2. 武汉大学全球健康研究中心 湖北武汉 430072;
3. 山东省卫生健康委员会 山东济南 250001
2. Global Health Institute, Wuhan University, Wuhan Hubei 430072, China;
3. Health Commission of Shandong Province, Jinan Shandong 250001, China
如何提高医院运营效率特别是技术效率是各国医疗卫生体系改革普遍关注的问题。新医改背景下, 公立医院管理能力建设已经成为提升卫生体系效率、决定医改成败的关键。国务院颁布的《关于建立现代医院管理制度的指导意见(国办发〔2017〕67号)》系统阐述了新医改背景下如何“建立现代公立医院管理制度”, 标志着医院管理制度建设成为医改的关键政策之一。[1]但医院管理水平与运营效率之间的相互关系是一个复杂的问题, 目前国内研究效率影响因素多是从医院硬件条件、服务能力和竞争环境等方面定性研究管理水平对效率的影响, 其主要困难在于缺乏合适的工具测量医院内部管理水平。本研究拟在测量医院技术效率和管理水平的基础上, 应用结构方程模型分析管理水平对医院技术效率的影响, 为提升医院运营效率提供实证决策依据。
1 研究方法 1.1 研究对象按照2018年各省份人均GDP排名, 按照三分位法分别在各分位内采用典型抽样的方法选取山东、湖北、海南、四川、安徽和山西6个省份。在每个省选取委属、省属三甲综合医院1~2家, 地市属三甲综合医院2~3家;在选中地市选取区县属二甲综合医院2家, 合计63家。
1.2 效率值计算传统DEA不考虑环境变量和随机误差, 由此带来的问题是无法从统计学意义上进行解释和消除随机误差, 导致效率值或生产率指数存在偏倚, 同时环境变量的因素也无法分析。Simar和Wilson提出了基于Bootstrap的DEA方法对效率值进行纠偏[2-3], 可给出效率值的置信区间, 方便从统计学角度对DEA效率值进行比较。他们还引入基于Bootstrap截断回归分析的二阶段Bootstrap-DEA, 分析和消除环境因素对效率值的影响。[4]与一般的多阶段DEA方法相比, 该方法继承了Bootstrap-DEA的优点, 且估计更为稳健。故本文采用二阶段Bootstrap-DEA方法, 分别计算纯技术效率和规模效率。
在投入产出指标方面, 采用较为通用和稳健的四个投入产出指标[5-7], 投入指标包括在职人员数、实际开放床位数, 产出指标包括出院人次数和门诊人次数。在环境变量选择方面, 由于效率的有些影响因素不为管理者所决定[4-6], 加入环境变量可以调整因这些因素造成的效率值偏倚。
在环境变量选择上, 选择医院经营者不能自主决定的省份、隶属、是否省会等作为环境变量。国内的大部分研究仅仅纳入易得的医院运营类指标[8-9], 这类指标本身可以为管理者或医院通过提升效率而改变, 严格来说并不属于环境变量。且这些内部运营指标与效率值之间的因果关系难以确定, 通过建模也仅能确定相互之间具有相关性, 并不能说明具有因果关系, 分析结果对医院的指导意义有限。由于医院级别对医院效率有较大影响, 在分析二级和三级医院的效率值方面, 通常拟合不同的模型。[9-10]本文将医院级别作为环境变量的方法把这些因素进行调整, 从而纳入了更多环境因素, 也在同一个模型中保留了更多样本。
1.3 管理水平测量世界管理调查(World Management Survey, WMS)是由Bloom和Reenen于2002年发起[11], 2008年项目扩大到学校和医院。2011年又开发了适用于发展中国家公共部门的扩展调查工具医院版(Development WMS, D-WMS-H), 使评分更为精确, 其在20个管理实践问题的基础上增加了1个领导实践问题, 更适合医院环境的应用。[12-13]WMS医院版由赵汗青[14-16]等国内学者引入我国并开发出CHMS调查表测量医院管理水平。
