医生的信息-情感交互模式对移动问诊服务满意度的影响——基于“激励-保健”理论的分析

晏梦灵，张佳源

(1.北京邮电大学经济管理学院，北京 100876；2.清华大学经济管理学院，北京 100084)

1 引言

在智能手机快速普及和国家医疗体制改革逐渐铺开的背景下,中国的移动医疗行业目前正处于医疗服务不断优化、医疗改革持续深入的平稳发展期[1]。移动问诊服务允许患者借助移动设备随时随地获取医生的健康咨询与指导。它一方面为提高问诊流程效率、提升医疗信息透明度、缓解优质医疗资源不均分配等提供了机会[1],另一方面也对移动端医生的诊断与沟通提出了新的挑战。相比于线下面对面诊断,移动问诊平台中医生的诊断线索局限于声音、文字和图片,不利于医生做出准确的线上诊断;医患间的交互为异步沟通,容易产生误解[2];此外,互联网质量参差不齐的医疗信息[3],导致患者更容易与医生形成意见分歧。因此,移动端医生的交互模式在移动问诊情境中显得尤为重要,是影响移动问诊服务满意度的重要因素。

本文将移动问诊服务满意度定义为医疗服务接受者根据服务的内容、过程、结果以及其他多方面就医体验而形成的综合反应[4-6]。这种反应可能体现为患者好评、信任或感知价值提升等患者满意评价,也可能体现为患者差评、不信任、感知价值丧失等患者不满评价。然而，已有研究大多采用“患者满意度”、“医疗服务满意度”、“患者感知医疗服务价值”等连续变量的高低水平来描述移动问诊服务满意度,并未明确区分问诊服务满意和问诊服务不满各自的影响因素[7-10]。

在移动问诊服务满意度影响因素方面，现有研究从医生维度、患者维度、工具维度、医患交互维度和就医环境五个方面展开。其中,医生维度包括医生专业素养、医护人员态度、医生的回复速度、服务种类及服务定价[11-12];患者维度包括患者的年龄、收入、就诊经历、患者信任、患者效能等因素[5];工具维度包括网站易用性,可靠性和人性化设计等因素[12-13];医患交互维度包括医患沟通质量、医患信息共享、诊疗过程规范性等因素[14];就医环境因素包括医疗环境、花费等因素。

总的来看,针对移动问诊服务满意度这一议题,现有研究存在以下三方面缺口。第一,在对研究现象的提炼上,现有研究侧重患者满意现象,而忽视患者不满现象。第二,在影响因素识别上,现有研究聚焦工具平台易用性、有用性等情境变量,而忽略医生与患者的交互内容及过程等交互变量。第三,在研究方法和数据来源上,现有研究多采用以问卷调查为主的定量研究方法,而反映医生与患者交互过程的大量定性且客观的文本数据尚未被充分挖掘。

为此,本文从医患交互角度研究移动问诊服务满意度的影响因素,提出以下两个研究问题：(1)移动问诊服务中,医生的交互模式呈现什么特征?(2)移动问诊服务中医生的交互模式对患者满意和不满意各自产生何种影响?

为了回答上述研究问题,本文引入“激励-保健因素”这一理论视角,以国内某领先移动问诊平台中医患对话记录为数据分析基础,设计一项“先定性后定量”的混合研究。具体而言,本文首先借助主题分析法开展定性研究,目的是识别导致患者满意及不满的医生交互模式及其细分维度;随后我们对定性数据进行定量化处理,同时提出医生交互模式与患者满意及不满对应关系的假设;最后设计定量研究对假设进行统计验证。

2 研究视角和初步研究框架

2.1 医患交互模式

在“以患者为中心”的现代医疗服务中,医生所采用的交互模式对患者感知到的服务质量起到了决定性影响[15]。医患交互是指在医疗卫生和保健工作中,医患双方围绕伤病、诊疗、健康等主题,通过全方位信息的多途径交流,科学地实现患者伤病诊疗共识并建立信任合作关系[14，16]。本文中“医生交互模式”是指医疗服务提供者通过医疗对话,进行动态资源交换,并形成治疗关系,反映出提供者的角色和义务的行为[17]。

