分級診療前后我國衛(wèi)生資源配置公平性對比及時間序列模型預測

王高玲 劉軍軍 黃海涌 馬 晴 朱笑笑

南京中醫(yī)藥大學衛(wèi)生經(jīng)濟管理學院，南京，210023

2015 年國務院《關(guān)于推進分級診療制度建設的指導意見》指出，分級診療制度是指不同級別的醫(yī)療機構(gòu)擔負不同程度疾病的治療任務，居民可根據(jù)疾病的輕重緩急及治療的難易做出就診選擇，以保障衛(wèi)生資源的合理利用。實施分級診療制度能夠?qū)?yōu)質(zhì)衛(wèi)生資源下沉到基層[1]，使基層衛(wèi)生機構(gòu)滿足大部分患者的醫(yī)療首診需求，并且通過區(qū)域衛(wèi)生規(guī)劃整合推進區(qū)域醫(yī)療資源共享，從而達到提高衛(wèi)生資源配置公平性的目的。在此背景下，本研究利用2002-2016年各項衛(wèi)生資源數(shù)據(jù)計算其泰爾指數(shù)，并基于時間序列ARIMA模型(Autoregressive Integrated Moving Average model)預測2017-2022年我國各項衛(wèi)生資源的泰爾指數(shù)，為進一步提高我國衛(wèi)生資源配置的公平性提出建議。

1 資料來源與方法

1.1 數(shù)據(jù)來源

數(shù)據(jù)來源于2003-2012年中國衛(wèi)生統(tǒng)計年鑒和2013-2017年中國衛(wèi)生和計劃生育統(tǒng)計年鑒，選擇注冊護士數(shù)、衛(wèi)生技術(shù)人員數(shù)、執(zhí)業(yè)(助理)醫(yī)師數(shù)、衛(wèi)生機構(gòu)數(shù)以及床位數(shù)作為衛(wèi)生資源配置的評價指標。

1.2 研究方法

1.2.1 地區(qū)劃分。地區(qū)劃分方法借鑒中國衛(wèi)生和計劃生育統(tǒng)計年鑒。東部地區(qū)是指北京、上海、廣東、江蘇、浙江、遼寧、天津、河北、山東、海南和福建11個省、直轄市；中部地區(qū)是指黑龍江、吉林、山西、湖南、安徽、河南、江西和湖北8個?。晃鞑康貐^(qū)是指新疆、西藏、廣西、陜西、甘肅、內(nèi)蒙古、重慶、青海、四川、寧夏、云南以及貴州12個省、直轄市和自治區(qū)。

1.2.2 泰爾指數(shù)。泰爾指數(shù)(Theil Index)作為一種重要的衛(wèi)生資源配置評價工具被廣泛使用[2]，取值在0-1之間，數(shù)值越低，說明衛(wèi)生資源配置的公平性越好[3]。

Theil 指數(shù)的計算公式：

(1)

式(1)中，Pi表示各省份人口數(shù)占總?cè)丝跀?shù)的比例，Yi表示各省份衛(wèi)生資源量占衛(wèi)生資源總量的比例。

Theil 指數(shù)的分解公式如(2)、(3)、(4)。

T總=T組內(nèi)+T組間

(2)

(3)

(4)

式中：T總表示總體差異；T組內(nèi)表示組內(nèi)差異，即東、中、西部各省級行政區(qū)內(nèi)部醫(yī)療衛(wèi)生資源配置的差異；T組間表示組間差異，即表示東、中、西部之間衛(wèi)生資源配置差異；Pg表示各省份人口數(shù)占總?cè)丝跀?shù)的比例；Yg表示各省份衛(wèi)生資源量占衛(wèi)生資源總量的比例[3]。

1.2.3 ARIMA模型。ARIMA 模型常見于統(tǒng)計學中用來預測系統(tǒng)未來變化趨勢，其基本思路是通過運用一段時間所產(chǎn)生的數(shù)據(jù)，將隨時間變動形成的預測數(shù)據(jù)序列視為一個隨機序列，為這個隨機序列匹配到一個合適的數(shù)學模型[4]。

1.3 統(tǒng)計學方法

采用Excel 2013統(tǒng)計2002-2016年我國衛(wèi)生資源的泰爾指數(shù)，并運用 SPSS 22.0建立衛(wèi)生機構(gòu)數(shù)的時間序列分析ARIMA模型，對2017-2022年衛(wèi)生資源的泰爾指數(shù)進行預測。

2 結(jié)果

2.1分級診療實施前后我國衛(wèi)生資源配置狀況

2.1.1 分級診療實施前(2002-2009年)。我國衛(wèi)生機構(gòu)數(shù)量有增有減，2002-2003年，總數(shù)從1005004下降至806243；2003-2009年，總數(shù)從806243增加至916571，增長率為13.68%。床位數(shù)、衛(wèi)生技術(shù)人員數(shù)、執(zhí)業(yè)(助理)醫(yī)師數(shù)、注冊護士數(shù)分別從3136110、4269779、1843995、1246545增加至4416612、5535124、2329206、1854818，增長率分別為40.83%、29.63%、26.31%、48.80%。

