醫生誘導需求識別研究進展*

——劉桂林

對醫生誘導需求(Physician Induced Demand, PID)的研究，最早可以追溯至Roemer MI等[1]在統計研究中發現的“人均床位供給與人均住院日正相關”現象，引起學界廣泛關注則始于Arrow對醫療服務市場具有“信息不對稱”和“醫療結果不確定”特征的論斷[2]。醫生誘導需求概念則由Evans RG提出[3]。醫生誘導需求是指醫生為追求自身利益(包括經濟利益和非經濟利益)而誘導患者醫療服務消費偏離其認為的最優水平[4]。醫生自身利益既可能來自醫生個體層面，也可能來自醫療機構組織層面。由于醫生誘導需求導致其提供醫療服務偏離最優水平，即醫生存在損害患者利益的主觀故意，故本研究僅討論業已發生的醫生誘導需求行為的識別問題，不對醫生誘導需求行為的原因以及是否造成患者利益損害展開討論。

1 文獻來源與方法

首先，利用“Physician Induced Demand”“Supplier Induced Demand”“醫生誘導需求”“過度醫療”“供給誘導需求”等關鍵詞，在Web of Science、EBSCOhost、維普、萬方、知網等國內外學術數據庫檢索近50年來相關文獻。其次，聚焦醫生誘導需求識別方法，進一步篩選文獻。最后，在對文獻進行深度研讀和對比的基礎上，梳理和總結國內外學者關于醫生誘導需求識別問題的研究成果與不足，以期為解決醫生誘導需求識別問題提供思路。

2 國外研究進展

2.1 醫生利益變化與醫生誘導需求識別

2.1.1 區域差異分析法 早期關于醫生誘導需求的實證研究，多假設區域醫生密度增加會導致醫生病源減少、收入下降，醫生為維持效用最大化，通過誘導需求補償收入損失。具體方法為證明醫生密度與醫療服務量正相關。

Fuchs VR最早對不同地區外科醫生密度和外科手術率的關系進行研究[5]，結果發現，外科醫生密度每增加10%，該地區人均外科手術率增加3%。Cromwell J等利用微觀面板數據展開進一步研究[6]，結果發現，外科醫生密度與地區醫療費用和醫療服務利用率存在顯著正相關。Birch S和Grytten J等利用相似分析方法，發現牙醫密度與牙科診療量強烈正相關[7-8]。Delattre E等在對法國不同地區4 500名全科和專科醫生進行研究時發現，醫生密度增加，為應對門診量下降，會誘導患者消費更多醫療服務[9]。Peacock SJ等利用醫療數據對澳大利亞醫生密度與醫療服務量關系進行分析發現，醫生誘導需求存在證據[10]。

但也有一些研究并不支持醫生誘導需求存在。Escarce JJ研究外科醫生密度與患者醫療服務需求強度關系時發現，外科醫生密度增加提高了患者初始門診需求，但對患者醫療服務利用強度沒有影響[11]。Grytten J等對挪威按服務項目付費的全科醫生進行研究發現，盡管醫生密度增加導致醫生門診量下降，但他們并未提供過度醫療服務以維持收入[12]。

無論上述實證結果是否支持醫生誘導需求假設，其研究方法均受到了廣泛質疑[13-15]，主要表現如下：一是內生性問題。醫生密度與醫療服務正相關，既可能是醫生誘導了更多需求，也可能是更高需求吸引了較多醫生，說明醫生密度相對于醫療服務需求并非為獨立外生變量，引起了內生性問題，導致計量結果無法解釋。例如，Dranove J等[16]采用與Cromwell D等[6]的相似方法對誘導需求進行檢驗，竟得出婦產科醫生可以“誘導”嬰兒出生率的荒謬結論。二是無法區分醫生密度與醫療服務量正相關是由于醫生誘導需求引起，還是由于醫療服務價格下降(價格效應)和就醫便利性增加(可及性效應)引起。例如，Carlsen F等利用挪威基本醫療服務數據將醫生誘導需求和可及性效應進行區分，發現醫生密度與醫療服務量正相關是由于可及性效應而非醫生誘導需求所致[17]。

此后，尋找更為獨立的外生變量成為醫生誘導需求識別研究的方向。Gruber J等利用嬰兒出生率降低作為影響醫生收入的外生變量，研究1970年-1982年美國人口出生率與剖腹產率之間的關系，結果發現，出生率每降低10%，剖腹產率增加0.6%[15]。Kim B等對更多相關變量進行控制發現，出生率下降10%，剖腹產率僅增加0.048%，但與出生率相關的產前檢查服務量未增加[18]。上述研究將出生率作為影響婦產科醫生收入的代理變量，較好地克服了內生性問題，研究結果表明，即使存在誘導需求，問題也并不嚴重。然而，嬰兒出生費用只占婦產科醫生收入的約50%，在應對出生率下降時，婦產科醫生不僅可以增加剖腹產率，還可以通過增加婦科診療量來彌補損失[4]。由于存在替代效應的識別問題，根據上述研究結果并不能得出醫生誘導需求不存在或不嚴重的結論。

