引用本文： 楊雨, 胡華杰, 黃濤, 鞏志文, 管曉東, 史錄文. 醫務人員“共診患者”網絡研究的范圍綜述. 中國循證醫學雜志, 2023, 23(2): 197-202. doi: 10.7507/1672-2531.202206062 復制
社會網絡分析（social network analysis，SNA）作為社會科學研究的一種范式被廣泛應用于多學科研究中，關注相互關聯的群體中行動者（包括個人、組織或實體）之間的關系，及這種關系模式對結果指標的影響[1]。在醫療衛生領域，SNA更多地被應用于研究傳染病的傳播與防控及衛生政策的影響[2-3]，例如COVID-19疫情期間應用SNA與接觸者追蹤技術相結合的手段來識別疫情傳播鏈，發揮了重要的作用[4-5]。目前越來越多的研究通過SNA來探索醫療機構中醫務人員的社會網絡，促進了人們對這一領域的了解。而“共診患者”（即醫務人員之間基于共同診斷的患者建立起來的合作或非合作關系）隨著醫療大數據的發展也成為構建醫務人員網絡的主要技術手段之一。通過對醫務人員“共診患者”網絡的研究，可加強對于醫務人員之間知識轉化、信息傳播及合作協調的理解，探索出促進創新醫療措施傳播、臨床實踐優化的策略，并最終改善患者的健康結局。但目前國內沒有相關實證研究，對“共診患者”網絡尚未建構系統認知，其仍屬學術界較新的研究領域，缺乏全面、系統的綜述。范圍綜述是一種快速描繪新興領域的研究進展、匯總現有知識并為未來研究重點提供指導的綜述方法，已經被廣泛應用于醫療健康等領域。本文采用Arksey和O’ Malley的范圍綜述分析框架[6]，對“共診患者”這一技術手段應用于醫務人員網絡的研究進行梳理和分析，旨在了解該領域研究現狀、明確研究進展及存在的問題，為推動SNA在中國衛生研究領域的發展提供證據和信息支持。
1 資料與方法
1.1 納入與排除標準
1.1.1 納入標準
① 研究主體為醫務人員；② 研究對象為醫務人員的“共診患者”關系；③ 研究設計包括干預性研究（隨機或非隨機）、觀察性研究（隊列研究、病例-對照研究、橫斷面研究）等。
1.1.2 排除標準
① 重復發表或無法獲得全文；② 非中、英文文獻；③ 不是醫務人員間專業交流網絡。
1.2 文獻檢索策略
計算機檢索PubMed、EMbase、Scopus、ProQuest、Web of Science Core Collection、ScienceDirect、SAGE、Wiley Online Library、Google Scholar、CNKI和WanFang Data數據庫，搜集醫務人員“共診患者”網絡的相關研究，檢索時限均為建庫至2021年7月31日，并追溯參考文獻和相關引文。根據Chambers等[7]和Sabot等[8]關于SNA的綜述，及DuGoff等[9]關于“共診患者網絡”的綜述，本研究確定了醫務人員“共診患者”網絡的檢索概念，并采用滾雪球的方法來確定關鍵詞列表及檢索策略[10]。中文檢索詞包括：共診患者、醫務人員網絡、醫生網絡、社會網絡等；英文檢索詞包括：patient-sharing、healthcare provider network、physician network、social network等。
1.3 文獻篩選和資料提取
由2名研究者獨立篩選文獻、提取資料并交叉核對。如遇分歧，由多人組成的審查小組進行討論協商解決。文獻篩選時首先閱讀標題和摘要，在排除明顯不相關的文獻后，進一步查閱正文和補充材料以確定是否納入。資料提取內容包括：標題、研究目的或研究問題、研究的年份、發表期刊、開展研究的國家、實證研究的理論框架、研究設計和數據收集、專業網絡類型、網絡規模、網絡屬性、SNA軟件工具、數據綜合和統計分析方法、網絡的影響因素和結果。
1.4 納入研究的偏倚風險評價
