DOI:10.3969/j.issn.1674-2982.2025.03.002
中图分类号:R197.1
我国三医联动水平量化评价及驱动路径探究
郭凌云， 傅柳婕， 管泳怡， 周亮茹， 郑秋莹， 李瑞锋
| 【作者机构】 | 北京中医药大学管理学院 |
| 【分 类 号】 | R197.1 |
| 【基 金】 | 国家中医药管理局公立中医医院运行机制研究项目(BUCM-2024-KJ-GL-014) |
全文
文内图表
参考文献
出版信息
·卫生政策分析·
我国三医联动水平量化评价及驱动路径探究
在我国新一轮医药卫生体制改革中,各地纷纷展开了积极的探索与实践。福建省三明市率先探索的“医疗、医保、医药(三医)协同改革”模式突破了过往医疗服务体系中碎片化治理的困境[1],已被纳入国家医改试点并在全国范围内推广[2],成为深化医改的典型范式。实践表明,医疗、医保与医药之间关系密切,彼此相互影响,“单兵突进”式医改很难取得成功,必须统筹推进医疗、医保、医药三方共进,提升医药卫生体制改革的整体性、系统性和协调性[3],才能实现真正的共赢。党的二十大报告和《深化医药卫生体制改革2024年重点工作任务》均明确提出要坚持“促进医保、医疗、医药协同发展和治理”。但受各方利益体影响,现行卫生管理体制仍存在部门间联动不足的问题[4],改革措施往往局限于局部领域。且在部分地方实践中,“三医”领域存在着发展不平衡、不充分的现象[5]。
在此背景下,国内学者对“如何推动三医联动”以及“三医联动的主要障碍是什么”展开了丰富的探讨,研究视角多集中在政策执行、实践模式和效果评估等方面。在政策实施视角,相关学者通过系统阐释公共政策的核心内涵、价值取向、侧重点及局限性,构建了具有正向作用机制的逻辑路径。[6-7]在实践层面,学者们们立足区域性发展与诉求,深入评价了各地区特色的三医联动模式。[8-10]另外,部分学者通过对比实施三医联动的前后情况评估其政策效果,发现三医联动对推进公立医院改革[11]、改善药品带量采购[12]、提高公立医院的绩效[13]、控制住院费用增长[14]、约束医疗行为[15]产生了积极影响。这些研究对理解和把握三医联动的实践情况具有一定的参考意义,但既有研究多为定性研究,缺乏对三医联动水平的量化评价以及对三医联动的多重影响因素进行探索分析。基于此,本研究采用优化耦合协调度模型对2009—2022年我国31个省份(不含港澳台地区)的医疗、医保、医药三医系统及其内部不同二元系统间的协调发展水平进行测算。并在我国医改进入三医协同发展与治理新阶段时期,以2022年为例,通过模糊集定性比较分析法解析高水平三医联动的多种组态路径,以期助力三医联动,更好地推进健康中国建设。
1 数据来源与方法
1.1 数据来源
本研究时间跨度为2009—2022年,以全国31个省份(不含港澳台地区)作为研究样本。为确保数据的科学性和可比性,数据均取自公开年鉴,包括历年的《中国卫生健康统计年鉴》《中国统计年鉴》《中国高技术产业统计年鉴》以及商务部发布的2009—2022年《药品流通行业运行统计分析报告》,并采用插值法补充部分缺失值。
1.2 研究方法
1.2.1 指标体系构建
本研究遵循世界卫生组织及世界银行对医疗服务评级的一般标准以及《“健康中国2030”规划纲要》《“十四五”全民医疗保障规划》等重要文件的具体要求,本着全面性、科学性、层次性、可操作性的原则,在参考现有研究[16-19]以及征求相关专家意见的基础上,对指标进行层层筛选,初步构建了医疗、医保、医药系统的评价指标体系(表1)。
表1 医疗、医保和医药系统评价指标体系
