寧夏試點(diǎn)縣參合農(nóng)民門診服務(wù)利用的影響因素分析*

寧夏醫(yī)科大學(xué)(750004)

楊甲飛 喬 慧△ 李江平 趙 婷

【提 要】 目的 結(jié)合寧夏新醫(yī)改項(xiàng)目的實(shí)施,探討試點(diǎn)縣參合農(nóng)民門診服務(wù)利用的影響因素,評(píng)價(jià)項(xiàng)目實(shí)施的效果,為支付方式改革提供可借鑒的依據(jù)。方法 整理2015年隨訪數(shù)據(jù),分別采用logistic回歸和Tobit回歸模型分析農(nóng)村居民門診就診率和門診就診次數(shù)的影響因素。結(jié)果 試點(diǎn)縣參合農(nóng)民兩周就診率為44.9%,平均就診次數(shù)為0.57次,55%以上的門診患者就診次數(shù)為零。影響因素為是否患有慢性病,不患慢性病與患慢性病相比,就診次數(shù)平均減少0.182次。性別、民族、年齡、婚姻狀況、文化水平等影響不顯著。結(jié)論 醫(yī)改項(xiàng)目的實(shí)施一定程度上能改善門診服務(wù)利用的公平性;對(duì)門診服務(wù)利用的影響分析可以采用logistic回歸和Tobit回歸模型,其中Tobit回歸模型是因變量受限資料的有效分析方法;寧夏農(nóng)村居民兩周就診率和門診就診次數(shù)仍然偏低,應(yīng)采取相應(yīng)措施進(jìn)一步提高農(nóng)民的門診服務(wù)利用。

門診服務(wù)是農(nóng)村基層衛(wèi)生服務(wù)的一個(gè)重要組成部分,了解和分析農(nóng)村居民門診衛(wèi)生服務(wù)利用的現(xiàn)狀及其影響因素是農(nóng)村衛(wèi)生服務(wù)研究的重要課題,也為下一步新型農(nóng)村合作醫(yī)療制度的干預(yù)設(shè)計(jì)提供重要依據(jù)[1]。本研究利用寧夏“創(chuàng)新支付制度,提高衛(wèi)生效益”醫(yī)改項(xiàng)目2015年隨訪數(shù)據(jù),運(yùn)用Tobit和logistic回歸模型,分析項(xiàng)目縣參合農(nóng)民門診服務(wù)利用的影響因素,評(píng)價(jià)項(xiàng)目實(shí)施的效果,為新醫(yī)改項(xiàng)目可持續(xù)發(fā)展和促進(jìn)居民健康提供數(shù)據(jù)支持[2]。

對(duì)象與方法

1.調(diào)查對(duì)象

調(diào)查對(duì)象來自寧夏回族自治區(qū)與哈佛/牛津大學(xué)研究團(tuán)隊(duì)合作開展的“創(chuàng)新支付制度,提高衛(wèi)生效益”試點(diǎn)項(xiàng)目,2015年追蹤隨訪數(shù)據(jù)。項(xiàng)目采用二階段分層整群隨機(jī)抽樣方法,對(duì)試點(diǎn)縣(鹽池縣、海原縣)的農(nóng)村居民進(jìn)行入戶調(diào)查[1]。第一階段抽樣:將各縣各鄉(xiāng)鎮(zhèn)的所有行政村按照經(jīng)濟(jì)水平好、中、差劃分為三類,采用隨機(jī)抽樣的方法抽取村莊;第二階段抽樣:根據(jù)每個(gè)行政村所包含自然村的數(shù)量,對(duì)現(xiàn)住的實(shí)有戶數(shù)進(jìn)行系統(tǒng)抽樣或按村落方位整群抽樣,以樣本戶的所有戶籍人口及調(diào)查之前6個(gè)月內(nèi)的常住人口為調(diào)查對(duì)象,統(tǒng)一問卷調(diào)查。本次研究選取試點(diǎn)縣參合農(nóng)民中門診患者,共計(jì)1663例。

2.質(zhì)量控制

調(diào)查問卷由美國哈佛大學(xué)制定,并經(jīng)預(yù)調(diào)查后,修改完善。調(diào)查人員由相關(guān)專業(yè)的碩士生及公共衛(wèi)生與管理學(xué)院的本科生組成,事先需統(tǒng)一培訓(xùn)。資料整理錄入階段,采用EpiData 3.1軟件編寫自動(dòng)驗(yàn)錯(cuò)程序,確保數(shù)據(jù)錄入的準(zhǔn)確性。

3.分析方法

采用StataMP 14.0統(tǒng)計(jì)學(xué)軟件進(jìn)行統(tǒng)計(jì)學(xué)描述和多因素回歸分析。定性資料的描述采用頻數(shù)和構(gòu)成比;定量資料的描述采用均數(shù)±標(biāo)準(zhǔn)差。兩周就診率的影響因素采用logistic回歸分析,就診次數(shù)采用Tobit 回歸模型[3]。檢驗(yàn)水準(zhǔn)α=0.05。

Tobit模型,又稱截尾回歸模型,指響應(yīng)變量包含一部分以正概率取值為0的觀察值,響應(yīng)變量因受到某種限制,得到的觀測(cè)值并不完全反映因變量的實(shí)際狀態(tài):y*=βx+uy=max(0,y*)當(dāng)y*>0時(shí),y=y*,當(dāng)y*≤0時(shí),則y=0.