2.1.2 激勵差異對照分析法 隨著醫療支付方式改變，醫生提供相同的醫療服務，產生的激勵可能發生改變。通過對不同支付條件下醫生行為進行對照分析，可對醫生誘導需求進行更為有效地檢驗。

Yip WC比較胸外科手術費用縮減前后的手術率發現，當胸外科手術費用被控制在較低水平時，會顯著增加胸外科手術率[19]。Hadley J等對醫療保險費率變化進行對照研究發現，費用控制將顯著增加診療量和診療強度[20]。Shigeoka H等的研究也表明，由于支付制度改革導致新生兒重癥監護可以給醫院帶來更多收益，醫院會通過修改新生兒體重來延長重癥監護時間[21]。

同樣利用對照分析法，也有許多研究并不支持醫生誘導需求。Grytten J等根據挪威初級衛生保健數據，按獲取報酬方式不同，將醫生分為工資組和服務收費組，前者收入不受診療量影響，后者收入則依賴于診療量[12]。研究發現，在市場競爭增強的情況下，服務收費組和工資組在提供醫療服務方面沒有差別，均不存在誘導患者需求。Madden D等在按項目付費和總額預付費變革中，比較免費醫療者的全科醫生就診率，結果發現，付費制度變化沒有引起就診率改變[22]。

雖然采用對照分析方法驗證醫生誘導需求更為直接，但上述研究也存在不足：一是費用控制方法變革不僅對醫生產生影響，也對患者產生影響。Dijk CE等對荷蘭全科醫生支付制度改革前后數據進行對比分析發現，診療服務對患者和醫生激勵都發生了改變，部分患者會因費用支出減少主動增加醫療服務量，同樣，醫生也會因收益增加而為部分患者提供更多的醫療服務[23]。這使醫療服務產出變化是由患者需求釋放引起還是由醫生誘導需求引起變得難以識別。二是如果費用變化對醫生或患者的激勵不足以改變醫療服務用量，則無法依據醫療服務產出變化來判斷是否存在誘導需求[4]。

2.2 信息不對稱與醫生誘導需求識別

根據誘導需求假設，患者醫療信息水平越低，醫生越有可能誘導需求[24-26]。因此，分析醫生為不同信息水平患者提供醫療服務的差異，成為識別誘導需求的另一種方法。Hay J等最早用職業作為信息水平替代變量，認為醫生及其家屬擁有更高的信息水平，結果顯示，信息水平與醫療服務量呈正相關[27]。Kenkel D等以患者對疾病癥狀了解情況作為衡量信息水平的替代變量，同樣發現信息水平與醫療服務量正相關[28]。雖然上述兩個實證研究均否定了醫生誘導需求，但也受到了質疑。有研究認為，在Hay J的研究中，相對于信息水平優勢，醫生對健康的態度和在醫療服務中可能獲得的優待對醫療服務利用影響更大[29]。Kenkel D的研究中，對減少誘導需求真正起決定作用的是患者是否擁有能夠評估醫療服務價值的信息，而患者獲得疾病的信息只會增加其就醫可能性[30-31]。許多學者還對“醫生擁有信息優勢”這一假設提出了質疑，他們認為在信息時代，信息獲取變得容易且成本低廉，患者在特定領域可能具有信息優勢，而且可以通過選擇性的信息表達誘導醫生診療決策[32-34]。

Currie J等通過田野實驗法，由實驗人員模擬感冒患者，向醫生展示中性和否定性的用藥信息，并考察醫生的處方行為。結果發現，醫生會對展示否定性用藥信息的患者減少抗生素用量[35]。雖然該研究較好地解決了信息度量問題，但由于缺乏對醫生誘導需求的判別基準，不同組別之間的對照分析只能說明患者展示信息不同對醫生處方行為產生顯著影響，卻無法判定是否存在醫生誘導需求。

2.3 醫生偏好及其他與醫生誘導需求識別

醫生因教育背景、知識水平、職業經歷、執業環境等不同，對各項診療服務的價值判斷存在差異，導致不同醫生對同種疾病給出的診療方案也會存在較大偏差[36]。醫生為患者提供高于診療標準的治療，可能與其醫療服務生產率相契合[37]。Cutler D等通過抽樣法分別調查了醫生和患者的診療偏好，并利用醫療服務統計數據，分析醫生和患者偏好對醫療服務產出的影響[38]，結果發現，醫療服務產出差異主要由醫生診療偏好差異引起，而非誘導需求或患者偏好，而且醫生進行誘導需求主要迫于組織壓力而非單純出于自身利益考慮。上述研究表明，醫生診療偏好是誘導需求實證研究中必須考慮的問題，否則計量結果可能會夸大誘導需求。

