原始论文
摘要
背景:在2019冠状病毒病大流行期间,精神卫生保健转向远程医疗,这种快速转变的可持续性存在不确定性。
摘要目的:本研究考察了在COVID-19大流行后继续使用远程医疗的意愿如何受到提供者对有用性、易用性和专业社会影响力的看法的影响,从而促进了组织条件。
方法:我们在2021年2月至3月期间对369名远程医疗服务提供者进行了一项基于网络的横断面调查。采用层次线性回归分析预测COVID-19大流行后继续使用远程医疗的意愿。
结果:大多数供应商在2020年3月或更晚开始使用远程医疗(257/369,69.6%),并且通过远程医疗为≥50%的客户提供服务(299/369,81.0%)。通过远程医疗病例量预测COVID-19大流行后继续使用远程医疗的意愿(β=.10;P= 0.005),总体感知有用性(β= 0.10;P=.008),易用性(β=.08;P=.04),社会影响(β=.68;P<.001),便利条件(β=.08;P= .047)。
结论:探索COVID-19大流行之后远程医疗使用的预测因素,有助于监测远程医疗使用情况,与未来诊所工作流程整合,以及制定公共政策。重要的是,要将远程医疗服务不仅视为对危机的反应,而且视为日常生活中有效和有用的解决方案。我们的研究结果表明远程医疗被广泛、可持续地采用。
doi: 10.2196/39634
关键字
介绍
COVID-19大流行严重影响了精神卫生保健系统,导致提供者迅速转向远程医疗服务[
]。2020年初,面对面的精神卫生保健减少了50%-70% [ , 远程医疗的使用增加了6500% [ , ]。这要求医院服务提供者适应新技术和面对面护理的丧失[ 但由于减少了等待时间、旅行时间和缺勤率,证明对病人是满意的[ , ]。增加对农村地区和在获得精神保健方面存在实际障碍的患者的服务,可能会鼓励提供者将远程医疗长期纳入其实践[ ]。远程心理健康(TMH)作为对危机的回应而出现,并已被证明是一种有效、有用和可持续的卫生保健提供形式[ ]。然而,远程医疗的广泛采用主要是由于在大流行期间提供覆盖的紧急条例。有一些人担心,一旦解除紧急条例,可能会出现远程医疗悬崖,或者TMH的使用会突然逆转[ , ]。为此,我们的目标是研究TMH提供者如何看待TMH的一般和特定流行病的有用性,以及这与他们将来使用TMH的意图有何关系。行为意向是维持或改变行为的最强预测因素之一[
]。2019年初的两项研究[ ]和2020年8月[ 发现TMH供应商打算在未来更频繁地使用远程医疗。在COVID-19大流行前几个月进行的一项研究中,TMH提供商表达了对安全和技术困难的担忧,但表示护理和工作流程的好处增强了他们未来使用它的意愿[ ]。提供者报告了其他好处,如改善工作与生活的平衡,更灵活的安排,以及能够提供创新的护理[ , ]。在大流行期间,为农村地区提供服务并通过自费方式获得补偿的提供者报告说,他们最希望在未来使用远程医疗,这可能是由于远程医疗的使用更加频繁,使他们对使用该技术感到更加舒适[ ]。此外,一项研究发现,心理学家预计远程医疗的使用率将比大流行前增加5倍[ ]。随着流行病的发展,有必要继续了解卫生保健提供者的经验和意图。将远程医疗服务纳入常规护理存在许多障碍,包括技术接受[
- ]。技术接受模式[ ] (TAM)和技术接受与使用统一理论[ [UTAUT]通常用于了解医院提供者对远程医疗的使用,但并非TAM和UTAUT中的所有结构都具有相同的预测权重。对远程医疗有用性的看法是基于该技术如何改善护理[ , ];也就是说,可用性可以从技术给供应商带来的好处(例如,减少缺勤率,降低成本或间接费用,以及改善工作与生活的平衡)[ , ]。此外,对易用性的看法通常基于设计特性和功能,以促进诸如协调护理计划或与患者、患者家属和其他医疗保健提供者有效沟通等任务[ ]。努力预期已被用作易于使用的同义词[ , ]。在COVID-19感染后,这些观念对未来使用远程医疗的意图的影响尚未在精神卫生提供者中进行探讨。先前的研究发现,感知有用性与感知易用性、社会影响力和态度一起,是MH提供者采用远程医疗的最强预测因素[
, ]。从远程医疗提供者的角度来看,感知有用性指的是护理、诊断和监测的质量[ , , ]。社会影响是指个人使用某项技术的决定受到他人对该技术的看法影响的程度[ ]。来自其他提供者的社会影响可能会形成将技术整合到自己的实践中的意愿,特别是在提供尖端创新护理的竞争欲望的驱动下[ ]。因此,来自同伴的社会影响对TMH采用的影响值得继续研究[ ]。医院提供者报告说,尽管在COVID-19大流行期间突然过渡到远程医疗,但他们仍在提供高质量的护理并与患者有效沟通[
]。然而,便利条件(即组织提供的通过远程医疗有效实践其专业的支持、资源和培训的数量)对这种关系的影响受到的关注有限[ , ]。为了优化专门用于增加高质量远程医疗在医院护理中的使用的资源,有必要确定预测提供者未来使用远程医疗意图的“有效成分”。提供者是远程医疗的守门人[
, ],有必要继续调查提供者在COVID-19大流行之后的使用偏好。了解COVID-19大流行后打算使用远程医疗的医院提供者的特征,对于监测远程医疗的使用情况和加强犹豫不决的提供者的意愿非常重要。因此,本研究的目的是进一步调查TMH提供者在COVID-19大流行期间继续使用远程医疗的意图的决定因素。方法
