張 彬 張龍秀
1.安徽省婦幼保健院科教處,安徽合肥 230001;2.安徽省兒童醫(yī)院影像中心,安徽合肥 230041
運營管理與提質增效是醫(yī)院持續(xù)發(fā)展重要內容[1-2],人才技術是醫(yī)院資源配置關鍵要素[3]。探討婦幼保健機構資源配置效率變化趨勢及關鍵影響因素,對衛(wèi)生資源合理配置具有重要意義。目前大多運用數(shù)據(jù)包絡分析(data envelopment analysis,DEA)模型對醫(yī)院資源配置效率進行回顧性分析,或僅用時間序列模型(autoregressive integrated moving average model,ARIMA)對衛(wèi)生資源配置公平性進行前瞻性預測研究,兩種模型研究均存在優(yōu)缺點。本研究聯(lián)合運用DEA 和ARIMA 模型將前瞻性研究與回顧性分析結合,分析婦幼保健機構資源配置效率,探索關鍵影響因素,為推動我國婦幼保健事業(yè)高質量發(fā)展提供決策依據(jù)。
國家統(tǒng)計局公布的《中國統(tǒng)計年鑒》和國家衛(wèi)生健康委員會公布的《中國衛(wèi)生健康統(tǒng)計年鑒》2010 年1 月至2020 年12 月婦幼保健機構衛(wèi)生和社會服務數(shù)據(jù)。
參考同類文獻[4-11],兼顧數(shù)據(jù)可得性、連續(xù)性及關聯(lián)性,從基礎配置、服務數(shù)量和服務效率3 個維度構建“投入-產出”效率評價體系。投入類指標為基礎配置(機構數(shù)、床位數(shù)、衛(wèi)生技術人員);產出類指標分服務數(shù)量(總診療人次、入院人數(shù))和服務效率(病床周轉次數(shù)、工作日及使用率)。
DEA 模型是對多指標投入產出進行評價分析的方法[12],以線性規(guī)劃為基礎,具有處理多輸入、多輸出決策單元(decision making unit,DMU)分析評價優(yōu)勢,適合解決醫(yī)療資源配置多投入、多產出問題[13]。DEA模型以DMU 為研究單位,分為CCR、BCC 和Malmquist指數(shù)模型。CCR 模型假定規(guī)模報酬不變,BCC 模型假定規(guī)模報酬可變[14],Malmquist 指數(shù)模型研究面板數(shù)據(jù),可測算DMU 生產效率在不同時期的動態(tài)變化[15]。本研究以投入為導向,假定規(guī)模報酬可變,采用BCC和Malmquist 指數(shù)模型。
1.3.1 BCC 模型 求解各年度技術效率(TE)、規(guī)模效率(SE)和綜合效率(CE)。TE 判定DMU 投入產出是否合理,值越小技術有效性越差;SE 判定DMU 生產經營規(guī)模;CE=PTE×SE,判定DMU 的整體效率,判斷規(guī)則可參照文獻[16-18]。
1.3.2 Malmquist 指數(shù)模型 將全要素生產效率指數(shù)(TFP)分解為技術進步指數(shù)(TC)和綜合技術效率變化指數(shù)(TEC)。TEC 代表對現(xiàn)存技術有效利用程度,分解為SE 和純技術效率變化指數(shù)(PTE)。SE 反映醫(yī)療產出增量變化和投入增量變化是否一致,PTE 能夠深層次反映醫(yī)療衛(wèi)生機構管理水平的變化,判斷規(guī)則可參照文獻[19]。
1.3.3 ARIMA 模型 是時間序列預測模型中的一種,由AR、I、MA 三個部分集成得來。ARIMA(p,d,q)稱為差分自回歸移動平均模型,AR 是自回歸,P 為自回歸系數(shù),MA 為移動平均,d 為差分系數(shù),q 為移動平均階數(shù)。建模步驟可參照文獻[20-21]。
