李智勇，楊晴，翁開源

（1.廣東藥科大學(xué)醫(yī)藥商學(xué)院，廣東 廣州 510006；2.國家藥品監(jiān)督管理局藥物警戒技術(shù)重點實驗室，廣東 廣州 510006）

2018 年，國務(wù)院辦公廳印發(fā)《關(guān)于促進“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》（國辦發(fā)〔2018〕26號）[1]，鼓勵醫(yī)療機構(gòu)與互聯(lián)網(wǎng)企業(yè)合作，加強區(qū)域醫(yī)療資源整合。2020 年初，由于新冠疫情造成了線下就診的阻礙，使互聯(lián)網(wǎng)診療服務(wù)需求激增，進一步促進了互聯(lián)網(wǎng)診療行業(yè)的發(fā)展。2021 年10 月18日，國家衛(wèi)生健康委員會辦公廳（以下簡稱國家衛(wèi)健委）發(fā)布關(guān)于《“十四五”國家臨床?？颇芰ㄔO(shè)規(guī)劃》的通知[2]，提出積極構(gòu)建智慧醫(yī)療體系，推廣“互聯(lián)網(wǎng)+”醫(yī)療服務(wù)新模式，爭取在遠程醫(yī)療方面取得積極進展。2022 年2 月8 日，國家衛(wèi)健委和國家中醫(yī)藥局聯(lián)合發(fā)布的互聯(lián)網(wǎng)診療重磅政策《互聯(lián)網(wǎng)診療監(jiān)管細則（試行）》（以下簡稱《監(jiān)管細則》）[3]。《監(jiān)管細則》進一步推動優(yōu)化互聯(lián)網(wǎng)診療服務(wù)，依法依規(guī)打擊互聯(lián)網(wǎng)診療違規(guī)行為，嚴(yán)格互聯(lián)網(wǎng)診療的監(jiān)管。

隨著互聯(lián)網(wǎng)診療需求的增加，互聯(lián)網(wǎng)診療行業(yè)面臨蓬勃發(fā)展的機遇，但同時也存在一系列診療違規(guī)行為。例如，法制日報[4]指出一些互聯(lián)網(wǎng)平臺存在醫(yī)生身份被冒用、開處方藥卻不開具處方、AI（artificial Intelligence，人工智能，以下簡稱AI）接診和未接診卻不退款等問題。診療違規(guī)行為不僅與提供服務(wù)的供給方有關(guān)，也與第三方平臺有關(guān)。即使《監(jiān)管細則》規(guī)定了互聯(lián)網(wǎng)診療的范圍，但為了追求利潤，一些第三方平臺仍然選擇違規(guī)操作。李玫研等[5]研究顯示，第三方平臺仍存在提供線上首診服務(wù)、藥事服務(wù)不規(guī)范、未能實施患者實名制等問題。據(jù)海南省衛(wèi)健委公布的數(shù)據(jù)[6]，2022 年上半年有38 家由社會資本獨立設(shè)置的互聯(lián)網(wǎng)醫(yī)院的在線診療數(shù)量不足1 000 次，其中10 家互聯(lián)網(wǎng)醫(yī)院的在線診療數(shù)量為0，為了維持運營，這些醫(yī)院可能會進行違規(guī)的互聯(lián)網(wǎng)診療。對于互聯(lián)網(wǎng)診療的違規(guī)問題，陸海波[7]表示，互聯(lián)網(wǎng)診療第三方平臺囊括了一般第三方平臺所帶來的風(fēng)險，還存在以咨詢之名行診療之實以及被利益俘獲的風(fēng)險，使得風(fēng)險的不確定性更高。鄧勇等[8]表示公立互聯(lián)網(wǎng)醫(yī)院的建設(shè)涉及的主體更多，行為更為復(fù)雜，監(jiān)管的難度呈指數(shù)增長，實踐中存在諸多監(jiān)管難點影響著醫(yī)療安全?？傊?，互聯(lián)網(wǎng)診療存在監(jiān)管難，監(jiān)管情境復(fù)雜的情況，并且在維持經(jīng)營和利益的驅(qū)動下，平臺可能會選擇違規(guī)診療，繼而引發(fā)平臺尋租活動。

