EN中文

GEOGRAPHICAL RESEARCH >

2023 , Vol. 42 >Issue 7: 1828 - 1841

DOI: https://doi.org/10.11821/dlyj020220983

Exploring the spatial distribution and driving factors of Chinese cross-regional health seeking behavior:A case study of chronic kidney disease

  • WANG Yueyao , 1, 2 ,
  • LIANG Ze 1, 2 ,
  • YANG Chao 3, 4 ,
  • DING Jiaqi 1, 2 ,
  • WANG Wanzhou 5 ,
  • LI Pengfei 4 ,
  • LI Shuangcheng 1, 2 ,
  • ZHANG Luxia , 3, 4, 6
Expand
  • 1. College of Urban and Environmental Sciences, Peking University, Beijing 100871,China
  • 2. Key Laboratory for Earth Surface Processes of the Ministry of Education, Peking University, Beijing 100871, China
  • 3. Renal Division, Department of Medicine, Peking University First Hospital, Peking University Institute of Nephrology, Beijing 100034, China
  • 4. Advanced Institute of Information Technology, Peking University, Hangzhou 311215, China
  • 5. School of Public Health, Peking University, Beijing 100191, China
  • 6. National Institute of Health Data Science at Peking University, Beijing 100191, China

Received date: 2022-09-13

  Accepted date: 2023-04-07

  Online published: 2023-07-04

Fold

Abstract

It is of great significance to explore the spatial pattern and driving factors of cross-regional health-seeking (CRHS) patient behavior with chronic kidney disease (CKD) in China, which can help to improve the cognition of residents' treatment needs. In the current situation of imbalanced development of medical resources in China, it is necessary to reform the medical system and develop residents' medical services. In this study, a total of 4.39 million hospitalizations diagnosed with CKD from 2014 to 2018 were identified based on the medical record front page (MRFP) data of the hospital quality monitoring system of China. We calculated the inflow and outflow rates of the CRHS patient behavior to characterize patients' health-seeking behavior between cities. Then we explored the impact of urban medical resources, transportation and economic development on CRHS patient behavior and its regional heterogeneity with generalized regression model. The results are as follows: (1) The CRHS patient behavior is common across China, showing the characteristics of a large floating population and a wide range of mobility. Beijing, Shanghai, Guangzhou and other regional central cities have the largest patient flow. (2) The level of medical resources and the level of urban economic development have a significant driving effect on patients' cross-regional treatment behavior, among which the number of nephrologists per capita has the greatest impact. (3) The level of medical resources and urban economic development have a certain regional heterogeneity and gradient effect on CRHS patient behavior. For cities with high levels of development, increasing the number of kidney disease doctors in cities has a stronger promoting effect on the influx of patients seeking treatment across regions. The city size and per capita GDP have both positive and negative effects on patient mobility. The research results can expand our understanding of the patient healthcare flow behavior, and provide some reference for the allocation of regional medical resources and the development of public health policies.

Key words： cross-regional health seeking behavior; patient mobility; medical resources; generalized linear model; regional heterogeneity

Cite this article

WANG Yueyao , LIANG Ze , YANG Chao , DING Jiaqi , WANG Wanzhou , LI Pengfei , LI Shuangcheng , ZHANG Luxia . Exploring the spatial distribution and driving factors of Chinese cross-regional health seeking behavior:A case study of chronic kidney disease[J]. GEOGRAPHICAL RESEARCH, 2023 , 42(7) : 1828 -1841 . DOI: 10.11821/dlyj020220983

