运用多元倍差分析中国新型农村合作医疗方案和它对农村初级医疗保健启示的新证据

运用多元倍差分析中国新型农村合作医疗方案和它对农村初级医疗保健启示的新证据一、原文主要内容摘要（一）课题概况1、论文题目运用多元倍差分析中国新型农村合作医疗方案和它对农村初级医疗保健启示的新证据2、研究目的中国新型农村合作医疗方案（NCMS）目的在于提供给8亿农村居民健康保险并调整农村落后的基础医疗，为了确定是否达到这一标准，个人险已经影响相关业务以及村卫生诊所的运用。3、研究类型调查描述性研究4、杂志名称BritishMedicalJournal5、杂志卷期2010年8月第10期6、基金名称斯坦福大学的总统跨学科国际研究基金、福特基金会国际发展研究中心（二）与调查研究有关的内容1、调查对象2004年和2007年中国五省25个郡县的100个农村，160个基础医疗诊所和8339个人。2、数据分析方法多元线性回归分析研究方法运用两拨数据均来自中国科学院中心与斯坦福大学合作，数据集主要包括三个组件：村诊所模块、家庭模块、县模块。第一组数据是在2005年的四月，数据是从中国江苏、四川、海南、吉林和河北5个省25个乡村县随机抽100个村中收集的。样本县如图1所示。样本包括156个村卫生所和3257个人。第二组数据是2008年四月同样的100个村庄,从160个卫生所和8339个人收集2007年数据。在第一组数据中每个村庄随机选出8个家庭调查。在第二组数据中，随机样本增加到每村20个家庭，第二轮调查工具使用是第一轮的扩大，我们分析使用的变量从两组数据中选出。为了确保我们的样本代表性，我们从中国五个主要的农业生态区的每个省随机抽样。陕西省位于干旱的西北，四川省位于穷西南山区，江苏省位于东南部沿海低洼地区，河北省位于北部平原地区，吉林省位于遥远的东北温带地区。表1对新型农村合作医疗制度统计学描述：政策属性、村诊所成果、个人成果政策属性整体NCMSNONCMS200420072004200720042007参加NCMS项目的村庄比例24%(24/100)24%(24/100)————加入NCMS的总人数6207450————加入NCMS的样本比例19%(620/3257)89%(7450/8339)————村庄内至少有一个诊所提供报销的比例16%(16/100)49%(49/100)————指定报销的诊所比例10%(17/156)40%(64/160)————当地项目中门诊报销的比例50%(12/24)48%(48/100)————当地项目中家庭医疗账户比例42%(10/24)64%(64/100)————村诊所成果N156160176413996平均每周（SD）病人流52（47）53（55）95（57）49（40）47（44）56（63）平均每月（SD）收入（元）2489(2870)3212(4821)5625(4395)2379(1892)2117(2397)3772(5991)平均每月收入（SD）来自药品销售的比例87%(0.43)83%(0.18)79%(0.16)82%(0.18)87%(0.45)83%(0.18)平均（SD）年度收益（元）10941(19347)11362(18885)17500(13473)8461(6816)10345(19725)13307(23617)个人成果N3257833962074502637889个人报告的疾病比例75%(2411/3211)59%(4769/8019)75%(460/617)61%(4424/7239)75%(1947/2588)44%(345/780)病人寻求医疗护91%(2180/2407)95%(4516/4756)86%(397/460)95%(4201/4415)91%(1781/1943)92%(315/341)理的比例病人在乡镇卫生保健中心或医院看病的比例35%(760/2138)46%(1971/4262)34%(133/396)45%(1809/3972)36