高Medicare Advantage渗透率医院的医院再入院减少计划罚款
该回顾性队列研究纳入3203家医院、12135个医院-年,分析2019–2022财年6种HRRP目标疾病的超额再入院比率(ERR)与罚款。按医院MA渗透率重新标化ERR后,MA渗透率第一五分位医院年均罚款增加约30736美元,第五五分位减少约26915美元。同级分组并未减轻这种扭曲。作者认为,将MA渗透率明确纳入风险调整或同级分组定义,可能减轻不可观测严重程度导致的罚款扭曲。
要点
- 按MA渗透率重新标化ERR后,Q1医院年均罚款增加约30736美元,Q5减少约26915美元,Q2增加约48439美元。
- 同级分组未减轻MA渗透率相关的罚款扭曲:非同级分组与同级分组下校正幅度差异为2%–11%。
- 校正后全医院年度罚款重新分配约2.84亿美元(非同级分组)至2.97亿美元(同级分组),后者比前者多4.6%。
- 按疾病分析,ERR变化百分比AMI为0.59%、THKA为1.3%、心衰为0.32%、COPD为0.13%,CABG和肺炎无显著增加。
适用人群与场景
- 2019–2022财年参与HRRP的医院,覆盖6种HRRP目标疾病:急性心肌梗死、慢性阻塞性肺疾病、心力衰竭、肺炎、冠状动脉旁路移植术、择期初次全髋或全膝关节置换术。
- 研究基于传统Medicare受益人的再入院数据,暴露为医院-年水平的MA渗透率。
诊断标准与关键阈值
- HRRP对一种或以上疾病ERR大于1的医院进行罚款。
- 调整因子为每出院Medicare报销的百分比削减,上限为3%。
研究设计与关键结果
- 回顾性队列研究,纳入3203家医院、12135个医院-年;数据来源于2019–2022财年HRRP补充数据文件、2014–2020年MedPAR文件等。
- 研究期间医院平均(SD)MA渗透率从25.3%(16.3%)升至29.9%(15.7%)。
- Q5医院相对Q1更常为较大、教学、非营利和城市医院,且各HRRP疾病平均ERR持续更高。
- 非同级分组下,按MA渗透率重新标化ERR后,Q1年均罚款增加30736美元(SD 24819.75),Q2增加48439美元(SD 42668.52),Q3增加13258美元(SD 33537.23),Q4增加2061美元(SD 39180.56),Q5减少26915美元(SD 42017.23)。
- 原始ERR与重新标化ERR下,Q2平均罚款分别为261362.70美元与299491.60美元,Q5分别为201394.00美元与188200.80美元。
- 校正后全医院年度罚款重新分配约2.84亿美元(非同级分组);同级分组下约2.97亿美元,比非同级分组多4.6%。
- 按疾病分析,校正MA渗透率后ERR显著增加的疾病及变化百分比:AMI 0.59%、THKA 1.3%、心衰0.32%、COPD 0.13%;CABG和肺炎无显著增加。
证据类型、等级与局限
- 证据类型:回顾性队列研究。
- 局限:作者以线性回归重新标化ERR而非在HRRP分层风险调整模型中直接加入MA渗透率,假设两种方法提供相似估计。
- 局限:重新标化ERR可能对与原始ERR生成过程共线的变量过度调整,估计值应解释为下限。
- 局限:仅有至2020年的MedPAR数据,假设2019–2020年医院支出恒定增长以 extrapolate 2021和2022年支出,可能低估或高估部分医院罚款。
- 局限:MA渗透率及医院和县水平控制变量可能未完全捕捉任一医院的不可观测选择,测量误差应衰减观察到的关联,估计值应解释为下限。
- 局限:分析不应被因果解释;MA渗透率仅作为不可观测风险的代理。
对床旁实践的改变
- 作者认为,将MA渗透率直接纳入当前风险调整模型或同级分组定义,可能减轻HRRP罚款计算中不可观测患者严重程度导致的扭曲。
