宋佳明,王欣媛,黃曉光,2
1.南京醫科大學醫政學院,2.健康江蘇研究院,江蘇 南京 211166
在我國醫療衛生服務體系中,公立醫院無論是醫療衛生服務能力、衛生資源總量,還是經濟運營,都占據著主導地位[1]。2020年頒布的《基本醫療衛生與保健法》明確規定,要建立以非營利性醫療機構為主體,營利性醫療機構為補充的醫療衛生服務體系。特別是在新冠肺炎疫情中,公立醫院作為疫情防控與患者救治的主戰場,對于抗疫的勝利發揮了中流砥柱的作用,有效地保障了我國人民的生命健康。作為主要的衛生服務提供者,公立醫院運行效率體現了衛生資源利用情況,決定了衛生健康事業能否實現高質量的發展。本文通過對A省新醫改形勢下全省公立醫院的分析,從地區、醫院等級、機構類型、隸屬關系、醫院規模和年份六個層面分析公立醫院運行效率,并為公立醫院發展提供可行的建議。
資料來自A 省衛生健康委員會信息處提供的2015—2019年全省衛生統計報表年報1-1 表,根據衛生與健康統計年鑒對公立醫院的界定和劃分,剔除報表中療養院、婦幼保健院和專科疾病防治院的數據,護理院也未納入研究。同時,為了數據包絡法(data envelopment analysis,DEA)計算的有效性,剔除投入產出信息不完整的醫院數據。
DEA 是一種對具有多種投入多種產出的相似單元的相對效率進行評價的非參數方法,它的基本思想是通過構建由投入最小、產出最大為目標的最優解構成的生產前沿面,并通過測算各決策單元(decision making units,DMU)與生產前沿面的距離來確定其相對效率[2]。DEA 方法可以測算DMU 的技術效率(technical efficiency,TE)和純技術效率(pure technical efficiency,PTE),并通過二者的比值求得規模效率(scale efficiency,SE),即SE=TE/PTE。DEA方法根據測算效率的出發點不同,分為投入導向和產出導向兩種模型[3],兩者的區別是控制投入和產出哪個在不減少的情況下,實現相對有效。本研究運用兩種模型,基于投入視角,計算各醫院的綜合技術效率、純技術效率和規模效率。
由于不同年份的效率值不具有可比性,不能簡單地以每年的效率結果進行時序對比分析。故傳統模型包括三階段DEA 只能反映決策單元的靜態效率情況,無法反映不同時期效率值的變化情況。Malmquist指數可以通過效率變化和技術變化揭示生產率變化[4]。全要素生產率(total factor productivity change,TFPC)=效率變化指數×技術變化指數,效率變化指數=規模效率變化×純技術效率。TFPC>1,表示成本較之前降低,產出較之前增加,效率在提高;TFPC<1,表示成本較之前增加,產出較之前降低,效率在下降。
Tobit 模型也稱為樣本選擇模型或受限因變數模型,由于因變量取值在0~1,且大部分數值是連續分布,存在小部分數據在某個值上相當集中,稱之為截尾回歸現象。本研究以DMU 的3 個效率(TE、PTE 和SE)為因變量,將醫院屬性類別和投入產出指標納入回歸模型進行分析。
使用Excel 2010 建立數據庫,進行數據的整理與描述;運用DEAP 2.1軟件分析不同類別公立醫院的綜合效率、純技術效率和規模效率,Malmquist模型分析不同年份間公立醫院運行效率變化情況;采用SPSS 25.0進行Kruskal-WallisH檢驗,比較不同類別公立醫院效率差異,使用卡方檢驗比較不同類別公立醫院規模報酬變化差異;采用STATA 14.0進行Tobit回歸,分析公立醫院效率影響因素。
在文獻閱讀[5-6]的基礎上,結合專家咨詢和現有資料實際情況,同時考慮到DEA 模型對DMU 數量和投入產出指標間的關系提出了要求[7],即DMU 數至少為投入產出指標數之和的3 倍。因此,本文選取床位數、職工數和固定資產為投入指標,出院人數、總診療人次數和醫療收入為產出指標。
2015—2019年,A省公立醫院出院人數、總診療人次數和醫療收入3 個產出指標隨著年份穩步增長,床位數和職工數2 個投入指標在2016—2017年略有下降,期間A省公立醫院數量減少較多,但固定資產隨著年份逐年增長(表1)。

