王高玲 劉軍軍 黃海涌 馬 晴 朱笑笑

南京中醫(yī)藥大學(xué)衛(wèi)生經(jīng)濟(jì)管理學(xué)院，南京，210023

2015 年國(guó)務(wù)院《關(guān)于推進(jìn)分級(jí)診療制度建設(shè)的指導(dǎo)意見(jiàn)》指出，分級(jí)診療制度是指不同級(jí)別的醫(yī)療機(jī)構(gòu)擔(dān)負(fù)不同程度疾病的治療任務(wù)，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(shí)施分級(jí)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(jī)構(gòu)滿足大部分患者的醫(yī)療首診需求，并且通過(guò)區(qū)域衛(wèi)生規(guī)劃整合推進(jìn)區(qū)域醫(yī)療資源共享，從而達(dá)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(xiàng)衛(wèi)生資源數(shù)據(jù)計(jì)算其泰爾指數(shù)，并基于時(shí)間序列ARIMA模型(Autoregressive Integrated Moving Average model)預(yù)測(cè)2017-2022年我國(guó)各項(xiàng)衛(wèi)生資源的泰爾指數(shù)，為進(jìn)一步提高我國(guó)衛(wèi)生資源配置的公平性提出建議。

1 資料來(lái)源與方法

1.1 數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)源于2003-2012年中國(guó)衛(wèi)生統(tǒng)計(jì)年鑒和2013-2017年中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒，選擇注冊(cè)護(hù)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(jī)構(gòu)數(shù)以及床位數(shù)作為衛(wèi)生資源配置的評(píng)價(jià)指標(biāo)。

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(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)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(gè)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(gè)??；西部地區(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(gè)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(píng)價(jià)工具被廣泛使用[2]，取值在0-1之間，數(shù)值越低，說(shuō)明衛(wèi)生資源配置的公平性越好[3]。

Theil 指數(shù)的計(jì)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(jí)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(jiàn)于統(tǒng)計(jì)學(xué)中用來(lái)預(yù)測(cè)系統(tǒng)未來(lái)變化趨勢(shì)，其基本思路是通過(guò)運(yùn)用一段時(shí)間所產(chǎn)生的數(shù)據(jù)，將隨時(shí)間變動(dòng)形成的預(yù)測(cè)數(shù)據(jù)序列視為一個(gè)隨機(jī)序列，為這個(gè)隨機(jī)序列匹配到一個(gè)合適的數(shù)學(xué)模型[4]。

1.3 統(tǒng)計(jì)學(xué)方法

采用Excel 2013統(tǒng)計(jì)2002-2016年我國(guó)衛(wèi)生資源的泰爾指數(shù)，并運(yùn)用 SPSS 22.0建立衛(wèi)生機(jī)構(gòu)數(shù)的時(shí)間序列分析ARIMA模型，對(duì)2017-2022年衛(wèi)生資源的泰爾指數(shù)進(jìn)行預(yù)測(cè)。

2 結(jié)果

2.1分級(jí)診療實(shí)施前后我國(guó)衛(wèi)生資源配置狀況

2.1.1 分級(jí)診療實(shí)施前(2002-2009年)。我國(guó)衛(wèi)生機(jī)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(zhǎng)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(cè)護(hù)士數(shù)分別從3136110、4269779、1843995、1246545增加至4416612、5535124、2329206、1854818，增長(zhǎng)率分別為40.83%、29.63%、26.31%、48.80%。

2.1.2 分級(jí)診療實(shí)施后(2009-2016年)。我國(guó)各項(xiàng)衛(wèi)生資源總量均保持逐年增加的趨勢(shì)。2009-2016年，衛(wèi)生機(jī)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(cè)護(hù)士數(shù)分別增加至983394、7410453、8454403、3191005、3507166，增長(zhǎng)率分別為7.29%、67.79%、52.74%、37.00%、89.08%。

2.1.3 我國(guó)各項(xiàng)衛(wèi)生資源指標(biāo)的泰爾指數(shù)分析。2002-2016年各項(xiàng)衛(wèi)生資源的泰爾指數(shù)及變化趨勢(shì)，見(jiàn)表1、圖1。

