南京市屬公立醫院醫藥價格綜合改革補償效果評價

唐文熙 夏海鳴 劉奇志 謝 靜 陸憶娟 馬愛霞

1.中國藥科大學國際醫藥商學院 江蘇南京 211198 2.南京市衛生和計劃生育委員會 江蘇南京 210019

公立醫院醫藥價格綜合改革(簡稱“價改”)的目標是徹底破除以藥養醫機制，對公立醫院的補償渠道轉為財政投入和醫療服務收入兩條。城市公立醫院價改自2015年試點到2017年9月要求全面落實，推進快速、影響甚廣，取消藥品加成后公立醫院補償機制的建立及運行狀況成為政策重要關注點。目前，縣級公立醫院補償效果實證研究相對較多，而城市地區相對缺乏。[1, 2]南京市城市公立醫院價改2013年在區一級試點，2015年10月31日開始全市推開，涉及屬地內全部公立醫院，調價項目共5 900余項，在全國城市中開始較早、推進較快、覆蓋較廣。其改革政策設計目標為通過醫療服務收入補償70%～80%，財政補償20%。本文對南京市價改一年后的補償效果進行實證分析，通過比較不同類型醫院服務補償情況，提出進一步完善補償方式的建議。

1 資料與方法

評價范圍：南京市屬地內參改醫院共57所，其中省部級16所，市屬12所，區屬23所，其他6所(包括企業改制醫院和精神病院等)。為減少財政來源口徑所造成的偏倚，選取南京市本級醫院進行評價，并排除中醫院、中西醫結合醫院(中藥未取消加成)，共10所醫院。

數據來源：按月收集各醫院財務收支報表，時間范圍為改革前48個月(2011.11—2015.10)及改革后12個月(2015.11—2016.10)。

評價指標：藥品收支差率=(藥品收入-藥品支出)/藥品支出*100%，取消藥品加成損失=預測藥品收支差減去實際藥品收支差，醫療服務收入增長率=醫療服務收入的預測增長與實際增長速度，財政補償率=財政補償占取消藥品加成損失的比例，醫療服務收入補償率=醫療收入增長額占取消藥品加成損失的比例，綜合補償率=財政補償率+醫療服務收入補償率。值得說明的是，目前關于醫療服務收入沒有統一的定義，本研究采用國務院醫改辦公立醫院綜合改革評價方案中的計算公式：醫療服務收入=醫療收入-(藥品收入+衛生材料收入+檢查收入+化驗收入)。

評價方法：采取改革前后對照方式。采用間斷時間序列模型(Interrupted Time Series, ITS)對改革后各月“非改革”狀態下各指標水平進行預測，以構建反向事實；以改革后各指標“實際值—預測值”作為改革“凈效果”。采取簡單線性間斷時間序列模型，結構如下：

y=β0+β1×x1+β2×x2+β3×x3+ε

其中y為本研究主要觀測指標。x1為改革前時間序列，賦值1,2,3…48；x2為改革變量，改革前令x2=0，改革后令x2=1；x3為改革后的時間序列，賦值49,50…60。β0為常數項，代表改革前觀測指標水平；β1為改革前觀測指標變化趨勢；β2為改革實施時觀測指標的瞬時變化水平；β3為改革后觀測指標的變化趨勢。因此改革后β1代表非改革狀態下原觀測指標的預測水平，β2+β3為改革后觀測指標的實際水平，二者相減即可得出改革的凈效果。模型示意圖如下：

注：本圖僅為示意圖與正文中的數據時長不一致圖1 線性間斷時間序列模型構建反事實與實際比較示意圖

數據分析在R軟件(V3.3.2)中實現。首先剔除60個月中異常值，其次對時間序列格式下的各指標進行簡單線性間斷時間序列回歸，最后對改革后12個月的預測值進行加總或平均，以與實際值進行比較。

2 結果

2.1 藥品收支差率

從表1可看出，2011—2015年10家醫院藥品加成率大致呈下降趨勢，平均為16.09%；表2可看出，根據歷史數據預測改革后12個月藥品收支差率平均為14.47%，而實際收支差率平均為0.23%，除個別醫院外，各醫院基本實現藥品“零差率”銷售，政策執行基本到位。

表1 南京10所市屬醫院改革前藥品收支差率(%)

