基于在线医疗评论的患者行为挖掘及其在医疗决策与管理中的应用综述

□廖虎昌 刘 凡 卢柯宇 朱 婷 罗 利

[四川大学 成都 610064]

引言

根据CNNIC第47次《中国互联网络发展状况统计报告》，截至2020年12月，我国网民规模已达9.89亿，互联网普及率达70.4%，较2020年3月增长8 540万①。网络购物用户规模达7.82亿，较2020年3月增长7 215万，占网民整体的79.1%。在线评论是网络用户在对某种产品或服务进行消费之后，对其消费体验进行的主观评价[1]。在线评论能够帮助消费者在进行产品或服务的购买决策时更多地了解目标商品的实际价值，在一定程度上缓解买卖双方对产品或服务的信息不对称。由于在线评论的易获得性，大量学者利用在线评论对旅游管理[2～3]、餐饮管理[4]、电子购物[5～6]以及酒店管理[7～8]中的消费者偏好和决策行为进行分析。

依托互联网的医疗管理实践使医院、医生和患者三方的信息交流更加便利，有力改善了医疗服务资源的非均衡配置。调查显示，在美国，90%的患者会使用在线医疗评论来对医生进行评价，大约71%的患者会将在线医疗评论作为寻找医生的第一步②。《国务院办公厅关于促进“互联网+医疗健康”发展的意见》中提出了“互联网+医疗”的政策，自此之后，越来越多的互联网企业开始转向智慧医疗③。国内已经存在许多具备在线评论功能的智慧医疗服务平台，如好医生、挂号网、微医等。根据CNNIC第47次《中国互联网络发展状况统计报告》，截至2020年12月，我国在线医疗用户规模已达到2.15亿，占整体网民比例的21.7%。针对如此庞大的在线医疗服务群体，合理利用网络资源进行医疗资源配置将对国家和社会的医疗服务管理带来更多积极的改善。

此外，越来越多的人开始借助在线平台开展医疗服务相关活动，如查找与咨询医疗保健服务信息。与医疗相关的在线评论网站已经从简单的信息共享功能发展到解决复杂的公共卫生问题，如医疗质量和安全、灾害预防和流行病监测等[9]。作为一种服务型商品，医疗服务具有价值高、体验风险大等特征，因此，学者将医疗服务归为信用商品（credence goods）[10]。相较于消费之后易于做出有效体验评价的家电、食品等商品，医疗服务的评论更具专业性，患者仅能准确感知和评估一些外部因素，如医院环境、等待时间等。由于医学知识的缺乏，患者对就医体验以及就医结果可能无法进行准确评论，进而使得平台用户从医疗评论中获取医疗服务质量等关键因素的感知信息的有效性相较于普通商品可能更低。医疗服务直接作用于人体，如果选择了不合适的医疗服务，在带来经济损失的同时，还可能对身体造成伤害。合理准确地利用患者发布的在线医疗评论信息，对帮助平台用户选择适合的医疗服务以及促进管理者优化医疗资源配置具有重要意义④。

发表在中文期刊上关于在线医疗评论的研究成果主要讨论了在线医疗评论的相关应用与发展，包括在线医疗社区中医生口碑对患者就医选择的影响[11]，医生开通个人网站对在线医疗社区的患者对该医生评论数量的影响[12]，百度贴吧医疗板块的知识互动和情感交互的关系[13]，影响在线医疗社区服务质量的因素[14]，在线医疗社区中的用户交互行为[15]，在线医疗社区中服务多样性对患者决策行为的影响[16]，在线医疗社区中的文本挖掘与用户聚类算法[17]。部分学者对在线评论在医疗服务管理中的应用进行了综述。例如，Placona和Rathert通过对32篇文献的分析，综述了在线医疗评论在反映医疗质量上的作用[18]。通过对18篇文献的分析，Tan等对患者的互联网健康信息搜索过程及其对医患关系的影响进行了综述[19]。Mulgund等回顾了影响医疗评分网站数据质量的因素识别和分类的相关文献[20]。这三篇综述性论文分别聚焦于在线医疗评论在医疗质量、医患关系和数据质量管理等方面的作用，研究范围不大，难以体现在线医疗评论应用研究的整体趋势与前沿热点。韩玺对2019年之前在线医疗评论信息的相关文献进行了综述[21]。然而，近年来涌现了大量关于在线医疗评论的研究文献，因此，有必要对近年来该领域所发表的文献进行详细梳理和深入分析。

为了掌握基于在线评论的医疗服务管理的国内外研究进展，使用关键词“online/web/internet +physician/doctor/patient + review/rating/comment”的检索式组合和“在线医疗/在线患者+评论”的检索表达式，分别从Web of Science和中国知网两个数据库对文献进行检索。截至2021年6月1日，共检索到英文文献358篇，中文文献20篇。排除非SCI/SSCI检索的英文文献和非核心期刊发表的中文文献，通过对标题、关键词、摘要的筛选，剔除包含上述关键词但内容与该领域无关的文献，并通过对文献内容的进一步阅读（是否研究了不同病种或是否提出新的理论或方法）以及参考文献的引文追踪，最终选取了131篇文献（包括115篇英文期刊论文和16篇中文期刊论文）展开分析。

首先，对筛选后的基于在线医疗评论的文献进行计量分析，了解在线医疗评论在医疗决策与管理领域的应用、发展趋势以及当前的研究热点。然后，从在线医疗评论生成行为与患者感知行为两个角度对在线医疗评论的信息来源进行概述。接着，从学者们关注最多的在线医疗评论的内容特征与相关影响因素、在线医疗信息协助患者和医疗机构进行决策以及政府机构政策制定等三个角度对在线医疗评论的应用进行归纳和梳理。最后，对在线医疗评论在医疗决策与管理的未来研究方向进行展望。本文的层次结构如图1所示。

图1 综述内容层次结构图

一、文献计量分析

为了解基于在线医疗评论的相关研究的发展进程和现状以及相关研究热点，本节对筛选后的文献进行计量分析。

美国的第一个医疗评论网站RateMDs.com是在2004年建立。中国最早建立的医疗评论网站是在2006年成立的好大夫在线。2010年之前，在线医疗评论网站还未被互联网用户所熟知，因而关于医生的在线医疗评论数量较少。早期的相关研究采用小样本内容分析，而少量的样本并不能很好地反映总体的趋势，因此，在线医疗评论在早期用来协助患者或管理者进行决策时会被质疑其可靠性。根据本研究的检索结果，全球范围内最早利用在线医疗评论信息进行研究的成果由美国学者Moore 于2005年发表在《Journal of Gerontological Nursing》，该文讨论了在线医疗社区中讨论区不准确的信息对于老年人是福还是祸[22]。此后，随着在线医疗评论数量的累积以及内容质量的逐渐完善，学者们开始意识到医疗信息系统在医疗领域的作用[23]。各国学者逐渐关注到患者发布在医疗网站上的就医评论，并开始探索患者所发布的就医评论中的潜在信息价值，利用挖掘的信息来帮助患者选择合适的医生，帮助医疗机构进行合理的医疗资源调配和医疗系统管理，辅助管理者进行医疗政策辅助制定等。中国学者在2015年左右已开始进行在线医疗评论相关的研究[24]，但直到2017年才有中国学者曾奕侨等[25]在中文期刊《智慧健康》上发表关于医院与医生声誉和在线健康社区中医疗评论的相关性的论文（此前中国学者的研究成果多发表在英文期刊上）。

