随着大数据时代的来临，其在众多领域里掀起变革的巨浪，医疗保险领域亦不例外。2015年以来，中央政府陆续发布了《国务院办公厅关于运用大数据加强对市场主体服务和监管的若干意见》［1］《国务院关于印发促进大数据发展行动纲要的通知》［2］《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》［3］以及《工业和信息化部关于印发大数据产业发展规划（2016—2020年）的通知》［4］等大数据相关文件。此外，在十三五规划纲要、十九大报告中也均提出要大力发展大数据。

为积极响应国家乡村振兴战略，鲁西化肥大力推进水肥一体化进程，实现化肥负增长，打造环保绿色高效农业。近年来鲁西集团聚力研发高端液体肥料，健全鲁西液体肥产品序列。

健康医疗大数据无疑是大数据的一个主要构成部分。除了前述国务院办公厅发布的健康医疗大数据相关文件外，2016年7月6日发布的《人力资源和社会保障事业发展“十三五”规划纲要》［5］、2016年10月25日发布的《健康中国2030规划纲要》［6］以及 2016年12月27日发布的《“十三五”深化医药卫生体制改革规划》［7］等均提出要构建健康医疗大数据应用体系，加强大数据在健康医疗领域的应用。

然而遗憾的是，目前，不论是中央层面的大数据政策文件，还是各类医疗卫生体制规划政策文件，要么强调大数据的信息化作用，即利用大数据提高健康医疗信息的及时性、全面性和准确性，要么突出大数据对健康医疗临床和科研、公共卫生、健康医疗智能设备以及远程医疗的作用，而未能意识到大数据对医疗保险治理也具有极其重要的作用。

上述问题也反映在学术研究中。目前，绝大部分医疗卫生领域的大数据研究，讨论的都是健康医疗大数据的特点、应用现状、应用前景、应用方法以及面临的挑战等问题。医疗保险大数据相关研究十分少，且主要集中于大数据与医疗保险的监测与监管［8］、医疗保险报销决策［9］、医疗保险基金风险防控［10］以及对医疗保险慢性病管理的机遇［11］等有限方面。

而现实是，医疗保险实务界已经利用大数据开展了大量的医疗保险治理实践。其中，最为人所熟知的是医疗保险智能审核与医疗保险支付方式改革。前者是利用诊疗行为大数据，分析个体医生的诊疗行为是否符合诊疗规范，从而规范个体医生的诊疗行为，减少医疗浪费。后者是获取医疗服务利用和医疗费用大数据，构建医疗保险对某一疾病（按病种付费）、某日（按床日付费）或某位参保人（按人头付费）的平均支付标准，从而发挥医疗保险的费用控制功能。

医疗保险制度的缴费公平性是指，医疗保险应基于参保人及其家庭的收入水平缴费，收入越高，缴费应越高。但是，中国职工医疗保险制度虽然实行按收入比例缴费，但是并非以家庭为单位缴费。城乡居民医疗保险中的农村居民虽然实行以家庭为单位缴费，但是，却采取了定额缴费的方式。定额缴费操作简便，管理成本低。但是，定额缴费方式不区分参保人的缴费能力，实行统一缴费，属于累退制，对于低收入群体不公平。除了上述缴费不公平外，中国不同地区之间医疗保险缴费率也存在较大差距。

一、医疗保险全民覆盖的概念界定

人们通常认为，医疗保险全民覆盖是指医疗保险覆盖了全体国民。当然，在实际运行中，医疗保险难以做到覆盖100%的国民。一般的，95%的覆盖率可以被认为是实现了医疗保险全民覆盖。但是，仅仅从参保率的角度考虑医疗保险全民覆盖是不充分的。与医疗保险全民覆盖最接近的概念是全民健康覆盖（Universal Health Coverage，UHC）。UHC是世界卫生组织（World Health Organization，WHO）在新世纪以来推动的一个重要概念，其指的是确保所有人都获得其所需要的高质量的卫生服务，并且在付费时不必经历财务困难［13］。WHO于2008年提出了评估UHC的三个方面：即宽度，指覆盖的人群规模；深度，指覆盖的服务范围；高度，指对所覆盖服务的花费的保障水平［14］。

1.2.1 养殖环境导致动物发生疾病的一个主要外在因素就是养殖环境。在日常的养殖行为中，如果其生活环境中出现阻碍动物生长的不利因素，或是影响到动物机体的正常反应，都会导致动物出现诸多不适，导致其正常的代谢无法进行，损害其生理调节功能，继而扰乱其机体平衡，形成一定的疾病，并在行为或者生理上反映出来。据相关统计数据分析，在所有动物疾病中，由于像养殖环境这样的外部因素导致动物发病的比率极高。

