我國縣級疾病預防控制中心效率影響因素的多水平分析

武娜娜 李程躍 胡 敏 勵曉紅 李曉姣 姜立文 郝 模12

1.復旦大學衛(wèi)生發(fā)展戰(zhàn)略研究中心 上海 200032 2.健康風險預警治理協(xié)同創(chuàng)新中心 上海 200032 3.復旦大學公共衛(wèi)生學院 上海 200032

?

·公共衛(wèi)生·

我國縣級疾病預防控制中心效率影響因素的多水平分析

武娜娜李程躍胡 敏勵曉紅李曉姣姜立文郝 模1,2

1.復旦大學衛(wèi)生發(fā)展戰(zhàn)略研究中心 上海 200032 2.健康風險預警治理協(xié)同創(chuàng)新中心 上海 200032 3.復旦大學公共衛(wèi)生學院 上海 200032

目的： 探討我國縣級疾病預防控制中心(簡稱“疾控中心”)效率的影響因素。方法：全國系統(tǒng)抽樣選取458個縣級樣本疾控中心，運用多水平模型對2012年數(shù)據(jù)進行分析，明確區(qū)域層面(高水平)和機構層面(低水平)因素對機構效率的影響。結果： 我國縣級疾控中心的效率在省份間存在聚集性，區(qū)域層面的人口密度對機構效率存在影響，機構層面中衛(wèi)生技術人員比例、人均服務收入、人均實驗室面積對效率有顯著影響。結論：區(qū)域層面和機構層面的因素均對效率產(chǎn)生影響，多水平模型有助于全面認識我國疾控中心效率的影響因素。

疾病預防控制中心； 多水平模型； 影響因素； 效率

課題組利用數(shù)據(jù)包絡分析方法(DEA)分析表明：2012年我國縣級疾病預防控制中心(簡稱“疾控中心”)的總體效率平均僅為0.505，投入產(chǎn)出效率偏低。影響疾控中心服務效率的因素眾多，既有機構自身的內(nèi)部因素(微觀)，包括人員素質、人員結構、經(jīng)費投入結構等，也有機構所在區(qū)域的外部環(huán)境因素(宏觀)，包括社會經(jīng)濟水平、人口密度以及政府對公共衛(wèi)生的重視程度等。以往的效率影響因素研究大都采用傳統(tǒng)的回歸模型進行分析(如多重回歸、Logistic回歸等)，將不同層次的影響因素視為同一水平進行處理，從而忽視了不同層次結構數(shù)據(jù)所蘊含的信息，不能較好地解釋相應的現(xiàn)象。[1]多水平模型(Multilevel Models)是處理和分析具有層次結構數(shù)據(jù)的有利工具。[2-3]因此，本研究將應用多水平模型，分析我國縣級疾控中心效率的影響因素，有助于準確把握關鍵影響因素，從而有針對性地提出促進效率提高的改進建議。

1 資料與方法

1.1 抽樣方式

本研究采取系統(tǒng)抽樣的方式在全國31個省(自治區(qū)、直轄市)選取樣本縣級疾控中心。按假設檢驗樣本容量計算公式，選取“每千人口政府對疾控中心的財政投入”作為關鍵指標，取檢驗水準α為0.05，第Ⅱ類錯誤β為0.05，共需抽取458個縣級疾控中心。抽樣時將全國2 858個縣級疾控中心按照行政區(qū)碼從小到大順序排列，用隨機數(shù)確定第1個樣本機構后，每間隔6個抽取1個，最終抽取所需的458個樣本機構。

利用疾病預防控制管理信息平臺，本研究主要選取2012年度樣本機構的相關影響因素指標進行多水平模型的擬合。將樣本機構數(shù)據(jù)與2013年《中國衛(wèi)生統(tǒng)計年鑒》全國疾控中心人員的年齡結構進行一致性檢驗(采用瑪葉指數(shù))，發(fā)現(xiàn)樣本數(shù)據(jù)在全國具有較好的代表性(瑪葉指數(shù)=9.82<60)。

1.2 研究方法

多水平模型主要用于研究有嵌套結構或者層次結構的數(shù)據(jù)，可將原來單一的隨機誤差分解到各個水平上，極大改善了模型擬合的結果。在實際研究與工作中，最為常用的是兩水平模型，其一般形式如下：

