移动健康服务用户接受模型及其实证研究*

华中科技大学同济医学院医药卫生管理学院(430030) 任 聪 邓朝华

随着移动通信技术的快速发展， 移动健康服务已进入了越来越多人的生活。移动通信具有个性化、私密性的特点，而健康也是个性化、私密性的课题。因此，通过移动终端来获得医疗、健康、保健等服务具有巨大的市场潜力。特别是现阶段，我国正进入人口老龄化的高发期，60岁、70岁以上的老年人数量大大增加，而且中国的计划生育人口控制政策所带来的4-2-1家庭组织结构，给居家养老带来紧迫性和特有的挑战。全国亚健康人数大约占全国人口的70%，《中国慢性病报告》显示：中国有3亿人超重和肥胖，1.6亿人血脂异常，2.8亿人患慢性病，2亿人患高血压；体育运动者占全国人口的40%。与此相对，移动服务的发展日趋繁荣。我国移动电话的用户数已达到8.69 亿户，3G电话用户数达到0.52亿户，移动电话的普及率已达64.4%[1]。移动通信技术的日趋成熟和庞大的移动用户群为我国移动健康的发展提供了良好的基础。

移动健康服务对大众来讲，改变了过去只能前往医院“看病”的传统生活方式，能随时随地听取医生的建议，获得各种健康资讯，不仅节省之前大量用于挂号、排队等候乃至搭乘交通工具前往的时间和成本，而且更高效地引导人们养成良好的生活习惯，变治病为防病。对医疗卫生组织部门来讲，能提高医疗卫生从业人员的工作效率，节约大量的人力资本。此外，发展中国家慢性病和传染病患病率持续增长，移动健康服务的推出可以缓解这些问题[2]。

在移动医疗的环境中，医疗卫生部门要以更加灵活的方式准确响应用户的需求，提供即时易用的服务，通过可靠的技术和管理手段为服务过程提供安全保障。虽然当前我国移动设备的普及率较高，但如何促使消费者充分利用手中的移动设备并参与到移动健康服务成为推行移动健康服务过程中迫切需要解决的关键问题之一。移动健康服务借助于新兴的移动通信技术，一定程度上为用户提供即时的医疗健康服务创造了便利条件，然而现有研究还缺乏对于移动健康服务用户行为的分析，如何使用户更好地接受这种创新的医疗健康服务模式尚待探讨。基于此，本研究将从移动健康服务的技术特征、用户健康信念等视角建立移动健康服务用户接受模型，为即将大力开展移动健康服务的医疗卫生部门，如政府、医院和社区等提供决策依据，推出用户乐于接受的移动健康服务，使移动健康服务能够更好地满足广大用户的需求。

文献综述与研究理论

1.移动健康服务用户接受研究

移动健康服务的用户采纳，指的是用户考虑了多种因素，愿意使用移动健康服务的态度、意向或者行为。Wu等基于技术接受模型研究了医护人员接受移动信息系统的影响因素[3]。文献[4]基于技术接受模型和计划行为理论研究了医护人员接受移动服务来支持其工作的影响因素。Hung和Jen基于技术接受模型研究了用户对移动健康管理服务的接受行为，认为移动健康管理服务分为在医院的恢复阶段和在家庭的健康阶段[5]。Cocosila和Archer的研究表明内在动机是用户接受移动健康服务的主要促进因素，而多层面的感知风险则是用户接受行为的主要阻碍因素[6]。移动商务用户接受行为方面的研究非常丰富，而文献[3-5]中所用到的理论也都借鉴了移动商务用户接受常用的研究理论技术接受模型，因此，可以考虑借鉴移动商务用户行为的理论和方法来研究移动健康服务的用户行为机理。

