《Frontiers in Public Health》：From expansion to intelligent governance: structural transformation and regulatory paradigm reconstruction in China’s health insurance reform: a systematic literature review on the evolution and future trajectories of health insurance fund supervision
编辑推荐：
背景：在过去四分之一世纪中，中国在医疗融资领域经历了三次转型：从用人单位参保到全民参保，再向质量与智能导向治理迈进。本综述考察中国医疗保险基金监管的演进与未来。方法：于2025年6月15日检索五个数据库。纳入的出版物涉及中国基金监管、支付改革、智能技术、可持续
背景：在过去四分之一世纪中，中国在医疗融资领域经历了三次转型：从用人单位参保到全民参保，再向质量与智能导向治理迈进。本综述考察中国医疗保险基金监管的演进与未来。方法：于2025年6月15日检索五个数据库。纳入的出版物涉及中国基金监管、支付改革、智能技术、可持续性、公平性或反腐败。采用MMAT和AMSTAR-2标准进行质量评价。每篇出版物由两名评价者使用MMAT筛查问题和领域评级独立评估；分歧通过共识讨论解决，未解决案例由独立第三评价者仲裁。在20%随机子集上的评价者间信度显示高度一致性（Cohen's κ = 0.82）。遵循PRISMA 2020指南；未进行PROSPERO注册。结果：通过智能监管整合（ISI）框架（数据、算法、制度三层）得出三项核心发现。第一，基金监管历经三个阶段演进，2018年国家医保局（NHSA）的成立为关键节点。第二，DRG/DIP改革控制了费用，但产生了高编码（upcoding）和成本转移。第三，基于机器学习（ML）和区块链的欺诈检测已过渡至实际部署。结论：ISI框架解释了中国向智能治理的转型。识别出六大前瞻性趋势：（1）数据驱动监管，（2）隐私保护分析的联邦学习，（3）基于区块链的全链条监管，（4）智能精算预警系统，（5）制度化廉政治理，（6）本地化优化的支付改革。
引言部分阐明了中国社会医疗保险体系的快速扩张背景：自1998年城镇职工基本医疗保险（UEBMI）启动以来，中国在二十年内构建了覆盖超过13.5亿人的全民保险网络，参保率持续保持在95%以上。2020年2月，中共中央、国务院印发《关于深化医疗保障制度改革的意见》，提出到2030年建立以基本医疗保险为主体、医疗救助为托底、商业健康保险与慈善捐赠及互助共济为补充的多层次医疗保障制度架构。这一政策信号标志着中国医改议程从覆盖广度向质量与效果的根本性重新校准。然而，参保规模的快速扩张也使保险基金面临日益严峻的安全挑战。据国家医保局（NHSA）数据，2024年全国基金监管检查覆盖289,900家定点医疗机构，确认欺诈机构2,008家，与公安机关联合查处刑事案件3,018起；2018至2024年累计追回基金超过1,000亿元，其中2024年单年追回2,750亿元。基金监督已超越常规财务审计范畴，成为关乎整个保险体系长期可持续性的系统性治理问题。本综述作出三项学术贡献：第一，勾勒1998年至今中国医保基金监管的三阶段历史轨迹，揭示制度变迁的内在逻辑；第二，将支付改革、基金监督与智能治理三个看似独立的研究领域整合为统一分析框架，提出中国正经历数据驱动的基金监管范式转变这一核心论点；第三，基于最新学术文献，对可能塑造中国医保基金监管未来轨迹的六大新兴趋势进行前瞻性分析。本综述系统综合了中国医保基金监管结构性转型的证据，考察支付改革、智能技术、可持续性、公平性与反腐败如何在统一治理范式内交汇。这六个主题领域并非任意组合，而是单一监管挑战的相互依存维度：支付改革重塑供方激励（基金侧），智能技术赋能监督（技术侧），可持续性与公平性构成监管目标（结果侧），反腐败提供制度手段（治理侧）。智能监管整合（ISI）框架作为连接这些维度的整合逻辑。
文献综述部分指出，尽管前述章节已顺带引用关键研究，但有必要对现有的系统综述与叙述性综述进行专门回顾，以定位本综述的贡献。既往关于中国医保改革综述多聚焦单一维度——覆盖扩张、支付机制设计或特定反欺诈技术——而未将这些线索整合为统一分析框架。通过比较Yip等（2019）、Meng等（2015）、du Preez等（2025）、Al-Jarrah等（2025）、Behzadi等（2026）、Wang等（2025）、Shi等（2018）等综述，表1展示了现有综述一致聚焦于中国医保体系的孤立维度，尚无综述将支付改革、智能监管技术、基金可持续性、公平性与反腐败治理整合于单一分析框架之内。本综述通过以下方式填补该空白：（i）横跨全部六个主题领域；（ii）采用ISI框架映射跨域关系；（iii）纳入中英文证据以捕捉完整政策图景。因此，宽泛的范围并非弱点，而是基于这些维度在中国演进中的治理范式内结构上相互依存这一认识的有意设计选择。
