【摘要】 背景 在新型冠狀病毒感染（COVID-19）疫情全國(guó)流行期間，我國(guó)醫(yī)療資源的空間集聚效應(yīng)凸顯，各省份醫(yī)療水平存在明顯差異，目前，國(guó)內(nèi)學(xué)者多運(yùn)用定量方法對(duì)當(dāng)前全國(guó)各省份醫(yī)療水平進(jìn)行評(píng)價(jià)，應(yīng)用綜合方法評(píng)價(jià)全國(guó)各省份醫(yī)療水平者較少。目的 了解我國(guó)各省份在醫(yī)療衛(wèi)生事業(yè)發(fā)展水平上的差異，以期為醫(yī)療衛(wèi)生事業(yè)決策者提供參考。方法 于2022年11月，計(jì)算機(jī)檢索中國(guó)知網(wǎng)、萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)和Web of Science數(shù)據(jù)庫(kù)，檢索有關(guān)醫(yī)療水平評(píng)價(jià)的文獻(xiàn)。在借鑒現(xiàn)有研究成果的基礎(chǔ)上，選取相對(duì)指標(biāo)和平均指標(biāo)來(lái)構(gòu)建評(píng)價(jià)指標(biāo)體系。以《2022中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》為數(shù)據(jù)源，提取/計(jì)算各評(píng)價(jià)指標(biāo)數(shù)據(jù)。運(yùn)用主成分分析法和TOPSIS模型，對(duì)我國(guó)31個(gè)省份（未將香港特別行政區(qū)、澳門(mén)特別行政區(qū)、臺(tái)灣地區(qū)納入統(tǒng)計(jì)范疇）的醫(yī)療水平進(jìn)行綜合評(píng)價(jià)。結(jié)果 共檢索出合格文獻(xiàn)6篇，從醫(yī)療資源、醫(yī)療服務(wù)、醫(yī)療保障3個(gè)方面選取13個(gè)相對(duì)指標(biāo)和平均指標(biāo)構(gòu)建評(píng)價(jià)體系。KMO值為0.733，Bartlett's球形檢驗(yàn)結(jié)果顯示，χ2=346.908、Plt;0.001，提示數(shù)據(jù)適用于主成分分析；按照特征根gt;1.000的標(biāo)準(zhǔn)可提取4個(gè)主成分，分別為醫(yī)療資源規(guī)模和醫(yī)療服務(wù)質(zhì)量（F1）、醫(yī)療機(jī)構(gòu)工作效率（F2）、傳染病控制能力（F3）、其他因素（F4），4個(gè)主成分的累積方差貢獻(xiàn)率為84.012%。根據(jù)主成分得分系數(shù)矩陣建立各主成分線性模型后，基于4個(gè)主成分的方差貢獻(xiàn)率得到可用于評(píng)價(jià)醫(yī)療水平的綜合評(píng)價(jià)模型：Y=0.439 85×Y1+0.158 54×Y2+0.154 40×Y3+0.087 34×Y4。醫(yī)療水平綜合得分位列前3位的省份分別為北京市（151.908分）、上海市（124.379分）、天津市（78.673分）。TOPSIS貼近度排名結(jié)果顯示，北京市和上海市處于靠前水平（貼近度分別為0.767、0.646），以貼近度0.400和0.201為節(jié)點(diǎn)，可以將31個(gè)省份分為3個(gè)梯隊(duì)，第1梯隊(duì)有北京市、上海市和天津市3個(gè)省份，第2梯隊(duì)有浙江省、四川省等25個(gè)省份，第3梯隊(duì)包括河北省、寧夏回族自治區(qū)和西藏自治區(qū)3個(gè)省份。結(jié)論 中國(guó)的醫(yī)療水平存在明顯的省際發(fā)展不平衡問(wèn)題，31個(gè)省份醫(yī)療水平分布整體呈現(xiàn)“中間大、兩頭小”的橄欖型結(jié)構(gòu)特征。政府應(yīng)加大對(duì)河北省等醫(yī)療水平排名靠后省份的政策傾斜力度，發(fā)揮區(qū)域衛(wèi)生規(guī)劃的統(tǒng)籌協(xié)調(diào)作用，利用遠(yuǎn)程醫(yī)療和醫(yī)療大數(shù)據(jù)實(shí)行定點(diǎn)幫扶。

【關(guān)鍵詞】 醫(yī)療水平評(píng)價(jià)；主成分分析法；TOPSIS模型；衛(wèi)生保健質(zhì)量，獲取和評(píng)價(jià)；質(zhì)量改進(jìn)

【中圖分類(lèi)號(hào)】 R 197 【文獻(xiàn)標(biāo)識(shí)碼】 A DOI：10.12114/j.issn.1007-9572.2023.0106

【引用本文】 周潔，胡凌娟，懷晴雨. 基于主成分分析和TOPSIS模型的我國(guó)各省份醫(yī)療水平評(píng)價(jià)研究［J］. 中國(guó)全科醫(yī)學(xué)，2023，26（34）：4254-4260，4268. DOI：10.12114/j.issn.1007-9572.2023.0106. ［www.chinagp.net］

ZHOU J，HU L J，HUAI Q Y. Evaluation of medical level in China by provinces based on principal component analysis and TOPSIS model［J］. Chinese General Practice，2023，26（34）：4254-4260，4268.

