醫生的信息-情感交互模式對移動問診服務滿意度的影響
——基于“激勵-保健”理論的分析

晏夢靈，張佳源

(1.北京郵電大學經濟管理學院，北京 100876；2.清華大學經濟管理學院，北京 100084)

1 引言

在智能手機快速普及和國家醫療體制改革逐漸鋪開的背景下,中國的移動醫療行業目前正處于醫療服務不斷優化、醫療改革持續深入的平穩發展期[1]。移動問診服務允許患者借助移動設備隨時隨地獲取醫生的健康咨詢與指導。它一方面為提高問診流程效率、提升醫療信息透明度、緩解優質醫療資源不均分配等提供了機會[1],另一方面也對移動端醫生的診斷與溝通提出了新的挑戰。相比于線下面對面診斷,移動問診平臺中醫生的診斷線索局限于聲音、文字和圖片,不利于醫生做出準確的線上診斷;醫患間的交互為異步溝通,容易產生誤解[2];此外,互聯網質量參差不齊的醫療信息[3],導致患者更容易與醫生形成意見分歧。因此,移動端醫生的交互模式在移動問診情境中顯得尤為重要,是影響移動問診服務滿意度的重要因素。

本文將移動問診服務滿意度定義為醫療服務接受者根據服務的內容、過程、結果以及其他多方面就醫體驗而形成的綜合反應[4-6]。這種反應可能體現為患者好評、信任或感知價值提升等患者滿意評價,也可能體現為患者差評、不信任、感知價值喪失等患者不滿評價。然而，已有研究大多采用“患者滿意度”、“醫療服務滿意度”、“患者感知醫療服務價值”等連續變量的高低水平來描述移動問診服務滿意度,并未明確區分問診服務滿意和問診服務不滿各自的影響因素[7-10]。

在移動問診服務滿意度影響因素方面，現有研究從醫生維度、患者維度、工具維度、醫患交互維度和就醫環境五個方面展開。其中,醫生維度包括醫生專業素養、醫護人員態度、醫生的回復速度、服務種類及服務定價[11-12];患者維度包括患者的年齡、收入、就診經歷、患者信任、患者效能等因素[5];工具維度包括網站易用性,可靠性和人性化設計等因素[12-13];醫患交互維度包括醫患溝通質量、醫患信息共享、診療過程規范性等因素[14];就醫環境因素包括醫療環境、花費等因素。

總的來看,針對移動問診服務滿意度這一議題,現有研究存在以下三方面缺口。第一,在對研究現象的提煉上,現有研究側重患者滿意現象,而忽視患者不滿現象。第二,在影響因素識別上,現有研究聚焦工具平臺易用性、有用性等情境變量,而忽略醫生與患者的交互內容及過程等交互變量。第三,在研究方法和數據來源上,現有研究多采用以問卷調查為主的定量研究方法,而反映醫生與患者交互過程的大量定性且客觀的文本數據尚未被充分挖掘。

為此,本文從醫患交互角度研究移動問診服務滿意度的影響因素,提出以下兩個研究問題：(1)移動問診服務中,醫生的交互模式呈現什么特征?(2)移動問診服務中醫生的交互模式對患者滿意和不滿意各自產生何種影響?

為了回答上述研究問題,本文引入“激勵-保健因素”這一理論視角,以國內某領先移動問診平臺中醫患對話記錄為數據分析基礎,設計一項“先定性后定量”的混合研究。具體而言,本文首先借助主題分析法開展定性研究,目的是識別導致患者滿意及不滿的醫生交互模式及其細分維度;隨后我們對定性數據進行定量化處理,同時提出醫生交互模式與患者滿意及不滿對應關系的假設;最后設計定量研究對假設進行統計驗證。

