徐 萌 張思文 肖 文

(遼寧中醫(yī)藥大學(xué)經(jīng)濟(jì)管理學(xué)院，遼寧 沈陽(yáng) 110847)

0 引言

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和信息化的普及，越來(lái)越多的用戶傾向于通過(guò)網(wǎng)絡(luò)平臺(tái)分享觀點(diǎn)和交流經(jīng)驗(yàn)，學(xué)者研究發(fā)現(xiàn)對(duì)在線數(shù)據(jù)的挖掘能夠?yàn)槠髽I(yè)和用戶提供直接的參考。在醫(yī)療健康領(lǐng)域，《國(guó)務(wù)院關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)》和《關(guān)于促進(jìn)“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展意見(jiàn)》等政策頒布的推動(dòng)下，“互聯(lián)網(wǎng)+醫(yī)療”的就診模式被廣泛應(yīng)用，在線健康社區(qū)就是其中一種。作為醫(yī)生和患者高效溝通的媒介，在線健康社區(qū)為患者提供就診服務(wù)和健康咨詢的同時(shí)，也支持患者進(jìn)行信息和診療經(jīng)驗(yàn)的共享，由此，產(chǎn)生了大量的在線醫(yī)評(píng)信息。在線醫(yī)評(píng)對(duì)提高在線健康社區(qū)醫(yī)療服務(wù)質(zhì)量、患者就診體驗(yàn)和疾病治療效率具有重要作用，所以，如何從海量的在線醫(yī)評(píng)中挖掘高質(zhì)量信息成為當(dāng)前學(xué)者研究的熱點(diǎn)。

鑒于此，本文選取“好大夫”在線健康社區(qū)中的患者在線評(píng)論作為數(shù)據(jù)來(lái)源，運(yùn)用主題圖譜和情感分析的方法，依據(jù)詞頻-云圖和主題圖譜從在線醫(yī)評(píng)中挖掘患者關(guān)注主題，借助情感量化結(jié)果探討患者就診過(guò)程的滿意度，從而為在線健康社區(qū)平臺(tái)的建設(shè)、醫(yī)生和醫(yī)療服務(wù)質(zhì)量的提高等提供一定的實(shí)踐指導(dǎo)作用。

1 相關(guān)研究

目前，國(guó)內(nèi)現(xiàn)有的在線健康社區(qū)研究尚處于探索階段，主要集中在患者擇醫(yī)行為、使用意愿和滿意度的影響因素上。易夢(mèng)馨等基于文本圖片多源信息，構(gòu)建回歸分析模型，探討影響患者在線擇醫(yī)行為的因素有聲譽(yù)可信度、能力可信度和面孔可信度；郭宇等利用元分析方法指出感知有用性、情感信任、感知風(fēng)險(xiǎn)等33個(gè)因素影響用戶在線醫(yī)療社區(qū)使用意愿；王若佳等基于扎根理論提出在線問(wèn)診用戶滿意度受環(huán)境、平臺(tái)、醫(yī)生和用戶因素的影響；徐孝婷等借助線性回歸模型得出醫(yī)生的口碑包括療效、態(tài)度、感謝信、評(píng)論數(shù)和情感傾向等指標(biāo)，會(huì)正向影響患者的選擇?？梢?jiàn)，雖然已有少數(shù)研究基于患者在線評(píng)論進(jìn)行探討，但主要借助理論模型和問(wèn)卷調(diào)查展開，具有一定的主觀性，很少有研究借助主題聚類-圖譜可視化和情感分析進(jìn)行主題挖掘。

主題圖譜源于知識(shí)圖譜用于聚焦主題及其之間的邏輯關(guān)系，并構(gòu)成相應(yīng)的語(yǔ)義網(wǎng)絡(luò)圖。國(guó)內(nèi)學(xué)者主要針對(duì)網(wǎng)絡(luò)輿情、文獻(xiàn)統(tǒng)計(jì)、在線評(píng)論等文本信息構(gòu)建主題圖譜。陳健瑤等基于主題圖譜從用戶、賬戶、內(nèi)容三個(gè)維度展示網(wǎng)絡(luò)輿情特征的演化規(guī)律；李新根等借助文獻(xiàn)計(jì)量法和主題共現(xiàn)的可視化，分析國(guó)內(nèi)數(shù)字化治理研究的主題與演進(jìn)趨勢(shì)；祝琳琳等基于在線評(píng)論構(gòu)建主題圖譜，展示主題之間的層次和共現(xiàn)關(guān)系以及主題的情感強(qiáng)度?？梢?jiàn)，主題圖譜應(yīng)用于各研究領(lǐng)域，但基于患者在線評(píng)論構(gòu)建主題圖譜挖掘主題的研究較少，將主題圖譜與情感分析融合的研究更是有限。因此，本文應(yīng)用主題圖譜工具，對(duì)在線健康社區(qū)的患者在線評(píng)論進(jìn)行分析，以了解患者對(duì)在線問(wèn)診過(guò)程關(guān)注的內(nèi)容和情感傾向。

