在线健康信息替代搜寻对被替代者健康行为和健康水平的影响研究

宋小康，赵宇翔，朱庆华

（1. 徐州医科大学管理学院，徐州 221004；2. 南京理工大学经济管理学院，南京 210094；3. 南京大学信息管理学院，南京 210023）

1 引 言

我国提出的“健康中国”和“互联网+医疗健康”战略鼓励协同社会、家庭和个人的力量利用互联网技术提升全民健康水平和实现健康公平。健康信息搜寻是人们出于特定的健康目的或任务利用一些可用的渠道（如互联网）获取、识别和使用健康信息的行为，其目的在于满足健康信息需求、解决特定的健康问题以及获得更好的健康效果。特别是在互联网环境下，健康信息搜寻变得更加便捷，人们利用互联网了解相关的疾病症状、治疗方案以及药物信息等，从而获得更多的健康知识并改善健康行为[1]。然而由于数字不平等，一些特殊群体难以享受来自互联网的福利，近年来代表他人在线搜寻健康信息的健康信息替代搜寻（surrogate health in‐formation seeking，SHIS）行为受到了学者的关注，该行为被认为是弥合数字不平等、促进健康公平和数字包容的有效手段之一[2-3]。

健康信息替代搜寻作为健康信息搜寻的一种特殊形式，是一种基于人际社会关系协作的信息行为，本课题组在之前的研究中提出了包含替代搜寻者、被替代者（委托搜寻者）和在线健康信息资源三个主体的健康信息替代搜寻框架[3]。健康信息替代搜寻与自我健康信息搜寻行为存在显著差异，其主要特征在于搜寻行为主体和信息需求主体是不同的个体，在理解信息需求、信息甄别和信息传递的过程中可能存在一定的偏差。因此，虽然健康信息替代搜寻被认为能够将互联网上丰富的健康信息传递到被替代者手中，从而促进被替代者的健康公平和社会融入，但由于替代搜寻过程中存在的理解偏差，该信息行为是否能改善被替代者（健康信息需求者）的健康行为和健康水平仍然是一个未知且值得研究的问题。

近年来，数字移民[4]群体的ICT（information and communications technology）使用以及健康信息搜寻相关的研究逐渐得到了关注[5]，研究认为数字移民群体在数字悟性和网络使用方面存在一定的差距和障碍[6-7]，他们在利用互联网获取健康信息的过程中更多地需要他人的帮助，更有可能作为健康信息替代搜寻行为中的被替代者。关于消费者的健康行为和健康水平，先前的研究主要关注了健康信息搜寻对人们的锻炼行为、饮食行为、身体健康水平和心理健康水平的影响[8-9]。因此，本文以数字移民群体为研究对象，以健康信息替代搜寻为研究情境，分析健康信息替代搜寻对被替代者两种健康行为和两种健康水平的影响。

2 研究综述

2.1 健康信息替代搜寻行为

McKenzie[10]提出的日常信息实践模型认为人们有多种信息搜寻模式，包括主动的自我搜寻，也包括代表他人的替代搜寻。健康领域的替代搜寻行为是一种普遍的日常信息活动，国外相关研究发现，超过60%的在线健康信息替代搜寻者在近1 年内有代表他人进行健康信息搜寻的经历[2,11]。Abraham‐son 等[12]将健康信息替代搜寻定义为，非医学专业人员代表他人或因他人而寻求健康信息，不一定是被要求这样做或参与到后续行动中。Kubb 等[13]将健康信息替代搜寻界定为用户使用互联网获取信息，从而为他人（如孩子、父母、祖父母、朋友、邻居等）的健康相关主题提供支持或指导的任何交互式健康信息行为。

国外近年来对健康信息替代搜寻行为展开了一系列实证研究。①从替代搜寻者视角。Oh[14]的研究表明，年龄较低、女性、自我评价健康状况良好、对互联网的关注度较高以及对互联网的信任度较高等因素与健康信息替代搜寻显著相关，教育水平和种族没有显示显著相关性。Reifegerste 等[15]基于改进的综合信息搜寻模型（comprehensive model of in‐formation seeking，CMIS） 对影响健康信息替代搜寻的因素进行了研究，发现人们的健康信念以及家人/朋友受到健康威胁的显著性对于健康信息替代搜寻意愿起到了重要作用。相关研究发现，人们更多地替代家庭成员利用互联网等渠道搜寻健康信息，而不是代表弱人际关系的人（如同事）搜寻健康信息，并且健康信息替代搜寻行为在共同居住的人之间更容易发生[2]。替代搜寻者更多地参与在线用户生成内容的活动，他们关注更多来源的健康信息，并且经常访问健康网站阅读并分享健康信息[11]。②从被替代者视角开展的研究较少。Waring等[16]研究发现，拥有较大社会支持网络的患者可以获得更多的朋友或家人帮助他们在线搜寻健康信息以及向他们分享有用的在线健康资源或者提供技术支持。

