武娜娜 李程躍 胡 敏 勵(lì)曉紅 李曉姣 姜立文 郝 模12

1.復(fù)旦大學(xué)衛(wèi)生發(fā)展戰(zhàn)略研究中心 上海 200032 2.健康風(fēng)險(xiǎn)預(yù)警治理協(xié)同創(chuàng)新中心 上海 200032 3.復(fù)旦大學(xué)公共衛(wèi)生學(xué)院 上海 200032

?

·公共衛(wèi)生·

我國(guó)縣級(jí)疾病預(yù)防控制中心效率影響因素的多水平分析

武娜娜李程躍胡 敏勵(lì)曉紅李曉姣姜立文郝 模1,2

1.復(fù)旦大學(xué)衛(wèi)生發(fā)展戰(zhàn)略研究中心 上海 200032 2.健康風(fēng)險(xiǎn)預(yù)警治理協(xié)同創(chuàng)新中心 上海 200032 3.復(fù)旦大學(xué)公共衛(wèi)生學(xué)院 上海 200032

目的： 探討我國(guó)縣級(jí)疾病預(yù)防控制中心(簡(jiǎn)稱“疾控中心”)效率的影響因素。方法：全國(guó)系統(tǒng)抽樣選取458個(gè)縣級(jí)樣本疾控中心，運(yùn)用多水平模型對(duì)2012年數(shù)據(jù)進(jìn)行分析，明確區(qū)域?qū)用?高水平)和機(jī)構(gòu)層面(低水平)因素對(duì)機(jī)構(gòu)效率的影響。結(jié)果： 我國(guó)縣級(jí)疾控中心的效率在省份間存在聚集性，區(qū)域?qū)用娴娜丝诿芏葘?duì)機(jī)構(gòu)效率存在影響，機(jī)構(gòu)層面中衛(wèi)生技術(shù)人員比例、人均服務(wù)收入、人均實(shí)驗(yàn)室面積對(duì)效率有顯著影響。結(jié)論：區(qū)域?qū)用婧蜋C(jī)構(gòu)層面的因素均對(duì)效率產(chǎn)生影響，多水平模型有助于全面認(rèn)識(shí)我國(guó)疾控中心效率的影響因素。

疾病預(yù)防控制中心； 多水平模型； 影響因素； 效率

課題組利用數(shù)據(jù)包絡(luò)分析方法(DEA)分析表明：2012年我國(guó)縣級(jí)疾病預(yù)防控制中心(簡(jiǎn)稱“疾控中心”)的總體效率平均僅為0.505，投入產(chǎn)出效率偏低。影響疾控中心服務(wù)效率的因素眾多，既有機(jī)構(gòu)自身的內(nèi)部因素(微觀)，包括人員素質(zhì)、人員結(jié)構(gòu)、經(jīng)費(fèi)投入結(jié)構(gòu)等，也有機(jī)構(gòu)所在區(qū)域的外部環(huán)境因素(宏觀)，包括社會(huì)經(jīng)濟(jì)水平、人口密度以及政府對(duì)公共衛(wèi)生的重視程度等。以往的效率影響因素研究大都采用傳統(tǒng)的回歸模型進(jìn)行分析(如多重回歸、Logistic回歸等)，將不同層次的影響因素視為同一水平進(jìn)行處理，從而忽視了不同層次結(jié)構(gòu)數(shù)據(jù)所蘊(yùn)含的信息，不能較好地解釋相應(yīng)的現(xiàn)象。[1]多水平模型(Multilevel Models)是處理和分析具有層次結(jié)構(gòu)數(shù)據(jù)的有利工具。[2-3]因此，本研究將應(yīng)用多水平模型，分析我國(guó)縣級(jí)疾控中心效率的影響因素，有助于準(zhǔn)確把握關(guān)鍵影響因素，從而有針對(duì)性地提出促進(jìn)效率提高的改進(jìn)建議。

