基于多阶段信任关系传递的O2O社区医疗平台资源整合优化

□ 王墨竹 姚建明

(中国人民大学 商学院, 北京 100872)

一、引 言

随着人口老龄化和城镇化进程的加快,居民的基本健康需求迅速增长并呈现出多样化、个性化的特点。O2O社区医疗平台是近年来兴起的以服务社区患者为核心的基层医疗机构,利用互联网和大数据技术有效整合医疗领域线上和线下的多种医疗资源,向居民提供便利的、个性化的诊疗和护理服务[1]。目前,O2O社区医疗平台多数采用政府引导、多个资源方协作参与的市场化运营模式。

与传统的线下社区医疗模式相比,O2O社区医疗模式下资源整合的挑战主要在于该模式下,医疗资源的种类、来源以及医疗资源之间的协作关系更加复杂[2-3],导致患者与医疗资源构建信任关系的难度更大、过程更复杂[4]。学者们将这一现象归因于O2O就诊模式下患者对平台及各类医疗资源的服务稳定性与安全性不够满意且缺乏信任。既有研究表明[5-7],患者对医疗资源的信任将在长期和短期内直接影响患者的就诊决策,进而影响O2O医疗平台的资源整合决策。由此可见,在O2O社区医疗平台这一特殊模式下,为了保障并提高医疗服务的效率,平台需要以患者信任构建为核心,对各类医疗资源进行合理的整合与优化。

从本质来讲,任何关系的建立都不是一蹴而就的,从注重得失计算的理性决策过程转变为以关心和情感依恋发展为核心的信任是要通过双方多次的互动和接触逐渐积累和演变的[8]。患者对医疗资源的信任也是如此演变的,往往需要经过多阶段问诊、就诊等环节才能从量变到质变,最终建立双方的信任关系,这使得信任关系呈现出了多阶段特征。而且,前序阶段的信任关系会对后续阶段信任关系的建立产生不同的影响,本文将其称为信任关系的传递效应。

可以看出,信任关系构建的多阶段特征和传递效应决定了O2O社区医疗平台的资源整合问题将是一个较为复杂的多阶段资源整合问题。在资源整合优化时,平台需要在不同的就诊阶段,考虑患者感知信任的程度以及信任关系多阶段传递效应对资源整合的影响,来满足不同患者的个性化医疗需求。

当前,有关O2O社区医疗平台资源整合的研究尚处于探索阶段,多数关于在线医疗平台的研究主要集中在运作模式的探讨,如在线医疗平台服务质量对患者就医决策的影响[9-10]、患者与医疗资源的匹配方法[11-12]、医院/科室医疗资源的调度问题[13]、医疗服务价格协调机制[14]等等。关于医患信任与医疗平台资源整合的相关研究则主要集中于在线信任的构成因素分析和衡量方法探究方面,主流研究经常沿用人际信任研究中的信任定义,并使用正直、能力和仁慈等传统维度进行信任的衡量等[15-19]。但是,在O2O社区医疗平台模式下,就医问诊的场景从线下扩展到线上和线下联动,医患交互方式较传统模式有较多创新之处,社区患者的需求也呈现更加多元化、个性化的特征,仅从传统的人际关系构建入手对医患信任进行刻画是不够的。因此,本文将试图从医患匹配角度入手探寻新的信任衡量方法;此外,既有研究也尚未针对信任的多阶段传递效应进行探讨,这也是本文关注的重点问题。

本文在对O2O社区医疗模式下医患关系特征进行分析的基础上,首先对O2O社区医疗平台资源整合中的信任关系的构建及其传递效应进行了分析并探讨了其对资源整合的影响。在此基础上,从患者个性化医疗服务需求与医疗资源供给动态匹配的角度出发,提出了患者感知信任的衡量方法及信任的多阶段传递效应对资源整合权重影响的量化方法。最后,搭建了基于多阶段信任关系传递的O2O社区医疗资源整合优化模型,并设计算法求解。

二、多阶段信任关系传递对资源整合的影响

医患间信任关系可以分为医生信任和患者信任,本文主要针对患者信任展开研究,Pearson 和Raeke[20]将患者信任定义为,在缺乏监督和控制对方行为能力的条件下,信任方(患者)接受相对弱势地位的主观意愿,期望受信方(医方)能够采取有利于自己的行为。既有研究指出[21-23],医患间的信任关系能有效降低交互中的不确定性,进而使双方保证一种低风险的、稳定的关系。

