DOI: https://doi.org/10.3389/fpubh.2025.1740854
PMID: https://pubmed.ncbi.nlm.nih.gov/41607888
تاريخ النشر: 2026-01-13
المؤلف: Jin Zhou وآخرون
الموضوع الرئيسي: ديناميات الأسرة بين الأجيال ورعاية المسنين
نظرة عامة
تتناول ورقة البحث التحديات التي تفرضها شيخوخة السكان في الصين، لا سيما فيما يتعلق برعاية كبار السن ذوي الإعاقات. وتبرز إنشاء نظام تأمين الرعاية طويلة الأجل (LTCI) كاستراتيجية حاسمة لمعالجة هذه التحديات. تقدم الدراسة إطارًا تحليليًا ثنائي الأبعاد، يُطلق عليه “أداة السياسة – مستوى السياسة”، لتحليل 45 وثيقة سياسة لـ LTCI تم إصدارها بين 1 يناير 2020 و 1 أبريل 2025 بشكل نوعي. تكشف التحليلات أن أدوات السياسة المعتمدة على البيئة تهيمن (48.9%)، بينما تُستخدم الأدوات المعتمدة على العرض (27.8%) والأدوات المعتمدة على الطلب (23.3%) بشكل أقل. ومن الجدير بالذكر أن السياسات على المستوى المركزي تظهر استخدامًا أكثر توازنًا للأدوات مقارنة بالسياسات على المستوى المحلي، التي تفضل بشدة الأساليب المعتمدة على البيئة.
تقييم مؤشر اتساق نمذجة السياسة (PMC) يُظهر متوسط درجة 6.01، مما يشير إلى مستوى أداء مقبول للسياسات التي تم تقييمها. ومع ذلك، تحدد الدراسة مجالات حاسمة للتحسين، بما في ذلك وضوح أهداف السياسة، وتخطيط أطر زمنية للسياسة، والتنسيق بين مستويات السياسة المختلفة. يوصي المؤلفون بتحسين هيكل أدوات السياسة، وتعزيز التكامل النظامي لتعزيز التآزر المؤسسي، وتوسيع نطاق أهداف السياسة لتعزيز الفعالية العامة لإطار LTCI في الصين.
مقدمة
تسلط المقدمة الضوء على التحديات الملحة التي تفرضها شيخوخة السكان العالمية، لا سيما فيما يتعلق باستدامة المعاشات، والرعاية الصحية، وخدمات الرعاية طويلة الأجل (LTC). قامت دول مثل ألمانيا واليابان بتطوير أنظمة تأمين اجتماعي شامل للرعاية طويلة الأجل (LTCI) من خلال تشريعات مخصصة، مما يظهر فعالية تجميع المخاطر ونقل المخاطر مسبقًا. في المقابل، تعتمد الولايات المتحدة نهجًا موجهًا نحو السوق، يمزج بين LTCI الخاص والبرامج العامة مثل Medicaid. توضح الإصلاحات الأخيرة في كوريا الجنوبية وهولندا نماذج متنوعة من دولة الرفاهية التي تدمج التمويل العام والرعاية المجتمعية، مما يوفر رؤى قيمة لإطار سياسة LTC المتطور في الصين.
اعتبارًا من عام 2023، وصل عدد كبار السن في الصين إلى 217 مليون، مما يزيد من الحاجة إلى نظام LTCI قوي. منذ بدء برامج التجريب في عام 2012، انتقلت الصين إلى مرحلة الترويج الوطنية التي تتميز بتوسع السياسات وزيادة التوثيق. بينما ركزت الأبحاث الحالية على تقييمات التجريب المبكر والتحليلات المقارنة، لا تزال التقييمات النظامية لسياسات LTCI باستخدام أساليب تقييم السياسات نادرة. تهدف هذه الدراسة إلى إنشاء إطار “أداة السياسة – مستوى السياسة” ثنائي الأبعاد لتحليل نوعي لنصوص سياسة LTCI، مع دمج نموذج مؤشر اتساق نمذجة السياسة (PMC) للتقييم. يسعى هذا النهج إلى تعزيز فهم تصميم سياسة LTCI ودعم اتخاذ القرارات المستندة إلى الأدلة لصانعي السياسات.
