18至64岁患有多种疾病的成年人在医疗保险覆盖中断期间的时长，以及由此导致的与费用相关的就医障碍

《Frontiers in Public Health》：Duration of health insurance coverage gaps and subsequent cost-related barriers to care among adults aged 18–64?years with multimorbidity

　　**摘要**

**目标：**研究健康保险覆盖缺口持续时间是否能够预测患有多种慢性疾病的劳动年龄成年人随后在就医过程中遇到的成本相关障碍。

**方法：**我们整合了医疗支出面板调查（Medical Expenditure Panel Survey）的第23和第24个数据组，确定了1,694名基线时至少患有两种慢性身体疾病的18-64岁成年人。第1至第2年期间的未保险月份被分为0个月、1-5个月、6-23个月或24个月三类。结果指标是第3至第4年期间任何与成本相关的就医延迟或无法获得医疗护理或处方药的情况。研究采用了基于调查权重的逻辑回归分析方法，考虑了权重、分层、主要抽样单位（PSU）、领域分析以及泰勒级数线性化处理。敏感性分析探讨了年龄分类、保险来源模式以及癌症患者的情况。2022年的美元支出数据通过加权中位数和四分位数区间进行总结，并使用具有调查意识的自举法（jackknife method）计算标准化均值的置信区间。

**结果：**在1,694名参与者中，有379人经历了与成本相关的问题。与没有保险缺口的情况相比，1-5个月的未保险期间的调整后的比值比为1.61（95%置信区间：0.94-2.77）；6-23个月的未保险期间为2.06（95%置信区间：1.17-3.63）；24个月的未保险期间为3.44（95%置信区间：1.84-6.44）。调整后的概率分别为17.4%、24.8%、29.3%和39.8%。研究结果对年龄分类和癌症患者的排除具有鲁棒性。仅持续性的未保险状况与就医成本增加显著相关，而与连续的私人保险相比则没有这种相关性。在持续性未保险与无保险缺口的情况下，加权后的总支出分别为1,235美元对比9,378美元，自付支出分别为464美元对比944美元。调整后的总支出较低（4,884美元对比26,134美元；比值为0.19；p<0.001），而自付支出没有显著差异（2,632美元对比2,229美元；比值为1.18；p=0.422）。

**结论：**较长的保险缺口与后续更高的成本相关障碍相关。尽管持续未保险的成年人自付支出没有显著减少，但总支出却降低了，这表明可能是由于医疗服务被放弃或减少了，而不是因为财务保护得到了改善。

**引言**
多重慢性疾病（定义为同时存在两种或更多种慢性疾病）是美国临床护理和卫生政策面临的一个日益严峻的挑战（1, 2）。这一问题不仅限于老年人。2018年，27.2%的美国成年人至少患有十种慢性疾病中的两种，其中18-44岁年龄段的成年人中有6.7%，45-64岁年龄段的有33.0%（3-5）。患有多种慢性疾病的成年人往往需要反复的门诊治疗、实验室监测和长期药物治疗。在2014年使用过医疗服务的成年人中，患有多种慢性疾病的人的医疗总支出是未患病人群的3倍多，自付支出则是未患病人群的2倍多（5）。因此，在18-64岁的整个年龄范围内，负担得起且连续的医疗护理在经济上具有重要意义，远早于达到医疗保险资格的时间。健康保险可以在使用医疗服务时降低实际成本，并保护家庭免受不确定医疗费用的影响，但18-64岁年龄段成年人的保险覆盖率往往不稳定。全国健康访谈调查（National Health Interview Survey）数据显示，任何时期没有保险的成年人因费用原因报告未满足医疗需求的比例明显高于持续有保险的成年人（6, 7）。纵向医疗支出面板调查（Longitudinal Medical Expenditure Panel Survey）的研究也发现，即使在《平价医疗法案》（Affordable Care Act）实施后，仍有超过四分之一的非老年人经历了保险缺口，而且保险缺口与医疗服务获取较差和服务使用减少有关（8）。这些限制对患有慢性疾病的人来说尤其严重。超过40%的患有糖尿病的非老年人来自有医疗账单困难的家庭，其中缺乏保险和合并症更多是导致这种情况的关键因素（9, 10）。与成本相关的药物不依从性也与糖尿病患者、心血管疾病患者或高血压患者的死亡率较高有关（11），最近的国家估计显示，患有四种或更多种慢性疾病的18-64岁成年人尤其容易出现这种不依从性（12）。之前的研究已经表明，保险不稳定会导致人们寻求医疗服务的地点和时间发生变化，但仍有几个问题尚未得到解答。有些人在失去保险后又重新获得了 Medicaid保险，从而推迟了门诊就诊（13）。在另一项MEPS研究中，那些至少有一年未保险的人在获得全年保险后，门诊和急诊科的就诊次数都增加了，这可能与积压的需求有关（14）。其他研究通常将保险状态分为当前有保险与无保险、连续保险与中断保险、稳定保险与不稳定保险（6, 8, 13, 14）。关于早期未保险时期的累计持续时间是否与后来测量的可负担性障碍有关，尤其是已经患有多种慢性疾病的成年人，目前了解甚少。此外，从私人保险转为公共保险而不一定意味着会出现真正的保险缺口，这方面的信息也不清楚。