在O2O社区医疗模式下,医疗资源的种类和数量明显增多,患者的选择余地更大,更愿意挑选自己信任的、能够满足个性化需求的医疗资源。换言之,患者信任实际上反映了患者对医疗资源的依赖程度和满意程度。患者与医疗资源在不同交互环节建立的信任关系会对其与该医疗资源交互的长期意愿产生重要影响,进而影响平台资源整合决策。

例如,假设某患者希望在O2O社区医疗平台进行术后康复训练,就诊过程可分为问诊、体检、治疗、护理四个阶段。如图1所示,在问诊阶段,某医疗资源能较好地满足患者的个性化服务要求,患者会对该医疗资源建立起初步的信任(患者的信任程度在图中由阴影面积表示)。在后续多个阶段,该医疗资源也能一直维持较高的服务水平来满足患者的要求,患者将会与其建立更加高级的信任关系。有该信任关系的支撑,在今后的就诊中,患者会更偏向于选择该资源。反之,如图2所示,假设患者同样在问诊阶段对某医疗资源建立起了初步的信任,但是后续多个阶段,该医疗资源都无法较好地满足患者的个性化服务要求,因此患者对该医疗资源的信任程度将逐渐下降,甚至产生反感。在这样的信任关系下,今后就诊中患者可能不会继续选择该资源。

图1 患者与医疗资源信任建立过程 (情况1)

图2 患者与医疗资源信任建立过程 (情况2)

由此可见,患者与医疗资源在不同交互环节建立的信任关系会对其后续某个或多个阶段的资源选择产生影响。高质量的医患交互能够显著提升患者对医疗资源的信任程度,在后续诊疗阶段中会对该资源表现出明显的倾向性;而低质量的医患互动则会使患者对资源产生反感,在后续诊疗中很可能不会再选择。对于O2O社区医疗平台而言,为了保障服务效率,减少患者流失,需要在考虑不同阶段患者信任和信任传递特征的基础上进行资源整合,选择最优医疗资源来提供服务。

三、多阶段信任关系传递的量化研究

(一)信任关系衡量方法研究

为了将上述讨论的医患间信任关系传递效应引入资源整合优化模型和算法,首先需要对信任关系进行量化分析。既有的患者信任测量方法大致分为两类:基于心理结构的患者信任测量[24-25]和基于医方特征的患者信任测量[26-29]。从测量维度上看,基于医方特征的患者信任量表中出现频次最高的维度主要有技术能力、忠诚性、信息保密、关怀等。这些维度的频繁出现表明患者信任很大程度上取决于医疗服务方的职业能力(技术与社交)和职业素养(信息保护与对患者的尊重);基于心理结构的患者信任量表表明,患者信任源于患者在就医过程中对医方及其提供的医疗服务的主观感知,包含理性认知和情感感知。

既有信任关系量化通常基于线下面对面医疗服务模式下患者对医生信任的评价。而在O2O社区医疗平台的特殊研究背景下,一方面,O2O模式下医生和患者通常以在线视频、语音或文字进行交流。由于缺乏面对面的问诊,患者对医生的行为、能力和素养的感知有所弱化。另一方面,O2O模式广延性的特点决定了平台上各类医疗资源的服务对象存在着一定的不确定性,导致医疗服务的持续性、稳定性和安全性减弱,显著影响了患者的信任构建过程。由此可见,由于O2O医疗平台上医患交互模式的特殊性,医患信任的内涵逐渐从患者对某位医生的信任,扩大为患者对平台医疗服务质量的信任。同时,既有研究也指出[30-32],在O2O医疗模式下,患者的需求更加个性化,对医疗服务的各类要素有更加多样的需求,为准确反映O2O医疗平台上的患者感知信任,医疗服务综合质量对患者信任的影响需要在评价模型中得到体现。综上所述,既有的医患信任评价体系的维度需要扩展,以便将医疗服务各类要素、患者的主观感知以及医疗资源的能力和行为特征进行多维度的整合。

服务质量理论对衡量服务质量的要素进行了深入研究,Rust和Oliver(1994)[33]提出,服务产品本身的特征(即服务的内容)、服务交互过程(即服务传递过程中从业人员与顾客之间的关系水平)以及服务环境(服务的时间、空间等特征)是衡量服务质量的三个要素。因此,本文采用服务内容、服务水平、服务时间和服务空间作为反映患者对医疗服务质量信任的四个主要维度,并根据O2O社区医疗服务的具体特征确定主要维度下的各个子维度。

