我国城乡医疗服务质量影响因素研究

doi:10.12677/ass.2025.147647

期刊菜单

我国城乡医疗服务质量影响因素研究
Research on the Determinants of Healthcare Service Quality in Urban and Rural China

DOI: 10.12677/ass.2025.147647, PDF, HTML, XML,
作者: 杨丹, 谭雯珊^*：重庆医科大学公共卫生学院，重庆
关键词: 医疗服务质量；多元线性回归模型；熵值法；城乡差异；Healthcare Service Quality； Multiple Linear Regression Model； Entropy Weight Method； Urban-Rural Disparity

摘要: 本研究旨在探究我国城乡医疗服务质量的主要影响因素，并揭示其中的城乡差异。基于整合的中国家庭追踪调查数据，构建医疗服务质量评价指标体系，采用熵值法计算综合质量得分，并运用多元线性回归模型对其影响因素进行分析。研究结果表明，我国城乡居民医疗服务质量的影响因素存在显著差异。性别、学历、是否患有慢性病以及就诊机构类型等外部个体因素对医疗服务质量具有显著影响，而雇主是否提供医保与服务质量之间无显著关联。在技术层面，城乡医疗资源配置对居民的服务质量感知具有关键作用，三级医院数量、门诊费用及基层医疗机构数量等因素与服务质量密切相关。基于上述发现，建议政府加大对农村及欠发达地区医疗资源的投入，提升基层医疗服务能力，推动实现城乡医疗服务的公平与质量同步提升。

Abstract: This study aims to explore the key determinants of healthcare service quality in urban and rural China and to reveal the disparities between the two. Based on integrated data from the China Family Panel Studies (CFPS), a healthcare service quality evaluation index system was constructed. The entropy weight method was employed to calculate a comprehensive quality score, followed by multiple linear regression analysis to identify influencing factors. The results indicate significant differences in the determinants of healthcare service quality between urban and rural areas. Individual-level factors such as gender, educational attainment, presence of chronic diseases, and type of healthcare institution significantly affect perceived service quality, while employer-provided health insurance shows no significant association. At the technical level, regional healthcare resource allocation plays a crucial role. The number of tertiary hospitals, outpatient costs, and the availability of primary care facilities are all significantly related to perceived service quality. These findings suggest that increased investment in rural and underdeveloped regions and enhancement of primary healthcare services are essential to promoting equity and improving the overall quality of healthcare services across urban and rural areas.

文章引用：杨丹, 谭雯珊. 我国城乡医疗服务质量影响因素研究[J]. 社会科学前沿, 2025, 14(7): 556-564. https://doi.org/10.12677/ass.2025.147647

1. 引言

健康是人的基本需求，也是经济社会可持续发展的基础。随着我国经济持续发展和人口老龄化进程的加快，人民群众对医疗服务的数量和质量提出了更高要求。然而，当前我国医疗资源在空间分布上仍存在显著不均，优质医疗资源过度集中于大城市和发达地区，严重制约了“全民健康”战略目标的实现[1]。

近年来，国内学者对我国医疗服务的发展状况进行了多维度的评估。部分研究通过选取人均床位数、人均执业医师数等结构性指标构建评价体系，借助熵值法等客观赋权方法对指标进行整合，以衡量各地区医疗服务的发展水平[2] [3]。另一些学者则从效率视角出发，运用数据包络分析(DEA)方法对医疗服务效率进行量化评估，揭示医疗资源利用过程中的冗余与不足[4] [5]。

在此基础上，越来越多的研究开始关注医疗服务质量的影响机制，相关文献大致可归纳为两个主要研究路径[6]：一是聚焦外部社会结构性因素的作用，如居民收入水平、城乡差异、医保制度覆盖范围、文化背景等。这些因素通过影响医疗服务的可及性、公平性和可负担性，间接作用于居民对医疗服务质量的主观感知；二是着眼于医疗服务自身的内部技术性因素，从医疗机构、医保政策和医务人员等多维视角出发，深入剖析影响医疗服务质量的核心要素[7]。上述研究在识别关键影响因素、优化资源配置与提升服务效率等方面提供了重要参考。然而，现有研究多聚焦于宏观层面的供给能力评价，缺乏从居民视角出发对医疗服务质量主观感知的微观实证分析。

