CHƯƠNG 4: SỬ DỤNG MÔ HÌNH RỦI RO NHÓM ƯỚC LƯỢNG CHI PHÍ KHÁM CHỮA BỆNH BẢO HIỂM Y TẾ Ở VIỆT NAM: NGHIÊN CỨU TRƯỜNG HỢP THÀNH PHỐ HỒ CHÍ MINH
4.5. Tính toán các độ đo rủi ro và ứng dụng
4.5.2. Độ đo rủi ro dùng để tính vốn kinh tế
Bảng 4.22 thống kờ cỏc tớnh toỏn về độ đo rủi ro 3JĩY và +Y cho tổng chi phớ KCB BHYT của một số nhóm đối tượng với một số mức α khác nhau. Dựa vào các độ đo rủi ro này có thể đưa ra các mức vốn tối thiểu yêu cầu phải có để đảm bảo chi trả cho những tổn thất bất thường có thể xảy ra trong năm theo công thức:
3JĩY() − +();
hoặc
+Y() − +()
Ví dụ, với độ tin cậy 95%, mức vốn tối thiểu yêu cầu Quy BHYT Thành phố Hồ Chí Minh cần có để đảm bảo chi trả cho những tổn thất bất thường trong năm 2017 là 1.686.984 triệu đồng nếu độ đo rủi ro là 3Jĩ.ò và là 2.903.511 triệu đồng nếu độ đo rủi ro là +.ò.
Bảng 4.22. Một số độ đo rủi ro cho chi phí KCB BHYT theo đầu người Đơn vị: Triệu đồng
Nhúm đối tượng 3Jĩ.ò +.ò 3Jĩ. +.
Nhóm bệnh bướu tân sinh 3.972.972 4.429.444 4.571.993 5.390.502 Nhóm người cao tuổi 3.456.452 3.898.717 4.005.639 5.005.971 Nhóm KCB nội trú 9.880.500 11.665.274 12.001.574 16.142.820 Nhóm KCB tuyến TW 7.475.274 9.221.501 9.515.052 13.734.916 Thành phố nói chung 15.570.926 16.787.453 17.456.102 19.184.963 Nguồn: Tự tính toán cho TP. HCM từ dữ liệu mô phỏng được Tương tự phần tính phí và dự phòng, các kết quả tính vốn tối thiểu cũng hoàn toàn có thể mở rộng cho bất kỳ nhóm đối tượng nào được quan tâm. Các lát cắt đối tượng sẽ được thực hiện một cách linh hoạt tùy theo mục đích nghiên cứu.
Kết luận Chương 4
Chương này đã thực hiện tất cả các bước trong việc sử dụng mô hình Toán Kinh tế, cụ thể là mô hình rủi ro nhóm trong ước lượng chi phí KCB do BHYT chi trả, dựa vào dữ liệu KCB BHYT TP. Hồ Chí Minh.
Các đối tượng sử dụng các dịch vụ KCB do BHYT chi trả được chia thành nhiều nhóm theo các yếu tố nhân khẩu (tuổi và giới tính) và phi nhân khẩu (loại KCB, tuyến KCB và nhóm bệnh). Đây là cách chia nhỏ nhất có thể với bộ dữ liệu KCB BHYT. Với cách phân chia này, mỗi đối tượng trong nhóm được coi là đồng nhất trong đối mặt với các rủi ro về bệnh tật và do đó số lượt KCB cũng như chi phí KCB là như nhau, theo nghĩa có cùng phân phối xác suất.
Bắt đầu từ những ước lượng, kiểm định lựa chọn các mô hình phân phối xác suất cho các thành phần trong mô hình rủi ro nhóm (số lượt và chi phí KCB BHYT theo lượt). Sau đó, ước lượng các tham số cho các mô hình phù hợp theo phương pháp tần suất và Bayes dựa vào dữ liệu được cập nhật hàng năm trong giai đoạn 2014-2016. Tiếp theo, với các mô hình và tham số ước lượng được, chi phí KCB BHYT được mô phỏng một cách ngẫu nhiên. Kết quả mô phỏng được cho biết phân phối xác suất thực nghiệm của chi phí KCB BHYT của từng đối tượng trong nhóm. Cuối cũng, kết hợp chi phí KCB BHYT mô phỏng được và dữ liệu dự báo dân số và dữ liệu về tỷ lệ bao phủ BHYT để đưa ra ước lượng cho chi phí KCB BHYT cho cả TP. Hồ Chí Minh trong năm 2017 và từ đó tính toán các tham số phục vụ cho việc ra quyết định.
