两层级公共医疗资源空间均衡性及其影响机制——以分级诊疗改革为背景

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

宋雪茜¹, 邓伟^,²^,³, 周鹏²^,³, 张少尧²^,³, 万将军²^,³, 刘颖²^,³1. 成都信息工程大学管理学院,成都 610225
2. 中国科学院·水利部成都山地灾害与环境研究所山区发展研究中心,成都 610041;
3. 中国科学院大学,北京 100049

Spatial equity and influences of two-level public healthcare resources:A background to hierarchical diagnosis and treatment reform in China

SONG Xueqian¹, DENG Wei^,²^,³, ZHOU Peng²^,³, ZHANG Shaoyao²^,³, WAN Jiangjun²^,³, LIU Ying²^,³1. College of Management, Chengdu University of Information Technology, Chengdu 610225, China
2. Research Center for Mountain Development, Institute of Mountain Hazards and Environment, CAS, Chengdu 610041, China
3. University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者: 邓伟(1957-), 男, 辽宁沈阳人, 研究员, 博士生导师, 主要从事国土空间与山区发展研究。E-mail: dengwei@imde.ac.cn

收稿日期:2018-01-24修回日期:2019-02-18网络出版日期:2019-06-25

基金资助:

国家自然科学基金项目.41601141
国家自然科学基金项目.41471469
成都信息工程大学科研基金项目.J201617

Received:2018-01-24Revised:2019-02-18Online:2019-06-25

Fund supported:

National Natural Sciences Foundation of China.41601141
National Natural Sciences Foundation of China.41471469
Research Foundation of Chengdu University of Information Technology.J201617

作者简介 About authors
宋雪茜(1979-),女,四川乐山人,博士,副教授,硕士生导师,主要从事公共服务与城乡发展研究E-mail:sxq@cuit.edu.cn。

摘要
中国公共医疗资源在层级间和地区间配置不合理的问题较为突出。分级诊疗改革对优化医疗资源配置、实现供需均衡具有重要意义。运用探索性空间分析法和地理探测器分别从全国地级市域和四川县域两个尺度分析了2015年两层级医疗资源的空间配置特征与影响机制。结果表明：基层和上层医疗资源均呈显著空间聚集特征,而层级间空间配置格局具有差异性。不同尺度和区域两层级医疗资源配置的决定力及其影响强度不同,上层医疗资源对外部影响因素响应强度大于基层。对上层级医疗资源配置而言,城镇化率、人口密度、经济发展水平是全局性因素,老龄化、地形条件和发病率为地方性因素;对基层医疗资源配置而言,人口密度是较为显著的全局性影响因素,城镇化率是重要的地方性影响因素,地形、经济发展水平、人口老龄化和发病率在部分尺度和区域有局部影响。为实现分级诊疗改革的目标,各级决策部门需以“全局性和地域性因素相结合,统一性和地方性政策相结合,自上而下与自下而上决策机制相结合”为思路,统筹不同区域和层级医疗资源配置,以提高医疗卫生服务体系的整体功能,促进其均衡、协同发展。
关键词： 公共医疗资源;分级诊疗;空间均衡;地理探测器;中国

Abstract

In present-day China, the unequal distribution of public healthcare resources across different levels and regions is problematic. Hierarchical diagnosis and treatment (HDT) reform is of great significance for optimising the distribution of healthcare resources and promoting fairness across health services. In this study, exploratory spatial data analysis (ESDA) was applied to evaluate spatial patterns at the lower and upper levels of healthcare resources. The Geodetector model was used to analyse the influences of the healthcare system at the municipal and county levels during 2015. The results show that there is significant spatial clustering in the distribution of the two-level healthcare resources. Influences on upper-level healthcare resources are more significant than those on lower levels. The dominant influencing factors of the two-level healthcare resources differ across spatial scales and regions. In terms of upper-level healthcare resources, urbanisation, population density and the level of economic development are the dominant global factors, in addition to the regional factors of population aging, topography and the morbidity of epidemic and endemic diseases. In the case of lower-level healthcare resources, urbanisation is an important influencing factor, while economic development, population aging and morbidity have local effects. Ultimately, population density was the dominant factor. Finally, this paper suggests that, aiming for HDT reform, decision makers should allocate healthcare resources among different regions and levels in consideration of relevant global and local factors, united and targeted policies, and top-down and bottom-up decision-making mechanisms. This could promote the overall function of the healthcare system and enhance the equity and coordination of multi-level healthcare resources.

Keywords：public healthcare resources;hierarchical diagnosis and treatment reform in China;spatial equity;geographical detector;China

PDF (3242KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
宋雪茜, 邓伟, 周鹏, 张少尧, 万将军, 刘颖. 两层级公共医疗资源空间均衡性及其影响机制——以分级诊疗改革为背景. 地理学报[J], 2019, 74(6): 1178-1189 doi:10.11821/dlxb201906008
SONG Xueqian. Spatial equity and influences of two-level public healthcare resources:A background to hierarchical diagnosis and treatment reform in China. Acta Geographica Sinice[J], 2019, 74(6): 1178-1189 doi:10.11821/dlxb201906008

1 引言

2017年底至2018年初,流感席卷全国,各大医院人满为患,社区医院却鲜有人问津,这一现象再一次暴露了中国医疗资源配置存在的问题。在中国人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾中,医疗卫生领域的矛盾比较突出。改革开放以来,中国医疗卫生事业进步显著,但由于地区间自然条件和经济社会发展水平差异,以及各时期不同导向的医疗管理政策,中国医疗资源空间配置不合理现象突出,主要表现在两个方面：① 优质医疗资源向大城市及中心地区集聚,导致空间配置不均,公平性难以保证;② 医疗服务体系的层级功能划分不合理、分工协作机制不健全,医疗资源配置呈严重“倒三角”格局,使医疗卫生服务成本上升、资源利用效率低下。为缓解这些矛盾,近年来国务院出台了一系列有关医疗卫生事业改革的政策,重点推进分级诊疗改革,主要目标是要实现医疗资源的优化配置。“分级诊疗”是指按疾病的轻、重、缓、急及治疗的难易程度进行分级,不同级别的医疗机构承担不同疾病的治疗功能,逐步实现从全科到专业化的医疗过程^[1]。分级诊疗改革的实施,有利于加强区域公共医疗资源整合,促进优质医疗资源纵向关联互馈,既可提高医疗资源配置的公平性和效率性,还可提高医疗服务的空间可达性和覆盖度。

