农村基本公共卫生服务的空间差异及分布格局*

时 涛 矫丹丹

(泰山医学院管理学院，山东 泰安 271000)

我国地大物博，幅员辽阔，各地区经济发展水平不同，很大一部分原因是受地理因素影响，应用空间自相关，建立AHP模型能够更加直观地从空间上描述出各地区公共卫生服务水平，但是这样的文献却很少见到。因此，本文首先运用层次分析法构建全国公共卫生服务指标体系，然后用空间自相关分析法从空间上更加直观地描述我国东、中、西部公共卫生服务水平的差异及现状，并提出相应建议。

1 评价指标体系设计

目前国内关于公共卫生服务有几个比较流行的学说，其中以“缓解差距说”和“服务型政府说”比较具有代表性。本文认为公共卫生服务是一项社会回报周期相对比较长的服务，成本低，效果好，但它与普通意义上的医疗服务有一定的差别。

本文在已有研究的基础上，以公共卫生服务的基本内涵为依据，考虑评价指标体系的系统性和完整性，数据的可获性和准确性，以及研究因素的受关注程度和指标体系的可推广性，运用AHP多层次模糊评价模型设计了“农村基本公共卫生服务综合评价指标体系”。同时，由于本文研究方向比较具体，即农村公共卫生服务，所以为增强统计指标的代表性和区域之间的可比性，使均等化概念得到更好的体现，本文首先运用的全都是农村方面的数据，非社区也非总体，并且尽可能地选取人均或比例指标，使结果更加客观。该指标体系主要涉及“卫生保健”、“卫生保障”、“疾病预防控制”、“卫生监督”四个方面共17个观测水平，然后应用德尔菲法进行专家打分，构造评价矩阵，应用DPS 13.0软件计算指标权重[1](表1)。

表1 中国农村基本公共卫生服务综合评价指标体系

2 中国基本公共卫生服务区域差异分析

2.1 中国基本公共卫生服务区域差异趋势图

本文数据来源于2013年《中国统计年鉴》、《中国卫生统计年鉴》，[2]搜集相关指标数据，并利用改进功效系数法，对数据进行标准化，剔除量纲的影响，计算得到31个省区农村基本公共卫生服务水平指数值。应用GeoDa 1.4.6、ArcGIS 10.1、DPS 13.0等统计软件，对进行数据处理。结果如表2所示。

表2 中国31个省区农村基本公共卫生服务指数一览表

续表

进一步，对东、中、西部三大地区各省份的基本公共卫生服务水平的区域差异绘制趋势图，如图1，2所示。

图1 基本公共卫生服务水平分项趋势图

从农村基本公共卫生服务水平分项趋势图来看，除卫生监督方面各省之间差异不大，其他三方面均呈现东中部较西部高的趋势。

在卫生保健方面，呈现东中部较西部高的趋势，而西部地区西藏省服务水平最低，这是由于西藏地广人稀，交通不便，很多公共设施还不是很齐全所致。卫生保障方面，东部和中部服务水平也比较高，但各省之间差异比较显著，河北、山东、河南、四川四省服务水平比其他省区更高。以上四省都是人口大省，2013年农村人口占总人口的比重都比较大，即人口城镇化水平比较低，因此其农村卫生保健和卫生保障水平都明显较高。疾病控制方面，东部地区服务水平较中部和西部地区较高，但差异不明显，这与经济发展水平有关。

图2 基本公共卫生服务水平总体趋势图

从农村基本公共服务水平总体趋势图来看，呈现中部、东部、西部依次降低的趋势，中部地区所有省区均在全国平均水平0.432以上，而经济发展水平较高的东部省区大部分低于平均值，说明农村基本公共卫生服务水平与其经济发展水平不存在必然联系。同时，安徽、河北、四川三省较其他省区服务水平更高，本文认为这是由于以上三省都属于人口大省，而且农村人口占省区总人口比例较高，人民对于公共卫生服务需求也比较高，因此公共卫生服务水平也较其他省区更高。

2.2 中国基本公共卫生服务水平的空间格局分析

应用ArcGIS 10.1绘制了31个省区农村基本公共卫生服务水平指数的可视化四分位图，图中颜色越深其水平越高，见图4。可以看出：东中部省区的指数值较西部高，且形成了比较明显的空间分布趋势，需要通过空间自相关分析进一步验证。应用GeoDa1.4.6软件计算全局自相关系数Moran's I=0.242，说明中国农村基本公共卫生服务水平的分布存在空间正相关，在地理上表现为空间集聚格局，图3中的趋势线即为Moran's I的值。[3]

一是以租代管，继续加强和规范土地租赁工作。坚持以管理为目标、经营为补充的工作原则，进一步加强和规范租赁业务，为重大项目、弥补城市功能短板提供服务与保障。

另外，GeoDa 1.4.6提供了空间联系指标(LISA)中局部空间自相关系数Local Moran’s I的显著性，将Moran’s I散点图与LISA的显著性相联系，可以得到LISA Cluster聚集地图。图5同时表明了各地区在Moran’s I散点图中所处的象限以及LISA指标的显著性。

