下载掌阅APP，畅读海量书库
立即打开
近年来，一些学者成功地将用户画像引入健康医疗领域，通过构建用户画像模型探究不同用户群体特征上的差异。目标画像群体既包括老年人、大学生等重点健康关注群体，也包括糖尿病、抑郁症、AIDS等慢性疾病患者（王若佳等，2022）。
根据中国发展基金会发布的《中国发展报告2020：中国人口老龄化的发展趋势和政策》，我国在2022年正式进入老龄社会，人口老龄化所带来的问题在社会上引起了广泛的讨论。老年群体作为易识别的数字贫困群体，是数字化转型治理的重点对象（匡亚林，2022）。LeRouge等（2013）基于以患者为中心（Patient-Centered）的模式，构建了糖尿病老年患者群体的用户画像，探究城乡老年群体的特征差异，在此基础上改进了智能手机应用程序的设计和开发。研究表明，城市的老年群体会定期进行糖尿病护理，他们更有可能在家中使用血糖仪测试血糖水平，农村的老年群体只有在并发症变得严重时才去看医生，他们更倾向于依靠个人感觉和症状评估其血糖水平。总的来说，城市的老年用户比农村的老年用户更愿意使用智能手机获取健康信息。同时，二者也具有一些共有的特征，例如大都为空巢老人、乐意学习如何使用记忆辅助工具、了解调整生活方式以控制糖尿病的必要性、认为糖尿病管理很麻烦、患有并发症等，他们都希望社区医院有更好的医疗质量，有更多的健康特定的社区资源可以利用。Li和Tang（2020）基于老年护理专业知识，提出了智能老年护理框架（Framework of Smart Geriatric Nursing），其中包括基于用户画像对老年用户进行心理健康智能护理，最终得出了老年群体的用户特征，包括性格特征、退休前后的爱好、教育水平以及职业状况等。
随着经济的迅速发展，生活和工作压力也在不断攀升，年轻一代也常常出现健康问题，健康信息不再只是老年人日常关注的事情，青年人也开始关注养生保健、疾病预防及身体不适时的线上线下就医信息等（李颖等，2016）。高校大学生群体作为当代社会青年的重要组成部分，具有高学历的背景，他们往往会通过网络去搜寻和获取知识。构建在线健康社区大学生用户群体的画像模型，能够协助平台管理者了解大学生群体的特征，为其提供更加精准化、个性化的健康服务。郭顺利和张宇（2021）结合VALS2市场细分与用户生命周期理论（Theory of Customer Life Cycle），构建了在线健康社区大学生群体的用户画像模型，通过调查问卷实证研究后得出结论：大学生用户可分为他人引导型、广告导入型、社交活跃型、资源获取型、服务感知型和成熟参与型六类差异化画像群体。他人引导型用户是经过线上和线下同学、朋友、家人或师长等交流、推荐和宣传而发展成的在线健康社区用户；广告导入型用户是指被营销广告、热点主题推荐、软文推广等方式吸引而发展成的在线健康社区用户；社交活跃型用户是指运用在线健康社区社交互动功能获取知识资源或共享知识资源的用户群体；资源获取型用户是指借助在线健康社区获取专业性知识资源和服务的大学生用户群体；服务感知型用户较资源获取型用户更加注重对平台服务性能的感知与评价；成熟参与型用户是在线健康社区最为忠实的粉丝群体，也是所有用户中最为成熟和活跃的种子用户群体。
