突发公共卫生事件下互联网医疗健康发展与监管制度创新研究

王俊豪，张宇力，单芬霞

(1.浙江财经大学中国政府管制研究院，浙江 杭州 310018；2.南开大学经济学院，天津 300071；3.浙江财经大学-中国社会科学院大学浙江研究院，浙江 杭州 310018)

一、问题的提出

突发公共卫生事件会严重影响大众生活。例如，2020年暴发的新冠肺炎疫情导致人们就医等生活方式发生巨大变化。在提倡减少人与人之间直接接触的同时，政府也面临日益增加的医疗需求。近年来，互联网医疗因方便快捷、影响范围广等特点能较好地作为传统医疗的补充(尤其是新冠肺炎疫情期间)，在满足患者医疗需求、缓解医院服务压力等方面发挥了积极作用并呈现爆发式增长趋势。根据中国互联网络信息中心发布的第49次《中国互联网络发展状况统计报告》，截至2021年12月，我国互联网医疗用户规模达2.98亿，占网民群体的28.9%。

继2018年《互联网诊疗管理办法(试行)》(国卫医发〔2018〕25号)等3个文件发布后，政府有关部门结合新冠肺炎疫情防控的现实需要，自2020年以来陆续出台一系列互联网医疗的相关政策，深入规范互联网医疗行为。国家卫生健康委员会发布《关于进一步推动互联网医疗服务发展和规范管理的通知》(国卫办医函〔2020〕330号)等文件，并在2021年10月关于《互联网诊疗监管细则(征求意见稿)》向社会公开征求意见，内容涵盖人员监管、业务监管、质量安全监管等多个方面。国家医疗保障局等部门相继发布《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》(国医保电〔2020〕10号)等文件，强化“互联网+”医疗服务监管措施。可见，疫情影响下的互联网医疗需求迅猛增加，政府部门高度重视互联网医疗的发展状况和监管问题。

本文的主要贡献在于：(1)在突发公共卫生事件的背景下，针对互联网医疗需求的快速增加，深入研究互联网医疗健康发展问题；(2)运用信号传递博弈模型和中国家庭追踪调查(CFPS)面板数据，探究互联网医疗信息与医患信任度之间的关系，并将政府监管强度、患者信息甄别能力等因素纳入统一分析框架，为互联网医疗监管制度创新提供依据；(3)从法律制度、监管机制、监管方式、社会监督等方面提出创新互联网医疗监管制度的政策建议。

二、理论分析与假设提出

(一)相关文献梳理

信息在医疗市场中尤为重要，个体信息认知影响居民对医疗卫生的需求和使用。在传统医疗中，过往研究发现由于医患双方的信息不对称性，最终极有可能产生医疗服务风险，而且患者的信息认知越少，医生就越容易实施诱导需求。这能合理解释近年来医患矛盾加剧的现象，由于“信息缺失”导致患者对医生的信任度(即医患信任度)降低。随着互联网作为一种新型传播媒介高速发展，互联网医疗乘势兴起并致力于解决医疗资源供需问题。2020年新冠肺炎疫情暴发后，互联网医疗扮演了重要角色，运用数字技术加强医疗信息的传播和沟通，较好地缓解突发公共卫生事件对医疗等密切接触型服务业的冲击。但与传统医疗相比，互联网医疗传递的医疗信息能否促进医患信任是一个必须正视的重要问题。

信息经济学指出信息不对称容易导致“道德风险”问题。在较为成熟的互联网经济中，为尽量降低风险往往已配套严格的监管措施，只需进一步明确互联网平台信息质量监管的规范性和合理性。而对存在严重信息不对称的互联网医疗来说，我国互联网医疗的监管呈现明显的滞后性。互联网医疗信息质量水平体现在能否给出准确的诊断及治疗方案，因而网络口碑极其重要，反映了加强互联网医疗信息质量监管的必要性。目前，我国的互联网医疗发展尚不成熟，相应的监管机制不健全。特别是在互联网促进医疗资源可及性和社会老龄化增加医疗资源需求的现实情况下，医疗行业“供方诱导需求”的问题更加严重，导致平台披露的医疗信息可靠性和患者对医生的信任度都较低。其根本原因在于信息结构不良、信息质量监管模式落后等，亟需完善互联网医疗监管相关立法，明确医生资格认定和服务行为等方面的监管。可见，如果互联网医疗信息的监管缺失，就不能有效保障互联网医疗信息的准确性，进而导致互联网医疗难以有序健康发展。

