以存活分析方法探討中醫醫療利用率; The Utilization Rate of Chinese Medicine in Taiwan : An application of Survival Analysis

全文

(1)第一章. 緒論. 在緒論章節中，將依序陳述研究背景、研究問題之現況和本研究目的。. 第一節. 研究背景. 現今台灣的醫療體系主要以西醫為主流，但因為文化及傳統等之影響，使得西方醫學仍無法取代中國醫藥。事實上由於中藥藥性溫和且副作用少，又可免除開刀，因此仍有許多民眾喜好求診中醫（陳太義等，1990），以中醫醫療而言，過去的研究指出台灣地區民眾有 11％的病次求助於中醫療法，採複向（中醫、西醫、民俗療法）的家庭約佔 60％（吳就君，1981）。. 台灣於 1995 年三月正式開辦全民健保，亦將中醫門診納入給付範圍，其給付項目以案件分類，分為中醫一般案件、中醫專案、中醫慢性病、中醫針灸傷科及脫臼整復等四大類。由於全民健康保險將中醫門診納入給付範圍，使得民眾對於中醫醫療利用快速增加，中醫門診使用人次由 1995 年約為 2200 萬人次，至 1998 年成長至 2700 萬人次，然其成長幅度仍低於西醫及牙醫（李漢修，1999）。最近的研究中指出，台灣地區民眾求助於中醫的比例成長至 28％（羅紀瓊，2000）。. 另外，由於近年來醫療科技的進步及生活環境的改善，國民的平均壽命逐年提高，但人口出生率卻逐年下降，造成台灣地區人口老年化。人口老化，慢性病患者增多，將可預見其對中醫醫療利用情形之影響。基於牙醫總額支付制度推動後甚為順利，行政院衛生署健保小組於 1999 年 5 月 5 日成立「中醫門診總額支付制度推動小組」，負責試辦計劃之研擬與規劃，自 2000 年 7 月 1 日起開始實施。. 1.

(2) 目前，中醫在全民健保制度下，其業務量呈現快速成長的趨勢，如此，將嚴重影響健保財務，如果想要控制中醫醫療費用，必須先對全民健康保險制度下之中醫醫療利用情形做了解，才能對於中醫藥衛生政策方面做有效的具體建議。. 故本研究以推估全民健康保險制度下中醫醫療利用率（含治療用中藥）及探討民眾使用中醫醫療之影響因素，以期能提供衛生醫療單位未來中醫醫療利用情形之參考與評估。. 第二節. 問題現況. 以往有關中醫醫療利用率的研究主要有兩個限制：一是多為區域性的研究，二是近年來多為分析現有醫療利用申報檔。因此本研究將進行全台灣地區民眾之問卷調查，以所得到之資料來推估中醫醫療利用率。. 另一方面是方法論上的嚴重問題，亦即在以往相關研究中，推估醫療利用率所測量的時間長短均有不同，由一週、一個月到一年時間不等（詳見表 2-2），此一現象不僅造成研究結果之間無法相互比較，而且更有測量上的基本問題。亦即只要所問的時間愈久，則任何醫療的利用率愈接近 100﹪，本研究針對此方法學上之問題作為分析考量的重點。. 2.

(3) 第三節一、. 研究目的在考慮時間期限與起點的前提下，估計台灣地區民眾每個月中醫醫療利用率。. 二、. 以兩部分模型（Two-Part Model）及存活分析（Survival Analysis）分析利用中醫醫療之影響因素。. 三、. 在考量多次就醫（recurrent data）之時間點下，以存活分析探討影響中醫醫療利用的影響因素。. 四、. 在考慮時間期限的前提下，將本研究模型與歷年台灣中醫醫療利用率的研究結果作整合比較。. 五、. 在新的研究架構和統計模型之下提供中醫政策上的建議。. 3.

(4) 第二章. 文獻探討. 本章中將分為四小節探討中醫醫療相關文獻與理論，依序陳述 Andersen Model 醫療利用的理論探討、中醫醫療利用相關實證研究、目前中醫醫療現況探討、SF-36 健康量表。. 第一節. Andersen Model 醫療利用的理論探討. 醫療利用行為之理論模式有相當多學者提出過，但最被廣泛應用的是1968 年 Andersen 發展的醫療服務利用行為模式，模式中主要是考量個人特質的傾向因素（ predisposing factors ）、能用因素（enabling factors）、需要因素（need factors）來探討醫療服務的利用，之後Andersen又與其他學者不斷修正此模式，共提出四個階段的模式，以下對於該四個階段模式，茲以說明：. 一、第一階段健康行為模式（Andersen，1968）. 其理論架構如圖2-1，此階段之健康行為模式強調以個人為單位的因素探討，以評估家庭使用醫療服務的可近性，詳述如下： 1.傾向因素（predisposing component）：指個人於疾病發生前，有哪些特質的人較傾向使用醫療服務，個人特質又可歸納成三個層面: （1）基本人口學特徵(demographic):年齡、性別、婚姻狀況、家戶人數。（2）社會結構特徵(social structure) ：教育程度、職業類別、宗教信仰等。（3）健康信念(health belief)：指對醫療保健之知識與價值觀，包含壓力、焦慮及是否相信醫療效果。. 4.

(5) 2.能用因素(enabling component)：指外在環境中，促進（或阻礙）個人使用醫療服務資源之因素，或協助個人使用醫療照護之資源，唯有具備利用醫療服務能力的人才能夠去利用醫療服務，可分為兩個層面: （1）個人/家庭資源(personal/family)：包含家庭收入、儲蓄及有無健康保險。（2）社區資源(community)：包含社區醫療資源的多寡、醫療資源的可近性和就醫有無固定場所。 3.需要因素(need component)：指個人是否需要醫療後，才會產生醫療利用的行為，包括二個層面：（1）個人對健康與疾病的主觀感受(perceived)：個人對醫療保健需求的評估，視其對疾病的忍受程度或健康異常狀況的定義而定，如自覺無法工作天數或活動受限天數，自覺一般健康狀況。（2）疾病臨床評估(evaluated) ：指由醫療專業人員所做的之診斷，評估個人是否需要醫療保健。. 傾向因素. 能用因素. 需要因素. 人口學特質. 家庭資源. 個人主觀感受. 社會結構特質. 社區資源. 疾病臨床評估. 健康信念. 健康服務利. 圖2-1：Aday＆Andersen第一階段健康行為模式. 5.

(6) 由於Aday＆Andersen第一階段健康行為模式結構簡單且資料容易蒐集，因此較受歡迎且許多研究醫療利用的文獻也廣泛的以此模式成為其研究架構，本研究也分為傾向、能用、及需要三大因素探討影響中醫醫療利用的相關因子。. 二、第二階段健康行為模式（Aday ＆ Andersen，1975）. 1975年，Aday＆Andersen 將原有的健康行為模式加以擴充，提出第二階段健康行為模式，又稱為「健康系統模式」，其理論架構見圖2-2： 1.衛生政策因素：主要針對財務(financing)、教育(education)、醫事人力 (manpower)、及健康照護組織(organization)等四大部份，作為醫療資源可近性評估之思考。 2. 健康照護提供體系因素：基本上可以分成資源 (resource) 與組織 (organization) 兩大方面。資源方面，主要指健康照護時所投入的資產 (capital) 與人力 (labor) ，而這些資源之數量 (volume) 與分佈 (distribution)，也是在探討資源方面因素時的重點。在組織方面，主要是指上述資源投入後，資源如何在健康照護過程中獲得利用與管理，其所探討的方向可以分成進入(entry)及結構(structure)，進入，是指民眾進入健康照護系統的過程，如：交通因素、等候時間等；結構因素，主要是指民眾欲進入健康照護組織所會面臨的相關條件、規定或障礙等等。 3.消費者滿意度之因素：指消費者使用過健康照護之後，對於健康照護之評價，其評價方向可以分為下五大項，即方便性(convenience)、成本(cost)、協調(coordination)、資訊 (information)、品質(quality)及禮貌(courtesy) 等五大項。. 6.

(7) 4.個人或族群特質(characteristics of population at risk)：主要基本概念與第一階段之健康行為模式相同，在第二階段之健康行為模式將個體因素中的基礎因素及協助資源再分為可變動及不可變動兩類，所謂的可變動泛指：個體之健康信念、所得及有無健康保險等等因素，而不可變因素包含性別、年齡及種族等變項。. 衛生政策 Ø Ø Ø Ø. 財務教育人力組織. 服務提供體系特徵---結構指標 Ø. Ø. 族群特性 ---過程指標 Ø Ø Ø. 資源數量分布組織進入結構. 健康服務利用--客觀指標 Ø Ø Ø. 傾向因素能用因素需求因素. 消費者滿意度 ---主觀指標 Ø Ø Ø. 型態地點求醫目的就醫頻率. 方便、可用財務、成本品質、協調. 圖 2-2：第二階段健康行為模式. 第二階段健康行為模式比第一階段健康行為模式更為複雜，與第一階段之最大不同點在於除了將個人因素在細分為可變因素及不可變因素，且將衛生政策因素、健康照護提供體系因素、消費者滿意度之因素納入該模式。整個模式擴充分為兩類：結構指標與過程指標之潛在的（potential）可近性，主要探討的都是屬於先天環境或能力而造成在獲得醫療服務上的困難及阻礙；另一類則是客觀指標與主觀 7.

