Impact of medical insurance on public health services utilization of floating population with chronic disease and the moderating role of health risk perception

Ning HUANG; Xiaohan LIU; Jing GUO

doi:10.19723/j.issn.1671-167X.2026.01.021

Journal of Peking University(Health Sciences) >

2026 , Vol. 58 >Issue 1: 160 - 168

DOI: https://doi.org/10.19723/j.issn.1671-167X.2026.01.021

Impact of medical insurance on public health services utilization of floating population with chronic disease and the moderating role of health risk perception

Ning HUANG ,
Xiaohan LIU ,
Jing GUO ^,*

Expand

Department of Health Policy and Management, Peking University School of Public Health, Beijing 100191, China

GUO Jing, e-mail, jing624218@163.com

Received date: 2023-05-30

Online published: 2024-03-28

Supported by

the Beijing Municipal Social Science Foundation(22JYA002)

Copyright

Fold

Abstract

Objective: The prevalence rate of chronic diseases among the floating population is increasing with the acceleration of the aging society. However, factors such as the characteristics of mobility, and the problem of medical insurance reimbursement in different places lead to underutilization of health service and poor health. Therefore, this study analyzed the impact of medical insurance on health service utilization of floating chronic disease patients and the moderating role of health risk perception from the perspective of behavioral economics, such work could shed light on the realization of "Healthy China" strategy and "the Medium- and Long-term Planning for the Prevention and Treatment of Chronic Diseases". Methods: We selected the data of China Migrants Dynamic Survey (CMDS) in 2017. A total of 5 640 migrants with chronic diseases were selected. Descriptive statistics was used to describe the basic characteristics of the sample, and binary Logistic regression model was used to analyze the relationship between the different types of medical insurance participation rate and the utilization of medical services, and the moderating role of health risk perception in this relationship. Results: The participation rate of medical insurance was 21.9%. There was still 12.5% migrants with chronic diseases who did not utilize health services when they felt unwell. Only having medical insurance in inflowing area could increase the utilization of health services among migrants with chronic diseases. Health risk perception significantly positively moderated the association of medical insurance for urban employee or public medical insurance with health service utilization among migrants with chronic diseases. Conclusion: The medical insurance and health risk perception can promote the utilization of health services among migrants with chronic diseases. The government should break the barrier of the medical insurance system, improve the level of medical insurance, and strengthen the propaganda and education of chronic diseases prevention and treatment, so as to improve the level of health risk perception of migrants with chronic diseases. In addition, it is necessary to rationally allocate health service supplies and focus more on trans-provincial floating male patients with chronic diseases, who have low health risk perception and limited access to medical services, to improve health service utilization.

Key words： Population dynamics; Chronic disease; Medical insurance; Health services; Health risk perception

Cite this article

Ning HUANG , Xiaohan LIU , Jing GUO . Impact of medical insurance on public health services utilization of floating population with chronic disease and the moderating role of health risk perception[J]. Journal of Peking University(Health Sciences), 2026 , 58(1) : 160 -168 . DOI: 10.19723/j.issn.1671-167X.2026.01.021

我国慢性病负担巨大，慢性病负担约占疾病总负担的70%，慢性病致死率高达86.6%。流动人口作为中国社会的重要组成人群，其慢性病患病率也随着中国社会老龄化加剧以及经济发展带来的不健康行为影响而不断增加^[1]。流动人口规模随着中国城镇化速度的加快不断增长^[2]，据我国第七次全国人口普查结果显示，2020年流动人口总数已高达3.76亿，相较于2010年大幅增长近70%。尽管我国于2017年制定了《中国防治慢性病中长期规划(2017—2025年)》，高度重视慢性病尤其是高血压和糖尿病的管理^[3]，但由于流动人口的流动特征，使得流动人口的公共服务均等化困难，慢性病防控存在诸多问题^[4]。医疗保险(简称医保)作为一种财务分担机制，降低了医疗服务的实际价格^[5]，可以促进流动人口的卫生服务利用^{[1, 4, 6]}，但关注流动慢性病患者的研究较少，更少从行为经济学角度考虑健康风险感知对医保与流动慢性病患者卫生服务利用关系的调节作用。

健康风险感知是患者或高危人群对健康威胁或疾病发生不确定性及危害程度的感知^[7]。根据行为经济学的前景理论^[8]，当人们对疾病风险感知不足时，不治疗或者自我医疗是对疾病损失的“风险偏好”，这很可能会贻误病情；当人们对疾病风险感知足够时，选择经济可行的治疗方式，是对收入损失的“风险规避”^[8]。基于此，本研究利用2017年中国流动人口动态监测调查数据，探索流动慢性病患者不同类型医保参与率情况与医疗服务利用之间的关联，以及健康风险感知在其中的调节作用，以期为如何提高医保对医疗服务利用的促进效果提供一定参考。