本研究基于全国大规模居民调查数据，构建涵盖结构、过程与结果三个维度的医疗服务质量评价指标体系[8]，运用熵值法科学测算质量得分，并采用多元线性回归模型系统分析个体层面与地区层面(包括医疗机构和医保制度)因素对医疗服务质量感知的影响机制。同时，进一步探讨城乡之间在感知医疗服务质量方面的异质性效应。研究旨在为推动优质医疗资源均衡配置、优化医疗服务体系及提升居民就医满意度提供实证支持与政策参考。

2. 研究设计

2.1. 研究对象

本研究基于2022年中国家庭追踪调查(China Family Panel Studies, CFPS)、《中国卫生健康统计年鉴》和《中国医疗保障发展统计公报》三类权威数据来源，进行数据匹配与整合。经数据清洗与处理后，最终获得有效样本量为26,656个。对于少量缺失值和异常值，采用线性插值法进行合理填补，以提高数据的完整性和分析结果的稳健性。

2.2. 医疗服务质量评价指标体系构建

结合医疗服务行业的特点和“健康中国”战略要求，并参考相关文献经验，基于“结构–过程–结果”质量评价三维理论，考虑到数据的连贯性与可获得性，共选取12个指标构建医疗服务质量评价指标体系(见下页表1) [9]。在评价方法上，本文采用熵值法，分别对评价体系的维度和指标层进行客观赋权。首先，计算12个指标的熵值；其次，通过指标熵值计算出其所在维度的熵值；最后，通过维度熵值计算各维度的权重。表1报告了医疗服务质量评价指标体系各层级的熵值和权重分配情况。

2.3. 研究方法

2.3.1. 熵值法

熵值法(Entropy Weight Method, EWM)是一种客观赋权方法[10]，常用于综合评价指标体系中。熵值法(Entropy Weight Method, EWM)是一种客观赋权方法[10]，常用于综合评价指标体系中，通过衡量指标的信息熵来确定各指标的权重，反映其在综合评价中的相对重要性。本文使用熵值法测度医疗服务质量，以下是熵值法的具体步骤。本文使用熵值法测度医疗服务质量，以下是熵值法的具体步骤。

1) 指标标准化处理

由于各项指标的量纲和数值范围不同，首先对原始数据进行无量纲化处理。采用极差标准化方法。

将正向指标(指标值越大表示质量越高)处理如下：

$\begin{matrix} Z_{i j} = \frac{x_{i j} - \min (x_{j})}{\max (x_{j}) - \min (x_{j})} \end{matrix}$

负向指标(指标值越大表示质量越低)处理如下：

$\begin{matrix} Z_{i j} = \frac{\max (x_{j}) - x_{i j}}{\max (x_{j}) - \min (x_{j})} \end{matrix}$

其中， $Z_{i j}$ 表示第j个指标在第i个样本中的标准化值， $x_{i j}$ 为原始值。

2) 熵值法确定指标权重

熵值法是一种客观赋权方法，通过衡量指标的信息熵来判断其区分度。具体步骤如下：

计算第j个指标在第i个样本中的比重：

$\begin{matrix} p_{i j} = \frac{Z_{i j}}{\sum_{i = 1}^{n} Z_{i j}} \end{matrix}$

3) 计算第j个指标的信息熵：

$\begin{matrix} e_{j} = - k \sum_{i = 1}^{n} p_{i j} \ln (p_{i j}), k = \frac{1}{\ln (n)} \end{matrix}$

4) 计算冗余度(即离差系数)：

$\begin{matrix} d_{j} = 1 - e_{j} \end{matrix}$

5) 计算指标权重：

$\begin{matrix} w_{j} = \frac{d_{j}}{\sum_{j = 1}^{m} d_{j}} \end{matrix}$

其中，m为指标个数，n为样本个数， $w_{j}$ 为第j个指标的权重。

6) 医疗服务质量得分的构建

7) 最终，医疗服务质量得分为各指标标准化值与权重的加权求和结果：

$\begin{matrix} Q_{i} = \sum_{j = 1}^{m} w_{j} Z_{i j} \end{matrix}$

其中， $Q_{i}$ 表示第i个样本的医疗服务质量得分，值域为[0, 1]，值越大代表医疗服务质量越高。

Table 1. Evaluation index system for healthcare service quality

表1. 医疗服务质量评价指标体系

目标层	维度层	指标层	单位	指标熵值	指标权重(%)	性质
医疗服务质量	结构	每千人执业(助理)医师数	人/千人	0.9789	10.26	正向
		每千人执业注册护士数	人/千人	0.9739	12.82	正向
		每千人执业医师数	人/千人	0.9803	9.58	正向
		每千人医疗卫生机构床位数	个/千人	0.9781	10.65	正向
		医疗环境与基础设施满意度	-	0.9949	2.47	正向
		人均医疗保健支出	元/人	0.9830	8.30	正向
	过程	医生人均每日担负诊疗人次	次/人	0.9900	4.89	正向
		医生人均每日担负住院床日	日/人	0.9830	2.20	正向
		医疗服务提供水平感知	-	0.9927	3.55	正向
		住院分娩率	%	0.9991	0.42	正向
	结局	孕产妇死亡率	1/10万	0.9542	22.29	负向
	结局	居民健康状况	-	0.9742	12.55	正向

