基于GWR模型的中医医院执业医师空间动态变化及影响因素研究*

李成程,周尚成,周静静,贺凯玥,刘爱玲,梁珊珊

(广州中医药大学公共卫生与管理学院,广东 广州 510006)

中国传统医学以阴阳五行作为理论基础,诞生于原始社会并传承发展至今,在“辩证论治”原则指导下已经成为中国医疗服务的重要组成部分,并在疟疾等疫病防治中发挥出重要的作用[1,2]。在全球老龄化加剧和公共卫生事件频发的后疫情时代,中医医院在疫病防治、疫病应急中正逐渐显示出不同于西方医学的优越性。同时,中医医院已经逐渐成为我国实现基层优质医疗资源的增质、均质发展的重要力量[3]。

2016年国务院发布《中医药发展战略规划纲要(2016-2030年)》旨在为改善我国基层医疗服务可及性提供中国式的解决方法,倡导传统中医和现代医学相结合来弥补卫生人力资源短缺现状[4]。过去数年来,中医医疗服务力量有了明显增强,但在医疗服务总量中依旧处于弱势地位[5]。目前国内学者更多聚焦于综合性医院的卫生人力资源的公平性和合理配置,中医医院的相关研究还较为欠缺[6,7]。此外,现有研究更多的依赖传统的独立性假设,忽略了地理空间尺度上的异质性[8]。因此,中医医院作为提供中医医疗服务的重要载体,其卫生人力资源的空间异质性研究非常重要。

本研究试图基于广东省地级城市层面数据,构建拟合优度最佳的空间计量模型来探索中医医院执业医师空间异质性和其关键要素。从而为进一步的资源优化配置提供理论和实证依据,同时为今后的相关研究提供方法学借鉴和询证学依据。

1 资料与方法

1.1 研究区域概述

本研究的地理空间单元为广东21个地级城市。以2015年公立中医医院综合改革为起点,选取2015～2020年的地级城市数据,将地级城市作为推动中医医院人才发展的基本空间单元。研究区域如图1所示。

图1 广东各地级市及研究区域

1.2 数据来源和变量选择

本研究的解释变量为中医医院执业医师。相关数据均来源于广东省中医药局和《广东省统计年鉴》2016～2022年数据。本研究中中医医院包括中医医院和中西医结合医院;执业医师包括执业医师和助理医师,即具有国家执业医师资格证的从业人员。千人口执业医师数作为最常用的指标已被广泛用于相关研究来评价其人力资源配置水平。然而千人口执业医师数无法客观的反应不同区域间指标的动态变化,这影响了评价的准确性。因此,可以通过构建聚集度指标来评价不同地区的职业医师的相对水平和动态变化,执业医师聚集度(某年)计算方式如下:

(1)

其中,Ji是i市执业医师聚集度;Pi是i市执业医师数量;Ci是i市的当年常驻人口数量;Pn是全省执业医师总数;Cn是全省人口总数。

采用2020年数据比较执业医师聚集度和千人口执业医师数指标,在不同地级市中两种指标的分布基本一致,而聚集度指标的异质性更加明显。因此,聚集度指标在执业医师动态变化中表现良好,其变化程度如图2所示。

图2 2020年广东省地级市两类指标描述

大量实证研究发现,人力资源的地理流动受到社会、经济、家庭等因素的多重制约[9]。人力资本理论认为,劳动力的积极流动是保证区域经济发展的核心要素之一。劳动力的流动特别是专业技术人才的流动能够优化卫生人力资源的区域配置并进一步促进人力资本形成[10]。其中,收入差异是人力资源流动的重要制约因素;不同地区的经济发展程度不同,其物价和生活成本也有较大的差异[11]。同时,从人口学视角出发,卫生领域作为智力密集型领域,特别是中医领域需要不断系统性学习和科学辩证思维,因此教育资源对于中医人才的培养和后续进修非常重要。此外,当地较高的公共服务能力建设也能够改善不同层级的劳动力流动性[12]。基于以上分析,本文试图纳入医疗服务能力、经济水平、公共服务能力三个类别的变量进入到模型中,以试图揭示中医医院执业医师空间异质性特征和驱动机制。具体指标如表1、表2所示:

表2 广东地级城市2020年指标描述

通常而言,方差膨胀因子检验(VIF检验)超过10或容差小于0.1则表明变量之间存在强共线性。本研究所纳入变量VIF值均小于6,可以认为研究变量通过了多重共线性检验,所有变量均不具有多重共线性。

1.3 研究方法

采用最为常见的地理邻接矩阵来构建执业医师聚集度空间权重矩阵,并通过莫兰指数表示地区执业医师空间自相关性。空间核密度指数用于表征地级城市中医医院执业医师相对聚集程度。在此基础上构建最优的地理加权回归模型来探索执业医师空间分布异质性特征和驱动机制。

1.3.1 空间自相关检验

地理学第一定律认为,要素之间普遍存在空间依赖性。这种空间依赖强弱会根据要素之间的空间距离而逐渐变化[13]。通常而言,空间依赖性可以通过Moran's I指数、经验贝叶斯比率指数来表示。由于空间权重矩阵的构建具有广泛内生性,不同的空间权重矩阵可能会导致空间自相关性有差异。因此本研究选用最为广泛使用的邻接地理空间权重矩阵来计算莫兰指数。其计算方法如下:

