《Cogent Public Health》：Integrated medical and elderly care utilisation and outcomes in China: insights from a mixed-methods configurational analysis
编辑推荐：
引言：虽然建立医养结合老年人照护系统已被广泛视为应对人口老龄化的关键战略，但关于促进整合照护服务利用的组态，以及这些政策在提升健康老龄化水平方面的实际成效，目前知之甚少。理论：研究人员将中国医养结合政策的实施概念化为一个战略行动场域（SAF）。方法：本研究采用
引言：虽然建立医养结合老年人照护系统已被广泛视为应对人口老龄化的关键战略，但关于促进整合照护服务利用的组态，以及这些政策在提升健康老龄化水平方面的实际成效，目前知之甚少。理论：研究人员将中国医养结合政策的实施概念化为一个战略行动场域（SAF）。方法：本研究采用混合方法，将模糊集定性比较分析（fsQCA）与回归分析相结合，以评估整合照护的利用及其相关结果。结果：分析确定了三种促进医养结合利用的组态，这些组态主要由公民或医养结合提供者主导。随后的回归结果表明，这些组态与当地健康老龄化水平呈正相关。讨论：这些发现为地方政府提供了基于证据的政策建议，并为完善未来政策实施提供了战略见解。
本研究发表于《Cogent Public Health》，旨在探讨中国医养结合（IMEC）服务利用的组态模式及其与健康老龄化结果的关系。研究背景方面，全球人口老龄化使整合照护需求急剧上升，而中国面临“未富先老”的严峻挑战。传统非正式照护已难以满足日益增长的照护需求，因此中国政府自2013年起正式推行医养结合政策，试图通过整合医疗与养老资源来提升老年人功能健康。然而，现有研究多集中于个别地方案例，缺乏全国层面可推广的实施组态；同时，很少有研究系统评估这些实施模式是否真正促进了健康老龄化政策目标；方法上也以单一方法为主，混合方法设计应用不足。为此，研究人员提出两个研究问题：何种组态能促进高水平的医养结合服务利用？这些实施模式是否与地方健康老龄化水平正相关？
研究人员基于战略行动场域（SAF）理论，将医养结合实施视为由公民、医养结合提供者和地方政府构成的多主体行动场域，设计了混合方法组态分析框架。研究样本覆盖中国27个省份（排除了西藏、新疆、宁夏、海南），条件变量年份为2013—2018年，结果变量为2014—2019年的康复和医疗门诊就诊量（RMO）。第一阶段采用面板数据模糊集定性比较分析（fsQCA），识别导致高IMEC利用率的充分组态；第二阶段将各样本在识别组态中的隶属分数作为解释变量，以省级健康老龄化指数为结果变量，采用固定效应回归分析，评估这些组态与健康老龄化水平的关联。
关键技术方法简要概括如下：研究人员整合了来自中国民政统计年鉴、国家统计局、中国市场化指数数据库以及省级政府工作报告等多源数据，构建了包含老龄化率（AGE）、人均GDP（GDP）、市场化指数（MAI）、养老机构员工床位比（SBR）、地方政府卫生支出（LIH）和政策关注度（PAN）六个条件变量的面板数据集。fsQCA分析采用75%、50%、25%百分位作为校准锚点，频率阈值设为2，原始一致性和PRI阈值分别设为0.75和0.80。随后，将每种组态的隶属分数作为自变量，通过F检验、Hausman检验和Breusch-Pagan LM检验选择固定效应模型，并加入卫生技术人员数、城市化率、基本养老金支出、老年抚养比、医院床位数和预期寿命等控制变量。
研究结果部分保留原文小标题如下：
Study 1: configurations of high-level IMEC utilisation。必要性分析显示，所有条件变量的一致性均低于0.9，说明不存在单一必要条件，高IMEC利用是由多条件组合驱动的。组态分析共识别出三种充分组态，整体一致性达0.93，整体PRI为0.91。组态1和组态2属于需求驱动型实施路径，核心条件为公民侧的老龄化率（AGE）以及政府侧的卫生支出（LIH），通常伴随较高的人均GDP，主要见于广东、江苏、山东等东部省份。组态3属于供给驱动型实施路径，核心条件为IMEC提供者侧的市场化指数（MAI）和员工床位比（SBR），同时老龄化率与政府投资也作为核心条件出现，主要代表为湖南、河北等中西部省份。稳健性检查通过调整一致性阈值和校准百分位后，新组态与原始组态一致或嵌套于其中。
Study 2: correlations between configurations and healthy ageing levels。多重共线性检查显示，除组态隶属分数间的相关外，其余相关系数均低于0.8，VIF均低于10，表明可以进行回归分析。固定效应回归结果显示，三种组态的隶属分数均与省级健康老龄化指数呈显著正相关。控制变量中，城市化率、基本养老金支出和当地预期寿命与健康老龄化水平正相关；而每万人卫生技术人员数、老年抚养比和每万人医院床位数未呈现显著关系。对变量进行1%和99%分位缩尾处理后的稳健性检验显示，结果方向、系数大小和显著性保持一致，证实回归结果稳健。
讨论部分总结指出，公民与IMEC提供者是三种实施模型中的关键驱动因素，且三种模型均在高IMEC服务利用的同时与更高的健康老龄化水平相关联。这说明强公民需求或充足的IMEC供给能力均可促进服务利用，并有益于健康老龄化。研究启示包括：政策制定者应同时激发本地需求与供给能力；SAF框架可有效结构化多主体政策实施的组态分析；地方政府应根据自身资源禀赋选择合适的实施路径。局限性方面，数据未覆盖新冠疫情期间，RMO仅反映服务利用而非直接政策产出，且第二阶段回归结果应视为关联而非因果。研究结论部分翻译如下：关于整合照护的学术文献已显著扩展，因为它有助于改善日益增长的老年人口的生活质量、维持现有养老照护体系并支持健康老龄化目标。然而，较少研究讨论IMEC利用及其在健康老龄化水平方面的政策结果。本研究通过结合fsQCA与回归分析的混合方法组态框架，考察了IMEC的实施。研究结果表明：（1）IMEC实施具有等效性：需求驱动与供给驱动组态均能产生高IMEC利用；（2）这些组态与地方健康老龄化水平正相关。这表明，提升IMEC利用并不依赖于单一主导条件，而是取决于公民需求、提供者能力与政府支持的不同组合。
