中国医疗卫生服务空间关联结构及其效应分析*

刘凤,秦梦涵 ,王晟昱

(1.天津财经大学财税与公共管理学院,天津 300222;2.南京大学政府管理学院)

不均衡状态是中国医疗卫生服务空间关联网络形成的基础。不同的地理位置、经济发展状况、医疗卫生技术人员数量及医疗服务设施水平,甚至包括地区交通便利状况和国家政策都会影响区域医疗卫生服务的发展水平。当前医疗卫生服务整体上呈现“倒金字塔”结构[1],首先表现为区域不均衡[2],并且区域内差异开始明显大于区域间[3];其次表现为城乡不均衡,矛盾主要集中于人均执业医师[4]、医护比[5]等方面,而且优质医疗卫生资源趋向集中于东部沿海等经济发达省份,导致人民日益增长对于高品质医疗卫生服务需求与优质医疗卫生服务发展不平衡不充分之间的矛盾越来越突出,优质医疗资源禀赋较差地区患者跨区域异地就医现象已经成为常态,这为中国区域医疗卫生服务空间关联网络的形成提供了条件。

目前学界对于医疗卫生服务空间研究集中于可达性或者公平性等问题,但受区域医疗数据瓶颈约束,多数研究只考虑临近地区或单个省份,缺乏对中国整体医疗卫生服务空间结构关系的实证研究。但现实中某些区域在地理空间上可能并不相邻,但是却存在诸多类似跨区域异地就医等关联事实,这使得基于属性数据的传统空间计量方法得到的结论可能稍有偏差。此外,受经济、社会、区位、政策等多重机制影响,我国医疗卫生服务空间关联网络呈现出多线程复杂结构特征。社会网络分析能够有效利用关系数据理解医疗卫生服务领域行动者的复杂“互动关系”,较好弥补以上不足。

国外医疗卫生领域的社会网络分析正处于蓬勃发展期,已经形成了卫生领域社会网络分析应用的总结性著作[6],相关论文的研究议题也较为广泛,大致可以分为疫病传播网络[7]、医护/医患关系网络[8]、卫生系统网络[9]等方面。国内相关研究尚处于起步阶段,主要集中于对医疗卫生服务领域网络关系结构的描述与解构[10、11],已有的研究包括:医疗卫生的府际和城际协作网络[12]、医改部门协作网络[13]、基本公共卫生服务均等化网络[14]、突发公共卫生事件治理网络结构[15]等,鲜有对医疗卫生服务空间关联结构产生何种效应的研究。其中的关系数据多源于调查问卷、政策文本、舆情话语、组织主体以及期刊数据等,模型主要来自于UCINET软件的整体网与个体网分析,这为中国区域基本医疗卫生服务空间网络研究提供了坚实基础,也为基于属性数据的修正引力模型应用留下了极大的推进空间。

在此背景下,利用修正引力模型和社会网络分析方法对医疗卫生服务空间关联网络结构特征进行精准刻画,明确了各省在医疗卫生服务空间关联网络中的角色和地位,并对空间关联网络结构对健康水平的影响作用进行实证检验,有助于为“加快优质医疗资源扩容和区域均衡布局”提供直接理论依据和经验证据。

1 数据来源与方法

1.1 数据来源

以2020年中国大陆(除港澳台地区)31个省市自治区作为研究对象,其中人均生产总值等数据来自2021年相关省市统计年鉴,医疗卫生机构诊疗人次、医疗卫生机构总收入、卫生技术人员数量、三级甲等医院数量、人均医疗保健支出等相关数据来自《中国卫生健康统计年鉴(2021)》以及当年各省市卫生统计年鉴。健康效应实证分析所用的城镇化率、省铁路公路里程密度来自于《中国城市统计年鉴(2021)》。省际地理距离用ARCGIS10.2软件测量各省省会之间的球形距离得出。

1.2 修正引力模型

引力模型是一种被广泛应用于地理距离衰减以及空间相互作用等领域的经典模型,可以准确地衡量区域间的空间相互作用强度大小,从而为确定区域医疗卫生服务关联性提供了一种科学合理方法。目前中国医疗卫生服务不均衡,跨区域就医现象较为普遍,已经超过了纯粹地理意义上的“临近效应”。普遍认为造成患者跨区域就医的原因是不同地区间医疗资源质量以及配置效率的差异,包括三级医院数量、政府卫生投资、经济发展水平、地理距离等,这为医疗卫生服务领域引入引力模型提供了契机。根据医疗卫生服务特性对经典引力模型进行修正,得到以下公式:

(1)

(2)