方法部分采用PICO(P)S框架构建研究问题：人群（P）为1998至2025年中国社会医疗保险体系及其受监管实体（定点医疗机构、参保人群与行政机构）；干预（I）为医保基金监管机制，涵盖支付改革（DRG/DIP、总额预算）、智能监控技术（机器学习、区块链、联邦学习）与廉政治理框架；比较（C）为历史基线（改革前时期、2018年前国家医保局时期）、改革实施的跨地区差异与替代性监管路径；结果（O）为基金安全与可持续性、供方行为反应（高编码、成本转移、患者选择）、医疗质量与可及性公平、灾难性卫生支出降低与反腐败效果；研究设计（S）为同行评议的实证研究，包括随机对照试验、准实验设计（双重差分、中断时间序列、断点回归）、纵向与横截面分析、系统综述与荟萃分析、定性与混合方法研究，以及国家医保局与国务院发布的政策文件。六个主题领域的宽泛范围由其在中国基金监管体系内的结构性相互依存所证明：支付改革（DRG/DIP）直接塑造监管必须应对的供方激励；智能技术提供监控工具；可持续性与公平性构成监管的双重目标；反腐败治理提供制度支柱。将范围缩小至任何单一维度都无法捕捉本综述试图分析的监管转型的系统性本质。本综述采用系统综述设计结合叙述性综合，遵循PRISMA 2020指南。定量与定性研究设计均符合纳入标准，反映了医保基金监管研究跨越卫生经济学、公共卫生政策、数据科学与制度分析的多面性。由于研究设计、结果测量与干预背景存在实质性异质性，未进行荟萃分析。检索策略方面，系统文献检索覆盖五个电子数据库：PubMed/MEDLINE、EMBASE、Web of Science核心合集、中国知网（CNKI）与万方数据知识服务平台。检索于2025年6月15日执行，核心MeSH词与关键词包括"health insurance fund""medical insurance supervision""payment reform""DRG""DIP""diagnosis-related groups""intelligent supervision""fraud detection""healthcare fraud""fund sustainability""anti-corruption""China"；CNKI与万方中文检索采用以下政策特定术语：飞行检查、欺诈骗保、医保基金监管、按病种分值付费（DIP）、智能审核与智能监控、结余留用。应用补充布尔运算符（AND/OR）组合领域特定术语。未设置下限日期限制，上限设为2025年6月。英文与中文出版物均符合纳入标准。五个数据库的完整检索策略（包括完整布尔查询串、字段限制、过滤器、检索日期与初始命中数）见补充表S1以确保检索过程完全可复现。纳入与排除标准方面，出版物符合以下条件则纳入：（1）涉及中国医疗体系背景下的医保基金监管、支付改革、智能监管技术、基金可持续性、覆盖公平性或反腐败机制；（2）为同行评议的实证研究、系统综述、政策文件或奠基性理论著作；（3）以英文或中文发表。排除条件为：（1）仅聚焦临床治疗方案而与基金治理或支付体系无关；（2）为会议摘要、社论、通讯或未发表手稿；（3）为纳入研究的 duplicates；（4）缺乏足够方法学细节以供质量评价。研究选择与数据提取方面，数据库检索初始获得412条记录，去除重复63条后，349条题录与摘要进入筛选，其中197条因不相关被排除。152篇潜在合格文献的全文被评估，其中91篇因以下原因被排除：非同行评议（n=24）；对中国医保体系聚焦不足（n=38）；或其他纳入研究的重复发现（n=29）。最终61篇文献纳入本叙述性综合。数据提取涵盖：研究设计、背景、样本量或数据来源、主要结果以及与本文六个主题领域中一个或多个的相关性。原始研究的质量评价遵循混合方法评价工具（MMAT）标准；系统综述采用AMSTAR-2标准评估。题录与摘要筛选由主要评价者执行，第二评价者对不确定案例进行独立验证。全文评估与数据提取由两名评价者独立完成。分歧通过共识讨论解决；未达成共识时由独立第三评价者仲裁。全文纳入的评价者间信度在随机20%子集（n=30篇）上评估，显示高度一致性（Cohen's κ = 0.82）。标准化数据提取表在五篇文章上试行并在全面应用前完善。偏倚风险评估方面，采用两种适用于研究设计的验证工具评估偏倚风险与方法学质量。对于原始实证研究，应用MMAT 2018版，涵盖五个设计类别（定性、定量随机对照、定量非随机、定量描述性与混合方法），每类含两个筛查问题与五项质量标准。对于系统综述，采用AMSTAR-2，评估16个领域包括方案注册、全面文献检索、重复研究选择与数据提取、偏倚风险评估与发表偏倚分析。每篇纳入出版物由两名评价者使用MMAT筛查问题与领域评级独立评估；所有分歧通过共识讨论解决。研究根据完全满足的标准数量分为高、中、低质量。未仅基于质量评级排除任何研究；相反，低质量研究在提供独特政策见解时予以保留，并进行敏感性分析以评估其对综合结论的影响（结果见4.2节）。研究层面的MMAT与AMSTAR-2质量评价结果（包括每篇纳入出版物的个别标准评级）见补充表S2。数据综合与分析方面，由于研究设计（从随机对照试验与准实验评估到定性案例研究与政策分析）、结果测量（成本控制、公平指数、供方行为、欺诈检测准确率、基金可持续性预测）与干预背景（地理区域、机构设置、改革阶段）存在实质性异质性，荟萃分析不可行。采用叙述性综合方法，遵循经济与社会研究理事会（ESRC）关于叙述性综合的指导。纳入出版物按六个主题领域分组（历史演进、支付改革协同适应、智能监管技术、基金可持续性、公平与保护效应、反腐败治理），并在领域内与跨领域综合发现。跨领域整合由智能监管整合（ISI）分析框架促进，该框架将发现映射至数据、算法与制度三层。六个主题领域通过演绎-归纳结合过程得出：初始演绎框架基于PICO(P)S组成部分，最终领域结构通过迭代阅读纳入出版物归纳完善。在每个领域内，证据按研究设计、结果类型与地理/机构背景聚类以促进模式识别。当不同研究的发现存在差异时（如DRG对成本影响在不同医院等级间的方向分歧），进行结构化异质性分析——按医院级别、地区、改革阶段与测量方法分组研究——以识别潜在解释因素。这些差异及其可能解释在相关结果小节中明确注明。叙述性综合按照无荟萃分析综合（SWiM）报告指南报告。报告指南与方案注册方面，本系统综述按照PRISMA 2020指南执行与报告（见补充文件）。PRISMA 2020检查表已完成并作为补充文档提供。本综述未在PROSPERO或其他平台前瞻性注册方案，此点在5.3节（局限性）中予以说明。