对保险缺口的健康经济学评估应区分财务保护和实际医疗支出减少的情况。未保险的成年人使用的推荐医疗服务和治疗服务较少（15, 16），实验证据表明获得保险可以增加医疗使用的同时减轻财务负担（17）。因此，保险缺口后的较低支出可能反映了医疗服务被放弃或延迟，而不是财务保护的改善。自我报告的因费用原因而延迟或无法获得医疗护理或处方药的情况反映了实际存在的财务限制，而总支出和自付支出则描述了这种限制的不同后果。因此，我们使用了两个具有全国代表性的四年期MEPS家庭组成部分数据组，研究了基线时患有多种慢性疾病的18-64岁成年人。我们评估了第1至第2年的未保险月份数量是否与第3至第4年的医疗护理或处方药相关的成本障碍有关。我们还评估了保险来源模式，区分了保险来源的连续变化和真正的保险缺口，并测试了研究结果对年龄分类调整和排除癌症患者后的鲁棒性，并比较了以2022年美元计的标准化总支出和自付支出。

**方法**
2.1 **数据来源和研究设计**
我们分析了医疗支出面板调查家庭组成部分（Medical Expenditure Panel Survey Household Component, MEPS-HC）的第23和第24个数据组。第23组数据跟踪了2018年至2021年的参与者，第24组数据跟踪了2019年至2022年的参与者。我们使用了为期四年的公共使用数据文件HC-236和HC-245，并通过DUPERSID和PANEL的唯一组合将这些记录与HC-036的联合方差估计文件连接起来。这种连接提供了1996-2023年的联合方差分层（STRA9623）和主要抽样单位（PSU9623）标识符。所有12,645条纵向记录都匹配成功，没有重复的连接键。由于MEPS的公共使用数据是公开的且去标识化的，因此这项二次分析不需要机构审查委员会的审查和知情同意。

2.2 **研究人群**
参与者在第1年的年龄必须在18-61岁之间，在第4年时不得超过64岁，以确保他们在整个随访期内都在18-64岁的年龄范围内。我们要求他们在第1年完全确定所有九种慢性身体疾病，并将基线时的多种慢性疾病定义为至少有两种。符合条件的参与者还需要提供第1至第2年全部24个月的完整保险信息，以及在早期（第1-2年）和后期（第3-4年）期间所有与成本相关的障碍项目的完整信息，并且所有协变量在完全调整后的模型中都不能缺失。最终确定的分析样本包括1,694名参与者。样本分布情况见表1。

2.3 **基线时的多种慢性疾病**
第1年的九种疾病包括高血压（HIBPDXY1）、高胆固醇（CHOLDXY1）、糖尿病（DIABDXY1_M18）、心脏病（STRKDXY1）、中风（STRKDXY1）、肺气肿（EMPHDXY1）、癌症（CANCERY1）、关节炎（ARTHDXY1）和哮喘（ASTHDXY1）。心脏病是一个综合指标，包括对冠状动脉心脏病（CHDDXY1）、心绞痛（ANGIDXY1）、心肌梗死（MIDXY1）或其他心脏病的任何肯定回答；需要所有四个组别的回答。每种疾病的编码规则为：1表示存在，2表示不存在，MEPS的否定回答表示缺失。在汇总疾病数量之前，必须完整确定所有九种疾病。两种或更多种疾病的阈值符合标准的多种慢性疾病定义。选择这些疾病是因为它们是常见的、政策相关的慢性身体疾病，并且在四个年度的纵向文件中都有统一的指标。癌症被视为一种疾病，因为纵向文件提供了统一的第1年诊断指标，而癌症类型、分期、治疗状态和持续时间在不同数据组之间的表示不够一致，无法支持统一的分层。我们在一个预先指定的敏感性分析中排除了所有癌症患者，以评估这一决定的合理性。

2.4 **保险覆盖情况**
主要分析指标是第1至第2年的累计未保险月份数量，该数据来自每月的保险指标INS [month] Y1X和INS [month] Y2X。回答“1”表示有保险，回答“2”表示无保险。需要所有24个月的回答。我们将这些月份分为0个月、1-5个月、6-23个月或24个月三类；0个月组作为参考。因此，24个月组代表了整个覆盖期间的连续未保险状态。

2.5 **主要结果指标**
主要结果指标是第3至第4年期间任何与成本相关的医疗护理或处方药障碍。MEPS中有四个问题询问受访者是否因费用原因延迟了医疗护理（DLAYCA）、无法负担医疗护理（AFRDCA）、因费用原因延迟获得处方药（DLAYPM）或无法负担处方药（AFRDPM）。这些问题在第3和第4年的调查轮次中提出，共有八个可能的回答组合（DLAYCA6/8, AFRDCA6/8, DLYPM6/8, AFRDPM6/8）。如果至少有一个回答是“是”，则二元结果为1；如果所有八个回答都是“否”，则结果为0；所有八个回答都是必需的。类似的第2和第4轮问题用于定义第1-2年的早期确认窗口，需要完整的回答以保持四年随访的连续性；主要结果仅基于第6和第8轮的回答。