尋租是指為了維護既得的經(jīng)濟利益、設(shè)法取得或維持壟斷利益，或是對既得利益進行再分配的非生產(chǎn)性活動，因此尋租的產(chǎn)生會導(dǎo)致社會資源的巨大浪費。國內(nèi)學(xué)者以博弈視角對尋租行為進行研究。李健等[9]研究指出，罰款額度、監(jiān)管力度、監(jiān)管成本是博弈主體尋租的關(guān)鍵因素；李靜[10]探討了企業(yè)違規(guī)生產(chǎn)收益、尋租成本、政府獎罰力度等因素對尋租策略的影響。朱立龍等[11]考慮藥品檢測中存在尋租現(xiàn)象，探討了政府的獎懲、尋租成本對三方策略選擇的影響關(guān)系。

綜上，目前我國第三方平臺互聯(lián)網(wǎng)診療存在藥事服務(wù)不規(guī)范、問診過程和質(zhì)量存在漏洞、未能嚴(yán)格執(zhí)行患者實名制等問題。在利益的驅(qū)動下，也必然存在第三方平臺意向?qū)ぷ獾娘L(fēng)險，將導(dǎo)致患者無法得到及時治療，同時增加患者醫(yī)療費用。本文以演化博弈視角針對這些問題以及尋租現(xiàn)象研究互聯(lián)網(wǎng)診療監(jiān)管策略。

1 研究方法

本文考慮H+I 模式（實體醫(yī)療機構(gòu)通過與第三方平臺合作給患者提供互聯(lián)網(wǎng)診療服務(wù)）和I 模式（依托互聯(lián)網(wǎng)醫(yī)療平臺，建立或收購一些社會辦實體醫(yī)療機構(gòu)，匯聚各地醫(yī)生資源，醫(yī)生在平臺以多點執(zhí)業(yè)的方式提供互聯(lián)網(wǎng)診療服務(wù)）的互聯(lián)網(wǎng)醫(yī)院診療服務(wù)[12]?；ヂ?lián)網(wǎng)診療服務(wù)供給方（包括第三方平臺旗下實體醫(yī)療機構(gòu)注冊的醫(yī)生和第三方平臺合作的醫(yī)療機構(gòu)，以下簡稱供給方）和第三方平臺（包括互聯(lián)網(wǎng)企業(yè)獨立注冊的互聯(lián)網(wǎng)醫(yī)院，以下簡稱平臺）存在尋租行為，構(gòu)建供給方、平臺和政府之間的三方演化博弈模型，分析各博弈方的策略穩(wěn)定性以及各要素對策略選擇的影響關(guān)系；利用Matlab R2022a 對復(fù)制動態(tài)系統(tǒng)的純策略均衡點進行穩(wěn)定性分析，得出不同條件下的演化穩(wěn)定策略組合，最后進行仿真分析，驗證不同初始條件下模型分析的有效性，并分析結(jié)論為政府完善互聯(lián)網(wǎng)診療機制提出對策與建議。

1.1 基本假設(shè)

在博弈過程中，主體們無法準(zhǔn)確預(yù)測外部環(huán)境的變化，主體往往會參考其他主體之前的行動策略來確定自己的策略選擇。同時，主體三方在互聯(lián)網(wǎng)診療過程中具有有限理性[13]，主體將根據(jù)已發(fā)生的行為，通過相互模仿調(diào)整自身的策略選擇，最終達到穩(wěn)定狀態(tài)[14]。據(jù)此，研究提出以下假設(shè)：

假設(shè)1：政府、供給方和平臺是本文假設(shè)的博弈主體，三方均具有有限理性。

假設(shè)2：供給方的集合策略為G1規(guī)范、G2不規(guī)范，供給方采取“規(guī)范”的概率為x，采取“不規(guī)范”的概率為1-x，0≤x≤1；平臺的集合策略為S1尋租、S2不尋租，平臺采取“尋租”的概率為y，采取“不尋租”概率為1-y，0≤y≤1；政府的集合策略為J1監(jiān)管、J2不監(jiān)管，政府采取監(jiān)管的概率為z，采取不監(jiān)管的概率為1-z，0≤z≤1。

