DRG支付下医疗机构病组定价博弈研究

Game Analysis of Disease Group Pricing in Medical Institutions under DRG Payment

闻烈

上海交通大学医学院附属仁济医院，上海 200127

[摘要]目的：基于博弈理论分析DRG支付制度下医疗机构的病组定价策略，为医疗机构病组定价提供参考。方法：采用博弈理论，在两阶段博弈的情景下，比较医疗机构不同定价行为产生的收益，得到不同条件下的最佳策略。结果：若无监管干预，持续降价将是医疗机构的最优策略；若监管及时干预，则维持盈亏平衡价格策略更优。结论：医疗机构应在优化病组费用的前提下提供合理的诊疗服务，管理部门须加强监管以维持医疗服务市场的良性竞争。

[关键词]DRG；医院管理；博弈论；定价策略；监管机制

[Abstract] Objective:To analyze the DRG pricing strategies of medical institutions based on game theory, providing references for disease group pricing. Methods: By employing game theory in a two-stage game scenario, this study compared the payoffs of different pricing behaviors and derived optimal strategies. Results: Without regulatory intervention, continuous price reduction was the optimal strategy; with timely regulatory intervention, maintaining break-even pricing was more advantageous. Conclusion: Medical institutions should provide reasonable services while optimizing disease group costs, and management departments must strengthen supervision to maintain healthy competition.

[Key words]DRG; Hospital management; Game theory; Pricing strategy; Regulatory mechanism

1 引言

我国已基本建立以按病种付费为主的多元复合式医保支付制度[1]。2025年1月，国家医保局印发《按病种付费医疗保障经办管理规程（2025版）》，同年8月印发《医疗保障按病种付费管理暂行办法》，进一步完善了按病种付费的管理机制[2]。截至2025年底，按病种付费2.0版分组方案在所有统筹地区落地实施，全国层面基本实现短期住院病例95%以上按病种付费，住院统筹基金按病种付费覆盖80%以上[3]，所有统筹地区均建立了特例单议、预付金、意见收集反馈、谈判协商、数据工作组五项配套机制，95%以上的统筹地区完成了一年两次的数据发布任务，全国所有省份已经启动省内异地就医按病种付费[3]。

对于医保定点医疗机构而言，必须深入思考如何在按病种付费等新支付政策下推进自身改革、调整运营管理策略，以谋求长期发展。目前，按病种付费下医疗机构运营管理策略的相关研究聚焦在患者费用与成本管理[4]、绩效管理[5]、临床路径[6]等内部管理措施，以及DRG 2.0版分组方案下医疗机构的应对策略[7]，但鲜有从博弈论视角关注医疗机构之间在病组定价方面的外部竞争行为。

博弈论是分析存在相互依赖情况下理性人如何决策的理论工具[8]。近年来，博弈论在DRG支付领域的应用逐渐深入，方金鸣等[9]基于博弈理论和实证分析研究了DRG点数法下医疗机构服务量的博弈行为；陈坤鱼等[10]运用博弈方法对比分析了按项目付费和DRG付费下中医医疗机构的诊疗行为策略选择；牛浩然等[11]采用演化博弈模型分析了DRG背景下医生的高编码行为。这些研究为理解DRG支付下医疗机构的策略互动提供了重要参考。

在DRG浮动点数法下，通过博弈模型计算发现，医疗机构每增加一个点数会降低点数的平均价值，每家机构只能不断增加服务量来获得点数，最终产生过度医疗[9]。在固定费率法下，医疗机构提供DRG病组的价格是博弈的关键。本研究通过构建两阶段博弈模型，分析不同监管情境下医疗机构的病组定价策略选择，并结合DRG 2.0版政策背景和智能监管新趋势，为医疗机构通过合理定价获得竞争优势提供理论参考。

2 对象与方法

以一个统筹区域内执行DRG支付的所有医疗机构的病组定价行为为对象，对不同定价策略下医疗机构产生的财务收益进行比较。采用博弈理论中的二阶段博弈分析方法，构建双寡头博弈模型，求解得到模型的均衡值。

本研究结合2024年以来DRG 2.0版分组方案和智能监管机制的最新政策背景，在经典博弈模型基础上引入监管强度参数，分析不同监管条件下医疗机构的最优定价策略。模型采用固定费率法和区域总额预算制假设，与当前全国多数统筹地区的DRG实施方案保持一致。

