一体化发展战略下的长三角地区卫生资源配置效率比较研究

楼晓彤，高丽娜

南京中医药大学卫生经济管理学院，江苏 南京 210023

在医改不断推进的今天，卫生资源分布的科学规划越来越受到关注。卫生资源对于各个国家和地区都是稀缺的，但是同发达国家相比，我国卫生资源的稀缺性问题更为明显[1]。新冠肺炎疫情进一步凸显了高效配置卫生资源的重要性。我国出台的《“健康中国2030”规划纲要》明确指出，要实现优质卫生资源配置均衡化。长三角地区是我国区域一体化发展的领先区域。自长三角一体化上升为国家战略以来，推进基本公共服务一体化逐渐成为长三角一体化的重要组成部分。在长三角区域迈向更高质量一体化发展过程中，医疗作为公共卫生服务不可或缺的一环，是关乎百姓生活幸福感的重要方面。对长三角地区卫生资源配置效率进行评价研究，不仅能为政府优化卫生资源配置提供决策依据，而且为其他跨区域卫生资源配置提供借鉴。当前，关于卫生资源配置效率的相关研究，学者们大多侧重于从单个省份或国家视角进行分析，而对跨区域卫生资源配置效率问题的重视度不够，难以有效满足实践发展的需要。本研究使用2009—2019年长三角地区医疗机构相关数据，采用DEA法和Malmquist指数对卫生资源配置效率进行横向和纵向分析，旨在为长三角地区改善卫生资源分布提供决策参考，以实现医疗一体化、助推更高质量一体化发展进程。

1 资料与方法

1.1 资料来源

本文数据来源于2010—2020年《中国统计年鉴》，主要选取了江苏、浙江、上海和安徽4个省市卫生资源配置相关数据进行整理分析，同时选取北京、天津、吉林、黑龙江、辽宁、河北、山东、山西、河南、湖南、湖北、江西、福建、广东、重庆、海南等16个地区的卫生发展数据作辅助分析。

1.2 统计学方法

数据包络分析由美国运筹学家Charnes和Cooper(1978)提出，能够评价决策单元(DMU)的相对效率[2]。常用的DEA模型有BCC模型和CCR模型。BCC模型用来测算DMU的纯技术效率，结果等于1为相对有效，小于1则是相对无效[3-4]。由于卫生资源规模报酬具有可变性，所以本文在进行静态分析时，选择变动规模报酬下衡量效率的BCC模型，将综合技术效率划分成纯技术效率和规模效率，规模效率=技术效率/纯技术效率[5]。BCC模型只适用于横截面资料的效率评价分析，因此对于面板数据的纵向动态效率分析，则选择Malmquist指数模型。Malmquist指数模型可以测量不同阶段每个DMU的全要素生产率变化指数(TFP)，由效率变动与技术进步两方面构成，而效率变动又由纯技术效率变动和规模效率变动两方面构成，如果全要素生产率变化指数>1，说明技术进步，反之则为技术退步[6]。本研究借助DEAP 2.1软件进行长三角地区卫生资源配置的相对效率的评价研究。

1.3 指标选取

本文DMU为列入分析的20个省市。运用DEA对卫生资源配置效率进行分析时，DEA模型要求DMU数量要超过投入与产出指标数量的乘积，同时超过指标总数的3倍[7]。DEA方法要求指标数量不宜过多且指标必须符合研究目的[8]。参考相关文献[9-11]，基于指标的科学性、代表性与数据的可获得性，选择3个投入指标(医疗卫生机构数、卫生技术人员数和医疗机构床位数)和2个产出指标(年诊疗人次数和病床使用率)。

2 结果

2.1 长三角地区卫生资源配置基本情况

2009—2019年，长三角地区卫生资源配置相关指标总体上呈现出逐年增长态势，除医疗卫生机构数、卫生技术人员数在2011—2012年间有小幅下降外，医疗机构床位数、诊疗人次数基本都表现为逐年增加。如图1所示，投入指标中，医疗卫生机构数年均增长率为5.93%，卫生技术人员数的年均增长率为6.74%，床位数的年均增长率为6.96%。产出指标中，诊疗人次数的年均增长率为7.74%，而病床使用率则呈现出波动变化，年均增长率为-0.18%。由此可以看出，随着医改的推进，各省市政府不断加大医疗资源的投入，尤其是人才资源与床位资源的投入增加明显；而在产出方面，卫生资源投入的不断增加使得医疗服务的可及性不断提高，医疗机构诊疗人次数也不断提升。

