基于PMC指数模型的远程医疗政策评价

翟运开 郭柳妍 赵栋祥,2 路 薇

(1.郑州大学管理工程学院，郑州，450001； 2.国家远程医疗中心·互联网医疗系统与应用国家工程实验室，郑州，450052)

1 引言

远程医疗作为一种新型医疗服务方式，借助远程通讯和信息技术进行交互式信息传递和远距离医疗卫生服务，克服了时间与空间的限制，既提高了工作效率，有效节约了医疗资源和成本[1]，也对社会经济发展起到了一定的促进作用[2]。近年来远程医疗以其较高的可及性、成本效益和高质量优势逐渐普及全球，医疗服务工作者和患者无论身处何处，都能借助远程医疗平台进行直接、快捷地交流[3]。特别是在2019新型冠状病毒(COVID-19)大流行期间，世界各地的就医方式发生改变，带来对虚拟医疗就诊的独特而突然的需求，导致远程医疗在几乎所有医疗专业都出现了前所未有的扩张，远程医疗成为病人护理的一种新选择，各国卫生主管部门也为满足抗疫需求，保护病人和医务人员不受感染，重新分配医疗资源，创新服务方式[4]。

远程医疗政策是国家为促进远程医疗发展而制定的战略规划、法律法规等一系列规范措施，是了解和把握政府对当下及未来远程医疗发展意见的重要依据，是推动远程医疗发展的重要因素之一。一方面，目前我国各地区远程医疗发展形态各异，无统一标准，呈区域性发展趋势[5]，且随着各类政策的不断颁布实施，政策供求错位、重点不突出、系统性不强等问题也日益凸现，多方问题亟待解决；另一方面，近年来，国家积极推进对政策的科学化和民主化研究，并对政府制定政策的科学性和准确性提出了更高要求，将相关计量方法应用于政策内容分析，有助于政府决策[6]。此外，远程医疗政策评价作为远程医疗政策废、改、立的主要依据，通过对远程医疗政策进行更为细致、深入的评价，既可以探讨不同主体发布的政策对于促进远程医疗发展所起的作用和效果差异，也可以更好地实现政策的调控作用。因此，本文对远程医疗政策文本进行收集、整理和量化评价，来识别当前政策的特点和存在的问题，以期为未来远程医疗政策的设计、改进和完善提供切实可行的依据和标准。

2 相关研究

从现有研究文献看，国内外学者对远程医疗政策的研究视角比较多样化。我国关于远程医疗政策的研究尚处于起步阶段，大体包含以下几类思路与方法：一是对远程医疗政策的发展脉络进行整体性评价研究，通过挖掘政策变迁过程中所蕴含的背景、环境和意义，探讨国内外远程医疗政策的发展与变化[7-8]；二是采用内容分析法或从政策工具视角出发，对远程医疗政策文本进行研究，对远程医疗政策属性特征进行评价[9-11]；三是运用史密斯政策执行过程模型，从政策本身、政策执行主体、目标群体及政策执行环境四个方面对远程医疗政策执行情况进行定性分析[12-14]。与国内学者相比，国外学者对于远程医疗政策的研究相对较早，主要集中在以下几个方面：一是比较重视政策的发展与演变过程，通过回顾远程医疗的政策发展变化，对远程医疗政策在卫生系统中的演变进行分析[15-16]；二是对远程医疗相关政策进行外部评估，通过电子调查数据计算政策得分，对不同的政策进行比较分析，并提出政策制定建议[17-19]；三是运用德尔菲法或者假设模型对远程医疗政策有效性的影响因素进行研究，探讨与远程医疗政策准备相关的促成因素，给出相关的对策和建议[20-22]。

