北京市兒童就醫行為影響因素研究
——以北京兒童醫院和首都兒研所為例

何 丹，樊爍爍，杜方葉

(1.北京聯合大學 應用文理學院，北京 100191；2.中國科學院 地理科學與資源研究所，北京 100101)

0 引言

習近平總書記在黨的十九大報告中提出“實施健康中國戰略”，把人民健康放在優先發展的戰略位置[1]。人民健康狀況是國家富強的重要指標，而兒童健康狀況不僅關系著家庭幸福，更事關祖國的未來。促進兒童健康狀況持續改善，幫助兒童健康成長，對促進人的全面發展、全面提高中華民族素質及實現健康中國具有重要意義，同時也為實現“中國夢”奠定了堅實基礎。在黨和政府對兒童健康問題的高度重視下，經過多年的改革與發展，北京市兒童醫療衛生事業取得了很大進展，兒童醫療服務水平明顯提高。但因為地處首都，北京的兒科專科醫院不僅承擔著服務北京本地兒童的任務，在一定程度上也吸引了外地就醫者前來就診，這無疑增加了本地醫院的醫療服務壓力。隨著生育政策的逐步放開，兒童人口數量不斷增加，對兒童醫療服務的需求越來越大，這給北京市兒童醫療服務體系帶來嚴峻挑戰。首都醫科大學附屬北京兒童醫院(以下簡稱“北京兒童醫院”)和首都兒科研究所附屬兒童醫院(以下簡稱“首都兒研所”)是北京地區兒童專科醫院的典型代表，本文以這兩家醫院作為案例，研究其醫療服務空間范圍及就醫者就醫行為的影響因素，對深入了解兒童的就醫行為，科學合理配置兒童醫療資源及優化兒童的就醫模式等方面具有重要的參考意義。

居民就醫行為包括就醫醫院的選擇和就醫出行方式的選擇等方面[2-5]。在就醫行為的影響因素方面，有學者得出，診療質量、 醫療技術水平、醫護人員的服務態度及醫院收費等是影響就醫者選擇醫院的重要因素[6-7]。在研究方法方面，一些學者采用多分類Logistic回歸模型進行居民出行行為研究[8-11]。而伴隨網絡的發展，基于交通軌跡數據分析地理現象成為可能。Xiao等將出租車數據應用到就醫行為識別方面，使用出租車數據獲得了北京就醫者與醫院間的空間相互作用模式[12]；Chen等使用出租車數據分析廣州醫療保健服務的供求關系情況[13]。

在兒童就醫方面，已有的相關研究大部分是基于統計數據的分析，比如我國兒童的就醫現狀及在兒童分級診療實施中存在的問題與影響因素剖析[14]；或者是基于問卷數據的調查分析，比如調查北京市兒科醫療資源總量和配置現狀，分析其特點和原因[15]。在兒童就醫行為方面，黃緒瓊等采用問卷調查法分析研究得出，影響廣州市兒童家長選擇就診醫院的因素主要為醫療水平、醫療費用及定點醫保等[16]。還有一些學者采用多分類Logistic回歸模型或者問卷調查分析得出，交通出行因素、兒童年齡、位置的便利性及就診機構的醫療水平等是兒童就醫選擇就診機構的重要考慮因素[17-19]。

綜上可知，關于醫療服務空間范圍和就醫行為的相關研究成果已較為豐富，但關于兒童群體的醫療服務和就醫行為的研究相對較少。基于此，本文采用問卷數據和GIS空間數據等，深入分析兩家醫院的醫療服務空間范圍及就醫者就醫行為的影響因素，為醫院優化醫療服務對策、完善醫療服務體系等方面提供參考。

1 研究數據與方法

1.1 研究數據

1.1.1兒童人口和醫療機構數據

據2010年第六次全國人口普查數據[20]，北京市六環內的兒童群體有120.56萬人，約占北京兒童總人口的71.4%，且六環內聚集了全市80%的兒科醫療資源，所以本文選擇北京六環內的區域為研究范圍。北京市六環內的兒童醫療設施分布如圖1所示。

圖1 2010年北京市六環內兒童人口空間分布和兒科醫療機構分布Fig.1 Spatial Distribution of Children's Population and Paediatric Medical Institutions within the Six-ring Road of Beijing in 2010

