基于多面可信度的乳房自检系统:观察性研究

简介

背景

乳腺癌已成为影响印度尼西亚和全世界妇女的最普遍的癌症类型，乳腺癌导致的死亡人数每年都在增加[1，2］．2018年，估计有2,088,849例乳腺癌新发病例和626,679例与乳腺癌有关的死亡[1］．乳癌发生时，源自乳腺内层的恶性细胞增多[3.］．在美国，乳腺癌主要通过乳房x光检查(43%，156/361)、乳房自我检查(25%，90/361)、乳房自我检查的临床筛查(14%，47/361)和意外检查(18%，64/361)[4］．预防乳腺癌需要每个女性在第一次月经后进行乳房自检，作为所有年龄段的早期诊断机制，这有望有助于降低乳腺癌死亡率[5-8］．

此外，通过互联网和社交媒体寻求医疗保健相关信息的好奇心也逐渐上升。社交媒体用户更喜欢从社交媒体上获取信息。9，10]，因为其他用户分享了大量有关乳腺癌的信息。Facebook上几乎87%的与乳腺癌相关的帖子都是由支持小组组成的[11］．其他平台，如Twitter，包括乳腺癌教育调查，分享乳腺癌生存故事，治疗计划，以及显示某些治疗进展的图像[12］．因此，患者更喜欢使用社交媒体来谈论敏感的身体问题(如乳腺癌)，因为这比与医生面对面交流更方便。13-16］．与此同时，医生也在积极参与与乳腺癌相关的社交媒体和医疗保健系统[9，14，17，18]，他们倾向于使用社交媒体来协助、治疗和咨询癌症[9，18，19］．尽管社交媒体平台上的医患互动提供了许多便利，但它也有重要的缺点。

据报道，一些医生在社交媒体上行为不当，如发布不正确的信息、歪曲他们的证书、发布不适当的内容和虚假广告[20.-22］．这种不道德行为的影响[19，23-26会让病人感到尴尬，失去他们的信任。在任何医患关系中，可信度都是一个重要因素，信任的下降不仅会影响医疗保健业务，还会导致患者的羞耻和抑郁[20.，21，23］．因此，在本研究中，我们探索了一个可以支持和消除这一问题的信任模型。为此，我们专注于增强Quinn等人提出的多方面可信度模型[27将被用于社交媒体上的医疗治疗。目前的多面信任模型基于社交媒体平台上的社交互动计算信任得分。因此，该信任模型中采用的双向信任评估方法适用于考虑医疗保健领域的医患互动。然而，多面模型有其局限性，因为在建立信任环境中没有凭证表示机制，在试图建立信任的各方之间没有知情同意合同，没有保护机密数据的机制[19]，以及不保护用户私隐[14］．因此，在如何最好地保护机密信息以及如何确保社交媒体上的每一次互动和交流都基于道德规范方面，还存在一个空白需要填补。

社交媒体中的信任并不是个性化的、具体的、单一面的，而是在群体环境中普遍存在的[27-29]，且信任级别不能标注[27，28］．相比之下，现有的多面信任模型具有个性化、专门化的特点，能够衡量信任推荐的准确性[28］．结果，Chieng等人[30.以用户为中心，在社交媒体上发布个性化评论或照片。

本研究的目的是:(1)确定最适合乳房自检系统的可信度指标;(2)设计并提出乳房自检系统;(3)评估使用乳房自检系统的患者与医生之间的多方面可信度互动。在乳房自检系统中实施多面可信度模型，可以识别出最优先的可信度指标，根据信任值和信任水平提供患者与医生之间的关系反馈。这最终可以在Facebook等社交媒体平台上提供更值得信赖、更有道德的医患互动。

信任原则与多面信任模式

Rotter提出的信任理论[311967年的《人际信任》被称为人际信任，定义为“个人或群体对另一个个人或群体的言语、承诺、口头或书面声明可以信赖的一种期望”。信任原则是由Mayer和Davis在1995年提出的。32，认为与委托人和受托人相关的因素会导致信任。委托人的特征是信任倾向，即信任他人的普遍意愿。也就是说，信任倾向是风险行为的原因之一。不同背景、性格类型、文化和经历的人信任倾向也会有所不同。

