在線醫(yī)療社區(qū)健康科普知識(shí)供需匹配研究

夏蘇迪　鄧勝利　汪璠

關(guān)鍵詞：健康科普知識(shí)；在線醫(yī)療社區(qū)；健康知識(shí)需求；知識(shí)供給；用戶需求

DOI：10.3969/j .issn.1008 -0821.2023.07.005

[中圖分類號(hào)] G252.0 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1008-0821（2023）07-0038-10

健康科普知識(shí)采用科普形式，通過文字、視頻等方式向公眾傳遞健康相關(guān)科學(xué)知識(shí)、方法、思想和精神，以培養(yǎng)公眾健康意識(shí)，提升公眾健康素養(yǎng)。近年來(lái)，公眾對(duì)各類健康知識(shí)特別是健康科普知識(shí)的需求日益增多。調(diào)查顯示，相較于2019年，2020年微信平臺(tái)中有關(guān)保健、養(yǎng)生類的健康科普閱讀量同比增長(zhǎng)299%。對(duì)此，2022年國(guó)家衛(wèi)健委等多部門聯(lián)合印發(fā)了《關(guān)于建立健全全媒體健康科普知識(shí)發(fā)布和傳播機(jī)制的指導(dǎo)意見》，要求相關(guān)主體增加優(yōu)質(zhì)健康科普作品數(shù)量，豐富健康科普作品形式，持續(xù)提升健康科普知識(shí)質(zhì)量，推動(dòng)全媒體健康科普知識(shí)發(fā)布和傳播水平邁上新臺(tái)階。

然而，當(dāng)前數(shù)字環(huán)境下的健康科普知識(shí)魚珠混雜。各類社交媒體和網(wǎng)絡(luò)平臺(tái)充斥大量低劣的健康知識(shí)，這些知識(shí)通常披以科普外衣，內(nèi)容真假難辨，甚至對(duì)用戶健康帶來(lái)巨大危害。調(diào)查顯示，31. 2%的網(wǎng)絡(luò)用戶有過被虛假健康科普欺騙的經(jīng)歷，68%的社交媒體用戶經(jīng)常偶遇虛假健康信息。面對(duì)上述問題，充分發(fā)揮健康領(lǐng)域?qū)＜业淖饔?，增加?quán)威健康科普知識(shí)的供給，能夠有效遏制虛假健康信息，凈化健康科普知識(shí)傳播環(huán)境。而“醫(yī)—患”型在線醫(yī)療社區(qū)（Online Health Com-munity，OMC）則為優(yōu)質(zhì)健康科普知識(shí)供給與用戶高質(zhì)量健康科普知識(shí)獲取提供了有效途徑。醫(yī)生具有較高專業(yè)素養(yǎng)，其發(fā)布的健康科普知識(shí)具有較強(qiáng)權(quán)威性，這為普及健康科學(xué)知識(shí)、提升全民健康素養(yǎng)、推動(dòng)“健康中國(guó)2030”戰(zhàn)略提供了可靠保障。因此，探究在線醫(yī)療社區(qū)健康科普知識(shí)的供需現(xiàn)狀及優(yōu)化策略具有較強(qiáng)現(xiàn)實(shí)意義。

現(xiàn)有關(guān)于健康科普知識(shí)的研究聚焦新媒體平臺(tái)健康科普知識(shí)的傳播策略與效果分析，鮮有研究從供給側(cè)分析在線醫(yī)療社區(qū)健康科普知識(shí)的主題分布及呈現(xiàn)形式，并從需求側(cè)分析用戶對(duì)知識(shí)主題和內(nèi)容形式的偏好。鑒于當(dāng)前研究局限，本文結(jié)合文本挖掘和數(shù)理統(tǒng)計(jì)方法，深入探究在線醫(yī)療社區(qū)健康科普知識(shí)的供需現(xiàn)狀，并以用戶需求為導(dǎo)向提出供給優(yōu)化策略，以提升在線醫(yī)療社區(qū)健康科普知識(shí)供給成效。

