基于在線醫療評論的患者行為挖掘及其在醫療決策與管理中的應用綜述

□廖虎昌 劉 凡 盧柯宇 朱 婷 羅 利

[四川大學 成都 610064]

引言

根據CNNIC第47次《中國互聯網絡發展狀況統計報告》，截至2020年12月，我國網民規模已達9.89億，互聯網普及率達70.4%，較2020年3月增長8 540萬①。網絡購物用戶規模達7.82億，較2020年3月增長7 215萬，占網民整體的79.1%。在線評論是網絡用戶在對某種產品或服務進行消費之后，對其消費體驗進行的主觀評價[1]。在線評論能夠幫助消費者在進行產品或服務的購買決策時更多地了解目標商品的實際價值，在一定程度上緩解買賣雙方對產品或服務的信息不對稱。由于在線評論的易獲得性，大量學者利用在線評論對旅游管理[2～3]、餐飲管理[4]、電子購物[5～6]以及酒店管理[7～8]中的消費者偏好和決策行為進行分析。

依托互聯網的醫療管理實踐使醫院、醫生和患者三方的信息交流更加便利，有力改善了醫療服務資源的非均衡配置。調查顯示，在美國，90%的患者會使用在線醫療評論來對醫生進行評價，大約71%的患者會將在線醫療評論作為尋找醫生的第一步②。《國務院辦公廳關于促進“互聯網+醫療健康”發展的意見》中提出了“互聯網+醫療”的政策，自此之后，越來越多的互聯網企業開始轉向智慧醫療③。國內已經存在許多具備在線評論功能的智慧醫療服務平臺，如好醫生、掛號網、微醫等。根據CNNIC第47次《中國互聯網絡發展狀況統計報告》，截至2020年12月，我國在線醫療用戶規模已達到2.15億，占整體網民比例的21.7%。針對如此龐大的在線醫療服務群體，合理利用網絡資源進行醫療資源配置將對國家和社會的醫療服務管理帶來更多積極的改善。

此外，越來越多的人開始借助在線平臺開展醫療服務相關活動，如查找與咨詢醫療保健服務信息。與醫療相關的在線評論網站已經從簡單的信息共享功能發展到解決復雜的公共衛生問題，如醫療質量和安全、災害預防和流行病監測等[9]。作為一種服務型商品，醫療服務具有價值高、體驗風險大等特征，因此，學者將醫療服務歸為信用商品（credence goods）[10]。相較于消費之后易于做出有效體驗評價的家電、食品等商品，醫療服務的評論更具專業性，患者僅能準確感知和評估一些外部因素，如醫院環境、等待時間等。由于醫學知識的缺乏，患者對就醫體驗以及就醫結果可能無法進行準確評論，進而使得平臺用戶從醫療評論中獲取醫療服務質量等關鍵因素的感知信息的有效性相較于普通商品可能更低。醫療服務直接作用于人體，如果選擇了不合適的醫療服務，在帶來經濟損失的同時，還可能對身體造成傷害。合理準確地利用患者發布的在線醫療評論信息，對幫助平臺用戶選擇適合的醫療服務以及促進管理者優化醫療資源配置具有重要意義④。

發表在中文期刊上關于在線醫療評論的研究成果主要討論了在線醫療評論的相關應用與發展，包括在線醫療社區中醫生口碑對患者就醫選擇的影響[11]，醫生開通個人網站對在線醫療社區的患者對該醫生評論數量的影響[12]，百度貼吧醫療板塊的知識互動和情感交互的關系[13]，影響在線醫療社區服務質量的因素[14]，在線醫療社區中的用戶交互行為[15]，在線醫療社區中服務多樣性對患者決策行為的影響[16]，在線醫療社區中的文本挖掘與用戶聚類算法[17]。部分學者對在線評論在醫療服務管理中的應用進行了綜述。例如，Placona和Rathert通過對32篇文獻的分析，綜述了在線醫療評論在反映醫療質量上的作用[18]。通過對18篇文獻的分析，Tan等對患者的互聯網健康信息搜索過程及其對醫患關系的影響進行了綜述[19]。Mulgund等回顧了影響醫療評分網站數據質量的因素識別和分類的相關文獻[20]。這三篇綜述性論文分別聚焦于在線醫療評論在醫療質量、醫患關系和數據質量管理等方面的作用，研究范圍不大，難以體現在線醫療評論應用研究的整體趨勢與前沿熱點。韓璽對2019年之前在線醫療評論信息的相關文獻進行了綜述[21]。然而，近年來涌現了大量關于在線醫療評論的研究文獻，因此，有必要對近年來該領域所發表的文獻進行詳細梳理和深入分析。

為了掌握基于在線評論的醫療服務管理的國內外研究進展，使用關鍵詞“online/web/internet +physician/doctor/patient + review/rating/comment”的檢索式組合和“在線醫療/在線患者+評論”的檢索表達式，分別從Web of Science和中國知網兩個數據庫對文獻進行檢索。截至2021年6月1日，共檢索到英文文獻358篇，中文文獻20篇。排除非SCI/SSCI檢索的英文文獻和非核心期刊發表的中文文獻，通過對標題、關鍵詞、摘要的篩選，剔除包含上述關鍵詞但內容與該領域無關的文獻，并通過對文獻內容的進一步閱讀（是否研究了不同病種或是否提出新的理論或方法）以及參考文獻的引文追蹤，最終選取了131篇文獻（包括115篇英文期刊論文和16篇中文期刊論文）展開分析。

首先，對篩選后的基于在線醫療評論的文獻進行計量分析，了解在線醫療評論在醫療決策與管理領域的應用、發展趨勢以及當前的研究熱點。然后，從在線醫療評論生成行為與患者感知行為兩個角度對在線醫療評論的信息來源進行概述。接著，從學者們關注最多的在線醫療評論的內容特征與相關影響因素、在線醫療信息協助患者和醫療機構進行決策以及政府機構政策制定等三個角度對在線醫療評論的應用進行歸納和梳理。最后，對在線醫療評論在醫療決策與管理的未來研究方向進行展望。本文的層次結構如圖1所示。

圖1 綜述內容層次結構圖

一、文獻計量分析

為了解基于在線醫療評論的相關研究的發展進程和現狀以及相關研究熱點，本節對篩選后的文獻進行計量分析。

美國的第一個醫療評論網站RateMDs.com是在2004年建立。中國最早建立的醫療評論網站是在2006年成立的好大夫在線。2010年之前，在線醫療評論網站還未被互聯網用戶所熟知，因而關于醫生的在線醫療評論數量較少。早期的相關研究采用小樣本內容分析，而少量的樣本并不能很好地反映總體的趨勢，因此，在線醫療評論在早期用來協助患者或管理者進行決策時會被質疑其可靠性。根據本研究的檢索結果，全球范圍內最早利用在線醫療評論信息進行研究的成果由美國學者Moore 于2005年發表在《Journal of Gerontological Nursing》，該文討論了在線醫療社區中討論區不準確的信息對于老年人是福還是禍[22]。此后，隨著在線醫療評論數量的累積以及內容質量的逐漸完善，學者們開始意識到醫療信息系統在醫療領域的作用[23]。各國學者逐漸關注到患者發布在醫療網站上的就醫評論，并開始探索患者所發布的就醫評論中的潛在信息價值，利用挖掘的信息來幫助患者選擇合適的醫生，幫助醫療機構進行合理的醫療資源調配和醫療系統管理，輔助管理者進行醫療政策輔助制定等。中國學者在2015年左右已開始進行在線醫療評論相關的研究[24]，但直到2017年才有中國學者曾奕僑等[25]在中文期刊《智慧健康》上發表關于醫院與醫生聲譽和在線健康社區中醫療評論的相關性的論文（此前中國學者的研究成果多發表在英文期刊上）。

