基于医疗服务交易效率视角的大数据资源对医疗协同网络的影响机制:调查研究gydF4y2Ba

介绍gydF4y2Ba

背景gydF4y2Ba

长期以来，中国医疗资源配置失衡和利用效率低下并存。大多数卫生保健改革都试图鼓励各种医疗合作实践，以此作为提高卫生保健服务质量和效率的手段。例如，启动了新型农村合作医疗计划，以保护农户免受灾难性医疗支出的影响[gydF4y2Ba1gydF4y2Ba]和各种医疗联合体主要用于完善分级医疗服务制度，以平衡医疗资源不足[gydF4y2Ba2gydF4y2Ba]。这些研究通常假设医疗协作网络(mcn)是外生的，并且已经形成。然而，许多医疗协作实践并没有达到预期的效果。苏等[gydF4y2Ba3.gydF4y2Ba]结果表明，新农合实施前后县乡医院住院患者分布差异无统计学意义。协同卫生保健的实践将产生各种形式的mcn。mcn的结构总是复杂的[gydF4y2Ba4gydF4y2Ba]。研究证实，mcn的结构和协作实践相互影响[gydF4y2Ba5gydF4y2Ba]，相互递归的影响通过组织和制度特征的复杂网络以及患者的疾病概况变得有意义[gydF4y2Ba6gydF4y2Ba]。mcn通常被认为是外源性的;然而，它们是内生的。关注内源性mcn的产生和发展是非常重要的。gydF4y2Ba

同时，互联网和大数据技术的发展促进了医疗服务模式和管理模式的转变[gydF4y2Ba7gydF4y2Ba，gydF4y2Ba8gydF4y2Ba]，导致各种mcn的出现，如不同层次的医院之间的协作[gydF4y2Ba2gydF4y2Ba，gydF4y2Ba9gydF4y2Ba]。此外，许多互联网公司(如好代富、春雨医生、唯医)纷纷涌入医疗服务行业，引领更多形式的医疗协同实践[gydF4y2Ba10gydF4y2Ba]。医疗领域的大数据资源推动了mcn的发展，而mcn的发展又进一步推动了大数据在医疗领域的应用[gydF4y2Ba11gydF4y2Ba]。一般认为，大数据资源影响着mcn的产生和发展;然而，人们对大数据资源对mcn产生和发展的影响机制缺乏认识。gydF4y2Ba

随着组织网络日益成为一种重要的商业运作形式，信息技术(IT)对组织网络的商业价值也逐渐成为人们关注的问题。Han等[gydF4y2Ba12gydF4y2Ba]通过案例分析，分析了基于企业资源计划系统的企业资源计划系统供应商与其合作伙伴之间关系的价值。Ceccagnoli等[gydF4y2Ba13gydF4y2Ba基于公司的资源基础观点，探讨了平台生态系统中价值的共同创造。这些研究都强调了传统IT资源的组织私有化[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba]没有考虑大数据资源的特殊性，也没有考虑组织网络中共享资源和私有资源并存的问题[gydF4y2Ba16gydF4y2Ba]。大数据的价值实现需要从工作实践、组织层面和超组织层面进行分析[gydF4y2Ba17gydF4y2Ba并将信息、技术、政策等整合在一起[gydF4y2Ba18gydF4y2Ba，gydF4y2Ba19gydF4y2Ba]。gydF4y2Ba

本研究旨在探索和了解共享和私有大数据资源对mcn产生和发展的影响机制。分工与合作并存，既是MCNs最基本的现象，也是生存与发展的最基本动力。本文以新古典经济学为基础，将医疗服务交易效率作为内生mcn产生和发展的关键变量。接下来，我们从两个维度对与mcn价值共创相关的大数据资源进行了分类:(1)网络层面的公共大数据资源与医疗机构层面的私有大数据资源;(2)大数据价值的三个要素(数据本身、技术和各种组织要素)。在MCN的医疗机构层面，有外部基于网络的大数据(医疗大数据本身)和外部交互安全(大数据技术);在MCN的公共层面，有大数据(卫生保健大数据本身)和大数据相关政策法规(数据政策)的共享。最后，实证分析了各类大数据资源对医疗服务交易效率的直接和中介效应。gydF4y2Ba

假设与建模gydF4y2Ba

医疗服务交易效率gydF4y2Ba

医疗协作是指一群拥有各种医疗资源的自主利益相关者相互沟通和协调，共同决策、设定目标和实施医疗计划的过程[gydF4y2Ba2gydF4y2Ba，gydF4y2Ba5gydF4y2Ba，gydF4y2Ba6gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba]。gydF4y2Ba