2.1.2 分級診療實施后(2009-2016年)。我國各項衛(wèi)生資源總量均保持逐年增加的趨勢。2009-2016年，衛(wèi)生機構(gòu)數(shù)、床位數(shù)、衛(wèi)生技術(shù)人員數(shù)、執(zhí)業(yè)(助理)醫(yī)師數(shù)、注冊護士數(shù)分別增加至983394、7410453、8454403、3191005、3507166，增長率分別為7.29%、67.79%、52.74%、37.00%、89.08%。

2.1.3 我國各項衛(wèi)生資源指標的泰爾指數(shù)分析。2002-2016年各項衛(wèi)生資源的泰爾指數(shù)及變化趨勢，見表1、圖1。

2.2 衛(wèi)生機構(gòu)數(shù)的泰爾指數(shù)預測

2.2.1 數(shù)據(jù)基本特征。我國衛(wèi)生機構(gòu)數(shù)在2002-2016年的泰爾指數(shù)總體處于上升趨勢，但不同時間段的泰爾指數(shù)變化趨勢也各不相同：2002-2005年一直處于下降趨勢并且下降幅度較大，2005-2007年則呈迅速上升的趨勢，隨后2007-2008年緩慢下降后又一直保持上升趨勢直至2011年，最后稍微緩慢下降直到2016年。見圖2。

表1 2002-2016年各項衛(wèi)生資源的泰爾指數(shù)

圖1 2002-2016年各項衛(wèi)生資源的泰爾指數(shù)變化情況

圖2 2002-2016年衛(wèi)生機構(gòu)數(shù)泰爾指數(shù)的時間序列

2.2.2 數(shù)據(jù)的平穩(wěn)性檢驗。由于我國衛(wèi)生機構(gòu)數(shù)的泰爾指數(shù)時間序列是非平穩(wěn)的，因此本研究對其進行ADF檢驗，得出P值為0.6452，接受原假設，即序列是不平穩(wěn)的。隨后，對數(shù)據(jù)進行了一次差分處理后，檢驗t統(tǒng)計量的值為-3.991652，小于1%、5%、10%水平的臨界值，而且P值0.0068遠小于0.05，因此拒絕原假設，即二次差分后的序列是平穩(wěn)的，因此衛(wèi)生機構(gòu)數(shù)時間序列ARIMA模型的差分階數(shù)d值為1。

2.2.3 模型識別。如果ARIMA(p，d,q)模型中的d值已知，需確定p、q值，那么可以運用拆分后的平穩(wěn)序列的自我相關(guān)與偏自我相關(guān)函數(shù)圖形來判斷。即分別對p、q 進行不同取值，從而建立多種不同的模型，然后通過對收集的參數(shù)進行比較，觀察各模型參數(shù)的t統(tǒng)計量以及運用AIC準則和SC準則，根據(jù)系數(shù)的顯著性以及AIC和SC最小化準則來判斷并選出最優(yōu)模型[5]，最終確定ARIMA(1，1，1)模型為預測衛(wèi)生機構(gòu)數(shù)的最優(yōu)模型。

2.2.4 模型檢驗。建立ARIMA(1，1，1)模型后，以Q統(tǒng)計量進行模式診斷來觀察殘差值的PACF與ACF的變化趨勢[6]，發(fā)現(xiàn)二者皆在2倍標準偏差以內(nèi)，表明模型適當。然后將估測值與實測值進行比較，發(fā)現(xiàn)2004-2016年進行預測的我國衛(wèi)生機構(gòu)數(shù)的泰爾指數(shù)絕對誤差在0-5之間，相對預測誤差除了2004年13%和2008年11%外，都控制在10%以內(nèi)，預測精度較為理想。預測結(jié)果見表2。

表2 ARIMA(1，1，1)模型預測誤差

注：誤差值 = 實際值-預測值，相對誤差 = 絕對誤差 /實際值。

2.2.5 預測?；谝陨螦RIMA模型分析，利用SPSS 22.0對2017-2022年我國衛(wèi)生機構(gòu)的泰爾指數(shù)進行預測，結(jié)果如圖3所示，2017-2022年我國衛(wèi)生機構(gòu)數(shù)的泰爾指數(shù)分別為0.025906、0.026008、0.025965、0.025994、0.025987、0.025997。

圖3 衛(wèi)生機構(gòu)的泰爾指數(shù)ARIMA(1，1，1)模型預測值

2.3 其他衛(wèi)生資源的泰爾指數(shù)預測結(jié)果

對床位數(shù)、衛(wèi)生技術(shù)人員數(shù)、執(zhí)業(yè)(助理)醫(yī)師數(shù)、注冊護士數(shù)分別建模，預測其2017-2022年的泰爾指數(shù)，結(jié)果如表3所示，各泰爾指數(shù)均呈現(xiàn)不同幅度的下降趨勢。

