張阿雲(yún) 劉暉 王兵 顏魯合

隨著醫(yī)藥衛(wèi)生體制改革進(jìn)程的不斷推進(jìn)，我國(guó)醫(yī)療衛(wèi)生事業(yè)得到了快速發(fā)展，目前已經(jīng)建立起由醫(yī)院、基層醫(yī)療衛(wèi)生機(jī)構(gòu)、專業(yè)公共衛(wèi)生機(jī)構(gòu)等組成的覆蓋城鄉(xiāng)的醫(yī)療衛(wèi)生服務(wù)體系[1]，在此趨勢(shì)下，甘肅省也一直在積極構(gòu)建符合要求的整合型醫(yī)療衛(wèi)生服務(wù)體系。但如何在既定的投入下獲得更高的產(chǎn)出，對(duì)醫(yī)療衛(wèi)生資源進(jìn)行優(yōu)化配置，提高醫(yī)療機(jī)構(gòu)運(yùn)行效率顯得尤為重要[2]。近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)醫(yī)療機(jī)構(gòu)運(yùn)行效率研究較多，主要集中在基層醫(yī)療衛(wèi)生機(jī)構(gòu)效率評(píng)價(jià)、醫(yī)院效率評(píng)價(jià)、專業(yè)公共衛(wèi)生效率評(píng)價(jià)、醫(yī)療衛(wèi)生服務(wù)體系效率評(píng)價(jià)[3-6]等方面。效率評(píng)價(jià)的方法主要有2 種：一種基于生產(chǎn)函數(shù)參數(shù)法，用于簡(jiǎn)單生產(chǎn)關(guān)系；另一種則是非參數(shù)法，以數(shù)據(jù)包絡(luò)分析法(DEA)為主[7]，能綜合考慮決策單元多項(xiàng)投入及多項(xiàng)產(chǎn)出，適用于復(fù)雜生產(chǎn)關(guān)系的研究。雖然醫(yī)療機(jī)構(gòu)運(yùn)行效率評(píng)價(jià)已有相關(guān)研究，但仍在有些方面需進(jìn)行更深入的研究：其一，對(duì)醫(yī)療機(jī)構(gòu)效率測(cè)算主要使用傳統(tǒng)DEA 模型，未排除外界環(huán)境對(duì)測(cè)量結(jié)果的干擾，以致相關(guān)研究結(jié)果準(zhǔn)確性不高；其二，現(xiàn)階段的研究主要集中在衛(wèi)生機(jī)構(gòu)的某一層級(jí)進(jìn)行，對(duì)具體某一省份醫(yī)療機(jī)構(gòu)運(yùn)行效率研究較少[8]。為此，本研究以甘肅省醫(yī)療機(jī)構(gòu)為研究對(duì)象，運(yùn)用DEA 三階段和Malmquist 模型相結(jié)合的方法，排除外部環(huán)境干擾，從靜態(tài)視角和動(dòng)態(tài)視角分析甘肅省14 個(gè)市州醫(yī)療機(jī)構(gòu)運(yùn)行效率，探討各市州醫(yī)療機(jī)構(gòu)運(yùn)行效率存在的差異和缺陷，并根據(jù)測(cè)量結(jié)果提出相應(yīng)建議，以期為各市州醫(yī)療機(jī)構(gòu)提高運(yùn)行效率、合理分配衛(wèi)生資源提供參考建議。

1 數(shù)據(jù)來(lái)源與方法

1.1 數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)源于2017 年—2020 年《甘肅省衛(wèi)生健康事業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》，研究對(duì)象包括甘肅省14 個(gè)市州的醫(yī)療衛(wèi)生機(jī)構(gòu)的投入指標(biāo)、產(chǎn)出指標(biāo)、環(huán)境指標(biāo)數(shù)據(jù)。

