国内外移动医疗用户采纳行为的系统综述

张敏　罗梅芬　张艳

〔摘 要〕[目的/意义]移动医疗用户采纳行为是“互联网+健康”的重要组成部分，对其展开深入分析可完善电子健康和互联网医疗的理论研究和实践应用。[方法/过程]以CNKI和Web of Science为数据源，采用系统综述方法对该领域2012-2017年间最具代表性的42篇文献展开分析。在知识基础研究部分中，从研究理论、研究方法和研究框架等视角进行了系统的梳理和归纳；在影响因素研究部分，基于信息生态理论探究了信息因素、信息人因素、信息技术因素和信息环境因素等内容；在前沿展望研究部分，基于研究主题、研究群体和研究方法等的分类标准，探究了未来可行的、具有较大研究价值的热点选题。[结果/讨论]移动医疗用户采纳行为是信息、个体、系统和环境共同作用的结果。未来的研究重点和热点将会有显著的转移，并形成全新的知识生态体系。移动医疗用户采纳行为的理论研究和实践应用将引来全新的变革。

〔关键词〕移动医疗；用户采纳行为；系统；综述

DOI：10.3969/j.issn.1008-0821.2018.08.021

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2018）08-0154-09

〔Abstract〕[Purpose/Significance]The adoption behavior of mobile health users is a significant part of“Internet+Health”，and its in-depth analysis may improve the theoretical research and practical application of electronic health and Internet medical.[Method/Process]Applying CNKI and Web of Science as the data source，this paper used the systematic review method to analyze the 42 most representative papers in this field from 2012 to 2017.In the part of knowledge basic research，this paper explored the contents of research theory，research methods and research framework.In the part of influencing factors research，this paper focused on information factors，information man factors，information technology factors and information environment factors based on information ecology theory.In the part of forward-looking research，this paper summarized the feasible directions with greater research value from the perspectives of research topics，research groups and research methods.[Result/Conclusion]Users adoption of mobile health was the result of the interaction of information，individual，system and environment.There would be a significant shift in the hot spots of future research，and a new knowledge and ecology system would form.The theoretical research and practical application of the adoption behavior of mobile health users would lead to a new change.

〔Key words〕mobile health；user adoption behavior；systematic；review

移動医疗是指通过移动和无线设备为用户提供医疗信息和医疗服务[1]。它在降低医疗服务成本、提高医疗服务效率和缓解社会医疗资源稀缺的压力等方面具有显著优势，如社区医生可通过移动医疗设备请大医院的医生进行远程会诊，医院可通过医疗穿戴设备实时监控病人体征数据，医疗信息平台可通过医疗APP向用户提供预约挂号、在线问诊等医疗服务。随着民众医疗保健意识的逐渐加强以及移动互联网的迅猛发展，互联网环境下的大健康市场呈现爆发式增长趋势。以中国移动医疗市场为例，统计数据显示2017年中国用户规模已经超过3亿[2]。值得注意的是，与未来庞大的电子健康市场前景不相匹配的是目前绝大多数移动医疗产品和服务的用户数量规模较小且活跃度较低。因此，如何引导和刺激用户的消费行为，不断提升用户体验进而达到增加用户粘性、激活消费行为成为近期颇受学术界和产业界关注的热点问题。

作为信息技术在健康领域的应用，移动医疗的发展需要得到用户的接受和使用。鉴于此，研究用户移动医疗的决策行为，探究其影响因素和形成机理具有重要的学术价值和实践意义。为了较为全面地阐述国内外移动医疗用户采纳行为研究领域的知识体系和学术前沿，本文采用系统综述方法对2012-2017年发表的文献进行了搜集、筛选、整理、归纳与分析等综合性回顾工作，研究结论对于深化移动医疗用户采纳行为的理论研究和实践应用具有积极作用。

