医疗金融化与欧盟数字鸿沟

医疗保健金融化与欧盟的数字鸿沟：叙事与数据

1. 引言 医疗金融化与欧盟的数字鸿沟：叙事与数据

医疗金融化涉及更广泛 的金融化理论，该理论定义为“财务动机、金融市场、金融参与者和金融机构在国内和国际经济运行中所起作用日益增强”[1]；3.在欧洲联盟（EU）中，医疗保健正在经历巨大变革，政策制定议程中嵌入的财务标准旨在通过缩小数字鸿沟来改善28个成员国公民的医疗保健。金融化是一个复杂且具有弹性的术语，拥有多种定义[3]。在抽象层面上，它被视为一种新自由主义政府形式的组成部分，主张通过市场实现自由[4]。

然而，金融化的叙事并不总是有坚实的实证证据支持，因为强大的意识形态和经济压力塑造了政策与实践。因此，金融化是影响和塑造行动与行为的修辞与价值观的结果[5]。

电子政务、电子健康、电子采购、公私合作伙伴关系和市场测试等主题概念与更广泛的金融化文献中讨论的松散耦合理论框架、命题和假设相关[1]。这些叙事通过正式方法的使用在经验上得以验证

测量 技术 包括 基准评估 、绩效指标 和 平衡 计分卡。

在医疗保健领域，与金融领域一样，金融化的一个显著影响是确定用于衡量公民医疗服务成本、可及性和质量的指标和度量标准[63,6,7]。

欧洲的政策制定者面临着日益严峻的挑战，即在对所有公共服务实施紧缩政策的经济环境下，为公民提供高质量的医疗保健服务[8]。随着医疗服务的需求持续超过供给，被编码为可计算实体的卫生系统正越来越多地受到政策制定者和卫生专业人员的关注。为解决这一问题，欧盟委员会通过使用信息与通信技术（ICT），推动“数字健康”发展，以改善公民在地方层面、国家层面以及跨境健康服务方面的可及性，作为欧洲单一市场的一部分[9]。

本文中，我们将医疗金融化与信息与通信技术（ICT）在拥有超过 5亿公民的欧盟实证背景下联系起来。我们认为，医疗金融化既是一种影响医疗政策制定的叙事，也是一种依托金融工具、通过定量指标和度量标准对卫生系统绩效进行基准比较的数值活动。由于资金水平、卫生服务可及性和护理质量方面存在显著差异，欧盟成员国致力于创造公平竞争环境。

通过改善欠发达国家的信息与通信技术可及性和基础设施来提升卫生系统。

在先前关于欧盟国家比较的研究基础上，本文展示了一项使用定量指标衡量公民对信息与通信技术基础设施（主要是通用目的技术（ GPTs））可及性及其对电子政务和电子健康服务使用情况的多变量统计研究结果。区分电子政务和电子健康系统具有挑战性，因为两者均向公民提供有关国家、区域和地方卫生服务的数据和信息，存在相当程度的重叠。因此，我们将这些术语加以整合，以更深入地理解欧盟公民利用信息与通信技术参与国家和跨境公共卫生服务的情况。

本研究使用了12个关于健康数据（使用与共享）和信息与通信技术（可及性与可用性）的指标/度量，生成欧盟国家概况。尽管指标样本量较小，但在方法论上仍可行，能够为跨国比较分析提供一组统计上稳健的定量数据。尽管已有来自多个学科的大量单个国家研究涉及健康与技术领域，但人们仍然担忧在高度差异化的欧盟国家卫生系统中缺乏文化意识[12]。跨国比较研究表明，卫生系统具有多样性和复杂性，使各类利益相关者（政策制定者、信息技术公司、医疗服务提供者、非政府组织和公民）能够对绩效进行基准比较。

基于该数据集，我们提出两个研究问题：（1）健康数据（使用与共享）和信息通信技术基础设施（可及性与可用性）的指标/度量如何区分欧盟国家概况？（2）从欧盟成员国的角度，在识别提供跨境医疗的机会与障碍方面，可以得出哪些政策/研究意义？

本文的结构如下。首先，我们讨论金融化文献对于理解欧洲卫生系统所面临的社会经济和政治压力的相关性。基于该文献，我们识别出五个推动医疗金融化的关键驱动因素，这些因素出现在欧盟致力于为所有公民建立数字单一市场的过程中。其次，我们探讨在泛欧洲、国家、地区层面以及组织层面上衡量信息与通信技术基础设施、电子政务和电子健康时存在的一些方法论问题。以往的跨国比较研究支持在国家层面

（[63] ）对指标/度量进行对比分析，因为“一刀切”的政策制定未能考虑到欧盟卫生系统中存在的巨大多样性（[11]）。第三，我们通过主成分和聚类分析展示数据结果。研究发现将欧盟国家划分为三类：领先者、追随者和落后者。随后，我们在医疗金融化的背景下讨论研究结果与观察。最后，我们总结本文的贡献，并指出未来可能的研究方向。

2. 医疗保健金融化的五个关键驱动因素

金融化在过去几十年中被经济学家、社会学家和政治科学家越来越多地用来描述全球经济中“金融活动（而非一般意义上的服务）日益占据主导地位的转变”[15]；2.金融化描述的是一种经济体系或过程，该过程将所有交换的价值转化为金融工具（如货币），使商品和服务变得可交换[16]。由于金融化的世界观认为商品和服务是可量化和可测量的，人们因此更容易交易此类金融工具。然而，在“医疗金融化”领域，由于用于量化和比较所提供服务的成本与质量的金融方法或技术尚不成熟或缺失，交易便成为一项挑战。

