互联网医疗信息外溢对健康人力资本的传导机制

顾海　刘曦言

摘要：医疗卫生服务领域非确定性与信息不对称的存在是影响劳动力就医行为和健康人力资本的重要原因，互联网医疗信息对劳动力的健康认知与价值判断产生显著外溢效应，可缓解医患信息不对称，增加优质医疗资源可及性，产生劳动力自我健康干预对基层医疗机构的挤出效应，然而这与“基层检查、上级诊断”的分级诊疗格局相悖。使用2016年CFPS数据检验信息外溢情境下劳动力健康人力资本改善的内在机制。结果表明：互联网医疗信息外溢通过就医行为间接促进劳动力健康资本，进而增加劳动力供给。因而健全互联网医疗多元主体协同监管体系，完善网络健康信息咨询适时反馈机制并落实分级诊疗机制建设具有重要现实意义。

关键词：互联网医疗;就医行为;健康人力资本;中介效应

中图分类号：R-05   文献标识码：A   文章编号：1007-2101（2019）06-0082-08

一、引言

随着城镇居民生活水平的提升与医疗卫生体制改革日益深化，我国劳动力医疗卫生健康需求得以释放且持续增长，然而近年来优质医疗资源配置结构性失衡现象尚未缓解，三级医院就诊人次与就诊量居高不下，虹吸效应显著。2018年全国医疗卫生机构总诊疗人次达83.1亿人次，然而基层医疗卫生机构仅占门诊总量的23.1%[1]，优质医疗资源供给与劳动力健康需求结构性失衡加剧看病难、看病贵、就诊“三长一短”（挂号时间长、候诊时间长、结算排队时间长、医生看病时间短）的困境，制约医疗质量和就医效率持续提升，造成医患关系紧张与医疗纠纷不断。与此同时，多数优质医疗资源仅用于常见病、慢性病的诊治，挤压多发病、罕见病与重大疾病患者的优质医疗资源可及性與可得性。在此背景下，如何控制医疗卫生费用不合理增长、减缓增速，缓解劳动力就医经济负担，着力提升其健康人力资本积累值得深思。

随着《“健康中国2030”规划纲要》等政策相继出台，“健康中国”建设正式步入正轨。探索创新“互联网+”医疗健康服务模式，培育发展新业态将成为优化医疗资源配置、推动优质医疗资源纵向流动和改善劳动力就医体验的重要支撑。本文所指互联网医疗以互联网和信息技术为载体，以医疗信息查询、在线疾病咨询、电子健康档案、电子病历处方、远程视频会诊等多种形式的线上医疗服务方式为表现形式，在疾病筛查、预防、风险评估和诊后康复等阶段发挥健康监控作用。

伴随互联网医疗进入高速发展期，海量信息有助于缓解医患信息不对称，并对公众健康判断与心理认知结构形成潜在影响，促进其加强疾病预防和健康管理能力，进而提升健康素养和健康水平。中国互联网络信息中心（CNNIC）发布的第43次《中国互联网络发展状况统计报告》指出，截至2018年12月我国网民规模高达8.29亿，普及率达59.6%，其中20%的非网民为方便获取医疗健康等专业信息而上网。以春雨医生等互联网医疗APP为例，2017年市场规模已超过230亿元，预期2020年市场规模将达到900亿元，为公众提供健康教育、医疗信息查询、电子健康档案、疾病风险评估、在线疾病咨询、远程诊疗等线上服务，初步建立了以健康医疗大数据为支撑，以疾病预防、咨询、康复等全流程医疗健康服务为核心，以用户隐私和数据安全为保障的动态化个性化健康管理体系[2]，颠覆了面对面的医疗服务模式由于地域分布、经济和医疗卫生水平差异较难提供公平可及、系统连续的全生命周期健康服务弊端。因而，如何利用互联网医疗信息外溢效应提升劳动力健康人力资本，推动构建有序的“基层检查、上级诊断”分级诊疗格局，有序引导公众就医行为值得关注。