1 資料與方法

1.1 抽樣方式

本研究采取系統(tǒng)抽樣的方式在全國(guó)31個(gè)省(自治區(qū)、直轄市)選取樣本縣級(jí)疾控中心。按假設(shè)檢驗(yàn)樣本容量計(jì)算公式，選取“每千人口政府對(duì)疾控中心的財(cái)政投入”作為關(guān)鍵指標(biāo)，取檢驗(yàn)水準(zhǔn)α為0.05，第Ⅱ類錯(cuò)誤β為0.05，共需抽取458個(gè)縣級(jí)疾控中心。抽樣時(shí)將全國(guó)2 858個(gè)縣級(jí)疾控中心按照行政區(qū)碼從小到大順序排列，用隨機(jī)數(shù)確定第1個(gè)樣本機(jī)構(gòu)后，每間隔6個(gè)抽取1個(gè)，最終抽取所需的458個(gè)樣本機(jī)構(gòu)。

利用疾病預(yù)防控制管理信息平臺(tái)，本研究主要選取2012年度樣本機(jī)構(gòu)的相關(guān)影響因素指標(biāo)進(jìn)行多水平模型的擬合。將樣本機(jī)構(gòu)數(shù)據(jù)與2013年《中國(guó)衛(wèi)生統(tǒng)計(jì)年鑒》全國(guó)疾控中心人員的年齡結(jié)構(gòu)進(jìn)行一致性檢驗(yàn)(采用瑪葉指數(shù))，發(fā)現(xiàn)樣本數(shù)據(jù)在全國(guó)具有較好的代表性(瑪葉指數(shù)=9.82<60)。

1.2 研究方法

多水平模型主要用于研究有嵌套結(jié)構(gòu)或者層次結(jié)構(gòu)的數(shù)據(jù)，可將原來單一的隨機(jī)誤差分解到各個(gè)水平上，極大改善了模型擬合的結(jié)果。在實(shí)際研究與工作中，最為常用的是兩水平模型，其一般形式如下：

其中，yij表示第j個(gè)兩水平個(gè)體的第i個(gè)低水平觀察值的響應(yīng)變量，xij表示解釋性變量。πkj(k=0,1,…,K)表示隨機(jī)系數(shù)，其中，π0j是低水平隨機(jī)截距。Q個(gè)低水平解釋變量具有固定系數(shù)。每個(gè)隨機(jī)系數(shù)被定義為P個(gè)高水平解釋變量的線性函數(shù)。ωpj表示隨機(jī)系數(shù)第p個(gè)高水平解釋變量。為確保模型估計(jì)的穩(wěn)定性，要求樣本量較大，組群數(shù)量至少大于10個(gè)，且高水平和低水平變量殘差方差符合正態(tài)或多元正態(tài)分布。[4]

本研究中，458個(gè)樣本縣級(jí)疾控中心“嵌套”于全國(guó)31個(gè)省份中，數(shù)據(jù)具有層次結(jié)構(gòu)，且符合多水平模型對(duì)樣本量的要求。因此將機(jī)構(gòu)所在的省份(區(qū)域)視為高水平、機(jī)構(gòu)自身視為低水平擬合兩水平模型。運(yùn)用多水平模型分析縣級(jí)疾控中心效率的影響因素，可以充分考慮結(jié)構(gòu)數(shù)據(jù)誤差的層次性和變量間的相關(guān)性，將效率的差異分解到相應(yīng)的水平，更準(zhǔn)確地解釋區(qū)域?qū)用婧蜋C(jī)構(gòu)層面的影響因素，避免錯(cuò)誤估計(jì)影響因素的作用強(qiáng)度。[5]

在模型中，因變量為縣級(jí)疾控中心的總體效率值；解釋變量結(jié)合衛(wèi)生系統(tǒng)宏觀模型[6]和專家咨詢論證確認(rèn)：區(qū)域?qū)用?高水平)的變量從經(jīng)濟(jì)水平、服務(wù)人口和政府對(duì)公共衛(wèi)生重視程度三個(gè)維度選取，分別選擇人均GDP、人口密度和防治防疫事業(yè)費(fèi)占當(dāng)?shù)谿DP的比例作為代表性指標(biāo)；機(jī)構(gòu)層面(低水平)的變量從人力、財(cái)力、物力三個(gè)維度來選取，分別選擇衛(wèi)生技術(shù)人員比例、本科以上學(xué)歷人員比例、人均人員經(jīng)費(fèi)、人均公用經(jīng)費(fèi)、人均服務(wù)收入、人均業(yè)務(wù)用房建筑面積、人均實(shí)驗(yàn)室建筑面積共7個(gè)指標(biāo)作為代表性指標(biāo)，強(qiáng)調(diào)投入資源的質(zhì)量與結(jié)構(gòu)對(duì)服務(wù)效率的影響。

