在线医患交互对慢性病患者依从性影响研究：基于患者特征与满意度视角

王思齐 陆秦妍 徐馨香 秦子儒 张晓飞

(南开大学商学院，天津，300071)

在线医疗社区(Online Health Communities,OHCs)是基于互联网、面向大众的互动平台，具有传播医疗健康相关知识，实现医患、患患间的交流互动，解决用户在日常生活中的医疗健康问题等功能[1]。慢性病管理已成为在线医疗社区中的重要模块，通过在线医疗社区，慢性病患者可通过在线问诊、线上开药等多种方式进行疾病管理。根据《中国健康管理与健康产业发展报告》，我国2019年由慢性病导致的死亡人数占全国死亡总数的88.5%[2]。由于慢性病具有患病周期长，并发症多、可治愈率低等特征[3]，患者需要进行长时间的自我健康管理，加强慢性病患者的健康管理将对患者的疾病控制起到决定性作用。慢性病患者依从性的强弱将直接影响慢性病管理的有效性已得到学界证明[4]，但患者特征是否会对在线情景下慢性病患者的依从性决策过程产生影响尚未得到验证。探索在线医疗社区中慢性病患者依从性决策路径，将对提升慢性病患者依从性，提高慢性病患者生存率起到重要作用。

依从性是患者行为(包括服药、饮食、运动和其他生活方式等)与医嘱的符合程度[5]，对慢性病患者的健康管理具有重要意义[4]。较低的依从性不仅会导致治疗措施的低效甚至失败[6-7]，还会导致治疗成本的激增。与急性病患者相比，慢性病患者更需要遵从医嘱进行慢病管理，但实际上，慢性病患者的依从性通常低于急性病患者[8]。WHO关于药物依从性的报告表明，发达国家慢性病患者的依从性程度平均约为50%，考虑到卫生资源的匮乏、获得卫生保健机会的不平等以及人均健康意识的薄弱，发展中国家的慢性病患者的依从性程度可能更低[8-9]。患者对医嘱的依从性不仅体现在慢性病的治疗效果中，还会对治疗费用产生影响。因此，提升患者依从性不仅可以提高患者的健康状况，同时也可以降低患者治疗的经济成本。随着互联网医疗的逐步发展，探索在线医疗社区是否可凭借其医患交互密切、沟通便利等特征，成为应对当前慢性病患者依从性低的重要工具，对提高在线医患交互效果，促进慢病患者健康管理有重要意义。

社会支持最初出现于心理学领域，是指一种能够让人们感受到被关心、被爱护、被尊重的信息[10]。在线医疗社区中，患者主要接受到来自医生的两类社会支持：情感支持和信息支持。慢性病患者需要通过医生了解有关疾病的专业知识和指导，以辅助其更好地进行健康管理。部分患者在自身健康出现问题，尤其是无法对自身情况进行有效判断时，难免会出现不安、焦虑等情绪，并在与医生交互时将这些情绪表达出来。相关研究表明，用户参与在线医疗社区的目的就是为了获得社会支持[11]。来自专业医生的情感支持可以拉近双方的关系，使患者的负面情绪得到有效缓解。在得到足够的社会支持后，患者会降低疾病带来的心理创伤，并建立积极的治疗理念，其依从性也会得到相应提高[12-13]。但在一些特殊情景中，社会支持很难直接影响患者依从性[14-23]。针对既往研究中的不一致结论，本文创新性地引入患者满意度作为社会支持影响依从性的中介变量，完善社会支持对慢性病患者依从性的传导路径，并结合慢性病患者特征，探索社会支持在不同患者群体中的异质性。

