信息特征对网络健康焦虑的影响研究*

李新月 韩文婷 朱庆华

（1.南京大学信息管理学院 江苏南京 210023）

（2.山东财经大学管理科学与工程学院 山东济南 250014）

伴随着移动互联与数字搜索的快速发展，互联网成为了公众获取健康信息和展开网络自诊的主要渠道。2021 年，艾瑞咨询发布的《中国互联网医学垂直内容行业洞察》报告显示健康和医疗在科普类的八大主题中搜索量占比63.16%，位居第一。39%的用户在患病时会首选网络搜索［1］。互联网作为世界上最大的医学图书馆［2］，为公众提供了疾病症状、治疗方案、他人经验交流及专家意见等种类多样、数量庞大的健康信息，促使在线健康信息搜索成为快速便捷、成本效益高的信息获取手段。但与此同时，健康焦虑也在网络这个全新环境中衍生发展，健康焦虑是个体对感知到的健康威胁和对身体症状的误解而产生的担忧与态度［3］。《2019 年国民健康洞察报告》显示，96%的国民担忧自身的健康状况［4］。 70%最初搜索常见和无害症状的人会逐渐搜索更罕见和严重的情况［5］。网络健康焦虑作为互联网健康信息和焦虑情绪的交互作用产物，无疑会对公众的心理与生理健康产生消极影响，甚至致使公众频繁问诊，造成医疗资源的重复浪费。

现有研究表明低质量的健康信息可能会加重用户的不确定性与焦虑程度［6］。目前，网络中存在着大量内容上模棱两可、准确性上不受控制［7］，需求上难以 匹 配［8］，来 源 上 相 互 冲 突［9］，数 量 上 庞 杂 过 载［10］的健康信息。 然而，当前健康焦虑、网络疑病症等相关议题的研究多从心理学、临床医学的视角出发，围绕健康焦虑的测量［11］、心理产生机制及干预方式等主题，指出不确定性不容忍度、焦虑敏感性是健康焦虑产生与加剧的重要的机体认知变量［12］。 尽管已有学者关注到了健康焦虑与在线健康信息搜寻行为的双向作用关系［13］，但研究尚未深入挖掘在线健康信息搜寻行为的发生场景，忽视了网络这一健康焦虑的最新衍生环境，也无法得知低质量信息在网络健康焦虑形成中可能发挥的关键作用。因此，本研究旨在建立一个包含外部信息、内部认知的多层次网络健康焦虑影响因素模型，探究信息特征将如何作用于个体认知，进而影响网络健康焦虑。研究结果将拓展健康焦虑概念内涵，解释网络健康焦虑的形成机制，并有助于缓解个体的网络健康焦虑，辅助营造良好的健康信息网络环境和提升公众健康生活质量。

1 相关研究

1.1 网络健康焦虑内涵

网络健康焦虑是健康焦虑在网络环境下的衍生物，已有研究大多关注健康焦虑或在临床上呈现疾病形态的网络疑病症，少有研究围绕网络环境定义网络健康焦虑这一更日常化、大众化的社会现象。健康焦虑（Health Anxiety）是个体主观认为身体感觉或变化是一种严重疾病的征兆时的心理体验［14］。在医学领域，心身研究诊断标准（DCPR）将其定义为对疾病或疼痛的担忧与态度［15］。 而网络疑病症（Cyberchondria）是临床医学与心理学中的专业术语，源于网络（Cyber）与疑病症（Hypochondriasis），在《美国精神疾病分类与诊断手册》中被定义为强烈的健康恐惧［16］。Fergus 认为网络疑病症是因个体对网络搜索结果的查看而对普通症状毫无根据的担忧扩大化［17］。相互作用而又不断升级的“焦虑-搜寻-焦虑”正反馈循环是网络疑病症的显著特点。事实上，研究认为网络健康焦虑与网络疑病症的内核一致，均旨在表达网络搜寻与焦虑情绪的相互作用关系（见图1），它们是连续症状谱的两端，网络健康焦虑是其中更轻微、日常的状态。

图1 健康焦虑、在线健康信息行为与网络疑病症关系

研究结合健康焦虑与网络疑病症的核心内涵，认为网络健康焦虑是指在个体在日常的网络健康信息搜寻、接受、加工等处理过程中对某种身体状况或患有疾病的担忧与恐慌加剧，该心理状态可能会引发新一轮的信息搜寻。