考慮到本研究中的解釋變量較多，且主要目的是為了探討各解釋變量對(duì)效率的影響大小，因此在模型擬合過程中低水平變量均只考慮固定效應(yīng)，不考慮隨機(jī)效應(yīng)。3個(gè)高水平變量人口密度、人均GDP和防治防疫事業(yè)費(fèi)占GDP的比例按照指標(biāo)值高、中、低聚類分為三組，并以低水平作為參照組設(shè)置啞變量(以人口密度為例，低、中、高人口密度的啞變量在模型中分別以人口密度_0、人口密度_1和人口密度_2表示)。7個(gè)低水平變量均進(jìn)行測(cè)量中心化(measurement centering)處理，具體方法是：將每一個(gè)測(cè)量值減去其總體均數(shù)，即得到中心化變量。經(jīng)檢驗(yàn)，高水平和低水平變量的殘差方差基本符合正態(tài)分布，符合多水平模型的數(shù)據(jù)要求。

1.3 統(tǒng)計(jì)分析方法

利用EXCEL2013進(jìn)行數(shù)據(jù)整理，并計(jì)算瑪葉指數(shù)；利用SPSS20.0建立分析數(shù)據(jù)庫(kù)，進(jìn)行指標(biāo)聚類分析和多水平模型的擬合(P<0.1為具有統(tǒng)計(jì)學(xué)意義)，利用P-P概率圖進(jìn)行指標(biāo)的正態(tài)性檢驗(yàn)。

2 結(jié)果

本研究將采用Singer[7]推薦的方法，在兩水平模型的構(gòu)建過程中，首先擬合空模型來檢查是否存在組間變異，然后依次引入高水平變量和低水平變量，擬合兩水平隨機(jī)截距模型[8]。同時(shí)，我們利用-2倍對(duì)數(shù)似然值(-2 Log Likelihood)的變化來判斷模型擬合的優(yōu)劣。

2.1 構(gòu)建空模型

表1 空模型的隨機(jī)效應(yīng)估計(jì)結(jié)果

空模型的結(jié)果還可以說明因變量的變異中有多大程度是由組間變異引起的，這種變異的大小可以通過計(jì)算組內(nèi)相關(guān)系數(shù)(ICC)來定量表示。

=0.007/(0.007+0.045)=0.13

以上表明在效率值的總變異中有13%是由于機(jī)構(gòu)所屬省份不同所引起的，因此有必要進(jìn)一步探討高水平因素的影響，需要繼續(xù)采用多水平模型進(jìn)行分析。

2.2 將高水平變量納入空模型

多水平模型構(gòu)建的第2步是在空模型中加入高水平解釋變量，探討哪些高水平變量可以解釋省份之間的變異。將人口密度、人均GDP、防治防疫事業(yè)費(fèi)占GDP的比例3個(gè)高水平變量納入模型進(jìn)行擬合，發(fā)現(xiàn)僅納入人口密度這一變量時(shí)，可使斜率的方差估計(jì)具有統(tǒng)計(jì)學(xué)意義，可以部分解釋省份間的效率差異(表2、表3)。與空模型相比，模型擬合效果得到改善，-2倍對(duì)數(shù)似然值從-78.493下降到了-84.024。

