健康數字囤積行為影響因素研究*

閆曉蒨 胡德華

(中南大學生命科學學院生物醫學信息學系 長沙 410011)

1 引言

隨著互聯網技術的不斷發展和大數據、人工智能等新技術的出現，公眾可以方便地獲取大量健康信息[1]。相較于普通信息，健康信息具有更強的專業性，其中質量不佳的信息可能會誤導公眾作出有損身心健康的錯誤決策[2]。大量囤積健康信息反而可能會帶來負面影響，因此判定健康數字囤積行為并研究其影響因素具有一定的價值。

2 文獻綜述與研究假設

2.1 文獻綜述

最早的數字囤積行為研究是Van Bennekom M J等[3]于2015年圍繞一名因為大量囤積數碼照片而影響日常生活的人的行為展開的。Sweeten G等[4]在2018年的研究中將數字囤積行為定義為對電子郵件、照片、文件和軟件等數字材料的過度積累。Luxon A M等[5]則認為數字囤積障礙屬于一種精神疾病?？偟膩碚f數字囤積行為是對數字資料的過量積累，伴隨著壓力、混亂和刪除困難。Neave N等[6]研究設計了包括數字囤積問卷和工作場所數字行為問卷的數字囤積行為問卷，調整后的問卷具有良好的信效度，在數字囤積研究領域得到認可。吳旭瑤等[7]在訪談基礎上編制符合中國文化背景的數字囤積行為量表，在國內研究中有較高認可度。除量表編制外，張征等[8]探究大學生數字囤積行為，認為男女受訪者的數字囤積行為并無差異。張艷豐等[9]對移動社交媒體用戶數字囤積行為采用扎根理論探究，認為信息稀有性、信息質量(information quality，IQ)等因素對用戶數字囤積行為有較強影響力。

本研究將健康數字囤積行為定義為將包括疾病防治、運動與飲食作息、生理心理，以及其他與健康相關的數字材料以能夠再次查詢的方式標記的行為。由于健康數字內容良莠不齊，健康數字囤積行為可能使用戶產生健康焦慮情緒[10]，或由于媒體倦怠而無法持續健康行為培養[11]，從而影響用戶的健康狀況。

感知價值是用戶對產品或服務的感知，是其在感知到收益和成本之間權衡后作出的總體評價[12]。在對健康信息行為的研究中，眾多學者引入感知價值理論，關注用戶感知因素在其行為中發揮的作用，在研究中更聚焦于用戶主體，提煉出感知收益(perceived benefit，PB)與感知風險(perceived risk，PR)兩個變量[13]。本研究基于感知價值理論，建立研究模型研究用戶健康數字囤積行為。通過問卷調查，研究健康數字囤積現象及其作用機制，以期了解用戶的健康數字囤積現狀，并針對其作用機制提出對策與建議。

2.2 研究假設

2.2.1 感知收益 是用戶在產生健康數字囤積行為時感知到能夠獲取收益。本研究認為，用戶在感知健康數字囤積行為能為其帶來獲取健康知識、輔助診斷病情等收益時，傾向于產生健康數字囤積行為。同時信息質量與服務質量(service quality，SQ)會對感知收益產生影響[14]。因此提出以下假設H1：信息質量顯著正向影響感知收益。H2：服務質量顯著正向影響感知收益。H3：感知收益顯著正向影響健康數字囤積行為。

2.2.2 感知風險 是用戶在產生健康數字囤積行為時感知到可能存在風險。用戶在進行健康數字囤積行為時獲得的感知風險主要包括信息過載(information overload，IO)、負面情緒(negative emotions，NE)[15]。因此提出以下假設H4：信息過載顯著正向影響感知風險。H5：負面情緒顯著正向影響感知風險。H6：感知風險顯著正向影響健康數字囤積行為。

2.2.3 感知成本(perceived cost，PC) 是用戶在產生健康數字囤積行為時感知到可能要付出的成本，主要包括搜索成本、存儲成本等實際成本(actual cost，AC)[16]。同時感知成本也會對感知風險造成一定的影響。當再次搜索的成本較高，用戶傾向于囤積信息[17]。因此提出以下假設H7：實際成本顯著負向影響感知成本。H8：感知成本顯著正向影響感知風險。H9：感知成本顯著負向影響健康數字囤積行為。

