2012-2020年我国全科医生资源配置公平性及空间分布特征研究

张丁杰，陈家应，刘可慧，鲁 翔

(南京医科大学，江苏 南京 211100)

2016年国务院颁布的《关于推进家庭医生签约服务的指导意见》(以下简称《指导意见》)和《“健康中国2030”规划纲要》(以下简称《纲要》)均提出要加快全科医生队伍建设。2020年习近平总书记在中央全面深化改革委员会第十二次会议中再次强调要持续加强全科医生培养、分级诊疗等制度建设。全科医生作为家庭医生签约服务队伍的主体，在基层承担着健康管理、常见病与多发病的治疗和转诊、预防保健和慢性病管理等一体化服务工作[1]。在此次抗击新冠疫情中，全科医生还承担着社区疫情筛查、疑似新冠感染者转诊、健康宣教等重要工作，在疫情防控中发挥了不可或缺的作用[2，3]。大力培养全科医生、优化全科医生资源配置，是提升我国家庭医生队伍整体素质、增强基层医疗卫生服务水平和基层疫情防控能力、落实分级诊疗制度的关键，也是当前深化医改和健康中国建设的重点工作。目前，针对我国全科医生资源配置状况的研究大多局限于公平性分析，鲜有学者采用空间自相关分析探索全科医生资源在整体或具体局部地区的聚集情况，进而研究其空间分布特征[4]。基于此，本研究收集2012-2020年我国全科医生资源相关数据，探究全科医生资源配置公平性和空间分布特征，以期为我国全科医生资源的优化配置与空间合理布局提供参考建议。

1 资料与方法

1.1 资料来源

2012-2020年中国各省全科医生相关数据来源于《中国卫生统计年鉴》(2013-2015年)、《中国卫生和计划生育统计年鉴》(2016、2017年)和《中国卫生健康统计年鉴》(2018-2021年)。本研究未收集香港、澳门、台湾地区数据，仅分析31个省(市、自治区)(以下简称省份)全科医生资源配置情况。参考《中国卫生健康统计年鉴》的划分标准对我国东、中、西部地区进行划分。其中，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南，中部地区包括黑龙江、吉林、山西、安徽、江西、河南、湖北和湖南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆。

1.2 研究方法

通过泰尔指数的计算分析我国全科医生资源配置的公平性，并结合莫兰指数探究各省全科医生资源的空间分布特征，从而进一步分析造成资源配置差异的来源。本研究运用Microsoft Excel 2019计算泰尔指数及其贡献率；运用GeoDa 1.20计算莫兰指数，并进行空间自相关分析以探究全科医生资源的空间聚集性。

1.2.1 泰尔指数

泰尔指数是运用信息熵的概念来考察不公平性的指标，可以将总体差异分解为组间差异和组内差异，并衡量地区间差异和地区内差异对总差异的贡献程度[5]。泰尔指数的取值范围为[0，1]，指数值越接近1，表明资源配置的差异性越大，其公平性越差，反之公平性越优。本研究所采用的泰尔指数计算公式为：

其中，T组内表示我国东中西部各区域内部全科医生资源配置的差异，T组间表示我国东、中、西部3个区域之间全科医生资源配置的差异，Tj为东中西各自区域的泰尔指数。式中Pi为i省人口数占全国总人口的比重或i省地理面积占全国地理总面积的比重；Yi为i省全科医生数量占全国全科医生总数的比重；Kij为i省人口占其所在j地区人口的比重或i省面积占其所在j地区面积的比重；Hij为i省全科医生数量占其所在j地区的全科医生数量的比重；Kj为j地区人口占全国人口的比重或j地区地理面积占全国地理面积的比重；Hj为j地区全科医生数量占全国全科医生总数的比重。

