移动网络媒介与医患信任危机——基于居民风险感知视角的实证分析
2023-05-09   来源：丁海峰 李立清   

医患信任是医患关系良性可持续发展的前提及维护社会和谐稳定的重要基础。然而，随着互联网技术的不断发展，移动网络媒介的普及使医患矛盾被不断放大，给我国医疗系统带来严重的群体性信任危机。据调查数据显示，2002至2020年间，我国医疗纠纷案件总计达到108905件。值得注意的是，从2014年开始，我国医疗损害责任诉讼的案件数量急剧增加，增幅接近275%，可见我国医患关系不容乐观。一方面，医患群体之间普遍的医患不互信任感导致社会医患矛盾激化的现象不断升级；另一方面，医患矛盾的升级又导致医患信任的进一步破损，从而造成全社会的医疗信任危机，两者相互影响导致恶性循环。习近平总书记在多个场合强调构建和谐医患关系的重要性。李克强总理也在我国第二个医师节上郑重提出要进一步加快构建新型良好的社会医患关系，加强全民族、全社会尊医重卫的意识。医疗信任网络的建立，不仅可以在短期内缓解紧张的社会医患关系，而且更关系到今后我国医患关系走向的日趋和谐与持续稳定。这不仅对我国医疗卫生事业可持续发展具有显著的促进意义，而且对于维护社会稳定并提升社会信任具有重要的现实价值。因此，如何加强医患信任成为社会各界关注的重要议题。

然而，伴随着互联网、物联网、大数据及人工智能技术应用的高速发展，事件传播呈现快速性、及时性等多种特点，社会公众利益与诉求的表达方式更加具备随时性、便捷性与多样性。根据中国互联网络信息中心（CNNIC）发布的第50次《中国互联网络发展状况统计报告》数据显示，截至2022年6月，我国网民规模已高达近10.51亿，互联网终端普及率约达到近74.4%，其中经常使用手机、平板等新型移动互联网设备上网约占总人数的99.6%，上网人数位居全球第一。与传统媒体相比，移动网络媒介传播的信息具备速度更快、互动性更强、传播结构的网状化等多种技术性特征，这增强了互联网信息传播覆盖的时空速度感和时空广度，使绝大多数公众群体暴露在风险信息浪潮之中。然而，在某些利益驱动下，某些第三方自媒体平台为了快速增加其关注度与吸取“流量”，在选择对某些医疗事件进行相关报道时会刻意选择医患双方冲突等医疗负面事件，这无形中降低了社会公众对医生的信任感。加之我国网民素养参差不齐，导致公众的不信任感大大增加，这给现代医患关系的发展带来极大挑战。

基于此，本文着重回答如下问题：移动网络媒介是否会对医患信任产生影响，从而造成信任危机？这其中又是通过什么机制进行影响？不同人群间的移动网络媒介使用是否对医患信任产生差异？基于此，本文利用2018年中国家庭追踪调查数据（CFPS）实证考察移动网络媒介使用对医患信任的影响，并探讨其内在机制渠道。分析这些问题不仅有助于从理论层面剖析互联网背景下医患关系形成的内在影响机理，而且还可以为我国数字时代背景下的医患工作提供重要启示。

信任理论认为信任的最终建立过程是作为信任要素的信任主体、客体和信任环境三方面要素彼此相互作用产生的必然结果。在以往的研究中，环境要素多呈现为经济发展水平、政府政策以及公众的态度等。然而，随着新兴技术的迅速发展，互联网逐渐成为信任中的环境要素，不断引起学界关注。有学者开始讨论网络媒介与政府政治信任的关系。张明新和刘伟的研究发现，以报纸和电视为代表的传统媒介和当下的移动新媒体有着截然不同的政治含义，网上公共事务参与越频繁的公众，其政治信任水平越低。同样，苏振华和黄外斌、游宇等，帅满等相关研究结果均发现互联网工具的频繁使用会对政府公共信任评价具有明显的负面影响。随后，有研究开始注意到频繁互联网使用可能会对整个社会公众信任造成影响。赵晓航和李建新的研究表明，相较于以传统信息媒介为主要信息来源的中国青年，通常比以社交互联网为主要信息来源的青年群体的社会信任水平更低。赵建国和王嘉箐的研究结论同样表明互联网工具的频繁使用显著降低了居民的社会信任程度。但王同伟和周佳音的研究却发现居民互联网使用频率与其社会信任水平呈现显著的正向关系，即互联网使用频率越高，其社会信任水平也就越高。

