新冠肺炎疫情防控常态化背景下北京市互联网诊疗平台服务满意度及其影响因素研究
为在新冠肺炎疫情中减少人员聚集,降低交叉感染风险,同时精准指导患者有序就诊,国家卫生健康委办公厅印发了《关于在疫情防控中做好互联网诊疗咨询服务工作的通知》,明确要求在疫情防控工作中充分利用“互联网+医疗”的优势作用,保证患者获得优质便捷、及时有效的健康指导和疾病治疗。为在疫情常态防控下配合首都公共卫生应急管理,北京各大医疗机构正大力发展互联网诊疗技术,依托互联网诊疗平台开展便民惠民服务。目前,国内外探讨互联网医院在疫情防控中的作用与影响的研究较多,但相比下有关患者使用后满意度的研究报道较少。患者满意度是服务质量的正向反应,是衡量医疗质量、反映其社会效益的重要指标,对患者持续使用意愿具有直接显著影响。评价患者满意度及其关键影响因素是针对问题寻找对策和提升医疗服务质量的必要环节。本研究通过北京市互联网诊疗平台患者使用满意度进行分析,为疫情常态化防控中优化互联网诊疗模式、改进医疗服务质量提供建议。
1.1 研究对象
基于SERVQUAL理论编制问卷,于2020年10月1~20日开展线上线下相结合的调查。滚雪球抽样考虑性别、年龄、职业等,选取10个初始研究对象,以区分更多异质性的研究对象,使样本抽样更加均匀。初始研究对象将问卷链接随机发给通讯列表的好友邀请作答。拦截调查根据地理位置、患者密度等因素在北京地区选取开展互联网诊疗服务的8所医院及其周边社区作为研究现场,邀请互联网诊疗服务用户填写问卷并现场回收。
纳入与排除标准:①日前使用过实体医疗机构或互联网企业建立的平台中在线问诊(新冠肺炎发热咨询、健康咨询、病症咨询等)和(或)在线复诊(解读报告单、处方取药、诊后随访等)项目的人群。②排除仅使用预约挂号、导诊分诊、取报告单、缴费等功能的人群。③在网络问卷调查中设立“本题请选择‘非常不满意’”题项,未选此选项者的答卷视为废弃答卷。
本次调查共发放问卷403份,滚雪球法回收有效问卷241份(62.92%),拦截调查法回收有效问卷142份(37.08%),共383份,有效率为95.04%。
1.2 研究方法
Parasuraman于1988年提出了SERVQUAL理论模型来衡量服务质量,该模型的5个维度为有形性、可靠性、响应性、保证性和移情性。本文借鉴此5个维度设计理念,归纳总结了评价新冠肺炎疫情下互联网诊疗服务质量的内容与形式,设计了本次调研的问卷。问卷包含研究对象基本资料和对互联网诊疗服务满意度两部分。满意度量表包含21个指标,每个指标评价采用Likert 5级制评分,即5=非常满意,4=比较满意,3=一般,2=比较不满意,1=非常不满意。
1.3 统计学方法
调查数据的录入采用Epidata 3.1软件,利用SPSS 23.0统计软件分析数据。采用描述性统计分析、因子分析和多元线性回归法分析。
2.1 调查对象基本情况
本次调查中北京市互联网诊疗使用患者的基本情况见表1。其中,使用人群中女性略多于男性,男女比例约为4∶6;患者群体较为年轻,年龄在40岁及以下的患者占68.1%;户籍以京籍常住人口为主;使用平台以互联网企业建立的第三方医疗平台为主,占82.77%;使用时间方面,自2020年2月疫情出现起持续增加,于4~5月达到高峰,后趋于平缓;就诊科室方面,以呼吸内科、精神科、整形外科、消化内科、肾内科等科室使用率最高。
表1 调查对象基本情况
2.2 北京市互联网诊疗平台服务满意度
2.2.1 信度分析。问卷信度主要表现测验结果的一贯性、一致性、再现性和稳定性。本文使用Cronbach’s α系数作为信度分析依据,21个指标的整体Cronbach’s α系数为0.845,5个维度的Cronbach’s α系数分别为0.678、0.778、0.755、0.639、0.656,说明本量表具有较好信度。
