从认知到采纳：慢性病患者互联网医疗服务利用的多维解析与技术接受模型拓展研究

《BMC Health Services Research》：From awareness to adoption: a panoramic perspective on the utilization of Internet Medical Services among Chinese patients with chronic disease

本研究针对慢性病患者互联网医疗服务（IMS）存在的"高需求-低渗透"悖论，基于扩展技术接受模型（TAM）整合电子健康素养（eHEALS）和技术焦虑（TA）等变量，通过对520名济南慢性病患者的双方法分析（AWAG矩阵和结构方程模型），发现网络健康服务存在71.43%的需求-采纳断层，富裕人群呈现认知-采纳背离现象。研究证实感知有用性（β=0.338-0.423, P<0.001）和电子健康素养（β=0.184-0.395, P<0.001）是IMS利用的关键驱动因素，为优化数字健康公平性提供了循证框架。

　　

随着全球人口老龄化进程加速，慢性疾病给医疗卫生系统带来了巨大负担，尤其在中国这样的老龄化国家更为突出。互联网医疗服务（IMS）通过优化资源配置和增强远程护理能力，在慢性病管理方面展现出巨大潜力。然而令人困惑的是，尽管慢性病患者对医疗服务存在持续需求，但IMS在这一群体中的渗透率却始终低迷，这种"高需求-低渗透"悖论凸显了数字鸿沟带来的持续障碍。

在这一背景下，Qiu等研究人员在《BMC Health Services Research》上发表了一项开创性研究，试图解开这一谜团。他们不仅关注患者是否使用IMS，更深入探究了"如何"以及"为何"使用的问题。研究团队创新性地将慢性病患者对IMS的利用过程解构为三个渐进阶段：认知（Awareness）、需求（Want）和采纳（Adoption），并对IMS本身按功能域进行分类，包括信息获取（Information Access）、便捷服务（Convenience Services）和在线医疗（Online Health）。

为了深入分析这一复杂过程，研究团队采用了双方法研究设计。一方面，他们运用认知-需求-采纳差距（AWAG）矩阵进行服务特异性差异映射；另一方面，通过结构方程模型（SEM）量化感知驱动因素，从而提供了解构复杂利用行为的全景视角。

研究方法上，本研究主要采用了横断面调查设计和双方法分析框架。研究人员于2023年6月至10月期间，通过系统抽样法从济南市三家医院招募了520名慢性病患者作为研究样本。关键方法包括：基于扩展技术接受模型（TAM）的问卷设计，将IMS利用过程划分为认知、需求和采纳三个阶段；AWAG矩阵分析法用于服务特异性差异映射，通过计算差距比率（(认知率-需求率)/认知率×100%）识别不同人群的利用障碍；结构方程模型（SEM）则用于量化感知有用性、感知易用性、电子健康素养等技术接受因素对IMS利用的影响路径。

研究结果部分呈现了丰富的发现：

人口学特征和样本概况

520名有效受访者的平均年龄为60.06岁（SD=13.21），平均受教育年限8.92年（SD=4.35），男性占56.15%，90.58%已婚，78.65%为城市居民。所有5点李克特量表结构均显示中度至高度认可：感知有用性（3.75，IQR=1.00）和态度（3.50，IQR=1.00）得分最高。

矩阵分析和非参数检验

慢性病患者对IMS表现出较高的认知率（57.87%）和需求率（58.77%），但采纳率显著较低（27.56%），认知/需求-采纳差距达52.38%。信息获取类IMS的认知/需求率最高（0.68/0.63），采纳率中等（0.36）；便捷服务类IMS认知/需求率中等（0.52/0.59），采纳率较低（0.26）；在线医疗类IMS采纳率最低（0.14），尽管其认知/需求率中等（0.55/0.49）。

亚组分析揭示了显著差异：年龄增长与所有IMS类别的认知、需求和采纳率下降显著相关；城市居民在除在线医疗采纳外的所有维度上均优于农村居民；受教育年限超过9年的患者在所有维度上的利用率均高于≤9年组；高收入患者呈现出矛盾模式——认知率高但采纳率低，特别是在在线医疗服务中。

结构方程模型

SEM分析显示模型拟合优度良好（χ²/df=1.22，RMSEA=0.02）。关键路径分析表明：感知有用性显著提升认知（β=0.338，P<0.001）、需求（β=0.423，P<0.001）和态度（β=0.721，P<0.001）；感知易用性直接增强态度（β=0.212，P<0.001）并通过感知有用性间接影响态度（β=0.654，P<0.001）；态度强化行为意向（β=0.687，P<0.001），进而提升所有IMS利用阶段；电子健康素养促进认知（β=0.184）、采纳（β=0.395）和行为意向（β=0.433）（均P<0.001），但对需求无显著影响；技术焦虑通过降低电子健康素养（β=-0.351，P<0.001）产生间接抑制作用。

讨论与结论部分指出，本研究通过扩展技术接受模型（TAM），确认了电子健康素养和技术焦虑是影响慢性病患者互联网医疗服务（IMS）利用的关键因素。虽然信息获取服务获得广泛接受，但在线医疗服务存在显著的采纳差距，尤其影响老年、低教育水平、农村和多病共存患者。矛盾的是，高收入患者使用率较低，可能反映了他们对线下医疗的优先获取和更高的服务期望。

矩阵分析量化了利用链中的"泄漏点"，最严重的是在线医疗服务，需求-采纳转化率下降71.43%，揭示了超越低认知的障碍。SEM验证了电子健康素养直接驱动采纳但不影响需求，将模糊的"数字鸿沟"转化为可针对性干预的具体群体。

研究的意义在于为优化慢性病管理提供了具体方向：针对弱势群体的电子健康素养计划、建立信任的服务标准化以及适应社会经济多样性的个性化服务。双方法框架通过按服务领域和认知阶段细分技术利用，为数字健康公平性优化建立了循证支架，其方法可推广至慢性病管理以外的跨领域应用。

该研究的局限性包括样本主要来自济南三家医院，影响结果普适性；横断面设计仅捕捉现状而非随时间变化；理论框架范围仍受限制。未来研究应采用不同医疗系统的多中心队列，结合患者报告结果和数字生物标志物收集的纵向跟踪，同时通过将研究时间线与国家政策实施周期和技术采用率对齐来检查宏观层面的相互作用，从而更好地控制慢性病管理复杂生态系统并优化下一代数字健康干预措施。