突发公共卫生事件中应急医疗机构间信息共享策略的演化博弈研究

陈泽琦，沈洪洲,2，居 玥

（1.南京邮电大学 管理学院，江苏 南京 210003；2.南京邮电大学 信息产业融合创新与应急管理研究中心，江苏 南京 210003）

0 引言

2019 年底新冠疫情爆发，逐渐成为影响全球的突发公共卫生事件。在我国新冠疫情的应对过程中，以各级各类医院为中坚力量的应急医疗机构在病例诊断与救治、疫情预防与控制、疾病研究与分析等方面发挥着极其重要的作用。实现应急医疗机构间疫情信息的充分共享，是提升突发公共卫生事件整体应对效率的重要基础[1]。然而，当前我国部分应急医疗机构在疫情信息的共享过程中暴露出不少问题，包括信息共享手段不足、意识不够、意愿不强等，从而导致出现诸如医院承载能力超出极限、医疗物资分配不合理等现象[2]。因此，突发公共卫生事件中如何促进应急医疗机构实现充分的信息共享依然值得深入研究。

突发事件应急管理是一项复杂的系统工程，也是一项综合性的管理工作，需要许多应急机构共同参与合作[3]。机构间各类信息的交互共享是串联应急管理工作的纽带，能够帮助提升应急管理的综合效果，并形成支撑突发事件应对能力的知识体系[4]。信息的充分共享可以降低机构的信息搜索成本，促进资源互补从而发挥集成效应[5]，同时能够提高应急响应的整体效率和效果，会对机构间的协作工作产生积极影响[6]。相反，若机构间缺乏充分的信息共享和协同，将对机构间的联合应急响应造成负面的影响[7]。

突发公共卫生事件属于突发事件的一种，其中应急医疗机构对患者的救治过程复杂，涉及的人员和物资众多；同时，诊断、救治及后续病情跟踪等都是复杂而长期的工作，需要妥善收集、存储和更新相关的医学信息。因此，突发公共卫生事件中的应急医疗机构对于信息共享有着更高的要求，涉及患者信息、病征信息、医嘱和护嘱以及用药信息等[8]。这些信息的充分共享有助于促进应急医疗机构间的合作和互助，从而尽快形成最佳的治疗方案和科学的防控措施。为此，不少研究者都特别关注应急医疗机构的信息化基础设施建设，提出要加强支持信息共享的设备和系统的使用力度和范围，构建统一的信息化网络平台，强调各医疗机构信息系统的交互性和整合度，提升事件中医疗机构接诊效率和临床治疗能力[9-10]。阮云杰等人还指出应通过建立统一的技术标准，解决应急医疗机构之间协作效率不高、上下联动不到位的问题[11]。马家奇则提出要制定一体化的应急信息管理服务体系和工作机制，从而在公共卫生事件发生后快速形成统一的应急响应体系[12]。

突发公共卫生事件往往持续时间较长，各种主客观因素会伴随事件的发展而变化，进而动态地影响应急医疗机构的信息共享决策。应急医疗机构在面临信息共享时往往存在两难的选择：一方面，积极参与信息共享可以促进信息交互，提升事件应对效率；另一方面，不参与信息共享可以减少资源投入，降低信息泄漏风险。可见，应急医疗机构的信息共享决策需要通过博弈的方式充分地权衡利弊。因此，应急医疗机构对于信息共享的意愿及行动充满了不确定性，提升机构的信息化水平或构建信息共享平台仅仅是第一步，非常有必要基于动态的视角研究应急医疗机构参与信息共享决策的演化过程。演化博弈的方法已被不少学者用于研究例如突发事件中的多方应急合作治理行为[13-14]，政府与社会组织间的应急合作和监管关系[15-16]，政府、企业和公众之间的应急决策互动[17-18]等主题。有鉴于此，本研究采用演化博弈的方法，以动态视角剖析突发公共卫生事件中应急医疗机构参与信息共享的决策情境，通过博弈模型推导和数值仿真分析，探寻影响应急医疗机构参与信息共享的意愿及决策的关键因素，并透视其动态影响过程。基于研究发现，进一步提出促进应急医疗机构积极参与信息共享的建议，以提升应急医疗机构在突发公共卫生事件中的整体应对效率。

