在線醫療用戶使用意愿影響因素分析

[中圖分類號]R2 [文獻標志碼]A [文章編號]doi：10.3969/j.issn.1674-070X.2025.06.025

本文引用：王丹丹，王輝．在線醫療用戶使用意愿影響因素分析[J].湖南中醫藥大學學報，2025，45（6）：1143-1148.

Analysis the influencing factors users' willingness to adopt online medical services

， Colege ， ， 4102o8，

[Abstract]ObjectiveToexplorethe factorsinfluencing onlinemedical usershealthcareserviceselectionpreferences， toprovidedecision-makingsupportfortheformulationimplementationonlinemedicalpolicies.Methods Using conveniencesampling，aquestionairesurveywasconductedamong 423onlinemedicalusersfrom FebruarytoApril2024. reliabilityvalidityanalysisfactoraalysisregresinanalysisweremploydtdentifeprimarydetemnantsfecting users'willingnesstdoptolieedicalsriesesults Infoationdisclosure，ommentesponsiveness，perceivedcoent usefulnessemergedasthecriticalfactorssignificantlyinfluencingusersadoptionintentions.ConclusionEnhancingservice optimizationplatformupgradesforonlinemedicalservicesarerecommendedtoelevatepotentialusers'willngnesstoengage with these digital healthcare solutions.

[Keywords]online medical care;signal transmission theory; SOR model;wilingness to adopt

在線醫療指運用無線移動通信技術提供醫療健康服務↓，它不僅能提高醫療服務效率，而且能極大降低醫療成本。近年來，在線醫療用戶規模不斷增長，2015年在線醫療行業用戶規模為1.5億人；2021年用戶規模增長達到了7.1億人，數據背后反映出在線醫療應用范圍廣泛。在線醫療作為傳統醫療的補充，對當前優化醫療及相關服務具有重要的意義，而網絡口碑作為用戶決策行為的參考，在用戶使用意愿方面提供了真實的范例。網絡評論是指信息交換雙方通過互聯網交流產品或服務的過程。網絡醫療口碑作為在線醫療獲取信息、判斷用戶選擇偏好的重要參考，對用戶決策發揮著重要作用5。目前，在線醫療研究多集中于不同群體、年齡、地域，而鮮有研究從網絡口碑角度分析在線醫療用戶的使用意愿。對此，以網絡口碑為切入點，研究在線醫療用戶使用意愿的影響因素，探討在線醫療用戶對平臺使用意愿的影響路徑。

1研究對象與方法

1.1 研究對象

采用便利取樣法。為了確保資料的準確和科學，在發放正式問卷之前，在鄭州、陜西不同區域分別發放50份問卷進行預調研。問卷的題目特別設立是否使用過在線醫療等相關服務，以篩選出符合既定研究的對象。回收問卷并進行問卷修訂，并保證被試群體符合本文預設目標。2024年2—4月，在北京、石家莊、沈陽、南京、武漢、長沙、成都、重慶、蘭州9個城市發放500份正式問卷。通過匿名方式收集信息，剔除因各種原因未填寫的無效數據，回收有效問卷423份，有效率為 86% 。

1.2 研究方法

通過查閱大量文獻，利用成熟量表收集調查數據，編制用戶對在線醫療的使用意愿調查問卷，正式問卷包括個人基本信息（性別、年齡、受教育程度等）以及18個測量問項，采用李克特量5級表， 1= 非常不同意， 2= 不同意， 3= 不確定， 4= 同意， 5= 非常同意，問卷量表分別參照FILIERI、CHIU[學者的成熟量表，結合研究主題進行適當修改。

1.3 統計學方法

采用SPSS27.0建立數據庫，進行統計分析、信度與效度檢驗、線性回歸分析。利用AMOS23.0進行探索性因子分析。 Plt;0.05 表示差異具有統計學意義。

2理論基礎與模型構建

2.1 理論基礎

2.1.1 SOR模型 刺激-機體-反應模型（stimulus-or-ganism-response，SOR）源于心理學，主要用來解釋外部環境刺激對個體行為反應產生的影響[8]。SOR模型廣泛用于用戶心理和信息行為方面的研究。因此，將其作為研究在線醫療用戶參與行為的模型基礎。