关于金融化将资本市场现实与社会经济现实进行对比的文献[17] 对我们的研究具有重要意义

了解财务标准如何影响卫生系统。来自管理和信息系统领域的前期研究探讨了更广泛的金融化文献中涉及的主题、辩论和问题[18–20]。将技术叙事扩展至涵盖更广泛的社会政治和经济因素的研究，对于理解金融化与医疗保健之间的交叉至关重要。主题领域包括通过比较分析国家卫生系统研究健康不平等[11], 、通用目的技术中的数字鸿沟[14], 、发展中国家城乡地区卫生系统的整合[21–24], 、信息技术的吸收与使用对医院财务绩效的影响[25], ，以及医疗专业人员和其他利益相关者如何参与卫生信息技术的引入[26,27]。

作为一种复杂且多层次（宏观和微观）的现象，欧盟各成员国卫生系统的差异植根于各自的历史、政治、经济和文化条件[28]。欧盟委员会的一个重要目标是扩大区域内所有公民对医疗服务的可及性与可获得性。通过跨境健康[38,39], 、建设数字单一市场[29] 以及患者赋权[30] 来减少健康不平等的欧盟政策，体现在塑造医疗保健社会经济结构的金融化叙事中，其中财务标准占据主导地位，并具有更广泛的社会学意义[31]；615。基于文献综述，识别出支撑医疗金融化的五个关键驱动因素。

2.1. 政府健康支出

欧盟各成员国政府的卫生支出因国家和国际社会的经济状况而逐年波动[32]。欧洲国家已出现卫生支出减少的情况，希腊、意大利和葡萄牙等国预算缩减，许多国家的实际人均卫生支出低于2009年的水平。卫生支出的增长总体上与经济增长保持同步，卫生支出占国内生产总值（GDP）的比重相对于2012年保持稳定。这与全球金融危机之前的年份形成鲜明对比，当时卫生支出增速明显快于经济其他部门。2013年，在34个国家中，公共和私人卫生支出（不含投资）占GDP的比重为8.9%，其中土耳其为5.1%，荷兰为11.1%[32]。随着欧盟卫生预算持续紧张，医疗卫生供给及其筹资、组织和提供方式给政策制定者带来了更为严峻的挑战。政策制定者仍热衷于推动跨境医疗，但也认识到各国政府面临卫生系统日益增长的需求（包括医疗旅游）所带来的困难。

2.2. 数字单一市场

欧洲数字单一市场的建立推动了医疗金融化的发展。欧盟已就公共部门采购制定新规则，以向小型承包商开放每年价值4500亿英镑的市场[29]。政府被鼓励将包括医疗保健、社会照护和教育在内的服务外包。

超过75万欧元的公共合同必须在欧盟合同公告上发布，以便来自该地区的私营部门竞争者能够参与商业竞标[33]。

2.3. 信息与通信技术商业模式

新的由ICT驱动的商业模式正在医疗保健[34]领域中不断涌现。一个重要目标是降低健康成本并提高

服务的质量，以惠及欧盟公民[35]。颠覆性商业模式创新与医疗金融化相呼应，即“复杂且昂贵的产品和服务（可以）转化为更简单、更实惠的形式”[36]；1329。然而，挑战在于欧盟决策者需要设计激励机制，以鼓励医疗专业人员和公民采用医疗保健领域的新商业模式[11]。

2.4. 患者赋权

患者赋权如今已成为医疗领域的一个强大叙事，人们鼓励患者通过提升自我效能、自我认知、信心、应对技能和健康素养来“掌控自己的生活”。患者赋权运动声称，患有慢性疾病的患者是“医疗系统中未被充分利用的最重要资源之一”。新型以患者为中心的护理模式鼓励患者成为积极参与的伙伴，这有望在长期内实现高质量的医疗服务、改善患者体验并降低成本。然而，从被动患者向医疗服务的主动消费者转变需要重大的文化变革，而这一变革却被政策制定者和商界领袖严重低估。

2.5. 补充服务

过去二十年中，欧盟推动为公民开发补充性电子政务和电子健康服务的努力已在众多政策声明和倡议中被讨论[38,39]。最近，欧盟政策制定者在政策议程中认识到信息与通信技术在社会照护和医疗保健中的相互关联性[28]。电子政务使公民能够获取有关多种医疗服务（即内部市场、医疗服务采购、医疗和社会服务、预防医学和福祉、老龄化及老年人照护）的数据和信息，这些对于发展电子健康（即技术和服）至关重要。

3. 衡量欧盟健康体系面临的挑战

为了更全面地了解医疗保健领域的驱动因素，政策制定者需要稳健、相关且及时的财务指标和度量标准，以评估卫生系统的质量、价值和可持续性。由于缺乏可靠的定量数据以及欧盟卫生系统的多样性，导致在评估立法行动影响时存在方法论缺陷。这一问题愈发突出，因为关于各国具体情况以及医疗服务提供者与融资机构跨境合作的详细且可靠的时间序列数据的短缺，阻碍了对医疗金融化驱动因素进行有意义的评估。

例如，有关跨境流动的患者（公民）、专业人员（卫生工作者）人数以及医疗服务量（临床和非临床）的数据和信息仍然零散、不完整、不可靠，或在许多情况下未知[28]；第8页。

衡量不同的欧盟卫生系统给研究人员带来了一系列方法论和分析挑战。国别分析中缺乏可比较的定量数据是一个重要问题。金融化是一个多元化的概念，在收入和财富不平等[5]等重要的社会和经济议题上具有重要意义。医疗金融化与广义金融化理论相呼应，并体现在成员国之间的数字鸿沟这一实例中[40,41]。为了理解医疗保健领域的数字鸿沟，政策制定者呼吁就医疗服务提供者与融资组织之间的双边安排、医疗费用报销、专业人员与患者之间的健康数据共享，以及共同质量标准等主题开展更多比较研究。

