2. 国家老年疾病临床医学研究中心(华山医院),上海 200040
随着大数据、移动互联及物联网等新一代数字技术的发展,互联网逐渐与医疗卫生服务深度融合[1],由此带来医疗服务过程的变革,人们开始进行电子健康实践,不同机构之间逐步实现数据共享。作为数字化与传统医疗相结合的产物,移动医疗应运而生。人们通过智能设备[2]足不出户便可进行网上问诊、远程医疗及健康管理等活动,享受更加便捷、高效、智能的诊疗服务。由于慢性病发病率随年龄增长而提高,老年人就诊率明显高于其他年龄群体[3]。要使移动医疗服务能够惠及大众,老年群体的医疗服务需求不可忽视。上海市是我国医疗信息化程度较高的地区之一,正在全面推进“便捷就医服务”数字化转型工作[4]。截至2022年4月,全市已有100余家互联网医院向市民提供服务[5],已实现市级医院和16个区全覆盖[6],为移动医疗的普及奠定了基础。作为全国最早进入人口老龄化的城市之一,截至2020年底,上海市户籍老年人口比例为36.1%[7],上海已步入深度老龄化社会。然而,由于使用意愿和支持环境等主客观因素影响[8],老年人的移动医疗服务使用状况并不理想,老年人所面临的数字鸿沟问题日益凸显。如何在智能设备日渐普及、移动医疗服务快速发展的形势下,改善老年群体对移动医疗服务的接受和使用情况,使其真正享受到移动医疗带来的便利,是现阶段的挑战。
研究[9]显示,在个人特征、外部环境等因素的作用下,老年人的移动医疗服务使用意愿较低,接受难度较大。整合型技术接受与使用理论(unified theory of acceptance and use of technology,UTAUT)已在国内外数字化服务领域的研究中得到广泛应用[10-11],模型提示期望绩效、努力期望、社会影响和便利条件等要素都会对使用意愿产生正面影响。也有研究[12]提示,健康信念可以作为糖尿病患者移动医疗服务使用意愿的正向预测因素之一,技术焦虑会负向影响感知易用程度,抵触改变会负向影响使用态度[13]。由此可见,老年人移动医疗服务使用意愿的影响因素众多且是一个复杂的系统问题,需要采用结构方程模型这一系统分析方法探究影响路径。本研究以上海市老年人为例,在了解其移动医疗服务使用意愿的基础上,借助结构方程模型分析促进、阻碍因素及作用路径,为有针对性地制定提高老年人移动医疗服务使用意愿的干预策略提供依据。
1 对象与方法 1.1 研究对象以上海市60岁及以上、持有智能手机或其他接入设备、有基本自理与交流能力的老年人作为调查对象,于2021年8—12月开展调查。本研究量表共涉及8个潜变量、27个测量指标,按照结构方程模型以量表条目数的10~15倍为原则确定调查对象人数的要求[14],共发放问卷450份,回收有效问卷406份、无效问卷44份,问卷有效率90.2%。
1.2 研究方法 1.2.1 调查工具参考国内外经典文献的成熟量表,以Venkatesh等[10]对UTAUT研究的量表为蓝本,增加Hoque等[15]、Bhattacherjee[16]及Johnston等[17]对于技术焦虑、抵触改变以及健康信念模型的研究作为补充,结合访谈资料初步拟定“老年人移动医疗服务使用意愿调查问卷”。问卷包括9部分33项:(1)基本信息(Q1-6),(2)使用意愿(Q7-9),(3)绩效期望(Q10-13),(4)努力期望(Q14-17),(5)社会影响(Q18-20),(6)便利条件(Q21-23),(7)技术焦虑(Q24-27),(8)抵触改变(Q28-30),(9)健康态度(Q31-33)。采用Likert五点计分法对量表进行赋值,1~5分分别代表“非常不赞同”“不赞同”“中立”“赞同”和“非常赞同”。
1.2.2 调查方法(1)预调查:在正式调查前,线上线下共发放50份问卷。对两种渠道所获数据进行t检验,结果显示,在量表的27道题目中,仅Q21、Q28的检验结果差异具有统计学意义(Q21:t = 8.84、P = 0.005,Q28:t = 6.49,P = 0.014),其余题目差异均无统计学意义(P>0.05),两渠道检验结果相同率为92.59%,基本可以确定线上线下调查结果具有一致性。经检验预调查采用的自制量表的信效度,量表整体的Cronbach’s α系数为0.873、信度较好,KMO值为0.784,Bartlett检验χ2值为1 283.80,P<0.001,结构效度较好。