1 资料与方法

1.1 数据来源

数据来自国家卫生健康委员会流动人口数据平台上2017年中国流动人口动态监测调查数据(China Migrants Dynamic Survey，CMDS)^[9]，该调查是由原国家卫生和计划生育委员会采取分层、多阶段、按规模成比例概率抽样(probability proportional to size sampling，PPS)调查法展开的一项全国性调查，因其调查机构较为权威、抽样方法科学合理、调查样本较大，因此，该资料具有一定可靠性。这项全国性调查以全国31个省(自治区、直辖市)和新疆生产建设兵团(不包括香港、澳门特别行政区和中国台湾省数据)为基本抽样框，以在流入地居住1个月及以上、非本区(市、县)户籍的≥15周岁的流动人口为调查对象，实际采集的流动人口样本规模为169 989人。

因本文的研究目的是评估医保对流动慢性病患者医疗服务利用的影响，故我们选择确诊有高血压或(和)2型糖尿病的流动慢性病患者为研究对象，删除流动非慢性病患者后，此次调查的流动慢性病样本共9 269人，但考虑到评估过去1年流动慢性病患者的医疗服务利用情况，需要删除没有回答这一问题的流动慢性病患者样本，即过去1年没有身体不适等情况的流动慢性病患者，同时需要删除其他重要变量缺失的样本，最后共获得流动慢性病患者有效样本5 640人。告知调查对象本项调查的目的后，调查对象均签署了书面同意书。

1.2 因变量的选取

因变量为流动慢性病患者流入地医疗服务利用情况。本研究参考以往文献，将医疗卫生服务定义为当被访者认为需要去医院看医生的患病(负伤)或身体不适情况发生时，选择在流入地社区卫生站或是流入地综合或专科医院就诊^[10]。2017年中国流动人口动态监测调查数据中的设计题目为“最近一次患病(负伤)或身体不适时，您去哪里看的病/伤”，其中共包括7个选项，分别为：流入地社区卫生站(中心/街道卫生院)、流入地个体诊所、流入地综合/专科医院、流入地药店、在老家治疗、流入地和老家以外的其他地方、哪也没去没治疗。本研究将选择前6项治疗的定义为利用流入地卫生服务，赋值为1；选择“哪也没去没治疗”的定义为未利用流入地卫生服务，赋值为0。此次调查中，有87.5%的流动慢性病患者在身体不适时及时利用了卫生服务(表 1)。

表1 主要变量的描述统计(n=5 640)

Table 1 Descriptive statistics of major variables (n=5 640)

Items	Data, $\bar x \pm s$ or n (%)
Age/years	51.26 (12.0)
Gender (Reference: male)
Female	2 400 (42.6)
Male	3 240 (57.4)
Hukou (Reference: non-rural hukou)
Non-rural hukou	1 489 (26.4)
Rural hukou	4 151 (73.6)
Marital status (Reference: unmarried)
Unmarried	522 (9.3)
Married	5 118 (90.7)
Education (Reference: primary school and below)
Primary school and below	2 167 (38.4)
Middle school	2 207 (39.1)
High school	858 (15.2)
University and above	408 (7.2)
Family income/yuan	6 510.70±6 173.14
Migrant scope (Reference: trans-provincial migration)
Trans-provincial migration	2 661 (47.2)
Intercity mobility	1 850 (32.8)
Inter county mobility	1 129 (20.0)
Migrant time/years	9.38±7.75
Health services accessibility (Reference: ≤15 min)
≤15 min	4 489 (79.6)
16-30 min	987 (17.5)
>30 min, ≤60 min	135 (2.4)
>60 min	29 (0.5)
Health risk perception (Reference: low)
Low	4 295 (76.2)
High	1 345 (23.8)
Health services utilization	4 932 (87.5)
Health insurance participation in all regions	5 292 (93.8)
New farming medical insurance	3 398 (60.2)
Medical insurance for urban and rural residents	347 (6.2)
Medical insurance for urban residents	522 (9.3)
Medical insurance for urban employees	1 188 (21.1)
Public medical insurance	179 (3.2)
Health insurance participation in the inflow area	1 236 (21.9)
New farming medical insurance in the inflow area	220 (3.9)
Medical insurance for urban and rural residents in the inflow area	113 (2.0)
Medical insurance for urban residents in the inflow area	278 (4.9)
Medical insurance for urban employees in the inflow area	628 (11.1)
Public medical insurance in the inflow area	43 (0.8)