随着我国互联网进入快速发展期，本文探究互联网医疗信息外溢与劳动力健康人力资本的关联机制，并将“就医行为”引入健康人力资本模型中，构建基于信息外溢的健康人力资本理论模型，利用2016年中国家庭追踪调查（CFPS）成人问卷数据，对上述关系进行实证检验，创新性将健康人力资本改善、医疗服务结构性配置不合理等融入“互联网医疗信息外溢”视角下，为优化劳动力健康人力资本，完善分级诊疗制度模式提供新的政策工具与政策优化路径。

二、文献综述与研究假设

医疗卫生服务领域存在显著的信息非确定性与不对称性，其中疾病的复杂与偶发性、医疗卫生知识的高门槛性与医护人员诊疗服务的非确定性加强了信息不对称程度。在此背景下，“医疗卫生服务信息”便具备较强的经济价值与健康改善效益（Arrow，1963）[3]。如何在优质医疗资源具有一定垄断性的非完全竞争市场下，引导医疗卫生服务发挥正外部性值得深思。

依据质量信号博弈模型（Signaling Game Model），信息对于劳动力健康行为选择、健康人力资本改善具有显著导向作用[4]，因而个体对于打破医疗信息不对称具有强大内生动力，其获取医疗卫生服务信息、价格等质量信号的需求强烈（Sarvary M，1997;Hyndman K，2011）[5-6]。然而在现实中，由于医疗领域存在显著的信息不完全与不对称，少数医务人员倾向于将信息不平等优势贯穿于患者诊疗的前期、中期与后期，即从预防阶段、疾病初诊阶段便刻意制造“诱导需求”与“道德风险”等多重风险，导致患者无法有效识别诊疗方案的科学合理与否，出现被动过度消费医疗服务、医学检查等行为，进一步加剧医患间利益割裂与信任壁垒，从而降低劳动力健康人力资本。

基于互联网医疗信息外溢情境，如何改善劳动力健康人力资本从而提升其人均可支配收入？Grossman的健康人力资本生产函数（The Demand for Health）提供了理论分析架构[7]，线上疾病咨询等健康服务可作用于健康人力资本存量，越健康的人积极参与劳动力市场的概率越大。据此本文将互联网健康信息获取、就医行为、医疗保险、医疗服务质量与数量等纳入健康资本效用模型中，提供了分析不确定情境下“理性人”的健康收益与就医行为的可行路径。

尽管互联网医疗信息外溢为劳动力提供了获取健康知识并了解自身健康状况的有效渠道，在一定程度上提升了劳动力健康效用，但医疗信息获取并不意味着“不平等”与“不确定性”的消解[8]，疾病的严重性、期望健康收益的主客观评价会显著影响劳动力对健康信息的编码、处理与分析，“无效信息”的掺杂以及有效识别能力不足使得劳动力所拥有的信息是不完全的，基于有限理性原则，个体在不完全信息下所作出的决策并非趋于完全理性，导致无法有效识别健康情况、病伤类型、后遗症等，损害健康人力资本。

目前学术界已证实互联网具有强信息外溢效应，可缓解医疗卫生领域信息不对称与不平等现象，并对健康认知和就医行为发挥引导作用。好大夫、春雨医生等健康咨询平台不仅直接增进患者健康人力资本，还具备疾病分诊、疾病预防等功能，引导公众根据病情发展前往基层医疗机构或综合医院就诊。据此，互联网等新媒介监管方应关注所传播信息的可靠性和真实度，警惕负面信息对劳动力健康人力资本和就医行为的负面影响[9]，引导公众有序参与分级诊疗并逐步优化自身健康。

学术界对互联网医疗信息外溢与就医行为的作用路径存在两种争论：即替代关系与互补关系。如果互联网医疗信息外溢与前往基层医疗机构就诊存在替代关系，那么就医行为将发挥广义中介效应（遮掩效应），产生互联网问诊对基层医疗机构的挤出作用;反之，基层医疗机构就诊与互联网自我诊疗、健康咨询可能存在互补优势，如果互联网通过加强“分级诊疗”“基层首诊”“家庭医生”等相关政策宣传力度，扩大人群覆盖面，反而可引导劳动力前往基层医疗机构就诊，影响健康人力资本，那么就医行为将发挥部分中介效应。基于此，本文构建基于互联网医疗信息外溢情境下劳动力健康人力资本的概念模型（见图1），并提出以下假设。

