吳佳琪,錢東福,2
1.南京醫科大學醫政學院,2.江蘇省健康研究院,江蘇 南京 211166
互聯網醫療是以互聯網為載體,借助移動通信技術、云計算、物聯網、大數據等信息技術,與傳統醫療健康服務深度融合而成的一種新型醫療健康服務體系[1-2]。由于“互聯網+”本身就是內涵極為寬泛的概念,互聯網醫療服務尚未有統一的概念與范圍界定,廣義的互聯網醫療服務包括以互聯網為載體和技術手段的健康教育、醫療信息查詢、疾病風險評估、在線疾病咨詢、電子處方、遠程醫療和康復等多種形式的健康管家服務;狹義的互聯網醫療服務指通過互聯網等信息技術開展部分常見病、慢性病復診和“互聯網+”家庭醫生簽約服務。因此,互聯網醫療服務越來越受到學術界的重視,迫切需要全面系統總結該領域的研究現狀、熱點和發展趨勢。本研究采用文獻計量學方法,通過關鍵詞共現、聚類分析、時間線和突現分析,對互聯網醫療的相關研究進行客觀、綜合的梳理,為該領域未來研究提供參考。
以Web of Science(WOS)核心合集為數據檢索來源,采用標題檢索[3],檢索關鍵詞參考相關研究[4-5]。具體的檢索式為“TI=(ehealth)OR TI=(e-health)OR TI=(mhealth)OR TI=(m-health)OR TI=(telemedicine)OR TI=(telecare)OR TI=(telehealth)”??紤]到數據庫內相關文獻每天都有可能更新,故所有檢索行為均在同一天完成。
納入文獻發表時間為2011 年1 月1 日至2023年6 月30 日;文獻類別為Article 或Review;文獻語言為英文;圍繞“互聯網醫療”相關主題做研究的文獻。
排除學位論文、會議、報紙、年鑒、圖書、專利、標準、成果、宣傳報道、期刊評論等非學術期刊論文;與“互聯網醫療”主題研究不相關的文獻;信息不全而無法分析的文獻;重復文獻、網絡首發、未正式出版的文獻。本研究共檢索到文獻20 551 篇,去除不符合要求、重復的文獻后,共納入有效文獻7 885篇。
CiteSpace 是一款通過對某一領域的研究文獻進行共現以及共被引分析,對該領域的研究發展及趨勢進行預測和分析的文獻計量軟件[6]。本研究采用CiteSpace V(5.8.R3)[7]繪制關鍵詞共現圖、聚類圖、時間線圖和突現圖。軟件參數設置:時間分區為2011—2023 年,時間切片為1 年,閾值為50,剪切方式選擇pathfinder 和prunning sliced networks,其他采取系統默認。分別以年度、關鍵詞等生成可視化圖譜,其中聚類算法選擇對數似然比(log-likelihood,LLR)算法。
觀察可視化圖譜節點的大小和連接的數量,每個節點代表一個分析對象。節點的大小表示其發生的頻率,節點之間的連接粗細表示其聯系緊密程度,連接的顏色表示第一次合作時間,越淺則合作越晚[8]。
中介中心性是測度節點在網絡圖中連接其他節點的重要性指標,節點中心性大于0.1,標注紫色。突發性探測用于發現一段時間內文獻數量激增的節點,突發性探測表中紅色短線表示節點在相應年份具有較高的熱度。聚類分析用于發現相似類別的節點,常用聚類模塊值(Q)和聚類輪廓平均值(S)表示。Q值〉0.3認為聚類結構顯著。S值〉0.5認為聚類結果合理,S值〉0.7表示聚類結果非常顯著[9]。
年度發文量能夠反映該研究的發展水平、發展程度和受關注程度,發文量是預測該領域研究水平的重要指標。2011—2022 年互聯網醫療的英文文獻發文量呈明顯上升趨勢,2019—2022 年英文文獻發文量年增長速度不斷升高。2022 年發文量約為2011年的12倍(圖1)。
