等待时间公告，是缓解拥堵的解药，还是加剧混乱的推手？

{"text":[[{"start":10.4,"text":"每年冬季流感高峰，香港公立急症室轮候时间动辄突破4小时，部分区域甚至超过8小时。香港医管局近年力推智慧医院举措，将全港18间急症室轮候时间推送至市民指尖，期望通过信息透明实现患者\"自我分流\"，优化资源配置。然而，一个根本性问题浮出水面：屏幕上那个看似精确的数字，真的能反映急症室的真实状况吗？"}],[{"start":38.23,"text":"我们的研究试图回答这个问题。答案或许出人意料：如果信息本身存在结构性缺陷\"透明\"不仅无法解决问题，反而可能加剧拥堵。我们将这一困境称为急症室的\"后视镜\"困境——你看到的不是前方路况，而是数小时前的历史镜像。"}],[{"start":57.39,"text":"一个直观的类比"}],[{"start":59.44,"text":"想象你打开导航软件，显示\"主干道畅通，预计20分钟\"，你欣然驶入却发现堵得水泄不通。仔细一看才发现小字：\"数据基于三小时前到达车辆的平均通行时间\"。这听起来荒谬，但正是香港急症室等待时间公告系统面临的现实。当你在\"HA Go\"（医管局一站式手机程式）上看到\"某医院等候时间>2小时\"时，这个数字反映的是两个多小时前到达的患者的等待经历，而非基于当前队列对你等待时间的预测。"}],[{"start":null,"text":"

"}],[{"start":94.00999999999999,"text":"注：图片为2026年3月27日下午3时10分在急诊室等待时间网站上截图"}],[{"start":101.32999999999998,"text":"谁在看那个数字？"}],[{"start":103.28999999999998,"text":"我们基于2019年超过130万次急诊就诊记录发现，只有3.1%的患者对公告信息敏感。这些人呈现清晰的梯度分布非紧急患者中敏感比例较高（3.7%–5.6%），紧急患者中仅0.9%。这其实是好消息——信息系统的主要使用者恰恰是可以灵活选择医院的非紧急患者，真正需要紧急救治的病人大多由救护车直送最近医院。研究还发现，这些敏感患者平均愿意多行驶4.8公里来换取1小时等待时间的缩减，说明他们确实像规划通勤一样规划就医行程。"}],[{"start":140.39,"text":"当3.1%变成30%：信息灾难"}],[{"start":145.01,"text":"3.1%是2019年信息技术尚未全面普及时的基准。后疫情时代，\"HA Go\"的强力推广、患者对拥挤的敏感度提升、对实时信息的期待增长，都在推高这一比例。当越来越多人依据同一套信息决策，会发生什么？"}],[{"start":163.95,"text":"我们构建了基于香港岛三家急诊科的仿真模型。在\"理想情况\"下——信息完全准确且实时更新——采纳率从0%提升到100%时，平均等待时间下降29%。然而，当我们将现实中基于过去三小时第95百分位数的\"滞后信息\"植入模型，结果出现戏剧性反转：敏感患者比例超过20%后，系统性能急剧恶化，平均等待时间比完全没有信息时最多增加96%。"}],[{"start":194.32999999999998,"text":"原因在于\"反馈循环\"：大量患者根据同一套滞后信息同时涌向\"看似\"不拥挤的医院，造成新的拥堵，原本拥堵的医院反而变空。这种\"潮汐式\"波动加剧了系统不稳定性。更令人担忧的是，主动获取信息的敏感患者反而成为受害者——他们的等待时间反而长于不敏感患者，\"主动性\"非但未获奖励，反受惩罚。"}],[{"start":219.17999999999998,"text":"从\"后视\"到\"前视\""}],[{"start":221.57999999999998,"text":"出路在于将信息从\"后视\"转向\"前视\"——不是告诉你\"过去别人等了多久\"，而是预测\"你现在到达需要等多久\"。令人意外的是，即使是相对简单的线性回归模型，也已展现出超越传统方式的优越性。在高度监管的医疗行业中，线性算法的可解释性与可调试性往往比纯粹的预测精度更为重要。"}],[{"start":246.07,"text":"一次令人鼓舞的政策响应"}],[{"start":248.88,"text":"2025年10月，我们将研究成果与医管局沟通后，他们更新了沿用多年的系统。新页面按分流级别分别提供中位数和第95百分位数等待时间，信息更加丰富。这是值得肯定的进步，表明严谨的本地研究能实实在在影响公共政策。然而，新系统提供的仍然是基于过去的信息——后视镜的清晰度提高了，但指向的依然是滞后的路况。这既是里程碑，也是新起点。"}],[{"start":280.68,"text":"算法时代的治理启示"}],[{"start":283.31,"text":"这一困境对推行类似系统的医疗机构有三点启示。其一，算法比推广更重要——如果使用准确的预测方法，推广有价值；但如果使用简单统计方法，大规模推广可能适得其反。其二，信息更新频率不是万能的——对于不准确的预测方法，即使实时更新也无法拯救性能。其三，系统设计应考虑公平性——主动获取信息的患者理应获得更好体验，这要求信息本身足够准确及时。"}],[{"start":314.42,"text":"技术始终是手段，人的健康与尊严才是目的。当\"HA Go\"未来能基于实时队列告诉患者\"如果你现在出发，预计等待X小时\"时，那将是数字医疗真正从\"后视镜\"时代跨入\"前视窗\"时代的标志。"}],[{"start":330.98,"text":"（作者介绍：欧阳会银（香港大学经管学院）、孙占坤（香港城市大学商学院）。本文基于作者与合作者们发表于《Manufacturing & Service Operations Management》及《Journal of the American Medical Informatics Association》的研究论文撰写。本文仅代表作者观点。责任编辑邮箱：tao.feng@ftchinese.com）"}]],"url":"https://audio.ftcn.net.cn/album/a_1776323387_8314.mp3"}