Evaluation of Medical Level in China by Provinces Based on Principal Component Analysis and TOPSIS Model ZHOU Jie，HU Lingjuan*，HUAI Qingyu

School of Management，Beijing University of Traditional Chinese Medicine，Beijing 100029，China

*Corresponding author：HU Lingjuan，Associate professor；E-mail：hulingjuancn@126.com

【Abstract】 Background During the nationwide epidemic of COVID-19 infection，the spatial agglomeration of medical resources in China has been highlighted，and there are obvious differences in medical level among provinces. Currently，the evaluation of medical level in China by provinces was mainly conducted by domestic scholars using quantitative methods，while comprehensive method was less applied to evaluate the medical level by provinces. Objective To understand the differences in the level of healthcare development in China by provinces，so as to provide a reference for healthcare decision makers. Methods In"November 2022，CNKI，Wanfang Data Knowledge Service Platform，and Web of Science were searched by computer for the researches in the field of medical level. Based on the existing research results，relative and average indicators were selected to construct the evaluation index system. The data of each evaluation index was extracted or calculated by using China Health and Health Statistical Yearbook 2022 as the data source. Using the principal component analysis and TOPSIS model，the medical levels of 31 provinces in China（Hong Kong Special Administrative Region，Macao Special Administrative Region and Taiwan Province were not included in the statistics）were comprehensively evaluated. Results A total of 6 qualified papers were retrieved and 13 relative and average indicators were selected from three aspects of medical resources，medical services，and medical security to construct the evaluation system. The KMO value was 0.733，and Bartlett's spherical test showed that χ2=346.908，Plt;0.001，suggesting that the data were suitable for principal component analysis；four principal components were extracted according to the criterion of characteristic root above 1.000，including the scale of medical resources and quality of medical services（F1），the efficiency of medical institutions（F2），infectious disease control ability（F3），and other factors（F4），and the cumulative percent variance of the four principal components was 84.012%. After establishing the linear model of each principal component based on the matrix of the principal component scores，the comprehensive evaluation model for the medical level was obtained based on the cumulative percent variance of the four principal components：Y=0.439 85×Y1+0.158 54×Y2+0.154 40×Y3+0.087 34×Y4. The top three provinces in terms of comprehensive score of medical level were Beijing（151.908 points），Shanghai（124.379 points），and Tianjin（78.673 points）. The TOPSIS proximity ranking showed that Beijing and Shanghai were at the top level（proximity was 0.767 and 0.646，respectively），and the 31 provinces could be divided into three echelons with proximity 0.400 and 0.201 as the nodes. The first echelon included three provinces of Beijing，Shanghai and Tianjin，the second echelon included 25 provinces such as Zhejiang Province and Sichuan Province，the third echelon included three provinces of Hebei Province，Ningxia Hui Autonomous Region and Tibet Autonomous Region. Conclusion There is an obvious imbalance in the level of medical development in China by provinces，showing an olive-shaped structure of \"big in the middle and small at the two ends\" in the overall distribution of medical level in 31 provinces. The government should increase the incline degree of policy for provinces with low ranking in medical level，such as Hebei Province，play a coordinating role in regional health planning，and implement targeted assistance by using telemedicine and medical big data.

【Key words】 Medical level evaluation；Principal component analysis；TOPSIS model；Health care quality，access and evaluation；Quality improvement

《深化醫(yī)藥衛(wèi)生體制改革2022年重點(diǎn)工作任務(wù)》提出，要深化醫(yī)藥衛(wèi)生體制改革，促進(jìn)優(yōu)質(zhì)醫(yī)療資源擴(kuò)容和均衡布局［1］。我國(guó)醫(yī)療資源空間分布不均衡［2］，區(qū)域醫(yī)療衛(wèi)生事業(yè)發(fā)展具有不平衡性（東部地區(qū)的醫(yī)療水平明顯高于西部地區(qū)）［3］，因此對(duì)各省份醫(yī)療水平做出客觀評(píng)價(jià)對(duì)于提升醫(yī)療衛(wèi)生服務(wù)體系的整體運(yùn)行效率、區(qū)域醫(yī)療衛(wèi)生事業(yè)協(xié)同發(fā)展水平具有重要意義。我國(guó)學(xué)者針對(duì)醫(yī)療水平評(píng)價(jià)開(kāi)展的綜合研究可被分為兩類(lèi)：一類(lèi)是運(yùn)用主成分分析法、TOPSIS法和聚類(lèi)分析法等方法對(duì)31個(gè)省份的醫(yī)療水平進(jìn)行評(píng)價(jià)，如郭玉玲等［4］、李季［5］、劉平清等［6］分別于2016、2019、2020年構(gòu)建指標(biāo)體系并基于當(dāng)年衛(wèi)生健康統(tǒng)計(jì)年鑒數(shù)據(jù)對(duì)我國(guó)各省份醫(yī)療水平進(jìn)行評(píng)價(jià)；另一類(lèi)是將主成分分析法、TOPSIS法和聚類(lèi)分析法結(jié)合起來(lái)評(píng)價(jià)區(qū)域、醫(yī)療機(jī)構(gòu)某一方面或科室的醫(yī)療水平，如我國(guó)學(xué)者已嘗試對(duì)安徽?。?］、江蘇?。?］、河北?。?］的醫(yī)療水平進(jìn)行評(píng)價(jià)，對(duì)某三級(jí)甲等醫(yī)院的醫(yī)療質(zhì)量進(jìn)行評(píng)價(jià)［10］，以及對(duì)醫(yī)療機(jī)構(gòu)外科效益進(jìn)行評(píng)價(jià)［11］。上述研究均基于構(gòu)建的綜合評(píng)價(jià)指標(biāo)體系評(píng)價(jià)醫(yī)療水平，對(duì)于政府部門(mén)進(jìn)一步出臺(tái)旨在促進(jìn)醫(yī)藥衛(wèi)生體制改革順利推行、推動(dòng)醫(yī)療資源配置均等化、提升人民健康水平的政策法規(guī)具有借鑒意義，但是上述研究所采用的數(shù)據(jù)已不能用于充分地解釋我國(guó)各省份醫(yī)療水平現(xiàn)狀，針對(duì)特定區(qū)域/機(jī)構(gòu)醫(yī)療水平的評(píng)價(jià)結(jié)果也不具備外推性。本文基于衛(wèi)生健康統(tǒng)計(jì)年鑒數(shù)據(jù)，采用主成分分析法和TOPSIS模型對(duì)全國(guó)各省份醫(yī)療水平進(jìn)行統(tǒng)計(jì)分析，并根據(jù)分析結(jié)果做出評(píng)價(jià)，以期為政府相關(guān)部門(mén)統(tǒng)籌安排全國(guó)醫(yī)療資源、科學(xué)合理決策提供參考。