服务质量取决于用户所感知的服务质量与用户所期望的服务质量之间的差别程度,这种差别程度也可以理解为用户满意度[34-36]。类似地,通过对比患者对服务的实际感知信任和预期信任之间的差别,就可以得到患者对医疗服务的真实信任程度。基于此,本文将患者主观感知、医疗资源能力和特征整合到医疗服务质量评价体系中,构建了基于患者多维感知信任评价模型,并阐述了模型中各个指标的计算方法,如表1所示。该评价模型使用医疗服务方实际服务能力与患者期望的服务能力之比来体现患者的真实信任,通过聚合不同维度的信任来量化其综合信任程度,综合考虑了患者主观感知、医疗资源的能力和行为特征,以及医疗服务方与患者之间复杂的短期与长期匹配关系的影响。

(二)患者感知信任程度的计算

表1所示的评价模型包含四个一级指标,每个一级指标下又包含不同的二级指标,而且各指标的计算方法不同,需要按照一定的准则将不同的指标维度聚合,才能计算出患者的整体感知信任程度。如何确定不同指标在评价体系中的重要程度,使其能反映社区患者的整体意愿，以及如何使不同量纲的指标更具有可比性是计算过程中面临的主要挑战。本文采用如下方法来解决感知信任评价中的两个瓶颈问题。

(1)各级指标权重确定方法

由于信任等级评价模型的指标体系复杂,首先需要将所有指标按照层次结构进行排序,邀请患者代表对指标重要性进行评价,通过两两对比得到判断矩阵,并由平台对患者的评价进行一致性检验。接下来,采用算术平均法对判断矩阵归一求和,得出不同层级下各指标的权重值。其中,一级指标对于患者感知信任程度(目标层)的权重集可记作A={a1,a2,a3,a4}；各二级指标对于相应的一级指标的权重集可分别记作Aα1={a11,a12,a13}；Aα2={a21,a22,a23}；Aα3={a31,a32}；Aα4={a41,a42}。

(2)基于可比性原则的指标量化方法

考虑到患者对医疗资源的感知信任评价具有模糊性,同时为了使不同量纲的评价指标更具有可比性,本文建立了模糊综合评价集并构建了模糊隶属度函数,目的是将不同维度的指标转化为统一的评价语言。本文将指标评价集设为M，M={非常好(A),好(B),一般(C),差(D)}。由于各项指标的计算方法不同,对应到评价集时的分级代表值也不同,需要根据不同指标的隶属度函数综合确定其对不同评语的隶属度。隶属度函数f(x)如表2所示，其中u为各指标的实际表现值，即U12～U42的实际值，n1,n2,n3,n4为各个评价集中的分级代表值。

表2 模糊评价集隶属度函数

由此,得到第α个一级指标下的第β个二级指标模糊评价为Rαβ={rβ1,rβ2,…,rβω},其中rβω表示该指标对第ω个评语的隶属度,整理后得到第α个一级指标的模糊综合隶属度矩阵为Rα。

(1)

(3)患者感知信任程度聚合评价

(bαm1,bαm2,…,bαmω)

(2)

根据式(2)计算结果可以整理出各一级目标的模糊综合隶属度矩阵,再根据一级指标对于患者感知信任程度的权重计算出评价向量B。

(bm1,bm2,…,bmω)

(3)

最后,按照隶属度最大的原则,计算出患者k对医疗资源s的感知信任关系综合评价值Bk-s。

Bk-s=max{bm1,bm2,…,bmω}(4)

(三)信任关系传递对不同阶段资源整合权重的影响

在上述信任关系量化的基础上,本文引入“资源整合权重”的概念来描述信任关系的传递效应对O2O社区医疗平台多阶段资源整合中资源选择优先级的影响,并介绍了资源整合权重的计算方法。

图3 信任关系对不同阶段资源整合权重的影响

基于上述算例可以推导出某一阶段医疗资源s的整合权重计算方法:

(5)

在本例中,如果患者在问诊阶段和体检阶段对医疗资源s的信任评估保持一致,那么治疗阶段医疗资源s的整合权重应与体检阶段保持一致;如果患者在体检阶段对医疗资源s的信任评估低于问诊阶段，那么治疗阶段医疗资源s的整合权重应较体检阶段有所下降,下降的比率为[1+μ(π3)]εk,εk用来调节比率下降的幅度;同理,如果患者在体检阶段对医疗资源s的信任评估高于问诊阶段,那么治疗阶段医疗资源s的整合权重应较体检阶段有所上升,上升的比率为[1+μ(π3)]εk,εk用来调节比率增长的幅度。

