互联网医疗下在线医生的服务水平评估研究

文章编号：1005⁃9679（2025）01⁃0114⁃06

摘 要： 随着互联网医疗平台的快速发展，线上问诊已成为患者获取医疗服务的重要渠道。然而，面对海量的在线医生信息，患者如何做出明智选择成为了一项挑战。以好大夫在线平台为研究对象，基于医生的基本信息数据，运用因子分析法对在线医生的服务水平进行了量化评估，并将其划分为两个关键维度：能力水平和努力程度（包含线上和线下努力）。此外，还探讨了医院等级和医生性别对医生服务水平的潜在影响。研究发现，三甲医院的医生在能力水平上整体优于非三甲医院的医生；在努力程度方面，性别差异显著，男性医生在线上服务上更为积极，而女性医生在线下服务上投入更多。这些发现为患者选择合适的线上医生提供了实证基础。

关键词： 互联网医疗；线上问诊；因子分析；服务水平；在线医生

中图分类号： C 931，C 812 文献标志码： A

The Research on the Service Evaluation of Online Doctors in

Internet Healthcare： Taking Haodf Online as an Example

ZHENG Chunyan SUI Yue

（Antai College of Economics and Management， Shanghai Jiao Tong University， Shanghai" 200030， China）

Abstract： With the rapid development of internet medical platforms， online consultations have become an important channel for patients to access medical services. However， faced with an abundance of online doctor information， making informed choices has become a challenge for patients. This study takes the Haodf.com as an example， using basic information data of doctors to quantitatively assess the service levels of online doctors through factor analysis. The service levels are categorized into two key dimensions： competence level and effort level （including online and offline effort）. Additionally， the study explores the potential impact of hospital grade and doctor gender on service levels. The results indicate that doctors from top⁃tier hospitals generally have higher competence levels than those from non⁃top⁃tier hospitals. In terms of effort levels， significant gender differences are observed： male doctors are more active in online services， while female doctors invest more in offline services. These findings provide empirical support for patients in selecting suitable online doctors.

Key words： internet medical service; online consultations; factor analysis; service level; online doctors

如何科学评估并量化在线医生的服务水平，成为了一个亟待解决的问题。本文旨在通过分析好大夫在线平台上的数据，运用现代统计分析方法，对在线医生的服务水平进行评估。本研究将探讨影响医生服务水平的多重因素，并提出建设性的参考建议，以辅助患者在线上做出更明智的医生选择。

1 文献综述

国家卫生健康委员会于2024年颁布了《国家临床专科能力评估办法（试行）》，其核心目标在于提升医疗服务的整体质量，并引导医疗机构优化资源配置[3]。该政策特别强调了在线医疗服务质量对于医疗平台持续发展的重要性。在此背景下，众多学者纷纷提出了旨在提升在线医疗平台服务质量的策略与建议[4，5]。医疗服务质量是在线医疗平台能够持续发展的重点，需要严格把关。在线医生的服务水平、服务价格等因素会影响在线医疗的服务质量[6，7]。

在医疗服务质量的评估方法上，研究者们展现了多样性的探索。例如，Elizabeth利用SERVQUAL工具对大学健康诊所的服务质量进行了测量[8]，而赵盼盼等人基于服务质量差距模型理论，构建了家庭医生签约服务质量的评价框架[9]。

医患之间的沟通行为对患者满意度及在线医疗服务质量具有深远的影响[10]。诸多学者深入研究了医患沟通行为，并通过实证分析方法探讨了影响在线问诊平台医患关系的因素[11，12]。马骋宇以好大夫在线为例，从医生活跃度、患者访问量、患者满意度等多个维度分析了医患互动行为[13]。这些互动对患者的线上咨询意愿和在线问诊选择产生了显著影响[14，15]。

