基于用户感知的互联网医疗服务对策研究
2021-03-24吴涛王柔周一杰
吴涛 王柔 周一杰
摘要:互联网医疗服务是医疗行业的新兴领域,服务提供者和用户间存在较为严峻的信息不对称。为此,该项目以移动平台上的互动医疗保健咨询服务应用为对象,采集用户评论的感知信息并进行数据挖掘分析,研究该服务现阶段存在的问题,并基于具体案例,提出合理化对策,为该行业发展提供参考。
关键词:互联网医疗;用户感知;情感分析;对策
中图分类号:TP393 文献标识码:A
文章编号:1009-3044(2021)02-0234-04
近年来,互联网医疗服务日益受到国内外医疗卫生界的重视。国家政策的支持、市场需求的增加,尤其是信息技术的迅速发展,推动了医疗健康服务的信息化的进程,并逐渐成为当今医疗服务领域的一个重要的组成部分。然而,作为又一项传统领域步入信息化的实例,医疗服务是一项以人为中心的复杂化、多样化服务,如何处理服务提供者与接受者的关系,一方面提高服务的可靠性,另一方面照顾用户的使用感受,应成为现阶段互联网医疗产业共同关心并亟待解决的问题。在这其中,用户体验感受的分析是一类带有主观和不确定因素的问题,需要基于大量感知信息数据的分析与度量才能具有较高的可信度。因此,笔者拟将基于用户感知的大数据情感分析方法引用到互联网医疗服务的管理领域,帮助我们更好地了解、分析与改善用户的体验感受。
1 对互联网医疗服务的认识
1.1 互联网医疗服务的基本概念
互联网医疗服务是以互联网为载体、以信息技术为手段(包含移动通信技术、云计算、物联网、大数据等)与传统医疗服务深度融合而形成的一种新型医疗服务业态的总称。互联网在医疗领域的运用,能够重构就医模式,更好地配置医疗资源,从而改善医患关系;运用信息技术,用户数据的监测和共享得以实现,拓宽传统医疗的服务范围;另外,互联网的应用还会使监管模式得到创新,推动管理体系和能力现代化。
1.2 互联网医疗服务的产业现状
1.2.1 国家政策的支持
2015年7月,国务院公布《关于积极推进“互联网+”行动的指导意见》,文件中对“互联网+医疗”做出明确说明,提出引导医疗机构面向中小城市和乡村地域展开基层检查、上级诊断远程医疗服务等意见。推动有资质的医学检验、医疗服务等机构同互联网企业合作,发展基因检测、预防疾病等服务模式。
2018年政府工作报告也明确提出,要施行大数据发展举措,增进人工智能技术的研发,并在健康管理及医疗养老等多个重大民生领域,加快推进“互联网+”进程政策的引领将不断推进互联网医疗的前进。
2020年3月,《关于推进新冠肺炎疫情防控期间开展“互联网+”医保服务的指导意见》进一步指出,对于合乎要求的常见病、慢性疾病线上复诊服务,各地可依规归入医保基金支付范畴。
1.2.2 信息技术的支撑
随着通信技术、计算机网络等技术的发展,为远程医疗数据的传输提供了技术支持,近年来5G通信技术的兴起更是为企业间大数据的传输提供了便利。卫星通信、云计算、PAD和智能手机等技术使移动医疗成为可能,提高了互联网医疗的便携性。利用信息技术和医疗技术,使一定区域范围内的各种医疗资源得以整合,实现医疗资源利用的最大化。
1.2.3 市场需求的增加
根据前瞻产业研究院发表的《2020年中国互联网医疗行业市场现状及发展前景分析》指出,2012-2018年,我国互联网医疗产业的市场规模从67亿元增加至491亿元,年均复合增长率达39.37%,由此可以看出我国互联网医疗的市场需求正迅速增加。依照这一增幅,2020年行业规模预计将超过940亿元,行业将进入高速增长期。另一方面,2020年春节时期的肺炎疫情,也促进了互联网医疗产业的开展,推动许多互联网医院的成立。
