基于疾病風險調節的口碑評分對線上擇醫行為影響的機制分析

AbstractObjective：Tostudythemechanismofhowword-ofmouthscoresafectpatientsonlinemedicalselectionbehavior.Methods： Basedothedatarelatedtoonlineconsultationonthe\"HealthySo-and-SoPlatform\"fromJanuarytoMay2O23，amultipleregresion linearmodelwasconstructedtoanalyzetheinfluenceofwordof-mouthscoresonpatients'onlinemedicalselectionbehavior.esults： Word-of-mouth scores showed an inverse u-shaped relationship with online medical selection behavior （ β=-3.109 Plt;0.01 ），and the degree of diseaseriskhadamoderatingefect.Low-riskdiseasesvaluedwordof-mouthscoresmorethanhighriskdiseases.Amongthediferent consultationmethods，monthlypackageconsultationwasdistingushedfromgraphicandtelephoneconsultationservices，andthedegree ofmoderationofdiseaseriskwasstronger.Concusions：Doctorsshouldpaycontiuousatentiontothewodofmouthofonlineplatforms， enhance online service title，and improve patients'feelings and experience of online medical treatment.

Keywordsonline medicalselection；doctorselectionbehavior；word-of-mouthscores；moderating efects；Interethospital摘要目的：基于疾病風險調節探討口碑評分影響病人線上擇醫行為的機制。方法：基于2023年1月—5月某健康平臺上某省在線問診相關數據，構建多元回歸線性模型分析口碑評分對病人線上擇醫行為的影響。結果：口碑評分與線上擇醫行為呈現倒U型關系（β=-3.109，Plt;0.01） ，疾病風險程度具有調節作用。低風險疾病病人較高風險疾病病人更為看重口碑評分。不同問診方式中，包月問診區別于圖文、電話問診服務，疾病風險調節程度更為強烈。結論：醫生應持續關注線上平臺口碑評分，提升線上服務水平，改善病人線上就醫感受及體驗。

關鍵詞線上擇醫；擇醫行為；口碑評分；調節作用；互聯網醫院 doi：10.12102/j.issn.1009-6493.2025.13.004

網絡口碑有異于依靠口耳相傳、面對面交流的傳統口碑，打破地域限制，具有多樣性、匿名性的傳播特點，已成為消費者線上信息來源的重要途徑，并對消費者信息搜尋、購買決策、行為都有顯著影響[。近年來，互聯網醫療服務平臺的快速發展和線上醫療服務的普及，使病人能夠便捷地在線就醫，減少了病患的不便[2]。同時，網絡口碑在醫療領域的影響研究逐漸增多，目前研究多以調查問卷、線上數據等形式，從醫患使用意愿、病人擇醫等不同視角進行研究[3-4]。互聯網線上問診存在著多種方式，例如圖文問診、電話問診、視頻問診等，不同的問診方式中醫生傳遞信息量不同，病人對于口碑評分態度是否存在差異、口碑評分在醫療領域的影響及不同風險程度疾病在病人線上擇醫時是否具有調節作用有待研究。鑒于此，本研究以某互聯網健康服務平臺為案例，以互聯網 + 醫療服務為背景，深人探討病人線上擇醫行為，為互聯網醫療服務平臺多方參與提供借鑒。

1 資料與方法

1.1 資料來源

針對本研究聚焦的“口碑評分對病人線上擇醫行為的影響\"研究議題，選擇2023年1月一5月某健康平臺上某省在線問診相關數據，并根據《中國衛生健康統計年鑒-2022》[5死亡率相關數據，按照疾病風險程度分別選取肺癌、冠心病、腦梗死、糖尿病4種高風險疾病以及鼻炎、頸椎病、高血壓、闌尾炎4種低風險疾病數據，最終獲得6941條數據。

1. 2 變量選擇

1.2.1 自變量：口碑評分

口碑評分是網絡口碑的重要形式之一，在旅游、電影、線上購物等領域均對消費者行為產生影響。本研究使用醫生線上平臺好評率分析其在病人線上擇醫決策中的作用。平臺好評率 = 好評量/線上問診量。

1.2.2 因變量：線上擇醫行為

線上選擇醫生的行為最終是對醫生問診相關數據的反饋，即病人在線上選擇哪位醫生進行什么形式的線上問診服務的行為。某健康平臺上有3種線上問診方式供病人選擇，分別為圖文問診（graphic inquiry）、電話問診（telephone inquiry）、包月問診（monthly inquiry）。本研究對3個問診方式進行綜合和單個分析。