表2 含有高水平變量的隨機(jī)截距模型隨機(jī)效應(yīng)估計(jì)結(jié)果

表3 含有高水平變量的隨機(jī)截距模型固定效應(yīng)結(jié)果

2.3 將低水平變量納入截距模型

前述重點(diǎn)檢驗(yàn)高水平變量對(duì)效率差異的影響，沒有考慮機(jī)構(gòu)層面的影響。因此，進(jìn)一步引入低水平解釋變量，探討哪些低水平變量可以解釋省份內(nèi)效率的差異。如表4、表5所示，將經(jīng)過測(cè)量中心化處理后的7個(gè)低水平變量(衛(wèi)生技術(shù)人員比例、本科以上學(xué)歷人員比例、人均人員經(jīng)費(fèi)、人均公用經(jīng)費(fèi)、人均服務(wù)收入、人均業(yè)務(wù)用房建筑面積、人均實(shí)驗(yàn)室建筑面積)全部納入已含有高水平解釋變量的隨機(jī)截距模型中進(jìn)行擬合，發(fā)現(xiàn)衛(wèi)生技術(shù)人員比例、人均服務(wù)收入和人均實(shí)驗(yàn)室建筑面積具有統(tǒng)計(jì)學(xué)意義(在0.1檢驗(yàn)水平上)。與僅含有高水平解釋變量的截距模型相比，-2倍對(duì)數(shù)似然值進(jìn)一步下降至-108.05，表明模型擬合更理想。

表4 兩水平隨機(jī)截距模型隨機(jī)效應(yīng)估計(jì)結(jié)果

表5 兩水平隨機(jī)截距模型固定效應(yīng)結(jié)果

2.4 模型結(jié)果解釋

通過上述擬合過程，最終構(gòu)建了含有1個(gè)高水平變量和3個(gè)低水平變量的隨機(jī)截距模型，回歸方程如下：

Y=0.413+0.101人口密度_1(中密度)+0.122人口密度_2(高密度)+0.002衛(wèi)生技術(shù)人員比例-0.00005人均服務(wù)收入+0.003×人均實(shí)驗(yàn)室建筑面積

其中：Y表示縣級(jí)疾控中心的總體效率。截距的含義是所有解釋變量均為0時(shí)的效率值，即某一縣級(jí)疾控中心位于低人口密度省份，且其衛(wèi)生技術(shù)人員比例、人均服務(wù)收入以及人均實(shí)驗(yàn)室建筑面積均為平均水平，該機(jī)構(gòu)的總體效率為0.413。

高水平變量中人口密度對(duì)疾控中心的效率具有正向影響：相較于低人口密度省份，中等人口密度省份的疾控中心總體效率值平均高出0.101，而高人口密度則平均高出0.122。低水平變量中，衛(wèi)生技術(shù)人員比例、人均實(shí)驗(yàn)室建筑面積對(duì)疾控中心的效率起正向作用，即在控制高水平變量和其它機(jī)構(gòu)層面變量后，衛(wèi)生技術(shù)人員比例越高、人均實(shí)驗(yàn)室建筑面積越大，機(jī)構(gòu)的服務(wù)效率越高；而服務(wù)收入對(duì)機(jī)構(gòu)的效率為負(fù)向作用，即機(jī)構(gòu)越注重開展有償服務(wù)，服務(wù)收入越多，其提供公共產(chǎn)品的效率越低。

3 討論與建議

3.1 縣級(jí)疾控中心的總體效率在不同省份存在差異，人口密度是重要影響因素

本研究通過構(gòu)建兩水平模型對(duì)區(qū)域(省份)水平的隨機(jī)效應(yīng)進(jìn)行了檢驗(yàn)，發(fā)現(xiàn)其具有統(tǒng)計(jì)學(xué)意義，說明縣級(jí)疾控中心的效率在省份間存在聚集性。進(jìn)一步納入高水平解釋變量發(fā)現(xiàn)，區(qū)域的人口密度與服務(wù)效率呈正相關(guān)，與預(yù)期假設(shè)相符。疾控中心在一定區(qū)域內(nèi)提供公共服務(wù)時(shí)，所面向的服務(wù)人口分布越密集，在同一時(shí)間能夠服務(wù)的人口數(shù)量就越多，可以獲得更好的規(guī)模效應(yīng)，尤其對(duì)于健康教育與健康促進(jìn)這類需要在人群中進(jìn)行廣泛開展的服務(wù)而言，高人口密度可以帶來更高的服務(wù)效率。

而對(duì)于人口密度低的地區(qū)，如西藏、新疆、內(nèi)蒙古等，由于地廣人稀，一定程度上影響了疾病預(yù)防控制服務(wù)的可及性，例如疾病的篩查、發(fā)現(xiàn)、監(jiān)測(cè)等工作，在人口密度低的地區(qū)工作的覆蓋面也相對(duì)較低，從而降低了服務(wù)的效率。這與其他研究的結(jié)論相似，如有研究發(fā)現(xiàn)人口密度對(duì)醫(yī)療衛(wèi)生機(jī)構(gòu)的效率有正向影響，人口密度越高，越有助于醫(yī)療機(jī)構(gòu)集中開展醫(yī)療服務(wù)，從而降低單位成本[9]；有學(xué)者發(fā)現(xiàn)在人口密度越高的地區(qū)，政府提供公共服務(wù)的效率也越高[10]。