1.3 互联网医疗服务的评价过程
对现有的互联网医疗服务进行评价,考虑到其是互联网与医疗服务两个产业的结合,要将互联网和医疗服务两方面的标准相结合起来进行评价。通过主观问卷调查,我们以用户总体满意度作为最终评价手段,并将其细分为操作性(服务操作的简易程度)、便携性(服务使用的便捷程度)、可靠性(服务实际的可用程度)、功能性(服务设计的完备程度)和效率性(服务回应的快慢程度)五个方面作为评价标准,初步了解到用户的感知信息。另一方面利用大数据手段,爬取大量带有主观因素的用户评价感知信息,利用情感分析手段详细的统计和划分用户的情感指数与关注角度。将两方面分析整合,以获得可信的统计信息。
2 基于用户感知的情感分析法
朴素贝叶斯算法(Naive Bayesian algorithm)是基于贝叶斯定理和特征条件独立假设的一种分类方法,在整个过程中都假设特征之间是相互独立的以及每一个特征都是同等重要的。假设:所有的句子可以分类两类:积极态度(c1)、消极态度(c2);一个句子有特征w1,w2,...,wn,这n个特征相互独立;对于情感分类任务中特征w1,w2,...,wn分别代表该句子中对应的单词。
由朴素贝叶斯分类器原理转换成公式并进行简化,即:
3 产业问题分析
3.1 调查问卷分析
在问卷调查中,对互联网健康服务系统界面以及操作满意度进行分析,对总体满意程度和操作性(服务操作的简易程度), 便捷性(服务使用的便捷程度), 可靠性(服务实际的可用程度), 功能性(服务设计的完备程度), 效率性(服务回应的快慢程度)共5项之间建立线性回归模型,以研究其之间的相关关系。
从上表可知,将操作性,便捷性,可靠性,功能性,效率性作为自变量,而将总体满意程度作为因变量进行线性回归分析,从上表可以看出,模型R平方值为0.641,意味着这5项可以解释总体满意程度的64.1%变化原因。对模型进行F检验时發现模型通过F检验(F=36.725,p=0.000<0.05),也即说明这5项中至少一项会对总体满意程度产生影响关系,以及模型公式为:总体满意程度=0.462 + 0.053*操作性 + 0.301*便捷性 + 0.208*可靠性 + 0.193*功能性 + 0.122*效率性。另外,模型中VIF值全部小于5,意味着不存在着共线性问题;并且D-W值在数字2附近,因而说明模型不存在自相关性,样本数据之间并没有关联关系,模型较好。
最终具体分析可知:便捷性,可靠性的回归系数值分别为0.301(t=2.964,p=0.004<0.01)和0.208(t=2.326,p=0.022<0.05),会对总体满意程度产生显著的正向影响关系。但是操作性,功能性,效率性的回归系数值分别为0.053(t=0.572,p=0.569>0.05),0.193(t=1.805,p=0.074>0.05)和0.122(t=1.406,p=0.163>0.05),并不会对总体满意程度產生影响关系。
3.2 基于SnowNLP的情感分析
SnowNLP是基于Python语言的第三方情感分析库,它支持中文分词、词性标注、情感分析、文本分类、提取关键词、提取文本摘要、TF-IDF、Tokenization、文本相似等操作,其可将情感文本转换为具体的数值从而更直观的表现评论文本中用户的情感数值总体信息。
本文选择了App Store中按“流行程度”排序,排名较靠前的5款App,爬取其近365天的评论信息,并利用SnowNLP,以[0,1]为映射区间,对评论内容进行情感分析,计算各App评论情感数值的平均数与中位数,结果如图2所示。