- 作者提出两种可行方案:将医院MA渗透率直接纳入风险调整模型;或将MA渗透率纳入同级分组定义(如基于DE和MA渗透率的交互定义同级分组)。
- 作者指出,CMS已发布2026财年拟议规则,将MA受益人数据明确纳入风险调整再入院绩效计算,并将HRRP回顾期从3年缩短至2年;若采纳,不可观测选择扭曲可能减少。
提炼说明
- 原文未涉及「处置流程与药物剂量」「红旗征与不能漏的情况」「指南或共识出处」,故未列出这些栏目。
全文中译10 节 · 点击展开
引言
2012年10月,美国医疗保险和医疗补助服务中心(CMS)实施了医院再入院减少计划(HRRP),对传统医疗保险(TM)受益人30天再入院率过高的医院进行惩罚。1 HRRP依赖于涉及可观察患者诊断的风险调整来评估医院特定的再入院表现。2 然而,如果具有不可观察的更高疾病严重程度的患者聚集在某些医院内,仅基于可观察特征的风险调整可能会损害HRRP质量评估的准确性并扭曲惩罚结果。
对不可观察严重程度的担忧因医疗保险优势计划(MA)参保人数的显著增长而加剧,其参保比例从2007年的19%增至2025年的54%,3且存在显著的地域差异。4,5 如果MA受益人仅在可观察特征方面比TM受益人更健康,那么MA渗透率的地域差异不应影响HRRP医院质量评估,因为当前的风险调整方法已考虑了可测量的患者严重程度。然而,近期证据发现MA受益人在可观察和不可观察层面均比TM对应人群更健康,反映了参保者向MA的有利选择。6,7,8,9,10,11,12 随着某一地区MA渗透率的增加,TM将其较健康的参保者流失至MA,保留了病情更重的残余TM人群。因此,MA渗透率的不均衡变化产生了HRRP风险调整未能捕捉的TM患者严重程度的不可观察差异。
HRRP风险调整与医院评估
从2012年10月实施至2018年9月,HRRP通过将个体医院的风险调整后表现与全国平均水平进行比较来计算惩罚。13 从2019财年(FY)开始,惩罚计算纳入了同级分组,将参照标准改为同级组医院的中位数(即具有相似双重资格(DE)受益人比例的医院的再入院表现中位数)。同级分组应有助于解释医院间不可观察的患者社会经济地位(SES)及相关健康风险的差异,并已被发现可将HRRP惩罚从SES患者群体较低的医院重新分配出去。14,15 然而,由于DE比例仅部分反映与SES相关的健康风险,同级分组不太可能全面解决医院间不可观察严重程度的差异。16
鉴于MA与TM之间在不可观察的严重程度上的差异日益增大,MA渗透率——在它能代理这些不可观察差异的程度上——可能对HRRP惩罚的准确性产生影响。由于MA受益人在平均意义上比TM对应者不可观察地更健康,MA受益人占比较高的医院可能拥有不可观察地更高严重程度的TM人群。对于这些医院,在风险调整中仅考虑可观察严重程度后,TM再入院率可能高于预期。相反,MA渗透率较低的医院相对更可能拥有不可观察地更健康的TM人群以及低于预期的TM再入院率。由于HRRP惩罚高于预期的TM再入院率,MA渗透率的差异可能导致MA渗透率较高的医院受到更大惩罚、MA渗透率较低的医院受到更小惩罚,即使在再入院表现上没有差异。未能考虑不可观察风险的差异可能对HRRP惩罚的大小和分布产生相当大的扭曲。我们通过量化不可观察严重程度对HRRP惩罚的扭曲并检验同伴分组如何调节这些关联,研究了不可观察严重程度与HRRP之间的关联。
方法
本队列研究遵循了加强流行病学观察性研究报告(STROBE)报告指南。本研究经密歇根大学机构审查委员会豁免,因为其为无需知情同意的二次研究。
关键变量与数据来源