提升医疗资源的空间均衡性不是简单的平均分配,而是在充分考虑地域空间异质性和医疗层级功能差异性的前提下,对不同区域和层级的医疗资源进行合理配置,以实现供需均衡。为了提高医疗资源配置效率,英国、美国、加拿大、澳大利亚、日本等国都建立了完善的分级诊疗医疗卫生服务网络,不同等级的医疗机构均有明确的定位和职责,相互分工协作,为居民提供医疗服务。因此,以分级诊疗为背景研究各层级医疗资源空间配置成为国际热点,涉及的内容包括基层医疗机构及全科医生空间分布^[2,3]、以双向转诊为目标的多层级医疗资源空间配置优化^[4,5]、不同层级医疗机构的空间均衡性差异^[6]等。中国对医疗资源空间配置的研究主要集中在基层医疗资源的配置效率^[7]、医疗设施的可达性与空间优化^[8]和医疗资源布局合理性^[9]等方面,但以分级诊疗改革为背景进行医疗资源空间配置的研究尚不多见,虽然近年来也有****关注到医疗资源空间配置的层级性问题^[10,11],但仍缺乏对全国多层级医疗资源空间均衡性的深入研究,更缺乏不同尺度之间的对比分析。在医疗资源均衡性的影响因素方面,地方经济水平^[12]、人口学特征^[13]和决策机制等^[14]被认为是主要的决定力,虽然地形条件对医疗资源配置的影响常在文献和政府文件中被提及,但鲜见将其作为解释变量进行定量分析的研究。与分级诊疗相关的研究主要以卫生经济学和公共管理学为视角^[15,16],缺乏从地理空间视角进行的以分级诊疗为目标的医疗资源空间配置研究。

地理学界已经在医疗与健康的空间布局及其优化等研究领域取得了较为丰硕的成果^[17,18],如运用潜能模型、两步移动搜索法等进行医疗机构空间可达性研究^[19,20,21],运用空间杜宾模型分析居民健康水平的区域差异^[22],运用空间自相关模型、空间滞后和空间误差模型分析医疗资源空间均衡性及其影响因素^[23],运用地理探测器剖析环境与公共健康的关系^[24,25]等。这些地理空间分析理论和方法对于解决中国医疗改革所面临的空间配置问题具有重要的价值。要在分级诊疗改革中科学进行医疗资源配置决策必须要回答以下问题：中国多层级医疗资源配置的空间特征是什么?不同尺度和区域的医疗资源配置空间格局有何差异?不同层级医疗资源配置的影响因素有无区别?当前对这些关键问题的研究还很不充分。

鉴于此,本文将地理空间分析与医疗改革政策分析相结合,针对中国医疗资源空间配置不均衡、层级功能不合理的突出问题,运用探索性空间分析、地理探测器等方法,剖析全国地级市域和四川省县域两个尺度之间,以及同一尺度不同类型区之间、上层和基层公共医疗资源的空间配置特征,研判两层级医疗资源空间均衡性及其影响机制,进而针对分级诊疗改革目标提出医疗资源空间优化配置策略。通过多学科交叉模式研究医疗卫生体系这一复杂系统问题,不仅具有重要的学术价值,而且对指导医疗管理科学决策、通过供给侧结构性改革满足公众医疗服务需求也具有重要的现实意义。

2 数据来源与处理

2.1 数据来源

本文分别以中国323个地级市（自治州、盟）（西部部分地区及港澳台地区两层级医疗资源数据缺失）以及四川省183个区（市、县）为基本空间单元,分析两层级公共医疗资源的空间配置特征及其影响机制。2015年的医疗资源和经济社会数据来源于《中国卫生和计划生育统计年鉴》《中国城市统计年鉴》、各省《卫生与计划生育统计年鉴》《卫生与计划生育统计公报》《国民经济和社会发展统计公报》和各省市《统计年鉴》;人口老龄化采用60岁以上人口占总人口比例,其数据来源于《中国人口普查分县资料（2010）》;地形数据来源于地理空间数据云平台（http://www.gscloud.cn）。

2.2 指标体系

研究对象是公共医疗资源,指公立医疗机构所提供的基本医疗服务及政府对公共医疗事业的财政拨款等多种医疗资源的集合。卫生技术人员、床位数以及医疗卫生机构数是衡量一个地区医疗资源配置的重要标准,根据中国社区卫生服务和医院服务两层医疗卫生服务体系、借鉴国内外相关研究成果^{[4, 26]},从数据的可获得性、科学性和代表性出发,建立了上层（upper-level）和基层（lower-level）医疗资源评价指标体系（表1）。中国的人口分布和行政区面积存在较大的空间差异性,按不同指标或标准评价医疗资源空间均衡性,可以比较其结果的客观性与科学性。因此,本文分别通过3种指标计算方法对各地医疗资源水平进行评价：① 人均指标,即每千人口医疗机构数、床位数和卫技人员数;② 地均指标,即每百平方公里医疗机构数、床位数和卫技人员数;③ 混合指标,《全国医疗卫生服务体系规划纲要（2015-2020年）》（国办发〔2015〕14号）（下称医疗体系规划纲要）提出医疗机构根据行政辖区面积、服务半径和人口因素综合配置,床位和卫技人员根据常住人口配置,本文以每百平方公里医疗机构数、每千人口床位数和卫技人员数为指标计算。对指标原始值进行3种方法计算后再进行无量纲化处理,然后通过熵权法计算各指标的权重,加权求和得到各尺度基层医疗资源指数（U）和上层医疗资源指数（L）。

Tab. 1
表1
表1两层级医疗资源评价指标体系及赋权
Tab. 1Evaluation index and weighting of the two-level healthcare resources

目标层	准则层	权重	指标层	目标层	准则层	权重	指标层
上层医疗资源指数U	上层医疗机构数	市域人均：0.444 市域地均：0.302 市域混合：0.499 县域人均：0.452 县域地均：0.659 县域混合：0.468	公立医院数	基层医疗资源指数L	基层医疗机构数	市域人均：0.452 市域地均：0.393 市域混合：0.485 县域人均：0.268 县域地均：0.324 县域混合：0.565	社区卫生服务中心、街道、乡镇卫生院数
			妇幼保健机构数
			疾病预防控制中心数
	上层医疗机构床位数	市域人均：0.268 市域地均：0.327 市域混合：0.291 县域人均：0.266 县域地均：0.129 县域混合：0.243	综合医院床位数		基层医疗机构床位数	市域人均：0.328 市域地均：0.299 市域混合：0.247 县域人均：0.336 县域地均：0.251 县域混合：0.203	社区卫生服务中心、街道、乡镇卫生院床位数
			专科疾病防治机构床位数
			妇幼保健机构床位数
	上层卫技人员数	市域人均：0.288 市域地均：0.371 市域混合：0.210 县域人均：0.282 县域地均：0.212 县域混合：0.289	医院卫技人员数疾控中心卫技人员数妇幼保健机构卫技人员数		基层卫技人员数	市域人均：0.220 市域地均：0.308 市域混合：0.268 县域人均：0.396 县域地均：0.425 县域混合：0.232	社区卫生服务中心、街道、乡镇卫生院卫技人员数

