尹 悦,吴晓凡,王书平,娜地达·阿西木,闫丽娜

(1.中国医师协会,北京 100071;2.北京大学第一医院,北京 100132;3.新疆石河子大学医学院,新疆 石河子 832003;4.国家卫生健康委卫生发展研究中心,北京 100032)

在医学研究中,计数数据常会出现大量观测值为零的现象,即数据过度离散,观测值为零的占比远超过其他数据的比例,导致传统的统计分析模型分析出现误差,如负二项回归和泊松回归无法准确预测其范围[1]。针对该类型的数据分析,国内外学者提出零膨胀及相关回归模型的理论,经实践逐渐成为统计学上解决该类问题的主流方法之一[2-4]。当前对居民住院情况的研究,多聚焦于对住院率的分析,而未能重视住院次数潜在的含义[5],由于大部分居民一年内都是健康状态无需住院,因此住院次数为零次的占绝大多数[6],故本研究引入泊松回归、负二项回归、零膨胀泊松回归和零膨胀负二项回归等4种模型,通过模型间的拟合对比,进一步探究山西省运城市居民住院次数的影响因素,为零膨胀及其相关回归模型提供实证研究,为当地政府及相关部门规划运城市医疗资源配置提供数据支持和科学依据。

1 资料与方法

1.1 资料来源

本研究数据来源于“中国与世界卫生组织2020-2021双年度合作项目”课题卫生服务调查数据库,采用多阶段分层随机抽样的方法,由国家卫健委卫生发展研究中心组织家庭入户调查。本研究通过查阅住院影响因素的相关文献[7-9],结合专家讨论,自制问卷调查表,其内容主要包括:(1)个人基本特征:性别、年龄、婚姻状况、文化程度、职业、是否患有慢性病;(2)家庭收入、家庭常住人口数;(3)居住区域、社会医疗保障情况、家庭医生签约情况;(4)健康知识获取途径、健康体检、是否吸烟、饮酒情况、体育锻炼。

调查组于2022年3月在运城市盐湖区和万荣县2个区(县)随机抽取居民进行入户调查,共获得问卷6020份,最终获得有效问卷5523份(有效率为91.74%)。

1.2 统计学方法

1.2.1 模型拟合

用EpiData 3.1建立数据库,采用双人录入数据。运用StataMP 16.0软件对调查问卷数据进行分析。对运城市居民的个人、家庭、社会、健康行为特征及住院次数进行描述性分析。利用软件拟合负二项回归、泊松回归、零膨胀负二项回归、零膨胀泊松回归模型[10],并运用赤池信息准则(AIC)和贝叶斯信息准则(BIC)判断模型的优劣,AIC/BIC值越小,认为模型的拟合度越高[11],以P<0.05为差异有统计学意义。

1.2.2 模型评价

(2)Vuong检验,又称零膨胀检验,主要用于检验零膨胀、负二项回归及Possion回归等模型中频数0的数量,筛选出最优的相关模型[12],其计算公式如下:

2 结果

2.1 调查对象基本特征

运城市居民基本特征分布情况见表1,年住院次数分布情况见表2。

表1 山西省运城市居民的基本特征分布(n=5523)

表2 山西省运城市居民年住院次数分布情况(n=5523)

2.2 居民应住院未住院情况

5523名居民中过去一年发生住院情况的居民共计653人,存在应住院而未住院情况的共计 42 人,主要原因为:感觉病轻17人(40.48%),工作忙11人(16.42%),钱不够9人(7.32%),无有效治疗5人(2.11%)。

2.3 模型拟合结果及选择

2.3.1 过离散检验

2.3.2 零膨胀检验

根据Vuong检验结果表明,拟合零膨胀Possion回归模型和标准Possion回归模型,其统计量值V=5.08;对于拟合零膨胀负二项回归模型和标准负二项回归模型,其统计量值V=4.34,P<0.001,表明该数据确实存在零膨胀现象,需进一步进行零膨胀拟合相关模型。

2.3.3 模型拟合指标比较

根据分析结果表明,零膨胀负二项回归模型的对数似然值(LL)为-2076.661,在4种模型中最大;赤池信息准则值(AIC)/贝叶斯信息准则值(BIC),在4种模型中为最小,选择零膨胀负二项回归模型进一步分析居民住院次数。