表2 南京10所市屬醫院改革后預測及實際藥品收支情況

2.2 醫療服務收入增長率

從表3可看出，改革前醫療服務收入基本呈逐年增長趨勢，“十三五”期間按幾何增長率計算，年平均增長率為8.09%。表4顯示，2015.11—2016.10期間沿用原價格體系下醫療服務收入平均增長率為8.82%，而改革后同比增長率平均為35.25%，改革凈增長率為24.29%；經對10家醫院“改革前”和“改革后實際-改革后預測”比較，有顯著增長。所有醫院中只有胸科醫院醫療服務收入不升反降。

結合圖2可更清晰地反映原價格體系下醫療服務收入有繼續增長趨勢，而改革后各院醫療服務收入及總和發生了突增。表5給出各預測指標模型的擬合度和F值，除市二院“預測藥品收入”(P=0.041)和職防院“預測藥品支出”(P=0.133)兩項指標外，所有模型均顯著(P<0.001)，模型顯著性較好；絕大多數指標模型擬合度都在0.7以上，擬合程度較高。

在體育課的教學過程中，我發現有些學生因為自己已經掌握學習的技能，其常會和身邊的學生交頭接耳進行說話。而針對這種現象，我運用組間評價的教學方式，提升學生體育學習的專注度，增強體育教學的效果。

表3 南京10所市屬醫院改革前醫療服務日均收入(萬元)

表4 南京10所市屬醫院改革后預測及實際醫療服務收入情況

注：1.實際增長率=(改革后實際醫療服務收入-改革前實際醫療服務收入)/改革前實際醫療服務收入*100%，表示未剔除自然增長規律情況下的粗增長率；預測增長率=(改革后預測醫療服務收入-改革前實際醫療服務收入)/改革前實際醫療服務收入*100%，表示未改革狀態下的自然增長率；凈增長率=(改革后實際醫療服務收入-改革后預測醫療服務收入)/改革后預測醫療服務收入*100%，表示剔除自然增長后由于改革帶來的“凈增長”

2.改革前：2014年11月—2015年10月；改革后：2015年11月—2016年10月

表5 南京10所市屬醫院各指標預測模型F值及調整R方

注：*“預測藥品收入-預測藥品支出”的統計值

圖2 南京10所市屬醫院改革前后醫療服務收入及總和模擬圖

2.3 綜合補償率

2.3.1 取消藥品加成損失及財政補償率

取消藥品加成損失有兩種計算角度：(1)政策性損失，按當年藥品支出*15%計算；(2)預測性損失，按改革后“預測藥品收支差-實際藥品收支差”計算。其中政策性損失常用于政府主管部門測算取消加成損失，但忽略了藥品價格小調對臨床處方行為可能造成的影響；預測性損失采取的是改革后實際情況和非改革狀態下自然狀態的對比，相對政策性損失更能反映出改革的凈效果。兩個角度下財政補償率見表6：改革規定不予補償的醫院為婦保、口腔和職防院補償率為0%；大部分醫院財政補償率達到甚至超出改革設計目標，但市兒童、市腦科醫院財政補償力度不足；總體政策性補償率(除婦保、口腔和職防院、剩余7家醫院財政專項補助總額/政策性損失總額)達到19.54%。

表6 南京10所市屬醫院改革后藥品加成損失

改革后南京市10所市屬醫院政策性損失總額超過凈損失總額，凈財政補償率高于政策性財政補償率。分析其原因，推測為改革前藥品加成率已經處于連年下降的趨勢，導致預測藥品收支差額也呈收縮趨勢(圖3)。

圖3 南京10所市屬醫院改革前后藥品收支差及總和模擬圖

2.3.2 醫療服務收入補償率及綜合補償率

分別按政策性損失和預測性損失計算補償率可發現(表7)，雖然總體來說服務補償率和綜合補償率較高，超過政策原設計目標，但內部不均衡：服務補償率達到70%～80%的醫院僅有鼓樓、婦幼、口腔、職防院四家，腦科醫院處于邊緣達標狀態；其他醫院單靠服務收入增長不能滿足取消藥品所帶來的損失。從綜合補償情況來看，目前一半左右醫院目前仍處于實際“虧損”階段。

結合ward linkage層次聚類的結果(圖4)，對服務補償率分類如下：第一類，服務補償≥100%，又分為兩個亞類：(1)亞類1，以婦幼、口腔醫院為代表，服務補償率超過400%，因此財政未給予專項補償；(2)亞類2，以鼓樓、職防院為代表，服務補償基本能自給自足，財政補償為純獲益。第二類，服務補償<100%，又可分為三個亞類：(1)亞類1，服務補償率大致在70%或以下，如腦科醫院，應按原政策設計補償比進行補償；(2)亞類2，服務補償率大致在50%或以下，如一醫院、兒童、二院、中心醫院，多為綜合性醫院，在現行財政補償水平下綜合補償率仍不足；(3)亞類3，服務補償率在30%以下，即胸科醫院，由于收入高度依賴藥品，導致價改后為“嚴重受損”單位，財政應予更高比例的補償(表8)。

