武汉市某医院患者对互联网医院的选择偏好研究

李程洪，陈景润，向 晨，张治国，3，刘红海，肖 黎

1华中科技大学同济医学院附属协和医院门诊办公室，湖北武汉，430030； 2华中科技大学同济医学院医药卫生管理学院，湖北武汉，430030； 3湖北省卫生技术评估研究中心，湖北武汉，430030； 4华中科技大学同济医学院附属同济医院病案科，湖北武汉，430030

互联网线上问诊可以有效缓解我国医疗资源分布不均的供需矛盾,促进医疗资源的合理分配,改善“看病贵”的就医现状[1]。新冠疫情的暴发进一步促进了互联网医院的发展,患者在复诊时会更倾向于选择互联网医院[2]。2020年8月,武汉市卫生健康委发布《关于切实做好信息化支撑常态化疫情防控信息化项目建设的通知》,要求疫情期间推广线上医疗服务,推进互联网医院发展。因此,武汉市诸多医院迅速开展互联网医院建设。但是,武汉市的互联网医院还处于起步阶段,仍面临着诸多问题。如患者对互联网医院不了解、不信任;相对于无法医保支付的互联网医院,患者更倾向于线下就诊等。亟待从需求端角度出发,了解患者对互联网医院的选择偏好。

通过文献回顾发现,国外学者对互联网医院的研究相对较少,大多是关于远程医疗的研究[3-4]。国内学者对互联网医院的研究,大多是从政府、医疗机构角度探究互联网医院的发展现状、未来发展趋势等,少有从患者角度开展的相关研究[5-6]。基于此,本研究从需方角度出发,通过离散选择试验分析武汉市某医院患者选择互联网医院的偏好,为我国进一步明确患者需求、更好地开展互联网诊疗服务提供参考和借鉴。

1 资料来源与方法

1.1 资料来源

本研究以武汉市某医院的就诊患者及家属为研究对象。该医院是一家大型三甲医院,其患者群体主要为武汉市居民。2017年3月,经湖北省卫生健康委批准,医院挂牌了“湖北省互联网医院”,为湖北省首家。因此选取该医院患者及家属为研究对象具有较好的代表性。考虑到年龄较大的个体往往无法准确理解离散选择试验问卷,同时目前使用互联网医院的主体大多为中青年,因此本研究将调查对象限定为18岁以上、45岁以下的患者。课题组于2022年1月在武汉某医院开展问卷调查,现场在门诊大楼,采用方便抽样的方式选择正在挂号与候诊的患者及家属,共发放问卷405份,根据DCE问卷中的控制问题判断问卷有效性,回收有效问卷325份,问卷有效率80.25%。

1.2 研究方法

1.2.1 KANO模型。KANO模型由日本的Kano教授于1984年首次公开提出,广泛应用于顾客需求确认和满意度提升的关键因素研究中[7]。采用文献回顾法与专家咨询法初步提炼出10个与本研究相关的影响患者选择互联网医院的属性,包括医院等级(互联网医院依托的实体医院等级)、问诊后医生首次响应时间、医生的平均好评率、页面操作难易程度、问诊价格、是否推送健康教育知识、信息安全、是否支持人工服务、是否支持医保支付以及是否支持药品配送[8-15]。KANO 模型可以根据患者对互联网医院的需求对有关属性的重要性进行排序,从而选择出离散选择试验的重要属性。根据KANO模型相关理论,与互联网医院相关的属性可分为5类,分别为:必备属性(必须满足的需求,当不提供此需求,患者满意度会大幅降低)、期望属性(提供此需求,患者满意度会提升;当不提供此需求,患者满意度会降低)、魅力属性(不提供此需求,患者满意度不会降低;提供此需求,患者满意度会有很大提升)、无差异属性(不在意的需求,对患者满意度毫无影响)、反向属性(没有此需求,提供后患者满意度反而下降)[16]。根据属性的正向和反向选择向受访者提问,设计5级量表,编写问卷,如表1;采取线上线下结合的方式,抽取年龄18岁以上受访者填写KANO模型问卷,将受访者的正反向问题答案按照表2汇总;然后,根据汇总结果判断各属性的归属,同时计算相关属性的Better-worse系数,根据系数大小进行优先排序,筛选出最终属性。