H1：互联网医疗信息外溢对劳动力健康人力资本具有正向影响。

H2：就医行为作为中介变量，对劳动力健康人力资本起正向促进作用。

三、研究框架及变量测算

中介效应模型用于分析解释变量对被解释变量的关联机制与作用路径，目前学术界发现利用逐步回归法探究中介效应具有诸多弊端，而基于KHB中介效应分解和Bootstrap的中介效应检验，可克服逐步检验法和Sobel检验法的缺陷[10]。为了验证实证结果的稳健性，本文分别选取了KHB中介效应分解和非参数百分位Bootstrap法进行互联网医疗信息外溢背景下就医行为的中介效应检验。

（一）实证框架

本文探究互联网医疗信息外溢与劳动力健康人力资本的影响路径，由于被解释变量为自评健康，属于五分类离散变量，因而采用Ordered-Logistic模型探究健康人力资本影响机制。其中，J=5表示可选择的方案数，Xki为解释变量向量，包括表示互联网医疗信息外溢重要性与其他控制变量。由于βk不能直接用于解释分类变量的概率，因此将公式两边取指数，使用变量所对应的风险比（Odds Ratio）来解释其对被解释变量发生概率的作用。本文将回归方程设定如下：

进一步，由于Ordered-Logistic模型无法直接汇报测算总效应、直接效应和间接效应，在Ordered-Logistic模型的基础上，利用KHB方法（Karlson，Holm和Breen，2012）分解总效应。由于线性模型（Linear Model）可通过比较系数得出直接效应（direct effect）和间接效应（indirect effect），因而将上述思路推广到有序Logit模型中，为简便说明，先以二元Logit模型为例，假设变量X通过中介变量Z对Y*产生影响，Y*为不可观测潜变量，βF、βR为直接效应和总效应[11-12]。

（二）数据及变量选择

样本来自2016年中国家庭追踪调查（CFPS）成人问卷数据，覆盖了全国29个省、自治区和直辖市，共计约29 374个样本（见表1）。根据研究需要对数据进行整理和筛选，删除了年龄大于65岁以上及其他控制变量缺失样本，最終获得18～64岁劳动力样本17 120个。从样本结构来看男女比例趋于一致;平均样本年龄为43岁;平均受教育程度为初中;多数为初婚有配偶;整体幸福感较高，但社会经济地位处于中下游。

解释变量为互联网医疗信息渠道重要度，问卷原问题为“你认为互联网作为信息渠道的重要性？”，使用5点李克特量表，选项从1到5依次为“非常不重要”到“非常重要”，衡量劳动力接受互联网医疗信息外溢程度;就医机构类型作为衡量劳动力就医行为的代理变量，为中介变量，选项从1到4依次从三级医院到基层卫生机构;劳动力私人健康投资、人口学特征、社会经济状况等为控制变量，综合以上因素探究劳动力健康人力资本的影响路径。调节变量有两个，分别为“您对就诊机构整体条件满意度”与“您对自己生活的满意度”。

四、实证检验结果分析

本文根据假设将影响劳动力健康人力资本的因素纳入回归模型中，探究在控制个体人口学特征等变量后，互联网医疗信息外溢与健康人力资本之间的关联机制与作用路径。

（一）互联网医疗信息外溢对健康人力资本的作用路径

互联网医疗信息外溢在影响个体健康认知、生活方式、社会支持、情感交互等基础上，调节个体就医行为倾向，进而影响其健康人力资本积累，本文使用KHB法与Bootstrap抽样法检验此中介作用。Baron和Kenny提出中介作用应满足以下条件：自变量与中介变量均与因变量存在显著关系;自变量与中介变量存在显著关系。若回归方程中加入中介变量后，直接效应与间接效应符号相反，则存在广义中介效应（遮掩效应）[13]。

1. 中介效应实证分析。本文运用Ordered-Logistic模型初步构建三个方程：模型1验证互联网医疗信息外溢重要度与健康人力资本关联机制;模型2验证中介变量就医行为与健康人力资本关联机制;模型3验证互联网医疗信息外溢、就医行为对健康人力资本作用路径。表2的回归结果验证了假设1和假设2，证明互联网医疗信息外溢对劳动力的健康人力资本具有正向影响，同时就医行为作为中介变量，对劳动力健康人力资本起正向促进作用。

