2021年，国务院办公厅在《关于推动公立医院高质量发展的意见》[1]中明确提出，要完善现代医院管理体系，提升医院运行效能，并将创新发展置于重要位置。2022年11月，中华人民共和国科学技术部与国家卫生健康委员会联合发布的《“十四五”卫生与健康科技创新专项规划》[2]进一步指出，科技创新是驱动健康产业发展的关键动力，要求各级医院和相关机构强化科研管理，切实提升科研效率。国内三甲医院要实现高质量发展，必须通过科技创新与研究，创造并传播新的医学知识和医疗技术，同时提升管理效率，从而推动临床技术水平持续提升，逐步跻身国内一流医院行列。作为我国科研创新体系的重要组成部分，中央属医院在医学科技创新中发挥重要作用[3]；对其科研效率展开研究，有助于发现当前医学科技创新中存在的问题，进而推动研究型医院的全面建设，并为其他医院的科研管理提供可借鉴经验。

1 资料与方法

1.1 一般资料

本研究数据来源于2020—2024年《北京地区医疗卫生机构科研工作数据统计汇编》，该汇编由北京市医药卫生科技促进中心每年整理发布，数据收集全面、真实可靠。本研究利用该汇编中收集的10所中央属三级医院相关信息进行分析，其中包括6所综合医院，分别为北京大学第一医院、北京大学第三医院、北京大学人民医院、北京医院、中国医学科学院北京协和医院、中日友好医院；4所专科医院，分别为北京大学口腔医院、北京大学第六医院、中国医学科学院肿瘤医院和中国医学科学院阜外医院。

1.2 研究方法

1.2.1 数据包络分析（data envelopment analysis，DEA） 目前测量科研效率的方法主要分为非参数法和参数法，而非参数法中的DEA被广泛使用[4-10]。DEA模型是以相对效率的概念为基础而发展起来的一种非参数效率测算方法，这种方法在数据处理时并不需要设置生产函数，能应对多种投入与产出的情况，适用于当前测量医院科研效率的情况。

DEA模型将每个被评价单元视为一个决策单元，当某个决策单元的DEA综合技术效率（comprehensive technical efficiency，CTE）输出值为1.00时，代表该决策单元达到相对效率最优，称为DEA有效。CTE代表该医院整体的科研投入及科研资源配置效率，还可分解成2个指数即纯技术效率（pure technical efficiency，PTE）和规模效率（scale efficiency，SE）。PTE代表该医院整体的科学技术水平和科研管理水平，SE代表该医院对于科研工作的投入程度和投入规模。三者的关系为：CTE=PTE×SE。本研究以2024年为例，计算10所医院的投入冗余与产出不足现象，可以帮助改善医院的PTE和SE，找到提高资源配置效率的方法。投入冗余代表某医院的投入资源利用出现问题，资源投入过多，没有合理发挥其作用；产出不足为某医院理论产出与实际产出之间的差值。

本研究使用DEA模型中以产出为导向的BCC模型进行测量，使用DEArun（Version 3.2.0）软件对数据进行分析。

1.2.2 超效率DEA模型 在使用BCC模型时，如果2个研究对象的效率值均为1.00，提示2个研究对象在目前所有的决策单元中，处于效率较好的部分，但是这2个研究对象的效率优劣程度并不能被区分。鉴于此，本研究使用1993年提出的超效率DEA模型，当出现 ≥2所医院处于DEA有效时，将采用超效率模型进一步检验[5]。

1.2.3 DEA-Malmquist指数方法 为反映科研效率的动态变化，本研究使用DEA-Malmquist指数方法。Malmquist全要素生产率（total factor productivity，TFP）指数综合反映决策单元在某时间区间内TFP的变动情况，可分解为2个指数即综合技术效率指数（comprehensive technical efficiency index，EC）和技术进步效率指数（technological progress efficiency index，TC）。EC的提升代表该医院科研管理水平的提升，其科研资源得到优化配置；TC的提升代表该医院运用新的科研技术，促进科研效率的提高。EC可进一步分解为纯技术效率指数（pure technical efficiency index，PEC）和规模效率指数（scale efficiency index，SEC）。各指数之间关系为：TFP=TC×EC=TC×PEC×SEC。以上指标=1表示其效率趋于稳定，＞1表示其效率呈上升趋势，＜1表示其效率呈下降趋势。

