中國異地就醫(yī)空間相關(guān)性與影響因素分析

關(guān)鍵詞：異地就醫(yī)，空間相關(guān)性，影響因素，地理加權(quán)回歸中圖分類號：R169.42文獻標(biāo)志碼：A 文章編號：1674-9545（2025）03-0037-（07）DOI：10.19717/j. cnki. jjun. 2025.03. 007

過去幾十年，中國經(jīng)濟高速增長，城鎮(zhèn)化加速，大量人口從農(nóng)村到城市、從欠發(fā)達地區(qū)到發(fā)達地區(qū)遷徙，異地就醫(yī)成為普遍現(xiàn)象。大城市和經(jīng)濟發(fā)達地區(qū)醫(yī)療資源優(yōu)質(zhì)豐富，農(nóng)村和偏遠地區(qū)醫(yī)療條件簡陋、人才匱乏，難以滿足復(fù)雜疾病診療需求，促使患者異地就醫(yī)。異地就醫(yī)增加患者成本、加重家庭負擔(dān)，還造成醫(yī)療資源分配利用不合理，部分地區(qū)過度緊張、部分地區(qū)相對閑置，對醫(yī)療資源科學(xué)配置提出新挑戰(zhàn)[1

為方便居民享受所需求的醫(yī)療服務(wù)，我國自2016年起，在全國范圍內(nèi)啟動異地就醫(yī)直接結(jié)算服務(wù)，通過國家異地就醫(yī)結(jié)算平臺實現(xiàn)醫(yī)保信息互聯(lián)互通，簡化報銷流程[2]。此外，各地結(jié)合實際推出相關(guān)政策，如建立區(qū)域性醫(yī)療聯(lián)盟，優(yōu)化醫(yī)療資源配置，解決患者跨區(qū)域就醫(yī)問題。相關(guān)省份實現(xiàn)了跨省醫(yī)保直接結(jié)算[3]，降低異地就醫(yī)人員的間接醫(yī)療成本、縮短其異地往返的通勤距離和減少墊資成本等[4]

無論是醫(yī)療資源的布局優(yōu)化還是跨省異地結(jié)算都需要現(xiàn)有跨省異地就醫(yī)研究的支撐。國內(nèi)異地就醫(yī)研究起步相對國外較晚，但近年來隨著醫(yī)保全國聯(lián)網(wǎng)的推進，相關(guān)研究逐漸增多。學(xué)者們主要探討了異地就醫(yī)直接結(jié)算的技術(shù)實現(xiàn)[5-6]及患者滿意度[7-9]等。研究發(fā)現(xiàn)，異地就醫(yī)直接結(jié)算在一定程度上減輕了患者的經(jīng)濟負擔(dān)，但仍存在政策覆蓋范圍有限、結(jié)算流程復(fù)雜及異地醫(yī)療服務(wù)質(zhì)量參差不齊等問題[3]。然而，目前尚欠缺對跨省異地就醫(yī)的相關(guān)研究，難以進一步支撐醫(yī)療資源宏觀布局和有序推進跨省異地就醫(yī)結(jié)算。

本文以中國各省域異地就醫(yī)人口遷移數(shù)據(jù)為基礎(chǔ)，結(jié)合各省域醫(yī)療相關(guān)指標(biāo)數(shù)據(jù)，借助空間格局、空間相關(guān)分析、地理探測器和地理加權(quán)回歸等空間分析方法，清晰刻畫全國異地就醫(yī)空間格局現(xiàn)狀，判析異地就醫(yī)的集聚特性，揭露影響異地就醫(yī)的主要因素，建立異地就醫(yī)遷移回歸模型，支撐各省對異地就醫(yī)的遷移趨勢預(yù)測。

1研究對象與方法

1.1研究對象

以我國34個省級行政區(qū)為研究區(qū)，為支持異地就醫(yī)影響因素分析，收集國家衛(wèi)生健康委提供的我國各省異地就醫(yī)人口相互遷移數(shù)據(jù)和2019年各省域相關(guān)影響因子數(shù)據(jù)，如表1所示。其中社會因素指標(biāo)來自《中國衛(wèi)生健康統(tǒng)計年鑒2020》，經(jīng)濟因子數(shù)據(jù)來自國家統(tǒng)計局[10]2019年公開的數(shù)據(jù)。

表1影響因素數(shù)據(jù)