一方面，由于就医机构类型为负向排序变量，则受互联网医疗信息外溢影响较大的劳动力更倾向于前往“综合医院”等三级医院就诊，呈现显著“趋高”性。信息外溢对健康人力资本的影响在1%的水平上显著为负，加之健康人力资本为负向排序变量，即互联网医疗信息外溢重要度可正向预测劳动力健康人力资本，即当劳动力从互联网获取更多的信息时，其健康人力资本状况在上升。另一方面，就医行为在互联网医疗信息外溢对健康人力资本的影响中发挥部分中介作用，由于直接效应与间接效应符号相反，因此这种中介效应被称为遮掩效应。互联网医疗信息外溢通过刺激劳动力趋向三级医院就医增进其健康人力资本，因此遮掩了互联网医疗信息外溢对健康的不利影响。这是由于互联网打破了普通疾病的知识壁垒，当劳动力健康轻度受损时，产生健康信息检索、互联网医院在线咨询等自我诊疗方式对基层医疗机构的挤出效应，但重大疾病的知识壁垒不会被轻易消解，因而三级医院仍是多数劳动力就医首选。

同时我们还发现其他影响因素，首先基本医保对劳动力的健康人力资本具有显著的负向影响，可能是随着医保逐渐覆盖全人群，劳动力就诊需求得以释放，当劳动力就诊频率增加了，会增加其主观认为健康状况变差的概率;其次，受教育程度对健康人力资本具有显著的负向作用，这与我们的常识相违背，表明随着教育水平的提高，家庭对于健康信息的了解广度与深度增加，更加关注健康护理，对于医疗服务、健康保健品等质量与投入要求增加，当难以满足其理想预期时就容易对自身健康状况产生负面评价;私人医疗支出正向影响健康资本，表明随着私人健康投资增加1个单位，劳动力健康资本增加0.23倍。

2. 调节效应实证分析。此处检验“就诊机构条件满意度”与“生活满意度”这两个交互项的调节效应，从表2模型（3）中看出，由于健康人力资本与就诊机构条件满意度均为1-5负向排序指标，生活满意度为1-5正向指标，“就诊机构条件满意度”与“生活满意度”对互联网医疗信息外溢与劳动力健康人力资本之间具有显著的正向调节作用。

（二）就医行为对健康人力资本的中介效应检验

1. 全样本的效应分解。由于Ordered-Logistic模型无法测算总效应、直接效应和间接效应，本文利用KHB方法分解总效应。从表3中看出，基于互联网医疗信息外溢重要度样本共分成5类群体，其中基准组为“认为互联网医疗信息外溢非常不重要”。随着劳动力对互联网作为信息渠道的认知重要度加深，就医行为作为中介变量的间接效应显著加强，即该部分群体呈现较强的“互联网自我诊疗”对前往基层医疗机构就医的替代效应。

2. 异质性检验分析。表4报告了按性别、按常居地分组的Ordered Logistic模型估计结果。为何女性群体和乡村群体其互联网医疗信息外溢对健康人力资本的影响更小？究其原因，是因为健康网络社区中，女性还需要承担生育等家庭责任，其健康信息需求呈现多样化、复杂化特点，并且在互联网健康信息搜寻与获取中，其主观情感与客观需求呈现出动态性、复杂化性（刘冰等，2019）[14]。农村劳动力由于对互联网接触的广度与深度相对弱于城镇劳动力，则互联网医疗信息外溢对健康人力资本影响程度有限。同时，为加強结果稳健性，进一步运用偏差校正的非参数百分位Bootstrap检验中介作用，采用重复随机抽样的方法在原始数据（N=17 120）中抽取1 000个Bootstrap样本，生成1 000个中介效应估计值，获得95%的中介效应置信区间，若中介效应的置信区间不含有0，表明中介效应显著。在互联网医疗信息外溢重要性对健康人力资本的影响关系中，就医行为的遮掩效应显著，间接效应值为0.002 6（p<0.001），95%的置信区间为（0.002，0.004），中介效应占总效应的9.04%。