本文基于在线医疗社区的医患交互过程，研究社会支持对慢性病患者依从性传导路径的作用机制，并引入慢性病患者特征作为权变因素对上述路径进行探索。虽然先前的研究已经验证了在线情景下社会支持对患者满意度与依从性的影响，但存在不一致结论[24-25]，且未关注到社会支持、患者满意度与依从性这三者之间传导路径的相关关系。本研究不仅可以为未来依从性研究提供新思路，更好地探究患者依从性的影响因素，也可以解释当前文献中的不一致结论，对研究和提升慢性病患者依从性具有重要理论与实践意义。

基于社会支持理论(Social Support Theory)与依从性相关研究，本文选取以糖尿病患者为代表的慢性病患者群体进行数据收集与实证检验，结合患者特征构建信息支持、情感支持对满意度与依从性的影响模型，探究社会支持对慢性病患者依从性的影响路径以及不同患者特征下作用机制的差异。并基于数据分析结果提出在线医疗社区增强慢性病患者满意度与依从性的相关策略，进一步探究在线医疗服务的社会价值，为未来互联网医疗发展和相关领域研究提供参考。

2.1 在线医疗社区在慢性病管理中的作用

在线医疗社区是使用信息技术手段，将患者、医生和医院在内的医疗生态系统以社区网络的形式呈现，为患者和医生提供以医疗信息为核心的交流平台，涵盖寻医、评医、挂号、健康咨询等服务[26]。基于在线医疗社区的慢性病管理研究已从多角度开展，例如，对促进慢性病患者自我管理的在线项目的发展和验证研究[27],社会支持对慢性病患者自我照顾行为的影响研究[24]，同伴交互和支持对慢性病管理的作用研究[28]，医患交互对慢性病患者健康管理的影响研究[29],在线社区的治疗评分对慢性病患者治疗评估和依从性的影响研究等[30]。

随着在线医疗业务的深化拓展，慢性病管理愈发成为在线医疗社区中的重要模块，关注在线医疗社区对于慢性病管理的作用，对充分发挥互联网医疗的优势，为慢性病患者提供便利和帮助有显著的积极作用[24,27-30]。

鉴于依从性会影响患者慢病管理效果，很多研究开始关注在线医疗社区对慢性病患者依从性的影响[31-33]。在线医疗社区自然具有社会支持属性[34]，现有研究更多关注包含社会支持的变量，如医患交互[35]、感知共情[36]等因素对患者依从性的影响，而较少测量两种直接社会支持(信息支持与情感支持)对依从性的作用。部分研究成果表明，社会支持对慢性病患者依从性的影响不显著(详见附件一)，此类结论与主流认识相悖，说明社会支持对慢性病患者依从性的具体作用路径有待进一步解释。现有慢性病患者依从性研究依赖在线医疗社区问答数据与基于患者的问卷调查数据[4,20-21,35-36,38]，这会对测量医生侧的社会支持产生局限性；
在线问诊作为各大在线医疗社区的最主要业务之一[39]，当前的研究尚未关注到在线问诊过程对患者依从性的影响，对这一模块研究的缺失致使在线医疗社区对慢性病管理的作用没有得到充分的、有针对性的验证，这将降低慢性病患者的就医效率，导致医疗资源浪费。为了填补这一空缺并解释不一致结论，本研究关注一对一在线问诊过程中医生提供的社会支持对慢性病患者依从性的影响，通过对真实问诊交互数据的文本分析，验证医生提供的信息支持与情感支持对患者依从性的作用，为在线医疗社区支持慢性病管理提供理论依据和实践建议。

现有研究关注到不同慢性病患者群体自我管理的影响因素，如社会支持、家庭环境、耐药性对精神分裂症患者的影响[40]；
信息、动机和行为技能因素对慢性乙型肝炎患者的影响[27]；
同伴在线社区互动对糖尿病患者的影响[28]；
个体差异对依从性可能存在的调节作用[41]等。但现有研究缺少基于慢性病特征差异的患者依从性影响研究，这将导致既往结论缺乏对患者群体的针对性。为了深入探索在线医疗社区中医患交互的社会支持作用并解释既往文献中的不一致结论，本文①构建信息支持与情感支持对依从性的传导路径，提出并验证患者满意度的中介作用，完善社会支持对患者依从性的作用机制；
②结合慢性病患者的疾病特征，通过测量需求层次和并发症这两项个体差异特征对社会支持-依从性传导路径的影响。