在该领域的早期研究中，学者们主要利用在线评级来分析医疗服务质量的好坏。随着研究的深入，学者们逐渐利用更多的数据来源（如多个同质性的在线医疗平台数据、线下医院诊疗数据、患者电子健康病历等）结合网站生成内容（医生主页点击量、访问数量）研究患者满意度的影响因素以及推动在线医疗平台用户进行评价的动力等问题。从图2可以直观地看出，随着时间的推移，越来越多的国内外学者开始关注在线医疗评论的相关研究[23]。

图2 参考文献发表时间分布

从参考文献来源上分析，本研究选定的131篇文献中有78篇文献来自医学类的期刊，如《Journal of Medical Internet Research》《JAMA：The Journal of the American Medical Association》《BMJ Quality & Safety》；7篇来自经济管理类知名的UTD24期刊，如《Management Science》《Information System Research》《MIS Quarterly》。所有期刊中贡献参考文献最多的是《Journal of Medical Internet Research》，总计30篇。通过对文献的梳理阅读发现，多数医疗期刊发表的文献所做主要工作是在线医疗评论数据的收集处理与分析，通过统计学的方法获得在线医疗评论数据的分布特性、数量变化等特征，进而研究评论特征之间的相关性。随着学者们越来越重视交叉领域的研究，信息管理类期刊中此类研究的文章逐渐增多。相较于医学类期刊上发表的关于在线医疗评论的应用性论文，管理类期刊上所发表的文章篇幅更长，包含较多的统计分析内容以及理论模型的验证，不仅分析在线医疗评论的影响因素之间的相关性，还有学者研究影响在线医疗评论的生成因素、在线医生推荐以及互联网医院管理等。

从研究者的专业领域来看，来自于医学领域的学者最多，其他是来自工商管理以及信息系统领域的学者。未来还需要医疗专业与信息管理等专业人员进行更多合作，深入挖掘医疗大数据的潜在价值。

通过对文献引用次数的分析，可以了解学者们最关注的研究内容。表1整理了引用次数前十的高被引文章。十篇文章总计引用次数为1 517，占全部引用次数（2 682）的56.6%。这十篇文献中有两篇来自管理类的UTD 24期刊（1和7），其余均发表在医学类期刊，其中3篇来自《Journal of Medical Internet Research》。十篇文章发表时间总体较早，只有第2和第8篇文章为2015年之后发表。可能由于发表时间较短，近年发表的文章的被引用次数并不高。在这十篇文章中，第1篇文章论述了美国医疗信息系统的发展现状与未来道路，第2和第9篇为综述性文章，第5和第6篇讨论了在线医疗信息与医院管理的关联性，其余文章讨论了在线医疗评论信息的具体应用。

表1 被引用次数前十的文章信息 （截至2021年6月1日）

为了了解参考文献的重点研究内容以及不同主题之间的联系，可对参考文献进行关键词共现展示。图3展示了英文文献中的关键词共现分析结果。从图3中可以看到，最中心部分patient satisfaction（患者满意度）是学者们最关心的主题，在其周围则是Online physician reviews（在线医生评论）、Public reporting（公开报道）。这说明学者们对这些关键词结合起来的内容研究较为集中。其次，online rating（在线评级）、internet（因特网）、social media（社交媒体）等关键词的半径略小于患者满意度，说明学者们对这些研究也较为关注，也属于热门的研究内容。latent variable model（潜在变量模型）、choice behavior（选择行为）以及electronic health records（电子健康病历）等关键词离核心圈较远，表明当前学者对相关内容研究较少，可能是由于该研究内容较为新颖，学者们可以尝试从此类关键词中去探索未来研究方向。比如，中国的大型三甲医院已经开始逐步使用电子健康病历这类信息管理系统对患者医疗信息进行管理，减少患者医疗信息缺失的可能性，构建医院间的患者信息共享数据库，让病人在不同医院就医时享受更多的便利[26]。随着电子健康病历的建立，医院可以通过累积的大数据对患者的病情进行分析和预测，通知患者及时的术后复查等，为患者提供精准优质的医疗服务。

图3 关键词共现图

二、在线医疗评论生成行为及感知研究

在线医疗评论的生成行为决定了医疗评论信息的来源，其会影响评论的质与量以及平台用户对患者评论内容的感知，而用户对医疗服务质量以及评论内容的感知又会进一步作用该用户的评论生成行为。本节对患者的在线医疗评论生成行为以及用户感知方面的文献进行综述，重点讨论这两类研究的重要性以及现有文献的主要研究内容，进而总结得出可以展开深入研究的方向。本节结构如图4所示。

图4 在线医疗评论生成行为及感知研究综述结构图

（一）在线医疗评论生成行为研究

关于在线医疗评论的研究中，如果没有患者愿意在就医之后发表医疗服务体验的评论，在线医疗评论就无法积累到足够的数量，从而无法让更多的平台用户了解到相关的就医信息，也就无法缓解医患之间信息不对称的问题。因此，对在线医疗评论的生成行为的研究相当重要。本节分别从患者和医生两个角度综述关于在线医疗评论的生成行为的研究成果。

目前，学者们主要关注从患者角度如何推动在线医疗评论的撰写以及哪些因素会促使患者发布在线评论。通过半结构化访谈并基于扎根理论对访谈资料编码，韩玺和韩文婷运用统计分析方法，研究了影响患者在线医疗评论生成的因素，以及如何从医疗政策、医疗服务提供者、在线医疗平台和用户收益四个层面来激励患者发表更多医疗评论[27]。通过在线情景问卷与实证分析，金晓玲等研究了促进用户不同互动行为（点赞与评论）的影响因素及其差异，提出从评论质量、来源和情感极性上丰富评论内容，使评论更有感染力，从而提高患者的评论积极性[28]。通过访谈报告分析，Han等研究了不同因素（包括人口统计变量、健康变量、认知变量以及技术相关变量）对患者的评级行为和评级意向的影响[29]。

在促使患者发布正面或负面的极端评论的因素研究中，通过对整形外科手术（隆胸）的评论分析，Dorfman等发现，在护理方面经历过极端情况（无论是好或坏）的患者会比有中性经历的患者更倾向于提供评价[30]。通过研究手部外科医生的在线评论，Trehan等挖掘了让患者打出更高评分的因素[31]。通过Yelp和Healthgrades上关于慢性疾病治疗的在线评论，Orhurhu等研究了导致患者对医生进行正面或负面评价的因素[32]。

有学者从医生角度探索如何让更多的患者发布在线医疗评论。通过定量分析医生对患者发布的在线评论的认识以及回复情况，Emmert等发现，少数医生会参与到在线评论之中，作者认为需要加强这种沟通机制以平衡医疗信息的不对称情形[33]。通过研究医生道德行为（评论操控、为好评付费、要求患者签署不进行在线评论的弃权书）对在线评论的影响，Samora等认为，在未来在线医疗评论发挥更大作用时，有关部门需要出台更强力的监管措施[34]。通过研究医生对患者在线评论系统的风险感知报告，Kemp等发现，当医生参与时评论系统的透明度会提高，医生对评论系统的信任和组织支持对医生使用在线评价系统起到促进作用[35]。

