医学生对定制化电子心理健康应用的接受度研究：基于UTAUT模型的横断面调查

针对医学生心理健康问题高发但求助率低的现状，德国杜伊斯堡-埃森大学研究人员采用UTAUT模型开展横断面研究，发现医学生对定制化e-Mental Health应用接受度较高(均值3.72)，其中兼职学生和焦虑症状较重者接受度更显著。研究揭示了绩效期望(PE)、努力期望(EE)和社会影响(SI)等核心预测因子，为开发针对性数字干预提供了科学依据。

　　

在医学教育领域，医学生群体正面临着日益严峻的心理健康挑战。大量研究表明，这个未来医生群体中焦虑和抑郁症状的患病率显著高于普通人群，但令人担忧的是他们的专业求助率却持续低迷。这种矛盾现象背后，既有医学教育特有的高压环境因素，也反映出传统心理健康服务存在的可及性障碍。随着数字医疗时代的到来，移动健康应用为突破这一困境提供了新思路，但针对医学生群体的定制化电子心理健康(e-Mental Health)干预研究仍属空白。

德国杜伊斯堡-埃森大学的研究团队敏锐捕捉到这一研究缺口，开展了一项开创性的横断面调查。研究采用经过验证的技术接受与使用统一理论(UTAUT)框架，重点考察医学生对以压力管理和个人技能提升为特色的定制化心理健康应用的接受度及其影响因素。这项研究最终发表在数字医学教育领域的权威期刊《JMIR Medical Education》上，为医学教育中的心理健康促进策略提供了重要循证依据。

研究团队采用了多阶段研究方法：首先通过纸质问卷收集245名医学生的社会人口学数据；其次使用PHQ-4量表（包含PHQ-2抑郁量表和GAD-2焦虑量表）评估心理健康状况；然后测量数字过载、网络焦虑等eHealth相关指标；最后应用改编的14项UTAUT问卷评估技术接受度。数据分析采用SPSS 26和R 4.3.1软件进行，包括描述性统计、t检验、Welch-ANOVA和分层回归分析等方法。

研究结果部分，"Study Population"显示样本平均年龄25.05岁，数字胜任力较高(均值6.97/10)，22.3%的参与者达到焦虑症状临界值(GAD-2≥3)，12.2%存在抑郁症状(PHQ-2≥3)。"Acceptance of Tailored e–Mental Health Apps"部分揭示总体接受度较高(均值3.72)，62%参与者属于高接受度群体，兼职学生(t_107.3
=-2.16)和高焦虑症状者(t_92.4
=2.36)接受度显著更高。

在"Hierarchical Linear Regression Analysis and Predictors of Acceptance"中，四步分层回归模型最终解释65.8%的方差(R²
=0.658)。UTAUT核心预测因子表现突出：社会影响(SI, β=0.43)、努力期望(EE, β=0.26)和绩效期望(PE, β=0.24)均呈显著正相关。值得注意的是，焦虑症状(β=0.11)和数字过载(β=0.10)促进接受度，而抑郁症状(β=-0.11)和网络焦虑(β=-0.12)则产生负面影响。

讨论部分"Principal Findings"强调，该研究首次使用UTAUT模型验证了医学生对定制化心理健康应用的高接受度，打破了既往认为高教育水平群体数字健康接受度低的刻板印象。"Limitations"指出横断面设计无法建立因果关系，且EE量表和数字过载量表的Cronbach α值(分别为0.67和0.68)较既往研究偏低，可能影响结果稳定性。

这项研究的创新价值在于：一方面证实了UTAUT模型在医学生数字健康研究中的适用性，为后续干预开发提供了理论框架；另一方面揭示了焦虑症状与接受度间的正相关关系，暗示高心理压力群体可能更倾向采用数字解决方案。研究结果对医学教育改革具有重要启示：将定制化数字心理健康支持整合入课程体系，既能满足"数字原生代"医学生的使用偏好，又能克服传统服务的时间空间限制。未来研究需要关注实际使用率和依从性，并进一步探索如何通过界面设计和功能优化来降低抑郁患者的应用障碍。