值得注意的是，近年来尤其在我国社会医患关系日趋紧张的复杂背景下，互联网与医患间信任开始得到许多学者关注。朱博文和罗教讲的研究发现，网民对医生的信任度显著低于非网民，互联网使用在医护态度满意度与医生信任之间存在负向调节作用。张洪泽等的研究发现，相比传统媒介，新媒介显著降低了医患信任与社会信任。汪建新和刘颖的研究同样发现，网络的使用会显著减少患者对医生的信任感，且个体的互联网使用时间越长，医患信任感越低。张云亮和柳建坤的研究也发现互联网使用显著降低了医患信任，同时他们还发现公众对社会的不平等感知是其重要中介。

然而，技术发展带来的结果必然是机会与风险并存。现代风险的显著特点之一是主观建构性即风险感知。有研究表明，较高的风险感知容易激发公众的抗争意愿，从而会诱发群体性事件，催生社会不稳定风险。尤其是当传统风险型社会与媒介化社会再次相遇，互联网技术推动了社会风险话语权资源的再次重新分配。公众将通常能够借助该互联网场域快速获取风险知识资源和有效构建自我风险认知。囿于文化程度、个人认知等系列因素，网络信息往往具有夸张性等强烈个人偏好色彩。受到此类“博眼球”信息的感官刺激，会加剧受众的恐慌情绪，进而使民众的风险感知水平得到不断放大。张亚明等人的研究表明负面在线评论显著正向影响社会感知风险。奚云霄等研究表明，互联网使用频率的增高给城市居民带来更高的食品风险感知。黄仕婧等研究认为，大多数个人对风险事件或风险蔓延的认知，都借助于信息系统，而媒体是主要的信息中介。因此，网络媒介因素对公众风险感知的形成、泛化与扩散起到非常重要的作用。

综上所述，当前有关互联网使用与信任关系的研究多集中于政治信任、社会信任等方面，虽然近年来有部分研究开始关注网络媒介使用与医患信任的关系，但数量较为缺乏，且多数研究仅验证了网络媒介使用与医患信任之间的联系，对其中的影响机制未能进行深入探讨。从研究结果来看，其结论较为统一，多表现为“媒体抑郁论”，即网络媒介使用与信任之间存在负向关系。在机制分析方面，尚未有学者验证风险感知在网络媒介使用与医患信任间的中介效应。然而，互联网技术发展的激进性、不确定性和模糊性等特点，可能会导致社会公众的担忧和恐慌，加剧其风险的感知程度。因此，在互联网高度流行的社会背景下，本文利用2018年中国家庭追踪调查数据，从移动网络媒介视角出发进一步探讨网络媒介使用对医患信任的影响，并验证风险感知的中介效应。为此，本文在前期研究基础上，提出以下研究假设。

假设1（H1）：移动网络媒介对医患信任具有显著的负向影响

假设2（H2）：居民风险感知在移动网络媒介与医患信任之间起中介作用

（一）数据来源

本文数据源自于2018年中国家庭追踪调查数据库（China Family Panel Studies，CFPS），该数据由北京大学中国社会科学调查中心实施。CFPS数据库的调查范围涵盖全国25个省（市、自治区），是一项全国性和综合性的社会追踪调查，其样本量大、代表性强。在2018年的数据库中包含家庭成员问卷、成人自答问卷、儿童问卷。本文研究的主题涉及移动互联网使用与医患信任，因此选取成人问卷作为主要研究样本。成人数据样本共37354个，通过对样本进行筛选，对缺失值、异常值、无效变量进行处理和剔除后，最终得到有效样本13678个。