另一方面，受托人的主要特征是可信赖性，这是衡量说谎动机的标准。例如，如果一个受托人通过撒谎来获得某些东西，他们就会被认为不那么值得信赖。32］．

因此，Trust可以被定义为对某人的信任，或相信某人是善良和诚实的[33］．在医疗保健中，可信赖性已在品格、诚实和正直的背景下被提及[34]，这是一种情境相关的个性化特征[30.］．根据Quinn的说法[28]，多面可信度模型是可个性化和专门化的[28］．根据以下四个特征定义了社交媒体中的信任特征[30.，35-37］．首先是不对称，因为两个用户之间的信任是不相同的。也就是说，个人A可以信任个人B，而个人B可能根本不信任个人A，反之亦然。其次，信任是可传递的:联系越长，信任越少。例如，假设A和B是朋友，他们彼此信任。B是C的朋友，但A不认识C，因为A认识B并且信任B的朋友，A可能会在一定程度上信任C。然而，C是D的朋友，A和B都不认识D，所以A很难信任D，因为他们关系遥远，彼此不认识。第三，信任取决于时间、情境和经验。人们倾向于在不同的环境中表现出不同的信任。第四，信任是一种个性化的主观观点。 That is, the trustworthiness of a particular person might be viewed differently by two different people.

多方面信任模型的主要指标(图1)为诚实、声誉、能力、可靠、信誉、信念、信心和信念[27］．诚实意味着一个人做出善意的协议，讲真话，并履行任何承诺。胜任力是一个人满足另一个人需求的能力。信心是"对自己所持信念的一种确信或轻松的感觉" [38］．声誉是信任这个社会概念的一部分。39］．信仰是有道理的，应该被接受(即不需要论证支持而被接受)[34］．

图1展示了个性化的概念如何允许用户声明这样的想法:能力受声誉的影响(即，能力源自声誉)，可信度受信念的影响(即，由信念决定的可信度)，等等。可以重复这一概念来构建一个符合用户需求的信任模型，并反映用户对信任的主观看法。

‎ 查看此图

信任度量模型

开放社会网络中的信任度量模型可以分为五个主要模型[36]:在线信誉模型、Marsh信任管理、多上下文信任、社交网络信任推理(TISoN)和基于行动的信任。

在线声誉模型

在线声誉模型是基于在线市场，如亚马逊和eBay。这些模型侧重于在事务的每个部分完成后提供的用户性能评级。然后，声誉值由eBay上的得分总和和亚马逊上所有评级的平均值得出。如果用户提供虚假信息，则没有修正机制，因为该模型仅基于能够创造信誉价值可靠性的意见增量运行[40］．

马什信托模型

马什(41]提出了一种仅基于直接交互的信任模型，该模型可分为基本信任、一般信任和情景信任。

对于基本信任，代理人具有独立的信任倾向，信任倾向是根据代理人经验的积累来计算的。最好的经历会带来良好的信任倾向，而最少的经历会带来糟糕的信任倾向。马什提出了符号T_x^t确定代理人的委托处分x在时间t．

对于一般信任，代理人的信任不考虑具体情况的因素。马什使用的符号T_x(y)^t用于表示代理之间的一般信任x和代理y在时间t．

对于情景信任，代理的信任考虑到具体的情景。下面的公式用于计算基于情景效用的情景信任:

在这x是求值器，y是目标代理，和α情况就是这样。U_x(α)^tt表示实用程序x从情境出发α，我_x(α)^t重要的方面在情况中吗α对代理x,而且当识别所有可能的数据时，是一般信任估计吗T_x(y,α)．

Multicontext信任

在上述Marsh信任模型的基础上，提出了一个用上下文信任表示信任能力域的模型。为此目的，信任被分解为不同的上下文中，每个上下文中都在0到1的范围内规范化，以实现未来的聚合。以下是Facebook的七个信任功能:42]:(1)交互时间跨度(年代)，(2)交互次数(N)，(3)字符数(C)，(4)相互作用规律(F)，(5)照片标签(P)，(6)组成员资格(G)及(七)共同兴趣(l)．

将这7个上下文进行总结，建立信任聚合公式。马什(42]将这些上下文相乘并使用最终值，它标识了一个包含几个数字的向量T_x优先级给定的上下文P=(T_年代T_NT_CT_FT_PT_GT_l)，最终的信任值表示为:

聚合方法对于为每个上下文归因值很重要。例如，上下文无关对整体信任的贡献只是表示降低优先级向量的重要性[42］．

TISoN

提出了一种基于数学模型和算法的混合计算模型。哈姆迪等[43]也生成和评估相对评级的信任值。为了保证信任路径在更广泛的社会网络中的可靠性，设计了一种新的信任路径搜索算法，并利用信任推断测度来衡量用户对他人的信任程度。

基于动作的信任

Gambhir等[44]引入了基于行动的信任，这是一种基于用户内容披露(如评论、“喜欢”、帖子分享、图像标签和视频发布)的新信任模式。基于行为的信任算法涉及计算用户在在线社交网络中分享敏感内容时所执行的操作的信任值。该算法也被在线社交网络背景下的多面信任模型所使用[44］．

在线社交网络中的乳房自检系统

乳房自我检查是一种早期发现的方法，妇女通过检查自己的乳房，以促进发现和减轻对癌症的恐惧[45］．乳房自检是每月定期用镜子检查乳房是否有异常变化[3.]，也被认为是早期乳腺癌检测的最佳工具[46］．

由于患者更喜欢使用社交媒体来预约、接收提醒、诊断测试结果、提供有关其健康状况的信息，并将其作为询问与医疗保健有关的一般问题的论坛[14]，其中一些具体的特性已被患者要求作为开发乳房自检系统的参考。基于现有的乳房自检系统(表1)，任何在线乳房自检系统都应该嵌入9个标准功能，包括用户账号管理、日历、自检向导、历史记录、聊天室、位置、知识、视频教程、论坛。

医患互动理论

医患互动是一种沟通过程，描述了问题的共同性质、治疗目标和心理社会护理[54］．医患互动强调医生对患者的行为。行为同意是医生给予健康解决方案的内容(工具性行为)和医生治疗患者的能力(情感性行为)[55］．

方法

研究流

研究流程概述于图2，关注社交媒体中的伦理现象。本研究选择了多面信任模型，因为它能够为每个用户提供个人信任的主观观点。乳房自检系统的原型是基于现有的乳房自检系统(表1)．乳房自检系统的可信度指标体系结构设计为对患者每次咨询医师的信任值进行评级。通过对患者和医生的调查，确定了特定医生的信任值与信任水平之间的关系。因此，任何患者在选择医生会诊时，都可以参考医生的信任程度。

‎ 查看此图

现有的乳房自检系统

我国现有乳房自检系统的比较表1强调用户帐户是一个重要功能，这是基于Beyond the Shock应用程序[49用户帐户，以确保患者和医生的数据安全。其余6款应用没有用户账户，因为它们无法保护患者数据，尤其是女性乳房数据。日历是确定月经周期的功能，以便每月进行自我检查。在7个可用的应用程序中，有4个(BSE、Keep A Breast、Breast Control和Makna)提供了一个日历，用于设置每月的自检提醒。自检向导功能解释了如何系统地进行自检，这应该存在于任何乳房自检系统中。只有Beyond the Shock不提供此功能。历史记录功能有助于记录患者的活动以及与医生的互动过程，这在几个应用程序(BSE、K博士的乳房检查器和乳房控制)中都有。历史功能通过为每个患者保存病史来记录数据，这将帮助医生跟踪每个患者的表现。由于信息的私密性，这个特性的安全性至关重要。聊天室允许患者和医生之间的直接互动，这对于允许患者与医生进行直接互动和交流而无需面对面会议是至关重要的。 None of the apps currently supports the chat room feature, as they focus only on self-exam without connecting to a physician.