而人均GDP和防治防疫事業(yè)費(fèi)占GDP的比例這兩個(gè)高水平解釋沒有統(tǒng)計(jì)學(xué)意義，可能是由于雖然地區(qū)間經(jīng)濟(jì)發(fā)展水平和對(duì)公共衛(wèi)生投入的重視程度的差異會(huì)對(duì)疾控中心的服務(wù)效率產(chǎn)生影響，但這種差別目前并不能使得機(jī)構(gòu)間的服務(wù)效率產(chǎn)生明顯區(qū)別。例如，雖然不同地區(qū)在投入上或多或少存在差異，但由于目前縣級(jí)疾控中心的人員和公用經(jīng)費(fèi)投入普遍仍存在缺口，基本未達(dá)到機(jī)構(gòu)履行公共職能的最低配置標(biāo)準(zhǔn)，因此上述投入差異對(duì)于機(jī)構(gòu)提供公共服務(wù)效率的高低可能影響并不大。

3.2 重視縣級(jí)疾控中心衛(wèi)生技術(shù)人才隊(duì)伍建設(shè)，著力提升人員素質(zhì)

多水平分析結(jié)果顯示，衛(wèi)生技術(shù)人員比例對(duì)縣級(jí)疾控中心總體效率有正向影響。隨著疾控中心的職能定位逐漸清晰，疾控工作的專業(yè)化程度不斷提高，對(duì)專業(yè)人才的需求也逐步增加[11]，只有受過專門醫(yī)學(xué)教育或者培訓(xùn)并獲得執(zhí)業(yè)資格的人才能提供相應(yīng)的公共衛(wèi)生服務(wù)[12- 13]。因此，衛(wèi)生技術(shù)人員的比例越高，人員素質(zhì)越高，機(jī)構(gòu)整體的技術(shù)水平和管理水平也越高，最終對(duì)資源利用的效率也越高。

當(dāng)前，縣級(jí)疾控中心的人員數(shù)量已基本滿足需求，更需注重提高在崗人員的綜合素質(zhì)和業(yè)務(wù)技能，通過開展專業(yè)技能培訓(xùn)、繼續(xù)醫(yī)學(xué)教育等方式提升人員的技術(shù)與管理水平[14- 15]，進(jìn)一步提高人員素質(zhì)；同時(shí)，還應(yīng)積極創(chuàng)新人才管理、投入、開發(fā)、評(píng)價(jià)與激勵(lì)機(jī)制，提高人員待遇，防止現(xiàn)有衛(wèi)生技術(shù)人員的流失，保持隊(duì)伍的穩(wěn)定性。

3.3 逐步規(guī)范縣級(jí)疾控中心的有償服務(wù)，提高公共服務(wù)效率

多水平模型結(jié)果顯示，服務(wù)收入對(duì)縣級(jí)疾控中心的公共服務(wù)效率存在負(fù)向影響。疾控中心開展有償服務(wù)源于20世紀(jì)80年代的“資金自籌”政策，其補(bǔ)償形式從單一的政府撥款形式變成了國(guó)家財(cái)政投入和有償服務(wù)收費(fèi)補(bǔ)償形式相結(jié)合的補(bǔ)償形式[16]，將原本應(yīng)該用于提供公共服務(wù)的資源轉(zhuǎn)而提供有償服務(wù)(如開展有償檢驗(yàn)檢測(cè)服務(wù)等)，必將影響到公共服務(wù)的提供效率。分組分析發(fā)現(xiàn)，將機(jī)構(gòu)按人均服務(wù)收入分為低、中、高三組，其服務(wù)效率均值表現(xiàn)為高(0.510)、中(0.508)、低(0.487)的趨勢(shì)，證明了有償服務(wù)收入越高，公共服務(wù)的效率越低。