在該領域的早期研究中，學者們主要利用在線評級來分析醫療服務質量的好壞。隨著研究的深入，學者們逐漸利用更多的數據來源（如多個同質性的在線醫療平臺數據、線下醫院診療數據、患者電子健康病歷等）結合網站生成內容（醫生主頁點擊量、訪問數量）研究患者滿意度的影響因素以及推動在線醫療平臺用戶進行評價的動力等問題。從圖2可以直觀地看出，隨著時間的推移，越來越多的國內外學者開始關注在線醫療評論的相關研究[23]。

圖2 參考文獻發表時間分布

從參考文獻來源上分析，本研究選定的131篇文獻中有78篇文獻來自醫學類的期刊，如《Journal of Medical Internet Research》《JAMA：The Journal of the American Medical Association》《BMJ Quality & Safety》；7篇來自經濟管理類知名的UTD24期刊，如《Management Science》《Information System Research》《MIS Quarterly》。所有期刊中貢獻參考文獻最多的是《Journal of Medical Internet Research》，總計30篇。通過對文獻的梳理閱讀發現，多數醫療期刊發表的文獻所做主要工作是在線醫療評論數據的收集處理與分析，通過統計學的方法獲得在線醫療評論數據的分布特性、數量變化等特征，進而研究評論特征之間的相關性。隨著學者們越來越重視交叉領域的研究，信息管理類期刊中此類研究的文章逐漸增多。相較于醫學類期刊上發表的關于在線醫療評論的應用性論文，管理類期刊上所發表的文章篇幅更長，包含較多的統計分析內容以及理論模型的驗證，不僅分析在線醫療評論的影響因素之間的相關性，還有學者研究影響在線醫療評論的生成因素、在線醫生推薦以及互聯網醫院管理等。

從研究者的專業領域來看，來自于醫學領域的學者最多，其他是來自工商管理以及信息系統領域的學者。未來還需要醫療專業與信息管理等專業人員進行更多合作，深入挖掘醫療大數據的潛在價值。

通過對文獻引用次數的分析，可以了解學者們最關注的研究內容。表1整理了引用次數前十的高被引文章。十篇文章總計引用次數為1 517，占全部引用次數（2 682）的56.6%。這十篇文獻中有兩篇來自管理類的UTD 24期刊（1和7），其余均發表在醫學類期刊，其中3篇來自《Journal of Medical Internet Research》。十篇文章發表時間總體較早，只有第2和第8篇文章為2015年之后發表。可能由于發表時間較短，近年發表的文章的被引用次數并不高。在這十篇文章中，第1篇文章論述了美國醫療信息系統的發展現狀與未來道路，第2和第9篇為綜述性文章，第5和第6篇討論了在線醫療信息與醫院管理的關聯性，其余文章討論了在線醫療評論信息的具體應用。

表1 被引用次數前十的文章信息 （截至2021年6月1日）

為了了解參考文獻的重點研究內容以及不同主題之間的聯系，可對參考文獻進行關鍵詞共現展示。圖3展示了英文文獻中的關鍵詞共現分析結果。從圖3中可以看到，最中心部分patient satisfaction（患者滿意度）是學者們最關心的主題，在其周圍則是Online physician reviews（在線醫生評論）、Public reporting（公開報道）。這說明學者們對這些關鍵詞結合起來的內容研究較為集中。其次，online rating（在線評級）、internet（因特網）、social media（社交媒體）等關鍵詞的半徑略小于患者滿意度，說明學者們對這些研究也較為關注，也屬于熱門的研究內容。latent variable model（潛在變量模型）、choice behavior（選擇行為）以及electronic health records（電子健康病歷）等關鍵詞離核心圈較遠，表明當前學者對相關內容研究較少，可能是由于該研究內容較為新穎，學者們可以嘗試從此類關鍵詞中去探索未來研究方向。比如，中國的大型三甲醫院已經開始逐步使用電子健康病歷這類信息管理系統對患者醫療信息進行管理，減少患者醫療信息缺失的可能性，構建醫院間的患者信息共享數據庫，讓病人在不同醫院就醫時享受更多的便利[26]。隨著電子健康病歷的建立，醫院可以通過累積的大數據對患者的病情進行分析和預測，通知患者及時的術后復查等，為患者提供精準優質的醫療服務。

圖3 關鍵詞共現圖

二、在線醫療評論生成行為及感知研究

在線醫療評論的生成行為決定了醫療評論信息的來源，其會影響評論的質與量以及平臺用戶對患者評論內容的感知，而用戶對醫療服務質量以及評論內容的感知又會進一步作用該用戶的評論生成行為。本節對患者的在線醫療評論生成行為以及用戶感知方面的文獻進行綜述，重點討論這兩類研究的重要性以及現有文獻的主要研究內容，進而總結得出可以展開深入研究的方向。本節結構如圖4所示。

圖4 在線醫療評論生成行為及感知研究綜述結構圖

（一）在線醫療評論生成行為研究

關于在線醫療評論的研究中，如果沒有患者愿意在就醫之后發表醫療服務體驗的評論，在線醫療評論就無法積累到足夠的數量，從而無法讓更多的平臺用戶了解到相關的就醫信息，也就無法緩解醫患之間信息不對稱的問題。因此，對在線醫療評論的生成行為的研究相當重要。本節分別從患者和醫生兩個角度綜述關于在線醫療評論的生成行為的研究成果。

目前，學者們主要關注從患者角度如何推動在線醫療評論的撰寫以及哪些因素會促使患者發布在線評論。通過半結構化訪談并基于扎根理論對訪談資料編碼，韓璽和韓文婷運用統計分析方法，研究了影響患者在線醫療評論生成的因素，以及如何從醫療政策、醫療服務提供者、在線醫療平臺和用戶收益四個層面來激勵患者發表更多醫療評論[27]。通過在線情景問卷與實證分析，金曉玲等研究了促進用戶不同互動行為（點贊與評論）的影響因素及其差異，提出從評論質量、來源和情感極性上豐富評論內容，使評論更有感染力，從而提高患者的評論積極性[28]。通過訪談報告分析，Han等研究了不同因素（包括人口統計變量、健康變量、認知變量以及技術相關變量）對患者的評級行為和評級意向的影響[29]。

在促使患者發布正面或負面的極端評論的因素研究中，通過對整形外科手術（隆胸）的評論分析，Dorfman等發現，在護理方面經歷過極端情況（無論是好或壞）的患者會比有中性經歷的患者更傾向于提供評價[30]。通過研究手部外科醫生的在線評論，Trehan等挖掘了讓患者打出更高評分的因素[31]。通過Yelp和Healthgrades上關于慢性疾病治療的在線評論，Orhurhu等研究了導致患者對醫生進行正面或負面評價的因素[32]。

有學者從醫生角度探索如何讓更多的患者發布在線醫療評論。通過定量分析醫生對患者發布的在線評論的認識以及回復情況，Emmert等發現，少數醫生會參與到在線評論之中，作者認為需要加強這種溝通機制以平衡醫療信息的不對稱情形[33]。通過研究醫生道德行為（評論操控、為好評付費、要求患者簽署不進行在線評論的棄權書）對在線評論的影響，Samora等認為，在未來在線醫療評論發揮更大作用時，有關部門需要出臺更強力的監管措施[34]。通過研究醫生對患者在線評論系統的風險感知報告，Kemp等發現，當醫生參與時評論系統的透明度會提高，醫生對評論系統的信任和組織支持對醫生使用在線評價系統起到促進作用[35]。