1.2 研究方法

1.2.1 三階段DEA 方法

（1）第一階段：傳統(tǒng)DEA 方法。數(shù)據(jù)包絡(luò)分析是用多個(gè)投入、產(chǎn)出指標(biāo)去測(cè)量決策單元相對(duì)效率的方法，根據(jù)測(cè)量的綜合效率來(lái)判斷決策單元是否有效。1984 年，Banker 提出了估計(jì)規(guī)模效率的DEA 模型[9]，即如今的BCC 模型。本研究選擇投入角度的DEA-BCC 模型，因?yàn)锽CC 模型可在CCR模型基礎(chǔ)上將綜合效率(TE)分解成純技術(shù)效率(PTE)和規(guī)模效率(SE)，即：TE=PTE×SE。這樣可以分別從技術(shù)角度和規(guī)模角度對(duì)決策單元進(jìn)行分析評(píng)價(jià)，更加有針對(duì)性。在計(jì)算時(shí)，以甘肅省14 個(gè)市州為決策單元，運(yùn)用DEAP 2.1 軟件分別計(jì)算2017年—2020 年各年份運(yùn)行效率值，并對(duì)14 個(gè)市州不同年份的TE、PTE、SE 取其平均數(shù)并進(jìn)行排序。

但Fried 等[10]認(rèn)為，決策單元的績(jī)效受到管理無(wú)效率、環(huán)境因素和統(tǒng)計(jì)噪聲的影響，因此有必要分離這3 種影響，這就需要進(jìn)行第2 階段的分離：隨機(jī)前沿SFA 方法。

（2）第2 階段：隨機(jī)前沿SFA 方法。由于第1階段構(gòu)建的是確定性模型，無(wú)法消除環(huán)境和隨機(jī)干擾誤差因素對(duì)測(cè)算效率產(chǎn)生的影響，故在第2 階段借助SFA 模型對(duì)第1 階段每個(gè)決策單元的投入松弛變量分別進(jìn)行回歸分析。推導(dǎo)公式為：

ci為決策單元i的成本，yi為產(chǎn)出，K 為投入品，Pki為要素K 的投入量，ui為無(wú)效率項(xiàng)，vi為成本函數(shù)的隨機(jī)因素影響。對(duì)于成本函數(shù)而言，ui=0表明決策單元達(dá)到最低成本的效率前沿；反之，如果ui> 0，則決策單元需要付出更高的成本。同時(shí)，還需要對(duì)ui是否存在進(jìn)行檢驗(yàn)，使用隨機(jī)前沿模型(SFA)的前提必須是存在無(wú)效率項(xiàng)ui，可以使用單邊的廣義似然比檢驗(yàn)“H0:σ02=0vsH1:σu2> 0”來(lái)判斷是否存在。本文選擇SFA 成本函數(shù)模型，檢驗(yàn)方法采用單邊的廣義似然比檢驗(yàn)。運(yùn)用Frontier 4.1 軟件，以3 個(gè)投入變量松弛變量作為被解釋變量，以5 個(gè)環(huán)境變量作為解釋變量，進(jìn)行SFA 回歸，分析環(huán)境變量對(duì)投入松弛的影響。

（3）第3 階段：調(diào)整后的DEA 方法。傳統(tǒng)DEA模型并沒(méi)有考慮到環(huán)境因素以及隨機(jī)誤差對(duì)樣本效率評(píng)價(jià)的影響，需要通過(guò)引入SFA 隨機(jī)前沿模型來(lái)剔除環(huán)境因素和隨機(jī)誤差，再將剔除過(guò)環(huán)境因素和隨機(jī)誤差的數(shù)據(jù)進(jìn)行第1 階段傳統(tǒng)DEA 方法測(cè)算。本研究將第2 階段SFA 回歸后調(diào)整過(guò)的3 個(gè)投入變量和原始的2 個(gè)產(chǎn)出，再通過(guò)運(yùn)用DEAP2.1 軟件BCC 模型測(cè)算，以得到更加客觀和準(zhǔn)確的效率值。

