武漢市某醫院患者對互聯網醫院的選擇偏好研究

李程洪，陳景潤，向 晨，張治國，3，劉紅海，肖 黎

1華中科技大學同濟醫學院附屬協和醫院門診辦公室，湖北武漢，430030； 2華中科技大學同濟醫學院醫藥衛生管理學院，湖北武漢，430030； 3湖北省衛生技術評估研究中心，湖北武漢，430030； 4華中科技大學同濟醫學院附屬同濟醫院病案科，湖北武漢，430030

互聯網線上問診可以有效緩解我國醫療資源分布不均的供需矛盾,促進醫療資源的合理分配,改善“看病貴”的就醫現狀[1]。新冠疫情的暴發進一步促進了互聯網醫院的發展,患者在復診時會更傾向于選擇互聯網醫院[2]。2020年8月,武漢市衛生健康委發布《關于切實做好信息化支撐常態化疫情防控信息化項目建設的通知》,要求疫情期間推廣線上醫療服務,推進互聯網醫院發展。因此,武漢市諸多醫院迅速開展互聯網醫院建設。但是,武漢市的互聯網醫院還處于起步階段,仍面臨著諸多問題。如患者對互聯網醫院不了解、不信任;相對于無法醫保支付的互聯網醫院,患者更傾向于線下就診等。亟待從需求端角度出發,了解患者對互聯網醫院的選擇偏好。

通過文獻回顧發現,國外學者對互聯網醫院的研究相對較少,大多是關于遠程醫療的研究[3-4]。國內學者對互聯網醫院的研究,大多是從政府、醫療機構角度探究互聯網醫院的發展現狀、未來發展趨勢等,少有從患者角度開展的相關研究[5-6]。基于此,本研究從需方角度出發,通過離散選擇試驗分析武漢市某醫院患者選擇互聯網醫院的偏好,為我國進一步明確患者需求、更好地開展互聯網診療服務提供參考和借鑒。

1 資料來源與方法

1.1 資料來源

本研究以武漢市某醫院的就診患者及家屬為研究對象。該醫院是一家大型三甲醫院,其患者群體主要為武漢市居民。2017年3月,經湖北省衛生健康委批準,醫院掛牌了“湖北省互聯網醫院”,為湖北省首家。因此選取該醫院患者及家屬為研究對象具有較好的代表性。考慮到年齡較大的個體往往無法準確理解離散選擇試驗問卷,同時目前使用互聯網醫院的主體大多為中青年,因此本研究將調查對象限定為18歲以上、45歲以下的患者。課題組于2022年1月在武漢某醫院開展問卷調查,現場在門診大樓,采用方便抽樣的方式選擇正在掛號與候診的患者及家屬,共發放問卷405份,根據DCE問卷中的控制問題判斷問卷有效性,回收有效問卷325份,問卷有效率80.25%。

1.2 研究方法

1.2.1 KANO模型。KANO模型由日本的Kano教授于1984年首次公開提出,廣泛應用于顧客需求確認和滿意度提升的關鍵因素研究中[7]。采用文獻回顧法與專家咨詢法初步提煉出10個與本研究相關的影響患者選擇互聯網醫院的屬性,包括醫院等級(互聯網醫院依托的實體醫院等級)、問診后醫生首次響應時間、醫生的平均好評率、頁面操作難易程度、問診價格、是否推送健康教育知識、信息安全、是否支持人工服務、是否支持醫保支付以及是否支持藥品配送[8-15]。KANO 模型可以根據患者對互聯網醫院的需求對有關屬性的重要性進行排序,從而選擇出離散選擇試驗的重要屬性。根據KANO模型相關理論,與互聯網醫院相關的屬性可分為5類,分別為:必備屬性(必須滿足的需求,當不提供此需求,患者滿意度會大幅降低)、期望屬性(提供此需求,患者滿意度會提升;當不提供此需求,患者滿意度會降低)、魅力屬性(不提供此需求,患者滿意度不會降低;提供此需求,患者滿意度會有很大提升)、無差異屬性(不在意的需求,對患者滿意度毫無影響)、反向屬性(沒有此需求,提供后患者滿意度反而下降)[16]。根據屬性的正向和反向選擇向受訪者提問,設計5級量表,編寫問卷,如表1;采取線上線下結合的方式,抽取年齡18歲以上受訪者填寫KANO模型問卷,將受訪者的正反向問題答案按照表2匯總;然后,根據匯總結果判斷各屬性的歸屬,同時計算相關屬性的Better-worse系數,根據系數大小進行優先排序,篩選出最終屬性。

