Using a Modified Technology Acceptance Model to Evaluate Healthcare Professionals' Adoption of a New Telemonitoring System
Notice bibliographique
Résumé
OBJECTIVE: To examine the factors that could influence the decision of healthcare professionals to use a telemonitoring system. MATERIALS AND METHODS: A questionnaire, based on the Technology Acceptance Model (TAM), was developed. A panel of experts in technology assessment evaluated the face and content validity of the instrument. Two hundred and thirty-four questionnaires were distributed among nurses and doctors of the cardiology, pulmonology, and internal medicine departments of a tertiary hospital. Cronbach alpha was calculated to measure the internal consistency of the questionnaire items. Construct validity was evaluated using interitem correlation analysis. Logistic regression analysis was performed to test the theoretical model. Adjusted odds ratios (ORs) and their 95% confidence intervals (CIs) were computed. RESULTS: A response rate of 39.7% was achieved. With the exception of one theoretical construct (Habit) that corresponds to behaviors that become automatized, Cronbach alpha values were acceptably high for the remaining constructs. Theoretical variables were well correlated with each other and with the dependent variable. The original TAM was good at predicting telemonitoring usage intention, Perceived Usefulness being the only significant predictor (OR: 5.28, 95% CI: 2.12-13.11). The model was still significant and more powerful when the other theoretical variables were added. However, the only significant predictor in the modified model was Facilitators (OR: 4.96, 95% CI: 1.59-15.55). CONCLUSION: The TAM is a good predictive model of healthcare professionals' intention to use telemonitoring. However, the perception of facilitators is the most important variable to consider for increasing doctors' and nurses' intention to use the new technology.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».