طرق
توضح قسم “طرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تحليلات إحصائية لتقييم البيانات المجمعة من تجارب مختلفة. شملت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة آثارها على النتائج المعنية.
شمل جمع البيانات استخدام أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام برامج إحصائية مناسبة، مع تحديد مستويات الدلالة عند p < 0.05. تم تفسير النتائج في سياق الأدبيات الموجودة، مما يسمح بفهم شامل للنتائج وآثارها في هذا المجال. بشكل عام، أسست الصرامة المنهجية أساسًا قويًا للاستنتاجات المستخلصة في الدراسة.
نتائج
يقدم قسم “النتائج” في ورقة البحث النتائج المستمدة من التجارب أو التحليلات التي تم إجراؤها. يوضح النتائج التي توصلت إليها الدراسة، مع تسليط الضوء على النقاط البيانية الرئيسية والأهمية الإحصائية. من المحتمل أن يتم توضيح النتائج من خلال الجداول أو الرسوم البيانية أو الأشكال، التي توفر تمثيلات بصرية للبيانات المجمعة.
بالإضافة إلى ذلك، قد يناقش القسم آثار هذه النتائج فيما يتعلق بالفرضيات المطروحة في بداية البحث. من الضروري ملاحظة أي اتجاهات أو ارتباطات أو شذوذات تم ملاحظتها خلال التحليل، حيث تساهم هذه في الفهم العام لسؤال البحث. تعتبر النتائج أساسية للنقاشات اللاحقة والاستنتاجات المستخلصة في الورقة.
نقاش
في هذا القسم، يناقش المؤلفون تقييم سياسات تأمين الرعاية طويلة الأجل (LTCI) في الصين باستخدام إطار تحليلي ثنائي الأبعاد ونموذج مؤشر اتساق نمذجة السياسة (PMC). قاموا باسترجاع وتحليل 45 وثيقة سياسة من مرحلة الترويج لـ LTCI (2020-الحاضر)، مع التركيز على خصائصها الهيكلية وتطبيق أدوات السياسة المختلفة. تشير النتائج إلى اعتماد كبير على الأدوات المعتمدة على البيئة، التي شكلت 48.9% من الاستخدام الكلي، بينما كانت الأدوات المعتمدة على العرض والطلب غير مستغلة بشكل كاف. قد تعيق هذه الفجوة تحقيق الأهداف السياسية بشكل شامل وتعكس مشكلة أوسع في تطوير نظام LTCI.
يسلط المؤلفون الضوء على اختلافات واضحة بين سياسات الحكومة المركزية والمحلية، حيث تظهر السياسات المركزية استخدامًا أكثر توازنًا للأدوات مقارنة بالسياسات المحلية، التي تركز بشكل أساسي على تشكيل البيئة. كشف تقييم مؤشر PMC عن أداء مقبول بشكل عام لسياسات LTCI، مع متوسط درجة 6.01. ومع ذلك، تم تحديد فجوات حاسمة في تغطية أهداف السياسة، لا سيما فيما يتعلق بشمول كبار السن ذوي الإعاقات الطفيفة وأولئك غير المسجلين في التأمين الطبي الأساسي. يبرز التحليل الحاجة إلى تحسين التنسيق بين السياسات المركزية والمحلية لتعزيز فعالية واستدامة نظام LTCI، فضلاً عن تلبية احتياجات الرعاية طويلة الأجل لسكان متنوعين وسط التغيرات الديموغرافية المستمرة.
