什么才是好的医生回复？——关于文本化远程医疗的研究

文本化远程医疗日益成为一种常用护理模式，要求临床医生以书面形式清晰、有效地提供医疗建议。随着平台越来越依赖患者评级和反馈，临床医生面临着维持满意度得分的压力，尽管这些评估往往反映的是沟通质量而非临床准确性。我们分析了罗马尼亚文本化远程医疗中的患者满意度信号。通过一组匿名文本化远程医疗咨询样本，我们将反馈建模为二元结果，将赞扬手势响应视为正面，将负面或缺失反馈归为另一类。我们从医生回复中提取可解释的、主要语言无关的特征（如长度、结构特征、可读性代理），以及罗马尼亚 LIWC 心理语言学特征和礼貌/缓和标记。我们训练了一个以时间为分割的分类器，并进行 SHAP 分析，指表明元数据主导预测，功能强于先前，而响应文本特征提供较小但可操作的信号。在子组相关分析中，礼貌和缓和 consistently 与积极患者反馈相关，而词汇多样性显示出负面关联。