夏蘇迪　鄧勝利　汪璠

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

DOI：10.3969/j .issn.1008 -0821.2023.07.005

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

健康科普知識采用科普形式，通過文字、視頻等方式向公眾傳遞健康相關(guān)科學(xué)知識、方法、思想和精神，以培養(yǎng)公眾健康意識，提升公眾健康素養(yǎng)。近年來，公眾對各類健康知識特別是健康科普知識的需求日益增多。調(diào)查顯示，相較于2019年，2020年微信平臺中有關(guān)保健、養(yǎng)生類的健康科普閱讀量同比增長299%。對此，2022年國家衛(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)提升健康科普知識質(zhì)量，推動全媒體健康科普知識發(fā)布和傳播水平邁上新臺階。

然而，當(dāng)前數(shù)字環(huán)境下的健康科普知識魚珠混雜。各類社交媒體和網(wǎng)絡(luò)平臺充斥大量低劣的健康知識，這些知識通常披以科普外衣，內(nèi)容真假難辨，甚至對用戶健康帶來巨大危害。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)威健康科普知識的供給，能夠有效遏制虛假健康信息，凈化健康科普知識傳播環(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)健康科普知識供給與用戶高質(zhì)量健康科普知識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)布的健康科普知識具有較強(qiáng)權(quán)威性，這為普及健康科學(xué)知識、提升全民健康素養(yǎng)、推動“健康中國2030”戰(zhàn)略提供了可靠保障。因此，探究在線醫(yī)療社區(qū)健康科普知識的供需現(xiàn)狀及優(yōu)化策略具有較強(qiáng)現(xiàn)實意義。

現(xiàn)有關(guān)于健康科普知識的研究聚焦新媒體平臺健康科普知識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)健康科普知識的主題分布及呈現(xiàn)形式，并從需求側(cè)分析用戶對知識主題和內(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)計方法，深入探究在線醫(yī)療社區(qū)健康科普知識的供需現(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)健康科普知識供給成效。

1文獻(xiàn)綜述

1.1健康科普知識的相關(guān)研究

當(dāng)前健康科普知識的研究側(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需求基礎(chǔ)上，還應(yīng)創(chuàng)新知識的內(nèi)容和呈現(xiàn)形式。健康科普文章應(yīng)密切關(guān)注社會熱點事件，針對目標(biāo)用戶的特性精準(zhǔn)發(fā)布個性化科普知識。同時，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的通俗性。在傳播效果上，在發(fā)布時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方法實現(xiàn)健康科普文章個性化推薦的可行策略。

1.2健康知識需求相關(guān)研究

現(xiàn)有健康知識需求的研究通常以特定類型疾病為研究對象，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，因此健康知識需求的維度與側(cè)重點也存在差異。例如患有心理疾病的用戶在健康知識搜尋中，更加關(guān)注疾病對社交關(guān)系和活動造成的影響。同時，作為健康知識需求的特殊類型，健康科普知識也受到關(guān)注。相關(guān)研究利用問卷調(diào)查收集公眾關(guān)于健康科普知識的需求，內(nèi)容不僅涉及疾病預(yù)防與治療，還包括營養(yǎng)、飲食、運動、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需求之間存在較大差異。此外，也有研究分析對比了不同群體和不同情境下健康知識需求的差異，例如針對同一需求對象比較不同國家（地區(qū)）以及不同疾病中的健康知識需求差異。