1 引言

据《柳叶刀》刊发的全球低质量医疗系统性研究结果，在中低收入国家里，每年预计有500多万人死于低质量的医疗服务，而全球范围内由低质量医疗服务造成的患者死亡多达800万人[1]。对优质而便利的医疗资源的迫切需求，使得跨区域就医成为全球诸多国家和地区部分人群实现生命健康的重要保障。因此，美国、欧盟等发达国家与地区长久为跨国/跨地区就医管理服务提供积极的协调和促进行动。以欧盟为例，开展了在共同框架下制定开放协调机制，促进不同医疗保险系统之间的协作、制定统一的医疗服务接续和医保关系政策、设立专门的管理和协调机构、对跨国就医实行监督等举措[2⇓-4]。近年来，中国政府对于跨区域就医问题的关注度也在逐渐增加，并进行了一系列医疗政策改革的探索[5]。
随着中国社会经济的发展，人均可支配收入的增加，居民对自身健康问题的认识逐步增强。与此同时，城市经济与交通发展水平的提升放大了大城市公共卫生资源的辐射能力，跨区域就医现象日益普遍。从城市管理的层面来说，人群的跨区域就医流动往往与城市的医疗资源水平、交通水平以及城市经济发展的多种要素密切相关[6,7]。然而，跨区域就医在扩展患者空间流动可能性的同时，也会导致医疗保险费用相应增长，造成额外的交通与医疗负担，为经济水平较低的人群带来难以逾越的障碍。调查显示，2017年中国三级医院接收的患者数量约占整个医疗系统的44%，高级别医院具有一定的虹吸效应[8]。这种“大医院人满为患，小医院门可罗雀”的现象也极大降低了优质医疗资源利用效率，以及就医人群的诊治效果。
近年来，各医改试点省份构建有序的分级诊疗格局、建设紧密型医联体、开通线上诊疗等改革方案的实施，核心理念是为了平衡不同地方之间的医疗差异，减轻患者看病负担[9,10]，但难以从根本上解决跨区域就医造成的社会问题。如何优化配置医疗资源，减少患者跨区域就医的客观需求，是降低患者跨区域就医负担、提升人民健康水平与社会经济可持续性协同发展的根本解决途径。在中国的医疗体制下，“跨区域就医”一般包括常住地的跨区域就医与非常住地的跨区域就医。前者往往受到工作与学习需要、子女或老人随迁生活等社会人口规模性迁徙的影响。而非常住地的跨区域就医作为患者主动前往非常住地就医的行为，则更多受到区域医疗资源配置差异等影响。对于慢性肾脏病、心血管疾病等重大疾病而言，医疗资源驱动的非常住地跨区域就医更为普遍。宏观层面上，慢性肾脏病、心血管疾病等患者的跨区域就医行为对于解读中国跨区域就医空间格局与分布特征，分析医疗资源分配合理性具有一定意义。
在世界范围内由于国情差异，对于患者跨区域就医流动现象的研究在不同的国家与地区呈现不同的研究特点。部分研究聚焦于跨区域就医政策的制定对患者就诊选择的影响，例如Amuedo等[11]的研究探究了西班牙2012年颁布的遏制跨区域就医的政策带来的就诊人数与费用的变化。Aggarwal等[12]的研究探究了欧洲的医疗政策变化对患者就医选择的影响。另外有部分研究讨论了跨区域患者流动对流入地的影响，例如Noree等[13]的研究调查了泰国跨区域流动患者的流动规模与特点，以及这些患者对泰国卫生经济系统带来的影响。在跨区域就医的动机研究方面，已有研究发现医疗资源水平[14,15]、医疗费用成本[16]、医疗保险服务的支持[17]以及就诊环境的熟悉度[18]等都是患者就诊选择的影响因素。目前国内对于患者跨区域就医现象的研究尚处于起步阶段，已有研究或聚焦于跨区域就医的医疗保障[19⇓-21]，或通过小尺度调查探究患者特征以及就医选择的影响因素[22⇓-24]，宏观尺度上中国患者跨地域就诊的空间格局及其驱动因素的分析有待进一步探索。
因此本研究基于大数据视角，以城市尺度全国慢性肾脏病患者跨区域就医为例，探究中国跨区域就医的空间格局，以及医疗资源配置与城市发展对跨区域就医的驱动作用。研究内容主要包括以下三个方面：首先，基于全国层面的慢性肾病患者就医大数据，分析中国患者跨区域就医的空间格局；其次，基于统计模型获得医疗水平、城市发展水平等方面的六个指标对慢性肾脏病患者跨区域就医流入率与流出率的影响，并以地理分区、城市经济发展水平梯度以及城市群归属为分层标准，分别探讨医疗资源配置、城市发展水平对跨区域就医行为影响的多维度异质性。研究运用地理学的思想和地理空间分析方法对医疗公共卫生领域的跨区域就医患者的群体流动特征进行了分析，研究结果为理解中国患者跨区域医疗需求以及城市医疗资源建设优化提供了一定的参考。

2 数据与方法

2.1 研究数据

2.1.1 跨区域就医数据

跨区域就医数据来源于中国医院质量监测系统（Hospital Quality Monitoring System，HQMS）的全国三级医院住院患者的病案首页数据（Medical Record Front Page，MRFP）。HQMS是中国国家卫生健康委员会（National Health Commission，NHC）基于住院病案首页信息建立的全国性患者数据库[25]。截至2018年12月，HQMS覆盖了31个省、自治区、直辖市（不包括香港特别行政区、澳门特别行政区与台湾地区）75%以上的三级医院。三级医院是当前中国医疗体系中层次最高的医院，提供初级、二级和三级医疗保健。与一般西方医疗体系不同的是，中国的医院能够接诊全国范围内的患者而没有严格的转诊制度与要求，患者可以根据自身情况自主选择就诊医院[26,27]。
在中国-世界卫生组织2018—2019双年度合作项目的支持下，本研究从HQMS中提取了CKD患者的记录（作为主要诊断和基于ICD-10编码的前两个次要诊断）。本研究经北京大学第一医院伦理委员会（2020-018）批准，获得了知情同意豁免，研究数据覆盖了中国350个城市从2014年到2018年的慢性肾脏病住院患者就诊记录[28,29]。
研究要获得跨区域就医的人次，首先对原始数据进行数据清洗与筛选。研究将“跨区域就医”定义为患者离开常住地所在城市发生的住院诊疗行为。根据住院患者病案首页基本信息进行甄别，以患者现住地址为准，综合考虑患者工作地址等其他地址信息得到患者常住地址。如果提炼出的患者常住地城市与就医地点所在城市不一致，则被判断为跨区域就医患者。这一筛选方法可以有效筛除户籍异地的患者在常住地就医等情况，最大程度确保筛选得到的“跨区域就医”数据符合研究需求，经过筛选纳入本研究的就诊患者记录共4353885条，筛选后以患者流入与流出的城市为单位统计各城市的流入流出以及本地就诊的患者人数。
为了更好地反应各城市跨区域就医的患者流动特征，参考日本厚生劳动省对日本二级医疗圈患者流入流出比例的计算方法[30]，本研究定义了各城市跨区域就医的流入率与流出率作为因变量进行后续分析（公式（1）与公式（2））：
流 入 率 = 异 地 流 入 就 医 人 数 城 市 居 民 就 医 总 人 数
流 出 率 = 流 出 本 地 就 医 人 数 城 市 居 民 就 医 总 人 数