在醫生誘導需求實證研究中，國外學者還在數據、相關變量控制和計量方法等方面進行了探索。在數據方面，最初多采用統計數據進行區域間差異比較，隨后逐漸采用微觀個體數據，近期則多采用問卷調查、田野實驗等方法主動獲取數據。在影響變量控制方面，多對醫生個人特征、患者個人特征等相關變量進行控制。在計量分析方面，根據數據和變量特征，多采用最小二乘估計法(OLS)、二階段二乘估計法(TSLS)和廣義矩估計法(GMM)等進行計量分析。

3 國內研究進展

國內對醫生誘導需求的識別研究尚處于起步階段，多從醫生利益變化角度來識別醫生誘導需求，未形成完備的研究體系。例如，毛正中等根據2003年全國衛生服務調查數據，在控制價格、人口結構等因素后，發現衛生資源與醫療服務產出存在正相關[39]。王凡、蘇長春、李曉陽等根據衛生統計數據，采用小區域差異分析法，發現區域醫療資源與醫療服務產出之間存在正相關[40-42]。楊曉勝等[43]利用2002年-2012年衛生統計數據，根據Gruber J等[15]提出的模型展開研究，發現不存在醫生誘導需求。周良榮從支付方式差異角度，利用統計數據分析，發現存在誘導需求[44]。上述實證研究多利用我國的統計數據，借鑒國外模型和方法展開研究，鮮有對“識別”問題的正面回應。與Currie J等[35]相似，林莞娟[45]采用田野實驗方法對醫生處方行為進行研究發現，消除經濟激勵、展示用藥負面信息等，可以減少醫生抗生素用量，但與Currie J等[35]存在同樣的問題。通過測算和國內外對比，提示“醫生誘導需求”問題在我國可能較嚴重[46-47]，尤其是在東部發達地區[48]。

4 討論

4.1 醫生誘導需求識別研究存在不足

雖然有關醫生誘導需求的理論和實證研究成果較為豐富，但因難以采集到合適的經驗數據，醫生誘導需求未能在嚴格的實證研究中得到有效的識別[49]。這些研究主要存在以下不足：

一是未能構建合理的“識別基準”。醫生誘導需求的實質是醫生為追求自身利益而誘導患者醫療服務消費偏離其認為的最優水平[4]。當醫生為患者提供的診療方案是其認為的“最優”時(以下簡稱“最優診療方案”)，就不存在誘導需求。當前研究未能對“最優診療方案”構建“識別基準”，是導致醫生誘導需求不能被有效識別的重要原因。

二是未解決“關鍵影響因素識別”問題。醫生誘導需求是各種內外因素共同作用的結果，這些因素往往具有多因素聯動特征。自然生成的經驗數據反映的是綜合結果，僅利用計量方法的技術性處理，難以對影響誘導需求的各因素進行有效區分。

以上不足說明，尋找新方法以獲取能夠對各影響因素進行獨立評估的數據，是醫生誘導需求識別研究中需要解決的主要問題。

4.2 研究啟示

要實現對我國醫生誘導需求的有效識別，不能僅套用國際常用方法，必須有創新性解決方案。創新性的醫生誘導需求識別方案最少應該能夠解決“識別基準”和“關鍵影響因素識別”問題。

一是消除醫生自利動機后建立醫生誘導需求“識別基準”。醫生自利行為的根源在于其作為患者醫療服務消費的代理人，與患者利益不完全一致。因此，弱化醫生作為患者醫療服務消費代理角色，可以有效消除其自利行為。消除自利動機后，醫生最有可能為患者提供其認為的“最優診療方案”，該診療方案可以作為誘導需求的“識別基準”。具體而言，可以在真實環境下，邀請醫生為標準化患者提供“最優診療方案”，該方案可以有效消除醫生自利因素影響。

二是利用田野實驗法收集獨立性更強的數據。田野實驗是在真實社會環境中將受試對象分成實驗組和對照組，給實驗組外生干涉或沖擊，觀測兩組對象的行為差異，以消除多個變量間的相互干擾，從而達到識別因果關系和潛在作用機制的目的[50]。利用田野實驗法可以將醫生誘導需求的關鍵影響因素進行獨立考察，從而實現有效識別。

4.3 本研究的不足

一是文獻充分性不足。本研究用中文和英文兩種語言形式在國內外學術數據庫進行檢索，總計獲得300多份文獻材料(包括專著和期刊)。但由于國內外數據庫種類繁多，語言形式極其豐富，受能力和資源限制，除中文和英文兩種語言文獻外，本研究未能覆蓋其他語種文獻研究，即使是中英文文獻也未能實現全覆蓋。因此，本研究對文獻掌握難免存在疏漏。

二是未能完全按照學術史方式對醫生誘導需求問題進行總結。采用學術史方式對某一學術問題進行全面總結，可以全景展現學術問題，從而更好地為后續研究提供指引。本研究對醫生誘導需求識別問題的分析，雖大體遵循了學術史敘事方式，但仍有一定提升空間。