Roter的交互分析系统(Roter’s Interaction Analysis System,RIAS),也被称为信息-情感交互模式[17]被广泛应用于线下医患互动评估,相关研究已经从交互文本特征、肢体语言和对话过程等角度对医生的信息-情感模式进行了细分,形成了详尽的医患交互编码方案[18]。该视角基于语言对话分析理论,强调对话意义并非事先确定,而是在对话过程中经过解读产生,而角色互换是对话解读的基本准则。本文中，信息模式被定义为医生运用技术和技能以解决患者提出的问题或缓解患者症状的行为;情感模式被定义为医生使用的带有明确社会情感内容,安抚患者情绪的语言、表情或陈述[17，19]。

然而,现有RIAS研究对移动情境下信息-情感交互模式的描述存在局限。首先,移动情景下缺乏肢体语言、面部表情等情绪交互模式的重要载体,一方面这导致医生难以识别患者的情绪状态,另一方面医生难以表达其情感关怀。这意味着在移动情境下进行情感关怀,可能需要借助其他的交互线索。再次,线下面对面环境中医生和患者可同步沟通,而在移动情境下医生和患者以异步沟通为主。这意味着,患者(或医生)的提问要隔一段时间才能得到医生(或患者)的回应。这个交互时间差更容易造成沟通误会,削弱或加强某些语义[20]。此外,线下情境中的医生信息-情感交互模式及其描述范畴主要是基于英语语言的医生和患者对话分析,难以直接用于分析中文对话。因此,有必要针对移动情境下的医患交互特征揭示医生信息-情感交互模式的描述范畴。

2.2 “激励-保健”理论

“激励-保健因素理论”由美国行为科学家赫茨伯格于1959年提出。该理论认为,保健因素和激励因素是彼此独立的,两者以不同的方式影响员工的工作积极性。激励因素的存在会提高员工工作的积极性,但激励因素的缺失并不会减弱员工工作积极性;保健因素的存在不会提高员工工作的积极性,但其缺失可能导致员工工作积极性降低[21]。

“激励-保健因素理论”已被广泛应用于信息系统领域,学者们借助“激励-保健因素”理论揭示影响用户对信息系统、工具的采纳及不采纳的两类因素[22-23]和满意及不满意评价的两类因素[24]。

类似的,本研究将“激励-保健因素理论”用于研究移动问诊服务满意度的影响因素。如果某因素的存在能够激发患者对移动问诊服务的满意评价且该因素的缺失不会引发患者不满评价,则该因素被称为“激励因素”;如果某因素的存在无法激发患者对移动问诊服务的满意评价,但该因素的缺失将引发患者的不满评价,则该因素被称为“保健因素”。“激励-保健因素理论”视角有助于本文系统考察移动情境下患者满意和不满的影响因素,揭示不同医生交互模式对患者满意及不满意的影响机制。

为引导本文对移动平台中医患沟通记录的文本分析,我们提出如图1所示的初步研究框架。该框架的核心观点是,移动问诊服务中,医生的信息及情感交互模式对移动问诊服务满意及不满意将产生不同影响。该初步框架中,信息及情感交互模式的描述范畴,以及不同交互模式与患者满意及不满意评价的对应关系是本文拟探索的两个理论问题。

图1 研究模型

3 混合研究方法及数据分析

本文提出的研究问题一“移动问诊服务中,医生交互模式呈现什么特征?”是关于“是什么”的研究问题,具有探索性特征,适合采用探索性定性研究方法；而本文提出的研究问题二“移动问诊中医患交互模式对患者满意和不满意各自产生何种影响?”是关于“怎么样”的研究问题,具有验证性特征。根据两个研究问题各自的特点及其关联,我们采用“先定性再定量”的混合研究设计。

该混合设计的实施步骤描述如下。首先,借鉴主题分析法的相关步骤回答研究问题一。主题分析法是指研究者通过反复对比和抽象，从文本中提炼主题的研究方法，适用于现有理论对现象的描述和解释有限的研究情景[25]。该方法包括阅读数据,标记关键概念,建立编码体系,对文本数据进行主观解释,最终形成有意义的集合等步骤[26]。本文旨在识别移动医疗情境下医生交互模式的特征,这一研究问题及现象解释尚缺乏完善的理论框架和有说服力的分类范畴。移动问诊的医患沟通过程形成了大量文本数据,具有沟通的语言特点,且具有独特的语境意义,所以主题分析法适用于本文的研究情景。其次,对定性编码结果进行定量化处理，完成定性研究与定量研究之间的链接。定性编码结果启发我们探讨变量之间的量化关系、提出假设、并试图寻找验证假设的方法[27]。最后,根据激励-保健因素理论,使用配对样本T检验验证相关假设。