本文以北京六環內為空間范圍，采用ArcGIS軟件中的創建漁網工具將其劃分為1 km×1 km的網格單元。本文從百度地圖獲得醫院的位置坐標，從兩家醫院的官網收集日均就診量作為衡量醫院規模的指標；從OpenStreetMap網站(www.openstreetmap.org)獲取道路網，并參考《中華人民共和國公路工程技術標準(JTG B01—2003)》，將高速公路、主干道、一級公路、二級公路、三級公路、支路的道路限速分別設置為90、80、80、60、40和30 km/h。

由圖1可知，兒童人口分布密集區主要集中在四環以內，而五環外大部分地區的兒童人口分布較稀疏。同時，通過電話咨詢、現場訪談等方法，確認醫療機構是否具備治療緊急意外傷害(燒傷、燙傷、骨折等)的能力，本文選擇了圖1所示的醫療機構，這些醫療機構的空間分布有接近兒童人口密集區的特點。

1.1.2問卷調查數據

北京兒童醫院和首都兒研所是北京市知名度最高、就診量最大的兒童醫療機構，因此本文選擇這兩所醫院為對象進行問卷調查。問卷采集時間為2019年8月，采用一對一的談話方式隨機抽樣選擇就醫者進行調查。調查地點為北京兒童醫院和首都兒研所，調查對象為這兩所醫院的門診、急診病人及其陪同人員。課題組分別于2019年8月13日在北京兒童醫院、14日在首都兒研所共發放440份問卷，最終得到355份有效問卷，問卷有效率達到81%。本文根據就醫者是否常住在北京，將其分為“本地就醫者”和“外地就醫者”。其中，北京兒童醫院的本地就醫者為65人，外地就醫者為106人；首都兒研所的本地就醫者為124人，外地就醫者為60人。調查內容包括：1)個人基本情況，如在京居住時間、戶籍、性別、年齡及來源地等；2)選擇該醫院就診的原因，如專科優勢、距離遠近、交通便利及醫保定點等；3)就醫行為信息，如就診科室、就診時長、交通方式選擇及花費時間等。問卷統計顯示，選擇私人交通的就醫者為170人(47.9%)，選擇公共交通的為142人(40%)，選擇慢行交通的為43人(12.1%)，就醫者出行方式的影響因素從個人、家庭、出行和醫療機構4個方面選取變量指標。利用Excel對問卷收集的數據資料進行錄入，使用SPSS 24進行描述性統計分析和Logistic回歸分析。

1.2 研究方法

1.2.1二分類Logistic回歸模型

影響關系研究是所有研究中最為常見的，當因變量Y是定量數據時，線性回歸可用來分析影響關系，但如果Y是定類數據時，正確的做法是選擇Logistic回歸分析。Logistic回歸的因變量可以是二分類的，也可以是多分類的。由于就醫者可以選擇北京兒童醫院或首都兒研所，所以本文使用0、1分別對其賦值，將選擇北京兒童醫院表示為“1”，將選擇首都兒研所表示為“0”，因變量為分類變量，取值范圍在[0，1]之間。Logistic模型采用邏輯概率分布函數，假設隨機變量服從邏輯概率分布，其模型表達式為

(1)

式中：Pi為就醫者i選擇北京兒童醫院的概率；Pi/(1-Pi)為就醫者i選擇首都兒研所的機會比率；β0為常數項；βi為第i個自變量的回歸系數；xi為影響就醫者選擇北京兒童醫院的第i個因素；εi為隨機擾動項。變量的賦值見表1。

表1 醫院選擇模型的自變量賦值Table 1 Assignment of Independent Variables in the Model of Hospital Selection

1.2.2無序多分類Logistic回歸模型

本文中因變量就醫者的出行方式(Y)沒有順序，且是多種方式，因此采用無序多分類Logistic回歸模型進行分析[21-22]。其模型表達式為

(2)

式中：Pj是因變量為第j類的概率；PJ是因變量為第J(j≠J)類的概率；xm為自變量，m為啞變量標號，取值為1，2，…，M；αj為截距項；βjm為回歸系數。

為研究就醫者在兩家醫院就診出行的影響因素，根據出行方式特點(見表2)，并只考慮外地就醫者在京內的出行方式，本文將其分為私人交通、公共交通和慢行交通[6]。

表2 出行方式分類及特點Table 2 Classification and Characteristics of Mode of Travel

以私人交通作為參照類，可得到2個廣義Logistic回歸模型為

(3)