医生的服务水平和态度被证实对服务实施效果具有显著影响[6]。因此，构建一个综合评价在线医生能力的指标体系显得尤为重要。耿爽等人为此构建了一套评价指标体系，涵盖了医生的基础条件、知识贡献和服务表现等关键维度[16]。

尽管已有研究为在线医疗服务领域提供了宝贵的见解，但对在线医生服务水平的量化研究仍然相对不足，这限制了我们对在线医疗服务质量深入理解的能力。本文旨在填补这一研究空白。通过分析好大夫在线医疗服务平台上的数据，本文运用因子分析法，从医生的能力水平和努力程度两个维度衡量线上医生的服务水平，并进一步探究了影响服务水平的多种因素，最终提出了针对性的管理启示及建议。

2 理论模型与数据

2.1 因子分析法

因子分析法是一种多元统计分析方法，它通过提取一组较少的综合因子，将众多具有信息重叠和复杂关系的变量进行有效归结。这种方法的核心目的在于探究变量间的潜在联系，并通过降维技术对数据结构进行简化，使得我们能够更加直观和深入地理解变量间的相互关系。基本思想在于依据变量间的相关性程度进行分组，确保同一组内的变量间相关性较高，而跨组变量间的相关性较低，从而揭示数据背后的潜在结构。

设X为一个n ∗ p的原始变量矩阵，其中n为样本数，p为变量数。因子分析的目标是找到一个n ∗ m的因子得分矩阵F，其中m为因子的数量，且m lt; p。同时，定义一个p ∗ m的因子载荷矩阵Λ，它描述了每个原始变量与每个因子之间的关系。

因子分析的数学模型可以表示为：X = F ΛT + ϵ

其中：

· X是原始数据矩阵;

· F是因子矩阵，它的每一行对应一个样本，每一列对应一个因子;

· Λ是因子载荷矩阵，它的每一行对应一个原始变量，每一列对应一个因子;

· ϵ是一个n × p的误差矩阵，表示除了因子外的其他因素对原始变量的影响.

在实际应用中，通常假设误差项ϵ与因子F相互独立，并且具有零均值和常数方差。

2.2 数据来源

作为我国在线医疗领域的佼佼者，好大夫在线平台以其卓越的服务理念和创新技术，成为最具代表性的医疗平台之一。该平台秉承“合理分配医疗资源，助力患者精准匹配适医生”的使命，致力于提供优质的互联网医疗服务[17]。

在本研究中，我们聚焦于好大夫在线平台，深入分析其服务模式和医生表现。通过对平台数据的精心收集，我们获取了来自上海市104家医院的2214名医生的个人信息数据（详见表1）这些数据涵盖了医生的专业背景、个人主页访问量等多方面信息，为我们评估在线医生的服务水平提供了实证基础。

2.3 数据整理

在数据收集阶段，我们获取了包含大量文本信息的医生资料。面对这一挑战，我们首先对文本型数据进行了信息提取，并将其转换为合适的数值型数据，以便于后续的定量分析。接下来，我们对数据进行了彻底的清洗，以确保分析的准确性和可靠性。在数据清洗过程中，我们将信息缺失严重的数据进行删除。该决策基于两个主要原因：首先，该数据的样本量足够大，去除掉信息不完整的数据后对整体结果产生的影响小；其次，由于医生信息介绍的格式各异，保留信息较完整的记录可以确保分析的一致性和科学性。经过严格的数据清洗流程，我们排除了不合格的数据样本，最终保留了1314份医生资料用于后续分析。这一过程不仅提高了数据质量，也为我们的研究发现提供了坚实的基础。

3 统计分析与结果

好大夫在线平台上汇聚了众多来自国内顶尖医疗机构的专业医生，这些医生以其卓越的专业技能为患者提供优质的医疗服务。在对平台医生的数据分析中发现，约有88%的上海市医生隶属于三甲医院，这一比例突显了平台医生团队的专业性和权威性。此外，平台上约70%的医生拥有高级职称，其中39%为副主任医师，32%为主任医师。在学术领域，超过半数的医生（约61%）拥有学术职称，其中47%的医生更是达到了副教授及以上的学术水平。

