基于医疗保健障碍的层次模型构建及其预测美国死亡率结局的验证

《Discover Public Health》：Development of a hierarchical model to predict mortality outcomes based on healthcare barriers in the United States

　　

背景：美国某些地区在获取充分医疗保健服务方面面临重大障碍，导致健康结局差异。本研究旨在验证一个整合多个此类领域的层次模型，以更好地预测死亡率。

方法：本生态学研究（ecological study）利用2023日历年汇总至州级的横断面数据，考察与医疗保健障碍相关的因素与死亡率结局之间的关系。将标准化预测变量分为四个领域：设施缺乏（lack of facilities）、人员不足（insufficient staffing）、系统可及性缺乏（lack of system access）和成本过高（disproportionate costs）。层次回归模型（hierarchical regression models）分别预测可预防性死亡（preventable death）、全因死亡率（all-cause mortality）和婴儿死亡率（infant mortality）。

结果：层次模型解释了可预防性死亡83%的方差、全因死亡率71%的方差以及婴儿死亡率51%的方差。系统可及性和成本过高显著改善了模型，超越了设施和人员指标。关键预测因子包括缺乏宽带接入和医疗债务，两者均与较高的可预防性死亡和全因死亡率相关。健康提供者短缺地区（Health Provider Shortage Areas, HPSA）的百分比是可预防性死亡和婴儿死亡率的一个预测因子。

讨论：研究结果提供了层次模型在整合跨领域医疗保健获取障碍方面预测效用的初步验证。结果进一步挑战了以往主要关注设施和人员指标的模型，强调了可负担性和可及性等系统因素的重要性。通过优先采取针对可及性和成本障碍的干预措施，政策制定者可更有效地减少死亡率结局方面的差异。

研究背景与问题：美国医疗保健服务分布不均，不同地理、人口和社会经济群体的健康结局存在显著差异。农村地区死亡率较高，少数族裔和低收入人群面临更多健康风险。这些差异部分源于医疗保健获取障碍，包括社会、经济、后勤、态度、文化和结构等多方面因素。为概念化这些障碍，研究者提出“医疗荒漠”概念，但现行操作定义多侧重于设施和人员指标，忽视了可及性和成本。最近一份共识声明将医疗荒漠定义为“人口医疗需求因缺乏充分可及性或医疗服务质量不当而未得到满足的区域”，并提出由设施、人员、系统可及性和成本构成的四领域层次结构。然而，尚无研究对该层次模型进行实证验证。为此，本研究旨在检验这一层次模型在预测死亡率结局中的效用，为政策制定提供依据。

研究人员利用2023日历年的州级汇总横断面数据（N=51，含哥伦比亚特区），构建生态学研究，将标准化预测变量分成四个领域：设施缺乏、人员不足、系统可及性缺乏和成本过高。采用层次回归模型分别预测可预防性死亡、全因死亡率和婴儿死亡率。结果显示，层次模型的预测能力随层次递进而提高，最终模型解释了可预防性死亡83%的方差、全因死亡率71%的方差和婴儿死亡率51%的方差。加入系统可及性和成本显著改善了模型，表明这些领域比单纯的设施和人员指标更重要。关键预测因子包括缺乏宽带接入和医疗债务，两者均与较高的可预防性死亡和全因死亡率相关；健康提供者短缺地区（Health Provider Shortage Areas, HPSA）百分比则预测可预防性死亡和婴儿死亡率。这些发现验证了共识定义，并强调了可负担性和可及性等系统因素在减少死亡率差异中的重要性。政策制定者若优先针对可及性和成本障碍采取干预，可更有效地降低死亡率。