通過Excel 2010 建立數(shù)據(jù)庫,采用SPSSAU 實現(xiàn)BCC 模型和ARIMA 模型分析,利用DEAP 2.1 軟件實現(xiàn)Malmquist 指數(shù)模型分析。
ARIMA 模型對2010—2025 年投入產出指標進行分析與預測,找出最優(yōu)模型和模型公式。見表1。
表1 最優(yōu)模型及模型公式
2010—2025 年我國婦幼保健機構基礎配置中機構數(shù)變化幅度不大,床位數(shù)逐年遞增,衛(wèi)生技術人員實現(xiàn)翻倍增長;服務數(shù)量指標逐年增長,2019 年達到峰值;2021—2025 年服務效率指標波動不大,與均值基本持恒。見表2。
表2 2010—2025 年機構投入產出指標原始值與預測值
2.2.1 有效性分析 圖1 顯示,DEA 強有效年份,投入產出達到相對最有效率。TE<1 的年份,有很大提升空間。SE=1 的年份,規(guī)模收益不變,達到最優(yōu)狀態(tài)。SE<1的年份,規(guī)模收益遞增,可擴大規(guī)模增加效益。
圖1 我國婦幼保健機構投入產出有效性分析趨勢圖
2.2.2 規(guī)模報酬分析DEA 強有效年份,規(guī)模報酬達到最優(yōu),即規(guī)模報酬固定,規(guī)模報酬系數(shù)為1。非DEA強有效年份,規(guī)模報酬系數(shù)均<1,規(guī)模報酬遞增。
2.2.3 投入冗余分析DEA 強有效年份,無投入冗余問題,松弛變量S-值均為0。2013、2015 年和2018 年機構數(shù)松弛變量S-值和投入冗余率較高,機構數(shù)占比相對過高,可適量減少機構投入。2020—2025 年床位數(shù)和衛(wèi)生技術人員數(shù)松弛變量S-值和投入冗余率較高。見表3。
表3 機構投入冗余分析
2.2.4 產出不足分析DEA 強有效年份,無產出不足問題,松弛變量S+值均為0。非DEA 有效DMU,松弛變量S+值>0,相對于投入產出效率仍有提升空間。見表4。
表4 機構產出不足分析
2.2.5 投入產出效率情況TFP>1 的年份,投入效率水平較高,歸因TC 提高;TFP<1 的年份,投入效果不佳,歸因TC 下降,2020 年TFP 最低0.825,預測2022—2025 年TFP<1,提示該年份投入績效整體水平不高。見表5。
表5 2010—2025 年機構投入產出效率值
我國婦幼保健機構投入產出呈現(xiàn)正向趨勢,資源使用效率不高。從規(guī)模報酬分析,可擴大規(guī)模加速提高投入產出比,增加效益;從投入冗余分析,床位數(shù)和衛(wèi)生技術人員占比相對過高,可適量減少開放床位,調整衛(wèi)生技術人員;從產出不足分析,總診療人次、入院人數(shù)和病床周轉次數(shù)仍有較大提升空間;從投入產出效率分析,投入績效整體水平有待提高,重點提高醫(yī)療技術水平。
預測2022—2025 年投入產出效率異常,產出不足,關鍵影響因素是技術進步指數(shù)不高。醫(yī)院規(guī)模日趨擴大,醫(yī)療技術水平并未得到顯著提升,應引起婦幼保健機構高度重視[22],“十四五”期間重點關注,并結合配置效率實際,可按照年度、季度規(guī)劃,靈活動態(tài)調整婦幼衛(wèi)生資源配置,為今后衛(wèi)生資源的配置奠定基礎[23-27]。本研究僅使用醫(yī)療機構服務通用指標,下步將孕產婦及新生兒死亡率等健康指標納入服務效率評價體系,以提高評價結果的科學性與準確性。
綜合上述,我國婦幼保健機構基礎配置投入和服務數(shù)量產出整體較高,但服務效率未能得到顯著提升?!笆奈濉逼陂g應重點關注醫(yī)療技術水平的提升。