中国省域医疗抗压能力评价及其时空演变特征*

时浩楠

(安徽财经大学 金融学院，安徽 蚌埠 233030)

2020年伊始，一场突如其来的新冠肺炎疫情在全国迅速蔓延开来，多个省份相继宣布启动重大突发公共卫生事件一级响应，一时间各地包括医生、护士、床位在内的医疗系统开始进入高速运转状态。随着新冠肺炎确诊病例数的不断攀升，各地医疗系统面临的压力也在不断增加。而医疗抗压能力则表现为医疗系统在突发性事件(地震、火灾、传染性疾病等)冲击下的承受、适应、恢复和不断发展的能力，显然如何科学地、客观地评价各地的医疗抗压能力，增强各地医疗系统应对新冠肺炎疫情在内的各种突发事件的能力，是一个十分值得研究的话题。

目前与本文相关的研究成果主要集中在以下三个层面：一是围绕医疗资源的配置均衡性展开，如陶春海等采用双变量泰尔指数法对我国2005～2015年的医疗卫生人员数和卫生机构床位数的均等化水平进行了实证研究[1]。张录法和李林青利用泰尔指数法和综合评价法分析了上海市在新医改后不同层级医疗资源的配置均衡性[2]。欧阳红兵和张支南运用县级层面医疗卫生资源数据和离散指数法对我国省域内医疗卫生资源配置的均等化水平进行了医疗卫生资源配置的均等化测算[3]。宋雪茜等认为目前我国公共医疗资源在层级间和地区间的配置不合理问题较为突出，并从全国市域和四川省县域两个尺度分别分析了2015年不同层级医疗资源的配置特征与影响机制[4]。龚胜生和陈云在利用空间变异系数、GIS空间分析以及地理加权回归(GWR)模型对2000～2015年中国南方地区的医疗卫生资源与居民健康关系展开研究时发现，中国南方地区医疗卫生资源水平的空间差异逐渐减小，均等化程度不断提升[5]。二是围绕医疗服务质量与效率展开，如刘超等通过构建DRGs医疗服务质量评价指标体系，利用德尔菲法和粗糙集法对昆明市某三甲公立医院的整体服务质量进行了评价分析[6]。邓剑伟等将公共部门绩效评价的评估框架引入医疗服务领域，建立了三个评价层级共27个指标的医疗服务质量评价指标体系，并以北京S医院为例进行了应用和完善[7]。方一安等通过对目前用于医疗服务质量测量的主流方法进行系统总结，分析归纳出各类方法的优点以及局限性[8]。俞佳立和钱芝网利用DEA-Malmquist模型实证分析了2011～2015年我国31省市的医疗卫生行业技术效率和全要素生产率，指出全国医疗卫生行业技术效率偏低，全要素生产率指数总体呈下降趋势[9]。姜茂敏等以2010～2017年我国31省市的面板数据为例，利用数据包络分析法(DEA)与Tobit模型分析了我国医疗服务效率及其影响因素,并据此提出了相关的对策建议[10]。肖力玮和邓汉慧将诊疗效果等反映医疗质量的指标纳入数据包络分析(DEA)模型，并利用Tobit模型的二阶段分析对武汉市对医疗服务效率及其影响因素进行了实证研究[11]。三是围绕医疗保险展开，如王超群利用多源调查数据分析了2015～2016年我国基本医疗保险实际参保率及其分布特征，认为中国仍有超过10%的国民没有参加任何一项基本医疗保险制度[12]。王琬通过对退休人员医疗保险政策发展脉络的系统梳理，深入探讨了这一政策的形成动因，并基于公平性和可持续性两个维度剖析了当前的政策困境，据此提出了相应的对策措施[13]。张鑫和赵苑达基于2010～2017年中国大陆31省市的面板数据，采用DANP方法检验了社会医疗保险的减贫效应，并分析了社会医疗保险减贫效应的区域异质性[14]。张鹏飞利用中国健康与养老追踪调查数据，从身体机能健康和心理健康两个维度实证研究了医疗保险对老年人健康的影响及其作用机制[15]。尚越和代桂林认为流动人口务工期间的健康风险应由就业地的社会医疗保险进行保障，并基于2018年湖北省流动人口动态监测数据，实证考察了流动人口社会医疗保险参保行为的相关影响因素[16]。