2.2 社会支持与患者满意度

社会支持通常分为情感支持、工具支持和信息支持，指的是个体在社交网络中得到的来自他人的帮助或支持[42]。其中，情感支持指爱、关怀、同情理解和尊重等内容[43]，通常由同伴或亲密的他人提供的，后经Berkman等[42]证实，非亲密关系也能在特定的条件下提供情感支持；
工具支持是与实物、金钱和劳动帮助相关的内容[44]；
信息支持是为满足特殊需要而提供的建议或信息。社会支持理论在社会学、心理学、医学等学科中均有应用[45]，随着互联网技术和在线医疗社区的发展，学界已对在线情景下社会支持对患者的影响开展了多方面研究[25,46-47]。通过在线医疗社区，医生可以向患者提供信息支持和情感支持，这也是现有研究主要关注的社会支持类型[46]。但是，信息支持和情感支持能否通过影响患者依从性来提升慢性病管理效果，取决于患者是否对这些支持满意。患者满意与否会对其后续决策过程产生决定性影响。因此，本文提出患者满意度在社会支持与患者依从性关系中起到中介作用。

医疗情景下，患者满意度是指患者对医疗服务提供者所提供的医疗服务的满意程度[48]。Cutrona等[49]在传统线下医疗场景中证明，情感支持和信息支持将对患者满意度产生直接影响；

Meyerowitz等[50]指出，接受医疗信息越多的患者对医疗效果的满意度越高；
Yan等[46]证实，在线医疗社区中的信息支持和情感支持有益于患者健康。综上所述，线下医疗场景中，充足的情感支持与信息支持将提升患者的满意程度，帮助患者更好地进行健康管理。

在线问诊情景下，患者的满意度受到医生、患者、社区等因素的影响，其中医生的专业建议和人文关怀是影响患者问诊满意度的重要因素[51]。医生作为健康咨询服务的提供者，主要通过文字向患者传递信息，信息的有效性会对患者的健康管理产生积极影响[52]。根据现有研究，医生提供的信息支持能帮助患者改善健康状况[51]，患者通过医生提供的专业诊疗信息，能对疾病和自身状况有更加客观、正确的认知，从而达到问诊的目的，对问诊结果感到满意。因此，本文提出以下假设：

H1:医生的信息支持正向影响慢性病患者的满意度。

对于慢性病患者而言，长期处于不健康状态会伴随焦虑、沮丧、担忧、抑郁等不同程度的负面情绪，这会为病情康复带来消极影响[53-54]。因此，缓解患者的负面情绪对患者的康复有十分重要的意义[46]。来自医生的情感支持可以有效缓解负面情绪带来的负面效应[55-57]，为患者的治疗和康复带来积极作用。因此，本文提出以下假设：

H2:医生的情感支持正向影响慢性病患者的满意度。

2.3 患者满意度与依从性

依从性是指一个人的行为与医疗或健康建议的一致程度，例如坚持处方和保持健康的生活方式[36]。结合在线问诊背景和慢性病特征，本文将慢性病患者的依从性定义为患者遵从医生指导进行的自我照顾和自我健康管理行为。学界已对依从性问题的影响因素进行了较多探讨，如Lu等[36]指出，患者健康信息获取和医患沟通频率对患者感知情感和认知共情有正向影响，进而间接对患者依从性产生积极作用；
孟清扬(2021)的研究证明，患者满意度会通过患者的健康信息搜寻行为、电子素养等方式对其线下就诊的依从性产生影响[51]。

