崔夢菲,李德勛
(安徽中醫藥大學 醫院經濟管理學院,安徽 合肥 230012)
隨著城鎮化、人口老齡化進程的加快,人民群眾愈發重視生命健康質量,面對呈現多樣化、差異化的健康需求,中醫藥“治未病”等獨特優勢日益凸顯。《“十四五”中醫藥發展規劃》中明確指出建設優質高效中醫藥服務體系,中醫醫院作為提供中醫藥服務的核心承擔者,在政府持續優化中醫藥發展頂層設計的背景下數量顯著增加,2020 年全國中醫醫院機構數相較于2012 年增長了53%。 全國中醫醫院總體規模擴大的同時,中醫藥發展不均衡、優質中醫醫療資源整體不足等問題仍存在,中醫醫院的實際運營狀況則成為合理使用醫療資源、保證中醫藥服務質量的關鍵。 因此,對中醫醫院的運行效率進行相關研究是落實人人享有基本中醫藥服務的重要前提。
國內外學者均圍繞醫院效率展開了相關研究,其中數據包絡分析法(DEA)被廣泛應用。 Kü?ük A等[1]采用DEA 模型分析了土耳其醫療改革前后公立醫院的效率變化情況,結果顯示改革并未有效提高醫院效率;VrabkováI 等[2]利用DEA 模型對捷克公立醫院人力資源的配置效率,指出應合理優化人力資源以保證服務質量;Piubello OrsiniL 等[3]基于多階段DEA 模型對意大利公立醫院的運行效率展開分析,并通過Tobit 模型對效率的影響因素進行回歸, 發現醫院規模和技術投資對效率產生較明顯的影響;[4]通過 DEA-Malmquist 模型和Tobit 模型對塞爾維亞 2015~2019 年公立醫院的運行效率及影響因素進行了分析。
圍繞不同類型的醫院,國內學者對其效率及影響因素進行了分析。 秦裕輝等[5]、景日澤等[6]學者均采用DEA-Tobit 模型分別對湖南省、北京市公立醫院的運行效率及影響因素展開了探討;向媛薇等[7]采用了同樣的模型,但選取廣東省民營醫院作為研究對象。 在中醫類醫療機構方面,陳芳等[8]對廣東省中醫醫院進行了研究;陳云[9]采用DEA 和SEA 方法測算分析了新醫改以來全國中醫類醫院的運行效率及影響因素;陳莉等[10]運用DEA-Malmquist 指數法對2012~2018 年中醫醫院的全要素生產率進行了分析;王穎等[11]通過DEA-Tobit 模型分析了山東省公立中醫醫院的運行效率,并發現院內外多種因素對中醫醫院效率有影響,但未分析中醫醫院的全生產要素變化情況。
綜上所述,當前關于醫院運行效率及影響因素的相關研究較為成熟,但測算中醫醫院運行效率及全生產要素變化并分析效率影響因素的研究較少。 基于此,本研究以全國中醫醫院為研究對象,采用DEA模型測算醫院的運行效率, 利用Malmquist 指數分析2012~2020 年醫院全生產要素變化情況, 并通過Tobit 回歸分析醫院效率的影響因素,綜合評價中醫醫院運行效率并明確其影響因素。 以期為中醫醫院管理人員提供決策參考,促進中醫藥衛生資源實現合理配置,推動中醫藥實現高質量發展,為健康中國建設提供有力支撐。
主要從 2011~2013 年《中國衛生統計年鑒》、2011~2021 年《中國統計年鑒》、2014~2017 年《中國衛生和計劃生育統計年鑒》、2018~2020 年《中國衛生健康統計年鑒》及《全國中醫藥統計編摘》中獲取全國中醫醫院的相關數據。其中西藏自治區有關中醫醫院2019 年前的統計數據為零,僅在2020 年的統計數據中顯示有一家中醫醫院,因此本研究中研究范圍為除香港、澳門、臺灣、西藏以外的30 個省份。
1.2.1 數據包絡分析
效率評價方法中,隨機前沿分析法(SFA)和數據包絡分析法(DEA)較為常用,相比之下DEA 計算簡單且適用于多組投入產出決策單元(DMU)的數據處理[12]。 參考成剛等[12]的研究,按照健康生產理論,對衛生體系進行效率評價時應選擇規模報酬可變的模型,基于此本研究選擇產出導向的BCC 模型。 通過Deap2.1 軟件對2012~2020 年30 個省份中醫醫院的運行效率進行測算, 每個DMUj 有a 種投入和b 種產出,BCC 模型的對偶規劃式如下:

θ為決策單元的綜合效率, 綜合效率可拆解為純技術效率與規模效率的乘積。 當θ=1,s-和s+均為0時,說明處于帕累托最優狀態, DMU 為強有效; 當θ=1,s-或s+不為0 時,DMU 的生產狀態為弱有效;當θ<1 時,說明 DMU 無效[13]。
1.2.2 Malquist 指數
Malquist 指數模型(M 指數)可以對多投入、多產出決策單元的全生產要素的動態變化進行分析[10],從時期t 到t+1 時的M 指數表示為:

由公式可知,全要素生產率變化指數(TFP)受到技術效率變化指數(EC)與技術變化指數(TC)的綜合影響;技術效率變化指數則是純技術效率變化指數(PEC)與規模效率變化指數(SEC)共同作用的結果,綜合即得TFP=PEC×SEC×TC。 當指數等于1 時,說明中醫醫院的運行效率未變;當指數大于1 時,說明中醫醫院t+1 時期的運行效率比t 期的有所提高;當指數小于1 時,說明中醫醫院t+1 時期的運行效率比t 期的有所下降。
1.2.3 Tobit 回歸
Tobit 回歸模型最早由James Tobin 提出,是被解釋變量受到限制時可以運用的一種模型。 景日澤等[6]學者指出DEA 模型測算出的效率取值處于0-1 的范圍內,具有被刪截的特點,若采取最小二乘法進行分析,將會導致最終結果出現偏差。 因此本研究將通過DEA 模型獲得的中醫類醫院運行的三種效率值分別作為被解釋變量,從內部和外部兩個方面假設對運行效率產生影響的因素作為解釋變量,構建Tobit 模型:

Ydeai為DEA 模型測算的中醫醫院運行效率,i 為綜合效率、純技術效率、規模效率,β0為常數項,βk代表回歸系數,Xk為效率的影響因素,μi為隨機擾動項。 運用Stata16.0 軟件實現回歸分析,明確對中醫醫院運行效率產生影響的因素及其作用方向。
醫院作為多投入多產出的運行系統,對其運行效率進行測算最關鍵的是建立一個合理的指標體系。本研究通過文獻分析, 基于全面性、 針對性、 數據可獲得性的原則, 選取衛生技術人員數、 中醫醫院機構數、 實有床位數作為投入指標, 診療人次數、 出院人數作為產出指標, 表1 中為各項指標的具體含義。

表1 指標含義表
已有的研究成果中,王穎等[11]研究山東省中醫醫院時,選取醫療需求、地區經濟水平作為醫院效率的院外影響因素,醫院規模、醫療質量、費用負擔、員工激勵水平等作為院內影響因素;陳芳等[8]同樣選取院內和院外因素作為一級指標,二級指標中還考慮到競爭水平及職工工作量等方面。 可以看出,中醫醫院運行效率受到院內、院外多種因素的影響。在文獻回顧的基礎上,綜合數據的可獲得性,本研究選取年末人口數(X1)、人均地區生產總值(X2)、病床使用率(X3)、平均住院日(X4)、醫師日均擔負診療人次(X5)、實有床位數(X6)、衛生技術人員數(X7)、城鎮人口比重(X8)八個指標納入回歸。 其中 X1、X2、X8作為中醫醫院外部因素,反映著醫療需求和經濟發展水平對醫院效率的影響,X3、X4 是考量醫院醫療質量的重要因素,X6 和X7 則是醫院重要的組成要素。
3.1.1 平均運行效率分析
通過Excel 對所需數據進行整理, 運用Deap2.1 軟件測算2012 至2020 年30 個省份中醫醫院的運行效率,2020 年中醫醫院平均綜合效率、平均純技術效率、平均規模效率分別為0.817、0.859、0.953,變化趨勢見圖1。

