全球健康信息采納行為研究熱點與前沿分析

尤劍　余先明　孟猛等

關鍵詞： 健康信息； 采納行為； 研究熱點； 前沿分析

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０６．０１４

〔中圖分類號〕Ｇ２５０.７ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） ０６－０１６８－０９

健康信息采納行為是指用戶根據自身需要， 對檢索結果的分析、選擇、總結和利用的信息行為，既包括對檢索結果的思考階段， 也包括利用健康信息開展健康實踐的行為階段［１－３］ 。伴隨社交媒體、短視頻平臺和論壇等網絡信息媒介扎根于日常的各個方面， 當面臨身體不適等健康問題時， 部分用戶會通過上述媒介搜尋并采納所需的健康信息， 以指導其開展健康實踐。鑒于健康信息對個體的健康決策和行為具有指導作用， 因此圍繞健康信息采納這一信息行為開展的學術研究也就具備了現實意義。

然而， 圍繞健康信息分享、傳播、管理和搜索等主題的綜述研究較為豐富， 而作為健康信息行為的重要組成部分之一， 健康信息采納行為的研究卻未形成系統梳理。本研究認為對已有研究成果的梳理與歸納， 有助于學者宏觀把握本領域研究進展與熱點， 拓寬研究思路， 對于提升用戶的健康水平和健康管理能力亦具有重要意義?；诖耍?本研究擬運用ＶＯＳｖｉｅｗｅｒ 工具， 對相關文獻進行可視化分析，以揭示健康信息采納行為的研究現狀。針對國內外健康信息采納行為的研究情況， 本研究可以回答３個問題： ①國內外研究的發文趨勢和異同點； ②文獻作者的合作情況； ③文獻的研究熱點和前沿分析。

１ 數據來源與研究方法

為全面了解健康信息采納行為的研究進展， 本研究采用檢索式（“ｈｅａｌｔｈ ｉｎｆｏｒｍａｔｉｏｎ” ＡＮＤ （ａｄｏｐｔ?ＯＲ Ｓｅｅｋ? ＯＲ Ｓｅａｒｃｈ? ＯＲ Ｒｅｔｒｉｅｖａｌ ＯＲ Ｓｅｌｅｃｔ? ＯＲＥｖａｌｕａｔ? ＯＲ Ａｂｓｏｒｂ? ＯＲ Ａｂｓｏｒｐ? ＯＲ Ｕｔｉｌｉｚ? ）） 在Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 核心數據庫檢索英文文獻， 采用檢索式（“健康信息” ＡＮＤ （“采納” ＯＲ “尋求” ＯＲ“搜索” ＯＲ “搜尋” ＯＲ “檢索” ＯＲ “選擇” ＯＲ “評價” ＯＲ “吸收” ＯＲ “利用”））在ＣＮＫＩ 檢索中文文獻， 經過剔除與主題明顯不相關文獻后， 得到研究文獻３ ４７８篇， 其中英文文獻３ ３２８篇， 中文文獻１５０ 篇。

ＶＯＳｖｉｅｗｅｒ 軟件是由荷蘭萊頓大學科技研究中心（Ｔｈｅ Ｃｅｎｔｒｅ ｆｏｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｓｔｕｄｉｅｓ，ＣＷＴＳ）基于ＪＡＶＡ 技術開發的知識圖譜應用平臺［４］ 。其主要功能可以利用文獻數據繪制某研究領域的研究主題、合作關系和知識衍化脈絡等， 可以對大規模數據展開關系構建和可視化分析工作， 具有很強的可視化水平［５］ 。因此， 本研究擬利用此軟件開展中英文文獻的可視化分析。

