基于技术接受模型的互联网医院使用影响因素分析

2024-06-15 13:28:07唐弘孙自学
医学信息 2024年11期
关键词:技术接受模型公立医院患者

唐弘 孙自学

摘要:公立医院高质量发展的当下,互联网医院逐渐成为优质医疗资源扩容、跨区域传递的重要载体,患者的技术接受程度是影响互联网医院推广的因素之一。本研究基于文献分析编制互联网医院技术接受的度量表,在实证调研基础上分析互联网医院使用的影响因素,以期为互联网医院的推广提供参考。

关键词:公立医院;互联网医院;患者;技术接受模型

中图分类号:R197                                 文献标识码:A                                   DOI:10.3969/j.issn.1006-1959.2024.11.009

文章编号:1006-1959(2024)11-0052-06

Influencing Factors of the Use of Internet Hospital Based on Technology Acceptance Model

Abstract:With the high-quality development of public hospitals, Internet hospitals have gradually become an important carrier for the expansion and cross-regional transmission of high-quality medical resources. The technical acceptance of patients is one of the factors affecting the promotion of Internet hospitals. Based on the literature analysis, this study compiles the measurement scale of Internet hospital technology acceptance, and analyzes the influencing factors of the use of Internet hospital on the basis of empirical research, in order to provide reference for the promotion of Internet hospitals.

Key words:Public hospitals;Internet hospital;Patients;Technology acceptance model

1理论基础与研究假设

1.1技术接受模型的理论分析  伴随信息技术的发展及相关政策、意见的出台,互联网医院发展日趋完善。互联网医院集成疾病咨询、在线指导、电子处方、远程诊断、慢性病随访、健康教育等多种功能,在实现医疗资源的跨区域、实时传递,提升组织运营效率、减少开支等方面发挥重要作用,是满足患者高质量就医需要的重要形式[1-3]。近年来,互联网医院在疫情预防和控制方面也显示出较大的潜力[4,5],通过互联网医院为公众提供及时的病情咨询服务和必要的医疗支持,有效地降低了医院内交叉感染的概率。截至2020年12月31日,全国已建成互联网医院1004家,相比较于2019年,增加近500家[6]。互联网医院的研究,大部分集中在信息系统等技术层面的开发与设计。而从患者的角度,分析互联网医院技术特征与适配度,是信息系统得以普及的重要因素。

技术接受模型是研究如何接受和使用新的技术,并对接受的决定性因素进行解释说明,技术接受模型类型相对丰富,Muneer M认为模型主要分为4种,第一种是1975年由Fishbein提出的理性行为理论(TRA)及发展出的计划行为理论(TPB)。第二种是1989年由Davis提出的TAM模型,从感知有用性、感知易用性两个方面出发,研究目标系统的使用态度与使用意愿。第三种是Davis提出TAM2模型,增加了社会影响因素,包括主观规范以及影响等概念,认知工具过程被纳入TAM2中。第四种模型是创新扩散理论模型。2003年,Venkatesh V在对包含TRA、TPB、TAM、IDT等8种模型进行研究的基础上,提出了整合性技术接受模型(UTAUT)[7]。作为最有效的研究技术接受模型之一,其在信息技术领域的用户技术行为解释力高达70%[8]。基于较高的解释力,本研究采用UTAUT探究影响互联网医院使用意愿的影响因素并提出改进建议,以促进互联网医院的普及与应用。

1.2研究假设

1.2.1结构变量的确定  UTAUT模型基本框架包含4个决定因素,包括绩效期望(PE)、努力期望(EE)、社会影响(SI)以及便利条件(FC)[9]。有研究[10]以医疗信息系统的研究对象,采用横断面研究方式,对UTAUT模型维度进行了扩展,增加了自我效能(SE),见图1。自我效能被定义为一个人感知到的专有技术和利用计算机等数字设备有效执行特定任务的能力或自信程度,由于网上医疗是相对较新的应用,尚且处于普及的过程中,探讨感知该技术有效执行特定任务的能力,对于完善远程医疗具有较大的作用。