(8) 指標之實際的（realized）可近性，強調消費者在使用醫療服務的過程中所產生的客觀利用情況及主觀感受。第二階段健康行為模式錯綜複雜，且各個變項資料收集費時也費力，健康政策雖可說是最直接影響健康照護體系特質的工具，影響也最深遠，但由於其不易量化與評估，因此測量上也有一定之困難性。. 三、第三階段健康行為模式（Aday & Andersen，1995）. 此階段健康行為模式見圖2-3，強調醫療服務可用於維護及改善個人健康狀態，而個人對於醫療服務的認知可藉由個人認知或由專家評估其健康狀態，外在環境因素方面也是影響醫療利用的重要因素，例如政治、經濟因素等，同時加入個人健康行為如飲食、運動、自我照護等對健康結果的影響，最後模式增加對健康狀況結果的測量，將原本評估醫療服務之可近性的概念測量更擴大。. 健康行為主要決定因素. 健康行為. 健康結果. 人口特徵. 個人健康行為. 認知健康狀況. 健康照護系統. 利用醫療服務. 評估健康狀況. 外在環境. 消費者滿意度. 圖2-3：第三階段健康行為模式. 8.

(9) 第三階段健康行為模式簡化並修正了第二階段健康行為模式，強調潛在行為之主要決定因素影響著健康行為，而健康行為影響著結果，與第一階段及第二階段行為模式相比則增加了健康結果之層面。. 四、第四階段健康行為模式（Andersen，1995）. 此理論架構見圖 2-4，Andersen 整合 Scoddart 和 Patrick 等人的研究，最後提出第四階段健康行為模式，此模式強調整個健康利用行為模式為一個動態 (dynamic) 及會循環(recursive)之模式，顯示出醫療服務利用行為中各種因子交互影響作用，環境因素會影響人口特性,在間接影響健康行為，此外再加入利用醫療服務後的健康行為因素,且個人使用醫療服務後的健康狀況結果還會再影響個人的健康行為與之人口特質。. 環. 境. 健康照護系統. 人口特質. 傾向. 健康行為. 個人健康行為. 能用外在環境. 需要. 結果. 自覺健康狀況評估後健康狀況. 醫療服務利用. 消費者滿意度. 圖 2-4：第四階段健康行為模式. 第四階段健康行為模式與第三階段最大不同之處，在於此階段將原健康行為主要決定因素分為「環境」與「人口特質」兩層面，使整個模式更加完整與周詳，每個層面皆同等重要，互相影響著彼此。 9.

(10) 第二節. 中醫醫療利用相關實證研究. 有關於國內民眾之中醫利用及影響因素之研究，在中醫研究領域中，歷年來已有相當多的研究報告，本研究以近十年之文獻為主，節錄整理如表2-1。以下將更進一步針對以往文獻之研究對象及研究範圍、測量時間與結果、統計方法做分類比較（見表2-1、2-2）：. 一、研究對象及研究範圍. 最近十年相關中醫醫療利用文獻，研究對象及研究範圍雖以全國性研究居多，但其資料來源通常來自於中央健康保險局醫療費用申報檔，以次級資料分析研究，因此，研究需要變項之取得有其限制性存在，如蔡文全（1994）、李隆安等（1999）、翁瑞宏（2000）、蔡文正等（2001）。而區域性質之研究，則多以問卷面訪方式進行初級資料的蒐集，因為範圍並不是全國民眾，因此，研究結果並不足以代表全台灣地區民眾醫療利用情形，例如：林芸芸（1992）之研究對象為台北新店居民、王嘉蕙（1993）則以嘉義縣二十歲以上之民眾為研究母群體、李卓倫等（1995）研究對象為五個地區別之五家醫院中醫門診病患。以初級資料蒐集民眾中醫醫療利用資訊最大問題為民眾的回憶誤差（recall bias），很多受訪者對於要填答過去就醫次數方面問題，都並不是能那麼準確地回憶起，因此，初級資料與次級資料相比下，資料可信度與正確性常被存疑，例如：吳肖琪（1991）、陳秋瑩等（1999）與鄧振華（2002）之研究，雖然研究母群體為台灣地區民眾，研究結果具全國代表性，但初級資料所得到的利用率有可能因為民眾之回憶誤差而造成高估或低估之效應存在。. 10.

(11) 二、測量時間與結果. 以往研究中醫醫療利用之測量時間長短皆不一樣，從表2-2中可以看出測量時間以一個月及一年之測量為最多，一年以上之測量時間也以次級資料為蒐集方法為主。由於測量時間長短不等，因此各研究間並不能比較彼此之中醫醫療利用率，測量時間長短相同之研究才能相互比較，例如：陳秋瑩等人（1999）、吳肖琪（1991）、林芸芸（1992）三者測量時間同是一個月，相比下發現吳肖琪之研究其中醫醫療利用率最低，而林芸芸及陳秋瑩等人之研究顯示中醫醫療利用率在一個月內為7.5﹪及7.9﹪，中醫醫療利用率在最近幾年內，有明顯之成長。三個月內之利用率則達到10.5﹪（蔡文全，1994），王嘉蕙（1992）則以初級資料問卷面訪方式調查中醫利用情形，兩者間在中醫醫療利用次數上，王嘉蕙之研究高出蔡文全之研究。一年內中醫醫療利用率方面，林致坊（1998）以北區健保分局之次級資料分析結果得22﹪，翁瑞宏（2000）則利用全國健保資料分析得25.7﹪，而張育嘉（2001）研究所得到之中醫醫療利用率最高--- 32﹪，主要是因為中區健保分局之投保人利用中醫醫療資源的機率最高，中醫醫療資源比其他地區充足，民眾接受中醫程度也比較高。而在中醫利用次數方面，一年內利用次數分別為0.96、1.29、1.87次，而蔡文正等（2001）分析全民健康保險學術研究資料庫結果得每人每年中醫平均利用次數約為 1.095次。兩年內中醫醫療利用率方面，李隆安等（1999）利用中央健康保險局門診及住診資料分析得一年內利用率為24.6﹪，推算兩年內之利用率會為49.2﹪，而鄧振華（2002）以初級資料問卷方式蒐集資料分析結果得61.36﹪，也就是說，兩年內有61.36 ﹪的民眾利用過中醫，推算平均每人兩年利用次數上也高達到9.4次，其研究結果均明顯高出李隆安之研究。. 11.

(12) 三、統計方法. 在統計方法上，以往研究影響中醫醫療利用相關因素之統計模式以複迴歸分析方法居多數，例如：吳肖琪（1991）、王嘉蕙（1993）、蔡文全（1994）、李卓倫（1995）、張育嘉（2001）、蔡文正等（2001）。上述各個研究者在利用複迴歸分析時，因統計分析方法上之限制，只考量了當時研究之測量時間點，屬於靜態之研究，僅停留於某一時段之分析或是總體之分析。邏輯斯迴歸分析中醫醫療利用影響因素也是常見之統計方法，主要探討民眾是否利用中醫之機率。因為邏輯斯迴歸是以類別之依變項找出影響何種特質之民眾最可能利用中醫醫療資源，所以，統計力（power）比複迴歸分析差，且分析之研究對象群也不同。林芸芸（1992）、陳秋瑩等（1999）以此統計方法研究民眾是否利用中醫之影響因素。以上兩種統計方法可以相互使用，因此，在近一兩年研究中醫醫療利用相關影響因素之文獻也紛紛利用兩種迴歸模式，例如：林致坊（1998）、翁瑞宏（2000）、鄧振華（2002）之研究，以邏輯斯迴歸方法探討影響民眾「是否使用」中醫醫療，以複迴歸分析探討影響民眾中醫門診「利用次數」，但研究中並未更加詳細探討影響民眾中醫醫療利用行為之主要影響效應存在於哪一方。. 上述比較下可以發現：以往之研究，不論在研究對象、研究範圍、資料蒐集方式、統計方法、測量時間長短上都有許多之限制與問題存在。所以，本研究希望能利用初級資料問卷訪視方法蒐集得全國民眾之中醫醫療利用相關資料，包括個人基本資料，再利用民眾基本資料欄位（ID）與健保資料進行連結，取得民眾正確之醫療利用情形，因此，避免了只以初級資料或者次級資料蒐集資訊之缺點。. 12.

(13) 而在統計方法上，以兩部分模型及存活分析方法取代傳統之靜態迴歸分析模式；本研究更進一步以兩部分模型分析不同研究對象之間的影響因素，其主要影響民眾利用中醫之效應存在於「是否利用」或者是「利用次數」方面，並且利用存活分析動態時間觀念，分析某人在某個時間之事件發生的機率，主要想解決以往研究在方法論上之最大問題---推估醫療利用率所測量的時間長短有所不同，造成研究結果之間無法相互比較。. 表2-2：中醫醫療利用相關文獻之整合性比較---以測量時間劃分作者研究範圍測量時間統計方法李卓倫等，1995 區域性研究一星期複迴歸分析陳秋瑩等，1999 全國性研究. 一個月. 吳肖琪，1991. 全國性研究. 一個月. 林芸芸，1992. 區域性研究. 一個月. 王嘉蕙，1993. 區域性研究. 三個月. 蔡文全，1994. 全國性研究. 三個月. 林致坊，1998. 區域性研究. 一年. 翁瑞宏，2000. 全國性研究. 一年. 蔡文正等，2001 全國性研究. 一年. 張育嘉，2001. 區域性研究. 一年. 李隆安等，1999 全國性研究. 兩年. 鄧振華，2002. 兩年. 全國性研究. 結果中醫門診次數為4.72日次中醫利用率為7.5﹪、利用邏輯斯迴歸分析次數為0.057 次複迴歸分析、對中醫利用比率為1﹪，利用數複迴歸分析次數0.02次多層邏輯斯分析中醫利用率7.9﹪ 因素分析、多元平均門診次數1.46次迴歸分析平均門診次數0.462次、利複迴歸分析用率為10.5﹪ 複迴歸分析、邏中醫利用率為22.0%、平均輯斯迴歸分析利用中醫0.96次邏輯斯迴歸分中醫利用率為25.7﹪、利析、複迴歸分析用次數為1.29次固定效果模式複每人每年中醫平均利用次迴歸分析數為1.095次中醫門診利用次數為1.87 複迴歸分析次，利用率為32﹪ 每人每年中醫利用率為描述性統計 24.6% 主成份分析、簡平均每人每年使用中醫單迴歸分析、邏 2.35次，兩年內利用率為輯斯迴歸分析 61.36﹪. 資料來源：本研究整理. 13.

