《Frontiers in Public Health》:Economic impact of health insurance fraud, waste, and abuse: a literature review of direct and indirect costs and system sustainability
目的:本研究考察了健康保险系统中欺诈、浪费和滥用(FWA)的经济影响,并综合了关于旨在改善财务可持续性的治理、立法、监管和技术干预措施的证据。研究人员进一步评估了这些干预措施对医疗系统韧性(resilience)的影响,并识别研究空白以指导未来政策和实践。方法:本研究采用系统性文献检索,随后进行叙述性综合(narrative synthesis),以考察健康保险FWA的经济影响。研究人员对Scopus、Web of Science、MEDLINE、Embase、PubMed、OpenAlex和Dimensions进行了全面检索,涵盖截至2025年11月24日发表的研究,并通过Inciteful.xyz平台进行后向和前向引文追踪。经过筛选和资格评估,30项研究被纳入最终的叙述性综合。结果:研究结果表明,FWA通过增加财务损失、降低运营效率、削弱问责制并威胁长期基金可持续性,对健康保险系统施加了巨大的直接和间接经济成本。证据表明,有效缓解需要一种综合方法,结合预防性监控、强有力的治理、立法执法、举报人保护(whistleblower protections)和先进分析技术。人工智能(artificial intelligence)、机器学习(machine learning)、区块链(blockchain)和自动化审计系统在实验条件下显示出改善欺诈检测的良好性能;然而,支持其在大型运营医疗环境中有效性的证据仍然有限,且应考虑与可扩展性、互操作性、隐私和治理相关的实施挑战。发表趋势表明,国际上对FWA的研究兴趣日益增加,尽管证据仍集中在少数国家。
1 Introduction
1.1 The universality of the healthcare FWA issue
全民健康覆盖(Universal Health Coverage)旨在提供公平的医疗服务和防范灾难性财务风险,但医疗系统面临持续增长的挑战。健康保险是最常用的财务保护策略之一,但易受欺诈、浪费和滥用(FWA)的剥削。FWA行为每年造成数十亿美元的损失,全球估计占医疗总支出的3%至10%,美国年损失高达1000亿至1700亿美元,浪费相关成本占2012-2019年总支出的25%左右。FWA的复杂性源于医疗服务交付的多样性、数据异质性及多方利益相关者(患者、提供者和保险公司)的参与。
1.2 The importance of healthcare funds’ sustainability
医疗系统的可持续性(sustainability)影响系统、患者福祉和社区。经济可持续性要求健康保险在长期内保持财务可行性,同时不降低覆盖范围。FWA通过转移资源、增加成本、夸大索赔和降低效率,威胁基金筹集、汇集和使用的平衡,损害保险公司、消费者和经济。
2 Definitions of fraud, waste, and abuse
健康保险系统涉及被保险人、医疗机构和保险公司三方,其利益冲突可能导致FWA。欺诈(fraud)是故意欺骗或虚假陈述以获取非法保险利益;浪费(waste)是资源使用或滥用,导致成本增加但无益于患者,如不必要的检查或品牌药替代仿制药;滥用(abuse)是行为导致成本增加但非故意欺骗,如过度收费或未提供服务的收费。这些行为不符合标准财务实践,可能导致效率低下甚至欺诈。
2.1 Measures to control health care FWA
控制FWA的干预措施多样,从人工智能(AI)到政府限制法规和举报人文化。美国结合统计和监管工具,如多变量异常值检测、分位数选择模型和会计驱动监管,辅以数据挖掘、机器学习(ML)、区块链(blockchain)等。中国侧重计算技术,如多视图双聚类(multi-view bi-clustering)和提取算法,结合风险治理框架。沙特阿拉伯整合区块链、5G、云系统和ML;阿联酋聚焦区块链与大语言模型(LLM)。其他国家如爱尔兰探索本体引导政策信息提取,加纳结合数据挖掘和ML,巴基斯坦转向AI框架,印度和孟加拉国采用区块链。