3 结果与分析

3.1 理论分析

根据CHS-DRG基础权重的计算公式[12]，某DRG权重等于该DRG中病例的例均费用除以所有病例的例均费用。2024年发布的DRG 2.0版分组方案对权重计算进行了优化，利用大数据人工智能遗传算法建立多目标分析模型，综合考虑并发症或合并症的严重程度、分组效能、病例数、资源消耗等因素[7]，使权重计算更加科学合理。

由此可知，某病种权重由提供该病种诊疗服务的各家医疗机构共同决定，进而影响病组的结算标准。同时，目前权重计算采用历史数据法，即采用前3年住院病例的历史费用或成本数据加权[12]，权重值存在跨时间周期的影响，因而医疗机构的病组定价面临动态博弈。

结合经济学理论，当一个区域内的某个病组治疗服务仅有一家医疗机构提供，即该机构处于垄断地位，则DRG权重直接由该机构决定，不存在博弈；同理，若某病组的治疗服务处于完全竞争模式，任意一家医疗机构都无法通过自身的定价行为来影响病种权重，则亦不存在博弈。因而定价博弈只存在于寡头竞争格局，为简化研究，本文的博弈分析均基于双寡头假设。

3.2 模型假设

3.2.1 基本假设

假设S省从Y年起执行DRG结算，采用固定费率法以及区域总额预算制，即根据区域的预算总额确定各病组的支付标准，并在年初向社会公布。S省参保人数稳定，相邻年份的区域总预算金额相近。

S省有A、B两家同级别医疗机构纳入DRG支付，长期以来A、B均提供病组x的治疗服务，次均费用和服务水平都相近，患者就诊选择时无差别。假设两家医疗机构均希望在DRG支付下能够最大化自己的财务盈余，则需要最大化「次均收益×人次」。考虑到短期内较难提高服务人次，因此假设医院首先考虑优化次均费用。

假设在原医保支付模式下，两家医院的次均费用已达到各自的盈亏平衡点，若医院希望降低次均费用（简称为降价）则只能减少必要治疗成本，导致医疗质量下降，进而导致患者流向另一家医疗机构，监管部门也可能对其进行处罚。两家医疗机构的博弈是长期的，本文以二阶段博弈来展现博弈过程及结果。

综上，本博弈模型的三要素为：（1）参与人：A、B两家医疗机构；（2）策略集：在第一阶段选择降价，在第二阶段选择调回或不调回；若在第一阶段选择不降价，第二阶段选择不降价或降价；（3）收益：DRG支付下医疗机构x病种的总盈余。

3.2.2 模型参数及假设

Pi：初始阶段i医院治疗x病组的平均费用（简称为价格），i∈(A,B)（下同），1/2 ≤ PA/PB ≤ 2；

ΔPi：i医院一次可下调的费用额，0<ΔPi<Pi，令ΔPi/Pi=p<1/2；

Qi：初始阶段i医院治疗x病组的服务人次（简称为人次），1/2 ≤ QA/QB ≤ 2；

ΔQi：i医院因缩减费用而流失的患者人次，0<ΔQi<Qi，且ΔQi/Qi与ΔP/Pi正相关，令ΔQi/Qi=mΔPi/Pi=mp，m>0，mp<1，m表示患者对价格下降引起的质量下降的敏感程度（简称敏感度）；

Q：初始阶段S省x病组的总服务人次，短期内不变，Q=QA+QB；

R：初始阶段x病组的医保支付标准，R=(PA·QA+PB·QB)/(QA+QB)；

ΔRi：当i医院的价格在某一阶段下调了ΔPi时，医保支付标准在下一阶段下调的金额；

ΔRAB：当A和B两方在某一阶段同时下调时，医保支付标准在下一阶段下调的金额；

Sj：A或B选择不同策略获得的二阶段综合收益，j∈(1,2,…,8)。

3.3 博弈分析

3.3.1 第一阶段

双方可选择维持初始价格，即Pi；或下调ΔPi，即Pi-ΔPi。此阶段当i医院选择降价时，患者尚不知晓服务质量下降，因而人次不变。

表1 第一阶段A、B的收益

	B
	不降价	降价
A 不降价	A:(R-PA)QA  B:(R-PB)QB	A:(R-PA)QA  B:(R-PB+ΔPB)QB
A 降价	A:(R-PA+ΔPA)QA  B:(R-PB)QB	A:(R-PA+ΔPA)QA  B:(R-PB+ΔPB)QB

