楚 陈
福建医科大学卫生管理学院 （福州 350000）,
School of Health Management, Fujian Medical University, Fuzhou 350000, China
四川大学华西公共卫生学院/四川大学华西第四医院 HEOA研究团队 （成都 610041）,
Healthcare Evaluation and Organizational Analysis Group, West China School of Public Health and West China Fourth Hospital, Chengdu 610041, China
婷 陈
福建医科大学卫生管理学院 （福州 350000）,
School of Health Management, Fujian Medical University, Fuzhou 350000, China
四川大学华西公共卫生学院/四川大学华西第四医院 HEOA研究团队 （成都 610041）,
Healthcare Evaluation and Organizational Analysis Group, West China School of Public Health and West China Fourth Hospital, Chengdu 610041, China
杰 潘
福建医科大学卫生管理学院 （福州 350000）,
School of Health Management, Fujian Medical University, Fuzhou 350000, China
四川大学华西公共卫生学院/四川大学华西第四医院 HEOA研究团队 （成都 610041）,
Healthcare Evaluation and Organizational Analysis Group, West China School of Public Health and West China Fourth Hospital, Chengdu 610041, China
福建医科大学卫生管理学院 （福州 350000）,
School of Health Management, Fujian Medical University, Fuzhou 350000, China
四川大学华西公共卫生学院/四川大学华西第四医院 HEOA研究团队 （成都 610041）,
Healthcare Evaluation and Organizational Analysis Group, West China School of Public Health and West China Fourth Hospital, Chengdu 610041, China
四川大学健康城市发展研究中心/四川大学西部农村卫生发展研究中心 （成都 610041）,
Institute for Healthy Cities and West China Research Center for Rural Health Development, Sichuan University, Chengdu 610041, China
E-mail：
[email protected]
其中
p
=
p
(
Y
=1
|x
1
,x
2
,x
3
,···
x
i
)，表示在
i
个协变量作用下出现贫困的概率，
α
为截距项，
β
为协变量的系数。
为协变量，包含：①居住地（乡镇），为哑变量；②家庭人口特征：家庭人口数，家中65岁及以上老年人口数，家中14岁及以下儿童数，家庭中男性的数量，家庭成员受教育程度（家庭成员中“小学及以下、初中、高中、大学及以上”各类别的人数）；③依据ICD-10-CM的21个大类分类，家庭在每一大类疾病患病的数量。
是误差项。
第二步，进行倾向性得分的匹配。本研究以1∶1近邻无放回的匹配为主要报告的结果策略。所有的倾向得分都取在共同范围内。为了更好地验证结果的稳健性，本研究在稳健性检验中采用了1∶4近邻匹配、半径匹配和核匹配进行验证。
在完成匹配后，采用双重差分模型进行分析。模型如方程（2）所示：
其中
i
是家庭，
t
是年份。
y
是结局变量即医疗自付费用。
α
为截距项，
Post
是哑变量，“1”代表家庭在2016−2017年即健康扶贫政策实施后，“0”代表政策实施前。
Treatment
是哑变量，“1”代表试验组，即接受健康扶贫政策的贫困家庭，“0”为对照组，即非贫困家庭。
是控制变量。
是误差项。系数
β
衡量的是结局变量在健康扶贫政策干预前后的变化，
γ
衡量的是结局变量在试验组和对照组之间的差别。
λ
是(
Post
t
×
Treatment
i
)交互项的系数，该系数为健康扶贫的政策效应，即本研究关心的系数。
δ
衡量的是结局变量在家庭
i
和时间
t
的协变量的变化。
检验水准以
a
=0.05为标准。
2. 结果
2.1. 试验组与对照组主要变量描述性分析
对48个县进行倾向性匹配，各县按照1∶1近邻无放回匹配后，两组数据可比。而后将各县数据进行汇总，最终纳入分析的面板数据总的样本量是824920户家庭，2225328个观测值。在本研究中，由于48个县数据涉及的年份有2014−2016、2014−2017、2015−2016、2015−2017，在整合成面板数据的过程中，2014年共250530个样本，其中，125265个贫困家庭，125265个非贫困家庭。2015年中，增加以2015年为起始的样本574390个，因此，2015年观测值为824920个。2016年观测值为824920个，而到2017年，仅有324958个观测值（2014−2017年103782个，2015−2017年221176个），499962个观测值年限未到2017年（