2.6 **协变量和时间因素**
完全调整后的模型包括：年份基础的年龄（AGEY1X）、性别（SEX）、种族和民族（RACETHX：西班牙裔、非西班牙裔白人、非西班牙裔黑人、非西班牙裔亚裔或其他种族/多种种族）、第1年的联邦贫困水平（FPL）（POVCATY1：贫困/负面、接近贫困、低收入、中等收入或高收入）、初次进入MEPS时的教育水平（EDUCYR：低于高中、高中、部分大学或学士学位及以上）、第1年的就业情况（EMPST1H：有工作或需要重返工作岗位 vs. 无工作）、第1年的婚姻状况（MARRY1X：已婚 vs. 未婚）、第1年的普查区域（REGION1）、第1年的自我评估身体健康状况（RTHLTH1：一般/较差 vs. 优秀/非常好/良好）以及第1年的九种疾病数量。性别、种族和民族是MEPS编辑/估计的特征，教育水平是参与者初次进入MEPS时记录的信息。后续轮次的更新不会替代这些基线协变量。

2.7 **缺失数据**
在1,736名符合年龄要求的基线多种慢性疾病参与者中，缺失数据的比例较低（0-1.27%）。我们对每个模型所需的变量进行了完整案例分析，没有对缺失值进行插补。完全调整后的主要分析样本包括1,694名参与者。具体计数详见补充表。