2.2 The impact of FWA on healthcare sustainability
控制FWA可提高资金使用效率、公平性和长期可持续性。美国通过检测减少浪费并回收资金,中国改善基金管理和效率,沙特降低保费和损失,伊朗提高处方欺诈检测准确性,孟加拉国加快索赔处理,阿联酋减少损失,印尼面临效率问题,巴基斯坦改善资源分配,英国加强经济可持续性。本研究采用综合视角,综合FWA经济负担与立法、治理、机构和技术驱动的控制策略,评估法律执行、机构治理、AI、ML、区块链和分析方法对财务可持续性和系统韧性的集体影响。
3 Methodology
3.1 Materials and methods
本研究采用系统性文献检索和叙述性综合(narrative synthesis),遵循PRISMA 2020指南。由于纳入研究在研究方法、医疗环境、干预类型和结果测量上存在高度异质性,未进行定量元分析,而是通过识别重复主题进行叙述性综合。在七项数据库(Scopus, Web of Science, MEDLINE, Embase, PubMed, OpenAlex, Dimensions)中检索截至2025年11月24日的研究,并通过Inciteful.xyz平台进行后向和前向引文追踪。检索后删除重复记录,标题和摘要筛选后,30项研究进入最终综合。
3.2 Search strategy
检索策略围绕三个核心概念设计:健康保险与医疗融资、FWA、经济影响与可持续性。结合受控词汇和自由文本关键词,使用布尔运算符(AND, OR)。针对不同数据库调整语法,如Scopus使用TITLE-ABS-KEY,Web of Science使用Topic,PubMed和MEDLINE使用MeSH。具体策略包括概念组:健康保险与融资(如“health economic*”)、FWA(如“health insurance fraud”)、经济影响与可持续性(如“direct cost*”)。还通过Inciteful.xyz和手动筛选参考文献进行引文追踪。初始检索获得718条记录,去除295条重复后,423条进行筛选,最终30项研究纳入。
3.3 Study selection and eligibility
筛选由主要评审员与主题专家协商进行,基于预设资格标准:研究需考察FWA的经济影响、评估欺诈检测或预防干预,或讨论对医疗融资和系统可持续性的影响。排除会议摘要、社论、评论、病例报告和非英文研究。由于采用叙述性综合,未应用数值评分或截止阈值。
3.4 Quality assessment
未进行正式的方法学质量评估或定量偏倚风险评估,因为综述旨在提供异质性证据的广泛叙述性综合,包括实证研究、政策分析、技术评估和综述文章。这一局限性已在局限部分说明。
3.5 Eligibility criteria
纳入标准包括:研究FWA在健康保险或医疗融资中的问题;考察经济成本、财务负担、可持续性影响或欺诈控制干预;发表于同行评审英文期刊;提供足够方法学信息。排除标准包括:仅含会议摘要、社论、评论或病例报告;仅关注临床结果而不涉及欺诈相关经济问题;缺乏足够信息。
4 Scope and objectives
本综述综合FWA经济影响证据,并考察治理、立法、监管和技术干预措施。具体目标包括:(i) 评估FWA的直接和间接经济负担;(ii) 识别和比较预防和检测FWA的治理、法律、机构和技术方法;(iii) 评估这些干预对健康保险系统财务可持续性的影响;(iv) 识别研究空白和未来优先方向。涵盖的欺诈行为包括重复索赔、upcoding、undercoding、过度收费、phantom billing、虚假索赔和处方欺诈。
5 Related works
