互联网的兴起使得医疗众包成为新的辅助医疗救助手段,患者可以将自身问题抛到众包平台以寻求平台上医生在线回复,这极大地提高了患者获取信息的能力,拓宽了问题解决的渠道。虽然关于众包以及医疗众包的研究众多,但关注医疗众包的文本因素对医生回复数量与质量的影响研究较为缺乏。因此,本研究以众包参与动机与参与绩效为理论基础,探究医疗众包社区中患者发问的医疗众包文本特征对医生回复数量与质量的影响,给出患者发问的技巧以获得更多的医生关注以及更高质量的回复,同时为医疗众包社区网站建设提供优化建议。本研究主要从以下三个方面展开:(1)基于现有众包参与动机与参与绩效影响因素的研究,结合医疗众包领域的特征,提出在线医疗众包平台问题文本特征对医生回复数量与回复质量的影响模型;(2)采集在线医疗平台“微医”内的医疗众包模块“一病多问”数据,进行数据处理获取实证分析变量;(3)在以上两步的基础上进行实证分析,利用多元线性回归验证医疗众包平台问题描述文本对医生回复数量、回复质量的影响,同时考虑到变量的计数属性,利用Poisson回归与负二项回归进行稳健性检验,最终得出结论。实证结果表明,(1)众包问题中积极的情感对于医生回复数量无显著影响,对医生回复质量具有显著正向影响;(2)医疗众包问题描述的全面性对医生回复质量有正向影响,而对医生回复数量没有影响;(3)医疗众包问题描述内容文本长度负向影响医生回复数量;医疗众包问题中具体问题数量正向影响医生回复质量;(4)患者给出的物质奖励对医生回复数量存在正向影响。理论上,本研究完善了医疗众包领域,医生回复数量与回复质量的影响因素。实践上,本研究结果能够为医疗众包平台更好地辅助患者解决健康问题提出优化建议,同时本研究所采用的深度神经网络的文本情感分析方法为后续有关文本分析的研究提供了技术方案。