2.1.2信號傳遞理論信號傳遞理論由學者SPENCE9提出，現已形成一個包含信號發送方、信號接收方、反饋和信號環境的完備理論框架。作為經典理論，信號傳遞理論已成功應用于醫療信息行為領域，現將這一理論應用于本研究中。信號傳遞理論包括評論內容信號、評論者信號、反饋信號，分別將在線醫療評論可信度歸入評論內容信號、在線醫療信息披露歸人評論者信號、在線醫療評論回應歸入反饋信號。

2.2 模型構建

2.2.1評論可信度在線醫療評論可信度是評價者對評價對象所提供的信息以及評價主體的認識。何有世等[研究發現，評論的可信度對評論有用性有一定的影響，用戶在評價時更愿意參考高可信度的評價。例如，當專家在在線平臺發表了積極的評論，那么用戶會產生高預期，從而影響其他用戶的使用意愿。DAVIS等指出感知有用性是指潛在使用者使用特定的應用系統時，會提升工作表現。如今，評論有用性已被廣泛應于用戶評估產品和服務質量的范疇。所以，本文假設：

Hla：在線醫療評論可信度正向影響在線醫療評論有用性；

H1b：在線醫療評論可信度正向影響在線醫療用戶使用意愿。

2.2.2信息披露用戶評論者提供的個人資訊，會影響到其他用戶對商品或服務的認知，在線醫療用戶評論的信息披露也不例外。FORMAN等2研究了用戶的信息披露與評論有用性，認為評論者將個人的姓名、關注類型等資料公布到網站上，可以增加瀏覽量。卓四清等13則認為，評論者的信息披露對于評論有用性有正面影響。因此，本研究假設：

H2：在線醫療信息披露正向影響在線醫療評論有用性。

2.2.3與反饋有關的信號在線醫療評論用戶會對評論回應做出反饋，江曉東4對在線購買評論進行研究。結果表明，用戶對網絡購物的評論回應越多，感知的有用性就越強。吳江等[15]發現，評論互動頻率越高，用戶對評論的關注程度越高，與參與者互動的概率就越大，對其他用戶也具有較高的參考價值。在線醫療背景下，在線醫療評論的出現也涉及其他用戶的參考。因此，提出假設：

H3：在線醫療評論回應正向影響在線醫療評論有用性。

2.2.4在線醫療評論有用性和在線醫療用戶使用意愿 通過發現，當用戶能夠感知到在線醫療評論有用時，會更愿意使用網絡評論，即在線醫療評論有用性會影響用戶對在線醫療的使用意愿。所以，本研究假設：

H4：在線醫療評論有用性正向影響在線醫療用戶使用意愿。

在此基礎上，本研究將SOR模型和信號傳遞理論相結合，建立在線醫療用戶使用意愿的研究模型。模型將評論內容信號、評論者信號、反饋信號作為刺激因素，在線醫療評論有用性作為機體因素，在線醫療用戶使用意愿作為反應因素，模型如圖1所示。

3結果

3.1調查對象基本情況

問卷調查共423人，其中，男性221人，占 52.25% ，女性202人，占 47.75% ;23歲以下136人，占 32.15% 24-39歲134人，占 31.68%，40～65 歲153人，占 36.17% 在受教育程度方面，高中以下122人，占 28.84% ，大學（本、專）290人，占 68.56% ，碩士及以上11人，占2.60% 。

3.2 在線醫療用戶使用現狀

被調查對象在了解途徑方面，其中了解途徑依次為醫院的海報等媒體宣傳、手機和互聯網等新媒體推送、廣播介紹等方式；用戶使用領域較多的在線醫療服務分別是疾病咨詢、健康教育、預約掛號等。詳見表1。

表1在線醫療用戶使用情況

4實證研究

4.1 信效度檢驗

信度檢驗將Cronbach'sa系數作為信度檢驗標準，Cronbach'sa系數越接近1則表示量表內部一致性越高。介于0.80＼～0.90之間為信度非常好；介于0.70＼～0.80之間信度較好；若小于0.60則信度不佳。運用SPSS27.0分析各變量的信度，結果顯示量表各部分信度均在0.80以上，問卷整體信度大于0.70，表明量表信度較好。