2.2.2 因子分析。进行效度检验之前,本文采用KMO和Bartlett球形检验验证调查数据是否适用于作因子分析。结果显示Bartlett球形检验显著性概率P<0.001,样本总体的KMO=0.759,说明本文选取的变量存在关联,能够进一步进行因子分析。
利用SPSS 23.0进行主成分分析,结果显示特征根大于1的因子共6个,可被萃取为6大因子,其累积方差贡献率达64.032%,可见6个因子反映了原始变量的大部分信息,表明量表对于所测量的概念具有较高的解释力。
釆用凯撒正态化最大方差旋转法来解释因子,见表2。21个因子的分布与原设计的5个维度有所不同,故对6个公因子命名如下:(1)平台可靠性,指互联网诊疗平台为患者提供满足其就诊需求的服务能力。所属条目为X4、X5、X6、X7、X8,贡献率为12.072%;(2)诊疗规范性,指对医师所具有的知识、态度以及平台价格的评价。所属条目为X9、X10、X11、X12,贡献率为12.009%;(3)设施有形性,指平台实际设施以及服务内容的列表。所属条目为X1、X2、X3,贡献率为11.407%;(4)服务移情性,指关心患者并从患者角度考虑提供服务的评价。所属条目为X15、X16、X17、X18,贡献率为10.228%;(5)个性化特色服务,指为患者量身定制个性化医疗方案的评价。所属条目为X19、X20、X21,贡献率为10.226%;(6)接诊响应性,指迅速帮助患者解决医疗问题的评价。所属条目为X13、X14,贡献率为8.090%。
表2 因子分析结果(n=383)
2.2.3 满意度情况分析。汇总各指标“满意”与“不满意”分布频数,将Likert 5级制评分中选择评分为5分、4分、3分者归为“满意”,选择2分、1分者归为“不满意”。其中指标“平台医师数量充足”“方便下载、注册、登录平台”“平台建立并管理患者健康档案”“平台针对患者病情提供个性化诊疗服务”不满意的人数较多,分别为130(33.9%)、131(34.2%)、142(37.1%)、138(36.0%),均大于30%,说明对互联网诊疗不满意的患者普遍认为医师情况、便捷使用和个性化服务方面仍较不能满足患者的需求。指标“平台问诊等候时间短,响应及时”不满意的人数较少,为25人(6.5%),小于10%,说明患者认为疫情期间接诊响应性方面情况较好。
计算各维度满意度得分,结果见表3。患者各维度的满意度得分由高到低依次为接诊响应性、诊疗规范性、个性化特色服务、平台可靠性、设施有形性、服务移情性。接诊响应性方面满意度得分接近4,接近相对满意水平,其余各维度得分均大于3,处于一般水平。其中,个性化特色服务、平台可靠性、设施有形性、服务移情性低于综合满意度,还有进一步改进空间。
表3 各维度满意得分与综合满意得分
2.2.4 互联网诊疗服务质量的影响因素分析。将问卷中“您对互联网诊疗平台整体服务满意度评价”作为因变量,以性别、年龄、就诊科室、平台类型和服务类型5个自变量进行多元线性回归分析。其中,就诊科室为无序多分类变量,经过哑变量处理,将哑变量进行归组并以输入法纳入方法,其余变量归为另一组以逐步回归法构建回归模型。见表4。
表4 影响综合满意度的多元回归分析摘要
注:赋值方法:平台类型:实体医院搭建的平台=0,企业建立的第三方医疗平台=1;服务类型:复诊服务=0,问诊服务=1;*P<0.05。