1 資料與方法

1.1 對(duì)醫(yī)療水平的概念界定 國(guó)內(nèi)外學(xué)者對(duì)醫(yī)療水平的定義不同，各定義側(cè)重點(diǎn)也不同。中國(guó)政府提出醫(yī)療水平為區(qū)域性、整體性概念［12］，但是其并未對(duì)醫(yī)療水平的概念進(jìn)行詳細(xì)解釋。醫(yī)療水平的主體具有多樣性，如醫(yī)生的醫(yī)療水平、醫(yī)療機(jī)構(gòu)的醫(yī)療水平，乃至區(qū)域的醫(yī)療水平［13］。國(guó)內(nèi)學(xué)者很少對(duì)醫(yī)療水平進(jìn)行定義，多僅在醫(yī)療責(zé)任認(rèn)定過(guò)程中對(duì)“當(dāng)時(shí)的醫(yī)療水平”做出界定。張眾等［14］認(rèn)為，醫(yī)療水平可通過(guò)醫(yī)療機(jī)構(gòu)及其醫(yī)務(wù)人員在診療活動(dòng)中遵守診療規(guī)范及遵循科學(xué)、安全、合理、有效、經(jīng)濟(jì)、倫理原則的前提下，為患者提供的與自身能力相適應(yīng)的醫(yī)療服務(wù)來(lái)體現(xiàn)。在國(guó)外研究中，學(xué)者在對(duì)醫(yī)療水平進(jìn)行界定時(shí)主要聚焦健康公平性。Kai Huter認(rèn)為在公共資源稀缺的背景下，是否將公共衛(wèi)生領(lǐng)域的資源用于旨在實(shí)際減少健康不平等（門(mén)診與住院衛(wèi)生服務(wù)利用不公平、門(mén)診與住院費(fèi)用不公平、住院費(fèi)用補(bǔ)償不公平等［15-16］）現(xiàn)象的項(xiàng)目是醫(yī)療水平評(píng)價(jià)的重要內(nèi)容［17］。既往研究雖并未系統(tǒng)性地提出醫(yī)療水平的概念，但是根據(jù)其研究?jī)?nèi)容和結(jié)果可以總結(jié)出醫(yī)療水平的評(píng)價(jià)內(nèi)容不僅涵蓋醫(yī)療服務(wù)，還應(yīng)涵蓋患者的滿意度、醫(yī)療工作效率、醫(yī)療技術(shù)經(jīng)濟(jì)效果（投入產(chǎn)出關(guān)系），以及醫(yī)療的連續(xù)性和系統(tǒng)性。

1.2 構(gòu)建醫(yī)療水平的指標(biāo)體系、明確資料來(lái)源 能夠有效反映醫(yī)療水平的指標(biāo)體系既要具有全面性，又要具有代表性［18］。于2022年11月，以“醫(yī)療水平”“醫(yī)療水平評(píng)價(jià)”為關(guān)鍵詞檢索中國(guó)知網(wǎng)、萬(wàn)方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)，以“Medical level evaluation”“Medical level”為主題詞檢索Web of Science數(shù)據(jù)庫(kù)，獲取有關(guān)醫(yī)療水平評(píng)價(jià)的文獻(xiàn)。檢索時(shí)限為建庫(kù)至2022年11月。剔除綜述和評(píng)論，以及關(guān)鍵詞不包含醫(yī)療水平或醫(yī)療水平評(píng)價(jià)、內(nèi)容不涉及評(píng)價(jià)指標(biāo)的文獻(xiàn)。最終共檢索出合格文獻(xiàn)6篇［4-9］。6篇［4-9］文獻(xiàn)提及了醫(yī)療服務(wù)能力方面的評(píng)價(jià)指標(biāo)，主要包括病床使用率、病死率等；5篇［4-5，7-9］文獻(xiàn)提及了醫(yī)療資源方面的評(píng)價(jià)指標(biāo)，主要包括醫(yī)療機(jī)構(gòu)數(shù)、醫(yī)院床位數(shù)、衛(wèi)生人員數(shù)；3篇［4-5，7］文獻(xiàn)提及了醫(yī)療保障能力方面的評(píng)價(jià)指標(biāo)，主要包括衛(wèi)生總費(fèi)用、城鄉(xiāng)居民醫(yī)療保險(xiǎn)參保人數(shù)等。為了消除人口數(shù)等干擾因素的影響［4］，在借鑒現(xiàn)有研究成果的基礎(chǔ)上，從醫(yī)療資源、醫(yī)療服務(wù)能力、醫(yī)療保障能力3個(gè)方面選取13個(gè)相對(duì)指標(biāo)和平均指標(biāo)來(lái)構(gòu)建評(píng)價(jià)體系，見(jiàn)表1。從《2022中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》［19］中提取相關(guān)指標(biāo)數(shù)據(jù)，或利用從《2022中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》中提取的數(shù)據(jù)對(duì)指標(biāo)進(jìn)行計(jì)算，其中x9基本醫(yī)療保險(xiǎn)參保率由從《2022中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》中提取的各省份基本醫(yī)療保險(xiǎn)參保人數(shù)除以附表中的各省份人口數(shù)得出，其余指標(biāo)數(shù)據(jù)直接從《2022中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》中提取。各省份在13個(gè)評(píng)價(jià)指標(biāo)上的數(shù)據(jù)見(jiàn)表2。