图1 2009—2019年长三角地区医疗机构床位数及病床使用率情况

2.2 基于BCC模型的长三角地区卫生资源配置效率的静态分析

2.2.1 2019年长三角地区卫生资源配置效率的DEA分析

从分析结果可知(见表1)，2019年长三角地区卫生资源配置的整体有效率仅为25%。三省一市综合效率、纯技术效率、规模效率均值分别为0.827、0.900、0.919。2019年上海的综合效率、纯技术效率和规模效率均为1，规模报酬不变，表现为DEA有效，即在当前的卫生资源投入条件下达到了相对最佳的产出状态。江苏、浙江的规模报酬递减，综合效率均小于1，规模效率小于纯技术效率，表现为DEA非有效的原因是纯技术效率小于1。安徽的卫生资源配置效率同样为DEA非有效，表现为规模报酬递减，说明在当时规模下卫生资源的投入没有得到很好的利用。安徽的规模效率接近于1，但其综合效率不高是纯技术效率偏低引起的，两者数值都远小于1，也说明规模效率对综合效率的影响较弱，纯技术效率的提高成为综合效率提高的关键，技术水平和管理水平应进行改善。

表1 2019年长三角地区卫生资源配置效率

2.2.2 2019年长三角地区卫生资源配置投入松弛量与目标值分析

DEA模型除了能评价DMU是否为相对有效外，还能对非DEA有效的DMU进行进一步投影分析，得出原DMU变为DEA相对有效时需要调整的松弛量，根据松弛量可以测算出原DMU达到DEA相对有效时的目标值，为DMU的指标改善提供依据。松弛量指DMU投入冗余量与产出不足量。松弛量与目标值之间的关系为：投入指标的目标值=纯技术效率×实际值-投入冗余量，产出指标的目标值=目标值+产出不足量[12]。

投入指标的松弛变量分析结果表明(见表2)：2019年上海的卫生资源投入达到了目标值，而江苏、浙江、安徽在3个投入指标上均有松弛量，投入存在相对过剩。以安徽为例，按照目标值看，医疗卫生机构数投入过量1万多个，卫生技术人员数投入过量近10万人，而医疗机构床位数有16万多张没有达到充分利用，资源投入存在冗余的现象。

表2 2019年长三角地区卫生资源配置投入松弛量与目标值

产出指标的松弛变量分析结果表明(见表3)：2019年长三角三省一市的年诊疗人次产出指标均达到了目标值，而在病床使用率指标上，仅有上海达到目标值，其余省份均存在产出不足的情况。以江苏为例，如果要达到当前产出水平，江苏应适当减少医疗机构数、卫生技术人员、床位数等的投入；换言之，在当前的投入水平条件下，若投入资源能够得到合理配置，江苏省医疗机构病床使用率能够增加到87.31%。

表3 2019年长三角地区卫生资源配置产出松弛量与目标值

2.3 基于Malmquist指数的长三角地区卫生资源配置效率的动态分析

2009—2019年，长三角地区医疗机构TFP整体表现出下降趋势(见图2)。2014-2015年的各类效率值都小于1，说明技术进步和规模经济都有待改进。2010—2012年TFP有较大提升，但2012年之后的各年份TFP均小于1，呈现波动变化。2009—2019年技术效率变动表现为先升后降，2013年后总体呈现上升趋势。2015—2016年、2016—2017年、2017—2018年的技术效率变动指数、纯技术效率变动指数、规模效率变动指数都大于1，TFP降低主要是由技术变动指数小于1引起的，这说明这段时期存在技术退步的情况。从2009—2019年长三角地区医疗机构TFP均值为0.997可知，TFP下降了6.3%，因其技术变动指数小于1，TFP下降主要是因为技术创新不足。

图2 2009—2019年长三角地区卫生资源配置效率的Malmquist指数及分解

分区域来看，2009—2019年长三角各区域卫生资源利用效率Malmquist指数整体表现出进步趋势(见表4)。除上海以外的三个省份TFP均大于1，安徽增幅最大(1.4%)，江苏、浙江增幅分别为0.4%、0.2%。上海表现为TFP下降，降幅为3.1%。在技术效率变动方面，除浙江外，其余省市技术效率均进步，增幅最大的为安徽(3.1%)。上海、安徽的技术变动指数均小于1，上海技术退步幅度较大为3.1%，由此看出上海出现TFP降幅都是由技术变动相对滞后导致的。从全部来看，技术变动与TFP变化趋势相似。