现有的实证研究通常假设mcn是外生的，并发现医疗协作实践可能受到个人、组织和系统层面的因素的影响，例如相互信任[gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba21gydF4y2Ba]、资讯科技基建[gydF4y2Ba22gydF4y2Ba-gydF4y2Ba24gydF4y2Ba]、医疗政策、公共资金投资[gydF4y2Ba9gydF4y2Ba]，以及薪酬方法[gydF4y2Ba4gydF4y2Ba]。然而，关于这些因素的影响，得出的结论是不一致和矛盾的[gydF4y2Ba5gydF4y2Ba]。由于诸多因素的相互作用，有必要从制度和流程的角度分析这些因素对医疗协同实践的影响性质[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba6gydF4y2Ba]。gydF4y2Ba

从制度和过程的角度，探索了多种形式的医疗协作实践。Touati等[gydF4y2Ba6gydF4y2Ba引出了三种特定的合作模式:准不存在、受限和扩展。布朗和库西克[gydF4y2Ba25gydF4y2Ba探索了四种创新的护理模式，旨在扩大牙科护理的可及性:扩展协调护理、托管护理、综合护理和虚拟牙科之家。黄和李[gydF4y2Ba26gydF4y2Ba根据接触的密切程度，将医疗联盟分为紧凑型、半紧凑型和松散型三种。结构和协作实践之间的递归相互作用已得到证实[gydF4y2Ba5gydF4y2Ba并通过复杂的组织和机构特征网络以及患者的疾病概况变得有意义[gydF4y2Ba6gydF4y2Ba]。然而，要探究大数据资源对mcn产生和发展的机制影响，需要将因素研究和结构研究结合起来，确定一个能够反映网络结构变化、体现影响协同实践的各种因素的理论建构。gydF4y2Ba

Yang和Ng提出的新古典经济学框架[gydF4y2Ba27gydF4y2Ba]通过引入交易成本来研究组织拓扑属性。劳动分工的增加会增加交易的数量，每笔交易都会产生交易成本。当交易效率较低时，交易成本大于分工产生的专业化经济，个体会选择自给自足。如果交易效率得到充分提高，交易成本被专业化经济所抵消，个体将选择分工。因此，组织拓扑属性与交易效率密切相关:组织规模越小，与外界的合作越多[gydF4y2Ba28gydF4y2Ba]。gydF4y2Ba

MCN成员既可以合作又可以分工。Touati等[gydF4y2Ba6gydF4y2Ba[]强调在涉及个人、组织和临床层面各种因素的各种合作中，交易成本是不可忽视的。协作实践要求合作者共享规则、信念和行为准则[gydF4y2Ba5gydF4y2Ba]，对此，合作者的认知往往存在差异。这些差异会产生交易成本，影响协作实践的结果。McComb等[gydF4y2Ba20.gydF4y2Ba]表明，普通医疗单位的医生和护士对角色、责任和相互信任有不同的看法，这是这些单位合作的障碍。协作者之间的沟通问题经常持续存在，并严重影响协作实践的实施。如果没有视频会议，一些诊断途径(视觉和临床检查)将在心脏病专家和家庭医生之间的互动中丢失[gydF4y2Ba23gydF4y2Ba]。传统的书面转诊往往导致信息不完整，从而影响沟通的质量和全面性[gydF4y2Ba24gydF4y2Ba]。制度层面也有一些因素，例如公共基础设施欠佳[gydF4y2Ba9gydF4y2Ba]，导致交易效率低，交易成本高。gydF4y2Ba

由于自主经营和资源有限的特点，供应链网络中普遍存在着分工。同时，协作社区不同于原有个体的简单相加，而是依靠成员之间的价值理性，创造出以共同承诺为最终目标的独特社会结构，支持成员协同工作[gydF4y2Ba29gydF4y2Ba]。是否选择医疗合作实践的决策是基于医疗专业化经济与交易成本之间的权衡。在特定的MCN下，合作者根据自身利益做出决策，但他们的决策受到MCN中其他决策者的影响。最后，通过各方的互动和利益的平衡，形成一个具体的结构。MCN的结构与个体决策纠缠在一起产生和再生产。综上所述，MCNs是内生的，医疗交易效率是MCNs产生和发展的关键变量。gydF4y2Ba

在本文中，医疗服务交易效率指的是医疗交易服务的质量。交易服务质量越高，交易成本越小，交易效率越高。此时，更有可能选择mcn以合作的方式提供医疗服务。gydF4y2Ba

大数据资源gydF4y2Ba

大数据主要有两个概念。第一种是根据生成数据的特点，如3V模型[gydF4y2Ba30.gydF4y2Ba]、4V车型[gydF4y2Ba31gydF4y2Ba]、5V型号[gydF4y2Ba32gydF4y2Ba]。二是侧重于大数据存储和管理等各种技术和方法[gydF4y2Ba33gydF4y2Ba]、云计算及云服务[gydF4y2Ba34gydF4y2Ba]、大数据安全和隐私[gydF4y2Ba31gydF4y2Ba]、实时数据处理技术[gydF4y2Ba7gydF4y2Ba]，以及各种大数据分析技术[gydF4y2Ba35gydF4y2Ba]。De Mauro等[gydF4y2Ba18gydF4y2Ba提出将影响大数据价值的四大要素(技术、方法、信息、影响)进行整合。Wamba等人[gydF4y2Ba19gydF4y2Ba]认为，大数据的商业价值是通过数据政策、技术、组织变革、数据访问、行业结构等实现的。然而，这些价值因素的分类缺乏理论依据。gydF4y2Ba

