“一帶一路”沿線省份的醫療資源配置效率研究

田向陽，劉亞清

(華中科技大學同濟醫學院醫藥衛生管理學院，湖北 武漢 430000)

醫療資源配置是醫改工作的一項重要議題，提高“一帶一路”沿線省份的醫療資源配置公平性和效率，有助于促進“一帶一路”經濟帶的高質量發展。本文基于集聚度理論和DEA靜態模型、Malmquist模型，對2015-2019年“一帶一路”沿線省份的醫療資源配置狀況進行研究，旨在為我國“一帶一路”的建設發展及新一輪“十四五”醫改工作提供參考依據。

1 資料與方法

1.1 資料來源

本研究選取的時間段為2015-2019年，截面單元選擇“一帶一路”沿線省級行政區域(以下簡稱“沿線省份”)作為研究對象，沿線省份可圈定為18個重點省(市、自治區)[1]，具體如圖1所示。研究數據來源于2015-2019年《中國衛生健康統計年鑒》和2020年《中國統計年鑒》等。

圖1 “一帶一路”沿線省份

1.2 研究方法與評價標準

1.2.1 資源集聚度

衛生資源集聚度(Health Resources Agglomeration Degree，HRAD)的計算公式為：

人口集聚度(Population Agglomeration Degree，PAD)的計算公式為：

評價標準：HRAD=1，表示資源按地理面積配置處于絕對公平；HRAD>1，表示衛生資源按地理面積配置公平性較高。HRAD/PAD=1，表明資源按人口規模配置處于絕對公平；HRAD/PAD>1時，表明資源相對于人口規模過剩，反之短缺[2]。

在此根據潘琳敏[3]選取的指標進行研究，即：床位數、衛生專業技術人員數、執業(助理)醫師數和注冊護士數等。

1.2.2 數據包絡分析

DEA模型的靜態分析：在數據包絡分析方法(Data Envelopment Analysis，DEA)中VRS-BCC模型是假設規模報酬可變來衡量分析同期決策單元(Decision Making Unit，DMU)的資源配置效率靜態狀況[4]。

評價標準：效率值>1，有效；效率值<1，無效。

Malmquist指數能直觀反映醫療資源配置的變化趨勢和變動原因，在此采用DEAP 2.1對2015-2019年沿線省份的醫療資源配置的全要素生產率指數的動態變化及其分解值進行考察。

評價標準：Malmquist指數可分解為技術效率變化(Technical Eficiency Change，EC)與技術進步(Technological Change，TC)。EC>1，效率改善，反之為管理失當使效率下降；TC>1，技術進步或創新，反之為技術退步或滯后。技術效率變化可進一步分解為純技術效率變化(Pure Technical Efficiency Change，PEC)與規模效率變化(Scale Efficiency Change，SEC)[5]。純技術效率反映資源管理體制、管理技術、管理水平對生產效率的影響，規模效率反映人力、物力等資源投入規模是否最優[6，7]。

參考國內外有關DEA方法的文獻，并考慮指標的投入產出歸一性，本文參考韓雪梅[8]的指標，即投入指標：床位數、衛生專業技術人員數；產出指標：診療量、入院患者。

1.3 統計分析方法

運用Excel 2010進行數據錄入整理和公式計算，運用DEAP 2.1軟件進行醫療資源的數據包絡分析[9]。

2 結果

2.1 醫療資源配置集聚度分析

2.1.1 按地理面積配置的醫療資源集聚度

由表1可知，“一帶一路”沿線省份的4項指標集聚度均小于 1，其醫療資源按地理面積配置公平性偏低。區域中西北、西南地區的4項指標集聚度均小于 1，配置公平性較差；東北地區除床位數HRAD大于1以外，其余3項指標HRAD均略低于1，配置公平性均略差；東南地區的4項指標集聚度遠大于 1，按地理面積配置資源過于集中。具體省份中，甘肅、內蒙古、新疆、青海、西藏的4項指標集聚度在各省份中依次位列后五，HRAD遠小于1，配置公平性較低；上海、浙江、廣東的4項HRAD依次位列前三，均遠大于1，按地理面積配置資源過于集中。

表1 “一帶一路”沿線省份醫療資源配置集聚度

2.1.2 按人口配置的醫療資源集聚度

由表1可知，“一帶一路”沿線省份的衛生專業技術人員、注冊護士數比值大于1，按人口規模配置較為公平，而床位數、執業(助理)醫師數比值略低于1，配置相對于人口規模略微不足。西北地區4項指標的比值均大于1或趨于1，按人口規模配置較為公平；省份中只有陜西和內蒙古4項指標的比值均大于1。床位數，東北、西北、西南地區的比值均大于1，西南地區的比值等于1，配置最為公平；省份中有10個省份的比值大于1，占比55.56%。衛生專業技術人員數，西北、東南地區的比值大于1，省份中有7個省份的比值大于1，占比38.89%。執業(助理)醫師數，東南、西北、東北地區的比值大于1，西北地區的比值為1，配置最優，省份中有8個省份的比值大于1，占比44.44%。注冊護士數，西北、東南、西南地區的比值大于1，西南地區的比值為1，配置最優，省份中有9個省份的比值大于1，占比50.00%。