效度分析采用KMO值和Bartlett球形度檢驗。通常情況下KMO值大于0.90時，效度非常適合做因子分析；當KMO值介于 0.70～0.90 之間時，比較適合做因子分析，相應的Bartlett球形檢驗 Plt;0.00 因此，結果值適合做探索性因子分析。詳見表2。

在探索性因子分析中，各部分旋轉后因子荷載如表3所示。量表旋轉后共提取5個解釋因子，量表總累計方差解釋率為 77.55% ，具有較好的結構效度。

4.2 模型檢驗

在此基礎上，利用AMOS23.0對該模型進行分析。擬合的結果見表4，各項擬合指數較好。

4.3 路徑分析

潛變量關系及其標準化的估計值、T值和各結果如表5所示，路徑系數在置信區間 α=0.001 的水平上顯著。實際得到的模型及路徑系數，如圖2所示。

表2信度與效度檢驗

表3模型測量指標

表4模型擬合指標

表6參數檢驗

4.4 回歸分析

當多變量共線時，用逐步回歸的方法進行分析。通過對獨立變量的篩選與剔除，可以減少共線性效應的影響。利用多元回歸分析，得到各參數的回歸結果，詳見表6—7。

采用逐步回歸法后的模型 R 值稍差， R² 為0.062，調整后的 R² 為0.049，數值小于1，且 F 值為4.614，F 檢驗顯著性小于0.05，通過顯著性檢驗。在線醫療評論可信度 P 值不顯著，應從回歸模型中剔除，由此，得到新的回歸模型公式，如式（1）所示

模型方程： Y=1.259+0.231X₁+0.126X₂

由多元回歸模型可以看出，在影響在線醫療使用意愿的因素中，在線醫療信息披露、在線醫療評論回應為主要因素。當其他變量相同時，每增加1個單位，在線醫療用戶的使用意愿便增加1.259個單位；在線醫療信息披露每增加1個單位，在線醫療用戶的使用意愿便增加0.231個單位；在線醫療評論回應每提高1個單位，在線醫療用戶的使用意愿便增加0.126個單位。

5討論

在線醫療評論可信度對在線醫療評論有用性沒有顯著作用（ P=0.212 ），假設H1a被否定，表明在線醫療平臺評論可信度對在線醫療評論有用性不產生影響；在線醫療評論可信度對在線醫療用戶的使用意愿沒有明顯影響（ scriptstyle（P=0.072） ，與假設H1b結論相反。造成這一結論的原因：盡管用戶會根據在線醫療平臺的評論搜集信息，但是在線醫療用戶的使用意愿也會受到其他因素的影響，而在線醫療評論可信度在所有因素中所占的比重較低，呈現出非顯著性。

在線醫療信息披露對在線醫療評論有用性有顯著影響（ scriptstyleP=0.010^? ），假設H2成立。同樣，在線醫療評論有用性和在線醫療用戶的使用傾向也表明，隨著在線醫療平臺披露的信息增多，用戶所感知到的評論有用性就會越強。因此，當用戶就醫披露的信息真實，其他用戶感知到的有用性越高。

在線醫療評論回應對在線醫療評論的有用性影響顯著（ P=0.033） ，假設H3成立，表明在線醫療評論回應會顯著影響在線醫療評論有用性。得出在線醫療平臺評論回應越多，用戶所感知到的評論有用性就越強。因此，當用戶回應他人的評論，其他用戶感知到的有用性越高。

在線醫療評論有用性對在線醫療用戶使用意愿影響顯著（ P=0.001 ），因此，假設H4正確，在線醫療評論有用性對在線醫療用戶使用意愿具有積極的作用。與傳統的就醫途徑相比，在線醫療平臺的用戶感知到了評論有用，更愿意選擇在線醫療