单个组织的IT资源通常根据公司的资源基础观点进行概念化和分类[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba]，强调资源的组织化私有化，明确界定产权。多佛(gydF4y2Ba16gydF4y2Ba]基于关系理论研究了IT的商业价值，扩展了企业资源基础观对资源所有权和控制权假设的局限性，区分了共享资源和非共享资源。在网络组织中，IT资源(尤其是大数据资源)既是网络的公有资源，也是特定组织的私有资源。gydF4y2Ba

我们应用并进一步扩展单一机构的资讯科技资源分类[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba将实现IT业务价值的过程扩展到实现大数据业务价值的过程。mcn大数据资源包括医疗保健大数据本身、大数据技术和mcn公共层面和机构层面的数据政策。在MCN医疗机构层面，外部基于网络的大数据(医疗大数据本身)和外部交互安全(大数据技术)构成医疗机构作为决策者进行医疗服务进出口的条件和依据。在mcn公共层面，大数据(医疗大数据本身)的共享以及与大数据相关的政策法规(数据政策)通过在网络层面形成或改变公共环境，影响着mcn医疗机构运行的各种支持条件和约束。gydF4y2Ba

在MCN医疗机构层面，基于web的外部大数据资源(大数据本身)在保证医疗服务资源向其他医院或机构的供应方面发挥着平衡和优化作用，包括对外提供的诊疗服务和医疗服务能力的实时数据。诊疗服务实时数据是指医疗机构向外部系统(如远程会诊平台、政府公共平台、医疗联网等)提供医生暂停诊疗、开放会诊信息的程度。诊疗服务实时数据是医疗机构对外服务目录的数据来源[gydF4y2Ba36gydF4y2Ba，gydF4y2Ba37gydF4y2Ba]。对外可用医疗服务能力是指医疗机构通过将医疗服务资源的实时使用状况与理想状态进行比较，确定是否可以向其他医院或机构提供会诊服务、预约服务等医疗服务资源的能力[gydF4y2Ba38gydF4y2Ba，gydF4y2Ba39gydF4y2Ba]。对外提供医疗服务能力是卫生保健大数据的相关指标，反映卫生保健数据的连通性[gydF4y2Ba40gydF4y2Ba，gydF4y2Ba41gydF4y2Ba]。gydF4y2Ba

医疗机构层面的对外交互安全作为大数据技术，为分布在不同医疗机构的数据提供稳定、连续连接的安全保障。它包括基于web的数据加密安全以及外部链接系统的网络保护。基于web的数据加密安全性是指医疗机构在与其他医院或机构交互时确保数据安全的感知能力[gydF4y2Ba42gydF4y2Ba，gydF4y2Ba43gydF4y2Ba]。外链系统的网络防护是指医疗机构部署医疗机构与外界连接的物理安全基础的感知能力[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba44gydF4y2Ba]。gydF4y2Ba

在mcn的公共层面，大数据共享可以通过相互共享医疗大数据来提高医疗服务和研究能力[gydF4y2Ba45gydF4y2Ba]。这包括共享诊断和治疗数据以及医学研究数据。诊疗数据共享是指mcn内某一医疗机构通过政府公共平台或第三方平台从其他医疗机构获取诊疗数据的程度[gydF4y2Ba41gydF4y2Ba，gydF4y2Ba46gydF4y2Ba]。科研数据共享是指mcn内某一医疗机构通过中国国家知识基础设施、PubMed等从其他医疗机构获取科研数据的程度。mcn公共层面大数据相关政策法规是指政策、法律法规(如卫计委三级转诊、医疗联合体、区域医疗中心等)对区域医疗服务平台建设的支持程度[gydF4y2Ba19gydF4y2Ba]。gydF4y2Ba

模型gydF4y2Ba

本研究在假设mcn是内生的，医疗保健交易效率是mcn产生和发展的关键变量的基础上，旨在探索和理解mcn中共享和私有大数据资源对交易效率的影响机制，揭示大数据资源对mcn产生和发展的影响。研究问题如下:gydF4y2Ba

1. 两个层面(共享和私有)的哪些大数据资源直接影响交易效率?gydF4y2Ba
2. 在没有直接影响的情况下，这些大数据资源对交易效率的间接影响路径是什么?gydF4y2Ba

