老年医疗保健中物联网(IoT)采纳建模：TAM-UTAUT混合模型方法

《Acta Psychologica》：Modeling IoT adoption in elderly healthcare: A hybrid TAM-UTAUT approach

　　

摘要：发展中国家（如伊朗）日益增长的老年人口凸显了改善医疗保健服务的迫切需求。在此背景下，物联网(Internet of Things, IoT)作为一种创新解决方案，有望大幅提升老年护理水平。本研究旨在调查影响伊朗老年医疗保健中IoT采纳的因素，并提出一个混合模型来解决此问题。所提出的模型结合了两种广泛认可的框架——技术接受模型(Technology Acceptance Model, TAM)和整合型技术接受与使用理论(Unified Theory of Acceptance and Use of Technology, UTAUT)，同时纳入了技术、个体、社会及健康相关维度。本研究通过向伊朗各年龄组分发问卷进行定量研究，使用SPSS和SmartPLS软件分析数据，并对测量模型和结构模型进行评估。研究发现，感知优势(Perceived Advantage)、社会影响(Social Influence)和技术促成条件(Facilitating Conditions)对IoT采纳有显著影响，与早期研究一致。相反，感知风险(Perceived Risk)、个人创新性(Personal Innovativeness)和易用性(Ease of Use)的影响不显著。这些发现有助于制定有效策略以鼓励类似背景下老年人采纳医疗技术，从而更好地应对老龄化人口危机并提升发展中国家的护理质量。

论文解读：老年医疗保健中物联网(IoT)采纳建模——TAM-UTAUT混合模型方法

该研究针对发展中国家（以伊朗为例）人口老龄化加剧、慢性病及行动不便老人增多，而传统医疗基础设施有限、专业医护人员短缺及就医可及性差等问题，指出物联网(Internet of Things, IoT)可通过可穿戴设备与传感器实现实时健康监测、跌倒检测、用药提醒及远程医疗，有望降低医疗成本并提升老年人生活质量。然而在发展中国家，贫困、带宽限制、专业知识缺乏及基础设施不足导致IoT采纳率较低，尤其缺乏对老年人这一特定群体采纳影响因素的本土化、综合性理解。为此，研究人员开展了此项研究，旨在通过整合技术接受模型(Technology Acceptance Model, TAM)与整合型技术接受与使用理论(Unified Theory of Acceptance and Use of Technology, UTAUT)，构建一个涵盖技术、个体、社会及健康维度的混合模型，实证分析伊朗语境下影响老年人医疗保健IoT采纳的关键因素，为政策制定与技术设计提供依据。论文发表于《Acta Psychologica》。

研究人员采用调查法(Questionnaire Survey)结合偏最小二乘法结构方程模型(Partial Least Squares Structural Equation Modeling, PLS-SEM)。于2024年春季在伊朗通过在线渠道向多年龄层人群发放五点李克特(Likert)量表问卷（含IoT介绍、人口统计学及40个潜变量测项），最终回收有效问卷163份（年龄分布：<30岁21.5%，30–40岁22.1%，40–50岁29.4%，50–60岁16.6%，>60岁10.4%；超76%具学士学位以上）。使用SPSS进行描述性统计与信度检验，使用SmartPLS 3.0评估测量模型（信度、收敛效度、区分效度）与结构模型（路径系数、R²、f²、Q²）。

研究背景与引言要点

人口老化是21世纪医疗系统重大挑战，伊朗65岁以上人口预计从2020年7%升至2050年17–20%，劳动力迁移与资源约束使医疗系统承压。IoT应用（持续生命体征监测、跌倒检测、用药提醒、活动追踪）可减少不必要就诊并增强临床安全，但需考虑老年人认知身体衰退及文化社会差异。文献回顾显示TAM（感知有用性Perceived Usefulness→态度→行为意向；感知易用性Ease of Use→感知有用性/态度）与UTAUT（绩效期望Performance Expectancy、努力期望Effort Expectancy、社会影响Social Influence、促成条件Facilitating Conditions→使用意向/使用行为，年龄性别经验为调节变量）各有侧重，混合模型能更全面捕捉多维决定因素。