القيود
تتعدد قيود هذه الدراسة حول سياسات تأمين الرعاية طويلة الأجل (LTCI) في الصين. أولاً، تستخدم البحث تحليلًا مقطعيًا ثابتًا، مما يحد من قدرتها على التقاط التطور الديناميكي للسياسات بمرور الوقت. قد يؤدي استبعاد السياسات المنشورة قبل عام 2020 إلى تشويه تركيبة العينة وإدخال تحيز في تفسير تطوير السياسة. بالإضافة إلى ذلك، قد لا تمثل اختيار 45 وثيقة سياسة بشكل كافٍ المشهد الأوسع، مما قد يضخم درجات السياسة العامة.
ثانيًا، يقتصر التركيز على نصوص السياسة وحدها على قدرة الدراسة على كشف التباينات بين تصميم السياسة والتنفيذ الفعلي. بينما قد تحدد وثائق السياسة إطارًا مثاليًا، فإنها غالبًا ما تفشل في حساب التحديات العملية مثل قيود الموارد ومشكلات التنسيق بين الإدارات. على سبيل المثال، أدت القيود المالية في بعض مناطق التجريب لـ LTCI إلى تقليل تغطية الخدمات، مما يبرز فجوة كبيرة بين نوايا السياسة والنتائج الواقعية. علاوة على ذلك، على الرغم من الجهود المبذولة للحفاظ على الموضوعية في التقييم، كان الحكم الذاتي متضمنًا بشكل لا مفر منه، لا سيما في تقييم الجوانب النوعية. أخيرًا، لا يعكس تصميم نموذج مؤشر PMC ذو الوزن المتساوي الأهمية المتفاوتة لمتغيرات السياسة المختلفة، وقد يبسط نظام الترميز الثنائي تعقيد السياسات. يجب أن تهدف الأبحاث المستقبلية إلى معالجة هذه القيود من خلال استخدام عينة أوسع واعتماد تصاميم طولية، بالإضافة إلى استخدام أساليب مثل تقنية دلفي لتخصيص أوزان متمايزة لمتغيرات السياسة لتقييم أكثر دقة.
DOI: https://doi.org/10.3389/fpubh.2025.1740854
PMID: https://pubmed.ncbi.nlm.nih.gov/41607888
Publication Date: 2026-01-13
Author(s): Jin Zhou et al.
Primary Topic: Intergenerational Family Dynamics and Caregiving
Overview
The research paper addresses the challenges posed by an aging population in China, particularly regarding the care of older adults with disabilities. It highlights the establishment of a long-term care insurance (LTCI) system as a crucial strategy for addressing these challenges. The study introduces a two-dimensional analytical framework, termed “policy instrument-policy level,” to qualitatively analyze 45 LTCI policy documents issued between January 1, 2020, and April 1, 2025. The analysis reveals that environment-based policy instruments dominate (48.9%), while supply-based (27.8%) and demand-based instruments (23.3%) are less utilized. Notably, central-level policies exhibit a more balanced use of instruments compared to local-level policies, which heavily favor environment-based approaches.
The Policy Modeling Consistency (PMC) index evaluation yields an average score of 6.01, indicating an acceptable performance level for the policies assessed. However, the study identifies critical areas for improvement, including the clarity of policy targets, the planning of policy timeframes, and the coordination among different policy levels. The authors recommend optimizing the structure of policy instruments, enhancing systemic integration to foster institutional synergy, and broadening the scope of policy targets to strengthen the overall effectiveness of China’s LTCI framework.
Introduction
The introduction highlights the pressing challenges posed by global population aging, particularly regarding pension sustainability, healthcare, and long-term care (LTC) services. Countries like Germany and Japan have developed comprehensive social long-term care insurance (LTCI) systems through dedicated legislation, demonstrating effective risk pooling and ex ante risk transfer. In contrast, the United States employs a market-oriented approach, blending private LTCI with public programs like Medicaid. Recent reforms in South Korea and the Netherlands further illustrate diverse welfare state models that integrate public financing and community-based care, offering valuable insights for China’s evolving LTC policy framework.
