由健保資料庫探討台灣常住人口與醫療利用 - 政大學術集成

全文

(1)國立政治大學商學院統計學系碩士論文. 由健保資料庫探討台灣常住人口與醫療利用. 治政大 Population and An Empirical Study of Taiwan’s De Jure 立 Medical Usage based on National Health Insurance Database ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：余清祥博士研究生：李昇龍撰. 中華民國一百零四年八月.

(2) 摘要國家施政應以人民結構及其居住等特性為依據，但臺灣的政府統計多以戶籍記錄為主，每十年一次的戶口普查雖能提供常住人口資訊，但其時效性及調查項目有頗多限制。有鑑於此，本文以全民健康保險資料庫探究臺灣常住人口的現況，因全民健保實施已逾 20 年，納保率接近 99%，且因大多數醫療院所均加入全民健保系統，方便民眾就醫，使得感冒等小病（或是上呼吸道感染）往往選擇經常活動地區的醫療院所就醫，預期全民健保就醫資料更能反映各地的常住人口。除了常住人口之外，本文也分析民眾就醫記錄，嘗試透過全民健保資料庫探. 政治大先以全民健保資料庫中的立 2005 年承保抽樣歸人檔 LHID2005（或稱 2005 年百萬討醫療可近性等議題，以重大傷病等就醫資料評估醫療資源的城鄉差距。本研究. ‧ 國. 學. 人抽樣檔）估計各地區常住人口，發現抽樣檔在 2010 年的人口結構與 2010 年戶口普查結果相近，其中常住人口與戶籍紀錄差異較多的區域，交通多半也較為便. ‧. 利；而民眾就醫習性確實存在城鄉差距，或許與區域級以上醫療院所的分布有關。. sit. y. Nat. 另外，進一步分析重大傷病患者的就醫記錄，發現選擇就醫的頻率、地區與醫學. al. er. io. 中心的分布存有關聯。例如：外島地區及部分偏鄉地區（苗栗、雲林等），重大. v. n. 傷病病患的平均就醫距離明顯較長，凸顯偏遠地區的就醫不便，需有合適的對應. Ch. engchi. 政策已降低醫療資源的分配不公。. i n U. 關鍵詞：全民健康保險資料庫、常住人口、醫療可近性、探索性資料分析、重大傷病. I.

(3) Abstract Taiwan has been using the population registration system for more than 100 years and it provides good data quality to study whole Taiwan population. However, the population register usually does not give information of permanent residents, or De Jure population, and the policy planning of Taiwan’s government seldom relies solely on it.. This is one of the reasons for conducting population census every 10. years. But every 10 year is too long and the survey items of population census are not enough in practical. Thus, in this study, we propose using the database from Taiwan’s. 政治大 provide the information of 立 Taiwan’s permanent residents.. National Health Insurance (NHI) to explore if the NHI database can be used to. ‧ 國. 學. Taiwan’s NHI started in 1995 (more than 20 years). About 99% of Taiwan’s population is covered and almost all hospitals and clinics participate in NHI.. As a. ‧. result, the majority of people in Taiwan can access to high quality of medical care. For. sit. y. Nat. example, people with small illnesses (such as flu or colds) tend to choose the. al. er. io. hospital/clinic where they often hang out. Therefore, we expect the location of. v. n. outpatient hospital visit can provide more information about De Jure population than. Ch. engchi. i n U. the population register. In addition, the study tries to investigate the issue of accessibility of medical care. First, we estimate the De Jure population via NHI Research Database (NHIRD), and found that the population structure from 2005 Longitudinal Health Insurance Database is similar to that from Population and Housing Census in 2010.. It seems. that the NHIRD can serve as alternative data source for De Jure population. Also, the differences between De Jure population and registered population are the largest among metro areas, probably due to their better medical resource.. II.

(4) The inequality of medical usage is more severe for catastrophic diseases and the frequency and average number of outpatient visits are also location related. The counties with medical centers and academic hospitals have the largest averages. On the contrary, the patients in islands and solitary counties (ex: Miaoli, Yunlin) do not have many choices of medical access and need to travel a long distance for a critical condition, such as catastrophic disease. Although the NHI is famous for its accessibility and fine quality, there is still room for improvement. Taiwan’s government needs to provide more medical resources for rural areas.. 政治大. Key words: National Health Insurance, De Jure Population, Accessibility of Medical. 立. Care, Exploratory Data Analysis, Catastrophic Disease. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. III. i n U. v.

(5) 目錄第壹章緒論......................................................... 1 第一節研究背景及動機........................................... 1 第二節研究目的................................................. 2 第貳章文獻回顧及研究方法........................................... 3 第一節台灣地區人口記錄與潛在問題............................... 3 第二節常住人口與醫療資源分配相關研究........................... 6 第三節全民健康保險資料庫及資料描述............................. 7 第四節運用健保資料庫分析的流程................................. 8 第參章常住人口估計................................................ 11 第一節樣本代表性.............................................. 11 第二節就醫地與戶口普查的比較.................................. 15 第肆章常住人口與戶籍人口差異...................................... 17 第一節探索性資料分析.......................................... 17. 立. 政治大. ‧. ‧ 國. 學. 第二節迴歸分析................................................ 21 第伍章醫療資源.................................................... 24 第一節區域級以上醫療院所之分布................................ 24 第二節實證分析-重大傷病....................................... 26 第陸章結論與建議.................................................. 37 第一節結論.................................................... 37. y. Nat. sit. n. al. er. io. 第二節研究限制與未來方向...................................... 38 參考文獻........................................................... 40 一、中文部份................................................... 40 二、英文部份................................................... 41 附錄............................................................... 42 附錄一：樣本代表性............................................. 42 附錄二：常住人口與戶籍人口的迴歸分析........................... 53 附錄三：重大傷病的分析結果..................................... 54. Ch. engchi. IV. i n U. v.

(6) 表目錄表 2-1、戶籍登記、戶口普查、健保投保之人口紀錄比較 .................. 5 表 2-2、健保資料庫檔案內容與說明 .................................... 8 表 4-1、2010 年，常住人口與戶籍人口差異百分比( (常住-戶籍)/戶籍 )... 23 表 5-1、2010 年，就診紀錄檔中的重大傷病之各縣市樣本代表性........... 28 表 5-2、2005-2012 年，重大傷病病患跨縣市就醫情況.................... 35 表 5-3、2005-2012 年，較多重大傷病病患跨縣市就醫的縣市之平均就醫距離 36 附表 1-1、2005 年-男性，五齡組比例比較(ID 普查檔、ID 百萬人抽樣檔)... 42 附表 1-2、2005 年-女性，五齡組比例比較(ID 普查檔、ID 百萬人抽樣檔)... 42 附表 1-3、2005 年-男性，各縣市投保人數比較(ID 普查檔、ID 百萬人抽樣檔) ............................................................... 42 附表 1-4、2005 年-女性，各縣市投保人數比較(ID 普查檔、ID 百萬人抽樣檔) ............................................................... 43 附表 1-5、2005~2009 年，投保紀錄與就醫紀錄比較（ID 百萬人抽樣檔、CD 檔). 立. 政治大. ‧. ‧ 國. 學. ............................................................... 43 附表 1-6、2005 年-男性，各縣市人數比例之比較(就醫紀錄、投保紀錄).... 44 附表 1-7、2005 年-女性，各縣市人數比例之比較(就醫紀錄、投保紀錄).... 44 附表 1-8、2010 年，戶口普查與估計常住人口之比較(性別、年齡結構)..... 45 附表 1-9、2010-年男性，戶口普查與估計常住人口之比較 (年齡、縣市) ... 45 附表 1-10、2010-年女性，戶口普查與估計常住人口之比較 (年齡、縣市) .. 45. y. Nat. sit. n. al. er. io. 附表 2-1、2010 年，戶籍人口與估計常住人口差異分析-迴歸分析.......... 53 附表 2-2、2010 年，戶籍人口與估計常住人口差異分析-迴歸分析(扣除外島) 53 附表 3-1、2010 年，就診記錄檔中的重大傷病卡之各縣市樣本代表性....... 54 附表 3-2、2010 年重大傷病病患，各縣市重大傷病就醫頻率-迴歸分析...... 57 附表 3-3、2010 年癌症病患，各縣市癌症就醫頻率-迴歸分析.............. 58 附表 3-4、2010 年重大傷病病患，看診重大傷病、感冒的人數差異-迴歸分析 58 附表 3-5、2010 年癌症病患，看診癌症、感冒的人數差異-迴歸分析........ 58 附表 3-6、2010 年重大傷病病患，在各縣市看診重大傷病、感冒的分布比例. 59 附表 3-7、2010 年重大傷病病患，各縣市看診重大傷病、感冒的人數差異百分比. Ch. engchi. i n U. v. ............................................................... 59 附表 3-8、2010 年癌症病患，在各縣市看診癌症、感冒的分布比例......... 60 附表 3-9、2010 年癌症病患，各縣市看診癌症、感冒的人數差異百分比..... 60 附表 3-10、2010 年，戶口普查與本研究之跨縣市就醫結果比較............ 61. V.