以上综述的文献都是2016年之后发表的。也就是说，学者们在近几年才逐渐开始关注在线医疗评论生成行为这一话题的研究。可能是由于该研究涉及心理学、经济学、管理学以及统计学等学科的交叉，现有的研究文章数量不多，研究内容还不透彻。未来还需要更多具有交叉学科背景的学者进行深入研究。

（二）在线医疗评论与患者感知的交互影响研究

关于用户对在线医疗评论感知的研究也是在线医疗评论研究中非常重要的一环，它决定了在线医疗评论应用于辅助决策的质量。患者对医疗服务的体验感知差异会对其评论内容发布产生影响，而用户对医疗评论内容的获取感知会对其医疗服务决策产生影响。学者们主要从评论数量、评论质量、评论内容和评级得分等方面对患者感知行为开展研究。由于人的感知难以量化，学者们多采用问卷访谈的方式获得患者的感知数据，进而开展对医生感知信任度、感知结果、感知评论可靠性的研究。本节主要从患者对医生的专业水平与质量感知、患者对医生的信任度与态度感知和患者对评论内容特征以及文本结构感知等三个方面来研究在线评论与患者感知的交互影响。

在研究患者对医生专业水平与医疗质量感知的文献中，结合线上评级与线下患者对医生的治疗质量感知数据，Gao等研究了在线评级与患者对医生专业水平感知之间的关系[36]。结果表明，在线医疗评论可以反映线下的医疗质量评分。此外，患者出于对医生报复的担心或其他原因，低质量的医生不太可能在网上得到评分，从而导致医生的在线评分会比线下评分更高。极端在线评级（即最高评分和最低评分）所反映出的医生质量并不如中间位置的在线评级反映的医生质量准确。通过对神经学医生的在线医疗评级与评论信息的分析，Goshtasbi等发现，在线评分和评论受病人对医生能力的感知、对病人的关怀态度以及医生办公室管理的高度影响[37]。Yan等研究了用户在在线医疗平台上所获得的观点对用户健康知识和就医时感知的治疗结果的影响[38]。此外，Yan和Tan通过假设实验分析，研究了其他患者对治疗经验的共识如何影响患者对治疗效果的感知[39]。通过在线评论分析，Murphy等发现，患者会感知实习医生与正式医生的不同，并认为在线评论并不能完美地反映医生能力[40]。

在线医疗评论研究患者对医生信任度以及态度感知的文章中，Han等研究了当平台用户了解邻居推荐的医生并通过在线医生评论网站进一步了解所推荐医生的相关信息后，在线评论效价、疾病风险以及评论者对医生的信任度三个方面对平台用户决策的影响[41]。此外，Han等还研究了整体评级、效果评级和态度评级之间的对比、评论体量这三个因素对平台用户选择医生的影响[42]。这两篇文章均表明，感知医生信任度会对其他影响平台用户选择医生的因素起调节作用。基于七个在线评级网站的评论，Yu等研究了患者在选择骨外科医生时所重视的因素，包括医生的态度、沟通技巧和患者感知等[43]。

在患者对在线医疗评论内容特征和文本结构的感知影响方面，Peng等从语言性质（具体性与情感性）以及患者对疾病描述的严重程度两个方面，研究了在线医疗服务问答中内容—语境一致性在各种用户生成内容中的作用[44]。通过对牙医在线叙述性评论的分析，Mao和Li研究了文本结构和重点内容对患者的说服力，并提出了从认知和经验两个方向来理解评论[45]。通过CiteHealth.com的1 081条评论信息分析，Sadda等发现，在线评论的部分内容特征与医疗保健提供者和系统的中心血液透析消费者评估对患者经验的测量方式显著相关，并且在线评论能表达患者的情感极性，是患者体验报告的辅助信息来源[46]。利用文本挖掘技术与情感分析工具进行主题建模，James等研究了患者评论与临床治疗效果、患者感知评价以及医生同行评价的关系[47]。通过分析实验参与者对在线医疗评论的认识、使用和贡献，McLennan等发现，人们对在线医疗评论的认识和使用水平相对较低，人们在选择医生之前可能更多地依赖熟人推荐，而对公共信息（如在线医疗评论）参考较少，这一现象表明了人们对在线医疗评论信息的代表性和有效性的担忧[48]。从评论本身质量以及评分机制出发，Kloosterboer等发现，通过评估网上与年龄相关性黄斑变性（眼部疾病）评论信息的质量、内容、可靠性和可读性，评论内容总体质量较低，所提供的评论内容难以解释，没有足够的信息使用价值来支持病人做出相关医疗决策[49]。

以上文章的出版时间都在2015年之后，说明学者们近几年对患者感知这一主题有较多的关注，是一个较前沿的研究方向。在该领域的研究中，学者们一般使用多个在线医疗平台的评论数据或线上评论数据结合线下医院患者数据，利用统计学方法或是机器学习的方法来挖掘评论或评级与患者的各种感知之间的关系。

综上，目前关于患者在线医疗评论生成行为的研究成果还不多，尚没有学者系统研究如何从患者、医生、管理者以及政策四个角度来强化患者的评论意愿。未来可以从患者个人特点和心理认知角度开展更多研究。如对影响患者和平台用户感知的因素进行挖掘，了解患者/用户感知变化情况，加强医生、评级网站与患者之间的沟通以增加医患双方的信任度，从而调动患者发布在线评论的积极性。其次，如何将医院、医生、在线评级网站以及患者以更加和谐的方式联系起来，构建以患者为中心的信息流动体系，让患者能够在整个医疗网络中获取更多信息，让医生参与到在线医疗信息系统的建设中，使医生更加了解患者需求，从而加快整个网络的信息传递效果，减少由于医患双方信息不对称所造成的人力、物力上的损失。

三、在线医疗评论内容特征以及相关影响因素研究

在基于在线评论的医疗服务管理研究中，学者们最关注的问题是在线医疗评论的内容特征以及相关影响因素。在线医疗评论的内容特征主要指评论的主题特征和评级分布。相关影响因素主要包括医生/医院的真实服务质量、患者满意度、医生声誉、医生社交媒体使用情况以及医生收益等。本节首先综述在线医疗评论的评级、内容特征及相关因素。然后整理在线医疗评论与各种相关影响因素之间的关联性方面的研究成果。此外，部分研究认为在线医疗评论的内容特征无法反映相关影响因素的关联性。本节对这部分文献也进行了梳理，内容结构图如图5所示。

图5 在线医疗评论内容特征以及相关影响因素结构图

（一）在线医疗评论的评级及相关因素研究

关于在线医疗评论内容的研究中，学者们关注最多的是在线评论主题特征内容、评级分布情况与医生/患者的个人信息（性别、受教育程度、收入、社交媒体使用等）关系、评级与真实的医疗质量之间的关系的研究。本研究遴选的131篇文献中包含的在线医疗评论的主要内容特征及相关因素总结如表2。