然而，医疗领域信息的不对称性导致了医患之间交流的障碍和信任度的不足。患者在选择线上医生时往往会表现出谨慎的态度。尽管网上提供的医生信息内容丰富，但患者往往难以辨别哪些信息是关键性的，哪些是次要的。为了解决这一问题，本研究基于医生的基本情况介绍，采用因子分析方法构建了一套线上医生服务水平的评价指标体系。进一步地，通过进行方差分析，本文探究了医院等级及医生性别对在线医生服务水平的影响。本文所有统计分析均在SPSS 22.0软件中完成。

3.1 因子分析法评估在线医生的服务水平

3.1.1 相关性分析与KMO检验

在开展因子分析之前，我们首先对所选原始变量进行了详尽的相关性分析。通过构建相关矩阵并审视其输出结果，我们能够识别出几组具有较强线性关系的变量，它们分别是：职业职称X1，学术职称X2，日均访问量X3，开通天数X4，收费价格X5，坐诊天数X6。这些变量间存在信息重叠现象，具体的相关性结果详见表2。

为了进一步验证这些变量是否适合进行因子分析，我们执行了巴特利特球形检验。检验结果显示KMO值为0.626，超过了0.6的基准值，表明变量间存在一定的相关性，适合进行因子分析。同时，该检验的p⁃value为0.000，远小于0.05的显著性水平，这进一步证实了变量间相关性的统计显著性，从而支持了进行因子分析的决策。

4.1.2 因子分析模型

在确认变量适合进行因子分析之后，我们采用主成分分析法（PCA）对变量进行因子提取。根据特征值大于1的原则，我们提取出三个主因子，分别记为F1、F2和F3。这三个因子的累计贡献率达到了66.4%，表明它们能够有效地捕捉原始变量的大部分变异性。接下来，我们构建了因子载荷矩阵Λ，该矩阵详细描述了原始变量与提取出的因子之间的关系。因子载荷矩阵Λ的具体元素值为：

[0.789" " " " 0.184" "-0.0250.779" "-0.048" "-0.139-0.052" " 0.847" " " " 0.1130.251" " " " 0.708" "-0.1190.632" " " " 0.110" " " " 0.2470.018" "-0.008" " " " 0.956]

由此可得因子分析的数学模型如下：

X1=0.789F1+0.184F2−0.025F3 （1）

X2=0.779F1−0.048F2−0.139F3 （2）

X3=−0.052F1+0.847F2+0.113F3 （3）

X4=0.251F1+0.708F2−0.119F3 （4）

X5=0.632F1+0.110F2+0.247F3 （5）

X6=0.018F1−0.008F2+0.956F3 （6）

在该因子分析模型中：第一主因子F1主要由三个原始变量：职业职称（X1）、学术职称（X2）和收费价格（X5）所决定。这些变量在F1上的载荷相对较高，说明它们是医生专业能力水平的重要指标。具体来说，F1对原始数据的解释能力（即方差贡献率）高达31%。这一发现提示患者在选择线上医生时，应特别关注医生的职业职称、学术职称和收费价格，因为这些因素不仅可能指示医生的专业水平，而且较高的收费价格也可能反映出医生较高的专业能力。

第二主因子F2主要由日均访问量（X3）和开通天数（X4）两个指标所决定。这两个变量在F2上的载荷均超过了0.5，表明它们是衡量医生线上活跃度的关键指标。F2反映了医生在线上平台的投入和努力程度，这对评估医生服务水平具有重要意义。

