在线医疗社区是指利用信息技术手段,将包括患者、医生和医院在内的医疗生态系统以社区网络的形式表现出来,为患者和医生提供以医疗信息为核心的交流平台,提供寻医、评医、挂号、健康咨询等服务。在线医疗社区近些年在国内外均有快速发展,国内有好大夫在线、春雨掌上医生、丁香园等网络平台,国外有patientlikeme(和我一样的患者),ZocDoc(在线医生预约平台)等[1][2]。本文通过实证分析国内最大的医患互动交流平台好大夫在线,对在线医疗社区上的医、患特征及互动行为进行研究,为在线医疗社区及互联网医疗服务的发展提供政策建议。
1 资料与方法 1.1 研究对象我国现有在线医疗服务平台按照交流模式可以分为患者交流平台(如病友网)、医生交流平台(如丁香园)和医患交流平台(如好大夫、春雨医生等)三类,医患交流平台是其中的主流模式。考虑到运行时间和覆盖人群,本文选择好大夫在线(http://www.haodf.com)作为实证研究的数据源。好大夫在线2006年创建,目前已有10年的历史,具备丰富的数据和较为成熟的运行模式。同时,好大夫在线是我国最大的医患交流平台之一,已收录全国3 192家医院、8万多个科室、27万多名医生,活跃度高,能够较有代表性的反映目前在线医疗社区的发展现状及特征。
1.2 研究方法好大夫在线上的医生根据参与度的不同,可以分为两类:一类是在在线医疗社区平台上主动开通个人主页提供专业咨询服务的医生;第二类是由开放运营商收录信息,但个人未主动开通服务的医生。
数据采集方法使用Java语言自行设计网络爬虫程序获得,于2016年3月从好大夫在线网站抓取北京市166家医院12 497位开通个人网页医生信息,并对网页文本信息进行提取,将清洗处理后的数据存入数据库,供实证分析使用。数据录入和分析通过STATA12.0完成。
线下北京市医疗机构及卫生技术人员统计数据来源为《2014年北京市卫生事业发展统计公报》和《2014年北京市卫生计生工作统计资料汇编》。
2 结果 2.1 线上线下医疗机构及医生分布情况通过对好大夫在线网站上北京市提供在线医疗服务的医院来看,主体是公立医院,民营医院占比不足10%,三级医院占线上开通医院总数的一半以上。这与线下北京市医疗机构的分布有很大不同,线下医疗机构由于政府的投入,考虑到居民接受医疗服务的可及性,超过50%的医疗机构为一级医院。从医生分布来看,线上三级医院医生占总医生数的90%以上,线下三级医院的医生也超过65%,显示出无论线上还是线下,患者的需求均集中在三级医院的优质医疗资源上。
从线上开通医院和线下北京市医院的类别分布来看,线上线下基本吻合,超过半数为综合医院,其次为专科医院、中医院或中西医结合医院。在医院类型上,虽然线上以公立医院为主(90.36%),线下以民营医院为主(60.86%),但就医生比例来看,线上线下均显示公立医院为医生主要来源。
好大夫在线于2006年创建,随着网络技术和设备的日渐普及,以及人们接受度和认可度的提升,开通个人主页医生的数量逐年增加。2008年网站刚建立初期开通数量较多,之后在2010年至2014年间增长放缓,速度较为平稳,2015年达到最高值(图 1),这可能与公司融资情况及国家互联网医疗政策有关。在网站收录的北京市166家医院共28 619名在线医生中,有12 497位医生开通了个人主页,开通的比例为43.67%。
开通在线个人主页医生中,副高级以上职称比例较高(表 2)。这反映患者到在线医疗社区上寻医导诊更关注那些专家级的医生。其中副高级职称医生较正高级职称医生比例更多,因为副高级职称医生年龄上更年轻,接受新技术更容易、更快速;此外副高级职称医生一般处于事业的上升期,更加关注自身的声誉和社会知名度提升。而高级职称医生已经有一定的知名度,除了诊疗工作,一般还有教研、行政等工作,没有动力也没有时间上网维护个人主页并在网站上与患者频繁互动。