(2)正式调查:开展线上问卷调查,并设置时间范围以及限定筛选题进行筛选。为确保填写质量,原则上由老年人本人独立完成,但考虑到部分老年人独立使用智能设备存在困难,在获得被调查老年人同意后可由家属代为询问填写。
1.3 统计学方法用Excel 2019进行数据清洗与整理,用SPSS 26.0进行统计描述、两独立样本Wilcoxon符号秩检验、多独立样本Kruskal-Wallis秩和检验和Spearman秩相关分析,使用AMOS 26.0进行结构方程模型分析,检验水准α = 0.05。
2 结果 2.1 受调查老年人基本情况406名老年人中,男性占59.36%,60~<65岁及65~<70岁的老年人分别占33.00%和25.62%,文化程度为初中/中专者占30.30%,既往职业为企业、公司、服务业人员的老年人占25.86%,与配偶同居的老年人占50.25%,月收入水平为2 000元以上5 000元以下的老年人占46.80%。
2.2 老年人个人特征对移动医疗服务使用意愿的单因素分析Wilcoxon符号秩检验和Kruskal-Wallis秩和检验结果显示,不同年龄组、文化程度、职业、居住方式和月收入水平的老年人的移动医疗服务使用意愿得分差异分别有统计学意义(P<0.05),不同性别的老年人的移动医疗服务使用意愿得分差异无统计学意义(P = 0.086),见表 1。
表 1 不同特征老年人的移动医疗服务使用意愿得分比较 |
![]() |
量表整体的Cronbach’s α系数为0.736。除便利条件维度量表的Cronbach’s α系数为0.584外,使用意愿、绩效期望、努力期望、社会影响、技术焦虑、抵触改变和健康态度维度量表的Cronbach’s α系数分别为0.843、0.786、0.919、0.737、0.834、0.794和0.811,均大于0.700,表明量表信度较好。量表整体的KMO值为0.933,大于0.800。Bartlett检验的χ2值为5 803.223,P<0.001,累计方差贡献率为71.343%,大于60.000%,说明量表结构效度较好。综上,本研究所用的量表信效度良好,可以进行影响因素分析。
2.3.2 各维度潜在变量与使用意愿的相关分析老年人移动医疗服务的使用意愿得分为(3.72±0.87)分,绩效期望、努力期望、社会影响、便利条件、技术焦虑、抵触改变和健康态度维度得分分别为(4.07±0.61)、(3.10±0.97)、(3.70±0.75)、(3.59±0.77)、(3.19±0.90)、(3.59±0.81)、(4.13±0.62)分。相关分析结果显示,各维度变量与使用意愿的相关性均有统计学意义(P<0.001),除技术焦虑、抵触改变与使用意愿呈负相关外,其余5个维度变量与使用意愿呈正相关,见表 2。
表 2 各维度影响因素与使用意愿的相关系数 |
![]() |
在既往研究及相关分析的基础上构建原始假设模型,采用最大似然法进行模型估计。原始模型的适配度指标除节俭规范拟合指数(parsimonious normed fit index,PNFI)和节俭拟合指数(parsimonious goodness-of-fit index,PGFI)达标外,其余指标均未达到适配要求,拟合效果未达到最佳。用AMOS 26.0软件依据修正指数对原始模型进行反复修正、调整,删除无效路径后得到最终模型,见图 1。
![]() |
图 1 老年人移动医疗服务使用意愿影响因素的结构方程模型 |
该模型的适配度指标除拟合优度指数(goodness-of-fit index,GFI)、规范拟合指数(normed fit index,NFI)未达到大于0.900的标准外,其余6个适配度指标均达标,表明模型拟合效果良好,见表 3。
表 3 原始模型与修正模型的拟合指数 |
![]() |
