2023年，发表在国内期刊《中国病案》的一项研究中，北大医学部和中日友好医院的研究人员从217家医疗机构2019年1月1日至2020年5月31日的所有出院病例中，随机抽取4万余份病历进行分析。结果发现，3075份病案被专家判定为“低码高编”，其中53.1%的高编码，由于主要诊断编码填写不规范导致。“很难区分医生是客观填高了，还是主观填高了。”上海市卫生和健康发展研究中心主任金春林表示，“低码高编”行为背后的原因很复杂，也可能是DRG模式下定价过低，或医院对医生的DRG考核过于严格，医生不得已而为之。有时，由于病案记录不全，或医生对编码规则不熟悉，也会出现低编现象。

在分组过程中“低码高编”，即将诊断中入组权重更高的疾病诊断作为主要诊断，是一个能直接增加收入的“捷径”。

大量调研表明，DRG/DIP 支付限制下，临床医生与编码员有足够的动机以及能力进行“低码高编”，而且具有很高的隐匿性，不易被监管部门发现。 

由于诊疗行为需要医方和患方进行核对，且患方多数情况下只关心疾病的诊治，并不懂不同诊断之间的区别。诊察结束后，病历是唯一的证据，任何部门都很难确认治疗过程。

医保部门的事后审核，如病历抽检，考核检查均次费用、药占比、平均住院日、大型检查阴性率等数据能发挥一定作用，但由于医疗行为的高度专业性、疾病的变异性和服务结果不确定性等，卫生行政部门和医疗保险机构很难对医方的行为动机做出准确判断。

主要诊断低码高编是判定高套中出现频次最高的违规行为，主要表现为：通过更改主要诊断的编码，使病例进入分值更高的分组。低码高编的两个疾病之间存在一定的关联，实际发生的疾病DIP权重分值较低，高编后上传的主要诊断DIP分值较高。例如，将腔隙性脑梗死高编成未特指脑梗死，前者分值587，后者分值723；将支原体性肺炎高编成重症肺炎，前者分值451，后者分值709。

造成该类违规现象的原因是多方面的，有的是临床诊断和分类学诊断存在差异，医师不知道分类学诊断正确书写格式和要求，造成低码高编；有的是故意为之，即目的性很强地使病例进入分值更高的分组；有的是限于基层的诊疗条件和一贯的病案书写习惯，即病案书写一直都是错误的，但基层医务工作者并不知道；还有的是医疗机构无专业编码员或编码员水平有限，造成错编。

一般情况下，监管部门要想识别“低码高编”行为，首先得由临床专家根据原始病历给出正确信息，而后由编码专家给出正确编码，再由DRG分组器重新分组给出正确的权重，与原始权重对比后，判断权重是否增加。

整个监管过程的成本很高，将耗费大量人、财、物。数据显示，美国联邦与州政府每年花费2.59亿美元以识别二级政府补助保险出院病例存在的欺诈行为。

这种信息不对称和高监管成本，也进一步助长了医方的低码高编行为。

在这种情况下，就会导致患者进入与实际病情不匹配的临床路径，接受的治疗与护理方案与实际病情需求不一致，从而导致患者接受过度诊断和检查，延长患者住院时间。

随着DRG向全国铺开，“低码高编”行为的危害不容小觑。如何应对？是医保监管部门及医疗机构当下亟待解决的难题。

实际上，目前实施DRG的国家普遍都是以人工审核为基础，结合机器学习、内置软件等智能信息化方式对其进行审查，以确保DRG支付系统的长期稳定运行。

在监管的过程中，除了政府直接监管，还需引入行业协会、会计事务所、商业保险公司等第三方机构参与。

目前在实施DRG付费的国家中，均出现了大批防范和处理低码高编行为的非政府组织，其主要职能便是定期向公众科普，在接受诊疗过程中可能发生的过度收费现象和低码高编行为。

最后，医疗机构与医务人员应清晰认识到"低码高编"行为的危害以及监管部门打击的决心与力度，规范自身行为。

奇璞智——高质量知识付费内容在线AI创作共享平台！

奇璞智致力于打造一个开放、共享、学习的高质量知识付费内容在线AI创作分享平台，让医保卫健领域的专业知识得以轻松访问和充分传播。我们希望通过聚集优质知识付费内容，围绕医疗从业者日常工作、家庭教育、生活娱乐等方面提供多元化的交流分享服务，帮助他们不断提升专业水平和知识储备。奇璞智“创作者中心”允许知识创作者上传原创文档等虚拟知识产品，在享受平台充分的流量曝光和推广权益同时，也为知识创作者提供了一个展示自己、实现收益的机会，实现知识的最大化利用和价值转化。平台将逐步接入GPT大模型技术，基于海量的知识库资源，提供生成式问答、智能推荐、内容创作等功能，为用户提供更多AI智能化服务，让每个人都成为知识的创作者！