纵观上述研究成果，主要存在两个方面的局限：其一，大部分研究成果仅限于对医疗资源、医疗服务、医疗保障等医疗系统自身发展问题的探讨，忽视了医疗系统在不断发展完善过程中所面临的外界压力也在不断增强的客观事实，对医疗系统应对外界压力的能力关注不足；其二，大部分研究成果缺乏一定的时空分析视角，对医疗系统相关问题的时空演变特征分析较为匮乏。有鉴于此，本文选择以2007～2018年中国大陆31省市的面板数据为例，采用多指标评价的方法测算了各省市的医疗抗压能力，并通过空间数据分析方法研究中国省域医疗抗压能力的时空演变特征，并在此基础上提出了相关对策建议，以期能够为提高各地医疗系统对突发事件的应对能力提供决策参考依据。

1 资料与方法

1.1 资料来源

本文所使用医疗数据主要来自2007～2018年的《中国卫生健康统计年鉴》，人口与财政数据主要来自2007～2018年的《中国统计年鉴》，教育数据主要来自2007～2018年的《中国教育统计年鉴》，专利数据来自对中国专利信息服务平台(http://search.cnipr.com)以医疗器械和医药关键词的检索结果，对于文中涉及到的部分缺失数据则采用均值进行插值处理。

1.2 研究方法

1.2.1 变异系数法

结合本文的研究需要，本文选择采用变异系数法对中国省域医疗抗压能力进行评价。该方法的优点主要在于依据指标的变异程度确定指标权重，能够在很大程度上增强指标的代表性，并使评价结果更加具有区分度。其具体的计算过程如下[17]：

①计算各指标的变异系数

(1)

②对变异系数做归一化处理，得到指标权重

(2)

③对数据进行极差标准化处理

(3)

(4)

④计算医疗抗压能力综合评价结果

(5)

上式中，Xij省市i在指标j上的值，i=1,2,3,...,31，j=1,2,3,...,22。

借鉴相关学者的研究成果[18-20]，并遵循科学性、可操作性、可获得性等多指标评价体系构建原则，本文尝试从医疗资源条件、医疗系统负荷、医疗保障能力三个方面构建医疗抗压能力的评价指标体系，具体指标详见表1。其中，医疗资源条件是各地医疗抗压能力的承载基础，没有良好的医疗资源条件，医疗抗压能力也将无从谈起，医疗资源不仅包括满足基本需要的基础资源，也包括相对比较稀缺的优质资源；医疗系统负荷考察的是在现有医疗资源基础之上，各地医疗系统运行所面临的主要困难与挑战，医疗系统负荷过大会让医疗体系不堪重负，医疗抗压能力也会急剧下降，医疗系统负荷主要包括设施的负荷、人员的负荷以及来自社会的外部负荷；医疗保障能力表征在医疗压力冲击下，各地所采取的对策措施水平，良好的医疗保障是提升医疗抗压能力的有效手段，主要包括人才保障、经费保障、制度保障、科技保障四个方面。

表1 医疗抗压能力评价指标体系

1.2.2 重心

重心也称为平均中心，是对要素地理中心或密度中心的度量。与其他空间统计方法相比，重心分析在连续跟踪要素空间分布变化，反映要素空间分布趋势方面具有突出优势，现已被广泛应用于社会科学研究的各个领域。借鉴相关学者的做法[21]，本文构建的中国省域医疗抗压能力重心坐标如下：

(6)

(7)