）。
由于健康扶贫政策干预时间从2016年起，因此在本研究中，干预前为2014和2015年共计1075450个观测值，其中，贫困观测值537725个，非贫困观测值537725个；干预后2016和2017年共计1149878个观测值，其中贫困观测值574939个，非贫困观测值574939个。
为汇总后对照组和试验组政策实施前后的经济负担的情况。在年度总自付费用、门诊自付费用、住院自付费用上，试验组在政策实施后中位数均小于政策实施前，对照组政策实施后自付费用中位数大于试验组。从未进行卫生服务利用家庭数量和比例可以看出，试验组在政策实施后卫生服务利用增加，其中，门诊卫生服务利用下降，而住院卫生服务利用增加。此外，试验组在政策实施后发生灾难性医疗卫生支出家庭的比例有所下降，由14.62%下降至12.10%。对照组在政策实施后也略微有所下降，由6.06%降到5.88%。
表 1
Descriptive analysis of the economic burden variables of the treatment group and the control group
试验组和对照组经济负担相关变量描述性分析
|
Variable
|
Treatment group
|
|
Control group
|
|
Households not utilizing health service/case (%)
|
Households utilizing health service/yuan, M (IQR)
|
Households not utilizing health service/case (%)
|
Households utilizing health service/yuan, M (IQR)
|
|
There were 537725 preintervention observation values for the treatment and control groups, and 574939, postintervention. M: median; IQR: interquartile range; OOP: out-of-pocket.
|
|
Annual OOP payments
|
|
|
|
|
|
|
Preintervention
|
431486 (80.24)
|
1331.8 (2939.80)
|
|
444974 (82.75)
|
1368.2 (2908.38)
|
|
Postintervention
|
454829 (79.11)
|
998.655 (2334.27)
|
|
478030 (83.14)
|
1117.53 (2359.95)
|
|
Annual outpatient OOP payments
|
|
|
|
|
|
|
Preintervention
|
221889 (41.26)
|
36.9 (101.33)
|
|
244649 (45.50)
|
38.4 (105.00)
|
|
Postintervention
|
301424 (52.43)
|
33.62 (98.00)
|
|
322723 (56.13)
|
34.79 (99.94)
|
|
Annual inpatient OOP payments
|
|
|
|
|
|
|
Preintervention
|
387770 (72.11)
|
1168.8 (2787.50)
|
|
402567 (74.86)
|
1244.4 (2819.20)
|
|
Postintervention
|
372547 (64.80)
|
873.4 (2315.30)
|
|
408697 (71.09)
|
1033.7 (2431.97)
|
|
Occurrence of catastrophic health expenditure/case (%)
|
|
|
|
|
|
|
Preintervention
|
78631 (14.62)
|
|
32599 (6.06)
|
|
Postintervention
|
69590 (12.10)
|
|
33700 (5.88)
|
从
可以看出，对于家庭人口数、老年人数、儿童数、家庭中男性数量、家庭成员在不同教育阶段人数等变量试验组和对照组在政策前后稳定。住院和门诊的就诊机构也较稳定，住院主要发生在当地，门诊以乡镇卫生院居多。
表 2
Descriptive analysis of other key variables of the treatment group and the control group
试验组和对照组其他关键变量描述性分析
|
Variable
|
Treatment group (
n
=537725) (M[IQR])
|
Control group (
n
=537725) (M[IQR])
|
|
Number of males per household
|
|
|
|
Preintervention
|
1 (1)
|
1 (1)
|
|
Postintervention
|
1 (1)
|
1 (1)
|
|
Family size
|
|
|
|
Preintervention
|
4 (3)
|
4 (3)
|
|
Postintervention
|
4 (3)
|
4 (3)
|
|
Number of people aged 65 and above per household
|
|
|
|
Preintervention
|
0 (1)
|
0 (1)
|
|
Postintervention
