荷兰的老年人之间的有意使用移动健康应用程序之前在COVID大流行

介绍

COVID-19流行病的爆发以来,各国政府实施强制性限制流动性和许多市民采用额外的自愿限制(1,2)。后者对于老年人来说尤其如此,他已经被世界卫生组织确定为风险更负面健康影响,包括增加死亡风险,从COVID-19 (3- - - - - -7)。事实上,许多COVID-measures由政府尤其是旨在保护老年人(1,4)。由卫生保健提供者一起访问限制,这些限制导致大幅减少交付人全球医疗服务(8- - - - - -10)。因此,大流行尤其是特别是负面影响老年人,由于相对较高的发病率和死亡率的风险,因为他们更频繁的使用医疗服务(4,11- - - - - -16)。

因此,COVID-19流行需要老年人采取替代医疗服务模式,减少健康风险和满足流动性的限制措施。大流行造成了巨大的吸收增加数字医疗技术(17- - - - - -20.)。移动健康或健康,移动应用程序,运行在智能手机或平板电脑,可以收集健康信息,监控健康和支持活动对个人的健康(21- - - - - -24)。一项研究表明,健康可能成为医患关系的创新的一个重要部分(25)。当前文献也表明,健康可以为老年人健康有积极影响。例如,移动医疗技术已经被证明有效的慢性疾病管理(13),它可以改善一个人的整体健康以及生活质量。此外,移动医疗使远程医疗服务交付和已被证明,提高自力更生,老年人健康行为和药物治疗依从性(13,26- - - - - -28),可能减少对医院服务的需求(21,22,29日,30.)。系统回顾表明,移动医疗已成功部署,促进医疗服务COVID-19大流行期间(4)。另一个系统回顾发现mHealth医患交往是一个非常合适的替代COVID-19大流行期间31日)。

老年人已经被确认为能从mHealth服务中获益最大的族群(27,32,33)。尽管证据的有效性和潜力,老年人往往不愿采用移动健康(34- - - - - -39)。大流行之前,一半的荷兰老年人无意使用移动健康应用程序(37- - - - - -39)。有人可能会假设大流行的特殊情况需要增加数字医疗应用程序,因此增加了打算使用这类应用程序中老年人。因此,我们的第一个研究问题的特殊情况是否流行,这严重限制了访问通常面对面的卫生服务,增加了意图使用移动健康中老年人(RQ1)。

老年人健康的吸收之前研究的基础上,技术接受模型(TAM),假定,实际使用在很大程度上取决于意图使用(ITU) (40)。TAM研究广泛,也与移动应用程序和在卫生服务领域。此外,一些研究主要集中在卫生技术验收由老年人(37- - - - - -39,41- - - - - -44)。尽管TAM在其原始形式可以在技术采用高解释方差(45),建议了集成附加变量来提高上下文特异性(13,42- - - - - -47)。这导致TAM2(包含额外的因素48),高级技术接受模型(44)和吴的扩大TAM版本(49)。这些扩展后,早期研究ITU荷兰老年人健康的提出和验证扩展TAM模型,确定感知有用性,感知易用性的态度,主观规范,控制,焦虑的感觉,个人创新,社会关系,自我感觉效果和服务可用性的重要因素(39)。

会质疑这篇(定制)TAM模型中确定的因素以及这些因素之间的关联和ITU对老年人流感大流行期间仍然有效。这个问题尤其相关,因为前面提到的访问方法的重要性在人健康服务老年人的大流行。理解影响因素的意图使用mHealth大流行期间,以及这些因素之间的关联和意图使用,可以帮助定制移动医疗解决方案,相应的卫生服务,和政策措施。因此,我们的第二个,组成,研究问题的研究:

。扩展TAM因素解释电联已感知不同的大流行发生之后(RQ2a)。

b。扩展TAM因素之间的关系和ITU改变了大流行发生之后(RQ2b)。

c。大流行对ITU不捕获有重要影响的因素包括在扩展TAM模型(RQ2c)。

因此,本研究的目的是调查是否打算使用移动健康应用程序的荷兰老年人COVID-19流行病的爆发后改变了。此外,我们试图探讨之间的关系是否延长TAM因素和ITU改变了大流行爆发以来。

本文首先描述了数据收集和统计分析的方法用于回答研究问题。结果部分显示了每个研究问题的统计分析结果。讨论了主要研究结果和比较结果从先前的研究结果。手稿以限制和结论。