1.2.2 莫兰指数

全局莫兰指数是度量全局空间自相关的指标，用于判断相邻空间单位的变量属性值是否存在空间聚集性[6]，其取值范围为[-1，1]。当相邻地区的变量数值相近，即高值与高值(或低值与低值)聚集时，Moran’sI>0；当相邻地区的变量数值差距较大，即高值与低值聚集时，Moran’sI<0；当无空间自相关，即高值与低值随机分布时，Moran’sI=0。其计算公式为：

局部莫兰指数是全局莫兰指数的空间分解，其测度指标为LISA，通过LISA值可以识别每个空间单位与其相邻区域显著相关的4种空间分布类型：高-高、低-高、低-低、高-低[7]，以及差异无统计学意义的随机分布类型。本研究根据正态统计量Z值对空间自相关的显著性水平进行检验。

2 结果

2.1 我国全科医生资源配置基本情况

从总体上看，我国全科医生数自2012年到2020年增加了299,026人，年均增长率为17.86%，每万人口全科医生数从0.815人增加至2.900人，每百平方千米全科医生数量从1.147人增加至4.271人。分地区来看，我国东、中、西部地区9年间全科医生分别增加了141,461人、84,114人和73,451人。其中，我国中部地区全科医生数量增长最为迅速，年均增长率高达21.63%；西部地区次之，年均增长率为20.57%；而东部地区全科医生数量增长最慢，年均增长率为15.33%。见表1。

表1 我国全科医生资源配置基本情况 单位：人

2.2 我国各省全科医生资源分布现状

2020年，我国全科医生总数最多的3个地区分别为江苏(49,628人)、广东(37,177人)和浙江(27,628人)，最少的3个地区分别为宁夏(1638人)、青海(1625人)和西藏(730人)。每万人口全科医生数最多的3个地区分别为江苏(5.86人)、北京(4.53人)和浙江(4.28人)，最少的3个地区分别为江西(1.78人)、贵州(1.96人)和西藏(2.00人)。在东部11个省份中，河北(2.55人)、辽宁(2.76人)、福建(2.44人)、海南(2.89人)和山东(2.44人)5省的每万人口全科医生数量低于全国平均水平；在中部8个省份中，吉林(3.32人)、安徽(3.03人)和湖南(2.95人)3个省份的每万人口全科医生数高于全国平均水平；而在西部12个省份中，仅有四川省(3.01人)每万人口全科医生数超过全国平均水平。2012-2020年，我国全科医生年均增长率最高的3个地区分别为西藏(46.72%)、湖南(28.84%)和贵州(28.29%)，最低的3个地区分别为浙江(10.70%)、上海(8.03%)和北京(2.50%)。见表2。

表2 2020年我国各省份全科医生资源分布情况

2.3 基于泰尔指数的全科医生资源配置公平性分析

2012-2020年，我国全科医生按人口配置和按地理配置的总泰尔指数分别下降0.0558和0.1112，按各省份地理面积配置的总泰尔指数一直远高于按人口配置的指数，提示近9年我国全科医生资源配置的公平性在总体上得到较大改善，按人口配置的公平性优于按地理面积配置的公平性。见表3。

表3 2012-2020年我国全科医生资源泰尔指数及其贡献率

续表3

对比近9年组间泰尔指数和组内泰尔指数发现，按人口配置和按地理配置的泰尔指数组间差异均小于组内差异，说明人口维度和地理维度上全科医生资源配置的不公平主要来源于地区内部差异。对比各区域泰尔指数及其贡献率发现，按人口配置的各个区域泰尔指数东部贡献率最大，按地理面积配置的各区域泰尔指数西部贡献率最大，说明在人口维度全科医生资源配置的组内差异主要来源于东部地区，而在地理维度全科医生资源配置的组内差异主要来源于西部地区。