基于上述分析可以看出，国内外远程医疗政策研究多关注政策现状梳理、发展趋势、政策属性、政策实施的外部效果及影响因素等，但是在研究过程中没有将远程医疗政策文本和远程医疗内容做清晰的区分，对政策内容的研究仅从浅层次的定性角度进行描述性分析，更多关注的是远程医疗内容、政策主体以及其他一些外部因素，而不是政策文本本身，此外评价的主观性过高且忽视了政策间的可比性，缺少政策文本评价方面的实证研究。政策评价是指通过采用科学的评估准则和方法，系统地衡量和判断政策干预、政策实施的有效性，全面考察、分析、判断和总结整个政策体系及过程[23]，并确定其在改善不同利益相关者的社会和经济条件方面的价值[24]。20世纪70年代以前的政策评价方法基本都是实证本位的，强调利用社会实验与数理分析方法，之后，学者们逐渐注重价值判断的规范本位方法论，较为出名的主要有Bigman[25]提出的五类评估法，Poland[26]提出的“三E”评估等。目前，国内外常用的政策评价方式或框架模型主要有层次分析法、BP神经网络评价法、模糊综合评价法、倾向得分匹配-双重差分(PSM-DID)法、灰色关联模型、动态CGE 模型、PMC(Policy Modeling Consistency)指数模型等。其中，PMC指数模型和其他量化评价模型相比，具有以下优势：①PMC指数模型是针对政策文本本身进行的研究，可以有效弥补政策文本量化研究聚焦程度不足的缺憾[27]；②PMC指数模型不仅可以对单一政策进行量化评价，而且能够对多项政策进行对比分析，并通过PMC曲面图直观地展示出各项政策的优势与不足，提出更为科学、有效的改进路径[24]；③利用PMC指数模型进行政策量化评价成本较低，且更易操作[24]。

综上，本文尝试使用PMC指数模型对多项远程医疗政策文本进行评分排序并对分值结构进行分析，进而对各项远程医疗政策提出优化意见。具体研究思路为：①对远程医疗相关政策文本进行收集与预处理，运用文本挖掘法进行高频词提取并生成共词矩阵表和关键词共现网络图，同时结合文献研究法构建远程医疗政策的PMC指数模型；②选取我国具有代表性的专项政策文本进行实证分析，绘制各项政策的PMC曲面图，分析其优化路径，并利用戴布拉图进行政策对比研究；③通过分析结果，对远程医疗政策进行整体评价并提出完善意见，以弥补现有远程医疗政策评价研究的不足，为后续政策制定与改进提供新思路。

3 远程医疗政策的PMC指数模型构建

PMC是Estrada[28]提出的政策建模研究一致性指数模型，不仅包含经济变量和非经济变量，还融合了传统文本挖掘方法与先进数学工具，能够结合政策特点构建对应的量化评价模型[27]，该模型通过构建一级、二级变量直观地反映出政策的优缺点及一致性水平，且对变量数量没有明确限制，所有的二级变量具有相同的权重，并采用二进制法平衡所有变量，进而通过PMC指数和PMC曲面图对各项政策的总体效果及优劣势进行评价。远程医疗政策的PMC指数模型分析过程包含以下六个步骤(见图1)。

3.1 政策文本收集与预处理

对相关政策文本进行收集和预处理，挖掘政策文本共性，可以为下一步准确识别变量指标提供参考和依据。为最大限度地获取相关研究样本，本文先以“远程医疗”作为关键词在“北大法宝”“北大法意网”等专业政策数据库及相关政府网站中进行全文和附件检索[29]；然后利用百度、Google 等搜索引擎进行查漏补缺[30]；最后对收集的文本进行对比整合，并将与本研究内容关联度较低的样本进行二次过滤：①失效文件不予考虑，且主要选取国家层面的法律法规、部门规章等规范性文件，通报、公报、报告、论坛通知、培训通知、名单公示、批复等不予采用[31]。②政策文件条款中所涉及的内容必须与远程医疗高度相关，而不是笼统地提及，即，如果该文件只是部分条款涉及远程医疗，只将高度符合的条款挑选出来进行归纳统计；如果该政策属于远程医疗专项文件，则全文纳入统计。