其中i和j代表不同省份,Kij是医疗引力系数,Yij是两省之间医疗引力,Pi及Pj代表不同省份的当年医疗卫生机构的诊疗人次;T表示不同省份当年医疗卫生机构总收入;Hi和Hj代表不同省份当年卫生技术人员数量,Dij代表不同省份省会城市之间的球面距离,gi及gj代表不同省份人均生产总值,Ri和Rj代表不同省份之间的三级甲等医院数量。

根据公式(1)的计算结果,将属性数据转换为如下关系矩阵。首先,计算两省医疗卫生服务发展引力值矩阵;其次,根据引力值矩阵的行平均值建立衡量基准,如式(3)所示。如果同一行引力值高于该基准值,则赋值为1,说明该行省份医疗卫生服务与该列省份医疗卫生服务具有关联关系。相反,如果引力值低于该基准值,则赋值为0,说明该行省份医疗卫生服务与该列省份医疗卫生服务没有关联。根据计算结果,将整个网络中的点连接起来,构建出一个完整的、定向的医疗卫生服务空间关联网络结构。

(3)

1.3 社会网络分析

社会网络分析(SNA)是一种基于关系数据的跨学科分析方法,用于研究社会行动者如何形成社会关系并构建其关系网络,以及社会网络对社会行动者态度和行为影响测度的工具,它为深入理解中国医疗卫生服务领域的空间关联关系以及如何影响健康水平等问题提供了有益思路。

(1)整体网分析,主要包括网络密度、网络关联度、网络等级度、网络效率等指标。网络密度指的是医疗卫生服务空间关联网络中所有节点之间实际的关系数与整个网络最大可能地关系数之间的比值,网络密度越大代表该网络中节点间关联关系越密切;网络关联度可衡量省际医疗卫生服务关联关系稳健性,一般网络关联度越高,网络越稳健,反之则较脆弱;网络等级度是衡量网络各个节点不对称可到达的程度,其值为数值1与网络中对称可达的点的对数与网络中最大可能地可达的对数之比之间的差值,其数值越小则该医疗卫生服务关联网络等级越松散,越多省份在网络中处于中心地位;网络效率是指医疗卫生空间关联网络各省份之间的连接效率,其数值越低,则说明省际间有更多联系,医疗卫生服务联系越紧密,网络越稳定则越不容易打破现有不均衡格局。

(2)个体网分析,主要包括点度中心度、中介中心度、接近中心度三个指标。点度中心度数值越高表明该省份与其他省份在医疗卫生服务发展空间网中的关联数值越高,反映的是个体省份在医疗卫生服务空间关联网络中的中心位置状况;中介中心度越高说明该省对其他省份医疗卫生服务发展的控制能力越强,该省在网络中心的地位也比较高;接近中心度体现的是在总体网络上个别省份“不受控于外省”的程度,其数值越高,则该省份越接近网络中心。

(3)块模型分析,主要包括净(主)收益类板块,双向溢出类板块,净溢出板块、经纪人板块四种类型。成员内部关系相对较多、外部关系相对较少的板块为净收益板块,其溢出效应相对其他板块要小一些;净溢出板块中的省份更多地发出关系给其他板块,接受外部关系则较少;双向溢出板块向其他板块发出的关系较多,也对本板块内部其他成员发出较多的关系,但接收其他板块的关系较少;经纪人板块成员与其他板块成员具有接收与发出关系,但板块内部各成员之间联系较少,在关联网络中充当“桥梁”的作用。

2 医疗卫生服务空间关联网络的结构特征

2.1 整体网络结构特征

基于修正引力模型构建出中国医疗卫生服务空间关联矩阵,导入UCINET软件并利用网路图谱生成工具(Net Draw)绘制出网路关联结构图(如图1)。

图1 2020年中国医疗卫生服务整体网络结构图

如图所示,中国省际医疗卫生服务关联网络空间较为严密,其中空间关联关系数为222,最大可能的关系数为930个,网络密度为0.2387,网络等级度数值为0.3363,网络效率数值为0.6667(表1)。参照李敬[16]、王俊[17]、绍海琴[18]等学者相关研究可知,中国省际医疗卫生服务空间关联关系数不足理论总数1/3即未达到最佳空间关联状态,未来应进一步强化省际医疗卫生服务资源要素的空间优化配置,以期提升期稳定性。网络等级度未超过0.5,说明中国省际医疗卫生服务空间关联网络未形成严格的“核心-边缘结构”,但各省间仍存在一些不平衡,网络结构有待进一步优化。网络效率数值为0.6667则说明2020年中国医疗卫生服务网络中存在较多冗余连线,且存在多重叠加的溢出渠道,这种多重叠加现象在一定程度上能够缓解网络效率低带来的不稳定性。网络关联度计算结果为1,表明中国医疗卫生健康关联网络中省际之间具有十分明显的空间关联和溢出效应,所有省份之间都存在直接或间接的医疗卫生关联关系。