表2 在线评论主题内容特征与其他相关因素

首先，在关于不同地区、不同网站和时间段的在线评级分布情况的研究中，通过对德国2010～2019年以来所有医生的在线医疗评分进行分析，Emmert和Mclennan研究了被评级的医生人数、每位医生的评级数量与平均评级、不同专业医生的差异以及患者评级特征的变化趋势[50]。通过研究多个平台的内外科医生的在线评级，Daskivich等研究了护理质量、护理价值和同行评估的医生表现[51]。Hendrikx等研究了在线评分反映在地区人群水平上患者医疗服务体验的差异[52]。通过统计分析12个医疗评级网站中德国耳鼻喉科以及皮肤科的患者服务满意度与医生位置分布密度的关系，Meszmer等发现，这两类医生的分布密度并没有差异，在线医疗评级并不适合反应医疗服务提供结构的差异[53]。通过比较在线医疗评分与医疗系统内部评分的关系，Okike等发现，随着评分数量的增多，两者相关性越来越高，此时在线医疗评分才会起到更大作用[54]。通过随机抽样对比2017年和2010年德国在线医疗评论网站访问量排名、医生评论数量、平均评级和在职医生人数的变化，评估评级频率与趋势，确定患者对医生进行评级的障碍，McLennan等认为，增加评级数量可以提高评论的可靠性[55]。在评估2009年10月～2010年12月德国牙医在线评级的作用后，Emmert等发现，随着评论数量增多，这类公共信息越来越重要[56]。通过调查加拿大在线医生评级的广度与趋势，包括医生的科室、工作地点、评级时间等因素，Liu等挖掘了在线医疗评论在帮助管理者进行医疗服务管理决策中的潜在价值，并发现通过以上因素来评估医疗服务效用还存在一定疑问[57]。Bensnes和Huitfeldt发现，在女性和社会经济地位高的患者的驱动下，患者对高评分等级的医生相较于低评分等级的医生需求会增加，评级与医疗领域专业化或风险调整死亡率之间并没有显著相关性[58]。通过分析患者在Facebook、Yelp和Google三个平台发布的非结构化医院评论，Synan等研究了不同平台之间的差异、患者满意度和安全措施之间的相关性[59]。结果表明，非专业性医疗评分平台的内容与术后患者安全指标并不一致，在线评分无法反映患者所接受手术的安全性。

关于在线评级与其他内容特征的相关性研究中，通过LDA（Latent Dirichlet Allocation）对Yelp上心理健康方面的在线评论信息提取主题特征，Stokes等将医生评级作为因变量，研究了评论主题、机构特征和医生评级之间的相关性[60]。通过分析儿科、外科医生的评级分布，Jay等研究了性别、经验、工作地点、医生学历与医生评分之间的关系[61]。将医生评级作为自变量，Marrero等研究了整体评级、交流能力、专业技能以及次要因素评论与医生性别之间的关系，研究发现，虽然医生排名与性别无关，但是在评论内容和质量上会因性别产生差异，女性和男性分别在交流技能和专业技能方面评分更高[62]。通过计量经济模型，Lu和Rui研究了美国佛罗里达州心脏外科医生在RateMDs上的评级和该州2013年冠状动脉搭桥手术的患者治疗结果实录之间的关系，发现在线医师评级能在一定程度上反应实际的手术质量，是一种对于医患双方均有价值的信息参考来源[10]。Damodar等研究了医生是否拥有社交媒体、患者等待时间长短、医生专业技能、医生个性以及医院其他工作人员对关节置换手术外科医生的评级影响[63]。在探究了美国手外科学会(American Society of Surgery of the Hand,ASSH)活跃医生在医生评级网站的评论数量和评分之间的关系后，William等发现，少量的评论无法证明信息的有效性，患者应谨慎采用这些信息并注意鉴别负面或带有偏见的信息[64]。通过冠状动脉旁路移植术的案例，Okike研究了在线医生评分和医疗质量指标（外科手术死亡率）之间的关系，并发现这些评分不能反映国家医疗制定指标所定义的实际护理质量[65]。

在研究影响评级或评论特征的研究中，通过研究儿科、耳鼻喉科医生的在线评分和评论，Chua等发现，评分和评论在很大程度上受患者和家长对医生能力的认知、临床态度、医院环境以及时间管理的影响[66]。通过统计分析3个在线医疗评论网站的信息，Cloney等发现，神经外科医生评级受经验、教育背景等因素的影响[69]。通过对泌尿科医生评分或评论数量与医生总体评分之间关系的研究，Pike等发现，鼓励患者参与医生评分可以显著提高整体评分[94]。通过对不同科室的患者在线评分随时间变化的趋势进行研究，Gao等确定了影响医生在线评分的内容特征，并研究了评分的价值如何反映医生的专业能力[78]。采用广义精确匹配与双重差分模型，Liu等研究了当医生提供在线医疗服务时，患者对医生的评级与评论效价（patient review valence）的影响[95]。

通过对比4个商业网站的医生评级与医生所在医疗机构的评级，Kordzadeh研究了在线评级的可靠性[96]。研究发现，与商业网站上的相应评级相比，医疗机构提供的评级总体上倾向于对医生有利的评分。通过对耳鼻喉科医院评级与患者生成的评级信息（包括评分、评分数量以及性别、年龄等因素）进行比较，Basa等发现医疗机构评分相较于患者的在线评分会更高[97]。

在单独研究文本主题特征的挖掘算法且未涉及任何关联性分析的研究中，由丽萍和王世钰提出基于框架语义理论构建情感语义分类词典，进而构建医生服务质量评价主题知识库，并结合语义相似度算法识别在线医疗评论中的主题特征[91]。高慧颖等提出了一种将词共现分析方法与LDA方法结合的在线医疗评论主题挖掘算法[98]。

（二）在线医疗评论的文本内容特征与相关因素的关联性研究

在线评论的文本内容特征是在线医疗平台用户获取医疗信息来源最重要的一部分，此部分内容通过用户感知行为，最终决定了用户是否会选择某位医生来为他服务。下面从在线评论内容特征与真实医疗服务质量、患者对医生的情感态度、患者满意度、医生声誉以及社交媒体使用情况等五个方面进行综述。

有学者研究在线评论信息与真实医疗服务质量之间的联系。采用过程度量的方法，Saifee等研究了在线医疗评论如何揭示医疗护理质量和医生声誉[26]。Gray等通过统计分析方法研究了在线评论与医疗质量之间的关系[99]。Lantzy和Anderson通过研究在线医疗评论来判断医生是否合格以及是否能帮助患者选择就医对象[100]。Bardach讨论了在线评论内容与牙医治疗安全性的关系[101]。Lin等使用了一种半自动的机器学习方法，处理美国牙医的在线评论，并结合领域专家评估及统计分析方法，研究了在线评论中与患者治疗结果相关的因素[102]。通过研究28个商业评级网站中的在线医师评论，Lagu等发现，由于评论量的不足，很难准确了解医生的医疗技术水平[103]。在研究英国国家健康服务（National Health Service）网站中家庭健康服务评级与患者评级以及人口统计特征之间的关系之后，Greaves等认为，较少的评论不足以作为衡量家庭医疗服务质量的标准[104]。Murphy等认为，在线医疗评论会随着各方面的完善逐渐发挥医疗管理中的作用，但在当前，由于样本量较小的局限性，不能完美地反映医疗质量[105]。在建立计量经济学模型研究在线医疗评论中所包含的主题特征（包括医疗专业技能、医生服务态度以及医生交流技能等因素）与慢性疾病治疗的关系后，Saifee等发现，由于长期多次治疗以及中途可能更换医疗机构等原因，在线医疗评论与慢性疾病患者治疗效果的关联并不大，不能简单地将在线医疗评论在外科手术中的研究结果推广到慢性疾病的研究中[72]。通过研究5个美国访问人数最多的在线评分网站中医生的在线评论信息，Ramkumar发现，学术型医院与非学术型医院的医生在技术水平上不存在差异，患者在网上发表的评论并未完全包含医疗机构质量评测的共识核心，从而导致在线评论信息不可靠等[106]。