(2)

1.3.2 空间核密度指数

空间核密度指数市通过测量地理空间元素的密度来对要素的空间聚合进行可视化分析[14]。通过在点要素基础上叠加一个平滑曲面来进行计算,其表面值随着与点距离的增加而有所衰减,当其与点的距离等于搜索半径的位置处时表面值为零。其计算方式主要通过四次核函数来实现,具体测算过程如下:

(3)

disti

其中,i表示广东省地级市要素点,Doc表示执业医师的要素值,disti为要素点i和城市地理坐标位置间距离。

进一步计算核密度带宽,来确认研究要素的搜索半径。基于广东省较为发达的各级交通网络建设,因此采用欧式距离进行加权[15]。计算如下:

(4)

(5)

1.3.3空间标准差椭圆

通过绘制不同时期的空间标准差椭圆(Spatial standard deviation ellipse, SDE),可以量化二维空间格局中要素的变化规律和特征[16]。该过程通过以下方式进行计算:

(6)

(7)

(8)

(9)

(10)

(11)

1.3.4 最优空间异质性模型构建

空间异质性模型基于广义线性模型进一步发展而来,在传统的最小二乘回归模型基础上考虑了研究要素在地理范围的动态变化,能够显著的提高传统回归模型的拟合优度。在不同的研究尺度下,地理加权回归模型(Geographically Weighted Regression Model, GWR)能够有效体现研究要素的空间特征和空间异质性。在此基础上,本研究进一步拟合了多尺度地理加权回归模型(Multiscale Geographically Weighted Regression Model, MGWR)来进行比较,以确保构建模型具有最佳的拟合优度[17]。

首先构建线性回归模型:

yi=βxi+εi

(12)

其中β为执业医师数均值,εi为模型的截距项和误差项。为了进一步分析不同地域执业医师的异质性,建立如下模型:

yi=β(ui,vi)xi+εi

(13)

其中,β(ui,vi)为地理位置函数。

在此基础上通过多次加权构建最多尺度地理加权回归模型进行模型比较:

(14)

β是影响因子的系数,其通过对数据带宽进行微分分解获得。此外通过AICC信息准则能够进一步确定模型的优异性。

(15)

(16)

(17)

2 结果

2.1 广东中医医院执业医师时空动态变化

数据表明,2015年～2020年广东省21个地级市的中医医院执业医师总量明显增加,其执业医师的空间密度和人员规模均有所变化,如图3所示。通过借鉴过往相关研究,采用自然断点分类将中医卫生人力资源聚集度分为稀疏区、相对稀疏区、相对均等区、相对聚集区、聚集区5大类。中医医院执业医师的总量由2015年接近1.8万人增加到2020年2.6万多人,增长了44.44%,年均增加8.8%。在相对参考水平下,研究期间广州市的中医医院执业医师聚集度持续较高,韶关市的中医力量有所减弱。梅州市、珠海市的中医卫生人力资源进一步加强,头部城市和尾部城市的中医力量存在一定差距,其中医卫生人力资源发展均衡性需要重点优化和改善。

图3 2015年和2020年广东地级市中医医院执业医师空间分布图

空间自相关结果表明,广东省中医医院执业医师莫兰指数由2015年0.168(P=0.066)增加到2020年0.267(P=0.027),莫兰指数均为正且空间集聚性明显增加。如表3所示。

表3 中医医院执业医师聚集度空间自相关结果

表4 模型结果对比表

同时,通过绘制21个地级市中医医院执业医师莫兰指数散点图可以进一步发现,在相对参考水平下,中山市、珠海市、江门市、阳江市的中医卫生人力资源由2015年～2020年进一步得到了增强。汕头市、揭阳市、潮州市的中医卫生人力资源有所减弱,如图4所示。

图4 2015年和2020年广东中医医院执业医师聚集度莫兰指数散点图

2.2 广东中医医院执业医师时空聚类特征

核密度分析结果进一步证实,中医医院执业医师的空间密度范围变化程度不大,如图5所示。聚集密度空间格局较为稳定,且重点聚集地区更为明显。2015年中医医院执业医师主要聚集在广州南部地区、珠海市和佛山市交界地带。2020年在此聚集度基础上梅州市、河源市核密度指数有所增加,但是增速较缓慢,在地理范围上中医医院卫生人力资源依旧呈现出经济发达城市聚集的态势。

图5 2015年、2020年广东省中医医院执业医师空间核密度估计

2.3 空间标准差椭圆

通过绘制空间标准差椭圆进一步分析中医医院执业医师的时空变化特征,如图6所示。结果表明2020年同2015年的空间分布向心力均较为明显,其离散程度变化较小。进一步表明,中医卫生资源的空间集聚效应依旧显著并愈发突出。此外2015年同2020年圆心位置较为一致,表明各个城市的中医资源变化程度较为稳定。