２ 研究文獻的基本情況

２.１ 國內外發文趨勢分析

本研究將Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 和ＣＮＫＩ 相關文獻的發表年份進行了統計分析， 中英文文獻的發表詳情如圖１ 和圖２ 所示（不包含２０２３ 年數據）。由圖１可知： ①健康信息采納行為研究的英文文獻大致可以分為慢速萌芽期（１９９６—２００６） 和高速發展期（２００７—至今）。２００６ 年及之前的年發文量不超過４０ 篇， 甚至１９９７、１９９９ 和２０００ 年３ 年出現了零發文量的“荒年”。２００６ 年以后， 除個別年份（２０１６、２０２１）外， 其余每年均比前一年的發文量多， 整體呈現穩步增長的發文趨勢； ②最新研究成果占比頗高。最近３ 年（２０２０、２０２１、２０２２）的研究成果數量分別是３６９ 篇、３２１ 篇和３３９ 篇， 成果總量占據２０２２年累積發文量的３０.９２％， 可能受全球新冠肺炎疫情影響， 健康主題的研究如火如荼。由圖２ 可知：①健康信息采納行為研究的中文文獻大致亦可分為慢速萌芽期（２００２—２０１６）和高速發展期（２０１７—至今）。２０１６ 年及之前的年發文量不超過５ 篇， 甚至２００５、２００７、２００８、２０１２ 和２０１３ 年５ 年出現了零發文量的“荒年”。２０１６ 年后， 除個別年份（２０２１）外，其余每年均比前一年發文量多， 整體呈現穩定增長的發文趨勢； ②最新研究成果占比頗高。最近３ 年（２０２０、２０２１、２０２２）的研究成果數量分別是３０ 篇、２７ 篇和３８ 篇， 成果總量占據２０２２ 年累積發文量的６３.３３％， 可能亦受新冠肺炎疫情影響， 我國健康主題的研究同樣十分火熱。

綜合來看， 中文文獻的發文狀況與英文文獻的發文狀況相比， 呈現出異同兼備的特點。具體表現： 其一， 中英文獻發展規律均包含慢速萌芽期和高速發展期， 但是前者萌芽的出現比后者晚了６ 年左右， 萌芽期卻比后者長了４ 年左右， 由此可見國內關于健康信息采納行為的研究同國外相比呈現前期發展滯后、發展周期較長的特征。其二， 高速發展期均存在“發文洼地” 的年份， 中英文文獻均在２０２１ 年的發文數量少于２０２０ 年。其三， 現階段中英文文獻的發文數量均呈現增長趨勢， 但受基數影響， 中文文獻發文數量的增長幅度更高。其四，中英文文獻的最新研究成果數量占２０２２ 年累積發文數量的比重較大， 但是中文文獻占比比英文文獻占比高出１ 倍之多， 單純從發文比重維度看， 側面說明國內科研工作在健康信息采納行為方向的傾斜程度領先于國際水平。

２.２ 國內外學者合作網絡分析

ＶＯＳｖｉｅｗｅｒ 可以進行作者共現分析， 客觀解釋作者的合作關系和學術影響力。筆者將英文文獻作者數據導入平臺中， 將發文數量５ 篇及以上的作者納入分析范疇， 共有１０３ 位作者進入了分析階段，聚類視圖如圖３ 所示。根據平臺算法結果， 作者的合作網絡被聚類為４０ 個學術團體， 不難發現英文文獻作者合作團體比較分散。學術影響力較大的學術團體（僅列出學術團體中的代表作者）有Ｊｕｌｉａ Ａｄ?ｌｅｒ－Ｍｉｌｓｔｅｉｎ， Ｎｉｒ Ｍｅｎａｃｈｅｍｉ， Ｄａｖｉｄ Ｗ.Ｂａｔｅｓ， Ｈｅｃ?ｔｏｒ Ｐ.Ｒｏｄｒｉｇｕｅｚ， Ｅｖｅｒｓｏｎ Ｊｏｒｄａｎ 等。

