美国医疗补助行政服务中的邻近性与可及性悖论：交通障碍与空间不平等

《Travel Behaviour and Society》：The proximity–access paradox in Medicaid administrative services: Transportation barriers and spatial inequalities in the United States

　　

摘要

健康公平不仅取决于保险资格，还取决于对使保险覆盖得以实现的行政系统的可及性。我们以美国Medicaid（医疗补助）行政办公室为案例，评估了超过80,000个普查区块对最近Medicaid办公室的可及性，涵盖驾车、公共交通、骑自行车和步行四种方式，并考虑了距离和通行时间。我们发现了一个"接近–可及悖论"：尽管各交通方式到办公室的地理距离大致相似，但一旦转换为时间和交通可行性，功能性可及性则出现巨大差异。驾车时间通常较短且始终可行，而步行和公共交通往往需要更长大量时间，且超过40%的区块无法通过公共交通到达。多层次分析进一步显示，可及性随社区收入、种族构成、年龄结构、残疾患病率和州背景而系统性变化。这些发现突出了交通障碍是健康保险覆盖行政可及性的重要结构性决定因素，并表明改善健康公平不仅需要政策关注资格和覆盖面的扩大，还需要关注使人们能够到达医疗系统行政机构的交通系统。

1. 引言

随着日益扩大的不平等和碎片化的社会基础设施继续影响着保险覆盖和医疗服务的获取，健康公平已成为一个紧迫的全球性议题（Weiss等人，2018；Weiss等人，2020）。获取医疗服务不仅取决于医疗机构的可获得性，还取决于个人是否能够获得并维持保险覆盖。这一过程通常需要与负责注册、资格验证和续期的行政系统进行互动。尽管存在这种关联，关于健康公平的讨论仍然主要聚焦于医疗政策、保险覆盖范围和临床设施的地理分布（Akalin，2024；Parker，2021；Siddiqi等人，2009）。相比之下，决定资格和注册的行政系统却很少受到关注，尽管这些系统在发生任何临床接触之前便作为关键基础设施塑造着对医疗服务的获取（Lim等人，2025；Shafer等人，2024）。

美国Medicaid（医疗补助）计划就是一个典型的例子，它是旨在减少健康不平等的基石性安全网项目（Donohue等人，2022；Shafer等人，2024）。Medicaid的有效性不仅取决于谁有资格，还取决于个人能否成功应对验证资格、注册或维持福利所需的行政流程，而这些流程在实践中往往需要与面向公众的行政办公室进行互动。因此，靠近办公室并不能保证实际可及，因为这取决于交通的可用性和通行时间，而这两者又受到社会经济和种族不平等对移动能力的影响。这些问题超越了简单的地理距离，涉及通行时间、交通方式的可获得性以及不成比例地影响低收入居民和种族边缘化社区的移动限制。然而，尽管Medicaid在美国医疗系统中发挥着核心作用，且其注册流程对现场服务有大量需求，但目前仅有少量研究考察了其行政办公室的可及性在不同地域和社区之间的差异。特别是，连接这些办公室与其服务人口的交通系统仍未得到充分探索。

因此，我们调查了美国各地Medicaid办公室的空间可及性，特别关注低收入人群和种族边缘化群体。我们考察了社会经济和种族特征以及移动性相关障碍如何造成Medicaid办公室物理可及性的差异，并评估了交通基础设施如何在不同出行方式下影响这些差异。通过将Medicaid办公室的地理可及性作为医疗行政基础设施的一部分进行分析，我们旨在识别Medicaid注册和资格确认可及性中的结构性缺口，这些缺口可能 perpetuate 人们被排除在基本医疗保障之外。更广泛地说，我们展示了"接近–可及悖论"如何产生——即办公室可能在地理位置上很近，但在功能上却难以到达或根本无法到达——这种悖论源于社会经济和种族特征、交通方式和建成环境因素之间的交织。

2. 文献综述

2.1. Medicaid作为行政基础设施

Medicaid行政系统的可及性具有广泛的意义，因为Medicaid是美国规模最大的公共健康保险项目，无论从参保人数还是支出规模来看都是如此，它仍然是美国覆盖面最广的针对低收入人口的经济状况调查项目（Donohue等人，2022；Shafer等人，2024）。2020年，Medicaid支出达到约6,712亿美元，占美国总医疗支出的16.3%。到2022年，该项目覆盖了超过8,000万人，其中超过一半为种族和民族少数群体成员，使Medicaid成为历史欠服务社区获得医疗保障融资的关键机制（Donohue等人，2022）。该计划的大量扩展源于2010年的《可负担医疗法案》，该法案将有资格获得Medicaid的人群扩展到了数百万低收入成年人（MacLeod等人，2015）。

Medicaid的核心使命是向低收入人口提供财务风险保护，旨在减少植根于社会经济和种族不平等的健康差异（Brown等人，2019；Goodman-Bacon，2018）。作为面向低收入者的主要公共保险项目，Medicaid不成比例地服务于受贫困影响的群体，包括儿童、孕妇、老年人以及患有身体、智力或心理健康残疾的人士（Colello & Morton，2019）。在其历史进程中，Medicaid还受到了种族化政策决策的影响，这些决策影响着资格规则及注册途径（Lanford & Quadagno，2016；Michener，2020；Michener，2021）。这些差异不仅具有人口统计学特征，还具有空间特征，因为Medicaid的可及性是通过在各地区分布不均的行政基础设施来实现的，从而在个人能够参与该项目的方式上产生了持久的地理差异，跨越州和当地情境。