KẾT LUẬN VÀ KHUYẾN NGHỊ
Kết luận
Với đề tài “Các mô hình toán kinh tế trong ước lượng chi phí khám chữa bệnh do Bảo hiểm y tế chi trả ở Việt Nam”, Luận án đã thực hiện được các mục tiêu nghiên cứu đặt ra. Luận án đã đạt được tất cả các mục tiêu nghiên cứu được đặt ra từ ban đầu, đó là:
Thứ nhất, Luận án đã tập trung tổng quan các mô hình toán kinh tế đã được sử dụng trong ước lượng chi phí KCB trên thế giới cũng như ở Việt Nam. Từ đó, Luận án lựa chọn kết hợp mô hình rủi ro nhóm với phương pháp ước lượng Bayes và mô phỏng ngẫu nhiên để sử dụng trong nghiên cứu của mình.
Thứ hai, Luận án tìm được một lớp các mô hình toán kinh tế phù hợp để ước lượng chi phí KCB do BHYT chi trả bằng cách sử dụng bộ dữ liệu ở Việt Nam giai đoạn 2014 – 2016. Sau khi kiểm định sự phù hợp của các phân phối xác suất của số lượt KCB BHYT và chi phí KCB BHYT theo lượt với dữ liệu, Luận án lựa chọn phân phối Poisson – Gamma cho số lượt KCB BHYT và phân phối Lognormal – Normal cho chi phí KCB BHYT theo lượt.
Thứ ba, từ các mô hình phù hợp đã đưa ra được các ước lượng về chi phí KCB do BHYT chi trả cũng như đề xuất một số chính sách liên quan đến định phí và dự phòng cho quỹ BHYT. Với chi phí KCB do BHYT chi trả ước lượng được dưới dạng phân phối xác suất, Luận án đã đưa ra kết quả tính toán cho các tham số liên quan. Giá trị trung bình, độ lệch chuẩn được sử dụng trong việc tính phí bảo hiểm mà mỗi cá nhân cần phải đóng, hay BHYT cần phải thu (có thể từ nhiều nguồn khác nhau) để đảm bảo cõn bằng quỹ BHYT. Cỏc tham số khỏc như 3JĩY và +Y được sử dụng để tớnh toỏn các mức vốn tối thiểu sao cho quỹ BHYT luôn sẵn sàng đối mặt với các rủi ro về bệnh tật của toàn xã hội.
Khuyến nghị
Từ kết quả của Luận án, NCS có một số khuyến nghị sau đây:
Thứ nhất, việc áp dụng mô hình toán kinh tế trong ước lượng chi phí cho thấy được sự ưu việt so với các mô hình ước lượng truyền thống (như dự báo theo kịch bản với các tham số được giả định trước). Do đó, chuyển từ cách thức ước lượng truyền thống sang ước lượng bằng mô hình toán kinh tế là hết sức cần thiết nhằm tăng cường
chất lượng dự báo và từ đó đưa ra các khuyến nghị hoặc cảnh báo chính sách phù hợp với từng giai đoạn phát triển cũng như định hướng chính sách trong tương lai.
Thứ hai, dù mô hình có ưu việt như thế nào đi nữa thì việc có được chuỗi dữ liệu thống nhất về định dạng, định nghĩa và đo lường chỉ số cũng như theo thời gian sẽ là yếu tố sống còn đảm bảo chất lượng tính toán và dự báo. Vì thế, tiếp tục triển khai và phát triển cơ sở dữ liệu KCB do BHYT chi trả là yêu cầu cấp thiết với Cơ quan BHXH Việt Nam và các bên liên quan, đặc biệt là các cơ sở y tế.
Thứ ba, các mô hình ước lượng không chỉ cung cấp những thông tin về sự liên quan giữa các tham số trong ước lượng chi phí mà còn cho những cảnh báo quan trọng về các yếu tố có thể tác động tới cân bằng quỹ BHYT cũng như xác định được mức bù (mức đóng góp) tối thiểu để đảm bảo cân bằng quỹ BHYT khi tính tới các yếu tố tác động. Vì vậy, việc xây dựng bộ chỉ số theo dõi và đánh giá (M&E) liên quan tới độ bao phủ, tỷ lệ sử dụng thẻ BHYT trong KCB, cân đối quỹ,... cũng hết sức cần thiết.
