激励持续个人健康数据共享：一种融合隐私关注点与健康服务需求的多维合同模型

《Expert Systems with Applications》：Incentivizing continuous personal health data sharing: A multidimensional contract model incorporating privacy concerns and health service needs

　　

•构建了一种用于持续健康数据共享的多维合同。
•利用基于边际替代率（MRS）的类型排序来诱导用户自我选择。
•表明治理目标重塑了合同、总剩余及其分配。
•揭示了平台损失厌恶在不同治理目标下的相反合同效应。

引言
在医疗大数据时代，健康数据共享对于制定针对性疾病预防策略、完善治疗方案和增强公共卫生服务能力至关重要（Kim, Im, & Kim, 2023）。物联网和人工智能的进步，以及可穿戴设备的普及，使得个体健康数据能够被连续且实时地记录。健康数据共享不再局限于科学研究，越来越多地应用于个人健康管理。这一趋势在公共卫生倡议（如“全民科研”项目和嘉道理中国生物样本库（CKB））以及商业数字健康平台（如 Evidation）中均显而易见。因此，健康管理正从被动、治疗导向的模式演变为由持续健康数据收集驱动的主动、预防导向的方法（Abouzahra, Ghasemaghaei, 2022, Cooper, Armentano, 2022, Hydari, Adjerid, Striegel, 2023）。

主动健康管理的成功取决于用户持续共享个人健康数据。然而，个人健康数据的高度敏感性使用户面临隐私泄露风险，从而降低其共享意愿。这在数字健康平台对持续数据的需求与用户对隐私披露的担忧之间造成了根本矛盾。隐私计算理论表明，个体在决定是否披露个人信息前会评估感知收益与隐私风险之间的权衡。当预期收益超过相关风险和成本时，披露的可能性更大（Alashoor, Keil, Jiang, Saffarizadeh, 2025, Li, Wu, Gao, Shi, 2016）。现有健康数据共享研究主要集中在联邦学习框架上，其中参与者通常是基于其对模型训练的贡献获得奖励的组织（如医疗机构和企业）（Kang, Wen, Ye, Lai, Wu, Xiong, Nie, Niyato, Zhang, Xie, 2024, Khan, Pandey, Tran, Saad, Han, Nguyen, Hong, 2020, Sai, Hassija, Chamola, Guizani, 2024, Wang, Ren, Wang, Wang, Zhang, 2023a）。然而，这些框架并不直接适用于涉及个体用户小规模、碎片化且持续共享健康数据的场景。因此，个人健康数据共享不仅仅是一个数据收集问题，这也是一个治理挑战，平台必须平衡激励成本与隐私保护，以鼓励用户持续参与。

用户异质性进一步使这一治理问题复杂化，因为用户在健康数据共享的感知成本和收益上存在显著差异。隐私顾虑较强的用户通常需要更高的补偿，而对健康服务需求更大的用户可能接受较低的补偿，因为他们从这些服务中获得的效用更多。统一的奖励或基于单一维度的分类可能导致激励不足或预算资源浪费。相反，平台必须设计考虑用户异质性的差异化合同，并规定数据共享任务的持续时间及相应的财务奖励。同时，用户的真实类型通常是私人信息。合同理论为信息不对称下的机制设计提供了一个经典的分析框架（Mirrlees, 1976, Rochet, 1987）。尽管如此，现有关于个人健康数据共享的合同理论研究尚未充分考察隐私顾虑和健康服务需求如何共同影响持续数据共享的激励合同设计。

除了用户异质性外，平台合同设计单元内的行为偏差也可能影响激励决策。现有研究通常将数字健康平台建模为完全理性的决策者（Li, Yu, Cai, He, Liu, 2023, Li, Harish, Yu, Yu, Zhong, Huang, 2025, Zhang, Huo, Bao, 2024）。然而，企业行为理论（BTOF）表明，组织决策者会将实际绩效与抱负水平进行比较。当绩效低于这些水平时，他们可能会调整决策。对于数字健康平台而言，预期利润、数据量和其他绩效目标可能充当抱负水平。前景理论（PT）进一步表明，结果是根据参考点进行评估的。当绩效低于这些点时，损失厌恶可能导致决策单元对不利结果赋予更大的权重。这种不对称评估可能会影响任务持续时间和奖励水平的设计。大多数关于有限理性的研究关注用户的行为偏差（Adida, 2021, Liao, Chen, Huang, 2019, Nisa, Belanger, Schumpe, 2019）。关于平台端有限理性的有限研究主要集中在联邦学习和一般数字服务场景（Fu, Wang, Li, Yang, Zhao, Dai, Yang, Zhang, 2024, Kang, Wen, Ye, Lai, Wu, Xiong, Nie, Niyato, Zhang, Xie, 2024, Wen, Nie, Zhong, Yi, Li, Jin, Zhang, Niyato, 2024）。因此，平台决策单元内的行为偏差如何与多维用户异质性相互作用，以塑造个人健康数据共享的激励合同设计，目前尚不清楚。

