寧夏居民基層醫療衛生機構就診率的關聯因素分析和就診率預測研究

呂彩鵬 ，蘇 源，2，楊 靜，余 芳，王 娜

1寧夏醫科大學人文與管理學院，寧夏銀川，750004；2寧夏環境因素與慢性病控制重點實驗室，寧夏銀川，750004；3寧夏回族自治區衛生健康委員會信息中心，寧夏銀川，750001；4寧夏寶石花醫院綜合辦公室，寧夏銀川，750006

基層醫療衛生機構是我國醫療衛生服務體系的重要組成部分,是實現分級診療的有力保障[1]。居民基層就診率直接體現基層診療能力,也反映了就醫模式的合理性和分級診療制度的實施效果?！秾幭男l生健康統計公報》顯示,2022年居民基層就診率為41.89%,仍遠未實現2016年寧夏回族自治區人民政府辦公廳發布的《關于推進分級診療工作的實施意見》中提及的居民基層就診率達到70%的目標,基層首診格局優化任重道遠。近年來,寧夏大力推進醫共體和醫聯體等建設,不斷深化醫藥衛生體制改革,并出臺系列配套方案,戮力促進優質衛生資源下沉,在各類衛生政策加持下,未來幾年居民基層就診率或將平穩提升。

既往相關研究主要聚焦居民基層醫療衛生機構就診意愿和影響因素,對居民基層就診率的主要關聯因素關注較少[2-3]。學者們更多從微觀角度進行研究,基于較短時段、較少個體的調查數據,得出年齡、文化程度、自評健康狀況、服務可及性、到達基層醫療衛生機構的距離和候診時間等因素將影響居民對基層醫療衛生機構的選擇[4-6],缺乏結合宏觀因素和長期數據的研究,難以知曉各種宏觀因素對人群整體基層醫療衛生機構選擇的關聯性。前期學者們的預測研究較多集中于衛生費用和衛生人力資源等方面[7-8],缺乏對居民基層就診率的預測研究。在預測模型選取方面,張詩夢等利用等維遞補和灰色GM(1,1)構建組合模型對山東省衛生總費用進行預測[9]。朱泉同等通過預測誤差平方和倒數法構建灰色模型、二次回歸組合預測模型,并預測了江蘇省衛生人力資源需求[10]。許齡木等運用灰色GM(1,1)、多項式回歸、二次指數平滑法建立組合模型也對江蘇省衛生人力資源配置公平性進行了分析和預測[11]。但是居民基層就診率相關因素繁雜多樣,非線性特點突出,而前述預測模型較多基于最小二乘法原理[12],不適用于基層就診選擇這類復雜系統的研究,必須構建更加科學合理的預測模型。而反向傳播(back propagation, BP)神經網絡有其他預測模型無法比擬的非線性擬合能力,且經遺傳算法(genetic algorithm, GA)優化后能克服其易陷入局部最小值的不足[13],適用于基層就診率的預測研究。因此本研究旨在分析寧夏居民基層醫療衛生機構就診率的主要關聯因素,并運用結合灰色系統的GA-BP模型預測2023-2027年基層就診率,以期驗證政策實施效果,為寧夏進一步優化分級診療制度提供決策參考。

1 資料來源與方法

1.1 資料來源

寧夏基層醫療衛生機構的就診率、機構數、床位數、衛生技術人員數、次均門診費用和次均住院費用來自2013-2014年《寧夏衛生事業發展公報》、2015-2017年《寧夏衛生事業與計劃生育工作統計公報》、2018-2022年《寧夏衛生健康統計公報》;寧夏城鎮職工基本醫療保險參保人數、城鄉居民基本醫療保險參保人數、居民人均可支配收入、65歲及以上人口數和人口死亡率來自2013-2022年《寧夏國民經濟和社會發展統計公報》。

