朱慶華，陳瓊，陸冬梅，王雷，宋士杰，趙宇翔，趙月華

（1. 南京大學(xué)信息管理學(xué)院，南京 210023；2. 河海大學(xué)商學(xué)院，南京 211100）

0 引 言

近年來，互聯(lián)網(wǎng)環(huán)境下失真健康信息（health misinformation）現(xiàn)象引起業(yè)內(nèi)學(xué)者們的廣泛關(guān)注。失真健康信息可以被定義為與現(xiàn)有客觀科學(xué)證據(jù)存在偏差，對(duì)信息接收者主觀感知造成誤導(dǎo)的各類健康信息[1-2]。在新型冠狀病毒肺炎（corona virus dis‐ease 2019，COVID-19）疫情爆發(fā)初期，大量有關(guān)疫情的失真信息在互聯(lián)網(wǎng)迅速傳播，混淆公眾視野，誤導(dǎo)公眾對(duì)疫情防治的認(rèn)知，導(dǎo)致恐慌情緒的蔓延[3]。例如，有關(guān)某藥品能夠預(yù)防新冠病毒的失真信息一出現(xiàn)，微博相關(guān)話題迅速登上熱搜，引發(fā)群眾不顧疫情期間居家隔離的規(guī)定出門瘋狂搶購該藥品，嚴(yán)重影響疫情防控的正常進(jìn)行。失真健康信息的主要危害在于其誤導(dǎo)性，混淆公眾對(duì)科學(xué)健康信息的判斷。公眾可能輕信失真健康信息中的內(nèi)容與觀點(diǎn)，進(jìn)而采取錯(cuò)誤的健康決策與行為。

當(dāng)前互聯(lián)網(wǎng)環(huán)境中，以微博、微信等為代表的社交媒體已經(jīng)成為健康信息傳播的主要渠道。社交媒體的興起極大地改變了傳統(tǒng)的健康信息發(fā)布和傳播模式，公眾在快速、便捷地獲取海量健康信息資源的同時(shí)，也面臨來自新的傳播環(huán)境的挑戰(zhàn)，失真健康信息是其中最為棘手的問題之一?；ヂ?lián)網(wǎng)環(huán)境下失真健康信息的傳播更加迅速、廣泛和深入[4]，擴(kuò)大了失真健康信息的危害。與此同時(shí)，目前互聯(lián)網(wǎng)監(jiān)管難以面面俱到，謠言和虛假信息更容易被創(chuàng)造和傳播。社交媒體中信息過載和碎片化特征使得用戶難以系統(tǒng)性地全面判斷和把握信息的質(zhì)量[1,5]；另外，社交媒體容易依據(jù)用戶特征形成小的社群[6]，這導(dǎo)致不同觀點(diǎn)的信息無法流動(dòng)，形成信息孤島。因此，互聯(lián)網(wǎng)環(huán)境下失真健康信息傳播不僅威脅公共衛(wèi)生管理，阻礙健康信息資源有效傳播，還不利于健康政策落實(shí)，遏制健康產(chǎn)業(yè)創(chuàng)新，甚至影響數(shù)字健康經(jīng)濟(jì)的發(fā)展。

因此，本研究在獲取國內(nèi)外互聯(lián)網(wǎng)環(huán)境下失真健康信息相關(guān)研究論文的基礎(chǔ)上，構(gòu)建失真健康信息研究框架。首先，界定失真健康信息的概念內(nèi)涵并篩選文獻(xiàn)進(jìn)行計(jì)量分析；其次，從失真健康信息的傳播、失真健康信息的識(shí)別以及失真健康信息的干預(yù)3個(gè)方面進(jìn)行文獻(xiàn)述評(píng)；最后，歸納總結(jié)互聯(lián)網(wǎng)環(huán)境下失真健康信息研究的不足和未來展望，以期推動(dòng)失真健康信息傳播機(jī)制與協(xié)同治理方案的研究，促進(jìn)互聯(lián)網(wǎng)健康信息生態(tài)環(huán)境的優(yōu)化。

1 研究設(shè)計(jì)

1.1 概念內(nèi)涵

失真信息一般是指錯(cuò)誤的、不準(zhǔn)確的信息[7]。失真健康信息則是指信息內(nèi)容上與健康相關(guān)的失真信息。基于信息概念框架，Nyhan等[8]融入個(gè)體認(rèn)知特征，將失真信息定義為“個(gè)體相信尚未得到明確科學(xué)證據(jù)和專家意見支持的信息”。失真信息首先強(qiáng)調(diào)客觀內(nèi)容上的錯(cuò)誤和不準(zhǔn)確，與現(xiàn)有的科學(xué)知識(shí)相違背；從接收者的維度上看，它還強(qiáng)調(diào)個(gè)體認(rèn)為錯(cuò)誤信息在解決特定問題上是有用并且適用的。

在現(xiàn)有研究中，偽信息（disinformation/fake news）和謠言（rumor）同樣是表達(dá)客觀內(nèi)容不準(zhǔn)確的概念，雖然在部分情境下可以替代使用，但在概念內(nèi)涵和實(shí)際研究側(cè)重點(diǎn)上存在區(qū)別。失真信息與偽信息雖然都是指信息內(nèi)容上與客觀事實(shí)存在偏差，但偽信息側(cè)重強(qiáng)調(diào)故意創(chuàng)造和傳播以造成傷害的意圖，常見的偽信息有新聞諷刺、新聞模仿、事實(shí)捏造、廣告和宣傳等[9]。而失真信息不強(qiáng)調(diào)信息來源的意圖，它也有可能是正確信息在傳播過程中由信息解構(gòu)和重組、部分信息丟失、外圍噪音等因素導(dǎo)致的信息失真[1,10]。謠言更容易被證偽，時(shí)效性較短[11]，對(duì)個(gè)體產(chǎn)生的深層次影響較為有限，一般側(cè)重于研究謠言傳播帶來的群體性效應(yīng)[12]，但是失真信息由于客觀上的不準(zhǔn)確性，對(duì)個(gè)體的認(rèn)知、心理、信念和情感都有可能產(chǎn)生深遠(yuǎn)的影響[13]。