方法

研究设计和数据收集

一个横断面研究的目的是比较两个样本的数据调查意图使用医疗应用程序之前和期间第一个COVID流行浪潮。数据被收集在乌得勒支Zuid-Holland Noord-Holland和布拉班特在荷兰对荷兰老年人通过分发问卷调查。第一个数据集是聚集在2019年的前6个月,第二个2020年2月和6月之间。这种方法提供了一个大数据集组成的两个样品,一个之前和之后在2020年初COVID流行病的爆发。我们组由816老年人:315老年人pre-COVID集团和501年的“during-COVID集团”。在手稿中,样本收集大流行发生之后也被称为“during-COVID集团”。入选标准是:(1)老年人65岁以上,(2)独立居住或在一个高级生活设施,和(3)无认知障碍。数据收集的样本相同的方法。2019年的数据收集过程被描述在民兵et al。39),也提供了一个与ITU pre-COVID-19相关的因素的分析。下面,我们将描述的方法在可能的情况下,同时提供简短的解释和描述必要的额外方法对于这个手稿是自包含的。

本研究中所使用的问卷是由项目从各种有效的测量仪器(39)。随后检查质量五个专家(三个电子健康专家,一个老年的护士和一个医生)。此外,一组四个老年人给反馈改善结构和可读性。问卷分发数字和在纸上,受访者更喜欢纸质版本提供了帮助管理调查问卷(39)。分发调查问卷之后方便抽样和滚雪球抽样的招聘技巧。随后的流动性限制流行病的爆发严重限制部署的版本为第二轮数据收集从2020年2月到6月。结果,这一组的大部分数据是通过在线问卷调查收集。互联网的清单报告结果E-Surveys(樱桃)是用于报告的在线问卷调查(见多媒体附录1)(50)。

一种知情同意签署之前所有的参与者参与和数据pseudonymized确保匿名性。我们的研究是医学伦理委员会批准的伊拉斯谟医学中心的号码mec - 2018 - 120。

技术接受模型

移动医疗使用的决定因素在本研究中使用主要来源于技术接受模型(TAM) (40)。打算在TAM使用感兴趣的是结果变量。ITU测量通过提交5分李克特量表三条语句被申请人使用(1 =完全不同意,2 =不同意,3 =中立,4 =同意,5 =完全同意)。ITU转化为一个二进制变量来提高结果的可解释性。作为独立变量,我们包括的因素扩展TAM模型和验证使用民兵et al。(39),如介绍中所描述的。作为结果变量的情况,问卷包含多条语句为每个解释TAM因素,五点李克特量表的回答。的因素包括:感知易用性(4语句,例如,很容易使用医学应用远程医疗”),感知有用性(3语句,例如,“我觉得它有用使用医学应用远程医疗”),使用态度(4语句,例如,使用医疗应用程序的远程医疗将是一个好主意”)和主观规范(3语句,例如,对我重要的人认为我应该使用医疗应用程序远程护理”)与老年人的具体因素,即。,Sense of control (2 statements, e.g., ‘I have resources, knowledge and ability to use medical applications for remote care’), Anxiety toward use (2 statements, e.g., ‘I hesitate to use medical applications for remote care for fear of making mistakes that I cannot correct’), Personal innovativeness (4 statements, e.g., ‘I like to experiment with new information technology’), Social relationships (3 statements, e.g., ‘I am satisfied with the support of my family and friends’), Self-perceived effectiveness of use (2 statements, e.g., ‘I could perform a task on a medical application if I only have the manual’), Service availability (3 statements, e.g., ‘I have the ability to use medical applications for remote care anytime, anywhere’) and Facilitating circumstances (5 statements, e.g., ‘I have the knowledge needed to use medical applications’). Multimedia附录2提供了每个因素的描述包括在内。对于每个TAM变量因素得分的平均得分是通过计算生成相应的报表。反应用缺失值的TAM变量或控制变量listwise删除。

统计分析

描述性统计样本,计算出整个研究人群,以及单独的组数据收集之前和期间的大流行。连续变量的均值和标准差(SD)是分类变量,计算百分比。两个样本的特征,包括他们的电联,比较使用卡方检验名义变量和Mann-WhitneyU测试连续变量。

