不久前芝加哥的拉什大学医疗中心（Rush Uni versity Medical Center）在医疗保险和医疗补助服务中心（CMS）医院评级系统中坐拥最高的五星评级。芝加哥大学布斯商学院的丹·阿德尔曼（Dan Ad elman）谈到，用于计算2018年7月评级的数据显示，该医院在很多方面都有所改善，所以当医院管理人员预览新评级结果，发现拉什跌至三星时，他们颇感震惊。
　　阿德尔曼谈到，即使一家医院在每一项指标上都有所改善，也会出现评级下降。这表明当前的CMS系统有问题，他提出了一个解决问题的方法。
　　CMS评分系统将数百项医院指标分为七类：死亡率、治疗安全性、再入院率、患者体验、治疗效果、治疗及时性和医学影像的有效使用。然后，该系统使用统计学家所说的“潜在变量模型”（hidden variable model）进行计算，该模型会对统计上相关但不一定能反映医院表现的指标赋予权重。
　　这个潜在变量模型假设，在每个类别中，都有一个单一的、不可知的因素驱动表现指标。如果一个类别中的一些指标是相关的，那么该模型就假定这些指标是由潜在变量驱动的，从而在计算医院的得分时给予它们更多的权重。
　　阿德尔曼认为，评级过程在评估指标相关性上的微小变化，导致了评级结果“难以预料”的不稳定性，从而使评级结果对那些可能依赖它来选择医疗机构的病人毫无意义。评级还会影响医院的声誉。此外，当病人被吸引到排名较高但治疗结果较差的医院时，该地区居民的整体健康也会受到损害。
　　“这就像为学校制定一个评分方案。”阿德尔曼谈道，“老师会在学期开始时给出评分标准，并告诉每个人出勤、测验、论文和考试的权重。但CMS评分系统就像过了整个学期以后，才根据学生的表现告诉每个人各项的权重是多少，而且每学期都可能改变评分标准。”
　　阿德尔曼谈到，CMS评级模型的一个好处是，它不需要CMS或其附属机构的任何人手动确定每个指标的权重，手动确定每个指標的权重可能会带来偏见、加入自己的意见。而该模型确定了如何为每个指标赋予权重，并且很容易集成其他指标。
　　阿德尔曼认为，使用他创建的模型可以实现相同的目的，他的模型不依赖于指标的相关性，而是依赖于病人的陈述以及与表现最佳医院对比的结果。在他的模型中，每家医院都有自己独特的砝码。一项影响更多人的指标将获得更大的权重。
　　为了衡量A医院的具体指标，阿德尔曼的模型将其与其他效率更高、在关键方面表现更好的医院进行了比较。
　　这些医院结合到一起，形成了一个“虚拟医院”（virtual hospital），其评分位于A医院和理想的医院之间，理想的医院指在所有方面均达到最佳表现的医院。因此，虚拟医院的评分必然高于A医院。
　　这种想法让人联想到金融领域的投资组合优化，即投资者通过有效边界？ 可以获得最佳风险调整回报的投资组合？ 来寻求投资组合回报的最大化。阿德尔曼的模型不是将以风险和回报衡量的投资组合起来，而是将在死亡率和重新入院率等因素上表现最佳的医院组合到一起。然后，该模型确定指标权重，这些权重会使A医院的得分尽可能接近按相同权重原则测评的虚拟医院的得分，并使A医院的得分最大化。
　　阿德尔曼表示，该模型消除了即使所有指标均得到改善医院也会获得较低评分的可能性。他谈道：“在合理的条件下，指标权重服从理想的结构特性（structural properties），比如，当医院改进时分数会提高，而表现较好的医院分数会更高。”