（二）变量说明

被解释变量与解释变量。本文的被解释变量为医患信任。在2018年中国家庭与追踪调查数据中有问题：“您对医生的信任程度？”受访者需要对其进行打分，分值范围0—10分，0表示非常不信任，10表示非常信任，随着分值的提升信任程度依次递增。本文的解释变量为移动网络媒介使用。在CFPS数据中设有专门的手机与网络模块对此进行专业测量。题U201.“您是否使用移动设备，如手机、平板上网？”如受访者回答是，赋值为1，表示使用移动设备上网，否则赋值为0。为更好地区别移动互联网使用和PC端互联网使用对医患信任的差异，本文还选取“您是否电脑上网？”作为对比。如受访者使用电脑上网赋值为1，否则为0。

中介变量。本文的中介变量为风险感知。鉴于2018年中国家庭追踪调查数据库中没有直接关于风险感知的测量，因此本文使用代理变量进行衡量。本文选取受访者对环境问题、贫富差距问题、就业情况、教育问题、医疗问题、住房问题、社会保障问题、政府腐败问题严重程度的判断来综合衡量公众的风险感知。各小题目回答分别为0—10分计分，本文综合构建风险感知指数，总分为80分，0表示不严重，80表示非常严重，按照分值的增加，其风险感知水平越高。本文选取这一代理变量主要基于如下思考：首先，风险感知为个体对于风险的主观感受与判断，而本文选取的代理变量恰好符合主观性特征；其次，个体对国家或社会某项事件严重性的判断则可以从极大程度上表明该个体认为当前该事件面临严重问题，也就意味着该领域存在某种风险，具体可表现为个体的不安全感。结合以上思考，本文选取上述代理变量综合衡量居民风险感知水平。

控制变量。综合以往研究并结合本文研究主题，本文的控制变量选取包括年龄、性别、户籍状况等。此外,考虑到个体医患之间信任度可能与其就医服务机构自身的实际医疗设备水平、医疗条件质量等方面有密切联系。因此本文将个体医疗机构选择、看病点条件满意度、看病点医疗水平评价等作为控制性变量一起纳入模型。

根据描述性结果显示，样本的平均年龄为34.341岁。移动上网人数占比达到75.79%，这与国家公布的数据相仿。在性别方面，女性与男性占比相当，分别为50.30%和49.70%。在户口方面，本次受访者中农业户口类型占比达到77.18%。在教育水平上，初中学历人群占比最高为34.45%，其次为高中/中专/职高学历，占比为20.41%，而研究生学历占比最少，仅为0.37%。在对看病点条件满意度评价方面，满意选项占比超过半数，达到58.89%，其次为一般，占比为25.12%。在看病点医疗水平评价方面，认为医疗水平好的人群占比接近一半，达到46.13%，认为一般的人群占比为33.39%，而认为很不好的人群仅为1.82%。从这一数据可以看出，我国居民对医疗条件及医疗水平评价总体向好。描述性统计结果见表1。此外，为避免变量之间存在多重共线问题，本文进行了VIF值检验。通过结果可以看出所有变量VIF值均小于5，说明不存在共线性问题。结果见表2。

表2  多重共线性检验

（三）模型构建

由于本文的被解释变量医患信任为连续数值型变量，因此本文利用OLS（Ordinary Least Squares）回归模型分析移动网络媒介使用对医患信任的影响，本文构建的计量模型如下：

其中Trusti表示个体i的医患信任水平，interneti表示居民是否使用移动网络媒介，xji代表控制变量，εi表示随机干扰项，β0表示常数项，β1和βj分别代表移动网络媒介使用和控制变量的回归系数。

OLS回归模型本质上是一种均值回归即前提假设解释变量和被解释变量之间具有一致性。但事实上，在不同的分位点变量之间的影响关系往往存在较大差异。分位数回归模型（QRM）的本质是对随机误差项的绝对值进行加权平均，这样得到的估计结果通常更加稳健。因此，为确保模型估计结果稳健，本文在OSL回归模型的基础上进一步构建分位数回归模型，并重点考察个体互联网使用分别在0.25、0.5、0.75和0.9分位处对医患信任的影响。构建的模型如下：