與系統評價不同，范圍綜述更關注某一研究領域的核心概念、證據類型和研究進展，不對證據進行嚴格意義上的合成匯總，對納入研究的偏倚風險評價不是必要環節[11]，基于Arksey和O’Malley的分析框架也不包括偏倚風險評價部分，因此本研究未對納入研究進行偏倚風險評價。
1.5 統計分析
采用Excel 2016軟件進行信息提取和統計分析，并進行定性范圍綜述。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得相關文獻2 287篇。所檢索的數據庫及檢出文獻數具體如下：PubMed（n=304）、EMbase（n=417）、Scopus（n=537）、ProQuest（n=458）、Web of Science Core Collection（n=210）、ScienceDirect（n=143）、SAGE（n=1）、Wiley Online Library（n=159）、Google Scholar（n=58）、CNKI（n=0）和WanFang Data（n=0）。經逐層篩選，最終納入110篇英文文獻。
2.2 納入研究的基本特征
納入研究的基本特征見表1。
表1
納入研究的基本特征
2.3 納入研究的“共診患者”網絡特征
醫務人員“共診患者”網絡研究采用的理論框架包括社會網絡理論（43.6%）及其他非社會網絡理論（23.6%），32.7%的文獻未說明其采用的具體理論（表2）。網絡節點類型以1-模，即單一類型節點為主（87.3%），1-模網絡中節點類型以醫生為主（57.3%）。大多數研究（64.5%）以“共診患者”數量為1作為界定醫務人員關系的閾值，大部分研究（64.5%）的網絡規模（即節點數量，表示網絡研究中的樣本量）在10 000人以下。
表2
醫務人員共診患者網絡特征
2.4 “共診患者”網絡的影響因素
醫務人員“共診患者”網絡主要受地理因素、醫療機構、醫生和患者特征等因素的影響。一般來說，兩個醫生執業機構距離近、專業同質性高、患者群體特征類似，二者產生“共診患者”關系的概率越大。就地理因素而言，如果醫生就職于同一診所或執業機構距離較近，形成“共診患者”關系的可能性更高[12-14]。Landon等[15]發現有“共診患者”關系的醫生平均執業地點距離21.1 km，而沒有“共診患者”關系的醫生平均執業地點距離為38.7 km。Yaraghi等[16]發現有“共診患者”關系的醫生在專業和職位級別上更為相似，且接診的患者群體也有相似的特征，如在有“共診患者”關系的醫生接診患者的種族差異只有8.8%，沒有“共診患者”關系的醫生接診患者的種族差異達14.0%。另外，擁有不同醫療保險類型的患者就診的醫生網絡在中心度等指標上也有所不同[17]。但是，由于不同區域之間網絡特征存在顯著差異，不同研究采用指標差異較大，不同研究間可比性不高，目前尚無建立醫務人員“共診患者”網絡模型的最佳方式，關于醫務人員“共診患者”網絡的影響因素仍需進一步探討。
2.5 “共診患者”網絡對醫療相關結局的影響
2.5.1 對于醫療行為的影響
大多數研究主要關注的是醫生診療行為偏好在醫務人員網絡中傳播的情況，例如藥物或治療方案的選擇、新技術的使用等。Pollack等[18]發現有“共診患者”關系的醫生在患者群體特征和前列腺癌治療方案的選擇上相互影響、高度一致。隨后該團隊又探究了“共診患者”網絡對采用近距離照射（早期乳腺癌輔助治療新技術）的偏好影響，觀察到與早期使用該技術的醫生有共診患者關系的醫生隨后采用這項新技術的概率更高[19]。其他研究也發現在乳腺癌的診療過程中，與具有使用磁共振成像經驗的醫生擁有“共診患者”關系后，會增加醫生后期該技術的使用率[20-21]。在對處方行為的研究中，同樣發現了有“共診患者”關系的醫生藥物處方率會隨同伴處方率的增加而增加[22]。隨著“共診患者”數量增加，醫生之間合作協調更充分，藥物不合理處方（例如重復處方、開具相互作用藥物）的比例下降[23-25]。這些研究證明了醫務人員“共診患者”網絡中廣泛存在同群效應，并揭示了社會網絡在促進新技術的普及應用、監測醫務人員行為和預測不良事件發生方面的潛力。