这种混合研究设计能够综合定性与定量方法各自的优势,对研究结论进行交叉验证,从而增强结论的可信度和稳定性[27]。具体技术路线如图2所示。

图2 定性与定量结合的混合方法技术路线图

3.1 数据来源与筛选

本研究的实证数据来自国内最大的移动问诊服务平台——春雨医生(患者版)APP(此后简称为春雨医生APP)。截至2017年8月,春雨医生APP已发展成为覆盖17个一级科室、吸引超过50万公立医院执业医师、服务患者超过2亿人次并积累数亿条健康数据信息的大型移动医疗服务平台。春雨医生APP中大量原始、完整、可核、去敏的定性和定量数据为本研究提供了良好的素材。首先,作为国内首家提供远程医疗服务的平台,春雨医生积累了大量真实活跃的患者和医生用户,该平台上的医患沟通记录能够反映真实的移动问诊情境。其次,与同类医疗 APP 相比,患者对春雨医生 APP中医生的服务评分更高。据易观数据,春雨医生端人均单日启动次数保持在18-21次,领先行业近两倍。这意味着,基于春雨医生APP的分析结论对其他移动问诊APP具有参考借鉴意义。

本文的患者满意度变量来自用户在APP中给出的真实评分。每次问诊服务结束后,用户将在“满意”、“一般”或“不满意”三个评价选项中选择其一作为其对问诊服务的评价,本文据此将医疗问诊记录分为“好评”,“一般”和“差评”三类样本。医患交互模式相关变量则从医生与患者在APP中的真实交互记录中提取。相比于访谈、问卷等用户自报告方法,这些用户生成的客观数据不会触发用户隐私,也能够避免主观回忆偏差。

为了聚焦研究问题,同时将数据容量缩小至可控范围,我们采用如图3所示的五个步骤筛选最终数据。第一,我们将医患问诊记录限定在儿科科室。因为儿科是移动问诊平台中活跃度最高但满意度较低的诊室之一。第二,限定医患沟通记录发生的时间范围为 2017年7月1日至2017年12月31日。这是因为近期的医患沟通文本能够代表较为成熟和普遍的医患交互模式。第三,选择评价为“满意”,“一般”和“不满意”的问诊记录。这是因为春雨医生APP中“满意”是对医生服务的最高评价(此后简称好评问诊),评价为“一般”的问诊记录下称“一般”问诊,“不满意”则是对医生服务的最低评价(此后简称差评问诊)。第四,选取文本长度600字以上的医患沟通记录,因为过短的问诊记录难以充分反映医生的交互行为。第五,为了提高推理信度,本文以相同医生、相同病情为匹配条件,对好评问诊、一般问诊和差评问诊记录进行配对,再从中随机抽取100对,共好评问诊100条,一般问诊100条,差评问诊100条,以最大限度地控制影响患者对移动问诊服务评价的其他因素。300次医患问诊记录的描述性统计信息如表1所示。在职级方面,初级职称医生仅占比20%,大多数医生专业能力较高。在医院等级方面,来自非三甲医院、三甲医院和顶级医院的人数接近,约各占三分之一。在服务价格方面,70%以上的医生服务价格在10元以上,平均价格17.68元。样本基本信息表明,春雨医生APP平台中的医生资源较强,收费较合理,符合患者对移动问诊服务的初步期望。

图3 数据筛选流程图

表1 三百条医患沟通记录的描述性统计

医生职级医院等级服务价格分类人数占比分类人数占比分类人数占比医师6020%非三甲医院9331%1-108428%主治医师13545%三甲医院10535%10-2010234%副主任医师6622%顶级医院10234%20以上11438%主任医师3913%均值17.68总计300100%总计300100%总计300100%

3.2 定性数据编码和分析

借助主题分析,本文从医生和患者角度对文本进行初始分析,最终形成了27个子类。根据子类之间的关系,研究人员开发树状图把这些子类组织成层次结构[26],并对这些类别和子类别进行定义。这个过程中，仔细选择构念和范畴,寻找范畴的层次关系,以最大程度地概括原始文本内容,同时又能呈现完整的理论解释尤其关键。表格2和3分别呈现了医生和患者角度,各子类间的关系及概念抽象化程度依次提高的提炼过程。通过此项工作,本文得到“专业诊断”、“专业表述”、“安慰治愈”、“关系维系”4个主范畴。前两个主范畴对应医生信息交互模式;后两个主范畴对应医生情感交互模式。