本项目前期研究在D-WMS-H基础上开发出《中国医院管理调查表-扩展版》(D-CHMS), 采取现场调研和访谈的方式, 验证其信度和效度, 并测量了63家公立医院的管理水平。原调查表共分为五个一级维度, 即运营管理、绩效管理、目标管理、人才管理和问责机制。21个二级维度, 每个二级维度又细分为3个具体问题, 得分范围为1~5。21个二级维度的得分为3个具体问题的算术平均数。问卷总分F值为21个问题的平均得分。该问卷特点是侧重管理过程, 各维度更多考察管理的方式方法, 而非管理结果。例如, 在运营管理中“激发诊疗流程改进的因素”中的三个问题分别是“医院诊疗流程改进的动机是?”, “医院多久讨论一次诊疗流程问题、推进流程改进的因素是哪些?”, “谁推动流程改进?”。
由于问卷中部分问题含义与国内定义差别较大, 故根据我国医院管理的实际情况重新划分了维度, 使其从专业上更符合我国医院管理实际, 并便于理解结构方程结果。其中原问卷中绩效管理的问题内容与我国绩效考核的内容差异较大, 而偏向绩效指标的持续改进, 故命名为持续改进更符合其内容。运营问题的持续改进与运营问题紧密相关, 故划分到运营管理维度。目标管理中的员工对目标的了解程度、问责机制维度和原问卷人力资源维度中的目标奖励机制三项内容和我国医院的绩效考核内涵接近, 故合并为绩效管理维度。而人力资源管理中心的其他问题根据与医院领导的相关性划分为人力资源和领导力两个维度。最终将调查表一级维度细分为运营管理、持续改进、目标管理、绩效管理、人力资源和领导力6个维度。
1.4 管理水平内部结构及其对效率的影响分析结构方程模型不但能够同时分析管理维度和效率之间的关系, 同时还能够探索管理能力各内部组成结构之间的关系, 验证维度设定的好坏。由于管理水平由量表法测得, 所得数据并非连续变量, 也不符合正态分布。和结构方程模型相比, 偏最小二乘法结构方程模型不采用协方差矩阵建模, 而是采用迭代求解, 所以其无需对观测变量做特定的概率分布假设。因而量表数据更适合用偏最小二乘法结构方程模型建模。
为精确刻画管理维度对技术效率的影响, 将技术效率分解为纯技术效率和规模效率, 即技术效率=纯技术效率*规模效率。由于技术效率、纯技术效率和规模效率之间存在线性关系, 因此不适合在结构方程模型中同时放入技术效率、纯技术效率和规模效率, 在结构方程模型中仅分析各项管理水平对纯技术效率和规模效率的影响。采用偏最小二乘结构方程模型(PLS-SEM)分析管理水平得分对纯技术效率和规模效率的影响。
假设所有管理维度对纯技术效率和规模效率都有影响, 各管理能力维度之间的初始路径按照逻辑关系, 从专业角度进行设定。从问卷内容来看:(1)运营管理是其他各个维度的最终体现, 该维度中涉及的是各管理维度在运营中的运用和体现, 例如建筑布局、流程改进、诊疗方案改进、工作支援等。因此, 从逻辑上, 其他5个维度应当对运营管理都有直接或间接的影响。(2)领导是所有管理行为的决策点和发起点, 因此领导力应当对其他5个维度都有直接或间接的影响。(3)在中间层面, 人力资源管理相对独立于绩效、目标和持续改进, 受领导力直接影响, 且是领导借以实现管理意图的最重要途径。因此人力资源管理应当对除领导力外的其他各管理维度产生影响。(4)目标设定也是相对重要的管理维度, 绩效指标是目标管理的具体实现方法, 因此在中间层面, 目标设定会决定所应当采取的绩效管理和持续改进方式。(5)持续改进和绩效管理都和绩效管理有关。从两者涉及的问题可以看出, 绩效管理维度涉及的是问责、激励等机制设计, 而持续改进涉及的是具体的绩效管理方式, 因此绩效管理是持续改进的保障。
在初始模型的基础上, 设定抽样次数为200, 通过Bootstrap给出路径系数和外部载荷系数的90%置信区间, 将系数置信区间跨过0点的数据依次排除。最终得到全部系数都有统计学意义的结构方程模型。
本研究采用SPSS22.0完成描述性统计分析, 应用R软件rDEA包计算DEA效率值和Bootstrap纠偏和sem-PLS包运行偏最小二乘法结构方程模型。结构方程模型中系数检验水准为0.1, 其他检验水准为0.05。
