国家卫健委发布的《2021年我国卫生健康事业发展统计公报》显示，公立医院承担了84.2%的诊疗服务，其中三级医院承担了60%。互联网医院作为实体医院的补充^[1]，有助于分流门诊用户，节省就医时间，提升就医体验。但是，互联网医院在快速增长的同时仍存在一些问题^[2]，主要包括：发展方向不明确^[3]，服务过度竞争；互联网医院间同质化严重^[4]，服务内容缺乏特色^[5-6]；政策监管不足^[7]，互联网医院平台医疗安全保障措施的不完善限制了用户增长^[8]。这些问题导致现阶段互联网医院服务的利用率较低，诊疗压力分流作用不明显。

为提升互联网医院的服务利用率，过往研究指出成熟的互联网医院需要完善复诊服务，对实体医院医疗服务提供差异化补充。^[9]也有研究显示，不同年龄和偏好的用户使用互联网医院的频率不同。^[10-14]本研究针对以往研究中定性分析较多、缺乏深入的数据分析^[15-16]的问题, 采用Andersen模型和模糊集定性比较分析(Fuzzy-Set Qualitative Comparative Analysis，fsQCA), 通过对不同年龄、就医偏好和疾病种类用户群体的分析，形成六种条件组合路径，探索不同用户群体对互联网医院服务需求的差异，以找出影响互联网医院服务利用率的关键因素, 并为后续政策完善提供依据。

1 研究框架与方法 1.1 基于Andersen模型的研究框架

Andersen模型，也称为Andersen卫生服务利用模型，常被用于分析个体对医疗服务的使用行为，以及这些行为如何受到主要因素的影响^[17]，能较好地解释和预测个体对卫生服务的使用^[18]。该模型将个体行为影响因素分为倾向性因素、能力资源和需求因素，倾向性因素依次通过能力资源和需求性因素，最后影响卫生服务利用。由于本研究主要考察互联网医院如何针对不同特征的服务需求提升其服务利用率，分析主题并非针对用户个体，因此该模型中的倾向性因素保留，用于体现用户自身的、不与卫生服务需求直接相关的因素，如年龄；能力资源调整为使能因素，以体现非用户本身的因素，即互联网医院所提供的服务特征，需求因素保留，主要体现用户的疾病特征因素(图 1)。

1.2 模糊集定性比较分析(fsQCA)

在Andersen模型研究框架的基础上，本研究使用fsQCA来探究不同路径对互联网医院服务利用率的影响。传统计量模型中存在自变量相互独立、单向线性关系和因果对称性的三大设定^[19]，而模糊集定性比较分析可以研究用户群体特征和互联网医院服务需求之间的非线性、不对称的关系：基于集合论可以发掘存在于多个因素之间的复杂的非线性关系^[20]，即单个用户因素对提高互联网医院服务利用率而言是非充分但必要条件，而包括用户特征、服务特征、病种特征等多个因素组成的条件组合路径对该结果却是非必要但充分条件。同时，该方法可以分析不对称的因果关系^[21]，即互联网医院服务利用率的高低可能需要不同的用户群体需求来解释，影响实际服务利用率的用户需求未必相同，不仅是单一用户要素在水平高低上的差异，而是多个用户群体在其条件组合下因为差异化需求共同产生的影响。该方法在本研究中，在结果变量和部分条件变量存在隶属、不对称的情况下，通过诠释用户非单一的、多个条件间的依赖关系行程的组合效应，提高了互联网医院服务需求多样性分析的准确性，更加整体地归纳了能够提高互联网医院服务利用率的条件组合路径。

1.3 数据来源

本研究通过用户调研问卷的方式进行基础数据采集，该问卷以花培严等^[22]构建的互联网医院综合评价体系(表 1)为核心，该体系涵盖四个一级指标，其中“医疗水平”“服务质量”“内部管理”为内部指标，涵盖14个二级指标；“用户满意度”为外部指标，涵盖5个二级指标。在该研究中，研究者通过TOPSIS分析法对体系指标进行分析，其结果与当年行业报告及市场调研报告相一致。^[22]

外部指标方面，问卷以内部14项二级指标作为调查目标，以5项满意度二级指标作为输出目的设计，向线上及线下用户进行了两个阶段的问卷调查。调研问卷通过腾讯电子问卷渠道发放，在进行数据清理后，收到实际有效问卷1 134份，原始数据信度0.68，问卷效度(KMO)为0.734(介于0.7~0.8之间，效度较好；Bartlett球形检验P<0.01)。