国内的健康信息替代搜寻研究还处于起步阶段。本课题组之前的研究发现健康信息替代搜寻在我国也是一个非常普遍的现象，女性、独生子女、已婚、健康状态较好、有丰富的在线健康信息搜寻经验以及家人有慢性病患者的用户更多地担任健康信息替代搜寻者的角色[17]。本课题组还基于扎根理论对中国农村老年人接受健康信息替代搜寻的影响因素进行了研究，发现老年人面临健康问题时愿意他人替代搜寻健康信息的因素主要包括感知有益和情感支持需求等主观因素，以及健康状况和就医困难等客观因素，同时还存在着不信任互联网和非医学专业人员等障碍因素[18]。万文智等[19]对健康信息替代搜寻的影响因素进行了扎根分析，发现影响因素主要包括患者需求、搜寻者心理动机、搜寻者认知动机以及环境因素四个方面。

2.2 健康信息搜寻对健康行为和健康水平的影响

健康信息搜寻一般被用来应对具有不确定性的健康问题。随着网络的普及，互联网成为人们健康信息搜寻的主要渠道。一些研究表明，健康信息搜寻能够增加人们的健康知识，促进健康行为的改善以及产生更好的健康结果[9]。Pluye 等[20]通过对65 篇文献的综述，总结了用户健康信息搜寻所产生的健康结果框架，该框架认为健康信息搜寻能够影响人们的认知和信息使用，健康信息产生的效果包括改变健康情境相关的信息内容、改变人们的态度和认知、改变人们的健康行为以及人们的健康水平。同时有研究认为在线健康信息可能对用户造成困扰，由于在线健康信息的质量参差不齐，在线搜寻健康信息可能会进一步加剧人们的健康焦虑，甚至对人们的健康行为和健康水平产生消极的效果[21]。随着人们越来越多地使用互联网等渠道进行健康信息搜寻，了解健康信息搜寻行为对于健康行为和健康水平的影响变得非常重要。相关定量研究整理如表1 所示。

表1 健康信息搜寻对健康行为和健康水平的影响研究

综上所述，健康信息搜寻对人们健康行为和健康水平的影响受到了研究者的广泛关注，主要包括的健康行为变量是锻炼行为和饮食行为，主要包括的健康水平变量是身体健康水平和心理健康水平。健康信息替代搜寻与自我搜寻在行为动机、任务不确定性程度和行为特征方面存在显著差异[2,11,15]。然而还鲜有实证研究探索健康信息替代搜寻带来的积极作用，特别是从被替代者的角度分析健康信息替代搜寻对人们健康行为和健康水平的影响；而且从表1 可知，先前的研究以相关性分析为主，这种将调查数据直接对照分析的方式存在样本分布不均衡和选择性偏差等问题[28]，难以真正说明自变量与因变量的因果关系。

3 研究设计

3.1 研究方法

社会科学领域研究是否执行某种行为对结果的影响常使用随机化实验（random experiment）的方法，该方法设定实验参与者行为是以相同概率随机发生的，可以被认为是平衡了其他“混淆变量”的影响。但在现实情况下人们的行为并不是随机发生的，在非随机的情况下，Rosenbaum 等[29]提出了倾向得分匹配的方法（propensity score matching，PSM），该方法是将自然情况下的参与者进行匹配来制造一个“类似随机化的实验”，为实验组的个体匹配到与之条件极其相似的样本，比较匹配后两组样本的差异从而得到因果效果。本文采用倾向得分匹配的方法开展研究。

王筱纶等[30]指出，倾向得分匹配方法非常适合引入情报学研究中解决因果推断的问题，并总结了PSM 的6 个分析步骤，分别为选择协变量、计算倾向得分、选择匹配方法、评估协变量平衡性、计算平均处理效应和敏感性检验。

（1）选择协变量。PSM 通过一组协变量计算倾向得分得到极其相似的实验组和控制组，两组对象在协变量上的相似代表着他们参与某活动的概率相似，从而平衡了结果估计的偏差[29]。在选择协变量时，应当基于理论、文献和实践经验将尽量多的与观测变量和因变量相关的影响变量纳入进来[31-32]。