1.2 指標選取

居民基層就診率受到多種因素的影響,既往研究表明居民基層就診率與基層醫療衛生資源配置[14]、醫療費用[15]、醫療保險參保情況[16]、居民人均可支配收入[17]、老年人口數量和居民健康狀況等息息相關[18]。因此,參考前述學者研究成果,同時考慮數據可得性,選取基層醫療衛生機構數、基層床位數、基層醫療衛生技術人員數、基層次均門診費用、基層次均住院費用、城鎮職工基本醫療保險參保人數、城鄉居民基本醫療保險參保人數、寧夏居民人均可支配收入、65歲及以上人口數、人口死亡率10個指標作為基層就診率的候選關聯因素。

1.3 研究方法

2 結果

2.1 寧夏居民基層就診率的主要關聯因素

經計算,候選指標與居民基層就診率的灰色關聯度γi均大于0.6,說明所選各指標均是基層就診率的重要相關因素。具體關聯度及排序見表1。

表1 寧夏居民基層就診率與主要關聯因素的灰色關聯度及排序

2.2 寧夏居民基層就診率主要關聯因素的灰色GM(1,1)模型

通過計算,灰色預測模型中發展系數a的絕對值均小于0.3;各關聯因素的平均模擬相對誤差均小于0.10;除基層次均門診費用和次均住院費用的精度值P均為0.93外,其余各因素P值均大于0.95;除基層床位數和次均住院費用后驗差比值C分別為0.45和0.42外,其余各因素C值均小于0.35。表明所建立的各預測模型總體精度較高,擬合度較好,所有模型均可用于進行中長期預測,預測結果見表2。

2.3 寧夏居民基層就診率的BP神經網絡模型

對2013-2022年各關聯因素原始數據進行歸一化處理后,劃分2013-2019年數據為訓練集,2020-2022年數據為測試集。

2.3.1 隱含層最佳神經元數的確定。以MSE和R值為評價指標,分別在4-14個隱含層神經元下反復運行BP神經網絡各15次,取平均MSE和R值。模型顯示隱含層神經元個數為10時,平均MSE值最小,R值最大,分別為0.2291和0.9445,因此確定隱含層最佳神經元個數為10。

2.3.2 構建BP神經網絡模型。確定輸入層、隱含層、輸出層為10-10-1結構。相關參數設定為:訓練次數為1000,學習速率為0.01,訓練目標最小誤差為0.000001。將10個主要關聯變量作為輸入,基層就診率作為輸出。以MSE和MAPE為評價指標,多次運行模型,取MSE、MAPE較小的10次輸出值的平均值作為基層就診率預測結果,見表3。

表3 寧夏居民基層就診率BP神經網絡模型預測結果

2.4 寧夏居民基層就診率的GA-BP模型

多次運行模型,將GA主要參數值設定為:初始種群規模為50,交叉概率為0.8,變異概率為0.1,進化迭代次數為150。模型運行結果顯示,經GA優化后的BP神經網絡經過進化迭代后,目標函數趨于收斂,如圖1。

圖1 GA-BP模型適應度函數值變化

隨后,將測試集數據作為訓練好的網絡模型輸入值,比較實際值與預測值,可見BP神經網絡經過GA優化后預測誤差大幅降低,見圖2。此時模型MSE為0.0036,MAPE為0.1352%,R值為0.9806。

圖2 優化前后BP模型預測值與實際值對比

2.5 寧夏居民基層就診率各類模型預測結果比較

各模型基層就診率預測結果見表4。

表4 寧夏居民基層就診率各類模型預測結果比較

經GA優化后的BP神經網絡模型預測值與實際值高度相似,平均預測相對誤差為0.3138%,均低于灰色GM(1,1)模型的1.0202%和BP神經網絡模型的1.0790%?？梢?灰色-GA-BP模型的預測精度和可信度較高,預測結果的科學性和客觀性也較好,可以用于更準確的預測。

2.6 基于灰色-GA-BP組合模型的居民基層就診率預測結果

將由灰色GM(1,1)模型預測得到的2023-2027年寧夏居民基層就診率的10個主要關聯因素輸入訓練好的灰色-GA-BP組合模型中,預測得知2023-2027年居民基層就診率分別為42.6827%、43.6529%、43.5325%、44.3732%和45.2257%?？梢?寧夏居民基層就診率預期將逐年穩步提升。