护理的交付。目前，欧盟成员国制定电子健康路线图，以阐明政策目标。然而，需要更可靠的指标和度量标准来比较不同国家之间的社会经济和技术多样性。

比较研究必须明确分析单位，需谨慎避免在欧盟卫生政策的制定与实施中采取一刀切的方法。需要界定国家、地区、地方和组织层面的分析单位[63]。在国家层面，使用汇总的国家数据以及单一的信息通信技术指标（即每百人固定宽带订阅数）仅能提供一国概况的快照。随后可通过从高到低的排名方式在所有国家之间进行该指标的比较。为了更深入地了解一国的信息与通信技术概况，可以测量并比较多个指标（如宽带和互联网可用性及使用情况）。由于各国的宽带普及率和互联网采用率存在差异，因此需要注意细节，并解释这些差异背后的根本原因。

尽管假设这两个指标具有可比性，但即使在同一国家内部，其水平也可能存在差异，这可能导致误导性的结果[14]。在组织层面，由于复杂的组织结构模糊了分析单位，从而引发了一系列不同的问题。例如，医院的定义在不同国家和地区之间可能存在差异[42]。一家医院可能分布在多个建筑或院区中。拥有多处院区的大型教学医院与小型社区医院存在显著差异。一家医院可能提供急诊和专科心脏病护理等广泛不同的服务，而另一家医院可能专注于产科护理。许多学术研究将组织作为分析单位，但要进行有意义的比较分析，必须充分理解各国在医院的象征性和实质性定义方面的差异。

推动医疗金融化的因素包括在不断变化的社会政治和经济格局中的多种因子。2008年全球金融危机显著影响了卫生支出，减缓了跨境卫生政策[8]的进展。选择有限范围的指标/度量（即少于20个）仅能提供欧盟国家概况的一般性图景，而无法呈现更详细和细致的国家实例。此外，我们对定量指标和变量的选择有所限制，以确保可靠的统计分析。

尽管一些欧盟成员国在所选用于比较分析的指标范围内似乎比其他国家取得了更大进展，但我们的结论基于狭窄的数据集，不能代表其他领域的绩效表现。本研究的范围通过较少的指标提供了更深入的分析，而非在少数国家使用大量指标（后者在案例研究中更为常见）。

本文的研究通过探讨欧洲背景下卫生系统与信息与通信技术（ICT）的交叉点，为医疗保健金融化讨论提供了贡献。本研究立足于当前关于跨境医疗背景下金融化的政策辩论，这是欧盟领导人的重要政策目标[11]。文中进一步探讨了电子政务与电子健康之间的复杂关系，我们认为这对应对健康不平等至关重要。下一节介绍了研究方法，并对跨国比较研究中的方法论挑战进行了进一步讨论。

4. 研究方法

关键的欧盟政策优先事项鼓励健康老龄化和生活方式，预防性医学，改善健康安全，减少健康不平等，以及促进和传播健康信息[11]。在金融化的健康环境中，可及性方面的差异导致对健康服务和技术的获取严重降低满足

实现这些目标。向公民提供有关卫生系统（无论是在本国还是在整个欧盟范围内）更多、更好的信息，其基本要求是确保每个人都能获得宽带和互联网等通用目的技术的可及性[2]。为了评估任何关系，收集了涵盖所有欧盟国家的可比指标。数据来源有两个：欧洲统计局和世界银行。

欧盟的核心是需要对卫生系统和信息与通信技术（ICT）的数据进行衡量和比较。为了确保进行有意义的比较，欧洲统计系统经过多年发展，由欧盟法规[43,44] 强制执行，并由欧洲统计局管理。另一个数据来源是世界银行，其衡量各国的各种卫生绩效指标。这些数据主要由成员国的统计机构提供。尽管评估这两个组织所采用的数据收集过程的有效性不在本研究范围之内，但其数据集的完整性是其他任何公共或商业数据集都无法比拟的。

为回答第一个研究问题，收集了数据，以便在两个领域进行跨国比较分析：（1）健康数据（使用和共享）；（2）信息与通信技术基础设施（可及性和可用性）。Table 1 列出了所使用的12项定量指标。

政府卫生支出的首要关键驱动因素由变量dlgDim表示，数字单一市场由exchPat表示，信息通信技术商业模式由exchPres表示，患者赋权由apptWeb表示，最后，补充服务由subForm表示。所有其他变量均与底层信息通信技术基础设施相关，这是实现各国国内及跨国代理之间连通性的必要条件。在这些指标中可以观察到电子政务与电子健康的交叉：全科医生通过网络共享患者数据时，正在利用全国性的电子政务（基础设施）和地方层面的电子健康（应用）来完成此项活动。由于二手数据提供者的数据存在局限性，这些数据并非全部来自同一时期，因此无法根据这些数据计算出特定年份的整体情况。尽管存在这些局限性，仍然可以概述这些国家的发展状况及其相互比较，因为在该期间内未观察到国家层面的剧烈变化。表2显示了2015年每个欧盟国家的人口（数据来源为欧盟委员会）、指标数据以及一些基本统计信息。

有七个值被识别为离群值，因为这些值要么高于第三四分位数1.5倍的四分位距（IQR），要么低于第一四分位数。卢森堡的数字技能水平得分仅比上四分位距高出4.9%，对于一个在信息与通信技术方面大量投资的国家而言，这一数值似乎并不失真。三个

