同一筆健保預算，先救誰？

同一筆健保預算，先救誰？

想像你是衛生主管機關的一位科員，桌上有兩份提案在搶同一筆年度新增預算。第一份要把一款延長末期癌症患者平均三個月壽命的標靶藥納入健保給付，每年照顧約兩千名病人；第二份要在偏鄉增設三十個社區整合照護據點，提供慢性病管理與篩檢，估計十年內可避免上萬人提早因心血管疾病死亡。兩者都「救人」，預算卻只夠做一件。你會怎麼選？憑什麼選？

這個看似冷酷的問題，正是「衛生政策（health policy）」每天都在處理的核心。衛生政策不是抽象的法條彙編，而是一連串關於「誰能得到什麼樣的健康資源、由誰付錢、用什麼順序」的集體決定。它把醫學上「可以做」的事，篩成社會上「值得做、付得起、做得公平」的事。本文將帶你從台灣全民健保出發，理解資源配置（resource allocation）的邏輯、政策制定（policy-making）的過程，以及流行病學如何成為這些決定背後的證據基礎。

為什麼一定要有「衛生政策」這種東西？

最根本的原因是：健康需求幾乎是無限的，但資源永遠是有限的。醫療科技日新月異，新藥、新檢查、新療程不斷問世，而每一項都要錢、要人力、要病床。沒有任何一個社會富裕到可以對每個人、在每個時刻、提供所有醫學上想得到的服務。經濟學稱這種狀態為「稀缺性（scarcity）」，而衛生政策的本質，就是在稀缺條件下做出有系統、可究責、能被檢驗的選擇。

如果沒有政策，會發生什麼？歷史與跨國比較給了我們清楚的答案：醫療資源會自然流向最有支付能力而非最有健康需要的人。都市的醫學中心愈蓋愈大，偏鄉連一位常駐醫師都留不住；能自費的人用得到尖端療法，付不起的人連基本照護都中斷。這就是著名的「反向照護法則（inverse care law）」——由英國醫師 Julian Tudor Hart 於 1971 年提出——意指「良好醫療照護的可得性，往往與所服務人群的需要成反比」。衛生政策存在的意義，正是用集體的制度設計去抵抗這種自然傾向。

值得釐清的一個迷思是：很多人以為「衛生政策＝政府蓋醫院、管醫療」。事實上，政策工具遠不只「直接提供服務」。它包含籌資（financing）（錢從哪來：稅收、保險費、自費）、給付（payment）（用什麼方式付給醫療提供者）、規範（regulation）（藥品許可、醫療品質標準、菸害防制法）、資訊（information）（疾病監測、公開資料、健康識能推廣）等多種槓桿。一個好的政策設計，往往是這些工具的組合拳。

全民健保：一個把「風險」攤平給全體的制度

台灣的全民健康保險（National Health Insurance, NHI）自 1995 年開辦，是理解衛生政策最好的本土教材。它的核心精神是「社會保險（social insurance）」：全民強制納保，依所得能力繳交保費（量能負擔），但就醫時依健康需要取得服務（量需使用）。換句話說，繳多少看你的口袋，用多少看你的病情，兩者刻意脫鉤。

這個設計背後是一個關鍵的公共衛生概念——風險分攤（risk pooling）。任何一個人是否會在明年罹患重病、出車禍、需要洗腎，都帶有高度不確定性。如果每個人各自承擔自己的醫療風險，少數不幸者會被天文數字的帳單壓垮（醫療造成的「災難性支出（catastrophic health expenditure）」是全球家庭陷入貧困的重要原因之一）。社會保險把全體國民放進同一個大「風險池」，用多數健康者的保費，去支應少數患病者的開銷；而每個人在人生不同階段，都可能從繳費的一方變成使用的一方。這是一種跨越個人、也跨越時間的互助（solidarity）。

