The development of an instrument to predict patients’ adoption of mHealth in the developing world
Notice bibliographique
Résumé
Introduction: There are many tools for measuring patient's potential adoption of mHealth (i.e. mobile health) in the developed world, but none of these instruments provides a comprehensive means for measuring critical issues affecting the adoption of mHealth by patients in the developing world. The aim of this paper was to develop a valid and reliable assessment instrument for predicting mHealth adoption by patients in the developing world. Method: A Patients mHealth Technology Adoption Questionnaire (PmTAQ) was developed based on themes identified through a prior published structured literature review of factors affecting patients' mHealth adoption in the developing world, from which eight constructs evolved. Face and content validity was confirmed by 15 mothers who had used mHealth (the Mobile Technology for Community Health (MoTeCH) service) for maternal care, and the findings were used to improve the instrument. To assess the validity and reliability of the instrument at least 64 mothers who used MoTeCH were randomly selected from each of nine clusters of health posts in one district in Ghana. The assessment instrument consisted of 39 items, categorised under eight components: Cost and ownership, user characteristics, language and literacy, infrastructure, collaboration and funding, governance, system utility, and intention to adopt. Exploratory and confirmatory factor analysis were performed. Results: The data from 585 mothers were analysed. Exploratory factor analysis showed the eigenvalue of all eight components to be significant (cumulative total greater than 1.0). Bartlett's test of sphericity was significant, the Kaiser-Meyer-Olkin value was 0.84 and the mean Cronbach's α value was 0.82 (range 0.81-0.83). The components were found to be valid. Confirmatory factor analysis showed that all indices for the measurement model were within acceptable limit leading to the use of structural equation modelling to show the causal relationship between components, resulting in the development of the mHealth Adoption Impact Model (mAIM). The mAIM shows a strong relationship between latent constructs for patients' mHealth adoption. Conclusion: The study presents an evidence-based, reliable and valid instrument and model for application in future research, policy development, and implementations related to patient mHealth adoption in the developing world.
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 | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».