促进还是抑制？中国公众的互联网使用是否影响对医师的信任

《Frontiers in Public Health》：Promotion or suppression? Does internet use by the Chinese public affect physician trust?

　　

目的：利用中国家庭追踪调查（China Family Panel Studies，CFPS）2016至2022年四期面板数据，考察中国居民互联网使用与医师信任之间的因果关系，为数字时代医患关系变化提供经验证据。方法：构建双向固定效应模型（Two-way Fixed Effects Model）控制个体与时间异质性，并采用倾向得分匹配（Propensity Score Matching，PSM）缓解样本选择偏误。结果：互联网使用与居民医师信任水平显著降低显著相关，该结论在多项稳健性检验中保持一致；异质性分析显示，健康状况较差、社会地位较低、无医疗保险个体的医师信任更易受互联网信息影响。结论：不能笼统理解互联网与医师信任的关系，应依据健康状态、社会位置与制度参与实施精细化政策设计；对高信息敏感和信任脆弱群体，应加强网络信息引导与健康教育，防止其陷入信息茧房（Information Cocoon）与认知极化。

研究背景方面，医师信任（Physician Trust）是构建和谐稳定医患关系的基石，也是医保、医疗、医药协同发展中维持医疗系统健康运行的重要基础。近年来医疗纠纷仍较频繁，对社会层面的医师信任造成挑战。以互联网为代表的数字技术正在重塑社会生活与信息传播范式，社交媒体、算法推荐新闻平台和短视频应用成为公众获取信息与形成认知的主要渠道。社会心理学中的可得性启发（Availability Heuristic）使极端化、情绪化医患冲突事件在网络中反复曝光后变得异常“可得”，负面偏差（Negativity Bias）又使公众更关注、记忆更深、情绪反应更强于负面信息，算法推荐进一步导致信息茧房（Information Cocoon）与认知极化。既有文献存在媒体赋能理论（Media Empowerment Theory）与媒体抑制理论（Media Depression Theory）两种视角，但多数研究基于单年或地区横截面数据，缺乏基于全国代表性长期纵向数据的严格因果分析，因此有必要利用中国家庭追踪调查（China Family Panel Studies，CFPS）面板数据识别互联网使用对医师信任的净效应与因果关系。

主要关键技术方法方面，研究人员使用北京大学中国社会科学调查中心实施的中国家庭追踪调查（China Family Panel Studies，CFPS）2016、2018、2020、2022年四期成人问卷数据，经缺失值、异常值与无效观测清洗后形成34,996条非平衡面板观测。因变量为0—10分自评“对医生信任程度”，核心自变量为手机或电脑上网整合生成的互联网使用二值变量，控制变量包括性别、年龄、婚姻状况、教育水平、户籍、健康状况、社会地位与医疗保险参与。估计策略上，先建立双向固定效应模型（Two-way Fixed Effects Model）控制个体固定效应α_i与时间固定效应λ_t，再用社区平均互联网使用率作为工具变量进行两阶段最小二乘（Two-Stage Least Squares，2SLS）分析，并以K近邻匹配、带卡尺K近邻匹配、半径匹配与核匹配四种倾向得分匹配（Propensity Score Matching，PSM）方法估计处理组平均处理效应（Average Treatment Effect on the Treated，ATT）。

研究结果方面，基线回归（Baseline Regression）显示，不加控制变量时互联网使用系数为?0.098且在5%水平显著，加入人口学变量后系数为?0.093且在1%水平显著，加入全部控制变量后系数为?0.099且在5%水平显著，说明互联网使用与居民医师信任水平降低显著相关。稳健性与内生性检验（Robustness and Endogeneity Tests）中，工具变量法以社区平均互联网使用率为工具变量，第一阶段该工具变量系数0.171且在1%水平显著，第一阶段F统计量为389.11，远超Stock-Yogo临界值16.38，Kleibergen-Paap rk LM统计量343.19且p=0.000；第二阶段互联网使用系数?0.535且在5%水平显著，方向与基线一致。倾向得分匹配（Propensity Score Matching，PSM）中，K近邻匹配后ATT为?0.172，带卡尺K近邻匹配ATT为?0.171，半径匹配ATT为?0.197，核匹配ATT为?0.196，均在0—10量表中意味着互联网使用者医师信任评分更低，且匹配后比匹配前更能显现负向关联，说明忽视可观测选择偏误会低估负面影响。异质性检验（Heterogeneity Test）通过交互项分析发现，互联网使用×健康状况系数为0.080且在1%水平显著，健康越差者信任受负向冲击越强；互联网使用×社会地位系数为0.148且在1%水平显著，社会地位越高者越可能将互联网转为正向资源；互联网使用×医疗保险参与系数为0.261且在1%水平显著，参保者互联网使用与更高医师信任相关，未参保者则更易受负面叙事引发焦虑。

讨论部分总结，研究人员指出互联网使用显著降低医师信任，呼应媒体抑制理论（Media Depression Theory），说明互联网不是中性信息通道，而是重塑公众认知框架的赋能环境。异质性表明健康差、社会地位低、无医保群体属于信任脆弱人群，治理应避免一刀切，而需针对健康群体优化在线健康信息环境、针对低社会地位群体提升数字媒介素养、针对未参保群体加快制度覆盖。政策上应完善在线健康信息治理机制，建立医务人员健康科普负面行为清单与常态化抽查制度，推动算法平台对医疗卫生内容审查干预；医疗机构应从被动应对转向主动引导，建立舆情收集、分析、反馈闭环，并通过新媒体矩阵开展权威科普；对脆弱群体在社区健康教育与家庭医生签约服务中嵌入媒介素养模块，以制度化面对面专业沟通抵消网络叙事带来的极化。

结论部分翻译如下：基于中国家庭追踪调查（China Family Panel Studies，CFPS）2016至2022年四期面板数据，本研究通过双向固定效应模型（Two-way Fixed Effects Model）与倾向得分匹配（Propensity Score Matching，PSM）系统考察互联网发展与居民医师信任的关系。研究表明，互联网使用与中国居民医师信任水平呈显著负相关，该结论在变量替换、多维稳健性检验与缓解可观测选择偏误后依然成立。异质性分析发现，健康较差、社会地位较低、无医疗保险等脆弱群体的负向关联更明显，体现出显著的数字分层效应。本研究的政策含义在于，应从单个极端事件的应急处置转向数字医疗信息生态系统的系统治理；未来需在算法设计、平台责任、权威叙事建构与公众健康素养教育中协同发力，遏制负面信息传播，培育理性、互信、健康的医患关系新生态。研究也存在局限：互联网使用行为测量较宽泛，医师信任为单条目自评量表，信任形成动态机制仍待定性研究与更丰富纵向数据深化。论文发表于《Frontiers in Public Health》。