将线上开通个人主页医生的职称分布与线下《2014年北京市卫生计生工作统计资料汇编》中统计的卫生技术人员(数据统计范围不包括村卫生室和在京部队医院)职称分布情况进行比较发现,线上线下的医生职称分布趋势差距较大(图 2)。线上医生的职称分布近似于正态分布,即中级、副高级职称医生多,初级、高级职称医生少。而线下医生的职称分布是直线下降趋势,即初级或无职称医生多,医生数量随着职称的升高比例下降。
开通个人主页的医生中,有超过三分之一的医生保持活跃状态,在一周之内曾在网上发帖或回答患者问题。有超过一半的医生三个月以内上过线,本文认为这部分医生为较活跃医生。但也有32%的医生超过一年没有更新和维护过个人主页,开通个人主页后不再进行维护,这部分医生为不活跃医生。
患者咨询数量也是反映医生活跃度的一个重要指标。数据显示在过去的两周内,有2 701位医生接受90 958次咨询。医生人数占开通个人主页医生总数的25.9%,平均每个人接受33次咨询,即每天2~3次患者咨询。
2.4 患者访问量分析好大夫在线自创建至今累计有36.4亿访问量,平均每位医生访问量为34.9万个,其中,前100位医生占了总访问量的27.72%,前1 000位医生访问量占总访问量的76.12%。由此可见,虽然平台注册医生数量较大,但患者关注的仍是少数专家级医生,这与线下的就诊趋势一致。按照科室分类来看,眼科、神经外科、矫形、妇科、皮肤科的患者访问量最大。
2.5 患者满意度情况部分患者在线上咨询医生后,转到线下医疗机构进行就诊,然后在线上对医生诊疗服务进行评价,或是在康复阶段与医生保持咨询关系。该现象在在线医疗社区上被称为诊后报到患者。好大夫在线上的诊后报到率较低,为2.14%。
在线医疗社区上,患者为了表示对医生的感谢,会通过赠送虚拟礼物、鲜花或感谢信的方式表达,数据结果显示,只有4.17%的患者会给医生赠送虚拟礼物。但即使是这样,仍有40%的医生曾与诊后报到患者就病情进行过交流,50%以上的医生接受过患者赠送的虚拟礼物。
在线医疗社区上患者会给医生的服务质量进行评价。评价指标分成治疗效果和服务态度两个方面,从数据分析结果来看,超过50%的线上医生被患者评价,38%的医生得分为100分,两个指标的评价结果均较高,平均分均为99分(100分满分)。去除极值后,患者对医生的治疗效果评价最高分为99分,最低为21分;患者对医生服务态度的评价最高分为99分,最低分为23分。图 4显示,患者满意度评价在95分以上的医生占开通在线个人主页医生总数的12%以上。
在线医疗社区等互联网医疗技术的应用与发展促进了传统就医模式的转变,互联网打破了地域界限,可以为偏远地区患者提供医疗服务,又可以提高大城市医疗服务的配置效率,还可以帮助医生将应用扩展到预防、诊断和治疗在内的医疗服务各个环节,推动医疗服务水平的提高和服务流程的改善,将对就医模式发生深远的影响。在线医疗服务平台的发展将传统的医生与患者面对面进行诊疗的医疗服务模式,转变为线上与线下相结合的医疗服务新模式,打破了原有就医模式下以医院为主体的就医格局,构建出以在线医疗社区、个人、医生三位一体的就医新格局。
3.2 在线医疗社区用户量已具备一定规模,但活跃度有待提高随着互联网的应用,以好大夫在线为典型应用的在线医疗社区,被越来越多的患者和用户所接受。2014年9月,中国青年报的调查显示,67.1%的受访者表示感到身体不适时会先上网搜索病症[3]。虽然好大夫在线目前在北京有166家医院的超过1.2万名医生开通个人主页,但在这些医生中只有三分之一的医生能够保持信息的及时更新和与患者的频繁交互。平台上还有三分之一的医生只是依托平台开通了个人主页,但自身并没有意愿去进行维护,也没有开展有效的医患互动活动。因此,在线医疗社区的实际医疗资源大大折扣。保持高人气是互联网平台的核心竞争力,平台运营商已经采用了各种营销手段来提高平台的活跃度,但医生和患者对新技术的认可和接受程度也是影响其深入应用的重要因素。