2.1.2 城市发展水平

城市发展水平包含城市规模与城市经济水平两方面指标。采用城市人口密度与城市人均GDP分别表征城市规模以及城市经济水平。城市人口密度与城市人均GDP指标均来源于2014—2018年间的《中国城市统计年鉴》[31]。

2.1.3 医疗资源水平

医疗资源水平指标包括医院卫生院床位数、肾脏医生数量以及该城市是否开通跨省异地就医直接结算（后简称是否开通异地结算）。其中医院卫生院床位数指标用于表征城市医疗资源硬件水平，该数据来自于《中国城市统计年鉴》[31]，肾脏病医生数量指标来自于互联网医疗资源服务平台，通过数据挖掘与清洗得到。由于不同城市人口基数不同，因而对肾脏病医生数量与医院卫生院床位数指标分别以各城市年平均人口作了人均化处理。跨省异地就医直接结算是指基本医疗保险（含新农合）的参保/参合患者到统筹地区以外的定点医疗机构就医，结算时获得基本医保补偿的便利化结算政策。是否开通异地结算会影响到医保参保者异地就医的选择[32]，该指标来自国家医疗保障局的国家医保服务平台（http://gjzwfw.www.gov.cn/col/col1010/index.html）。

2.1.4 交通枢纽指数

交通路网数据综合考虑并纳入了航空路网与铁路路网数据，其中航空路网数据源于开源数据平台（https://openflights.org/data.html），铁路路网数据源于OpenStreetMap（http://www.openstreetmap.org/），通过最短时间计算方法首先得到了2014—2018年的城市间铁路/航空联系的最短时间。由于城市交通网络体系综合且复杂，为了更好的测度各城市的交通可达性情况，研究基于复杂网络分析方法中特征向量中心性（eigenvector centrality）的计算方法[33]，将各城市作为交通网络节点，定义了交通枢纽指数EC[34]来表征各城市在全国交通路网中的地位，计算方法见公式（3）：
E C ( i ) = x i = m ∑ m = 1 n a i j x j
式中：m为比例常数；记x=[x1, x2, x3,…,xn]T，经过多次迭代达到稳态后，也可写成矩阵形式：x=mAx，x代表矩阵A的特征值m-1对应的特征向量。在计算中，每个城市节点的重要性既取决于邻接节点的数量，也取决于邻接节点在网络中的重要性，xi为节点vi的重要性度量值。

2.2 空间计量模型

以各城市跨区域就医患者的流入率与流出率作为因变量，以选取的城市人口密度、城市人均GDP、人均肾脏医生数量、人均医院卫生院床位数、是否开通异地结算以及交通枢纽指数作为自变量，通过回归分析，探究跨区域就医患者流动的驱动因素。
在构建回归模型前，对自变量进行了方差膨胀系数检验，变量平均VIF值为1.47，表明变量之间不存在多重共线性问题。回归模型采用了广义线性模型（Generalize Linear Model），广义线性模型是简单最小二乘回归的拓展，扩展了变量类型，响应变量的期望与预测变量也具备线性关系[35]。相比传统的线性回归模型，广义线性模型具有更强的适用性，可以处理多种分布特征的数据建模问题[36]。模型计算方法见公式（4）：
l n Y = a + λ 1 l n x 1 + λ 2 l n x 2 + λ 3 l n x 3 + λ 4 l n x 4 + λ 5 l n x 5 + λ 6 x 6 + β i
式中：Y为第i个城市单元的跨区域就医流入率或流出率；x1~x5分别代表城市人口密度、城市人均GDP、人均医院卫生院床位数指标、人均肾脏医生数量与交通枢纽指数，上述变量为连续变量，对他们进行了自然对数化处理，从而减弱模型中数据的异方差性。x6为是否开通异地结算，该指标被作为分类离散变量纳入模型；α为变量截距项；λ1~λ6为对应变量的影响系数；βi表示城市i的扰动项。

2.3 区域划分方法

由于中国幅员辽阔，各地区自然环境和社会经济环境存在明显差异，因此研究根据地理分区、城市经济发展水平、以及是否属于城市群地区对城市归属进行了划分并分区域探究了各要素驱动的区域差异。
基于经济发展水平与地理区位，中国有三大传统地区划分，即东部地区、中部地区与西部地区，东西中三大地区在经济发展水平、产业结构、自然资源禀赋等方面具有显著差异，东西中三大区域分布的矢量图层来源于中国科学院资源环境科学数据中心（https://www.resdc.cn/data.aspx?DATAID=277）。
城市经济发展水平的划分基于城市夜间灯光指数的强弱（Night Light Intensity, NLI）。已有多项研究表明夜间灯光指数与经济发展水平有着密切的正相关关系，且已被广泛应用于表征城市经济发展水平[37,38]。本研究中，NLI数据来自于美国国家极轨卫星搭载的夜光传感器数据（NPP/VIIRS）（https://ncc.nesdis.noaa.gov/VIIRS/），数据分辨率为500 m，首先对该遥感影像数据进行校正和预处理，然后根据建成区范围提取和计算城市夜间灯光值，基于分位数划分方法，将城市划分为高、较高、中等、低等以及较低等五个经济发展水平等级。
此外，基于中共中央、国务院发布的《中共中央国务院关于建立更加有效的区域协调发展新机制的意见》[39]，以是否属于国家级城市群为标准对城市进行了二分类划分，探究属于城市群与不属于城市群范围内的城市受到的跨区域就医影响因素是否具有差异性。

