
-
生物通官微
陪你抓住生命科技
跳动的脉搏
城市生态卫生改善与卫生服务供给能力错配:来自中国城市面板数据与可解释机器学习的证据
《BMC Health Services Research》:Mismatch between urban eco-sanitation improvement and health service supply capacity: evidence from Chinese city panel data and interpretable machine learning
【字体: 大 中 小 】 时间:2026年08月26日 来源:BMC Health Services Research 3.3
编辑推荐:
摘要背景卫生服务供给能力不仅取决于医疗资源存量,还取决于城市生态卫生条件和资源配置机制。现有研究主要关注环境暴露和健康结果,对于生态卫生改善能否转化为卫生服务供给能力关注有限。方法本研究构建了 2002 年至 2024 年中国地级及以上城市的面板数据,以卫生服务供给能力指数作
卫生服务供给能力不仅取决于医疗资源存量,还取决于城市生态卫生条件和资源配置机制。现有研究主要关注环境暴露和健康结果,对于生态卫生改善能否转化为卫生服务供给能力关注有限。
本研究构建了 2002 年至 2024 年中国地级及以上城市的面板数据,以卫生服务供给能力指数作为因变量,以生态卫生环境指数作为核心解释变量。通过双向固定效应模型、维度特定分析、机制检验、异质性分析、稳健性检验以及可解释机器学习,识别了错配机制和边界条件。机制分析扩展至两期和三期生态卫生环境滞后项,以及一期和二期滞后投资变量。碳排放可比性基于 2002 年至 2019 年精确的 CEADs 匹配样本进行了重新评估。此外,在控制了城市和省份 - 年份固定效应的情况下,估计了胡焕庸线子群体模型。
生态卫生环境、绿色基础设施和市政卫生设施持续改善,而卫生服务供给能力增长较慢。基准模型不支持生态卫生改善向更强供给能力的稳定正向转化。维度特定结果揭示了差异化作用。正的 PPI 系数不得被解读为污染收益;这与需求诱导或补偿性资源配置反应一致。两至三期生态卫生环境滞后项以及一至二期滞后投资变量均未产生稳定的城市建设投资传导链。正的 CEADs 交互项仅在 2002 年至 2019 年匹配样本中得到确认,因此代表疫情前的证据。在吸收省份 - 年份政策冲击后,胡焕庸线东南侧系数减弱并失去了常规显著性。机器学习表明,这种关系受到发展阶段、人口规模、财政能力和非线性边界的塑造。
生态卫生改善并非增强卫生服务供给能力的充分条件。健康城市发展应将生态卫生治理、基础设施投资、劳动力配置和财政安排整合到统一的治理框架中。由于卫生服务供给能力(HSC)是基于资源计数的供给侧代理变量,这些含义涉及资源可用性和网络密度,而不是护理质量、实际利用率、可及性或整体卫生系统绩效。
卫生服务供给能力不仅取决于医疗资源存量,还取决于城市生态卫生条件和资源配置机制。现有研究主要关注环境暴露和健康结果,对于生态卫生改善能否转化为卫生服务供给能力关注有限。
本研究构建了 2002 年至 2024 年中国地级及以上城市的面板数据,以卫生服务供给能力指数作为因变量,以生态卫生环境指数作为核心解释变量。通过双向固定效应模型、维度特定分析、机制检验、异质性分析、稳健性检验以及可解释机器学习,识别了错配机制和边界条件。机制分析扩展至两期和三期生态卫生环境滞后项,以及一期和二期滞后投资变量。碳排放可比性基于 2002 年至 2019 年精确的 CEADs 匹配样本进行了重新评估。此外,在控制了城市和省份 - 年份固定效应的情况下,估计了胡焕庸线子群体模型。
生态卫生环境、绿色基础设施和市政卫生设施持续改善,而卫生服务供给能力增长较慢。基准模型不支持生态卫生改善向更强供给能力的稳定正向转化。维度特定结果揭示了差异化作用。正的 PPI 系数不得被解读为污染收益;这与需求诱导或补偿性资源配置反应一致。两至三期生态卫生环境滞后项以及一至二期滞后投资变量均未产生稳定的城市建设投资传导链。正的 CEADs 交互项仅在 2002 年至 2019 年匹配样本中得到确认,因此代表疫情前的证据。在吸收省份 - 年份政策冲击后,胡焕庸线东南侧系数减弱并失去了常规显著性。机器学习表明,这种关系受到发展阶段、人口规模、财政能力和非线性边界的塑造。
生态卫生改善并非增强卫生服务供给能力的充分条件。健康城市发展应将生态卫生治理、基础设施投资、劳动力配置和财政安排整合到统一的治理框架中。由于卫生服务供给能力(HSC)是基于资源计数的供给侧代理变量,这些含义涉及资源可用性和网络密度,而不是护理质量、实际利用率、可及性或整体卫生系统绩效。