1 移动医疗用户采纳行为的知识基础分析

智能终端设备的广泛普及和移动网络技术的不断成熟是移动医疗用户采纳的客观基础，其高速发展阶段主要集中在近几年。因此，移动医疗用户采纳行为的研究体系的形成和研究成果的呈现也主要集中于近期。文献样本来自于国内外知名的数据资源库，文献检索的时间跨度为2012-2017年，其中中文样本用“移动医疗”、“医疗APP”与“采纳”、“接受”、“使用”等组合关键词在知网数据库中进行主题搜索；英文样本用“Mobile Health”、“Mobile Medical”、“Health APP”、“Medical APP”与“Adoption”、“Acceptance”、“Use”等组合关键词在Web of Science和Emerald等外文数据库中进行主题搜索。

本研究采用系统综述的分析方法展开分析。系统综述也被称为系统评价，在巡诊医学、教育学和社会学等诸多学科领域被普遍运用，通常可分为定性和定量2种系统综述类型。在正式研究前，首先将全部文献信息导入统计软件并对重复记录的数据和下载的文献予以删除，接着通篇浏览检索到的全部文献并通过内容的相关性的判断清除不相关的文献，最后以引用率、期刊影响因子以及作者声誉等为评价指标筛选出最具代表性的42篇文献作为本研究的分析样本。

1.1 研究理论分析

移动医疗用户采纳行为研究主要分为实证型和描述型，常需要基于某一种或几种理论来确定研究模型中作为前因变量的影响因素，被广泛纳入移动医疗用户采纳行为研究的基础理论如表1所示。由于移动医疗本质上属于信息系统范畴，因此目前移动医疗用户采纳研究主要还是基于信息系统领域的理论模型，在此基础上融合了其他领域的一些因素进行探索。其中，技术接受模型（Technology Acceptance Model，TAM）、理性行为理论（Theory of Reasoned Action，TRA）、整合型技术接受与使用模型（Unified Theory of Acceptance and Use of Technology，UTAUT）、期望确认模型（Expectation Confirmation Model，ECM）、健康信念模型（Health Belief Model，HBM）等理论应用最为广泛。

技术接受模型由Davis于1989年提出，是探究用户使用信息系统的常用模型。其中易用性和有用性是其重要组成因素，直接作用于态度，且会进一步作用于行为[24]。移动健康的采纳行为本质上属于信息系统的研究范畴，因此将TAM作为基础研究框架并整合入其他理论模型或因素来展开的研究相对较多。

理性行为理论有效解释了行为意图和实际行为之间的关系，认为意图会触发行为，而意图则会受主观规范以及态度的作用[25]。现有研究一般不会单独使用该理论来构建研究模型，往往会引入其他理论如TAM，UTAUT等从而来丰富模型结构，增加其解释水平。

Venkatesh对多项经典理论进行综合分析归纳提出了UTAUT模型。该模型认为影响用户行为意愿的因素主要包含四大方面，分别是便利条件、社会影响、努力期望和绩效期望，通过影响意愿从而作用于行为。将UTAUT应用于移动医疗的研究情境，结合其他个体因素如自我效能、技术焦虑等的研究相对不多，但均能较好地解释用户的移动医疗采纳行为。

期望确认理论由Oliver于1980年提出，认为消费者是以购前期望（Expectation）与购后绩效（Perceived Performance）表现的比较结果（Confirmation）判断是否对产品或服务满意（Satisfaction），当产品的知觉绩效超过购前期望将会提升其满意度，反之则会降低满意程度，而满意度成为下次再度购买或使用（Repurchase Intention）的参考[26]。2001年Bhattacherjee提出ECM模型并指出期望确认度和感知有用性对满意度有显著性影响[27]。将ECM应用于移动医疗的研究情境，并整合来自于其他理论模型中的研究因素如感知有用、感知信任等来探索移动医疗持续使用问题是近期较为前沿的选题。

健康信念模型由Rosenstock于1974年提出，可用来解释个体健康行为的改变机理[28]。它认为个體对于健康的态度和信念会影响其行为，在评估践行某种行为可能会带来的好处，以及实现此行为可能会付出的成本后，个体会调整和改变自身的健康行为。感知疾病易感性、感知疾病严重性、感知行为益处、感知行为成本等是HBM中的重要变量，上述变量共同促进个体的健康行为改变。将HBM与信息系统领域的基础理论结合起来的研究是目前横跨信息科学和健康科学等教学学科领域内的研究热点。