（2）计算倾向得分。选择协变量之后需要对协变量进行“降维”计算其倾向得分，当研究的观测变量是二分变量时（参与为1，不参与为0），通常采用Logistic 回归模型或Probit 模型来评估倾向得分。其中Logistic 回归模型是计算倾向得分更常用的模型[33]，原因在于Logistic 回归模型不要求数据服从正态分布，并且对协变量的类型也没有要求。

（3） 选择匹配方法。对倾向得分进行计算之后，有多种方法对样本进行匹配，包括最邻近匹配法、卡钳匹配、半径匹配、分层匹配和核匹配等[34]，其中最近邻匹配是最常使用的匹配方法之一。

（4）评估协变量平衡性。Rosenbaum 等[35]提出标准化偏差是评估协变量边际分布距离的一个合适指标，匹配后标准化偏差不超过10%的阈值表明倾向得分匹配能够平衡这些协变量对实验组和控制组的影响[33]。

（5）计算平均处理效应。倾向匹配得分方法最重要的评估指标就是平均处理效应（average treat‐ment effect on the treated，ATT），目标在于评估匹配之后观测变量对因变量的因果效应，ATT 的计算公式为

其中，Y1i表示第i 个个体参与活动后的观测结果；Y0i表示第i 个个体未参与活动的观测结果；Di是研究中的观测变量。Di=1 时，表示个体参与了相关活动，为实验组样本；Di=0 时，表示个体没有参与相关活动，为控制组样本。在本研究中，Di=1 表示第i 个参与者在面临健康问题时有别人帮助他利用互联网搜寻了健康信息。

（6）敏感性检验。虽然倾向得分匹配方法能够平衡协变量的差异，但仍然可能存在未观测到的“其他混淆变量”引起的“隐藏性偏差”，需要进一步进行敏感性检验。Caliendo 等[34]的研究指出，可以通过计算Rosenbaum 边界来估计隐藏性偏差的影响。

3.2 变量选择及测量

本研究的自变量是健康信息替代搜寻行为，研究的目的在于探究是否发生过在线健康信息替代搜寻对被替代者健康行为和健康水平的影响。因此，借鉴Ayantunde 等[36]研究中关于健康信息替代搜寻的测量问题，即“近一年内，当你面临健康问题时是否有家人或朋友替代你使用互联网搜索健康信息”对自变量进行测量，得到是或否二分的结果。

本研究因变量包括锻炼行为、饮食行为、身体健康水平和心理健康水平4 个具体变量。其中锻炼行为和饮食行为属于健康行为变量，这2 个变量分别用2 个问题进行测量，测量问题来源于Dahl 等[26]和Ramírez 等[8]的研究。身体健康和心理健康属于健康水平变量，身体健康测量量表包括2 个问题，改编自Weaver 等[37]和Jiang 等[9]的研究；心理健康测量量表包含3 个问题，改编自Dahl 等[26]和Jiang 等[9]的研究。

根据Brookhart 等[32]的建议，协变量的选择应该尽量多地考虑与观测变量和因变量相关的变量。本研究将人口统计变量、个人互联网经验变量以及个人心理和认知相关变量纳入协变量考虑范围。①对于人口统计变量，先前的研究表明年龄、性别、教育程度、慢性病、城乡属性[38]和经济收入[39]等是人们健康信息搜寻的影响因素，人们的健康行为和状态也会受到人口变量的影响。在替代搜寻的情境下，Waring 等[16]的研究发现，拥有较大社会支持网络的患者可以获得更多的朋友或家人帮助他们在线寻求健康信息。本研究进一步将是否只有一个孩子和是否与家人居住在一起作为协变量。②对于个人互联网使用经验，先前的研究表明互联网使用经验[28]以及在线健康信息搜寻经验[9]对人们的健康行为和状态有直接影响，且在健康信息替代搜寻情况下，互联网使用经验丰富以及经常在线搜寻健康信息的人更可能自我搜寻而不是依赖别人的健康信息替代搜寻。③对于个人心理和认知因素，先前的研究认为人们的认知能力[40]和健康素养等因素能够影响人们健康信息搜寻行为，本研究将互联网信任、健康素养和自我效能纳入协变量中。互联网信任可能对人们是否愿意接受健康信息替代搜寻非常重要，不信任互联网的个体可能更愿意通过专业医学人员获取健康信息，互联网信任量表包含3 个问题，改编自Lim 等[41]的研究。健康素养是人们获取、理解和使用健康信息的能力，对人们的健康信息搜寻行为和健康水平有重要影响[42]，本研究使用汉化的国际通用的最新关键指标（newest vital sign，NVS）[43-44]量表对健康素养进行测量；NVS 量表是根据一张冰淇淋标签让参与者回答相关的6 个问题，答对得1 分，答错得0 分。先前研究表明人们的自我效能能够影响健康信息搜寻行为[45]，自我效能高的人可能更倾向于自我搜寻而不是替代搜寻来获取健康信息。自我效能量表包含3 个问题，改编自Cao 等[46]的研究。各变量的具体测量方法及文献来源如表2 所示。