3 討論

3.1 分級診療制度實施后衛(wèi)生資源公平性得到整體改善

結(jié)果表明，分級診療制度實施后床位數(shù)的泰爾指數(shù)在2009-2016年呈逐年增長趨勢，2016年達到最大值0.3745，但仍小于分級診療前的最小值0.4443；衛(wèi)生技術(shù)人員數(shù)的泰爾指數(shù)在2009-2016年一直保持逐年下降趨勢，2009年達到最大值0.0095，小于分級診療前的最小值0.0107；執(zhí)業(yè)(助理)醫(yī)師數(shù)的泰爾指數(shù)在2009-2014年呈逐年下降趨勢，2014年達到最小值0.0047,而2014-2016年其泰爾指數(shù)緩慢增加后保持不變，但仍然小于分級診療制度實施前的最小值0.0107；注冊護士數(shù)的泰爾指數(shù)在2009-2016年呈逐年下降趨勢，2009年達到最大值0.0132，仍小于分級診療前的最小值0.0149。由此可見，分級診療制度使得我國床位、衛(wèi)生技術(shù)人員、執(zhí)業(yè)(助理)醫(yī)師、注冊護士配置的公平性明顯改善。滿足患者健康需求，提高衛(wèi)生資源配置的公平性是我國深化醫(yī)藥衛(wèi)生體制改革的目標之一[7]，優(yōu)化衛(wèi)生資源配置是分級診療的核心目標。國務院辦公廳《關(guān)于推進分級診療制度建設的指導意見》中指出加強基層醫(yī)療衛(wèi)生人才隊伍建設和提高基層衛(wèi)生服務能力。為滿足居民健康需求，政府加強對各類衛(wèi)生人才的培養(yǎng)力度，科學布局醫(yī)療衛(wèi)生資源并合理規(guī)劃服務范圍，提高了衛(wèi)生資源配置的公平性。由結(jié)果可知，我國注冊護士配置的公平性改善最為明顯，這可能與新醫(yī)改以來政府大力培養(yǎng)護理人才并按地理、人口因素進行配置有關(guān)，與相關(guān)研究結(jié)果一致[8]。

表3 我國衛(wèi)生資源2017-2022年泰爾指數(shù)預測

基于ARIMA模型對衛(wèi)生機構(gòu)數(shù)、床位數(shù)、衛(wèi)生技術(shù)人員數(shù)、執(zhí)業(yè)(助理)醫(yī)師數(shù)、注冊護士數(shù)分別建模預測其2017-2022年的泰爾指數(shù)，結(jié)果表明各泰爾指數(shù)均呈現(xiàn)不同幅度的下降趨勢，說明隨著分級診療制度的不斷落實到位，政府在不斷增加衛(wèi)生資源總量投入的同時注重衛(wèi)生資源配置的公平性，我國衛(wèi)生資源配置整體公平性正逐步改善。

3.2 衛(wèi)生機構(gòu)配置公平性尚需提升

分級診療制度實施前衛(wèi)生機構(gòu)數(shù)的泰爾指數(shù)2002-2005年呈不斷下降趨勢，2006-2008年呈先增長后下降趨勢；分級診療制度實施后衛(wèi)生機構(gòu)數(shù)的泰爾指數(shù)2009-2011年呈不斷增長趨勢，2011年達到了最大值0.0270,2012-2016年呈不斷下降趨勢，2016年降到了0.0261，仍大于2005年的0.0174。這提示分級診療制度在提升衛(wèi)生機構(gòu)配置公平性方面作用較弱，可能是因為分級診療制度重點為加強基層醫(yī)療衛(wèi)生機構(gòu)建設[9]，大型綜合醫(yī)院的配置差異依舊顯著，衛(wèi)生機構(gòu)整體配置公平性尚需提升。

3.3 衛(wèi)生資源配置的地區(qū)內(nèi)差異依舊顯著

自分級診療制度實施以來，一方面我國醫(yī)療衛(wèi)生資源總量大幅增加，另一方面衛(wèi)生資源配置也不斷優(yōu)化。但通過觀察各項衛(wèi)生資源的泰爾指數(shù)發(fā)現(xiàn)，我國衛(wèi)生資源配置的公平性存在地區(qū)性差異，地區(qū)內(nèi)差異性遠遠大于地區(qū)間差異性，這與陳明軍等的研究結(jié)果一致[10]。因此，政府應當加大對薄弱地區(qū)的衛(wèi)生財政投入，加強衛(wèi)生資源的供給，積極引進衛(wèi)生人才，重視全科醫(yī)生和家庭醫(yī)生的培養(yǎng)力度，加強基層醫(yī)療衛(wèi)生機構(gòu)的基礎設施建設，以提高基層醫(yī)療服務能力，逐步提高衛(wèi)生資源配置的公平性[11-12]。