假設(shè)3：供給方規(guī)范診療時的收益為E1，成本為C1；如果供給方進行互聯(lián)網(wǎng)診療行為時，采取首診、先購藥后處方、醫(yī)師非本人接診等行為，其收益為E2，且E2>E1；同時，為采取不規(guī)范診療行為，供給方將產(chǎn)生成本C2（包括躲避監(jiān)管，賄賂等）；如果政府主動監(jiān)管，供給方規(guī)范診療時將獲得補貼B1，供給方不規(guī)范診療時將被罰款F1；當(dāng)供給方不規(guī)范診療，同時平臺采取不尋租策略時，供給方將會遭受損失F3（對違規(guī)就診的客戶退費等）。

假設(shè)4：平臺不尋租時的收益為E3，為獲取更大利益，平臺利用自身的審查優(yōu)勢，接受行賄等非法獲取利潤行為C2（為方便計算，將供給方違規(guī)成本等同于平臺尋租收益），需要支付虛假宣傳等經(jīng)營管理成本C3；如果政府主動監(jiān)管，平臺不尋租時將獲得補貼B2，平臺尋租時將被罰款F2。

假設(shè)5：政府主動監(jiān)管時的成本為C4；在供給方不規(guī)范診療，平臺尋租時，政府將產(chǎn)生治理成本C5，且C5>C4；供給方采取規(guī)范診療策略時，政府將獲得潛在收入E4（聲譽收益，社會收益等）。

演化博弈主體相關(guān)參數(shù)含義如表1所示。

1.2 三方演化博弈模型建立

根據(jù)供給方、平臺和政府的行為策略，計算出三者之間有8 種博弈組合：（G1規(guī)范，S1不尋租，J1監(jiān)管）、（G1規(guī)范，S1不尋租，J2不監(jiān)管）、（G1規(guī)范，S2尋租，J1監(jiān)管）、（G1規(guī)范，S2尋租，J2不監(jiān)管）、（G2不規(guī)范，S1不尋租，J1監(jiān)管）、（G2不規(guī)范，S1不尋租，J2不監(jiān)管）、（G2不規(guī)范，S2尋租，J1監(jiān)管）、（G2不規(guī)范，S2尋租，J2不監(jiān)管），3 個主體博弈組合的收益如表2所示。

表2 三方主體博弈收益矩陣Table 2 Benefits matrix of the three-party game

1.3 模型分析

1.3.1 三方演化博弈的期望收益和復(fù)制動態(tài)方程設(shè)供給方選擇“規(guī)范”策略的期望收益為V11、選擇“不規(guī)范”策略的期望收益為V12，平均期望收益為V1，則有：

故供給方博弈策略組合的復(fù)制動態(tài)方程為：

表明供給方的策略選擇受違規(guī)收益與合規(guī)收益差額、違規(guī)成本和政府對供給方的獎勵或罰款影響，平臺不尋租的策略選擇概率和政府主動監(jiān)管的策略選擇概率會影響供給方的策略選擇。所以當(dāng)收益比較大、違規(guī)成本較低時，政府應(yīng)積極監(jiān)管，確保供給方互聯(lián)網(wǎng)診療的規(guī)范化。

設(shè)平臺選擇“不尋租”策略的期望收益為V21、選擇“尋租”策略的期望收益為V22，平均期望收益為V2，則有：

故平臺博弈策略組合的復(fù)制動態(tài)方程為：

表明平臺的策略選擇受供給方策略選擇概率、政府策略選擇概率影響，并且與政府監(jiān)管時對平臺的獎勵或罰款、平臺意向?qū)ぷ獾某杀?、平臺收益和供給方賄賂成本有關(guān)。所以當(dāng)尋租成本較低，供給方賄賂數(shù)額較大時，政府應(yīng)積極監(jiān)管，加大對平臺尋租時的罰款額度或者是加大對平臺不尋租時的獎勵，防止出現(xiàn)平臺尋租行為。

政府選擇“監(jiān)管”策略的期望收益為V31、選擇“不監(jiān)管”策略的期望收益為V32，平均期望收益為V3，則有：

故政府博弈策略組合的復(fù)制動態(tài)方程分別為：

表明政府的策略選擇受供給方的策略選擇概率和平臺的策略選擇概率影響，與政府監(jiān)管時對供給方和平臺的罰款金額和獎勵以及政府監(jiān)管成本有關(guān)。因此，政府提升對供給方的罰款金額和獎勵可以促使互聯(lián)網(wǎng)診療服務(wù)更加規(guī)范化，同時政府應(yīng)及時調(diào)整自身監(jiān)管成本，督促自身積極監(jiān)管。

