Кратко и по сути — какие подходы/методики и как институциональные практики создают/усиливают неравенство.
1) Теоретические подходы (что даст каждое):
- Символический интеракционизм (микроуровень): фокус на смыслах, ролях и обмене значениями в коммуникации врач–пациент. Помогает понять повседневные взаимодействия и переговоры о диагнозе/лечении.
- Феноменология и нарративный подход: исследует опыт болезни и способ рассказа пациента; полезно для понимания субъективных барьеров доступа.
- Конверсационный анализ (Conversation Analysis, CA): детальный анализ последовательности взаимодействий, предпочтителен для изучения разговоров в приёме.
- Институциональная социология / институциональная этнография (Dorothy Smith): показывает, как бюрократические практики, протоколы и документы встраивают взаимодействие в структуры власти.
- Постструктурализм / Фуко (биовласть, медицина как дискурс): анализирует, как знания/дискурсы легитимируют исключение/стигматизацию.
- Теории капитала и поля (Bourdieu): объясняют, как социальный, культурный и экономический капитал пациентов влияет на взаимодействие и доступ.
- Критическая медицинская антропология / теория неравенства в здоровье: связывает институциональные практики с системными причинами неравенства (расизм, классовые различия, пол).
2) Методики (конкретно что применять):
- Качественные:
- Этнография клиники / участковое наблюдение: выявляет рутинные практики, очереди, триаж, распределение времени приёма.
- Аудио/видеозапись приёмов + конверсационный анализ (CA) или RIAS (Roter Interaction Analysis System) — для количественно-категориального кодирования коммуникации.
- Глубинные интервью с пациентами и врачами, нарративный анализ — понимание восприятия взаимодействия, барьеров, ожиданий.
- Институциональная этнография: анализ документов, протоколов, потоков работы и их влияния на практики.
- Количественные:
- Опросы и шкалы удовлетворённости/вовлечённости; шкалы shared decision-making (например, OPTION) для сравнений.
- Анализ больших данных: регистры, страховые/административные данные — для измерения доступа (время ожидания, частота посещений, госпитализаций по неотложным причинам).
- Многоуровневое моделирование (multilevel models) — отделить индивидуальные факторы от институциональных (клинико-учрежденческих).
- Экспериментальные и квазиэкспериментальные дизайны (например, рандомизированные вмешательства по обучению врачей, изменение административных процедур) для причинно-следственных выводов.
- Смешанные методы: сочетание CA / этнографии с измерениями исходов и регрессионным анализом наиболее убедительно связывает микро-взаимодействие и макроструктуры.
3) Инструменты кодирования и измерения коммуникации:
- RIAS, VR‑CO DES (Verona Coding of Emotional Sequences), OPTION, CARE measure (for empathy), наблюдательные чек-листы времени/контакта, стандартизированные пациенты (simulated/standardized patients).
4) Как институциональные практики влияют на неравенство — основные механизмы:
- Бюрократизация и протоколы: жёсткие правила/триаж уменьшают гибкость врачей в учёте социального контекста пациента; люди с меньшим «здоровым» капиталом получают менее персонализированную помощь.
- Административные барьеры: сложная регистрация, требования документов, платные этапы — непропорционально бьют по малообеспеченным и мигрантам.
- Финансирование и страховые модели: модели оплаты (fee‑for‑service vs capitation) влияют на время приёма, сортировку пациентов и доступ к специализированной помощи.
- Пространственное распределение ресурсов: дефицит врачей/специалистов в бедных и сельских регионах — прямой канал неравенства.
- Стандарты оценки и метрики качества: ориентиры на краткие KPI (время приёма, число пациентов) стимулируют поверхностную коммуникацию и ухудшают качество обслуживания у тех, кто требует больше времени (коморбидные, пожилые, малообразованные).
- Профессиональная власть и клинический дискурс: медицинские знания легитимируют решения, что может маргинализовать пациентские знания/предпочтения (особенно у групп с низким культурным капиталом).
- Стигматизация и предвзятость: институциональные практики, не учитывающие расовый/гендерный/социальный контекст, воспроизводят дискриминацию (напр., недооценка боли у определённых групп).
- Цифровизация/телемедицина: улучшает доступ для некоторых, но увеличивает цифровое неравенство у пожилых и бедных.
5) Как исследовать влияние институций на неравенство — рекомендации по дизайну:
- Смешанный дизайн: институциональная этнография + количественный анализ исходов (время ожидания, отказ в лечении, avoidable admissions) стратифицированный по SES/расе/полу.
- Многоуровневые модели: пациенты вложены в клиники/регионы; включать характеристики учреждений (финансирование, протоколы, нагрузка).
- Эксперименты/куазии: тестировать изменения в процессах (упрощение регистрации, расширенный приём времени) и оценивать изменение неравенства.
- CA + результаты: кодировать коммуникацию (R IAS/OPTION) и связывать с последующими исходами (соблюдение, доступ к направлениям).
- Включать голоса маргинализованных групп (пострадавшие, мигранты) и проводить интерсекциональный анализ.
6) Этические и практические замечания:
- Конфиденциальность при записи приёмов; информированное согласие; возможное влияние наблюдения на поведение (reactivity).
- Рефлексивность исследователя при институциональной этнографии; учитывать профессиональную иерархию.
Краткое резюме (рекомендация): для изучения взаимодействия врач–пациент сочетайте конверсационный анализ/видеозапись приёмов и RIAS с институциональной этнографией и многоуровневым количественным анализом исходов — это позволит связать микро‑коммуникацию с институциональными практиками и оценить их вклад в неравенство доступа.