大量医保违规问题在飞检发现前已有迹可循，医院需要打通事前识别、事中监测和事后核查三道关口。

编辑/侯杰

图片/ChatGPT Images 2.0

重复收费、串换项目、超范围支付、虚构服务、挂床住院……虽然这些医保基金违法违规的“热词”已经被大家熟知，但仍旧是飞检“重灾区”。对于医院而言，哪些问题在业务发生前就能拦截，哪些需要在诊疗和收费过程中监测，哪些必须依靠事后穿透核查，只有理清关键环节可能出现的问题，才能找到落实管理的有力抓手。CDSreport整理了2023年以来1919起医保基金违法违规使用典型案例，并从事前、事中和事后三个关键节点进行了分析，供医院读者朋友参考。

961起案例显示：大量风险并非只能事后发现CDS REPORT ｜ PART 1

目前，我们整理的医保基金违法违规典型案例库共收录了1919条记录。本次统计选取了其中961条事实相对完整的案例进行分析。

根据数据，203起含事后核查型信号的案例中，148起同时存在事前或事中线索，占事后核查型案例总数的72.9%。可以看到不少最终由飞检确认的问题，在形成过程中其实已经留下了处方、收费、住院或药品流向异常。

事前监管：先管住明确规则和业务入口CDS REPORT ｜ PART 2

961起案例中，408起包含事前可识别信号，占42.5%。这部分问题通常具有较为明确的政策条件，监管重点应放在医嘱、处方、检查申请、入院审核和人员权限配置等业务入口。首先是把支付政策前置到业务环节。药品是否限制特定适应证使用，是否限制年龄、疗程、就医方式和机构级别，诊疗项目是否属于医保支付范围，通常可以在医嘱或处方开立时进行校验。案例中，超范围支付及医保目录限制不符涉及213起，占22.2%。

这类问题如果主要依靠结算后退回，说明监管节点相对滞后。其次是管住人员资质和系统权限。无资质人员提供服务、越权开具医嘱、药师不在岗却完成处方审核等问题，根源往往不是收费审核不足，而是执业资质、岗位权限、处方权和系统账号没有同步。

人员资质发生变更后，相应业务权限也应及时调整。对于短期重复检查、超频次治疗、低标准入院等合理性问题，则不宜简单“一拦了之”。明确违反支付条件的，可以设置强提醒或拦截；存在合理例外的，应允许临床说明；涉及医学必要性的，应转入人工审核。事前监管的基础条件正在完善。国家医保局公开发行的医保智能监管“两库”已收录近25万条规则和知识点，并支持定点医药机构将规则嵌入医院HIS，或接入医保事前提醒系统。其作用不是代替医生判断，而是将明确的医保政策边界尽量前移到诊疗现场。

事中监管：核对诊疗事实与收费数据是否一致CDS REPORT ｜ PART 3

含事中可识别信号的案例为421起，占43.8%，是三个节点中数量最多的一类。其共同特点是：只看费用清单，往往无法判断服务是否真实发生；只有将医嘱、执行、报告、药品耗材使用和医保上传放在一起，才能发现矛盾。首先是收费和串换问题。在961起案例中，收费违规涉及217起，占22.6%；串换项目、药品或耗材涉及273起，占28.4%。重复收费、超标准收费和互斥项目同时收费，可以通过规则校验发现；实际实施A项目却上传B项目、低价耗材按高价耗材结算，则需要核对医嘱、执行记录和物资使用情况。

其次是“有费用、无服务”。有收费但无医嘱，有检查收费却无报告，有治疗收费却没有执行记录，有耗材收费却查不到领用和使用信息，这些问题都需要建立“医嘱—执行—报告—收费—医保”上传的一致性校验。系统发现数据缺口后，应进入人工复核，而不是直接判定违规。药品耗材是另一项重点。相关流向管理问题在961起案例中涉及351起，占36.5%。医院需要将采购入库、科室领用、患者使用、退药退库、库存变化、收费结算和追溯码上传串联起来。单个系统看似正常，并不代表完整链条没有异常。

目前，智能监管已不再是少数医院的探索。国家医保局数据显示，截至2026年6月30日，全国定点医药机构事前提醒系统接入率达到71%，其中三级医院接入率为92%。但接入系统只是起点，医院还要关注预警由谁复核、问题费用是否撤销、科室是否反馈、同类问题是否反复发生。否则，监管容易停留在“产生了多少条提醒”，而没有形成实际整改。

事后监管：对隐蔽问题开展穿透核查CDS REPORT ｜ PART 4

203起案例包含事后核查型信号，占21.1%。其中只有55起未同时命中此次分析设定的事前或事中信号。准确地说，这些问题更依赖事后核查，而不是绝对无法提前发现。通常，院内的事后监管主要解决三类问题。

第一类是记录可能被同步伪造的问题。病历、处方、检查报告和执行记录如果被补录或篡改，单看字段完整性很难判断真实性，需要进一步查看文书修改日志、电子签名、人员排班、设备运行记录，并通过患者回访核实服务是否真实发生。

第二类是需要跨周期分析的问题。分解住院、假出院、短期反复住院，单看一次病案可能没有明显异常，只有将多次住院的时间、诊断、治疗方案和费用连续起来，才能判断是否存在人为拆分。

第三类是需要院外证据的问题。药品回流、追溯码跨机构重复、非法渠道购药、医患或机构串通，往往超出单家医院的数据边界，需要结合采购票据、实物盘点、资金流向、患者购药行为和医保部门掌握的跨机构数据。

需要注意的是，大数据和人工智能可以辅助筛选异常关系、相似病历和跨周期病例，但很多时候只能缩小核查范围。具体是否构成违法违规，仍要以完整证据链和人工调查结果为依据。国家医保局也将大数据和人工智能主要定位于提高事中审核和事后监管效能，而非替代调查认定。

此外，事后监管也不能止于追回费用或处理责任人。发现一个问题后，还要继续追查同类病例、相关科室和制度流程，判断问题来自个人行为、规则缺失还是系统配置错误，并将核查结果反向更新事前规则和事中监测指标。从1919起案例看，医院医保监管不能只守住结算端。事前监管要解决明确政策条件和人员权限能否执行；事中监管要解决诊疗事实、执行记录与收费数据能否对应；事后监管则要解决隐蔽造假、跨周期行为和院内外复杂关系能否被穿透核查。

三者是相互衔接、相互补位的三道监管关口。只有将风险识别前移、过程监测做实、事后核查形成闭环，才能减少违法违规行为发生，推动医保基金监管从被动整改转向全过程防控。

【责任编辑：晶晶】

【实习编辑：樊钇博】