As of 2023, China’s older adult population has reached 217 million, intensifying the need for a robust LTCI system. Since initiating pilot programs in 2012, China has transitioned to a nationwide promotion phase characterized by policy expansion and increased documentation. While existing research has focused on early pilot evaluations and comparative analyses, systematic evaluations of LTCI policies using policy scoring approaches remain scarce. This study aims to establish a two-dimensional “policy instrument-policy level” framework for qualitative analysis of LTCI policy texts, integrating the Policy Modeling Consistency (PMC) index model for scoring. This approach seeks to enhance understanding of LTCI policy design and support evidence-based decision-making for policymakers.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research questions. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments and protocols to ensure reliability and validity. The analysis was conducted using appropriate statistical software, with significance levels set at p < 0.05. The results were interpreted in the context of existing literature, allowing for a comprehensive understanding of the findings and their implications within the field. Overall, the methodological rigor established a solid foundation for the conclusions drawn in the study.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments or analyses. It details the outcomes of the study, highlighting key data points and statistical significance. The results are likely illustrated through tables, graphs, or figures, which provide visual representations of the data collected.
Additionally, the section may discuss the implications of these findings in relation to the hypotheses posed at the outset of the research. It is essential to note any observed trends, correlations, or anomalies that emerged during the analysis, as these contribute to the overall understanding of the research question. The results are foundational for the subsequent discussion and conclusions drawn in the paper.
Discussion
In this section, the authors discuss the evaluation of China’s Long-Term Care Insurance (LTCI) policies using a two-dimensional analytical framework and the Policy Modeling Consistency (PMC) index model. They retrieved and analyzed 45 policy documents from the promotion stage of LTCI (2020-present), focusing on their structural characteristics and the application of various policy instruments. The findings indicate a significant reliance on environment-based instruments, which accounted for 48.9% of the total usage, while supply-based and demand-based instruments were underutilized. This imbalance may hinder the comprehensive achievement of policy goals and reflects a broader issue in the LTCI system’s development.
The authors highlight distinct differences between central and local government policies, with central policies exhibiting a more balanced use of instruments compared to local policies, which predominantly focus on environmental shaping. The PMC index evaluation revealed an overall acceptable performance of the LTCI policies, with an average score of 6.01. However, critical gaps were identified in policy target coverage, particularly regarding the inclusion of mildly disabled older adults and those not enrolled in basic medical insurance. The analysis underscores the need for improved coordination between central and local policies to enhance the effectiveness and sustainability of the LTCI system, as well as to address the long-term care needs of a diverse population amid ongoing demographic changes.
Limitations
The limitations of this study on China’s Long-Term Care Insurance (LTCI) policies are multifaceted. Firstly, the research employs a static cross-sectional analysis, which restricts its ability to capture the dynamic evolution of policies over time. The exclusion of policies published prior to 2020 may skew the sample composition and introduce bias in interpreting policy development. Additionally, the selection of 45 policy documents may not adequately represent the broader landscape, potentially inflating overall policy scores.
Secondly, the focus on policy texts alone limits the study’s capacity to reveal discrepancies between policy design and actual implementation. While policy documents may outline an idealized framework, they often fail to account for practical challenges such as resource limitations and inter-departmental coordination issues. For example, fiscal constraints in certain LTCI pilot regions have led to reduced service coverage, highlighting a significant gap between policy intentions and real-world outcomes. Furthermore, despite efforts to maintain objectivity in scoring, subjective judgment was inevitably involved, particularly in evaluating qualitative aspects. Lastly, the equal-weight design of the PMC index model does not reflect the varying significance of different policy variables, and the binary coding scheme may oversimplify the complexity of policies. Future research should aim to address these limitations by utilizing a broader sample and adopting longitudinal designs, as well as employing methods like the Delphi technique to assign differentiated weights to policy variables for a more nuanced evaluation.