唐文熙 夏海鸣 刘奇志 谢 静 陆忆娟 马爱霞

1.中国药科大学国际医药商学院 江苏南京 211198 2.南京市卫生和计划生育委员会 江苏南京 210019

公立医院医药价格综合改革(简称“价改”)的目标是彻底破除以药养医机制，对公立医院的补偿渠道转为财政投入和医疗服务收入两条。城市公立医院价改自2015年试点到2017年9月要求全面落实，推进快速、影响甚广，取消药品加成后公立医院补偿机制的建立及运行状况成为政策重要关注点。目前，县级公立医院补偿效果实证研究相对较多，而城市地区相对缺乏。[1, 2]南京市城市公立医院价改2013年在区一级试点，2015年10月31日开始全市推开，涉及属地内全部公立医院，调价项目共5 900余项，在全国城市中开始较早、推进较快、覆盖较广。其改革政策设计目标为通过医疗服务收入补偿70%～80%，财政补偿20%。本文对南京市价改一年后的补偿效果进行实证分析，通过比较不同类型医院服务补偿情况，提出进一步完善补偿方式的建议。

1 资料与方法

评价范围：南京市属地内参改医院共57所，其中省部级16所，市属12所，区属23所，其他6所(包括企业改制医院和精神病院等)。为减少财政来源口径所造成的偏倚，选取南京市本级医院进行评价，并排除中医院、中西医结合医院(中药未取消加成)，共10所医院。

数据来源：按月收集各医院财务收支报表，时间范围为改革前48个月(2011.11—2015.10)及改革后12个月(2015.11—2016.10)。

评价指标：药品收支差率=(药品收入-药品支出)/药品支出*100%，取消药品加成损失=预测药品收支差减去实际药品收支差，医疗服务收入增长率=医疗服务收入的预测增长与实际增长速度，财政补偿率=财政补偿占取消药品加成损失的比例，医疗服务收入补偿率=医疗收入增长额占取消药品加成损失的比例，综合补偿率=财政补偿率+医疗服务收入补偿率。值得说明的是，目前关于医疗服务收入没有统一的定义，本研究采用国务院医改办公立医院综合改革评价方案中的计算公式：医疗服务收入=医疗收入-(药品收入+卫生材料收入+检查收入+化验收入)。

评价方法：采取改革前后对照方式。采用间断时间序列模型(Interrupted Time Series, ITS)对改革后各月“非改革”状态下各指标水平进行预测，以构建反向事实；以改革后各指标“实际值—预测值”作为改革“净效果”。采取简单线性间断时间序列模型，结构如下：

y=β0+β1×x1+β2×x2+β3×x3+ε

其中y为本研究主要观测指标。x1为改革前时间序列，赋值1,2,3…48；x2为改革变量，改革前令x2=0，改革后令x2=1；x3为改革后的时间序列，赋值49,50…60。β0为常数项，代表改革前观测指标水平；β1为改革前观测指标变化趋势；β2为改革实施时观测指标的瞬时变化水平；β3为改革后观测指标的变化趋势。因此改革后β1代表非改革状态下原观测指标的预测水平，β2+β3为改革后观测指标的实际水平，二者相减即可得出改革的净效果。模型示意图如下：

注：本图仅为示意图与正文中的数据时长不一致图1 线性间断时间序列模型构建反事实与实际比较示意图

数据分析在R软件(V3.3.2)中实现。首先剔除60个月中异常值，其次对时间序列格式下的各指标进行简单线性间断时间序列回归，最后对改革后12个月的预测值进行加总或平均，以与实际值进行比较。

2 结果

2.1 药品收支差率

从表1可看出，2011—2015年10家医院药品加成率大致呈下降趋势，平均为16.09%；表2可看出，根据历史数据预测改革后12个月药品收支差率平均为14.47%，而实际收支差率平均为0.23%，除个别医院外，各医院基本实现药品“零差率”销售，政策执行基本到位。

表1 南京10所市属医院改革前药品收支差率(%)

表2 南京10所市属医院改革后预测及实际药品收支情况

2.2 医疗服务收入增长率

从表3可看出，改革前医疗服务收入基本呈逐年增长趋势，“十三五”期间按几何增长率计算，年平均增长率为8.09%。表4显示，2015.11—2016.10期间沿用原价格体系下医疗服务收入平均增长率为8.82%，而改革后同比增长率平均为35.25%，改革净增长率为24.29%；经对10家医院“改革前”和“改革后实际-改革后预测”比较，有显著增长。所有医院中只有胸科医院医疗服务收入不升反降。