结构方程模型路径分析结果显示:社会影响对使用意愿有正向作用(β = 0.246,P<0.001);绩效期望对使用意愿有正向作用(β = 0.330,P<0.001);便利条件对使用意愿有正向作用(β = 0.536,P<0.001),以努力期望、绩效期望为中介对使用意愿产生间接的正向影响,总效应为0.633;努力期望以绩效期望为中介对使用意愿产生间接的正向影响,总效应为0.160;健康态度以绩效期望为中介对使用意愿产生间接的正向影响,总效应为0.093;抵触改变以绩效期望为中介对使用意愿产生间接的负向影响,总效应为−0.043;技术焦虑以努力期望、绩效期望为中介对使用意愿产生间接的负向影响,总效应为−0.054。各变量与使用意愿间的标准化效应均有统计学意义(P<0.05)。见表 4、表 5。
表 4 最终模型路径系数估计结果(n = 406) |
![]() |
表 5 老年人移动医疗服务使用意愿影响因素的结构方程模型效应分解(n = 406) |
![]() |
本研究结果显示,上海市老年人移动医疗服务使用意愿得分为(3.72±0.87)分,与针对武汉市患者的研究结果[18]相近,使用意愿处于中高水平,仍有提升空间。单因素分析结果提示,应重点关注70~<80岁、文化程度较低、既往务农或务工、收入水平较低及独居老年人的使用意愿。较低年龄段老年人的移动医疗使用意愿较高,这与Petrovčič等[19]使用意愿随年龄增长而下降的结果类似,可能由于老年人的精细操作能力、认知能力随年龄增长而降低等[20]。此外,本研究还发现80岁及以上群体的使用意愿较中间年龄段人群稍高,可能是因为这些老年人健康状况较差、医疗需求较高,使用意愿进而有所提升。文化程度越高的老年人使用意愿越高,这与针对“天下医生”手机应用程序开展的研究结果[21]一致,可能与老年人的网络应用能力和学习信心受教育水平影响有关。既往为国家行政、事业单位人员的老年人使用意愿得分最高,这类群体对新事物的接受程度和学习意愿高于其他职业群体[22]。月收入水平越高的老年人使用意愿越高,这与Schrauben等[23]的研究结果一致,收入水平越高的老年人可能对自身健康水平越重视,更倾向于寻求优质、便捷的医疗服务,有研究[24]指出,收入水平能够影响新兴技术在老年群体中的推广。在居住方式方面,与配偶同居的老年人使用意愿得分最高,可能由于与子女同住的老年人容易获取帮助,从而降低了其主动学习的意愿[25]。独居老人使用意愿较低,可能因为身边缺乏提供支持的伴侣或子女,其学习移动医疗服务的信心不足。
3.2 发挥绩效期望和努力期望的中介效应,从个体因素入手提高老年人的移动医疗服务使用意愿绩效期望和努力期望是UTAUT模型中最为关键的个体因素。老年人移动医疗的绩效期望直接对使用意愿产生正向影响,即老年人若感知到移动医疗服务具有改善原先医疗服务过程中部分问题的效益,如提高就医效率、改善就医体验等,则会提高使用意愿。一项关于大学生健康类手机应用程序接受意愿的研究[26]同样验证了这一路径。本研究还发现,绩效期望分别是努力期望、健康态度、抵触改变与使用意愿之间的中介,是结构方程模型中重要的中介变量之一。虽然本研究结果与以往研究[27]不同,没有发现努力期望对使用意愿的直接效应,但其通过绩效期望这一中介变量对使用意愿产生间接的正向效应,即老年人对使用移动医疗服务容易程度的主观感知越高,越容易觉得有用进而提高使用意愿,这与Lazard等[28]的研究发现一致。便利条件、技术焦虑均可通过努力期望和绩效期望这2个中介变量对使用意愿发挥间接效应。要提升老年人移动医疗服务的使用意愿,应重视发挥绩效期望和努力期望的中介效应,采取有效措施提升老年群体的使用信心,如简化使用流程、提高操作简便性等,绩效期望的提升有利于引导老年人关注移动医疗服务的益处,进而提升使用意愿。
健康态度是与健康相关行为有关的个人因素,包括老年人对自身健康状况认知、健康威胁感知等。在本研究中,健康态度对使用意愿的直接效应并不成立,这与既往针对痛风患者的研究发现[29]不一致,可能因为绝大多数老年人还未将健康状况与移动医疗服务直接联系。但本研究发现,健康态度会以绩效期望为中介产生间接的正向效应。这一发现说明增强老年群体的健康意识能够提高其对就医过程中移动医疗服务效益的判断,从而提高使用移动医疗服务的意愿。
