基于貝葉斯理論的醫(yī)院預(yù)約掛號(hào)反黃牛機(jī)制研究*

陶 博，楊 妍，王 琳，王胤濤，王昆華

(昆明醫(yī)科大學(xué)第一附屬醫(yī)院，云南 昆明 650032)

大型三甲醫(yī)院的專(zhuān)家號(hào)通常“供不應(yīng)求”，隨著看診日期的臨近，專(zhuān)家號(hào)價(jià)格往往會(huì)有所不同。“黃牛票”靠抬高醫(yī)療服務(wù)價(jià)格，既不能保證公平又會(huì)降低醫(yī)院的效率[1]。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，醫(yī)院門(mén)診預(yù)約掛號(hào)采用無(wú)紙化，凌晨自窗口排隊(duì)搶號(hào)的“黃牛”們已逐漸消失，但應(yīng)運(yùn)而生了新型的“網(wǎng)絡(luò)黃牛”[2-4]。盡管各大醫(yī)院對(duì)掛號(hào)系統(tǒng)升級(jí)換代，力求堵塞號(hào)販子謀利的空間[5]，醫(yī)院“黃牛”依然非常活躍,利用時(shí)間和信息差[6]，牟取暴利，擾亂正常掛號(hào)就醫(yī)秩序和醫(yī)院管理，為有效解決“黃牛”掛號(hào)問(wèn)題，建設(shè)“以患者為中心”的服務(wù)理念，創(chuàng)造良好的就醫(yī)環(huán)境，本文為門(mén)診管理惡意掛號(hào)的“黃牛”行為提供一定參考。

1 背 景

1.1掛號(hào)流程 昆明醫(yī)科大學(xué)第一附屬醫(yī)院從2018年開(kāi)始啟用多元掛號(hào)方式，首先對(duì)患者通過(guò)手機(jī)、自助機(jī)或窗口完成院內(nèi)檔案的建立；再通過(guò)檔案號(hào)進(jìn)行預(yù)約掛號(hào)，釋放7 d內(nèi)號(hào)源；掛號(hào)成功后繳費(fèi)。本院為實(shí)名制掛號(hào)，“黃牛”提前通過(guò)朋友圈、微信群等社交工具收集患者的需求、費(fèi)用和身份信息，再注冊(cè)身份證號(hào)碼，暴力搶號(hào)后和手機(jī)解綁，再綁定新的身份證；或提前用普通身份證暴力搶號(hào)，找到交易量小的時(shí)間(一般24:00)進(jìn)行退號(hào)，同時(shí)使用患者手機(jī)進(jìn)行掛號(hào)。

1.2“網(wǎng)絡(luò)黃牛”搶號(hào)方法 評(píng)估注冊(cè)掛號(hào)惡意程度主要是預(yù)測(cè)掛號(hào)過(guò)程中可能做出損害其他正常患者掛號(hào)的“黃牛”行為，對(duì)這種可能性大小進(jìn)行定量分析，即可能性較大，該行為的惡意掛號(hào)程度越高；反之較小。直接方法是調(diào)查專(zhuān)家號(hào)患者掛號(hào)方式，再鎖定“黃牛”，再統(tǒng)計(jì)惡意掛號(hào)行為的概率作為掛號(hào)惡意事件出現(xiàn)的概率，需要大量人力、物力和時(shí)間成本。因此，需要更有效的方法間接計(jì)算評(píng)估惡意掛號(hào)行為的概率，但通常普通患者注冊(cè)也會(huì)存在掛號(hào)退號(hào)行為。所以，“黃牛”搶票造成沒(méi)票和系統(tǒng)對(duì)正常買(mǎi)票人的限制中明確“網(wǎng)絡(luò)黃牛”搶號(hào)行為及方式即可定義惡意行為的類(lèi)別：(1)一個(gè)微信號(hào)綁定多張就診卡，利用多張就診卡掛號(hào)；(2)一個(gè)就診卡掛很多知名專(zhuān)家號(hào)，占用大量號(hào)球；(3)在需要“售賣(mài)號(hào)球”時(shí)，通過(guò)取消預(yù)約，將占用的號(hào)球釋放出來(lái)，并為有需要的患者“搶號(hào)”；(4)通過(guò)反復(fù)綁卡、解綁，反復(fù)炒號(hào)；量化“黃牛”行為：在號(hào)源出現(xiàn)的前5 min內(nèi)進(jìn)行搶號(hào)，無(wú)號(hào)源后退號(hào)，并在5 min內(nèi)再次定號(hào)的，判斷為首次“黃牛”行為出現(xiàn)。