一级指标二级指标计算公式单位属性医疗系统服务资源每千人口卫生技术人员数(卫生技术人员数/人口数)∗1000人+每千人口床位数(床位数/人口数)∗1000张+每千人口医疗卫生机构数(医疗卫生机构数/人口数)∗1000个+财政拨款收入-万元+服务总量诊疗人次数-人次+入院人次数-人次+出院人次数-人次+服务效率平均住院日-日-病床使用率-%+医师日均担负诊疗人次-人次+医师日均担负住院床日-床日+医保系统待遇水平职工基本医疗保险基金人均支出水平-元+居民基本医疗保险基金人均支出水平-元+报销比例基本医疗保险基金支出/(社会卫生支出+个人卫生支出)%+保障程度参保率基本医疗保险参保人数/人口数%+享受生育保险待遇人次数-万人+直接医疗救助支出-万元+可持续性医保基金收支率医保基金收入/医保基金支出%+医保基金累计结余率医保基金累计结余/医保基金收入%+医保基金支出经济适应性医保基金支出增速/GDP增速%-医保基金支出财政适应性医保基金支出增速/财政支出增速%-医药系统规模与效益企业数-个+从业人员数-人+药品销售额-万元+创新能力R&D人员全时当量-人年+新产品开发经费支出-万元+新产品销售收入占主营业务收入比重新产品销售收入/主营业务收入%+拥有专利数-件+发展潜力人员增长率(当年从业人员数-上一年从业人员数)/上一年从业人员数%+主营业务收入增长率(当年主营业务收入-上一年主营业务收入)/上一年主营业务收入%+新产品数增长率(当年新产品开发项目数-上一年新产品开发项目数)/上一年新产品开发项目数%+
注:对于“报销比例”指标,本文参考已有研究[20],以“当年基本医疗保险基金支出/(社会卫生支出+个人卫生支出)”这一近似值来表示。
1.2.2 优化耦合协调度模型
本文通过熵权法分别测算医疗、医保和医药系统的发展水平。主要计算过程包括数据的标准化处理、构建规范化矩阵、计算熵值和信息熵及指标权重、计算各系统的综合评价指数。之后引入耦合协调度的概念客观描述系统之间的协调发展关系。传统的耦合协调度模型存在着耦合度分布不均导致效度较低以及系统重要性相同导致公式会被简化等问题,故本研究采用王淑佳等[21]进行调整后的优化耦合协调度模型,如公式(1)—(3)所示。
(1)
(2)
(3)
其中,C为耦合度,T为子系统的综合协调指数,D为耦合协调度,Ui为各系统的综合评价指数,αi代表各子系统的权重,本研究认为医疗、医保、医药系统对于三医联动同等重要,因此赋予相同的重要性。此外,根据耦合协调度范围,参考现有分类标准[22],将耦合协调度划分为不同的等级(表2)。
表2 耦合协调度划分标准
阶段耦合协调度(D)等级失调衰退阶段[0,0.1)C1 极度失调[0.1,0.2)C2 严重失调[0.2,0.3)C3 中度失调[0.3,0.4)C4 轻度失调过渡阶段[0.4,0.5)C5 濒临失调[0.5,0.6)C6 勉强协调协调发展阶段[0.6,0.7)C7 初级协调[0.7,0.8)C8 中级协调[0.8,0.9)C9 良好协调[0.9,1)C10 优质协调
1.2.3 模糊集定性比较分析
过往卫生系统影响因素的研究大多关注的是变量的平均效应[23],但三医系统间协调关系复杂[24],其影响因素是多元且非线性对称的,故本研究采用模糊集定性比较分析法(fsQCA)从整体视角强调多个前因变量的共同作用[25],分析变量的组态路径如何对结果产生影响。利用fsQCA3.0软件,以2022年为时间截面,深入剖析我国医改进入三医协同发展与治理的新时期,医疗、医保和医药系统间达到良性耦合协调的前因条件及组态效应差异化驱动机制。其中,一致性和覆盖率是模糊集定性比较分析的两个关键指标,能够用来评估条件组合对结果的解释力度和可靠性。一致性衡量的是条件组合与结果之间的集合关系的强度,即条件组合在多大程度上一致导致结果的发生。覆盖率衡量的是条件组合对结果的解释范围,即条件组合能够解释的结果案例的比例。
在使用fsQCA进行组态分析前,将变量设计为结果变量、条件变量两大类。本文选取的结果变量为2022年全国31个省份(不含港澳台地区)的医疗、医保和医药系统间的耦合协调度D,即上文所提及的三医联动水平。并结合现有研究[26-28]设定7个条件变量,包括卫生健康支出、人均医疗保健支出、人均GDP、人均可支配收入、第三产业占GDP的比重、人口密度以及城镇化率。为提高数据准确性和一致性,增强fsQCA分析结果的可靠性和科学性,研究采纳了直接校准法对变量进行数据校准,以样本数据的95%分位数设定为完全隶属的锚点,50%分位数作为交叉点,5%分位数定义为完全不隶属的锚点。[29]
