明星宇，楊練，孫群 ，王美先 ，黃詩堯，李奕辰

(1.四川省醫(yī)學(xué)科學(xué)院·四川省人民醫(yī)院病案統(tǒng)計(jì)科，四川 成都 610031；2.成都中醫(yī)藥大學(xué)公共衛(wèi)生學(xué)院；3.成都中醫(yī)藥大學(xué)管理學(xué)院；4.四川大學(xué)華西第二醫(yī)院中國出生缺陷監(jiān)測(cè)中心；5.國家藥監(jiān)局海南真實(shí)世界數(shù)據(jù)研究與評(píng)價(jià)重點(diǎn)實(shí)驗(yàn)室；6.四川大學(xué)華西第二醫(yī)院規(guī)劃財(cái)務(wù)部)

我國人均住院費(fèi)用空間分布差異顯著，這種現(xiàn)象在四川省同樣存在，以2019年為例，成都市的人均住院費(fèi)用是宜賓市的大約兩倍[1-2]。高費(fèi)用地區(qū)提供的醫(yī)療服務(wù)質(zhì)量不一定優(yōu)于低費(fèi)用地區(qū)，部分低費(fèi)用地區(qū)可能更傾向于低成本的治療模式，卻提供著基本同質(zhì)的醫(yī)療服務(wù)[3-5]。目前，對(duì)人均住院費(fèi)用的研究大多是基于面板數(shù)據(jù)或時(shí)間序列分析的統(tǒng)計(jì)研究方法，這些傳統(tǒng)方法假定了各因素對(duì)人均住院費(fèi)用的影響強(qiáng)度與所處空間位置無關(guān)，因此得到的結(jié)果往往忽略了數(shù)據(jù)的空間非平穩(wěn)性，只能是平均意義上的回歸模型[6-8]。為了有效處理這種空間數(shù)據(jù)，使結(jié)果更加貼合客觀現(xiàn)實(shí)，Brunsdon等三位學(xué)者提出了地理加權(quán)回歸模型(Geographically Weighted Regression，GWR)[9]。自該模型問世以來，已有不少學(xué)者將該模型應(yīng)用于環(huán)境生態(tài)學(xué)、傳染病、交通、房價(jià)等領(lǐng)域[9-13]。反復(fù)檢索的結(jié)果顯示，GWR在住院費(fèi)用領(lǐng)域的研究尚缺乏，以往的空間分異研究也極少將空間非平穩(wěn)性考慮到模型中。因此本研究將在充分考慮空間效應(yīng)的前提下，采用地理加權(quán)回歸模型代替?zhèn)鹘y(tǒng)回歸模型揭示人均住院費(fèi)用與各影響因素之間的復(fù)雜關(guān)系，深入理解人均住院費(fèi)用的空間維度，為精準(zhǔn)決策提供參考。

1 資料來源與方法

1.1 資料來源

本研究收集了四川省183個(gè)縣(區(qū)、市)2019年的人均住院費(fèi)用和有關(guān)指標(biāo)數(shù)據(jù)，這些數(shù)據(jù)分別來自于《四川省統(tǒng)計(jì)年鑒》《四川衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》、CDC、氣象局，地理信息數(shù)據(jù)通過“國家地理信息資源目錄服務(wù)系統(tǒng)”下載。

共選取5類指標(biāo)作為影響因素：(1)每千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)、每千人口床位數(shù)、三級(jí)及以上醫(yī)療機(jī)構(gòu)占比(醫(yī)療資源指標(biāo))；(2)人均工資收入(購買能力指標(biāo))；(3)人口密度、城鎮(zhèn)化率、死亡率(人口學(xué)特征指標(biāo))；(4)公路里程、PM2.5濃度(環(huán)境指標(biāo))；(5)平均住院天數(shù)(診療指標(biāo))。