结合图2可更清晰地反映原价格体系下医疗服务收入有继续增长趋势，而改革后各院医疗服务收入及总和发生了突增。表5给出各预测指标模型的拟合度和F值，除市二院“预测药品收入”(P=0.041)和职防院“预测药品支出”(P=0.133)两项指标外，所有模型均显著(P<0.001)，模型显著性较好；绝大多数指标模型拟合度都在0.7以上，拟合程度较高。

在体育课的教学过程中，我发现有些学生因为自己已经掌握学习的技能，其常会和身边的学生交头接耳进行说话。而针对这种现象，我运用组间评价的教学方式，提升学生体育学习的专注度，增强体育教学的效果。

表3 南京10所市属医院改革前医疗服务日均收入(万元)

表4 南京10所市属医院改革后预测及实际医疗服务收入情况

注：1.实际增长率=(改革后实际医疗服务收入-改革前实际医疗服务收入)/改革前实际医疗服务收入*100%，表示未剔除自然增长规律情况下的粗增长率；预测增长率=(改革后预测医疗服务收入-改革前实际医疗服务收入)/改革前实际医疗服务收入*100%，表示未改革状态下的自然增长率；净增长率=(改革后实际医疗服务收入-改革后预测医疗服务收入)/改革后预测医疗服务收入*100%，表示剔除自然增长后由于改革带来的“净增长”

2.改革前：2014年11月—2015年10月；改革后：2015年11月—2016年10月

表5 南京10所市属医院各指标预测模型F值及调整R方

注：*“预测药品收入-预测药品支出”的统计值

图2 南京10所市属医院改革前后医疗服务收入及总和模拟图

2.3 综合补偿率

2.3.1 取消药品加成损失及财政补偿率

取消药品加成损失有两种计算角度：(1)政策性损失，按当年药品支出*15%计算；(2)预测性损失，按改革后“预测药品收支差-实际药品收支差”计算。其中政策性损失常用于政府主管部门测算取消加成损失，但忽略了药品价格小调对临床处方行为可能造成的影响；预测性损失采取的是改革后实际情况和非改革状态下自然状态的对比，相对政策性损失更能反映出改革的净效果。两个角度下财政补偿率见表6：改革规定不予补偿的医院为妇保、口腔和职防院补偿率为0%；大部分医院财政补偿率达到甚至超出改革设计目标，但市儿童、市脑科医院财政补偿力度不足；总体政策性补偿率(除妇保、口腔和职防院、剩余7家医院财政专项补助总额/政策性损失总额)达到19.54%。

表6 南京10所市属医院改革后药品加成损失

改革后南京市10所市属医院政策性损失总额超过净损失总额，净财政补偿率高于政策性财政补偿率。分析其原因，推测为改革前药品加成率已经处于连年下降的趋势，导致预测药品收支差额也呈收缩趋势(图3)。

图3 南京10所市属医院改革前后药品收支差及总和模拟图

2.3.2 医疗服务收入补偿率及综合补偿率

分别按政策性损失和预测性损失计算补偿率可发现(表7)，虽然总体来说服务补偿率和综合补偿率较高，超过政策原设计目标，但内部不均衡：服务补偿率达到70%～80%的医院仅有鼓楼、妇幼、口腔、职防院四家，脑科医院处于边缘达标状态；其他医院单靠服务收入增长不能满足取消药品所带来的损失。从综合补偿情况来看，目前一半左右医院目前仍处于实际“亏损”阶段。

结合ward linkage层次聚类的结果(图4)，对服务补偿率分类如下：第一类，服务补偿≥100%，又分为两个亚类：(1)亚类1，以妇幼、口腔医院为代表，服务补偿率超过400%，因此财政未给予专项补偿；(2)亚类2，以鼓楼、职防院为代表，服务补偿基本能自给自足，财政补偿为纯获益。第二类，服务补偿<100%，又可分为三个亚类：(1)亚类1，服务补偿率大致在70%或以下，如脑科医院，应按原政策设计补偿比进行补偿；(2)亚类2，服务补偿率大致在50%或以下，如一医院、儿童、二院、中心医院，多为综合性医院，在现行财政补偿水平下综合补偿率仍不足；(3)亚类3，服务补偿率在30%以下，即胸科医院，由于收入高度依赖药品，导致价改后为“严重受损”单位，财政应予更高比例的补偿(表8)。