1.2.3 調節變量：疾病風險程度

消費者在線上進行購買、消費等行為時，會受到不同產品類型的影響，不同疾病風險程度的病人會有不同的擇醫決策。本研究將疾病風險程度作為調節變

量，低風險疾病用1表示，高風險疾病用2表示。

1.2.4控制變量：醫生職稱和醫院等級

醫生職稱、醫院等級可能會對病人選擇醫生的行為產生影響，為保證研究結果的準確性和科學性，將醫生職稱分為住院醫師、主治醫師、副主任醫師、主任醫師，分別用數字1、2、3、4表示；按照醫院等級，將醫院劃分為鄉鎮衛生院、一級醫院、二級醫院、三級醫院，分別用0、1、2、3表示。

1.3 統計學方法

利用Exce12016對所得數據進行處理和分析，并利用Stata17.0對在線問診數據進行相關性分析和回歸分析，探討在線問診數據中網絡口碑與病人線上擇醫行為的關系，進一步推斷其影響機制。以 Plt;0.05 為差異有統計學意義。

2結果

2.1 描述性統計

描述性統計中從自變量和因變量的描述可以看出，口碑評分最小值、最大值、均值以及標準差變化不大，線上擇醫行為、圖文問診、電話問診偏度較大，為了不改變數據性質并增加數據穩定性，在后期研究中將對因變量進行log對數轉換后進行分析。各變量的描述性統計見表1。

2.2 模型設計

根據本研究設計及變量設定，將線上擇醫行為作為因變量，口碑評分作為自變量，醫院等級、醫生職稱作為控制變量，構建多元回歸線性模型，其中，InODSB為醫生在 t 時間圖文問診、電話問診、包月間診數量總和加1取自然對數。 t 表示周數， ε_t 為殘差項。將醫院等級、醫生職稱作為控制變量，故不對醫生個體加以控制，得到式（1）和式（2）。

lnODSB_t=α₀+α₁Tile_t+α₂Level_t+α₃Wmr_t+ε_t （1）

lnODSB_t=β₀+β₁Title_t+β₂Level_t+β₃Wmr_t+

β₄Wmr_t²+ε_t

式中，ODSB為線上擇醫行為，Title為醫生職稱，Level為醫院等級， wmr 為口碑評分。

2.3網絡口碑評分與病人擇醫行為的相關性

結果顯示，網絡口碑評分與病人擇醫行為呈正相關，疾病風險程度與病人擇醫行為呈正相關，相關性分析為本研究關于變量間關系探索提供必要的依據。且各變量方差膨脹系數（VIF）均 lt;2 ，說明不存在多重共線性問題，可以進行后續分析和檢驗。見表2。

2.4 主效應檢驗

根據建立的模型，采用“OLS + 穩健標準誤”估計定量模型參數并計算顯著性。主效應檢驗結果見表3。模型1為只加入控制變量對線上擇醫行為進行回歸 R²=0.229 ），可以看出，醫生職稱和醫院等級都對擇醫行為存在正向影響。模型2為加入口碑評分一次項的回歸 R²=0.388 ） R² 說明解釋變量對被解釋變量的解釋程度為 38.8% ，解釋程度越高則擬合優度較好。

模型3則為加入口碑評分一次項、二次項的回歸（ R²= 0.396）。由模型3結果可以看出，口碑評分一次項對線上擇醫行為的影響 （β₃=3.798，Plt;0.01） 系數為正，而二次項系數 （β₄=-3.109 Plt;0.01 ）為負，根據Hanns等的研究，口碑評分和線上擇醫行為不是簡單的線性關系，而是呈現倒U型關系，說明口碑評分上升對病人線上選擇醫生有正向作用，但在達到一定閾值時，病人線上擇醫依靠口碑評分的行為反而會下降。

2.5調節效應檢驗

為避免多重共線性，交互項由中心化的自變量和調節變量相乘得到，在式（2）的基礎上加入疾病風險程度、疾病風險程度與口碑評分一次項交乘項、二次項交乘項，得到式（3）。

lnODSB_t=γ₀+γ₁Title_t+γ₂Level_t+γ₃Wmr_t+ γ₄Wmr_t²+γ₅RiskWmr_t+γ₆RiskWmr_t²+ γ₇+ε_t （3