%(625/1740)56%(162/290)平均每年（SD）自掏腰包的健康支出（元）801(2559)1106(3338)624(1624)1110(3417)842(2728)1038(2011)自掏腰包的健康支出的90%花费在未参加医疗保险的比例7%(175/2411)7%(328/4771)7%(32/460)7%(299/4426)7%(143/1947)8%(29/345)个人医疗保健融资是靠变卖资产或借贷方式的比例6%(119/2134)4%(165/4517)2%(8/396)4%(151/4202)6%(111/1736)4%(14/315)1Yuan=£0.09;€0.11;$0.15.然后我们通过运用两步骤对5个样本分析，首先，普查团队根据每个省人均工业产出价值按降序排出所有县。这一措施是比农村人均收入更好的预测生活水平和发展潜力的方法。然后，从每个省工业生产总值每1/5随机选一个县共5个样本县，然后随机选城镇，一个来自列表顶部，一个来自底部一半位置，然后用同样的两步骤每个镇随机选两个村。村卫生所模块收集关于诊所使用、财务状况和运作等信息，具体变量是平均每周病人流、平均每月总收入、年度总收入和月收入中医药销售的比例。为了保证数据高质量，在调查时调查团队交叉验证收入和费用，并协调必要的差异。诊所并提供关于参与NCMS和项目规则的信息，包括病人支出是否得到报销。医生也会被问到这一整年来关于这一计划执行的工作，以及这个计划影响到他们的生意，他们感觉如何。家庭（个人）模块收集过去一年每个家庭成员花费在医疗和健康服务上的详细信息。由每个业主完成家庭样本调查。家庭其他成员的信息也同样被收集，或者从他们自己那获得（刚好在），或者从业主或配偶那获得（不在）。具体变量是一个家庭是否参加了NCMS，在过去一年里是否每个人病了，是否每个病人都咨询医生，医疗保健中心（村诊所、乡镇卫生中心、县医院或者省医院）收到的设备类型。被调查者还被问及花在医疗保健上的费用和医疗资金如何支付。（例如，现金支出多少，由NCMS报销多少，以及靠借贷或出售资产获得多少）对于现金支出，受访者被要求报告仅仅临床服务和药物的支出情况。（例如不包括花费在交通和饮食上的部分）表2NCMS对村诊所水平的影响结果：基本模型记录平均每周病人流记录平均每月总收入药物销售占每月总收入的比例记录年度净收入诊所可通过NCMS报销资格0.26*(−0.02—0.54)0.29**(0.02—0.55)−0.02(−0.17—0.12)−0.02(−0.17—0.12)2007−0.27*(−0.60—0.05)0.06(−0.18—0.31)−0.02(−0.13—0.09)0.11(−0.06—0.28)观测值3013012982910.640.710.310.78对于根据变量的天然对数转换的点估计可以粗略被解释为百分比变化（或相关变化），来自线性概率模型的估计值可以被解释为百分点的变化（或绝对值变化），95%置信区间在附带的圆括号内。线性概率模型包括一整套村落和年固定影响？而且控制着医生的数量、培训、年龄、服务区域大小、药物储备和村人均收入*P0.10；**P0.05；***P0.01.最后，县模块（25个县每个都执行，每省5个县）从当地项目官员和乡镇卫生中心收集关于每个县的NCMS项目的特征数据。这些项目属性包括合格报销的服务类型（只有住院病人或住院病人和门诊病人），项目是否包括家庭账户。这些数据的描述性统计学方法在表1中提供。统计分析我们运用三个基本模型来分析在NCMS下村诊所是如何运行的以及个人福利的改变。为简单起见，我们称其基本模型、全模型、组合模型。在每个模型中我们用普通的最小平方的回归分析诊所水平和个人水平数据。通过构建Huber—White对村水平集群进行标准误差修正来解释所有样本中集群本质。（假设干扰条件相互独立且恒等分布在村庄里）我们四个关键的结果变量是村诊所水平平均每周病人流、平均每月总收入、药物销售占每月总收入的比例和年度净收入。