1.3 研究方法

1.3.1 主成分分析法 主成分分析法是一種降維算法，通過(guò)正交變換，將多個(gè)具有一定相關(guān)關(guān)系的指標(biāo)轉(zhuǎn)換成主成分，這些主成分是原始變量的線性組合，且彼此之間互不相關(guān)。首先，評(píng)價(jià)指標(biāo)中的甲乙類(lèi)法定傳染病死亡率、平均住院日和病死率是低優(yōu)指標(biāo)，需要先對(duì)其進(jìn)行同趨勢(shì)化處理。將甲乙類(lèi)法定傳染病死亡率和病死率取倒數(shù)后再乘以100，將平均住院日取倒數(shù)后再乘以1 000，使3者從低優(yōu)指標(biāo)變成高優(yōu)指標(biāo)。同時(shí)為了消除不同指標(biāo)間的量綱差異，對(duì)所有原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理［20］。其次，將處理后的數(shù)據(jù)導(dǎo)入SPSS 26.0軟件，對(duì)其進(jìn)行KMO和Bartlett' s球形檢驗(yàn)，依據(jù)特征值和累積方差貢獻(xiàn)率提取主成分，通常選取的前n個(gè)主成分若能夠反映原始指標(biāo)信息量的85%，就認(rèn)為提取的n個(gè)主成分可用［5］。最后，建立因子荷載矩陣，解釋各個(gè)主成分反映的主要信息，依據(jù)主成分得分系數(shù)矩陣得出各主成分線性模型，將各主成分的方差貢獻(xiàn)率作為權(quán)重對(duì)n個(gè)主成分進(jìn)行加權(quán)求和，得到評(píng)價(jià)各省份醫(yī)療水平的綜合評(píng)價(jià)模型，進(jìn)而計(jì)算各省份醫(yī)療水平綜合得分并依據(jù)綜合得分對(duì)各省份進(jìn)行排名。

1.3.2 TOPSIS模型 TOPSIS法是一種根據(jù)各評(píng)價(jià)對(duì)象與理想解的接近程度對(duì)各評(píng)價(jià)對(duì)象進(jìn)行排序的方法?；?1個(gè)省份在各主成分上的得分形成原始矩陣，將其導(dǎo)入Excel 2016軟件，對(duì)原始矩陣進(jìn)行標(biāo)準(zhǔn)化處理，再通過(guò)提取每個(gè)評(píng)價(jià)指標(biāo)的最大值和最小值，計(jì)算出各評(píng)價(jià)對(duì)象距離最大值的距離di+和距離最小值的距離di-，最終計(jì)算出各評(píng)價(jià)對(duì)象與最佳對(duì)象的距離，即貼近度（Si值）。Si值取值為0～1，越接近1表示綜合水平越高［6］。

2 結(jié)果

2.1 主成分分析結(jié)果

2.1.1 KMO值及Bartlett' s球形檢驗(yàn)結(jié)果 KMO值為0.733，Bartlett' s球形檢驗(yàn)結(jié)果為χ2=346.908、Plt;0.001，說(shuō)明變量間的相關(guān)性較強(qiáng)，滿足主成分分析的前提條件，可以進(jìn)行下一步分析。

2.1.2 提取主成分 以特征值gt;1.000為標(biāo)準(zhǔn)，可提取4個(gè)主成分，4個(gè)主成分的累積方差貢獻(xiàn)率達(dá)到84.012%（表3），即前4個(gè)主成分能夠用于充分反映全國(guó)31省份的醫(yī)療水平。

2.1.3 建立因子荷載矩陣 采用最大方差法對(duì)初始因子荷載矩陣進(jìn)行Kaiser標(biāo)準(zhǔn)化正交旋轉(zhuǎn)（表4），依據(jù)原始指標(biāo)在各主成分上的荷載量大小判斷原始指標(biāo)歸屬［7］。x1（每千人口衛(wèi)生技術(shù)人員數(shù)）、x2（每千人口醫(yī)療衛(wèi)生機(jī)構(gòu)床位數(shù)）、x10（人均衛(wèi)生總費(fèi)用）、x11（預(yù)期壽命）、x12（住院患者次均醫(yī)藥費(fèi)）、x13（門(mén)診患者次均醫(yī)藥費(fèi)）6個(gè)指標(biāo)在第1個(gè)主成分上的荷載量最大，這6個(gè)指標(biāo)主要反映醫(yī)療資源規(guī)模和醫(yī)療服務(wù)質(zhì)量，故將F1稱為醫(yī)療資源規(guī)模和醫(yī)療服務(wù)質(zhì)量。x3（醫(yī)師日均擔(dān)負(fù)診療人次）、x4（居民年平均就診次數(shù)）、x7（病床使用率）在第2個(gè)主成分上的荷載量最大，這3個(gè)指標(biāo)主要反映醫(yī)療機(jī)構(gòu)工作效率，故將F2命名為醫(yī)療機(jī)構(gòu)工作效率。僅x5（甲乙類(lèi)法定傳染病死亡率）在第3個(gè)主成分上的荷載量最大，故將F3命名為傳染病控制能力。x6（平均住院日）、x8（病死率）、x9（基本醫(yī)療保險(xiǎn)參保率）在第4個(gè)主成分上的荷載量最大，這3個(gè)變量共線性不顯著，故將F4稱為其他因素。F1體現(xiàn)的是醫(yī)療資源規(guī)模和醫(yī)療服務(wù)效益，F(xiàn)2體現(xiàn)的是醫(yī)療機(jī)構(gòu)工作效率，F(xiàn)3和F4均包含病死率方面的指標(biāo)，故F1、F2是效益型指標(biāo)，F(xiàn)3、F4是成本型指標(biāo)。

2.1.4 主成分線性模型和醫(yī)療水平綜合評(píng)價(jià)模型的建立 根據(jù)主成分得分系數(shù)矩陣（表5），得出各個(gè)主成分線性模型：

Y1=0.398×x1+0.050×x2-0.100×x3+0.064×x4+0.006×x5+0.122×x6-0.091×x7-0.039×x8+0.179×x9+0.281×x10+0.013×x11+0.174×x12+0.277×x13

Y2=-0.179×x1-0.073×x2+0.353×x3+0.230×x4-0.185×x5-0.030×x6+0.405×x7+0.068×x8-0.079×x9-0.065×x10+0.149×x11+0.015×x12-0.066×x13

