参与者于2012年9月被招募进行横断面研究。老年人被邀请通过2个患者倡导组织、2个老年人社交俱乐部、5个医疗保健组织和乌得勒支的老年人信息日填写纸质版调查。此外，为了接触到大量的潜在参与者，一个由大约2000名客户组成的网络小组被邀请填写在线版的调查。

两项纳入标准(1)在家中独立生活，(2)年龄在65岁或以上。为了估计所需的样本量，我们遵循多元回归分析的经验法则，目的是构建一个预测框架:在全路径分析中，保持数据集中10个阳性病例与1个预测变量的比率[ 25］．由于全路径分析包含6个预测因子，因此需要至少60个阳性病例的样本。使用因变量“使用意愿”(5分制，1=完全不同意，2=不同意，3=中立，4=同意，5=完全同意)计算积极案例的数量，将回答为1至3的参与者标记为“非案例”，将回答为4至5的参与者标记为“积极案例”，结果为70个积极案例。

我们通过调查收集数据来检验理论框架中阐述的假设。测量的结果被设定为“使用视频会议的意愿”，这与荷兰卫生部的雄心一致，其中视频会议的使用是远程医疗的重要组成部分。

调查项目涵盖以下主题:人口问题(如年龄、性别和教育水平);基于Czaja等人的健康相关问题(如健康状况)[ 26];基于Czaja等人的日常生活技术经验(如互联网、计算机)[ 27];以及基于Chang和Hsu的老年人对视频会议的看法(例如，性能期望、努力期望和使用视频会议的意愿)[ 28]和Gagnon等人[ 29］．所有关于老年人对自己健康状况的看法和对视频会议的看法的结构都用多个陈述来衡量。

表2列出用于测试我们的理论框架的所有结构(预测因子和因变量)和相关语句。基于以前开发和使用的问卷的调查项目从英语翻译成荷兰语并进行交叉翻译。随后，我们与从我们的网络中选出的老龄和技术专家讨论了调查的内容，并在具有代表性的老年人群体中进行了试点测试，以确定其可读性和可理解性。

为减少偏差，使用5次多重impumethod替换缺失值[ 30.］．5个估算数据集的统计分析结果使用Rubin 's rule [ 31］．

构念(如自我效能感、绩效期望)的内部一致性用Cronbach alpha进行评估，Cronbach alpha值在0.70到0.95之间为“良好”[ 32］．对于我们的多水平回归分析，变量“互联网使用频率”被一分为二，使用数据驱动的方法选择一个适当的分界点。在调查中，参与者被问到:“你平均每周上网多少小时?”，其中0=非，1=0 ~ 1小时，2=1 ~ 5小时，3=5 ~ 10小时，4≥10小时。分界点设为2，即0=每周少于5小时，1=每周5小时或以上。

所有假设，如我们的理论框架所示( 图1)，以通径分析方法进行测试[ 33］．在全通径分析中，同时测试了4个相互关联的结果变量(见 图1结果1“使用视频会议的意愿”由(1)“表现预期”、(2)“努力预期”、(3)“自我效能”、(4)“主观健康状况”、(5)“感知隐私和安全性”和(6)“互联网使用频率”预测;结果2“努力期望”预测的“绩效期望”;结果3“自我效能”预测的“努力期望”;结果4“感知隐私和安全”由“感知隐私和安全”预测。通过这种方式，群体级别预测因子的影响被故意与群体变量的影响混淆，从而维持了层次结构。因此，这两类变量的影响都是可以估计的。通径分析中的所有三个结果变量和伴随的预测因子均基于引言中提到的文献。用0.05的显著性水平来确定预测因素是否与因变量有显著相关性。

此外，从全路径分析开始( 图2)，执行逆向选择程序;在每一步中，最高的变量 P价值首先被排除在外。同时，在每一步，使用赤池信息准则(Akaike Information Criterion, AIC)检验框架的拟合优度[ 34]，以评估每个模型与初始框架的表现。在此过程之后，最后的路径分析( 图3)只有显著性(显著性水平为。05)预测因子，并使用AIC作为阈值。在这个最终的框架中，从定性数据中得出的主题被包括在内。

我们使用统计包R(版本3.4.2;2017-09-28;R Foundation for Statistical Computing)用于路径分析。所有其他统计分析均使用SPSS (IBM Corp发布2016年，IBM SPSS Statistics for Windows, Version 24.0)进行。阿蒙克，纽约州:IBM公司)。

鉴于相对缺乏对社区居住的老年人使用技术的能力或能力的探索性研究，我们进行了常规内容分析[ 35通过观察老年人在家中使用数字技术获得的定性数据。我们的方法是建构主义的，使用解释性现象学认识论[ 36基于关于技术使用的现象并不存在唯一的“真相”这一概念。