招聘
供应商被邀请在2021年2月至3月期间参加一项基于网络的横断面调查,调查的主要结果已在其他地方公布[
]。符合条件的提供者包括美国讲英语、成人(≥18岁)、精神卫生提供者。提供程序已在Doxy中注册。me Inc . [ ]是一家商业远程医疗公司,为供应商提供安全的电信技术,供他们在自己的实践中使用。共有495名医护人员同意参与是次研究,其中369名医护人员拥有可供分析的完整资料(完成率为74.5%)[ ]。样本中提供者的人口学特征与美国精神卫生行业提供者的人口学特征一致[ , , , , , ]。该调查通过电子邮件分发给参与者,并由Qualtrics公司管理。调查以一份电子同意书开始,该同意书详细说明了未识别的数据将用于发布,以及1个月的免费Doxy。我的专业会员账户将被提供,以补偿完成调查所花费的时间。
道德的考虑
南佛罗里达大学机构审查委员会对该研究进行了审查,并将其视为豁免(irb# 002053)。
调查与措施
概述
研究小组反复完善和发展了调查,探讨了在COVID-19大流行之前、期间和之后与TMH实践相关的几个方面。参与者被要求提供个人(如年龄、性别、种族和民族)和临床(如实践类型、专业、报销和治疗范例)的人口统计资料。然后询问他们对远程医疗在感知有用性、感知易用性、社会影响、便利条件和大流行后使用远程医疗的意图等方面的看法。
提供调查问题和回复频率。在分析过程中重新编码了几个人口统计学变量。职称和执业类型变量被重新编码,以纳入“其他”类别的回答。远程医疗病例量被分为“<50%”(包括<25%和25%-49%的选项)和“≥50%”(包括50%-75%和>75%的选项)。此外,远程医疗使用的开始被分为“2020年3月之前”(结合“2019年12月或更早”和“2020年1月或2月”)和“2020年3月或更晚”。
感知有用性
感知有用性采用2种量表进行评估。第一个量表包括3个项目的平均值,衡量提供者对工作的看法远程医疗的一般好处(问题27-29
).第二个量表包括3个项目的平均值,衡量提供者对工作的看法远程医疗的优势,特别是与COVID-19相关的优势(问题24-26 ).对所有问题的回答都以5分李克特量表(1=一点也不5 =极).两种量表具有足够的内部一致性(Cronbach = 0.70 - 0.81)。感知易用性
使用系统可用性量表(SUS)评估系统的易用性[
],其中包括10个项目,交替使用积极(例如,“我认为远程医疗在我的实践中很容易使用”)和消极(例如,“我发现远程医疗没有必要复杂”)的措辞。问卷采用李克特5分量表(1=强烈反对5 =强烈同意), SUS分数是通过重新调整回答来确定的,结果是一个在0到100之间的分数。SUS量表的内部一致性足够(Cronbach =.77)。SUS项目的详细信息见 (5)问题。社会影响
其他心理健康提供者的社会影响用1个项目来衡量(即,“在COVID-19大流行解决后,我希望我的专业中的其他人继续使用远程医疗”),该项目以5分李克特量表为基础,从1=少得多5 =更(第34题)
).便利的条件
通过计算4个项目的平均值来衡量便利条件,这些项目询问提供者在提供远程医疗服务方面感到舒适、支持、培训和充分资源的程度(问题30-33)
).回答以李克特5分制为基础,从1=强烈反对5 =强烈同意.促进条件量表内部一致性良好(Cronbach =.78)。2019冠状病毒病大流行后继续使用远程医疗的意图
使用1项(即“COVID-19大流行解决后,我希望在我的实践中使用远程医疗……”)来衡量COVID-19大流行后继续使用远程医疗的意愿。回答以李克特5分制为基础,从1=少得多5 =更(第35题)
).统计分析
SPSS (version 28;IBM公司)被用于所有的分析。以双尾α < 0.05确定显著性。我们进行了独立的抽样t根据远程医疗病例量(远程服务患者的比例<50%或≥50%)、与COVID-19大流行相关的远程医疗使用开始(2020年3月之前或2020年3月期间和之后)、性别(男性或女性)和种族(西班牙裔或非西班牙裔),开展检测COVID-19大流行后使用远程医疗意愿差异的测试。
我们进行了单因素方差分析,以确定不同种族在COVID-19大流行后使用远程医疗的意愿差异。接下来,我们进行了相关分析,以检验COVID-19大流行后年龄与继续使用远程医疗意愿之间的关系。最后,我们进行了五步层次线性回归分析,以检验提供者特征(即远程医疗病例量、与COVID-19大流行相关的远程医疗使用开始和年龄)和对远程医疗的看法(即感知有用性、感知易用性、社会影响和便利条件)在COVID-19大流行后继续使用远程医疗的意图的预测能力。回归分析的每一步都增加了一个变量块,确定了超出前一步变量的增量预测。远程医疗病例量(0=<50%;1=≥50%),开始使用远程医疗(0= 2020年3月之前;1= 2020年3月或更晚),年龄作为协变量被纳入模型的第一步,因为它们与COVID-19大流行后使用远程医疗的意愿显著相关。下一步包括感知有用性变量(例如,一般感知有用性和与COVID-19大流行相关的感知有用性),第3步增加易用性,第4步增加社会影响力,第5步增加便利条件。采用方差分析确定模型比较。