Những ưu điểm và hạn chế của Luận án
Với việc sử dụng mô hình theo phương pháp tiếp cận hiện đại, Luận án đạt được một số ưu điểm như sau:
Thứ nhất, phương pháp sử dụng mô hình xác suất có ưu điểm vượt trội so với các phương pháp ước lượng khác. Thay vì chỉ đưa ra các ước lượng cho một số tham số của biến cần nghiên cứu như giá trị kỳ vọng hay giá trị phân vị, kết quả ước lượng theo phương pháp này được cho dưới dạng phân phối xác suất của biến đang nghiên cứu.
Dựa vào phân phối xác suất vừa dựng được, ta có đầy đủ các thông tin về biến cần nghiên cứu, từ đó hoàn toàn có thể tính toán bất kỳ tham số đặc trưng nào của của nó.
Thứ hai, tham số được ước lượng theo phương pháp Bayes. Tham số của phân phối cần ước lượng không phải là một số cố định mà là một biến ngẫu nhiên. Điều này cho phép tính đến sự thay đổi của tham số mỗi khi dữ liệu được cập nhật, giúp cho ước lượng phù hợp hơn.
Thứ ba, phương pháp mô phỏng Monte-Carlo với những thuật toán mô phỏng bằng máy tính cho ra nhiều kết quả của ước lượng với nhiều kịch bản khác nhau về mô hình cũng như về những tham số đầu vào khác. Phương pháp này mô tả được các diễn biến có tính chất ngẫu nhiên trong thực tế mà không cần phải chờ cho sự việc diễn ra, và không tốn nhiều thời gian và công sức. Dựa vào các kết quả mô phỏng này có thể đưa ra các hoạch định về mặt chính sách, giúp phòng ngừa được những rủi ro trong tương lai.
Thứ tư, mô hình rủi ro nhóm giúp phân chia tổng chi phí KCB thành hai thành phần riêng biệt là số lượt là số lượt KCB và chi phí KCB theo lượt. Đây là cách tiếp cận hiện đại trong mô hình hóa các tổn thất. Từ đó, các thay đổi về tổng chi phí sẽ được phân biệt rõ là do thay đổi về mặt quy mô hay là do thay đổi về giá cả dịch vụ.
Thứ năm, việc tách các đối tượng cần nghiên cứu theo các nhóm đặc trưng theo dấu hiệu nhân khẩu và phi nhân khẩu làm cho các đối tượng trong mỗi nhóm có đặc tính khá tương đồng. Từ đó giúp cho việc đánh giá, ước lượng các chi phí một cách chính xác hơn.
Thứ sáu, mô hình rủi ro nhóm rất phù hợp khi thực tế đòi hỏi việc nghiên cứu riêng về một nhóm đối tượng nào đó với mục đích cụ thể. Chẳng hạn như nghiên cứu một nhóm bệnh nào đó để đưa ra những chính sách về riêng những đối tượng thuộc nhóm bệnh đó (thiết kế các sản phẩm bảo hiểm cho những bệnh nan y,...); nghiên cứu các đối tượng ở những nhóm tuổi khác nhau (đưa ra những ước lượng về chi phí KCB cho nhóm trẻ em hay người già để hoạch định các chính sách hỗ trợ của chính phủ cho nhóm đối tượng này); hoặc thiết kế các gói sản phẩm bảo hiểm ở những tuyến KCB khác nhau.
Ngoài những ưu điểm nổi bật được tóm tắt ở trên, luận án còn tồn tại một số hạn chế, cụ thể:
Thứ nhất, dữ liệu luận án sử dụng hạn chế về mặt thời gian, chỉ có 3 năm từ 2014 – 2016, nên kết quả ước lượng được tính cho năm 2017. Kết quả này không còn mang tính cập nhật nữa. Tuy nhiên luận án tập trung chủ yếu vào phương pháp ước lượng.
Điều đó có nghĩa, nếu có dữ liệu cập nhật thì kết quả ước lượng cũng được cập nhật theo.
Thứ hai, do thiếu dữ liệu về mặt thời gian và dữ liệu về các biến giải thích nên luận án chưa sử dụng được các mô hình chuỗi thời gian hay mô hình hồi quy trong ước lượng chi phí KCB do BHYT chi trả. Mặc dù các mô hình này chỉ cho kết quả ước lượng là chi phí KCB BHYT trung bình nhưng nếu thực hiện được cũng cho những kết quả tham chiếu.