1.2 信息特征与网络健康焦虑

健康焦虑的成因复杂多维，医学与心理学领域主要关注个体的内在机体变化，提出不确定性不容忍度［18-20］、焦虑敏感性［18］等认知特征是健康焦虑的影响因素。其中，不确定性不容忍度是个体对不确定性感知的认知偏见［21］，而焦虑敏感性是个体对焦虑的焦虑［22］。然而，伴随着网络疑病症的出现，在线健康信息搜寻行为被认为是加剧健康焦虑的重要变量［5，23-24］。事实上，健康信息搜寻行为是个体对网络健康信息的处理与认知加工，是外部信息刺激因素与内在认知因素的交互过程。然而，目前却少有研究关注信息刺激对个体认知变化及网络健康焦虑产生的影响。

早在20 世纪90 年代，Wilson 就指出信息特征是影响特定情境中行为反应的重要因素［25］，在传媒［26］、营销［27］等领域已被广泛研究。 对于健康信息而言，互联网为健康信息的孕育与传播提供了温床，大量复杂难懂的专业知识、模糊晦涩的医学术语、令人困惑的图表与相互冲突的内容等使用户陷入复杂的理解中，增加了其认知负荷。同时由于注意力偏差等机制的存在，用户更有可能关注到负性信息而进一步产生健康焦虑。 罗晓兰等将健康焦虑的信息刺激归纳为信息来源、信息超载、信息冲突、信息窄化与伪健康信息五类［28］。 王文韬等采用内容分析法构建了网络健康焦虑的概念模型，指出信息来源、信息超载、信息模糊是网络健康焦虑形成的重要刺激因 子［29］。在国 外，Starcevic Vic 和Berle 在解析网络疑病症时也阐释了信息过载与完美主义、信息模糊与不确定性不容忍度等构念的关系［30］。在Latto 等对COVID-19 疫情环境下未证实信息传播的研究中，信息信任、 信息过载被验证为是网络疑病症的影响因子［31］。结合上述研究与在线健康信息特点，可发现信息过载、信息信任、信息冲突、信息模糊特征或许是影响网络健康焦虑产生与加剧的重要外部信息因素（信息特征见表1）。 尽管有少许研究已关注到健康信息特征与健康焦虑的关系，但大多为质性分析，二者的具体关系尚未可知。

表1 网络健康焦虑相关研究中的信息特征

综上所述， 网络健康焦虑及相关主题的研究已得到了国内外学者积极关注与探索，在心理学、医学以及信息资源管理领域积累了一定的理论成果，但同时也存在一些值得进一步探讨的研究问题。 在研究内容上，现有研究多聚焦于个体特征与认知特质，关注网络健康焦虑的内在形成机制， 缺乏对当下健康信息环境特征的分析，也尚未建立多层次的概念模型。在研究方法上，多采用内容分析等质性研究方法，缺乏更直接、准确的量化验证。因此，本研究提出以下三个具体的研究问题：

（1）哪些信息特征将会影响用户的网络健康焦虑？

（2）网络健康信息特征作为外部刺激，如何作用于用户的认知状态， 进而作用于网络健康焦虑的产生与加剧？

（3）健康信息服务提供商及其他相关机构应当如何优化健康信息以减少网络健康焦虑的发生？

2 理论基础与模型构建

2.1 刺激- 机体- 反应理论（Stimulus-Organism-Response Theory，以下简称SOR 理论）

心理学家Waston 于1914 年提出刺激-反应（Stimulus-response，SR）模型，该模型从因果关系的时间视角出发，他阐明了行为主义的观点，强调人的行为分为刺激和反应两个部分［36］。 然而，SR 理论仅仅分析了表达显性的外在刺激与反应，忽视了接受者内在意识与心态感知的重要作用。到20 世纪70年代，Mehrabian 和Russell 基于环境心理学视角，引入机体变量构建了刺激-反应-机体（Stimul Organism Response，SOR）模型［37］（见图2）。该理论以用户为中心，认为个体在感知到外部环境的刺激后，内在认知与情感会发生一系列变化，进而导致个体产生相应反应。 其中，刺激是指外部刺激因素，机体是外部环境引发的认知或情绪的变化，反应是个体的内在或外在的行为反应。 该理论最初用于探讨环境对人类行为的影响，现广泛应用于消费者的行为研究中。

