International Open Access Journal Platform

1 引言

在线医疗咨询（online medical consultations, OMC）是指基于互联网的远程医生—患者医疗咨询，被视为是远程教育的一部分，能够有效改善医疗资源分配不均的问题。在这个过程中，医生不仅提供信息，还给予诊断、治疗建议和处方等医疗议程（Al-Mahdi，2015）。除了突破地理限制外，OMC还能够增加对老年患者、残障人士、慢性疼痛患者医疗服务的可及性。由于其便利性、可及性和高性价比，OMC也受到年轻人和少有时间线下就医患者的青睐（Kauer et al.，2014）。不仅如此，OMC还能够应对因医疗资源紧张造成的社会恐慌，帮助改善各地公共卫生需求。因此，OMC在全球范围内蓬勃发展（Singh et al.，2018）。自2000年以来，OMC全球服务每五年增长150%（Zhang，2020）。2023年，全球在线医生咨询市场的收入达到237.5亿美元，预计该收入将在2024至2029年间持续上涨（Statista，2023）。这引起了研究人员的关注，相关研究大量增加。WoS核心期刊数据库中，OMC相关研究已达到3000余篇。因而对OMC研究进行系统地梳理和回顾是必要的。

已有的OMC的研究综述主要包含以下四个方面：（1）OMC的开发及挑战（Singh et al.，2018）；（2）OMC在心理治疗、初级保健、心脏病学等不同领域的应用（Stoll et al.，2020；Mold et al.，2019；Di Cerbo et al.，2015；Edo-Osagie，2020）；（3）促进OMC发展的因素（Yang et al.，2022）；（4）OMCs的研究主题和进展等（Al-Mahdi et al.，2015；吴江 等，2019；Lu et al.，2022）。这四个方面显示了学者主要从宏观层面对OMC研究进行综述，而鲜有学者从微观层面，例如对OMC话语研究进行梳理。为了探寻OMC话语研究所涉及的学科领域、研究热点、数据来源、研究方法，以及中外研究的区别，本研究借助CiteSpace工具对中国知网20年来的OMC话语研究进行梳理，勾勒当前的研究现状，指出存在的问题并对未来研究进行展望，以期促进OMC研究的发展。

2 数据来源、研究问题与研究工具

2.1 数据来源

本文依据的国内文献数据来源是中国知网，以主题方式检索“在线医疗咨询”“线上医疗咨询”“互联网医患交流”“在线问诊+话语/语用/对话”，共检索到147篇文献，经过人工清洗后获得2010年至2024年75篇国内文献，最后检索时间为2024年7月26日。

2.2 研究问题与研究工具

统计分析过程中主要使用 CiteSpace 6.3R1。CiteSpace是一款由美国雷德赛尔大学（Drexel University）信息科学与技术学院的陈超美博士与大连理工大学的WISE实验室联合开发的科学文献分析工具。基于科学计量学与数据可视化，该分析软件可以将数据进行可视化。借助该软件绘制科学知识图谱的功能，本研究重点回答：（1）国内OMC话语研究的总体特点和趋势是什么? （2）国内OMC话语研究的主要理论和框架分别是什么? 有何特点?（3）国内OMC研究关注的热点是什么?（4）这些研究的语料和研究方法分别是什么？

3 OMC研究动态分析

3.1 总体研究情况

学术期刊刊文量的变化可以反映某领域的动态发展历程。如图1所示，研究结果显示：（1）发文量波动较大，经历了“缓慢起步”（2010—2015）、“浅幅波动”（2016—2018）、“数量激增”（2019—2022）、“回归稳定”（2022—2024）四个阶段。（2）发文量阶段性特征较为明显。2018年之前的两个阶段文献数量分别基本持平，增长缓慢，平均每年收录论文量为3篇左右。2019年开始的近5年间国内发文量呈现迅猛增长趋势，2020年达到近15年的顶峰，发表论文13篇，占所有检索论文的17%。（3）从发文数量看，2018年之后OMC研究进入发展黄金期。

