在CMS TEAM下取胜：构建学习型健康系统以实现当下与未来的VBC成功

标题：在CMS TEAM框架下制胜：构建学习型健康系统，实现当下与未来的基于价值的医疗（VBC）成功

来源URL：https://www.databricks.com/blog/winning-under-cms-team-building-learning-health-system-realize-success-vbc-today-and-tomorrow

发布日期：2026-05-29T13:53:00+0000

Markdown内容： 自2026年1月1日起，全美逾700家医院迎来了基于价值的医疗（VBC）新现实。美国医疗保险与医疗补助服务中心（CMS）推出的“转型事件责任模型”（Transforming Episode Accountability Model, TEAM）要求选定机构对五大高量手术事件的总成本与质量进行全程管理——从入院直至出院后30天。

财务影响极为显著：根据美国外科学会（ACS）发布的数据分析，表现优异的医疗系统每年可获得400万至3000万美元的共享节余；而准备不足的机构则可能在项目五年周期内面临超1000万美元的返还风险。

然而，多数医院尚未准备好应对的核心挑战在于：传统分析基础设施既无法支撑TEAM所要求的主动式临床决策，也无法为其最终承担的下行风险（绝大多数参与者自第二年起即须强制承担）做好充分准备。 成功的关键在于，必须超越按月仪表盘与季度回顾，转而构建以数据智能为基础的体系，从而在事件成本超出目标前及时干预。

**理解TEAM的数据复杂性**

TEAM标志着CMS打包支付计划的重要进展，其聚焦于更高成本的专科诊疗事件。相较于以往主要覆盖少数术式的“全面关节置换”（CJR）及“护理改进打包支付”（BPCI）高级版，TEAM强制要求对五大类手术事件实施打包支付：

• 下肢关节置换
• 冠状动脉旁路移植术（CABG）
• 手术治疗髋部与股骨骨折
• 脊柱融合术
• 重大肠道手术

每类事件均设立30天责任窗口期，覆盖从手术室到技能护理机构（SNF）、家庭健康服务机构及门诊随访等多重照护场景。

这种复杂性带来了前所未有的数据整合挑战：医院需同步追踪院内电子病历（EHR）数据、涵盖A部分与B部分服务的理赔数据、SNF与家庭健康服务的急性后照护数据、影响成本与质量的社会决定因素，以及数百名外科医生与专科医师的绩效指标。

传统模式下等待6–9个月待理赔数据结清的做法，意味着医院仅能在为时已晚时才得知自身表现。行业数据凸显紧迫性：依据当前支出模式，三分之二的医院将在TEAM下出现收入损失，单个事件收益或亏损幅度可达每例+3,000美元至–5,500美元不等。 胜出者与落败者的差异并非来自业务量，而是源于由智能数据基础所赋能的运营能力。

**面向TEAM的现代数据架构**

#### 构建智能数据基础

在TEAM等基于价值合同模式中取得成功的医疗系统，普遍具备以下数据基础设施特征：

• 统一数据平台：单一可信数据源，整合院内临床、理赔与运营数据，并延伸至非隶属的社区医疗机构。领先机构不再为质量、财务与运营分别维护独立数据集市，而是统一部署于云原生数据湖仓（data lakehouse）架构之上，以支持海量结构化与非结构化数据。
• AI/ML集成：预测模型持续从实际结果中学习，以优化风险分层、干预建议与并发症预测。这些模型必须投入生产环境运行（含监控与再训练机制），而非仅作为一次性实验。
• 嵌入式工作流：临床洞见应直接嵌入现有工具中，而非依赖独立门户。无论通过EHR集成、出院规划系统，抑或照护协调平台（门户），智能支持必须无缝融入医护人员日常操作流程。
• 可扩展架构：基础设施需能随CMS扩展TEAM覆盖事件类别而灵活扩容。基于现代云平台构建可确保系统弹性扩展，无需重写底层架构。

**现代数据架构赋能的关键能力矩阵**

一旦建成基础数据整合架构，医疗系统还需部署一系列数据驱动能力，以实现主动式事件管理：

| 类别 | 关键能力 | |------|----------| | 临床 | 最优下一步行动决策支持、主动填补照护缺口、患者恶化预警 | | 运营 | 高级风险识别与分层、照护场所规划、协同式急性后照护路径 | | 项目管理 | 高价值医师网络智能、持续质量改进（QI）/绩效改进（PI）机会识别、预测性绩效差距预警 |

#### 最优下一步行动决策支持

临床医生每日需面对数百项影响事件资源使用与质量的决策。智能决策支持系统必须在诊疗点提供个性化建议，识别可能导致并发症的临床或社会经济风险因素，并推荐具体干预措施，以实现患者最佳结局。这要求将临床与社区数据整合进机器学习模型——模型需持续从实际结果中学习，并通过EHR集成直接嵌入临床工作流，而非以需额外查阅的独立报告形式呈现。

#### 协同式急性后照护路径

急性期后照护（Post-acute care）是院外支出的最大驱动因素，临床情况相似的患者在熟练护理机构（SNF）和居家健康服务上的费用差异可达300%–400%。为持续优化管理，必须实施主动监测与干预：动态更新SNF绩效基准；提供整合成本与质量数据的出院计划决策支持；开展出院后监测并推送再入院风险预警；以及建立双向数据交换机制，使急性期后照护（PAC）合作方能够实时查看诊疗周期（episode）的成本状态。