表2 医生优秀交互模式的构成

表3 医生不良交互模式的构成

为了确保编码的有效性和可靠性,我们遵循了两种形式的三角验证[27]。其一是数据三角验证。我们要求开放式编码来自至少三处截取的定性数据,以确保我们所使用的开放式编码代表一定的重复逻辑。其二是研究者三角验证。所有的文本数据由三位编码者进行编码,我们保留三人意见一致的编码内容,对出现意见分歧的编码则通过深入的讨论统一意见。

3.3 定性分析与定量分析链接

定性分析与定量分析的链接是混合研究方法的关键步骤。混合研究方法有助于实现研究方法互补、交叉验证等,但也容易引起研究结论分歧和理解困难[28],因此,定性和定量分析链接主要用于识别两类研究方法和研究结论之间的关联,为研究发现的整合与解读提供依据[29]。本研究的链接环节分为定性数据的定量化处理和假设提出两个步骤。

首先,对定性分析进行定量化处理,即以医生和患者的一次问诊对话为分析对象,采用该问诊对话中医生在信息模式和情感模式的上的编码频数作为该医生在信息模式和情感模式上的强度得分。具体而言,以每条问诊记录为单位,对记录中出现的优秀信息交互模式、优秀情感交互模式、不良信息交互模式、不良情感交互模式四个类别的描述范畴的数目进行计数,以衡量每条问诊记录中,医生交互模式在四个维度上的得分表现。由于每条问诊记录中,医生可能出现多次不同类别的交互行为,因此医生在四个类别上的计数为离散数值,代表了医生在各个维度上的行为强度。量化处理后,每条问诊记录被具体量化为一组向量(编号,Satis,GII,GEI,BII,BEI),如表4所示。

表4 变量设置

其次,针对本文提出的研究问题二,即“移动问诊中的医患交互模式对患者满意和不满意各自产生何种影响?”,提出医生交互的信息及情感模式与患者满意及不满意评价的作用关系假设。

在对医患问诊记录的阅读和编码过程中,我们有两点主要观察。其一,我们发现好评和差评问诊记录的编码特征有所不同。75.2%差评问诊记录中,没有出现与“安慰治愈”相关的不良情感维度的编码,51.7%差评问诊记录中,没有出现与“关系维系”相关的不良情感维度的编码。可见,不良的情感交互并不是导致患者不满的主要原因。同时,我们还发现,50.0%好评问诊记录中,没有出现与“专业表述”相关的优秀信息维度的编码,26.4%好评问诊记录中,没有出现与“专业诊断”相关的优秀信息维度的编码。可见,并非所有的好评记录都表现出好的信息交互行为,即优秀的信息交互并不是导致患者满意的主要原因。

其二,我们发现好评和差评问诊中的患者对信息-情感交互的评价角度有所不同。差评问诊记录多是对医生信息交互表达不满,如：“感觉问了等于没问”“没有解决问题,没有任何帮助。“没有帮助,感觉钱白花了,也没告诉我个啥。”好评问诊记录则多是对医生情感交互表达满意,如：“听完您的分析特别安心,太害怕了之前,谢谢您！”“说的特别详细,人特别认真耐心”“非常感谢温医生,这么晚还不辞辛苦为我们答疑。”由此猜测,患者的差评依据更倾向于医生的信息交互模式,而好评问诊记录倾向于依据医生的情感交互模式。

由此,我们提出,保健因素假设：医生信息交互模式是导致患者不满的因素,而不是导致患者满意的因素。即医生信息交互模式是移动问诊服务满意度评价的保健因素;

激励因素假设：医生情感交互模式是导致患者满意的因素,而不是导致患者不满的因素。即医生情感交互模式是移动问诊服务满意度评价的激励因素。

3.4 定量数据分析

为了消除医生职级、医院等级等因素对实证结果造成的影响,进一步研究,本文采用配对法选择同一医生的1条好评问诊、1条一般问诊和1条差评问诊为一组进行对比,消除其他因素的干扰。本文遵循以下原则进行配对样本的选择：(1)问诊病症相同;(2)如不能得到满足条件1的配对,则选择发病部位相同;(3)如不能得到满足条件1和条件2的配对,则剔除该医生。本文严格遵循以上条件挑选,选定之后,运用配对样本T检验方法。

