基于数据包络分析的全国中医医院服务效率研究

刘珺， 周颖， 岳靖凯， 张翔， 吴雅平

中医学是中国传统医学最主要的代表，长期以来为保障和促进人民生命健康做出了重要贡献[1]。在抗击新冠肺炎疫情的实践中，中医药的作用得到充分肯定，并受到世界关注。中医医院是承载中医药发展的重要基础，2016年国务院印发《中医药战略规划纲要2016—2030》，明确指出“切实提高中医医疗服务能力，促进中医药事业健康发展”[2]。本文选取30个省级行政区的面板数据，通过DEA-BCC模型进行效率测算，并对效率的影响因素进行回归分析，旨在研究“中医药战略2030”实施后我国中医医院服务的效率情况，探讨优化中医医院资源配置和提升中医医院服务能力的实现路径。

1 资料与方法

1.1 资料来源

本研究资料来源于2017—2019年《中国卫生健康统计年鉴》中2016—2018年我国各省市中医类中医医院的相关数据。考虑到数据的完整性与可获得性，我国西藏及港澳台地区未纳入研究范围。经过数据的筛选整理，最终选取国内30个省市为研究对象。依据国家统计局关于经济发展水平状况的划分，将各省市划分为东部、中部、西部三个地区，其中东部地区包括辽宁、北京、天津、河北、山东、江苏、上海、浙江、福建、广东、广西、海南等12个省市；中部地区包括山西、内蒙古、黑龙江、安徽、江西、河南、湖北、湖南等8个省市；西部地区包括陕西、甘肃、青海、宁夏、新疆、四川、重庆、云南、贵州、西藏等10个省市。

1.2 指标选取

根据医疗卫生服务效率常用的评价指标，在文献综述梳理和专家咨询的基础上，筛选并确定能够直观反映本研究目的的3项投入和2项产出指标[3-5]。3项投入指标从卫生资源方面选取医院数、执业(助理)医师数、床位数。2项产出指标从医疗服务方面选取总诊疗人次数、出院人数。

1.3 研究方法

数据包络分析法(data envelopment analysis，DEA)是一种在处理多输入与多输出问题的能力上具有优势的模型，目前已广泛应用于医疗卫生领域[6]。常见的方法有DEA-CCR模型、DEA-BCC模型和Malmquist指数等，其中DEA-BCC模型基于规模报酬可变，可将技术效率分解为纯技术效率和规模效率[7]，但DEA-CCR模型和DEA-BCC模型只能比较同一时期决策单元(decision making unit，DMU)的效率值，而Malmquist指数可比较不同时期DMU的效率值。因此，本文将DEA-BCC模型与Malmquist指数相结合，为研究的实证分析提供更精准的服务效率测算。

鉴于效率测算的结果位于0～1之间，属于受限变量，分析其影响因素时，适用于只对可观测的信息进行处理，从而避免估计偏差的Tobit回归模型[7]。结合影响因素数据可获得性，最终纳入反映社会经济情况的外部变量为：参保人数(包括城乡居民基本医保、职工基本医保)、人口密度和人均GDP；反映中医医院服务提供效果的内部变量为：医师日均诊疗人次数、病床使用率、医护比和中医医师比[8-9]。

1.4 数据处理与分析

利用DEAP 2.1软件通过DEA-BCC模型的产出导向和Malmquist指数对中医医院效率进行测算，使用STATA 16.0软件对综合效率的影响因素进行Tobit回归模型分析。所有检验标准均为双侧概率检验，以P<0.05为差异有统计学意义。

2 结果

2.1 基本情况

2016—2018年我国各省市中医医院卫生投入与产出指标均值呈现逐年增长趋势。从投入指标看，各省市中医医院平均数量由115家增加到132家，年均增长率为7.18%，执业(助理)医师数和床位数的均值在逐年增加，年均增长率分别为22.49%、7.00%，其中执业(助理)医师数在2018年均增长率达35.58%。从产出指标看，总诊疗人数和出院人数不断增加，年均增长率分别为3.93%、8.27%。由投入与产出指标的变化情况看出，3年来我国各省中医医院的投入指标增长速度高于产出指标，而各项指标的标准差数值在逐年增长。见表1。