1.3 指标选取

指标选取遵守DEA模型的投入和产出指标数量不能多于参与效率评价单元数量的1/2原则。本研究纳入的中央属三级医院共10所，因此投入产出指标数不得超过5个。综合对比分析《北京地区医疗卫生机构科研工作数据统计汇编》中的统计资料与指标内涵，决定投入指标由科研项目数和高层次人才数2个指标代表；产出指标由高质量论文数、发明专利数、科技奖励数3个指标代表。

近年来国家大力推崇“破五唯”思想，呼吁研究者不要只看科研产出，不能“唯SCI论文”，倡导高质量的科研产出[11]。因此，本研究把高质量论文数作为产出指标。高质量论文数是指当年内医疗机构的科研人员以第一作者或通讯作者发表的影响因子＞10的SCI论文数。发明专利数指当年内医疗机构人员获得的发明创造或授权专利数。科技奖励数是指当年内医疗卫生机构所获取到的科技奖励，包括国家科学技术奖（按获奖单位数量计）、省（市）科学技术奖、军队科学技术奖、社会力量科学技术奖、其他科学技术奖。

选入指标统计口径如下：科研项目数是指当年医疗卫生机构承担的新立项科研项目总数，包括国家级科研项目、地方级科研项目、军队级科研项目、其他科研项目。高层次人才数是指当年内医疗机构内部具备高水平科学理论知识且具有丰富科学研究经验的人才，具体包括下列荣誉称号或人才基金项目获得者，即中国工程院院士、中国科学院院士、长江学者、国家杰出青年科学基金、国家优秀青年科学基金、北京市杰出青年科学基金、科技北京领军人才、北京市科技新星计划、国家高层次人才特殊支持计划、国家百千万人才工程、北京市百千万人才工程、北京高层次创新创业人才支持计划、北京学者、青年北京学者、国医大师、全国名中医、国家岐黄学者、国家青年岐黄学者、全国中医临床优秀人才、首都国医名师、首都名中医、首都优秀名中医、首都中青年名中医。

2 结果

2.1 北京地区中央属三级医院各项指标基本情况

2020—2024年北京地区10所中央属三级医院的科研项目数、高层次人才数呈上升趋势，科技奖励数、高质量论文数、发明专利数均有不同程度的提高。其中科研项目数从2020年的1 894项上升到2024年的3 178项，高层次人才数由2020年的290人上涨到2024年的422人。其他3种科研产出数量均有较大幅度增长，尤其在2020—2021年增长幅度较大；发明专利数持续增加，2020—2023年每年增长均超过前1年的50%。见表1。

表1 2020—2024年北京地区中央属三级医院各项指标增长情况分析

项目2020年2021年2022年2023年2024年科研项目数（项）1 8942 014（0.06）2 530（0.26）2 624（0.04）3 178（0.21）高层次人才数（名）290283（-0.02）357（0.26）403（0.13）422（0.05）科技奖励数（个）2098（3.90）73（-0.26）112（0.53）93（-0.17）高质量论文数（篇）108279（1.58）475（0.70）405（-0.15）519（0.28）发明专利数（个）122199（0.63）421（1.12）650（0.54）826（0.27）

注 括号内为增长率。

2.2 2020—2024年北京地区中央属三级医院科研效率情况

从CTE结果来看，2020年至2023年北京地区10所中央属三级医院的科研效率每年达到DEA有效的数量在不断增加（效率值为1.00），2020年只有3所医院效率值为1.00，2023年为7所医院，但2024年效率值为1.00的医院数量缩减到4所。专科1医院2020—2024年效率值均为1.00。从综合医院与专科医院对比来看，2020—2021年4所专科医院排名较靠前，但在2024年有所回落，4所专科医院排名在中部或后部；综合医院在2022—2023年效率增长较快。超DEA效率结果与其一致，综合医院的效率增长较快，医院排名逐步靠前。专科1医院专科优势明显，在2020年超DEA效率值为8.73，远高于其他医院，凸显其专科科研效率的优势；2024年虽有所下降，但仍处于较高水平；专科4医院在CTE排名中处于较低水平，除2023年DEA有效外，其余年份均未达到有效。在综合医院中，综合2医院在2022—2024年、综合5医院在2021—2023年均体现持续增长的、较强的科研效率。见表2。

