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[ 3.， 6］．我们研究了这一年龄组，因为这一人群更有可能由于生活和职业的转变而经历医疗保健连续性的障碍[ 21]，即使实施了《合理医疗费用法案》等覆盖面得到改善的条款，这种情况也可能持续存在[ 22]和利用互联网获取健康信息[ 7， 23］．目标是在6个月内招募至少75名参与者。如果参与者年龄在21-35岁之间，在过去12个月内曾在互联网上搜索过健康信息，并且报告在获得医疗保健服务方面存在至少四种障碍之一(支付服务的能力下降，与可信赖的初级保健提供者没有建立关系，无法及时预约，或交通选择有限)，则符合资格[ 24］．

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 多媒体附件1)．

总共有122名被筛选的人中有78人符合条件 图1)．研究人员联系了那些符合条件并同意参与的人，安排他们在四家公共图书馆之一进行面试。

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[ 25，并被指导学习程序，并使用笔记本电脑。为了练习，参与者首先被要求参加一个“模拟搜索”，重点是购买一盒巧克力。在进行模拟搜索时，受试者被要求描述他们正在采取的行动，他们正在阅读的内容，以及吸引他们注意力的网页的质量。该指导还指导参与者操作本研究中使用的笔记本电脑。训练结束后，参与者被随机分配到两种不同严重程度的临床症状场景之一，包括(1)发烧、轻度头痛、干咳和肌痛(提示流感)，以及(2)发烧、严重头痛和脖子僵硬(提示脑膜炎)。作为临床症状场景的提示，每个参与者都被要求“想象你正在经历这种情况，或者想想你经历过这种情况的时候”。除非参与者询问，否则参与者不会被告知症状可能是流感或脑膜炎。看到 多媒体附件2为互联网健康信息搜索的示例。

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[ 26］．每次数据收集后，浏览器搜索历史记录和cookie都会被删除。完成后，参与者获得20美元的报酬。

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[ 27］．假设检验描述了与检验诊断假设相关的相互作用(例如，输入搜索词“脑膜炎”或单击标题为“流感”的超链接)。证据收集描述了涉及症状的相互作用(例如，“疼痛、高温、肌肉酸痛”或点击链接“咳嗽、肌肉疼痛/症状搜索”)。治疗/行动寻求描述了解决补救措施、建议的行动或警报的交互，例如建议立即从医疗保健提供者那里寻求治疗、寻找治愈方法或搜索医疗保健服务(即输入搜索词“流感补救措施”或选择链接“何时寻求医疗保健”)。

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 图2．

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。 图2提供了将Internet交互转换为MP的过程示例。这个例子形成了以下元模式:

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。

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 t使用SF-36量表评估身体功能、角色-身体、身体疼痛、一般健康、活力、社会功能、角色-情绪和心理健康[ 25］．种族、性别、待遇、招聘地点、教育程度等分类变量采用卡方检验。被调查者的特征 P值≤。1or less were included in a multivariate logistic regression model. In this analysis, dominant search strategy served as the dependent variable, with System 1 serving as the reference group. We fit a logistic regression model using a backward selection procedure to test for effects of the SF-36 scale physical functioning, site, gender, race, and education. A P值为。05被认为是显著的。所有统计分析均采用SAS(r) 9.3版软件进行。

参与者的人口统计特征摘要载于 表1．样本很年轻，平均年龄为25岁(SD 4.38)，以女性为主，非白人，西班牙裔占多数，没有受过大学教育，有医疗保险。当将研究参与者的人口特征平均值与约洛县居民进行比较时[ 28， 29]整体而言，除受教育程度外，其他变量均有显著差异( P> . 05)。为了保存权力，亚裔(4/ 78,5%)、美国印第安人或阿拉斯加原住民(2/ 78,3%)、黑人/非洲裔美国人(3/ 78,4%)、混血(4/ 78,5%)、其他(29/ 78,37%)和拒绝说明的种族(13/ 78,17%)被归类为“其他”。