图 1 国内OMC话语研究历年文献发表数量图

Figure 1 Figure of the number of annual publications on OMC discourse research in China

3.2 研究学科、视角及理论框架

统计结果如图2所示。国内OMC话语研究涉及的学科相对多样，其中医学教育与医学边缘学科共56篇，占比70%，中国语言文学共26篇，占比35%，新闻与传播学共22篇，占比30%，计算机及计算机应用共7篇，占比10%，外国语言文学共4篇，占比5%。

图 2 国内OMC话语研究领域比例

Figure 2 Proportion of OMC discourse research field in China

通过统计发现，OMC话语研究引起了医学界、语言学界、传播学界和计算机学界等的共同关注; 以医学边缘学科关注为主，语言学关注为辅。笔者按照期刊所涉学科领域对相关文献分类进行阅读后有了进一步发现。

医学教育与医学边缘学科的研究主要从计算机和信息研究视角和经济和管理学视角开展。其中，前者的理论模型包括：整合技术接受模型、信息系统成功模型（吴大鹏，2012；童俞嘉 等，2022）、媒介丰富性理论、社会临场感（杨恒，2014）、信息不对称理论（沈雨亭，2016；胡媛荣 等，2019；王婷，2019）、可信平价的算法优化（曹艳蓉 等，2018）、Davis的技术接受模型 （technology acceptance model, TAM）（高锦秀 等，2018）、UTAUT模型理论（石烟，2019）、Kotler的理论模型（感知价值理论）（方媛 等，2019）、消费者信任理论和消费者感知理论（陆泉 等，2019）、循证决策视角（叶艳 等，2022）。后者的理论模型主要涉及现状偏差理论和理性选择理论（张晓飞，2014）、认知吝啬理论、“机会—动机—能力”（OMA）框架（王婷，2019）、消费者信息处理及决策理论和价格效应（李玉梅，2020）、礼物交换的原则和强关系和弱关系理论（王雅楠，2020）、演化博弈论，ELM理论（李超然，2021）、现状偏差理论和理性选择理论（张晓飞，2014）。

语言学和传播学也有独特的视角。语言学相关分析主要关注话语策略，相关理论与框包括：（1）经典语言学理论：会话分析理论、言语行为理论（杜依依，2019）；会话修正理论（王铭瑶 等，2023）；系统功能语言学的及物性、评价理论、修辞论辩理论和话语行为分析框架（王琴 等，2024）。（2）管理学相关理论：Spencer-Oatey的和谐管理理论（刘慧珍 等，2019；马婧赫，2021）；李海辉（2008）的话语缓和三分法（马婧赫，2021）；耶夫·维索尔伦（1999）的顺应论（袁周敏，2013；赵鑫，2019）、Kennifer等（2009）的分类法（魏爽 等，2023）。（3）语步相关理论：延展性标记语和语步策略（杨娜 等，2020）；Edmonson（1981）的辅助话步（王晓将，2022）；Swales（1990，2004）语步—语阶分析框架（任育新 等，2023）。（4）信任和身份框架：Heritage的医患会话框架（蒋筱涵 等，2020）；陈新仁的语用身份理论（蒋筱涵 等，2020；曹如洁 等，2022）；Fuoli and Paradis的信任修复话语模型（曹如洁 等，2022）。传播学研究主要关注患者的沟通和信任，相关理论有线索消除理论（Cues filtered-out theories）、以患者为中心的沟通（patient-centered communication, PCC）模式（曹博林 等，2020）和Mayer等对主体可信性的划分（郑晓梅 等，2022）。