2.5.2 對于醫療機構的影響
有研究表明，“共診患者”網絡這種醫生間自發生成的關系網絡與傳統醫療系統架構相比更能反映醫生或醫院之間的實際合作情況，醫療機構在網絡中所處的位置、相關指標的衡量可用于評估機構合作、組織績效和系統效率。有研究探索了耐甲氧西林金葡萄球菌和艱難梭菌等細菌感染在醫療機構間的傳播與“共診患者”網絡之間的關系[26-28]。對于醫院獲得性感染的研究發現，患者的轉診模式與醫院獲得性感染的發生有關，“共診患者”是感染擴散的潛在途徑，在考核醫院衛生評價時需要考慮醫院在網絡中的位置[29]。Moen等[30]發現，當為患者進行植入型心臟除顫器手術的醫院與其他醫院的聯系更多，即在網絡中的度數更高時，指南符合率更高。“共診患者”網絡的其他指標（例如中心性、密度、分散度等）不僅反映了醫療機構之間合作協調的情況，其與醫療結果也具有相關性[31-32]。基于“共診患者”構建當地的醫療衛生系統可指導醫療機構改善合作策略、促進信息交流、重整組織架構，從而獲得更高的資源配置效率。
2.5.3 對于醫療服務質量的影響
一般認為，醫生之間“共診患者”數量越多，合作越緊密，患者獲得的醫療服務質量越高，臨床獲益更為顯著[33-34]。Uddin等[35]發現提高醫生的度數中心度或者網絡密度能降低全髖關節置換病人的再入院率。Pollack等[36]發現網絡亞組特征、泌尿科醫生平均中心度與前列腺切除術后并發癥的發生率顯著相關，并且護理密度高（即通過共診患者與其他醫生聯系的頻率）的患者不良反應發生率和再入院率更低[37]。還有研究探索了“共診患者”網絡與指南依從性之間的關系[38]。但也有研究發現，患者的度數中心度（即患者住院期間醫生面診次數）與住院時長呈正相關，即住院期間醫生面診次數多會增加住院時長[39]，醫生“共診患者”網絡的結構組成與醫療質量指標之間不一定存在顯著關聯[40]。有研究顯示不同網絡或其子群體間醫療服務質量差異較大，網絡結構與醫療服務質量之間的關系仍需進一步研究。
2.5.4 對于醫療費用的影響
“共診患者”網絡對于醫療費用影響的研究結論尚未達成共識。Pollack等[41]觀察到對于充血性心力衰竭和糖尿病患者來說，高護理密度對應著更低的醫療費用，在癌癥患者中也是如此[42]，說明醫務人員之間的良好溝通對抑制醫療費用上漲有重要作用。Lublóy等[43]觀察到專科醫生與全科醫生之間“共診患者”的關系強度會影響藥物費用，高關系強度有利于控制藥品費用。雖然以上研究都觀察到提高醫生的度數/中心度等網絡指標有利于控制醫療費用[44]，但也有一些研究得出了不同結論，提出度數的增加與患者醫療成本的增加相關[45-47]，醫生中介中心度的增加也會導致住院費用的上升[35]。研究結果的不一致可能是由于不同實證研究采用了不同的網絡指標、分析方法和數據來源所致，目前醫務人員網絡與醫療衛生成本之間的關系還未有確論，需要進一步探討。
3 討論
基于“共診患者”關系構建的醫務人員網絡研究最早發表于2009年，2018年以后發表的文章多于過去十幾年發表文章總和，其得益于電子信息系統的應用普及，使用包括醫保數據、處方病例數據在內的二級數據識別“共診患者”關系，有利于開展樣本量更大、時間跨度更廣的實證研究。目前“共診患者”網絡研究集中于美國、澳大利亞和英國等醫療衛生系統完善的國家，顯示出在一些發展中國家，尤其是中國，處于醫療改革關鍵階段的研究潛力。隨著“以患者為中心的跨學科合作”醫學模式的轉變，“共享患者”關系在研究跨專業網絡上體現出了巨大的價值。而不同實證研究在“共診患者”網絡對于健康相關結局的影響上仍未達成一致，借鑒國外研究經驗，我國學者在進行研究時應該考慮選擇合適的社會網絡理論框架和分析方法、補充縱向設計的研究證據、擴大研究對象范圍并且進一步探索網絡與健康結局的關系。