2 结果按前述抽样方法共获取样本医院63家, 各省份医院的级别分布、隶属分布、是否省会情况如表 1所示。
对样本医院效率值(包括技术效率、纯技术效率和规模效率)与管理水平得分情况分别按省份、医院级别、隶属关系、是否省会进行分类统计, 结果如表 2所示, 其中F值为管理水平得分。关于样本运营的技术效率, 通过环境变量的调整各省市医院效率值及排名有所变化。从医院级别来看, 三级医院纠偏后的(下同)技术效率、规模效率低于二级医院, 但纯技术效率高于二级医院。从隶属关系来看区县医院技术效率、规模效率最高, 省级医院纯技术效率最高。从是否省会来看, 省会医院技术效率、纯技术效率和规模效率均低于非省会医院。关于样本医院的管理水平, 各省份有较大差异, 四川、山东较高, 安徽、湖北较低;从医院级别来看, 三级医院明显高于二级医院, 从隶属关系来看, 省级医院最高, 区县级最低;从是否省会来看, 省会医院高于非省会医院。
对基于世界管理调查扩展版D-WMS为基础的《中国医院管理调查表-扩展版》(D-CHMS)各维度应用结构方程模型建模(表 3)。各个指标的冗余度均未超过0.5;除了持续改进为0.45外, 共同度都高于0.6, Dillon-Goldstein's rho均大于0.7。从各个潜变量对所在管理问题的载荷系数来看, 除Q9外, 全部载荷系数均大于0.5, 且大部分载荷系数在0.8以上。载荷系数较低的有:领导力方面的Q20;绩效管理方面的Q14;持续改进的4个指标均未超过0.8, 特别是Q6和Q9较低;在运营管理方面Q2和Q4、Q5的载荷系数稍低, 说明将这些问题归为同一个维度稍有欠缺。
各管理维度及运行效率的结构方程模型如图 1所示。
(1) 模型拟合结果:模型整体拟合指标GoF(Goodness of Fit)为0.52, 大于0.5。平均R方为0.44, 平均共同度0.61, 模型拟合较好。
(2) 模型解释力:各个潜变量的决定系数均较高, 其中相对较低的为人力资源管理和目标管理两个维度, 主要是设定影响他们的潜变量分别只有1个。规模效率的决定系数也达到了0.36。但纯技术效率的决定系数较低, 为0.1, 说明还有很多纯技术效率的影响因素没有包含在模型内。
(3) 潜变量与效率值间影响:从路径系数来看, 各个管理维度之间的系数均为正值, 且较为合理。领导力影响人力资源、目标设定、绩效管理和运营;人力资源影响绩效管理, 目标设定影响持续改进和绩效管理;绩效管理影响持续改进和运营。领导力对持续改进没有直接影响, 持续改进对运营则没有影响, 这些因素在模型中被排除。从效率的影响因素来看, 则出现了部分负值, 领导力和目标设定对规模效率都有负面影响。目标设定对纯技术效率有正向影响, 人力资源则对规模效率有正向影响。其他管理维度对效率的影响则没有统计学意义。
3 讨论 3.1 不同环境变量对医院运营效率的影响本研究结果表明, 三级医院纯技术效率高于二级医院, 但是规模效率却低于二级医院。李瑛等对天津市公立医院的分析表明, 天津市三级公立医院效率低于二级公立医院, 林海锋[17]对武汉地区产科服务效率的分析也表明, 高级别医院效率反而更低。王箐[18]等的研究发现三级医院比例和卫生服务效率没有关系。众多研究表明三级医院效率低于二级医院, 特别是在规模效率方面, 可能的原因在于近年来三级医院的床位规模扩张速度高于二级医院, 存在冗余现象。本研究表明省会医院的技术效率低于非省会城市。李瑛等对天津市公立医院的分析表明, 城区医院低于郊区医院。刘孟飞、张晓岚[19-20]的研究也表明, 医院密度越高的地区, 卫生体系效率越低。郭亚楠[21]的超效率DEA分析也表明, 医院数量对省级医院的运行效率有负面影响。可能的原因是, 一定地区的人口数、患病率、住院率等不变的情况下, 区域内门诊和住院数量趋于稳定, 而医院数量越少的地区竞争程度越低, 医院服务量更容易达到饱和;省属医院纯技术效率最高、市属其次、区县属最低, 而在规模效率方面则恰恰相反。一方面, 可能由于隶属关系越高的医院技术水平越高, 但同时床位规模可能也越大, 因而在DEA分析中投入指标较高, 不利于规模效率值。另一方面, 省属医院多位于省会, 医院数量多、竞争程度高, 服务量不容易达到饱和也是导致规模效率低的原因之一。在样本医院的管理水平方面, 三级医院高于二级医院, 省级医院高于市级和区县级医院, 省会医院高于非省会医院。医院级别区分的研究结果与赵汗青等[7]的研究结果一致。
