因自付医疗支出而进一步陷入贫困的人口比例（基于社会贫困线，%）

指标解释

World Bank official description / 世界银行官方说明

Proportion of population living in households already in societal poverty (household total budget lies below the societal poverty line) that incur any out-of-pocket health expenditure. The household discretionary budget is defined as the total household budget, measured by consumption expenditure or income, minus the societal poverty line (SPL). Using 2017 purchasing power parities (PPPs), the SPL corresponds to whichever is greater: $2.15 (the international poverty line) or $1.15 + 50% of median household consumption expenditure or income, excluding out-of-pocket household expenditure on health. Out-of-pocket health expenditure is defined as any spending incurred by a household when any member uses a health good or service to receive any type of care (preventive, curative, rehabilitative, long-term or palliative care); provided by any type of provider; for any type of disease, illness or health condition; in any type of setting (outpatient, inpatient, at home).

可供参考的中文翻译：指生活在已处于社会贫困状态的 households（即家庭总预算低于社会贫困线）中、且产生任何自付医疗支出的家庭成员占该家庭所在人口的比例。家庭可支配预算定义为：家庭总预算（以消费支出或收入衡量）减去社会贫困线（SPL）。使用2017年购买力平价（PPP），SPL 取以下两者中的较高值：2.15 美元（国际贫困线）或 1.15 美元加上家庭消费支出或收入中位数的 50%（不含自付医疗支出）。自付医疗支出定义为：当家庭任何成员为获得任何类型护理（预防、治疗、康复、长期或姑息护理）而使用任何类型的医疗产品或服务时产生的支出；该服务可由任何类型的提供者提供；用于任何类型的疾病、疾病或健康状况；可在任何类型的环境中（门诊、住院、家庭）。

数据口径与风险提示

该指标仅衡量已处于社会贫困线以下的家庭中，因自付医疗支出而"进一步"加重的贫困风险，不包括将非贫困家庭推入贫困的情况。
社会贫困线（SPL）的计算涉及中位数消费或收入，统计口径受各国调查方法和收入定义差异影响，跨国可比性存在局限。
该指标分子为发生自付医疗支出的贫困家庭成员，分母为全体贫困家庭成员，比例高低受医疗需求结构（如慢性病、老龄化）影响。
使用2017年PPP换算，汇率波动可能影响不同时点、不同国家间的相对水平。
数据覆盖取决于各国Household Survey的频率和质量，部分低收入国家数据年份较旧或缺失。
该指标为横截面或单一时点比例，不能直接反映贫困的"深度"或"持续时间"。
家庭预算调查中自报医疗支出可能存在回忆偏差或瞒报，尤其在低收入国家。
指标定义中的"out-of-pocket"不包括预付计划或税收筹资，不反映全部医疗费用负担结构。

中国趋势

趋势解读

中国该指标从1995年的38.19%持续下降至2018年的20.15%，降幅约18个百分点，年均降幅约0.8个百分点。从2000年代初的峰值38.34%（2002年）到2018年的谷值20.15%，下降幅度接近一半，反映了同期中国医疗保障体系快速扩张、自付医疗支出相对下降的趋势。2007年出现明显回落至29.62%，提示这一时期的社会医疗保险覆盖面或报销水平提升对贫困群体的医疗负担减轻效果显著。需注意中国数据仅有4个观测点，时间跨度23年，对短期波动和拐点的捕捉能力有限。

1995年值为38.19%，为该指标在中国最早可追溯年份。
2002年达到峰值38.34%，为有记录最高点。
2007年降至29.62%，相比峰值下降约8.7个百分点。
2018年降至20.15%，为有记录最低点，相比峰值下降约18.2个百分点。
2018年值与1995年值的比值为0.528，即降至约一半水平。
中国数据仅有4个观测点，间隔不均匀，对过程变化和转折点的识别精度有限。
数据截至2018年，此后医改深化、带量采购等政策效果无法从此序列直接观测。
指标仅覆盖已处于社会贫困线的群体，不代表全体人口的医疗负担变化。

