医改背景下基于DEA的医院科室运行效率评价

北京大学肿瘤医院暨北京市肿瘤防治研究所运营办(100142)

刘 利 王 楠 武爱文△

【提 要】 目的 应用数据包络分析方法评价北京市某肿瘤专科医院医药分开综合改革前后科室运行效率，为科室精细化管理提供参考依据。方法 分析改革前后一年的临床科室运行数据，运用DEA的CCR和BCC模型进行年度分析，运用Malmquist指数模型进行跨期分析。结果 从科室所处的规模报酬状态看，医改前有9个(40.91%)科室处于规模报酬不变阶段、为最优规模状态，医改后有7个(31.82%)科室处于规模报酬不变阶段。研究期间，Malmquist指数均值为1.003，并且非手术类科室平均全要素生产效率指数(1.068)高于手术类科室(0.966)。结论 医改后临床科室的生产效率整体平稳略有提升，但需要重点关注手术类科室资源的配置和运行效率。

北京市医药分开综合改革在2017年4月在全市范围内推行，其改革内涵包括取消药品加成、取消挂号费、设立医事服务费、调整部分医疗服务项目和价格以及实施药品阳光采购等[1]，进一步考验公立医院的管理水平。在新医改背景下，医院的管理和发展必然要面对更复杂的环境，更加需要从效率中体现社会公益，改善服务能力、提升运行效率、走内涵式发展道路。临床科室作为医院的基本管理单元，是医疗运行的直接载体，对其进行综合分析有助于探明医院内部运行效率的内在机制。临床科室的效率评价具有多投入、多产出的特点，常规的效率产出评价难以揭示投入-产出的实际效果。数据包络分析(data envelopment analysis，DEA)在处理多输入和多输出问题上具有明显优势[2]，目前在医药卫生领域得到广泛运用[3-4]。作为北京市肿瘤专科三甲医院之一，某医院自新医改以来积极贯彻改革要求，不断深化和完善内在运行机制。本研究基于数据包络分析，旨在分析研究医药分开综合改革前后某肿瘤专科医院临床科室的效率变化情况，以了解和评估医院的生产效率，为科室运营管理和绩效管理提供参考，为新医改的持续推进提供素材。

资料与方法

1．资料来源

数据资料主要来源于医院22个临床科室的常规监测数据。研究选取的22个临床科室决策单元，其中包括14个手术类科室8个非手术科室。鉴于临床是绩效考核的侧重点，故研究仅分析临床科室，对平台、医技、医辅科室等数据并未纳入本分析。时间周期为2016年4月-2018年3月共24个月的数据。虽然是2017年4月8日开始实施医药分开综合改革，考虑到分析角度，本研究将2017年4月定为改革初始月，即将2016年4月-2017年3月定义为改革前；2017年4月-2018年3月定义为改革后。

2．研究方法

DEA的基本模型被分为规模报酬不变假设下的CCR模型和规模报酬可变假设下的BCC模型，但CCR与BCC只能用于相同时期的决策单元比较。当决策单元的数据包含不同时期的面板数据时，Malmquist指数模型则可以通过跨期分析以获得决策单元效率的动态变化趋势[5]。因此，本研究运用DEAP 2.1软件，采用DEA方法中CCR和BCC模型对各科室相对效率进行横向年度评价和分析，再采用Malmquist指数模型进行跨期纵向分析。

3．指标的选取

一般来说，决策单元的数量不应少于投入和产出指标数量的乘积，同时不少于收入和产出指标数量的3倍[6]。投入产出指标的选择根据机构层次和病种差异可以不同。在借鉴既往文献[7-8]和综合考虑临床科室业务评价适用性的基础上，本研究选取科室人数和开放床位数作为投入指标，选取出院人次、门诊人次、实际占用总床日数、外地患者比例4个指标作为产出指标。

结 果

1．投入产出指标基本情况

根据样本医院22个临床科室的投入产出指标数据，整体来看，产出指标中出院人次、门诊人次、实际占用总床日数、外地患者比例在改革后分别较改革前同期上升14.77%、1.98%、2.91%、2.08%；投入指标中实际科室人数和开放床位数在改革后分别较改革前同期上升5.77%和0.88%。相对医改前，各科室医改后投入指标数据具体变动情况，详见表1。

表1 22个科室医改后投入产出指标数据变动情况

2．基于CCR模型、BCC模型的科室运行效率情况

医改前和医改后22个科室的DEA效率及规模报酬状态，详见表2。综合技术效率反映各决策单元的规模大小是否适度和技术的充分运用情况，综合技术效率=1，表示该决策单元的投入产出是综合有效的，即同时技术有效和规模有效。纯技术效率反映各决策单元的技术水平运用情况；规模效率则反映决策单元的投入规模大小是否适度，如果规模效率值=1，则说明投入达到最适生产规模，如果规模效率值<1，说明投入的规模大小还需要进一步调整，规模报酬递减是指产出的按比例增长小于投入的按比例增长，在这种情况下，应该减少要素投入，缩减规模[9]。从DEA效率来看，医改前有8个(36.36%)科室综合技术效率为1，总体有效；医改后有7个(31.82%)科室综合技术效率为1。从科室所处的规模报酬状态看，医改前有9个(40.91%)科室处于规模报酬不变阶段、为最优规模状态，医改后有7个(31.82%)科室处于规模报酬不变阶段。医改前，有1个(4.56%)科室处于规模报酬递增阶段，12个(50.00%)科室处于规模报酬递减阶段；医改后，这1个科室(科室13)仍处于规模报酬递增阶段，有14个(6.36%)科室处于规模报酬递减阶段。