囿于禀赋差异，不同居民使用移动网络媒介行为是根据自身判断作出的独立选择。因此，模型估计结果会出现样本自选择问题。因此，为降低偏差，本文利用倾向得分匹配（PSM）模型估计移动网络媒介使用对医患信任影响的净效应。该模型将样本分为处理组和控制组。模型设定如下：

式（3）中Bi为处理变量，当取值为1时表示个体i在实验组，当取值为0时表示个体i在处理组。其中，处理组为使用移动网络媒介的居民，控制组为不使用移动网络媒介的居民。式（4）表示的是处理组的平均处理效应（ATT），即移动网络媒介使用对医患信任影响的净效应。为进一步探索移动网络媒介使用与医患信任之间的作用渠道，本文将风险感知作为中介变量，构建中介效应模型验证其中介效应。本文参考Baron 和 Kenny中介效应分析基本思路，采用依次检验方法进行验证。具体模型设定及步骤如下：

首先，检验移动网络媒介使用对医患信任的影响。

其次，检验移动网络媒介使用对风险感知的影响。

最后，将移动网络媒介使用、风险感知变量同时纳入模型。

其中，Xi为控制变量，Riski表示中介变量，如果在第一步估计结果中，式（5）的系数显著，表明可进行后续检验。在第二步中，式（6）的系数显著，表明存在中介效应。最后，在第一步的基础上加入风险感知中介变量，如果式（7）中的中介变量系数显著且互联网使用变量也显著，则表明风险感知在移动网络媒介使用与医患信任之间存在部分中介效应，否则为完全中介效应。

（一）基准回归结果

表3报告了移动网络媒介使用对医患信任影响的基准回归结果。模型（1）为仅包括个人特征变量的分析结果，结果显示移动网络媒介使用的估计系数为-0.145，且在1%的水平下显著，说明移动网络媒介使用显著降低了居民医患信任。相比于不使用移动网络媒介的居民，使用移动网络媒介的

居民医患信任水平更低。模型（2）在模型（1）的基础上增加了个体健康状况、医疗机构选择及与医疗机构相关变量。结果显示估计系数下降为-0.090，显著性水平为10%，同样说明移动网络媒介使用显著地降低了医患信任水平。为了更好地区分移动网络媒介使用与PC端互联网使用的差异，本文还对PC端互联网使用进行了分析。模型（3）和模型（4）结果显示，PC端互联网使用对于居民的医患信任不存在显著性差异。这表明相比于PC端传统的互联网媒介，移动网络媒介的使用对医患信任的影响更加明显，这与张云亮等人的研究结果一致。据此，假设1得到验证。

在控制变量中，年龄对医患信任没有显著影响，但在性别上存在显著差异，相比于女性，男性的医患信任水平更低。在户籍状况方面，农业户口居民的医患信任水平更高。在教育水平上，随着教育水平的不断增加，居民的医患信任水平也随之提升。在婚姻状况方面，相比于已婚或同居居民，离异或单身居民的医患信任水平更高。除人口特征外，拥有医保的居民医患信任水平更高，同时个体的健康水平越高，医患信任也就越好。此外，个体对看病点条件满意度和看病点医疗水平的评价也基本符合常识。具体表现为，个体对看病点满意度越高，其医患信任水平也就越高；个体对看病点医疗水平评价越好，则医患信任程度也就越好。

（二）异质性分析

囿于禀赋资源的差异，不同个体移动网络媒介使用对其医患信任会呈现出显著的异质性。为进一步探讨移动网络媒介使用对居民医患信任水平的影响，本文从性别与教育水平两个角度进行异质性检验。根据表4结果显示，移动网络媒介使用对居民医患信任在性别和教育水平方面存在显著的差异。在性别方面，男性比女性更容易受到移动互联网的影响。具体而言，随着移动网络媒介使用，男性的医患信任水平将逐渐降低，而对女性则不显著。这其中的原因可能是受到性别差异的影响，一般而言女性心思细腻，对事物的思考和判断则会更加全面，而男性则恰恰相反。在教育水平方面，不同学历水平个体呈现出截然不同的结果。学历为高中及以下人群往往会容易受到互联网的负面影响，而学历为大专、本科以及研究生的群体则会受到互联网的正面影响，其中学历越高，其正向影响越高。不难理解，受过高等教育的群体，对于医患事件的判断往往更加理性、全面与客观，而未受过高等教育的人群，对于事物的理解较为片面，往往更容易受到不良信息的干扰，从而影响医患信任水平。异质性检验结果见表4。