2 结果
2.1 三医联动水平评价
2.1.1 三元系统
2009—2022年我国医疗、医保和医药系统间的耦合协调度,即本文所指的三医联动水平,如图1所示。从时间维度来看,我国三医联动整体水平在研究期间基本呈现出逐年递增的趋势,医疗、医保和医药正逐步走向协调发展。2009年,各省三医联动水平最低值为0.202,最高值为0.388,全国平均值为0.280,整体处于失调衰退阶段中的中度失调等级。到2022年,各省三医联动水平的最低值为0.239,最高值为0.795,全国平均值为0.441,虽仍有45.2%的省份处于失调衰退阶段,但整体水平已上升到过渡阶段中的濒临失调等级。从空间维度来看,到2022年,全国除西藏以外的所有省份均实现了三医联动水平的提升,浙江、江苏、广东三医联动水平均已进入协调发展阶段。其中,广东增长最为明显,2009—2022年从0.333(轻度失调等级)上升至0.795(中级协调等级),增长了1.387倍。值得注意的是,2009—2022年,各省份三医联动水平差距呈逐渐扩大趋势。具体而言,2009年各省份间三医联动水平差距的最大值为0.186,而2022年,这一数值增加至0.555,地区间发展不均衡问题更加凸显。
图1 三医系统间的耦合协调度
2.1.2 内部二元系统
为进一步深入挖掘三医联动内部协同机制及潜在问题,本研究对2009—2022年全国31个省份(不含港澳台地区)的三医系统内部不同二元系统(医疗和医保;医疗和医药;医保和医药)的耦合协调度进行了纵向测度,这里基于政策演进的关键时间节点,选取2009、2016、2022年作为代表年份揭示其动态演进规律与阶段性特征(图2)。
图2 三医系统内部不同二元系统间的耦合协调度
从整体变化趋势可以看出,各二元系统间的耦合协调度均呈现递增态势。进一步分析发现,二元系统间的耦合协调度与三元系统间的耦合协调度存在一定联系。通常情况下,二元系统间耦合协调度较高的省份,其三医联动水平也相对较好。这一现象表明,高水平的三医联动需要内部不同二元系统间的有效协调与配合,以实现医疗、医保、医药等多领域的联动推进。与其他省份相比,北京、广东、江苏、山东和浙江等东部经济发达省份的协调水平相对较高。此外,在所有二元子系统中,医疗和医保系统间的耦合协调度整体水平最高,且省份间的发展最为均衡。然而,无论是二元系统还是三元系统,其耦合协调度的省份间差距均呈现逐渐扩大趋势,并有进一步多极化的倾向。
2.2 驱动路径分析
2.2.1 条件变量必要性分析
在条件组态分析前,首先明确各条件是否为结果变量的必要条件。必要条件指某一特定条件的存在是某一结果发生的先决要求。当条件变量的一致性大于0.9时,通常认为该变量为结果的必要条件。[30]如表3所示,在影响三医联动的7个前因条件中,除政府卫生支出和人口密度外,其他条件变量的一致性均低于0.9。这表明除政府卫生支出和人口密度外,其他条件变量均未表现出显著的必要性关联,因此,需系统解析多变量间的非线性交互作用,并通过路径依赖模型厘清其协同驱动路径,优化三医协同发展与治理效能。
表3 必要性分析结果
条件变量高水平低水平一致性覆盖度一致性覆盖度人均GDP高0.7050.7800.5010.520～人均GDP低0.5660.5470.7870.715卫生健康支出高0.8720.9140.4570.449～卫生健康支出低0.4740.4820.9130.870人均医疗保健支出高0.6280.7290.5710.622～人均医疗保健支出低0.6740.6260.7510.654人口密度高0.7680.8980.4340.476～人口密度低0.5510.5100.9070.786城镇化率高0.6710.7430.5630.586～城镇化率低0.6260.6050.7530.682人均可支配收入高0.7380.8480.4610.496～人均可支配收入低0.5620.5260.8590.754第三产业占GDP的比重高0.7240.7980.5690.588～第三产业占GDP的比重低0.6260.6080.8050.732
