Effizienz von öffentlichen Krankenhäusern in Hainan, China: Eine Analyse mit einem vierstufigen DEA-Modell
Warum sind einige Krankenhäuser effizienter als andere? Diese Frage beschäftigt nicht nur Experten, sondern auch Patienten, die auf eine qualitativ hochwertige medizinische Versorgung angewiesen sind. In Hainan, einer Provinz im Süden Chinas, gibt es große Unterschiede in der Effizienz von öffentlichen Krankenhäusern auf Kreisebene. Diese Unterschiede können die Qualität der medizinischen Versorgung beeinflussen und müssen daher genau untersucht werden. Eine aktuelle Studie hat die Effizienz dieser Krankenhäuser von 2015 bis 2017 analysiert und Faktoren identifiziert, die diese Effizienz beeinflussen.
Die Methode der Studie
Die Studie verwendete ein sogenanntes vierstufiges Data Envelope Analysis (DEA)-Modell. DEA ist eine Methode, die die Effizienz von Organisationen wie Krankenhäusern bewertet. In dieser Studie wurden 88 Krankenhäuser aus 12 Kreisen in Hainan ausgewählt. Die Auswahl erfolgte so, dass verschiedene geografische, wirtschaftliche und bevölkerungsbezogene Faktoren berücksichtigt wurden. Die Daten wurden mit der Statistiksoftware Stata v.14.0 analysiert.
Stufe 1: Super-Effizienz DEA-Modell
In der ersten Stufe wurde ein Super-Effizienz DEA-Modell verwendet. Dieses Modell bewertet, ob ein Krankenhaus sowohl technisch effizient ist als auch die richtige Größe hat. Es hilft dabei, Faktoren zu identifizieren, die den Nutzen des Krankenhauses beeinflussen, und zeigt Möglichkeiten auf, die Ressourcen besser zu nutzen. Das Modell ermöglicht es, Krankenhäuser, die bereits effizient sind, genauer zu vergleichen.
Stufe 2: Tobit-Regression für Unausgelastetheit
In der zweiten Stufe wurde eine Tobit-Regression verwendet, um den Einfluss externer Faktoren auf die Unausgelastetheit der Krankenhäuser zu analysieren. Unausgelastetheit bedeutet, dass ein Krankenhaus mehr Ressourcen verwendet, als eigentlich nötig wäre. Die abhängige Variable in der Regression war die Gesamtmenge der Unausgelastetheit, die sich aus verschiedenen Arten von Unausgelastetheit zusammensetzt. Die unabhängigen Variablen waren Umwelteinflüsse. Ziel war es, zu verstehen, wie externe Faktoren zur Ineffizienz beitragen.
Stufe 3: Anpassung der ursprünglichen Input-Faktoren
In der dritten Stufe wurden die ursprünglichen Input-Faktoren basierend auf den Ergebnissen der Tobit-Regression angepasst. Das Ziel war es, den Einfluss externer Umweltfaktoren zu eliminieren. Krankenhäuser, die in einer besseren Umgebung arbeiten, hatten ihre Input-Faktoren erhöht. Diese Anpassung stellt sicher, dass alle Krankenhäuser unter den gleichen externen Bedingungen bewertet werden.
Stufe 4: Angepasste DEA-Analyse
In der letzten Stufe wurden die angepassten Input-Faktoren und die ursprünglichen Output-Daten verwendet, um die Super-Effizienz DEA-Analyse erneut durchzuführen. Diese Analyse lieferte neue Effizienzwerte, die die wahre Effizienz der Krankenhäuser widerspiegeln, ohne den Einfluss externer Umweltfaktoren.
Die Ergebnisse der Studie
Die Studie zeigte, dass es große Unterschiede in der Effizienz der 88 Krankenhäuser gibt. 13 Krankenhäuser erreichten eine umfassende technische Effizienz, 29 Krankenhäuser erreichten eine reine technische Effizienz, und 13 Krankenhäuser erreichten eine Skaleneffizienz. Die Tobit-Regression ergab, dass das verfügbare Einkommen der Stadtbewohner, finanzielle Zuschüsse und die Anzahl der Patienten pro Arzt pro Tag signifikante Faktoren sind, die die Effizienz beeinflussen.
Nach der Anpassung der Input-Faktoren zeigten die DEA-Ergebnisse, dass 49 Krankenhäuser im Jahr 2015, 46 im Jahr 2016 und 36 im Jahr 2017 eine verbesserte Skaleneffizienz erreichten. Diese Ergebnisse unterscheiden sich von früheren Studien, die andere Faktoren wie die gesamten Gesundheitsausgaben, das Einkommen aus medizinischen Dienstleistungen, die tägliche Arbeitsbelastung der Ärzte, die Anzahl der Krankenhausbetten und die Gesamtzahl der ambulanten Behandlungen als wichtig identifiziert hatten.
Die Bedeutung der Studie
Die Studie zeigt, dass die Berücksichtigung von Umweltvariablen in der Analyse dazu beiträgt, den Einfluss externer Faktoren auf die Bewertungsergebnisse zu kontrollieren und zu verringern. Ohne diese Anpassung wird die Effizienz eines Krankenhauses oft überschätzt. Die Studie trägt dazu bei, die Effizienz von öffentlichen Krankenhäusern in Hainan besser zu verstehen und gezielte Reformmaßnahmen zu entwickeln, um die Unterschiede zu verringern und die Gesamteffizienz der Gesundheitsversorgung zu verbessern.
Die Studie wurde durch einen Zuschuss der Natural Science Foundation of Hainan Province, China (Nr. 817139) unterstützt. Die Ergebnisse liefern wertvolle Einblicke für die Planung und Umsetzung von Maßnahmen zur Verbesserung der Effizienz im Gesundheitswesen.
doi.org/10.1097/CM9.0000000000001293
For educational purposes only.