將中文文獻作者數據導入平臺中， 設置發文數量４ 篇及以上的作者納入分析范疇， 共有１２１ 位作者進入了分析階段， 聚類視圖和密度視圖如圖４ 所示。根據平臺算法結果， 作者的合作網絡被聚類為５０ 個學術團體， 不難發現中文文獻作者合作團體比英文文獻的作者合作團體更加分散， 而且國內合作團體之間的合作關系強度不夠緊密， 多為團體內部成員的合作。學術影響力較大的學術團體（僅列出學術團體中的代表作者）有朱慶華、呂建超、李秋霞、劉蕤、陳濟安、王文韜、張寧、曹丹、王勤等。

３健康信息采納行為研究的熱點分析

３.１英文文獻的熱點分析

關鍵詞一定程度上代表著該研究的主要研究主題， 通過聚類可以直觀地觀察到現有研究成果存在的研究方向［６］ 。平臺會將同一類簇的關鍵詞顯示為同一列， 而且點越大說明該關鍵詞的頻次越大，越靠近類簇的中間位置說明該關鍵詞的重要性越高［７］ 。筆者將英文文獻關鍵詞導入ＶＯＳｖｉｅｗｅｒ 中，考慮到有些關鍵詞出現次數較少， 不具有強代表性。因此， 將關鍵詞出現次數的閾值設置為１０， 即關鍵詞至少出現在１０ 篇文獻中才可被納入分析范疇。平臺根據算法將４０２ 個關鍵詞納入分析， 聚類得到如圖５ 所示的英文關鍵詞標簽視圖。由圖５ 可知，英文關鍵詞可以被聚類成４ 類。根據關鍵詞共現分析以及對檢索的核心文獻進行研讀， 經過研究小組成員充分討論后， 將４ 個類簇分別命名為“健康信息采納的行為機理” （關鍵詞有５４ 個， 代表性關鍵詞： ａｄｏｐｔｉｏｎ、ｅ－ｈｅａｌｔｈ、ｐｈｙｓｉｃｉａｎ、ｐｒｏｆｅｓｓｉｏｎａｌｓ、ｔｅｃｈｎｏｌｏｇｙ、ｔｅｃｈｎｏｌｏｇｙ、ａｄｏｐｔｉｏｎ、ｍｏｄｅｌ …… ），“健康信息采納的影響因素” （關鍵詞有９５ 個， 代表性關鍵詞： ｅｌｅｃｔｒｏｎｉｃ ｈｅａｌｔｈ ｒｅｃｏｒｄｓ、ｈｅａｌｔｈ ｉｎｆｏｒ?ｍａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ、ｓｙｓｔｅｍｓ、ｒｅｃｏｒｄ、ｉｍｐａｃｔ ……），“健康信息采納視域下的服務框架” （關鍵詞有９７個， 代表性關鍵詞： ｆｒａｍｅｗｏｒｋ、ｈｅａｌｔｈｃａｒｅ、ｈｅａｌｔｈｐｏｌｉｃｙ、ｈｅａｌｔｈｃａｒｅ、ｐｒｉｖａｃｙ、ｓｅｃｕｒｉｔｙ……）和“健康信息采納視域下的公眾決策” （關鍵詞有１５６ 個， 代表性關鍵詞： ｃｏｍｍｕｎｉｃａｔｉｏｎ、ｇｅｎｄｅｒ、ｈｅａｌｔｈ ｉｎｆｏｒ?ｍａｔｉｏｎ、ｉｎｔｅｒｎｅｔ、ｍａｎａｇｅｍｅｎｔ、ｓｏｃｉａｌ ｍｅｄｉａ……）。