从概念上看，UHC并不只是涉及卫生筹资问题，它涵盖了完善的卫生系统的所有要素：卫生筹资、卫生服务供应系统、卫生人力、卫生设施或交流网络、卫生技术、信息系统、质量保障机制、管理制度及法规等［15］。换句话说，UHC不只是涉及钱的问题，还涉及服务供给问题；不仅涉及服务可及性问题，还涉及服务质量问题［16］。

医疗保险全民覆盖的概念固然可以借鉴于全民健康覆盖，关注医疗保险制度的覆盖面、保障范围和保障水平。本文认为，医疗保险尽管也涉及覆盖范围（即医疗保险三个目录）问题，但是其核心是医疗保险基金的收入、支出与管理。基于这一角度，本文将医疗保险全民覆盖分为三个维度：人人参保、人人缴费和人人报销。其中，人人参保是指，凡是中国国民以及在中国居住的外国人，均应参加中国基本医疗保险制度。人人缴费是指，凡是参加中国基本医疗保险制度的参保人，均应缴纳基本医疗保险费。当然，对于部分人群（比如低收入人群），可以由政府或者其他组织、个人代为缴纳。代缴只是帮助这部分群体履行其缴费义务，而非意味着这部分群体没有缴费义务。人人报销是指，凡是参加中国基本医疗保险制度的参保人，当其患病时，可以获得基本医疗保险报销。正如下文所见，上述三个维度看似简单，但是在现实运行中，却是十分复杂的。

二、中国医疗保险全民覆盖的现状

（一）中国基本医疗保险尚未实现人人参保

2016年前，中国基本医疗保险包括职工医疗保险、城镇居民医疗保险和新农合等三项。2016年1月3日，国务院发布《关于整合城乡居民基本医疗保险制度的意见》［17］，中国基本医疗保险变为职工医疗保险与城乡居民医疗保险两项。其中，城镇职工医疗保险实行强制参保。城乡居民医疗保险实行自愿参保，并以政府定额补贴为主、个人定额缴费为辅。不论是自愿参保还是强制参保，个人必然会权衡加入医疗保险制度的得失，必然有部分人群不愿意加入医疗保险。强制参保只是增加了个人不参加医疗保险的成本，但是仍有部分人会采取各种措施逃避参保。自愿参保时，逆向选择问题就更严重了。因此，无法实现医疗保险全民覆盖是常态。

新世纪以来，中国基本医疗保险覆盖面快速扩张，取得了巨大成效（见表1）。但是，表1也显示，2013年，中国基本医疗保险参保总人数甚至超过了全国总人口。这说明，中国基本医疗保险存在重复参保现象。研究显示，中国重复参保现象十分严重。张国英、吴少龙（2015）利用2011年中国劳动力动态调查，发现17.37%的受访者存在重复参保［18］。刘冬梅等（2016）利用2013年国家流动人口动态监测数据库，发现流动人口重复参保率为10.9%［19］。张静雅、王泳仪、侯志远（2016）利用2014年国家流动人口动态监测数据库，发现全国重复参保率为5.5%［20］。有研究者估计，中国重复参保的人数可能超过1亿人（王东进，2010）［21］。如果剔除重复参保，中国现行三大基本医疗保险远未实现全民覆盖。

氟喹诺酮类,抗菌作用佳,但相比其他类型,价格较贵,在泌尿系统病原体诱发的感染及相关病菌中作用明显。然而此类抗菌药会对体内DNA有效合成造成影响,孕妇一般不建议使用,对于儿童,也尽量避免使用,因其可能对儿童的成长及发育造成不良影响[2]。对此,关于氟喹诺酮类抗菌药,临床应用时需注意适用对象。

为了更清楚了解中国现行基本医疗保险实际参保情况，本文根据2014年中国家庭追踪调查（China Family Panel Studies，CFPS）和2015年中国社会状况综合调查（Chinese Social Survey，CSS）②，分析了中国居民基本医疗保险参保情况。基于两项调查的结果基本相同，即中国约90%的成年人参加了基本医疗保险，离95%的参保率仍有相当距离。同时，农村和农业户口人群的未参保率更低，有两个原因：一是新型农村合作医疗以家庭为参保；二是村干部通常采取挨家挨户上门的方式征收保费。而在城镇，由于实行以个人单位征收保费，加之征缴力度不足，未参保率反而更高。

 

表1 中国社会医疗保险制度覆盖人群

  

数据来源：2016年《中国统计年鉴》、2008年《中国卫生统计年鉴》①。

 

年份 全国总人口（亿人）新农合参合人数（亿人）参保率（%）2.99 15.70 71.83 85.33 92.50 94.61 96.89 99.07 100.88 97.51 97.16 2000 2004 2007 2008 2009 2010 2011 2012 2013 2014 2015 12.67 13.00 13.21 13.28 13.35 13.41 13.47 13.54 13.61 13.68 13.75职工医疗保险参保人数（亿人）0.38 1.24 1.80 2.00 2.19 2.37 2.52 2.65 2.74 2.83 2.89城镇居民医疗保险参保人数（亿人）0.00 0.00 0.43 1.18 1.82 1.95 2.21 2.72 2.96 3.15 3.77 0.00 0.80 7.26 8.15 8.33 8.36 8.32 8.05 8.02 7.36 6.70

