《Healthcare》：Data-Driven Commissioning to Reduce Type 2 Diabetes Related Health Disparities in The Netherlands: Using Key Informant Group Interviews
编辑推荐：
背景：2型糖尿病（Type 2 Diabetes, T2D）人群中的健康不平等（health disparities）导致巨大的医疗卫生资源 utilization，且难以有效解决。本研究考察荷兰非营利性私人健康保险公司作为负责医疗可及性的主体，如何在委托采购
背景：2型糖尿病（Type 2 Diabetes, T2D）人群中的健康不平等（health disparities）导致巨大的医疗卫生资源 utilization，且难以有效解决。本研究考察荷兰非营利性私人健康保险公司作为负责医疗可及性的主体，如何在委托采购（commissioning）过程中利用其理赔数据以降低健康不平等。目的：识别基于数据驱动洞察降低委托采购中健康不平等的影响因素。方法：采用混合演绎-归纳方法分析关键知情者小组访谈数据，遵循6SQuID框架以识别因素、其关系及变革潜力，并通过饱和检验、成员检验及专家检验验证结果。结果：在发现的79个因素中，3个与数据能力相关，76个与决策情境相关。在社会文化、系统、组织及人际层面发现15个主要因素。决策情境中的因素可分为平等、质量及组织可持续性三个主题。结论：本研究探索了影响委托采购人员降低不平等能力的因素及数据的作用。值得注意的是，未识别出与数据能力相关的主要因素。数据解读发现三个悖论：平等获取导致不利的非平等结局；循证医疗干预聚焦限制降低健康不平等的有效性；保守的组织行为威胁长期可持续性。需进一步开展政策分析以更好理解促成委托采购人员应对健康不平等的系统与组织条件。
## 研究背景与问题提出
健康不平等是全球医疗卫生系统面临的重大挑战。在荷兰，2型糖尿病（T2D）相关健康不平等造成的额外医疗成本约占年度总医疗支出的近5%，低收入群体的T2D患病率（8.5%）显著高于高收入群体（3.2%），年均医疗支出分别为9175欧元与5798欧元。然而，解决健康不平等是一项复杂的"棘手问题"（wicked problem），需要跨部门整合与财政协调。当前努力多集中于单一部门，难以应对这一系统性挑战。
荷兰实行规制市场体制，健康保险公司等委托采购方负责资金分配，但受制于政策规则约束。2010年推出的糖尿病 bundled payment 旨在减少碎片化，但十余年后结局差距依然显著。尽管健康保险公司拥有大量理赔数据可支持降低不平等的努力，数据在减少健康不平等方面的作用仍然有限。先前研究指出，成功的数据驱动方法需同时具备数据能力（"如何做"）与决策情境（"为何目的"）两方面的理解，但目前尚不清楚委托采购人员在尝试运用数据驱动方法时遭遇哪些障碍。
## 研究设计与方法
本研究采用关键知情者小组访谈，选取荷兰七大健康保险公司的委托采购人员与政策制定者为研究对象，通过基于6SQuID框架（用于系统绘制因素并识别变革机会的六步框架）的半结构化访谈，探讨当前与理想委托采购情境。两步小组访谈后，通过专家会议确定变革机制，并进行成员检验与专家检验确保效度。数据分析采用混合演绎-归纳内容分析方法，由两名研究者独立编码，通过双人共识法解决分歧。
样本方面，研究者估计荷兰T2D领域委托采购人员约300人，邀请35人（约10%），最终13人参与，其所代表公司市场覆盖率达97%。参与者平均从业10年，8人有委托采购经验，5人有政策制定经验。
## 研究结果
### 第一步：界定并理解问题及其成因
当前委托采购实践中，仅临时性 funding 用于资助降低健康不平等的项目，如联合生活方式干预（Combined Lifestyle Intervention, GLI）。然而GLI对高健康素养个体更有效，反而可能加剧不平等。委托采购很少以疾病特异性或人群为基础，主因是时间有限。仅一家保险公司为基层医疗集团编制数据以提供医疗利用与纳入 chain 的洞察，其他公司数据使用较少。此外，保险公司虽能分别分析《健康保险法》与《长期护理法》数据，但不被允许进行数据 link 以获得整合性 care 视角。
### 第二步：明确可塑的因果或情境因素
理想情境下，委托采购方应将资源配置于能实现最大健康收益的系统节点，数据可支持识别最获益目标人群、开发适配干预策略、平衡覆盖范围与效果、并监测实施影响。
### 因果与情境因素
编码共识别79个含因素的引文，其中76个与决策情境相关，仅3个与数据能力相关。大多数因素处于宏观政策（37个）或组织（25个）层面。15个主要因素分布于以下层面：