1文獻(xiàn)綜述

1.1健康科普知識(shí)的相關(guān)研究

當(dāng)前健康科普知識(shí)的研究側(cè)重于探討微信等新媒體環(huán)境下健康科普文章的傳播策略及效果。研究顯示，數(shù)字環(huán)境下健康科普文章在充分了解用戶知識(shí)需求基礎(chǔ)上，還應(yīng)創(chuàng)新知識(shí)的內(nèi)容和呈現(xiàn)形式。健康科普文章應(yīng)密切關(guān)注社會(huì)熱點(diǎn)事件，針對(duì)目標(biāo)用戶的特性精準(zhǔn)發(fā)布個(gè)性化科普知識(shí)。同時(shí)，健康科普文章應(yīng)融合文字、漫畫、音頻、視頻等多種形式，結(jié)合講座、直播等方式提高知識(shí)的通俗性。在傳播效果上，在發(fā)布時(shí)間方面迎合用戶閱讀習(xí)慣、滿足用戶需求以及融合多種呈現(xiàn)形式的健康科普文章具有較高瀏覽量，能夠獲得更多用戶青睞。此外，還有研究基于健康科普文章的主題和患者提問，探討了融合LDA和TF-IWF方法實(shí)現(xiàn)健康科普文章個(gè)性化推薦的可行策略。

1.2健康知識(shí)需求相關(guān)研究

現(xiàn)有健康知識(shí)需求的研究通常以特定類型疾病為研究對(duì)象，如表1所示，如糖尿病、癌癥、抑郁癥、高血壓、宮頸癌等。這些研究多以用戶問答數(shù)據(jù)為載體，通過主題挖掘和內(nèi)容分析方法，揭示不同疾病下健康知識(shí)需求的特征。不同疾病在癥狀、危害、周期等方面存在顯著區(qū)別，因此健康知識(shí)需求的維度與側(cè)重點(diǎn)也存在差異。例如患有心理疾病的用戶在健康知識(shí)搜尋中，更加關(guān)注疾病對(duì)社交關(guān)系和活動(dòng)造成的影響。同時(shí)，作為健康知識(shí)需求的特殊類型，健康科普知識(shí)也受到關(guān)注。相關(guān)研究利用問卷調(diào)查收集公眾關(guān)于健康科普知識(shí)的需求，內(nèi)容不僅涉及疾病預(yù)防與治療，還包括營(yíng)養(yǎng)、飲食、運(yùn)動(dòng)、急救、政策法規(guī)、習(xí)慣等與日常生活密切相關(guān)的主題，這與以疾病為核心的健康知識(shí)需求之間存在較大差異。此外，也有研究分析對(duì)比了不同群體和不同情境下健康知識(shí)需求的差異，例如針對(duì)同一需求對(duì)象比較不同國(guó)家（地區(qū)）以及不同疾病中的健康知識(shí)需求差異。

綜上所述，健康科普知識(shí)的研究側(cè)重于分析健康科普知識(shí)在社交媒體的傳播效果及策略，而對(duì)在線醫(yī)療社區(qū)健康科普知識(shí)的研究較為匱乏。同時(shí)，在分析健康科普知識(shí)特征時(shí)，現(xiàn)有研究主要利用人為設(shè)定的類別目錄和標(biāo)簽劃分知識(shí)類別，分類結(jié)果存在人為主觀因素，未能深入知識(shí)內(nèi)容本體揭示科普知識(shí)的內(nèi)容與形式特征。同時(shí)，現(xiàn)有關(guān)于健康知識(shí)需求的研究聚焦問答情境下的特定疾病，尚未有研究深入分析網(wǎng)絡(luò)醫(yī)療情境下用戶對(duì)健康科普知識(shí)的內(nèi)容需求及偏好。因此，本研究將從供給側(cè)與需求側(cè)分析在線醫(yī)療社區(qū)健康科普知識(shí)的供需現(xiàn)狀。在供給側(cè)，使用LDA主題模型挖掘OMC健康科普知識(shí)的內(nèi)容特征，揭示OMC健康科普知識(shí)的主題分布、呈現(xiàn)形式和發(fā)布者特征；在需求側(cè)，依據(jù)用戶行為及生成內(nèi)容，結(jié)合數(shù)理統(tǒng)計(jì)方法探究用戶對(duì)健康科普知識(shí)的需求主題及偏好。最后，分析OMC健康科普知識(shí)的供給與需求匹配情況，據(jù)此為OMC健康科普知識(shí)的供給優(yōu)化提出策略。

2研究數(shù)據(jù)與方法

2.1樣本選擇與獲取

本文選擇好大夫在線平臺(tái)的“科普號(hào)”板塊收集樣本數(shù)據(jù)。在科普號(hào)欄目，醫(yī)生可以發(fā)布健康和醫(yī)療相關(guān)的科普文章、視頻、音頻和付費(fèi)內(nèi)容，為普通用戶普及醫(yī)療、健康方面的科普知識(shí)，這為本文提供了充足的樣本數(shù)據(jù)。本文選擇“癌癥”和“皮膚病”兩種疾病類別收集健康科普知識(shí)數(shù)據(jù)，理由如下：①作為一種周期長(zhǎng)、危害大的疾病，癌癥在用戶健康需求中占據(jù)了較大比例。同時(shí)，癌癥患者涉及不同職業(yè)、年齡、民族、性別的群體，其健康知識(shí)需求表達(dá)具有代表性和普遍性；②本文擬在大量OMC健康科普知識(shí)中提煉出代表性強(qiáng)、一般化的知識(shí)主題。因此，另行選取與癌癥在特征、病理上差異甚遠(yuǎn)的皮膚病樣本為補(bǔ)充，總結(jié)兩種疾病中健康科普知識(shí)的共性，歸納OMC健康科普知識(shí)的主題大類。