由表3中的模型4、模型5可以得出，加入疾病風險程度與口碑評分的一次交互項、二次交互項后，口碑評分的一次項、二次項仍有統計學意義，說明口碑評分在不同風險程度下的疾病對病人線上擇醫行為都存在正向影響，且疾病風險與口碑評分的一次交互項（ γ₅=-1.928 Plt;0.01 ）負向顯著，二次交互項 γ₆=1.336，Plt;0.05） （2正向顯著，倒U型曲線變得陡峭，表明疾病不同風險程度下在口碑評分和病人線上擇醫行為中起到了調節作用。

2.6 單變量回歸

將圖文問診、電話問診、包月問診3個問診方式分別進行回歸，回歸結果見表4～表6。

2.7 調節效應圖

為進一步勾勒疾病風險程度的調節效應，繪制調節效應圖（見圖1），分析不同疾病風險程度時，口碑評分對病人線上問診不同選擇的影響。整體而言，線上擇醫行為與口碑評分存在倒U型關系，且疾病風險程度越大，曲線越平緩。3種問診方式中，高風險疾病人群在口碑評分和病人線上擇醫中均存在倒U型關系，而在低風險疾病人群中，口碑評分對包月問診存在線性關系。

2.8 穩健性檢驗

由于口碑評分形成時間和病人擇醫時間存在滯后性，為檢驗本研究結果的穩健性，參考以往研究，將口碑評分滯后1期與線上擇醫行為回歸進行穩健性檢驗，可以看出替換變量后，結果基本一致，疾病風險調節作用仍存在，且在 1% 的顯著性水平上保持一致。結果見表7。

3討論

3.1口碑評分與線上擇醫行為存在“過猶不及\"效應

以往相關研究主要圍繞口碑評分與在線銷量之間的相互關系展開，發現口碑評分對在線銷量存在正向刺激作用且呈倒U型關系[8]。此外，現有研究已明確指出，口碑評分對于病人在線醫療選擇行為存在正向影響[9-10]，與本研究結果一致。然而，本研究基于某互聯網醫療健康服務平臺，發現與以往研究不同的結論。具體而言，研究揭示了口碑評分與線上擇醫行為之間呈倒U型曲線關系，驗證了口碑極端高分對于病人選擇的影響效應呈逐漸遞減趨勢，這一現象可能是由于醫療服務產品存在著極大的信息不對稱所導致的[11]。值得注意的是，作為客觀數據，口碑評分不同于傳統的親友熟人推薦，更值得信任并用以參考。然而，過高的口碑評分下病人擇醫行為反而呈下降趨勢，表明過高的口碑評分可能引發病人產生不信任、猶豫和懷疑等情緒，從而使他們在選擇醫生時更加謹慎，減少了對高口碑評分醫生的選擇，更傾向于選擇評分居中的醫生，以作為安全保障的決策依據。

3.2疾病風險程度的調節效應

本研究結果還證實了疾病風險程度是口碑評分影響病人線上選擇醫生的一個關鍵條件，這為某些平臺上具有較高口碑評分的醫生并未被病人優先選擇提供了理論解釋[12]。具體而言，在圖文問診模式中，低風險相較于高風險疾病表現出更為顯著的影響，說明病人在疾病癥狀相對輕微，選擇低成本、信息簡化服務的同時，更傾向于參考醫生線上口碑，反而高風險病人群面臨電話問診服務時表現出更為強烈的選擇偏好。這揭示了病人存在高危風險程度疾病時，對即時性、個性化的醫療咨詢服務需求增大，電話問診使病人線上即時與醫生交流，醫生根據病人的描述迅速作出反應，提供更為針對性的建議和方案，為高危病人帶來了更高的安全感和信任感。此外，在包月問診模式下，低風險疾病曲線呈線性，而高風險曲線呈倒U型。這表明包月問診服務作為一種醫生提供連續性服務的模式，在不同疾病風險下影響病人的選擇。根據《互聯網診療管理辦法》，互聯網線上診療服務僅限于復診服務，且病人在進行線上診斷前已在線下初診并開具相關診斷。有研究指出，醫生線上口碑以及線下聲譽均會影響病人在線上、線下的就醫決策[13-14]。當前線下醫療服務仍是醫院和醫生關注的重點，忽視線上醫療服務質量是醫療服務系統存在的普遍現象。因此，本研究從線上角度進行探索，不僅為擇醫行為提供了新的視角，還為實踐中提高醫療服務質量和緩解醫患關系提供了有力的策略建議。

