《Health Affairs Scholar》：Streamlining oversight in Medicare advantage: measuring coding intensity via contract rankings
编辑推荐：
引言：Medicare Advantage（MA，医疗保险优势计划）中的风险调整支付（risk-adjusted payments）会激励保险公司最大化报告诊断，导致高编码强度（coding intensity），这是Medicare超额支付的主要来源。然而，
引言：Medicare Advantage（MA，医疗保险优势计划）中的风险调整支付（risk-adjusted payments）会激励保险公司最大化报告诊断，导致高编码强度（coding intensity），这是Medicare超额支付的主要来源。然而，将合理的编码强度与误报区分开具有挑战性：一些方法可能把由额外诊断带来的编码强度，与临床实践或受益人健康差异导致的编码强度混为一谈，另一些方法则假设了特定的过度报告机制。方法：研究人员提出一种数据驱动方法，通过对地理共位（geographically co-located）合同之间、基于从传统Medicare（Traditional Medicare，TM）转入MA的切换者（switchers）的调整后诊断率进行比较，对MA合同按编码强度排序。该方法应用于2019年MA索赔的20%样本。结果：健康维护组织（Health Maintenance Organization，HMO）主导的合同往往比优选提供方选项（Preferred Provider Option，PPO）主导的合同排名更高，与既往发现一致。此外，排名靠前的合同相比排名较低的合同，更少地为受益人提供与其诊断相关的操作和处方，支持了排序的有效性。模拟研究表明，在平均诊断率较低（10%）且各合同间差异较大时，即便是不完美的排序，也能比随机审计更快地追回超额支付。结论：随着MA扩大审计策略，MA参保人数持续增长。所提方法可在编码强度驱动机制不断演变的情况下，支持针对特定付款方（payer-specific）的审计。
论文解读：《Health Affairs Scholar》发表的研究聚焦Medicare Advantage（MA，医疗保险优势计划）中风险调整支付（risk-adjusted payments）引发的高编码强度（coding intensity）与超额支付监管难题。背景方面，CMS按Hierarchical Condition Categories（HCCs，层级病情分类）向MA合同支付人均风险调整费用，高编码强度估计每年造成约400亿美元超额支付。现有Risk Adjustment Data Validation（RADV，风险调整数据验证）审计难以在合同层面区分合理编码、地区医疗实践差异与受益人健康差异，且既往方法多依赖传统Medicare（TM）基准或假设特定博弈机制，面对 insurer 策略变化易失效。因此，研究人员开展一项不预设编码强度机制、利用TM转MA切换者与前一年风险评分进行同市场比较的合同级排序研究，用以支持审计优先级设定。
主要关键技术方法：研究人员使用2018年TM转入2019年MA的20%抽样人群，限定连续老龄、非双重资格、非终末期肾病社区受益人，并要求2018全年TM、2019全年同一合同、未跨州、无 hospice 索赔，并剔除仅单合同县。以V22 CMS-HCC模型提取诊断，按前一年风险十分位数分层，做市场内诊断率调整与向市场均值收缩，再用加权Bradley–Terry模型聚合跨市场的合同配对比较，得到全国合同编码强度排序；经1000次bootstrap估计中位数与IQR；并以诊断对应治疗/处方率做外部效度检验，辅以c-index噪声模拟评估审计回收效率。
研究结果
Study cohort：经排除后纳入128 455名切换者、427个MA合同、1894个市场；显示切换者与留存者差异小但显著，证明switchers可用于控制入MA前编码基线。
Data extraction：基于V22 HCC与2019合格CPT码抽取住院、门诊及carrier索赔，并用Part D事件做治疗验证。
Statistical analysis：将受益人按2018 TM前一年CMS-HCC风险十分位、年龄、性别分层，在相同“市场”（提供相同合同组合的县集）内比较，筛选患病率≥0.5%的45个HCC，降低稀疏诊断干扰。
Estimating rankings：市场内先调正风险结构，再以配对matchup权重（诊断率差、市场规模、HCC支付系数）拟合Bradley–Terry模型，输出可跨市场比较的单一编码强度参数；bootstrap显示排序具稳定性，V28 HCC敏感性分析显示其不确定性更宽。
Evaluating rankings：与未调整/全国单市场调整排序的Kendall tau分别为0.191与0.249，说明新方法提供增量信息；随机置换后排名IQR显著变宽，证明信号非噪声。以糖尿病并发症、精神病、心律失常/血管病、COPD、帕金森病对应治疗率验证，排名越高合同的相关治疗率越低，支持“高编码≠高诊疗”的效度。
Simulation studies：在平均诊断率0.1、方差0.06时，c-index 0.65–0.70的排序在10%审计率下可回收83.6%误报，随机审计仅10%；高诊断率低方差情形下收益下降，但仍优于随机。
讨论部分总结：研究人员指出该方法不依赖TM锚定、不假设具体编码博弈机制，通过同市场比较与自然风险基线实现合同级优先级；HMO主导合同更高编码强度、高排名合同治疗率更低等结果均与文献一致。局限包括切换者代表性、未观察选择偏倚、不衡量总误报量、未直接按参保规模加权。政策上，该方法适合作为“先审高分且不确定性低、超某参保阈值合同”的审计漏斗，而非认定违规证据。
结论翻译：随着CMS持续扩大MA审计，按编码强度优先排序合同的方法愈发关键。本研究提出的数据驱动MA合同编码强度排序方法，即使在排序存在一定误差时，也有潜力大幅加快超额支付追回。该方法无需锚定TM支出、也无需知晓潜在编码强度机制，即可独立复现“诊断对应治疗缺口”这一既有信号。结果可为CMS审计优先级策略提供依据，简化现有监管流程，并对MAO（Medicare Advantage组织）编码行为变化保持稳健。
