癌症幸存者数字信息寻求行为的差异格局：社会人口学与临床因素的交织影响

《Journal of Cancer Survivorship》：Digital information-seeking behaviors among cancer survivors: associations with sociodemographic determinants, cancer history, and perceived health

本研究针对癌症幸存者健康信息获取不均的现状，基于美国HINTS-SEER 2021数据库（N=1,234），通过多变量逻辑回归分析了社会人口学与临床因素对数字信息寻求行为的影响。结果揭示，年龄≥75岁、男性、低收入及晚期诊断者数字信息参与度显著较低，而高学历、高收入及存在治疗相关恶心/神经病变症状者更倾向主动寻求信息。研究凸显数字鸿沟在癌症康复期的持续性，为制定公平导向的数字健康干预提供了关键证据。

　　

随着癌症诊疗技术的进步，全球癌症幸存者数量持续增长。截至2025年1月，美国已有超过1860万癌症幸存者（约每18人中即有1人），预计到2035年将突破2200万。这一庞大群体在康复期面临长期生理心理挑战、多重慢性病共存及治疗副作用管理等多重压力，而及时、准确的健康信息获取成为其改善生活质量、参与医疗决策及提升自我管理能力的关键支撑。然而，现实中医患接诊时间有限（平均约23分钟）、信息过载与可信度甄别困难、以及资源获取不均等问题，导致高达79%的幸存者存在未满足的信息需求，尤其老年、低学历、低收入及晚期患者更易陷入“信息孤岛”。

为系统性揭示癌症幸存者信息寻求行为的差异格局，俄亥俄州立大学综合癌症中心Roberto M. Benzo团队利用美国国家癌症研究所2021年推出的HINTS-SEER（健康信息国家趋势调查-监测、流行病学和最终结果计划）数据库，纳入来自爱荷华、新墨西哥和旧金山湾区三大SEER登记处的1234名癌症幸存者，通过多变量逻辑回归模型分析社会人口学（如年龄、性别、收入、教育）和临床因素（如癌症原发部位、诊断分期、治疗相关症状）与信息寻求行为（普通寻求与数字寻求）的关联。该研究创新性地整合了肿瘤登记处验证的临床数据与行为调查数据，为探索数字健康参与差异提供了更可靠的证据基础。

研究方法核心包括：基于HINTS-SEER横断面调查设计，通过结构化问卷评估信息寻求行为（如“是否曾寻找癌症信息”“是否使用电子设备查询健康信息”）；采用多变量逻辑回归分析社会人口学与临床变量的独立影响；所有统计分析使用SPSS 29.0完成，显著性水平设为α=0.05。

信息寻求行为整体特征

绝大多数幸存者（77.8%）曾主动寻找癌症相关信息，73.9%在过去一年内使用电脑或智能手机等电子设备查询健康信息。当急需癌症信息时，58.4%的人首选医疗提供者，23.3%首选互联网，6.9%选择癌症组织，仅3.6%依赖书籍或社交关系等非专业来源。

普通信息寻求的影响因素

多变量模型显示，女性（OR=0.56, 95%CI:0.35-0.91）、年龄≥75岁（OR=0.25, 95%CI:0.14-0.42）及低收入群体寻求信息概率较低；而高学历（研究生vs.高中以下：OR=7.28, 95%CI:3.95-13.33）、高收入（≥10万美元vs.<5万：OR=2.08, 95%CI:1.29-3.35）以及存在治疗相关神经病变症状者（OR=1.60, 95%CI:1.01-2.55）更积极参与信息寻求。晚期癌症患者（区域/远处转移）虽未达显著水平，但呈现信息寻求减少趋势（OR=0.67, 95%CI:0.44-1.03）。

数字信息寻求的差异化格局

数字工具使用率与社会经济地位显著相关：研究生学历者使用电子设备的概率是高中以下学历者的7.20倍（95%CI:4.01-12.94），高收入群体（OR=1.76, 95%CI:1.09-2.87）亦表现更活跃。相反，年龄≥75岁（OR=0.27, 95%CI:0.16-0.45）、丧偶（OR=0.47, 95%CI:0.28-0.79）及晚期患者（OR=0.63, 95%CI:0.43-0.92）的数字参与度明显偏低。值得注意的是，存在治疗相关恶心症状的幸存者更倾向采用数字渠道（OR=2.24, 95%CI:1.35-3.70），提示症状负担可能驱动在线信息需求。

研究结论强调，癌症幸存者的信息寻求行为深受年龄、性别、教育、收入及临床经历异质性的影响，数字鸿沟在康复护理中持续存在。尽管医疗提供者仍是最高信任度信息源，但数字工具的补充作用日益凸显。为弥合信息获取差距，需采取公平导向的策略：包括开发易读的数字内容、加强医疗提供者对可信数字资源的引导推荐、以及针对弱势群体（如老年、低收入、晚期患者）设计低技术门槛的干预措施。未来研究应结合纵向设计与混合方法，深入探索信息可信度、情感疲劳与数字参与间的动态交互，以推动精准化癌症康复支持体系的构建。