表2 KANO模型需求分析评估

1.2.2 离散选择试验。离散选择试验(discrete choice experiment,DCE)假定受访者在面临一系列的选择时会根据自身情况、个人喜好、主观认知等因素进行理性分析,按照效用最大化准则(utility maximization rule)进行抉择,主要应用于对偏好的探索[17]。DCE最大的优点在于对样本量要求不高。由于每份DCE问卷包含了多个DCE问题,DCE问卷的信息量往往较高。关于样本量的确定,很多学者也提出了各自的观点。Johnson和Orme最早提出了拇指法则:N>500c/(t×a)。其中,c代表任意属性中最大的水平数,t表示问卷中DCE问题的数量,a代表DCE问题中包含的选项个数[18]。根据该公式,本研究的样本量大于63即可满足数据分析需要。同时,国际药物经济学与结果研究协会发表的一篇文献指出,当样本量低于150时,DCE模型的精度随着样本量的增加快速增高,当样本量超过300时,DCE模型的精度改善变得平缓[19]。本研究通过KANO模型确定了DCE的最终属性及水平,见表3。然后通过DCE研究武汉市某医院患者对互联网医院的选择偏好。

表3 DCE试验各属性及水平描述

1.2.3质量控制。采用Ngene 1.1软件实现本试验的设计,最终形成16个DCE问题,两个版本问卷,每个版本问卷包含8个DCE问题。于2021年11月在武汉市硚口区选取20个患者参与预调查,以了解受访者完成问卷所需的大致时间及可能会出现的问题。预调查后对调查方案进行完善,保证受访者对问卷的理解不会出现偏差,同时对DCE问题的数量进行调整,控制每个受访者完成问卷的时间在20-30分钟左右。为识别受访者是否正确理解DCE问题,每个版本的DCE问卷增加一个控制问题选择集,该选择集下的两个选项“互联网医院A”和“互联网医院B”中,“互联网医院A”中的每一属性的水平均优于“互联网医院B”。见表4。若受访者在较短时间内选择了该选项,则证明受访者能够正确理解DCE问题且认真填写了该问卷。为提高问卷效率,本研究未设置退出机制(opt-out choice)。

表4 DCE问卷中的控制问题

1.3 统计学方法

采用EpiData 3.2 建库并录入数据,通过SPSS 25.0软件对调查对象的基本情况进行描述性分析,利用Stata 16.0混合Logit模型对离散选择数据进行分析。

2 结果

2.1 KANO模型的调查结果

通过KANO模型确定应纳入DCE的属性,从而制定最终的DCE问卷。KANO模型的调查采取实地调查与网络调查结合的方式,向武汉某医院的就诊者发放54份问卷。剔除无效问卷后,最终得到48份有效问卷。根据KANO 模型的评估表,汇总患者对互联网医院相关属性的需求情况,见表5,根据调查结果计算出Better+∣Worse∣系数。其中,Better=(A+O)/(A+O+M+I),Worse=-1×(O+M)/(A+O+M+I)。系数值最大的7个属性见表6。

表5 属性需求排列汇总

表6 Better-worse系数

2.2 调查对象基本情况

325份DCE有效问卷中,男性占比48.00%,女性占比52.00%,男女比例均衡;武汉市常住患者(居住时间超过6个月)占比80.00%;学历在大专及以上的有273人(84.00%);96.69%的人参加了医疗保险。有151人有过直接或间接联网在线问诊经历;对互联网医院的了解途径,有221人(68.00%)是通过官网或官方微信公众号,有112人(34.46%)是通过线下实体医院或朋友推荐,有56人还未听说过互联网医院。

2.3 患者对互联网医院的选择偏好分析

根据混合logit回归模型结果可知,互联网医院相关的7个属性均有统计学意义(P<0.05),各属性系数符号均为正,符合预期,见表7。

表7 Mixed Logit模型估计结果(总体)

通过回归系数的绝对值可知,医保报销和医院等级是受访者最关心的两个属性。在其他条件相同的情况下,武汉市患者更倾向于选择支持医院等级为三甲医院(β=0.4659,P<0.01)和医保报销(β=0.4658,P<0.01)的互联网医院;药品配送是关注度最低的属性(β=0.0982,P<0.05)。