本研究使用Python爬蟲程序在公開頁(yè)面渠道獲取樣本數(shù)據(jù)，內(nèi)容涵蓋醫(yī)生個(gè)人信息、健康科普知識(shí)、用戶行為及評(píng)價(jià)信息。樣本數(shù)據(jù)獲取時(shí)間為2022年6月1日—4日。在對(duì)空缺值和重復(fù)值做刪除處理后，如圖1所示，本研究最終數(shù)據(jù)包含1486位醫(yī)生的50407條健康科普知識(shí)數(shù)據(jù)。

2.2數(shù)據(jù)預(yù)處理

為將數(shù)據(jù)樣本輸入LDA主題模型進(jìn)行訓(xùn)練，需對(duì)數(shù)據(jù)進(jìn)行向量化處理，構(gòu)建文檔詞語(yǔ)矩陣。除文章類型外，視頻、音頻類型的健康科普知識(shí)以非文本形式呈現(xiàn)，因而使用其標(biāo)題作為文本分析對(duì)象。因標(biāo)題文本為短文本，借鑒以往研究的處理方式，本文將同一醫(yī)生所有視頻、音頻和付費(fèi)格式的知識(shí)標(biāo)題進(jìn)行拼接，通過主題挖掘獲取知識(shí)主題，并將該主題賦予對(duì)應(yīng)的樣本數(shù)據(jù)。具體步驟如下所示：

1）停用詞表構(gòu)建。因本文涉及較多醫(yī)學(xué)專有名詞，因此參考Mesh醫(yī)學(xué)主題詞表對(duì)“癥狀”“療法”等醫(yī)學(xué)術(shù)語(yǔ)進(jìn)行保留。此外，一些語(yǔ)詞如“肺癌”“皮膚病”“癌癥”等詞語(yǔ)出現(xiàn)頻率較高，且為樣本數(shù)據(jù)的表征對(duì)象，本研究需要分析這些對(duì)象的特征及關(guān)聯(lián)語(yǔ)詞，參考前人操作，對(duì)高頻詞做刪除處理。

2）文本分詞。在利用停用詞表基礎(chǔ)上，本研究使用Python中的Jieba分詞庫(kù)對(duì)樣本數(shù)據(jù)集進(jìn)行分詞處理。

3）文本特征提取。作為一種文本加權(quán)技術(shù)，TF-IDF方法以某一特征詞的出現(xiàn)次數(shù)在所有包含該語(yǔ)詞文檔數(shù)的占比作為該語(yǔ)詞的權(quán)重，從而體現(xiàn)其在文檔中的重要程度。本文使用TF-IDF方法賦予文檔語(yǔ)詞權(quán)重特征，據(jù)此構(gòu)建基于TF-IDF的LDA主題提取模型。

2.3基于LDA的主題建模及計(jì)算

LDA模型即隱含狄利克雷分布，該技術(shù)能夠在大規(guī)模文檔中識(shí)別出潛在的主題信息。作為一種非監(jiān)督機(jī)器學(xué)習(xí)技術(shù)，LDA利用三層貝葉斯概率模型從若干文檔中識(shí)別出預(yù)先設(shè)定的Ⅳ個(gè)主題，并生成各個(gè)主題的文檔一主題概率分布和主題一詞語(yǔ)概率分布。

2.3.1主題個(gè)數(shù)的確定

為確保主題劃分效果，提高主題內(nèi)部的相似性和主題之間的獨(dú)立性，本文結(jié)合一致性得分（Co-herence Score）和困惑度指標(biāo)（Perplexity）共同確定LDA主題提取個(gè)數(shù)。一致性反映了同一主題下語(yǔ)詞之間的語(yǔ)義相似度，一致性越高表明主題劃分效果越好。困惑度代表了概率預(yù)測(cè)樣本的效果好壞，它代表模型判斷某一文檔屬于特定主題的不確定程度。困惑度越低表明主題提取效果越好。利用兩個(gè)指標(biāo)對(duì)模型進(jìn)行交叉驗(yàn)證訓(xùn)練，當(dāng)主題提取個(gè)數(shù)為14時(shí)，模型困惑度曲線平緩且數(shù)值較低，同時(shí)模型的一致性得分相較于其他主題的得分較高。因此，本文最終以14個(gè)主題為預(yù)定主題個(gè)數(shù)訓(xùn)練構(gòu)建LDA主題模型。