(7) 圖目錄圖 2-1、健保資料庫操作流程 1 .................................................................................. 9 圖 2-2、健保資料庫操作流程 2 ................................................................................ 10 圖 3-1、2005~2009 年，男性、女性各年齡層就診率(5 年平均) .......................... 12 圖 3-2、2005 年-男性，就醫紀錄與投保紀錄之比較(CD 檔、ID 抽樣檔) .......... 13 圖 3-3、2005 年-女性，就醫紀錄與投保紀錄之比較(CD 檔、ID 抽樣檔) .......... 14 圖 4-1、2010 年，台灣常住人口大於戶籍人口之縣市 .......................................... 17 圖 4-2、2010 年，投保人口比戶籍人口多 3%以上的縣市 .................................... 18 圖 4-3、2010 年，台灣地區高鐵站之分布 .............................................................. 19 圖 4-4、2010 年，台灣地區航空站之分布 .............................................................. 20 圖 4-5、2010 年，醫療資源分配平均度（勞倫茲曲線） ...................................... 21 圖 4-6、高鐵嘉義站地理位置地圖 ........................................................................... 23 圖 5-1、2010 年，台灣地區區域級以上醫院分布 .................................................. 25 圖 5-2、2010 年，台灣地區醫學中心分布 .............................................................. 26. 立. 政治大. ‧. ‧ 國. 學. 圖 5-3、2010 年，重大傷病就醫地樣本代表性 ...................................................... 29 圖 5-4、2005-2012 年，各縣市重大傷病病患就醫頻率 ......................................... 29 圖 5-5、2005-2012 年，各縣市癌症病患就醫頻率 ................................................. 30 圖 5-6、2005 年-重大傷病患，各縣市看診重大傷病、感冒平均度（勞倫茲曲線). y. Nat. .............................................................................................................................. 31 圖 5-7、2005 年-重大傷病病患，在各縣市看診重大傷病、感冒的比例 ............. 32. sit. n. al. er. io. 圖 5-8、2005-2012 年，各縣市非常住人口之重大傷病就醫比例 ......................... 33 圖 5-9、2005-2012 年，非台北市常住重大傷病病患，來自各縣市比例 ............. 34 圖 5-10、2005-2012 年，癌症-各地區非常住人口就醫比例.................................. 35 附圖 1-1、2005 年-男性，各年齡層人數比例(ID 普查檔、ID 百萬人抽樣檔) .... 46 附圖 1-2、2005 年-女性，各年齡層人數比例(ID 普查檔、ID 百萬人抽樣檔) .... 46 附圖 1-3、2005 年-男性，各縣市投保人數比例(ID 普查檔、ID 百萬人抽樣檔) 47 附圖 1-4、2005 年-女性，各縣市投保人數比例(ID 普查檔、ID 百萬人抽樣檔) 47 附圖 1-5、2005~2009 年－男性，各年齡層就診率 ................................................ 48 附圖 1-6、2005~2009 年－女性，各年齡層就診率 ................................................ 48. Ch. engchi. i n U. v. 附圖 1-7、2005 年-男性，就醫紀錄與投保紀錄之投保人數比較(CD、ID 抽樣檔) .............................................................................................................................. 49 附圖 1-8、2005 年-女性，就醫紀錄與投保紀錄之投保人數比較(CD、ID 抽樣檔) .............................................................................................................................. 49 附圖 1-9、2010 年，戶口普查與估計常住人口比較-男性(年齡結構) .................. 50 附圖 1-10、2010 年，戶口普查與估計常住人口比較-女性(年齡結構) ................ 50 附圖 1-11、2010 年，戶口普查與估計常住人口比較-各縣市(男性-15 歲以下) .. 51 附圖 1-12、2010 年，戶口普查與估計常住人口比較-各縣市(男性-15-64 歲)..... 51 VI.

(8) 附圖 1-13、2010 年，戶口普查與估計常住人口比較-各縣市(男性-65 歲以上) .. 51 附圖 1-14、2010 年，戶口普查與估計常住人口比較-各縣市(女性-15 歲以下) .. 52 附圖 1-15、2010 年，戶口普查與估計常住人口比較-各縣市(女性-15-64 歲)..... 52 附圖 1-16、2010 年，戶口普查與估計常住人口比較-各縣市(女性-65 歲以上) .. 52 附圖 3-1、重大傷病卡樣本代表性(2010 年)............................................................ 54 附圖 3-2、2005~2012 年，各縣市重大傷病盛行率 ................................................ 55 附圖 3-3、2005-2012 年，各縣市癌症盛行率 ......................................................... 55 附圖 3-4、2005-2012 年、台北市-非常住癌症病患之各地區比例........................ 56 附圖 3-5、2005-2012 年、桃園市-非常住癌症病患之各地區比例........................ 56 附圖 3-6、2005-2012 年重大傷病病患，不在其常住地就醫比例 ......................... 57. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. VII. i n U. v.

(9) 第壹章緒論第一節研究背景及動機臺灣逐漸轉變為社會保險及制度健全的國家，如何公平且有效地分配社會資源也成為政府施政的重要考量之一，因此國家人民的總數與結構，將是國家施政的重要依據。但臺灣與世界各國類似，因為工作機會、醫療資源等因素的聚集，愈來愈多人口集中於都會地區，而根據聯合國的統計，全球現今約有 50%比例人口聚居於城市，而臺灣在 2015 年，臺北市、新北市、台中市、台南市、高雄市. 政治大形成的規模效應，光以戶籍記錄難以反映現況，可能造成行政、社會、醫療等各立. 等五都的人數超過 1400 萬（戶籍人口），約為全台人口的 60%。所以，人口聚集. ‧ 國. 學. 項資源的分配不均。. 現有的人口紀錄，除了戶籍人口紀錄，還有戶口普查及投保人口。首先，戶. ‧. 口普查可瞭解國民數量及特徵，確實掌握國家基本情勢，但受限於每 10 年才實. sit. y. Nat. 行一次，且最近一次，2010 年 12 月改以抽樣調查（16%）代替全面性的戶口普. al. er. io. 查。而投保人口紀錄，則由於全民健康保險實施超過 20 年，國人投保率超過 99%，. v. n. 就醫已成為國人的基本權利，就醫紀錄幾乎含括全體台灣人民，也是很完整的人. Ch. engchi. i n U. 口紀錄，但其中有全國性大公司集體納保的現象，因此無法適當的提供各地區常住人口的資訊。因為目前受限於臺灣政府統計多以戶籍記錄為主，而其他人口紀錄(例如：戶口普查、投保人口等)也有限制，所以實際的常住人口的記錄蒐集不易，城鄉差距的現況差距很難評估。另外，人民的身體健康與醫療資源息息相關，而台灣因為規模效應而存在醫療資源分配不均問題，且醫療資源的地理可近性(accessibility)影響著病患接受醫療服務的意願與選擇。因此，若能衡量出目前各地區的醫療資源的地理可近性，將有助於評估醫療資源的城鄉差距，以改善醫療資源分配不均問題。但衡量醫療可近性，也需要常住地資訊的協助，才能客觀了解目前現況。 1.

(10) 第二節研究目的受限於實際常住人口紀錄蒐集不易，本研究將嘗試估計各縣市的常住人口。回顧過去的研究，曾提到台灣就醫便利性高，小病就醫往往選擇就醫距離較近的醫療院所，因此藉由看診小病的就醫地點，或許更能反映民眾的實際居住地所在。而且台灣全民健康保險的就醫紀錄，近乎含括全體台灣人民，是很完整的資料庫，因此本文將藉由分析全民健保資料庫，透過小病的就醫地來估計常住人口，以檢視各地區目前的真實狀況。除了常住人口之外，本文也分析民眾就醫記錄，嘗試透過全民健保資料庫探. 政治大保人的投保紀錄與就醫紀錄，以及醫療院所的資訊，可探討醫療資源分布是否平立. 討醫療可近性等議題。藉由健保資料庫估計的常住人口，搭配資料庫本身記載投. ‧ 國. 學. 均。以重大傷病為例，透過重大傷病族群的投保紀錄與就醫紀錄，探討選擇就醫的頻率、地區、疾病種類的特性；以及透過醫事機構的紀錄，了解區域級以上醫. ‧. 療院所的分布，作為未來公平、有效地分配重大傷病醫療資源的依據。. sit. y. Nat. 本文架構如下：第貳章將先介紹與本文研究有關的名詞定義與相關研究，以. al. er. io. 及全民健保資料庫的基本介紹與研究方法，第參章沿用過去研究提出的方法，藉. v. n. 由全民健保資料庫估計各縣市常住人口，第肆章則是透過探索性資料分析與迴歸. Ch. engchi. i n U. 分析，探討戶籍人口與估計常住人口之間差異的可能原因，說明估計的常住人口比戶籍人口更能反映各地區實際人口數，第伍章以重大傷病為實證分析，詮釋重大傷病醫療資源的使用情形，第陸章提供本文發現的討論，以及後續的研究方向。. 2.

(11) 第貳章文獻回顧及研究方法國家人民的總數與結構，是施政的重要依據。但受限於臺灣政府統計多以戶籍記錄為主，常住人口的記錄蒐集不易。本章將先蒐集過去地區常住人口相關文獻進行探討，並說明本研究的資料處理過程與分析方法。第一節介紹台灣現有的地區人口記錄方式以及潛在問題。第二節回顧既有研究的特色與限制。第三節簡單介紹全民健康保險研究資料庫之歷史與本研究使用之資料檔；最後於第四節說明本研究運用健保資料庫的處理流程。. 第一節. 治政台灣地區人口記錄與潛在問題大立. 目前政府多以根據戶籍地而記錄的戶籍人口為主。除了戶籍人口紀錄，還有. ‧ 國. 學. 戶口普查及投保人口。在說明各種人口紀錄的特色與限制之前，先了解一些相關. er. io. sit. y. Nat. 一、戶籍地1：. ‧. 名詞及其定義。. 戶籍地為政府認定下，每個人的正式住所，故對每個人的權利義務皆有影響，. al. n. v i n 離開台灣超過二年的人會被戶政機關主動辦理遷出國外，須憑中華民國護照入境 Ch engchi U. 才可恢復戶籍。現行台灣的戶籍制度係依戶籍法之規定辦理，主管機關為中華民國的內政部，主要分為身分登記及遷徙登記。舉凡出生、死亡、結婚、離婚等涉及身分變更者，皆屬身分登記之範圍，此外，人民遷出原戶籍地後三個月內，應至遷入地申報遷入登記。. 二、常住人口2 以 2010 年人口及住宅普查構想與發展之研究為例，該次普查「常住人口」係 1. 內政部戶政司全球資訊網 http://www.ris.gov.tw/ 行政院主計總處-http://www.dgbas.gov.tw/ct.asp?xItem=17372&ctNode=1517. 2. 3.

