基于SERVQUAL模型的互聯網醫療智能預問診系統運行研究

2025-08-28 00:00:00王淑

中國衛生質量管理 2025年7期

中圖分類號：197.324 文獻標識碼：B

Abstract ObjectiveTo evaluate the operational performance of an internet一based intelligent pre一consultation systemin a hospital in Shanghaiand propose optimization suggestions.MethodsAn evaluation indicator system was constructed based on the SERVQUAL model.By comparing the operational data of theinternet一based inteligent pre一 consultation systemfrom 2020 to 2022，the operational effectiveness was analyzed.ResultsAn indicator system was established，comprising four primaryevaluation indicatorsand14 secondaryevaluation indicators fortheinteligent pre consultation system. Taking the endocrinology department as an example，the system's aplication was elaborated from the dimensions of patients，physicians，and management.ConclusionLeveraging the inteligent pre一consultation systemand considering thecharacteristics of specialized diseases and the regional patient positioning，suggestions forsys temoptimization，processoptimization，and model optimization were proposed to expand the aplication boundaries and development models of the system.

Key words Internet一Based Healthcare; Inteligent Pre一Consultation;Service Model; System Design；Evaluation Indirators

First-author'saddress Shanghai Children's Hospital/Children's Hospital，School of Medicine，Shanghai Jiao Tong University，Shanghai，200062，China

優化就診服務流程是公立醫院“以患者為中心”服務理念的重要體現。兒童專科醫院醫療資源相對不足，尤其是在流感等流行性疾病暴發季節，問題更為突出。有研究顯示，在就診高峰時期，兒童專科醫院患兒候診時間平均為 1h～2h ，而門診醫生平均接診患兒時長僅為5min～10min ，包括完成問診、查體、健康宣教、病情解釋等診療行為 [1-2] 。有限的接診時間，容易導致患兒家屬體驗差、就醫獲得感低。

韓夢寧[1]、薛芹[2]、SinghBR[3]等分別提出了基于面向服務的架構（ service -orientedarchitecture，SOA）、基于Web和基于微信公眾號的智能預問診系統；王毅豪等[4]基于SERVQUAL模型建立了患者日間手術服務質量評價體系，為改進日間手術服務質量提供了參考；徐霄玲[5]、張小亮[]、曹茂誠[]、蔣君[8]等先后開展了基于知識圖譜、人工智能、循證醫學知識庫的智能預問診系統研究；付秀等9進行了面向臨床的智能預問診全景多學科會診平臺設計與應用研究。針對兒科專病特點，上海市兒童醫院開通“兒童醫院互聯網醫院\"預問診系統，引入人工智能算法，爭取讓更多門急診患兒盡早獲得專業治療[10]

本研究基于上海市兒童醫院智能預問診系統的建設及使用情況，通過構建基于SERVQUAL模型的評估指標體系，圍繞患者、醫生、醫院管理與服務等多維度，分析了系統應用情況。同時，以該院內分泌科為例，分階段討論了智能預問診系統推行過程中存在的問題，以及逐步優化系統的過程。

1 智能預問診評估指標體系構建

SERVQUAL模型是一種服務質量模型，廣泛應用于服務業，作為服務質量的評價體系。該模型通過設計不同維度對服務需求開展評價，持續優化功能提升服務品質是其重要的設計思想。模型中的“服務質量差距”即服務質量取決于用戶所感知的服務水平與用戶所期望的服務水平之間的差別程度，用戶期望是開展優質服務的前提條件，提供優質服務的關鍵在于滿足用戶的期望值[4，11-13]

本研究基于SERVQUAL模型的設計理念，初步設計了智能預問診系統評估指標體系（見圖1）。一級評估指標包括服務患者、服務醫生、醫院管理、系統性能等4個維度；二級評估指標包括患者候診時長、患者滿意度、患者焦慮度、門診電子病歷書寫完成率、門診電子病歷完整率、預問診覆蓋率、患者對話理解性等15項指標。同時，結合兒童專科醫院患兒就診服務的特殊性，對預問診系統流程節點設計、試運行使用反饋等做進一步優化。