其中，yij表示第j個兩水平個體的第i個低水平觀察值的響應變量，xij表示解釋性變量。πkj(k=0,1,…,K)表示隨機系數(shù)，其中，π0j是低水平隨機截距。Q個低水平解釋變量具有固定系數(shù)。每個隨機系數(shù)被定義為P個高水平解釋變量的線性函數(shù)。ωpj表示隨機系數(shù)第p個高水平解釋變量。為確保模型估計的穩(wěn)定性，要求樣本量較大，組群數(shù)量至少大于10個，且高水平和低水平變量殘差方差符合正態(tài)或多元正態(tài)分布。[4]

本研究中，458個樣本縣級疾控中心“嵌套”于全國31個省份中，數(shù)據(jù)具有層次結構，且符合多水平模型對樣本量的要求。因此將機構所在的省份(區(qū)域)視為高水平、機構自身視為低水平擬合兩水平模型。運用多水平模型分析縣級疾控中心效率的影響因素，可以充分考慮結構數(shù)據(jù)誤差的層次性和變量間的相關性，將效率的差異分解到相應的水平，更準確地解釋區(qū)域層面和機構層面的影響因素，避免錯誤估計影響因素的作用強度。[5]

在模型中，因變量為縣級疾控中心的總體效率值；解釋變量結合衛(wèi)生系統(tǒng)宏觀模型[6]和專家咨詢論證確認：區(qū)域層面(高水平)的變量從經(jīng)濟水平、服務人口和政府對公共衛(wèi)生重視程度三個維度選取，分別選擇人均GDP、人口密度和防治防疫事業(yè)費占當?shù)谿DP的比例作為代表性指標；機構層面(低水平)的變量從人力、財力、物力三個維度來選取，分別選擇衛(wèi)生技術人員比例、本科以上學歷人員比例、人均人員經(jīng)費、人均公用經(jīng)費、人均服務收入、人均業(yè)務用房建筑面積、人均實驗室建筑面積共7個指標作為代表性指標，強調(diào)投入資源的質量與結構對服務效率的影響。

考慮到本研究中的解釋變量較多，且主要目的是為了探討各解釋變量對效率的影響大小，因此在模型擬合過程中低水平變量均只考慮固定效應，不考慮隨機效應。3個高水平變量人口密度、人均GDP和防治防疫事業(yè)費占GDP的比例按照指標值高、中、低聚類分為三組，并以低水平作為參照組設置啞變量(以人口密度為例，低、中、高人口密度的啞變量在模型中分別以人口密度_0、人口密度_1和人口密度_2表示)。7個低水平變量均進行測量中心化(measurement centering)處理，具體方法是：將每一個測量值減去其總體均數(shù)，即得到中心化變量。經(jīng)檢驗，高水平和低水平變量的殘差方差基本符合正態(tài)分布，符合多水平模型的數(shù)據(jù)要求。

1.3 統(tǒng)計分析方法

利用EXCEL2013進行數(shù)據(jù)整理，并計算瑪葉指數(shù)；利用SPSS20.0建立分析數(shù)據(jù)庫，進行指標聚類分析和多水平模型的擬合(P<0.1為具有統(tǒng)計學意義)，利用P-P概率圖進行指標的正態(tài)性檢驗。

2 結果

本研究將采用Singer[7]推薦的方法，在兩水平模型的構建過程中，首先擬合空模型來檢查是否存在組間變異，然后依次引入高水平變量和低水平變量，擬合兩水平隨機截距模型[8]。同時，我們利用-2倍對數(shù)似然值(-2 Log Likelihood)的變化來判斷模型擬合的優(yōu)劣。

2.1 構建空模型

表1 空模型的隨機效應估計結果

空模型的結果還可以說明因變量的變異中有多大程度是由組間變異引起的，這種變異的大小可以通過計算組內(nèi)相關系數(shù)(ICC)來定量表示。

=0.007/(0.007+0.045)=0.13

以上表明在效率值的總變異中有13%是由于機構所屬省份不同所引起的，因此有必要進一步探討高水平因素的影響，需要繼續(xù)采用多水平模型進行分析。

2.2 將高水平變量納入空模型

多水平模型構建的第2步是在空模型中加入高水平解釋變量，探討哪些高水平變量可以解釋省份之間的變異。將人口密度、人均GDP、防治防疫事業(yè)費占GDP的比例3個高水平變量納入模型進行擬合，發(fā)現(xiàn)僅納入人口密度這一變量時，可使斜率的方差估計具有統(tǒng)計學意義，可以部分解釋省份間的效率差異(表2、表3)。與空模型相比，模型擬合效果得到改善，-2倍對數(shù)似然值從-78.493下降到了-84.024。