研究结局包括医院-年份层面的HRRP超额再入院比(ERR)、调整因子和惩罚。我们使用公开可得的2019至2022财年HRRP补充数据文件17提取CMS计算的、医院特定的ERR,涉及每个绩效期内出院的TM受益人,涵盖所有6种HRRP目标疾病:急性心肌梗死(AMI)、慢性阻塞性肺疾病(COPD)、心力衰竭、肺炎、冠状动脉旁路移植手术(CABG)以及择期初次全髋或全膝关节置换术(THKA)。由于HRRP通常使用3年回溯期来计算给定财年的惩罚(例如,2021财年惩罚使用2017至2019财年绩效数据计算),为与2019至2022财年惩罚期对齐,我们使用覆盖89% MA住院的100% MedPAR 2014至2020文件计算了每个绩效期的医院层面平均MA渗透率。18 我们使用100% MedPAR 2019和2020文件描述医院利用情况以估计医院特定惩罚。我们使用2019至2022财年CMS影响文件确定医院层面协变量,并使用医疗保健研究与质量局2015至2019年健康社会决定因素文件捕捉县层面特征。数据对齐方法见补充材料1的e表1,数据结构的详细信息见补充材料1的e方法1。
统计分析
CMS将特定疾病的超额再入院率(ERR)计算为预测再入院数与预期再入院数的比值,并使用分层广义线性模型进行估计,该模型调整了人口统计学特征和疾病类别,但未调整医院或地区层面的特征。调整因子(即每次出院的Medicare报销减少百分比,上限为3%)和罚款(美元)是所有6种HRRP疾病中与ERR相关的支出相对于总出院支出的函数。13对于1种或多种疾病存在超额再入院(ERR大于1)的医院将受到处罚。
为检验HRRP罚款是否可能因未观察到的选择偏倚而失真,我们在考虑医院层面MA渗透率后重新标化了ERR,然后重新标化调整因子和罚款,并将其与未标化的对应值进行比较。我们分3个步骤进行。
第一步,我们将MA住院患者占比(MA渗透率)对总疾病特异性ERR进行回归(补充材料1中的eMethods 2)。在这些模型中,我们纳入了县固定效应和若干医院层面协变量,包括安全网状态、教学状态和床位数。参照Herrin等19的方法,我们还调整了若干随时间变化的县级特征,包括家庭健康机构密度以及65岁及以上、从未结婚、高中以下学历、失业和贫困的人口占比。这些变量与测得的再入院表现相关(被认为反映了患者人群风险构成差异),并有助于我们控制医院质量差异。20,21,22 对驱动再入院的长期趋势的担忧因CMS使用3年回溯期测量再入院表现以及CMS对入院条件的调整而减轻,后者可能遵循相同趋势。对疫情影响的担忧也已减轻,因为CMS将2022财年回溯期的截止时间定在2019年12月而非2020年6月(补充材料1中的eTable 1)。模型以各绩效期间疾病特异性工作量进行加权。第二步,在确定MA渗透率与原始疾病特异性ERR之间的关联后,我们计算了预测ERR(各疾病-医院-年份的风险调整ERR)、预期ERR(各疾病-年份跨医院的风险调整ERR)以及重新标化ERR(原始ERR + 预期ERR − 预测ERR)(补充材料1中的eMethods 2)。第三步,遵循HRRP方法学,但以重新标化ERR替代原始ERR,我们在非同行分组和同行分组两种范式下重新估计了调整因子和罚款(补充材料1中的eMethods 2)。
统计显著性设定为P < .05,所有检验均为双侧检验。数据分析于2024年1月至2025年10月使用Stata 18.0版(StataCorp)完成。
结果
我们的研究纳入了3203家医院和12 135个医院-年份(表)。相对于MA渗透率低的医院(第一五分位,Q1),MA渗透率高的医院(第五五分位,Q5)更多为规模较大、教学、非营利和城市医院。在各HRRP疾病中,Q5医院的平均ERR consistently更高(即更多超额再入院)。在我们的研究期间,医院平均(SD)MA渗透率从25.3%(16.3%)增至29.9%(15.7%),且存在明显的医院层面变异(图1和补充材料1中的eTable 2)。