Việc thiếu dữ liệu KCB BHYT của cả nước cũng làm một hạn chế không nhỏ về mặt kết quả. Sử dụng dữ liệu KCB BHYT của thành phố HCM đã mô tả được một cách đầy đủ phương pháp mô hình rủi ro nhóm. Tuy nhiên vẫn chưa giải quyết chặt chẽ được vấn đề đa tuyến đến và đi của toàn thành phố, cũng như vấn đề về nơi đăng ký KCB ban đầu. Nếu tính trên dữ liệu cả nước thì những yếu tố này sẽ triệt tiêu và sẽ không còn quan trọng nữa.
Chưa tính đến sự phụ thuộc về số lượt cũng như chi phí KCB giữa các nhóm đối tượng. Cụ thể, cùng một người có thể KCB ở nhiều tuyến KCB khác nhau, hay cùng KCB ở nội trú và ngoại trú cho cùng một loại bệnh, hoặc KCB nhiều lần trong năm với nhiều loại bệnh khác nhau.
Luận án chỉ sử dụng bộ dữ liệu KCB BHYT nên chưa tính toán được chi phí KCB của người dân đối với KCB tự nguyện. Nếu tiếp cận KCB BHYT thuận lợi hơn có thể việc sử dụng thẻ BHYT trong KCB của người dân sẽ tăng lên.
Do nghiên cứu tất cả các nhóm đối tượng nên khối lượng công việc khá lớn và công phu. Việc này hạn chế sự mở rộng nghiên cứu nhiều loại mô hình phân phối xác suất hoặc phối kết hợp các lớp mô hình với nhau. Luận án mới chỉ tập trung xét một số phân phối xác suất phổ biến.
Hướng mở rộng nghiên cứu:
Từ các kết quả nêu trên, NCS dự kiến sẽ mở rộng nghiên cứu theo một số hướng sau đây:
- Nghiên cứu sự phụ thuộc về chi phí KCB giữa các nhóm đối tượng;
- Nghiên cứu trên dữ liệu cả nước;
- Nghiên cứu sâu một số nhóm đối tượng cụ thể;
- Có thể thử thêm nhiều phân phối khác hoặc kết hợp các phân phối với nhau để tìm ra phân phối phù hợp hơn với dữ liện. Phương pháp này có thể thực hiện được, tuy nhiên cần nhiều thời gian. Đối với một nhóm nào đó thì việc tìm ra phân phối thực sự phù hợp là khá công phu. Hơn nữa, chia các đối tượng theo các nhóm càng nhỏ càng tốt vì sẽ loại được các yếu tố không thuần nhất.
- Khi có đủ dữ liệu về mặt thời gian, nghiên cứu có thể áp dụng thêm các mô hình chuỗi thời gian trong ước lượng chi phí KCB do BHYT chi trả.
- Tính đến mức thu BHYT theo mô hình và so sánh với mức thu hiện tại để đưa ra những dự báo về cân đối Quỹ BHYT.
- Xây dựng nghiên cứu liên ngành: Nghiên cứu của Long và cộng sự (2019) cho thấy hoạt động sản xuất của NCT gắn liền với vấn đề sức khỏe và NCT có BHYT thường có tỷ lệ hoạt động sản xuất cao hơn so với NCT không có BHYT. Và vì vậy nghiên cứu các chính sách BHYT nhằm tăng cường sức khỏe và năng lực sản xuất cho một dân số đang già hóa nhanh ở Việt Nam là hết sức cần thiết.
DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN
1. (2019), ‘Productive activities of the older people in Vietnam’, Social Science &
Medicine, Số229, pp. 32-40.
2. (2018), ‘Áp dụng mô hình rủi ro nhóm và phương pháp Bayes trong ước lượng chi phí khám chữa bệnh ở Việt Nam’, Tạp chí Kinh tế & Phát triển, Số 256(II)/tháng 10/2018, tr.70-77.
3. (2017), ‘Prediction models for healthcare cost paid by Vietnamese Social Health Insurance’. Vietnam International Applied Mathematics Conference, Ho Chi Minh City, Dec.2017.
4. (2016), ‘Bảo hiểm y tế trong chăm sóc sức khỏe người cao tuổi ở Việt Nam’, Tạp chí Kinh tế & Phát triển, Số 231 (II), tháng 9/2016, tr.38-48.
(2016), ‘Tham gia BHYT & sử dụng dịch vụ y tế của người cao tuổi ở VN: Nhìn từ các cuộc điều tra hộ gia đình’, Tạp chí Bảo hiểm Xã hội, Số 298 (II), Tháng
5/2016, tr.24-25.