 

表2 中国基本医疗保险制度参保情况

  

资料来源：2014年CFPS数据和2015年CSS数据，作者自行计算。备注：基本医疗保险包括城镇职工医疗保险、城镇居民医疗保险、新农合和公费医疗，不包括补充医疗保险。

 

26367 7.51 7382 8.70 2014年CFPS数据2015年CSS数据调查总人数（人）未参保率（%）调查总人数（人）未参保率（%）35828 9.71 10205 9.48 15868 12.48 5562 11.63 19960 7.51 4643 6.89 9461 15.84 2823 11.51

（二）中国基本医疗保险的缴费不公平

事实上，大数据可以应用于医疗保险治理的各个方面，包括筹资、管理与待遇支付等［12］。限于篇幅，本文仅以医疗保险全民覆盖为例，分析大数据对医疗保险治理的潜在贡献，并指出中国未来在利用大数据开展医疗保险治理时的改革取向。医疗保险全民覆盖是世界各国包括中国医疗保险制度建设的一项基本原则。实现医疗保险全民覆盖，是实现民众基本医疗权利的前提。就医疗保险制度本身而言，一国国民只有首先被医疗保险制度覆盖，才会涉及参保、缴费和享受医疗保险待遇等问题，医疗保险制度也才能运转下去。然而，由于当前流动人口规模巨大、非正规就业现象日益普遍，使得中国及世界各国医疗保险全民覆盖面临严峻挑战。如果大数据能够有助于中国成功应对上述挑战，其理论与现实意义均将十分巨大。

中国医疗保险全民覆盖的另外一个重大挑战是非正规就业。非正规就业，是指那些因在付酬、劳动时间、劳动关系、工作形态、社会保障及经营活动等方面存在不固定性、不稳定性或不规范性的劳动就业形式［30］。目前，中国非正规就业有多个相关概念，如非正规部门、非正规经济及灵活就业等。尽管定义不同，但是它们都认可非正规就业者的就业不稳定、就业质量低、就业收入低等特点。根据2005年全国1%人口抽样调查数据，中国非正规就业者占城镇非农劳动者的比重在50—60%之间［31-32］。张延吉、张磊利用2011年CSS数据，计算得出非正规就业占比为58.19%［33］。黄宗智认为，中国非正规经济就业人群、乡镇非农就业人员以及务农人员总人数为6.5亿人，占2008年7.72亿城乡就业总人数的84%［34］。而随着大众创新、万众创业政策的落实，中国未来非正规就业占比很可能将进一步提高。

（三）中国基本医疗保险报销不公平

中国基本医疗保险实行户籍地参保，而非属地参保。2016年《中国统计年鉴》显示，2015年，中国农村常住人口为6.03亿人，而新农合参合人数为6.70亿人。城市常住人口为7.71亿人，参保人数仅为6.66亿人。根据历年国家统计局农民工监测报告，2008—2014年，中国农民工参加基本医疗保险的比例一直低于20%。《2016年度人力资源和社会保障事业发展统计公报》显示，2015年，中国农民工总量为28171万人，参加职工医疗保险的农民工人数为4825万人，参保率仅为17.13%［22］。可见，绝大部分农民工都不能享受流入地的基本医疗保险。

大数据并不只是数据规模大。目前，关于大数据有不同的界定方式。目前，较为公认的有3V、4V和5V之说。3V是指大数据具有规模大（volume），核心是全样本，即研究对象为全体样本而非抽样得到的样本；变化快（velocity），是指大数据为实时数据，随时在变化；结构复杂（variety），是指大数据不是传统的结构化数据，而是多种结构并存，同时大数据有多个维度。4V是加上价值（value）密度低，即相对于传统数据，同样单位大数据中的价值含量要低得多。5V再加上veracity，即真实性，是指大数据中的内容是真实世界发生的，而不是受到研究者操控的［36-37］。就本文而言，大数据的全样本和多维性［38］对于医疗保险全民覆盖具有重要意义。

异地安置、转外就医以及异地急诊等人群过去主要实行先垫付后报销方式。对患者而言，其问题是负担重，费用报销手续繁琐，报销周期长，患者垫付压力大、疲于两地奔波，尤其是跨省异地就医患者［27］。对参保地而言，由于就医地医疗机构和异地就医患者存在严重的诱导需求、骗保及欺诈行为，参保地医疗保险经办机构监管成本很高，难度很大［28］。因此，近年来，政府建立了医疗保险异地就医全国联网结算平台，试图解决上述问题。但是，异地就医全国联网结算平台的建设思路主要是解决异地安置人员和转外就医人员的住院费用，对于异地安置人员和转外就医人员的门诊费用以及其他人员的门诊和住院费用报销仍然有限。