2 研究過(guò)程及結(jié)果分析

2.1 研究設(shè)計(jì)

本文嘗試針對(duì)在線健康社區(qū)平臺(tái)的患者評(píng)論數(shù)據(jù)，利用詞頻分析、共現(xiàn)網(wǎng)絡(luò)和情感分析方法，對(duì)患者在線就診關(guān)注主題和情感傾向進(jìn)行分析，研究框架如圖1所示。

圖1 患者在線評(píng)論主題挖掘及情感傾向分析框架

Step1:數(shù)據(jù)采集與預(yù)處理。選取適用的網(wǎng)站及疾病類型作為數(shù)據(jù)來(lái)源進(jìn)行爬取，對(duì)在線評(píng)論進(jìn)行過(guò)濾、分詞和去停詞的預(yù)處理，獲取詞匯數(shù)據(jù)庫(kù)。

Step2:在線評(píng)論主題挖掘。提取在線評(píng)論高頻詞，通過(guò)高頻詞間內(nèi)在聯(lián)系挖掘主題，依據(jù)評(píng)論集中是否包含相同高頻詞來(lái)構(gòu)建共現(xiàn)關(guān)系，形成節(jié)點(diǎn)為相同關(guān)鍵詞，邊為在線評(píng)論的共現(xiàn)網(wǎng)絡(luò)。

Step3:在線評(píng)論情感傾向分析。計(jì)算每條評(píng)論的情感得分，按照分?jǐn)?shù)將評(píng)論分為好、中、差三個(gè)檔，并對(duì)好評(píng)和差評(píng)細(xì)分為輕度、中度和高度三個(gè)區(qū)間。

2.2 數(shù)據(jù)采集與預(yù)處理

好大夫在線健康社區(qū)是中國(guó)領(lǐng)先的互聯(lián)網(wǎng)醫(yī)療平臺(tái)，該平臺(tái)以查詢醫(yī)院/醫(yī)生信息、多形式問(wèn)診和疾病知識(shí)科普等內(nèi)容為主要功能，用戶可以根據(jù)就診體驗(yàn)在平臺(tái)上分享經(jīng)驗(yàn)，評(píng)價(jià)醫(yī)院或醫(yī)生。由于好大夫在線具有15年的成熟運(yùn)營(yíng)經(jīng)驗(yàn)，在多個(gè)領(lǐng)域取得顯著成果，擁有數(shù)量眾多的優(yōu)質(zhì)醫(yī)生群體，故選其為本文的數(shù)據(jù)來(lái)源。

根據(jù)近幾年《中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》中的發(fā)病率數(shù)據(jù)，選取5種高風(fēng)險(xiǎn)疾病和5種低風(fēng)險(xiǎn)疾病進(jìn)行數(shù)據(jù)篩選，即高風(fēng)險(xiǎn)疾?。禾悄虿　⒐谛牟?、肺癌、乳腺癌、腦梗塞；低風(fēng)險(xiǎn)疾?。焊哐獕?、胃炎、類風(fēng)濕性關(guān)節(jié)炎、抑郁癥、月經(jīng)失調(diào)。利用八爪魚采集器抓取2022年5月前好大夫在線平臺(tái)上這10種疾病的前10名醫(yī)生的患者就診反饋數(shù)據(jù)，共獲取28975條評(píng)論，去除無(wú)效及重復(fù)數(shù)據(jù)，得到27995條有效評(píng)論。

為了更好地分析在線健康社區(qū)用戶就診的滿意度，進(jìn)一步規(guī)范初始語(yǔ)料庫(kù)，使用R語(yǔ)言對(duì)采集到的反饋數(shù)據(jù)進(jìn)行以下預(yù)處理：(1)過(guò)濾在線評(píng)論中包含的大量標(biāo)點(diǎn)符號(hào)、表情、英語(yǔ)單詞等低代表性信息；(2)對(duì)在線評(píng)論文本進(jìn)行分詞處理；(3)去除文本中出現(xiàn)頻率高但無(wú)實(shí)際意義的詞，如介詞、代詞、停用詞等。