表2 PSM相关变量测量方法及文献来源

3.3 数据收集

倾向得分匹配方法在健康领域得到了广泛使用，通过文献阅读发现PSM 相关研究的数据收集方法有多种，包括二手数据、问卷调查和实验方法等。采用不同数据收集方法的相关研究整理如表3 所示。

表3 健康领域倾向得分匹配研究的数据收集方法

基于先前的研究发现，倾向得分匹配相关的研究可以根据具体研究问题和情境选择不同的方法收集数据，数据样本量一般较大。本研究健康信息替代搜寻行为属于研究情境，由于缺少可以使用的相关二手数据，因此选择问卷调查的方式收集数据。本研究采用两种方式进行问卷收集，一是在医院和社区中随机进行线下调查，二是通过在问卷星（www.wjx.cn）平台上付费公开招募参与者进行线上调查。本研究参与者需要满足以下三个条件：①数字移民（1980 年（不含）之前出生）[4]，原因在于数字移民群体在使用互联网获取健康信息方面存在一定的障碍，更有可能作为被替代者的角色；②近一年有去医院就医的经历，因为参与者只有面临一些健康问题的时候才可能有别人替代进行在线健康信息搜寻，才更能够准确理解和回答调查相关的问题；③自愿积极配合参与调查。调查从2020 年10月1 日开始，持续30 天，共收集调查数据1289 份，除去回答时间较短或较长以及选项重复性高的无效数据，最终获得有效问卷数据1063 份。

4 数据分析

本节先对收集的数据进行描述性统计分析，然后基于倾向得分匹配方法的步骤逐步进行分析。

4.1 数据描述性统计分析

数据的分布情况如表4 所示。1063 位被调查者中有745 位报告了在他们面临健康风险的时候有其他人（家人/朋友）帮助他们利用互联网搜寻了健康信息，占比70.1%，说明在我国健康信息替代搜寻是非常普遍的日常信息行为。参与者总体汇报了较高水平的锻炼行为、饮食行为，以及较高的身体健康水平和心理健康水平，平均值均在3.7 以上。

人口统计变量方面，参与者样本男女数量基本达到1∶1，平均年龄为48 岁。参与者以城镇居民为主，学历基本达到中学水平，有33%的参与者家里只有一个孩子，65%的参与者和家人共同居住，24%的参与者汇报自己患有慢性病。互联网使用经验方面，参与者平均使用互联网年数达到4 年以上，且有较为丰富的在线健康信息搜寻经历。个人心理和认知方面，参与者汇报了较高水平的互联网信任和自我效能，平均值都达到了3.5 以上，参与者对健康素养NVS 量表的6 个问题平均能答对4 个以上。

4.2 倾向得分的Logit估计

本研究的观测变量为近一年是否发生过健康信息替代搜寻，该变量为0-1 的二分变量，因此选择最常使用的Logistic 回归作为计算协变量倾向得分的方法。表5 给出了各协变量对是否发生过健康信息替代搜寻影响的Logit 估计结果。结果显示，男性数字移民在面临健康问题时更可能有别人帮助在线搜寻健康信息，该结果与先前的研究结论一致，即女性往往充当家庭健康的倡导者，更加频繁地帮助家庭成员搜寻健康信息[52]，因此男性更可能得到子女或配偶的帮助。互联网使用年数越多的参与者越少地获得他人的替代健康信息搜寻帮助，而自己在线健康信息搜寻经历丰富的数字移民汇报了更多的被替代的经历，原因可能有以下两点：一方面，自己在线健康信息搜寻经历丰富的数字移民有较高的健康意识，在面临健康问题时他们可能更多地向家人朋友求助，委托他们帮助自己搜寻健康信息；另一方面，数字移民在线搜寻健康信息时更有可能受到健康谣言等信息的误导，家人可能会帮助他们搜寻健康信息以避免受到健康谣言的危害。与Reif‐egerste 等[2]的研究结论一致，和家人共同居住是发生健康信息替代搜寻的影响因素。由于在选择协变量时尽量多地考虑了与观测变量和因变量相关的变量，虽然Logit 模型的解释度不高，但模型总体拟合度较好，具有统计学意义。