在没有同行分组的情况下,较高的MA渗透率(即更多未观测到的选择)与较低的罚款相关,无论是在总体上(图2)还是按出院人次计算(补充材料1中的eFigure 1和eTable 3)。虽然在原始和重新标度的医院绩效指标(ERRs)下,MA渗透率第二五分位医院的罚款最高,但使用原始ERRs时较高的MA渗透率与较高的罚款相关,而使用重新标度的ERRs时则与较低的罚款相关。具体而言,使用重新标度ERRs的平均罚款在MA渗透率较低五分位的医院中增加,在较高五分位中减少。例如,在原始和重新标度指标下,第二五分位的平均罚款分别为$261 362.70和$299 491.60,第五五分位分别为$201 394.00和$188 200.80。
按MA渗透率重新标度ERRs后,我们估计MA渗透率第一五分位(Q1)医院的年均罚款将增加$30 736($24 819.75),Q2增加$48 439($42 668.52),Q3增加$13 258($33 537.23),Q4增加$2061($39 180.56),Q5减少$26 915($42 017.23),尽管我们观察到罚款变化在各五分位内存在显著差异(补充材料1中的eTable 4)。在所有医院中,校正未观测到的选择将导致年度罚款重新分配约$284 million。
同行分组并未减弱由MA渗透率驱动的罚款变化。按MA渗透率重新标度ERRs后,各MA渗透率五分位的调整因子和罚款变化相似,在非同行分组和同行分组范式下幅度差异为2%至11%(补充材料1中的eTables 3和4)。在所有医院中,同行分组下校正未观测到的选择将产生约$297 million的年度罚款重新分配,比非同行分组下多4.6%。当我们研究同行分组特异性差异时,未出现一致的模式(图3和补充材料1中的eTable 5),尽管校正量在较低五分位(即较少MA渗透)中倾向于较小,在较高五分位(即较多MA渗透)中倾向于较大。为了解同行分组为何对估计的调整因子和罚款的调节作用有限,我们检查了MA渗透率与定义同行组的DE受益人份额之间的关联,发现仅存在适度相关性(补充材料1中的eFigure 2)。
HRRP目标疾病也被单独研究。除CABG和肺炎外,所有HRRP疾病的ERRs均观察到显著增加。计入MA渗透率后ERR的百分比变化为:AMI 0.59%,THKA 1.3%,心力衰竭0.32%,COPD 0.13%(补充材料1中的eTable 6)。
讨论
我们研究了在ERR估计中考虑不可观察的患者严重程度如何影响原始非同级分组和当前同级分组方法下的HRRP调整因子和惩罚。我们发现,对MA渗透率(作为不可观察患者严重程度的替代指标)进行显式调整,将产生显著的惩罚再分配,每年总计2.84亿美元至2.97亿美元,或在我们4年研究期间总计11亿美元至12亿美元。这些再分配在总体上将超过HRRP总惩罚的50%,并且是2019年转向同级分组所产生再分配的4倍。23
我们观察到,根据当前HRRP方法(仅依赖TM数据)进行风险调整的ERR,未能充分解释进入MA的有利选择。在对观察到的ERR按MA渗透率进行重新缩放并重新估计惩罚(和调整因子)后,MA渗透率与惩罚之间的关联增强(即斜率幅度增加)。我们将此解释为:相对保守的惩罚被施加于MA渗透率较低且TM受益人风险不可观察地较低的医院,而过度的惩罚则由MA渗透率较高且TM受益人风险不可观察地较高的医院承担。这些扭曲可能来自MA与TM人群之间患者风险的不可观察差异,这些差异因医院而异(鉴于MA渗透率较高地区TM患者存在更大的未测量疾病严重程度)9,10,11,12,而HRRP的风险调整方法未捕捉到这些差异。鉴于投资减少再入院具有强有力的经济理由,这些扭曲可能会扭曲医院解决绩效问题的激励。24,25
