公共衛生防控下居民就醫偏好調查研究*

金宇 崔玉杰

（北方工業大學）

一、前言

突如其來的公共衛生防控事件，打破了人們平靜的生活，隨著我國人民的眾志成城聯合抗疫，事態已經得到了強有力的控制。但是當前并未結束，國外病情形勢嚴峻，國內小規模疫情時起時伏，全球已然步入了重大突發流行病公共衛生事件后的時代。當前重大突發流行病公共衛生事件已嚴重影響了人類的生活方式，與此同時，健康也成為人類最基本最重要的需求。我們亟需探究出更為貼合當今時代的醫療政策和體系，盡最大可能提高居民生活質量，增加其幸福感。因此，對于公共衛生防控事件后的居民就醫行為偏好的影響因素的研究具有重大意義。

二、數據與變量

（一）數據來源與選取

利用問卷星通過網絡平臺向全國范圍內的民眾發放問卷。研究對象納入標準：有就醫經歷，可熟練使用手機，知情且自愿同意參與本研究的有自主意識的中國居民。對回收的問卷逐一進行審核篩查，質量控制標準：問卷每人最多作答一次，填寫時長超過1分鐘，無亂填、漏填現象。最終收集到來自21省（直轄市、自治區）的有效問卷225份，有效回收率為92.88%。

（二）變量賦值說明

為更加簡練地觀察及更加深入地分析數據，特對問卷調查獲得的部分變量賦值[1-3]，變量賦值情況如下：

性別為男性=1，女性=2;年齡在18歲及以下=1，19-50歲=2，51歲及以上=3；學歷為初中及以下=1，高中/中專/技校=2，大專或本科=3，研究生及以上=4;現今患有重病=1，患有長期慢性疾病=2，良好患有感冒等小病=3，健康無疾病=4;看病需要的時間在一天以上=1，半天=2，0.5-2 小時 =3，小于30分鐘=4；家距離看病場所的距離超過100KM=1，10-100KM以內 =2，1-10KM 以內 =3，1KM 以內=4；非常不滿意=1，不滿意=2，一般=3，滿意=4，非常滿意=5；家庭月收入5000元及以下 =1，5001-10000元=2，10001-30000元=3，30001元及以上=4；學生生活費小于1200元=1，1200-2000 元 =2，2001-3000元=3，3001元及以上=4。

（三）數據檢驗

為了檢驗問卷是否合格有意義，保證后期數據分析的準確性及建立模型的科學性，首先利用SPSS對調查問卷所得量表數據進行信度和效度檢驗.問卷中的量表進行Cronbach’s Alpha系數檢驗的克隆巴赫系數為0.911，在可接受范圍內，可知本次問卷調查可信。同時KMO值為0.724，大于0.7；Bartlett球形檢驗的P值為0.000，遠小于0.05。綜合各指標，問卷具有結構效度，設計的問卷題目與研究目的一致，可進一步進行因子分析。

三、方法與探究

（一）對于影響公共衛生防控事件后的居民就醫偏好的因素分析

影響居民就醫行為的因素是復雜多變的，患者的年齡、性別、經濟狀況、學歷以及居住地醫療條件等都會影響其就醫選擇[4-5]。為了能夠更清晰直觀地探究影響居民的因素，通過Spss 26.0進行因子分析，將年齡、性別等13個指標數據錄入，進行因子分析操作，采用凱撒正態化最大方差法對因子載荷矩陣實行正交旋轉以使因子具有命名解釋性。可以指定按照第一因子載荷降序的順序輸出旋轉后的因子載荷，通過觀察旋轉后的成分矩陣，我們得出如下分析：

居住地的診療醫師服務滿意程度、居住地的醫療場所設備滿意程度、網絡醫療服務的滿意程度以及三年前相比，“看病難，看病貴”的現象是否得到了緩解這四個成分在第一因子有較高載荷，可解釋為現階段醫療服務效率[6]。

從家出發到看完病取到藥，平均每次看病時間和所在地距離就醫地點的直線距離在第二個的載荷高，解釋為居民就醫便捷度。

重大突發流行病公共事件是否影響了您的就醫選擇以及結合防疫現狀，當感到不適時會怎么做在第三因子有較高載荷，可解釋為重大突發流行病公共事件的影響。

家庭可支配月收入同是否為家人購買了醫療保險在第四因子有較高載荷，可解釋為居民經濟保障。

年齡、學歷和現階段健康狀況在第五因子有較高載荷，可解釋為居民自身狀況。

對于上述分析結果，特繪制成分分析結果表如表1所示。

表1 成分分析結果表

由表1，我們可知醫療服務效率、就醫便捷度、重大突發流行病公共事件、經濟保障和自身狀況是影響居民就醫選擇的五大主要因素，且它們的影響程度是依次遞減的。

為了深入探究就醫偏好，我們分別建立模型，對于主要影響因素中的醫療服務效率和就醫便捷度進行進一步研究。

（二）運用DEA效率評價模型分析醫療服務效率

1.模型簡介

DEA（Data Development Analysis）即數據包絡分析法[7]，亦稱數據發展分析法。是1978年由美國著名科學家A.Chames和W.W.Cooper等人提出的一種效率評價方法，用來評價具有相同類型投入和產出的部門或單位的相對有效性。本文利用該模型得到幾個具有代表性省份和城市的醫療衛生效率值，得分越接近1，該地區醫療衛生產業運行越有效[8]。