1.2 研究方法

1.2.1 空間相關(guān)性分析

利用全局莫蘭指數(shù)(Global Moran's I)進(jìn)行研究區(qū)域的空間相關(guān)性檢驗(yàn)，如果I>0，空間分布的性質(zhì)為正相關(guān)，其值越大，空間相關(guān)性越強(qiáng)；而如果I<0，則為負(fù)相關(guān)，其值越小，空間差異越大。如果I=0，則為隨機(jī)分布[14]。對(duì)存在空間自相關(guān)性的研究區(qū)域，再利用熱點(diǎn)分析(Hot Spot Analysis)繪制空間聚類情況。

1.2.2 地理加權(quán)回歸模型

建立GWR模型前，我們?nèi)孕枰⑵胀ㄗ钚《朔?Least square method,OLS)模型并進(jìn)行共線性診斷，以提高GWR模型效能并避免多重共線性。由于人均住院費(fèi)用和死亡率均呈偏態(tài)分布，需對(duì)其進(jìn)行對(duì)數(shù)轉(zhuǎn)換，轉(zhuǎn)換后基本服從正態(tài)分布。另外，空間概念涉及“距離”時(shí)，使用GWR則可能會(huì)導(dǎo)致多重共線性，故采用投影坐標(biāo)系避免共線性。公式如下：

1.3 統(tǒng)計(jì)軟件

采用SPSS21.0進(jìn)行共線性診斷、建立OLS回歸模型(入選檢驗(yàn)水準(zhǔn)α=0.01)，通過ArcGIS10.4進(jìn)行全局莫蘭指數(shù)計(jì)算、熱點(diǎn)分析、GWR模型建立以及結(jié)果可視化。

2 結(jié)果

2.1 人均住院費(fèi)用的空間分異

四川省183個(gè)縣(區(qū)、市)2019年人均住院費(fèi)用為6462.29元，呈現(xiàn)出明顯的東西部地理分布差異。西部地區(qū)除了攀枝花東區(qū)、西昌市、康定市、馬爾康市以外，幾乎全部被劃分為中低費(fèi)用地區(qū)，而絕大多數(shù)的東部區(qū)縣均是中高費(fèi)用地區(qū)，費(fèi)用最高的地區(qū)聚集在成都和瀘州兩個(gè)市州的主城區(qū)，這兩類區(qū)域均是四川省大型城市公立醫(yī)院最為聚集的區(qū)縣(圖1)。

2.2 空間分析

空間相關(guān)性探索結(jié)果表明，人均住院費(fèi)用的全局莫蘭指數(shù)為0.510(P<0.001)，存在較強(qiáng)的空間自相關(guān)性。熱點(diǎn)分析發(fā)現(xiàn)，費(fèi)用熱點(diǎn)集中在東部地區(qū)，形成了以省會(huì)城市成都為中心，涵蓋綿陽、德陽、資陽、內(nèi)江、自貢、宜賓六個(gè)地市州的連續(xù)熱點(diǎn)區(qū)域；冷點(diǎn)區(qū)域絕大多數(shù)位于西部的涼山、甘孜、阿壩少數(shù)民族地區(qū)，東部地區(qū)幾乎沒有出現(xiàn)低值聚集情況(圖2)。

圖1 人均住院費(fèi)用分布情況

圖2 熱點(diǎn)分析

2.3 建模情況

全局莫蘭指數(shù)和熱點(diǎn)分析均提示人均住院費(fèi)用存在較強(qiáng)的空間相關(guān)性，故使用GWR來解決這種具有空間特性的數(shù)據(jù)將會(huì)比OLS更加合適。OLS建模結(jié)果顯示如下，每千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)、三級(jí)醫(yī)療機(jī)構(gòu)占比、平均住院天數(shù)、城鎮(zhèn)化率、公路里程、PM2.5濃度對(duì)人均住院費(fèi)用均有影響，調(diào)整R2為0.78，變量間不存在嚴(yán)重共線性(各變量VIF值均小于10)(表1)。利用6個(gè)解釋變量建立住院GWR模型，解釋力度相對(duì)OLS模型提高了4個(gè)百分點(diǎn)。同時(shí)，按照Fotheringham提出的評(píng)價(jià)標(biāo)準(zhǔn)，本研究GWR模型的AICc(-84.806)遠(yuǎn)低于OLS模型(-58.023)，采用GWR模型遠(yuǎn)比OLS模型合適(表2)。