回答第一个研究问题(RQ1)的特殊情况是否流行增加了意图使用移动医疗在老年人中,我们进行了卡方检验未予注意样品和第二个样品之间的差异。接下来,我们进行逻辑回归分析以ITU为因变量,进行单变量和多变量分析。多元回归分析是在控制了人口统计学变量根据专家意见和那些明显与ITU的单变量回归完整的样例:年龄,性别,教育和评估活动的日常生活,自理,独立(ADL)。反诽谤联盟得分(51)措施的程度被申请人需要帮助与16的日常活动,得分愈高表示更大的自主完成日常生活活动能力(51- - - - - -54)。单变量分析的概述候选人控制变量在多媒体可以找到电联附录3。控制变量是使用相关矩阵进行多重共线性检测。作为控制变量有一个相关的所有超过或低于0.5−0.5,没有共同的限制包括在多变量分析(55)。

回答第二个研究问题,确定哪些因素影响意图使用移动医疗,我们首先计算平均得分的TAM ITU的因素作为解释变量。然后我们分析是否这些分数差别明显两个样品用独立样本t RQ2a回答。提供更强的回答RQ2a和揭示解释性TAM变量的值的差异之前和之后的爆发流行,我们另外进行了线性回归分析与大流行(0 =发病前/发病后1 =)和控制如上所述独立变量和每个TAM因子得分作为因变量。

回答RQ2b和调查之间的关系说明TAM变量和电联,生成的因子得分的技术验收因素作为输入用于控制逻辑回归分析。对于每个解释性因素我们进行逻辑回归包括TAM因素和选择控制作为独立和ITU pre-COVID作为因变量,分别在COVID样本。比值比(或)系数(β)在一起p价值和标准错误(SE)为每一个因素是报道。

RQ2b深化我们的答案,一个额外的评估两个样品之间的差异进行了使用混合模型的解释变量(所有数据样本)包括每个TAM的交互项系数和一个逻辑变量区分两个样品(0 =发作之前发作/ 1 =之后)。这些模型我们也报告p值、标准误差和解释变量的系数(β)和交互项。

最后,我们比较两个逻辑回归模型的结果,分别有或没有一个逻辑变量区分样本,和包括所有TAM变量和控制和解释方差来回答这个问题是否大流行对ITU的影响没有被扩展TAM模型(RQ2c)。

所有使用SPSS统计分析进行统计(IBM公司版本25)。

结果

人口特征

总共有816受访者中学习。我们组的平均年龄74年(SD = 6.3年)。的816参与者中,有48.8%是男性。虽然绝大多数的研究样本有经验与互联网(92.9%),只有186个受访者(22.8%)使用了一个医学应用。研究人口的一半以上(62.3%)有意向使用医学应用。总结中可以找到的人口特征表1。

表1显示较低的经验与互联网(86.3%比97.0%)和较低的经验与医学应用(16.9%比26.5%)的前流行的样本。这可能是解释为限制只招募受访者回应流感大流行期间在纸上的能力。调查问卷的比例是在纸上填写数字和两组之间显著不同(p= < 0.001)。2019年,三分之一的人口(36.2%)提交他们的答案数字,而在网上提交几乎所有问卷2020份(94.6%)。

这些差异的影响在响应形态将讨论在讨论部分,我们已经注意到,他们可能会考虑当观察的不受控制的结果感兴趣的主要变量,使用意图。在2019年,57.1%的受访者表示意图使用医学应用和这个百分比显著增加到2020年的65.5% (p= 0.017)。

回归分析结果

第一本研究的研究问题解决的独特的环境是否流行导致了不同意图使用移动健康中老年人。我们假设ITU荷兰老年人COVID流行病的爆发后增加了。表1提出了描述两个样本的数据,揭示了两个样品显著差异在几个技术使用相关因素,特别是打算使用移动健康(p= 0.017)。回归分析所示的结果表2。不受控制的逻辑回归的结果表明,两组之间的ITU可能有所不同(p= 0.017)。然而,控制了之前确认,没有两个样本之间的显著差异在ITU (p= 0.107),回答第一个研究问题(RQ1)。

第二个研究问题是由三个潜在和看着ITU通过TAM的解释因素。首先,我们调查是否解释TAM的感知因素已经发生之后不同的大流行(RQ2a)。控制的结果线性回归分析所示表3和进一步TAM变量值的差异之前和之后的爆发流行。因子得分的变化显示为系数大流行(0 =发作之前发作/ 1 =之后)。它表明所有解释TAM变量得分显著高于流行病的爆发之后,除了主观规范和焦虑的感觉。解释性TAM的不受控制的平均得分为每个变量在两组中可以找到多媒体附录4。