1.3方法

1.3.1量化“黃牛”危害 “黃牛”主要影響掛號(hào)就診秩序，量化指標(biāo)設(shè)計(jì)為以下幾點(diǎn)：(1)用戶(hù)體驗(yàn)，即滿(mǎn)意度；(2)醫(yī)院看病就診效率，影響滿(mǎn)意度重要指標(biāo)；(3)互聯(lián)網(wǎng)掛號(hào)系統(tǒng)穩(wěn)定性與效率，直接反映退號(hào)率、單次預(yù)訂成功率、2次預(yù)訂成功率、多次預(yù)訂成功率。同時(shí)，用戶(hù)問(wèn)卷滿(mǎn)意度可以體現(xiàn)互聯(lián)網(wǎng)醫(yī)院掛號(hào)系統(tǒng)復(fù)雜度，從而影響掛號(hào)時(shí)長(zhǎng)，是否掛號(hào)成功等情況，所以用戶(hù)問(wèn)卷滿(mǎn)意度應(yīng)作為評(píng)估系統(tǒng)可用度的關(guān)鍵值。反“黃牛”系統(tǒng)附加項(xiàng)目增多會(huì)提高系統(tǒng)熵，熵增加的閾值體現(xiàn)在用戶(hù)使用度，通過(guò)反復(fù)反饋優(yōu)化反制手段。

1.3.2反制規(guī)則限制 實(shí)名認(rèn)證作為整個(gè)反“黃牛”機(jī)制的前提，也是建立退號(hào)率與判斷“黃牛”身份的關(guān)鍵，在實(shí)名制[7]基礎(chǔ)上，設(shè)立不同的制約條件對(duì)惡意掛號(hào)行為進(jìn)行約束，以下根據(jù)不同策略的性質(zhì)對(duì)其進(jìn)行分類(lèi)。第1類(lèi)：就診卡及預(yù)約限制。(1)1個(gè)電話(huà)號(hào)碼只能注冊(cè)綁定2個(gè)就診卡號(hào)。使用1個(gè)身份證號(hào)與1個(gè)手機(jī)號(hào)碼綁定后，180 d內(nèi)不得解綁。限制“黃牛”通過(guò)反復(fù)注冊(cè)后解綁來(lái)問(wèn)不同患者搶號(hào)。(2)1個(gè)就診卡號(hào)當(dāng)天只能預(yù)約同一個(gè)科室的1個(gè)專(zhuān)家或普通號(hào)；可以預(yù)約3個(gè)不同科室的專(zhuān)家或普通號(hào)；1個(gè)月內(nèi)可預(yù)約同一個(gè)科室的累計(jì)4次專(zhuān)家號(hào)。(3)預(yù)約掛號(hào)鎖定號(hào)源后必須10 min內(nèi)完成支付，否則鎖定的號(hào)源自動(dòng)釋放；(4)1個(gè)電話(huà)號(hào)碼所綁定的診療卡號(hào)，1個(gè)卡號(hào)存在未支付掛號(hào)訂單時(shí)，不能使用另一個(gè)診療卡號(hào)；(5)如預(yù)約取消后，號(hào)源不能立刻返回號(hào)源池，設(shè)置延遲反饋機(jī)制，在取消的2 h后到看診前1 d 24:00之間隨機(jī)返回；所支付的掛號(hào)費(fèi)用在預(yù)約取消后4 h內(nèi)原路退回患者賬戶(hù)。(6)預(yù)約掛號(hào)取消限制。每個(gè)就診卡號(hào)30 d內(nèi)取消預(yù)約掛號(hào)次數(shù)累計(jì)超過(guò)3次，該就診卡號(hào)將自動(dòng)鎖定，90 d內(nèi)不支持預(yù)約掛號(hào)。第2類(lèi)：黑名單限制。對(duì)違反就診卡及預(yù)約掛號(hào)規(guī)則的患者進(jìn)行90 d鎖定。鎖定期間不能進(jìn)行預(yù)約掛號(hào)，只能采取現(xiàn)場(chǎng)掛號(hào)。第3類(lèi)：禁用http。開(kāi)啟https和禁用http的目的是為提高網(wǎng)絡(luò)傳輸安全性[8]，防止中間人惡意攻擊，但用戶(hù)方感受不到系統(tǒng)使用和掛號(hào)時(shí)長(zhǎng)，也不影響掛號(hào)成功率，所以此類(lèi)不作為下文決策計(jì)算的條件。