内部指标方面，本研究共向41名平均从业12年的互联网医院相关专家、主任医师及高级管理人员发放问卷：专家首先为各指标重要性进行排序打分，研究者通过判断矩阵计算权重后，将权重结果发回给参与打分的专家，研究者结合专家权重意见再次进行纠偏调整，确定最终权重；在此基础上，区分“实体主导”以及“独立设置”的互联网医院，由专家分别对医疗水平、服务质量和内部管理进行打分。

为保证样本的有效性，本研究将一级指标与Andersen模型进行对应：以医疗水平对应需求性因素；以服务质量对应使能因素；以用户满意度对应倾向性因素。对回收问卷中具备互联网医院使用能力的用户样本进行筛选，剔除对互联网医院不了解、问卷作答时间不合理的样本后，得到有效样本366个，作为本研究案例集。

1.4 变量测量及校准 1.4.1 结果变量测度

互联网医院的服务利用率：本研究以用户使用频率作为互联网医院服务利用率的测度。目前我国互联网医疗服务形成了诊前、诊中、诊后的服务闭环^[23]，用户在预诊、问诊、复诊三个诊疗阶段中对互联网医院的使用频率，可以体现各个就诊阶段中互联网医院的利用率和依赖程度。本研究为量化各个诊疗阶段所涉及就诊服务类型，将包括预诊、复诊、问诊三个阶段的就诊服务内容分为三类进行基础赋分(表 2)，各个阶段所涉及的服务类型越多，分数叠加越高，形成最高赋值为3分的各就诊阶段服务类型得分表(表 3)。

1.4.2 条件变量测度

倾向性因素，主要是用户年龄，这是代表用户特征的最重要条件变量，不仅影响用户对不同类型疾病的就医需求，还决定了其对互联网医院的使用、信任程度。^[12]为明确各年龄层群体的使用偏好，本研究按年龄分布，将目标用户划分为人数相近的四组进行分析。

需求因素，主要是疾病类型。本研究以是否在互联网医院看过相关类型疾病作为条件变量。基于问卷结果，将涉及疾病按类型和数量分为三组：疾病群组一主要为病情不严重的日常疾病(部分轻度外伤、感冒低烧等)；疾病群组二主要为隐私类疾病(皮肤、心理疾病)；疾病群组三主要为慢性病(高血压、高血糖、高血脂等)，为平衡三个疾病群组中的诊疗就诊人次总量，本研究将常见慢性病归至慢性病一类，即群组三。

使能因素，主要包括就医偏好。用户的就医偏好直接决定其对互联网医院的选择，参照国内外学者对互联网医院就医偏好的既有研究^[9-14]，本研究将互联网医院就医偏好分为服务的专业性、经济性、便捷性和指导性四个部分。由用户根据李克特五点量表打分得出服务专业性和便捷性的得分，通过用户对互联网医院诊疗费用相对于线下医疗费用的最高接受程度进行服务的经济性赋值，由用户进行二分选择测度得出服务的指导性赋值。各变量的来源与计算方式如表 4所示。

1.4.3 变量校准

本研究使用直接校准法和间接校准法对Andersen模型所形成的指标进行校准(表 5): (1)使用频率：采用直接校准法，大于95%为完全隶属，低于5%为完全不隶属，交叉点为50%；(2)使能因素: 专业性、便捷性、经济性采用直接校准法，将95%、50%、5%作为三个阈值进行校准, 指导性经二分法赋值后无需校准；(3)倾向性因素: 将调查对象根据年龄分布均分为四个年龄层，采用间接校准法赋值0、0.33、0.67、1进行校准；(4)需求因素：根据用户选择“是否因为在互联网医院上看过(隐私类、慢性病、常见病)类型疾病”，进行二分法赋值，选择“是”赋值为1，选择“否”则赋值为0，赋值后无需校准。

2 结果 2.1 单变量必要性分析

本研究首先检验了单个条件是否为提高互联网医院服务利用率的必要条件。通过fsQCA3.0软件的分析，形成必要性检验结果(表 6)。结果显示，所有单个条件的一致性均低于0.9，说明单一用户特征不是提高互联网医院服务利用率的必要条件，需要进一步检验促进用户使用互联网医院服务的条件组合。