圖1 截尾回歸示意圖

如圖1所示,由于在y=c(c為常數(shù))數(shù)據(jù)存在左邊截尾,故無論樣本量多大,α與β都不會(huì)收斂到α與β[4-5]。本次研究的就診次數(shù)數(shù)據(jù)存在左截尾,響應(yīng)變量取值受限,故采用Tobit模型,同時(shí)估計(jì)邊際效應(yīng)。

結(jié) 果

1.一般情況

本次研究共調(diào)查門診患者1663例,其中海原縣896例,占53.9%,鹽池縣767例,占46.1%;男性696例,占41.9%,女性967例,占58.1%;民族以漢族和回族為主,分別占60.1%和39.9%;教育水平中未上過學(xué)者,占42.0%;兩周就診率為44.9%;平均就診次數(shù)為0.57次。具體見表1。

表1 參合農(nóng)民門診患者一般人口學(xué)特征

2.就診次數(shù)分布

門診患者就診次數(shù)表現(xiàn)為左側(cè)截尾,就診次數(shù)的范圍為1到7次(圖2)?？梢娋用駜芍芑疾【驮\次數(shù)這一因變量的取值受到限制。

3.就診次數(shù)的Tobit分析

選取就診次數(shù)為響應(yīng)變量,其他一般人口學(xué)特征指標(biāo)為自變量,進(jìn)行Tobit回歸分析。具體結(jié)果見表2。從表中可知除年齡、是否患有慢性病以外,其他變量的系數(shù)都為正值,是否患有慢性病的P值小于0.05,差異有統(tǒng)計(jì)學(xué)意義,不患慢性病與患慢性病相比,就診次數(shù)平均減少0.182次。性別、民族、年齡、婚姻狀況、教育水平對(duì)就診次數(shù)的影響在0.05檢驗(yàn)水準(zhǔn)下差異無統(tǒng)計(jì)學(xué)意義。

圖2 參合農(nóng)民門診患者就診次數(shù)的頻數(shù)分布圖

進(jìn)一步以兩周患病是否就診為響應(yīng)變量,一般人口學(xué)特征為自變量,進(jìn)行l(wèi)ogistic回歸分析(表3),結(jié)果顯示,是否患慢性病是患者是否就診的影響因素(P=0.015),同Tobit分析結(jié)果一樣。性別、民族、年齡、婚姻狀況、教育水平對(duì)是否就診影響不顯著。

表2 參合農(nóng)民兩周就診次數(shù)的Tobit回歸分析結(jié)果

表3 參合農(nóng)民兩周就診率的logistic回歸分析結(jié)果

討 論

2010年支付制度改革項(xiàng)目開始在海原和鹽池兩縣試點(diǎn)實(shí)施,該項(xiàng)目從新農(nóng)合統(tǒng)籌資金中劃出一部分資金作為門診統(tǒng)籌,調(diào)整報(bào)銷方案為普通門診、慢病門診、大病門診都可報(bào)銷,并且不同級(jí)別醫(yī)療機(jī)構(gòu)設(shè)置不同的報(bào)銷比例,越到基層報(bào)銷比例越高,同時(shí)通過門診包干制,鼓勵(lì)醫(yī)務(wù)人員提高醫(yī)療技術(shù)水平,控制醫(yī)療費(fèi)用,更好滿足居民健康需求。本研究結(jié)果顯示55%以上的門診患者就診次數(shù)為零,平均就診次數(shù)為0.57次,而影響門診患者就診次數(shù)的主要因素為是否患慢性病,患有慢性病的居民比沒有患有慢性病的居民就診次數(shù)增加。性別、年齡、民族等一般人口學(xué)特征的影響不顯著,對(duì)比郭文琴、孫彥玲等研究結(jié)果[1-2],2009年基線資料分析顯示,年齡、民族、文化程度、是否患慢病是居民兩周就診的影響因素,兩個(gè)結(jié)果對(duì)比說明新醫(yī)改項(xiàng)目實(shí)施后,農(nóng)村居民門診患者就診的公平性得到改善,新農(nóng)合方案強(qiáng)化基層醫(yī)療衛(wèi)生服務(wù)機(jī)構(gòu)建設(shè),完善鄉(xiāng)村一體化建設(shè)實(shí)施后,居民患病就診更加方便。本研究結(jié)果顯示性別和民族不是兩周就診的影響因素,這與張桂宏等[6]利用寧夏第五次衛(wèi)生服務(wù)調(diào)查數(shù)據(jù)分析結(jié)果不一致,可能與調(diào)查的樣本縣和抽樣方法不一致有關(guān)。

本研究分別運(yùn)用Tobit回歸模型和logistic回歸模型對(duì)參合農(nóng)民門診服務(wù)利用次數(shù)和利用率進(jìn)行多因素分析[6-7]。對(duì)于就診次數(shù)這一響應(yīng)變量,采用常規(guī)的多元線性回歸已不再合適,得到的結(jié)果是有偏差的,故選用Tobit模型進(jìn)行分析則有較好的適用性和推廣價(jià)值[8]。同時(shí)以是否就診二分類變量為響應(yīng)變量進(jìn)行l(wèi)ogistic回歸[9]分析參合居民門診服務(wù)利用的影響因素,兩種方法可為后續(xù)有關(guān)衛(wèi)生服務(wù)影響因素分析提供方法參考。