尽管Medicaid主要由联邦政府资助，联邦政府承担约70%的支出，但其由州级政府管理，赋予各州在福利实施方式和行政系统组织方式上相当大的自主权（Goda等人，2025）。这种联邦-州级安排促进了项目设计的实验和差异（Donohue等人，2022），但也导致了不均衡的执行，这受到政治优先事项和财政约束的影响，包括大多数州要求的预算平衡要求（Gruber & Sommers，2020；Michener，2018）。这种差异中一个常被忽视的维度在于Medicaid注册和资格验证所依赖的物理基础设施。各州在如何组织注册办公室方面存在显著差异。例如，一些州为Medicaid设立独立办公室，而另一些州则将Medicaid办公室与其他行政办公室合并设在较大的建筑群内（MacLeod等人，2015）。因此，Medicaid行政基础设施的空间组织及其与交通系统的联系在各地区可能存在很大的不同。

尽管近年来数字工具得到了扩展，在线门户和电话支持并未消除对Medicaid办公室现场服务的需求，特别是对于数字素养有限、住房不稳定、有语言障碍或需要复杂证件的人士（Fox等人，2020；Shafer等人，2024；Stuber & Bradley，2005）。此外，即使对于那些能够且可以在线启动流程的人士，现场访问仍然是经常需要的，以提交原始文件或验证身份，特别是在电子验证失败时，这种情况在公民身份或移民状态验证中尤为常见（Pillai等人，2025）。因此，这些实体办公室在促进注册和续期方面发挥着关键作用，帮助申请人了解资格标准、理解所需文件，并解决通常难以在非面对面互动中处理的验证问题（Lim等人，2025）。这些后勤需求塑造了应对行政负担的生活体验，并导致Medicaid注册的真实差异，特别是当到达实体办公室需要的时间、金钱或交通选择并非人人平等时。

2.2. 空间可及性的衡量

Medicaid办公室交通系统和空间可及性的意义源于当前学术研究中的两个局限。首先，从概念上看，针对医疗基础设施行政办公室的关注度远远不足。一方面，大多数关于医疗基础设施空间可及性的研究集中于临床设施的分布。交通障碍、通行时间和在公共服务提供方面的空间不平等长期以来被认为是医疗服务使用的重要决定因素，特别是对低收入和边缘化群体而言（Andersen & Aday，1978；Cuervo等人，2022；Hawthorne & Kwan，2013；James & Horne，2024；Sarabu等人，2026），但这些研究并未延伸到个人必须首先获得保险的行政办公室的空间和物理可及性。

另一方面，先前关于医疗管理的研究主要聚焦于资格规则、基于收入的合格门槛、医疗服务提供者能力或保险覆盖状态作为Medicaid参与的決定因素（Allen等人，2017；Gan等人，2025；Kenney等人，2012；Sommers & Kronick，2016）。然而，个人需要访问这些办公室才能参与该项目。从这个角度看，交通系统和空间可及性不仅通过决定人们能否到达医疗服务提供者来塑造对医疗服务的获取，还通过影响他们能否获取提供保险覆盖的公共项目来发挥作用（Arcury等人，2005；Lim等人，2025；Porell & Miltiades，2001）。这些限制可能影响个人是否能够现实地完成注册或续期流程，这些流程往往需要文件、多次访问或故障排除。

其次，在方法论上，医疗可及性通常使用直线（欧几里得）距离或网络距离来衡量（Weiss等人，2018；Weiss等人，2020）。欧几里得距离量化了起点和终点之间的直接直线距离，而网络距离则沿着道路网络追踪实际路径（dos Anjos Luis & Cabral，2016）。虽然这两种度量方法被广泛使用，但都有重要局限性。欧几里得距离忽略了现实世界的行驶路线和物理障碍，系统性地低估了实际出行成本，而网络距离反映了路径几何但并非通行的时间成本（dos Anjos Luis & Cabral，2016）。相比之下，通行时间提供了一个更具政策相关性的度量（Mao & Nekorchuk，2013）。

此外，依赖单一出行方式可能掩盖不平等，因为不同人群在汽车拥有率、交通能力和公共交通基础设施可及性方面存在差异。多模式方法明确考虑步行、骑行、公共交通和驾车，能产生更现实、更公平的可及性估计，并更好地识别脆弱群体。数字地图技术的近期进展，特别是来自Google Maps和OpenStreetMap的技术，能够实现高精度的、分模式通行时间估算，整合了当前道路网络、公交时刻表和地形约束（Weiss等人，2018；Weiss等人，2020）。这些发展代表了相对于先前可及性映射工作的重大改进，对于指导减少Medicaid获取空间不平等的干预至关重要。