健保也展現了所謂「全民健康覆蓋（Universal Health Coverage, UHC）」的三個維度，世界衛生組織常用一個立方體來描繪它：

• 覆蓋多少人（誰被保障）：台灣健保納保率超過 99%，這個維度幾乎做滿。
• 覆蓋哪些服務（保障什麼）：給付範圍涵蓋門診、住院、手術、藥品、中醫、牙科等，相當廣。
• 覆蓋多少費用（自付多少）：民眾就醫的部分負擔比例相對低，財務保護程度高。

世界各國的健康制度，差別往往就在這個立方體被「填滿」的程度與優先順序。沒有一個國家能把三個維度同時推到極致，因為那需要無上限的預算——這又回到了稀缺性的根本約束。

資源配置：把有限的錢，花在刀口上

承認了稀缺，下一個問題就是：到底該怎麼決定錢花在哪？ 這是衛生政策中技術含量最高、也最容易引發爭議的部分。常見的分析框架是「成本效益分析（cost-effectiveness analysis, CEA）」，它試圖回答：「多花這筆錢，能多買到多少健康？」

衡量「健康」需要一把共同的尺。公共衛生最常用的單位是 QALY（quality-adjusted life year，品質調整人年） 與 DALY（disability-adjusted life year，失能調整人年）。

• QALY 把「活多久」與「活得多好」綜合成一個數字：完全健康地活一年算 1 個 QALY，若該年生活品質只有健康狀態的一半（例如長期臥床），就只算 0.5 個 QALY。
• DALY 則衡量「健康損失」：它等於「因早死損失的年數」加上「因失能折損的年數」。一個地區的疾病負擔（burden of disease）愈重，DALY 愈高。全球疾病負擔研究（Global Burden of Disease Study）就是用 DALY 來比較不同疾病、不同國家的健康損失，讓政策制定者看見「哪些問題最該優先處理」。

有了共同的尺，就能比較不同方案的「每單位健康的成本」（例如「每多獲得一個 QALY 要花多少錢」）。英國的 NICE（National Institute for Health and Care Excellence）就以類似門檻來協助決定新藥是否值得納入公費給付。台灣健保署的「醫療科技評估（Health Technology Assessment, HTA）」也採用相近邏輯，在新藥納入給付前評估其臨床效益與成本。

但這裡必須非常誠實地指出 CEA 的限制與爭議，這正是研究所層級最該深思之處：

1. 效率不等於公平。純粹追求「每元買最多 QALY」，可能系統性地對某些族群不利。例如重度失能者即使治療成功，因為基準生活品質較低，所換得的 QALY 增量也較小，在純效率算式下容易「划不來」——這引發了對障礙者歧視的倫理批評。
2. 罕見疾病困境。罕病藥物研發成本高、病人少，每個 QALY 的成本往往極高，但若一律以效率門檻排除，等於放棄一整群病人。許多國家因此為罕病另設特殊給付管道，承認「公平」與「救命的最後一線」也是社會價值。
3. 數字背後是價值選擇。QALY 的權重怎麼定、要不要對「年輕人」或「重症末期」給予不同考量、社會願意為一年健康付出多少錢，這些都不是純科學問題，而是需要民主審議的價值判斷。

換句話說，資源配置從來不只是計算題，而是「效率（efficiency）」與「公平（equity）」之間持續的拉鋸。好的政策不是消滅這個張力，而是把它攤在陽光下，用透明的程序去權衡。

看一個例子：子宮頸癌防治的兩條路

讓我們用流行病學的視角，比較兩種對抗子宮頸癌的政策投資，感受資源配置的真實樣貌。

子宮頸癌主要由人類乳突病毒（HPV）持續感染引起，這給了政策兩個介入時機：

• 上游（一級預防）：為青少女施打 HPV 疫苗，阻止感染發生。
• 中游（二級預防）：為成年女性提供子宮頸抹片（Pap smear）篩檢，早期發現癌前病變並及時治療。