此外，个人健康数据共享为平台和用户双方创造了价值。因此，激励合同不仅决定平台利润，还决定数据共享创造的总剩余及其在平台和用户之间的分配。现有研究主要关注平台利润最大化，而对以利润为导向和以社会福利为导向的目标下设计的合同之间的差异关注有限。特别是，当平台表现出有限理性时，不同的治理目标是否会导致系统性地不同的最优合同尚不清楚。为了解决这些问题，本研究考虑了一个由可穿戴设备支持的持续健康监测平台。它整合了多维合同理论与前景理论，研究了在多维用户异质性和信息不对称下健康数据共享的激励合同设计。具体来说，本研究解决了三个研究问题。第一，如何将多维用户异质性转化为可实施的用户类型排序，并据此设计差异化合同？第二，利润最大化和福利最大化目标如何影响激励合同、总剩余及其分配？第三，在什么条件下，平台参考依赖和损失厌恶会导致最优合同偏离其理性基准，以及不同的治理目标如何影响这种偏离的方向和由此产生的福利？

主要贡献总结如下：
•本研究开发了一种用于持续个人健康数据共享的多维合同框架。该框架纳入了用户异质性的两个维度：隐私顾虑和健康服务需求。通过通过边际替代率将多维用户特征映射为有序的用户类型集合，所提出的框架实现了信息不对称下的差异化合同设计和用户自我选择，从而为用户筛选和激励分配提供了一种新的分析方法。
•本研究比较了在利润最大化和福利最大化目标下的合同设计。它表明治理目标不仅影响最优合同，还影响数据共享产生的总剩余及其在平台和用户之间的分配。从而将健康数据共享合同设计从利润导向视角扩展到更广泛的治理视角。
•本研究将平台端的参考依赖和损失厌恶纳入个人健康数据共享的激励合同设计中。它确定了这些行为偏差导致最优合同偏离完全理性基准的条件。它还考察了不同的治理目标如何影响这些偏离的方向及其福利后果。这一贡献将有限理性研究扩展到了个人健康数据共享的激励合同设计中。

本文其余部分组织如下。第 2 节回顾相关文献。第 3 节描述研究设置、主要假设和效用函数。第 4 节分析不同治理目标和行为假设下的最优合同。第 5 节提出数值分析和稳健性检查，以验证理论发现并讨论其管理启示。最后，第 6 节总结全文并概述未来研究方向。

章节片段
健康数据共享技术
健康数据共享技术可大致分为两类，基于原始数据是否离开其原始域。第一类允许原始数据跨域传输。第二类将原始数据保留在本地，仅共享模型参数或提取的特征。Ganti, Ye 和 Lei (2011) 提出的移动众包感知是第一类的代表性技术。通过利用参与者多样性和智能设备的感知能力，它使得
框架与问题表述
本节考虑了一个由可穿戴设备支持的数字健康平台，用于持续共享个人健康数据。数据共享过程被表述为数字健康平台与异质用户之间的合同设计问题。我们首先开发了用户在期望效用理论（EUT）下的效用函数以及平台的基准效用。该基准假设完全理性。然后我们引入前景理论来表征平台决策单元的
可行合同与基于 MRS 的类型排序
平台向不同用户类型提供一份合同菜单 ωm,k={tm,k,Rm,k}。为确保用户参与并诱导真实自我选择，合同菜单必须满足以下个人理性（IR）和激励相容（IC）约束：
u(ωm,k,εm,bk)≥S
u(ωm,k,εm,bk)≥u(ωm′,k′,εm,bk)
约束 (8) 对所有 1 ≤ m ≤ M 和 1 ≤ k ≤ K 成立。约束 (9) 适用于所有 (m′, k′) ≠ (m, k) 的对。此处，u(ωm,k, εm, bk) 表示类型为（
参数设置与实验设计
由于健康服务需求、隐私顾虑和运营成本是效用中难以直接用货币观测的潜在组成部分，因此将相应参数归一化到 [0,1] 区间，以捕捉各因素和用户类型之间的相对差异。对于从李克特量表中获得的经验测量值，归一化使用 x?=(x?1)/(K?1) 执行，其中 x 表示平均量表得分，K 表示量表级别数。具体来说，εl 表示
结论与未来工作
在数字健康管理中，平台对健康数据收集的需求与用户共享个人数据的意愿之间存在固有矛盾。用户异质性（在健康服务需求和隐私顾虑方面）进一步加剧了这一挑战，使得平台越来越难设计有效的数据共享激励合同。现有研究主要依赖于完全理性的假设，而对平台的有限（理性）关注不足

CRediT 作者贡献声明
贾诗雨：方法论、原始论文撰写、论文审阅与编辑、正式分析。兰秋军：概念化、方法论、资源、监督、资金获取。匡贤华：数据整理、软件、可视化、正式分析。程林海：论文审阅与编辑、方法论、正式分析。乔云程：论文审阅与编辑、方法论、资金获取。

利益冲突声明
作者声明他们不存在已知的竞争性经济利益或个人关系，这些关系可能影响本文报告的工作。

贾诗雨 | 兰秋军 | 匡贤华 | 程林海 | 乔云程