■ 宋鑫瑞 朱俊利

公立医院是我国医疗服务体系的主体，是人民群众看病就医的主要场所。随着医疗卫生体制改革的深化，建设技术过硬、患者满意、可持续发展的现代化医院已成为我国各地公立医院的发展目标。要想实现这一目标，必须改善公立医院内部的运行机制，提升公立医院的效率[1-2]。北京市是全国优质医疗资源最集中的城市，这里名院名医云集，吸引着全国各地患者前来就医，致使北京的医疗服务范围远超出了行政区域范围，各大公立医院人满为患，提高医院效率以维持高负荷运转是北京地区公立医院面临的重要挑战。自2009年新医改实施以来，北京市也相继出台了一系列医疗卫生体制改革措施，如2012年开展公立医院改革试点，2014年建立分级诊疗和医联体，2016年扩大公立医院改革试点范围，2017年实施医保支付方式改革、医药分开政策等。随着卫生政策逐步完善，北京市公立医院医疗卫生资源配置不合理、医疗资源利用不足、医院发展规模不合理而导致的医疗卫生服务生产效率问题是否得到改善，值得深入探讨。

综上，本文将结合北京市2012-2017年医改政策，对北京市三级综合公立医院、二级综合公立医院的效率水平进行研究分析，以直观体现北京市医疗卫生体制改革在公立医院效率方面的初步成效，为进一步深化北京公立医院改革并提高医院效率提供政策依据。

1 资料与方法

1.1 数据来源

受数据获取限制，本文未对北京市所有三级、二级综合公立医院展开研究，研究对象选自纳入《北京市卫生工作统计资料》的三级、二级综合公立医院，其中2012年北京市三级综合公立医院为26所，二级综合公立医院为49所，2017年分别为35所和29所。所选用指标包括门急诊人次数、出院人次、实有床位、实际开放总床日数、实际占用总床日数、平均开放病床数、病床使用率、平均住院日等。

1.2 研究方法

本文采用数据包络分析和 Pabon Lasso模型对北京市综合公立医院效率进行分析，这两种方法均是基于相对概念对某一类医院的效率进行分析。

1.2.1 Pabon Lasso模型。Pabon Lasso模型是一种可以快速便捷地确定大量同类医院之间运行效率相对水平的模型。该模型由哥伦比亚学者Pabon Lasso[3]提出，他认为评价医院效率仅使用床位使用率（bed occupancy rate，BOR）、床位周转（bed turnover，BTO）或平均住院日（average length of stay，ALOS）三者之一会导致评价不完善，甚至出现误导性的结果[4-5]。若仅使用BOR评价医院效率，在BOR较高时通常会得出床位资源利用水平较高的结论，但BOR较高也会由较长的ALOS导致，诸如受诊断、治疗干预和护理不良等因素影响。因此，为了避免误导性结论，有必要同时利用这3项指标来获得更客观的结果[6]。其中，床位使用率=实际占用总床日数/实际开放总床日数×100%；床位周转=出院人数（包括死亡人数）/平均开放病床数；平均住院日=出院患者占用总床日数/出院人数（包括死亡人数）。

Pabon Lasso模型的横轴（X）表示BOR，纵轴（Y）表示BTO。由两条垂直线将面积分成4个区域：一条是垂直于X轴的BOR均值线，另一条是垂直于Y轴的BTO均值线。经过零点连接图中每个点的直线显示ALOS从左到右和从上到下一致地增加[3]。通过定位各医院在图中的区域可展现各医院的运行效率[7]（图1）。

图1 Pabon Lasso模型区域图示

需要强调的是，根据BOR和BTO定位医院水平仅针对具有相似特征的医院（例如仅综合医院，不涉及专科或中医院）具有意义。国内学者尚未对此模型开展研究，有学者采用床位利用模型[8-10]对医院各科室的相对效率进行分析，其与Pabon Lasso模型的应用逻辑具有一定相似性。

1.2.2 数据包络模型（data envelopment analysis，DEA）。DEA根据投入、产出指标的观察值来估计有效生产的前沿面，从而衡量医疗机构的生产效率，是目前评价医疗机构效率较为成熟的方法之一。