表4  性别与教育水平异质性检验结果

（一）利用PSM消除样本选择性偏差

个体移动网络媒介使用会受到个体特质如性别、年龄、教育水平等一系列因素影响，是个体基于自身禀赋资源作出的独立选择。因此，模型会产生由于样本选择性偏差而导致内生性问题。为克服这一问题，本文使用倾向得分匹配模型（PSM）来消除样本的选择性偏差。借鉴以往研究，本文采用K近邻匹配、K近邻卡尺匹配、半径邻匹配、核匹配四种方法来进行估计。此外，为了保证良好的匹配效果，本文对样本匹配质量进行了平衡性检验。样本匹配质量平衡性检验结果见表5。

表5  样本匹配质量平衡性检验

根据表5结果显示，所有变量匹配后标准化偏差的绝对值均小于5%，说明本文的匹配效果较好。此外，本文还报告了匹配前后的核密度函数图（见图1、图2），图中可以看出匹配后的处理组和控制组曲线重合程度更高，说明处理组和对照组匹配效果较好，有效地消除了样本选择性偏差。

图1  匹配前核密度函数图

图2  匹配后核密度函数图

根据表6结果显示，利用K近邻匹配方法，匹配前移动网络媒介使用对居民医患信任的平均处理效应（ATT）为0.0046，匹配后为0.1087。在对样本选择性偏差消除后，移动网络媒介使用对居民医患信任的净效应为10.87%。其他3种匹配方法结果均相似。通过K近邻卡尺匹配、半径邻匹配和核匹配，移动网络媒介使用对居民医患信任水平的净效应分别为9.61%、7.17%和9.32%。说明通过倾向得分匹配得到的结果更加稳健。此外，也表明如果没有对样本选择性偏差进行消除，则会低估移动网络媒介使用对于居民医患信任的负面影响。

表6  倾向得分匹配估计结果

（二）中介效应分析

移动网络媒介的出现虽然给居民的看病就医带来了极大便利，增加医疗信息资源的透明度及可及性，但同时也会加剧人们的恐慌和不信任感。尤其在自媒体高度流行的当下，各类虚假信息充斥着各大网络平台，给医患关系带来极大的负面影响。因此，为深入探索移动网络媒介使用与居民医患信任之间的作用渠道，本文验证风险感知在两者之间的中介效应。检验结果见表7。

根据表7 结果显示，移动网络媒介使用对居民的医患信任水平具有显著的负面影响。此外，移动网络媒介使用加剧了居民的风险感知程度，即相比于不使用互联网的居民，使用移动网络媒介的居民风险感知水平更高。第三步将两者均纳入到回归模型中，结果发现这一结论依旧成立。以上结果表明，风险感知在移动网络媒介使用与居民的医患信任之间存在部分中介效应，即移动网络媒介使用加剧了居民的风险感知水平，进而降低了居民的医患信任。据此，假设2得到验证。通过日常观察不难发现，移动互联网平台中充斥着大量虚假或“博眼球”类的信息，尤其随着移动网络媒介平台的蓬勃发展（如抖音、快手、微信等），在利益的驱使下，部分网络“博主”为快速吸粉，往往扭曲新闻事实本身，过分解读，使得事件发展偏离真相的轨道。在这种网络氛围的渲染下，人们的风险感知迅速提升，对医生的不信任感也进一步加剧。

（三）稳健性检验

移动网络媒介使用对不同人群医患信任的影响具有较大的差异，分层比较明显。如果只用OLS模型估计，则会弱化移动网络媒介使用对于不同居民医患信任水平的影响，结果必然会产生偏误。因此，为确保模型估计结果的稳健，本文利用分位数回归模型进一步分析移动网络媒介使用对医患信任的影响。本文重点考察个体互联网使用在0.25、0.5、0.75和0.9分位处对医患信任的影响。估计结果见表8。