2003年以來，政府逐漸加大財(cái)政投入，“重有償服務(wù)輕無償服務(wù)”的問題雖有所緩解，但2012年縣級(jí)疾控中心服務(wù)收入占總收入的比例仍近三成(31.90%)。在政府財(cái)政投入逐步增加且到位的基礎(chǔ)上，應(yīng)當(dāng)逐步剝離疾控中心的“三產(chǎn)、門診等非公共產(chǎn)品服務(wù)”。對(duì)所界定公共職能的政府投入，嚴(yán)格實(shí)行預(yù)算內(nèi)管理；對(duì)有償服務(wù)實(shí)行收支兩條線管理，用于轉(zhuǎn)崗分流人員的平穩(wěn)過渡，逐步將非公共產(chǎn)品服務(wù)的人員和項(xiàng)目與疾控中心剝離。

3.4 保證實(shí)驗(yàn)室用房面積充足，技術(shù)支撐職能落實(shí)

多水平模型分析發(fā)現(xiàn)，人均實(shí)驗(yàn)室面積同樣與縣級(jí)疾控中心總體效率呈正相關(guān)。實(shí)驗(yàn)室檢驗(yàn)檢測(cè)與評(píng)價(jià)為疾控中心履行突發(fā)公共衛(wèi)生事件的應(yīng)急處置、健康危害因素監(jiān)測(cè)等職能提供了技術(shù)支持[17]，而充足的實(shí)驗(yàn)室用房是開展檢驗(yàn)檢測(cè)工作的基礎(chǔ)條件[19]，因此，如果實(shí)驗(yàn)室空間不足將可能導(dǎo)致一些常規(guī)的檢驗(yàn)項(xiàng)目無法正常開展[19]，從而影響了公共職能的落實(shí)。

現(xiàn)階段，縣級(jí)疾控中心人均實(shí)驗(yàn)室面積為20.7 m2，占機(jī)構(gòu)工作用房的比例為30.4%，距離《疾病預(yù)防控制中心建設(shè)標(biāo)準(zhǔn)》(建標(biāo)127—2009)規(guī)定的35%仍有差距，這也是制約機(jī)構(gòu)有效開展工作的瓶頸之一。雖然我國(guó)疾病預(yù)防控制體系的硬件建設(shè)從2003年以來取得了長(zhǎng)足的進(jìn)步，但對(duì)于基層機(jī)構(gòu)的重視程度仍然不夠。[20]在今后的建設(shè)中，應(yīng)當(dāng)對(duì)基層機(jī)構(gòu)有所傾斜，完善實(shí)驗(yàn)室的布局與建設(shè)，優(yōu)化用房結(jié)構(gòu)，提高設(shè)施設(shè)備的配置率，提高疾控中心的檢測(cè)能力，以更好地為疾病預(yù)防控制工作服務(wù)。[21]

4 小結(jié)

在公共衛(wèi)生和社會(huì)醫(yī)學(xué)領(lǐng)域研究中，數(shù)據(jù)的層次結(jié)構(gòu)可能因天然的地理位置不同而存在，也可能由衛(wèi)生行政區(qū)域劃分、衛(wèi)生服務(wù)機(jī)構(gòu)設(shè)置的不同而引起。[22]在特定的區(qū)域內(nèi)，個(gè)體健康行為或衛(wèi)生機(jī)構(gòu)的服務(wù)行為既受到個(gè)體自身因素的影響，也受到所處的社會(huì)環(huán)境(如經(jīng)濟(jì)發(fā)展水平、社會(huì)文化、政策環(huán)境)的影響，是個(gè)體特征和環(huán)境因素共同作用的結(jié)果。在本研究中，各個(gè)縣級(jí)疾控中心分布于不同的省，屬于因地理位置不同而產(chǎn)生了嵌套數(shù)據(jù)層次結(jié)構(gòu)。運(yùn)用多水平模型分析疾控中心效率的影響因素，能夠更準(zhǔn)確地將區(qū)域?qū)用嬉蛩氐淖饔眯Ч麊为?dú)分離出來，避免過高地估計(jì)機(jī)構(gòu)自身因素的作用強(qiáng)度，與傳統(tǒng)回歸模型相比具有一定的優(yōu)越性[23]，為更全面地認(rèn)識(shí)影響我國(guó)縣級(jí)疾控中心效率的因素提供了可靠的技術(shù)基礎(chǔ)。

