互聯網醫療下在線醫生的服務水平評估研究

文章編號：1005?9679（2025）01?0114?06

摘 要： 隨著互聯網醫療平臺的快速發展，線上問診已成為患者獲取醫療服務的重要渠道。然而，面對海量的在線醫生信息，患者如何做出明智選擇成為了一項挑戰。以好大夫在線平臺為研究對象，基于醫生的基本信息數據，運用因子分析法對在線醫生的服務水平進行了量化評估，并將其劃分為兩個關鍵維度：能力水平和努力程度（包含線上和線下努力）。此外，還探討了醫院等級和醫生性別對醫生服務水平的潛在影響。研究發現，三甲醫院的醫生在能力水平上整體優于非三甲醫院的醫生；在努力程度方面，性別差異顯著，男性醫生在線上服務上更為積極，而女性醫生在線下服務上投入更多。這些發現為患者選擇合適的線上醫生提供了實證基礎。

關鍵詞： 互聯網醫療；線上問診；因子分析；服務水平；在線醫生

中圖分類號： C 931，C 812 文獻標志碼： A

The Research on the Service Evaluation of Online Doctors in

Internet Healthcare： Taking Haodf Online as an Example

ZHENG Chunyan SUI Yue

（Antai College of Economics and Management， Shanghai Jiao Tong University， Shanghai" 200030， China）

Abstract： With the rapid development of internet medical platforms， online consultations have become an important channel for patients to access medical services. However， faced with an abundance of online doctor information， making informed choices has become a challenge for patients. This study takes the Haodf.com as an example， using basic information data of doctors to quantitatively assess the service levels of online doctors through factor analysis. The service levels are categorized into two key dimensions： competence level and effort level （including online and offline effort）. Additionally， the study explores the potential impact of hospital grade and doctor gender on service levels. The results indicate that doctors from top?tier hospitals generally have higher competence levels than those from non?top?tier hospitals. In terms of effort levels， significant gender differences are observed： male doctors are more active in online services， while female doctors invest more in offline services. These findings provide empirical support for patients in selecting suitable online doctors.

Key words： internet medical service; online consultations; factor analysis; service level; online doctors

如何科學評估并量化在線醫生的服務水平，成為了一個亟待解決的問題。本文旨在通過分析好大夫在線平臺上的數據，運用現代統計分析方法，對在線醫生的服務水平進行評估。本研究將探討影響醫生服務水平的多重因素，并提出建設性的參考建議，以輔助患者在線上做出更明智的醫生選擇。

1 文獻綜述

國家衛生健康委員會于2024年頒布了《國家臨床專科能力評估辦法（試行）》，其核心目標在于提升醫療服務的整體質量，并引導醫療機構優化資源配置[3]。該政策特別強調了在線醫療服務質量對于醫療平臺持續發展的重要性。在此背景下，眾多學者紛紛提出了旨在提升在線醫療平臺服務質量的策略與建議[4，5]。醫療服務質量是在線醫療平臺能夠持續發展的重點，需要嚴格把關。在線醫生的服務水平、服務價格等因素會影響在線醫療的服務質量[6，7]。

在醫療服務質量的評估方法上，研究者們展現了多樣性的探索。例如，Elizabeth利用SERVQUAL工具對大學健康診所的服務質量進行了測量[8]，而趙盼盼等人基于服務質量差距模型理論，構建了家庭醫生簽約服務質量的評價框架[9]。

醫患之間的溝通行為對患者滿意度及在線醫療服務質量具有深遠的影響[10]。諸多學者深入研究了醫患溝通行為，并通過實證分析方法探討了影響在線問診平臺醫患關系的因素[11，12]。馬騁宇以好大夫在線為例，從醫生活躍度、患者訪問量、患者滿意度等多個維度分析了醫患互動行為[13]。這些互動對患者的線上咨詢意愿和在線問診選擇產生了顯著影響[14，15]。