图1gydF4y2Ba提出了本研究检验的模型。它显示了MCN医疗机构层面的大数据资源、MCN公共层面的大数据资源与医疗服务交易效率之间假设存在的关系。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

方法gydF4y2Ba

测量仪器和问卷开发gydF4y2Ba

概述gydF4y2Ba

对于大多数结构，采用了先前研究中验证的测量方法。对于该模型的独特构造，开发了基于实地访谈的多种操作措施。所有构念均采用李克特7点量表进行测量，范围从1=gydF4y2Ba强烈反对gydF4y2Ba7 =gydF4y2Ba强烈同意gydF4y2Ba。有关措施的详情载于gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2Ba

医疗服务交易效率gydF4y2Ba

在本研究中，协同医疗主要通过第三方平台进行，如百毓兰、云医院等。医疗服务的交易效率取决于平台提供的医疗服务资源的数量和质量。第一个问题涉及平台上可用专家的范围和级别。专家信息的准确性、实时性和全面性使请求方能够及时了解专家，做出正确的判断，减少因信息不对称而产生的不必要的交易成本。二是平台为所有合作伙伴提供的沟通机制的性能。为了更好地配合协同诊疗，该平台需要支持多家医疗机构同时在线实时读取病历和图像，确保图像数据不失真地传输给会诊专家。低效的网络阅读会导致等待时间过长，导致平均访问时间不可控。所需数据的顺利读取，不仅是快速完成服务的有力保障，也是协同医疗服务持续需求的基础。gydF4y2Ba

在DeLone和McLean [gydF4y2Ba47gydF4y2Ba泰勒和托德[gydF4y2Ba48gydF4y2Ba]，以6个项目衡量医疗服务交易效率，这些项目反映平台提供专家信息的可靠性、及时性、全面性以及沟通的及时性和稳定性。gydF4y2Ba

大数据资源gydF4y2Ba

为了确保内容效度，大多数构念的测量方法都是从DeLone和McLean的研究中使用、扩展和修改的[gydF4y2Ba47gydF4y2Ba，泰勒和托德[gydF4y2Ba48gydF4y2Ba]、贝利和皮尔逊律师事务所[gydF4y2Ba49gydF4y2Ba]和Goodhue [gydF4y2Ba50gydF4y2Ba]。mcn大数据资源特有的构建项目均为自行开发。gydF4y2Ba

诊疗服务实时性数据通过3个项目来衡量，反映医生暂停诊疗的及时性、准确性、可及性程度以及医疗机构对外提供的开放信息。对外可用医疗服务能力以4个项目衡量，这些项目反映医疗机构根据医师工作量提供对外会诊预约服务的能力程度和准确性。从医疗机构与外部系统交互时使用的加解密技术的效果程度、便利性、传输效率和覆盖范围4个指标衡量网络数据的加密安全性。采用4个项目对外链系统的网络保护进行测评，分别反映医疗机构部署网络保护和应用保护的效果程度、便捷性、满意度和覆盖率。gydF4y2Ba

通过7个项目衡量与其他医疗机构诊疗数据的可及性、准确性和完整性，以及数据共享对有效缩短诊断时间、避免重复检查、避免重复用药、避免药物-药物不良反应的影响。通过3个项目衡量与其他医疗机构的医学研究数据共享情况，这些项目反映了其他医疗机构提供的研究数据的便捷性、功能完整性和准确性。政策法规通过3个项目衡量，反映支持区域医疗服务平台建设的相关政策法规的合理性、存在性和功能完备程度。gydF4y2Ba

数据收集和人口统计概况gydF4y2Ba

数据收集采用调查问卷。在中国，公立医院是提供医疗保健服务的主要机构。因此，我们主要选择公立医院，也有一些私立医院。医务人员与It人员的紧密配合对于协同医疗服务的实施至关重要。因此，每家医疗机构选择了1名医务人员和1名信息技术工作人员作为调查对象。gydF4y2Ba

具体数据收集方案设计如下:gydF4y2Ba

1. 通过微信联系目标医疗机构的相关人员，询问他们是否愿意参与调查。gydF4y2Ba
2. 通过相关人员，请医疗机构确定调查对象，现场管理问卷，完成后收集。gydF4y2Ba
3. 如果医疗机构距离较远且相关人员同意，通过微信将调查问卷提供给管理人员。gydF4y2Ba

调查包被邮寄给每个目标医院的相应IT主管，并要求收件人完成调查。gydF4y2Ba

调查包也邮寄给每个目标医院的相应业务主管。调查问卷的A部分发放给合适的医务人员，完成诊疗数据共享、科研数据共享和医疗服务交易效率的测量项目。B部分分配给合适的IT执行人员，完成诊疗服务实时数据、对外提供医疗服务能力、外链系统网络保护、网络数据加密安全、政策法规等项目。问卷于2017年8月1日至2017年10月31日进行。gydF4y2Ba