表1 2016—2018年我国30个省市中医医院均投入产出指标比较

2.2 我国中医医院静态效率测算结果

通过DEA-BCC模型对我国30个省市中医医院2016-2018年的服务效率进行分析。从各省市整体来看，2016-2018年中医医院整体服务效率水平较好，但各效率指标差异较为明显。其中上海、江苏、安徽三个省市各效率值均处于生产前沿面，而山西、内蒙古、吉林等中部地区的效率值则远低于平均水平。在综合效率层面，三年间30个省市的平均值为0.871，东、中、西三大地区平均值分别为0.878，0.828和0.895。在纯技术效率方面，各省市三年平均值为0.910，东、中、西三大地区平均值分别为0.933，0.854和0.929。中部地区在上述两个指标中均低于东部和西部地区。在规模效率方面，中部地区(0.973)则高于东部地区(0.944)和西部地区(0.965)。见图1。

图1 2016—2018年我国各省市及东中西部地区中医医院静态服务效率均值

为进一步分析投入冗余或者产出不足的实际情况，本研究选取2018年东中西三大地区中非DEA有效综合效率最低的三个省市作为代表，对其投入冗余量和产出不足量进行指标投影分析。以地处中部地区的山西省为例，通过计算得出，为使服务效率达到最佳水平，山西省应在投入指标医院数量、执业(助理)医师初始值的基础上，分别减少140和4 675.58，而床位数、总诊疗人数以及出院人数则保持不变。见表2。

表2 2018年非DEA有效地区中医医院指标投影分析

2.3 综合效率影响因素Tobit回归分析

本研究显示，人口密度、人均GDP、医师日均负担诊疗人次以及医护比对我国各省市中医医院综合效率值有显著影响。其中，人口密度和医师日均负担诊疗人次与各省市中医医院综合效率呈正相关，人均GDP和医护比与各省市中医医院综合效率呈负相关。医师日均负担诊疗人次和医护比两个内部因素的显著效果明显(P<0.001)；而居民参保情况、病床使用率和中医医师比对中医医院综合效率影响不显著(P>0.05)。见表3。

表3 中医医院综合效率Tobit回归影响因素分析

2.4 2016—2018年我国中医医院全要素生产指数Malmquist分析

2016-2018年我国中医医院全要素生产率为0.962，全要素生产率增长省市占比20%，下降省市占比高达76.67%，结果显示动态效率整体呈退步状态。从具体年度来看，2016-2017年我国中医医院全要素生产率下降0.7%，降幅较小，主要由技术变动指数下降影响；2017-2018年，技术效率指数和技术变动指数分别下降5.0%和2.0%，造成全要素生产率下降6.8%，降幅略大。从东部、中部、西部各地区来看，仅有西部地区的技术变动处于进步状态，但技术效率的下降仍然导致西部地区全要素生产率下降，下降幅度为2.5%，略小于其他两个地区。其中，三年间全要素生产率指数有效的为山西、河南、四川、贵州、甘肃、广西、新疆7个省份(区)，除了河南与贵州两省的技术效率变化大于1以外，其余5省的全要素生产率有效主要归因于技术进步。见表4。