由图可见,即使在较为流行的应用软件中,人们对互联网医疗类App的评价也是良莠不齐,对于“好大夫在线”和“平安好医生”的评价都很积极,但对“微医”的评价却十分消极,另外,对春雨医生和丁香医生的评价则偏向中性。
互联网医疗在中国作为一个新兴产业,与其对应的应用平台还十分稀少,人们的选择有限,进而导致了图2中所示的,评价消极的App在应用商店中流行程度却能位居前列,一部分原因便是替代产品的稀缺。至于替代产品稀缺的原因,一是行业刚刚起步,与之相对应的平台尚没有充分的时间进行开发。但反观人工智能和大数据等新兴行业,同样处于刚起步的阶段,其发展速度却异常迅猛。
3.3 基于ROSTCM6的情感分布统计
ROSTCM6由武汉大学的沈阳教授研发编码,是一个用以辅佐人文社会科学研究的社会计算平台,用于完成文本分析、分词、词频统计、流量分析、聚类分析等一系列文本分析。
为进一步了解5款互联网医疗应用软件各自评价的情感倾向分布情况,本文利用ROSTCM6,对5款App各自评论的情感倾向进行了分布统计,结果如图3所示。
不论从高度积极情绪还是积极情绪整体看,“好大夫在线”的积极评价都是最多的,而不论从高度消极情绪还是消极情绪整体看,“微医”的消极评价都是最多的,这也和图1的情况吻合,SnowNLP和ROSTCM6的准确性在一定程度上得以验证。
其中,“春雨医生”虽然积极评价接近70%,高度积极情绪也仅次于第一的“好大夫在线”,但同时消极评价也超过了20%,仅少于消极评价最多的“微医”。即“春雨医生”在自身有着一定优点的同时,其存在的缺陷也到达了不容忽视的程度。
以“春雨医生”为例,在行业正值兴起的起步阶段,市面上还存在着这一类主要功能水平已经达到了较高的标准,但整体的设计平衡性却有所欠缺的应用和平台。这其中,可以认为“春雨医生”将成为一个值得参考和借鉴的典型范例。
3.4 基于LDA的主题挖掘
LDA(Latent Dirichlet Allocation)是一种文档主题生成模型,由于其包括词、主题和文档三层构造,因此也被称为一个三层贝叶斯概率模型。它能够以概率分布的形式给出文档集中每篇文档的主题,从而通过分析一些文档将它们的主题(分布)抽取出来后,再根据主题(分布)进行文本分类或主题聚类。
利用LDA主题模型,在经过屡次试错,并以关键词之间的强弱关系为判断依据进行比较后,对不同APP确定了各自最适的主题数量,使其关键词之间的强弱关系最佳。
在上文的分析中,可以认为“好大夫在线”“微医”和“春雨医生”分别代表用户反馈良好、用户反馈不良,以及平衡性失调、优缺兼备的互联网医疗平台。接下来就以这3款应用为例,具体分析其优缺点。
我们分别将3个App评论数据所挖掘的主题进行汇总与整理,各自选取了排序前三的主题,得到如下结果。
在“好大夫在线”的评论中,从主题1可以看到用户对“好大夫在线”的积极评价甚至到了指名的程度,而这是由于其向用户提供差异化的解决方案的可能性很大。主题2包含了用户的感谢,以及对医生“尽心、尽力、尽责”的正面评价。而从主题3中可以明白,该平台的用户在听取医生的解决方案后事态发展顺利,问题得以平安解决,这从侧面反映出该平台医生水准高、知识技能丰富的特点。平台针对性的方案,医生的处事态度和高水准,可以认为是“好大夫在线”受到好评的原因所在。
在“微医”的评论中,从主题1中可以了解到“挂号、预约、验证码、会员”等“微医”的一些运行机制。主题2表明用户对平台使用体验的不满。主题3则体现出“隐私、挂机”等问题。“微医”的运行机制不够完善,用户感知差,再加上隐私泄露、医生不能及时反应等问题,导致了“微医”如此的负面评价。
