公共卫生防控下居民就医偏好调查研究*

2022-03-26金宇崔玉杰

智库时代 2022年10期

金宇崔玉杰

（北方工业大学）

一、前言

突如其来的公共卫生防控事件，打破了人们平静的生活，随着我国人民的众志成城联合抗疫，事态已经得到了强有力的控制。但是当前并未结束，国外病情形势严峻，国内小规模疫情时起时伏，全球已然步入了重大突发流行病公共卫生事件后的时代。当前重大突发流行病公共卫生事件已严重影响了人类的生活方式，与此同时，健康也成为人类最基本最重要的需求。我们亟需探究出更为贴合当今时代的医疗政策和体系，尽最大可能提高居民生活质量，增加其幸福感。因此，对于公共卫生防控事件后的居民就医行为偏好的影响因素的研究具有重大意义。

二、数据与变量

（一）数据来源与选取

利用问卷星通过网络平台向全国范围内的民众发放问卷。研究对象纳入标准：有就医经历，可熟练使用手机，知情且自愿同意参与本研究的有自主意识的中国居民。对回收的问卷逐一进行审核筛查，质量控制标准：问卷每人最多作答一次，填写时长超过1分钟，无乱填、漏填现象。最终收集到来自21省（直辖市、自治区）的有效问卷225份，有效回收率为92.88%。

（二）变量赋值说明

为更加简练地观察及更加深入地分析数据，特对问卷调查获得的部分变量赋值[1-3]，变量赋值情况如下：

性别为男性=1，女性=2;年龄在18岁及以下=1，19-50岁=2，51岁及以上=3；学历为初中及以下=1，高中/中专/技校=2，大专或本科=3，研究生及以上=4;现今患有重病=1，患有长期慢性疾病=2，良好患有感冒等小病=3，健康无疾病=4;看病需要的时间在一天以上=1，半天=2，0.5-2 小时 =3，小于30分钟=4；家距离看病场所的距离超过100KM=1，10-100KM以内 =2，1-10KM 以内 =3，1KM 以内=4；非常不满意=1，不满意=2，一般=3，满意=4，非常满意=5；家庭月收入5000元及以下 =1，5001-10000元=2，10001-30000元=3，30001元及以上=4；学生生活费小于1200元=1，1200-2000 元 =2，2001-3000元=3，3001元及以上=4。

（三）数据检验

为了检验问卷是否合格有意义，保证后期数据分析的准确性及建立模型的科学性，首先利用SPSS对调查问卷所得量表数据进行信度和效度检验.问卷中的量表进行Cronbach’s Alpha系数检验的克隆巴赫系数为0.911，在可接受范围内，可知本次问卷调查可信。同时KMO值为0.724，大于0.7；Bartlett球形检验的P值为0.000，远小于0.05。综合各指标，问卷具有结构效度，设计的问卷题目与研究目的一致，可进一步进行因子分析。

三、方法与探究

（一）对于影响公共卫生防控事件后的居民就医偏好的因素分析

影响居民就医行为的因素是复杂多变的，患者的年龄、性别、经济状况、学历以及居住地医疗条件等都会影响其就医选择[4-5]。为了能够更清晰直观地探究影响居民的因素，通过Spss 26.0进行因子分析，将年龄、性别等13个指标数据录入，进行因子分析操作，采用凯撒正态化最大方差法对因子载荷矩阵实行正交旋转以使因子具有命名解释性。可以指定按照第一因子载荷降序的顺序输出旋转后的因子载荷，通过观察旋转后的成分矩阵，我们得出如下分析：

居住地的诊疗医师服务满意程度、居住地的医疗场所设备满意程度、网络医疗服务的满意程度以及三年前相比，“看病难，看病贵”的现象是否得到了缓解这四个成分在第一因子有较高载荷，可解释为现阶段医疗服务效率[6]。

