人们对于健康资源的需求正在随着生活水平的提高而不断上升,然而我国目前相对落后的经济制约了人们对于医疗资源的需求。如何在当前的情况下有效合理的分配医疗资源是目前急需解决的难题。计算机技术的发展,特别是在线医疗社区、医疗众包等新技术的发展为解决这一个难题提供了新的思路与方法。医疗众包汇集了全球互联网用户的力量,以一种便捷的方式解决传统方式难以解决的问题。它增强了人们获取医疗信息和定制医疗方案的能力。伴随着越来越多的人参与其中,平台中也充斥了大量的众包信息,需要患者对众多方案进行甄别选择。而医疗众包中的方案多是以文字的形式给出的,研究这些文本的特征对众包发布者选择最佳方案的影响因素至关重要。本研究选取了方案与问题文本的相似性、方案文本态度、方案文本易读性、方案文本专业性和方案文本长度5个文本特征,从文本特征的角度探究影响患者选择最佳方案的因素。本研究首先通过文献收集,梳理和总结了已有研究中会影响方案选择的文本特征。然后结合医疗领域的特点提出研究假设。本研究选取了“微医”作为研究平台,利用CRITIC的方法计算了方案文本的易读性;利用文本分析的方法计算了问题文本和方案文本之间的余弦相似性;基于情感字典计算了方案文本的情感倾向值。然后建立了Logistic回归模型。为了验证模型的有效性,本研究对文本情感倾向值和文本长度的计算方式进行了鲁棒性检验。采用有监督的机器学习方法,对人工标注的语料数据进行学习并建立分类模型,通过计算F-Score和绘制ROC曲线选择其中分类效果最好的Random Forest模型。利用得到的模型重新计算后的文本情感倾向值。同时采用标点符号数目作为方案文本长度,并重新建立Logistic回归模型。鲁棒性检验的结果证明改变变量的计算方式不影响模型的结果。研究结果表明,方案与问题的相似性、方案文本的易读性和方案文本的专业性特征会对患者选择最佳方案有正向影响。方案文本态度和方案文本的长度对患者的选择行为的正向影响不显著。一个可能的解释是患者熟知“良药苦口利于病”,相比较医生的态度,患者更加关注医生的专业性。方案文本过长可能会增加患者的阅读和理解障碍,从而影响患者对于方案的选择。本研究的结果会对医生的行为有指导意义。该结果可以帮助医生提供患者需要的答案,增加其被患者选择的概率,促进医生在平台的持续参与。