上述研究为我们从不同视角理解文化在国际关系中的意义和作用提供了有益启发。目前也有不少研究者将这些学说的视角和逻辑运用于文化外交的研究之中。然而，它们对本文所关注的问题仍难以给出有力的解释。

三、中国医疗保险全民覆盖的挑战

（一）人口流动带来的挑战

中国医疗保险全民覆盖的最大挑战是人口流动。众所周知，中国流动人口规模巨大。2016年，中国流动人口规模达到2.45亿人。据预测，2020年、2025年和2030年，中国流动人口规模将达到2.82亿人、3.07亿人和3.27亿人［29］4。人口流动对医疗保险参保和待遇享受均产生巨大挑战。就参保而言，流动人口流动性较强仍是当前的主要特点。2014年，只有55%的流动人口在流入地居住超过3年［29］7。这意味着大量流动人口在不停更换流动地点。这类流动人口追踪难度大，很容易出现断保和缺乏医疗保险。

同时，中国人口流动呈现以家庭为单位流动的趋势，使得户籍地难以追踪到流出人口，无法实现户籍地参保。而流入地医疗保险经办机构又对流动人口参保重视不足。尽管各地均在开展户籍制度改革，但是，户籍制度改革并没有要求将外地户籍人口纳入本地基本医疗保险。因此，流动人口极有可能同时被户籍地和流入地忽视，从而未被基本医疗保险覆盖。

然而，问题在于，上述解决方案对于北上广等一线城市以及各省省会城市不利。因为这些城市的医疗机构的收入的相当部分来自异地就医患者。比如，异地就医患者的医疗费用占上海［39］和北京［40］三级医院收入的比重分别超过了30%和40%。因此，上述基于大数据的医疗费用控制措施将极大影响上述一、二线城市医疗机构的发展，这些城市必将极力反对。因此，要想发挥大数据对人人报销的作用，必须首先解决上述障碍。

如果流动人口未能参加任何医疗保险，必然影响医疗保险全民覆盖。即使流动人口被纳入户籍地医疗保险，其很有可能面临有保险无报销或有保险低报销的情况。而这些情况将极大降低其继续参保的积极性。通过医疗保险异地就医联网结算，可以解决流动人口的住院待遇，却难以解决门诊待遇。更重要的是，异地就医联网结算下，医患双方会产生严重的道德风险问题。流动参保人缺乏参保地医疗保险经办机构监督，可能过度利用医疗服务。就医地医疗机构由于缺乏流入人口参保地医疗保险经办机构的监督，诱导需求动机大大增加，甚至二者可能合谋套取、骗取参保地医疗保险基金。

（二）非正规就业带来的挑战

天葬师道：“唐门口中的离经叛道，想来放到天下人的眼中，便是不与贼伍、正气凛然。此人在你唐门的一路追杀下，已是伤痕累累，命在旦夕，老夫若是将她交予你，岂不是等同于丧了她的性命？”

不论采用何种口径，中国非正规就业已经成为就业的主流形态。非正规就业对医疗保险制度的首要挑战就是参保难度增加。非正规就业者收入较低，不愿意参加医疗保险。同时，非正规就业形式灵活分散，医疗保险经办机构征收保费的难度也较大。挑战之二是，即使非正规就业者愿意参保，也难以核定其收入。如果实行定额缴费，显然不公平。但是，实行按收入的一定比例缴费的操作成本又过高。为了降低管理成本，中国对于非正规就业人员采取了允许其自由选择参加职工医疗保险或城乡居民医疗保险的做法。并且，灵活就业人员参加职工医疗保险一般采取按照上年度职工平均工资的一定比例缴纳。由于职工医疗保险和城乡居民医疗保险缴费差距巨大而待遇差距不大，中国城镇非正规就业人员更愿意参加城镇居民医疗保险而非职工医疗保险。2015年，中国参加职工医疗保险的在职职工21362万人，仅占当年城镇就业人员总人数（40410万人）的52.86%［35］。

多媒体语文课堂教学除了可以吸引学生学习语文的兴趣和突出语文教学中的重难点外，还可以整合文本教学语言。相比较传统语文教学中唯有老师单纯的声音和黑板上的板书，多媒体语文教学使语文课堂内容丰富多彩，语言幽默诙谐，极大地吸引了学生的热情，帮助他们在轻松愉快的课堂氛围中获取更多的知识，同时鼓励了他们积极动脑，开拓思维和想象力。多媒体技术手段使单一的文本教学由教师语言导入变成设置悬念，激发学生参与思维问题的语言形式，突出了学生学习的主体地位。这样的语言转换，既减轻了老师的教学压力，又方便学生快速吸收和消化所学知识点，达到事半功倍的效果。