綜上所述，健康科普知識的研究側(cè)重于分析健康科普知識在社交媒體的傳播效果及策略，而對在線醫(yī)療社區(qū)健康科普知識的研究較為匱乏。同時，在分析健康科普知識特征時，現(xiàn)有研究主要利用人為設(shè)定的類別目錄和標(biāo)簽劃分知識類別，分類結(jié)果存在人為主觀因素，未能深入知識內(nèi)容本體揭示科普知識的內(nèi)容與形式特征。同時，現(xiàn)有關(guān)于健康知識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)療情境下用戶對健康科普知識的內(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健康科普知識的內(nèi)容特征，揭示OMC健康科普知識的主題分布、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)計方法探究用戶對健康科普知識的需求主題及偏好。最后，分析OMC健康科普知識的供給與需求匹配情況，據(jù)此為OMC健康科普知識的供給優(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的“科普號”板塊收集樣本數(shù)據(jù)。在科普號欄目，醫(yī)生可以發(fā)布健康和醫(yī)療相關(guān)的科普文章、視頻、音頻和付費內(nèi)容，為普通用戶普及醫(yī)療、健康方面的科普知識，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數(shù)據(jù)，理由如下：①作為一種周期長、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，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健康科普知識中提煉出代表性強(qiáng)、一般化的知識主題。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的共性，歸納OMC健康科普知識的主題大類。

本研究使用Python爬蟲程序在公開頁面渠道獲取樣本數(shù)據(jù)，內(nèi)容涵蓋醫(yī)生個人信息、健康科普知識、用戶行為及評價信息。樣本數(shù)據(jù)獲取時間為2022年6月1日—4日。在對空缺值和重復(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，需對數(shù)據(jù)進(jìn)行向量化處理，構(gòu)建文檔詞語矩陣。除文章類型外，視頻、音頻類型的健康科普知識以非文本形式呈現(xiàn)，因而使用其標(biāo)題作為文本分析對象。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、音頻和付費格式的知識標(biāo)題進(jìn)行拼接，通過主題挖掘獲取知識主題，并將該主題賦予對應(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“癥狀”“療法”等醫(yī)學(xué)術(shù)語進(jìn)行保留。此外，一些語詞如“肺癌”“皮膚病”“癌癥”等詞語出現(xiàn)頻率較高，且為樣本數(shù)據(jù)的表征對象，本研究需要分析這些對象的特征及關(guān)聯(lián)語詞，參考前人操作，對高頻詞做刪除處理。

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分詞庫對樣本數(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)在所有包含該語詞文檔數(shù)的占比作為該語詞的權(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別出預(yù)先設(shè)定的Ⅳ個主題，并生成各個主題的文檔一主題概率分布和主題一詞語概率分布。

2.3.1主題個數(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主題提取個數(shù)。一致性反映了同一主題下語詞之間的語義相似度，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。利用兩個指標(biāo)對模型進(jìn)行交叉驗證訓(xùn)練，當(dāng)主題提取個數(shù)為14時，模型困惑度曲線平緩且數(shù)值較低，同時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個主題為預(yù)定主題個數(shù)訓(xùn)練構(gòu)建LDA主題模型。

2.3.2主題廣度與深度計算

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

3研究結(jié)果

3.1 OMC健康科普知識的供給狀況

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

3.1.1知識主題分布

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個主題可分為8個大類，分別為疾病治療、檢查及技術(shù)方案（Cl）、病理知識（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。不同于社會化問答社區(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)、注意事項和咨詢活動的內(nèi)容也占據(jù)一定份額。在8類知識主題中，C1知識數(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），即某一文檔中知識的主題越豐富，則蘊含的信息量較少。對各知識主題而言，主題知識的廣度與知識數(shù)量呈正相關(guān)關(guān)系（β=0.150，P<0.01）。主題中包含的知識數(shù)量越多，則蘊含的知識類別愈加豐富，如圖2所示。而主題中知識深度則與知識數(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個主題的知識類型較為豐富，且蘊含的信息量也較大，這是由4個大類相對較多的知識發(fā)布數(shù)量導(dǎo)致的。

3.1.2知識呈現(xiàn)形式

健康科普知識通過文章、視頻、音頻和付費內(nèi)容4種形式呈現(xiàn)，如圖3所示?？v向來看，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。這兩個知識主題多以教育性、公益性內(nèi)容為主，知識主題本身不以營利為目的，因此兩個類別均不包括付費內(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)，其余知識大類則結(jié)合文字、音頻、視頻等多種呈現(xiàn)方式。這些知識類別涉及醫(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知識發(fā)布者特征

