这是一篇开放获取的文章,根据创作共用署名许可(http://creativecommons.org/licenses/by/2.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
人们在互联网上寻找健康相关信息的过程,以及形成信息搜索方法选择的个人特征,我们所知甚少。
我们的目的是描述用户在互联网上浏览关于一种假设的急性疾病的信息的过程,并确定预测他们信息寻求策略的个人特征。
研究参与者是从公共场所和机构招募的。有兴趣的人通过在线问卷进行资格筛选。参与者听了两种临床场景中的一种——与流感或细菌性脑膜炎一致——然后进行互联网搜索。屏幕捕捉视频软件捕捉互联网搜索鼠标点击和按键。搜索的每一步都被编码为假设检验(病因学)、证据收集(症状)或寻求行动/治疗(行为)。编码的步骤被用来形成每个参与者寻找信息过程的逐步模式。共有78名年龄在21-35岁之间的互联网健康信息寻求者参与了调查,他们在获得医疗保健服务方面遇到了障碍。
我们确定了27种独特的信息搜索模式,根据搜索过程中所采取的步骤的数量,将它们分为四个总体分类,一个模式是否包括在结束搜索之前提出假设和探索症状,还是搜索一个行动/治疗,以及一个模式是否以寻求行动/治疗结束。应用双处理理论,我们将四种主要模式分类为系统1(41%,32/78)、无意识、快速、自动和高容量处理;或系统2(59%,46/78),有意识的、缓慢的和审慎的处理。使用多元回归,我们发现系统2处理与高学历和年轻相关。
我们确定并分类了两种处理互联网健康信息的方法。系统2处理是一种有条不紊的方法,最类似于其他研究中发现的与高质量决策相关的信息处理策略。我们的结论是,通过对消费者进行有系统的互联网导航策略的教育和将决策辅助纳入健康信息网站,可以提高互联网健康信息搜索的质量。
互联网已发展成为一个组织混乱、质量参差不齐的信息空间[
此外,一些研究使用了观察和调查方法,以更好地了解人们如何根据特定的健康问题和情况进行互联网健康信息搜索[
我们的研究重点是消费者使用互联网来解释症状并得出初步诊断。35%的美国成年人使用互联网进行自我诊断,这一事实为上述研究提供了依据[
判断和决策心理学中的三个主要范式可能会告诉人们如何在应对急性、令人不安的症状时寻求信息[
双处理理论假定在人类决策过程中调用了两个不同的认知系统(系统1和系统2)[
了解互联网用户寻求、关注和吸收健康信息的过程,可以帮助网页开发人员预测用户需求,并引导他们注意支持更高质量决策的材料[
此外,了解互联网用户在实际的互联网健康信息搜索过程中是否、如何以及在多大程度上调用信息处理策略,可以为互联网健康搜索引擎和网站的设计提供信息[
以前的研究还没有描述个人在做出健康决定时浏览互联网健康信息的过程。因此,我们设计了一项观察性研究,以探索人们在互联网上寻求健康相关信息时使用的策略,并了解预测他们寻找和处理信息的方法的因素。为了标准化提供给研究参与者的刺激,我们使用了两个临床小插图,代表不同临床严重程度的急性疾病。在研究这两种疾病时,没有对参与者施加其他限制。在这样做的过程中,我们旨在描述互联网搜索过程,并确定与使用系统1和系统2认知处理相关的人口统计学和个人特征。
加州大学戴维斯分校的机构审查委员会批准了所有的研究程序。
这项调查是一项探索性的混合方法研究,重点关注获得常规医疗保健提供者和服务有限的年轻人的互联网搜索模式。参与者招募和数据收集方法均采用以往研究[
参与者是在2013年3月至8月期间招募并收集数据的。在低收入住房社区通过挨家挨户的调查确定潜在参与者;在社区集市、社区大学和提供公共服务的地方政府办公室进行游说;通过针对少数族裔学生的大学列表服务发送电子邮件;并在加利福尼亚州约洛县的当地咖啡店、公共图书馆、学生家庭公寓和社区大学张贴传单。表示有兴趣参与的个人通过在线问卷(见
