医疗服务的成本效益分析

在当代中国医疗改革的背景下，如何合理配置有限的医疗资源成为一个关键问题。随着人口老龄化程度加深、慢性疾病发病率持续上升，以及医疗技术不断进步，医疗服务的需求和供给结构都在发生深刻变化。政府和医疗机构不仅要面对医疗费用快速增长的压力，还要兼顾公平性与效率性的双重目标。在这种复杂背景下，单纯依靠经验或行政指令已难以满足科学决策的需要。

因此，运用科学的分析方法来评估各种医疗决策的经济影响变得尤为重要。成本效益分析（Cost-Benefit Analysis, CBA）正是这样一个核心工具。它通过系统地比较不同医疗干预措施的成本与预期效益，帮助我们量化医疗投入与产出之间的关系。例如，在引入一种新药物、推广某项筛查项目或优化医疗服务流程时，成本效益分析能够为决策者提供客观的数据支持，明确每一元投入能够带来多少健康收益或社会回报。

此外，成本效益分析不仅适用于宏观层面的政策制定，也广泛应用于医院管理、医保支付、公共卫生项目评估等具体实践中。通过这一工具，政策制定者可以更好地权衡短期与长期利益，优化资源配置，提升医疗体系的整体绩效。随着中国医疗卫生体制改革的不断深入，成本效益分析将在推动医疗服务高质量发展、实现全民健康目标中发挥越来越重要的作用。

---

医疗成本识别分析

医疗成本的构成要素

当我们谈论一项医疗干预措施的总成本时，需要从全社会的角度进行综合考量。以新冠疫情期间的核酸检测为例，其社会总成本包括三个主要组成部分。

直接医疗成本包括检测试剂的采购费用、医护人员的工资、检测设备的运营维护费用以及相关的医疗设施使用成本。这部分费用相对容易量化，因为它们都有明确的市场价格或会计记录。

直接非医疗成本涉及患者和社会其他成员承担的货币支出。对于接受核酸检测的市民而言，这包括往返检测点的交通费用、因检测而产生的误工损失、以及可能需要的隔离期间的额外生活费用。对于用人单位而言，员工参与检测可能导致的工作时间减少也是一项实际成本。

间接成本主要指时间成本和机会成本。市民排队等待检测的时间、医护人员投入检测工作而无法从事其他医疗服务的机会损失，都属于这一类别。特别是在大规模核酸筛查期间，这种时间成本往往十分庞大。

中国医疗成本的实证研究

近年来中国学者对主要疾病的经济负担进行了深入研究。以糖尿病为例，根据2020年的统计数据，中国糖尿病的年度经济负担约为人民币1090亿元，其中直接医疗费用占60%，间接费用如劳动生产率损失占40%。

---

成本效益分析的基本原理

理性决策的经济学基础

在医疗资源配置决策中，决策者需要在有限的预算约束下，追求社会福利的最大化。这一过程实际类似于我们在生活中权衡购物或投资时的理性取舍，只是其涉及的对象范围、参与主体以及复杂性更高。

经济学普遍假定决策者是理性的，即能够对所有可选方案按其带来的效益高低进行比较和排序，并倾向于选择净收益最大的方案。在医疗政策制定情境下，这种理性行为具体体现为对各类干预措施的成本与效益做系统、量化的对比分析。

决策的基本原则可以用如下公式表达：

$$NB^e(X) = B^e(X) - C^e(X)$$

其中，$X$代表某项具体的医疗干预措施，$B^e(X)$表示该措施的预期效益，$C^e(X)$则是预期成本，$NB^e(X)$为净效益。只有当 $NB^e(X) > 0$ 时，实行该项措施能够为社会带来总福利的净增。

假设卫生部门需要决定是否投放一种新型流感疫苗。如果该疫苗的预期带来的人群健康收益换算的货币价值为 $B^e(X) = 5000$ 万元，实施疫苗接种的总成本为 $C^e(X) = 2000$ 万元，则 $NB^e(X) = 5000 - 2000 = 3000$ 万元，即净社会效益为 3000 万元，值得推广。

社会净效益最大化模型

为了更直观地理解上述原理，可以构建一个社会净效益最大化模型。假定管理者要决定某项医疗服务的最佳供给水平。

医疗服务的总社会净效益可表示为：

$$TNSB(Q) = TSB(Q) - TSC(Q)$$

其中，$Q$ 是医疗服务的供给数量，$TSB(Q)$ 表示总社会效益（如减少发病、提升生产力），$TSC(Q)$ 代表总社会成本（如资金投入、资源耗费、时间机会成本等）。