1.2.2观测变量的确定  观测变量主要指可以通过直接观察或测量得到的变量,是对结构变量(潜变量)的直接的测量,本研究潜变量主要包括自我效能(SE)、努力期望(EE)、绩效期望(PE)、社会影响(SI)、便利条件(FC)、使用意愿(ATT)、使用行为(BI)等,依据相关文献[11-15],维度描述主要见表1。

1.2.3研究假设  自我效应:前文所述,自我效能感被定义为一个人感知到的专有技术和利用计算机等数字设备有效执行特定任务的能力或自信程度,QuestMobile公布2022年中国移动互联网报告显示我国移动互联网用户规模突破12亿,51岁以上用户占比为26.4%[16],疾病发病率与年龄呈现一定的相关性,尤其在冠心病、高血压等疾病方面。互联网作为较新事物,对于老年群体而言,自我效应很可能影响患者使用互联网医院的意愿与行为。

基于已有文献分析,本研究提出如下假设:

H1:自我效能显著正向影响患者互联网医院使用意愿;

H2:自我效能显著正向影响患者互联网医院努力期望;

绩效期望:在互联网医院中,努力期望主要是指患者使用互联网医院系统对看病有所帮助的程度,患者在选择系统时,尤其注重为患者带来的便利程度,在我国医疗资源分布不均、跨区域医疗就诊较为普遍的前提下,互联网医院在打破空间距离、完善实时就诊方面,发挥重要的作用[17,18],尤其是在大型三甲医院,多数专家门诊预约通过线上预约、面对面复诊咨询、远程配药等,极大地方便了患者门诊。

基于已有文献分析,本研究提出如下假设:

H3:绩效期望显著正向影响患者互联网医院使用意愿;

H4:绩效期望显著正向影响患者互联网医院使用行为;

努力期望:努力期望主要是指患者在使用系统所需付出努力的多少,当取得同样的效果花费的时间、精力越少,远程医疗系统的努力期望越显著。互联网医院使用中,界面操作简单、系统设计清晰、逻辑架构明显能够使得用户相对容易地识别互联网医院的信息并进行流程操作[19,20]。

基于已有文献分析,本研究提出如下假设:

H5:努力期望显著正向影响患者互联网医院使用意愿;

H6:努力期望显著正向影响患者互联网医院使用行为;

便利条件:便利条件主要指影响使用互联网系统的各种资源,包括使用互联网医院的必要的知识,互联网医院兼容性及关键时期有特定的人员提供支持等。

基于已有文献分析,本研究提出如下假设:

H7:便利条件显著正向影响患者互联网医院使用意愿;

H8:便利条件显著正向影响患者互联网医院使用行为;

社会影响:社会影响主要指影响患者使用互联网医院的社会影响因素,目前互联网医院处于普及、推广阶段,周边的人、医院的宣传对互联网医院的使用产生潜移默化的影响。

基于已有文献分析,本研究提出如下假设:

H9:社会影响显著正向影响患者互联网医院使用意愿;

H10:社会影响显著正向影响患者互联网医院使用行为。

2问卷的实证分析

2.1数据资料  本次调研以某三级甲等医院为例,采用随机抽样的方式抽取患者380例,去除重复及无效问卷,共收集有效问卷326份。问卷收集社会人口学特征及技术接受度两部分的内容,社会人口学包括性别、年龄、学历、所在区域等,技术接受度从7个维度出发,依据李克特式问卷,1~5分代表很不认可到非常认可,应用SPSSAU统计软件进行数据的统计分析。

2.2结果

2.2.1基本情况  回收有效问卷326份,超过分数项目的10倍,样本量适中;其中男性占比46.93%,女性占比53.07%;<20岁患者占比4.60%,20~30岁占比40.18%,30~40岁占比37.73%,40~50岁占比10.43%,50~60岁占比2.15%,>60岁占比2.76%;大多数患者学历为本科,占比39.57%,初中以下及博士生占比较低,分别为7.98%、6.13%,见表2。