３.１.１ 健康信息采納的行為機理

迄今為止， 學界對健康信息采納行為的理論模型未形成主流共識， 絕大多數都是基于經典理論和模型開展的研究， 以剖析健康信息采納的行為機制與特點。行為機理研究側重于對不同因素導致采納行為的機理探討， 致力于剖析健康信息采納行為的內在邏輯， 闡釋不同影響因素如何相互作用， 最終影響健康信息采納行為的多重路徑。譬如， ＺｈｏｕＴ［８］ 采用精細加工可能性模型揭示ＯＨＣ 用戶信息采用機制， 發現自我效能感調節了中心線索和外圍線索對信息采用意圖的影響。Ｎｉ Ｚ 等［９］ 采用創新擴散理論探究了自閉癥患者群體中飲食干預方法的采納行為， 發現家庭照顧者關注的主題、個體差異和意見領袖均對健康信息采納行為水平發揮調節作用。

３.１.２ 健康信息采納的影響因素

對影響健康信息采納行為因素的研究是最多的，不同研究基于不同研究情境， 發現了影響采納行為的特有因素和作用路徑。譬如， Ｋｉｍ Ｎ Ｅ 等［１０］ 探究韓國人的知覺能力如何影響使用者對網絡健康信息的接受程度， 實證分析發現主觀健康知識和網絡效能通過易用性感知、有用性感知和可信性感知對使用者使用網絡健康信息的態度和意圖產生強烈的間接影響。Ｈｏｑｕｅ Ｒ 等［１１］ 發現， 績效期望、努力期望、社會影響、技術焦慮和拒絕改變對用戶采用移動健康服務的行為意向有顯著影響。Ｗａｎｇ Ｚ 等［１２］ 從信息質量和信息來源可信度兩個方面提取了１０ 個信息特征， 研究結果發現所有信息特征均與采納行為有關。Ｌｉ Ｐ Ｆ 等［１３］ 采用實證分析發現， 績效期望和社會影響積極影響用戶采用健康信息的意愿。

３.１.３ 健康信息采納視域下的服務框架

健康信息服務是指為個體提供健康信息并幫助其進行健康決策的過程。在國際上， 一些研究者提出了健康信息服務框架， 如健康信息助手模型、健康信息協作網絡和健康信息資源門戶等。這些框架旨在通過整合多個信息來源和服務提供者， 為個體提供更全面、精準的健康信息服務［１４］ 。Ｐｒａｂｈａ Ｍ Ｓ等［１５］ 使用信息質量、情感支持、信源可信性和回答者參與度等指標衡量知識貢獻度， 開發的選擇模型有助于病人和健康尋求者從答案集中找出正確答案。Ｈｕａｎｇ Ｊ Ｃ［１６］ 建議高科技開發商和政策制定者應該加強遠程健康監測的安全性， 以消除潛在用戶的信息濫用、隱私侵犯、設備精度不足和費用過高等擔憂。Ｃｈｅｎ Ｙ Ｙ 等［１７］ 為了引導患者做出正確醫療決策， 建議衛生保健專業人員多與患者溝通， 提供準確健康信息， 指導患者如何尋找準確、全面和易懂的在線健康信息。

３.１.４ 健康信息采納視域下的公眾決策

健康決策指用戶作出的關于健康的選擇或決定，合理的健康決策有助于開展利于生命活動的健康實踐。諸多學者關注了不同信息媒介中的用戶在健康信息采納行為視域下的決策情況。譬如Ｗａｎｇ Ｚ 等［１８］將“喜歡” 和“轉發” 視為用戶不同程度的采用意圖， 運用這兩種類型的健康決策， 預測用戶的健康信息采納行為和健康實踐。Ｗａｔｅｒｓ Ｅ Ａ 等［１９］ 運用實驗法， 探討吸煙者是如何接受或拒絕吸煙與基因相關的信息， 發現外行人對遺傳學和成癮有著復雜的認識， 當非專業人士和生物醫學解釋發生分歧時，遺傳學相關的健康信息可能會被拒絕。