结果部分首先呈现研究选择与PRISMA流程：图1展示研究选择过程的PRISMA 2020流程图。数据库检索初始识别412条记录，去除63条重复后，349条唯一记录进入题录与摘要筛选。筛选后，197条记录因与中国医保基金监管不相关被排除。152篇潜在合格出版物进行全文评估，其中91篇被排除（非同行评议：n=24；对中国医保体系聚焦不足：n=38；重复发现：n=29）。最终61篇出版物纳入叙述性综合。偏倚风险评估结果显示，61篇纳入出版物中，方法学质量因研究设计与领域而异（补充表S2）。43篇（70.5%）被评为高质量，满足其设计适用的全部或几乎所有MMAT或AMSTAR-2标准。13篇（21.3%）被评为中等质量，通常由于定量研究中混杂控制报告不完整或定性研究中反思性不足。5篇（8.2%）被评为低质量，主要由于结果测量未经验证或抽样策略不充分；这些研究因提供独特政策见解而保留（如单省背景下DRG/DIP实施的制度分析）。排除五篇低质量出版物的敏感性分析未实质性改变综合结论，证实了综述发现的稳健性。研究层面的详细质量评价结果（包括每篇纳入出版物的个别MMAT标准评级与AMSTAR-2领域评估）见补充表S2。
中国医保基金监管的历史演进：三阶段制度分析。第一阶段：制度建立与分散管理（1998–2009）。现代中国医疗融资体系可追溯至1998年国务院《关于建立城镇职工基本医疗保险制度的决定》（国发〔1998〕44号），该法令确立了社会统筹账户与个人储蓄账户相结合的混合模式，标志着从计划经济时代用人单位提供医疗向现代社会保险范式的决定性转变。在此初始阶段，基金监督呈现典型的碎片化特征。UEBMI及随后2007年启动的城镇居民基本医疗保险（URBMI）隶属于人力资源和社会保障部管辖，而2003年启动的新型农村合作医疗（NCMS）由卫生部管理。医疗救助项目进一步由民政部管理。这种城乡行政分割产生了系统性功能障碍：执法标准不一致、信息孤岛普遍存在以及跨机构协调的长期困难。Meng等（4）在《柳叶刀》发表的里程碑式研究对中国的社会医疗保险整合过程进行了系统评价，记录了三种并存保险制度在缴费水平、报销比例与待遇范围上的显著差异。这种"碎片化"动态不仅加剧了健康不公平，也对基金监管施加了高昂成本。Wang等（5）提供了上海市浦东新区按人头付费改革试点的纵向证据，表明基层支付创新——尽管实现了一定成本控制——从根本上受制于跨系统数据基础设施与统一监管架构的缺失。第二阶段：全民覆盖与制度整合（2009–2018）。2009年医改启动后，中国在十年内实现超过95%的人口覆盖。政策重点相应从扩大参保转向整合分散的保险项目。Li等（6）在《柳叶刀》发表的对中国初级卫生保健体系的全面评估指出，2009年改革采取三管齐下战略——扩大保险覆盖、建立基本药物制度与加强基层医疗服务提供。尽管该方法成功实现了近乎全民的保险参保，但作者强调正式覆盖并不自动转化为公平可及：农村居民、国内流动人口与老年人群的利用率持续显著低于城镇职工。Diao和Liu（7）考察了中国基本医疗保险制度间待遇分配的公平性，揭示了超过95%的正式参保率与实际待遇水平在保险类别间的巨大差距。城镇职工持续获得比农村与非正规部门 counterparts 更高的报销比例与更广的覆盖范围，暴露了法律平等与实际公平之间的深刻鸿沟。Wang等（8）进一步证实了这些发现，表明城乡保险整合仅适度降低了灾难性卫生支出发生率，且整合效果受各地区资金水平与报销政策持续差异的调节。在制度层面，这一时期见证了保险基金预算制度、加强服务协议管理与探索性支付改革试点的引入。然而，持续的多部门治理结构继续对监管有效性构成结构性制约。第三阶段：国家医保局与综合治理（2018年至今）。2018年3月，第十三届全国人民代表大会第一次会议批准设立国家医疗保障局（NHSA），将此前分散于人力资源和社会保障部、国家卫生健康委员会、国家发展改革委与民政部的保险管理职能整合。这一官僚重组被学者描述为中国医保治理现代化的"历史性转折点"。Gong等（9）在《公共卫生前沿》撰文分析了中国协同改革中药企、医疗服务提供方与保险方之间的战略均衡，认为国家医保局的设立从根本上改变了权力平衡。保险方从碎片化与被动支付者转变为中心化战略购买者——这一转变对加强基金监督具有决定性意义。Yang和Yang（10）同样在《公共卫生前沿》发表，基于中国医改试点的定性田野调查，识别了政策实验成功或失败的条件。他们发现国家医保局2018年后的举措——包括集中带量采购、DRG/DIP支付改革与智能监管平台建设——之所以取得进展，很大程度上是因为克服了此前部门治理特征的信息障碍与制度纠葛。Yue等（11）采用时空建模评估中国"三医联动"（医保、医疗、医药协同改革）的耦合协调度，发现国家医保局设立后协调水平显著改善，为全面基金治理奠定了组织基础。2021年《医疗保障基金使用监督管理条例》（国务院令第735号）的颁布是又一里程碑，将基金监督从行政指南提升为成文法。该条例建立了涵盖协议管理、行政执法与司法问责的三方框架。Shen等（12）基于司法数据分析了中国医疗反腐败运动的制度影响，表明国家医保局的设立与执法行动产生协同效应，放大了医疗机构合规运营的制度压力。中国医保基金监管体系的三阶段演进见图2，该图描绘了各阶段的关键里程碑、制度特征与监管缺口。