2.3.2. 统计学方法

本研究采用Stata 17.0软件对数据进行统计分析。根据变量类型及其分布特征，首先对数据的正态性进行检验，并据此选取适当的单因素分析方法，包括独立样本t检验、单因素方差分析(ANOVA)以及皮尔逊相关分析。针对无序多分类变量，设置虚拟变量(哑变量)后，进一步采用多元线性回归模型进行多因素分析。所有统计检验均采用双侧检验，显著性水平设定为α = 0.10。

3. 结果

3.1. 居民基本信息

在本研究的26,656名居民样本中，男性占51.49%，女性占48.51%。整体受教育程度偏低，69.50%的居民为初中及以下学历。居民医保类型以新型农村合作医疗(42.37%)和城镇职工基本医疗保险(14.85%)为主。大多数居民居住在城市，拥有城市户口的比例较高(51.49%)。在就医选择方面，生病时多数居民倾向于前往综合医院就诊(30.23%)，而选择专科医院的比例最低，仅为4.66%。详见表2。

3.2. 医疗服务质量的单因素结果分析

本研究共纳入26,656名居民，医疗服务质量得分范围为0~1分。结果显示，城镇居民的平均得分为0.66，显著高于农村居民的平均得分0.27，城乡差异明显。在对分类变量进行单因素分析时，发现不同性别、年龄段、婚姻状态、户口类型、文化程度、就诊地点、是否由工作单位提供医疗保险以及参保类型的居民，其医疗服务质量得分存在显著差异，均具有统计学意义(均p < 0.1)。在对连续变量的单因素分析中，年龄与收入对医疗服务质量评价呈显著正向影响(p < 0.05)，表明年长者和高收入群体更认可所接受的服务；锻炼频率与服务质量呈负相关(p < 0.05)，可能反映出健康意识较强的人群对服务质量期望更高，因而得分更低；而夜班频率对服务质量评价无显著影响。技术层面分析结果显示，尽管三级医院数量较多，但其与服务质量评价之间存在轻微负相关关系(p < 0.1)；相比之下，医疗管理人员数量对服务质量具有显著正向作用(β = 0.471, p < 0.05)。门诊次均费用越高，居民质量得分越高(p < 0.05)；但门诊总诊疗人次数越多，质量评价越低(p < 0.05)，或因就诊拥堵、排队等待等因素影响体验。在医保相关变量中，基本医保资助和城乡居民医保参保人数与服务质量得分呈负相关(p < 0.05)，提示保障水平较低的参保类型未能显著提升居民满意度；而职工医保和生育保险等覆盖水平较高的保险，其受益人数与服务质量得分呈显著正相关(p < 0.05)，表明高保障人群更满意医疗服务。财政投入方面，医疗卫生机构净资产与服务质量正相关(p < 0.05)，而财政拨款收入及基层医疗卫生机构数量与服务质量呈负相关(p <0.05)。详见表2和表3。

Table 2. Univariate analysis of residents’ basic characteristics and healthcare service quality

表2. 居民基本资料与医疗服务质量的单因素分析

资料项目	例数	构成比	医疗服务质量水平	F/T	p
户口				46.47	<0.001
城镇	13,724	51.49%	0.66
乡村	12,932	48.51%	0.27
性别				3.97	−0.046
男	13,344	50.06%	0.46
女	13,311	49.94%	0.48
婚姻状态				8.64	<0.001
未婚	3672	13.78%	0.50
在婚(有配偶)	16,182	60.71%	0.51
同居	84	0.32%	0.56
离婚	600	2.25%	0.55
丧偶	958	3.59%	0.51
工作提供医疗保险				9.26	<0.001
是	4731	17.75%	0.59
否	5361	20.11%	0.51
医疗保险类型				526.94	<0.001
公费医疗	405	1.52%	0.61
城镇职工医疗保险	3958	14.85%	0.62
城镇居民医疗保险	1391	5.22%	0.63
补充医疗保险	182	0.68%	0.61
新型农村合作医疗	11294	42.37%	0.46
城乡居民基本医疗保险	1834	6.88%	0.54
学历				484.07	<0.001
文盲/半文盲	5619	21.08%	0.38
小学	5217	19.57%	0.41
初中	7570	28.40%	0.48
高中/中专/技校/职高	4103	15.39%	0.53
大专	2042	7.66%	0.57
大学本科	1891	7.09%	0.6
硕士	180	0.68%	0.63
博士	18	0.07%	0.66
就诊地点				337.58	<0.001
综合医院	8059	30.23%	0.57
专科医院	1241	4.66%	0.57
社区卫生服务中心	3892	14.60%	0.47
社区卫生服务站	2494	9.36%	0.45
诊所	5267	19.76%	0.49

