Tổng quan luận án

Luận án tiến sĩ kinh tế 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" được thực hiện bởi nghiên cứu sinh Phạm Thị Hồng Thắm. Nghiên cứu thuộc chuyên ngành Toán kinh tế, tiếp cận theo hướng định lượng ứng dụng trong lĩnh vực tài chính y tế và bảo hiểm xã hội.

Tính cấp thiết và khoảng trống nghiên cứu

Sau hơn 30 năm thực hiện Đổi mới, Việt Nam đã chuyển đổi từ nhóm quốc gia nghèo sang nhóm quốc gia có thu nhập trung bình thấp từ năm 2008. Tốc độ tăng trưởng kinh tế bình quân đạt gần 7% trong giai đoạn 1990 - 2018, đưa thu nhập bình quân đầu người theo giá hiện hành lên khoảng 2.800 USD vào năm 2018 (Tổng cục Thống kê). Cùng với tăng trưởng kinh tế, chi tiêu y tế bình quân đầu người theo giá hiện hành năm 2015 đạt 142,4 USD, tăng 3,9 lần so với năm 2005 và 1,8 lần so với năm 2010 theo Báo cáo Các chỉ số phát triển thế giới (Ngân hàng Thế giới, 2017).

Hệ thống Bảo hiểm y tế (BHYT) được triển khai tại Việt Nam từ năm 1992. Đến hết năm 2018, tỷ lệ bao phủ BHYT đạt khoảng 85% dân số, tương đương gần 78 triệu người. Tỷ lệ chi tiêu tiền túi của hộ gia đình cho y tế giảm từ 68% (năm 2005) xuống 47% (năm 2010) và còn 36,7% (năm 2015). BHYT chi trả trung bình khoảng 80% - 85% tổng chi phí khám chữa bệnh (KCB) nội trú và ngoại trú, đặc biệt đối với người cao tuổi (Long và cộng sự, 2016; Kelly và cộng sự, 2016).

Tuy nhiên, tổng chi phí do quỹ BHYT chi trả ghi nhận mức tăng từ 15% đến 20%/năm, ngay cả khi chưa tính đến các điều chỉnh giá dịch vụ theo Thông tư 37/2015/TT-BYT ngày 29/10/2015 của Bộ Y tế. Nguyên nhân chủ yếu xuất phát từ việc sử dụng và chi tiêu chưa tối ưu cho thuốc và dịch vụ kỹ thuật (Kelly và cộng sự, 2016). Đồng thời, cấu trúc chi trả KCB biến động nhanh do già hóa dân số, mô hình bệnh tật dịch chuyển từ các bệnh lây nhiễm sang bệnh không lây nhiễm và mạn tính, cùng sự phân tầng chi phí giữa các tuyến kỹ thuật (trung ương, tỉnh, huyện, xã).

Khoảng trống nghiên cứu được tác giả xác định: Mặc dù đã có một số công trình phân tích chi phí KCB (Long và cộng sự, 2016; Kelly và cộng sự, 2016) và dự báo chi phí quỹ BHYT (Bảo hiểm xã hội Việt Nam & InWent, 2012; Kelly và cộng sự, 2018), nhưng chưa có nghiên cứu nào tại Việt Nam áp dụng hệ thống mô hình toán kinh tế ngẫu nhiên để ước lượng chi phí KCB có tính đến các thay đổi về cấu trúc chi trả và loại bỏ các yếu tố nhiễu.

Mục tiêu và câu hỏi nghiên cứu

  • Mục tiêu chung: Kiểm định và lựa chọn mô hình toán kinh tế phù hợp để ước lượng chi phí KCB do BHYT chi trả ở Việt Nam, từ đó đưa ra các gợi ý chính sách đối với việc dự phòng quỹ BHYT.
  • Mục tiêu cụ thể được cụ thể hóa qua 3 câu hỏi nghiên cứu:
    1. Để ước lượng chi phí KCB, cho đến nay các nghiên cứu đã sử dụng các mô hình toán kinh tế nào?
    2. Với dữ liệu KCB do BHYT chi trả ở Việt Nam trong giai đoạn 2014 – 2016 thì lớp mô hình toán kinh tế nào là phù hợp để ước lượng chi phí KCB BHYT?
    3. Với các mô hình toán kinh tế phù hợp, việc ước lượng chi phí KCB do BHYT chi trả ở Việt Nam cho kết quả thế nào?