全球趋势

趋势解读

全球该指标从2000年的26.61%稳步下降至2022年的18.56%，累计下降约8个百分点。与中国相比，全球起点较晚（2000年才有数据），下降路径更为渐进，几乎呈线性递减，未出现中国那样的显著阶段性回落。全球在2017-2019年间趋于平稳（约19%），2020年因新冠疫情冲击曾短暂停滞，随后继续下降至2022年的18.56%历史最低点。全球降幅（-30.3%）约为中国降幅（-47.2%）的六成，说明全球层面医疗费用致贫改善速度慢于中国同期，但全球序列更长、更密集（23个数据点），趋势可靠性更高。

2000年值为26.61%，为全球序列起点。
2001年出现轻微波动至26.91%，为有记录最高点。
2008年后下降速度略有放缓，2009年降至22.72%。
2015年降至20.39%，首次跌破20%关口。
2020年和2019年均为18.97%，2022年降至18.56%历史最低。
2022年值与2000年值的比值为0.697，即降至约七成水平。
全球序列为多国加权平均值，组成国家结构随时间变化，可能稀释特定地区的变化信号。
2020年疫情期间数据可能受医疗需求激增与非正规就业人群收入下降的叠加影响。

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1970-1979	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1980-1989	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
1990-1999	-	-	该阶段变化应结合指标定义、宏观背景、统计口径和缺失年份进行审慎解读。
2000-2009	0.8x	0.9x	中国该十年末值为期初值的约0.77倍，同期全球约为0.85倍。中国的下降幅度大于全球，可能反映这一时期中国新型农村合作医疗等普惠性保障制度快速推进，使贫困群体的医疗费用自付比例相对减少幅度更大；而全球下降相对缓慢，可能受制于不同发展阶段国家医疗筹资结构的差异（如部分国家自付比例仍高）。但中国仅有4个观测点，间隔不均匀，该倍数反映的是整体趋势而非年均变化，需结合医疗保障覆盖率等变量进一步验证。
2010-2019	-	0.8x	中国该时期缺乏连续数据，但全球该十年末值为期初值的约0.84倍，下降速度较2000年代略有放缓。全球下降减速可能与2010年代部分新兴经济体医疗费用快速增长、医疗服务利用率提升导致自付支出同步增加有关，也可能反映全球减贫进程进入相对"硬骨头"阶段——剩余贫困群体医疗需求更刚性、收入改善更慢。中国在该时期的具体表现尚无可靠数据，需结合同期卫生总费用结构和医保报销政策进一步判断。
2020-2029	-	1.0x	截至2022年，全球该十年初值为18.97%，期末值约0.978倍，变化极小。新冠疫情导致全球该指标在2020年出现停滞，可能反映了疫情期间医疗需求激增与经济冲击对脆弱群体的双重挤压——贫困人口既面临更高医疗费用，又面临收入下滑甚至失业，导致自付医疗支出对贫困的进一步加深效应抵消了部分改善成果。

2023 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Indonesia 印度尼西亚	IDN	24.5
2	Mongolia 蒙古	MNG	18.6
3	Guatemala 危地马拉	GTM	17.0
4	Luxembourg 卢森堡	LUX	11.7
5	Greece 希腊	GRC	11.4
6	Cambodia 柬埔寨	KHM	10.9
7	Spain 西班牙	ESP	7.91
8	Bulgaria 保加利亚	BGR	6.71
9	Czechia 捷克	CZE	6.06
10	United States 美国	USA	4.77
11	Moldova 摩尔多瓦	MDA	4.04

使用建议、常见误用与研究场景

数值较高通常意味着什么

在已处于社会贫困线以下的家庭中，更高比例的成员因需要使用医疗服务而产生自付支出，说明这些家庭即使已有基本生活困难，仍面临医疗费用的额外压力，医疗负担相对其可支配资源而言更重，可能面临用药不足、推迟就医或因病致贫加剧的风险。