3.3 关注影响老年人移动医疗服务使用意愿的外部因素便利条件是指老年人在使用移动医疗服务时客观条件的完备程度,在所纳入的使用意愿影响因素中发挥最大的效应。便利条件对使用意愿的直接效应由UTAUT模型本身所支持,且与既往研究结果[30]一致。间接效应方面,便利条件通过努力期望、绩效期望这2个中介变量正向影响使用意愿,可能由于便利条件能够促进用户对使用容易程度和所伴随益处的感知,进而提升使用意愿[31]。在移动医疗服务加速普及的同时,赋予老年人使用移动医疗所需的客观条件,如优化相关应用程序的适老化设计、提供老年人易用的移动医疗服务软件等,不仅可以直接提高其使用意愿,还可以通过使其感受到容易程度提升、学习成本降低,从而增强对效益的感知,进而提升使用意愿。社会影响是指老年人的子女或亲戚朋友对其移动医疗服务使用意愿的影响,一项关于智慧旅游服务平台使用意愿的研究[32]也指出社会影响的直接正向效应。当对老年人有重要影响的亲朋好友越推荐移动医疗服务,越容易增强其使用意愿。此外,政策环境越有利于移动医疗服务的使用,老年人的使用意愿也会有所提升[33],加强政策引导是借助社会影响提升使用意愿的有效途径。
3.4 老年人移动医疗服务使用意愿的负向影响因素不容忽视技术焦虑和抵触改变对使用意愿发挥间接的负向效应。技术焦虑是指老年人在面对和使用移动医疗服务时所产生的焦虑与紧张,通过努力期望、绩效期望这2个中介变量间接对使用意愿产生负向影响。有研究[34]指出,用户在面对新技术时的焦虑情绪容易使其产生对技术的错误认知及对自身的偏见,进而影响其对努力和绩效的感知。焦虑是一种负面情绪,会降低老年人对移动医疗服务使用容易程度的感知,伴随的偏见会影响老年人对新技术所产生效益的感知。抵触改变是指老年人习惯于传统医疗服务的操作形式,对移动医疗服务表现出抵触态度,会以绩效期望为中介对使用意愿产生间接的负向影响,这与Talukder等[35]的研究发现一致。老年人在面对移动医疗服务时所产生的抵触态度会降低其对移动医疗服务效益的感知,进而降低使用意愿。在提升使用意愿时,应引导老年人避免焦虑、降低抵触心理,将技术焦虑和抵触改变带来的负面效应降到最低。
综上,本研究发现上海市老年人移动医疗服务使用意愿受多重因素的影响。不同年龄段、文化程度、职业、收入水平和居住方式的老年人的使用意愿分别存在差异,须提高对使用意愿较低的老年群体的关注度。要提升老年人移动医疗服务的使用意愿,在个人方面,可采取措施提高老年人的绩效期望和努力期望,关注其健康态度。在外部因素方面,应提供便利条件、合理利用社会影响。同时,应尽可能减轻技术焦虑和抵触改变所带来的负向影响。从各维度影响因素入手均能在一定程度上提升使用意愿,进而提高使用率,使该服务惠及广大老年群体。
本研究存在一定的局限性:一是仅在上海市范围内开展调查,研究结论外推至全国范围老年群体的可能性受限;二是由于疫情防控的限制,正式调查通过线上形式开展,导致在选择调查对象时纳入较多移动服务利用水平较高的老年人,与线下调查相比在客观性和代表性方面具有一定的局限性。未来,课题组将在全国多个城市开展调查以丰富样本来源,采取线下随机抽样的形式进行调查,以提高研究结论的准确性和普适性。
·作者声明本文无实际或潜在的利益冲突
[1] |
严炜, 李贤楠, 曹蕾, 等. "互联网+医疗健康管理"模式的运行机制、存在问题及改进建议[J]. 现代医院, 2022, 22(5): 751-753. DOI:10.3969/j.issn.1671-332X.2022.05.028 |
[2] |
钟小燕, 白晶, 罗荣. 我国"互联网+医疗"服务模式[J]. 中国卫生事业管理, 2019, 36(1): 20-22, 28. |
[3] |
阳德盛, 林凤兰. 老龄化、分级诊疗与基层医保控费[J]. 中国农村卫生, 2021, 13(23): 45-47. DOI:10.3969/j.issn.1674-361X.2021.23.021 |
[4] |
佚名. 上海: 数字化转型赋能"便捷就医服务"[J]. 中国卫生, 2022(1): 18-19. |