移动健康服务用户行为方面，国外的研究大多基于技术接受理论研究医护人员的接受问题，国内的相关研究还处于宏观层面的定性分析阶段。由于技术接受理论适用于解释用户接受新技术的行为，其目的主要是提高工作效率，而移动健康服务的最终用户是广大公众，除了技术方面的因素，用户更注重健康方面的信念。因此，有必要用TAM理论与健康行为相关的其他理论来探讨移动健康服务的公众用户接受行为。

2.技术接受模型

技术接受模型(technology acceptance model，TAM)是运用理性行为理论研究用户对信息系统接受时所提出的一个模型，是用户接受行为研究中应用最为广泛的一个理论[7]。TAM模型认为，影响用户是否接受信息技术的因素有两个。首先，当人们相信使用某种技术有助于他们把事情做得更好，在某种程度上，他们倾向于使用这种技术，把这种因素称作感知的有用性。此外，用户相信这种技术有用，如果觉得其使用起来非常困难，就会影响用户在使用技术时所获得的效益。因此，除了感知的有用性，感知的易用性也会影响信息技术的使用。具体来讲，技术接受模型的两个主要决定因素：(1)感知的有用性(perceived usefulness,PU)，反映一个人认为使用一个具体的系统对他工作业绩提高的程度；(2)感知的易用性(perceived ease of use,PEOU)，反映一个人认为容易使用一个具体的系统的程度。移动健康服务是以移动电话、iPad、PDA等为终端来提供健康服务和信息，是以先进的信息技术和网络技术为平台的创新型健康服务模式，因此可以看作是一种信息系统策略。当用户接受移动健康服务时，他们就接受移动健康服务相关的技术与创新活动。

移动健康服务相比于传统的电子健康服务，其显著的差异在于能够随时随地为用户提供医疗服务信息，本文认为，感知的服务随时可用性也会对用户的使用行为倾向有影响。因此，本文给出如下假设：

H1：用户对移动医疗的使用态度正向影响其行为意向

H2：感知的有用性正向影响行为意向

H3：感知的有用性正向影响使用态度

H4：感知的易用性正向影响感知的有用性

H5：感知的易用性正向影响使用态度

H6：服务随时可用性正向影响感知的有用性

H7：服务随时可用性正向影响使用态度

3.健康信念模式

健康信念模式(the health belief model，HBM)运用社会心理方法解释健康相关行为，认为人们如果具有与疾病、健康相关的信念，他们就会有意愿采纳健康行为，对采纳行为并能取得成功的信心则是行为实现的保障[8-9]。具体来讲，HBM中影响健康决策行为的因素包括：(1)感知的有效性(perceived benefit)：指人们对采取某种行为后，能否有效降低患病危险性或减轻疾病后果的判断，包括减缓病痛、减少疾病产生的社会影响等；(2)对采取某种行为障碍感知(perceived barrier)：指人们对采取或放弃某种行为所遇困难的感知，如费用的高低、痛苦的程度、方便与否等；(3)对疾病易感性的认知(perceived disease threat )：指个体对罹患某种疾病可能性的感知；(4)自我效能(self-efficacy)：指一个人对自己的行为能力有正确的评价和判断，相信自己一定能通过努力，克服障碍，完成这种行动，达到预期结果。HBM最常被用来解释筛检或预防性健康行为，少有研究用此理论来预测消费者的接受行为。由于移动健康服务可以为广大公众用户提供积极健康的医疗服务和信息，为各类慢性病或者生活健康提供医疗指导，因此使用移动健康服务是一种健康行为。当用户接受移动健康服务时，也就会产生健康信念的认知活动。由于感知的有效性与TAM模型中感知的有用性相似，因此这里可以不再单独强调感知的有效性的影响。本文给出如下假设：

H8：感知的疾病威胁正向影响态度;

H9：感知的使用障碍负向影响态度;

H10：感知的自我效能正向影响态度。

根据以上所述，构建假设模型，如图1 所示。

图1 移动健康服务用户接受实证模型

研究设计

1.变量定义与测量

本文建立的模型中的变量不能直接测量，必须建立多维的可测变量对其进行估计。为了确保变量的信度和效度，本文的变量都是改编自已有的文献。问卷项目的设计主要借鉴了国外相关文献研究中普遍采用的测量项目，有些项目根据移动医疗服务本身的特点进行了一定的修正。各变量的具体测度如表1所示。

