基于tobit模型的居民医疗费用支出影响因素研究

2024-01-13 03:23曾维德吴扬陆飞宇曾宇皓肖荣清李慧
右江民族医学院学报 2023年6期
关键词:慢性病费用居民

曾维德,吴扬,陆飞宇,曾宇皓,肖荣清,李慧

(右江民族医学院,广西 百色 533000)

医疗费用支出不仅关系到国家财政安全,同时也对我国居民生活产生重大影响。随着人民生活方式和行为方式的改变,我国疾病谱和死亡谱也在发生变化。总体来看,居民罹患疾病风险在增加,居民医疗费用随之增长,给家庭生活带来沉重负担,降低了家庭生活水平,甚至导致患病家庭因病致贫、因病返贫。目前关于医疗费用研究,主要分析单病种医疗费用构成和单项费用影响因素[1-3],而从人群特征、健康行为、卫生服务利用等角度分析主要集中在老年人群体[4],对全人群医疗费用关注较少,且全人群医疗费用研究忽略非就医人群,很多居民医疗费用支出为0值,如果剔除无医疗费用支出的样本,使用线性回归模型得出的结论容易产生偏倚。本研究基于tobit模型,探讨居民医疗费用支出状况、医疗经济负担和影响因素,为居民合理利用卫生资源、控制医疗费用过快增长提供科学理论基础。

1 材料与方法

1.1数据来源 本研究数据来源于中国家庭追踪调查数据库(CFPS),CFPS采用了内隐分层的、多阶段、多层次、与人口规模成比例的概率抽样方式(PPS),调查全国25个省、自治区、直辖市的数万名受访者,代表我国大部分人口,调查内容包括个体、家庭、社区三个层次,涵盖了社会、经济、人口、教育和健康等,尤其是健康行为、就医行为、医疗费用等信息。本研究剔除部分空白样本、异常数据,最终得到有效样本数为21 211例。

1.2变量选取 本研究把医疗费用总支出作为因变量,医疗费用支出是指居民过去一年由于医疗行为所产生总的医疗费用,包括住院期间医药费、治疗费、病房费用、住宿费等直接和间接的费用,以及其它非住院伤病产生的花费。自变量为居住地、性别、受教育水平、年龄、自评健康状况、是否患慢性病、就诊医疗机构、医保类型。居住地分为城镇、农村,性别为男性和女性,受教育水平将文盲半文盲和小学纳入小学及以下,初中、高中、中专、职校纳入中学,大专、本科、研究生、博士归为大专及以上,年龄划分为<60岁、≥60岁,自评健康状况分为不健康、一般、比较健康、很健康、非常健康,是否患有慢性病分为患有慢病和不患慢性病,就诊医疗机构分为诊所/村卫生室、乡镇卫生院/社区服务中心、综合医院/专科医院,保险类型分为无保险、新农合/城乡居民医保、城镇医疗保险/城镇职工医保、公费医疗/商业医疗保险。

1.3统计学方法 采用STATA 16.0软件对数据进行处理和统计分析,采用M(P25~P75)进行统计描述,单因素分析使用关于秩的非参数检验,检验水准α=0.05。将单因素分析中结果具有统计学意义的解释变量纳入tobit模型分析。tobit模型如下:

2 结果与分析

2.1研究对象一般情况 本研究一共纳入有效样本量21 211人,城镇、农村分别占47.94%、52.06%,男性、女性分别占49.94%、50.06%,<60岁、≥60岁分别占77.70%、22.30%,居民医疗费用总支出中位数为150(0~1500),其他情况详见表1。

表1 研究对象一般情况及单因素分析 (n=21 211)

2.2单因素分析结果 居住地、性别、受教育水平、年龄、自评健康状况、是否患慢性病、就诊医疗机构、医保类型是医疗费用支出的影响因素(P<0.05),见表1。

2.3tobit回归分析结果 根据单因素结果,对具有统计学意义的自变量进行赋值,赋值情况,见表2。以居民医疗费用支出为因变量,依据单因素分析结果,将居住地、性别、受教育水平、年龄、自评健康状况、是否患慢性病、就诊医疗机构、医保类型作为自变量纳入tobit回归模型。tobit模型中,在P<0.05条件下,关注模型的边际效应(margin effect),即模型的系数Me值。各自变量的边际效应是针对条件均值而言,虚拟变量的边际效应是相较对照组,效应组所产生的变化。回归结果显示,农村(Me=-674.089),男性(Me=-700.585),中学(Me=-798.255),健康自评一般(Me=-6 944.941)、比较健康(Me=-10 606.441)、健康(Me=-13 122.873)、很健康(Me=-16 432.990)的居民医疗费用支出低;年龄≥60岁(Me=1 264.808)、患有慢性病(Me=9 746.321)、综合医院/专科医院(Me=3 625.865)、新农合/城乡居民医保(Me=1 523.693)、城镇居民医保/城镇职工医保(Me=1 550.252)的居民医疗费用支出高,见表3。