将根据上述步骤筛选出的远程医疗相关政策条款进行整理后导入ROSTCM6软件数据库进行文本挖掘。首先进行关键词词频统计，得到反映远程医疗政策的高频词汇；然后对文档做进一步处理，形成远程医疗政策共词矩阵表，并生成核心关键词共现网络。受篇幅限制，本文仅列出共现网络图(见图2)。

网络图中的每个节点代表一个关键词，节点间连线表示关键词间存在共生关系，节点大小和节点间是否存在连线反映了关键词热度以及不同关键词间的联系[32]。从图2可以看出，“远程”“医疗”和“服务”位于核心位置，与其他关键词之间连线较多，形成了较为密切的联系，说明远程医疗政策主题相对集中。此外，通过词项合并，将具有相同、相近及具有包含关系的词项进行语义总结归类，如远程诊断系统主要服务于分级诊疗业务领域、区域性医共体、医联体之间，支撑上级医生为对口的基层医疗机构提供远程心电、影像等远程诊断服务，因此可以将影像诊断、病理诊断、远程影像、远程心电、远程病理等归入远程诊断词项，根据应用试点的含义，可以将远程试点、医疗试点、政策试点、远程应用、医疗应用等归入应用试点词项。同理，可对其他一些高频词汇和共现词组进行合并，进而得到远程医疗政策的关注重点：远程诊断、远程会诊、技术规范、服务监督、卫生资源、管理机制、数据中心、系统平台、医疗安全、应用试点、体系建设等，为后续变量的设置提供一定参考。

3.2 变量识别与指标选取

变量识别和指标选取是后续政策量化评价的基础，参照Estrada等[28,33]对政策评价的研究以及相关探索[32,34-37]提出的政策评价指标，并结合上述对远程医疗政策文本的分析，建立远程医疗政策的PMC指数模型评价指标体系，主要包含10个一级变量和48个二级变量，具体变量设计见表1。

表1 远程医疗政策量化评价变量设置

3.3 建立多投入产出表

多投入产出表是一种可以存储大量数据、对单个变量采用多维度测量的数据分析框架[38]，建立多投入产出表是计算变量指标权重的基础。一级变量没有固定的排列顺序且相互独立，每个一级变量指标下的二级变量指标都同等重要，并且没有数量限制，可以根据一级变量指标内涵选择n个子变量[37]。根据上述远程医疗政策指标变量的设定，可以得出远程医疗政策文本内容分析的多投入产出表，如表2所示。

表2 多投入产出表

3.4 PMC指数计算

对PMC指数进行计算，就可以得到各项政策得分，进行政策等级划分和曲面图的绘制。根据Estrada[28]提出的PMC指数模型算法，首先根据式(1)(2)评估二级变量，二级变量取值为二进制0和1；然后根据式(3)计算每个一级变量的值，一级变量的数值为二级变量得分之和与此二级变量个数之比，该值严格限定在[0,1]之间；最后根据式(4)计算每项待评价的远程医疗政策得分，并根据表3中的评分标准划分目标政策的等级。

表3 政策评价等级表

X～N[0,1]

(1)

X={XR:[0～1]}

(2)

(3)

其中t为一级变量，j为二级变量。

(4)

上述标准参照Estrada[28]的政策评价等级划分。

3.5 绘制PMC曲面图

PMC立体曲面较PMC指数表能够更加直观地显示政策在各维度上的优劣程度，绘制PMC曲面图的最终目的就是依据可视化结果，对远程医疗政策样本的文本内容进行全方位评析。曲面图的凹陷程度体现政策样本的优劣水平，凹陷程度越小，表明政策等级越高；凹陷程度越大，表明政策等级越低。考虑到矩阵的对称性和平衡性，在绘制图形时参考前人的做法，剔除无二级变量的X10，保留剩下的九个一级变量，按照式(5)建立3×3的PMC曲面矩阵，绘制曲面图。