表7 南京市10所市屬醫院改革后藥品差價補償情況

注：服務收入凈增長=改革后實際服務收入-改革后預測服務收入；政策性損失服務補償率=凈增長/政策性損失*100%；預測性損失服務補償率=凈增長/預測性損失*100%；政策性綜合補償率=政策性(財政補償率+服務補償率)；預測性綜合補償率=預測性(財政補償率+服務補償率)

圖4 南京10所市屬醫院服務補償率及綜合補償率層次聚類

補償水平亞類醫院代表目前財政補償率A≥100% A1>400%婦幼、口腔0% A2≥100%鼓樓、職防院0%～16.58%B<100% B1≤70%腦科7.12% B2≤50%一醫院、二醫院、中心、兒童6.39%～35.22% B3≤30%胸科55.02%

2.3.3 改革前后藥占比和醫療服務收入占比

為進一步探討補償水平差異化的原因，給出改革前后藥占比和醫療服務收入占比情況(表9)。分別探索政策性服務補償率、凈損失服務補償率與各占比之間的關系，最終納入模型的為“改革前藥占比”和“改革前服務收入占比”，模型均顯著(所有P<0.001)且擬合系數分別為0.920和0.877，說明服務補償率與醫院本身收入結構有顯著關系。具體參數如表10。

表9 南京10所市屬醫院改革前后藥占比和醫療服務收入占比(%)

表10 南京10所市屬醫院服務補償率與醫療收入結構的關系

據上可知，服務補償率與改革前醫療服務收入占比呈顯著性關系，醫療服務收入占比每提高1%，服務補償率約提高0.7%左右(圖5)。

圖5 政策性服務補償率與改革前服務收入占比

3 討論與建議

3.1 取消藥品加成政策執行到位、藥占比進一步下降

改革前大部分醫院藥品收支差率呈下降趨勢，而改革后除職防院外其他醫院收支差率在0%左右，基本實現藥品銷售“零加成”。此外，藥占比有顯著性下降，10家醫院平均下降5.733%±3.539%(P=0.001)；但達到國務院2016年公立醫院改革目標(<35%)的僅有三家。

除婦幼、二院、腦科、中心醫院外，其他醫院藥品支出較預測值也有所下降，平均水平下降了171.31±2 183.12萬元，但結果并不顯著(P=0.810)，說明藥品價格的降低一定程度上降低了藥品支出，但藥品總體支出水平并未受到降價影響，即藥價的改變未帶來藥品用量的顯著性下降，推測藥品支出仍遵從臨床實際需求。

3.2 醫療服務收入增長空間較大、需進一步落實調價范圍和力度

從醫療服務收入預測增長率可知，除職防院外，其他醫院改革前醫療服務收入均呈增長趨勢，說明技術勞務供給在逐步擴大，符合社會經濟發展規律；改革后，除胸科醫院外，醫療服務價格的提升給絕大多數醫院都帶來了服務收入顯著性增長(4 636.16±5 509.61萬元，P=0.026)，服務收入占比(包括胸科醫院在內)也有顯著性上升(4.22±2.12%，P<0.001)，但據2016年改革目標(>35%)仍有較大差距。據訪談了解，目前南京市城市公立醫院調價僅開展了一輪，僅涉及到部分調價項目，因此調價范圍和調價力度還需進一步落實。

3.3 服務補償率差異較大、需依醫院類型進行“差異化”補償并動態調整

本輪改革與2013年區級醫院試點改革在調價范圍、補償目標上近似，但相較于5個非中心城區公立醫院的補償結果有所上升。[3]其中，政策性的財政補償率達到19.54%、服務補償率達到83.52%，達到政策目標，但各醫院之間極度不平衡：服務補償率從-21.92%到712.52%、綜合補償率從28.87%到712.52%不等，差異較大。結合醫療收入結構發現，說明醫院類型的區分有重要影響：改革前服務收入占比越高，改革后凈服務補償率也越高。