第三主因子F3主要由坐诊天数（X6）决定，代表着医生在线下门诊中的努力程度。这一因子揭示了医生线下工作量的投入，也是衡量其服务水平不可忽视的一个维度。

综合考虑F2和F3，我们可将它们归纳为医生的总体努力程度，包括线上和线下的努力。基于因子分析的结果，我们可以将在线医生的服务水平划分为两个关键维度来衡量：一是医生的能力水平， 二是医生的努力程度，这包括线上和线下的努力。这种划分有助于我们更全面地理解和评估在线医生的服务质量。

4.1.3 因子得分函数

根据因子载荷和原始数据，可以估计出每个样本在每个因子上的得分。具体因子得分函数如下：

F1=0.459X1+0.489X2−0.161X3+0.048X4+0.374X5+0.011X6 （7）

F2=0.033X1−0.154X2+0.706X3+0.551X4−0.011X5−0.034X6 （8）

F3=−0.030X1−0.136X2+0.089X3−0.135X4+0.238X5+0.937X6 （9）

本研究通过综合分析在线医生的各项指标，提出了一个二维评估模型来衡量医生的服务水平：一是医生的能力水平，二是医生的努力程度，包括线上和线下的努力。具体来说，医生的能力水平主要依据三个关键指标来评估：职业职称、学术职称以及收费价格。这些指标不仅反映了医生的专业资质，而且也与其提供的服务质量密切相关。另一方面，努力程度则通过医生个人页面的日均访问量、开通时间以及线下坐诊时间来衡量，这些指标体现了医生在提供医疗服务方面的投入和活跃度（详见表3）。

患者在选择线上医生时，应根据自己的具体病情和需求来做出决策。对于那些面临复杂或严重健康问题的患者的来说，选择能力水平较高的医生至关重要。尽管这可能意味着需要支付更高的费用，但医生的专业能力与其收费水平通常是正相关的。此外，高职称评级通常代表着更丰富的医疗经验和更高的服务质量。相反，如果患者的病情较为普通，对医生的能力水平没有特别高的要求， 那么他们可以更灵活地选择医生，因为好大夫在线平台上的大多数上海市医生都来自三甲医院，这为医生的专业水平提供了一定的保证。通过这种系统的评估方法，患者可以更加明智地选择适合自己的线上医生，从而获得更优质的医疗服务体验。

3.2 在线医生服务水平的差异分析

根据上述分析，在线医生的服务水平可以从医生能力水平和努力程度两个维度评估。为了验证医院等级和医生性别对这些维度的潜在影响，我们提出了以下研究假设：

H1： 不同等级医院的医生在能力水平上存在显著性差异，其中三甲医院的医生展现出的能力水平整体优于非三甲医院的医生。

H2： 在医生的整体能力水平方面，男性与女性之间并无明显差距。

H3： 医院等级对于医生的线上和线下努力程度没有显著性影响。

H4： 在线上努力程度方面，男性医生相较于女性医生投入更多的努力；而在线下努力程度方面，女性医生则显示出更多的付出。

3.2.1 能力水平的差异分析

为了检验不同医院等级及性别对医生能力水平的影响，并验证提出的研究假设H1和H2，本研究在SPSS 22.0软件中进行了多因素方差分析。

在医院等级这一因素上，p⁃value=0.003lt; 0.01，表明在0.01的显著性水平下，不同等级医院的医生在能力水平上存在显著性差异。三甲医院的医生与非三甲医院的医生的能力水平有明显区别，具体而言，三甲医院的医生展现出的能力水平显著高于非三甲医院的医生。此观测结果与普遍认知相符，考虑到三甲医院对医生的专业能力和技术经验有更高的要求，因此医生群体的整体能力水平自然更为突出。这一结果为假设H1提供了有力支持。

在性别因素上，p⁃value=0.485gt;0.1，表明医生的性别并不能反映其能力水平的显著性差异。该结果支持假设H2。这意味着在能力水平方面，男性与女性医生之间并无明显差距。因此，医生能力水平的评估应更多地依据其专业资质和所在医疗机构的等级，而非性别。这一发现强调了在职场中消除性别歧视的重要性，提倡基于能力和表现的公正评价。