根据评价目的，本研究选取规模报酬可变的BCC模型并以产出为导向，分析同时针对规模有效性与纯技术有效性而言的“总体”有效性。决策单元（decision making unit，DMU）数量多时DEA效率评价结果易聚堆，难以反映不同 DMU 效率的真实差别，且评价指标总数要小于评价单位数目的一半[11]，基于以上原则确定本次投入指标包括实有床位、职工总数；产出指标包括门急诊人次数、出院人次数。

以各三级、二级综合性公立医院的DEA纯技术效率为横轴（X)，规模效率为纵轴（Y)，可定位各医院的相对分布（图2）。因DEA综合效率为纯技术效率与规模效率的乘积，故医院的综合效率由图中左下至右上区域一致提高，在（1，1)处的医院综合效率为1即达到有效，其他方位的医院均为DEA无效医院。为进一步分析无效医院DEA效率的相对水平，参考Mehrtak等[12]将DEA综合效率值划分为0～0.6低效、0.6～0.8较低效、0.8～1高效3个层次，并在图中体现。以√0.6纯技术效率与√0.6规模效率的交叉点为中心，作平行于区域左上角与右下角对角线的直线，该直线上医院的综合效率为0.6；同样的，以√0.8纯技术效率与√0.8规模效率的交叉点为中心，作平行于区域左上角与右下角对角线的直线，该直线上医院的综合效率为0.8。另外，图中将附各医院的规模效益状态：“i”（increase)为规模效益递增，“d”（decrease)为规模效益递减，“-”为达到规模效益最佳状态。

图2 DEA效率图示

2 结果

2.1 Pabon Lasso模型结果

2017年三级综合公立医院各项效率指标的平均水平相比2012年有显著改善，BOR均值上升0.11%，BTO均值上升8.01次，ALOS均值缩短4.38天，BOR、ALOS极值间的差距有所减缓，见表1；二级综合公立医院方面运行效率平均水平无显著改善，BOR均值下降6.67%，BTO均值下降1.38次，ALOS均值缩短3.26天，仅BTO极值间的差距有所减缓。

表1 北京市三级综合公立医院和二级综合公立医院2012年和2017年各项效率指标比较

由图3～6可见，二级和三级综合公立医院多分布于一、三区域，其中二级综合公立医院在一区域的分布更加分散。表2显示，二级和三级综合公立医院均表现为三区域医院数量最多，其次为一、四区域，二区域医院数量最少。

图3 2012年北京三级综合公立医院分布

图4 2017年北京三级综合公立医院分布

图5 2012年北京二级综合公立医院分布

图6 2017年北京二级综合公立医院分布

表2 Pabon Lasso模型区域医院分布情况（n/%）

2017年，三级综合公立医院的分布较2012年更分散，一、三区域医院分别减少5%和17%，二、四区域医院分别增加13%和8%，因效率上升发生区域变化的医院与因效率下降发生区域变化的医院数量比为3∶1。2017年二级综合公立医院分布较2012年无明显变动，因效率上升发生区域变化的医院与因效率下降发生区域变化的医院数量比为5∶4。另外，2012-2017年减少的二级医院，在2012年多分布于一、四区域；2012-2017年升为三级的二级医院，在2012年多分布于三区域。

2.2 DEA模型结果

表3显示了各三级综合性公立医院DEA综合效率、纯技术效率、规模效率得分和规模效益状态的描述性统计数据。2012年，综合效率、纯技术效率和规模效率完全有效的医院分别达到15.38%、34.62%和19.23%，2017年分别为14.29%、25.71%和14.29%，尽管较2012年有所减少，但其平均综合效率和平均规模效率高于2012年，低于3项效率均值的医院在减少。2012年规模效益递增（irs)、递减（drs)和最佳（-)的医院分别占61.54%、15.38%和19.23%，2017年分别减至54.29%、增至31.43%和减至14.29%。

表3 2012年和2017年北京市三级综合公立医院DEA效率描述性统计

表4显示了各二级综合性公立医院DEA综合效率、纯技术效率、规模效率得分和规模效益状态的描述性统计数据。2012年，综合效率、纯技术效率和规模效率完全有效的医院分别达到6.12%、16.33%和6.12%，2017年分别为17.24%、31.03%和20.69%，较2012年显著增加，且3项效率均值皆高于2012年，低于3项效率均值的医院数量变化不大。2012年规模效益递增、递减、最佳的医院分别占24.49%、69.39%和6.12%，2017年分别增至41.38%、减至37.93%和增至20.69%。

