2. 上海社会科学院, 上海 200235;
3. 南京审计大学审计与评估研究院, 南京 211815;
4. 复旦大学公共卫生学院, 上海 200032;
5. 东南大学经济管理学院, 南京 210009
2. Shanghai Academy of Social Sciences, Shanghai 200235, China;
3. College of Auditing and Evaluation, Nanjing Audit University, Nanjing 211815, Jiangsu China;
4. School of Public Health, Fudan University, Shanghai 200032, China;
5. School of Economics and Management, Southeast University, Nanjing 210009, Jiangsu China
数据包络分析(data envelopment analysis,DEA)是一种用于衡量多投入和多产出维度下的决策单元相对效率的一种经典方法[1]。该方法通过确认数据前沿面的方法,比较参比对象从投入到产出的相对效率,而无需确认函数关系、参数或权重,较多地应用于诸如卫生体系等复杂系统的效率评估中[2]。
当前,卫生绩效评价研究主要在机构层面或国家层面进行,而鲜有对于区域间的卫生系统绩效比较评价。区域卫生绩效比较研究所需突破的瓶颈主要包括:区域间评价框架的建立、统计口径的标准化、指标量化的综合方法、影响因素的剥离与归因等。
2000年,世界卫生组织提出了一个进行国家间卫生系统绩效比较的框架和方法。此框架将健康结果、反应性以及筹资公平性定义为卫生系统的主要功能,并提出用综合计算得出的“绩效指数”来对各国卫生系统绩效进行评价和排名。这为卫生系统的绩效评价提供了可以借鉴的思路,此后,许多地区和组织开展了基于此框架的卫生绩效研究。目前,我国的统计数据主要依赖于机构报表,准确性和时效性尚待完善,这在实际操作中构成了利用已有的评估框架计算综合指数的难度和可信性。本研究考虑利用经济学研究中的DEA的策略,对区域间卫生绩效进行包络比较,间接获得对所研究地区卫生系统的评价,为卫生发展效率值的获得提供了一种较具操作性的路径。
1 资料与方法 1.1 资料来源本研究数据来源主要包括2010—2016年中国卫生统计年鉴和全国卫生财务年报的相关指标数据。本研究选取包括京沪在内的20个省(直辖市)作为分析对象[3-5],包括东部的北京市、上海市、天津市、河北省、江苏省、辽宁省、山东省、广东省、浙江省、福建省、海南省,中部的吉林省、黑龙江省、山西省、河南省、安徽省、湖南省、湖北省、江西省和西部的重庆市。
1.2 研究方法本研究基于投入导向的规模报酬不变的假设运用DEAP软件以及MATLAB的Linprog程序[6-7],将卫生产业的传统生产要素变量设为投入变量,将卫生产业的可期社会贡献变量设为产出变量[8]。根据所设模型,编写相应分析代码,得到各年度20省(直辖市)效率值[模型计算得到的20省(直辖市)比较后的各地区卫生发展的效率值,0为最低,表示在比较中卫生投入产出效率为最低水平,1为最高,表示在比较中卫生投入产出效率为最高水平]、松弛向量(根据模型得出的指标原始值可向指标目标值提升的值)、目标值(模型计算出该指标在理想状况下可能达到的目标值)。对各地区效率值由大至小进行排序,得到京沪两地的效率值在20省(直辖市)中的总排名。同时分析京沪两地的松弛变量。基于投入导向的规模报酬不变的假设为投入越少,产出越多,效率越高。各投入指标对应的松弛向量反映投入过剩程度,各产出指标对应的松弛向量反映产出不足程度。采用均数替换法、回归替换法处理缺失数据。
基于专家咨询结论:投入指标涵盖卫生系统的筹资、人力、设施3个方面,分别采用卫生总费用占国内生产总值的比例、每千(常住)人口卫生技术人员、每千(常住)人口医疗卫生机构床位数;产出指标涵盖医疗服务量、公共卫生水平、筹资风险保护及人群健康结果,分别采用医疗机构诊疗总次数、孕产妇死亡率、个人卫生支出占卫生总费用的比例、人均期望寿命。