[5] |
腾讯网. 上海: 全市有100余家互联网医院向市民提供服务[EB/OL]. (2022-04-25)[2022-07-01]. https://new.qq.com/omn/20220425/20220425A03G3800.html.
|
[6] |
唐闻佳. 打造"便捷就医服务"2. 0版重点解决"看病难"[N]. 文汇报, 2022-02-17(4).
|
[7] |
佚名. 开启"十四五"养老服务发展新征程的上海攻略: 解读《上海市养老服务发展"十四五"规划》[J]. 社会福利, 2021(10): 34-35. |
[8] |
杨菊华, 刘轶锋. 数字时代的长寿红利: 老年人数字生活中的可行能力与内生动力[J]. 行政管理改革, 2022(1): 26-36. |
[9] |
彭颜颜. 疫情防控常态化下老年人智能鸿沟的弥合[J]. 视听, 2021(10): 164-166. DOI:10.3969/j.issn.1674-246X.2021.10.071 |
[10] |
VENKATESH V, MORRIS M G, DAVIS G B, et al. User acceptance of information technology: toward a unified view[J]. Manag Inform Syst Quart, 2003, 27(3): 425-478. DOI:10.2307/30036540 |
[11] |
翁嘉敏, 李杉, 张锦秀, 等. 基于技术接受模型的广州市三甲医院患者移动医疗使用研究[J]. 广东职业技术教育与研究, 2017(6): 73-77. DOI:10.3969/j.issn.1672-2744.2017.06.024 |
[12] |
王艺蓉, 王前, 李琳娜, 等. 糖尿病患者移动医疗服务的使用意愿及其影响因素调查[J]. 中国全科医学, 2017, 20(13): 1619-1625. DOI:10.3969/j.issn.1007-9572.2017.13.018 |
[13] |
曹雪霏, 宁智鹏, 侯艳红. 患者互联网诊疗采纳意愿影响因素的Meta分析[J]. 中国循证医学杂志, 2022, 22(3): 316-323. |
[14] |
张丽. 结构方程模型应用中样本和参数估计问题探析[J]. 科教文汇, 2017(1): 75-76. |
[15] |
HOQUE R, SORWAR G. Understanding factors influencing the adoption of mHealth by the elderly: an extension of the UTAUT model[J]. Int J Med Inform, 2017, 101: 75-84. DOI:10.1016/j.ijmedinf.2017.02.002 |
[16] |
BHATTACHERJEE A. Understanding information systems continuance: an expectation-confirmation model[J]. Manag Inform Syst Quart, 2001, 25: 351-370. DOI:10.2307/3250921 |
[17] |
JOHNSTON A C, WARKENTIN M. Fear appeals and information security behaviors: an empirical study[J]. Manag Inform Syst Quart, 2010, 34(3): 549-566. DOI:10.2307/25750691 |
[18] |
邓子豪, 陈志锋, 曾淼坤, 等. 武汉市患者移动医疗服务使用意愿及影响因素研究[J]. 中国卫生统计, 2020, 37(2): 206-209. |
[19] |