下一个特征是位置，它可以识别离患者最近的可用医生。该功能可以帮助患者根据自检结果找到医生进行进一步咨询。在K博士的乳房检查器和Makna中可以找到这个功能，提供医院或诊所的地址，供医生咨询。知识特征提供了乳腺癌预防相关的科学信息，这也是获取乳腺癌相关信息进行患者乳腺癌教育的必要特征。有几个应用程序(Beyond the Shock, Dr. K 's Breast Checker, Breast Control和Makna)提供了这一功能。．视频教程功能是指通过视频提供的任何相关乳腺癌信息作为指导。在Beyond the Shock, Daisy Wheel和Makna中提供了视频教程，作为帮助患者查看与乳腺癌相关的信息的基本功能。该论坛是一个开放的空间，可以从医生和患者那里找到最新的新闻或病例，这为医生提供了一个空间，可以向所有患者提供有关乳腺癌预防的一般信息。Beyond the Shock使用论坛作为同一领域的所有医生和患者之间讨论的基本空间。我们包括了中所示的所有标准表1在我们提出的乳房自检系统中。

乳房自检系统中可信度多面模型的集成

我们参考Quinn等人的[27该模型采用了实现信任管理模型的思想，作为信任的主观观点。乳房自检系统包括在聊天室设置的8个可信度指标作为评分系统。这些指标将根据用户的交互体验来确定信任的价值，这种体验完全是个性化的、可传递的和依赖于上下文的。个性化视图将允许用户选择他们的信任值(即，患者将参考他们的医生为每个指标提供一个值，反之亦然)。当一个病人向另一个病人推荐一个医生时，传递视图将为每个医生提供信任价值作为参考。情境依赖视图将使患者在评价医生时更加灵活;他们可以根据几次咨询，不时地编辑他们对医生的信任水平。

信任水平任务是通过平均评分值(ARV)设计的，ARV用于计算患者对医生的平均信任值。抗逆转录病毒药物是根据Marsh [41]和达斯基维奇[56以独立的价值观来判断医生或病人的可信赖程度。以ARV表示医生的可信赖程度和独立价值表2．

如果抗逆转录病毒在9到10之间，则认为可信度水平较高，独立值为5，而较低的值表示不信任水平较高。因此，相关性分析将依赖于独立值作为关键元素。

乳房自检系统的原型体系结构与机制

我们的乳房自检系统原型架构是基于Quinn等人的[27]信任模型，miniOSN [30.]， miniOSN2.1 [30.］．患者可以使用评分功能个性化访问发布的信息、评论和共享的历史数据，并限制医生查看患者数据的内容。患者允许查看医生的信任值和信任程度。医生的信任值是基于可信度指标的平均值[28]，而抗逆转录病毒则作为评级信任水平[41，56］．然后通过信任值来确定医生的信任水平。为了确定多方面可信度指标的排名，我们评估了各指标与信任值之间的关系。可信度指标的排名越高，说明该指标与该指标的相关性越强。因此，排名可以评价可信度指标在多面模型中的重要性。在乳房自检系统中，患者可以个性化访问，根据可信度指标或信任水平设置发帖和评论的值。

通过聊天室和论坛来衡量乳房自检系统的可信度机制。当某个特定的医生接受了患者的请求进行会诊时，患者将鼓励该医生的信任级别选项，该选项仅由患者看到。患者可以通过从可信度指标的ARV中选择1到10的值来编辑医生的信任水平。患者还可以不时地更新信任级别。例如,图3表明Reka(病人)要求医生Sandana和Lukman会诊的请求被两位医生接受了。会议结束后，她给医生的经验打了8分。

‎ 查看此图

乳房自检系统中基于动作的信任算法

在乳房自检系统的计算机制上，进一步实现了基于动作的信任算法。该算法可以衡量用户在社交媒体上的可信度。评估和计算用户内容披露信任因素的能力包括分享个人记录、分享帖子、评论、照片和发布消息[44］．信任值的计算是针对作用于用户内容披露的医生，即作为信任因子。医生信任因素可能会根据患者选择敏感或不敏感的选项而减少或增加。例如，在完成每月的自检后，患者可能会为自检照片选择一个敏感的选项。敏感选项在与医生分享之前必须得到患者的知情同意。

基于动作的信任算法将每个用户动作的度量划分为权重，包括动作权重(Wa)、帖子权重(Wp)和类别权重(Wc)。同时，Wc是类别权重的函数。这些权重Wa、Wp和Wc被确定为信任因子的参数。表3显示用于模拟算法的测试用例的权簇[44］．

调查

我们对32名参与者进行了开放式访谈[57，58]和77个乳房自检系统的互动。该调查于2020年2月3日至3月30日进行。参与者为医生和女性门诊患者，均使用过乳房自检系统。32名参加者包括20名女性及12名男性，包括16名医生[58]及16名女性门诊病人[57］．在16名医生中，12名是全科医生，4名是肿瘤科专家。

