Chicago Booth Review

不久前芝加哥的拉什大學(xué)醫(yī)療中心（Rush Uni versity Medical Center）在醫(yī)療保險(xiǎn)和醫(yī)療補(bǔ)助服務(wù)中心（CMS）醫(yī)院評級系統(tǒng)中坐擁最高的五星評級。芝加哥大學(xué)布斯商學(xué)院的丹·阿德爾曼（Dan Ad elman）談到，用于計(jì)算2018年7月評級的數(shù)據(jù)顯示，該醫(yī)院在很多方面都有所改善，所以當(dāng)醫(yī)院管理人員預(yù)覽新評級結(jié)果，發(fā)現(xiàn)拉什跌至三星時，他們頗感震驚。

阿德爾曼談到，即使一家醫(yī)院在每一項(xiàng)指標(biāo)上都有所改善，也會出現(xiàn)評級下降。這表明當(dāng)前的CMS系統(tǒng)有問題，他提出了一個解決問題的方法。

CMS評分系統(tǒng)將數(shù)百項(xiàng)醫(yī)院指標(biāo)分為七類：死亡率、治療安全性、再入院率、患者體驗(yàn)、治療效果、治療及時性和醫(yī)學(xué)影像的有效使用。然后，該系統(tǒng)使用統(tǒng)計(jì)學(xué)家所說的“潛在變量模型”（hidden variable model）進(jìn)行計(jì)算，該模型會對統(tǒng)計(jì)上相關(guān)但不一定能反映醫(yī)院表現(xiàn)的指標(biāo)賦予權(quán)重。

這個潛在變量模型假設(shè)，在每個類別中，都有一個單一的、不可知的因素驅(qū)動表現(xiàn)指標(biāo)。如果一個類別中的一些指標(biāo)是相關(guān)的，那么該模型就假定這些指標(biāo)是由潛在變量驅(qū)動的，從而在計(jì)算醫(yī)院的得分時給予它們更多的權(quán)重。

阿德爾曼認(rèn)為，評級過程在評估指標(biāo)相關(guān)性上的微小變化，導(dǎo)致了評級結(jié)果“難以預(yù)料”的不穩(wěn)定性，從而使評級結(jié)果對那些可能依賴它來選擇醫(yī)療機(jī)構(gòu)的病人毫無意義。評級還會影響醫(yī)院的聲譽(yù)。此外，當(dāng)病人被吸引到排名較高但治療結(jié)果較差的醫(yī)院時，該地區(qū)居民的整體健康也會受到損害。

“這就像為學(xué)校制定一個評分方案?！卑⒌聽柭劦?，“老師會在學(xué)期開始時給出評分標(biāo)準(zhǔn)，并告訴每個人出勤、測驗(yàn)、論文和考試的權(quán)重。但CMS評分系統(tǒng)就像過了整個學(xué)期以后，才根據(jù)學(xué)生的表現(xiàn)告訴每個人各項(xiàng)的權(quán)重是多少，而且每學(xué)期都可能改變評分標(biāo)準(zhǔn)?！?/p>

阿德爾曼談到，CMS評級模型的一個好處是，它不需要CMS或其附屬機(jī)構(gòu)的任何人手動確定每個指標(biāo)的權(quán)重，手動確定每個指標(biāo)的權(quán)重可能會帶來偏見、加入自己的意見。而該模型確定了如何為每個指標(biāo)賦予權(quán)重，并且很容易集成其他指標(biāo)。

阿德爾曼認(rèn)為，使用他創(chuàng)建的模型可以實(shí)現(xiàn)相同的目的，他的模型不依賴于指標(biāo)的相關(guān)性，而是依賴于病人的陳述以及與表現(xiàn)最佳醫(yī)院對比的結(jié)果。在他的模型中，每家醫(yī)院都有自己獨(dú)特的砝碼。一項(xiàng)影響更多人的指標(biāo)將獲得更大的權(quán)重。

為了衡量A醫(yī)院的具體指標(biāo)，阿德爾曼的模型將其與其他效率更高、在關(guān)鍵方面表現(xiàn)更好的醫(yī)院進(jìn)行了比較。

這些醫(yī)院結(jié)合到一起，形成了一個“虛擬醫(yī)院”（virtual hospital），其評分位于A醫(yī)院和理想的醫(yī)院之間，理想的醫(yī)院指在所有方面均達(dá)到最佳表現(xiàn)的醫(yī)院。因此，虛擬醫(yī)院的評分必然高于A醫(yī)院。

這種想法讓人聯(lián)想到金融領(lǐng)域的投資組合優(yōu)化，即投資者通過有效邊界？ 可以獲得最佳風(fēng)險(xiǎn)調(diào)整回報(bào)的投資組合？ 來尋求投資組合回報(bào)的最大化。阿德爾曼的模型不是將以風(fēng)險(xiǎn)和回報(bào)衡量的投資組合起來，而是將在死亡率和重新入院率等因素上表現(xiàn)最佳的醫(yī)院組合到一起。然后，該模型確定指標(biāo)權(quán)重，這些權(quán)重會使A醫(yī)院的得分盡可能接近按相同權(quán)重原則測評的虛擬醫(yī)院的得分，并使A醫(yī)院的得分最大化。

阿德爾曼表示，該模型消除了即使所有指標(biāo)均得到改善醫(yī)院也會獲得較低評分的可能性。他談道：“在合理的條件下，指標(biāo)權(quán)重服從理想的結(jié)構(gòu)特性（structural properties），比如，當(dāng)醫(yī)院改進(jìn)時分?jǐn)?shù)會提高，而表現(xiàn)較好的醫(yī)院分?jǐn)?shù)會更高。”