采用專家咨詢法通過現場走訪及函調咨詢方式，征求專家意見，合理增加、刪減或調整指標數。共邀請信息技術專家、醫院管理者和兒童專科臨床醫生共26人進行調研，明確各指標項意義與價值，將期望與評估差距較大者剔除或歸并：（1）服務患者維度，候診焦慮度指標難以量化，建議剔除。（2）服務醫生維度，電子病歷書寫完成率與問診引用率相關，建議增加引用率指標；電子病歷書寫完整率依賴門診質控效果，盡管較難評估，但該指標能促進門診病歷書寫質量的正向管理，建議保留。（3）系統性能維度，突出患者對話理解性反饋和系統響應及時性，建議增加指標權重。同時專家對系統可用性、消息推送及時性、系統穩定性和可靠性等指標表現出較強的支持率。因此，剔除候診焦慮度指標，新增電子病歷完成率指標，其余項均納入指標體系，并依據兒童患者特殊性持續跟蹤、監測和優化。

優化后的智能預問診系統包括4項一級指標和14項二級指標。4項一級指標為患者服務維度、醫生服務維度、醫院管理維度以及系統性能維度；14項二級評估指標包括患者候診時長、患者滿意度、門診電子病歷書寫完成率、預問診覆蓋率、患者對話理解性等。SERVQUAL模型將服務評估分為有形性、可靠性、響應性、保證性、移情性五個層面，SERVQUAL模型分層與智能預問診服務效果評估指標對應關系見表1。

患者候診時長一患者門診掛號后醫生接診前的等待時間，患者直接感受服務患者維度患者滿意度一患者對于門診就醫服務的整體感受患者焦慮度一反映患者門診就診等待焦慮性「反映醫生是否有效利用預問診的臨床資料，提升診療效率門診電子病歷書寫完成率服務醫生維度電子病歷對智能預問診的引用率指標門診電子病歷完整率一反映預問診的患者臨床病史資料的有效性預問診服務效果評估指標預問診流程告知率一就診前是否有預問診的流程介紹和告知醫院管理維度預問診覆蓋率一反映開診的科目是否已經有預問診流程，滿足每個科目的個性化需求門診就診效率一單位時間內門診的就診人次，反映預問診是否提升診療效率預問診發送率一就診前發送預問診記錄的比率，反映系統的可靠性響應性能一反映系統對預問診請求做出響應的時間患者對話理解性一反映預問診的智能程度系統性能維度系統易用性一反映系統是否操作簡單，不需要額外培訓指導；選項易于理解，涉及醫學術語有相應解釋系統可用性一是否有明顯的推送渠道，便于用戶找到系統可靠性一程序運行流暢無閃退、報錯；準確地將患者預問診信息傳遞給醫生系統安全性一系統經過安全測評

2 實踐應用

上海市兒童醫院于2021年6月首次試點智能預問診系統。本研究選取了該院門診業務量較大且有代表性的內分泌科為研究對象，基于SERVQUAL模型的智能預問診系統中的14項二級指標，對應選取患者服務（患者候診時長）、醫生服務（門診電子病歷書寫完成率）、醫院管理（預問診覆蓋率）作為主要指標進行對比分析。應用評估分為三個階段，分別是試用預問診系統（2020年7月一9月）、預問診系統優化推送提醒后（2021年7月－9月）、預問診系統與精準預約相結合后（2022年7月一9月）。

2.1 智能預問診系統應用效果

2.1.1患者維度

該院每年7月一9月呈現暑期就診高峰，內分泌科暑期高峰每月就診8000人次左右，對開通預問診的專病患者候診時長進行跟蹤對照（表2），使用預問診前平均候診時長為50min ，預問診系統實施后，經過流程優化及系統改造，患者候診時長逐步縮短到 33min 。開展預問診服務后，患者滿意度同步增加（見表3）。

2.1.2醫生維度

電子病歷書寫完成率是考核醫療質量的重要指標。自動輔助生成門診初始電子病歷能有效提升病歷書寫完成率，醫生的接受度普遍較高。以該院內分泌科為例，自2020年6月以來門診電子病歷書寫完成率從 50% 穩步提升至 72.21% （見表4）。