以上綜述的文獻都是2016年之后發表的。也就是說，學者們在近幾年才逐漸開始關注在線醫療評論生成行為這一話題的研究。可能是由于該研究涉及心理學、經濟學、管理學以及統計學等學科的交叉，現有的研究文章數量不多，研究內容還不透徹。未來還需要更多具有交叉學科背景的學者進行深入研究。

（二）在線醫療評論與患者感知的交互影響研究

關于用戶對在線醫療評論感知的研究也是在線醫療評論研究中非常重要的一環，它決定了在線醫療評論應用于輔助決策的質量。患者對醫療服務的體驗感知差異會對其評論內容發布產生影響，而用戶對醫療評論內容的獲取感知會對其醫療服務決策產生影響。學者們主要從評論數量、評論質量、評論內容和評級得分等方面對患者感知行為開展研究。由于人的感知難以量化，學者們多采用問卷訪談的方式獲得患者的感知數據，進而開展對醫生感知信任度、感知結果、感知評論可靠性的研究。本節主要從患者對醫生的專業水平與質量感知、患者對醫生的信任度與態度感知和患者對評論內容特征以及文本結構感知等三個方面來研究在線評論與患者感知的交互影響。

在研究患者對醫生專業水平與醫療質量感知的文獻中，結合線上評級與線下患者對醫生的治療質量感知數據，Gao等研究了在線評級與患者對醫生專業水平感知之間的關系[36]。結果表明，在線醫療評論可以反映線下的醫療質量評分。此外，患者出于對醫生報復的擔心或其他原因，低質量的醫生不太可能在網上得到評分，從而導致醫生的在線評分會比線下評分更高。極端在線評級（即最高評分和最低評分）所反映出的醫生質量并不如中間位置的在線評級反映的醫生質量準確。通過對神經學醫生的在線醫療評級與評論信息的分析，Goshtasbi等發現，在線評分和評論受病人對醫生能力的感知、對病人的關懷態度以及醫生辦公室管理的高度影響[37]。Yan等研究了用戶在在線醫療平臺上所獲得的觀點對用戶健康知識和就醫時感知的治療結果的影響[38]。此外，Yan和Tan通過假設實驗分析，研究了其他患者對治療經驗的共識如何影響患者對治療效果的感知[39]。通過在線評論分析，Murphy等發現，患者會感知實習醫生與正式醫生的不同，并認為在線評論并不能完美地反映醫生能力[40]。

在線醫療評論研究患者對醫生信任度以及態度感知的文章中，Han等研究了當平臺用戶了解鄰居推薦的醫生并通過在線醫生評論網站進一步了解所推薦醫生的相關信息后，在線評論效價、疾病風險以及評論者對醫生的信任度三個方面對平臺用戶決策的影響[41]。此外，Han等還研究了整體評級、效果評級和態度評級之間的對比、評論體量這三個因素對平臺用戶選擇醫生的影響[42]。這兩篇文章均表明，感知醫生信任度會對其他影響平臺用戶選擇醫生的因素起調節作用。基于七個在線評級網站的評論，Yu等研究了患者在選擇骨外科醫生時所重視的因素，包括醫生的態度、溝通技巧和患者感知等[43]。

在患者對在線醫療評論內容特征和文本結構的感知影響方面，Peng等從語言性質（具體性與情感性）以及患者對疾病描述的嚴重程度兩個方面，研究了在線醫療服務問答中內容—語境一致性在各種用戶生成內容中的作用[44]。通過對牙醫在線敘述性評論的分析，Mao和Li研究了文本結構和重點內容對患者的說服力，并提出了從認知和經驗兩個方向來理解評論[45]。通過CiteHealth.com的1 081條評論信息分析，Sadda等發現，在線評論的部分內容特征與醫療保健提供者和系統的中心血液透析消費者評估對患者經驗的測量方式顯著相關，并且在線評論能表達患者的情感極性，是患者體驗報告的輔助信息來源[46]。利用文本挖掘技術與情感分析工具進行主題建模，James等研究了患者評論與臨床治療效果、患者感知評價以及醫生同行評價的關系[47]。通過分析實驗參與者對在線醫療評論的認識、使用和貢獻，McLennan等發現，人們對在線醫療評論的認識和使用水平相對較低，人們在選擇醫生之前可能更多地依賴熟人推薦，而對公共信息（如在線醫療評論）參考較少，這一現象表明了人們對在線醫療評論信息的代表性和有效性的擔憂[48]。從評論本身質量以及評分機制出發，Kloosterboer等發現，通過評估網上與年齡相關性黃斑變性（眼部疾病）評論信息的質量、內容、可靠性和可讀性，評論內容總體質量較低，所提供的評論內容難以解釋，沒有足夠的信息使用價值來支持病人做出相關醫療決策[49]。

以上文章的出版時間都在2015年之后，說明學者們近幾年對患者感知這一主題有較多的關注，是一個較前沿的研究方向。在該領域的研究中，學者們一般使用多個在線醫療平臺的評論數據或線上評論數據結合線下醫院患者數據，利用統計學方法或是機器學習的方法來挖掘評論或評級與患者的各種感知之間的關系。

綜上，目前關于患者在線醫療評論生成行為的研究成果還不多，尚沒有學者系統研究如何從患者、醫生、管理者以及政策四個角度來強化患者的評論意愿。未來可以從患者個人特點和心理認知角度開展更多研究。如對影響患者和平臺用戶感知的因素進行挖掘，了解患者/用戶感知變化情況，加強醫生、評級網站與患者之間的溝通以增加醫患雙方的信任度，從而調動患者發布在線評論的積極性。其次，如何將醫院、醫生、在線評級網站以及患者以更加和諧的方式聯系起來，構建以患者為中心的信息流動體系，讓患者能夠在整個醫療網絡中獲取更多信息，讓醫生參與到在線醫療信息系統的建設中，使醫生更加了解患者需求，從而加快整個網絡的信息傳遞效果，減少由于醫患雙方信息不對稱所造成的人力、物力上的損失。

三、在線醫療評論內容特征以及相關影響因素研究

在基于在線評論的醫療服務管理研究中，學者們最關注的問題是在線醫療評論的內容特征以及相關影響因素。在線醫療評論的內容特征主要指評論的主題特征和評級分布。相關影響因素主要包括醫生/醫院的真實服務質量、患者滿意度、醫生聲譽、醫生社交媒體使用情況以及醫生收益等。本節首先綜述在線醫療評論的評級、內容特征及相關因素。然后整理在線醫療評論與各種相關影響因素之間的關聯性方面的研究成果。此外，部分研究認為在線醫療評論的內容特征無法反映相關影響因素的關聯性。本節對這部分文獻也進行了梳理，內容結構圖如圖5所示。

圖5 在線醫療評論內容特征以及相關影響因素結構圖

（一）在線醫療評論的評級及相關因素研究

關于在線醫療評論內容的研究中，學者們關注最多的是在線評論主題特征內容、評級分布情況與醫生/患者的個人信息（性別、受教育程度、收入、社交媒體使用等）關系、評級與真實的醫療質量之間的關系的研究。本研究遴選的131篇文獻中包含的在線醫療評論的主要內容特征及相關因素總結如表2。