2 研究視角和初步研究框架

2.1 醫患交互模式

在“以患者為中心”的現代醫療服務中,醫生所采用的交互模式對患者感知到的服務質量起到了決定性影響[15]。醫患交互是指在醫療衛生和保健工作中,醫患雙方圍繞傷病、診療、健康等主題,通過全方位信息的多途徑交流,科學地實現患者傷病診療共識并建立信任合作關系[14，16]。本文中“醫生交互模式”是指醫療服務提供者通過醫療對話,進行動態資源交換,并形成治療關系,反映出提供者的角色和義務的行為[17]。

Roter的交互分析系統(Roter’s Interaction Analysis System,RIAS),也被稱為信息-情感交互模式[17]被廣泛應用于線下醫患互動評估,相關研究已經從交互文本特征、肢體語言和對話過程等角度對醫生的信息-情感模式進行了細分,形成了詳盡的醫患交互編碼方案[18]。該視角基于語言對話分析理論,強調對話意義并非事先確定,而是在對話過程中經過解讀產生,而角色互換是對話解讀的基本準則。本文中，信息模式被定義為醫生運用技術和技能以解決患者提出的問題或緩解患者癥狀的行為;情感模式被定義為醫生使用的帶有明確社會情感內容,安撫患者情緒的語言、表情或陳述[17，19]。

然而,現有RIAS研究對移動情境下信息-情感交互模式的描述存在局限。首先,移動情景下缺乏肢體語言、面部表情等情緒交互模式的重要載體,一方面這導致醫生難以識別患者的情緒狀態,另一方面醫生難以表達其情感關懷。這意味著在移動情境下進行情感關懷,可能需要借助其他的交互線索。再次,線下面對面環境中醫生和患者可同步溝通,而在移動情境下醫生和患者以異步溝通為主。這意味著,患者(或醫生)的提問要隔一段時間才能得到醫生(或患者)的回應。這個交互時間差更容易造成溝通誤會,削弱或加強某些語義[20]。此外,線下情境中的醫生信息-情感交互模式及其描述范疇主要是基于英語語言的醫生和患者對話分析,難以直接用于分析中文對話。因此,有必要針對移動情境下的醫患交互特征揭示醫生信息-情感交互模式的描述范疇。

2.2 “激勵-保健”理論

“激勵-保健因素理論”由美國行為科學家赫茨伯格于1959年提出。該理論認為,保健因素和激勵因素是彼此獨立的,兩者以不同的方式影響員工的工作積極性。激勵因素的存在會提高員工工作的積極性,但激勵因素的缺失并不會減弱員工工作積極性;保健因素的存在不會提高員工工作的積極性,但其缺失可能導致員工工作積極性降低[21]。

“激勵-保健因素理論”已被廣泛應用于信息系統領域,學者們借助“激勵-保健因素”理論揭示影響用戶對信息系統、工具的采納及不采納的兩類因素[22-23]和滿意及不滿意評價的兩類因素[24]。

類似的,本研究將“激勵-保健因素理論”用于研究移動問診服務滿意度的影響因素。如果某因素的存在能夠激發患者對移動問診服務的滿意評價且該因素的缺失不會引發患者不滿評價,則該因素被稱為“激勵因素”;如果某因素的存在無法激發患者對移動問診服務的滿意評價,但該因素的缺失將引發患者的不滿評價,則該因素被稱為“保健因素”。“激勵-保健因素理論”視角有助于本文系統考察移動情境下患者滿意和不滿的影響因素,揭示不同醫生交互模式對患者滿意及不滿意的影響機制。

為引導本文對移動平臺中醫患溝通記錄的文本分析,我們提出如圖1所示的初步研究框架。該框架的核心觀點是,移動問診服務中,醫生的信息及情感交互模式對移動問診服務滿意及不滿意將產生不同影響。該初步框架中,信息及情感交互模式的描述范疇,以及不同交互模式與患者滿意及不滿意評價的對應關系是本文擬探索的兩個理論問題。