2.8 **统计分析**
我们合并了两个纵向数据组，并将四年的纵向权重（LONGWT）除以2。在限制分析队列之前，我们使用STRA9623、PSU9623和层内PSU的嵌套关系，对所有12,645条纵向记录创建了复杂调查设计。分析队列被定义为调查领域，包含117个分层和294个PSU层单元，共有177个自由度。对主要模型和敏感性模型中的方差使用了泰勒级数线性化处理。对于单个PSU的处理采用了调查软件的中心调整方法。所有检验都是双尾的，p<0.05被视为统计学上显著。我们使用未加权样本量和基于调查权重的均值或百分比，总结了完全调整后的分析样本的总体和按保险缺口分类的基线特征。首先按保险缺口类别估算了未调整的基于调查权重的结果发生率。主要关联通过具有准二项式方差函数的调查加权多变量逻辑回归进行估计，涉及的协变量已在上文列出。结果以调整后的比值比（ORs）和95%置信区间（CIs）的形式报告。通过依次设置每位参与者对每个保险缺口类别的暴露情况，预测结果，并使用调查权重对预测结果进行平均，得到了标准化协变量概率。它们的置信区间（CIs）使用了模型协方差矩阵和德尔塔方法。Wald置信区间和p值则使用了完整的177自由度混合设计。2.8.1 敏感性分析首先，我们将连续年龄分为18–34岁、35–49岁和50–64岁三个类别。其次，我们根据保险来源将无保险缺口的参与者进行了分类，使用24个月的私人保险（PRI [month]Y1/Y2）和公共保险（PUB [month]Y1X/Y2X）指标。参考组在所有24个月内都有私人保险；这个类别可能包括同时拥有公共保险的情况。只有公共保险的组在所有24个月内都没有私人保险。其他保险来源发生变化的完全保险参与者被分类为在没有缺口的保险来源转换情况。有保险空缺月份的参与者保留了1–5个月、6–23个月和24个月的类别。公共保险包括Medicare、Medicaid、TRICARE以及其他由MEPS公共保险指标代表的公共项目。第三，我们在排除了有第一年癌症诊断的参与者后，重复了主要模型。2.8.2 补充健康经济分析我们研究了第3-4年的累计总医疗支出（TOTEXPY3加TOTEXPY4）以及受访者或家庭支付的自付支出（TOTSLFY3加TOTSLFY4）。第23和第24组分别对应2020年和2021年，而第24组对应2021年和2022年。在将每年的金额相加之前，我们根据卫生保健研究与质量局的指导，将它们转换为了2022年的恒定美元金额。总支出使用了个人消费支出健康（PCE-Health）指数进行了调整，自付支出则使用了医疗保健消费者价格指数（CPI-M），方法是将每年的数值乘以2022年的指数再除以其所在历年的指数。由于支出分布包含零值且呈右偏态，我们为每个结果拟合了一个两部分模型：一个针对任何支出的基于调查权重的逻辑模型，以及一个针对有正支出的参与者使用的带有伽马分布和对数链接的基于调查权重的广义线性模型。两个部分均使用了主要的暴露和调整集。对于每个缺口类别，标准化无条件均值是任何支出预测概率与预测正支出乘积的基于调查权重的平均值。联合不确定性是通过从混合分层和PSU结构生成的分层删除一个PSU的杰克刀（JKn）重复设计估计的。在294个重复实验中，我们重新进行了拟合，并重新计算了标准化均值。我们报告了相对于无缺口组的联合95%置信区间（CIs）和直接均值差异及均值比率；基于比率的置信区间和检验是在对数尺度上使用177自由度计算的。为了描述偏态分布，我们还计算了每个保险缺口类别内的基于调查权重的无条件中位数和四分位数范围，包括有零支出的参与者。这些中位数和四分位数范围是描述性估计，未经过模型调整；统计推断基于两部分模型和调整后的标准化无条件均值。所有最终分析都是在R版本4.5.0中使用haven版本2.5.5和survey版本4.5包进行的。3 结果3.1 研究人群和缺失数据分析混合纵向文件包含12,645条记录（第23组7,080条，第24组5,565条）。其中，6,266条符合年龄标准，6,263条的全部九个健康状况组信息完整，1,736条有基线时的多重健康问题。在要求完整的月度保险暴露（n=1,732）、完整的早期和晚期结果窗口（n=1,703）以及所有模型协变量后，有1,694名参与者留在了完全调整后的分析中（表1）。在1,736名符合条件的多健康问题参与者中，年龄、性别、种族和族裔、FPL类别、健康状况数量、支出或调查设计变量均无数据缺失。教育的缺失率为0.52%，就业、婚姻状况、地区和自我评估的身体健康状况各为0.17%，自我评估的心理健康状况为0.29%，24个月的保险暴露为0.23%，晚期结果为1.27%。在1,703名结果完整的参与者中，1,346人没有保险空缺月份，130人有1–5个月的保险空缺，150人有6–23个月的保险空缺，77人全部24个月都没有保险。加权比例为82.7%、6.7%、7.5%和3.2%。持续无保险的组包括40名有该结果的参与者，因此这个小组的估计相应不那么精确。完整调整后分析样本的总体特征以及按保险缺口类别划分的特征显示在表2中。在该样本中，基于调查权重的计算，18–34岁的人群占11.0%，35–49岁的人群占29.8%，50–64岁的人群占59.2%。表2特征总体（N=1,694）0个月（n=1,340）1–5个月（n=128）6–23个月（n=149）24个月（n=77）年龄组，18–34岁146（11.0）100（9.8）22（18.1）19（21.0）5（3.6）35–49岁501（29.8）378（28.7）40（32.8）54（32.2）29（44.6）50–64岁1,047（59.2）862（61.5）66（49.1）76（46.7）43（51.8）性别，男性696（47.1）565（47.2）45（46.9）56（44.1）30（49.9）女性998（52.9）775（52.8）83（53.1）93（55.9）47（50.1）种族和族裔，西班牙裔329（13.8）201（11.1）40（27.4）47（20.8）41（40.6）非西班牙裔白人885（65.0）760（68.1）55（52.7）50（51.1）20（41.9）非西班牙裔黑人358（13.8）280（13.2）27（15.7）38（19.2）13（15.0）非西班牙裔亚洲人45（3.2）34（3.2）3（3.1）8（4.9）0（0.0）非西班牙裔其他或多个种族77（4.1）65（4.4）3（1.0）6（4.0）3（2.4）联邦贫困水平类别，贫困或低收入389（14.9）291（13.0）29（17.1）39（26.0）30（33.8）接近贫困90（3.8）65（3.6）9（6.4）12（5.4）4（2.2）低收入239（12.6）169（11.3）19（16.8）33（21.1）18（17.7）中等收入455（25.7）356（25.0）34（22.7）48（33.3）17（32.9）高收入521（43.0）459（47.2）37（37.0）17（14.2）8（13.5）教育程度，低于高中329（12.2）226（10.3）20（6.9）52（30.0）31（32.8）高中541（28.2）421（27.8）43（30.4）51（29.9）26（29.