16名门诊患者均为健康女性，对医疗保健制度有所了解。这些门诊病人中，8人年龄介乎18至25岁，另外8人年龄在25岁以上。然而，由于咨询期的原因，并不是所有的32位参与者最终都完成了聊天室和论坛的互动任务。有24个活跃的聊天室参与者和22个参与者在论坛上互动。评估监测了聊天室中的活动(医生和病人之间的互动)以及医生通过论坛分享信息的情况。访谈从介绍研究目标和乳腺自检系统使用流程开始。

这项研究得到了Esa Unggul大学委员会研究伦理委员会的批准(No. 0155-20.133/ DPKE-KEP/ FINAL-EA/ UEU/ V/ 2020)。

结果

乳房自检样机的设计

原型采用模组设计(图4)，可分为四个阶段[59］．用户帐户的第一个阶段是注册和登录到系统。自我检查的第二阶段是对乳房进行个人自我检查并将其注释到系统中。医生会诊的第三个阶段是用户找到医生进行会诊。向公众开放功能的第四阶段是让公众有机会访问知识、视频教程和论坛功能，而无需获得用户帐户。每个阶段中的短语都是基于用户权限的。

‎ 查看此图

乳房自检系统的每个特点显示在图4有自己的功能。日历是乳房自我检查的提醒系统。自检向导是每天进行正确自检的指南。病史作为自检记录，每月跟踪乳房自检。位置找到最近的医生接受治疗。聊天室是病人和医生之间进行咨询的空间。知识是关于乳房健康的新闻和专家意见的链接集合。视频教程是一组正确进行乳房自检的视频。医生们可以在论坛上分享与乳腺癌或乳房自我检查相关的重要信息。

选择合适的信任模型

为了选择最适合乳房自检系统的信任模型，我们对与信任模型相关的论文进行了文献综述。最终选取了11篇文章对现有的信任模型进行比较分析。表4从信任模型、相关领域、信任因素选择、信任方法、信任效益等几个角度对比较进行分析。

适合乳房自检系统的信任模型的选择涉及医疗保健、互联网和社交媒体领域。11篇文章中，7篇与医疗保健有关，2篇与互联网有关，1篇与社交媒体有关，1篇与心理学有关。与社交媒体相关的信任模型为在线社交网络环境的多面信任模型[30.］．最初，多面信任模型是由Quinn [27]，以适应互联网环境。多方面的信任因素支持以用户为中心的模型，该模型要求用户对信任进行个性化设置。例如，阿巴斯等人[60]， Montaque等[61]，以及Quinn等[27]专注于可靠性方面的不同领域。阿巴斯等[60]关注医疗保健软件的整体可靠性，Montaque等人[61]关注医疗技术的整体可靠性。相比之下，Quinn等人[27]及Chieng等[30.将可靠性引入为特定用户或事物的个性化和专门化。

从方法学角度来看，其中5项研究基于定性方法，5项研究基于定量方法，其余研究基于结构化文献综述。定性方法包括评估患者和医生之间的信任关系[25，63，64]，而定量方法则集中在调查问卷上，以获取参与者的反馈。因此，定性方法对于从系统中获得最大性能更为有效和相关。

利益视角为乳腺自检系统信任模型的选择提供了一致的方法。其中两项研究探讨了信任模型的好处，重点是Quinn等人提供的个性化和信任推荐测量[27]及Chieng等[30.］．相比之下，其余的信托模型的好处集中在一般信托模型的理论问题上，如工具创建[63]、医患关系的信任理论[25]，病人对技术的信任[61]，以及行为接近理论[64］．因此，在乳房自检系统中嵌入一个与用户中心模型相关的信任模型是有意义的。

基于对过滤后的11篇文章的分析，我们决定采用Quinn等人提出的多面信任模型[27］．选择多方面信任模型的原因(表4这个模型可以为每个用户提供个人信任的主观观点。该模型也是一个以用户为中心的模型，可以个性化社交媒体上的评论和照片等信任功能[30.］．特别是，信任可以在患者做出任何决定之前保护医生的声誉，并允许用户选择一个可信的医生[44］．根据Singh和Chin的说法[36]，信任是吸引用户使用网站并根据评分功能向他人推荐的重要因素。也就是说，患者在进行咨询时可以考虑医生的可信度，医生在提供健康状况信息时也可以考虑患者的诚实程度[36］．