支付改革与基金监督的协同适应。从按服务付费到总额预算。中国脱离按服务付费（FFS）支付的最初举措采取总额预算形式，旨在取代被广泛视为医疗费用持续攀升根源的FFS。Zhang等（14）采用实验方法评估总额预算对医疗服务提供效率的影响。其发现证实总额预算显著降低了每次入院成本与平均住院日，但也诱发了不良行为——包括拒收重症患者与人为拆分住院——表明成本控制工具需要补充性质量保证机制。He等（15）采用双重差分方法评估总额预算对费用控制与再入院模式的影响。尽管短期成本控制有效，但随着医院通过编码调整与服务碎片化适应，效果随时间衰减。Zhou等（16）考察了总额预算与按绩效付费（P4P）机制结合能否缓解县级医院潜在的质量恶化。其证据表明P4P部分补偿了质量侵蚀，但绩效指标设计需进一步完善。DRG/DIP改革的制度创新与挑战。DRG与DIP代表中国支付改革议程的两大主要工具。DRG起源于美国，按临床相似性与资源消耗强度对患者分组。DIP为中国本土开发的方法，通过与被区域总额预算挂钩的点数系统运作，对中国医疗资源分布不均具有更大适应性。DRG与DIP的技术差异超越其历史起源，对供方行为与基金监督产生深远影响。三点区别值得强调。第一，分组逻辑根本不同。DRG采用"先分组、后定价"方法，将数万种诊断-操作组合压缩为600-1,000个临床连贯组，每组赋予预定权重与支付费率。DIP则遵循"先定价、后分类"逻辑，将ICD-10诊断与ICD-9-CM-3操作交叉制表生成数万种病例类型组合，每种携带点值，仅在年终结算时转换为货币金额。第二，支付确定性差异显著。DRG下每组支付费率在财年初固定，给医院可预测的收入包络。DIP下每点货币价值取决于区域总额预算除以该地区所有医院产生的总点数——意味着个体医院在结算期结束前无法知晓实际单位收入。这种结构性不确定性是DIP体系的核心制度特征，也是许多医院报告"年底才知道赚了多少"的根本原因。DRG与DIP的并列比较见表2。第三，行为激励在重要方面存在分歧。DIP点值机制产生公地资源困境动态：如果所有医院都增加服务量以最大化个体收入，区域点池扩大，稀释每点价值，可能降低每个提供方的总收入——这一反常激励通过不同于传统DRG体系所记录机制的机制运作。这些技术特征解释了DIP改革为何在不同地区与医院等级间产生异质性效果，如后续研究考察成本控制效果、供方行为反应所记录。越来越多的实施研究表明，医院层面的适应策略——包括编码实践变化、服务重组与绩效评价重新设计——中介了支付政策信号向临床与财务结果的转化。Wang等（18）系统阐述了DIP的制度逻辑与实施路径，指出其相对于DRG的操作简便性与较低转型成本，同时警示其对历史支出数据计算相对权重的依赖——这一特征可能 perpetuates 预先存在的成本扭曲。Du等（19）应用中断时间序列设计量化DRG改革对住院成本的影响。其分析显示平均入院成本每月降低713.93元（p<0.001），保险支付每月下降0.82%（p<0.01）。然而关键的是，患者自付支出呈现同期上升趋势（每月+0.82%，p<0.01），表明基金层面的成本控制效果并未完全反映在患者负担降低上。这一模式可能反映医院向未监管自付项目转移成本、增加DRG支付范围外服务利用，或两者兼有；因果归因需进一步研究。Zhu等（21）对DIP改革下成本结构变化进行了更细粒度分析，考察某省级三级医院数据。手术与非手术组总成本分别下降3.42%与1.25%，药品与操作成本显著下降（p<0.05）。然而耗材成本显著上升（p<0.05），在手术组成本结构变化中贡献55.83%——证据表明医院将成本压力转向高值医用耗材。Cao等（20）基于大规模实证数据表明DRG改革不仅降低平均支出水平，还压缩了支出分布的离散度，证实DRG分组对成本模式的标准化效应。Zhang等（22）在《国际卫生政策与管理杂志》发表的对照中断时间序列研究发现DIP改革缩短了住院时间，但与低价值住院增加相关——表明支付改革可能激励过度编码等策略行为。Ding等（23）基于国家试点城市数据记录了类似的"患者选择效应"，医院偏好成本接近DIP点值标准但实际治疗支出较低的患者。Chang等（24）采用实施研究整合框架（CFIR）对广州某公立医院DIP改革实施进行定性调查。他们识别了医生对DIP机制的理解、信息系统兼容性与绩效评价机制的一致性作为改革结果的关键决定因素。供方行为反应及其对基金安全的影响。支付改革对基金安全的影响本质上是双面的。一方面，DRG与DIP体系——通过标准化支付单位与预算上限——已显著遏制不合理支出增长，从源头减少基金渗漏。另一方面，医院激励结构的重构催生了新形式的不合规行为，包括高编码、分解住院、挑选患者与跨服务类别成本转移——既有DIP下普通住院服务的记录，也有肺癌诊疗的专门记录。Wu等（25）通过将DRG支付与低价值住院行为联系作出新颖贡献，表明DRG框架内嵌的财务信号实质性影响入院决策，某些机构增加低价值入院以弥合DRG支付费率与实际治疗成本之间的差距。Tan等（26）分析了DIP改革下冠心病市场的成本转移，证实医院将高值服务（如冠状动脉支架植入）策略性重新分类至其他DRG类别。Zou等（28）在自然实验设计中评估支付改革对 antibiotic stewardship 的影响。DRG改革降低了住院抗生素使用强度，但也诱发了从昂贵抗生素向廉价抗生素的"降级替代"模式，而非处方的真正合理化。Tsuei和Yip（29）提供了组织因素——目标设定实践、反馈机制与流程标准化能力——如何中介支付改革与供方合规之间关系的理论分析。Zhang等（30）应用中断时间序列设计对中国西部两城市535,886份住院记录进行分析，表明DRG改革在三级与二级中医医院间产生分歧结果——三级机构住院日与成本统计显著降低，但二级层面两者 paradoxical 增加——表明DRG改革效果实质受医院组织能力与患者病例组合中介。