式中，xt、yt分别表示第t年中国省域医疗抗压能力重心的xy坐标，(xi，yi)表示省市i的重心坐标，Mit为省市i的第t年的医疗抗压能力。

1.2.3 空间自相关分析

空间自相关分析是衡量相邻或相近地理单元在某一具体属性上表现出的空间关联程度的一种统计方法，具体可分为全局空间自相关分析和局部空间自相关分析。本文的研究逻辑是先使用全局空间自相关的Moran’s I指数检验2007-2018年中国省域医疗抗压能力是否存在空间相关性，然后进一步地利用局部空间自相关的局部Moran’s I指数考察不同类型集聚区的数量以及分布范围变化。所使用的全局Moran’s I指数和局部Moran’s I指数计算方法如下[22]：

(8)

(9)

式中，I为全局Moran’s I指数，范围介于[-1,1]之间。I介于(0,1]时，表示正相关；I等于0时，表示不相关；I介于[-1,0)时，表示负相关。Ii为省市i的局部Moran’s I指数，Mi和Mj为省市i和省市j的医疗抗压能力，Wij为空间权重矩阵，i≠j，i=1,2,3，...,31，j=1,2,3，...,31。

2 实证结果分析

2.1 中国省域医疗抗压能力评价

利用公式(1)-(5)可计算出各省市2007～2018年的医疗抗压能力，结果如表2所示。从变化趋势来看，研究期间内全国医疗抗压能力由0.282上升到0.415，总体呈现出稳步上升的趋势。其中，江苏由2007年的0.304上升到了2018年的0.684，达到了年均7.67%的增速，远高于其他省市，上升速度居于全国首位。而新疆从2007年的0.277只上升到2018年的0.297，年均增速仅为0.64%，远低于其他省市，上升速度居于全国末位。除此之外，山东(6.85%)、广东(6.46%)、西藏(6.14%)、浙江(5.70%)、河南(5.37%)、安徽(4.47%)、四川(4.47%)、重庆(4.34%)、湖南(3.92%)、黑龙江(3.71%)等10省市的年均增速均在全国平均增速3.58%之上，增速相对较快，而河北(3.53%)、福建(3.42%)、内蒙古(3.32%)、云南(3.32%)、湖北(3.23%)、广西(2.97%)、江西(2.92%)、贵州(2.79%)、山西(2.72%)、北京(2.65%)、陕西(2.51%)、辽宁(2.16%)、甘肃(2.10%)、上海(1.87%)、吉林(1.78%)、天津(1.61%)、海南(1.21%)、宁夏(1.20%)、青海(1.08%)等19省市的年均增速均在全国平均增速3.58%之下，增速相对较慢。

表2 2007～2018年各省市医疗抗压能力评价结果

从图1各省市医疗抗压能力均值可知，广东、江苏、山东、四川、浙江的医疗抗压能力均值相对较高，排名居于全国前5位，内蒙古、海南、西藏、青海、宁夏的医疗抗压能力均值相对较低，排名居于全国后5位。不难发现，除四川以外，排名前5位的省市均位于东部地区，同样除海南以外，排名后5位的省市也均位于西部地区，表明中国省域医疗抗压能力具有一定的地区性差异。

图1 2007～2018年各省市医疗抗压能力均值

2.2 中国省域医疗抗压能力的时空演变特征

根据公式(6)-(7)，可得到2007～2018年中国省域医疗抗压能力的重心演变轨迹如图2所示。从图2可以看出，中国省域医疗抗压能力重心分布在111.727°E～112.240°E，33.387°N～33.865°N的范围之内，大致位于河南省的中西部地区。就移动方向而言，东西方向上，除2008年、2009年和2016年之外，中国省域医疗抗压能力重心均在向东移动，南北方向上，除2008年之外，中国省域医疗抗压能力重心均在向南移动。就移动距离而言，2008年、2014年和2016年的中国省域医疗抗压能力重心分别移动了21.89千米、16.69千米和12.71千米，移动距离均相对较长，而2007年、2009年和2011年的中国省域医疗抗压能力重心分别移动了6.63千米、6.54千米和6.75千米，移动距离相对较短。2007～2018年中国省域医疗抗压能力重心总体在向东、南两个方向移动，意味着我国东、南地区的省市医疗抗压能力在快速提升，尤其是在2014年之后，其提升的速度普遍较快。