6總結

調查發現，以主觀感知為基礎的信息披露正向影響用戶使用意愿。首先，在線醫療平臺應確保用戶能夠同步瀏覽往期個人使用信息。其次，平臺應將專家評論置頂、公開評論者相關內容，清晰展現專家的專業知識和用戶的選擇偏好，增加在線醫療用戶判斷的可信度，為其他潛在用戶提供更多的選擇。

在線醫療評論作為潛在用戶參考的窗口，可以協調醫療資源，改善醫患關系，對用戶使用意愿產生積極的影響。第一，加強平臺宣傳，提高在線醫療平臺的知曉率，進一步實現平臺的可持續發展。第二，平臺通過使用在線醫療評論篩選功能，精準推送信息，滿足用戶需求，營造良好的在線醫療就醫環境。

研究結果表明，在線醫療感知有用性對在線醫療平臺的使用有顯著正向影響，表明用戶對在線醫療平臺有用性的認知程度越高，則用戶在線醫療平臺的使用意愿就越高。另外，第三方平臺要保證在線評論的真偽，確保在線醫療評論的真實性，能夠為潛在用戶提供參考依據。

參考文獻

[1]葉冠成，陳佳祺，張少輝，等．中醫互聯網醫療發展現狀、問題及應對策略探究[J].中國醫院，2023，27（11）：34-39.

[2]翟運開，張瑞霞，楊一旋，等．基于UTAUT和TTF模型的患者遠程醫療使用意愿研究[J].中國醫院管理，2019，39（9）：4.

[3]易觀智庫.2021年中國在線醫療市場年度研究分析報告[R/OL].（2021-11-10）[2024-09-29]. http：//www.askci.com/news/dxf/20160410/1556263450.shtml.

[4]LEUNG D.Unravelingtheinterplay reviewdepth，reviewbreadth， review language style on review usefulness re-viewadoption. International Journal Hospitality ，2021， 97（8）： 102989.

[5] 沓鈺淇，傅虹橋.網絡口碑對患者就醫選擇的影響：基于在線醫生評論的實證研究[J].管理評論，2021，33（11）：185-198.

[6] FILIERI R， MCLEAY F，TSUI. B. Consumer percep tions information helpfulness determinants purchase intentionin online consumer reviews services[J]. Information amp; Manage-ment， 2018， 55（1）： 958-970.

[7] CHIU C M，HSU M H，WANG E TG.Understing Knowl-edge Sharing in Virtual Communities：An Integration SocialCapital Social Cognitive T Heories[J].Decision Support Sys-tems，2006，42（3）： 1872-1888.

[8] MEHRABIAN A，RUSSELL J. An approach to environmentalpsy-chology[M]. Cambridge，MA：MIT Press，1974： 65-77.

[9] SPENCEM.Jobmarketsignaling[J].The QuarterlyJournalE-conomics， 1973， 87（3）： 355-374.

[10]何有世，李娜.搜索型商品評論有用性影響因素研究[J].情報雜志，2019，35（12）：202-206，201.

[1] DAVIS F D， BAGOZZI R P， WARSHAW P.R user accep-tance computer technology：A comparison two theoreticalmodels[J]. Science，1989，35（8）： 982-1003.

[12] FORMAN C， GHOSE A， WIESENFELD B. Examining the relation-shipbetweenreviews sales：The role revieweridentity dis-clo sure in electronic markets[J]. Information Systems Research，2008，19（3）：291-313.

[13] 卓四清，馮永洲.在線醫療評論有用性影響因素實證研究：基于Tripadvisor.com酒店評論數據[J].現代情報，2015，35（4）：52-56，74.

[14] 江曉東.什么樣的產品評論最有用：在線醫療評論數量特征和文本特征對其有用性的影響研究[J].外國經濟與管理，2015，37（4）： 41-55.

[15]吳江，劉彎彎．什么樣的評論更容易獲得有用性投票：以亞馬遜網站研究為例[J].數據分析與知識發現，2017，1（9）：16-27.

[16]郭宇，劉文晴，張傳洋，等.用戶在線醫療社區使用意愿影響因素及其調節變量：元分析研究[J].情報科學，2022，40（5）：19-26， 35.

（本文編輯禹純順）