|
0 (1)
|
0 (1)
|
|
Number of people aged 14 and below per household
|
|
|
|
Preintervention
|
0 (1)
|
0 (1)
|
|
Postintervention
|
0 (1)
|
0 (1)
|
|
Number of family members in each educational level
|
|
|
|
Preintervention
|
|
|
|
Primary school and below
|
0 (2)
|
0 (2)
|
|
Middle school
|
0 (0)
|
0 (0)
|
|
High school
|
0 (0)
|
0 (0)
|
|
College and above
|
0 (0)
|
0 (0)
|
|
Postintervention
|
|
|
|
Primary school and below
|
0 (2)
|
0 (2)
|
|
Middle school
|
0 (0)
|
0 (0)
|
|
High school
|
0 (0)
|
0 (0)
|
|
College and above
|
0 (0)
|
0 (0)
|
|
Annual inpatient visits in each type of institutions per household
|
|
|
|
Preintervention
|
|
|
|
Local hospital
|
1 (1)
|
1 (1)
|
|
Remote hospitals
|
0 (0)
|
0 (0)
|
|
Postintervention
|
|
|
|
Local hospital
|
1 (1)
|
1 (1)
|
|
Remote hospitals
|
0 (0)
|
0 (0)
|
|
Annual outpatient visits in each type of institutions per household
|
|
|
|
Preintervention
|
|
|
|
Township hospital
|
1 (4)
|
1 (4)
|
|
County and city hospital
|
0 (0)
|
0 (0)
|
|
Postintervention
|
|
|
|
Township hospital
|
1 (4)
|
1 (4)
|
|
County and city hospital
|
0 (0)
|
0 (0)
|
2.2. 健康扶贫对贫困家庭疾病经济负担的影响
为双重差分的结果。时间和干预的交互项
Post×Treatment
系数是政策效应。家庭年度总自付费用、门诊自付费用、住院自付费用和发生灾难性医疗卫生支出交互项的系数分别是−0.131、−0.024、−0.195和−0.039，意味着健康扶贫政策使得贫困人口年度总自付费用平均下降13.1%，门诊自付费用平均下降2.4%，住院自付费用平均下降19.5%，发生灾难性医疗卫生支出的概率平均下降了3.9%。说明健康扶贫政策减轻了贫困家庭疾病经济负担。
表 3
Effects of the Health Poverty Alleviation Project on the economic burdens of diseases in poor populations
健康扶贫政策对贫困人口疾病经济负担的影响
|
Variable
|
Annual OOP payments
|
Annual outpatient OOP payments
|
Annual inpatient OOP payments
|
Occurrence of catastrophic health expenditure
|
|
Robust standard errors are shown in parentheses. The control variables include whether the residential area is in a poverty-stricken county, family size, numbers of elderly members, males and children per household, educational level of family members, number of diseases in each ICD-10-CM chapters per household, and annual inpatient and outpatient visits in each type of institutions per household. The estimated probability of incurring catastrophic health expenditure is already converted to marginal effects.
a
Post
is a dummy variable, which is equal to 1 for a household in 2016−2017 (after the introduction of Health Poverty Alleviation Project) and 0 otherwise.
Treatment
is a dummy variable, which is equal to 1 if a household is registered as a poor household and 0 otherwise.
*
P
<0.05.