尽管存在争议,8 已有研究发现,在分层条件类别(HCC)内存在有利于进入 MA 的选择,26 这是 CMS 用于对 MA 报销进行风险调整的基于理赔的分类方法。HCC 包括 AMI 和 COPD,这是 HRRP 中 2 种成本被高估因而可能对 MA 有利的疾病。27 如果 HRRP 风险调整捕获了 HCC 之外的其他信息,那么 HCC 未能捕获的未观察到的严重程度有可能被 HRRP 可观察地捕获,在这种情况下,我们的发现可能反映的是医院质量导致的再入院差异,而非未观察到的严重程度差异。然而,HRRP 风险调整依赖于条件类别,而这些类别与 MA 风险调整中使用的诊断组基础分类相同。由于 MA 和 HRRP 之间的风险调整方法具有可比性,并且我们控制了质量指标,因此 MA 中未观察到的严重程度很可能在 HRRP 中仍然存在。鉴于各项目之间护理管理的差异,28 也有可能 MA 与 TM 参保者之间的有利选择在调整住院 hospitalization 后不再适用。然而,HCC 反映了住院和门诊就诊情况,从而减轻了这一顾虑。
我们在非同类分组和同类分组两种模式下均发现了这些扭曲的证据。在非同类分组下调整 MA 渗透率后,MA 渗透率前 4 个五分位医院的惩罚增加,第五个五分位医院的惩罚减少。相对于非同类分组,在同类分组下考虑 MA 渗透率后,MA 渗透率前 4 个五分位的惩罚校正幅度略大,为 3% 至 11%,第五个五分位的惩罚校正幅度较小,为 2%。尽管我们观察到相当大的五分位内医院层面异质性,这可能反映某些医院的扭曲有所减弱,但同类分组总体上并未减轻扭曲。
同类分组旨在解决医院间未测量的社会风险差异29,并已与医院层面惩罚的大幅变化相关联。15 同类组定义源自 DE 受益人的分布,同类组越高,DE 占比越高。如果未测量的社会风险(以 DE 占比为代理指标)与未测量的临床风险(以 MA 渗透率为代理指标)高度相关,我们应预期同类分组能够减弱在考虑 MA 渗透率后估计的扭曲。然而,由于 DE 占比与 MA 渗透率仅呈适度相关,同类分组不足以解决未观察到的选择问题。
我们还考虑了同类分组是否对不同同类组的扭曲有差异化作用。如果不同同类组所服务患者人群中 DE 占比与未观察到严重程度之间的相关性不同,我们可能会预期出现这种模式。然而,在 MA 渗透率各五分位中,没有任何同类组在同类分组下相对于非同类分组表现出更小的校正。
最后,我们按 HRRP 目标疾病调查了异质性。校正主要由 AMI 和 THKA 驱动,CABG 和肺炎的驱动作用最小。这些结果提示,要么未观察到的严重程度在不同疾病特异性患者人群中存在差异,要么疾病特异性再入院对未观察到的严重程度具有不同的敏感性。
政策启示
CMS风险调整模型完全依赖TM数据,无法解释进入MA的不可观测选择。由此产生的遗漏变量偏倚会对HRRP等基于医院层面风险调整的激励项目造成扭曲。我们提出2种可行的解决方案。
第一,可以将医院层面的MA渗透率直接纳入当前的风险调整模型。如果MA渗透率与未观测到的严重程度相关,那么这种选择程度将被明确纳入考量。这种方法可能在CMS后续的风险调整模型修订中实施。然而,将MA渗透率直接纳入如此复杂的模型,可能会妨碍关于MA渗透率相对于其他因素在风险调整中所起作用的透明度。
第二,可以将医院层面的MA渗透率纳入同行组定义。目前,同行组阈值是通过将医院DE受益人份额离散化为五分位数来确定的。虽然DE份额与社会经济地位及相关健康风险相关,30但仅基于DE份额的同行分组遗漏了与再入院绩效相关的重要患者风险指标。16此外,DE份额与MA渗透率仅呈适度相关。综合来看,我们的研究结果表明,当前的同行分组方法不足以解释进入MA的有利选择。相反,可以基于DE与MA渗透率的交互作用来定义同行组,以同时考虑社会经济和选择方面的关切。同行分组方法在政策圈中通常因其透明度而受到青睐,尽管确定同行组的确切阈值相当随意,对恰好处于这些阈值两侧的医院可能产生重大影响。