2.1.3醫院管理維度

內分泌科是該院特色專科，患者數量大且依從性高，選擇其作為智能預問診試點科室，能夠檢測系統改進和流程優化的有效性。（1）

蓋率較少，將預問診環節提前至預約時段并匹配專科預約服務，預問診覆蓋率大幅提升。

接診周轉率提高。同一專科醫生在相同時間內接診患者更多，說明智能預問診系統節省了問診時間，確保醫生可以更加關注患者病情，改善患者就醫體驗。（2）預問診覆蓋率提升。系統上線初期，預問診覆

2.2 智能預問診系統應用拓展

該院內分泌科實行預問診后，《中國衛生質量管理第32卷第7期（總第212期）2025年7月基于SERVQUAL模型的調研評估結果顯示，醫患接受度普遍較高，尤其是促進了醫生預問診操作習慣的養成。經過多輪評估與試行磨合，該院智能預問診系統的使用科室已經逐步覆蓋皮膚、眼科、耳鼻、呼吸、中醫、兒保、血液、消化等17個臨床科室。從2021年7月－2023年11月，智能預問診系統共計服務總人次402243人次，如圖2所示。

表1SERVQUAL模型分層與智能預問診服務效果評估指標對應關系

注：*表示評估指標與SERVQUAL模型分層有效對應。

表2內分泌科患者候診時長統計表單位：min

表3內分泌科患者滿意度統計

表4內分泌科門診電子病歷書寫完成率

3 討論與建議

智能預問診系統提出了一種可優化傳統就醫流程的思路，在患者預約掛號后、醫生問診前，主動引導患者進行診療信息交互，是醫院優化醫療服務場景、改善醫療服務能力方面的有效實踐。基于SERVQUAL模型的智能預問診理念，可將門診環節中各個利益相關方綜合到一起，從醫院智慧服務管理角度改善患者就醫體驗，提高醫生診療效率，提升醫院智慧服務能力，優化智能預問診系統與流程。

3.1 智能預問診對門診就診多維度的影響

智能預問診系統從患者、醫生、管理等多個維度對診療數據進行分析與評估，以內分泌科為例分析系統對門診就診多維度的影響。（1）患者維度，縮短了患者在院的平均候診時長。（2）醫生維度，電子病歷書寫規范性進一步提高。（3）醫院管理維度，專科醫生準確接診率提高。智能預問診系統在特定專科門診的使用，使得醫院門診接診效率和效果提升明顯，但從數據分析不難看出，智能預問診系統對于醫院全科室以及不同專科病種不能普遍適用，僅限于在特定專病專科的深化應用與推廣，尤其是針對多科會診及疑難險重等門急診存在一定風險和醫療質量隱患，不宜全面推廣[14]

3.2 智能預問診對醫院信息系統的影響

智能預問診系統引入移動醫療、人工智能等新技術，優化醫院門診醫生站、電子病歷系統，聯通醫院互聯網醫院平臺，涉及兼容醫院各信息系統，需要綜合考量醫院信息系統改造更新以及與新技術結合存在的諸多瓶頸。與Singh BR^[3] 、徐霄玲[5]、付秀[9]、許亮業[]及李夢翔[12]等的研究相比，本研究智能預問診系統在架構優化、新技術引入、就診流程優化等方面有一定價值。針對推廣過程中存在的問題，本研究提出對互聯網系統、門診電子病歷等信息系統架構、服務流程、問診模型進行優化的建議，并將患者體驗、系統優化、改善服務、新技術應用與醫院管理結合起來，是一種有益嘗試。

圖22021年7月 -2023 年11月互聯網醫療智能預問診系統服務人次統計

3.3 智能預問診平臺架構優化建議

智能預問診平臺基于醫院信息系統、臨床信息系統、電子病歷系統、醫技信息系統等核心業務系統，采用問診服務中心的設計模式實現信息采集，兼容文本交互、語音音頻采集。借助智能預問診對外服務平臺，明確用戶角色，實現分層分類管理。針對不同專科設計預問診靜態知識庫，結合專病知識路徑和知識圖譜進行信息預處理，兼顧人工智能語音識別和語音轉譯的實現能力。針對患者問診交互多樣性需求，優化服務功能，包括流程配置、患者注冊、消息轉換、術語轉換、問診模型、數據交互等。