醫生的服務水平和態度被證實對服務實施效果具有顯著影響[6]。因此，構建一個綜合評價在線醫生能力的指標體系顯得尤為重要。耿爽等人為此構建了一套評價指標體系，涵蓋了醫生的基礎條件、知識貢獻和服務表現等關鍵維度[16]。

盡管已有研究為在線醫療服務領域提供了寶貴的見解，但對在線醫生服務水平的量化研究仍然相對不足，這限制了我們對在線醫療服務質量深入理解的能力。本文旨在填補這一研究空白。通過分析好大夫在線醫療服務平臺上的數據，本文運用因子分析法，從醫生的能力水平和努力程度兩個維度衡量線上醫生的服務水平，并進一步探究了影響服務水平的多種因素，最終提出了針對性的管理啟示及建議。

2 理論模型與數據

2.1 因子分析法

因子分析法是一種多元統計分析方法，它通過提取一組較少的綜合因子，將眾多具有信息重疊和復雜關系的變量進行有效歸結。這種方法的核心目的在于探究變量間的潛在聯系，并通過降維技術對數據結構進行簡化，使得我們能夠更加直觀和深入地理解變量間的相互關系。基本思想在于依據變量間的相關性程度進行分組，確保同一組內的變量間相關性較高，而跨組變量間的相關性較低，從而揭示數據背后的潛在結構。

設X為一個n ? p的原始變量矩陣，其中n為樣本數，p為變量數。因子分析的目標是找到一個n ? m的因子得分矩陣F，其中m為因子的數量，且m lt; p。同時，定義一個p ? m的因子載荷矩陣Λ，它描述了每個原始變量與每個因子之間的關系。

因子分析的數學模型可以表示為：X = F ΛT + ?

其中：

· X是原始數據矩陣;

· F是因子矩陣，它的每一行對應一個樣本，每一列對應一個因子;

· Λ是因子載荷矩陣，它的每一行對應一個原始變量，每一列對應一個因子;

· ?是一個n × p的誤差矩陣，表示除了因子外的其他因素對原始變量的影響.

在實際應用中，通常假設誤差項?與因子F相互獨立，并且具有零均值和常數方差。

2.2 數據來源

作為我國在線醫療領域的佼佼者，好大夫在線平臺以其卓越的服務理念和創新技術，成為最具代表性的醫療平臺之一。該平臺秉承“合理分配醫療資源，助力患者精準匹配適醫生”的使命，致力于提供優質的互聯網醫療服務[17]。

在本研究中，我們聚焦于好大夫在線平臺，深入分析其服務模式和醫生表現。通過對平臺數據的精心收集，我們獲取了來自上海市104家醫院的2214名醫生的個人信息數據（詳見表1）這些數據涵蓋了醫生的專業背景、個人主頁訪問量等多方面信息，為我們評估在線醫生的服務水平提供了實證基礎。

2.3 數據整理

在數據收集階段，我們獲取了包含大量文本信息的醫生資料。面對這一挑戰，我們首先對文本型數據進行了信息提取，并將其轉換為合適的數值型數據，以便于后續的定量分析。接下來，我們對數據進行了徹底的清洗，以確保分析的準確性和可靠性。在數據清洗過程中，我們將信息缺失嚴重的數據進行刪除。該決策基于兩個主要原因：首先，該數據的樣本量足夠大，去除掉信息不完整的數據后對整體結果產生的影響小；其次，由于醫生信息介紹的格式各異，保留信息較完整的記錄可以確保分析的一致性和科學性。經過嚴格的數據清洗流程，我們排除了不合格的數據樣本，最終保留了1314份醫生資料用于后續分析。這一過程不僅提高了數據質量，也為我們的研究發現提供了堅實的基礎。

3 統計分析與結果

好大夫在線平臺上匯聚了眾多來自國內頂尖醫療機構的專業醫生，這些醫生以其卓越的專業技能為患者提供優質的醫療服務。在對平臺醫生的數據分析中發現，約有88%的上海市醫生隸屬于三甲醫院，這一比例突顯了平臺醫生團隊的專業性和權威性。此外，平臺上約70%的醫生擁有高級職稱，其中39%為副主任醫師，32%為主任醫師。在學術領域，超過半數的醫生（約61%）擁有學術職稱，其中47%的醫生更是達到了副教授及以上的學術水平。

