論人支付制度之風險因子

論量計酬支付制度下，供給面缺乏減少醫療浪費之誘因，產生複 向就醫等過度使用醫療資源。支付制度與就醫辦法不完善，造成浮濫 使用醫療資源，威脅全民健保財務平衡之目標。「論人計酬」支付制 度(Capitation payment system)之定義為保險人統一收取被保險人保 費，並依承保人所承保的被保險人之人數，事先決定該年度支付費 用，而不考慮事後被保險人實際醫療利用多寡，促使保險人及醫療提 供者有強烈的經濟誘因去節制成本，此制度有助於培養民眾正確的就 醫態度，如減少重複就醫、增加預防保健服務等，以減少醫療浪費(蔡 偉德、羅紀? ，2000)。

但論人計酬的支付必須能反應被保險人預期可能的醫療支出，否 則可能因承保人為獲取不當利潤，進而產生「逆選擇」（preferred-risk selection）或「刮脂效應」(cream skimming)現象。所謂逆選擇為承保 人選擇風險較低之被保險人承保，以確保其利潤空間，而將重症或高 風險之民眾排除於保險市場之外。另外，刮脂效應則指承保人為提高 其利潤空間，而提供被保險人較少或品質低劣之醫療服務(蔡偉德、

羅紀? ，2000；張睿詒、江東亮，1998)。

為避免產生「逆選擇」或「刮脂效應」之現象，因此透過「風險 校正」(risk-adjusted)考量被保險人的異質性進行醫療支出費用的調 整，使保險人能依被保險人之健康狀況及預期照護成本收取風險計價 保費，以平衡每個被保險人之利潤差異，使承保人承保高風險民眾之 財務風險降低，進而確保重症或高風險被保險人之就醫權利(張睿 詒、賴秋伶，2003；蔡偉德、羅紀? ，2000；張睿詒、江東亮，1998)。

對於費用預測模式中，風險因子應該涵蓋有哪些必要的變項，

Rice and Smith（2001）認為一套完整的風險計價模式要能配合人口特 性、診療記錄、主客觀健康狀況與特殊醫療需求（例如：透析服務）

以穩定預測大部分醫療費用。而調整醫療費用的風險因子應該採不易 受人為操弄之外生變項（如人口統計因子）（Fowles et al.,1996；蔡偉 德與羅紀瓊，2000）。Rice and Smith（2001）並指出，國際上目前採 用之風險因子有人口統計因子（demographic factors）、種族間差異

（ethnicity）、失能狀況（disability status）、都市化程度（geographical location）、死亡率（mortality）、罹病率（morbidity）及其他社會因子

（other social factors）。其中社會因子包括婚姻、家庭成員、住屋租賃、

收入、就業狀況及社會地位等因子。

現行風險計價模式在特定期間內常被採用之測量因子主要可歸 納為三大類，第一類為人口統計因子（demographic factors），例如：

性別、年齡、教育程度、社會經濟狀況等；第二類為健康狀況（ health status），可分為診斷因子（ diagnostic assessment）、生理因子與自覺健 康評估因子（self-reported）；第三類為先前利用因子（prior

utilization），指個人使用醫療服務利用情形，是對健康狀況的一種間 接測量方式，例如：先前醫療費用、先前醫療利用頻率。

由於風險因子太過於廣泛，乃有研究以納入不同「套裝風險因 子」，比較模式應用的價值。例如 Fowles et al. (1996) 曾採用線性迴 歸分析比較不同風險校正方法，在論人計酬制度費率之健康狀態預測 成效，結果顯示，診斷評估資料之風險計價測量解釋量比自我評量資 料（個案自覺罹患慢性病種類）高；其次，如果人口學特徵與自我評 量資料等風險因子合併使用，則解釋能力是單獨使用人口學相關變項 的二倍；再者，在預測下一年度個人醫療費用之預測能力中，若單獨 使用人口學特徵之預測能力為 5.8﹪；然而，如果人口學特徵與自我 評量資料等風險因子合併使用，則預測能力從 5.8﹪提升至 11.1﹪。

值得注意的是，在當年度個人醫療費用之解釋能力中，人口學特徵合 併門診診斷關係群類之迴歸模式中，呈現最佳的解釋能力，可解釋當 年度個人醫療費用之 43.3﹪，但對於下年度醫療費用之推估中，其解 釋力卻下降到只有 12.4﹪。

美國老人健保（Medicare）對其被保險人（beneficiary）加入管

理式醫療照護組織（如 HMO）時，Medicare 的被保險人應該繳交之 保費金額（adjusted average per capita cost, AAPCC）依據，有其一套 風險校正之方法，其所考慮之風險成本因素（ demographic cost factor）

包含年齡、性別、是否為低收入戶（Medicaid status）、是否住在長期 照護機構（Institutionalizes status）、是否有工作、是否殘障、是否為 腎臟末期病人等（Kenneth and Stallard, 1992）。同時對於區域不同所 造成的醫療費用差異以郡（county）為單位，建立地區成本調整因素

（geographic adjustment factor）來調整被保險人所需支付之費用。但 許多學者發現 AAPCC之支付制度未能有效而準確地預測個人醫療支 出的變化，因為個人醫療風險校正單單只考慮個人特性的差異是不足 夠的（蔡偉德、羅紀? ，2000）。

為了改善美國老人健保（Medicare）之被保險人加入管理式醫療 照護組織之合理保費，許多研究（Schauffler, Jonathan, and Cobb,1992）

進一步建議加入其他相關風險因素可以提高個人醫療費用之預測，例 如前一年之醫療費用或利用量、功能性健康狀況（functional health status）、日常生活獨立量表（ADL）、工具性日常生活獨立量表

（IADL）、慢性疾病種類等（Lubitz, 1987, Thomas and Lichtenstein, 1986, Whitmore et al., 1989）。然而，這些相關風險因子於實際衡量可 行性上則需進一步評估。

一般理論上，罹病風險因子的代表性及充分性，是醫療費用預測 模型準確性的關鍵，過去研究對於罹病風險因子的探討，因各有不同 觀點，乃無固定之模式。以荷蘭經驗為例，Van de Ven et al.（1994）

以年齡、性別、補充性保險、地區及前一年總醫療費用支出作為預測 未來醫療費用之風險校正因子，其實證資料為荷蘭 1976 年健康保險 資料。結果發現，將年齡、性別、補充性保險、地區及前一年總醫療 費用支出納入風險校正因子，比只列入年齡、性別、補充性保險、地 區因子可更準確預估未來醫療費用支出。以 1983 年度荷蘭健康保險 資料進行相關研究，研究結果同樣指出先前醫療利用情形可以有效解 釋醫療費用變異，並有助於提升費用推估能力（Van Vliet ＆ Van DeVen , 1992）。

張睿詒於 1998 年研究彙整出實施風險校正各國採用的校正模式與 風險因子，如表 2-6，顯示年齡、性別、地區三因子為校正之重要考量。

張睿詒（1999）亦採用線性迴歸分析方法，建立 1997 年醫療費用之風 險計價預測模式。該研究以全民健保 1996 年 2%隨機抽樣之保險對象 為研究對象。結果顯示，先前醫療服務利用資料之風險因子擁有最佳的 預測能力。根據 Chern 等人（2000）的研究，在預測下一年度的醫療費 用時，如果沒有評估個案的自覺健康狀況，將會高估醫療費用之支出。

另有研究則指出，過去醫療使用情形、主觀健康狀況、客觀健康狀況等

測量變項比年齡、性別等人口學相關變項更適合用來作為修正風險計價