1.3 核心自变量的选取

核心自变量为流动人口医保参与情况。本研究将医保的参保类型与参保地点相结合，获得两类共10个变量。两类指在所有地区以及在流入地参保不同类型医保的情况，不同类型的医保包括新农村合作医保(简称新农合)、城乡居民医保、城镇居民医保、城镇职工医保以及公费医保。每个变量编码相同，即不参保赋值为0，参保赋值为1。2017年各类医保的门诊报销政策不同，城镇职工医保针对城镇所有用人单位的员工，门诊报销比例最低为70%^[11]；城镇居民医保针对在校学生及非从业城镇居民，门诊报销比例为50%以上^[12]；新农合针对农村户籍的农民，门诊报销比例最高为50%^[13]；城乡居民医保是整合城镇居民基本医保和新农合两项制度，覆盖除城镇职工医保应参保人员以外的其他所有城乡居民，门诊报销比例为50%~60%^[14]；公费医保针对政府或事业单位的工作人员，门诊报销比例高达85%^[15]。2017年，在所有地区的不同医保参保情况为：流动慢性病患者新农合参保率最高(60.2%)，其次是城镇职工医保(21.1%)，其他医保(如城乡居民医保、城镇居民医保以及公费医保)的参保率都低于10%；在流入地的不同医保参保情况：流动慢性病患者城镇职工医保的参保率最高，为11.1%，而公费医保的参保率最低，仅为0.8%(表 1)。

1.4 调节变量的选取

调节变量为健康风险感知。健康风险感知为患者或高危人群对健康威胁或疾病发生不确定性及危害程度的感知^[7]。本研究将自评健康作为健康风险感知的代理变量，以往的研究表明，自评健康作为人们对自身健康状况的评估，与健康风险感知高度相关，反映的并非其真正的健康状况而是风险偏好情况，因此可以准确反映健康风险感知的情况^[16-17]。在问卷中，自评健康的回答选项包括4个类别，即健康、基本健康、不健康但生活能自理、生活不能自理。为了便于分析和描述，本研究将其归纳为两分类变量，即将健康和基本健康定义为健康，赋值为0，反映健康风险感知水平较低；将不健康和生活不能自理定义为不健康，赋值为1，反映健康风险感知水平较高。此次调查中，76.2%的流动慢性病患者健康风险感知相对较低(表 1)。

1.5 其他控制变量

参考流动慢性病患者的公共卫生服务利用影响因素的相关研究^{[1, 4, 6]}，本研究选取了基本人口学特征、流动特征、社会经济地位相关特征以及医疗服务可及性作为控制变量。人口学特征包括年龄(连续变量：岁)、性别(1=男，0=女)、在婚状态(1=在婚，0=不在婚)；社会经济地位相关特征包括户口性质(1=农业户口，0=非农业户口)、受教育程度(1=小学及以下，2=初中，3=高中，4=大学及以上)、家庭月平均收入(连续变量：元)；流动特征包括流动范围(1=跨省，2=省内跨市，3=市内跨县)、流动时间(连续变量：年)；医疗服务可及性使用“从您的流入地到最近医疗服务机构(包括社区卫生服务中心、村居医务室、医院等)需要的时间”进行测量，作为定序变量包括4个选项：≤15 min、16~30 min、>30 min但≤1 h、>1 h，赋值分别为1~4。此次调查中，流动慢性病患者有57.4%为男性，73.6%为农村户口，90.7%为在婚状态，年龄均值为51.26岁，77.5%为初中以下学历，家庭月平均收入为6 510.70元，流动范围47.2 %为跨省流动，流动时间均值为9.38年，医疗服务可及性较高，79.6%的患者到医疗机构的最短时长为15 min以内(表 1)。

1.6 统计学分析

所有分析都采用Stata 16.0软件进行。由于流入地医疗服务利用变量为两分类变量，本研究所有模型将采用二元Logistic回归模型进行分析，所有模型都纳入相同的控制变量(年龄、性别、在婚状态、户口性质、受教育程度、家庭月平均收入、流动范围、流动时间以及医疗服务可及性使用)。首先，分析医疗保险对流动慢性病患者卫生服务利用的影响。由于参保地点不同，我们将其分为两个模型(表 2)：模型1关注不同类型医保在所有地区的参保情况对流动慢性病患者卫生服务利用的影响；模型2则专注于不同类型医保对流入地参保情况的影响。其次，为考察健康风险感知对流入地和所有地区医保参保情况与卫生服务利用关系的调节作用，本研究先在模型1基础上，分别引入了健康风险感知与所有地区5种不同类型医保的交互项，构建了本文表 3中的模型1至模型5，而后基于模型2，采用相同方法为流入地医保情况构建了表 4中的模型1至模型5，分别引入交互项的方法能够有效规避共线性问题。最后，为了进一步揭示健康风险感知的调节作用，我们分组分析了不同健康风险感知水平下，流动人口参加医保对其卫生服务利用的不同影响。上述所有统计检验中，以P＜0.05为差异有统计学意义。

表2 医保与流动慢性病患者卫生服务利用的二元Logistic回归

Table 2 The binary Logistic regression for the relationship between health insurance and the utilization of health services of migrants with chronic diseases