表2 在線評論主題內容特征與其他相關因素

首先，在關于不同地區、不同網站和時間段的在線評級分布情況的研究中，通過對德國2010～2019年以來所有醫生的在線醫療評分進行分析，Emmert和Mclennan研究了被評級的醫生人數、每位醫生的評級數量與平均評級、不同專業醫生的差異以及患者評級特征的變化趨勢[50]。通過研究多個平臺的內外科醫生的在線評級，Daskivich等研究了護理質量、護理價值和同行評估的醫生表現[51]。Hendrikx等研究了在線評分反映在地區人群水平上患者醫療服務體驗的差異[52]。通過統計分析12個醫療評級網站中德國耳鼻喉科以及皮膚科的患者服務滿意度與醫生位置分布密度的關系，Meszmer等發現，這兩類醫生的分布密度并沒有差異，在線醫療評級并不適合反應醫療服務提供結構的差異[53]。通過比較在線醫療評分與醫療系統內部評分的關系，Okike等發現，隨著評分數量的增多，兩者相關性越來越高，此時在線醫療評分才會起到更大作用[54]。通過隨機抽樣對比2017年和2010年德國在線醫療評論網站訪問量排名、醫生評論數量、平均評級和在職醫生人數的變化，評估評級頻率與趨勢，確定患者對醫生進行評級的障礙，McLennan等認為，增加評級數量可以提高評論的可靠性[55]。在評估2009年10月～2010年12月德國牙醫在線評級的作用后，Emmert等發現，隨著評論數量增多，這類公共信息越來越重要[56]。通過調查加拿大在線醫生評級的廣度與趨勢，包括醫生的科室、工作地點、評級時間等因素，Liu等挖掘了在線醫療評論在幫助管理者進行醫療服務管理決策中的潛在價值，并發現通過以上因素來評估醫療服務效用還存在一定疑問[57]。Bensnes和Huitfeldt發現，在女性和社會經濟地位高的患者的驅動下，患者對高評分等級的醫生相較于低評分等級的醫生需求會增加，評級與醫療領域專業化或風險調整死亡率之間并沒有顯著相關性[58]。通過分析患者在Facebook、Yelp和Google三個平臺發布的非結構化醫院評論，Synan等研究了不同平臺之間的差異、患者滿意度和安全措施之間的相關性[59]。結果表明，非專業性醫療評分平臺的內容與術后患者安全指標并不一致，在線評分無法反映患者所接受手術的安全性。

關于在線評級與其他內容特征的相關性研究中，通過LDA（Latent Dirichlet Allocation）對Yelp上心理健康方面的在線評論信息提取主題特征，Stokes等將醫生評級作為因變量，研究了評論主題、機構特征和醫生評級之間的相關性[60]。通過分析兒科、外科醫生的評級分布，Jay等研究了性別、經驗、工作地點、醫生學歷與醫生評分之間的關系[61]。將醫生評級作為自變量，Marrero等研究了整體評級、交流能力、專業技能以及次要因素評論與醫生性別之間的關系，研究發現，雖然醫生排名與性別無關，但是在評論內容和質量上會因性別產生差異，女性和男性分別在交流技能和專業技能方面評分更高[62]。通過計量經濟模型，Lu和Rui研究了美國佛羅里達州心臟外科醫生在RateMDs上的評級和該州2013年冠狀動脈搭橋手術的患者治療結果實錄之間的關系，發現在線醫師評級能在一定程度上反應實際的手術質量，是一種對于醫患雙方均有價值的信息參考來源[10]。Damodar等研究了醫生是否擁有社交媒體、患者等待時間長短、醫生專業技能、醫生個性以及醫院其他工作人員對關節置換手術外科醫生的評級影響[63]。在探究了美國手外科學會(American Society of Surgery of the Hand,ASSH)活躍醫生在醫生評級網站的評論數量和評分之間的關系后，William等發現，少量的評論無法證明信息的有效性，患者應謹慎采用這些信息并注意鑒別負面或帶有偏見的信息[64]。通過冠狀動脈旁路移植術的案例，Okike研究了在線醫生評分和醫療質量指標（外科手術死亡率）之間的關系，并發現這些評分不能反映國家醫療制定指標所定義的實際護理質量[65]。

在研究影響評級或評論特征的研究中，通過研究兒科、耳鼻喉科醫生的在線評分和評論，Chua等發現，評分和評論在很大程度上受患者和家長對醫生能力的認知、臨床態度、醫院環境以及時間管理的影響[66]。通過統計分析3個在線醫療評論網站的信息，Cloney等發現，神經外科醫生評級受經驗、教育背景等因素的影響[69]。通過對泌尿科醫生評分或評論數量與醫生總體評分之間關系的研究，Pike等發現，鼓勵患者參與醫生評分可以顯著提高整體評分[94]。通過對不同科室的患者在線評分隨時間變化的趨勢進行研究，Gao等確定了影響醫生在線評分的內容特征，并研究了評分的價值如何反映醫生的專業能力[78]。采用廣義精確匹配與雙重差分模型，Liu等研究了當醫生提供在線醫療服務時，患者對醫生的評級與評論效價（patient review valence）的影響[95]。

通過對比4個商業網站的醫生評級與醫生所在醫療機構的評級，Kordzadeh研究了在線評級的可靠性[96]。研究發現，與商業網站上的相應評級相比，醫療機構提供的評級總體上傾向于對醫生有利的評分。通過對耳鼻喉科醫院評級與患者生成的評級信息（包括評分、評分數量以及性別、年齡等因素）進行比較，Basa等發現醫療機構評分相較于患者的在線評分會更高[97]。

在單獨研究文本主題特征的挖掘算法且未涉及任何關聯性分析的研究中，由麗萍和王世鈺提出基于框架語義理論構建情感語義分類詞典，進而構建醫生服務質量評價主題知識庫，并結合語義相似度算法識別在線醫療評論中的主題特征[91]。高慧穎等提出了一種將詞共現分析方法與LDA方法結合的在線醫療評論主題挖掘算法[98]。

（二）在線醫療評論的文本內容特征與相關因素的關聯性研究

在線評論的文本內容特征是在線醫療平臺用戶獲取醫療信息來源最重要的一部分，此部分內容通過用戶感知行為，最終決定了用戶是否會選擇某位醫生來為他服務。下面從在線評論內容特征與真實醫療服務質量、患者對醫生的情感態度、患者滿意度、醫生聲譽以及社交媒體使用情況等五個方面進行綜述。

有學者研究在線評論信息與真實醫療服務質量之間的聯系。采用過程度量的方法，Saifee等研究了在線醫療評論如何揭示醫療護理質量和醫生聲譽[26]。Gray等通過統計分析方法研究了在線評論與醫療質量之間的關系[99]。Lantzy和Anderson通過研究在線醫療評論來判斷醫生是否合格以及是否能幫助患者選擇就醫對象[100]。Bardach討論了在線評論內容與牙醫治療安全性的關系[101]。Lin等使用了一種半自動的機器學習方法，處理美國牙醫的在線評論，并結合領域專家評估及統計分析方法，研究了在線評論中與患者治療結果相關的因素[102]。通過研究28個商業評級網站中的在線醫師評論，Lagu等發現，由于評論量的不足，很難準確了解醫生的醫療技術水平[103]。在研究英國國家健康服務（National Health Service）網站中家庭健康服務評級與患者評級以及人口統計特征之間的關系之后，Greaves等認為，較少的評論不足以作為衡量家庭醫療服務質量的標準[104]。Murphy等認為，在線醫療評論會隨著各方面的完善逐漸發揮醫療管理中的作用，但在當前，由于樣本量較小的局限性，不能完美地反映醫療質量[105]。在建立計量經濟學模型研究在線醫療評論中所包含的主題特征（包括醫療專業技能、醫生服務態度以及醫生交流技能等因素）與慢性疾病治療的關系后，Saifee等發現，由于長期多次治療以及中途可能更換醫療機構等原因，在線醫療評論與慢性疾病患者治療效果的關聯并不大，不能簡單地將在線醫療評論在外科手術中的研究結果推廣到慢性疾病的研究中[72]。通過研究5個美國訪問人數最多的在線評分網站中醫生的在線評論信息，Ramkumar發現，學術型醫院與非學術型醫院的醫生在技術水平上不存在差異，患者在網上發表的評論并未完全包含醫療機構質量評測的共識核心，從而導致在線評論信息不可靠等[106]。