2.2.2 条件组态充分性分析
本研究深入分析各变量对三医联动的多维度影响,据此揭示多样化的组态路径,并参照杜运周等[31]的研究成果,将原始一致性阈值和PRI(Proportional Reduction in Inconsistency)一致性阈值分别设定为0.8和0.75。fsQCA的输出结果涵盖复杂解、简约解以及中间解这三种不同解析层次,为精确识别和确认核心条件与边缘条件,本研究采用对比中间解与简约解的策略:同时出现在两解中的条件变量被视为核心条件,而仅在中间解中显现的条件则被视为边缘条件。最终,通过深入的分析和筛选,识别出3条高水平组态和3条低水平组态(表4)。
表4 高/低三医联动水平组态
条件组态高水平组态低水平组态H1H2H3L1L2L3X1人均GDP●X2卫生健康支出●●●●●●X3人均医疗保健支出●●●X4人口密度●●●X5城镇化率X6人均可支配收入●X7第三产业占GDP的比重●一致性0.9900.9950.9940.9530.9410.952原始覆盖度0.4810.3890.2970.6170.3280.279唯一覆盖度0.1980.0610.0270.2100.0110.020总体一致性0.9590.958总体覆盖度0.7230.716符合条件地区安徽、北京、广东、湖北、湖南、江苏、山东、上海、浙江河北、河南四川甘肃、贵州、青海、西藏山西内蒙古
注:●表示核心条件存在,
表示核心条件缺失,⊗表示边缘条件存在,
表示边缘条件缺失,空白表示条件变量可有可无。
无论是单个解还是总体解的一致性水平均高于接受标准,说明这6种组态均为三医联动的充分条件。其中,三医联动高水平组态路径的总体一致性为0.959,说明符合这3条组态路径的案例中,有高达95.9%的可能性出现高水平;总体覆盖度达到0.723,意味着这些组态能够解释72.3%的三医联动高水平案例。三医联动低水平组态路径的总体一致性和总体覆盖率分别为0.958和0.716,这表明符合低水平组态路径的案例,会有95.8%的可能性出现三医联动的低水平,且3条低水平组态路径能够解释71.6%的三医联动低水平案例。
2.2.3 组态路径组合分析
如表4所示,不同条件组合方式反映了不同经济状况、人口学特征、资源配置对各省份三医联动的影响,具体路径如下:
(1)内外均衡发展型路径(组态H1):人均GDP和卫生健康支出高,且人口密度、人均可支配收入以及第三产业占GDP的比重较高的省份往往可以实现高水平的三医联动。此组态的代表案例是安徽、北京、广东、湖北、湖南、江苏、山东、上海和浙江。这些省份经济发达、产业结构优化、人口集聚,政府对医疗卫生支持力度大,各方面发展都很均衡,由此医疗、医保和医药系统间协调发展水平高。
(2)政府主导型路径(组态H2、H3):即使省份经济发展条件欠佳,但通过一定条件组合也可以实现三医系统间的协调发展。路径可分为以下两条:一是对于人口分布高度集中的省份,若政府对卫生健康方面有足够的资金支持,则该省就有望实现高水平的三医联动,典型案例是河北和河南。二是人均医疗保健支出和卫生健康支出充足的省份,即使人均GDP、人均可支配收入、城镇化水平、人口密度不高,三医联动也能实现高水平发展,代表案例为四川。
(3)内外制约型路径(组态L1):若省份的卫生健康支出、人均医疗保健支出和居民可支配收入不足,且城镇化水平、经济发展水平和人口聚集度均处于较低状态时,会导致三医联动水平低下。其中,卫生健康支出、人均医疗保健支出、人均可支配收入是该路径的核心缺失变量,严重阻碍了三医联动水平的提升。甘肃、贵州、青海和西藏是这一路径的典型案例。
(4)政府支持不足型路径(组态L2、L3):L2路径表明,如果省份卫生健康支出和人均医疗保健支出不足,人口密度低,这种情况下即使省份具有一定的经济发展能力,城镇化水平较高,仍很难实现医疗、医保和医药之间的协调有序发展。典型案例是山西。此外,L3路径也同样表明,即使省份居民的健康意识较强,愿意投入资金用于预防保健和疾病治疗,人均医疗保健支出较高,但如果政府对卫生健康方面的支出不足加之服务业发展相对滞后,也会使得该省份三医联动水平低。内蒙古是这一路径的代表案例。