然而，醫療領域信息的不對稱性導致了醫患之間交流的障礙和信任度的不足。患者在選擇線上醫生時往往會表現出謹慎的態度。盡管網上提供的醫生信息內容豐富，但患者往往難以辨別哪些信息是關鍵性的，哪些是次要的。為了解決這一問題，本研究基于醫生的基本情況介紹，采用因子分析方法構建了一套線上醫生服務水平的評價指標體系。進一步地，通過進行方差分析，本文探究了醫院等級及醫生性別對在線醫生服務水平的影響。本文所有統計分析均在SPSS 22.0軟件中完成。

3.1 因子分析法評估在線醫生的服務水平

3.1.1 相關性分析與KMO檢驗

在開展因子分析之前，我們首先對所選原始變量進行了詳盡的相關性分析。通過構建相關矩陣并審視其輸出結果，我們能夠識別出幾組具有較強線性關系的變量，它們分別是：職業職稱X1，學術職稱X2，日均訪問量X3，開通天數X4，收費價格X5，坐診天數X6。這些變量間存在信息重疊現象，具體的相關性結果詳見表2。

為了進一步驗證這些變量是否適合進行因子分析，我們執行了巴特利特球形檢驗。檢驗結果顯示KMO值為0.626，超過了0.6的基準值，表明變量間存在一定的相關性，適合進行因子分析。同時，該檢驗的p?value為0.000，遠小于0.05的顯著性水平，這進一步證實了變量間相關性的統計顯著性，從而支持了進行因子分析的決策。

4.1.2 因子分析模型

在確認變量適合進行因子分析之后，我們采用主成分分析法（PCA）對變量進行因子提取。根據特征值大于1的原則，我們提取出三個主因子，分別記為F1、F2和F3。這三個因子的累計貢獻率達到了66.4%，表明它們能夠有效地捕捉原始變量的大部分變異性。接下來，我們構建了因子載荷矩陣Λ，該矩陣詳細描述了原始變量與提取出的因子之間的關系。因子載荷矩陣Λ的具體元素值為：

[0.789" " " " 0.184" "-0.0250.779" "-0.048" "-0.139-0.052" " 0.847" " " " 0.1130.251" " " " 0.708" "-0.1190.632" " " " 0.110" " " " 0.2470.018" "-0.008" " " " 0.956]

由此可得因子分析的數學模型如下：

X1=0.789F1+0.184F2?0.025F3 （1）

X2=0.779F1?0.048F2?0.139F3 （2）

X3=?0.052F1+0.847F2+0.113F3 （3）

X4=0.251F1+0.708F2?0.119F3 （4）

X5=0.632F1+0.110F2+0.247F3 （5）

X6=0.018F1?0.008F2+0.956F3 （6）

在該因子分析模型中：第一主因子F1主要由三個原始變量：職業職稱（X1）、學術職稱（X2）和收費價格（X5）所決定。這些變量在F1上的載荷相對較高，說明它們是醫生專業能力水平的重要指標。具體來說，F1對原始數據的解釋能力（即方差貢獻率）高達31%。這一發現提示患者在選擇線上醫生時，應特別關注醫生的職業職稱、學術職稱和收費價格，因為這些因素不僅可能指示醫生的專業水平，而且較高的收費價格也可能反映出醫生較高的專業能力。

第二主因子F2主要由日均訪問量（X3）和開通天數（X4）兩個指標所決定。這兩個變量在F2上的載荷均超過了0.5，表明它們是衡量醫生線上活躍度的關鍵指標。F2反映了醫生在線上平臺的投入和努力程度，這對評估醫生服務水平具有重要意義。