2.数据收集

本研究的数据来源于问卷调查。基于模型建立的理论基础,针对模型涉及到的各项指标,本文设计了一份调查问卷。题项以Likert七级量表来衡量。为了避免问卷内容存在语意方面的问题，导致使用者误解题目表达的意思而误答问卷，影响问卷的效度，本文研究采用问卷前测(pre-test)的方式对问卷内容进行检查。前测对象是信息系统研究领域的10位老师，请他们针对问卷项目意义与表达的语法提供意见，然后根据回复意见修正问卷。前测对象是某大学四年级的61名学生，请他们针对问卷项目意义与表达的语法提供意见，然后根据回复意见修正问卷。此外，我们还咨询了移动服务、医疗信息化等方面的研究专家，请他们对问卷提出修正意见。根据前测对象和专家的反馈意见，对问卷进行了最后修正。修正后，我们成立了研究小组，小组成员在某大学校园内的学生公共活动场所门口分发问卷，包括学生食堂、教室、校医院、大学生活动中心，我们首先询问受访对象是否关注健康问题，对那些回答是的对象，让其现场填答，并分发小礼品作为问卷填答的回馈。问卷收集时间持续了两个星期。除去所有答案都一样和填写不完整的问卷，最终回收到有效问卷336份。对样本的特征进行了统计之后发现，有86%的问卷填答者年龄在30岁以下，且男性占198人，女性127人。71%的用户是大学本科生，27%是研究生。移动健康服务是以移动网络和终端为主的信息服务，而大学生是各类移动服务使用的主要客户，从社会的发展来看，新技术、新生活方式总是在大学生人群中首先被接受、被实践。另一方面，由于食品安全和空气质量等引发的健康问题已成为社会热点，大学生对健康及公共卫生等问题也普遍关注。基于以上分析，本文的样本抽样是合理的。

表1 变量测度及来源

3.模型检验

模型检验部分首先采用验证性因子分析对测量模型进行检验，包括内部一致性信度检验和内敛效度的检验。信度由复合信度(composite reliability,CR)和克朗巴赫系数(Cronbach’s alpha)值来测量，效度由各潜变量的平均方差提取值 (average variance extracted,AVE) 以及相应可测变量的负载来测量，结果如表2所示。所有潜变量的CR值均大于0.7，Cronbach’s Alpha值均大于0.7，表明样本数据的信度较好；所有变量的AVE值均大于0.5，表明样本数据的内敛效度

表2 验证性因子分析

表3给出了各因子间的相关系数和相应因子的AVE的平方根。结果表明，因子间的两两相关系数均小于相应的因子AVE的平方根，表明各变量的区别效度良好。

表3 潜变量相关矩阵

然后采用lisrel软件对结构模型进行检验，给出的结构模型的检验结果如图2 所示。路径系数反映了潜在变量之间影响的方向和影响的程度。R2值反映了结构模型中，内生潜变量能被外生潜变量解释的程度，也反映了模型的预测能力。

路径系数的T值及其显著性如表4所示。本文提出的10个假设，6个得到支持。

Lisrel还给出了模型的各项拟合指标值，如表5所示。对比推荐值和本研究中模型的值，可以发现本研究中模型的拟合状况良好。

图2 结构方程模型检验结果

表4 路经系数的显著性

表5 拟合指标值

讨 论

本研究的结果表明，假设模型中提出的10个假设中，6个得到了支持。

(1) 在使用态度的影响变量中，感知的有用性、服务随时可用性、使用障碍三个变量的影响作用比较显著，其中感知的有用性的影响最大(路径系数为0.24)，其次是使用障碍(路径系数为-0.19)，服务随时可用性排在第三，路径系数是0.13。感知的有用性对行为意向的影响也非常显著，路径系数为0.33。使用态度显著影响行为意向，行为意向被解释的方差达到69.4%。