总共有122名被筛选的人中有78人符合条件
完成筛选调查、符合条件、同意参与并完成研究的个体数量的细目。
数据分别从每个参与者那里收集。受试者到达研究地点后,由第一作者陪同进入一间安静的房间或隔间,在那里获得书面知情同意,参与一份简短的人口统计问卷,使用SF -36健康调查评估其健康状况[
症状场景是根据疾病控制和预防中心的指南制定的,并得到临床合著者(RLK, HN)的输入。两种症状场景都在年轻成年人的小样本(n=8)中进行了可理解性试点测试。78名参与者中有42人被随机分配到流感场景,36人被分配到脑膜炎场景。然后,参与者被指示“搜索互联网,就像你正在经历这种情况一样”,并训练在这样做的同时“大声思考”。参与者可以选择Web浏览器,包括Firefox、Internet Explorer或谷歌Chrome。所有Web浏览器打开后都是空白页。研究人员利用截屏录像软件,将参与者的网上搜索和大声思考的声音以数字方式记录下来[
数字视频记录从用于数据收集的笔记本电脑传输到用于分析的计算机,并保存为电子文件。在审查互联网搜索的视频记录时,团队成员制定了一个互动列表。“交互”被定义为输入搜索词,选择一个网站,并选择一个网站链接。我们使用这些数据创建了每个参与者的互联网搜索交互的时间顺序工作流。研究小组的成员(SLP, CCV和MSC)通过分析归纳过程开发了应用于相互作用的特定代码。团队成员定期会面,比较他们对参与者交互的编码。分歧通过讨论解决,直到团队成员达成共识。
每个相互作用被归类为三个搜索单元(SU)之一:(1)假设检验,(2)证据收集,或(3)治疗/行动寻求[
接下来,一个、两个或多个相同SUs的完整序列被认为是搜索模式(SPs)。sp是由一个或多个SUs组成的高阶类别。例如,参与者输入“asceptic meni”的查询,选择了一个标题为“无菌性脑膜炎”的链接,并选择了一个标题为“无菌性脑膜炎- Wikipedia the free encyclopedia”的链接,这三个连续的假设检验SUs将合并为一个假设检验SP,如图的中间面板所示
作为互联网搜索编码过程的最后一步,特定个体的sp按时间顺序排序。结果序列以图形方式显示,然后分类为一小组称为元模式(MPs)的总体模式。
证据收集→假设检验→证据收集→假设检验→寻求行动/治疗
使用基于SP数量(≥1和<1)的分级系统将MPs组织为四个总体模式分类,包括假设检验和/或证据收集SP模式组合(无特定顺序),以及包括在终止搜索前寻求的行动/治疗。最后,根据双处理理论框架检查了四种主要的模式分类,允许每个互联网搜索主要被分类为系统1或系统2。包括假设检验和证据收集SP组合(无特定顺序)的模式被归类为系统2。所有其他模式分类都被归类为系统1。
从交互到元模式的编码过程示例。
我们确定了使用系统1处理和使用系统2处理的受访者之间的人口统计学和个人特征差异。一个
参与者的人口统计特征摘要载于
参与者人口学特征总结。
类别 | 研究参与者(N=78) |
都是约洛县的居民一个(N = 200849) |
|
年龄用年来表示 | 25 | 30.c | |
|
|||
|
男性 | 23日(29日) | 49 |
|
女 | 55 (71) | 51 |
|
|||
|
白色 | 23日(29日) | 76 |
|
其他 | 55 (71) | 24 |
|
|||
|
没有学士学位 | 52 (66) | 62 |
|
本科及以上学历 | 26 (35) | 38 |
|
|||
|
没有保险 | 18 (23) | 20.b |
|
公共保险 | 11 (14) | 19b |
|
其他保险 | 49 (63) | 68b |
总计 |
一个2010年美国人口普查[
b在65岁以下的人群中;2005年加州健康访谈调查[
cCity-data.com。