结果
样本特征
供给者平均年龄52岁(SD 13.0)。大多数提供者被确定为女性(300/369,81.3%),白人(298/369,80.8%)和非西班牙裔(339/369,91.9%)。在专业方面,大多数提供者是精神卫生咨询师(179/369,48.5%)、心理学家(108/369,29.3%)或在个人实践环境中工作的社会工作者(54/369,14.6%)(279/369,75.6%),主要治疗成年患者(18-64岁;308/369, 83.5%)。有关提供者及执业特点的更多详情,请参阅[
]。远程医疗实践的特点及对策
如图所示
在美国,369家医疗服务提供者中,共有257家(69.6%)在2020年3月或之后开始使用远程医疗,299家(81.0%)报告称,他们超过50%的病例是通过远程医疗处理的。在COVID-19大流行后打算继续使用远程医疗的受访者中,173人(46.9%)打算增加使用,66人(17.9%)打算使用基本相同,130人(35.2%)打算减少使用。大多数医疗服务提供者(193/369,52.3%)预计其专业人员会更多地使用远程医疗,而较少的医疗服务提供者(115/369,31.2%)预计其同事使用远程医疗的情况大致相同(61/369,16.5%)或更少。在COVID-19大流行后,通过远程医疗服务≥50%客户的提供者报告说,他们比那些通过远程医疗服务<50%客户的提供者(平均2.6,SD 1.3)更愿意继续使用远程医疗服务(平均3.4,SD 1.4);t367= -4.07;P<措施)。在2020年3月之前开始使用远程医疗的提供者在2019冠状病毒病大流行后继续使用远程医疗的意愿也比在2020年3月或之后开始使用远程医疗的提供者(平均3.1,SD 1.4;t367= 2.46;P= . 01)。提供者年龄与COVID-19大流行后继续使用远程医疗的意愿呈负相关(r367= -0.11;P= 03)。COVID-19大流行后,使用远程医疗的意愿在性别上无显著差异(t365= -0.84;P= 0.40), race (F6360年= 0.431;P=.86),或种族(t367= 0.26;P= .80)。在随后的分析中,将远程医疗病例量、使用时间和年龄作为协变量纳入分层回归分析中进行控制。
显示协变量与测度的相关表。人口统计资料 | 值 | |
远程医疗使用的开始,n (%) | ||
2020年3月之前 | 112 (30.4) | |
2020年3月或以后 | 257 (69.6) | |
远程医疗病例量,n (%) | ||
< 50% | 70 (19.0) | |
≥50% | 299 (81.0) | |
测量值,平均值(SD) | ||
感知有用性(一般) | 3.07 (1.11) | |
感知有用性(COVID-19) | 4.53 (0.67) | |
感知易用性 | 75.26 (14.87) | |
社会影响 | 3.47 (1.36) | |
便利的条件 | 4.11 (0.76) | |
2019冠状病毒病大流行后继续使用远程医疗的意图 | 3.24 (1.42) |
预测COVID-19大流行后继续使用远程医疗的意图
显示层次线性回归分析和的每个步骤的结果 显示模型每一步中预测器的结果。模型的第1步显著,占COVID-19大流行后使用远程医疗意愿方差的7% (F3365年= 9.12;P<措施;R2= 0.07)。远程医疗病例量(β=.21;P<.001)和远程医疗使用的开始(β= -.14;P=.007)显著预测了COVID-19大流行后继续使用远程医疗的意愿。年龄不是显著的预测因子(P= .09点)。
步骤2包括将感知有用性添加到模型中。在控制了远程医疗病例量、开始使用和年龄的影响后,回归是显著的,并且在COVID-19大流行后继续使用远程医疗的意向差异中占了13% (F5363年= 17.71;P<措施;R2= 0.20;ΔR2= 0.13)。远程医疗使用的发病情况(β= - 0.12;P= 0.009),总体感知有用性(β= 0.31;P<.001),且与COVID-19大流行相关(β=.11;P= 0.04)显著预测了COVID-19大流行后使用远程医疗的意愿。年龄和远程医疗病例量不是显著的预测因子(P>。所有人都是05)。
步骤3包括在模型中添加可感知的易用性。在控制了协变量和感知有用性的影响后,回归是显著的,并且在COVID-19大流行后继续使用远程医疗的意愿的方差中占了额外的3% (F6362年= 17.56;P<措施;R2= 0.23;ΔR2= 0.03)。远程医疗使用的发病情况(β= - 0.11;P= 0.02),总体感知有用性(β= 0.27;P<.001),感知易用性(β=.18;P<.001)显著预测了COVID-19大流行后继续使用远程医疗的意愿。年龄、远程医疗病例量和与COVID-19大流行相关的感知有用性不是显著预测因子(P>。所有人都是05)。