圖1 研究模型

3 混合研究方法及數據分析

本文提出的研究問題一“移動問診服務中,醫生交互模式呈現什么特征?”是關于“是什么”的研究問題,具有探索性特征,適合采用探索性定性研究方法；而本文提出的研究問題二“移動問診中醫患交互模式對患者滿意和不滿意各自產生何種影響?”是關于“怎么樣”的研究問題,具有驗證性特征。根據兩個研究問題各自的特點及其關聯,我們采用“先定性再定量”的混合研究設計。

該混合設計的實施步驟描述如下。首先,借鑒主題分析法的相關步驟回答研究問題一。主題分析法是指研究者通過反復對比和抽象，從文本中提煉主題的研究方法，適用于現有理論對現象的描述和解釋有限的研究情景[25]。該方法包括閱讀數據,標記關鍵概念,建立編碼體系,對文本數據進行主觀解釋,最終形成有意義的集合等步驟[26]。本文旨在識別移動醫療情境下醫生交互模式的特征,這一研究問題及現象解釋尚缺乏完善的理論框架和有說服力的分類范疇。移動問診的醫患溝通過程形成了大量文本數據,具有溝通的語言特點,且具有獨特的語境意義,所以主題分析法適用于本文的研究情景。其次,對定性編碼結果進行定量化處理，完成定性研究與定量研究之間的鏈接。定性編碼結果啟發我們探討變量之間的量化關系、提出假設、并試圖尋找驗證假設的方法[27]。最后,根據激勵-保健因素理論,使用配對樣本T檢驗驗證相關假設。

這種混合研究設計能夠綜合定性與定量方法各自的優勢,對研究結論進行交叉驗證,從而增強結論的可信度和穩定性[27]。具體技術路線如圖2所示。

圖2 定性與定量結合的混合方法技術路線圖

3.1 數據來源與篩選

本研究的實證數據來自國內最大的移動問診服務平臺——春雨醫生(患者版)APP(此后簡稱為春雨醫生APP)。截至2017年8月,春雨醫生APP已發展成為覆蓋17個一級科室、吸引超過50萬公立醫院執業醫師、服務患者超過2億人次并積累數億條健康數據信息的大型移動醫療服務平臺。春雨醫生APP中大量原始、完整、可核、去敏的定性和定量數據為本研究提供了良好的素材。首先,作為國內首家提供遠程醫療服務的平臺,春雨醫生積累了大量真實活躍的患者和醫生用戶,該平臺上的醫患溝通記錄能夠反映真實的移動問診情境。其次,與同類醫療 APP 相比,患者對春雨醫生 APP中醫生的服務評分更高。據易觀數據,春雨醫生端人均單日啟動次數保持在18-21次,領先行業近兩倍。這意味著,基于春雨醫生APP的分析結論對其他移動問診APP具有參考借鑒意義。

本文的患者滿意度變量來自用戶在APP中給出的真實評分。每次問診服務結束后,用戶將在“滿意”、“一般”或“不滿意”三個評價選項中選擇其一作為其對問診服務的評價,本文據此將醫療問診記錄分為“好評”,“一般”和“差評”三類樣本。醫患交互模式相關變量則從醫生與患者在APP中的真實交互記錄中提取。相比于訪談、問卷等用戶自報告方法,這些用戶生成的客觀數據不會觸發用戶隱私,也能夠避免主觀回憶偏差。