假如基于大数据的人人属地参保建议能够得以实施，绝大部分人（比如异地安置人员和流动人口）的人人报销问题均可以解决。此时，只有少部分人（比如转外就医、异地急诊患者）的人人报销问题仍无法解决。如果无法通过大数据实现人人属地参保，人人报销的业务量就会大大增加。因此，人人属地参保是人人报销的前提基础。

四、大数据在医疗保险全民覆盖中的应用

由于实行户籍地参保为主，导致大量流动人口存在异地就医报销问题。中国异地就医报销主要包括异地工作、异地安置、转外就医以及异地急诊等四大类［23］。其中，异地工作主要是针对流动人口而言。由于参保地和户籍地不在一起，绝大部分流动人口都存在有保险无报销以及有保险低报销现象［24］，使得流动人口医疗服务利用水平不足。据调查，2014年，流动人口住院患者中仅有65%获得报销，有医疗保险的人群也仅有73%获得报销。流动人口中新农合参合人群住院费用报销比例为45.8%，低于农村参合农民［25］103。结果是，流动人口住院比例仅为3.9%，远低于全国9%的水平（当然，流动人口年龄结构相对年轻）。19.5%的流动人口经医生诊断需要住院而未住院［25］89，高于2013年国家卫生服务调查中城市居民应住院需住院率（17.6%）和农村居民需住院未住院率（16.7%）［26］。

（一）大数据在推动人人参保中的应用

人口流动和非正规就业让发现参保对象成为难题。大数据有助于解决这一问题。具体而言，中国目前移动手机用户数量已经超过13亿人，由于儿童一般并不使用手机，因此可以推断成年人均持有手机数至少为1部。对于流动成年人而言，亦是如此。同时，中国手机实行实名制。因此，只要通过手机信号定位，就可以立即确定一个人所处的城市和地区。对于非正规就业和流动人口而言，医疗保险经办机构将手机实名登记人姓名与基本医疗保险信息系统匹配，可以快速识别该流动人口是否已经加入本地基本医疗保险。如果发现其未参保，可以通过短信、电话等方式直接通知该人参保登记。同时，医疗保险经办机构通过与民政大数据连接，可以确定非正规就业人口和流动人口的家属，可以同步为流动人口家属办理基本医疗保险。

然而，关键的问题在于，目前中国医疗保险对非正规就业人群采取任其自由选择参加医疗保险的做法。至于流动人口，由于流动人口流入地主要是东部沿海发达地区，正规就业的流动人口加入职工医疗保险会增加企业成本，而其余流动人口加入城乡居民医疗保险会增加本地政府补贴负担，因为中央财政对东部地区城乡居民医疗保险补贴较少。其结果是，东部地区地方政府没有动力将非本地户籍的流动人口纳入本地基本医疗保险。因此，中央政府应实行按照常住人口确定各地基本医疗保险参保扩面指标，并改变现行城乡居民医疗保险保费补贴机制，对全国居民实行一致的财政补贴政策。同时，对于正规就业者设定全国统一的缴费费率。而常驻人口可以采用当地公安部门、住房部门登记的信息以及各地手机实名制和民政联网大数据来确定。这样一来，人口流入地才有动力将流动人口纳入本地基本医疗保险覆盖范围。上述基于大数据的人人参保的措施才能真正发挥作用。否则，在不改变上述体制情况下应用大数据，最多也仅能对本地户籍居民参加基本医疗保险发挥部分作用，无助于实现人人属地参保。

（二）大数据在推动人人缴费中的应用

为了提高筹资的公平性，中国未来必然会按家庭收入的一定比例缴费。目前，执行上的难题是难以确定参保人的家庭收入。通过整合来自多个部门的大数据，医疗保险经办机构可以获得参保人家庭收入的相关信息，以此确定医疗保险保费征收标准。目前，这一措施已广泛应用于最低生活保障申请人家庭收入核查。将低保收入核查扩展到全体国民，即可实现按家庭收入的一定比例缴纳医疗保险保费。当然，由于上述数据只是提供了家庭的一个大致的收入，为此，可以考虑分段缴费。即根据大数据分析预测家庭收入信息，并将家庭收入划分为若干段，每段将该段收入的均值或者上下限设置为家庭缴费基数，实行固定比例缴费或者累进比例缴费，从而提高医疗保险筹资公平性。

在人人缴费问题上，大数据还可以提升中国医疗保险筹资的地区公平性。这就涉及到建立风险调整机制。风险调整机制的核心是钱跟着人走。即按照参保人的需求分配资金，人在哪里，资金分配到哪里。风险调整机制是发达国家防止医疗保险基金挑选参保人、均衡医疗资源配置和促进竞争的重要政策工具。风险调整机制的具体操作是，各地统一基本医疗保险费率，并将医疗保险基金上缴，由全国唯一的医疗保险基金池基于各个参保人的健康风险向其参保的基金拨付相应的保险费。各基金依据参加本基金的人数及其健康风险而获得保费。而风险调整机制的设计本身就要求有足够多的个人信息，包括年龄、性别、职业、慢性病、历史健康状况及医疗支出等。风险调整机制正如智能审核与支付方式改革一样，都必须以参保人大数据作为支撑。当然，在风险调整机制建立之初，可以实行双轨制，即实行部分现行筹资机制、部分风险调整机制的模式。随着时间推移，逐步完全实行风险调整机制。