13.3貝葉斯公式 “黃牛”搶票造成沒(méi)票和系統(tǒng)對(duì)正常買(mǎi)票人的限制中,貝葉斯理論[9]取到平衡值為指導(dǎo)意見(jiàn)。假設(shè)“黃牛”的先驗(yàn)概率與退票率近似的前提，根據(jù)貝葉斯公式：

(1)

其中，P(A/B)反制條件下，“黃牛”發(fā)生概率，P(A)為“黃牛”的先驗(yàn)概率，P(B/Ai)為該條件下“黃牛”被反制概率，P(B/A)“黃牛”中被反制的概率，表格里計(jì)算6個(gè)反制條件疊加的結(jié)果；分母為全概率公式，即在多重反制條件B下，反“黃牛”成功率與條件發(fā)生率乘積的總和。

貝葉斯網(wǎng)絡(luò)能利用統(tǒng)計(jì)數(shù)據(jù)中的先驗(yàn)知識(shí)及后驗(yàn)概率，對(duì)數(shù)理模型進(jìn)行推理和診斷有助于識(shí)別和檢驗(yàn)因素之間的因果關(guān)系，并根據(jù)因素之間的因果關(guān)系，通過(guò)預(yù)測(cè)和診斷來(lái)輔助決策支持，該公式需要借助原有調(diào)查的“黃牛”情況來(lái)不斷的修正，達(dá)到一定的閾值，就認(rèn)為是“黃牛”，其中的樣本集需要借助于提前收集的“黃牛”惡意退掛號(hào)、反復(fù)解綁卡情況，明確掛號(hào)者中“黃牛”的比例作為常量。

因?yàn)榻壎松矸葑C，所以“黃牛”號(hào)必須通過(guò)退號(hào)變現(xiàn)。決策實(shí)驗(yàn)之前需要收集并確定“黃牛”號(hào)實(shí)際比例，首先，通過(guò)外呼退號(hào)用戶(hù)和填寫(xiě)調(diào)查問(wèn)卷的方式確認(rèn)是否為真實(shí)就醫(yī)用戶(hù)；其次，通過(guò)退號(hào)用戶(hù)的調(diào)查問(wèn)卷(附件1)反饋主要退號(hào)原因，退號(hào)后二次定號(hào)的時(shí)間和科室，是否為重要的難掛號(hào)專(zhuān)家，判定退號(hào)后未填寫(xiě)原因且二次掛同一時(shí)間同一難掛號(hào)專(zhuān)家者為“黃牛”搶號(hào)。綜合上述信息來(lái)推算先驗(yàn)知識(shí)。見(jiàn)表1。先驗(yàn)知識(shí)為醫(yī)院在使用反制手段前，網(wǎng)絡(luò)預(yù)約掛號(hào)者中“黃牛”出現(xiàn)概率。見(jiàn)表2。實(shí)驗(yàn)前，針對(duì)難掛號(hào)的12位專(zhuān)家問(wèn)診做出有效問(wèn)卷反饋，綜合外呼退號(hào)就醫(yī)者確認(rèn)人群中“黃牛”的先驗(yàn)概率，正常人群退票率和“黃牛”退票率之和應(yīng)為100%，上述表格顯示，隨退票次數(shù)的上升，退票者為“黃牛”的概率越大。

表1 實(shí)驗(yàn)前全院及特定專(zhuān)家號(hào)退號(hào)率情況[n(%)]

表2 專(zhuān)家號(hào)中的退票率(%)

2 結(jié) 果

2.1條件數(shù)據(jù)提取 本實(shí)驗(yàn)從昆明醫(yī)科大學(xué)第一附屬醫(yī)院選擇較難掛號(hào)的12位專(zhuān)家號(hào)，每位專(zhuān)家10次出診，每次限號(hào)20個(gè)，截取了2020年5-7月共92 d，互聯(lián)網(wǎng)醫(yī)院從掛號(hào)開(kāi)始伴隨整個(gè)就醫(yī)流程，就醫(yī)完畢后要求填寫(xiě)用戶(hù)問(wèn)卷滿(mǎn)意度。隨機(jī)將2 400個(gè)號(hào)分別使用6種不同的反“黃牛”制約方式。采用互聯(lián)網(wǎng)醫(yī)院后臺(tái)提取所有數(shù)據(jù)，根據(jù)有效用戶(hù)滿(mǎn)意度問(wèn)卷，提取1 200個(gè)數(shù)據(jù)作為貝葉斯決策計(jì)算使用，對(duì)六種制約方式的反“黃牛”效果計(jì)算，推算系統(tǒng)最終可用公式。