新窗口打开|下载CSV

3 研究方法

3.1 探索性空间数据分析（ESDA）

探索性空间数据分析可度量属性值在空间上的分布特征及其对邻域的影响程度^[27],可用于研究医疗资源空间均衡性特征,全局空间自相关指数（Global Moran's I）可分析研究对象在全局空间内表现出的分布特征,计算公式如下：

（1）

I = \frac{n \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} (X_{i} - \overset{?}{X}) (X_{j} - \overset{?}{X})}{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} w_{ij} \overset{n}{\sum_{i = 1}} (X_{i} {- \overset{?}{X})}^{2}} = \frac{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} X W_{ij} (X_{i} - \overset{?}{X}) (X_{j} - \overset{?}{X})}{S^{2} \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{J = 1}} W_{ij}}

式中：n为观测点个数;W_ij为空间权重;X_i和X_j代表地区i和j变量数值;Moran's I指数的取值范围为[-1, 1],正数表示空间集聚分布特征,即存在空间正相关性,值越大集聚特征越明显;负数表示空间发散分布特征,即存在空间负相关性,值越小发散特征越明显;等于0表示空间的随机分布特征,即不存在空间相关性。

局部空间自相关分析可以更准确地把握空间要素异质性特征的局部空间相关性,通常使用LISA Local Moran's I指数,计算公式为：

（2）

I_{LISA} = \frac{(X_{i} - \overset{?}{X})}{S^{2}} \overset{}{\sum_{j}} W_{ij} (X_{j} - \overset{?}{X})

式中：I_i为正表示变量存在局部空间正相关,为负则表示负相关。① 高高型：I_i> 0,地区i与相邻地区的医疗资源水平均高于平均水平;② 低低型：I_i> 0,地区i与相邻地区的医疗资源水平均低于平均水平;③ 高低型：I_i<0,地区i的医疗资源水平高于平均水平,相邻地区低于平均水平;④ 低高型：I_i<0,地区i的医疗资源水平低于平均水平,相邻地区高于平均水平。

3.2 地理探测器模型（Geodetector）

地理探测器是王劲峰等通过提出“因子力”度量指标,结合GIS空间叠加技术和集合论,用以识别多因子之间交互作用的模型^[28],是探测空间分异性以及揭示其背后驱动力的一组统计学方法。地理探测器既可以探测全局驱动力也可以探测不同地区、不同尺度的驱动力,可以用小于30的样本量达到其他模型需更大样本量其才能达到的统计精度,对多自变量共线性免疫、不要求必须空间连续^[29]。借鉴地理探测器模型,引入两层级医疗资源配置决定力指标q,公式如下：

（3）

q = 1 - \frac{\overset{L}{\sum_{h = 1}} N_{h} σ_{h}^{2}}{N σ^{2}} = 1 - \frac{SSW}{SST}, SSW = \overset{L}{\sum_{h = 1}} N_{h} σ_{h}^{2}, SST = N σ^{2}

式中：

h = 1,2 ?, L

为影响医疗资源配置的因子X的分类;

N_{h}

和

N

分别为层h和全区的单元数;SSW和SST分别为层内方差之和、以及全区总方差;q取值范围为[0, 1],值越大表明该因素对医疗资源配置的影响越大。

4 结果分析

4.1 两层级医疗资源空间均衡性特征

4.1.1 全局空间自相关结果以人均、地均和混合指标计算两尺度两层级医疗资源全局空间自相关指数（表2）,结果表明,所有类型指标、尺度和层级的医疗资源都通过了置信度为99%的显著性检验,表明医疗资源呈高度空间聚集特征。人均指标聚集度最大,混合指标聚集度最小。四川县域尺度聚集度大于全国市域尺度。混合指标上层聚集度大于基层,地均指标基层大于上层,人均指标聚集度在全国地级市域上层大于基层,在四川县域尺度基层大于上层。

Tab. 2
表2
表2两尺度两层级医疗资源莫兰指数
Tab. 2Moran's I indexes of two-level healthcare resources on two scales

空间尺度	医疗层级	人均指标	地均指标	混合指标
全国地级市域	上层医疗资源基层医疗资源	0.278 (P = 0.000, Z = 23.353) 0.209 (P = 0.000, Z = 17.578)	0.192 (P = 0.000, Z = 16.257) 0.227 (P = 0.000, Z = 19.464)	0.174 (P = 0.000, Z = 14.658) 0.128 (P = 0.000, Z = 11.109)
四川县域	上层医疗资源基层医疗资源	0.283 (P = 0.000, Z= 11.312) 0.747 (P = 0.000, Z = 29.360)	0.261 (P = 0.000, Z = 111.944) 0.321 (P = 0.000, Z = 14.698)	0.192 (P = 0.000, Z = 7.951) 0.181 (P = 0.000, Z = 7.490)

新窗口打开|下载CSV

4.1.2 局部空间自相关结果

图1呈现了3种方法计算的全国地级市域两层级医疗资源的LISA图。人均指标计算结果表明,基层医疗资源在甘肃、青海、辽林、吉林、黑龙江和内蒙古部分地区高高聚集,在东部和南部地区低低聚集;上层医疗资源在新疆、内蒙、黑龙江、吉林、辽宁和北京高高聚集,在中部和南部地区低低聚集。地均指标计算结果表明,基层和上层医疗资源在均在东部沿海地区和中部部分地区高高聚集,在西部和东北地区低低聚集。混合指标计算结果表明,基层医疗资源高高聚集于环渤海、长三角和珠三角地区,上层医疗资源高高区连片分布于南自长三角、北至环渤海地区、西至山西和河南省西部交界区域,基层和上层的低低区都主要分布于西部地区和东北地区北部。可见由于行政区人口规模和面积的差异,选用人均和地均指标计算的结果在反映医疗资源空间均衡特征方面存在一定偏差,这主要缘于东北、内蒙等地总体上地广人稀,人均值自然会偏高,而地均则表明因行政区面积偏小而显得均值偏高,这恰恰反映了中国人口空间分布的空间差异特征。中国西部和北部地区,山地影响和区位限制很大,可用于生活和生产的空间相对较少,城镇布局结构松散,交通通达性较差,尽管这些区域人均医疗投入高于发达地区,但限于该地区地广人稀,其地均投入相对东部人口密集区仍然较低,从而形成了截然不同的人均与地均医疗资源空间分布格局。比较3种计算方法得出的结果,混合指标更符合各地医疗资源实际水平。