3．基于Malmquist指数模型的科室效率变化情况

Malmquist指数即全要素生产率指数，可分解为技术效率变化指数和技术变化指数，技术效率变化也可进一步分解为纯技术变化和规模效率变化。对22个临床科室医改前后数据进行DEA跨期分析，所得结果如表3所示。

从表中可以发现，共有12个(54.55%)科室的Malmquist指数大于1，说明这些科室医改后的生产效率有所提升、高于医改前，Malmquist指数均值为1.051，表示这些科室全要素生产率提升了5.1%；有10个(45.45%)科室Malmquist指数小于1，Malmquist指数均值为0.947，表示医改后这些科室的运行效率下降了5.3%。整体来看，Malmquist指数均值为1.003，医改后运行效率基本保持平稳。

生产率提升的12个科室中，有9个科室(75.00%)的生产率提高主要来源于技术进步，即技术变化指数大于1，1个科室(8.33%)的生产率提高主要来源于效率提高，2个科室(16.67%)生产率提高来源于技术进步和效率提高共同作用；生产率下降的10个科室中，有9个科室(90.00%)的生产率下降主要由于技术效率衰退，有1个科室(10.00%)生产率下降是由于技术衰退。

再从科室属性来看，手术科室(科室1～14)与非手术科室(科室15～22)的Malmquist指数均值分别为0.966和1.068，非手术科室Malmquist指数全部大于1，显示非手术科室的运行效率略高出手术科室。14个手术类科室有10个科室的全要素生产率均有不同程度的降低，其中9个科室(90.00%)是因为效率衰退、1个科室(10.00%)是因为技术衰退。8个非手术类科室的全要素生产率均有不同幅度的提高，其中有6个科室(75.00%)是因为技术进步，2个科室(25.00%)是因为技术进步和效率提升的共同作用。

表2 22个科室的DEA效率及规模报酬状态

表3 22个科室的DEA效率变化情况

讨 论

1．医改前后医院运行效率基本稳定

从规模效应看，医改前后均有较多的临床科室处于规模报酬递减阶段。规模效应逐渐消失，已成为公立医院普遍面临的新常态[10]。随着人们就诊意识的加强、分级诊疗的推进、全民医保的覆盖以及医疗市场的开放，特别是肿瘤病种的发病与治疗的特殊性，肿瘤医疗机构可能面临着更加复杂的行业环境，在保障社会公益的同时，要加快粗放型向精细化管理转换速度，以达到医疗改革预期以及满足肿瘤患者的期望。

研究显示，改革前后，Malmquist指数表明医院的运行效率提升了0.3个百分点，且主要是受技术进步的影响，技术变化指标反映的是除投入要素以外对产出有影响的无形要素，一般认为技术进步是组织、制度创新等因素[11]。王吉善等人分析北京三级医院的全要素生产率增长贡献主要来源于技术进步[12]，这点与本研究结果一致。新医改的多项政府配套政策，从多角度对医疗机构加强了内部管理、激发了技术革新，并且医院通过强调自身文化内涵建设，多学科合作，制定了多项服务改善计划，保持了运行效率的质量，保障了医改的顺利过渡。在实践中，样本医院持续以患者为中心，不断优化资源配置，提高绩效管理水平，持续做好人才引进、继续教育、科研创新等工作，依托后勤和信息保障，不断调动和强化医务人员的积极性和创新意识，保障医院平稳运行。

2．手术科室是医院生产效率提升的着力点

研究同时发现，非手术科室的Malmquist指数均大于1，而运行效率提升的重难点就落在了手术科室上，Malmquist指数下降的手术科室中有90%是由于效率衰退，略有下降的纯技术效率和较低的规模效率，使得手术类科室的全要素生产率略呈下降状态。这与实际情况相符，医改前后外科及手术室空间基本一致，处于使用紧张状态，医务人员有所增加(增幅为6.31%)，在院内发挥的效能有限，使得一部分资源在合作医院得到了部分释放。同时，手术类科室也应该考虑充分发挥现有资源的调配作用，依托流程优化、信息化，节省预约时间，缩短无效住院等待，缩减低产出成本的消耗。这提示在促进提升全院临床科室效率时，需要重点关注手术类科室资源的配置和运行效率。

3．利用数据包络分析助力医院运营分析和绩效考核

医疗机构的投入产出多元化，利用数据包络分析作为效率评价辅助工具，具备一定意义，能够与医院的绩效考核互为验证，也能挖掘出与绩效考核不一样的改进方向。但是，数据包络分析最大的争议就是如何选择足够的、具有代表性的投入产出变量，这同时也是本研究潜在的不足。另外，为了规避医改前2015年医院内部进行绩效考核奖励调整对产出指标的影响，本研究在扩大研究时限上存在局限性，拓展医改前后年限分析有助于更科学全面的开展类似研究。