圖1 2011—2023 年互聯網醫療英文文獻發文量
1.詞頻分析
根據共現圖譜分析結果,共有關鍵詞節點153個,連線178 條,密度為0.015 3(圖2)。高頻關鍵詞有care(照顧)、management(管理)、health(健康)、intervention(干預)、telehealth(遠程醫療)。其中,care(照顧)出現的頻次最高,為1 235 次。關鍵節點呈紫色表示中介中心性較高,其中therapy(治療)0.77、risk(風險)0.64、decision making(決策)0.60、technology(技術)0.56,具有高中介中心性。
圖2 互聯網醫療關鍵詞共現圖譜
表1 為對出現的關鍵詞進行研究方法、研究對象、研究指標、研究類型、診療過程、診療結果、信息設備、工作機制、監督管理等9個方面的分類?;ヂ摼W診療的研究對象有患者、成人、兒童、青少年和老年人;研究方法有隨機對照實驗、元分析和系統綜述等;研究指標有死亡率、可靠性、可行性和滿意度等。
表1 互聯網醫療相關研究高頻關鍵詞
2.突發性探測
突發性探測是指提取不同年份突顯強度較大的關鍵詞進行分析,有助于直觀了解該領域不同時段新興概念和焦點內容[10]。對2011—2023 年的關鍵詞進行突發性探測,獲得熱點關鍵詞45 個,前20個最強突現關鍵詞見表2。其中突現強度排名前3 位的關鍵詞是self-management(自我管理)、information technology(信息技術)、efficient(效率)。2021—2023年,adolescent(青少年)、older adult(老年人)成為研究的熱門主體,上述關鍵詞是互聯網醫療近年內興起或持續受到關注的研究熱點。
3.聚類分析
通過對關鍵詞共現網絡進行聚類分析,使用對數似然法(log-likelihood,LLR)提取聚類標簽,共得到12個聚類標簽。聚類序號越小,聚類包含的關鍵詞越多。本研究聚類結果Q=0.816 4、S=0.943 8。其中有9個聚類標簽S值〉0.90,說明聚類結果良好(圖3)。
圖3 互聯網醫療高頻關鍵詞聚類分析
聚類結果分析如表3所示。聚類主題設計互聯網醫療研究類型有#0 telemedicine(遠程醫療)、#1 telehealth(遠程診療)、#4 mhealth(移動健康);研究指標有#3 mortality(死亡率)、#11 quality of life(生活質量)、#7 impact(影響因素);研究設備有#5 authentication(身份認證)、#6 technology(技術)、#8 system(系統);研究內容有#9 disease(疾?。?、#10 depression(抑郁癥)、#11 health(健康)。由此看來,互聯網醫療受到了科研人員的廣泛關注,互聯網醫療主要集中研究互聯網診療、移動健康、遠程醫療和信息技術等方面。
表3 互聯網醫療關鍵詞聚類結果分析
關鍵詞聚類的時間線圖譜利用CiteSpace 的Timeline View功能,展現每一聚類包含哪些關鍵詞,聚類主題開始和結束的時間節點,體現某一聚類的重要程度及分布時間跨度[9],從而總結出互聯網醫療的演化路徑,時間線圖譜更加關注關鍵詞聚類之間的相互關系。
聚類主題#3 mealth、#5 technology、#6 impact 關聯的關鍵詞較多,表明移動健康、信息技術、影響機制是互聯網醫療研究的熱門方向;聚類主題#2 mortality、#8 disease、#9 depression 時間跨度持續至整個X 軸,表明電子醫療、疾病治療、抑郁癥等主題在互聯網醫療的發展和研究中熱度高且持久(圖4)。