关键技术方法：本研究为生态学研究，使用2023日历年的州级横断面数据（N=51，含哥伦比亚特区）。数据来源包括美国医院协会年度调查、USARx、卫生资源与服务管理局统一数据系统、卫生人力局、医疗支出面板调查保险部分、联邦基金、美国社区调查、行为风险因素监测系统及疾病控制与预防中心。所有变量标准化为z分数，按层次顺序进入回归模型：设施缺乏（医院床位、药房、联邦合格健康中心）→人员不足（HPSA百分比）→系统可及性缺乏（无保险比例、缺少初级保健提供者、宽带接入）→成本过高（保险成本占收入比、医疗债务）。结局包括可预防性死亡、全因死亡率和婴儿死亡率。通过层次回归分析每一步的R²变化。

研究结果：

可预防性死亡：在预测可预防性死亡的模型中，设施缺乏领域解释了27%的方差（F(3,47)=5.84, p=.002, R²=0.27），更多医院床位预测更高的可预防性死亡（b=0.59）。加入人员不足领域后，模型方差显著增加（ΔR²=0.30），HPSA百分比越高，可预防性死亡越高（b=0.59）。加入系统可及性领域后，ΔR²=0.21，其中缺少初级保健提供者与较低可预防性死亡相关（b=-0.28），无保险比例与较高可预防性死亡相关（b=0.33），而宽带接入与较低可预防性死亡相关（b=-0.52）。加入成本过高领域后，ΔR²=0.05，医疗债务预测更高的可预防性死亡（b=0.36）。最终模型解释83%的方差，四个预测因子显著：联邦合格健康中心数量、HPSA百分比、医疗债务和宽带接入。

全因死亡率：在预测全因死亡率的模型中，设施缺乏领域未显著解释方差（R²=0.13, p=.09），但医院床位预测更高死亡率（b=0.35）。加入人员不足后，ΔR²=0.17，HPSA百分比预测更高死亡率（b=0.45）。加入系统可及性后，ΔR²=0.35，缺少初级保健提供者与较低死亡率相关（b=-0.40），无保险比例与较高死亡率相关（b=0.45），宽带接入与较低死亡率相关（b=-0.64）。加入成本过高后，ΔR²=0.06，医疗债务预测更高死亡率（b=0.37）。最终模型解释71%的方差，三个显著预测因子：缺少初级保健提供者、宽带接入和医疗债务。

婴儿死亡率：在预测婴儿死亡率的模型中，设施缺乏领域解释了18%的方差（R²=0.18, p=.025），医院床位预测更高婴儿死亡率（b=0.50）。加入人员不足后，ΔR²=0.18，HPSA百分比预测更高婴儿死亡率（b=0.47）。加入系统可及性后，ΔR²=0.12，无保险比例与较高婴儿死亡率相关（b=0.47）。加入成本过高后未显著增加方差（ΔR²=0.03）。最终模型解释51%的方差，仅HPSA百分比是显著预测因子。

讨论总结：研究结果验证了层次模型的预测效用，说明整合设施、人员、可及性和成本能更好地预测死亡率。医疗债务和宽带接入是重要预测因子，提示成本和互联网获取可能是就医决策的总体考虑。HPSA百分比预测可预防性死亡和婴儿死亡率，提示在短缺地区应强化围产期保健和可预防死亡相关服务。无保险比例在控制保险成本后不再显著，表明补贴保险成本可能是有效的政策方向。医院床位在最终模型中不再显著，反映出床位数作为容量指标可能不充分。缺少初级保健提供者与较低全因死亡率相关，可能由于年轻成年人风险低且较少建立初级保健关系。联邦合格健康中心数量与较高可预防性死亡相关，可能反映潜在人群健康风险较高。

结论翻译：本研究对医疗保健障碍的考察表明，层次模型有望更好地理解和解决美国医疗保健障碍。通过整合设施、人员、可及性和成本领域，该框架提供了识别跨领域障碍如何影响死亡率结局的细致手段。尽管设施和人员可用性等指标很重要，但仅凭这些因素不足以完全解释健康结局差异。通过优先采取与层次结构一致并强调可及性和成本障碍的干预措施，州级政策制定者可能能够更有效地减轻这些差异。