DOI: https://doi.org/10.1016/j.socscimed.2025.118062
PMID: https://pubmed.ncbi.nlm.nih.gov/40245775
تاريخ النشر: 2025-04-10
المؤلف: Laia Bosque‐Mercader وآخرون
الموضوع الرئيسي: استجابة الكوارث وإدارتها
نظرة عامة
أثرت جائحة COVID-19 بشكل كبير على إدارة الرعاية الصحية الحادة، مما دفع المستشفيات إلى التكيف بسرعة مع نماذجها التنظيمية لزيادة القدرة على استيعاب مرضى COVID-19 مع الاستمرار في خدمة احتياجات الرعاية الصحية غير المتعلقة بـ COVID-19. تبحث هذه الدراسة في العلاقة بين خصائص المستشفيات قبل الجائحة واستعادة النشاط الانتخابي في مستشفيات NHS الحادة في إنجلترا بعد الجائحة. باستخدام بيانات مستوى المريض من إحصاءات حلقات المستشفى لعامي 2019 و2021، استخدم المؤلفون الانحدار الخطي لتحليل التغير النسبي في النشاط الانتخابي مقابل عوامل العرض والطلب والعوامل الزمنية المختلفة.
تشير النتائج إلى أنه، في المتوسط، لم تستعد مستشفيات NHS الحادة النشاط الانتخابي بالكامل بحلول عام 2021، مع وجود تباينات إقليمية ملحوظة. على وجه الخصوص، أظهرت المستشفيات خارج لندن، وخاصة في شمال إنجلترا، معدلات استرداد أقل للنشاط الانتخابي الكلي والتخصصات الجراحية المحددة. تستنتج الدراسة أن معظم خصائص المستشفى لم تؤثر بشكل كبير على قدرة الاسترداد، مما يشير إلى أن العوامل الإقليمية الأوسع قد تلعب دورًا حاسمًا. تسلط هذه النتائج الضوء على الفجوة المستمرة في الرعاية الصحية بين الشمال والجنوب في إنجلترا وتؤكد على ضرورة أن يتعامل صانعو السياسات مع التباينات الإقليمية لتعزيز مرونة نظام الصحة وضمان الوصول العادل إلى خدمات الرعاية الصحية، خاصة خلال الأزمات مثل جائحة COVID-19.
مقدمة
تؤكد مقدمة ورقة البحث على الأهمية الحاسمة لمرونة نظام الصحة، خاصة في سياق جائحة COVID-19، التي أثرت بشكل كبير على تقديم الرعاية الصحية عبر دول منظمة التعاون والتنمية الاقتصادية. تُعرف مرونة نظام الصحة بأنها القدرة على الاستعداد والإدارة والتعافي والتعلم من الصدمات. استدعت الجائحة تعديلات في نماذج تنظيم الرعاية الصحية لتعزيز قدرات الرعاية الحادة مع الحفاظ على الخدمات للمرضى غير المصابين بـ COVID-19. أدى ذلك إلى اضطرابات كبيرة في الرعاية الانتخابية، حيث شهدت admissions الانتخابية في خدمة الصحة الوطنية الإنجليزية (NHS) انخفاضًا ملحوظًا خلال الجائحة. تهدف الدراسة إلى التحقيق في العلاقات بين خصائص المستشفيات المختلفة واستعادة النشاط الانتخابي في المستشفيات الحادة بعد الجائحة، مما يوفر رؤى يمكن أن تُعلم التدخلات السياسية.
تستخدم الدراسة سجلات الصحة الإدارية من NHS لتحليل استعادة النشاط الانتخابي في عام 2021 مقارنة بمستويات ما قبل الجائحة في عام 2019. تشير النتائج الأولية إلى أن معدل الاسترداد المتوسط للنشاط الانتخابي كان 83.2% في عام 2021، مع تباين كبير عبر المستشفيات، خاصة بين المناطق. من الجدير بالذكر أن المستشفيات في لندن أظهرت معدلات استرداد أعلى مقارنة بتلك الموجودة في المناطق الشمالية. تحدد الدراسة أنه بينما لا ترتبط عوامل العرض والطلب بشكل متسق بمعدلات الاسترداد، فإن الموقع الإقليمي يلعب دورًا كبيرًا، حيث تعاني المستشفيات في بعض المناطق من استرداد أقل. تسهم الورقة في الأدبيات من خلال استكشاف محددات استرداد المستشفيات في سياق صدمة نظام الصحة الكبرى، مما يوفر فهمًا دقيقًا للعوامل التي تؤثر على مسارات استرداد الرعاية الانتخابية.