此外，还有一些来自于其他理论模型的研究，如Mohammad Alamgir Hossain[29]基于信息系统成功模型探讨了孟加拉国用户的移动医疗持续使用问题；Xitong Guo等基于保护动机理论从威胁评估和应对评估等2个维度构建了移动医疗用户接受模型[30]；Zhaohua Deng等通过整合计划行为理论和价值—态度—行为模型，并以年龄特征为调节因素构建了移动医疗服务用户采纳模型[31]；Xitong Guo等从隐私与个性化悖论的视角，探讨了移动医疗用户信任与采纳意愿的影响机制[32]；Euehun Lee和Semi Han从价值理论的视角出发，将有用性价值，便利性价值和货币价值作为影响移动医疗服务采纳的前因展开研究[33]；Mihail Cocosila细分了感知风险并基于动机理论探究了影响移动医疗采纳的前因[34]。

1.2 研究方法分析

同其他行为研究类似，移动医疗用户采纳行为的研究方法分析主要包括数据获取方法、样本选择方法和数据处理方法等3项主要内容。

在数据获取方法部分。基于已有研究文献，可将目前本领域内的主要数据获取方式整理、归纳如表2所示。易发现，现有文献多通过问卷形式收集实证数据，随着探索的深入，“结构化（或半结构化）调研+问卷”、“情境实验+问卷”等更符合研究情境的数据收集方式不断涌现。

样本挑选。对现有文献进行归纳分析发现，本领域内样本挑选包含以下几种：①粗放式样本挑选，即尚未对研究对象的性别、年龄、健康状况等特性进行严格的区分，主要通过政府报告数据进行电话访谈、在线调研网站扩散或者线下随机发放纸质问卷来获取数据；②定向式样本选择方式，即通过与医疗相关的机构组织协助进行问卷的扩散来获取数据，如车小玲，罗剑宏和余子希借助合作医院的医生和护士的扩散来获取医院用户的问卷数据。严春美通过一家移动医疗服务提供商的帮助对其潜在顾客进行调研；③精准式样本选择方式，即根据研究目的和研究情境针对性地在特定人群中收集数据，如Jaehee Cho等的研究、张鑫瑜等的研究均将大学生群体作为自己的研究对象。Xitong Guo等的研究、Rakibul Hoque和Golam Sorwar的研究均选择老年群体作为自己的研究对象。王艺蓉针对糖尿病患者的移动医疗采纳问题展开研究。

数据分析。对现有文献进行归纳分析发现，本领域的数据分析方法包含以下几种：①结构方程分析法。是一种以变量间的协方差矩阵为依据来判断其之间关系的数据分析方法，通过借助外显指标间接测量潜变量及其之间的关系。SPSS、Smart PLS、Amos、Lisrel等软件是现有研究中常见的数据处理和分析工具；②回归方程的分析方法。是一种验证多个变量之间互相关联的分析方法，通过构建自变量与因变量之间的关系模型对未来进行预测。其中常用的就是线性回归模型，其表达式可简化为Y=a+bX+e，其中X和Y分别表示自变量和因变量，a表示截距，b表示斜率，e表示误差项；③面板数据的分析方法。通过在时间序列上截取多个截面，并在其上选择样本构成数据来源。

1.3 研究框架分析

对现有研究进行系统分析后，本文将国内外移动医疗用户采纳行为的研究框架进行了如下归纳，如图1所示。

从图1可以看出，目前在移动医疗用户采纳行为研究领域已经形成了条理清晰的分析框架。其基本流程为，对现有研究进行综合分析，提炼出所涉及的理论模型，进而发现现有研究未涉足之处并作为创新的来源。