对1组配对问诊记录,从两个方面进行医生信息交互模式的比较,判断医生信息交互模式是否是移动问诊服务满意度的保健因素:(1)优秀信息交互模式不会导致移动问诊服务满意,即好评问诊和配对一般问诊、配对差评问诊的优秀信息交互得分均不存在显著差异。(2)不良信息交互模式会导致移动问诊服务不满,即差评问诊和配对好评问诊、配对一般问诊的不良信息交互得分均存在显著差异,且均为前者大于后者。

运用两独立样本T检验,对好评问诊、一般问诊和差评问诊的BII和GII进行统计分析,其结果如表6所示。由表可知,经独立样本检验,GII好评(M=1.950,SD=1.321)和GII一般(M=1.750,SD=1.067)不存在显著差异,得t(99)=1.249,p>0.05, GII好评(M=1.950,SD=1.321)和GII差评(M=1.560,SD=1.131)不存在显著差异,得t(99)=2.205,p>0.01,因此,不能拒绝原假设,即表明好评问诊与配对一般问诊、配对差评问诊的GII之间均不存在显著差异。BII差评(M=1.990,SD=1.352)显著高于BII好评(M=0.850,SD=0.744),t(99)=8.143,p<0.001。BII差评(M=1.990,SD=1.352)显著高于BII一般(M=1.060,SD=0.941),t(99)=5.823,p<0.001。即差评问诊与配对好评问诊、配对一般问诊的BII之间均存在显著差异,并且均为前者大于后者。

这说明在移动问诊的就医情境下,不良信息交互会导致患者的不满,但优秀信息交互不会导致患者满意,故保健因素假设得到支持。

同理,本文从两个方面进行医生情感交互模式的比较,判断医生情感交互模式是否是移动问诊服务满意度的激励因素:(1)优秀情感交互模式会导致移动问诊服务满意,即好评问诊和配对一般问诊、配对差评问诊的优秀情感交互得分存在显著差异,并且前者大于后者。(2)不良情感交互模式不会导致移动问诊服务不满,即差评问诊和配对好评问诊、配对一般问诊的不良情感交互得分不存在显著差异。

运用两独立样本T检验,对好评问诊、一般问诊和差评问诊的BEI和GEI进行统计分析,其结果如表6所示。GEI好评(M=1.630,SD=1.070)显著高于GEI一般(M=0.630,SD=0.691),t(99)=8.470,p<0.001。GEI好评(M=1.630,SD=1.070)显著高于GEI差评(M=0.390,SD=0.650),t(99)=11.159,p<0.001。即好评问诊与配对一般问诊、配对差评问诊的GEI之间均存在显著差异,并且均为前者大于后者。BEI好评(M=1.130,SD=0.849)和BEI差评(M=0.800,SD=0.943)不存在显著差异,t(99)=2.645,p>0.001。BEI一般(M=0.660,SD=0.728)和BEI差评(M=0.800,SD=0.943)不存在显著差异,t(99)=-1.130,p>0.05。因此,不能拒绝原假设,即差评问诊与配对好评问诊、配对一般问诊的BEI之间均不存在显著差异。这说明优秀情感交互会导致患者的满意,但不良情感交互不会导致患者不满,故激励因素假设得到支持。

由于本文在筛选配对样本时,已经控制了医生职级、医院等级、问诊价格、病情属性等可能对移动问诊服务过程和满意度有影响的因素,因此实证结果的差异可以认为是不同形式和质量的医生交互模式造成的。

表5 组统计量

表6 配对检验结果

注: *p<0.05,**p<0.01,***p<0.001

4 结语

有相当比例的患者在接受问诊服务的过程中或结束后,对移动问诊服务过程和质量表达不满,与移动问诊APP“标榜”的高满意度存在矛盾,进而引发了本文对移动问诊中医患交互模式和服务满意度的探索。本文以信息-情感模式为理论视角,遵循主题分析法的相关过程,得到移动问诊中的医生交互模式(优秀/不良)的具体描述范畴。进一步,探索医生交互模式和患者满意程度的相关关系。研究结果表明,移动问诊情境下,优秀信息交互模式不会导致患者满意,不良信息交互模式会导致患者不满,故而,医生信息交互模式是患者满意度的保健因素;优秀情感交互模式会导致患者满意,不良情感交互模式不会导致患者不满,因此,医生情感交互模式是患者满意度的激励因素。