观察由第三作者和具有护理、保健管理和凯撒运动疗法背景的三年级学士学位水平的学生执行。在他们进行观察之前，这些学生接受了我们研究团队关于如何进行观察的培训。在进行观察之前，参与者不认识任何一位观察员。我们的多学科研究团队对所有观察结果进行了讨论。作为研究团队的成员，本文第一作者(CvH)具有护理学、社会学和护理教育背景;第二作者(RE)，在护理，护理科学和流行病学;第三作者(硕士)，从事人体运动科学与护理教育;第四作者，在医学生物学，建筑环境，和老年技术(香港)。

2012年9月至12月，我们在社区居住的老年人(65岁或以上)中进行了研究。抽样在第一阶段开始，随着调查一起开始，参与者被告知在第二阶段也有机会成为志愿者(观察)。当参与者愿意参与第二阶段时，他们填写了一张详细联系方式的表格，并将其与完成的调查一起返回给研究团队。第2阶段的纳入标准与第1阶段相同:(1)独立居住在家中;(2)年龄在65岁或以上。然而，我们也根据“使用计算机的经验”和“没有计算机的经验”进行了选择，目的是能够观察有和没有计算机经验的参与者。15例观察后，达到理论饱和;我们收集了足够的数据来理解我们的研究概念。

为了促进不同观测集的一致性，在数据收集之前编制了一份日常技术任务清单。这些任务是由第三位也是最后一位作者与我们的美国研究伙伴在为期两天的研讨会上开发的(详细信息见“致谢”)，结果分为以下8类:(1)计算机基础(如“在桌面上创建一个新文件夹”),(2)电子邮件(例如,“发送一个电子邮件与附件”),(3)使用互联网(如“显示你所在的城市的地图”),(4)电视(例如,“改变你的电视的音量”),(5)手机(例如,“展示如何拯救一个联系人在您的联系人列表”),(6)家庭(如“在微波炉爆米花”),(7)健康(例如,展示如何使用数字范围),和(8)视频会议(例如,“展示如何开始与护士视频会议”)。

在没有特定的时间限制的情况下，观察者按照这个任务列表完成任务，并鼓励老年人独立完成任务。年纪大的人在无法继续完成任务时可以请求提示。观察人员鼓励老年人在执行技术任务时大声思考。在直接观察过程中，使用表格做笔记，每个任务的笔记都有空格，其他可能发生的显著事件则留白。这些注释在迭代分析过程中被使用。

所有观察均录音，平均持续1小时。录音被转录并匿名。所有转录本在MAXQDA(定性数据分析软件，1995-2016,VERBI software - consulting - sozialforschung GmbH, Version 12.2.1，柏林，德国)中存储、编码和分析。

数据分析遵循Hsieh和Shannon所概述的常规内容分析步骤[ 35，这是一种描述现象的方法——在这种情况下，老年人每天使用数字技术。通过迭代编码过程，根据文献讨论发现，研究团队确定并描述了老年人日常使用技术的最普遍主题。这些概念源自我们在( 图1)被用作“敏化概念”，定义为“解释手段和定性研究的起点”[ 37］．除了派生的概念 图1，即麦克法兰和汉密尔顿所描述的技术使用的环境因素[ 38，也被用作分析的起点(例如，任务结构，以前的经验，其他人的使用)。

虽然使用了这两个框架，但我们从开放编码开始进行了开放的归纳分析。为了提高可信度，CvH和MA独立编写了逐字记录，重点关注敏感概念和主要问题:“老年人如何与数字技术的使用作斗争，是什么支持他们?”由两位作者(CvH和MA)进行的第一轮编码产生了1022个编码文本段。然后，在所有作者之间讨论这些开放代码，将代码组织成有意义的聚类。经过讨论，157个文本片段被认为是不相关的。其余881个文本段和相关代码进行聚类和分类。我们寻找所有参与者在每次观察中出现的主题。最终，我们就数据中观察到的主要主题达成了共识。

在最后一个阶段，为每个主题制定了定义，并从数据中提供了说明性的例子或引用。这份研究报告中的语录是从荷兰语翻译成英语的。在整个分析过程中，我们一直牢记，我们正在寻找的信息最终可以帮助护士在医疗保健中使用技术。为了说明定性结果，主题和子主题被引入 图3．

共有288名老年人在纸上或网上填写了调查问卷。在这些人中，有22人因为年龄小于65岁而被排除在外。在剩下的256例病例中，50.0%(128/256)为男性，50.0%(128/256)为女性，中位年龄为71岁(第一季度至第三季度67-76)。少数(13.7%，35/256)的参与者有视频会议经验，其中约一半的人有不到1年的经验，而另一半人有超过1年的经验。大多数(71.1%，182/256)完成了中等或较高水平的教育。在256例病例中，21.1%(54/256)遗漏了本研究中使用的一个或多个问题。用5次多重imputation法替换缺失值。所有参与的老年人的人口统计细节都列在 表1．

6个构念的内部一致性“良好”，Cronbach alpha值超过0.70 [ 32］．所有分组项目和伴随的中位数分数，第一和第三四分位数范围，Cronbach阿尔法在 表2．

