医院运行效率指在给定医疗资源情况下，医院通过一系列医疗卫生服务及管理活动，将投入转化为产出的综合能力^[1]。科学评价运行效率对医院合理引导资源配置，提供优质高效的医疗卫生服务有现实意义。2021年6月，《国务院办公厅关于推动公立医院高质量发展的意见》（国办发〔2021〕18号）明确指出，公立医院发展方式应从规模扩张转向提质增效。由此可以看出，改善公立医院的运行效率是我国综合医疗体制改革的重要目标。

作为全国省级综合医疗体制改革试点地区，上海市对市级医院的管理模式以及资源配置做了诸多改革与探索。市级医院是全市优质医疗服务网络的龙头，考虑到近年来市级医院单体规模扩张过快，可能对运行效率存在一定不利影响^[2]，有必要结合医院内部管理与外部环境因素对运行效率展开研究。基于此，本研究通过数据包络分析与Tobit回归分析探讨上海市市级医院的效率及其影响因素，以期为医院优化资源配置、向提质增效转型提供参考。

1 资料与方法 1.1 资料来源

收集整理2013—2019年《上海卫生年鉴》《国民经济和社会发展统计公报》。对35家市级医院进行现场调查，排除数据缺失的医院后获得34家市级医院的运行数据，其中综合医院12家、专科医院18家、中医医院4家。考虑到不同类型医院的服务价格、治疗手段、绩效考核等存在差异，为保证样本的同质性，将综合医院与专科医院分开进行效率测算。此外，由于中医医院样本量过少，无法满足后续数据包络分析的要求，本研究剔除中医医院，最终选取12家综合医院、18家专科医院进行分析。

1.2 研究方法 1.2.1 数据包络分析

1978年，Charnes等^[3]首次提出数据包络分析（data envelopment analysis，DEA）概念，以决策单元（decision making units，DMU）投入-产出指标的权重为变量进行运算并确定有效生产前沿面，通过DMU与生产前沿面的距离测算DMU的效率。CCR模型与BCC模型是DEA应用最广泛的模型之一，其中BCC模型基于规模报酬可变的假设进行分析，可设定为投入导向或产出导向。投入导向指保持产出水平，通过改变投入水平达到技术有效；产出导向指不改变投入水平，通过增加产出水平达到技术有效^[4]。考虑到在不改变投入水平的前提下，通过资源合理配置等手段增加医院服务数量、提高医院服务能力是政策制定者以及医院管理者更为关心的话题，本研究采用以产出为导向的BCC模型对样本医院的效率以及规模报酬进行测算，并对资源配置的合理性进行评价。

1.2.2 Malmquist指数分析

传统DEA为静态模型，无法对DMU进行纵向跨期比较并分析DMU效率变化的原因。1997年Färe等^[5]在传统DEA模型的基础上引入时间变量，构建Maluquist指数模型。该模型不仅可衡量不同时期DMU生产率的变化趋势^[6]，还可将全要素生产率分解为技术进步指数与技术效率指数，从而进一步分析全要素生产率的变化原因。全要素生产率这一概念由美国经济学家Robert Solow提出，是衡量总产量与全部要素投入量之比的综合指标^[7]。技术进步指数主要反映生产技术的科学性与先进性。技术效率指数主要反映生产要素配置的合理性与协调性，可拆解为纯技术效率与规模效率。全要素生产率=技术进步指数×技术效率指数=技术进步指数×纯技术效率×规模效率。本研究通过Malmquist指数分析比较样本医院在2013—2019年各项效率的变化情况，并对效率变化的原因进行探索。

1.2.3 Tobit回归模型

1958年Tobin开发了因变量取值存在限制、存在选择行为的标准删截模型，即Tobit回归模型^[8]。DEA-BCC测算所得的技术效率值为0~1，具有被删截的特征，属于受限因变量，使用最小二乘法进行分析可能会因无法完整呈现数据而出现估计偏差^[9]。因此，本研究以技术效率为因变量、医院内部因素变量与外部环境变量为自变量，构建Tobit模型。

$ Y_{i t}=\beta_0+\beta_1 X_{1 i t}+\beta_2 X_{2 i t}+\beta_3 X_{3 i t}+\cdots \cdots+\beta_n X_{n i t}+\mu_{i t} $