2.3.2主題廣度與深度計(jì)算

為探究每條健康科普知識(shí)中蘊(yùn)含的主題豐富度和信息量大小，本文參考前人研究對(duì)健康科普知識(shí)的主題廣度和深度進(jìn)行了計(jì)算。對(duì)于主題廣度，根據(jù)LDA輸出文檔對(duì)應(yīng)的主題概率，可以計(jì)算得到各文檔蘊(yùn)含的主題個(gè)數(shù)，以衡量文檔主題豐富度。主題個(gè)數(shù)的確定使用經(jīng)驗(yàn)值l/k為閾值（k為主題數(shù)），當(dāng)某一主題的概率高于經(jīng)驗(yàn)值時(shí)，該主題可算作當(dāng)前文檔蘊(yùn)含的主題個(gè)數(shù)。同時(shí)，在保留高于閾值的文檔一主題關(guān)鍵詞概率基礎(chǔ)上使用信息熵計(jì)算文檔的主題深度，以此衡量文檔包含的信息量。信息熵計(jì)算方法如下：

3研究結(jié)果

3.1 OMC健康科普知識(shí)的供給狀況

利用LDA主題建模挖掘OMC健康科普知識(shí)的主題，揭示單條健康科普知識(shí)的主題類別及所屬概率，進(jìn)而計(jì)算各主題類別蘊(yùn)含知識(shí)的數(shù)量、廣度與深度，最后分析不同主題類別健康科普知識(shí)的呈現(xiàn)形式和發(fā)布者差異。

3.1.1知識(shí)主題分布

部分主題的關(guān)鍵詞內(nèi)涵存在共性，可據(jù)此提煉其隸屬主題的大類。如表2所示，14個(gè)主題可分為8個(gè)大類，分別為疾病治療、檢查及技術(shù)方案（Cl）、病理知識(shí)（C2）、健康護(hù)理（C3）、藥理及研究（C4）、特殊患者群體（C5）、疾病研究進(jìn)展（C6）、健康科普教育（C7）、就醫(yī)指導(dǎo)與健康咨詢（C8）。其中，C1、C2、C3、C5等5個(gè)類別均圍繞特定疾病展開，涉及疾病的病理、治療手段和康復(fù)方案。C4和C6側(cè)重介紹某一疾病和藥物的研究進(jìn)展及學(xué)術(shù)性成果，C7涉及科普性質(zhì)的健康知識(shí)。不同于社會(huì)化問答社區(qū).C8為OMC中的特有類別。OMC不僅為用戶提供線上醫(yī)療服務(wù)，也提供預(yù)約掛號(hào)途徑輔助用戶線下咨詢，因而有關(guān)就醫(yī)指導(dǎo)、注意事項(xiàng)和咨詢活動(dòng)的內(nèi)容也占據(jù)一定份額。在8類知識(shí)主題中，C1知識(shí)數(shù)量占比最高，其次是C6和C3，三者數(shù)量在總量中占比超過2/3，而最貼合科普性質(zhì)的C7占比很少，僅為4.24%。

相關(guān)性分析顯示，健康科普知識(shí)的主題廣度與深度呈現(xiàn)負(fù)相關(guān)關(guān)系（p=－0.120，P<0.01），即某一文檔中知識(shí)的主題越豐富，則蘊(yùn)含的信息量較少。對(duì)各知識(shí)主題而言，主題知識(shí)的廣度與知識(shí)數(shù)量呈正相關(guān)關(guān)系（β=0.150，P<0.01）。主題中包含的知識(shí)數(shù)量越多，則蘊(yùn)含的知識(shí)類別愈加豐富，如圖2所示。而主題中知識(shí)深度則與知識(shí)數(shù)量呈現(xiàn)負(fù)相關(guān)關(guān)系（β=－0. 107.P<0.01）。在總量層面，C1、C6、C3和C2這4個(gè)主題的知識(shí)類型較為豐富，且蘊(yùn)含的信息量也較大，這是由4個(gè)大類相對(duì)較多的知識(shí)發(fā)布數(shù)量導(dǎo)致的。