然而，无论是实行按家庭收入的一定比例缴费，还是实行风险调整机制，关键的问题是中国是否要采取以家庭为单位参保的形式。中国医疗保险制度中，农村居民实行以家庭为单位参保，而城市家庭实行以个人为单位参保。当然，实行以个人为单位参保仍然可以运用大数据预测个人收入，并按比例缴费。但是，医疗保险经办机构能否获得各个部门的支持，以获得参保人家庭的收入和资产情况，是一个未知数。而在风险调整机制中，受益的主要是中西部地区，受损的是东部地区，改革能否冲破地区利益的阻挠，也存在极大的不确定性。

（三）大数据在推动人人报销中的应用

社会医疗保险产生于工业革命之后的大工厂体制，其特点是正规就业、人员稳定、工厂人数众多，因此社会医疗保险通过工厂可以低成本高效率地实现正规就业人员参保，通过实行家庭联保（即职工参保，其家属跟随参保）可以将医疗保险拓展到非就业人群，以极低的管理成本就实现了医疗保险全民覆盖。而如今，世界范围内都产生了人口流动和非正规就业的趋势。这不仅会对中国医疗保险全民覆盖产生严重的负面影响，对其他社会医疗保险国家也同样如此。

就目前而言，中国基本医疗保险人人报销的问题有二：一是门诊费用难以报销，二是医患双方的合谋行为。随着异地就医结算平台完善，门诊费用报销问题会逐步解决。但是，异地就医结算平台无法解决医患合谋问题。

大数据可以有助于上述问题的解决。通过大数据分析，可以省为单位计算各省异地就医结算年度总支出及其在其他各省的分布。因此，各省可以省为单位向其他省份实行总额预付。通过总额预付，可以有效提高就医地所在省份医疗保险经办机构监管本地医疗机构和外地就医患者的动力。同理，各省可以利用大数据进一步可以计算各个地市的异地就医费用分布情况，将各个地市的异地就医患者医疗费用纳入就医地医疗保险经办机构管理范畴。通过上述制度设计，将能有效降低异地就医医患双方的道德风险。

即使流入地医疗保险经办机构愿意将流动人口纳入本地基本医疗保险，也面临现实的困难。目前，针对城镇户籍的人口，城镇医疗保险经办机构依托单位对正规就业人员开展医疗保险征收扩面工作，依托社区居委会对其余的城镇居民征缴保费。而流动人口80%以上集中于制造业、批发零售业、住宿餐饮业、社会服务业和建筑业等就业较不稳定的领域［29］130。流动人口工作不稳定、收入低、居无定所，导致医疗保险保费征收工作难度较大。因此，城镇医疗保险经办机构对流入人口参保既缺乏动力、也缺乏足够的人力、物力与征收手段。这无疑会极大影响医疗保险全民覆盖。

根据实验数据，表1中sig=0.0000平均值实验组为3.10，对照组为1.10。表2中sig=0.000平均值实验组为2.98对照组为1.00。表3中sig=0.000平均值为3.05和1.07。实验组在三项测试当中成绩明显优于对照组，表明实验组的词汇习得率远远高于对照组的传统学习方式。根据测验三项成绩相加显示，实验组通过移动终端软件学习词汇，平均成绩为87分，对照组通过传统方式学习平均分为66分，正确率比对照组高19分。移动终端APP软件学习词汇学习效果明显优于传统学习方式。

五、结论与讨论

随着人口流动加剧以及非正规就业现象的日益普遍，中国乃至世界各国的社会医疗保险全民覆盖都将面临更大的挑战。在这一大环境下，如何实现人人参保、人人缴费和人人报销不但具有理论的重要性，更具有实践的重要性。目前，中国尚未实现医疗保险全民覆盖，未来的挑战也更为严峻。

对生态脆弱度及生态敏感度评价结果进行加权矩阵分析，叠加得出研究区域乡村生态系统固有属性的综合表征。之后与生态干扰度评价结果进行叠加[20]，得出研究区域生态风险综合评价结果及其空间分布，分为5个风险等级区域，包括低风险区（10.89%）、较低风险区（13.87%）、中风险区（24.21%）、较高风险区（25.11%）、高风险区（25.92），为景观生态安全格局构建与生态空间分类发展引导提供依据（图6）。

为了保证现代化社会持续稳定发展，开展产品监测预警与过程风险分析预警工作十分重要，是确保农业健康有序发展的基础，也是推动社会经济持续增长的关键。为此，相关部门需加强产品监测预警与过程风险分析预警工作重视，推动其效用在农业发展中全面发挥，为提高核心竞争力提供有效依据。