首先，為了對異地就醫(yī)遷移數(shù)據(jù)進行空間格局和空間相關(guān)性分析，將表1中所有指標(biāo)數(shù)據(jù)首先進行了歸一化處理，使后續(xù)計算方法在統(tǒng)一量綱下進行操作，以確保地理探測器的分層和地理加權(quán)回歸模型的建立；最后，采用自然斷點法對影響因子數(shù)據(jù)分為5層，以體現(xiàn)不同分層的異質(zhì)性，同時確保每層中樣本的相似性。

1.2研究方法

1.2.1全局空間自相關(guān)指數(shù)全局莫蘭指數(shù)用于檢驗并定量考察研究區(qū)內(nèi)目的地相同的異地就醫(yī)遷入人口和源地相同的遷出人口的空間相關(guān)性，其計算公式為：

式（1）中， x_i 為 i 單元的觀測值， n 為研究單元個數(shù)； w_ij 為行標(biāo)準(zhǔn)化的空間權(quán)重矩陣； I 值位于[-1，1]，在給定顯著性水平下（ 5% 水平），若 I 顯著為正，表明相似的觀測值呈現(xiàn)空間集聚分布的特征；若 I 顯著為負，表明相似的觀測值呈現(xiàn)空間離散分布的特征；當(dāng) I 值接近期望值- 1/（n － 1）時，則觀測值之間呈獨立隨機分布[11]

1.2.2局部空間自相關(guān)指數(shù)局部莫蘭指數(shù)是每個研究單元單獨的空間相關(guān)性指標(biāo)，用于考察研究區(qū)內(nèi)每個研究單元的聚類模式，可通過局部莫蘭指數(shù)定量考察每個省域遷入或遷出人次的分布特征（“高-高”“低-低”“高-低”或“低-高”分布）。局部Moran'sI統(tǒng)計量 I_i 的定義式為：

式（2）中， w_ij 為標(biāo)準(zhǔn)化處理的空間權(quán)重矩陣； x_i ， x_j 分別為第 i，j 個空間單元的屬性值; 為所有屬性值的平均值; n 為空間單元的總數(shù)； 為：

結(jié)合觀測單元的屬性值的統(tǒng)計量，可以確定可能存在的局部空間相關(guān)的類型（聚類模式）[12]1.2.3地理探測器因子探測旨在探測因變量Y的空間分異性以及探測某因子 ΔX 多大程度上解釋了屬性Y的空間分異，用 q 值度量，表達式為：

式（4）中， h 為因變量Y或因子X的分層，即分類或分區(qū)， L 為分層數(shù)量； N_h 和 N 分別為層 h 和全區(qū)的單元數(shù)； σ²_h 和 σ² 分別是層 h 和全區(qū)的 ΔY 值的方差； SSW 和 SST 分別為層內(nèi)方差之和與全區(qū)總方差。 q 的取值范圍為［0，1]， q 值越大說明Y的空間分異性越明顯；如果分層是由變量X生成的， q 值越大則說明自變量 ΔX 對屬性 ΔY 的解釋力越強，反之則越弱[13] 。

1.2.4OLS和GWR模型普通最小二乘法（OLS）通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配，可用于進行探索性回歸。通過對解釋變量的所有組合建立的模型進行評估，比較出最優(yōu)的回歸模型。若校正可決系數(shù)（Adjusted R² ）值大于0.5，方差膨脹因子（VIF）值小于10，Jarque-Bera（JB）的 p 值大于0.1，則模型通過了JB檢驗和共線性診斷，其殘差呈正態(tài)分布，解釋變量能至少 50% 程度上解釋因變量的變化。

地理加權(quán)回歸（GWR）是在傳統(tǒng)的線性回歸模型上引入了地理坐標(biāo)信息，可通過局部的參數(shù)體現(xiàn)出屬性值在不同地理位置的變化規(guī)律，其表達式為：

式（5）中， y_i 是區(qū)域 i 的因變量值; x_ik 是解釋變量 k 在區(qū)域 i 的屬性值； 是地區(qū) i 的地理坐標(biāo); 是區(qū)域 i 的截距項，即 x_i1 ， x_i2 ，…， x_ik 均為0時， y_i 的預(yù)測值; 是解釋變量 k 的回歸系數(shù)； ε_i 是隨機誤差項且服從正態(tài)分布[14]