步骤4包括在模型中加入社会影响。在控制协变量、感知有用性和易用性的影响后,回归是显著的,并且在COVID-19大流行后继续使用远程医疗的意向方差中占41% (F7361年= 91.03;P<措施;R2= 0.64;ΔR2= 0.41)。远程医疗使用的发病情况(β= - 0.06;P= 0.02),远程医疗病例量(β= - 0.10;P= 0.005),总体感知有用性(β= 0.11;P=.004),易用性(β=.11;P=.001),社会影响(β=.69;P< 0.001)显著预测了COVID-19大流行后使用远程医疗的意愿。年龄和与COVID-19大流行相关的感知有用性不是显著预测因子(P>。所有人都是05)。
步骤5包括向模型添加促进条件。在控制了协变量、感知有用性和易用性以及社会影响的影响后,回归显著,并占了额外的0.4%,在COVID-19大流行后继续使用远程医疗的意向方差中,回归方差占了64% (F8360年= 80.80;P<措施;R2= 0.64;ΔR2= 0.004)。远程医疗病例量(β=.10;P= 0.005),总体感知有用性(β= 0.10;P=.008),易用性(β=.08;P=.04),社会影响(β=.68;P<.001),便利条件(β=.08;P= 0.047)显著预测了COVID-19大流行后使用远程医疗的意愿。年龄、远程医疗使用的开始以及与COVID-19大流行相关的感知有用性不是显著预测因子(P>。所有人都是05)。
一步一个 | F测试(df) | R2 | 调整R2 | ΔR2 |
1 | 9.12 (3365) | 0.07 | 0.06 | 0.07 |
2 | 17.71 (5363) | 0.20 | 0.19 | 0.13 |
3. | 17.56 (6362) | 0.23 | 0.21 | 0.03 |
4 | 91.03 (7361) | 0.64 | 0.63 | 0.41 |
5 | 80.80 (8360) | 0.64 | 0.63 | 0.004 |
一个P<措施for all steps and ΔR2.
预测 | B (SE) |
95%可信区间 | β | t测试(df) | P价值 | ||||||
步骤1 | |||||||||||
常数 | 2.67 (0.48) | 1.73到3.61 | 参考 | 5.61 (365) | <措施 | ||||||
远程医疗案件 | 0.74 (0.18) | 0.38到1.10 | . 21 | 4.04 (365) | <措施 | ||||||
远程医疗使用的开始 | -0.42 (0.16) | -0.73到-0.12 | .14点 | -2.71 (365) | .007 | ||||||
年龄 | -0.01 (0.01) | -0.02 ~ -0.002 | .09点 | -1.68 (365) | .09点 | ||||||
步骤2 | |||||||||||
常数 | 0.97 (0.61) | -0.22至2.17 | 参考 | 1.60 (363) | 厚 | ||||||
远程医疗案件 | 0.35 (0.18) | 0.001 ~ 0.71 | .10 | 1.96 (363) | 0。 | ||||||
远程医疗使用的开始 | -0.38 (0.15) | -0.67到-0.09 | 点 | -2.61 (363) | .009 | ||||||
年龄 | -0.01 (0.01) | -0.02 ~ 0.002 | 07 | -1.53 (363) | 13。 | ||||||
有用(通用) | 0.40 (0.07) | 0.27到0.53 | 。31 | 5.93 (363) | <措施 | ||||||
有用(COVID-19) | 0.24 (0.11) | 0.02 ~ 0.46 | 厚 | 2.11 (363) | .04点 | ||||||
步骤3 | |||||||||||
常数 | 0.08 (0.64) | 从1.19到1.35 | 参考 | 0.12 (362) | .90 | ||||||
远程医疗案件 | 0.35 (0.18) | -0.002到0.70 | .10 | 1.96 (362) | 0。 | ||||||
远程医疗使用的开始 | -0.33 (0.14) | -0.61到-0.05 | 厚 | -2.30 (362) | 02 | ||||||
年龄 | -0.01 (0.01) | -0.02 ~ 0.002 | 07 | -1.51 (362) | 13。 | ||||||
有用(通用) | 0.34 (0.07) | -0.21到0.48 | 低位 | 5.10 (362) | <措施 | ||||||
有用(COVID-19) | 0.17 (0.11) | -0.05 ~ 0.40 | 。08 | 1.56 (362) | 点 | ||||||
易用性 | 0.02 (0.005) | 0.01 ~ 0.03 | 只要 | 3.70 (362) | <措施 | ||||||
步骤4 | |||||||||||
常数 | -1.15 (0.44) | -2.02到-0.27 | 参考 | -2.58 (361) | . 01 | ||||||
