2020年是脱贫攻坚收官之年。健康扶贫是脱贫攻坚的重要内容之一,系统科学地评估其成效具有重大现实意义。贫困患者是医疗保险、医疗救助和健康扶贫专项政策的关注对象;然而不同政策体系特点及减负目标各不相同。通过政策协同效果评价不仅能够准确掌握各类政策对贫困患者疾病经济风险减负的综合效果,也有助于通过识别“因病致贫、因病返贫”风险对象进而采取精准干预措施。在脱贫攻坚部署安排下,各地医疗保险和医疗救助采取了相应减负措施。例如,基本医保采取个人缴费部分的一定比例由财政给予补贴、提高贫困患者县内就医住院费用报销比例或降低起付线等措施。大病保险针对贫困患者采取了参保缴费补贴、取消大病保险封顶线等办法。医疗救助对经基本医保、大病保险报销后贫困患者合规医疗费用提高了救助标准。新疆、内蒙古、黑龙江等省份通过地方财政或者民政救助为贫困人口购买商业补充医疗保险。此外,四川、江苏等省份通过多渠道筹资建立了健康扶贫基金,针对在档贫困人口重特大疾病提供项目补助,发挥了政策减负兜底作用。总体上看,针对贫困患者减负的各类政策多管齐下、具有显著政策协同特点。特别是健康扶贫基金由于筹集和实施机制更加灵活,对贫困患者识别与减负干预措施更加精准有效,成为医疗保险、医疗救助等政策的有益补充。
1 健康扶贫政策协同效果评价的两个维度:精准和力度政策协同是“协同政府”多行动主体政策协调和政策整合的复杂问题。近年来,国内学界非常重视政策协同[1],被视为提升“协同政府”治理能力和水平的重要途径。卫生健康政策协同研究往往聚焦某个健康问题或某类健康政策[2-7],特别重视协同政策实施机制对于实现政策效果的重要价值。减轻贫困患者疾病经济负担、防止“因病致贫、因病返贫”风险是医疗保险、医疗救助和健康扶贫专项政策的协同目标。各类政策都具有减负效果,其中健康扶贫专项政策因机制特殊性,发挥了减负“兜底”作用。政策协同减负效果可以通过两个维度判断:一是识别精准,二是减负力度。灾难性卫生支出、致贫性卫生支出和相对风险度等是疾病经济负担量化的主要指标。[8-9]贫困患者就医行为所导致的直接医疗费用是致贫风险的主要因素,也是减负效果评价的重要数据来源。相对风险度(Relative Risk,RR)采用流行病学“相对危险度”概念,将直接医疗费用作为参数设计定量比较指标,用于比较不同人群或个体的疾病经济风险,如单病种或参保人群疾病经济风险。[10-14]与此同时,政策减负指数(Burden Reduction Index,BRI)则表示减负补偿金额对于患者直接医疗费用的补偿程度,与最终个人自付比例此消彼长。本文围绕BRI指数评价,结合总体、子群和个案信息进行疾病相对风险和绝对风险评价,多视角多维度地评估了各类减负政策综合实施效果。
2 数据与方法 2.1 数据来源本文数据为某省医药爱心扶贫基金会2016—2017年第1~3批次救助对象,救助范围是40余种重特大疾病住院贫困患者,清洗并剔除缺失、无效数据,获取26 341例有效数据。数据变量包括地区、性别、年龄、疾病类型、住院费用和8项政策补偿费用;其中,8项政策分别为基本医保、大病保险、补充医疗保险、商业保险、民政救助、疾病应急救助、其他救助、专项补助(即基金会补助渠道)。
2.2 研究方法(1) 政策减负指数(BRI)。表明目标患者接受政策补助金额占住院费用的比例,可以按照样本人群范围或政策类型进行测算。根据样本人群范围测算样本总BRI、子群BRI或者个案BRI的数值;结合政策类型测算协同政策综合BRI值或者某个单项政策BRI值,如基本医保BRI、专项补助BRI。以个案总BRI为例,
(2) 疾病相对风险度(RR)。表明目标患者住院费用占被观察人群住院费用均值的比例,可以按照样本人群范围进行测算,包括样本总RR、子群RR和个案RR。
(3) 住院费用标准离差率(C.V)。由于BRI和RR均为相对风险指标,C.V则是在住院费用均值基础上考察离散程度的相对指标。作为子群住院费用均值的辅助参考值,C.V值能够说明子群内部个案偏离子群住院费用均值的可能性。
3 结果 3.1 基本特征个案信息共计26 341例,其中男性13 668例,占比51.90%,女性12 673例占比48.10%;在年龄层次上,40岁以下有4 794例,占比18.20%,40~49岁有4 099例,占比15.60%,50~59岁有3 898例,占比14.80%,60~69岁有6 831例,占比25.90%,70岁以上有6 719例,占比25.60%;两年内住院一次18 933例,占比71.80%;按照ICD-10分类标准,以个案患者第一类疾病进行疾病分类,前三位疾病类型分别是呼吸系统疾病有5 005例(19.00%)、循环系统疾病有4 838例(18.40%)和肿瘤2 905例(11.00%)(表 1)。