３.２ 中文文獻的熱點分析

筆者將中文文獻關鍵詞導入ＶＯＳｖｉｅｗｅｒ 中， 考慮到中文文獻總數和某些關鍵詞出現次數較少， 不具有強代表性。因此， 將關鍵詞出現次數的閾值設置為５， 即關鍵詞至少出現在５ 篇文獻中才可被納入分析范疇。平臺根據算法將６７ 個關鍵詞納入分析， 聚類得到如圖６ 所示的中文關鍵詞標簽視圖。由圖６ 可知， 中文關鍵詞被聚類成３ 類。根據關鍵詞共現分析以及對檢索的核心文獻進行研讀， 經過研究小組成員充分討論后， 將３ 個類簇分別命名為“在線健康社區信息采納的影響因素研究” （關鍵詞有１６ 個， 代表性關鍵詞： 在線健康社區、健康素養、信息采納、技術接受模型、中介效應、電子健康素養、風險感知、大學生……）， “健康信息采納視域下的健康傳播研究” （關鍵詞有２２ 個，代表性關鍵詞： 健康傳播、健康信念模型、健康教育、自我效能、信息疫情……）， “健康信息采納行為的預測分析” （關鍵詞有２９ 個， 代表性關鍵詞： 突發公共衛生事件、信息行為、采納意愿、影響因素、微信公眾平臺、勸服效果……）。

３.２.１ 在線健康社區信息采納的影響因素研究

在線健康社區（ＯＨＣ）是獲取健康信息的主要媒介平臺， 包括但不局限于健康類公眾號、貼吧、微博和虛擬社群等。國內學者十分關注ＯＨＣ 用戶健康信息采納的影響因素， 亦產生了十分豐富的研究成果。王剛［２０］ 探究微信公眾號健康信息采納意愿影響因素， 發現性別因素對威脅評估、結果期望、自我效能與健康信息采納意愿的關系無顯著影響，而年齡因素對感知威脅嚴重性、感知成本、自我效能與健康信息采納意愿的關系有顯著的調節作用。任雪菲［２１］ 發現個體因素、信息因素、環境因素和文化因素均會對新冠肺炎疫情信息采納行為的代際差異現象形成產生影響作用。楊詩涵［２２］ 將健康信息采納行為劃分為健康信息接觸、評價和利用３ 個階段， 剖析了社交媒體中流動女工采納健康信息的影響因素， 發現感知有用性、接收者卷入度、平臺因素、信息回避意向和社會決定性因素對健康信息接觸產生影響， 信息源和內容可信度可以影響健康信息評價， 自我效能和益處與障礙感知影響健康信息利用。

３.２.２ 健康信息采納視域下的健康傳播研究

近年來， 越來越多的研究關注健康信息采納行為與健康傳播的關系。健康傳播是指利用各種傳播渠道和手段， 向社會大眾傳遞健康相關知識、態度和行為的過程［２３］ 。研究者們探索了健康信息采納行為在健康傳播視域下的影響因素， 并從傳播理論的視角提出了一些新的研究觀點和方法。彭麗等［２４］提出擴寬用戶健康信息獲取渠道， 提高健康信息服務質量， 強化健康信息素養教育， 以促進健康傳播。周金連等［２５］ 基于計算傳播理論， 利用概率函數模型繪制出信息接觸數量與疫苗采納概率之間的“接觸—采納” 曲線， 發現累積接觸少量信息有利于提升疫苗采納概率， 提出適當的信息接觸有助于消除人們對信息的不確定性， 促進健康信息的傳播。