远程医疗案件 | 0.34 (0.12) | 0.11到0.58 | .10 | 2.84 (361) | .005 | ||||||
远程医疗使用的开始 | -0.20 (0.10) | -0.39至-0.004 | 06 | -2.01 (361) | .045 | ||||||
年龄 | -0.001 (0.004) | -0.01 ~ 0.01 | . 01 | -0.27 (361) | .79 | ||||||
有用(通用) | 0.14 (0.05) | 0.04到0.23 | 厚 | 2.90 (361) | 04 | ||||||
有用(COVID-19) | 0.05 (0.08) | -0.10到0.20 | 03 | 0.69 (361) | 报 | ||||||
易用性 | 0.01 (0.003) | 0.004 ~ 0.02 | 厚 | 3.27 (361) | 措施 | ||||||
社会影响 | 0.72 (0.04) | 0.65到0.79 | i = | 20.30 (361) | <措施 | ||||||
步骤5 | |||||||||||
常数 | -1.39 (0.46) | -2.29到-0.48 | 参考 | -3.02 (360) | .003 | ||||||
远程医疗案件 | 0.36 (0.12) | 0.12到0.59 | .10 | 2.94 (360) | 04 | ||||||
远程医疗使用的开始 | -0.18 (0.10) | -0.37到0.01 | 06 | -1.82 (360) | 07 | ||||||
年龄 | -0.001 (0.004) | -0.01 ~ 0.01 | . 01 | -0.26 (360) | .79 | ||||||
有用(通用) | 0.13 (0.05) | 0.03到0.22 | .10 | 2.65 (360) | .008 | ||||||
有用(COVID-19) | 0.03 (0.08) | -0.12至0.18 | 02 | 0.42 (360) | .68点 | ||||||
易用性 | 0.01 (0.004) | 0.00 ~ 0.01 | 。08 | 2.08 (360) | .04点 | ||||||
社会影响 | 0.71 (0.04) | 0.64到0.78 | .68点 | 20.26 (360) | <措施 | ||||||
便利的条件 | 0.14 (0.07) | 0.002到0.28 | 。08 | 1.99 (360) | .047 |
讨论
本研究结果显示,一般的感知有用性、感知易用性、专业社会影响力、便利条件和远程医疗病例量预测了医院提供者未来使用远程医疗的意图。在最终模型中,年龄、远程医疗使用的开始以及与COVID-19大流行相关的感知有用性并未被发现是重要的预测因素。
主要研究结果
来自其他医院提供者的社会影响是COVID-19大流行后继续使用远程医疗的意愿的最强预测因素。covid -19前的研究发现,对医疗保健提供者来说,组织领导的影响不如感知有用性重要,报告称,提供者意图的主要驱动因素是他们认为该技术对患者有多有用[
, ]。其他研究也考察了一般的社会影响,但没有考察来自同一职业的其他人的影响[ , ]。社会环境是远程医疗接受的一个重要因素,研究人员已经开始确定需要一种“远程医疗文化”,以便在同一职业的提供者之间分享经验、意见和偏好[ , ]。未来的研究应旨在探索自COVID-19大流行爆发以来专业远程医疗文化的发展和影响。covid -19前的研究表明,感知有用性是提供者继续使用远程医疗意图的最重要预测因素[
, , ]。相比之下,我们的研究发现来自其他MH提供者的社会影响是最有影响力的。这可能是由于在COVID-19大流行期间强制采用远程医疗,而在COVID-19之前的研究中,远程医疗的使用可能更加自愿。大流行可能已将卫生保健提供者的优先事项从有用性转移到其他价值(例如,社会影响)。未来的研究应探讨病人的偏好在医院提供者的远程医疗使用中的作用。这可能是因为拥有大量远程病例的提供者通过经验变得更精通远程医疗的使用。在先前的研究中,使用远程医疗的经验增加,可以增强提供者在获得实践、故障排除技能和工作流程整合后对远程医疗的积极态度[
]。拥有更多远程医疗使用经验的提供者可能会因为更加舒适和熟悉远程医疗界面和功能而获得更好的体验,并且由于技术困难和将新技术纳入其实践而遭受的挫折可能会减少[ ]。值得注意的是,在最终模型中,远程医疗使用的开始并不是一个显著的预测因子,这表明远程医疗使用的频率比使用的持续时间更重要。未来的研究可能会关注自我效能感与远程医疗使用(即工作流程整合和技术中断)和护理质量(即治疗联盟和沟通)之间的关系。感知到的易用性并不是使用远程医疗意向的最有力预测因素之一。这一发现与最近对UTAUT进行的与COVID-19大流行有关的检查相一致[
