资源匮乏环境下未来护士使用移动健康应用意愿的影响因素：基于结构方程模型(SEM)的实证分析

为探究资源匮乏地区护理专业学生使用移动健康(mHealth)应用程序的影响因素，研究人员基于技术接受模型(TAM)和整合型技术接受与使用理论(UTAUT)，构建包含时间效率、社会影响、成本、隐私、信任等7个维度的理论框架，通过PLS-SEM方法对567名印度护理学生进行调查。研究发现易用性(PEOU)和信任是关键决定因素，而人口统计学因素影响微弱，为优化mHealth应用设计提供了重要依据。

　　

在医疗资源分布不均的全球背景下，移动健康(mHealth)应用程序正成为改善医疗服务可及性的重要工具。然而，这些技术在资源匮乏地区的应用面临严峻挑战——从医疗工作者的接受度到技术本身的适用性都存在诸多未知。特别是在护理领域，作为医疗体系的中坚力量，护士群体对mHealth的接受程度直接影响着技术落地效果。但现有技术接受模型多基于发达国家场景，且缺乏针对护理专业学生的研究，这为技术推广带来了理论空白和实践障碍。

针对这一研究缺口，来自国内护理院校的研究团队在《Global Transitions》发表了创新性研究成果。研究团队选取印度南北部两所护理院校567名学生为样本，基于技术接受模型(TAM)和整合型技术接受与使用理论(UTAUT)，创新性地构建包含时间效率、社会影响、成本、隐私、信任、感知有用性(PU)和感知易用性(PEOU)七大维度的理论框架。研究采用偏最小二乘结构方程模型(PLS-SEM)进行数据分析，通过SmartPLS 4.0软件完成测量模型和结构模型评估。

关键技术方法包括：1)基于理论框架设计包含20个条目的问卷，经7位专家评估内容效度(CVI=0.82)；2)采用非概率便利抽样，通过在线问卷收集数据；3)运用PLS-SEM分析非正态分布数据，评估R²、Q²等指标验证模型预测能力；4)通过HTMT比值、交叉载荷分析确保判别效度。

研究结果呈现多维度发现：
1.测量模型验证：各构念平均方差抽取量(AVE)均大于0.5，组合信度在0.641-0.907之间，证实量表具有良好的信效度。值得注意的是，"时间"构念对PEOU的负向影响最显著(β=-0.426)。

2.结构模型分析：信任成为影响行为意向(BI)的最强预测因子(β=0.212)，其次是PEOU(β=0.222)和社会影响(β=0.133)。出乎意料的是，年龄、性别等人口学因素影响不显著(p>0.05)。

3.预测效度检验：PLS-SEM模型的RMSE(0.819-0.890)显著优于线性模型，Q²predict值达0.213-0.248，证实模型具有良好预测力。

4.关键路径解析：时间效率通过PEOU间接影响BI的路径系数达0.202，而PEOU对PU的影响路径系数高达0.504，揭示易用性感知在技术接受中的核心中介作用。

讨论部分深入剖析了研究发现的理论和实践价值。与既有研究相比，该研究创新性地验证了在资源受限环境下，传统技术接受模型需要纳入情境化因素——特别是时间效率和信任机制。研究结果与Deng等学者关于信任缓解风险感知的发现相呼应，但补充了护理学生这一特殊群体的行为特征。值得注意的是，隐私关注与使用意愿的正相关(β=0.097)打破了常规认知，暗示在医疗场景下数据共享需求可能超越隐私担忧。

该研究的实践意义主要体现在三方面：首先，为mHealth开发者提供了明确的优化方向——简化操作流程、强化数据安全保障、控制成本；其次，为教育机构设计培训课程提供依据，建议将mHealth应用纳入护理专业课程体系；最后，为政策制定者提出监管建议，包括建立数据使用规范、推动公私部门合作降低应用成本等。

研究也存在若干局限：样本仅来自印度两所院校，可能影响结论的普适性；横断面设计难以捕捉使用意愿的动态变化；未考察应用功能偏好等技术细节。未来研究可扩展至更多发展中国家，采用纵向设计追踪实际使用行为，并结合质性研究深入挖掘量化指标未能捕捉的影响因素。

这项研究为理解资源匮乏地区医疗工作者技术接受行为提供了新视角，其构建的理论框架对完善技术接受理论具有重要贡献。研究发现为优化mHealth应用设计、制定针对性推广策略提供了实证依据，对推动数字医疗在发展中地区的普惠应用具有深远意义。