表7 南京市10所市属医院改革后药品差价补偿情况

注：服务收入净增长=改革后实际服务收入-改革后预测服务收入；政策性损失服务补偿率=净增长/政策性损失*100%；预测性损失服务补偿率=净增长/预测性损失*100%；政策性综合补偿率=政策性(财政补偿率+服务补偿率)；预测性综合补偿率=预测性(财政补偿率+服务补偿率)

图4 南京10所市属医院服务补偿率及综合补偿率层次聚类

补偿水平亚类医院代表目前财政补偿率A≥100% A1>400%妇幼、口腔0% A2≥100%鼓楼、职防院0%～16.58%B<100% B1≤70%脑科7.12% B2≤50%一医院、二医院、中心、儿童6.39%～35.22% B3≤30%胸科55.02%

2.3.3 改革前后药占比和医疗服务收入占比

为进一步探讨补偿水平差异化的原因，给出改革前后药占比和医疗服务收入占比情况(表9)。分别探索政策性服务补偿率、净损失服务补偿率与各占比之间的关系，最终纳入模型的为“改革前药占比”和“改革前服务收入占比”，模型均显著(所有P<0.001)且拟合系数分别为0.920和0.877，说明服务补偿率与医院本身收入结构有显著关系。具体参数如表10。

表9 南京10所市属医院改革前后药占比和医疗服务收入占比(%)

表10 南京10所市属医院服务补偿率与医疗收入结构的关系

据上可知，服务补偿率与改革前医疗服务收入占比呈显著性关系，医疗服务收入占比每提高1%，服务补偿率约提高0.7%左右(图5)。

图5 政策性服务补偿率与改革前服务收入占比

3 讨论与建议

3.1 取消药品加成政策执行到位、药占比进一步下降

改革前大部分医院药品收支差率呈下降趋势，而改革后除职防院外其他医院收支差率在0%左右，基本实现药品销售“零加成”。此外，药占比有显著性下降，10家医院平均下降5.733%±3.539%(P=0.001)；但达到国务院2016年公立医院改革目标(<35%)的仅有三家。

除妇幼、二院、脑科、中心医院外，其他医院药品支出较预测值也有所下降，平均水平下降了171.31±2 183.12万元，但结果并不显著(P=0.810)，说明药品价格的降低一定程度上降低了药品支出，但药品总体支出水平并未受到降价影响，即药价的改变未带来药品用量的显著性下降，推测药品支出仍遵从临床实际需求。

3.2 医疗服务收入增长空间较大、需进一步落实调价范围和力度

从医疗服务收入预测增长率可知，除职防院外，其他医院改革前医疗服务收入均呈增长趋势，说明技术劳务供给在逐步扩大，符合社会经济发展规律；改革后，除胸科医院外，医疗服务价格的提升给绝大多数医院都带来了服务收入显著性增长(4 636.16±5 509.61万元，P=0.026)，服务收入占比(包括胸科医院在内)也有显著性上升(4.22±2.12%，P<0.001)，但据2016年改革目标(>35%)仍有较大差距。据访谈了解，目前南京市城市公立医院调价仅开展了一轮，仅涉及到部分调价项目，因此调价范围和调价力度还需进一步落实。

3.3 服务补偿率差异较大、需依医院类型进行“差异化”补偿并动态调整

本轮改革与2013年区级医院试点改革在调价范围、补偿目标上近似，但相较于5个非中心城区公立医院的补偿结果有所上升。[3]其中，政策性的财政补偿率达到19.54%、服务补偿率达到83.52%，达到政策目标，但各医院之间极度不平衡：服务补偿率从-21.92%到712.52%、综合补偿率从28.87%到712.52%不等，差异较大。结合医疗收入结构发现，说明医院类型的区分有重要影响：改革前服务收入占比越高，改革后净服务补偿率也越高。

