互联网医疗的发展在一定程度上缓解了日益增长的医疗健康需求与紧缺的医疗资源供给之间的矛盾。随着在线医疗的不断发展,越来越多的医生入驻各大在线健康社区平台,为广大患者提供各种各样的在线医疗健康服务;同时也吸引了广大患者更多地通过在线途径进行疾病预防诊治及健康管理。但在线健康领域的高度信息不对称性,使得患者对医生医疗水平和服务态度感知具有更大的不确定性。患者需要利用医生相关的在线信息进行服务质量和价值感知,从而指导其决策。在线健康社区中有海量的医生及医院相关信息,由于患者知识有限且能力不同,患者对于不同的在线信息所选取的信息加工方式不同。因而,本文从用户信息加工角度,研究患者择医行为的影响因素,以期为患者决策、医生在线表现和平台机制设计提供一定的理论和实践意义。本文基于服务质量、信息不对称、在线反馈机制、精细加工可能性模型、RFM模型等理论,从好大夫在线平台上抓取了抑郁症、月经失调、乳腺癌、肝癌、鼻炎、胃炎、糖尿病和冠心病这八种疾病的医生数据,以精细加工可能性模型为研究框架,研究作为中心路径的技术质量和交互质量,作为边缘路径的医生在线口碑数量和评分、个人信息披露程度对患者择医行为的影响,并探究了对于不同疾病知识水平的患者来说,两条路径影响因素的表现差异。除此之外,进一步探究了患者对医生的专业化感知水平对以上因素的调节效应。研究结果表明,医生的技术质量、交互质量、在线口碑数量和评分以及个人信息披露程度均会积极影响患者的择医行为;疾病知识会促进作为中心路径的医生技术质量和交互质量对患者择医行为的影响,抑制作为边缘路径的医生个人信息披露程度对患者择医行为的影响;患者对医生的专业化感知水平对医生技术质量、交互质量、在线口碑数量以及个人信息披露程度的影响具有显著的促进作用。本研究丰富了在线健康领域中医患交互与信息服务研究的理论基础,同时从实践层面为患者择医决策、医生在线行为表现和在线健康平台机制设计提供了参考性建议,有助于在线健康社区平台的持续健康发展。