2.4 模型拟合结果

以居民年住院次数为因变量,经零膨胀负二项回归显示:在计数过程中,性别、年龄、文化程度、家庭年均人收入、家庭常住人口数、居住区域、距离乡镇卫生院/社区卫生服务中心远近、患有慢性病情况是运城市居民年住院次数的影响因素,其差异具有统计学意义。在零过程中,年龄、职业、家庭常住人口数、居住区域、距乡镇卫生院/社区卫生服务中心远近、患有慢性病情况、健康知识获取途径、吸烟是运城市居民年住院次数产生零膨胀现象的影响因素(P<0.05),其差异具有统计学意义。见表3。

表3 山西省运城市居民年住院次数影响因素的零膨胀负二项分布情况

3 讨论

3.1 模型最优选择

本研究通过“中国与世界卫生组织2020-2021双年度合作项目”课题卫生服务调查数据开展实证研究,结合过离散检验和零膨胀检验结果,有理由认为家庭年人均收入处于中等水平、患有慢性病人群就医行为较多;年龄偏大、家庭常住人口数为4～6人、城区居住、患有慢性病及经常吸烟的人群的住院潜在需求更大,并且居民年住院次数具有聚集性和零计数过多的特点。Poisson或负二项模型在分析居民住院次数的影响因素时,只能筛选出对住院及其频次的影响因素,但不能将住院风险变化的影响因素与住院频次变化的影响因素分辨开;零膨胀模型的logit部分可以筛选出是否选择住院的影响因素,而Possion或负二项部分,可以体现影响住院频次变化的因素。因此本研究以山西省运城市居民年住院频次数据为例探讨了零膨胀及相关回归模型的应用,过离散检验结果表明居民年住院频次更符合负二项分布,零膨胀检验结果表明数据存在零过多现象,具有过离散和零计数过多的特点[13]。结合对数似然值、AIC信息准则及BIC信息准则得出,零膨胀负二项回归模型拟合该类型数据时不仅增加了模型拟合优度,同时明确了各因素在Logit部分或负二项部分中所起作用[14]。

3.2 计数过程

依据最优模型的计数过程显示,女性、年龄、大专及以上文化程度、家庭常住人口数为4～6人、在城区居住对居民年住院次数有负向影响;家庭年人均收入处于中等水平、患有慢性病对居民年住院次数有正向影响。

3.2.1 男性住院次数高于女性

相对于女性,男性的年住院次数更高,这与以中国CHARLS数据为代表研究得到性别差异结果相反[15],一方面根据调研结果表明,女性健康素养高于男性,该地区女性锻炼率、健康体检率及健康知识关注率均高于男性,且调研地区男性吸烟率远高于女性,另一方面该调研地区经济水平在全国处于偏低水准,普遍情况为女性经济水平低于男性。由于经济水平制约卫生服务利用的支付能力[16],大大降低了女性卫生服务利用的可能性,也是导致女性的住院次数低于男性的原因之一。同时本研究基于2022年调研数据,这一结果可能代表了近些年对女性健康关注后的一个阶段性成果。

3.2.2 青少年儿童住院次数高于成年人

本研究发现青少年儿童的住院次数最多,其次为60岁以上的老年人。这与已有研究中,儿童年龄越小其卫生服务利用越高的结果一致[17],究其原因可能是由于年龄越小的儿童自身的抵抗力与免疫力也越差且家长对于儿童的健康状况更重视。另一方面本研究中,60岁以上老人中患有慢性病及相关并发症的居民达到70%以上,每年常规治疗慢性病或因病情恶化导致并发症等均会增加其住院次数[18],这与本研究中患有慢性病者住院次数越高这一结果的原因类似。另外,本次调研处于疫情期间,很多成年人在非必要住院的情况下选择不住院,可能会对本文的分析造成一定程度的偏移。

3.2.3 家庭年人均收入中等及偏下的人群住院次数较高

家庭年人均收入位于中等及中等偏下水平的家庭年住院次数相对更高。一方面低收入人群多存在“小病不看、大病不治、重病才住院”的现象[19],另一方面中等偏高及高收入家庭相对住院次数更少,其原因主要由于该类人群或家庭接触到的医疗资源相对更丰富,同时也具有较高的预防保健知识储备,在一定程度上会更关注自身健康,可以做到对疾病的“早发现,早治疗”,同样文化程度大专及以上者相对于小学及以下者住院次数更少,与其原因类似,即对于住院的需求相对更少[20]。

3.2.4 家庭人口1～3人或7人以上家庭住院次数较高

据调研了解,该地区1～3人口的家庭,由于分家等原因大多只剩下老人,平均年龄为(56.05±18.16)岁;4～6人口的家庭则通常为老中少三代家庭,平均年龄为(38.94±21.47)岁;7人口及以上家庭多为分户不分家家庭,平均年龄为(35.69±22.45)岁。因此1～3人或者7人及以上家庭由于老人及小孩占比较高,结合前面分析年龄对住院次数的影响,所以这两类家庭住院次数也更多。