Y3=-0.206×x1-0.336×x2+0.087×x3+0.016×x4+0.357×x5+0.008×x6-0.186×x7-0.069×x8-0.432×x9-0.046×x10+0.058×x11+0.054×x12-0.076×x13

Y4=0.154×x1-0.222×x2-0.034×x3+0.101×x4+0.036×x5+0.554×x6+0.041×x7+0.359×x8+0.231×x9+0.094×x10-0.216×x11-0.032×x12+0.035×x13

分別將上述4個(gè)主成分的方差貢獻(xiàn)率作為權(quán)重，對(duì)4個(gè)主成分進(jìn)行加權(quán)求和，得到評(píng)價(jià)各省份醫(yī)療水平的綜合評(píng)價(jià)模型：

Y=0.439 85×F1+0.158 54×F2+0.154 40×F3+0.087 34×F4

2.1.5 各省份醫(yī)療水平綜合得分及排名 將經(jīng)標(biāo)準(zhǔn)化處理的數(shù)據(jù)代入綜合評(píng)價(jià)模型，計(jì)算得到各省份醫(yī)療水平綜合得分（表6）。綜合得分排前3位的省份分別為北京市（151.908分）、上海市（124.379分）、天津市（78.673分），排在后3位的省份分別為黑龍江?。?38.368分）、甘肅?。?39.934分）、貴州?。?45.811分）。

2.2 TOPSIS分析結(jié)果 以主成分分析中各主成分的方差貢獻(xiàn)率作為權(quán)重，構(gòu)建加權(quán)標(biāo)準(zhǔn)化矩陣，最終得出最優(yōu)值、最劣值和Si值，見(jiàn)表7。Si值排名結(jié)果顯示，北京市和上海市處于靠前水平（Si值分別為0.767、0.646），以Si值0.400和0.201為節(jié)點(diǎn)，可以將31個(gè)省份分為3個(gè)梯隊(duì)，第1梯隊(duì)有北京市、上海市和天津市3個(gè)省份，第2梯隊(duì)有浙江省、四川省等25個(gè)省份，第3梯隊(duì)包括河北省、寧夏回族自治區(qū)和西藏自治區(qū)3個(gè)省份。

3 討論

3.1 采用主成分分析和TOPSIS模型相結(jié)合的方法評(píng)價(jià)各省份醫(yī)療水平更加科學(xué)、合理，但是也有一定的局限性 可用于我國(guó)醫(yī)療水平評(píng)價(jià)的方法較多，包括TOPSIS法、層次分析法、德?tīng)柗品?、主成分分析法和綜合指數(shù)法等。實(shí)現(xiàn)對(duì)醫(yī)療水平的評(píng)價(jià)需要1個(gè)綜合的指標(biāo)體系，只基于單一指標(biāo)來(lái)評(píng)價(jià)醫(yī)療水平過(guò)于片面。考慮到在1個(gè)綜合的指標(biāo)體系中，評(píng)價(jià)指標(biāo)之間可能會(huì)發(fā)生相互作用，若未采用主成分分析法（主成分分析法可以將多個(gè)相互之間有關(guān)聯(lián)的指標(biāo)通過(guò)一定的數(shù)學(xué)運(yùn)算轉(zhuǎn)換成互相獨(dú)立的幾個(gè)主成分［10］），評(píng)價(jià)指標(biāo)間的交互作用可導(dǎo)致評(píng)價(jià)結(jié)果客觀性和真實(shí)性降低。本研究中，提取出的4個(gè)主成分替代了原始的13個(gè)評(píng)價(jià)指標(biāo)，4個(gè)主成分的累積方差貢獻(xiàn)率達(dá)84.012%，提示4個(gè)主成分能夠反映原始指標(biāo)的大部分信息，主成分分析的結(jié)果具有全面性。將各主成分的方差貢獻(xiàn)率作為權(quán)重進(jìn)行TOPSIS分析，計(jì)算各評(píng)價(jià)對(duì)象距離最優(yōu)解和最劣解的距離，最終得出各省份醫(yī)療水平的綜合排名；采用此方法可避免人為確定權(quán)重，且此方法有較好的數(shù)學(xué)理論基礎(chǔ)，保證了評(píng)價(jià)結(jié)果的客觀性。劉平清等［6］曾采用主成分分析法和TOPSIS模型相結(jié)合的方法評(píng)價(jià)我國(guó)整體醫(yī)療水平，但其評(píng)價(jià)我國(guó)醫(yī)療水平時(shí)只基于少量衛(wèi)生資源和門(mén)、急診衛(wèi)生服務(wù)利用方面的指標(biāo)，且指標(biāo)數(shù)據(jù)來(lái)源于《2018中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒》，故研究結(jié)果對(duì)于目前相關(guān)部門(mén)做出決策參考意義不大。本研究在借鑒現(xiàn)有研究成果的基礎(chǔ)上，將符合我國(guó)當(dāng)前國(guó)情的“甲乙類(lèi)法定傳染病死亡率”這一指標(biāo)納入指標(biāo)體系，構(gòu)建了科學(xué)、合理、完整的評(píng)價(jià)指標(biāo)體系，并將主成分分析法和TOPSIS模型結(jié)合起來(lái)綜合評(píng)價(jià)各省份的醫(yī)療水平。主成分分析法和TOPSIS模型對(duì)數(shù)據(jù)的分布無(wú)要求，能夠消除量綱和數(shù)量級(jí)對(duì)評(píng)價(jià)結(jié)果的影響，可使評(píng)價(jià)結(jié)果具有全面性、客觀性，被廣泛應(yīng)用于醫(yī)療水平評(píng)價(jià)、醫(yī)療質(zhì)量評(píng)價(jià)等領(lǐng)域［11］。