Items	Model 1		Model 2
Items	OR	95%CI	OR	95%CI
Age	0.997	(-0.016, 0.010)	0.999	(-0.014, 0.012)
Male	0.781^#	(-0.527, 0.034)	0.783^#	(-0.527, 0.038)
Hukou (Reference: non-rural hukou)	1.004	(-0.410, 0.417)	1.092	(-0.254, 0.430)
Married	0.998	(-0.516, 0.513)	1.017	(-0.495, 0.529)
Education (Reference: primary school and below)
Middle school	0.777	(-0.580, 0.075)	0.773	(-0.579, 0.065)
High school	0.940	(-0.504, 0.380)	0.887	(-0.555, 0.314)
University and above	0.485^*	(-1.315, -0.133)	0.451^**	(-1.392, -0.201)
Family income	0.933	(-0.204, 0.066)	0.933	(-0.203, 0.063)
Migrant scope (Reference: trans-provincial migration)
Intercity mobility	1.555^**	(0.121, 0.762)	1.506^*	(0.095, 0.725)
Inter county mobility	1.197	(-0.150, 0.509)	1.217	(-0.132, 0.524)
Migrant time	1.006	(-0.012, 0.024)	1.004	(-0.014, 0.022)
Health services accessibility (Reference: ≤15 min)
16-30 min	0.765	(-0.599, 0.064)	0.756^#	(-0.606, 0.047)
>30 min, ≤60 min	0.831	(-0.836, 0.467)	0.824	(-0.839, 0.451)
>60 min	0.468	(-1.826, 0.306)	0.469	(-1.827, 0.312)
Health risk perception (Reference: low)	1.657^**	(0.148, 0.862)	1.662^**	(0.151, 0.865)
Health insurance participation rates in all regions
New farming medical insurance	1.455	(-0.124, 0.874)
Medical insurance for urban and rural residents	1.542	(-0.317, 1.183)
Medical insurance for urban residents	1.226	(-0.492, 0.898)
Medical insurance for urban employees	1.111	(-0.366, 0.577)
Public medical insurance	1.754	(-0.393, 1.517)
Health insurance participation rate in the inflow area
New farming medical insurance in the inflow area			2.166^*	(0.176, 1.370)
Medical insurance for urban and rural residents in the inflow area			1.811	(-0.166, 1.354)
Medical insurance for urban residents in the inflow area			0.787	(-1.230, 0.750)
Medical insurance for urban employees in the inflow area			1.153	(-0.239, 0.524)
Public medical insurance in the inflow area			17.723^***	(1.164, 4.586)

* P＜0.05, * * P＜0.01, * * * P＜0.001, # P＜0.1. Model 1, focused on health insurance participation rates in all regions. Model 2, focused on health insurance participation rates in the inflow area.

表3 健康风险感知在所有地区医保参与率与流动性慢性病患者的卫生服务利用关联中的调节作用

Table 3 The binary Logistic regression for the moderating role of health risk perception on the relationship between health insurance in the all regions and the utilization of health services of migrants with chronic diseases

Covariates	Model 1		Model 2		Model 3		Model 4		Model 5
Covariates	OR	95% CI	OR	95% CI	OR	95% CI	OR	95% CI	OR	95% CI
HRP	2.115 ^^	(0.180, 1.318)	1.665 ^^	(0.140, 0.880)	1.704 ^^	(0.154, 0.913)	1.316	(-0.106, 0.655)	1.586 ^*	(0.100, 0.821)
NFAR	1.521	(-0.090, 0.930)	1.455	(-0.123, 0.874)	1.455	(-0.124, 0.874)	1.437	(-0.136, 0.861)	1.451	(-0.127, 0.872)
URRAR	1.545	(-0.321, 1.191)	1.564	(-0.370, 1.265)	1.542	(-0.318, 1.184)	1.514	(-0.338, 1.168)	1.536	(-0.322, 1.181)
URAR	1.233	(-0.492, 0.911)	1.226	(-0.491, 0.899)	1.288	(-0.499, 1.005)	1.211	(-0.499, 0.881)	1.222	(-0.493, 0.895)
UEAR	1.117	(-0.366, 0.586)	1.112	(-0.366, 0.578)	1.115	(-0.363, 0.581)	1.001	(-0.475, 0.477)	1.106	(-0.371, 0.573)
PAR	1.738	(-0.403, 1.508)	1.754	(-0.393, 1.517)	1.752	(-0.394, 1.515)	1.680	(-0.436, 1.474)	1.461	(-0.596, 1.354)
NFAR × HRP	0.669	(-1.130, 0.325)
URRAR × HRP			0.899	(-1.479, 1.267)
URAR × HRP						0.660	(-1.428, 0.597)
UEAR × HRP							4.074 ^*	(0.169, 2.640)
PAR × HRP									13.810^*	(0.342, 4.909)

* P＜0. 05, ** P＜0. 01. Models 1 to 5 focus on the interactions of HRP with NFAR, URRAR, URAR, UEAR, and PAR, respectively. HRP, health risk perception; NFAR, new farming medical insurance in the all regions; URRAR, medical insurance for urban and rural residents in the all regions; URAR, medical insurance for urban residents in the all regions; UEAR, medical insurance for urban employees in the all regions; PAR, public medical insurance in the all regions.