表1 2015—2019年A省公立醫院投入產出情況
1.不同地區公立醫院運行效率分析
按照地理位置和行政區劃,將A 省分為A、B、C三個地區,通常認為該省經濟發展水平由高到低依次為A、B、C。DEA 分析結果顯示,經濟發展水平中等的B 地區綜合效率、純技術效率和規模效率均高于其他地區,經濟發展水平較差的地區公立醫院運行效率相對較低。Kruskal-WallisH檢驗分析結果顯示,不同地區間綜合效率、純技術效率和規模效率無統計學差異。從規模報酬變化來看,C 地區規模報酬比例遞增的醫院占比較高,B 地區規模報酬遞減的醫院占比較高??ǚ綑z驗結果顯示,不同地區間醫院規模報酬變動無統計學差異(表2)。

表2 2019年A省不同地區公立醫院運行效率情況
2.不同等級間公立醫院運行效率分析
按照醫院等級,由高到低依次分為三級、二級、一級和未定級,將一級和未定級醫院一并統計分析。三級醫院綜合效率、純技術效率和規模效率高于其他級別的醫院。Kruskal-WallisH檢驗分析結果顯示,不同等級間公立醫院運行效率存在統計學差異。從規模報酬變化情況來看,一級及未定級醫院規模報酬遞增比例較高,三級醫院近八成規模報酬遞減。卡方檢驗結果顯示,不同等級間醫院規模報酬變動存在統計學差異(表3)。

表3 2019年A省不同等級公立醫院運行效率情況
3.不同機構類型間公立醫院運行效率分析
按照醫院分類代碼,將醫院分為綜合類醫院、中醫院和??漆t院三大類,其中中醫院包括中西醫結合醫院。中醫院綜合效率、純技術效率和規模效率均高于綜合醫院和??漆t院。Kruskal-WallisH檢驗結果顯示,不同機構類型間公立醫院運行效率存在統計學差異。從規模報酬變化情況來看,中醫院規模報酬遞減比例較高,專科醫院超過六成規模報酬遞增??ǚ綑z驗結果顯示,不同機構類型醫院規模報酬變動存在統計學差異(表4)。

表4 2019年A省不同機構類型公立醫院運行效率情況
4.不同隸屬關系間公立醫院運行效率分析
根據機構隸屬關系代碼,將其分為省部屬、市屬和縣屬(包括縣級市和省轄市區屬)三個類別進行分析。三者綜合效率基本相等,省部屬公立醫院純技術效率略高于其他醫院,市屬公立醫院規模效率高于其他醫院。Kruskal-WallisH檢驗分析結果顯示,不同隸屬關系間綜合效率和純技術效率沒有統計學差異,而規模效率存在統計學差異。從規模報酬變化來看,縣屬公立醫院規模報酬比例遞增的醫院占比較高,市屬公立醫院規模報酬遞減的醫院占比較高。卡方檢驗結果顯示,不同隸屬關系間醫院規模報酬變動沒有統計學差異(表5)。

表5 2019年A省不同隸屬關系公立醫院運行效率情況
5.不同規模公立醫院運行效率分析
按照醫院實有床位數確定醫院規模,規定500張床位以內為小規模,500~800 張床位為中等規模,大于800張床位為大規模。大規模公立醫院綜合效率和純技術效率高于其他規模公立醫院,中等規模醫院規模效率最高。Kruskal-WallisH檢驗結果顯示,不同規模公立醫院運行效率存在著統計學差異。從規模報酬變化情況來看,規模越大的公立醫院,其規模報酬遞減比例也隨之變高??ǚ綑z驗結果顯示,不同規模醫院規模報酬變動存在統計學差異(表6)。