Table 3. Correlation analysis of influencing factors of healthcare service quality

表3. 医疗服务质量水平影响因素的相关性分析

变量	医疗服务质量
年龄	0.061^**
夜班频率	−0.010
锻炼频率	−0.066^**
收入	0.076^**
三级医院数	−0.003^*
管理人员数	0.471^**
门诊次均费用	0.179^**
门诊诊疗人次数	−0.030^**
基本医保资助参保人数	−0.188^**
职工医保受益人数	0.103^**
生育保险受益人数	0.046^**
城乡居民基本医保参保人数	−0.125^**
职工基本医保参保人数	0.098^**
医保报销比例	0.010
医疗卫生机构净资产	0.043^**
医疗卫生机构财政拨款收入	−0.022^**
基层医疗卫生机构数	−0.109^**

3.3. 医疗服务质量的多因素结果分析

以服务质量得分为因变量，将单因素分析中具有统计学意义的变量纳入多元线性回归分析。最终结果显示采用多因素回归模型分析发现，不同性别、学历、健康状况、就诊地点、婚姻状况、医保类型及宏观变量均对居民医疗服务质量评价存在显著影响，且城乡差异明显(见表4)。在外部个体层面，男性居民对医疗服务质量得分显著低于女性(β = −0.188, p < 0.01)，该趋势在城乡样本中均显著存在。随着学历的提高，居民医疗服务质量得分显著提升，尤其是具有本科及以上学历的群体(如博士：β = 0.744, p < 0.01)；但这一正向关系在城乡分层中并不显著。患有慢性病者对服务质量得分更高(β = 0.215, p < 0.01)。就诊地点方面，与综合医院相比，在社区卫生服务中心/乡镇卫生院、卫生室及诊所就诊的居民服务质量得分明显较低(如社区中心/乡镇卫生院：β = −0.263, p < 0.01)，尤其在农村样本中更为显著。婚姻状态方面，已婚者在总体样本中的服务质量得分更高(β = 0.096, p < 0.05)，但在城乡分层中，存在方向不一致，农村居民中已婚者得分反而更低(β = −0.095, p < 0.05)。医保因素方面，未参保人群的服务质量评分显著低于公费医疗参照组；而新型农村合作医疗、城乡居民基本医保等基础医保参保人数与服务质量显著负相关(β = −0.375, p < 0.01; β = −1.232, p < 0.01)。相比之下，职工医保、生育保险受益人数与服务质量显著正相关(如职工医保：β = 0.143, p < 0.01；生育保险：β = 0.148, p < 0.01)。年龄对服务质量呈显著正向影响(β = 0.011, p < 0.01)；锻炼频率与服务评价呈负相关，在农村样本中尤为明显(β = −0.007, p < 0.1)。在地区制度因素方面，管理人员数量显著提升医疗服务质量(β = 2.615, p < 0.01)，特别在农村样本中(β = 0.287, p < 0.01)。三级医院数量在城镇地区与服务质量显著正相关(β = 0.633, p < 0.01)，但在总体样本中无显著性。门诊次均费用与服务质量在总体上呈负相关(β = −1.504, p < 0.01)，但在农村并不显著。门诊诊疗人次数在总体样本中呈负向影响(β = −0.055, p < 0.01)。此外，医疗卫生机构净资产在城市样本显著正向影响服务质量(β = 0.316, p < 0.01)，而财政拨款收入则呈负相关(β = −0.048, p < 0.01)。基层机构数量与服务质量呈正相关，在城乡中均显著。