所分析的语料主要来自以下四个网站及其他数据库：（1）好大夫（王琴 等，2024；聂卉 等，2023；沓钰淇 等，2021；叶艳 等，2022；李超然，2021；李玉梅，2020；杨娜 等，2020；王雅楠，2020；陆泉 等，2019；马骋宇 等，2016；范晓妞 等，2016；沈雨亭，2016；张晓飞，2014；史海青，2014）。（2）丁香医生（任育新 等，2023；曹如洁 等，2022；马婧赫，2021）。（3）春雨医生（魏爽 等，2023；王晓将，2022；丁凤一，2020，胡媛荣 等，2019；汪祥松，2015；郑晓梅 等，2022；蒋筱涵 等，2020；王铭瑶 等，2023）。（4）其他数据库： 医疗录音（袁周敏 等，2013）、快速问医生、掌上淘医（胡长爱 等，2014）、调研项目（石烟，2019）、有问必答网 （赵鑫，2019）、健康160（曹博林 等，2020）。

3.3 研究热点话题解读

关键词是文章核心内容的浓缩，在某一研究领域反复出现的关键词意味着相关研究主题是该领域的研究热点（冯佳 等，2014）。CiteSpace的关键词共现分析功能提取出的高频主题词能够反映该领域的研究热点。同时，关键词中心性是从衡量节点重要性的指标。关键词中心性的大小，表明其连接的关键词之间的信息的多少。节点的大小与关键词出现的频次成正比，其大小意味着该关键词出现频率的高低。

由于本研究进行国际文献搜索时采用在线医疗咨询、在线问诊、线上问诊等为检索词。搜索结果显示，在线问诊、在线咨询、医疗咨询和在线医疗是国内图谱中较大的节点。由于这3个节点过大，会影响分析其他节点之间的关系，因此我们在分析时将这3个节点抹去。图3是除去这3个关键词之后国内OMC话语研究热点主题词，表1则列出了除去之后出现频率最高的15个关键词。

表 1 核心期刊OMC研究热点主题词频统计

Table 1 Word frequency statistics of hot topics in OMC research of core journals

首先，从关键词对比中可以明显看出，国内文献关注的多为医患关系、医患沟通和医患交流，其中尤以医患沟通占比最重，出现频次最高的15个关键词中3个均类属于沟通（即沟通、互动、交流）。但沟通这一核心概念在国际文献中出现频次较低。通过研读国际文献的关键词可以看出，本领域的国际发表的文献目前更加关注人工智能（人工智能、自然语言处理、深度学习、系统）相关研究。

国内期刊的高频关键词沟通、互动和交流也展现出对“沟通”的重视。从国内期刊关键词图谱中可以看出，下半部分更多是从医患行为、话语实践和信任构建的角度对医患互动进行研究，它们单独占据一块区域。同时，左半部分关于医生身份建构的研究已成为相对独立的研究。

其次，仔细观察关键词图谱之后不难发现，医生话语在国内期刊中占据了一席之地，此外，医“信息”这一关键词则出现在国际期刊中。但整体看，国内对于医生话语的关注还不够。医生的话语策略是一个值得语用学者关注的话题。此外，在线咨询近年来发展迅猛，如何结合管理学和语用学等学科的理论推医生话语策略的发展，如何使用话语安抚患者的情绪，帮助患者更好、更直接的解决患者的问题，都是国内语用学界亟须思考的问题。同时，将国内在线医疗咨询的成果介绍到国际学界也必将对国内语用学领域的发展起到积极作用。

最后，如图3所示，从知识图谱中可以看出，国内期刊点多线少密度低，表明关键词较为分散，有较多的关键词分散在核心节点体系的四周。这表明国内研究相对分散，研究领域相对宽泛。

图 3 国内OMC话语研究关键词共献图谱

Figure 3 Figure of keyword co-occurrence in OMC discourse research in China

3.4 核心研究领域和知识结构

聚类分析可以帮助我们从宏观上将OMC话语划分为不同的模块，来展示出国际和国内各自的主要研究领域，把握领域发展趋势。模块值越大，表示聚类越好，Q的取值区间为［0,1］，Q>0.3意味着聚类结构明显。S值高于0.5可以认为聚类结果同质性较高（Alderson，2007）。结果显示，两个数据库的聚类结构显著。CNKI数据库中OMC话语文献产生6个聚类，聚类值Q为0.8576，聚类内部相似度指标S值为0.9712。聚类图谱如图4所示。本研究检视了每个聚类，来厘清国内外OMC话语研究趋势及其背后的知识结构。