王有强等(2020)通过比较医疗服务供给的不同发展阶段，发现在复杂的社会网络中，互联网医疗的声誉存在较大的不确定性。互联网的使用在一定程度上解决了患方的“医疗信息缺失”问题，但“信息虚假”现象也导致患者信任度不高。在互联网日益普及的背景下，患者往往先利用互联网查询医疗信息，了解自己的病情和相关的疾病知识，再选择合适的诊疗方式。信息资源过剩使信息供给超过需求，造成选择和利用上的困难，这也是互联网医疗发展中出现的新问题。对互联网医疗来说，若平台不能有效筛选医疗信息，患者对互联网医疗信息的准确性难以辨别，使用风险极高。与传统媒介相比，互联网用户身份信息隐匿，政府有关部门对互联网信息的审核不严，平台一旦发生互联网医疗信息的规范缺失现象，就会增加患者对互联网医疗信息的担忧并降低其信任度。因此，本文提出如下的假设1：由于对互联网医疗信息的监管缺失，互联网医疗难以提高医患信任度。

(二)信号传递博弈分析

与传统的线下医疗相比，互联网医疗涉及的参与主体更多，其中较为重要的是互联网医疗平台在医生与患者之间的中介作用。由于互联网医疗供需双方存在严重的信息不对称，本文构建互联网医疗信息质量的信号传递博弈模型，系统分析互联网医疗涉及的主体间关系。

1.模型的基本假设。对患者来说，医生通过平台向患者提供互联网医疗信息，因此可将主体关系简化为互联网医疗信息的供给方和需求方两个参与主体，医生和平台代表供给方，有诊疗需求的患者则代表需求方。

(2)需求方。由于医疗信息专业性强，互联网医疗的双方主体间存在严重的信息不对称，患者处于信息劣势地位，只能根据医生或平台传递的信息质量信号及自身经验做出判断。患者判断其为真实信息的概率为()=，则虚假信息的概率为()=1-。为获取互联网医疗信息，患者需支付价格，真实的医疗信息价格大于虚假的医疗信息价格。作为理性人，患者追求效用最大化，互联网医疗信息真实程度越高，则其获得的效用()也越大，即()>()。在理性人的假设下，患者的效用函数也可代表其对相应医疗信息的支付意愿，因此()>和()>分别表示患者对真实或虚假的互联网医疗信息的支付意愿大于其市场价格或)。

(3)其他因素。从现实情况来看，提供信息的医生和发布信息的平台都尤为关键，医生和平台存在合谋欺骗的动机，因此需限制互联网医疗信息供给方的行为，而这往往来源于政府监管及患者举报，所以本文对监管强度和患者信息甄别能力等因素做出假设。

一旦虚假信息被监管部门发现，则信息供给方会受到相应的惩罚(代表监管强度，其总成本随之增加。信息虚假程度越高，惩罚力度越大，意味着监管强度越强。如果供给方的虚假信息未被发现，则获得投机收益。而对诚信的医生或平台来说，真实信息有助于提高声誉，构建医患信任关系，从中得到收益。此外，患者接收到伪装的互联网医疗信息质量信号后，识破信息供给方虚假欺骗的概率为(0<<1，表示患者的信息甄别能力)。

2博弈均衡分析。在上述假设的基础上，互联网医疗信息供给方(医生或平台)将提供质量为的信息并向患者传递信号，需求方(患者)接收信号后则形成自身预期()。信息质量被识别后，将分别对诚信和虚假的医生或平台实施奖励和惩罚。