一部分学者展开了患者对医生的情感态度的研究。通过分析3个在线评级网站的评级内容，Haglin等研究了医生发表学术论文、医生所属医疗机构的地域以及医生性别在患者对医生信任程度方面的影响，并单独讨论了患者对脊柱外科医生的整体信任度[107]。Grabner-Krauter和Waiguny探讨了在线医疗评论的风格、数量和主题特征如何影响患者对医生的态度以及评论的可接受度[108]。王晓虹和周楚研究了不同地区民众在阅读到医患纠纷报道之后的一段时间内发布的在线评论中对医生态度的变化[109]。Dong-Gil Ko等利用Guided LDA算法提取17个医学专业中超过10万患者的在线医疗评论信息的主题特征，并通过计量经济模型研究医生专业程度、诊疗态度、预约方便程度等因素与患者在网上预约医生之后等待时间之间的关系[73]。

对在线评论内容与患者满意度之间关系的研究中，Imbergamo等通过研究6 402条在线医生评论，挖掘出包括临床态度、不良医疗结果和医生熟练程度等导致患者对关节外科手术医生不满意的因素[74]。通过使用LDA对Yelp和Google上对特殊药物的在线评论信息进行主题特征提取并通过差异语言分析来衡量主题和评分之间的相关性，Agarwal等揭示了影响患者满意度的因素[110]。Liu等使用LDA和情感分析进行主题建模，研究了在线医疗评论如何反映线上私人医疗服务的服务质量与患者满意度[111]。通过对医疗旅游在线评论使用LDA方法、本体语义分析方法、EM算法以及自适应模糊神经推理系统进行分析，Ahani等揭示了游客对医疗旅游服务的选择偏好和满意度的影响因素[112]。通过对两个在线医疗平台评论信息的定性分析，Smith和Lipoff研究了皮肤科医生的相关特征（专业知识、沟通能力、医疗环境以及保险等因素）与患者满意度之间的关系[79]。

在线医疗评论与医生声誉的关系也引起了一些学者的研究兴趣。利用挂号网的在线评论信息，曾奕侨等研究了医生声誉、医院声誉与患者在线评论的关系[25]。通过对Realself和Yelp的在线医疗评论内容以及美国美容整形外科学会会议内容的定量与定性的分析，Menon发现，在消费主义的背景下，患者对医生声誉和专业知识的评价会对医生的权威性产生影响[80]。Segal等研究了临床治疗结果、外科医生数量、患者在线评论内容、情感极性等因素与医生声誉之间的关系[88]。通过面对面半结构访谈的描述性定性方法，Patel等研究了全科医生对患者在线评论反馈的态度[89]。结果显示，大部分医生对在线评论的作用持保留态度并担心评论会影响其声誉。Moutos等研究了在线评论网站中妇产科医生如何处理负面评论来维护自己声誉[90]。通过分析行业患者满意度报告，Widmer等发现，在医患沟通互动技能方面，有较少在线评论和没有在线评论的医师的平均评级没有差异；有负面在线评论的医生在非专业技能方面得分较低；同时，负面评论会对患者总体体验、在线医生评论和医生声誉产生影响[81]。Widmer等认为，当前的评分机制总的来说并不能反映医生的真实声誉。

在关于社交媒体使用对医生或者病人影响的研究中，Skrypczak等通过分析牙齿正畸患者的负面评论内容，发现了对负面评论回复的医生拥有更高的在线评分，并给出了提高患者满意度和医生的声誉的策略[86]。Widmer等研究了医生开放社交媒体时Google上的负面在线医疗评论对医生排名的影响[67]。通过三个网站获取的在线医疗评论信息内容（包括行医地点、性别、年龄等因素），McCormick等研究了社交媒体的使用对肩肘部外科医生评分的影响[87]。同样也是通过对三个在线评论平台的医疗评论分析，Donnally等研究了外科医生人口统计相关信息（年龄）、社交媒体使用与否和患者就医前等待时间之间的关系[77]。Sama研究了患者社交媒体使用程度、患者年龄、患者所发布的等待时间与运动外科在线医生评级的关系[71]。

还有一些学者关注在线医疗评论对医生收益的影响。通过研究在线医疗评级与不同科室的医生收入之间的关系，Haffey等发现，这两者之间并没有有意义的联系，并认为医疗保健系统透明度的提高有助于了解医生的收入如何影响患者对他们所接受的治疗的感知和满意度[84]。通过网站点击次数、评论数量、医生数量、浏览单个医生信息窗口的时间和医生地理位置等因素，Shukla等利用计量经济学模型验证了这些因素对患者预约医生的影响[85]。研究还发现，在患者需求增加时，高评级的医生会获得一部分以牺牲未被评级医生的利益为代价的收益。

虽然学者们普遍认为在线医疗评论信息包含一定价值，但是，在线医疗评论信息存在评论数量累积不足、无法很好地揭示相关因素之间的关联性的问题。此外，非结构化文本存在可读性较低的质量问题，其他患者在阅读评论时会由于文本质量产生一定程度的感知偏差。医疗专业性强和患者重点关注的医疗服务角度与管理者不同，导致评论内容主要特征与官方或者商业网站所重视的医疗服务质量评价指标不相关。这些问题会导致在线医疗评论的可用性不足，在利用其辅助医疗服务决策时需要斟酌其发挥的作用。表3展示在线医疗评论信息内容特征无法较好反映相关因素特征的文献。

表3 与在线医疗评论内容特征相关性不强的研究内容

综上，学者们对在线医疗评论各类因素之间的相关性做了大量研究，涵盖了不同网站、医疗专业以及时间段的在线医疗评论，对在线医疗评论的实际作用也褒贬不一（见表4）。前文提及的文献中主要使用统计学相关的方法进行研究，小部分学者结合自然语言处理技术进行数据建模分析。在这些使用机器学习方法进行建模分析的文章中，大部分学者选择使用LDA及其拓展的机器学习模型来进行在线医疗文本主题特征挖掘。表5展示了与计算机算法结合的研究文献，以便读者清楚了解这些研究的内容。