结果显示,共识别出3项影响互联网诊疗服务综合满意度的主要因素,即使用企业建立的第三方医疗平台的患者满意度显著高于使用实体医疗机构搭建的平台的患者(P<0.001);使用在线问诊服务(新冠肺炎发热咨询、健康咨询、病症咨询等)的患者满意度显著高于使用在线复诊服务(解读报告单、处方取药、诊后随访等)的患者(P=0.001);年龄大的患者对互联网诊疗平台服务的满意度比年轻患者更低(P<0.001)。其他各项无显著性差异。
为探究年龄、平台类型、服务类型在各维度中的影响,本研究进一步以各维度得分为因变量,以性别、年龄、平台类型为自变量进行多元线性回归分析。见表5。
表5 影响各维度满意度的多元回归分析
注:赋值方法:平台类型:实体医院搭建的平台=0,企业建立的第三方医疗平台=1;服务类型:复诊服务=0,问诊服务=1;*P<0.05。
结果显示,各个维度中年龄大的患者对互联网诊疗平台服务的满意度均比年轻患者更低(P<0.005)。平台可靠性、诊疗规范性、接诊响应性、服务移情性方面,使用企业建立的第三方医疗平台的患者满意度显著高于使用实体医疗机构搭建的平台的患者(P<0.005);诊疗规范性方面,使用在线问诊服务的患者满意度显著高于使用在线复诊服务的患者(P<0.005)。
根据综合评价满意度结果,患者对北京市互联网诊疗服务的综合满意度为(3.21±0.47),处于一般水平,与秦琳研究结果一致。即北京市互联网诊疗服务在疫情期间可以满足民众的基本需求,但距离达到总体相对满意还有较大的改进空间。
4.1 平台可靠性呈短板,患者信任感待提升
患者对平台可靠性指标的满意度得分为3.15,满意度呈一般水平。如何实现对互联网医院诊疗质量和行为进行有效监管,提升其可靠性,是目前互联网医院发展的最大瓶颈。当前,互联网医院监管的政策措施不够完善,医院准入资质、医生执业资格、医生质量、诊疗水平、医药价格等缺乏明确的监管准则和法律,治疗行为管控比较松散,以上易导致互联网医院提供的诊疗服务水平参差不齐,对患者疗效不佳,从而引起患者对互联网诊疗平台的不信任。
此外,数据与网络安全的监管在互联网诊疗的可靠性建设中也不容忽视。患者的就诊数据尚无明确的使用标准和法律保障,软件上线审核不严格、非法入侵软件、数据盗窃等问题会造成医疗系统后台暴露,患者个人诊疗信息泄露或丢失。
4.2 聚焦用户就医体验,加快平台的便捷化与精准化
患者对设施有形性方面和个性化特色服务方面的满意度得分分别为3.12和3.18,均处于一般水平。对于互联网诊疗服务而言,聚焦于用户的线上就诊体验是提高满意度的关键点。然而在设施有形性方面,超过30%的被访对象对于“方便下载、注册、登录平台”持不满意。目前不同互联网医院的APP相互独立,操作平台录入时间久、病史采集过程繁琐,造成互联网诊疗失去其便捷性,直接影响到就诊者的感受。此外,个性化特色服务方面中“平台针对患者病情提供个性化诊疗服务”不满意的人数较多,大于30%,说明平台目前在精准医疗方面尚有不足,服务项目局限于对患者现病史的模式化诊治,无法结合既往史、家族史、物理检查、辅助检查等其他方面进行全方位、综合指导和治疗。
4.3 慢病随访尚需完善,信息共享亟需落实
服务移情性方面的满意度得分为3.07,排名最低。其中,“平台建立并管理患者健康档案”一项选择不满意的人数较多,大于30%,目前,针对复诊患者和慢病患者,互联网诊疗服务尚未完全站在长远的角度建立起医患沟通和长期健康管理的桥梁。互联网医疗作为新一代医疗手段,突出的是其“互联”之效,然而目前出于对各方利益的维护,线上、线下信息暂未实现对接,不同医院之间、上级医院和基层医疗机构之间、区域医联体信息互通互享也尚未完全实现,这种“树林丛立、各自为政”的信息系统,使患者感到费时费力,信息共享亟需提升。
