■ 趙康普 馬 爽
經過多年的建設和發展,我國醫療衛生服務水平已經得到顯著提高,基層衛生事業的發展已然取得顯著成就,但就全國各地區基層衛生事業的發展狀況而言,仍然客觀存在著發展不均衡現象。因此,本研究運用DEA方法分析2019年全國各地區基層衛生資源的利用狀況,以基層衛生機構數量、人員情況及床位數作為投入指標,以基層年診療人次及年入院人數作為產出指標,通過對參與該模型的全國31省市中的基層衛生資源利用情況進行分析,為優化衛生資源配置提供政策參考。
資料數據均來源于《中國衛生健康統計年鑒2020》,參考以往研究,選取基層人員數、機構數量、床位數量作為DEA投入指標;選取產出指標為基層年診療人次及年入院人次數。本研究從國家統計局官方網站搜集數據,保證數據的真實性與可靠性,在此基礎上運用DEA分析方法評估31省市自治區基層衛生資源配置的效率情況。
DEA分析法又稱數據包絡分析,主要運用于評價同一類型DMU的相對有效性,其所測得效率值分布在0~1,當松弛、剩余變量為0及效率值為1時,該決策單元達到技術與規模有效,即DEA有效;反之則為弱有效或無效[1],此方法具有操作規范、易于實行以及可以合理消除各變量間相關影響等優點,因而在此類問題的數據分析中被廣泛應用,是衛生經濟學常用的方法之一[2]。本研究所使用的主要包括CRS與VRS兩種模型[3],在確定投入產出指標后,利用WPS建立數據庫,將VRS與CRS兩種模型帶入DEAP 2.1中對數據進行應用分析,得到各地區基層衛生機構資源配置效率的分析結果。
基于DEA分析方法選取評價指標時應遵循一定原則,要求投入指標數M與產出指標數N以及決策單元數K之間應滿足:2(M+N)≤K[4]。以基層衛生人員數X1、醫療機構數X2、床位數X3作為投入指標。以年診療人次數Y1、年入院人數Y2作為產出指標。將2019年全國31省市自治區設為DEA模型中的31個決策單元(DMU)Ui(i=1,2,3,...,31),其中Xi與Yi分別表示2019年i省市自治區基層醫療機構衛生資源的投入與產出指標,具體數據分析詳見表1。

表1 2019年全國各地區基層醫療機構衛生資源投入、產出情況
利用DEAP 2.1軟件將投入指標X1、X2、X3,產出指標Y1、Y2分別帶入VRS與CRS兩種應用模型中,結果見表2。由結果可知,31個決策單元中僅有7個地區達到了DEA有效,其衛生投入要素配置合理,同時衛生資源的產出相對于投入已達到最大;技術與規模并非同時達到有效的有天津、湖北、湖南、廣東、四川、西藏、青海、寧夏,為DEA弱有效,其衛生資源投入量較大,產出相較于投入則并沒有達到最優;河北、山西、內蒙古等16個地區在技術與綜合效率均未達到有效,這些地區的基層衛生資源配置效率相對較低。

表2 2019年各省市自治區基層衛生資源配置效率分析
S+、S表示產出與投入指標的松弛變量,前者表明產出不足的程度,后者則代表投入冗余的程度,其為0時即表示該單元的投入要素合理,產出相對投入達到最大值,實現了DEA有效[5]。表3中有16個地區均為非DEA有效,在其投入指標中,投入的醫療機構及配置的床位未被合理利用;產出指標中,年診療人次及入院人數未達到最優(表4),這些地區可以參照VRS模型中相對有效地區的實際情況,從技術效率方面進行改善從而得到進一步改善提高[6]。