主成分分析法作為近年來(lái)被廣泛應(yīng)用的綜合評(píng)價(jià)方法，可以利用較少的變量對(duì)原資料中的大部分變異進(jìn)行解釋，但由于31個(gè)省份的區(qū)域衛(wèi)生規(guī)劃目標(biāo)、衛(wèi)生事業(yè)發(fā)展目標(biāo)不同，各省份居民的健康需求也不盡相同，如北京市和上海市擁有較為發(fā)達(dá)的醫(yī)療系統(tǒng)，當(dāng)?shù)鼐用癫粌H要求基本醫(yī)療需求得到滿足，還對(duì)診療質(zhì)量提出較高要求，而西藏自治區(qū)為經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，現(xiàn)階段在工作任務(wù)上側(cè)重于基層醫(yī)療體系建設(shè)，也出臺(tái)了相應(yīng)的政策促進(jìn)民族醫(yī)藥的發(fā)展，所以僅基于一套指標(biāo)體系來(lái)評(píng)價(jià)31個(gè)省份的醫(yī)療水平具有一定的不合理性。在評(píng)價(jià)各省份醫(yī)療水平時(shí)，除了采用主成分分析、TOPSIS模型等綜合評(píng)價(jià)方法之外，還應(yīng)當(dāng)結(jié)合各省份的實(shí)際情況，從而保證評(píng)價(jià)結(jié)果和提出的相應(yīng)建議更加科學(xué)、合理。

3.2 梯隊(duì)的醫(yī)療水平與其經(jīng)濟(jì)發(fā)展水平相對(duì)應(yīng) 從分析結(jié)果來(lái)看，中國(guó)的醫(yī)療水平存在明顯的省際發(fā)展不平衡問(wèn)題，與中國(guó)31個(gè)省份當(dāng)前經(jīng)濟(jì)發(fā)展水平分布結(jié)構(gòu)特征［21］相一致，31個(gè)省份醫(yī)療水平分布整體呈現(xiàn)“中間大、兩頭小”的橄欖型結(jié)構(gòu)特征。Si值位居前3位的省份依次為北京市、上海市、天津市，其Si值均大于0.400，為第1梯隊(duì)，此3個(gè)省份均為我國(guó)經(jīng)濟(jì)發(fā)展水平排名靠前的省份，醫(yī)療水平也相應(yīng)較高［6］。北京市和上海市作為我國(guó)的政治和經(jīng)濟(jì)中心，擁有大量?jī)?yōu)質(zhì)醫(yī)療資源，大量高水平醫(yī)務(wù)人員聚集在此，所轄部分醫(yī)療機(jī)構(gòu)代表了中國(guó)醫(yī)療的最高水平。從單個(gè)指標(biāo)來(lái)看，北京市Y1得分最高，這可能與其每千人口衛(wèi)生技術(shù)人員數(shù)最多有關(guān)。天津市的醫(yī)療水平也位于前沿，這與其獨(dú)特的地理位置及經(jīng)濟(jì)發(fā)展水平較高密切相關(guān)。天津市在Y3上的得分排名靠前，可能與其在新型冠狀病毒感染疫情防控工作中表現(xiàn)較為優(yōu)秀有關(guān)。天津市面對(duì)突發(fā)疫情反應(yīng)迅速，率先采用中醫(yī)療法應(yīng)對(duì)新型冠狀病毒感染，有效降低了新型冠狀病毒感染患者的病死率［22］。另外，大量外省份患者選擇至北京市、上海市、天津市等省份的醫(yī)療機(jī)構(gòu)就醫(yī)，但異地就醫(yī)導(dǎo)致的各省份居民年平均就診次數(shù)變化相關(guān)數(shù)據(jù)在統(tǒng)計(jì)年鑒中并未被單獨(dú)列出，這可能會(huì)對(duì)本研究的結(jié)論產(chǎn)生一定影響。異地就醫(yī)導(dǎo)致的各省份居民年平均就診次數(shù)變化對(duì)各省份醫(yī)療水平排名的影響有待進(jìn)一步研討。

Si值排后3位的省份依次為河北省、寧夏回族自治區(qū)、西藏自治區(qū)，Si值均≤0.201，屬于第3梯隊(duì)，三者均有各自優(yōu)點(diǎn)和缺點(diǎn)：旨在推進(jìn)少數(shù)民族醫(yī)藥傳承創(chuàng)新、應(yīng)用發(fā)展和人才培養(yǎng)的政策向?qū)幭幕刈遄灾螀^(qū)和西藏自治區(qū)傾斜［23］，河北省依托京津冀一體化戰(zhàn)略正在與京津加強(qiáng)醫(yī)學(xué)科研合作、人才交流。據(jù)中央人民政府發(fā)布的31個(gè)省份2022年地區(qū)生產(chǎn)總值，這3個(gè)省份中，河北省地區(qū)生產(chǎn)總值達(dá)4萬(wàn)億元級(jí)，排名第12，在全國(guó)處于中等水平，但是其醫(yī)療水平卻排在倒數(shù)，可見(jiàn)經(jīng)濟(jì)水平高的地區(qū)醫(yī)療水平也高的結(jié)論不完全正確，還應(yīng)根據(jù)實(shí)際情況作進(jìn)一步討論。河北省醫(yī)療水平排在倒數(shù)第3，尤其是在Y1和Y2上的得分很低，表明河北省的醫(yī)療資源規(guī)模和醫(yī)療服務(wù)效益、醫(yī)療機(jī)構(gòu)工作效率都低于一般水平，有可能與河北省對(duì)自身醫(yī)療衛(wèi)生事業(yè)投入不足有關(guān)。河北省三級(jí)甲等醫(yī)院數(shù)量較少，將較多的醫(yī)療資源集中投放到經(jīng)濟(jì)發(fā)展水平較高的城市，醫(yī)療基礎(chǔ)設(shè)施在全省范圍內(nèi)布局不均衡，且受京津冀一體化戰(zhàn)略的影響，當(dāng)?shù)鼐用窀蚯巴本┦泻吞旖蚴蝎@取醫(yī)療服務(wù)。因此，河北省應(yīng)通過(guò)加大對(duì)衛(wèi)生健康領(lǐng)域的財(cái)政投入力度、吸引人才、創(chuàng)新管理模式等來(lái)改善醫(yī)療環(huán)境、提高醫(yī)療服務(wù)質(zhì)量。西藏自治區(qū)和寧夏回族自治區(qū)因其地理環(huán)境和歷史文化的特殊性，醫(yī)療水平低于其他省份，但根本原因還是經(jīng)濟(jì)落后、醫(yī)療資源不足、醫(yī)療基礎(chǔ)設(shè)施不完善、民族醫(yī)藥因發(fā)展受限無(wú)法最大限度發(fā)揮作用。

