编辑推荐：
该综述聚焦医疗物联网（IoMT）在远程患者监测（RPM）中的应用，基于 PRISMA 协议分析 32 项研究，发现 UTAUT2 模型最适用于解释技术采纳，关键影响因素包括隐私、信任、安全等，指出需平衡患者与医护人员视角，为相关研究及实践提供参考。
1. 引言
物联网（IoT）作为物理设备、车辆、建筑等嵌入传感器与软件的互联网络，预计 2030 年设备将超 290 亿台，在医疗领域衍生出医疗物联网（IoMT），涵盖可穿戴设备、植入式器械等，通过实时数据共享优化个性化医疗。远程患者监测（RPM）对慢性病患者和老年人至关重要，可缓解传统面对面监测的资源压力。尽管已有研究探索 IoMT 在 RPM 中的应用，如糖尿病监测框架、区块链安全方案等，但缺乏系统综述。本研究基于 PRISMA 协议，旨在梳理技术采纳模型、识别影响因素及研究缺口，为研究者、医护人员和技术开发者提供决策依据。
2. 背景
2.1 RPM
RPM 通过居家采集心率、血压等生命体征，实现慢性病长期监测与疫情期间的安全管理。COVID-19 疫情加速其普及，研究显示其可提升患者参与度、减少不良事件，且需关注 usability、acceptability 及与医护人员共同设计系统。深度学习技术与 RPM 结合可增强疫情预测能力。
2.2 IoMT 在 RPM 中的应用
IoMT 技术如可穿戴传感器、远程监测系统、远程医疗及人工智能（AI），可覆盖医院、居家、体内等多场景，例如 Apple Watch 监测心电图、MiniMed 780G 系统管理糖尿病。疫情期间，IoT 架构用于体温监测与社交距离管理，雾计算系统实现实时健康信号处理，降低延迟。
2.3 技术采纳模型
技术采纳模型（TAM）关注感知有用性与易用性，统一技术采纳与使用理论（UTAUT）引入社会影响与便利条件，扩展版 UTAUT2 新增享乐动机、价格价值和习惯，更适用于消费者场景。其他模型如保护动机理论（PMT）、创新扩散理论（DOI）等各有局限，UTAUT2 因覆盖情感与财务因素，在医疗领域更具解释力。
3. 方法（SLR 协议）
3.1 研究问题
围绕 “哪些模型适用于 IoMT 在 RPM 中的采纳”“研究对象是患者还是医护人员”“需考虑哪些影响因素” 展开，通过布尔检索式在多数据库筛选文献，最终纳入 32 项研究。
3.2 数据提取与分析
研究将模型分为 TAM、UTAUT 及其他三类，按患者、医护人员或双方视角分类。结果显示，UTAUT2 在 7 项研究中表现最佳，因其整合社会影响、享乐动机等多维因素，而 TAM 缺乏社会因素，PMT 忽视 usability，DOI 未关注用户体验。
4. 结果
4.1 模型效能
32 项研究中，14 项使用 TAM（含改良与混合模型），13 项涉及 UTAUT/UTAUT2。UTAUT2 在患者监测、远程医疗等场景中有效，例如结合隐私计算模型（PCM）时，感知风险、信任与隐私担忧显著影响行为意向。
4.2 研究对象视角
27 项研究聚焦患者，仅 4 项涉及医护人员，1 项兼顾双方。患者视角集中于可穿戴设备接受度，而医护人员视角关注技术对工作流程的影响，显示需平衡双方需求。
4.3 关键影响因素
UTAUT2 核心因素包括绩效期望、努力期望、社会影响等，其中社会影响与绩效期望对行为意向影响最强，而习惯与努力期望作用较弱。新增因素如隐私、信任、安全在多项研究中被验证，例如信任受服务质量、隐私感知影响，安全措施可提升技术采纳意愿。
5. 讨论与未来方向
UTAUT2 是解释 IoMT 采纳的有效框架，但需纳入可扩展性、基础设施等未被充分研究的因素。当前研究过度侧重患者视角，未来需增加医护人员参与度调查，探索双方互动对技术采纳的影响。此外，隐私、安全与感知风险的综合作用机制仍需深入研究。
6. 结论
本综述确认 UTAUT2 为 IoMT 在 RPM 中采纳的最佳模型，识别隐私、信任、安全等关键因素，并指出研究缺口。建议未来研究整合多利益相关者视角，扩展模型以涵盖技术扩展性与基础设施，推动更包容、高效的 IoMT 系统开发，优化远程医疗服务。
