Exploring Patients' Intentions for Continuous Usage of mHealth Services: Elaboration-Likelihood Perspective Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: With the increasingly rapid development of Web 2.0 technologies, the application of mobile health (mHealth) care in the field of health management has become popular. Accordingly, patients are able to access consulting services and effective health information online without temporal and geographical constraints. The elaboration-likelihood model (ELM) is a dual-process persuasion theory that describes the change of attitudes and behavior. OBJECTIVE: In this study, we drew on the ELM to investigate patients' continuous usage intentions regarding mHealth services. In addition, we further examined which route-central or peripheral-has a stronger impact on a patient's usage of health care management. METHODS: To meet these objectives, five hypotheses were developed and empirically validated using a field survey to test the direct and indirect effects, via attitude, of the two routes on continuous usage intention. RESULTS: We found that patients' perceived mHealth information quality and perceived mHealth system quality had a positive effect on their personal attitudes. The results revealed that social media influence had a positive effect on a patient's attitude toward mHealth services. In particular, our findings suggest that a patient's health consciousness has a positive effect on the relationship between social media influence and attitude. CONCLUSIONS: This study contributes to the mHealth services literature by introducing the ELM as a referent theory for research, as well as by specifying the moderating role of health consciousness. For practitioners, this study introduces influence processes as policy tools that managers can employ to motivate the uptake of mHealth services within their organizations.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle