美国检测病毒3270美元,中国仅40,问题出在哪?

2月27日,中国日报曝出一则新闻,美国一名男子因出现疑似新冠状肺炎的症状,于是跑去美国一所医院做了一个病毒的核酸检测,结果为阴性,回家后他收到了医院寄来的账单,金额显示他需要支付3270美元,折合人民币大概2万3千

这费用有点离谱,我又跑去推特上查相关新闻,发现确有其事,以下是来自纽约时报的报道。

推特上前美国选美冠军Sameera Khan也在吐槽这个事

评论区一片调侃

我又查了一下国内检测1次的费用,发现在国内公立医院检测1次的价格是40元,如果是确诊或疑似患者的话是免费。

美国价格居然是中国的572倍,太夸张了!

我调研了一下,发现美国目前检测费用这么高,首先是试剂的严重不足

3月1日,美国副总统彭斯在接受采访时承认美国核酸试剂检测能力不足,目前仅计划投放1.5万个试剂,而实际上需要检测的人数高达7.5万人。

以加州为例,目前该州有8400名密切接触者需要做核酸检测,而整个加州却仅有200人份的试剂。

到目前为止,美国境内正在使用的核酸试剂都还是来自美国CDC(疾病控制与预防中心),由CDC分发到美国各地的实验室,其他私人实验室和厂商的试剂都还没批准生产,因此数量非常有限。

而中国疫情自爆发以来的1个多月时间,获批的试剂生产企业越来越多,截至2月25日日均试剂产能已达到170万人份

其次,目前美国跟中国疫情早期一样,病毒检测的权限还没有下放,目前仅有美国CDC和部分州已获授权的地方实验室有检测资格。

从医院取样再送到CDC去检测确诊,过程需要不少物流费用,比如之前加州一例患者是在等待4天后才最终拿到检测结果。

而中国从1月底开始,病毒的检测权限已下放到区疾控中心以及部分医院,检测时间和过程大幅缩短。

综上所述,病毒检测的价格差异这么大,最主要原因是中美两国目前所处的 疫情阶段不一样,中国大概在疫情的中后期,财政补贴、医疗物资的产能、应对疫情的流程等都比较完备,因此可以把病毒检测的价格压低。

而美国目前尚在疫情的早期,不管是物资还是流程等都不完善,因此才会曝出3270美元的天价。

但撇开以上不谈,在美国看病的成本还是比中国贵很多,以普通流感检测为例。

以下数据来自美国CDC官网,更新时间是2020年2月。

一次普通的流感门诊,如果没有保险的话,大概是红框里边的价格,汇总是235美金,折合人民币大概1645元

国内的话AB型流感检测大概在100-200元之间,取150中间值,再算上15元挂号费,一共165元,是美国的1/10

如果看急诊的话,国内费用估计仅是美国的1/100

关于美国和中国的医保制度就不提了,仅从以上可以看出美国的医疗服务真的很贵。

美国医疗服务的昂贵,一部分源自药企的高利润,另一部分则因为美国医务人员的高收入

医生可以说是美国收入最高的职业,根据美国Medscape医师薪酬报告显示,2019年美国医生的平均年收入达到31.3万美元,折合人民币220万左右。

其中收入最高的是骨科医生,年收入48万美金,折合人民币336万

而根据医学界发布的2018中国医生薪酬报告数据,全国医生平均税前年收入是11.7万元,仅是美国的1/19

而最高收入的神经科医生,平均年收入也仅16.94万元,是美国骨科医生的1/20

医生的高收入意味着看病的高成本。

不仅收入远远不如,中国医生还比美国医生苦逼得多!

丁香园2017年出过一版《中美医生PK》的报告,截取部分数据如下:

中国医生每周工作时长54小时,美国医生仅39小时,中国是美国的1.4倍

中国医生每周接诊155个患者,美国医生仅46个,中国是美国的3.4倍

中国医生每年休假时间少于1周,美国医生每年休假大于2周

但即便中国医生这么能打,其数量还是远远不够,根据权威医学期刊《柳叶刀》2018年的一篇研究报告,中国每千人拥有的医生数量在全球197个国家中排行第90位,仅1.79人。

而美国排行56位,有2.59人,美国是中国的1.5倍

美国医生人多,事少,待遇还这么好,原因在哪呢?

答案是美国 超级高的医生准入门槛,先抛个数据

解释一下这个图,左边是职业,右边的条形图是智力范围,从70到130+。

可以看到医学博士的智力范围在105到130+,在所有职业中是智力最高且波动最小的。

是何等变态的准入制度才会筛选出这样一帮人?

引用知乎一个匿名用户的答案来回答这个问题,

美国想当医生是十分困难的。高中就要定下目标,成绩要好,要进入好大学,要选好专业,四年GPA要高(不是3.5那种高,是3.9那种高),要有各种实验和课外经历,要有好推荐信,要考MCAT(是医学版的“GRE”,美国公认最难的标准考试,比LSAT还要难很多,说GMAT的可以洗洗睡了)……

要go through录取率普遍只有1%的医学院们。每人通常申请25到30所医学院,但是每年总有超过半数的人没有被任何一所录取。嗯,为什么医学院录取要搞得这么困难呢?因为医学院太难读下来了。所以筛选的时候,医学院要选出最聪明、最肯读书、最tough的人,所以他们在面对巨大的学习压力的时候,they are stronger enough go through it。

看了让人虎躯一颤,除了极低的录取率,还有极长的培训周期

时间上,大学4年+医学院4年+住院医3~5年+fellowship0~6年,最少也要十多年。这十年里,除了大学稍微轻松一点,剩下的时间全部都在巨大的压力里面度过。

以及极高的学费,这里引用另一答主Kayeetong的回答:

每年$61,436美元的学费,出席费用每年$90212-94402美元。 

学费高是因为我们使用最先进的技术,医学教学模拟器,小班PBL授课,并与最好的学术教师一起工作(大部分部门主管来自HYPS)总共需要4年大学 (出席费用每年可$77,500) + 4年医学博士(出席费用每年可$90212-94402美元)+3-10年的低薪培训(residency & fellowships)。

按照他的数据,8年所需的费用大概是 77500*4 + 90212*4= 67万美金,折合人民币 469万

通过以上数据,也就不难看出为什么美国医生人多,事少,待遇还这么好了。

也正是因为如此,美国的医疗体系更倾向于为富人服务,很多美国的普通人生了病都不敢去医院,怕收到天价账单。

而我们的医疗体系更像是为穷人服务,致力于让大多数人看得起病,因此它的价格一定不能高,虽然由此也产生了医务人员素质参差不齐、医患关系紧张、医务人员压力过大等问题。

最后引用一下知乎答主Gavin Huang的一句话:

医疗体系没有对不对,只有博弈到达的局部稳定点

-END-

猜你喜欢

真人出镜,微信视频号第一期视频来了!<<戳这里

机器人是如何群居生活的?<<戳这里

带你深入浅出学STM32。<<戳这里

 最 后  

 

若觉得文章不错,转发分享,也是我们继续更新的动力。

5T资源大放送!包括但不限于:C/C++,Linux,Python,Java,PHP,人工智能,PCB、FPGA、DSP、labview、单片机、等等

在公众号内回复「更多资源」,即可免费获取,期待你的关注~

长按识别图中二维码关注

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值