4.4 针对老年群体和实体医院平台的建设方面仍有欠缺
基本信息和多元线性回归分析结果显示,老年群体使用率及满意度在各个维度层面上均较低,这可能由老年人对互联网产生的不信任感较强,具备操作电子智能设备能力的老人较少等所导致。此外,实体医院搭建的平台患者使用率及满意度在多数维度中均较低,原因可能在于不同诊疗模式所持有的目的不同。互联网企业以盈利为目的,以其更出色的宣传和多元化服务内容以抓住更多的使用者。而实体医院互联网诊疗平台,特别是公立医院搭建的互联网诊疗平台,因为建立时间短、先例不足、部分医师因已有的发展和福利,缺乏参与动力等原因,其建设仍存在欠缺。故如何找准实体医院互联网诊疗在疫情防控常态化中的定位,如何继续优化其建设、提升其地位,实现其效益最大化,是当前需解决的难题之一。
5.1 优化诊疗平台服务流程
建议注重用户的个体需求,提高服务平台的简便性和精准性。建议各大平台合作,建立统一登录入口,省去不必要的下载所带来的不便。在界面的设计上尽量精简操作步骤、合理分划模块,旨在为患者省去寻找环节,能够满足大多数患者,尤其老年患者对便捷度的需求。老年患者由于各种慢性病患病率高等原因,对身体指标监测、长期医患共联、家庭医生服务等的需求很高,因此,为老年人特别设计符合其使用习惯的简洁页面,对协助老年患者群体脱离边缘受众、提高其使用率和满意度尤为重要。此外,对于个体的精准医疗,应综合考虑患者病史、环境、基因、饮食习惯等因素,利用音频视频就医、推出线上线下快速转诊、发展移动设备远程会诊、开发AR技术和5G等具有广阔发展前景的技术手段,定制整体性医疗方案,直接使患者受益。
5.2 提升在线诊疗平台可靠性
建议进一步完善互联网诊疗平台的监管,尽快健全相关医疗保障制度。引进计算机技术相关专业人员,优化医疗信息管理程序,主动检测分析漏洞,对数据库进行加密、备份处理,从而更好地为患者提供安全、稳定和高效的互联网就医环境,为良好就医体验打好基础。同时,国家应尽快出台线上医疗机构准入标准和医生线上执业标准,规范医师执业诊疗流程,提供法律保障。平台及医院也应对平台医师定期开展培训工作并进行专业水平考核,提高医师诊治水平,从而在根本上增加患者认同感和信任感。
5.3 实现健康电子档案共享,提供长周期的慢病管理服务
建议充分挖掘大数据时代背景下的健康管理平台的优势,深入推进各级医疗机构之间信息的互联互通,依托现有医联体、医共体、专科联盟建设,实现患者电子健康档案、电子病历、检验检查结果在不同医疗机构之间实现共享。
目前国家卫生健康委已发起了家庭医生签约服务,构建起互联网+社区卫生健康管理的服务体系。建议平台通过互联网建立起以病人为中心,家庭为照顾,医护人员共同参与的患者家庭管理群,同时可借鉴英国的整合照顾模式,依托城市医疗集团、医联体与基层社区卫生机构、养老机构,针对高血压、糖尿病、肥胖等老年、慢病群体形成预约挂号、健康体检、诊断治疗、社区取药、随访干预等的一体化居家医疗服务,探索出适合慢病的长周期管理服务模式。
5.4 规范实体医院搭建的互联网诊疗平台,提高其发展竞争力
当前,大量企业平台建立的互联网诊疗平台逐渐占据主体地位,正在逐渐冲击着实体医院所建立互联网诊疗平台,而以公立医院为代表的实体医院,因其对重大公共卫生事件的响应力,仍有巨大的发展必要。故在未来的管理中,应保持其公益性,逐渐实现公立医院的医保政策向线上延伸;降低运营成本,关注线上医师薪资福利问题,促进优质医疗人才的引入;注重其社会效益,为传统医疗模式下分级诊疗的困境注入活力。
来源:《中国医院》杂志2021年10月刊
作者:祖潇然、赵晓雯、郭蕊
单位:首都医科大学附属复兴医院、首都医科大学公共卫生学院