韩召 | 张尚辰 | 雷明宇 | 张世辉 | 蔡文佳
中国北京，清华大学，全球变化研究所地球系统科学系，教育部地球系统建模重点实验室
**摘要**
减少医疗保健领域的排放现在被认为是气候-健康议程上的紧迫优先事项。尽管已有研究量化了国家层面和全球层面医疗系统的环境影响，但不同人群（包括国家之间和国家内部）在医疗保健碳足迹（HCF）方面的不平等以及其变化趋势仍有待探索。本研究量化了这些差异，并评估了有针对性的需求侧干预措施在实现公平、低碳医疗的同时扩大护理服务覆盖范围的潜力。
**方法**
我们通过整合消费者支出调查、国家卫生支出数据以及一个全球多区域投入-产出模型，估算了2005年至2017年间121个国家的不同收入群体的HCF。我们的方法能够按收入群体、卫生支出类别、医疗保健产品和服务详细分解排放模式。随后进行了情景分析，以评估在不同策略下需求侧干预措施减少医疗相关碳排放的潜力。
**发现**
我们的分析显示，国家之间以及国家内部不同人群之间的HCF存在差异。到2017年，支出最高的10%的医疗消费者贡献了总HCF的48%（1128百万吨二氧化碳当量[CO2e]），而支出最低的50%的人群仅贡献了不到10%。此外，支出最高的1%的人群人均贡献了2857公斤CO2e，是全球人均水平的八倍多，几乎是最低50%人群的66倍。除了高收入国家外，中等偏高收入国家也显著增加了HCF，总额从2005年的181百万吨CO2e增加到2017年的760百万吨CO2e，增长了三倍以上。通过估算卫生支出与碳排放的弹性系数，我们发现高支出群体的边际排放量高于低支出群体。情景分析表明，在不损害医疗效果的前提下，针对高收入人群中碳密集型过度使用医疗行为的控制措施，同时推进雄心勃勃的普及医疗计划，可以减少25-40%的碳足迹，并可能降低成本。
**解读**
我们的研究超越了基于国家平均水平或总数的跨国比较，探讨了国家内部不同人群之间的HCF差异。最高支出人群对医疗保健碳排放的贡献不成比例，这突显了实现公平、低碳医疗转型需要关注国家内部的人群差异并制定有针对性的干预措施。我们的发现为在保持护理质量的同时实现公平的医疗减排目标提供了定量证据。扩大基本医疗服务的可及性，结合解决高支出人群中的碳密集型过度使用问题，可以实现显著的减排。
**资助**
中国国家自然科学基金会、中国气象局青年创新团队、清华-力拓资源能源与可持续发展联合研究中心
**引言**
可持续的医疗系统是更广泛的气候和健康议程的关键组成部分。全球范围内，医疗系统每年贡献超过22亿吨二氧化碳当量（CO2e）；如果将其视为一个国家，该行业将位列全球五大排放国之一。要真正实现可持续性，医疗系统不仅需要当前有效、可负担且公平，还需要能够在地球界限内保障后代的健康和福祉。自第26届联合国气候变化大会（COP26）启动健康计划以来，已有90多个国家承诺发展可持续医疗系统，以加速医疗行业在2050年前实现净零排放的目标，这与《巴黎协定》的要求一致。
**研究背景**
建立可持续、低碳的医疗系统已成为全球气候和健康议程的核心优先事项。先前的研究已经估算了国家或全球层面的医疗保健排放，但大多数分析仍停留在总量或平均水平上，很少考察国家内部不同收入或支出群体之间的差异。虽然一些研究从概念上讨论了公平性影响，但很少有研究将医疗保健支付者和消费类别与碳排放联系起来，或将这些分析定量整合到医疗保健脱碳策略中。如果没有这些关于不同人群对医疗保健碳足迹（HCF）贡献的见解，减排努力可能会无意中加剧健康不平等。
**本研究的价值**
本研究利用综合的家庭支出调查、国家卫生支出数据和多区域投入-产出模型来量化全球范围内的HCF不平等。该框架能够按收入群体、支出百分位数、支付者类别和消费类别细分医疗保健排放，从而揭示不同人群在国家和国家内部对医疗保健排放的不成比例贡献。该框架还支持在不同需求侧干预优先事项下的情景分析，允许比较有针对性干预措施带来的减排效果，同时保障护理服务的提供。结果指出了实现公平医疗脱碳与扩大基本医疗服务之间的协同路径。