1.3.2 三方演化博弈均衡點穩(wěn)定性分析 令F（x）=0，F(xiàn)（y）=0，F(xiàn)（z）=0，可得均衡點D1（0，0，0）、D2（1，0，0）、D3（0，1，0）、D4（0，0，1）、D5（1，1，0）、D6（1，0，1）、D7（0，1，1）、D8（1，1，1）。博弈模型的雅可比矩陣及偏導(dǎo)值如表3所示。

表3 雅可比矩陣的偏導(dǎo)值Table 3 Partial derivatives of the Jacobi matrix

由此可得三方演化的雅可比矩陣為：

根據(jù)演化博弈理論，在分析均衡點的穩(wěn)定性時，可以通過將均衡點代入雅可比矩陣并計算其特征值來進行推斷。如果均衡點的所有特征值都小于0，則可以推斷該均衡點是系統(tǒng)的ESS（evolutionarystable strategy，演化穩(wěn)定策略）。這意味著在一段時間內(nèi)，該均衡點將是穩(wěn)定和優(yōu)勢的策略選擇。如果均衡點的某個特征值為0，則無法通過特征值的符號確定均衡點的穩(wěn)定性。此時需要進一步的分析來確定均衡點的穩(wěn)定性。如果均衡點的某個或兩個或三個特征值為正，則可以確定該均衡點是一個不穩(wěn)定點[15]。這意味著在博弈過程中，該均衡點將不具有穩(wěn)定性，參與者可能會轉(zhuǎn)向其他策略選擇。需要注意的是，以上說法基于對雅可比矩陣特征值的分析，在具體應(yīng)用時還需進一步綜合考慮其他因素來評估均衡點的穩(wěn)定性?？傊?，通過對雅可比矩陣特征值的分析，可以在一定程度上推斷均衡點的穩(wěn)定性，但需綜合考慮其他因素來做出準(zhǔn)確的評估。

對不同情形下均衡點的進行穩(wěn)定性分析，如表4所示。

表4 均衡點穩(wěn)定性分析Table 4 Equilibrium point stability analysis

情形一：因為-E1-F3<0、-C3<0、-B1-B2-C4<0，此時為穩(wěn)定點ESS，演化均衡點D5為（1，1，0），博弈趨向于（供給方規(guī)范診療，平臺不尋租，政府部門不主動監(jiān)管）的策略組合穩(wěn)定。

情形二：當(dāng)供給方不規(guī)范利潤E2足夠大，且大于政府監(jiān)管時對供給方補貼B1、對供給方的罰款F1、供給方不規(guī)范診療的成本C2和供給方規(guī)范診療時的收益E1時，B1+C2+E1-E2+F1<0；當(dāng)供給方不規(guī)范診療的成本C2與平臺不尋租獲得的收益E3之和大于平臺意向?qū)ぷ鈺r的費用C3與政府監(jiān)管時對平臺尋租的罰款F2之和時，C3-C2-E3+F2<0；當(dāng)政府對供給方和平臺的罰款大于監(jiān)管成本時，C4-F1-F2<0。此時博弈趨向于（供給方不規(guī)范診療，平臺尋租，政府部門主動監(jiān)管）的策略組合穩(wěn)定，演化均衡點為D4（0，0，1）。

情形三：當(dāng)供給方不規(guī)范收益E2大于規(guī)范收益E1與供給方不規(guī)范診療成本C2時，C2+E1-E2<0；當(dāng)平臺意向?qū)ぷ赓M用C3小于供給方違規(guī)診療成本C2時，C3-C2-E3<0；當(dāng)政府對供給方違規(guī)診療的罰款F1與政府對平臺尋租罰款F2小于政府主動監(jiān)管時的成本C4時，F(xiàn)1-C4+F2<0。此時博弈趨向于（供給方不規(guī)范診療，平臺尋租，政府部門不主動監(jiān)管）的策略組合穩(wěn)定，演化均衡點D1為（0，0，0）。