3 討論

3.1 寧夏居民基層就診率與基層醫療衛生資源配置指標間存在較強關聯

通過灰色關聯分析得知,寧夏基層醫療衛生機構數(γ=0.9199)、基層醫療衛生機構床位數(γ=0.8464)和基層醫療衛生機構衛生技術人員數(γ=0.7419)等資源配置指標與居民基層就診率關聯度較高,表明基層醫療衛生資源配置的變動密切影響基層就診率的變化,且二者變化具有一致性。具體而言,當基層醫療衛生資源配置不足時,會導致基層就診率較低[25]。蔡雨萌等研究指出基層就診率較低可能與基層醫療衛生機構數、床位數等資源不足以及衛生技術人員短缺等有關[17]。也有學者研究表明,基層醫療衛生資源短缺,使得技術水平提升困難,基層醫療衛生機構能為患者提供的服務有限,從而居民就醫流向于更高等級的醫院[26]。反之,當基層醫療衛生資源配置加強時,將會出現基層就診率上升的情況,這與陳玉香等研究得出在大力推進醫聯體建設背景下,不斷將優質醫療衛生資源向基層醫療衛生機構傾斜,使得居民基層就診意愿和基層就診率明顯提高的結論一致[27]。近年來,在“強基層”的背景下,寧夏不斷強化基層醫療衛生機構數量、床位數和衛生技術人員數等配置,蘇源等研究表明,隨著基層醫療衛生資源供給能力不斷提升,在一定程度上促進了寧夏基層診療量的增長,對于引導居民基層就診有較顯著的效果[28]。因此,建議合理規劃基層醫療衛生機構數量,使其與居民基本醫療需求相匹配。另外,應允許各基層醫療衛生機構根據診療量自行設置床位數和衛生技術人員數,改變因床位不足而無法收治患者的情況。今后應給予基層醫療衛生機構更多的醫療衛生資源支持,提升其診療能力,吸引居民就診。

3.2 寧夏基本醫療保險參保人數對居民基層就診率有重要影響

研究表明,寧夏城鄉居民基本醫療保險參保人數(γ=0.8526)、城鎮職工基本醫療保險參保人數(γ=0.8100)與居民基層就診率的關聯度排序第2和第5,說明醫保參保人數對基層就診率有重要影響。在居民出現就醫需求時,基本醫療保險能夠減輕其疾病經濟風險,對于居民就醫行為有重要的引導作用?！秾幭膰窠洕蜕鐣l展統計公報》顯示,2022年參加基本醫療保險人數662.81萬人。以往研究指出,各級醫療衛生機構之間差異報銷制度對居民就醫行為有一定的影響,當不同級別醫療衛生機構醫保支付比例差距超過20%時,對居民基層就醫選擇影響較大[29]。但就現階段醫保支付比例來看,根據《自治區人民政府關于城鎮職工基本醫療保險自治區級統籌管理的意見》(寧政發〔2016〕101號),城鎮職工基本醫療保險在各級醫療衛生機構門診和住院醫保報銷比例的差距均僅為5%。根據《自治區人民政府關于進一步完善城鄉居民基本醫療保險自治區級統籌制度的意見》(寧政規發〔2019〕4號),城鄉居民基本醫療保險基層醫療衛生機構住院報銷比例比二級和三級醫院分別高出7%和15%?；鶎俞t療衛生機構與較高等級醫院醫保支付比例差距較小,無法有效激勵居民基層就診,在風險厭惡偏好的作用下,居民會選擇更高等級醫院?；诖?建議進一步優化醫療保險差異化待遇保障和轉診轉院政策,更加科學合理的設置各級醫療衛生機構醫保差異報銷比例,以此鼓勵參?；颊叩交鶎泳歪t,有效發揮醫保對分級診療的引導作用。