3.4 服務流程優化建議

預問診服務流程主動引導患者提前采集主訴、病情等信息，包括疾病發作時點、發作時長、發作部位、發作頻率和誘因等，并根據患者已有癥狀，詢問相關的伴隨癥狀，覆蓋患者性別、年齡、體征、疾病、癥狀、病史、用藥、檢查和接診科室等信息，涉及診前信息錄人、問診引導、問診標準術語轉換、問診初始報告等。依據患者屬性和專科專病特色，智能預問診可分別定位患者候診時、預約后或掛號后，以滿足患者個性化的診療需求。

3.5 智能預問診模型優化建議

智能預問診系統可加載流程化或判斷式推演功能，模仿醫生和患者交互問診過程，依據診療過程預設問診模型，并依據人工智能技術自動生成問診路徑問題，優化重構就診時間順序邏輯，分析患者病情或形成問診建議，達到患者病情分類、預問診輔助診斷與推演的效果[15]。同時建議依據患者主索引將預問診系統與門診電子病歷系統自動關聯匹配，提升疾病診斷的準確率，提高醫生工作效率。

4 小結

本研究基于SERVQUAL模型構建了智能預問診系統評估指標體系，并對患者服務維度、醫生服務維度、醫院管理維度和系統性能維度4個一級指標進行分析研究。智能預問診系統的推廣使用需要強化系統功能的科學規劃，綜合考慮新技術引用、系統能力、醫院管理、醫生支持、患者服務等多重影響因素，拓展預問診的應用模式，實現不同專科的精準化預問診路徑，豐富專科專病知識庫和規則庫，提升專科知識圖譜推理能力，實現臨床專業能力與信息系統應用的有機整合，增強醫院智慧醫療服務能力。同時，應加大醫學人工智能、醫學知識圖譜等預問診核心技術的研發投人，可引入聲音、圖像、動畫和視頻等多樣化的醫患交互模式，提升解決問題能力。

[1］韓夢寧.基于Web智能預問診系統的設計與實現[D].北京：北京郵電大學，2020：3-8.

參考文獻

[2]薛芹，陳柯.基于微信公眾號的智能預問診系統的應用研究［J].中國管理信息化，2018，21（8）：134—135.

[3] SINGH RB，NARENDRA CS， SINGH TG.The Performance metric for enterprise service bus（ESB） in SOA system： theoretical underpinningsand empirical illustrationsfor information processing[J].InformationSystems，2017，65（4）：158-171.

[4]王毅豪，袁駿毅，戴錦杰．基于SERVQUAL模型的肺結節患者日間手術服務質量評價體系構建與應用[J].中國衛生質量管理，2023，30（8）：46-50.

[5]徐霄玲，鄭建立，邵奕琛，等.基于帶權知識圖譜的智能預問診系統的研究［J].智能計算機與應用，2020，20（12）：204—208.

[6]張小亮.基于人工智能的門診患者導診系統建設[J].中國衛生信息管理雜志，2022，19（3）：443-446.

[7]曹茂誠，胡莉.基于循證醫學知識庫的智能預問診系統的研究與實踐［J].微型電腦應用，2021，37（10）：179—181.

[8]蔣君，肖宇鋒，門佩璇，等.醫療健康知識圖譜需求與技術構建研究［J]．醫學信息學雜志，2024，45（3）：40-45.

[9]付秀，陳麒麟，李杰，等.基于智能預問診的全景多學科會診平臺的設計與應用[J].中國數字醫學，2021，16（10）：79-82.

[10］王淑，魏明月.數字化轉型助力兒童友好型醫院建設研究［J].中國數字醫學，2025，20（1）：1-7.

[11] 許亮業，王懿鳴，杜雋.智能預問診系統的設計及應用［J].微型電腦應用，2022，38（5）：182—185.

[12]李夢翔，許揚，陳磊．在線智能預問診系統構建與應用研究［J]．醫學信息學雜志，2022，43（11）：73—77，88.

[13］韓金亮，張欣茹，范東浩，等．基于改進離散Hopfeild神經網絡的醫療專家診斷系統[J].計算機與數字工程，2020，48（10）：2362—2368.

[14] 陸天雅，陳嬌龍，鄭緒才．SE-RVQUAL模型在醫療服務質量評價中的應用現狀[J]．全科護理，2023，21（2）：183-186.

[15]FANLH，GAO L，LIU X，et al. Patientsperceptionsofservice qualityin China：an investigation using the SERVQUAL model[J].PLoSOne，2017，12（12）： e0190123.