表1 2020年中国医疗卫生整体关联网络结构指标

2.2 个体网中心性特征

2.2.1 点度中心度

表2计算结果显示,31个省的点度中心度平均值为37.634,点度中心度最小的省份为安徽,其数值为16.667,点度中心度最大的省份为上海,数值为93.333,由此可见点度中心度的省际势差较大。其中沪、苏、京、浙、闽、津、粤、甘八省份的点度中心度数值高于平均值,这些省份经济发展水平及医疗卫生发展水平相对较高。超过70的省份有沪、苏、京、浙四省,表明这四个省份在全国医疗卫生服务发展空间关联网络中地位较高。各省份医疗卫生发展水平对于其在医疗卫生服务空间关联网络中的地位有较大影响,因此东部沿海地区省份在空间关联网络中更多处于中心地位且兼具有更大的影响力。

表2 2020年中国医疗卫生服务空间关联网络中心性分析

点入度最大的是上海,其次为苏、京、浙三省市,其他省份点入度数值均小于20,除闽津两省外的其他省份点入度均小于10。点入度大于10的省份均为东部经济发达省份,优质医疗卫生资源总量、服务水平和效率均位于我国前列,能够吸引更多患者跨区域异地就医,因此医疗卫生服务的虹吸效应和马太效应也更加明显。从点出度的情况来看,点出度数值最大的省份为甘肃,其值为12,其次陕西、湖北点出度均为9。所有省份对外均有医疗溢出且大多数省份点出度保持在6-8之间,说明各省份医疗卫生服务的溢出效应已经突破相邻区域的地理限制,在全国范围内形成极为广泛的关联关系。

2.2.2 接近中心度

由表2计算可知全国31个省份的接近中心度均值为63.015,最高值为93.750,最低值为54.545。接近中心度总体均衡的特征表明在医疗卫生服务空间网络上省际联系较为迅速。接近中心度高于平均值的省份为沪、苏、京、浙、闽、津、粤、甘。除甘肃外其余省份均位于东部沿海地区,集中于珠三角、长三角、京津冀等区域,而甘肃位于中部及西部的客运集散中心。此外接近中心度高于60的省份还有重庆、河南,两者是我国地理位置上承东启西、牵引南北的重要省市。结果表明经济发达省份及区域中心省份在医疗卫生资源配置及服务能力方面做得更好,与其他省份合作的程度更高,其在医疗卫生服务空间关联网络中的中心行动者地位就越明显。

2.2.3 中介中心度

由表2计算可知31个省份的中介中心度均值为2.151,总值为66.667。排名前5的省份是京、沪、苏、浙、闽五个省份的中介中心度总和为54.249,占总值的81.137%,这些省市在医疗卫生服务空间关联网络中发挥中介桥梁作用且控制资源的能力较强。排名6至10的省市分别为津、粤、甘、渝、豫,分别为北部、中部、西部及南部的中心枢纽省份。皖、琼、湘、赣、晋、云、黔、川、黑、辽、吉11个省份排名较低,中介中心度总和为1.77,占总值的2.655%。这些省份经济普遍不发达或地理位置偏远,使其在医疗卫生服务关联网络中难以起到支撑作用。

3 医疗卫生服务空间关联网络的效应分析

3.1 溢出效应分析

本文使用Ucinet软件中CONCOR方法,选择最大分割深度2,收敛标准0.2,最大重复数25为标准进行聚类,将整个医疗卫生服务空间关联网络划分为四个板块(图2)。第Ⅰ板块(3个):京、津、蒙;第Ⅱ板块(4个):苏、浙、闽、沪;第Ⅲ板块(13个):吉、黑、冀、晋、皖、辽、青、鲁、豫、新、甘、陕、宁;第Ⅳ板块(11个):粤、湘、渝、鄂、云、藏、桂、琼、赣、川、贵。