已知ΔPi>0，则(R-Pi+ΔPi)Qi>(R-Pi)Qi，所以对i医院而言降价是更优的选择。因而两家医院会达成「降价、降价」均衡。（如果政策只执行一个阶段，则博弈结束。）

3.3.2 第二阶段

因为上一阶段可能有一方或双方降价，导致R以及Qi可能减少。同时，第一阶段降价的医院因为质量下降而在第二阶段损失ΔQi的患者，且可能面临监管部门的处罚而须将价格调回（暂不考虑额外支付的罚金）。则第二阶段两家医院的价格可能为Pi或Pi-ΔPi。

将第一阶段与第二阶段的收益相加，可得二阶段综合收益，记为Sj。A、B策略对称，本文以A为例进行不同策略下的收益分析，B的结论与A相同。通过计算可知，B在第二阶段的价格选择不影响A的收益，所以只分析B第一阶段的选择对A的影响即可。

3.3.3 收益计算

当B选择第一阶段不降价时（无论第二阶段降价或不降价），A的策略和收益表达为：

策略1「不降价，不降价」：S1=(R-PA)QA+(R-PA)QA

策略2「不降价，降价」：S2=(R-PA+ΔPA)QA+(R-PA)QA

策略3「降价，调回」：S3=(R-ΔRA-PA)(QA-ΔQA)+(R-PA+ΔPA)QA

策略4「降价，不调回」：S4=(R-ΔRA-PA+ΔPA)(QA-ΔQA)+(R-PA+ΔPA)QA

当B选择第一阶段降价时（无论第二阶段调回或不调回），A的策略和收益表达为：

策略5「不降价，不降价」：S5=(R-ΔRB-PA)(QA+ΔQB)+(R-PA)QA

策略6「不降价，降价」：S6=(R-ΔRB-PA+ΔPA)(QA+ΔQB)+(R-PA)QA

策略7「降价，调回」：S7=(R-ΔRAB-PA)(QA-ΔQA+ΔQB)+(R-PA+ΔPA)QA

策略8「降价，不调回」：S8=(R-ΔRAB-PA+ΔPA)(QA-ΔQA+ΔQB)+(R-PA+ΔPA)QA

计算可得：S2>S1，S4>S3，S6>S5，S8>S7，其余收益项需根据参数取值判断。

当PA=PB，QA=QB时，S4>S2>S3>S1，S8>S6>S7>S5，则「降价，不调回」是A的最优策略。由A、B的对称性可知，A、B都会选择「降价，不调回」，则博弈的最优解为双方都选择在第一轮降价，在第二轮不调回价格。

当PA=PB，QA≠QB时，情况与PA=PB，QA=QB时相同，即价格一致时，服务量规模不影响策略的优劣。

当PA≠PB，QA=QB时，需要分为PA<PB和PA>PB两种情况讨论。当PA<PB，取PA=10000（元），PB=15000（元），QA=QB=2000（人次）为例计算，可得在m较小时，策略4（策略8）最优，在m较大时，策略2（策略6）最优。当PA>PB，如果不考虑监管，策略4（策略8）最佳；如果考虑监管干预，需比较策略2（策略6）与策略3（策略7）的收益大小。以PA=15000（元），PB=10000（元），QA=QB=2000（人次）为例计算，可得当m较小时策略2更优，其余情况策略3更优；m较大且p较小时，策略7优于策略6，其余情况则策略6更优。

3.4 博弈结果

（1）如果监管部门不能及时发现医疗机构服务质量下降或发现后未进行干预、处罚：

① 当A、B的初始价格相同时，无论对方在两个阶段如何选择，A和B的最优策略均为「降价，不调回」；

② 当A的初始价格低于B，且患者敏感度较低，A的最优为「降价，不调回」；否则「不降价，降价」可能是最优策略，具体情况需要结合降价幅度以及初始价格比来判断；

③ 当A的初始价格高于B，A的最优策略均为「降价，不调回」。

（2）如果监管部门会及时发现医疗机构服务质量下降且进行价格干预：

① 当A、B初始价格相同时，无论对方在两个阶段如何选择，A和B的最优策略均为「不降价，降价」。以此类推，如果考虑政策的长期执行及严格监管，A的降价导致的质量下降总会受到干预，则最佳策略是保持不降价，但在政策终止前最后一期降价；