2 移动医疗用户采纳行为研究的影响因素分析

Nardi等指出信息生态包含了个体、技术、实践和价值，其中个体是中心，并与技术和周围环境协调发展[45]。移动医疗包含平台、医疗服务提供者、用户等多个参与方，在移动互联网技术的支持下，源源不断地输出和接受健康信息，构成一个平衡状态的信息生态系统。个体作为中心，对技术的采纳和使用是保持信息生态协调发展的关键。其中个体行为会受到自我特性、移动医疗信息属性、技术属性和环境的作用。鉴于此，本研究基于信息生态理论，从信息、信息人、信息技术和信息环境等4个方面将影响移动医疗用户采纳行为的因素展开细分研究。

2.1 信息因素

目前移动医疗用户采纳的实证研究中关于信息因素的细化研究还比较少，已有文献中涉及信息因素的研究主要包括信息的准确性、及时性、完整性和相关性等，分析框架如图2所示。

已有的相关研究多数是基于信息系统成功模型，从信息质量的视角探讨其对用户采纳意愿的影响[46]。依据Tao Zhou的研究，一般认为信息质量包含准确性、及时性、完整性和相关性4个维度[47]。Nabila Nisha等人证明信息的完整性、及时性和准确性会影响用户对移动医疗服务的绩效期望。刘咏梅等人研究发现信息质量会显著促进用户的移动医疗初始信任[48]。

2.2 信息人因素

已有文献中涉及信息人因素的研究相对较为丰富，主要包括人口统计变量、性格特性、健康特性和认知特性等，分析框架如图3所示。

在人口统计变量的研究中，图3所示的四大类均有学者进行了研究。如Euehun Lee和Semi Han发现年龄、性别和收入不会显著直接影响移动医疗采纳意愿。Xitong Guo等证实年龄和性别能不同程度地调节威胁评估和应对评估中的各个因素对移动医疗使用态度的影响。Xiaofei Zhang等发现相比女性，男性的移动医疗采纳意愿更加强烈。

在性格因素的研究中，隐私关注、抵制变化、技术焦虑和信任倾向等均有学者进行了研究。健康信息从某种程度来说属于一种个人隐私。Xitong Guo等发现隐私关注会间接抑制用户采纳移动医疗服务；刘咏梅等发现个体的信任倾向会促进用户采纳移动医疗。用户对新技术或新的科技产品的抵触心理和焦虑心理也会阻碍其采納行为。Xitong Guo等证实了抵制变化和技术焦虑心理会消极影响用户采纳移动医疗服务。

在健康特征的研究中，王艺蓉发现患者自身的患病情况、对产品的需求程度以及自身的健康信念均会对其使用行为产生影响。吴颖敏等证实电子健康素养能间接促进用户的医疗健康APP使用行为。Xitong Guo等证实了疾病易感性和疾病严重性对用户采纳移动医疗服务的积极作用。

在本研究中，个体认知特性是指用户对自身使用移动医疗系统或服务的能力和绩效的认知。保护动机理论认为用户的自我效能以及反应效能会影响用户的健康行为。根据UTAUT模型，用户对结果的认知和自我付出努力的判断也会综合影响其采纳行为。Xitong Guo等以及Yogesh K.Dwivedi等的研究证实，上述因素的影响机理在移动医疗服务情境下同样成立。感知行为控制是指用户对自我行为掌控能力的认知判断，态度是用户产生采纳意愿的前提。Zhaohua Deng等发现用户的感知行为控制和使用态度也会积极影响其采纳移动医疗服务。

2.3 信息技术因素

已有文献中涉及信息技术因素的研究主要包括过程型特征和绩效型特征等。其中，过程型特征是指使用移动医疗服务和系统时，感知到的系统各个方面的具体特性。这些因素在研究模型中通常为前因变量，表3对其进行了归纳和总结，其中感知易用性、感知有用性、感知风险和感知便利性等最受关注。其中，感知易用性以及感知有用性是信息系统采纳中研究得较多的因素。此外，结合移动医疗情境，感知风险和感知便利性也得到研究者重点关注。如Mihail Cocosila将感知风险划分为经济、隐私、心理、时间和社交5个维度，认为这5种风险会共同抑制用户采纳移动医疗服务。相较于线下传统医疗和PC端医疗，移动医疗具有随时随地获取医疗服务的特点，因而便利性也是影响用户采纳移动医疗的重要因素。