1.2.2 Malmquist 指數(shù)方法

Fare 等[11]提出將Malmquist 指數(shù)與DEA 結(jié)合，效率的變化情況可以通過(guò)計(jì)算2 個(gè)不同時(shí)期距離函數(shù)的比值來(lái)動(dòng)態(tài)反映，用來(lái)衡量不同時(shí)期各市州醫(yī)療機(jī)構(gòu)的全要素生產(chǎn)率的動(dòng)態(tài)變化，從而對(duì)效率進(jìn)行時(shí)間維度上的縱向?qū)Ρ确治?。全要素生產(chǎn)率可進(jìn)一步分解為技術(shù)進(jìn)步(TC)和相對(duì)技術(shù)效率(EC)，在BCC 模型條件下，相對(duì)技術(shù)效率又可以純技術(shù)效率(PEC)和規(guī)模效率(SEC)兩部分來(lái)表達(dá)[12]，表達(dá)式為：TFP=EC×TC=(PEC×SEC)×TC。本文采用經(jīng)過(guò)3 階段DEA 調(diào)整后的投入變量（醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、醫(yī)療機(jī)構(gòu)床位數(shù)、執(zhí)業(yè)技術(shù)人員數(shù)）與原始的產(chǎn)出變量（門(mén)診人次數(shù)、出院人次數(shù)），運(yùn)用DEAP 2.1軟件進(jìn)行Malmquist 指數(shù)分析，在消除環(huán)境和隨機(jī)干擾誤差因素影響的前提下對(duì)2017 年—2020 年甘肅省醫(yī)療機(jī)構(gòu)運(yùn)行效率進(jìn)行動(dòng)態(tài)分析，可以更準(zhǔn)確地反映不同年份各效率指標(biāo)的變化情況。

1.3 指標(biāo)選取

1.3.1 投入、產(chǎn)出變量選取

在滿足DEA 指標(biāo)選取原則的基礎(chǔ)上，參考國(guó)內(nèi)外學(xué)者對(duì)醫(yī)療衛(wèi)生機(jī)構(gòu)運(yùn)行效率評(píng)價(jià)的研究成果[13-17]并結(jié)合本文的研究對(duì)象及目的，選取執(zhí)業(yè)技術(shù)人員、床位數(shù)、醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)作為投入變量。選取門(mén)診人次數(shù)、出院人次數(shù)作為產(chǎn)出變量。

1.3.2 環(huán)境變量指標(biāo)選取

環(huán)境變量一般選擇對(duì)決策單元效率有外界影響，是系統(tǒng)內(nèi)部無(wú)法控制的因素，結(jié)合醫(yī)療衛(wèi)生機(jī)構(gòu)的自身特點(diǎn)，本研究選取地區(qū)生產(chǎn)總值、人口密度、總撫養(yǎng)比、城市化率以及醫(yī)療衛(wèi)生支出作為環(huán)境變量[18-21]。

2 結(jié)果

2.1 第1 階段BCC 模型

通過(guò)deap 2.1 軟件對(duì)2017 年—2020 年甘肅省醫(yī)療衛(wèi)生機(jī)構(gòu)運(yùn)行效率進(jìn)行測(cè)算，結(jié)果見(jiàn)表1。甘肅省2017 年—2020 年醫(yī)療機(jī)構(gòu)總體綜合效率、純技術(shù)效率、規(guī)模效率分別為0.933、0.965、0.965，嘉峪關(guān)、金昌、張掖、酒泉、定西、隴南6 個(gè)市第1 階段運(yùn)行效率值均為1，處于14 個(gè)城市的前沿面，醫(yī)療衛(wèi)生機(jī)構(gòu)運(yùn)行效率最高；武威、甘南的運(yùn)行效率值均較低，綜合效率分別為0.820、0.719，排名較后。但考慮到第1 階段結(jié)果是在未剔除環(huán)境因素干擾的情況下測(cè)算得到的，結(jié)果并不客觀、準(zhǔn)確，需要進(jìn)行SFA 回歸，剔除環(huán)境因素的干擾，從而得到更為客觀、準(zhǔn)確的結(jié)果。

