公众对移动健康应用的接受度：技术接受模型构建、健康应用特定因素及社会人口学调节作用的研究

本研究针对移动健康应用(mHealth)虽潜力巨大但公众接受度不足的问题，系统探讨了技术接受模型(TAM)核心构念、健康应用特定因素及社会人口学特征的调节作用。通过扩展TAM模型并纳入11个关键变量，研究发现感知有用性(PU)、移动健康素养(mHealth literacy)、智能手机屏幕尺寸及医护人员态度(PHPA)显著正向影响使用意愿(ITU)，而智能手机内存消耗(SMC)产生负向影响。该模型解释了55%的使用意愿方差，为健康应用的开发推广提供了实证依据，对促进数字健康转型具有重要意义。

　　

在智能手机和移动网络高度普及的今天，健康应用程序(health apps)已成为人们获取医疗服务、健康信息和进行自我健康管理的重要工具。这些应用被证明是有效、及时且经济实惠的健康管理方式，能够帮助用户追踪健康指标、获取健康教育与信息、接收健康提醒、促进健康行为养成，甚至实现远程监测与诊断。然而尽管具有这些显著优势，健康应用的成功推广仍面临重大挑战——公众接受度(acceptance)不足成为制约其发挥潜力的关键障碍。

以往关于健康技术接受度的研究多聚焦于经典的技术接受模型(TAM)因素，如感知有用性(Perceived Usefulness, PU)和感知易用性(Perceived Ease of Use, PEOU)，而对健康应用特有因素的关注相对不足。这些特有因素包括技术特性(如应用功能、屏幕尺寸)和操作细节(如移动网络可用性)等，它们可能对用户接受度产生重要影响。此外，研究显示社会人口学特征(socio-demographic characteristics)如年龄、性别、教育水平和收入水平等对用户接受度存在调节作用，但这一领域仍需深入探索。

为填补这些研究空白，哈尔滨工业大学的谢珍珍(音)、Calvin Or和叶旭春(音)开展了一项系统研究，旨在开发并验证一个扩展的健康应用接受度模型。该研究不仅整合了TAM的核心构念，还纳入了健康应用特定因素，并考察了社会人口学特征的调节效应。研究成果发表在《Applied Ergonomics》期刊上，为健康应用的设计开发和推广实施提供了重要理论依据和实践指导。

研究人员采用了几项关键技术方法开展本研究：首先通过快速文献回顾确定了11个影响健康应用接受度的关键因素；随后开发了包含所有构念的测量量表，采用7点李克特量表进行评分；采用配额抽样方法从香港公众中招募了600名参与者，确保了样本在年龄、性别和居住地区的代表性；使用偏最小二乘结构方程模型(PLS-SEM)检验结构模型，并通过多组分析考察年龄、性别、教育水平和家庭收入的调节效应。

研究结果通过多个维度展示了健康应用接受度的复杂机制：

背景与目的部分指出，尽管健康应用具有改变健康护理方式的潜力，但其接受度仍是成功的关键障碍。研究旨在开发一个包含TAM构念和健康应用特定因素的接受度模型，并考察社会人口学特征对使用意愿的调节作用。

方法部分详细介绍了模型开发过程，以TAM为理论基础，通过文献回顾确定了11个影响因素，包括感知有用性、感知易用性、有利应用特征、健康信息质量、安全与隐私、移动健康素养、移动网络消耗、电池消耗、智能手机内存消耗、智能手机屏幕尺寸和感知医护人员态度。使用意愿作为接受度的衡量指标。

结果部分显示，测量模型表现出良好的信度和效度，所有构念的Cronbach's α > 0.7，组合信度>0.7，平均变异抽取量(AVE)>0.5。结构模型测试表明，该模型解释了55%的使用意愿方差，具有0.52的预测相关性。使用意愿受到感知有用性(β=0.41)、移动健康素养(β=0.17)、智能手机屏幕尺寸(β=0.16)和感知医护人员态度(β=0.17)的正向影响，而受到智能手机内存消耗(β=-0.12)的负向影响。同时，模型解释了58%的感知有用性方差，感知易用性(β=0.24)、有利应用特征(β=0.51)和健康信息质量(β=0.16)对感知有用性产生正向影响。

多组分析结果显示，年龄、性别和教育水平对模型关系具有调节作用。年长个体对感知有用性的关注较少，而女性和教育水平较低的个体更关注智能手机屏幕尺寸。这些发现揭示了不同人口学群体在健康应用接受度上的差异。

讨论部分深入分析了研究结果的理论和实践意义。感知有用性及其前因(感知易用性、有利应用特征和健康信息质量)对使用意愿具有重要影响。与预期相反，安全与隐私对接受度的影响不显著，可能由于大多数健康应用尚未部署适当的安全隐私保护机制。移动健康素养显示出比电子健康素养(eHealth literacy)更直接的影响，强调在健康应用接受度研究中需要特别关注移动环境下的健康素养。

资源相关因素中，智能手机内存消耗和屏幕尺寸显著影响使用意愿，而移动网络消耗和电池消耗的影响不显著，这可能与研究样本的都市背景有关。感知医护人员态度显著影响接受度，表明 healthcare providers 的推荐和支持对促进健康应用使用具有重要作用。

社会人口学特征的调节作用表明，不同群体对健康应用的关注点存在差异：年长者更关注智能手机内存消耗但对感知有用性关注较少；女性更重视屏幕尺寸；教育水平较高的个体对屏幕尺寸关注较少。这些发现为针对不同人群定制健康应用提供了重要依据。

研究结论强调，提高健康应用接受度需要从八个关键因素入手：技术必须有用且易用；保持可接受的能耗水平；健康信息和功能要易于获取和理解；信息显示要优化以适应设备屏幕尺寸；获得有影响力人物(如医护人员)的支持；提供高质量健康信息；整合符合用户需求和期望的功能。此外，年龄、性别和教育水平等人口学变量调节了这些因素与用户接受度之间的关系，强调需要设计满足目标用户多样化需求和期望的健康应用。

这项研究的理论贡献在于首次通过理论整合框架证明了移动健康素养、感知医护人员态度和资源相关因素(如智能手机内存消耗和屏幕尺寸)对健康应用接受度的显著影响，为后续健康技术和干预研究提供了优先关注的重点因素。实践上，研究为健康应用的设计、开发和实施提供了具体指导，强调需要采用以人为本和利益相关者为中心的设计方法，确保健康应用提供高质量信息，整合用户偏好的功能，并针对特定人群的障碍采取相应措施。

政策层面上，研究建议监管框架应强制要求包含准确、全面的健康信息，提升应用质量和可靠性；政策应促进医护人员积极参与应用开发和推荐，使这些工具符合临床标准和公共健康需求。通过整合这些策略，决策者可以弥合数字健康技术与有效医疗供给之间的差距，鼓励公众广泛、持续地采用健康应用。

该研究也存在一些局限性，如样本教育水平和家庭收入较高，可能限制结果的代表性；未考虑参与者先前健康应用使用经验可能对感知的影响；使用使用意愿作为接受度指标可能无法转化为实际或持续使用等。未来研究应纳入客观使用指标和纵向数据，以更好地评估参与度并为健康应用干预提供信息。

总体而言，这项研究为理解和促进公众对移动健康应用的接受提供了全面框架，对推动数字健康转型和实现健康服务的普惠访问具有重要意义。研究发现不仅适用于健康应用，也可能适用于类似创新技术，如基于人工智能的健康信息系统，这些系统需要量身定制的方法以最大化用户采纳。