0）有些大学学历406（27.4）336（28.1）31（27.3）26（21.5）13（23.0）学士学位或更高418（32.2）357（33.8）34（35.5）20（18.7）就业状况，是1,052（71.8）817（72.2）96（78.3）93（64.4）已婚，是767（55.0）631（57.7）45（40.0）61（40.4）30（50.0）人口普查区域，东北部282（17.5）241（19.0）18（8.6）20（13.9）3（6.2）中西部332（22.2）275（23.0）20（17.9）25（20.4）12（13.7）南部703（39.7）524（37.9）55（43.4）74（46.0）50（63.0）西部377（20.6）300（20.1）35（30.2）30（19.7）12（17.1）身体健康状况一般或较差，是563（26.7）436（24.9）36（28.2）59（38.4）32（43.6）心理健康状况一般或较差，是281（13.7）221（12.9）19（13.5）26（20.0）15（18.9）基线时的身体状况组数，平均值2.82.82.82.82.72.5第1-2年期间，与费用相关的障碍，是528（27.9）333（22.7）62（41.0）87（61.0）46（56.5）MEPS第23组945（52.8）737（52.5）78（56.3）83（52.6）47（51.8）MEPS第24组749（47.2）603（47.5）50（43.7）66（47.4）30（48.2）完全调整后分析样本的总体特征以及按保险缺口持续时间划分的特征。数值为未经调整的频率，n（基于调查权重的百分比），除非另有说明。列标题中的样本大小未经调整。基线时的身体状况组数以基于调查权重的平均值表示。由于四舍五入，百分比可能不会 sum 到100.0。FPL表示联邦贫困水平；MEPS表示医疗支出小组调查。3.2 保险缺口持续时间和随后的费用相关障碍在第3-4年期间，未发生保险空缺的参与者中，与费用相关的障碍的未调整调查加权患病率为16.9%（95%置信区间，14.2–19.7%），而1-5个月的参与者为27.3%（95%置信区间，16.9–37.8%），6–23个月的参与者为33.4%（95%置信区间，21.3–45.5%），24个月的参与者为43.9%（95%置信区间，29.1–58.8%）（表3）。表3缺口持续时间n事件加权百分比（95%置信区间）调整后的OR（95%置信区间）调整后的百分比（95%置信区间）p值0个月1,34624616.9（14.2–19.7）参考值17.4（14.9–20.3）-1–5个月1303927.3（16.9–37.8）1.61（0.94–2.77）24.8（17.2–34.3）0.0836–23个月1505633.4（21.3–45.5）2.06（1.17–3.63）29.3（20.3–40.2）0.01224个月774043.9（29.1–58.8）3.44（1.84–6.44）39.8（27.9–53.0）<0.001保险缺口持续时间和随后的费用相关障碍。未调整的n、事件和加权患病率使用结果完整的队列（N=1,703）。调整后的OR和标准化概率使用完整案例模型（N=1,694；379事件）并控制了面板、年龄、性别、种族和族裔、第一年FPL类别、教育程度、就业状况、婚姻状况、地区、自我评估的身体和心理健康状况以及健康状况数量。CI表示置信区间；OR表示比值比。经过多变量调整后，与无保险空缺相比，1-5个月的OR为1.61（95%置信区间，0.94–2.77；p=0.083），6–23个月的OR为2.06（95%置信区间，1.17–3.63；p=0.012），24个月的OR为3.44（95%置信区间，1.84–6.44；p<0.001）。相应的标准化概率分别为17.4%（95%置信区间，14.9–20.3%）、24.8%（95%置信区间，17.2–34.3%）和29.3%（95%置信区间，20.3–40.2%）。因此，连续无保险的绝对概率大约比无缺口的高出22个百分点。3.3 敏感性分析将连续年龄替换为三个年龄类别后，估计结果几乎相同：OR分别为1-5个月为1.62（95%置信区间，0.94–2.78），6–23个月为2.08（95%置信区间，1.19–3.63），24个月为3.45（95%置信区间，1.83–6.48）（表4）。表4分析对比调整后的OR95%置信区间p值N（事件）分类年龄1-5个月与0个月1.620.94–2.780.081,694（379）分类年龄6-23个月与0个月2.081.19–3.630.0101,694（379）分类年龄24个月与0个月3.451.83–6.48<0.0011,694（379）保险来源仅公共保险，无缺口与全程私人保险0.560.33–0.960.0361,694（379）保险来源保险来源转换，无缺口与全程私人保险0.680.28–1.650.3901,694（379）保险来源1-5个月缺口与全程私人保险1.320.74–2.350.3461,694（379）保险来源6-23个月缺口与全程私人保险1.610.86–3.020.1391,694（379）保险来源24个月缺口与全程私人保险2.711.38–5.330.0041,694（379）排除癌症1-5个月与0个月1.991.06–3.740.0321,441（312）排除癌症6-23个月与0个月2.211.25–3.890.0061,441（312）排除癌症24个月与0个月3.721.83–7.55<0.0011,441（312）对于费用相关障碍的结果，所有模型使用的调整集与主要分析相同，ただし分类年龄模型将连续年龄替换为18–34岁、35–49岁和50–64岁。在保险来源分析中，与全程私人保险和无缺口相比，仅公共保险的OR为0.56（95%置信区间，0.33–0.96；p=0.036），而保险来源转换无保险空缺的OR分别为1.32（95%置信区间，0.74–2.35）、1.61（95%置信区间，0.86–3.02）和2.与没有保险月份的情况相比，1-5个月的保险缺口对应的调整后的比值比为1.61，6-23个月的缺口为2.06，而24个月没有保险的缺口为3.44。最短时间缺口的估计未达到传统的统计显著性，但点估计和标准化概率显示了各类别之间的渐变模式。调整后的概率从没有缺口的17.4%增加到了24个月无保险时的39.8%，绝对差异为22.4个百分点。这种最长时间的缺口也与随后总体医疗支出的显著减少有关，而调整后的自付支出并未显著降低。这些发现扩展了关于保险连续性的先前证据。早期的国家级研究将部分年度或不稳定的保险与成本相关的未满足需求、预防性护理的减少以及门诊和急诊科使用情况的变化联系起来（13, 14）。本次分析新增了四个方面的内容：它关注有持续护理需求的成年人；按月衡量保险情况；通过评估随后两年中的障碍来保持时间顺序；并区分了私人保险和公共保险之间的不间断转换与完全没有保险的时期。因此，结果表明，当不稳定性仅表示为一个二元指标时，持续时间所包含的信息会被丢失。同时，由于这是一项观察性研究，且最短时间缺口的估计不够精确，因此不应将这一模式解释为因果关系的证据。