在apptWeb方面，有三个国家高于上四分位距（IQR）：西班牙、丹麦

和芬兰。如果将所有国家绘制为一条线性趋势线，则R2= 0.76。显然，数据存在偏斜，但这三个国家彼此接近，表明它们在此领域的投资远高于大多数其他欧盟成员国。丹麦在dlgDim上的数值仅比上四分位距高3.4%，爱沙尼亚在subForm上的数值比上四分位距高4.9%。这两个数值均不能视为异常，因为这些国家通常在此类领域具有较高的投资水平。

保加利亚在tenBroad上的数值低于下四分位距4.9%。该国基础设施发展不完善，因此这一指标值较低并不令人意外。

有六个国家获得了最高（或并列最高）的指标得分：丹麦（5次）、爱沙尼亚（3次）、芬兰（5次）、卢森堡（2次）、荷兰（3次）和瑞典（1次）。另一方面，保加利亚（2次）、塞浦路斯（1次）、希腊（1次）、马耳他（1次）、罗马尼亚（6次）和斯洛文尼亚（1次）的变量得分最低。在评估各个变量时，一些国家存在较大差异。每百万人中安全互联网服务器数量（secServ）的范围略高于2500，其中12个国家低于500，而6个国家超过1500。另一个数值差异较大的变量是全科医生使用电子网络向药剂师传输处方（exchPres）。十四个国家为<10%（马耳他为0%），而五个国家为>94%（爱沙尼亚为100%）。尽管马耳他和爱沙尼亚在基础设施可及性和使用方面的得分相似，但它们在与医疗服务互动方面的得分却明显不同。

主成分分析（PCA）是一种用于分析这些数据的技术。其目的是通过在市场营销和社会科学中广泛使用的一种方法，尝试降低所测量内容的复杂性[45]。目标是寻找变量之间的广泛关系，并利用这些关系将所有国家聚类为具有相似特征的群体。为实现这一目标，需要遵循几个关键步骤。首先分析数据中的潜在因子，以解释变量之间可能存在的共线性，假设它们之间的关系是线性的。如果发现此类因子，则需主观判断应提取的因子数量。随后运行主成分分析（PCA），并对结果进行旋转，以更清晰地揭示已发现的关系。为了将各国划分为相似的组别，采用数学技术对表现出最大相似性的国家进行聚类[46]。最初采用凝聚层次聚类（AHC）的自下而上方法，生成同质群体的树状图，“一种提供层次聚类直观图像的特殊树形结构”[47]；第59页。可以使用多种不同标准来确定最优聚类数（k），即

表 1 国家人口及变量与代码说明

Code	调查年份	变量
1	2015	具备基本以上数字技能的所有个人所占百分比
2	2013	使用搜索引擎查找信息的所有个人所占百分比
3	2015	使用互联网查找健康相关信息的个体百分比
4	2014	拥有固定宽带可及性的企业中，员工人数至少为10人的企业所占百分比
5	2014	信息与通信技术专家占总就业人数的比例
6	2015	每百万人的互联网安全服务器数量
7	2014	固定宽带订阅数（每百人）
8	2013	全科医生与其它保健提供者及专业人员交换医疗患者数据
9	2013	全科医生使用电子网络向药剂师传输处方
10	2014	通过网站预约医生的比例
11	2015	数字公共服务维度计算为电子政务和电子健康的加权平均值
12	2015	通过互联网向公共部门提交已完成表格的个人比例

数据来源： 欧盟委员会 （1–5， 8–12）， 世界银行 （6–7）。

医疗保健金融化与欧盟的数字鸿沟：叙事与数据

5. 分析与结果

5.1. 数据有效性检查

为验证该数据的有效性，最初进行了四项检验。第一项是巴特利特球形检验（见表A1），其产生的p值为<0.0001。在显著性水平α== 0.05下，原假设（ho）（即数据来自一个变量间相关矩阵为单位矩阵的总体）被拒绝。第二项是凯泽‐迈耶‐奥尔金（KMO）抽样充分性检验（见表A2），若变量在测量一个共同因子，则该指标将返回1.0的值。实际计算得到的值为0.867，表明样本量足够大，能够提取出显著程度的方差。第三项检验计算出克朗巴哈系数为0.944，再次表明这些变量作为一个整体具有较高的信度（或一致性）系数[49]。如果要从数据中得出重要推论，则该值至少应达到0.9[50]。最后一次测试的得分呈正态分布，这意味着在测量潜在构念[51]时，任何估计值都将更加可靠。对所有变量进行的最终检验是克鲁斯卡尔‐沃利斯检验。如果一组数据样本相互独立，则它们来自互不影响的不同总体。该检验计算出的p值为<0.0001，这意味着可以拒绝原假设h o（样本来自同一总体）。

5.2. 数据相关性解释的数据相关性

使用皮尔逊积矩相关系数生成的矩阵如表3所示。除非变量之间存在潜在因子，否则无法使用主成分分析[52]。从该矩阵可以看出，所有相关性均为正，并且至少有一个系数（r）为0.64，这表明这些关系是“强”的。最高值为0.94，出现在医疗保健专业人员之间交换医疗数据与包含电子健康（数字维度和交换专利）的加权得分之间的配对。最低的相关性出现在变量之间