2.3 研究模型

基于以上理論基礎與研究假設，構建本研究理論模型，見圖1。

圖1 健康數字囤積行為影響因素模型

3 研究對象與方法

3.1 研究對象

本研究數據收集時間為2023年4月23日—2023年5月3日，研究對象為收藏(指通過任何方式自主標記信息，以能多次查詢該信息的行為)過健康信息的用戶，排除標準：未收藏過健康信息；無法自主填寫問卷。在本研究中，待驗證問卷共包括43個條目，按照條目數的5倍加20%安全系數確定待驗問卷樣本量至少為258份。正式調查共收集418份問卷，除未完成問卷和各部分方差為0的問卷，得到有效問卷303份，大于所需樣本量。

3.2 問卷設計

3.2.1 問卷構成 (1)人口統計變量。包括用戶年齡和健康水平。(2)健康數字囤積行為影響因素量表。包括信息質量等9部分，采用李克特5點量表進行測量，見表1。為保證問卷質量，充分參考成熟量表，按照研究目的進行調整。(3)健康數字囤積行為量表。對健康數字囤積行為的測量，參考吳旭瑤等[7]編制的數字囤積行為量表，按照健康信息收集目的進行修改，咨詢相關領域專家3名。為減少理解歧義，根據預調查對題項進行解釋。最終量表主體，見表2。

表1 健康數字囤積行為調查問卷

表2 健康數字囤積行為量表

3.2.2 預調查 為保障問卷質量，在正式調查前進行預調查并設置問題反饋項，以修改問卷中可能存在的理解困難、歧義與誤解。預調查共收取問卷73份，剔除無效問卷4份，對69份有效問卷進行信效度檢驗。影響因素部分Cronbach’α為0.92，健康數字囤積行為部分Cronbach’α為0.918，均具有較高的信度。影響因素量表與健康數字囤積行為量表取樣適當性(Kaiser-Meyer-Olkin，KMO)分別為0.767和0.790，Bartlett’s球性檢驗水平顯著(P<0.001)，總方差累計貢獻度大于60%，旋轉后的成分矩陣符合劃分維度，說明量表效度良好。此外根據預調查參與者的意見反饋，對題項設置進行語言描述修改并增添相應注釋。

4 數據分析

對正式調查獲取的303份有效問卷進行信效度分析。影響因素部分Cronbach’α為0.818，健康數字囤積行為部分Cronbach’α為0.910，均具有較高信度。影響因素量表與健康數字囤積行為量表KMO分別為0.880和0.894，Bartlett’s球性檢驗水平顯著(P<0.001)，總方差累計貢獻度大于60%，旋轉后的成分矩陣符合劃分維度，量表效度良好。

4.1 人口統計學變量分析

對研究對象的人口統計學變量進行分析，見表3。

調查對象年齡分為4組，自評健康狀況分為5組。對不同年齡分組和自評健康狀況分組分別進行健康數字囤積行為的差異性檢驗，見表4。年齡分組間收藏與健康需要維度顯著性大于0.05，說明在收藏與需要維度，年齡組間沒有差異性。但在情感以及總分方面，不同年齡分組具有差異性，18歲以下分組情感與總分得分均明顯低于其他分組。自評健康狀況對健康數字囤積行為的收藏維度有統計學差異，自評健康狀況較差和很差的分組得分平均值為4.00和4.55，低于平均值4.67，自評健康狀況較好和很好的分組平均值分別為4.83和4.92，均高于平均值。自評健康狀況較好的分組的收藏傾向更為明顯。

表4 健康數字囤積行為的差異性分析

4.2 影響因素分析

通過AMOS軟件對模型進行路徑分析，刪除無關路徑得到結構方程模型，見圖2。

圖3 健康數字囤積行為的結構方程模型

對模型進行擬合優度檢驗。在進行一次模型修正后，卡方自由度比(X2/df)為2.470，滿足<3的標準；增值擬合指數(IFI)為0.851，滿足>0.8的標準；比較擬合指數(CFI)為0.850，滿足>0.8的標準；近似誤差均方根(RMSEA)為0.007，滿足<0.08的標準。各指標都達到較高水平，模型擬合優度較好。對模型進行路徑分析，見表5，各維度P值均達到顯著水平，各假設皆得到驗證。