(14) 表 2-1：中醫醫療利用相關文獻整理研究名稱. 研究設計研究對象. 健康保險與醫療網區域問卷訪視資源對醫療利用之影響（吳肖琪，1991）. 中西醫療利用型態的文問卷訪視獻回顧與實證研析（林芸芸，1992）. 影響中西醫門診利用與問卷面訪買藥行為之相關因素探討（王嘉蕙，1993）. 統計分析方法. 研究結果. 1988 年 2 月宜蘭、花蓮、彰零階相關係數、T 1. 化、新竹及屏東區域，以多階檢定、卡方檢定、層隨機抽樣法訪視 2018 戶資複迴歸分析、對數 2. 料，有效問卷 1978 戶，共計複迴歸分析 9740 筆個人資料。. 一個月間有利用中醫的比率為 1%、中醫利用次數 0.02 次。健康保險與區域醫療資源皆會影響中醫利用；若分析生病者之中醫利用，發現有健康保險者較少使用中醫，健康保險的總效應不存在，不論在資源多寡地區，醫療資源可用性愈好的地區，民眾利用中醫越少。 3. 若分析利用中醫者之中醫利用，發現中醫治療次數之多寡，除受罹患慢性病數因素影響外，找不出其他影響變項。 1989 年 11 月以聚落及系統抽卡方檢定、 1. 在過去一個月內，22%的受訪者曾經利用過樣法抽取新店市 20 至 65 歲 Two-way Anova 、醫療服務，其中 83.8%只用西醫，7.9%只用的 3701 位居民，得有效樣本多層邏輯斯分析中醫，8.4%則中西醫併用。 1700 位 2. 年齡、性別、月收入等變項醫療利用型態並無顯著相關，「中西醫併用組」比「只用西醫組」的教育程度高、健康自覺較差。以嘉義縣市二十歲以上的民因素分析、單因子 1. 眾做為研究母體，利用多階段變異數分析、多元隨機抽樣法抽出 500 個樣迴歸分析 2. 本，以面對面問卷訪問共完成. 14. 在過去三個月內平均就診次數為 1.46 次，其次是買西藥，平均 0.71 次。需要因素對中西醫門診利用行為或是買藥行為的影響最大，而患病時的醫療方式選.

(15) 453 位受訪者. 研究名稱研究設計中醫門診病人對傳統醫問卷面訪學的認知、態度與行為意向的分析研究（康健壽等，1994）. 擇上，則主要以其本身對中西醫醫療態度的傾向而定。 3. 有固定中西醫就醫場所者，會增加其對中西醫門診與買藥的利用。. 研究對象統計分析方法研究結果 1989 年 8 月至 10 月間，對全因素分析、 T 檢 1. 在行為意向方面，最傾向中醫醫療的有「肌省 26 家勞保特約醫院診所進定、邏輯斯迴歸分肉扭傷，關節脫臼」與「肌肉關節酸痛及行系統抽樣，扣除複向求診病析關節炎」。患，共得有效樣本 362 位。 2. 求診教學醫院中醫部的病患比一般中醫診所病患對中藥的認知較高、對中西醫藥理與療效的態度較偏向中醫。. 公保各類保險對象中醫次級資料 1992 年 8 月至 81 年 10 月公 T 檢定、卡方檢 1. 醫療利用之研究（蔡文分析保各特約中醫醫療機構所列定、Anova 檢定、全，1994）報醫療費用資料檔，共計門診複迴歸分析人次 721051 人次。 2.. 每被保險人在中醫利用次數上，大致隨年齡增加而遞增，65~69 歲達最高，之後下降；在三個月期間總平均 0.462 次，女性高於男性在利用比率上，三個月期間總平均利用比率為 0.105。在每就診人中醫利用次數上；三個月總平均次數為 4.27 次。 3. 保險對象平均每診次中醫療費用隨年齡增加，男性高於女性。. 時間、所得與中西醫療問卷面訪價格對中醫門診利用之影響（李卓倫等，1995）. 嘉義、新營、基隆、花蓮等四彈性係數及複迴 1. 家省立醫院及中國醫藥學院歸分析附設醫院共計五家醫院之中 2. 醫門診病人，共計訪視 1700 3. 15. 過去一星期內西醫門診使用日次 0.64，中醫門診為 4.72 日次。中醫門診病患有明顯的複向求醫行為。所得與西醫門診價格的變動對中醫門診的.

(16) 人。研究名稱研究設計台北市北投區居民對中問卷面訪醫醫療的知識、信念與行為意向及其對醫療利用型態之影響（康翠秀等，1998）. 需求影響很小。. 研究對象統計分析方法研究結果民 1995 年 8-12 月台北市北投因素分析、變異數 1. 在行為意向方面，「肌肉扭傷，關節脫臼」區四十個里的三十歲以上居分析、T 檢定、邏及「產後保養」較傾向中醫。民，以多步驟抽樣法抽出 2961 輯斯迴歸分析 2. 年紀越輕對中醫醫療知識越高，其行為意名研究樣本，最後得有效問卷向越趨向中醫。 1085 份。 3. 只利用西醫的民眾佔受訪民眾 68%，只利用中醫的民眾佔 2.9%，中西醫合併利用者佔 29.1%。 4. 省籍、宗教、職業、年齡及對中醫之知識水準等因素與中醫醫療利用有統計上之相關。. 全民健康保險北區分局次級資料 1996 年 1 月 1 日至 86 年 12 T 檢定、卡方檢 1. 中醫門診利用之研究分析月 31 日在北區健保局投保之定、變異數分析、（林致坊，1998）保險對象，並依投保類別進行複迴歸分析、邏輯系統抽樣，共抽出 29,998 名斯迴歸分析 2.. 研究對象中利用中醫者佔 22.0%。複向就醫者佔 20.5%；平均每人每年利用中醫 0.96 次，平均每人次每年中醫醫療費用為 442.59 元。複向就醫者高度利用中醫的機率、曾因同疾病重複使用中藥的機率、中醫利用次數皆顯著較高。 3. 中醫資源可用性最低的區域其利用中醫機率遠低於可用性中等的區域，但中醫資源的可用性對中醫利用次數未達到統計上顯著差異。. 16.

(17) 研究名稱研究設計研究對象統計分析方法研究結果人口老化對全民健康保次級資料 1996 及 1997 年中央健康保險 T 檢定、描述性統 1. 總醫療利用率低於 1996 年，然醫療費用卻險醫療利用與費用影響分析局之全國門診與住診資料計上升約 183 億元；女性之醫療利用與醫療之評估（李隆安等，費用皆高於男性。 1999） 2. 以中醫門診來說，1996 年約有 517 萬人使用過中醫，女性居多，總醫療費用為 112 億元。 3. 1996 年使用過中醫者，平均每人每年約看五次中醫，每人每次中醫門診花費為 437 元。 4. 若以就診月份區分，以二月每日就診人數最低，約六萬人，12 月就診人數最高，約七萬八千人。台灣地區民眾使用中醫問卷面訪門診服務的因素之調查（陳秋瑩等人，1999）. 以 1991 年台灣地區民眾為研 T 檢定、卡方檢 1. 究對象，採分層三段等機率抽定、變異數分析、樣法抽出 2566 人，實際訪得邏輯斯迴歸分析樣本 1358 人。 2.. 過去一個月內，有 333 位（24.5﹪）使用醫療服務，其中只用西醫佔 76.9﹪，只利用中醫佔 7.5﹪，中西醫併用佔 1.8﹪。民眾每人每月看中醫次數為 0.057 次，每人每月購買中藥 0.015 次。 3.在影響因素方面，主要發現有：求醫偏好、有無固定中醫師及受訪前一個月內生病有無等三個變項會影響民眾是否使用中醫，而健康保險有無、家戶收入、性別、年齡、教育程度等因素，並不會影響民眾是否使用中. 17.