一部分學者展開了患者對醫生的情感態度的研究。通過分析3個在線評級網站的評級內容，Haglin等研究了醫生發表學術論文、醫生所屬醫療機構的地域以及醫生性別在患者對醫生信任程度方面的影響，并單獨討論了患者對脊柱外科醫生的整體信任度[107]。Grabner-Krauter和Waiguny探討了在線醫療評論的風格、數量和主題特征如何影響患者對醫生的態度以及評論的可接受度[108]。王曉虹和周楚研究了不同地區民眾在閱讀到醫患糾紛報道之后的一段時間內發布的在線評論中對醫生態度的變化[109]。Dong-Gil Ko等利用Guided LDA算法提取17個醫學專業中超過10萬患者的在線醫療評論信息的主題特征，并通過計量經濟模型研究醫生專業程度、診療態度、預約方便程度等因素與患者在網上預約醫生之后等待時間之間的關系[73]。

對在線評論內容與患者滿意度之間關系的研究中，Imbergamo等通過研究6 402條在線醫生評論，挖掘出包括臨床態度、不良醫療結果和醫生熟練程度等導致患者對關節外科手術醫生不滿意的因素[74]。通過使用LDA對Yelp和Google上對特殊藥物的在線評論信息進行主題特征提取并通過差異語言分析來衡量主題和評分之間的相關性，Agarwal等揭示了影響患者滿意度的因素[110]。Liu等使用LDA和情感分析進行主題建模，研究了在線醫療評論如何反映線上私人醫療服務的服務質量與患者滿意度[111]。通過對醫療旅游在線評論使用LDA方法、本體語義分析方法、EM算法以及自適應模糊神經推理系統進行分析，Ahani等揭示了游客對醫療旅游服務的選擇偏好和滿意度的影響因素[112]。通過對兩個在線醫療平臺評論信息的定性分析，Smith和Lipoff研究了皮膚科醫生的相關特征（專業知識、溝通能力、醫療環境以及保險等因素）與患者滿意度之間的關系[79]。

在線醫療評論與醫生聲譽的關系也引起了一些學者的研究興趣。利用掛號網的在線評論信息，曾奕僑等研究了醫生聲譽、醫院聲譽與患者在線評論的關系[25]。通過對Realself和Yelp的在線醫療評論內容以及美國美容整形外科學會會議內容的定量與定性的分析，Menon發現，在消費主義的背景下，患者對醫生聲譽和專業知識的評價會對醫生的權威性產生影響[80]。Segal等研究了臨床治療結果、外科醫生數量、患者在線評論內容、情感極性等因素與醫生聲譽之間的關系[88]。通過面對面半結構訪談的描述性定性方法，Patel等研究了全科醫生對患者在線評論反饋的態度[89]。結果顯示，大部分醫生對在線評論的作用持保留態度并擔心評論會影響其聲譽。Moutos等研究了在線評論網站中婦產科醫生如何處理負面評論來維護自己聲譽[90]。通過分析行業患者滿意度報告，Widmer等發現，在醫患溝通互動技能方面，有較少在線評論和沒有在線評論的醫師的平均評級沒有差異；有負面在線評論的醫生在非專業技能方面得分較低；同時，負面評論會對患者總體體驗、在線醫生評論和醫生聲譽產生影響[81]。Widmer等認為，當前的評分機制總的來說并不能反映醫生的真實聲譽。

在關于社交媒體使用對醫生或者病人影響的研究中，Skrypczak等通過分析牙齒正畸患者的負面評論內容，發現了對負面評論回復的醫生擁有更高的在線評分，并給出了提高患者滿意度和醫生的聲譽的策略[86]。Widmer等研究了醫生開放社交媒體時Google上的負面在線醫療評論對醫生排名的影響[67]。通過三個網站獲取的在線醫療評論信息內容（包括行醫地點、性別、年齡等因素），McCormick等研究了社交媒體的使用對肩肘部外科醫生評分的影響[87]。同樣也是通過對三個在線評論平臺的醫療評論分析，Donnally等研究了外科醫生人口統計相關信息（年齡）、社交媒體使用與否和患者就醫前等待時間之間的關系[77]。Sama研究了患者社交媒體使用程度、患者年齡、患者所發布的等待時間與運動外科在線醫生評級的關系[71]。

還有一些學者關注在線醫療評論對醫生收益的影響。通過研究在線醫療評級與不同科室的醫生收入之間的關系，Haffey等發現，這兩者之間并沒有有意義的聯系，并認為醫療保健系統透明度的提高有助于了解醫生的收入如何影響患者對他們所接受的治療的感知和滿意度[84]。通過網站點擊次數、評論數量、醫生數量、瀏覽單個醫生信息窗口的時間和醫生地理位置等因素，Shukla等利用計量經濟學模型驗證了這些因素對患者預約醫生的影響[85]。研究還發現，在患者需求增加時，高評級的醫生會獲得一部分以犧牲未被評級醫生的利益為代價的收益。

雖然學者們普遍認為在線醫療評論信息包含一定價值，但是，在線醫療評論信息存在評論數量累積不足、無法很好地揭示相關因素之間的關聯性的問題。此外，非結構化文本存在可讀性較低的質量問題，其他患者在閱讀評論時會由于文本質量產生一定程度的感知偏差。醫療專業性強和患者重點關注的醫療服務角度與管理者不同，導致評論內容主要特征與官方或者商業網站所重視的醫療服務質量評價指標不相關。這些問題會導致在線醫療評論的可用性不足，在利用其輔助醫療服務決策時需要斟酌其發揮的作用。表3展示在線醫療評論信息內容特征無法較好反映相關因素特征的文獻。

表3 與在線醫療評論內容特征相關性不強的研究內容

綜上，學者們對在線醫療評論各類因素之間的相關性做了大量研究，涵蓋了不同網站、醫療專業以及時間段的在線醫療評論，對在線醫療評論的實際作用也褒貶不一（見表4）。前文提及的文獻中主要使用統計學相關的方法進行研究，小部分學者結合自然語言處理技術進行數據建模分析。在這些使用機器學習方法進行建模分析的文章中，大部分學者選擇使用LDA及其拓展的機器學習模型來進行在線醫療文本主題特征挖掘。表5展示了與計算機算法結合的研究文獻，以便讀者清楚了解這些研究的內容。