表2 2020—2024年北京地区中央属三级医院科研效率情况分析

2020年2021年2022年2023年2024年排名*医院CTE超DEA效率CTE超DEA效率CTE超DEA效率CTE超DEA效率CTE超DEA效率1专科11.00 8.73 1.00 2.54 1.002.511.00 1.37 1.00 1.46 2专科21.00 3.11 1.00 1.53 0.800.801.00 1.00 0.91 0.91 3综合11.00 1.91 1.00 2.19 1.001.010.84 0.84 0.76 0.76 4专科30.91 0.91 0.80 0.80 1.001.521.00 1.12 0.92 0.92 5综合20.79 0.79 0.77 0.77 1.001.021.00 1.30 1.00 1.56 6综合30.70 0.70 0.58 0.58 0.320.320.44 0.44 0.65 0.65 7综合40.65 0.65 0.61 0.61 1.001.150.93 0.93 1.00 1.18 8专科40.39 0.39 0.53 0.53 0.610.611.00 1.20 0.65 0.65 9综合50.37 0.37 1.00 1.56 1.001.211.00 1.43 0.86 0.86 10综合60.33 0.33 0.67 0.67 0.670.671.00 1.22 1.00 1.42

注 “*”按2020年CTE倒序排名。CTE：综合技术效率；DEA：数据包络分析。

从PTE结果来看，近5年专科医院的PTE一直为0.90～1.00，处于有效阶段，变化不大。除专科4医院以外，其他3所专科医院的SE也处于较好水平。近5年综合医院的PTE持续增加，2020年只有2所医院的效率值为1.00，2024年效率值为1.00的医院已经增加到5所，增加较快。SE增长也较快，从2020年有1所医院达到效率值为1.00，2024年已经有4所医院效率值为1.00。见表3。

表3 2020—2024年北京地区中央属三级医院科研效率分解情况分析

2020年2021年2022年2023年2024年排名*医院PTESEPTESEPTESEPTESEPTESE1专科11.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 2综合11.00 1.00 1.00 1.00 1.00 1.00 0.87 0.97 1.00 0.76 3专科21.00 1.00 1.00 1.00 0.91 0.88 1.00 1.00 0.92 0.99 4专科31.00 0.91 0.90 0.88 1.00 1.00 1.00 1.00 1.00 0.92 5综合21.00 0.79 1.00 0.77 1.00 1.00 1.00 1.00 1.00 1.00 6专科41.00 0.39 1.00 0.53 1.00 0.61 1.00 1.00 1.00 0.65 7综合40.76 0.86 0.86 0.70 1.00 1.00 0.93 0.99 1.00 1.00 8综合30.75 0.93 0.60 0.96 0.35 0.93 0.51 0.87 0.65 1.00 9综合50.59 0.64 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.86 10综合60.44 0.75 0.95 0.71 0.88 0.76 1.00 1.00 1.00 1.00

注 “*”按2020年纯PTE和SE倒序排名。PTE：纯技术效率；SE：规模效率。

2.3 2024年北京地区中央属三级医院科研投入冗余与产出不足情况

2024年绝大多数医院在投入冗余和产出不足方面为0；有2所医院出现投入冗余情况，其中综合1医院在科研立项上投入冗余，即较多科研项目数而产出较少，综合5医院在高层次人才上略有冗余；有6所医院出现不同类型产出不足的情况，综合1、综合5和专科2医院的科技奖励数存在产出不足；综合5和专科4医院存在高质量论文产出不足；有4所医院在发明专利数上存在产出不足的情况。见表4。

表4 2024年北京地区中央属三级医院科研投入冗余与产出不足情况分析

排名*医院科研项目数高层次人才数科技奖励数高质量论文数发明专利数1综合140.70 0.00 1.49 0.00 0.00 2综合50.00 3.13 3.56 15.81 0.00 3专科20.00 0.00 0.08 0.00 47.22 4专科40.00 0.00 0.00 2.76 19.66 5专科30.00 0.00 0.00 0.00 234.65 6综合30.00 0.00 0.00 0.00 12.64 7专科10.00 0.00 0.00 0.00 0.00 8综合60.00 0.00 0.00 0.00 0.00 9综合20.00 0.00 0.00 0.00 0.00 10综合40.00 0.00 0.00 0.00 0.00