表1 調(diào)整前2017 年—2020 年甘肅省醫(yī)療衛(wèi)生機(jī)構(gòu)運(yùn)行效率值測(cè)算結(jié)果

2.2 第2 階段SFA 回歸

運(yùn)用Frontier 4.1 軟件，分別以執(zhí)業(yè)技術(shù)人員松弛變量、床位數(shù)松弛變量、醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)松弛變量作為被解釋變量，以5 個(gè)環(huán)境變量作為解釋變量，進(jìn)行SFA 回歸，采用極大似然估計(jì)法，分析環(huán)境變量對(duì)投入松弛的影響。SFA 回歸結(jié)果見(jiàn)表2。SFA回歸模型的系數(shù)為正，說(shuō)明環(huán)境變量對(duì)投入松弛存在顯著的正向影響，導(dǎo)致投入冗余增加；回歸系數(shù)為負(fù)，說(shuō)明環(huán)境變量對(duì)投入松弛存在顯著的負(fù)向影響，即有利于減少投入冗余。各個(gè)環(huán)境變量對(duì)投入松弛變量的影響具體分析如下：地區(qū)生產(chǎn)總值對(duì)床位數(shù)松弛變量呈現(xiàn)顯著的負(fù)向影響，對(duì)執(zhí)業(yè)技術(shù)人員松弛和醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)松弛呈現(xiàn)顯著的正向影響；人口密度對(duì)執(zhí)業(yè)技術(shù)人員松弛變量和醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)松弛呈現(xiàn)正向影響，對(duì)床位數(shù)松弛呈現(xiàn)負(fù)向影響，但均不顯著；總撫養(yǎng)比對(duì)床位數(shù)松弛變量呈現(xiàn)顯著的負(fù)向影響，對(duì)執(zhí)業(yè)技術(shù)人員松弛和醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)松弛呈現(xiàn)顯著的正向影響；醫(yī)療衛(wèi)生支出對(duì)床位數(shù)松弛變量呈現(xiàn)顯著的正向影響，對(duì)執(zhí)業(yè)技術(shù)人員松弛和醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)松弛呈現(xiàn)顯著的負(fù)向影響；城市化率對(duì)執(zhí)業(yè)技術(shù)人員松弛變量、床位數(shù)松弛變量、醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)松弛呈現(xiàn)顯著的負(fù)向影響。通過(guò)以上模型結(jié)果分析可知，大部分環(huán)境變量對(duì)2017年—2020 年甘肅省各個(gè)城市的醫(yī)療衛(wèi)生機(jī)構(gòu)的投入松弛都呈現(xiàn)了顯著性的影響，且影響的方向和程度均有差異，導(dǎo)致效率測(cè)算出現(xiàn)偏差。因此，需要剔除環(huán)境因素、管理無(wú)效率項(xiàng)和隨機(jī)干擾項(xiàng)的影響，將所有城市放置于同一環(huán)境條件和隨機(jī)條件下加以測(cè)算，這樣得到的結(jié)果會(huì)更加合理。

2.3 第3 階段BCC 模型

基于調(diào)整后的投入變量和原產(chǎn)出變量，再次進(jìn)行BCC 模型測(cè)算，得到第3 階段甘肅省醫(yī)療衛(wèi)生機(jī)構(gòu)運(yùn)行效率，見(jiàn)圖1、圖2、圖3。剔除環(huán)境干擾后，處于前沿面的地區(qū)分別是張掖、定西和隴南，表明這些地區(qū)技術(shù)水平、資源配置和管理效率均處于較佳狀態(tài)；調(diào)整前后，綜合效率值由0.932 升到0.935，純技術(shù)效率值由0.965 升至0.986，純技術(shù)有效率的城市達(dá)到64.2%，規(guī)模效率由0.965 降至0.949，說(shuō)明在未考慮外部環(huán)境和隨機(jī)因素的情況下會(huì)高估。調(diào)整后，蘭州、天水、武威、慶陽(yáng)、平?jīng)? 地綜合效率值被低估，甘南、臨夏、武威、慶陽(yáng)技術(shù)效率值被低估，金昌、嘉峪關(guān)、甘南規(guī)模效率被高估，調(diào)整后均低于平均水平，故這些地區(qū)應(yīng)注重醫(yī)療衛(wèi)生資源的合理配置及使用效率的提高，進(jìn)而提高醫(yī)療機(jī)構(gòu)運(yùn)行效率。