3.1.2知識(shí)呈現(xiàn)形式

健康科普知識(shí)通過文章、視頻、音頻和付費(fèi)內(nèi)容4種形式呈現(xiàn)，如圖3所示?？v向來(lái)看，除健康科普教育和就診指南與健康咨詢外，其余類別在4種呈現(xiàn)形式上均有分布。這兩個(gè)知識(shí)主題多以教育性、公益性內(nèi)容為主，知識(shí)主題本身不以營(yíng)利為目的，因此兩個(gè)類別均不包括付費(fèi)內(nèi)容。而在疾病治療、檢查及技術(shù)，健康護(hù)理、藥理及研究等主題中，一些內(nèi)容涉及醫(yī)療技術(shù)、藥物和療法的商業(yè)宣傳，部分內(nèi)容需付費(fèi)獲取。在橫向比較上，疾病研究進(jìn)展、健康科普教育和就診指導(dǎo)與健康咨詢等多以文字化形式呈現(xiàn)，其余知識(shí)大類則結(jié)合文字、音頻、視頻等多種呈現(xiàn)方式。這些知識(shí)類別涉及醫(yī)學(xué)技術(shù)與設(shè)備、療法、患者護(hù)理等操作性強(qiáng)或宣傳性內(nèi)容。相比文字描述，音視頻等呈現(xiàn)方式更加通俗與直觀。

3.1.3知識(shí)發(fā)布者特征

不同醫(yī)生發(fā)布的健康科普知識(shí)在主題類型與內(nèi)容形式上存在差異。如圖4所示，醫(yī)生專業(yè)職稱在不同主題類別中分布差距不大，而在疾病研究進(jìn)展、病理知識(shí)、健康科普教育、藥理及研究等主題中，醫(yī)生學(xué)術(shù)職稱普遍較高。相關(guān)性分析顯示，醫(yī)生學(xué)術(shù)職稱與發(fā)布知識(shí)的總數(shù)（β=0.057，P<0.05）、發(fā)布文章的數(shù)量（β=0.064，P<0.05）之間呈現(xiàn)正相關(guān)關(guān)系，如表3所示。具有學(xué)術(shù)職稱的醫(yī)生更傾向于主動(dòng)發(fā)布知識(shí)，且偏好發(fā)布學(xué)術(shù)化、專業(yè)化的知識(shí)內(nèi)容，而發(fā)布科普性質(zhì)的知識(shí)數(shù)量較少。這些主題知識(shí)涉及醫(yī)學(xué)研究、理論及技術(shù)，因此也需依托發(fā)布者扎實(shí)的學(xué)術(shù)功底和研究水平。

在線上聲譽(yù)上，發(fā)布病理知識(shí)、疾病研究進(jìn)展、特殊患者群體和就診指導(dǎo)與健康咨詢的醫(yī)生，獲得年度好大夫稱號(hào)的數(shù)量要高于其余主題類別的醫(yī)生。這一榮譽(yù)反映了患者對(duì)醫(yī)生問診服務(wù)的認(rèn)可，而這類醫(yī)生發(fā)布的知識(shí)主題也較多涉及疾病病理、患者就診和健康咨詢。發(fā)布健康護(hù)理、就診指南和健康咨詢的醫(yī)生，獲得診后服務(wù)星稱號(hào)的數(shù)量更多，而這也與兩類主題涉及內(nèi)容的服務(wù)性相吻合。此外，表3顯示醫(yī)生線上榮譽(yù)也與其發(fā)布知識(shí)的數(shù)量和主題廣度呈正相關(guān)關(guān)系，而與主題深度之間呈負(fù)相關(guān)關(guān)系，說(shuō)明線上聲譽(yù)越高的醫(yī)生發(fā)布知識(shí)的數(shù)量越多，內(nèi)容涵蓋領(lǐng)域更加廣泛，知識(shí)內(nèi)容也更加淺顯。

3.2 OMC健康科普知識(shí)的需求狀況

健康科普知識(shí)瀏覽量在一定程度上體現(xiàn)了用戶需求，反映了用戶對(duì)該主題知識(shí)的關(guān)注。為消除不同主題類別在知識(shí)數(shù)量量綱上的差異，本文使用主題大類下知識(shí)篇均瀏覽量代表用戶對(duì)該類主題的需求程度。

