基于家庭醫(yī)生服務制度的彈性薪酬模型構建研究

桂小海，王洪波，劉慧，楊玉峰

醫(yī)療改革是一個世界性難題，各國均致力于打造一套覆蓋全面、分工明確的醫(yī)療體系，而家庭醫(yī)生服務制度幾乎在每個發(fā)達國家的醫(yī)療體系中都扮演著重要的角色。2009年我國推動新一輪醫(yī)藥衛(wèi)生體制改革，頒布《中共中央 國務院關于深化醫(yī)藥衛(wèi)生體制改革的意見》（中發(fā)〔2009〕6號），各地區(qū)開始嘗試家庭醫(yī)生服務制度。2010年起，北京市、深圳市、上海市等開始推廣家庭醫(yī)生服務。近年來，國家又相繼發(fā)布《國務院辦公廳關于推進分級診療制度建設的指導意見》（國辦發(fā)〔2015〕70號）、《關于推進家庭醫(yī)生簽約服務的指導意見》（國醫(yī)改辦發(fā)〔2016〕1號）等具有突破性和創(chuàng)新性的文件，積極推動家庭醫(yī)生服務制度。然而，與醫(yī)療服務制度迅速革新形成對比的是，醫(yī)務人員的薪酬制度依然是“老套路”。醫(yī)務人員“陽光收入”低、薪酬結構不合理的問題尚未得到解決。目前，針對醫(yī)生薪酬制度的研究多是從各種價值觀點出發(fā)的評論性或者描述性文章［1-2］，從經(jīng)濟學模型角度、利用數(shù)據(jù)來反映問題的分析性文章較少。因此，本研究擬通過分析相關文獻和政策，從健康經(jīng)濟學角度構建醫(yī)務人員彈性薪酬模型，并結合海淀區(qū)家庭醫(yī)生服務醫(yī)療數(shù)據(jù)分析結果，探討薪酬的影響因素及解決辦法，以期為完善家庭醫(yī)生服務制度下的醫(yī)生薪酬方案提供政策上的建議。

1 醫(yī)務人員期望薪酬水平

1.1 資料與方法 國內生產總值（GDP）是國家經(jīng)濟發(fā)展水平的直接體現(xiàn)，其對薪酬有重要影響。既往研究結果顯示，人均GDP對城鎮(zhèn)就業(yè)人員的平均工資有明顯影響［3］。對于一個行業(yè)而言，薪酬與人均GDP的比值是衡量該行業(yè)勞動力價值的指標，因此各行業(yè)的平均薪酬與該國家/地區(qū)的人均GDP應該根據(jù)行業(yè)特點保持一個相對合理的比值。本研究以北京市為例，計算家庭醫(yī)生服務制度下醫(yī)務人員的期望薪酬水平。北京市的經(jīng)濟水平接近發(fā)達國家［4］，因此以經(jīng)濟合作與發(fā)展組織（OECD）國家的平均薪酬與人均GDP比值為矯正系數(shù)。根據(jù)健康經(jīng)濟學［5］中醫(yī)生薪酬的常用計算方式，北京市醫(yī)務人員的薪酬（期望薪酬）=OECD國家的平均薪酬與人均GDP比值（Ai）×北京市人均GDP（醫(yī)生i=1，護士i=2）。

1.2 醫(yī)務人員期望薪酬 2006年，OECD國家全科醫(yī)生的薪酬為2.1～16.1萬美元，平均薪酬為（8.3±4.0）萬美元，與人均GDP比值為1.6～4.1，平均比值為（2.9±0.8）；護士的薪酬為1.3～5.6萬美元，平均薪酬為（3.3±1.3）萬美元，與人均GDP比值為0.8～1.9，平均比值為（1.3±0.3）（見表1）［6］。2015年北京市的人均GDP為106 000元［3］，根據(jù)對海淀區(qū)參與試點的6家機構進行的調查結果，海淀區(qū)醫(yī)生的薪酬約為北京市人均GDP的0.943倍，護士約為0.858倍。根據(jù)上述理論進行計算：全科醫(yī)生期望薪酬=A1×北京市人均GDP，0.943≤A1≤2.9，即全科醫(yī)生的期望薪酬為目前薪酬～30.74萬元，中間值為20.37萬元；護士的期望薪酬=A2×北京市人均GDP，0.858≤A2≤1.3，即護士的期望薪酬為目前薪酬～13.78萬元，中間值為11.44萬元。

