全球健康信息采纳行为研究热点与前沿分析

尤剑　余先明　孟猛等

关键词： 健康信息； 采纳行为； 研究热点； 前沿分析

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

〔中图分类号〕Ｇ２５０.７ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２４） ０６－０１６８－０９

健康信息采纳行为是指用户根据自身需要， 对检索结果的分析、选择、总结和利用的信息行为，既包括对检索结果的思考阶段， 也包括利用健康信息开展健康实践的行为阶段［１－３］ 。伴随社交媒体、短视频平台和论坛等网络信息媒介扎根于日常的各个方面， 当面临身体不适等健康问题时， 部分用户会通过上述媒介搜寻并采纳所需的健康信息， 以指导其开展健康实践。鉴于健康信息对个体的健康决策和行为具有指导作用， 因此围绕健康信息采纳这一信息行为开展的学术研究也就具备了现实意义。

然而， 围绕健康信息分享、传播、管理和搜索等主题的综述研究较为丰富， 而作为健康信息行为的重要组成部分之一， 健康信息采纳行为的研究却未形成系统梳理。本研究认为对已有研究成果的梳理与归纳， 有助于学者宏观把握本领域研究进展与热点， 拓宽研究思路， 对于提升用户的健康水平和健康管理能力亦具有重要意义。基于此， 本研究拟运用ＶＯＳｖｉｅｗｅｒ 工具， 对相关文献进行可视化分析，以揭示健康信息采纳行为的研究现状。针对国内外健康信息采纳行为的研究情况， 本研究可以回答３个问题： ①国内外研究的发文趋势和异同点； ②文献作者的合作情况； ③文献的研究热点和前沿分析。

１ 数据来源与研究方法

为全面了解健康信息采纳行为的研究进展， 本研究采用检索式（“ｈｅａｌｔｈ ｉｎｆｏｒｍａｔｉｏｎ” ＡＮＤ （ａｄｏｐｔ?ＯＲ Ｓｅｅｋ? ＯＲ Ｓｅａｒｃｈ? ＯＲ Ｒｅｔｒｉｅｖａｌ ＯＲ Ｓｅｌｅｃｔ? ＯＲＥｖａｌｕａｔ? ＯＲ Ａｂｓｏｒｂ? ＯＲ Ａｂｓｏｒｐ? ＯＲ Ｕｔｉｌｉｚ? ）） 在Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 核心数据库检索英文文献， 采用检索式（“健康信息” ＡＮＤ （“采纳” ＯＲ “寻求” ＯＲ“搜索” ＯＲ “搜寻” ＯＲ “检索” ＯＲ “选择” ＯＲ “评价” ＯＲ “吸收” ＯＲ “利用”））在ＣＮＫＩ 检索中文文献， 经过剔除与主题明显不相关文献后， 得到研究文献３ ４７８篇， 其中英文文献３ ３２８篇， 中文文献１５０ 篇。

ＶＯＳｖｉｅｗｅｒ 软件是由荷兰莱顿大学科技研究中心（Ｔｈｅ Ｃｅｎｔｒｅ ｆｏｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｓｔｕｄｉｅｓ，ＣＷＴＳ）基于ＪＡＶＡ 技术开发的知识图谱应用平台［４］ 。其主要功能可以利用文献数据绘制某研究领域的研究主题、合作关系和知识衍化脉络等， 可以对大规模数据展开关系构建和可视化分析工作， 具有很强的可视化水平［５］ 。因此， 本研究拟利用此软件开展中英文文献的可视化分析。