(12) 指普查標準時刻（99 年 12 月 26 日零時正）實際居住在臺閩地區境內已達或預期達 6 個月以上之所有本國籍、外國籍、中國大陸（含港澳）人口；亦即本國國民扣除出國時間已達或預期達 183 日以上之出國人口，再加上居留臺閩地區已達或預期達 183 日以上之外國籍、中國大陸（含港澳）人口，即為「常住人口」總數。. 三、投保人3 投保人分為六大類，其中第一類、第二類、第三類、第六類之眷屬，若為無. 政治大內直系血親卑親屬未滿二十歲且無職業，或年滿二十歲無謀生能力，或仍在學就立職業之配偶、無職業之直系血親尊親屬（父母、祖父母及外祖父母等）、二親等. 讀且無職業者（子女、孫子女及外孫子女），可掛在主投保人進行投保。第一類. ‧ 國. 學. 及第二類被保險人，以其服務機關、學校、事業、機構、雇主或所屬團體為投. ‧. 保單位。第三類被保險人，以其所屬或戶籍所在地之基層農會、水利會或漁會為. y. Nat. 投保單位。第四類第一目被保險人，以國防部指定之單位為投保單位。第四類第. er. io. sit. 二目被保險人，以內政部役政署為投保單位。第四類第三目被保險人，以法務部及國防部指定之單位為投保單位。第五類及第六類被保險人，以其戶籍所在地之. al. n. v i n 鄉（鎮、市、區）公所為投保單位。但安置於公私立社會福利服務機構之被保險 Ch engchi U 人，得以該機構為投保單位。第六類第二目被保人及其眷屬，經徵得共同生活的其他類被保險人所屬投保單位同意後，以其為投保單位；但保險費應依地區人口身分分別計算。. 台灣目前主要的人口紀錄為戶籍登記、戶口普查以及健保投保人口，各種紀錄的資料來源、定義、特色與限制，整理如下表 2-1。. 3. 衛生福利部中央健康保險屬 http://www.nhi.gov.tw/. 4.

(13) 表 2-1、戶籍登記、戶口普查、健保投保之人口紀錄比較. 健保投保人口. 內政部戶政司. 主計處-綜合規劃處. 衛生福利部統計處. 具有戶籍登記現住中華民國國民，指在臺閩地區設有戶籍之中華民國國民，於統計標準日不論其. 人口及住宅普查係依我國統計法規定，為政府應定期舉辦之基本國勢調查，舉辦普查之目的在於了解實際全國人口. 凡是具有中華民國國籍，符合：1.近二年內，曾參加本保險紀錄或參加前六個月繼續在臺灣地區設有戶. 是否住在戶內均為該地區之人口。. 之質量、家庭結構、就學就業及住宅使用狀況。. 籍者。2.在臺灣地區設有戶籍，並且有一定雇主的受僱者。3.在臺灣辦理戶籍出生登. 立. ‧ 國. io. n. 有「籍在人不在」與「人在籍不在」的現象，無法有效反映各地區實際常住人口。. 據，亦為提供人口出生為國人的基本權利，率、死亡率、老化指數、就醫紀錄幾乎含括全性別比等重要人口指標體台灣人民。之主要來源，可瞭解國民數量及特徵，確實掌握國家基本情勢。. y. Nat. al. 全民健康保險實施超過 20 年，國人投保率超過 99%，就醫已成. ‧. 根據戶籍地紀錄，紀蒐集人口及住宅基本資載每年人口的靜態訊之重要來源，不僅為統計及動態統計。靜支援國家決策之重要依態統計指某一特定時間人口特性統計；動態統計指某一特定時期戶籍登記統計。. 限制. 記，並符合被保險人眷屬資格的新生嬰兒。. 學. 特色. 政治大. sit. 定義. 戶口普查. er. 來源. 戶籍登記. Ch. engchi. i n U. v. 受限於每10年才進行一次，且都市化的程度愈高，完訪率愈低。而最近一次，2010年12月則. 全國性大公司集體納保的現象(ex：中國石油總公司位於台北市信義區，因此全台灣. 以抽樣調查（16%）代替全面性的戶口普查。. 的中油員工，投保地皆為台北市)。. 目前台灣政府對於地區人口的紀錄，主要為戶籍登記紀錄。根據洪永泰（1995）研究民國 79 年國民健康調查與民國 83 年的國民醫療保健調查資料，發現戶籍人口與現住人口（此指常住人口）的差異性，以「人」為計算單位時，幾乎不到九 5.

(14) 成的人屬於「籍在人在」。且根據行政院主計總處 99 年人口及住宅普查方案內容 (草案)4，台灣民國 99 年，常住人口為 2312 萬四千人，然而將戶籍設在常住地的人數，為 1825 萬 9 千人，僅佔常住人口的 79%。因此，戶籍人口的紀錄已經無法有效反映真實的人口居住狀況。至於戶口普查，受限於每 10 年才進行一次，而且根據顏貝珊(2010)，2010 年各國人口普查制度之研究，台灣的普查遭遇到都市化的程度愈高，完訪率愈低以及調查成本的上升等困難，造成調查品質下降。至於健保資料庫所記錄的投保人口，也潛在實務上全國性大公司集體納保的現象，且被保險人身分若為依附眷. 政治大效且即時的反應真實的人口居住狀況。立. 口，投保地與居住地可能毫無關聯。因此，目前現有的人口紀錄，大多數無法有. ‧ 國. 學. 第二節常住人口與醫療資源分配相關研究. ‧. 各地區常住人口部分，過去已有研究嘗試利用健保資料庫估計投保人的居住. sit. y. Nat. 地所在鄉鎮市區，用以分析健康狀態的區位特性，期待能藉此瞭解區位特性的相. al. er. io. 關課題：廖建彰等人分析 2000 年台灣腦中風發生率與盛行率的城鄉差距，將投. v. n. 保地點當作投保人的實際居住地。然而，這種估計投保人居住地的方式，忽略了. Ch. engchi. i n U. 實務上全國性大公司集體納保的現象，且投保人身分若為依附眷口，則投保地與居住地可能毫無關聯，而造成估計上的偏誤。雖然，健保資料庫並沒有常住地的欄位，但林民浩等人(2011)，提出台灣就醫方便，一般民眾小病就醫往往選擇就醫距離較近的醫療院所，因此以投保人上呼吸道感染門診就醫地視為居住地所在，去估計各地區的常住人口。而且台灣的全民健康保險的國人投保率超過 99%，且大多數醫療院所都加入了健保服務，就醫已成為國人的基本權利，是非常好的紀錄，適合用來估計各縣市常住人口。. 4. 99 年人口及住宅普查方案內容(草案) - 行政院主計總處 www.dgbas.gov.tw/public/Attachment/111313231671.pps. 6.

(15) 醫療資源部分，在全民健保實施初期，吳肖琪（1999）及洪維何等人（1998）研究醫療資源分佈情況指出，醫療資源分佈不平均是存在的，區域級以上醫院與病床多設在都會區。而張雅雯(2002)所討論「醫療利用可近性—台灣老人之實證研究」曾提到全台灣地區的醫療資源，有將近四分之一是集中在台北地區。然後，蕭正光等人（1995）針對偏遠地區民眾就醫可近性的研究調查顯示，偏遠地區的民眾確實有醫療需求無法獲得滿足的現象。. 綜觀上述文獻內容，各地區的常住人口可藉由全民健保資料庫中上呼吸道感染的就診紀錄來估計，而且各地區醫療資源有分布不均勻的現象。因此本研究將. 政治大. 嘗試透過全民健保資料庫，估計各縣市的常住人口，並結合就醫紀錄探討醫療資源的分布。. 學. ‧ 國. 立. 第三節全民健康保險資料庫及資料描述. ‧. 台灣目前全民健保納保率達到 99%以上，使得健保資料成為醫藥衛生相關領. sit. y. Nat. 域研究中具有代表性的實證資料，其研究成果可作為醫藥衛生政策的參考，為重. al. er. io. 要的研究資源。自民國 87 年起，中央健康保險局(現改制為健保署)即委託國衛. v. n. 院推動「全民健康保險研究資料庫」之建置，經過兩年籌備，國衛院自民國 89. Ch. engchi. i n U. 年起提供學界健保資料庫加值服務，以利相關研究。. 資料可分為抽樣檔和普查檔兩種，若母體較小(例如：重大傷病人口)，提供母體檔，而母體若較大(例如：全國投保戶)，則提供抽樣檔。每個檔案資料欄位名稱和資料描述，在「譯碼簿」中有詳細的說明。由於健保資料庫的資料量龐大，資料會有輸入錯誤或標示不明等問題，因此本研究使用的資料庫，經過除錯、整合、正規化等處理，排除掉一些資料庫中錯誤的情形，確保資料的正確性。例如：本研究最主要探討的投保地、就醫地欄位，由於轉投保、跨區就醫等因素，會使這些欄位不唯一，處理起來相當不易，因此透過正規化(以最後一個日期為主)，可解決欄位不唯一的問題。本研究所使用到 7.