2結(jié)果

2.1中國省際異地就醫(yī)空間特征

2.1.1各省異地就醫(yī)遷入量集聚特征分析各省域異地就醫(yī)遷入量在空間上的聚集特性，其差異具有統(tǒng)計學(xué)意義（ plt;0.05） ）。省域全局莫蘭指數(shù)如表2所示（排名不分先后，下同），可見大部分省域的就醫(yī)遷入都具有明顯的集聚特征。

表2顯著省域異地就醫(yī)遷入全局莫蘭指數(shù)分布

由表2可見，除優(yōu)質(zhì)醫(yī)療資源對居民就醫(yī)的吸引力外，地理位置的鄰近性也是驅(qū)使居民異地就醫(yī)的重要原因。由表2還發(fā)現(xiàn)，地理位置邊遠，醫(yī)療資源并不發(fā)達的一些省域（如內(nèi)蒙古等）也具有較強的遷入集聚性，可見這些省域的醫(yī)療水平發(fā)展、患者對?？萍膊〉男枨笠彩切纬纱朔N模式的重要原因。通過考察各省域異地就醫(yī)遷人人次的局部莫蘭指數(shù)，可得知各省域居民異地就醫(yī)遷入聚類模式，如表3所示（僅展示 plt;0.05 的結(jié)果，下同）。

表3各省異地就醫(yī)遷人聚類模式

我國共有7個省域的異地就醫(yī)遷入人口呈現(xiàn)出顯著的全局空間相關(guān)性特征。江蘇和浙江呈現(xiàn)出“高-高”局部集聚分布的特征，坐落在長江三角洲地區(qū)，其醫(yī)療資源顯著優(yōu)于周圍省域，與上海共同形成遷入熱點區(qū)域；呈現(xiàn)“高-低”離散分布的僅有四川省，四川作為西北、青藏、云貴高原地區(qū)最鄰近的省域，其醫(yī)療資源和自然環(huán)境顯著優(yōu)于周邊資源匱乏、環(huán)境嚴(yán)酷的地區(qū)；西北部地區(qū)經(jīng)濟較落后，醫(yī)療資源較少，新疆、甘肅、內(nèi)蒙古、寧夏呈現(xiàn)出“低-低”集聚分布的特征，集中出現(xiàn)在我國北部邊境地區(qū)。此外，從表3發(fā)現(xiàn)，北京、天津、上海和廣東作為我國的行政中心和經(jīng)濟重心區(qū)域，并未呈現(xiàn)顯著的局部集聚特性。這4個省域遷入人次顯著高于周圍的省域，但就醫(yī)遷入人次并不隨著空間距離近就有明顯的增量，也存在距離較遠遷入人次較多，使得其不具備局部空間集聚效應(yīng)，這也進一步說明了一級醫(yī)療資源的省域具有較強的全國吸引力。

2.1.2各省異地遷出人次集聚特征通過全局莫蘭指數(shù)分析各省域遷出人次在空間上的集聚特征，如表4所示。

表4顯著省域異地就醫(yī)遷出全局莫蘭指數(shù)分布

由表4可見，所有具有顯著遷出全局空間相關(guān)性的區(qū)域均呈現(xiàn)集聚分布的特征，且分布在東南沿海地區(qū)和東北部邊境地區(qū)。這些省域的特征包括人口基數(shù)大、經(jīng)濟水平相對較高和交通條件較便利等。可見居民寧可承擔(dān)更高的醫(yī)療費用，也更傾向于前往擁有優(yōu)質(zhì)醫(yī)療資源的省域就醫(yī)。此外，上海和廣東作為遷入人口集聚區(qū)域，以及內(nèi)蒙古、黑龍江等遷入人次呈現(xiàn)集聚性的區(qū)域，其遷出人次同樣呈現(xiàn)出集聚的特征。其原因可能是醫(yī)療保險的報銷政策和支付標(biāo)準(zhǔn)差異導(dǎo)致了患者需要自己負擔(dān)更多的費用，導(dǎo)致一些患者不得不選擇就近異地就醫(yī)。通過遷出人次局部莫蘭指數(shù)可分析各省域遷出人次的聚類模式，如表5所示。