表6 2019年A省不同規模公立醫院運行效率情況
6.醫院運行效率的影響因素分析
對3 個效率進行Tobit 回歸,可以看出,級別、隸屬關系、床位數、固定資產、總診療人次、出院人次對綜合效率有顯著影響,其中,床位數和固定資產存在負影響效應;職工數、床位數、固定資產、總診療人次、出院人數對純技術效率有顯著影響,其中,職工數、床位數和固定資產存在負影響效應;級別、隸屬關系對規模效率有顯著影響,均為正影響效應(表7)。

表7 2019年A省公立醫院效率影響因素的Tobit回歸
由于Malmquist模型分析需要不同年份間的DMU相同,本文選擇5年間都存在完整信息的醫院,共計267 家。DEA-Malmquist 模型結果顯示,2015—2019年,A省公立醫院全要素生產率變化指數的均值為1.023,年均上升2.3%,除2017—2018年下降外,其他年份間均表現為上升。分解來看,技術進步指數年均增幅基本保持均衡,2015—2016年和2017—2018年為下降,其余年份間為上升;技術效率變化指數年均上升2.4%,除2018—2019年為下降,其余年份間為上升;純技術效率變化指數年均漲幅2.3%,不同年份間均為上升,其中2016—2017年上升幅度最大,為6.1%;規模效率變化指數年均漲幅同技術效率變化指數保持一致,2015—2016年和2018—2019年為下降,其余年份間為上升。綜合來看,技術效率變化指數的上升是導致全要素生產率指數上升的根本原因(表8)。