注 “*”依次按科研项目数、高层次人才数、科技奖励数、高质量论文数和发明专利数倒序排名。

2.4 2020—2024年北京地区中央属三级医院科研效率动态分析

除2023—2024年TFP指数为0.95，与前一年度效率基本持平以外，北京地区10所中央属三级医院的TFP指数逐年提升。2020—2021年中央属三级医院的TFP指数达到3.26；而2021—2022年科研效率增速放缓，TFP指数为1.07；2022—2023年TFP指数为1.10。2020年—2024年北京地区10所中央属三级医院的TFP指数均值为1.596，整体科研效率年均提升59.6%。其中，TC提升贡献大，年均提升34.2%。此外，EC年均提升11.7%，对其进行分解后发现，PEC年均提升5.7%，SEC年均提升4.8%。见表5。

表5 2020—2024年北京地区中央属三级医院科研效率动态分析结果

时间ECTCPEC SEC TFP指数2020—2021年1.26 2.44 1.17 1.07 3.26 2021—2022年1.07 1.01 0.97 1.09 1.07 2022—2023年1.15 0.95 1.05 1.10 1.10 2023—2024年0.98 0.96 1.04 0.94 0.95

注 EC：综合技术效率指数；TC：技术进步效率指数；PEC：纯技术效率指数；SEC：规模效率指数；TFP：全要素生产率。

2020—2024年10所中央属三级医院TFP指数均＞1.00，各医院的科研效率均有所提升，但提升幅度不同，综合5和综合6医院提升较快，TFP指数＞2.00，远高于平均值（1.596），在科研效率方面较为突出。见表6。

表6 2020—2024年北京地区中央属三级医院科研效率动态分解情况分析

排名*医院ECTCPEC SEC TFP指数1综合51.39 1.53 1.18 1.11 2.80 2综合61.38 1.36 1.30 1.08 2.23 3专科41.20 1.27 1.00 1.20 1.64 4综合41.15 1.47 1.07 1.06 1.60 5综合21.07 1.69 1.00 1.07 1.74 6综合31.05 1.22 1.03 1.02 1.19 7专科31.01 1.41 1.00 1.00 1.37 8专科11.00 1.10 1.00 1.00 1.10 9专科20.99 1.12 0.98 1.00 1.11 10综合10.94 1.24 1.00 0.94 1.18

注 “*”按综合技术效率倒序排名。EC：综合技术效率指数；TC：技术进步效率指数；PEC：纯技术效率指数；SEC：规模效率指数；TFP：全要素生产率。

3 讨论

本研究为高水平产出指标导向下的医院科研效率评价研究。在以往的研究中，医院科研效率作为科研管理与创新管理的重要研究方向，已受到众多学者的关注[12-14]。国内学者普遍采用DEA法测量科研效率并提出改进建议，重点强调在指标选取时需谨慎以确保研究结果的科学性。考虑到医院经费构成复杂且本次研究样本量较小，同时评价对象为科研水平较高的中央属医疗机构（其经费充足导致差异难以显现），本研究未将经费投入类指标纳入评价体系，转而选取高层次人才数、科研项目数等更能体现医院科研实力的指标进行衡量。在科研产出指标的设计上，本研究未采用单一的论文数量作为衡量标准，而是通过多元化的科研高水平产出指标进行比较。本研究将“发明专利数”这一其他研究较少关注的指标纳入体系，该指标能够有效反映中央属医院的科技成果转化水平，不仅符合国家对高水平医院科技创新的政策导向，也充分体现医院科研效率评价的独特性。这一设计有助于进一步减少评价过程中的潜在偏差。

中央属三级医院之间技术利用水平和科研投入规模存在差异。本研究结果显示，2020—2023年北京地区中央属三级医院科研效率呈上升趋势，到2024年出现科研效率下降的情况，而且2020—2021年、2021—2022年效率比较高。究其原因，可能与新型冠状病毒感染肺炎疫情期间患者数量大幅度下降，医师有较多时间从事科学研究有关，各个医院均出现科研效率较高的情况，随后疫情防控任务及日常临床工作日益增多，科研效率出现下降。而且，中央属三级医院科研效率的提高依赖于PTE和SE的提高，原有的科研积淀、不断进步的技术水平是此期间科研效率增长的主要因素，而规模投入越大的医院，整体效率提升越高，今后部分技术水平较高的医院可通过进一步加强科研投入进而提升科研成果。