2.2 DEA模型的靜態分析

利用DEAP 2.1軟件對2015年和2019年“一帶一路”沿線省份醫療資源的投入產出指標進行分析，結果見表2。

表2 “一帶一路”沿線省份2015年及2019年醫療資源配置效率值

2.2.1 綜合效率分析

“一帶一路”沿線省份的醫療資源配置效率在2015年和2019年均未達到DEA有效，配置效率分別為0.897和0.873，略有減少，處于相對較低的范圍，衛生資源配置不均衡。從具體省份來看，除內蒙古、甘肅、青海、新疆、上海、浙江、黑龍江和云南等8個省份的醫療資源配置綜合效率呈不變或上升，其余10個省份均有一定程度的下降。

由表2可知，2015年與2019年各有4個和3個省份達到生產前沿面，且在兩個研究時段均有效的地區為新疆、上海和浙江，占比16.67%。提示這些地區的醫療資源實現了最優配置，投入產出在不同組合下達到了最佳效果。除這3個省份外，其余省份都不同程度地存在純技術效率和規模效率的不足，其中排后三位的省份為內蒙古、海南和西藏，這3個省份應加強醫療資源管理水平，設計合理激勵制度，擴大投入以達到最佳規模，從而促進資源配置效率的提升[10]。

2.2.2 純技術效率分析

由表2可知，“一帶一路”沿線省份醫療資源配置的純技術效率呈上升趨勢，2019年純技術效率均值為0.925，與生產前沿面相差0.075，接近純技術有效水平，但是管理水平仍有一定的進步空間。同時，沿線省份的規模效率高于純技術效率，提示管理和技術水平是制約醫療資源配置效率的主要因素。純技術效率有效的省份數量多于規模效率有效的省份數量，2015年和2019年純技術效率有效的省份數量都是7個，占比38.89%，提示這些省份在管理和技術等方面較為先進，既定投入實現產出最大化，規模效率是導致綜合效率較低的主要原因，應調整投資規模，進一步提高規模效益。省份中內蒙古和吉林的純技術效率值處于倒數兩名，應大力提高醫療資源的管理和技術水平。

2.2.3 規模效率分析

表2數據顯示，“一帶一路”沿線省份醫療資源配置的規模效率從2015年的0.972到2019年的0.946，略有減少，但是均值較高，基本接近于規模有效。規模效率在2個考察期均為1的有新疆、上海、浙江等3個省份，提示其醫療資源投入產出組合已達到相對最佳狀態，無需調整規模。青海和西藏的規模效率處于倒數兩名，規模效率均值低于0.9，處于規模經濟無效，應進一步加大醫療資源投入力度，以達到更好的規模。規模效益遞增的7個省份，如重慶、西藏、甘肅等，應合理加大醫療資源投入力度，而規模效益遞減的8個省份，如陜西、黑龍江、廣東等，說明其資金使用存在明顯的效率損失，應改善其醫療資金使用效率和方向。

2.3 Malmquist指數的動態分析

Malmquist指數能動態直觀地反映沿線省份醫療資源配置的變化趨勢，具體分析結果見表3、表4。

表3 2015-2019年“一帶一路”沿線省份的醫療資源配置效率的 Malmquist 指數及分解

表4 2015-2019年“一帶一路”沿線省份及分地區的醫療資源配置效率的 Malmquist 指數及分解

2.3.1 整體效率變動分析

由表3可見，從2015-2019年“一帶一路”沿線省份醫療資源配置的Malmquist指數及其分解的幾何平均數值為1來看，全要素生產率年均不變，資源配置水平比較穩定。但是，除了2015-2016年上升2.9%和 2016-2017年上升16.9%以外，2017年至今的全要素生產率變化值都是小于1，都有一定的下降。提示2015-2019年，“一帶一路”沿線省份的醫療資源配置的全要素生產率總體呈下降趨勢。

分解來看，技術效率下降0.7%，技術進步上升0.7%，提示反映管理水平及資源使用效率的技術效率變動指數水平滯后抑制了沿線省份醫療資源配置效率。其中構成技術效率變動指數的純技術效率變動指數和規模效率變動指數分別為1和0.992，提示規模效率是抑制技術效率增長的主因。分年度來看，2016-2017年的技術效率指數為0.949，技術進步指數為1.232，反映了技術進步指數對沿線省份醫療資源配置的全要素生產率的提升做出主要貢獻，在其他時間段內，技術效率指數對全要素生產率的變化產生的影響較大。

2.3.2 各區域效率變化分析

從表4可知，2015-2019年4區域的全要素生產率排名為：西北地區>東北地區>東南地區>西南地區，指數均值分別為：1.010、1.007、0.998和0.991，資源配置水平總體發展較為平穩。西北地區醫療資源配置效率進步較快，主要得益于技術效率和技術進步的共同推動；其余3個地區醫療資源配置效率發展的主要動因是技術效率的提升，而技術進步是其效率提升的主要制約因素，應著力加快提升技術水平。