表 3 相关性矩阵 （皮尔逊相关系数 (n)）

Code	digSkil l	srchEng	健康搜索	sec Serv	固定订阅	宽带接入	spec ICT	交换专利	交换呈现	通过网站与执业医师预约	数字维度	在线提交表格比例
digSkil l	1	0.85**	0.85**	0.84**	0.73**	0.63**	0.63**	0.57**	0.40*	0.57**	0.55**	0.60**
srchEng		1	0.75**	0.77**	0.75**	0.64**	0.73**	0.59**	0.35	0.58**	0.56**	0.59**
健康搜索			1	0.73**	0.61**	0.60**	0.60**	0.53**	0.42*	0.56**	0.53**	0.52**
sec Serv				1	0.73**	0.55**	0.67**	0.54**	0.38*	0.43*	0.54**	0.47*
固定订阅					1	0.60**	0.48*	0.59**	0.27	0.54**	0.56**	0.56**
宽带接入						1	0.54**	0.53**	0.17	0.49**	0.55**	0.50**
spec ICT							1	0.44*	0.34	0.46*	0.44*	0.43*
交换专利								1	0.69**	0.74**	0.94**	0.78**
交换呈现									1	0.55**	0.72**	0.54**
通过网站与执业医师预约										1	0.70**	0.57**
数字维度											1	0.85**
在线提交表格比例												1

*数值 与 0 不同， 显著性水平为 a= 0.05。**数值 与 0 不同， 显著性水平为 a = 0.01。

在处方传输（exchPres）与宽带订阅（fixedSub，0.27）以及雇员超过10人的企业中拥有宽带接入的比例（tenBroad，0.17）之间存在关联。至少存在两个组，已通过虚线框标出。框1显示，在七个变量中，除一个外其余的“r”值均在1%显著性水平上显著。尽管这一配对（ specICT与fixedSub之间，0.48）属于中等强度，但在5%显著性水平上显著。框2包含五个变量，全部在1%显著性水平上显著。有少数位于这两个框之外的配对也具有“r”值和显著性，表明可能存在第三个组。

5.3. 确定需提取的因子数量

分析的下一阶段是确定应提取多少个因子。相关矩阵强烈表明至少存在两个因子，原因在于已识别出的配对关系；然而，这一主观决策通过评估计算出的特征值得到了支持，如表4所示。

古特曼‐凯泽准则排除任何特征值（λ）<1 的因子，因为其对方差的贡献微不足道（除非λ > 1，否则它解释的方差不超过单个变量）。表 3显示，仅有两个因子（占总方差的四分之三以上）满足此条件。第一个λ = 7.48解释了超过62%的方差，而第二个λ = 1.55解释了12.9%的方差。尽管第三个因子解释了约6%的方差，但其λ = 0.7远低于最小值。另一种用于支持所选因子数量的技术来自将特征值绘制成图时生成的图像——碎石图。该图再次支持仅选择两个因子。

由于各因子相互独立，因此采用正交旋转以简化变量的解读。使用方差最大旋转法（varimax rotation）并计算共通性（h2）的结果如表 5所示，其中最高的载荷以粗体显示。再次验证了每个维度计算出的克朗巴哈α系数均为“优秀”（D1 = 0.937 和 D2 = 0.924），表明所提取因子具有较高的信度。这两个潜在维度共同解释了总方差的75.2%。

前七个变量在维度1上的载荷较高，且均被解释为“优秀”，而其余五个变量中除一个外，其余均在维度2上具有高载荷，同样被解释为“优秀”[53]。剩下的变量apptWeb虽然较为复杂（在维度1上为“差”；在维度2上为“非常好”），但其方差更多地贡献给了维度2。截断值选定为0.4，因为这仅会对方差贡献16%[54]；第441页。

第一个维度贡献了方差的42.6%，由与信息通信技术基础设施（可及性和可用性）相关的变量构成。第二个维度贡献了方差的32.5%，包括与健康数据（使用和共享）相关的变量。这两个维度在图A1中显示，且与每个维度相关的变量均已标注。图1展示了欧盟成员国在旋转后的因子得分上的分布情况。

表 4 主成分分析 计算出的 特征值

F1	F2	F3	F4	F5	F6	F7	F8	F9	F10	F11	F12
7.48	1.55	0.70	0.53	0.46	0.39	0.31	0.19	0.15	0.13	0.08	0.04
62.31	12.90	5.79	4.43	3.84	3.22	2.60	1.54	1.28	1.12	0.63	0.33
62.31	75.21	81.00	85.43	89.27	92.50	95.09	96.64	97.92	99.04	99.67	100.00

表 5 经过方差最大法旋转后主成分分析的结果

Code	D1	D2解释	h2
数字技能	0.874	0.316维度1 –优秀	0.863
搜索引擎	0.872	0.306维度1 –优秀	0.854
健康搜索	0.800	0.317维度1 –优秀	0.741
安全服务	0.853	0.245维度1 –优秀	0.788
固定订阅	0.761	0.319维度1 –优秀	0.681
宽带接入	0.713	0.268维度1 –优秀	0.580
特定信息通信技术	0.742	0.218维度1 –优秀	0.598
交换专利	0.366	0.878维度2 –优秀	0.904
交换呈现	0.102	0.831维度2 –优秀	0.702
通过网站与执业医师预约	0.407	0.695维度1 – 较差；维度2 – 非常 好	0.649
数字维度	0.350	0.899维度2 –优秀	0.931
在线提交表格比例	0.391	0.761维度2 –优秀	0.733
变异性 (%)	0.426	0.325
累计 (%)	0.426	0.752
Cronbach的 α	0.937	0.924