２ 研究文献的基本情况

２.１ 国内外发文趋势分析

本研究将Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ 和ＣＮＫＩ 相关文献的发表年份进行了统计分析， 中英文文献的发表详情如图１ 和图２ 所示（不包含２０２３ 年数据）。由图１可知： ①健康信息采纳行为研究的英文文献大致可以分为慢速萌芽期（１９９６—２００６） 和高速发展期（２００７—至今）。２００６ 年及之前的年发文量不超过４０ 篇， 甚至１９９７、１９９９ 和２０００ 年３ 年出现了零发文量的“荒年”。２００６ 年以后， 除个别年份（２０１６、２０２１）外， 其余每年均比前一年的发文量多， 整体呈现稳步增长的发文趋势； ②最新研究成果占比颇高。最近３ 年（２０２０、２０２１、２０２２）的研究成果数量分别是３６９ 篇、３２１ 篇和３３９ 篇， 成果总量占据２０２２年累积发文量的３０.９２％， 可能受全球新冠肺炎疫情影响， 健康主题的研究如火如荼。由图２ 可知：①健康信息采纳行为研究的中文文献大致亦可分为慢速萌芽期（２００２—２０１６）和高速发展期（２０１７—至今）。２０１６ 年及之前的年发文量不超过５ 篇， 甚至２００５、２００７、２００８、２０１２ 和２０１３ 年５ 年出现了零发文量的“荒年”。２０１６ 年后， 除个别年份（２０２１）外，其余每年均比前一年发文量多， 整体呈现稳定增长的发文趋势； ②最新研究成果占比颇高。最近３ 年（２０２０、２０２１、２０２２）的研究成果数量分别是３０ 篇、２７ 篇和３８ 篇， 成果总量占据２０２２ 年累积发文量的６３.３３％， 可能亦受新冠肺炎疫情影响， 我国健康主题的研究同样十分火热。

综合来看， 中文文献的发文状况与英文文献的发文状况相比， 呈现出异同兼备的特点。具体表现： 其一， 中英文献发展规律均包含慢速萌芽期和高速发展期， 但是前者萌芽的出现比后者晚了６ 年左右， 萌芽期却比后者长了４ 年左右， 由此可见国内关于健康信息采纳行为的研究同国外相比呈现前期发展滞后、发展周期较长的特征。其二， 高速发展期均存在“发文洼地” 的年份， 中英文文献均在２０２１ 年的发文数量少于２０２０ 年。其三， 现阶段中英文文献的发文数量均呈现增长趋势， 但受基数影响， 中文文献发文数量的增长幅度更高。其四，中英文文献的最新研究成果数量占２０２２ 年累积发文数量的比重较大， 但是中文文献占比比英文文献占比高出１ 倍之多， 单纯从发文比重维度看， 侧面说明国内科研工作在健康信息采纳行为方向的倾斜程度领先于国际水平。

２.２ 国内外学者合作网络分析

ＶＯＳｖｉｅｗｅｒ 可以进行作者共现分析， 客观解释作者的合作关系和学术影响力。笔者将英文文献作者数据导入平台中， 将发文数量５ 篇及以上的作者纳入分析范畴， 共有１０３ 位作者進入了分析阶段，聚类视图如图３ 所示。根据平台算法结果， 作者的合作网络被聚类为４０ 个学术团体， 不难发现英文文献作者合作团体比较分散。学术影响力较大的学术团体（仅列出学术团体中的代表作者）有Ｊｕｌｉａ Ａｄ?ｌｅｒ－Ｍｉｌｓｔｅｉｎ， Ｎｉｒ Ｍｅｎａｃｈｅｍｉ， Ｄａｖｉｄ Ｗ.Ｂａｔｅｓ， Ｈｅｃ?ｔｏｒ Ｐ.Ｒｏｄｒｉｇｕｅｚ， Ｅｖｅｒｓｏｎ Ｊｏｒｄａｎ 等。

将中文文献作者数据导入平台中， 设置发文数量４ 篇及以上的作者纳入分析范畴， 共有１２１ 位作者进入了分析阶段， 聚类视图和密度视图如图４ 所示。根据平台算法结果， 作者的合作网络被聚类为５０ 个学术团体， 不难发现中文文献作者合作团体比英文文献的作者合作团体更加分散， 而且国内合作团体之间的合作关系强度不够紧密， 多为团体内部成员的合作。学术影响力较大的学术团体（仅列出学术团体中的代表作者）有朱庆华、吕建超、李秋霞、刘蕤、陈济安、王文韬、张宁、曹丹、王勤等。