表4 参考文献中研究的疾病类型

表5 与计算机算法相结合的在线医疗评论研究文献

随着在线评论数据量的逐渐增大，有必要研究功能更强的在线医疗评论信息挖掘与分类算法以进行精确的数据处理，为构建更完善的分析模型打下基础。其次，由于医学学科众多，慢性疾病、外科手术以及普通常见疾病（如流感）等都有各自的治疗特点，关于某种疾病的在线医疗评论的应用研究无法直接泛化到所有的医学学科。随着精益医疗管理时代的到来，未来对在线医疗评论的研究有必要细化到某一类疾病或是某种特定类型的疾病（表4列出了参考文献中涉及的疾病类型），关注不同疾病相关评论挖掘出来的主要特征，结合患者个人背景特点进行个性化医疗服务推荐。最后，对于在线医疗评论可用性的研究还存在争议。患者发布的信息反映出的特征与研究者所要验证指标相关性的强弱、复杂疾病的相关特征是否能用现有模型进行彻底关联分析，以及在线评论信息是否对某类疾病患者的医疗服务决策有实质帮助等问题都需要在未来的研究中进一步探讨。

四、在线医疗评论在医疗决策与管理中的应用研究

本节主要从在线医疗评论对患者决策、医院管理以及医疗政策制定三个方面的影响进行文献综述。首先讨论在线医疗评论影响患者进行医疗服务决策的内在机理。接着，梳理在线医疗评论对医院管理决策影响的相关研究成果，重点讨论在线医疗评论如何帮助医生更好地服务患者以及医院更好地管理医生与机构。最后，从国家政策层面介绍了学者们对利用在线医疗评论来辅助医疗政策制定从而改善医患关系等方面的研究成果。本节的内容结构如图6所示。

图6 在线医疗评论的决策应用研究结构图

（一）在线医疗评论对患者决策影响研究

对在线医疗评论内容进行挖掘分析之后，构建科学有效的决策模型对这些处理好的信息进行相关医疗服务决策是学者们较为关注的话题。

部分学者研究了影响患者进行医疗服务决策的因素以及内在机理。部分学者根据在线评论的文本特征、评级和其他相关因素研究了患者的就医选择行为。例如，通过对医院患者调查报告的实证分析，Burkle和Keegan研究了患者来访和留言频率并量化了正面评论和负面评论的效果、所写评论的性质以及医生医疗事故记录对患者选择医生的影响[117]。在研究公众对在线医生评分的认识和使用以及评分是否会影响患者选择医生后，Hanauer等发现，与患者选择医生时使用的其他标准(如从另一位医生转诊、医生经验、医院地点)相比，在线评级被认为是最不重要的因素[70]。Li和Hubner研究了患者在选择医生时是否以及如何受到在线评分的影响[82]。通过归并数据的面板Tobit模型，姜劲等研究了线上医疗评论与线下医疗信息共同对患者就医决策产生的影响，并发现线上线下的交互作用会增加患者对线上线下积极评价更多医生的选择[118]。

以上文献主要通过统计学方法来进行数据分析，还有部分学者使用机器学习方法结合统计学方法进行在线医疗评论内容的主题提取建模。通过关联挖掘算法提取在线医疗评论文本主题特征并结合情感分析技术建立随机系数患者选择模型，Xu等研究了挖掘的主题特征（对病人的态度、诊断准确性、等待时间、服务时间、保险流程、医生专业知识和办公环境）中影响医疗服务质量的因素，以及患者选择医生时所重视的特征因素之间的关联关系[75]。使用LDA进行在线医疗评论主题特征提取并结合语义特征建模，Alodadi和Zhou研究了在线医疗评论信息对患者选择医生的帮助作用[119]。基于信号理论，以专业知识、在线评论、医院简介和服务质量四个维度为框架，Ye等结合机器学习方法（包括向量空间模型，LDA以及Bi-LSTM），构建模型进行相似度匹配和情感分析，通过多准则分析（层次分析法）来衡量信号的相对重要性，最后根据汇总得分得到医生排名以帮助患者选择医生[83]。通过对在线医疗评论的特征提取与回归分析，Wan等研究了患者在网上医疗咨询平台选择医生就诊时考虑的因素以及这些因素如何影响医生的就诊量[120]。通过LDA方法进行主题提取建模，Kowalski研究了患者选择医生时的偏好以及如何增加患者就医满意度[121]。通过对美国养老机构负面在线评论的定性分析，Brereton等研究了人们对收容所健康服务所关心的因素[127]。

考虑不同类型的患者对在线评论的重视特征不同，Kilaru等使用改进的扎根理论对急诊部门的在线评论进行定量分析，研究了影响急诊患者与普通患者在选择医生时的因素差异[115]。通过挖掘与医生保持一年以上联系的患者与仅接受过几次医生治疗的患者在线评论信息，Detz等研究了与医生保持联系的时间不同的患者所重视的医疗服务特征。通过挖掘评论文本特征以及用户行为数据构建典型用户识别指标[128]。盛姝等结合主题分类体系构建用户画像概念模型，利用用户行为识别算法与主题聚类算法挖掘在线健康社区不同用户群体的需求差异[122]。Hao和Zhang使用LDA方法挖掘不同科室下我国患者的医疗评论内容特征，了解中国患者与美国患者在选择医疗服务所重视因素的差异[123]。此外，通过LDA方法提取中美两国妇产科医生在线评论的主题特征，Hao等研究了不同医疗系统中的患者所重视的医疗因素之间的差异[76]。

部分学者研究了医生参与在线评论及医生相关因素（如：医生性别）对患者选择的影响。通过对在线医疗评论进行定性与定量分析，Dunivin等发现，医生与患者性别、医生软技能（交流、态度等）以及患者体验会对患者选择医生产生一定影响[68]。基于社会交换理论模型，Deng等分析医生在网上花费的时间、精力和声誉是否会吸引更多的患者选择他们的医疗服务，以及在线医疗提供者和营销人员在网上展示哪些信息可以吸引更多的患者进行医疗服务的购买[129]。通过研究在线医生评级（包括网站点击量）与同行专家评级同时存在时对患者选择医生的影响，Kranzbuhler等发现，当同时面对两种信息时，患者受到在线评级的影响更大，但当患者评级数量较少时，这种情况就会逆转为受专家评级影响更大[130]。考虑影响医疗服务决策的内生性因素，通过构建双重差分模型，Lu和Wu研究了在线评论和渠道效应在医疗决策中的作用，并发现医生开展在线医疗服务会调节在线评论和医生门诊访问量之间的关系[131]。

此外，有学者研究了用户通过在线医疗平台选择医生的可能性。通过研究父母对医生评估网站的认识和使用，Hanauer等发现了父母利用在线医疗网站或邻居推荐为孩子选择初级保健医生的可能性[132]。通过设计在线评论网站让实验对象分别参与酒店选择决策以及医生选择决策，Rothenfluh等研究了消费者在基于网络评论进行消费服务（如选择酒店）和健康服务（如选择儿科医生) 决策时潜在的异同[116]。结果发现，尽管两类网站设计一致，消费者更加愿意通过在线信息来选择酒店，而选择医生时并不会完全依靠在线评论信息。

（二）在线医疗评论对医院管理的影响研究

学者们通过挖掘在线医疗信息的潜在价值，尝试利用此类信息帮助医疗机构管理者进行医生乃至整个机构的管理。这类研究中，学者们主要通过将在线医疗评论内容所提取出的患者重视因素与商业网站或是政府给出的医院质量评测指标进行对比研究，进而给出相应的管理建议。