1.2 文獻(xiàn)來源

本研究將對(duì)互聯(lián)網(wǎng)環(huán)境下失真健康信息相關(guān)研究進(jìn)行文獻(xiàn)檢索和篩選（圖1）。在Web of Science（WoS）上根據(jù)關(guān)鍵詞“health misinformation”進(jìn)行搜索，發(fā)表時(shí)間截至2022年12月31日，選擇核心數(shù)據(jù)集并剔除會(huì)議、報(bào)告類文獻(xiàn)，共得到文獻(xiàn)134篇。然后，基于摘要和標(biāo)題對(duì)內(nèi)容進(jìn)行篩選，剔除明顯不是信息學(xué)領(lǐng)域的論文、與失真健康信息無關(guān)的論文、時(shí)間過早難以追溯原文的論文后，最終以98篇英文文獻(xiàn)作為主要研究對(duì)象。在中國知網(wǎng)核心期刊中檢索關(guān)鍵詞、主題為“失真健康信息”“虛假健康信息”“偽健康信息”，篩除與研究領(lǐng)域無關(guān)的論文、與失真健康信息無關(guān)的論文、編者前言等非研究型論文以及重復(fù)性文章，最后得到25篇文獻(xiàn)。

圖1 失真健康信息文獻(xiàn)來源篩選過程

1.3 計(jì)量分析與研究框架

針對(duì)篩選出來的文獻(xiàn)進(jìn)行簡(jiǎn)單的計(jì)量分析，如圖2所示，互聯(lián)網(wǎng)環(huán)境下失真健康信息研究逐年增加，且在2021—2022年數(shù)量上呈現(xiàn)井噴式增長(zhǎng)，成為健康信息學(xué)領(lǐng)域的新興研究主題。

圖2 各年國內(nèi)外失真健康信息文獻(xiàn)數(shù)量變化

基于Ho等[14]對(duì)疫情期間失真健康信息研究的問題梳理，可以概括為以下幾個(gè)方面：①失真健康信息的傳播問題，信息是怎么傳播的，為什么會(huì)產(chǎn)生并得到廣泛的傳播；②失真健康信息的識(shí)別問題，為什么健康問題中的失真信息更難被識(shí)別，如何從根源上更快過濾失真信息；③失真健康信息的干預(yù)問題，自動(dòng)化的干預(yù)、人為教育的干預(yù)都是受到關(guān)注的話題。因此，本研究也將傳播、識(shí)別和干預(yù)作為三大核心主題并進(jìn)行文獻(xiàn)的梳理。表1是已有文獻(xiàn)中不同主題的分布情況。

表1 各主題失真健康信息文獻(xiàn)分布

2 失真健康信息的傳播

信息傳播包含三要素，分別為信息來源、信息內(nèi)容以及信息接收者[9]，三者在信息創(chuàng)建、生產(chǎn)、分發(fā)并且再次生產(chǎn)分發(fā)的循環(huán)過程中發(fā)揮不同的作用。本節(jié)分別從3個(gè)維度出發(fā)梳理失真健康信息傳播的影響因素，基于三要素對(duì)現(xiàn)有失真健康信息傳播的影響因素進(jìn)行梳理，結(jié)果如表2所示。

表2 失真健康信息傳播的影響因素

2.1 信息來源

信息來源是參與創(chuàng)建和生產(chǎn)失真健康信息的行動(dòng)者，其主動(dòng)發(fā)送信息，并且繼續(xù)參與信息分發(fā)和再生產(chǎn)過程。認(rèn)識(shí)社交媒體上主動(dòng)發(fā)布失真健康信息的主體，探究創(chuàng)造并生產(chǎn)社交媒體失真健康信息的動(dòng)機(jī)以及信息來源方如何在整個(gè)信息鏈中發(fā)揮作用，可以幫助研究人員從信息鏈上游解決失真信息的傳播問題。

失真健康信息來源可以是非官方的個(gè)人用戶[10]，他們可能具有相關(guān)的經(jīng)驗(yàn)或知識(shí)背景。例如，越來越多的患者開始積極在社交媒體平臺(tái)中分享自己的親身經(jīng)歷或者解答其他類似疾病患者的困惑，逐漸模糊權(quán)威和經(jīng)驗(yàn)的界限，他們可能會(huì)表達(dá)一些并不科學(xué)的見解，導(dǎo)致失真信息進(jìn)一步擴(kuò)散。這些患者并不是有意傳達(dá)錯(cuò)誤的經(jīng)驗(yàn)，但是囿于自身知識(shí)水平難免會(huì)有一些偏見，而這種看似真實(shí)的偏見往往可能令人信服。社交網(wǎng)絡(luò)中還存在許多偽科學(xué)家，他們?cè)谏缃幻襟w將自己包裝成為醫(yī)學(xué)專業(yè)人才并獲得大量關(guān)注，從而進(jìn)行失真健康信息的生產(chǎn)和傳播。社交媒體中的社交機(jī)器人（social bots）也是失真信息來源傳播中的研究對(duì)象之一。例如，研究人員對(duì)機(jī)器賬號(hào)在社交媒體上的信息表述特征進(jìn)行分析[15]，研究它們是如何影響疫苗接種信息的傳播等[16]。

除了個(gè)人用戶，一些看似權(quán)威的網(wǎng)站、出版物也是導(dǎo)致失真健康信息傳播的重要源頭。例如，掠奪性期刊（predatory journals）借用科學(xué)期刊的可信度，專注于接受盡可能多的論文，而不是著重篩選論文質(zhì)量，魚龍混雜的期刊論文成為低質(zhì)內(nèi)容傳播的重要來源[17]。受部分組織資助的健康網(wǎng)站可能在利益驅(qū)使下發(fā)布誘導(dǎo)性的言論，如酒精工業(yè)組織贊助的健康網(wǎng)站會(huì)發(fā)布酒精有利于健康的論述[18]。

2.2 信息內(nèi)容

探究失真健康信息內(nèi)容特征是治理其傳播的重要一環(huán)，早期有關(guān)失真健康信息研究主要集中于此，尋找失真健康信息的共性特征。一方面，結(jié)合主題、語言、情感、用戶行為等特征構(gòu)建識(shí)別模型，以優(yōu)化失真健康信息的識(shí)別和過濾[19]；另一方面，基于實(shí)證方法研究失真健康信息特征對(duì)用戶認(rèn)知、信息行為的影響[20]。

（1）語言表述。失真健康信息表現(xiàn)出更高的確定性，并在標(biāo)題中包含更多的陳述句、更多的情感訴求、更少的范例和更少的可信來源[21-22]。大多數(shù)情況下，失真健康信息的表述方式更容易被理解，情感沖擊力強(qiáng)，更容易引起社交媒體用戶的負(fù)面情緒。當(dāng)人們感到信任缺失、恐懼和懷疑時(shí)，更容易受到失真信息的影響，如果此時(shí)失真信息獲得信任就很難糾正。除此之外，整體上積極型的信息表征框架[1]、精細(xì)化的敘事內(nèi)容[23]也更容易促進(jìn)用戶對(duì)失真健康信息的信任。值得注意的是，有研究表明失真健康信息的傳播程度和情感詞的使用無關(guān)，包含積極情緒詞更可能被分享和評(píng)論[22]。