5 討論

5.1 年齡與自評健康狀況對健康數字囤積行為的影響

5.1.1 年齡較大分組健康數字囤積行為較強 18歲以下分組的健康數字囤積行為量表得分為45.39分，低于所有題項中位數48分，情感維度得分11.537分，低于本維度所有題項中位數16分。伴隨著年齡增長，健康問題更為頻繁[25]，所以更傾向于囤積健康數字信息以便查詢或改善自己的健康狀況，情感依賴也更為強烈。因此，平臺可根據用戶的年齡特點，豐富用戶畫像以提供更具個性化的服務。

5.1.2 自評健康狀況較好則分組收藏傾向更強 除自評健康狀況極差分組1人外，各組水平均高于收藏維度的平均值16分?？赡茉蛉缦?。一是收藏成本較低。各種健康平臺的收藏、轉發、點贊等功能往往不需要支付太多額外的費用，并且許多健康信息來源于平臺推送，不需要用戶特意檢索，因此收藏程度總體水平較高[26]。二是由于健康信息具有的專業性特點，一些較權威的健康信息對于改善用戶健康狀況有促進作用，接觸健康信息能夠促進相應的健康行為的產生[27]。在一定范圍內的收藏行為與健康狀況改善之間可能存在良性影響，因此平臺應當引導用戶形成良好的健康數字管理理念，在合理范圍收藏健康數字資料，從而避免囤積行為造成的焦慮。

5.2 信息質量與服務質量通過感知收益顯著正向影響健康數字囤積行為

用戶在線上健康平臺的隱私披露行為中，信息質量、服務質量會通過感知收益顯著影響隱私披露行為[19]?？赡茉蛞皇切畔①|量是用戶在囤積健康信息時主要的篩選標準，當其認為信息質量符合其需求時才會收藏該信息[4]。二是當平臺操作簡單時，用戶無須投入太多的時間與精力學習操作流程，相對會感知到更多收益[23]。三是信息質量比服務質量更能影響用戶的感知收益，信息質量的影響更為直接[20]。因此，用戶應提高自身對健康信息的甄別能力，避免造成信息冗余。平臺也應針對用戶的使用習慣，開發相應的輔助功能。

5.3 信息過載、負面情緒與感知成本通過感知風險顯著正向影響健康數字囤積行為

信息過載與負面情緒均顯著正向影響感知風險，感知成本顯著負向影響感知風險，感知風險顯著正向影響健康數字囤積行為。與負面情緒相比，信息過載對感知風險的影響更大?？赡茉蛞皇悄贻p用戶存在一種樂觀的隱私偏差，即使感知信息風險，也會存在自我判斷不會出現嚴重后果的偏差心理，反而會加強使用行為[28]。感知風險會對信息共享行為產生負向影響，當用戶感知風險水平較高時，會更有不愿共享信息的意向，從而傾向于囤積信息以自我應用[29]。二是當用戶認為面對的事物外在表征與內部特征超出自身處理能力時，就會感知到信息過載[30]，其在囤積行為中感知的風險水平也會隨之上升。三是用戶信息行為中的負面情緒包括焦慮、抵制、回避、退出和忍耐等[31]，這樣的情緒會使用戶感知到行為過程中存在風險，負面情緒能夠正向影響感知風險[32]。由于感知風險與健康數字囤積行為存在正向關系，可以通過囤積水平了解負面情緒水平，以降低可能存在的情緒風險。

6 結語

本研究基于數字囤積行為的概念，系統研究健康數字囤積行為的現狀及其影響因素，探究健康數字囤積行為的測量方式，對于健康信息的發布者和接收者以及監管者均有一定的借鑒意義。本研究在理論方面探究了感知收益、感知成本和感知風險對健康數字囤積行為的影響，在下一步研究中，將進一步探討健康數字囤積行為的作用機制及其對用戶產生的實際影響。

利益聲明：所有作者均聲明不存在利益沖突。