图2 S-O-R 理论框架

在健康信息学领域，少许研究已尝试使用此框架探究用户的健康信息行为。 吴智兰以搜寻任务为刺激，以不同类型的用户为机体，以搜寻行为为反应，系统分析网络健康信息搜寻行为［38］。 在健康焦虑的研究中，王文韬等使用内容分析法，以SOR 作为理论框架梳理网络健康焦虑的因素［29］。本研究认为，用户在互联网的健康搜寻过程中会面临许多在线信息的刺激，进而促进其认知和情绪的变化，产生网络健康焦虑。因此，采用此框架能够清晰地划分信息特征、机体认知与心理反应三个递进的形成过程，系统整合研究场景与个体的认知变化过程，探究网络健康焦虑的形成机制。

2.2 概念模型

网络健康焦虑的形成是个体认知与信息环境交互作用的结果，SOR 作为理论框架能够更有层次地剖析该复杂的认知与情绪变化过程。 本研究以SOR 为理论基础，以信息特征为切入点，参考前人相关研究结论，选择以信息过载、信息信任、信息冲突与信息模糊作为信息刺激，以心理学与医学中被广泛认可的不确定性不容忍度与焦虑敏感性作为机体变量，以网络健康焦虑作为反应的概念模型（见图3）。

图3 概念模型

2.3 研究假设

2.3.1 信息刺激

（1）信息过载的影响。信息过载是一种由于信息过剩、不相关且超出个体自身有效处理能力的信息恶化现象［39］。伴随着用户生成内容等信息生产模式的兴起，信息过载成为社会面临的重要问题［40］。互联网是公众获取健康信息的有效渠道，其信息数量巨大、更新迅速，不论是在个体主动搜寻还是在被动获取的过程中，用户都难以在大量的健康信息中筛选出符合自身情况的信息，无法判断信息的准确性，不确定性感知由此随信息量级增大而不断变强。 同时，基于认知负荷理论可发现，公众在面对庞杂的健康信息与自身健康威胁时，难以迅速理解和消化大量的知识，个体认知负荷增加［41］，造成认知紧张［42］等焦虑情绪，甚至错误地将信息过载带来的焦虑体验认为是身体的不良信号，加剧焦虑敏感性。 因此，本研究提出：

H1a：信息过载正向影响不确定性不容忍度。

H1b：信息过载正向影响焦虑敏感性。

（2）信息信任的影响。信息信任是信息成功交换的结果［43］，在健康信息环境中是指个体相信所获得的健康信息内容。 鉴于当前互联网中不准确、不完整的健康信息存在，个体可能花费大量时间辨别信息来源及内容的可信度［12］。目前，许多国内外学者关注了健康信息信任与焦虑、担忧等消极情绪的关系，Baumgartner 和Hartmann 的研究表明不同可信程度的信息会引发不同水平的焦虑情绪。当信息来源于可信赖的政府网站时会使人更担忧，而以医生或护士作为信息源的个体焦虑水平相对较低［33］。 当用户感知到信息信任时，会将此信息作为准绳来判断自身身体情况。一方面，用户会迫切地期待确认其疾病症状是否与此契合；另一方面，当前信息环境中充斥着大量夸张、低质量的信息，它可能误导个体陷入不必要的怀疑情绪中。在此情况下，个体的不确定性不容忍度与焦虑敏感性均会进一步提升。然而，也有学者指出在线健康信息的信任感知因人而异［44］，与健康焦虑间的作用机制有待深入探究。 因此，本研究提出：

H2a：信息信任正向影响不确定性不容忍度。

H2b：信息信任正向影响焦虑敏感性。

（3）信息冲突的影响。信息冲突是指个体在健康信息环境中面对不同来源的信息冲突、医学问题自身的冲突以及同个体认知不同的冲突等。 当前的互联网健康信息环境冲突信息现象非常普遍［45］，K Ha··meen-Anttila 等调查发现22.62%的孕妇在搜寻健康信息时会遭遇信息冲突［46］。 而信息冲突会进一步影响个体的情绪及行为。Fringsh 和Spence 认为信息冲突会损耗个人认知资源，而缺乏足够准确的信息制定策略［47］，不确定不容忍度也由此上升。 K Ha··meen-Anttila 等也指出个体在面对复杂晦涩的冲突健康信息时，在认知上会更加困惑，情绪上会更加焦虑，甚至产生不理智的健康决策［46］。 在分析健康焦虑的影响因素时，罗晓兰等也明确指出信息冲突是一大关键因素［28］。 因此，本研究提出：