在参与调查的150家医疗机构(涉及18个省、自治区、直辖市)中，132家(88%)提供了有效问卷。共有264名受访者参与了调查:132名(50%)IT人员和132名(50%)医务人员。样例概要文件显示在gydF4y2Ba表1gydF4y2Ba。gydF4y2Ba

伦理批准gydF4y2Ba

研究方案经上海胸科医院伦理审查委员会审查并批准(IS[P]22003)。在研究开始前，所有参与者在被告知研究的目的和程序后，都以书面形式表示同意。我们确保了从参与者那里收集的信息的保密性和匿名性。gydF4y2Ba

数据分析流程gydF4y2Ba

SmartPLS是一个基于偏最小二乘回归方法的基于组件的路径建模软件工具。我们使用SmartPLS(2.0版)来评估测量特性并测试我们的假设。我们的数据分析策略如下。首先，我们通过分析信度和效度(包括收敛效度和判别效度)来评估测量模型。其次，应用SmartPLS，采用标准的自举重采样程序(5000个样本)估计路径的显著性，检验大数据资源对医疗服务交易效率的直接影响。对于那些对交易效率没有直接影响的大数据资源，我们分析其间接影响。gydF4y2Ba

结果gydF4y2Ba

信度和效度gydF4y2Ba

采用以下标准对测量模型进行评估:gydF4y2Ba

1. 可靠性:指示灯的外载荷≥0.70(指示灯可靠性)。Cronbach α截断值为0.70，复合信度截断值为0.70(内部一致性信度)[gydF4y2Ba51gydF4y2Ba]。gydF4y2Ba
2. 效度:根据Fornell-Larcker标准，提取的平均方差(AVE)≥0.50(收敛效度)[gydF4y2Ba52gydF4y2Ba(区别效度)。gydF4y2Ba

如图所示gydF4y2Ba表2gydF4y2Ba，各题项的因子负荷值均大于0.89，且在gydF4y2BaPgydF4y2Ba=。001，复合信度值=0.9，高于正常值0.7。所有值均满足指标信度和内部一致性信度的最低要求。此外，所有构式用于评估收敛效度的AVE均>0.70，证明模型具有较好的收敛效度。gydF4y2Ba

表3gydF4y2Ba给出了判别效度的检验结果。各构念AVE值的平方根均大于构念之间的相关系数，符合Fornell-Larcker准则[gydF4y2Ba52gydF4y2Ba]，证明测量模型具有良好的判别效度。gydF4y2Ba

影响路径gydF4y2Ba

概述gydF4y2Ba

影响路径分析的结果，包括标准化回归权重和显著性水平，在gydF4y2Ba表4gydF4y2Ba和gydF4y2Ba图2gydF4y2Ba。决定系数gydF4y2BaRgydF4y2Ba^2gydF4y2Ba用于衡量潜在因变量的解释方差与总方差的比较。截止水平为:0.190，弱;0.333,温和;0.670是实质性的;55.3%的医疗服务交易效率差异、53.3%的外部链接系统网络保护差异和48.7%的诊疗数据共享差异被适度解释，而27.2%的医学研究数据共享差异被弱解释，但满足截断水平。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

模型的拟合优度是我们评估模型整体拟合的最后一个标准。经计算，本研究模型的拟合优度为0.651，认为拟合优度较大[gydF4y2Ba53gydF4y2Ba]。gydF4y2Ba

直接影响路径gydF4y2Ba

从gydF4y2Ba图2gydF4y2Ba，可以看出，外部链接系统(gydF4y2BaβgydF4y2Ba= .271;gydF4y2BaPgydF4y2Ba= 0.008)，诊疗数据共享(gydF4y2BaβgydF4y2Ba= .220;gydF4y2BaPgydF4y2Ba=.04)，以及医学研究数据的共享(gydF4y2BaβgydF4y2Ba=长;gydF4y2BaPgydF4y2Ba=.04)对医疗服务交易效率的影响显著。假设H2b、H3a、H3b得到实证支持。gydF4y2Ba

诊疗服务实时数据、对外提供医疗服务能力、网络数据加密安全、政策法规对医疗服务交易效率的直接影响不显著。假设H1a、H1b、H2a和H4没有得到实证支持。gydF4y2Ba

间接影响分析gydF4y2Ba

由于网络数据、诊疗服务实时数据、对外提供医疗服务能力和政策法规的加密安全性对医疗服务交易效率没有直接影响，因此进一步分析这4个变量对医疗服务交易效率的间接影响。中介试验的结果见gydF4y2Ba表5gydF4y2Ba和gydF4y2Ba图2gydF4y2Ba。评估间接影响的程度[gydF4y2Ba54gydF4y2Ba]，计算方差占比(VAF)值，表示间接效应与总效应之间的关系。gydF4y2Ba