表8  移动网络媒介使用对居民医患信任影响的分位数回归结果

根据分位数结果显示，在不同分位点上移动网络媒介使用对居民医患信任的影响具有显著的差异性。总体来看，移动网络媒介使用对医患信任呈现负向的影响，这与基准回归结果保持一致。这表明基准回归结果具有较好的稳健性。在0.25和0.90分位处，移动互联网使用对居民医患信任的系数分别为-0.005和-0.071，且不显著。在0.50和0.75分位数，系数分别为-0.273和-0.310，且在1%的水平上显著。总体上看，回归系数呈现“U型”特征，说明移动互联网使用对于本身医患信任水平较低和较高的居民不会产生明显的影响，而对于医患信任水平在中等偏上的居民影响较大。一方面，受到个体自身禀赋资源的影响，有些居民彻底对医生不信任或对医生极其信任，此类居民无论是否使用移动网络媒介对其医患信任的影响甚微；另一方面，对于医患信任水平处于中等偏上的居民，虽存在一定的信任基础，但会极易受到移动网络媒体负面报道的干预，最终会对医患信任产生动摇。这一影响在0.75分位处达到最大。综上，从分位数回归结果可知，本文模型估计结果具有较好的稳健性，且分位数回归结果更加详细地分析了在不同分位点移动网络媒介使用对医患信任的影响。

医患信任水平不仅关系到我国医疗卫生体制改革的成效，更关系到全社会的和谐与稳定。本文利用2018年中国家庭追踪调查数据实证考察了移动网络媒介使用对居民医患信任的影响，并进行了异质性分析和中介效应检验。本文得到的主要结论有：（1）移动网络媒介使用显著降低了居民的医患信任水平，这一结果在利用倾向得分匹配消除样本选择性偏差后依然保持稳健。（2）移动网络媒介使用对居民医患信任的影响在不同性别和不同教育水平方面存在显著的异质性。相比于女性，移动网络媒介使用对男性居民医患信任水平的负面影响更为显著。此外，移动网络媒介使用可以显著降低未受过高等教育居民的医患信任水平，而对于受过高等教育居民的医患信任水平则具有显著的正向促进作用。（3）通过机制分析发现，居民风险感知在移动网络媒介使用与居民医患信任之间存在部分中介效应。移动网络媒介使用加剧了居民的风险感知，进而降低了居民的医患信任水平。本文的边际贡献在于：第一，从移动网络媒介细分视角出发，进一步探讨移动网络媒介对医患信任的影响；第二，首次从危机管理视角出发，验证风险感知在移动网络媒介使用与医患信任之间的中介效应，为进一步理解技术进步、风险发展与医患信任提供新的经验证据。针对上述分析结论，本文提出以下三点政策建议。

第一，加强对网络环境的监管，营造安全的网络环境。首先，建立网络监管处置条例及预案。对于网络不良信息，应该及时采取封闭措施，如加大对于网络平台的惩罚力度，对存在问题的网络媒体账号及时关闭等。其次，可利用大数据、云计算等先进数字技术赋能网络监管，拓展传统监管方式，提升监管效率。

第二，加强舆论监管，强化积极的舆论导向。互联网平台信息鱼龙混杂，对于故意传播谣言及不实信息的团体及个人应加大惩治力度，形成公众威慑效应。此外，官方互联网媒体平台应该加强舆论导向，对于不实信息应及时向社会公众纠正与澄清，利用当下流行的媒体平台宣传积极向上的价值观，传递正能量。

第三，提升公众数字网络素养，加强网络信息鉴别能力。政府应通过各类渠道提升居民的数字网络素养，如制作有关网络安全信息的短视频进行科普知识的宣传。此外，公众应该主动提升自身的数字素养，做到不信谣不传谣。对于互联网平台的不同信息要提升真假辨别能力，持有理性观点。对于重大新闻事件，要相信官方权威媒体的报道。