基于用戶畫像的患者就醫(yī)影響因素研究

佟金鐸，郭鳳英，翟 興，李 巖，陳曉倩

（北京中醫(yī)藥大學(xué)管理學(xué)院，北京 100029）

隨著互聯(lián)網(wǎng)開始普及，信息技術(shù)水平不斷提高，社會(huì)各行各業(yè)信息化程度也隨之逐漸加深。醫(yī)療行業(yè)作為一個(gè)與健康密切相關(guān)的行業(yè)，在信息技術(shù)改革的影響下，其醫(yī)療模式、醫(yī)療形態(tài)都有了巨大的改變，在傳統(tǒng)就醫(yī)模式的基礎(chǔ)上發(fā)展形成了“在線醫(yī)療”的新型就醫(yī)模式。患者可以足不出戶，通過在線醫(yī)療網(wǎng)站選擇合適醫(yī)生進(jìn)行問診，隨之產(chǎn)生了大量的就醫(yī)行為數(shù)據(jù)，如醫(yī)生熱度、患者滿意度、患者評(píng)價(jià)等。這些數(shù)據(jù)信息通過在線醫(yī)療網(wǎng)站也呈現(xiàn)在患者面前，影響著患者的就醫(yī)選擇。在考慮自身經(jīng)濟(jì)條件和對(duì)癥的同時(shí)，醫(yī)生所屬醫(yī)院、醫(yī)生職稱以及患者對(duì)醫(yī)生的評(píng)價(jià)等信息同樣對(duì)患者的就醫(yī)選擇有著巨大的影響。對(duì)于在線醫(yī)療網(wǎng)站的發(fā)展而言，分析影響患者就醫(yī)選擇的因素，進(jìn)而為患者提供更加符合個(gè)性化需求的在線醫(yī)療服務(wù)，具有十分重要的意義[1]。本文主要通過分析患者就醫(yī)的數(shù)據(jù)信息，判斷患者就醫(yī)的傾向性以及影響患者就醫(yī)傾向性的因素，從而完善在線醫(yī)療網(wǎng)站的服務(wù)機(jī)制以提高患者的就醫(yī)體驗(yàn)，為患者提供更加優(yōu)質(zhì)服務(wù)。

1 在線醫(yī)療網(wǎng)站數(shù)據(jù)采集

1.1 網(wǎng)絡(luò)爬蟲 網(wǎng)絡(luò)爬蟲是目前常用的網(wǎng)絡(luò)數(shù)據(jù)采集工具，通過一定的代碼程序?qū)崿F(xiàn)自動(dòng)檢索目標(biāo)網(wǎng)站網(wǎng)頁信息的功能[2]。它的廣泛應(yīng)用為快速便捷地采集大量網(wǎng)頁數(shù)據(jù)提供了工具和方法，取代了手動(dòng)采集網(wǎng)頁數(shù)據(jù)，對(duì)大數(shù)據(jù)技術(shù)的發(fā)展有著巨大的推動(dòng)作用。

1.2 網(wǎng)頁數(shù)據(jù)抓取的實(shí)現(xiàn) 隨著爬蟲技術(shù)的發(fā)展和成熟，市場(chǎng)上出現(xiàn)了許多功能完善的爬蟲軟件。本次主要采用八爪魚爬蟲軟件，這款軟件有簡(jiǎn)易采集和自定義兩種采集模式，將數(shù)據(jù)采集過程簡(jiǎn)易化、智能化、可視化，極大地減輕了操作者的工作負(fù)擔(dān)，提高了數(shù)據(jù)采集效率。本次選用自定義模式，共采集776名醫(yī)生的結(jié)構(gòu)化數(shù)據(jù)信息，主要包括以下字段：醫(yī)生姓名、職稱、所屬醫(yī)院、推薦熱度、主治疾病、就診費(fèi)用和患者評(píng)價(jià)。

2 數(shù)據(jù)清洗和處理

2.1 原始數(shù)據(jù)集描述 從好大夫在線網(wǎng)站上采集到的原始數(shù)據(jù)，存在著數(shù)據(jù)冗余、缺失值等問題，需要進(jìn)行數(shù)據(jù)清理。Azure Machine Learning 具有對(duì)數(shù)據(jù)集進(jìn)行可視化并從很大的數(shù)據(jù)集中抽樣的能力，可用來完成數(shù)據(jù)清理。在清洗和處理原始數(shù)據(jù)集之前，一般先要了解以下幾個(gè)方面：①數(shù)據(jù)集的記錄數(shù)；②屬性的數(shù)量；③每個(gè)屬性的數(shù)據(jù)類型；④名義屬性有哪些值；⑤連續(xù)屬性的統(tǒng)計(jì)分布情況；⑥每個(gè)屬性有多少缺失值；⑦每個(gè)屬性有多少不同的值。通過創(chuàng)建實(shí)驗(yàn)可視化數(shù)據(jù)集里的原始數(shù)據(jù)，見圖1。