1 模型构建与分析

1.1 模型与假设描述

突发公共卫生事件处置过程中，应急医疗机构作为应急主体，在信息共享过程中的行为和意愿将对事件的应对产生重大影响。本章通过构建突发公共卫生事件中应急医疗机构间信息共享的演化博弈模型，建立基于多种影响因素的复制动态方程，探究应急医疗机构在信息共享活动中的博弈策略，并进一步分析可能存在的演化博弈决策结果。

假设1：博弈双方主体。博弈主体为突发公共卫生事件中的应急医疗机构，博弈双方分别是任意两个应急医疗机构，其在信息共享时扮演的角色不同，具体划分为信息提供方i 和信息接收方j。

假设2：有限理性假设。参与博弈的应急医疗机构均是有限理性的参与人，可以根据博弈结果在后期对信息共享决策做出调整。

假设3：策略选择空间。参与博弈的应急医疗机构的策略空间为“参与”或“不参与”，即为使得自身利益最大化，应急医疗机构存在两种策略选择：参与信息共享或不参与信息共享。

假设4：行为策略采用比例。信息提供方i 中选择参与信息共享的机构比例为x（0≤x≤1），则选择不参与的机构比例为1-x；信息需求方j 中选择参与信息共享的比例为y（0≤y≤1），则选择不参与的机构比例为1-y。

1.2 参数定义与收益矩阵

基于上述假设，表1 给出了演化博弈模型所需的参数及其含义。

表1 参数符号及含义

表1 中，当双方医疗机构共同参与信息共享时，每个机构所产生的收益均比不参与时大[19]，此时每个机构所获得的额外收益称为溢出收益。溢出收益与对方机构在信息共享方面投入的努力有关[20]。

根据参数含义将影响应急医疗机构参与信息共享决策行为的因素分为成本类和收益类。其中，成本类影响因素包括基础成本（ci或 cj）、风险成本（rci或rcj）、问责成本（pci或pcj）；收益类影响因素包括基础收益（wi或wj）、补贴收益（gci或gcj）、溢出收益（vcj或vci）。建立如表2 所示的应急医疗机构演化博弈收益矩阵，其中：成本类影响因素在数值上体现为负，收益类影响因素在数值上体现为正。

表2 应急医疗机构演化博弈收益矩阵

1.3 复制动态方程

依据表2 中的收益矩阵，信息提供方i 参与信息共享时的期望收益Ei1、不参与信息共享时的期望收益Ei2、平均期望收益Ei可分别表示为：

1.4 均衡点稳定性分析与解释

根据模型分析与计算所得到的均衡点不一定是满足条件的系统演化稳定策略（Evolutionarily Stable Strategy，ESS），需要使用系统的雅可比矩阵的局部稳定性分析进行进一步判断。其中雅可比矩阵J 由复制动态方程组求偏导数所得：

根据雅可比矩阵方法，当复制动态方程的均衡点满足以下两点时，该均衡点就是演化稳定策略：

（1）a11+a22＜0（迹条件，记为trJ）；

其中：

表3 演化稳定策略

根据表3 可知，其余四个均衡点均符合条件，属于演化稳定策略，且每个均衡点对应不同情形。现对四种情形进行解释，并根据每种情形的特点冠以不同的名称：

情形1：当（1+r-g-p）ci＞wi,（1+r-g-p）cj＞wj时，表明双方应急医疗机构通过信息共享获得的基础收益与补贴收益之和小于所承担的基础成本、风险成本与问责成本之和，即双方的总收益均小于总成本。因此，双方均选择不参与信息共享，演化博弈的稳定策略为（0,0），该情形可被定义为“均不参与型”。