在“春雨医生”的评论中,主题1表明,许多女性会利用该平台帮助瘦身减肥,但软件存在闪退问题。主题2体现出该平台的医生存在不负责任、答非所问的问题,招致用户的不满。从主题3中又可以发现该平台同时也存在着负责的医生,但用户对其收费机制有所不满。整体看来,“春雨医生”在瘦身减肥这一方向比较受用户好评,但其作为健康医疗平台的功能却受用户诟病。“春雨医生”有一小部分自己的客户群体,但其针对性太强,泛用性差,正是其大量积极评论和消极评论共存的原因。
4 对策分析与提出
4.1 完善相关法律法规
从“微医”例可以看出,目前互联网医疗平台中还存在着隐私泄露等安全问题。因此,应出台统一的互联网医疗相关的规章制度,设立较为完善的奖惩措施,正确引导互联网医疗平台的发展、开展医疗服务。唯有用户的正当权益得到保障,用户才会安心使用平台,平台用户群体也才会得以保障。在保证用户安全和隐私的前提下,再出台相应政策以鼓励扶持各互联网医疗类平台的发展,促进相关机构和人员的积极性。
4.2 优化操作便捷性
用户在互联网医疗类软件中所追求的正是在手机上也能获得医疗服务的便携性。而像“微医”一样把操作复杂化,平台就丧失了其优势与意义。互联网医疗类软件应尽量使其操作简单明了,優化使用体验。在必要的时候可以迅速找到并使用想要的功能,在遇到急性病或者突发情况时才不会措手不及,才能发挥出互联网医疗真正的价值。
4.3 提高医生水准
即使“春雨医生”在瘦身减肥这一方面做得不错,但其医生“不负责任”“答非所问”,依然招致许多负面的评价。“微医”也同样出现了“挂机”的情况。作为一款医疗类软件,其根本还是健康服务,医生水准不够、没责任心,即使做出再多花里胡哨的功能也没用。所以互联网医疗平台应该提高医生认证的门槛,从技术素养和道德素养两方面对医生进行严格考察,通过才准予认证。另外,平台应设立对医生的奖惩措施,吸引高水准的医生,对水准低下的医生给予纠正。
4.4 加强平台间合作
从上文分析中可以看出,目前大部分互联网医疗类平台各有优劣,并不能说十分完善。因此各平台可以加强合作,发挥各自的特点,取长补短、互相完善。另外,通过平台间的合作加强不同平台间的信息共享,可以加强医疗数据采集的统一性和全面性,进一步发挥医疗健康大数据的价值,提升管理决策、资源调度、疫情防控与应急处置的合理性和科学性。
参考文献:
[1] 孟群.“互联网+”医疗健康的应用与发展研究[M].北京:人民卫生出版社,2015.
[2] 吕晓娟,张麟,陈莹,等.互联网+医疗面临的机遇与挑战[J].中国卫生信息管理杂志,2016,13(2):124-127.
[3] 孟群,尹新,梁宸.中国互联网医疗的发展现状与思考[J].中国卫生信息管理杂志,2016,13(4):356-363.
[4] 国务院关于积极推进“互联网+”行动的指导意见[J].中华人民共和国教育部公报,2015(Z2):6-19.
[5] 2020年中国互联网医疗行业市场现状及发展前景分析[R].前瞻产业研究院,2020:5-9.
[6] 李克强.政府工作报告——2018年3月5日在第十三届全国人民代表大会第一次会议上[J].中华人民共和国国务院公报,2018(12):9-24.
[7] 王安其,郑雪倩.我国互联网医疗运行现状——基于3家医院的调查分析[J].中国卫生政策研究,2016,9(1):69-73.
[8] 王蕾,赵国光.“互联网+医疗”的困境及政策解析[J].中国医院,2016,20(2):45-46.
[9] 汪鹏,吴昊.国内外移动互联网医疗应用现状及未来发展趋势探讨[J].中国数字医学,2014,9(1):8-10.
【通联编辑:代影】