圖1 調(diào)整前后的綜合效率

圖2 調(diào)整前后的技術(shù)效率

圖3 調(diào)整前后的規(guī)模效率

將調(diào)整前后甘肅省醫(yī)療機(jī)構(gòu)運(yùn)行效率值分時(shí)間段進(jìn)行對(duì)比分析，結(jié)果見(jiàn)圖4。2017 年—2018 年第3 階段的綜合效率(TE)高于第1 階段，2019 年—2020 年第3 階段的綜合效率(TE)均高于等于第1階段，2017 年—2020 年第3 階段的純技術(shù)效率(PTE)均高于第1 階段，2017 年—2020 年第3 階段的規(guī)模效率(SE)均低于第1 階段。

圖4 2017 年—2020 年甘肅省醫(yī)療衛(wèi)生機(jī)構(gòu)運(yùn)行效率調(diào)整前后3 種效率均值對(duì)比

2.4 動(dòng)態(tài)效率分析

將調(diào)整后的醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)、醫(yī)療機(jī)構(gòu)床位數(shù)、執(zhí)業(yè)技術(shù)人員數(shù)與原始的產(chǎn)出指標(biāo)結(jié)合，運(yùn)用DEAP 2.1 軟件對(duì)2017 年—2020 年甘肅省醫(yī)療機(jī)構(gòu)運(yùn)行效率進(jìn)行Malmquist 指數(shù)分析，見(jiàn)表3。調(diào)整后的全要素生產(chǎn)率除2017 年—2018 年大于1 外，其他年份均小于1，2017 年—2020 年全要素生產(chǎn)率平均降速3.3%，說(shuō)明甘肅省各市州醫(yī)療機(jī)構(gòu)運(yùn)行效率整體下降，其中綜合效率、純技術(shù)效率、規(guī)模效率分別上升了1.9%、0.2%、1.7%，技術(shù)進(jìn)步下降了5.1%，是影響全要素生產(chǎn)率下降的主要因素。

表3 調(diào)整后2017 年—2020 年Malmquist 指數(shù)