表4 參考文獻中研究的疾病類型

表5 與計算機算法相結合的在線醫療評論研究文獻

隨著在線評論數據量的逐漸增大，有必要研究功能更強的在線醫療評論信息挖掘與分類算法以進行精確的數據處理，為構建更完善的分析模型打下基礎。其次，由于醫學學科眾多，慢性疾病、外科手術以及普通常見疾病（如流感）等都有各自的治療特點，關于某種疾病的在線醫療評論的應用研究無法直接泛化到所有的醫學學科。隨著精益醫療管理時代的到來，未來對在線醫療評論的研究有必要細化到某一類疾病或是某種特定類型的疾病（表4列出了參考文獻中涉及的疾病類型），關注不同疾病相關評論挖掘出來的主要特征，結合患者個人背景特點進行個性化醫療服務推薦。最后，對于在線醫療評論可用性的研究還存在爭議。患者發布的信息反映出的特征與研究者所要驗證指標相關性的強弱、復雜疾病的相關特征是否能用現有模型進行徹底關聯分析，以及在線評論信息是否對某類疾病患者的醫療服務決策有實質幫助等問題都需要在未來的研究中進一步探討。

四、在線醫療評論在醫療決策與管理中的應用研究

本節主要從在線醫療評論對患者決策、醫院管理以及醫療政策制定三個方面的影響進行文獻綜述。首先討論在線醫療評論影響患者進行醫療服務決策的內在機理。接著，梳理在線醫療評論對醫院管理決策影響的相關研究成果，重點討論在線醫療評論如何幫助醫生更好地服務患者以及醫院更好地管理醫生與機構。最后，從國家政策層面介紹了學者們對利用在線醫療評論來輔助醫療政策制定從而改善醫患關系等方面的研究成果。本節的內容結構如圖6所示。

圖6 在線醫療評論的決策應用研究結構圖

（一）在線醫療評論對患者決策影響研究

對在線醫療評論內容進行挖掘分析之后，構建科學有效的決策模型對這些處理好的信息進行相關醫療服務決策是學者們較為關注的話題。

部分學者研究了影響患者進行醫療服務決策的因素以及內在機理。部分學者根據在線評論的文本特征、評級和其他相關因素研究了患者的就醫選擇行為。例如，通過對醫院患者調查報告的實證分析，Burkle和Keegan研究了患者來訪和留言頻率并量化了正面評論和負面評論的效果、所寫評論的性質以及醫生醫療事故記錄對患者選擇醫生的影響[117]。在研究公眾對在線醫生評分的認識和使用以及評分是否會影響患者選擇醫生后，Hanauer等發現，與患者選擇醫生時使用的其他標準(如從另一位醫生轉診、醫生經驗、醫院地點)相比，在線評級被認為是最不重要的因素[70]。Li和Hubner研究了患者在選擇醫生時是否以及如何受到在線評分的影響[82]。通過歸并數據的面板Tobit模型，姜勁等研究了線上醫療評論與線下醫療信息共同對患者就醫決策產生的影響，并發現線上線下的交互作用會增加患者對線上線下積極評價更多醫生的選擇[118]。

以上文獻主要通過統計學方法來進行數據分析，還有部分學者使用機器學習方法結合統計學方法進行在線醫療評論內容的主題提取建模。通過關聯挖掘算法提取在線醫療評論文本主題特征并結合情感分析技術建立隨機系數患者選擇模型，Xu等研究了挖掘的主題特征（對病人的態度、診斷準確性、等待時間、服務時間、保險流程、醫生專業知識和辦公環境）中影響醫療服務質量的因素，以及患者選擇醫生時所重視的特征因素之間的關聯關系[75]。使用LDA進行在線醫療評論主題特征提取并結合語義特征建模，Alodadi和Zhou研究了在線醫療評論信息對患者選擇醫生的幫助作用[119]。基于信號理論，以專業知識、在線評論、醫院簡介和服務質量四個維度為框架，Ye等結合機器學習方法（包括向量空間模型，LDA以及Bi-LSTM），構建模型進行相似度匹配和情感分析，通過多準則分析（層次分析法）來衡量信號的相對重要性，最后根據匯總得分得到醫生排名以幫助患者選擇醫生[83]。通過對在線醫療評論的特征提取與回歸分析，Wan等研究了患者在網上醫療咨詢平臺選擇醫生就診時考慮的因素以及這些因素如何影響醫生的就診量[120]。通過LDA方法進行主題提取建模，Kowalski研究了患者選擇醫生時的偏好以及如何增加患者就醫滿意度[121]。通過對美國養老機構負面在線評論的定性分析，Brereton等研究了人們對收容所健康服務所關心的因素[127]。

考慮不同類型的患者對在線評論的重視特征不同，Kilaru等使用改進的扎根理論對急診部門的在線評論進行定量分析，研究了影響急診患者與普通患者在選擇醫生時的因素差異[115]。通過挖掘與醫生保持一年以上聯系的患者與僅接受過幾次醫生治療的患者在線評論信息，Detz等研究了與醫生保持聯系的時間不同的患者所重視的醫療服務特征。通過挖掘評論文本特征以及用戶行為數據構建典型用戶識別指標[128]。盛姝等結合主題分類體系構建用戶畫像概念模型，利用用戶行為識別算法與主題聚類算法挖掘在線健康社區不同用戶群體的需求差異[122]。Hao和Zhang使用LDA方法挖掘不同科室下我國患者的醫療評論內容特征，了解中國患者與美國患者在選擇醫療服務所重視因素的差異[123]。此外，通過LDA方法提取中美兩國婦產科醫生在線評論的主題特征，Hao等研究了不同醫療系統中的患者所重視的醫療因素之間的差異[76]。

部分學者研究了醫生參與在線評論及醫生相關因素（如：醫生性別）對患者選擇的影響。通過對在線醫療評論進行定性與定量分析，Dunivin等發現，醫生與患者性別、醫生軟技能（交流、態度等）以及患者體驗會對患者選擇醫生產生一定影響[68]。基于社會交換理論模型，Deng等分析醫生在網上花費的時間、精力和聲譽是否會吸引更多的患者選擇他們的醫療服務，以及在線醫療提供者和營銷人員在網上展示哪些信息可以吸引更多的患者進行醫療服務的購買[129]。通過研究在線醫生評級（包括網站點擊量）與同行專家評級同時存在時對患者選擇醫生的影響，Kranzbuhler等發現，當同時面對兩種信息時，患者受到在線評級的影響更大，但當患者評級數量較少時，這種情況就會逆轉為受專家評級影響更大[130]。考慮影響醫療服務決策的內生性因素，通過構建雙重差分模型，Lu和Wu研究了在線評論和渠道效應在醫療決策中的作用，并發現醫生開展在線醫療服務會調節在線評論和醫生門診訪問量之間的關系[131]。

此外，有學者研究了用戶通過在線醫療平臺選擇醫生的可能性。通過研究父母對醫生評估網站的認識和使用，Hanauer等發現了父母利用在線醫療網站或鄰居推薦為孩子選擇初級保健醫生的可能性[132]。通過設計在線評論網站讓實驗對象分別參與酒店選擇決策以及醫生選擇決策，Rothenfluh等研究了消費者在基于網絡評論進行消費服務（如選擇酒店）和健康服務（如選擇兒科醫生) 決策時潛在的異同[116]。結果發現，盡管兩類網站設計一致，消費者更加愿意通過在線信息來選擇酒店，而選擇醫生時并不會完全依靠在線評論信息。

（二）在線醫療評論對醫院管理的影響研究

學者們通過挖掘在線醫療信息的潛在價值，嘗試利用此類信息幫助醫療機構管理者進行醫生乃至整個機構的管理。這類研究中，學者們主要通過將在線醫療評論內容所提取出的患者重視因素與商業網站或是政府給出的醫院質量評測指標進行對比研究，進而給出相應的管理建議。