**所有现有证据的意义**
HCF在国家之间和国家内部分配不均。在国家内部，不同收入水平的人群通过不同的医疗保健服务类别产生贡献。全球医疗保健消费最高的10%群体负责约一半的总HCF，而较高的医疗支出群体与较高的边际HCF相关。通过解决高支出群体中的碳密集型过度使用问题，可以在确保基本服务公平获取的同时实现大幅减排，减排幅度远超过扩大基本医疗服务所需的额外碳排放。有效的需求侧策略应促进从国家平均水平向精准的国内针对性行动转变，确保广泛的、公平的脱碳。
然而，在医疗系统中实现低碳目标面临独特挑战：在确保所有人都能获得基本医疗服务的同时公平地减少碳足迹。普及医疗（UHC）仍然是可持续发展目标（SDG）3的核心目标，尤其是对于低收入国家（LICs）。在这些情况下扩大医疗服务规模对于保障基本权利和人口健康至关重要，但也可能导致进一步的碳排放。解决这一矛盾需要供给侧和需求侧的共同努力。自21世纪末以来，供给侧的低碳技术已被广泛探索。相比之下，尽管开始研究需求侧医疗保健碳足迹（HCF）的变化，但大多数估算仍集中在国家或区域总量或平均水平上。尽管这些估算对于宏观监测很有价值，但不同收入群体、消费类别和融资机制之间的根本差异仍未得到充分描述。全球碳不平等研究表明，排放往往集中在最富有人群中，这种碳不平等也适用于医疗保健。在高收入国家，越来越多关于医疗保健服务过度使用的证据表明，这可能导致社会和环境成本的增加，超出收益。相比之下，2021年低收入国家（LICs）的人均医疗支出不到50美元，而高收入国家（HICs）的人均支出超过4000美元。由于支付能力较弱，较贫困人群往往难以获得基本医疗服务，且缺乏低碳选项。尽管越来越认识到个人护理接受者的选择和参与是现代医疗的关键组成部分，但弱势群体在医疗保健获取方面经常面临限制和差异，这限制了他们支持可持续变革的能力。目前，医疗保健中的气候责任越来越多地被视为受支付能力的影响。然而，对不同人群对HCF贡献的了解不足，这成为将低碳医疗目标与政策制定中的健康公平性相结合的障碍。我们的目标是通过综合家庭和消费者支出调查（CESs）、国家卫生支出数据和环境扩展的多区域投入-产出（EE-MRIO）分析模型，估算2005年至2017年121个国家的HCF，涵盖超过90%的全球人口。然后，我们按支出百分位数、支付者类别和消费类别细分HCF，并进行情景分析，以评估替代需求侧干预措施的减排潜力。
**数据处理**
来自家庭的自下而上的数据或CES可以用于估算不同人群（例如，收入五分位数）中医疗支出所包含的碳足迹，特别是在分析碳不平等时。对于低收入国家（LICs）、中低收入国家（LMICs）和中等偏高收入国家（UMICs），我们使用了世界银行的全球消费数据库。由于该数据集对高收入国家（HICs）的代表性不足，欧洲国家的CES数据来自Eurostat家庭预算调查。美国、日本、瑞士、加拿大、韩国和澳大利亚的数据来自各自国家的官方家庭支出调查（附录第3-5页）。然后，根据数据可用性，我们分阶段构建了每个经济体2005年至2017年的完整CES数据时间序列。首先，对于有可用五分位数级别医疗支出数据的国家，当年份间至少有两个非缺失观测值时，我们线性插补缺失值。如果非缺失观测值少于两个，则使用同一区域内邻近国家的平均变化来估算缺失值。对于没有任何时间序列数据且没有邻近国家数据的国家，我们假设家庭医疗支出的不平等趋势遵循总体家庭不平等的趋势。根据世界银行贫困与不平等平台（附录第6页）的不平等数据（汇总为五个五分位数）与该国家同一年度的实际分布，推断特定年份的缺失值。