情形2：当（1+r-g-p）ci＞wi+vcj,（1+r-g-p）cj＜wj时，表明信息提供方i 通过信息共享获得的基础收益、补贴收益与溢出收益之和小于所承担的基础成本、风险成本与问责成本之和，而信息接收方j 通过信息共享获得的基础收益与补贴收益之和大于所承担的基础成本、风险成本与问责成本之和。即信息提供方i 的总收益小于总成本，参与信息共享会带来损失，而信息接收方j 的总收益大于总成本，参与信息共享会获得更多的价值。因此，信息提供方i 选择不参与信息共享，信息接收方j 选择参与信息共享，演化博弈的稳定策略为（0,1），该情形可被定义为“收方参与型”；

情形3：当（1+r-g-p）ci＜wi,（1+r-g-p）cj＜wj+vci时，表明信息提供方i 通过信息共享获得的基础收益与补贴收益之和大于所承担的基础成本、风险成本与问责成本之和，而信息接收方j 通过信息共享获得的基础收益、补贴收益与溢出收益之和小于所承担的基础成本、风险成本与问责成本之和。即信息提供方i 的总收益大于总成本，参与信息共享活动会获得更多的价值，而信息接收方j 的总收益小于总成本，参与信息共享会带来损失。因此，信息提供方i 选择参与信息共享，信息接收方j 选择不参与信息共享，演化博弈的稳定策略为（1,0），该情形可被定义为“供方参与型”；

情形4：当（1+r-g-p）ci＜wi+vcj，（1+r-g-p）cj＜wj+vci时，表明双方应急医疗机构通过信息共享获得的基础收益、补贴收益与溢出收益之和大于所承担的基础成本、风险成本与问责成本之和，即双方的总收益均大于总成本，参与信息共享会获得更多的价值。因此，双方医疗机构均选择参与信息共享，演化博弈的稳定策略为（1,1），该情形可被定义为“共同参与型”。

2 数值仿真分析

2.1 不同情形条件下的数值分析

基于上述四种演化稳定策略对应的情形，本部分研究通过为各影响因素带入具体的数值，对不同演化稳定策略进行仿真分析，检验其是否符合现实情境，并结合演化示意图（如图1 所示）解读不同情形下应急医疗机构信息共享意愿的演变过程。图1 中纵轴表示参与信息共享的某一方应急医疗机构占其所在机构群体总量的初始比例，横轴表示演化博弈时间，分别以蓝色曲线和红色曲线对应信息提供方i 与信息接收方j 在不同初始比例条件下的演化趋势。

（1）均不参与型

此情形下博弈双方均不参与应急信息共享，其中：（1+r-g-p）ci＞wi，（1+r-g-p）cj＞wj。仿真过程中各参数取值分别为：ci=10，cj=15，r=0.5，wi=7，wj=13，g=0.2，p=0.3，v=0.2，当y 的初始值为0.6 时不同x 的初始值对演化趋势影响的仿真结果如图1（a）所示，当x 的初始值为0.4 时不同y 的初始值对演化趋势影响的仿真结果如图1（b）所示。

图1 不同初始比例下应急医疗机构的参与意愿演化示意图（均不参与型）

均不参与型的演化博弈曲线最终收敛于（0,0），说明信息提供方i 与信息接收方j 均不参与应急信息共享，与均衡点稳定性分析结果一致。x 的初始值越小，信息提供方i 的信息共享策略趋于0 的速率越大；y 的初始值越小，信息接收方j 的信息共享策略趋于0 的速率越大。

（2）收方参与型

此情形下信息提供方i 不参与应急信息共享，信息接收方j 参与信息共享，其中：（1+r-g-p）ci＞wi+vcj，（1+r-g-p）cj＜wj。仿真过程中各参数取值分别为：ci=10，cj=15，r=0.5，wi=6，wj=16，g=0.2，p=0.3，v=0.2，当y 的初始值为0.6 时不同x 的初始值对演化趋势影响的仿真结果如图2（a）所示，当x 的初始值为0.4 时不同y 的初始值对演化趋势影响的仿真结果如图2（b）所示。

图2 不同初始比例下应急医疗机构的参与意愿演化示意图（收方参与型）

收方参与型的演化博弈曲线最终收敛于（0,1），说明信息提供方i 不参与应急信息共享，信息接收方j 参与应急信息共享，与均衡点稳定性分析结果一致。x 的初始值越小，信息提供方i 的信息共享策略趋于0 的速率越大；y 的初始值越大，信息接收方j 的信息共享策略趋于1 的速率越大。