图1

新窗口打开|下载原图ZIP|生成PPT
图12015年中国地级市域两层级医疗资源LISA图

Fig. 1LISA maps of two-level healthcare resources of each city in China in 2015

图2呈现了2015年3类指标计算的四川省县域两层级医疗资源LISA图。人均指标两层级医疗资源均在西部山区高高聚集,基层低低聚集于由成都平原向东部和南部扩展的丘陵地区,上层低低聚集于东部山区和南部省界边缘地带。地均指标两层级医疗资源都在西部山区低低聚集,在成都平原高高聚集。混合指标两个层级医疗资源均在成都经济区高高聚集,基层医疗资源在乌蒙山区形成连片低低聚集,上层医疗资源则在横断山区、乌蒙山区和秦巴山区均有低低区分布。与全国地级市域结果相似,两层级医疗资源也是在西部地广人稀的山区人均投入高、地均投入低,在人口密度高的地区人均投入偏低,地均投入偏高,这些充分表明了四川省复杂的地理空间结构与人口分布的关系影响到医疗资源的空间配置。综合比较,混合指标更符合四川各地医疗资源的实际发展水平。

图2

新窗口打开|下载原图ZIP|生成PPT
图22015年四川县域两层级医疗资源LISA图

Fig. 2LISA maps of the two-level healthcare resources of each county in Sichuan Province in 2015

4.2 两层级医疗资源地域分异影响机制

4.2.1 地理探测器模型变量选择医疗资源空间均衡性研究结果表明混合指标结果更符合各地医疗资源实际发展水平,因此以该指标计算的两层级医疗资源指数为因变量进行模型计算。根据医疗体系规划纲要提出的各级各类公立医院的规划设置要根据地域实际合理布局的思想,综合考虑经济、人口、地形、疾病发生率等因素,并参考已有研究成果^[30,31],本文选取了7个自变量构建两层级医疗资源空间配置影响因素的模型（表3）。

Tab. 3
表3
表3医疗资源影响因素指标体系
Tab. 3Evaluation index of factors influencing healthcare resources

影响因素	代理变量	数据来源和计算方法
经济	x1人均GDP	x1直接来源于统计年鉴(单位：元)
	x2非农产业占比	x2用第二、三产业占地区生产总值的比例表示(单位：%)
人口	x3人口城镇化	x3用年末城镇人口占总人口比例表示(单位：%)
	x4人口密度	x4用总人口占土地面积表示(单位：人/km²)
	x5人口老龄化	x5用60岁以上人口占比表示(单位：%)
地形	x6地形起伏度	x6通过GIS分析提取(单位：m)
发病率	x7发病率	x7用地方病、传染病发病率表征^*(单位：%)

注：^*全国各地级市相关数据无法获取。

新窗口打开|下载CSV

4.2.2 地理探测器分析结果为分析不同尺度和不同区域之间外部因素对两层级医疗资源配置影响的差异性,运用地理探测器从全国地级市域和四川省县域两个尺度,以及全国东、中、西部地区市域和成都平原、川南、川西、攀西和川东北5个经济区县域进行了计算（表4）。

Tab. 4
表4
表4各影响因素对两层级医疗资源配置的决定力
Tab. 4Decisive power of factors contributing to the distribution of two-level healthcare resources

医疗层级	空间尺度	区域	分析单元数量(个)	x1人均 GDP	x2非农产业占比	x3人口城镇化	x4人口密度	x5人口老龄化	x6地形起伏度	x7发病率
上层医疗资源	市域	全国	323	0.151^***	0.159^***	0.185^***	0.384^***	0.005	0.009
		东部地区	107	0.004	0.049^*	0.390^***	0.278^***	0.010	0.026
		中部地区	120	0.011	0.003	0.017	0.534^***	0.020	0.000
		西部地区	96	0.005	0.029	0.029	0.376^***	0.039	0.017
	县域	四川	183	0.444^***	0.292^***	0.529^***	0.438^***	0.071^***	0.044^*	0.018^*
		成都经济区	52	0.292^***	0.262^***	0.475^***	0.379^***	0.251^***	0.010	0.002
		攀西经济区	39	0.270^**	0.189^**	0.225^**	0.705^***	0.129^*	0.061	0.003
		川西经济区	33	0.269^*	0.246^**	0.422^**	0.000	0.108	0.160	0.071
		川东北经济区	31	0.190^**	0.438^***	0.506^***	0.070	0.046	0.034	0.011
		川南经济区	28	0.224^**	0.299^***	0.369^***	0.229^**	0.021	0.044	0.033
基层医疗资源	市域	全国	323	0.110^***	0.060^***	0.121^***	0.287^***	0.011^*	0.014
		东部地区	107	0.014	0.042	0.227^***	0.314^***	0.042	0.030
		中部地区	120	0.006	0.017	0.010	0.198^***	0.037	0.006
		西部地区	96	0.004	0.011	0.018	0.190^***	0.030	0.014
	县域	四川	183	0.166^***	0.027	0.065^**	0.139^***	0.005	0.070^**	0.027^**
		成都经济区	52	0.066	0.020	0.0766	0.093	0.058	0.028	0.007
		攀西经济区	39	0.001	0.005	0.044	0.328	0.017	0.040	0.136^*
		川西经济区	33	0.031	0.036	0.058	0.204^**	0.009	0.053	0.053
		川东北经济区	31	0.011	0.058	0.156^*	0.117^**	0.013	0.013	0.000
		川南经济区	28	0.056	0.093	0.047	0.1105	0.071	0.073	0.021

注：^*、^**、^***分别表示在0.10、0.05和0.01的置信度上统计显著。

新窗口打开|下载CSV

（1）不同尺度分析结果。对上层医疗资源而言,人口密度、城镇化率、人均GDP和非农产业占比在两个尺度均有显著影响;人口老龄化、地形起伏度和发病率在四川县域有显著影响。对基层医疗资源而言,人口密度、人口城镇化和人均GDP在两个尺度都有显著影响,非农产业占比和人口老龄化在市域有较大影响,地形因素和发病率在四川县域尺度有一定决定力。

（2）不同区域分析结果。不同区域影响两层级医疗资源配置的主要因素有较大差异。东、中、西部市域分析结果表明人口因素的影响最为显著,其中人口密度对三大区域的两层医疗资源都有较大影响,人口城镇化率在东部地区对两个层级均有显著影响;经济因素中仅有非农产业占比对东部地区的上层医疗资源影响显著。四川五大经济区县域尺度分析结果显示,对上层医疗资源而言,人口城镇化率、人均GDP和非农产业占比对所有地区产生影响,人口密度对成都、攀西和川南地区有决定力,人口老龄化对成都经济区和攀西经济区有影响;对基层医疗资源而言,人口密度对川西和川东北地区有影响,人口城镇化对川东北地区有影响,发病率对攀西地区有影响。

