MétaCan
Menu
Retour à la cohorte
Enregistrement W3154825833 · doi:10.2196/21831

Influence Mechanism of the Affordances of Chronic Disease Management Apps on Continuance Intention: Questionnaire Study

2021· article· en· W3154825833 sur OpenAlexvenueno aff
Yongmei Liu, Fei Jiang, Peiyang Lin

Notice bibliographique

RevueJMIR mhealth and uhealth · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésGratificationContinuanceAffordancePsychologySocial psychologyEmpowerment

Résumé

récupéré en direct d'OpenAlex

Background Mobile health apps are becoming increasingly popular, and they provide opportunities for effective health management. Existing chronic disease management (CDM) apps cannot meet users’ practical and urgent needs, and user adhesion is poor. Few studies, however, have investigated the factors that influence the continuance intention of CDM app users. Objective Starting from the affordances of CDM apps, this study aimed to analyze how such apps can influence continuance intention through the role of health empowerment. Methods Adopting a stimulus-organism-response framework, an antecedent model was established for continuance intention from the perspective of perceived affordances, uses and gratifications theory, and health empowerment. Perceived affordances were used as the “stimulus,” users’ gratifications and health empowerment were used as the “organism,” and continuance intention was used as the “response.” Data were collected online through a well-known questionnaire survey platform in China, and 323 valid questionnaires were obtained. The theoretical model was tested using structural equation modeling. Results Perceived connection affordances were found to have significant positive effects on social interactivity gratification (t717=6.201, P<.001) and informativeness gratification (t717=5.068, P<.001). Perceived utilitarian affordances had significant positive effects on informativeness gratification (t717=7.029, P<.001), technology gratification (t717=8.404, P<.001), and function gratification (t717=9.812, P<.001). Perceived hedonic affordances had significant positive effects on function gratification (t717=5.305, P<.001) and enjoyment gratification (t717=13.768, P<.001). Five gratifications (t717=2.767, P=.005; t717=4.632, P<.001; t717=7.608, P<.001; t717=2.496, P=.012; t717=5.088, P<.001) had significant positive effects on health empowerment. Social interactivity gratification, informativeness gratification, and function gratification had significant positive effects on continuance intention. Technology gratification and enjoyment gratification did not have a significant effect on continuance intention. Health empowerment had a significant positive effect on continuance intention. Health empowerment and gratifications play mediating roles in the influence of affordances on continuance intention. Conclusions Health empowerment and gratifications of users’ needs are effective ways to promote continuance intention. The gratifications of users’ needs can realize health empowerment and then inspire continuance intention. Affordances are key antecedents that affect gratifications of users’ needs, health empowerment, and continuance intention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,430
Écart entre enseignants0,389 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207