表4 2016—2018年各年度及地区中医医院全要素生产率指数变化及其分解

3 讨论

3.1 我国各省市间中医医院服务效率地区差异大且存在资源浪费现象

我国各省市中医医院的资源投入量与服务产出量呈上升趋势，中医医院的整体发展态势良好，表明我国中医医院正处于蓬勃发展的阶段。这体现了在全面推进“健康中国2030”和“中医药战略规划2030”的战略布局下，各省市加大了对中医医院医疗卫生资源的投入，扩大了中医医院规模，提供了更多的中医服务资源。但值得注意的是，DEA模型结果显示，仅有上海、江苏、安徽三个省市一直保持DEA有效，而山西、内蒙古、吉林等省市的规模效率远高于综合效率和技术效率，这与杨希[10]和张京津[11]等的研究结果类似，表明我国各省市间中医医院的服务效率差异明显。这可能是由于我国地域经济发展水平以及中医医疗资源分布的地理差异[12]，以及科学资源配置理念的缺乏，造成了我国各省市中医医疗资源地区差异显著的现状。对此，我国各省市在中医医院发展中，可通过对关键性影响投入与产出指标的因素进行调整，减少冗余卫生资源的投入，宏观调控中医医疗资源，提升中医服务质量。同时，可针对当地实际经济发展状况对中医医院区域布局进行合理规划，推进建立中医医院与基层中医医疗机构之间的双向转诊、上下联动的服务体系[13]，以提高中医医院的服务效率，缩小地区之间差异。

3.2 我国中医医院人才队伍结构有待优化

Tobit回归结果表明，我国各省市中医医院的服务效率与医师日均负担诊疗人次数及人口密度呈正相关，这表明人口密度越高的地区和中医医师的日均负担就诊人次数越多的地区服务效率越高，中医医院提供的医疗服务得到有效的利用，从而影响到医院的服务效率。而人均GDP、医护比与服务效率呈负相关表明人均生产总值高的地区对中医药服务效率的利用较差，其结果与杨帆等[14]研究人均GDP对湖北省县域卫生资源技术效率的影响一致。而李慧君和张建华[15]的研究结果与之相反，人均GDP与卫生资源效率呈正相关，这说明影响医疗服务效率的因素是复杂的，如与综合医院相比，患者选择中医医院就诊还会受到文化、地域和政策的影响[16]，不能单从经济水平和卫生资源条件的高低断论。从显著性上可以看出，医院人才队伍也是影响医院运营发展的重要因素。同时，杨希和朱晨[10]在2012—2016年间的研究结果中也指出技术效率的提升需要加快中医药人才的培养。这体现了中医药人才队伍建设是推动中医医院发展的基础。2017年正式实施的《中医药法》，建议从多层次多渠道培养中医药人才，健全人才队伍建设的长效机制。尤其是受地理因素限制较大的西部地区，可通过完善师承制、参与“黄岐工程”等[17]，引进青年人才，鼓励中医科研创新，实现由“量”到“质”的转变，为当地的中医医院提供生力军。

3.3 我国中医医院内精细化管理亟待提升

研究结果表明，全国各省市中医医院全要素生产指数有效的省份占比仅为20%，说明各省市中医医院的运行效率不高。东、中、西部中医医院的全要素生产率均处于退步状态，主要受到技术效率变化和技术变动的双重制约。但通过Malmquist指数分析发现，全要素生产率的增长主要归因于技术变动的进步。由此可见，在当前激烈的医疗服务竞争中，粗放式管理模式不再能为中医医疗机构的发展带来内生性动力。中医医院的发展需要重视自身医院内部管理机制的改革，明确自身的功能定位，特别是中部地区在振兴中医药事业的战略下，卫生资源投入量大，但缺乏对医疗技术的提升和人才的有效管理，造成整体效果不佳。建议各省市积极利用“互联网+”与5G技术，探索中医远程医疗、智慧医疗等新型诊疗模式，支持中医医院开展中医药特色的诊疗服务项目，引导居民选择中医药技术诊疗服务等，扩大中医文化的影响力，为城乡居民提供高质量的中医医疗服务。此外，各省市可完善中医药价格和相关医保政策，如提高中医服务的支付标准、扩大中医药服务和用药范围等，抓住按疾病诊断相关分组(diagnosis related groups，DRG)和按病种分值付费(diagnosis-intervention packet，DIP)等医保支付方式改革的机遇[18]，并积极运用现代化的管理运营模式，推动中医医院精细化管理变革。