当供给方选择传递信号时，无论其信息真实或虚假，都将以真实互联网医疗信息的价格获取收益。但虚假互联网医疗信息供给方的欺骗行为一旦被识破，就会受到惩罚；相反地，诚信行为将获得来自声誉的额外收益。当供给方选择不传递信号时，患者难以辨别互联网医疗信息的真伪，只能基于现有信息做出主观判断。此时，供给方若想达成交易，市场价格和都不能高于患者的期望支付意愿()+(1-)()，否则交易失败将导致收益为0，所以选择不传递信号时的最大收益可由患者的期望支付意愿表示。

因此，对提供真实互联网医疗信息的供给方来说，选择传递信号时的最大期望收益为-(,)+，选择不传递信号时的最大期望收益为()+(1-)()。而对提供虚假互联网医疗信息的供给方来说，选择传递信号时的最大期望收益为-(,)-+(1-)，选择不传递信号时的最大期望收益为()+(1-)()。

真实和虚假的互联网医疗信息供给方的期望收益等式分别为：

-(,)+=()+(1-)()

(1)

-(,)-+(1-)=()+(1-)()

(2)

根据式(1)和(2)，可求得如下的关系：

=(,)-+[()+(1-)()]

(3)

=(-[()+(1-)()]-(,)+)(+)

(4)

可知，在满足式(3)和(4)的条件下，无论真实的还是虚假的互联网医疗信息供给方，均随机选择传递信号或不传递信号(即分离均衡的临界条件)。在通常情况下，为赢得声誉并占据大部分市场份额，真实信息供给方往往倾向于选择如实地传递信息质量信号，否则无法得到患者的完全信任，容易被市场淘汰。当>(,)-+[()+(1-)()]时，基于诚信获得的额外收益能弥补信号传递的成本，真实信息供给方更有动力向患者传递互联网医疗信息质量信号。因此，真实信息供给方选择不传递信号属于非理性行为，下文的分析均在“真实信息供给方全部选择传递信号”的基础上展开。

这里，分离均衡是指达到供给方均有动机提供真实的信息质量信号的状态。提供真实互联网医疗信息的供给方选择传递信号，提供虚假互联网医疗信息的供给方选择不传递信号，从而患者可通过信号准确判断信息质量，缓解医患间信息不对称问题。否则，患者在接收信号传递的同时，有可能遇到供给方的虚假欺骗行为而影响其对医生的信任程度。因此，互联网医疗市场达到分离均衡有助于提高医患信任度，否则会降低。综上所述，本文提出如下的假设2：加强互联网医疗信息监管强度，有助于提高医患信任度；假设3：若提高患者的信息甄别能力，则互联网医疗的使用有助于提高医患信任度。

三、研究设计

(一)数据来源

本文使用的样本数据来源于中国家庭追踪调查(CFPS)的成人个体自答问卷数据。该数据两年追踪调查一次，旨在通过对全国代表性样本的追踪调查来反映经济发展和社会变迁情况，其中重点关注主题包括网络、医疗健康等。因2012年及之前的CFPS问卷缺少网络模块数据且2012年之后互联网医疗的认知度才开始广泛形成，故本文选取新冠肺炎疫情暴发前后的2014—2020年全国调查数据进行实证分析，以说明互联网医疗信息的规范监管问题，为突发公共卫生事件下互联网医疗健康发展及监管创新提供依据。整体样本量丰富，覆盖全国31个省份(省、直辖市、自治区)，而且CFPS的成人个体自答问卷包含互联网信息重要性、对医生信任度、健康水平等多方面的详细调查，与本文研究目的相一致。

(二)变量说明与模型设定

1.变量说明

=-

(5)

