使用数学建模确定健康优先级的经验教训

COVID-19 疫情凸显了健康融资和资源分配中优先排序的必要性，暴露了传统健康融资策略的局限性。本文探讨了数学建模在提升卫生部门配置效率方面的相关性，特别是在后疫情时代。世界银行从支持 20 多个国家运用数学优化模型进行优先排序的经验中，旨在约束预算内实现最佳健康结果，总结了以下核心观点：

1. 疫情对健康融资的影响：疫情对经济增长、收入收集、债务压力和可用于健康融资的财政空间产生了深远影响，迫使各国转向优先提高卫生服务交付效率。疫情导致经济增长受阻，低收入国家尤为严重；收入收集能力下降，尤其是在低收入和中等收入国家；资源利用效率要求提高，发展援助和国内预算受限。

2. 优先排序的重要性：优先排序对于后疫情健康融资至关重要，应遵循四项原则：基于指南、符合特定情境、基于数据和协作透明。研究表明，10 个国家逐渐转向基于证据和满足国家需求的优先排序实践，主要表现在从项目预算到基于需求的资源分配，以及定义公共福利包。

3. 数学建模在优先排序中的应用：世界银行与合作伙伴合作，支持 20 多个国家使用数学优化模型改进预算分配。例如，Optima 模型在 40 多个国家改善了资源分配，通过算法优化模型，可同时优先考虑配置、生产和技术效率。苏丹的案例表明，模型成功推动实际支出变化，将更多资金转向关键人群项目。

4. 经验教训：数学建模的经验表明，未来优先排序需要更加详细、集成和广泛，包括：

   • 结合配置和技术效率，关注服务交付方式；
   • 考虑服务交付质量、覆盖范围和规模；
   • 运用地理空间分析，关注弱势人群、服务可及性和利用率；
   • 实施以患者为中心的差异化服务；
   • 确保效率提升在卫生部门内重新分配；
   • 优先考虑整合护理包服务；
   • 区分优先排序和健康福利包。

5. 未来方向：未来优先排序将更加复杂，需要适应不断变化的卫生系统，利用数据驱动实现灵活、敏捷和本地化的优先排序。成功将取决于能否采用“从单音符到交响乐”的方法，整合多种优先排序方法，以应对更广泛的问题和挑战。