给定国家和年份的国家卫生支出数据来自WHO全球卫生支出数据库（GHED，以购买力平价国际美元[PPP$]表示），该数据库汇总了各国政府报告的可国际比较数据。然后，我们应用线性插补方法处理某些年份的缺失数据。为了提高政策相关性，我们将每个国家和年份的卫生支出分为四类支付者：家庭自付支出（OOPS）、自愿健康支付、强制健康保险支出和政府健康计划，以及四个医疗保健消费类别：药品（包括处方药和非处方药）、医疗设备和医疗保健服务（附录第11页）。家庭医疗支出基于GHED报告的OOPS进行分配，并根据国家CES中的比例分布分配到不同的医疗保健消费类别。尽管CES数据遵循《按目的分类的个人消费》分类，但各国的分类方案有所不同。因此，我们将不同的《按目的分类的个人消费》类别映射到统一的医疗保健消费类别，以确保跨国家的一致性（附录第12-14页）。为了协调各国之间的CES和GHED数据，并使其与EE-MRIO模型中的医疗保健产品和服务对齐，我们开发了一种加权目标规划方法（附录第14-15页）。这种方法确保了不同卫生支出类型之间的一致性，并允许在所有医疗保健消费类别中分配所有支付者类别。最后，我们分别估算了每个支付者类别的HCF，并将它们相加得到总HCF，详见下一节。本研究涵盖了121个国家和地区（附录第7-11页），捕捉了2005年至2017年间不同人群的HCF分布，涵盖了超过90%的全球人口。
**不同人群的HCF**
考虑到医疗市场与典型消费品市场有根本不同，医疗产品和服务消费者（即护理接收者）在其选择中面临多重限制，包括信息不对称、医疗服务的高度专业性以及医疗融资系统的结构。各国之间的医疗政策和监管框架也存在显著差异（附录第17页）。在本研究中，我们将国家医疗系统的制度和政策结构视为影响医疗消费模式的背景因素。最终，医疗相关碳排放的分配基于基于消费的碳足迹核算，将排放归因于基于医疗支出的社会经济活动。这种方法确保了碳足迹核算的可行性，并保持了不同卫生系统地区之间的可比性。我们使用了基于EXIOBASE 3（版本3.9.5）数据集的EE-MRIO方法来计算内含碳足迹，其中卫生支出被视为驱动因素（见附录第15-16页）。我们遵循了之前的方法，将模型划分为189个国家和地区。我们选择EXIOBASE 3而不是其他多区域投入产出分析模型（例如全球贸易分析项目[GTAP]），因为它具有广泛的产品部门覆盖范围、全面的影响因素覆盖以及更广泛的环境会计数据。我们分析中使用的具体温室气体排放量和全球变暖潜力特征因子在附录中进行了总结（第16页）。然后，我们采用了一种混合方法估算不同人口群体的健康碳足迹（HCF）。首先，我们将自下而上的CES数据与EE-MRIO模型结合起来，计算不同人口群体的家庭卫生支出（OOPS）所包含的HCF。其次，我们通过自上而下的方法补充了这一分析，以考虑与其他支付者类别相关的排放，如自愿健康支付、强制性健康保险支出和政府健康计划。在这一步中，我们假设这些其他支付者的支出在人群中的分布通常与自付支出相同，并根据某些融资计划的特征进行了调整。最后，将所有支付者类别的HCF加总得到人均HCF。此外，为了更易于评估不同人口群体之间的HCF模式，我们应用了一种灵活的重新排名方法，按人均支出对人口群体进行了重新划分和汇总。更多技术细节见附录（第17-21页）。
方案设计
我们构建了一系列方案，涵盖三个维度：扩大健康覆盖范围、控制医疗过度使用和降低排放强度。此类基于方案的评估在以前的研究中已被广泛用于评估需求侧排放的缓解潜力。我们的框架包括一个照常运营的情景和12个干预情景（见表格和附录第22页）。为了清晰起见，照常运营的情景反映了基于2015年数据（调整至2015年价格）的实际卫生支出分布及相关HCF，作为评估其他情景的参考。健康覆盖基准与普遍健康覆盖（UHC）目标相一致，估计了实现这一目标所需的更雄心勃勃的卫生成本基准所包含的碳足迹。我们采用了Stenberg及其同事估算的不同收入组的人均增量支出来实现这一雄心勃勃的基准：低收入国家（LICs）为76 PPP美元（范围46-141），中低收入国家（LMICs）为58 PPP美元（22-167），中高收入国家（UMICs）为51 PPP美元（附录第21-23页）。
情景设计
A1 A2 B1 B2 C1 C2 C3 D1 D2 D3 D4 D5