通過這些圖表的內(nèi)容，對(duì)該數(shù)據(jù)集的整體情況有了初步的認(rèn)識(shí)和了解。在此基礎(chǔ)上，還可以添加Descriptive Statistics 模塊運(yùn)行實(shí)驗(yàn)，進(jìn)一步了解該數(shù)據(jù)集。該模塊生成標(biāo)準(zhǔn)統(tǒng)計(jì)測(cè)量結(jié)果，描述數(shù)據(jù)集里的每個(gè)屬性，見圖2。觀察該結(jié)果可以發(fā)現(xiàn)數(shù)據(jù)集存在的問題，包括圖文問診費(fèi)存在15 個(gè)缺失值、電話咨詢費(fèi)存在22 個(gè)缺失值、部分字段重復(fù)等。

圖1 可視化數(shù)據(jù)集

圖2 標(biāo)準(zhǔn)統(tǒng)計(jì)測(cè)量結(jié)果

2.2 數(shù)據(jù)集的清洗 通過配置Azure Machine Learning 的Clean Missing Data 模塊，設(shè)定清洗規(guī)則，解決數(shù)據(jù)集中包含缺失值和部分重復(fù)字段。

3 用戶畫像構(gòu)建

3.1 用戶畫像概述 在大數(shù)據(jù)時(shí)代，互聯(lián)網(wǎng)的數(shù)據(jù)總量逐年激增，海量的數(shù)據(jù)信息聚集在互聯(lián)網(wǎng)上，蘊(yùn)含著巨大的能量和價(jià)值。人們可以通過研究互聯(lián)網(wǎng)上相關(guān)的數(shù)據(jù)信息，分析用戶的屬性和特征，從而有針對(duì)性地提供個(gè)性化服務(wù)。在充分利用大數(shù)據(jù)進(jìn)行研究分析的眾多工具和方法中，用戶畫像的應(yīng)用最為廣泛。用戶畫像通過從采集到的數(shù)據(jù)中提取特征化標(biāo)簽，挖掘和刻畫用戶的屬性以及特征，通過給用戶“貼標(biāo)簽”來構(gòu)建畫像模型，可以有效挖掘用戶的個(gè)性化需求，制定個(gè)性化服務(wù)方案，從而使資源利用效率達(dá)到最優(yōu)[3]。

3.2 用戶畫像構(gòu)建流程 一般來說，構(gòu)建用戶畫像大致分為以下三步：①采集數(shù)據(jù)：通過訪談、問卷調(diào)查、網(wǎng)絡(luò)爬蟲等方式進(jìn)行數(shù)據(jù)采集；②提取特征：對(duì)采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和文本分析，從中提取出不同維度的特征化標(biāo)簽；③呈現(xiàn)畫像：可視化特征標(biāo)簽，形成用戶畫像。本次通過網(wǎng)絡(luò)爬蟲來采集好大夫在線網(wǎng)站上的數(shù)據(jù)，將醫(yī)生姓名、職稱、所屬醫(yī)院、推薦熱度以及收費(fèi)標(biāo)準(zhǔn)等特征信息標(biāo)簽化，對(duì)患者評(píng)價(jià)進(jìn)行文本分析，提取患者評(píng)價(jià)當(dāng)中的特征詞并分析該評(píng)價(jià)的情感傾向，歸納整理相關(guān)的特征化標(biāo)簽并將其可視化，最終形成該醫(yī)生的可視化用戶畫像。

3.3 畫像特征的提取 患者評(píng)價(jià)數(shù)據(jù)是非結(jié)構(gòu)化數(shù)據(jù)，屬于特定的自然語言，遵循特定的語法和語義。自然語言是人類為滿足自身使用和溝通而形成并演變出來的語言，而不是像計(jì)算機(jī)編程語言那樣由人工創(chuàng)造和構(gòu)建的語言。語言的“自然性”導(dǎo)致了人們?cè)谶M(jìn)行文本分析的時(shí)候，不能只考慮文本數(shù)據(jù)本身，還要考慮到它背后的概念、它的本質(zhì)、意義和其中包含的情感。通常相比在客觀內(nèi)容上，情感分析能夠在患者評(píng)價(jià)這種主觀內(nèi)容上更好地工作。這是因?yàn)楫?dāng)一個(gè)文本擁有客觀的上下文或視角時(shí)，文本通常描述一些正常的陳述或事實(shí)而不表達(dá)任何情感、感覺或情緒。好大夫在線醫(yī)療網(wǎng)站上的患者對(duì)醫(yī)生的評(píng)價(jià)，包含了患者的就醫(yī)體驗(yàn)和情緒，對(duì)它進(jìn)行分析和挖掘找出患者最為關(guān)心要素，對(duì)于改善在線醫(yī)療服務(wù)意義重大[4]。