（2）主題特征。不同健康主題下失真健康信息的傳播特征也有所不同。已有研究中以流行傳染病（如新冠肺炎、SARS病毒等[24-26]）、癌癥相關(guān)的慢性病、疫苗接種為代表進(jìn)行探索[27-28]。解決的問題包括：①互聯(lián)網(wǎng)環(huán)境下什么主題的失真健康信息占比較高。如基于描述性分析，研究發(fā)現(xiàn)與預(yù)防和治療方法相關(guān)的、與日常生活相關(guān)的失真健康信息在社交媒體上占比最高[29]。②互聯(lián)網(wǎng)環(huán)境下特定健康主題的失真健康信息的傳播特征。有研究表明在推特（Twitter）和臉書（Facebook）上新冠肺炎相關(guān)的帖子傳播失真信息的概率相較于其他健康主題更小[30]，而且隨著疫情爆發(fā)，失真信息的整體含量比前一年預(yù)期的少。

（3）圖像特征。除了文本類型的失真健康信息，有學(xué)者開始從圖像維度探究失真健康信息的傳播。隨著各類以圖片、視頻分享為主體的社交媒體，如INS（instagram）、TikTok、小紅書和抖音的流行，包含圖像的失真健康信息開始具有更強(qiáng)大的影響力，可能通過情感作用提升說服力[31]。You‐Tube上有關(guān)癌癥的失真信息相關(guān)內(nèi)容的觀看數(shù)和點(diǎn)贊數(shù)反而多于科學(xué)性內(nèi)容[32]，Zhou等[33]發(fā)現(xiàn)引人注目的標(biāo)題和情緒化的圖像會(huì)誤導(dǎo)老年人對(duì)失真健康信息的判斷，實(shí)驗(yàn)表明，被試者僅成功判斷了41.38%的失真健康信息。這意味著包含圖像的失真健康信息更容易被理解或獲取，因此，它們更容易在社交媒體平臺(tái)上傳播。

2.3 信息接收者

本節(jié)主要是從信息接收方的角度探討哪些因素會(huì)對(duì)社交媒體用戶參與失真健康信息傳播行為產(chǎn)生影響，促進(jìn)社交媒體失真健康信息的傳播?，F(xiàn)有研究可以分為微觀視角和宏觀視角，前者是從個(gè)體層面研究個(gè)體對(duì)失真健康信息甄別和傳播行為的影響因素，后者則是從群體層面分析社交網(wǎng)絡(luò)用戶的群體特征，基于心理學(xué)理論和網(wǎng)絡(luò)理論解釋社交媒體平臺(tái)失真健康信息傳播機(jī)制。

（1）人口統(tǒng)計(jì)學(xué)因素。種族、年齡、受教育水平、性別等均與失真健康信息的傳播密切相關(guān)，例如，老年人[33]、教育水平低[34]、美國少數(shù)種族群體[35-36]、非洲人[37]等均被認(rèn)為是失真信息的主要受害者，是學(xué)者研究的重要對(duì)象。國內(nèi)研究發(fā)現(xiàn)，男性、年齡較高以及受教育水平較低會(huì)促進(jìn)對(duì)失真健康信息的信任[1]。已有研究主要在探索什么樣的統(tǒng)計(jì)學(xué)特征更容易受到失真健康信息影響，但對(duì)于特定群體的深入探索還不足。

（2）健康素養(yǎng)。健康素養(yǎng)是指?jìng)€(gè)體獲得、處理與理解基本健康信息與服務(wù)的能力[38]。具體而言，包括與健康相關(guān)的固有認(rèn)知和知識(shí)技能、對(duì)健康信息進(jìn)行閱讀和理解的能力、整合健康信息做出健康決策的能力等。由于健康信息非常個(gè)人化，人們往往會(huì)無意識(shí)地自動(dòng)選擇確認(rèn)符合其先前觀點(diǎn)的信息，因此，人們受到失真健康信息的影響程度取決于個(gè)體對(duì)主題的了解程度[39]。缺乏知識(shí)或技能、對(duì)醫(yī)療保健系統(tǒng)不信任、對(duì)替代醫(yī)學(xué)持積極態(tài)度的個(gè)體往往更容易受到健康失真信息的影響[40]。研究表明，個(gè)體健康素養(yǎng)的提升可以幫助用戶甄別失真健康信息[1,5,7]。

（3）技術(shù)熟練程度。在技術(shù)熟練程度特征中，用戶的“信息素養(yǎng)”在評(píng)估網(wǎng)站可信度以及評(píng)價(jià)網(wǎng)站結(jié)構(gòu)、信息特征方面發(fā)揮了重要作用。用戶能夠使用信息工具和資源獲取信息、識(shí)別信息、加工信息、傳播信息。McMillan等[41]研究發(fā)現(xiàn)，經(jīng)常使用在線資源的“健康技術(shù)專家”對(duì)檢索出的健康信息更信任，而較少使用互聯(lián)網(wǎng)的“健康傳統(tǒng)主義者”對(duì)網(wǎng)絡(luò)健康信息的信任度較低。不同媒體平臺(tái)發(fā)布的健康信息會(huì)影響用戶的可信度判斷。Ma等[42]研究表明，當(dāng)健康信息在不同媒體平臺(tái)發(fā)布時(shí)，可信度有所不同，用戶在網(wǎng)站、博客以及論壇上采用不同策略來判斷信息源，從而找到可信健康信息，用戶越依賴某個(gè)信息源，越有可能判斷該信息源提供的信息是可信的。

（4）情感與信任。信息社會(huì)將人們的注意力視為優(yōu)先的資源，而情緒化的內(nèi)容通常起到吸引注意力的作用，從而對(duì)外界信息的處理產(chǎn)生負(fù)面影響。失真健康信息的大范圍傳播并不是因?yàn)槠鋬?nèi)容低質(zhì)，而是因?yàn)樗袠O強(qiáng)的心理吸引力。例如，引起威脅、厭惡或社會(huì)關(guān)系，從而刺激用戶對(duì)其做出反應(yīng)[43]。健康焦慮、錯(cuò)誤的健康信念均會(huì)正向影響用戶對(duì)失真健康信息的信任程度[44-45]?；贠-S-O-R（organism-stimuli-organism-response）模型，學(xué)者研究發(fā)現(xiàn)對(duì)于新冠肺炎疫情的擔(dān)憂加劇了社交媒體信息過載，導(dǎo)致社交媒體疲勞，這可能阻礙用戶對(duì)健康信息真實(shí)性的核查[46]。尤其是對(duì)于傾向于相信失真健康信息的用戶而言，不愉快的、消極的信息搜尋體驗(yàn)會(huì)減少用戶認(rèn)真思考外界信息的真實(shí)性[47]。在魚龍混雜的健康信息中，感知來源可信度對(duì)感知信息可信度具有顯著的正向影響[48]，Wu等[49]探究了數(shù)字媒體依賴對(duì)失真健康信息信念的影響，結(jié)果表明對(duì)社交媒體和替代健康媒體的依賴更容易使人相信失真健康信息。