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các mô hình toán kinh tế ước lượng chi phí KCB.
  • Phạm vi không gian: Thành phố Hồ Chí Minh, đơn vị chiếm gần 20% tổng mức chi phí KCB BHYT của cả nước, được lựa chọn làm trường hợp điển hình.
  • Phạm vi thời gian: Giai đoạn 2014 – 2016 đối với dữ liệu thực nghiệm KCB và giai đoạn 2014 – 2049 đối với dữ liệu dự báo dân số.

Tổng quan tài liệu và vị trí của luận án

Luận án tổng hợp các trường phái nghiên cứu lý thuyết và thực nghiệm trên thế giới về bảo hiểm và ước lượng chi phí y tế:

Các hướng nghiên cứu về phân loại mô hình dự báo chi phí KCB

Theo tổng kết từ Astolfi và cộng sự (2012), các mô hình dự báo chi phí KCB trên thế giới được phân thành 3 nhóm chính:

  1. Mô hình mô phỏng vi mô (Micro-simulation models): Lấy cá nhân làm đơn vị phân tích, mô phỏng toàn bộ tiến trình sức khỏe và rủi ro bệnh tật trong vòng đời (Besseling và Shestalova, 2011; Brown và cộng sự, 2009; Fukawa, 2007; O'Hagan và cộng sự, 2007; Spielauer, 2007; Zucchelli và cộng sự, 2010).
  2. Mô hình ở cấp độ vĩ mô (Macro-level models): Sử dụng dữ liệu chuỗi thời gian hoặc dữ liệu mảng để ngoại suy tổng chi phí y tế theo các chỉ số kinh tế vĩ mô như GDP, lạm phát (Baltagi và Moscone, 2010; Brown và cộng sự, 2009; Oliveira Martins và De la Maisonneuve, 2006; Warshawsky, 1994; Getzen và Poullier, 1992).
  3. Mô hình theo thành phần (Component-based models / Cohort-based models): Phân chia dân số thành các mảng/đoàn hệ theo nhân khẩu học và bệnh tật, liên kết với chi phí trung bình để dự báo (Baltagi và Moscone, 2010; Przywara, 2010; Ringel và cộng sự, 2010; Vos và cộng sự, 2007; Racic, 1997). Cụ thể, Racic (1997) dự báo chi phí y tế Croatia giai đoạn 1996 - 2011; Vos và cộng sự (2007) phân chia 20 nhóm tuổi để dự báo chi phí y tế tại Úc giai đoạn 2003 - 2033; Besseling và Shestalova (2011) phân tích tác động chính sách đồng chi trả tại Hà Lan giai đoạn 2011 - 2015.

Các hướng nghiên cứu về mô hình hồi quy ước lượng chi phí KCB

  • Hồi quy tuyến tính OLS gặp hạn chế do dữ liệu chi phí KCB thường không phân phối chuẩn, có nhiều giá trị 0, lệch phải và có đuôi dày (Deb và cộng sự, 2006; Duan, 1983; Jones, 2010; Manning, 1998; Mihaylova và cộng sự, 2011).
  • Phương pháp biến đổi Logarit tự nhiên và nhân tử làm trơn phi tham số Smearing factor (Duan, 1983; Duan và cộng sự, 1983; Buntin và Zaslavsky, 2004; Neyman và Scott, 1960).
  • Mô hình trung bình mũ có điều kiện ECM (Exponential Conditional Mean) ước lượng qua NLS, QML hoặc GMM (Gilleskie và Mroz, 2004; Mihaylova và cộng sự, 2011).
  • Mô hình hồi quy tuyến tính tổng quát GLM (Nelder và Baker, 1972) với hàm liên kết logarit và phân phối Gamma, Poisson, Negative Binomial (Blough và cộng sự, 1999; Buntin và Zaslavsky, 2004; Jones, 2010, 2017; Manning và cộng sự, 2005; Martins và cộng sự, 2006; Moran và cộng sự, 2007; Cameron và Johansson, 2004; Winkelmann, 2004).
  • Các mô hình mở rộng: Mô hình phương trình ước lượng mở rộng EEE (Basu và Rathouz, 2005), mô hình cộng tổng quát GAM (Hastie và Tibshirani, 1990; Leathwick và cộng sự, 2006), mô hình MARS (Hastie và cộng sự, 2002), cùng các thuật toán học máy như cây hồi quy CART, Rừng ngẫu nhiên Random Forest, M5 Tree (Breiman và cộng sự, 1984; Breiman, 2001; Liaw và Wiener, 2002; Morgan, 2014; Yohannes và Hoddinott, 1999; Sushmita và cộng sự, 2015).