2 仿真模擬

在理論分析的基礎(chǔ)上，根據(jù)限定條件和復(fù)制動態(tài)方程，運用Matlab R2022 a 軟件對供給方、平臺和政府仿真演化分析各參數(shù)變動對演化結(jié)果的影響。首先，設(shè)定數(shù)組1：E1=90，E2=150，E3=50，C1=10，C2=60，C3=20，C4=50，C5=200，F(xiàn)1=30，F(xiàn)2=50，F(xiàn)3=100，B1=10，B2=20（以下賦值單位：萬元）。數(shù)組1滿足情形一的要求，在數(shù)組1 的基礎(chǔ)上分析E2、C2、F1、F2、B1、B2對演化博弈過程的影響。

第一，分析供給方違規(guī)診療時的收益E2對演化博弈過程的影響。令E2分別為150、160、180，復(fù)制動態(tài)方程隨時間演化50 次的圖。由圖1 可知，供給方違規(guī)收益上升時，到達均衡點D5速度減緩。當(dāng)E2增加時，供給方合規(guī)診療概率保持一定，政府主動監(jiān)管的概率增大，直至供給方合規(guī)的概率為1時，政府監(jiān)管的概率下降，直至均衡點。因此，當(dāng)違規(guī)收益很高時，供給方更傾向于選擇違規(guī)診療策略，為降低醫(yī)療供給方違規(guī)診療的概率，政府需要加強對供給方診療的監(jiān)管。

圖1 供給方違規(guī)收益的影響Figure 1 Impact of supply-side violation earnings

第二，分析供給方違規(guī)成本C2對演化博弈過程的影響。令C2分別為60、80、100，由圖2 可知，供給方違規(guī)成本上升時，平臺更傾向于尋租的策略選擇，當(dāng)C2成本增加時，供給方違規(guī)的概率降低，政府主動監(jiān)管的概率也會降低，供給方合規(guī)的概率為1時，政府主動監(jiān)管的概率下降直至到達均衡點。

圖2 供給方違規(guī)成本的影響Figure 2 Impact of supply-side violation costs

第三，分析政府對供給方違規(guī)就診行為罰款F1、政府對平臺尋租行為罰款F2對演化博弈過程的影響。令F1分別為40、50、60，由圖3可知，政府對供給方違規(guī)就診行為罰款上升時，政府主動監(jiān)管的概率上升，隨著時間推移，供給方合規(guī)的概率上升，當(dāng)供給方合規(guī)的概率為1 時，政府主動監(jiān)管的概率下降，直至到0；參照甘肅市場監(jiān)督管理局對違規(guī)互聯(lián)網(wǎng)醫(yī)院的處罰金額，設(shè)F2分別為50、60、80[16]。由圖4 可知，隨著F2的提高，平臺更傾向于不尋租策略，隨著時間推移，平臺不尋租的概率上升，當(dāng)平臺不尋租的概率接近1時，政府的監(jiān)管概率下降，直至為0。表明一味地提高對供給方或者是平臺的罰款會影響政府主動監(jiān)管的積極性，因此政府需要掌握好罰款的大小，罰款起一定震懾作用的同時，也要保持主動監(jiān)管的積極性。

圖3 政府對供給方違規(guī)罰款的影響Figure 3 Impact of government fines for supply-side violations

圖4 政府對平臺尋租罰款的影響Figure 4 Government impact on platform rent-seeking fines

第四，分析B1、B2對演化博弈過程的影響。令B1分別為10、20、30，由圖5可知，當(dāng)政府對供給方獎勵上升時，供給方更傾向于合規(guī)診療，供給方合規(guī)診療概率趨向于1之后，政府主動監(jiān)管的概率下降，直至為0。設(shè)B2分別為20、30、40，圖6 表明，隨著政府對平臺獎勵上升時，政府主動監(jiān)管的概率下降。因此政府對供給方和平臺合規(guī)時的獎勵控制在一定限度，以提高供給方合規(guī)診療和平臺不尋租的概率，同時保證政府本身主動監(jiān)管的積極性，促進社會和諧。

圖5 政府對供給方獎勵的影響Figure 5 Impact of government on supply-side incentives

圖6 政府對平臺獎勵的影響Figure 6 Impact of government incentives for platforms

設(shè)定數(shù)組2，滿足均衡點D1的條件：E1=90，E2=200，E3=50，C1=10，C2=60，C3=20，C4=60，C5=200，F(xiàn)1=30，F(xiàn)2=10，F(xiàn)3=100，B1=20，B2=20。設(shè)定數(shù)組3滿足D4的條件：E1=90，E2=250，E3=50，C1=10，C2=60，C3=20，C4=60，C5=200，F(xiàn)1=70，F(xiàn)2=10，F(xiàn)3=100，B1=20，B2=20。對比數(shù)組1、數(shù)組2、數(shù)組3。