2.3 數(shù)據(jù)分析

2.3.1 詞頻統(tǒng)計(jì)

為直觀地反映在線問(wèn)診用戶所關(guān)注的焦點(diǎn)和主題，利用R語(yǔ)言進(jìn)行詞頻統(tǒng)計(jì)并繪制前500個(gè)詞語(yǔ)的詞云圖實(shí)現(xiàn)特征的可視化，如圖2所示。圖中字體越大，說(shuō)明出現(xiàn)的頻次越高，結(jié)合表1中排名前30的高頻詞，可以發(fā)現(xiàn)除了“醫(yī)生”“主任”“大夫”等專有名詞外，主要包括“耐心”“醫(yī)術(shù)”“態(tài)度”“治療”“病情”“精湛”“醫(yī)德”等高頻詞。初步提煉在線健康社區(qū)患者評(píng)論的關(guān)注點(diǎn)，主要集中于服務(wù)態(tài)度、醫(yī)術(shù)水平、就醫(yī)體驗(yàn)、醫(yī)德醫(yī)風(fēng)等方面，可以作為后續(xù)患者滿意度因素歸納及判定的研究基礎(chǔ)。

圖2 高頻詞詞云

表1 TOP30高頻詞

2.3.2 患者在線評(píng)論主題圖譜

為更精準(zhǔn)地提煉患者在線評(píng)論主題，在詞頻分析的基礎(chǔ)上，使用VOS Viewer軟件對(duì)評(píng)論文本構(gòu)建特征詞主題圖譜，設(shè)置頻次閾值為150，聚類分辨率和最小聚類項(xiàng)數(shù)為1，結(jié)果如圖3所示。圖譜中不同顏色的節(jié)點(diǎn)集合代表不同的聚類簇；節(jié)點(diǎn)代表特征詞，節(jié)點(diǎn)越大代表在評(píng)論中共同出現(xiàn)的次數(shù)越多。

圖3 患者在線評(píng)論主題圖譜

由圖可見(jiàn)，圖譜中主要形成5種顏色的聚類簇，其中，紅色節(jié)點(diǎn)可以概括為就醫(yī)體驗(yàn)主題，主要包括與問(wèn)診相關(guān)的“網(wǎng)上”“門診”“就診”“預(yù)約”，與治療相關(guān)的“治療”“手術(shù)”“檢查”“用藥”，以及與療效相關(guān)的“恢復(fù)”“效果”“好轉(zhuǎn)”“改善”等特征詞。黃色節(jié)點(diǎn)可以歸納為解釋清晰度主題，包括“耐心”“病情”“詳細(xì)”“解答”等特征詞。綠色節(jié)點(diǎn)包括“病人”“看病”“照顧”“情緒”“安慰”等與醫(yī)生人文關(guān)懷主題相關(guān)的詞匯。藍(lán)色節(jié)點(diǎn)以“醫(yī)生”為中心，分散為兩部分，分別是以服務(wù)態(tài)度為主題的“態(tài)度”“服務(wù)”“熱情”“負(fù)責(zé)”“和藹可親”等詞匯，和以醫(yī)術(shù)水平為主題的“醫(yī)術(shù)”“精湛”“高超”“技術(shù)”等詞匯。最后，節(jié)點(diǎn)最少、分散最廣的紫色聚類簇主要包括“感謝”“感激”等與患者滿意度相關(guān)的詞匯。

綜合主題圖譜的顏色分類和特征關(guān)聯(lián)分析可見(jiàn)，患者對(duì)在線健康社區(qū)的關(guān)注反映了患者滿意度對(duì)應(yīng)的影響因素，除了與情感傾向相關(guān)的聚類主題，大致可以歸納為5個(gè)方面。進(jìn)一步結(jié)合聚類簇中節(jié)點(diǎn)間的關(guān)聯(lián)度、節(jié)點(diǎn)的數(shù)量和大小，可以發(fā)現(xiàn)，按照患者滿意度因素的重視程度，這5個(gè)主題依次是就醫(yī)體驗(yàn)、醫(yī)術(shù)水平、服務(wù)態(tài)度、解釋清晰度和人文關(guān)懷。