Các hướng nghiên cứu về mô hình tổn thất (Loss Models) và mô hình rủi ro nhóm

  • Cơ sở lý thuyết mô hình tổn thất được hệ thống bởi Tse (2009) và Klugman và cộng sự (2012). Trong đó, mô hình rủi ro nhóm (Collective Risk Model) tách biệt quá trình xuất hiện biến cố và độ lớn tổn thất, cho phép phân tích độc lập các yếu tố tác động.
  • Các nghiên cứu lý thuyết về phân phối phức: Kozubowski và Panorska (2005), Hernández-Bastida và cộng sự (2011), Bastida và cộng sự (2009).
  • Các phương pháp xấp xỉ và mô phỏng thực nghiệm: Xấp xỉ giải tích (Panjer, 1981), xấp xỉ phân phối qua mô men (Dickson và cộng sự, 1998; Beard, 2013), và phương pháp mô phỏng Monte-Carlo (Beekman và Fuelling, 1980; Hayne, 1989; Meyers và Schenker, 1983; Meyers, 2007, 2009; Heckman và Meyers, 1983; Migon và Moura, 2005; Fellingham và cộng sự, 2015; Yu, 2015).

Vị trí và khoảng trống nghiên cứu của luận án

Tại Việt Nam, các nghiên cứu của Long và cộng sự (2016), Kelly và cộng sự (2016, 2018), BHXH Việt Nam & InWent (2012) chủ yếu tiếp cận theo phương pháp hạch toán thống kê hoặc mô hình toán bảo hiểm đơn giản. Luận án định vị nghiên cứu bằng cách kết hợp mô hình thành phần và mô hình mô phỏng vi mô thông qua cấu trúc mô hình rủi ro nhóm ngẫu nhiên, áp dụng ước lượng tham số Bayes và mô phỏng Monte-Carlo cho dữ liệu hành chính BHYT cấp vi mô.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khái niệm

  • Khái niệm bảo hiểm: Hoạt động tổ chức tương hỗ bồi thường thiệt hại cho những rủi ro ngẫu nhiên trong tương lai dựa trên sự đóng góp tài chính (phí bảo hiểm) của tập thể người tham gia (Jerome, 2001; Hemard trích trong Jerome, 2001). Bốn đặc trưng bản chất gồm: Rủi ro, Phí bảo hiểm, Khoản tiền bồi thường và Tính chất tương hỗ (đòi hỏi đồng nhất hóa, lựa chọn, phân tán và phân chia rủi ro qua đồng bảo hiểm hoặc tái bảo hiểm).
  • Phân loại BHYT: BHYT thuộc bảo hiểm con người (theo đối tượng), bảo hiểm phi nhân thọ (theo kỹ thuật quản lý phân chia ngắn hạn hàng năm), hoạt động theo Luật Bảo hiểm Y tế (2008, sửa đổi 2014) với tính chất bắt buộc, không vì mục đích lợi nhuận do Nhà nước tổ chức.

Khung phân tích

Khung nghiên cứu được tác giả điều chỉnh từ mô hình của Cichon (1999), diễn giải mối quan hệ logic qua các thành phần:

$$\text{Dân số} \longrightarrow \text{Tham gia BHYT} \longrightarrow \text{Sử dụng BHYT (Số lượt KCB, Chi phí KCB)} \longrightarrow \text{Tổng chi BHYT}$$

Dân số và người tham gia BHYT được phân rã thành $10.692$ nhóm đối tượng độc lập dựa trên sự kết hợp của các tiêu chí nhân khẩu và phi nhân khẩu:

  • 81 nhóm tuổi (từng độ tuổi từ 0 đến 79, và nhóm 80 tuổi trở lên);
  • 2 giới tính (Nam, Nữ);
  • 2 loại hình điều trị (Nội trú theo biểu mẫu 80b, Ngoại trú theo biểu mẫu 79b);
  • 3 tuyến kỹ thuật y tế (Trung ương, Tỉnh/Thành phố, Huyện/Quận);
  • 11 nhóm bệnh theo phân loại quốc tế ICD.

Tổng số nhóm: $81 \times 2 \times 2 \times 3 \times 11 = 10.692$ nhóm.