智能监管技术的应用与发展。大数据与智能监控系统。中国核心智能监管基础设施建设约于2018年启动。国家医保局设立后，启动了构建统一保险信息平台与智能监控系统的国家级举措，实现涵盖申报前预警、申报中审核与支付后追回的全周期监管工作流。Yang等（10）与Yue等（11）分别通过田野研究与时空建模强调，信息系统互操作性构成有效监督的前提——而在中国层级化卫生体系中，信息壁垒仍是全面基金治理的主要障碍。Jiang（31）分析了市级总额预算与病例组合支付改革对非本地患者的溢出效应，表明跨区域患者流动管理对基金治理的影响超越单一城市管辖范围。Ren和Yang（32）探讨了智能医疗技术在长期护理保险、门诊共济机制与城镇职工保险基金可持续性中的应用，为智能监管工具的多场景扩展提供了理论框架。Luo等（61）随后提供了城市层面证据，表明长期护理保险改善291个中国城市的医疗效率。中国智能医保监管体系架构（包含数据整合、算法与分析、决策与干预、治理与执法四个功能层）见图3。机器学习在欺诈检测中的应用。中国智能监控基础设施的运营化与全球基于机器学习的欺诈检测快速发展并行。医疗保险欺诈构成全球性挑战。美国国家医疗保健反欺诈协会估计欺诈性索赔每年占医疗总支出的3-10%。Wang等（33）提出了稳健且可解释的集成机器学习框架用于保险欺诈预测，结合嵌入式特征选择与基于排列的方法以识别保持高预测性能的最小特征子集。其框架整合投票、加权平均与堆叠集成技术，模型解释通过部分依赖图（PDP）、SHAP值与LIME生成。Al-Jarrah等（34）对深度学习在保险欺诈检测中的应用进行了全面调查，记录了传统监督方法（逻辑回归、随机森林、SVM）在处理高维、不平衡与概念漂移索赔数据方面的局限性。深度学习方法——包括自编码器、长短期记忆（LSTM）网络与图神经网络（GNN）——表现出优越的召回率与F1分数。Shekhar等（35）基于Medicare住院数据进行了严格评估，检验机器学习模型能否有效靶向医疗欺诈。其发现强调了一个关键缺口：尽管ML模型在识别高风险索赔方面表现出色，但其对实际欺诈减少的影响受制于检测后执法的有效性——提醒技术工具必须与制度执法整合形成闭环系统。du Preez等（36）系统综述了2010至2024年机器学习在医疗索赔欺诈检测中的应用，识别随机森林与XGBoost为最广泛采用的模型，GNN与联邦学习代表方法学创新的前沿。表3总结了主要AI/ML技术类别、其优势、局限与代表性来源。Sun等（37）开创了医学知识图谱在保险索赔欺诈、浪费与滥用（FWA）检测中的应用，表明知识图谱方法在识别复杂串谋模式方面显著优于传统ML方法。De Meulemeester等（38）提出了一种专门为标签稀缺与欺诈模式演变的索赔数据设计的可解释无监督异常检测方法，结合自编码器与聚类算法实现无需标注训练数据的检测。证据状态：上述综述的基于ML的欺诈检测方法（33, 35, 37, 38）已在实验与试点环境中展示运营能力，部分部署于Medicare与中国试点系统。然而，在中国国家保险监管平台的大规模运营部署仍然有限。区块链与联邦学习。Matloob等（39）引入了利用机器学习与区块链技术的数据驱动保险系统架构，利用区块链的不可篡改性确保索赔数据的完整性与可追溯性——为解决保险监管中根本性"信任"问题提供了新颖技术路径。Raghi等（40）提出了基于纵向联邦学习的隐私保护欺诈检测方法，实现多机构协作建模而无需共享原始数据——这是解决数据主权与跨机构监督之间张力的关键创新。证据状态：基于区块链（39）与联邦学习（40）的方法仍处于概念提案或概念验证阶段。迄今尚无在中国医保监管背景下的实证评估发表。这些技术代表有前景的方向而非已部署的解决方案。算法可解释性与监管可接受性。文献中反复出现的局限涉及模型准确性与可解释性之间的张力。高性能模型通常作为"黑箱"运作，而监管决策需要透明的法律依据与可审计性。Wang等（33）通过纳入SHAP分析部分解决了这一关切，但算法可解释性与检测准确性之间的理论张力值得进一步研究。Del Rey-Puech等（41）系统考察了在卫生部门部署人工智能用于反腐败目的的机会与挑战。他们警示，尽管AI可显著增强监管效率，但缺乏有效治理框架可能使设计更复杂的欺诈策略成为可能——将其描述为持续的"技术军备竞赛"。