先前研究一致表明,FWA在全球范围内施加巨大财务负担,估计欺诈占医疗支出的3-15%。美国年损失100亿至2000亿美元,不当支付超1000亿美元(2023年)。全球损失约4150亿美元,平均损失率(PLR)为5.59%。技术方法在欺诈检测中日益重要,早期依赖统计方法、数据挖掘、聚类、决策树、神经网络和回归模型;近期转向AI、ML、区块链和自动化分析系统。然而,这些技术在实验环境表现良好,但常规运营环境中的有效性证据有限。可持续FWA控制同样依赖治理、立法执行和机构监督,如监管改革、审计、支付完整性计划、举报人保护和问责机制。此外,小额健康保险和更强财务保护机制可减少灾难性医疗支出。现有研究多集中于高收入国家,低收入和中等收入国家证据有限,且AI和区块链检测多基于回顾性数据集或概念验证,缺乏大规模实施和长期有效性证据。
6 Findings
6.1 The economic burden of FWA on health systems
纳入研究的证据表明,FWA的经济后果远超直接财务损失。有效控制需要协调的立法、机构、治理和技术干预,而非孤立方法。全球FWA估计占医疗总支出的6.19%至7.3%,2022年接近7400亿美元。美国2011年FWA增加至少980亿美元Medicare和Medicaid支出,2014年Medicare因错误计费、欺诈和滥用损失约600亿美元。发展中国家如印尼2016年仅虚假医院索赔达2万亿印尼盾,秘鲁主要公共保险人年损失1860万至6180万美元。FWA直接成本是量化财务损失,间接成本包括行政负担、合规成本和长期效率低下。不同医疗系统应对方式各异,但多采用预防、治理和偿付能力综合策略。经济负担估计应谨慎解读,因定义和方法差异,各国数据不可直接比较。
6.2 FWA control interventions
证据表明,单一干预不足以预防FWA,最有效方法是结合治理、监管、立法执行、机构问责和先进分析技术。治理机制建立预防环境,技术创新提高检测效率和准确性,共同加强财务问责和资源利用。
6.2.1 Governance, regulatory and legislative interventions
治理、监管和立法执行是FWA控制的基础。审计、预付款审查、支付完整性计划和专门欺诈调查单位与改善欺诈检测、减少损失和增强基金可持续性相关。美国Medicaid欺诈控制单位(MFCU)的投资和机构监督提高检测结果和基金平衡。立法改革如《平价医疗法案》(Affordable Care Act)将欺诈控制从“支付并追查”转向预防性监控,扩大计划完整性行动。中国的智能监管系统和“飞行检查”改进政策实施。这些干预的效果取决于持续监管能力和机构承诺。
6.2.2 Technological and analytical interventions
新兴数字技术包括AI、ML、区块链和高级数据分析,在实验条件下显著优于传统方法,能识别复杂欺诈模式。但多数证据来自回顾性数据集或概念验证,实际效果和可扩展性待验证。成功实施取决于互操作性、组织准备、监管合规、数据质量、网络安全、患者隐私、伦理治理和人类监督。技术创新应补充而非替代治理和机构控制。
6.2.2.1 Advanced machine learning and clustering methodologies
ML是广泛研究的欺诈检测方法。监督学习、深度学习、大语言模型(LLM)和集成算法在历史索赔数据上表现优异。基于GPT-4o的检索增强生成(RAG)系统、随机森林(Random Forest)和遗传支持向量机(Genetic Support Vector Machine)在受控条件下高精度。多视图双聚类检测异常报销行为,基于LSTM的异常检测稳定预测,患者簇散度(Patient Cluster Divergence)和成本敏感学习提高可疑索赔识别。但多数评估限于回顾性或模拟数据,需前瞻性验证和真实世界实施研究。
6.2.2.2 Blockchain and distributed architecture methodologies
区块链架构通过去中心化账本和智能合约提高透明度和数据完整性。与AI或LLM集成后,欺诈检测准确率和索赔验证效率提升,但证据主要来自概念验证或原型系统。实际实施受限于互操作性、基础设施成本、计算要求、监管合规、组织准备和治理挑战。近期实验显示检测准确率高达99%,但需进一步验证。
6.2.2.3 Statistical and non-parametric methodologies
统计方法在检测异常计费模式中仍重要。分位数回归识别激进计费行为,贝叶斯概率模型通过概率分布评估可疑索赔,图方法在门诊分析中高精度,表示学习模型通过过滤临床编码噪声提高准确性。