糖尿病是一种典型的慢性非传染性疾病，具有发病时间长、病因复杂、治愈难度高等特点，可能会引发100多种并发症（司莉和舒婵，2019）。因此，糖尿病患者需要持续关注自己的健康，他们常常在医疗社区浏览和发布信息（Wang et al.，2020）。司莉和舒婵（2019）针对糖尿病患者在在线健康社区上的问答互动行为进行了医患群体的特征研究。通过收集“好大夫在线”平台近10年与糖尿病相关的问答数据，从糖尿病患者、医生以及医患问答三个维度进行特征分析。研究发现，“好大夫在线”上的糖尿病患者人群覆盖所有常见的糖尿病类型，并且出现了多种并发症，患病时间较长的用户更愿意在网上咨询，少部分患者有过敏现象，大多数属于食入式或注射式过敏。医生的临床职称与教学科研职称呈现一定的正相关关系，教学科研职称越高，临床职称也越高；医生所属的医院具有明显的集中与分散的特点，多数患者集中于少部分医院进行咨询，医生所属的科室较为分散，活跃的医生主要来自三级医院，且大多数属于内分泌科。糖尿病患者用户提问数量有时间周期性波动的特点，大致每5年达到一个高峰值，提问主题可以分为7类，围绕糖尿病及其并发症的治疗方法展开。大部分患者的提问意图是希望得到关于治疗过程、手段和程度等方面的帮助。
抑郁症是一种常见的心理疾病，发作的主要表现为心情低落、思维迟缓、意志活动减少等（刘忠宝和赵文娟，2021），在线健康社区提供的多种社会支持能够帮助抑郁症患者缓解烦躁、焦虑等负面情绪，因此患者经常会萌生到在线健康社区进行自我管理的意愿（潘涛涛和吕英杰，2022）。Nimrod（2013）探讨了在线抑郁症社区的成员对社区讨论的问题是否有不同的关注点。该文献基于对16个在线抑郁症社区793名成员的在线调查，将用户分成4个抑郁症患者群体：关注日常生活组（占27.6%）、信息寻求组（占21.1%）、对所有主题感兴趣组（占40.1%）和相对较少参与组（占11.2%）。在基础背景特征方面，信息寻求组中男性相对较多，关注日常生活组的成员比信息寻求组和对所有主题感兴趣组的成员年轻。在参与模式特征方面，信息寻求组往往是轻度抑郁用户，而对所有主题感兴趣的用户往往是重度抑郁用户，此外，关心日常生活组的成员明显比其他组更抑郁。在感知利益方面，各群体之间存在显著差异，对所有主题感兴趣组的成员比信息寻求组更能感受到社区提供的社会支持，相对较少参与组的成员比关注日常生活组的成员更能将参与在线社区的好处反映在线下的个人生活中。
根据社会支持理论（Social Support Theory），在线健康社区中最重要的两种社会支持类型是信息支持和情感支持（Zhou and Wang，2020）。其中，情感支持的作用是当用户处于不好的情绪状态时，平台会关心、鼓励用户，减少其对病情的焦虑，增强自信心（Liu et al.，2020）。王帅和纪雪梅（2022）从用户基本信息、情感、主题和信息行为4个特征维度构建用户画像，基于用户画像模型对用户的情感特征进行分析，利用DBSCAN聚类算法，根据情感特点挖掘出5类情感角色：焦虑型、愤怒型、祈祷型、乐观型和悲哀型。焦虑型的情感极性是负向，情感类别是“惊”“惧”，情感特征词是“心慌”“害怕”；愤怒型的情感极性是负向，情感类别是“怒”“恶”，情感特征词是“烦躁”“恼火”；祈祷型的情感极性是正向，情感类别是“乐”“好”，情感特征词是“希望”“期待”；乐观型的情感极性是正向，情感类别是“乐”“好”，情感特征词是“踏实”“宽心”；悲哀型的情感极性是负向，情感类别是“哀”“惧”，情感特征词是“绝望”“无语”。在线健康社区平台可据此用户特征，针对不同用户角色制定不同的情感支持和引导策略。
Liu和Lu（2018）基于自然语言处理和社会网络结构分析的技术，对HIV人群的心理、行为以及需求特征进行分析，通过挖掘百度贴吧的艾滋病吧产生的海量数据，提取HIV患者群体各个方面的特征，包括在线活动的时间模式、社交网络结构、社区结构及其情感倾向等，以了解HIV人群的网络生活现状和情感状态。研究表明，负面情绪在HIV社区中占主导地位，而这些情绪大多与最初感染患者的焦虑有关，他们倾向于第一时间在社交网络平台上寻求帮助和建议。为了更好地进行社会管理，相关机构应该更多地关注消极社区，对这些潜在的HIV感染人群进行持续监测，了解他们的需求，及时提供相关的指导和干预措施。