(16) 的檔案如表 2-2 所示。. 表 2-2、健保資料庫檔案內容與說明檔案名稱. 使用年分. 內容說明. Registry for beneficiaries (ID 檔). 2005~2012 承保資料檔(普查檔)：紀錄當年度投保人的投保資料。. Catastrophic illness dataset (HV_ID 檔). 2005~2012 重大傷病證明明細檔(普查檔)：記錄當年度重大傷病卡的領卡人資料。. Longitudinal Health Insurance Database 2005 (ID 百萬人抽樣檔). 政治大承保檔抽出 100 萬人. 2005~2012 2005 年承保抽樣歸人檔：在 2005 年，從 ID. 立. ‧ 國. 學. Ambulatory care 2005~2012 2005 年承保抽樣歸人檔，LHID2005，與所 expenditures by visits (CD 串接的就醫門診處方及治療明細檔。檔) Registry for contracted medical facilities (HOSB 檔). ‧. 2005~2012 醫事機構基本資料檔。. n. Ch. engchi. er. io. sit. y. Nat. a. 第四節運用健保資料庫分析的流程 l. i n U. v. 藉由與 ID 百萬人抽樣檔所串接的就醫門診處方及治療明細檔(CD)，可取得看診上呼吸道感染的保險人與相對應的就醫地點，並藉由就醫地點估計各地區 (縣市)的常住人口。首先，檢驗 ID 百萬人抽樣檔是否可反映 ID 承保資料檔(普查檔)的母體特性，當 ID 百萬人抽樣檔可用來反映 ID 承保資料檔(普查檔)的母體特性時，表示使用 ID 百萬人抽樣檔就足以代表整體的投保人做推論。接著，檢驗 ID 百萬人抽樣檔中，有就醫紀錄的人(CD 檔)，是否與 ID 百萬人抽樣檔的結構相似，而可代表整體的投保人，操作流程如圖 2-1。若 CD 檔能反映 ID 百萬人抽樣檔的特性，則可進一步藉由 CD 檔中，看診上呼吸道感染的人，估計常住人口。 8.

(17) 當可藉由 CD 檔中看診上呼吸道感染的人估計常住人口後，再將 2010 年的估計結果與 2010 年戶口普查的結果做比較，若估計的結果與戶口普查結果相似，則表示藉由健保資料庫估計出的常住人口具有參考價值，可用來做其他的進一步探討。進一步以這些曾看診上呼吸道感染人中的重大傷病病患(CD@HV_ID 檔、 CD@HV_CD 檔)為實例，探討這些有就診紀錄的重大傷病病患，在各地區醫療資源的真實使用狀況，並分析是否與 HOSB 檔中區域級以上醫療院所或醫學中心的分布地區有關連性。但在進行探討之前，得先確認挑選出的重大傷病病患可. 政治大. 否反映整體重大傷病病患的母體特性，操作如圖 2-2。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. 圖 2-1、健保資料庫操作流程 1. 9. v.

(18) 政治大. 圖 2-2、健保資料庫操作流程 2. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 10. i n U. v.

(19) 第參章常住人口估計根據林民浩等人(2011)提到台灣地區就醫方便，當民眾生小病時，就醫往往選擇距離較近的醫療院所，因此估計常住地時，將小病的就醫地納入考量，或許更能反映民眾的實際居住地所在。所以本研究透過 CD 檔中看診呼吸道感染 (ICD-9-CM:460-466、480-487)的紀錄，將上呼吸道感染門診就醫地視為居住地，估計各地區(縣市)的常住人口。第一節將先檢驗 CD 檔的樣本代表性；第二節則是將估計的常住人口，與 2010 年戶口普查的常住人口比較。. 第一節樣本代表性. 立. 政治大. 雖然，國衛院表示 CD 檔具有足夠的樣本代表性，但本研究所持有的健保資. ‧ 國. 學. 料庫，在性別、年齡部分的遺漏值與國衛院所描述的有些出入，因此必須再次檢. Nat. io. er. 一、ID 承保檔與 ID 百萬人抽樣檔之比較. sit. y. ‧. 驗 CD 檔的投保地是否可反映真實母體的投保地特性。. 由於本研究所持有的健保資料庫，僅 ID 百萬人抽樣檔中的被保險人有就醫. al. n. v i n 紀錄，因此必須檢驗 ID 百萬人抽樣檔是否可反映 ID 普查檔的母體特性。首先， Ch engchi U. 年齡結構部分，根據 2005 年男性各年齡層(五齡組)人數比例(數據詳見附表 1-1、. 附圖 1-1)及卡方檢定的 p-value=0.901 大於 0.05，顯示 ID 百萬人抽樣檔，可反映母體 ID 普查檔的男性年齡結構特性。而女性各年齡層(五齡組)人數比例(數據詳見附表 1-2、附圖 1-2)及卡方檢定的 p-value=0.3471 大於 0.05，顯示 ID 百萬人抽樣檔也可反映母體 ID 普查檔的女性年齡結構特性。因此，在性別與年齡部分， ID 百萬人抽樣檔可反映母體 ID 普查檔。接著，各縣市的投保人數部分，根據 2005 年男性各縣市投保人數比例(數據詳見附表 1-3、附圖 1-3)及卡方檢定的 p-value 大於 0.05，顯示 ID 百萬人抽樣檔， 11.

(20) 可反映母體 ID 普查檔的男性各縣市投保人結構。而女性各縣市投保人數比例 (數據詳見附表 1-4、附圖 1-4)及卡方檢定的 p-value 也大於 0.05，顯示 ID 百萬人抽樣檔也可反映母體 ID 普查檔的女性各縣市投保人結構。因此，在性別與各縣市投保人數的部分，ID 百萬人抽樣檔也可反映母體 ID 普查檔。所以，根據以上結果，ID 百萬人抽樣檔可用來反映母體 ID 普查檔，在不同性別下的年齡結構與各縣市投保人結構。. 二、ID 百萬人抽樣檔與 CD 檔之比較. 政治大否代替 ID 百萬人抽樣檔去做進一步相關推論。首先，根據圖 3-1、2005-2009 年立. 確認完 ID 百萬人抽樣檔可反映母體 ID 普查檔的特性後，接著檢驗 CD 檔可. -男性、女性各年齡層平均就診率(各年度詳見附圖 1-5~1-6)，可知因為抽樣而造. ‧ 國. 學. 成的存活效應，使得高齡的人可能已經死亡，但並未從承保抽樣歸人檔中移除，. ‧. 而造成高齡部分的就診率逐年下降。因此，原始的 ID 百萬人抽樣檔，扣除退保、. y. Nat. 停保後，再將 2005~2012 年都沒看病的人排除在外，並根據過去扣除死亡的文獻. er. io. sit. (蘇維屏，2014)，將往後幾年皆沒看病的人當作死亡扣除之後，得到未看病比例介於 4%~6%(詳見附表 1-5)。可將 CD 檔與 ID 百萬人抽樣檔的差異降低一些。. n. al. Ch. engchi. i n U. v. 圖 3-1、2005~2009 年，男性、女性各年齡層就診率(5 年平均) 12.

(21) 排除 ID 百萬人抽樣檔中死亡的人後，檢驗 CD 檔與處理過的 ID 百萬人抽樣檔結構是否相似。首先，檢驗各性別的年齡結構是否相似。根據圖 3-2、圖 3-3，男性、女性在 CD 檔與處理過的 ID 百萬人抽樣檔的五齡組結構，看似差異不大，但卡方檢定 p-value 皆小於 0.05，表示兩者在五齡組結構上有顯著不同，建議透過事後分層加權或反覆多重加權等方法調整，再做進一步推論，避免得出有偏誤的估計值。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3-2、2005 年-男性，就醫紀錄與投保紀錄之比較(CD 檔、ID 抽樣檔). 13.

(22) 立. 政治大. 圖 3-3、2005 年-女性，就醫紀錄與投保紀錄之比較(CD 檔、ID 抽樣檔). ‧ 國. 學. 接著，檢驗各性別在各縣市投保人的結構是否相似。根據 2005 年 CD 抽. ‧. 樣檔與 ID 百萬人抽樣檔的男性、女性在各縣市的人口比例值(詳見附表 1-6、. sit. y. Nat. 附表 1-7)與結構(詳見附圖 1-7、附圖 1-8)相似，而且相對應的卡方檢定. al. er. io. p-value(男性: 0.2683；女性: 0.8404)皆大於 0.05，表示 CD 檔可反映 ID 百萬. n. 人抽樣檔在各縣市投保人結構。. Ch. engchi. i n U. v. 因此，根據以上結果，在地區部分，CD 檔可反映 ID 百萬人抽樣檔的特性；而在五齡組的年齡結構部分，由於結構不相似，必須透過事後分層加權或反覆多重加權等方法調整，減少推論的可能偏誤。. 14.

