在线健康社区患者参与问答行为演化博弈研究

刘子溪，朱学芳

0 引言

在“健康中国2030”“健康中国行动”等推动下，以人民健康为中心的卫生健康工作理念和服务模式是我国医疗健康体系建设的主要理念[1]。疾病预防、及时就诊、合理用药等健康知识的推广有利于居民增强健康管理观念、提升健康素养。推进健康知识普及、构建健康知识传播长效机制是“健康中国行动”的主要任务。在线健康社区已成为普及健康知识、改善医疗服务和重新分配卫生资源的重要渠道。同时，5G网络加速建设，给我国医疗健康领域的大数据产业链带来颠覆性变革，医疗健康服务成为在线领域的建设热点。通过在线健康社区，患者可与其他患者、医生交流，了解相关医疗健康信息，接受在线医生的建议，预约挂号，获取社会支持等[2-3]。在线健康社区为患者提供主动了解自身健康问题的平台，通过向专家、其他患者了解症状或治疗方法，更好地管理自身健康状况[4-5]。在线健康社区中，健康信息和知识的传播主要通过医患、患者之间在线问答互动以及浏览其他患者的在线问答结果来实现。充分利用在线健康社区的高质量回复，可以缓解医疗资源短缺和差异带来的问题[6]，舒缓患者焦虑[7]，提高用户满意度及医疗资源利用率[8]。

在获取健康信息中，出于维持不确定性以及保持自身情感体验不变等目的，患者用户会做出规避健康信息的行为[9-10]，进而影响到自身对健康社区提供的健康信息和知识的接受。这种规避现象的客观存在具有一定的必然性[10]，在线健康社区患者用户获取健康信息知识交互行为策略受到信息规避作用的情况也亟需探究。

目前在线健康社区发展迅速，多个在线健康社区已广泛使用。面向患者的在线健康社区主要分为两类，一类以患者与医生交流为主要形式，另一类以患者与患者交流为主要形式[11]。艾媒咨询调查显示，截至2021年9月，41.6%用户期望“互联网+医疗”在信息咨询服务上有所加强，27.4%用户则期望“互联网+医疗”的健康指导服务有所增强[12]。提高用户参与度以及健康信息和知识含量，是在线健康社区建设的关键。在以往的研究中，已有学者探究影响用户参与的个体因素[13-15]。患者用户是健康信息和知识生成的主要参与者及传播者，通过询问、搜索、阅读已答复结果等交互方式促进在线健康社区信息与知识的积累与传播。从用户的角度出发，研究在线健康社区患者用户行为策略交互的影响和作用，可为在线健康社区持续发展与建设优化提供参考。

1 相关研究

1.1 在线健康社区用户行为

在线健康社区相关研究主要基于用户个体、社区平台、健康信息等维度展开。在线健康社区中，健康信息是由用户询问而引发生成的内容，也是用户参与社区平台信息服务活动的记录。用户包括患者、医生、社区平台管理人员等个体，他们通过社区平台生成、传播、获取健康信息和知识。在线健康社区用户参与行为的研究，主要探索用户的参与动机以及影响因素等。已有的用户参与动机研究，多从内部动机和外部动机两个角度展开分析。其中，改善健康状况是患者用户使用在线健康社区获取健康知识的主要动机[16]；而社会支持动机中的信息支持和情感支持影响着用户搜索、分享健康信息的意愿[17-18]。成就需求、亲和需求也是促进患者参与在线健康社区的因素[19]。张薇薇等发现，对在线健康社区的感知质量、感知收益以及其他用户支持是用户初始参与的外在动机，在外部刺激作用下，若健康能力、自主性、关联性等需求感知得以满足，用户参与行为将更稳定持久[20]。彭昱欣等指出，声誉追求(外部动机)、利他主义(内部动机)促进在线健康社区中的医学专业用户分享健康信息和知识[21]。Zhang等研究发现，声誉和对知识的自我效能感对医务专业人员知识共享意愿的影响均大于对普通用户知识共享意愿的影响[22]。张星等发现，软性报酬(名誉、自尊等)和硬性报酬积极影响用户的利他主义心理以及对知识的感知自我效能，进而影响对专业或一般知识的分享意愿[23]。周涛等发现，用户对在线健康社区功能价值、情感价值和社会价值的内在感知，积极影响用户在社区平台中知识付费的意愿[24]。Chen等发现奖励、预期关系及形象(外部动机)和自我价值感(内部动机)显著影响为患者提供良好在线服务的意愿[25]。