绩效型特征指衡量用户使用移动医疗系统和服务之后对相关质量表现的评估的因素，在研究模型中通常作为中介因素。表4归纳了主要的绩效型特征，主要包括结果质量、系统质量、信息质量、交互质量、服务质量、感知价值、期望确认和满意等。上述因素大多数来自于或改编自信息系统成功模型和期望确认模型，能较好地反映移动医疗系统的系统质量、服务质量和信息质量等，也能较好地预测用户是否愿意采纳移动医疗系统和服务。

2.4 信息环境因素

表5归纳了信息环境因素，涵盖了人际信任、社会影响、主观规范和制度保障等。健康信息属于隐私信息，移动医疗体系中主要涉及到用户、平台和医疗服务提供者等3个主要组成部分，只有当用户信任移动医疗平台以及移

动医疗服务提供者，他们才愿意采纳相关服务。社会影响是对个体行为有影响作用的关系群，某种技术的使用广度和用户的社会地位对用户行为造成的影响，主观规范指对用户有重要影响的人对其行为的影响。社会影响和主观规范分别来自UTAUT和TRA，均反映了外界社交环境对用户采纳信息系统的影响，前人研究证实在移动医疗情境下这种影响依然显著存在。制度保障指用于约束和规范平台各个参与主体的协议合同、法律法规及政策保证等。在移动医疗情境下，制度保障对有效规范医疗服务提供者的行为、保护用户的隐私信息、保障用户合法维权均有积极意义。

3 移动医疗用户采纳研究的前沿展望

通过阅读总结已有相关文献发现，虽然目前关于移动医疗用户采纳的研究已取得较大进展，但尚存一些研究空白和不足可供未来的研究予以关注和解决。本文图4总结了移动医疗领域未来的研究前沿热点。

3.1 研究理论上的创新

已有文献大多数依赖于信息系统的经典理论模型，如TAM及其扩展模型、UTAUT等，从信息系统采纳与使用的视角预测用户的移动医疗采纳行为。移动医疗不仅代表抽象的信息系统，也是一种与健康相关的特殊的创新产品，涉及创新产品管理、用户消费行为等多领域的研究，需要多维度地剖析用户心理。未来的研究在理论上的创新主要通过将信息科学领域内的理论与健康学、传播学、社会学、心理学、营销学和经济学等其他相关学科领域内的理论进行整合形成交叉研究，并从多维学科视角给予问题更多的解释。

3.2 研究内容上的创新

本领域未来的研究内容将聚焦于技术创新、对象创新、环境创新和行为创新进一步拓展和深化。在基于技术创新的研究方面，人机交互在移动医疗领域的研究尚待挖掘。鉴于移动医疗用户行为的动态性和不可控性，个体差异或使用情境差异导致系统在界面设计、服务业务流程等方面的差异均会显著影响用户的交互体验，进而影响其采纳意愿和持续使用行为。此外，虚拟现实、人工智能等技术在医疗领域也逐渐获得认可和应用，如利用智能设备进行远程诊疗、手术等。用户对相应技术的认知、对相关主体的信任、对医疗环境的感知均会影响这些技术的创新扩散。在基于对象创新的研究方面，健康知识类型和健康服务类型的细分研究值得重点关注。知识通常可分为显性和隐性两类，移动医疗情境下，平台上优秀的医疗服务提供者和许多患者往往具有丰富的疾病诊断经验和求医问诊经验，积极引导并激发其隐性知识共享行为对平台和社会都具有重要意义。此外，移動医疗产品种类繁多，针对个体需求与提供的健康服务也各不相同，导致个体的服务评估、服务感知和使用行为也千差万别。目前的研究主要针对通用型、抽象型、概况型的研究情境，未来研究应该更加具有针对性、具体性和细分性。在基于环境创新的研究方面，文化情境、市场环境和使用场景值得未来研究深入探索。已有研究大部分并未区分国家、民族的文化影响，事实上基于不同的文化背景、民族习惯来对比分析移动医疗用户在行为意愿、行为程度、消费习惯等方面的差异能够得到适合不同文化情境的研究结论。同时，发达市场和发展中市场的市场特点不同，如发达市场中的消费者具有更多的产品（服务）知识、受过更好的顾客教育、信息素养更高、法律意识和健康意识更强等。针对上述两个市场展开的对比研究对于企业制定适当的产品开发策略、营销策略和选择合适的运营模式等具有积极意义。在基于行为创新的研究方面，由短期的、单一的用户行为向长期的、复杂的用户行为研究过渡。已有的研究大多数停留在用户采纳意愿和使用行为层面，而实际上用户行为是长期和动态发展的复杂过程，按照使用情况主要可分为采纳、中辍、持续使用和终止四大类型，短期单一的用户行为研究不利于移动医疗的长期稳健发展，针对移动医疗用户长期、复杂的行为的深入探究值得着重思考。