2.2.2信效度检测  信度Cronbach'α值为0.968,大于0.9,效度而言,效度分析采用了KMO 和 Bartlett 检验进行效度验证,其中,KMO值为0.965,KMO值大于0.8,信效度较好,研究数据适合提取信息。

本研究基于已有研究对技术使用的影响因素进行模型假设,采用验证性因子分析验证模型的一致程度,本研究针对7个因子、28个分析项进行分析,7个因子对应的AVE值均大于0.5,且CR值全部均高于0.7,说明本次分析数据具有良好的聚合效度,就区分效度而言,存在AVE平方根值小于因子间相关系数绝对值的情况,其区分效度欠佳,考虑移除标准载荷系数值较低项,依据载荷系数表,优化去除载荷系数较低的SE4、EE4、PE1、SI1、FC4。去除后的Pearson相关与AVE平方根值中,AVE平方根值均大于因子间相关系数绝对值,说明区分效度较好,结构方程模型分析中,去除SE4、EE4、PE1、SI1、FC4。

2.2.3结构方程模型分析  本研究利用SPSSAU对结构方程模型进行分析,结构方程模型SEM回归关系表格共包括两种关系,分别是影响关系和测量关系,不论是影响关系或测量关系,通常使用标准化路径系数值表示关系情况。模型回归系数而言, 较多的路径系数呈现出显著性,说明模型较好,见表3、图2。就数据而言,Factor1→Factor2、Factor2→Factor6、Factor3→Factor6、Factor4→Factor6、Factor5→Factor6、Factor5→Factor7、Factor6→Factor7,呈现出显著性,标准化回归系数分别为0.832、0.203、0.210、0.343、0.454、0.322、0.517。

3讨论

本研究结果表明,影响患者使用互联网医院意愿的因素中,便利条件的影响较高,这说明患者倾向于使用互联网医院与能够有效的获得互联网医院系统并具备使用的软硬件条件有较大的关系,换而言之,在互联网医院的普及阶段,医疗机构设计出互联网系统并提供患者使用的途径、患者具备使用的条件,互联网医院将会得到较为快速的普及,对于大型三甲医院,看病难的原因之一在于挂号难、排队久、住院紧张,互联网医院网上挂号、分段就诊、复诊配药等功能对于缓解看病难的问题具有一定的效果。

此外,社会期望对使用互联网医院影响因素相对较高,互联网医院处在推广普及阶段,患者较大程度受到医院、身边朋友的推荐,尤其是医疗机构,在信息不对称的情况下,医生的推荐对于促进患者的使用具有较大的作用。绩效期望、努力期望对患者使用互联网医院的意愿具有一定的影响,但相对较低,患者对互联网医院的功能完善、使用的简洁等存在期望,功能更为强大、绩效更加突出、使用更加便利的互联网医院更加受到患者的青睐。

就使用行为而言,本研究结果表明,使用意愿越强烈,使用的行为越明显,此外;便利条件对使用行为具有较大的影响。但绩效期望、努力期望、社会期望对使用行为的影响无显著差异。主要原因为:①使用行为的发生代表患者疾病的产生,因调研对象为三级甲等医院患者,在医疗资源较为紧张的情况下,患者在具备使用条件并且医院有互联网医院情况下,多数会选择通过互联网医院就诊;②优质医疗资源分布不均,相对于可以使用优质医疗资源,患者对使用期间付出的努力、社会影响等的关注较低。

总之,本研究通过技术接受模型分析互联网医院使用意愿与行为的影响因素,并给出一定的结论,但互联网医院的接受与使用是个复杂的行为过程,涉及个人因素、医疗因素、环境因素、组织因素等,并且各因素之间相互作用、影响,本研究只解释了互联网医院推广阶段某大型三甲医院的部分患者行为信息,对于广义上的患者行为研究还有待进一步的深入调查。

参考文献:

[1]常朝娣,陈敏.互联网医院医疗服务模式及趋势分析[J].中国卫生信息管理杂志,2016,13(6):557-560.

[2]张世翔,王欣国,黄天翔.互联网医院发展对分级诊疗的推动作用及其提升策略:以上海市为例[J].中国医院,2023,27(3):14-18.

