《Patient Preference and Adherence》:Factors Influencing Healthcare-Seeking Delay Among Chinese Residents: A Cross-Sectional Study
编辑推荐:
摘要
目的 本横断面研究旨在利用Andersen总患者延迟模型(AMTPD)和健康服务利用行为模型(BMHSU)调查中国居民就医延迟的影响因素。
方法 研究人员通过整合两个理论框架开发了自拟问卷。于2022年7月至9月对中国16岁及以上居民进行横断面调
摘要
目的 本横断面研究旨在利用Andersen总患者延迟模型(AMTPD)和健康服务利用行为模型(BMHSU)调查中国居民就医延迟的影响因素。
方法 研究人员通过整合两个理论框架开发了自拟问卷。于2022年7月至9月对中国16岁及以上居民进行横断面调查。采用分层抽样,覆盖三个经济发展层级,由经过培训的调查员使用标准化电子问卷进行面对面访谈。采用描述性统计、单因素方差分析和多元线性回归分析延迟模式及影响因素。
结果 研究纳入580名参与者,其中312人(53.79%)经历过就医延迟。总延迟时间为5.63(±11.95)天。年龄、人际态度和社交网络与总延迟呈显著正相关(p < 0.05)。女性、沟通不足和自我药疗与较长延迟相关。
结论 研究结果表明,针对性的干预措施——包括为高危人群提供优先护理路径、开展适当的就医行为公众教育以及以患者为中心的设施设计——可能有助于减少就医延迟。
关键词:就医延迟;影响因素;Andersen总患者延迟模型;健康服务利用行为模型;横断面研究
### 论文解读:影响中国居民就医延迟的多维因素分析
#### 研究背景与问题提出
专业医疗服务(professional healthcare service)是居民寻求疾病预防、诊断和治疗的行为,包括医生咨询、检查、处方药和住院护理。当居民未能及时寻求或获得此类服务时,即发生就医延迟(healthcare-seeking delay)。近年来,就医延迟在多种疾病领域中日益普遍,可能导致疾病进展、发病率和死亡率升高,从而加重社会疾病负担。在传染病爆发期间,就医延迟率可高达56.3%,由此引发的聚集性疫情风险对公共卫生系统构成严重挑战。因此,识别就医延迟的影响因素,制定针对性干预措施,以帮助居民减少延迟、改善健康结局,并优化医疗系统资源配置和提高服务可及性与响应效率,显得尤为迫切。
当前研究多聚焦于特定疾病(如癌症、结核病)或特定人群(如老年、特殊疾病状态),但基于一般人群的系统性研究仍然匮乏。在影响因素方面,现有研究主要从患者、医疗机构和医务人员视角探讨单一因素(如年龄、疾病污名化、宗教信仰等),缺乏系统理论框架指导。为此,该研究采用Andersen总患者延迟模型(Andersen Model of Total Patient Delay, AMTPD)和健康服务利用行为模型(Behavioral Model of Health Services Use, BMHSU)作为理论基础,从一般人群视角出发,系统探究中国居民就医延迟的模式及其决定因素。
#### 研究概述与主要结论
该研究开展了一项横断面调查,于2022年7月至9月期间,对中国16岁及以上居民进行分层抽样,最终纳入580名有效参与者。研究者基于AMTPD和BMHSU整合开发了自拟问卷,通过描述性统计、单因素方差分析和多元线性回归分析,发现:312人(53.79%)报告存在就医延迟,平均总延迟时间为5.63天(±11.95)。年龄、人际态度和社交网络与总延迟呈显著正相关(p < 0.05);女性、沟通不足和自我药疗与较长延迟显著相关。研究验证了AMTPD在中国背景下的适用性,为减少就医延迟提供了实证依据,并建议针对高危人群建立优先护理通道、加强公众教育及优化医疗环境。该论文发表在《Patient Preference and Adherence》。