(2) 感知的易用性和感知的服务随时可用性显著影响感知的有用性，表明若用户感知到移动健康服务难以使用，或使用起来不方便，就会怀疑其有用性，从而选择其他的健康管理方式。

(3) 感知的疾病威胁和自我效能对使用态度的影响都不显著，这可能是由于目前移动健康服务的个性化使用还不多，用户还未将其健康状况与之紧密相连，因此即使感知到有疾病威胁，也未必将之与移动健康的使用联系起来。自我效能则是用户在操作移动健康服务时的自我感知，由于用户操作移动健康服务需要的知识很简单，而我们调查的对象都是手机用户，他们都能熟练操作相关功能，因此自我效能对使用态度的影响不显著。

结 论

本文研究了用户接受移动健康服务的影响因素，考察了TAM模型的两个信念感知的有用性、感知的易用性，感知的服务随时可用性和HBM模型中的感知的疾病威胁、感知的行动障碍、自我效能等因素对用户态度的影响，感知的有用性、态度对用户行为意向的影响。本研究的理论意义在于证实了TAM和HBM整合模型中各变量之间的影响关系，为移动健康的有效实施提供测量参考。本研究的实践意义在于，在推出移动健康服务时，服务提供方不仅要考虑服务的有用性、易用性、随时可用性，还要注重用户的健康信念方面，如用户感知的使用障碍。此外，感知的疾病威胁和自我效能等因素也不容忽视。

不足之处在于本论文对移动健康服务使用对象的调查还不够广泛，后期应对更多类型的用户进行大范

围跟踪调查，如慢性病用户、老年用户、亚健康用户等，针对不同的服务类型和用户类型进行更加系统的实证研究。

参 考 文 献

1.http://www.miit.gov.cn/n11293472/n11293832/n11294132/n12858447/13667386.html.

2.Kahn James G,Yang Joshua S,Kahn James S.Mobile Health Needs and Opportunities In Developing Countries .Health Affairs,2010,29(2):254-261.

3.Wu JH,Wang SC,Lin LM.Mobile computing acceptance factors in the healthcare industry:A structural equation model.International Journal of Medical Informatics,2007,76:66-77.

4.Wu IL,Li JY,Fu CY.The adoption of mobile healthcare by hospital’s professionals:An integrative perspective,Decision Support Systems,2011,51(3):587-596.

5.Hung M,Jen W.The Adoption of Mobile Health Management Services:An Empirical Study.Journal of Medical Systems Internet.2010 Sep 29;Online first.Available from:http://www.springerlink.com/content/v128xr0t68617526/.

6.Mihail Cocosila,Norm Archer.Adoption of mobile ICT for health promotion:an empirical investigation.Electronic Markets,2010,20(3):241-250.

7.Davis FD.Perceived usefulness,perceived ease of use,and user acceptance of information technology .MIS Quarterly,1989,13(3):319 - 340.

8.Rosenstock I.Why people use health services .The Milbank Memorial Fund quarterly,1966,44(3):Suppl:94-124.

9.Rosenstock IM.Historical origins of the health belief model .Health Education Monographs,1974,2(4):328-335.

10.Huang JC.Remote health monitoring adoption model based on artificial neural networks .Expert Systems with Applications,2010,37,307-314.

11.Wang YS,Wang HY.Developing and validating an instrument for measuring mobile computing self-efficacy .Cyberpsychol Behav,2008,11(4):405 - 413.

12.Taylor S,Todd PA.Understanding information technology usage:A test of competing models .Information Systems Research,1995,6(2):144-176.

13.Fornell C, Larcker DF.Evaluating structural equation models with unobservable variables and measurement error .Journal of Marketing Research,1981,18(1):39-50.

14.Nunally JC.Psychometric Theory.New York,McGraw-Hill Book Company,1978.