医保基金的使用效率和安全性。

📝 **数据质量成监管焦点,定点机构责任重大**:多个案例暴露了部分定点医药机构在数据填报和信息系统管理上的短板,例如数据处理中出现“未知”医生、诊断信息输入失误、以及编码对应错误等问题。这不仅导致了监管资源的浪费,也可能隐藏着更严重的违规行为。文章强调,定点医药机构作为数据质量的第一责任人,必须强化上传前的严格审核和日常动态校核,将风险消除在源头,确保数据的真实性和准确性。

🔒 **多维度打击欺诈骗保,守护群众“救命钱”**:案例中涉及医药代表串通医生伪造病历、冒名就医骗取医保基金的违法行为,显示出医保部门在打击欺诈骗保方面的决心和能力。通过飞检和对历史就诊记录的深入调取,精准锁定了违法线索并依法依规处理。这表明,医保部门正构建闭环管理体系,通过智能监控、交叉校验和严厉处罚,共同守护好人民群众的“看病钱”和“救命钱”。

2025-09-29 11:13 上海

“国家医保局”微信公号

大数据时代,任何违法违规行为都难逃“数据慧眼”。日前,依托全国统一的医保信息平台,国家医保局精准查处多起异常数据典型案例,做到发现一起、查处一起、整改一起,医保数据对监管的赋能作用持续凸显。

神秘未知医生大量开药

常规药品数据监测发现,某名医生开具烟酰胺总金额高于全国平均水平200余倍。异常数据引起医保部门关注,迅速组织监管力量对相应医院医保结算数据作重点筛查,发现较多疑点数据,医保基金飞检组随即入驻。

检查发现,烟酰胺开方量异常由“数据质量塌方”造成。该院上传的部分住院费用数据,开单医生处未填写真实医生姓名,而是在数据处理中被填充为“未知”。数据上传国家医保信息平台后,该院多位“未知”医生汇总的烟酰胺开方量触发异常报警,暴露定点医疗机构数据填报不规范和数据校验机制缺失的叠加问题。

飞检组坚持实事求是,向被检医院及当地医保部门反馈数据问题并要求整改,未作处罚。对检查发现的其他违法违规使用医保基金问题,依法依规作出处理。

高龄老人开展辅助生殖

日常数据监测发现,某医院为73岁老人开展“无痛取卵”,另一医院则为86岁老人开展“试管内受精”。发现问题后,医保部门当天派出人员现场核实。

核实发现,73岁老人本为开展“无痛胃肠镜”,但医生在填写诊断时仅输入“无痛”二字,在下拉选项中误选“无痛取卵”。86岁老人所患疾病本为“肾功能衰竭”,由于首字母“SGNSJ”与“试管内受精”相同,医生在填写诊断时仅输入首字母,又未仔细查看下拉选项,导致错误发生。

检查人员现场指出问题,要求定点医疗机构完善数据校验机制,助力医务人员准确填写诊疗信息,向医保部门上传准确数据,避免浪费监管资源。

批量开方暴露问题线索

医保基金监管数据分析发现,某医生存在一分钟内为不同病人开具多份司美格鲁肽处方情况。医保基金飞检组按线索进驻检查,精准查处涉嫌伪造病历等违法违规行为。

检查发现,某医药代表收敛数十人社保卡,使用这些参保人身份到医院就诊,该医生明知其冒名就医,仍长期配合为其开具诊断为糖尿病、二甲双胍用药疗效不佳、建议使用司美格鲁肽的门诊复诊处方。医药代表随后前往某定点零售药店集中刷卡,使用门诊统筹基金购买大量司美格鲁肽注射液。飞检组进一步调取部分参保人历史就诊记录,发现部分参保人从未有糖尿病史或糖尿病用药记录。

医院对照检查发现问题开展全面自查,对该医生作出暂停延聘程序、待岗培训和扣罚个人绩效等措施。涉嫌违法问题已移交相关部门进一步查处。

男病女治触发逻辑矛盾

医保基金监管数据分析发现,某医院百余名男性患者出现宫腔镜使用费项目结算记录,触发性别与诊疗项目逻辑矛盾预警。医保基金飞检组按线索进驻检查。

经现场核验医院信息系统和费用清单,问题出在编码对应错误上:医院在录入“输尿管镜”服务项目时,本应正确匹配国家与本地项目代码,生成地方医疗服务项目代码,并上传医保中心用于结算。但实际操作中,却误将“输尿管镜”的本地编码与“宫腔镜”本地编码混淆,导致地方代码关联错误,在医保系统中错误生成了“男性患者接受宫腔镜检查”的异常记录。需要说明的是,患者实际接受的是输尿管镜治疗,相关收费也符合标准,但由于代码对应错误,在数据层面出现了明显矛盾。

医保基金飞检组核查确认医保基金未受损失,要求医院立即整改技术问题。当地医保部门针对定点医疗机构信息化建设组织相关培训,在全市范围内开展自查自纠,进一步推动精准贯标。

筑牢数据质量防线

上述案例揭示出,部分定点医药机构在日常管理最基础也最关键的环节——数据质量管理上仍存在短板。数据质量稍有偏差,就会自动触发医保警讯,引发医保现场飞检,最终导致医保监管和医药机构管理成本的双重浪费。

定点医药机构作为数据质量的第一责任人,要强化数据上传前的严格审核、日常动态校核,发现问题要及时处理,将风险消除在源头。各级医保部门需发挥技术优势,完善智能监控与交叉校验机制,构建问题发现、提醒、处理的闭环管理体系。定点医药机构、医保部门应紧密协作,分别把好“入口关”“监测关”,共同守护群众“看病钱”“救命钱”。

期资深辑  周玉华

阅读原文

跳转微信打开

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

医保监管 大数据 数据质量 欺诈骗保 医疗机构 Medical Insurance Supervision Big Data Data Quality Insurance Fraud Medical Institutions
相关文章