从gydF4y2Ba表5gydF4y2Ba，我们可以观察到以下几点:gydF4y2Ba

1. 政策法规的间接影响。虽然政策法规对医疗服务交易效率没有直接影响，但存在一条完全中介的路径(政策法规→外链系统网络保护→医疗服务交易效率)，其中外链系统网络保护对政策法规对医疗服务交易效率的影响起中介作用(VAF=0.945;gydF4y2BaPgydF4y2Ba= 03)。指出政府在网络安全方面的监管应有利于保障交易效率和数据安全。gydF4y2Ba
2. 网络数据加密安全的间接影响。虽然网络数据在外部网络安全环境下的加密安全对医疗服务的交易效率没有直接影响，存在完全中介路径(web数据加密安全→外链系统网络保护→医疗服务交易效率)，其中外链系统网络保护在web数据加密安全对医疗服务交易效率的影响中起中介作用(VAF=0.879;gydF4y2BaPgydF4y2Ba= 03)。表明基于web的数据加密安全性提高了人们对外部系统网络保护程度的感知，间接影响了医疗服务的交易效率。gydF4y2Ba
3. 实时数据对诊疗服务的间接影响。虽然外部大数据分析环境下的诊疗服务实时数据对医疗服务的交易效率没有直接影响，存在一条完全中介路径(诊疗服务实时数据→外链系统网络保护→医疗服务交易效率)，其中外链系统网络保护对诊疗服务实时数据对医疗服务交易效率的影响起中介作用(VAF=0.678;gydF4y2BaPgydF4y2Ba= .02点)。研究表明，内部数据提取能力越强，外部数据管道越安全，事务处理效率越高。gydF4y2Ba
4. 可供外部使用的医疗服务能力的间接影响。虽然在外部大数据分析环境中可供外部使用的医疗服务能力对医疗服务的交易效率没有直接影响，存在完全中介路径(对外可用医疗服务能力→外部链接系统网络保护→医疗服务交易效率)，其中通过外部链接系统网络保护的对外可用医疗服务能力对医疗服务交易效率存在间接影响(VAF=0.391;gydF4y2BaPgydF4y2Ba= . 05)。从gydF4y2Ba图2gydF4y2Ba，可对外使用的医疗服务能力对外链系统的网络保护有显著的直接负面影响(gydF4y2BaβgydF4y2Ba=−0.294;gydF4y2BaPgydF4y2Ba=.005)，说明频繁的服务调整会增加安全管控的复杂性，间接降低医疗服务的交易效率。gydF4y2Ba
5. 医学研究数据共享的间接影响。除了医疗服务对交易效率的直接显著影响外，还存在部分中介路径(医学研究数据共享→诊疗数据共享→医疗服务交易效率)，其中诊疗数据共享在医学研究数据共享对医疗服务交易效率的影响中起中介作用(VAF=0.345;gydF4y2BaPgydF4y2Ba= .04点)。科研数据的共享有利于医生解读患者既往病史的能力，更快地做出准确诊断，促进诊疗数据的共享，间接提升医疗服务的交易效率。gydF4y2Ba

间接影响/直接路径gydF4y2Ba		PgydF4y2Ba价值gydF4y2Ba	介导的路径gydF4y2Ba		Sobel测试gydF4y2Ba					VAFgydF4y2Ba一个gydF4y2Ba		关系类型gydF4y2Ba
					索贝尔统计量(SE)gydF4y2Ba		PgydF4y2Ba价值gydF4y2Ba
公关gydF4y2BabgydF4y2Ba对TEgydF4y2BacgydF4y2Ba						2.170 (0.046)gydF4y2Ba		03gydF4y2Ba		0.945gydF4y2Ba		完全中介gydF4y2Ba
	PR to TEgydF4y2Ba	.85gydF4y2Ba
	PR到NPgydF4y2BadgydF4y2Ba	＜.001gydF4y2Ba
	NP到TEgydF4y2Ba	.008gydF4y2Ba
西文gydF4y2BaegydF4y2Ba对TEgydF4y2Ba						2.122 (0.042)gydF4y2Ba		03gydF4y2Ba		0.879gydF4y2Ba		完全中介gydF4y2Ba
	ES到TEgydF4y2Ba	公布gydF4y2Ba
	ES到NPgydF4y2Ba	.003gydF4y2Ba
	NP到TEgydF4y2Ba	.008gydF4y2Ba
RTgydF4y2BafgydF4y2Ba对TEgydF4y2Ba						2.313 (0.054)gydF4y2Ba		02gydF4y2Ba		0.678gydF4y2Ba		完全中介gydF4y2Ba
	RT到TEgydF4y2Ba	56gydF4y2Ba
	RT到NPgydF4y2Ba	＜.001gydF4y2Ba
	NP到TEgydF4y2Ba	.008gydF4y2Ba
SCgydF4y2BaggydF4y2Ba对TEgydF4y2Ba						−1.958 (0.041)gydF4y2Ba		0。gydF4y2Ba		0.391gydF4y2Ba		完全中介gydF4y2Ba
	SC到TEgydF4y2Ba	.35点gydF4y2Ba
	SC到NPgydF4y2Ba	.005gydF4y2Ba
	NP到TEgydF4y2Ba	.008gydF4y2Ba
RSgydF4y2BahgydF4y2Ba对TEgydF4y2Ba						2.086 (0.075)gydF4y2Ba		.04点gydF4y2Ba		0.345gydF4y2Ba		部分中介gydF4y2Ba
	RS到TEgydF4y2Ba	.04点gydF4y2Ba
	RS到TSgydF4y2Ba我gydF4y2Ba	＜.001gydF4y2Ba
	TS到TEgydF4y2Ba	.04点gydF4y2Ba