3 研究结果

3.1 数据基本特征

以城市之间患者流向人数作为权重，根据权重划分了三个等级，绘制了患者流动图（图1）。可以看到，流量最多的城市节点包括广州、郑州、太原、长沙等9个省域内中心城市，中心城市与周边城市之间的患者流量相对最大。中部地区与南部地区的患者流动大于西部与东北部地区的患者流动。总体来说，跨区域就医的患者流动呈现出以省域中心城市为流量峰值，周边其他城市患者向中心城市流动的整体格局。
图1 跨区域就医患者流动图

注: 该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2020)4619号）绘制，底图边界无修改。

Fig. 1 The patient mobility flow

跨区域就医患者流入与流出率的空间分布格局如图2所示，为了保证数据的可靠性，对城市进行了筛选（剔除流动记录较少的城市），最终保留了276个城市用于患者流入率的分析，354个城市用于患者流出率的分析。其中流入率较高的城市分布较为分散，流入率最高的城市包括郑州、长沙、海口、广州、北京等，大多为省级及以上行政等级城市，而流入率较低的城市大多围绕此类流入率较高的中心城市分布，流入率较高的城市起到了一定的“辐射作用”。
图2 跨区域就医流入率与流出率的空间格局

注: 该图基于自然资源部地图技术审查中心标准地图（审图号：GS(2020)4619号）绘制，底图边界无修改。

Fig. 2 Spatial distribution of patient inflow rate and outflow rate

跨区域就医患者流出率的空间格局与流入率格局具有一定差异。从全国整体空间分布格局来说，人口流出率最高的城市大多在西北部地区，中部及南部沿海部分地区以及东北部分地区人口流出率同样较高。人口流出率的高值区域具有一定的空间聚集特征而人口流出率较低的城市分布相对更为分散，在沿海与中部内陆地区分布相对更多。

3.2 中国异地就诊人口流动的整体回归结果

由广义线性模型回归结果可以看到（表1），在全国层面上，人均肾脏医生人数、人均医院卫生院床位数、GDP、城市规模以及是否开通异地结算指标对于患者跨区域就医的流入率与流出率都具有显著影响。
表1 流入率与流出率的整体回归结果

Tab. 1 The global regression results of patient inflow rate and outflow rate

流入率 流出率
Coef. Std.error P Coef. Std.error P
人均肾脏医生人数 0.671 0.035 0.000 -0.221 0.045 0.000
人均医院卫生院床位数 0.511 0.069 0.000 -0.329 0.090 0.000
人均GDP 0.209 0.033 0.000 -0.099 0.042 0.020
城市规模 0.113 0.026 0.000 -0.160 0.034 0.000
交通枢纽指数 -0.008 0.029 0.771 -0.020 0.037 0.591
是否开通异地结算 0.178 0.054 0.001 -0.132 0.071 0.061
AIC 2.028 2.557
对于跨区域就医的患者流入率，人均肾脏医生人数、人均医院卫生院床位数、GDP以及城市规模都具有显著的促进作用，其中表征城市医疗资源水平的人均肾脏医生人数以及人均医院卫生院床位数对于跨区域就医患者流入的促进具有最高的促进作用，回归系数分别为0.67与0.51，远高于人均GDP、城市规模等指标的回归系数。
对于跨区域就医的患者流出率，人均肾脏医生人数、人均医院卫生院床位数、GDP以及城市规模都具有显著的抑制作用，其中人均医院卫生院床位数以及人均肾脏医生人数对于患者流出的抑制作用最强，回归系数分别为-0.33和-0.22，城市规模对于患者流出也具有较大抑制作用，回归系数为-0.16。随着城市人均医院卫生院床位数和医生人数的增多，选择前往其他城市就诊的患者比率越低。城市规模越大，患者外出就诊的比率越低。

3.3 中国跨区域就医人口流动影响因素的区域差异性描述

3.3.1 基于地理区划

按照东西中三大分区的回归系数图如图3所示，可以看到，在东部、中部与西部三大地区，各要素对于患者跨区域就医的影响具有明显的区域差异。对于东部地区的城市，跨区域就医流入率主要受到人均肾脏医生人数（ρ=0.76）、城市规模（ρ=0.47）以及是否开通异地结算（ρ=-0.48）的显著影响。其中城市人均肾脏医生人数对于东部地区城市的患者跨区域就医流出促进作用最强。而对于东部地区的跨区域就医患者流出，最显著的影响因子是城市经济发展水平（ρ=-0.62）、城市规模（ρ=-0.57）以及人均肾脏医生人数（ρ=-0.30），三者皆对东部地区跨区域就医的流出具有显著的抑制作用。对于中部地区的城市，跨区域就医流出和流入同时受到人均肾脏医生数、人均医院卫生院床位数以及城市人口规模的显著影响（P<0.01）。对于西部地区城市，患者跨区域就医受到医疗资源指标、交通以及城市经济发展、城市人口规模的多方面显著影响（P<0.01），而患者的流入主要受到城市医疗资源指标的显著影响，其中人均肾脏医生人数作用最为显著，回归系数达到0.62。总体来看，对于西部地区的城市，患者的流入主要由医疗资源水平影响而流出受到医疗资源水平、城市规模与经济发展水平等多方面要素的共同影响。中部和东部地区患者的流入还受到城市规模的较大显著影响，对于东部地区，交通对于患者就诊流入流出的影响都非常小。
图3 基于三大分区的回归系数图