圖4 互聯網醫療關鍵詞聚類時間線圖譜
互聯網診療最早起源于美國[11],美國醫學信息協會(AMIA)于1989 年成立,美國食品藥物管理局(FDA)為使偏遠地區的患者能夠得到專業醫生的及時診斷,開發了基于語音視頻等硬件技術的互聯網醫療服務[12]。2015 年,美國規模最大的互聯網醫療企業Teladoc 成立,專注于全天候的在線問診服務,支持患者以圖文、語音、視頻等方式向系統求助并為其指派醫生問診。目前,美國的互聯網醫療服務已基本覆蓋各醫療服務環節[11]。英國國民健康服務(NHS)體制是英國醫療衛生服務體系的基本構成,NHS 加入了在線功能,方便患者在線搜索健康信息,進行視頻、語音和文字的診療[13]。丹麥創建了較為成熟的中央醫療保健數據網絡系統Sundhed.dk,為患者提供專業的線上診療服務和初級保健服務[14]。
由此看來,互聯網醫療的發展呈現階段性發展。第一階段發展初期,多以遠程醫療為準,逐步嘗試將互聯網技術應用到醫療行業;第二階段快速發展期,隨著互聯網的高速發展,互聯網醫院、互聯網診療平臺逐步建設起來,互聯網醫療也逐漸走入大眾視野;第三階段高速發展期,新冠疫情流行期間,互聯網醫療縮短就診時間、減少近距離接觸等優勢顯現,未來將逐步向多病種、多維度細化發展。
在互聯網醫療的發展過程中,人們對互聯網醫療認知存在不同的看法,一些人認為互聯網醫療的應用是新發展趨勢。但有些人仍持謹慎態度,相關的制度建設相對滯后,疾病診療目錄、治療流程、治療標準、費用支付等都需要進一步探索和明確,互聯網醫療的發展前景受限。
對互聯網醫療使用認知情況的調查研究多從使用行為、使用頻率、使用時長、使用平臺、使用體驗等方面開展。在互聯網醫療使用認知方面,益普索醫療網絡調查結果[15]顯示:68%的醫生同意適當地訪問互聯網醫療信息有助于改善整體醫療關系;62%的醫生通過互聯網的信息改變了最初的診斷;40%的醫生認為,他們可以通過在線交流來回答患者的疾病問題,并對互聯網的使用有很高的評價。
在互聯網醫療使用認知行為研究中,計劃行為理論(TPB)、理性行為理論(TRA)、社會認知理論應用較多。Albar等[16]基于計劃行為理論(TPB),評估沙特阿拉伯患者接受電子醫療服務的影響因素,研究發現感知有用性和感知易用性對態度有顯著影響;Zolait等[17]以理性行為理論和技術接受模型(TAM)為基礎,研究發現影響互聯網醫療的因素是信任、健康素養和態度;Zhou等[18]以社會認知理論為基礎,探討在線健康社區中患者電子健康素養的影響因素,發現醫療服務的相對優勢、兼容性、感知風險會對互聯網醫療服務的使用意愿有影響。
互聯網醫療的服務提供評價研究一般從服務提供者和服務使用者兩個方面展開。從服務使用者角度出發,通過了解患者對互聯網醫療的認知、接受度、使用行為,探究其對互聯網醫療使用和就醫等行為的影響,分析患者需求,為完善互聯網醫療的建設提供參考和建議。醫生作為醫療服務的提供者的主導者,對患者醫療服務內容、方式和流程的選擇有直接影響,以此提出借鑒和參考。
從服務提供者角度出發,一般從互聯網醫院、互聯網平臺兩個角度開展研究,通過了解互聯網醫療行業負責人、行業監管者對互聯網醫療平臺、就醫流程的需求,探究如何優化互聯網醫院的建設構架,提高醫療服務質量,推動互聯網醫院的建設和發展。
在互聯網醫療服務提供評價研究中,整合性技術接受和使用模型(UTAUT、UTAUT2)、技術接受模型(TAM、TAM2)使用較多。De Veer 等[19]利 用UTAUT 理論,指出績效期望、努力期望與使用電子醫療服務的意愿高度相關;Azmal 等[20]運用UTAUT評估老年人使用移動醫療服務的意愿,發現績效預期、努力預期、社會影響和感知可信度對老年人使用移動醫療服務的意愿有顯著影響。