|
|
Post
×
Treatment
a
|
−0.131
*
(0.008)
|
−0.024
*
(0.006)
|
−0.195
*
(0.007)
|
−0.039
*
(0.000)
|
|
|
−0.380
*
(0.005)
|
−0.463
*
(0.004)
|
−0.043
*
(0.004)
|
−0.012
*
(0.000)
|
|
Treatment
|
0.167
*
(0.005)
|
0.125
*
(0.004)
|
0.0975
*
(0.004)
|
0.078
*
(0.000)
|
|
Control variables
|
Yes
|
Yes
|
Yes
|
Yes
|
|
|
0.496
|
0.400
|
0.604
|
0.395
|
|
Observations
|
2225328
|
2225328
|
2225328
|
2225328
|
2.3. 贫困县与非贫困县健康扶贫政策对贫困家庭疾病经济负担影响的差异
由于贫困县和非贫困县社会经济条件不同，在具体实施扶贫政策过程中会依据实际情况进行调整或加码，其效果可能不同。为了进一步论证贫困县和非贫困县健康扶贫在家庭疾病经济负担影响上的差异，本研究对贫困县与非贫困县进行亚组分析，结果如
所示。贫困县和非贫困县政策和时间交互的系数分别为−0.146和−0.112，说明健康扶贫政策在贫困县使得贫困家庭经济负担下降的强度大于非贫困县。
表 4
Effects of Health Poverty Alleviation Project on OOP payments between poverty and non-poverty-stricken counties
贫困县与非贫困县健康扶贫政策差异
|
Variable
|
Poverty-stricken counties (annual OOP payments)
|
Non-poverty-stricken counties (annual OOP payments)
|
|
Robust standard errors are shown in parentheses. The control variables include residential areas, family size, numbers of elderly members, males and children per household, educational level of family members, number of diseases in each ICD-10-CM chapters per household, and annual inpatient and outpatient visits in each type of healthcare institutions per household.
a
Post×Treatment
is explained in the note to Table 3.
*
P
<0.05.
|
|
Post
×
Treatment
a
|
−0.146
*
|
−0.112
*
|
|
|
(0.010)
|
(0.012)
|
|
|
−0.543
*
|
−0.104
*
|
|
|
(0.007)
|
(0.009)
|
|
Treatment
|
0.166
*
|
0.167
*
|
|
|
(0.007)
|
(0.004)
|
|
Control variables
|
Yes
|
Yes
|
|
|
0.493
|
0.511
|
|
Observations
|
1343796
|
881532
|
2.4. 稳健性检验
本研究也采取了1∶4近邻匹配、半径匹配和核匹配的方法，对政策效果进行稳健性检验，
为主要结果，结果稳健。同时，也对医疗费用支出超出40%家庭收入定义为灾难性医疗卫生支出进行了稳健性检验，
为主要结果，结果稳健。
表 5
Effects of Health Poverty Alleviation Project on total OOP payments by different matching strategies
不同匹配策略下健康扶贫对总自付费用的影响
|
Variable
|
Annual OOP payments
|
|
1∶4 nearest
|
Radius
|
Kernel
|
|
The notes are the same as those for Table 4.
|
|
Post
×
Treatment
|
−0.492
*
|
−0.218
*
|
−0.218
*
|
|
|
(0.006)
|
(0.006)
|
(0.006)
|
|
|
−0.046
*
|
−0.361
*
|
−0.361
*
|
|
|
(0.002)
|
(0.001)
|
(0.001)
|
|
Treatment
|
0.380
*
|
0.238
*
|
0.238
*
|
|
|
(0.004)
|
(0.004)
|
(0.004)
|
|
Control variables
|
Yes
|
Yes
|
Yes
|
|
|
0.487
|
0.499
|
0.499
|
|
Observations
|
6925514
|
115224379
|
15225640
|
表 6
Effects on occurrence of catastrophic healthcare expenditure defined at the threshold of 40% family incomes
以家庭收入40%定义灾难性医疗卫生支出结果
|
Variable
|
Occurrence of catastrophic health expenditure
|
|
The notes are the same as those for Table 4.