研究結(jié)果顯示，縣級(jí)疾控中心的效率除了受自身因素影響外，還受到區(qū)域?qū)用嬉蛩氐娘@著影響，這提示衛(wèi)生管理者在制定政策時(shí)，除了要加強(qiáng)機(jī)構(gòu)自身的內(nèi)部條件建設(shè)外，更需要站在宏觀的角度思考問題，全面分析疾控中心所處區(qū)域的經(jīng)濟(jì)、人口、地理、政策等宏觀因素，與其他相關(guān)部門、全社會(huì)一起共同營(yíng)造適合于機(jī)構(gòu)高效履行職能的大環(huán)境，例如提高政府對(duì)公共衛(wèi)生的重視程度，形成持續(xù)、長(zhǎng)效、穩(wěn)定的投入機(jī)制等。

由于數(shù)據(jù)的可得性，本文僅從機(jī)構(gòu)層面探討了縣級(jí)疾控中心效率的內(nèi)部影響因素，后續(xù)可進(jìn)一步聚焦科室層面(如各業(yè)務(wù)科室人員數(shù)/人員構(gòu)成比、實(shí)驗(yàn)室人數(shù)等指標(biāo))，收集數(shù)據(jù)，深入探討，將有助于深化對(duì)縣級(jí)疾控中心效率的內(nèi)部影響因素的認(rèn)識(shí)。

[1] 李佳萌. 多水平模型及其在衛(wèi)生領(lǐng)域的應(yīng)用[J]. 中國(guó)慢性病預(yù)防與控制, 2007, 15(5): 514-515.

[2] Barbara A, Anita W, Heck L. An introduction to hierarchical linear modeling for marketing researchers[J]. Mark Bull, 204, 15(1): 22-227.

[3] 鄧樹高, 郭蕊, 吳琪俊. 桂西地區(qū)中學(xué)教師亞健康狀況調(diào)查[J].現(xiàn)代預(yù)防醫(yī)學(xué), 2008, 35(18): 3567-3569.

[4] Mass C J M, Hox J J. Robustness issues in multilevel regression analysis[J]. Statistical Neerlandica, 2004(58): 127-137.

[5] Uchudi J, Magadi M, Mostazir M. A multilevel analysis of the determinants of high-risk sexual behavior in Sub-Saharan Africa[J]. Journal of Biosocial Science, 2011, 11(9):1-23.

[6] 郝模. 衛(wèi)生政策學(xué)[M]. 2版。 北京: 人民衛(wèi)生出版社,2013.

[7] Singer J. Using SAS Proc Mixed to fit multilevel models, hierarchical models, and individual growth models[J]. Journalof Educationaland Behavioral Statistics, 1998, 23(4): 323-355.

[8] 王濟(jì)川, 謝海義, 姜寶法. 多層統(tǒng)計(jì)分析模型——方法與應(yīng)用[M]. 北京: 高等教育出版社, 2008.

[9] 張曉嵐, 劉孟飛, 李強(qiáng). 人口因素對(duì)公共醫(yī)療服務(wù)效率的影響——區(qū)域差異與動(dòng)態(tài)變化[J]. 南方人口, 2012, 27(3): 32-41.

[10] Afonso A, Aubyn M. Macroeconomic rates of return of public and private investment crowding-in and crowding-out effects[J]. The Manchester School, 2009(Supplement): 21-29.

[11] 張雪莉, 丁凡, 李群. 我國(guó)疾控中心人力資源發(fā)展?fàn)顩r分析[J]. 中國(guó)預(yù)防醫(yī)學(xué)雜志, 2012, 13(5): 399-402.

[12] Demers A, Mamary E, Ebin V. Creating opportunities for training California’s Public healthworkforce[J]. Journal of Continuing Education in the Health Professions, 2011,31(l): 64-69.

[13] 程曉明. 衛(wèi)生經(jīng)濟(jì)學(xué)[M]. 北京: 人民衛(wèi)生出版社, 2007.

[14] Weiyi XIONG, Jun L V, Liming L I. A survey of core and support activities of communicable disease surveillance systems at operating-level CDCs in China[J]. BMC Public Health, 2010, 10: 704.

