选择进行腰椎手术、全膝关节置换术和减肥手术的外科医生进行研究，因为有数据支持这些手术的外科医生数量与临床结果/患者安全性之间的相关性。此外，与血管或肿瘤手术相比，这些手术更有可能被认为是“选择性的”，影响的人群更年轻(也有关于外科医生数量和临床结果/患者安全的数据)。我们认为，“年轻”的患者在考虑“选择性”手术时，更有可能访问在线评论网站，以帮助指导他们选择外科医生。

确定并选择了减肥手术、腰椎手术和全膝关节置换术的现行程序术语(CPT)代码( 表1)．虽然还有其他代码用于标记这三种手术，在 表1确定绝大多数做过减肥手术、腰椎手术或全膝关节置换术的患者。

医生姓名来自OptumInsight的规范健康信息数据库(NHI)，这是一个由美国最大的综合保险公司之一维护的国家数据库。NHI包含超过2500万受保患者的多重支付人、健康保险可携带性和责任法案(HIPAA)合规交易级索赔。Lewin集团搜索了数据库，并创建了一份医生名单，这些医生在2009-2010年期间至少提交了一次CPT代码的账单，用于三个外科手术( 表2)．

我们的样本包括600名从事减肥手术(n = 200)、腰椎手术(n = 200)和全膝关节置换术(n = 200)的医生。从每个CPT/ICD9编码目标程序提交最多报销要求的四分位数医生中，随机选择100名医生代表“高容量”医生，从最低四分位数医生中随机选择100名“低容量”医生(2009-2010年提交最少CPT/ICD9编码目标程序报销要求的医生)。低量外科医生提交了至少一个相关手术的CPT/ICD9程序代码。报告了2009-2010年向NHI运营商提交账单的高容量和低容量外科医生进行的三种类型的相关手术的中位数 表3．潜在的假设是，打算进行减肥手术、腰椎手术或全膝关节置换术的患者会在互联网上搜索有经验进行此类手术的医生的信息(并向保险公司提交报销账单)。

作者不知道哪些医生是高产量外科医生，哪些是低产量外科医生。

以数字评分和评论形式的医生评价收集自9个不同的访问量很大的网站:一个评论网站将其重点限制在医生和律师(Avvo);3个网站只关注医生(HealthGrades, RateMDs和Vitals);5个网站对包括医生在内的一系列商业和服务进行评论(Citysearch, InsiderPages, Yahoo!Local，谷歌Maps和Yelp)。Alexa (www.alexa.com)对美国网站流量的排名显示在 表4．Alexa是全球网络指标(如流量)的领先提供商。

评分是由患者的主观印象定义的数值度量。例如，在1-5分的范围内，患者如何评价医生的整体素质、及时性、沟通能力等。每个网站都有不同的衡量标准，但大多数网站至少问了一个类似于“总的来说，你给医生打多少分?”

我们使用样本中每个医生的名字和位置搜索每个网站。我们记录了每个医生的评分数量和“整体”评分。在允许对多个维度(如沟通、信任、守时和与病人相处的时间)进行评分的网站上，所有数字评分的平均值也被记录下来。

评论是对病人主观体验的自由文本描述。例如，“X医生很有同情心，倾听了我的每一个担忧。”

我们记录了每个医生的评论数量。三名独立评委中的一名同样对医生的执业量视而不见，他审查了每一篇帖子，并将其分类为包含溢美之词或严厉批评，以及溢美之词或严厉批评是否涉及护理/安全或客户服务质量。一篇文章可以包括对护理质量和客户服务的评论。如果是的话，这两项都包括在内。那些既不火热也不火热的评论被记录在了帖子总数中，但没有被记录在火热/火热的统计中。一个典型的关于高质量护理/安全的评论是“X医生让我重获新生。”相比之下，一个严厉的护理质量/安全评论是“X医生是一个屠夫。”热情洋溢的客服评论的一个典型例子是“X医生深夜回了我的电话，给了我所有需要的时间。”相比之下，一个严厉的客服评论是“X博士不屑一顾，傲慢，从不倾听。”其中一个名为HealthGrades的网站不允许发表评论。

由于许多消费者可能不会对医生信息进行详尽的搜索，我们记录了在谷歌搜索腰椎和全膝关节置换术样本中每个医生的前20个检索中是否有任何研究网站的链接。对每个医生进行谷歌搜索，搜索格式为以下三种:

1.“Dr. First_Name Last_Name”+“城市，州”

2.“First_Name Last_Name, D.O.”+“城市，州”

3." Dr. First_Name Last_Name, M.D. " + " City, State "

单独的分析只使用在这个简短的搜索中检索到的数据。前20个链接与典型搜索中检索到的前2个网页相关，因为谷歌搜索的默认设置是每页10个结果。［ 20.］

一旦从在线评论网站获取数据，电子表格就会被发送给卢因集团。他们增加了一个字段，表明医生是高音量还是低音量。随后，所有其他医生识别信息都被剥离，并被打乱了排列。然后将数据库返回给作者进行分析。

医生评论网站上的评分和评论是否提供了关于手术量(临床结果/安全性的代表)的有效信息?我们通过比较高容量和低容量医生的可用信息来回答这个问题，并在2 × 3方差分析中控制手术实践。我们的分析还考虑了高容量和低容量医生之间的差异是否在减肥、腰椎和全膝关节置换术手术实践中一致。