图3 四分位图

图4 Moran's I散点图

图5 LISA Cluster聚集地图

图5显示，山东、江苏、河南、安徽四个省份处在HH热点区，且具有较高的显著性(P<0.01)，说明这4个省份的公共卫生服务水平高的同时，周边省份的也高，尤其是山东、安徽两省。四川省处在HL异质性突出区，且具有较高的显著性(P<0.001)，说明四川省的公共卫生服务水平高，周边省份低，形成一个极地。新疆省处在LL盲点区，且具有较高的显著性，说明新疆省的公共卫生服务水平较低，周边省份也低。

从LISA集聚图可以看出，在全国范围内公共卫生服务水平形成了两个极地，一个在东部沿海经济发达省份，一个在西部。东部四个省份既是经济大省又是人口大省，无论从政府财政投入角度、还是从人口对公共卫生服务需求角度都很容易解释；西部的四川省在经济发展、人口总量方面相对于周边省份是高的。另外，新疆省及周边地区地广人稀，交通条件有限，经济发展水平也不高，因此其公共卫生服务水平比较低。

根据以上分析，从总体趋势来看，我国东、中部的农村基本公共卫生服务指数高于西部，这跟各地区的经济发展水平差异存在显著正相关；空间自相关分析显示各省区农村公共卫生服务水平存在空间正相关现象，Moran's I散点图也显示其在地理分布上存在显著空间集聚特征。东部沿海的山东、安徽等省区与西部的四川省处在HL异质性突出区，成为服务水平较高的两个极地，新疆省处在LL盲点区，服务水平较低。可以看出，地区基本公共卫生服务水平与当地经济社会发展水平、人口规模等因素存在显著正相关，即财政投入和卫生需求越大其基本公共卫生服务水平越高。

3 对策建议

要做好农村公共卫生工作，经费保障是基础，培训指导是关键，检查考核是重点，人民群众健康满意是目的。实现社会医疗公平，保障广大人民群众最基本的健康权益，也是构建社会主义和谐社会的一个重要内容。因此，为进一步促进农村基本公共卫生服务的协调发展，本文建议：

(1)清晰定位政府职能，加快基本公共卫生服务法制化建设。与发达国家相比，我国人民享有的公共卫生服务缺乏法律的保障和权利的赋予[8]。目前，我国还没有制定一部专门关于社会公共卫生安全的基本法律《卫生法》，虽然妇幼保健、传染病防治等基本公共卫生服务已有立法规范，但更多其他方面的基本公共卫生服务没有法律法规的明确规范，即使是已有法律法规的领域，也没有对实现基本公共卫生服务均等化的财力保障形成明确的制度。因此，本文认为现阶段急需制定相关制度，保证基本公共卫生服务均等化尤其是农村基本公共卫生服务均等化的实现。这些制度应当包括政府、公民、医院等机构在增进人民健康方面的责任、权利和义务，基本公共卫生服务的内容、经费保障以及基本公共卫生服务提供的相关的法律责任，使基本公共卫生服务在法律的保障下健康发展。

(2)充分调动三个极地的空间溢出机制。积极发挥基本公共卫生服务的空间溢出效应，即该地区基本公共卫生服务水平提高就会影响带动其相邻地区的发展，形成一种好的竞争机制，有利于地区间基本公共卫生服务的均衡发展。

(3)加大经费投入，优化公共服务资源配置。对于公共卫生服务水平相对较低的地区，中央和政府应适当加大财政支持力度，进一步进行财税体制改革，按照当地实际人口数和经济发展水平进行卫生紫云投入，避免一刀切政策。针对不同地区经济社会发展水平与居民对基本公共卫生服务的实际需求，有计划有步骤地完善我国基本医疗卫生服务功能，加大力度培养专业素养较高的公共卫生技术人才以及管理人才，提高整个卫生系统人员的整体素质和专业水平。同时，也应当通过调整薪酬机制或者基层补助等形式，提高基层工作人员的工资待遇。

(4)加强乡镇卫生信息网络建设。建立健全疾病预防控制、健康教育、妇幼保健、精神卫生、应急救治、采供血、卫生监督、计划生育等专业公共卫生服务网络。目前有些乡镇计算机还不齐，妇幼人员也只有兼用其办公室电脑。报表有些还是手工填报，这样对于信息工作造成极大影响。同时，各级医院之间缺乏信息平台，居民健康档案实际利用率和更新率很低。要真正实现循环医疗，就必须建立规范化、标准化区域卫生信息平台。

(5)加强宣传，督导落实，形成全民参与的公共卫生服务格局。当前我国农村居民接受基本公共卫生服务的能力并不乐观，主要问题出在宣传方式和农村居民固有的陈旧观念，如建立居民健康档案，慢性病的健康管理档案等，积极参加的主动性不强，甚至还担心周围人知道患有某些疾病会受到歧视等，因此基层工作人员应该晓之以理，动之以情，向居民们阐明健康才是人之根本。同时，应加大三级预防的健康宣传，提高全民的健康意识和观念，形成全民参与的格局，真正实现从“让我预防”到“我要预防”的本质转变。

[1] 苏宝利，时涛. 基于时空尺度的公共卫生资源配置均等化测度[J].中国卫生统计，2014(02)：307-311.

[2] 2013年《中国统计年鉴》、《中国卫生统计年鉴》.中国统计出版社.

[3] 时涛，周国富，徐笑腾，等. 我国文化软实力时空演变的空间统计分析[J].统计与决策，2013(19)：105-108.