五、研究结论及启示

（一）研究结论

本文将互联网医疗信息外溢对健康人力资本的影响分为直接效应和间接效应，我们发现：互联网医疗信息外溢程度增加可增加劳动力健康人力资本。具体而言，一方面互联网医疗信息外溢效应对于劳动力就医机构选择具有负向作用，即随着互联网医疗信息外溢程度增加，劳动力更倾向于去往“综合医院”等三级医院就诊，呈现显著“趋高”性。此现象可由消费者行为理论（Theory of Consumer Behavior）解释，医疗服务作为一种准公共产品，以达到效用的最大化。互联网医疗信息外溢可改善医患信息不对称，作为基层医疗机构就诊的替代产品，在一定的价格信号指引下，部分消费者会倾向于选择经济成本、时间成本更低、效用最大化的在线咨询、问诊等方式改善自身健康状况。另一方面，由于多数患者利用互联网医疗信息外溢效应，已经对于自身健康状况有了初步了解，进而在前往医疗机构就诊后，对于疾病健康管理的意识与操作步骤得以进一步规范，进而在此基础上逐步增进自身的健康人力资本与近一年的健康改善指标，充分促进个体健康人力资本良性发展。

（二）理论意义与管理启示

对于提升劳动力健康人力资本，一方面要有效引导其利用互联网等信息外溢媒介加强健康管理意识，并通过规范互联网医院、春雨医生等在线咨询问诊平台的运维管理，提升劳动力对疾病健康管理信息等可得性与可及性，逐步破除医患间严重信息不对称现象;另一方面还需重视劳动力就医行为选择，互联网医疗信息外溢具备经济成本、时间成本较低等比较优势，对劳动力前往基层医疗机构就诊具有显著挤出效应，然而三级医院就诊需求并未显著消减。基于此，如何推动分级诊疗制度落地，引导劳动力有序在基层首诊，逐步落实双向转诊、急慢分治，上下联动就医格局值得深思。在实践过程中，具体可从以下三方面改进。

1. 适应劳动力“互联网+”医疗卫生服务需求，完善网络健康信息咨询适时反馈机制。具体而言，在疾病预防、诊断、防治与康复等全流程发挥互联网健康信息外溢优势，打通健康信息获取通路。患者可根据个人健康需求在互联网医院在线预约专家，由专家根据其过往病历、检查报告等给予初步健康建议与指导，缓解优质医疗资源分配不均问题;患者出院后，互联网医院等健康平台可根据患者复查需要进行用药提醒、随访等智慧医疗服务，推动患者治后康复;鼓励利用智能可穿戴设备实时获取患者生命体征数据，根据“远程监测→随访评估→适时预警→动态反馈→分类干预→健康监测”动态预警机制为孕产妇等重点人群提供健康监测评估、疾病预警、慢病筛查、主动干预等服务，完善全流程健康护理服务体系。通过上述方式，深化互联网医疗信息外溢效应，提高劳动力自我健康管理意识。

2. 通过互联网医疗信息外溢效应有针对性推动分级诊疗机制建设，理顺上下转诊通路。互联网医疗信息外溢效应会产生患者对基层医疗机构就诊的替代效应（挤出效应），使得去基层就诊的患者意愿大大降低，但这种健康选择行为极可能由于患者判断不当造成病情拖延，损害其健康人力资本。因而，亟需加强互联网医疗信息管理规范建设，增加分级诊疗、基层就诊等政策宣传力度，深化劳动力基层首诊意识，以免贻误病情。同时优化“互联网+家庭医生”建设，加快签约服务信息平台应用建设，保障家医诊疗的实时性和安全性，并利用家庭医生“守门人制度”有序引导患者分流基层。

3. 健全互联网医疗多元主体综合监管体系，理顺政府部门、医疗机构、行业组织与公众舆论等协同监管关系，并根据各监管主体优势特点进行综合监管职能划分（见表5）。目前我国互联网医疗监管体系尚未合理适配发展需求，面临监管真空、重复监管、监管信息不对称等多重困境，随着春雨医生、好大夫等B2C在线健康咨询平台发展迅速且覆盖面日益广泛，互联网医疗信息作为具有正外部性的公共产品，亟需政府、市场及公众舆论等多元主体加强对平台内容的综合监管，重点整治医疗服务诱导性或恶意欺诈等行为。

参考文献：

[1]国家卫生健康委.2018年我国卫生健康事业发展统计公报[R/OL].http：//www.nhc.gov.cn/guihuaxxs/s10748/201905/9b8d52727cf346049de8acce25ffcbd0.shtm，2019-05-22.