醫務人員“共診患者”網絡與醫療服務質量之間的相關性具有臨床指導意義。分析不同團隊或組織中患者轉診特點，可改善醫務人員之間的合作協調進而提高醫療服務質量。根據醫務人員在網絡中的位置，針對高影響力的醫生或醫院進行干預可能是一種高效地促進創新醫療技術擴散和指南依從性提高的策略。同時，圍繞患者治療，多學科醫療小組的建立對于提高患者藥物處方質量、降低再入院率等也是一種潛在的干預措施[48-49]。另外，維持“共診患者”網絡的穩定性，建立通暢的信息共享機制也有利于提升醫療服務質量[50]。
醫務人員“共診患者”網絡研究對于醫療衛生政策同樣具有重要意義。通過比較不同醫療機構、不同地域之間網絡的特點，識別出高效醫療團隊的特征，可用于優化醫療團隊人員配置及就診或轉診的流程設計等。“共診患者”網絡還具有實施大規模處方監控、控制感染傳播等方面的重要潛力。在感染控制中，根據網絡位置選擇一小部分醫療機構進行醫院獲得性感染監測，是一種成本-效益較高的策略，對于衛生保健系統規劃、病人管理和醫院感染控制可能產生重要影響。另外，建立全國統一的“共診患者”網絡平臺對于醫療保健系統具有重要意義，在美國，已經有研究人員嘗試合并不同醫療保險數據，最終目標是將全國的醫務人員網絡與患者個體數據連接起來，以支持全面多水平的分析。
本研究的局限性：① 只納入了中、英文文獻，可能存在語言偏倚；② 由于研究設計、研究人群和數據來源的異質性較大，無法進行定量分析；③ 排除了利用社交媒體對醫務人員私人關系進行分析的研究，可能排除了部分專業咨詢；④ 由于納入研究都報告了具有統計學意義的結果，未有陰性結果的報告，可能存在潛在發表偏倚。
綜上所述，醫務人員“共診患者”網絡研究在指導臨床和衛生政策上具有重要意義，進一步的研究應考慮補充縱向設計的研究證據、擴大研究對象范圍及完善“共診患者”網絡與健康相關結局關系的證據。
社會網絡分析（social network analysis，SNA）作為社會科學研究的一種范式被廣泛應用于多學科研究中，關注相互關聯的群體中行動者（包括個人、組織或實體）之間的關系，及這種關系模式對結果指標的影響[1]。在醫療衛生領域，SNA更多地被應用于研究傳染病的傳播與防控及衛生政策的影響[2-3]，例如COVID-19疫情期間應用SNA與接觸者追蹤技術相結合的手段來識別疫情傳播鏈，發揮了重要的作用[4-5]。目前越來越多的研究通過SNA來探索醫療機構中醫務人員的社會網絡，促進了人們對這一領域的了解。而“共診患者”（即醫務人員之間基于共同診斷的患者建立起來的合作或非合作關系）隨著醫療大數據的發展也成為構建醫務人員網絡的主要技術手段之一。通過對醫務人員“共診患者”網絡的研究，可加強對于醫務人員之間知識轉化、信息傳播及合作協調的理解，探索出促進創新醫療措施傳播、臨床實踐優化的策略，并最終改善患者的健康結局。但目前國內沒有相關實證研究，對“共診患者”網絡尚未建構系統認知，其仍屬學術界較新的研究領域，缺乏全面、系統的綜述。范圍綜述是一種快速描繪新興領域的研究進展、匯總現有知識并為未來研究重點提供指導的綜述方法，已經被廣泛應用于醫療健康等領域。本文采用Arksey和O’ Malley的范圍綜述分析框架[6]，對“共診患者”這一技術手段應用于醫務人員網絡的研究進行梳理和分析，旨在了解該領域研究現狀、明確研究進展及存在的問題，為推動SNA在中國衛生研究領域的發展提供證據和信息支持。
1 資料與方法
1.1 納入與排除標準
1.1.1 納入標準
① 研究主體為醫務人員；② 研究對象為醫務人員的“共診患者”關系；③ 研究設計包括干預性研究（隨機或非隨機）、觀察性研究（隊列研究、病例-對照研究、橫斷面研究）等。
