مدل پذيرش خدمات الكترونيك سلامت

Model of Acceptance of E-Health Services

اهداف: بررسي و شناخت عواملي كه زمينه پذيرش استفاده از سيستم‌ها و خدمات الكترونيك جديد بهداشت و درمان را فراهم مي‌كنند، از اهميت بالايي برخوردار است. بنابراين پژوهش حاضر با هدف ارايه مدل پذيرش خدمات الكترونيك سلامت توسط بيماران انجام شد. ابزار و روش‌ها: اين پژوهش توصيفي- همبستگي در سال 98-1397 بين 357 نفر از بيماران بيمارستان­هاي شهر تهران انجام شد. نمونه‌ها با روش نمونه‌گيري در دسترس انتخاب شدند و پرسش‌نامه‌اي مشتمل بر اطلاعات جمعيت‌شناختي و سازه‌هاي اصلي مدل شامل مخاطب، پردازش فكري و كانال را تكميل كردند. به‌منظور تجزيه و تحليل توصيفي داده­ها از نرم‌افزار آماري SPSS 22 و براي آزمون مدل مفهومي از روش حداقل مربعات جزئي و نرم‌افزار Smart PLS 3.2.8 استفاده شد. يافته‌ها: تاثير عوامل مربوط به گيرنده خدمات سلامت يا مخاطب (9.955=t)، عوامل مربوط به خدمت سلامت يا پردازش فكري (5.206=t) و همچنين عوامل مربوط به كانال‌هاي خدمت سلامت (3.350=t) بر پذيرش خدمات سلامت الكترونيك معني‌دار بود (P<0.05). لذا همه روابط بين متغيرهاي مدل تاييد شد. نتيجه‌گيري: مدل پذيرش خدمات الكترونيك سلامت ارايه‌شده، مورد تاييد است و براساس آن مي‌توان عوامل موثر در تعيين پذيرش خدمات الكترونيك سلامت را پيش‌بيني نمود.

Aims Understanding the factors that underpin the adoption of new healthcare electronic systems and services is of great importance. Therefore, the aim of the present study was to provide the model of acceptance of electronic health services by patients. Instrument & Methods This descriptive-correlational study was conducted on 357 patients in Tehran hospitals during 2018-2019. The subjects were selected by convenience sampling method and completed a questionnaire including demographic information and the main model structural components (audience, cerebral process, and conduit). SPSS 22 software was used for descriptive analysis of data and partial least squares method and Smart PLS 3.2.8 software were used to verify the conceptual model. Findings The influence of factors related to receiver of health services or audience (t=9.955), factors related to cerebral process (t=5.206) and also, factors related to conduit (t=3.350) were significant on acceptance of e-health services (p<0.05). Therefore, all relationships between model variables were confirmed. Conclusion The provided model of acceptance of e-health services is confirmed and based on this, one can predict the effective factors in determining the acceptance of e-health services.