图2 2007～2018年中国省域医疗抗压能力重心转移轨迹(经纬度)

由公式(8)，可以计算得到2007～2018年中国省域医疗抗压能力的全局Moran’s I指数及相应的统计检验结果(表3)。从表3中不难看出，全局Moran’s I指数在整个研究期间均为正，且全部通过了5%水平的显著性检验，表明中国省域医疗抗压能力在空间上具有显著的正相关性，表现出了空间集聚分布的特征，即医疗抗压能力较强的省市，其周边省市的医疗抗压能力也相对较强，而医疗抗压能力较弱的省市，其周边省市的医疗抗压能力也较弱。同时，全局Moran’s I指数整体呈现出“V”型的变化特征，即在2011年之前总体表现为波动下降，而在2011年之后开始表现为波动上升，表明中国省域医疗抗压能力的空间空间关联效应具有先变弱后增强的变化特征。

表3 2007～2018年中国省域医疗抗压能力全局Moran’s I指数

全局空间自相关只是从总体上揭示了中国省域医疗抗压能力存在空间关联性具有集聚分布特征，但无法揭示出局部地区具体省市与周边邻近省市之间的空间关联关系，因此有必要进一步地结合局部Moran’s I指数来对各省市的医疗抗压能力作局部空间自相关分析。选取2007、2010、2014、2018四个时间截面数据，利用公式(9)，可得到如图3所示的中国省域医疗抗压能力LISA集聚图，据此可以发现中国省域医疗抗压能力共存在4类显著的空间集聚类型：

图3 各年中国省域医疗抗压能力LISA集聚图

高高集聚型：指医疗抗压能力较强的省市，其周边省市的医疗抗压能力也较强。由图3可以看出，2007年并没有属于该类型的省市，2010年属于该类型的省市是江苏，2014年和2018年属于该类型的省市均是江苏、山东、安徽。总体来看，该类型所属省市主要以江苏、山东、安徽为主，分布范围呈现出先扩大后相对稳定的趋势。江苏和山东是中国的沿海经济发达省份，2018年的GDP总量分别为92595.4亿元、76469.67亿元，居于全国第2、3位。发达的经济一方面为完善医疗体系建设提供了重要的前提条件，另一方面也为增加医疗资源投入提供了坚实的物质基础，因此两省市的医疗抗压能力远高于周边省市。近些年安徽一直走在全国医疗卫生体制改革队伍的前列，如在全国率先全面取消公立医院药品和高值医用耗材加成，解决群众“看病难”“看病贵”的问题，建立的“县域医共体模式”被国家确定为四种分级诊疗模式并得到全国推广，安徽的医疗服务水平不断提升，医疗抗压能力也高于周边地区。

低低集聚型：指医疗抗压能力较弱的省市，其周边省市的医疗抗压能力也较弱。2007年属于该类型的省市是新疆，2010年和2014年属于该类型的省市均是新疆、甘肃，2018年属于该类型的省市是新疆、甘肃、宁夏、内蒙古。总体来看，该类型所属省市主要以西北地区的省市为主，分布范围呈现逐渐扩大的趋势。该类型所属省市由于地理区位欠佳、经济基础薄弱等诸多不利因素，一方面该地区医疗资源相对并不充裕，尤其是优质医疗资源更加匮乏，如2018年甘肃的卫生机构中三级甲等医院占比仅为0.06%，全国排名第30位，另一方面该地区医疗保障能力相对有限，经费与科技保障更为欠缺，如2018年宁夏的财政医疗卫生支出仅为1055509万元，排名居于全国末位，新疆的医疗器械及医药类发明专利授权量仅为21件，居于全国第26位，排名也较为靠后。因此，该类型所属省市的医疗抗压能力与周边省市相比均普遍较低。