(5)

4 远程医疗政策评价实证分析

为了更具针对性地对我国远程医疗政策进行评价，探究政策文本的个性特点，本文通过上述构建的远程医疗政策PMC指数模型，选取具体政策文本进行评价分析。

4.1 政策样本选择

根据刘洪雷等[7]的研究，1999年之前是我国远程医疗政策发展的探索阶段，1999—2014年是远程医疗政策的规范阶段，2014年之后远程医疗政策的发展进入推进阶段。故本文以2014年为起点，对3.1中收集到的政策文本进行筛选，最终得到7篇具有代表性、意义重大的远程医疗专项政策，并根据政策文件出台的先后顺序进行编号，如表4所示。

表4 七项待评价远程医疗政策汇总表

4.2 PMC指数计算

通过ROSTCM6软件分别对各项政策进行分词处理，依据政策文本及政策文本的关键词对二级变量进行赋值，例如X1:1判断政策是否有预测性，是为1，否为0；X8:1判断政策制定的依据是否充分，是为1，否为0。根据公式(1)—(4)，得出PMC 指数值及凹陷指数值(结果保留到小数点后两位)，凹陷指数与PMC指数呈负相关，主要用来衡量政策与完美政策之间的差距，最后根据表3对政策进行排名和等级划分，结果见表5。

根据表5的PMC指数结果，可以发现：①七项远程医疗政策的PMC指数均值为7.70，政策得分由高到低依次是P5>P4>P1>P2>P3>P7>P6，按照评价标准P5为Ⅰ级完美政策，P4、P1、P2、P3、P7为Ⅱ级优秀政策，P6为Ⅲ级可接受政策，可见远程医疗政策总体设计较为合理；②从各项政策的一级变量得分均值来看，六个一级变量涵盖政策功能、政策领域、政策工具、政策评价、政策受体和政策公开，其均值得分相对较高，说明政府部门在制定相关政策时，对这些指标的各个维度考虑得较为全面，而其他4个一级变量政策性质、政策效力、激励约束、政策重点的均值较低，变量性能相对较差，特别是政策效力在一级变量指标中得分最低，包含的发展目标期限值较为单一，未能做好阶段性的发展规划。

表5 七项远程医疗政策的PMC指数

4.3 绘制PMC曲面图

为了更加直观地对各项政策进行比较并提出优化意见，本文参考王霆等[39]的做法，引入一项“虚拟完美”的远程医疗政策P8，该政策各项得分均为1。使用MATLAB R2018a绘制各项远程医疗政策的曲面图(见图3—图10)。

按照P1—P7政策评级次序，结合政策各级指标得分以及PMC曲面图，分别对各级别的远程医疗政策进行综合评价，并提出对应的优化路径。

(1)Ⅰ级完美政策

在所选远程医疗政策样本中，Ⅰ级完美政策只有一项P5。

P5得分为9.08，凹陷指数为0.92，总得分排名第一。其PMC曲面图(图7)凹陷部分较少，与虚拟完美政策(图10)相比差距最小。该政策内容在七项远程医疗政策中最为详尽，从宏观到微观相应条款都描述得较为完整，在一级指标X1—X10赋值中，八项变量指标值均为1。政策强调开展省院合作远程医疗政策试点建设，积极探索市场化的服务模式和运营机制，构建有利于远程医疗应用的整体环境，保障试点项目积极稳妥推进。文本的不足之处在于政策效力较短，因此需要改进的部分为X2政策时效部分。

(2)Ⅱ级优秀政策

远程医疗政策样本中优秀级别政策包括P4、P1、P2、P3、P7。

P4得分为8.37，凹陷指数为1.63，总得分排名第二，PMC曲面图为图6。该项政策主要为进一步规范和指导我国远程医疗体系建设而制定的《远程医疗信息系统建设技术指南》，融入了多种激励约束手段，提及多项政策重点，政策功能齐全，政策工具交互使用，政策文本条例依据充分。但是该政策受体指标得分低于均值水平，政策效力单一。如果需进行政策完善，改进意见顺序可以参照变量与均值之间的差异从大到小进行，因此改进顺序为X9→X2，此排列不是绝对的，应结合政策具体情况进行。