同时,为了剖析卫生体系投入对不同产出维度的影响,本研究将产出维度细分为卫生服务量维度和人群健康维度。卫生服务量下设指标包括医疗机构诊疗总次数、出院人数、医师日均担负诊疗人次(综合医院)、医师日均担负住院床日(综合医院),人群健康维度包括人口总死亡率和人均期望寿命。
负向指标包括孕产妇死亡率、人口总死亡率和个人卫生支出占卫生总费用的比例。采用定值与其差的方法转换为正向指标,即运算中以30/10万与孕产妇死亡率之差、10/1 000与人口总死亡率之差、50%与个人卫生支出占卫生总费用的比例之差代入计算。
2 结果 2.1 综合效率对比分析从总体来看,2010—2016年北京市卫生体系效率值排名普遍落后于上海市,但北京市效率整体呈上升趋势,上海市呈下降趋势,差距逐渐减小。见表 1。
表 1 2010—2016年京沪两地卫生体系效率值排名及效率值 |
![]() |
从投入角度来看:北京市每千(常住)人口卫生技术人员投入过剩较明显,其次为卫生总费用占国内生产总值的比例;上海市3项指标投入过剩始终处于较低水平,但卫生总费用占国内生产总值的比例有上升趋势。具体来看:北京市卫生总费用占国内生产总值的比例原始值高于上海市,两市目标值基本一致,2015—2016年两市原始值保持上升趋势,目标值则开始下降,使得松弛向量明显增大;每千(常住)人口卫生技术人员原始值两市均缓慢下降,北京市始终明显高于上海市,而目标值北京市2014年起开始高于上海市且两市差距很小;松弛向量方面,北京市在2013年出现突增,2014—2016年回落,上海市则除2012年外均为0;2010—2011年两市每千(常住)人口医疗卫生机构床位数投入均低于预期值,且上海市更为明显,2012年后出现投入过剩。见表 2。
表 2 2010—2016年京沪两地卫生体系综合投入指标 |
![]() |
从产出角度来看,两市医疗卫生机构诊疗总人次数均在2012年、2015年、2016年出现明显产出不足,原始值在这3年保持平缓变化,目标值出现突增,使得原始值远低于目标值。北京市孕产妇死亡率的原始值明显高于目标值,松弛向量先降后升,2012年达到最低值,2016年达到最高值。上海市人均期望寿命的原始值稍高于北京市,目标值则稍低于北京市,北京市的产出不足较上海市明显,2015—2016年,两市的目标值突然抬高,松弛向量增大。见表 3。
表 3 2010—2016年京沪两地卫生体系综合产出指标 |
![]() |
医疗机构诊疗总人次数产出不足和出院人数产出不足较明显。具体分析,两市两项指标原始值均呈稳定上升趋势,北京市、上海市的目标值分别在2014年、2013年达到最高值后发生突降,松弛向量随之显著降低。两市医师日均担负诊疗人次和医师日均担负住院床日产出不足,但北京市的医师日均担负住院床日产出不足。见表 4。
表 4 2010—2016年京沪两地卫生体系服务量产出指标 |
![]() |
2010—2016年,人口总死亡率和人均期望寿命产出情况方面,两市松弛向量均处于较低水平,北京市人口死亡率稍优于上海市。上海市的人口死亡率原始值始终高于北京市,北京市的目标值变化趋势与原始值同步,上海市目标值则波动较大,2012—2013年和2015—2016年目标值下降较明显,松弛向量随之增大。上海市的人均期望寿命原始值高于北京市,两市目标值均与原始值同步变化。见表 5。
表 5 2010—2016年京沪两地卫生体系人群健康产出指标 |
![]() |
总体来看,北京市综合投入的产出效率低于上海市,但两市差距逐渐减小。在参比的20个省(直辖市)中:2010年,北京排名19,上海排名1,相差18名;2016年,北京排名9,上海排名7,相差2名。北京市作为国家首都,其承担的首都功能使其卫生系统具有了一定的特殊职能,对卫生资源的大量投入提出了要求。在这样的背景下,北京市不断攀升的发展态势比其相对较低的绝对水平更应引起关注。这表明北京市近年来的一系列发展举措,包括医药分开改革、医联体建设、商业保险发展等,对整体医疗卫生体系效率的提升发挥了作用。然而,与本研究分析出的北京市较低的医疗卫生体系效率相对应,北京市医疗机构数量较多(2016年,北京市医院数量为638家,上海市为349家),病床使用率较低(2016年,北京市医院实有床位使用率为82.20%,上海市为93.97%),也从一个侧面反映出北京市医疗卫生机构的管理运行效率有待提高。