（5）網(wǎng)絡(luò)特征。失真健康信息在大規(guī)模擴(kuò)散過程中呈現(xiàn)一定規(guī)律的網(wǎng)絡(luò)特征，現(xiàn)有研究主要是基于網(wǎng)絡(luò)理論考察失真信息傳播的群體效應(yīng)，通過數(shù)學(xué)建模、社會(huì)網(wǎng)絡(luò)分析等方式模擬和研究失真信息在社交媒體傳播的社會(huì)機(jī)制。確認(rèn)偏誤（confirma‐tion bias）是指用戶對(duì)事實(shí)問題的看法會(huì)受到預(yù)先認(rèn)知的強(qiáng)烈影響，并且尋找可以確認(rèn)其能夠證明預(yù)先認(rèn)知的證據(jù)以驗(yàn)證自己的預(yù)先認(rèn)知[49-50]，群體確認(rèn)偏誤下導(dǎo)致的選擇性接觸行為會(huì)形成同質(zhì)群體，即具有類似信念、觀點(diǎn)的個(gè)體會(huì)在社交網(wǎng)絡(luò)中聚集在一起，成為一個(gè)小社區(qū)。這種現(xiàn)象在互聯(lián)網(wǎng)的推薦機(jī)制下更為凸顯，暴露出一些潛在危害。例如，基于YouTube推薦算法構(gòu)建視頻網(wǎng)絡(luò)結(jié)構(gòu)，探究是否存在特定的社區(qū)主題在推薦更多的失真健康信息，如反疫苗接種內(nèi)容[51-52]。同樣的問題也存在于亞馬遜的圖書推薦中，研究人員討論了盲目將商業(yè)化推薦算法應(yīng)用于復(fù)雜的健康信息中的潛在后果[53]。社交媒體上的信息獲取是一種迎合用戶偏好的協(xié)同過濾機(jī)制，用戶與用戶之間交換不同觀點(diǎn)的可能性會(huì)被進(jìn)一步降低，增加了在封閉網(wǎng)絡(luò)中放大失真信息的風(fēng)險(xiǎn)[54]。Safarnejad等[55-56]基于推文的轉(zhuǎn)發(fā)數(shù)據(jù)推測(cè)失真健康信息的傳播網(wǎng)絡(luò)，并提取了9個(gè)網(wǎng)絡(luò)指標(biāo)用于預(yù)測(cè)失真健康信息的傳播。研究發(fā)現(xiàn)，社交網(wǎng)絡(luò)中圍繞陰謀和科學(xué)主題存在著2個(gè)形成良好且高度隔離的社區(qū)[57]。Seymour等[58]發(fā)現(xiàn)Facebook上反對(duì)在飲用水中添加氟化物的激進(jìn)分子間形成的人際網(wǎng)絡(luò)高度互聯(lián)。Nazar等[59]探究了一個(gè)新冠肺炎疫情相關(guān)的誤導(dǎo)視頻在推特上進(jìn)行傳播的社區(qū)結(jié)構(gòu)和交流模式，研究發(fā)現(xiàn)該視頻通過指導(dǎo)低影響力用戶大規(guī)模分享，有效破壞了錯(cuò)誤信息的封鎖。通過探究接收群體的網(wǎng)絡(luò)特征有助于深入了解失真健康信息大規(guī)模傳播現(xiàn)象，并為失真健康信息的治理提供新的思路。

3 失真健康信息的識(shí)別

大數(shù)據(jù)、人工智能時(shí)代的到來激化了人們?nèi)找嬖鲩L(zhǎng)的信息需求與日趨困難的可信度識(shí)別之間的矛盾[60]，對(duì)失真健康信息識(shí)別和判斷的研究更加顯得重要和迫切。為克服用戶評(píng)估健康信息可信度的主觀性，研究者將算法技術(shù)與醫(yī)學(xué)知識(shí)相結(jié)合以設(shè)計(jì)健康信息可信度的自動(dòng)評(píng)估算法。在醫(yī)學(xué)領(lǐng)域，專家通過循證醫(yī)學(xué)（evidence-based medicine，EBM）來確定健康信息的可信度，循證醫(yī)學(xué)是一種基于當(dāng)前最佳證據(jù)、臨床專業(yè)知識(shí)和患者需求的系統(tǒng)評(píng)估健康信息的方法[61]。Samuel等[62]將循證醫(yī)學(xué)與自動(dòng)化計(jì)算結(jié)合開發(fā)了MedFact算法，該算法從社交媒體文章中提取與健康相關(guān)的未知短語，通過查詢可信的醫(yī)學(xué)知識(shí)數(shù)據(jù)庫獲得可信短語，然后訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）計(jì)算與健康相關(guān)的未知短語和可信短語之間的一致性評(píng)分，以此評(píng)估健康信息的準(zhǔn)確性。與此類似的還有Park[63]提出的HealthTrust系統(tǒng)，基于一組已知可信的健康網(wǎng)站自動(dòng)評(píng)估在線健康信息的可信度。但可信的醫(yī)學(xué)信息之間可能偶爾包含矛盾的事實(shí)，有待進(jìn)一步優(yōu)化彼此間的協(xié)議[62]。

為了在信息傳播的早期階段迅速識(shí)別出失真健康信息，許多研究設(shè)計(jì)了能夠有效自動(dòng)識(shí)別失真健康信息的模型。在失真信息檢測(cè)算法中，基于特征的算法依靠不同類型的信息特征來區(qū)分真假信息[64]，基于圖的算法通過目標(biāo)群體的傳播協(xié)調(diào)來檢測(cè)失真信息[65]，而基于模型的算法則是在信息傳播模型的基礎(chǔ)上仿真信息傳播模式[66]。其中，被用于失真健康信息識(shí)別中最多的是基于特征的算法[67]，大多數(shù)識(shí)別模型依賴于從信息中生成相關(guān)特征來幫助區(qū)分真假信息，通過分析數(shù)據(jù)集提取出信息特征，運(yùn)用各種分類算法構(gòu)建失真健康信息識(shí)別模型，具體如表3所示。