例均住院费用为8 869.57±15 098.47元,例均补助总额为7 339.77±11 886.75元,占比82.75%,即例均个人自付比例为17.25%。说明各类政策对贫困患者减负总BRI值为0.82;共计有19 289例(73.22%)个案处于减负目标相对安全区。此外,例均基本医保补助额4 951.79±7 537.13元,占比55.83%;例均专项补助额928.44±2 083.02元,占比10.47%;例均民政救助额389.84±1 098.55元,占比4.40%;例均大病保险补助额316.70±2 310.97元,占比3.57%;例均补充医疗保险补助额116.70±782.58元,占比1.32%。在各类政策中发挥减负主要作用的是基本医保(BRI=0.55),其次为专项补助(BRI=0.10)。
3.3 样本子群识别减负结果 3.3.1 各类子群减负效果显著,基本实现了政策减负目标表 2表明,除年龄和疾病变量的个别子群外,性别、住院次数、年龄、疾病变量的大部分子群减负目标基本实现,减负效果达到或接近BRI相对安全区。特别是对于RR高风险子群减负效果理想,如住院多次(RR=2.36)、精神和行为障碍(RR=2.05)等子群减负指数均达到相对安全区。在中高风险子群如0~18岁(C.V=2.02)、19~29岁(C.V=1.97)、神经系统疾病(C.V=1.93)等和低风险区的减负指数也能达到或接近安全区。由于健康扶贫专项补助具有明确的重特大疾病导向,疾病类型变量的所有子群上减负效果都比较理想。
通过比较表 2各子群住院费用均值、C.V、RR和BRI值发现:(1)30~39岁存在显著“因病致贫”风险。按照年龄分段绘制RR值拟合曲线成倒“U”型(图 1),这一子群RR值处于波峰;且30~39岁子群住院费用相对于其他年龄段最高、偏离值也大(12 972.63±24 036.58元, C.V=1.85),说明无论是相对风险还是绝对风险都处于高水平;同时,减负指数仅为BRI为0.66,为年龄子群组最低值。(2)住院多次子群存在较高绝对风险。该子群是指2年以内多次住院患者,其住院费用均值为所有变量子群之最,为20 579.65±34 108.41元。尽管通过协同政策使得减负指数达到0.85,但患者自付金额仍然较大,平均自付金额3 091.49±7 801.27元。(3)先天性畸形、变形和染色体异常子群的绝对风险也较高。该子群住院费用17 417.67±21 755.41元,RR值为1.96,BRI为0.77。虽然减负指数接近安全临界线,但考虑到这一子群住院费用均值水平高、偏离值大(C.V=1.25), 协同政策减负后个人自付负担仍然较重。
通过建立个案RR-BRI评估矩阵并绘制图 2,能够精准评估协同政策叠加过程效果和对RR低、中、高风险区域个案减负结果。RR-BRI个案评估矩阵共形成六个区域,中RR高BRI区域和高RR高BRI区域的个案被认为存在较大风险。图 2-1表示未实施减负政策前个案的评估矩阵(即BRI值为零),在RR低、中、高风险区间分别为25 843例、422例和76例;图 2-2表示叠加基本医保政策后的评估矩阵,共有4 274例个案在相对安全区,RR低、中、高风险区间分别有4 257例、17例和0例个案在相对安全区;图 2-3表示继续叠加除专项补助外政策的评估矩阵共有15 667例个案在相对安全区,RR低、中、高风险区间分别有15 553例、97例和17例,分别占无BRI影响的个案数比例的60.18%、22.98%和22.37%;图 2-4表示叠加专项补助即所有政策后的评估矩阵,共计有19 289例个案在相对安全区,其中RR低、中、高风险区间分别有19 042例、209例和38例,分别占无BRI影响的个案数比例的73.68%、49.53%和50%。通过协同政策叠加效应比较分析发现:
实施协同政策减负后,RR低、中、高风险区间分别有19 042例、209例和38例进入BRI临界区间80%内,占这一区域原有个案数量的73.69%、49.53%和50.00%;但仍有6 801例、213例和38例个案个人现金支付比率高于20%,存在因病致贫风险。政策协同在低风险区域减员效果显著,表明政策协同对贫困患者减负的普惠性,但也凸显中高风险区域患者是下一步精准扶贫的对象。
3.4.2 不同政策在不同区域对个案减负效果有差异在低风险区域,通过大病医保、补充医疗保险等方式减负效果非常明显,即叠加除专项补助外政策后使得11 296例患者进入了BRI临界区间80%内,占这一区域减负个案数量的59.32%;在中风险区域,叠加专项补助减负效果明显,使得112例患者进入了BRI临界区间80%内,占这一区域减负个案数量的52.58%;在高风险区域,大病医保等政策和专项补助政策减负效果大体相当。
4 讨论及建议 4.1 政策协同减负效果显著、巩固健康扶贫专项补助精准靶向作用通过对26 341例贫困患者进行政策协同减负效果评价,分别从识别精准和减负力度两个维度评估了基本医保、大病医保等8项政策综合实施效果。结果发现,政策协同综合实施对贫困患者样本整体减负比例达到82.75%,共计有19 289例(占比73.22%)个案处于减负目标安全区范围内。考虑样本数据为健康扶贫政策实施的前2年,这一结果较好地反映了健康扶贫工作的阶段性成果。同时,总体、子群和个案比较结果都表明了健康扶贫专项政策的精准性和力度都较好。首先,专项补助BRI值为0.10,仅次于基本医保;对中、高风险区域个案减负作用明显。其次,专项补助具有重特大疾病导向,对疾病类型变量的所有子群减负效果都比较理想。但鉴于目前专项补助资金渠道比较有限,不利于进一步发挥其精准靶向作用。