3.3 寧夏人口死亡率、老年人口數量、醫療費用和收入水平影響居民基層就診率

研究得知,寧夏人口死亡率(γ=0.8526)和65歲及以上人口數(γ=0.8100)與居民基層就診率關聯度均大于0.8,基層次均住院、門診費用和居民人均可支配收入關聯度排序雖靠后,但都大于0.6,且均與基層就診率呈負向強關聯。人口死亡率可反映一個地區人口的健康水平[30],死亡率的上升提示人群健康水平較低,此時居民可能傾向于診療水平和等級更高的醫院來滿足多樣化就醫需求,保障自身健康。另外,《寧夏國民經濟和社會發展統計公報》顯示,2022年寧夏65歲及以上人口占比達10.44%,老齡化程度較高,老年人口數量的增加會使得地區趨高就醫的現象明顯[17],既往研究也表明,由于老年人群慢性病、失能等各種疾病凸顯和加重,出于自身較高醫療需求,其就醫往往不傾向于基層醫療衛生機構[31]。與此同時,基層醫療費用持續增長會影響居民基層醫療衛生服務的可及性[32],也會在一定程度上失去居民基層就診的吸引力,從而可能使居民轉向更高等級的醫院。再者,隨著寧夏經濟發展,居民收入水平不斷提升,其健康意識和醫療費用支付能力也在逐漸提高,在面臨自身疾病困擾時,愿意投入更多資金,且傾向于選擇醫療條件更好的醫院就診,這與苗春霞等研究結論一致[33]。對此,應充分發揮基層醫療衛生機構預防保健功能,提高人群健康水平,降低人口死亡率。同時,應組建專門的健康服務團隊,加大老年人群健康體檢、慢病管理、健康隨訪等服務,從而早診早治,減少其因疾病加劇而不得不前往上級醫院診治現象的發生。另外,應加強基層首診宣傳,強化醫保監督,控制醫療費用不合理上漲,同時發揮基層醫療衛生機構近距離的優勢,提供送診進家、送藥上門等醫療服務,落實基層首診職責。

3.4 2013-2022年寧夏基層就診率總體呈下降趨勢,預期2023-2027年將穩步提升

近10年來,寧夏居民基層就診率總體呈現下降的趨勢,從2013年48.63%下降至2022年41.89%。其中,2020年受新冠疫情的影響,《寧夏衛生健康統計公報》顯示,醫院和基層醫療衛生機構的就診人數均明顯減少,但醫院就診人次下降幅度高于基層醫療衛生機構,因此基層就診率呈現小幅度提高。為全面提高基層醫療衛生機構診療能力,寧夏陸續出臺《寧夏回族自治區緊密型縣域醫共體和城市醫聯體建設績效評價方案(試行)》(寧醫改發〔2021〕1號)和《寧夏回族自治區社區醫院(縣域醫療分中心)建設工作方案》(寧衛發〔2021〕53號)等政策,但由于政策的實施和其產生的效果之間具有一定的時間差,因此政策推行初期基層就診率無法明顯提升,但隨著時間推移,各種政策加持效果將會顯現。本研究顯示,自2023年開始,未來5年寧夏基層就診率將穩步提升,2027年達45.2257%,雖然總體仍然處于較低水平,但呈現基層首診秩序逐年向好的趨勢,也表明目前所實施的各類分級診療政策會逐漸取得較顯著的成效。因此,建議政府及相關部門持續推進醫改及相關醫療衛生機構幫扶政策,加快建設整合型醫療衛生服務體系[34]。一方面,通過進一步加強醫聯體、醫共體建設促進各級各類醫療衛生機構功能互補、連續協調和優質醫療衛生資源下沉,進而帶動基層醫療衛生機構能力提升。另一方面,探索制定統一的基層首診和雙向轉診準則[35],優化各級醫療衛生機構之間的關系,著重拓展基層醫療衛生機構的特色服務來吸引患者,從而進一步提升寧夏基層就診率。