(23) 第二節就醫地與戶口普查的比較使用 CD 檔中，上呼道感染的被保險人，估計常住人口數，並與 2010 年台灣人口普查的結果作比較。首先，不同性別下，比較估計的常住人口與戶口普查在 15 歲以下、15-64 歲、65 歲以上的人數結構。雖然在第一節顯示 CD 檔在各性別的五齡組之結構與 ID 承保檔的母體不相似，但戶口普查提供的年齡結構是 15 歲以下、15-64 歲、65 歲以上，而且估計的常住人口僅藉由 CD 檔中的上呼道感染的被保險人，因此本節比較估計常住人口與戶口普查，在年齡結構為 15 歲以下、15-64 歲、65 歲以上的相似性。藉由繪圖比較差異（詳見附圖 1-9、附圖. 政治大. 1-10），了解戶口普查與估計結果在性別與年齡結構（15 歲以下、15-64 歲、65. 立. 歲以上）趨勢一致。. ‧ 國. 學. 接著，比較兩者的差異，但由於戶口普查的常住人口結果，在男、女性的年齡結構，僅提供 15 歲以下、15-64 歲、65 歲以上的人數，因此透過無母數方法. ‧. (Permutation test)，檢定戶口普查結果與估計出的常住人口之間有無差異。而檢. sit. y. Nat. 定結果並無顯著差異（詳見附表 1-8），表示估計的常住人口與戶口普查，在性別. al. er. io. 與年齡結構（15 歲以下、15-64 歲、65 歲以上）的趨勢一致且無顯著差異。. v. n. 進一步比較不同性別下，不同年齡層（15 歲以下、15-64 歲、65 歲以上）在. Ch. engchi. i n U. 各縣市的常住人口（詳見附圖 1-11~附圖 1-16）。由於不同性別下，各年齡層、各縣市的常住人口分布也並非常態分布，因此藉由無母數方法檢定各地區的人口普查人數與估計常住人口數的一致程度(Spearman`s rank correlation coefficient)，以及之間有無顯著差異(Permutation test)。檢定結果(詳見附表 1-7、附表 1-8)，兩者的相關係數都相當高，而且也無顯著差異。根據以上結果，在不同性別的各年齡結構（15 歲以下、15-64 歲、65 歲以上），各縣市的估計常住人口與戶口普查的結構差異不大，表示上呼吸道感染的就醫地選擇與戶口普查的結果類似，但與戶籍人口記錄不同。換言之，上呼吸道感染的就醫地與戶口普查結果接近，由於戶口普查 10 年才實行一次，若透過健保資料 15.

(24) 庫則每一年都可估計出與普查結果相似的常住人口。不過，目前本研究使用健保資料庫估計的常住人口，僅涉及到縣市層級，若將地區細分到鄉鎮或更小的範圍時，推估結果是否會與實際結果相似，則又待日後繼續研究。雖然估計常住人口與戶口普查，在年齡結構 15 歲以下、15-64 歲、65 歲以上，差異不大，但 CD 檔在五齡組的年齡結構上，與 ID 普查檔並不相似，因此若要對年齡結構做進一步探討，建議使用年齡結構 15 歲以下、15-64 歲、65 歲以上較適當，或是透過事後分層加權或反覆多重加權等方法調整後的五齡組年齡結構。所以，接下來利用估計的常住人口做推論時，先不考慮年齡結構部分，僅. 政治大. 先使用地區(縣市)部分做進一步探討。. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 16. i n U. v.

(25) 第肆章常住人口與戶籍人口差異將估計的常住人口與戶籍人口比較，並探討造成戶籍人口與估計常住人口之間差異的原因，以說明估計的常住人口比戶籍人口更能反映各地區實際人口數。第一節將透過探索性資料分析，尋找可能與差異有關聯的變項；第二節則是將可能變項當作解釋變數，常住人口與戶籍人口的差異比例當作反應變數，進行迴歸分析。. 第一節探索性資料分析. 政治大與世界各國類似，因為工作機會、交通便利、醫療資源等因素的聚集，愈來立. 愈多人口集中於都會地區。有了估計的常住人口，可用於檢視與目前戶籍人口紀. ‧ 國. 學. 錄的差異。比較後發現，常住人口大於法理上的戶籍人口的地區為：基隆市、台. ‧. 北市、新北市、桃園市、新竹市、台中市、嘉義市、台南市、高雄市等地區，如. n. al. er. io. sit. y. Nat. 圖 4-1，主要都位於台灣本島的西部地區。. Ch. engchi. i n U. v. 圖 4-1、2010 年，台灣常住人口大於戶籍人口之縣市 17.

(26) 首先探討可能因為工作機會比較多，而吸引人口移入的可能地區。因為法律規定雇主也需為員工支付健保費，因此健保投保地可用於反映工作機會。透過比較健保投保紀錄與戶籍人口，其中投保人口多於戶籍人口的地區可能是吸引人口移入的地區。比較結果，投保人口比戶籍人口多 3%以上的地區：台北市、新竹市、嘉義市等地區，如圖 4-2。其中台北市差異高達 70%。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4-2、2010 年，投保人口比戶籍人口多 3%以上的縣市. 以台北市為例，根據 2010 年戶口普查主要統計結果，常住於新北市的工作者中，有 27.9％至臺北市工作；而常住於臺北市的工作者中，則也有 12.2％至新北市工作。接著，由於交通設施可減少時空距離的阻礙，而台灣在交通設施上擁有高鐵、民航等方便的交通工具，因此，有提供高鐵、民航服務的地區較有可能造成常住人口與戶籍人口的差異。其中鄰近高鐵站的縣市為：台北市、新北市、桃園市、 18.

(27) 新竹縣、新竹市、台中市、嘉義市、嘉義縣、台南市、高雄市等地區，如圖 4-3，也大多分布在台灣本島的西部地區。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. i n U. v. 圖 4-3、2010 年，台灣地區高鐵站之分布. Ch. engchi. 而民航服務的部分，根據交通部民用航空局(CAA)，民用機場包含航空站、飛行場，若僅考慮航空站，目前有航空站之縣市為：台北市、嘉義市、台南市、桃園市、新北市、台中市、高雄市、嘉義縣、屏東縣、花蓮縣、台東縣、澎湖縣、金門縣、連江縣等地區，如圖 4-4，除了西部地區，離島及東部地區有有提供民航服務。. 19.

(28) 立. 政治大. ‧ 國. 學. 圖 4-4、2010 年，台灣地區航空站之分布. ‧. 除了工作機會、交通便利性，醫療資源的分布也可能會影響人口移動。了解. y. Nat. sit. 醫療資源是否有特別集中在某些縣市的情況，可藉由羅倫茲曲線( Lorenz Curve). n. al. er. io. 與吉尼係數( Gini Coefficient )來衡量。羅倫茲曲線，是在計算「集中度」時的一. i n U. v. 條曲線，通常與吉尼係數併用。而吉尼係數，是一種衡量集中度的方法，通常用. Ch. engchi. 來專指「所得分配的平均度」，此處將所得替換成醫事人員數或醫療院所數，檢視在戶籍角度、常住人口角度下，醫事人員數或醫療院所數分布的平均度。結果如圖 4-5，以常住人口角度，醫療資源分布，比以戶籍人口角度來的均勻。顯示醫療資源的分配，也可能與各縣市常住人口數、戶籍人口數之間差異有關連性。. 20.

(29) 政治大. 圖 4-5、2010 年，醫療資源分配平均度（勞倫茲曲線）. 立. 然而，連江縣的常住人口高於戶籍人口。但是依照連江縣的工作機會、醫療. ‧ 國. 學. 資源評估，此現象不太合理。再進一步研究，發現過去金門是反攻大陸的重. ‧. 要基地，馬祖在反攻大陸的角色以防禦為主，而澎湖防部過去最高峰曾. y. Nat. 有二個師駐防，故外島地區有相當多的駐軍。但 1997 年軍方執行精實. er. io. sit. 案 5後，金門地區兵力目前下修為一萬人左右。而澎湖、馬祖地區現約各有三到四千人。因此，外島地區的常住人數需要調整。將外島地區常. al. n. v i n 住人口，扣除駐軍人數 16500C 人，再根據戶籍比例，加回 22 縣市。 hengchi U. 探討完可能與常住人口和戶籍人口之間差異有關連性的因素，並且調整估計. 的常住人口後，進一步藉由統計方法(迴歸分析)，了解這些因素可以解釋多少常住人口和戶籍人口之間的差異程度。. 第二節. 迴歸分析. 根據第一節常住人口與戶籍人口之間差異的探索性資料分析結果，工作機會多的地區、交通便利性、醫療資源等因素都可能與人口移動有關連性。因此，以中華民國國軍在中華民國臺灣歷次兵力與組織變革改動中，影響層面最廣，學者至今仍爭論評價不一的裁軍計畫，實施期約為 1997-2001 年。 5. 21.

(30) 常住人口與戶籍人口差異為反應變數，工作機會、交通便利性、醫療資源等因素為解釋變數，進行迴歸分析，檢視之間的關聯性。. 反應變數： Y：常住人口與戶籍人口差異解釋變數： X1:台北市(dummy) X2:高鐵(dummy) X3:民航機場(dummy) X4:醫療院所總數(HOSB 檔). 立. 政治大. ‧ 國. 學. 初步的迴歸分析結果，判定係數𝑅 2 與調整判定係數𝑎𝑑𝑗 − 𝑅 2 差異大，表示有不顯著的變數，因此移除掉不顯著變數，最後分析結果(詳見附表 2-1)，判定係. ‧. 數𝑅 2 為 25.09%，而調整判定係數𝑎𝑑𝑗 − 𝑅 2為 21.35%，僅高鐵站為顯著變數。所. y. Nat. sit. 以，高鐵站的有無，可以解釋 25%的常住人口與戶籍人口的差異程度。由於外島. n. al. er. io. 地區，比台灣本島的地區使用高鐵機會少，因此嘗試將外島地區移除，再次建模. i n U. v. (詳見附表 2-2)，判定係數𝑅 2 為 20.42%，而調整判定係數𝑎𝑑𝑗 − 𝑅 2 為 15.74%，與. Ch. engchi. 高鐵站的設立還是有一定關聯性。所以，高鐵帶了交通便利和常住人口與戶籍人口之間的差異具有關連性。再根據表 4-1，除了嘉義市，其他設有高鐵站的縣市，常住人口都比戶籍人口多。而根據圖 4-6，高鐵嘉義站雖然設在嘉義縣，但也相當鄰近嘉義市。根據姚忠達(2012)，所討論的「高鐵運輸帶來的衝擊之一－同城效應」曾提到，臺灣高鐵的營運直接聯繫北部的大臺北區及南部的大高雄區，兩地區相隔三百多公里，然而透過高鐵的高效運行及兩地捷運網的有效聯繫，藉由高速壓縮空間距離，長途旅程不再是漫長而無聊的等待。因此，常住人口與戶籍人口的差異，可能與高鐵帶來的交通便利性有很大關聯。有了方便的交通，人口流動的可能性也相對提升，所以戶籍人. 22.