３.２.３ 健康信息采納行為的預測分析

諸多學者根據用戶、環境和信息特征， 開展不同程度的健康信息采納意愿水平預測， 旨在為信息平臺提供優化內容建議， 引導用戶開展恰當的健康實踐。林萍等［２６］ 運用機器學習探究在線健康社區問答信息采納識別水平， 發現Ｓｔａｃｋｉｎｇ 集成學習模型可以穩定提升預測精度， 在實踐中對于各種在線健康社區平臺的問答精準推送具有借鑒意義。孫竹梅等［２７］ 運用信息質量、內容特征和來源可信度等１０ 個預測指標區分不同水平的微博健康信息采納行為， 發現點贊采納水平的預測中， 特殊符號的貢獻率最大， 轉發采納水平預測中， 呈現方式的貢獻率最大。楊麗君［２８］ 實證分析發現， 環境因素（人際影響）、用戶因素（健康風險認知、個體狀態、個體動機、感知期望）和信息因素（信源可信度、信息傳播質量、信息內容質量）對突發公共衛生事件下社交媒體用戶健康信息采納行為產生顯著影響作用， 提出“環境＋用戶＋信息＋人口統計學特征” 作為預測指標的健康信息采納行為預測模型。

４ 健康信息采納行為研究的前沿分析

關鍵詞標簽視圖（Ｏｖｅｒｌａｙ Ｖｉｓｕａｌｉｚａｔｉｏｎ）可以顯示關鍵詞出現的平均時間［２９］ 。若關鍵詞顏色偏向紫色， 說明該關鍵詞在本主題已有研究中出現的平均時間較早， 若關鍵詞顏色偏向黃色， 說明該關鍵詞在本主題已有研究中出現的平均時間較晚。需要注意的是， 平均時間不是最早出現的時間， 亦不是最新出現的時間， 而是將關鍵詞出現的時間進行了平均處理。平均時間不能充分顯示何種關鍵詞出現的最早或最晚， 但是某種程度上可以看出關鍵詞的“年齡”， 即關鍵詞被應用在成果的平均年份越靠近現在， 側面說明該關鍵詞代表的研究方向相對較新。

由圖５ 可知， 英文文獻中“ｉｎｔｅｎｔｉｏｎ” “ｓｅｒｖｉｃｅｓ”“ｔｒｕｓｔ” “ｃｕｌｔｕｒｅ” “ｍｈｅａｌｔｈ” “ｐａｔｉｅｎｔｃ” “ｐｏｒｔａｌ” 和“ｓｏｃｉａｌ ｍｅｄｉａ” 等關鍵詞平均年份較新。由圖６ 可知， 中文文獻中“健康信息” “健康傳播” “健康教育” “信息疫情” “信息素養” “短視頻” “電子健康素養” 和“健康信息服務” 等關鍵詞的平均年份較新。綜合分析標簽視圖和現有研究成果， 本研究認為， 國內外健康信息采納行為的研究前沿聚焦兩個方面： 針對健康信息采納行為的模型構建、影響健康信息采納行為的用戶特征。

４.１ 針對健康信息采納行為的模型構建

綜合現有研究， 學術界未形成具有普遍適用的健康信息采納行為模型， 絕大多數研究是在精細加工可能性模型（ＥＬＭ）、信息采納模型（ＩＡＭ）、整合式技術接受與使用模型（ＵＴＡＵＴ）等經典模型的基礎上， 基于研究情景的修改， 以構建針對研究現象解釋度高的健康信息采納行為模型。Ｚｈｏｕ Ｔ［３０］將ＥＬＭ 引入到在線健康社區（ＯＨＣ）用戶信息采納意向影響因素研究中， 探究發現信息因素和社會互動均影響采納意愿。Ｈｏｑｕｅ Ｒ 等［３１］ 基于ＵＴＡＵＴ 對老年人移動健康（ｍＨｅａｌｔｈ）信息采納行為影響因素展開探究， 研究結果顯示， 績效期望、努力期望、社會影響、技術焦慮和拒絕改變對用戶采用移動健康服務的行為意向有顯著影響。Ｌｉｕ Ｊ 等［３２］ 將ＩＡＭ應用到在線心理健康社區用戶信息采納行為影響因素探究中， 采用回歸分析和文本分析方法， 研究發現， 信息質量方面的社會經驗話題、情感表達話題和帖子情感３ 個變量的得分， 以及信息源可信度方面的海報認同度和影響力都與在線心理健康社區中帖子的贊數和轉發數有顯著的正相關性。

