《Frontiers in Public Health》：Climate-related health risks and payer-specific health expenditure growth: empirical evidence from government, social, and out-of-pocket health expenditure in China
编辑推荐：
背景：气候相关健康风险可能与医疗需求、服务中断及备灾需求同时发生，但相关支出分布于公共预算、集体筹资与家庭之间。现有证据很少显示多维气候风险剖面是否与这些筹资渠道的支出增长相关。研究人员考察了中国四类气候风险维度与政府、社会及自付（out-of-pocket,
背景：气候相关健康风险可能与医疗需求、服务中断及备灾需求同时发生，但相关支出分布于公共预算、集体筹资与家庭之间。现有证据很少显示多维气候风险剖面是否与这些筹资渠道的支出增长相关。研究人员考察了中国四类气候风险维度与政府、社会及自付（out-of-pocket, OOP）卫生支出实际增长之间的关联。方法：2013–2023年31个省级行政区年度数据；增长模型采用2014–2023年310个省份—年份平衡面板。IPCC框架被操作化为气候灾害（climate hazard）、城市暴露（urban exposure）、社会脆弱性（social vulnerability）与适应能力缺口（adaptive-capacity deficits）。探索性因子分析（EFA）与验证性因子分析（CFA）评估测量结构，CFA因子得分进入含省份与年份双向固定效应模型；结构方程模型（SEM）仅作补充描述。结果：测量分析支持样本内四维度相关但内部可区分。主模型中各维度均与三类支付方支出实际增长呈正相关；在年度z分数标准化、1年滞后、剔除2020–2022年及对数水平结果下正向方向总体持续，但量级可变，社会筹资估计对构念设定最敏感。SEM给出方向一致的同时性关联，但不用于主要推断。结论：结果支持气候相关健康风险作为一种多维筹资背景，其统计足迹在多个支付方中可见，但未确立支付方间统计差异效应。研究支持风险剖面监测与针对气候—健康适应的假设生成，而非因果归因、贡献规则或缺乏基于理赔与准实验证据的省份分配公式。
研究背景与动机
气候变化日益被认定为卫生系统挑战，但其筹资后果尚未被清晰刻画。当气候敏感性疾病、服务中断或备灾需求出现时，相关支出并不进入单一账户：公共预算负担公共卫生与连续性功能，社会筹资按制度规则报销合格诊疗，家庭支付残差。既有卫生支出增长驱动因素（人口老龄化、收入增长、医疗技术、保险扩面、流行病学转型及服务价格）与此并行。国际框架（IPCC危险—暴露—脆弱性框架、Lancet Countdown、WHO韧性卫生系统指南）定义了卫生系统需管理的风风险，但实证研究的三个缺口依然存在：多数研究孤立单一暴露、聚焦疾病特异或聚合成本、未展示多维风险剖面如何反映于不同筹资来源。为此，研究人员将IPCC框架中的脆弱性进一步拆为社会脆弱性与适应能力缺口，并把风险生产层与支付方特异筹资翻译层连接，提出两个连带问题：省级气候相关健康风险能否表示为四个经验可区分维度？这些维度如何与政府、社会、OOP卫生支出实际增长关联？
研究方法概要
研究人员构建2013–2023年中国31个省级面板（主模型为2014–2023年310省份—年份观测）。气候灾害指标基于1981–2010固定基线从逐日气象站数据派生（极端低温/高温日数、冷/暖期持续指数CSDI/WSDI、极端降水日数、Rx1day、Rx5day、最长连续干日）；城市暴露含人口、密度、建成区、城镇化率、GDP密度、道路密度；社会脆弱性含0–14岁及≥65岁占比、城镇登记失业率、低保占比；适应能力缺口由收入、教育年限、社保覆盖、建成区绿化率、排水管密度反向编码。卫生支出取自《中国卫生统计年鉴》等，按省份—年份CPI链减至2013年不变价，计算实际增长率。测量阶段用EFA（KMO=0.750，Bartlett χ2=9741.326）与CFA（χ2/df=2.359，CFI=0.967，TLI=0.963，RMSEA=0.062，SRMR=0.076）检验四因子结构，回归法生成CFA因子得分；推断阶段用省份与年份双向固定效应模型（标准误省份聚类），协变量含人均GDP、财政自给率、参保率、CPI、PM2.5；SEM仅作同期关系补充描述。稳健性检验覆盖年度z分数、对数水平、1年滞后、剔除2020–2022年及三因子对照四因子。
研究结果
3.1 气候相关健康风险潜结构的探索性因子分析
EFA（Varimax旋转，固定四因子）显示八项气象指标聚为因子1（气候灾害），六项城市指标聚为因子2（城市暴露），四项人口—失业—低保指标聚为因子3（社会脆弱性），五项反向编码资源指标聚为因子4（适应能力缺口）。目标载荷0.663–0.901，最大交叉载荷0.269，四因子共解释66.423%方差。结果支持将合并脆弱性拆为两个非互换维度。
3.2 验证性因子分析与测量模型拟合
CFA确认四因子结构拟合可接受，各条目标准化载荷0.731–0.901，组合信度（CR）0.870–0.929，平均方差抽取（AVE）0.622–0.676；Fornell–Larcker准则下√AVE（0.789–0.822）均大于潜变量间相关（0.252–0.427），HTMT比0.249–0.430低于0.85阈值，样本内判别效度充足。
3.3 原三因子与修订四因子设定比较
同一样本下，危险与暴露在两设定中对三类支付方均正显著；原合并第三因子与社会支出不显著（β=0.014，t=0.674），拆分后社会脆弱性与适应缺口均正显著（社会支出β=0.101与0.093），修订模型组内R2更高（政府0.509、社会0.542、OOP 0.558）。说明合并构念掩盖了社会筹资渠道的可见性。
主模型（双向FE）结果
四类维度每提升均与政府、社会、OOP实际支出增长正相关：以修订四因子为例，政府支出增长对危险β=0.279、暴露β=0.153、社会脆弱性β=0.022、适应缺口β=0.222；社会支出对应0.237、0.219、0.101、0.093；OOP对应0.250、0.212、0.168、0.154。正向方向在z分数、滞后、剔新冠年、对数水平下大体保持，但社会筹资系数对构念设定最敏感。研究人员明确：系数属省份内条件关联，非因果，未证明支付方间效应有统计差异。
SEM补充结果
SEM同期关联方向与FE一致，但因缺省份固定效应、同年冲击控制与聚类推断，仅作结构描述，不替代主模型。
讨论与结论翻译
讨论指出，省级相似总风险可对应不同潜在问题（危险主导、暴露主导、脆弱性主导或适应缺口主导），四维度提供比单一综合指数更多信息且不预设机械先后；同一次气候敏感事件因资格、报销、结算时序差异可在不同支付方留不同财务痕迹，而就医抑制也会压低记录支出。结论原文意译：研究结果与“气候相关健康风险是一种多维筹资背景、其统计足迹在多个支付方中可见”一致，但研究未确立支付方间存在统计差异效应；其支持风险剖面监测与面向气候—健康适应的针对性假设生成，而非因果归因、贡献规则，或在无基于理赔与准实验证据下给出省份分配公式。该研究发表于《Frontiers in Public Health》，为省级观测下条件关联证据，不对个体项目机制做分解。
