“随着卫生信息化的发展，我们的数据量会越来越大。目前数据量已经足够，但是关键的问题是数据该怎么用，我们最缺少的是对数据的认知方法。”在12月2日财新峰会健康点医疗专场上，海市决策委员会委员、上海市医改办副主任许速分享了他关于上海新医改的经验，他认为，数据越大，医改问题就越聚焦，从分级诊疗到医院日间手术室，再到药品两票制、带量采购，都表明医改中的措施越来越具体。进入大数据时代，医改必须精准化。
社区与医院建立两个标准
上海新医改的最核心的部分是建立了两个标准：一个是基于社区卫生服务中心的标化工作量；一个就是基于公立医院改革、公立医院发展的病种指数。
许速表示，这些标准在不同层面被不同地利用，在市级层面主要做评价、政策和导向；在区层面，不仅是做评价，还要做基于评价的包括资源配置在内的政策联动；在医院层面，要建立现代化医院管理制度。标化工作量指标主要包括质量指标和标化工作量内涵指标。根据区域特点、年龄结构，基于标化工作量，可以具体到每一个标化工作单价、政府资源配置、家庭医生的薪酬的提取等，形成标准体系下的资源配置机制。
在社区，基于服务项目、人口结构，可以算出标化工作总量，形成可分配总量。指标细化财政补偿、可分配资金、家庭医生的可分配资金单价，形成政府的拨付机制、机构的评价机制以及绩效分配机制和政府的监管。
对于医改中最难撬动的公立医院部分，更需要设立标准。过往往是按照医院的规模，床位、出院病人、门诊量等作为评价标准，这种评价一定会导向医院的发展规模越来越大，而不是走内涵发展的道路。许速指出，在这次上海的医改中，将公立医院的产出——病种作为评价标准，因为病种决定了公立医院的定位与功能。通过DGRs的原理、大数据工作方法，把上海2013-2015年700多万出院病人、1000多亿资金建模进行大数据分析，发现大概有6000多个诊断18万个技术的组合。把每个诊断和每个技术组合寻求资源的配置平均数，跟700万、1000亿资金的平均数进行比值比，发现病种越大，技术越复杂，实际上指数越高。基于这种诊断和技术组合，可以算出一个医院的平均指数。比如，目前的门诊以计次单位改为人口技术为单位，把人头和制度的关系、人头和费用的关系、人头和药品使用的关系分析出来，这样就变成了门诊指数。按照这样的指数，就避免了按照人口无限分解次的费用，同时把一年的费用计算出来。
“根据这个情况，我们可以把每一个指数分解清楚，医院的平均指数是多少作为定量数据，同时每一个指数单价是多少，根据变量数据、根据医院能力的提高以及人口市场的病种变化，它可以自己来设计自己的病种。”许速称，政府根据这样的分析，可以进行政府层面的宏观管理，办医主体的微观管理。对于医院来说，就可以做DRGs。
大数据指明医改症结
许速认为，医改的难点在于信息不对称，而通过大数据可以揭开医改的面纱，发现其中的问题。比如基于大数据可以了解医疗费用增高的具体结构。基于大数据可以发现在治疗、服务、检查、药品、耗材等所有费用中，药品、检查、耗材这个三部分的组成是高的，上海三级医院与二级医院相比，二级医院的药品和检查的浪费更厉害。用这样的指数标准可以来衡量不同的医院和标准之间的偏离度，上海最大的偏离度达到30%、40%以上。
“同样一个病种在不同的医院，用同样的技术，费用为什么可以不一样？这就是控费的问题。”许速还表示，商业保险进入医院是必须的。商业保险对于医疗、医院的费用控制风险并不是替代医保，实际上医保是管理端，而服务端有广阔的空间和前景。
大数据可以分析每一个医院、不同层级的医院在每一个结构和结构之间的标准差异，从而建立预估模型，根据总指数、总的发病数和业务需求，算出上海总体的医疗费用，每一个医院的医疗费用，以及费用的结构。