社會網絡因素與醫學新技術臨床應用的關聯性分析*

——魏　艷　明　堅　柯　雄　何露洋　李　達　周　萍　王弓茹　陳英耀*

社會網絡(Social Network)是指社會行動者(Social Actor)以及他們之間的關系集合。一個社會網絡是由多個點(社會行動者)和各個點之間的連線(行動者之間的關系)組成的集合，這是社會網絡的形式化界定。Wellman于1988年提出“社會網絡是由某些個體間的社會關系構成的相對穩定的系統”，即把“網絡”視為是連接行動者(Actor)的一系列社會聯系(Social Ties)或社會關系(Social Relations)，它們相對穩定的模式構成社會結構(Social Structure) 。社會網絡分析法最早可以追溯到20世紀30年代的心理學和人類學研究。近年來，這一方法有了廣泛的應用和發展，已超越人際關系范疇，網絡行動者(Actor)既可以是個人，也可以是集合單位，如家庭、部門、組織等。社會網絡研究屬于社會學分析方式，基于一個直覺性觀念，目的是探究在某些領域人與人或組織與組織之間的關聯，而這些非理性因素的關聯一定程度上在某些領域具有非常重要的作用，如政治學研究及企業研究等領域。目前，對于社會網絡的研究不僅認識到社會網絡會影響知識傳播與轉化[1]，還將研究內容擴散到具體的公共衛生和臨床醫學問題，如環境政策[2]、控煙、新疫苗使用、醫師臨床決策等。但大部分研究主要對象是個人，對組織層面的研究相對較少，對醫院的研究則更少。本研究通過CNKI主題詞檢索，發現僅有405篇社會網絡研究屬于醫藥衛生領域，且一方面集中在社會網絡分析方法學探討，另一方面集中在社會網絡在艾滋病、社會支持及老年人健康方面的研究。對于社會網絡在新技術擴散方面的作用，無論是從個人層面還是從組織層面，均缺乏研究。本研究將醫生對醫學新技術使用行為作為觀察窗口，立足于技術擴散視角，從組織及個人層面探究了影響醫生新技術使用行為的非理性因素。

1　研究方法

1.1　社會網絡調查

此調查表用于調查醫院和其他相關組織在醫學新技術轉化與臨床應用過程中存在的一些相互交互行為情況。調查表設計基于Ronald Burt于1984年提出的社會網絡調查工具，并借鑒了羅家德的本土化改良。醫院組織社會網絡調查內容主要包括：由醫務科主任回憶醫院在新技術引入過程中對其影響最大、交流最多的5個其他組織，并填寫其與被調查醫院的相關關系類型與互動方向及在新技術轉化應用過程中與醫院的交互行為的關系水平。醫生個人中心網絡調查內容包括：由樣本醫生回憶其在新技術使用過程中對其影響最大、交流最多的5個人，并填寫關系類型、社會背景、認識時間、互動頻率、親密行為、親密話題，及其與被調查樣本醫生共6個人之間的相互關系。

1.2　分析方法

1.2.1社會網絡分析 研究采用UCINET軟件對醫院組織、醫生個人中心社會網絡進行分析，從三方面對醫院的組織社會網絡進行分析。首先，是樣本醫生在每一個小的組織社會網絡中的網絡基本情況、中心性分析、網絡密度分析，探究不同級別醫院、不同人口學特征的樣本醫生在社會網絡中受其他人員的影響。其次，以每家醫院、每名醫生中心網作為研究對象，分析每一個網絡中其他人員的社會網絡基本信息(網絡基本情況、中心性分析、網絡密度)，并進行不同關系類型、社會背景、認識時間、互動頻率、親密行為、親密話題的網絡基本情況、中心性分析、網絡密度指標的差異性分析。第三，以每個樣本醫生的網絡中心性指標、網絡密度指標作為自變量，以醫生對新技術的使用作為因變量，探究醫院的組織社會網絡對其新技術引入的影響。