Fig. 3 Estimated coefficients of the GLM models based on three sub-regions

3.3.2 基于经济发展水平分区

基于区域经济发展水平划分得到的回归系数图如图4所示。随着城市发展水平的提升，人均肾脏医生人数对跨区域就医患者流入率与流出率分别呈现梯度上升的正向影响与梯度下降的负向影响（对于流入率：ρ低=0.298，ρ较低=0.358，ρ中等=0.483，ρ较高=0.540，ρ高=1.063；对于流出率：ρ低=-0.115，ρ较低=-0.384，ρ中等=-0.364，ρ较高=-0.486，ρ高=-0.539）。城市经济发展水平越高，人均肾脏医生人数对患者流入率的促进作用越显著，对患者流出率的抑制作用也越强。这意味着城市发展水平的提升，放大了城市肾脏医生数量带来的影响。人均医院卫生院床位数对患者流入与流出率同样存在类似的梯度效应，但在低经济发展水平城市，医院卫生院床位数的作用不显著（P>0.1），在中高经济发展水平城市作用较为显著（P<0.01）。是否开通异地结算对流出率的影响也存在一定的梯度效应，城市发展水平越高，开通异地结算对于异地就诊的流出具有更强的抑制作用（ρ低=0.343，ρ较低=0.194，ρ中等=0.118，ρ较高=-0.560，ρ高=-0.552）。此外，地区发展水平与城市规模呈现双向作用并存的态势。对于低发展水平城市而言，城市规模与经济发展带来较高的流入增量，而对于更高经济发展水平城市而言，城市规模与城市经济发展带来的流入率减弱，甚至表现出相反作用。在发达程度最低的城市地区，跨区域就医流出主要受到城市经济发展水平相关的因素影响，而医疗资源情况的影响并不显著。交通对不同经济发展水平城市的流入流出影响都相对较小（P>0.1）。
图4 基于城市经济发展水平的回归系数图

Fig. 4 Estimated coefficients of the GLM models based on economic development level

3.3.3 基于城市群范围划分

对于跨区域就医的患者流入率，在城市群地区人均肾脏医生人数、人均医院卫生院床位数以及城市规模指标都具有显著的促进作用（图5，见第 1837页）（P<0.01）。其中人均医院卫生院床位数的影响最大，回归系数达到1.13，人均肾脏医生数的影响排在第二（ρ=0.617）。城市人均医疗资源水平或城市规模越大，跨区域就医的患者流入率越高，且上述指标对于城市群地区的患者流入的促进作用大于非城市群地区。此外，各指标对于非城市群地区跨区域就医患者流入的影响显著性较低。对于跨区域就医的患者流出率，人均肾脏医生人数（ρ非城市群=-0.20，ρ城市群=-0.48）、人均医院卫生院床位数（ρ非城市群=-0.90，ρ城市群=-1.15）以及城市规模（ρ非城市群=-0.60，ρ城市群=-0.37）指标都具有显著的抑制作用。在城市群地区人均肾脏医生人数与人均医院卫生院床位数指标对于患者的流出抑制作用大于非城市群地区，而城市规模对患者的就医流出率在非城市群地区抑制作用强于在城市群地区，对于非城市群地区，城市人均GDP对于患者的流出也有显著的较强抑制作用（ρ=-0.91）。
图5 基于是否城市群的回归系数图

Fig. 5 Estimated coefficients of the GLM models based on urban agglomeration

4 结论与讨论

4.1 结论

本文基于城市尺度上的2014—2018年中国慢性肾脏病人跨区域就医数据，探究了跨区域就医患者在城市之间流入与流出的空间格局与驱动因素，根据宏观政策、城市发展水平以及是否属于城市群地区对城市建立了分层回归，探讨了不同要素对于患者流入流出空间格局影响的区域差异，主要结论如下：
（1）中国患者跨区域就医现象在全国范围内较为普遍，呈现流动人口多，流动范围广等特点。其中，患者流入率最大的城市包括北京、上海、广州、太原等城市，此类城市大多为省级社会经济中心城市，患者流出率较大的城市大多分布在西部地区、东北地区以及南部地区，围绕中心城市，呈现一定的集聚分布特征。
（2）医疗资源水平与城市经济发展水平对于患者跨区域就医具有显著影响，其中城市人均肾脏医生人数与人均医院卫生院床位数对于跨区域就医患者的流入率具有最高的促进作用（回归系数分别达到0.67与0.51），对于患者的流出具有最大的抑制作用（回归系数分别为-0.22与-0.33）。城市经济发展水平与城市规模规律相同但低于城市医疗资源水平对流入与流出率的影响，开通异地结算对于患者的流入的促进作用也较为显著（回归系数为0.18）。
（3）各要素对于跨区域就医患者的流动影响具有一定的区域差异与梯度效应。对于西部地区的城市，患者的流入主要由医疗资源水平影响，而中部和东部地区患者的流入还受到城市规模的显著影响。肾脏病医生人数对于患者流入与流出的影响存在显著的梯度效应，在高发展水平的城市提升城市肾脏病医生人数对于跨区域就医患者的流入具有更强的促进作用（对于流入率：ρ低=0.298，ρ较低=0.358，ρ中等=0.483，ρ较高=0.540，ρ高=1.063）。而城市规模与人均GDP对于患者流动呈现双向作用并存的影响态势，对于低发展水平城市而言，城市的发展带来较高的患者流入增量（部分流入很有可能来自周边原本就落后的区县），而对于更高水平城市而言，城市发展带来的患者流入率降低，甚至表现出负向作用。此外，在城市群地区，医疗资源与城市发展水平对于患者的流动影响显著高于非城市群地区。
研究探索了中国跨区域就医流动的空间格局与患者就诊的影响因素，揭示了城市医疗资源配置与城市本底社会经济发展水平对于居民就医的重要影响，对于“健康城市”的建设与更好的区域医疗资源配置与发展具有一定的参考意义。