2.3.3 患者在線評(píng)論情感傾向分析

運(yùn)用ROST CM6軟件中的“情感分析”功能計(jì)算27995條患者在線評(píng)論的情感得分，根據(jù)量化結(jié)果將情感傾向設(shè)置為好評(píng)、中評(píng)和差評(píng)3個(gè)程度，并統(tǒng)計(jì)出各情感傾向所占的比例，如表2所示。

表2 各情感傾向所占比例

從表2可見(jiàn)，患者對(duì)在線健康社區(qū)的總體滿意度良好。78.54%的評(píng)論對(duì)就診過(guò)程給出了好評(píng)，好評(píng)率較高，有7.08%的評(píng)論持中立態(tài)度，另有14.38%的評(píng)論表示了不滿，給出了差評(píng)。分析評(píng)論情感得分，發(fā)現(xiàn)分?jǐn)?shù)由-100～+243不等，故考慮對(duì)情感傾向進(jìn)一步細(xì)化，將好評(píng)和差評(píng)的情感得分劃分為3個(gè)區(qū)間：絕對(duì)值0-10分的為輕度情感傾向，絕對(duì)值11-20分的為中度情感傾向，絕對(duì)值20分以上的為高度情感傾向，統(tǒng)計(jì)結(jié)果如表3所示。

表3 細(xì)分情感傾向所占比例(好評(píng)和差評(píng)數(shù)據(jù))

由表3可見(jiàn)，對(duì)于占比較高的好評(píng)數(shù)據(jù)，其細(xì)分情感傾向比較均衡，比例在33.33%上下浮動(dòng)，充分說(shuō)明患者對(duì)在線健康社區(qū)的就診過(guò)程滿意度很高，但大多的好評(píng)傾向不是太強(qiáng)烈，所以對(duì)于在線健康社區(qū)來(lái)說(shuō)，仍有很大的進(jìn)步空間。在差評(píng)數(shù)據(jù)中，輕度情感傾向占比最高，達(dá)79.31%，中度和高度情感傾向的評(píng)論所占比例較小，分別為17.88%和2.81%，可以反映出雖然有一定數(shù)量的差評(píng)，但是總體程度為輕度，這就要求在線健康社區(qū)需要及時(shí)關(guān)注患者就診反饋，實(shí)時(shí)做出響應(yīng)，提高服務(wù)態(tài)度、醫(yī)生技術(shù)水平、人文關(guān)懷和就診體驗(yàn)滿意度等?？傊?，患者對(duì)在線健康社區(qū)的就診體驗(yàn)是滿意度較高的，但依據(jù)具體的數(shù)值分析，保持時(shí)刻關(guān)注是有必要的。

3 結(jié)論及建議

3.1 結(jié)論

本文運(yùn)用主題圖譜和情感分析方法，采集在線健康社區(qū)內(nèi)10種疾病的患者評(píng)論文本，挖掘患者在線醫(yī)評(píng)的主題和情感傾向，得到以下研究結(jié)論：

(1)基于高頻詞統(tǒng)計(jì)和詞云分析，初步判斷患者在線醫(yī)評(píng)的關(guān)注熱點(diǎn)集中于服務(wù)態(tài)度、醫(yī)術(shù)水平、就醫(yī)體驗(yàn)、醫(yī)德醫(yī)風(fēng)等方面，患者對(duì)在線健康社區(qū)的就診過(guò)程較為滿意。

(2)依據(jù)共現(xiàn)網(wǎng)絡(luò)和主題圖譜方法，深入挖掘患者在線評(píng)論主題。研究表明，在線健康社區(qū)患者評(píng)論主題按照關(guān)注程度依次是就醫(yī)體驗(yàn)、醫(yī)術(shù)水平、服務(wù)態(tài)度、解釋清晰度和人文關(guān)懷五個(gè)方面，其中就醫(yī)體驗(yàn)包括從問(wèn)診到治療和療效的關(guān)注?？梢?jiàn)患者關(guān)注更多的是醫(yī)生的專業(yè)素養(yǎng)，即就醫(yī)體驗(yàn)和醫(yī)術(shù)水平，其次是用戶感知因素，即服務(wù)態(tài)度、解釋清晰度和人文關(guān)懷。

(3)通過(guò)情感計(jì)算發(fā)現(xiàn)評(píng)論中情感傾向?yàn)楹迷u(píng)的占78.54%，中評(píng)占7.08%，差評(píng)占14.38%，充分表明患者對(duì)在線健康社區(qū)的總體滿意度較高。進(jìn)一步細(xì)分好評(píng)和差評(píng)數(shù)據(jù)為輕、中、高三個(gè)程度，得出好評(píng)數(shù)據(jù)中各比例浮動(dòng)于33.33%上下，還未形成較高的滿意度；在差評(píng)數(shù)據(jù)中，輕度占比79.31%，中度和高度占比分別為17.88%和2.81%，可見(jiàn)多數(shù)患者的不滿情緒程度為輕度。