H3a：信息冲突正向影响不确定性不容忍度。

H3b：信息冲突正向影响焦虑敏感性。

（4）信息模糊的影响。信息模糊是指信息质量低、表达不清或内容难以理解、充满歧义。在健康信息搜寻过程中，用户会遭遇大量晦涩难懂的医学术语、不易懂的医学诊断等模糊信息。信息模糊程度越高，用户信息浏览、搜寻与决策时间越长［48］，这也侧面反映出用户的不确定性不容忍程度越高，期望通过更久的搜寻以获得准确的答案。除此之外，信息模糊也可能加剧恐惧［49］、焦虑等负面情绪，强化网络疑病症［30］。在焦虑的认知模型中，焦虑敏感性倾向于将模糊的信息解释为威胁，进而增强焦虑感。因此，本研究提出：

H4a：信息模糊正向影响不确定性不容忍度。

H4b：信息模糊正向影响焦虑敏感性。

2.3.2 机体变化

（5）不确定性不容忍度的影响。不确定性不容忍度是一种个体在认知、情感和行为等多维度对不确定性的感知、解释与反应的认知偏见［21］。 有研究将不确定性不容忍度细分为前瞻性与抑制性两个维度，分别指代对未来不确定性的威胁感知和对不确定性的恐惧行为［22］。不确定性不容忍度作为重要的认知变量，与健康焦虑间的相关关系已被诸多 研 究 所 证 实［18，20，50］。 在互 联网健康信息环境中，信息过载、信息冲突与信息模糊均会使用户无法得到确切的答案，Fergus 就阐释了不确定性不容忍度将引发个体更频繁的信息搜寻行为，进而增加互联网搜索后的痛苦，最终导致健康焦虑增加［17］。 因此，本研究提出：

H5：不确定性不容忍度正向影响网络健康焦虑。

（6）焦虑敏感性的影响。焦虑敏感性是个体对恐惧的恐惧，其倾向于将与焦虑相关的身体感觉解释为即将到来的危险或伤害［22］。 早期的心理学研究已证明焦虑敏感性在恐慌障碍、创伤后应激障碍、强迫症等焦虑情境中发挥着重要作用［51］。 在过去健康焦虑的相关研究中，Olatunji 和Wolitzky-Taylor 在对大量非临床参与者的实验研究中也发现焦虑敏感性与健康焦虑间存在显著的正相关关系［51］。 而在网络健康信息环境中，过载、冲突或模糊的医学信息可能会不断提醒人们潜在的危险，触发焦虑相关的身体感知［22］，进一步刺激健康焦虑的产生。 因此，本研究提出：

H6：焦虑敏感性正向影响网络健康焦虑。

3 研究设计

3.1 变量测量

本研究采用问卷调查方式展开实证研究，研究在文献调研的基础上，采用Likert5 度量表，结合在线健康信息搜索的实际场景对成熟量表进行调整设计（见表2），保证每个变量有据可依。

表2 量表设计

3.2 数据收集

本研究的调查对象是有在线搜索健康信息经历的用户，基于随机抽样的原则，采用在线网站“问卷星”进行问卷发放。 共计回收问卷343 份，剔除填写时间过短、筛选题填写不合格的样本后得到有效问卷296 份，满足样本量需为题项5-10 倍的数量要求。

4 数据分析与假设检验

4.1 描述性统计分析

在回收的296 份问卷中，男性占比为39.19%，女性为60.81%。样本主要集中在18-25 岁的年龄区间， 这是因为年轻人是互联网健康信息服务使用的主力军。被调查者学历主要是本科（54.39%），硕士及以上学历的占比近3 成（见表3）。调查结果显示，健康信息搜寻行为在日常生活中已较为普遍，超过80%的样本偶尔或经常搜寻健康信息。

表3 样本基本信息统计

4.2 信效度检验

4.2.1 信度分析

本研究采用Cronbach α 系数和CR 组合信度作为信度的评价指标，当二者均超过0.7 时表明量表通过了信度检验［56］。 检验发现，本研究各构念的Cronbach α 和CR 系数均大于0.7，绝大多数大于0.8，信度较好（见表4）。

表4 信度检验

4.2.2 共同方法偏差检验

当数据来自同一来源时，可能产生共同方法偏差（Common Method Bias）［57］。尽管本研究数据是在线调查收集的，样本源于多个地区，但仍采用Harman 单因素检验［58］确定是否存在潜在的共同方法偏差。首先，KMO 值为0.834，Bartlett 球形度检验显著，数据分析结果表明适合做因子分析。对其主成分进行分析（见表5）和效度检验（见表6），共提取出7个特征值大于1 的成分，累积方差达到71.396%，未有一个成分占方差的50%及以上。 因此，本研究不存在严重的共同方法偏差问题。