我们主要个人水平结果是病人是否寻求医疗保健、是否在乡镇卫生中心或医院寻求医疗保健、每年的现金健康支出和接触金融风险的措施（就是健康现金支出的90%因未参加保险和是否医疗资金通过出售资产或借贷筹得）基本模块评估通过一个单一的NCMS处理措施村诊所和个人结果怎么相关联（控制一系列详细的诊所和个人特征）对于诊所，这个变量是可进行报销，但是对于个人变量是加入NCMS。在村诊所水平，我们控制医生数量、医生培训、服务区域、药物库存量和平均人均收入。在个人水平模块，我们控制性别、年龄、年龄的平方、教育水平、城市或农村居民和平均人均收入。最后,为了调整村庄之间未被观测的差异（如地理位置导致的不同）并为了解释这段时间的常见变化，我们对村庄和年也加入了虚拟变量。（在我们2007年的例子中）考虑到在NCMS中大量跨县差异，全模块评估了除了单一处理措施在不同政策属性项目中村诊所和个人成果是如何联系的。全模块的结果提供了一个更加微妙精细的具体机制的图片，这一机制包含的方案可能能解释它的影响。我们对诊所分析的这三个具体政策属性对村民、在当地乡镇医疗中心的就诊服务的保险和家庭账户需求都有可行性。我们对个人研究的政策属性对村诊所服务的报销、对在乡镇医疗中心和医院的就诊服务的报销以及个人家庭是否含有家庭账户均具有可行性。所有控制变量包括基本模块也包含在全模块中。最后，为了评估常见郡县政策包特征的合并影响，我们指定三个常见的政策包特征：（A）来自共同基金对乡镇医疗中心和医院住院病人报销；（B）来自共同基金对乡镇医疗中心和医院住服务院病人报销加上来自家庭账户对村诊所报销；（C）来自共同基金对乡镇医疗中心和医院住服务院病人和就诊病人的报销加上来自家庭账户对村诊所报销。换句话说，（B）=（A）+来自家庭账户的诊所报销，（C）=（B）+对就诊服务报销。这些政策包为了分析的目的将相似的的政策分组，不是将明了的顺序从多到少。为了评估在村诊所和个人成果上每个政策包的影响，我们运用全模块来测试每个包组件的联合显著性。当通过显著性F统计证明合理，然后我们总结各地政策组件来获得每三个组合隐含的净效应。表3NCMS在个人层面的影响结果：基本模块寻求医疗保健的概率在乡镇卫生中心或更大医院就医的概率记录年度健康现金支出健康现金支出的90%因未参加保险的概率通过出售资产或借贷融资的可能性加入NCMS0.01(−0.03—0.04)−0.05*(−0.11—0.00)−0.19**(−0.36—−0.02)−0.02*(−0.04—0.00)−0.02*(−0.05—0.00)20070.02(0.01—0.02)0.13***(0.07—0.19)0.49***(0.25—0.72)0.02(−0.01—0.04)−0.02(−0.06—0.02)观测值678064876201679763040.070.110.110.010.07对于根据变量的天然对数转换的点估计可以粗略被解释为百分比变化（或相关变化），来自线性概率模型的估计值可以被解释为百分点的变化（或绝对值变化），负节点估计表明随着时间推移加入NCMS的地区增加了，95%置信区间在附带的圆括号内。线性概率模型包括一整套村落和年固定影响？而且控制着性别、年龄、年龄的平方、教育、城市或农村居民身份和村人均收入*P0.10；**P0.05；***P0.01.表4NCMS在村诊所水平的影响：全模型记录平均每周病人流记录平均每月总收入药物销售占每月总收入的比例记录年度净收入诊所水平诊所可通过NCMS报销资格0.22(−0.08—0.53)0.18(−0.16—0.52)0.06(−0.11—0.23)0.12(−0.1—0.42)村水平村中有NCMS项目的诊所0.55*(−0.01—1.11)0.71***(0.20—1.20)−0.25(−0.66—0.17)−0.25(−0.58—0.09)县级水平在乡镇医疗中心门诊报销的可行性0.28(−0.06—0.63)−0.06(−0.38—0.27