《Frontiers in Public Health》：The synergistic effect of internet-based health communication on health promotion: the chain-mediating effect of health literacy and health education
编辑推荐：
摘要：以人工智能为代表的下一代互联网技术正在重塑全国性的健康信息分发体系；本研究考察了在线健康传播对健康促进的协同增益效应。该分析利用了2023年中国综合社会调查（CGSS）的5333个数据点，该调查采用了全国分层、多阶段抽样设计。运用Hayes PROCES
摘要：以人工智能为代表的下一代互联网技术正在重塑全国性的健康信息分发体系；本研究考察了在线健康传播对健康促进的协同增益效应。该分析利用了2023年中国综合社会调查（CGSS）的5333个数据点，该调查采用了全国分层、多阶段抽样设计。运用Hayes PROCESS Model 6序列链式中介模型，生成了2000个偏差校正自助法（Bootstrap）样本，进行了基准普通最小二乘法（OLS）回归、中介效应分解、多维异质性分析和逆概率加权（IPW）稳健性检验。基准OLS回归显示，在线健康传播与健康促进之间存在显著的正向总体关联。链式中介模型识别出三条间接路径：单一健康素养中介路径、单一数字健康教育中介路径，以及一条核心序列协同路径（“在线健康传播→健康素养→数字健康教育→健康促进”）；所有三条路径的置信区间均不包含零。异质性分析揭示了数字健康鸿沟的分布模式：序列链式效应在城市地区略高于农村地区，在女性中略高于男性（尽管组间差异无统计学显著性）；在31至60岁的中年人群中效应最强，而在受教育程度较低的群体中，序列传递链趋于减弱。包括IPW逆概率加权在内的多项稳健性检验支持了核心发现的可靠性。在线健康传播与居民健康促进之间的正向关联，可以通过涉及健康素养和数字健康教育的独立和序列中介统计路径来解释；这一观察揭示了三者之间的“渐进协同”关系。
研究背景、现存问题与研究必要性
随着以人工智能为代表的下一代互联网技术的普及，健康信息的传播方式正经历深刻变革。互联网健康传播已从单向信息发布演变为重塑健康知识生产、分发与消费的核心驱动力，涵盖搜索引擎、社交媒体、健康应用及生成式人工智能等多种渠道。然而，现有研究存在三大显著空白：第一，样本代表性的局限。多数实证研究依赖医院患者和大学生等便利样本进行短期人机交互实验，外部推广性有限，难以反映全国城乡居民的异质性特征。基于中国综合社会调查（CGSS）和中国家庭追踪调查（CFPS）等全国性调查的国内数字健康文献，仅考察了在线信息使用与健康行为的简单相关性，未能将互联网传播特性与系统性在线学习纳入统一分析框架。第二，中介模型框架的理论局限。多数类似研究采用平行中介模型，将健康素养和在线学习等变量视为独立的并行中介，忽视了它们之间可能存在的顺序关系。第三，缺乏本土化的分层视角。现有关于链式中介效应的国外研究主要依赖于欧美同质化社会样本，对发展中国家城乡户籍和教育分层等结构性因素如何调节或中断这些传递链的关注有限。
为此，研究人员利用CGSS 2023年全国分层代表性样本，旨在检验“互联网传播→健康素养→数字健康教育→健康促进行为”这一链式中介路径，并从城乡、性别、年龄和受教育程度四个维度进行多维异质性分析，同时采用逆概率加权（IPW）方法进行稳健性检验。该研究旨在为“健康中国2030”框架下分级健康教育政策的制定提供参考和实证支持。
主要关键技术方法