الطرق
في هذه الدراسة، يبحث المؤلفون في العلاقة بين خصائص المستشفيات – تحديدًا عوامل العرض والطلب والعوامل الزمنية – واستعادة النشاط الانتخابي في المستشفيات بعد جائحة COVID-19. لتحليل هذه العلاقات، يستخدمون نموذج الانحدار العادي الأقل تربيعًا (OLS)، والذي يُعرف على النحو التالي:
\[
\ln \left( \frac{Y_{hm2021}}{Y_{hm2019}} \right) = \alpha + S’_{hm2019} \beta_1 + D’_{hm2019} \beta_2 + \mu_m + \epsilon_{hm}
\]
هنا، يمثل \(Y_{hm2021}\) و \(Y_{hm2019}\) النشاط الانتخابي لمستشفى الثقة \(h\) في الشهر \(m\) للسنوات 2021 و2019، على التوالي. يتضمن النموذج عوامل العرض (\(S_{hm2019}\)) مثل أسرة المستشفى والقوى العاملة، وعوامل الطلب (\(D_{hm2019}\)) بما في ذلك المتغيرات الديموغرافية والاجتماعية الاقتصادية. يتم تضمين تأثيرات ثابتة للشهر (\(\mu_m\)) لأخذ التغيرات الموسمية وتأثيرات السياسات في الاعتبار، بينما يتم تجميع الأخطاء القياسية على مستوى مستشفى الثقة لمعالجة احتمال الارتباط التسلسلي.
يقارن التحليل النشاط الانتخابي بين 2021 و2019 لتقييم اتجاهات الاسترداد بعد الجائحة، مع ضمان القوة من خلال مقارنات بديلة على مستوى سنوي. يستبعد المؤلفون عمدًا تأثيرات المستشفى الثابتة للاستفادة من التباينات عبر المستشفيات والزمن، والتي تعتبر حاسمة لإبلاغ التوصيات السياسية. تشير المعاملات \(\beta_1\) و \(\beta_2\) إلى اتجاه وحجم العلاقة بين خصائص المستشفى ومعدلات الاسترداد، على الرغم من أن المؤلفين يحذرون من استنتاج السببية بسبب القضايا المحتملة المتعلقة بالداخلية. بشكل عام، تهدف النتائج إلى توجيه صانعي السياسات في تحديد العوامل الرئيسية التي تؤثر على قدرة استرداد المستشفيات بعد الصدمات النظامية.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من التجارب التي أجريت. تشير البيانات إلى وجود ارتباط قوي بين المتغيرات المستقلة والتابعة، حيث تكشف التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. بالإضافة إلى ذلك، كانت أحجام التأثير الملحوظة كبيرة، مما يدل على الأهمية العملية في سياق سؤال البحث.
علاوة على ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسينات قابلة للقياس في النتائج المستهدفة، مع زيادة ملحوظة في متوسط الدرجات للمجموعة التجريبية مقارنة بالمجموعة الضابطة. تمثل الرسوم البيانية، مثل المخططات الشريطية ومخططات التشتت، هذه الاختلافات بشكل فعال، مما يعزز قوة النتائج. بشكل عام، توفر النتائج أدلة قوية تدعم الفرضيات التي تم طرحها في بداية الدراسة.