总体而言,不同尺度和区域之间两层级医疗资源配置决定力有差异性,上层医疗资源对外部影响因素响应强度均大于基层。对上层医疗资源而言,人口城镇化水平、人口密度、经济发展水平是全局性主导因素,人口老龄化、地形条件、发病率为地方性因素。对基层医疗资源而言,人口密度是较为显著的全局性影响因素,城镇化率是重要的地方性影响因素,地形、经济发展水平、人口老龄化和发病率在个别尺度或区域有局部影响。

4.2.3 两层级医疗资源空间配置的作用机制通过综合诊断得出影响不同尺度和区域两层级医疗资源配置的影响因素,进一步分析各因素对医疗资源配置的作用机制,为科学进行医疗资源配置提供参考依据。

（1）人口分布与结构,是医疗资源配置的主导性因素^[32]。在西部和北部欠发达地区,医疗资源的人均配置大大高于人口密集的发达地区,是基于均衡性和空间可达性的考量,通过财政转移支付等手段,进行医疗资源配置宏观调控的结果。混合指标的影响因素模型分析结果同时也表明,人口城镇化率、人口密度和人口老龄化率是各级政府进行医疗资源配置的主要依据。城镇化率越高,对各级医疗资源的需求越大,尤其是对上层医疗资源的需求会大量增加。随着中国城镇化率不断提高,部分地区医疗卫生资源供需矛盾将更加突出,医疗卫生资源布局调整面临更大挑战。人口老龄化程度也是影响医疗资源配置的重要因素,老龄化进程与家庭小型化、空巢化相伴随,医疗服务需求将急剧增加。从本文研究结果可以看出,人口老龄化在四川省县域、成都和攀西经济区对上层医疗资源的配置已经产生显著的决定力,但对基层医疗资源的配置影响除了表现在全国市域尺度以外,其他并不显著,而未来老年人口医养结合需更多基层医疗卫生资源支撑,康复、老年护理等薄弱环节要通过提升基层医疗资源的数量和质量来解决,因此人口老龄化率应该作为基层医疗资源配置的重要指标。根据人口密度配置医疗资源是实现供需均衡、提升资源利用效率的重要举措^[33],但在偏远地区和城市中较偏远的空间人口居住分散,易形成不同层级医疗资源的缺医区,社会资本也不易向这些空间聚集,更需公立医疗资源填补。值得注意的是,在较少分析单元的基础上人口密度在川西经济区实现了95%的置信度,且q值高于全省县域,可见在偏僻山区更应根据地形和人口分布综合确定医疗资源的配置,单纯以人均或地均指标配置医疗资源会产生偏差,应考虑到山区人口分布受制于适宜居住的土地面积,采取修正的人口密度计算方法进行医疗资源配置规划^[34]。决策者应根据不同层级医疗资源辐射半径及居民就医空间行为^[35],以及不同偏远程度空间医疗机构的服务半径^[36],实施差异化的医疗资源配置策略,通过科学手段精准分析常住人口空间布局、城镇化和老龄化等数据,结合对民办医疗资源空间布局分析,以及分级诊疗改革对医疗服务体系的功能定位,识别不同层级医疗资源的缺医区,据此作为公立医疗资源配置规划和调控的依据。

（2）经济发展水平,是各地医疗资源投入的决定因素。经济发达地区有更多的地方性财政收入进行医疗资源投入,对资本、人才等要素也具有更大的吸引力,对当地医疗资源水平的提升起到重要的作用,但又由于其聚集作用往往大于扩散作用,会导致周边欠发达地区医疗资源流失,加剧空间配置不均,因此应在条件充分的地区探索跨区域统筹配置医疗资源,促进大区域范围内资源共享,从而使发达地区对周边地区产生“涓滴效应”。由于财政分权制度会使地方政府在竞争效应和替代效应影响下降低医疗投入而导致医疗资源水平下降^[13],所以上级政府的财政转移支付以及对地方政府医疗投入的硬性规定、补贴和监控是平衡区域间医疗投入的差距的主要手段。相应的措施已经在基层医疗资源数量上的均衡方面起到了重要作用,但研究结果显示经济指标对上层医疗资源配置的影响明显大于对基层的影响。而且中国三大区域对比分析结果表明非农产业占比对东部地区的上层医疗资源配置产生了较大影响,说明经济的发展、产业结构的升级对上层医疗资源的聚集产生重要的影响。大型医疗机构规模仍在不断扩张,优质医疗资源难以向基层下沉,资源配置与居民医疗和健康需求不匹配,不利于分级诊疗就医新格局的形成。以北京市为例,上层医疗资源高度聚集,而基层医疗资源水平却与其首位城市地位不相匹配,说明其医疗资源层级间的配置并不协调。各地政府对公立医疗资源在空间上和层级间合理配置的统筹作用和调控效力仍待加强。

（3）地形是医疗资源空间配置的重要地方性因素。在四川县域尺度表征地形的指标对两层级医疗资源配置都有较为显著的影响,且混合指标两层医疗资源配置的低低区都在山区。由此可见地形起伏度越大医疗资源水平越低。四川省山地、丘陵、高原面积占国土总面积90%以上,地理环境的差异在小尺度上表征突出,地形复杂的偏远山区的医疗资源与中心城镇相比有很大差异。分析结果还表明地形对基层医疗资源的影响比上层更为显著,山区城镇系统的离散性质使得山区公共服务投入高、效益低,山区城镇空间关联性弱,使得中心城镇的医疗服务辐射能力小,而基层医疗资源的服务半径小于上层,使得山区基层医疗服务供需矛盾十分突出。中国典型山区往往也是少数民族聚居区、国家和地方的连片扶贫区,虽然人均医疗资源配置大大高于经济发达的平原和沿海地区,但地方财力投入不足,对社会资本的吸引不强,造成了医疗服务供给与需求严重不匹配。由此可见,在医疗资源配置决策上,充分考虑山区与平原之间的差异性,在统一性政策基础上实施地方针对性政策,才能有效提高医疗资源的空间均衡性。国家卫健委针对地广人稀的偏远省份提出了医疗资源配置的特殊标准,但在中观和微观尺度的标准还不完善。建议根据地形条件、人口密度和交通条件等因素进行地区偏远性类型和医疗圈划分^[36],对不同类型区域制定不同的医疗资源配置标准,并通过立法、对口帮扶、地方性人力资源政策等手段提升偏远山区医疗服务能力。