表3 失真健康信息自動(dòng)識(shí)別模型研究匯總表

在失真健康信息識(shí)別模型研究中，研究者通常使用網(wǎng)絡(luò)平臺(tái)內(nèi)真實(shí)的數(shù)據(jù)作為數(shù)據(jù)集，以此來提供一個(gè)真實(shí)的數(shù)據(jù)分析場(chǎng)景。通常選用的數(shù)據(jù)集有微博[72]、微信[72]、貼吧[19]、Twitter[67,69-71]、YouTube[74]、snopes.com[73]等平臺(tái)網(wǎng)站上與健康相關(guān)的文章、評(píng)論、視頻等數(shù)據(jù)資料。目前能夠用于評(píng)估失真健康信息的公開可用數(shù)據(jù)集不多，考慮到能夠從數(shù)據(jù)集中提取網(wǎng)頁原始HTML（hyper text markup lan‐guage）格式，有研究使用微軟可信度數(shù)據(jù)集、醫(yī)療網(wǎng)絡(luò)可靠性語料庫、CLEF eHealth 2020 task-2數(shù)據(jù)集比較評(píng)估模型有效性[79]。

失真健康信息的特征是基于特征的識(shí)別模型的分析基礎(chǔ)，許多研究者將從網(wǎng)絡(luò)上收集的數(shù)據(jù)信息經(jīng)過人工標(biāo)注后進(jìn)行特征分析。內(nèi)容分析法被廣泛用于分析社交媒體上健康錯(cuò)誤信息的內(nèi)容和傳播特征[73]。張帥[80]按照開放式編碼、主軸編碼和選擇式編碼對(duì)失真健康信息進(jìn)行編碼分析，融合和聚類為表面特征、語義特征和來源特征3個(gè)維度。Zhao等[19]通過編碼分析對(duì)數(shù)據(jù)集進(jìn)行分解、檢查、比較、概念化和分類，完成對(duì)文本數(shù)據(jù)組織和理解以便提取信息特征。Li等[81]對(duì)微信中的健康信息進(jìn)行了真、假健康信息分類，并利用卡方檢驗(yàn)識(shí)別出微信中失真健康信息的顯著特征。現(xiàn)有研究中提取出的信息特征主要有語言特征[19,68,70,72-77]、用戶特征[67,72]、行為特征[19,67,71,76]以及聲學(xué)特征[74]等。其中，語言特征包括LIWC（linguistic inquiry and word count）特征、n-grams特征、情感特征、特定詞頻特征、某些標(biāo)點(diǎn)或特殊詞的頻率等。在不同的數(shù)據(jù)集中選用不同特征對(duì)識(shí)別在線失真健康信息會(huì)存在有效性差異[82]。

基于提取出來的信息特征，不同的研究通常選擇使用不同的技術(shù)算法構(gòu)建失真健康識(shí)別模型，研究者常采用的算法有隨機(jī)森林（RF）[67-68]、支持向量機(jī)（SVM）[19,70-72,74-78]、隨機(jī)梯度下降（SGD）[75]、邏輯回歸（LR）[19,70,77]、k最近鄰（kNN）[19,72]、卷積神經(jīng)網(wǎng)絡(luò)（CNN）[77]、多層感知器（MLP）[70]、長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）[75,78]等。例如，Sicilia等[67]開發(fā)的檢測(cè)系統(tǒng)專注于Twitter上與寨卡病毒有關(guān)的失真健康信息，利用隨機(jī)森林分類器對(duì)實(shí)際數(shù)據(jù)集進(jìn)行測(cè)試的準(zhǔn)確率達(dá)到71.4%。Hou等[74]的研究自動(dòng)檢測(cè)了YouTube視頻中的失真健康信息，他們采用基于SVM開發(fā)的失真健康檢測(cè)模型的準(zhǔn)確率高達(dá)74.4%。此外，在同一研究中不同的算法模型會(huì)有不同的表現(xiàn)，研究者通常進(jìn)行比較后選擇最優(yōu)的算法。在Zhao等[19]的研究中，RF模型具有比其他模型更高的性能，且時(shí)間和空間消耗更低。Deb等[70]認(rèn)為卷積濾波器能夠提取局部特征和捕捉單詞之間的相似性，基于字符的卷積神經(jīng)網(wǎng)絡(luò)（Char-CNN）的特性適合用于推文場(chǎng)景下的失真健康信息檢測(cè)模型。

各類識(shí)別算法主要是將互聯(lián)網(wǎng)上失真健康信息的特征納入考量，大多數(shù)研究都選擇提取信息的語言特征。健康信息可信度評(píng)估算法的目的是實(shí)現(xiàn)自動(dòng)化評(píng)估，但大多數(shù)算法的開發(fā)研究在實(shí)際使用場(chǎng)景中的效用還未知，且鮮有對(duì)于算法的實(shí)際含義以及潛在的倫理問題進(jìn)行討論。此外，在大數(shù)據(jù)時(shí)代，存在失真健康信息更新速度和傳播模式變化的各種可能性，可信度評(píng)估算法中也應(yīng)考慮到模型更新的問題[83]。

4 失真健康信息的干預(yù)

大量未經(jīng)核實(shí)的健康信息易在線獲得，學(xué)者們探索了基于網(wǎng)絡(luò)的在線健康檢索系統(tǒng)改進(jìn)和優(yōu)化的可能性，檢測(cè)和減緩失真健康信息在網(wǎng)上的快速傳播。相關(guān)研究已拓展至社會(huì)計(jì)算領(lǐng)域，借助算法預(yù)測(cè)和識(shí)別可能發(fā)布或傳播失真健康信息的用戶，并采取干預(yù)措施來屏蔽失真信息，積極向用戶推薦可靠的健康信息和受信任的信息平臺(tái)。