المناقشة
تبحث قسم المناقشة في هذه الدراسة في مرونة NHS الإنجليزية في استعادة الرعاية الانتخابية بعد COVID-19، باستخدام قاعدة بيانات إحصاءات حلقات المستشفى (HES) لتحليل خصائص المستشفيات وتأثيرها على معدلات الاسترداد. المتغير التابع الرئيسي هو معدل استرداد النشاط الانتخابي، والذي يُعرف بأنه نسبة النشاط الانتخابي الشهري في 2021 إلى ذلك في 2019، مما يعكس مدى عودة المستشفيات إلى مستويات الرعاية الانتخابية قبل الجائحة. تكشف التحليلات أن النشاط الانتخابي في 2021 ظل، في المتوسط، أقل من مستويات 2019، مع معدل استرداد إجمالي للنشاط الانتخابي يبلغ 83.2%. من الجدير بالذكر أن معدلات الاسترداد اختلفت بشكل كبير عبر التخصصات الجراحية وغير الجراحية، حيث أظهرت التخصصات الجراحية معدلات استرداد أقل مقارنة بتلك غير الجراحية.
تشير النتائج إلى أن خصائص المستشفيات قبل الجائحة، بما في ذلك عوامل العرض والطلب، لا تفسر بشكل منهجي التباينات في معدلات الاسترداد. ومع ذلك، كانت هناك تباينات جغرافية واضحة، حيث أظهرت المستشفيات في لندن استردادًا أفضل مقارنة بتلك الموجودة في شمال إنجلترا، مما يبرز الفجوة المستمرة بين الشمال والجنوب في الوصول إلى الرعاية الصحية والنتائج. تؤكد الدراسة على ضرورة أن يأخذ صانعو السياسات في الاعتبار الفروقات الإقليمية عند تصميم التدخلات لتعزيز مرونة نظام الصحة ومعالجة عدم المساواة في الصحة التي تفاقمت بسبب الجائحة. تشمل القيود المتغيرات المحتملة التي تم حذفها والتي قد تؤثر على معدلات الاسترداد وغياب البيانات عن المرضى الممولين من القطاع الخاص، مما يشير إلى مجالات للبحث المستقبلي لتوفير فهم أكثر شمولاً لديناميات استرداد الرعاية الصحية.
DOI: https://doi.org/10.1016/j.socscimed.2025.118062
PMID: https://pubmed.ncbi.nlm.nih.gov/40245775
Publication Date: 2025-04-10
Author(s): Laia Bosque‐Mercader et al.
Primary Topic: Disaster Response and Management
Overview
The COVID-19 pandemic significantly affected acute healthcare management, prompting hospitals to rapidly adapt their organizational models to increase capacity for COVID-19 patients while continuing to serve non-COVID-19 healthcare needs. This study investigates the relationship between pre-pandemic hospital characteristics and the recovery of elective activity in English NHS acute hospital trusts post-pandemic. Utilizing patient-level data from Hospital Episode Statistics for 2019 and 2021, the authors employed linear regression to analyze the proportional change in elective activity against various supply, demand, and time-related factors.
Findings indicate that, on average, NHS acute hospital trusts did not fully recover elective activity by 2021, with notable regional disparities. Specifically, hospitals outside London, particularly in the North of England, exhibited lower recovery rates for total elective activity and specific surgical specialties. The study concludes that most hospital characteristics did not significantly influence recovery capacity, suggesting that broader regional factors may play a critical role. These results highlight the persistent north-south healthcare divide in England and underscore the need for policymakers to address regional disparities to enhance health system resilience and ensure equitable access to healthcare services, particularly during crises like the COVID-19 pandemic.
Introduction
The introduction of the research paper emphasizes the critical importance of health system resilience, particularly in the context of the COVID-19 pandemic, which has significantly impacted healthcare delivery across OECD countries. Health system resilience is defined as the capacity to prepare for, manage, recover from, and learn from shocks. The pandemic necessitated adjustments in healthcare organizational models to enhance acute care capabilities while maintaining services for non-COVID-19 patients. This led to substantial disruptions in elective care, with elective admissions in the English National Health Service (NHS) experiencing a notable decline during the pandemic. The study aims to investigate the associations between various hospital characteristics and the recovery of elective activity in acute hospitals post-pandemic, providing insights that could inform policy interventions.
The research utilizes administrative health records from the NHS to analyze the recovery of elective activity in 2021 compared to pre-pandemic levels in 2019. Preliminary findings indicate that the average recovery rate of elective activity was 83.2% in 2021, with significant variation across hospitals, particularly between regions. Notably, hospitals in London demonstrated higher recovery rates compared to those in Northern regions. The study identifies that while supply and demand factors do not consistently correlate with recovery rates, regional location plays a significant role, with hospitals in certain areas experiencing lower recovery. The paper contributes to the literature by exploring hospital determinants of recovery in the context of a major health system shock, offering a nuanced understanding of the factors influencing elective care recovery trajectories.
Methods
In this study, the authors investigate the relationship between hospital characteristics—specifically supply, demand, and temporal factors—and the recovery of elective activity in hospitals following the COVID-19 pandemic. To analyze these associations, they employ an Ordinary Least Squares (OLS) regression model, defined as:
\[
\ln \left( \frac{Y_{hm2021}}{Y_{hm2019}} \right) = \alpha + S’_{hm2019} \beta_1 + D’_{hm2019} \beta_2 + \mu_m + \epsilon_{hm}
\]
Here, \(Y_{hm2021}\) and \(Y_{hm2019}\) represent the elective activity of hospital trust \(h\) in month \(m\) for the years 2021 and 2019, respectively. The model incorporates supply factors (\(S_{hm2019}\)) such as hospital beds and workforce, and demand factors (\(D_{hm2019}\)) including demographic and socioeconomic variables. Month fixed effects (\(\mu_m\)) are included to account for seasonal variations and policy impacts, while standard errors are clustered at the hospital trust level to address potential serial correlation.
The analysis compares elective activity between 2021 and 2019 to assess recovery trends post-pandemic, while also ensuring robustness through alternative annual-level comparisons. The authors intentionally exclude hospital fixed effects to leverage variations across hospitals and time, which are crucial for informing policy recommendations. The coefficients \(\beta_1\) and \(\beta_2\) indicate the direction and magnitude of the association between hospital characteristics and recovery rates, although the authors caution against inferring causation due to possible endogeneity issues. Overall, the findings aim to guide policymakers in identifying key factors that influence hospital recovery capacity after systemic shocks.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experiments conducted. The data indicates a strong correlation between the independent and dependent variables, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are statistically significant. Additionally, the observed effect sizes were substantial, indicating practical relevance in the context of the research question.
Furthermore, the results demonstrate that the intervention applied led to measurable improvements in the targeted outcomes, with a notable increase in the mean scores of the experimental group compared to the control group. Graphical representations, such as bar charts and scatter plots, effectively illustrate these differences, reinforcing the robustness of the findings. Overall, the results provide compelling evidence supporting the hypotheses posited at the outset of the study.
Discussion
The discussion section of this study investigates the resilience of the English NHS in recovering elective care post-COVID-19, utilizing the Hospital Episodes Statistics (HES) database to analyze hospital characteristics and their impact on recovery rates. The primary dependent variable is the elective recovery rate, defined as the ratio of monthly elective activity in 2021 to that in 2019, reflecting the extent to which hospitals returned to pre-pandemic levels of elective care. The analysis reveals that, on average, elective activity in 2021 remained below 2019 levels, with a total elective recovery rate of 83.2%. Notably, recovery rates varied significantly across surgical and non-surgical specialties, with surgical specialties showing lower recovery rates compared to non-surgical ones.
The findings indicate that pre-pandemic hospital characteristics, including supply and demand factors, do not systematically explain variations in recovery rates. However, geographical disparities were evident, with hospitals in London exhibiting better recovery compared to those in the North of England, highlighting a persistent north-south divide in healthcare access and outcomes. The study underscores the need for policymakers to consider regional differences when designing interventions to enhance health system resilience and address health inequalities exacerbated by the pandemic. Limitations include potential omitted variables that could influence recovery rates and the lack of data on privately funded patients, suggesting avenues for future research to provide a more comprehensive understanding of healthcare recovery dynamics.