３健康信息采纳行为研究的热点分析

３.１英文文献的热点分析

关键词一定程度上代表着该研究的主要研究主题， 通过聚类可以直观地观察到现有研究成果存在的研究方向［６］ 。平台会将同一类簇的关键词显示为同一列， 而且点越大说明该关键词的频次越大，越靠近类簇的中间位置说明该关键词的重要性越高［７］ 。笔者将英文文献关键词导入ＶＯＳｖｉｅｗｅｒ 中，考虑到有些关键词出现次数较少， 不具有强代表性。因此， 将关键词出现次数的阈值设置为１０， 即关键词至少出现在１０ 篇文献中才可被纳入分析范畴。平台根据算法将４０２ 个关键词纳入分析， 聚类得到如图５ 所示的英文关键词标签视图。由图５ 可知，英文关键词可以被聚类成４ 类。根据关键词共现分析以及对检索的核心文献进行研读， 经过研究小组成员充分讨论后， 将４ 个类簇分别命名为“健康信息采纳的行为机理” （关键词有５４ 个， 代表性关键词： ａｄｏｐｔｉｏｎ、ｅ－ｈｅａｌｔｈ、ｐｈｙｓｉｃｉａｎ、ｐｒｏｆｅｓｓｉｏｎａｌｓ、ｔｅｃｈｎｏｌｏｇｙ、ｔｅｃｈｎｏｌｏｇｙ、ａｄｏｐｔｉｏｎ、ｍｏｄｅｌ …… ），“健康信息采纳的影响因素” （关键词有９５ 个， 代表性关键词： ｅｌｅｃｔｒｏｎｉｃ ｈｅａｌｔｈ ｒｅｃｏｒｄｓ、ｈｅａｌｔｈ ｉｎｆｏｒ?ｍａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ、ｓｙｓｔｅｍｓ、ｒｅｃｏｒｄ、ｉｍｐａｃｔ ……），“健康信息采纳视域下的服务框架” （关键词有９７个， 代表性关键词： ｆｒａｍｅｗｏｒｋ、ｈｅａｌｔｈｃａｒｅ、ｈｅａｌｔｈｐｏｌｉｃｙ、ｈｅａｌｔｈｃａｒｅ、ｐｒｉｖａｃｙ、ｓｅｃｕｒｉｔｙ……）和“健康信息采纳视域下的公众决策” （关键词有１５６ 个， 代表性关键词： ｃｏｍｍｕｎｉｃａｔｉｏｎ、ｇｅｎｄｅｒ、ｈｅａｌｔｈ ｉｎｆｏｒ?ｍａｔｉｏｎ、ｉｎｔｅｒｎｅｔ、ｍａｎａｇｅｍｅｎｔ、ｓｏｃｉａｌ ｍｅｄｉａ……）。

３.１.１ 健康信息采纳的行为机理

迄今为止， 学界对健康信息采纳行为的理论模型未形成主流共识， 绝大多数都是基于经典理论和模型开展的研究， 以剖析健康信息采纳的行为机制与特点。行为机理研究侧重于对不同因素导致采纳行为的机理探讨， 致力于剖析健康信息采纳行为的内在逻辑， 阐释不同影响因素如何相互作用， 最终影响健康信息采纳行为的多重路径。譬如， ＺｈｏｕＴ［８］ 采用精细加工可能性模型揭示ＯＨＣ 用户信息采用机制， 发现自我效能感调节了中心线索和外围线索对信息采用意图的影响。Ｎｉ Ｚ 等［９］ 采用创新扩散理论探究了自闭症患者群体中饮食干预方法的采纳行为， 发现家庭照顾者关注的主题、个体差异和意见领袖均对健康信息采纳行为水平发挥调节作用。

３.１.２ 健康信息采纳的影响因素

对影响健康信息采纳行为因素的研究是最多的，不同研究基于不同研究情境， 发现了影响采纳行为的特有因素和作用路径。譬如， Ｋｉｍ Ｎ Ｅ 等［１０］ 探究韩国人的知觉能力如何影响使用者对网络健康信息的接受程度， 实证分析发现主观健康知识和网络效能通过易用性感知、有用性感知和可信性感知对使用者使用网络健康信息的态度和意图产生强烈的间接影响。Ｈｏｑｕｅ Ｒ 等［１１］ 发现， 绩效期望、努力期望、社会影响、技术焦虑和拒绝改变对用户采用移动健康服务的行为意向有显著影响。Ｗａｎｇ Ｚ 等［１２］ 从信息质量和信息来源可信度两个方面提取了１０ 个信息特征， 研究结果发现所有信息特征均与采纳行为有关。Ｌｉ Ｐ Ｆ 等［１３］ 采用实证分析发现， 绩效期望和社会影响积极影响用户采用健康信息的意愿。