图2 块模型的空间聚类结果图

整体网测算医疗卫生服务空间网络关联总数为222个,其中四个板块之间的关系数为169个,各个板块内部关系数为53个,四个板块之间的医疗卫生服务存在显著空间关联与溢出效应。第Ⅰ板块为经纪人板块,该板块省份在医疗卫生服务空间网络中扮演“桥梁”角色,接收其他板块的溢出关系为39个,对其他板块溢出关系数为17个,其中属于板块外部关系为13个,期望内部关系比重为6.67%,实际内部关系比重为23.53%;第Ⅱ板块为净收益板块,该板块省份因为拥有优质医疗服务资源进而对其他板块产生虹吸效应,接收其他板块发出的关系数为89,板块发出的关系数为26,其中属于板块外部关系有20个,期望内部关系比重为10%,实际内部关系比重为23.08%;第Ⅲ板块为净溢出板块,该板块省份医疗服务资源禀赋较差进而对其他地区产生溢出,该板块接收其他板块的溢出关系有27个,发出关系有96个,期望内部关系比重为40%,实际内部关系比重为16.67%;第Ⅳ板块为双向溢出板块,该板块省份既接受板块内外的关系也发出关系,一般而言接受板块内部关系相对较多,该板块发出关系数为83个,接收其他板块溢出关系为14个,期望内部关系比重为33.33%,实际内部关系比重为32.53%。

为进一步考察板块间的关联与传导机制,本文根据表3中各板块之间的分布情况,计算出各板块之间的密度矩阵和关系矩阵,如表4所示。此外,依据上文测算,2020年中国医疗卫生服务空间关联网络的整体网络密度为0.2387,在四个板块中任何一个板块的网络密度高于0.2387,即板块的密度大于整体网的密度,则赋值为1,密度值小于整体网密度值,则赋值为0,从而得到医疗卫生服务空间网络的像矩阵,其中1代表行指向列,0表示没有关联关系。

表3 2020年中国医疗卫生空间关联板块溢出效应

表4 2020年中国医疗卫生服务关联板块密度矩阵与像矩阵

由像矩阵可清晰看出中国医疗卫生服务空间板块之间的传导机制。如图3所示,第Ⅰ板块(京、津、蒙)接收其第Ⅲ板块(黑、吉、辽、冀、晋、鲁、豫、皖、陕、甘、宁、青、新)与第Ⅳ板块(粤、湘、渝、鄂、云、藏、桂、琼、赣、川、贵)的溢出,与此同时还对第Ⅲ板块产生溢出,第Ⅱ板块(苏、浙、闽、沪)接受第Ⅲ板块与第Ⅳ板块的溢出并对其具有吸虹效应,但第Ⅰ板块与第Ⅱ板块缺乏互动。

图3 医疗卫生服务四大板块关联关系图

3.2 健康效应分析

将2020年各省死亡率作为被解释变量“健康水平”的代理变量考察医疗卫生服务空间网络的健康效应,以个体网络指标(点度中心度、接近中心度、中介中心度)作为解释变量。由于个体网络指标的计算过程中已经运用了人均生产总值、医疗卫生机构诊疗人次、医疗卫生机构总收入、卫生技术人员数量、三级甲等医院数量等数据,所以后续分析中将影响空间可达性和人民健康水平的交通便利程度、城镇化水平、医疗支出等核心要素作为主要控制变量,其中2020年各省铁路公路里程密度作为交通便利程度的代理变量,城镇化率作为城镇化水平的代理变量,人均医疗保健支出作为省份医疗支出的代理变量。

表5回归结果显示,三个中心性指标的回归系数均为负数,且通过了5%的显著性水平检验,表明医疗卫生服务空间关联网络的中心性对于死亡率的降低具有显著促进作用。点度中心度回归系数为-0.02且通过5%的显著性水平检验,表明点度中心度每提高1个百分点,个体省份死亡率水平将降低0.02个百分点,主要是因为点度中心度越高的省份在医疗卫生服务空间网络中越处于中心地位,其优质医疗卫生资源禀赋越强,患者可以接受更高质量的医疗救治。接近中心度的回归系数为-0.041且通过了5%的显著性水平检验,说明接近中心度每提高1个百分点,个体省份死亡率水平会降低0.041个百分点,主要是因为接近中心度的增加使得省际间医疗卫生服务合作更具效率。中介中心度回归系数为-0.125且通过了5%的显著性水平检验,说明中介中心度每提高1%,个体省份死亡率会降低0.125%,主要是因为中介中心度代表了该省份控制其他省份之间医疗服务关联关系的能力,所以中介中心度高的省份能够引导区域医疗合作或者异地就医顺利开展,进而降低死亡率。