表2 含有高水平變量的隨機截距模型隨機效應估計結果

表3 含有高水平變量的隨機截距模型固定效應結果

2.3 將低水平變量納入截距模型

前述重點檢驗高水平變量對效率差異的影響，沒有考慮機構層面的影響。因此，進一步引入低水平解釋變量，探討哪些低水平變量可以解釋省份內(nèi)效率的差異。如表4、表5所示，將經(jīng)過測量中心化處理后的7個低水平變量(衛(wèi)生技術人員比例、本科以上學歷人員比例、人均人員經(jīng)費、人均公用經(jīng)費、人均服務收入、人均業(yè)務用房建筑面積、人均實驗室建筑面積)全部納入已含有高水平解釋變量的隨機截距模型中進行擬合，發(fā)現(xiàn)衛(wèi)生技術人員比例、人均服務收入和人均實驗室建筑面積具有統(tǒng)計學意義(在0.1檢驗水平上)。與僅含有高水平解釋變量的截距模型相比，-2倍對數(shù)似然值進一步下降至-108.05，表明模型擬合更理想。

表4 兩水平隨機截距模型隨機效應估計結果

表5 兩水平隨機截距模型固定效應結果

2.4 模型結果解釋

通過上述擬合過程，最終構建了含有1個高水平變量和3個低水平變量的隨機截距模型，回歸方程如下：

Y=0.413+0.101人口密度_1(中密度)+0.122人口密度_2(高密度)+0.002衛(wèi)生技術人員比例-0.00005人均服務收入+0.003×人均實驗室建筑面積

其中：Y表示縣級疾控中心的總體效率。截距的含義是所有解釋變量均為0時的效率值，即某一縣級疾控中心位于低人口密度省份，且其衛(wèi)生技術人員比例、人均服務收入以及人均實驗室建筑面積均為平均水平，該機構的總體效率為0.413。

高水平變量中人口密度對疾控中心的效率具有正向影響：相較于低人口密度省份，中等人口密度省份的疾控中心總體效率值平均高出0.101，而高人口密度則平均高出0.122。低水平變量中，衛(wèi)生技術人員比例、人均實驗室建筑面積對疾控中心的效率起正向作用，即在控制高水平變量和其它機構層面變量后，衛(wèi)生技術人員比例越高、人均實驗室建筑面積越大，機構的服務效率越高；而服務收入對機構的效率為負向作用，即機構越注重開展有償服務，服務收入越多，其提供公共產(chǎn)品的效率越低。

3 討論與建議

3.1 縣級疾控中心的總體效率在不同省份存在差異，人口密度是重要影響因素

本研究通過構建兩水平模型對區(qū)域(省份)水平的隨機效應進行了檢驗，發(fā)現(xiàn)其具有統(tǒng)計學意義，說明縣級疾控中心的效率在省份間存在聚集性。進一步納入高水平解釋變量發(fā)現(xiàn)，區(qū)域的人口密度與服務效率呈正相關，與預期假設相符。疾控中心在一定區(qū)域內(nèi)提供公共服務時，所面向的服務人口分布越密集，在同一時間能夠服務的人口數(shù)量就越多，可以獲得更好的規(guī)模效應，尤其對于健康教育與健康促進這類需要在人群中進行廣泛開展的服務而言，高人口密度可以帶來更高的服務效率。

而對于人口密度低的地區(qū)，如西藏、新疆、內(nèi)蒙古等，由于地廣人稀，一定程度上影響了疾病預防控制服務的可及性，例如疾病的篩查、發(fā)現(xiàn)、監(jiān)測等工作，在人口密度低的地區(qū)工作的覆蓋面也相對較低，從而降低了服務的效率。這與其他研究的結論相似，如有研究發(fā)現(xiàn)人口密度對醫(yī)療衛(wèi)生機構的效率有正向影響，人口密度越高，越有助于醫(yī)療機構集中開展醫(yī)療服務，從而降低單位成本[9]；有學者發(fā)現(xiàn)在人口密度越高的地區(qū)，政府提供公共服務的效率也越高[10]。