表1 OLS模型分析結(jié)果

表2 GWR模型分析結(jié)果

2.4 影響因素分析

局部 R2情況顯示了GWR模型解釋力度的空間分異，所有地區(qū)均在61%以上，其中，紅橙地區(qū)則是解釋力度最高的地區(qū)(0.7880≤R2≤0.8465)。從整體來看，呈現(xiàn)出北部R2最高，解釋力度向周圍區(qū)縣逐層遞減的分布模式(圖3)。

圖3 GWR模型局部R2的空間分布

6個(gè)重要影響因素均對(duì)人均住院費(fèi)用產(chǎn)生正向影響。其中，每千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)在東部、南部地區(qū)的局部系數(shù)高于其他地區(qū)；三級(jí)醫(yī)療機(jī)構(gòu)占比對(duì)東南部地區(qū)影響最為顯著，呈現(xiàn)出由東南向西北逐層遞減的分布格局；平均住院天數(shù)對(duì)西北部、南部地區(qū)的影響高于其他地區(qū)；城鎮(zhèn)化率的影響呈現(xiàn)出由西北向東南遞減的分布格局；公路里程對(duì)西部的影響明顯高于東部；PM2.5濃度產(chǎn)生的影響自中部向兩端逐層遞減(圖4)。

圖4 局部系數(shù)的空間分布

3 討論

研究結(jié)果顯示，2019年四川省各區(qū)縣人均住院費(fèi)用差距明顯。這里的差距主要指兩個(gè)方面：一個(gè)方面是費(fèi)用水平上的差距，最高住院費(fèi)用水平(18499.14元)是最低住院費(fèi)用水平(1642.06元)的10倍有余；另一方面是地理分布上的差距，西部涼山、甘孜、阿壩三個(gè)少數(shù)民族地區(qū)普遍為中低費(fèi)用地區(qū)，而中高費(fèi)用地區(qū)聚集在東部地區(qū)。值得一提是，四川省是全國地域跨度最大的省份之一，東部是地勢(shì)平坦的平原,人口高度密集、道路交通四通八達(dá)、城鎮(zhèn)化水平高、經(jīng)濟(jì)發(fā)達(dá)；而西部多位于高原地帶,道路交通不便利、人口稀少、大多屬于農(nóng)村或經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)。四川省大部分大型公立醫(yī)院均聚集在東部區(qū)縣，由于高精尖技術(shù)的壟斷，這類地區(qū)的手術(shù)能力、診療水平都明顯高于其他區(qū)縣，使得西部等地區(qū)醫(yī)療需求在本地醫(yī)療機(jī)構(gòu)得不到滿足的患者只能前往東部地區(qū)就醫(yī)，進(jìn)而加大了地區(qū)間的不平衡[17]。