(18) 醫門診服務。研究名稱. 研究設計研究對象. 統計分析方法. 研究結果. 全民健康保險中醫門診次級資料 1997 年中央健康保險局保險 T 檢定、卡方檢 1. 醫療利用之研究（翁瑞分析對象承保檔，以等比例分層抽定、變異數分析、宏，2000）樣方式共抽出 211,400 筆，並邏輯斯迴歸分與國家衛生研究院全民健康析、複迴歸分析 2. 保險學術研究資料庫之中醫「門診處方及治療明細檔」進行串檔與歸戶，得有效樣本 3. 210,216 筆。. 中醫門診利用率為 25.7﹪，每人每年平均中醫門診利用次數為 1.29 次，每人每年平均醫療費用為 585.42 元。女性各項中醫門診利用情形皆高於男性；年齡在 45-54 歲及 65 歲以上之民眾各項中醫門診利用情形皆高於其他年齡層。投保地區每萬人口西醫師數越少，中醫利用越高；投保地區每萬人口中醫師數為 0.5 名以下之中醫門診利用皆低於其他地區。. 中醫醫療資源對醫療利次級資料用之影響：可用效應與分析誘發效應之分析（張育嘉，2001）. 平均每人該年中醫門診利用次數為 1.87 次，未曾使用中醫者佔 67.83﹪。醫療資源缺乏區存在著可用效應。醫療資源充足地區醫師誘發需求的情形相對較不明顯。. 1998 年 9 月至 1999 年 8 月之 T 檢定、卡方檢 1. 中央健康保險局中區分局資定、變異數分析、料庫，得研究對象共 Pearson 相關係 2. 3,994,083 人數、複迴歸分析 3.. 中醫醫療利用成長與醫次級資料 1995 年至 1999 年的「全民健固定效果模式複 1. 每人每年中醫平均利用次數約為 1.095 師數增加之關係（蔡文分析康保險學術研究資料庫」分析迴歸分析次，平均醫療費用約為 399.275 元，每萬正，2001）全台灣具有健保保險身份的人口中醫師數平均值為 1.154 人。民眾 2. 每人每年平均中醫門診醫療利用次數之多寡受此地區中醫師密度增加而增加。 3. 平均全家年所得並不影響平均每人每年的中醫醫療利用。. 18.

(19) 研究名稱. 研究設計研究對象. 台灣地區中醫醫療資源郵寄問卷及民眾特質對中醫醫療服務利用之研究（鄧振華，2002）. 統計分析方法. 研究結果. 以台灣地區為研究範圍，於 T 檢定、卡方檢 1. 2001 年 5 月採隨機抽樣方式定、變異數分析、寄發 5,000 份問卷，回收有效 Pearson 相關係 2. 問卷 1,407 份數、主成份分析、簡單迴歸分析、邏 3. 輯斯迴歸分析. 平均每人每年使用中醫 2.35 次，在有使用中醫者則為 3.99 次。中醫醫療知識與信念會影響是否使用中醫與醫療利用次數。年齡、性別、家庭組成、教育程度、中西醫醫療資源可近性、自覺健康狀況、有無慢性病等皆與是否使用中醫有顯著差異。 4. 每萬人口中醫師數與醫療利用呈正相關。. 資料來源：本研究整理. 19.

(20) 第三節. 目前中醫醫療現況探討. 一、中醫醫療院所現況. 由於目前中醫醫療院所醫院評鑑制度尚未建立，所有中醫醫療機構皆歸屬於基層診所；全民健保實施以前，國內中醫醫療機構的分類，可分為中醫診所、中醫醫院或中醫綜合醫院、教學醫院中醫部等三大類（游隆權，1990），中央健保局將中醫醫療機構分為中醫診所、中醫醫院兩大類，目前在全民健保制度下，其中醫醫療機構數明顯為成長狀況，表 2-3 為各類醫療院所現階段家數統計數，表中可看出中、西醫醫院正逐漸減少，而中醫診所成長家數比西醫診所為多，若根據中央健保局各分局之醫療機構與藥局統計表來看（表 2-4），中區地區中醫醫療資源最多。. 表 2-3：1997 年至 2001 年底全民健康保險特約醫療院所統計表西醫醫院西醫診所. 中醫醫院中醫診所. 1997 年. 656. 8336. 82. 1818. 1998 年. 622. 8482. 69. 1878. 1999 年. 584. 8311. 66. 2006. 2000 年. 577. 8241. 52. 2100. 2001 年. 565. 8256. 44. 2225. 資料來源：全民健康保險統計資料，2001. 20.

(21) 表 2-4：2002 年 9 月健保特約醫療機構與藥局統計表---分局別特約. 醫學區域醫地區門診西中醫. 中醫藥局. 家數. 中心. 院. 醫院醫診所醫院. 診所. 台北. 7. 25. 92. 2,208. 13. 614. 1,096. 北區. 3. 11. 50. 954. 5. 267. 549. 中區. 6. 14. 94. 1,650. 6. 718. 627. 南區. 3. 13. 77. 1,247. 3. 325. 549. 高屏. 3. 12. 123. 1,479. 9. 334. 419. 東區. 1. 5. 11. 236. 2. 40. 47. 資料來源：全民健康保險統計資料，2002. 二、中醫師人力資源現況而在中醫師人力方面，以 2001 年行政院衛生署統計資料顯示（見表 2-5），從 1997 年到 2001 年底執業醫事人員數中，中醫師之成長率大於西醫師成長率許多，也比人口增加率高出許多。表 2-6 中，以健保局各個分局之醫療次區域為區分，每萬人口中醫師數中，台中醫療區域人力資源最為豐富，每萬人口中就有 3.4 個中醫師，每萬人口西醫師數中，台北醫療區域則高於台中。. 21.

(22) 表 2-5：1997 年至 2001 年底執業醫事人數統計表年別. 執業醫事人員數. 年終人口數. 醫師. 中醫師. 藥師. 1997 年. 21,742,815. 25,730. 3,299. 13,729. 1998 年. 21,928,591. 27,168. 3,461. 14,807. 1999 年. 22,092,387. 28,216. 3,546. 15,787. 2000 年. 22,276,672. 29,585. 3,733. 16,303. 2001 年. 22,405,568. 30,562. 3,979. 17,009. 與上年增減%. 0.58. 3.30. 6.59. 4.33. 資料來源：行政院衛生署統計資料，2001. 表 2-6：台灣地區每萬人口醫師數---醫療區域別醫師中醫師臺灣地區 13.63 1.74 台北區域 16.78 1.69 南區區域基隆醫療區域 10.94 1.20 雲林醫療區域臺北醫療區域 17.71 1.78 嘉義醫療區域宜蘭醫療區域 10.65 0.99 臺南醫療區域北區區域 9.34 1.36 高屏區域桃園醫療區域 9.45 1.38 高雄醫療區域新竹醫療區域 9.66 1.35 屏東醫療區域苗栗醫療區域 8.56 1.30 澎湖醫療區域中區區域 13.05 2.69 東部區域臺中醫療區域 15.60 3.40 臺東醫療區域南投醫療區域 8.56 1.57 花蓮醫療區域彰化醫療區域 10.08 1.81 資料來源：全民健康保險統計資料，2002. 22. 醫師. 中醫師. 11.43 7.54 12.43 12.55 13.81 15.23 9.80 11.16 13.68 9.16 16.82. 1.43 1.14 1.46 1.54 1.47 1.56 1.30 0.43 0.97 0.74 1.13.

(23) 第四節. SF-36 健康量表. SF-36 是目前世界上公認的具有較高信度和效度的普遍性生活品質評價量表，亦是目前世界上相當廣為使用的健康自評量表。和所有標準試驗一樣，內容和計分標準化才能去解釋 SF-36，下圖為 SF-36 之計分流程（Aaronson NK，1992）。. 資料輸入. 項目值超出範圍的譯碼為遺失. 反轉分數和/或再標準化 10 個項目分數. 以平均數代替遺失項目反應譯碼. 計算原始構面分數. 將原始構面分數轉換成 0-100 分. 執行計分檢查. 圖 2-5：SF-36 計分流程. 23.

(24) SF-36 主要測量的八個面向（Ware JE，1996）： 1.. 生理功能（physical functioning, PF）. 2.. 因身體健康問題所導致的角色扮演受限（role-physical, RP）. 3.. 身體疼痛（bodily pain, BP）. 4.. 一般自覺健康（general health, GH）. 5.. 活力狀況（vitality, VT）. 6.. 社會功能（social functioning, SF）. 7.. 因情緒問題所導致的角色扮演受限（role-emotional, RE）. 8.. 心理健康（mental health, MH）. 其中八個面向又可分為兩大構面：生理構面（Physical Component Summary, PCS）和心理構面（Mental Component Summary, MCS）。將生理功能、因身體健康問題所導致的角色扮演受限、身體疼痛、一般自覺健康歸類為生理構面 PCS 值，將活力狀況、社會功能、因情緒問題所導致的角色扮演受限、心理健康歸類為心理構面 MCS 值。. 24.

(25) 第三章第一節. 材料與方法. 研究設計與架構. 本研究經比較幾種常見的問卷調查法後，發現面對面訪談在回收率方面、資料品質方面等等均較郵寄問卷及電訪佳，故研究設計採橫斷式面訪抽樣調查，調查工具採結構式問卷。過去有關醫療利用率之研究，大都依照Aday & Andersen 1968年所發展出來的醫療服務利用行為模式，將其分為傾向、能用與需求三個層面來分析。本研究也依照此理論架構模式設計，並參考國內外文獻加以調整。. 傾向因素：性別年齡教育程度職業. 能用因素：. 中醫醫療利用率. 個人資源--收入是否固定就醫就醫所花費時間社區資源--每萬人口中醫師數每萬人口西醫師數. 門診利用次數拿藥天數自購中藥次數花費金額. 需要因素：有無慢性病自覺健康狀況 SF-36 量表. 圖 3-1：研究架構圖 25.