图 4 国内OMC话语研究关键词聚类图谱

Figure 4 Figure of keyword clustering in OMC discourse research in China

由于以关键词作为聚类名称，国内文献中的OMC话语研究聚类0“医患沟通”主要是医学领域相关，多为对在线咨询质量（徐志杰 等，2015；陈敏 等，2016；沈雨亭，2016）、医患交互性（范晓妞 等，2016；孙远灿，2017）、患者送礼行为（王雅楠，2020）、医患行为与医患关系（李玉梅，2020；李超然，2021）的研究。聚类1“医疗咨询”中包含了语言学与计算机学相关的文献。语言学文献重点考察了语用身份的建构（袁周敏 等，2013；卢文静 等，2016；蒋筱涵 等，2020）、医生建议行为的实施（刘慧珍 等，2019）、缓和策略的使用（赵鑫，2019；马婧赫，2021）、医生的语步（杨娜 等，2020）、话语结构（任育新 等，2023）、医生回应消极情感的话语策略（魏爽 等，2023；王琴 等，2024）。计算机学科则主要关注构建医疗咨询系统（吴大鹏，2012；杨恒，2014；张强，2015；Casey et al.，2017；黄晓亮，2021）、软件的功能（胡长爱 等，2014）、在线医疗服务的转化率（史海青，2014；马骋宇 等，2016）、信息回复的形式和功能（王晓将，2022）。

聚类2“医患关系”虽与聚类1内容有部分重叠，但它重点集合了语言学与传播学相关研究。前者包括信任机制的构建（曹如洁 等，2022）和医生的信任话语（郑晓梅 等，2022），后者涉及用户感知价值研究（方媛 等，2019）、线上医患交流效果（曹博林 等，2020）。聚类3 “在线医疗”主要关注计算机和信息领域的研究，包括识别抑郁症症状短语（聂卉 等，2023）、构建患者健康主题分析模型（叶艳 等，2022）和自动评估医生反馈内容（刘通 等，2017）等。聚类5“在线问诊”包括了医生的亲社会行为（王婷，2019）和医生话语的修正策略（王铭瑶 等，2023）。聚类7“医患交流”多是结合文本分析和计算机手段，对在线服务医疗意愿及需求（高锦秀 等，2018；石烟，2019，胡媛荣 等，2019；陆泉 等，2019；童俞嘉 等，2022）和医患沟通交流模式（丁凤一，2020；曹博林，2021）进行讨论。

综合来看，以上6个聚类显示了十多年来国内OMC话语的若干主要研究话题，包括在线咨询的系统质量和医学效果、患者需求、医患行为、医生身份构建和话语策略，以及基于大数据的研究和社会学的探讨。

3.5 研究方法

本文统计了11年间国内OMC话语研究运用的研究方法。经统计，2010年至2024年间国内OMC话语研究在研究方法上呈现以下特点: （1）以定性研究为主，主要研究方法包括：访谈法（杨恒，2014；Casey et al.，2017；石烟，2019；曹博林，2021）、问卷调查法（张晓飞，2014；徐志杰 等，2015；高锦秀 等，2018；石烟，2019；方媛 等，2019；郭勇 等，2020；曹博林 等，2020；叶艳 等，2022）、文献研究法（杨恒，2014; 杜依依，2019；王雅楠，2020；丁凤一，2020）、主题分析和语篇分析（Casey et al.，2017）、会话分析和个案分析（杜依依，2019）、实证分析法（王雅楠，2020）、层次分析法（叶艳 等，2022）、扎根理论（魏爽 等，2023）等。以质量结合方法为辅，主要研究方法包括：对比分析（胡长爱 等，2014）、演化博弈理论方法（汪祥松 等，2015；李超然，2021）、回归分析（沈雨亭，2016；陆泉 等，2019）、实证分析法（王雅楠，2020）、话语分析（马婧赫，2021；曹如洁 等，2022；王琴 等，2024）、结构方程模型（童俞嘉 等，2022）等。只有少量纯定量研究，具体研究方法为: 内容分析（杜依依，2019）人工标注法（王雅楠，2020）、文本分类法（丁凤一，2020）、语料库（马婧赫，2021；王琴等，2024）、无监督机器学习法（聂卉 等，2023）等。