4.2 讨论

总体来看，中国肾脏病人跨区域就医的流动在城市尺度上主要受到城市医疗资源水平与城市经济发展水平的影响，而这种影响也由于城市发展阶段以及地理区位的不同而具有一定的异质性。近期的国内相关研究中，Xiang等[40]的研究指出了患者流动性是反映医疗资源分配不均的新方向与重要维度。Yang等[24]对北京市跨区域就诊患者进行的研究发现三甲医院跨区域利用率受距离影响小于普通医院。研究通过揭示了国家尺度上患者跨区域就医流动格局以及医疗资源的驱动作用，直观反映了全国范围内医疗资源分配不均衡现状的普遍性以及医疗资源均衡配置的重要性。如何优化医疗资源配置，减少跨区域就医的客观需求，是降低跨区域就医负担、提升人民健康水平与社会经济可持续性协同发展的根本解决途径。
本研究为患者跨区域就医现象的宏观分析与驱动因素分析提供了可行的思路与方向，为医疗资源分配不均衡背景下，医疗体制改革与保障制度的完善提供了一定的参考意义，但仍有不足之处可以做进一步的探讨：① 本研究以慢性肾病患者的跨区域就诊为例探究了中国患者跨区域就诊流动特征及其驱动因素，其他疾病谱的患者流动是否具有相似或不同特征也有待后续研究发现。② 研究所采用的数据指标有待进一步完善，城市诊疗水平若有不同职称的医生数据或肾脏专科医疗资源硬件数据（例如肾脏专科住院床位数）可以获得更好的体现。另外，跨区域就医患者的地址信息也可能存在误判问题。③ 研究仅采用了广义线性模型对各变量之间的作用进行了回归，而实际上城市内部各要素之间的作用方式较为复杂，未来需要更为深入的探索要素之间的相互作用，从而提升研究结果的准确性。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，评审专家对本文整体架构、图表绘制、结果与讨论方面的修改意见，使本文获益匪浅。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Margaret E K, Anna D G, Naima T J, et al. Mortality due to low-quality health systems in the universal health coverage era: A systematic analysis of amenable deaths in 137 countries. The Lancet, 2018, 392(10160): 2203-2212. DOI: https://doi.org/10.1016/S0140-6736(18)31668-4.

DOI

[2]
Baeten R. Cross-border patient mobility in the European Union: In search of benefits from the new legal framework. Journal of Health Services Research & Policy, 2014, 19(4): 195-197. DOI: 10.1177/1355819614544202.

DOI

[3]
Andritsos D A, Tang C S. Introducing competition in healthcare services: The role of private care and increased patient mobility. European Journal of Operational Research, 2014, 234(3): 898-909. DOI: https://doi.org/10.1016/j.ejor.2013.11.022.

DOI

[4]
Laugesen M J, Arturo V B. A patient mobility framework that travels: European and United States-Mexican comparisons. Health Policy, 2010, 97(2): 225-231. DOI: 10.1016/j.healthpol.2010.05.006.

DOI

[5]
吕大伟, 许宏, 王伟俊, 等. 推动长三角地区跨省异地就医门急诊费用直接结算的实践. 中国卫生资源, 2021, 24(1): 48-51.

[Lv Dawei, Xu Hong, Wang Weijun, et al. The promotion of direct reimbursement of cross-city healthcare expenditures within the Yangtze River Delta region. Chinese Health Resources, 2021, 24(1): 48-51.]. DOI: 10.13688/j.cnki.chr.2021.200943.

DOI

[6]
贾惠莉, 杨华, 张娟, 等. HQMS住院病案首页数据质量控制的效果评价. 中国病案, 2021, 22(11): 12-14.

[Jia Huili, Yang Hua, Zhang Juan, et al. Analyze on the effect of the intervention on the data quality of the front page of inpatient medical records uploaded on HQMS. Chinese Medical Record, 2021, 22(11): 12-14.]. DOI: 10.3969/j.issn.1672-2566.2021.11.005.

DOI

[7]
Ke Y, Yi J, Jing D Q, et al. The equity of China's emergency medical services from 2010-2014. International Journal for Equity in Health, 2017, 16(1): 10. DOI: 10.1186/s12939-016-0507-5.

DOI PMID

[8]
National Health Commission NHC. Implementation plan for the establishment of national medical centers and national regional medical centers. http://www.nhc.gov.cn/ewebeditor/uploadfile/2019/01/20190125165755286.pdf(2019), 2020-12-22.

[9]
Chen J F, Wei O Y, Li T, et al. Elderly health inequality in China and its determinants: A geographical perspective. International Journal of Environmental Research and Public Health, 2019, 16(16): 2953. DOI: 10.3390/ijerph16162953.