通過調(diào)用百度AI 平臺(tái)的自然語言處理API，對(duì)患者評(píng)價(jià)數(shù)據(jù)進(jìn)行情感傾向分析。利用client.sentimentClassify(text)命令，對(duì)命名為text 的文本進(jìn)行情感傾向分析。以text='感謝信：診斷準(zhǔn)確、快速！知性女醫(yī)生，讓病人感覺到溫馨！'為例，得到以下結(jié)果'positive_prob':0.991941,'confidence':0.982091,'negative_prob':0.00805927,'sentiment':2。該結(jié)果表示文本內(nèi)容屬于積極類別的概率為0.991941，屬于消極類別的概率為0.00805927，分類的置信度為0.982091，情感極性分類結(jié)果為正向。根據(jù)以上分析結(jié)果可以看出，本條患者評(píng)價(jià)表達(dá)的情感為正向情感且可信度很高，即該患者對(duì)其所評(píng)價(jià)的醫(yī)生很滿意，見圖3。

圖3 情感傾向分析部分結(jié)果

3.4 可視化畫像的實(shí)現(xiàn) 從情感傾向分析的角度出發(fā)，根據(jù)患者對(duì)醫(yī)生所做的評(píng)價(jià)分析患者的就醫(yī)體驗(yàn)，在此基礎(chǔ)上提取出該醫(yī)生的特征并形成畫像[5]。首先通過調(diào)用Python 的jieba 庫來進(jìn)行分詞和統(tǒng)計(jì)詞頻的操作。以某醫(yī)生的患者評(píng)價(jià)為例，從分析結(jié)果中可以發(fā)現(xiàn)在高頻詞當(dāng)中，耐心一詞出現(xiàn)了44次，感謝一詞出現(xiàn)了27 次，認(rèn)真一詞出現(xiàn)了20 次，熱情一詞出現(xiàn)了18 次，和藹一詞出現(xiàn)了10 次，仔細(xì)一詞出現(xiàn)了10 次。由此推斷，患者對(duì)該醫(yī)生提供的醫(yī)療服務(wù)很滿意，這是一次愉快的就醫(yī)體驗(yàn)[6]。將這些高頻詞提取出來，即可作為該醫(yī)生的特征標(biāo)簽，見圖4。再調(diào)用Python 的wordcloud 庫來生成詞云，在jieba 分詞的基礎(chǔ)上，生成該醫(yī)生的詞云，即醫(yī)生畫像，見圖5。

圖4 分詞和統(tǒng)計(jì)詞頻的部分結(jié)果

4 基于機(jī)器學(xué)習(xí)的相關(guān)性分析

Microsoft Azure Machine Learning 的Filter -BasedFeature Selection 模塊中內(nèi)置了多種相關(guān)性分析算法，這些算法會(huì)計(jì)算數(shù)據(jù)集中的每個(gè)特征和目標(biāo)屬性之間的相關(guān)度，并據(jù)此給該特征一個(gè)分?jǐn)?shù)來表示二者間的相關(guān)度。本文選取的卡方檢驗(yàn)算法進(jìn)行患者就醫(yī)影響因素的相關(guān)性分析[7]，選定“評(píng)分”列作為目標(biāo)屬性計(jì)算它和其他特征間的相關(guān)度。經(jīng)計(jì)算每個(gè)特征和目標(biāo)屬性之間的相關(guān)度如下：“所屬醫(yī)院”：937.940468，“2 年內(nèi)該疾病得票”：620.22737，“該疾病總票”：431.237631，“近兩周答疑數(shù)”：174.726116，“圖文問診費(fèi)”：141.400486，“電話咨詢費(fèi)”：128.346698，“職稱”：56.571225。由此可以看出，“所屬醫(yī)院”、“2 年內(nèi)該疾病得票”和“該疾病總票”三個(gè)特征和目標(biāo)屬性“評(píng)分”之間的相關(guān)度最大。即醫(yī)生所屬醫(yī)院和醫(yī)生口碑與患者就醫(yī)體驗(yàn)之間的相關(guān)性最大。