通過研究醫院對社交媒體的使用程度，以Facebook在線評論的再入院率為指標，Glover等衡量在線醫療評論與傳統醫院質量測量指標之間的關系[133]。通過對文獻的回顧和統計分析，Bardach等研究了在線評論內容在反映患者評估醫院與醫療系統方面的有效性[134]。通過對Yelp上的在線醫療信息使用LDA方法進行主題特征建模，Ranard等研究了患者選擇醫院所重視的因素與美國醫療保健提供商和系統的醫院消費者評估報告(Hospital Consumer Assessment of Healthcare Providers and Systems，HCAHPS)中所重視因素的差異，為政策制定者確定對患者和護理人員最重要的醫院質量指標提供借鑒[124]。

在關于醫生與患者對在線醫療評論的態度的研究中，Gordon發現，醫生更傾向于相信由衛生系統發布的患者體驗調查，而患者更傾向于相信在獨立網站上發表的評級信息，并認為更加重視在線醫療評級將有利于以患者為中心的醫療系統發展[113]。利用消費者直接評價的醫院評級系統信息，Austin等研究了美國四類不同醫院評級體系的差異，并發現評級由于缺乏統一性，不能很好地揭示與醫院績效相關的特征[114]。通過統計分析方法比較商業網站評級與傳統的醫院表現評測指標之間的關系，Bardach等發現，由于商業網站與傳統醫院質量評測方法所關注的領域不同，導致評級與這些醫院表現評測指標無關[135]。隨著醫療服務的發展，更多地關注患者在各個渠道所發表的信息有助于醫院在未來的發展中快速地捕捉到患者需要。根據以上文章的結論可知，在線醫療評論在衡量醫療機構的表現方面能夠發揮一定的參考價值。

（三）在線醫療評論對醫患關系與政策制定的影響研究

在線醫療評論在改善醫患關系、幫助醫療機構監管以及輔助國家/地區醫療政策制定上存在著以下相關研究。

首先，從改善醫患關系的角度出發，通過分析網上關于醫生的負面評論，Zhang等發現，負面評論可能會傷害醫生聲譽、增加患者對醫生或醫院的不滿，可以通過在線評論找出患者不滿的因素，探尋可能的解決方案以提高患者的滿意度，改善醫患關系，構建以病人為中心的醫療服務系統[136]。Lee利用在線醫療評論內容研究從哪些方面去增加患者滿意度、醫療信息透明度以及改善醫患關系[137]。

其次，在線醫療評論的內容主題特征對醫療政策的輔助制定具有一定價值。通過對好醫生網站的在線評論進行統計分析，Hao研究了中國患者對哪些醫療專業進行評論、評論數量、醫生數量以及評論極性等一系列特征，并認為通過對我國患者的全面了解有助于我國醫療政策的輔助制定[24]。對評論通過階乘LDA進行主題提取并結合情感分析技術建模，Kool等研究衛生保健檢查機構加強監督時，患者評論是否會受到感知質量(如媒體對醫療健康服務的報道)的影響，從而幫助衛生部門制定醫院管理措施[92]。Wallace等研究了在線醫療評論提取的主題特征是否能改善美國州級醫療保健措施[138]。通過對醫療保健服務開放時間與Yelp上的在線評論之間的關系的研究，Tran和Lee發現，可以利用在線醫療評論幫助醫療服務管理者進行醫療服務開放時間的政策制定[139]。

此外，部分學者基于在線評論研究了公共衛生熱點問題。通過對在線醫療評論對個人事件監管以及風險監管的影響研究，Van de Belt等發現，在幫助監管上，專業醫療評論網站比Twitter或Facebook上的醫療評論更有效果[125]。通過改進的LDA提取新冠肺炎流行早期的在線醫療評論內容特征，Shah等對人們當時關注的話題以及情緒變化趨勢進行了研究[126]。通過對2018～2020年四個在線醫療評論網站的評論主題提取，Shah等利用動態主題建模結合情感分析方法了解了人們每年最關心的醫療問題以及情緒動態[93]。

綜上，關于在線醫療評論對患者決策、醫院管理以及政策制定等方面的研究，學者們主要分析了評論中包含的特征因素以及患者和醫生的個人信息特點對決策的影響，僅單獨從細節特征上給患者建議，缺乏系統完整的決策模型融合各類影響因素來幫助決策者進行決策。未來可以嘗試通過對患者個體所重視的因素進行偏好特征學習，將患者的偏好特征融入決策模型，幫助患者選擇更加合適的醫生。在醫院管理方面，面對我國龐大的患者群體和不均衡的醫療資源分配情況，在線醫療評論信息是否能夠協助以及如何協助我國醫療機構的管理也是值得深入研究的問題。在輔助醫療政策制定方面，現有的研究不足以讓醫療部門重視在線醫療評論信息的作用。未來還需加強互聯網高質量醫療信息傳播，讓更多的醫生、患者以及利益相關者參與，推動我國醫療信息系統的建設，加強中國國情下在線醫療信息對整個醫療行業影響的研究。

五、未來研究展望

作為一種新興且易于獲取的網絡數字資源，在線醫療評論為患者了解所需的醫療服務信息以及協助管理者進行醫療資源的規劃和配置提供了一定幫助。通過前文的綜述可知，在線評論在醫療服務管理中的應用已經取得了一定的研究成果，但該方向的研究仍處于起步階段。本節從在線醫療評論的生成行為、內容特征和決策影響等三個角度，立足中國互聯網醫療的實際國情對基于在線評論的醫療服務管理理論與方法進行展望。圖7展示了基于在線評論的醫療服務管理理論與方法的未來研究框架。

圖7 基于在線評論的醫療服務管理未來研究方向

（一）在線醫療評論內容生成行為與感知研究展望

由于對個人隱私泄露的擔憂、不熟悉在線醫療平臺或不愿意浪費時間評論等原因，大部分患者在就醫之后不會在醫療平臺發布就醫經歷。在線醫療評論樣本量的不足導致醫療平臺無法通過大數據精確描繪患者畫像，準確了解實際醫療情況。作為一種主觀性強的描述性評級，醫療評論難以避免感知表達的有偏性。此外，由于專業知識的匱乏，患者對醫療服務這種專業性強的服務也難以給出精確的感知。當考慮某些故意發表虛假或帶偏見信息的評論時，感知的有偏性會進一步放大。為了讓更多患者發布值得信任的就醫經歷，讓用戶從網上獲取更加有效的醫療信息，對在線評論內容生成行為與患者感知的深入研究十分必要。未來可嘗試在以下方面進一步研究：

1.患者評論積極性與評論感知有效性。研究如何調動患者就醫之后進行在線評論的積極性，以豐富在線醫療評論的數量，提高其質量，并將線上評論與線下就醫流程和體驗關聯起來，增強評論的感知有效性，使用戶通過在線平臺感知醫療服務質量時能夠有更多有效的參考信息，優化其就醫選擇行為。

2.在線醫療評論質量與虛假評論識別。在線醫療服務的高價值和高風險使得正面或負面的虛假評論信息對患者決策都會造成較大影響。因此，在線醫療平臺如何吸引更多患者發布真實就醫信息、避免虛假信息的發布也是值得研究的問題。

3.評論感知有偏性。在線醫療評論中患者的感知有偏性如何影響用戶對評論的認知、用戶在未來選擇醫生時如何參考這些可能帶有偏見的評論、在眾多非結構性文本中患者如何識別與利用帶偏見的信息都是有價值的研究課題。

