區域醫療衛生信息共享與患者滿意度的定量研究

鄭良 （杭州市臨平區中西醫結合醫院,浙江 杭州 311100）

相關研究表明，“以醫學為中心”的生物醫學模型已逐漸成為“以患者為中心”的生物心理社會醫學模型，公立醫院為了更好地發揮其社會效益，通過患者的就診滿意度來衡量患者對醫療服務的獲得感，同時將患者滿意度納入到了考核指標中[1]。文獻綜述發現影響患者滿意度的因素主要集中在：醫療服務的技術、醫護服務態度、醫患之間的溝通、醫療費用等方面[2-4]，以及患者的個體相關特征[5]，而關于改善醫患關系、提升患者滿意度的研究，大都以患者滿意度研究模型設計[6]、改善患者滿意度指標體系為研究目標[7-8]，少有以信息共享與患者滿意度的關系為研究對象。鑒于此，本文將區域醫療衛生信息共享與患者滿意度之間的關系作為研究對象，以期找出改進信息共享的方法，進一步提高患者的滿意度，開拓改善醫患關系的新思路。具體報道如下。

1 對象與方法

1.1 調查對象 本次研究的問卷調查樣本為臨平區醫共體成員醫院（區一院、區婦保院、區五院、區中醫院），調查采用線上線下相結合的方式，線上為問卷星掃碼填寫，線下為紙質問卷，每個目標成員醫院發放100份問卷，總計400份。經過一個多月時間的數據收集，總共收回數據381份，回收率為95.25%，除去無效的問卷35份（漏填、前后矛盾等明顯無效的問卷），最后得到實際有效問卷346份，實際回收率為86.5%。

1.2 調查方法 本文通過從萬方數據、維普期刊以及中國知網（CNKI）、政府部門官網、相關醫療機構收集有關文獻和數據，確定了研究目的方向及相關的理論發展。本次問卷調查對象分別從感知易用性（PE）、感知有用性（PU）、感知風險性（PR）、社會因素（SF）、患者期望確認程度（PEC）、患者滿意度（PS）這幾個方面設計相關題項。

1.3 統計分析法 本文使用SPSS20.0和SmartPLS3.0兩個專業統計分析軟件，對問卷收集的數據進行描述性統計分析、信度和效度分析、回歸分析、中介效應分析和假設檢驗分析。

2 結果與分析

2.1 信度分析 本文使用SPSS20.0分析問卷的Cronbach's α值，信度計算結果如表1、表2所示。通過以上問卷數據分析結果，可以看到問卷的各個分量的Cronbach's α都達到了0.9以上，問卷的總量表信度值高達0.982，說明該問卷具有非常好的信度。

表1 各變量信度測量值

表2 問卷總量表信度值

2.2 效度分析 本文研究使用SmartPLS3.0計算問卷的組合信度（CR）及結構效度，具體值如表3所示，檢驗數據得到各個潛變量的組合信度（CR）都達到了0.9以上，AVE值也都在0.7以上，高于一般要求的閾值0.5，說明模型有很好的聚合效度。此外，各個潛變量的AVE值平方根最小為0.856，最大為0.912，均大于相關系數的絕對值，說明模型同時具有很好的區分效度。綜合以上兩點，可以得出該模型具有很好的結構效度[9]。

表3 效度分析匯總表

此外，為了驗證能否進一步進行相關性分析和回歸分析，還檢驗了KMO值，檢驗結果如表4所示。

表4 KMO和Bartlett檢驗表

KMO取值范圍在0-1之間，KMO值越大說明效度越好，越小說明效度越差。一般來說KMO值大于0.9表示效度非常好，KMO值小于0.5則不合格。從表4看出，問卷的KMO值為0.946，非常接近1，意味著問卷效度較好，同時顯著水平Sig＜0.01，因此可以進一步分析。

2.3 回歸分析 為了能找出各個變量在多大程度上影響患者滿意度，還需要進行回歸分析。在實際操作中，筆者將自變量分成幾個不同的組，采用enter方法將變量全部加入到回歸方程中，在回歸分析中可以將需要獨立考察的變量最后放入方程來突出顯示獨立的影響作用。在具體分析過程中，將自變量（PU、PE、PR、PEC）和因變量（PS）加入到回歸方程中，通過SPSS20.0分析數據，回歸分析結果如表5所示。