3. 方法与数据

3.1. 分析样本与数据来源

我们对美国50个州和哥伦比亚特区的Medicaid行政办公室的物理可及性进行了全国性的普查区块级别分析。分析单位为普查区块，由美国人口普查局定义。选择普查区块是因为它们近似于社区尺度的地理单元，常用于小区域社会经济分析，并且可以一致地与全美社区调查（ACS）数据和人口普查地理边界相链接。

分析数据集由两个主要的公共数据来源构建。首先，Medicaid办公室位置信息来自Shafer等人（2024）开发的一个开放获取数据集，该数据集标识了美国各地提供现场注册支持的面向公众的Medicaid办公室。该数据集包含3,027个官方Medicaid办公室的地理坐标、街道地址、城市和州信息，并排除了仅用于邮寄的地址、重复列出的条目、仅用于行政的站点以及非州政府运营的实体，如私人医疗服务提供者或联邦合格医疗中心。

其次，普查区块的社会人口特征数据来自2016年至2020年全美社区调查（ACS）五年估计值。这些数据提供了区块级别的经济地位、种族和民族构成、年龄结构和残疾患病率的度量。普查区块边界和质心坐标来自美国人口普查局的拓扑整合地理编码和引用（TIGER）/线矢量数据文件。

我们对这些数据源进行了地理空间链接。地理标识符被标准化为11位数的普查区块GEOID，以便将ACS数据与TIGER/线矢量数据合并。Medicaid办公室坐标和普查区块几何图形被统一为1984年世界大地测量系统（WGS84）坐标参考系，以与TIGER/线矢量数据保持一致。然后，每个普查区块的质心被分配给地理位置上最近的Medicaid办公室。这种区块-办公室链接为估算各社区到其最近Medicaid行政办公室在多种交通方式下的通行时间提供了基础。在2.98%的区块中，最近的Medicaid办公室位于跨州边界之外。这些案例被保留以反映实际的可及模式，跨州影响在讨论部分进行了说明。

3.2.

**3.2.1. 旅行时间估计**

我们将物理可达性操作化为从每个人口普查区的质心到最近的Medicaid办事处的建模旅行时间，分别针对驾车、步行、骑行和公共交通进行估算。旅行时间使用Google Maps Distance Matrix API估算，该API整合了当前路网、限速、公交时刻表以及步行和骑行基础设施，以返回真实的、按出行方式区分的旅行时间和距离。

由于Medicaid办事处是在正常工作时间（工作日约9:00–17:00）运营的公共行政设施，我们将API出发时间设定为代表性工作日的09:00，以使估算结果反映办事处开放时的条件。这一选择体现了可达性的时间敏感性，因为旅行时间在一天的不同时段会有显著变化，取决于服务频率和班次间隔（Farber et al., 2014; Stokes and Seto, 2018; Wang et al., 2025）。公共交通估算仅基于09:00出发时间，因为公共交通可用性和旅行时间强烈依赖于服务班次、班次间隔和时段。驾车时间也使用09:00出发时间估算，以纳入白天交通状况。我们将这些估算结果与每个普查区的非高峰工作日时段（20:00后和06:00前）进行比较，以避免过度依赖单一早晨预测。对于同时拥有两种驾车时间的普查区，我们使用平均时间作为代理；对于仅获得一种驾车时间的普查区，我们使用可获得的估算值。步行和骑行时间不依赖于出发时间，使用非高峰工作日时段估算。

所有API查询均指定了出行方式，并使用公制单位（米制）表示距离和时间。返回的旅行时间和距离被转换为数值，不可解析的条目设为缺失。在统计分析中，旅行时间（以分钟计）进行了对数变换，以减少右偏性并使回归系数可被解释为相对变化。

**3.2.2. 公共交通可用性**

对于40.56%的人口普查区，Google Maps API未返回到最近Medicaid办事处的可行公交路线。由于缺乏公交路线代表实质性的可达性障碍而非普通缺失值，我们构建了一个公共交通可用性的二值指示变量。该变量在普查区质心到最近Medicaid办事处的09:00工作日出发时间至少有1条可行的公交路线时取值为1，否则为0。

**3.2.3. 社区特征**

我们选择了关键的人口普查区层面社会人口统计指标，以捕捉已知影响医疗可达性的结构性分层维度。包含两个互补的经济状况指标：家庭收入中位数（调整为2020年美元），捕捉人口普查区层面的整体富裕程度；以及贫困率，定义为联邦贫困线以下人口占总人口的百分比，捕捉经济剥夺程度。种族构成变量包括自认为非西班牙裔白人、非西班牙裔黑人、亚裔或西班牙裔的居民比例，这些变量代表每个普查区的人口结构，并允许评估Medicaid办事处获取中的种族化空间不平等。鉴于美国人口中持续存在的Medicaid登记、车辆获取和公共交通依赖方面的差异（Syed et al., 2013），这些类别至关重要。此外，65岁及以上居民的比例作为医疗需求增加、对交通障碍更敏感以及更可能依赖公共交通或定制交通服务的代理变量。报告有任何残障状况的居民百分比捕捉了可能阻碍物理获取服务的额外脆弱性维度。

**3.3. 缺失数据**

社会人口统计和经济变量的缺失率极低（<1%）。为保持完整的人口普查区覆盖率并确保各州之间的地理可比性，我们对所有低缺失率变量采用了州级均值插补。家庭收入中位数的缺失率略高（1.41%），采用相同程序处理。对于结果变量，步行、骑行和驾车旅行时间的缺失率也可忽略不计（<0.3%），在多层模型中隐式处理。