数值较低通常意味着什么

在已处于社会贫困线以下的家庭中，更低比例的成员产生自付医疗支出，可能意味着这些家庭获得医疗保障报销的比例较高，或者其医疗服务利用率较低（可能因经济或地理障碍而未就医），不宜直接解读为医疗体系表现更优。

鍙ｅ緞闄愬埗

该指标仅针对已处于社会贫困线以下的人口，不反映非贫困群体因医疗支出陷入贫困的风险（属于另一指标 SH_UHC_FH40_PUSHED 的范畴）。
指标不区分自付医疗支出的大小，一笔小额购药支出与一次高额住院支出在该指标中等权重，可能掩盖极端医疗费用冲击的实质影响。
社会贫困线的定义在不同国家、不同年份可能调整（如2017年PPP基准更新），跨国比较需注意口径一致性。
该指标是比例而非绝对人数，不能直接用于比较不同规模国家之间的实际受影响人口规模。
家庭调查中自报医疗支出可能存在系统性偏差，尤其在回忆期较长或存在社会期望偏差的情况下。
指标不反映医疗服务质量，低覆盖但高报销比例的体系可能显示"低负担"但实际健康结果欠佳。
时间滞后性：指标更新依赖家庭调查，部分国家数据可能滞后2-4年，对政策时效性评估有局限。

使用建议

结合 SH_UHC_FH40_IMPOV（因医疗支出陷入贫困）和 SH_UHC_FH40_PUSHED（被推入贫困）指标，全面评估医疗费用的多阶段贫困效应。
结合 SH_UHC_SCI（UHC服务覆盖指数）和 SH_UHC_SCI_CAPACITY（服务能力子指数），判断低比例是否因医疗可及性不足而非保障完善。
结合 SH.XPD.OOPC.CH.ZS（自付支出占当前卫生支出比例）和 SH.XPD.OOPC.PP.CD（人均自付PPP），分析医疗费用结构与保障水平的整体匹配程度。
结合 SI.POV.SOPO（社会贫困线上的贫困发生率），理解贫困人口规模基数变化对比例指标的稀释或放大效应。
在进行国际比较时，优先选取社会贫困线定义相近、调查方法相似的国家子集，或使用标准化口径下的调整数据。
使用时建议关注数据的年份和覆盖完整性，对数据年份较旧或缺失较多的国家慎用。
在政策评估场景中，应结合具体时期的医疗保障政策变化（如中国新农合、大病保险等），将趋势变化归因于政策前需做严格的因果识别设计。
在经济学分析中，可将该指标作为被解释变量或机制变量，但需控制人均卫生支出、GDP增长率、老龄化程度等混淆因素。

常见错误用法

错误做法：将"因自付医疗支出进一步贫困"与"因医疗支出被推入贫困"混淆，认为该指标衡量的是非贫困人口陷入贫困的风险。

正确做法：明确区分该指标（SH_UHC_FH40_FURTHER）仅适用于已处于社会贫困线以下的群体，而 SH_UHC_FH40_PUSHED 衡量的是非贫困群体被推入贫困的情况。