乳房自检系统多层面可信度评价

可信度指标间相关性分析

采用Pearson相关系数(r)对乳房自检系统中各项可信度指标之间的相关性进行评价，计算公式如下:

皮尔逊相关系数表示一种关系(r)之间的自变量(x)和因变量(y)基于一个介于-1到1之间的数值变量，其中0表示不相关，1表示完全正相关，-1表示完全负相关。相关系数为0.7及以上，表明两者之间存在显著正相关关系x而且y；也就是说，当变量x增加,变量y也会增加。类似地，如果相关值为负，则如果x增加,然后y也减少[68］．我们对从MySQL数据库中收集的77个样本进行了相关性分析，其中包括患者在聊天室中对一名医生的评分，患者在聊天室中对几名医生的评分，以及患者在论坛中对一名医生的评分。参与者在聊天室与医生聊天后，可以根据8个可信度指标对医生进行评分，然后在第二次咨询后被要求修改评分。数据从MySQL导出到Microsoft Office Excel电子表格，并使用SPSS v.24进行Pearson相关分析(IBM) [69-71］．Cronbach α值为.92，表明数据可靠(>.80)[71，72］．相关分析结果总结在表5．

所有可信度指标与信任值均呈强正相关(>0.70)[68]，表明可信度指标可以预测信任值的变化趋势;相关系数越高，可信度指标与信任值的关系越强。与可信度有强烈正相关的最高信任度指标是诚实，其次是可信度、信心和信念。可信度指标中，声誉的相关值最低(表5)．可信度指标之间的相关性显著(P<措施)。总的来说，这些结果表明诚实在可信赖度方面排名最高，这意味着在医患互动过程中最重要的方面是诚实的沟通。其次是信誉和信念，这反映了患者对信誉良好的医生的需求。

医患关系

对医患互动进行评估，以衡量患者对医生行为的信任程度[55］．这一分析基于不同的观点，如在不同的时间框架内的互动，患者与几位医生的互动，以及患者对医生在论坛上的文章的反馈。

病人和医生在不同时间框架内的互动

患者在聊天室中通过多次互动对医生的评分总结在表6．例如，患者X5与医生Y5在不同的场合进行了会诊。第一周的信任值为8.63，第二周为10.00。同样，患者X13和医生Y6在第一周的信任值为8.13，在第3周和第4周分别增加到8.50和9.25。这种互动说明信任水平从中等上升到较高，这意味着患者对特定医生的信任值和信任水平一般会在多次互动后有所提高。的确，基于第1周和第2周信任值比较的交互分析的时间效应有统计学意义(P= 03)。

如表6，当每个患者在不同的情况下多次与医生会诊时，信任值会增加。信任值来自每个患者的反馈评级，包括患者X4、X5、X7、X11、X12和X13，他们在几次咨询后对医生的可信度提供了有用的输入。

一个病人与许多医生的互动

聊天室中的数据交互表明，多个患者与不止一个医生进行了交互。16名患者要求与几位医生沟通，只有11名医生回应了这些要求，并与患者进行了良好的互动。病人更喜欢和其他病人评价过的医生聊天。然而，由于时间有限，并不是所有的医生都愿意接受患者的请求。表7演示在与同一病人的交互过程中，医生之间不同的信任值。信任值是患者在咨询后对医生进行评价时提出的主观意见。从可信度指标的总平均来看，诚信(9.39)是最重要的指标，其次是可信度(9.28)和信任度(9.28)。

论坛中患者对医生贴文的评分

在论坛上，9名医生参与了乳腺癌相关信息(文章)的发布，13名患者对文章进行了评分。如表8，论坛可信度评分显示，Y15医生的信任度最高，其次是Y7和Y12医生。这意味着医生Y15发表的文章最受信任，尽管医生Y12的文章被更多的患者阅读。

表9显示由几个病人评定的每个医生的信任值。患者根据他们对医生在论坛上发表的文章的个人观点对医生进行评分。例如，医生Y14被三个不同的病人(X3=8.00, X5=8.71, X6=9.00)打分，说明病人X6对Y14的信任程度非常高。这意味着患者X6认为医生Y14发表的文章比患者X3和X5的观点更有益。在这种情况下，诚实(8.86)是最重要的指标，其次是信仰(8.81)和信心(8.81)。