表4 各变量的描述性统计（N=1063）

表5 协变量与健康信息替代搜寻的Logit估计结果

4.3 倾向得分匹配的平衡性检验

本研究采用1∶1 最近邻匹配和卡钳匹配结合的方法进行实验组与控制组的倾向得分样本匹配，卡钳的阈值设置为0.05；同时由于本研究的原始控制组样本数多于原始控制组样本数，因此采用有替换的匹配方式。匹配结果显示，745 个有健康信息替代搜寻行为的参与者样本有15 个未匹配到对象，318 个没有健康信息替代搜寻行为的参与者样本有1 个未匹配到对象，最终730 个实验组样本匹配到了与之对应的730 个控制组样本。本研究中两组原始样本的倾向得分大多落在了共同支撑域[53]范围内，具有很强的可匹配度，如图1 所示。

对匹配后的样本平衡性进行标准化偏差检验，结果如表6 所示。从表6 可知，PSM 匹配之后实验组和控制组间的偏差都有较大幅度的降低，匹配后的两组样本的标准化偏差都在10%以内。匹配之前实验组和控制组在健康素养、互联网使用经验、在线健康信息搜寻经验、是否有独生子女以及与家人共同居住变量上存在显著的分布差异，匹配后所有变量的T 检验都是不显著的，说明本研究的倾向得分匹配较好地平衡了各协变量的差异。为了更加直观地观察倾向得分匹配对协变量的平衡性效果，本研究绘制了匹配前后的核密度函数图，如图2 所示。图2a 为匹配前的核密度图，图2b 为匹配后的核密度图，可以看出，匹配后实验组和控制组的核密度曲线更加趋于一致。综上所述，本研究的倾向得分匹配通过了平衡性检验。

图1 原始实验组和控制组倾向得分共同支撑域（彩图请见https://qbxb.istic.ac.cn/CN/volumn/home.shtml）

4.4 倾向得分匹配的ATT结果与讨论

匹配之后最重要的是对匹配后的实验组和控制组间的平均处理效应进行计算，计算ATT 后，本研究基于Bootstrap 方法抽样500 次对处理效应的显著性进行了检验。健康信息替代搜寻行为对健康行为和健康水平的平均处理效应估计结果如表7 所示。

表6 匹配后的样本平衡性检验结果

图2 PSM匹配前后的核密度函数图

表7 实验组和控制组的平均处理效应结果

（1） 对于锻炼行为。PSM 处理之前的结果显示，健康信息替代搜寻对参与者的锻炼行为存在显著正向影响；PSM 处理之后的结果显示，是否存在健康信息替代搜寻对锻炼行为没有显著影响（ATT=0.075，Z=0.96，P=0.338＞0.05）。说明人们的锻炼行为差异主要是由协变量相关的因素导致的，基于社会纽带关系的健康信息替代搜寻并不能对被替代者的锻炼行为产生积极的影响。原因可能在于体育锻炼行为的改变需要更大的个人内部动机，并存在耗费时间和身体不适等方面的障碍，他人帮助使用互联网搜寻健康信息的行为难以起到积极的促进作用。另外，Song 等[18]的研究表明，被替代者存在健康问题时往往不想麻烦子女和家人，健康信息替代搜寻可能更多地发生在较为严重的健康问题情境下，导致对日常锻炼相关健康信息的关注不足。因此，在健康信息替代搜寻实践中应更加关注日常生活情境下的替代搜寻和信息支持，从而帮助被替代者改善日常锻炼行为。

（2） 对于饮食行为。PSM 处理之前的结果显示，健康信息替代搜寻对参与者的饮食行为存在显著正向影响；PSM 处理之后的结果显示，是否存在健康信息替代搜寻对饮食行为存在显著正向影响（ATT=0.230，Z=2.99，P=0.003＜0.01），即存在健康信息替代搜寻行为的数字移民参与者比没有该行为的参与者健康饮食行为得分平均高出0.230。我国的数字移民群体普遍能够意识到饮食对于维持健康的重要性，先前的研究表明健康信息替代搜寻者也更加关注健康症状相关的一般信息[54]以及日常保健（如日常饮食）相关的信息[17]，替代搜寻者在日常饮食方面的信息支持和建议能够对被替代者产生一定的影响，使面临健康问题的数字移民更加注重健康饮食。