(26) 第二節. 研究對象與抽樣設計. 一、研究對象. 本研究母群體為 2002 年初台灣地區（不包含離島地區）戶籍資料登記之 18 歲以上民眾，以抽樣設計方法，找出代表全台灣之樣本，總共預計面訪 1500 位。. 二、抽樣設計. 研究調查抽樣設計採機率比例抽樣設計 (probability proportional to size sampling design)，記為 PPS 機率抽樣設計，抽取率與抽出單位大小成比例---分為三階段等機率抽樣原則。利用行政院戶役政為民服務公用資料庫，將全台灣 351 個縣市鄉鎮（不包含離島地區）之戶籍資料按照各地區人口數之多寡排序，並計算出累積戶數，共計 6,774,592 戶及 22,263,290 人。第一階段抽出單位為鄉鎮市；先依累積戶數欄位，隨機抽選出第一個號碼數所代表之地區，之後依照等距抽樣（組距之計算以總累積戶數除以 30 得出），循環抽取 30 個單位。第二階段抽樣，則是自第一階段抽中之鄉鎮市中，獨立抽出所需之村里；依戶數及人口數資料，以第一階段相同方式抽出全國 30 個村里。第三階段，以各戶為抽出單位；分別與 30 個地區村里之戶政事務所聯繫，取得當地之戶長名冊，隨機在名冊中抽選出第一戶，之後等距循環抽選 50 戶人家。以此方法，抽樣過程中每一階段各單位的中選機率和該單位大小成比例，且每戶中選機率是會相等的，而中選的機率為. 30 × 30 = 0.00013 。以此機率比例抽樣設 6774592. 計方法抽選，會得到最小的信賴區間，因此其標準誤（Standard Error）也會最小，抽樣設計最嚴謹。. 26.

(27) 本研究以戶內全查方式進行調查訪問；訪員在訪查時，需先以戶長名冊抽選出來的前 30 戶進行訪問，每戶皆必須訪問完年齡在 18 歲以上之民眾後，才可以繼續下一戶之訪查，因此，問卷回收率較高。. 第三節. 研究工具與資料蒐集. 本研究資料的收集分成初級資料（Primary data）及次級資料（Secondary data）兩種。初級資料採用結構式問卷收集資料，問卷內容主要分為三個部分，第一部分為醫療利用情形，包括中醫門診、自購治療用中藥以及西醫醫療利用，第二部分為民眾之健康狀態，以SF-36健康量表為衡量標準，第三部分為基本資料。問卷設計主要根據研究目的、文獻探討及專家訪談設計符合本研究之問卷。問卷調查工作期間為2002年7月15日至9月15日，經由受過訓的訪員實際拜訪進行調查，並於10月完成全部資料蒐集之動作，進行資料建檔。為避免白天調查所得樣本可能多為家庭主婦或者未就業者，造成訪員抽樣樣本之偏差，因此，本研究多利用晚上時間或者例假日進行家戶問卷拜訪。在次級資料方面，問卷經回收整理後，利用民眾所提供之基本資料欄位（ID）與健保檔案進行串聯，取得受訪民眾90年7月至12月間中醫門診利用日期、用藥天數、總花費金額、醫院申報金額之詳細資料，使本研究能更為精確的分析。. 表3-1：研究資料來源資料來源. 變項. 問卷內容問卷內容問卷內容. 個人資料檔自覺健康狀況：SF-36量表 2002年1月至6月每月之中醫利用次數. 衛生署統計資料庫健保資料檔. 每萬人口中西醫師數 2001年7月至12月就診資料. 27.

(28) 第四節. 研究變項與操作型定義. 下表為本研究之研究變項名稱、變項屬性與變項操作型定義；自變項分為傾向因素、能用因素與需要因素三大類，其中年齡、教育年數、家戶人數皆為連續變項，依變項則為中醫醫療利用情形。. 表 3-2：研究變項之操作型定義變項名稱傾向因素性別年齡教育年數家戶人數. 屬性類別連續連續連續. 目前工作型態. 序位. 變項操作型定義 (1)男 (0)女以民國 91 年減去受訪者出生年份. (1)第一級 (2)第二級 (3)第三級 (4)第四級 (5)第五級. 能用因素家戶收入. 序位. 固定看病或較熟悉的中西醫師固定看病或較熟悉的中西藥房單趟就診花費交通時間看診到領藥所花費時間每萬人口中醫師數每萬人口西醫師數需要因素慢性病健康狀態：SF-36 量表 PCS（Physical Component Summary） MCS（Mental Component Summary）醫療利用情形中醫門診利用次數中醫拿藥天數中醫醫療費用. 類別類別連續連續. 類別. (1)超過五萬 (2)超過三萬，但未超過五萬 (3)超過一萬，但未超過三萬 (4)未超過一萬（1）有（0）無（1）有（0）無開放式，單位：分鐘開放式，單位：分鐘中醫師人數/總人口數＊10000 西醫師人數/總人口數＊10000 （1）有（0）無. 連續連續連續連續連續. 28. 來源：健保局資料檔 90 年 7 月至 12 月中醫檔案 90 年 7 月至 12 月中醫拿藥天數健保申報總金額，包含自負金額.

(29) 第五節. 資料處理與統計方法. 一、資料處理. 本研究採用統計軟體 SPSS for Windows 10.0 版及 SAS 套裝軟體進行資料統計分析。待資料完成建檔後，重新檢查資料是否有重複、是否合理、是否完整，若需要查核原始資料時，則找出原始問卷進行複查，排除錯誤及沒有填答之問卷，並修改代碼不正確或資料建檔錯誤者。原始問卷回收份數為 1363 份，經過問卷除錯後，本研究有效樣本為 1359 人。. 二、統計方法. （一）描述性分析計算樣本基本人口學與醫療利用的方式，主要以平均值、標準差、頻率及百分比等，來呈現樣本統計之結果。（二）推論性分析（1）.卡方檢定：針對各個類別自變項與有無利用中醫門診間進行差異性分析。（2）.單因子變異數分析（One-way ANOVA）：暸解各個可能因素與其中醫醫療利用情況之探討，分析類別變項與等距變項之關係，例如比較年齡、性別、教育程度、全家月平均收入、有無慢性病、工作類別（控制變項與自變項）等變項與中醫醫療利用、中醫拿藥天數、花費金額（依變項）之關係，其中一方變異分析若檢定有差異，再進行薛費氏事後檢定以了解差異來源。. 29.

(30) （3）.統計模型分析：本研究採用兩部分模型（Two-Part Model）及採取生物統計學內之存活分析（Survival Analysis）作為找出醫療利用影響因素之統計模型。. 由於存活分析最主要是在衡量一件事物發生存活或失敗的機率，而其分析的對象大部分為持續時間的事件，具有估計未來存活時間的能力，本研究以存活分析使中醫醫療利用率加入時間的考量點。. 第六節. 統計模型方法之簡介. 根據文獻探討中之整理發現，在過去研究中醫醫療利用之研究通常以邏輯斯迴歸（logistic regression）為統計分析模型。本研究以下列統計分析方法為主要統計研究模型分析，期望對於中醫醫療利用提供另一種統計分析模式之研究。. 一、兩部分模型（Two-Part Model）. 簡單線性迴歸可以預測健康照護利用的情形，OLS 則為迴歸係數值之預測，如果真正的模型是線性且誤差項與自變項獨立，則 OLS 的優點是可以產生沒有誤差之預測，另一種選擇是以 log 轉換健康照護利用，降低極端值產生的影響。然而，如果以迴歸模式預測可能會導致迴歸係數前後矛盾，因為迴歸中存在許多未利用醫療資源者。而且決定使用或者不使用系統上地是與共變項相關的，因此，導致迴歸假設無法成立。（Duan et al，1982）兩部分模型則可以解決沒有使用者所帶來之問題，兩部分模型即分為兩方程式來計算，第一部份方程式計算事件發生與否的機率，以邏輯斯迴歸來表示；第二部分方程式則以複迴歸計算預期有使用的部分。. 30.

(31) 概似比函數（likelihood function）對於兩部分模型而言相當重要，它使模型可以分為兩部分分別計算條件密度函數，而且並不需要對兩部分方程式做任何獨立的假設。（Duan et al，1982）兩部分模型的邊際效果(marginal impacts) ---個人使用醫療利用的期望值---是以下列公式計算： E(Use) = E(Prob)×E(Use | Use>0). … … … … .（3.1）. 其中，E（Prob）為有利用醫療資源的期望機率，E（Use | Use>0）則是在有利用的情況下，其利用的期望數。若以本研究之中醫醫療利用（CM）來說明，邊際效應可表示： ∂E(Use Use > 0 ) ∂E (Use ) ∂E (Pr ob) = × E (Use Use > 0 ) + × E(Pr ob ) ∂CM ∂CM ∂CM. … （3.2）. 簡單來說，可用下列方式替代： γ [P(1 − P )] ×M＋β×M×P. … … … … … … （3.3）. 其中：γ為邏輯斯迴歸係數。 P 為有利用者使用率的樣本平均數。 M 為有使用中醫者的樣本平均數。 β為迴歸係數。 Duan 在 1982 年的著作中比較了其他模式與兩部分模式，認為兩部分模型比較適合健康照護利用研究領域。本研究以「二部份模型」分別估計第一階段民眾是否利用中醫醫療的相關影響因子；第二階段有利用中醫醫療者決定看病（門診）後就診次數、拿藥天數與花費金額（次數、金額的多寡）的相關影響因素。 31.