, , ]。该样本中的提供商报告了较高的易用性评级,这可能受到广泛采用、更大的远程医疗病例量和工作流集成的影响。虽然不是一个特别强的预测因素,但便利条件预测了未来继续使用远程医疗的意图。这一发现与供应商对远程医疗接受度的研究一致[ , ]。值得注意的是,在本研究中,75%的医疗服务提供者在单独的实践环境中进行实践,并报告了在实践中使用远程医疗的强有力的支持、培训、资源和舒适。我们的研究结果表明,这些便利条件可能会影响远程医疗在实践中的长期整合的可持续性和实用性。未来的研究应探讨不同练习类型对促进条件的影响。
限制
这项研究有几个局限性。首先,从一家商业远程医疗公司的用户中抽取数据,这些用户获得了1个月的免费专业会员资格。这可能不能代表所有的远程医疗提供者,并且可能对对远程医疗更感兴趣的提供者有偏见抽样。未来的研究应该证实我们的发现在跨平台、其他背景和国家的TMH供应商之间的普遍性,并且应该关注负面意见和经验以及积极的意见和经验。然而,先前的研究报告称,TMH用户从Doxy中取样。Me代表了整个行业的人口统计数据,其他研究也报告了关于未来远程医疗使用的类似发现[
]。此外,对数据的二次分析排除了TAM和UTAUT模型中的一些结构,并且一些提供者的人口统计数据可能在样本中被过度代表(例如,个体执业、心理健康咨询师、认知行为治疗范式,主要治疗成人)。分层抽样程序将确保实践类型和提供者专业的平等代表性。随着COVID-19法规和规范的发展,未来的研究人员应该继续调查医院提供者的远程医疗使用模式和意图。
结论
本研究的目的是研究在COVID-19大流行之后,TMH提供者继续使用远程医疗的意图,这改变了医院护理的格局,需要通过远程医疗提供服务。大多数TMH供应商报告说,在2019冠状病毒病大流行后,他们打算继续在他们的职业中使用远程医疗,“大致相同”或“更多”。我们推测,这指向了未来广泛、持续的远程医疗采用。社会影响、感知有用性、远程医疗病例量、感知易用性和便利条件预测未来使用意愿更强。在一个人的职业中,来自他人的社会影响是继续使用远程医疗的最强预测因素。远程医疗的持续高比例可能导致"远程保健文化"的发展,在这种文化中,提供者可以依靠其专业人员提供TMH培训、资源和工作流程系统。即使在2019冠状病毒病大流行之后,目前的远程医疗使用率预计仍将保持在较高水平,特别是对于通过远程医疗就诊的大量病例的提供商。远程医疗似乎是当前和未来妇幼保健的重要组成部分。
致谢
BEB由国家精神卫生研究所资助(拨款K23MH118482和R41MH126734), BMW由国家癌症研究所资助(拨款K07CA211786)。
利益冲突
BMW是股东,SRP是前雇员,其他所有作者都是Doxy的雇员。他是一家商业远程医疗公司。
调查问题及回应频率。
DOCX文件,32kb
相关表(Pearson r和双尾)P价值)的实践特点和措施。
DOCX文件,19kb参考文献
- Pfefferbaum B, North CS。精神卫生与Covid-19大流行。中国生物医学工程学报,2016,31(6):591 - 591。(CrossRef] [Medline]
- Reilly SE, Zane KL, McCuddy WT, Soulliard ZA, Scarisbrick DM, Miller LE等。COVID-19大流行期间精神卫生从业人员的即时实际反应:观察性问卷研究中华医学杂志,2020;7(9):e21237 [j]免费全文] [CrossRef] [Medline]
- 胡莫E,彼赫C, Kuska M, Barke A, Doering BK, Gossmann K,等。在COVID-19大流行期间为捷克、德国和斯洛伐克的心理治疗师提供心理治疗。国际环境与公共卫生杂志2020年7月04日;17(13)[J]免费全文] [CrossRef] [Medline]
- Patel SY, Mehrotra A, Huskamp HA, Uscher-Pines L, Ganguli I, Barnett ML. COVID-19大流行期间美国门诊服务和远程医疗的趋势。美国医学会实习医学2021年3月01日;181(3):388-391 [j]免费全文] [CrossRef] [Medline]
- 刘建军,刘建军,刘建军,刘建军,刘建军。突然成为“虚拟医生”:精神科医生在COVID-19大流行期间过渡到远程医疗的经验。精神病学杂志2020;01;71(11):1143-1150 [j]免费全文] [CrossRef] [Medline]
- Michaud TL, Zhou J, McCarthy MA, Siahpush M, Su D.基于家庭的远程医疗项目成本的系统评价。国际医学杂志,2018,34(4):410-418。(CrossRef] [Medline]
- 张建军,张建军,张建军,等。远程医疗成本效益与患者满意度的关系研究。卫生政策管理[J]; 2020;5(2):103-107。(CrossRef]
- 张丽娟,张丽娟。远程医疗患者满意度与医疗服务提供者满意度的比较。当前过敏哮喘报告2020 9月22日;20(11):72 [j]免费全文] [CrossRef] [Medline]
- Whaibeh E, Mahmoud H, Naal H.大流行背景下的远程卫生:COVID-19经验。当代治疗选择精神病学2020;7(2):198-202 [j]免费全文] [CrossRef] [Medline]