表4 健康风险感知在流入地医保参与率与流动慢性病患者的卫生服务利用关联中的调节作用

Table 4 The binary Logistic regression for the moderating role of health risk perception on the relationship between health insurance in the inflow area and the utilization of health services of migrants with chronic diseases

Covariates	Model 1		Model 2		Model 3		Model 4		Model 5
Covariates	OR	95% CI	OR	95% CI	OR	95% CI	OR	95% CI	OR	95% CI
HRP	1.668 ^^	(0.150, 0.873)	1.651 ^^	(0.143, 0.860)	1.649 ^^	(0.138, 0.863)	1.548 ^*	(0.072, 0.803)	1.662 ^^	(0.151, 0.865)
NFIA	2.296 ^*	(0.117, 1.546)	2.167 ^*	(0.176, 1.371)	2.169 ^*	(0.177, 1.372)	2.180 ^*	(0.182, 1.377)	2.166 ^*	(0.176, 1.370)
URRIA	1.811	(-0.166, 1.354)	1.657	(-0.287, 1.297)	1.811	(-0.166, 1.354)	1.808	(-0.167, 1.352)	1.811	(-0.166, 1.354)
URIA	0.787	(-1.230, 0.750)	0.787	(-1.230, 0.750)	0.764	(-1.356, 0.816)	0.785	(-1.231, 0.746)	0.787	(-1.230, 0.750)
UEIA	1.154	(-0.239, 0.525)	1.153	(-0.239, 0.524)	1.151	(-0.241, 0.523)	1.095	(-0.298, 0.481)	1.153	(-0.239, 0.524)
PIA	17.721 ^^^*	(1.164, 4.586)	17.720 ^^^*	(1.164, 4.586)	17.710 ^^^*	(1.163, 4.585)	17.863 ^^	(1.164, 4.601)	17.056 ^^	(1.116, 4.557)
NFIA × HRP	0.783	(-1.476, 0.986)
URRIA × HRP			4.374	(-0.716, 3.667)
URIA × HRP					1.384	(-1.099, 1.749)
UEIA × HRP							9.069 ^^	(0.610, 3.799)
PIA × HRP									6.338.166 ^^^*	(6.824, 10.684)

* P＜0. 05, ** P＜0.01, *** P＜0. 001. Models 1 to 5 focus on the interactions of HRP with NFIA, URRIA, URIA, UEIA, and PIA, respectively. HRP, health risk perception; NFIA, new farming medicalinsurance in the inflow area; URRIA, medical insurance for urban and rural residents in the inflow area; URIA, medical insurance for urban residents in the inflow area; UEIA, medical insurance for urban employees inthe inflow area; PIA, public medical insurance in the inflow area.

2 结果

2.1 医保参与对流动慢性病患者卫生服务利用的影响

表 2为医保与流动慢性病患者卫生服务利用的二元Logistic回归分析结果，表 2中的模型1显示控制其他变量后，在所有地区参与不同类型医保对流动慢性病患者的卫生服务利用都没有明显影响；表 2中的模型2显示在控制其他变量后，与在流入地未参与任何医保相比，在流入地参与新农合(OR=2.166, P＜0.05)和公费医保(OR=17.723, P＜0.001)都能够提高流动老年人利用卫生服务的概率。

模型1和模型2都显示，性别、受教育水平、流动范围、健康风险感知都可以影响流动慢性病患者的卫生服务利用率。具体来说，流动慢性病患者中，男性比女性的卫生服务利用率更低；与小学学历以下相比，大学学历及以上的卫生服务利用率更低；相比于跨省流动，省内跨市流动的慢性病患者卫生服务利用率更高；相较于具有较低健康风险感知的流动慢性病患者，具有较高健康风险感知的患者卫生服务利用率更高。

2.2 健康风险感知对医保参与率与卫生服务利用关联的调节作用

表 3显示健康风险感知在所有地区医保参与率与流动慢性病患者的卫生服务利用关联中有调节作用，健康风险感知能够显著正向调节在所有地区的城镇职工医保参与率与流动慢性病患者的卫生服务利用的关联(OR=4.074, P＜0.05)，以及公费医保参与率与流动慢性病患者卫生服务利用之间的关联(OR=13.810, P＜0.05)。

表 4显示健康风险感知在流入地医保参与率与卫生服务利用关联中的调节效应，结果与表 3一致，健康风险感知与流入地的城镇职工医保参与率(OR=9.069, P＜0.01)和流入地的公费医保参与率(OR=6 338.166, P＜0.001)的交互项显著。