4.1 干預(yù)措施手段

用戶是構(gòu)成失真健康信息傳播路徑中的節(jié)點(diǎn)，在失真健康信息傳播網(wǎng)絡(luò)中扮演著重要角色，對(duì)其是否可能發(fā)布或進(jìn)一步傳播失真信息進(jìn)行主動(dòng)識(shí)別，干預(yù)被識(shí)別為傳播節(jié)點(diǎn)的用戶所傳播的失真健康信息，從而有助于遏制虛假信息的傳播。目前，少部分健康相關(guān)的低可信度網(wǎng)頁擁有大量用戶，但在整體上低可信度網(wǎng)頁比其他網(wǎng)頁的用戶更少[84]。在用戶接觸到失真信息之前檢測(cè)出潛在的傳播者，以提高用戶自身的警惕性以及避免對(duì)其他用戶產(chǎn)生誤導(dǎo)性的傳播影響。Ghenai等[85]以用戶為中心構(gòu)建識(shí)別模型，基于邏輯回歸算法的分類器識(shí)別出社交媒體中傾向于傳播此類失真信息的用戶。朱宏淼等[86]計(jì)算出失真健康信息傳播者閾值，建議可根據(jù)傳播初期的傳播者數(shù)量對(duì)失真健康信息的擴(kuò)散度進(jìn)行預(yù)測(cè)。失真健康信息的傳播網(wǎng)絡(luò)不同于真實(shí)信息的傳播網(wǎng)絡(luò)，Safarnejad等[55-56]將失真健康信息與各種指標(biāo)的真實(shí)信息進(jìn)行對(duì)比，構(gòu)建了寨卡病毒流行期間寨卡病毒失真信息在社交媒體上擴(kuò)散的實(shí)際動(dòng)態(tài)傳播網(wǎng)絡(luò)，該擴(kuò)散模式反映出失真健康信息傳播動(dòng)態(tài)的時(shí)間順序變化，失真健康信息傳播直接在用戶之間或小集群之間傳播，有別于真實(shí)信息遵循的分層傳播。在信息的傳播網(wǎng)絡(luò)中對(duì)失真健康信息傳播者追蹤有益于政府機(jī)構(gòu)監(jiān)測(cè)社交媒體上的言論，確定當(dāng)前健康信息傳播策略的缺陷，在造成嚴(yán)重危害之前發(fā)現(xiàn)失真健康信息。

針對(duì)用戶發(fā)出的信息檢索需求，對(duì)現(xiàn)有數(shù)據(jù)的準(zhǔn)確性、相關(guān)性和可靠性進(jìn)行分析評(píng)估后，將滿足用戶需求的可靠健康信息進(jìn)行推薦和排序，實(shí)現(xiàn)健康信息的優(yōu)化推送。研究者提出的MedFact算法[62]能夠自動(dòng)從在線討論中提取相關(guān)關(guān)鍵詞，查詢可信的醫(yī)學(xué)文獻(xiàn)后將可信的醫(yī)療信息嵌入討論中以實(shí)現(xiàn)內(nèi)容推薦，使在線用戶能夠?qū)υ诰€健康信息的可信度做出明智的決定。Deb等[70]設(shè)計(jì)的社交機(jī)器人Notobot采用Char-CNN算法實(shí)現(xiàn)為用戶推薦與反吸煙高度相關(guān)的信息，Notobot能夠成功分析出目標(biāo)推文，并在用戶提到時(shí)發(fā)布推文。Shams等[87]提出的搜索引擎擴(kuò)展程序SEMiNExt能夠從搜索欄中讀取用戶查詢，對(duì)查詢到的健康信息進(jìn)行分類，并實(shí)時(shí)向用戶通知結(jié)果的真實(shí)性。該拓展程序集成了自然語言處理和機(jī)器學(xué)習(xí)算法，在訓(xùn)練中實(shí)現(xiàn)高準(zhǔn)確度的預(yù)測(cè)。Pandey等[88]開發(fā)的WashKaro應(yīng)用程序使用AI（artificial intelligence）將健康信息與WHO（World Health Organization）建議的準(zhǔn)確信息進(jìn)行匹配，并通過聊天機(jī)器人系統(tǒng)用可理解的當(dāng)?shù)卣Z言為用戶提供準(zhǔn)確的健康信息，減少失真健康信息的傳播，進(jìn)而改善健康信息的傳遞。這樣的算法可以有效地減少網(wǎng)上失真信息的傳播，但信息內(nèi)容的自由流通可能受到威脅，而所提出的算法在現(xiàn)實(shí)場(chǎng)景運(yùn)用中可能不夠準(zhǔn)確或無效[52-53]。

4.2 傳播過程干預(yù)

互聯(lián)網(wǎng)失真健康信息的傳播過程中通常會(huì)涉及不同個(gè)體，如在社交媒體上主動(dòng)發(fā)布失真健康信息的用戶以及接收這些信息的用戶。不同用戶之間存在健康信息素養(yǎng)差異，失真健康信息傳播的受害者主要是健康信息素養(yǎng)較低的群體。阮智慧等[89]基于SIRS（susceptible, infected, recovered, susceptible）模型構(gòu)建了失真健康信息傳播的系統(tǒng)動(dòng)力學(xué)模型，分析表明用戶健康信息素養(yǎng)水平越高，則識(shí)別失真健康信息的能力越強(qiáng)，從而減少了失真健康信息的轉(zhuǎn)發(fā)。目前全球范圍內(nèi)存在較大比例的人口數(shù)字衛(wèi)生知識(shí)普及程度低，直接導(dǎo)致了有關(guān)COVID-19的失真健康信息的傳播以及破壞性影響的產(chǎn)生[90]。健康素養(yǎng)教育通過增強(qiáng)用戶的健康信息素養(yǎng)以提升其評(píng)估在線健康信息可信度的能力[83]，主要開展形式為講座[91]，在社區(qū)、學(xué)校、圖書館等舉辦與公眾進(jìn)行面對(duì)面指導(dǎo)的講座。例如，圖書館可提供各類健康信息服務(wù)以促進(jìn)健康信息素養(yǎng)的提升[92-93]，但受限于數(shù)據(jù)和技術(shù)以及服務(wù)針對(duì)性、即時(shí)性的不足，健康信息服務(wù)的能力和效果難與政務(wù)、企業(yè)信息服務(wù)主體相比[94]。此外，在線學(xué)習(xí)項(xiàng)目[95]幫助用戶獲得在線健康信息的使用、溝通和搜索等技能，也是提高用戶健康信息素養(yǎng)的有效方式之一。提高用戶健康信息素養(yǎng)和健康知識(shí)吸收涉及多方主體，亟待多方協(xié)同制定向公眾傳播健康知識(shí)的有效策略。

