運用「經濟學」研究健保
中研院經濟所的楊子霆助研究員，分析實際資料發現：「免除三歲以下兒童的部分負擔」制度，會讓三歲以下兒童到大醫院看門診的次數大幅增加，而且新增加的門診大多是應在診所治療的輕症（如感冒）。這顯示調高部分負擔，將有助於抑制輕症病患到大醫院就醫次數，減少醫療資源的浪費。
「我對公共經濟學很有興趣，尤其是政府的支出與收入，健保其實就是一種財政支出。另一方面，我也很好奇醫院的醫療行為……」楊子霆說明為什麼要做這個研究。 攝影／張語辰。
大家都想知道健保制度好不好，但好或不好該如何證實？在平常觀看新聞的過程中，楊子霆發現衛服部於 2002 年推動「免除三歲以下兒童的部分負擔」制度，便運用健保資料分析這項政策的實際影響，也檢視健保制度能如何更好。
「免除三歲以下兒童的部分負擔」，發生了什麼改變？
「部分負擔」的意思是當大家就診時，除了由全民健保負擔醫療費用外，我們也需要自行負擔一部份費用。除了門診的部分負擔，藥品、復健治療及住院也都有部份負擔。
病患在不同層級的醫療院所，需付出的部分負擔也不同。如未經轉診，屬於醫學中心層級的台大醫院部分負擔現為 420 元，而診所僅需要 50 元。資料來源／部分負擔及免部分負擔說明 。圖片來源。iStock。
政府一直想了解「部分負擔」的變化如何影響「醫療利用」與「健康」，但如果直接比較部分負擔「付較多」與「付較少」的兩群人，他們在醫療利用與健康的差別，可能無法正確估計部分負擔的影響。因為這兩群人可能在家庭收入、先前的健康狀況、或其他特性本來就有不同，研究者無法斷定這兩群人在醫療利用與健康的差異，是來自部分負擔不同所造成的？還是其他因素導致的？
因此，為了正確估計部分負擔的效果，我們選擇從「免除三歲以下兒童的部分負擔」這個制度，來看部分負擔的變化如何影響兒童的醫療利用。我們用「滿三歲前一天」與「滿三歲後一天」的資料做比較，因為三歲前後幾天的健康狀況、家庭收入或是其他因素應該不會有太大差異。
三歲前一天與三歲後一天，唯一差別在於「是否需要付部分負擔」。因此，可以去看同一群人在兩種情況下，醫療利用行為有無改變、及健康狀況是否有差異，藉此就能估計部分負擔的效果。
我們研究結果發現，如果免除三歲以下兒童的部分負擔，「門診」的總醫療花費增加 7%，總就診次數則是增加 5% ，但家長大多是帶小孩去大醫院看小病。而「住院」則沒有明顯變化。
實施「免除三歲以下兒童的部分負擔」制度前，三歲前後的總醫療花費是差不多的(如左圖)。但在實施此制度後，三歲以下兒童「門診」的總醫療花費上升許多(如右圖)。資料來源／Patient Cost-Sharing and Health Care Utilization in Early Childhood: Evidence from a Regression Discontinuity Design (with Hsing-Wen Han and Hsien-Ming Lien)。圖說重製／王怡蓁、張語辰。
原本在大醫院看門診的部分負擔是比較高的，因此，免除部分負擔後，三歲以下兒童到大醫院看門診似乎更為划算：既能得到更多補貼(因為免除的部分負擔金額較高)，又能獲得更好的醫療。我們發現到大醫院看門診的次數大約多了 50%~60%，而且新增加的大醫院門診，大多是可以在診所治療的小感冒等疾病。
由於三歲以下兒童免除部分負擔，三歲前到「醫學中心」與「區域醫院」看診的次數，比三歲後高出許多。資料來源／Patient Cost-Sharing and Health Care Utilization in Early Childhood: Evidence from a Regression Discontinuity Design (with Hsing-Wen Han and Hsien-Ming Lien)。
這個健保政策立意當然是好的，但從數據上來看，免除三歲以下兒童的部分負擔，似乎扭曲民眾就醫的選擇，增加他們直接到大醫院就醫的誘因。
比較好的方式是「定額補貼」，不分醫療院所的層級，皆補貼一個固定的費用。例如去診所或大醫院，門診都是補貼一百元，避免誘導民眾選擇大醫院。
三歲以下兒童「住院」，應免除部分負擔嗎？
「住院」的總花費與次數，在「免除三歲以下兒童的部分負擔」前後差異不大。因為通常到住院的程度，都是明確需要比較好的醫療照顧。資料來源／Patient Cost-Sharing and Health Care Utilization in Early Childhood: Evidence from a Regression Discontinuity Design (with Hsing-Wen Han and Hsien-Ming Lien)。
從我們的研究來看，如果幼童需要住院，無論是否有免除部分負擔，父母都會選擇讓他住院。這也是很合理的，因為幼童一旦需要住院，大多是要治療較重大的疾病，父母應該不會在意部分負擔是否免除。
