在得到带薪患者的一部分发展在线医疗征询时，与依托患者的声誉比较，医生在虚拟访问时期更好地与患者发展密切接近并提供高品质的效劳。

如许发觉的探讨人士从近160万次在线医疗征询中获取数据，并运用机器学习来预测患者随后的付款举止。

纽约宾汉顿大学的姜晶璐博士及其同事于2月20日在JMIR Medical Informatics上在线发表了它们的探讨。

作者写道：“在线医疗征询曾经变得越来越盛行，被以为是解决医疗资源短缺和资源分配效能低下的潜在解决方案。”“可是，众多在线医疗征询平台全在努力迷惑和留下乐意付费的患者，而且该平台上的医疗保健提供者还面对着在许多可行提供相似效劳的医师中脱颖而出的挑战。”

Jiang和同事运用了来源第一大的在线医疗征询平台的数据，将2009年至2018年的医患对之中的1,582,564条征询纪录归零。

经过将几种机器学习技艺与四个分类器(逻辑回归，决策树(DT)，随机森林和梯度提高)一同利用，它们确定了最有助于预测付款的要害特征。

“ [C]具备与医师声誉相关的特征，与效劳相关的特征，比如效劳交付品质(比如，征询对话强度和医师反映率)，患者来自(比如，在线或离线返回患者)以及患者参加(比如，提供社会回报并显露从前的治疗方法)，仿佛对患者的付款打算做出了很大的奉献。”“在患者与提供者的互动中推进多个及时反映关于勉励付款至关要紧。”

江等。承认它们依赖数据和医疗保健经济学是它们探讨设置的有限性。

它们写道：“考量到文化差异和医疗法则，咱们的结果可能在其它概况下具备有限性。”“可是，曾经发觉的交互效用的体制和类别充足通用，可行在不同的在线医疗征询平台和不同的中发展推广和治理。另外，语境自身差不多大，应当本人引起关心。”