3.2.5 非城区居民住院次数高于城区居民

根据数据分析,居住在城区居民住院次数相对更低,一方面这可能与城区居民较年轻相关,经计算其平均年龄低于农村地区,而年轻人的健康基础较好,卫生服务需求低于老年人。另一方面运城市盐湖区城镇化率为74.5%,处于较高水平,三级甲等、民营医院及诊所等各类医疗机构主要集中在城区,因此城区居民拥有较为便捷的就医渠道且医疗资源质量更高,同时由于就医及时而避免了病情迁延加重,最终多次住院的现象。

3.3 零过程

依据最优模型的零过程显示,年龄、家庭常住人口数为4～6人、在城区居住、患有慢性病及经常吸烟对居民住院次数出现零膨胀现象有负向影响,职业、通过非医疗机构获取健康知识对居民住院次数出现零膨胀现象有正向影响。

3.3.1 住院次数随着居民年龄的增加呈正相关

以0～18岁少儿组为对照,随着年龄增加,近一年住院次数为0的概率越小,表明居民身体各项机能随着年龄升高逐渐退化,且对慢性病及急性病的抵抗能力越来越低,因此对于医疗的需求越来越高。这一结论与计数过程中“相对于0～18岁少儿组,高年龄组近一年住院次数更低”这一结论看似矛盾,但零过程主要用于推断零过程出现的可能性,故年龄越高则出现住院次数为0的概率越低与0～18岁少儿组患病后住院次数更多两者之间并不冲突。

3.3.2 住院次数随着家庭人口数的增加呈正相关

研究发现,随着家庭常住人口数增加,年住院次数为0的概率越低,这与上文计数过程提到的当地居民分户不分家的地方特征相关,多人口家庭老人及儿童的占比较高,并且家庭中只要有一人患病则该家庭年住院次数即大于0。

3.3.3 住院次数随着家庭人口数的增加呈正相关

本研究中,城区居住的居民年住院次数为0的概率更低,这可能与城区居民更关注自身健康有关,在疾病早期能做到及时就医,虽然住院的概率更高,但其住院次数相对低于农村居民。

3.3.4 住院次数随着居民慢性病数量的增加呈正相关

根据数据分析,患有慢性病者年住院次数为0的概率更低,这可能与慢性病病程较长有关,且有研究表明当前我国中老年人共病现象较为严重,慢性病数量的增加与卫生服务利用增加明显相关[21],因此无需住院的概率必然降低。

3.3.5 住院次数随着当地吸烟率的增加呈正相关

相对于不吸烟者,吸烟者住院次数为0的概率降低,已有研究表明吸烟与多种慢性疾病发病率呈正相关[22,23],根据调研情况当地吸烟率为25.43%,处于较高水平,故吸烟者住院次数大于0的概率更高。

3.3.6 住院次数随着非医疗机构渠道健康知识获取率的增加呈正相关

本研究中通过非医疗机构获取健康知识的居民年住院次数为0的概率更高,本研究中非医疗机构主要指家人朋友科普、电视健康节目、微信公众号、短视频软件等,由于通过非医疗机构可能在一定的专业性偏差,侧面反应了通过医疗机构对居民开展健康教育及知识普及尚有较大的改善空间。本研究中是否签约家庭医生对居民是否住院并无统计学意义同样验证该观点,已有研究表明签约家庭医生能够提高居民住院服务利用水平[24],因此应提高家庭医生与居民之间的健康信息交流与联系。

4 建议

对于现阶段医疗卫生服务体系,改善居民住院就医习惯、降低居民住院行为发生最基本的要求是获得应有的医疗技术服务,并在特定环境的医疗技术水平下,使疾病疗效得到应有保障,即“看得好病”,延伸是人文关怀、贴心的服务。一方面,将服务落脚在改善就医感受上,服务不仅是符合医疗路径、诊疗规范,而要注重群众的就医体验,最终将群众的期望感受和实际获得的感受匹配起来,而不是单纯追求技术质量。通过整体化服务,使预防、治疗、康复、护理等服务整合起来,从患者的心理、社会等多层面进行考虑,提升患者的身心社会适应程度。另一方面,将提供的间断性服务拓展为延续性、责任制管理。对于越来越多的老龄性疾病来讲,防和治是融合的,具体而言要抓好抓实家庭医生签约服务,合理结合信息化技术,使短暂的服务变为责任制的、连续的长期关系。