（3）供方参与型

此情形下信息提供方i 参与应急信息共享，信息接收方j 不参与信息共享，其中（1+r-g-p）ci＜wi,（1+r-g-p）cj＞wj+vci。仿真过程中各参数取值分别为：ci=10，cj=15，r=0.5，wi=11，wj=12，g=0.2，p=0.3，v=0.2，当y 的初始值为0.6 时不同x 的初始值对演化趋势影响的仿真结果如图3（a）所示，当x 的初始值为0.4 时不同y 的初始值对演化趋势影响的仿真结果如图3（b）所示。

图3 不同初始比例下博弈双方的参与意愿演化示意图（供方参与型）

供方参与型的演化博弈曲线最终收敛于（1,0），说明信息提供方i 参与应急信息共享，信息接收方j 不参与应急信息共享，与均衡点稳定性分析结果一致。x 的初始值越大，信息提供方i 的信息共享策略趋于1 的速率越大；y 的初始值越小，信息接收方j 的信息共享策略趋于0 的速率越大。

（4）共同参与型

此情形下博弈双方均参与应急信息共享，其中（1+r-g-p）ci＜wi+vcj，（1+r-g-p）cj＜wj+vci。仿真过程中各参数取值分别为：ci=10，cj=15，r=0.5，wi=10，wj=15，g=0.2，p=0.3，v=0.2，当y 的初始值为0.6 时不同x 的初始值对演化趋势影响的仿真结果如图4（a）所示，当x 的初始值为0.4 时不同y 的初始值对演化趋势影响的仿真结果如图4（b）所示。

图4 不同初始比例下博弈双方的参与意愿演化示意图（共同参与型）

共同参与型的演化博弈曲线最终收敛于（1,1），说明信息提供方i 与信息接收方j 均参与应急信息共享，与均衡点稳定性分析结果一致。x 的初始值越大，信息提供方i 的信息共享策略趋于1 的速率越大；y 的初始值越大，信息接收方j 的信息共享策略趋于1 的速率越大。

综合上述仿真结果可以看出，以上四种演化稳定策略对应的情形均是存在的，即在应急医疗机构参与信息共享时，会受各种因素的取值影响，以上四种情况均可能出现。在突发公共卫生事件的实际应对中，让双方医疗机构共同积极参与应急信息共享是期望实现的理想目标。因此，为避免实际情况向其余三种演化稳定策略情形发展，需要深入探究各影响因素取值与四种稳定策略之间的深层次关系，从而通过各影响因素的调节作用，进一步引导演化结果向“共同参与型”发展。

2.2 参数变化的数值分析

本部分研究通过在合理范围内分别改变各影响因素的取值，分析其对于应急医疗机构信息共享意愿的动态影响效果。将影响因素数值变化区间划分为若干个子区间，并用不同样式的曲线在示意图中表示，以便于明确数值变化对于演化趋势的影响。确定参数的基础取值为ci=10，cj=15，r=0.5，p=0.3，wi=5，wj=10，g=0.2，v=0.2，当研究某一项影响因素的数值变化时，其他参数取值不变。所有情形下，确定双方初始参与比例均为0.6。

（1）风险系数r 对演化结果的影响

风险系数r 取值在（0,1）的区间上变化，演化时长0＜t＜10，演化结果如图5 所示。根据图5（a）所示，当0＜r≤0.2 时，曲线随时间演化趋向于1，且速率随r 的增大逐渐降低，说明随着风险增大，信息提供方i 的参与积极性逐渐降低，但依然会选择参与信息共享；当0.3≤r＜1 时，曲线随时间演化趋向于0，且速率随r 的增大逐渐提高，说明随着风险进一步增大，信息提供方i 的积极性显著降低，并最终选择不参与信息共享。根据图5（b）可以看出，风险系数r 的数值变化对于信息接收方j 参与决策演化过程的影响效果相似。