- 随着“远程医疗悬崖”的迫近,数百家医疗机构敦促国会采取行动。HIMSS。2021年7月27日。URL:https://www.healthcareitnews.com/news/telehealth-cliff-looms-hundreds-healthcare-orgs-urge-congress-act[2021-08-17]访问
- 我们如何避免“远程医疗悬崖”?HIMSS。2021年6月2日。URL:https://www.healthcareitnews.com/news/how-we-can-avoid-telehealth-cliff[2021-09-14]访问
- Davis F, Bagozzi R, Warshaw P.用户对计算机技术的接受:两种理论模型的比较。管理科学1989;35(8):982-1003 [j]免费全文] [CrossRef]
- Bunnell BE, Barrera JF, Paige SR, Turner D, Welch BM。远程医疗特点的可接受性,以促进其在实践中的吸收:对社区远程保健提供者的调查。国际环境与公共卫生杂志2020年11月17日;17(22)[J]免费全文] [CrossRef] [Medline]
- 朱丹,佩吉,Slone, Gutierrez A, Lutzky C, Hedriana H,等。在COVID-19大流行之前、期间和之后探索远程卫生实践。J Telemed Telecare 2021年7月09:1357633X211025943。(CrossRef] [Medline]
- Malouff TD, TerKonda SP, Knight D, Abu Dabrh AM, Perlman AI, Munipalli B等。2019冠状病毒病大流行期间医生对远程医疗的满意度:佛罗里达州梅奥诊所的经验。临床医学进展[j]; 2011;5(4):771-782 [免费全文] [CrossRef] [Medline]
- 皮尔斯BS,佩兰PB,泰勒CM,麦基GB,沃森JD。COVID-19远程心理学革命:一项关于美国精神卫生保健服务中基于流行病的变化的全国性研究。中华精神病学杂志,2011,31(1):14-25。(CrossRef] [Medline]
- 胡培杰,周培培,盛玉林,谭建基。利用医师对远程医疗技术的接受程度考察技术接受模型。管理信息系统学报,2015;16(2):91-112。(CrossRef]
- chessmar W, Wiley-Patton S.扩展技术接受模型是否适用于医生。2003年发表于:第36届夏威夷系统科学国际会议;2003年1月06-09日;大岛,你好。(CrossRef]
- Kamal SA, Shafiq M, Kakria P.通过扩展技术接受模型(TAM)调查远程医疗服务的接受度。中国机械工程学报,2020(2);60:101212。(CrossRef]
- 戴维斯FD。感知有用性、感知易用性和用户对信息技术的接受度。MIS Quarterly 1989 Sep;13(3):319。(CrossRef]
- 文卡特什V,莫里斯M,戴维斯G,戴维斯F.用户对信息技术的接受:走向统一的观点。MIS季刊2003;27(3):425 [免费全文] [CrossRef]
- Hamzat S, Manawonku I.绩效预期和便利条件对尼日利亚西南部大学工程讲师使用数字图书馆的影响。哲学实践(2018):1-16 [j]免费全文]
- Rho MJ, Kim HS, Chung K, Choi IY。影响糖尿病管理接受远程医疗的因素。集群计算2014 march 12;18(1):321-331。(CrossRef]
- 郝思德,刘建军,张建军,等。远程医疗用户接受度预测理论:系统综述。[J]中国医学杂志,2019;21(5):e13117 [J]免费全文] [CrossRef] [Medline]
- 麦基GB,皮尔斯BS,多诺万EK,佩兰PB。在COVID-19大流行期间检查心理学家远程心理学使用模型:一项全国性横断面研究。中华精神病学杂志;2009;29 (3):391 - 391 [J]免费全文] [CrossRef] [Medline]
- Asua J, Orruño E, Reviriego E, Gagnon MP。医疗保健专业人员对初级保健慢性护理患者远程监测的接受程度。中国医学杂志2012年11月30日;12:39 [j]免费全文] [CrossRef] [Medline]
- Orruño E, Gagnon MP, Asua J, Ben Abdeljelil a .使用改进的技术接受模型对卫生保健专业人员远程皮肤科采用的评估。中国电信学报;2011;17(6):303-307。(CrossRef] [Medline]
- 卢健,姚建军,于晨。基于移动技术的个人创新、社会影响与无线互联网服务的采用。[J] .战略信息系统,2005,14(3):245-268。(CrossRef]