(2)核心解释变量。借鉴刘宸和周向红(2017)的思路，本文将CFPS的问卷中“互联网对你获取信息的重要性”问题的回答作为核心解释变量互联网医疗信息()的代理变量，其合理性主要在于：第一，相比于其他类型的互联网信息，互联网医疗信息存在相对更为严重的信息不对称问题，对一般家庭来说，互联网信息在医疗方面更重要；第二，互联网的使用是获取互联网医疗信息的基础，在互联网医疗不断发展和人民对健康管理及生活质量逐渐重视的背景下，个体如果主观认为互联网对获取信息来说较为重要，则其对互联网医疗信息的需求也会增加。

(3)控制变量。综合现有研究发现，区域、人口特征等因素影响不同人群对互联网医疗信息的应用能力，而个体在实际使用过程中的主观态度、感知收益及风险则直接影响其对互联网医疗的使用意愿和对医生的信任度。因此，本文从个体、经济和社会等多方面考虑可能影响医患信任度的一系列控制变量。个体因素包括性别()、年龄()、健康水平()和健康水平变化()，其中健康水平()以CFPS的问卷中“自评健康水平”衡量；经济因素为医疗保险购买情况，具体包括是否购买医疗保险(_)和医疗保险数量(_)两方面；社会因素包括就医机构选择()、就医满意度()、当地医疗水平()、生活满意度()和主观信任倾向()。

2模型设定。本文探讨互联网医疗信息对医患信任度的影响效应，由于被解释变量属于分类离散变量且数据为2014—2020年的面板数据，因此选用面板有序Logit模型来探究不同的互联网医疗信息获取程度对医患信任度的影响，基准回归模型表示如下：

=++++

(6)

(三)数据预处理与描述性统计

1数据预处理。根据研究所需而选择CFPS的成人个体自答问卷数据，然后对该数据进行预处理。首先，删除所有变量中存在缺失值或问题值的样本；其次，由于年龄过小或过大时，生活事务一般由家庭成年人代理，所以仅考虑年龄18—65岁的成人个体；最后，对面板数据做平衡处理并形成2014—2020年的平衡面板数据，共获取39324个有效样本。

2描述性统计。表1报告了样本分布情况，以“互联网医疗信息重要性是否大于3”作为样本分类标准，观察样本分布情况后发现互联网医疗信息重要性呈逐年整体上升趋势，认为互联网医疗信息重要性较高的个体数由2014年的3871个增至2020年的7408个，共计22557个观测值(约占总样本的5736)。表2的描述性统计结果显示，绝对医患信任度()的平均值为6814、中位数为6000，相对医患信任度()的平均值为4717、中位数为4000，互联网医疗信息()的平均值为2885、中位数为3000，说明目前大部分个体认为互联网医疗信息的重要性较高，但对医生的信任度较低。

表1 样本分布情况

表2 描述性统计结果(N=39324)

四、实证结果及分析

(一)影响效应分析

1.基准回归结果。本文以面板有序Logit模型实证研究互联网医疗信息对医患信任度的影响效应(结果如表3所示)。在表3中，列(1)仅加入控制变量，列(2)控制年份固定效应、未控制地区固定效应，列(3)控制地区固定效应、未控制年份固定效应，列(4)控制年份固定效应和地区固定效应。可见，互联网医疗信息在1%的显著性水平上负向影响医患信任度，由此验证了假设1。

随着互联网医疗的不断发展，不同年份中社会民众对互联网医疗信息的关注度有所变化，且对发展程度、经济水平等社会条件存在较大差别的东中西部地区来说，互联网医疗信息对医患信任度的影响具有差异性，因此对年份和地区均控制固定效应更为合理。同时，比较模型的显著性检验值后，发现选择年份和地区均控制固定效应的模型较优，所以后续的进一步分析均采用该模型。

相关研究结果表明，伴随互联网医疗日渐深入百姓生活，虚假的互联网医疗信息会加剧医患矛盾，难以解决医患信息不对称的问题。目前，即使越来越多的人开始接触互联网医疗，但互联网医疗信息仍具有高度的不确定性，虚假信息时常干扰患者筛选，在风险感知的影响下医患信任度并不能得到提升。这些都是阻碍互联网医疗良性发展的关键问题，亟需有效监管互联网医疗信息。若缺乏有效监管，互联网医疗信息的可靠性将备受质疑。