圖5 可視化醫(yī)生畫像

使用Power BI 可視化模型，將各個(gè)特征和目標(biāo)屬性“評(píng)分”之間的相關(guān)關(guān)系通過圖表的形式呈現(xiàn)，見圖6～圖8。可知：①“評(píng)分”和“所屬醫(yī)院”之間的相關(guān)性很大，“評(píng)分”會(huì)隨著“所屬醫(yī)院”的改變而改變；②“評(píng)分”和“兩年內(nèi)該疾病得票”之間，整體上呈正相關(guān)趨勢(shì)；③“評(píng)分”和“職稱”之間的相關(guān)性很小，“評(píng)分”基本不會(huì)隨著“職稱”的改變而改變；④“評(píng)分”和“圖文問診費(fèi)”之間，呈近似正態(tài)分布關(guān)系；⑤“評(píng)分”和“該疾病總票”之間，整體上呈正相關(guān)趨勢(shì)；⑥“評(píng)分”和“電話咨詢費(fèi)”之間，呈近似正態(tài)分布關(guān)系；⑦“評(píng)分”和“近兩周答疑數(shù)”之間的相關(guān)性較小，“評(píng)分”在某水平線附近上下波動(dòng)。其中“評(píng)分”代表患者就醫(yī)體驗(yàn)，“所屬醫(yī)院”代表醫(yī)生所屬醫(yī)院，“兩年內(nèi)該疾病得票”和“該疾病總票”代表醫(yī)生口碑，“職稱”代表醫(yī)生職稱，“圖文問診費(fèi)”和“電話咨詢費(fèi)”代表收費(fèi)標(biāo)準(zhǔn)，“近兩周答疑數(shù)”代表醫(yī)生最近的回復(fù)率。

圖6 醫(yī)生口碑和評(píng)分間的關(guān)系

圖7 醫(yī)生職稱和評(píng)分間的關(guān)系

圖8 收費(fèi)標(biāo)準(zhǔn)和評(píng)分間的關(guān)系

5 總結(jié)

通過對(duì)好大夫在線網(wǎng)站上的相關(guān)數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)，影響患者就醫(yī)的因素主要包括：①該醫(yī)生所屬醫(yī)院在該疾病領(lǐng)域的專業(yè)性；②兩年內(nèi)該疾病得票數(shù)；③該醫(yī)生的技術(shù)水平和服務(wù)態(tài)度；④醫(yī)生的收費(fèi)標(biāo)準(zhǔn)。醫(yī)生所屬醫(yī)院在該疾病領(lǐng)域的專業(yè)性越強(qiáng)，兩年內(nèi)該疾病得票數(shù)越高，服務(wù)態(tài)度越好，收費(fèi)標(biāo)準(zhǔn)越合理，患者越傾向于選擇該醫(yī)生就診。當(dāng)醫(yī)生的收費(fèi)標(biāo)準(zhǔn)在200～400 元時(shí)，患者對(duì)其評(píng)價(jià)最高。其中，醫(yī)生的服務(wù)態(tài)度對(duì)患者就醫(yī)體驗(yàn)的影響非常大，很大程度上決定了患者下次是否還會(huì)選擇該醫(yī)生。而在其他條件相同的情況下，患者對(duì)不同職稱醫(yī)生的評(píng)價(jià)基本相同，從側(cè)面說明了醫(yī)生的服務(wù)態(tài)度才是影響患者就醫(yī)體驗(yàn)的關(guān)鍵。

在線醫(yī)療網(wǎng)站可以將各個(gè)醫(yī)院按照在不同疾病領(lǐng)域的專業(yè)性進(jìn)行區(qū)分，有針對(duì)性地為患者進(jìn)行推薦。同時(shí)制定嚴(yán)格的獎(jiǎng)懲制度，對(duì)在同一疾病領(lǐng)域得票數(shù)高的醫(yī)生給予更多推薦和宣傳資源，對(duì)在同一疾病領(lǐng)域得票數(shù)低的醫(yī)生進(jìn)行限流。獎(jiǎng)勵(lì)服務(wù)態(tài)度好的醫(yī)生，懲罰服務(wù)態(tài)度差的醫(yī)生（情節(jié)嚴(yán)重者封號(hào)）。通過激勵(lì)和約束平臺(tái)上的醫(yī)生，嚴(yán)格控制其收費(fèi)標(biāo)準(zhǔn)，為患者提供更加優(yōu)質(zhì)的在線醫(yī)療服務(wù)。