互联网使用对患方视域的医患信任影响研究

卜忆群

互联网为医患交流提供了广阔平台，可实时查询看病点医疗水平和人员信息、在线获取疾病信息、方便问诊以及进行热点事件观点表达等。但作为一种新媒介，互联网信息没有经过媒体专业从业者甄别、筛选就被发布在各个平台，因而存在信息的可靠性有待商榷等问题。在这种情况下，患者通过互联网获取健康信息行为对于医患信任度的增强或是减弱，关键在于医务人员的引导和患者自身对所获信息的理解、甄别及运用程度[1]。健康信息的多样化赋予患者主观意识的多样化，通过互联网的使用逐渐消除的信息不对称，一方面利于患者增强对疾病的理解，提高对医生的信任程度，另一方面也会加剧患者的疾病恐慌，降低对医生的信任程度。目前，关于医患信任的研究在整个医患互动研究领域所占比重不大，研究内容多集中在患方信任构建方面，有学者论述可靠、自信、隐私保护是影响患者对医生信任的主要因素[2]，可以通过改变医生着装[3]、让患者参与治疗决策[4]、及时回访和健康教育[5]等方式构建患方信任。而对于信任环境的研究较少，且集中在医疗政策环境、医院制度建立方面，有学者认为医患信任被科层制影响[6]，系统严密的科层组织拥有有序高效的治疗环境和专业水平，享有声誉信任；相反，它又会使科室间工作缺乏合作、医患间缺乏沟通[7]。从互联网使用角度研究医患信任的文献较少，研究方法以定性分析为主，有关定量分析的研究不多，且倾向得分匹配方法在该领域少有应用。我们利用统计调查数据库实证分析互联网使用对医患信任影响效应，有助于丰富互联网视角下的医患信任的定量研究，为之后互联网健康资源的利用、居民看病满意度的提高以及医患关系的发展提供经验借鉴与政策启示。

1 数据来源与方法

1.1 数据来源

本研究的样本来自于中国家庭追踪调查(China Family Panel Studies, CFPS) 2018年成人问卷数据，该调查由北京大学中国社会科学调查中心实施，我们在变量选取的基础上直接删除无法判断、缺失、不适用、拒绝回答以及不知道的数据，最终得到25 015份样本。

1.2 变量选取

既往文献[8]表明，教育水平、收入状况、家庭背景[9]、社会地位[10]和医疗费用等不同的患者对医生的信任会存在差异。综合以上影响因素并借鉴汪新建等[11]关于互联网使用对医患信任影响的定量分析模型变量选择，初步的变量选取涵盖个体特征变量：性别、年龄、教育水平、收入、工作状况、户口状况、婚姻状态和政治面貌；个体医疗行为与态度变量：健康状况、医疗总费用、医保状况、看病点医疗水平和对医生信任程度；个体网络行为变量：是否移动上网、是否使用电脑上网。为了最大限度地利用数据样本，实现较好的均衡检验结果，既要相对全面地囊括影响居民互联网使用或者患方医患信任度的混杂因素，又要不断对变量组合进行调整，因此，将严重影响匹配效果的教育水平、收入、户口状况这3个变量剔除匹配模型。最终确定的变量：①结果变量。利用CFPS问卷中“您对医生的信任度”问题构造虚拟变量“对医生的信任”，取值范围为0 ～ 10分，得分越高，说明对医生的信任度越高。②处理变量。利用CFPS问卷中“是否移动上网”与“是否使用电脑上网”两个问题构造虚拟变量“是否使用互联网”。既不使用移动上网也不使用电脑上网的个体进入控制组，即不使用互联网；其他情况进入处理组，即使用互联网。③协变量。个体的性别、年龄、工作状况、婚姻状态、政治面貌、健康状况、医疗总费用、医保状况、看病点医疗水平。

1.3 研究方法

我们分析的观测数据不是随机分组的结果，即互联网的使用不是随机分配给个体的，而是个体依据自身特征或对结果的预估进行“自选择”的结果，具有选择偏差。因此，我们采用倾向得分匹配(propensity score matching, PSM)方法以解决传统研究中面临的“反事实状态”和因样本自选择产生的内生性问题。