从表3中列(4)的回归结果来看，在控制变量方面，性别、健康水平等在至少5%的显著性水平上负向影响医患信任度，是否购买医疗保险、就医满意度、生活满意度、主观信任倾向等在至少5%的显著性水平上正向影响医患信任度，这些结果与社会现实基本相符。

表3 互联网医疗信息对医患信任度的影响效应(N=39324)

2.调节效应分析。进一步地，为检验监管强度差异和患者信息甄别能力差异的调节效应，我们构建如下的模型：

=++*++++

(7)

其中，表示调节变量(包括监管强度差异()和患者信息甄别能力差异())，*表示核心解释变量与调节变量的交互项，其余变量的含义与式(6)相同。

(1)监管强度差异()的调节效应。在不同的互联网医疗监管强度下，患者对互联网医疗平台及相关医生的信任度不同。由于本文使用的是2014—2020年CFPS数据，故根据互联网医疗行业报告及各地卫健委的公开资料，选择各地2020年及其之前“是否已运营互联网医疗服务并建立互联网医疗监管平台”作为互联网医疗监管强度的衡量标准，在此基础上分析监管强度差异在互联网医疗信息与医患信任度之间关系的调节效应。表4的列(1)显示，监管强度调节效应的系数在10%的水平上显著为正，说明在监管缺失的情况下患者容易接收到虚假的互联网医疗信息，难以建立其对医生的信任，但逐步加强互联网医疗信息监管时，有助于患者获取真实有效的互联网医疗信息，从而提高医患信任度，由此验证了假设2。

表4 调节效应的回归结果(N=39324)

(二)稳健性检验

为加强模型和结论的可靠性，本文采用多种方式进行如下的稳健性检验。

1更换被解释变量。以绝对医患信任度()与一般信任度()的差值表示校正差异后的相对医患信任度()，重新衡量被解释变量。从表5的结果可知，在控制其他控制变量和固定效应后，互联网医疗信息对医患信任度的影响仍在1的水平上显著为负，从而验证了结论的稳健性。

2.更换回归模型。从表5的回归结果可以发现，更换面板有序Probit模型进行稳健性检验时，在控制其他控制变量及年份和地区固定效应后，互联网医疗信息对医患信任度的影响仍在1%的水平上显著为负，因此更换回归模型后，核心变量的回归结果及显著性与替换前基本保持一致，从而本文结论的稳健性得到检验。

3.随机抽样检验。进一步地，对原有样本分别进行随机抽样80%和90%，重新估计互联网医疗信息对医患信任度的影响效应。从表5的结果可知，在随机抽样80%和90%的情况下，并控制其他控制变量和固定效应，互联网医疗信息对医患信任度的影响分别在5%和1%的水平上显著为负，这与前文的结论基本保持一致，因此本文的研究结论具有稳健性。

表5 稳健性检验结果

(三)内生性讨论

为防止模型存在遗漏变量或互为因果等内生性问题，本文进一步采用工具变量法检验实证结果。首先，使用“社区内(除自身外)互联网医疗信息重要程度人均值”作为工具变量，重新估计互联网医疗信息对医患信任度的影响。结果显示，社区内(除自身外)互联网医疗信息重要程度人均值显著影响个体互联网医疗信息的重要性，但并不直接影响该个体的医患信任度。从表6的结果可知，在第一阶段回归中，所在社区人均值()的系数在1%的水平上显著为正，说明二者具有显著的正向关系；而在第二阶段回归中，互联网医疗信息()对医患信任度()的影响系数显著为负。其次，借鉴Anderson和Hsiao(1981)的思路(简称AH模型)，本文将核心解释变量的滞后一期作为工具变量，应用2SLS估计参数。结果显示，第一阶段互联网医疗信息滞后一期(-1)的系数在1%的水平上显著为正，第二阶段互联网医疗信息()的系数在1%的水平上显著为负。两种方法的结果均与前文保持一致，说明研究结论在克服可能的内生性问题后依然成立。