3.2.1不同主題類別的用戶需求數(shù)量

OMC健康科普知識(shí)按需求等級(jí)由高到低依次為病理知識(shí)、健康科普教育、就診指導(dǎo)與健康咨詢、特殊患者群體、健康護(hù)理、疾病治療、檢查及技術(shù)、藥理及研究和疾病研究進(jìn)展，如圖5所示。有關(guān)癥狀、病因、危害等病理知識(shí)的需求排名最高，而就診指導(dǎo)與健康咨詢、特殊患者群體也分列第三、四位，這說(shuō)明OMC用戶對(duì)健康科普知識(shí)的需求以特定類型疾病為對(duì)象，科普知識(shí)內(nèi)容以疾病為核心展開。這是由在線醫(yī)療社區(qū)線上問診服務(wù)目標(biāo)和用戶在線上尋醫(yī)就診的目標(biāo)決定的。而疾病治療、檢查及技術(shù)、藥理及研究和疾病研究進(jìn)展等主題的用戶需求排名滯后。調(diào)研發(fā)現(xiàn)，這些知識(shí)主題內(nèi)容偏重學(xué)術(shù)研究與成果展示，偏離個(gè)人日常生活與健康管理，科普性較弱。同時(shí)，這些知識(shí)主題的理解與接受需依托領(lǐng)域知識(shí)，對(duì)普通用戶的認(rèn)知增添較大負(fù)擔(dān)。

3.2.2不同主題類別的用戶評(píng)價(jià)

諸如點(diǎn)贊量等評(píng)價(jià)信息集中體現(xiàn)了用戶對(duì)OMC健康科普知識(shí)的滿意度，體現(xiàn)了知識(shí)的質(zhì)量。因好大夫在線中視頻、音頻和付費(fèi)內(nèi)容的知識(shí)未呈現(xiàn)用戶點(diǎn)贊數(shù)，因此本研究?jī)H針對(duì)文章類型健康科普知識(shí)的用戶點(diǎn)贊量，分析各個(gè)主題類型的知識(shí)質(zhì)量。如圖6所示，就診指導(dǎo)及健康咨詢（C8）、特殊患者群體（C5）、健康護(hù)理（C3）這3個(gè)主題具有較高的點(diǎn)贊數(shù)，內(nèi)容質(zhì)量得到了患者認(rèn)可。而病理知識(shí)（C2）、藥理及研究（C4）和健康科普教育（C7）這3個(gè)主題的點(diǎn)贊數(shù)相對(duì)較低，說(shuō)明這些知識(shí)主題的質(zhì)量有待提升。

3.3 OMC健康科普知識(shí)供需匹配分析

3.3.1供給與需求的數(shù)量匹配

在線醫(yī)療社區(qū)中健康科普知識(shí)的供給與需求不平衡，現(xiàn)有知識(shí)主題在類別與數(shù)量上未能精準(zhǔn)匹配用戶的需求。供需缺口最大的知識(shí)主題為就診指導(dǎo)與健康咨詢，其次為健康科普教育、病理知識(shí)和特殊患者群體。有關(guān)癥狀、病因等病理知識(shí)的較高需求也在不同類型的問答情境中得以表現(xiàn)，反映出這一需求在用戶健康知識(shí)需求中的重要地位。同時(shí)，健康科普教育的需求在當(dāng)前在線醫(yī)療社區(qū)中存在較大的供需缺口，知識(shí)供給數(shù)量較少。此外，在OMC在線問診情境下，用戶也表現(xiàn)出諸如就診指導(dǎo)、健康咨詢等特殊類型的知識(shí)需求。相比上述主題，疾病研究進(jìn)展、疾病治療、檢查及技術(shù)和健康護(hù)理方面的主題內(nèi)容存在“供大于求”的狀況，這些主題供給數(shù)量充足且遠(yuǎn)超用戶需求。

可見，當(dāng)前OMC及醫(yī)生未能精準(zhǔn)把握用戶健康科普知識(shí)需求。不同于“醫(yī)一醫(yī)”型在線醫(yī)療社區(qū)，“醫(yī)一患”型社區(qū)主要為用戶提供健康知識(shí)服務(wù)?；颊咻^多關(guān)注疾病癥狀與成因、健康科普、個(gè)人健康管理及醫(yī)療咨詢與資源渠道等方面的知識(shí)，而疾病研究進(jìn)展、治療技術(shù)、藥理研究及學(xué)術(shù)前沿等知識(shí)主題存在較高的行業(yè)壁壘，其內(nèi)容需依托專業(yè)領(lǐng)域知識(shí)，且受眾更多面向健康、醫(yī)療專業(yè)人士，科普性較弱。