用户参与在线健康社区行为影响因素研究中，Guo等发现技术焦虑、变革抵制倾向负向影响用户对移动健康服务的感知易用性，进而影响用户对移动健康服务的采纳[26]。张敏等发现信息准确性、相关性、及时性积极影响用户对在线健康社区信息求助的感知有用性，信任以及社会容认度则积极影响用户使用社区平台信息求助的意愿[27]。Hajli发现服务质量影响用户对在线健康社区的满意度及再次使用意愿[28]。Liu等发现在线健康社区中男性用户发布的内容通常更专业，包含更多的医学术语，而女性使用者更倾向于寻求情感支持且表达更多的负面情绪[29]。Yan等发现面子顾虑对特定知识共享有负向影响而对一般知识共享有正向影响，执行成本仅对一般知识共享产生负向影响，认知成本仅对特定知识共享产生负向影响[30]。此外，在线健康社区患者用户更偏好与同质患者(如同性别、同疾病类型)交流[31-32]。

从上述研究可看出，用户个体内因、在线健康社区的外因等是影响用户行为的主要因素。在社区平台的使用中，患者是健康信息和知识的生产者和使用者，既获得了收益，也付出了成本。因此，在探究用户参与行为时需要考虑到患者间行为交互的影响作用。

1.2 健康信息规避行为

在实际生活中，人们会做出某种行为，干预自身获取健康信息，以保持健康状态的不确定性、获得愉悦的感受，或避免健康行为改变，这种现象被称为健康信息规避[9]。健康信息规避行为，是消极视角下健康信息和知识获取的行为方式[33]。在焦虑、恐惧、认知失衡、隐私关注等认知情感因素作用下，个体在信息搜寻中会完全回避或选择性回避健康信息[34-36]。对健康信息规避的影响因素研究表明，人口统计学因素、认知因素、情感因素对规避行为存在一定影响。McCloud等研究发现，年轻、女性、债务重、收入低、难以利用或理解信息的参与者更容易规避信息[37]。Chae发现对癌症的恐惧与癌症信息使用呈正相关，但也与癌症信息规避呈正相关[38]。Melnyk等发现，患者了解到乳腺癌风险可控后会减少对乳腺癌风险信息的回避[39]。邹丹等发现，孕妇产生不愉快的状态时容易规避信息以缓解焦虑[40]。在健康信息获取中，多种因素如情绪、健康状态等都会引发信息规避行为[41]，从而造成患者不完全地接收健康信息。由上述研究可知，用户在获取健康信息和知识时，并非完全理性，认知、情感等会影响用户对信息的发现、接受程度。在获取健康信息和知识中，患者用户对健康信息和知识的接受程度会因信息规避而受限，同时也因信息规避得到情感的补偿。因此，在研究患者用户交互行为策略时，还需考虑信息规避对健康信息和知识接受的限制作用。

2 问题分析与假设

在线健康社区中，患者用户可以通过参与问答获取健康信息和知识，也可以通过阅读浏览其他患者用户问答的公开内容了解健康信息和知识。在这两种方式下，患者用户都能够获得一定的健康信息和知识。同时，由于参与融入在线健康社区活动的程度不同，用户获得的收益[23]、付出的成本[30]也有所差异。本文以患者用户为研究对象，探究在信息规避下用户参与行为的博弈场景。基于先前在线健康社区相关研究，本研究定义了相关参数(见表1)，并提出以下假设。

表1 研究参数说明

假设1：患者用户以获取健康信息和知识收益为目的，其选择策略为{参与问答，仅阅读}。由于患者用户是有限理性的，在追求利益最大化过程中，无法立刻做出最优策略行为，因此患者用户行为会不断演化，最终稳定。

假设2：社区平台通过审核过滤发布健康相关知识和信息的文章、短视频等，增加社区平台的固有健康信息和知识(非问答生成)；患者用户a、b在在线健康社区中，通过查阅平台内容获得固有的健康信息和知识(K1＞0，K2＞0)，并支付一定使用成本，包括时间成本和人力成本等(Cu1＞0，Cu2＞0)。患者用户通过在线健康社区问答，可获得其他用户根据询问信息提供的健康信息和知识收益(Ki1＞0，Ki2＞0)，以及情感支持(如获得安慰、减少孤独感等)[42](E1＞0，E2＞0)；同时，在线健康社区会给予参与问答的用户一定的奖励回报，如声誉奖励、平台虚拟币奖励等(R1＞0，R2＞0)。在参与问答的过程中，患者用户需要提供与询问主题有关的个人健康信息，可能面临一定隐私暴露的风险，因而生成相应的信息风险成本(Ci1＞0，Ci2＞0)。