|
|
Post
×
Treatment
|
−0.020
*
|
|
|
(0.000)
|
|
|
−0.002
*
|
|
|
(0.000)
|
|
Treatment
|
0.041
*
|
|
|
(0.000)
|
|
Control variables
|
Yes
|
|
|
0.253
|
|
Observations
|
2225328
|
3. 讨论
3.1. 健康扶贫政策可以降低贫困家庭的疾病经济负担
本研究通过倾向性匹配双重差分法，证实了健康扶贫政策可以降低贫困家庭的疾病经济负担，与之前的研究发现相同
[
5
,
7
]
。健康扶贫政策可以有效降低贫困家庭疾病经济负担与健康扶贫政策的制定和实施关系密切。健康扶贫实施以来，在脱贫攻坚精准识别贫困人口的基础上，对贫困人口患病情况也进一步调查，建立贫困人口就医信息管理系统，实现贫困人口就诊精准识别。当贫困人口就医时，可以精准地享受政策，如“十免四补”“两保、三基金、三救助”等可以根据贫困人口识别系统对应地给予贫困人口补助
[
8
]
。此外，本研究还发现，住院经济负担降低的程度远大于门诊就医降低的经济负担。可能与健康扶贫政策以降低住院负担为主有关。四川省“两保、三基金、三救助”的政策，主要针对住院费用报销，在基本医保和大病保险住院报销基础上，若自付费用仍然较高的家庭，进一步由卫生扶贫基金、医药爱心扶贫基金等进行救助。此外，本研究中发现门诊费用降低可能原因是贫困人口原本因为经济原因应住院未住院，只在门诊就诊，而健康扶贫政策后，释放了需求，门诊卫生服务利用减少，住院卫生服务利用增加，导致门诊费用降低。
3.2. 健康扶贫政策在贫困县降低贫困家庭经济负担的效果更大
本研究发现在贫困县，健康扶贫政策降低贫困家庭疾病经济负担的效果大于非贫困县，可能与脱贫攻坚的目标设定及考核有关。为实现2020年脱贫目标，从中央到地方十分重视，四川省制定了脱贫计划，贫困县各县成立扶贫办公室，由“一把手”担任扶贫领导小组组长，组织推进县扶贫工作，使得健康扶贫政策实施相关的部门可以协同，解决了各部门“九龙治水”的格局，推进了健康扶贫工作的开展。此外，四川省以评促建，除了接受国家组织的脱贫县考核外，每年定期自查，并组织第三方对贫困县进行考核，要求对考核有问题的及时整改。相较于贫困县，非贫困县尽管贫困人口也享受健康扶贫政策，但非贫困县脱贫和考核的压力没有贫困县大，可能导致在政策宣传、落实上没有贫困县力度大。
3.3. 继续关注相对贫困家庭的医疗卫生支出防止返贫
当前，贫困人口已经全部脱贫，减贫的策略由“扶贫”转向“防贫”
[
14
]
。巩固和拓展健康扶贫成果中重要的措施是建立健康防贫动态监测管理机制。因病致贫不像教育、交通等其他原因，即使脱贫了，还可能发生
[
15
]
，且目前四川省已脱贫的人口中有19.7%是慢性病患者，需要长期持续的治疗，本研究也发现，扶贫后，贫困家庭中仍然有12.10%家庭发生灾难性医疗卫生支出。因此，在健康防贫动态监测中，要特别关注患有慢性病的相对贫困家庭，加强这些家庭疾病的健康管理，减少慢性病并发症的发生，减少这部分“可避免”的医疗卫生支出；同时，利用医保报销数据或贫困人口信息系统数据监测发生灾难性医疗卫生支出的家庭，及时予以确认和帮助，避免返贫。
3.4. 研究的局限性
本研究仍然存在以下不足：第一，由于我国城乡医保逐步并轨，数据管理部门的变动，未能纳入更多的县进行分析。第二，本研究的分析年限仅在健康扶贫实施的第二年，未能纳入更多的年份进行分析，未能了解随着时间的推移政策效果的变化。第三，由于数据中缺乏家庭直接的收入数据，因此在进行灾难性医疗卫生支出计算时，以各县年人均家庭收入进行估计。第四，本研究中因数据无法显示接受保障对象具体享受的政策，因此无法进一步分析具体政策的效果，只能研究其在疾病负担上的平均效应。尽管如此，相较于以往文献，本研究在现有条件下最大化科学地展开评估，证实了健康扶贫政策在降低贫困家庭疾病经济风险的因果效应，以及健康扶贫政策在贫困县降低疾病经济负担的效果大于非贫困县。后续研究需要进一步评估健康扶贫政策的长期效果，关注门诊费用对因病致贫的影响，关注发生灾难性医疗卫生支出人员，以及从“因病致贫”的源头出发，减少疾病的发生发展，减少可避免住院，以更好促进乡村振兴。
* * *
利益冲突
所有作者均声明不存在利益冲突
