《Applied Health Economics and Health Policy》:Causal Impact of Primary Care and Publicly Funded Health Insurance on Catastrophic Health Spending From Climate-Sensitive Diseases in India
编辑推荐:
背景:全民健康覆盖(universal health coverage, UHC)已成为卫生政策辩论的核心,尤其是作为保护家庭免受自付(out-of-pocket, OOP)支出相关财务困难和贫困的策略。包括印度在内的许多中低收入国家(low- and mid
背景:全民健康覆盖(universal health coverage, UHC)已成为卫生政策辩论的核心,尤其是作为保护家庭免受自付(out-of-pocket, OOP)支出相关财务困难和贫困的策略。包括印度在内的许多中低收入国家(low- and middle-income countries, LMICs)主要依赖公共资助健康保险(publicly funded health insurance, PFHI)来改善对OOP支出的财务保护。PFHI通常覆盖低频率、高成本的住院费用,尽管非住院费用是OOP的主要贡献因素。全球证据表明,加强初级卫生保健(primary health care, PHC)提供对于减少灾难性卫生支出(catastrophic health expenditure, CHE)至关重要。这一问题在气候敏感性疾病(climate-sensitive diseases, CSDs)背景下尤为突出,因为极端天气事件频率和强度增加导致其发病率上升,可能增加CHE风险。目标:本研究估计公共提供的PHC和PFHI对CSDs所致CHE的因果影响。方法:利用印度所有640个人口普查地区的区级数据,研究人员应用倾向得分匹配(propensity score matching, PSM)和逆概率加权(inverse probability weighting, IPW)来比较PHC和PFHI对CSDs相关CHE的影响。结果:研究结果表明,加强PHC显著减少了与CSDs相关的OOP支出和CHE,而PFHI未显示出统计学显著效应。结论:这些结果强调需要优先发展气候适应型PHC系统,以应对气候变化日益加剧的健康影响,并推动LMICs向全民健康覆盖的公平进展。
论文解读文章
**研究背景**
气候变化已显著影响人类健康,导致极端天气事件(extreme weather events, EWEs)频率和强度增加,进而提升气候敏感性疾病(climate-sensitive diseases, CSDs)的发病率。CSDs涵盖媒介传播疾病、水源性疾病、呼吸系统疾病及心代谢疾病等。根据世界卫生组织(WHO)预测,2030至2050年间气候相关紧急情况(如热应激、营养不良、疟疾)导致的年死亡人数将增加25万。在中低收入国家(low- and middle-income countries, LMICs),包括印度,家庭自付(out-of-pocket, OOP)医疗支出是导致灾难性卫生支出(catastrophic health expenditure, CHE)和贫困的主要原因。全民健康覆盖(universal health coverage, UHC)旨在通过财务保护减轻这一负担。印度主要依赖公共资助健康保险(publicly funded health insurance, PFHI)来覆盖低频率、高成本的住院费用,但非住院支出才是OOP的主要组成部分。全球证据表明,强化初级卫生保健(primary health care, PHC)是减少CHE的关键,尤其在CSDs发病上升的背景下。然而,目前缺乏同时比较PHC和PFHI对CSDs相关CHE因果影响的研究。因此,研究人员开展这项研究,以评估两种策略在印度区级层面的相对有效性。
