The Mechanism of Online Health Information Seeking Switching to Online Medical Consultation: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Internet health care plays a crucial role in addressing the challenge of distributing high-quality medical resources and promoting the optimal allocation of these resources and health equity in China. Online medical consultation (OMC) plays a more significant role than online health information seeking (OHIS). Currently, the proportion of Chinese patients using OMC is low. Therefore, it is essential to enhance patient engagement with OMC and fully leverage the role of internet health care in optimizing the allocation of medical resources. OBJECTIVE: This study aims to explore the correlation mechanisms of online medical community users' switching behaviors from OHIS to OMC. METHODS: This study is based on the knowledge-attitude-practice theory, which combines the social support theory and the health belief model to construct a research model of users' willingness to transition from OHIS to OMC. The study adopts a questionnaire survey and structural equation modeling method to conduct an empirical study. RESULTS: Gaining knowledge about information support has a significant positive impact on perceived susceptibility (β=.339, P<.001), perceived severity (β=.348, P<.001), and perceived benefits (β=.361, P<.001), while having a significant negative impact on perceived barriers (β=-.285, P<.001). Gaining knowledge about emotional support positively affects perceived susceptibility (β=.220, P<.001) and perceived benefits (β=.149, P<.01) but does not significantly influence perceived severity (β=-.006, P>.05) or perceived barriers (β=.099, P>.05). Perceived susceptibility (β=.123, P<.05), perceived severity (β=.174, P<.001), and perceived benefits (β=.273, P<.001) positively influence patients' transition to online consultation behavior, whereas perceived barriers (β=-.112, P<.05) negatively impact this switch. In addition, we found that gaining knowledge about information support not only directly affects patients' behavior in switching to online consultations but also impacts patients' OMCs through perceived susceptibility (14.23%), perceived severity (13.17%), and perceived benefits (25.28%). In contrast, gaining knowledge about emotional support does not directly influence patient behavior transfer; it operates only through perceived susceptibility (46.95%) and perceived benefit (52.90%). CONCLUSIONS: This study integrated the knowledge-attitude-practice framework, social support theory, and health belief model to uncover the internal logic of patients' behavioral transfers within online health communities. It confirmed the mediating role of the cognitive-emotional dual-drive pathway and health beliefs. The findings provide a scientific basis for the functional design of online health care platforms and for precise health knowledge dissemination strategies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».