从经济学边际分析的视角来看，最优供给量应满足：

$$MSB(Q) = MSC(Q)$$

其中 $MSB(Q)$ 是边际社会效益，$MSC(Q)$ 是边际社会成本。

例如，若某地政府计划建设基层健康体检中心，设计年服务量为 $Q$，当 $MSB(Q) > MSC(Q)$（点F），说明增加体检项目对社会产生的附加效益高于新增成本，继续扩充有利于社会；而如 $MSB(Q) < MSC(Q)$（点G），扩充过度则浪费医疗资源，反而不利社会长远发展。均衡点 $E$ 对应的 $Q$ 就是最优供给量。

---

成本效益分析的实际应用

效益计量的挑战

在实际操作中，医疗干预的“效益”并非只有单一维度。通常应包括下列四类：

• 避免的直接医疗成本：例如，通过新生儿疾病筛查，能避免因延误诊断而产生的高额住院费用。
• 避免的生产力损失：如慢性病有效管理可减少工人因病缺勤或失能，从而提升社会整体生产力。
• 挽救生命的经济价值：涉及生命价值的货币化评估，方法上既有争议，又有多样（如人力资本法、支付意愿法等）。
• 改善生活质量的价值：如减少因疾病带来的痛苦、焦虑，提高患者的生活满意义和健康寿命，这部分难于直接折算为金钱，但在决策中非常重要。

以肺癌早期筛查为例，一项新的低剂量CT筛查项目投入后，不但减少了由于晚诊带来的高额治疗费用，还通过早期治愈显著降低了劳动人口的损失，甚至提升患者家庭的幸福指数，综合效益远高于初期投入成本。

贴现率的选择

医疗项目的成本和效益往往分布在不同年份，直接相加可能导致误判。因此，引入贴现（discounting）机制至关重要，其核心在于用当前价值对未来费用和效益进行统一衡量。

现值的通用公式如下：

$$PV = \sum_{t=1}^{T} \frac{B_t - C_t}{(1+r)^t}$$

其中 $B_t$ 为第 $t$ 年的效益，$C_t$ 为第 $t$ 年成本，$r$ 是贴现率，$T$ 是总项目期数。

在实际分析中，中国多采用 $r=3\%-5\%$ 之间的贴现率。如果选择偏高，长期效益被低估，短期项目显得更有吸引力；反之，贴现率过低，则未来效益权重不合理增大，易出现资源错配。

生命价值的评估方法

人力资本法是一种传统、但易于操作的思路，将个人的生命价值近似看作其未来预期收入的现值。其公式为：

$$V_{life} = \sum_{t=1}^{T} \frac{W_t (1-m_t)}{(1+r)^t}$$

其中 $W_t$ 是第 $t$ 年的预计收入，$m_t$ 为死亡风险概率。

不过，这种方法没有将生活本身的主观幸福感和非市场价值因素计入，同时会因收入分布不均带来社会公平悖论。

支付意愿法（Willingness To Pay, WTP）则通过调查人们愿为降低自身死亡风险支付多少钱进行推断。例如，居民平均愿意为购置某种安全头盔多支付500元，以降低十万分之一的死亡概率，那么该群体的统计生命价值是 $500/10^{-5} = 5000$ 万元。这一方法更贴近现实决策情境，在国外已广泛用于道路交通、环境卫生等生命价值分析中。

公共卫生项目的成本效益案例分析

以老年流感疫苗强化接种为例，结合近期各地人群基础数据，假设目标60岁以上人群1亿人，接种覆盖率目标80%。

成本方面，包括：

效益方面，包括：

• 避免的住院治疗费用：据流感防控历史数据，80%覆盖下可每年减少重症3万例，单例平均住院费用为4万元，合计节省 $4 \times 3 = 12$ 亿元；
• 减少老人因并发症死亡的生命价值提升：假设WTP估算人均生命价值100万元，年均可减少流感相关死亡4000人，经济价值 $4000 \times 100 = 4$ 亿元；
• 提升家庭生活质量、缓解卫生系统压力等间接社会回报：根据预防性卫生技术评估估算，约30亿元；
• 提升社会生产力：避免照护开支和因照护请假损失，大致测算约10亿元。

所有效益合计 $B^e(X) \approx 56$ 亿元。

则净效益为：

$$NB^e(X) = B^e(X) - C^e(X) = 56 - 156 = -100~\text{亿元}$$

不过若将远期多年度、长期效益折算贴现并计入延龄效应、社会外部性，净效益有进一步转正的可能。类似案例说明，成本效益分析不仅关注静态数据，更需结合模型框架、时间分布与情景推演作综合考量。

下表为不同覆盖水平下的成本与效益估算：

由上表可见，在常规短周期计算下，疫苗推广的净效益为负。但如考虑间接、社会外溢效益（如疫情期间医疗系统腾挪空间、经济活动持续性），加之远期贴现调整，长期社会回报则更为可观。实际上，全球范围内损益核算也显示，很多公共卫生项目短期账面效益有限，但长期社会价值极高。