(4)

式中：P1、P2、P3分別為出行方式選擇私人交通、公共交通和慢行交通的概率，且P1+P2+P3=1；xm為出行方式的影響因素。

與其他出行目的相比，兒童的醫療出行存在一定差異，如由于兒童的活動能力較低，在就醫過程中需要家人陪同等。本文首先進行單因素Logistic回歸，剔除不顯著因素，最終考慮因素如表3所示。

表3 出行方式選擇模型的自變量賦值Table 3 Assignment of Independent Variables in the Model of Travel Mode Selection

2 結果分析

2.1 兩家醫院的醫療服務空間范圍分析

兩家醫院是北京市知名度最高的兒童專科醫院，每天有大量來自不同地區的就醫者前來就診。本地醫療服務空間范圍(見圖2)表明，本地就醫者來自城區的較多，占比67%。在城區中，朝陽區和東城區的就醫者選擇首都兒研所的較多，西城區、海淀區和豐臺區的就醫者選擇北京兒童醫院的較多，這主要受距離因素的影響，就醫者往往選擇就近就醫。外地醫療服務范圍(見圖3)表明，外地就醫者來自河北省的較多，占57%，內蒙古就醫者的占比位列第二，具有明顯的空間鄰近性。

圖2 北京本地兒童醫療服務空間范圍Fig.2 Spacial Scope of Children's Medical Service in Local Beijing

圖3 外地兒童醫療服務空間范圍Fig.3 Spacial Scope of Children's Medical Service out of Beijing

2.2 兒童就醫醫院選擇的影響因素

依據本地就醫者和外地就醫者的問卷數據，分別利用統計分析軟件SPSS對就醫者選擇醫院的影響因素進行二分類Logistic回歸分析(見表4)。由本地就醫者問卷的回歸結果得出，出行因素中的在京出行方式(包括公共交通和慢行交通)、醫療機構因素中的就診科室(包括口腔科、泌尿科、普外科、神經科和心臟內科)是兒童就醫醫院選擇的顯著性影響因素。由外地就醫者問卷的回歸結果可知，所有因素的回歸結果都不具有統計學意義。

表4為顯著性檢驗結果(由于因素較多，表中僅列出了通過0.1置信水平檢驗的因素)，當顯著性小于0.05或0.1時通過檢驗，數值越接近0，表示結果越顯著。由回歸結果可知，本地就醫者問卷數據的P值為0.303(>0.05)，外地就醫者問卷數據的P值為0.195(>0.05)，模型擬合完全充分。但在外地就醫者問卷數據的模型回歸結果中，除了醫療機構因素中的“距離因素”之外(P=0.06)，其他因素均沒有通過0.1置信水平的顯著性檢驗，而“距離因素”沒有通過共線性檢驗(VIF=11.212，>10)。

表4 醫院選擇模型的回歸結果Table 4 Regression Results of Hospital Selection Model

在本地就醫者問卷數據的回歸結果中，在0.05的置信水平上顯著的因素有3個。第一個因素是出行因素中的公共交通(P=0.045)，OR=0.207，說明搭乘公共交通的就醫者選擇北京兒童醫院的概率是選擇首都兒研所的0.207倍，表明首都兒研所周邊的公共交通條件更好。另外兩個因素是醫療機構因素中的神經科(P=0.002)和心臟內科(P=0.018)，其中神經科的OR=18.634，表明在神經科診療的就醫者選擇北京兒童醫院的概率是選擇首都兒研所的18.634倍；心臟內科的OR=20.042，表明在心臟內科診療的就醫者選擇北京兒童醫院的概率是選擇首都兒研所的20.042倍，就醫者傾向于選擇到北京兒童醫院的神經科和心臟內科進行診療。在0.1的置信水平上顯著的因素有慢行交通(P=0.068)、口腔科(P=0.065)、泌尿科(P=0.060)和普外科(P=0.054)。上述結果充分說明了出行因素和醫療機構因素是就醫者選擇醫院的主要影響因素。