3.2 医院管理水平各维度对效率的影响在投入指标的人力和床位两个因素中, 床位规模的可变程度低于人力, 人力资源的管理水平对效率的影响十分明显。在所有因素中只有人力资源对规模效率有正向影响, 通过更好的调配人力资源, 可以降低对人力数量的需求, 从而实现更加高效的管理。
目标管理方面的问题强调医院对政府设定指标的追求和实现。例如目标管理维度第一个问题Q10“运营目标的内容与结构设定”的第1个小问题是“有临床产出目标和其他类型的目标, 比如效率和财务产出, 例如感染率减少50%”等, Q10的第3个小问题是“目标与病人因素关联且按照内外部因素定义”, 强调医院目标符合政府卫生系统目标, 且关注病人产出。这些问题恰恰与研究采用的效率概念一致, 因此目标管理对效率的影响有意义。但目标管理对效率的影响同时又是一把“双刃剑”, 虽然可能提高医院的纯技术效率, 但是可能导致规模效率降低。在现有的公立医院法人治理结构和监管体制下, 近年来公立医院虽然管理水平不断提升, 但与更注重“持续改进”等方面相比, 对控制床位规模和人力投入提高效率的意识并不强烈, 可能是导致出现“越注重管理水平提升的医院, 技术效率越高而规模效率却越低”这一现象的原因。
结构方程模型结果表明, 仅目标管理和绩效管理两个维度对持续改进的影响解释了持续改进变异的52%。领导力对规模效率存在负面影响。虽然领导力较强的医院可以管理和留住更多人才, 但由于我国公立医院的人事管理体制原因[22], 很多医院并没有完全独立的用人自主权, 基本不能开除有编制的员工往往导致医院人员不断增加, 对规模效率存在负向影响不利于运营技术效率的提高。
3.3 研究局限性首先, DEA方法计算出的效率值受投入、产出指标选择的影响较大, 本研究仅纳入较为常用的投入产出指标, 尚不能全面精确地测量运营技术效率, 下一步研究宜纳入更多指标, 同时应用病例组合指数(Case Mix Index, CMI)对出院人次等产出指标进行校正, 保证决策单元(Decision Making Units, DMU)的同质性。其次, 鉴于本研究采取了现场调研和面谈方法测量医院管理水平, 时间和成本较大, 导致样本量偏低, 尽管进行了Bootstrap纠偏并采用了较稳健的偏最小二乘结构方程模型, 且从结果来看部分结论上也与其他同类研究相似, 但研究结果还存在不稳定性, 在后续研究中宜扩大调查范围。最后, 在环境因素调整方面, 受限于数据采集的困难, 如人口密度、就诊率、患者的经济状况、医疗资源的密度等可能影响供需的因素未纳入分析。
4 结论与建议本研究分析表明, 公立医院技术效率的主要内部管理水平影响因素是目标管理和人力资源管理水平。因此要想从根本上提高公立医院的运行效率, 必须将公立医院改革的重点放在政府对公立医院的目标管理, 绩效考核、人事制度改革等方面。只有从根本上改变公立医院目标设定方面的激励机制, 改变公立医院的人员管理机制, 才能有效提升医院内部管理水平, 并进一步促进技术效率的提升, 最终促进公立医院的综合运营效率。
作者声明本文无实际或潜在的利益冲突。
[1] |
国务院办公厅.国务院办公厅关于建立现代医院管理制度的指导意见[Z]. 2017.
|
[2] |
Simar L, Wilson P W. Sensitivity Analysis of Efficiency Scores:How to Bootstrap in Nonparametric Frontier Models[M]. 1998.