2.2條件概率計(jì)算 觀察樣本的1 200名線上門(mén)診預(yù)約掛號(hào)患者，根據(jù)先驗(yàn)知識(shí)中退票一次人群中“黃牛”占比為78.50%，“黃牛”約為202人，平均每200名掛號(hào)者使用一種制約條件限制掛號(hào)行為，再統(tǒng)計(jì)提取掛號(hào)制約后退票數(shù)量進(jìn)行概率計(jì)算。見(jiàn)圖1。

圖1 不同反制條件使用下退票情況

2.3決策值計(jì)算 運(yùn)用公式(1)對(duì)上述反制條件進(jìn)行貝葉斯決策值計(jì)算可以得到，N值為正常掛號(hào)順利就醫(yī)人數(shù)。見(jiàn)表3。

表3 多種反制條件下“黃牛”被反制的概率計(jì)算表

2.4實(shí)驗(yàn)結(jié)果分析 根據(jù)多步反“黃牛”決策進(jìn)行了貝葉斯“黃牛”先驗(yàn)概率計(jì)算，得出該12名專(zhuān)家號(hào)中，真實(shí)“黃牛”發(fā)生率為8.90%，但反黃牛手段的每次疊加都會(huì)增加系統(tǒng)復(fù)雜度，掛號(hào)時(shí)長(zhǎng)增加或掛號(hào)失敗率增加，這個(gè)在用戶(hù)滿(mǎn)意度調(diào)查表中體現(xiàn)，結(jié)合患者滿(mǎn)意度，推算出反“黃牛”系統(tǒng)最終可用值公式。

P(C)=[1-P(A/B)]×D

(2)

P(C)為系統(tǒng)最終可用度得分，D為用戶(hù)問(wèn)卷滿(mǎn)意度，P(A/B)反制條件下，“黃牛”發(fā)生概率。見(jiàn)表4。

表4 用戶(hù)滿(mǎn)意度分布情況(歲)

滿(mǎn)意度定義為60分以下為完全不滿(mǎn)意，D值計(jì)算：分?jǐn)?shù)區(qū)間的中位數(shù)×人數(shù)/總?cè)藬?shù)，D值為80.08。由此計(jì)算得系統(tǒng)最終可用度P(C)為72.95。系統(tǒng)可用度得分綜合考慮了反制“黃牛”決策使用后反制效果及用戶(hù)滿(mǎn)意度，追求系統(tǒng)運(yùn)行和用戶(hù)評(píng)價(jià)達(dá)到最佳平衡點(diǎn)。