3.2 北京市人力投入效率较低,卫生总费用投入高于目标值从投入角度来看,北京市的每千(常住)人口卫生技术人员和每千(常住)人口医疗卫生机构床位数投入过剩,前者占卫生人力比例及后者占卫生机构床位投入比例均高于上海市。其中,北京市每千人口卫生技术人员过剩较上海市更甚,在2010—2016年间均处于过剩状态。2010年,北京市每千(常住)人口卫生技术人员过剩,占卫生人力投入比例为49.51%,其后有所波动下降,2016年为34.66%。从医疗机构床位数来看,京沪均在2010—2012年之间出现过一定短缺(低于目标值),然而在2013年之后总体与目标值相近。从卫生总费用占国内生产总值的比例投入占比来看,北京市也高于目标值较多。然而,相较于国际发达国家和地区,北京市卫生总费用占国内生产总值的比例并不算高。
3.3 健康产出方面,京沪两地产出值与目标值差距不大,北京市筹资风险保护指标效率较高从产出角度来看:北京市和上海市2016年人均期望寿命均已达到目标值;该年北京市人口总死亡率为5.20/1 000,上海市为5.00/1 000,均已接近目标值。但北京市孕产妇死亡率与目标值尚有差距。以2016年为例,北京市孕产妇死亡率未达到目标值,上海市则达到目标值。从筹资风险保护方面来看,就个人卫生支出占卫生总费用的比例指标来说,2016年,北京市个人卫生支出占卫生总费用的比例较目标值更低,而上海市则高于目标值。
3.4 服务量产出方面,京沪服务量产出效率水平提高,医师负荷效率上海市高于北京市从医疗机构诊疗总次数来看,2010—2013年上海市的产出效率不足,占比高于北京市,2014—2016年北京市高于上海市,数年间京沪效率基本呈现提高态势,到2016年京沪服务量产出值与目标值相近。以2016年为例,北京市医疗机构诊疗总人次数为24 586.00万人次,目标值为24 877.70万人次,上海市则达到目标值。从医师负荷来看,数年间上海市医师担负服务量与目标值相距不大,北京市医师负荷产出不足稍甚于上海市,2016年北京市医师日均担负住院床日产出不足为26.3%。这体现出上海市医师较高的工作负荷和效率。然而,过高的工作负荷也可能带来医疗服务质量下降以及医师工作压力过大等负面效应。
4 建议 4.1 北京市提升卫生体系综合服务效率举措有所收效,值得其他地区借鉴2016年,北京市开展了对全市主要医疗卫生机构服务能力综合评价结果,评价显示了北京市卫生服务效率增加,服务量不断上升,与本研究结果相一致。近年来,北京地区采取了一系列提升医疗卫生体系服务效率、改革医疗卫生服务机制的举措。例如,2017年北京医药分开综合改革正式开始实施,取消药品加成,增设医事服务费,配合采取药品采购、医疗服务价格改革措施,为全国其他地区的医药分开改革提供了有益的借鉴。在分级诊疗建设方面,北京市通过建设医疗联合体,从人才、设施、机制等多个角度沟通医疗联合体内医疗机构的合作,扎实扩大医联体的覆盖范围,不断探索建立有效的医联体内就医秩序的路径。研究反映了实施这些举措后,北京市整体医疗卫生体系服务效率得到了提升,为其他地区的卫生发展提供了可供借鉴的经验。
4.2 北京市以健全医疗保障体系为抓手,提升卫生经费使用效率本研究结果显示,北京地区卫生经费投入较高,但其投入产出效率在部分年份表现不佳。2016年北京市卫生总费用占国内生产总值的比例高达7.98%,而经模型分析得出的松弛向量高达2.016%,提示北京市卫生总费用投入效率与其他省(直辖市)相比有较大提升空间。一方面,北京处于卫生资源高地,集聚优势卫生资源,但是与其对应的医疗服务需求相比,其可供布局的卫生资源总量并不富余。另一方面,北京市医疗保障体系承担着向部分特殊人群提供完全保障的任务,同时近年来不断完善医疗保障体系和日益提升的人民生活水平也进一步释放了医疗服务需求,倒逼医疗服务投入的提高。建议北京市以医疗保障体系为抓手,提升卫生经费对卫生结果的贡献效率。通过医疗保险的杠杆,撬动医联体各机构间的分工协作。同时提升近年来北京发展较快的商业医疗保险在医疗保障体系中的参与度,利用商业医疗保险资金管理的优势提高医疗保险基金的管理和使用效率。