控制医疗过度使用
- 将各收入组的人均卫生支出提高到雄心勃勃的健康覆盖基准
- 将前10%群体的医疗过度使用减少到其所在类别的最低水平
- 将前20%群体的医疗过度使用减少到其所在类别的最低水平
······
A1 + B1 A1 + B2 A1 + B2 A1 + B2
降低排放强度
- 将前10%群体的排放强度降低到其所在类别的最低水平
- 将前20%群体的排放强度降低到其所在类别的最低水平
- 将10-30%群体的排放强度降低到其所在类别的最低水平
······
扩大健康覆盖范围
- 通过提高各国家中低于中位数的群体的支出，缩小这些群体的差距
······
不确定性分析
为了测试在不同人口群体之间分配HCF时的不确定性，我们应用了一组参数假设。具体来说，我们引入了参数ε的变化，该参数调整了各收入群体之间的排放分布。结果显示，ε的变化对高收入群体的影响更为显著；当ε=0（即群体内人均分配相等）时，前10%的人口占总HCF的百分比减少了1%；相反，当ε=1时，他们的份额增加了1%（见附录第25页）。尽管有这种变化，我们研究的总体趋势和关键结论仍然可靠。然后，我们在情景分析中应用了不同收入组的最低和最高估计值，以获得估计值的不确定性范围。
资金来源的作用
研究的资助者在研究设计、数据收集、数据分析、数据解释或报告撰写方面没有发挥作用。
结果
HCF的全球分布显示出与总体全球碳足迹相似的不平等模式，我们使用大量人口样本验证了这一假设。2017年，支出最高的10%的医疗消费者占了总HCF的48%，比2007年下降了8%（见图1A）。这一发现部分反映了普遍健康覆盖的扩大和中等收入群体卫生支出的增加，这有助于减少相关碳足迹的差异。相比之下，支出最低的50%的消费者仅占总HCF的约6%。2017年，支出最高的1%的医疗消费者的HCF约为每人2857公斤二氧化碳当量（CO2e），是全球人口加权平均值的八倍多，几乎是支出最低的50%的66倍（每人43公斤CO2e），并且这一情况随时间没有显著变化（见图1B）。在不同收入五分位数之间，HCF存在地区性不平等，特别是在比较高收入国家（HICs），如北美和欧洲，与撒哈拉以南非洲的低收入国家（LICs）时（见图1C）。特别是美国，由于其高额的总HCF和人均HCF以及较高的卫生支出而脱颖而出。在其人口中，最富有的五分位数负责了超过186百万吨CO2e的排放，大约是最贫穷五分位数的1.7倍（109百万吨）。相比之下，即使是撒哈拉以南非洲和中东及北非国家的最富有的五分位数，其HCF水平也低于10百万吨CO2e（见附录第29页）。
下载：下载高分辨率图片（935KB）
下载：下载全尺寸图片
图1. 全球HCF的不平等
- 支出最高的1%、前10%、中40%和支出最低的50%的医疗消费者群体的总HCF份额（A）和人均HCF（B）。
- 2017年各地区按收入五分位数划分的总HCF分布。（C）总HCF代表该地区内所有国家或地区的总和。气泡大小表示该地区内每个收入五分位的人均卫生支出，颜色代表其人均HCF。（D）2017年各国按收入五分位数划分的国内HCF不平等，以基尼系数衡量。结果显示基于基准参数（β=0，δ=1，ε=0.5），误差条反映了极端参数下的估计值。详细信息见附录（第17-20页）。
CO2e=二氧化碳当量。HCF=医疗保健碳足迹。
各国国内的HCF不平等存在持久的空间异质性（见图1D）。2017年，国内HCF的基尼系数最高达到约0.3，低于国家间观察到的全球HCF不平等水平（基尼系数=0.69，见附录第27页）。尽管一些地区（特别是东欧和美洲大陆的部分地区）的HCF不平等有所缓解，但在撒哈拉以南非洲和南亚及东亚-太平洋地区的几个国家，HCF不平等仍然很高或甚至恶化（见附录第28页）。这些模式与国家卫生融资结构的差异密切相关。在许多低收入国家（LICs），较低的公共融资和不发达的卫生保险系统导致更多依赖家庭自付支出（OOPS），使得家庭HCF更直接地与个人经济能力相关（见图2A）。相比之下，尽管高收入国家（HICs）通常拥有更全面的卫生系统，但在国内HCF方面仍存在差异。