表4 2009—2019年长三角地区区域卫生资源配置效率的Malmquist指数及分解

3 讨论

3.1 长三角地区卫生资源配置效率有待进一步提高

虽然2009—2019年长三角地区各类卫生资源投入不断增加，但2019年长三角地区卫生资源配置总体DEA有效率仅为25%，江苏、浙江、安徽均表现为DEA相对无效。除上海外，其他省份都表现为规模报酬递减特征，表明卫生资源投入的增加并未产生规模收益的同比提高，卫生资源投入的增长率大于产出增长率，存在较为明显的投入冗余现象，是卫生资源配置效率下降的主要原因。这种投入冗余现象的出现，与近几年大型公立医院规模的快速扩张有关。而三级公立医院是优质卫生资源的集中地，其规模的不断扩大与大医院就医偏好共同作用，导致虹吸效应增强，病患趋高就医情形只增不减，加剧医疗卫生机构的卫生资源配置效率下降[11]。因此，政府部门在制定卫生资源投入规划时，要立足于区域情况以及实际医疗服务需求，因地制宜、科学地规划配置方案，及时调整和优化卫生资源分布[13]。另外，医院在注重卫生资源投入数量的同时要重视卫生资源的质量，优化医疗服务结构，为患者提供更多优质的医疗服务，更高效地配置卫生资源以推动长三角一体化发展。

3.2 长三角地区卫生资源配置存在空间差异

在长三角一体化发展进程中，区域间卫生资源配置的失衡问题，在一定程度上限制了长三角地区整体卫生发展效率的提高。根据表1的计算结果，2019年安徽省的综合效率(0.697)远低于长三角地区平均值(0.827)，这可能与安徽自身经济发展水平、人口状况等有关。2019年，安徽省常住人口约为上海市的2.5倍，而其人均地区生产总值仅占上海的41%。安徽省经济规模相对偏小，致使政府卫生经费投入相对不足；长期卫生投入不足以及大医院的虹吸效应，许多患者选择到邻近的南京而非当地就诊，这表明经济因素是影响长三角地区卫生资源配置的重要因素[14]。由于各地区经济发展水平、人口状况、实际医疗服务需求不同，而且这种区域异质性可能长期存在，因此，要提升长三角地区整体的卫生资源配置效率，必须立足区域发展条件。安徽省卫生资源配置纯技术效率远低于平均值，应努力抓住长三角更高质量一体化发展的历史机遇，着眼于提高卫生管理与技术水平来提高纯技术效率，从而提升卫生资源配置的综合效率，促进医疗事业发展。长三角一体化发展要求“打造健康长三角”，进而推进公共服务的便利共享。因此卫生经济相对发达的上海、江苏、浙江应进一步发挥辐射作用，推动科技、人才、信息等优质卫生资源在长三角地区实现互联互通，提高资源利用效率的同时兼顾资源配置公平，鼓励高水平发展的优秀医院开展异地办院或合作办院，从而实现长三角地区卫生服务均等化，提升区域医疗一体化水平[15]。加强区域卫生人才的培养和引进工作，促进医疗服务创新，以提高科技创新来促进技术效率的提升[16]。

3.3 技术效率提高是配置效率提升的主要动力

除上海市外，其他3个地区出现DEA相对非有效的原因是纯技术效率均小于1，表明在规模效率不变的条件下，区域医疗资源没有得到有效利用，医疗机构存在技术水平、管理手段等方面的不足。2009—2019年长三角地区卫生资源配置的技术变动指数均值为0.989，技术效率变动指数均值为1.009，TFP为0.997，技术效率变动是影响TFP变化的主要因素。配置效率受技术变动影响较大，安徽省与上海市的技术变动指数均小于1，技术变动呈现退步是技术进步不足所导致。部分医疗机构规模不合理与管理水平下降共存的现象，制约了技术效率的提升。上海市卫生资源配置效率表现为DEA有效，而技术进步不足一定程度上跟政府卫生支出、市场作用发挥等有关[17]。医疗机构应当推动完善“互联网+医疗”建设，加强区域信息交流，进一步发展智慧医疗、注重技术创新、强化优质医疗人才的教育和引入，并建立完善的医疗机构管理制度，从而有效提高卫生资源的配置效率，推动卫生事业的长远发展。

3.4 缺乏长三角医疗卫生一体化发展的完整评价体系

用DEA法分析卫生资源配置效率时，国内外尚未形成一套完备的指标体系，指标选择因差异化的研究目的而不同，使得结果存在差异，这也解释了使用不同的指标分析相同的研究对象会有不同结果的原因[17-18]。本文用于分析的投入与产出指标，是长三角地区各省市总体医疗机构的相关指标，得出的结果只能揭示区域医疗资源总体的配置效率，但难以说明医疗机构内部情况[19]。因此，在当前高质量一体化发展背景下，有必要构建一套适合长三角地区的资源配置效率评价体系，卫生行政主管部门应当结合区域卫生政策，充分发挥地区优势，考虑一体化评价等要素，为卫生政策的制定和卫生资源的高效配置提供有力的现实依据[19]。

综上所述，长三角地区整体卫生资源配置效率有待提高，且区域间配置失衡。站在新的历史方位上，长三角肩负落实“一带一路”、长江经济带等国家战略的责任，三省一市应充分利用得天独厚的地理优势和资源条件，进一步推动区域资源共享并提高技术创新能力，从而提升卫生资源配置效率，更好地服务于高质量的区域一体化发展。

利益冲突无