大数据为应对上述挑战提供了思路。比如，通过手机信号自动定位功能以及与民政大数据的连接，大数据可以帮助中央政府确立各地人人参保的覆盖面指标，并降低各地医疗保险经办机构扩面征缴的难度，实现人人属地参保。通过将不同数据库的多维度的大数据信息整合起来，大数据可以帮助确定中国城乡家庭的收入、资产等财务状况，从而可以实行以家庭为单位参保、按家庭收入的一定比例征收保费，最大程度地提高医疗保险筹资公平。通过分析异地就医人员医疗费用分布情况，大数据可以帮助将异地就医患者医疗费用纳入就医地医疗保险经办机构监管范围，从而有效减少异地就医医患双方的道德风险。

尽管大数据确实能够有效推动落实医疗保险全民覆盖，但是大数据仅仅是一种技术手段，属于技术治理的范畴［41-42］。它能否推动医疗保险全民覆盖，并不取决于大数据本身的应用效果，而在于大数据技术的实施能否扫清各项制度性障碍。比如，尽管在最低生活保障制度中家庭收入核查中已经利用到了大数据，但是协调不同相关部门而非大数据技术才是收入核查面临的真正障碍。在医疗保险全民覆盖中，不论是人人属地参保、人人缴费还是人人报销，要想让大数据发挥实质性的作用，首先要做的就是为大数据技术分析扫清障碍。否则，就算大数据能够在不改变各项制度性障碍的基础上发挥作用，也只是固化了已有的漏洞百出的体制，反而不利于制度的优化设计。这才是未来中国医疗保险治理过程中应用大数据时最应当加以重视的问题。

从以上分析可以看出，该项目管板淬火主要存在3大难点：管板能否正常落入水槽、性能波动问题和防止尺寸变形问题。针对以上难题，逐一研究，落实具体措施。

注释：

①《2016年中国统计年鉴》来自国家统计局官网，http://www.stats.gov.cn/tjsj/ndsj/2016/indexch.htm。2008年《中国卫生统计年鉴》来自国家卫生和计划生育委员会官网，http://www.nhfpc.gov.cn/mohwsbwstjxxzx/s7967/201307/a9d7 8429652d4a9394a9f8197b8212b9.shtml。

②2014年中国家庭追踪调查（China Family Panel Studies，CFPS）由北京大学中国社会科学调查中心组织，覆盖25个省／市／自治区，目标样本规模为16000户，调查对象包含样本家户中的全部家庭成员。2015年中国社会状况综合调查（Chinese Social Survey，CSS）是中国社会科学院社会学研究所于2005年发起的一项全国范围内的大型连续性抽样调查项目，调查区域覆盖了全国31个省／自治区／直辖市，包括151个区市县，604个村／居委会，每次调查访问7 000-10 000个家庭。

参考文献：

［1］国务院办公厅.关于运用大数据加强对市场主体服务和监管的若干意见［EB/OL］.（2015-06-24）［2018-02-27］.http：//www.gov.cn/zhengce/content/2015-07/01/content_9994.htm.

［2］国务院.关于印发促进大数据发展行动纲要的通知［EB/OL］.（2015-08-31）［2018-02-27］.http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.

［3］国务院办公厅.关于促进和规范健康医疗大数据应用发展的指导意见［EB/OL］.（2015-06-21）［2018-02-27］.http：//www.gov.cn/zhengce/content/2016-06/24/content_5085091.htm.

［4］工业和信息化部.关于印发大数据产业发展规划（2016-2020 年）的通知［EB/OL］.（2016-12-18）［2018-02-27］.http：//www.miit.gov.cn/n1146295/n1652858/n165 2930/n3757016/c5464999/content.html.

［5］人力资源和社会保障部.关于印发人力资源和社会保障事业发展“十三五”规划纲要的通知［EB/OL］.（2016-07-06）［2018-02-27］.http：//www.gov.cn/xinwen/2016-07/15/content_5091419.htm.

［6］中共中央 国务院.“健康中国2030”规划纲要［EB/OL］.（2016-10-25）［2018-02-27］.http：//www.gov.cn/zhengce/2016-10/25/content_5124174.htm.

［7］国务院.“十三五”深化医药卫生体制改革规划［EB/OL］.（2016-12-27）［2018-02-27］.http：//www.gov.cn/zhengce/content/2017-01/09/content_5158053.htm.

［8］黄德斌，秦佳佳，毛勇全.发挥医保数据监测和警示作用的创新之路——基于成都市医保大数据挖掘的实践［J］.中国医疗保险，2017（5）：38-41.

［9］余晓兰，董建成，耿劲松，等.大数据理念下医保报销循证决策框架设计［J］.医学信息学杂志，2017，38（2）：62-64+73.

［10］支济祥.大数据背景下我国医保基金风险防控研究［J］.中国卫生产业，2017，14（8）：12-13.