4.2.2 努力程度的差异分析

为了检验不同医院等级及性别对医生线上及线下努力程度的影响，并验证提出的研究假设H3和H4，本研究在SPSS 22.0软件中进行了多因素方差分析。

（1）线上努力程度

在医院等级因素下，我们发现p⁃value=0.558gt;0.1，表明不同等级医院的医生在线上努力程度上并无显著性差异。该结果揭示了无论在三甲医院还是非三甲医院，医生们由于面对紧张的医疗供需关系，普遍展现出高度的忙碌状态，其线上努力程度并无明显区别。在性别因素下，p⁃value=0.067lt;0.1，在0.1的显著性水平下，医生的性别对其线上努力程度有显著影响，其中男性医生相较于女性医生在线上投入了更多的努力。

（2）线下努力程度

采用相同的分析方法，我们发现不同等级医院的医生在线下努力程度上同样没有显著性差异。三甲医院的医生与非三甲医院的医生的线下努力程度没有明显区别。此外，在0.01的显著性水平下，医生的性别能反映出其努力程度的差异，女性要比男性付出更多的线下努力。

综合上述分析，我们可以得出结论：医生的线上和线下努力程度受到性别的显著影响，而医院等级对医生努力程度的影响并不显著。该结果支持假设H3和H4。无论是三甲医院还是非三甲医院，医生们普遍表现出高度的工作忙碌度，他们在工作投入上的时间和精力整体差异不大。

由此可推断出：医院等级是反映医生能力水平差异的一个重要因素，而性别则在一定程度上反映了医生努力程度的差异。具体来说，三甲医院的医生在能力水平上整体高于非三甲医院的医生，而男性与女性医生在能力水平上并无明显差距。在线上努力程度方面，男性医生比女性医生付出了更多的努力；在线下努力程度方面，女性医生则显示出更多的努力。这些比较结果的详细信息见表4。

4 结论与展望

在我国医疗改革的背景下，医生和患者构成了医疗市场的两大基石。然而，医生与患者之间的矛盾协调仍是一个亟待解决的问题。互联网医疗平台的兴起，为医患沟通架设了新的桥梁，不仅有助于患者全面了解医生，也使得医生能够更有效地为患者提供帮助。

本研究以好大夫在线医疗平台为基础，对在线医生的基本属性进行了分析，旨在初步衡量其服务水平，并为患者选择线上医生提供参考建议。通过对平台中上海市线上医生的文本信息进行科学化处理和数值化转换，本研究在SPSS 22.0中进行了深入的统计分析。

研究首先构建了线上医生服务水平的评价体系，通过因子分析法将服务水平划分为能力水平和努力程度两个维度。分析结果表明，医生的收费价格与其学术职称和职位职称相匹配，提示患者在选择医生时应考虑“一分价钱一分货”的原则。对于严重病情，患者应重视医生的专业能力，即使收费较高，也可能是医生实力的体现。同时，患者的选择也应考虑医生的努力程度，因为高水平的医生可能无法投入更多时间于在线咨询。

进一步的方差分析探究了医院等级和医生性别对服务水平的影响。结果显示，三甲医院的医生在能力水平上显著高于非三甲医院的医生，而男性与女性医生在努力程度上存在明显差异。这些发现在医疗改革的大背景下尤为重要，它们揭示了我国医疗资源分配的不均衡性，以及基层医院在资源和服务条件上的不足。互联网医疗在一定程度上可以解决这个问题。创建资源共享平台，仍需要多方的共同努力。尽管本研究基于医生的基本属性信息构建了线上医生服务水平的评价体系，但仍存在一些局限性。由于数据获取的限制和文本数据处理的复杂性，本研究仅分析了医生主页中的个人信息。未来的研究可以获取更多种类的数据，以丰富样本结构，进行更全面的分析。此外，患者选择线上医生的决策可能受多种信息的影响，包括其他患者的反馈信息等，这是本研究尚未涉及的领域，需要未来的研究进一步探索。