目前国内多通过线下渠道对慢性病患者的依从性进行调查研究，如选取门诊患者[58]、老年患者[59]为线下调查的目标群体，但很少涉及到在线医疗社区中的慢性病患者。基于国内现有研究空白和慢性病患者依从性特点，本文将探索在线医疗社区中医患交互对慢性病患者依从性的作用路径，为在线医疗社区提升运营效率，加强慢性病患者健康管理提供理论基础与实践指导。

H3：患者的满意度会正向影响依从性。

H4：患者的满意度在信息支持和依从性之间起中介效应。

H5：患者的满意度在情感支持和依从性之间起中介效应。

2.4 患者异质性

慢性病患者自身的异质性会对治疗产生较大影响，例如不同的并发症和严重程度等。依从性的相关研究证实，副作用、治疗周期长、治疗方案复杂和精神健康障碍将导致患者的依从性偏低[64]。相较于其他短期病症(如感冒等)，慢性病患者除了需要长期的健康管理和监控外，还需面对并发症、持续用药和复诊等问题。并且，慢性病患者的治疗场景大多在家，难以持续得到专业医护的观察与监督，这使得慢性病患者更难以保证对诊疗方案的依从程度。研究显示，有近一半的慢性病患者未按照医嘱服药[65]。在线医患交互作为现代医疗服务的新模式，能否对慢性病患者依从性低的现象有所改善，仍待进一步研究。

一方面，长期受到慢性病的影响，患者容易产生更多医疗需求，例如糖尿病作为临床常见的慢性疾病，目前尚无根治药物，除日常用药外，患者需结合运动和饮食才可对疾病进行控制，长期治疗过程中，患者易产生抑郁、焦虑等心理问题，产生更多医疗需求[53-54,66]；
另一方面，慢性病会引起各种并发症，如糖尿病的并发症包括从危及生命的紧急情况，如严重的低血糖或酮症酸中毒，到影响多个器官系统的慢性、衰弱性并发症，如视网膜病变、肾病和心血管疾病等[67]。慢性病的这两个特征不仅对患者的生活质量造成不利影响，还会降低患者对治疗的信心和依从性[66]。因此，医生不仅要对患者的病症控制进行科学、专业的指导，还需及时引导患者的情绪，以更好地帮助患者进行健康管理。综上，本研究将引入慢性病患者需求层次和并发症作为调节变量，来完善情感支持、信息支持对患者满意度和依从性的作用路径和影响机制，以期进一步完善在线医疗社区背景下依从性的相关研究。

2.4.1 需求层次的调节作用

患者的需求是否得到了满足，患者对在线问诊服务是否满意，不仅与医生提供的支持有关，还受到患者自身需求的影响[68]。现有研究已经证实，个体差异会对医疗质量满意度产生显著影响[69]。Wilson等[70]认为，不同层次的医疗保健沟通要求不同，他们根据医疗问题的严重程度划定了低、中、高三个层次的需求(如从简单的更改处方到准备一台紧急手术)。本研究根据问诊记录中糖尿病患者的需求，将糖尿病患者在线问诊中的需求内容概括为三类，患者在问诊中表现的需求类型越多，即患者的需求层次越高。

在线问诊中，患者会基于自身情况对需求和问题进行描述。根据期望确认理论，患者的需求层次越高，所需要医生回复的不同维度的内容越多，相应的期望水平也就越高，当医生给出较好的回答时患者感知效能会更高。提供信息支持的医生回复能有效解决患者的问题和疑惑，从而积极影响患者的满意度，而这种作用在需求层次高的患者中会进一步提升。因此，本文提出以下假设：

H6:需求层次正向调节信息支持与患者满意度之间的关系。

慢性病存在难治愈、并发症复杂等特点，慢性病患者普遍具有较高的心理压力，甚至会因为病痛产生放弃治疗的消极态度，这对后期的治疗与健康管理极为不利[51]。当慢性病患者提出更多需求时，自身存在的问题可能更复杂甚至更严重，潜在的心理压力可能更大，更需要来自医生的情感支持。来自医生的安慰、鼓励等支持会对患者的治疗态度和心理状态产生积极的影响，进而提升患者的满意度和治疗效果[51]。因此，本文提出以下假设：