排名位于中間的多個(gè)省份在綜合評(píng)價(jià)中表現(xiàn)突出，屬于第2梯隊(duì)，其中廣東省和江蘇省的醫(yī)療水平總體較好，這離不開(kāi)長(zhǎng)期積累的優(yōu)質(zhì)醫(yī)療資源和較高的經(jīng)濟(jì)水平支撐，但其醫(yī)療水平仍有提升空間。山東省Y2得分為-0.043，提示山東省醫(yī)療機(jī)構(gòu)工作效率較低，且山東省醫(yī)師日均擔(dān)負(fù)診療人次與甘肅省相當(dāng)。究其原因：一是山東省人口眾多，省內(nèi)各城市間經(jīng)濟(jì)發(fā)展水平差距大，優(yōu)質(zhì)醫(yī)療資源過(guò)度集中在經(jīng)濟(jì)發(fā)達(dá)城市；二是每千人口衛(wèi)生技術(shù)人員較多有助于減輕醫(yī)師的工作壓力。

3.3 建議處于不同梯隊(duì)的省份選擇適合自身的發(fā)展路徑 根據(jù)上述分析結(jié)果，本研究提出以下建議：（1）我國(guó)醫(yī)療水平存在明顯省際發(fā)展不平衡問(wèn)題，應(yīng)進(jìn)一步縮小省際醫(yī)療水平差距。因此，國(guó)家需要加大對(duì)經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的財(cái)政投入力度，將資金和政策向欠發(fā)達(dá)地區(qū)傾斜，促進(jìn)其經(jīng)濟(jì)發(fā)展。同時(shí)也要繼續(xù)發(fā)揮政府在醫(yī)療資源配置中的主導(dǎo)作用，通過(guò)定點(diǎn)幫扶，使醫(yī)療資源更多地流向欠發(fā)達(dá)地區(qū)，更好地提升欠發(fā)達(dá)地區(qū)醫(yī)療水平，提高當(dāng)?shù)鼐用窠】邓健＃?）第1梯隊(duì)的省份醫(yī)療水平較高，應(yīng)持續(xù)推進(jìn)醫(yī)療水平高質(zhì)量發(fā)展。因此，醫(yī)療水平較高的地區(qū)應(yīng)發(fā)揮自身優(yōu)勢(shì)，提升醫(yī)療機(jī)構(gòu)工作效率，依托遠(yuǎn)程醫(yī)療、醫(yī)療大數(shù)據(jù)等發(fā)揮自身輻射效應(yīng)，帶動(dòng)區(qū)域醫(yī)療水平整體進(jìn)步。處于第2梯隊(duì)的省份在保持現(xiàn)有醫(yī)療水平基礎(chǔ)上，要根據(jù)區(qū)域衛(wèi)生規(guī)劃目標(biāo)，分析當(dāng)前區(qū)域醫(yī)療衛(wèi)生事業(yè)發(fā)展的優(yōu)勢(shì)和不足，注重區(qū)域醫(yī)療衛(wèi)生事業(yè)發(fā)展協(xié)同性，通過(guò)讓省份內(nèi)發(fā)達(dá)地區(qū)帶動(dòng)欠發(fā)達(dá)地區(qū)，提高全省醫(yī)療水平。（3）第3梯隊(duì)的省份醫(yī)療水平落后，應(yīng)從多方面著手提高醫(yī)療水平。國(guó)家需要加強(qiáng)對(duì)第3梯隊(duì)省份的政策傾斜，加快農(nóng)村醫(yī)療體系建設(shè)，促進(jìn)優(yōu)質(zhì)醫(yī)療資源均衡布局、完善分級(jí)診療制度。就河北省而言，要發(fā)揮北京市和天津市對(duì)河北省的輻射效應(yīng)，深入推動(dòng)京津冀一體化發(fā)展；在促進(jìn)河北省經(jīng)濟(jì)發(fā)展的同時(shí)，推進(jìn)河北省醫(yī)藥衛(wèi)生體制改革和醫(yī)療衛(wèi)生事業(yè)發(fā)展進(jìn)程。就寧夏回族自治區(qū)和西藏自治區(qū)來(lái)說(shuō)，國(guó)家不僅應(yīng)加大對(duì)其的財(cái)政投入、鼓勵(lì)衛(wèi)生技術(shù)人員至當(dāng)?shù)貓?zhí)業(yè)、幫助其完善醫(yī)療基礎(chǔ)設(shè)施，還應(yīng)加快實(shí)施衛(wèi)生健康對(duì)口支援、健康扶貧工程，進(jìn)而防止當(dāng)?shù)鼐用褚虿≈仑?、返貧，從根源上提升欠發(fā)達(dá)地區(qū)醫(yī)療水平。

本研究基于構(gòu)建的評(píng)價(jià)指標(biāo)體系對(duì)中國(guó)各省份醫(yī)療水平做出評(píng)價(jià)并進(jìn)行分析，但仍存在不足之處。異地就醫(yī)導(dǎo)致指標(biāo)的客觀性、評(píng)價(jià)結(jié)果的全面性受到一定影響。同時(shí)研究者僅基于主成分分析法和TOPSIS模型評(píng)價(jià)各省份的醫(yī)療水平，而兩種方法均有各自的局限性，一定程度上會(huì)對(duì)實(shí)證分析結(jié)果的論證強(qiáng)度造成不利影響。

作者貢獻(xiàn)：周潔負(fù)責(zé)提出研究理念，進(jìn)行統(tǒng)計(jì)學(xué)分析，撰寫(xiě)論文；胡凌娟負(fù)責(zé)提供思路指導(dǎo)，提出修改意見(jiàn)，對(duì)文章整體負(fù)責(zé)；懷晴雨負(fù)責(zé)收集數(shù)據(jù)。

本文無(wú)利益沖突。

參考文獻(xiàn)

國(guó)務(wù)院辦公廳. 關(guān)于印發(fā)深化醫(yī)藥衛(wèi)生體制改革2022年重點(diǎn)工作任務(wù)的通知［A/OL］. （2022-05-25）［2022-11-06］. http：//www.gov.cn/zhengce/content/2022-05/25/content_5692209.htm.