4.2 完善各类政策协同机制、关注防范重点人群因病致贫风险从以往研究认为,贫困患者多有年老体弱特点[15], 从此次样本数据中60岁以上人群比例占51.4%,印证了这一结论。随着年龄增长、老年患者疾病相对风险呈现逐渐下降趋势,60岁以上子群均处于低风险区域,且住院费用水平具有递减趋势,收入型贫困特点更加显著。同时,60岁以下中青年患者疾病相对风险和绝对风险都更高,特别是30~39岁子群以及0~18岁、19~29岁子群中的偏离个案存在显著的支出型贫困风险。另外,各类政策减轻了先天性畸形、变形和染色体异常以及住院多次等子群的疾病相对风险,但仍然存在个人自付金额过高的风险。以上所提及的存在支出型贫困风险的子群,尽管个案数量较少,但揭示了当前各类政策协同存在改进空间,也是精准健康扶贫专项政策需要识别与干预的重点对象。
4.3 加强政策评价方法研究、提供多视角多维度量化评估工具本文从贫困患者疾病经济风险角度提出了政策协同效果评估方法。根据政策协同减负效果“识别精准”和“减负力度”两个维度,采用BRI、RR和C.V等指标以及整体、子群和个案视角对疾病负担的相对风险和绝对风险进行了评价。特别值得注意的是,通过比较各子群C.V值发现,大部分子群住院费用的离散风险度高,特别是对某些疾病负担绝对风险较大的病种,需要通过个案评估识别出异常值并采取干预措施。
作者声明本文无实际或潜在的利益冲突。
[1] |
周志忍, 蒋敏娟. 整体政府下的政策协同:理论与发达国家的当代实践[J]. 国家行政学院学报, 2010, 6: 28-33. |
[2] |
刘德浩. 长期照护制度中的政策协同:基于荷兰的政策启示[J]. 中国劳动, 2019(10): 32-42. |
[3] |
方洁. 我国医疗服务价格与医保支付方式改革政策协同性研究[J]. 现代医院, 2019, 19(3): 313-316. |
[4] |
章文光. 精准扶贫过程中的政策协同[J]. 人民论坛, 2019(18): 38-39. |
[5] |
安鑫, 朱君梅, 郝辉, 等. 京津冀养老服务政策协同发展对策探索[J]. 产业与科技论坛, 2017, 16(15): 96-97. |
[6] |
汪圣. 京津冀养老服务协同:动力、困境与超越[J]. 未来与发展, 2017, 41(11): 100-105. |
[7] |
Ani Matei, Tatiana-Camelia Dogaru. Coordination of Public Policies in Romania. An Empirical Analysis[J]. Elsevier Ltd, 2013, 81. |
[8] |
陈李娜, 魏伟, 王静, 等. 新农合贫困和低收入居民灾难性卫生支出研究[J]. 中国卫生政策研究, 2014, 7(4): 32-38. |
[9] |
罗五金, 吕晖, 项莉, 等. 疾病经济风险的内涵及评价综述[J]. 中国卫生经济, 2011, 30(5): 60-62. |
[10] |
肖南梓, 钟晓妮, 汪洋, 等. 重庆农村地区高血压患者疾病经济风险研究[J]. 第三军医大学学报, 2016, 38(23): 2552-2558. |
[11] |
郑建中, 孙焱. 山西省新型农村合作医疗试点县农村疾病经济风险初步研究[J]. 中国卫生事业管理, 2006, 22(4): 236-237. |
[12] |
Li uM, Sun L H, Liu G D. Economic burden and economic risk of five major chronic diseases among Chinese urban residents[J]. Pubmed, 2014, 46(5). |
[13] |
Zhang G S, Yu C H, Zhou M G, et al. Burden of Ischaemic heart disease and attributable risk factors in China from 1990 to 2015:findings from the global burden of disease 2015 study[J]. BioMed Central, 2018, 18(1). |
[14] |
Delgado-Ortega L, González-Domínguez L, Borrás M J, et al. The economic burden of disease of epithelial ovarian cancer in Spain:the OvarCost study[J]. Springer Berlin Heidelberg, 2019, 20(1). |
[15] |
任田, 胡锦梁, 黄茂娟, 等. 贫困、疾病及精准健康扶贫政策:基于贫困居民生命质量评价[J]. 中国卫生政策研究, 2018, 11(5): 61-64. |
(编辑 薛云)