而人均GDP和防治防疫事業(yè)費占GDP的比例這兩個高水平解釋沒有統(tǒng)計學意義，可能是由于雖然地區(qū)間經(jīng)濟發(fā)展水平和對公共衛(wèi)生投入的重視程度的差異會對疾控中心的服務效率產(chǎn)生影響，但這種差別目前并不能使得機構間的服務效率產(chǎn)生明顯區(qū)別。例如，雖然不同地區(qū)在投入上或多或少存在差異，但由于目前縣級疾控中心的人員和公用經(jīng)費投入普遍仍存在缺口，基本未達到機構履行公共職能的最低配置標準，因此上述投入差異對于機構提供公共服務效率的高低可能影響并不大。

3.2 重視縣級疾控中心衛(wèi)生技術人才隊伍建設，著力提升人員素質

多水平分析結果顯示，衛(wèi)生技術人員比例對縣級疾控中心總體效率有正向影響。隨著疾控中心的職能定位逐漸清晰，疾控工作的專業(yè)化程度不斷提高，對專業(yè)人才的需求也逐步增加[11]，只有受過專門醫(yī)學教育或者培訓并獲得執(zhí)業(yè)資格的人才能提供相應的公共衛(wèi)生服務[12- 13]。因此，衛(wèi)生技術人員的比例越高，人員素質越高，機構整體的技術水平和管理水平也越高，最終對資源利用的效率也越高。

當前，縣級疾控中心的人員數(shù)量已基本滿足需求，更需注重提高在崗人員的綜合素質和業(yè)務技能，通過開展專業(yè)技能培訓、繼續(xù)醫(yī)學教育等方式提升人員的技術與管理水平[14- 15]，進一步提高人員素質；同時，還應積極創(chuàng)新人才管理、投入、開發(fā)、評價與激勵機制，提高人員待遇，防止現(xiàn)有衛(wèi)生技術人員的流失，保持隊伍的穩(wěn)定性。

3.3 逐步規(guī)范縣級疾控中心的有償服務，提高公共服務效率

多水平模型結果顯示，服務收入對縣級疾控中心的公共服務效率存在負向影響。疾控中心開展有償服務源于20世紀80年代的“資金自籌”政策，其補償形式從單一的政府撥款形式變成了國家財政投入和有償服務收費補償形式相結合的補償形式[16]，將原本應該用于提供公共服務的資源轉而提供有償服務(如開展有償檢驗檢測服務等)，必將影響到公共服務的提供效率。分組分析發(fā)現(xiàn)，將機構按人均服務收入分為低、中、高三組，其服務效率均值表現(xiàn)為高(0.510)、中(0.508)、低(0.487)的趨勢，證明了有償服務收入越高，公共服務的效率越低。

2003年以來，政府逐漸加大財政投入，“重有償服務輕無償服務”的問題雖有所緩解，但2012年縣級疾控中心服務收入占總收入的比例仍近三成(31.90%)。在政府財政投入逐步增加且到位的基礎上，應當逐步剝離疾控中心的“三產(chǎn)、門診等非公共產(chǎn)品服務”。對所界定公共職能的政府投入，嚴格實行預算內(nèi)管理；對有償服務實行收支兩條線管理，用于轉崗分流人員的平穩(wěn)過渡，逐步將非公共產(chǎn)品服務的人員和項目與疾控中心剝離。

3.4 保證實驗室用房面積充足，技術支撐職能落實

多水平模型分析發(fā)現(xiàn)，人均實驗室面積同樣與縣級疾控中心總體效率呈正相關。實驗室檢驗檢測與評價為疾控中心履行突發(fā)公共衛(wèi)生事件的應急處置、健康危害因素監(jiān)測等職能提供了技術支持[17]，而充足的實驗室用房是開展檢驗檢測工作的基礎條件[19]，因此，如果實驗室空間不足將可能導致一些常規(guī)的檢驗項目無法正常開展[19]，從而影響了公共職能的落實。