[2]王永贵，赵宏文，马双.移动医疗APP如何有效促进线下健康管理活动？[J].外国经济与管理，2018，40（2）：138-152.

[3]Arrow J K. Uncertainty and the Welfare Economics of Medical Care[J]. American Economic Review，1963，53（5）：941-973.

[4]Cho I K，Kreps D M. Signaling Games and Stable Equilibria[J]. Quarterly Journal of Economics，1987，102（2）：179-22.

[5]Sarvary M， Parker P M. Marketing Information：A Competitive Analysis[J]. Marketing Science，1997，16（1）：24-38.

[6]Hyndman K， Ozerturk S. Consumer information in a market for expert services[J]. Journal of Economic Behavior & Organization，2011，80（3）：0-640.

[7]Grossman M. On the Concept of Health Capital and the Demand for Health[J]. Journal of Political Economy，1972，80（2）：223-255.

[8]劉宸，周向红.互联网医疗信息外溢与中国劳动力就诊选择——基于CHNS混合截面数据的实证研究[J].公共管理学报，2017（4）：83-95+161-162.

[9]邓朝华，洪紫映.在线医疗健康服务医患信任影响因素实证研究[J].管理科学，2017（1）.

[10]温忠麟，刘红云，侯杰泰.调节效应和中介效应分析[M].北京：教育科学出版社，2012.

[11]Karlson K B， Breen R， Holm A. Total，Direct，and Indirect Effects in Logit and ProbitModels[J].Sociological Methods & Research，2013，42（2）.

[12]王格玲，陆迁.社会网络影响农户技术采用的路径研究——以民勤节水灌溉为例[J].华中科技大学学报（社会科学版），2016，30（5）：83-91.

[13]Baron R M， Kenny D A. The Moderator-Mediator Variable Distinction in Social Psychological Research：Conceptual，Strategic，and Statistical Considerations[J]. Journal of Personality and Social Psychology，1987，51（6）：1173-1182.

[14]刘冰，历鑫，张赫钊，翟羽佳.网络健康社区中身份转换期女性信息需求主题特征及情感因素研究——以“妈妈网”中“备孕版块”为例[J].情报理论与实践，2019，42（5）：87-92.

责任编辑：武玲玲

The Transmission Mechanism of Internet Medical Information Spillover to

Healthy Human Capital

Gu Hai1，2， Liu Xiyan1，2

（1.Center for Health Policy and Management， Nanjing University， Jiangsu Nanjing 210093， China;

2.School of Government Management， Nanjing University， Jiangsu Nanjing 210093， China）

Abstract： The existence of non-determinism and information asymmetry in the field of medical and health services is an important reason that affects labor-seeking behavior and healthy human capital. Internet medical information has a significant spillover effect on the health perception and value judgment of labor， which can alleviate the information asymmetry of doctors and patients. increase the accessibility of quality medical resources and generate the crowding-out effect of labor self-health interventions on primary medical institutions. However， this is contrary to the grading diagnosis and treatment pattern of "basic examination and superior diagnosis". This paper uses the 2016 CFPS data to examine the underlying mechanisms for the improvement of labor health human capital in the context of information spillovers. The results show that Internet medical information spillovers indirectly promote labor health capital through medical treatment behavior， thereby increasing labor supply. Therefore， it is of great practical significance to improve the collaborative supervision system of multi-agents of Internet medical care， to improve the timely feedback mechanism of network health information consultation and implement the construction of hierarchical diagnosis and treatment mechanism.

Key words：Internet medical care， medical treatment behavior， healthy human capital， mediating effect