假设3：患者用户在利用在线健康社区时，会在消极视角下获取健康信息和知识，即产生信息规避行为，因而在获取在线健康社区问答提供的健康信息知识时，会有选择地回避可接受的健康信息和知识，刻意控制健康信息和知识选择性接受程度(0≤α1，α2≤1)，以缓解其认知失衡、焦虑等，从而获得相应的情感收益(e1＞0，e2＞0)。

3 模型分析

(1)博弈收益分析。基于以上假设，构建博弈矩阵如表2所示。

表2 用户a、b(参与问答、仅阅读)行为博弈矩阵

对用户a 的策略，当其选择“参与问答”时，收益为：

选择“仅阅读”时，收益为：

因此，用户a的期望收益为：

对于用户b的策略，当其选择“参与问答”时，收益为：

选择仅阅读时，收益为：

因此，用户b的期望收益为：

(2)演化稳定策略分析。根据公式(1)、(3)和(4)、(6)，复制动态方程为：

综上，方程均衡点为(0，0)、(0，1)、(1，0)、(1，1)、(x*，y*)。其中，x*=-(E2+R2-Ci2)/(α2Ki2+e2)，y*=-(E1+R1-Ci1)/(α1Ki1+e1)，且0＜x*＜1，0＜y*＜1。利用复制动态方程对稳定策略求解[43]：

其中，a11=(1-2x)(yα1Ki1+ye1+E1+R1-Ci1)

当满足detJ＞0，trJ＜0时，均衡点为演化博弈的稳定策略。根据上述所得的均衡点分析(见表3)，当E1+R1＜Ci1＜α1Ki1+e1+E1+R1且E2+R2＜Ci2＜α2Ki2+e2+E2+R2时，满足稳定均衡点条件。此时，(1，1)、(0，0)是稳定均衡点，(x*，y*)为鞍点，(0，1)、(1，0)为不稳定点。

表3 各均衡点复制动态方程稳定策略偏导值

(3)演化结果分析。当E1+R1＜Ci1＜α1Ki1+e1+E1+R1且E2+R2＜Ci2＜α2Ki2+e2+E2+R2时，用户b选择“参与问答”，此时用户a采取“参与问答”的行为收益为K1-Cu1+R1+E1+α1Ki1+e1-Ci1，采取“仅阅读”的行为收益为K1-Cu1；用户b选择“仅阅读”情况下，用户a采取“参与问答”的行为收益为E1-Ci1+K1-Cu1+R1，采取“仅阅读”的行为收益为K1-Cu1。同理可知，在用户a分别选择“参与问答”或“仅阅读”时，用户b参与问答的行为收益分别为K2-Cu2+R2+E2+α2Ki2+e2-Ci2与E2-Ci2+K2-Cu2+R2，而用户b仅阅读的行为收益皆为K2-Cu2。

当E1+R1＜Ci1＜α1Ki1+e1+E1+R1且E2+R2＜Ci2＜α2Ki2+e2+E2+R2时，(1，1)、(0，0)是稳定均衡点。在博弈中，最终稳定的行为决策收敛于稳定点的情况受到表2博弈矩阵中部分因素以及初始状态的影响，演化相位图如图1所示。

图1 当E1+R1＜Ci1＜α1Ki1+e1+E1+R1且E2+R2＜Ci2＜α2Ki2+e2+E2+R2时演化相位图

在演化相位图1中，点E3(0，1)、E5(x*，y*)、E2(1，0)三点组成临界分割线。在该临界分割线上方，系统最终趋于(1，1)稳定点；在该临界分割线下方，系统最终趋于(0，0)稳定点。由图1可知，系统最终收敛趋于点E1(0，0)或E4(1，1)的概率取决于左下方的面积SE1253和右上方的面积SE2435。当SE1253大于SE2435时，系统收敛趋于点E1(0，0)的概率大于趋于E4(1，1)的概率；当SE1253小于SE2435时，系统收敛趋于点E1(0，0)的概率小于趋于E4(1，1)的概率。当SE1253等于SE2435时，系统收敛趋于点E1(0，0)的概率等于趋于E4(1，1)的概率。

区域SE1253面积大小即为收敛于E1(0，0)的概率，区域SE2435面积大小即为收敛于E4(1，1)的概率。因此，以SE1253面积为例，依据对各因素所求的偏导数，可判断各因素对用户选择策略概率的影响情况。从公式(12)与(13)可知，用户选择“参与问答”还是“仅阅读”的决策不受到K1、Cu1、K2、Cu2的影响。