**3.4. 统计分析**

由于人口普查区嵌套于州内，且各州在Medicaid管理、交通基础设施和地理环境方面差异显著，多层建模（MLM）框架非常适合将普查区层面的关联与更广泛的州级结构区分开来。该方法使我们能够估计人口普查区的社会经济和人口特征与旅行时间之间的关系，同时通过随机截距考虑共同的州级背景。

我们估计了两组多层模型，分别对应本研究分析的两类结果：(1) 步行的、骑行的、驾车的和公共交通（如果观测到）的连续对数变换旅行时间；以及 (2) 普查区质心与最近Medicaid办事处之间是否存在可行公交路线的普查区层面二值指示变量。对于连续结果，我们估计了四种模型规格。模型I是针对每个结果的非条件随机截距模型，用于量化可归因于州间差异的方差比例，即组内相关系数（ICC）。模型II是包含普查区层面协变量的随机截距模型，作为连续结果的主要规格。模型III在模型II基础上增加了贫困率的随机斜率，模型IV在模型II基础上增加了贫困率和家庭收入中位数的随机斜率。对于二值结果，我们采用相同的建模结构，使用logistic MLM框架对所有四种模型规格进行分析。

模型II被选为主要规格。它包含了完整的普查区层面标准化协变量集（即贫困率、家庭收入中位数、白人比例、黑人比例、亚裔比例、西班牙裔比例、老年人比例和残障人口比例），针对嵌套于州$j$中的人口普查区$i$。模型II允许截距在各州之间变化。连续旅行时间结果的模型可写为：

第一层：
$$\text{Log}(TravelTime_{ij}) = \beta_{0j} + \sum_{k=1}^{K} \beta_k \cdot X_{k,ij} + \epsilon_{ij}$$
$$\epsilon_{ij} \sim N(0, \sigma^2)$$

第二层：
$$\beta_{0j} = \gamma_{00} + u_{0j}$$
$$u_{0j} \sim N(0, \tau^2)$$

其中$X_{k,ij}$是一组普查区层面协变量，$\beta_{0j}$是州$j$特有的截距，$\beta_k$是普查区层面协变量$X_{k,ij}$的固定斜率，$\epsilon_{ij}$是普查区层面误差。

对于公共交通可用性，我们估计了相应的logistic多层模型：

第一层：
$$\text{logit}(P(Y_{ij}=1)) = \beta_{0j} + \sum_{k=1}^{K} \beta_k \cdot X_{k,ij}$$

其中$Y_{ij} = \begin{cases} 1 & \text{如果有可行公交路线} \\ 0 & \text{否则} \end{cases}$，$\beta_{0j}$是州特有的截距，$\beta_k$是普查区层面协变量$X_{k,ij}$的固定斜率。误差服从Bernoulli分布。

第二层：
$$\beta_{0j} = \gamma_{00} + u_{0j}$$
$$u_{0j} \sim N(0, \tau^2)$$

其中$\gamma_{00}$是所有州的总平均截距，$u_{0j}$是捕捉州级偏离总平均值的随机截距。

我们评估了包括随机斜率模型在内的替代规格，模型比较结果见附录A。模型拟合通过拟合指数（AIC、BIC和对数似然值）、似然比检验和收敛诊断的组合进行评估。加入普查区层面协变量相较于非条件随机截距模型（模型I）显著改善了模型拟合，模型II在所有连续旅行时间结果中表现出显著更低的AIC/BIC和高度显著的似然比检验。扩展到包含随机斜率（模型III和IV）对某些结果产生了适度的额外AIC/BIC降低，但这些增益始终伴随着近零的斜率方差、非正定协方差矩阵和频繁的收敛警告。鉴于这些诊断结果，数据似乎未能提供足够的州内信息来支持贫困率或收入中位数的随机斜率；因此，模型III和IV最好被视为探索性模型。综合考虑模型拟合、简约性、可解释性和数值稳定性，模型II（包含普查区层面协变量的随机截距模型）提供了最可靠且具有实质意义的规格。因此，该模型被保留为所有连续旅行时间结果和公交可用性logistic模型的主要分析模型。

**3.5. 分析数据集可用性**

数据整合和空间处理使用Python（v3.9）配合pandas、geopandas、matplotlib、numpy和scipy进行，随后使用R进行数据库的统计分析，代码和文档受版本控制管理。核心分析脚本可在合理请求下提供。

本研究生成的分析数据集通过Zenodo公开提供（Nie et al., 2026）。重用数据集的用户应引用Zenodo数据集记录。引用研究设计、方法学方法或实质性发现的用户应引用本文。当数据集与本研究中呈现的方法或解释结合重用时，我们建议同时引用数据集和本文。