健康信息傳播需要由專業(yè)人士創(chuàng)造高質(zhì)量的健康信息，媒體將其準(zhǔn)確地傳達(dá)給公眾[5]。社交媒體上傳播的健康信息應(yīng)該是可讀的、可理解的、相關(guān)的、一致的、明確的和可信的[96-97]。醫(yī)生群體、衛(wèi)生機(jī)構(gòu)和科學(xué)家等專業(yè)群體利用專業(yè)知識(shí)來創(chuàng)建和認(rèn)證更可靠的、用戶可訪問的在線健康信息[24,98]，增加在社交媒體上與公眾進(jìn)行交流的次數(shù)，以及與媒體開展更緊密的合作提高健康信息的準(zhǔn)確性和科學(xué)性[5]。斯坦福全球健康媒體獎(jiǎng)學(xué)金項(xiàng)目通過在科學(xué)寫作和醫(yī)學(xué)新聞藝術(shù)方面培訓(xùn)醫(yī)療保健專業(yè)人員，讓更多的衛(wèi)生保健專業(yè)人員制作和分享準(zhǔn)確的健康信息以提高健康素養(yǎng)[99]。有研究通過短期教育課程教授醫(yī)學(xué)生健康傳播基礎(chǔ)知識(shí)，提升他們通過大眾媒體與非專業(yè)受眾交流的舒適度和感知能力，增加他們公開傳播正確健康信息的可能性[100]。醫(yī)學(xué)期刊在征集和發(fā)表關(guān)于失真健康信息研究的稿件外，在控制傳播方面可納入尋找失真健康信息提供者的工作[101]。媒體平臺(tái)在健康類信息的轉(zhuǎn)述和審核上要提高語言表達(dá)的準(zhǔn)確性，謹(jǐn)慎對(duì)待新聞標(biāo)題的微小變化以及在正文中加上明確的因果關(guān)系說明，提高后續(xù)新聞標(biāo)題和報(bào)道的準(zhǔn)確性[102]，減少健康信息在社交媒體中被夸大或歪曲的現(xiàn)象。

4.3 信息內(nèi)容糾偏

健康信息傳播者通過及時(shí)發(fā)布糾正性的信息，增加與用戶的溝通，可以讓用戶及時(shí)感知到健康信息的失真，重新接收到科學(xué)、真實(shí)、準(zhǔn)確的健康信息。尤其是在公共衛(wèi)生事件危機(jī)中，糾正信息能夠滿足公眾對(duì)可信信息和有效溝通的迫切需求[103]，從而塑造人們對(duì)公共衛(wèi)生的正確理解。糾正信息特征方面，糾正性信息的具體證據(jù)表述應(yīng)該簡(jiǎn)短且注重事實(shí)的傳達(dá)[104]，過多地強(qiáng)調(diào)被糾正的內(nèi)容反而會(huì)增加誤解。為實(shí)施糾偏行為而把失真健康信息本身納入糾正性信息，人們很可能只記得信息本身進(jìn)而產(chǎn)生熟悉效應(yīng)，在這種效應(yīng)下的失真信息反而容易獲得人們的信任，強(qiáng)化失真健康信息[105]。糾正信息來源方面，專家來源（包括政府、衛(wèi)生機(jī)構(gòu)）、新聞媒體和社交媒體用戶可以糾正有關(guān)公眾衛(wèi)生問題的失真信息[29,106-110]，并增加所有健康信息傳播者的糾正頻率[5]。糾正方式方面，醫(yī)療保健專業(yè)人員在糾正社交媒體上的失真健康信息時(shí)，大多首選公開性的糾正方式[111]，社交媒體用戶在Facebook發(fā)布或評(píng)論糾正性健康信息的社交性糾正與算法糾正同樣有效[112]。由于微信朋友圈的用戶之間存在較高的信任感，與在Facebook、推特上的糾正相比，用戶在微信朋友圈糾正更為容易[113]。MacFarlane等[114]的研究將基于衛(wèi)生當(dāng)局材料的初步糾正與基于最佳實(shí)踐建議的強(qiáng)化糾正進(jìn)行對(duì)比，發(fā)現(xiàn)強(qiáng)化糾正的方式在遏制虛假信息宣傳方面更為有效，失真健康信息文章后面跟著一篇糾正文章，非簡(jiǎn)單地指出失真健康信息文章缺乏證據(jù)，而是讓讀者注意失真健康信息文章中的欺騙性和誤導(dǎo)性并解釋其中的欺騙原理。值得注意的是，用戶瀏覽過失真健康信息會(huì)降低個(gè)人信息素養(yǎng)及其對(duì)社會(huì)價(jià)值的認(rèn)知，失真健康信息糾正后仍可能產(chǎn)生負(fù)面影響，如出現(xiàn)兩極分化的情況，失真健康信息的糾正效果降低[115]，或加劇社會(huì)分裂的風(fēng)險(xiǎn)，使持有相反觀點(diǎn)的人更加疏遠(yuǎn)真實(shí)健康信息[116]。此外，對(duì)失真信息進(jìn)行多次糾正并不一定能產(chǎn)生好的效果，如在疾病預(yù)防控制中心已經(jīng)糾正失真健康信息之后，其他傳播者進(jìn)行第二次不同的糾正可能會(huì)產(chǎn)生適得其反的效果[8]。

5 研究展望

通過上述對(duì)文獻(xiàn)的梳理和歸納分析，可以較為全面、系統(tǒng)地了解失真健康信息目前的研究進(jìn)展。隨著互聯(lián)網(wǎng)信息傳播技術(shù)和傳播環(huán)境的不斷變化，失真健康信息還存在如下的研究空間。

（1）失真健康信息對(duì)老年人群體的影響研究。由于老年人健康素養(yǎng)相對(duì)較低，對(duì)健康類信息又特別關(guān)注，更容易頻繁接觸并相信失真健康信息，也更愿意分享失真健康信息，因此，老年人群體中的失真健康信息更值得關(guān)注。一方面，已有研究主要是將年齡、性別等人口統(tǒng)計(jì)學(xué)因素作為失真健康信息可信度的關(guān)聯(lián)項(xiàng)進(jìn)行研究，對(duì)于特定群體的聚焦程度還不夠，只有少數(shù)學(xué)者開始以老年人作為研究對(duì)象，探討失真健康信息如何獲取他們的信任[33]。另一方面，現(xiàn)有研究中對(duì)于失真健康信息危害的影響研究較少，大多停留在論述層面，即可能誤導(dǎo)用戶做出錯(cuò)誤的健康行為，如相信新冠肺炎疫情陰謀論會(huì)導(dǎo)致用戶不采取流感保護(hù)行為[117]。也有研究提出相反的意見，認(rèn)為實(shí)際上失真健康信息的危害并沒有想象中嚴(yán)重，因?yàn)橛脩舨⒉粌A向于對(duì)這些信息進(jìn)行互動(dòng)[43]。因此，失真健康信息-認(rèn)知-行為的影響邏輯缺乏充分的論證。老年人經(jīng)常會(huì)做出錯(cuò)誤的健康行為，如使用替代性療法、購買無用的保健品、盲目分享失真健康信息、抗拒注射疫苗等，在這些行為背后，失真健康信息及其特征是如何影響的，是否和年輕人群體存在不同，這都需要研究人員采取更多實(shí)證研究予以探索。未來可以采取問卷調(diào)研、對(duì)比實(shí)驗(yàn)等方法，嘗試解決：①老年人群體的哪些健康決策受到互聯(lián)網(wǎng)失真健康信息的影響；②什么樣的失真健康信息來源和內(nèi)容特征導(dǎo)致了這樣的影響；③老年人的失真健康信息分享行為和年輕人有什么區(qū)別，是否存在特殊的傳播機(jī)制等問題。