3.3 在线医疗社区上的数据有效性是影响其深度利用的关键点通过对在线医疗社区上的数据分析结果可见,从治疗效果和服务态度两个维度衡量的线上患者满意度评价得分较高,而诊疗效果和服务态度这两个指标的分布趋势也十分接近,这一结果与患者的线下满意度评价及一般的网上评价结果有所不同。一方面,从线下患者对医院的满意度打分结果比较来看,好大夫在线给出的患者满意度分数偏高。北京市医院管理局2014年以“医务人员态度”、“医生诊疗水平”和“沟通交流顺利”等为主要指标对患者满意度的评价调查结果显示,22家市属医院的患者综合满意度平均分只有84.78分。另一方面,就一般商品而言,如书籍、DVD、电影等的线上评价的打分特点来看,往往是对产品或服务特别满意或者特别不满意时,用户更有意愿进行打分,而如果对服务本身没有特别好或特别差的感受时,用户一般不愿打分,或者会随意打分,因此,线上患者满意度的评价应趋近于平均值,或略高于平均值[4-5],而目前好大夫在线网站满意度的评价分数不符合该分布趋势。这一现象导致研究者对在线医疗社区上数据有效性产生顾虑,在线医疗社区上的数据能否反映患者的实际需求和对医生的真实评价,是其能否在构建分级诊疗体系及配合医改中发挥重要补充作用的关键。
3.4 在线医疗社区对医生或医院创新性存在筛选作用在线医疗社区经过一段时间运行后,可以将有积极性参与互联网医疗的医务人员或医院进行筛选。数据显示,有三分之一的医生开通个人主页后不再进行维护,这部分医生因为个人因素不善于或不愿意通过互联网提供医疗服务。[6]还有三分之一的医生能够经常在网上发帖和答复患者,这类医生可以通过平台筛选出来。相对而言,这类医生更容易接受新技术,并善于使用新技术,这类医生较为集中的医院可以在发展“互联网+医疗”相应创新改革试点时优先考虑,以期达到更好的效果。
[1] | 李洪磊, 王强. 我国互联网医疗服务发展现状及对策研究[J]. 中国管理信息化 , 2015, 9 (18) : 54–55. |
[2] | 李颖, 孙长学. 互联网+医疗的创新发展[J]. 宏观经济管理 , 2016 (3) : 33–35. |
[3] | 中国青年报社会调查中心.搜索自诊活跃网上医疗信息混乱.[EB/OL].(2014-09-23). http://zqb.cyol.com/html/2014-09/23/nw.D110000zgqnb_20140923_3-07.htm |
[4] | Nan Hu, Noi Sian Koh, Reddy S.K. ,Rating lead you to the product, reviews help you clinch it? The mediating role of online review sentiments on product sales[J]. Decision Support Systems , 2014, 4 (57) : 42–53. |
[5] | Gordon Gao, Brad N.G., Ritu Agarwal, Jeffrey S.M. Vocal minority and silent majority:How do online ratings reflect population perceptions of quality[J]. MIS Quarterly , 2015, 39 (3) : 565–589. |
[6] | 王安其, 郑雪倩. 我国互联网医疗运行现状——基于3家医院的调查分析[J]. 中国卫生政策研究 , 2016, 9 (1) : 69–73. |
(编辑 薛 云)