3 討論

3.1 各地區(qū)醫(yī)療衛(wèi)生機(jī)構(gòu)運(yùn)行效率存在明顯差異

在控制環(huán)境變量，剔除隨機(jī)因素影響后，甘肅省各市州醫(yī)療機(jī)構(gòu)運(yùn)行效率存在明顯的地區(qū)差異；張掖、定西、隴南等地效率值皆為1，其衛(wèi)生資源投入產(chǎn)出較為合理，其余市州綜合效率值多在0.9 以上，但武威、嘉峪關(guān)、甘南等地綜合效率值分別為0.895、0.817、0.689，遠(yuǎn)低于平均水平值0.935。相關(guān)研究[22-23]表明，醫(yī)療機(jī)構(gòu)的運(yùn)行效率不均衡的原因除了與經(jīng)濟(jì)發(fā)展水平和地理環(huán)境有關(guān)外，還可能與未全面考慮居民需求、基礎(chǔ)建設(shè)落后等實(shí)際因素相關(guān)。甘肅省地域遼闊，各地經(jīng)濟(jì)發(fā)展與醫(yī)療設(shè)施差異較大，蘭州市為省會(huì)城市，經(jīng)濟(jì)實(shí)力較強(qiáng)，可帶動(dòng)隴中、隴東地區(qū)經(jīng)濟(jì)圈發(fā)展，繼而帶動(dòng)醫(yī)療衛(wèi)生產(chǎn)業(yè)快速發(fā)展；而嘉峪關(guān)市、甘南州地理面積較大，地廣人稀，且甘南州在“十三五”期間才實(shí)現(xiàn)整體脫貧[24]，長(zhǎng)期的經(jīng)濟(jì)薄弱導(dǎo)致衛(wèi)生資源投入不足，醫(yī)療人才和設(shè)備相對(duì)匱乏，制約著醫(yī)療機(jī)構(gòu)的運(yùn)行效率，因此，在配置醫(yī)療衛(wèi)生資源時(shí)，應(yīng)從地理、人口及醫(yī)療服務(wù)需求出發(fā)，不僅要注重平衡發(fā)展，也要注重財(cái)政籌資的縱向公平；建議對(duì)醫(yī)療機(jī)構(gòu)運(yùn)行效率高的蘭州、隴南等地在進(jìn)一步提升利用效率的同時(shí)，利用“一帶一路”的背景充分發(fā)揮“輻射”效應(yīng)，帶動(dòng)武威市、天水市衛(wèi)生事業(yè)發(fā)展[25]；對(duì)于甘南、嘉峪關(guān)技術(shù)效率和規(guī)模效率均較低的地區(qū)，不僅要增加衛(wèi)生資源的投入，還要引進(jìn)先進(jìn)醫(yī)療技術(shù)來(lái)提升醫(yī)療機(jī)構(gòu)的運(yùn)行效率，因其地廣人稀的特點(diǎn)，可以加大基層醫(yī)療的投資建設(shè)，更多地培養(yǎng)全科醫(yī)生；鼓勵(lì)居民就近就醫(yī)，積極推進(jìn)分級(jí)診療和縣域醫(yī)共體的發(fā)展，也可以與其他地區(qū)加強(qiáng)合作，開(kāi)展遠(yuǎn)程醫(yī)療，提高診療水平，協(xié)調(diào)發(fā)展。

3.2 技術(shù)進(jìn)步指標(biāo)低是制約醫(yī)療機(jī)構(gòu)運(yùn)行效率的主要因素

調(diào)整后從靜態(tài)角度出發(fā)，2017 年—2020 年甘肅省各市州醫(yī)療機(jī)構(gòu)運(yùn)行綜合效率、純技術(shù)效率、規(guī)模效率均值分別為0.935、0.986、0.949，均小于1，并未達(dá)到最有效的狀態(tài)，調(diào)整前后效率值均為1 的也僅有3 個(gè)地區(qū)，占比21.4%，受純技術(shù)效率和規(guī)模效率的共同制約，甘肅省各市州醫(yī)療機(jī)構(gòu)運(yùn)行效率整體較低；動(dòng)態(tài)角度分析，2017 年—2020年，只有技術(shù)進(jìn)步指標(biāo)與全要素生產(chǎn)率小于1，表明技術(shù)進(jìn)步指標(biāo)低是影響全要素生產(chǎn)率下降的主要因素，可能存在執(zhí)業(yè)技術(shù)人員水平不高、硬件設(shè)施落后等原因。因此，甘肅省各市州在保持合理投入與產(chǎn)出增長(zhǎng)的同時(shí)，還應(yīng)加強(qiáng)醫(yī)療技術(shù)水平的提升[26]。對(duì)于武威、天水、慶陽(yáng)、酒泉等純技術(shù)效率水平排名較后的地區(qū)，應(yīng)整合統(tǒng)籌現(xiàn)有的衛(wèi)生資源，加強(qiáng)各醫(yī)療機(jī)構(gòu)的醫(yī)療技術(shù)水平和醫(yī)療服務(wù)能力，鼓勵(lì)合理引進(jìn)醫(yī)療新技術(shù)和新設(shè)備，積極開(kāi)展研究，提高投入資源的有效利用率；對(duì)于蘭州、平?jīng)龅扔捎谝?guī)模效率影響綜合效率的地區(qū)，應(yīng)適量增加衛(wèi)生資源投入，但需注意衛(wèi)生資源的有效利用。建議政府在制定衛(wèi)生規(guī)劃時(shí)，要考慮衛(wèi)生資源的空間可及性和居民的健康需求[27]，促進(jìn)醫(yī)療機(jī)構(gòu)高效運(yùn)轉(zhuǎn)。