5.4. 基于已分解的得分的聚类分析

下一步是将得分相似的国家进行聚类（分组），首先使用AHC方法，然后以需要创建的聚类数量作为种子，启动非层次聚类算法（k均值）。AHC分类方法利用欧氏距离和五种不同的凝聚连接方法（完全连接法、灵活连接法、单连接法、未加权成对组平均法和沃德方法）来计算对象之间的不相似性。用于计算最优聚类数量的程序结果显示，仅需三个聚类即可。表A3列出了通过生成一到六个聚类所计算出的类内方差，而图 A2则绘制了该信息，并标示出三类聚类的位置。图2展示了基于因子得分采用沃德方法生成的树状图。横轴表示每个节点（国家）之间的不相似性值，纵轴表示国家（由此生成用于计算二叉树的邻近矩阵）。该方法与其他方法不同，使用方差分析（ANOVA）来确定聚类间的距离。这是一种高效过程，但此准则仅在使用欧氏距离[55]时方可运行。

在确定所有欧盟国家可分为三个聚类后，第二步是使用该值作为 k‐均值算法的初始输入。该计算得出了图3所示的三个聚类，并将其标记为“领先者”、“追随者”和“落后者”。

表6 详细列出了为每个聚类计算的总体统计量和Kruskal‐Wallis值

聚类 1 （样本量 = 10）	第2组（样本量= 12）	聚类 3 （样本量 = 6）	Kruskal–Wallis p值 (1%)
落后者	追随者	领先者	0.007
			0.0003
			0.006
K （观测值）： K （临界值） = 6.6935	7.406	13.230	7.410
Mean	SD	Mean	SD
维度1 -1.011	0.600	0.591	0.665
因子 维度2 -0.283	0.415	-0.602	0.523
			1.677
			0.399

5.5. 使用已分解的和原始变量的k均值聚类比较

如上所述，收集到的数据从两个角度进行了分析：第一种方法是根据主成分分析（PCA）和旋转生成的得分对数据进行聚类（在确认其适用性之后），第二种方法是基于原始变量生成新的聚类。随后比较这两种聚类结果以确定任何差异。按照前述步骤，首先将原始变量通过五种不同的层次聚类方法（AHC methods）进行处理。再次识别出三个聚类，并以此作为k‐均值算法的初始输入。这些聚类之间的差异如图4所示，结果显示除两个国家外，所有聚类成员均保持一致。“跟随者”聚类新增了来自落后者聚类的葡萄牙和来自领先者聚类的西班牙。这两个国家均位于其原聚类的边界位置，而当使用12个变量而非两个潜在维度时，可获得更详细的分析结果，这支持了上述移动（Movement）的合理性。

已分解的k均值聚类以及原始变量的聚类结果见表A5和表A6。这种相似性支持了使用本模型提供的两个潜在维度时国家分组的存在。

6. 讨论

比较信息通信技术基础设施（可及性与可用性）和健康数据（使用与共享）可以为欧盟成员国的医疗金融化和信息与通信技术提供一些有趣的见解。特别是，研究结果表明，在信息通信技术和健康数据方面，各国概况存在显著差异，这对跨国医疗具有重要的政策含义（投入与产出）。由于每个国家都必须遵循结构化统计过程，人口规模并不会影响所收集数据的可靠性——否则任何欧盟范围内的比较都将不可能实现。

这些人口差异所反映出的是各国在提供服务方面的复杂性和规模，以及能够共享跨国设施所带来的益处。丹麦、芬兰和瑞典的人口规模均不到一千万，因此它们在信息通信技术基础设施、电子政务和电子健康方面取得显著进展，部分原因可能在于其相对较小的国家规模，这些国家的规模与大城市相当。例如，拥有超过850万居民的伦敦，其规模与瑞典相近。丹麦和芬兰的人口规模均超过五百万，可与马德里和柏林等欧洲城市相比较。

在两个极端，拥有超过8200万公民的德国与仅有50多万公民的卢森堡在卫生系统方面存在巨大差异。对各国卫生系统的比较进行深入分析发现，卢森堡有相当一部分被保险人口在邻国购买医疗服务。尽管德国在绝对数值上报告了最高的进口水平，约占当前卫生支出的0.6%，但卢森堡这一比例约为3.5%。这是一个显著的

作为跨境健康的指标，其他欧盟国家如葡萄牙（1%）和荷兰（0.9%）的患者跨境移动数量更高，但就卫生支出占比而言，这些数字仍然相对较低[56]。

跨境医疗是数字单一市场的一个关键组成部分，尽管我们的实证数据表明前方存在严峻的实际挑战。各国在健康和信息与通信技术方面的国家概况多样性可分为三个不同的聚类：领先者、追随者和落后者。每个聚类将在接下来的章节中进行讨论。

6.1. 领先者集群

领先者集群中的领先国家包括丹麦、芬兰、瑞典、荷兰、西班牙和爱沙尼亚。斯堪的纳维亚国家出现在这一类别中并不令人意外，特别是这一发现证实了先前关于信息与通信技术、数字鸿沟以及健康/电子健康的研究所指出的趋势[57]。丹麦、瑞典和荷兰在“使用搜索引擎查找信息的人口百分比”（srchEng）这一指标上均达到92%。相比之下，罗马尼亚和希腊在同一指标上的比例分别为50%和62%，这表明成员国之间在信息通信技术基础设施以及欧盟公民对技术的可用性方面存在巨大差异。

该集群中最大的国家是西班牙，拥有超过4600万居民。该国分为17个自治区，每个区都有其独特的地理和文化。加泰罗尼亚地区以其优质的医疗服务而闻名，每年吸引大量英国人、俄罗斯人和东欧游客前来。前往该地区的医疗旅游正在增长，巴塞罗那的一组医院和医疗中心正与该市的旅游联盟及加泰罗尼亚政府合作，将“巴塞罗那医疗目的地”打造为医疗服务领域的国际卓越中心。目前，每年约有2万名外国公民前往加泰罗尼亚，在一家私立医院参与该倡议。新提案的目标是在2年内将其提高20%。