［11］吴奎.“互联网+大数据”为医保慢病管理带来机遇［J］.中国社会保障，2016（7）：84-85.

［12］王超群.大数据推动医疗保险治理［N］.中国社会科学报，2017-12-20：06.

［13］Reeder J C，Terry R F.Research for Universal Health Coverage［M］.World Health Organization，2013.

［14］World Health Organization（WHO）.World Health Report 2008：Primary Health Care，Now More Than Ever［M］.Geneva，2008.

［15］张朝阳，孙磊.全民健康覆盖的内涵界定与测量框架［J］.中国卫生政策研究，2014，7（1）：19-22.

［16］孟庆跃.全民健康覆盖：从理念到行动［J］.中国卫生政策研究，2014，7（2）：1-4.

［17］国务院.关于整合城乡居民基本医疗保险制度的意见［EB/OL］.（2016-01-03）［2018-02-27］.http：//www.gov.cn/zhengce/content/2016-01/12/content_10582.htm.

［18］张国英，吴少龙.基本医疗保险重复参保：碎片化、理性选择与官僚行政——基于CLDS数据的实证研究［J］.甘肃行政学院学报，2015（3）：81-88-128.

［19］刘冬梅，王晖，龚双燕，等.中国流动人口重复参加基本医疗保险现状及影响因素［J］.中国公共卫生，2016（1）：62-65.

［20］张静雅，王泳仪，侯志远.流动人口重复参保现状及其影响因素研究［J］.中国卫生资源，2016（5）：367-371.

［21］王东进.切实加快医疗保险城乡统筹的步伐［J］.中国医疗保险，2010（8）：6-8.

［22］人力资源和社会保障部.2016年度人力资源和社会保障事业发展统计公报［EB/OL］.（2017-05-31）［2018-02-27］.http：//www.mohrss.gov.cn/SYrlzyhshbzb/zwgk/szrs/tjgb/201705/t20170531_271671.html.

［23］中国医疗保险研究会，华中科技大学同济医学院医疗保险研究中心.异地就医服务与管理研究综述［J］.中国医疗保险，2009（10）：33-34.

［24］吴少龙，凌莉.流动人口医疗保障的三大问题［J］.中国卫生政策研究，2012（6）：30-36.

［25］国家卫生和计划生育委员会流动人口司.中国流动人口发展报告2015［M］.北京：中国人口出版社，2015：103.

［26］国家卫生计生委统计信息中心.第五次国家卫生服务调查分析报告［M］.北京：中国协和医科大学出版社，2015：75.

［27］人力资源社会保障部.人力资源社会保障部办公厅关于印发《异地就医结算文件宣传提纲》的通知［EB/OL］.（2015-11-20）［2018-01-10］.http：//www.sc.gov.cn/10462/11855/11955/11958/2015/11/20/10359735.shtml

［28］胡大洋.异地就医管理误区与难点分析［J］.中国医疗保险，2014（3）：41-43.

［29］国家卫生和计划生育委员会流动人口司.中国流动人口发展报告2016［M］.北京：中国人口出版社，2016.

［30］张彦.非正规就业：概念辨析及价值考量［J］.南京社会科学，2010（4）：62-68.

［31］吴要武.非正规就业者的未来［J］.经济研究，2009（7）：91-106.

［32］薛进军，高文书.中国城镇非正规就业：规模、特征和收入差异［J］.经济社会体制比较，2012（6）：59-69.

［33］张延吉，张磊.中国非正规就业的形成机制及异质性特征——兼论三大理论的适用性［J］.人口学刊，2017（2）：88-99.

［34］黄宗智.中国发展经验的理论与实用含义——非正规经济实践［J］.开放时代，2010（10）：134-158.

［35］人力资源和社会保障部.2015年度人力资源和社会保障事业发展统计公报［EB/OL］.（2016-06-16）［2018-02-27］.http：//www.mohrss.gov.cn/gkml/xxgk/201606/t201 60616_241879.html.

［36］李学龙，龚海刚.大数据系统综述［J］.中国科学：信息科学，2015（1）：1-44.

［37］冯仕政.大数据时代的社会治理与社会研究：现状、问题与前景［J］.大数据，2016（2）：3-16.

［38］吴军.智能时代大数据与智能革命重新定义未来［M］.北京：中信出版集团，2016：63-74.

［39］程沛然，陈澍，陈英耀.医疗保险异地就医管理政策的案例分析［J］.中国卫生资源，2015（1）：53-56.

［40］满晓玮，张倩，蒋艳，等.北京市外来就医与购药对卫生总费用核算平衡的影响［J］.中国卫生政策研究，2014（1）：70-75.

［41］渠敬东，周飞舟，应星.从总体支配到技术治理——基于中国30年改革经验的社会学分析［J］.中国社会科学，2009（6）：104-207.

［42］黄晓春，嵇欣.技术治理的极限及其超越［J］.社会科学，2016（11）：72-79.