研究人员采用三阶段实证分析策略。第一阶段，构建逐步普通最小二乘法（OLS）回归模型，检验互联网健康传播对健康促进的基准总效应。第二阶段，运用Hayes PROCESS Model 6序列链式中介模型，通过2000次偏差校正自助法（Bootstrap）重复抽样，将总效应分解为直接效应和间接效应，其中间接效应进一步分解为三条路径：单一健康素养路径（X→M1→Y）、单一数字健康教育路径（X→M2→Y）以及核心序列协同路径（X→M1→M2→Y）。第三阶段，进行多维异质性分析和稳健性检验，包括针对城乡、性别、年龄和受教育程度子样本的分组链式中介估计，以及采用逆概率加权（IPW）回归调整以纠正潜在样本选择偏倚。数据来源于2023年中国综合社会调查（CGSS），经清洗后最终有效分析样本量为N=5333。
研究结果
基准回归结果
通过逐步OLS回归分析，在仅包含自变量的模型1中，互联网健康传播的回归系数为0.161（p<0.001），R2为0.026。在加入个体层面控制变量的模型2中，系数为0.150（p<0.001），R2增至0.048。在进一步加入家庭层面和社会信任变量的模型3中，系数为0.086（p<0.001），R2为0.111。该发现表明，在控制了所有潜在混杂因素后，互联网健康传播与健康促进之间仍存在显著的正向统计关联，验证了研究假设H1。
链式中介效应分解
链式中介模型的所有路径系数均具有统计学显著性。自变量X对中介变量M1（健康素养）的直接效应a1=0.1660（p<0.001），X对M2（数字健康教育）的直接效应a2=0.0677（p<0.001），M1对M2的效应d=0.4181（p<0.001），M1对因变量Y（健康促进）的效应b1=0.1575（p<0.001），M2对Y的效应b2=0.2270（p<0.001）。直接效应c’=0.0282的Bootstrap 95%置信区间包含零（p>0.05），表明影响完全由中介变量传导。总间接效应为0.0572（95% CI [0.0474, 0.0675]），占总效应的66.9%。具体而言：单一健康素养中介路径（IE1）效应值为0.0262（95% CI [0.0197, 0.0333]），占45.9%；单一数字健康教育中介路径（IE2）效应值为0.0152（95% CI [0.0090, 0.0219]），占26.6%；核心链式协同路径（IE3）效应值为0.0157（95% CI [0.0123, 0.0193]），占27.5%。三条间接路径的置信区间均不包含零，验证了研究假设H2和H3。
多维异质性分析
城乡维度：城市居民链式效应（IE3=0.0154）略高于农村居民（IE3=0.0149），但组间差异未达统计学显著性。性别维度：女性链式效应（0.0176）高于男性（0.0136），但组间差异不显著。年龄维度：效应呈倒U型分布，31-45岁组（0.0239）和46-60岁组（0.0201）效应最高，18-30岁青年组链式效应不显著（IE3=0.0012，95% CI包含0），60岁以上老年组效应为0.0139。受教育程度维度：中学教育组（0.0080）效应最高，小学及以下组（0.0054）次之，大学及以上组（0.0036）效应不显著。
稳健性检验
四项稳健性测试共同证实核心结论的稳定性：连续变量Z分数标准化后重新估计，链式路径系数的方向和显著性不变；多重共线性诊断显示所有自变量方差膨胀因子（VIF）低于2.1；基准回归始终采用HC3异方差稳健标准误；经过IPW逆概率加权校正后，核心路径M2→Y的系数b2=0.204（p<0.001），与主模型高度一致。
讨论与结论
研究发现，互联网健康传播与居民健康促进之间的正向关联，可以通过涉及健康素养和数字健康教育的独立和序列中介统计路径来解释。这一观察揭示了三者之间的“渐进协同”关系。研究结论指出，仅仅传播人工智能驱动的健康信息或单纯提升个人健康素养，可能都不足以最大化健康促进的效果；相反，整合系统性在线学习更有可能释放协同效益的潜力。此外，异质性分析揭示了数字健康鸿沟的分布模式：序列链式效应在城市地区略高于农村地区，在女性中略高于男性（尽管组间差异无统计学显著性）；在31至60岁的中年人群中效应最强，而在受教育程度较低的群体中，序列传递链趋于减弱。多项稳健性检验支持了核心发现的可靠性。