图6 广东中医医院执业医师空间标准差椭圆

2.4 模型优化及指标分析

基于空间依赖性的分析结果,依次构建GWR模型和MGWR模型进行计算和比较。结果表明,在地级市层面,GWR模型总体拟合度R2为0.962略高于MGWR模型的拟合度0.942,其模型拟合优度最高,取得了更为真实的拟合效果。不同于以往的部分研究,由于不同变量作用尺度的差异化,MGWR模型的表现通常会优于GWR模型。而在中医医院的研究中,由于广东省较为发达的交通网路和中医医院在整体医疗服务中同西医相比还较为弱势,因此本研究采用GWR模型更为准确和客观。

2.5 模型结果分析

统计结果表明,中医医院床位数、城镇单位平均工资、居民人均可支配收入、居民人均消费支出、图书馆数、常驻人口数同中医医院执业医师数地理空间异质性显著相关。如表5所示。以上指标回归系数较小,但是均较为显著。具体而言,中医医院床位数(<0.001,P<0.001)、居民人均可支配收入(<0.001,P=0.007)、图书馆数(0.003,P=0.008)系数均为正,表明以上指标的增加,会显著增加中医医院执业医师数量。而城镇单位平均工资(<-0.001,P=0.011)、居民人均消费支出(<-0.001,P=0.083)和常驻人口数(<-0.001,P=0.001)这三个指标的系数为负,表明这三个指标的增长会显著导致中医医院执业医师的减少。没有发现中医医院数、平均医疗费用/每诊疗人次、人均GDP、人均财政支出、社会研究人员数同中医医院执业医师空间异质性的相关性。

3 讨论

本研究通过核密度分析和空间标准差椭圆分析了广东省中医医院执业医师空间分布特征和集聚类型,采用地理加权回归模型探索了中医医院执业医师聚集度的空间异质性特征和关键要素和影响其空间异质性的关键要素。结果表明,广东省中医医院执业医师数总量有所增加,但是总体数量依旧较少。中医医院同综合性医院相比在规模和卫生人力资源等方面还存在较大差距。此外,中医执业医师主要集中在广州、佛山、珠海等经济、教育资源较为发达的地区,其空间聚集性进一步加强,中医医院卫生人力资源的空间分布均衡性较弱。于此同时,不同城市的中医医院的发展程度不一致,因此在扩容中医资源的同时,也要兼顾其均衡性。充分发挥中医医疗服务的廉价优势,有效改善部分地区的医疗服务提供能力和缓解基层优质医疗资源短缺难题。

研究发现,医疗服务能力、经济水平和公共服务能力均能够不同程度的影响中医医院执业医师的空间异质性。具体而言,增加中医医疗服务能力能够最大限度的增加中医执业医生的职业归属感和工作认同感,为留住中医药人才发挥积极作用,因此应当继续增加中医医院数量、扩大中医医院规模、提高中医诊疗费用来吸引优质的中医卫生人力资源。其次,生活成本是影响人才流动的重要因素之一,其中城镇单位平均工资同中医医院执业医师呈负性相关,这说明随着城镇职工收入的增加,中医执业医师的收入水平并没有同步得到改善。与此同时,随着人均消费水平的增加,城镇居民可能更倾向于去往西医为主的综合性医院就医。一方面间接说明中医同西医相比具有“简、便、廉、验”的特色优势,另一方面,群众对中医药服务的获得感需要增强。在公共服务能力方面,更多维度、更加全面的城市公共服务也能够更好的吸引中医药人才。此外,中医医院执业医师更加倾向于下沉到人口更少的基层地区开展中医药服务[18]。

目前,广东省不同地级城市中医医院卫生人力资源的发展既具有统一性也具有特殊性,因此需要制定更加针对性的政策来进行精细化管理[19]。第一,应当继续加大中医药人才的培养力度和资源投入,提升医学生对中医药文化的认同感,明确中国传统医药的理论价值,强化中医药在国际社会的广泛宣传。深入挖掘当地的中医药特色并通过影视、案例等多种途径加强国际传播。 第二,在提升百姓中医药服务获得感的过程中,要结合当地自身的医疗资源条件因地制宜。发挥三级医院的龙头作用,将优质的中医药资源向基层地区辐射,对于经济较为发达的地区继续发挥综合医院的优质医疗资源的优势,而对经济欠发达的基层地区大力推行价格更为低廉的中医药医疗服务,并且积极发挥中医慢病防治和疫病应急的优势[20]。逐步实现从西医为主、中医为辅向中西医并重一体化转变。第三,建立常态化的中医药人才协作机制和流动制度,通过制定激励机制加快区域内中医药人才的上下流动形成有效内循环,实现一定范围内的优质医疗资源共享[21]。在此基础上,继续加强中医医院医疗信息化等公共服务能力建设,增加医生归属感和患者获得感。

本研究对中医医院执业医师空间异质特征进行了初步探索,并通过核密度指数、空间标准差椭圆等可视化途径分析了其动态变化程度。今后将开展更加细致的分时期、分阶段的研究来进一步理解其动态变化的内在机制。同时,将在今后的研究中纳入更全面的影响因素并构建更优的计量模型来进行分析。