下载：下载高分辨率图片（811KB）
下载：下载全尺寸图片
图2. 不同支付者类别、收入五分位数和消费类别的HCF异质性
各面板按国家收入分类排列：HICs、UMICs、LMICs和LICs。
- （A）按四种支付者类别（GHS、CHIS、VHP和家庭OOPS）划分的HCF分布。2005年至2017年各收入五分位数的HCF份额（B）以及2017年按收入五分位数的卫生消费类别（C）。
CHIS=强制性健康保险。CO2e=二氧化碳当量。GHS=政府健康计划。HCF=医疗保健碳足迹。HIC=高收入国家。LIC=低收入国家。LMIC=中低收入国家。OOPS=自付支出。UMIC=中高收入国家。VHP=自愿健康支付。
HICs的HCF水平一直保持较高。相比之下，UMICs的HCF大幅增加，从2005年的约181百万吨CO2e增加到2017年的760百万吨CO2e，增加了三倍多。与此同时，LMICs和LICs的HCF保持在最低水平，LMICs的总HCF在同一时期从约95百万吨CO2e下降到24百万吨CO2e（减少了75%）（见图2A）。在HICs中，政府健康计划支出（绿色）和强制性健康保险支出（黄色）是HCF的主要贡献者。在LMICs和LICs中，OOPS（红色）占HCF的更大份额，这反映了国家卫生系统的结构：在HICs中，公共卫生机制支持获得卫生商品和服务，而在LICs中，卫生消费者承担了更多的费用。2017年，基于OOPS的HCF在非HICs中占HCF的超过一半（LICs中为64% [15百万吨CO2e]，LMICs中为53% [65百万吨CO2e]，UMICs中为46% [340百万吨CO2e]），而在HICs中仅为23%（见附录第29-30页）。
在所有国家中，最富有的五分位数（Q5）始终占HCF的最大份额，2017年通常超过总HCF的25%（见图2B）。这种差异在LICs中更为明显，其中Q5贡献了总HCF的三分之一以上。相比之下，最贫穷的五分位数（Q1）仅贡献了约10%。就卫生消费类别而言，在HICs中，Q5通过医疗服务产生了最高的HCF，主要是由于他们在获取和服务选择上的差异（见图2C）。在UMICs和LMICs中，来自药品的HCF份额随收入增加而增加。在LICs中，超过一半的总HCF来自药品和医疗设备，这突显了正式卫生服务的获取不足和对自我用药的依赖。在这些人群中，购买力更强的富裕个体贡献了更高的药品和服务相关碳足迹（见附录第30页）。
然后，所有人口群体按人均卫生支出重新排序并汇总成五个五分位数（Q1–Q5），人均支出从最低（Q1）到最高（Q5），以便更好地说明由卫生消费类别驱动的HCF模式。2017年，人均卫生支出最高的五分位数（Q5）在所有卫生消费类别中始终具有最高的人均HCF，超过了全球人均平均水平（虚线；见图3A）。尽管Q5的碳强度低于其他五分位数，即单位支出的HCF较低（见图3B），但其更高的碳效率并未抵消与其较高的卫生消费相关的排放。
下载：下载高分辨率图片（905KB）
下载：下载全尺寸图片
图3. 不同卫生消费类别的HCF差异
- （A）2017年人口群体人均卫生支出增加时人均HCF的变化。
- （B）2017年五个五分位数的卫生保健碳强度变化，其中碳强度是指每单位支出的排放量（单位为每人PPP美元的千克CO2e）。
- （C）2005年至2017年支出五分位数Q1–Q5的支出-碳弹性趋势。
CO2e=二氧化碳当量。HCF=医疗保健碳足迹。PPP$=购买力平价调整后的国际美元。