(31) 口可能不適合用來反映各地區的現況，而本文估計的常住人口或許更適於描述各地區的居住狀況。. 表 4-1、2010 年，常住人口與戶籍人口差異百分比( (常住-戶籍)/戶籍 ) 嘉義市新竹市台中市桃園市新北市差異比例 40.14%. 高雄市基隆市台北市. 21.74%. 10.73%. 4.15%. 3.24%. 1.77%. V. V. V. V. V. 高鐵站. 台南市彰化縣連江縣花蓮縣雲林縣差異比例. 0.49%. 高鐵站. V. -5.62%. 立. -6.81%. -7.06%. ‧ 國. -17.47% -24.79%. 金門縣. -31.00%. -48.11%. ‧. V. io. sit. y. Nat. n. al. er. 高鐵站. -12.09%. -9.81%. 學. 新竹縣南投縣澎湖縣台東縣嘉義縣差異比例 -12.05%. Ch. engchi. i n U. v. 圖 4-6、高鐵嘉義站地理位置地圖. 23. 0.59%. V. 屏東縣宜蘭縣苗栗縣. 政治大. -6.50%. 0.77%. -11.84%. -11.94%.

(32) 第伍章醫療資源全民建保資料庫，除了就醫紀錄檔，還可透過醫事機構檔(HOSB)提供的各級醫療院所分布，衡量目前的醫療資源分配情形。接著，再透過就醫紀錄檔(CD、 HV_CD)，探討民眾就醫是否受醫療資源分布而影響。第一節將以區域級以上醫療院所的分布為指標，探討城鄉差距的狀況。第二節則主要以重大傷病病患為實證分析，透過各種就醫紀錄了解就醫選擇與醫療資源的關聯性，並呈現重大傷病病患跨縣市就醫的情形。. 第一節. 治政區域級以上醫療院所之分布大立. 1995 年，全民健保實施，為了因應當時醫療環境，實行醫療分級。. ‧ 國. 學. 醫療分級是根據醫療院所的專業人員（包括醫生、護士）以及設備、服務內容的. ‧. 不同做分級。台灣醫療院所分級6為：地區醫院、區域醫院、醫學中心以及教學. y. Nat. 醫院。其中，區域醫院和醫學中心，除了供提各類專科外，另設有病理、麻醉、. er. io. sit. 放射線和復建，從事需精密診斷與高度技術之醫療工作，是一般診所或是其他級醫療院所無法提供的醫療服務。因此，藉由區域級以上醫療院的所在各縣市分布. n. al. i n 情形，可了解醫療資源的分配是否存在城鄉差距。 Ch engchi U. v. 首先，根據 HOSB 檔，在 2010 年，區域級以上醫院總共有 149 所，主要分. 布在台北市(25 所)、台中市(29 所)、高雄市(17 所)、新北市(10 所)、桃園市(10 所)、台南市(10 所)，剛好為六都，如圖 5-1，皆集中於台灣本島的西部地區，其他地區相對較少。. 6. 醫療分級簡介 https://helenchangmd.wordpress.com/2014/05/04/3728/. 24.

(33) 立. 政治大. ‧. ‧ 國. 學 y. Nat. n. al. er. io. sit. 圖 5-1、2010 年，台灣地區區域級以上醫院分布. i n U. v. 在區域級以上醫療院所當中，醫學中心又比區域級醫院能提供更完善的醫療. Ch. engchi. 服務(包含家庭醫學、內、外、婦產、兒、骨、神經外、整形外、泌尿、耳鼻喉、眼、皮膚、神經、精神、復健、麻醉、放射線、病理、核醫、牙、急診醫學、職業醫學等 22 科之診療服務)。根據 HOSB 檔，2010 年，醫學中心(評鑑等級為：醫學中心、準醫學中心)總共有 26 所，主要分布在台北市(9 個)、桃園市(2 個)、新北市(2 個)、台中市(5 個)、彰化縣(1 個)、台南市(3 個)、高雄市(3 個)、花蓮縣 (1 個)，如圖 5-2，除了花蓮縣的一所醫學中心，其他的醫學中心都集中在台灣本島的西部地區。. 25.

(34) 政治大. 立. ‧ 國. 學 ‧. 圖 5-2、2010 年，台灣地區醫學中心分布. y. Nat. sit. 因此，根據 HOSB 檔提供的資訊，可以了解目前台灣的區域級以上醫療院. n. al. er. io. 所，幾乎都是設立在高度發展的都會地區，而除了花蓮縣有一所醫學中心外，其. i n U. v. 他非高度發展的地區，鮮少有區域級以上醫療院所提供足夠醫療資源，因此醫療. Ch. 資源的城鄉差距確實是存在的。. engchi. 第二節實證分析-重大傷病了解醫療資源分布存在著城鄉差距後，接著將探討民眾的就醫選擇是否與醫療資源的分部有關連性。本節將以重大傷病為實例，探討重大傷病病患的就醫行為。由於探討就醫行為需要常住地的資訊輔助，而常住地是由 CD 抽樣檔估計，因此僅能藉由存在於 CD 當中的重大傷病病患來探討，因此必須先檢驗樣本代表性是否足夠，才能進一步探討重大傷病病患的醫療資源使用情形。在探討重大傷病的就醫行為前，先了解重大傷病的定義。中央健保局對重大 26.

(35) 傷病的定義為高醫療費用及需長期治療的疾病。全民健康保險法更明文規定，凡是經認定為重大傷病患者，得申請重大傷病卡以免除部份負擔，其政策的目的是為了減輕龐大的醫療費用對病患所造成的財務負擔。目前由行政院衛生福利部公告，包括 30 大類。保險對象經特約醫療院所醫師診斷確定所罹患的傷病是屬於公告之重大傷病時，可檢具文件郵寄或親自送件，向健保分區業務組申請重大傷病證明。102 年，根據衛福部統計，全台重大傷病證明卡已發出約 96 萬張，其中癌症（48.2%）、慢性精神病（21.7%）、全身性自體免疫症候群（8.9%），是重大傷病卡的領證前三名疾病。. 政治大能夠減輕醫療負擔的一項措施。以 102 年衛福部的統計，國人每 100 元的健保立. 而重大傷病證明卡核發的目的，是健保給予罹患重病，且需長期醫療的患者， 7. 費，就有 28 元是補助這些有重大傷病證明卡的人。可見重大傷病證明卡對於重. ‧ 國. 學. 大傷病患者，是有實質上的幫助。然而，衛生福利部及目前的研究，鮮少進一步. ‧. 提及重大傷病醫療資源在各地區的供給或使用狀況。在外島地區(澎湖縣、金門. y. Nat. 縣、連江縣)，地區政府皆有設立「嚴重傷病患轉診赴台就醫交通費補助方. er. io. sit. 案」，而且重大傷病病患即是主要補助對象之一。顯示外島地區對於到台灣本島就醫有一定的需求，以及外島地區的重大傷病醫療資源相對於. al. n. v i n 台灣本島地區來的不足，而C本島地區沒有像外島地區有就醫補助方案為 hengchi U 明顯指標，但本島某些地區也還是可能有跟外島地區一樣的狀況。. 了解重大傷病的定義後，接著探討重大傷病的就醫行為，但受限於只有 CD 檔可提供各縣市的常住人口資訊，所以本研究將藉由 CD 檔中，領有重大傷病卡和看診重大傷病病患，做進一步探討。首先，檢驗 CD 檔中，各縣市的重大傷病病患是否可反映整體重大傷病(HV_ID 檔、HV_CD 檔)的特性。在領有重大傷病卡人的部分，抽樣結果在各縣市的人數比例與原始人數在各縣市比例相近(詳見附圖 3-1、附表 3-1)，且卡方檢定 p-value = 0.2542 大於 0.05，因此各地區領有重 7. 衛福部新聞稿(102 年 06 月 04 日) http://www.nhi.gov.tw/Information/newsdetail.aspx?menu=9&menu_id=544&No=1100. 27.

(36) 大傷病卡病患抽樣的結構與母體相似。而在看診重大傷病病患部分，雖然卡方檢定拒絕虛無假設(p-value < 2.2e-16)，但根據表 5-1、圖 5-3 的結果，以及無母數方法(Spearman`s rank correlation coefficient = 0.9854)，皆顯示兩者在結構上非常相似，換言之，樣本可反映母體大部分的結構。因此，在有了各地區常住人口資訊後，搭配全民健保資料庫原有的各地區重大傷病就醫紀錄，可進一步探討各地區重大傷病醫療資源的分布狀況。. 表 5-1、2010 年，就診紀錄檔中的重大傷病之各縣市樣本代表性. 政治大 0.0141 0.0129 0.0171. 重大病就診地新北市台北市基隆市新竹市宜蘭縣桃園市新竹縣台中市母體. 0.0535 0.2496. 樣本. 0.0621 0.2434 0.0145 0.0145 0.0171 0.0998 0.0066 0.1248. ‧ 國. 0.0127 0.0501 0.0158 0.0204 0.0770 0.1483 0.0231 0.0228. y. sit. 屏東縣台東縣花蓮縣澎湖縣金門縣連江縣. io. al. er. 重大病就診. 0.0119 0.0492 0.0128 0.0159 0.0858 0.1503 0.0226 0.0205. Nat. 樣本. 苗栗縣彰化縣南投縣雲林縣台南市高雄市嘉義市嘉義縣. ‧. 母體. 0.0976 0.0051 0.1310. 學. 重大病就診. 立. 0.0215 0.0064 0.0215 0.0005 0.0002 0.0000. 樣本. 0.0211 0.0056 0.0193 0.0006. n. 母體. Ch. engchi. 28. iv n U 0.0000 0.0005.