表3 非DEA有效地區基層衛生資源配置效率的松弛變量、理想值

表4 各地區非DEA有效地區2019年基層醫療機構投入指標原始值、理想值
通過DEA相關模型對全國各地區基層衛生資源配置效率進行分析,結果顯示僅有7個地區基層衛生資源配置綜合技術有效,有8個地區僅達到技術有效,有16個地區基層衛生資源配置無效,非DEA有效省份占全部參與決策模型的半數以上,可以認為各地區基層衛生資源配置效率普遍偏低,客觀存在著衛生資源配置不均衡的問題。由表1可知各地區投入指標數量中也存在較大差異,由《中國統計年鑒2020》數據顯示,該模型中31個省市自治區的人均地區生產總值從大到小排列次序,與本模型的分析結果中各地區的基層衛生資源配置效率所呈現出的高低情況基本吻合。
基于此,各地區政府應根據人口、經濟發展條件、地理等實際情況適時制定政策優化各省份基層的衛生資源配置,改善目前資源配置現狀。同時應保障基層醫療機構擁有更完備、更全面的配套設施,宣傳基層醫療機構的重要性與必要性,使居民形成“基層首診”的意識與觀念[7],使基層醫療機構的衛生資源得到妥善利用。
在本研究中,16個未達到DEA有效的地區存在不同程度的投入過剩與產出不足問題,投入過多意味著更多的成本投入,產出不足則將直接導致基層衛生服務質量的下降。受限于自身的醫療服務能力水平,更多的患者并不能滿足于基層機構提供的醫療服務,進而導致部分地區出現醫療資源過剩及產出不足的問題。要解決此類問題,除了提供必要的硬件技術支持,在合理限度內配置醫療資源外,更應該重視基層醫療資源的合理配置,重視基層醫療醫師的服務能力、服務態度與服務意識[8]。因此,基層醫療機構應重視技術水平的提高,根據各省市自治區基層的不同情況和實際需求,制定規范合理的基層醫療衛生機構的設備配置標準,通過自身硬實力的提高來吸引患者就診,并保證服務技術水平;基層醫療機構應重視對高層次人才的引進,切實解決基層醫療機構中存在的護理人員相關資源配備不到位、衛生資源配置相對不公平的問題[9];同時考慮到基層衛生機構無論是薪酬還是工作環境都和城市有不小的差距[10],應提高相關福利待遇使其愿意奉獻基層扎根基層服務基層,建立長期、科學、系統的基層人才培養方案,避免人才流失[11]。通過加強基層醫療機構高層次人才隊伍建設,深入挖掘醫療人員的潛力,造就一批高素質、高水平的基層醫療衛生技術人才。
在非DEA有效的地區中,河北、安徽等9個省份均為規模報酬遞減狀態,其產出效率較低,衛生資源配置普遍存在問題,并未達到最佳的規模狀態[12]。針對非DEA有效的各省市自治區,基層醫療機構應重視加強自身的服務水平與服務質量,適時結合民眾需求與自身所處地區實際情況,優化基層管理模式、提高自身管理能力。基層醫療衛生機構處于規模報酬遞減的省份,例如河北、安徽、山東等應合理控制規模,避免因資源的過多投入而導致資源浪費與閑置,使規模報酬持續出現遞減狀態[13];處于規模報酬遞增的省份,例如天津、山西、內蒙古等也應關注相關衛生服務需求不足以及未充分利用衛生資源的問題。在管理水平上,各地區應規劃醫療衛生服務的層級結構,避免醫療衛生資源過度集中于高端醫療機構[14],優化基層醫療機構管理水平,依據各基層實際情況評價相關資源配置效率,確保基層衛生資源的合理配置[15]。
DEA相關研究方法的應用越來越廣泛,但仍應對其方法使用的合理性與局限性給予客觀評價。受限于自身特點,DEA分析方法只能反映相關決策單元的相對狀況,當決策單元發生變化時其相關效率分析數值隨之改變[16],這意味著決策單元效率的絕對情況并不能被效率數值所反映?;鶎俞t療機構主要采用門診治療的方式,但本研究也同時納入了住院投入與產出指標,旨在嘗試進行綜合性考察,具有一定局限性。因此,在采納DEA模型給出的效率分析數值時,應同時將其本身存在的局限性考慮在內。