PETROVČIČ A, PEEK S, DOLNIČAR V. Predictors of seniors' interest in assistive applications on smartphones: evidence from a population-based survey in Slovenia[J]. Int J Environ Res Public Health, 2019, 16(9): 1623. |
[20] |
王睆琳, 梁蓝芋, 黄红梅, 等. 智慧医疗背景下老年群体"数字鸿沟"现状分析及适老化改造对策研究[J]. 华西医学, 2022, 37(4): 586-591. |
[21] |
王苑蓉, 陈丽, 胡春艳. 老年患者移动医疗使用意愿及影响因素调查[J]. 护理学杂志, 2019, 34(7): 73-76. |
[22] |
黄楚. 城镇居民互联网医疗使用意愿的影响因素研究: 基于对江西省A县居民的调查[D]. 南昌: 南昌大学, 2021.
|
[23] |
SCHRAUBEN S J, APPEL L, RIVERA E, et al. Mobile health (mHealth) technology: assessment of availability, acceptability, and use in CKD[J]. Am J Kidney Dis, 2021, 77(6): 941-951. |
[24] |
李子涵. 基于UTAUT的中老年群体采纳新媒体医疗服务的影响因素研究: 以新媒体挂号系统的使用为例[D]. 广州: 暨南大学, 2020.
|
[25] |
彭青云. 城市老年人互联网接入障碍影响因素研究[J]. 人口与经济, 2018(5): 74-82. |
[26] |
胡德华, 张彦斐. 基于UTAUT的大学生健康类APP使用影响因素研究[J]. 图书馆, 2019(3): 63-68. |
[27] |
王晓琪, 朱赫, 刘梅, 等. 城市职业人群微信健康类公众号使用现状及影响因素通径分析[J]. 中国公共卫生, 2022, 38(3): 291-296. |
[28] |
LAZARD A J, WATKINS I, MACKERT M S, et al. Design simplicity influences patient portal use: the role of aesthetic evaluations for technology acceptance[J]. J Am Med Inform Assoc, 2016, 23(E1): E157-E161. |
[29] |
燕菊, 刘婷, 苗秀欣, 等. 痛风患者移动医疗使用意愿调查及影响因素分析[J]. 中华现代护理杂志, 2021, 27(8): 1006-1011. |
[30] |
徐训力, 夏晨曦. 医疗美容APP用户采纳行为影响因素研究[J]. 医学信息学杂志, 2019, 40(12): 62-66. |
[31] |
李浩君, 蒋红, 何佳乐. 移动学习者交互意愿影响因素模型构建与实证研究[J]. 中国教育信息化, 2020(21): 26-30. |
[32] |
徐若然. UGC类智慧旅游服务平台用户使用行为探究: 基于UTAUT模型[J]. 经济与管理研究, 2021, 42(6): 93-105. |
[33] |
陈璟浩, 罗淇. 突发公共卫生事件中老年人防疫信息技术采纳意愿影响因素研究[J]. 农业图书情报学报, 2022, 34(4): 30-40. |
[34] |
石林, 戴付敏. 老年人对移动医疗的利用及影响因素研究进展[J]. 中国农村卫生事业管理, 2021, 41(8): 563-568. |
[35] |
TALUKDER M S, SORWAR G, BAO Y K, et al. Predicting antecedents of wearable healthcare technology acceptance by elderly: a combined SEM-Neural Network approach[J]. Technol Forecast Soc Change, 2020, 150: 119793. |