② 如果A的初始价格低于B，「不降价，降价」为最优策略；

③ 当A的初始价格高于B，需要结合患者敏感度、降价幅度及初始价格来判断A的最优策略为「不降价，降价」或「降价，调回」。

4 讨论

4.1 初始费用的合理性

在DRG执行之初，各级各类医疗机构都存在一定程度的费用虚高、不合理收费的情况。2024年DRG 2.0版分组方案的发布，通过优化分组结构和完善配套机制，为医疗机构规范收费行为提供了更科学的依据[7]。如果医疗机构主动将不合理的费用去除、或通过流程优化等方式节省费用而不影响治疗效果，那么这种「降价」无疑是必选项。因为这种降价不会在其后的阶段造成患者流失以及监管的处罚，甚至会吸引更多患者就诊。

本文假设的是两家医院在初始阶段的费用已经达到各自的盈亏平衡（经过一段时间优化后达到盈亏平衡同理），此时再「降价」就会导致医疗质量下降。这一假设与2025年医保支付方式改革蓝皮书指出的改革挑战相契合——即医疗费用增长与支付方式管理之间存在矛盾，需要医疗机构在控费与保质之间寻找平衡。

4.2 弹性m与降价幅度p是重要变量

m是患者端带来的影响因素。考虑到医疗服务行业的信息不对称，且个体治疗的过程和结果原本就存在差异，患者就诊前很难准确判断一家医疗机构提供的服务是否货真价实。接受治疗后，若患者对服务不满意，其行为变化至少在下一个阶段才发生，而变化强度又受病组性质的影响。

对于危重疾病，例如器官移植、抢救等，患者对质量的要求很高，即对质量波动很敏感，如果某家医疗机构降低了服务质量，会引发大量的患者流失；对于普通疾病则患者对质量波动的敏感度较低，流动性也更小。DRG 2.0版分组方案特别对重症医学、血液免疫、肿瘤等13个学科进行了优化完善[7]，这意味着对于重症病组，患者敏感度m值较高，医疗机构更应谨慎对待降价策略。

p是医疗机构自身行为因素，反映面对竞争时医疗机构主观意愿。p的效应是持续的，在某一时期降低p的价格，当期即可获得更多的结算差价，但同时又引发后续结算差价的缩小。

4.3 DRG 2.0版与智能监管对博弈均衡的影响

2024年以来，DRG支付改革的监管机制发生了显著变化，这对本文的博弈均衡分析具有重要影响。

首先，DRG 2.0版建立了五大配套管理机制：特例单议机制、基金预付机制、谈判协商机制、意见收集反馈机制和数据公开机制[7]。其中，特例单议机制允许医疗机构对因住院时间长、医疗费用高、新药耗新技术使用、复杂危重症等不适合按DRG标准支付的病例自主申报特例单议，申报数量原则上为DRG出院总病例的5%[7]。这一机制在一定程度上改变了博弈的收益结构——医疗机构对于特殊病例不再单纯依赖降价策略，而可以通过正规渠道获得合理补偿。

其次，智能审核技术的全面应用正在改变监管的有效性。2026年，国家医保局依托全国统一的医保信息平台，全面启用了升级版的「反欺诈数据监测专区」。监管逻辑已实现从「事后追回」向「事前拦截」的根本性跨越[13]。

在智能监管环境下，本文博弈模型的关键参数——监管发现概率和干预时效性——将显著提升。这将使得博弈均衡从「降价，不调回」向「维持盈亏平衡」或「不降价，最后一期降价」方向移动。对于医疗机构而言，存在侥幸心理采取消极策略的空间被大大压缩。