基金可持续性：人口压力与制度回应。人口挑战：老龄化与基金可持续性。人口老龄化代表中国保险基金最严峻的长期挑战。Yu等（42）使用上海数据预测，若无参数调整，城镇职工医保基金累计结余将在2035年左右耗尽。2018至2024年中国医保基金收入、支出与累计结余趋势见图4，关键可持续性指标汇总于表4。Zhang等（43）分析了全面二孩政策对城乡居民保险基金的影响，发现人口调整虽可能有利于长期人口结构，但产生了支出增长超过保费收入增长的短期财政效应。Zuo和Zhai（44）评估了COVID-19治疗融资政策对保险体系可持续性的影响，揭示疫情诱发的支出冲击暴露了现有应急储备机制的不足。精算平衡与代际公平。Qin和Ji（45）提出了综合精算框架，将人口变化、支出增长轨迹与支付政策调整纳入统一模型，从代际精算平衡与代际公平双重视角评估基金可持续性。Wu等（46）构建了城镇职工保险统一统筹改革下的融资可持续性预测模型，发现提高统筹层次增强了基金的风险承受能力，同时引发了对跨地区转移支付要求的关切。多层次保障体系建设。多层次医疗保障体系建设已成为应对可持续性挑战的关键政策回应。Liu等（47）基于667,055户低收入家庭数据表明，多层次健康保障在降低灾难性卫生支出发生率方面发挥关键作用。Wang等（48）评估了北京将辅助生殖技术纳入保险覆盖的政策，记录了门诊利用率增加与自付成本降低。门诊共济统筹改革。一项对基金可持续性具有直接影响——但在现有英文文献中 largely overlooked——的结构性改革是城镇职工基本医疗保险（UEBMI）门诊共济统筹改革，通过2021年国务院办公厅第14号文件正式启动。该改革将此前分配至个人医疗储蓄账户的用人单位缴费部分（约占总缴费的30%）重新导向新设立的门诊统筹基金，有效将数千亿元此前休眠的个人账户储蓄转化为可用于门诊报销的风险池资源。Lin等（49）采用精算预测模型评估门诊统筹改革对UEBMI基金可持续性的影响，发现即使部分改革（保留个人账户用于职工缴费）也将累计基金赤字的出现延迟8-11年，而完全改革（完全取消个人账户）在保守报销率假设下维持正累计结余至2050年。Zhang和Chen（50）使用中国健康与营养调查纵向数据提供了补充证据，表明门诊统筹显著降低了灾难性卫生支出发生率与致贫性卫生支出概率，保护效应在60岁及以上成年人中尤为显著。然而作者也记录了财务保护收益随时间衰减，强调需要持续政策强化。从基金治理角度看，门诊共济改革对本综述提出的ISI框架具有三重意涵：通过释放此前碎片化的个人账户资金改善风险池流动性；实现向代际风险再分配的转变，健康年轻职工的盈余缴费补贴老年患者门诊需求；为门诊服务替代住院入院创造制度条件——这一动态可能与DRG/DIP激励相互作用以加速成本控制。国家带量采购作为采购侧治理。除支付改革与门诊统筹外，第三种制度机制——国家带量采购（NVBP）政策，2018年启动并此后分批实施——作为基金治理采购侧的结构性干预发挥作用。通过整合跨省采购量并利用国家医保局的集中采购权力，NVBP在后续国家采购批次中实现药品平均降价约50%与高值医用耗材大幅节约，累计基金支出节约超过4,000亿元（据国家医保局2024年统计公报）。Yuan等（51）提供了NVBP的全面制度分析，将其描述为独特的 pooled procurement 机制，同时降低药品价格、改善基本药物可及性并为保险基金可持续性创造财政空间。当与DRG/DIP支付改革和智能监管系统一同分析时，NVBP完成了"采购-支付-监督" triad：采购侧治理（VBP）从源头降低投入成本，支付侧治理（DRG/DIP）约束利用强度，监督侧治理（智能监控与反欺诈算法）威慑渗漏与滥用。这一三管齐下架构在§4.9.1中作为ISI框架的核心制度发现进一步讨论。
全民医疗保险的公平与保护效应。覆盖扩张与待遇公平。Zhang等（52）对中国及其省份2014至2020年社会医疗保险待遇公平性进行了全面评估，发现尽管覆盖接近全民水平，省际待遇水平差异仍然显著，东部沿海省份持续优于中西部。Zhang等（53）使用2011至2020年面板数据考察门诊统筹扩张对医疗服务利用社会经济不平等的动态影响。其分析揭示，尽管统筹普遍增加了门诊服务使用，但不平等在短期内扩大，需要差异化补贴政策。卫生支出指标的国际比较进一步背景化了中国的公平挑战，见图5。完整国家层面指标汇总于表5。城乡整合与流动人口覆盖。Yan（54）采用准自然实验设计发现，2006至2021年城乡保险整合显著缩小了城乡居民待遇差距，但农民工仍面临跨地区医疗可及性的系统性障碍。Ma等（55）使用中国流动人口动态监测调查数据证实，尽管制度整合正式消除了城乡差别，但运营障碍——包括跨地区结算壁垒与省际报销差异——作为流动人口的主要障碍持续存在。灾难性卫生支出预防。Guo等（56）系统评价了大病保险对患者财务负担的效果，发现其在降低灾难性卫生支出发生率方面发挥显著作用，但有效性受起付线、报销比例与目录范围调节。Wang等（8）调查了城乡保险整合能否降低灾难性卫生支出不平等，发现尽管整合政策产生一些积极效果，但幅度有限——表明仅制度重组不足以解决深层次结构性不平等。
反腐败与廉政治理。医疗腐败的经济规模。医疗腐败构成中国保险基金安全的重大威胁。Shi等（57）采用混合方法分析了中国医疗部门药品行业贿赂的治理策略。Wang等（5）记录了上海浦东地区向按人头付费转变如何客观约束腐败行为的空间——当医生处方模式与保险支付标准挂钩时，支撑"以药养医"的经济激励被削弱。智能廉政监管平台。Chen（58）描述了医院智能廉政监管平台的数字化建设，提出通过大数据分析与AI辅助决策对医疗机构与从业人员进行实时监控与风险预警。该方法代表中国医疗廉政治理从事后惩罚向主动预防的范式转变。反腐败运动的制度影响。Shen等（12）记录2023-2024年加强的反腐败运动产生了实质性威慑效果，同时面临从运动式向制度化治理转型的挑战。Wang等（59）分析了医院伦理氛围与组织绩效之间的关系，发现强大的伦理环境不仅减少不合规行为，还提升医疗质量与效率——为将廉政治理纳入医院绩效评价框架提供了理论基础。
