由国际抽样调查(谢尔顿，CT, USA)管理的一组互联网用户中选择了21岁及以上的分层随机美国成年人样本。为了确保至少适度的人口多样性(但不是代表性)，并抵消回应率的巨大预期变化，我们根据年龄和种族绘制了不同的子样本，并动态调整每个人口子样本中的电子邮件邀请数量，直到所有配额都达到。选定的小组成员收到电子邮件邀请，完成网上调查。在完成调查后，参与者参加了即时获胜比赛和由国际抽样调查组织管理的每月抽奖活动，以获得适度的奖品。

受访者阅读了一篇短文，在短文中，他们想象自己被诊断患有甲状腺癌，并与医生讨论治疗方案。这篇短文讨论了两种类型的放射治疗，外部束疗法和种子疗法，它们被描述为在治疗患者类型的甲状腺癌时同样有效。两种疗法都有可能导致两种副作用:(1)疲劳，(2)口腔和咽喉问题。我们选择甲状腺癌作为疾病背景，因为它相对不熟悉(相对于乳腺癌或前列腺癌)，意味着很少有研究参与者可能对治疗方案或相关风险有先入为主的想法。

我们的主要研究问题是确定交互式绘图任务是否会增加受访者识别更好的治疗方案(即副作用风险较低的治疗方案)的能力。为此，我们实验性地改变了两种治疗方案中每种副作用风险的2个调查页面的内容。在这些页面上，我们在3(风险水平)× 2(图形类型)的受试者间设计中改变了2个因素。

风险水平操纵的总结在 表1．通过改变口腔或喉咙问题的可能性与梁疗法,我们创建了3个不同的决策上下文:(1)一个平衡条件,每一个治疗的可能性更大效果和较低的一侧的可能性,(2)一个轻微的优势条件下,种子的治疗非常的疲劳和同样的速度速度略低的嘴和喉咙的问题,和(3)一个强大的优势条件,种子疗法有一个低利率的副作用。

所有副作用的风险信息都以数字和并排的图形显示在连续屏幕上(首先是疲劳，然后是口腔和喉咙问题)。一半的研究参与者观察了100个单位的静态图标数组(也称为象形文字: 图1)，该格式已证明可在各种医疗情况下改善风险沟通[ 9， 13， 29- 33］．其余的参与者则收到相同图标阵列格式的互动版本( 图2)，用Flash编程(Adobe系统公司，圣何塞，加利福尼亚州，美国)。在交互练习中，风险信息以数字形式提供，但图形最初是空白的(即，所有的灰色块)。然后，参与者被要求用鼠标点击和/或拖动每个图表，将其设置为适当的风险水平。图形不断调整，以提供视觉和数字反馈。(见 多媒体附件1为了一个演示这种互动的电影。)在被允许继续研究之前，参与者被要求与页面上的两个图表中的第一个进行交互和设置。给参加者的具体指示见 图1．然而，请注意，如果参与者没有设置第二个图表或在风险图表中不准确，他们并不会被阻止前进;最小限度地使用交互式图形足以让他们继续研究。本设计作为匿名调查研究获得了机构审查委员会的豁免地位批准。

我们的主要结局指标是首选治疗选择(光束或种子)。我们还问了受访者2个要点知识问题，让他们指出哪种疗法的每种副作用的风险更高。此外，我们通过电子方式跟踪了受访者负担的两项指标:(1)阅读静态图表页面或与交互式图表页面进行交互的时间;(2)调查中断时间(以评估交互任务是否足以让人们厌烦到停止进行调查)。

因为每个人的计算能力各不相同(例如，他们对风险统计等定量健康信息的掌握能力和舒适度)，所有研究参与者也完成了主观计算能力量表(SNS) [ 34］．SNS是量化能力和接受数字形式信息偏好的一种经过验证的衡量方法，此前已被证明与回忆和理解文本和图形风险沟通的能力相关[ 32， 35， 36］．参与者的SNS得分是根据他或她在8个SNS问题上的平均评分计算的，范围从1(最少的数字)到6(最多的数字)。我们还评估了参与者的教育水平，为了分析目的，我们将其建模为一个三级变量:高中或以下，一些高中后教育但没有学士学位，学士学位或以上，以及标准的人口统计指标。

我们使用比例卡方检验来检验图表类型是否影响3种风险水平条件下的治疗选择、知识回忆和调查中止率，并使用逻辑回归模型(包括设计因素、交互项、SNS评分和教育水平)来评估这些协变量对治疗选择的影响。由于花费在给定调查页面上的时间具有高度倾斜的分布，我们随后使用Wilcoxon秩和检验来比较花费在阅读静态风险图表和完成交互式图表任务上的时间分布。所有的分析都使用Stata (release 11;StataCorp LP, College Station, TX, USA)，所有显著性检验均为2侧检验，使用alpha = .05。

共有3371名21岁以上的人访问了调查网站，并浏览了第一页内容。在这些人中，17人报告实际被诊断患有甲状腺癌，并被排除在外，因为他们预先了解相关的治疗方案，剩下3354人可能是参与者。