|
[3] |
李萌, 郭淑岩, 董四平. 基于Bootstrap-Malmquist-DEA纠偏的中国医院效率和全要素生产率测量[J]. 卫生经济研究, 2019, 36(3): 63-68. |
[4] |
Simar, Léopold, Wilson, et al. Estimation and inference in two-stage, semi-parametric models of production processes[J]. Journal of Econometrics, 2007, 136(1): 31-64. |
[5] |
Besstremyannaya G. Managerial performance and cost efficiency of Japanese local public hospitals:a latent class stochastic frontier model[J]. Health Economics, 2011, 20(Supplement 1): 19-34. |
[6] |
Besstremyannaya G. The impact of Japanese hospital financing reform on hospital efficiency:A difference-in-difference approach[J]. Japanese Economic Review, 2013, 64(3): 337-362. DOI:10.1111/j.1468-5876.2012.00585.x |
[7] |
董四平, 左玉玲, 陶红兵, 等. 中国医院效率DEA研究分类与投入产出指标分析[J]. 中国卫生政策研究, 2014, 7(10): 40-45. DOI:10.3969/j.issn.1674-2982.2014.10.008 |
[8] |
唐娴, 廖菁, 钟若冰, 等. 基于DEA-Tobit两步法分析四川省公立医院技术效率及其影响因素[J]. 实用医院临床杂志, 2010, 7(6): 101-104. DOI:10.3969/j.issn.1672-6170.2010.06.036 |
[9] |
杜晶琳, 王中华. 江苏省公立医院基于数据包络法的效率评价[J]. 南京医科大学学报(社会科学版), 2016, 16(6): 428-431. |
[10] |
李瑛, 沈亚平. 天津公立医院效率分析[J]. 甘肃行政学院学报, 2017(3): 51-57, 126-127. DOI:10.3969/j.issn.1009-4997.2017.03.006 |
[11] |
Bloom N, Van reenen J. Measuring and Explaining Management Practices Across Firms and Countries[J]. Social Science Electronic Publishing, 2007, 122(4): 1351-1408. |
[12] |
Lemos R, Scur D. Developing Management: An expanded evaluation tool for developing countries.[EB/OL]. https: //assets.publishing.service.gov.uk/media/5891bb5fe5274-a7a65000046/RISE_WP-007_Lemos-Scur_0.pdf
|
[13] |
Bloom N, Lemos R, Sadun R, et al. The New Empirical Economics of Management[J]. Cep Occasional Papers, 2014, 12(4): 835-876. |
[14] |
Zhu Y, Guo R, Dou L, et al. Development and evaluation of a hospital management practice rating scale[J]. Journal of Hospital Administration, 2018, 7(1): 9-17. DOI:10.5430/jha.v7n1p9 |
[15] |
崔宇杰, 赵汗青, 刘国恩, 等. 可跨国比较的中国医院管理调查体系的构建研究[J]. 中国卫生政策研究, 2018, 11(6): 1-7. DOI:10.3969/j.issn.1674-2982.2018.06.001 |
[16] |
赵汗青, 崔宇杰, 刘庭芳, 等. 基于世界管理调查方法的中国医院管理水平实证研究[J]. 中华医院管理杂志, 2018, 34(11): 955-960. DOI:10.3760/cma.j.issn.1000-6672.2018.11.018 |
[17] |
林海锋, 陶红兵, 程兆辉, 等. 武汉地区医院产科资源利用效率及影响因素研究[J]. 中国医疗管理科学, 2015, 5(5): 9-13. |
[18] |
王箐, 魏建. 竞争、医疗保险与宏观医疗效率——基于DEA模型的两阶段分析[J]. 经济问题, 2013(4): 17-21. |
[19] |
刘孟飞, 张晓岚. 我国医疗体系全要素生产率成长的区域差异及其成因分析[J]. 上海经济研究, 2013, 25(3): 68-80. |
[20] |
张晓岚, 刘孟飞, 李强. 人口因素对公共医疗服务效率的影响——区域差异与动态变化[J]. 南方人口, 2012, 27(3): 32-42. DOI:10.3969/j.issn.1004-1613.2012.03.005 |
[21] |
郭亚楠, 张瑶, 张馨予, 等. 基于超效率DEA模型的医院技术效率评价与影响因素分析[J]. 中国医院管理, 2017, 37(7): 38-40. |
[22] |
朱恒鹏, 周彦.取消公立医院事业编制是大势所趋[N].经济参考报, 2016-12-30.
|
(编辑 薛 云)