Mô hình toán kinh tế: Mô hình rủi ro nhóm (Collective Risk Model)

Đối với mỗi nhóm đối tượng $g$, tổng chi phí KCB của một cá nhân trong năm ($S$) được biểu diễn bởi:

$$S = \begin{cases} \sum_{k=1}^N X_k, & N \neq 0 \ 0, & N = 0 \end{cases}$$

Trong đó:

  • $N$ là biến ngẫu nhiên rời rạc không âm biểu thị số lượt KCB của cá nhân trong năm.
  • $X_k$ là biến ngẫu nhiên liên tục dương biểu thị chi phí của lượt KCB thứ $k$. Các $X_k$ độc lập, có cùng phân phối xác suất và độc lập với $N$.
  • Tổng chi phí của nhóm $g$ gồm $m_g$ người tham gia BHYT là $TC_g = m_g \times S_g$.
  • Tổng chi phí KCB BHYT toàn bộ là $TC = \sum_{g=1}^{10.692} TC_g$.
Thành phần mô hình Phân phối xác suất khảo sát Hàm xác suất / Hàm mật độ xác suất Tham số đặc trưng
Số lượt KCB ($N$) Nhị thức $B(n, p)$ $P(N=k) = C_n^k p^k (1-p)^{n-k}$ $E(N) = np$, $V(N) = np(1-p)$
Poisson $P(\lambda)$ $P(N=k) = \frac{e^{-\lambda} \lambda^k}{k!}$ $E(N) = V(N) = \lambda$
Nhị thức âm $NB(r, p)$ $P(N=k) = C_{k+r-1}^k p^r (1-p)^k$ $E(N) = \frac{r(1-p)}{p}$, $V(N) = \frac{r(1-p)}{p^2}$
Chi phí lượt KCB ($X$) Gamma $G(\alpha, \beta)$ $f(x) = \frac{\beta^\alpha}{\Gamma(\alpha)} x^{\alpha-1} e^{-\beta x}$ $E(X) = \frac{\alpha}{\beta}$, $V(X) = \frac{\alpha}{\beta^2}$
Weibull $W(\alpha, \lambda)$ $f(x) = \frac{\alpha}{\lambda} \left(\frac{x}{\lambda}\right)^{\alpha-1} \exp\left(-\left(\frac{x}{\lambda}\right)^\alpha\right)$ $E(X) = \lambda \Gamma(1 + \frac{1}{\alpha})$
Log-normal $LN(\mu, \sigma^2)$ $f(x) = \frac{1}{x \sigma \sqrt{2\pi}} \exp\left(-\frac{(\ln x - \mu)^2}{2\sigma^2}\right)$ $E(X) = \exp(\mu + \frac{\sigma^2}{2})$
Pareto $P(\alpha, \beta)$ $f(x) = \frac{\alpha \beta^\alpha}{(x + \beta)^{\alpha+1}}$ $E(X) = \frac{\beta}{\alpha - 1}$ ($\alpha > 1$)

Phương pháp ước lượng tham số

  1. Phương pháp tần suất: Ước lượng hợp lý cực đại (MLE - Maximum Likelihood Estimation) tối đa hóa hàm log-likelihood $\ln L(\theta)$.
  2. Phương pháp Bayes: Xem tham số $\Theta$ là biến ngẫu nhiên với phân phối tiên nghiệm $\pi(\theta)$, hàm hợp lý $f(x|\theta)$ và phân phối hậu nghiệm $\pi(\theta|x) \propto f(x|\theta)\pi(\theta)$. Luận án sử dụng các cặp phân phối liên hợp (conjugate priors):
    • Nhị thức kết hợp tiên nghiệm Beta $\longrightarrow$ Hậu nghiệm Beta;
    • Poisson kết hợp tiên nghiệm Gamma $\longrightarrow$ Hậu nghiệm Gamma;
    • Nhị thức âm kết hợp tiên nghiệm Beta $\longrightarrow$ Hậu nghiệm Beta;
    • Gamma kết hợp tiên nghiệm Gamma $\longrightarrow$ Hậu nghiệm Gamma;
    • Weibull kết hợp tiên nghiệm Inverse Gamma $\longrightarrow$ Hậu nghiệm Inverse Gamma;
    • Log-normal kết hợp tiên nghiệm Chuẩn $\longrightarrow$ Hậu nghiệm Chuẩn;
    • Pareto kết hợp tiên nghiệm Gamma $\longrightarrow$ Hậu nghiệm Gamma.

Phương pháp kiểm định và lựa chọn mô hình

  • Kiểm định Kolmogorov – Smirnov ($KS$): Dựa trên khoảng cách lớn nhất $D = \sup_x |F_n(x) - F_0(x)|$.
  • Kiểm định Anderson – Darling ($AD$): Đánh giá sự sai khác tập trung vào phần đuôi của phân phối.
  • Kiểm định Khi bình phương ($\chi^2$): Kiểm định độ phù hợp cho biến ngẫu nhiên rời rạc $\chi^2 = \sum \frac{(O_i - E_i)^2}{E_i}$.
  • Tiêu chuẩn so sánh: Lựa chọn mô hình có thống kê $KS$, $AD$, $\chi^2$ nhỏ nhất, $p\text{-value}$ lớn nhất, hoặc chỉ số thông tin $AIC$, $BIC$ tối ưu.