[3]魏升,林朝阳,钟光辉.中医医院自主建设互联网医院的实践与思考[J].中医药管理杂志,2022,30(10):74-76.

[4]Gong K,Xu Z,Cai Z,et al.Internet Hospitals Help Prevent and Control the Epidemic of COVID-19 in China: Multicenter User Profiling Study[J].Journal of Medical Internet Research,2020,22(4):e18908.

[5]Sun S,Yu K,Xie Z,et al.China empowers Internet hospital to fight against COVID-19[J].Journal of Infection,2020,81(1):e67-e68.

[6]翟运开,张瑞霞,杨一旋,等.基于UTAUT和TTF模型的患者远程医疗使用意愿研究[J].中国医院管理,2019,39(9):24-26,38.

[7]康芳玲.基于信息技术用户接受理论的ERP系统实施模型研究[J].中小企业管理与科技,2018(31):121.

[8]Chao CM.Factors Determining the Behavioral Intention to Use Mobile Learning: An Application and Extension of the UTAUT Model[J].Frontiers in Psychology,2019,10:1652.

[9]邓仲平,李河源,葛梅,等.基于UTAUT模型的用户移动医疗服务行为意愿研究[J].中国医院管理,2022,42(10):68-72.

[10]Shiferaw KB,Mehar EA.Modeling predictors of acceptance and use of electronic medical record system in a resource limited setting: Using modified UTAUT model[J].Informatics in Medicine Unlocked,2019(17):100182.

[11]Venkatesh V,Thong JYL,Chan FKY,et al.Extending the two-stage information systems continuance model:Incorporating UTAUT predictors and the role of context[J].Information Systems Journal,2011,21(6):527-555.

[12]Al-Qeisi K,Dennis C,Hegazy A,et al.How Viable Is the UTAUT Model in a Non-Western Context [J].International Business Research,2015,8(2):204.

[13]Davis FD.A technology acceptance model for empirically testing new end-user information systems:theory and results[J].Massachusetts Institute of Technology,1985.

[14]贾永超.基于UTAUT模型的医生医学信息技术接受及其影响因素研究[D].昆明:云南大学,2017.

[15]Abbad MMM.Using the UTAUT model to understand students' usage of e-learning systems in developingcountries[J].Educationand Information Technologies,2021,26(6):7205-7224.

[16]金融界.QuestMobile发布2022中国移动互联网年度报告:总用户超12亿[EB/OL].(2023-2-21)[2023-05-01].https://baijiahao.baidu.com/s?id=1758421111822290090&wfr=spider&for=pc.

[17]管德坤,孙自学.新时期我国远程医疗发展驱动、阻碍因素及建设重点分析[J].中国医院,2020,24(4):56-58.

[18]管德坤,孙自学.远程医疗利益相关方发展策略分析[J].解放军医院管理杂志,2020,27(2):112-115.

[19]郝茹茜.老年人移动短视频APP使用意愿影响因素探究——以技术接受模型为基础[J].经济学,2022,4(6):51-54.

[20]高功步,吴先雨,费倩.短视频平台美食在线订购用户采纳意愿研究——基于技术接受模型[J].扬州大学烹饪学报,2021,38(3):29-36.

猜你喜欢
技术接受模型公立医院患者
怎样和老年痴呆患者相处
中老年保健(2022年6期)2022-11-25 13:49:39
甲减患者,您的药吃对了吗?
中老年保健(2021年2期)2021-08-22 07:27:52
认知行为治疗在酒精依赖患者戒断治疗中的应用
公立医院改制有攻略
中国卫生(2016年11期)2016-11-12 13:29:22
公立医院的管与放
中国卫生(2016年5期)2016-11-12 13:25:46
虚拟现实环境中远程学习行为影响因素研究
消费者网络购物行为决策影响因素实证分析
基于TAM模型下外卖平台销量影响因素的研究
医改如何切实降低患者负担
中国卫生(2015年11期)2015-11-10 03:17:20
基于TAM的SPOC平台使用影响因素分析
软件导刊(2015年7期)2015-08-06 13:22:22