（3）对于身体健康水平。PSM 处理之前的结果显示，健康信息替代搜寻对参与者的身体健康水平没有显著影响；PSM 处理之后的结果显示，是否存在健康信息替代搜寻对身体健康水平没有显著影响（ATT=0.042，Z=0.70，P=0.482＞0.05）。原因可能在于一般情况下人们倾向于认为自己具有较好的身体健康水平，且较为重大的健康问题或治疗过程可能才会引起人们对身体健康水平改变的认知。在后续的研究中可以考虑对具体疾病群体的用户进行研究或使用一些客观指标来衡量人们的身体健康水平。另外，身体健康水平的改善是一个长期的过程，因此单次的健康信息替代搜寻带来的效果可能是有限的，这要求开展相关健康信息替代搜寻实践活动需要具有一定的持续性。

（4）对于心理健康水平。PSM 处理之前的结果显示，健康信息替代搜寻对参与者的心理健康水平存在显著正向影响；PSM 处理之后的结果显示，是否存在健康信息替代搜寻对心理健康水平存在显著正向影响（ATT=0.267，Z=3.48，P=0.001＜0.01），即存在健康信息替代搜寻行为的数字移民参与者比没有该行为的参与者心理健康水平评分平均高出0.267。先前的研究指出健康信息替代搜寻不仅能为健康需求者提供必要的健康信息支持，提供重要的健康解释和建议，还能为健康需求者提供心理支持[12]，并且家庭成员/朋友的健康信息替代搜寻对被替代者能够起到调节心理压力和促进幸福感的作用[55]。因此，健康信息替代搜寻体现了来自社会关系的关怀和情感支持，使面临健康问题的数字移民能够缓解压力和焦虑，进而获得更好的心理健康水平；在健康信息替代搜寻实践中应当特别关注那些孤单或心理健康水平差的数字移民，帮助他们搜寻健康信息将对其健康水平提升起到更好的效果。

4.5 倾向得分匹配的敏感性分析

PSM 通过匹配的方法解决了协变量在非随机实验中的选择性偏差问题，然而仍然存在着未被纳入协变量的混淆变量，可能造成“隐藏性偏差”，需要进一步对倾向得分匹配结果进行敏感性分析。伽玛系数（γ）被用来代表未被发现的混淆变量对参与者是否存在健康信息替代搜寻行为的影响，当γ＞2 且原有PSM 结果仍然显著时说明原结论能够通过敏感性检验[56]。敏感性分析结果如表8 所示，在4个因变量上当γ 系数增加到3 时，原有PSM 结果仍然在0.001 水平上显著，说明4 种因变量上的倾向得分匹配的平均处理效应结果对于潜在混淆变量不存在敏感性问题。

表8 倾向得分匹配的敏感性分析结果

5 结 语

本研究主要分析了健康信息替代搜寻对被替代者健康行为和健康水平的影响。以数字移民群体为研究对象，使用问卷调查的方法在30 天内收集了1063 条有效数据，基于倾向得分匹配的方法对参与样本自然情况下是否发生健康信息替代搜寻行为进行匹配，得到了分别包含730 个样本的实验组和控制组数据。通过计算倾向得分匹配的平均处理效应，发现在饮食行为和心理健康水平两个方面，健康信息替代搜寻的平均处理效应具有正向显著性，即健康信息替代搜寻能够对被替代者的饮食行为和心理健康水平产生正向的积极影响。健康信息替代搜寻对被替代者的锻炼行为和身体健康水平没有显著影响。本研究使用的倾向得分匹配方法平衡了协变量的影响，证明了自变量与因变量之间的因果关系，填补了健康信息替代搜寻行为作用方面的研究空缺。同时，本研究结果也为数字移民群体健康干预的实践活动提供了参考。

本研究还存在一些不足。首先，本研究只是揭示了有和没有健康信息替代搜寻对于被替代者健康行为和健康水平的影响，对于具体的影响路径和机制没有进行深入探索，未来可以结合定性和定量分析的方法开展更加深入的研究。此外，本研究以问卷调查的方式获取了用户的健康行为和健康水平数据，可能与实际情况存在一定的偏差，比如，在身体健康方面参与者普遍汇报了较高的得分，未来的研究中可以采用丰富的实际数据对用户的健康结果进行衡量。