2.2 条件组态的充分性分析

组态分析可以探究多个条件变量构成的不同条件组合对结果变量变动的影响。本研究将一致性阈值设置为0.8^[24]，本研究条件变量共有8个，在样本量较大的情况下，参考Greckhamer T^[25]对大样本比较分析方法的建议，选取能够覆盖80%组态的频数阈值3。

表 7为fsQCA3.0对8个条件变量构成的路径对结果变量的组态分析结果。通常情况下，3种类型的解所包括的条件组合数目排序是：复杂解>中间解>简单解，但复杂解条件组合较多，简单解条件组合过于简单，中间解由于结论客观性较强，受到多数研究者的认可。^[24]本研究参照现有研究，采用对“逻辑余项”接受的原则较为客观的中间解对条件组态进行分析。核心条件是在中间解和简单解中同时出现的条件，对结果变化起关键作用，辅助条件对结果变化存在辅助影响。

从上表中可以看出，分析形成的总体解与单一解的一致性均高于0.75，其中总体解的一致性为0.85，符合组态充分性判断标准。由于样本数量较大，分析显示覆盖度较低，但根据相关文献，例如Mellewigt T等^[26]在样本量为137时总体覆盖度仅为0.21，其他研究也表明对于大样本定性比较分析研究，总体解的覆盖度通常只有0.1左右^[27-28]，这表明本研究覆盖度仍处于合理范围内。因此，分析中呈现的六种组态可以视为提高互联网医院服务利用率的六个条件组合路径：

路径1以“低年龄组”和“专业性”为核心条件。低年龄组群体更易于接受新鲜事物，在面临专家号“一号难求”的情形下，更倾向于通过互联网医院接受线上执业医生的医疗咨询服务。

路径2以“高年龄组”“专业性”和“指导性”为核心条件。尽管高年龄组群体也希望在互联网医院寻求专业性建议，但此组别对互联网医疗服务提供有更高要求，认为专业性和指导性缺一不可。

路径3以“经济性”和“专业性”为核心条件，同时将“便捷性”作为辅助条件，年龄不再作为核心条件存在。代表各年龄组群体对互联网医院所提供的高性价比、高专业性的医疗服务青睐有加。

路径4以“低年龄组”“疾病群组一”“经济性”“专业性”“便捷性”和“指导性”为核心条件。当患有疾病群组一内病种时，低年龄组群体希望在互联网医院能够享受到经济、专业、便捷、有指导性的问诊服务。

路径5以“高年龄组”“疾病群组一”“便捷性”和“指导性”为核心条件。高年龄组群体侧重于互联网医院问诊服务的便捷性和指导性，由于有较好的财富积累，对经济性的敏感程度较低年龄组的用户稍弱。

路径6以“高年龄组”“疾病群组三”和“指导性”为核心条件，同时将“疾病群组二”“疾病群组一”和“专业性”作为辅助条件。这说明患有高血压、高血糖等慢性病的高年龄组群体更看重用药建议和医疗咨询等专业化复诊服务。

2.3 稳健性检验

参照Schneider C Q和Wagemann C^[29]的稳健性检验标准，本研究在调整一致性水平和改变校准方法后，比较调整前后不同组态的集合关系状态变化和拟合参数差异：(1)调整一致性水平。将一致性水平从0.85降至0.8，组态的核心条件没有发生改变，说明一致性阈值的调整未对研究结论产生实质性改变；(2)改变校准方法。为排除各条件校准标准的不同，本研究在不改变频数和一致性阈值的基础上，将校准标准由5%、95%更改为10%、90%。调整后，总体解的覆盖度发生细微变化，形成的组态条件与调整前基本相同，结果依旧稳健。