因此，建议决策部门采用多维度、全生命周期分析，结合社会预算、公众接受度、病原变异趋势等敏感因素，动态调整政策，确保卫生资源使用的科学性和效益最大化。

---

成本效用分析

如何量化生命质量

在传统的成本效益分析中，通常假设每挽救一年生命的价值相同，但实际上，不同健康状态下的生命年质量差异是显著的。成本效用分析（Cost-Utility Analysis, CUA）通过引入“质量调整生命年”（Quality-Adjusted Life Year, QALY）这一核心指标，将生存年数与生活质量进行综合考量，实现经济效益与健康效用的统一衡量。

QALY的数学表达式为：

$$QALY = \text{生存年数} \times \text{生活质量指数}$$

其中，生活质量指数（utility weight）用 $u$ 表示，范围通常在 $0$ 到 $1$ 之间，$u=1$ 代表完全健康的理想状态，$u=0$ 意味着死亡。例如：一个患者预期生存 $3$ 年，健康状态得分 $u=0.7$，则其获得的QALY为 $3 \times 0.7 = 2.1$。

健康效用值的常用测量方法

1. 评分法（Rating Scale，或视觉模拟量表VAS）
   受访者对某一健康状态在 $0$（最差，即死亡）到 $100$（最佳健康）之间进行主观打分，后将分值标准化到 $[0, 1]$ 区间。例如：某慢性病状态评分为 $60$，则其效用值 $u=0.6$。

2. 标准博弈法（Standard Gamble, SG）
   受试者在以下两种选择中做判断：

   • 永远处于某种既定的健康状态 $H$，
   • 接受一种治疗，有概率 $p$ 完全恢复健康（$u=1$），概率 $1-p$ 死亡（$u=0$）。
     不断调整 $p$，直到受试者两者之间无偏好，即该健康状态的效用值 $u=p$。

   例如：如果当 $p=0.8$ 时，患者对体验 $H$ 与接受赌局两者感受相同，则 $H$ 的效用值 $u=0.8$。

3. 时间权衡法（Time Trade-Off, TTO）
   询问受访者愿意放弃多少年的生命以换取完全健康的生活。例如：假设病人认为 $10$ 年的完全健康等价于 $15$ 年患慢性病状态，则该健康状态效用值为 $u=\frac{10}{15}=0.67$。

上述方法各有优缺点，实际应用中通常结合多种工具（如EQ-5D、SF-6D等量表）以获得更具代表性的效用值。

中国的健康技术评估与QALY案例

中国国家医疗保障局和相关部门在药品/医疗技术准入与支付体系中日益重视成本效用分析。以某创新型抗心衰药为例，假设进行如下经济评价：

增量成本效用比（Incremental Cost-Utility Ratio, ICUR）计算公式为：

$$ICUR = \frac{\text{新治疗成本} - \text{常规治疗成本}}{\text{新治疗QALYs} - \text{常规治疗QALYs}} = \frac{30 - 10}{2.16 - 0.98} = \frac{20}{1.18} \approx 16.95~\text{万元/QALY}$$

目前，国际上通常以“3倍人均GDP/QALY”作为阈值线。如果2023年中国人均GDP约为 $12.8$ 万元，则ICUR低于 $3\times12.8=38.4$ 万元/QALY 的方案可视为具有良好经济性。如果实际ICUR $<38.4$ 万元/QALY，则该方案推荐纳入医保。

---

医疗技术成本效益评估

数字医疗技术的经济评价

以远程糖尿病管理系统为例，随着AI辅助诊断、移动健康设备等新兴技术落地，对其经济效果的系统评估日益重要。

药物及医疗干预经济学评价框架

根据中国药监局、医保局发布的《药物与技术经济学评价标准》，常见分析类型说明如下：

---

政策制定中的应用

在中国医疗健康领域，经济学评估方法正被广泛用于辅助政策制定和资源配置。例如，在医保药品目录更新、医疗创新技术引入、公共卫生项目立项等重要环节，相关部门越来越重视系统性的成本-效益评估，以便在有限预算下优选干预方案，实现公平和高效的决策目标。以往经验型政策已无法满足快速变化与复杂多元的现实需求，量化分析为决策提供了数据基础，使不同利益相关方能够就政策措施达成更具共识的判断。

同时，随着人口老龄化、疾病谱转变及新兴健康问题的出现，医疗支出增长带来的压力愈发明显。对各种干预措施开展包括成本-效果比、健康产出、长期投入回报等多维度分析，已经成为提升政策制定科学性的必要环节。通过灵活应用情景推演或敏感性检验等工具，政策制定者能更加清晰发现不确定性影响，优化资源调配方式，增强政策的可持续性和韧性。

总体来看，发展完善的成本效益分析体系，有助于推动卫生资源合理配置与医疗服务均衡普及，为健康中国战略提供技术支撑。未来，伴随大数据、智能决策等新技术的应用，成本效益分析将更高效地服务于政策优化与实践评估，提高中国卫生健康治理的现代化水平。