上网时间为0.92分钟~ 14.27分钟,平均为5.13分钟。互动次数(例如,点击鼠标和输入搜索词)与互联网搜索时间呈中度正相关:
通过共同作者的共识,我们确定了四个主要的模式分类,如中所描述的
之后,每个复合图案被分为两个亚组之一,并贴上标签
我们归纳出的四种主要模式分类完全符合信息处理的双重处理理论。模式分类1和2的特征为
观察到的每个元模式的频率。
搜索策略分类。
以年龄、临床症状场景(流感vs脑膜炎)、男性、白人、大学教育程度和不在大学城内的招聘地点为预测因素(自变量),构建了一个逆向逐步二元logistic回归模型,以预测搜索互联网健康信息的系统方法(与系统1处理相比)。所得模型(
人口统计学特征与系统搜索策略依赖关系的二元logistic回归分析(N=78)。
变量 | 或 | 95%可信区间 |
|
年龄 | 0.87 | 0.77 - -0.98 | 02 |
学历(无本科) | 0.30 | 0.09 - -0.94 | .04点 |
招聘网站 | 3.75 | 1.29 - -10.92 | 02 |
在这项研究中,我们直接观察了年轻人搜索两种不同严重程度的假设临床情况(流感和脑膜炎)的信息。根据双过程理论的假设,这四种主要的模式分类分为两种信息处理策略。虽然研究结果表明,人们对与系统2思维相关的行为有一定的偏好,但相当一部分研究参与者依赖于与系统1思维相关的简单或“直觉”方法。在预测因素方面,我们发现年轻的参与者和受教育程度更高的参与者更有可能接受系统2的方法。
以往关于互联网健康信息检索的研究主要集中在互联网信息的准确性[
要解决数以百万计的互联网健康信息网站的不一致问题,我们几乎无能为力[
最有助于做出高质量决策的决策过程包括系统地收集有关情况的所有可用信息,权衡每个可行选项,并整合可用数据,以使决策最有可能产生预期的结果。
系统1的健康信息搜索者更有可能根据简化的启发式规则做出决定,一旦他们找到了一个可接受的解决方案,就会终止搜索,而不一定是最好的。系统一的方法通常是有效的,因为它节省时间,通常会导致明智的决定[
这项研究有局限性。首先,概括性受到来自加州中部一个有限地理区域的方便抽样所招募的年轻成年人的小样本量的限制。其次,参与者的性别、种族和保险状况特征并不能完全反映招募参与者所在地区的人口统计特征。第三,参与者可能或多或少熟悉症状场景,这可能会导致他们的搜索过程由于之前的临床经验。第四,我们实验中不自然和被迫的环境可能影响了受试者的搜索方式。第五,我们可能忽略了可能影响互联网搜索模式的变量或因素。最后,考虑到它们的探索性,这些发现需要用新鲜样本进行验证。
由于网络本身不受监管的性质,互联网健康信息的搜索者很容易受到任性和分心的信息收集过程的影响。有系统的互联网搜索引导健康信息寻求者做出高质量的决策应该通过两种方式进行:(1)通过对消费者进行有系统的互联网导航策略的教育;(2)通过将决策辅助工具纳入健康信息网站。
在使用互联网时,对消费者进行有条不紊的决策教育,应包括在以下过程中提供指导:首先确定决策,然后收集有关潜在决策结果的信息,并确保最终决策与消费者的价值观一致[
需要进一步的研究来确认信息寻求过程最有利于支持高质量的决策,从而导致最好的可能结果。专业的卫生保健提供者几乎无法控制在互联网上遇到的健康信息类型,但他们可以帮助引导患者使用互联网资源,鼓励审慎思考,从而更好地做出决策。
用于筛选参与资格的在线问卷。
针对模拟脑膜炎症状的小插图进行Internet健康信息搜索的示例,其中带有注释。
元模式
简表36健康调查
搜索模式
搜索单位
该项目部分由美国国立卫生研究院(NIH)国家先进转化科学中心(NCATS)通过UL1 TR000002号拨款支持。
本出版物由医疗保健研究与质量机构(AHRQ)通过质量、安全和比较有效性研究培训(QSCERT)计划资助,资助号为T32HS022236。
没有宣布。