**研究内容与结论**
本研究利用印度640个人口普查地区的区级数据,采用倾向得分匹配(propensity score matching, PSM)和逆概率加权(inverse probability weighting, IPW)两种准实验方法,估计PHC覆盖率和PFHI覆盖率对CSDs所致CHE的因果效应。结果表明,加强PHC(即降低每设施服务人口比例)显著减少OOP支出和CHE,而PFHI覆盖对CHE无统计学显著影响。这一结论强调,在LMICs中,优先发展气候适应型PHC系统比单纯扩大PFHI更能有效应对气候变化带来的健康冲击,并推动UHC的公平进展。论文发表在《Applied Health Economics and Health Policy》。
**关键技术方法**
研究人员利用印度所有640个(2011年人口普查)区级数据,整合了七项数据来源(包括全国抽样调查第75轮、全国家庭健康调查第4轮、农村卫生统计、印度气象局等)。采用倾向得分匹配(PSM)和逆概率加权(IPW)两种方法,基于IPCC第四次评估报告的脆弱性框架(暴露、敏感性、适应能力)选取匹配变量,确保处理组与对照组的可比性。PSM使用核匹配和最近邻匹配(卡钳值0.05),IPW通过逆概率重新加权创建伪总体,以消除可观测混杂偏倚。
**研究结果**
**3.1 自付支出在疾病类别中的分布及初级卫生保健、公共资助健康保险与灾难性卫生支出的描述性关联**
通过结合住院和门诊净OOP支出,发现热相关心代谢疾病和其他非传染性疾病/一般医疗条件各占家庭医疗支出的约36%,媒介传播疾病占17-18%,呼吸和水源疾病占比较小。图1显示,每初级保健设施服务人口更多的地区CHE水平更高(上升趋势线);图2箱线图显示,PFHI覆盖率较高的地区中位CHE略高于覆盖率较低的地区(但差异微小)。这些描述性关联为后续因果分析提供了初步证据。
**3.2 初步匹配诊断**
当以初级保健覆盖为处理变量时,634个观测值中98.8%的处理单元和99.2%的对照单元处于共同支持区域内,表明倾向得分重叠良好。当以PFHI为处理变量时,97%的观测值在共同支持区域内(处理组93.4%,对照组99.5%),匹配质量较高,为因果估计提供可信基础。
**3.3 估计的治疗效应**
**3.3.1 初级保健覆盖作为处理变量时的治疗效应**
使用核匹配估计的平均处理效应(average treatment effect on the treated, ATET)为1.87%(p<0.05),表明每设施服务人口比例较高的地区(即较低有效覆盖率)家庭因CSDs发生CHE的概率增加1.87个百分点。最近邻匹配(卡钳0.05)的ATET为1.50%(p<0.05),IPW的ATET为2.97%(p<0.05)。所有方法均显示统计学显著的正效应,且协变量平衡后处理组与对照组无显著差异。
**3.3.2 公共资助健康保险覆盖作为处理变量时的治疗效应**
核匹配的ATET为-0.04个百分点(p>0.05),最近邻匹配为-0.23个百分点(p>0.05),IPW为0.078个百分点(p>0.05)。所有估计的置信区间均包含零,表明PFHI覆盖对CSDs相关CHE无统计学显著影响。匹配后协变量平衡良好,但效应不显著。
**3.4 敏感性分析**
采用Altonji等的方法评估未观测混杂的影响。对于初级保健模型,delta值为-11.8,意味着未观测因素需比已观测因素强约11.8倍且方向相反才能抵消效应,表明结果稳健。对于PFHI模型,delta值为0.89,表明与已观测因素强度相似的未观测因素即可消除关联,且调整后估计不显著,说明PFHI与CHE的关联对遗漏变量敏感。
**讨论与结论**
讨论部分指出,PHC对减少CHE的作用明确,而PFHI无显著效果。加强PHC能增强卫生系统韧性,在危机期间(如Ebola、COVID-19)保持服务连续性,促进早期诊断、减少过度依赖专科服务,并改善公平性。印度自NRHM以来PHC投入不足,保险主导的私人服务模式常导致治疗成本上升,OOP支出未明显下降。研究结论(来自"Concluding Observations"部分)翻译如下:尽管印度追求UHC主要集中于扩大健康保险覆盖,但强大的PHC系统对于实现真正的全民健康覆盖至关重要。基于PSM和IPW的区级分析表明,更强PHC系统与CSDs所致CHE减少相关,而PFHI对CHE的影响仍不明确。这些发现强调政策制定者应优先加强PHC,将公共投资从保险模型转向扩展和改善PHC,以更好地保护家庭免受经济冲击,推进向公平和有韧性的UHC前进。