第三主因子F3主要由坐診天數（X6）決定，代表著醫生在線下門診中的努力程度。這一因子揭示了醫生線下工作量的投入，也是衡量其服務水平不可忽視的一個維度。

綜合考慮F2和F3，我們可將它們歸納為醫生的總體努力程度，包括線上和線下的努力。基于因子分析的結果，我們可以將在線醫生的服務水平劃分為兩個關鍵維度來衡量：一是醫生的能力水平， 二是醫生的努力程度，這包括線上和線下的努力。這種劃分有助于我們更全面地理解和評估在線醫生的服務質量。

4.1.3 因子得分函數

根據因子載荷和原始數據，可以估計出每個樣本在每個因子上的得分。具體因子得分函數如下：

F1=0.459X1+0.489X2?0.161X3+0.048X4+0.374X5+0.011X6 （7）

F2=0.033X1?0.154X2+0.706X3+0.551X4?0.011X5?0.034X6 （8）

F3=?0.030X1?0.136X2+0.089X3?0.135X4+0.238X5+0.937X6 （9）

本研究通過綜合分析在線醫生的各項指標，提出了一個二維評估模型來衡量醫生的服務水平：一是醫生的能力水平，二是醫生的努力程度，包括線上和線下的努力。具體來說，醫生的能力水平主要依據三個關鍵指標來評估：職業職稱、學術職稱以及收費價格。這些指標不僅反映了醫生的專業資質，而且也與其提供的服務質量密切相關。另一方面，努力程度則通過醫生個人頁面的日均訪問量、開通時間以及線下坐診時間來衡量，這些指標體現了醫生在提供醫療服務方面的投入和活躍度（詳見表3）。

患者在選擇線上醫生時，應根據自己的具體病情和需求來做出決策。對于那些面臨復雜或嚴重健康問題的患者的來說，選擇能力水平較高的醫生至關重要。盡管這可能意味著需要支付更高的費用，但醫生的專業能力與其收費水平通常是正相關的。此外，高職稱評級通常代表著更豐富的醫療經驗和更高的服務質量。相反，如果患者的病情較為普通，對醫生的能力水平沒有特別高的要求， 那么他們可以更靈活地選擇醫生，因為好大夫在線平臺上的大多數上海市醫生都來自三甲醫院，這為醫生的專業水平提供了一定的保證。通過這種系統的評估方法，患者可以更加明智地選擇適合自己的線上醫生，從而獲得更優質的醫療服務體驗。

3.2 在線醫生服務水平的差異分析

根據上述分析，在線醫生的服務水平可以從醫生能力水平和努力程度兩個維度評估。為了驗證醫院等級和醫生性別對這些維度的潛在影響，我們提出了以下研究假設：

H1： 不同等級醫院的醫生在能力水平上存在顯著性差異，其中三甲醫院的醫生展現出的能力水平整體優于非三甲醫院的醫生。

H2： 在醫生的整體能力水平方面，男性與女性之間并無明顯差距。

H3： 醫院等級對于醫生的線上和線下努力程度沒有顯著性影響。

H4： 在線上努力程度方面，男性醫生相較于女性醫生投入更多的努力；而在線下努力程度方面，女性醫生則顯示出更多的付出。

3.2.1 能力水平的差異分析

為了檢驗不同醫院等級及性別對醫生能力水平的影響，并驗證提出的研究假設H1和H2，本研究在SPSS 22.0軟件中進行了多因素方差分析。

在醫院等級這一因素上，p?value=0.003lt; 0.01，表明在0.01的顯著性水平下，不同等級醫院的醫生在能力水平上存在顯著性差異。三甲醫院的醫生與非三甲醫院的醫生的能力水平有明顯區別，具體而言，三甲醫院的醫生展現出的能力水平顯著高于非三甲醫院的醫生。此觀測結果與普遍認知相符，考慮到三甲醫院對醫生的專業能力和技術經驗有更高的要求，因此醫生群體的整體能力水平自然更為突出。這一結果為假設H1提供了有力支持。

在性別因素上，p?value=0.485gt;0.1，表明醫生的性別并不能反映其能力水平的顯著性差異。該結果支持假設H2。這意味著在能力水平方面，男性與女性醫生之間并無明顯差距。因此，醫生能力水平的評估應更多地依據其專業資質和所在醫療機構的等級，而非性別。這一發現強調了在職場中消除性別歧視的重要性，提倡基于能力和表現的公正評價。