两者衡量的分母群体完全不同，混用会导致对医疗致贫规模的系统性高估或低估，影响政策优先级判断和资源分配建议。

错误做法：直接用该指标的高低来评判一个国家医疗体系或脱贫攻坚工作的好坏，将"低"等同于"好"。

正确做法：低比例可能反映两种完全不同的机制：保障覆盖充分导致自付负担轻，或贫困人口因经济障碍无法使用医疗服务而"看起来"没有自付支出。

不区分这两种机制会导致对政策效果的误判，可能忽视医疗可及性不足的结构性问题。

错误做法：直接用中国和世界的该指标比例进行横向比较，认为中国该比例高于世界平均水平就说明中国的医疗贫困问题更严重。

正确做法：该指标是比例指标，不反映绝对人数规模；且不同国家社会贫困线定义和贫困发生率不同，横向比较需先标准化口径。

比例指标受分子（受影响贫困人口）和分母（全部贫困人口）的双重影响，分母大小本身受贫困定义和收入分布影响，可比性有限。

错误做法：将2022年全球值18.56%简单解读为"全球医疗致贫问题已基本解决"，忽视新冠疫情期间出现的停滞。

正确做法：注意到2020-2022年期间全球下降近乎停滞（0.978倍），疫情冲击可能逆转了部分脆弱群体的改善进程，极端事件下的医疗贫困风险值得持续监测。

宏观指标的向好趋势可能掩盖疫情、失业等冲击对特定脆弱群体的非线性影响，单一时点或短期趋势不宜过度解读。

错误做法：用2018年中国值20.15%与2022年全球值18.56%进行对比，得出"中国已接近全球平均水平"的结论。

正确做法：两国数据年份相差4年，且社会贫困线定义、医疗保障制度和调查方法存在差异，不宜直接跨年份比较；应使用同年数据并控制口径后进行比较。

跨年份、跨口径比较可能引入系统性偏误，尤其在该指标对贫困定义和数据质量较为敏感的背景下。

实际应用场景

医疗筹资制度对脆弱群体保护效果评估：评估中国基本医疗保险制度对贫困人口医疗负担的保护效果，可将该指标作为结果变量，将医保报销比例、起付线设置、保障范围等作为核心解释变量。 explained variable 由于中国该指标仅有4个观测点，建议结合省级面板数据（如CHNS或CFPS）构建细粒度分析；采用双重差分（DID）时需注意政策实施时间的地区异质性。可同时引入SH_UHC_FH40_PUSHED作为稳健性检验。
老龄化进程与医疗贫困风险的关联分析：研究老龄化加速背景下，高龄贫困群体的医疗自付负担变化，可将该指标与老龄化率（65岁以上人口比例）进行关联分析。 explained variable 需控制地区人均可支配收入、医保保障水平、疾病结构等混淆因素；建议使用工具变量法处理老龄化与医疗支出的内生性问题。可结合SH_XPD_CHEX_PP_CD（人均卫生支出PPP）验证医疗费用增长与贫困风险的相对贡献。
UHC进展的医疗财务风险维度跨国比较：在UHC框架下评估不同国家医疗财务风险保护水平，可将该指标及SH_UHC_FH40_IMPOV、SH_UHC_FH40_LARGE等组成医疗贫困风险指标族，与UHC服务覆盖指数（SH_UHC_SCI）进行跨国回归分析。 comparison 跨国分析需注意社会贫困线定义差异、调查方法异质性，建议对数据年份接近的国家进行子样本分析；可采用随机效应或固定效应面板模型控制国家层面不可观测异质性。
基本医保保障水平的机制检验：检验医疗保障制度通过减轻自付医疗负担来降低贫困的机制，可将该指标作为中介变量，将贫困发生率变化作为结果变量，验证"保障→负担减轻→贫困减少"的路径。 mechanism 中介分析需满足因果识别假设，建议使用合成控制法（SCM）或断点回归（RDD）评估特定政策的因果效应；注意控制同期其他扶贫政策和社会经济环境变化的影响。
重大公共卫生事件冲击下的医疗贫困脆弱性分析：评估新冠疫情等重大公共卫生事件对脆弱群体医疗贫困风险的冲击，可将该指标与疫情相关变量（如感染率、失业率变化）纳入分析框架，考察冲击的异质性影响。 outcome 建议使用事件研究法（Event Study）捕捉冲击前后的动态变化；注意疫情对数据收集的干扰可能导致2020年数据质量下降，需进行敏感性分析。可结合SH_UHC_SCI_NCD和SH_UHC_SCI_RMNCH评估不同疾病领域的冲击差异。