３.１.３ 健康信息采纳视域下的服务框架

健康信息服务是指为个体提供健康信息并帮助其进行健康决策的过程。在国际上， 一些研究者提出了健康信息服务框架， 如健康信息助手模型、健康信息协作网络和健康信息资源门户等。這些框架旨在通过整合多个信息来源和服务提供者， 为个体提供更全面、精准的健康信息服务［１４］ 。Ｐｒａｂｈａ Ｍ Ｓ等［１５］ 使用信息质量、情感支持、信源可信性和回答者参与度等指标衡量知识贡献度， 开发的选择模型有助于病人和健康寻求者从答案集中找出正确答案。Ｈｕａｎｇ Ｊ Ｃ［１６］ 建议高科技开发商和政策制定者应该加强远程健康监测的安全性， 以消除潜在用户的信息滥用、隐私侵犯、设备精度不足和费用过高等担忧。Ｃｈｅｎ Ｙ Ｙ 等［１７］ 为了引导患者做出正确医疗决策， 建议卫生保健专业人员多与患者沟通， 提供准确健康信息， 指导患者如何寻找准确、全面和易懂的在线健康信息。

３.１.４ 健康信息采纳视域下的公众决策

健康决策指用户作出的关于健康的选择或决定，合理的健康决策有助于开展利于生命活动的健康实践。诸多学者关注了不同信息媒介中的用户在健康信息采纳行为视域下的决策情况。譬如Ｗａｎｇ Ｚ 等［１８］将“喜欢” 和“转发” 视为用户不同程度的采用意图， 运用这两种类型的健康决策， 预测用户的健康信息采纳行为和健康实践。Ｗａｔｅｒｓ Ｅ Ａ 等［１９］ 运用实验法， 探讨吸烟者是如何接受或拒绝吸烟与基因相关的信息， 发现外行人对遗传学和成瘾有着复杂的认识， 当非专业人士和生物医学解释发生分歧时，遗传学相关的健康信息可能会被拒绝。

３.２ 中文文献的热点分析

笔者将中文文献关键词导入ＶＯＳｖｉｅｗｅｒ 中， 考虑到中文文献总数和某些关键词出现次数较少， 不具有强代表性。因此， 将关键词出现次数的阈值设置为５， 即关键词至少出现在５ 篇文献中才可被纳入分析范畴。平台根据算法将６７ 个关键词纳入分析， 聚类得到如图６ 所示的中文关键词标签视图。由图６ 可知， 中文关键词被聚类成３ 类。根据关键词共现分析以及对检索的核心文献进行研读， 经过研究小组成员充分讨论后， 将３ 个类簇分别命名为“在线健康社区信息采纳的影响因素研究” （关键词有１６ 个， 代表性关键词： 在线健康社区、健康素养、信息采纳、技术接受模型、中介效应、电子健康素养、风险感知、大学生……）， “健康信息采纳视域下的健康传播研究” （关键词有２２ 个，代表性关键词： 健康传播、健康信念模型、健康教育、自我效能、信息疫情……）， “健康信息采纳行为的预测分析” （关键词有２９ 个， 代表性关键词： 突发公共卫生事件、信息行为、采纳意愿、影响因素、微信公众平台、劝服效果……）。

３.２.１ 在线健康社区信息采纳的影响因素研究

在线健康社区（ＯＨＣ）是获取健康信息的主要媒介平台， 包括但不局限于健康类公众号、贴吧、微博和虚拟社群等。国内学者十分关注ＯＨＣ 用户健康信息采纳的影响因素， 亦产生了十分丰富的研究成果。王刚［２０］ 探究微信公众号健康信息采纳意愿影响因素， 发现性别因素对威胁评估、结果期望、自我效能与健康信息采纳意愿的关系无显著影响，而年龄因素对感知威胁严重性、感知成本、自我效能与健康信息采纳意愿的关系有显著的调节作用。任雪菲［２１］ 发现个体因素、信息因素、环境因素和文化因素均会对新冠肺炎疫情信息采纳行为的代际差异现象形成产生影响作用。杨诗涵［２２］ 将健康信息采纳行为划分为健康信息接触、评价和利用３ 个阶段， 剖析了社交媒体中流动女工采纳健康信息的影响因素， 发现感知有用性、接收者卷入度、平台因素、信息回避意向和社会决定性因素对健康信息接触产生影响， 信息源和内容可信度可以影响健康信息评价， 自我效能和益处与障碍感知影响健康信息利用。