(1)程度中心性(Degree Centrality)。程度中心性經常用來衡量誰會在團體中處于最主要的中心人物，其在組織中最具有權威性。具體到本研究就是在新技術的使用過程中處于主導地位的相關組織，擁有最高程度中心性的人在組織中也處于最重要的位置。

(2)親近中心性(Closeness Centrality)。親近中心性是以距離為概念計算一個節點的中心程度，與其他人距離越近中心性越高，距離越遠則中心性越低。本研究通過UCINET軟件計算得出的親近中心性值越小，表示與其他人的距離越遠、越邊緣化，在新技術的使用過程中起到的作用越不明顯。

(3)中介中心性 (Betweenness Centrality)。中介中心性是衡量一個組織或個人作為媒介者的能力，值越高表明組織中信息被少數人壟斷的可能性越高。

1.2.2多水平統計分析 多水平模型(Multilevel Modeling, MLM)是針對傳統回歸分析只能分析單一層次數據，在分析多層(嵌套)數據時存在隨機誤差獨立性違反的缺陷而提出的。多水平模型將誤差分解為各層次的誤差，可以探索不同層面自變量對因變量的影響以及不同層面自變量之間的交互作用。

2　結果

2.1　組織社會網絡

2.1.1醫院社會網絡 本研究對11家醫院的相關組織進行了整體社會網絡分析。分析發現，11家醫院的網絡規模大部分均為3個～5個組織，僅有醫院4與醫院5的網絡規模為2；就網絡密度而言，最高為1，最低為0；就中心性的3個評價指標而言，醫院1、2、3、6、8、9、10的程度中心性均為1，表明上述醫院在所在的組織社會網絡中處于非常重要的地位，對于新技術的使用起到非常重要的作用；而親近中心性較高的醫院為醫院5與醫院11，均大于等于10，表明其在所在網絡中在新技術的轉化應用中起到非常重要的作用；中介中心性方面，醫院10的中介中心性為100，表明其在所在組織中處于關鍵地位，在新技術的傳播擴散中起到非常重要的作用。

2.1.2其他組織社會網絡 通過對醫院的組織社會網絡分析，本研究發現，醫院層面的8個與新技術相關的組織，主要涉及以下部門：行政主管部門、行業協會/學會、醫藥企業、衛生監督部門、人力資源與社會保障部門、食品與藥品監督管理部門、財政部門及物價部門。通過對應答的11家醫院的分析發現，行政主管部門與行業協會/學會被提到的頻率最高，有9家提到上述兩個組織。除此之外，7家醫院在新技術引進過程中與醫藥企業及人力資源與社會保障部門相關聯，6家醫院與衛生監督部門相關聯，4家醫院分別與食品與藥品監督管理部門、財政部門相關聯，3家醫院與物價部門相關聯。

表1不同類型組織在醫院新技術引入過程的差異性分析[均分(標準差)]

組織類型建立合作關系時間組織間互動頻率新技術臨床應用重要性新技術應用成效行政主管部門2．44(1．42)2．89(1．36)3．11(1．05)2．67(0．87)食品與藥品監督管理部門3．25(0．96)3．00(1．41)2．25(1．26)2．25(1．26)人力資源與社會保障部門3．43(1．13)3．29(1．11)2．14(1．21)2．43(1．27)行業協會/學會3．67(0．71)3．22(0．97)3．33(0．87)3．44(1．01)醫藥企業3．43(0．79)2．71(0．95)3．00(1．15)3．29(0．49)衛生監督部門3．00(1．26)2．83(1．47)2．83(1．17)2．33(1．63)財政部門2．75(1．89)1．25(1．26)2．50(1．29)1．00(0．00)物價部門2．67(1．53)1．33(0．58)3．00(1．00)1．67(2．08)F0．9571．9860．9732．666P0．4750．0810．4630．023

表2社會網絡對醫生使用行為影響的多層模型

類別參數估計值標準誤P組織社會網絡醫院程度中心性1．780．720．01醫院中介中心性1．060．510．04協會程度中心性0．460．780．56企業程度中心性1．750．40<0．01醫生社會網絡醫生網絡程度中心性0．0527．630．99