表2 tobit回归模型赋值表

表3 tobit回归模型分析

3 讨论

3.1tobit模型的适宜性 tobit模型又称为样本选择模型,是自变量满足某种约束条件下取值的模型[5]。指在正值上大致呈连续性分布,但包含一部分以概率值为0的观察值的变量。本研究中有大量研究对象医疗费用支出为0,使用线性模型分析,会丢失大量医疗费用支出为0的样本,导致样本选择偏倚问题,因此,本研究适合使用tobit模型,分析居民医疗费用支出的影响因素。

3.2城乡医疗费用支出的差异性 本研究结果显示,农村居民医疗费用支出低于城镇居民,与有关报道基本一致[6],相较于农村,城市拥有更加完备的医疗系统、丰富的医疗资源以及更高医疗资源可及性,居民潜在的医疗服务需求能有效地转化为现实需求,而农村居民流动性差、收入低,就医成本高,且健康意识较为薄弱[7],部分潜在的医疗服务需求无法有效地转化为现实需求。因此,应加快县域优质医疗资源扩容和均衡布局,推动医疗资源下沉,改善基层基础设施条件,推进县域医共体建设,提高农村医疗卫生体系综合服务能力,让广大群众能获得更加公平可及、系统连续的医疗卫生服务,为维护人民健康提供有力保障。

3.3不同性别、年龄、学历间医疗费用支出的差异性 本研究结果表明,相较于女性,男性的医疗费用支出较低,与张旭宇等研究一致[8],由于生理、体质上差异,女性健康状况较男性差,抵御疾病风险能力弱,且女性健康素养较高[9],用于健康体检等健康保健支出费用更多。与教育水平小学及以下相比,中学学历的医疗费用更低,大专及以上学历无显著性差异,医疗费用支出与学历呈倒“U”型结构,一定程度上,学历与收入、健康意识呈正相关[10],学历高的居民愿意且有能力购买更多的医疗保健服务,产生更多医疗费用,随着学历提高,享受更舒适工作环境、合理工作制度、营养均衡的膳食摄入,罹患疾病风险降低,医疗卫生服务利用减少,因此医疗费用增加不显著。60岁以上老年人医疗费用远高于>60岁以下人群,表明老年人群体消耗更多的医疗资源,原因可能是:随年龄增长,机体各系统功能逐渐减弱、患病风险增加,由此产生更多医疗卫生服务需求和医疗费用。因此,老年人应采取有效的预防措施,配合医务工作者开展专项疾病检查和定期随访检查,以减少慢性病合并症和并发症的发生,从而控制老年人群体医疗卫生费用支出。

3.4健康状况自我评价及慢性病对医疗费用支出的影响 tobit模型分析显示,健康自评状况越好,医疗费用支出越低,朱凤梅[11]也得出类似结果,健康自评状况的提高降低了居民对医疗服务的需求,减少医疗费用支出。慢性病也是影响居民医疗费用的重要因素,患有慢性病显著增加居民医疗费用支出,治疗慢性病需要耗费大量时间和医疗资源,给个人和家庭造成巨大经济负担,也是社会成本增加的因素之一。

3.5就诊医疗机构层级及医保政策对医疗费用支出的影响 多因素分析结果表明,相较于诊所/村卫生室,在综合医院/专科医院就诊增加了医疗费用支出,不同级别医院所在区域的经济发展水平不同,且综合医院/专科医院拥有更丰富的治疗方式和手段,部分疾病的药物需要到定点医疗机构购买,因此产生更高的医疗费用。本研究结果表明,与没有购买医疗保险相比,参加医疗保险对医疗费用支出产生正向作用,与景抗震等[12]研究结果一致,医保释放居民对医疗卫生服务的需求[13],增加患者和医供方的道德风险[14],同时由于医疗市场信息的不对称性,导致医生诱导患者过度使用医疗服务,并削弱医生的成本意识,加剧了医生诱导需求行为的发生。

基于本研究结果,为控制居民医疗费用支出不合理增长,建议有关卫生部门应加大健康宣传力度,增强全民健康意识,提高居民健康素质;推进全民医保,改革和完善医疗保险制度,深化医保支付方式改革,平衡医患保三方的地位,加强医保部门医保价格的谈判能力和监管力度;推进和完善分级诊疗制度,加大对基层医疗服务的投入,推动优质医疗资源下沉,提高基层医疗卫生机构服务水平,增强居民对基层医疗服务的信任,提高居民对基层医疗服务利用,减少不必要的医疗卫生支出。

本研究仍存在一定的不足:其一,由于数据库限制,仅使用2020年横截面数据研究个体层面问题,是否具有代表性,有待进一步研究,未来可考虑使用CFPS多次调查数据进行对比分析。其二,回顾性收集受访者过去一年的医疗费用情况,信息真实性难以保证,难以避免回忆偏倚。其三,区域经济发展水平等因素影响着医疗费用支出,有待于探索使用倾向得分匹配法(PSM)解决模型内生性问题,进一步分析居民医疗卫生费用的影响因素。

猜你喜欢
慢性病费用居民
肥胖是种慢性病,得治!
石器时代的居民
健康体检常见慢性病及指标异常流行病学分析
关于发票显示额外费用的分歧
监理费用支付与项目管理
居民慢性病患病率十年增一倍
逆转慢性病每个人都可能是潜在的慢性病候选人!
医疗费用 一匹脱缰的马
医疗费用增长赶超GDP之忧
1/4居民睡眠“不及格”