2.4 基于莫兰指数的全科医生资源空间自相关分析

2.4.1 全科医生资源全局空间自相关分析

2012-2020年，按人口分布和按地理面积分布的全局Moran’sI均大于0，且Z得分均大于1.96，P<0.05，表明我国全科医生资源在整体空间分布上存在一定的聚集性，且呈现空间正相关关系。人口维度的Moran’sI在2012-2016年5年间呈现稳步增长的态势；在2016年之后，除2019年Moran’sI值陡增到最大值0.372，2017年、2018年、2020年3年总体呈现下降趋势。表明按人口分布的全科医生资源空间聚集性在2012-2016年间不断增大，而在2016年往后总体呈现缩小趋势。在地理维度上，除2018年Moran’sI值陡增到最大值0.323，Moran’sI在2012-2020年整体呈现增长态势，表明按地理分布的全科医生资源空间聚集情况在2012-2020年间越来越明显。见表4。

2.4.2 全科医生资源局部空间自相关分析

以《指导意见》和《纲要》出台的2016年为时间节点，分别对2012年、2016年和2020年我国全科医生资源进行局部空间自相关分析。从人口层面来看，我国全科医生资源“高-高”聚类主要位于东部长三角地区，上海市恒定属于“高-高”聚类，江苏和浙江两省在2016年和2020年均呈现“高-高”聚类。“低-低”聚类主要局部存在于中西部地区，并随着时间的变化而消失。相较于2012年，2016年“低-低”聚集区域缩小至中部的湖北省和西部的四川省，云南省不再显著，而到2020年我国全科医生资源的“低-低”聚类完全消失，提示中部和西部地区全科医生缺乏的局面均有一定程度的缓解。“低-高”聚类仅存在于2012年的天津市，此后不再显著，提示天津市全科医生资源落后于相邻地区的情况得到一定程度的改善。此外，四川省由2012年的“低-低”聚类逐步演变为2020年的“高-低”聚类，提示与邻近省份相比，四川省全科医生资源配置已经处于领先水平。见表5。

表4 2012-2020年我国全科医生资源全局莫兰指数

表5 按人口分布的各省全科医生资源局部空间自相关LISA显著情况

从地理层面来看，2012年、2016年、2020年，我国全科医生资源的“低-低”聚类和“高-高”聚类分布相对稳定，甘肃、宁夏、内蒙古等西部7个省份恒定属于“低-低”聚类，上海和江苏始终属于“高-高”聚类，且2020年“高-高”聚类区域扩大为浙江、上海、江苏3地。见表6。

表6 按地理分布的各省全科医生资源局部空间自相关LISA显著情况

3 讨论与建议

3.1 我国全科医生资源总体增长迅速，但仍存在较大缺口

2012-2020年，我国东、中、西部地区全科医生总数年均增长率均高于15%，每万人口全科医生数和每百平方千米全科医生数的年均增长率分别为17.19%和17.86%，表明近9年我国在全科医生人才队伍建设方面取得了明显成效，这主要得益于我国先后出台的《指导意见》和《纲要》等政策文件的推动。截至2020年，全国每万人口全科医生为2.9人，总体上已完成“到2020年每万人口配备2～3名全科医生”的目标，但与发达国家普遍要求的“每万人口配备至少5名全科医生”的标准仍有较大差距[8，9]。全科医生人才队伍的缺乏，将极大影响家庭医生签约服务和分级诊疗工作的落实，对我国居民享受均等化的全科医生服务形成严峻挑战。此外，我国基层卫生机构的全科医生中，经过转岗培训而获取合格证的医生占相当大的比例。转岗培训作为基层全科医生严重紧缺时采取的过渡办法，其培训内容及强度均远不及全科医生规范化培训，这不利于基层全科医生服务质量的提升。因此，政府应加强全科医学人才队伍建设的顶层设计，发挥政策引导作用，不断健全全科医学人才培养体系，并多渠道提升全科医生职业吸引力，为全科医生质量与数量的同步提升提供政策保障。