由圖7 所示，博弈此時僅存在一個演化穩(wěn)定策略組合（供給方規(guī)范診療，第三方平臺不尋租，政府部門不主動監(jiān)管），與情形一結(jié)論一致。圖8 表明，滿足情形二的情況下，博弈存在兩個均衡點D4（0，0，1）和D5（1，1，0）即（供給方不規(guī)范診療，第三方平臺尋租，政府部門主動監(jiān)管）和（供給方規(guī)范診療，第三方平臺不尋租，政府部門不主動監(jiān)管）兩個策略組合。圖9表明，滿足情形三的情況下，博弈存在兩個均衡點D1（0，0，0）和D5（1，1，0）即（供給方不規(guī)范診療，第三方平臺尋租，政府部門不主動監(jiān)管）和（供給方規(guī)范診療，第三方平臺不尋租，政府部門不主動監(jiān)管）兩個策略組合。

圖7 數(shù)組1演化50次結(jié)果Figure 7 Results of evolving of array 1 50 times

圖8 數(shù)組2演化50次結(jié)果Figure 8 Results of evolving of array 2 50 times

圖9 數(shù)組3演化50次結(jié)果Figure 9 Results of evolving of array 3 50 times

3 結(jié)論與建議

3.1 結(jié)論

在8 種博弈策略組合里，D1（0，0，0）、D4（0，0，1）、D5（1，1，0）是演化均衡點，研究以情形一為基礎(chǔ)，考慮了各參數(shù)變化帶來的影響。由三方演化博弈仿真分析可得：（1）政府監(jiān)管的概率提升時，會促使供給方合規(guī)診療；（2）政府提升對供給方的獎勵、罰款可促使供給方合規(guī)診療，但一味地提高獎勵或者罰款會使政府本身監(jiān)管的積極性降低。因此，政府應(yīng)該在設(shè)置獎勵和罰款時考慮合理性，既要降低供給方違規(guī)診療的概率，同時也要保證自身監(jiān)管；（3）政府提高對平臺的獎勵或者罰款也可以降低平臺尋租的概率，從而提高供給方合規(guī)診療的概率；（4）減少供給方的違規(guī)收益和加大供給方違規(guī)成本可以降低供給方違規(guī)概率。

3.2 建議

3.2.1 建立有效的質(zhì)量監(jiān)控和評估體系 本文研究結(jié)果顯示，政府的有效監(jiān)管可以推動供給方合規(guī)診療。然而，當(dāng)前第三方平臺互聯(lián)網(wǎng)診療在監(jiān)管和隱私安全方面缺乏明確的規(guī)范。由于互聯(lián)網(wǎng)業(yè)態(tài)的迅速發(fā)展，傳統(tǒng)的監(jiān)管模式可能無法跟上互聯(lián)網(wǎng)診療的步伐。因此，需要建立一整套質(zhì)量監(jiān)控和評估體系，定期檢查和評估線上醫(yī)療服務(wù)，并進行不定時的隨機抽檢，以確保醫(yī)療質(zhì)量和安全。同時，引入AI 技術(shù)進行質(zhì)量監(jiān)控。AI 作為新興技術(shù)，能夠高效、智能地處理大量數(shù)據(jù)，節(jié)省政府監(jiān)管成本。利用AI技術(shù)審查供給方的診療行為，如果發(fā)現(xiàn)供給方存在違規(guī)行為，例如引導(dǎo)患者去特定平臺購藥，AI可以發(fā)出警示消息或轉(zhuǎn)給人工進行審核，從而提高監(jiān)管效率。