Phương pháp mô phỏng Monte-Carlo và độ đo rủi ro

Thuật toán mô phỏng 5 bước cho mô hình rủi ro nhóm:

  1. Sinh tham số cho phân phối số lượt $N$ từ phân phối hậu nghiệm;
  2. Sinh giá trị số lượt $N$ từ phân phối rời rạc đã chọn;
  3. Sinh tham số cho phân phối chi phí $X$ từ phân phối hậu nghiệm;
  4. Sinh $N$ giá trị chi phí đơn lẻ $X_1, X_2, \dots, X_N$;
  5. Tính tổng $S = \sum_{k=1}^N X_k$. Lặp lại $M$ lần để thu được phân phối thực nghiệm của $S$.
Nhóm độ đo Tên độ đo rủi ro Công thức toán học
Độ đo tính phí Phí bảo hiểm thuần $E(S)$
Phí bảo hiểm có hệ số tải $(1 + \theta) E(S)$, với $\theta \ge 0$
Phí theo nguyên lý phương sai $E(S) + \alpha V(S)$, với $\alpha \ge 0$
Phí theo nguyên lý độ lệch chuẩn $E(S) + \beta \sigma_S$, với $\beta \ge 0$
Độ đo tính vốn kinh tế Giá trị rủi ro ($VaR$) $VaR_\alpha(S) = F_S^{-1}(\alpha) = \inf {x: F_S(x) \ge \alpha}$
Giá trị rủi ro có điều kiện ($CTE$) $CTE_\alpha(S) = E(S \mid S > VaR_\alpha(S))$
Vốn kinh tế yêu cầu $VaR_\alpha(S) - E(S)$ hoặc $CTE_\alpha(S) - E(S)$

Nguồn dữ liệu và công cụ xử lý

  • Dữ liệu dự báo dân số giai đoạn 2014 – 2049 của Tổng cục Thống kê (2016) theo độ tuổi, giới tính dưới giả định mức sinh trung bình.
  • Dữ liệu thống kê người tham gia và sử dụng thẻ BHYT của BHXH Việt Nam.
  • Dữ liệu chi tiết giao dịch KCB BHYT tại TP. Hồ Chí Minh giai đoạn 2014 – 2016 trích xuất từ biểu mẫu 79b (ngoại trú) và 80b (nội trú) tại 3 tuyến kỹ thuật (trung ương, tỉnh, huyện) do BHXH Việt Nam cung cấp thông qua Dự án Quản trị và Tài chính Y tế (HFG/USAID).
  • Công cụ phần mềm: Stata, SPSS, Microsoft Excel để tiền xử lý và trích xuất dữ liệu; Matlab, R để lập trình kiểm định phân phối, ước lượng Bayes và mô phỏng Monte-Carlo.

Nội dung chính theo từng chương

CHƯƠNG 1: CƠ SỞ LÝ LUẬN VÀ TỔNG QUAN NGHIÊN CỨU

  • Phân tích bản chất kinh tế - pháp lý của bảo hiểm, lịch sử hình thành từ các nghiệp vụ cứu trợ tương hỗ thời cổ đại, bảo hiểm hàng hải thế kỷ XII, bảo hiểm nhân thọ (1583 tại Luân Đôn), bảo hiểm hỏa hoạn (1666) cho đến bảo hiểm hiện đại chiếm khoảng 10% GDP ở các nước phát triển.
  • Trình bày 4 đặc trưng của bảo hiểm (rủi ro, phí, bồi thường, tương hỗ) và phân biệt bảo hiểm con người - thiệt hại, xã hội - thương mại, nhân thọ - phi nhân thọ, bắt buộc - tự nguyện.
  • Tổng quan hệ thống hóa 3 nhóm mô hình dự báo chi phí y tế: Mô phỏng vi mô, cấp độ vĩ mô và mô hình theo thành phần; điểm luận các mô hình hồi quy (OLS, Log, ECM, GLM, GAM, MARS, Machine Learning) và mô hình tổn thất.
  • Phân tích cấu trúc hoạt động BHYT tại Việt Nam theo Luật BHYT 2008 và sửa đổi 2014; chỉ ra khoảng trống nghiên cứu và thiết lập cơ sở lý thuyết cho việc ứng dụng mô hình rủi ro nhóm ngẫu nhiên.

CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU

  • Thiết lập mô hình toán học rủi ro nhóm $S = \sum_{i=1}^N X_i$ trong ước lượng chi phí KCB; trình bày chi tiết các hàm phân phối xác suất rời rạc cho số lượt KCB ($N$) gồm Nhị thức, Poisson, Nhị thức âm và phân phối liên tục cho chi phí theo lượt ($X$) gồm Gamma, Weibull, Log-normal, Pareto.
  • Trình bày phương pháp ước lượng tham số MLE và phương pháp Bayes với họ phân phối tiên nghiệm liên hợp tương ứng (Beta, Gamma, Inverse Gamma, Normal).
  • Trình bày toán học các kiểm định thống kê $KS$, $AD$, $\chi^2$ cùng các tiêu chuẩn so sánh $AIC$, $BIC$.
  • Xây dựng thuật toán mô phỏng ngẫu nhiên Monte-Carlo: Phương pháp biến đổi ngược, chấp nhận - bác bỏ, thành phần, tích chập và thuật toán 5 bước mô phỏng tổng chi phí.
  • Thiết lập hệ thống công thức các độ đo rủi ro tính phí và tính vốn kinh tế ($VaR$, $CTE$).

CHƯƠNG 3: THỰC TRẠNG VỀ THAM GIA VÀ SỬ DỤNG DỊCH VỤ KHÁM, CHỮA BỆNH BẰNG BẢO HIỂM Y TẾ Ở VIỆT NAM

  • Trình bày quá trình hình thành chính sách BHYT Việt Nam từ năm 1992, sự phân định giữa BHYT xã hội và BHYT thương mại, cơ chế vận hành và cân đối quỹ BHYT.
  • Đánh giá thực trạng tỷ lệ bao phủ BHYT gia tăng đạt 85% năm 2018 và sự suy giảm tỷ lệ chi tiêu tiền túi của người dân.
  • Phân tích số liệu thống kê chi tiết về số lượt KCB và chi phí KCB BHYT tại TP. Hồ Chí Minh giai đoạn 2014 – 2016 phân rã theo tuyến cơ sở y tế (trung ương, tỉnh, huyện), loại hình khám chữa bệnh (nội trú, ngoại trú), độ tuổi, giới tính và nhóm bệnh tật.
  • Nhận diện các yếu tố tác động đến chi phí BHYT như tần suất KCB ở nhóm người cao tuổi và cơ cấu chi phí thuốc, kỹ thuật y tế.

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

  • Thực hiện kiểm định $KS$, $AD$, $\chi^2$ để lựa chọn phân phối xác suất tối ưu cho $N$ và $X$ trên từng nhóm trong số 10.692 nhóm đối tượng nghiên cứu tại TP. Hồ Chí Minh.
  • Ước lượng tham số cho các mô hình đã chọn bằng phương pháp Bayes dựa trên việc kết hợp phân phối tiên nghiệm và dữ liệu KCB thực tế giai đoạn 2014 – 2016.
  • Thực hiện mô phỏng Monte-Carlo tổng chi phí KCB BHYT, so sánh kết quả mô phỏng với dữ liệu thực tế để đánh giá sai số ước lượng.
  • Ước lượng mức chi phí KCB BHYT bình quân theo đầu người phân theo nhóm tuổi và giới tính cho năm 2017.
  • Kết hợp dữ liệu dự báo dân số của Tổng cục Thống kê và tỷ lệ bao phủ BHYT để dự báo quy mô người tham gia BHYT, từ đó ước lượng tổng chi phí KCB BHYT năm 2017.
  • Tính toán các độ đo rủi ro ($VaR$, $CTE$) tại các mức độ tin cậy để xác định biểu phí bảo hiểm kỹ thuật và quy mô vốn kinh tế cần thiết cho dự phòng rủi ro mất khả năng thanh toán của quỹ.

Kết quả và những đóng góp mới

Đóng góp mới về mặt lý luận và khoa học

  • Đánh giá có hệ thống sự phù hợp của lớp mô hình toán kinh tế (mô hình tổn thất và mô hình rủi ro nhóm) đối với hệ thống BHYT tại một quốc gia đang phát triển có các đặc thù về chính sách và cơ cấu dân số như Việt Nam.
  • Thiết lập khung phân tích ngẫu nhiên kết hợp phân chia thành phần vi mô ($10.692$ nhóm) với phân phối xác suất phức, khắc phục hạn chế của các cách tiếp cận hạch toán tất định truyền thống.