支出结果是经济解释的核心。对于整个第1-2年都没有保险的参与者，第3-4年的标准化平均总支出为4,884美元，而没有保险缺口的参与者则为26,134美元（平均比率0.19；调整后差异为-21,249美元）。两部分模型表明，任何总支出的概率较低，且有支出的人的支出也显著较低。相比之下，标准化的自付支出平均值分别为2,632美元和2,229美元，两者之间没有统计学上的显著差异。在有自付支出的参与者中，条件平均比率为1.29，尽管其置信区间包括了零点。结合报告的成本障碍的较高发生率，这种模式与使用受抑制或护理被放弃相符，而不是财务保护得到改善。这与先前的证据一致，即没有保险的成年人获得的医疗服务较少，而获得保险可以增加医疗服务使用并减轻财务负担（5, 15-17）。支出模型无法确定具体放弃了哪些服务，因此这种解释仍然是一种解读，而非直接验证的机制。

保险来源敏感性分析进一步区分了连续性和保险来源。私人保险和公共保险之间的不间断转换与相对于整个期间仅使用私人保险而言，日后出现成本相关障碍的概率较高无关。仅使用公共保险且没有缺口的参与者，其概率较低，而24个月没有保险的类别则与较高的概率相关。其他研究发现了Medicaid、市场保险和雇主赞助保险在获取服务和财务负担方面的显著差异，随机化证据表明Medicaid可以减轻财务负担（18）。然而，我们的公共保险类别结合了不同的计划，整个期间使用私人保险可能包括同时使用公共保险的月份，而且计划的慷慨程度和资格并不是随机分配的。因此，特定来源的估计应被视为支持性的敏感性结果，而不是公共保险和私人保险之间的因果比较，也不是Medicaid特定效果。

稳健性分析支持了主要结论，并界定了其范围。将连续年龄划分为18-34岁、35-49岁和50-64岁三个类别后，得出的估计几乎相同，表明研究结果并非由假设的线性年龄效应驱动。排除患有癌症的参与者后，所有三个缺口的类别都与较高的结果概率相关，且24个月没有保险的估计值仍然较大。这减少了这种关联 solely 由广泛的癌症诊断或癌症相关治疗成本解释的担忧。尽管如此，连续无保险的组在主要队列中仅包含77名参与者和40个结果事件，因此其置信区间仍然适当地宽泛。

几种机制可能解释了暴露期后 affordability 障碍的持续存在。在无保险期间，成年人可能会推迟就诊、监测或药品配药，中断与临床医生的关系，或者失去谈判价格和护理协调的途径。先前的MEPS研究记录了在失去保险期间推迟的门诊护理以及在长期无保险后增加的使用情况（19）。对于管理多种慢性疾病的人来说，累积的未满足需求可能会增加后续护理的复杂性和费用。在没有保险的情况下产生的医疗账单也可能与未来的医疗和非医疗支出竞争。医疗账单困难与成本相关的药物不依从性与不良结果之间的强烈关联使得这些途径在临床和经济上都很重要（9, 11）。我们的数据支持后期存在财务获取限制的观点，但无法区分这些机制。

政策含义比任何单一保险计划都更为广泛：连续性本身就是保险质量的一个重要维度。收入变化、就业转换、资格规则、续保程序以及公共市场和私人市场之间的转换都可能造成保险缺口。建模研究表明，Medicaid和市场保险之间的资格变化很常见，可以通过改善跨计划的连续性的政策来缓解（19-21）。实证评估进一步表明，《平价医疗法案》下Medicaid的扩展减少了保险中断，并改善了低收入成年人的保险覆盖、获取、可负担性和慢性病护理（22-24）。当前的研究结果支持了防止可避免的保险终止、简化续保流程、协调保险来源之间的转换以及提供及时注册援助的努力。由于主要研究对象包括了来自任何保险来源的缺口，这些含义适用于更广泛的保险系统，而不仅仅是Medicaid。

这项研究有几个优势。4年的面板结构设立了了两年的暴露期，随后是两年的结果期。按月级的保险信息支持了临床可解释的持续时间分类，分析考虑了MEPS权重、分层、主要抽样单位、汇总面板权重和领域估计。标准化概率将比值比转换为绝对风险。补充的两部分支出模型使用了2022年的固定美元价值和调查知晓的jackknife置信区间来计算无条件均值和对比。结果还在不同的年龄指定、保险来源分类和癌症排除情况下进行了检验。