OLS模型結(jié)果顯示，每千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)、三級(jí)醫(yī)療機(jī)構(gòu)占比、平均住院天數(shù)、城鎮(zhèn)化率、公路里程、PM2.5濃度對(duì)人均住院費(fèi)用均有影響，而每千人口床位數(shù)、人均工資收入、人口密度、死亡率不是影響人均住院費(fèi)用分布的重要因素。GWR模型中各因子的局部系數(shù)顯示，同一因素對(duì)不同地區(qū)人均住院費(fèi)用的影響模式往往有很大差異，該因素可能在某些地區(qū)影響顯著，而對(duì)其他地區(qū)影響相對(duì)較小，GWR局部系數(shù)絕對(duì)值越大的地區(qū)越容易受到該因素影響。比如，隨著每千人口執(zhí)業(yè)(助理)醫(yī)師數(shù)的增加，主要會(huì)使得東部、南部地區(qū)的衛(wèi)生人才儲(chǔ)備情況得到較大改善，許多因人才缺失而難以開展的醫(yī)療服務(wù)項(xiàng)目將能夠得以開展，也可能是醫(yī)師數(shù)量增多帶來更多的“誘導(dǎo)需求”，人均住院費(fèi)用因此顯著提高，但對(duì)西北部地區(qū)的影響較小[18]。不論分級(jí)診療體系，還是公立醫(yī)院績效考核，三級(jí)醫(yī)療機(jī)構(gòu)的功能定位便決定了將收治更多的疑難危重患者，且相同的醫(yī)療服務(wù)收費(fèi)更高，僅單次住院花費(fèi)便遠(yuǎn)高于低級(jí)醫(yī)療機(jī)構(gòu)，三級(jí)醫(yī)療機(jī)構(gòu)占比越大，必然導(dǎo)致人均住院費(fèi)用的增長，該因素對(duì)高醫(yī)療需求的東南部地區(qū)產(chǎn)生著更為顯著的影響[19]。人均住院天數(shù)也是住院費(fèi)用的重要影響因素，住院時(shí)間延長將直接提高患者住院費(fèi)用，主要對(duì)西北部、西北部這類平均住院天數(shù)較短的地區(qū)(均低于7天，全省平均為9.77天)產(chǎn)生影響。城鎮(zhèn)化率是人口城鎮(zhèn)化水平的度量指標(biāo)，通過影響人口密度、經(jīng)濟(jì)水平、醫(yī)療成本等因素間接影響住院費(fèi)用，主要對(duì)西北部這類不發(fā)達(dá)偏遠(yuǎn)地區(qū)產(chǎn)生顯著影響[20]。公路里程作為反映區(qū)域交通發(fā)達(dá)成都的重要指標(biāo)，直接影響著就醫(yī)可及性，西部地區(qū)以高原為主，交通條件較差，其交通道路的修善更有利于外來衛(wèi)生機(jī)構(gòu)和衛(wèi)生人才的引入，減少本地患者異地求醫(yī)，提高本地區(qū)人均住院費(fèi)用[21]。PM2.5濃度是監(jiān)測(cè)空氣污染程度的重要指數(shù)，對(duì)人體健康影響較大，其濃度指數(shù)提高，誘發(fā)居民呼吸道等疾病的危險(xiǎn)性越高，同期住院患者可能患有更嚴(yán)重的疾病或更多的并發(fā)癥，導(dǎo)致住院費(fèi)用上漲，歷年來空氣污染較輕的少數(shù)民族地區(qū)反而更容易受到該因素的影響[22,23]。

過去的多數(shù)住院費(fèi)用研究都沒有深入考慮研究對(duì)象的空間位置信息，而本研究提出了一種不同于以往全局模型的新思路，即考慮空間效應(yīng)的微觀尺度分析，往往可以得到與全局模型不一樣的結(jié)論和額外信息，使住院費(fèi)用影響因素的研究體系更加完善。就本文而言，對(duì)于受醫(yī)師數(shù)、三級(jí)醫(yī)療機(jī)構(gòu)占比影響顯著的地區(qū)，應(yīng)當(dāng)嚴(yán)格把控執(zhí)業(yè)醫(yī)師的過量招聘和醫(yī)療機(jī)構(gòu)等級(jí)評(píng)審，避免資源盲目擴(kuò)張，同時(shí)對(duì)于落后區(qū)縣也要注重人才隊(duì)伍建設(shè)，留住本地患者，提高整體效率；對(duì)于受平均住院天數(shù)影響顯著的地區(qū)，地方衛(wèi)生健康行政部門應(yīng)通過推動(dòng)日間手術(shù)、臨床路徑、流程改造、住院日考核等方式，在保障醫(yī)療質(zhì)量的前提下，進(jìn)一步縮短醫(yī)院平均住院天數(shù)；對(duì)PM2.5敏感的地區(qū)更應(yīng)該注重整治空氣質(zhì)量，良好的空氣質(zhì)量能顯著減少住院支出。

但本研究也有一定局限之處，由于區(qū)縣級(jí)數(shù)據(jù)獲取難度較大，部分重要因素尚未納入，如當(dāng)?shù)匕l(fā)病率、政策和文化等。在實(shí)際衛(wèi)生政策制定中，將這種微觀尺度分析與宏觀尺度分析相結(jié)合，得到的結(jié)論往往更加可靠，更具說服力。