表1 OECD國家醫(yī)務人員平均薪酬及與人均GDP比值Table 1 Ratio of average salary of doctors to per capita GDP in OECD countries

2 醫(yī)務人員彈性薪酬模型構建

收集國家及各省市關于家庭醫(yī)生服務制度、家庭醫(yī)生薪酬制度的政策文件。根據(jù)醫(yī)療服務提供方式的不同，將家庭醫(yī)生服務制度下醫(yī)務人員的彈性薪酬分為3個部分，分別為：醫(yī)保基金按人頭打包預付后的結余，糖尿病和高血壓等慢性病按病種打包服務費，傳統(tǒng)按項目付費的醫(yī)療收入。以Handbook of Health Economics中的醫(yī)生凈收益函數(shù)作為參考［7］，構建出醫(yī)務人員的彈性薪酬 模 型 為：V=〔n1P（x，e）+（Pd-c）x〕+〔n2Q（t，e）-ct〕+〔（R-f）s〕。

其中，V為醫(yī)務人員的總薪酬；〔n1P（x，e）+（Pd-c）x〕為按人頭支付總收益，n1為醫(yī)生服務的總人頭數(shù)，P為單個人頭支付費用，x為醫(yī)生的服務次數(shù)，e為醫(yī)生的主觀努力程度，Pd為每次服務患者自付部分，c為每次服務的邊際成本；〔n2Q（t，e）-ct〕為按病種包支付總收益，n2為醫(yī)生簽約服務包個數(shù)，Q為單個服務包醫(yī)生所得收入，t為醫(yī)生服務包內所含服務的服務次數(shù)，e為醫(yī)生的主觀努力程度，c為每次服務的邊際成本；〔（R-f）s〕為按項目支付總收益，R為醫(yī)療服務價格，f為每項服務的邊際成本，s為服務次數(shù)。

由上述醫(yī)務人員彈性薪酬模型可以看出，醫(yī)保支付方式、醫(yī)生行為、服務數(shù)量會影響其彈性薪酬。醫(yī)保支付方式由政策決定；當醫(yī)生的生產力（即醫(yī)生的主觀努力程度和服務量）達到最大，且服務對象病情較輕、醫(yī)療支出較少時，醫(yī)務人員的彈性薪酬達到最大。因此，在醫(yī)生的生產力一定的情況下，患者特征是醫(yī)生彈性薪酬的重要影響因素。

3 患者特征與醫(yī)療支出的關系

3.1 對象與方法

3.1.1 研究對象 于2016年10月，在海淀區(qū)青龍橋社區(qū)衛(wèi)生服務中心、薊門里社區(qū)衛(wèi)生服務中心、學院路社區(qū)衛(wèi)生服務中心、上莊社區(qū)衛(wèi)生服務中心、中央民族大學社區(qū)衛(wèi)生服務中心、北京交通大學社區(qū)衛(wèi)生服務中心6個家庭醫(yī)生服務制度試點機構選取納入試點的居民3 182例，其中2014—2016年在北京市社保系統(tǒng)中有記錄的患者898例。

3.1.2 資料收集與整理 首先通過問卷調查形式收集納入患者的基本信息，包括性別、年齡、患病種類、社區(qū)就診情況；其次根據(jù)患者基本信息通過醫(yī)院信息系統(tǒng)（HIS）和北京市社保系統(tǒng)，收集患者2014—2016年的醫(yī)療支出記錄。根據(jù)《海淀區(qū)社區(qū)家庭醫(yī)生服務包改革試點實施方案》（海衛(wèi)計發(fā)〔2016〕74號），海淀區(qū)主要推行非慢性病人群、糖尿病、高血壓、失能老年人共9個服務包。將北京市社保系統(tǒng)中有記錄的822例（余76例數(shù)據(jù)有缺失）患者的醫(yī)療支出數(shù)據(jù)按單純糖尿病患者（n=47）、單純高血壓患者（n=211）、糖尿病合并高血壓患者（n=195）、其他患者（n=369）進行分類。分別統(tǒng)計醫(yī)療支出情況（包括糖尿病/高血壓藥品社區(qū)支出、社區(qū)總支出、門診總支出、醫(yī)療總支出）。