^{一个gydF4y2Ba}VAF:方差计算。gydF4y2Ba

^bgydF4y2BaPR:政策和法规。gydF4y2Ba

^cgydF4y2BaTE:医疗服务交易效率。gydF4y2Ba

^dgydF4y2BaNP:外部链接系统的网络保护。gydF4y2Ba

^egydF4y2BaES:基于web的数据加密安全。gydF4y2Ba

^fgydF4y2BaRT:诊疗服务的实时数据。gydF4y2Ba

^ggydF4y2BaSC:可供外部使用的医疗服务能力。gydF4y2Ba

^hgydF4y2BaRS:医学研究数据共享。gydF4y2Ba

^我gydF4y2BaTS:共享诊断和治疗数据。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

本研究在假设医疗服务网络是内生的，服务交易效率是医疗服务网络产生和发展的关键变量的基础上，实证分析了医疗服务网络大数据资源对医疗服务交易效率的影响，提供了以下证据:gydF4y2Ba

1. 诊疗数据(大数据本身)在网络层面的共享直接影响到医疗服务的交易效率。实施基于大数据的精准医疗的一个重要挑战是在mcn中共享数据[gydF4y2Ba45gydF4y2Ba]。与其他医院或机构共享诊疗数据是大数据共享环境的重要组成部分[gydF4y2Ba41gydF4y2Ba]。只有制定医疗大数据的分类、分级和领域共享制度，才能稳步推进医疗大数据的开放。通过诊疗数据的共享，可以及时有效地提高诊断的准确性，加强医患之间的沟通与协调，减少重复治疗，降低医疗差错的风险。通过政府或第三方平台访问患者的全部治疗记录，医生可以快速查看患者的病情，减少医疗费用，避免药物相互作用和药物禁忌症等不良医疗事件，从而提高医疗服务的整体交易效率。gydF4y2Ba
2. 研究数据(大数据本身)在网络层面的共享直接影响到医疗服务的交易效率。研究数据的共享是整体提高医疗服务质量的另一个重要因素。无论是临床疗效研究、新药开发还是基础医学研究，每一项研究往往都是基于他人的研究成果。gydF4y2Ba40gydF4y2Ba，gydF4y2Ba55gydF4y2Ba]。已经有许多共享和免费的医学研究数据库，如美国国立卫生研究院的心电图数据库，Brain-CODE [gydF4y2Ba43gydF4y2Ba]、阿尔茨海默病大数据[gydF4y2Ba56gydF4y2Ba进行了相关的医学研究整合多家医疗机构的研究数据，有利于克服科研的局限性，提高医生的科研能力。随着精准医疗时代的到来，越来越多的知识共享方法应运而生，促进了多学科诊疗能力的提升，提高了医疗服务的交易效率。gydF4y2Ba
3. 医疗机构层面外链系统(大数据技术)的网络防护直接影响到医疗服务的交易效率。医疗机构层面的外部交互安全(大数据技术)提供了一个安全高效的基于web的环境，在这个环境中，医疗机构可以与其他医院或机构连接并交换数据。要将分布在不同医疗机构的数据稳定、连续地连接起来，首先要解决的是安全问题[gydF4y2Ba7gydF4y2Ba，gydF4y2Ba31gydF4y2Ba，gydF4y2Ba57gydF4y2Ba]。过去，医疗机构只需要关注内部网络的安全，与外界基本隔绝。局域网安全性高，但互操作性差。随着互联网和大数据的发展，远程医疗的应用日新月异[gydF4y2Ba23gydF4y2Ba，gydF4y2Ba24gydF4y2Ba]和医疗机构越来越需要与其他医院或机构建立联系。外展系统的网络保护是医疗机构与外界接触的重要安全保障。网络保护必须兼顾安全与效率，在保证外部系统交换数据安全的同时，不能降低设施的效率和可用性。Abbasi等[gydF4y2Ba58gydF4y2Ba]指出，通过安全稳定的链接，网络中合作各方的活动可以更紧密地联系在一起，交易效率更高。gydF4y2Ba
4. 诊疗服务的实时数据(大数据本身)、可供对外使用的医疗服务能力(大数据本身)、医疗机构层面基于web的数据加密安全(大数据技术)、网络层面的政策法规等，通过医疗机构层面外展系统(大数据技术)的网络保护，间接影响医疗服务的交易效率。这4大数据资源将影响医生对部署医疗机构与外界连接的物理安全基础的看法[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba44gydF4y2Ba]。这些结果表明，大数据技术、大数据和政策在网络和组织层面上相互作用、相互影响，形成了不同mcn的服务交易效率。gydF4y2Ba