(37) 0.3 0.25 0.2 0.15 0.1 0.05 新北市台北市基隆市新竹市宜蘭縣桃園市新竹縣台中市苗栗縣彰化縣南投縣雲林縣台南市高雄市嘉義市嘉義縣屏東縣台東縣花蓮縣澎湖縣金門縣連江縣. 0. Population. Sample. 政治大. 圖 5-3、2010 年，重大傷病就醫地樣本代表性. 立. ‧ 國. 學. 檢驗完 CD 檔中的重大傷病病患，可以反映母體(HV_ID 檔、HV_CD 檔)在各縣市的特性後，接著做進一步分析。首先，重大傷病在各縣市盛行率差異小(詳. ‧. 見附圖 2-1，都介於 0.01~0.06)，然而根據圖 5-4，台北市、桃園市等縣市的重大. sit. y. Nat. 傷病就診頻率(當地重大傷病就醫人數/當地重大傷病領卡人數)明顯大於 1，而其. n. al. er. io. 他縣市則小於 1，顯示某些縣市的重大傷病病患有跨縣市看診重大傷病的現象。. 2. Ch. engchi. i n U. v. 1. 0. 台北市. 桃園市 05_06年. 台中市. 高嘉嘉雄義義市市縣 07_08年. 09_10年. 11_12年. 圖 5-4、2005-2012 年，各縣市重大傷病病患就醫頻率 29.

(38) 根據第肆章，第一節所提到的可能造成常住人口與戶籍人口差異的變項當中，挑選出可能與就醫選擇相關的變項(X2:高鐵、X3:民航機場、X4:醫療院所總數)，再加上醫學中心數，當作解釋變數，而各地區重大傷病就診率當作反應變數，進行迴歸分析。分析結果(詳見附表 3-2)，複判定係數𝑅 2 =43.2%，其中醫學中心數為顯著的變項。因此各地區的醫學中心數目，與各地區就診頻率有很大的關連性。探討完整體重大傷病的就醫頻率，接著以重大傷病當中，人數最多癌症為例子。各地區癌症盛行率，逐年上升，但各地區差異並不大(詳見附圖 2-2)，然而. 政治大. 根據圖 5-5，也和整體重大傷病類似，台北市、桃園市等縣市的癌症就診頻率明. 立. 顯大於 1，而其他縣市則小於 1。可見癌症與整體重大傷病一樣都有跨縣市就醫. ‧ 國. 學. 的現象。同樣，使用可能與就醫選擇相關的變項(醫學中心數目、高鐵、民航機場、醫療院所總數)當作解釋變數，進行迴歸分析(詳見附表 3-3)，複判定係數. ‧. 𝑅 2 =53.02%，僅醫學中心數目是顯著的變項，顯著的變數與整體重大傷病一樣是. y. Nat. sit. 醫學中心數目。所以，與整體重大傷病相同，各地區的癌症就診頻率與各地區的. n. al. er. io. 醫學中心數目有很大關聯性。. 2. Ch. engchi. i n U. v. 1. 0 台北市. 桃園市. 台中市. 05_06年. 彰化縣 07_08年. 台高嘉嘉南雄義義市市市縣 09_10年. 11_12年. 圖 5-5、2005-2012 年，各縣市癌症病患就醫頻率 30. 花蓮縣.

(39) 在了解重大傷病就醫狀況後，進一步了解重大傷病就醫選擇是否與一般小病 (ex:感冒)有差異。藉由羅倫茲曲線與吉尼係數，將所得替換成在各縣市的就診次數，來了解重大傷病病患在各縣市看診重大傷病及感冒的平均度。結果如圖 5-6，重大傷病病患在看診重大傷病的地點選擇，比看診感冒的地點選擇來得不均勻。. 立. 政治大. ‧. ‧ 國. 學. io. sit. y. Nat. n. al. er. 圖 5-6、2005 年-重大傷病患，各縣市看診重大傷病、感冒平均度（勞倫茲曲線). Ch. engchi. i n U. v. 進一步，了解重大傷病病患在重大傷病、感冒的就診地選擇(詳見附表 3-8、附表 3-9)。其中，重大傷病就診比感冒多出 5%以上的縣市分別為：台北市、桃園市、台中市、高雄市、嘉義市、嘉義縣，如圖 5-7。其中，又以台北市、桃園市為差異最大的前兩名，分別多出 91.95%、31.63%。. 31.

(40) 0.25 0.2 0.15 0.1 0.05 0 嘉義市. 嘉義縣. 桃台台高園中北雄市市市市. 政治看感冒大. 重大傷病. 立. 圖 5-7、2005 年-重大傷病病患，在各縣市看診重大傷病、感冒的比例. ‧ 國. 學. 再次將使用可能與就醫選擇相關的變項(醫學中心數目、高鐵、民航機場、醫. ‧. 療院所總數)當作解釋變數，重大傷病患在各地區的看診重大傷病與感冒的人數. sit. y. Nat. 差異比例當作反應變數，進行迴歸分析。分析結果(詳見附表 3-4)，判定係數. al. er. io. 𝑅 2 =49.03%，醫學中心數目是顯著的變項，因此，各地區重大傷病患的看診重大. v. n. 傷病與感冒的人數差異比例與醫學中心數目有很大關聯性。不管是看診重大傷病. Ch. engchi. i n U. 與感冒的選擇差異，或是各縣市重大傷病就診頻率的不同，都與醫學中心數目有很大的關連性。探討完整體重大傷病後，若以癌症病患看診癌症、感冒的地區選擇，結果(詳見附表 3-8、附表 3-9)。與整體重大傷病相似，癌症就診比感冒多出 5%以上的縣市分別為：台北市、桃園市、台中市、高雄市、嘉義市、嘉義縣。其中，又以台北市、桃園市為差異最大的前兩名，分別多出 98.4%、41.6%。因此，若以癌症病患看診癌症與感冒的就醫地選擇差異，進行迴歸分析(詳見附表 3-5)，也得到相同的結論。癌症病患的就醫選擇也和整體重大傷病病患相同，與醫學中心數有很大關聯性。 32.

(41) 根據以上結果，了解到整體重大傷病病患或是癌症病患，在就醫選擇上，都與醫學中心數目有很大關聯性。因此，將進一步了解重大傷病病患，跨縣市就醫情形。首先，了解哪些縣市會吸引其他地區的重大傷病病患前來就醫。根據圖 5-8，有超過 50%重大傷病就醫病患是非常住人口的縣市：台北、桃園、嘉義縣。以台北市為例，醫學中心數 9，為二十二縣市之冠，且同時擁有高鐵站及松山機場，交通相當發達。再根據圖 5-9，跨縣市到台北市看診重大傷病的以新北市為最多(約 60%)，可能原因為鄰近(交通方便)，且醫療資源相對發達(新北市醫學中心數為 2)。. 立. 1. 政治大. ‧. ‧ 國. 學. 0.5. n. al. er. io. sit. y. Nat. 0 台北市. 桃園市 05_06年. Ch. engchi. 07_08年. 09_10年. i n U. v. 嘉義縣. 11_12年. 圖 5-8、2005-2012 年，各縣市非常住人口之重大傷病就醫比例. 33.

(42) 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 新北市. 桃園市 05_06年. 立. 政治 09_10年大. 07_08年. 11_12年. 圖 5-9、2005-2012 年，非台北市常住重大傷病病患，來自各縣市比例. ‧ 國. 學. 探討完會吸引其他縣市重大傷病病患前往就醫的縣市，接著探討哪些縣市的. ‧. 重大傷病病患較易選擇跨縣市就醫。新北市、新竹縣、苗栗縣、雲林縣、澎湖縣、. y. Nat. sit. 金門縣、連江縣，皆有超過 5 成的重大傷病患不在該常住地就醫(詳見附圖 3-6)。. n. al. er. io. 進一步探討，這些地區的重大傷病患會到哪些地區就醫，結果如表 5-2，幾乎都. i n U. v. 是設有醫學中心或是擁有就多區域級以上醫療院所的縣市，而且與 99 年人口及. Ch. engchi. 住宅普查「健康醫療補充報告」8提到的跨縣市就醫狀況大同小異(詳見附表)。以新北市為例，該地區的整體重大傷病病患，不在常住地就醫的比率高達六成，而選擇到鄰近且醫療資源相對豐富的台北市就醫。接著，若僅考慮癌症，根據圖 5-10，台北市、桃園市等地區，有 50%的癌症病患是來自其他縣市。而台北市、桃園市的外來癌症就醫病患，主要也都是來自新北市(詳見附圖 3-4、附圖 3-5)。. 8. 99 年人口及住宅普查「健康醫療補充報告」. www.stat.gov.tw/public/Attachment/33298512771.pdf. 34.

(43) 1. 0.5. 新北市台北市基隆市新竹市宜蘭縣桃園市新竹縣台中市苗栗縣彰化縣南投縣雲林縣台南市高雄市嘉義市嘉義縣屏東縣台東縣花蓮縣澎湖縣金門縣連江縣. 0. 政治大. 立. 05_06年. 07_08年. 09_10年. 11_12年. ‧. ‧ 國. 學. 圖 5-10、2005-2012 年，癌症-各地區非常住人口就醫比例. 表 5-2、2005-2012 年，重大傷病病患跨縣市就醫情況常去就醫縣市. 新北市. 1.台北市(74.77%)、2.桃園市(17.61%). 新竹縣. 1.桃園市(34.47%)、2.新竹市(29.64%)、3.台北市(23.70%). 苗栗縣. 1. 台中市(29.07%)、2.桃園市(27.32%)、3. 台北市(25.80%)、 4. 新竹市(10.04%). n. sit. er. io. al. y. Nat. 常住地. Ch. engchi. i n U. v. 雲林縣. 1.嘉義縣(29.75%)、2.台北市(15.22%)、3.台中市(15.06%)、 4.彰化縣(11.48%). 金門縣. 1.台北市(63.37%)、2.桃園市(17.39%). 澎湖縣. 1.高雄市(44.39%)、2.台北市(25.89%)、3.桃園市(6.90%). 連江縣. 1.台北市(93.75%). 所以，綜合本章的結果，了解到目前台灣的醫療資源分配存在著城鄉差距，而重大傷病病患的就醫選擇與此現象有著關聯性。最後，透過 GIS 計算出較多重大傷病病患跨縣市就醫地區的平均就醫距離(地理中心位置距離；同一縣市視為 0)。結果如表 5-3，藉由這些較多重大傷病病患跨縣市就醫地區的平均就醫距 35.