1.1.2 排除標準
① 重復發表或無法獲得全文；② 非中、英文文獻；③ 不是醫務人員間專業交流網絡。
1.2 文獻檢索策略
計算機檢索PubMed、EMbase、Scopus、ProQuest、Web of Science Core Collection、ScienceDirect、SAGE、Wiley Online Library、Google Scholar、CNKI和WanFang Data數據庫，搜集醫務人員“共診患者”網絡的相關研究，檢索時限均為建庫至2021年7月31日，并追溯參考文獻和相關引文。根據Chambers等[7]和Sabot等[8]關于SNA的綜述，及DuGoff等[9]關于“共診患者網絡”的綜述，本研究確定了醫務人員“共診患者”網絡的檢索概念，并采用滾雪球的方法來確定關鍵詞列表及檢索策略[10]。中文檢索詞包括：共診患者、醫務人員網絡、醫生網絡、社會網絡等；英文檢索詞包括：patient-sharing、healthcare provider network、physician network、social network等。
1.3 文獻篩選和資料提取
由2名研究者獨立篩選文獻、提取資料并交叉核對。如遇分歧，由多人組成的審查小組進行討論協商解決。文獻篩選時首先閱讀標題和摘要，在排除明顯不相關的文獻后，進一步查閱正文和補充材料以確定是否納入。資料提取內容包括：標題、研究目的或研究問題、研究的年份、發表期刊、開展研究的國家、實證研究的理論框架、研究設計和數據收集、專業網絡類型、網絡規模、網絡屬性、SNA軟件工具、數據綜合和統計分析方法、網絡的影響因素和結果。
1.4 納入研究的偏倚風險評價
與系統評價不同，范圍綜述更關注某一研究領域的核心概念、證據類型和研究進展，不對證據進行嚴格意義上的合成匯總，對納入研究的偏倚風險評價不是必要環節[11]，基于Arksey和O’Malley的分析框架也不包括偏倚風險評價部分，因此本研究未對納入研究進行偏倚風險評價。
1.5 統計分析
采用Excel 2016軟件進行信息提取和統計分析，并進行定性范圍綜述。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得相關文獻2 287篇。所檢索的數據庫及檢出文獻數具體如下：PubMed（n=304）、EMbase（n=417）、Scopus（n=537）、ProQuest（n=458）、Web of Science Core Collection（n=210）、ScienceDirect（n=143）、SAGE（n=1）、Wiley Online Library（n=159）、Google Scholar（n=58）、CNKI（n=0）和WanFang Data（n=0）。經逐層篩選，最終納入110篇英文文獻。
2.2 納入研究的基本特征
納入研究的基本特征見表1。
表1
納入研究的基本特征
2.3 納入研究的“共診患者”網絡特征
醫務人員“共診患者”網絡研究采用的理論框架包括社會網絡理論（43.6%）及其他非社會網絡理論（23.6%），32.7%的文獻未說明其采用的具體理論（表2）。網絡節點類型以1-模，即單一類型節點為主（87.3%），1-模網絡中節點類型以醫生為主（57.3%）。大多數研究（64.5%）以“共診患者”數量為1作為界定醫務人員關系的閾值，大部分研究（64.5%）的網絡規模（即節點數量，表示網絡研究中的樣本量）在10 000人以下。
表2
醫務人員共診患者網絡特征
2.4 “共診患者”網絡的影響因素