Table 4. Results of the multiple linear regression model

表4. 多元线性回归模型结果

影响因素	总体	城镇	农村
性别(参照：女)
男	−0.188^*** (0.029)	−0.085^** (0.014)	−0.094^** (0.019)
学历(参照：文盲)
小学	0.149 ^* (0.084)	−0.05 (0.052)	−0.011 (0.046)
初中	0.291^*** (0.079)	−0.06 (0.189)	−0.072 (0.044)
高中/中专/技校/职高	0.461^*** (0.083)	−0.04 (0.049)	−0.053 (0.047)
大专	0.541^*** (0.087)	−0.01 (0.051)	−0.042 (0.052)
大学本科	0.609^*** (0.089)	0.001 (0.052)	−0.003 (0.054)
硕士	0.683^*** (0.117)	−0.00 (0.065)	0.273^*** (0.105)
博士	0.744^*** (0.181)	0.126 (0.093)	0.261^*** (0.056)
半年内有慢性病(参照：否)
是	0.215^*** (0.043)	0.153^*** (0.023)	0.212^*** (0.037)
就诊地点(参照：综合医院)
专科医院	0.055 (0.053)	0.063^** (0.027)	0.088^** (0.040)
社区卫生服务中心/乡镇卫生院	−0.263^*** (0.043)	−0.166^*** (0.023)	−0.170^** (0.029)
社区卫生服务站/村卫生室	−0.330^*** (0.054)	−0.032 (0.027)	−0.069^** (0.031)
诊所	−0.029 (0.037)	−0.070^*** (0.018)	−0.058^** (0.024)
婚姻状态(参照：未婚)
在婚(有配偶)	0.096^** (0.043)	−0.036^* (0.021)	−0.095^** (0.027)
同居	−0.110 (0.180)	−0.170^* (0.097)	−0.037 (0.085)
离婚	−0.020 (0.081)	−0.032 (0.042)	−0.048 (0.053)
丧偶	0.178 (0.121)	−0.072 (0.065)	−0.066 (0.082)
工作提供医保(参照：否)
是	−0.005 (0.039)	−0.017 (0.019)	−0.024 (0.027)
医保类型(参照：公费医疗)
城镇职工医疗保险	0.029 (0.077)	−0.040 (0.038)	0.024 (0.067)
城镇居民医疗保险	0.186^** (0.086)	−0.047 (0.043)	0.117 (0.084)
补充医疗保险	0.079 (0.127)	−0.034 (0.069)	−0.102 (0.136)
新型农村合作医疗	−0.375^*** (0.085)	−0.053 (0.042)	−0.002 (0.067)
城乡居民基本医疗保险	0.041 (0.089)	−0.041 (0.044)	0.073 (0.071)
以上都没有	−0.157 (0.095)	−0.103^** (0.048)	−0.032 (0.073)
年龄	0.011^*** (0.002)	0.002^** (0.001)	0.005^*** (0.001)
收入	0.023 (0.016)	−0.004 (0.008)	−0.002 (0.010)
锻炼频率	−0.006 (0.006)	−0.005 (0.003)	−0.007^* (0.004)
三级医院数	0.060 (0.084)	0.633^*** (0.043)	0.018 (0.063)
管理人员数	2.615^*** (0.032)	−0.029 (0.043)	0.287^*** (0.027)
门诊次均费用	−1.504^*** (0.162)	−0.702^*** (0.092)	0.186 (0.128)
门诊诊疗人次数	−0.055^*** (0.009)	0.032^*** (0.004)	−0.009 (0.008)
基本医保资助参保人数	0.185^*** (0.038)	−0.176^*** (0.020)	0.082^*** (0.023)
职工医保受益人数	−0.066 (0.054)	0.143^*** (0.026)	0.152^*** (0.037)
生育保险受益人数	0.148^*** (0.044)	−0.236^*** (0.020)	−0.046 (0.031)
城乡居民基本医保参保人数	−1.232^*** (0.084)	−0.754^*** (0.054)	−0.387^** (0.067)
职工基本医保参保人数	−0.778^*** (0.119)	−0.386^*** (0.057)	−0.235^** (0.085)
医疗卫生机构净资产	−0.697^*** (0.061)	0.316^*** (0.035)	0.214^*** (0.055)
医疗卫生机构财政拨款收入	−0.048^*** (0.008)	−0.053^*** (0.004)	−0.007 (0.004)
基层医疗卫生机构数	0.476^*** (0.076)	0.745^*** (0.043)	0.168^** (0.065)