本研究对移动医疗情境中患者满意度研究和相关研究方法提供了重要的理论贡献。

第一,本研究在已有患者满意度的讨论中,深化和丰富了医患交互过程的讨论。已有研究仅提及医患交互过程是患者满意度的影响因素,但并未深入挖掘具体的交互模式及机制[14,30-31]。本文发现医生的信息交互模式体现为专业诊断和专业表述,医生的情感交互模式体现为安慰治愈和关系维系,对患者满意与不满评价分别产生不同影响。本研究将信息-情感交互模式[21，23]从传统线下情境扩展至移动问诊情景,对移动情景下医生信息-情感交互模式的描述范畴进行探索和归纳,形成了从服务交互过程中寻找线上服务满意度影响因素的新构思,从而丰富了线上服务满意理论[16,18]。

第二,本文从“激励-保健因素”视角讨论了移动问诊服务满意与不满的形成,弥补了已有研究忽略患者不满现象的局限[8]。尽管医生的信息和情感交互模式对患者的满意及不满均有影响,但两者的影响强度不同。研究拓展了“激励-保健因素”视角在线上服务领域的应用,验证了已有线下服务研究中,关于过程-结果的“激励-保健”作用的讨论[32-33],为研究各种线上情景中服务接受者满意与不满的形成机制提供借鉴。

第三,本文基于研究问题和文本数据完成了一个新颖的混合研究设计,为后续研究充分挖掘医疗信息、提高研究信度和效度提供了前期探索经验。以往有关患者满意度的研究往往借鉴单一研究方法,如问卷、访谈数据或其他二手数据。本研究设计结合了定性分析和定量分析的优势,为后续相关研究开发医生交互模式的量表、采用机器学习方法对定性数据进行定量化处理等提供了前期基础。而且,与以往混合研究设计相比,本文对定性数据的挖掘更深入,定性与定量研究的联系更加紧密。以往定性研究数据仅用于形成假设构思,而不进行量化挖掘,本文不仅从定性研究中形成了假设构思,还进行了量化处理,并完成了多种研究情境的对比和归纳,提高了研究结论的信度。

研究结论在改善移动端医生问诊模式、移动问诊类APP设计和辅助市场监管者在移动问诊发展中的决策方面具有重要的实践价值。

对移动端的医生而言,研究结论有助于医生了解患者满意和不满的形成机制,根据本文提出的优秀/不良医生交互模式规范和调整其线上诊断与沟通行为,在不同的医患关系和问诊情景下,调整信息交互和情感交互的使用时机与比例,以满足患者对移动问诊期望,为患者提供量身定制的移动问诊服务,获得好评和溢价支付。

对移动APP开发者而言,在移动问诊APP技术成熟但服务同质化的市场环境下,APP开发者应关注技术实现与服务质量提升、医患交互优化相结合。为减少患者的不满程度,APP设计者可以加入常见病情讲座,信息分享栏目等为患者提供足够的信息,完善“信息交互”,减少患者不满。同时,与移动医疗论坛等结合,开设患者-医生日常交流板块或吐槽专区,增加患者的“情感交互”体验,以期针对性地优化用户体验。对移动医疗服务的市场监管者而言,研究结论有助于其设计相关的辅助政策,以引导移动问诊平台的良性发展。例如,为了提高医生的服务意识,可以辅助医疗机构或问诊平台推出相应医生技能培训,提高医生的服务意识、线上沟通技巧等。同时,针对患者,可以辅助医疗机构或问诊平台进行就诊培训和宣传,使其更好地参与移动医疗服务。这些措施对于问诊服务以外的其他医疗服务也有促进作用。此外,研究结论也可推广到广泛的线上服务行业。如果企业面对同质化严重市场,竞争者服务相似,企业应该更关注服务过程,因为好的服务过程,像“情感交互模式”一样,可以触发用户满意,增加客户宣传和忠诚。如果面对客户群稳定,忠诚度较高的市场,企业应该将资源投入到类似“信息交互模式”的服务结果的保证,不让用户产生不满,增加用户转换成本。

本研究也存在一些不足之处,需要进一步完善和研究。医患交互模式是双方沟通互相影响的结果。但本研究只关注了患者对医生交互模式的感知,在未来的研究中还可以加入医生对患者交互模式的感知[34-35]及这两种交互模式之间关系的讨论。此外,本研究以移动问诊情境中的儿科科室为主要研究对象,未来研究可以拓展研究范围,探索不同科室、病情性质等对患者满意或不满机制的影响[12,36]。