四、基于多阶段信任关系传递的O2O社区医疗平台资源整合优化问题分析

与传统社区单一供需关系主导下的医疗模式不同的是,O2O社区医疗平台在资源整合时,不仅需要考虑上述分析中提及到的患者对医疗资源的诉求,还必须站在平台角度考虑平台运营方和医疗资源在协作中的风险与收益诉求。显然这三个方面诉求的要点具有明显差异,如何将这些不同的诉求体现在优化目标中是构建资源整合决策优化问题中需要首先考虑的。本文基于前述分析的患者感知信任构建与传递过程建立了患者感知信任程度最大化的资源整合优化目标。平台运营方的风险和收益诉求将通过以下量化分析过程引入到资源整合的优化目标的构建过程中。

(一)协作风险评估

在O2O社区医疗模式中,平台和医疗资源在协作中通常会面临着各类风险[39]:履约风险、质量风险、信息风险等。由于不同阶段患者对医疗资源的信任程度不同,不同医疗资源之间竞争程度也不同,这就导致协作双方对协作风险的评估产生差异,需要O2O平台作为第三方机构对此进行评估。通常情况下,患者对医疗资源的信任等级越高,该资源在同类资源中的竞争能力就越强,其协作风险预期就越低。基于上述分析,可设平台i在阶段πk对医疗资源s协作风险的评价为Ri-s(πk):

[δ1R1(πk)+δ2R2(πk)+…+δnRn(πk)]

(6)

其中δ1～δn∈(0,1)表示各类风险的重要程度,R1(πk),R2(πk),…,Rn(πk)分别表示πk阶段医疗资源面临的各种协作风险,各风险的具体等级和重要性(权重)由平台根据患者对医疗资源的信任等级和资源间竞争情况确定。

(二)协作收益评估

(7)

其中,直接协作收益和间接协作收益由平台根据运营状况和患者的信任程度进行评估。

五、优化模型与算法

(一)符号说明及参数

集合与索引:

K——O2O社区医疗平台患者集合,患者索引为k,k∈{1,2,3…K}。

S——O2O社区医疗平台各类社会医疗资源集合,医疗资源索引为s,s∈{1,2,3…S}。

Gs——医疗资源s所能提供的服务集合,Gs∈{1,2,3…Gs}。

πk——O2O社区医疗平台患者k的问诊阶段集合,πk∈{1,2,3…πk}。

模型参数:

Bk-s(πk)——表示πk阶段患者k对医疗资源s感知信任程度的评价值。

Rs(πk)——表示πk阶段医疗资源s的风险评价值。

Ei-s(πk)——表示πk阶段O2O医疗平台对医疗资源s协作收益的评价值。

reqk——表示社区患者对医疗资源s的服务需求总量。

sups——表示医疗资源s的服务供给总量。

Bsup(πk)表示平台设定的最低患者感知信任程度的标准。

决策变量:

(二)模型构建

基于上述三个方面诉求的分析,本文构建了社区患者对医疗资源的感知信任程度最大化、协作风险最小化以及协作收益最大化等三个优化目标。优化模型如下:

(8)

(9)

(10)

其中,约束条件为:

(11)

(12)

(13)

式(8)～(10)为优化目标,其中式(8)表示患者对医疗资源感知信任程度最大化目标;式(9)表示医疗资源s运营风险最小化目标;式(10)表示O2O医疗平台协作收益最大化目标。

式(11)～(13)为约束条件,其中式(11)表示在任意阶段,医疗资源s的供给需要能满足社区患者的需求;式(12)表示在任意阶段患者对医疗资源s的感知信任程度必须达到平台设定的最低标准;式(13)为决策变量取值。

对于上述优化模型,本文采用蚁群算法进行求解。蚁群算法在处理多目标约束条件下的复杂模型求解方面具有多属性特征的便携性、较快的全局收敛速度等众多优点,在求解多目标约束条件下资源整合优化问题上的适用性及优越性较强[40,41]。

六、算例分析

HYH为北京国贸地区的O2O社区医疗服务平台,在过去三年中严格按照国家相关规定向三个社区的常住居民(约5万人)提供线上和线下的基础医疗服务,并且与综合医院、专科医院建立起了长期的高效双向转诊机制。随着辖区内人口老龄化进程的加快和居民健康意识的提高,仅依靠社区医院的基础医疗服务难以满足居民日益增长的个性化医疗需求,因此HYH平台拟引入社会医疗服务供应商提供附加服务,附加服务可包括:特殊食品供应(无糖食品等)、针灸按摩服务、康复训练服务、一般医疗器械供应与租借管理(轮椅、助听器等)、便民服务(代煎中药等)等。HYH平台将对基础医疗资源和附加医疗资源进行优化整合,为社区患者提供满意的个性化医疗服务组合。