４.２ 影響健康信息采納行為的用戶特征

影響健康信息采納行為的因素有很多， 伴隨研究的深入， 不少學者將其歸為用戶、信息和環境３種類型。針對信息和環境兩類影響因素的研究開始較早， 近幾年來學者逐漸關注用戶本身特征對于其采納健康信息的影響。宮賀等［３３］ 發現， 電子健康素養較高的參與者， 長文章（相比于視頻）更能顯著提高他們對于內容本身的信任， 進而提升科普信息采納度。唐旭麗等［３４］ 發現， 用戶健康素養對論據質量和信息支持之間的關系起到負向調節作用， 對來源可信度和信息支持之間的關系起到正向調節作用。Ｓｈｉｎｔａ Ａ Ｄ 等［３５］ 發現， 受教育程度作為調節因素對采納保健信息和媒體素養具有重要影響， 進一步加強了對宮頸癌問題的預防行為。Ｈａｎ Ｙ 等［３６］發現， 對在線健康信息的采納意向會受到自我效能的影響， 并建議提高公眾獲取信息的能力， 以促進真相和打擊謠言。

５ 總結與展望

面對諸多互聯網信息， 選擇恰當的健康信息指導個人健康實踐的健康信息采納行為受到學界的廣泛關注。圍繞該主題， 國內外已形成十分豐富的研究成果。本文通過文獻計量方法， 厘清了健康信息采納行為研究進展， 并形成如下主要結論。一是研究數量方面， 英文研究遠多于中文研究， 但中英文發文趨勢總體呈現一致性， 在個別年份和時間周期內， 均表現出相似的特征。二是作者合作網絡方面，中英文研究的作者均呈現諸多學術團體， 學術團體之間的合作度較低。三是研究熱點方面， 英文研究包括４ 個主題： 健康信息采納的行為機理、健康信息采納的影響因素、健康信息采納視域下的服務框架、健康信息采納視域下的公眾決策； 中文研究包括３ 個主題： 在線健康社區信息采納的影響因素研究、健康信息采納視域下的健康傳播研究、健康信息采納行為的預測分析”。四是研究前沿方面， 國內外相關研究主要聚焦兩個前沿： 針對健康信息采納行為的模型構建、影響健康信息采納行為的用戶特征。根據上述結論， 未來研究可從以下３ 個方面開展：

１） 持續探索健康信息采納行為的模型構建和用戶特征。未來的研究可以進一步深入研究， 探索更具體和細致的模型構建， 以揭示健康信息采納行為的機制和過程?？梢越Y合用戶特征研究， 探討個體差異對健康信息采納行為的影響， 如年齡、性別、教育水平、數字素養等因素。同時， 可以考慮跨文化的研究， 探討不同文化背景下用戶特征與健康信息采納行為之間的關系。

２） 積極應用跨學科研究理論與方法。健康信息采納行為研究涉及多個學科領域， 如心理學、社會學、傳播學等。未來的研究可以嘗試跨學科的研究方法， 以深化對健康信息采納行為的理解。例如，可以結合心理學的認知和態度理論， 探討個體在接收和處理健康信息時的認知過程和態度形成。同時，可以運用社會學的網絡理論和傳播學的傳播效應理論， 分析社交網絡和媒體對健康信息采納行為的影響。跨學科的研究方法可以提供更全面和多維度的視角， 有助于揭示健康信息采納行為的復雜性和多樣性。

３） 運用大數據和機器學習賦能研究。隨著信息技術的發展， 大數據和機器學習等技術在健康研究中的應用越來越廣泛。未來的研究可以嘗試運用大數據分析方法， 挖掘健康信息采納行為的大規模數據， 以發現潛在的模式和規律。同時， 可以結合機器學習算法， 構建預測模型， 預測個體的健康信息采納行為。這些新興技術的應用可以提供更精確和實時的研究結果， 為健康信息采納行為研究提供新的視角和方法。