理论意义gydF4y2Ba

这项研究在三个方面为研究做出了贡献。首先，我们强调了服务交易效率在MCN研究中的重要作用。先前的研究主要强调服务交易效率是影响特定mcn运营效果的因素之一[gydF4y2Ba6gydF4y2Ba]。在这些研究中，通常假设mcn是外源性的，并且mcn的质量有一个绝对的标准。但本文强调MCN不是外源性的;相反，许多因素导致了它的出现和发展。以新古典经济学理论为基础[gydF4y2Ba27gydF4y2Ba]，本研究将服务交易效率作为mcn产生和发展的关键变量，并将当前协同医学研究中要素导向研究和过程导向研究两个视角联系起来。从MCN是内源性的角度来看，研究的落脚点不是MCN的绝对质量，而是MCN对特定环境的适合度。在交易效率的基础上，本研究为未来研究MCNs的产生和发展提供了基础。这一逻辑可能有助于解释为什么在之前的研究中存在各种矛盾的因素。gydF4y2Ba

其次，从网络和医疗机构层面对面向mcn的大数据资源进行了概念化，包括大数据本身、大数据技术和政策。因此，MCN医疗机构层面的大数据资源与MCN网络公共层面的大数据资源的结合，作为MCN产生和发展的关键变量，影响着医疗服务的交易效率。强调mcn公共大数据资源与mcn私有大数据资源共存，相互影响。本研究在企业资源基础观的基础上拓展了现有IT赋能价值的局限性，强调IT资源的私密性和排他性。这也呼应了从工作实践、组织和超组织层面分析大数据价值实现的研究呼声[gydF4y2Ba17gydF4y2Ba]。gydF4y2Ba

第三，本研究为De Mauro等人提供了实证支持[gydF4y2Ba18gydF4y2Ba]和Wamba等人[gydF4y2Ba19gydF4y2Ba]，提出将大数据技术、大数据本身与政策相结合，实现大数据价值。研究结果进一步细化和丰富了这一见解，揭示了大数据技术、大数据本身以及政策对医疗服务交易效率的详细影响路径。大数据本身分为网络层面和组织层面。网络层面的大数据资产直接影响医疗服务的交易效率。而组织层面的大数据资产通过影响人们在组织层面对对外交互安全技术的感知来影响交易效率。对外提供的医疗服务能力对外部链接系统网络保护的负面影响表明，对外服务的增加会使人们产生很大的不安全感。公共层面的大数据相关政策法规不能直接影响业务的交易效率，但通过影响公共大数据资源和组织层面对外交互安全技术的感知，影响mcn的整体形成和运行。gydF4y2Ba

实际意义gydF4y2Ba

研究结果对实践有几点启示。本研究为政府制定相关政策提供了相应的理论指导。政府应制定相应的战略，制定公共层面的大数据资源共享政策，推动各类机构加强外部协同网络的安全。这些政策将影响MCN运行的生态服务环境，从而提高交易效率，最终促进MCN的发展。此外，各类愿意与外界互动形成MCN的医疗机构必须首先加强网络安全，这尤其可以平衡外部协同服务增加所带来的负面影响。gydF4y2Ba

研究的局限性gydF4y2Ba

本研究有几个局限性。数据采集采用方便抽样法。虽然所覆盖的医疗机构基本符合中国医疗机构中公立医院和私立医院的相对比例，但区域的选择是基于方便抽样的原则。此外，本研究仅考虑医疗服务的交易效率，以揭示大数据资源对mcn产生和发展的影响。事实上，其他变量，如医疗服务的学习成本，也会影响mcn的出现和发展。未来的研究可以从医疗服务学习成本的角度分析大数据资源对mcn产生和发展的影响。gydF4y2Ba

结论gydF4y2Ba

我们的研究对理论和实践都有贡献。一是聚焦大数据资源对医疗服务交易效率的影响，突出mcn的产生和发展。其次，从理论上提出大数据资源存在网络层面和医疗机构层面两个层面，并突出了公共和私人大数据资源对交易效率的交织影响(包括直接影响和中介影响)。第三，重点研究医疗保健大数据本身、大数据技术和政策对交易效率的影响，揭示大数据价值三要素的交互作用和影响机制，以及对mcn形成和发展的影响。gydF4y2Ba