使用0.05的显著性水平，多层通径分析显示，关于老年人对视频会议的看法的9个假设中有5个得到支持。在第1级，老年人使用视频会议的意图由他们的表现期望(优势比[OR] 1.26, 95% CI 1.13-1.39)、努力期望(OR 1.23, 95% CI 1.07-1.39)和感知隐私和安全性(OR 1.30, 95% CI 1.17-1.43)显著预测。在我们的样本中，自我效能感(OR 1.09, 95% CI 0.94-1.23)、主观健康状况(OR 0.90, 95% CI 0.79-1.01)和互联网使用频率(OR 1.03, 95% CI 1.42-1.68)与老年人使用视频会议的意愿没有显著相关。

在第2级，老年人的表现期望由他们的努力期望来预测(OR 1.38, 95% CI 1.24-1.52)。在第3级，他们的努力期望由他们的自我效能感来预测(OR 1.55, 95% CI 1.42-1.68)。我们最后的第4个假设没有得到支持:老年人的主观健康状况对他们感知的隐私和安全没有显著的预测(OR 1.05, 95% CI 0.95-1.16)。完整路径分析和非标准化回归系数，从中得到的ORs，说明在 图2，意图使用视频会议作为主要结果变量。

在256名老年人的调查人群中，16名老年人自愿参加了研究的第二阶段:在他们执行技术任务时，在家中进行观察。其中一份录音的质量太差，无法逐字记录，只留下15份适合定性分析的观察结果。

在被观察的老年人中，有6名男性和9名女性。年龄65 ~ 87岁，平均73.21岁，标准差6.59岁，缺值1岁。参与者中，7人受教育程度较低(初中)，2人受教育程度一般(普通或职业高中教育)，4人完成了高水平教育(本科及以上学历，2人价值观缺失)。大约一半的参与者没有电脑(n=7)，而另一半使用电脑(n=8)。

总共确定了5个主要主题，可以帮助我们了解老年人在使用数字技术方面的能力和无能(按出现频率排序):(1)“自我效能感和数字素养”，(2)“使用技术的障碍”，(3)“以前的经验和使用频率”，(4)“支持和便利条件的来源”，以及(5)“性能期望”。在所有15名参与调查的老年人中观察到这5个主题，其中包括1022个编码文本片段中的865个。在这5个主要主题中，还确定了若干次主题，下文将对这些主题进行描述，并以举例说明。

老年人使用技术的意图直接由他们的努力期望、表现期望和感知的隐私或安全来预测。此外，自我效能感和数字素养似乎在老年人日常使用技术中发挥着重要作用，并提高了他们的努力期望。因此，我们建议在由护士或其他教育工作者为老年人提供的技术培训中解决这些概念。我们相信，从提高老年人的自我效能开始，他们的努力期望和使用意愿就会随之而来。在文献中，绩效成就，即提高精通预期的成功，被视为提高自我效能感的最强方法[ 47］．如前所述，在我们的观察中，一些参与者发现他们完成技术任务的能力与他们之前的预期相反。在培训方面，可以组织类似的做法，目的是让老年人有机会取得业绩成就。这种做法将是提高他们自我效能感，从而提高他们使用技术的意愿和能力的最强有力的干预措施。

自我效能的第二大来源是间接体验，即看到别人完成困难的处境。 47］．在训练过程中，老年人的自我效能感很可能会增加，因为技术任务被各种模型反复证明是可以实现的。虽然这种建模策略不如个人成就有效，但它可能适合于培训目的，让参与者相互观察对方执行技术任务。

支持老年人使用技术的最后一个想法来自于我们的观察，我们的一些参与者非常严格地使用他们所学的技能，并且对尝试他们技能之外的任何东西感到紧张。人们可以讨论最合适的学习方式:(1)提供针对特定应用程序或设备的非常具体的指导;(2)从可能应用于各种情况、应用程序或设备的更普遍的技术能力开始。希克曼等人[ 59的研究表明，如果目标是支持学习，“引导注意力训练”比“引导行动训练”更适合老年人，在“引导行动训练”中，参与者被确切地告知每一步要做什么。更多的研究，类似于Hickman等人[ 59)，才能更多地了解哪种方法最有效。

以上，在这项针对老年人的研究中，我们认为技术使用的障碍是最终用户缺乏自我效能的结果。然而，缺乏自我效能感也可能是技术设计不当的结果。蔡崇信及其同事[ 60的研究表明，当一项新技术易于使用时，缺乏自我效能并不是老年人使用这项技术的强大障碍。因此，除了为老年人制定适当的培训计划外，考虑设计易于使用的适当技术也是有用的。

为了验证上述建议，需要对老年人使用科技产品进行更多的研究。我们的首要目标是使老年人能够更好地从提供医疗保健的新方式中受益。在这项研究中，我们深入了解了老年人对科技的日常使用情况，可以作为培训开发的基础。研究老年人对他们使用医疗保健技术的能力的信念，使用培训前后的前测-后测设置，可能是研究的一个合乎逻辑的下一步。