P1得分为8.23，凹陷指数为1.77，总得分排名第三，PMC曲面图为图3。该项政策是我国首份关于开展省院合作远程医疗政策试点工作的正式专项文件，既明确试点省区工作方案编制要点，也给出了相关的方案和科学规划。但该政策时效也较短，政策性质、政策领域和政策重点方面内容也不够充分和完整，可参考的改进顺序为X1→X2→X5→X7。

P2得分为8.19，凹陷指数为1.81，总得分排名第四，PMC曲面图为图4。该政策主要是开展面向养老机构的远程医疗政策试点工作，与政策1、5同属于应用试点类的政策文件。该政策重点还有待完善，政策领域和政策受体范围还有待扩大，政策时效性有待充实，需要进行多阶段的合理规划，因此该项政策的改进意见为X9→X2→X5→X7。

P3得分为7.28，凹陷指数为2.72，总得分排名第五，PMC曲面图为图5。这项政策是原卫生计生委发布的关于推进医疗机构远程医疗服务的意见，该意见除了存在和其他政策相同的不足部分之外，还存在政策功能不足、采取的激励措施较少、发展目标较模糊等问题。因此，若要继续对该项政策进行完善，改进意见为X8→X3→X4→X9→X1→X2→X5→X7。

P7得分为7.03，凹陷指数为2.97，总得分排名第六，PMC曲面图为图9。该项政策是关于进一步加强远程医疗网络能力建设的通知。可能因为是专门针对网络能力建设的，规划内容比较单一，除了政策评价指标高于均值，其他指标均低于或等于均值。因此根据政策得分和具体文本内容，该项政策的改进意见为X1→X6→X3→X4→X9→X2→X5→X7。

(3)Ⅲ级可接受政策

远程医疗政策样本中，Ⅲ级可接受政策也只有一项P6。

P6得分为5.74，凹陷指数为4.26，总得分排名第七。其PMC曲面图(图8)凹陷程度较大，与虚拟完美政策(图10)比偏差最大。该政策是在2019年底新冠肺炎爆发之后，为了充分发挥远程会诊在提升新冠肺炎重症、危重症患者治疗效果中的作用制定的政策。新冠肺炎疫情属于重大突发事件，疫情发展走势也不明确，因此该政策时效有限，政策激励约束手段单一，涉及领域较窄，政策工具缺位，政策重点不突出，规划也不够具体。因此，该项政策的整改意见为X6→X7→X4→X8→X5→X3→X9→X1→X2。

4.4 政策对比分析

P1、P2、P5分别为面向省院、养老机构以及宁夏、云南等五省区开展远程医疗政策试点工作的通知，对此三项同为试点通知且颁布时间相差不大的政策进行对比分析，有助于更好地总结同类型政策的优势和不足；P5和P6分别为得分最高和最低的两项政策，对这两项政策进行对比研究，可以更好地找出其差异和存在的问题并进行改进。同时在各项政策对比中加入七项政策的均值作为一个参考值，利用MATLAB R2018a绘制戴布拉图(图11和图12)进行具体分析。