理论整合与未来轨迹。深化ISI分析框架。基于对61篇文献（包括同行评议文章与政策文件）的综合，本综述通过三项核心发现开发并证实智能监管整合（ISI）分析框架。ISI框架的三层结构（数据、算法、制度）并非先验设计，而是通过纳入文献的归纳主题综合涌现。数据层对应多项研究的收敛发现，即信息整合是有效监督的必要前提（10, 11, 47）。算法层反映欺诈检测文献中反复出现的检测准确性与可解释性之间的张力（33, 38）。制度层捕捉技术工具需要平行制度发展才能有效的持续发现（12, 58, 59）。层间关系同样有证据基础：数据层支撑算法层（无标准化数据，算法缺乏输入），算法层依赖制度层执法（33识别检测后执法为约束瓶颈），制度层依赖数据层治理能力（10证明数据协调为治理前提）。因此ISI框架并非先验构造，而是基于纳入文献收敛发现的新兴综合。ISI框架图形化见图6。核心发现1（数据层）：保险、医疗服务提供与医药数据的标准化整合——中国称之为"三医联动"——构成有效智能监管的必要前提。DIP改革的相对权重计算应基于标准化成本数据而非历史支出模式，以消除激励扭曲。Liu等（47）记录多层次健康保障对667,055户低收入家庭的保护效应，说明跨保险层级整合受益人数据的必要性——强化了Yue等（11）的时空发现，即数据协调构成有效治理的前提。核心发现2（算法层）：欺诈检测算法必须驾驭预测准确性与可解释性之间的权衡。SHAP与LIME等可解释AI技术应成为监管算法的标准组件，以满足行政执法中的证据要求。Wang等（33）与De Meulemeester等（38）分别从集成学习与无监督学习路径提供了互补证据，证实保险欺诈检测中可解释性的必要性。核心发现3（制度层）：智能监督的有效性取决于技术与制度的协同适应。算法工具本身不足以确保基金完整性；必须伴随平行制度发展，包括信用评价体系、举报人奖励机制与跨机构数据共享安排。Shen等（12）与Chen（58）分别从反腐败执法与廉政建设视角提供了佐证。六大未来轨迹。以下六项趋势代表基于所综述文献的前瞻性判断，而非确定性预测。每项趋势均有新兴理论与实证工作支持，但证据基础在不同趋势间差异显著，应被解释为研究前沿的指示而非既定结论。此外，这些趋势并非独立：联邦学习（趋势2）可能放大数据驱动监督（趋势1）的跨机构能力，同时引入来自机构间数据质量异质性的新偏差；基于区块链的全链条监督（趋势3）提供制度化廉政治理（趋势5）运营可信度所需的防篡改数据基础设施。因此读者应考虑趋势间的交互效应与每个个体轨迹。趋势1：从规则驱动向数据驱动监督的范式转变[证据水平：新兴证据]。传统基金监督严重依赖人工审核与规则匹配，覆盖范围与精度有限。下一代大数据智能监控系统将从抽样审计向全人群审计、从静态规则向动态预测模型转变。先进AI技术——包括深度学习与图神经网络——将在欺诈模式识别中发挥越来越核心的作用（35, 37）。趋势2：通过联邦学习与隐私计算实现跨机构监管协作[证据水平：理论提案]。保险数据分布在多个独立系统中，隐私约束严重限制跨机构分析。隐私保护技术——包括联邦学习与安全多方计算——将实现无需原始数据共享的协作建模，从根本上解决数据隔离与联合监督之间的张力（40）。趋势3：基于区块链的全链条监督[证据水平：理论提案]。保险基金监督涵盖从处方到结算的整个链条，每个节点都存在欺诈潜力。区块链的不可篡改性、可追溯性与智能合约能力为构建跨处方-药品-支付链条的全面信任架构提供技术基础（39）。趋势4：精算预警系统的智能升级[证据水平：有限证据]。面对人口老龄化与医疗成本上升的双重压力，基金可持续性监测将从静态精算预测向动态、实时智能预警系统演进。Qin和Ji（45）提出的代际精算平衡框架与Wu等（46）构建的融资可持续性模型代表该方向的前沿探索。趋势5：从运动式反腐败向制度化廉政治理转变[证据水平：新兴证据]。尽管2023-2024年加强的反腐败努力产生了显著短期威慑效果，保险基金的长期安全需要构建制度化廉政治理体系。Chen（58）的智能廉政监管平台与Wang等（59）关于医院伦理氛围的研究均指向"技术赋能、制度保障"的廉政治理范式。趋势6：本地化优化的支付改革[证据水平：中等证据]。DRG/DIP支付改革在中国积累了丰富的实施经验，但改革结果的异质性强调需要情境敏感的优化。Behzadi等（60）使用WHO框架对预期支付体系下医疗服务提供方行为反应进行了系统综述，为完善中国支付改革方法提供了国际比较视角。
讨论部分首先呈现主要发现与理论贡献：本综述综合了跨越六个主题领域的中国医保基金监管体系结构性转型证据。总体而言，61篇纳入出版物揭示了一条连贯轨迹：从碎片化、规则化的行政监督向数据驱动、制度整合的监管范式转变。本文提出的智能监管整合（ISI）框架——以跨越数据基础设施、算法工具与制度安排的三项嵌套核心发现为锚点——提供了理论 grounded 的透镜，通过该透镜可分析这一转型并预测其未来方向。引言中概述的三项贡献——勾勒三阶段历史轨迹、综合六大前瞻趋势与构建ISI分析框架——由下文呈现的核心发现证实。本综合中涌现三种跨领域张力。第一，支付改革产生双重动态：DRG与DIP体系有效约束基金支出增长，同时创造新的激励扭曲包括高编码、患者选择与成本结构替代，需要平行监管创新。这一发现证实了任何预期支付体系都需要协同适应监管回应的理论论点（60）。第二，智能监管技术在覆盖范围与精度方面提供实质性收益，但其运营有效性受制度缺陷制约：数据碎片化、可解释性要求与执法能力缺口。第三，基金可持续性关切与公平及反腐败 imperative 在结构上交织；孤立解决单一维度的政策系统性地不足。这些张力反映卫生融资治理的普遍挑战，表明ISI框架可能在中国背景之外具有比较适用性。与现有文献比较：既往中国医保改革综述多聚焦单一维度，包括覆盖扩张（1, 6）、支付机制设计（18, 22）或特定反欺诈技术（35, 37），而未将这些线索整合为统一分析框架。