4 仿真分析

4.1 动态演化过程分析

由于在线健康社区用户是有限理性的，虽然其初始获取健康信息和知识的策略并不一定为最优策略，但在多次使用后，使用方式的偏好策略会趋于稳定，即形成长期在在线健康社区中获取健康信息和知识的稳定行为方式。为进一步证明上述均衡点是稳定策略，同时展示不同初始值点下用户博弈策略向均衡点演化的过程，本研究以用户a为例，通过复制动态方程构建仿真模型，进一步分析当E1+R1＜Ci1＜α1Ki1+e1+E1+R1且E2+R2＜Ci2＜α2Ki2+e2+E2+R2时，用户选择“参与问答”或“仅阅读”行为的演化过程。在对仿真模型各指标量化中，各参数设定如下：E1=2，R1=2，α1=0.8，Ki1=10，e1=2，Ci1=8，E2=2，R2=2，α2=0.8，Ki2=10，e2=2，Ci2=8。初始值设定为(0.1，0.6)，(0.3，0.5)，(0.5，0.1)，(0.4，0.9)，(0.6，0.7)，(0.9，0.6)，以观察不同初始情况下的动态演化过程，结果如图2 所示。初始值为(0.1，0.6)、(0.3，0.5)、(0.5，0.1)的初始决策演化收敛于点(0，0)，初始值为(0.4，0.9)、(0.6，0.7)、(0.9，0.6)的初始决策演化收敛于点(1，1)。存在临界值线，当初始值位于临界值线下方时，演化向点(0，0)收敛，即趋于仅阅读的方式；当初始值位于临界值线上方时，演化向点(1，1)收敛，即趋于共享知识(参与问答)的方式。

图2 动态演化过程图

4.2 因素影响分析

为直观呈现相关参数变化对用户决策演化趋势的影响，针对上述患者用户选择策略，以患者用户a为例，分析参与问答中健康信息和知识接受程度α1、问答健康信息和知识收益Ki1、参与问答个人信息风险成本Ci1对用户a策略选择的演化过程影响。

基于动态演化过程仿真模型指标值，设系统初始状态为(0.5，0.5)，分析不同健康信息和知识接受程度α1下用户a策略演化过程。由图3(图中t为演化进程，P为选择“参与问答”的概率)可知，健康信息和知识接受程度α1存在某一临界值。当健康信息和知识接受程度α1取值大于该临界值时，用户a选择(参与问答/仅阅读)的概率将趋于“参与问答”，随着健康信息和知识接受程度α1增加，系统趋于“参与问答”的收敛更快，系统稳定性更高；当健康信息和知识接受程度α1取值小于该临界值时，用户a选择的概率将趋于“仅阅读”的方式，随着健康信息和知识接受程度α1减少，系统趋于“仅阅读”的收敛更快，系统稳定性更高。

图3 健康信息和知识接受程度α1对用户a策略选择的演化过程

基于动态演化过程仿真模型指标值，设初始状态为(0.5，0.5)，分析不同问答健康信息和知识收益Ki1情况下用户a的策略演化过程。由图4可知，问答健康信息和知识收益Ki1存在某一临界值，当Ki1大于临界值时，用户a选择(参与问答/仅阅读)的概率将趋于“参与问答”；反之，当Ki1小于临界值时，用户a选择的概率将趋于“仅阅读”。当问答健康信息和知识收益Ki1的值远离临界值，系统收敛更快。

图4 问答健康信息和知识收益Ki1对用户a策略选择的演化过程

与上述两种影响因素分析类似，基于动态演化过程仿真模型指标值，设初始状态为(0.5，0.5)，分析不同参与问答个人信息风险成本Ci1情况下用户a策略演化过程。由图5可知，参与问答个人信息风险成本Ci1也存在某一临界值，当Ci1小于临界值时，用户a选择(参与问答/仅阅读)的概率将趋于“参与问答”；当Ci1大于临界值时，用户a选择的概率将趋于“仅阅读”。当Ci1取值远离临界值时，系统收敛更快。

图5 参与问答信息风险成本Ci1对用户a策略选择的演化过程

4.3 分析讨论

在动态演化过程中，博弈双方策略都朝着稳定点演化。然而，在不同初始概率的情况下，最终收敛的稳定策略点会有所不同。结合图1演化相位图以及公式(12)、(13)，在各参数存在差异的情况下，鞍点会位于不同位置，演化过程将依赖鞍点、初始概率而形成不同的演化路径。因此，对于不同的患者用户，在有限理性的前提下，各因素不同，其偏好策略的概率也会不同；随着时间的推进，患者用户综合考虑各因素后将形成最终的稳定策略。