(44) 離，顯示目前外島地區及部分偏鄉地區(苗栗、雲林等)，重大傷病病患就醫是明顯不方便。. 表 5-3、2005-2012 年，較多重大傷病病患跨縣市就醫的縣市之平均就醫距離常住地. 新北市. 新竹縣. 苗栗縣. 雲林縣. 金門縣. 澎湖縣. 連江縣. 8.72. 34.25. 63.29. 75.38. 317.45. 166.17. 205.92. 平均就醫距離. 立. 政治大. 學 ‧. ‧ 國 io. sit. y. Nat. n. al. er. (單位：公里). Ch. engchi. 36. i n U. v.

(45) 第陸章結論與建議第一節結論本研究藉由健保資料庫估計的各縣市常住人口，與 2010 年的戶口普查結果呈現高度正相關，解決了戶籍登記、戶口普查、健保投保人口，在各年度常住人口蒐集不易的問題。估計的常住人口在性別、年齡（15 歲以下、15-64 歲、65 歲以上）、地區（縣市）方面，都與戶口普查結果相當一致，因此可彌補戶口普查每 10 年才實行一次的缺點，使用健保資料庫估計出每個年度的常住人口。. 政治大高鐵有很大關聯性。台灣高鐵在 2007 年 1 月 5 日通車後，縮短的南、北通勤的立. 進一步，比較估計的常住人口與戶籍人口的差異，發現與帶來交通便利性的. 時間，因此在交通方便的情況下，高度發展的縣市，例如台北市，更能吸引其他. ‧ 國. 學. 地區的勞動人口前往就業。有了方便的交通，人口流動的可能性也相對提升，所以戶. y. Nat. 住狀況。. ‧. 籍人口可能不太適合反映各地區的現況，而選用估計的常住人口來描述各地區真實的居. er. io. sit. 在醫療資源這部分，區域級以上醫療院所，幾乎都設立在高度發展的都會地區，顯示醫療資源的城鄉差距確實是存在的，而這點與重大傷病病患的就醫選擇. al. n. v i n 相關。首先，在 2005-2012 年，重大傷病病患在重大傷病的就醫地點選擇，相對 Ch engchi U. 較感冒的就醫地選擇來的不平均。而各縣市重大傷病的就醫頻率也有很大差異，例如：新北市、新竹縣、苗栗縣、雲林縣、澎湖縣、金門縣、連江縣，皆有超過 50%的重大傷病患不在該常住地就醫，而選擇到台北市、桃園市、台中市、高雄市等醫療資源相對豐富的地區就醫。以上的結果，都與醫學中心的設立有很大關聯性。最後，根據較多重大傷病病患跨縣市就醫地區的平均就醫距離，外島地區及部分偏鄉地區(苗栗、雲林等)，重大傷病病患就醫又明顯不方便。因此，衛生福利部及健保署在規劃及分配重大傷病醫療資源時，應將改善離島地區的就醫環境為首要考量之一。或是金門縣、澎湖縣、連江縣，雖然目前已有離島地區居民 37.

(46) 轉診就醫交通費補助方案，若參考本研究的結果去編列預算，或是協助規畫交通路線，則能使方案更加完善。. 第二節研究限制與未來方向首先，本研究所持有的資料庫，性別與年齡有不少的遺漏值，與國衛院，2005 年承保抽樣歸人檔的抽樣報告有些出入（性別、年齡幾乎是沒有遺漏值）。因此，再次驗證樣本代表性，發現 CD 檔在各性別的五齡組年齡結構，在統計上與母體顯著不同，所以可能需要透過事後分層加權或反覆多重加權等方法調整，或者改. 政治大接著，本研究的重點，根據呼吸道感染門診就醫地估計出的常住人口，整體立. 用 15 歲以下、15-64 歲、65 歲以上的年齡結構，來做進一步的探討。. ‧ 國. 學. 上與戶口普查結果相當一致，然而某些地區與某些年齡層的效果卻不太理想。根據林民浩等人(2011)所討論的「利用地區差異與人口學特徵評估全民健保資料庫. ‧. 人口居住地變項之推估原則」中提到以被保險人呼吸道感染門診就醫地視為居住. sit. y. Nat. 地所在，較適用在高度都市化地區與未滿 65 歲之人口，且在高齡化市鎮、農業. al. er. io. 市鎮及偏遠鄉鎮估計偏誤較大。因此，將來若將估計的地區範圍從縣市擴展到鄉. v. n. 鎮時，必須考慮抽樣而造成的存活效應，僅探討 5 歲到 65 歲的樣本。至於外島. Ch. engchi. i n U. 地區，由於過去是軍事重地，到目前還是有相當數量的駐軍，透過上呼吸道感染推估常住人數也可能會有偏誤。然而外島地區實際駐軍數是國家機密，因此只能根據過去文獻的經驗約略估計，所以若能估計外島地區的駐軍數，對於外島地區常住人口的估計會有很大改善。至於，重大傷病的部分，在 CD 檔中那些曾看診上呼吸道感染之重大傷病病患的樣本數不足的情況下，目前僅針對地區部分作探討。因為若再分性別或年齡，有些地區(例如：連江縣)會面臨沒抽到樣本的情況。而且本研究目前僅能探討有就醫的重大傷病病患，而有領卡未就醫的重大傷病病患則並不在討論範圍。根據蔡偉德、張雅雯(2002)所討論「醫療利用可近性—台灣老人之實證研究」曾提到 38.

(47) 大多數的研究都只採用有醫療服務利用的人，而忽略對醫療服務有需求但並未使用醫療資源者，因此容易產生樣本選擇偏誤（selection bias）的問題。所以，要完整呈現重大傷病病患的真實需求，除了必須設法進一步了解目前無法探討的性別、年齡等變項外，以及如何評估沒有就醫紀錄的重大傷病病患之需求，都是必須解決的問題。最後，2010 年的戶口普查首次與健保資料庫做連結，根據「99 年人口普查健康醫療補充報告提要分析」中的本國籍常住人口跨縣市就醫(包含所有疾病)概況之統計結果，與本研究的整體重大傷病病患跨縣市結果大同小異，除了顯示會. 政治大口做醫療資源的探討，也是合理的方式。因此，不用受限於戶口普查 10 年才一立. 跨縣市就醫的病患當中重大傷病病患占了大部分之外，本研究使用估計的常住人. 次，每年的跨縣市就醫狀況皆可反映，而且進一步可觀察跨縣市就醫是否有變動. ‧ 國. 學. 趨勢。所以，往後的研究可以承接本研究的模式，先藉由上呼吸道感染的就醫紀. ‧. 錄估計常住人口，再藉由估計結果去探討其他種類疾病(例如：癌症(CN 檔)、糖. n. al. er. io. sit. y. Nat. 尿病(DB 檔)等)的醫療資源使用情形或其他與常住人口相關的醫療議題。. Ch. engchi. 39. i n U. v.

(48) 參考文獻一、中文部份王冠懿、鄭守夏(2006)，民眾就醫層級與醫療利用分析：SARS 疫情前後的觀察，台灣衛誌，Vol25，75-82。李世代、范碧玉、黃麗秋、簡雅芬(1999)，全民健康保險慢性病 ICD-9-CM 分類代碼之研議，衛生福利部中央健康保險署。李世代(2000)，全民健康保險慢性疾病建議代碼，衛生福利部中央健康保險署。. 政治大料庫人口居住地變項之推估原則，台灣衛誌， Vol. 30，347-361。立. 林民浩、楊安琪、溫在弘(2011)，利用地區差異與人口學特徵評估。全民健保資. 林渤越(2014)，以全民健康保險資料庫探討國人慢性疾病的現況，國立政治大學. ‧ 國. 學. 商學院統計學系碩士論文。. ‧. 范子華(1987)，人口統計與分析，台灣：三民出版。. y. Nat. 章殷超、溫在弘、賴美淑(2009)，利用地理資訊系統探討肝癌病患就醫地理可近. er. io. sit. 性與醫院選擇間之相關性，台灣衛誌，Vol. 28，517-29。. 張雅雯(2002)，醫療利用可近性—台灣老人之實證研究，國立中央大學產業經濟. n. al. 研究所碩士論文。. Ch. engchi. i n U. v. 劉訓蓉、劉惠玲、周元暉、程郭義、王曉雲(2010)，《2010 年人口及住宅普查構想與發展之研究》。台灣：行政院主計處-綜合規劃處。顏貝珊、余清祥(2010)，2010 年各國人口普查制度之研究，人口學刊，Vol. 40， 203-229。蘇維屏(2014)，全民健保資料庫分析：重大傷病及癌症之研究，國立政治大學商學院統計學系碩士論文。顧漢凌(2006)，全民健保體系下醫療資源分佈對個人醫療使用的影響，國立東華大學國際經濟研究所碩士論文。 40.

由健保資料庫探討台灣 常住人口與醫療利用 - 政大學術集成

由健保資料庫探討台灣常住人口與醫療利用 - 政大學術集成