4.2.2 努力程度的差異分析

為了檢驗不同醫院等級及性別對醫生線上及線下努力程度的影響，并驗證提出的研究假設H3和H4，本研究在SPSS 22.0軟件中進行了多因素方差分析。

（1）線上努力程度

在醫院等級因素下，我們發現p?value=0.558gt;0.1，表明不同等級醫院的醫生在線上努力程度上并無顯著性差異。該結果揭示了無論在三甲醫院還是非三甲醫院，醫生們由于面對緊張的醫療供需關系，普遍展現出高度的忙碌狀態，其線上努力程度并無明顯區別。在性別因素下，p?value=0.067lt;0.1，在0.1的顯著性水平下，醫生的性別對其線上努力程度有顯著影響，其中男性醫生相較于女性醫生在線上投入了更多的努力。

（2）線下努力程度

采用相同的分析方法，我們發現不同等級醫院的醫生在線下努力程度上同樣沒有顯著性差異。三甲醫院的醫生與非三甲醫院的醫生的線下努力程度沒有明顯區別。此外，在0.01的顯著性水平下，醫生的性別能反映出其努力程度的差異，女性要比男性付出更多的線下努力。

綜合上述分析，我們可以得出結論：醫生的線上和線下努力程度受到性別的顯著影響，而醫院等級對醫生努力程度的影響并不顯著。該結果支持假設H3和H4。無論是三甲醫院還是非三甲醫院，醫生們普遍表現出高度的工作忙碌度，他們在工作投入上的時間和精力整體差異不大。

由此可推斷出：醫院等級是反映醫生能力水平差異的一個重要因素，而性別則在一定程度上反映了醫生努力程度的差異。具體來說，三甲醫院的醫生在能力水平上整體高于非三甲醫院的醫生，而男性與女性醫生在能力水平上并無明顯差距。在線上努力程度方面，男性醫生比女性醫生付出了更多的努力；在線下努力程度方面，女性醫生則顯示出更多的努力。這些比較結果的詳細信息見表4。

4 結論與展望

在我國醫療改革的背景下，醫生和患者構成了醫療市場的兩大基石。然而，醫生與患者之間的矛盾協調仍是一個亟待解決的問題。互聯網醫療平臺的興起，為醫患溝通架設了新的橋梁，不僅有助于患者全面了解醫生，也使得醫生能夠更有效地為患者提供幫助。

本研究以好大夫在線醫療平臺為基礎，對在線醫生的基本屬性進行了分析，旨在初步衡量其服務水平，并為患者選擇線上醫生提供參考建議。通過對平臺中上海市線上醫生的文本信息進行科學化處理和數值化轉換，本研究在SPSS 22.0中進行了深入的統計分析。

研究首先構建了線上醫生服務水平的評價體系，通過因子分析法將服務水平劃分為能力水平和努力程度兩個維度。分析結果表明，醫生的收費價格與其學術職稱和職位職稱相匹配，提示患者在選擇醫生時應考慮“一分價錢一分貨”的原則。對于嚴重病情，患者應重視醫生的專業能力，即使收費較高，也可能是醫生實力的體現。同時，患者的選擇也應考慮醫生的努力程度，因為高水平的醫生可能無法投入更多時間于在線咨詢。

進一步的方差分析探究了醫院等級和醫生性別對服務水平的影響。結果顯示，三甲醫院的醫生在能力水平上顯著高于非三甲醫院的醫生，而男性與女性醫生在努力程度上存在明顯差異。這些發現在醫療改革的大背景下尤為重要，它們揭示了我國醫療資源分配的不均衡性，以及基層醫院在資源和服務條件上的不足。互聯網醫療在一定程度上可以解決這個問題。創建資源共享平臺，仍需要多方的共同努力。盡管本研究基于醫生的基本屬性信息構建了線上醫生服務水平的評價體系，但仍存在一些局限性。由于數據獲取的限制和文本數據處理的復雜性，本研究僅分析了醫生主頁中的個人信息。未來的研究可以獲取更多種類的數據，以豐富樣本結構，進行更全面的分析。此外，患者選擇線上醫生的決策可能受多種信息的影響，包括其他患者的反饋信息等，這是本研究尚未涉及的領域，需要未來的研究進一步探索。