为了测度互联网使用对患方视域的医患信任的影响效应，构建计量模型如下：

其中，i代表不同的个体；Yi表示结果变量对医生的信任；Di为个体是否使用互联网的二值处理变量，若个体使用互联网则进入处理组，记Di=1，不使用（否）则进入控制组，记Di=0；Xi为协变量；C为常数项；ε为随机干扰项。

2 实证结果

2.1 匹配前样本描述性统计

主要研究变量赋值及描述性统计，见表1。为进一步了解处理组与控制组初始条件的差异，在实证之前，进行均值分析和组间差异t检验，见表2。检验结果表明，处理组与控制组的所有变量均值都存在显著差异,即处理组与控制组有系统差异，进入处理组的群体与进入控制组的群体初始条件不相同，个体可能根据自身条件或者自主判断使用互联网所带来的预期效益而自选择“是否使用互联网”这一行为，存在“选择偏差”，基于出现的处理效应，我们考虑采纳匹配估计量的思想。

表1 变量赋值表及简单描述性统计

表2 PSM匹配前处理组与控制组变量差异的描述性统计

2.2 Logit模型估计互联网使用的影响因素

为考察影响个体互联网使用的倾向，采用Logit模型进行估计，如表3所示。从Logit回归结果来看，选取的个体特征变量：性别、年龄、工作状况、政治面貌、健康状况、医保状况、看病点医疗水平对个体是否使用互联网有显著影响，差异有统计学意义(P<0.05)。具体而言，男性使用互联网的可能性比女性高；个体年龄对其使用互联网具有显著的负向影响；在业的个体比不在业的个体使用互联网的概率低；党员使用互联网的概率显著高于非党员；个体健康状况越良好、有医疗保险的以及觉得看病点医疗水平低的个体更有使用互联网的倾向，现实中的这类群体以近三级医院的非农业户口特征为显著。

表3 Logit回归模型估计结果

2.3 互联网的使用对患方医患信任的影响

在使用Logit模型估计倾向得分值后，利用PSM模型估计互联网的使用对患方医患信任的影响。为保证实证结果的稳健，鉴于不同的匹配方法对误差的修正与方差的控制各有特点。我们综合尝试k近邻匹配、k近邻卡尺匹配、卡尺半径匹配、核匹配以及局部线性匹配这5种匹配方法估计平均处理效应，结果见表4。本研究将k近邻匹配、k近邻卡尺匹配、卡尺半径匹配、核匹配这4种匹配方法得到的处理效应的平均值作为最终结果，即使用PSM方法得到的结果表明，互联网的使用降低患方对医生信任程度的1.9%。

表4 倾向得分匹配估计结果

2.4 共同支撑域和匹配平衡性检验

在得出倾向得分的结果之后，为了保证匹配结果的可靠性，需要进行匹配的共同支撑域检验以及平衡性检验。根据Stata检验结果显示，处理组与控制组倾向得分共同取值范围为[0.0026, 0.9871]，共同支撑域的范围较大，样本损失量较小，共同匹配效率高，满足较高匹配质量的要求。根据平衡性检验的结果显示，所有协变量的标准化偏差都小于10%。t检验显示，处理组和控制组的4个协变量包含性别、年龄、医疗总费用、医保状况，经匹配后差异已无统计学意义(P>0.05)，虽然没有消除所有变量在两个群体之间的差异，但相对减少了处理组与控制组之间的系统差异。

2.5 异质性分析

为深入实证结果，我们对倾向得分匹配中已涉及或者未涉及但大部分文献中提及的重要特征变量，如户口状况、一般看病点、教育程度、年龄、政治面貌和医保状况进行异质性分析。关于看病点的分类，“二、三级医院”为级别高，“一级及农村预防保健网基层组织”为级别低；关于教育程度的分类，大专及以上学历为学历高，其他为学历低；关于收入的分类，“很低”和“低”合并为收入低，“很高”和“高”合并为收入高；关于年龄的分类，按累计分布频率接近50%为分界线。结果显示，学历低、年龄大、非党员、有医保的群体使用互联网对其医患信任产生显著负向影响，差异有统计学意义(P<0.05)。见表 5。