第二,研究之间的关系是否说明TAM变量和ITU改变了流行病的爆发以来,控制逻辑回归分析(RQ2b)完成。表4概述的控制逻辑回归分析的结果和在COVID分别组织。所有解释变量显示pre-Covid组的重要关系。社会关系是唯一的变量没有显著关系ITU在COVID组。所有变量都是显著与ITU在两个相关样本显示更高的优势比与ITU COVID集团期间,除了自我感觉效果。

表5显示结果的多元逻辑分析与交互条款/接受因素。的结果表4表明,说明TAM的关系变量,除了社会关系,ITU大流行发生之后还强。然而,交互的无意义的集中分析所示表5表明这些关系没有显著影响大流行。

第三和最后一次问题我们的第二个研究问题调查任何大流行对ITU的影响没有被解释TAM变量(RQ2c)。表6显示完整的解释方差模型,包括所有解释TAM变量和控制。解释的方差模型是研究总人口计算,分别有或没有一个逻辑变量区分pre-COVID和COVID期间组织的样本。模型的解释方差pre-COVID组略高,表明该模型表现略好发病前的大流行。然而,除了逻辑变量的混合模型没有解释方差变化,表明没有大流行对ITU的影响没有被延长TAM模型。

讨论

主要结果

我们的第一个研究问题被问及打算使用mHealth荷兰老年人增加发病后的大流行。虽然最初的不受控制的分析表明,国际电联的荷兰老年人可能增加了——基于Chi2测试的结果(p= 0.017)和一个单变量回归分析(p= 0.017),我们发现没有证据表明ITU的差异之前和之后的爆发流行,在控制了socio-demographic因素(p= 0.107)。第二,我们研究了变化的决定因素有意使用和意图的关系来解释(可能变化)打算使用。在控制了人口,社会关系是唯一的解释变量后,仍没有明显的爆发流行。除了自我感觉效果,所有解释TAM变量显示较大或发病后的大流行。然而,回归分析与交互条款表明,这些变量之间的关系和ITU没有显著影响大流行。换句话说,定量关系确定的扩展TAM模型出现强劲的即使在不同寻常的情况下,尤其是老年人的影响。ITU本身没有明显的影响在控制了人口统计(或只有轻微的不受控制的分析)这个问题带来了大流行的不寻常的情况下是否有影响的国际电信联盟的方式不被其他扩展TAM变量。我们最后的结果(表6)表明,情况并非如此。完全,结果证实了扩展TAM模型的有效性和完整性老年人在荷兰,即使在大流行情况。

结果使用二分打算使用的定义,这是最初在五点李克特量表测量。打算使用的这两个模型之间的密切关系是基于意图使用和实际使用,最终是两个性质。的使用意图的二分模型使用在这个问题上,与先前的研究(37- - - - - -39)。然而,这两个模型可以视为粗糙,特别是打算使用使用一个5点李克特量表测量。一个更加敏感的模型中有意使用建模使用连续变量在5点量表后发现,控制不同的意图使用大流行的发生是重要的(β= 0.14,p= 0.047)。这是调查使用线性回归和连续ITU和结果显示在多媒体的定义附录5。这个模型可以是有价值的,例如,因为它可能接政策影响。未来的研究可以考虑使用这种更敏感模型除了模型与二分ITU定义。

结果反思一段严重的限制获得保健物理访问被限制到最低限度。此外,老年人是已知COVID-19尤其脆弱,有理由将医院与获得COVID-19的风险增加。我们的研究表明,即使在情况变化和强烈支持使用健康,老年人使用这些技术的意图似乎未加(或者改变轻微,最好)。这加强了先前的调查结果,老年人不愿意占用mHealth (30.- - - - - -35)。随后,它证实了老年人的需要有针对性的和专门的政策特别是在具有挑战性的环境,如大流行。

我们所知,本研究是第一次调查ITU和其决定因素之间的可比样本差异之前和之后的爆发流行。因此,它提供了新证据的意图使用移动医疗在大流行期间,如何显著提高。我们的研究结果有力地表明,任何政策措施改善mHealth吸收中老年人应该目标著名扩展TAM模型证明是重要的决定因素表4。进一步研究如何影响这些变量是理所当然的。