3 讨论与建议
3.1 创新赋能三医联动改革,提升耦合协调水平
医保、医疗和医药之间是紧密联系、相互依存的[6],并且可以通过促进二元系统间的相互协调,逐步推进三医联动水平的提升。实证结果表明,当前我国三医系统间的协调发展水平处于过渡阶段的濒临失调状态,尚未实现高水平联动。建议通过体制与技术的创新协同,系统性破解医疗、医保、医药系统间的二元协同壁垒,提升三医联动耦合协调水平。在体制层面,需构建跨部门协同治理框架,避免我国基本医疗卫生制度的割裂化发展,建议成立地区三医联动改革委员会,整合卫健委、医保局、药监局的决策职能,由常态化联席会议制度破解“政策孤岛”问题。在技术层面,三医联动改革的部门信息化协同是数字化转型耦合效应的重心[32],应加快构建全国统一的三医大数据中心,集成电子病历、医保结算及药品流通数据,并深化临床路径与医保支付规则的数字化绑定,以及应用区块链技术实现药品全链条可追溯。
3.2 因地制宜选择差异化发展路径,加强省际地区平衡
新医改以来,我国医疗卫生事业取得了巨大成就,但同时也存在着区域差异较大的问题。[33]实证结果表明,我国各省之间的三医耦合协调发展水平呈现出显著的空间异质性特征,并且三元系统与二元系统的耦合协调度均呈现持续扩大的区域分异趋势,其空间格局表现为典型的“梯度累积效应”,即高协调区域的系统优势持续强化,而低协调区域则面临动能衰减的发展困境,这种两极化现象印证了马太效应的形成机制。为破解三医联动区域发展失衡问题,需依据区域禀赋实施差异化改革,及时总结和推广地方三医联动的经验,因地制宜促进我国整体三医联动的均衡发展。针对处于协调发展阶段的省份,应深化内外均衡模式,依托国家区域医疗中心建设,持续推动医药创新链的融合发展,推动东部发达省份与中西部欠发达地区建立对口协作机制,跨省建立三医协同发展和治理专项小组;针对处于过渡阶段的省份,需强化政府主导路径,中央财政按人口密度系数追加投入,弥补经济禀赋短板,鼓励医疗卫生资源整合,实现设备共享、检查互认、人才交流和知识互通;针对处于失调衰退地区,须实施“资源定向输入+制度托底”组合策略,通过派遣援助医疗骨干队伍并依托国家远程诊疗平台,破解资源匮乏困局。对于其中的少数民族集聚区,建议设立专项财政基金支持民族医药数字化传承与基层设施升级,扩大民族医药制剂报销范围,提高其报销比例,并依托援助医疗骨干队伍与国家远程诊疗平台,破解资源绝对匮乏困局。
3.3 重视顶层设计,完善政策保障和监督机制
我国医改正处于深化综合改革的关键阶段,亟需系统性构建三医联动的治理制度框架,其核心在于强化中央政府统筹协调机制。实证结果显示,卫生健康支出是推进三医联动水平的核心条件。假如某省份居民健康意识较高,人均医疗保健支出多,或借助人口聚集效应形成了规模化医疗服务需求,那么即使该省经济基础相对薄弱,则在政府卫生资金投入充足的条件下,该省份仍可实现高水平的三医联动。《中国统计年鉴》显示,我国政府卫生健康支出规模自2009年新医改实施后呈现显著增长态势,从2010年的4 730.62亿元增长到2022年的22 316.16亿元,增长了3.71倍,这体现出政府为民众提供优质医疗服务和充足医疗资源的努力。然而,各省份卫生健康支出呈现出显著的非均衡性特征。2022年上海市的人均卫生健康支出高达5 285.90元,而同期辽宁省仅为1 111.72元,两者相差4.75倍,这种投入差异对三医联动改革形成了结构性制约。因此,建议强化政策的统筹协调,加强政府对于医疗卫生领域的支持力度,针对性实施卫生投入战略。但值得注意的是,政府对医疗卫生领域投入不足的问题容易掩盖医药卫生领域既有的扭曲利益结构问题,因此需要在“做增量”基础之上开启“动存量”改革。[34]在这一过程中,完善的监督体制是确保三医联动改革顺利推进的关键,应针对政策执行情况,及时发现并纠正执行中的偏差,保障三医联动政策在各地能够统一且有效地实施。
4 本研究的局限性和未来的研究方向