式中：Y代表上海市市级医院的综合效率，i代表区县，t代表年份，β₀代表常数项，β₁……β_n代表回归系数，X代表效率影响因素，μ_it代表随机扰动项。

1.3 指标选取 1.3.1 投入指标与产出指标选取

总结梳理国内外权威文献与政策文件发现，投入指标可归纳为人力、物力、财力投入3类，产出指标可归纳为医疗服务提供数量、效率、质量及科研教育成果4类，见表 1。就投入-产出指标的选择而言，考虑到公立医院的公益性以及将经济类指标与其他数量类指标混用可能对技术效率测算结果有不良影响，本研究淡化了经济类指标。综合考虑投入-产出指标的文献提及频次，结合指标的独立性、代表性、科学性，并向从事医院管理工作的专家进行咨询后，最终选取在职职工数、期末床位数作为投入指标，出院人数、门急诊人次数及平均住院日作为产出指标。

1.3.2 效率影响因素选取

医院的技术效率受内部管理因素与外部宏观环境的影响。以技术效率为因变量，基于医院内部因素与外部环境选取自变量。国内外文献所涉及的自变量主要包括：（1）医院类型，如所有权性质、医院等级、提供服务种类等；（2）医院规模与结构，如医疗用房面积、期末床位数、医护比等；（3）医疗服务质量，如床位周转次数、病例组合指数、平均住院日等；（4）医疗服务数量，如出院人次数、手术人次数等；（5）医院收支，如财政补助收入、资产负债率等；（6）经济环境，如人均国内生产总值（gross domestic product，GDP）、人口密度等；（7）竞争环境，如同级医院竞争程度、社会办医比例等。本研究结合文献研究与专家咨询结果选取自变量。就内部因素而言，将医院类别、卫生技术人员占比、床位周转次数、31 d再入院率、药占比纳入模型。此外，考虑到在建设分院后主院区须向分院输送大量资源要素，可能导致主院区运行效率降低，因此将院区总数纳入模型。就外部环境因素而言，将反映人口经济因素的医院所处区县人口密度、人均GDP，以及反映市场竞争程度的所处区县同级医院密度纳入模型。具体指标及说明见表 2。

1.4 统计学分析

用Stata 15.0建立数据库，对数据进行描述性分析与回归分析。用DEA SOLVER PRO 3.0对数据进行BCC分析与Malmquist指数分析。

2 结果 2.1 投入产出情况描述性分析

表 3描述了样本综合医院与专科医院在2013—2019年的投入-产出情况。就投入水平而言，2类医院的平均期末床位数与平均在职职工数均呈增长趋势。就产出水平而言，2类医院的出院人数与门急诊人次数呈增长趋势，平均住院日呈减少趋势。由此可以看出，2类医院的投入规模不断扩大，服务量与服务效率稳步提高。

2.2 DEA-BCC静态分析

为避免新型冠状病毒感染疫情的影响，选取疫情暴发前1年的效率进行截面分析。2019年，样本综合医院以及样本专科医院的技术效率均数、纯技术效率均数、规模效率均数分别为0.845、0.958、0.882以及0.894、0.928、0.963，提示样本医院运行效率较高。就规模报酬情况而言：3家综合医院以及4家专科医院处于规模报酬不变状态，提示资源配置处于理想水平；6家综合医院与12家专科医院处于规模报酬递减状态，提示资源要素投入已超过适宜程度，此时产出增加的比例小于投入增加的比例，须考虑减少投入规模；3家综合医院与2家专科医院处于规模报酬递增状态，提示资源要素投入低于适宜程度，此时产出增加的比例大于投入增加的比例，可适当增加投入规模。见表 4。

2.3 Malmquist指数动态分析

表 5显示：2013—2019年，样本综合医院的全要素生产率变化指数呈上下波动趋势，但均大于1.000。7年间全要素生产率变化指数均数为1.036，增幅为3.6%。从结构上看，技术进步变化指数均数为1.052，增幅为5.2%，技术效率变化指数均数为0.984，降幅为1.6%。这说明样本综合医院全要素生产率的提高主要依靠技术进步推动，属于技术进步改善主导型。进一步分析组成技术效率变化指数的纯技术效率变化指数与规模效率变化指数发现，两者在研究期间的均数均小于1.000，降幅为分别为0.7%与0.8%。