此外，不同医院的技术效率水平和投入规模效率上仍存在较大差异。综合2、综合5和综合6医院在近5年出现较大的科研效率提升，科研效率也使医院的综合影响力快速提升，这3所医院在中国医院综合排行榜（复旦版）中位次不断上升，在2024年榜单中已经处于全国前10位水平。另外，部分医院出现投入冗余现象，尽管科研项目和高层次人才的集聚能够显著提升医学技术创新能力，但也要考虑全院目前的资源现状，项目过多反而影响不同项目团队人员数量，甚至造成资源之间的争抢，导致部分团队资源不足，整体产出不足，影响效率发挥[15]。基于此，医院应该建立一套长效机制，切实保证科研项目工作平稳落地，加强科研管理能力。医院应充分发挥学科带头人的核心引领作用，通过构建梯度合理的攻关团队来优化人才配置[16]。同时，医院需为高层次人才提供必要的硬件设备、人员支持等资源保障，助力其快速组建高效科研团队，从而全面提升团队的科研攻坚能力。

中央属三级医院存在发明专利类成果不足的问题。自2016年以来，国家持续强化对医学科技成果转化的支持力度，通过政策优化、平台搭建和资金扶持等多维度举措，逐步提升对这一领域的重视程度。2024年底，国家卫生健康委员会更是密集出台50条具体措施，系统推进卫生健康科技创新工作。作为科研成果转化的核心力量，中央属三级医院承担着将科研成果转化为临床医疗服务和公众健康福祉的重要使命，以实现经济效益与社会效益的双重提升。但是，2024年部分医院在成果转化指标上仍存在明显短板。医院应深化产学研融合，在科研创新规划阶段即开展企业调研和市场分析，主动寻求与第三方企业的合作研发机会。在科研管理层面，需强化医学科技成果与产业链的衔接，必要时设立专职成果转化部门，为科研人员提供概念验证、风险融资、商业对接等全流程支持，同时承担法律咨询、第三方协调及价值评估等配套服务[17]。通过专业团队深度参与转化各环节，切实提升医药成果转化效率。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] 国务院办公厅. 关于推动公立医院高质量发展的意见[EB/OL].（2021-06-04）[2024-01-15]. https：//www.gov.cn/zhengce/content/202106/04/content_5615473.htm.

[2] 中华人民共和国科学技术部，国家卫生健康委员会.“十四五”卫生与健康科技创新专项规划[EB/OL].（2022-11-18）[2024-01-15]. https：//www.most.gov.cn/xxgk/xinxifenlei/fdzdgknr/fgzc/gfxwj/gfxwj2022/202301/t20230116_184248.html.

[3] 何振喜，周先志，姚军，等. 中国研究型医院建设指南[J].中国研究型医院，2021，8（5）：7-11.

[4] CHARNES A，COOPER W W，RHODES E. Measuring the efficiency of decision making units [J]. Eur J Oper Res，1978，2：429-444.

[5] ANDERSEN P，PETERSEN N C A. Procedure for ranking efficient units in data envelopment analysis [J]. Manag Sci，1993，39：1261-1264.

[6] FÄRE R，GROSSKOPF S，LINDGREN B，et al. Productivity developments in Swedish hospitals: a Malmquist output index approach. InData envelopment analysis: theory,methodology, and applications [M]. Dordrecht：Springer Netherlands，1994：253-272.

[7] JOHNES G，JOHNES J. Measuring the research performance of UK economics departments：an application of data envelopment analysis [J]. Oxford Econ Papers，1993，45（2）：332-347.

[8] JOHNES G，JOHNES J. Higher education institutions’ costs and efficiency：taking the decomposition a further step [J]. Econ Edu Rev，2009，28（1）：107-113.

[9] NAZARKO J，ŠAPARAUSKAS J. Application of DEA method in efficiency evaluation of public higher education institutions [J]. Technol Econ Dev Econ，2014，20（1）：25-44.