支出-排放弹性量化了支出变化导致的HCF变化（见图3C）。值大于1表示HCF的增长速度快于支出增长，表明哪些支出增长导致了更大的排放增加（见附录第21页）。除了医疗设备外，Q1在2017年所有类别中的支出-排放弹性呈下降趋势（见附录第33页），而Q5在除行政以外的所有类别中显示出更高的弹性。这种支出-排放弹性模式表明，高支出群体的边际排放不成比例地高于低支出群体。特别是在Q5中的医疗设备和健康管理领域，医疗支出与排放的弹性超过了1（虚线），表明这些领域的碳足迹（HCF）增长超过了医疗支出的增长。适当的或不适当的医疗保健及其对可持续性的影响是众所周知的问题，需要加以关注。先前的研究表明，尽管在医疗保健可及性和质量方面的得分相似，但不同国家的个人人均医疗保健排放量可能有很大差异。我们的研究进一步表明，对于某些高支出群体而言，他们的额外支出增加了碳足迹，而没有显示出健康结果的显著改善，这与低价值医疗保健的行为一致。基于先前研究中讨论的可持续医疗保健的多个方面，我们评估了一个基准情景和12个情景，以比较在实现全民健康覆盖（SDG3）的同时减少全球医疗保健排放的潜力。这些情景反映了三个主要方面：增加医疗保健成本以达到全民健康覆盖的雄心勃勃的目标，同时提高国内公平性；减少一些主要医疗保健消费者的过度使用，而不影响基本的健康结果；以及降低某些消费者群体的支出碳强度（扩大并转向低碳选项）。
根据本研究的样本，增加投资以实现更雄心勃勃的医疗保健目标（A1）将使全球碳足迹增加5%（98百万吨二氧化碳当量，范围55-242百万吨二氧化碳当量），而同时改善低收入人群的支出（A2）则会使全球碳足迹增加9%（193百万吨二氧化碳当量，范围150-337百万吨二氧化碳当量）（图4）。相比之下，减少前10%的医疗保健消费者的过度使用（B1）将使碳足迹减少约22%（-488百万吨二氧化碳当量），减少前20%的医疗保健消费者的过度使用（B2）将使碳足迹减少约29%（-666百万吨二氧化碳当量）。如果将前10%的医疗保健消费者的支出碳强度降低到该群体中的最低水平（C1至C3），则碳足迹将减少23%（-522百万吨二氧化碳当量，范围-524至-522百万吨二氧化碳当量）；如果减少前20%的医疗保健消费者的支出碳强度，则碳足迹将减少33%（-746百万吨二氧化碳当量，范围-757至-744百万吨二氧化碳当量）；如果减少前10-30%的医疗保健消费者的支出碳强度，则碳足迹将减少18%（-404百万吨二氧化碳当量，范围-409至-404百万吨二氧化碳当量）。总体而言，扩大医疗保健覆盖范围会导致碳足迹的适度增加，而减少高支出群体的过度使用则可以实现显著的减少。将A2与B1（对应于D1）结合起来可以将总碳足迹减少约17%（-391百万吨二氧化碳当量，范围-434至-247百万吨二氧化碳当量），将A2与B2（对应于D2）结合起来可以将总碳足迹减少约22%（-491百万吨二氧化碳当量，范围-532至-355百万吨二氧化碳当量）。即使考虑到为实现全民健康覆盖目标并提高国内医疗保健公平性所需的额外医疗保健成本（D3至D5），同时针对过度使用和高碳医疗保健行为的综合策略也可以将总碳足迹减少约41%（-939百万吨二氧化碳当量，范围-984至-803百万吨二氧化碳当量）。
**图4. 不同需求侧干预情景下的总碳足迹变化：考虑了12个情景（A1–D5），基于2015年的数据**
(A) 上图显示了不同干预措施下的总碳足迹变化与“一切照旧”（BAU）情景的对比（单位：百万吨二氧化碳当量），颜色用于区分不同收入水平国家群体的贡献。
(B) 下图详细展示了每个情景下不同地区在各收入水平国家群体中的贡献比例（%）。
BAU = 一切照旧；CO2e = 二氧化碳当量；HCF = 医疗保健碳足迹；HIC = 高收入国家；LIC = 低收入国家；LMIC = 低中等收入国家；UMIC = 上中等收入国家。