（2）擴(kuò)展視覺類失真健康信息的傳播研究。研究表明，YouTube上許多誤導(dǎo)性的視頻受到很大的歡迎，如誤導(dǎo)性的支持厭食癥的視頻[118]，相反地，來源于官方媒體的科普視頻，如急性心肌梗死的視頻，并不受關(guān)注[119]。這些不科學(xué)的科普視頻有更多的評(píng)論、點(diǎn)贊和分享行為，因此，包含圖像、視頻的視覺類失真健康信息研究是值得重點(diǎn)關(guān)注的話題之一?，F(xiàn)有失真健康信息研究中，大多以文本信息作為樣本進(jìn)行研究，視覺類型的失真健康信息受到的關(guān)注較少。視覺類型信息更加復(fù)雜，并且包含文本、音頻等附加信息，如何識(shí)別并過濾此類失真信息是一個(gè)值得關(guān)注的難題。首先，針對(duì)視覺類失真健康信息的識(shí)別，可以通過多模態(tài)技術(shù)提取這類視頻的圖像特征，也可以通過提取視頻的文本信息和用戶行為特征，采取機(jī)器學(xué)習(xí)方法進(jìn)行過濾。其次，需進(jìn)一步研究視覺失真健康信息的核心觸及人群有哪些，什么樣的特征更容易使其被誘導(dǎo)，需要進(jìn)一步了解人們?nèi)绾斡龅揭曈X失真信息，以及是否存在數(shù)字鴻溝的問題。另外，個(gè)體在接觸到視覺失真健康信息后，如何改變其認(rèn)知和后續(xù)分享行為，可以借助視覺觀測(cè)儀器，如眼動(dòng)儀，進(jìn)行深入研究，為解決視覺失真健康信息問題提供行之有效的建議。

（3）失真健康信息特征的識(shí)別研究?；谟脩魝€(gè)人判斷的失真健康信息識(shí)別在一定程度上具有主觀性、片面性，越來越多聚焦算法的評(píng)估與識(shí)別研究以客觀標(biāo)準(zhǔn)來實(shí)現(xiàn)為用戶自動(dòng)提供信息甄別幫助的功能。目前，基于特征的算法在失真健康信息識(shí)別算法中占據(jù)主流，其挖掘出的主要特征是針對(duì)文本類失真健康信息，如信息的語言特征。未來可以采用更多的方法探索其他特征，并結(jié)合不同的分類算法構(gòu)建更有效自動(dòng)識(shí)別失真健康信息的模型。由于學(xué)者們通常針對(duì)主流語言文化地區(qū)的失真健康信息展開研究，少有資源支持需要特定方案才能實(shí)現(xiàn)準(zhǔn)確翻譯和分類的非主流語言地區(qū)失真健康信息的識(shí)別研究[78]，亟待相關(guān)的數(shù)據(jù)集開發(fā)、信息特征提取和算法構(gòu)建研究。但無論哪種語言文化，語言表述中常包含與地域文化相關(guān)的修辭手法或隨時(shí)代發(fā)展而產(chǎn)生的網(wǎng)絡(luò)用語等，這也是當(dāng)前算法還未完全學(xué)習(xí)訓(xùn)練、有待改進(jìn)更新的部分，算法識(shí)別的準(zhǔn)確性在這方面還有較大提升空間。此外，視覺類信息在網(wǎng)絡(luò)上無處不在，視覺內(nèi)容的覆蓋面和影響力不遜于文本內(nèi)容，且容易吸引用戶的注意力，越來越多的用戶選擇從視覺類健康信息中獲取所需信息以進(jìn)行健康決策，而夾雜在視覺信息中的失真健康信息會(huì)威脅公眾健康，針對(duì)視覺類失真健康信息的特征識(shí)別有待深入探究。

（4）失真健康信息協(xié)同干預(yù)的治理研究。失真健康信息的治理過程所采用的各種干預(yù)手段，大多都需要多主體的共同參與。算法模型提供失真健康信息識(shí)別、干預(yù)的技術(shù)支撐，機(jī)構(gòu)加強(qiáng)健康信息的準(zhǔn)確傳播、有效監(jiān)管、精準(zhǔn)糾偏，公眾提升自身的健康信息素養(yǎng)和對(duì)信息真實(shí)性的判斷能力，共同應(yīng)對(duì)失真健康信息帶來的負(fù)面影響。目前，對(duì)失真健康信息的干預(yù)主要是依賴專業(yè)人員和權(quán)威機(jī)構(gòu)的力量，少量研究基于算法技術(shù)實(shí)現(xiàn)自動(dòng)跟蹤的集成，通過社會(huì)計(jì)算實(shí)驗(yàn)?zāi)M失真健康信息傳播網(wǎng)絡(luò)[55-56]，但僅基于構(gòu)建的傳播網(wǎng)絡(luò)而未完成強(qiáng)制干預(yù)措施，如將失真健康信息的傳播用戶從傳播網(wǎng)絡(luò)中剔除、有效打斷或終止傳播路徑，這些干預(yù)方式在失真健康信息治理領(lǐng)域值得討論。在失真健康信息傳播事后治理方面，糾偏是公共部門使用頻率最高的干預(yù)方式，通常是由專業(yè)人員和權(quán)威機(jī)構(gòu)等發(fā)布糾正信息，讓公眾接收到科學(xué)、真實(shí)、準(zhǔn)確的健康信息，但失真健康信息和糾正信息之間的時(shí)間間隔以及糾正信息的曝光時(shí)間對(duì)糾正效果程度的影響還需要進(jìn)一步明確，未來也需要討論不同群體間文化、態(tài)度、信任的差異，將干預(yù)策略的道德約束與法律監(jiān)管考慮在內(nèi)，協(xié)同更多主體參與到失真健康信息治理中。