H7：需求层次正向调节情感支持与患者满意度之间的关系。

2.4.2 并发症的调节作用

慢性病包括冠心病、心力衰竭、高血压、糖尿病等病症，其病理机制复杂，多病共存现象普遍[71]，不同程度和类型的并发症是慢性病患者之间的重要差异。糖尿病患者常见并发症包括心慌、手抖、呕吐、嗜睡等。探究这种差异如何作用于慢性病患者的依从性，对提升慢性病患者诊疗效果，满意度和健康管理有重要的研究意义。研究显示，治疗方案越简单，患者的满意度和依从性就会越高[72]。并发症的复杂多样导致患者的治疗方案复杂度提升，容易导致患者难以严格落实医嘱用药与自我管理[73]。因此，本文提出以下假设：

H8:并发症负向调节患者满意度与依从性之间的关系。

基于以上讨论，本文构建了图1所示的理论模型，在该模型中，信息支持、情感支持为自变量，满意度为中介变量，需求层次与并发症为调节变量，依从性为因变量。

图1 研究理论模型

3.1 数据收集、选择与处理

本文选取糖尿病患者作为具体研究对象。通过公开渠道，获取了国内某知名在线医疗平台从2015年8月到2021年5月的内分泌科历史问诊记录，通过血糖、糖尿病等关键词，定位到282位医生的15516条问诊记录，对已定位信息进行筛选与清洗，去除包含血糖、糖尿病等关键词但患者病症非糖尿病的问诊记录，最终保留有效问诊记录15358条。之后将医生、患者的会话内容进行文本分析，识别、分析文本内容中蕴含的社会支持、并发症、满意度等变量。

3.2 变量的定义与度量

依从性：本文借鉴Wang等[24]对患者自我照顾行为的测量方式，他们认为在线问诊中患者虽然使用了自我照顾行为导向的词，但实际可能是表达抱怨情绪。为了更好地界定，他们利用LIWC(Linguistic Inquiry and Word Count)进行文本分析，通过积极情绪得分减去消极情绪得分得到患者的净情绪得分。当净情绪得分为正时，则认为患者进行了自我照顾；
若净情绪得分为负，则认为自我照顾行为是在负情绪环境中表现出来的，说明患者可能没有进行自我照顾行为，而是表达抱怨情绪，并将此时的自我照顾行为的得分转换为零。本文使用这一方式对慢性病患者的依从性进行测量，将LIWC计算的患者积极情绪得分减去消极情绪得分，若得分为正，则记为依从性得分；
若得分为负，则记为0。

情感支持与信息支持：既往研究发现，医生的情感支持主要由医生会话中的情感表达来提供，这种情感表达可以通过识别“不要紧”“放宽心”等相关词的数量来衡量[74]。LIWC已被广泛用于识别在线医疗场景下的情感支持[47,74]。在具体实施前，根据研究助理的实际测量，本文先对LIWC的情感词典进行补充，以便更好地体现研究结果。之后，使用LIWC 2015从问诊记录中识别具有积极和消极情绪的词语，测量医生回复中的情感支持。信息支持是为满足特殊需要而提供建议或信息。慢性病患者使用在线医疗社区的目的就是解决自身病症相关问题，在线问诊中，医生的全部回复内容可视为对患者的信息支持，因此，本文采用医生回复的文字数来测量医生提供的信息支持。

满意度：本文使用LIWC测量患者满意度。此前研究中，患者满意度有不同的测量方式，如Yang等[75]使用积极评分数与患者数的比率来衡量患者对医生整体服务质量的平均满意度，本文参考Chen等[25]的方法将患者满意度分为患者对医生医疗质量的满意度和对医生服务态度的满意度，构建同时包含这两方面内容的患者满意度词典(如太贴心了、耐心解答和医术精湛、水平高等)，对满意度进行测量。