WAN S，CHEN Y，XIAO Y，et al. Spatial analysis and evaluation of medical resource allocation in China based on geographic big data［J］. BMC health services research，2021，21（1）：1-18.

宋佳欣，趙文英，祖培福. 改進(jìn)TOPSIS法在我國(guó)各省醫(yī)療衛(wèi)生水平綜合評(píng)價(jià)中的應(yīng)用［J］. 黑龍江科學(xué)，2021，12（18）：151-153，156. DOI：10.3969/j.issn.1674-8646.2021.18.062.

郭玉玲，劉欽普. 中國(guó)醫(yī)療衛(wèi)生發(fā)展水平區(qū)域差異綜合評(píng)價(jià)［J］. 中國(guó)衛(wèi)生統(tǒng)計(jì)，2016，33（2）：251-253.

李季. 基于主成分分析和聚類(lèi)分析的各地區(qū)醫(yī)療水平狀況研究［J］. 軟件，2020，41（6）：242-246.

劉平清，朱桂玲，張慧愿. 基于因子分析與TOPSIS模型的醫(yī)療水平綜合評(píng)價(jià)［J］. 電腦知識(shí)與技術(shù)，2020，16（29）：10-12.

孟婷，王祎輝，朱家明. 基于因子分析對(duì)安徽省醫(yī)療衛(wèi)生服務(wù)水平的綜合評(píng)價(jià)研究［J］. 哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào)，2020，36（3）：87-94.

黃子泓，林秋. 基于主成分分析的江蘇省城市醫(yī)療水平評(píng)價(jià)［J］. 高師理科學(xué)刊，2019，39（10）：33-36.

吳祎帆. 河北省各城市醫(yī)療衛(wèi)生服務(wù)水平的評(píng)價(jià)與分析［D］. 保定：河北大學(xué)，2019.

婁苗苗，黃陸光，楊艷華，等. 基于主成分分析綜合評(píng)價(jià)某三甲醫(yī)院醫(yī)療質(zhì)量［J］. 中國(guó)衛(wèi)生統(tǒng)計(jì)，2021，38（4）：539-541.

李斌，程霓虹，涂西林，等. 運(yùn)用SPSS中主成分分析法評(píng)價(jià)外科效益［J］. 中國(guó)衛(wèi)生統(tǒng)計(jì)，2010，27（3）：313-314，316.

國(guó)家衛(wèi)生健康委，國(guó)家中醫(yī)藥管理局. 關(guān)于印發(fā)公立醫(yī)院高質(zhì)量發(fā)展促進(jìn)行動(dòng)（2021—2025年）的通知［EB/OL］.（2021-09-14）［2023-01-10］. http：//www.gov.cn/gongbao/content/2021/content_5618942.htm.

孫健，文秋林. 競(jìng)爭(zhēng)戰(zhàn)略視角下的醫(yī)院戰(zhàn)略管理［J］. 衛(wèi)生軟科學(xué)，2016，30（3）：146-147，160.

張眾，鮑海紅. 以醫(yī)學(xué)視角解讀《民法典》中“醫(yī)療水平”之內(nèi)涵［J］. 醫(yī)院管理論壇，2022，39（5）：8-11.

MAO Y，XU F，ZHANG M J，et al. Equity of health service utilization of urban residents：data from a western Chinese city［J］. Chin Med J（Engl），2013，126（13）：2510-2516.

SUN X，ZHANG H，HU X，et al. Measurement and analysis of equity in health：a case study conducted in Zhejiang Province，China［J］. Int J Equity Health，2018，17（1）：36.

LORENC T，PETTICREW M，WELCH V，et al. What types of interventions generate inequalities？ Evidence from systematic reviews［J］. Journal of Epidemiology and Community Health，2012，67（2）：190. DOI：10.1136/jech-2012-201257.

王璐，龐皓. 綜合評(píng)價(jià)中的指標(biāo)選擇方法［J］. 統(tǒng)計(jì)與決策，2007，23（1）：58-59. DOI：10.3969/j.issn.1002-6487.2007.01.031.

國(guó)家衛(wèi)生健康委員會(huì). 2022中國(guó)衛(wèi)生健康統(tǒng)計(jì)年鑒［M］. 北京：中國(guó)協(xié)和醫(yī)科大學(xué)出版社，2022.

沈思瑜，邰蕾蕾，荊巧玉. 基于主成分分析法的我國(guó)衛(wèi)生總費(fèi)用影響因素分析［J］. 中國(guó)物價(jià)，2022，34（7）：67-70.

王元，孔偉艷. 未來(lái)30年中國(guó)社會(huì)發(fā)展趨勢(shì)及促進(jìn)共享發(fā)展的建議［J］. 宏觀經(jīng)濟(jì)研究，2019，39（5）：5-19，32. DOI：10.16304/j.cnki.11-3952/f.2019.05.002.

白佳麗，張建新. 天津：中醫(yī)藥深度介入防控治療康復(fù)全程［N］. 經(jīng)濟(jì)參考報(bào)，2022-04-06（006）.

中華人民共和國(guó)中醫(yī)藥法［A/OL］. （2016-12-26）［2023-06-09］. http：//www.natcm.gov.cn/fajiansi/zhengcewenjian/2018-03-24/2249.html.

（收稿日期：2023-02-27；修回日期：2023-06-10）

（本文編輯：陳俊杉）