返回资源库

核心问题 最新

AI 处理 · 作者审核

对迟到报到进行惩罚如何影响整体门诊等候时间和拥堵?

When Digital Punctuality Backfires: Queue Demotion and Congestion Externalities in Outpatient Care
Jiayi Nie, Hanbing Xue, Xuemei He, 等 · International Conference on Information Systems (ICIS) · 2026
配图:对迟到报到进行惩罚如何影响整体门诊等候时间和拥堵?

加载 Spotify 播放器;Spotify 可能会设置 Cookie。本设备将记住您的选择。

主要发现

  • 排队降级政策提高了患者个体的依从性,显著减少了迟到报到并增加了准时报到。
  • 全系统平均门诊等候时间显著增加,每位患者每次就诊平均增加约1.14分钟。
  • 该政策诱发了报到扎堆并显著提高了时间聚集度,造成超出医生即时接诊能力的瞬时拥堵。
  • 更长的延误波及未受惩罚的患者,使得准时报到和提前报到患者的等候时间均显著增加。
  • 在接诊量较大的医生门诊时段等候时间增幅更为明显,而医生的接诊速度与患者就诊总量保持不变。

实践启示

CIO / IT 高管

Modify the patient check-in portal software to replace rigid queue demotion with a dynamic arrival-window algorithm that staggers check-in times and smooths demand peaks.

IT 经理

Configure the patient check-in app to assign randomized, staggered 10-minute arrival slots instead of exact-hour deadlines to prevent morning check-in bunching.

商业战略师

Redesign clinic scheduling templates to dynamically throttle patient intake rates during historically high-volume physician sessions to prevent localized bottlenecking.

研究人员

Conduct a queue-theoretic simulation study to model the exact tradeoff between individual late-penalty compliance and systemic waiting-time externalities across varying hospital capacities.

政策制定者

Issue operational guidelines requiring healthcare facilities to evaluate hospital-wide patient wait-time externalities before deploying automated punitive queue-management policies.

摘要

本研究评估了一项对迟到患者降低排队优先级的数字化预约守时政策的运营效果。作者采用双重差分实证设计,分析了中国一家大型三甲医院两年内超过420万次门诊就诊记录。

核心问题

医院普遍引入自动化惩罚措施以减少迟到,并假定个体守时能使就诊流转更顺畅。然而,以往研究极少探讨此类规则如何引发患者集体改变报到时间,进而造成需求扎堆并超出临床即时服务负荷。

文稿
Host: 大家好,欢迎收听 A.I.S. Insights — powered by Living Knowledge。我是主持人 Anna Ivy Summers。今天我们要探讨一项发表于 2026 年信息系统国际会议 ICIS 的研究,题目是《当数字守时机制适得其反:门诊医疗中的排队降级与拥堵外部性》。这项研究由 Jiayi Nie、Hanbing Xue、Xuemei He 和 Xiaoli Hu 共同完成。研究关注的是医院针对迟到患者推行的一项数字化排队降级政策,评估它在实际运营中的真实效果。今天和我一起探讨的是分析师 Alex Ian Sutherland。Alex,欢迎你。
Expert: 谢谢 Anna。这项研究关注了一个在数字化服务管理中非常普遍的现象:管理者试图通过自动化惩罚机制来规范用户行为,但往往忽视了用户集体行为转变可能带来的运营副作用。
Host: 确实,许多医院和预约制服务机构都会遇到患者迟到的问题。传统假设认为,如果能促使每个人守时,整个系统的运转就会更顺畅。这项研究所探讨的核心痛点是什么?
Expert: 痛点在于个体守时与系统效率之间的脱节。许多医疗机构引入自动化排队降级规则,也就是说,患者如果迟到,就会失去原有的预约位次,被移到队列末尾。管理者推行这一机制的前提假设是,迟到减少了,流程就会平稳。然而,过去的研究较少关注这类规则如何改变患者群体的整体报到节奏。当所有人都为了避免被惩罚而集中在特定时间点报到时,就可能引发需求扎堆,直接超出临床即时服务负荷。
Host: 那么研究团队是如何验证这一现象的?他们采取了怎样的研究方法?
Expert: 研究团队采用了双重差分实证设计。他们分析了中国一家大型三甲医院在两年时间内记录的超过420万次门诊就诊数据。这种方法允许他们在控制其他混杂因素的情况下,对比政策实施前后、不同科室和患者群体的实际就诊指标变化。
Host: 样本量非常庞大。那么实证分析得出了哪些核心结果?排队降级政策是否达到了预期的规范效果?
Expert: 从个体合规性的角度来看,政策确实起到了作用:迟到报到的情况显著减少,准时报到的比例明显上升。但是,全系统的运营指标却出现了意料之外的变化。数据显示,全系统平均门诊等候时间不仅没有缩短,反而显著增加,每位患者每次就诊的平均等候时间增加了约1.14分钟。
Host: 为什么守时的人变多了,大家反而等得更久了呢?
Expert: 核心原因在于时间聚集效应。为了避免被降级处罚,患者倾向于在预约时段的起始点附近扎堆报到。这导致报到时间的高度集中,引发了瞬间拥堵。在短期内,到达速率超过了医生的即时接诊能力。研究同时证实,医生的接诊速度和患者就诊总量在政策前后并没有发生变化。也就是说,供给端与总需求端保持稳定,但需求到达的波动性加剧了。
Host: 这是否意味着,那些本来就准时甚至提前到的患者也受到了影响?
Expert: 没错,这正是研究指出的拥堵外部性。延误波及了未受惩罚的合规患者。数据显示,准时报到和提前报到的患者,其平均等候时间都出现了显著上升。此外,在接诊量较大的医生门诊时段,这种等候时间的增幅更加明显。
Host: 这些发现对于医疗运营以及更广泛的服务业管理者有哪些实践启示?
Expert: 启示主要体现在三个运营管理维度。首先,在设计数字化惩罚规则时,不能仅考核个体的合规率,还必须评估群体行为改变对系统负荷造成的动态影响。其次,单纯追求“按时到达”并不等于“平滑流动”。如果数字规则导致了到达波峰,运营方就需要配套容量缓冲机制,或者通过错峰激励来分散报到时间,而不是单一采用惩罚性降级。最后,在高峰时段与高负荷诊室,需要重新评估时间槽的颗粒度,避免瞬时到达率严重超过即时处理能力。
Host: 总结来说,这项研究表明,数字守时机制虽然改善了个体依从性,但引发的报到聚集反而增加了系统总等候时间,并对准时就诊者产生了负外部性。管理者在优化排队系统时,需要兼顾个体激励与整体流量的平稳度。非常感谢 Alex 的深入解析。
Expert: 谢谢 Anna。
Host: 感谢各位的收听。这里是 A.I.S. Insights — powered by Living Knowledge,我们下期再见。
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Appointment Punctuality Policy, Congestion Externality, Outpatient Waiting Time, Queue Management, Healthcare Information Systems, Behavioral Operations