需求层次：本文将糖尿病患者在线问诊中的主要需求概括为三类：①对于病症及用药的问诊；
②线上开药；
③其他线下需求(如到医院面诊、挂号、住院等)。由研究助理对文本内容进行识别和标记，当患者存在任意一种情况时，将其需求层次标记为1；
存在任意两种情况时，将其需求层次标记为2；
存在三种情况时，将其需求层次标记为3。

并发症：既往研究中尚未形成可用性较高的并发症词典，本文由研究助理对问诊文本中患者描述的并发症状词语进行标记(如头晕、双脚发麻等)，同时结合糖尿病并发症名称术语构建并发症词典，测量患者自身的并发症情况。

控制变量：本文从医生和患者两方面选取控制变量共同构建模型。患者层面包括患者发布的文字数和患者年龄，医生层面包括医生的职称、医生所在医院等级和在线图文问诊价格。

具体的变量定义和描述如表1所示。

3.3 数据分析与结果

首先利用阶层回归测量社会支持对患者满意度的影响情况(表2)。第一阶段，放入控制变量，发现患者年龄和发布文字数都是显著的，医院等级、医生职称和问诊价格由于共线性没有显示。第二阶段，加入信息支持和情感支持，发现情感支持对满意度的影响是正向且显著的(β=0.039，t=2.31，p<0.05)，信息支持对满意度的影响是正向且显著的(β=0.001，t=6.19，p<0.01)，这与本文的假设H1、H2相一致，即医生的信息支持和情感支持正向影响患者满意度。第三阶段，测试需求层次的调节作用，发现需求层次对情感支持与满意度关系的调节作用是正向且显著的(β=0.110，t=2.13，p<0.05)，这与本文的假设H7相一致，即需求层次正向调节情感支持与满意度之间的关系。但需求层次对信息支持与满意度关系的调节作用不显著(β=-0.000，t=-1.94，p>0.1)，假设H6没有得到支持。

随后，以同样的步骤测试满意度对依从性的影响情况(表3)。第一阶段，放入控制变量，只有患者发布的文字数是显著的，医院等级、医生职称和问诊价格由于共线性没有显示。第二阶段，满意度对依从性的影响是正向且显著的(β=0.855，t=32.13，p<0.01)，这与本文的假设H3相一致。第三阶段，测试并发症的调节作用，发现并发症对满意度与依从性之间关系的调节是负向显著的(β=-0.010，t=-2.14，p<0.05)，这与本文的假设H8相一致，即并发症负向调节满意度与依从性之间的关系。

表1 变量描述

表2 社会支持与满意度模型回归结果

第四阶段，测试满意度在模型中的中介效应。参考Baron的因果逐步回归检验法[76]对满意度的中介效应进行检验，首先检验自变量对因变量的作用，其次检验自变量对中介变量的作用，最后检验自变量和中介变量对因变量的共同作用。如表4所述，满意度对信息支持与依从性之间、情感支持与依从性之间都起到了显著的中介作用，假设H4、 H5成立。

3.4 稳健性检验

医患沟通往往是不对称的，处于权威地位的医生会控制整个沟通过程，以达到解决医疗问题的目的[77]。出于对医生的尊重等原因，患者很少会对医生的某些指导表现出直接的否定和不愿配合；
另外，患者明确表达不依从是很少发生的，因为这样相当于直接承认自己在医疗行为中的失败，且会担负较大的道德压力，因此每个患者都应被认为是潜在的不依从，进而正向评估其依从性情况[78]。文字作为在线医患交互的媒介，通过测量交互中患者所表达的依从性话语，可以一定程度上反应患者对医嘱的认可以及依从性，据此可以推测患者根据医嘱进行健康管理的态度以及依从性行为，所以此方法可以测量患者对医嘱的依从性。既往研究中主要通过患者自填量表来测量患者依从性[4,16,18-19,36,79-81]，但患者的主观情绪或对过去依从行为的遗忘可能会对结果造成影响。因此，为了更准确地测量患者的依从性并支持本文的研究发现，本文由研究助理制作了依从性词典，根据患者表达的有关依从行为的文本如遵您医嘱、按您说的吃药等，再次测量有关依从性的结果。回归结果表明，所有显著情况与上述一致，因此，研究结果具有可靠性，见表5。