除去改革受益医院之外，余下医院财政补偿率在6.39%到55.02%不等(按政策性补偿率计算)，结合表8和表10结果，建议可将各公立医院大致分为三类四种情况，并进行差别化的财政补偿：(1)“服务依赖型”医院，以妇幼、口腔医院为代表。该类医院为专科型医院，且高度依赖技术性服务提供，因此改革后收益超过损失，不需要财政专项补偿；(2)“药品依赖型”医院，以胸科医院为代表。该类医院也为专科型，但情况相反，高度依赖药品处方达到治疗效果，因此改革后损失严重、而医疗服务收入上升空间不够，建议财政重点补偿该类医院；(3)综合性医院又分两种情况：一类通过服务收入基本能自给自足，也不需要财政补助，这类医院多半是因为改革前医院收入结构较合理、且经营效率较高，因此取消药品加成的损失能通过服务收入的增长和管理的改善充分弥补；另一类服务补偿率多在50%～70%之间，按照原20%的财政投补偿率会产生一定损失。此类医院改革前服务收入占比不高，后续通过服务增长的弥补还需一定时间，因此建议财政可以适当提高补偿比例，并依每年度实际补偿情况和医疗收入结构进行动态调整。

3.4 本研究的局限性及进一步研究方向

反事实(counterfactual)的构建在政策评估及其他类型研究设计中占有极其重要的地位，决定了干预效果的可信度及解读方式。[4-6]在政策评价中，由于难以找到严格意义上的对照组，因此常采取自身前后对照的方式进行。传统意义上的前后对照常直接对指标进行同比变化率分析，忽略了指标自身变化规律的影响，从而造成对干预效果的低估或高估。本研究用历史数据预测改革后相同时间内“非改革”状态下的指标水平代替直接参照改革前水平进行评价，能排除自然趋势的影响，更好估计政策的“净效应”。

间断时间序列模型能对存在断点的时序数据进行回归，常用于构造政策评价中的反事实[7, 8]，在我国卫生政策评价中的应用也越来越频繁[9-11]。相对于诸多时间序列模型来说，ITS模型结构简单易于解读，因此效率较高。从表5可知，本研究采用的简单线性时间间断序列模型对大部分指标预测的精准度较高，但也有两个指标拟合度不够好，其局限性在于：ITS默认指标随时间趋势呈线性变化，因此忽略指标的季节波动和非线性变化；此外，ITS对于历史数据的长度也有较高要求，对于短期数据应用时存在一定的局限性。

[1] 王中华， 李湘君. 补偿机制改革对县级公立医院产出影响的实证分析[J]. 中国卫生经济, 2016(6): 55-57.

[2] 赵锋， 杨莉， 张旭光， 等. 县级公立医院医药分开改革对医院收入和医疗服务的影响——基于广西的实证分析[J]. 中国卫生政策研究, 2015， 8(5): 24-30.

[3] 黄汉明， 厉莉. 医药价格改革对医疗费用和医保支出的影响——基于江苏省南京市区级公立医院的分析[J]. 中国卫生政策研究, 2014， 7(5): 56-62.

[4] Maclure M. The case-specular study design and counterfactual controls[J]. Epidemiology, 1998, 9(1): 6-7.

[5] Isett K R, Laugesen M J, Cloud D H. Learning from New York City : a case study of public health policy practice in the Bloomberg administration[J]. J Public Health Manag Pract, 2015, 21(4): 313-322.

[6] Halloran M E, Hudgens M G. Dependent Happenings: A Recent Methodological Review[J]. Curr Epidemiol Rep, 2016, 3(4): 297-305.

[7] Ewusie J E, Blondal E, Soobiah C, et al. Methods, applications, interpretations and challenges of interrupted time series (ITS) data: protocol for a scoping review[J]. BMJ Open, 2017, 7(6): e16018.

[8] Jandoc R, Burden A M, Mamdani M, et al. Interrupted time series analysis in drug utilization research is increasing: systematic review and recommendations[J]. J Clin Epidemiol, 2015, 68(8): 950-956.

[9] 林腾飞， 杨男， 胡明. 医药政策研究领域应用间断时间序列模型的理论与方法介绍[Z]. 海口， 2015.

[10] 李珍， 曲波， 胡美霞， 等. 处方点评制度对抗生素使用的影响——基于山东省青岛市村卫生室的时间序列分析[J]. 中国卫生政策研究, 2013， 6(10): 54-59.

[11] 王飞，汤少梁，赵琨，等. 应用间断时间序列评价某县级公立医院医药价格改革效果[J]. 中国卫生统计, 2016(1): 78-80.