4 结语

本研究发现：（1）国内OMC年发文量呈波动态势；（2）OMC的主要研究领域为医学及医学边缘学科和语言学及传播学，语言学视角下的主要理论有经典语言学理论、人际关系管理理论、语步语阶理论和身份理论等；（3）医患沟通和医患关系是OMC话语的研究热点；（4）语料大多来自好大夫、丁香医生和春雨医生等语料库，主要研究方法为访谈法、问卷调查法、对比分析和内容分析等。

在线医疗咨询是世界各国关注的热点话题，语用学研究者应主动关注OMC的医学人际语用、医患沟通话语等跨学科研究，帮助OMC话语体系的建构。其中，开展跨文化视角下的比较和对比话语研究更是跟上国际步伐的当务之急，以期为实现“健康中国”贡献自己的力量。

参考文献

1. Alderson J C．The CEFR and the need for more research ［J］．Modern Language Journal，2007，91（4）：659-663．
2. M C，S S，D S，et al．在线咨询系统在初级保健中的应用：案例研究［J］．中国全科医学，2017，20（36）：4479．
3. Wuwong N．基于Linked Open Data语义关联的医疗信息在线查询系统的设计与实现［D］．云南大学，2012．
4. 曹博林，王一帆．沟通弥合与患者感知：基于链式中介模型的线上医患交流效果研究［J］．现代传播（中国传媒大学学报），2020，42（8）：54-63．
5. 曹如洁，王雪玉．中国在线医疗咨询话语中的信任建构研究［J］．文化创新比较研究，2022，6（5）：44-48．
6. 曹艳蓉，章韵，李涛，等．基于可信评价的医疗社区咨询检索优化算法［J］．计算机科学，2018，45（10）：150-154．
7. 陈敏，李亚妮，刘晓雷．消化内科疾病在线咨询质量评价［J］．中华医学图书情报杂志，2016，25（11）：66-69，73．
8. 刁必颂．基于在线患者咨询数据的在线医生推荐系统研究［D］．北京理工大学，2016．
9. 丁凤一．基于三维特征融合的在线医患沟通风格自动识别研究［D］．武汉大学，2020．
10. 范晓妞，艾时钟．在线医疗社区参与双方行为对知识交换效果影响的实证研究［J］．情报杂志，2016，35（7）：173-178．
11. 方媛，何伟军，杨艳妮，等．在线医疗社区信息咨询服务的用户感知价值研究［J］．中华医学图书情报杂志，2019，28（12）：13-18．
12. 胡长爱，邢美园，杨春伟，等．我国求医问药类App软件功能评价［J］．中华医学图书情报杂志，2014，23（2）：7-10．
13. 胡媛荣，周玲，汤中明．免费在线医疗咨询对医疗服务需求的影响研究［J］．当代经济，2019（11）：153-155．
14. 黄晓亮．优化对话模型的在线医疗咨询系统设计与实现［D］．南京邮电大学，2021．
15. 高锦秀，刘剑．基于互联网的医疗服务意愿的研究——以南京市为例［J］．江苏科技信息，2018，35（16）：67-71．
16. 郭勇，邓钰红，吴春艳，等．广东省儿童保健服务利用新媒体开展在线咨询情况分析［J］．临床医学研究与实践，2020，5（25）：21-22．
17. 孔麟．融合相似度与信任机制的老年人就医推荐软件设计与实现［D］．重庆邮电大学，2020．
18. 李超然．互联网医疗环境下医患行为与医患关系研究［D］．上海财经大学，2021．
19. 李玉梅．线上医疗咨询服务的患者购买行为研究［D］．哈尔滨工业大学，2020．