表3 满意度与依从性模型回归结果

表4 中介效应检验结果

由于因果逐步回归检验法受到检验精度的限制，本文使用Sobel检验法对模型的中介效应进行验证。Sobel检验法利用中介效应估计值与中介效应估计值标准误差的比值Z，比较Z值与标准正态分布的临界Z值，若Z值大于临界Z值，则中介效应存在[82]。检验结果如表6所示，满意度在信息支持与依从性之间、情感支持与依从性之间均起到了中介作用。

4.1 研究结论

第一，在线医疗社区中医生提供的信息支持和情感支持可提高患者的问诊满意度，从而通过满意度这一中介变量提升患者的依从性。

本研究提出并证明了社会支持对慢性病患者依从性的影响路径，并通过验证满意度的中介作用，为既往研究中的不一致结论提供了可能的解释思路。

表5 稳健性检验结果

表6 中介效应Sobel检验结果

第二，慢性病患者的满意度和依从性会受自身特征，即需求层次和并发症情况影响。需求层次正向调节情感支持和满意度之间的关系，而对信息支持和满意度之间关系的调节作用不显著，这可能是因为患者在需求层次高的情况下，更希望医生以简明扼要的形式对各种问题和需求进行回复和解决，而不追求与医生更多的交流。

第三，并发症负向调节满意度与依从性之间的关系。当并发症较多时，患者的依从性会降低，这可能是因为慢性病患者受到既往的疾病认识、自我判断和痛苦感受的影响，导致自我效能高，因而不完全采纳并遵从医生的诊疗建议。

4.2 理论贡献

首先，提出并证明了社会支持对慢性病患者依从性的影响路径。本文验证了医生提供的信息支持和情感支持正向影响慢性病患者的满意度，进而通过满意度这一中介变量对患者的依从性起到积极作用。研究结果与我们的常识相吻合，即当患者对医生回复的内容感到满意时，会更愿意依从医生的指示。同时，慢性病患者的满意度和依从性受到自身特征，即并发症情况和需求情况的调节作用影响。这一路径可为研究在线医疗社区中慢性病患者依从性提供新思路。

其次，为社会支持理论研究中存在的不一致结果提供了可能的解释。既往研究中存在社会支持对慢性病患者依从性影响不显著的情况，本文通过验证满意度的中介作用，证明了来自医生的信息与情感支持首先正向影响慢性病患者满意度，进而正向影响依从性；
当并发症增多时，慢性病患者的依从性会受到调节作用影响而降低。这一发现为社会支持对慢性病患者依从性影响研究中的不一致结论提供了可能的解释。

最后，本文探索了慢性病患者特征在其依从性决策中的作用机制。在线问诊带来的模糊性，使得医生对患者的识别和判断局限于患者提供的资料和描述，受此影响下，患者特征可能对诊疗效果产生更多影响。随着需求层次增加，患者对情感支持的需求更强。而当并发症较多时，患者的依从性会降低，这可能是因为慢性病患者受到既往的疾病认知和痛苦感受的影响，导致自我效能高，不完全采纳并遵从医生的建议。这一发现为研究慢性病患者的需求、满意度和依从性提供了新的方向和视角。

4.3 实践贡献

本文为提升糖尿病等慢性病患者在线问诊中的满意度和依从性提供了具体的要素方向，有利于提高在线问诊效果，帮助慢性病患者更好地控制病症，提升在线医疗效果。

(1)对医生：在问诊回复过程中，鼓励医生通过提供更多的情感支持，对需求层次高的患者和明显表现出消极情绪的患者给出积极的安慰和引导，进而提高患者的依从性，帮助慢性病患者更好地控制疾病，达到更好的在线医疗效果。