4.3 上海市需优化医师工作负荷本研究显示,上海市医师担负工作量的产出效率较高。2015—2016年,京沪医师负荷产出效率、服务量产出效率松弛向量均已达0,这提示京沪医务人员工作负荷及服务量产出已达饱和水平。当前阶段,对医疗服务质量的关注应更胜于对医疗服务效率的关注。一味追求效率的提高而忽视了对卫生服务人员工作负荷可持续性的关注,可能会对医疗服务质量的提高产生不利影响。当前,上海地区医师工作强度较大、负担较重,建议通过地区间、机构间的协同发展,将部分医疗机构的功能向基层、周边地区疏解,同时,通过引导基层人才队伍的发展与分级诊疗相适应,以缓解医师整体工作负荷,提高卫生队伍发展的可持续性,也从整体上提升医疗卫生人员和服务的质量,提升卫生系统的整体运行效率。
4.4 应结合环境情况,谨慎看待数据包络分析的结果分析过程中发现诸如医疗机构诊疗总次数、出院人数和孕产妇死亡率等指标在个别年份目标值出现较远偏离,可能是由于统计口径在某些年份的改变或缺失值处理的不准确而导致目标值估算不准,影响对投入过量或产出不足程度的分析。此外,因为DEA只从所选择样本城市的指标值进行效率的计算分析,将计算得到的松弛向量作为原始值与目标值之差,而不会对其他影响结果变量的环境变量进行考察。这些因素可能会影响产出变量的值的合理性。但是,分析得出的目标值与原始值之间的偏离轨迹,对分析卫生发展状况具有一定的参考价值。
·作者声明本文无实际或潜在的利益冲突
[1] |
CHARNES A, COOPER W W, RHODES E. Measuring the efficiency of decision-making units[J]. Eur J Oper Res, 1978, 2(6): 429-444. DOI:10.1016/0377-2217(78)90138-8 |
[2] |
史健, 魏权龄. DEA方法在卫生经济学中的应用[J]. 数学的实践与认识, 2004, 34(4): 59-66. DOI:10.3969/j.issn.1000-0984.2004.04.011 |
[3] |
RUGGIERO J. Impact assessment of input omission on DEA[J]. Int J Inform Technol Decis Making, 2005, 4(3): 359-368. DOI:10.1142/S021962200500160X |
[4] |
COOPER W W, SEIFORD L M, TONE K. Introduction to data envelopment analysis and its uses:with DEA-solver software and references[M]. Boston: Springer, 2006.
|
[5] |
EMROUZNEJAD A, AMIN G R. DEA models for ratio data:convexity consideration[J]. Appl Math Model, 2009, 33(1): 486-498. DOI:10.1016/j.apm.2007.11.018 |
[6] |
GRAVELLE H, WILDMAN J, SUTTON M. Income, income inequality and health:what can we earn from aggregate data?[J]. Soc Sci Med, 2002, 54(4): 577-589. DOI:10.1016/S0277-9536(01)00053-3 |
[7] |
HOLLINGSWORTH B, WILDMAN J. The efficiency of health production:re-estimating the WHO panel data using parametric and non-parametric approaches to provide additional information[J]. Health Econ, 2003, 12(6): 493-504. DOI:10.1002/hec.751 |
[8] |
成刚, 钱振华. 卫生体系效率评价的概念框架与测量方法:兼论应用数据包络分析的方法学问题[J]. 中国卫生政策研究, 2012, 5(3): 52-60. DOI:10.3969/j.issn.1674-2982.2012.03.011 |