采用Excel 2013軟件進行數(shù)據(jù)錄入，采用Excel 2013軟件、python 3.6軟件對數(shù)據(jù)進行描述性分析。利用機器學習中k-means聚類算法基于RFM模型對患者進行初步聚類分析。根據(jù)美國數(shù)據(jù)庫營銷研究所HUGHES［8］的研究，客戶數(shù)據(jù)庫中有3個要素可以構成客戶價值分析最好的指標，即：最近1次消費（recency，R）、消費頻率（frequency，F(xiàn)）、消費金額（monetary，M）。本研究將此模型應用于醫(yī)療數(shù)據(jù)處理中，設定R=患者最近1次就診間隔、F=患者就診頻率、M=患者總醫(yī)療支出，根據(jù)樣本間相似度將患者自動分類。

3.2 患者特征與醫(yī)療支出的關系

3.2.1 4類患者的年齡及醫(yī)療支出情況 單純糖尿病患者的中位年齡為61.0歲，中位醫(yī)療總支出為12 323.0元，醫(yī)療總支出的變異系數(shù)為1.32（19 316.8/25 509.7）；單純高血壓患者的中位年齡為65.0歲，中位醫(yī)療總支出為13 239.5元，醫(yī)療總支出的變異系數(shù)為1.05（18 810.0/19 805.6）；糖尿病合并高血壓患者的中位年齡為65.0歲，中位醫(yī)療總支出為19 588.0元，醫(yī)療總支出的變異系數(shù)為0.95（26 345.1/25 108.7）；其他人群的中位年齡為59.0歲，中位醫(yī)療總支出為6 049.0元，醫(yī)療總支出的變異系數(shù)為1.40（11 814.3/16 539.4）（見表2）。

3.2.2 年齡與患病率、醫(yī)療支出的關系 統(tǒng)計3 182例居民的糖尿病和高血壓患病情況及醫(yī)療總支出，繪制不同年齡居民的糖尿病和高血壓患病趨勢圖、不同年齡居民的人均醫(yī)療支出趨勢圖。發(fā)現(xiàn)：（1）40歲左右是居民患病率的拐點，40～60歲居民的患病率增長較快，＞60歲居民的患病率增速趨于平穩(wěn)（見圖1）。（2）隨著年齡的增長，居民的人均醫(yī)療支出大體上呈上升趨勢（見圖2）。

圖1 不同年齡居民的糖尿病、高血壓患病率Figure 1 Prevalence of diabetes and hypertension among residents of different ages

表2 4類患者的年齡及醫(yī)療支出情況〔M（QR）〕Table 2 Age and medical expenditure of 4 types of patients

圖2 不同年齡居民的人均醫(yī)療支出Figure 2 Per capita medical expenditure for residents of different ages

3.2.3 聚類分析結果 基于RFM模型，對在北京市社保系統(tǒng)中有記錄的898例患者進行聚類分析。可將患者分為4類（Ⅰ、Ⅱ、Ⅲ、Ⅳ類），4類患者聚類分析的3D展示結果見圖3。對每類居民從R、F、M 3個維度進行獨立統(tǒng)計分析，顯示：Ⅰ類患者的最近1次就診間隔為150～300 d，就診頻率為1～2次/年，醫(yī)療支出為100～300元；Ⅱ類患者的最近1次就診間隔為30～90 d，就診頻率為3～12次/年，醫(yī)療支出為500～1 500元；Ⅲ類患者的最近1次就診間隔為14～21 d，就診頻率為15～25次/年，醫(yī)療支出為4 000～10 000元；Ⅳ類患者的最近1次就診間隔為＜7 d，就診頻率為30～50次/年，醫(yī)療支出為15 000～20 000元（見圖4）。