圖1 2012~2020 年我國中醫醫院平均運行效率圖
由圖1 可知,九年間平均綜合效率在0.810 到0.883 之間波動,最低值出現在2019 年,2016 年前存在一定的波動,2017 年開始呈現下降趨勢,但2020 年有所上升。 平均純技術效率總體上為下降趨勢,最高值為2014 年0.916,2020 年效率值最低為0.859。平均規模效率2012 年效率值最高為0.971,觀察圖1可以發現其整體變化趨勢與平均綜合效率相同。
3.1.2 各省份平均運行效率分析
按照地理位置,將30 個省份劃分為東部、中部、西部,圖2 餅狀圖反映出地區間中醫醫院的運行效率存在差異。

圖2 2012~2020 年各省份中醫醫院平均運行效率值餅圖
由圖2 可知,西部地區平均值最接近于1,中部地區效率值最低有待改善的空間較大。
計算30 個省份九年間的運行效率的均值,上海市的平均綜合效率最高為1,最低是吉林省0.550,總體變化趨勢如圖3 所示。

圖3 2012~2020 年各省份中醫醫院平均運行效率變化圖
從圖3 中可以發現山西等8 個中部地區的省份之間綜合效率和純技術效率的均值差距較大, 內蒙古等11 個西部地區的省份差距最小。平均規模效率方面,省份之間差異最大的是東部地區,中部地區波動程度最小,表示東部地區不同省份之間中醫醫院的總體規模相差較大。
3.1.3 規模報酬狀態分析
根據Deap2.1 軟件運行結果分析30 個省份中醫醫院的規模報酬狀態,如表2 所示。

表2 2012~2020 年我國中醫醫院規模報酬狀態表
由表2 可知,2013~2019 年超過50%的省份中醫醫院的規模報酬遞減,表明中醫醫院的規模需要縮減,到2020 年規模報酬遞減的省份數量占比減少,說明中醫醫院規模縮減實現一定的成效;2012~2019年間規模報酬遞增中醫醫院的占比整體上在下降,到2020 年增加了30%的占比,說明需要擴大合理規模來提高綜合效率的中醫醫院數量明顯增多;規模報酬不變的中醫醫院代表其規模適宜,而9 年后規模適宜的中醫醫院數量相比較減少一半,說明多數醫院的規模尚需優化。
3.2.1 全生產要素變化指數分析
Malmquist 指數模型分析結果如表3 所示。

表3 2012~2020 年我國中醫醫院院全要素生產率變化表
由表3 可知,2012~2020 年間全國中醫醫院院全要素生產率變化指數年均下降2.1%。 除2013~2014、2015~2017 年度全要素生產率變化為上升外, 其余年度均為下降,2019~2020 年度降幅最大為9.2%;技術變化年均下降1%,2019~2020 年度降幅最大為13.6%;技術效率變化年均下降1.1%,2018~2019 年度降幅最大為5.1%;純技術效率變化年均下降0.9%,2018~2019 年度降幅最大為6.4%;規模效率變化年均下降0.3%,2017~2018 年度降幅最大為3%。 其中,技術衰退導致2019~2020 年度全要素生產率有所下降,2016~2017 年度則是由于技術效率下降的原因,其余年度均受到技術衰退和技術效率下降共同的影響。
3.2.2 各省份全要素生產率變化指數分析
30 個省份全要素生產率變化情況如表4 所示。

表4 2012~2020 年30 個省份中醫醫院全要素生產率變化表

續表4
觀察表4 可以發現山西、貴州、青海三個省份的全要素生產率上升,廣西壯族自治區保持不變,其余省份全要素生產率均下降。 進一步對全要素生產率進行分析,上海、江蘇、湖南、云南單純由于技術衰退導致下降;吉林、安徽、福建、江西、湖北、貴州、陜西、重慶、寧夏是受到技術衰退和純技術效率下降的影響;浙江、河南、廣西、四川是受到技術衰退和規模效率下降的影響;北京、天津等九個省份是受到技術變化、純技術效率和規模效率共同的影響造成的下降。 在效率改善方面,只有山西、貴州、青海三個省份中醫醫院的整體效率和技術效率得到提升(TFPCH>1),河南、山西、貴州三個省份純技術效率實現提高(PECCH>1),青海、重慶、寧夏三個省份規模效率有所增長(SECCH>1)。
表5 為Stata16.0 軟件進行Tobit 回歸分析所得結果,在5%的檢驗水平下對三個模型進行分析。