為了聚焦研究問題,同時將數據容量縮小至可控范圍,我們采用如圖3所示的五個步驟篩選最終數據。第一,我們將醫患問診記錄限定在兒科科室。因為兒科是移動問診平臺中活躍度最高但滿意度較低的診室之一。第二,限定醫患溝通記錄發生的時間范圍為 2017年7月1日至2017年12月31日。這是因為近期的醫患溝通文本能夠代表較為成熟和普遍的醫患交互模式。第三,選擇評價為“滿意”,“一般”和“不滿意”的問診記錄。這是因為春雨醫生APP中“滿意”是對醫生服務的最高評價(此后簡稱好評問診),評價為“一般”的問診記錄下稱“一般”問診,“不滿意”則是對醫生服務的最低評價(此后簡稱差評問診)。第四,選取文本長度600字以上的醫患溝通記錄,因為過短的問診記錄難以充分反映醫生的交互行為。第五,為了提高推理信度,本文以相同醫生、相同病情為匹配條件,對好評問診、一般問診和差評問診記錄進行配對,再從中隨機抽取100對,共好評問診100條,一般問診100條,差評問診100條,以最大限度地控制影響患者對移動問診服務評價的其他因素。300次醫患問診記錄的描述性統計信息如表1所示。在職級方面,初級職稱醫生僅占比20%,大多數醫生專業能力較高。在醫院等級方面,來自非三甲醫院、三甲醫院和頂級醫院的人數接近,約各占三分之一。在服務價格方面,70%以上的醫生服務價格在10元以上,平均價格17.68元。樣本基本信息表明,春雨醫生APP平臺中的醫生資源較強,收費較合理,符合患者對移動問診服務的初步期望。

圖3 數據篩選流程圖

表1 三百條醫患溝通記錄的描述性統計

醫生職級醫院等級服務價格分類人數占比分類人數占比分類人數占比醫師6020%非三甲醫院9331%1-108428%主治醫師13545%三甲醫院10535%10-2010234%副主任醫師6622%頂級醫院10234%20以上11438%主任醫師3913%均值17.68總計300100%總計300100%總計300100%

3.2 定性數據編碼和分析

借助主題分析,本文從醫生和患者角度對文本進行初始分析,最終形成了27個子類。根據子類之間的關系,研究人員開發樹狀圖把這些子類組織成層次結構[26],并對這些類別和子類別進行定義。這個過程中，仔細選擇構念和范疇,尋找范疇的層次關系,以最大程度地概括原始文本內容,同時又能呈現完整的理論解釋尤其關鍵。表格2和3分別呈現了醫生和患者角度,各子類間的關系及概念抽象化程度依次提高的提煉過程。通過此項工作,本文得到“專業診斷”、“專業表述”、“安慰治愈”、“關系維系”4個主范疇。前兩個主范疇對應醫生信息交互模式;后兩個主范疇對應醫生情感交互模式。

表2 醫生優秀交互模式的構成

表3 醫生不良交互模式的構成

為了確保編碼的有效性和可靠性,我們遵循了兩種形式的三角驗證[27]。其一是數據三角驗證。我們要求開放式編碼來自至少三處截取的定性數據,以確保我們所使用的開放式編碼代表一定的重復邏輯。其二是研究者三角驗證。所有的文本數據由三位編碼者進行編碼,我們保留三人意見一致的編碼內容,對出現意見分歧的編碼則通過深入的討論統一意見。

3.3 定性分析與定量分析鏈接

定性分析與定量分析的鏈接是混合研究方法的關鍵步驟。混合研究方法有助于實現研究方法互補、交叉驗證等,但也容易引起研究結論分歧和理解困難[28],因此,定性和定量分析鏈接主要用于識別兩類研究方法和研究結論之間的關聯,為研究發現的整合與解讀提供依據[29]。本研究的鏈接環節分為定性數據的定量化處理和假設提出兩個步驟。

首先,對定性分析進行定量化處理,即以醫生和患者的一次問診對話為分析對象,采用該問診對話中醫生在信息模式和情感模式的上的編碼頻數作為該醫生在信息模式和情感模式上的強度得分。具體而言,以每條問診記錄為單位,對記錄中出現的優秀信息交互模式、優秀情感交互模式、不良信息交互模式、不良情感交互模式四個類別的描述范疇的數目進行計數,以衡量每條問診記錄中,醫生交互模式在四個維度上的得分表現。由于每條問診記錄中,醫生可能出現多次不同類別的交互行為,因此醫生在四個類別上的計數為離散數值,代表了醫生在各個維度上的行為強度。量化處理后,每條問診記錄被具體量化為一組向量(編號,Satis,GII,GEI,BII,BEI),如表4所示。