4.4 模型拓展建议

基于上述分析，本文提出以下模型拓展方向：（1）将监管强度量化为连续变量ρ（0≤ρ≤1），构建监管强度与博弈均衡的函数关系，分析不同监管强度下的策略选择边界；（2）将二阶段博弈拓展为多阶段重复博弈，引入贴现因子，分析长期博弈中医疗机构的合作可能性；（3）引入医疗机构异质性，考虑三级医院与二级医院在成本结构、患者吸引力、监管敏感度等方面的差异，构建非对称双寡头博弈模型；（4）结合DRG 2.0版的特例单议机制，在收益函数中增加例外补偿项，分析该机制对降价策略的缓冲作用。

4.5 定价决策流程建议

首先，医疗机构需要判断所关注的病种处于何种竞争格局。当属于寡头时，该病种当前的价格是否高于支付标准，也代表了与对手机构相比是否有价格优势，以及业务量（人次数）是否占优。

其次，需要预判如果医疗机构采取降价行为，是否会出现被监管处罚进而整改回复原价的情况。虽然现实中各地各级管理部门的监管强度不一，滞后性依然存在，但总体趋势是监管政策愈发严格，监管也不断精细化、智能化。2025年医保飞检已从「运动式抽查」转向「常态化严管」，技术穿透式监管成为常态[14]。因此，医疗机构最好假定监管的必然性，不要存在侥幸心理。

最后，还需要重点关注患者敏感度高的病组，加强对此类病组的质量管控，避免患者流失。DRG 2.0版分组方案对重症医学等学科进行了重点优化[7]，医疗机构应充分利用特例单议机制，对于复杂危重症病例及时申报，确保医疗质量不受影响。

参考文献

[1] 国家医疗保障局办公室. 关于印发《按病种付费医疗保障经办管理规程（2025版）》的通知[EB/OL]. (2025-01-27)[2026-05-22]. https://www.nhsa.gov.cn/art/2025/1/27/art_104_15589.html.

[2] 国家医疗保障局. 关于印发《医疗保障按病种付费管理暂行办法》的通知[EB/OL]. (2025-08-15)[2026-05-22]. https://www.nhsa.gov.cn/.

[3] 国家医疗保障局. 2025年医疗保障事业发展统计快报[EB/OL]. (2025-03-21)[2026-05-22]. https://www.gov.cn/lianbo/202603/content_7062793.htm.

[4] 周传坤, 刘青青, 杨川, 等. 基于DRG的某医院患者费用分析及医用耗材成本管控策略探讨[J]. 中国医院管理, 2021, 41(2): 55-58.

[5] 侯明, 肖万超, 刘静, 等. DRG支付改革背景下医院面临的挑战及绩效管理应对策略[J]. 江苏卫生事业管理, 2021, 32(11): 1410-1415.

[6] 贺哲, 张杰, 翁雨雄, 等. DRG支付方式改革下大型公立医院临床路径实施策略分析[J]. 中国医院管理, 2024, 44(4): 70-73.

[7] 张国杰, 周炯, 谭旭彤, 等. CHS-DRG分组方案重磅升级，医疗机构该如何应对[J]. 协和医学杂志, 2024, 15(5): 999-1005.

[8] 张维迎. 博弈与社会[M]. 北京: 北京大学出版社, 2013.

[9] 方金鸣, 陶红兵. DRG点数法下医疗机构服务量的博弈研究: 基于博弈理论和实证分析[J]. 卫生软科学, 2023, 37(5): 5-8.

[10] 陈坤鱼, 陶群山, 丁自立. 博弈视角下不同医保支付方式对中医院诊疗行为的影响[J]. 南京中医药大学学报(社会科学版), 2024(4): 231-237.

[11] 牛浩然, 张美成, 姜峰, 等. DRG背景下医生高编码行为的演化博弈分析[J]. 中国卫生经济, 2023, 42(2): 37-40, 52.

[12] 国家医疗保障局办公室. 关于印发疾病诊断相关分组（DRG）付费国家试点技术规范和分组方案的通知: 医保办发〔2019〕36号[EB/OL]. (2019-10-24)[2026-05-22]. https://www.nhsa.gov.cn/art/2019/10/24/art_53_1879.html.

[13] OpenAxo. 2026中国医保改革深度分析: DRG/DIP 2.0落地与AI全链路赋能[EB/OL]. (2026-01-29)[2026-05-22]. https://weibo.com/ttarticle/p/show?id=2309405260371341738351.

[14] 国家医疗保障局. 医疗保障基金使用监督管理条例[Z]. 2021.

...