2013—2019年，样本专科医院除2017—2018年的全要素生产率变化指数小于1.000、呈减少状态外，其余年份的取值均处于增长状态，整体上7年间的全要素生产率变化指数均数为1.047，增幅为4.7%。从结构上看：技术进步变化指数均数为1.030，增幅为3.0%；技术效率变化指数均数为1.017，增幅为1.7%。这说明样本专科医院全要素生产率提高是技术进步指数与技术效率共同提高的结果，其中技术进步指数的贡献更大，属于技术进步改善主导型。进一步分析发现，纯技术效率变化指数在7年间均呈增长状态。规模效率变化指数除2015—2016、2017—2018年处于增长状态外，其余年份均处于下降状态。见表 5。

表 6显示：2013—2020年，12家样本综合医院中11家（占91.7%）处于全要素生产率提高状态，增幅为0.5%~6.9%，全要素生产率降低的仅有1家（占8.3%），降幅为5.0%。11家全要素生产率提高的医院中，技术进步指数提高的有11家（占100.0%），技术效率提高的仅有2家（占18.2%），说明全要素生产率的提高主要得益于技术进步指数的提高。此外，观察1家全要素生产率降低医院的效率发现，其技术进步指数提高了2.5%，技术效率降低了7.3%，说明技术效率降低是该医院全要素生产率降低的主要原因。2013—2020年，18家样本专科医院中16家（占88.9%）处于全要素生产率提高状态，增幅为0.5~9.5%，全要素生产率降低的仅有2家（占11.1%），降幅为2.5%~4.6%。16家全要素生产率提高的医院中，技术进步指数与技术效率均提高的有11家（占68.8%），该类医院全要素生产率的提高得益于技术进步指数提高与技术效率提高的共同作用。此外，观察2家全要素生产率降低医院的效率发现，其技术进步指数处于不变或提高状态，技术效率处于下降状态，说明技术效率降低是该类医院全要素生产率降低的主要原因。

2.4 Tobit回归分析

以2013—2019年样本医院的技术效率为因变量，为消除变量间的多重共线性以及异方差性，对呈偏态分布的区域人均GDP进行对数化处理后与其他自变量一起纳入模型分析，回归分析结果见表 7。卫生技术人员占比、床位使用率、院区总数与技术效率正相关（P＜0.05），31 d再入院率、药占比与技术效率负相关（P＜0.05），医院类别、区域人均GDP、区域人口密度、同级医院密度与技术效率不相关（P＞0.05）。

3 讨论与建议 3.1 样本医院运行效率较高但多数处于规模不经济状态，应调整发展规模，优化资源配置

DEA结果显示，样本医院运行效率较高，但仅少数医院处于规模经济状态。在规模不经济的医院中，规模报酬递减的医院占多数，该类医院应以优化资源配置的方式取代规模扩张，从而在满足患者医疗服务需求的同时改善规模经济状况。规模报酬递增的医院则应通过适当增加床位、职工等投入要素的方式扩大经营范围，从而达到规模经济状态。此外，Malmquist指数分析结果显示，样本综合医院的技术效率均数处于下降状态，提示医院内部运营管理机制有待优化，须强化医疗服务全成本核算和成本控制，科学规划科室布局，避免资源重复配置与浪费，以此推动医院向提质增效转型。

3.2 样本医院全要素生产率提高主要依靠技术进步推动，应加强人才建设，注重技术创新

全要素生产率受技术进步指数与技术效率变化指数两者共同作用。Malmquist指数分析结果显示，在观察期间样本综合医院与样本专科医院全要素生产率的提高主要依靠技术进步推动，均属于技术进步改善主导型，体现了医疗技术进步的重要性。上海市“十四五”规划市级医院发展的导向之一是提升医学科技创新能力，服务上海科创中心建设和生物医药产业发展。目前，部分市级医院已开始国家医学中心建设及科研综合楼扩建。人才是医院争先竞位之本和第一发展要素，除加强医院科研设施、临床研究平台建设外，医院还应加强人才建设，注重“外引内培”，在完善人才引进机制的同时培养高层次后备干部^[10]，加强医院间的学术交流以及科研合作，以此提高医院技术水平，加强科研成果转化能力。

3.3 样本医院运行效率受多重因素影响，制定战略目标时应结合实际情况统筹规划 3.3.1 卫生技术人员占比、床位使用率、院区总数是上海市市级医院运行效率的保护因素