3.3 研究方法上的创新

在数据获取方法方面，需要从单一的问卷访谈和实验法转换至“复合型”研究方法，如网络爬虫软件获取客观行为数据+问卷访谈获取主观行为数据，社会网络分析方法获取结构数据+NeuroIS神经病学信息系统（含眼球运动、脑电波、面部肌肉运动等）获取生理数据等更多跨学科领域方法的融合，此外还有PC端和移动端的录屏软件的使用等。在样本选择方法上，主要是针对已有研究中尚未涉及或者较少涉及的领域，从疾病细分、用户细分、市场细分、需求细分、用户使用情境细分等内容展开更加精准、真实的研究。在数据处理方法上，需要采纳一些临近学科新的数据处理软件，如能够同时处理横截面和纵向数据、单层和多层数据的Mplus和HLM等软件来帮助研究者进行更复杂深入的分析。此外，扎根分析和情感分析等方法与已有统计分析方法的结合将能使研究结论更加全面和可靠。

4 结 语

通过全面梳理移动医疗采纳行为实证研究的知识体系，不难发现用户的移动医疗采纳行为是信息、信息人、信息技术和信息环境共同作用的结果，在这一分析框架下本研究领域提炼出较为全面的知识体系。值得指出的是，在此框架下本领域未来的研究无论是在研究理论、研究内容和研究方法上都将与相关学科如健康管理、创新扩散、心理行为、社会科学等通过交叉融合来发现新的深入机会。随着理论研究的不断深入，移动医疗用户采纳行为的研究重心将会根据实践应用和产业发展的具体情况不断调整和转移并将形成新的知识生态体系。

参考文献

[1]Istepanian R，Jovanov E，Zhang Y T.Introduction to the Special Section on M-Health：Beyond Seamless Mobility and Global Wireless Health-care Connectivity.[J].IEEE Transactions on Information Technology in Biomedicine，2004，8（4）：405-14.

[2]比达咨询.2017年中国移动医疗市场规模将达120亿[EB/OL].http：//www.bigdata-research.cn/content/201706/500.html，2017-06-23.

[3]车小玲.消费者对移动医疗的信任及其采纳研究[D].长沙：中南大学，2013.

[4]严春美.移动医疗服务用户采纳意愿影响因素研究[D].哈尔滨：哈尔滨工业大学，2012.

[5]Cho J，Quinlan M M，Park D，et al.Determinants of Adoption of Smartphone Health Apps Among College Students.[J].American Journal of Health Behavior，2014，38（6）：860.

[6]Hung M C，Jen W Y.The Adoption of Mobile Health Management Services：An Empirical Study[J].Journal of Medical Systems，2012，36（3）：1381-1388.

[7]Guo X，Sun Y，Wang N，et al.The Dark Side of Elderly Acceptance of Preventive Mobile Health Services in China[J].Electronic Markets，2013，23（1）：49-61.

[8]Xi-tong G，Jin-qiao Y，Xiong-fei C，et al.Understanding the Acceptance of Mobile Health Services：A Service Participants Analysis[C]//Management Science and Engineering（ICMSE），2012 International Conference on.IEEE，2012：1868-1873.