表4 變量設置

其次,針對本文提出的研究問題二,即“移動問診中的醫患交互模式對患者滿意和不滿意各自產生何種影響?”,提出醫生交互的信息及情感模式與患者滿意及不滿意評價的作用關系假設。

在對醫患問診記錄的閱讀和編碼過程中,我們有兩點主要觀察。其一,我們發現好評和差評問診記錄的編碼特征有所不同。75.2%差評問診記錄中,沒有出現與“安慰治愈”相關的不良情感維度的編碼,51.7%差評問診記錄中,沒有出現與“關系維系”相關的不良情感維度的編碼。可見,不良的情感交互并不是導致患者不滿的主要原因。同時,我們還發現,50.0%好評問診記錄中,沒有出現與“專業表述”相關的優秀信息維度的編碼,26.4%好評問診記錄中,沒有出現與“專業診斷”相關的優秀信息維度的編碼。可見,并非所有的好評記錄都表現出好的信息交互行為,即優秀的信息交互并不是導致患者滿意的主要原因。

其二,我們發現好評和差評問診中的患者對信息-情感交互的評價角度有所不同。差評問診記錄多是對醫生信息交互表達不滿,如：“感覺問了等于沒問”“沒有解決問題,沒有任何幫助。“沒有幫助,感覺錢白花了,也沒告訴我個啥。”好評問診記錄則多是對醫生情感交互表達滿意,如：“聽完您的分析特別安心,太害怕了之前,謝謝您！”“說的特別詳細,人特別認真耐心”“非常感謝溫醫生,這么晚還不辭辛苦為我們答疑。”由此猜測,患者的差評依據更傾向于醫生的信息交互模式,而好評問診記錄傾向于依據醫生的情感交互模式。

由此,我們提出,保健因素假設：醫生信息交互模式是導致患者不滿的因素,而不是導致患者滿意的因素。即醫生信息交互模式是移動問診服務滿意度評價的保健因素;

激勵因素假設：醫生情感交互模式是導致患者滿意的因素,而不是導致患者不滿的因素。即醫生情感交互模式是移動問診服務滿意度評價的激勵因素。

3.4 定量數據分析

為了消除醫生職級、醫院等級等因素對實證結果造成的影響,進一步研究,本文采用配對法選擇同一醫生的1條好評問診、1條一般問診和1條差評問診為一組進行對比,消除其他因素的干擾。本文遵循以下原則進行配對樣本的選擇：(1)問診病癥相同;(2)如不能得到滿足條件1的配對,則選擇發病部位相同;(3)如不能得到滿足條件1和條件2的配對,則剔除該醫生。本文嚴格遵循以上條件挑選,選定之后,運用配對樣本T檢驗方法。

對1組配對問診記錄,從兩個方面進行醫生信息交互模式的比較,判斷醫生信息交互模式是否是移動問診服務滿意度的保健因素:(1)優秀信息交互模式不會導致移動問診服務滿意,即好評問診和配對一般問診、配對差評問診的優秀信息交互得分均不存在顯著差異。(2)不良信息交互模式會導致移動問診服務不滿,即差評問診和配對好評問診、配對一般問診的不良信息交互得分均存在顯著差異,且均為前者大于后者。

運用兩獨立樣本T檢驗,對好評問診、一般問診和差評問診的BII和GII進行統計分析,其結果如表6所示。由表可知,經獨立樣本檢驗,GII好評(M=1.950,SD=1.321)和GII一般(M=1.750,SD=1.067)不存在顯著差異,得t(99)=1.249,p>0.05, GII好評(M=1.950,SD=1.321)和GII差評(M=1.560,SD=1.131)不存在顯著差異,得t(99)=2.205,p>0.01,因此,不能拒絕原假設,即表明好評問診與配對一般問診、配對差評問診的GII之間均不存在顯著差異。BII差評(M=1.990,SD=1.352)顯著高于BII好評(M=0.850,SD=0.744),t(99)=8.143,p<0.001。BII差評(M=1.990,SD=1.352)顯著高于BII一般(M=1.060,SD=0.941),t(99)=5.823,p<0.001。即差評問診與配對好評問診、配對一般問診的BII之間均存在顯著差異,并且均為前者大于后者。