本综述作出三项增量贡献。第一，提供首个将支付改革与智能监管的协同适应视为相互构成而非平行发展的综合论述。第二，通过将叙述锚定于三阶段制度轨迹（分散化、整合、综合治理），为中国特色监管能力为何在各维度发展不均提供了历史 grounded 的解释。第三，ISI框架产生关于数据整合优先性、算法工具治理要求与有效监督制度前提的可检验命题，未来实证研究可完善或挑战。局限性：必须承认若干局限。第一，尽管检索策略纳入中文数据库（CNKI、万方），但多数引用出版物为英文，引入潜在语言偏倚，可能低估国内中文学术——尤其是灰色文献、政策文件与实施报告——在国际数据库中罕见索引。第二，叙述性综合方法不允许效应估计的正式荟萃分析聚合；关于特定干预 magnitude 的定量结论（如DRG对成本的影响）来自个体研究，可能无法在异质性环境中推广。第三，尽管已尽一切努力核实引用出版物经正式同行评议，10篇参考文献（10-12, 20, 25, 35, 48, 58-60）于2025年在线先于印刷发表并分配至2026年期刊卷，其最终出版版本可能与所查阅的在线优先版本不同。第四，尽管全文评估实施了双重独立筛选且Cohen's κ = 0.82，但信度检查仅覆盖20%随机子集而非全样本，且题录/摘要筛选最初由单一评价者执行，随后仅对不确定案例由第二评价者验证而非完全独立重复。初始筛选阶段的这种部分单评价者方法代表了对最优PRISMA 2020方法学的偏离。未来工作应在所有筛选阶段完全实施双重审查程序，并明确整合中文政策评估与政府报告。第五，未在PROSPERO或其他公共平台前瞻性注册综述方案。尽管PRISMA 2020检查表已回顾性完成，但缺乏前瞻性注册引入了事后选择性报告的潜在风险，即综述范围或分析重点可能在综述实施过程中因新兴发现而转移。第六，发表偏倚可能高估医保改革的有效性。报告阳性或显著结果的研究更可能被发表，而零或阴性发现——特别是关于不成功政策实验或技术部署——可能未发表。这一偏倚在中国背景下可能被放大，因为制度激励倾向于报告改革成功。第七，将政策文件与统计公报（如参考文献2, 3）与同行评议实证研究一同纳入引入了证据质量异质性。政策文件缺乏独立同行评议，可能呈现官方框架化叙述；其结论应适当谨慎解释并在可能时与实证证据三角验证。第八，纳入研究间的相当异质性——在研究设计（从RCT到定性案例研究）、结果测量（成本控制、公平指数、欺诈检测准确率）、干预背景（地理区域、医院等级、改革阶段）与随访期方面——排除了定量综合。这一异质性也限制了进行正式GRADE证据确定性评估的能力。因此，综述结论依赖证据强度的叙述性评估而非正式分级框架。第九，上文指出的语言偏倚可能因数据库选择偏倚而加剧：尽管检索了五个数据库，其他相关来源（如维普、SinoMed、临床试验注册库与灰色文献数据库OpenGrey）未纳入。未来综述更新应扩大数据库覆盖以最小化遗漏相关证据的风险。政策启示：基于前述文献综合与趋势分析，本综述提出五项政策建议。第一，加速数据标准化与跨系统互操作性。国家医保局应牵头制定统一保险数据标准，促进保险、医疗服务与医药监管机构间的跨系统数据整合。试点项目应优先在信息基础设施成熟的地区（如长三角与珠三角）开展，同时维持稳健的数据安全与隐私保障（11）。第二，构建人机协同智能监管生态。AI辅助索赔审核应作为保险监控系统的标准功能嵌入，伴随算法审计机制确保公平与可解释性。国家标准应允许地方政府与第三方技术公司在受控环境中测试新颖监管算法（36）。第三，建立动态精算预警与基金风险评估机制。Qin和Ji（45）提出的代际精算平衡框架应纳入常规基金管理实践，定期可持续性评估为缴费基数与报销比例等关键参数调整提供信息。第四，引导支付改革从成本控制向价值导向转变。价值支付元素应整合入DRG/DIP框架，将医疗质量指标与患者满意度指标纳入支付计算，以防止仅关注支出控制导致的质量恶化。第五，强化"技术-制度"协同廉政治理体系。智能廉政监管平台建设应纳入医院评审标准，辅以稳健的信用评价体系与举报人激励机制——形成"技术预防、制度约束、社会监督"的多层次治理架构（12, 59）。应注意建议1、3、4基于纳入研究的直接实证证据（11, 45, 46），而建议2与5包含超越当前证据基础的前瞻性元素。具体而言，大规模部署AI辅助审核（建议2）有试点证据支持，但缺乏其对欺诈减少实际影响的纵向评估。同样，将智能廉政平台纳入医院评审（建议5）借鉴概念提案（58）而非实证验证结果。这些探索性建议应在全国实施前接受严格试点评估。
结论部分总结：中国社会医疗保险体系正经历从规模扩张向智能治理的深刻转型。三项核心发现与六大前瞻趋势浮现。核心发现1：基金监管历经三个可识别阶段——分散管理（1998-2009）、制度整合（2009-2018）与综合治理（2018至今）——2018年国家医保局设立为关键制度分水岭。核心发现2：DRG与DIP支付改革实现了显著成本控制，但也产生了供方行为反应包括高编码、成本转移与服务替代。核心发现3：基于机器学习与区块链的欺诈检测已从概念验证过渡至运营部署，尽管算法可解释性仍是监管接受的障碍。六项前瞻趋势值得特别关注：趋势1：从规则驱动向数据驱动监督的范式转变；趋势2：通过联邦学习实现隐私保护分析的跨机构协作；趋势3：基于区块链的全链条监督实现不可篡改审计轨迹；趋势4：精算预警系统智能升级以主动识别风险；趋势5：从运动式反腐败向制度化廉政治理转变；趋势6：本地化优化的支付改革平衡成本控制与医疗质量激励。