从家出发到看完病取到药，平均每次看病时间和所在地距离就医地点的直线距离在第二个的载荷高，解释为居民就医便捷度。

重大突发流行病公共事件是否影响了您的就医选择以及结合防疫现状，当感到不适时会怎么做在第三因子有较高载荷，可解释为重大突发流行病公共事件的影响。

家庭可支配月收入同是否为家人购买了医疗保险在第四因子有较高载荷，可解释为居民经济保障。

年龄、学历和现阶段健康状况在第五因子有较高载荷，可解释为居民自身状况。

对于上述分析结果，特绘制成分分析结果表如表1所示。

表1 成分分析结果表

由表1，我们可知医疗服务效率、就医便捷度、重大突发流行病公共事件、经济保障和自身状况是影响居民就医选择的五大主要因素，且它们的影响程度是依次递减的。

为了深入探究就医偏好，我们分别建立模型，对于主要影响因素中的医疗服务效率和就医便捷度进行进一步研究。

（二）运用DEA效率评价模型分析医疗服务效率

1.模型简介

DEA（Data Development Analysis）即数据包络分析法[7]，亦称数据发展分析法。是1978年由美国著名科学家A.Chames和W.W.Cooper等人提出的一种效率评价方法，用来评价具有相同类型投入和产出的部门或单位的相对有效性。本文利用该模型得到几个具有代表性省份和城市的医疗卫生效率值，得分越接近1，该地区医疗卫生产业运行越有效[8]。

2.指标的选取

投入与产出指标的选择是构建DEA模型的关键步骤，查阅文献研究得知，投入、产出指标的数量会影响效率的区分度跟相关性，指标数量不多于决策单位的50%才算合理[9-11]。本文数据来源于《2020中国卫生健康统计年鉴》，结合文献与现有数据，本文设置评价代表省市医疗效率的投入指标2个，分别是2019年地区卫生人员数以及2019年地区医疗卫生医疗机构床位数；评价评价代表省市医疗效率的产出指标1个，为2019年各地医疗卫生机构诊疗人次数。

3.统计学方法

利用Jupyter Nootbook中Python3模块进行代码的编写和运行，得出所要研究的省市的DEA评价效率值。进一步，本文通过问卷调查了居民对于当地医疗设备和诊疗服务满意程度，通过EXCLE将数据进行处理，得出居民对当地医疗的满意度[12-13]。

绘制居民满意度与DEA评价效率值关系表如表2。

表2 居民满意度与DEA评价效率值关系表

对居民满意度与DEA评价效率值进行相关性检验，二者的皮尔逊相关性为0.908，说明二者之间具有高度相关，即医疗卫生产业运行效率越高，当地居民对于当地医疗的满意程度越高。

（三）运Logistic增长模型分析就医便捷度

通过查阅文献资料得知看病的距离是影响患者进行就医行为选择的首要因素，这是因为重大突发流行病公共事件仍未结束，出于防控需要，多数人会选择离家距离近的医院，这样可以减少传染的风险。因此，为了将问题可视化，本文作出如下认定：

①认为居民就诊的距离代表就医的便捷度，即居民距离就诊地越近，就医越便捷。

②认为医疗单位的数量影响居民就诊的距离，即当地医疗单位数量单位越多，居民距离就医地点的距离越近。

1.模型建立

Logistic增长函数是一种常见的S型曲线函数式[14]。如式（1）所示，本文拟利用其建立我国医院的发展趋势模型。

2.模型求解

本题选用自1985年2019年35年内中国的医院数量（包括综合医院、中医医院及专科医院），利用Python进行最小二乘拟合以确定参数[13-15]，预测未来十年中国的医院数量并绘制Logistic函数图像，如下图图1所示。

图1 医院数量Logistic 曲线拟合预测图

由图1可以看出，Logistic函数曲线和实际数据拟合曲线整体趋势相似，因此可以用其进行预测。可以看到我国医院的发现已经到达了k/2处，且后10年医院数量增长变慢，逐渐达到峰值。但实际自2016年1月1日二胎政策放开起，我国人口的增长速率开始变大起来。我国人口基数很大，近日三胎政策的开放，也标志着我国在后10年来人口的增长速率一定是超过前10年的[16]。那么如果还是以此时的r值，未来我国的医疗场所更加紧缺，这将极大影响我国居民的就医选择。因此，只有缩小r值，才能更加适应我国国情[17]，满足民众的就医需求。这就意味着社会应该提起对医疗事业的重视，加大资金投入，加大中小型医院单位帮扶力度，建立更多的医疗场所，大力促进我国医疗事业的发展。