表2 KANO模型需求分析評估

1.2.2 離散選擇試驗。離散選擇試驗(discrete choice experiment,DCE)假定受訪者在面臨一系列的選擇時會根據自身情況、個人喜好、主觀認知等因素進行理性分析,按照效用最大化準則(utility maximization rule)進行抉擇,主要應用于對偏好的探索[17]。DCE最大的優點在于對樣本量要求不高。由于每份DCE問卷包含了多個DCE問題,DCE問卷的信息量往往較高。關于樣本量的確定,很多學者也提出了各自的觀點。Johnson和Orme最早提出了拇指法則:N>500c/(t×a)。其中,c代表任意屬性中最大的水平數,t表示問卷中DCE問題的數量,a代表DCE問題中包含的選項個數[18]。根據該公式,本研究的樣本量大于63即可滿足數據分析需要。同時,國際藥物經濟學與結果研究協會發表的一篇文獻指出,當樣本量低于150時,DCE模型的精度隨著樣本量的增加快速增高,當樣本量超過300時,DCE模型的精度改善變得平緩[19]。本研究通過KANO模型確定了DCE的最終屬性及水平,見表3。然后通過DCE研究武漢市某醫院患者對互聯網醫院的選擇偏好。

表3 DCE試驗各屬性及水平描述

1.2.3質量控制。采用Ngene 1.1軟件實現本試驗的設計,最終形成16個DCE問題,兩個版本問卷,每個版本問卷包含8個DCE問題。于2021年11月在武漢市硚口區選取20個患者參與預調查,以了解受訪者完成問卷所需的大致時間及可能會出現的問題。預調查后對調查方案進行完善,保證受訪者對問卷的理解不會出現偏差,同時對DCE問題的數量進行調整,控制每個受訪者完成問卷的時間在20-30分鐘左右。為識別受訪者是否正確理解DCE問題,每個版本的DCE問卷增加一個控制問題選擇集,該選擇集下的兩個選項“互聯網醫院A”和“互聯網醫院B”中,“互聯網醫院A”中的每一屬性的水平均優于“互聯網醫院B”。見表4。若受訪者在較短時間內選擇了該選項,則證明受訪者能夠正確理解DCE問題且認真填寫了該問卷。為提高問卷效率,本研究未設置退出機制(opt-out choice)。

表4 DCE問卷中的控制問題

1.3 統計學方法

采用EpiData 3.2 建庫并錄入數據,通過SPSS 25.0軟件對調查對象的基本情況進行描述性分析,利用Stata 16.0混合Logit模型對離散選擇數據進行分析。

2 結果

2.1 KANO模型的調查結果

通過KANO模型確定應納入DCE的屬性,從而制定最終的DCE問卷。KANO模型的調查采取實地調查與網絡調查結合的方式,向武漢某醫院的就診者發放54份問卷。剔除無效問卷后,最終得到48份有效問卷。根據KANO 模型的評估表,匯總患者對互聯網醫院相關屬性的需求情況,見表5,根據調查結果計算出Better+∣Worse∣系數。其中,Better=(A+O)/(A+O+M+I),Worse=-1×(O+M)/(A+O+M+I)。系數值最大的7個屬性見表6。

表5 屬性需求排列匯總

表6 Better-worse系數

2.2 調查對象基本情況

325份DCE有效問卷中,男性占比48.00%,女性占比52.00%,男女比例均衡;武漢市常住患者(居住時間超過6個月)占比80.00%;學歷在大專及以上的有273人(84.00%);96.69%的人參加了醫療保險。有151人有過直接或間接聯網在線問診經歷;對互聯網醫院的了解途徑,有221人(68.00%)是通過官網或官方微信公眾號,有112人(34.46%)是通過線下實體醫院或朋友推薦,有56人還未聽說過互聯網醫院。

2.3 患者對互聯網醫院的選擇偏好分析

根據混合logit回歸模型結果可知,互聯網醫院相關的7個屬性均有統計學意義(P<0.05),各屬性系數符號均為正,符合預期,見表7。

表7 Mixed Logit模型估計結果(總體)

通過回歸系數的絕對值可知,醫保報銷和醫院等級是受訪者最關心的兩個屬性。在其他條件相同的情況下,武漢市患者更傾向于選擇支持醫院等級為三甲醫院(β=0.4659,P<0.01)和醫保報銷(β=0.4658,P<0.01)的互聯網醫院;藥品配送是關注度最低的屬性(β=0.0982,P<0.05)。