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: r= 38, P<措施。搜索模式(SPs)的数量和顺序存在很大差异。我们确定了27种MPs的独特模式变化 图3．

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 图4．这四种总体模式分类是通过首先根据搜索过程中所采取的步骤数对搜索模式进行分组来创建的。一个 简单的搜索是一个单一步骤(21/ 78,27%)。复合搜索是指任何涉及两个或两个以上步骤的搜索(57/ 78,73%)。

之后，每个复合图案被分为两个亚组之一，并贴上标签 直观的而且 分析．直觉搜索是指在进行假设检验和证据收集之前寻求行动/治疗的任何搜索。分析性搜索是从假设检验和证据收集开始的。未导致寻求行动/治疗的分析性搜索被进一步归类为 analytical-recursive．导致寻求行动/治疗的分析性搜索被归类为 analytical-methodical．在57个化合物搜索中，11个(19%)是直观的，31个(54%)是分析-递归的，15个(26%)是分析-方法的。

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 系统1处理因为这些搜索模式涉及快速发展到行动/治疗或在有限的互联网搜索后终止，这意味着依赖启发式线索或对互联网健康信息的随时满意。模式分类3和4的特征为 系统2处理(系统的)，因为这些模式涉及到在搜索行动/治疗或搜索终止之前搜索有关特定诊断和症状的信息的系统方法。在78名受访者中，32人(41%)使用系统1处理，46人(59%)依赖系统2处理。

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( 表2)揭示了系统处理的选择与教育和年龄之间的强烈关联。系统处理与症状场景、性别、种族或保险状况无显著相关性。年龄每增加1岁，系统加工的几率降低13.3% (OR 0.87, 95% CI 0.77-0.98， P= .02点)。教育对中央路线加工也有显著的负面影响(OR 0.30, 95% CI 0.09-0.94， P= .04点)。受教育程度较低的参与者(没有学士学位的人)不太可能使用系统处理。招聘地点也有显著影响。

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[ 10， 30.- 36]，完整性[ 30.， 32， 36， 37]，以及公众人士的易读性[ 10， 38］．其他调查人员关注的是用户信息偏好和需求[ 3.]、具有特定资讯偏好的个人人口统计资料[ 7]，以及用户对资讯格式的偏好[ 3.］．这些评估互联网健康信息和用户特征的研究表明，互联网健康信息往往不准确、不完整，外行受众难以理解，但个人仍在转向互联网进行健康决策[ 7］．

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[ 39]，但我们可以找到方法，引导互联网健康信息的搜索者走向更有可能导致准确决策的信息处理策略。先前关于信息系统设计的研究表明，为了支持准确的决策制定，系统应该是面向过程的，而不是面向信息的，因为信息寻求和决策涉及一系列随时间推移的接触，而不是单一的信息接触[ 40， 41］．自动处理(系统1)和受控处理(系统2)之间的区别解释了动机和认知能力在青年人研究决策过程中的作用[ 20.］．

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。 42］．当不存在单一的“最佳”行动时，高质量的决策会平衡消费者对利益与损害的主观评估价值。 43］．在观察到的两种互联网健康信息搜索方法中，与系统2相关的行为可能最有利于高质量的决策，因为系统2的处理者在采取行动/处理或终止搜索之前，会有条不紊地提出假设(例如，从互联网搜索期间收集的信息或先前持有的知识中建立的临时猜想)并收集信息(例如，收集信息以确认或发展假设)。

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[ 42］．然而，偏离理想的信息寻求策略可能会导致错误，例如由于错误信息、否认、过度自信、不信任或困惑而导致的推理错误[ 42］．

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[ 43］．将决策辅助工具纳入互联网卫生信息网站应考虑(1)定义决策(卫生信息资源应提供关于所有选项的信息)，(2)提供关于潜在决策结果的信息(卫生信息资源应提供概率，平衡选项的呈现，并以最新的科学证据为基础)，(3)支持符合消费者价值观的决策(卫生信息资源应明确和表达价值观，使用患者故事，并指导审议过程)[ 44］．

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。