注：^***、^**、^*分别表示在0.01、0.05和0.10水平上显著。

4. 结论与建议

本研究基于全国大样本调查数据，构建医疗服务质量评价指标体系，并采用多元线性回归模型探讨了影响居民医疗服务质量评价的关键因素。结果显示，居民的服务质量感知受到多维度因素的显著影响，既包括外部个体层面的人口学特征与健康状况，也包括医疗服务可及性、医疗保险制度差异以及区域医疗资源配置技术等宏观制度因素，且城乡之间表现出明显差异。

具体而言，男性、低学历、未参保、慢性病、就诊于基层机构的居民更倾向于处在更低服务质量水平下。这一结果与已有研究一致[11]，反映了医疗服务利用能力、健康素养与服务预期之间的匹配问题。医保类型显著影响服务质量，基础医保参保人群医疗服务质量得分明显低于职工医保等群体，凸显医保公平性与待遇水平对医疗服务的制约作用[12]。在制度因素方面，医疗管理人员数量、优质医疗资源配置(如三级医院数量)、基层医疗机构数量、医疗机构财务能力等均对医疗服务质量产生显著影响，提示提升服务质量不仅是医务人员行为改进的问题，更是涉及制度设计、资源保障与管理效能的系统性挑战。

根据研究结论，提出如下政策建议以提升我国城乡居民所享受的医疗服务质量水平：应提升居民的健康素养与服务导航支持能力，尤其关注低学历、慢性病等弱势群体，通过健康教育和服务引导，增强其有效利用医疗资源的能力；推进医保制度公平性改革，逐步缩小城乡居民基本医保与职工医保之间的待遇差距，提升医保体系对医疗服务质量的保障作用；强化基层医疗服务能力建设，加大财政投入，优化人才引进与留用机制，提升基层服务的可及性与质量水平，特别是在农村和边远地区；优化医疗资源配置机制，推动医疗资源在区域间的统筹与合理布局，实现三级医院与基层医疗机构的协同发展，提升资源配置效率；同时，完善医疗机构治理与绩效管理机制，加强医疗管理人员队伍建设，建立以服务质量为导向的绩效考核体系，推动医疗服务从数量扩张向质量提升转型。

综上所述，医疗服务质量的提升是一个涉及多层次、多维度的复杂系统工程，既需要微观层面的居民能力支持，也需要宏观层面的制度改革与资源重塑。未来，应继续加强多层次、动态化的数据监测和机制评价，探索更加精准有效的服务质量提升路径，推动我国医疗卫生服务体系向更加公平、高效、优质的方向发展。

NOTES

^*通讯作者。

参考文献

[1]	龚向光, 胡善联. 卫生资源配置的公平性分析[J]. 中华医院管理杂志, 2005, 21(2): 73-77.
[2]	魏福成, 胡洪曙. 我国基本公共服务均等化: 评价指标与实证研究[J]. 中南财经政法大学学报, 2015(5): 26-36.
[3]	郎丽丽, 宋少娟. TOPSIS法和RSR法在综合医院医疗质量评价中的应用[J]. 中国卫生统计, 2020, 37(2): 278-280.
[4]	颜锦江, 姜浩亮, 程永忠, 等. 供给侧结构性改革背景下医院投入产出效率评价——基于因子分析和DEA模型[J]. 财经科学, 2016(9): 112-123.
[5]	颜晓畅. 政府投入与不同地区医疗卫生机构静态和动态运营效率——基于DEA-Tobit方法的实证研究[J]. 南开经济研究, 2018(6): 93-111.
[6]	解垩. 与收入相关的健康及医疗服务利用不平等研究[J]. 经济研究, 2009(2): 92-105.
[7]	刘芸. 中国医疗服务质量核心影响因素: 技术还是功能? [J]. 宏观质量研究, 2013, 1(1): 98-106.
[8]	Donabedian, A. (1988) The Quality of Care: How Can It Be Assessed? JAMA, 260, 1743-1748. https://doi.org/10.1001/jama.1988.03410120089033
[9]	陈保启, 靳福磊, 赵一鸣. 我国医疗服务质量的地区差异及收敛性分析[J]. 统计与决策, 2023, 39(22): 78-82.
[10]	郭显光. 熵值法及其在综合评价中的应用[J]. 财贸研究, 1994, 5(6): 56-60.
[11]	邱远唐, 肖春, 李静. 智慧医疗下重庆市县级公立医院住院服务质量的现状及影响因素分析[J]. 现代预防医学, 2023(14): 2571-2577.
[12]	王文华, 沈向红, 于丽. 改进医保管理提高医疗服务质量[J]. 劳动保障世界(理论版), 2010(10): 50-51.

为你推荐

友情链接