3.3.2供給內(nèi)容與需求偏好的匹配

用戶需求偏好涉及知識(shí)的內(nèi)容價(jià)值和呈現(xiàn)形式。如表4所示，知識(shí)的點(diǎn)贊數(shù)與簡(jiǎn)短易懂（β=0.853，P<0.01）、講解透徹（β=0.787，P<0.01）、內(nèi)容實(shí)用（β=0.810，P<0.01）、消除困惑（β=0.769，P<0.01）、形象生動(dòng)（β=0.777，P<0.01）和貼合需求（β=0. 838，P<0.01）等之間存在較強(qiáng)相關(guān)性。這說(shuō)明健康科普知識(shí)不僅要在內(nèi)容上具有較高實(shí)用價(jià)值，也要在形式上以通俗的表述和形象的展現(xiàn)形式方便用戶理解與接受。相較于特殊患者群體、就診指導(dǎo)與健康咨詢、健康護(hù)理這3個(gè)主題，其他主題的健康科普知識(shí)因存在專業(yè)壁壘或晦澀的呈現(xiàn)形式，未能得到用戶好評(píng)。此外，相關(guān)性分析顯示，健康科普知識(shí)的主題廣度與用戶點(diǎn)贊數(shù)和各評(píng)價(jià)維度間均呈現(xiàn)正相關(guān)關(guān)系，而主題深度則與用戶點(diǎn)贊數(shù)和各評(píng)價(jià)維度呈現(xiàn)負(fù)相關(guān)關(guān)系。這說(shuō)明用戶更加關(guān)注健康科普知識(shí)的豐富度和多樣性，傾向于獲取更多的知識(shí)內(nèi)容，而過多的信息量則會(huì)增加用戶認(rèn)知難度和理解負(fù)擔(dān)。

4需求驅(qū)動(dòng)的OMC健康科普知識(shí)供給對(duì)策

針對(duì)OMC健康科普知識(shí)的供需現(xiàn)狀，本文將以用戶需求為導(dǎo)向，從知識(shí)主題內(nèi)容與呈現(xiàn)形式等維度提出OMC健康科普知識(shí)供給的優(yōu)化策略，以期普及健康科學(xué)知識(shí)，提高全民健康素養(yǎng)，助力健康中國(guó)建設(shè)。

4.1加大需求導(dǎo)向的優(yōu)質(zhì)內(nèi)容供給

在線醫(yī)療社區(qū)及醫(yī)生應(yīng)以用戶需求為導(dǎo)向，滿足目標(biāo)群體個(gè)性化的健康科普知識(shí)需求。根據(jù)OMC健康科普知識(shí)的供需特點(diǎn)，健康科普內(nèi)容應(yīng)以特定類型的疾病為切入點(diǎn)，圍繞疾病癥狀、成因、危害等病理知識(shí)、疾病，對(duì)不同患者群體的影響、疾病預(yù)防、治療和康復(fù)護(hù)理等內(nèi)容，創(chuàng)作各種形式的健康科普作品。健康科普作品應(yīng)面向不同用戶群體，以知識(shí)普及、疾病預(yù)防和個(gè)人健康管理為主，降低醫(yī)學(xué)專業(yè)知識(shí)的比重。同時(shí)，不同于其他類型的健康社區(qū)，在線醫(yī)療社區(qū)用戶還具有線上或線下就醫(yī)就診的特殊需求，如檢查結(jié)果解讀、診前診后注意事項(xiàng)等也受到用戶廣泛關(guān)注，增加該領(lǐng)域知識(shí)供給有利于提高患者的就診效率。

4.2促進(jìn)研究成果向科普內(nèi)容轉(zhuǎn)化

通過組建健康科普創(chuàng)作團(tuán)隊(duì)，OMC能夠協(xié)助醫(yī)生將其學(xué)術(shù)化、專業(yè)性強(qiáng)的研究成果轉(zhuǎn)換為科普性質(zhì)的作品。研究表明，具有學(xué)術(shù)職稱的醫(yī)生更樂于在社區(qū)中發(fā)布知識(shí)，但集中在病理、藥理及醫(yī)學(xué)研究方面。這些知識(shí)雖然具有較高學(xué)術(shù)價(jià)值，但從用戶視角而言，其感知有用性和接受度較低。因此，OMC可以組建專業(yè)化的健康科普創(chuàng)作團(tuán)隊(duì)，通過需求調(diào)研、內(nèi)容重構(gòu)、知識(shí)提煉等方式，揭示學(xué)術(shù)成果與生活常識(shí)、個(gè)人健康管理之間的聯(lián)系，將學(xué)術(shù)化、理論化成果轉(zhuǎn)化為科普性強(qiáng)、面向用戶日常需求的大眾作品，促進(jìn)醫(yī)療健康知識(shí)的公眾普及，提高公眾的科學(xué)與健康素養(yǎng)。