#### 主要关键技术方法(不超过250字)
研究者采用多区域分层抽样方法:首先按人均可支配收入将中国地级及以上城市划分为高、中、低三个经济发展层级,从各层中随机抽取城市(高经济层包括上海、广州、北京等)。在选定城市内,通过社区卫生中心和居民委员会进行便利抽样,并设置配额以保证年龄和性别分布。调查由经过培训的调查员使用标准化电子问卷进行面对面访谈。数据分析采用SPSS和STATA 18.0,进行描述性统计、单因素方差分析和多元线性回归,并通过方差分析、方差膨胀因子(VIF)检验和替代因变量设定进行稳健性验证。样本来源为中国9个城市(具体城市未全部列出,但高经济层明确包括上海、广州、北京)。
#### 研究结果
**数据清洗**
调查完成后,审核员剔除回答不完整或逻辑不一致的记录,获得607份有效记录。研究人员进一步验证和清理,排除27份存在错误或缺失的记录,最终保留580份用于分析,有效回收率为95.6%。
**描述性统计**
研究纳入580名居民,其中男性239人(41.21%),女性341人(58.79%),平均年龄34.59±13.78岁(范围16-85岁)。312人(53.79%)报告曾经历就医延迟,平均总延迟时间为5.63±11.95天。详细人口学特征见表2。
**回归模型验证结果**
①所有ANOVA模型均显著(p<0.05),表明至少一个预测变量的回归系数非零,模型统计有效。②多重共线性分析显示,所有纳入预测变量的方差膨胀因子(VIF)值在1.10至4.18之间,均值1.78<2,表明预测变量间共线性水平可接受,模型结果稳健。③敏感性分析将总延迟从连续变量转换为分类变量后,多元回归中显著预测因子及其效应方向保持一致。
**多元线性回归结果**
基于独立样本t检验和单因素方差分析,排除组间差异不显著的变量后,最终模型纳入8个社会人口学变量(性别、年龄等)、11个医疗系统变量(距离医疗机构距离、患者满意度等)、3个社会变量(密切联系人数量等)、2个自我行为变量(运动频率等)和2个个人心理变量(心理健康、性别倾向等),共29个变量进入多元回归。结果显示:年龄(p<0.001)、人际态度(p<0.05)和社交网络(p<0.001)与总延迟呈显著正相关;性别(参照“女性”,p<0.05)、医患沟通(p<0.001)和自我药疗(参照“否”,p<0.05)与总延迟呈显著负相关。
#### 讨论与结论总结
**讨论部分总结**
该研究从一般人群视角填补了就医延迟定量分析的研究空白。社会人口学因素方面,年龄与总延迟正相关,老年人更易延迟,可能与老年人医疗经验丰富、倾向于自我诊断有关;但该研究中老年亚组样本量小(≥60岁仅18人),需谨慎解释。性别方面,男性延迟倾向显著低于女性,与既往研究一致。医疗系统因素方面,人际态度(人性化关怀与礼貌)与总延迟正相关,可能因过度表达个人关切引发患者社交焦虑或反映测量问题;沟通不足与更严重延迟相关,提示有效沟通可增强患者安全感。社会因素方面,社交网络(密切联系人数量)与总延迟正相关,可能的解释是更多社会联系提供更多建议,导致决策犹豫。自我行为方面,自我药疗与延迟显著相关,患者可能因不准确自我诊断和用药获得暂时缓解而延误正规治疗。研究还指出,女性、老年人、沟通满意度低、广泛社交网络及自我药疗是就医延迟的关联因素。该研究验证了AMTPD和BMHSU在一般人群中的适用性,但存在局限性:自报数据回忆偏倚、便利抽样限制推广性、老年亚组样本小、横断面设计无法推断因果等。
**研究结论翻译**
尽管就医延迟在国际上被广泛报道,但中国尚未出现大规模病例,尽管局部地区确实存在延迟。从一般人群视角出发,本研究发现女性、老年人(≥60岁)、沟通满意度低、广泛社交网络和自我药疗与就医延迟更为相关。然而,需要强调的是,这些发现是探索性的,横断面设计无法得出因果结论。研究建议,建立高危人群专用护理通道、通过个性化数字指导加强安全用药教育、以及在医疗机构实施以人为本的环境改善,可能有助于解决已识别的部分因素。这些建议应在未来的干预研究中加以验证。未来研究应采用更大、更具代表性的样本、前瞻性设计和经过验证的测量工具,以确认和扩展这些发现。