2.2 衛(wèi)生機(jī)構(gòu)數(shù)的泰爾指數(shù)預(yù)測(cè)

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

表1 2002-2016年各項(xiàng)衛(wèi)生資源的泰爾指數(shù)

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

圖2 2002-2016年衛(wèi)生機(jī)構(gòu)數(shù)泰爾指數(shù)的時(shí)間序列

2.2.2 數(shù)據(jù)的平穩(wěn)性檢驗(yàn)。由于我國(guó)衛(wèi)生機(jī)構(gòu)數(shù)的泰爾指數(shù)時(shí)間序列是非平穩(wěn)的，因此本研究對(duì)其進(jìn)行ADF檢驗(yàn)，得出P值為0.6452，接受原假設(shè)，即序列是不平穩(wěn)的。隨后，對(duì)數(shù)據(jù)進(jìn)行了一次差分處理后，檢驗(yàn)t統(tǒng)計(jì)量的值為-3.991652，小于1%、5%、10%水平的臨界值，而且P值0.0068遠(yuǎn)小于0.05，因此拒絕原假設(shè)，即二次差分后的序列是平穩(wěn)的，因此衛(wèi)生機(jī)構(gòu)數(shù)時(shí)間序列ARIMA模型的差分階數(shù)d值為1。

2.2.3 模型識(shí)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(yùn)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(lái)判斷。即分別對(duì)p、q 進(jìn)行不同取值，從而建立多種不同的模型，然后通過(guò)對(duì)收集的參數(shù)進(jìn)行比較，觀察各模型參數(shù)的t統(tǒng)計(jì)量以及運(yùn)用AIC準(zhǔn)則和SC準(zhǔn)則，根據(jù)系數(shù)的顯著性以及AIC和SC最小化準(zhǔn)則來(lái)判斷并選出最優(yōu)模型[5]，最終確定ARIMA(1，1，1)模型為預(yù)測(cè)衛(wèi)生機(jī)構(gòu)數(shù)的最優(yōu)模型。

2.2.4 模型檢驗(yàn)。建立ARIMA(1，1，1)模型后，以Q統(tǒng)計(jì)量進(jìn)行模式診斷來(lái)觀察殘差值的PACF與ACF的變化趨勢(shì)[6]，發(fā)現(xiàn)二者皆在2倍標(biāo)準(zhǔn)偏差以內(nèi)，表明模型適當(dāng)。然后將估測(cè)值與實(shí)測(cè)值進(jìn)行比較，發(fā)現(xiàn)2004-2016年進(jìn)行預(yù)測(cè)的我國(guó)衛(wèi)生機(jī)構(gòu)數(shù)的泰爾指數(shù)絕對(duì)誤差在0-5之間，相對(duì)預(yù)測(cè)誤差除了2004年13%和2008年11%外，都控制在10%以內(nèi)，預(yù)測(cè)精度較為理想。預(yù)測(cè)結(jié)果見(jiàn)表2。

表2 ARIMA(1，1，1)模型預(yù)測(cè)誤差

注：誤差值 = 實(shí)際值-預(yù)測(cè)值，相對(duì)誤差 = 絕對(duì)誤差 /實(shí)際值。

2.2.5 預(yù)測(cè)?；谝陨螦RIMA模型分析，利用SPSS 22.0對(duì)2017-2022年我國(guó)衛(wèi)生機(jī)構(gòu)的泰爾指數(shù)進(jìn)行預(yù)測(cè)，結(jié)果如圖3所示，2017-2022年我國(guó)衛(wèi)生機(jī)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(jī)構(gòu)的泰爾指數(shù)ARIMA(1，1，1)模型預(yù)測(cè)值

2.3 其他衛(wèi)生資源的泰爾指數(shù)預(yù)測(cè)結(jié)果

對(duì)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(cè)護(hù)士數(shù)分別建模，預(yù)測(cè)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(shì)。