**4. 结果**

在美国83,998个人口普查区中，到最近Medicaid办事处的距离在所有出行方式间大致相似，平均距离范围为约14–16公里（见表1），然而一旦将距离转化为时间和可行性，功能可达性则存在显著差异。表1显示，驾车最快（平均时间17.65分钟），其次是骑行（平均时间54.20分钟）和公共交通（平均时间57.36分钟）。步行效率最低，平均时间为218.41分钟，尽管平均距离为16.04公里。图1还显示了强烈的模式依赖性，以及步行所需的极长时间与骑行、公交尤其是驾车相比的对比。驾车时间相对集中，仅有少数高负担离群值。相比之下，非汽车出行方式表现出更广泛且有时极端分散的分布。

**表1. 各国出行方式距离和时间的国家分布及公交可用性（N = 83,998）**

| | 均值 | 标准差 | 中位数 | 四分位距 | 缺失值 |
|---|---|---|---|---|---|
| **旅行距离（km）** | | | | | |
| 步行 | 16.04 | 21.51 | 10.77 | 14.06 | 224 (0.2667%) |
| 骑行 | 16.42 | 18.97 | 11.46 | 14.97 | 24 (0.0286%) |
| 驾车 | 16.11 | 17.91 | 11.48 | 14.77 | 49 (0.0583%) |
| 公交 | 13.82 | 16.75 | 9.52 | 12.65 | 34,069 (40.5593%) |
| **旅行时间（min）** | | | | | |
| 步行 | 218.41 | 289.24 | 148.08 | 190.80 | 224 (0.2667%) |
| 骑行 | 54.20 | 60.71 | 38.60 | 48.45 | 24 (0.0286%) |
| 驾车 | 17.65 | 13.88 | 15.00 | 11.93 | 41 (0.0488%) * |
| 公交 | 57.36 | 54.13 | 46.58 | 40.83 | 34,069 (40.5593%) |

注：SD = 标准差；IQR = 四分位距。N = 83,998个人口普查区。旅行距离和时间是由Google Maps API返回的09:00工作日出发时间按出行方式区分的值；驾车旅行时间是09:00和非高峰估算的平均值（步行和骑行时间不依赖于出发时间）。*差异可能由访问Google API时间不同所致。

**图1. 到最近Medicaid办事处旅行时间的州级分布。** 注：为可视化清晰，旅行时间超过1,500分钟的记录被排除在图表之外。这导致移除了2条（<0.01%）骑行、3条（<0.01%）公交和549条（0.65%）步行记录。无驾车记录超过此阈值。红色虚线表示100分钟。

这一模式揭示了"邻近-可达悖论"——"附近"的办事处可以方便地驾车到达，但对于非汽车出行方式却耗时过长。Medicaid办事处的功能可达性因交通方式和州级基础设施的不同而差异巨大。这一悖论在公共交通方面最为明显，因为公交可达性不仅更慢，而且往往完全缺失。在40.56%的普查区中，不存在到最近Medicaid办事处的可行公交路线（见表1），这表明是结构性公交排斥而非随机缺失。这些地区完全被排除在公交可达性之外，而不仅仅是经历更长的旅行时间。这种公交"缺失"在州际之间也极不均衡。例如，在密西西比州，90.05%的普查区没有到最近Medicaid办事处的公交路线，怀俄明州这一比例为86.88%。

**图2.** 旅行时间（不同出行方式）热点地图。注：公交旅行时间在空间上稀疏，反映了许多人口普查区有限的公交可用性。

图2显示，在国家尺度上，长距离或长时间的"热点"集中在山西部和北部大平原，东南部农村地区也有零星分布，而短途旅行则集中在东北走廊、加利福尼亚沿海和德克萨斯都市区。公交可达性尤其碎片化，可达区域集中在拼贴式的城市交通系统中，而大片地区缺乏可用的公交服务。公交模式既以缺失为特征，也以延误为特征。这些全国性模式进一步强调，Medicaid办事处只有在交通系统将人们与它们连接起来的情况下才能发挥医疗基础设施的功能。对于依赖公交的居民而言，约束条件在于出行是否可能实现，而非到办事处的地理距离。可以方便驾车到达的办事处对于主动出行或公交出行可能耗时长达不可承受，从而限制了无法驾车人群的获取。

为评估所观察到的空间异质性是否反映了有意义的州级结构而非仅仅是普查区层面的组成差异，我们检查了非条件多层模型的组内相关系数（ICC），并发现有意义的州间变异存在于Medicaid办事处的空间可达性中（完整回归结果见附录表B1–B5）。ICC范围为0.16（模型I的公交时间）至0.25（模型I的步行、骑行和驾车），表明旅行时间的总变异中约16%至25%反映了州间差异而非普查区层面特征。公交可用性的非条件logistic模型也显示出同样较高的ICC（0.27），进一步强调了州级行政和基础设施背景在塑造可达性中的作用。

这些结果证实了多层次建模框架的合理性，并强调了在估计 census tract 级别关联时考虑共享州环境的必要性。为了进一步说明各州在州际差异之外还有何不同，图3可视化了出行时间和公共交通可用性模型中的州级随机截距，展示了在考虑 tract 级别特征后各州相对于全国均值的偏离（完整回归结果见附录表B1–B5）。在所有模型中，即使调整了 tract 级别的社会经济和人口特征，各州在 Medicaid 办公室可获得性的基线水平上仍表现出明显差异。围绕总均值的显著离散度表明，一些州系统性地提供更短或更长的出行时间，或更高或更低的公共交通可用性，这与当地 tract 条件无关。这一模式支持了先前的 ICC 发现，并表明州 Medicaid 管理、交通系统和地理布局的特征对总体可获得性有重要贡献。这种变异在公共交通可用性的逻辑模型中尤为明显，其中几个州在 log-odds 尺度上向任一方向都表现出强烈偏离。