本研究发现，样本市级医院的卫生技术人员占比、床位使用率以及院区总数与运行效率正相关，除院区总数较少被同类研究提及外，卫生技术人员占比、床位使用率影响运行效率这一结果与其他研究^[11-12]一致。首先，卫生技术人员占比是反映医院人力资源配置的重要指标，样本医院属三级甲等医院，承担攻关疑难杂症、救治危重症患者的重大责任，卫生技术人员占比的提高有助于保障医疗服务质量及提升运行效率。除提高卫生技术人员占比外，样本医院须建立以医疗服务质量、科研成果、患者满意度为导向的绩效考核制度，以此激励卫生技术人员发挥潜能。其次，当前上海市市级医院受限于地域面积，能直接增设的床位数有限，提高床位使用率是医院“扩大床位规模”的方式之一。已有研究^[13]表明，床位使用率与平均住院日高度负相关。为提高床位效率，样本医院可通过加强信息化建设，优化临床支持系统来简化患者的就医流程，在保障质量的同时缩短患者就医时间。最后，根据规模经济理论，单体院区规模扩大在初期有益于提高医院经济效益，但在达到一定程度后继续扩张会导致医院规模不经济、运行效率降低等不良后果。在单体院区规模饱和的情况下，可通过异地建立分院的方式达到扩大医院规模的目的。核心院区与分院区之间的长期共享成本（如组织成本、专利成本等）将随着各院区医疗服务量的提高而降低，有益于医院规模经济的发展。相较于单体院区发展，多院区医院间存在资源与业务互通壁垒。因此，在微观层面须加强信息平台建设，使院区间高度关联，推动联结经济、范围经济的形成^[14]；在宏观层面应加强顶层设计，完善“总院垂直化、分院扁平化”管理模式^[15]，减少层级核批或个体的特殊性导致政策执行的延滞与偏差。此外，成本核算与分摊是多院区财务管理难题之一，在院区建设使用同一分配标准的前提下，上海市市级医院由于各院区的功能定位、学科规划、地理位置等不同导致医疗服务成本不同。因此，须明确划分各院区的成本费用，才能在实现不同院区各科室收入成本最优配比的基础上提高医院管理效率。

3.3.2 31 d再入院率、药占比是上海市市级医院运行效率的抑制因素

本研究发现，31 d再入院率及药占比与医院的运行效率负相关，与其他研究^[16-17]结果一致。31 d再入院率与病种密切相关，疾病疗程长或治愈率低的患者需重复入院治疗。为避免重复入院带来的资源消耗，医院应加强病种过程管理，在临床治疗路径考核时加大医疗质量权重，以保证患者治疗效果。就药占比而言，药物费用是我国公立医院除医疗服务与财政补贴外的另一收入口径，控制药占比有助于约束医院趋利行为，激励医院通过提供更优质的医疗服务来提高收入。这也是实行药品“零加成”政策的现实意义。医院内部可定期公布医师的药占比数据并将其纳入绩效考核，以规范医生的用药行为；在用药流程方面，应形成一套严格的审查机制，使临床药师与临床医师共同进行药物治疗方案设计、实施与监护，以此保障用药合理性。

3.3.3 医院类别、人口经济因素、同级医院密度对上海市市级医院运行效率无影响

本研究发现，人口经济因素以及医院竞争因素对上海市市级医院效率无影响，这与其他研究^[18]结果有出入。可能的原因是：上海市市级医院均属三级甲等医院，各自具备明确的优势专科以及极高的医疗技术水平，在全国范围内具有品牌影响力，可吸引全国各地患者前来就诊。另一方面，上海市整体面积较小且交通较为便利，因此，医院类别、区域人口经济因素以及同级医院密度对医院运行效率无影响。此外，一些统计分析方面的局限性（如样本量较小、自变量间存在多重共线性等）也会对研究结果存在一定影响，造成统计学阴性结果。

3.4 研究局限性

本研究存在以下局限性：①选取投入-产出指标时充分参考了经典文献及相关政策文件。选取的样本医院为集科、教、研一体的大型三级甲等医院，其承担了大量科研教学任务，但出于数据可获得性并未纳入这类产出指标，虽然可在一定程度上反映样本医院的投入-产出情况，但在投入-产出的全面性方面有待提高。②为避免新型冠状病毒感染疫情的影响，本研究未将2020年及以后的数据纳入分析，数据存在一定滞后性。未来可将新型冠状病毒感染疫情作为效率影响因素之一，并纳入更多的时间段的数据作进一步分析。③本研究目前所得结果多为观察性结果且样本量较少，后续可纳入更多样本，同时运用数理统计方法进行因果推断，以加强研究结果的可靠性。

·作者声明本文无实际或潜在的利益冲突