表4 2012年和2017年北京市二级综合公立医院DEA效率描述性统计

图7、8所示，大部分三级综合性公立医院聚集于综合效率大于0.6的区域，2017年更趋向于综合效率大于0.8的区域。个别医院因较低的纯技术效率或规模效率而处于其他区域。

图7 2012年北京三级综合公立医院DEA效率

图8 2017年北京三级综合公立医院DEA效率

而二级综合性公立医院大部分聚集于规模效率大于√0.6的区域，可见有相当一部分医院的纯技术效率处于低水平，如图9、10所示。

图9 2012年北京二级综合公立医院DEA效率

图10 2017年北京二级综合公立医院DEA效率

2.3 Pabon Lasso模型与DEA模型结果对比

如表5所示，从效率级别来看，2012年和2017年多数三级综合公立医院在DEA模型中被划分为高效，分别占46.15%和65.71%，增长19.56%；2012年Pabon Lasso模型中高效医院超半数，占比53.85%，而2017年与较低效医院占比持平，为37.14%，降低16.71%。2012年和2017年在DEA模型中被划分为低效的医院占比最小，分别为15.38%和8.57%，降低6.81%；2012年Pabon Lasso模型中低效医院占比30.77%，大于较低效医院占比，2017年低效医院仍占比最小，为25.71%，降低5.06%。

表5 三级医院Pabon Lasso模型与DEA模型相对效率水平对比

表6显示，2012年和2017年二级综合公立医院在Pabon Lasso模型中高效医院占多数，分别占48.98%和48.28%，微降0.70%；较低效医院占比最小，分别占24.49%和24.14%，微降0.35%。2012年DEA模型中划分为高效的医院占比最小，为20.41%，划分为低效的医院数量最多，占46.94%；2017年DEA模型中仍是划分为高效的医院占多数，为41.38%，划分为较低效的医院占比最小，为27.59%。

表6 二级医院Pabon Lasso模型与DEA模型相对效率水平对比

3 讨论

3.1 北京市公立综合医院整体效率有所提升

如Pabon Lasso模型和DEA模型结果所述，2017年三级综合公立医院效率较2012年有明显提升。二级公立综合医院方面，因2012年部分高效医院在2017年升为三级公立综合医院，Pabon Lasso模型显示其整体效率未明显提升，但DEA模型是在既有范围内确定最佳前沿面并计算相对效率，所以未受此影响，显示二级公立综合医院效率同样有明显提升。

经分析，这一定程度上是因为北京市2012年5月启动了公立医院改革试点，并于2016年扩大了试点范围。首先，这次改革推进管办分开，建立医院法人运行机制和现代医院运行管理制度，构建彼此分工、相互制衡的权力运行机制，使公立医院管理更加科学高效[13]。其次，财政、医保和价格政策联动，减轻了个人医药负担和医院运营资金压力，医疗服务需求得到进一步释放；财政补偿机制使服务量和绩效考核挂钩，有效提升了医务人员积极性，使医疗服务需求得到高质量满足，医院效率随即改善。

另外，北京市2014-2016年推行分级诊疗和医联体建设，推动了三级、二级公立医院开展对口支援和信息共享，这有利于优化医疗产业结构和医院间的资源配置，促进相关医院效率提升。

3.2 提升医院效率的出发点与瓶颈

3.2.1 基于Pabon Lasso模型的分析。位于一区域的医院属于低效医院，其床位相对于现有需求出现了过剩，可能医院面临需求和供应方面的障碍，如患者受经济状况、就医距离、风险选择等方面影响，医院存在服务质量欠缺、人力资源或医疗设施稀缺等问题，这些障碍会对医院服务的使用产生负面影响[14]。此时医院应提高医疗服务水平，开发更便捷的门诊服务或适当利用先进的医疗设备等，避免扩大医院规模。Goshtasebi等[15]、Kalhor等[16]研究结果表明，若住院服务量不变或减少，而医院却大量增设床位扩大住院规模，医院运行效率则会降低。模型中二、四区域医院效率较低，多以妇产科、康复科和老年病科室等为重点科室，其患者的特殊性决定了这些医院住院运行效率可能不会达到较高水平。对处于四区域的医院而言，可尝试向卧床患者提供部分门诊诊疗服务，从而缓解住院过久的状况[6]。模型三区域的医院目前已达到了高效运转水平，医疗资源得到充分有效的运用，长期保持较少空床的状态，未来应在遵循当前策略的基础上进行适当调整，确保高效服务的可持续性。

