研究参与者是从日本互联网研究服务公司MyVoice Communication, Inc的注册用户中招募的;这些接受者被要求在2012年对一项基于互联网的横断面调查做出回应。在这项研究中，我们招募了个人互联网用户，因为电子健康素养对于访问在线健康信息是必要的。我们认为互联网调查适合于这项研究，因为这样的调查的应答者显然能够有效地使用互联网。2012年，该研究公司有大约118万自愿注册的参与者，并从每个注册参与者那里获得了详细的社会人口统计数据。在这项研究中，我们旨在收集2000名年龄在20至59岁之间的男性和女性的数据。我们的目的是尽量减少性别和年龄比例差异造成的选择偏差;因此，我们将注册参与者按性别和年龄平均分配到8个样本组(20-29岁、30-39岁、40-49岁和50-59岁)，每组n=250人。互联网研究服务公司根据样本量从注册参与者中随机选择潜在受访者:N=10,178;男性:20-29岁，n=2275; 30-39 years, n=1255; 40-49 years, n=880; 50-59 years, n=699; female: 20-29 years, n=1979; 30-39 years, n=1362; 40-49 years, n=963; and 50-59 years, n=765. In addition, the Internet research service company blindly selected the potential respondents such that the authors and other registered participants were unable to identify those individuals.

该公司通过电子邮件邀请注册者参与调查。每个分层样本组的潜在受访者数量由配额(n=250)除以相应社会人口学组的回复率确定。这个回复率是根据该研究公司之前进行的许多调查结果计算出来的。问卷被放置在网站的保护区域，潜在的受访者在邀请电子邮件中收到特定的URL。潜在的受访者可以使用唯一的ID和密码登录到该网站的受保护区域。在期望数量的参与者自愿签署在线知情同意书并填写社会人口数据信息表后，不再接受更多的参与者。价值150日元的奖励积分作为参与的奖励(2012年1美元相当于大约82日元)。本研究获得日本东京早稻田大学伦理委员会(No: 2011-245)批准。

我们将J-eHEALS评分相对于组中位数分为两类(高或低)之一(中位数24.02,IQR 19.19-27.82);我们这样做是根据先前使用eHEALS分析电子健康素养水平与健康行为和健康信息寻求之间关系的研究[ 30.， 33， 44］．我们采用卡方检验来评估每种健康行为与电子健康素养的比例差异。我们进行了logistic回归分析，以估计每种健康行为与电子健康素养水平之间的关联。为了确定每种健康行为与电子健康素养水平的相关性，我们进行了logistic回归分析:我们调整了社会人口学变量(年龄组、婚姻状况、教育程度和家庭收入)、互联网搜索频率以及在单变量分析中与电子健康素养有统计学意义的健康行为。我们计算了每个变量的调整优势比和95%置信区间。在所有的分析中， P<。05was considered statistically significant. We used PASW 19.0 to compute the statistics.

我们从研究公司收到了2142名成年人的数据(回复率:21.04%，2142/10,178)。我们排除了数据不完整的受访者(缺失率:1.26%，27/2142)，因此分析了2115名为研究变量提供完整信息的成年人的数据。 表1介绍了被调查者的特点。在本研究中，参与者的平均年龄为39.7岁(SD为10.9岁);49.74%(1052/2115)为男性，50.69%(1072/2115)为大学或研究生毕业，23.74%(502/2115)为高中以下学历。在调查对象中，47.28%(1000/2115)家庭收入在500万日元以下，52.72%(1115/2115)家庭收入在500万日元以上，58.06%(1228/2115)已婚，72.06%(1524/2115)每天使用互联网搜索信息。平均J-eHEALS评分为23.4 (SD 6.4)。

在单因素分析中，睡眠时间( P=.30)，吃早餐( P=.75)，以及吃零食( P=.17)与电子健康素养水平无统计学显著相关。然而，吸烟( P<.001)，体育锻炼( P=.001)、饮酒( P=.009)，以及均衡营养( P<.001)与电子卫生素养水平显著相关;这些变量被纳入逻辑回归模型作为控制因素。 表2展示了电子健康素养与不同类型健康行为之间关联的逻辑回归分析结果。本表还显示了在控制协变量后，对电子健康素养与每种健康行为之间的关联进行逻辑回归分析的结果。在控制协变量后，电子健康素养高的个体在体育锻炼(调整优势比[AOR] 1.377, 95% CI 1.131-1.678)和均衡饮食(AOR 1.572, 95% CI 1.273 -1.940)方面表现出良好健康行为的可能性明显高于电子健康素养低的个体。然而，在控制协变量后，我们观察到eHEALS评分与吸烟、饮酒、睡眠时间、吃早餐和在两餐之间进食的健康行为之间没有显著相关性。

在控制了社会人口学变量、网络搜索频率和其他健康行为后，本研究发现，电子健康素养高的成年互联网用户明显比电子健康素养低的个体更有可能拥有良好的健康行为，如体育锻炼和均衡营养。然而，我们发现电子健康知识与吸烟、饮酒、睡眠时间、吃早餐或在两餐之间进食之间没有显著关联。