对跨境医疗的地区层面分析提供了一种更为细致的方法，因为同一国家内的某些地区比其他地区更为先进。爱沙尼亚也属于领先类别，是人口非常少（约130万）但在电子健康方面取得显著进展的国家的一个良好范例。电子健康记录是一个全国性系统，整合来自各类医疗服务提供者的数据，以建立个体患者的记录。

技术挑战在于确保从不同系统获取的来自各服务提供方的健康数据以标准格式呈现。这使得患者能够通过单一电子文件便捷地访问其病历，因为检验结果（包括X光片）可在录入时实时读取。这些优势对特定地区或国家内的卫生专业人员和患者均有裨益。欧盟政策制定者在推动跨境医疗时面临的关键问题是成员国是否同意相互共享患者数据。尽管这一目标可能已纳入欧盟政策的叙事中，但实际执行情况可能有所不同，并取决于各国层面的隐私和安全法律，这些法律可能优先于其他考虑因素。

6.2. 的追随者集群

追随者集群中的国家在跨国医疗方面表现出各种机遇和障碍。法律障碍涉及数据保护、医疗专业人员的义务以及患者权利等问题。技术障碍包括医生、医院、保险基金及其他利益相关者所运营的电子政务和电子健康系统缺乏互操作性。追随者集群中既有最大的成员国（德国、英国和法国），也有最小的成员国（卢森堡和马耳他）。东欧国家也属于这一集群（匈牙利，捷克共和国、立陶宛和斯洛文尼亚），总共12个。尽管法国拥有全球最好的卫生系统之一[7], ，但该国在某些指标上得分相对较低，包括仅有40%的个体使用互联网搜索与健康相关的信息（srchHth），以及仅有39.4%的全科医生与其他医疗服务提供者和专业人员交换医疗患者数据（exchPat）。相比之下，荷兰的这两项指标分别为61%（srchHth）和76%（exchPat）。对法国结果的一种解释是，该国在全国范围内为公民提供了卓越的医疗服务。因此，法国公民能够获得高质量的医疗保健服务，且全科医生诊所、医院和药店之间联系紧密。

研究结果表明，在资源充足、成熟的卫生系统中，且患者满意度评分相对较高时，公民使用电子政务和电子健康服务来搜索和交换健康数据的需求较低。像德国、英国和法国这样拥有成熟制度结构和实践的国家，显然为卫生专业人员和公民参与跨境健康提供的激励措施较少。例如，在英国（该国在2016年6月的公投中投票决定脱离欧盟），作为一项发展电子健康记录的技术创新而推出的国家信息技术计划，因支持与反对该计划的叙事相互冲突而陷入困境。尽管政府付出了大量努力以确保该计划成功，但由于多个利益相关方群体仍对该计划对卫生系统和患者的价值持怀疑态度，该计划最终被放弃[58,27]。这与跨境健康存在相似之处，即支持该政策的叙事需要与各国卫生系统的实际影响进行权衡。

法律约束，例如，构成欧盟跨境健康服务的障碍。德国拥有欧洲最严格的数据隐私法律之一。为了进一步推动医疗领域的数字化，需要采取相应措施。患者数据管理系统将使德国医生在紧急情况下通过电子健康（e Health）卡获取急诊患者数据。患者需同意将其急诊患者数据存储在卡上。医生若将有关患者的诊疗信息录入新系统将获得激励，否则将面临经济处罚。在德国，数据保护被列为重中之重，法律规定必须对数据管理系统中的数据访问进行控制和记录，并对医疗数据进行加密。与其他追随者集群国家一样，德国正在推进信息通信技术基础设施建设和健康数据共享，以促进向实时电子健康转型，其在电子健康解决方案实施方面被描述为“处于中等水平”[59]。

几十年来，通用目的技术（GPTs）对公民的可及性显著提高，技术基础设施和应用也得到了长足发展。政府和媒体出版物对欧盟卫生服务贸易的机遇与障碍进行了评述，一些观点夸大了患者（公民）获得跨境医疗的便利性和可用性，而另一些则讨论了医疗旅游的弊端。尽管在政策文件中，技术因其有望减少富裕与贫穷国家（和地区）之间的健康不平等而被视为一种重要的平衡力量，但我们的比较数据表明，医疗金融化的更广泛影响将给欧盟卫生一体化政策带来重大挑战。

6.3. 落后者集群

落后者集群描述了在两个维度上得分相对较低的国家。该类别包括10个国家，这些国家在信息通信技术基础设施和医疗保健方面的资源明显较少。过去几年中普遍被称为“紧缩措施”的财政限制表明，在实现扩大跨境医疗的欧盟政策目标方面可能会进一步延迟。我们的综合数据显示，作为信息通信技术可用性指标的固定宽带订阅（fixedSub）在罗马尼亚（18%）、保加利亚（20%）和波兰（23%）等国家远低于表现最高的丹麦（41.4%）。在信息通信技术基础设施和可用性较差的国家，公民主动到国外寻求医疗保健或甚至使用互联网查询本地服务的人数受到极大限制。此外，各国在医疗支出占国内生产总值百分比方面存在巨大差异[64], ，其中法国为11.7%（最高），罗马尼亚为5.3%（最低），再加上服务关税、费用分担、报销安排以及旅行地理限制等方面的差异，可能进一步形成障碍，影响患者寻求跨境医疗的能力和积极性。