3 讨论及建议 3.1 从用户群体实际需求出发，实现互联网医院纵深专业化发展

本研究将六条路径划分至预诊模式、问诊模式和复诊模式三个互联网诊疗服务的不同阶段：路径1、2、3的用户群体没有确认的疾病种类，对应预诊模式；路径4、5的用户群集中于疾病群组一，即日常疾病，对应问诊模式；路径6的用户群集中于疾病群组三，即慢性病，对应复诊模式。在三种模式下，用户群体特征存在显著差异：路径1体现出互联网医院主要为年轻用户提供咨询服务，而非处方意见；路径2可见高年龄组用户在预诊环节既需要医疗咨询服务，也需要线上执业医师给予相应的用药建议，辅助病情判断。路径1、2、3中，疾病群组均不作为核心条件存在，可以看出在预诊环节，用户对于疾病类型没有明确的预判，“专业性”在这个阶段发挥了核心作用，表示该阶段用户的需求侧重于互联网医院服务的专业性，希望享受与实体医院同等的专业化医疗服务。区别于低年龄组人群，高年龄组人群对预诊阶段服务的要求更高，除简单的症状咨询外，还希望在线上平台得到相应的用药建议。路径4、5中疾病群组一作为核心条件存在，主要体现这两个用户群体对常见病的诊疗需求。可以看出在问诊阶段，用户尤其是对于追求就医体验的群体，需要互联网医院提供全过程、体验式的医疗服务，以满足其差异化的就医偏好。路径6主要体现了慢性病群体对互联网医院健康监测和定期复查服务的需求, 其中“指导性”发挥了核心作用。由于实体医院的单次就诊时长受限，较难提供长时间的慢病复诊服务，而互联网医院的复诊咨询、开药、视频接诊等“一站式服务”的便捷性弥补了这一缺陷。

面对多个条件组合形成的用户群体提出的差异化需求，互联网医院需要提高专业化水准：在预诊阶段运用自己的专业性基础充分地发挥分流作用，促进优质医疗资源跨区域流通，缓解实体医院的拥挤现象，提升整体医疗效率；在问诊阶段立足用户体验，打通全流程的线上问诊服务；在复诊阶段针对中老年人群的慢性病问题提供更加精细化的服务，加强复诊服务的指导性，在互联网诊疗平台提供更专业、全面的用药指导，在大幅节约用户诊疗时间的同时，改善慢性病治疗效果，提高医疗服务利用率。

3.2 不断优化互联网医疗的服务流程和服务模式

本研究发现，虽然各用户群体和路径组合需求不同，但对医疗服务环节延伸的需求日益增长：在预诊环节用户需要诊疗服务能覆盖多病种的场景，在问诊环节用户需要更精细化的诊疗服务支持，而在复诊环节用户看重疾病治疗效果。受固有模式、消费习惯和资本逐利等因素影响，多数现有的互联网医院更像是一个垂直领域的健康产品销售平台，没能起到协助分级诊疗、优化医疗资源分配的作用。其核心原因还在于医疗资源分布的倒三角结构和居民医疗需求的正三角结构不符。即用户大部分需求堆积于路径1至路径5所代表的预诊和基础疾病问诊阶段，而医疗资源分布则主要集中于针对疑难杂症的三级医疗机构。

因此，互联网医院服务利用率的提高，需要不断优化互联网医疗的服务流程和服务模式：一是要建立针对医务人员学习的知识库，通过信息平台为基层问诊提供诊断支持，不断提高基层预诊环节的专业性和广泛性；二是要建立互联网医院中各服务提供方的协同体系，打破“数据壁垒”，实现医院之间、线上线下的数据互通，为用户提供“一体化、全流程”服务；三是建立合理的支付体系，通过支付体系改革提高医院与医生参与互联网医疗的积极性，改善互联网医疗服务质量。

3.3 基于多样化组合路径完善互联网医疗监管体系

一是要建立统一的规范标准，“专业性”和“指导性”在互联网医疗服务中发挥着重要作用，因此应完善互联网+医疗服务相关的各项操作及管理规范，为医疗专业性的发挥提供更坚实的保障；二是要完善多方监管框架，“经济性”和“便捷性”促进了互联网医疗服务的开展，而经济和便捷来源于管理方、信息处理方、平台方、服务供应方、支付渠道方等多方的支持，因此，建议进一步完善线上线下、覆盖全流程的多方监管框架，更好地保障互联网医疗发展的多方协同；三是要明确安全监管责任。本文梳理出六种影响互联网医疗的条件组合路径，在互联网医疗服务日渐分化的趋势下，更需要明确责任的归属以保障诊疗服务流程的安全。完善第三方服务机构、医务人员的资质认证规则，提升数字化、智能化实时监管技术，落实互联网诊疗链条上的责任归属。

作者声明本文无实际或潜在的利益冲突。