本研究存在着一定局限性。第一,本文数据来源于多种官方年鉴,尽可能全面地考虑三医系统的不同维度。然而,鉴于三医联动所蕴含的丰富内涵、众多的利益相关方以及复杂的问题架构,当前所构建的指标体系仍处于初步探索阶段。二是耦合协调模型对子系统权重的假设(三者同等重要)可能忽略现实中不同地区三医系统发展的优先级差异。三是研究未深入探讨市县层级的三医联动异质性特征,结论的微观适用性有待验证。因此随着三医联动的不断发展,未来研究还需结合更广泛的动态数据、系统理论和实证方法,进一步优化指标体系,并探索不同层级、不同经济水平区域的差异化协同机制,为三医联动政策制定提供更精准的参考。
作者贡献：郭凌云负责数据处理、实证分析以及论文撰写,并对文章整体负责;傅柳婕负责数据整理和后期修订;管泳怡负责结果分析;周亮茹负责选题设计、论文修订;郑秋莹负责研究方案设计;李瑞锋负责思路指导、控制文章质量。
作者声明本文无实际或潜在的利益冲突。
[1] 邓晓欣, 姚中进. 三明医改经验推广的阻滞因素与整体性治理路径研究[J]. 中国医院管理, 2022, 42(4): 1-4.
[2] ZHENG Y, HU J, LI L, et al. Practice and enlightenment of chronic disease management at the county level in China from the perspective of professional integration: a qualitative case study of Youxi County, Fujian Province[J]. International Journal of Integrated Care, 2023, 23(3): 6.
[3] 饶克勤. 三医联动改革与国际经验借鉴[J]. 卫生经济研究, 2019, 36(1): 4-9.
[4] 徐国平. 用大健康思维完善医改顶层设计积极推进健康中国建设[J]. 中国全科医学, 2016, 19(28): 3385-3391.
[5] 国务院办公厅．国务院办公厅关于印发《深化医药卫生体制改革2024年重点工作任务》的通知[EB/OL]. (2024-06-06)[2025-03-07].https://www.gov.cn/zhengce/content/202406/content_6955904.htm
[6] 赵东辉, 付晓光. 健康治理视角下的“三医”联动: 内涵、目标与实现路径分析[J]. 中国卫生政策研究, 2021, 14(1): 10-16.
[7] 贾琼, 吴海波, 许丰. 基于政策工具的我国三医联动政策量化分析[J]. 中国卫生事业管理, 2021, 38(1): 34-37, 49.
[8] 何维. “三医联动”下的中国医改——解读“三医联动”的三种模式[N]. 人民政协报, 2016-05-24.
[9] 陈兵. 三医联动下新型医保惠民服务平台建设的实践思考: 以淄博市“互联网+大健康”平台为例[J]. 卫生经济研究, 2023, 40(8): 72-74.
[10] 严欣哲. 医药健康便民服务数字化改革探索与实践: 以椒江区“三医”联动应用为例[J]. 中国食品药品监管, 2022(10): 96-103.
[11] 姚业楠, 毛宗福, 魏伟, 等. 三明市公立医院综合改革运行再评价[J]. 中国卫生经济, 2016, 35(2): 19-22.
[12] 岳林琳, 王波, 刘文凤. 三医联动视阈下药品带量采购高质量发展研究[J]. 中国现代应用药学, 2023, 40(1): 119-125.
[13] FU H, LI L, LI M, et al. An evaluation of systemic reforms of public hospitals: the Sanming model in China[J]. Health Policy and Planning, 2017, 32(8): 1135-1145.