（4）疾病发生率是倒逼医疗资源配置的重要因素。传染病和地方病发病率对四川省县域和攀西经济区的基层医疗资源配置影响作用明显。说明了医疗资源配置会受到疾病发病率的重要影响。传染病的发病机理及其重大危害性,要求政府要进行及时有效的预防,迫使发病率高的地区投入更多医疗卫生资源。地方病多发地对地方公共卫生资源有更高的需求,《“十三五”全国地方病防治规划》明确要求各级政府落实防治资金,中央财政通过转移支付加大对贫困地区防治工作的支持力度。值得注意的是,随着社会的发展、经济水平的提升和人口老龄化的加速,慢性非传染病日益成为危害人们健康的主要因素,对于未来推进分级诊疗、均衡医疗资源的需求将更加强烈。

5 结论

（1）通过两尺度空间探索性分析和地理探测分析,可以把握两层级医疗资源空间均衡性特征,甄别影响其配置的全局性和地方性因素,为医疗资源配置决策提供科学依据。两层级医疗资源的空间均衡性与影响机制既有共性也有特性,共性表现为上层医疗资源对外部影响因素响应强度大于基层。特性表现为不同尺度和区域两层级医疗资源的主要决定力及其影响强度各不相同。

（2）对上层级医疗资源配置而言,人口城镇化率、人口密度、经济发展水平是全局性主导因素,老龄化、地形条件、发病率为地方性因素;对基层医疗资源配置而言,人口密度具有全局性决定力,城镇化是重要的影响因素,人口老龄化、经济、地形及发病率也在部分尺度和地区有局部性的影响。为实现分级诊疗改革的目标,各级决策部门需以“全局性和地域性因素相结合,统一性和地方性政策相结合,自上而下与自下而上决策机制相结合”为思路,统筹不同区域和层级的医疗资源的数量和布局,实施差异化的配置策略,以提高医疗卫生服务体系的整体功能,促进均衡、协同发展。

（3）当前中国医疗统计数据还不能充分满足分层级研究的需求,对不同层级医疗服务能力的小尺度分析很难在全国范围展开,对不同层级医疗服务质量分析所需的数据更是难以获取,因此本文仅对医疗资源的数量进行了评估,且全国市域尺度分析所需的数据仍不完整,县域尺度的研究只能局限于部分地区。此外,本文仅从供给角度分析了不同层级医疗资源的配置,该领域值得深入研究的方向还包括精准分析常住人口布局的时空演变,将空间行为学与空间信息科学相结合,剖析公众对不同层级和类型医疗资源的需求差异性和空间行为规律,提出更为精确的医疗资源空间配置优化策略等。

The authors have declared that no competing interests exist.

作者已声明无竞争性利益关系。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Sizhang

, Zhao

Daren

, Zhang

Ruihua

, et al. Practical situation and consideration of classified diagnosis and treatment in China
Modern Hospital Management, 2015,13(2):20-22.

[本文引用: 1]

[ 何思长, 赵大仁, 张瑞华 , 等. 我国分级诊疗的实施现状与思考
现代医院管理, 2015,13(2):20-22.]

[本文引用: 1]

[2]

Browne A

, Varcoe

, Ford-Gilboe

, et al. EQUIP healthcare: An overview of a multi-component intervention to enhance equity-oriented care in primary health care settings
International Journal for Equity in Health, 2015,14:152-152.

DOI:10.1186/s12939-015-0271-y URL [本文引用: 1]

[3]

Mcisaac

, Scott

, Kalb

. The supply of general practitioners across local areas: Accounting for spatial heterogeneity
BMC Health Services Research, 2015,15(1):1-10.

DOI:10.1186/s12913-014-0652-8 [本文引用: 1]

[4]

Mestre A

, Oliveira M

, Barbosa-Póvoa

. Organizing hospitals into networks: A hierarchical and multiservice model to define location, supply and referrals in planned hospital systems
OR Spectrum, 2012,34(2):319-348.

DOI:10.1007/s00291-011-0272-1 URL [本文引用: 2]

[5]

Rastaghi M

, Barzinpour

, Pishvaee M

. A multi-objective hierarchical location-allocation model for the healthcare network design considering a referral system
International Journal of Engineering, 2018,31(2):365-373.

[本文引用: 1]

[6]

Shinjo

, Aramaki

. Geographic distribution of healthcare resources, healthcare service provision, and patient flow in Japan: A cross sectional study
Social Science & Medicine, 2012,75(11):1954-1963.

[本文引用: 1]

[7]

Jing

Shanshan

, Li

Yong

. Assessment of the resource allocation efficiency in primary medical institutions since the new healthcare reform
Chinese Health Quality Management, 2015,22(2):106-109, 117.

[本文引用: 1]

[ 经姗姗, 李勇 . 新医改背景下基层医疗卫生机构资源配置效率评价
中国卫生质量管理, 2015,22(2):106-109, 117.]

[本文引用: 1]

[8]

Tao

, Cheng

, Dai

, et al. Spatial optimization of residential care facility locations in Beijing, China: Maximum equity in accessibility
International Journal of Health Geographics, 2014(13):33-44.

[本文引用: 1]

[9]

Ding

, Chen

Baozhang

. Rationality assessment of the spatial distributions of urban medical facility
Geo-Information Science, 2017,19(2):185-196.

[本文引用: 1]

[ 丁愫, 陈报章 . 城市医疗设施空间分布合理性评估
地球信息科学学报, 2017,19(2):185-196.]

[本文引用: 1]

[10]

Wang

, Pan

. Assessing the disparity in spatial access to hospital care in ethnic minority region in Sichuan Province, China
BMC Health Services Research, 2016,16(1):399-410.

DOI:10.1186/s12913-016-1643-8 URL [本文引用: 1]

[11]

Zhong

Shaoying

, Yang

Xin

, Chen

Rui

. The accessibility measurement of hierarchy public service facilities based on multi-mode network dataset and the two-step 2SFCA: A case study of Beijing's medical facilities
Geographical Research, 2016,35(4):731-744.

[本文引用: 1]

[ 钟少颖, 杨鑫, 陈锐 . 层级性公共服务设施空间可达性研究: 以北京市综合性医疗设施为例
地理研究, 2016,35(4):731-744.]

[本文引用: 1]

[12]

, Yu

. Enhancing community system in China's recent health reform: An effort to improve equity in essential health care
Health Policy, 2011,99(2):167-173.

DOI:10.1016/j.healthpol.2010.08.006 URL [本文引用: 1]

[13]

Zheng

, Wang

, Li

, et al. On the supply of China's healthcare resources in a decentralized healthcare system
Social Science Journal, 2015,52(4):449-458.

DOI:10.1016/j.soscij.2014.05.003 URL [本文引用: 2]

[14]

Katz A

, Cheff R

, O'Campo P. Bringing stakeholders together for urban health equity: Hallmarks of a compromised process
International Journal for Equity in Health, 2015,14(1):138-147.

DOI:10.1186/s12939-015-0252-1 URL [本文引用: 1]

[15]

Dai

Tao

, Huang

, Ma

Xiaojing

. Development of international general practice system: Influencing factors and policy implications
Chinese Journal of Health Policy, 2015,8(2):1-7.