醫務人員“共診患者”網絡主要受地理因素、醫療機構、醫生和患者特征等因素的影響。一般來說，兩個醫生執業機構距離近、專業同質性高、患者群體特征類似，二者產生“共診患者”關系的概率越大。就地理因素而言，如果醫生就職于同一診所或執業機構距離較近，形成“共診患者”關系的可能性更高[12-14]。Landon等[15]發現有“共診患者”關系的醫生平均執業地點距離21.1 km，而沒有“共診患者”關系的醫生平均執業地點距離為38.7 km。Yaraghi等[16]發現有“共診患者”關系的醫生在專業和職位級別上更為相似，且接診的患者群體也有相似的特征，如在有“共診患者”關系的醫生接診患者的種族差異只有8.8%，沒有“共診患者”關系的醫生接診患者的種族差異達14.0%。另外，擁有不同醫療保險類型的患者就診的醫生網絡在中心度等指標上也有所不同[17]。但是，由于不同區域之間網絡特征存在顯著差異，不同研究采用指標差異較大，不同研究間可比性不高，目前尚無建立醫務人員“共診患者”網絡模型的最佳方式，關于醫務人員“共診患者”網絡的影響因素仍需進一步探討。
2.5 “共診患者”網絡對醫療相關結局的影響
2.5.1 對于醫療行為的影響
大多數研究主要關注的是醫生診療行為偏好在醫務人員網絡中傳播的情況，例如藥物或治療方案的選擇、新技術的使用等。Pollack等[18]發現有“共診患者”關系的醫生在患者群體特征和前列腺癌治療方案的選擇上相互影響、高度一致。隨后該團隊又探究了“共診患者”網絡對采用近距離照射（早期乳腺癌輔助治療新技術）的偏好影響，觀察到與早期使用該技術的醫生有共診患者關系的醫生隨后采用這項新技術的概率更高[19]。其他研究也發現在乳腺癌的診療過程中，與具有使用磁共振成像經驗的醫生擁有“共診患者”關系后，會增加醫生后期該技術的使用率[20-21]。在對處方行為的研究中，同樣發現了有“共診患者”關系的醫生藥物處方率會隨同伴處方率的增加而增加[22]。隨著“共診患者”數量增加，醫生之間合作協調更充分，藥物不合理處方（例如重復處方、開具相互作用藥物）的比例下降[23-25]。這些研究證明了醫務人員“共診患者”網絡中廣泛存在同群效應，并揭示了社會網絡在促進新技術的普及應用、監測醫務人員行為和預測不良事件發生方面的潛力。
2.5.2 對于醫療機構的影響
有研究表明，“共診患者”網絡這種醫生間自發生成的關系網絡與傳統醫療系統架構相比更能反映醫生或醫院之間的實際合作情況，醫療機構在網絡中所處的位置、相關指標的衡量可用于評估機構合作、組織績效和系統效率。有研究探索了耐甲氧西林金葡萄球菌和艱難梭菌等細菌感染在醫療機構間的傳播與“共診患者”網絡之間的關系[26-28]。對于醫院獲得性感染的研究發現，患者的轉診模式與醫院獲得性感染的發生有關，“共診患者”是感染擴散的潛在途徑，在考核醫院衛生評價時需要考慮醫院在網絡中的位置[29]。Moen等[30]發現，當為患者進行植入型心臟除顫器手術的醫院與其他醫院的聯系更多，即在網絡中的度數更高時，指南符合率更高。“共診患者”網絡的其他指標（例如中心性、密度、分散度等）不僅反映了醫療機構之間合作協調的情況，其與醫療結果也具有相關性[31-32]。基于“共診患者”構建當地的醫療衛生系統可指導醫療機構改善合作策略、促進信息交流、重整組織架構，從而獲得更高的資源配置效率。
2.5.3 對于醫療服務質量的影響
一般認為，醫生之間“共診患者”數量越多，合作越緊密，患者獲得的醫療服務質量越高，臨床獲益更為顯著[33-34]。Uddin等[35]發現提高醫生的度數中心度或者網絡密度能降低全髖關節置換病人的再入院率。Pollack等[36]發現網絡亞組特征、泌尿科醫生平均中心度與前列腺切除術后并發癥的發生率顯著相關，并且護理密度高（即通過共診患者與其他醫生聯系的頻率）的患者不良反應發生率和再入院率更低[37]。還有研究探索了“共診患者”網絡與指南依從性之間的關系[38]。但也有研究發現，患者的度數中心度（即患者住院期間醫生面診次數）與住院時長呈正相關，即住院期間醫生面診次數多會增加住院時長[39]，醫生“共診患者”網絡的結構組成與醫療質量指標之間不一定存在顯著關聯[40]。有研究顯示不同網絡或其子群體間醫療服務質量差異較大，網絡結構與醫療服務質量之間的關系仍需進一步研究。