研究發現，在新技術轉化及臨床應用過程中，新技術相關的組織也主要涉及以上部門，本研究對不同類型組織對醫院新技術引入的影響進行了差異性分析，見表1。在建立合作關系時間及新技術臨床應用重要性方面，不同類型組織之間差異無統計學意義(P>0.05)；在組織間互動頻率方面，不同類型組織之間具有臨界差異性(P=0.081)；在新技術應用成效方面，不同類型組織之間具有差異性(P=0.023)，對醫院影響最大的是行業協會/學會(均分3.44)與醫藥企業(均分3.29)。

2.2　醫生個人社會網絡

本研究共調查139位臨床醫生，其中，34位心內科醫生接受了對于藥物涂層支架技術使用過程中的醫師社會網絡，105位其他科室醫生接受了對于新技術使用過程中的醫師社會網絡。就心內科醫生而言，在其支架使用過程中對其產生影響的相關人員中，89人(84.80%)為男性，平均年齡41歲；54.60%為同事，其次為師生(10.20%)；58.30%為研究生學歷；高級職稱占38.90%；71.30%為醫生， 58.30%沒有行政職務。就其他科室醫生而言，在其新技術使用過程中對其產生影響的相關人員中，275人(54.90%)為男性，平均年齡36歲；42.80%為同事，其次為朋友(16.40%)；73.00%為本科及以上學歷；高級職稱占21.10%；62.30%為醫生，63.50%沒有行政職務。

在新技術使用過程中，心內科醫生的平均網絡規模為1.67，其他科室醫生為3.45；心內科醫生的平均網絡密度為49.76，其他科室醫生為54.33；中心性評價的3個指標方面，心內科醫生的程度中心性、親近中心性及中介中心性分別為49.22、82.93及3.33，其他科室醫生分別為72.87、78.40及19.42。

2.3　組織及個人社會網絡對醫生使用行為的影響

本研究對社會網絡的內容進行多水平分析，通過定性訪談分析發現，影響新技術轉化應用的因素除醫院及醫生外，企業及行業協會/學會的推動力非常重要，因此將組織網絡(醫院程度中心性、醫院中介中心性、協會程度中心性、企業程度中心性)作為組織社會網絡指標納入模型，將醫生網絡程度中心性作為個人層面指標納入模型，見表2。LR檢驗顯示，本研究的模型擬合效果較好(P<0.05)。研究發現，醫院程度中心性、醫院中介中心性、企業程度中心性與醫生的新技術使用行為呈正向關系(P<0.05)，而協會程度中心性、醫生網絡程度中心性對其使用行為沒有影響(P>0.05)。

3　討論

3.1　社會網絡研究視角下技術擴散的影響因素

醫學新技術臨床應用受多方面因素影響，其中，社會網絡在新技術應用中的作用仍待厘清。因此，明確醫學新技術應用的社會網絡及其影響力是實現研究目標的關鍵環節，也具有重要的理論與現實意義。社會網絡特征的數據獲取必須依賴于科學化的工具，但我國人群間的社會網絡具有差序格局特點，因此即便是對國外工具實施跨文化調適也很難直接移植于我國人群的社會網絡數據調查中。本研究將社會網絡研究與醫學新技術轉化應用模式相結合，探究醫學新技術轉化應用過程中組織和個人社會網絡的影響及其作用機制。考慮到組織社會網絡及個人社會網絡對個人行為的影響，本研究運用了多水平的社會網絡分析。盡管國外有文獻提及可將社會網絡分析與醫生技術使用行為相結合，但具體如何結合未見系統化研究，本研究在此方向上試行了創新。