20. 刘通，杨敬成．基于信号传播算法的在线医疗咨询反馈内容评估方法［J］．数据分析与知识发现，2017，1（11）：29-36．
21. 陆泉，李易时，陈静，等．在线医疗社区患者择医行为影响因素研究［J］．图书情报工作，2019，63（8）：87-95．
22. 卢文静，陆国君．对在线医疗咨询回复中的语用身份研究［J］．安徽文学（下半月），2016（12）：159-160．
23. 马骋宇．在线医疗社区服务利用及转化研究——以好大夫在线为例［J］．中国卫生政策研究，2016，9（11）：70-73．
24. 马婧赫．线上医生缓和语的人际语用研究［D］．贵州师范大学，2021．
25. 马锡坤．网络医疗发展历程与应用现状［J］．中国医疗设备，2013，28（8）：70-72．
26. 聂卉，吴晓燕．基于在线医疗咨询文本的抑郁症症状短语的自动识别［J］．现代情报，2023，43（9）：63-73．
27. 潘俊鹏．网络健康咨询服务的意愿态度的影响机理研究［D］．南昌大学，2023．
28. 任育新，李绪清．在线医疗咨询中的话语结构——以“丁香医生”网站医生回复话语为例［J］．外国语文研究（辑刊），2023（2）：2-17．
29. 石烟．城市中老年人社区在线服务需求及影响因素研究［D］．华东理工大学，2019．
30. 沈雨亭．在线医疗中医患沟通、在线信誉及咨询价格对咨询量的影响［D］．南京大学，2016．
31. 史海青．在线医疗社区参与者使用行为及其对患者健康影响研究［D］．哈尔滨工业大学，2014．
32. 孙远灿．WEB医疗咨询中交互性改进策略研究［D］．河南大学，2017．
33. 沓钰淇，傅虹桥．网络口碑对患者就医选择的影响——基于在线医生评论的实证研究［J］．管理评论，2021，33（11）：185-198．
34. 王婷．在线医疗社区医生亲社会行为对线上绩效影响［D］．大连理工大学，2019．
35. 王晓将．中国患者在线医疗咨询中信息过量回复的语用研究［D］．哈尔滨工程大学，2022．
36. 王雅楠．在线咨询过程中患者送礼行为对咨询服务质量的影响研究［D］．华中科技大学，2020．
37. 汪祥松．互联网医疗背景下在线问诊服务咨询量影响因素研究［D］．西安电子科技大学，2015．
38. 魏爽，彭责轩．中国线上医疗咨询中患者负面情绪话语管理的语用研究［J］．浙江外国语学院学报，2023（6）：12-18．
39. 徐志杰，赵优冬，许炳章，等．基于医生视角的在线医疗咨询调查研究［J］．无线互联科技，2015（23）：119-120．
40. 杨恒．基于Apache OpenMeetings的在线面对面医疗咨询［D］．西安电子科技大学，2014．
41. 杨娜，任伟．网络医疗咨询中建议回复语的语用延展研究［J］．外语学刊，2020（4）：1-8．
42. 杨金东．移动医疗App现状与展望［J］．医学信息学杂志，2016，37（1）：59-61，71．
43. 叶艳，吴鹏．循证决策视角下的患者健康咨询主题分析［J］．情报理论与实践，2022，45（2）：198-203，190．
44. 袁周敏，陈新仁．语言顺应论视角下的语用身份建构研究——以医疗咨询会话为例［J］．外语教学与研究，2013，45（4）：518-530，640．
45. 张强．在线医疗系统的设计与实现［D］．天津大学，2016．
46. 张晓飞．基于现状偏差理论的在线医疗服务采纳阻碍因素研究［D］．哈尔滨工业大学，2014．
47. 赵鑫．顺应论视角下在线医生缓和语的语用研究［D］．哈尔滨工业大学，2019．