具体建议：(1)在人才培养方面，探索建立以提升岗位胜任力为目标导向的全科医学人才培养课程体系，注重培养全科医学生的临床实践能力和人文素养[10]，并在教育全流程中纳入合理的淘汰与分流机制，确保全科医学生的培养质量；医学院校应将全科医学概论等课程设置为非全科医学专业医学生的必修课，提升各专业医学生对全科医学的学习兴趣与专业认知度[11]，并鼓励临床医学本科毕业生走向基层工作岗位，引导其接受全科医师规范化培训并注册为全科医学专业，从而激活全科医学人才储备；针对已执业的全科医生，特别是转岗而来的全科医生，需要持续加强继续教育[12]，可探索设立全科医生继续教育培训基地，在完善继续教育学分制的基础上，定期对全科医生进行执业资格再认证考核，使全科医生树立终身学习的理念，从而提升全科医生队伍的培养层次。(2)在职业发展方面，探索建立符合全科医生付出回报比的薪酬机制[13，14]，将家庭医生团队的签约服务收益纳入基层卫生机构的收入分配体系，并通过提高人员经费补助标准，保障基层全科医生薪酬水平与县(区)级公立医院医师薪酬水平相衔接；充分考虑全科医生工作量、患者满意度和服务质量等因素，科学合理地设立全科医生绩效考核标准，提升全科医生团队的工作积极性，并定期公布考核结果，为居民自主选择签约全科医生服务团队提供参考依据；探索完善各地市编制周转池制度，优先保证基层全科医生的编制配给，并在职称晋升方面向基层全科医生倾斜，拓宽全科医生职业发展路径[15，16]；与此同时，相关部门应做好宣教工作，引导居民认识全科医生作为健康“守门人”的重要作用，提升全科医生的职业形象与社会地位[17]，为加快全科医学人才培养提供良好的社会舆论环境。

3.2 全科医生资源按地理配置的公平性远不及按人口配置的公平性，且差距持续扩大

2012-2020年，我国全科医生资源按人口和地理2个维度配置的公平性均有一定改善，但地理维度的总泰尔指数是人口维度的9.32倍、10.62倍、12.64倍、12.98倍、13.38倍、14.14倍、14.56倍、21.45倍和31.66倍，表明我国全科医生按地理配置的非公平性远大于按人口配置的非公平性，且非公平性的差距持续扩大。造成这种差距的原因，可能是卫生行政部门在配置卫生人力资源时，习惯以人口为标准，而忽视了地理面积因素对卫生服务可及性的影响[18-20]。此外，西部区域地理维度上泰尔指数的贡献率远高于中部和东部区域，这表明地理维度上全科医生资源配置的组内差异主要来源于西部地区。究其原因，西部地区特别是西藏、青海等地广人稀的高原山地地区，依然长期使用每万人口卫生人员数作为卫生人力资源的配置标准，特殊的地理环境造成单位全科医生服务面积过大的困境[21，22]，进一步加剧了我国全科医生资源配置公平性在地理和人口两维度上的差异。

具体建议：(1)政府应统筹合理地配置全科医生资源，特别是在地理环境特殊的西部地区，要充分考虑地理特征、人口密度以及卫生机构的服务能力和服务半径等因素[23]，在按人口布局公平性的基础上也要兼顾按地理布局的公平性。相关部门在制定区域卫生规划时，应将“全科医疗服务的地理可及性”纳入地方政府高质量发展考核指标体系，因地制宜地调整基层卫生机构的位置布局、人员规模和岗位结构，进而提升全科医生资源覆盖率及配置公平性。(2)在新冠疫情阴霾仍未消散的大环境下，可充分发挥“互联网+”的优势，构建远程医疗协作网络，加强全科医生与专科医生之间的跨团队支持、协作，并促进全科医生团队内部的快速沟通与分工合作，从而打破地理空间的束缚，高效地整合优质医疗资源，提升全科医生团队服务质量[24]；此外，全科医生还可以利用即时通讯等技术手段，针对特定疾病为患者提供足不出户的在线诊疗服务，以及健康宣教、远程指导和随访管理等服务，这些方便快捷的线上服务不仅可以提高患者和全科医生双方的时间管理效率[25]，也可以拉近医生与患者的距离，从而有助于建立积极的医患关系。