#### 高价值医疗服务提供者网络智能

临床合作伙伴的绩效差异直接影响诊疗周期的成本与质量。系统需提供持续更新的医生层级分析、同行基准比对功能（支持临床团队横向比较绩效）、最佳实践识别工具（揭示顶尖与末位执行者之间的具体流程差异），以及转诊模式优化能力。这要求采用复杂的归因逻辑，综合考虑病例组合与患者风险，并通过自动化医生评分卡，在每个诊疗周期完成后即时刷新评估结果。

#### 现实影响：从数据到收益

为理解TEAM新型诊疗周期打包支付模式可能对贵机构产生的财务影响，可参考我们曾协助参与打包支付项目的医疗机构所呈现的综合案例：

一家拥有500张床位的学术医学中心，年均约725例TEAM诊疗周期，在六个月内构建了现代化数据基础架构，将电子病历（EHR）、理赔及急性期后照护数据整合至统一云平台，实现诊疗周期仪表盘实时更新、入院时即通过预测模型标记高风险周期、出院流程中嵌入“下一步最佳行动”建议，并每周更新SNF评分卡。

其成果体现了高效打包管理的典型模式：

• 通过数据驱动的出院规划，SNF费用降低15%；
• 借助自动化提醒机制，风险捕获完整性提升8%；
• 利用预测模型识别高风险患者并提前干预，再入院率下降12%，相较基线预测带来显著正向财务影响。

推动成功的关键指标包括：

• 每日更新的诊疗周期成本趋势与支出目标对比；
• 质量综合得分表现及差距弥补率；
• 外科医生层级的绩效基准比对；
• 高风险诊疗周期识别及其干预成功率；
• PAC机构绩效追踪。

**启动步骤：您的行动方案**

#### 立即行动（未来30–60天内）

• 建立治理机制
• 谁担任项目高层负责人？
• 除财务对账外，如何衡量成功？
• 项目立项与建议审批流程如何设计（例如：路径选择）？
• 治理层如何监督、缓解并干预绩效或项目未达预期的情况？

• 建立项目管理体系
• 如何定义并衡量患者队列？
• 如何跟踪各项举措的落地进展？
• 如何量化举措带来的效益？
• 如何报告队列及举措对结果的影响？
• 项目管理如何尽早识别并缓解绩效与结果风险？

组建跨职能团队：TEAM的成功依赖临床领导、IT、财务与数据分析等传统上各自独立领域的协同合作。各领域需在治理层面及具体项目中均有适当代表，方能有效设计并落地价值导向项目。

#### 评估现状：

• 您能否在患者进入手术室前识别所有活跃的TEAM诊疗周期？
• 您是否清楚医院整体支出超支的根本原因？或为何部分医生的病例优于目标而另一些则严重超标？
• 临床医生能否在其工作流中便捷访问诊疗周期相关数据？
• 您是否已部署预测模型以识别高风险诊疗周期？若上述任一问题答案为“否”，则表明当前存在严重影响财务表现的关键缺口。

#### 优先级用例排序：

依据行业基准，建议优先聚焦以下三类高回报场景： 风险捕获（投资回报率最高、实施最快）、 急性期后照护优化（最大成本驱动因素）、 下一步最佳行动决策支持（支撑其余能力规模化落地）。 上述三项通常可在第一年内实现60%–70%的可达成节约目标。 贵机构在这些领域的利用效率与成效，与业内表现最优的医疗机构相比如何？

##### 战略性投入

长期成功依赖于： 现代云原生数据基础设施（传统系统无法满足所需扩展性）； 持续集成能力（以事件驱动架构替代夜间批处理作业）； 高级分析与AI/ML工具（超越电子表格与BI仪表盘）； 以及面向临床采纳的变革管理（技术本身无法驱动结果，必须获得临床医生深度参与）。

##### 协作共建模式

领先机构普遍采用多方协作策略：技术伙伴提供现代化数据平台底座；领域专家贡献TEAM专属分析能力与经验证干预方案；临床倡导者则自内部推动医师参与。关键在于确保各方作为一体化团队协同运作，而非彼此割裂的工作流。

##### 前行路径

TEAM既蕴含重大机遇，也伴随显著风险。成败与否，不取决于医院规模或历史市场地位，而取决于您所构建的数据基础及其所能释放的能力——无论您当前处于TEAM旅程的哪一阶段。

仍依赖事后报告的机构正通过2026年初的案例发现，传统方法已无法与之竞争。与此同时，那些投资于智能数据基础设施的医疗系统，已能提前识别高风险病例、优化出院决策、主动弥补质量差距，并成功获取共享节余。

或许最重要的是，实现TEAM成功所需的能力远不止适用于这一单一项目。此类投入可帮助您的机构为数据资产构建面向未来的韧性，并赋能数据驱动型决策。TEAM不仅是一种支付模式，更是一种推动构建“学习型医疗系统”的强制性驱动力。当前即着手投入的机构，不仅能在TEAM框架下赢得先机，更能为整个组织的持续绩效提升奠定坚实基础。

Databricks联合一支价值导向型医疗照护领域的专家合作伙伴团队，为处于TEAM旅程任一阶段的参与者开发了一套全面的“TEAM风险准备度评估”。该评估从数据整合、分析成熟度、临床工作流程及财务绩效追踪等维度，全面审视您当前的能力水平。完成评估的机构可立即明确资源投入的重点方向，并科学规划投资优先级，在最大化成效的同时有效降低潜在风险。

请联络**Strategic APM Collaborative 团队** 预约评估或索取更多信息。