表5 Tobit 回歸結果表
3.3.1 綜合效率回歸模型
由表5 可知,綜合效率模型中,年末人口數、實有床位數、衛生技術人員數未通過顯著性檢驗,說明此三種因素不會對中醫醫院的綜合效率產生影響。 通過顯著性檢驗的因素中,人均地區生產總值、病床使用率和醫師日均擔負診療人次與中醫醫院綜合效率呈正相關, 人均地區生產總值影響著居民的就醫支付能力,反映出地區經濟水平的發展有利于中醫醫院綜合效率的提升;醫院內部病床的使用頻度越高醫院的綜合效率越高;醫師日均擔負診療人次在一定程度上反映出醫師的工作效率,說明醫師的工作效率越高越有利于改善中醫醫院的綜合效率。此外,平均住院日和城鎮人口比重與中醫醫院綜合效率呈負相關,平均住院日越長越不利于醫院綜合效率的提升;城鎮化的過程使得城鎮人口比重逐年上升,有關研究顯示社區城鎮化激發了居民的就醫需求[14],且我國中醫醫院大都位于市縣區域,但城鎮人口的增多會使醫院的綜合效率下降,說明當前中醫醫院尚未達到滿足居民醫療需求的能力。
3.3.2 純技術效率回歸模型
由表5 可知,純技術效率模型中,人均地區生產總值、病床使用率、醫師日均擔負診療人次對提升中醫醫院純技術效率具有促進作用,平均住院日、城鎮人口比重則不利于中醫醫院純技術效率的提升,年末人口數、實有床位數、衛生技術人員數對純技術效率的影響不顯著。 經濟的發展推動純技術效率的改善,病床使用率和平均住院日是反映醫院醫療服務質量的相關指標,醫療質量主要由醫務人員的醫療技術水平決定,因此醫師日均擔負診療人次越多、病床使用率越高、平均住院日越短中醫醫院的純技術效率越高。城鎮人口的增多導致醫院純技術效率的降低,表明中醫醫院的技術和管理水平需要進一步改善從而保證高質量醫療服務的提供。
3.3.3 規模效率回歸模型
由表5 可知,規模效率模型中,具有統計學意義的變量中醫院床位數量與規模效率呈正相關,平均住院日、衛生技術人員數與規模效率呈負相關。回歸結果顯示實有床位數越多越有利于提高中醫醫院的規模效率,衛生技術人員數量的增多會導致醫院規模效率下降,究其原因可能是中醫醫院內部衛生技術人員的配置不合理,僅僅只是數量的增加,無法有效提高規模效率。平均住院日在三個模型中均顯著,且與三個效率均為負相關,說明平均住院日變長醫院的運行效率會降低。
圖1 DEA 模型的測算結果反映出我國中醫醫院運行效率總體為下降趨勢,這與陳莉等[10]研究結果相同,進一步分析可以發現2016 年和2020 年平均規模效率上升時平均純技術效率在下降,平均綜合效率卻有所提高,說明規模效率對綜合效率的影響相對較為明顯。 觀察規模報酬狀態可知,當前許多中醫醫院規模并未達到最優,特別是2020 年規模報酬遞增的省份達到了2019 年數量的三倍,說明多數省份中醫醫院的規模尚需采取措施進行優化。 中醫醫院機構數量的增加容易帶來醫療資源投入過多或不足等問題,2020 年全國有2/3 的省份醫療資源投入不合理,其中安徽和湖北兩個省份中醫醫院的實有床位數的松弛量較大,存在投入冗余,張昕男等[14]研究中同樣指出中醫醫院資源投入存在過剩的問題。
從30 個省份的平均運行效率圖中可以看到我國東、中、西部中醫醫院的運行效率存在差異,分別為0.832、0.807、0.909。 西部中醫醫院的平均運行效率總體上比東、中部地區高,說明西部地區衛生資源得到了合理利用,同時也體現出衛生工作人員的工作強度較大。相對比而言經濟水平較高的東部地區中醫醫院數量較多,投入的人力、物力、財力比較豐富,居民獲得中醫藥服務的可及性更好一些。 西部地區由于地理位置、經濟水平等原因,中醫醫院的數量及獲得的衛生資源較匱乏[8],但省份之間效率值的差異比東中部地區要小。圖3 中三種效率值波動情況反映出純技術效率對東、中部地區省份的綜合效率影響較大, 西部地區則是受到純技術效率和規模效率的綜合影響, 表明不同地區中醫醫院發展的側重點不同。