這說明在移動問診的就醫情境下,不良信息交互會導致患者的不滿,但優秀信息交互不會導致患者滿意,故保健因素假設得到支持。

同理,本文從兩個方面進行醫生情感交互模式的比較,判斷醫生情感交互模式是否是移動問診服務滿意度的激勵因素:(1)優秀情感交互模式會導致移動問診服務滿意,即好評問診和配對一般問診、配對差評問診的優秀情感交互得分存在顯著差異,并且前者大于后者。(2)不良情感交互模式不會導致移動問診服務不滿,即差評問診和配對好評問診、配對一般問診的不良情感交互得分不存在顯著差異。

運用兩獨立樣本T檢驗,對好評問診、一般問診和差評問診的BEI和GEI進行統計分析,其結果如表6所示。GEI好評(M=1.630,SD=1.070)顯著高于GEI一般(M=0.630,SD=0.691),t(99)=8.470,p<0.001。GEI好評(M=1.630,SD=1.070)顯著高于GEI差評(M=0.390,SD=0.650),t(99)=11.159,p<0.001。即好評問診與配對一般問診、配對差評問診的GEI之間均存在顯著差異,并且均為前者大于后者。BEI好評(M=1.130,SD=0.849)和BEI差評(M=0.800,SD=0.943)不存在顯著差異,t(99)=2.645,p>0.001。BEI一般(M=0.660,SD=0.728)和BEI差評(M=0.800,SD=0.943)不存在顯著差異,t(99)=-1.130,p>0.05。因此,不能拒絕原假設,即差評問診與配對好評問診、配對一般問診的BEI之間均不存在顯著差異。這說明優秀情感交互會導致患者的滿意,但不良情感交互不會導致患者不滿,故激勵因素假設得到支持。

由于本文在篩選配對樣本時,已經控制了醫生職級、醫院等級、問診價格、病情屬性等可能對移動問診服務過程和滿意度有影響的因素,因此實證結果的差異可以認為是不同形式和質量的醫生交互模式造成的。

表5 組統計量

表6 配對檢驗結果

注: *p<0.05,**p<0.01,***p<0.001

4 結語

有相當比例的患者在接受問診服務的過程中或結束后,對移動問診服務過程和質量表達不滿,與移動問診APP“標榜”的高滿意度存在矛盾,進而引發了本文對移動問診中醫患交互模式和服務滿意度的探索。本文以信息-情感模式為理論視角,遵循主題分析法的相關過程,得到移動問診中的醫生交互模式(優秀/不良)的具體描述范疇。進一步,探索醫生交互模式和患者滿意程度的相關關系。研究結果表明,移動問診情境下,優秀信息交互模式不會導致患者滿意,不良信息交互模式會導致患者不滿,故而,醫生信息交互模式是患者滿意度的保健因素;優秀情感交互模式會導致患者滿意,不良情感交互模式不會導致患者不滿,因此,醫生情感交互模式是患者滿意度的激勵因素。

本研究對移動醫療情境中患者滿意度研究和相關研究方法提供了重要的理論貢獻。

第一,本研究在已有患者滿意度的討論中,深化和豐富了醫患交互過程的討論。已有研究僅提及醫患交互過程是患者滿意度的影響因素,但并未深入挖掘具體的交互模式及機制[14,30-31]。本文發現醫生的信息交互模式體現為專業診斷和專業表述,醫生的情感交互模式體現為安慰治愈和關系維系,對患者滿意與不滿評價分別產生不同影響。本研究將信息-情感交互模式[21，23]從傳統線下情境擴展至移動問診情景,對移動情景下醫生信息-情感交互模式的描述范疇進行探索和歸納,形成了從服務交互過程中尋找線上服務滿意度影響因素的新構思,從而豐富了線上服務滿意理論[16,18]。