表5各省異地就醫(yī)遷出聚類模式

由表5可見，遷出較為集聚的區(qū)域由上海向外擴散，這些區(qū)域的遷出人次呈“高-高”分布的集聚模式，向三大經(jīng)濟重心，尤其是中心的長三角區(qū)域遷移。上海自身作為經(jīng)濟中心區(qū)域，呈現(xiàn)出“低-高”分布的離散模式。與上海不同，北京和廣東作為經(jīng)濟中心區(qū)域，并未呈現(xiàn)出“低一高”分布的離散模式。由此可見，醫(yī)療費用的低廉性也是驅(qū)使居民異地就醫(yī)的重要原因。

2.2中國異地就醫(yī)省際人口遷移影響因素

2.2.1主要影響因素探析居民異地就醫(yī)空間特征的形成是各省域經(jīng)濟因素、社會因素、文化因素、人口學(xué)因素等共同作用下的結(jié)果[15]。因此，結(jié)合我國異地就醫(yī)的實際情況，本研究從2020年度《中國衛(wèi)生健康統(tǒng)計年鑒》和《中國經(jīng)濟統(tǒng)計年鑒》中，從社會因素、經(jīng)濟因素、人口學(xué)因素三個維度出發(fā)，梳理出相互影響較小、獨立性較強的量化驅(qū)動因子，整理并預(yù)處理其數(shù)據(jù)，并以各省的跨省異地就醫(yī)遷入量和遷出量為因變量分別進行計算。

借助因子探測器進行分析，按 q 值降序排列整理，結(jié)果如表6～7所示。

對遷入人次驅(qū)動力較顯著的因子有居民人均可支配收入、人均GDP、平均住院日、每萬人口全科醫(yī)生數(shù)、住院病人人均醫(yī)藥費和住院病人人均藥費?？傮w而言，經(jīng)濟因素的驅(qū)動力最大，其次是社會因素，人口因素對居民遷人某省異地就醫(yī)的驅(qū)動力較小。

經(jīng)濟因素驅(qū)動力最大的直接原因是收入水平的差異和居民的消費理念[15]。而根據(jù)我國現(xiàn)今的經(jīng)濟水平，越來越多居民的經(jīng)濟條件允許他們優(yōu)先考慮醫(yī)療服務(wù)的質(zhì)量而不是價格[16]。此外，經(jīng)濟因素也決定了一個地區(qū)的醫(yī)療資源和醫(yī)療水平，逐漸形成了此種驅(qū)動力趨勢。

社會因素與居民異地就醫(yī)乃至日常生活息息相關(guān)，醫(yī)療資源的數(shù)量與質(zhì)量、與衛(wèi)生機構(gòu)的距離、公交便利程度、醫(yī)療可及性、醫(yī)療機構(gòu)條件對患者的偏好，均會對居民就醫(yī)選擇產(chǎn)生影響[17-18]

關(guān)于人口學(xué)因素，居民的受教育程度決定了對健康信息的認知程度，繼而影響了就醫(yī)行為的理性程度，但該子維度下的因子驅(qū)動力并不顯著，即非主要影響因素。

表6各驅(qū)動因子對遷入人次的驅(qū)動力

注：*、**、***分別表示在 ∝ 為0.05、0.01、0.001，下同。

表7各驅(qū)動因子對遷出人次的驅(qū)動力

對就醫(yī)遷出驅(qū)動力顯著的因子不存在，僅有常年省外務(wù)工人數(shù)接近顯著性水平。表6與表7對比可知，各驅(qū)動因子對遷人人次的驅(qū)動力遠大于遷出人次，而對遷出人次的驅(qū)動作用較為隨機。2.2.2局部權(quán)重分析首先進行探索性回歸，找出最優(yōu)的分析模型。進一步將最優(yōu)的模型中的解釋變量進行OLS診斷，其結(jié)果如表8所示。結(jié)果表明，所有解釋變量的VIF值均小于10，不存在嚴(yán)重共線性；聯(lián)合F值通過了 0.01% 顯著性檢驗，說明有自變量對因變量無影響的概率為0。由于樣本量較小，模型中存在解釋力不滿足 5% 顯著性的解釋變量，但不影響對局部權(quán)重的分析。綜合而言，此模型具有統(tǒng)計學(xué)意義。

表8OLS診斷結(jié)果

（A）

（B）

模型選擇完成后，對該模型進行GWR分析，系數(shù)結(jié)果如表9所示。

表9顯示，所有地區(qū)的藥費與遷人人次呈負相關(guān)關(guān)系，其余兩個解釋變量呈正相關(guān)關(guān)系。通過將各核心因子的局部回歸系數(shù)按自然斷點法劃分，可了解不同影響因子回歸系數(shù)的分布特征，如表10～12所示。