3.3 外部環(huán)境對(duì)醫(yī)療機(jī)構(gòu)運(yùn)行效率影響較大

醫(yī)療機(jī)構(gòu)運(yùn)行效率受環(huán)境因素影響顯著，從各市州來(lái)看，調(diào)整后金昌、嘉峪關(guān)、酒泉等地效率值被高估，蘭州、天水等6 個(gè)地區(qū)效率值被低估；嘉峪關(guān)、金昌、甘南、臨夏規(guī)模效率被高估。從環(huán)境因素來(lái)看，地區(qū)生產(chǎn)總值對(duì)運(yùn)行效率有正向影響，因?yàn)榈貐^(qū)生產(chǎn)總值相對(duì)較高的城市（如蘭州），相比于其他地區(qū)，醫(yī)療技術(shù)水平和服務(wù)能力均較高，醫(yī)療設(shè)施較為齊全，跨地區(qū)就醫(yī)人數(shù)較多，其床位數(shù)的需求量較大，故冗余減少；但在經(jīng)濟(jì)較發(fā)達(dá)地區(qū)，醫(yī)療衛(wèi)生人才豐富，在一定程度上導(dǎo)致冗余，降低醫(yī)療服務(wù)效率[8,28]；對(duì)于生產(chǎn)總值較高的城市，如蘭州、天水應(yīng)均衡配置衛(wèi)生人力和物力，確保資源有效利用，提高運(yùn)行效率。城市化率對(duì)醫(yī)療機(jī)構(gòu)運(yùn)行效率呈負(fù)向影響，因?yàn)槌鞘谢试礁叩某鞘?，?duì)執(zhí)業(yè)技術(shù)人員、床位數(shù)和醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)的需求量越大，可能會(huì)導(dǎo)致盲目擴(kuò)建醫(yī)療機(jī)構(gòu)、增加衛(wèi)生人員崗位，但未能對(duì)此進(jìn)行合理利用，導(dǎo)致運(yùn)行效率下降。人口密度高有利于減少床位數(shù)的浪費(fèi)，但會(huì)增加衛(wèi)生人員的冗余，可能因?yàn)槿丝谠骄奂牡貐^(qū)，對(duì)醫(yī)療衛(wèi)生潛在需求越高，會(huì)增設(shè)床位和崗位，但由于人員配置不合理導(dǎo)致了利用效率下降。對(duì)于人口密度高的城市要切實(shí)有效地進(jìn)行評(píng)估和規(guī)劃，了解當(dāng)?shù)匦枨?，重點(diǎn)引導(dǎo)資源向優(yōu)質(zhì)方向發(fā)展，避免資源擴(kuò)張與浪費(fèi)。

4 本研究局限性及未來(lái)研究方向

本文利用三階段DEA 模型，主要采用投入與產(chǎn)出指標(biāo)測(cè)量決策單位的運(yùn)行效率，因此，選擇不同指標(biāo)測(cè)量結(jié)果可能會(huì)有差異，且由于數(shù)據(jù)獲取的局限性，只選取了2017 年—2020 年的數(shù)據(jù)，時(shí)間跨度較短，研究結(jié)果代表性有所不足。在未來(lái)的研究中會(huì)盡可能優(yōu)化研究模型，并從不同角度，運(yùn)用不同指標(biāo)對(duì)多區(qū)域進(jìn)行時(shí)間跨度較長(zhǎng)的研究，以探究不同評(píng)價(jià)結(jié)果間的差異性。