通过研究医院对社交媒体的使用程度，以Facebook在线评论的再入院率为指标，Glover等衡量在线医疗评论与传统医院质量测量指标之间的关系[133]。通过对文献的回顾和统计分析，Bardach等研究了在线评论内容在反映患者评估医院与医疗系统方面的有效性[134]。通过对Yelp上的在线医疗信息使用LDA方法进行主题特征建模，Ranard等研究了患者选择医院所重视的因素与美国医疗保健提供商和系统的医院消费者评估报告(Hospital Consumer Assessment of Healthcare Providers and Systems，HCAHPS)中所重视因素的差异，为政策制定者确定对患者和护理人员最重要的医院质量指标提供借鉴[124]。

在关于医生与患者对在线医疗评论的态度的研究中，Gordon发现，医生更倾向于相信由卫生系统发布的患者体验调查，而患者更倾向于相信在独立网站上发表的评级信息，并认为更加重视在线医疗评级将有利于以患者为中心的医疗系统发展[113]。利用消费者直接评价的医院评级系统信息，Austin等研究了美国四类不同医院评级体系的差异，并发现评级由于缺乏统一性，不能很好地揭示与医院绩效相关的特征[114]。通过统计分析方法比较商业网站评级与传统的医院表现评测指标之间的关系，Bardach等发现，由于商业网站与传统医院质量评测方法所关注的领域不同，导致评级与这些医院表现评测指标无关[135]。随着医疗服务的发展，更多地关注患者在各个渠道所发表的信息有助于医院在未来的发展中快速地捕捉到患者需要。根据以上文章的结论可知，在线医疗评论在衡量医疗机构的表现方面能够发挥一定的参考价值。

（三）在线医疗评论对医患关系与政策制定的影响研究

在线医疗评论在改善医患关系、帮助医疗机构监管以及辅助国家/地区医疗政策制定上存在着以下相关研究。

首先，从改善医患关系的角度出发，通过分析网上关于医生的负面评论，Zhang等发现，负面评论可能会伤害医生声誉、增加患者对医生或医院的不满，可以通过在线评论找出患者不满的因素，探寻可能的解决方案以提高患者的满意度，改善医患关系，构建以病人为中心的医疗服务系统[136]。Lee利用在线医疗评论内容研究从哪些方面去增加患者满意度、医疗信息透明度以及改善医患关系[137]。

其次，在线医疗评论的内容主题特征对医疗政策的辅助制定具有一定价值。通过对好医生网站的在线评论进行统计分析，Hao研究了中国患者对哪些医疗专业进行评论、评论数量、医生数量以及评论极性等一系列特征，并认为通过对我国患者的全面了解有助于我国医疗政策的辅助制定[24]。对评论通过阶乘LDA进行主题提取并结合情感分析技术建模，Kool等研究卫生保健检查机构加强监督时，患者评论是否会受到感知质量(如媒体对医疗健康服务的报道)的影响，从而帮助卫生部门制定医院管理措施[92]。Wallace等研究了在线医疗评论提取的主题特征是否能改善美国州级医疗保健措施[138]。通过对医疗保健服务开放时间与Yelp上的在线评论之间的关系的研究，Tran和Lee发现，可以利用在线医疗评论帮助医疗服务管理者进行医疗服务开放时间的政策制定[139]。

此外，部分学者基于在线评论研究了公共卫生热点问题。通过对在线医疗评论对个人事件监管以及风险监管的影响研究，Van de Belt等发现，在帮助监管上，专业医疗评论网站比Twitter或Facebook上的医疗评论更有效果[125]。通过改进的LDA提取新冠肺炎流行早期的在线医疗评论内容特征，Shah等对人们当时关注的话题以及情绪变化趋势进行了研究[126]。通过对2018～2020年四个在线医疗评论网站的评论主题提取，Shah等利用动态主题建模结合情感分析方法了解了人们每年最关心的医疗问题以及情绪动态[93]。

综上，关于在线医疗评论对患者决策、医院管理以及政策制定等方面的研究，学者们主要分析了评论中包含的特征因素以及患者和医生的个人信息特点对决策的影响，仅单独从细节特征上给患者建议，缺乏系统完整的决策模型融合各类影响因素来帮助决策者进行决策。未来可以尝试通过对患者个体所重视的因素进行偏好特征学习，将患者的偏好特征融入决策模型，帮助患者选择更加合适的医生。在医院管理方面，面对我国庞大的患者群体和不均衡的医疗资源分配情况，在线医疗评论信息是否能够协助以及如何协助我国医疗机构的管理也是值得深入研究的问题。在辅助医疗政策制定方面，现有的研究不足以让医疗部门重视在线医疗评论信息的作用。未来还需加强互联网高质量医疗信息传播，让更多的医生、患者以及利益相关者参与，推动我国医疗信息系统的建设，加强中国国情下在线医疗信息对整个医疗行业影响的研究。

五、未来研究展望

作为一种新兴且易于获取的网络数字资源，在线医疗评论为患者了解所需的医疗服务信息以及协助管理者进行医疗资源的规划和配置提供了一定帮助。通过前文的综述可知，在线评论在医疗服务管理中的应用已经取得了一定的研究成果，但该方向的研究仍处于起步阶段。本节从在线医疗评论的生成行为、内容特征和决策影响等三个角度，立足中国互联网医疗的实际国情对基于在线评论的医疗服务管理理论与方法进行展望。图7展示了基于在线评论的医疗服务管理理论与方法的未来研究框架。

图7 基于在线评论的医疗服务管理未来研究方向

（一）在线医疗评论内容生成行为与感知研究展望

由于对个人隐私泄露的担忧、不熟悉在线医疗平台或不愿意浪费时间评论等原因，大部分患者在就医之后不会在医疗平台发布就医经历。在线医疗评论样本量的不足导致医疗平台无法通过大数据精确描绘患者画像，准确了解实际医疗情况。作为一种主观性强的描述性评级，医疗评论难以避免感知表达的有偏性。此外，由于专业知识的匮乏，患者对医疗服务这种专业性强的服务也难以给出精确的感知。当考虑某些故意发表虚假或带偏见信息的评论时，感知的有偏性会进一步放大。为了让更多患者发布值得信任的就医经历，让用户从网上获取更加有效的医疗信息，对在线评论内容生成行为与患者感知的深入研究十分必要。未来可尝试在以下方面进一步研究：

1.患者评论积极性与评论感知有效性。研究如何调动患者就医之后进行在线评论的积极性，以丰富在线医疗评论的数量，提高其质量，并将线上评论与线下就医流程和体验关联起来，增强评论的感知有效性，使用户通过在线平台感知医疗服务质量时能够有更多有效的参考信息，优化其就医选择行为。

2.在线医疗评论质量与虚假评论识别。在线医疗服务的高价值和高风险使得正面或负面的虚假评论信息对患者决策都会造成较大影响。因此，在线医疗平台如何吸引更多患者发布真实就医信息、避免虚假信息的发布也是值得研究的问题。

3.评论感知有偏性。在线医疗评论中患者的感知有偏性如何影响用户对评论的认知、用户在未来选择医生时如何参考这些可能带有偏见的评论、在众多非结构性文本中患者如何识别与利用带偏见的信息都是有价值的研究课题。