有几个局限性需要强调。首先，这是一项观察性研究。失业、收入波动、健康状况变化或其他冲击可能同时导致无保险月份和后来的障碍；因此不应将这些估计解释为因果关系。其次，保险和障碍措施是自我报告的，结果结合了医疗和处方护理项目。第三，多病状态的定义使用了九个身体状况组；心理健康状况未被计入，疾病严重程度信息不可用，癌症指标也比较宽泛。第四，虽然变量级别的缺失率较低，但使用了完整案例分析。第五，6-23个月的类别涵盖了广泛的暴露持续时间，且在结果完整的队列中仅包括150名参与者和56个结果事件，因此对该类别的估计应谨慎解读，有限的样本规模排除了对较长缺口异质性或持续时间-反应模式的更细致评估。24个月的组也较小，包括77名参与者和40个结果事件。第六，保险来源类别必然具有异质性，无法捕捉到福利设计、免赔额或提供商网络的信息。第七，支出分析没有按服务类型分解变化，也没有直接衡量未满足的临床需求。第八，第3-4年的保险情况未作为协变量纳入，因为它可能介导了早期缺口与后期障碍之间的关联；因此，结果描述的是先前保险历史的预后意义，而不是独立于后续保险的效果。最后，观察年份与COVID-19大流行及其相关政策变化有所重叠。对MEPS面板的调整解决了面板平均差异的问题，但无法完全区分大流行时期的护理寻求、保险覆盖和可负担性的变化。

**结论**：在18-64岁的美国成年人中，较长的无保险期与随后医疗费用或处方护理相关的更高成本障碍显著相关。两年暴露期内的连续无保险导致的调整后的障碍概率为39.8%，而没有缺口的人群为17.4%。同一群体在随后总医疗支出上显著减少，但自付支出没有相应减少，这种模式与使用受限而非财务保护得到改善相符。

**数据可用性声明**：本研究分析了公开可用的数据集。这些数据可以在以下链接找到：https://meps.ahrq.gov/mepsweb/。

**作者贡献**：YC负责资金获取、验证、数据管理、初稿写作、监督、正式分析、项目管理、概念化、可视化、审稿与编辑、软件开发、调查、资源准备和方法论制定；ZL负责调查、审稿与编辑、概念化、初稿写作；MJ负责项目管理、验证、初稿写作、审稿与编辑；TG负责软件开发、审稿与编辑、监督、初稿写作；LZ负责初稿写作、项目管理、审稿与编辑、资源准备；YL负责审稿与编辑、项目管理、调查、初稿写作、资源准备、可视化和方法论制定；XL负责审稿与编辑、资源准备、初稿写作、项目管理、数据管理、可视化和方法论制定。

**资助**：作者声明为这项工作及其发表获得了财务支持。这项工作得到了甘肃省科学技术厅自然科学基金（项目编号25JRRA339）和甘肃省卫生健康委员会研究计划（项目编号GSWSKY2022-16）的资助。

**致谢**：作者感谢医疗支出面板调查机构（Agency for Healthcare Research and Quality）提供了公开可使用的数据。

**利益冲突声明**：作者声明这项工作是在没有任何可能被视为潜在利益冲突的商业或财务关系的情况下进行的。

**生成式AI声明**：作者声明在撰写本文时没有使用生成式AI。

**补充材料**：本文的补充材料可以在以下链接找到：https://www.frontiersin.org/articles/10.3389/fpubh.2026.1965839/full#supplementary-material

**缩写说明**：
- ACA：平价医疗法案（Affordable Care Act）
- AHRQ：医疗保健研究与质量机构（Agency for Healthcare Research and Quality）
- CI：置信区间（confidence interval）
- FFCRA：家庭优先冠状病毒应对法案（Family First Coronavirus Response Act）
- MCC：多重慢性疾病（Multiple Chronic Conditions）
- MEPS：医疗支出面板调查（Medical Expenditure Panel Survey）
- MEPS-HC：医疗支出面板调查家庭组成部分（Medical Expenditure Panel Survey Household Component）
- OR：比值比（odds ratio）
- PUF：公共使用文件（Public Use File）
- RD：风险差异（risk difference）