假设提出（模型结构简述）

外源潜变量包括：健康情境——感知优势(Perceived Advantage, PA)、感知必要性(Perceived Necessity, PN)、感知风险(Perceived Risk, PR)；个体情境——自我效能(Self-Efficacy, SE)、个人创新性(Personal Innovativeness, PI)；社会情境——社会影响(Social Influence, SI)、政府/机构支持(Governmental and institutional Support, GS)；技术情境——易访问性(Easy Access, EA)、促成条件(Facilitating Conditions, FC)、感知安全性(Perceived Security, PS)、用户友好性(User-Friendliness, UF)。内源潜变量为努力期望(Effort Expectancy, EE)、绩效期望(Performance Expectancy, PE)及行为意向(Behavioral Intention, BI)。假设共17条（H1–H17），涉及外源变量对PE与EE的影响、EE→PE、EE→BI、PE→BI。

5.1. Descriptive statistics（描述性统计）

受访者对IoT采纳整体持积极态度，行为意向(BI)均值3.93较高。用户友好性(UF, 4.01)与感知安全性(PS, 3.98)得分最高，感知风险(PR, 3.34)最低。各构念Cronbach's α均>0.89，组合信度Composite Reliability>0.778，平均方差萃取Average Variance Extracted(AVE)>0.554，因子载荷>0.667，VIF<2.78（无多重共线性），Fornell-Larcker准则与HTMT比满足区分效度要求，测量模型合格。

5.2.1. Measurement model（测量模型评估）

确认所有潜变量具良好信度（Cronbach's α > 0.7，Composite Reliability > 0.7）与收敛效度（Factor Loading > 0.7，AVE > 0.5），区分效度经Fornell-Larcker与HTMT检验通过，适合进行结构模型分析。

5.2.2. Structural model（结构模型分析结果）

路径分析表明：

• •
  PA→PE显著正向(β=0.267, p<0.01)，H1成立；
• •
  PN→PE显著正向(β=0.155, p<0.05)，H2成立；
• •
  PR→PE不显著(β=-0.040, p>0.05)，H3不成立；
• •
  SE→PE不显著(β=-0.021, p>0.05)，H4不成立；SE→EE显著正向(β=0.138, p<0.05)，H5成立；
• •
  PI→PE不显著(β=0.104, p>0.05)，H6不成立；
• •
  SI→PE不显著(β=0.097, p>0.05)，H7不成立；SI→EE显著正向(β=0.296, p<0.001)，H8成立；
• •
  GS→PE显著正向(β=0.124, p<0.05)，H9成立；
• •
  EA→EE不显著(β=0.100, p>0.05)，H10不成立；
• •
  FC→EE显著正向(β=0.303, p<0.001)，H11成立；
• •
  PS→PE不显著(β=0.080, p>0.05)，H12不成立；PS→EE不显著(β=0.055, p>0.05)，H13不成立；
• •
  UF→EE显著正向(β=0.104, p<0.05)，H14成立；
• •
  EE→PE显著正向(β=0.187, p<0.05)，H15成立；
• •
  EE→BI显著正向(β=0.218, p<0.01)，H16成立；
• •
  PE→BI显著正向(β=0.572, p<0.001)，H17成立。
  模型解释力：PE的R²=0.55，EE的R²=0.53，BI的R²=0.54；Q²值分别为0.504、0.480、0.535（>0），具预测相关性。

讨论与结论总结（Discussion & Conclusion）

研究证实在伊朗老年医疗保健IoT采纳情境中，绩效期望(Performance Expectancy, PE)是行为意向(Behavioral Intention, BI)最强预测因子，努力期望(Effort Expectancy, EE)亦直接影响BI并通过PE间接影响。促成条件(Facilitating Conditions, FC)与社会影响(Social Influence, SI)显著提升EE（降低感知难度），感知优势(Perceived Advantage, PA)、感知必要性(Perceived Necessity, PN)及政府支持(Governmental and institutional Support, GS)正向影响PE。与个人特质相关的感知风险(Perceived Risk)、个人创新性(Personal Innovativeness)及直接的易用性(Ease of Use)影响不显著，这与伊朗依赖家庭支持、IoT未广泛部署致创新体验少及基础设备虽普及但高级应用陌生有关，凸显文化背景与基础设施对变量显著性的调节作用。实践意义在于：需设计适老化简洁界面、开展老年人数字素养培训、完善高速网络与数据隐私保障、提供财政补贴降低获取门槛。结论为：老年医疗保健中IoT采纳主要受PE与EE驱动，PA、PN、GS、FC、SI、SE（仅对EE）、UF是重要前因，而PR、PI及TAM中原"易用性"直接路径在此语境中不显著；混合TAM-UTAUT模型适用于发展中国家老年群体IoT采纳分析，但需本土化调整。