讨论

从多方面信任模型中选取的8个可信赖度指标，包括诚实、可信度、信心、信仰、信念、能力、可靠性和声誉，均与信任价值呈显著正相关。乳房自检系统的设计主要考虑了以下9个功能:用户账号、日历、自检向导、历史记录、聊天室、位置、知识、视频教程、论坛。研究发现，患者对特定医生的信任水平在多次互动后会增加，患者可以根据医生的信任水平考虑其他患者的建议，从而选择合适的医生。

在乳房自检系统中登记的参与者有32人。注册是通过用户帐户实现的，系统将批准验证发送到用户的电子邮件。用户帐号的安全模式为MD5。用户通过日历设置自己的周期，并通过在历史记录功能中记录自己的活动来遵循自检向导。如果患者在自我检查时发现乳房表面发生了变化，他们可以拍下乳房的照片并将其输入系统，可以将其注释为“敏感”照片[36，44］．然后，标注为敏感的图片将被分配一个类别权重(Wc)，这意味着图片在与医生共享之前需要患者的知情同意。聊天室是一个方便患者和医生之间进行互动和交流的空间。默认情况下，患者只向医生出示他们的患者身份证号码，从而消除自己的身份。在互动过程中，在医生的要求下，患者将他们的历史作为他们的医疗记录分享。这种分担被确定为行动的权重(Wa)。Wa会根据医生的要求引导病人分享。另一方面，医生可以在论坛上发表文章，它被确定为职位的权重(Wp)。患者看了医生在论坛上发布的几篇文章，并通过给医生打分来提供反馈。每个分享、帖子和分类都是由患者和医生进行的保密活动[36，44］．

通过对乳房自检系统可信度因素的相关分析，发现诚实在整体可信度中排名最高。这反映出医患之间的互动过程需要通过患者诚实的信息进行诚实的沟通，医生才能提供正确的治疗。医生诚实的建议会让病人产生信任，因此，病人会听从医生的建议。其次是可信度，这是第二大最重要的特征，因为患者需要可靠的医生[27］．

对不同时间段的医患互动的分析显示，当患者和医生之间发生多次互动时，患者的信任会增加。患者对医生的声誉和可信度的理解是首选。患者的一些反馈包括，通过看到医生的信任价值，根据另一位患者的建议与医生交谈感到舒服。这个反馈证明了信任确实是可传递的。一个病人与几位医生的互动反映了病人对某位医生的个人看法，这是基于他们在聊天室里便捷的交流[30.］．

患者在论坛上对医生发布的文章的反馈是基于患者收到的有价值的信息，这表明患者对医生发布的每篇文章中提供的有用信息都有自己的看法。最受信任的文章以信任值的权重来衡量。总的来说，我们发现患者在从每篇关于乳腺癌的文章中获取信息时，基于自身经验和情况的主观观点对患者有益(即情境依赖效应)[30.］．

总的来说，这项研究揭示了多方面信任模型在提供一个更值得信赖的系统、患者和医生之间的道德互动以及患者对数据的控制方面的强大能力。本分析通过乳房自检系统中患者与医生的互动，证明了社交媒体的信任特征[63，73］．最终，多方面信任的实施，使得患者能够根据医生的信任程度，考虑其他患者的建议，从而做出正确的医生选择。

综上所述，多方面的可信度指标对乳房自检系统有重要影响。这些指标通过信任值和信任水平来评估患者和医生之间的信任系统和道德互动。基于医生的信任价值和信任程度，新患者可以通过最喜欢的医生获得会诊。此外，患者对特定医生的信任水平会在几次互动后增加。相关分析还显示，诚信是受访大学生最青睐的诚信指标。在每周会面的基础上进行更多的互动，患者和医生之间的信任将会增加。这种信任会自动增加医生的声誉和可信度。

在卫生保健系统的更多相关领域，可以探索多方面的可信度。不同医疗保健系统中的几个参与者应该考虑添加和审查交互过程，例如发生在医疗保健提供者、患者、医生、系统提供者和医疗保健提供者之间的交互过程。