[14] MENG Z, ZHU M, CAI Y, et al. Effect of a typical systemic hospital reform on inpatient expenditure for rural population: the Sanming model in China[J]. BMC health services research, 2019, 19: 1-10.
[15] HU L, FU M, WUSHOUER H, et al. The impact of Sanming healthcare reform on antibiotic appropriate use in county hospitals in China[J]. Frontiers in Public Health, 2022, 10: 936719.
[16] 潘宏伟, 邹俐爱, 张远妮, 等. 广东省公立医院医疗服务能力与经济水平耦合协调程度研究[J]. 中国卫生经济, 2023, 42(9): 60-65.
[17] 黄国武. 中国医疗保障、公共卫生和医疗服务耦合协调研究:精准画像与发展路径[J]. 社会保障评论, 2024, 8(3): 13-25.
[18] 王绍敏, 陶群山. 基于熵权改良TOPSIS法的安徽省基层医疗机构服务能力评价[J]. 中国卫生统计, 2023, 40(4): 552-554.
[19] 王佳洛, 黄慧媛, 韩朦, 等. 中国省域医药制造业技术承接能力及空间差异研究[J]. 中国医药工业杂志, 2023, 54(3): 455-461.
[20] 贾洪波, 蔡瑶瑶, 汤梓童. 中国基本医疗保险高质量发展的地区差异及形成机理: 基于2011—2020年省级面板数据的实证研究[J]. 社会保障研究, 2023(6): 3-19.
[21] 王淑佳, 孔伟, 任亮, 等. 国内耦合协调度模型的误区及修正[J]. 自然资源学报, 2021, 36(3): 793-810.
[22] 廖重斌. 环境与经济协调发展的定量评判及其分类体系: 以珠江三角洲城市群为例[J]. 热带地理, 1999(2): 76-82.
[23] 姚强, 吴璇, 郭冰清, 等. 高质量发展背景下卫生系统绩效主观测度及影响因素研究[J]. 中国卫生政策研究, 2024, 17(6): 17-26.
[24] 王红波, 张开然, 龚曦. 县域医共体与医保的协同发展:理论缘由、实践困境与优化策略[J]. 中国卫生政策研究, 2023, 16(9): 1-7.
[25] 蒋志辉, 王悦. 塔里木河流域农地利用效率提升的多元路径探析[J]. 中国生态农业学报(中英文), 2025, 33(1): 143-152.
[26] 吴琼, 张自严, 冯丹, 等. 基于fsQCA组态视角的湖南省卫生资源高效配置路径研究[J]. 卫生经济研究, 2024, 41(8): 32-36.
[27] 吴爽, 席彪, 曹志辉. 基于fsQCA组态视角的我国全科医生资源配置公平性及影响路径研究[J]. 医学与社会, 2024, 37(3): 14-19, 26.
[28] 张家其, 庄振猛, 李强. 中国医疗资源供需耦合协调发展的时空演变及其影响因素[J/OL]. 西华师范大学学报(自然科学版), 1-11 [2025-01-27]. http: //kns. cnki. net/kcms/detail/51. 1699. N. 20240927. 1151. 002. html
[29] 熊思奇, 夏志杰. 多方法融合的社交平台辟谣效果影响因素研究[J]. 情报杂志, 2025, 44(1): 155-163.
[30] 刘小君, 刘智勇, 张丽芳, 等. 基于共生理论的城市医联体绩效的影响因素及路径分析[J]. 中国卫生政策研究, 2023, 16(5): 8-14.
[31] 杜运周, 刘秋辰, 程建青. 什么样的营商环境生态产生城市高创业活跃度: 基于制度组态的分析[J]. 管理世界, 2020, 36(9): 141-155.
[32] 王广平. 基于医疗医保联动的医药产业数字化转型耦合效应分析[J]. 生产力研究, 2022(7): 81-85, 149.
[33] YUAN L, CAO J, WANG D, et al. Regional disparities and influencing factors of high quality medical resources distribution in China[J]. International journal for equity in health, 2023, 22(1): 8.
[34] 田孟. “三医联动”: 中国“新医改”的三明路径[J]. 武汉科技大学学报(社会科学版), 2024, 26(1): 35-46.
Quantitative evaluation and driving path exploration on the level of the tripartite system reform in China
X