（二）在線醫療評論內容特征研究展望

在大數據時代，面對大量以不同形式出現在不同平臺的在線醫療信息，快速準確地挖掘有價值的醫療信息并進行有效整合，對構建完善的醫療體系有重要參考價值。挖掘在線醫療評論的潛在價值離不開對評論內容特征的研究。未來可從以下方面展開在線醫療評論信息內容特征的研究：

1.數據挖掘方法。簡單的數據樣本分析已經無法滿足“互聯網+醫療健康”時代的醫療管理需求。未來的研究應與計算機技術結合，例如，使用機器學習方法進行數據挖掘，通過大數據描繪患者畫像以更加清晰地了解患者需求和偏好，并精確定位患者所需要的醫生。

2.多平臺數據聚合利用。眾多在線醫療平臺的出現以及評論數據量隨時間的積累變得足夠龐大，由于承載信息的平臺的可訪問性和可依賴性對口碑有效性的影響很大，一種產品在某個特定平臺的口碑傳播可能會更有效[140～141]。因此，如何通過有效的方法綜合多個網站的非結構化數據，從而準確獲取患者的評論經驗數據，探索不同的平臺背景對醫生口碑傳播的影響程度是一項值得研究的話題。

3.用戶生成內容整合。如何整合定性（情感極性，主題特征）與定量（如網站點擊率，醫生預約次數等）的在線醫療評論信息，并研究兩類因素共同作用時對平臺用戶醫療決策的影響是一個有趣的研究方向。

4.關鍵主題挖掘。根據文獻計量的關鍵詞共現分析，未來可以嘗試對圖2中聯系較為稀疏的主題，如choice behavior（選擇行為）、latent variable modeling（潛在變量模型）、electronic health records（電子健康病歷）等展開研究。

（三）在線醫療評論在醫療決策與管理中的應用研究展望

無論是對在線醫療評論的生成行為以及患者感知方面的研究，還是對在線醫療評論的主題特征挖掘和因素關聯性分析，最終目的都是發揮在線醫療評論的信息價值。當決策者面對海量的在線醫療評論信息時，往往無法迅速且準確地捕捉到患者最重視的因素、不同患者的偏好以及各類影響因素的重要程度。現有文獻缺乏系統完善的決策理論模型來幫助患者、醫生、醫療機構以及有關部門綜合各類影響因素并進行決策。在未來的研究中，如何根據在線醫療評論信息，構建合理且高效的決策模型輔助醫療決策顯得十分重要。未來可以嘗試從以下角度展開研究：

1.多維度下的患者偏好選擇模型。不同疾病有著獨特的治療方式和治療周期。同時，患者的知識背景對醫療決策也會產生影響。未來的研究可以考慮如何利用從海量的在線醫療評論信息中提取患者以及管理者所需要的信息，結合多屬性決策方法，構建決策模型，從多個維度分析患者的偏好選擇，從而深入研究在線醫療評論對患者就醫選擇的影響。

2.醫院管理。對醫院而言，在線醫療評論對醫生管理以及醫院內部的醫療資源配置具有重要作用，有助于醫生專業和綜合素質的提高以及患者就醫滿意度的提高。醫院可以建立自己的醫療評論網站，加強網絡醫療信息的監督，增加患者對醫生和醫院的信任度。

3.新興醫療相關領域。新興醫療相關領域的探索也是值得研究的話題。如通過旅游對疾病進行治療的療養型旅游是一種結合旅游與醫療的新興產業[91]。未來可以挖掘醫療旅游者所重視的旅游和醫療兩方面的因素，輔助進行旅游目的地決策以提高療養的品質和舒適度。

（四）立足中國國情的在線醫療評論應用研究展望

相較于歐美學者而言，中國學者對在線醫療評論的研究深度和實際應用還略顯不足，在線醫療評論在中國的具體應用還不多見。當前中國正大力推進互聯網醫療的發展以優化從尋醫、預約掛號、個性化診療、智能結算到醫療保險報銷等一系列流程，推動各類患者利用互聯網尋醫問藥，改善線下醫療服務資源配置不合理、患者排隊時間長等問題。基于在線評論的醫療服務管理對完善我國醫療體系，讓更多醫療研究成果惠及大眾具有一定作用。中國學者們未來仍需要從以下方面加大對在線醫療信息的利用和研究：

1.醫患關系。在“互聯網+醫療”的背景下，國家鼓勵醫療系統信息化、智能化。在加強醫療信息流動性的同時，面對龐大的互聯網醫療信息，研究如何利用在線評論信息減少醫療信息不對稱所造成的醫療資源浪費，完善分級診療制度，進而改善醫患關系。

2.醫療信息系統。我國的在線醫療平臺發展良好，在線醫療評論來源穩定可靠。學者們將有更多機會來整合這些資源，研究如何推動在線醫療信息的利用，發展我國醫療服務信息系統。

3.醫療政策輔助制定。在線醫療評論如何有效協助相關部門制定醫療政策是一個重要的研究話題。可以考慮從我國患者年齡結構、患者與醫療資源的地區分布以及特殊醫患關系等角度作為切入點展開研究。

六、總結

在線醫療評論對幫助管理者進行醫療資源的調配與管理、幫助患者選擇合適的醫生、提高患者就醫滿意度、改善醫患關系，以及輔助政府部門制定合理的醫療政策等方面具有重要作用。本文通過對在線醫療評論相關的文獻進行分析，展示了該領域學者最關注的研究問題與研究前沿，以及中國學者在該領域的研究狀況。此外，從在線醫療評論生成行為及患者感知、在線醫療評論內容特征以及相關因素的關聯性，以及在線醫療評論在醫療決策與管理中的應用等三個方面，對在線醫療評論相關研究進行了綜述。本文的研究有助于讀者了解該領域的研究前沿與熱點，厘清現有研究中的不足之處以及可以繼續深化研究的方向，并給出了未來可以與該領域結合開展交叉研究的方向。

本文還存在可以繼續深入研究與完善的方面。在數據獲取方面，文章使用的檢索策略限制了文獻搜索范圍，可能會漏掉一些與該領域內容密切相關但又不包含某個檢索詞的文獻，如User generated content(UGC)。由于現有的UGC相關研究文獻主要利用在線評論文本特征、評級以及網站點擊量等用戶通過網絡活動生成的數據信息開展研究，因此，通過引言中的檢索表達式，本文能夠在一定程度上檢索到包含UGC的相關研究文獻，但仍有可能存在相關研究文獻的遺漏。此外，本研究根據期刊、發表時間以及文獻質量對搜集的文獻進行了手動篩選，僅挑選了具有代表性的文章，這使得本文只能夠在一定程度上反映該領域當前的研究進展。最后，本文僅對參考文獻的研究方法與內容進行了概述，缺乏對文獻中方法和應用細節的討論。

注釋

① http://www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/202102/t20210203_71361.htm.

② https://www.softwareadvice.com/resources/howpatients-use-online-reviews/.

③ http://www.gov.cn/zhengce/content/2018-04/28/content_5286645.htm.

④ 為便于理解和區分，除非特殊說明，本文提到的“患者”指已體驗過醫療服務并通過在線平臺發布就醫經歷的個體；平臺用戶指使用在線醫療信息平臺的用戶，這些用戶可能是患者或患者家屬，也可能是醫生。本文討論的醫療服務管理主要指有過就醫經歷的患者發布的醫療評論對平臺用戶醫療決策行為的影響。