全生產要素變化指數顯示2012~2020 年只有三個省份中醫醫院改善了整體效率, 究其原因各省份中醫醫院全生產要素變化指數下降主要是受到技術衰退的影響,楊雨晨等[15]學者的研究得出了同樣的結論。 回歸分析結果說明提高病床使用率、縮短平均住院日、醫師日均擔負診療人次增加對中醫醫院的技術效率有促進作用,病床的使用情況及醫生診療人次在很大程度上受到醫療水平的影響,因此提升醫院技術水平是有效利用衛生資源、提高醫院運行效率的關鍵動力,同時也需要平衡好醫師工作量與醫療服務質量之間的關系[16]。此外,醫院運行效率還受到當地城鎮化程度及經濟發展水平的影響。床位數和衛生技術人員數作為醫院的核心組成要素,直接影響著醫院的規模效率,從回歸結果看,兩種要素對醫院規模效率的影響是相反的,這與張昕男等[14]、陳芳等[8]研究結果一致,表明兩種要素需進一步優化配置。綜合以上研究結果,中醫醫院自身的醫療技術和管理水平以及醫療需求和當地經濟水平均影響醫院的運行效率,因此改善運行效率需全面考慮醫院的內、外部因素。
為推進新時代中醫醫院規范化建設,國家中醫藥管理局2021 年發布《中醫醫院建設標準》,對醫院的建設規模提出了明確要求[16]。 面對當今許多中醫醫院規模過大或過小的情況,衛生行政部門應在建設標準的指導下合理統籌,結合各級中醫醫院的實際狀況科學制定發展規劃,引導建設規范化中醫院。回歸結果表明實有床位數和衛生技術人員數影響中醫醫院的規模效率,醫院自身需創新發展思路,在合理的范圍內通過增加床位數的方式擴大規模, 同時優化衛生技術人員的配置, 注重衛生資源的有效利用。對于規模報酬遞減的中醫醫院,可以通過建分支醫院或者向下級醫院輸送病床等醫療資源的方式實現醫院規模的縮減,避免醫院擴張的風險。 在中醫醫院數量不斷增加的背景下,衛生資源投入需堅持合理化的原則,可通過變動床位數等要素及市場供求等方式優化中醫醫院規模[14],促使衛生資源實現效益最大化。
面對區域差異,不同地區應結合當地情況制定中醫院發展政策,有針對性地解決當地醫院運行中存在的問題。 提升醫院的技術和管理水平是東中部地區發展的側重點;加大財政投入,吸引衛生人才支持西部發展, 提高衛生技術人員的待遇是西部地區中醫醫院的發展方向。 不同省份之間可以建立合作關系,東中部地區運行效率較高的省份與西部地區省份開展技術交流、人才培養等項目,推動東中西聯動,提升醫療資源的利用效率[17]。 在加強整合型醫療服務體系建設的政策背景下,省份內部各區域間建立雙向幫扶機制,鼓勵各級中醫院積極參與醫療聯合體組建,發揮協同作用整合區域內醫療資源,推動優質醫療資源擴容和均衡布局,共同探索技術進步縮小區域差異,實現運行效率提升。
回歸結果表明當前我國中醫醫院衛生技術人員配置不合理, 且反映醫療質量的指標對醫院的運行效率具有顯著影響。醫院自身需進行細化管理,以患者需求為導向,加強內部組織結構建設,優化醫院管理機制,探索建立現代醫院管理制度。設計醫院績效管理體系,選取與管理水平相符合的績效管理工具,將高質量服務和管理能力建設融入績效考核當中,推動中醫藥服務能力提升。 創新院內運行機制,定期對醫院運行效率進行測評, 及時發現醫院運行中存在的問題并做出調整, 實現中醫醫院治理能力現代化。 遵循中醫藥發展規律,建設具有中醫藥特色的激勵體系,在《三級公立中醫醫院績效考核指標》的指導下,各醫院圍繞中醫藥理論、臨床實踐能力和醫德醫風等方面進一步優化考核指標,動態調整衛生技術人員的工作量,確保醫務人員的工作積極性。大力發展中醫藥特色,規范醫療服務行為,推進中醫醫院高質量發展,保證高效便捷中醫藥服務的提供。