总体而言，2426名(72%)的参与者完成了整个调查，包括在调查工具结束时提出的人口统计问题。回答每个人口统计问题的参与者的特征报告在 表2．我们观察了广泛的教育成就，889名参与者(36.7%)拥有学士或更高的大学学位，但441名(18.2%)只完成了高中或更低的教育。SNS计算能力测量具有较高的信度(Cronbach alpha = .84)。SNS平均得分为4.63 (SD 1.0)，差异较大(1.75-6.0)。由于有关参与者人口统计数据的问题是在调查结束时才提出的，我们无法知道退出调查的人的人口统计数据与完成调查的人是否不同。

互动性的承诺是潜在地鼓励人们不仅阅读相关信息，而且积极地处理它们。这种主动处理可能帮助人们记住信息，并利用它做出更好的治疗决定。

不幸的是，在我们的研究中，交互式风险沟通练习的承诺仍然没有实现。我们的互动任务要求参与者在同一页上用数字格式清晰地显示风险统计数据对图表，这增加了调查的退出率，并导致与那些查看已经以相同的静态图表显示的信息的人相比，知识更少，治疗选择更差。

我们的研究有几个关键的局限性。首先也是最重要的是，我们测试了带有特定用户界面的单一类型的交互任务，该任务没有进行外部可用性测试。当然，其他任务或更直观的界面可以改善交互任务的使用和用户体验，从而可能改善结果。第二，如上所述，我们要求健康的成年人回答一个网络调查中的假设场景。因此，与真正的患者相比，这些参与者在阅读旨在告知他们并帮助他们做出自己的医疗决定的详细决策辅助时，很可能更没有动力去解决如何完成互动任务和思考我们提供的风险信息。然而，我们观察到，即使对那些完美完成任务的参与者来说，互动任务也没有任何优势。很难想象，即使是高水平的动机不仅足以弥补我们观察到的知识和决策缺陷，而且还能从完成交互式图表练习中获得显著的好处。

正如Natter和Berry所指出的，尽管已有其他研究在风险沟通中使用了交互式图形[ 37]，这类研究还没有将交互式图形与被动图形进行比较。因此，他们的研究首次证明了互动图形比标准图形具有更大的潜力，研究表明绘制条形图的人比简单地观看条形图的人对药物副作用的回忆更好。 26］．最近的研究表明，交互式风险图表(参与者探索风险矩阵，直到发现风险事件)也可以减少风险感知的计算差异[ 27］．

相比之下，我们的研究没有显示出这种积极的效果。事实上，在我们的研究中，被要求将风险信息互动绘制成图表的参与者在多项结果测量中表现明显更差。这种逆转的部分原因可能是我们使用了象形文字(图标数组)，人们对它不像条形图那么熟悉，还有一部分原因是我们的研究是在网上进行的，而Natter和Berry使用的是纸质小册子。我们还推测，互动任务的新颖性可能导致参与者将大部分注意力和认知资源投入到弄清楚他们应该做什么上。因此，这种影响可能阻止了我们的参与者进行我们希望刺激的那种更深层次的、寻找意义的处理。如上所述，更深入、以用户为中心的设计过程可能会产生更好的界面，从而减少这个问题。

我们的不同结果可能还源于我们的任务实施了一种“回教”教学方法，鼓励参与者重申他们已经掌握的信息，而Ancker和同事的研究使用了一种探索任务，鼓励发现风险本身。在对焦点小组记录的定性分析中，Ancker和同事们得出结论，他们的互动风险图表比静态图表引发了更多的情感反应，更多的参与者表达了对大风险的担忧和/或对小风险的释然。 28］．他们随后的实验研究发现，图形类型对风险估计或风险感觉没有整体影响[ 27］．虽然我们的研究没有询问参与者图形如何让他们感觉他们的风险，但我们确实发现，与使用标准风险图形相比，人们在使用交互式风险图形后更不可能选择明显最佳的选项。这表明，Ancker等人观察到的情绪反应的增加可能是他们的游戏类任务的人工制品，更直接的互动类型可能不会导致改进的选择。

健康教育中其他互动形式的研究，例如电子游戏[ 38和沉浸式三维环境[ 39]建议谨慎考虑这些应用如何可能或不可能改善健康教育的结果。我们的研究结果补充了这些先前的发现，表明风险沟通的互动方法应该伴随着类似的警告。

交互式风险图表很有趣，但使用它们可能会对有效地与患者沟通健康风险的目的产生反效果。虽然从小册子和DVD格式到在线资源的患者决策辅助工具的移动为更先进的技术创造了机会，但我们的研究应该作为一个警示故事，以确保开发人员和教育工作者的材料是“前沿的”。我们的教学交互式图表任务旨在加强与决策相关的风险信息的更深层次的认知处理，这正是大多数决策辅助工具试图在患者中促进的思维类型。然而，在这种情况下，我们的干预适得其反，产生了更糟糕的决策结果。显然，需要更多的研究来评估不同类型的交互风险沟通，并识别交互练习的设计特征，与那些不能带来更好的结果的特征相比。与此同时，决策辅助设计师在考虑使用花哨的风险图形时应谨慎行事。