2.5.4 對于醫療費用的影響
“共診患者”網絡對于醫療費用影響的研究結論尚未達成共識。Pollack等[41]觀察到對于充血性心力衰竭和糖尿病患者來說，高護理密度對應著更低的醫療費用，在癌癥患者中也是如此[42]，說明醫務人員之間的良好溝通對抑制醫療費用上漲有重要作用。Lublóy等[43]觀察到專科醫生與全科醫生之間“共診患者”的關系強度會影響藥物費用，高關系強度有利于控制藥品費用。雖然以上研究都觀察到提高醫生的度數/中心度等網絡指標有利于控制醫療費用[44]，但也有一些研究得出了不同結論，提出度數的增加與患者醫療成本的增加相關[45-47]，醫生中介中心度的增加也會導致住院費用的上升[35]。研究結果的不一致可能是由于不同實證研究采用了不同的網絡指標、分析方法和數據來源所致，目前醫務人員網絡與醫療衛生成本之間的關系還未有確論，需要進一步探討。
3 討論
基于“共診患者”關系構建的醫務人員網絡研究最早發表于2009年，2018年以后發表的文章多于過去十幾年發表文章總和，其得益于電子信息系統的應用普及，使用包括醫保數據、處方病例數據在內的二級數據識別“共診患者”關系，有利于開展樣本量更大、時間跨度更廣的實證研究。目前“共診患者”網絡研究集中于美國、澳大利亞和英國等醫療衛生系統完善的國家，顯示出在一些發展中國家，尤其是中國，處于醫療改革關鍵階段的研究潛力。隨著“以患者為中心的跨學科合作”醫學模式的轉變，“共享患者”關系在研究跨專業網絡上體現出了巨大的價值。而不同實證研究在“共診患者”網絡對于健康相關結局的影響上仍未達成一致，借鑒國外研究經驗，我國學者在進行研究時應該考慮選擇合適的社會網絡理論框架和分析方法、補充縱向設計的研究證據、擴大研究對象范圍并且進一步探索網絡與健康結局的關系。
醫務人員“共診患者”網絡與醫療服務質量之間的相關性具有臨床指導意義。分析不同團隊或組織中患者轉診特點，可改善醫務人員之間的合作協調進而提高醫療服務質量。根據醫務人員在網絡中的位置，針對高影響力的醫生或醫院進行干預可能是一種高效地促進創新醫療技術擴散和指南依從性提高的策略。同時，圍繞患者治療，多學科醫療小組的建立對于提高患者藥物處方質量、降低再入院率等也是一種潛在的干預措施[48-49]。另外，維持“共診患者”網絡的穩定性，建立通暢的信息共享機制也有利于提升醫療服務質量[50]。
醫務人員“共診患者”網絡研究對于醫療衛生政策同樣具有重要意義。通過比較不同醫療機構、不同地域之間網絡的特點，識別出高效醫療團隊的特征，可用于優化醫療團隊人員配置及就診或轉診的流程設計等。“共診患者”網絡還具有實施大規模處方監控、控制感染傳播等方面的重要潛力。在感染控制中，根據網絡位置選擇一小部分醫療機構進行醫院獲得性感染監測，是一種成本-效益較高的策略，對于衛生保健系統規劃、病人管理和醫院感染控制可能產生重要影響。另外，建立全國統一的“共診患者”網絡平臺對于醫療保健系統具有重要意義，在美國，已經有研究人員嘗試合并不同醫療保險數據，最終目標是將全國的醫務人員網絡與患者個體數據連接起來，以支持全面多水平的分析。
本研究的局限性：① 只納入了中、英文文獻，可能存在語言偏倚；② 由于研究設計、研究人群和數據來源的異質性較大，無法進行定量分析；③ 排除了利用社交媒體對醫務人員私人關系進行分析的研究，可能排除了部分專業咨詢；④ 由于納入研究都報告了具有統計學意義的結果，未有陰性結果的報告，可能存在潛在發表偏倚。
綜上所述，醫務人員“共診患者”網絡研究在指導臨床和衛生政策上具有重要意義，進一步的研究應考慮補充縱向設計的研究證據、擴大研究對象范圍及完善“共診患者”網絡與健康相關結局關系的證據。