Magsci [本文引用: 1]

[ 代涛, 黄菊, 马晓静 . 国际全科医生制度发展历程: 影响因素分析及政策启示
中国卫生政策研究, 2015,8(2):1-7.]

Magsci [本文引用: 1]

[16]

Lei

Guanghe

. Construction of incentive and restraint mechanism of dual referral: From the angle of basic medical care insurance
Chinese General Practice, 2013,16(6A):1829-1832.

[本文引用: 1]

[ 雷光和 . 以基本医疗保险为视角的双向转诊激励与约束机制构建研究
中国全科医学, 2013,16(6A):1829-1832.]

[本文引用: 1]

[17]

Yang

Linsheng

, Li

Hairong

, Li

Yonghua

, et al. Progress of medical geography and environmental health studies
Progress in Geography, 2010,29(1):31-44.

DOI:10.11820/dlkxjz.2010.01.005 Magsci [本文引用: 1]

通过对近年国内外医学地理和环境健康相关领域的文献检索分析发现，人口健康是当前国际地理学和环境科学研究的核心内容之一，其研究趋势可以归纳为以下几个方面：①重视全球环境变化对人类健康的影响。包括全球大气组成改变(气候变化和臭氧层耗散)对健康的影响、土地利用/土地覆被变化与健康、全球环境变化与传染病、食物生产系统改变与健康和城市化与健康等；②环境健康风险评估领域进一步拓展，除重金属、持久性有机污染物等有毒有害污染物的健康风险外，有关生态、灾害和场地环境污染对健康影响的综合风险评估日益受到重视；③重视社会人文因素与自然因素交互作用对健康的影响，特别是经济发展和城市化过程中收入、产品和服务分配不均造成的卫生不公平对健康的影响；④重视人口老龄化过程的时空差异及其对社会的影响和老龄人口的健康、医疗与养老需求及其可达性研究；⑤地理信息系统和模型等技术被广泛用于疾病和健康的空间数据管理、空间分布规律和空间影响因素分析等领域，并为疾病监测、卫生管理和卫生规划提供了强有力的技术支撑。随着国内在相关领域需求和国际交流的增加，我国近年的相关研究有了较大的发展并得到国际社会的认可，医学地理作为一门学科，在我国人口健康研究中正发挥越来越重要的作用。

[ 杨林生, 李海蓉, 李永华 , 等. 医学地理和环境健康研究的主要领域与进展
地理科学进展, 2010,29(1):31-44.]

DOI:10.11820/dlkxjz.2010.01.005 Magsci [本文引用: 1]

Lanlan

, Zhou

Suhong

, Yan

Xiaopei

, et al. Trend and hot topics of medical geography
Progress in Geography, 2013,32(8):1276-1285.

DOI:10.11820/dlkxjz.2013.08.011 Magsci [本文引用: 1]

本文从医学地理学两个主要分支——生态医学地理和保健地理领域入手,系统总结医学地理学研究内容与进展,并在文献阅读的基础上结合软件平台建立医学地理学的文献数据库,对高引用文献、高频词汇、作者国别和所属机构进行排名和识别。结果发现,医学地理学从关注“疾病”拓展到与“健康”相关的地理问题,研究的空间尺度从全球、国家、地方到社区再到建筑内部向更广泛和更细致发展,研究手段进一步丰富,更多空间分析技术和方法被应用。研究内容热点包括人类自身发展和社会经济活动对健康的影响,保健服务的空间关系、人们的保健行为对健康的影响,邻里环境尤其是社会经济因素对健康的影响,卫生与健康公平尤其是特殊群体的医疗服务问题。医学地理研究的****来自医学和公共卫生相关研究机构的最多,其次是地理研究机构。大量的医学地理研究主要来自于美洲、欧洲等发达国家和中国、巴西等快速发展中的国家。本文认为医学地理学未来将向更广泛层面的福祉研究发展,研究的空间尺度将一步深化和细化,并加大对网络医疗等虚拟空间的深入研究,学科融合更广泛。

[ 齐兰兰, 周素红, 闫小培 , 等. 医学地理学发展趋势及当前热点
地理科学进展, 2013,32(8):1276-1285.]

DOI:10.11820/dlkxjz.2013.08.011 Magsci [本文引用: 1]

Song

Zhengna

, Chen

Wen

. Measuring spatial accessibility to health care facilities based on potential model
Progress in Geography, 2009,28(6):848-854.

DOI:10.11820/dlkxjz.2009.06.003 Magsci [本文引用: 1]

空间可达性是评价医疗设施布局合理与否的重要指标，传统的医疗设施空间可达性评价，或者从医疗服务供需状况着手，或者从供需双方之间距离因素着手，均无法全面评价居民实际所能获取的医疗资源。本文采用基于潜能模型的评价方法对江苏省如东县医疗设施空间可达性进行分析研究，该方法综合考虑了医疗设施服务能力、居民点人口数量、医疗设施与居民点之间的出行阻抗。研究表明，通过选取合适的出行摩擦系数，该方法能够较为全面准确地测度较小研究单元的医疗设施空间可达性，辅以GIS技术，可以很直观地揭示研究区域内医疗设施空间可达性差异，结合公共卫生管理部门制定的医疗资源配置标准，还可较为准确判定缺医地区，为政府相关部门规划决策提供依据。

[ 宋正娜, 陈雯 . 基于潜能模型的医疗设施空间可达性评价方法
地理科学进展, 2009,28(6):848-854.]

DOI:10.11820/dlkxjz.2009.06.003 Magsci [本文引用: 1]

Cheng

Min

, Lian

Yuejiao

. Spatial accessibility of urban medical facilities based on improved potential model: A case study of Yangpu District in Shanghai
Progress in Geography, 2018,37(2):266-275.

[本文引用: 1]

[ 程敏, 连月娇 . 基于改进潜能模型的城市医疗设施空间可达性: 以上海市杨浦区为例
地理科学进展, 2018,37(2):266-275.]

[本文引用: 1]

[21]

Liu

, Yang

Hongyu

, Xiong Weikan et al. Spatial accessibilities of medical services at county level based on Optimized Two-step Floating Catchment Area Method
Scientia Geographica Sinica, 2017,37(5):728-737.

[本文引用: 1]

[ 柳泽, 杨宏宇, 熊维康 , 等. 基于改进两步移动搜索法的县域医疗卫生服务空间可达性研究
地理科学, 2017,37(5):728-737.]

[本文引用: 1]

[22]

Zhao

Xueyan

, Wang

Weijun

, Wan

Wenyu

. Regional inequalities of residents' health level in China: 2003-2013
Acta Geographica Sinica, 2017,72(4):685-698.