DOI

[10]
付强. 促进分级诊疗模式建立的策略选择. 中国卫生经济, 2015, 34(2): 28-31.

[Fu Qiang. Strategic choice for promoting hierarchial treatment model. Chinese Health Economics, 2015, 34(2): 28-31.]. DOI: 10.7664/CHE20150206.

DOI

[11]
Amuedo-Dorantes C, Rivera-Garrido N, Vall C. Reforming the provision of cross-border medical care: Evidence from Spain. Health Economics, 2022, 31(5): 859-876. DOI: 10.1002/hec.4481.

DOI PMID

[12]
Aggarwal A, Lewis D, Mason M, et al. Patient mobility for elective secondary health care services in response to patient choice policies: A systematic review. Medical Care Research and Review, 2017, 74(4): 379-403. DOI: 10.1177/1077558716654631.

DOI PMID

[13]
Noree T, Hanefeld J, Smith R. Medical tourism in Thailand: A cross-sectional study. Bull World Health Organ, 2016, 94(1): 30-6. DOI: 10.2471/BLT.14.152165.

DOI

[14]
Yan X, Dong D, He S, et al. Examining trans-provincial diagnosis of rare diseases in china: The importance of healthcare resource distribution and patient mobility. Sustainability, 2020, 12(13): 5444. DOI: 10.3390/su12135444.

DOI

[15]
Adrian D, Sarah B, Desmond D, et al. Accessing surgical care for esophageal cancer: Patient travel patterns to reach higher volume center. Diseases of the Esophagus, 2020, 33(7): doaa006. DOI: 10.1093/dote/doaa006.

DOI

[16]
Michael S, Donna C, Ronald M, et al. Crossing the border for health care: Access and primary care characteristics for young children of Latino farm workers along the US-Mexico Border. Ambulatory Pediatrics, 2003, 3(3): 121-130. DOI: 10.1367/1539-4409(2003)003<0121:CTBFHC>2.0.CO;2.

DOI PMID

[17]
Miriam J L, Arturo V B. A patient mobility framework that travels: European and United States-Mexican comparisons. Health Policy, 2010, 97(2): 225-231. DOI: 10.1016/j.healthpol.2010.05.006.

DOI

[18]
Bergmark R, Barr D, Garcia R. Mexican immigrants in the US living far from the border may return to Mexico for Health Services. Journal of Immigrant and Minority Health, 2010, 12(4): 610-614. DOI: 10.1007/s10903-008-9213-8.

DOI PMID

[19]
刘晓波. 十八大以来我国“三医联动”改革研究. 锦州: 渤海大学硕士学位论文, 2021: 26-39.

[Liu Xiaobo. Research on the "Tripartite Medical System" reform in China since the 18th National Congress of the CPC. Jinzhou: Master Dissertation of Bohai University, 2021: 26-39.]. DOI: 10.27190/d.cnki.gjzsc.2021.000035.

DOI

[20]
程沛然. 上海市某三甲医院医疗保险异地就医服务管理及医疗费用现状研究. 上海: 复旦大学硕士学位论文, 2014: 30-46.

[Cheng Peiran. Current situation research of service management and medical expenses of out-of-ton medical insured members in one of the top-three hospitals in Shanghai. Shanghai: Master Dissertation of Fudan University, 2014: 30-46.]

[21]
孙雪玲, 朱小余. 异地就诊医保核算监督机制的完善对于医保体系高效化管理的意义. 现代预防医学, 2012, 39(20): 5304-5305.

[Sun Xueling, Zhu Xiaoyu. The significance of improving the accounting and supervision mechanism of medical insurance in different places for the efficient management of medical insurance system. Modern Preventive Medicine, 2012, 39(20): 5304-5305.]. DOI: CNKI:SUN:XDYF.0.2012-20-037.

DOI

[22]
宋霖婧, 董佩, 邱五七, 等. 北京市6种癌症跨区域患者特征与就医行为研究. 中国循证医学杂志, 2019, 19(9): 1007-1011.

[Song Linqian, Dong Pei, Qiu Wuqi, et al. Study on characteristics and medical behavior of patients with six kinds of cancer in Beijing. Chinese Journal of Evidence-Based Medicine, 2019, 19(9): 1007-1011.]. DOI: CNKI:SUN:ZZXZ.0.2019-09-001.

DOI

[23]
Zhang J G, Wang H, Gu X F, et al. Status and associated factors of cross-regional healthcare-seeking among patients with advanced colorectal cancer in China: A multicenter cross-sectional study. Annals of Translational Medicine, 2022, 10(6): 342, DOI: 10.21037/atm-22-1003.

DOI

[24]
Yang Y, Wang Y. Analysis of the characteristics of cross-regional patient groups and differences in hospital service utilization in Beijing. International Journal of Environmental Research and Public Health, 2022, 19(6): 3227. DOI: 10.3390/ijerph19063227.

DOI

[25]
程思宇. 基于分级诊疗视角下武汉市社区卫生服务中心规划及患者流控制优化研究. 武汉: 湖北中医药大学硕士学位论文, 2019: 38-45.

[Cheng Siyu. Study on planning of Wuhan community health service center and optimization of patient flow control based on hierarchical diagnosis and treatment. Wuhan: Master Dissertation of Hubei University of Chinese Medicine, 2019: 38-45.]

[26]
王超. 我国分级诊疗体系建设效果评价. 武汉: 华中科技大学博士学位论文, 2021: 16-18.