3.3 我国全科医生资源空间分布总体呈现“东高西低”特点，全科医生资源主要聚集在长三角地区

2012-2020年我国全科医生资源配置的区域差异显著，按人口分布的全局Moran’sI在2016年后虽有一定波动但总体呈现下降趋势，说明《指导意见》和《纲要》等政策的出台有效缓解了全科医生资源在人口维度的空间布局分化态势。按地理分布的全局Moran’sI在9年间呈现总体上升趋势，表明全科医生资源在地理维度的空间布局分化态势持续加剧。

人口维度的“高-高”聚类恒定位于东部长三角地区，且2016年和2020年，上海、江苏和浙江始终保持“高-高”聚类。结合人口维度的泰尔指数发现，2012-2020年东部地区内差异贡献率均大于45%，且超过区域间差异贡献率。说明经济发达、卫生财力雄厚的长三角地区对全科医生资源具有“虹吸效应”[9，26]，并导致东部相对落后省份全科医学人才的流失。人口维度的“低-低”聚类主要位于中西部省份，且2020年“低-低”聚类完全消失。其中，四川省由“低-低”聚类逐渐演变为“高-低”聚类，提示2020年四川省按人口配置的全科医生资源在西部处于领先地位，但与其相邻接的西部7省每万人口全科医生数均低于全国平均水平。说明西部地区整体仍处于全科医生资源匮乏的局面，仅经济较发达的四川省表现出“高地现象”，与湛大顺等[9]研究结果一致。

地理维度的“高-高”聚类依然恒定位于东部长三角地区，与2012年和2016年相比，2020年“高-高”聚集地区由江苏、上海两地扩增为江苏、上海和浙江三地，表明经济水平高且人口稠密的长三角地区对全科医生的“虹吸效应”进一步增强[27]。正是得益于较为充裕的全科医生资源，江苏省通过医联体建设网格化布局、上海市探索“1+1+1”医疗机构签约组合、杭州市以家庭医生签约为抓手，均在推进落实分级诊疗工作中打通创新思路，并形成值得推广的成熟经验，为全科医生制度的完善提供了有力支撑。地理维度的“低-低”聚类恒定位于相互毗邻的西南、西北7省，表明人口稀疏的西部地区普遍存在全科医生不足和单位全科医生服务半径过大的局面。一方面可能是西部地区存在大量人口稀疏的高原山地，使得按地理面积布局的全科医生资源极度匮乏；另一方面可能是西部地区较为落后的经济条件和较低的薪酬待遇，使得全科医学人才进一步流失[28，29]。

具体建议：(1)可充分借鉴澳大利亚依托地区分级标准配置卫生资源的成功经验[21]，通过综合衡量各地区经济水平、人口密度、偏远程度和基层医疗服务水平，探索建立符合我国国情的地区分级标准。并依据此标准为不同等级地区制定有针对性的卫生人力政策，对西部地区全科医学人才的培养、引进、保障、激励、培训、晋升等一系列流程给予政策倾斜，全面提升西部地区全科医生的岗位吸引力，进而有效引导高质量全科医学人才向西部流入。此外，政府可设立专项基金，加强对西部地区基层卫生机构的硬件投入，改善全科医生的工作环境，使全科医生在工作中更易获得满足感，为全科医生长久扎根西部基层提供坚实的物质基础。(2)在加速推进西部全科医生队伍建设的同时，东部长三角地区可利用全科医生资源较为集中的优势，先行探索构建全面、系统的全科医生评价考核体系。择优选取科学、有效的考核标准与方法，逐步构建适用全国、可操作性强、能客观反映全科医生岗位胜任力的评价机制[28，30]，打破长期以来因各个医疗机构自行考核全科医生而产生的考核标准混乱、考核效率低下的局面。从而为我国全科医生的考核、激励与晋升提供科学的参考标准，助力我国全科医生制度不断完善。