需要强调的是，Pabon Lasso模型中有多所医院的BOR超过100%，但《三级综合医院评审标准（2011年版）》对BOR的要求是保持适宜的床位使用率，即BOR≤93%[17]。BOR提升是医院运行效率提升的表现，但BOR过高则是医院床位紧张且超负荷运转的表现，将导致差错发生率增大、院内感控难度加大、医护人员工作负荷加大和医疗资源分配不均等问题[18-19]。所以，医院应思考如何平衡医疗质量和效率的关系。

3.2.2 基于DEA模型的分析。从DEA效率图示可见，综合效率为1即处于效率前沿面的医院。这些医院是同时纯技术有效与规模有效的，说明在当时投入规模基础上产出已经达到最优水平，除非增加已有投入量或某种新投入量，或者减少某种产出量，否则在当时技术水平下无法再增加其产出量。在DEA非有效单元中分别考察其纯技术效率与规模效率，对于纯技术效率处于前沿面上的医院，按当时产出计算，投入不可能再减少了，但其规模是无效的，这种情况下应关注增加投入，使医院发挥规模效益的作用。相反，如果DEA模型中医院的规模效率有效，而纯技术效率无效，应暂时避免增加各类投入并加强现有投入的优化配置，使其发挥各项投入的组合效用的最大化。DEA效率图示显示三级与二级综合性公立医院分布的整体差距，主要是由二级综合公立医院纯技术效率低下造成的，说明二级综合公立医院未能合理配置投入，即未能充分实现各项投入组合效用的最大化，可能存在某项投入的闲置，所以应加强资源的管理与运用。而多数医院为既非纯技术有效也非规模有效，表明即使医院减少投入，也有可能保持当前产出不变。

从规模效益角度看，对于处于规模效益递增状态的医院，如果将所有投入资源的数量以相同比例增加，将获得更大比例的回报，所以这时应扩大投入资源的规模，以获得更多的产出。而处于规模效益递减状态的医院，若在此时增加投入未必是最好的选择，而是应该提高管理水平，在现有规模下优化资源配置，实现由规模粗放型向资源集约型的转变，从而最大限度地提高医院效率[20]。

3.2.3 结合 Pabon Lasso模型与DEA模型的分析。Pabon Lasso模型重在以住院方面的关键指标衡量医院运行效率，医院规模因素通过病床数量体现，而DEA模型可通过投入变量——医院职工人员与病床数量体现，所以结合两个模型可初步辨别两种医院规模因素对医院效率的影响。

多数研究医院在两个模型中的效率水平是相对一致的，但也存在一些医院的效率水平在两个模型中不同时一致，这可能是受模型纳入指标的影响导致，或是模型在衡量效率时本身存在某方面的侧重点。

4 建议

公立医院改革是我国医改的重点，应该关注相关医改政策的落实及其带给医疗服务主体的变化。本研究通过建立Pabon Lasso模型和DEA模型，分析北京市综合公立医院在医改政策实施阶段的效率变化并探讨其影响因素。北京市作为我国的首都，经济发展水平较高，人口众多，医疗资源丰富且技术和管理水平也较高，服务于全国患者[21]。因此，本研究既对全国其他省份具有重要的参考价值，也可以应用于类似目的的研究中。综上，针对北京市综合公立医院提出如下3点建议：

其一，在医改政策逐步推进的大环境下，公立医院应该树立一定的风险意识，以居民切实的就医需求和医院功能定位合理调整医院规模，不再单纯依靠规模扩张型发展；其二，医院应加强内部管理，有效配置和利用医疗资源，将资源集约型作为医院的战略发展路径，逐步提升医院运行效率。其三，医院应始终将提升医疗诊治能力及医务人员积极性作为核心，不断提升医疗服务质量。其中二级综合公立医院可通过建设医院的重点及特色科室的方式作为突破点，逐步提高整体医疗水平；而三级综合公立医院应集中精力发展高精尖医疗并着重解决疑难杂症患者的就医需求。