表6 内生性检验结果

五、结论与政策建议

在突发公共卫生事件背景下，本文运用信号传递博弈模型并基于2014—2020年中国家庭追踪调查(CFPS)的微观面板数据构建面板有序Logit模型，分析互联网医疗信息对医患信任度的影响效应，得到如下结论：(1)在目前我国互联网医疗监管不到位的情况下，互联网医疗的使用难以改善医患关系，而加强互联网医疗监管有助于提高医患信任度；(2)若患者提高自身的信息甄别能力，则互联网医疗的使用有助于提高医患信任度。据此，本文提出以下的创新互联网医疗监管制度的政策建议：

1.完善互联网医疗法律制度。作为监管主体，政府在制度的设定和执行等方面承担主要责任，而完善配套的互联网医疗监管法律制度是提高政府对互联网医疗监管强度的保障。2020年以来，结合疫情防控中互联网医疗运营的现实情况，我国已陆续出台多项互联网医疗管理制度，尤其是2021年国家卫生健康委员会发布的《互联网诊疗监管细则(征求意见稿)》对医疗人员、业务质量等方面提出了监管要求。但目前实施效果较为有限，因此需从法律制度层面不断完善监管制度，推动互联网医疗有序健康发展。在明确医疗机构、互联网医疗平台等相关主体职责的基础上，既要加强互联网医疗信息的准入监管，严格审查医生和网络平台资质，又要高标准地审核公开发布的互联网医疗信息，提高信息的真实性和可靠性。

2.健全互联网医疗监管机制。一方面，政府部门应加强自上而下的严格监管，全方位规范互联网医疗行业的主体行为。建立独立、专业的互联网医疗监管机构，提高行业准入门槛，要求传播互联网医疗信息的医疗人员和网络平台在合理范围内披露信息，促使医疗信息供给方诚信交易。另一方面，健全自下而上的互联网医疗监管机制。在完善互联网医疗信息实时反馈机制的条件下，患者的监督能以较低的成本及时反馈不良信息，从而筛选出可靠的互联网医疗信息。由此，既从声誉角度激励了互联网医疗信息供给方，又能帮助患者判断接收信息的质量，逐渐具备较强的信息甄别能力，以高效利用互联网医疗信息。

3.创新互联网医疗监管方式。改变过去以处罚为主的监管方式，合理运用激励相容的监管措施，适当设定分级奖励标准和惩罚标准，对互联网医疗中的违规违法行为兼顾劝诫、通报、严肃处罚等多层次监管方式并落实黑名单制度，激励互联网医疗平台及在线医生规范问诊行为，以提高监管效率。此外，有效运用数字化监管手段，实现互联网医疗监管信息共享。目前，全国大部分省份均已建立省级互联网医疗服务监管平台，但为防止形同虚设，需基于已有的互联网医疗服务监管平台，在合理范围内通过互联网技术共享监管信息，使互联网医疗全流程得以监管。同时，在监管过程中要根据共享信息不断调整监管标准，以适应不同阶段需求，必要时应实行差异化监管。

4.有效运用社会监督体系。完善互联网医疗监管制度不仅要求政府部门加强监管，也需要社会主体参与监督。由于医疗信息专业性强，普通群众并非能完全理解，所以更难以辨别信息的真假。而作为社会主体的医疗行业组织能较好地发挥其应有作用，弥补监管漏洞，在互联网医疗监管中占据重要地位。行业组织一般在行业内具有较强的影响力，作为政府监管的补充可定期审查互联网医疗平台提供的医疗信息，帮助患者有效甄别互联网医疗信息质量，提高群众对互联网医疗的可信度。此外，通信技术的发达为社会舆论传播提供了便利，各种社交平台有助于社会公众曝光互联网医疗的虚假欺骗问题，使社会舆论成为监管的重要力量。加之互联网时代负面舆论的传播速度快，对相关主体的声誉影响较大，能有效起到监管作用。