图5 风险系数对演化结果的影响

上述结果表明，风险系数r 变化会影响双方机构参与信息共享的积极性，持续增加风险会导致双方机构参与积极性降低，具体表现为：当0＜r≤0.2 时，风险增加会导致机构趋向于参与信息共享的演化稳定时间变长；当0.2＜r＜0.3 时，风险增加会导致机构的决策结果从参与信息共享变为不参与；当0.3≤r＜1 时，风险增加会导致机构趋向于不参与信息共享的演化稳定时间变短。因此，风险系数r=0.2 是影响拐点，应该尽可能减小风险系数，降低医疗机构因信息泄漏风险而承担的成本。

（2）问责系数p 对演化结果的影响

问责系数p 取值在（0,1）的区间上变化，演化时长0＜t＜10，演化结果如图6 所示。根据图6（a）所示，当0＜p≤0.5 时，曲线随时间演化趋向于0，且速率随p 的增大逐渐降低，说明随着问责力度增大，信息提供方i 的参与积极性逐渐提高，但最终依然选择不参与信息共享；当0.6≤p＜1 时，曲线随时间演化趋向于1，且速率随p 的增大逐渐提高，说明随着问责力度进一步增大，信息提供方i 的积极性显著提高，并选择参与信息共享。根据图6（b）可以看出，问责系数p 的数值变化对于信息接收方j 参与决策演化过程的影响效果相似。

以上结果表明，问责系数p 变化会影响双方机构参与信息共享的积极性，持续提高问责力度会促使双方机构积极性提高，具体表现为：当0＜p≤0.5 时，问责力度增加会导致主体趋向于不参与信息共享的演化稳定时间变长；当0.5＜p＜0.6 时，问责力度增加会导致主体的决策结果从不参与信息共享变为参与；当0.6≤p＜1 时，问责力度增加会导致主体趋向于参与信息共享的演化稳定时间变短。但考虑到问责系数过大会增加医疗机构的问责成本，并非取值越大越好。由图6 可知，问责系数p=0.6 是影响拐点，即当p≥0.6 时就可实现促使医疗机构参与信息共享的目的，再继续增加p 的数值会导致医疗机构的问责成本会不断增加，但不会改变机构选择参与信息共享的决策结果。因此问责系数应控制在合理范围内，在起到促进作用的前提下，尽可能减小问责系数，一方面能够发挥监管机构的监督作用，另一方面降低机构的成本负担。

图6 问责系数对演化结果的影响

（3）补贴系数g 对演化结果的影响

补贴系数g 取值在（0,1）的区间上变化，演化时长0＜t＜10，演化结果如图7 所示。根据图7（a）所示，当0＜g≤0.4 时，曲线随时间演化趋向于0，且速率随g 的增大逐渐降低，说明随着补贴力度增大，信息提供方i 的参与积极性逐渐提高，但还是选择不参与信息共享；当0.5≤g＜1 时，曲线随时间演化趋向于1，且速率随g 的增大逐渐提高，说明随着补贴力度进一步增大，信息提供方i 的积极性显著提高，并最终选择参与信息共享。根据图7（b）可以看出，补贴系数g 的数值变化对于信息接收方j 参与决策演化过程的的影响效果相似。

图7 补贴系数对演化结果的影响

以上结果表明，补贴系数g 变化会影响双方机构参与信息共享的积极性，持续提高补贴力度会促使双方机构积极性提高。具体表现为：当0＜g≤0.4 时，补贴力度增加会导致主体趋向于不参与信息共享的演化稳定时间变长；当0.4＜g＜0.5 时，补贴力度增加会导致主体的决策结果从不参与信息共享变为参与；当0.5≤g＜1 时，补贴力度增加会导致主体趋向于参与信息共享的演化稳定时间变短。但考虑到补贴系数过大会增加政府财政投入，并非取值越大越好。由图7 可知，补贴系数g=0.5 是影响拐点，即当g≥0.5 时就可实现促使医疗机构参与信息共享的目的，再继续增加g 的数值会导致政府的补贴成本不断增加，但不会改变机构选择参与信息共享的决策结果，因此补贴系数应控制在合理范围内，在起到促进作用的前提下，尽可能减小补贴系数，一方面充分发挥政府部门的帮扶作用，另一方面降低政府财政投入的压力。