这项研究首次研究了日本互联网成年用户的电子健康素养与吸烟、体育锻炼、饮酒、睡眠习惯、吃早餐、餐间进食和均衡营养等一般健康行为之间的关系。在控制协变量后，我们发现电子健康素养与互联网用户的体育锻炼和均衡营养等良好健康行为有关。这项研究的结果支持IMeHU的研究结果。 28］．根据IMeHU，电子健康素养较高的个人在使用互联网获取健康信息方面有更大的动力和效率[ 28］．先前的调查显示，电子健康素养高的人更积极地消费在线健康信息[ 2， 30.， 33， 34， 45] -特别是有关运动和营养的资讯[ 2， 45] -比电子健康知识水平低的人。这项研究加强了IMeHU的发现，即电子健康素养可以通过使用在线健康信息调节社会地位和健康行为之间的联系[ 28］．

这项研究表明，高电子健康素养可以促进互联网用户的体育锻炼和均衡营养的健康行为。一项针对大学生的研究发现，电子健康素养能促进锻炼等健康行为;吃低脂食物、低糖谷物、蔬菜和水果;而且总是有高质量的睡眠[ 36］．这项研究对这些发现进行了扩展，不关注大学生，而是关注普通人群。由于30至59岁的普通成年人中约有90%使用互联网，互联网正成为促进普通人健康行为的有效干预工具[ 2］．因此，为了促进健康行为，包括体育锻炼和均衡营养，有必要研究如何提高成年互联网用户的电子健康素养。

一项研究发现，功能性电子健康素养和关键性电子健康素养在饮食和运动行为方面表现出积极的预测能力，尽管关键性电子健康素养只能积极地预测睡眠行为[ 36］．许等[ 36研究发现，功能性电子健康素养和互动性电子健康素养对健康行为的影响低于批判性电子健康素养，如下:根据参与理论，与功能性电子健康素养和互动性电子健康素养相比，批判性电子健康素养可能更能激励个人寻求和评估健康信息的质量。然而，在本研究中，eHEALS被作为单一因素使用，它不包括功能、互动和关键电子健康素养这三个维度[ 2， 19］．因此，本研究不允许讨论健康行为与功能性、互动性和关键性电子健康素养之间的关联。需要进一步的研究来阐明电子健康素养的三个维度如何影响健康行为的机制，以制定有效的电子健康素养教育计划，促进成年互联网用户的健康行为。

我们发现日本互联网用户的eHEALS平均得分低于此前报道的美国[ 34］．我们的发现与之前一项关于健康素养的研究一致[ 46］．在本研究中，eHEALS平均得分为23.4 (SD 6.4)，这与之前对日本互联网用户的调查结果相似[ 35］．相反，Tennant等人[ 34]确定美国婴儿潮一代和老年人的平均eHEALS评分为29.05 (SD 5.75)(男性:54.8%;年龄:平均67.46岁，标准差9.98岁)。虽然这项研究的参与者比我们研究中的人群年龄大，但他们报告的eHEALS平均分数更高。这种差异可以用Nakayama等人的论点来解释[ 46]，因此日本人发现很难在互联网上找到健康信息，因为没有可靠的，可理解的，中立的，全面的健康网站，如MedlinePlus(美国国家医学图书馆)。

这项研究有一些局限性。首先，参与者是从一家日本互联网研究服务公司招募的;因此，评估的关系可能是有偏见的，因为这个样本作为一般的日本互联网用户可能不具有代表性[ 47- 49］．我们按性别和年龄对八个样本组进行了平等分配，以尽量减少选择偏差;然而，在互联网研究公司注册的参与者的代表性上仍然存在不可避免的偏见。在登记的参与者中，约50%为男性，约55%为二三十岁，约45%为大学或研究生毕业。相比之下，一项全国性调查发现，在日本普通人口中，20岁以上的成年人中，大约30%的人是20多岁或30多岁，大约20%的人大学或研究生毕业[ 50］．此外，以往的研究表明，受访者可能具有某些特征，例如收入较高、经常上网，以及比一般互联网用户更有可能对调查作出回应[ 48， 49］．因此，有必要注意的是，本次研究的2115名参与者比日本的互联网用户和普通人群更年轻，受教育程度更高，收入更高，并且有更多的互联网接入。

其次，健康行为和电子健康素养仅使用自我管理的问卷进行评估。因此，在估计健康行为和电子健康素养水平方面的不准确性是不可避免的。此外，一些研究报告称eHEALS是不合适的，因为它没有评估使用Web 2.0的能力[ 18， 21］．因此，有必要改进电子健康素养模型，以适应Web 2.0工具所创造的信息环境的快速变化[ 18］．

在日本成年互联网用户中，我们发现一些健康行为，包括锻炼和均衡营养，与电子健康素养独立相关。在快速发展的互联网用户社会中，需要进一步的研究来确定将电子健康素养与健康信息搜索和健康行为联系起来的机制，以便更准确地设计有效的策略来促进健康行为。