尽管缺乏有关电子健康可及性和使用的有用数据，但全科医生与其他医疗服务提供者和专业人员交换医疗患者数据（exchPat）以及全科医生使用电子网络向药剂师传输处方（exchPres）的指标揭示了各国概况中的一些显著差异。例如，斯洛文尼亚在exchPat方面的频率最低，仅为5%，而丹麦则高达91.8%。同样，在exchPat方面，爱沙尼亚报告得分为100%，而保加利亚、匈牙利、爱尔兰、葡萄牙、波兰、斯洛伐克共和国和斯洛文尼亚等多个国家报告为<5%。尽管本研究受限于跨国数据集的缺乏，但这些数据实证支持了先前研究以及关于卫生系统存在巨大差异的轶事报道[28]。

为了使跨国医疗保健成为现实，本研究指出需要在多种主题领域获得更多实证数据，包括（但不限于）与跨国流动性相关的保护和患者权利、寻求跨境治疗患者的财政拨款、地区层面公共医疗保健保险制度的安排、私立保险市场的发展、医疗保健服务的报销机制，以及医疗保健的可用性和质量。

7. 结论

本研究采用多变量统计方法分析了28个欧盟成员国的卫生系统国家概况。随着医疗金融化逐渐融入欧盟指令和政策的叙事中，政治家、卫生专业人员和公民对更多且更优的财务指标和度量标准的需求日益增长。

通过结合衡量公民可及性和使用电子政务与电子健康服务比例的指标，我们的聚类分析识别出三类群体：领先者、追随者和落后者。领先国家在信息通信技术基础设施和电子健康方面表现出强劲的发展态势，其中一些国家在与其他服务提供者使用和交换电子患者健康数据方面取得了显著进展。通常拥有成熟卫生系统的追随者国家在采用跨境健康方面激励较少；相比之下，落后者类别的国家由于其卫生系统存在系统性和经济性制约，推动跨境健康的动力更大。

本研究提出了三点观察，旨在为政策制定者、医疗专业人员、公民、患者及其他众多医疗利益相关者提供关于医疗金融化和信息与通信技术（ICT）的讨论依据。首先，本研究通过使用综合指标扩展了针对欧盟卫生系统的比较性跨国研究。本研究并未对成员国层面的跨国医疗进行详细分析，而是识别并阐明了许多由医疗金融化引发的复杂问题和挑战，这些问题超出了技术范畴，涵盖了卫生系统的法律、监管、财务和文化属性。多样性在揭示欧盟指令所面临的困难中起着关键作用：尽管这些指令倡导一体化医疗，但国家和地区决策者在实施过程中往往依据自身法律和政策优先考虑本国的社会和健康需求。欧盟各卫生系统之间的差异，引发了关于系统性和情境性障碍的诸多问题，这些障碍影响着欧盟政策制定者推动跨境健康的努力，导致政策叙事受到财政压力的挑战。

其次，我们的研究为医疗金融化和数字鸿沟的跨学科研究做出了贡献。尽管绝大多数管理研究关注的是发达国家，但本研究通过使用综合指标比较和对比国家概况，不仅揭示了不同卫生系统的复杂性与独特性，还对欧盟范围内推动社会政治和文化变革政策的有效性提出了质疑，特别是在资源不足的卫生系统国家中。例如，用于卫生的国内生产总值在欧盟成员国之间差异巨大。因此，在卫生系统面临严峻财政状况的背景下，许多欧盟国家不仅在信息通信技术和电子健康能力方面落后于其他国家，而且在投资基本医疗服务的能力上也存在不足。各国将不得不做出艰难决策，以优先分配有限资源，而电子健康可能并不会被视为最重要的优先事项。

第三，随着全球卫生系统日益金融化，当欧盟的跨境健康政策面临政治家和公众的挑战时，可能会出现一种矛盾的局面。由于需要满足国家和地方层面的卫生相关目标，各成员国将越来越多地限制欧盟范围内公民对医疗服务的可及性。信息与通信技术（ICT）虽被宣传为促进跨境健康的推动因素，但也可能成为限制公民获得医疗服务的工具。在持续经济紧缩政策的背景下，国家概况

本研究中发现的结果与先前的研究一致，这些研究报道了欧盟初级和二级卫生专业人员的患者数据共享水平较低[11]。

报销安排方面的国家间差异、医疗服务的供给不足或过剩、双边成本分担协议、可变的关税和福利包，这些都是医疗金融化的表现，可能对欧盟跨境健康政策产生不利影响。成员国将继续优先投资信息通信技术基础设施和电子健康，以利于本国卫生系统的发展。在缺乏及时可靠的患者、专业人员及其他医疗利益相关者所需的健康信息的情况下，医疗服务的双边财务安排将难以顺利谈判。

因此，有必要进一步开展工作，以开发能够衡量公民对医疗服务满意度的指标[28]（第347页），并研究信息与通信技术如何促进数据共享和医疗旅游。通过扩大地理覆盖范围，将信息通信技术概况较不发达的国家纳入研究，学术研究将得到进一步丰富。全球卫生系统和技术正在迅速变化。未来研究方向可考虑“跨越式发展”这一概念[61], ，即医疗服务提供者采用移动技术、云计算及其他电子设备/应用程序来推动跨境健康。此处的跨越式发展并非指一个国家在信息与通信技术能力上超越另一国家，而是描述如何选择某项技术来发展此前依赖传统（遗留）技术的医疗服务。移动健康便是一个当代范例，有证据表明，发展中国家正通过跨越式发展传统技术，向地方层面的公民提供此前无法实现的卫生服务[62]。综上所述，本研究确定的三类国家群体正处于不断变化的社会政治和经济环境中。随着时间推移，那些信息通信技术基础设施和电子健康较为先进的国家可能在适应变革方面进展缓慢，而卫生系统较不发达的国家则可能利用新技术以较低成本建设数字卫生服务，且不受制度化结构的限制。