2.3 健康风险感知高的流动慢性病患者的医保参与率与卫生服务利用关联

表 5显示在健康风险感知高的流动慢性病患者中，所有地区的公费医保参与率(OR=12.655, P＜0.05)、流入地新农合参与率(OR=2.531, P＜0.1)、城乡居民医保参与率(OR=8.039, P＜0.05)、城镇职工医保参与率(OR=8.483, P＜0.01)和公费医保参与率(OR=67 989.343, P＜0.001)均能显著提高其卫生服务的利用率。而对于健康风险感知低的患者，在不考虑参保地点时，任一医保对其卫生服务利用都没有明显影响。若考虑参保地点，仅流入地参保新农合医保和公费医保可以提高此类患者的卫生服务利用率。

表5 不同健康风险感知的流动性慢性病患者医保与卫生服务利用关联的二元Logistic回归

Table 5 The binary Logistic regression for the relationship between health insurance and the utilization of health services of migrants with chronic diseases and different levels of HRP

Items	Model 1-high HRP		Model 2-low HRP		Model 3-high HRP		Model 4-low HRP
Items	OR	95% CI	OR	95% CI	OR	95% CI	OR	95% CI
Age	0.970^*	(−0.060, −0.000)	1.000	(−0.014, 0.014)	0.978	(−0.053, 0.008)	1.002	(−0.012, 0.016)
Male	0.872	(−0.716, 0.442)	0.765#	(−0.574, 0.038)	0.858	(−0.727, 0.419)	0.765#	(−0.579, 0.044)
Hukou	0.908	(−1.068, 0.876)	1.075	(−0.365, 0.510)	0.632	(−1.333, 0.417)	1.195	(−0.185, 0.542)
Married	1.320	(−0.546, 1.101)	0.869	(−0.729, 0.447)	1.458	(−0.446, 1.200)	0.886	(−0.710, 0.469)
Education (Reference: primary school and below)
Middle school	0.692	(−0.988, 0.252)	0.790	(−0.604, 0.132)	0.736	(−0.928, 0.316)	0.777	(−0.615, 0.111)
High school	0.611	(−1.646, 0.661)	1.004	(−0.476, 0.484)	0.789	(−1.440, 0.968)	0.918	(−0.561, 0.390)
University and above	0.165^^	(−3.153, −0.445)	0.555#	(−1.216, 0.038)	0.254#	(−2.786, 0.046)	0.495^*	(−1.339, −0.068)
Family income	0.899	(−0.342, 0.128)	0.919	(−0.252, 0.084)	0.921	(−0.302, 0.137)	0.916	(−0.253, 0.077)
Migrant scope (Reference: trans-provincial migration)
Intercity mobility	1.158	(−0.521, 0.814)	1.622^^	(0.126, 0.841)	1.112	(−0.515, 0.727)	1.569^*	(0.101, 0.800)
Inter county mobility	1.016	(−0.802, 0.835)	1.289	(−0.104, 0.612)	1.023	(−0.785, 0.830)	1.311	(−0.084, 0.626)
Migrant time	0.966^*	(−0.069, −0.001)	1.014	(−0.007, 0.034)	0.959^*	(−0.076, −0.009)	1.011	(−0.009, 0.032)
Health services accessibility (Reference: ≤15 min)
16–30 min	1.086	(−0.732, 0.897)	0.737#	(−0.663, 0.052)	1.218	(−0.673, 1.067)	0.728#	(−0.669, 0.034)
>30 min, ≤60 min	2.290	(−0.491, 2.148)	0.602	(−1.263, 0.247)	2.418	(−0.369, 2.134)	0.602	(−1.254, 0.239)
>60 min	255 930.338^^^*	(11.461, 13.445)	0.304#	(−2.398, 0.014)	383 036.363^^^*	(11.785, 13.927)	0.302^*	(−2.389, −0.005)
Health insurance participation rates in all regions
NFAR	1.246	(−1.259, 1.699)	1.432	(−0.166, 0.884)
URRAR	1.430	(−1.259, 1.974)	1.459	(−0.456, 1.212)
URAR	1.285	(−1.092, 1.594)	1.210	(−0.582, 0.963)
UEAR	3.712	(−0.615, 3.238)	0.988	(−0.503, 0.478)
PAR	12.655^*	(0.313, 4.764)	1.490	(−0.571, 1.369)
Health insurance participation rate in the inflow area
NFIA					2.531#	(−0.092, 1.949)	2.178^*	(0.053, 1.504)
URRIA					8.039^*	(0.005, 4.164)	1.601	(−0.324, 1.265)
URIA					1.677	(−0.416, 1.450)	0.745	(−1.393, 0.804)
UEIA					8.483^^	(0.569, 3.707)	1.097	(−0.297, 0.482)
PIA					67 989.343^^^*	(9.588, 12.666)	16.917^^	(1.116, 4.540)

* P＜0.05, ** P＜0.01, *** P＜0.001, # P＜0.1. Abbreviations as in Table 3 and 4.