總之，本研究為在線醫生服務水平的評價提供了新的視角，并為患者選擇合適的線上醫生提供了實證基礎。隨著互聯網醫療的不斷發展，我們期待通過創建資源共享平臺，實現醫療資源的優化配置，為解決“看病難”問題提供可行的解決方案。

參考文獻

[ 1 ] 中國互聯網絡信息中心（CNNIC）. 第53次《中國互聯網絡發展狀況統計報告》[R]. Technical report， 2023年12月.

[ 2 ] 路緒鋒，張珊. 信息不對稱對醫患關系的影響及對策研究[J]. 中國醫藥導報， 2019，16（2）：169?173.

[ 3 ] 國家衛生健康委.《國家臨床專科能力評估辦法（試行）》[S]. 2024.

[ 4 ] 吳雨凡，戴涵儀，劉西加，等. 在線醫療平臺客戶服務質量提升研究[J]. 合作經濟與科技， 2023（21）：172?175.

[ 5 ] 孟杉. 互聯網醫院服務質量評價與提升策略研究——以山東省為例[J/OL]，https：//www.zhangqiaokeyan.com/academic?degree?domestic_mphd_thesis/0203111077477.html.

[ 6 ] 皇甫慧慧，李紅艷. 全科醫生服務實施效果評價研究： 以上海市為例[J]. 中國全科醫學， 2019， 22（19）：7.

[ 7 ] 李佩倫，尹秋菊，顏志軍. 在線極速問診的非線性價格模型研究. 運籌與管理， 2024， 33（2）：64.

[ 8 ] ANDERSON A. Measuring service quality at a university health clinic[J]. International Journal of Health Care Quality Assurance， 8（2）：32?37， 1995.

[ 9 ] 趙盼盼，王屹亭，林振平，等. 家庭醫生簽約服務質量評價的理論分析框架與研究展望[J]. 中國衛生政策研究， 2019， 12（6）：57?62.

[10] ZI YU CHEN， FEI XIAO， YI TING WANG， et al. Online review analysis?based multi?criteria decision?making for evaluating patient satisfaction： A case study of the haodf website[J]. Journal of the Operational Research Society， 2024， 75（5）：841?859.

[11] LUCILLE ML ONG， JOHANNA CJM DE HAES， ALAYSIA M HOOS， et al. Doctor?patient communication： a review of the literature[J]. Social Science amp; Medicine， 1995， 40（7）：903?918.

[12] PEI WU， RUNTONG ZHANG， XIJING ZHANG. Factors influencing doctor?patient relationship" in online health communities： An empirical study[D]. 2020 2nd International Conference on E?Business and E?commerce Engineering， 2020.

[13] 馬騁宇. 在線醫療社區醫患互動行為的實證研究—— 以好大夫在線為例[J]. 中國衛生政策研究， 2016， 9（11）：65?69.

[14] 陳家和，馬錦爐，張育瑋. 互聯網醫療下患者持續線上咨詢和線下就診意愿影響因素研究[J]. 中國全科醫學， 2020， 23（25）：3164.

[15] 李論，尹秋菊，顏志軍. 醫生線上-線下服務評價對患者在線問診選擇的影響研究[J]. 管理學報， 2022， 19（4）：565.

[16] 耿爽，王婕，羅寧政，等. 面向在線醫療平臺的醫生能力綜合評價體系構建[J]. 中國衛生資源， 2023， 26（2）：219?227.

[17] 好大夫在線百度百科[EB/OL]. https：//baike.baidu.com/item/.

收稿日期：2024?08?18

作者簡介：鄭春燕（1995—），女，河南南陽人，博士生，研究方向：優化與運作管理；隋越（通信作者），女，博士生，研究方向： 運營管理，企業社會責任。