表5 群体按不同特征变量分类的平均处理效应

3 讨论

3.1 互联网的使用对医患信任产生消极影响

学界关于新媒介对于公众社会信任的影响研究主要有三大流派，主张媒体会降低公众社会信任度的“媒体抑郁论”派，主张媒体会提升公众社会信任度的“媒体动员论”派以及认为媒体对公众社会信任没有影响的“媒体无关论”派。表4估计结果表明，互联网的使用显著降低了患者对医生的信任程度，“媒体抑郁论”得到证实。实际生活中，一些错误医疗信息的诱导以及医患关系恶性事件的报道都给医患信任带来负面影响。因此，要严控健康信息服务内容，打造权威媒体平台。规范在线医疗服务咨询提供行为，监管者要不断提高准入门槛，建立健全综合准入评价体系，对医疗服务提供方的从业资格、执业范围、信用等基本信息进行核查。规范健康信息搜索行为，网络监管部门要加强对健康信息的监管，医疗卫生机构要主动提供健康教育信息服务，建设引导有力、权威发布的主流媒体宣传平台。此外，要提高医患互动正面宣传力度。新冠肺炎疫情期间，大量医患正能量的事件被积极宣传，群众对医护人员的认同感和信任感均大幅提升。未来，媒体宣传者有必要加强对医患积极事件进行报道，塑造医务人员的正面形象，促进医患关系互动模式的和谐发展。

3.2 使用互联网具有不同个体特征的群体对医生的信任存在差异

从表5异质性分析结果来看，无论是否使用互联网，农业户口以及倾向在级别低的医院看病的群体对医生的信任程度都高于非农业户口以及倾向在级别高的医院看病的群体。一般来说，根据方便就医原则，户口状况为农业户口的个体往往就近选择一级卫生机构和农村预防保健网的基层组织，非农业户口的个体往往就近选择二、三级卫生机构，等级高的医院往往因为技术上的优势吸引大量疑难患者涌入，医务人员负担重，与等级低的医院相比，更不具备时间条件来为医患沟通创造机会[12]，因此，高等级医院的医务人员比低等级的更感到不被患者信任[13]。相比于非农业户口、教育水平高、党员的群体，具有农业户口、教育水平低、非党员特征的群体使用互联网降低了对医生的信任程度，互联网医疗的应用在这类群体中未能产生预期良好效果，很大部分原因应该是这类人群的甄别、筛选健康信息的能力较弱，导致“媒体抑郁论”情况的发生。因此，要针对不同群体采取差异化健康信息教育，帮助他们提高健康信息甄别能力和健康素养水平。针对党员干部、教育水平高的这类群体，他们自身的健康素养相对较高，应该坚持以身作则，积极发挥引导模范作用。针对教育水平低的弱势群体，呼吁其所在社区及其子女积极承担宣传教育责任，建议以口头教育或者图片宣传为主。此外，政府也应定期组织健康素养培训讲座，对广大群众进行信息甄别教育，降低其受不良信息危害的风险。

3.3 互联网环境下医保政策的实施不利于提升患方信任

医保政策的实施减轻了居民看病负担，有效控制不合理医疗费用的增长，有利于提高患者对医生的信任程度。但在表5异质性分析结果中，互联网的使用对有医保的患者的医患信任度产生了消极影响，考虑在医保政策实施过程中，一些具体方案制定或者执行环节不到位可能造成医患信任风险的增加。比如，同一种治疗方法不同群体统筹基金给付比例不同或者院方为不超医保统筹基金尽量避免使用目录中囊括的高、新、贵项目，这些会使掌握网络信息的知情患者产生不公平感[14]，不利于互联网使用者患方信任的提高。因此，要尊重患方合理诉求，增强医保基金透明度。医保政务服务人员及医院工作者一方面要对患者进行针对性的医保政策讲解，积极引导患者正确理解政策含义，取得工作支持，不可依赖不相关的新媒体平台对患者进行医保知识的普及。另一方面，要定期收集患者对医院医保工作的改进要求与建议，尊重患方合理的诉求。此外，各地区应建立智能化医疗保障服务体系，为医疗机构大数据分析、重点项目监测分析、分级诊疗就医流向分析提供信息数据支撑，精确定位需求，以保障医保基金的高效运行，增强基金透明度，在诊疗活动中以高质量的技术水平与公平合理的收费使患者就医有安全感、满足感。