除去改革受益醫院之外，余下醫院財政補償率在6.39%到55.02%不等(按政策性補償率計算)，結合表8和表10結果，建議可將各公立醫院大致分為三類四種情況，并進行差別化的財政補償：(1)“服務依賴型”醫院，以婦幼、口腔醫院為代表。該類醫院為?？菩歪t院，且高度依賴技術性服務提供，因此改革后收益超過損失，不需要財政專項補償；(2)“藥品依賴型”醫院，以胸科醫院為代表。該類醫院也為專科型，但情況相反，高度依賴藥品處方達到治療效果，因此改革后損失嚴重、而醫療服務收入上升空間不夠，建議財政重點補償該類醫院；(3)綜合性醫院又分兩種情況：一類通過服務收入基本能自給自足，也不需要財政補助，這類醫院多半是因為改革前醫院收入結構較合理、且經營效率較高，因此取消藥品加成的損失能通過服務收入的增長和管理的改善充分彌補；另一類服務補償率多在50%～70%之間，按照原20%的財政投補償率會產生一定損失。此類醫院改革前服務收入占比不高，后續通過服務增長的彌補還需一定時間，因此建議財政可以適當提高補償比例，并依每年度實際補償情況和醫療收入結構進行動態調整。

3.4 本研究的局限性及進一步研究方向

反事實(counterfactual)的構建在政策評估及其他類型研究設計中占有極其重要的地位，決定了干預效果的可信度及解讀方式。[4-6]在政策評價中，由于難以找到嚴格意義上的對照組，因此常采取自身前后對照的方式進行。傳統意義上的前后對照常直接對指標進行同比變化率分析，忽略了指標自身變化規律的影響，從而造成對干預效果的低估或高估。本研究用歷史數據預測改革后相同時間內“非改革”狀態下的指標水平代替直接參照改革前水平進行評價，能排除自然趨勢的影響，更好估計政策的“凈效應”。

間斷時間序列模型能對存在斷點的時序數據進行回歸，常用于構造政策評價中的反事實[7, 8]，在我國衛生政策評價中的應用也越來越頻繁[9-11]。相對于諸多時間序列模型來說，ITS模型結構簡單易于解讀，因此效率較高。從表5可知，本研究采用的簡單線性時間間斷序列模型對大部分指標預測的精準度較高，但也有兩個指標擬合度不夠好，其局限性在于：ITS默認指標隨時間趨勢呈線性變化，因此忽略指標的季節波動和非線性變化；此外，ITS對于歷史數據的長度也有較高要求，對于短期數據應用時存在一定的局限性。

[1] 王中華， 李湘君. 補償機制改革對縣級公立醫院產出影響的實證分析[J]. 中國衛生經濟, 2016(6): 55-57.

[2] 趙鋒， 楊莉， 張旭光， 等. 縣級公立醫院醫藥分開改革對醫院收入和醫療服務的影響——基于廣西的實證分析[J]. 中國衛生政策研究, 2015， 8(5): 24-30.

[3] 黃漢明， 厲莉. 醫藥價格改革對醫療費用和醫保支出的影響——基于江蘇省南京市區級公立醫院的分析[J]. 中國衛生政策研究, 2014， 7(5): 56-62.

[4] Maclure M. The case-specular study design and counterfactual controls[J]. Epidemiology, 1998, 9(1): 6-7.

[5] Isett K R, Laugesen M J, Cloud D H. Learning from New York City : a case study of public health policy practice in the Bloomberg administration[J]. J Public Health Manag Pract, 2015, 21(4): 313-322.

[6] Halloran M E, Hudgens M G. Dependent Happenings: A Recent Methodological Review[J]. Curr Epidemiol Rep, 2016, 3(4): 297-305.

[7] Ewusie J E, Blondal E, Soobiah C, et al. Methods, applications, interpretations and challenges of interrupted time series (ITS) data: protocol for a scoping review[J]. BMJ Open, 2017, 7(6): e16018.

[8] Jandoc R, Burden A M, Mamdani M, et al. Interrupted time series analysis in drug utilization research is increasing: systematic review and recommendations[J]. J Clin Epidemiol, 2015, 68(8): 950-956.

[9] 林騰飛， 楊男， 胡明. 醫藥政策研究領域應用間斷時間序列模型的理論與方法介紹[Z]. ?？?， 2015.

[10] 李珍， 曲波， 胡美霞， 等. 處方點評制度對抗生素使用的影響——基于山東省青島市村衛生室的時間序列分析[J]. 中國衛生政策研究, 2013， 6(10): 54-59.

[11] 王飛，湯少梁，趙琨，等. 應用間斷時間序列評價某縣級公立醫院醫藥價格改革效果[J]. 中國衛生統計, 2016(1): 78-80.