由图11可以看出，变动稍大的指标有X4激励约束和X7政策重点，主要体现在与P5相比，P1和P2在这两部分的指标不够全面。但总的来说，这三项政策整体差距不是很大，都属于优秀级及以上级别的政策，单个指标得分与均值相差较小，其PMC曲面图(图3、图4、图 7)凹陷程度都相对较低，也说明国家对于试点政策的规范相对比较完善。由图12可以看出，P5除了X2和X10，其他指标得分都高于平均值，而P6除了X2和X10部分，其他指标得分均低于平均值；P5和P6显著性的不同之处在于X4激励约束、X5政策领域、X6政策工具、X7政策重点，两项政策基于不同的视角，所关注的重点不同，评级较高的P5在这几个方面都体现得比较全面具体，评级较低的P6欠缺多层次多角度的考虑。再参考P5和P6的曲面图(图7和图8)，P5图形位于三维图的上端，凹陷程度很低；而政策评级处于末位的P6，PMC图形明显在三维立体图的下方，凹陷程度较高。

5 结论与展望

5.1 结论与建议

从整体上看，远程医疗政策总体设计较为合理。七项政策中有一项政策(P5)评分等级为完美，有五项政策(P4、P1、P2、P3、P7)评分等级为优秀，有一项政策(P6)评分等级为可接受。PMC指数均值为7.70，政策整体制定水平较高，政府充分重视远程医疗服务的顶层设计，发挥了良好的指引作用，推动了远程医疗的进步与发展。

但是，现有的远程医疗政策仍有很大改善空间。存在的问题及相关对策建议如下:

(1)政策缺少科学的预测和有效的监管。七项政策中除了P5和P2，其他政策的预测性和监管性都不够完全，影响了政策的有效性和合理性。未来在政策制定过程中，应适当具体化预测性内容，对投入效果进行预测和对未达到预期效果应采取的补救或惩罚措施进行说明；还要引入相应的监管机制，呼吁多方主体参与和反馈。

(2)政策效力单一且时效较短。七项政策中P3、P4为长期，P6、P7为短期，P1、P2、P5为本年内，各项政策都未能将长期、中期、短期目标的制定较好地统一起来，在一定程度上制约了远程医疗政策前瞻性功能的发挥。因此，未来应注意多着眼于远程医疗的长远规划，在长远规划中设定多阶段的目标，加快制定专门的远程医疗政策技术路线图。

(3)政策激励约束还需进一步优化。七项政策中除了P5的激励约束内容比较全面，其他政策都需要加以完善。丰富的激励约束手段有助于远程医疗发展水平的快速提升。因此，在后续改进中，既要多采用不同的激励措施，还需加强不同层面的约束手段，并将相关条款进行细化，如对激励约束的适用对象、使用标准、目标环境等加以规定。此外，还需注意激励约束与政策功能的匹配性，根据政策的不同功能灵活选择合适的激励约束手段。

(4)政策涵盖重点需进一步提升。除了P5，其他政策的重点内容都需要补充，特别是P1、P2、P6和P7在对技术规范、服务监督、医疗安全等方面关注相对较弱。在政策的完善过程中应强化政策重点，充实政策内容，加大对医疗安全、技术操作等各方面的服务监管，使政策制定更加精准，引领远程医疗在医疗行业高质量、高速度发展。

5.2 不足与展望

本研究通过文本挖掘法构建远程医疗PMC指数模型，对我国2014—2020年七项具有代表性的专项政策文本进行具体量化评价，克服了过去远程医疗政策研究以宏观叙事式定性分析和部分抽象指标量化为主，而较少涉猎微观层面和政策系统评价的局限，为后续远程医疗政策的深入研究提供了新的视角。但受时间和水平限制，本文仍存在一些不足：一是本文只选取国家层面的远程医疗政策，未选取地方层面的相关政策，两者的侧重点不同，无法为地方层面政策完善提供良好的参考。在后续研究中，可以增加地方层面的政策样本，将国家层面与地方层面政策进行对比研究，提供更具针对性的建议。二是虽然本文使用PMC指数模型进行政策评价具有一定优势，但从政策评价方法层面来看仍稍显单一。在未来研究中，可对该模型进行优化，如和其他模型进行融合，在PMC指数计算过程中加入神经网络技术等，使研究结果分析更加普适科学，更好地服务于远程医疗政策及其他领域政策的研究。