下载：下载高分辨率图像（511KB）下载：下载全尺寸图像

图3. Medicaid 办公室可获得性的州级随机效应：出行时间和公共交通可用性。注：面板(A)展示了线性多层次模型中估计的州级随机截距（最佳线性无偏预测，BLUPs，含95%置信区间），该模型估计按步行、骑自行车、开车和公共交通到最近 Medicaid 办公室的对数转换出行时间。数值代表在考虑 tract 级别协变量后各州相对于全国总均值的偏离；零对应于对数分钟尺度上的全国平均出行时间。面板(B)展示了逻辑多层次模型中估计的州级随机截距（BLUPs，含95%置信区间），该模型估计公共交通可用性，定义为至少有一条可行的公共交通路线到最近的 Medicaid 办公室。数值代表在考虑 tract 级别协变量后各州相对于全国总均值在 log-odds 尺度上的偏离；零对应于公共交通可用性的全国平均 log-odds。

最后，在通过随机截距捕捉的州级差异条件下，图4面板A显示，在四种出行方式下，tract 级别的社会经济和人口特征与出行时间之间的关联呈现出几个一致的模式（完整回归结果见附录B1–B4）。较高的贫困率与到最近 Medicaid 办公室的较短出行时间相关（步行：β = ?0.0118, p < 0.001；骑自行车：β = ?0.0106, p < 0.001；开车：β = ?0.0069, p < 0.001；公共交通：β = ?0.0093, p < 0.001）。相反，较高的家庭收入中位数与较长的出行时间相关（步行：β = 0.0078, p < 0.001；骑自行车：β = 0.0101, p < 0.001；开车：β = 0.0164, p < 0.001；公共交通：β = 0.0225, p < 0.001）。这一模式与美国贫富空间分化的特点一致——低收入社区往往位于行政中心附近，而富裕社区更多位于郊区或农村地区。种族构成也显示出一致的关联。在所有出行方式中，黑人、亚裔和西班牙裔居民比例较高的 tract 始终与较短出行时间相关，而白人居民比例则表现出较小且不稳定的关联。例如，白人居民比例较高的 tract 到最近 Medicaid 办公室的公共交通出行时间较长（β = 0.0017, p < 0.001）。老年人口比例较高的 tract 与略长的出行时间相关（步行：β = 0.0067, p < 0.001；骑自行车：β = 0.0062, p < 0.001；开车：β = 0.0053, p < 0.001；公共交通：β = 0.0042, p < 0.001），而残障人口比例则显示出较小或不一致的关联。一旦加入协变量，边际 R2 值显著增加，表明在考虑州级差异后，tract 级别的社会经济状况仍能解释出行时间变异的相当大部分。

下载：下载高分辨率图像（330KB）下载：下载全尺寸图像

图4. Medicaid 办公室可获得性的社会经济和种族固定效应估计：出行时间和公共交通可用性。注：面板(A)展示了含州级随机截距的线性多层次模型中的固定效应估计（含95%置信区间），估计按步行、骑自行车、开车和公共交通到最近 Medicaid 办公室的对数转换出行时间。负系数表示预测变量与较短出行时间相关。面板(B)展示了含州级随机截距的逻辑多层次模型中的固定效应估计（比值比及95%置信区间），估计一个 census tract 至少有一条可行公共交通路线到最近 Medicaid 办公室的可能性。比值比大于1表示公共交通可用性较高。面板(A)以存在可行路线为条件，而面板(B)则建模是否存在任何可行的公共交通路线。所有连续预测变量以百分比或每1万美元收入增量表示。

如图4面板B所示，tract 级别的社会经济和人口特征与公共交通可用性之间的估计关联，在扣除州级差异后，与连续结果模型中的固定效应估计高度一致（完整回归结果见附录B1–B5）。tract 级别贫困率每增加一个百分点，与拥有到最近 Medicaid 办公室至少一条可行公共交通路线的更高比值相关（OR = 1.0203, p < 0.001），而较高的家庭收入中位数则对应较低但无统计学意义的比值（OR = 0.9950, p = 0.171）。黑人、亚裔和西班牙裔居民比例较高的 tract 拥有公共交通可用性的更高比值（OR = 1.0360, p < 0.001；OR = 1.1004, p < 0.001；OR = 1.0348, p < 0.001，分别），而白人居民比例较高的 tract 则具有更低比值（OR = 0.9933, p < 0.001）。老年居民较多的 tract 拥有公共交通服务的可能性略有降低（OR = 0.9971, p = 0.006）。调整后模型的调节 R2 值（0.533）表明，tract 级别的社会经济特征和州级差异共同捕捉了公共交通供给变异的相当大部分。