HYH平台按照年龄、职业将辖区内居民细分为多个类别,本算例中的患者群体以老年、退休患者为代表。老年、退休患者群体需要平台为其提供基础疾病的康复治疗服务,其就医过程分为三个阶段,分别是体检、治疗和康复阶段。平台经过为期2个月的市场调研,最终确定了4家备选的医疗资源,其规模和能力、服务内容和形式如表3所示。

表3 备选医疗资源服务类型、规模和能力

在不同的就诊阶段内,备选的4家医疗资源的患者感知信任评价等级(分级代表值为1,0.7,0.4,0.1)及其重要性、资源整合权重、协作收益参数、风险参数等(经过统一去量纲归一化处理)如表4所示。

表4 备选医疗资源优化参数

根据上述不同就诊4家医疗资源的基本情况,本文使用MATLAB_R2019b进行仿真模拟。由于O2O社区医疗平台资源整合是一个多阶段优化问题,在不同就诊阶段,平台对不同优化目标的重视程度是动态变化的。从整体优化模型的角度来看,平台需要对各优化目标进行系统性的权衡,因此必须要将各优化目标权重的动态变化纳入考虑。在本算例中,平台将根据就诊的不同阶段设定三个目标函数的权重系数:其中体检阶段各目标权重系数为{0.3,0.4,0.3};治疗阶段各目标权重系数为{0.4,0.2,0.4};康复阶段各目标权重系数为{0.5,0.2,0.3}。各阶段算法收敛结果如图4～图6所示。

通过分析蚁群算法在不同阶段的收敛结果可以看出:

(一)当患者群体处于体检阶段时,医疗资源S1～S4的整合权重都相等。O2O社区医疗平台对患者满意度和协作收益十分看重,因此平台将会优先选择令社区患者满意的同时具有较高协作收益的医疗资源。因此,医疗资源S1对蚂蚁的吸引力更强,将被选择为患者提供体检服务,如图4所示。

图4 体检阶段蚁群算法收敛结果

(二)当患者群体处于治疗阶段时,由于上一阶段医疗资源S1和S3没有与患者群体充分地建立信任,因此在这一阶段,医疗资源S1和S3的整合权重下降,而医疗资源S2和S4的整合权重相对较高。此时,O2O社区医疗平台一如既往的重视患者满意度,但同时也开始注重合作风险的规避,因此平台将会优先选择社区患者满意的同时能规避协作风险的医疗资源。因此,医疗资源S2对蚂蚁的吸引力更强,将被选择为患者提供治疗服务,如图5所示。

图5 治疗阶段蚁群算法收敛结果

(三)当患者群体处于康复阶段时,由于医疗资源S2和S4能一直为患者提供稳定的高质量服务,已经与患者建立了较高等级的信任关系,因此二者的整合权重远高于其他资源。在这一阶段,O2O社区医疗平台对患者感知信任的重视程度更高,并且更加关注平台协作收益。因此,平台将会优先选择既能使患者满意,又能较好的控制成本增幅的医疗资源,S2将被选择为患者提供康复服务,如图6所示。

图6 康复阶段蚁群算法收敛结果

通过对各阶段整合结果的分析和优化效果的对比检验可知,在选择适当的资源整合方案的基础上,不同阶段的社区患者满意度、协作收益都实现了优化,协作风险也有所下降。这说明本文中提出的模型及相应的蚁群算法为相关机构解决O2O社区医疗资源整合和内部资源管理问题提供了一个高效的决策工具。

七、结 论

当前,如何合理配置医疗资源,构建分级诊疗体系已经成为我国医疗改革的重点任务。为了从根本上解决“看病贵、看病难”的问题,基层医疗服务组织面临提能增效的重任。目前,关于O2O社区医疗平台资源优化配置与合理利用的指导性研究尚未展开。在这一研究背景之下,本文基于一般性服务平台资源整合的规律,结合O2O社区医疗平台供需关系的特殊之处,提出了O2O社区医疗平台多阶段资源整合优化的系统性思路和指导性方法。与传统线下社区医疗平台的资源整合问题研究不同,本文首先从医患间信任构建入手,提出了O2O社区医疗平台多阶段资源整合的思路。其次,在充分挖掘患者需求的基础上,从多个维度对社区患者的个性化医疗服务需求进行刻画和分析,基于供需匹配的视角构建了基于患者多维满意度的信任评价体系,并且兼顾社区患者、医疗资源和平台运营商的利益,构建了资源整合优化模型。□