此外，模型1和3显示，当健康风险感知水平较高时，流动时间短、受教育水平低和卫生服务可及性低的流动慢性病患者的卫生服务利用概率更高；模型2和模型4显示，当健康风险感知水平较低时，男性比女性的卫生服务利用概率更低；相比于跨省流动，省内跨市流动的慢性病患者利用卫生服务的概率更高；与卫生服务可及性高的慢性病患者相比，卫生服务可及性低的患者卫生服务利用率更低。

3 讨论

本研究基于2017年中国流动人口动态监测调查数据，就流动慢性病患者的卫生服务利用与医保参与现状、两者之间的关联以及健康风险感知在其中的调节作用进行了研究，可以为流动人口慢性病防控管理以及公共卫生服务均等化提供一定的参考建议。

本研究发现流动慢性病患者在户籍地、流入地及其他地区的总医保参与率较高，但仍有约6.2%的流动慢性病患者没有在任何地方参保新农合、城乡居民医保、城镇居民医保或公费医保。流动人口的流入地医保参与率较低，为21.9%，流入地城镇职工医保的参保率仅为11.1%。另外，仍有12.5%的流动慢性病患者在身体不适等情况下未及时利用卫生服务，这提示在促进流动人口公共卫生服务均等化的过程中，应重视流动慢性病患者的基本卫生服务利用情况以及医保参与情况。

仅在流入地参加公费医保和新农合医保能够显著提高流动慢性病患者在流入地的卫生服务利用，这与以往研究结果一致，显示了在流入地参加医保更可能提高流动慢性病患者的卫生服务利用^[10]，这表明有了医保也并不一定增加流动慢性病患者的医疗卫生服务利用，因此，本研究建议应去除医保制度的地域区隔对流动慢性病患者卫生服务利用造成的阻碍，提高医保的统筹层次^[10]。

健康风险感知高的流动慢性病患者更可能利用卫生服务，这与以往研究结果一致^[18-19]，这可用健康行为理论解释，更高的健康风险感知水平会导致较低水平的风险承担和更多的保护及安全增强行为^[20]。因此，健康风险感知高的流动慢性病患者更可能采取卫生服务利用这一健康保护行为来促进身体健康。

本研究发现，健康风险感知能够显著提高所有地区和流入地的城镇职工医保与公费医保的卫生服务利用促进效果。这可以用前景理论进行解释^[8]，面临损失倾向于风险偏好，面临收益倾向于风险规避。具体而言，由于慢性病通常需要长期用药治疗^[21]，流动慢性病患者在感到身体不适时不及时利用卫生服务可能会导致健康损失。当流动慢性病患者感知的健康风险水平较低时，即使医保使医疗服务经济实惠，有了医保的流动慢性病患者也依然会选择接受较小的健康风险，而不利用卫生服务及时治疗，做出对疾病损失的风险偏好决策和收入损失的风险规避决策；而当流动慢性病患者的健康风险感知水平较高时，所感知的由医保报销的卫生服务利用带来的健康收益较大、收入损失较小，从而会做出对收入损失的风险规避决策。

在分组分析中发现，健康风险感知水平较高的流动慢性病患者若不考虑参保地点，仅公费医保的参保率能够显著提高其卫生服务利用率，这可能是因为公费医保制度的门诊报销水平相当高^[15]。在流入地参加新农合、城乡居民医保、城镇职工医保和公费医保都能够显著提高敏感人群的卫生服务利用率，再次说明了流入地参保的重要性。在健康风险感知水平较低的流动慢性病患者中，仅流入地参保新农合和公费医保可以提高其卫生服务利用率，表示健康风险感知高的流动慢性病患者相比健康风险感知低的患者，更可能因参保而利用卫生服务，以规避收入损失。因此，本研究建议加快城乡居民医保统筹，提升流动人口城乡居民医保的参保率^[22]，同时加强对流动人口慢性病防治的宣传教育，提高其健康风险感知水平。

所有流动慢性病患者中，文化程度低、省内跨市流动、女性患者更可能会利用卫生服务。与以往研究结果一致的是，省内跨市流动的慢性病患者可能由于流动范围小、易于建立城市归属感而促进卫生服务利用，而女性作为弱势群体可能对健康的需求更多^{[1, 4, 6]}；与以往研究结果不同的是，受教育水平高的患者反而卫生服务利用率低，这可能是因为本研究中的卫生服务利用将自行购买药品治疗也纳入了卫生服务利用指标中，而受教育水平较高的慢性病患者可能由于健康素养更高而更少自行购买药品。值得注意的是，不同健康风险感知的流动慢性病患者的卫生服务利用率影响因素存在差异，健康风险感知水平较低的患者中，跨省流动、卫生服务可及性低的男性流动慢性病患者的卫生服务利用率可能更低，这与以往研究中关于流动慢性病患者卫生服务利用总体影响因素的分析结果一致^{[1, 4, 6]}；而健康风险感知水平较高的患者中，流动时间短、受教育水平低、卫生服务可及性低的流动慢性病患者反而会更加积极利用卫生服务。因此，为提升流动人口慢性病患者的卫生服务利用，需要针对性地了解其特点，以合理配置服务供给。

利益冲突 所有作者均声明不存在利益冲突。

作者贡献声明 黄宁：提出研究思路，整理、分析数据，撰写论文；刘笑晗：修改论文；郭静：总体把关和审定论文。所有作者均参与论文修改，并对最终文稿进行审读和确认。

References

Publishing order | Descend order by publishing year | Descend order by cited within

1	贺安琦, 喻妍, 郑思, 等. 基于分层模型流动人口慢性病患者就医行为影响因素分析[J]. 中国公共卫生, 2022, 38 (1): 75- 79.