表10～12顯示，平均住院日體現(xiàn)了社會因素對各省遷入人次的正影響，其局部權(quán)重自西北向東南呈現(xiàn)出逐漸上升趨勢。東南部經(jīng)濟發(fā)達、醫(yī)療資源豐富、人口流入量大、醫(yī)療保障體系完善，使得東南部的平均住院日對遷入人次的解釋力更強，而西北地區(qū)的醫(yī)療資源相對匱乏、人口遷入模式不同，導(dǎo)致其解釋力較弱。

居民人均可支配收入體現(xiàn)了經(jīng)濟因素對遷入人次的正影響，其局部權(quán)重自西北向東南呈現(xiàn)出逐漸上升趨勢。受北京經(jīng)濟條件的影響，東北部地區(qū)的局部權(quán)重相較西北部地區(qū)更大。由于經(jīng)濟因素對各地醫(yī)療服務(wù)水平有重大影響，故該趨勢的形成原理與社會因素基本相似。住院病人人均藥費體現(xiàn)了經(jīng)濟因素對遷入人次的負影響，其局部權(quán)重的絕對值由西北到東南呈現(xiàn)出逐漸上升的趨勢。諸如藥費的醫(yī)療費用因素會對居民異地就醫(yī)產(chǎn)生負吸引力，居民往往會選擇醫(yī)療費用較低的醫(yī)療機構(gòu)，且東南部地區(qū)的醫(yī)療費用顯著高于西北地區(qū)，故形成了此種趨勢。總體而言，各類影響因素在不同地區(qū)的影響權(quán)重差異較小，影響較為普遍。各影響因素的局部權(quán)重的絕對值，東南部地區(qū)大于西北部地區(qū)。

3討論

3.1醫(yī)療資源區(qū)域分布失衡與“虹吸效應(yīng)”

我國異地就醫(yī)的遷人人口主要集中于京津冀、長三角、珠三角三大城市群和四川省。遷出人次較多的區(qū)域主要分布在遷入熱點區(qū)域相鄰的省域，或人口基數(shù)較大，地理位置較邊遠的區(qū)域。醫(yī)療資源和技術(shù)的差異是驅(qū)使居民異地就醫(yī)最主要的原因。此外，部分省域作為遷入非熱點區(qū)域，其遷入人次存在顯著集聚的現(xiàn)象；一些省域作為遷入熱點區(qū)域，其遷出人次也在全國排名靠前。由此可知，非熱點地區(qū)醫(yī)療水平的發(fā)展、民族和文化背景的吸引力、對?？萍膊〉男枨笠彩共糠质∮虺蔀榫用癞惖鼐歪t(yī)的局部熱點區(qū)域。建議在遷入和遷出人次均較多的省域開展醫(yī)療費用的價格管控，尤其是對重點科室和常見病種的收費進行合理監(jiān)管。同時，鼓勵醫(yī)保政策對高醫(yī)療費用的疾病提供更多補貼，以減輕患者的經(jīng)濟壓力。

3.2經(jīng)濟因素主導(dǎo)就醫(yī)決策機制

通過對異地就醫(yī)主要影響因素的探析，可知驅(qū)使居民異地就醫(yī)遷人人次的顯著因子包括居民人均可支配收入、人均GDP、平均住院日、每萬人口全科醫(yī)生數(shù)、住院病人人均醫(yī)藥費和住院病人人均藥費?？梢园l(fā)現(xiàn)經(jīng)濟因素的驅(qū)動力大于社會因素，人口因素不是主要影響因素。研究范圍內(nèi)不存在對遷出人次有顯著驅(qū)動力的因子，僅有常年省外務(wù)工人次接近 5% 顯著水平。各驅(qū)動因子的驅(qū)動作用較為隨機，但仍有一定程度的驅(qū)動力。根據(jù)此項分析結(jié)果，可知各項政策改進的優(yōu)先級。經(jīng)濟因素是驅(qū)使居民異地就醫(yī)最重要的因素，醫(yī)保結(jié)算和價格管控類的政策改進應(yīng)放在第一位；社會因素是其次，對醫(yī)療資源的合理分配應(yīng)放在第二位，可因地制宜先對當(dāng)?shù)貤l件便于調(diào)配醫(yī)療資源的省域進行改進；人口因素中，需優(yōu)先考慮省外務(wù)工患者的就醫(yī)問題。