假設某地區年度預算只夠大力推動其中一項，政策分析會問：

• 疾病負擔有多大？ 用發生率（incidence）與死亡率（mortality）估算每年新增病例與死亡人數，換算成 DALY。
• 每種介入能避免多少 DALY？ 疫苗效果要等十幾年後該世代成年才完整顯現（時間遞延），抹片篩檢則能較快降低現有族群的死亡率。
• 成本如何？ 疫苗單價、施打物流 vs. 篩檢的耗材、判讀人力、後續確診治療。
• 公平層面：誰被涵蓋？ 偏鄉與低社經女性的抹片受檢率往往偏低（又是反向照護法則），若不搭配外展（outreach）措施，篩檢資源可能集中流向本來就容易就醫的都市族群，反而擴大健康不平等。

你會發現，「該選哪一個」沒有放諸四海皆準的答案——它取決於該地區的年齡結構、現有疫苗與篩檢涵蓋率、預算規模，以及社會對「現在救人」與「為下一代鋪路」的價值排序。這就是衛生政策的真實樣貌：在流行病學證據之上，做出帶有價值判斷的集體選擇。 現實中許多國家採取「疫苗＋篩檢並進」的組合策略，正是承認單一手段都有侷限。

政策是怎麼「生」出來的？——政策制定的過程

政策不會憑空出現，也很少是某位專家一聲令下的產物。學界常用 John Kingdon 的「多源流模型（multiple streams framework）」來理解政策如何誕生：當三條河流在某個時刻匯合，「政策之窗（policy window）」才會打開：

• 問題源流（problem stream）：某個健康問題被指標、危機或事件凸顯出來（例如一份顯示某縣市嬰兒死亡率異常偏高的統計，或一場引發社會關注的食安事件）。
• 政策源流（policy stream）：研究者、專業社群早已備好的解方在「政策原湯（policy primeval soup）」中浮沉，等待成熟。
• 政治源流（political stream）：民意氛圍、執政者意志、利害關係團體（醫界、藥廠、病友團體、保險付費者）的角力。

三者匯流時，問題、方案與政治意願才一起到位，政策得以推進。這解釋了為什麼有些「明明很好」的方案躺了多年才上路——往往是在等那扇窗。

一個常被引用的完整流程是「政策循環（policy cycle）」：界定議程 → 形成方案 → 合法化（立法/拍板）→ 執行 → 評估 → 回饋修正。要特別強調最後兩步：政策不是公布就結束。執行後必須持續用資料監測與評估（monitoring and evaluation），才知道它真的有效、還是產生了非預期後果。

這裡藏著一個重要而常被忽略的概念——「非預期後果（unintended consequences）」。任何政策都會改變人的行為，而人的反應未必如設計者所願。例如：若論量計酬（fee-for-service）的給付方式付給醫療提供者「做愈多賺愈多」，可能誘發過度醫療；若部分負擔調太低，可能助長不必要的就醫（醫療經濟學稱之為「道德風險（moral hazard）」）；若調太高，又可能讓真正需要的弱勢卻步。好的政策設計必須預想這些行為反應，並用配套去引導，這也是為什麼許多制度會從論量計酬，逐步轉向「論質計酬（pay-for-performance）」或「總額預算（global budget）」等更精巧的給付模式。

動手試試：用政策視角拆解一個你身邊的決定

下次當你看到一則衛生新聞（例如「某新藥納入健保給付」、「擬調漲部分負擔」、「推動電子煙管制」），試著用以下問題拆解它，你會發現自己開始像政策分析師一樣思考：

1. 問題是什麼？ 它想解決的健康需求或風險，用什麼流行病學指標衡量（發生率、死亡率、DALY）？
2. 動用了哪種政策工具？ 是籌資、給付、規範，還是資訊？
3. 錢從哪來、誰受益、誰負擔？ 資源從哪個池子流向哪個族群？
4. 效率與公平如何權衡？ 它讓整體健康變好了，還是也照顧到最弱勢、避免擴大不平等？
5. 可能有什麼非預期後果？ 人們的行為會怎麼改變？