表5 以患者滿意度(PS)為因變量的回歸模型回歸分析結果

從回歸分析的結果來看，容差值最小為0.145，最大為0.275，VIF（方差膨脹因子）最小為3.639，最大為6.887，兩者均在合理取值范圍內，說明上述四個變量之間不存在多重共線性。Durbin-Watson值為2.024，十分接近2，說明各變量之間不存在自相關。一般在回歸模型中，用R方的值來衡量模型的解釋力，R方的值越接近1，則模型的解釋力越強。R方的值為0.709，即能解釋71%左右，調整后的R方為0.706，這說明自變量（PU、PE、PR、PEC）與因變量（PS）顯著相關。回歸模型的顯著性概率均為0.000＜0.01，即說明模型的總體效果已經達到了顯著水平。見表6。

表6 以患者滿意度(PS)因變量的回歸模型概述

由于患者群體的特殊性，模型中還加入了患者個體特征作為控制變量，因此本文將繼續研究在控制了患者的人口學特征的因素之后，信息共享的自變量對患者滿意度的影響是否顯著。為此，在原有回歸模型的基礎上，將患者個體特征引入到回歸方程中，回歸結果如表7、表8所示。

表7 加入了控制變量的回歸模型回歸分析結果

表8 加入了控制變量的回歸模型概述

從回歸分析結果可以看出，在加入了控制變量之后，容差值最小為0.140，最大為0.842，VIF（方差膨脹因子）最小為1.188，最大為7.134，相比之下雖有變化，但還在合理范圍內。Durbin-Watson值為2.018，也在合理范圍內。R方的值為0.717，即能解釋71%左右，調整后的R方為0.710，這說明自變量、控制變量與患者滿意度的影響很強。回歸模型的顯著性概率均為0.000＜0.01，即說明模型的總體效果已經達到了顯著水平。對比表7中自變量的回歸分析結果，可以得出，在排除了患者的個體特征（性別、年齡、職業、教育程度及家庭年收入）的變量干擾后，感知有用性（PU）不能顯著影響患者滿意度（sig=0.364＞0.05），感知易用性（PE）、感知風險性（PR）、患者的期望確認程度（PEC）可以顯著正向影響患者滿意度。

3 討論

3.1 研究結論 基于臨平區的實證研究結果表明，區域醫療衛生信息共享對提高患者滿意度有多個方面的影響，其中信息共享的風險性表現最為顯著，其次是信息共享系統的易用性及患者期望確認程度，信息共享系統的有用性影響最小。研究表明患者的個體特征也能影響信息共享對患者滿意度提升，其中患者的受教育程度影響最大，而患者的性別、年齡、職業、家庭年收入的影響較小，年齡呈現出了負向影響的跡象（即年齡越大，信息共享對患者滿意度的提升越低）。此外，患者所處的社會環境也能顯著地影響信息共享對患者滿意度的提升。

3.2 對策建議 ①醫院層面：第一，基于用戶體驗加快推進醫院信息化建設。真正把“以病人為中心”的理念融合到信息技術中去。第二，拓展信息共享的廣度和深度。第三，提高信息系統及共享平臺的安全性和穩定性。第四，加強信息化操作技能的引導與培訓工作。

②患者層面：第一，主動了解醫院的就診服務流程及相關醫療基礎知識，積極使用醫院提供的信息系統，遇到問題及時反饋，既能幫助醫院改善系統，自己也能獲得更好的就醫服務。第二，就診時主動告知醫生與病情相關的事情，讓醫生全面了解情況，主動參與醫院的一些知識講座，關注醫院的公眾號，及時獲取健康相關的知識。第三，患者與患者之間也應該經常溝通交流，共享疾病相關知識，經常參與相關的健康論壇、QQ、微信等交流群的溝通，通過這些方式可以獲取相關的醫療知識。

③政府層面：第一，加大對醫療衛生行業的投入。第二，大力發展區域醫療聯合體，促進區域醫療信息的共享。第三，政府要加快發展相關的標準化工作，推進標準的制定。