(32) 二、存活分析（Survival Analysis）. 由於過去研究醫療利用之文獻皆未將事件進出入時間考量進入模式中，而是以特定時間為主，傳統的迴歸統計方法就是一個典型的「靜態」分析；且過去研究在推估醫療利用率所測量的時間長短均有不同，造成測量上的問題，因此，本研究希望利用存活分析期間存續來進一步預測與估計中醫醫療利用率及其影響因素。存活分析方法是分析某人在某個時間之事件發生的機率，其應用的領域不僅在生物醫學統計，在社會科學及工程領域也都廣泛應用這種分析方法。存活分析方法是一組觀測樣本中，事件發生與否的時間縱斷面資料（longitudinal record）。這種資料有兩個主要特性：資料因觀察時間會有所謂的設限（censoring）及隨時間變化的自變項（time- varying explanatory variable），若使用一般複迴歸會造成嚴重的偏誤（bias）和遺漏許多訊息(Allison，1984)。. 存活分析依其性質可分為五種不同層面來區分：. 「單一」與單一事件（single event）多重事件（multiple event）「多重」有時為研究便利之故，將所有有些研究就有將事件細分的必事件視為相同，如死亡事件不再細要，如研究癌症治療之有效性，有分。必要將死亡區分為起因於癌症或其他原因。Tuma（1979）發展了馬可夫模型的一般化模型可用以處理多重事件。重複與非重重複事件（repeated event）非重複事件（nonrepeated event）複事件不只發生一次，如結婚、事件只能發生一次，如死亡。換工作。分佈與迴歸分佈分析法（ distributional 迴歸分析法（regression methods）分析法 methods）近代研究多著重於線性迴歸模早期的事件歷史分析法僅以型，以事件的發生為因變數，以解研究事件發生所需的時間或事件釋變項的線性方程式來解釋事件發相隔的分佈，如生命表（life table 生的原因。 analysis）。 32.

(33) 有母數與無有母數方法（parametric methods）無母數方法（ nonparametric 母數多用於工程與社會科學，假設 methods）事件發生所需的時間或事件間隔多用於生物統計學上，幾乎不時間屬於特定的分佈，最普遍的分需要對事件發生時間點的分佈作任佈模式有exponential、Weibull、何假設。 Gompertz distribution。可連結這兩種分析方法的是 Cox於1972年發展出的比例轉機模式（ proportional hazards model），可以稱為半母數或部分母數模式（ semiparametric or partially parametric）。離散與連續離散時間（discrete time）連續時間（continuous time）時間適用於較大的時間單位，如年如果時間單位很小，資料具有資料、月資料。難以分割的特性時，可採用連續性時間的處理方式。實際上，時間通常是以間斷的單位被衡量。節錄整理自Allison（1984）. 存活分析其主要概念在於風險組合(risk set)，也就是在每一個時間點上，發生事件可能性的個人組合，例如出生、死亡、離職、退休等皆可以收集事件資料來研究事件的發生及其發生原因的探討。以本研究的醫療利用動態情形說明，2001年下半年所觀察的追蹤對象有1106個醫療利用時段，則這1106個醫療利用時段即構成一風險組合。而每時間點風險組合的數量會因為經歷事件的人數逐漸減少而減少。另外一個存活分析的重要概念則是危險率(hazard rate)，同時也是基本的依變項。根據Paul D. Allison(1984)的定義危險率指「在某一個特定時間、特定個人即將發生事件的機率，且假設個人在那個時間是在風險組合之中」。本研究的危險率是指在t 時間點使用中醫醫療資源的機率，當然必須假設個人在t 時間點上，仍然處於沒有使用的狀態。（一）存活函數、危險函數、機率密度函數令T為一非負數之隨機變數，代表觀察個體的存活時間（survival time），則個體在t k 時段發生事件之機率密度函數（p.d.f）可表示為： 33.

(34) F( t k ) = P ( T≦t ) = P（T= t k ）+P（T=t k-1 ）+P（T=t k-2 ）+… … ..+P（T=t 2 ）+P（T=t 1 ） t. ∫ f ( x )dx. = f k + f k-1 + f k-2 +… … … … + f 2 + f 1 =. … … … … .（3.4）. 0. 而個體存活時間超過時間t的機率之存活累積密度函數如下： S ( t k ) =1－F k-1 =1－（f k-1 + f k-2 +… … … … + f 2 + f 1 ） ∞. = f k + f k+1 + f k+2 +. … … … …. = ∫ f ( x )dx. … … … … … .（3.5）. t. S(t)為一遞減的連續函數，為存活函數（survival function），當S(0)=1時，表示個人存活時間超過0之機率，當 S (∞ ) = lim S (t ) = 0 ，表示個人存活時間為無限大 t→ ∞. 之機率。相反來說，個體第tk 個時間區間之危險函數（hazard function），其定義如下： h (t ) = lim +. p (t ≤ T < t + ∆t T ≥ t ) ∆t. ∆t→ 0. = lim +. p(t ≤ T < t + ∆t ) ∆tp(T ≥ t ). = lim +. p( t ≤ T < t + ∆t ) 1 • ∆t p (T ≥ t ). ∆t → 0. ∆t →0. = f (t ) • =. 1 S (t ). f (t ) S (t). … … … … … … ..（3.6）. 34.

(35) 轉換運算後可得 h (t ) =. f (t ) d ln S (t ) =− S (t ) dt. … … … … … … .（3.7）. 若將等式兩邊同時取積分並取指數之型式，可得存活函數：. ∫ h( x )dx = − ln S (t ) t. 0. {. }. ⇒ S ( t ) = exp − ∫ h( x) dx t. 0. … … … … … .（3.8）. 因此，個體在時間t點的機率密度函數表示成： f (t ) = h(t ) S ( t ). {. = h (t ) exp − ∫ h( x) dx t. 0. }. … … … … … .（3.9）. 由上式我們可以得到h（t）、S（t）與f（t）三者之間的關係。. （二）Cox之比例危險模型（Cox Proportional Hazard Model , Cox model）分析存活時間資料時，除了時間的變數外，常伴隨與存活時間相關的解釋因子，個人可能受一些外生解釋變數X的影響，或可稱為共變數（covariate）。本研究主要探討一組解釋變數對個人使用中醫醫療利用的影響效果，因此，我們將參考Cox比例危險模型。最早提出者是Cox（1972），其主要特色在於：（1）. 不用假設存活時間t屬於何種參數型分配，及能估算個體行為對存活時間的影響。. （2）. 可處理具有設限觀察值資料的模型與參數估計。. （3）. 共變數向量可以是連續、間斷、時間相關或虛擬變數。. （4）. 最常被用來描述不同群體之間的危險率。. （5）. 模式考慮到存活時間與設限之資料，邏輯斯迴歸只有使用有無（0,1） 35.

(36) 忽略時間與設限資料。其基本定義如下：假設h（t , X）為具有X =（x1 ,x2 ,… ,xk ）共變數向量（covariate vector）的群體之危險函數。h（t ; 0）=h0 （t）為具有X（t）=0即在沒有共變數影響下的危險函數，稱為基準危險函數（baseline hazard function）或者參考組（referent group ）。因此，Cox模型為： p. h (t , X i ) = h0 (t ) exp. Β i xi ∑ i= 1. … … … … … … … （3.10）. 其中h0 （t）為無母數的部分，對於所有個體，基準危險函數都相同；若X為連續型資料，代表，在其他條件不變下，增加一單位X，則其相對危險增加exp（β）倍。若資料為離散型，則在其他條件不變下，具有危險因子X的群體事件的發生率為具有基準危險因子的群體exp（β）倍。該模型因為任何個人的風險相對於任何其他個人的風險而言，是一個固定的比例倍數，故稱為比例危險模式。此時，對於β的估計則是以比例危險迴歸式（proportional hazard regression）估計。選擇指數函數的主要理由在於如此可以簡化迴歸係數β的估計，因為在指數分配下的exp（β），其值恆正，而在不包含任何共變數時，其值為零；轉化成近似線性模型也較容易解釋。（三）參數估計與檢定 1. 部分概似函數（partial likelihood function） Cox以最大概似函數（maximum likelihood method）作為模型推導的基礎，提出條件概似函數（conditional likelihood function）來估計模式之參數，隨後Cox 又於1975修改條件概似函數為部分概似函數，使比例危險模式逐漸趨於完備。假設在n個隨機樣本中，有D個可以明確觀察到存活時間，這D個樣本的存活時 36.

(37) 間可表示為t1 ,t2 ,… .,t D，則Cox的部分概似函數式如下：. L(β ) =. D. ∏ i =1. Exp (β ' s i )   ∑ Exp β ' Z  j ∈ R (t i ). (. j.   . ). … … … … .（3.11）. di. 其中：R（t i）表示在時間t前，尚未發生事件之所有個體之風險組合。 d i：表示在時間t i失敗（事件發生）的個數。 S i：表示時間t i失敗（事件發生）的個體之向量Z之總和。利用牛頓法（Newton-Raphson Method）反覆求解則可求出估計β值的最大概似值及標準誤（standard error）。 2. 參數向量之檢定主要是用來檢定模式所校估出來的參數向量β是否等於零的假設檢定，以確定參數所對應之共變數對模式的解釋能力是有貢獻影響的；一般較常使用的方法有三種：（1）概似比檢定（likelihood ratio test，LR）  ∧  ∧  QLR = 2〔 ln L β f  − ln L β r  〕    . … … … … … … （3.12）. ∧. 其中： β f 為full model下所求出之最大概似估計值。 ∧. β r 為reduced model下所求出之最大概似估計值。. （2）分數檢定法（score test） Qs =〔U（β0 ）〕T I -1 （β0 ）〔U（β0 ）〕. … … … … … （3.13）. β0 ：表示模式中不考慮βf 所對應之共變數。 37.