与之前的工作

许多研究已经出现在各种各样的移动医疗干预措施和决定因素的老年人使用COVID-19流行病的爆发后(3,19,56- - - - - -58)。文献普遍报道,移动健康起着至关重要的角色可以访问和流感大流行期间的连续性护理,实施移动医疗解决方案建议(7,19,59- - - - - -61年)。

健康的老年人已经报道仍然是一个挑战在大流行期间,很大程度上取决于可用的支持(4,56,60)。这导致了老年人的建议,使用移动医疗必须通过家人和朋友(4)。而我们的研究结果证实,意图使用移动医疗流感大流行期间没有(或几乎没有)改变他们认为干预利用社会关系不太可能是有效的。我们发现,社会关系变得无关紧要的因素解释ITU流行病的爆发后,在另一项研究也证实了(3)。此外,便利化的重要性,政府机构和其他党派的支持,比如卫生保健提供者,在几项研究报告(4,56,60)。这些结果符合我们的主要发现,意图使用移动医疗的老年人本身没有或几乎没有增加流感大流行期间,尽管它可能解决他们的具体要求。因此,而不是依靠老年人的内在动机,有针对性的政策改善支持便利化出现需要收获的好处mHealth吸收为流感大流行期间尤其有价值。因此我们的研究结果表明,未来的研究和政策促进mHealth大流行期间的情况下不应该专注于家人和朋友而是目标其他支持方的年长的成年人。例如,医疗专家与护理专家指导作用或物理治疗师可以扮演一个角色在这些技术的推广应用程序(4,56,60)。

限制

调查潜在的TAM差异因素及其关系与ITU大流行后,我们收集的数据从两个不同的样品开始之前和之后的大流行,分别。本研究设计的方法论的限制是,我们只能把两个样品但是无法研究纵向个体层面的影响大流行电联。未来的研究需要探讨长期接触对ITU流行情况和影响。

第二个限制源自流感大流行期间的数据收集的挑战。这个生成的大量增加在线问卷调查完成的百分比。结果,不同的经验与医学应用和意图使用被发现。这些差异显示在表1。之间的差异比纸/在线问卷调查两组与大流行。论文基于调查问卷的数量收到流感大流行期间很小,它不可能对任何产生的样本之间的偏见。打算使用任何影响老年人应该积极的假设下,在线填写问卷调查更有可能采取健康和我们的发现表明意图使用mHealth没有或仅略有增加,这种限制似乎没有(或很少)影响控制效果。

另一个限制是,我们收集的数据后不久爆发大流行在2020年的春天。这是一个动荡时期的措施限制医疗服务的交付,而这些措施可能发生变化。然而,荷兰政府采取更多的措施COVID大流行开始时限制现场卫生保健供给一直执行整个数据收集时期(62年)。我们的结果可能不是有效的大流行后期,在衡量疾病和死亡率的不同和知识的增加,和(坚持)限制性措施削弱。未来的研究在大流行后期和ITU pandemic-related等因素变化的作用,如果有的话,是呼吁特别是因为脆弱的老年人COVID大流行期间的条件。

结论

荷兰老年人使用移动医疗的目的没有改变在第一个月的大流行。强劲扩展TAM模型解释意图使用,只有细微的差别之后的第一个月大流行。未来的研究需要在大流行后期调查可能长期影响大流行情况的电联年长的成年人。进一步的政策措施,促进吸收健康的荷兰老年人可能目标便利和支持例如由卫生保健提供者,而不是家人和朋友的支持。未来的研究对这个话题可能会考虑使用一个更敏感的模型中有意使用建模使用一个连续变量,这可能接政策影响。

数据可用性声明

原始数据支持了本文的结论将由作者提供,没有过度的预订。

道德声明

这些研究涉及人类受试者的医学伦理委员会审查和批准下鹿特丹的伊拉斯姆斯大学mec - 2018 - 120。患者/参与者提供了他们的书面知情同意参与这项研究。

作者的贡献

设计研究项目和开发调查问卷。比例导引和马验证了问卷。马和FE收集数据在数据助理的帮助。有限元分析的监督下执行马和JK,和写的初始版本的手稿。所有作者解释结果和修改后的文章批判。

确认

作者感谢所有帮助我们的专家和老年人验证我们的问卷调查,以及参与者和数据助理。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fpubh.2023.1130570/full补充材料

缩写

或者,比值比;TAM、技术接受模型。

引用