低高集聚型：指医疗抗压能力较弱的省市，其周边省市的医疗抗压能力却较强。2007年并无属于该类型的省市，2010属于该类型的省市是安徽、上海和福建，2014年属于该类型的省市是福建、上海，2018年属于改类型的省市是福建、江西、上海。不难发现，该类型所属省市主要以福建、上海为主，分布范围呈现出现先扩大后缩小再扩大的趋势。2018年福建拥有的三级甲等医院为17家，卫生机构中三级甲等医院占比为0.13%，全国排名第21位，表明福建的高等级医疗资源条件相对一般，同时2018年福建的财政医疗支出为4416958万元，远低于周边广东的14075069万元、浙江的6261980万元，也说明福建的医疗保障能力相对也并不是十分突出。上海作为中国的经济中心，其医疗资源条件与医疗保障能力均相对较好，但上海的医疗系统负荷相对较重，2018年上海的病床使用率为95.9%,医师日均担负诊疗人次数为14.4人次，观察室病死率为2.75%，这些反映医疗系统负荷的指标值均居于全国首位，较高的医疗系统负荷降低了上海的医疗抗压能力，因此与周边的江苏、浙江相比，形成了一个医疗抗压能力洼地。

高低集聚型：指医疗抗压能力较强的省市，其周边省市的医疗抗压能力却较弱。2007～2018年属于该类型的省市一直是四川。可见，该类型所属省市数量稳定，分布范围也较为固定。虽然西部地区是中国医疗抗压能力的较弱地区，但四川作为西部地区的重要大省，近些年在大力推进卫生服务体系建设，实现了卫生事业的跨越式发展。其占据了整个西部地区卫生机构床位数的24.32%(2018年)，卫生机构数的26%(2018年)，医疗器械及医药类发明专利授权量的29.10%(2018年)，医疗器械及医药类发明专利申请量的33.40%(2018年)，可见与周边省市相比，四川在医疗资源与医疗保障方面具有相对优势，医疗抗压能力也相对更强，形成了一个医疗抗压能力高地。

3 政策建议

鉴于本文的研究结论，提出如下相关建议，以期能够逐步提高相关省市的医疗抗压能力：第一，加大对医疗抗压能力较弱省市医疗资源建设的投入力度，从医疗机构设施配套水平、医疗人员福利待遇等方面给予医疗抗压能力较弱省市一定的政策倾斜与支持，逐步提高医疗抗压能力较弱省市的医疗资源水平。第二，积极推进医疗抗压能力较弱省市的新型农村合作医疗建设，加大资金投入与加强监督指导，提高医疗抗压能力较弱省市新型农村合作医疗的管理水平，确保基本医疗保障制度在医疗抗压能力较弱省市实现全面覆盖，进一步提高医疗抗压能力较弱省市医疗抗压能力的制度保障水平。第三，组织开展医疗人才对口支援建设工作，设立医疗抗压能力较弱省市医疗人才培养项目，鼓励医疗抗压能力较强省市的医疗卫生人员到医疗抗压能力较弱省市的医疗卫生机构进行对口帮扶，支援医疗抗压能力较弱省市医疗人才队伍建设。第四，发挥四川等医疗抗压能力较强省市的辐射带动作用，优化医疗资源布局，促进医疗资源协作共享，利用分院建设以及人才挂职等方式积极引导优质医疗资源向周边省市辐射延伸。第五，依托互联网医院平台，对医疗抗议能力低洼地区开展互联网健康咨询、远程诊疗等帮扶服务，积极开发新的辅助诊疗系统，实行对医疗抗议能力低洼地区基层医疗机构的全覆盖，提升医疗机构的服务水平。