3.2　其他組織社會網絡對新技術引入的影響

大部分被調查醫院對社會網絡的定量調查有一定抵觸心理，保守匯報了與其他組織的互動水平，因此本研究結果一定程度上低估了社會網絡在新技術使用過程中的影響。研究發現，不同類型組織在醫院對新技術應用成效的影響之間存在差異性，對新技術的應用成效影響最大的分別是行業協會/學會及醫藥企業，該組織的網絡規模與網絡密度對醫院新技術應用的重要性之間呈正向關系，表明其在與醫院相關聯的組織所處網絡中處于中心位置。這與社會網絡在衛生相關領域的研究結果基本一致[3-12]。

3.3　醫院對醫生新技術使用行為的影響

對組織社會網絡與個人中心網絡的多水平分析發現，在影響醫生對新技術使用行為的指標中，組織社會網絡的醫院程度中心性對于醫生使用新技術具有正向影響，表明這些醫院在組織中屬于占據決定地位的醫院，而這些醫院一般屬于規模較大、在行業或某些領域內引領創新的醫院，其醫生一般更傾向于使用新技術。醫院在網絡中的中介中心性越高，表明其在所在組織中具有非常重要的中介地位，離開該組織作用則該網絡崩塌，同理這些醫院引領著該領域的發展，其醫生更想使用新技術。企業程度中心性對醫生技術使用行為具有正向影響，表明企業在所在網絡中所占地位越高，越會影響該組織醫院內的醫生使用新技術。該研究結果佐證了本研究對于醫藥企業在新技術擴散過程中的作用的研究假設。醫生個人在社會網絡中的程度中心性對其行為沒有影響，這一研究結果與大部分研究結論相反，可能是由于本研究樣本量的限制。

4　小結

由于對于衛生技術擴散過程中社會網絡作用的研究相對較少，本研究首次將社會網絡分析方法納入醫學新技術轉化應用研究中，一定程度上彌補了我國在該領域的空白。同時，本研究探究了影響醫學新技術轉化應用的非理性因素，有助于決策者在衛生政策制定過程中明晰影響新技術轉化應用的不可控制因素的作用水平及對醫生新技術使用的影響，在新技術的監管領域有著廣泛的應用價值和前景。對于該研究結論能否進一步推廣有待繼續研究。

[1]Anne E Sales C A E T. The impact of social networks on knowledge transfer in long-term care facilities: Protocol for a study[J].Implement Sci, 2010,5(23):1-10.

[2]Lienert J S F I K. Stakeholder analysis combined with social network analysis provides fine-grained insights into water infrastructure planning processes[J].J Environ Manage, 2013,125(15):134-148.

[3]Wonodi C B, Privor-Dumm L, Aina M, et al. Using social network analysis to examine the decision-making process on new vaccine introduction in Nigeria[J].Health Policy and Planning, 2012,27(12):27-38.

[4]Wang G. A network approach for researching political feasibility of healthcare reform: The case of universal healthcare system in Taiwan[J].Social Science & Medicine, 2012,75(12):2337-2344.

[5]Anderson J G. Stress and burnout among nurses: A social network approach[J].Journal of Social Behavior & Personality，1991，7(6)：251-272.

[6]Anderson J G J S. Computers and clinical judgment: The role of physician networks[J].Social Science & Medicine, 1985,10(20):969-979.

[7]Anderson J G J S. The diffusion of medical technology: Social network analysis and policy research[J].The Sociological Quarterly, 1985,1(26):49-64.

[8]Barnett M L C N. Physician patient-sharing networks and the cost and intensity of care in US hospitals[J].Medical Care, 2012,2(50):152-160.

[9]Boyer L B R M. A social network analysis of healthcare professional relationships in a French hospital[J].Journal of Health Care Quality Assurance, 2010,5(23):460-469.

[10]Creswick N W J I. Understanding communication networks in the emergency department[J].BMC Health Services Research, 2009,247(9).

[11]Effken J A G S. Using ORA, a network analysis tool, to assess the relationship of handoffs to quality and safety outcomes[J].Computational Informatics Nursing, 2013,1(31):36-44.

[12]Fattore G F F S. Social network analysis in primary care: The impact of interactions on prescribing behaviour[J].Health Policy, 2009,92(2-3):141-148.