- Connolly SL, Miller CJ, Lindsay JA, Bauer MS.通过视频会议对提供者对远程心理健康态度的系统回顾。临床精神病学(纽约)2020年1月06日;27(2)[免费全文] [CrossRef] [Medline]
- 李建军,刘建军,刘建军,等。评估COVID-19对美国东南部精神卫生服务提供者的影响。精神病学研究[j]; 2011; 32 (2): 391 - 391 [免费全文] [CrossRef] [Medline]
- 文katesh V, Brown S, Maruping L, Bala H.预测系统使用的不同概念:行为意图、促进条件和行为期望的竞争作用。MIS季刊2008;32(3):483 [j]免费全文] [CrossRef]
- 解决远程医疗的首要障碍:提供者作为最初的看门人。国际技术评估卫生保健2005;21(4):517-521。(CrossRef] [Medline]
- Cowan KE, McKean AJ, Gentry MT, Hilty DM.使用远程精神病学的障碍:临床医生作为看门人。中国生物医学工程杂志,2019;12(12):2510-2523。(CrossRef] [Medline]
- wilchzewski H, Paige SR, Ong T, Barrera JF, Soni H, Welch BM,等。2019冠状病毒病期间对远程卫生保健服务的看法:2021年2月至3月对提供者的横断面研究前沿精神病学2022年4月4日;13:855138 [免费全文] [CrossRef] [Medline]
- Doxy.me。URL:https://doxy.me/en/[2022-03-01]访问
- 提高网络调查的质量:互联网电子调查报告结果清单(樱桃)。[J]医学与互联网研究,2004,29;6(3):e34 [J]免费全文] [CrossRef] [Medline]
- 2007-16:美国心理学劳动力人口统计。美国心理学会。2018。URL:https://www.apa.org/workforce/publications/16-demographics[2022-11-04]访问
- 彭国强,张建军,张建军,等。由“真实世界”远程心理健康提供者提供护理。精神病学杂志2021;12:65 - 3652 [j]免费全文] [CrossRef] [Medline]
- 刘建军,张建军,张建军,等。系统可用性量表的实证研究。[J] .计算机工程学报,2008;24(6):574-594。(CrossRef]
- 王晓明,王晓明,王晓明。心理健康服务提供者使用远程心理治疗意向的影响因素研究。中华精神病学杂志;2013;50(2):323-343。(CrossRef] [Medline]
- Rouidi M, Elouadi A, Hamdoune A.卫生专业人员对远程医疗技术的接受和使用:概念模型的发展。数字健康2022;8:20552076221081693 [j]免费全文] [CrossRef] [Medline]
- Newman L, Bidargaddi N, Schrader G.服务提供者在澳大利亚大型农村心理健康服务数字化12个月后使用远程医疗网络的经验。国际医学杂志,2016;39(4):821 - 821。(CrossRef] [Medline]
- Garavand A, Aslani N, Nadri H, Abedini S, Dehghan S.医生对远程医疗技术接受程度的系统评价。医学信息学研究[j]; 2011;30(1):1 - 9。(CrossRef]
- 张丽娟,张丽娟,张丽娟。基于技术的心理健康治疗对治疗联盟的影响。当代精神病学报告2019年7月08日;21(8):76。(CrossRef] [Medline]
缩写
MH:心理健康 |
SUS:系统可用性量表 |
TAM:技术接受模型 |
TMH:telemental健康 |
UTAUT:技术接受与使用统一理论 |
G·艾森巴赫编辑;提交16.05.22;M . Mishkind, B . Li, T . Vlavianos, N . Dunn的同行评审;对作者的评论21.09.22;修订版本收到12.10.22;接受31.10.22;发表11.11.22
版权©Hattie wilchzewski, Samantha R Paige, Triton Ong, Hiral Soni, Janelle F Barrera, Brandon M Welch, Brian E Bunnell。最初发表于JMIR Formative Research (https://formative.www.mybigtv.com), 11.11.2022。
这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)条款下发布的开放获取文章,该许可允许在任何媒体上不受限制地使用、分发和复制,前提是原始作品首次发表在JMIR Formative Research上,并适当引用。必须包括完整的书目信息,到https://formative.www.mybigtv.com上原始出版物的链接,以及版权和许可信息。