３.２.２ 健康信息采纳视域下的健康传播研究

近年来， 越来越多的研究关注健康信息采纳行为与健康传播的关系。健康传播是指利用各种传播渠道和手段， 向社会大众传递健康相关知识、态度和行为的过程［２３］ 。研究者们探索了健康信息采纳行为在健康传播视域下的影响因素， 并从传播理论的视角提出了一些新的研究观点和方法。彭丽等［２４］提出扩宽用户健康信息获取渠道， 提高健康信息服务质量， 强化健康信息素养教育， 以促进健康传播。周金连等［２５］ 基于计算传播理论， 利用概率函数模型绘制出信息接触数量与疫苗采纳概率之间的“接触—采纳” 曲线， 发现累积接触少量信息有利于提升疫苗采纳概率， 提出适当的信息接触有助于消除人们对信息的不确定性， 促进健康信息的传播。

３.２.３ 健康信息采纳行为的预测分析

诸多学者根据用户、环境和信息特征， 开展不同程度的健康信息采纳意愿水平预测， 旨在为信息平台提供优化内容建议， 引导用户开展恰当的健康实践。林萍等［２６］ 运用机器学习探究在线健康社区问答信息采纳识别水平， 发现Ｓｔａｃｋｉｎｇ 集成学习模型可以稳定提升预测精度， 在实践中对于各种在线健康社区平台的问答精准推送具有借鉴意义。孙竹梅等［２７］ 运用信息质量、内容特征和来源可信度等１０ 个预测指标区分不同水平的微博健康信息采纳行为， 发现点赞采纳水平的预测中， 特殊符号的贡献率最大， 转发采纳水平预测中， 呈现方式的贡献率最大。杨丽君［２８］ 实证分析发现， 环境因素（人际影响）、用户因素（健康风险认知、个体状态、个体动机、感知期望）和信息因素（信源可信度、信息传播质量、信息内容质量）对突发公共卫生事件下社交媒体用户健康信息采纳行为产生显著影响作用， 提出“环境＋用户＋信息＋人口统计学特征” 作为预测指标的健康信息采纳行为预测模型。

４ 健康信息采纳行为研究的前沿分析

关键词标签视图（Ｏｖｅｒｌａｙ Ｖｉｓｕａｌｉｚａｔｉｏｎ）可以显示关键词出现的平均时间［２９］ 。若关键词颜色偏向紫色， 说明该关键词在本主题已有研究中出现的平均时间较早， 若关键词颜色偏向黄色， 说明该关键词在本主题已有研究中出现的平均时间较晚。需要注意的是， 平均时间不是最早出现的时间， 亦不是最新出现的时间， 而是将关键词出现的时间进行了平均处理。平均时间不能充分显示何种关键词出现的最早或最晚， 但是某种程度上可以看出关键词的“年龄”， 即关键词被应用在成果的平均年份越靠近现在， 侧面说明该关键词代表的研究方向相对较新。

由图５ 可知， 英文文献中“ｉｎｔｅｎｔｉｏｎ” “ｓｅｒｖｉｃｅｓ”“ｔｒｕｓｔ” “ｃｕｌｔｕｒｅ” “ｍｈｅａｌｔｈ” “ｐａｔｉｅｎｔｃ” “ｐｏｒｔａｌ” 和“ｓｏｃｉａｌ ｍｅｄｉａ” 等关键词平均年份較新。由图６ 可知， 中文文献中“健康信息” “健康传播” “健康教育” “信息疫情” “信息素养” “短视频” “电子健康素养” 和“健康信息服务” 等关键词的平均年份较新。综合分析标签视图和现有研究成果， 本研究认为， 国内外健康信息采纳行为的研究前沿聚焦两个方面： 针对健康信息采纳行为的模型构建、影响健康信息采纳行为的用户特征。

４.１ 针对健康信息采纳行为的模型构建

综合现有研究， 学术界未形成具有普遍适用的健康信息采纳行为模型， 绝大多数研究是在精细加工可能性模型（ＥＬＭ）、信息采纳模型（ＩＡＭ）、整合式技术接受与使用模型（ＵＴＡＵＴ）等经典模型的基础上， 基于研究情景的修改， 以构建针对研究现象解释度高的健康信息采纳行为模型。Ｚｈｏｕ Ｔ［３０］将ＥＬＭ 引入到在线健康社区（ＯＨＣ）用户信息采纳意向影响因素研究中， 探究发现信息因素和社会互动均影响采纳意愿。Ｈｏｑｕｅ Ｒ 等［３１］ 基于ＵＴＡＵＴ 对老年人移动健康（ｍＨｅａｌｔｈ）信息采纳行为影响因素展开探究， 研究结果显示， 绩效期望、努力期望、社会影响、技术焦虑和拒绝改变对用户采用移动健康服务的行为意向有显著影响。Ｌｉｕ Ｊ 等［３２］ 将ＩＡＭ应用到在线心理健康社区用户信息采纳行为影响因素探究中， 采用回归分析和文本分析方法， 研究发现， 信息质量方面的社会经验话题、情感表达话题和帖子情感３ 个变量的得分， 以及信息源可信度方面的海报认同度和影响力都与在线心理健康社区中帖子的赞数和转发数有显著的正相关性。