6.2.2.4 Ethical, privacy, and implementation considerations
AI和区块链检测面临的挑战包括患者隐私、数据安全、知情同意、算法偏见、透明度和误报。区块链可扩展性、互操作性、成本和治理问题。技术革新需结合治理框架、伦理监督、监管保障和人类持续监督。
6.2.3 Comparative synthesis of FWA control approaches
强有力的治理和机构干预减少FWA。MFCU更高人员配置和预算与年度欺诈排除增加相关,风险治理与Medicare基金健康正相关(r=0.975)。私营保险组织使用支付完整性活动(PIA)平均节省480万美元。这些表明机构监督可减少财务损失和提高效率。
6.2.4 Policy, audit, and legislative methodologies
政策驱动和审计方法核心。自动化政策提取系统将福利规则转化为可计算格式,政策驱动健康保险欺诈(PDHIF)方法增强ML检测。立法控制如医疗损失率(Medical Loss Ratio)报告,中国未宣布检查和智能监控系统加强监督。法律框架和举报人保护如《虚假索赔法》(False Claims Act, FCA)、《平价医疗法案》强化责任,包括三倍赔偿。FCA的qui tam条款允许私人举报,2015年司法部大部分欺诈追回源于此类案件。《反回扣法》(Anti-Kickback Statute)、《斯塔克法》(Stark Law)和《民事罚款法》(Civil Monetary Penalty Statute)防止非法转诊和不必要服务。《排除法》(Exclusion Statute)禁止欺诈提供者参与联邦计划。
6.3 Impact on sustainability
多数报告基于建模或技术评估,长期实施证据有限,需纵向评估。
6.3.1 Financial sustainability and fund solvency
FWA威胁全球健康保险系统财务稳定。美国控制FWA对公共计划可持续性至关重要;中国FWA是基金安全风险,结余率从2012年23%降至2018年10%,需加强监管。印尼国家健康保险计划面临欺诈威胁。有效风险治理维持基金健康。
6.3.2 Impact on system stability and viability
FWA造成严重威胁,财务损失直接危及系统可持续性。Medicare持续欺诈削弱有效性,私人保险欺诈导致组织绩效下降、服务质量和监管关闭。资源滥用破坏财务稳定性,侵蚀患者信任,阻碍全民健康覆盖。腐败与资源稀缺形成恶性循环。
6.3.3 Demographic and social pressures
人口老龄化增加需求,FWA更严重。资源流失引发公平性担忧,降低公众信任,造成社会挑战。
6.4 Publication trends
2016-2025年间FWA研究稳步增长,2020年和2025年产出最高(各5篇),2021-2025年占53%。引用趋势显示2020年最多(211次),2016年132次,累计引用从132增至568。国家分布不均,美国16篇,中国6篇,沙特3篇,巴基斯坦和阿联酋各2篇,孟加拉国、德国、加纳、印度、伊朗各1篇。高收入国家主导,中低收入国家证据有限。
6.5 Limitations
局限性包括:可能遗漏未发表和灰色文献;仅限英文,可能排除非英语研究;研究异质性限制比较和元分析;未进行方法学质量评估;证据集中于高收入国家,通用性受限;技术快速发展,后续变化未反映。
7 Conclusion
FWA仍是全球健康保险系统重大挑战,导致巨大财务损失、资源分配低效、基金偿付能力下降和长期可持续性威胁。有效控制需多学科方法,结合立法执行、监管监督、机构治理和先进分析技术。AI、ML、区块链和自动化审计提供机遇,但证据多来自实验研究,需解决互操作性、可扩展性、伦理治理、隐私和实施成本等问题。未来研究应优先在低收入和中等收入国家进行前瞻性实施研究。FWA不仅是财务问题,更是治理和可持续性挑战,影响系统绩效。政策制定者应采取综合策略,结合监管、问责、创新和持续监控,强化医疗资源保障和系统韧性。