根据仿真分析，健康信息和知识接受程度、健康信息和知识收益、参与问答的个人信息成本都影响系统进化的路径和用户选择策略的稳定。患者用户利用在线健康社区时，因认知失衡、焦虑等原因在消极视角下会选择性地回避健康信息知识。在其他因素条件不变的情况下，选择性地回避健康信息知识的程度越高，患者用户选择“参与问答”的策略越不稳定。当选择性回避令患者用户感知到利用问答获得的期望效益小于某临界程度时，患者用户更趋于选择仅阅读已有健康信息和知识。根据图1演化相位图和动态演化过程分析，当用户的选择不断趋于“仅阅读”的稳定方式，在线健康社区中其他用户也因阅读、分享等形成彼此间的交互关系，最终造成患者用户皆趋于不在社区参与问答，从而妨碍社区健康信息和知识的自生成和传播。问答健康信息和知识收益影响的分析表明，随着问答中获得的健康信息和知识的增加，用户越能感受到参与问答带来的效益，选择“仅阅读”的情况越不趋于稳定，当此效益足够大时更易趋于选择通过问答来获取健康信息和知识，此时在线健康社区用户都将趋于“参与问答”。当问答中的个人信息风险成本较小时，患者用户能感受到参与问答带来的效益，由此将趋于“参与问答”；随着个人信息风险成本的增大，患者用户参与问答的决策将趋于不稳定，当个人信息风险成本足够大时，患者用户为保障自身信息的安全，更趋于选择“仅阅读”的方式，最终致使患者用户都采取“仅阅读”的策略，从而不利于在线健康社区健康信息和知识的生成和传播。

5 结语

本文在分析患者用户选择“参与问答”或“仅阅读”的策略基础上，引入了信息规避的情景，构建演化博弈模型，分析演化过程和参与问答中健康信息和知识接受程度、健康信息和知识收益、个人信息风险成本对用户策略选择演化过程的影响。用户在在线健康社区中，可通过“参与问答”或“仅阅读”的策略获取有关健康信息和知识。这两种策略的收益与支付成本存在差异，因而用户有不同的选择行为。研究发现，参与问答中的健康信息和知识接受程度、健康信息和知识收益、个人信息风险成本都是影响用户是否参与问答的关键因素。根据本文研究结果，在落实全民健康政策中，对于在线健康社区管理，应注意以下几点问题。

(1)信息规避行为的影响。信息规避行为会在用户获取健康信息和知识的过程中出现，用户会根据自身情况有选择地回避健康信息知识。随着回避程度的增大，用户越有可能放弃以“参与问答”的形式获取健康信息和知识。因此，在线健康社区应用设计中需借鉴有关健康信息规避行为的研究成果，改进平台管理机制以提高用户信任度及效能评价；提供健康信息素养培训，通过审核把关，限制制造患者恐慌的回复；倡导社区中的其他用户在回复患者健康信息知识时给予患者心理慰藉，以缓解焦虑、认知失衡等，减少用户信息规避行为的发生，促使用户积极参与在线健康社区问答。

(2)参与问答策略的作用。用户参与问答时，可获取相应的健康信息和知识，因此提高问答中的健康信息和知识收益将提升用户选择“参与问答”的概率。为保障并提高健康信息和知识的质量，建议吸引专科医生参与在线回答，提高针对性；倡导其他用户在问答中，针对患者个体特质，提交相似的健康问题示例以供参考，从而提高回复信息的价值；同时，通过奖励等方式激励优质、有针对性的健康信息和知识的提供，促进用户参与问答。

(3)个人信息风险。对于在线健康社区用户而言，信息泄露等风险是需要关注的重要问题。建议政府部门加强对在线健康社区信息安全的监管，社区平台也应采取技术手段改进管理机制，减少泄露风险，保障用户个人信息安全，从而降低用户信息风险成本，提高用户参与问答的意愿。

本研究分析了在线健康社区中患者用户之间参与问答行为的演化过程，并结合博弈模型仿真分析信息规避的影响作用，揭示信息规避影响下有关因素对用户“参与问答”策略的作用机理，为实现参与问答的演化稳定策略提供理论参考。在线健康社区中问答活动的提出者与回答者也是博弈行为策略对象，下一步研究将建立不同行为群体(如提问者与回答者)间的交互作用模型，探究不同行为群体的策略博弈演化过程；此外，政府有关部门的监管及激励也会影响到用户以及在线健康社区运营者的决策，后续研究也将探讨三者间博弈的策略演化过程。