**讨论**
本研究通过整合来自不同人群的详细支出数据和管理自上而下的碳排放测量方法，揭示了各国之间和内部碳足迹不平等的时空模式。在国家内部，较富裕群体的个人碳足迹通常高于较贫困群体。同时，由于大多数国家的医疗系统并非完全由市场驱动，因此国家之间的碳足迹差异大于国家内部的差异（图1）。高收入国家对全球碳足迹的贡献较大，而低收入国家的贡献较小（图2A）。低收入国家总碳足迹的减少可能反映了其国内医疗支出的波动或研究期间每单位医疗服务的碳排放量下降。然而，尽管低收入国家的贡献较低，但它们面临的健康负担却更重。在某些国家，患者倾向于选择进口设备或频繁就诊，这往往源于对医疗机构的根本性不信任、信息不对称以及医疗服务的碎片化。扩大保险覆盖范围可以改善医疗服务的可及性，并降低成本敏感性，从而鼓励过度使用治疗和程序（如重复检查、不必要的住院和药物），这些通常带来的健康收益很少。相反，低收入国家中高昂的自付费用迫使居民限制医疗使用。虽然这种做法限制了过度使用，但它以牺牲基本服务（包括低碳选项）为代价。总体而言，高支出群体的碳强度低于低支出群体，这反映了效率和技术的差异，以及富裕消费者 adoption 低碳技术的机会更多。然而，高支出群体的额外医疗支出往往倾向于高边际排放的商品和服务，使得这些群体成为减排策略的重要目标。
本研究的发现支持将医疗保健脱碳视为实现健康公平的一种机制。高收入群体中某些类别支出的高边际排放尤为重要。这些高碳密集型商品和服务（例如弹性大于1的类别；图3C）通过有针对性的干预可以释放巨大的减排潜力。相反，扩大低收入群体的基本医疗覆盖范围会导致碳足迹的适度增加，但有可能显著改善健康结果。最后，通过技术和流程改进来降低碳强度可以补充上述措施：低收入群体可以通过降低医疗覆盖范围的碳成本来实现减排，而高收入群体可以利用节省下来的碳排放预算来帮助贫困群体扩大服务。最终，这种方法在减少总体排放的同时减少了健康不平等。
具体而言，政策制定者需要加强需求侧行动，包括明确医疗保健的环境成本（例如碳标签），以支持基于证据的决策，推广替代低碳技术或服务，并改革支付和激励机制以引导可持续需求。此外，优先考虑公平医疗保健时，需要为不同人群量身定制低碳策略。对于高支出群体，识别并减少对低价值护理的公共资金投入可以在不影响医疗保健质量的情况下降低边际排放。对于低收入和中等收入群体，应以确保和扩大医疗覆盖范围为基础制定低碳目标。国际技术转让和融资支持可以帮助这些消费者避免高碳阶段。总体而言，医疗保健系统的绿色转型需要多方利益相关者的协调努力，包括对市场特征、国家卫生政策和融资以及提供者的激励和决策模型的系统理解。未来的研究应进一步将医疗保健政策、市场结构和受益者特征纳入低碳医疗保健分析中。开发决策支持工具（包括人工智能辅助的诊断）对于指导提供者做出基于证据、合理和可持续的决策至关重要。理想情况下，基于合理需求的医疗系统使个人能够自然地避免过度使用，从而实现健康效益，包括减少浪费、降低成本和适应气候变化。
**研究的局限性**
本研究的局限性源于医疗市场的特殊性以及能源-环境-医疗-投入-输出（EE-MRIO）数据集的固有特征。如前所述，医疗产品和服务与普通消费品在复杂性和必要性方面有所不同。本研究基于最终需求原则分配碳足迹，确保了计费的可行性和跨国比较性。在模型和数据方面，EE-MRIO中每个国家的部门级别的碳强度是固定的。这种处理方式假设医疗支出与碳排放呈线性关系，可能导致最高支出者的排放量被高估，而最低支出者的排放量被低估。这一局限性在以前的文献中被广泛认识到。此外，CES和GHED数据集在国家内部和国与国之间存在异质性。尽管存在这种异质性，这些数据集仍然是最佳选择，因为它们具有广泛的覆盖范围和详细的分类（附录第23页）。然而，本研究仅识别了减排机会和优先领域，而不是评估具体措施的可行性。如先前研究所强调的，这些发现应谨慎解读。对最高收入群体的减排潜力估计代表理论上的上限，而不是保证或容易实现的目标。
**贡献者**
HZ和WC设计了这项研究。HZ开发了建模框架并撰写了初稿，ShaZ和ML也提供了建设性意见以改进初稿。所有作者都负责审阅和编辑手稿。HZ和WC验证了数据。所有作者都获得了研究中的所有数据，并对是否提交发表负有最终责任。
**数据共享**
原始数据和图表代码可在公共资源处获取。