使用每个网站的平均评分次数进行分析(每个医生至少被评分一次)。对每个医生的总体评分进行了额外的分析，在各个网站上平均。使用医生总体评分的分析跟踪了包括特定医生特征评分的平均值(多维数值评分的平均值) r> .85)，因此只提供使用整体评级的分析。Vitals网站使用了与其他网站(1-5)不同的评分量表(1-4);因此，从每个网站的评级是标准化使用 z测试(将每个医生的分数转换为每个网站上的平均值的标准差数)。的 z分数，或标准分数，允许在网站上平均评级。

使用每个医生在网站上至少发表一条评论的平均评论数进行分析。研究人员还进行了额外的分析，根据他们是否关注医生的护理质量或客户服务，来确定热情和严厉的评论的比例。

在我们的样本中，大多数医生(547/600,91.2%)都有数值评分;385名(64.2%)医生发表了评论。平均每位医生在9个网站中的3个网站上有评分(范围:1-7)，在1个网站上有评论(范围:1-5)。初步分析表明，医生在所有网站上的总评分数与每个网站的总评分数之间的相关性为 r= .86， ( P<措施)。额外的初步分析显示，流量大的医生在所有网站上的总评分更高，在更多网站上的评分也比流量小的医生高。我们的分析集中于每个网站对医生的平均评分，基于这样一个假设:一个典型的消费者可能不会对许多网站上所有可用的评分进行详尽的审查，但只要找到一个网站上有他或她的医生的信息就会满意。

表6介绍所有可用医师资料的分析结果。在每种类型的实践中，大容量医生在每个网站上的评分明显高于小容量医生( P< .001)，并且没有证据表明这种效果在医生组之间存在差异( P=酒精含量)。然而，分配给大容量医生的标准化数值评分与分配给小容量医生的标准化数值评分没有显著差异( P= .27)，这一无效发现在不同医生组之间也没有差异( P=的相关性)。 表6此外，对于每种类型的实践，高流量医生在每个网站上的评论都比低流量医生多( P= . 05)。同样，没有证据表明这在不同的医生组之间存在差异( P= .74点)。

表7表明只有与护理质量相关的评论似乎才能区分高容量和低容量的医生;高容量的医生有更大比例的溢美之词( P= .002)，对护理质量的严厉评论比例明显低于低量医生( P= .005)。同样，我们在每个手术实践中观察到这些模式，我们的分析没有提供任何依据来推断这对一个组比另一个组更真实( P发光= .70; P= .41严厉)。我们还观察到，总体上，即使是对小众医生来说，热情的评论也远远多于严厉的评论。总的来说，我们观察到，大容量的医生对医疗质量有近64%的好评(而小容量的医生有51%)。总体而言，与客户服务相关的热情/严厉评论的比例在高数量医生和低数量医生之间没有区别( P发光= .52; P= 0.48的严厉)，也没有证据表明这一无效发现在不同医生组之间存在差异( P发光= .92; P= .20严厉)。

我们对医生数据进行了重新分析，这些数据仅限于通过谷歌搜索医生姓名返回的前20个链接的评论网站( 表8)．这些搜索返回部分或全部样本医生评论网站的链接，可以访问大多数(896/ 1134,79%)医生至少有一个评分的网页和医生至少有一个评论的网页(347/456,76%)。该分析仅限于腰椎和全膝关节置换术样本。我们从这个亚分析中排除了减肥手术，因为通过前20个链接可以获得的评论和评论的数量不足以得出有意义的结论。的分析 表9与在 表7使用全部可用数据。

我们再次发现，流量大的医生比流量小的医生在每个链接网站上有更多的评级和评论。对高量和低量医生的数值评分没有差异。对护理质量评价高的医生比评价低的医生有更高比例的溢美之词(而批评的比例更低)。关于客户服务的评论比例没有差异。

前面的分析表明，高容量和低容量外科医生可以根据(1)评分数量来识别;(2)意见数量;(3)对护理质量的溢美之词的比例;(4)对护理质量的尖锐评论的比例。接下来，我们试图建立这些不同的信息的实际用途，以区分高容量和低容量的医生。(判别)分析开发了一种功能，最大限度地区分各个研究小组。函数系数(见 表10)是支持这种区分的权重;更高的绝对权重表明变量对区分不同组的贡献更大。如表中所示，判别分析表明，每个网站的评分和对护理质量的热情评论的比例是两个最具差异化的信息(最高绝对权重)，其次是对护理质量的严厉评论的比例。每个网站的评论数量，虽然单独检查时提供了一些信息，但提供的附加信息很少(除了其他测量)。

作为随访，我们还进行了分类分析，其中医生的手术量(高或低)是由他们收到的评分和评论数量以及对护理质量的热烈和严厉评论的比例“预测”的(使用判别函数)。结果显示，在61.6%的时间里，人们可以准确地识别医生的手术量。对由此产生的歧视函数进行检查后发现，每个网站的评分数量和热帖的比例似乎是歧视的最主要因素，其次是尖锐评论的比例。评论的数量对这些其他措施来说基本上是多余的。