表5 旋转后的成分矩阵

表6 效度检验

4.2.3 效度分析

本研究进一步采用验证性因子分析测试量表有效性，测量模型拟合度均达到良好要求。其中，χ2/df 为1.743，RMESA 为0.05，RMR 为0.036，GFI 为0.902，NFI 为0.884，IFI 为0.947，CFI 为0.946（见表7）。 同时，研究采用平均萃取方差（AVE）作为效度检验指标，一般认为当AVE 大于0.5 且AVE 的平方根大于与其他变量的相关系数时，量表的收敛效度与区分效度较好［59］。结果表明，每个测度因子的AVE的平方根均大于0.707，且远大于该因子同其他因子的相关系数，因此量表通过效度检验。

表7 模型拟合度

4.3 结构方程模型分析

4.3.1 模型拟合度

本研究采用AMOS 进行结构方程模型分析，探究不同潜变量之间的影响关系。首先，需要利用一系列指标评估概念模型。χ2/df 小于3，达到标准。除NFI为略低于0.9，其他所有指标均在参考范围内。 因此，模型整体的适配情况非常好。

4.3.2 假设检验与路径分析

根据模型最终输出的路径系数（见图4）及其显著性结果（见表8），假设H4a 与H4b 未能通过假设检验，其余假设均得到支持。

图4 模型路径系数图

表8 模型路径系数及显著性结果

此外，本研究采用bootstrap 分析方法，设置抽样次数1000 次，置信度水平为95%，进一步检验了机体因素不确定性不容忍度与焦虑敏感性在模型中的中介效应。 若计算结果的95%置信区间不包含0，则证明该条路径中介效应显著。研究结果表明，不确定性不容忍度、焦虑敏感性分别在信息过载、信息信任、信息冲突与网络健康焦虑的关系中发挥着中介作用（结果见表9）。

表9 中介效应检验结果

4.4 结果讨论

4.4.1 信息特征的影响分析

信息模糊不能正向影响不确定性不容忍度与焦虑敏感性，而信息过载、信息信任、信息冲突均能正向影响。其中，信息冲突对不确定性不容忍度的影响最大，信息过载对焦虑敏感性的影响最大。

（1）信息模糊。 信息模糊对焦虑敏感性、不确定性不容忍度的路径系数未通过P 值检验，因此假设H4a、H4b 不成立。在个体搜寻健康信息过程中，他们会面临许多复杂难懂的医学术语、不易理解的诊断和令人困惑的图表等模糊信息。 尽管此类信息会促使进一步的搜寻行为［30］，但本研究表明它并不会造成不确定性不容忍、焦虑敏感等负面情绪，它与消费者领域的相关研究结论有所不同。 可能大致有以下几方面原因：首先，在用户尚未充分理解健康信息的情况下，无法准确认知该病症及其严重性；其次，用户也很难将自身身体状况与该疾病诊断或医学术语联系起来，甚至会推测该信息与己无关；第三，用户可能会放弃理解模糊、困难的信息，此类健康信息刺激便难以作用于机体，进而不会产生不确定性不容忍度、焦虑敏感性等认知变化。所以，信息模糊不是网络健康焦虑产生与加剧的信息刺激因素。

（2）信息过载。信息过载会给个体带来沉重的负担，产生一系列自我强迫和紧张的焦虑感［60］，本研究进一步将此结论拓展到了健康信息环境中，表明了信息过载同样会刺激个体不确定性不容忍度与焦虑敏感性等消极情绪的产生。 用户可能将健康信息过载所带来的焦虑感受理解为与疾病相关的身体威胁，由此进一步增强焦虑敏感性。以新冠肺炎疫情为例，公众每天接收到大量与疫情相关的新闻、症状诊断及防护策略等信息，难以辨别信息真伪，产生疲惫乏力等症状，而此感受会被进一步放大为疾病预兆，引发网络健康焦虑。

（3）信息信任。 研究结论表明更值得信赖的信息会更刺激用户的不确定性不容忍度与焦虑敏感性，此结论同Baumgartner 和Hartmann 的研究保持一致［33］。当前，互联网环境中充斥着大量劣质虚假健康信息，许多信息歪曲不实，放大了疾病的严重后果。 有研究指出75%的人在不检查信源和发布日期的前提下就盲目相信［62］。 当在线健康信息尚未得到严格评估时，盲目地信任会产生认知失调［63］，被放大扭曲的健康信息会进一步加剧个体对健康状况的无端担忧。