在互聯網醫療患者滿意度研究中,期望確認理論、卡諾模型(KANO)等應用較多。Tung 等[21]將期望確認理論與技術接受模型相結合,以中國臺灣地區醫療行業為實驗對象,研究醫療行業工作人員對互聯網醫療系統的接受程度,研究表明,“兼容性”“感知有用性”“感知易用性”和“信任”對“行為使用意向”均有顯著的正向影響;Mkpojiogu 等[22]應用卡諾模型,分析患者對互聯網醫院服務的需求屬性,為互聯網醫院服務質量的改善提供對策。
國外在互聯網醫療建設中有著完善的監管機制。美國明確FDA 對醫療APP 的監管職責,出臺專項法案對信息安全和隱私保護、醫療保險報銷、技術應用領域、醫生資質審核進行規定。美國健全的監管機制、醫藥分離、允許醫生多點執業的行業背景都促進和維護互聯網醫療發展[23]。歐洲與美國相比,監管機制略為寬松,評估標準通?;诋a品的預期收益和可預測風險,然而,相關產品的驗證期明顯長于美國,嚴格的監督標準確保了歐洲醫療體系的完善[24]。
在互聯網醫療監管機制研究中,服務質量模型(SERVQUAL)、創新擴散理論應用較廣。Ekeland等[4]通過服務質量模型,研究選擇合適的指標構建互聯網醫療服務質量的評價模型,評價互聯網醫院服務質量和影響因素;Zhang 等[25]通過創新擴散理論,研究影響患者接受和使用互聯網醫療服務的主要因素。在互聯網醫療監管機制方面,只有不斷改善和解決現存的技術、安全、監管等運行機制方面的問題,才能促進互聯網醫療事業長效穩定發展。
互聯網醫療服務頂層設計還不完善,在運行的過程中存在信息“孤島化”,費用支付、醫保報銷不統一,監管執行難等問題。我國未來應積極研究互聯網醫療的頂層設計,制定相關政策,并關注如何更好地統一線上、線下診療,實現信息共享,將就醫過程結合起來。同時要注意在大數據時代,嚴格保護醫患雙方的隱私,確?;ヂ摼W醫院在法律層面上有相應的政策規定,建立健全規范政策和行業準入規定。探索如何應對組織管理層面的挑戰,促進醫患多方積極參與互聯網醫療的建設,調動雙方的積極性,合理配置醫療資源。
未來應探索互聯網醫療更多的應用模式和應用背景,如遠程醫療的多元化應用,“互聯網+醫聯體”“互聯網+三醫聯動”模式的應用。還應結合電商平臺、互聯網科技等發展趨勢,為互聯網醫療的改革創新提供動力,吸取電商平臺優秀的創新技術和運營經驗,加強有關的應用與評價研究,如多方主體使用互聯網醫療的認知、使用意愿、滿意度評價等。此外,隨著互聯網醫療向更多疾病種類延伸,如何構建互聯網醫療的統一就診流程和就診標準,也是未來需要探索的方向??蛇M一步從數字創新、信息技術、整體性治理等相關理論視角探索有關議題。傳統的用戶接受和使用新技術理論、服務質量模型在互聯網醫療的應用中存在一定的局限性,未來研究應不斷完善理論模型的構建,將用戶使用新技術模型更好地用于互聯網醫療中。未來研究還應推動醫聯體建設、信息技術建設、醫院管理建設、文化管理建設等多學科之間溝通,進一步尋找理論的創新點。
在互聯網醫療的研究中,運用多學科理論(公共管理學、社會學、信息技術學等),注重交叉學科優勢互補。規范研究方法,理論和實際緊密相連,重視實證研究,多方法、多維度、多數據源的綜合性研究也應得到鼓勵。在案例研究中,應更加深入挖掘互聯網醫療的模式和創新性,加強對比分析和總結歸納實踐經驗;在定量研究中,可采用系統仿真模擬技術,分析互聯網醫療服務資源供給、政策實施的效果,剖析可持續發展驅動機制;采用實驗研究法等,設立對照組,進行不同組別在特定因素影響下的互聯網醫療服務效果評價研究。