[15] Griffiths S M, Tang J L. Healthcare reform in China and the challenges for public health education[J]. Public Health, 2011, 125(1): 3-5.

[16] 疾病預(yù)防控制體系建設(shè)研究課題組. 疾病預(yù)防控制體系建設(shè)研究報(bào)告——問題與對(duì)策[M]. 北京: 人民衛(wèi)生出版社, 2006.

[17] 朱立國(guó).我國(guó)疾病預(yù)防控制機(jī)構(gòu)實(shí)臉室儀器設(shè)備配置評(píng)價(jià)研究[D]. 上海: 復(fù)旦大學(xué)， 2008.

[18] 萇鳳水, 李程躍, 王穎, 等.房屋設(shè)施配置得到改善，仍不能適應(yīng)工作需要——我國(guó)省級(jí)疾病預(yù)防控制績(jī)效考核實(shí)踐應(yīng)用之五[J].中國(guó)衛(wèi)生資源, 2012, 15(2): 83-84.

[19] 蔣欣, 張秀云, 宋旭巖, 等.青島市區(qū)(市)疾病控制實(shí)驗(yàn)室檢測(cè)能力現(xiàn)狀調(diào)查[J].預(yù)防醫(yī)學(xué)論壇, 2011, 17(3): 217-220.

[20] 孟玥. 山東省疾病預(yù)防控制機(jī)構(gòu)衛(wèi)生檢驗(yàn)資源配置現(xiàn)狀與檢驗(yàn)?zāi)芰υu(píng)價(jià)研究[D].濟(jì)南:山東大學(xué),2012.

[21] 康殿民, 張英潔, 孫啟華, 等.2009年山東省地市級(jí)疾控機(jī)構(gòu)實(shí)驗(yàn)室裝備和檢驗(yàn)?zāi)芰η闆r調(diào)查[J].預(yù)防醫(yī)學(xué)論壇, 2011, 17(4): 297-299.

[22] Duncan C, Jones K, Moon G. Context,composition and heterogeneity:using multilevel models in health research[J].Social science & medicine, 1998, 46(1): 97-117.

[23] 楊永利, 付鵬鈺, 胡東生， 等. 中國(guó)成年人高血壓患病區(qū)域聚集性及危險(xiǎn)因素的多水平模型分析[J]. 中華流行病學(xué)雜志, 2009, 30(7): 716-721.

(編輯 劉博)

Influencing factors on the efficiency of county-level centers for disease control and prevention in China via multilevel modeling

WUNa-na，LICheng-yue，HUMin，LIXiao-hong，LIXiao-jiao，JIANGli-wen，HAOMo

1.ResearchInstituteofHealthDevelopmentStrategies,FudanUniversity,Shanghai200032,China2.CollaborativeInnovationCenterofSocialRisksGovernanceinHealth,Shanghai200032,China3.SchoolofPublicHealth,FudanUniversity,Shanghai200032,China

Objective: To examine the influencing factors of the efficiency of county-level centers for disease control and prevention (CDCs) in China. Methods: 458 county-level CDCs were selected based on a systematic sampling method. Multilevel modeling was used to analyze the region-level and institution-level influencing factors affecting the efficiency of CDCs. Results: It was found that the region (province) is associated with the efficiency of a CDC. The region-level factor of population density exhibited a significant influence, while the institution-level factors such as the proportion of health technicians, service income and CDC laboratories per capita also had an influence on overall efficiency. Conclusions: Both the region-level and institution-level determinants influence efficiency. Multilevel modeling can help researchers gain a comprehensive understanding of the influencing factors that affect the CDC efficiency.

Center for disease control and prevention (CDC); Multilevel modeling; Influencing factors; Efficiency

國(guó)家自然科學(xué)基金(71373004、71303058)；教育部人文社會(huì)科學(xué)研究青年基金(12YJCZH100)；教育部創(chuàng)新團(tuán)隊(duì)項(xiàng)目(IRT_13R11)

武娜娜，女(1989年—)，碩士研究生，主要研究方向?yàn)樾l(wèi)生政策。E-mail: 12211020040@fudan.edu.cn

李程躍。E-mail:lichengyue2001@163.com

R197

A

10.3969/j.issn.1674-2982.2015.05.013

2015-04-03

2015-05-18