5. 讨论

5.1. 临近—可达悖论

本研究将 Medicaid 办公室重新定位为医疗系统中的一种行政基础设施，其可获得性由交通系统与社会经济及种族不平等之间的互动塑造，而不仅仅取决于地理邻近度。尽管开车中位出行时间通常以几十分钟计，但步行和公共交通的中位出行时间往往延长至数小时乃至接近数小时，突显了一种依赖出行方式的准入机制，而非简单的远近梯度。这并不令人意外，因为公共交通虽然是对私家车辆的重要替代，但很少能匹配汽车出行的灵活性和速度（Alsnih and Hensher, 2003; Mercado and Páez, 2009; Smith et al., 2022）。与此同时，公共交通并非仅仅更慢——它往往是缺失的。这些结果确立了一种临近—可达悖论，即办公室在地图上看似"近"，但在对于无可靠汽车出行能力的人来说最重要的方式下，却因时间上不可行或不可达而遥不可及。从空间组织角度看，Medicaid 办公室的可达性在很大程度上取决于将居民与这些行政场所连接起来的交通系统。因此，当出行约束限制了将邻近度转化为实际可达性的能力时，地理邻近度本身并不能提供可获得性的完整度量。

5.2. 交通排斥

然而，距离和时间本身并不能完全反映可获得性的全貌。我们的结果表明，临近—可达悖论不仅关乎到达 Medicaid 办公室需要多长时间，还关乎这段旅程是否能够完成。这一视角与广泛的可获得性文献一致，该文献将可达性定义为人们居住地与机构服务所在地之间的出行阻抗（Guagliardo, 2004）。我们的研究凸显了出行与医疗基础设施的交叉领域，在此领域中，交通障碍不仅限制了获取医疗服务本身的能力，还限制了参与使服务在财务上可及的行政流程的能力。一方面，交通障碍是被最频繁提及的医疗服务获取障碍之一，导致错过预约、延误治疗以及中断用药依从性（Syed et al., 2013）。大量研究已经表明，交通障碍——如缺乏车辆使用权和不可靠的公共交通——会导致延误或错过医疗机构的预约，并减少对临床服务的获取（Chaiyachati et al., 2018; Guagliardo, 2004; Mseke et al., 2024; Powers et al., 2016; Purnell et al., 2016; Smith et al., 2022; Syed et al., 2013; Tsui et al., 2020; Wang and Nie, 2024; Wolfe and McDonald, 2020; Wolfe et al., 2020）。

另一方面，本研究扩展了该文献，表明类似的出行约束也可能阻碍获取为获得和维持保险覆盖所必需的行政基础设施。全国范围内，40.56%的 census tract 没有任何公共交通路线可到达最近的 Medicaid 办公室，且这种排斥在各州之间高度不均。由于 Medicaid 注册和资格复审需要反复的行政互动，如申请提交、文件提交和资格验证，在公共交通缺失或不可靠的地区，这些流程对申请人和参保人——尤其是没有私家车使用权或无法依赖主动出行方式的家庭——构成重大的行政负担。公共交通经常缺失和高度可变的出行时间这一双重现实意味着，仅以缩短出行时间为框架的改进方案可能忽视了更根本的问题。许多居民被完全排斥在网络之外，尤其是在密集城市系统以外的地区。

5.3. 交叉性不平等

与关于个人社会经济和人口特征同获取医疗基础设施之间障碍交叉关系的研究一致（Escarce et al., 1993; Fitzpatrick et al., 2004; Ghorbanzadeh et al., 2021; Grovogui et al., 2025; Kirby and Kaneda, 2006; Krieger et al., 2020; Schneider et al., 2002），我们的多层次估计表明，各群体间的可获得性差异并非均匀分布。tract 级别较高的贫困率通常与较短的出行时间相关，而较高的家庭收入中位数与较长的驾车出行时间相关。这也与近期一项使用相同数据集的研究发现相一致，该研究发现美国超过四分之三的县设有办公室，但对这些办公室的可达性因种族和族裔而异（Lim et al., 2025）。与此同时，在存在公共交通的条件下，较高的白人比例与较长的公共交通出行时间相关，而较高的黑人、亚裔和西班牙裔比例则与较短的公共交通出行时间相关（以存在路线为条件）。同时，公共交通可用性模型捕捉了一种独立的、往往更具约束力的不平等，即是否存在任何路线的概率。在完全调整的模型中，公共交通可用性随 tract 贫困率和较高的黑人及西班牙裔居民比例而增加，而较高的白人比例则与更低的可行路线比值相关。此外，与关于老年人和残障人士面临出行约束的研究一致（Bian et al., 2026; Davey, 2007; Musselwhite et al., 2015; Portegijs et al., 2020; Schwanen and Páez, 2010），我们的多层次模型显示，65岁以上老年人口和残障人口较多的 census tract 在所有出行方式下出行时间更长。这些模式表明了一种空间组织，其中 Medicaid 办公室聚集在种族多元的密集城市环境中，如城市核心区，而许多以白人为主的低密度地区则被公共交通排斥在外。