Đóng góp mới về mặt thực tiễn

  • Luận án là công trình thực nghiệm đầu tiên tại Việt Nam áp dụng kết hợp mô hình rủi ro nhóm, phương pháp ước lượng tham số Bayes và kỹ thuật mô phỏng Monte-Carlo trên bộ dữ liệu lớn cấp vi mô của TP. Hồ Chí Minh giai đoạn 2014 – 2016.
  • Cung cấp kết quả ước lượng dưới dạng phân phối xác suất thực nghiệm của chi phí KCB, cho phép xác định đầy đủ các tham số đặc trưng (kỳ vọng, phương sai, độ lệch chuẩn, phân vị đuôi).
  • Tính toán cụ thể các độ đo rủi ro ($VaR$, $CTE$), hỗ trợ cơ quan quản lý xác định mức phí đóng và trích lập mức vốn kinh tế dự phòng nhằm đảm bảo cân đối quỹ BHYT trong ngắn hạn.
  • Đưa ra khuyến nghị thực tiễn về việc chuẩn hóa hệ thống cơ sở dữ liệu y tế, quản lý thống nhất thông tin người bệnh và hành vi KCB ở tất cả các tuyến y tế.

Kiến nghị và giải pháp đề xuất

  • Ứng dụng quy trình mô hình hóa toán học ngẫu nhiên trong công tác lập kế hoạch tài chính, định phí kỹ thuật và dự phòng rủi ro chi phí cho quỹ BHYT.
  • Nâng cấp và đồng bộ hóa cơ sở dữ liệu khám chữa bệnh BHYT, đặc biệt là dữ liệu biểu mẫu 79b và 80b ở tuyến y tế cơ sở (xã/phường) để mở rộng phạm vi mô hình hóa.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Thiếu hụt dữ liệu biến giải thích vi mô: Bộ dữ liệu hành chính BHYT chưa có các biến số về đặc điểm kinh tế - xã hội của cá nhân và hộ gia đình (trình độ học vấn, tình trạng việc làm, mức thu nhập, tình trạng nghèo, đặc điểm chủ hộ), do đó luận án chưa thể kết hợp các mô hình hồi quy đa biến để phân tích hành vi tham gia và sử dụng BHYT.
  • Giới hạn về dữ liệu chuỗi thời gian: Dữ liệu KCB BHYT chi tiết chỉ có trong giai đoạn 2014 – 2016 (3 năm), chưa đủ độ dài thời gian để triển khai các mô hình kinh tế lượng chuỗi thời gian hoặc mô hình dữ liệu mảng (Panel Data).
  • Giới hạn phạm vi tuyến y tế: Tuyến y tế cơ sở xã/phường tại TP. Hồ Chí Minh trong giai đoạn nghiên cứu chưa được thu thập đầy đủ theo định dạng biểu mẫu 79b và 80b, do đó nghiên cứu mới chỉ bao quát 3 tuyến kỹ thuật (trung ương, tỉnh, huyện).

Hướng nghiên cứu tiếp theo

  • Mở rộng thu thập chuỗi dữ liệu KCB nhiều năm để áp dụng các mô hình chuỗi thời gian và dữ liệu mảng.
  • Tích hợp dữ liệu hành chính BHYT với các cuộc điều tra mức sống dân cư (VHLSS) nhằm bổ sung các biến giải thích kinh tế - xã hội.
  • Hoàn thiện thu thập dữ liệu tuyến xã/phường để bao quát toàn bộ 4 tuyến kỹ thuật trên phạm vi cả nước.

Giá trị tham khảo

  • Đối với cơ quan quản lý và hoạch định chính sách (BHXH Việt Nam, Bộ Y tế, Bộ Tài chính): Cung cấp cơ sở định lượng và phương pháp tính toán vốn kinh tế dự phòng ($VaR$, $CTE$), phục vụ công tác cân đối thu chi và quản trị rủi ro quỹ BHYT.
  • Đối với giảng viên, nghiên cứu sinh và học viên chuyên ngành Toán kinh tế, Thống kê, Tài chính - Bảo hiểm: Cung cấp tài liệu tham khảo chi tiết về quy trình mô hình hóa rủi ro nhóm, kỹ thuật ước lượng Bayes với phân phối liên hợp và thuật toán mô phỏng Monte-Carlo trên phần mềm R và Matlab (đặc biệt là nội dung Chương 2 và Chương 4).
  • Đối với cơ quan BHXH các địa phương: Quy trình mô hình hóa và phân nhóm đối tượng có thể được chuyển giao, áp dụng trực tiếp cho việc ước lượng chi phí KCB BHYT tại các tỉnh, thành phố khác.