2	段成荣, 吕利丹, 王涵, 等. 从乡土中国到迁徙中国: 再论中国人口迁移转变[J]. 人口研究, 2020, 44 (1): 19- 25.

3	中华人民共和国国务院办公厅. 国务院办公厅关于印发中国防治慢性病中长期规划(2017-2025年)的通知[EB/OL]. [2021-11-25]. http://www.gov.cn/zhengce/content/2017-02/14/content_5167886.htm.

4	宋月萍, 张光赢. 中国流动人口慢性病患者公共卫生服务利用现状及其影响因素[J]. 中国公共卫生, 2021, 37 (2): 198- 202.

5	申梦晗, 李亚青. 医疗保险干预能否缓解三级医院的"虹吸效应"?——基于某大城市的实证研究[J]. 公共行政评论, 2021, 14 (2): 61- 84.

6	邓兵, 梁静. 流动人口慢性病患者公共卫生服务利用现状及影响因素[J]. 中国慢性病预防与控制, 2020, 28 (6): 401- 405.

7	林蓓蕾, 张振香, 梅永霞, 等. 国内外健康相关领域风险感知测评工具的研究进展[J]. 中国慢性病预防与控制, 2020, 28 (5): 386- 391.

8	李岳峰, 孟群. 我国居民自我医疗的理论与实证分析: 一种行为经济学方法[J]. 中国卫生经济, 2013, 32 (7): 9- 12.

9	流动人口数据平台. 中国流动人口动态监测调查数据[EB/OL]. [2023-07-29]. https://chinaldrk.org.cn/wjw/#/data/classify/population.

10	孟颖颖, 韩俊强. 医疗保险制度对流动人口卫生服务利用的影响[J]. 中国人口科学, 2019 (5): 110- 120.

11	李芬, 贺志敏, 朱碧帆, 等. 上海市老年人治疗性卫生费用矩阵核算[J]. 中国卫生资源, 2018, 21 (4): 285- 290.

12	绩溪县人民政府. 2017年城镇居民基本医疗保险政策解读[EB/OL]. [2023-07-29]. https://www.cnjx.gov.cn/OpennessContent/show/1178557.html.

13	国卫基层发[2017]20号. 关于做好2017年新型农村合作医疗工作的通知[J]. 中华人民共和国国家卫生和计划生育委员会公报, 2017 (4): 39- 41.

14	王红波. 城乡居民医保普通门诊补偿: 政策变迁与模式总结[J]. 中国初级卫生保健, 2017, 31 (12): 7- 10.

15	蔡石鹰, 汪庆, 朱钦磊. 建党百年卫生与健康发展政策体系[J]. 中国医学科学院学报, 2021, 43 (4): 603- 606.

16	叶锦涛, 郑欣艳. 特大城市民众流行性疾病风险感知现状及其影响因素研究[J]. 华东理工大学学报(社会科学版), 2020, 35 (2): 94- 105.

17	陆草. 商业医疗保险参保的供给影响因素研究——基于CGSS2013数据的实证分析[J]. 中国卫生事业管理, 2020, 37 (2): 102- 107.

18	陈岳伟, 李旭东, 殷大鹏, 等. 高温天气下疾病加重情况及其未就诊的影响因素分析[J]. 现代预防医学, 2019, 46 (19): 3626- 3630.

19	Hung KK , Walline JH , Chan EYY , et al. Health service utilization in Hong Kong during the COVID-19 pandemic: A cross-sectional public survey[J]. Int J Health Policy Manag, 2022, 11 (4): 508- 513.

20	Gaube S, Lermer E, Fischer P. The concept of risk perception in health-related behavior theory and behavior change[M]//Raue M, Streicher B, Lermer E. Perceived safety: A multidisciplinary perspective. Berlin: Springer, 2019: 101-118.

21	李岳峰, 孟群. 我国居民自我医疗影响因素的模型分析[J]. 中国卫生经济, 2013, 32 (7): 13- 20.

22	邵芯苗, 郭庆, 吴忠. 城乡居民医疗保险对流动人口的健康促进效用研究[J]. 现代预防医学, 2021, 48 (20): 3754- 3759.

Options

Outlines

模态框（Modal）标题