[9]Dou K，Yu P，Deng N，et al.Patients Acceptance of Smartphone Health Technology for Chronic Disease Management：A Theoretical Model and Empirical Test[J].Jmir Mhealth & Uhealth，2017，5（12）：e177.

[10]Melzner J，Heinze J，Fritsch T.Mobile Health Applications in Workplace Health Promotion：An Integrated Conceptual Adoption Framework[C]// HCist - International Conference on Health and Social Care Information Systems，2014：1374-1382.

[11]張鑫瑜，芦玉琦，欧思情.基于TAM的移动医疗软件使用影响因素研究[J].哈尔滨商业大学学报：社会科学版，2017，（6）：82-91.

[12]吴颖敏，张媚，朱良艳.消费者电子健康素养评估及在移动医疗中的应用[J].消费经济，2017，33（1）：90-96，55.

[13]罗剑宏，余子希.移动医疗背景下用户初始信任影响因素研究[J].中国卫生政策研究，2017，10（10）：54-62.

[14]Zhang X，Guo X，Lai K H，et al.Understanding Gender Differences in M-health Adoption：A Modified Theory of Reasoned Action Model[J].Telemedicine Journal and e-Health：the Official Journal of the American Telemedicine Association，2014，20（1）：39-46.

[15]殷猛，李琪.基于保护动机理论的健康APP用户使用研究[J].现代情报，2016，36（7）：63-70.

[16]Dwivedi Y K，Shareef M A，Simintiras A C，et al.A Generalised Adoption Model for Services：A Cross-country Comparison of Mobile Health（M-health）[J].Government Information Quarterly，2016，33（1）：174-187.

[17]Hoque R，Sorwar G.Understanding Factors Influencing the Adoption of mHealth by the Elderly：An Extension of the UTAUT Model.[J].International Journal of Medical Informatics，2017，101：75.

[18]Sun Y.Understanding the Acceptance of Mobile Health Services：A Comparison and Integration of Alternative Models[J].Journal of Electronic Commerce Research，2013，14（2）：183-200.

[19]王藝蓉.患者对糖尿病移动医疗服务使用意愿的影响因素研究——以某大型三甲综合医院糖尿病患者为例[D].广州：南方医科大学，2017.

[20]Nisha N，Iqbal M，Rifat A，et al.Exploring the Role of Service Quality and Knowledge for Mobile Health Services[J].International Journal of E-Business Research，2016，12（2）：45-64.

[21]Akter S，Ray P，DAmbra J.Continuance of mHealth Services at the Bottom of the Pyramid：The Roles of Service Quality and Trust[J].Electronic Markets，2013，23（1）：29-47.

[22]Cho J.The Impact of Post-adoption Beliefs on the Continued Use of Health Apps[J].International Journal of Medical Informatics，2016，87：75-83.

[23]何明贵，龙晓丹.感知风险与信任对移动医疗APP持续使用的影响研究——基于ECM-ISC模型[J].新闻与传播评论，2016，（1）：152-165.

[24]Davis F D.Perceived Usefulness，Perceived Ease of Use，and User Acceptance of Information Technology[J].MIS Quarterly，1989：319-340.

[25]Fishbein M，Ajzen I.Belief，Attitude，Intention and Behavior：An Introduction to Theory and Research[M].Reading，MA：Addison-Wesley Publishing Company，1975.

[26]Oliver R L.A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions[J].Journal of Marketing Research，1980，17（4）：460-469.

[27]Bhattacherjee A.Understanding Information Systems Continuance：An Expectation-confirmation Model[J].MIS Quarterly，2001，25（3）：351-370.

[28]Rosenstock I M.The Health Belief Model and Preventive Health Behavior[J].Health Education Monographs，1974，2（4）：354-386.

[29]Hossain M A.Assessing m-Health Success in Bangladesh：An Empirical Investigation Using IS Success Models[J].Journal of Enterprise Information Management，2016，29（5）：774-796.