[Wang Chao. Evaluation on the construction effect of China's hierarchical medical system. Wuhan: Doctoral Dissertation of Huazhong University of Science and Technology, 2021: 16-18.]. DOI: 10.27157/d.cnki.ghzku.2021.006498.

DOI

[27]
Needham C, Dickinson H. 'Any one of us could be among that number': Comparing the policy narratives for individualized disability funding in Australia and England. Social Policy & Administration, 2018, 52(3): 731-749. DOI: 10.1111/spol.12320.

DOI

[28]
Yang C, Wang H B, Zhao X J, et al. CKD in China: Evolving spectrum and public health implications. American Journal of Kidney Diseases, 2020, 76(2): 258-264. DOI: 10.1053/j.ajkd.2019.05.032.

DOI PMID

[29]
Huang Y M, Xu D, Long J, et al. Spectrum of chronic kidney disease in China: A national study based on hospitalized patients from 2010 to 2015. Nephrology(Carlton), 2019, 24(7): 725-736. DOI: 10.1111/nep.13489.

DOI

[30]
顾亚明. 日本分级诊疗制度及其对我国的启示. 卫生经济研究, 2015, 335(3): 8-12.

[Gu Yaming. Japanese grading treatment system and its enlightenment. Health Economics Research, 2015, 335(3): 8-12.]. DOI: 10.14055/j.cnki.33-1056/f.2015.03.003.

DOI

[31]
国家统计局. 中国城市统计年鉴. 北京: 中国统计出版社, 2014-2018.

[National Bureau of Statistics of the People's Republic of China. China City Statistical Yearbook. Beijing: China Statistics Press, 2014-2018.]

[32]
钟玉英, 王凯然, 梁婷. 政策促进还是政策摩擦? 医疗保险异地结算与分级诊疗的政策交互作用研究. 公共行政评论, 2020, 13(5): 120-143+207-208.

[Zhong Yuying, Wang Kairan, Liang Ting. Policy promotion or policy friction? Research on policy interaction between medical insurance settlement in different places and hierarchical diagnosis and treatment. Journal of Public Administration, 2020, 13(5): 120-143+207-208.]. DOI: 10.3969/j.issn.1674-2486.2020.05.007.

DOI

[33]
Phillip B. Power and centrality: A family of measures. American Journal of Sociology, 1987, 92(5): 1170-1182. DOI: 10.1086/228631.

DOI

[34]
黄言, 宗会明, 杜瑜, 等. 交通网络建设与成渝城市群一体化发展: 基于交通设施网络和需求网络的分析. 长江流域资源与环境, 2020, 29(10): 2156-2166.

[Huang Yan, Zong Huiming, Du Yu, et al. Traffic network construction and integrated development of Chengdu Chongqing Urban Agglomeration: Analysis based on traffic facility network and demand network. Resources and Environment in the Yangtze Basin, 2020, 29(10): 2156-2166.]. DOI: 10.11870/cjlyzyyhj202010005.

DOI

[35]
陈希孺. 广义线性模型(一). 数理统计与管理, 2002, 21(5): 54-61.

[Chen Xiru. Generalized linear model (1). Mathematical Statistics and Management, 2002, 21(5): 54-61.]. DOI: 10.3969/j.issn.1002-1566.2002.05.013.

DOI

[36]
Binbin L, Martin C, Paul H, et al. Geographically weighted regression with a non-Euclidean distance metric: A case study using hedonic house price data. International Journal of Geographical Information Science, 2014, 28(4): 660-681. DOI: 10.1080/13658816.2013.865739.

DOI

[37]
梁泽, 黄姣, 韦飞黎, 等. 基于夜光遥感影像与百度POI数据的中国城市群空间范围识别方法. 地理研究, 2020, 39(1): 92-102.

DOI

[Liang Ze, Huang Jiao, Wei Feili, et al. Identifying the spatial range of urban agglomerations in China based on night light remote sensing and POI data. Geographical Research, 2020, 39(1): 92-102.]. DOI: CNKI:SUN:DLYJ.0.2020-01-009.

DOI

[38]
卢奕帆, 梁颖然, 卢思言, 等. 结合“珞珈一号”夜间灯光与城市功能分区的广州市碳排放空间分布模拟及其影响因素分析. 地球信息科学学报, 2022, 24(6): 1176-1188.

DOI

[Lu Yifan, Liang Yingran, Lu Siyan, et al. Spatialization of carbon emissions in Guangzhou city by combining Luojia1- 01 nighttime light and urban functional zoning data. Journal of Geo-Information Science, 2022, 24(6): 1176-1188.]. DOI: 10.12082/dqxxkx.2022.210610.

DOI

[39]
新华社. 中共中央国务院关于建立更加有效的区域协调发展新机制的意见. 中华人民共和国国务院公报, 2018, 1646(35):11-17.

[the Xinhua News Agency. Opinions of the CPC central committee and the State Council on establishing a new mechanism for more effective balanced regional development. The Bulletin of the State Council of the People's Republic of China, 2018, 1646(35):11-17.

[40]
Xiang Y, Lu S, Shen J H, et al. Cross-city patient mobility and healthcare equity and efficiency: Evidence from Hefei, China. Travel Behaviour and Society, 2022, 28(7): 1-12. DOI: https://doi.org/10.1016/j.tbs.2022.02.001.

DOI

Options
Outlines

/

〈 〉