(38) U（β0 ）：表示一階導數向量。 I（β0 ）：表示訊息矩陣（information matrix）。（3） Wald檢定法（Wald Test） ∧ ∧  ∧  ∧ Q w= β f COV  β   β   . … … … … … （3.14）. f. ∧. β f ：為Full Model下所求出之最大概似估計值。  ∧  ∧  COV  β  ：為最大概似估計量之共變數矩陣。   以上三種檢定統計量皆會趨近於卡方分配（Chi-Square Distribution），在一般情形下，此三種檢定法所得到的結果應相當一致，然而在實際的運算過程中，以概似比檢定（LR）統計量之計算較為簡便，所以應用較為普遍（陳品嘉，1998）。. （四）重複事件之存活分析方法在本篇研究中，個人使用中醫醫療資源情形可以是重複事件，也就是民眾可能有多次就診的資料（recurrent data）。存活分析模式在處理這些事件資料時，主要有五種最常使用之方法：Andersen and Gill（AG）、Wei ,Lin and Weissdeld （ WLW ）、 Prentice ,Williams and Peterson, total time （ PWP-CP ）及 gap time （PWP-GT）、Lee, Wei and Amato（LWA）。其主要關鍵要素為： 1. 風險間隔（Risk Intervals）指個體在可能發生一件事件的風險下的時間尺度（time scale），可分為 gap time、total time、counting process。 38.

(39) 例如事件A在觀察時間內共發生兩次事件（t1 =3 ,t2 =7）、最後一次設限（censoring time =12），可能是研究結束---存活沒有事件發生了、或者死亡、或者失去追蹤。 Gap time的表示方式是將各前段事件（k-1）與事件k時間點差距重新拉回到時間零點方式來呈現，即（0,3）、（0,4）、（0,5）；Total time是以研究開始時間點到各個事件時間點方式計算，即（0,3）、（0,7）、（0,12）；Counting process 則是認為各事件時間間隔應與前段時間分開獨立計算，即（0,3）、（3,7）、（7,12）。 2. 風險組合（Risk Set）即發生事件k可能性的所有個體組合，有三種可能性之風險組合：沒有受限的（unrestricted）、受限制的（restricted）、半受限的（semi- restricted）；沒有受限制的風險組合是指所有個體的風險都可能影響到在任意事件的風險組合；對於受限的風險組合而言，只有與事件發生數相同之個體才可能影響到風險組合。半受限則利用虛擬的風險間隔來處理不同數目之事件風險組合。六種常用模式與風險間隔即風險組合之關係如下：風險組合 Semi-restricted 不可能的 WLW 可能的. Unrestricted 可能的 LWA AG. Gap time Total time Counting process 資料來源：Patrick（2000）. 39. Restricted PWP-GT 可能的 PWP-CP.

(40) 三、本研究統計方法之應用. 本研究以Counting process 處理重複事件資料之時間計算方式，測量時間單位為「天」；定2001年7月1日起為第一天，且假設研究資料並無隨時間變化的自變項（time-dependent variable），因為研究觀察時間只有短期的六個月。若根據事件史分析（event history analysis）來解釋本研究，則一個事件（event）代表著利用中醫醫療資源的發生，也代表民眾並沒有存活下來，而事件的發生就是一種危險（hazard）。本研究存活時間之衡量為自研究觀察時間開始，至研究對象事件發生為止。以往研究顯示，會利用中醫之民眾為一特定之族群，也就是說會去看中醫的人，就會去使用中醫，對中醫的信念與認知較高，而根本不看中醫或者不相信中醫療效的民眾，基本上，未來會去利用中醫資源的機率也就不高，民眾利用「次數」多寡之影響因素比「有無」利用之影響因素，會顯得較為重要。因此，本研究將針對「全體研究樣本」與「有利用中醫門診者」做個別之分析，並以兩部分模型及存活分析探討中醫醫療利用之主要影響因子。而本研究另外也考量了存活分析方法中之重複事件（repeated event），以 Andersen-Gill （AG）模式探討什麼樣的民眾會一直看或者重複的利用中醫，次數的多寡與每次發生事件之時間點，也必須一併探討，此研究重點在以往研究中因統計方法上之限制並未能分析。本研究計算事件發生次數以7次為最高。. 40.

(41) 第四章. 研究結果. 本章中，將一一陳述描述性統計分析之結果、雙變項列聯表分析之結果、統計模式分析之結果。. 第一節. 描述性統計分析. 一、研究問卷回收情形. 本研究問卷採面對面訪視方式以全台灣地區為研究範圍，依照 2002 年 3 月行政院衛生署戶政司各鄉鎮縣市人口統計資料，採多階層隨機抽樣方式共計發放 1500 份，並於 2002 年 9 月底完成問卷回收，總共回收可用問卷 1359 份，以抽樣所欲達成的目標數相比較，問卷目標達成率為 90.6﹪（見表 4-1）。依據受訪民眾所提供之相關基本資料，與健保資料庫進行串檔歸戶。本研究最後取得 1106 位受訪民眾 2001 年 7 月至 12 月間中醫門診利用日期、用藥天數、總花費金額、醫院申報金額之詳細資料進行研究分析。因此，研究有效樣本數為 1106 位民眾。. 二、研究對象特性. 對於研究對象特性敘述，主要依據研究架構區分為傾向因素、能用因素、及需要因素進行分析：（一）傾向因素傾向因素包括性別、年齡、教育年數、家戶人數、目前工作型態（詳見表 4-2）。 41.

(42) 1.性別、年齡在性別分佈方面，男性共 490 人，佔總樣本的 44.3％，而女性方面共 616 人，佔全體總樣本的 55.7％。在年齡分佈上，18 歲至 30 歲之研究對象所佔比例最高，為 39.9﹪，其次為 31-50 歲（31.1﹪），65 歲以上之老年人則佔了 9.7 ﹪，研究對象平均年齡為 41.89 歲，標準差 16.2（見表 4-3）。 2.教育年數研究對象之教育年數方面，大於 12 年之教育年數（等於高中學歷之上）所佔比例最高（31.5﹪），其次為 10-12 年（29.7﹪）、0-6 年（19.9﹪）、7-12 （13.1﹪），其中未受過教育者佔 3.9﹪，研究對象平均受教育年數約為 11 年（見表 4-3）。 3.家戶人口數家中人口數主要以 4-6 人佔全體樣本比率最多，共 62.1﹪，其他為 1-3 人的 18.6﹪，家戶人口數多於六人，則佔了 17.8﹪，平均家戶人數約為 5 人（見表 4-3）。 4.目前工作型態依照研究樣本目前工作型態分析得知，受訪者絕大多數為第五級（工廠工人、學徒、小販、佃農、清潔供、雜工、臨時工、工友、建築看管人、門房、傭工、侍應生、無業或退休），佔總樣本 48﹪，其次為第四級共佔 27.2﹪（技工、水電工、店員、小店員、零售員、自耕農、漁夫、司機、總裁、廚師、美容師、理髮師、郵差、士（官）兵、打字員、領班監工）、第三級佔 15﹪（技術員、技佐、委任公務人、科員、行員、出納員、縣市議會鄉鎮長、批發價、代理商、尉級軍官、警察、消防員、秘書、電影電視演員、服裝設計師）、第二級佔 7.5﹪（中小學校長、中小學教師、會計師、法官、推事、工程師、建 42.

(43) 築、薦任級公務人員、公司行號科長、院轄市議員、省議員、經理、襄理、協理、副理、校級軍官、警官、作家、畫家、音樂家、新聞電視記者），而第一級則只有佔 1.5﹪（大專校長、大專教師、醫師、大法官、科學家、特任或簡任級公務人員、立法委員、監察委員、考試委員、國大代表、將級軍官）。（二）能用因素能用因素包括有無固定看病或較熟悉的中西醫師、有無固定看病或較熟悉的中西藥房、家戶收入、單趟就診花費交通時間、看診到領藥所花費時間。 1. 固定看病或較熟悉的中西醫師及中西藥房（表 4-4）研究對象中有固定看病或較熟悉的中醫師佔了 24.2﹪，顯示較少人有固定看診之中醫師，而在西醫師方面，有固定看病或較熟悉的西醫師的與沒有固定看病或較熟悉的西醫師兩者之比例差不多。在有無固定看病或較熟悉的中西藥房方面，西藥房比中藥房高出 8.2 個百分比，顯示民眾固定西藥房買藥行為較高。 2.家戶每月平均收入在家戶收入分佈方面，全家每月平均收入的分佈相當平均，但以每月平均收入超過五萬為分佈最多群體，佔 39.2﹪，介於三萬至五萬佔了 25.9﹪，一萬至三萬則佔了 24.9﹪，少於一萬元只有 6.7﹪人（見表 4-2）。 3.就醫時間（表 4-3）單趟就診花費交通時間平均為每人 15.5 分鐘，看診到領藥所花費時間約為 34.11 分鐘，顯示民眾看診時間竟比就醫交通時間還久。. 43.

(44) （三）需要因素需要因素包括有無慢性病、自覺健康狀況---SF-36。 1.有無慢性病（表 4-2）研究對象中有 17.1﹪的人有慢性病，77.2﹪的人沒有慢性病。 2.自覺健康狀況---SF-36（表 4-5）短表 SF-36 健康量表總共 36 題，主要測量八個面向值高低分別為生理功能、社會功能、角色功能、身體疼痛、角色情緒、心理健康、一般自覺健康，活力狀況得分最低，若以有無利用中醫族群相比，一般自覺健康面向值相差較多。而 PCS 值為 53.29，MCS 值為 46.43，顯示研究對象生理構面健康高於心理構面（見表 4-3）。. 44.