2.3.3 各省份效率變化分析

從表4可知，2015-2019年除甘肅、遼寧、吉林、云南、西藏和廣東6個省份生產率指數小于1外，其他12個省份的全要素生產指數均大于1，提示沿線省份大部分地區的醫療資源配置效率在不斷提升，發展勢態良好。增長動因方面，甘肅和上海的全要素生產率的提高主要得益于技術效率的提高，由于技術效率和技術進步協同推動配置效率提升的省份有內蒙古、青海、新疆、黑龍江和浙江，技術效率和技術進步都退步的只有云南省，其余省份都是主要得益于技術進步帶來的助力。

3 結論與建議

3.1 “一帶一路”沿線省份醫療資源集聚度復雜，需要因地制宜、統籌規劃

從地理面積角度來看，沿線省份醫療資源配置的公平性偏低，東南地區配置的資源遠高于其他區域，資源過于集中。但按人口規模角度，沿線省份的衛生專業技術人員、注冊護士數配置較為公平，床位數、執業(助理)醫師數的配置相對于人口略微不足，省份中西藏、廣西、海南、廣東4項指標的比值均小于1，尤其是西藏的注冊護士和床位數、廣東的床位數相對于人口規模較為短缺。地理面積和人口規模的角度不同，資源配置公平性判斷也不同，這是因為“一帶一路”沿線涉及區域多樣復雜，東南地區面積較小而人口聚集，經濟發展較好，其他區域的地理面積較為遼闊而人口密度較小，經濟發展水平相對落后。

因此，在“十四五”醫改對“一帶一路”沿線省份醫療資源的配置工作中，對于人口密集地區，應更關注按人口規模配置醫療資源的公平性，如：廣東、上海等地；對于地廣人稀的地區，需著重于按地理面積配置醫療資源的公平性，如：新疆、西藏等地，因地制宜，統籌規劃，不斷優化和提高“一帶一路”沿線省份醫療資源配置的公平性[3]。

3.2 “一帶一路”沿線省份醫療資源配置效率參差不齊，需要不斷優化提升

基于DEA靜態模型分析發現，“一帶一路”沿線省份醫療資源配置效率存在差異，綜合效率均值最高為1，而西藏僅有0.616，內蒙古為0.714。這與不同地區經濟發展水平和特殊地理位置有關，地區經濟發展較慢，導致醫療資源投入少；地廣人稀、人民生活分散、醫院偏遠、交通落后，導致資源利用率低；醫療資源投入建設晚、缺少醫療人才，導致衛生服務差[11]。

為了更好地推動“一帶一路”發展，“十四五”醫改規劃的工作中，對于純技術效率低的區域省份，如海南、吉林等，可以優化醫療資源的管理體制和技術，推進分級診療落地和人才、信息等優質資源共享，優勢互補，區域協同發展；對于處于規模經濟無效的區域省份，如青海、西藏等，應進一步科學合理地加大人力、物力、財力等醫療資源投入力度來達到更好的規模。

3.3 “一帶一路”沿線省份醫療資源規模不盡合理，應科學合理配置

從醫療資源配置現狀的分析中可以看出，盡管“一帶一路”沿線省份醫療資源總量在不斷增長，但是只有兼顧衛生資源配置的公平性與效率性，才能提高規模效益，避免盲目擴張浪費[12]。

從規模效率的分析結果來看，存在規模效益遞減的有8個省份，如陜西、黑龍江、廣東等，提示在這些省份的醫療資源配置中，人力(衛生專業技術人員)、物力(床位)投入過剩，不宜持續盲目地增加投入。這與當下醫院不顧實際情況，無節制擴增所帶來的“虹吸效應”和輻射效應有關[13]，導致規模效率下降。

因此，在“十四五”醫改規劃的工作中，建議“一帶一路”沿線省份的相關部門綜合考慮人口、經濟、素質等因素來配置資源，指導醫療機構避免盲目擴大規模，將重點放在醫療服務提升和醫院體制結構改革上，同時結合實際醫療資源稟賦和醫患現實需求來合理調節配置人力、物力等資源，從而進一步提升醫療資源的配置效率[14]。

3.4 “一帶一路”沿線省份醫療資源的技術效率和技術進步需要協同推進和優化

基于Malmquist指數的動態分析，可以看到區域角度下，技術進步是效率提升的主要制約因素，而省份角度下，多數省份無法依靠技術效率的發展來提高資源配置效率。

因此，在“十四五”醫改規劃的工作中，按省份角度，各省份應更傾向于關注技術效率的進步來推動資源配置效率的提升，如推動省內醫療資源管理模式的創新、醫療機構運作的規范化、醫療信息平臺的數字化、“互聯網+醫院”系統的建設[14]等，推動醫療資源配置由規模擴張向質量效益發展，粗放管理向精細服務發展[14]。按區域角度，國家應大力推動“一帶一路”沿線區域醫療技術的進步，如改善醫療研發創新條件、推進診療基建、提高一線衛計人員的專業水平、推動醫療科研成果轉換能力[15]。從省份和區域醫療資源的不同配置要點出發，在技術效率和技術進步的綜合層面協同推動“一帶一路”沿線省份的醫療資源配置效率的提高。