第二,本文從“激勵-保健因素”視角討論了移動問診服務滿意與不滿的形成,彌補了已有研究忽略患者不滿現象的局限[8]。盡管醫生的信息和情感交互模式對患者的滿意及不滿均有影響,但兩者的影響強度不同。研究拓展了“激勵-保健因素”視角在線上服務領域的應用,驗證了已有線下服務研究中,關于過程-結果的“激勵-保健”作用的討論[32-33],為研究各種線上情景中服務接受者滿意與不滿的形成機制提供借鑒。

第三,本文基于研究問題和文本數據完成了一個新穎的混合研究設計,為后續研究充分挖掘醫療信息、提高研究信度和效度提供了前期探索經驗。以往有關患者滿意度的研究往往借鑒單一研究方法,如問卷、訪談數據或其他二手數據。本研究設計結合了定性分析和定量分析的優勢,為后續相關研究開發醫生交互模式的量表、采用機器學習方法對定性數據進行定量化處理等提供了前期基礎。而且,與以往混合研究設計相比,本文對定性數據的挖掘更深入,定性與定量研究的聯系更加緊密。以往定性研究數據僅用于形成假設構思,而不進行量化挖掘,本文不僅從定性研究中形成了假設構思,還進行了量化處理,并完成了多種研究情境的對比和歸納,提高了研究結論的信度。

研究結論在改善移動端醫生問診模式、移動問診類APP設計和輔助市場監管者在移動問診發展中的決策方面具有重要的實踐價值。

對移動端的醫生而言,研究結論有助于醫生了解患者滿意和不滿的形成機制,根據本文提出的優秀/不良醫生交互模式規范和調整其線上診斷與溝通行為,在不同的醫患關系和問診情景下,調整信息交互和情感交互的使用時機與比例,以滿足患者對移動問診期望,為患者提供量身定制的移動問診服務,獲得好評和溢價支付。

對移動APP開發者而言,在移動問診APP技術成熟但服務同質化的市場環境下,APP開發者應關注技術實現與服務質量提升、醫患交互優化相結合。為減少患者的不滿程度,APP設計者可以加入常見病情講座,信息分享欄目等為患者提供足夠的信息,完善“信息交互”,減少患者不滿。同時,與移動醫療論壇等結合,開設患者-醫生日常交流板塊或吐槽專區,增加患者的“情感交互”體驗,以期針對性地優化用戶體驗。對移動醫療服務的市場監管者而言,研究結論有助于其設計相關的輔助政策,以引導移動問診平臺的良性發展。例如,為了提高醫生的服務意識,可以輔助醫療機構或問診平臺推出相應醫生技能培訓,提高醫生的服務意識、線上溝通技巧等。同時,針對患者,可以輔助醫療機構或問診平臺進行就診培訓和宣傳,使其更好地參與移動醫療服務。這些措施對于問診服務以外的其他醫療服務也有促進作用。此外,研究結論也可推廣到廣泛的線上服務行業。如果企業面對同質化嚴重市場,競爭者服務相似,企業應該更關注服務過程,因為好的服務過程,像“情感交互模式”一樣,可以觸發用戶滿意,增加客戶宣傳和忠誠。如果面對客戶群穩定,忠誠度較高的市場,企業應該將資源投入到類似“信息交互模式”的服務結果的保證,不讓用戶產生不滿,增加用戶轉換成本。

本研究也存在一些不足之處,需要進一步完善和研究。醫患交互模式是雙方溝通互相影響的結果。但本研究只關注了患者對醫生交互模式的感知,在未來的研究中還可以加入醫生對患者交互模式的感知[34-35]及這兩種交互模式之間關系的討論。此外,本研究以移動問診情境中的兒科科室為主要研究對象,未來研究可以拓展研究范圍,探索不同科室、病情性質等對患者滿意或不滿機制的影響[12,36]。