Sociotechnical Drivers and Barriers in the Consumer Adoption of Personal Health Records: Empirical Investigation
Notice bibliographique
Résumé
BACKGROUND: Increasingly popular in the health care domain, electronic personal health records (PHRs) have the potential to foster engagement toward improving health outcomes, achieving efficiencies in care, and reducing costs. Despite the touted benefits of PHRs, their uptake is lackluster, with low adoption rates. OBJECTIVE: This paper reports findings from an empirical investigation of the sociotechnical factors affecting the adoption of PHRs. METHODS: A research model comprising personal and technological determinants of PHR adoption was developed and validated in this study. Demographic, technographic, and psychographic data pertaining to the use of PHRs were collected through a web-based questionnaire for past, current, and potential users. Partial least squares-based structural equation modeling was used to estimate a structural model of cognitive and affective factors impacting intentions to use PHRs. RESULTS: The analysis revealed that in addition to the expected positive impact of a PHR system's usefulness and usability, system integration also positively affects consumers' intention to adopt. The results also suggest that higher levels of perceived usability and integration do not translate into higher levels of perceived usefulness. The study also highlights the importance of subjective norms, technology awareness, and technology anxiety as direct antecedents of the intention to adopt PHRs. The differential effects of the adoption factors are also discussed. CONCLUSIONS: We hope that our study will contribute to the understanding of consumer adoption of PHRs and help improve the design and delivery of consumer-centric health care technologies. After discussing the implications for research, we provide suggestions and guidelines for PHR technology developers and constituents in the health care delivery chain.
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 | 0,009 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».