現(xiàn)階段，縣級疾控中心人均實驗室面積為20.7 m2，占機構工作用房的比例為30.4%，距離《疾病預防控制中心建設標準》(建標127—2009)規(guī)定的35%仍有差距，這也是制約機構有效開展工作的瓶頸之一。雖然我國疾病預防控制體系的硬件建設從2003年以來取得了長足的進步，但對于基層機構的重視程度仍然不夠。[20]在今后的建設中，應當對基層機構有所傾斜，完善實驗室的布局與建設，優(yōu)化用房結構，提高設施設備的配置率，提高疾控中心的檢測能力，以更好地為疾病預防控制工作服務。[21]

4 小結

在公共衛(wèi)生和社會醫(yī)學領域研究中，數(shù)據(jù)的層次結構可能因天然的地理位置不同而存在，也可能由衛(wèi)生行政區(qū)域劃分、衛(wèi)生服務機構設置的不同而引起。[22]在特定的區(qū)域內(nèi)，個體健康行為或衛(wèi)生機構的服務行為既受到個體自身因素的影響，也受到所處的社會環(huán)境(如經(jīng)濟發(fā)展水平、社會文化、政策環(huán)境)的影響，是個體特征和環(huán)境因素共同作用的結果。在本研究中，各個縣級疾控中心分布于不同的省，屬于因地理位置不同而產(chǎn)生了嵌套數(shù)據(jù)層次結構。運用多水平模型分析疾控中心效率的影響因素，能夠更準確地將區(qū)域層面因素的作用效果單獨分離出來，避免過高地估計機構自身因素的作用強度，與傳統(tǒng)回歸模型相比具有一定的優(yōu)越性[23]，為更全面地認識影響我國縣級疾控中心效率的因素提供了可靠的技術基礎。

研究結果顯示，縣級疾控中心的效率除了受自身因素影響外，還受到區(qū)域層面因素的顯著影響，這提示衛(wèi)生管理者在制定政策時，除了要加強機構自身的內(nèi)部條件建設外，更需要站在宏觀的角度思考問題，全面分析疾控中心所處區(qū)域的經(jīng)濟、人口、地理、政策等宏觀因素，與其他相關部門、全社會一起共同營造適合于機構高效履行職能的大環(huán)境，例如提高政府對公共衛(wèi)生的重視程度，形成持續(xù)、長效、穩(wěn)定的投入機制等。

由于數(shù)據(jù)的可得性，本文僅從機構層面探討了縣級疾控中心效率的內(nèi)部影響因素，后續(xù)可進一步聚焦科室層面(如各業(yè)務科室人員數(shù)/人員構成比、實驗室人數(shù)等指標)，收集數(shù)據(jù)，深入探討，將有助于深化對縣級疾控中心效率的內(nèi)部影響因素的認識。

[1] 李佳萌. 多水平模型及其在衛(wèi)生領域的應用[J]. 中國慢性病預防與控制, 2007, 15(5): 514-515.

[2] Barbara A, Anita W, Heck L. An introduction to hierarchical linear modeling for marketing researchers[J]. Mark Bull, 204, 15(1): 22-227.

[3] 鄧樹高, 郭蕊, 吳琪俊. 桂西地區(qū)中學教師亞健康狀況調(diào)查[J].現(xiàn)代預防醫(yī)學, 2008, 35(18): 3567-3569.

[4] Mass C J M, Hox J J. Robustness issues in multilevel regression analysis[J]. Statistical Neerlandica, 2004(58): 127-137.

[5] Uchudi J, Magadi M, Mostazir M. A multilevel analysis of the determinants of high-risk sexual behavior in Sub-Saharan Africa[J]. Journal of Biosocial Science, 2011, 11(9):1-23.

[6] 郝模. 衛(wèi)生政策學[M]. 2版。 北京: 人民衛(wèi)生出版社,2013.

[7] Singer J. Using SAS Proc Mixed to fit multilevel models, hierarchical models, and individual growth models[J]. Journalof Educationaland Behavioral Statistics, 1998, 23(4): 323-355.

[8] 王濟川, 謝海義, 姜寶法. 多層統(tǒng)計分析模型——方法與應用[M]. 北京: 高等教育出版社, 2008.

[9] 張曉嵐, 劉孟飛, 李強. 人口因素對公共醫(yī)療服務效率的影響——區(qū)域差異與動態(tài)變化[J]. 南方人口, 2012, 27(3): 32-41.

[10] Afonso A, Aubyn M. Macroeconomic rates of return of public and private investment crowding-in and crowding-out effects[J]. The Manchester School, 2009(Supplement): 21-29.