[本文引用: 1]

[ 赵雪雁, 王伟军, 万文玉 . 中国居民健康水平的区域差异: 2003-2013
地理学报, 2017,72(4):685-698.]

[本文引用: 1]

[23]

Jiafeng

. A spatial study on the allocation of healthcare resource
Chinese Journal of Health Statistics, 2014,31(1):21-23.

[本文引用: 1]

[ 顾佳峰 . 基于空间计量模型的卫生资源配置分析
中国卫生统计, 2014,31(1):21-23.]

[本文引用: 1]

[24]

Tao

Haiyan

, Pan

Zhongzhe

, Pan

Maolin

, et al. Mixing spatial-temporal transmission patterns of metropolis dengue fever: A case study of Guangzhou, China
Acta Geographica Sinica, 2016,71(9):1653-1662.

[本文引用: 1]

[ 陶海燕, 潘中哲, 潘茂林 , 等. 广州大都市登革热时空传播混合模式
地理学报, 2016,71(9):1653-1662.]

[本文引用: 1]

[25]

Liao Y

, Zhang

, He

, et al. Temporal and spatial analysis of neural tube defects and detection of geographical factors in Shanxi Province, China
PLoS ONE, 2016,11(4):e0150332.

DOI:10.1371/journal.pone.0150332 URL [本文引用: 1]

[26]

Zou

Wenjie

. Healthcare service equality and the poverty alleviation effect and its threshold characteristics
Economist, 2014(8):59-65.

[本文引用: 1]

[ 邹文杰 . 医疗卫生服务均等化的减贫效应及门槛特征: 基于空间异质性的分析
经济学家, 2014(8):59-65.]

[本文引用: 1]

[27]

Anselin

, Rey

. Properties of tests for spatial dependence in linear regression models
Geographical Analysis, 1991,23(2):112-131.

[本文引用: 1]

[28]

Liu

Yansui

, Li

Jintao

. Geographic detection and optimizing decision of the differentiation mechanism of rural poverty in China
Acta Geographica Sinica, 2017,72(1):161-173.

[本文引用: 1]

[ 刘彦随, 李进涛 . 中国县域农村贫困化分异机制的地理探测与优化决策
地理学报, 2017,72(1):161-173.]

[本文引用: 1]

[29]

Wang

Jinfen

, Xu

Chengdong

. Geodetector: Principle and prospective
Acta Geographica Sinica, 2017,72(1):116-134.

[本文引用: 1]

[ 王劲峰, 徐成东 . 地理探测器: 原理与展望
地理学报, 2017,72(1):116-134.]

[本文引用: 1]

[30]

Yang

Lin

, Cheng

Qian

, Li

Yuan

. Dynamic effect analysis on the gap of different types of health between urban and rural medical and health resource allocation: Further investigation based on State Space Model
Chinese Health Economics, 2014,33(7):33-36.

[本文引用: 1]

[ 杨林, 成前, 李渊 . 不同类型卫生投入对城乡医疗卫生资源配置差距的动态影响研究: 基于状态空间模型的再考察
中国卫生经济, 2014,33(7):33-36.]

[本文引用: 1]

[31]

Chen

, Fang

, Wang

, et al. Who benefits from government healthcare subsidies? An assessment of the equity of healthcare benefits distribution in China
PLoS ONE, 2015,10(3):1-15.

[本文引用: 1]

[32]

Tanihara

, Kobayashi

, Une

, et al. Urbanization and physician maldistribution: A longitudinal study in Japan
BMC Health Services Research, 2011,11(1):260-268.

DOI:10.1186/1472-6963-11-260 [本文引用: 1]

[33]

Zou

Wenjie

, Cai

Penghong

. Public health expenditures, population aggregation and the equalization of basic public health services
Journal of Shanghai University of Finance and Economics, 2015,17(3):59-67.

[本文引用: 1]

[ 邹文杰, 蔡鹏鸿 . 公共卫生支出、人口聚集与医疗卫生服务均等化
上海财经大学学报, 2015,17(3):59-67.]

[本文引用: 1]

[34]

Liu

Ying

, Deng

Wei

, Song

Xueqian

. Population density correction method in mountain areas basedon relief degree of land surface: A case study in the Upper Minjiang River Basin
Scientia Geographica Sinica, 2015,35(4):464-470.

Magsci [本文引用: 1]

山区人口承载能力评价是山区国土空间管理的基础之一,而准确的人口密度数据是正确评价人口承载能力的基础。传统的人口密度算法并未考虑地形起伏度对人口分布带来的影响,不能客观反映山区人口聚集程度。引入地形起伏度、海拔高度因子,选择岷江上游作为研究区,首先运用GIS 技术提取地形起伏度,再运用SPSS软件对人口密度与地形起伏度相关性进行分析,确定县域不同地形起伏度与海拔人居适宜标准,剔除阈值以外不适宜人口聚居的面积,对人口密度进行修正。研究结果表明:① 岷江上游人口分布受地形起伏度的影响显著,二者的对数曲线拟合度为0.89,汶川县、茂县、理县、黑水县与松潘县地形起伏度与人口分布的相关性分别为:0.841、0.773、0.643、0.696 和0.730;② 应用地形起伏度对岷江上游人口密度修正,为真实反映山区人口密度提供了新的考量依据,剔除了人口密度空间噪音,5县地形起伏度与海拔适宜标准分别为:汶川3.2°和3 693 m,茂县4°和4 033 m,理县4.3°和3 790 m,黑水4.4°和3 853 m、松潘4.2°和3 966 m;地形起伏度高值区面积越大,修正前后的人口密度偏差越大,地形起伏度较大的理县和黑水县修正后的人口密度分别提高了7.8倍和5.6倍;地形起伏度较低的汶川县与茂县修正后人口密度仅分别提高2.3倍与2.4倍;③ 岷江上游人口潜在压力大,不同区域应因地制宜,汶川和茂县采取重点集约发展战略,理县和黑水县采取适度开发战略,松潘县应采取恢复与保护生态策略。

[ 刘颖, 邓伟, 宋雪茜 , 等. 基于地形起伏度的山区人口密度修正: 以岷江上游为例
地理科学, 2015,35(4):464-470.]

Magsci [本文引用: 1]

Song

, Deng

, Liu

. Spatial spillover and the factors influencing public service supply in Sichuan Province, China
Journal of Mountain Science, 2014,11(5):1356-1371.

DOI:10.1007/s11629-013-2939-3 URL [本文引用: 1]

[36]

McGrail M

, Humphreys J

. Measuring spatial accessibility to primary health care services: Utilising dynamic catchment sizes
Applied Geography, 2014,54:182-188.

DOI:10.1016/j.apgeog.2014.08.005 URL [本文引用: 2]