3 討論

3.1 醫院等級與醫保報銷顯著影響患者對互聯網醫院的選擇

醫院等級對樣本醫院患者選擇互聯網醫院的影響最大。在中國現有的衛生服務體系下,三甲醫院是國內等級醫院評審中的最高一級。在普通患者的認知中,三甲醫院意味著更高的醫療水平、更優質的醫療服務、更小的誤診率。而依托于三甲醫院的互聯網醫院,功能建設得往往更加完善,服務涵蓋更廣,能夠給予患者更好的就醫體驗,滿足患者對醫療知識、看病問診的需求。馬弘新、黃秀清的研究也表明在線問診中存在等級歧視,醫生所在醫院等級越高,醫生問診量越大[20]。這也給武漢市互聯網醫院的發展熱潮提出了警示。考慮到樣本醫院患者對于醫院等級格外看重,可以考慮集中資源發展以三甲醫院為依托的互聯網醫院,三甲以下的醫院則需要選擇合適的線上問診方式,如聚焦于某一功能或某一服務,以減少人力物力資源的浪費。

醫保報銷同樣顯著影響樣本醫院患者選擇互聯網醫院。我國醫療服務費一直在不斷增長,患者醫療成本壓力日益增大。調研時發現,部分受訪者以能否醫保報銷作為選擇互聯網醫院的唯一條件,他們認為在互聯網醫院問診的疾病,一般為慢性疾病,因此,只要互聯網醫院可以報銷即可。將互聯網醫院醫療服務納入醫保支付能促進線上醫療服務的開展,推動醫療服務模式從“以醫生為主導”向“以患者為中心”轉變[21]。國家也出臺了相關政策鼓勵各地將“互聯網+”醫療服務納入醫保支付。如2019年8月30日,國家醫保局發布了《關于完善“互聯網+”醫療服務價格和醫保支付政策的指導意見》,明確提出符合條件的“互聯網+”醫療服務,按照線上線下公平原則配套醫保支付政策。根據長江日報等主流媒體的公開報道,華中科技大學同濟醫學院附屬協和醫院、武漢大學人民醫院和武漢市中心醫院等武漢市部分互聯網醫院診療已納入醫保支付。但將近一半互聯網醫院無法線上醫保報銷,或報銷流程繁瑣,這無疑降低了患者的使用意向,限制了公眾的主動參與度。因此武漢市各醫院在開展互聯網醫院時需要及時增加線上醫保報銷功能,簡化報銷流程,以提升患者的使用意向。

3.2 醫生平均好評率、人工服務情況對患者選擇互聯網醫院有一定影響

排在第3位的影響因素是醫生的平均好評率。醫生的平均好評率也會直接影響患者對互聯網醫院的選擇。通常評分越高的醫生,選擇率越高,但是在線評分并不能完全客觀反映醫生的水平。因此互聯網醫院有必要建立合理的評價體系,從多方面對醫生進行評價,真實客觀地反映醫生的整體服務,以便對后來患者提供更加精準的幫助[22]。患者在互聯網醫院問診后,醫生首次回復時間很短,甚至“秒回”,但卻是無效回答,此后與患者之間再無任何溝通,可能會導致醫院與患者之間的矛盾。互聯網醫院不能盲目地規定醫生首次響應時間或接診數量,更加需要注重問診質量,做到真正解決患者的問題。因此互聯網醫院要設置合理的評價體系,從職稱、有效接待次數、患者評價、24小時內回復次數及時間等多方位進行評分。

排在第4位的影響因素是人工服務,說明患者在使用互聯網醫院時,遇到過各種問題,希望有專業的人員解決問題。本研究過程中,在武漢市的互聯網醫院中,人工服務功能不完善,有些醫院人工客服電話常處于無法接通或占線狀態;一些互聯網醫院人工客服對互聯網醫院了解程度不足,無法專業解答患者在問診過程中遇到的問題。部分醫院甚至沒有人工服務渠道。考慮到患者的需求,且對患者選擇偏好影響較大,應該配備受過專業培訓的人員進行互聯網醫院人工服務。

3.3 問診后醫生響應時間、頁面操作流程與藥品配送情況對患者選擇互聯網醫院的影響較小

問診后醫生首次響應時間對患者選擇偏好影響相對較低。這可能是因為患者選擇到互聯網醫院問診的疾病都是一些常見病、慢性病,不需要醫生緊急回復,只要能夠解決患者的問題即可。但根據王夢浛等人的研究,感知互動正向顯著影響患者對互聯網醫院的使用意愿,其中就包括響應時間[9]。因此,互聯網醫院在提供醫療服務的同時,仍要盡可能縮短問診后醫生響應時間,以增進患者與平臺的黏性。

頁面操作流程對于患者選擇偏好的影響明顯弱于其他因素,考慮到在互聯網醫院問診的患者大多是能夠無障礙使用智能手機的患者,這些患者如若遇到操作頁面復雜時,一般自行探索即可解決問題。然而,韓揚陽等人在對患者不愿意使用互聯網醫院的影響因素進行分析發現,互聯網醫院軟件操作流程繁瑣會明顯影響患者使用互聯網醫院[11]。因此,互聯網醫院平臺的建設應當充分考慮患者的就診體驗。