总之，本研究为在线医生服务水平的评价提供了新的视角，并为患者选择合适的线上医生提供了实证基础。随着互联网医疗的不断发展，我们期待通过创建资源共享平台，实现医疗资源的优化配置，为解决“看病难”问题提供可行的解决方案。

参考文献

[ 1 ] 中国互联网络信息中心（CNNIC）. 第53次《中国互联网络发展状况统计报告》[R]. Technical report， 2023年12月.

[ 2 ] 路绪锋，张珊. 信息不对称对医患关系的影响及对策研究[J]. 中国医药导报， 2019，16（2）：169⁃173.

[ 3 ] 国家卫生健康委.《国家临床专科能力评估办法（试行）》[S]. 2024.

[ 4 ] 吴雨凡，戴涵仪，刘西加，等. 在线医疗平台客户服务质量提升研究[J]. 合作经济与科技， 2023（21）：172⁃175.

[ 5 ] 孟杉. 互联网医院服务质量评价与提升策略研究——以山东省为例[J/OL]，https：//www.zhangqiaokeyan.com/academic⁃degree⁃domestic_mphd_thesis/0203111077477.html.

[ 6 ] 皇甫慧慧，李红艳. 全科医生服务实施效果评价研究： 以上海市为例[J]. 中国全科医学， 2019， 22（19）：7.

[ 7 ] 李佩伦，尹秋菊，颜志军. 在线极速问诊的非线性价格模型研究. 运筹与管理， 2024， 33（2）：64.

[ 8 ] ANDERSON A. Measuring service quality at a university health clinic[J]. International Journal of Health Care Quality Assurance， 8（2）：32⁃37， 1995.

[ 9 ] 赵盼盼，王屹亭，林振平，等. 家庭医生签约服务质量评价的理论分析框架与研究展望[J]. 中国卫生政策研究， 2019， 12（6）：57⁃62.

[10] ZI YU CHEN， FEI XIAO， YI TING WANG， et al. Online review analysis⁃based multi⁃criteria decision⁃making for evaluating patient satisfaction： A case study of the haodf website[J]. Journal of the Operational Research Society， 2024， 75（5）：841⁃859.

[11] LUCILLE ML ONG， JOHANNA CJM DE HAES， ALAYSIA M HOOS， et al. Doctor⁃patient communication： a review of the literature[J]. Social Science amp; Medicine， 1995， 40（7）：903⁃918.

[12] PEI WU， RUNTONG ZHANG， XIJING ZHANG. Factors influencing doctor⁃patient relationship" in online health communities： An empirical study[D]. 2020 2nd International Conference on E⁃Business and E⁃commerce Engineering， 2020.

[13] 马骋宇. 在线医疗社区医患互动行为的实证研究—— 以好大夫在线为例[J]. 中国卫生政策研究， 2016， 9（11）：65⁃69.

[14] 陈家和，马锦炉，张育玮. 互联网医疗下患者持续线上咨询和线下就诊意愿影响因素研究[J]. 中国全科医学， 2020， 23（25）：3164.

[15] 李论，尹秋菊，颜志军. 医生线上-线下服务评价对患者在线问诊选择的影响研究[J]. 管理学报， 2022， 19（4）：565.

[16] 耿爽，王婕，罗宁政，等. 面向在线医疗平台的医生能力综合评价体系构建[J]. 中国卫生资源， 2023， 26（2）：219⁃227.

[17] 好大夫在线百度百科[EB/OL]. https：//baike.baidu.com/item/.

收稿日期：2024⁃08⁃18

作者简介：郑春燕（1995—），女，河南南阳人，博士生，研究方向：优化与运作管理；隋越（通信作者），女，博士生，研究方向： 运营管理，企业社会责任。