４.２ 影响健康信息采纳行为的用户特征

影响健康信息采纳行为的因素有很多， 伴随研究的深入， 不少学者将其归为用户、信息和环境３种类型。针对信息和环境两类影响因素的研究开始较早， 近几年来学者逐渐关注用户本身特征对于其采纳健康信息的影响。宫贺等［３３］ 发现， 电子健康素养较高的参与者， 长文章（相比于视频）更能显著提高他们对于内容本身的信任， 進而提升科普信息采纳度。唐旭丽等［３４］ 发现， 用户健康素养对论据质量和信息支持之间的关系起到负向调节作用， 对来源可信度和信息支持之间的关系起到正向调节作用。Ｓｈｉｎｔａ Ａ Ｄ 等［３５］ 发现， 受教育程度作为调节因素对采纳保健信息和媒体素养具有重要影响， 进一步加强了对宫颈癌问题的预防行为。Ｈａｎ Ｙ 等［３６］发现， 对在线健康信息的采纳意向会受到自我效能的影响， 并建议提高公众获取信息的能力， 以促进真相和打击谣言。

５ 总结与展望

面对诸多互联网信息， 选择恰当的健康信息指导个人健康实践的健康信息采纳行为受到学界的广泛关注。围绕该主题， 国内外已形成十分丰富的研究成果。本文通过文献计量方法， 厘清了健康信息采纳行为研究进展， 并形成如下主要结论。一是研究数量方面， 英文研究远多于中文研究， 但中英文发文趋势总体呈现一致性， 在个别年份和时间周期内， 均表现出相似的特征。二是作者合作网络方面，中英文研究的作者均呈现诸多学术团体， 学术团体之间的合作度较低。三是研究热点方面， 英文研究包括４ 个主题： 健康信息采纳的行为机理、健康信息采纳的影响因素、健康信息采纳视域下的服务框架、健康信息采纳视域下的公众决策； 中文研究包括３ 个主题： 在线健康社区信息采纳的影响因素研究、健康信息采纳视域下的健康传播研究、健康信息采纳行为的预测分析”。四是研究前沿方面， 国内外相关研究主要聚焦两个前沿： 针对健康信息采纳行为的模型构建、影响健康信息采纳行为的用户特征。根据上述结论， 未来研究可从以下３ 个方面开展：

１） 持续探索健康信息采纳行为的模型构建和用户特征。未来的研究可以进一步深入研究， 探索更具体和细致的模型构建， 以揭示健康信息采纳行为的机制和过程。可以结合用户特征研究， 探讨个体差异对健康信息采纳行为的影响， 如年龄、性别、教育水平、数字素养等因素。同时， 可以考虑跨文化的研究， 探讨不同文化背景下用户特征与健康信息采纳行为之间的关系。

２） 积极应用跨学科研究理论与方法。健康信息采纳行为研究涉及多个学科领域， 如心理学、社会学、传播学等。未来的研究可以尝试跨学科的研究方法， 以深化对健康信息采纳行为的理解。例如，可以结合心理学的认知和态度理论， 探讨个体在接收和处理健康信息时的认知过程和态度形成。同时，可以运用社会学的网络理论和传播学的传播效应理论， 分析社交网络和媒体对健康信息采纳行为的影响。跨学科的研究方法可以提供更全面和多维度的视角， 有助于揭示健康信息采纳行为的复杂性和多样性。

３） 运用大数据和机器学习赋能研究。随着信息技术的发展， 大数据和机器学习等技术在健康研究中的应用越来越广泛。未来的研究可以尝试运用大数据分析方法， 挖掘健康信息采纳行为的大规模数据， 以发现潜在的模式和规律。同时， 可以结合机器学习算法， 构建预测模型， 预测个体的健康信息采纳行为。这些新兴技术的应用可以提供更精确和实时的研究结果， 为健康信息采纳行为研究提供新的视角和方法。