4.3提高社區(qū)醫(yī)生科普創(chuàng)作能力

OMC可以舉辦科普內(nèi)容創(chuàng)作培訓(xùn)活動(dòng)，從寫作、內(nèi)容營(yíng)銷等方面提高健康科普知識(shí)的內(nèi)容質(zhì)量與傳播效果。研究顯示，主題豐富、表述通俗、生動(dòng)形象、淺顯易懂的健康科普知識(shí)能夠取得較好的傳播效果，其內(nèi)容更易于廣大用戶接受，而不少醫(yī)生在科普寫作與傳播方面的能力尚未達(dá)到用戶預(yù)期。因此，OMC可以針對(duì)社區(qū)醫(yī)生舉辦各類健康科普知識(shí)內(nèi)容創(chuàng)作培訓(xùn)活動(dòng)，從內(nèi)容選題、語(yǔ)言風(fēng)格、表述方式、內(nèi)容營(yíng)銷等各個(gè)方面提高醫(yī)生健康科普知識(shí)的創(chuàng)作水平，從而增強(qiáng)健康科普知識(shí)的傳播效果，讓廣大用戶在健康科普知識(shí)的獲取中潛移默化地提高個(gè)人健康素養(yǎng)。

4.4融入交互元素的科普知識(shí)呈現(xiàn)

利用短視頻、直播等媒介技術(shù)轉(zhuǎn)變健康科普知識(shí)的呈現(xiàn)形式，將互動(dòng)元素融入科普作品。研究表明，科普知識(shí)傳播有中心廣播模式、欠缺模式和對(duì)話模式3種，當(dāng)前科普知識(shí)傳播以單線傳播為主，而有溝通和對(duì)話的科普形式相對(duì)匱乏。本文結(jié)果同樣顯示，直播、論壇、大講堂等形式的健康咨詢活動(dòng)得到了用戶的普遍關(guān)注與好評(píng)。依托上述形式創(chuàng)作健康科普知識(shí)作品，將融合文字、圖片、音頻、動(dòng)畫、視頻等多種呈現(xiàn)形式，有利于增強(qiáng)知識(shí)可讀性和趣味性。同時(shí)，相比文章呈現(xiàn)形式，直播、講壇等形式的健康科普作品借助專家口語(yǔ)化表述增強(qiáng)了知識(shí)呈現(xiàn)的表現(xiàn)力，其互動(dòng)環(huán)節(jié)也為用戶即時(shí)咨詢與知識(shí)獲取提供了便利。因此，OMC應(yīng)當(dāng)鼓勵(lì)社區(qū)醫(yī)生采用直播講座等方式開展健康科普知識(shí)教育。

5總結(jié)與展望

本文以在線醫(yī)療社區(qū)為情境，從供給與需求兩個(gè)層面分析了健康科普知識(shí)的主題類型、數(shù)量、呈現(xiàn)形式及用戶偏好與需求。在理論上，本文揭示了當(dāng)前在線醫(yī)療社區(qū)中健康科普知識(shí)的主題分布狀況，發(fā)現(xiàn)了用戶在內(nèi)容數(shù)量和質(zhì)量上對(duì)健康科普知識(shí)的需求偏好，分析了當(dāng)前在線醫(yī)療社區(qū)健康科普知識(shí)的供需矛盾。研究結(jié)果是對(duì)健康科普知識(shí)組織、健康信息需求和在線醫(yī)療社區(qū)用戶行為等領(lǐng)域的補(bǔ)充和細(xì)化。在實(shí)踐上，本文結(jié)果也為在線醫(yī)療社區(qū)的管理者和健康醫(yī)療專業(yè)人士?jī)?yōu)化健康科普知識(shí)的供給提供了參考。

本文同樣也存在一定的局限。因音頻、視頻和付費(fèi)內(nèi)容均未通過文本形式展現(xiàn)知識(shí)內(nèi)容，本文使用其標(biāo)題文本作為主題劃分的依據(jù)，這會(huì)導(dǎo)致部分知識(shí)主題劃分的偏差與遺漏。未來(lái)研究可在知識(shí)主題自動(dòng)劃分的基礎(chǔ)上，可結(jié)合人工標(biāo)注的方式對(duì)這類知識(shí)內(nèi)容的主題進(jìn)行歸類，進(jìn)而提高主題劃分的準(zhǔn)確性。同時(shí)，本文僅使用肺癌和皮膚性疾病的健康科普知識(shí)數(shù)據(jù)作為研究樣本，未來(lái)研究可以加入多個(gè)疾病類別的健康科普知識(shí)數(shù)據(jù)，從而提升研究結(jié)果的泛化能力。