(45) 三、中醫醫療利用情形. 中醫醫療利用情形方面包括是否利用中醫、中醫利用次數、中醫醫療費用（見表 4-6），此部份資料為健保資料檔。 1.是否利用中醫研究對象中有利用中醫者佔 22.1﹪，沒有利用中醫則佔 77.9﹪，顯示民眾中醫醫療利用率只有 22.1﹪。 2.中醫利用次數在六個月中利用中醫 1 至 3 次者所佔比率最高，達到 13.9﹪，其次為 4 至 6 次的 4.3﹪，使用中醫七次以上者則佔 3.8﹪，最大值高達 31 次，每人平均次數為 3.71 次（見表 4-3），而利用次數五次以上佔有利用中醫者的 24.5 ﹪。 3.中醫醫療費用費用方面，以 1000 元以下佔有利用中醫者最多，達到 46.3﹪，其次 1001~3000 佔 33.6﹪，費用 3000 以上則佔 24.1﹪，費用平均為每人 1922 元。. 45.

(46) 第二節. 雙變項列聯表分析. 主要探討各自變項對於是否利用中醫門診、利用中醫門診次數、用藥天數及中醫醫療費用做雙變項分析，在尚未控制其他變項時，初步用來瞭解其單一自變項與依變項所呈現的關係。自變項主要以傾向因素、能用因素及需要因素分別分析。雙變項分析之統計方法包括 T 檢定、卡方檢定、ANOVA 變異數分析、及 Pearson 簡單相關，α值設定為 0.1。. 一、自變項與是否利用中醫之雙變項列聯表分析. （一）傾向因素（表 4-7） 1.性別、年齡在性別方面，女性族群中會利用中醫者佔了 24﹪，高於男性 4 個百分比，且女性顯著比男性會利用中醫醫療。在年齡方面，介於 36-50 歲的人利用中醫比率最高，約 23.5﹪，其次為年齡 18-35 歲，佔 22.7﹪，50 歲以上之民眾所佔的比率最低，為 19.6﹪，其差異並不具有統計上顯著之意義。 2.教育年數研究對象之教育年數介於 7-9 年（即國中學歷），利用中醫比例最高，達到 26.9﹪，其次為 10-12 年的 23.5﹪、大於 12 年的 22.7﹪、最低者為 0-6 年的 16.4﹪，之間的差異有達到統計上的顯著意義。 3.家戶人數家戶人數大於 6 人之家庭利用中醫比率最高，達到 24.4﹪，而家戶人數在 1-3 人使用比率最低，為 15.5﹪，其間的差異具有統計上顯著意義（p＜0.1）。 46.

(47) 4.目前工作型態工作型態為第三級者，利用中醫比率高達 24.7﹪，其次為第二級的 22.9 ﹪、第四級的 22.3﹪，第一級則人數最少，工作型態與有無利用中醫門診之間的差異並沒有達到統計之顯著差異。（二）能用因素（表 4-7） 1.家戶收入全家平均收入在一萬至三萬間的民眾使用中醫比率最高，約佔 24.1﹪，比其他群體較可能利用中醫，其次為少於一萬的 22.5﹪，最低族群為超過五萬約佔 14.1﹪，其間差異並不具有統計上之顯著意義。 2.固定看病或較熟悉的中西醫師及中西藥房研究對象中，有固定西醫師及固定中醫師之民眾利用中醫門診比率比沒有固定場所者高，有固定中西藥房之民眾利用中醫比率也最高，約佔 26.8﹪、31 ﹪，這兩者之間的差異皆達到統計上顯著之意義（p＜0.1）。 3.就醫時間民眾單趟就診花費交通時間與看診到領藥所花費時間在有無利用中醫醫療比較上，只有看診到領藥所花費時間具有統計顯著之差異性。 4.醫療資源在醫療資源方面，每萬人口中醫師數在 1.5 人以上之地區民眾利用中醫比例最高，約佔 19.5﹪，高出每萬人口中醫師數少於 1.5 人 3.4 個百分比，然其間差異並不無統計上顯著意義。而在每萬人口西醫師數上，小於 13 之地區民眾使用中醫之情況高於 13 以上之地區 1.7 個百分比，也沒有達到統計之顯著差異性。 47.

(48) （三）需要因素（表 4-7）有慢性病的民眾較會使用中醫，所佔比率約 22.9﹪，但是只比沒有慢性病者高出 1.2 個百分比，其間的差異也無統計上之顯著意義。PCS 及 MCS 也皆無達到統計上之顯著性。. 二、自變項與利用中醫次數之雙變項列聯表分析. （一）傾向因素（表 4-8） 1.性別、年齡在性別方面，研究對象中女性平均每人利用中醫門診次數為 3.86 次，高於男性平均門診次數（3.47 次），統計值並沒有達到顯著差異性。在年齡方面，年齡 65 歲以上之老年人利用次數最高（4.95 次），其次為 51-65 歲（4.65 次），最低為 18-35 歲之研究對象，結果顯示年齡與門診利用次數具有統計上顯著之意義（p＜0.1）。 2.教育年數研究對象之教育年數介於 10-12 年（即高中學歷），利用中醫次數最高，達到 3.86 次，其次為 0-6 年，最低者為教育年數大於 12 年的民眾，即高中學歷之上，然而之間的差異並無統計上的顯著意義。 3.家戶人數家戶人數在 1-3 之家庭，中醫利用次數最高，為 4.44 次，而家戶人數介於 4-6 人利用次數最低（3.43 次），其間的差異並無統計上顯著意義。 4.目前工作型態工作型態為第二級者，利用中醫次數高達 3.89 次，其次為第五級（3.81）， 48.

(49) 第一級則次數最少，之間的差異相差並不多，且並沒有達到統計之顯著差異。（二）能用因素（表 4-9） 1.家戶收入全家平均收入超過五萬的民眾利用中醫次數最高（6.73 次），其次群體間之利用次數差異並不太多，其間差異不具有統計上之顯著意義。 2.固定看病或較熟悉的中西醫師及中西藥房研究對象中，有固定西醫師（4.2 次）及固定中醫師（4.73 次）之民眾利用中醫門診次數均高於沒有固定中西醫師者，這兩者之間的差異皆達到統計上顯著之意義（p＜0.1）。而有固定中西藥房之民眾利用中醫次數也最高，但並無統計上之顯著意義。 3.就醫時間就醫時間上，以 Pearson 簡單相關分析與中醫醫療利用次數之間的關係。單趟就診交通時間呈正相關，但並無顯著意義；看診到領藥時間上則達到統計上之顯著差異性。 4.醫療資源在醫療資源方面，每萬人口中醫師數在 1.5 人以上之地區民眾利用中醫次數最高（4.36 次），其間差異並存在統計上顯著意義（p＜0.1）。而在每萬人口西醫師數上， 13 以上之地區民眾使用中醫次數（3.93 次）高於 13 之下地區，然沒有達到統計之顯著差異性。. 49.

(50) （三）需要因素（表 4-10） 1.有無慢性病有慢性病的民眾利用中醫次數（4.65 次）比沒有慢性病民眾（3.46 次）高，而且有無慢性病與中醫利用次數間的差異有達到統計上之顯著意義（p＜ 0.1）。 2.自覺健康狀況---SF-36 PCS 與中醫醫療利用次數呈負相關，且有達到統計之顯著差異（p＜0.1），表示身體越健康者越不會利用中醫，而 MCS 呈正相關，但並不有統計顯著之關係。. 三、自變項與用藥天數之雙變項列聯表分析. （一）傾向因素（表 4-11）傾向因素與用藥天之間的關係大致與門診利用次數相同，只有年齡對用藥天數有顯著之主要效應，其中又以年齡大於 65 歲以上之老年人用藥天數最高（30.67）。（二）能用因素（表 4-12） 1.家戶收入全家平均收入超過五萬的民眾用藥天數最高（44.91），其間差異且又具有統計上之顯著意義（p＜0.1）。. 50.

(51) 2.固定看病或較熟悉的中西醫師及中西藥房研究對象中，有固定西醫師（22.98）及固定中醫師（23.87）之民眾用藥天數均高於沒有固定中西醫師者，這兩者之間的差異皆達到統計上顯著之意義（p＜0.1）。而有固定中西藥房之民眾利用中醫次數也最高，但並無統計上之顯著意義。 3.就醫時間就醫時間上，單趟就診交通時間與看診到領藥時間均呈正相關，但只有看診到領藥時間上則達到統計上之顯著差異性。 4.醫療資源在醫療資源方面，每萬人口中醫師數在 1.5 人以上之地區民眾用藥天數最高（21.67），其間差異並存在統計上顯著意義（p＜0.1），與門診利用次數間有關係。而在每萬人口西醫師數上， 13 以上之地區民眾使用中醫次數（20.37）高於 13 之下地區，然沒有達到統計之顯著性。（三）需要因素（表 4-13） 1.有無慢性病有慢性病的民眾之用藥天數（21.06）比沒有慢性病民眾（18.14）高，但並沒有達到統計上之顯著意義。 2. 自覺健康狀況---SF-36 PCS 與用藥天數呈現負相關，且有達到統計顯著關係（p＜0.1），而 MCS 則呈正相關，但並不有統計顯著之關係。. 51.