2.指標的選取

投入與產出指標的選擇是構建DEA模型的關鍵步驟，查閱文獻研究得知，投入、產出指標的數量會影響效率的區分度跟相關性，指標數量不多于決策單位的50%才算合理[9-11]。本文數據來源于《2020中國衛生健康統計年鑒》，結合文獻與現有數據，本文設置評價代表省市醫療效率的投入指標2個，分別是2019年地區衛生人員數以及2019年地區醫療衛生醫療機構床位數；評價評價代表省市醫療效率的產出指標1個，為2019年各地醫療衛生機構診療人次數。

3.統計學方法

利用Jupyter Nootbook中Python3模塊進行代碼的編寫和運行，得出所要研究的省市的DEA評價效率值。進一步，本文通過問卷調查了居民對于當地醫療設備和診療服務滿意程度，通過EXCLE將數據進行處理，得出居民對當地醫療的滿意度[12-13]。

繪制居民滿意度與DEA評價效率值關系表如表2。

表2 居民滿意度與DEA評價效率值關系表

對居民滿意度與DEA評價效率值進行相關性檢驗，二者的皮爾遜相關性為0.908，說明二者之間具有高度相關，即醫療衛生產業運行效率越高，當地居民對于當地醫療的滿意程度越高。

（三）運Logistic增長模型分析就醫便捷度

通過查閱文獻資料得知看病的距離是影響患者進行就醫行為選擇的首要因素，這是因為重大突發流行病公共事件仍未結束，出于防控需要，多數人會選擇離家距離近的醫院，這樣可以減少傳染的風險。因此，為了將問題可視化，本文作出如下認定：

①認為居民就診的距離代表就醫的便捷度，即居民距離就診地越近，就醫越便捷。

②認為醫療單位的數量影響居民就診的距離，即當地醫療單位數量單位越多，居民距離就醫地點的距離越近。

1.模型建立

Logistic增長函數是一種常見的S型曲線函數式[14]。如式（1）所示，本文擬利用其建立我國醫院的發展趨勢模型。

2.模型求解

本題選用自1985年2019年35年內中國的醫院數量（包括綜合醫院、中醫醫院及專科醫院），利用Python進行最小二乘擬合以確定參數[13-15]，預測未來十年中國的醫院數量并繪制Logistic函數圖像，如下圖圖1所示。

圖1 醫院數量Logistic 曲線擬合預測圖

由圖1可以看出，Logistic函數曲線和實際數據擬合曲線整體趨勢相似，因此可以用其進行預測。可以看到我國醫院的發現已經到達了k/2處，且后10年醫院數量增長變慢，逐漸達到峰值。但實際自2016年1月1日二胎政策放開起，我國人口的增長速率開始變大起來。我國人口基數很大，近日三胎政策的開放，也標志著我國在后10年來人口的增長速率一定是超過前10年的[16]。那么如果還是以此時的r值，未來我國的醫療場所更加緊缺，這將極大影響我國居民的就醫選擇。因此，只有縮小r值，才能更加適應我國國情[17]，滿足民眾的就醫需求。這就意味著社會應該提起對醫療事業的重視，加大資金投入，加大中小型醫院單位幫扶力度，建立更多的醫療場所，大力促進我國醫療事業的發展。

四、討論

通過對影響居民就醫偏好的因素的探究，本文得出以下結論：

①醫療服務效率、就醫便捷度、重大突發流行病公共衛生事件、經濟保障和自身狀況是影響居民就醫選擇的五大主要因素，且它們的影響程度是依次遞減的。

②醫療衛生效率通過影響居民滿意度，顯著影響居民就醫選擇。醫療衛生行業運行效率越高，當地居民對于當地醫療的滿意程度就越高，就越傾向于在患病時即刻去公立大醫院就診。

③社會對于醫療衛生行業的重視程度決定醫療場所數量，進而影響居民就醫選擇。醫院數目越多，居民就診距離越近，在患病時更容易選擇就醫。

為了健全我國醫療體系，提高居民就診水平，建議社會重視醫療衛生事業的發展，建立更多醫療機構。同時應加強醫療服務人員的學術水平，嚴格篩選網絡診療醫師以提高居民滿意度。政府可以加大資金投入，為居民在重大突發公共衛生事件后的時代的就醫行為提供充分保障。