圖3 基于RFM模型聚類結果的3D展示Figure 3 3D demonstration of clustering results of RFM model

圖4 4類患者的RFM模型Figure 4 RFM model of four types of patients

根據(jù)聚類分析結果，分別統(tǒng)計4類居民的人數(shù)/總人數(shù)、醫(yī)療支出/總醫(yī)療支出，顯示：Ⅰ類患者數(shù)占總人數(shù)的12.8%，醫(yī)療支出占總醫(yī)療支出的1.6%；Ⅱ類患者數(shù)占50.3%，醫(yī)療支出占17.6%；Ⅲ類患者數(shù)占27.0%，醫(yī)療支出占43.5%；Ⅳ類患者數(shù)占9.9%，醫(yī)療支出占37.3%。Ⅰ類患者和Ⅱ類患者雖占總人數(shù)的63.1%，但是醫(yī)療支出僅占總醫(yī)療支出的19.2%；Ⅲ類患者和Ⅳ類患者雖僅占總人數(shù)的36.9%，但醫(yī)療支出卻占總醫(yī)療支出的80.8%。表明，就診頻率大、病情重的少部分患者是醫(yī)療支出的大戶，是影響醫(yī)保控費和醫(yī)生薪酬的重點人群。

4 討論

4.1 建立醫(yī)生合理薪酬制度的影響因素 政府部門制定確定醫(yī)生薪酬的規(guī)則和程序時，往往要考慮多重且可能相互沖突的目標。由于公共資金和社會利益在醫(yī)療系統(tǒng)上的大量投入，所以不能簡單地供給和需求。從根本上說，政府正在尋求建立一種既能為公眾提供優(yōu)質醫(yī)療服務，又可避免過高成本或浪費的激勵機制。只有明確理解這一系統(tǒng)目標，才能確定合理的醫(yī)生薪酬制度。

第一，薪酬水平應該體現(xiàn)出醫(yī)生的社會地位。人們普遍認為，醫(yī)生的薪資水平應該是相對富裕人士，但根據(jù)國家統(tǒng)計局2015年城鎮(zhèn)非私營單位就業(yè)人員行業(yè)年平均工資顯示，全國城鎮(zhèn)非私營單位平均工資為62 029元，衛(wèi)生從業(yè)人員人均工資為71 624元，僅為平均工資的1.15倍［9］。而這個數(shù)字在美國是2.9倍，在英國是3.4倍［10］，說明我國衛(wèi)生從業(yè)人員的薪資較低。北京市的經(jīng)濟發(fā)展水平接近發(fā)達國家，但是全科醫(yī)生的年期望薪酬中間值為20.37萬，護士為11.44萬，遠高于其當前的平均薪酬，這也說明當前我國衛(wèi)生從業(yè)人員的薪酬不能體現(xiàn)其勞動價值。這個問題在一定程度上造成了目前醫(yī)療服務體系里過度醫(yī)療的存在。

第二，利用技術手段，對患者進行分級分類，給出每類用戶治療的標準路徑和費用建議，再鼓勵醫(yī)生進行權衡，降低整體醫(yī)療體系的成本。在美國，“按服務付費”的醫(yī)療系統(tǒng)導致了巨大的成本［11］。醫(yī)生薪酬主要由政府或保險公司支付，所以大多數(shù)患者沒有動力降低成本或價格。這種薪酬制度導致“供應商誘導的需求”，用于不必要的治療，這可能對醫(yī)生更有利，而不是患者。我國正在試圖擺脫這種“付費服務”制度的醫(yī)生補償，從按服務付費轉化為按人頭付費等多種組合支付方式，從后付費轉換為預付費。這個轉變從世界各國的經(jīng)驗來看，預付費可以有效地控制醫(yī)療費用支出，但同時必須為醫(yī)生創(chuàng)造獎勵措施，支付方和供給方形成契約式管理關系，才能避免不必要的費用。同樣，患者應該有一些動機來購買降價服務。進行這項工作的關鍵是根據(jù)患者的結果獎勵醫(yī)生甚至患者，而不是醫(yī)療程序的投入。

第三，高水平、透明化的激勵機制是薪酬改革的關鍵。我國醫(yī)生的總收入通常由與患者健康無關的激勵措施決定。醫(yī)生當前的薪資結構是基本工資+獎金。其中，基本工資按照醫(yī)生的工齡、職稱、學歷等確定，獎金由醫(yī)院和科室的經(jīng)濟效益決定。此外，醫(yī)生可以通過處方中的某些藥物來獲得報酬。這種“灰色報酬”增加了患者成本，滋生醫(yī)療腐敗。想要遏制這類問題，醫(yī)生薪酬必須透明且保證足夠高。因此，本研究基于健康經(jīng)濟學構建薪酬模型，以供方支付方式為方向，醫(yī)生生產力為主要決定因素，同時考慮患者特征，輔助醫(yī)療分類，利用公式明確醫(yī)生薪酬水平。醫(yī)生的激勵是醫(yī)改的核心問題，只有建立符合我國國情的彈性醫(yī)生薪酬體系，才能把新醫(yī)改進行到底，達到預定目標。