**社会文化因素**：医疗 workforce 短缺与健康消费主义（consumerism）。高 SES 群体更常表现消费主义行为，加剧不平等；workforce 短缺导致等待时间延长。
**系统层面因素**：不同医疗法律、跨法律与组织的 funding 转移、差异化可解释性、基层医生注册费差异化，以及仅允许委托 proven care 和 indicated prevention。不同法律造成 silo 效应，限制整体性方法；向某些 provider 倾斜资源会引发其他 provider 的 tension；GP 已因服务低 SES 患者获得较高人头费，使进一步差异化的可解释性复杂化；《健康保险法》仅支持循证医疗和指征性预防，限制创新性预防措施的资助空间。
**组织因素**：维护自身组织利益、不同法律/组织/部门间的努力与收益分配、多数干预主要惠及高 SES 群体、证明干预效果所需 funding 以及许多干预需要 curative care 之外的服务。维持现状往往阻碍创新与降低不平等的努力。如某试点显示血糖传感器较营养师更有效，但因对 GP 的财务惩罚而未被采纳；而心脏病学试点则证明改变财务模型可降低组织的财务风险、增强预防 focus。多数干预对高 SES 个体更有效，而系统要求仅资助 proven care，构成针对低 SES 人群创新 approach 的重大障碍。此外，存在"鸡与蛋"困境：证明干预有效性需要 funding，而获得 funding 又需先证明有效性。
**人际因素**：克服个体利益、budget 讨论，以及"不平等"委托采购的情绪。重大预算调整引发广泛讨论与分歧；付费者可能因感觉他人获得特定 care 而自己无法获得而产生不公平感。
### 因素间关系
三个相互关联的集群被发现：**平等主题**（绿色）——workforce 短缺造成稀缺，要求患者有效 navigate 系统，差异化需解释但现有 GP 补偿使解释复杂化，可能导致专业人员感觉受损；**质量主题**（黄色）——当前系统聚焦 proven care 和 indicated prevention，对高 SES 群体更有效，开发替代干预面临 funding 障碍；**组织可持续性主题**（蓝色）——降低不平等需要不同 care 模型和财务资源转移，但组织优先自我保护，引发讨论和个体利益冲突。
### 第三步：识别变革机制
专家会议认为社会文化因素难以改变，系统变革需要时间，但《整合 care 协议》为临时跨部门干预创造机会，可使用数据证明不平等投资的合理性并量化必要努力与结局。医疗与福利组织在区域协作中最适合实施干预，而保险公司拥有最全面的数据以识别问题和潜在影响，这揭示了数据能力与决策情境之间的 gap。专家建议委托采购人员可与区域协作平台分享数据，使 partner 组织能够据此行动。
## 讨论与意义
本研究首次从委托采购视角探索降低健康不平等的因素及数据的作用。与荷兰人群健康管理（Population Health Management）实践中常报告的数据能力障碍不同，本研究发现76个因素属于决策情境，仅3个属于数据能力。这一差异可能源于研究视角的不同——本研究聚焦委托采购人员而非数据分析师。
三个悖论构成数据驱动委托采购的主要约束：**平等悖论**——确保平等获取的努力导致不利的非平等结局。低 SES 群体在 navigate 系统方面面临更大挑战，Whitehead 的"平等需要"概念或许需要更广泛诠释，将健康的社会决定因素纳入医疗指南和 care 路径。**质量悖论**——循证医疗干预聚焦限制降低健康不平等的有效性。当前资助模式缺乏向预防策略转变的激励，provider 和付费方面临财务风险，委托采购人员主要基于财务激励而非数据驱动洞察行事。人口 based payment 可增强预防 focus，如美国责任医疗组织（Accountable Care Organizations, ACOs）所示。**组织可持续性悖论**——保守组织行为威胁长期可持续性。财务重新分配遭遇阻力，随着不平等加剧，财务压力累积，最终可能导致组织崩溃。
研究指出，当前政策常聚焦数据能力而非整合决策情境。为使数据驱动方法有效应对棘手问题，需将其纳入卫生政策和组织战略，与业务-IT 对齐（business–IT alignment）概念保持一致。进一步政策分析需要更好理解哪些系统和组织条件能够促进委托采购人员应对健康不平等。
## 结论
本探索性研究首次调查了影响委托采购人员降低健康不平等能力的因素及数据的作用，按决策情境和数据能力在不同层面（社会文化、系统、组织、人际）进行分类。参与者识别出仅3个与数据能力相关的因素和76个与决策情境相关的因素。数据解读发现三个悖论：平等——确保平等获取的努力导致不利的非平等结局；质量——循证医疗干预聚焦限制降低健康不平等的有效性；组织可持续性——保守组织行为威胁长期可持续性。这些悖论阻碍了委托采购人员应用数据驱动方法降低2型糖尿病健康不平等。需要进一步的政策分析。