本文具有一定的理論和實(shí)踐意義。在理論層面上，基于主題圖譜和情感分析的方法，對(duì)患者在線評(píng)論進(jìn)行文本挖掘，較之以往的理論模型和問(wèn)卷式研究方法，提供了新的研究視角，并且對(duì)于該類數(shù)據(jù)的主題挖掘具有非常好的適用性，可以更直觀、有效地揭示在線健康社區(qū)內(nèi)患者關(guān)注內(nèi)容。在實(shí)踐層面上，通過(guò)在線評(píng)論可以快速挖掘患者關(guān)注內(nèi)容和情感傾向，有助于平臺(tái)、醫(yī)院及醫(yī)生針對(duì)性地改善和提高醫(yī)療服務(wù)，以促進(jìn)在線健康社區(qū)的發(fā)展。

3.2 建議

基于上述患者在線醫(yī)評(píng)數(shù)據(jù)的主題挖掘和情感計(jì)算，為促進(jìn)互聯(lián)網(wǎng)醫(yī)療的可持續(xù)發(fā)展，本文對(duì)醫(yī)生和在線健康社區(qū)平臺(tái)提出以下建議：

(1)對(duì)于醫(yī)生來(lái)講，精進(jìn)醫(yī)術(shù)，提高醫(yī)德。首先，醫(yī)生的醫(yī)術(shù)是滿足患者就醫(yī)需求、治療疾病和提供健康服務(wù)的基礎(chǔ)，醫(yī)生應(yīng)該將提高專業(yè)素養(yǎng)以消除患者病癥作為核心任務(wù)，即使在隔空就醫(yī)形式下，也可以準(zhǔn)確判斷患者病癥，提出可靠的治療方案。其次，醫(yī)生的醫(yī)德、服務(wù)態(tài)度和對(duì)患者的人文關(guān)懷，可以幫助患者舒緩情緒并有效提升患者的信任度。醫(yī)生在接診時(shí)應(yīng)保持同理心和耐心與患者進(jìn)行溝通，提高疾病解釋的清晰度，為患者有效地答疑解惑；面對(duì)患者就診后的在線點(diǎn)評(píng)，及時(shí)關(guān)注評(píng)論內(nèi)容并與其互動(dòng)，針對(duì)性地做出醫(yī)療服務(wù)調(diào)整。

(2)對(duì)于在線健康社區(qū)來(lái)講，鼓勵(lì)患者進(jìn)行在線點(diǎn)評(píng)的共享行為，并整理評(píng)論信息，為平臺(tái)、醫(yī)生和潛在患者提供參考。以好大夫在線平臺(tái)為例，患者對(duì)醫(yī)生的評(píng)價(jià)以滿意為主，難以幫助用戶進(jìn)行差異化選擇，故平臺(tái)可以根據(jù)患者評(píng)論中的關(guān)注點(diǎn)優(yōu)化評(píng)價(jià)體系。評(píng)論數(shù)據(jù)中包含患者的健康需求和就醫(yī)體驗(yàn)，平臺(tái)對(duì)其進(jìn)行整合和挖掘，反饋給醫(yī)生以完善和提供更精準(zhǔn)的醫(yī)療服務(wù)，并將高價(jià)值的共享信息提供給潛在用戶，吸引更多的用戶參與到互動(dòng)中，促進(jìn)在線健康社區(qū)的發(fā)展。

此外，本文也存在一定的局限性：一是本文數(shù)據(jù)樣本僅來(lái)源于“好大夫”網(wǎng)站，未能融合在線健康社區(qū)內(nèi)的多個(gè)平臺(tái)數(shù)據(jù)進(jìn)行實(shí)證分析。二是鑒于情感分析的滿意度較高，并未對(duì)各主題的情感傾向進(jìn)行分析。因此，在未來(lái)研究中，可以選擇多個(gè)在線醫(yī)療社區(qū)平臺(tái)、多種數(shù)據(jù)進(jìn)行主題挖掘、情感分析以及對(duì)比分析，并從情感分析的角度對(duì)各個(gè)主題內(nèi)的數(shù)據(jù)進(jìn)行情感分析和滿意度研究。