[30]Guo X，Han X，Zhang X，et al.Investigating m-Health Acceptance from a Protection Motivation Theory Perspective：Gender and Age Differences.[J].Telemedicine and e-Health，2015，21（8）：661-669.

[31]Deng Z，Mo X，Liu S.Comparison of the Middle-aged and Older Users Adoption of Mobile Health Services in China.[J].International Journal of Medical Informatics，2014，83（3）：210-24.

[32]Guo X，Zhang X，Sun Y.The Privacy-personalization Paradox in mHealth Services Acceptance of Different Age Groups[J].Electronic Commerce Research & Applications，2016，16：55-65.

[33]Lee E，Han S.Determinants of Adoption of Mobile Health Services[J].Online Information Review，2015，39（4）：556-573.

[34]Cocosila M.Role of User a Priori Attitude in the Acceptance of Mobile Health：An Empirical Investigation[J].Electronic Markets，2013，23（1）：15-27.

[35]Chang L，Chiuan Yen C，Xue L，et al.Factors Associated with Mobile Health Information Seeking Among Singaporean Women[J].Journal of Women & Aging，2017，29（1）：75-86.

[36]Chen P，Xiao L，Gou Z，et al.Telehealth Attitudes and Use Among Medical Professionals，Medical Students and Patients in China：A Cross-sectional Survey[J].International Journal of Medical Informatics，2017，108：13-21.

[37]Schuster L，Drennan J，Lings I.Understanding Consumers Decisions to Adopt Technology-enabled Transformative Services[J].The Service Industries Journal，2015，35（15-16）：846-864.

[38]Mendoza J A，Baker K S，Moreno M A，et al.A Fitbit and Facebook mHealth Intervention for Promoting Physical Activity Among Adolescent and Young Adult Childhood Cancer Survivors：A Pilot Study[J].Pediatric Blood & Cancer，2017，64（12）.

[39]Lee H Y，Koopmeiners J S，McHugh J，et al.mHealth Pilot Study：Text Messaging Intervention to Promote HPV Vaccination[J].American Journal of Health Behavior，2016，40（1）：67-76.

[40]Gatwood J，Balkrishnan R，Erickson S R，et al.The Impact of Tailored Text Messages on Health Beliefs and Medication Adherence in Adults with Diabetes：A Randomized Pilot Study[J].Research in Social and Administrative Pharmacy，2016，12（1）：130-140.

[41]Plow M，Golding M.Using mHealth Technology in a Self-Management Intervention to Promote Physical Activity Among Adults With Chronic Disabling Conditions：Randomized Controlled Trial[J].JMIR mHealth and uHealth，2017，5（12）：e185.

[42]Peng W，Kanthawala S，Yuan S，et al.A Qualitative Study of User Perceptions of Mobile Health Apps[J].Bmc Public Health，2016，16（1）：1158.

[43]Bosak K，Park S H.Characteristics of Adults Seeking Health Care Provider Support Facilitated by Mobile Technology：Secondary Data Analysis[J].JMIR human factors，2017，4（4）：e33.

[44]Attwood S，Parke H，Larsen J，et al.Using a Mobile Health Application to Reduce Alcohol Consumption：A Mixed-methods Evaluation of the Drinkaware Track & Calculate Units Application[J].BMC Public Health，2017，17（1）：394.

[45]Nardi B A，ODay V L.Information Ecologies：Using Technology with Heart[M].Cambridge，MA：MIT Press，1999.

[46]Okazaki S，Casta？eda J A，Sanz S，et al.Factors Affecting Mobile Diabetes Monitoring Adoption Among Physicians：Questionnaire Study and Path Model[J].Journal of Medical Internet Research，2012，14（6）：e183.

[47]Zhou T.An Empirical Examination of Continuance Intention of Mobile Payment Services[J].Decision Support Systems，2013，54（2）：1085-1091.

[48]劉咏梅，车小玲，卫旭华.消费者对移动医疗的初始信任研究[J].信息系统学报，2014，（1）：15-30.

（责任编辑：郭沫含）