3.3醫(yī)療政策區(qū)域適配性不足

進一步建立GWR模型分析解釋各省異地就醫(yī)遷入人次的主要影響因素的局部權(quán)重，可知社會因素對遷入人次主要呈正相關(guān)趨勢。經(jīng)濟因素中，各省經(jīng)濟水平與遷入人次呈正相關(guān)，而醫(yī)療費用方面的因素與遷入人次呈負相關(guān)。各影響因素在我國東南地區(qū)的局部權(quán)重大于西北地區(qū)。建議酌情提高西南部地區(qū)的報銷比例，可有效提升醫(yī)療服務(wù)的可及性與便利性，減少通勤距離，加快結(jié)算效率。同時可優(yōu)化醫(yī)療資源分配，分流患者壓力。鼓勵患者就近就醫(yī)，避免集中前往大城市，減少大城市醫(yī)院的資源緊張問題。

參考文獻：

[1]王雪瑩，李希，樊靜.2015-2020年三級醫(yī)院住院患者跨省異地就醫(yī)現(xiàn)狀及趨勢分析[J].中國醫(yī)院，2023（4）：51.

[2]國家醫(yī)療保障局[EB/OL].[2025-03-06].https：//www.nhsa.gov.cn/

[3]章遲，郭珉江，劉陽，等.我國跨省異地就醫(yī)直接結(jié)算業(yè)務(wù)協(xié)同機制建設(shè)及成效初探[J].中國醫(yī)療保險，2021（12）：27.

[4]鮑震宇，溫佳俊.異地就醫(yī)直接結(jié)算、待遇可攜帶性與人口流動適應(yīng)性研究[J].中國醫(yī)療保險，2024（4） ：11.

[5]方衛(wèi)青，陳川，王逸新，等.國家醫(yī)保接口環(huán)境下門診先診療后結(jié)算系統(tǒng)的改造及應(yīng)用[J].中國醫(yī)療設(shè)備，2024（3）：86.

[6]郭珉江，李亞子，張芳源，等.平臺經(jīng)濟學(xué)視角下“互聯(lián)網(wǎng)+”醫(yī)保支付參與機制的探討[J].中國衛(wèi)生經(jīng)濟，2020（1）：30.

[7]張芳源，李亞子，鄭見立，等.跨省異地就醫(yī)直接結(jié)算政策實施效果評估指標(biāo)體系構(gòu)建[J].中國衛(wèi)生經(jīng)濟，2020（3）：16.

[8]謝莉琴，胡紅濮.我國基本醫(yī)療保險籌資和支付制度現(xiàn)狀與問題探析[J].中國物價，2018（8）：40.

[9]杜會征，焦衛(wèi)平.異地就醫(yī)患者對直接結(jié)算政策實施的效果評價——以北京x醫(yī)院為例［J].衛(wèi)生軟科學(xué)，2022（4）：79.

[10]國家統(tǒng)計局[EB/OL].[2025-03-06].https：//www.stats.gov.cn/.

[11]Moran P A.Notes on continuous stochastic phenomena[J]. Biometrika，1950（1/2） ：17.

[12]Anselin L.Local indicators of spatial association—LISA[J]. Geographical Analysis，1995（2） ：93.

[13]王勁峰，徐成東.地理探測器：原理與展望[J].地理學(xué)報，2017（1）：116.

[14]Stewart Fotheringham A， Charlton M， Brunsdon C. The geography of parameter space ：an investiga-tionof spatial non-stationarity[J].International Journal of Geographical Information Systems，1996（5） ：605.

[15]李德鑫.居民就醫(yī)行為影響因素研究綜述[J].ModernManagement，2023（13）：642.

[16]邢影影，李勇.江蘇省居民門診就醫(yī)選擇影響因素及對策研究[J].中國藥物評價，2019（6）： 411.

[17]Maritim P， Silumbwe A， Zulu JM，et al.Health beliefs and health seeking behavior towards lymphatic filariasis morbidity management and disability prevention services in luangwa district，zambia：community and provider perspectives [J]. PLoS Neglected Tropical Diseases，2O21（2）： e0009075.

[18]Cao Y， Zhen F， Wu H. Public transportation environment and medical choice for chronic disease ： a case study of gaoyou，china[J]. International Journal of Environmental Research and Public Health，2019（9） ：1612.

（責(zé)任編輯 羅江龍）