表8 2015—2019年A省公立醫院運行效率的Malmquist分析
效率評價是醫療衛生服務體系研究的重要內容,公立醫院效率評價是衛生服務體系評價的重要內容,醫院效率評價研究一直以來都是學界關注的熱點話題。關于效率評價方法的應用也層出不窮,常見的如比率分析法、計量經濟學回歸分析法、秩和比法、TOPSIS 法、綜合指數法、數據包絡分析法、隨機前沿面成本產出法等,也有學者使用多種方法的組合進行分析研究。而數據包絡法能科學準確地分析公立醫院運行效率狀況,因此本文選擇此模型進行分析。研究發現,A 省公立醫院整體運行效率仍偏低,衛生資源利用效率不高。
研究發現,醫院等級越高,其運行效率也隨之增加。李湘君等[8]對江蘇省2010年261家不同等級的公立醫院技術效率進行研究,發現醫院等級與技術效率呈現正向關聯;杜晶琳等[9]對2014年江蘇省72 家不同級別的公立醫院進行效率分析也發現,醫院等級與效率存在正相關,這些都與本文的研究結果相同。但需要注意的是,不同等級的醫院功能定位也存在區別,三級醫院承擔著更多危急重癥和疑難雜癥的診治任務,若考慮此因素的影響,三級醫院的運行效率會高于研究的實際結果。自十九大提出“高質量發展”以來,各行各業對標找差,高質量發展成為了新的主題。同樣地,公立醫院高質量發展也不得不考慮醫院是否要“升級”。本研究認為,應支持鼓勵有條件的公立醫院“提檔升級”,支持有條件的縣人民醫院(含中醫醫院)升級為三級醫院,扶持區域內專科醫院升級為三級專科醫院,但要注意等級高的醫院規模報酬遞減比例也會隨之增加。
周卓越[10]對福建省2016年164 家公立醫院的運行效率按照不同隸屬關系進行單因素分析,發現省級公立醫院運行效率高于縣級,縣級高于市級。本研究對A省2019年376家公立醫院進行單因素分析,僅發現不同隸屬關系公立醫院的規模效率存在差異,但多因素分析發現,隸屬關系與公立醫院綜合效率和規模效率呈現正向關聯,即省級公立醫院效率高于市級,市級高于縣級。A 省近年來積極響應國家號召,于2013年開始試點縣級公立醫院改革,2014年在全省全面推開縣級公立醫院綜合改革,2015年全省城市公立醫院綜合改革全面覆蓋。研究結果也證實,隨著該省公立醫院改革的不斷推進,不同隸屬關系的醫院發揮了各自的功能定位,符合不同層級醫院的規律。在后續公立醫院改革中,應繼續分類制定政策。省級醫院以創建國家醫學中心和區域醫療中心為目標,要在醫療技術、臨床教學、人才培養、科研培訓等方面形成國內或區域內競爭新優勢,成為掌握核心競爭力、具有學術話語權、引領醫學發展先進方向的龍頭醫院。市級醫院主要承擔市域內危重癥、疑難病臨床診治及醫學教學、科研功能,住院醫生規范化培訓職能,重點提升腫瘤、心腦血管、創傷、精神、婦產、老年等??品漳芰Α?h級醫院主要承擔縣域常見病多發病臨床診治、急診急救和危重癥轉診功能,負責基層衛生人才培養任務、適宜技術的推廣應用和相應公共衛生服務、突發事件緊急醫療救援等工作,是政府向縣域內居民提供基本醫療衛生服務的重要載體。
公立醫院規模越大,規模報酬遞減比例也隨之升高。這是由于隨著醫院規模的持續擴張,規模經濟效應將逐步減退,醫院不可避免地會面臨管理效能稀釋、服務質量下降等一系列的困境[11]。這時候更應強調的是醫院在規模擴張的同時,要避免粗放型的發展模式,注重醫療質量、優化空間布局、推進科技創新等。目前,國家在推行區域醫療中心建設的過程中,要注重區域醫療中心的內涵建設,充分發揮區域醫療中心的引領作用。對于規模較大的醫院,應嚴格控制其單體規模,提倡醫院通過建設分院區,開展對口合作幫扶等方式推動優質醫療資源輻射與擴容。
通過Malmquist 模型分析發現,2015—2019年,A 省公立醫院全要素生產率指數總體呈上升趨勢,年均上升2.3%,低于我國中醫院。技術效率變化指數是引起A 省公立醫院效率提升的主要原因,純技術效率變化指數又是技術效率變化指數變動的主要原因,這表示過去五年,A省公立醫院運行效率的提高是管理水平提高帶來的。但是,技術進步指數降低導致了個別年份間運行效率的低下,2017—2018年,該省公立醫院技術進步指數下降了20.3%。在未來公立醫院改革中,一方面,鼓勵各醫院間通過組建醫聯體,促進不同區域、城鄉間均衡發展,以醫院優勢專(學)科和優勢病種為突破口,開展先進的醫療技術,加快引進高層次的衛生人員,推動醫院醫、教、研齊頭并進[12];另一方面,在當前“國考”背景下,公立醫院內部績效管理應建立以問題和目標為導向的醫院運營管理體系[13],借助信息化手段提高醫院運行效率,推動醫院管理邁向規范化、精細化與科學化。
本文以A 省全部公立醫院為研究對象,使用DEA、Malmquist 模型和Tobit 回歸,從醫院屬性類別,包括地區、等級、機構類型、隸屬關系和規模五個方面,分析不同屬性類別對醫院運行效率的影響情況,以及過去五年的效率變動情況。研究發現,等級與公立醫院效率存在正向關聯,應推動其“提檔升級”;不同隸屬關系的公立醫院效率存在差異,應分類制定政策;規模大小與公立醫院效率呈負向關聯,應控制單體醫院規模;通過提升醫院技術水平,提升管理能力的方式推動醫院效率的提升。本研究可為衛生行政部門從宏觀層面分析全省公立醫院運行效率發展提供實證依據,對于今后公立醫院整體發展提供思路,本文也期望研究發現能夠推動公立醫院有針對性的提高運行效率,實現高質量發展,不斷滿足人民群眾的醫療衛生需求。