不同醫(yī)生發(fā)布的健康科普知識在主題類型與內(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、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)生更傾向于主動發(fā)布知識，且偏好發(fā)布學(xué)術(shù)化、專業(yè)化的知識內(nèi)容，而發(fā)布科普性質(zhì)的知識數(shù)量較少。這些主題知識涉及醫(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、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)反映了患者對醫(yī)生問診服務(wù)的認(rèn)可，而這類醫(yī)生發(fā)布的知識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，說明線上聲譽(yù)越高的醫(yī)生發(fā)布知識的數(shù)量越多，內(nèi)容涵蓋領(lǐng)域更加廣泛，知識內(nèi)容也更加淺顯。

3.2 OMC健康科普知識的需求狀況

健康科普知識瀏覽量在一定程度上體現(xiàn)了用戶需求，反映了用戶對該主題知識的關(guān)注。為消除不同主題類別在知識數(shù)量量綱上的差異，本文使用主題大類下知識篇均瀏覽量代表用戶對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健康科普知識按需求等級由高到低依次為病理知識、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，這說明OMC用戶對健康科普知識的需求以特定類型疾病為對象，科普知識內(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)，這些知識主題內(nèi)容偏重學(xué)術(shù)研究與成果展示，偏離個人日常生活與健康管理，科普性較弱。同時，這些知識主題的理解與接受需依托領(lǐng)域知識，對普通用戶的認(rèn)知增添較大負(fù)擔(dān)。

3.2.2不同主題類別的用戶評價

諸如點贊量等評價信息集中體現(xiàn)了用戶對OMC健康科普知識的滿意度，體現(xiàn)了知識的質(zhì)量。因好大夫在線中視頻、音頻和付費內(nèi)容的知識未呈現(xiàn)用戶點贊數(shù)，因此本研究僅針對文章類型健康科普知識的用戶點贊量，分析各個主題類型的知識質(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個主題具有較高的點贊數(shù)，內(nèi)容質(zhì)量得到了患者認(rèn)可。而病理知識（C2）、藥理及研究（C4）和健康科普教育（C7）這3個主題的點贊數(shù)相對較低，說明這些知識主題的質(zhì)量有待提升。

3.3 OMC健康科普知識供需匹配分析

3.3.1供給與需求的數(shù)量匹配

在線醫(yī)療社區(qū)中健康科普知識的供給與需求不平衡，現(xiàn)有知識主題在類別與數(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、病理知識和特殊患者群體。有關(guān)癥狀、病因等病理知識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需求中的重要地位。同時，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服務(wù)。患者較多關(guān)注疾病癥狀與成因、健康科普、個人健康管理及醫(yī)療咨詢與資源渠道等方面的知識，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，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的內(nèi)容價值和呈現(xiàn)形式。如表4所示，知識的點贊數(shù)與簡短易懂（β=0.853，P<0.01）、講解透徹（β=0.787，P<0.01）、內(nèi)容實用（β=0.810，P<0.01）、消除困惑（β=0.769，P<0.01）、形象生動（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。這說明健康科普知識不僅要在內(nèi)容上具有較高實用價值，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個主題，其他主題的健康科普知識因存在專業(yè)壁壘或晦澀的呈現(xiàn)形式，未能得到用戶好評。此外，相關(guān)性分析顯示，健康科普知識的主題廣度與用戶點贊數(shù)和各評價維度間均呈現(xiàn)正相關(guān)關(guān)系，而主題深度則與用戶點贊數(shù)和各評價維度呈現(xiàn)負(fù)相關(guān)關(guān)系。這說明用戶更加關(guān)注健康科普知識的豐富度和多樣性，傾向于獲取更多的知識內(nèi)容，而過多的信息量則會增加用戶認(rèn)知難度和理解負(fù)擔(dān)。