[11] 張雪莉, 丁凡, 李群. 我國疾控中心人力資源發(fā)展狀況分析[J]. 中國預防醫(yī)學雜志, 2012, 13(5): 399-402.

[12] Demers A, Mamary E, Ebin V. Creating opportunities for training California’s Public healthworkforce[J]. Journal of Continuing Education in the Health Professions, 2011,31(l): 64-69.

[13] 程曉明. 衛(wèi)生經(jīng)濟學[M]. 北京: 人民衛(wèi)生出版社, 2007.

[14] Weiyi XIONG, Jun L V, Liming L I. A survey of core and support activities of communicable disease surveillance systems at operating-level CDCs in China[J]. BMC Public Health, 2010, 10: 704.

[15] Griffiths S M, Tang J L. Healthcare reform in China and the challenges for public health education[J]. Public Health, 2011, 125(1): 3-5.

[16] 疾病預防控制體系建設研究課題組. 疾病預防控制體系建設研究報告——問題與對策[M]. 北京: 人民衛(wèi)生出版社, 2006.

[17] 朱立國.我國疾病預防控制機構實臉室儀器設備配置評價研究[D]. 上海: 復旦大學， 2008.

[18] 萇鳳水, 李程躍, 王穎, 等.房屋設施配置得到改善，仍不能適應工作需要——我國省級疾病預防控制績效考核實踐應用之五[J].中國衛(wèi)生資源, 2012, 15(2): 83-84.

[19] 蔣欣, 張秀云, 宋旭巖, 等.青島市區(qū)(市)疾病控制實驗室檢測能力現(xiàn)狀調(diào)查[J].預防醫(yī)學論壇, 2011, 17(3): 217-220.

[20] 孟玥. 山東省疾病預防控制機構衛(wèi)生檢驗資源配置現(xiàn)狀與檢驗能力評價研究[D].濟南:山東大學,2012.

[21] 康殿民, 張英潔, 孫啟華, 等.2009年山東省地市級疾控機構實驗室裝備和檢驗能力情況調(diào)查[J].預防醫(yī)學論壇, 2011, 17(4): 297-299.

[22] Duncan C, Jones K, Moon G. Context,composition and heterogeneity:using multilevel models in health research[J].Social science & medicine, 1998, 46(1): 97-117.

[23] 楊永利, 付鵬鈺, 胡東生， 等. 中國成年人高血壓患病區(qū)域聚集性及危險因素的多水平模型分析[J]. 中華流行病學雜志, 2009, 30(7): 716-721.

(編輯 劉博)

Influencing factors on the efficiency of county-level centers for disease control and prevention in China via multilevel modeling

WUNa-na，LICheng-yue，HUMin，LIXiao-hong，LIXiao-jiao，JIANGli-wen，HAOMo

1.ResearchInstituteofHealthDevelopmentStrategies,FudanUniversity,Shanghai200032,China2.CollaborativeInnovationCenterofSocialRisksGovernanceinHealth,Shanghai200032,China3.SchoolofPublicHealth,FudanUniversity,Shanghai200032,China

Objective: To examine the influencing factors of the efficiency of county-level centers for disease control and prevention (CDCs) in China. Methods: 458 county-level CDCs were selected based on a systematic sampling method. Multilevel modeling was used to analyze the region-level and institution-level influencing factors affecting the efficiency of CDCs. Results: It was found that the region (province) is associated with the efficiency of a CDC. The region-level factor of population density exhibited a significant influence, while the institution-level factors such as the proportion of health technicians, service income and CDC laboratories per capita also had an influence on overall efficiency. Conclusions: Both the region-level and institution-level determinants influence efficiency. Multilevel modeling can help researchers gain a comprehensive understanding of the influencing factors that affect the CDC efficiency.

Center for disease control and prevention (CDC); Multilevel modeling; Influencing factors; Efficiency

國家自然科學基金(71373004、71303058)；教育部人文社會科學研究青年基金(12YJCZH100)；教育部創(chuàng)新團隊項目(IRT_13R11)

武娜娜，女(1989年—)，碩士研究生，主要研究方向為衛(wèi)生政策。E-mail: 12211020040@fudan.edu.cn

李程躍。E-mail:lichengyue2001@163.com

R197

A

10.3969/j.issn.1674-2982.2015.05.013

2015-04-03

2015-05-18