3 讨论

3.1 医院等级与医保报销显著影响患者对互联网医院的选择

医院等级对样本医院患者选择互联网医院的影响最大。在中国现有的卫生服务体系下,三甲医院是国内等级医院评审中的最高一级。在普通患者的认知中,三甲医院意味着更高的医疗水平、更优质的医疗服务、更小的误诊率。而依托于三甲医院的互联网医院,功能建设得往往更加完善,服务涵盖更广,能够给予患者更好的就医体验,满足患者对医疗知识、看病问诊的需求。马弘新、黄秀清的研究也表明在线问诊中存在等级歧视,医生所在医院等级越高,医生问诊量越大[20]。这也给武汉市互联网医院的发展热潮提出了警示。考虑到样本医院患者对于医院等级格外看重,可以考虑集中资源发展以三甲医院为依托的互联网医院,三甲以下的医院则需要选择合适的线上问诊方式,如聚焦于某一功能或某一服务,以减少人力物力资源的浪费。

医保报销同样显著影响样本医院患者选择互联网医院。我国医疗服务费一直在不断增长,患者医疗成本压力日益增大。调研时发现,部分受访者以能否医保报销作为选择互联网医院的唯一条件,他们认为在互联网医院问诊的疾病,一般为慢性疾病,因此,只要互联网医院可以报销即可。将互联网医院医疗服务纳入医保支付能促进线上医疗服务的开展,推动医疗服务模式从“以医生为主导”向“以患者为中心”转变[21]。国家也出台了相关政策鼓励各地将“互联网+”医疗服务纳入医保支付。如2019年8月30日,国家医保局发布了《关于完善“互联网+”医疗服务价格和医保支付政策的指导意见》,明确提出符合条件的“互联网+”医疗服务,按照线上线下公平原则配套医保支付政策。根据长江日报等主流媒体的公开报道,华中科技大学同济医学院附属协和医院、武汉大学人民医院和武汉市中心医院等武汉市部分互联网医院诊疗已纳入医保支付。但将近一半互联网医院无法线上医保报销,或报销流程繁琐,这无疑降低了患者的使用意向,限制了公众的主动参与度。因此武汉市各医院在开展互联网医院时需要及时增加线上医保报销功能,简化报销流程,以提升患者的使用意向。

3.2 医生平均好评率、人工服务情况对患者选择互联网医院有一定影响

排在第3位的影响因素是医生的平均好评率。医生的平均好评率也会直接影响患者对互联网医院的选择。通常评分越高的医生,选择率越高,但是在线评分并不能完全客观反映医生的水平。因此互联网医院有必要建立合理的评价体系,从多方面对医生进行评价,真实客观地反映医生的整体服务,以便对后来患者提供更加精准的帮助[22]。患者在互联网医院问诊后,医生首次回复时间很短,甚至“秒回”,但却是无效回答,此后与患者之间再无任何沟通,可能会导致医院与患者之间的矛盾。互联网医院不能盲目地规定医生首次响应时间或接诊数量,更加需要注重问诊质量,做到真正解决患者的问题。因此互联网医院要设置合理的评价体系,从职称、有效接待次数、患者评价、24小时内回复次数及时间等多方位进行评分。

排在第4位的影响因素是人工服务,说明患者在使用互联网医院时,遇到过各种问题,希望有专业的人员解决问题。本研究过程中,在武汉市的互联网医院中,人工服务功能不完善,有些医院人工客服电话常处于无法接通或占线状态;一些互联网医院人工客服对互联网医院了解程度不足,无法专业解答患者在问诊过程中遇到的问题。部分医院甚至没有人工服务渠道。考虑到患者的需求,且对患者选择偏好影响较大,应该配备受过专业培训的人员进行互联网医院人工服务。

3.3 问诊后医生响应时间、页面操作流程与药品配送情况对患者选择互联网医院的影响较小

问诊后医生首次响应时间对患者选择偏好影响相对较低。这可能是因为患者选择到互联网医院问诊的疾病都是一些常见病、慢性病,不需要医生紧急回复,只要能够解决患者的问题即可。但根据王梦浛等人的研究,感知互动正向显著影响患者对互联网医院的使用意愿,其中就包括响应时间[9]。因此,互联网医院在提供医疗服务的同时,仍要尽可能缩短问诊后医生响应时间,以增进患者与平台的黏性。

页面操作流程对于患者选择偏好的影响明显弱于其他因素,考虑到在互联网医院问诊的患者大多是能够无障碍使用智能手机的患者,这些患者如若遇到操作页面复杂时,一般自行探索即可解决问题。然而,韩扬阳等人在对患者不愿意使用互联网医院的影响因素进行分析发现,互联网医院软件操作流程繁琐会明显影响患者使用互联网医院[11]。因此,互联网医院平台的建设应当充分考虑患者的就诊体验。