（二）在线医疗评论内容特征研究展望

在大数据时代，面对大量以不同形式出现在不同平台的在线医疗信息，快速准确地挖掘有价值的医疗信息并进行有效整合，对构建完善的医疗体系有重要参考价值。挖掘在线医疗评论的潜在价值离不开对评论内容特征的研究。未来可从以下方面展开在线医疗评论信息内容特征的研究：

1.数据挖掘方法。简单的数据样本分析已经无法满足“互联网+医疗健康”时代的医疗管理需求。未来的研究应与计算机技术结合，例如，使用机器学习方法进行数据挖掘，通过大数据描绘患者画像以更加清晰地了解患者需求和偏好，并精确定位患者所需要的医生。

2.多平台数据聚合利用。众多在线医疗平台的出现以及评论数据量随时间的积累变得足够庞大，由于承载信息的平台的可访问性和可依赖性对口碑有效性的影响很大，一种产品在某个特定平台的口碑传播可能会更有效[140～141]。因此，如何通过有效的方法综合多个网站的非结构化数据，从而准确获取患者的评论经验数据，探索不同的平台背景对医生口碑传播的影响程度是一项值得研究的话题。

3.用户生成内容整合。如何整合定性（情感极性，主题特征）与定量（如网站点击率，医生预约次数等）的在线医疗评论信息，并研究两类因素共同作用时对平台用户医疗决策的影响是一个有趣的研究方向。

4.关键主题挖掘。根据文献计量的关键词共现分析，未来可以尝试对图2中联系较为稀疏的主题，如choice behavior（选择行为）、latent variable modeling（潜在变量模型）、electronic health records（电子健康病历）等展开研究。

（三）在线医疗评论在医疗决策与管理中的应用研究展望

无论是对在线医疗评论的生成行为以及患者感知方面的研究，还是对在线医疗评论的主题特征挖掘和因素关联性分析，最终目的都是发挥在线医疗评论的信息价值。当决策者面对海量的在线医疗评论信息时，往往无法迅速且准确地捕捉到患者最重视的因素、不同患者的偏好以及各类影响因素的重要程度。现有文献缺乏系统完善的决策理论模型来帮助患者、医生、医疗机构以及有关部门综合各类影响因素并进行决策。在未来的研究中，如何根据在线医疗评论信息，构建合理且高效的决策模型辅助医疗决策显得十分重要。未来可以尝试从以下角度展开研究：

1.多维度下的患者偏好选择模型。不同疾病有着独特的治疗方式和治疗周期。同时，患者的知识背景对医疗决策也会产生影响。未来的研究可以考虑如何利用从海量的在线医疗评论信息中提取患者以及管理者所需要的信息，结合多属性决策方法，构建决策模型，从多个维度分析患者的偏好选择，从而深入研究在线医疗评论对患者就医选择的影响。

2.医院管理。对医院而言，在线医疗评论对医生管理以及医院内部的医疗资源配置具有重要作用，有助于医生专业和综合素质的提高以及患者就医满意度的提高。医院可以建立自己的医疗评论网站，加强网络医疗信息的监督，增加患者对医生和医院的信任度。

3.新兴医疗相关领域。新兴医疗相关领域的探索也是值得研究的话题。如通过旅游对疾病进行治疗的疗养型旅游是一种结合旅游与医疗的新兴产业[91]。未来可以挖掘医疗旅游者所重视的旅游和医疗两方面的因素，辅助进行旅游目的地决策以提高疗养的品质和舒适度。

（四）立足中国国情的在线医疗评论应用研究展望

相较于欧美学者而言，中国学者对在线医疗评论的研究深度和实际应用还略显不足，在线医疗评论在中国的具体应用还不多见。当前中国正大力推进互联网医疗的发展以优化从寻医、预约挂号、个性化诊疗、智能结算到医疗保险报销等一系列流程，推动各类患者利用互联网寻医问药，改善线下医疗服务资源配置不合理、患者排队时间长等问题。基于在线评论的医疗服务管理对完善我国医疗体系，让更多医疗研究成果惠及大众具有一定作用。中国学者们未来仍需要从以下方面加大对在线医疗信息的利用和研究：

1.医患关系。在“互联网+医疗”的背景下，国家鼓励医疗系统信息化、智能化。在加强医疗信息流动性的同时，面对庞大的互联网医疗信息，研究如何利用在线评论信息减少医疗信息不对称所造成的医疗资源浪费，完善分级诊疗制度，进而改善医患关系。

2.医疗信息系统。我国的在线医疗平台发展良好，在线医疗评论来源稳定可靠。学者们将有更多机会来整合这些资源，研究如何推动在线医疗信息的利用，发展我国医疗服务信息系统。

3.医疗政策辅助制定。在线医疗评论如何有效协助相关部门制定医疗政策是一个重要的研究话题。可以考虑从我国患者年龄结构、患者与医疗资源的地区分布以及特殊医患关系等角度作为切入点展开研究。

六、总结

在线医疗评论对帮助管理者进行医疗资源的调配与管理、帮助患者选择合适的医生、提高患者就医满意度、改善医患关系，以及辅助政府部门制定合理的医疗政策等方面具有重要作用。本文通过对在线医疗评论相关的文献进行分析，展示了该领域学者最关注的研究问题与研究前沿，以及中国学者在该领域的研究状况。此外，从在线医疗评论生成行为及患者感知、在线医疗评论内容特征以及相关因素的关联性，以及在线医疗评论在医疗决策与管理中的应用等三个方面，对在线医疗评论相关研究进行了综述。本文的研究有助于读者了解该领域的研究前沿与热点，厘清现有研究中的不足之处以及可以继续深化研究的方向，并给出了未来可以与该领域结合开展交叉研究的方向。

本文还存在可以继续深入研究与完善的方面。在数据获取方面，文章使用的检索策略限制了文献搜索范围，可能会漏掉一些与该领域内容密切相关但又不包含某个检索词的文献，如User generated content(UGC)。由于现有的UGC相关研究文献主要利用在线评论文本特征、评级以及网站点击量等用户通过网络活动生成的数据信息开展研究，因此，通过引言中的检索表达式，本文能够在一定程度上检索到包含UGC的相关研究文献，但仍有可能存在相关研究文献的遗漏。此外，本研究根据期刊、发表时间以及文献质量对搜集的文献进行了手动筛选，仅挑选了具有代表性的文章，这使得本文只能够在一定程度上反映该领域当前的研究进展。最后，本文仅对参考文献的研究方法与内容进行了概述，缺乏对文献中方法和应用细节的讨论。

注释

① http://www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/202102/t20210203_71361.htm.

② https://www.softwareadvice.com/resources/howpatients-use-online-reviews/.

③ http://www.gov.cn/zhengce/content/2018-04/28/content_5286645.htm.

④ 为便于理解和区分，除非特殊说明，本文提到的“患者”指已体验过医疗服务并通过在线平台发布就医经历的个体；平台用户指使用在线医疗信息平台的用户，这些用户可能是患者或患者家属，也可能是医生。本文讨论的医疗服务管理主要指有过就医经历的患者发布的医疗评论对平台用户医疗决策行为的影响。