第四，鼓勵醫(yī)務人員增加對慢性病的重視。慢性病如糖尿病、心臟病是全球醫(yī)療體系成本增加的最大來源［12］。然而，醫(yī)療系統(tǒng)通常在處理傳染病或急癥，而不是由長期不良生活方式導致的慢性病。慢性病的管理是要走入生活的，而不是傳統(tǒng)的住院治療。因此，我國有機會建立一個社區(qū)團隊管理慢性病的模型，成為全球醫(yī)療界的標桿。家庭醫(yī)生團隊為慢性病患者提供必要有效的生活方式干預和幫助，而團隊的彈性薪酬不僅要考慮治療費用的有效利用，也基于患者可衡量的健康改善來確定，才能真正讓醫(yī)療花費達到長期有效節(jié)約，機構可持續(xù)發(fā)展。海淀區(qū)擬混合門診按人頭打包預付、慢性病按病種作為特色服務包選擇性簽約、按項目付費，通過支付方式引導醫(yī)生行為，推動醫(yī)保控費，提高醫(yī)生積極性，改善服務質量，吸引患者下沉到社區(qū)，實現(xiàn)分級診療，做實家庭醫(yī)生簽約服務，來帶動醫(yī)生的薪酬以良性循環(huán)的路徑提高。

4.2 完善的薪酬模型可助力家庭醫(yī)生服務制度落地大數(shù)據(jù)和人工智能在醫(yī)療行業(yè)中的應用是一項令人欣喜的嘗試，并且已經(jīng)在影像、某些疾病預測中取得了很好的應用效果。這些技術將會成為未來醫(yī)療衛(wèi)生領域的常規(guī)，發(fā)現(xiàn)宏觀和細微的趨勢和規(guī)律，有利于將宏觀政策轉變成微觀具體落實方案的必需［9］。在基層醫(yī)療中，也需要讓科技成為規(guī)劃醫(yī)療路徑、量化患者健康改善的工具。

第一，本研究利用大數(shù)據(jù)技術，研究患者年齡、病種對醫(yī)療支出的影響，結果顯示年齡越大，病種越多，醫(yī)療支出越多，這與周少甫等［13］的研究結果一致。通過數(shù)據(jù)分析糖尿病和高血壓患病率增長情況，得出40歲左右是發(fā)病率的增速拐點，建議將40歲作為慢性病常規(guī)篩查、預防教育的重點人群，從而降低長期醫(yī)療支出。本文還利用機器學習的方法，對患者進行聚類細分，雖然只刻畫了患者年齡和病種2個維度，但是如果數(shù)據(jù)量增加，便能從更多維度刻畫患者特征，建立一套符合基層醫(yī)療特點的按人頭付費、類似疾病診斷相關分類（DRGS）、符合慢性病患者日常管理的分類標準，這將對基層醫(yī)療路徑標準化、醫(yī)療控費等具有里程碑式的意義。

第二，患者的健康改善是醫(yī)療行為的目標，也應該是醫(yī)生考核方案的核心指標。實施按效果付費也有其弊端，如醫(yī)生可能會選擇病情輕的患者，為了避免這種情況，建議設計差異化病種服務包和定價，開發(fā)激勵薪酬模擬器以確定差異化績效考核內容、考核標準、考核權重等，最終確定醫(yī)生薪酬。

綜上所述，構建薪酬模型是大數(shù)據(jù)、人工智能助力基層醫(yī)療的突破口，這是從根本上平衡各方利益、達到各方目標的基礎。在后續(xù)的研究和實踐中，本研究組也將繼續(xù)完善薪酬模型，更好地服務于基層醫(yī)療。

作者貢獻：桂小海負責課題設計、數(shù)據(jù)分析指導、質量控制并對文章負責；王洪波、劉慧負責課題實施、資料收集、文章校審；楊玉峰負責資料整理、撰寫論文。

本文無利益沖突。