(2)对患者：慢性病患者作出的医疗决策受到自身并发症情况和需求情况影响，因此在问诊前，患者可以对自己的病症情况和需要询问的问题进行梳理，明确自身需要解决的问题，避免在与医生进行交流时症状描述不全面或忘记某些问题；
同时，患者应以积极的心态应对自身并发症情况，遵循医生的指导，做好科学治疗和健康管理。

(3)对社区：平台应提醒医生关注慢性病患者的并发症情况和负面情绪，让医生了解患者的依从性决策过程，即当患者并发症更多时可能带来依从性降低这一问题，使医生可以通过积极的信息与情感支持鼓励和引导患者遵循医嘱进行自我健康管理，从而提升慢性病患者依从性，进一步发掘在线医疗社区对慢性病管理的价值。

4.4 研究局限与展望

(1)由于在线医疗社区对患者问诊记录的脱敏处理，无法定位某一患者对医生持续的问诊，因此对于可能存在的一个患者对同一医生的多次问诊，本文只能将其处理为不同的患者问诊，这对于研究患者的依从性可能会造成一定影响。

(2)本研究仅从糖尿病患者的角度关注了社会支持对于慢性病患者依从性的影响，而未研究一人多病的慢性病患者的情况。随着慢性病患者分布的年龄阶段逐渐扩展，一人多病的情况日趋多见，这类慢性病患者使用在线医疗社区解决自身健康问题会存在哪些需求和特征，未来研究可以在这一方向进行相关探索。

(3)依从性作为患者对医生医嘱的遵循行为，仅从线上数据来测量依从性存在局限。本文使用文本分析方法测量慢性病患者依从性表现，测量值与患者真实的依从性情况之间可能存在差异，并且无法对患者后续的依从效果进行跟踪检验，未来研究可从这两方面进一步探索患者依从性的测量方式。

本文基于社会支持理论探索了在线医疗社区中社会支持对慢性病患者满意度与依从性的影响机制，通过分析在线医疗社区中的海量问诊记录对模型进行验证。研究发现，在线医疗社区中医生提供的信息支持和情感支持可提高慢性病患者的问诊满意度，医生可通过提高慢性病患者问诊满意度的方式来提升患者的依从性。慢性病患者的自身特征会对患者满意度和依从性产生影响，患者需求层次越高时，医生情感支持对患者满意度的影响会更强，而信息支持对患者满意度的影响不显著；
当慢性病患者的并发症较多时，患者的依从性会降低。本文验证的社会支持对慢性病患者依从性的影响路径，对解释既往研究中的不一致结果具有一定参考价值，相关结论为探究社会支持对慢性病患者依从性的影响提供了新的思路与实践指导。

猜你喜欢 慢性病依从性医生 肥胖是种慢性病，得治！今日农业(2022年16期)2022-09-22健康管理和健康教育在老年人慢性病控制中的应用中国典型病例大全(2022年12期)2022-05-13应用PDCA循环法提高手卫生依从性对医院感染的影响中国典型病例大全(2022年12期)2022-05-13最美医生安徽医学(2022年3期)2022-03-22计划行为理论在药物依从性方面的应用现代临床医学(2021年4期)2021-07-31健康体检常见慢性病及指标异常流行病学分析中国药学药品知识仓库(2021年18期)2021-02-28健康教育对改善癫痫患儿治疗依从性的效果医学新知(2019年4期)2020-01-02医生小太阳画报(2018年3期)2018-05-14望着路，不想走文学港(2018年1期)2018-01-25逆转慢性病每个人都可能是潜在的慢性病候选人！今日中国·中文版(2016年10期)2016-10-17

相关热词搜索：在线 依从 满意度