@文章{信息:doi/10.2196/10986，作者="Palotti, Joao and Zuccon, Guido and Hanbury, Allan"，标题="网络上的消费者健康搜索:网页可理解性及其在排名算法中的集成研究"，期刊="J Med Internet Res"，年="2019"，月="1"，日="30"，卷="21"，数="1"，页="e10986"，关键词="可读性;读写能力;理解;病人;背景:可理解性在确保人们获得健康信息时能够获得有助于他们解决健康问题和做出选择的见解方面发挥着关键作用。获得不清楚或误导性的信息已被证明会对公众的卫生决定产生负面影响。目的:本研究的目的是调查评估健康网页可理解性的方法，并使用这些方法来改善人们在网上寻求健康建议的信息检索。方法:我们的调查考虑了自动估计Web页面中健康信息可理解性的方法，并使用人工评估以及影响可理解性估计和相关陷阱的预处理因素分析，对这些方法进行了全面评估。此外，估计Web页面可理解性的经验教训应用于检索方法的构建，特别注意检索一般公众可理解的信息。结果:我们发现，机器学习技术比传统的可读性公式更适合评估健康网页的可理解性，传统的可读性公式经常被网络上的健康信息提供者用作指导方针和基准(使用梯度增强回归器的皮尔逊相关系数为0.602，而使用评估论坛eHealth 2015集的会议和实验室的官书指数的简单测量值为0.438)。 Conclusions: The findings reported in this paper are important for specialized search services tailored to support the general public in seeking health advice on the Web, as they document and empirically validate state-of-the-art techniques and settings for this domain application. ", issn="1438-8871", doi="10.2196/10986", url="//www.mybigtv.com/2019/1/e10986/", url="https://doi.org/10.2196/10986", url="http://www.ncbi.nlm.nih.gov/pubmed/30698536" }