Câu hỏi thường gặp

1. Luận án sử dụng mô hình toán kinh tế nào làm công cụ trọng tâm để ước lượng chi phí KCB BHYT?

Luận án sử dụng mô hình rủi ro nhóm (Collective Risk Model), một mô hình tổn thất thuộc nhóm mô hình toán bảo hiểm phi nhân thọ. Mô hình có dạng $S = \sum_{k=1}^N X_k$, trong đó tách biệt và mô hình hóa đồng thời hai thành phần ngẫu nhiên: Số lượt KCB ($N$) qua các phân phối rời rạc (Nhị thức, Poisson, Nhị thức âm) và chi phí cho mỗi lượt KCB ($X$) qua các phân phối liên tục (Gamma, Weibull, Log-normal, Pareto).

2. Dữ liệu thực nghiệm của luận án được thu thập từ nguồn nào và bao gồm phạm vi nào?

Dữ liệu KCB BHYT thực nghiệm được cung cấp bởi Cơ quan Bảo hiểm Xã hội Việt Nam cho Bộ Y tế thông qua Dự án Quản trị và Tài chính Y tế (HFG/USAID), gồm dữ liệu KCB nội trú (biểu mẫu 80b) và ngoại trú (biểu mẫu 79b) tại 3 tuyến y tế (trung ương, tỉnh, huyện) thuộc TP. Hồ Chí Minh giai đoạn 2014 – 2016. Ngoài ra, luận án sử dụng dữ liệu dự báo dân số Việt Nam 2014 – 2049 của Tổng cục Thống kê (2016) và số liệu phát hành thẻ của BHXH Việt Nam.

3. Việc phân chia nhóm đối tượng nghiên cứu được thực hiện theo các tiêu chí nào để ra 10.692 nhóm?

Tác giả phân chia đối tượng theo sự kết hợp của các biến số: 81 nhóm tuổi (0 đến 79 tuổi và 80 trở lên), 2 giới tính (Nam, Nữ), 2 loại hình điều trị (Nội trú, Ngoại trú), 3 tuyến kỹ thuật y tế (Trung ương, Tỉnh, Huyện) và 11 nhóm bệnh theo phân loại quốc tế ICD ($81 \times 2 \times 2 \times 3 \times 11 = 10.692$ nhóm).

4. Ước lượng Bayes và mô phỏng Monte-Carlo đóng vai trò gì trong luận án?

Phương pháp Bayes được sử dụng để ước lượng tham số của các phân phối xác suất dựa trên các phân phối tiên nghiệm liên hợp và thông tin mẫu cập nhật. Phương pháp mô phỏng ngẫu nhiên Monte-Carlo được sử dụng để sinh các biến ngẫu nhiên số lượt và chi phí theo quy trình 5 bước, tạo ra phân phối xác suất thực nghiệm của tổng chi phí $S$ mà không cần tìm nghiệm giải tích phức tạp của phân phối phức.

5. Các độ đo rủi ro nào được sử dụng để hỗ trợ quản lý quỹ BHYT?

Luận án sử dụng hai nhóm độ đo rủi ro: Nhóm độ đo dùng để tính phí (phí thuần, phí có hệ số tải, phí theo nguyên lý phương sai, phí theo nguyên lý độ lệch chuẩn) và nhóm độ đo dùng để tính vốn kinh tế dự phòng gồm Giá trị rủi ro ($VaR_\alpha$) và Giá trị rủi ro có điều kiện ($CTE_\alpha$). Mức vốn kinh tế yêu cầu được xác định bằng chênh lệch giữa $VaR_\alpha$ (hoặc $CTE_\alpha$) và kỳ vọng chi phí $E(S)$.

Kết luận

Luận án tiến sĩ của tác giả Phạm Thị Hồng Thắm đã xây dựng và kiểm định thành công khung mô hình toán kinh tế ngẫu nhiên dựa trên mô hình rủi ro nhóm để ước lượng chi phí KCB do BHYT chi trả tại Việt Nam, thông qua nghiên cứu thực nghiệm dữ liệu TP. Hồ Chí Minh giai đoạn 2014 – 2016. Bằng việc kết hợp các phân phối xác suất rời rạc, liên tục, phương pháp ước lượng tham số Bayes và kỹ thuật mô phỏng Monte-Carlo trên $10.692$ nhóm đối tượng, luận án đã cung cấp phân phối thực nghiệm của chi phí KCB và các độ đo rủi ro ($VaR$, $CTE$). Kết quả nghiên cứu đóng góp cơ sở lý thuyết toán kinh tế trong lĩnh vực BHYT và cung cấp công cụ định lượng hỗ trợ các nhà quản lý trong việc dự báo chi phí, xác định mức phí kỹ thuật và trích lập quỹ dự phòng đảm bảo an toàn tài chính bền vững.