Factors Associated With the Intention to Use mHealth Among Thai Middle-Aged Adults and Older Adults: Cross-Sectional Study
Notice bibliographique
Résumé
Background: Mobile health care (mHealth) apps are emerging worldwide as a vital component of internet health care, but there are issues, especially among older adults. Objective: We aim to investigate the factors influencing the intention to use (ITU) mHealth apps, focusing on those with and without prior mHealth experience. Methods: A cross-sectional study conducted from August 2022 to July 2023 included Thai citizens aged 45 years or older. Self-reported questionnaires collected data on sociodemographic information, health conditions, smartphone or tablet ownership, and mHealth usage experience. The Thai mHealth Senior Technology Acceptance Model questionnaires with a 10-point Likert scale evaluated mHealth acceptance. A multivariable logistic regression analysis, adjusted for age, gender, education, income, and living area, was performed for 2 subgroups: those who used ITU mHealth apps and those who did not. Results: Of 1100 participants, 537 (48.8%) intended to use mHealth apps, while 563 (51.2%) did not. The ITU group had a younger average age, higher education levels, higher income, and fewer underlying diseases compared to those who did not intend to use mHealth apps. For those who had never used mHealth apps, having a smartphone was strongly associated with higher odds of ITU (adjusted odds ratio 2.81, 95% CI 1.6 to 4.93; P<.001), while having any underlying disease was associated with lower odds of ITU (adjusted odds ratio 0.63, 95% CI 0.42 to 0.97; P=.034). Higher acceptance levels, characterized by a positive attitude toward mHealth and lower fear of making mistakes, were also associated with higher ITU. For those with prior mHealth experience, acceptance in areas such as perceived ease of use, gerontechnology anxiety, and facilitating conditions was significantly associated with ITU. Conclusions: Among inexperienced users, a positive attitude toward mHealth significantly enhanced ITU. Conversely, having an underlying disease decreased ITU, indicating a need for tailored mHealth apps. For experienced users, acceptance levels in areas such as ease of use and gerontechnology anxiety were crucial. Future research should explore specific mHealth apps for more targeted insights.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».