光是養成這套提問習慣，你看待新聞的方式就會徹底不同——從「贊不贊成」升級為「在什麼條件下、對誰、付出什麼代價地有效」。

重點回顧

• 衛生政策的本質是稀缺下的集體選擇：健康需求近乎無限、資源永遠有限，政策的工作是用透明、可究責的程序，決定「誰能得到什麼、由誰付費、依什麼順序」。
• 全民健保的核心是風險分攤與互助：強制納保、量能繳費、量需使用，把全民放進同一風險池，提供財務保護，避免災難性醫療支出；它體現了「全民健康覆蓋」在人群、服務、費用三維度的取捨。
• 資源配置需要共同的健康尺度：QALY 與 DALY 讓不同方案得以比較，成本效益分析（CEA）與醫療科技評估（HTA）協助決定錢花在哪，但效率算式必須與公平、罕病照護、價值判斷相互制衡。
• 政策不是一次性命令，而是循環：從議程設定到執行、評估、回饋，且必須警覺「非預期後果」與「道德風險」等行為反應。
• 流行病學是政策的證據地基：發生率、死亡率、疾病負擔等族群層次資料，是讓政策從「拍腦袋」走向「有憑有據」的關鍵。

深入探討（研究所視角）

走到研究所層次，衛生政策的有趣之處在於它是經濟學、倫理學、政治學與流行病學的交會點，每一個維度都有可深挖的理論機制與未解難題。

一、分配正義的理論基礎。 「公平地分配健康資源」聽來理所當然，但「公平」的定義本身就是哲學戰場。功利主義（utilitarianism）主張極大化全體健康總和，這正是純 CEA 的底層邏輯；但 John Rawls 的差異原則（difference principle）會要求優先改善最弱勢者的處境，傾向「最不利者優先（priority to the worst-off）」。Amartya Sen 與 Norman Daniels 進一步把健康連結到「可行能力（capabilities）」與「機會的公平（fair equality of opportunity）」——健康之所以特殊，是因為它是人實現其他人生計畫的前提。這些理論不是書房裡的清談，它們直接決定了一個社會在「多救幾個人」與「優先救最弱的人」之間如何下注。學習者若想深入，可從健康不平等（health inequity）與健康的社會決定因素（social determinants of health）這條線往下讀，理解為何醫療給付之外，教育、所得、居住與環境才是健康差距更上游的根源。

二、政策評估的因果推論挑戰。 「這項政策真的有效嗎？」是個比想像中困難的因果問題。我們無法把同一個國家分成「有健保」與「沒健保」兩個平行宇宙來對照。因此政策評估大量借用準實驗設計（quasi-experimental designs）：差異中之差異（difference-in-differences）、中斷時間序列（interrupted time series）、迴歸不連續（regression discontinuity）、合成控制法（synthetic control）等，試圖在無法隨機分派的真實世界中，逼近因果效果並排除混淆（confounding）。理解這些方法的假設與限制，是判讀政策研究品質的關鍵能力，也是流行病學與計量經濟學在公共衛生領域深度交融之處。

三、付費者—提供者—病人的誘因賽局。 衛生體系本質上是一個多方代理（principal-agent）結構：付費者（如健保署）、提供者（醫院醫師）、病人三方資訊不對稱、誘因各異。給付制度的設計（論量、論病例計酬 DRG、論人計酬 capitation、論質計酬、總額預算）其實是在這個賽局裡布置不同的誘因結構，每一種都會誘發不同的行為與非預期後果。這也是衛生經濟學最活躍的研究前沿之一。

四、跨領域的延伸視野。 衛生政策正快速與其他領域交織：氣候變遷帶來的健康衝擊正催生「星球健康（planetary health）」的政策思維；人工智慧與大數據讓「精準公共衛生（precision public health）」與即時疾病監測成為可能，卻也帶來演算法公平性與資料隱私的新治理課題；COVID-19 更讓全世界重新認識到，傳染病不分國界，全球衛生治理（global health governance）與各國衛生體系的韌性（health system resilience）密不可分。

最後留給學習者一個值得長期思索的問題：當醫療科技不斷推高「我們能做什麼」的天花板，而預算與人力的成長終究有限，一個社會該如何持續、公開且民主地討論「我們願意為健康付出多少、又願意如何分配它」？這個問題沒有終極答案，但持續、誠實地面對它，正是成熟衛生政策——乃至成熟公民社會——的標誌。