（4）溢出系数v 对演化结果的影响

溢出系数v 取值在（0,1）的区间上变化，演化时长0＜t＜10，演化结果如图8 所示。根据图8（a）所示，当0＜v≤0.6 时，曲线随时间演化趋向于0，且速率随v 的增大逐渐降低，说明随着溢出效应增大，信息提供方i 的参与积极性逐渐提高，但依然选择不参与信息共享；当0.7≤v＜1 时，曲线随时间演化趋向于1，且速率随v 的增大逐渐提高，说明随着溢出效应进一步增大，信息提供方i 的积极性显著提高，并选择参与信息共享。根据图8（b）可以看出，溢出系数v 的数值变化对于信息接收方j 参与决策演化过程的的影响效果相似。

图8 溢出系数对演化结果的影响

上述结果表明，溢出系数v 变化会影响双方机构参与信息共享的积极性，持续增加溢出效应会促使双方机构积极性提高，具体表现为：当0＜v≤0.6 时，溢出效应增加会导致机构趋向于不参与信息共享的演化稳定时间变长；当0.6＜v＜0.7 时，溢出效应增加会导致机构的决策结果从不参与信息共享变为参与；当0.7≤v＜1 时，溢出效应增加会导致机构趋向于参与信息共享的演化稳定时间变短。因此，溢出系数r=0.7 是影响拐点，应该尽可能增大溢出系数，提升医疗机构因溢出效应而获取的收益。

综合上述各项仿真实验的结果，可总结出影响因素数值区间分布（如表4 所示），用于综合反映各影响因素的数值变化对于演化博弈结果的影响。

表4 影响因素数值区间分布

3 结论和建议

以新冠疫情为典型代表的突发公共卫生事件中，应急医疗机构间的信息共享对病患的诊断治疗和全社会范围内的疫情防控都有重要影响。本文重点关注突发公共卫生事件中应急医疗机构参与信息共享策略的演化过程，通过仿真实验检验不同决策结果情形下应急医疗机构信息共享决策的演变过程，并借助实验探索了风险系数、问责系数、补贴系数和溢出系数的数值变化对于应急医疗机构信息共享参与意愿及决策结果的动态影响效果。研究结果表明，应急医疗机构参与信息共享的初始比例对于最终演化博弈结果的形成速率有正向影响，越高的参与初始比例能越快地促使参与决策的形成；风险系数和溢出系数对于决策结果的影响拐点处于取值区间的两端，低区间的风险系数（r≤0.2）和高区间的溢出系数（v≥0.7）均能有效促进应急医疗机构积极参与信息共享；问责系数和补贴系数对于决策结果的影响拐点均落在取值区间的中段，越过拐点的问责系数（p≥0.6）和补贴系数（g≥0.5）即能促成应急医疗机构参与信息共享。

根据以上发现，本文针对应急医疗机构信息共享提出如下建议：（1）通过财政补贴促进机构系统升级、人员培训和机构间交流学习，并以更合理的资金分配保证补贴效用，同时覆盖更广泛的应急医疗机构群体；（2）设置严格的问责机制和灵活的考核标准，明确机构权力与职责，规范信息共享行为权责关系并落实审查监管程序；（3）采用更先进的信息传输和加密技术，加强人员信息化技能培训，制定规范化操作流程，规避系统和操作层面的信息泄漏风险；（4）在医疗行业建立统一的信息采集、存储和传输标准，定期开展信息共享交流活动，加强机构间合作水平，缩小行业信息差，着力打造应急医疗机构信息共享生态闭环。

值得指出的是，本文主要是通过演化博弈和建模仿真的方法对突发公共卫生事件中应急医疗机构间的信息共享策略进行动态的模拟分析。还需要后续研究以真实情境中的数据对该过程进行实证分析和定量考察，以更加客观全面地理解应急医疗机构参与信息共享的决策行为过程。