3 討 論

“黃牛黨”職業(yè)的產(chǎn)生是需求引導(dǎo)，中國(guó)醫(yī)患比較低的情況下，進(jìn)一步催生了“倒號(hào)”行為。反制過(guò)程要先在實(shí)名制的基礎(chǔ)上進(jìn)行預(yù)約限制相關(guān)的技術(shù)整改，預(yù)約限制每個(gè)微信號(hào)僅可綁定1張就診卡；調(diào)查確定最佳限制解綁時(shí)間為180 d，防止“黃牛”通過(guò)反復(fù)綁卡、解綁方式掛號(hào)；針對(duì)患者或“黃牛”占用大量號(hào)球的情況，患者服務(wù)平臺(tái)支持限制每張就診卡掛號(hào)數(shù)量，包括“同一科室每天預(yù)約掛號(hào)次數(shù)”“同一醫(yī)生每天預(yù)約掛號(hào)次數(shù)”“每人每天最大預(yù)約次數(shù)”“同一醫(yī)生每天掛號(hào)(當(dāng)天號(hào))次數(shù)”“同一科室每天掛號(hào)(當(dāng)天號(hào))次數(shù)”“每人每天最大掛號(hào)(當(dāng)天號(hào))次數(shù)”“24 h內(nèi)最大掛號(hào)數(shù)”“30 d內(nèi)最大掛號(hào)次數(shù)”。再通過(guò)新增黑名單規(guī)則來(lái)實(shí)現(xiàn)限制，為減少普通患者或“黃牛”掛號(hào)后占用號(hào)球，但不就診，引起的號(hào)球的浪費(fèi)，服務(wù)平臺(tái)支持對(duì)爽約患者自動(dòng)加入黑名單，當(dāng)患者掛號(hào)后，不就診次數(shù)達(dá)到設(shè)定次數(shù)時(shí)，患者將被列為黑名單，在設(shè)定的時(shí)間范圍內(nèi)，不可再次掛號(hào)。因患者綁卡時(shí)，必須填寫(xiě)手機(jī)號(hào)，為通過(guò)手機(jī)號(hào)識(shí)別“黃牛”，可通過(guò)將特定手機(jī)號(hào)加入黑名單進(jìn)行限制。為達(dá)到該效果，綁卡或建卡需開(kāi)啟手機(jī)驗(yàn)證碼，驗(yàn)證綁卡人員手機(jī)號(hào)碼真實(shí)性。不同限制方法都一定程度減少了退票及二次退票情況，經(jīng)過(guò)反復(fù)試驗(yàn)，6種反制條件疊加下“黃牛”被反制的概率為55.43%，反制條件下“黃牛”發(fā)生概率最低為8.90%，而先驗(yàn)知識(shí)中，1 200名線上預(yù)約掛號(hào)者中“黃牛”占比16.83%，減少了專(zhuān)家號(hào)中近50.00%的“黃牛票”。隨之增加的系統(tǒng)復(fù)雜度會(huì)直接影響患者滿(mǎn)意度，根據(jù)參與實(shí)驗(yàn)的掛號(hào)患者滿(mǎn)意度測(cè)評(píng)結(jié)果，計(jì)算系統(tǒng)最終可用度為72.95，達(dá)到了系統(tǒng)運(yùn)行和用戶(hù)評(píng)價(jià)的最佳平衡點(diǎn)，因此選取6種反制手段作為打擊專(zhuān)家號(hào)“黃牛黨”的技術(shù)手段。通過(guò)實(shí)驗(yàn)對(duì)該反制方法的有效性和可行性進(jìn)行證明，實(shí)驗(yàn)結(jié)果符合預(yù)期設(shè)想，提出的反“黃牛”系統(tǒng)最終可用度評(píng)估方法量化地計(jì)算了互聯(lián)網(wǎng)醫(yī)院反“黃牛”機(jī)制應(yīng)用的可用程度及反制效果，給醫(yī)院管理者直觀的參考，讓決策者了解反制行為與效果之間的明確因果，了解反制“黃牛”成功的根本原因，減少“黃牛”的同時(shí)，更好地保障互聯(lián)網(wǎng)醫(yī)院掛號(hào)使用者高效便捷地使用，做到“以患者為中心”的醫(yī)療管理決策。

“黃牛黨”既是經(jīng)濟(jì)社會(huì)學(xué)問(wèn)題，又是醫(yī)院管理決策者亟待解決的違規(guī)行為，制定了合理的掛號(hào)價(jià)格和管理成本的同時(shí)，需要引入互聯(lián)網(wǎng)管理模式下的新技術(shù)進(jìn)一步深化，減少不必要的秩序維護(hù)支出。但該反制手段也存在不足，沒(méi)有對(duì)“黃牛黨”身份實(shí)現(xiàn)智能識(shí)別，明顯區(qū)分正常用戶(hù)和“黃牛”身份，下一步采用生物識(shí)別技術(shù)精準(zhǔn)定位“黃牛黨”身份，提高識(shí)別算法精確度，逐步累計(jì)違規(guī)行為人，將徹底解決“黃牛黨”搶占專(zhuān)家號(hào)資源問(wèn)題。

總之，本文基于貝葉斯公式設(shè)計(jì)了一種貝葉斯決策模型，量化評(píng)估了醫(yī)院線上預(yù)約掛號(hào)診療中采取的反制“黃牛”手段效果，推導(dǎo)計(jì)算每一種反制“黃牛”手段的反制效率，對(duì)醫(yī)院管理者針對(duì)“黃牛”線上搶號(hào)行為較好管理具有參考價(jià)值，讓管理決策者了解不同反制“黃牛”方式造成的系統(tǒng)問(wèn)題，在最大程度限制用戶(hù)某些行為來(lái)減少“黃牛”，更好地保障患者掛號(hào)權(quán)益，提高醫(yī)院運(yùn)轉(zhuǎn)效率[10]。