2.3 兒童就醫出行方式選擇的影響因素

以私人交通作為參照類別，利用SPSS軟件對兩家醫院的兒童就醫出行方式(公共交通和慢行交通)模型進行標定(見表5)。模型顯著性為0.00，說明解釋變量與無序多分類Logistic模型之間關系非常顯著，模型選擇正確。公共交通組的無序多分類Logistic回歸結果表明，兩家醫院就醫者的就醫出行方式選擇的主要影響因素是個人因素(年齡和是否在北京常住)和家庭因素(家庭收入和汽車擁有量)，出行因素和醫療機構因素中的變量回歸結果都不顯著。而慢行交通組的各類因素回歸結果都不顯著。

表5 就醫出行方式選擇模型的回歸結果Table 5 Regression Results of Travel Mode Choice Model for Medical Seeking

在個人因素中，公共交通組的年齡變量(P=0.008)回歸結果顯著，OR=0.517，表明年齡大于或等于8歲的就醫者出行選擇公共交通的概率是小于8歲就醫者的1.93(1/0.517)倍，年齡較小的就醫者選擇公共交通的概率較低；慢行交通組的年齡變量不顯著。公共交通組的是否在北京常住變量(P=0.038)回歸結果顯著，OR=0.295，表明在北京常住的就醫者出行選擇公共交通的概率是不在北京常住的就醫者的3.39(1/0.295)倍；慢行交通組的是否在北京常住變量不顯著。公共交通組和慢行交通組的戶籍變量回歸結果都不顯著。

在家庭因素中，公共交通組的家庭收入變量(P=0.048)回歸結果顯著，OR=2.363，表明家庭月收入大于或等于1.6萬元的就醫者出行選擇公共交通的概率是家庭收入小于1.6萬元的就醫者的0.42(1/2.363)倍，即家庭收入較高的就醫者選擇公共交通的概率較低；慢行交通組的家庭收入變量回歸結果不顯著。公共交通組的汽車擁有量變量(P=0.000)回歸結果很顯著，OR=4.519，表明有車家庭的就醫者選擇公共交通的概率是無車家庭選擇公共交通的0.22(1/4.519)倍，即有車家庭的就醫者選擇公共交通的概率較低；慢行交通組的汽車擁有量變量不顯著。

3 結束語

本文結合問卷數據和GIS空間數據、二分類和無序多分類Logistic回歸模型，研究了北京兒童醫院與首都兒研所的醫療服務空間范圍，以及就醫者對就診醫院和就醫出行方式選擇的影響因素，得到的主要結論如下：

1)通過問卷數據分析發現，北京兒童醫院和首都兒研所這兩家醫院的醫療服務空間范圍存在明顯差異。

2)本地就醫者來自城區的數量較多，其中朝陽區和東城區的就醫者選擇首都兒研所的較多，海淀區、西城區和豐臺區的就醫者選擇北京兒童醫院的較多；外地就醫者大多來自華北地區，其中河北省的就醫者數量最高，內蒙古位列第二，就醫者來源地存在明顯的空間鄰近性。

3)二分類Logistic回歸結果表明，兒童就醫者選擇醫院主要受出行因素和醫療機構因素的影響，其中，出行因素中的在京出行方式(包括公共交通和慢行交通)及醫療機構因素中的就診科室是就醫者選擇醫院的顯著性影響因素。無序多分類Logistic回歸結果表明，兒童就醫者就醫出行方式的選擇主要受個人因素及家庭因素的影響，個人因素中的就醫者年齡、是否在北京常住，以及家庭因素中的家庭收入、家庭汽車擁有量是就醫者選擇出行方式的顯著性影響因素。

本文的醫療服務空間范圍分析只針對北京兒童醫院和首都兒研所兩家醫院，未作醫院設施可達性分析，存在一定局限性。未來可考慮對北京市內級別為三甲以上且具有兒科診室的醫院作可達性分析，并同時考慮就醫者的就醫最小出行時間和距離衰減作用的影響，以更客觀全面地評價北京市兒童醫療服務空間范圍和兒科醫療設施的可達性。本文是一次很好的研究嘗試，也得到了一些有益結論，今后可開展更詳細的問卷調查，結合多源數據，豐富兒童就醫行為研究。