然而，我们的核心主张并非"弱势群体总是更远"，而是可达性产生于社会分层与交通基础设施的交叉地带。在非汽车出行方式下，邻近可以与排斥并存，而这种排斥的分布具有明确的地域和人口结构。缺乏私家车使用权——这与收入、年龄和残障状况密切相关——可以严重限制获取医疗和社会服务的选项（Bostock, 2001）。例如，黑人家庭缺乏私家车的概率是白人家庭的三倍以上，西班牙裔家庭是两倍以上（Labban et al., 2023）。此外，老年人面临的一个挑战是，当他们停止驾车后，基本没有其他良好的交通替代方式。因此，临近—可达悖论不仅关乎出行方式的速度，还关乎社会与基础设施约束如何决定谁能够将邻近转化为实际的可达性。

5.4. 州级背景

出行时间和公共交通可行性在州际间存在的显著差异表明，Medicaid 办公室的可达性也是州管理的政策体制的产物。尽管 Medicaid 由联邦政府提供资金，但各州在资格管理、办公室组织和管理流程方面保留了相当大的自主权（Goda et al., 2025）。这种灵活性促进了政策试验（Donohue et al., 2022），但也产生了碎片化和不均衡的实施（Gruber and Sommers, 2020; Michener, 2018）。一个常被忽视的后果是 Medicaid 办公室在物理和空间组织上的差异（MacLeod et al., 2015），以及这些配置如何与州和地区交通系统相匹配。

我们的结果表明，这些行政选择与各州特定的流动环境相互作用，产生了不同的“可达性模式”。在一些州，相对较短的驾车出行时间与普遍的公共交通缺失并存；而在其他州，虽然依靠公共交通实现可达性是可行的，但时间成本却差异巨大。这些模式突显出，可达性是由各州选择将行政职能设置在何处，以及州级和区域交通网络如何将人群与这些地点连接起来共同塑造的。从这个角度来看，各州背景不仅仅是地方差异的背景板，而是一种塑造性力量，它决定了邻近性能否转化为实际可达性的基准条件。因此，解决医疗补助（Medicaid）可达性方面的不平等，不仅需要关注当地的选址决策或个人的流动限制，还需要关注州级行政设计以及健康与交通政策之间的跨部门协调。

6. 结论

本研究显示，地理上靠近医疗补助面向公众的服务机构并不必然转化为公平的可及性，因为功能可达性取决于可用交通方式的质量、可靠性和可负担性，以及机构的空间分布。尽管不同交通方式到最近机构的距离大致相似，但一旦将距离转化为时间和可行性，功能可达性就会出现显著分化。社会经济和种族特征相互交织，共同塑造了到达医疗补助办公室的物理可达性。解决这些不平等问题，需要采取超越地理邻近性的政策方法。服务选址决策应明确考虑服务人群最常用的交通方式，尤其是针对低收入和种族边缘化社区。投资公共交通、步行和骑行基础设施，特别是在服务不足的区域，有助于缩小可达性差距。对于老年人和残障人士而言，扩大定制公交服务并将无障碍理念融入交通和街道设计是必不可少的步骤。由于障碍在各州和地方有所不同，干预措施应针对不同可达性模式进行定向实施。高密度大都市区可能从改善公共交通连通性和最后一公里可达性中获益最多，而农村及公共交通匮乏地区则可能需要通过减少出行频次而非仅缩短出行时间的移动化或区域化模式。与此同时，医疗补助机构应探索互补性解决方案，例如扩大远程医疗服务和移动登记服务，以触达那些面临持续交通障碍的人群，并积极吸纳符合条件但未投保的人群（Artiga 等，2016）。

更广泛地说，这些发现表明，关键社会项目的空间组织不仅受设施分布的影响，还受居民必须通过的交通系统及出行方式限制的塑造。因此，确保医疗补助的公平可及性，不仅需要政策关注资格和覆盖率，还需要关注那些能将名义上的邻近转化为实际可达性的基础设施条件。最终，要实现医疗补助促进健康公平的使命，就需要认识到其物理基础设施是医疗交付的关键组成部分，并确保所有社区均可访问。

本研究存在若干局限性。首先，出行时间是基于模型路线估算的，而非观测到的出行行为，因此可能无法捕捉公共交通系统中的现实世界变异性，例如等待时间或服务中断。与此相关，出行时间是基于单个代表性工作日的出发时间以及驾车出行的早晚平均时间估算的，这可能无法表征全天各时段可达性的完整分布。未来的研究可以通过估算各交通方式在正常运营时间内多个出发时间窗口的出行时间来弥补这一局限。第二，可达性是基于普查区质心测量的，因此可能无法完全捕捉区内空间异质性。第三，虽然分析指出了行政可达性方面的空间不平等，但并未直接测量医疗补助的参保结果。未来的研究可以将空间可达性指标与参保和续保结果联系起来，以更好地理解交通障碍如何转化为覆盖缺口。

资金来源

不适用。

CRediT 作者贡献声明

聂炫伊（Xuanyi Nie）：写作 – 审阅与编辑，写作 – 原稿，监督，调查，数据管理，概念化。
黄子丽（Zili Huang）：写作 – 审阅与编辑，写作 – 原稿，可视化，软件，方法论，调查，形式分析，数据管理，概念化。
于工达（Gongda Yu）：写作 – 审阅与编辑，写作 – 原稿，可视化，调查，数据管理，概念化。

聂炫伊 | 黄子丽 | 于工达
美国布法罗大学建筑与规划学院城市与区域规划系