3.3 實踐價值

本研究結果對醫生開展線上醫療服務提升口碑的啟示在于：互聯網背景下，醫生可以通過在線交流的方式向病人提供更為便捷的問診服務，特別是面對不同風險疾病的病人時，醫生要始終從病人需求出發，了解病人各階段病情的變化程度，以制定相應的診斷策略。具體而言，線上醫療服務的廣泛使用引發了一種全新的醫生評價方式，在為醫生帶來新的機遇的同時也推動了互聯網醫療的發展；但在實際中，并不是所有的醫生都可以適應這種變革，大數據背景下互聯網的大規模發展和應用使得醫生信息充分透明、更新迅速。醫生線上口碑逐漸成為病人關注的焦點。同時，以往有關口碑的研究中，大多關注了醫生口碑評分對病人選擇的積極正向影響階段，但對于此后醫生口碑變化不再有進一步的探討，使得醫生在實施改變行為后的效果不夠明晰。本研究結果揭示了口碑評分與病人線上擇醫行為存在倒U型關系，這說明醫生口碑評分確實會正向影響病人線上擇醫行為，但若醫生只注重口碑評分而不用后續一系列行為堅持去鞏固和加強口碑，他們也會被其他醫生逐漸替代或效仿。此外，盡管本研究獲得了一些有價值的研究成果，但是仍有局限，需要后續研究進一步完善。本研究僅使用了1個互聯網醫療服務平臺的數據進行分析，未考慮多個平臺口碑評分之間的相互影響。未來的研究可以考慮分析多個平臺口碑評分的互動關系，為互聯網醫療服務平臺的發展提供更多指導和借鑒。

參考文獻：

[1]SAHIRADN，KRISTAUNGR，TALIBFEA，etal.Electronicword-of-mouth model on customers' online purchase intention withmulti-group approach digital services[J]. International Journal ofBusiness Innovation and Research，2023，30（1）：68.

[2]CHANDRASEKARAN R，BAPAT P，JERIPITYVENKATAP，et al.Dopatients assess physiciansdifferently in video visitsascomparedwith in-person visits？ Insights from text-mining online physicianreviews[J].Telemedicine Journal and e-Health，2O23，29（1O）：1557-1565.

[3]劉佳慧，田梅.國內互聯網醫療滿意度影響因素研究[J].中國醫院，2023，27（3）：1-4.

[4]胡小靖，房洪軍，袁建峰，等.醫患互聯網醫療使用意愿現狀及影響因素分析[J].中國醫院，2022，26（1）：41-43.

[5]國家衛生健康委員會.中國衛生健康統計年鑒-2022[M].北京：中國協和醫科大學出版社，2022：1.

[6]HAANS RF J，PIETERS C，HE Z L.Thinking about U：theorizingand testing U-andinverted U-shaped relationships in strategyresearch[J].Strategic Management Journal，2016，37（7）：1177-1195.

[7]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）：565-574.

[8]朱鎮，劉琪，姚甜甜，等.質量保證機制如何影響體驗品電商平臺在線銷量——互補作用與時間效應[J].管理評論，2023，35（2）：181-192.

[9]GONGYL，WANGHW，XIAQW，et al.Factors that determineapatient'swillingness to physician selection in online healthcarecommunities：a trust theory perspective[J].Technology in Society，2021，64：101510.

[10]魏潔，楊正玲.患者、醫生和系統產生內容對患者擇醫行為的影響[J].管理科學，2022，35（4）：44-56.

[11]沓鈺淇，傅虹橋.網絡口碑對患者就醫選擇的影響——基于在線醫生評論的實證研究[J].管理評論，2021，33（11）：185-198.

[12]CAO XY，LIUYM，ZHUZX，etal.Online selectionofaphysician by patients：empirical study from elaboration likelihoodperspective[J].Computers in Human Behavior，2Ol7，73：403-412.

[13]YANGHL，DUHS，SHANG W.Understanding the influenceofprofessional status and service feedback on patients'doctor choicein online healthcare markets[J].Internet Research，2O2l，31（4）：1236-1261.

[14]姜勁，白閃閃，王云婷，等.線上和線下醫療服務質量對患者線下就醫決策的影響[J].管理科學，2020，33（1）：46-53.（收稿日期：2024-01-09；修回日期：2025-05-20）（本文編輯 崔曉芳）