3.2.2 建立行業(yè)協(xié)會加強監(jiān)管 本文研究結(jié)果表明，加大供給方違規(guī)成本可以降低供給方違規(guī)的可能性。因此，建立互聯(lián)網(wǎng)診療行業(yè)協(xié)會，探索建立黑名單機制，對反復(fù)違規(guī)的醫(yī)生實施行業(yè)禁入，并對不積極整改的平臺進行公示，可以發(fā)揮警示作用，形成自律自治的行業(yè)氛圍。作為第三方機構(gòu)，行業(yè)協(xié)會可以建立專家委員會，為線上診療的新型醫(yī)療糾紛提供第三方鑒定，并妥善處理這些糾紛。此外，行業(yè)協(xié)會還可以輔助政府制定互聯(lián)網(wǎng)診療質(zhì)量監(jiān)管標(biāo)準(zhǔn)，并在政策制定時提供建議，以提升互聯(lián)網(wǎng)診療的合規(guī)性，深化醫(yī)療改革。總之，推動建立以維護互聯(lián)網(wǎng)診療的合規(guī)性和業(yè)態(tài)環(huán)境效益為目標(biāo)，而不以經(jīng)濟利益為導(dǎo)向的行業(yè)協(xié)會，有利于促進互聯(lián)網(wǎng)診療的合規(guī)發(fā)展，提高整個行業(yè)的質(zhì)量和可信度。

3.2.3 醫(yī)與藥“分家” 本文研究結(jié)果顯示，政府提升對平臺的獎勵會減小平臺尋租的概率。然而，當(dāng)政府對平臺的獎勵增加時，政府監(jiān)管的積極性可能會下降。因此，在政府對平臺進行獎勵時，需要控制獎勵的幅度，以提高平臺不縱容尋租行為的概率，并同時確保政府本身保持主動監(jiān)管的積極性。據(jù)此，可由政府主導(dǎo)，對第三方平臺擴大網(wǎng)售藥品平臺合作方數(shù)量進行補貼，根據(jù)與平臺達成合作的網(wǎng)售藥品店的資質(zhì)、數(shù)量等指標(biāo)進行分級補貼。在供給方開出處方后，患者可以自由選擇在哪家平臺購買藥品，以實現(xiàn)醫(yī)和藥的“分家”，阻斷因處方產(chǎn)生的利益輸送。通過這種方式，可以促使醫(yī)療和藥品之間的利益關(guān)系得到合理的分離。同時，政府的獎勵控制在一定限度內(nèi)，既可以提高平臺合規(guī)性，又可以保證政府自身保持積極的監(jiān)管態(tài)度。

3.2.4 加強信息宣傳和教育 本文研究結(jié)果表明，演化博弈中三方相互制衡是實現(xiàn)最穩(wěn)定策略的關(guān)鍵，而政府的監(jiān)督是不可或缺的。然而，僅靠政府監(jiān)督效果有限。公眾作為服務(wù)受眾，也應(yīng)對互聯(lián)網(wǎng)診療形成準(zhǔn)確的認知。因此，加強公眾對互聯(lián)網(wǎng)診療的宣傳和教育非常重要。通過增強公眾對互聯(lián)網(wǎng)診療的認知，引導(dǎo)他們正確地使用互聯(lián)網(wǎng)診療服務(wù)，從源頭上減少首診患者選擇互聯(lián)網(wǎng)診療的情況。同時，鼓勵全民參與監(jiān)管，形成多方參與、共同監(jiān)督的機制，提高互聯(lián)網(wǎng)診療服務(wù)的質(zhì)量和安全性。

4 局限性與未來研究方向

本研究對互聯(lián)網(wǎng)診療服務(wù)有效展開提供了一定參考價值，但研究仍存在局限性。首先，研究僅關(guān)注了影響互聯(lián)網(wǎng)診療服務(wù)的部分因素，而互聯(lián)網(wǎng)診療服務(wù)有效進行還需要考慮其他因素的影響以及各因素的相互作用路徑。比如將患者作為第四方主體，進行四方演化博弈。其次，由于互聯(lián)網(wǎng)診療服務(wù)興起不久，其統(tǒng)計數(shù)據(jù)難以獲取，本文采取的案例較為單一，研究結(jié)果在一定程度上受到了數(shù)據(jù)的限制。未來研究可以采用調(diào)研或使用統(tǒng)計數(shù)據(jù)等方法，采用更多樣化、全面的數(shù)據(jù)來源提升研究的準(zhǔn)確性和可靠性。最后，研究通過構(gòu)建演化博弈模型、仿真模擬和案例來分析影響互聯(lián)網(wǎng)診療服務(wù)的機制，未來研究可通過實證檢驗進一步驗證本研究的因果關(guān)系。