[10] DILTS D M，ZELL A，ORWOLL E. A novel approach to measuring efficiency of scientific research projects：data envelopment analysis [J]. Clin Transl Sci，2015，8（5）：495-501.

[11] 陈建. 破“五唯”背景下三级公立医院科研管理现状、问题与对策[D]. 杭州：浙江中医药大学，2023.

[12] 魏裕涛，许荣庭，周凌明，等. 基于DEA-Malmquist-Tobit模型的广东省医学技术创新效率研究[J]. 中国医院，2023，27（11）：63-66.

[13] 韦玉山，林景荣，曲承春，等. 基于Bootstrap数据包络法的医院科研投入产出效率评价[J]. 中华医学科研管理杂志，2021，34（5）：341-347.

[14] 黄玉梅，张佳雯，关丽征，等. 北京市属三级医院科研效率评价研究[J]. 中国医院，2024，28（11）：52-55.

[15] 李方方，丁国富，严波. 基于DEA-Malmquist方法的重庆市三甲医院科研效率分析[J]. 西南师范大学学报（自然科学版），2019，44（3）：135-140.

[16] 童俞嘉，单连慧，苟欢，等. 基于偏最小二乘路径分析和数据包络分析的医院科研效率评价研究[J]. 中国数字医学，2021，16（12）：78-84.

[17] 严哲彬. 科研院所科技成果转化效率制约因素挖掘及突破性对策探寻[J]. 江苏科技信息，2025，42（18）：1-5，10.

Research on the evaluation of scientific efficiency of central level tertiary hospitals in Beijing based on DEA method

WANG Wei1 GAO Yibo2 GUAN Lizheng2▲ ZHAO Guohong1 CHEN Tingfang1 KONG Dan1 HUANG Yumei2 ZHOU Yuena1

1.Beijing Pharmaceutical Health Technology Promotion Center, Beijing 101160, China; 2.School of Public Health,Capital Medical University, Beijing 100069, China

[Abstract] Objective To evaluated the research efficiency of ten central level tertiary hospitals in Beijing from 2020 to 2024 based on data envelopment analysis (DEA) method, discover the experiences and challenges of central level tertiary hospitals in scientific research development, and put forward reasonable suggestions for improving the scientific efficiency of hospitals. Methods The data from the Statistical Compilation of Scientific Research Work Data of Medical and Health Institutions in Beijing from 2020 to 2024 was used, the number of scientific research projects and high-level talents were selected as input indicators, as well as the number of high-quality papers, invention patents, and scientific and technological awards as output indicators, three models, namely DEA-BCC, super-efficiency DEA, and Malmquist index were constructed, and the research efficiency of central level tertiary hospitals were calculated and evaluated.Results From 2020 to 2024, the overall scientific investment and output of ten central level tertiary hospitals in Beijing showed an upward trend. The scientific efficiency of four hospitals reached DEA effectiveness in 2024. The total factor productivity of the scientific efficiency of ten central level tertiary hospitals was on an upward trend, with an average annual growth rate of 59.6%. In 2024, some central level tertiary hospitals had redundant investment and insufficient output. There was one hospital each with redundant investment in scientific projects and high-level talents; and there were two and four hospitals respectively that had insufficient output in high-quality papers and invention patents.Conclusion From 2020 to 2024, the overall scientific efficiency of central level tertiary hospitals has been greatly improved. The main reasons for the efficiency differences among central level tertiary hospitals lie in the variations in technical efficiency and the scale of scientific research investment. By building a reasonable scientific team, creating a scientific exchange platform, and establishing a dedicated department for the transformation of scientific achievements, the waste of resources can be reduced and the level of scientific management can be improved.

[Key words] Central level tertiary hospital; Research efficiency; Data envelopment analysis

[中图分类号] R197.3

[文献标识码] A

[文章编号] 1673-7210（2026）04（a）-0091-06

DOI：10.20047/j.issn1673-7210.25071273

[基金项目] 《北京市医疗机构科技创新竞争力研究》项目（TJZB-2024-138）。

[作者简介] 王巍（1984-），女，硕士；研究方向：卫生项目管理。

▲通讯作者

（收稿日期：2025-07-16）

（修回日期：2025-12-29）