PHÂN TÍCH XU HƯỚNG SỬ DỤNG BẢO HIỂM Y TẾ VÀ HÀM Ý QUẢN TRỊ TỪ DỮ LIỆU MỘT BỆNH VIỆN TƯ NHÂN TẠI BÌNH DƯƠNG
Nội dung chính của bài viết
Tóm tắt
Mục tiêu: Phân tích xu hướng sử dụng bảo hiểm y tế (BHYT) và đánh giá một số hàm ý quản trị tại một bệnh viện tư nhân trong bối cảnh thay đổi cơ chế thanh toán y tế.
Phương pháp nghiên cứu: Nghiên cứu hỗn hợp đồng thời được thực hiện trên 173.280 hồ sơ bệnh án điện tử của người bệnh BHYT tại Bệnh viện Hoàn Hảo Thuận An giai đoạn 2022–2024 kết hợp với 40 phỏng vấn sâu. Phân tích định lượng gồm hồi quy Logistic đa biến, mô hình ARIMA, Random Forest theo khuyến cáo TRIPOD+AI và hồi quy chuỗi thời gian gián đoạn (Interrupted Time Series – ITS).
Kết quả: Số lượt khám chữa bệnh BHYT tăng 21,0% trong giai đoạn nghiên cứu, trong đó khám ngoại trú chiếm trên 96% tổng số lượt khám. Người bệnh thuộc nhóm 62 bệnh hiểm nghèo có nguy cơ chuyển tuyến cao hơn đáng kể (OR = 5,40; p < 0,0001). Thiếu hệ thống MRI/MSCT liên quan đến nguy cơ chuyển tuyến tăng (OR = 2,64; p < 0,001). Mô hình ARIMA(1,1,1) dự báo số lượt khám BHYT tiếp tục tăng 8,5–11,2% mỗi năm trong giai đoạn 2025–2027. Mô hình random forest đạt ROC-AUC = 0,885; sai sót mã hóa ICD-10 là yếu tố đóng góp lớn nhất vào nguy cơ xuất toán BHYT. Phân tích ITS ghi nhận thời gian nằm viện trung bình giảm từ 5,80 xuống 4,45 ngày sau khi áp dụng cơ chế DRG (p < 0,001).
Kết luận: Gia tăng sử dụng dịch vụ BHYT và thay đổi cơ chế thanh toán y tế đặt ra yêu cầu tăng cường quản trị dữ liệu và năng lực vận hành tại các cơ sở y tế tư nhân. Chuẩn hóa ICD-10, nâng cấp hạ tầng công nghệ thông tin và ứng dụng phân tích dữ liệu có thể góp phần nâng cao hiệu quả quản trị BHYT và thích ứng với cơ chế thanh toán mới.
Từ khóa
Bảo hiểm y tế, bệnh viện tư nhân, DRG, ICD-10, học máy, quản trị y tế
Chi tiết bài viết
Tài liệu tham khảo
2. Collins GS, Moons KGM, Dhiman P, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ. 2024;385:e078378. doi:10.1136/bmj-2023-078378.
3. Ekman B, Liem NT, Duc HA, Axelson H. Health insurance reform in Vietnam: a review of recent developments and future challenges. Health Policy Plan. 2008;23(4):252-263. doi:10.1093/heapol/czn009.
4. Huang X, Zhu J, Zhang J. Impacts of DRG point-based payment system on healthcare resource utilization and provider behavior: a pilot quasi-experimental study in China. Front Public Health. 2025;13:1678259. doi:10.3389/fpubh.2025.1678259.
5. Jha S, Yang E, Almagrabi A, et al. Comparative analysis of time series model and machine learning systems for forecasting. Neural Comput Appl. 2020;33:14179-14196.
6. Ljung GM, Box GEP. On a measure of lack of fit in time series models. Biometrika. 1978;65(2):297-303.
7. Matsushima M, Yamada H. Public Health Insurance in Vietnam towards Universal Coverage. 2014.
8. Zhang H, Fu X, Wu Y, Tang Y, Jin H, Xie B. The impact of DRG-based payment reform on inpatient healthcare utilization: evidence from a natural experiment in China. Healthcare (Basel). 2025;13(19):2424. doi:10.3390/healthcare13192424.