表5 个体网络效应数据回归结果

综上所述,点度中心度较小且省域死亡率较高的省份如内蒙古、辽宁、吉林、黑龙江、安徽、湖北、湖南、云南等应加强优质医疗服务发展力度,加强区域间的医疗卫生服务合作。对于接近中心度较小且省域死亡率较高的省份例如山西、辽宁、吉林、安徽、湖南、贵州等,可通过自身在医疗卫生服务网络中的地位,增强医疗资源配置能力。针对中介中心度较低且死亡率较高的省份例如山西、黑龙江、安徽、江西、湖南、陕西等,应进一步加强与中心省份的医疗卫生合作,进一步提升省域内部医疗卫生服务能力。而对于中心性均比较高且死亡率较低的省份例如上海、北京、天津、江苏、浙江、广东等应发挥带动作用,加强对医疗卫生资源配置较差地区的合作。

4 研究结论

自2009年“”实施以来,党和政府一直紧密围绕人民群众对高品质医疗卫生服务的新需求,积极探索实现优质医疗资源扩容和区域均衡布局的有效路径,十年后的今天成效已经较为显著。2020年我国医疗卫生服务关联整体网络结构趋于严密,所有省份之间均存在直接或间接的空间关联关系,但多重叠加现象明显,稳定性等方面仍有较大提升空间。个体网络结构显示经济发达的东部沿海省市普遍为优质医疗卫生资源禀赋较强省份,例如上海、北京、江苏、浙江、广东、福建、天津等省市的点度中心度、接近中心度、中介中心度数值普遍较高,在空间关联网络中稳居主导地位。此外,甘肃、重庆、河南作为区域中心省市与周边其他省份协作程度较高,因此在医疗卫生服务空间关联网络中的中心行动者的地位及“中间人”的角色也较为显著。

从块模型的溢出效应来看,除苏、浙、沪、闽组成的“净收益板块”外,其余板块均存在明显溢出效应且南北分异明显。具体聚类表现为苏、浙、沪、闽四省市组成“净收益板块”,黑、吉、辽、冀、晋、鲁、豫、皖、陕、甘、宁、青、新等13省市构成“净溢出板块”,粤、湘、渝、鄂、云、藏、桂、琼、赣、川、贵等11 省市构成“双向溢出板块”,京、津、蒙三省市组成了“经济人板块”,充当明显的桥梁和枢纽角色,将“双向溢出板块”的溢出动能传递到“净溢出板块”,但是苏、浙、沪、闽组成的“净收益板块”与京、津、蒙组成的“经纪人板块”没有直接互动。健康效应回归结果显示个体网络指标(点度中心度、接近中心度、中介中心度)的提升均有助于提升省域内的健康水平。

5 政策建议

首先,中央政府有必要将空间关联网络作为顶层设计的重要决策变量。研究显示31个省市在医疗卫生服务方面普遍存在空间联动关系,这种多线程复杂网络结构自然呈现出性质不同的空间聚类区域,溢出效应和健康效应均十分明显,因此要求各级政府在制定促进优质医疗资源扩容和区域均衡布局相关政策时不仅关注属性数据,更要重视建立在关系数据基础之上的空间关联关系。

其次,根据空间关联网络中的板块特征进行定向调控。鼓励东南沿海经济发达省市江浙沪闽四省市组成的“净收益板块”继续发挥优势医疗资源优势,成为国家级医疗卫生服务增长极;给予“双向溢出板块”和“净溢出板块”省市更多政策和财税支持,补齐医疗卫生服务短板;打通异地就医壁垒,助力处于“经济人”板块的省市增强中介桥梁地位和传导效应。

再次,根据空间关联网络中各省中心度进行精准调控。最新一批国家医疗中心应重点布局在点度中心度、接近中心度、中介中心度较高的京、沪、苏、浙、闽、粤、甘、渝、豫等中心城市,形成一批以区域重点病种为核心的专科联盟。中央和地方应给予省域内高水平医院人才、土地、财税等多层次配套支持政策,以其为依托打造一批“互联网+医疗健康”协作平台,争取减少跨省、跨区域异地就医现象的同时稳步提升医疗机构之间合作频率。

最后,严格实行分级诊疗制度以保证优化医疗卫生资源配置。由于信息不对称等因素导致医疗资源禀赋较差地区患者对于当地医院或医生缺少信任感,倾向于选择优质医疗资源中心城市进而对当地医疗机构产生较大压力。分级诊疗模式可有效缓解地区之间的医疗资源空间不平等状况[6],各省市要进一步完善“基层首诊、双向转诊”的流程,经过初步诊断确需转诊才可转至其他地区医疗机构。其次是完善省市医联体对外转诊流程,尽可能选择远程医疗会诊等方式,同时进一步推进专科联盟和远程医疗协作网的发展。