3 討論

3.1 分級(jí)診療制度實(shí)施后衛(wèi)生資源公平性得到整體改善

結(jié)果表明，分級(jí)診療制度實(shí)施后床位數(shù)的泰爾指數(shù)在2009-2016年呈逐年增長(zhǎng)趨勢(shì)，2016年達(dá)到最大值0.3745，但仍小于分級(jí)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(shì)，2009年達(dá)到最大值0.0095，小于分級(jí)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(shì)，2014年達(dá)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(jí)診療制度實(shí)施前的最小值0.0107；注冊(cè)護(hù)士數(shù)的泰爾指數(shù)在2009-2016年呈逐年下降趨勢(shì)，2009年達(dá)到最大值0.0132，仍小于分級(jí)診療前的最小值0.0149。由此可見(jiàn)，分級(jí)診療制度使得我國(guó)床位、衛(wèi)生技術(shù)人員、執(zhí)業(yè)(助理)醫(yī)師、注冊(cè)護(hù)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(guó)深化醫(yī)藥衛(wèi)生體制改革的目標(biāo)之一[7]，優(yōu)化衛(wèi)生資源配置是分級(jí)診療的核心目標(biāo)。國(guó)務(wù)院辦公廳《關(guān)于推進(jìn)分級(jí)診療制度建設(shè)的指導(dǎo)意見(jiàn)》中指出加強(qiáng)基層醫(yī)療衛(wèi)生人才隊(duì)伍建設(shè)和提高基層衛(wèi)生服務(wù)能力。為滿足居民健康需求，政府加強(qiáng)對(duì)各類衛(wèi)生人才的培養(yǎng)力度，科學(xué)布局醫(yī)療衛(wèi)生資源并合理規(guī)劃服務(wù)范圍，提高了衛(wèi)生資源配置的公平性。由結(jié)果可知，我國(guó)注冊(cè)護(hù)士配置的公平性改善最為明顯，這可能與新醫(yī)改以來(lái)政府大力培養(yǎng)護(hù)理人才并按地理、人口因素進(jìn)行配置有關(guān)，與相關(guān)研究結(jié)果一致[8]。

表3 我國(guó)衛(wèi)生資源2017-2022年泰爾指數(shù)預(yù)測(cè)

基于ARIMA模型對(duì)衛(wèi)生機(jī)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(cè)護(hù)士數(shù)分別建模預(yù)測(cè)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(shì)，說(shuō)明隨著分級(jí)診療制度的不斷落實(shí)到位，政府在不斷增加衛(wèi)生資源總量投入的同時(shí)注重衛(wèi)生資源配置的公平性，我國(guó)衛(wèi)生資源配置整體公平性正逐步改善。

3.2 衛(wèi)生機(jī)構(gòu)配置公平性尚需提升

分級(jí)診療制度實(shí)施前衛(wèi)生機(jī)構(gòu)數(shù)的泰爾指數(shù)2002-2005年呈不斷下降趨勢(shì)，2006-2008年呈先增長(zhǎng)后下降趨勢(shì)；分級(jí)診療制度實(shí)施后衛(wèi)生機(jī)構(gòu)數(shù)的泰爾指數(shù)2009-2011年呈不斷增長(zhǎng)趨勢(shì)，2011年達(dá)到了最大值0.0270,2012-2016年呈不斷下降趨勢(shì)，2016年降到了0.0261，仍大于2005年的0.0174。這提示分級(jí)診療制度在提升衛(wèi)生機(jī)構(gòu)配置公平性方面作用較弱，可能是因?yàn)榉旨?jí)診療制度重點(diǎn)為加強(qiáng)基層醫(yī)療衛(wèi)生機(jī)構(gòu)建設(shè)[9]，大型綜合醫(yī)院的配置差異依舊顯著，衛(wèi)生機(jī)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(jí)診療制度實(shí)施以來(lái)，一方面我國(guó)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(guò)觀察各項(xiàng)衛(wèi)生資源的泰爾指數(shù)發(fā)現(xiàn)，我國(guó)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(yuǎn)遠(yuǎn)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(yīng)當(dāng)加大對(duì)薄弱地區(qū)的衛(wèi)生財(cái)政投入，加強(qiáng)衛(wèi)生資源的供給，積極引進(jìn)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(qiáng)基層醫(yī)療衛(wèi)生機(jī)構(gòu)的基礎(chǔ)設(shè)施建設(shè)，以提高基層醫(yī)療服務(wù)能力，逐步提高衛(wèi)生資源配置的公平性[11-12]。