印度机构分娩自付费用数据质量评估：NFHS与NSS两大调查的系统性比较研究

本研究针对印度国家家庭健康调查(NFHS)与全国抽样调查(NSS)在机构分娩自付费用(OOP)数据质量差异问题，通过对比分析2018-2021年两项调查的27万+样本数据，发现NFHS在贫困群体中低估28%费用而富裕群体高估22%，揭示问卷设计、回忆偏倚和价格差异是主要误差来源，为标准化健康支出调查方法提供关键证据。

　　

在印度全民健康覆盖的推进过程中，准确测量医疗自付费用(OOP)如同照亮迷雾的灯塔，直接关系到政策制定的精准度。然而令人担忧的是，作为国家两大权威数据源的NFHS（国家家庭健康调查）和NSS（全国抽样调查），在机构分娩费用统计上竟出现系统性偏差——这好比用两把尺子测量同一物体却得出不同结果。印度公共卫生基金会等机构的研究团队在《SSM - Health Systems》发表的研究，首次对这两项涉及18万+分娩案例的全国性调查展开"数据对决"，揭示了隐藏在数字背后的方法论危机。

研究团队采用两阶段回归模型和TOST等效性检验，通过对比NFHS-5（2019-21）的155,624例和NSS第75轮（2018）27,664例机构分娩数据，发现NFHS问卷的直问式设计导致贫困群体OOP低估28%（3840 vs 5306卢比），而富裕群体高估22%（17838 vs 14598卢比）。密度曲线分析显示NFHS数据存在明显"数字偏好"峰谷，而NSS分布更接近正态。状态层面差异更触目惊心：阿鲁纳恰尔邦NFHS估值高出NSS达129%，米佐拉姆邦高出82%，这种"地图式偏差"暗示区域性数据采集可能存在系统性缺陷。

材料与方法
研究采用两阶段回归模型，第一阶段用逻辑回归分析发生OOP支付的概率，第二阶段用OLS回归预测支付金额。关键创新点包括：1) 使用TOST检验量化调查间差异；2) 控制社会经济因素后比较NFHS/NSS预测值；3) 首次分析OOP各组分（住院/检查/药品/其他）占比差异。数据来自NFHS-5"儿童档案"和NSS 75轮25.0表，涵盖印度所有邦的机构分娩案例。

结果揭示

1. 社会经济梯度差异：NFHS在SC/ST群体中OOP估值比NSS高20%（6284 vs 5245卢比），而城市地区低估11%（13246 vs 14926卢比），显示受访者教育水平影响数据质量。
2. 机构类型偏差：私立机构OOP估值相近（23231 vs 23460卢比），但公立机构NFHS高估6%（2894 vs 2738卢比），反映不同场所的费用记忆准确度差异。
3. 组分分析异常：NFHS中"其他费用"占比达31.9%，远超NSS的19.7%，而药品支出比例相反（20.5% vs 32.2%），提示问卷选项设置可能误导分类。
4. 数据记录问题：NFHS存在大量异常值（如9999、888等占位符），若未校正会导致OOP高估21%，在基层统计中误差可能放大至25%。

讨论与启示
这项研究如同为印度健康监测体系装上"误差检测仪"，揭示出三个关键矛盾：一是长达5年的回忆期（NFHS）与1年标准（NSS）的时效性冲突；二是产妇自述与家庭成员代答的视角差异；三是模块化问卷与综合问卷的设计鸿沟。作者建议采用NSS的分步询问法（先逐项询问支出再汇总），并引入CPI指数校正跨年度价格波动——这些改进可使OOP统计误差降低约15-20%。

该研究的政策价值犹如精准的医疗"计价器"，为印度实现SDG 3.8（全民健康覆盖）目标提供方法论基石。当各邦政府依据NFHS数据分配JSY（安全母亲计划）补贴时，需警惕贫困群体费用可能被低估30%的风险。未来若将NSS的"支出-报销"双轨制引入NFHS，或可解决目前"富人数据泡沫"与"穷人统计盲区"并存的困局，让健康扶贫的每一卢比都花在刀刃上。