CMS还发布了2026财年的拟议规则,该规则将把MA受益人数据明确纳入风险调整后医院再入院绩效的计算中,并将HRRP的回溯期从3年缩短至2年。31如果该政策获得通过,我们可以预期进入MA的不可观测选择所导致的扭曲性关切将减少,因为绩效指标应能考虑MA和TM两个人群的健康分布。然而,纳入MA就诊数据存在挑战,因为与TM理赔数据相比,其相对不完整,且编码实践的差异最终会影响风险调整。32缩短回溯期也可能增加模型估计中的统计噪声。需要进一步研究以了解对此类政策的反应和溢出效应。
局限性
本研究存在局限性。第一,我们并未在HRRP的分层风险调整模型中通过额外控制MA渗透率来重建ERR,而是使用线性回归估计对观测到的ERR进行了重新缩放。我们假设两种方法会提供相似的估计。15,24,25我们的方法也可适应政策背景。在HRRP的当前实施中,ERR是在施加同行组特异性绩效标准以确定调整因子和罚款之前估计的。33,34同样,我们的策略首先利用HRRP分层模型生成的ERR,随后针对MA渗透率调整ERR,最后使用这些调整后的ERR计算调整因子和罚款。与HRRP一样,统计显著性在这些罚款的计算中不发挥任何作用。
其次,由于我们重新调整了ERRs,我们可能对与分层风险调整模型中已存在于原始ERR生成过程中的变量共线的变量进行了过度调整。纳入共线控制变量会产生过于保守的估计,这表明我们对MA渗透率对调整因子和罚款的估计应被解释为下限。
第三,由于我们仅有截至2020年的MedPAR数据,我们假设2019年至2020年医院层面支出的恒定增长,以推算2021年和2022年的支出。这可能低估了某些医院的罚款而高估了其他医院的罚款。我们假设这种线性外推平均而言不会产生系统性偏倚。
第四,使用MA渗透率以及医院和县控制变量可能无法完全捕捉任何给定医院中未观测选择的程度。这种测量误差应会减弱观察到的关联,并再次表明我们的估计应被解释为下限。
我们的分析不应被因果性地解释。如果MA渗透率与质量相关(例如,如果高渗透率医院系统性地质量较低且超额再入院更多),我们控制了已知的医院质量指标,并且仅将MA渗透率解释为未观测风险的代理变量。然而,任何其他与质量和入院相关的未观测因素都可能导致遗漏变量偏倚,但由于这些因素可能与我们的控制变量相关,这种偏倚会被减轻。我们并不认为MA渗透率的差异与调整因子或罚款相关。
结论
在这项纳入2019年至2022年暴露于HRRP的医院队列研究中,我们发现TM受益人中未观测的选择可能在非同级分组和同级分组方法下均扭曲HRRP罚款计算。在其他因素保持不变的情况下,MA受益人份额较小的医院获得更保守的罚款,而份额较大的医院则承担过度罚款。在考虑MA渗透率后,我们估计罚款再分配每年接近3亿美元,并超过HRRP罚款征收总额的50%。在风险调整或同级分组定义中明确纳入MA渗透率,可能减弱HRRP罚款计算中不可观测患者严重程度所致的扭曲。
参考来源
- Chopra Z, Ryan AM, Hoffman GJ, et al. Hospital Readmission Reduction Program Penalties for Hospitals With High Medicare Advantage Penetration. JAMA Netw Open. 2026. PMID: 41569562. doi:10.1001/jamanetworkopen.2025.54972
- 全文:PMC12828625(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12828625/
供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。