（4）信息冲突。 不同来源的信息内容冲突、健康问题自身冲突、网络信息同自身认识的冲突等都是网络健康信息搜寻中常见的矛盾情境［61］。 而这些冲突信息会吸引用户更多注意力［63］，他们无法得到确切的信息内容，内心不确定的不安情绪上涨，本研 究 结 论 也 与Ha··meen Anttila 等［46］、罗 晓 兰［28］等 的研究结论保持一致。

4.4.2 不确定性不容忍度与焦虑敏感性的影响

不确定性不容忍度与焦虑敏感性均能正向影响网络健康焦虑，焦虑敏感性的影响更大，两个重要的认知变量在网络环境下对健康焦虑的影响仍然成立。 Fergus 和Bardeen［18］指出，焦虑敏感 性 和不确定性不容忍度都是导致个体强化身体不适症状感知及对负面信息消极解释的重要因子，焦虑是个体在面对一个重要问题不确定时产生的最常见的情绪［64］。当个体面对健康信息过载、信息冲突等情境时，在短时间内难以判断自身身体状况，无法容忍健康知识鸿沟的存在，并且将焦虑情绪所带来的一系列负面机体反应错认为是疾病先兆，进而产生网络健康焦虑。

5 结语

网络健康焦虑是当前社会中非常普遍和值得关注的社会现象，本研究立足于信息资源管理视角，不同于以往网络健康焦虑成因的定性研究，以“刺激-机体-反应”理论为框架，将信息特征作为切入点，采用结构方程模型探究其作用于机体并产生网络健康焦虑的内在过程。 研究结果表明，信息过载、信息信任与信息冲突都是引发网络健康焦虑的重要诱因。对此，提出以下几点对策建议。

（1）降低信息冗余，减轻公众认知负荷。在健康信息产生、流通、接收的全过程中，各方主体均可发挥作用以减少信息过载刺激对个体网络健康焦虑的影响。具体措施包括：提高健康信息发布的门槛，从源头上减少低质量信息的产生；结合深度学习开发信息过滤的技术，在流通环节自动屏蔽重复冗杂的健康信息；精准定位用户需求，智能推送个性化健康信息；适当疏导用户心理，减轻情绪负担等；（2）增强信息可信度与公众信息辨识能力。研究结果表明，当用户越信任健康信息时，网络上存在的大量低劣信息就越有可能诱发网络健康焦虑。因此，一方面需要治理当前的网络健康信息环境，如设计医疗领域的搜索引擎排名算法，减少个体接触低质量健康信息的可能；另一方面，提升公众的健康信息素养，开设相关课程与技能培训，促进医疗、社区与个体间的交流沟通，进而提升公众识别健康信息的能力；（3）减少不同平台间、人机间的信息冲突。 建立专业性强、权威性高的综合健康信息平台，为公众提供便捷的信息获取入口；设置辅助性医疗决策服务，为公众认知与信息的冲突场景提供解决方案；（4）充分发挥机体主观能动性，缓解网络健康焦虑。通过认知行为疗法［65］等改变身体信念，重构信息行为，增强自身的调节能力。

在理论上，研究界定了网络健康焦虑的实际内涵，系统地研究了健康焦虑在网络这一新环境下的形成机制，分析了从外部信息到内在心理的作用路径，发现并验证了影响公众机体变化的信息特征。与此同时，拓展了信息过载、信息信任、信息冲突特征在健康信息环境的影响研究。在实践上，研究结论为健康信息服务提供商针对性地优化信息内容，为政府提升公众健康信息素养，为个体缓解健康焦虑提供了一定的参考建议。但本文仍存在一定不足，研究在收集个体机体变化时采取的是用户自填心理量表的方式，数据虽然反映了个体内在想法，但可能存在回顾性偏差，且具有一定主观性。 未来，可考虑引入生理数据测量、眼动等方法捕捉真实的身体反应。同时，设计准实验探究信息源、信息框架、信息极性等外部客观特征对个体网络健康焦虑的影响，更为具象、细致地分析信息特征与网络健康焦虑的关系。此外，也可进一步关注网络健康焦虑与健康搜寻行为间不断交互并加剧的复杂动态过程。