Page 13 - 《中国药房》2022年20期
P. 13

亿，65 岁及以上人口 1.91 亿，分别占总人口的 18.7% 和                 自CHARLS问卷中的题项——“您过去1个月去医疗机
          13.5% 。随着年龄的增长，身体机能逐渐下降，健康状                        构门诊看病的总费用大概是多少”；住院医疗支出来自
               [1]
          况也逐渐恶化，人们对医疗服务的需求也随之增加，导                           CHARLS 问卷中的题项——“您过去 1 年住院的总费用
          致医疗费用不断攀升，给个人和社会都带来了沉重的经                          （包括自付和报销部分的总费用）大概是多少”；总医疗
          济负担。为了减轻医疗支出带来的经济压力，不少患者                           支出由年门诊支出（以月门诊支出换算而成）与年住院
                                          [2]
          自主选择和使用药物来进行自我药疗 。世界卫生组织                           支出加合而成。由于医疗支出存在零值问题使得该变
         （WHO）将自我药疗定义为通过自主选择和使用药品来                           量呈偏态分布，因此本研究对医疗支出数据作对数处
                                        [3]
          处理自我认识的症状和疾病的行为 。在世界范围内，                           理。健康状况变量来自CHARLS问卷中的题项——“您
          自我药疗都是各国医疗保健的一个重要组成部分，且各                           认为您的健康状况怎样（很好、好、一般、不好、很不
                                  [4]
          国的自我药疗率均居高不下 。据报道，欧洲国家的自                           好）”，为简化此因变量，本研究将其设为3个有序类别：
          我药疗率为 68%，美国为 77%，科威特为 92%，印度为                     差＝1、一般＝2、好＝3，即健康状况为序次因变量。
                                      [6]
          31%，尼泊尔为59% 。王壮飞等 基于中国健康与养老                        1.2.2  自变量    本研究以是否进行过自我药疗为自变
                          [5]
          追 踪 调 查（China Health and Retirement Longitudinal   量。自我药疗的衡量标准是过去1个月是否自己买药服
          Study，CHARLS）2011、2013、2015 年的数据发现，我国              用（不包括凭处方取药）。将自变量设定为二值虚拟变
          中老年人自我药疗的平均发生率为 45.52%。如果人们                        量，当受访者进行过自我药疗时，取值为 1，反之取
          在自我药疗时足够了解药物的剂量、给药时间、过量服                           值为0。
          用的副作用等，自我药疗是安全的，并且可在一定程度                           1.2.3  控制变量      为了避免因变量遗漏而导致的预估
          上发挥积极作用，如节省稀缺的医疗资源、减轻由医护                           结果偏差，本研究借鉴安德森医疗服务利用影响模
                                                               [13]
          人员不足所造成的医疗服务压力、降低医疗成本等；但                           型 ，纳入了预置因素、能力因素、健康因素共 3 个类别
          由于自我药疗者缺乏相关信息或对部分信息认知有误，                           的11个控制变量。其中，预置因素包括年龄、性别、居住
          自我药疗可能存在一定风险，如未能识别或自我诊断禁                           地区、户口类型、婚姻状况、受教育程度；能力因素包含
          忌证、药物相互作用、警告和预防措施等，导致严重不良                          个人参加医疗保险情况、是否参加养老保险和家庭经济
                                               [7]
          反应的发生，给使用者带来极大的健康损害 。目前，国                          情况；健康因素主要包括是否患慢性疾病及失能程度。
          内针对自我药疗的研究大多聚焦于老年人自我药疗及                            1.3  模型构建
          其影响因素、自我药疗的风险研究等领域                 [8―10] ，极少关注    1.3.1  Tobit 回归模型    医疗支出是本研究的重要因变
          自我药疗行为对我国老年人医疗支出和健康状况的影                            量之一，由于 CHARLS 数据中大部分实际医疗支出为
          响。为此，本研究拟利用2018年CHARLS的有关数据，                       0，不符合正态分布，若使用普通最小二乘法进行多元线
          探究我国老年人自我药疗对医疗支出及健康状况的影                            性回归可能会导致有偏估计。因此,本研究借鉴相关文
                                                                   [14]
          响，以期为老龄化背景下老年患者的医疗服务选择和健                           献方法 ，引入Tobit回归模型来预测自我药疗对医疗支
          康状况改善提供理论参考。                                       出的影响。Tobit回归模型又称删失回归模型，是一种因
          1 资料与方法                                            变量虽大致在正值上连续分布，但包含一部分取值为 0
          1.1  数据来源                                          的观察值的模型。Tobit 回归模型可定义为一个潜变量
                                                                 [15]
                                          [11]
              本研究使用的数据来自 CHARLS ，该调查旨在提                      模型 ，其模型表达式如下：
                                                                           *
          供代表我国45岁及以上中老年人个人及家庭的全面、高                                 ì ï ï y * i  y > 0
                                                                           i
                                                                 yi＝ í     *  ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ 公式（1）
          质量的微观数据，包括人口背景、家庭特征、健康行为、                                 î 0   y ≤ 0
                                                                           i
                                                                  *
          医疗保险行为和退休情况等。CHARLS 的基线访谈始                             y i＝β1X+β2Ci+ui ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ 公式（2）
          于 2011 年，同一受访者每 2～3 年追踪 1 次，调查样本覆                      式中，y i为潜变量，当y i＞0时，y i＝yi；β1、β2表示待估
                                                                       *
                                                                                            *
                                                                                    *
          盖我国 150 个县、450 个村约 1 万户家庭的 1.7 万人。本                计的系数；X 表示是否进行过自我药疗；Ci是包括人口、
          研究以2018年CHARLS数据中60岁及以上的老年人为                       疾病状况、经济在内的其他控制因素的向量；ui表示误差
                                                                         2
          对象，提取受访者的基本特征、健康状况、医疗保健和保                          项，ui～N（0，σ）。
          险等数据进行分析。因本研究重点分析自我药疗对我                            1.3.2  有序Probit回归模型       本研究反映健康状况的因
          国老年人医疗支出和健康状况的影响，故提取数据后删                           变量是有序的离散数据，对于研究变量为离散型变量的，
          除了部分题项未回答或答案不明确的样本，最终纳入了                           利用有序Probit回归模型进行回归拟合是较为理想的估
          9 770位受访者的数据。                                      计方法 。健康状况有序Probit回归模型的表达式如下：
                                                                   [16]
          1.2  变量设定                                              Y＝a0+a1X+a2Ci+ε⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ 公式（3）
          1.2.1  因变量    由于本研究旨在探讨老年人自我药疗                         式中，Y 代表受访者的自评健康状态；a0为常数项；
          对医疗支出和健康状况的影响，故课题组结合相关文                            a1、a2表示待估计的系数；ε表示误差项且服从正态分布。
            [12]
          献 和 CHARLS 数据，选择医疗支出（含门诊和住院医                       1.3.3  稳健性检验       为检验评价方法和指标解释能力
          疗支出）和健康状况为因变量。其中，门诊医疗支出来                           的稳健性，通常会对模型设定进行合理修改，计算稳健


          中国药房    2022年第33卷第20期                                            China Pharmacy 2022 Vol. 33 No. 20  ·2439·
   8   9   10   11   12   13   14   15   16   17   18