4需求驅(qū)動的OMC健康科普知識供給對策

針對OMC健康科普知識的供需現(xiàn)狀，本文將以用戶需求為導(dǎo)向，從知識主題內(nèi)容與呈現(xiàn)形式等維度提出OMC健康科普知識供給的優(yōu)化策略，以期普及健康科學(xué)知識，提高全民健康素養(yǎng)，助力健康中國建設(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)群體個性化的健康科普知識需求。根據(jù)OMC健康科普知識的供需特點，健康科普內(nèi)容應(yīng)以特定類型的疾病為切入點，圍繞疾病癥狀、成因、危害等病理知識、疾病，對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，以知識普及、疾病預(yù)防和個人健康管理為主，降低醫(yī)學(xué)專業(yè)知識的比重。同時，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、診前診后注意事項等也受到用戶廣泛關(guān)注，增加該領(lǐng)域知識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，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，但集中在病理、藥理及醫(yī)學(xué)研究方面。這些知識雖然具有較高學(xué)術(shù)價值，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，通過需求調(diào)研、內(nèi)容重構(gòu)、知識提煉等方式，揭示學(xué)術(shù)成果與生活常識、個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，從寫作、內(nèi)容營銷等方面提高健康科普知識的內(nèi)容質(zhì)量與傳播效果。研究顯示，主題豐富、表述通俗、生動形象、淺顯易懂的健康科普知識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可以針對社區(qū)醫(yī)生舉辦各類健康科普知識內(nèi)容創(chuàng)作培訓(xùn)活動，從內(nèi)容選題、語言風(fēng)格、表述方式、內(nèi)容營銷等各個方面提高醫(yī)生健康科普知識的創(chuàng)作水平，從而增強(qiáng)健康科普知識的傳播效果，讓廣大用戶在健康科普知識的獲取中潛移默化地提高個人健康素養(yǎng)。

4.4融入交互元素的科普知識呈現(xiàn)

利用短視頻、直播等媒介技術(shù)轉(zhuǎn)變健康科普知識的呈現(xiàn)形式，將互動元素融入科普作品。研究表明，科普知識傳播有中心廣播模式、欠缺模式和對話模式3種，當(dāng)前科普知識傳播以單線傳播為主，而有溝通和對話的科普形式相對匱乏。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得到了用戶的普遍關(guān)注與好評。依托上述形式創(chuàng)作健康科普知識作品，將融合文字、圖片、音頻、動畫、視頻等多種呈現(xiàn)形式，有利于增強(qiáng)知識可讀性和趣味性。同時，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化表述增強(qiáng)了知識呈現(xiàn)的表現(xiàn)力，其互動環(huán)節(jié)也為用戶即時咨詢與知識獲取提供了便利。因此，OMC應(yīng)當(dāng)鼓勵社區(qū)醫(yī)生采用直播講座等方式開展健康科普知識教育。

5總結(jié)與展望

本文以在線醫(yī)療社區(qū)為情境，從供給與需求兩個層面分析了健康科普知識的主題類型、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)量上對健康科普知識的需求偏好，分析了當(dāng)前在線醫(yī)療社區(qū)健康科普知識的供需矛盾。研究結(jié)果是對健康科普知識組織、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)人士優(yōu)化健康科普知識的供給提供了參考。

本文同樣也存在一定的局限。因音頻、視頻和付費內(nèi)容均未通過文本形式展現(xiàn)知識內(nèi)容，本文使用其標(biāo)題文本作為主題劃分的依據(jù)，這會導(dǎo)致部分知識主題劃分的偏差與遺漏。未來研究可在知識主題自動劃分的基礎(chǔ)上，可結(jié)合人工標(biāo)注的方式對這類知識內(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，本文僅使用肺癌和皮膚性疾病的健康科普知識數(shù)據(jù)作為研究樣本，未來研究可以加入多個疾病類別的健康科普知識數(shù)據(jù)，從而提升研究結(jié)果的泛化能力。