因此，根據研究結果，如果政府想要繼續補貼三歲以下兒童的部分負擔，我們會建議：首先，「門診」的部分，應該用「定額」補貼部分負擔，才不會造成去大醫院得到的「補貼」比較多，反而變向鼓勵民眾多去大醫院就診。
其次，既然對重大疾病幼童來說「住院」是必要的，其決策不受部分負擔高低的影響。關於兒童住院的部份負擔，我們建議應該「全額補助」。
若門診不是用「定額」，而是以「定率」計算部分負擔？
但許多人認為現行的「定額部分負擔」做法仍無法抑制民眾小病到大醫院就診的情況，應按照《全民健康保險法》 第四十三條「保險對象應自行負擔門診或急診費用之 20% ，居家照護醫療費用之 5% 。但不經轉診，於地區醫院、區域醫院、醫學中心門診就醫者，應分別負擔其 30% 、 40% 及 50% 」之規範，以「固定比率(定率)」來收取部分負擔的費用。
改成上述「固定比率(定率)」的部分負擔，會更能降低輕症病患在大醫院的門診次數嗎？
根據我們的研究結果，我們並不贊同這樣的改法，因為現行的「定額部分負擔」大約能減少 50-60% 輕症在大醫院的門診量；換句話說，現行的「定額部分負擔」相當程度地能夠抑制到大醫院看小病的醫療浪費行為。事實上， 2017 年 4 月調漲前的醫學中心的部分負擔為 360 元，若是去看小病(例如感冒)，那時的自付額已佔該次門診醫療支出的 75% ，遠高於「定率部分負擔」的 50% 。
若醫學中心部分負擔改為自付 50% 的醫療費用，反而會讓到醫學中心看輕症的自付額下降，可能導致民眾更愛選擇到大醫院看小病。
相反地，若是改成「定率部分負擔」，將會讓民眾不敢去大醫院治療「重大疾病」。
因為不像「定額部分負擔」，民眾能事先知道要付的金額，例如：一次醫學中心的門診就是付 420 元，在「定率部分負擔」下，民眾要等所有檢查做完，才知道自己要付多少錢；如果醫療費用是一萬元，要自行負擔 50% ，就是五千元，反而降低重大疾病的病患，到大醫院就醫的意願，然而這類病患才是大醫院應該治療的對象。
還有哪些感興趣的題目，卻因資料不足無法進行？
有的，但這個題目現在我也蒐集到比較多資料了。是關於台灣「人才外流」的議題。
「人才外流這個議題，我想先看看這些數據說了什麼，再讓政府了解有什麼方法可以留住人才」楊子霆說明。圖片來源／iStock
我想知道甚麼類型的人會到海外工作，人才外流造成多少稅收損失、以及造成國內多少勞動力的短缺？光是想像就發現所需的資料量非常龐大：我要先知道他在台灣的工作與背景，再者是有多少人出國「工作」，這點就無法確定政府是否有準確的數據資料。
會有契機可以重新著手這個題目，是因為前行政院院長張善政的緣故，他在任內對「政府資料開放」抱持非常正面的態度，鼓勵各部會開放更多資料，也提供學術界申請政府行政資料 （administrative data）的機會。由研究團隊針對各部會的感興趣的議題，撰寫研究計劃書與提出所需資料，通過審核後，便可以至「國家高速網路與計算中心」的監控室使用資料。必須要強調這些資料都是經過「去識別化」，無法識別特定個人。
現在，我們申請到了研究所需的資料，不過，由於資料龐大，這些資料都還在處理中。無論如何，我非常高興能有機會探索這個重要議題。
台灣政府開放資料是否足夠？
政府開放資料，指的是「去識別化、並統整過」的資料。資料來源／政府資料開放平台。
近年來在張善政與唐鳳的推動下，台灣的開放資料確實進步很多。
除了開放資料外，有些政府行政資料對政策分析與學術研究也很有幫助。像衛福部就做得很好，願意釋出健保資料讓研究者到資料中心使用，健保資料非常地詳細，可以做出精確的分析結果，這在全世界非常少見。更重要的是，很少有國家強制全民納入健康保險制度，像是美國就沒有，所以無法取得全民的醫療健康紀錄資料。
政府手上有非常多很好的資料，研究這些議題需要資料，所以政府要先把這些資料開放出來，不然無法了解發生什麼事。
像健保資料只能得到醫療資訊，如果我想分析「收入」與「醫療利用」的關係，就還需要收入與家庭的資料，如果沒有跨部會資料的話，研究就無法進行、或可能結果不精確。
但目前台灣遇到的最大困難是：各部會的資料無法串聯在一起。各部會的本位主義有點強，如果要跨部會資料的串連，把資料放在哪裡也是一大問題。(冒汗)
我前陣子去瑞典參訪，觀察到他們將資料統一放在一個第三方獨立的機構：國家統計局。他們跟台灣一樣， 會給予每位國民類似身分證字號的代碼，並用這個代碼串聯各部會所屬的資料。
運用國家統計局擁有的整合資料，每年可以直接計算數據、發佈普查結果，取代了台灣還要人工額外進行的人口普查、勞動力調查、收支調查等。其實台灣政府做這些調查都是「重複的」調查，如果整合各部會現有的數據資料，反而可以省下更多行政成本。
延伸閱讀
The post 如何知道健保制度「好不好」？開放資料研究能告訴我們哪些事？ appeared first on PanSci 泛科學.