**参考文献**：
1. Goodman, Rapposner, SF, Huang, ES, Parekh, AK, Koh, HK. 定义和测量慢性疾病：研究、政策、项目和实践的必要条件。《预防慢性疾病》（Prev Chronic Dis.）2013; 10:E66. doi: 10.5888/pcd10.120239
2. King, D, Dexiang, JP, Pilkerton, CS. 1988-2014年美国成年人的多病趋势。《美国家庭医学委员会杂志》（J Am Board Fam Med.）2018; 31:503–13. doi: 10.3122/jabfm.2018.04.180008
3. Boersma, P, Black, LI, Ward, BW. 2018年美国成年人的多重慢性疾病患病率。《预防慢性疾病》（Prev Chronic Dis.）2020; 17:E106. doi: 10.5888/pcd17.200130
4. Caraballo, C, Herrin, J, Mahajan, S, Massey, D, Lu, Y, Dumele, C, 等. 1999-2018年美国种族和族裔在多病患病率方面的时间趋势。《美国医学杂志》（Am J Med.）2022; 135:1083–1092.e14. doi: 10.1016/j.amjmed.2022.04.010
5. Soni, A. 2014年美国非机构化平民人口中患有多种慢性疾病的成年人的自付支出。《医疗保健研究与质量机构》（Agency for Healthcare Research and Quality）报告。
6. Villarroel, M, Vahratian, A, Ward, B. 2014年医疗保险连续性和医疗服务获取及利用情况。《国家卫生统计中心》（National Center for Health Statistics）报告。
7. Yabroff, K, Zhao, J, Han, X, Zheng, Z. 美国医疗财务困难的患病率和相关因素。《普通内科医学杂志》（J Gen Intern Med.）2019; 34:1494–502. doi: 10.1007/s11606-019-05002-w
8. Gai, Y, Jones, K. 2006至2016年的保险模式和不稳定情况。《BMC健康服务研究》（BMC Health Serv Res.）2020; 20:334. doi: 10.1186/s12913-020-05226-1
9. Caraballo, C, Valero-Elizondo, J, Khera, R, Mahajan, S, Grandhi, G, Virani, S, 等. 美国非老年人糖尿病患者因医疗账单而面临的财务困难及其后果。《循环心血管质量与结果》（Circ Cardiovasc Qual Outcomes）2020; 13:e006139. doi: 10.1161/CIRCOUTCOMES.119.006139
10. Grafova, I, Clifford, P, Hudson, S, Steinberg, M, O'Malley, D, Elliott, J, 等. 2019年美国收入动态调查的发现。《预防医学》（Prev Med.）2022; 164:107248. doi: 10.1016/j.ypmed.2022.107248
11. Van Alsten, S, Harris, J, K. 患有慢性疾病的患者中与成本相关的药物不依从性和死亡率：一项多年调查。《预防慢性疾病》（Prev Chronic Dis.）2020; 17:E151. doi: 10.5888/pcd17.200244
12. Amill-Rosario, A, Slejko, J, Fdos, Reis, S. 2019至2023年美国患有多种慢性疾病的成年人中与成本相关的药物不依从性的变化。《管理护理特殊药品杂志》（J Manag Care Spec Pharm.）2025; 31:662–70. doi: 10.18553/jmcp.2025.31.7.662
13. Roberts, E, Pollack, C. Medicaid 的频繁调整是否会影响医疗保健的使用？《Med Care》（2016）54:483–9，doi: 10.1097/MLR.0000000000000509，PubMed 摘要与 CrossRef、Google Scholar 可查。

14. Shafer PR, Dusetzina SB, Sabik LM, Platts-Mills TF, Stearns SC, Trogdon JG. 获得保险保障后急诊和门诊医疗服务的使用情况：一项观察性队列研究。《PLoS One》（2020）15:e0238100，doi: 10.1371/journal.pone.0238100，PubMed 摘要与 CrossRef、Google Scholar 可查。

15. McWilliams MJ. 美国成年人未投保的健康后果：最新证据及意义。《Milbank Q》（2009）87:443–94，doi: 10.1111/j.1468-0009.2009.00564.x，PubMed 摘要与 CrossRef、Google Scholar 可查。

16. Hadley J. 未投保带来的更健康问题与更贫困的生活——关于健康保险、医疗使用、健康状况、工作及收入之间关系的研究回顾。《Med Care Res Rev》（2003）60:3S–75S，doi: 10.1177/1077558703254101，PubMed 摘要与 CrossRef、Google Scholar 可查。

17. Baicker KT, Taubman SL, Allen HL, Bernstein M, Gruber JH, Newhouse J, 等。俄勒冈州的实验——Medicaid 对临床结果的影响。《N Engl J Med》（2013）368:1713–22，doi: 10.1056/NEJMsa1212321，PubMed 摘要与 CrossRef、Google Scholar 可查。

18. Saluja S, Kaplan CD, Dhupati P, McCormick D. 防止低收入和中等收入人群的财务压力：比较 Medicaid、市场保险和雇主赞助的保险。《J Gen Intern Med》（2022）37:2373–81，doi: 10.1007/s11606-021-07100-0，CrossRef 可查。

19. McIntyre A, Sommers BD, Aboulafia G, Phelan J, Orav EJ, Epstein AM, 等。Medicaid 改革过程中的覆盖范围和可及性变化。《JAMA Health Forum》（2024）5:e242193，doi: 10.1001/jamahealthforum.2024.2193，CrossRef 可查。

20. Sommers BD, Graves JA, Schwartz K, Rosenbaum S. 所有州的 Medicaid 和市场保险资格标准都将频繁变动；政策选择可以减轻影响。《Health Aff》（2014）33:700–7，doi: 10.1377/hlthaff.2013.1023，PubMed 摘要与 CrossRef 可查。