尽管数字化进程广泛推进，电子健康记录(EHR)的持续使用仍面临重大挑战。现有模型往往忽视持续参与所需的关键心理与信息因素。本研究在技术接受与使用统一理论(UTAUT)基础上，纳入数字健康素养(DIGL)、信任及隐私关注，以更全面解释EHR的持续使用行为。研究人员在土耳其21个城市开展横断面调查，共回收国家EHR系统“E-nabız”有效用户问卷480份。数据分析采用偏最小二乘结构方程模型(PLS-SEM)识别使用意愿预测因子，并结合必要性条件分析(NCA)确定持续使用的必备要素。结果表明，UTAUT各构念均为EHR持续使用的显著预测因子；努力期望(EFEX)、便利条件(FACC)与信任(TRUS)为必要条件；信任可降低隐私关注的负面影响，后者仅呈弱负向作用；社会影响虽正向影响意愿，但非必要条件；数字健康素养显著提升绩效期望、努力期望与便利条件，并通过多条路径促进持续使用。研究建议，提升数字健康素养的教育干预可显著增强EHR的持续使用率。
研究背景与意义
在全球医疗数字化转型背景下，患者端电子健康记录(EHR)正从单一数据存储平台向支持临床决策的人工智能驱动系统演进。然而，即便技术先进，若缺乏用户持续使用，系统价值仍难以实现。现有研究多聚焦于医护人员视角，忽视了医疗消费者这一关键利益相关方，且普遍采用充分性逻辑（如回归分析、结构方程模型），忽略了某些必须存在的“必要条件”。此外，传统技术接受模型常未充分考虑信任与隐私关注在敏感健康数据处理中的关键作用。土耳其的“E-nabız”系统作为覆盖全国公私医疗机构的综合EHR平台，为本研究提供了典型场景。该研究发表于《Informatics for Health and Social Care》，旨在揭示数字健康素养(DIGL)在EHR持续使用中的作用，并填补必要性与充分性双重视角的理论空白。
主要技术方法
研究采用横断面调查设计，于2023年4月至5月面向土耳其21个城市的成年E-nabız用户收集数据，最终获得480份有效问卷。测量工具基于成熟量表，经专家评审与预测试修订。数据分析结合偏最小二乘结构方程模型(PLS-SEM)与必要性条件分析(NCA)：前者用于检验变量间的充分性关系（如“提升信任可促进持续使用意愿”），后者通过散点图分析与瓶颈表识别“必备阈值”（如“达到高持续意愿所需的最低信任水平”）。模型效度通过平均方差萃取(AVE)、组合信度(CR)及异质-单质比(HTMT)等指标严格验证。
研究结果
数字健康素养的前因作用
数字健康素养(DIGL)显著正向影响努力期望(EFEX)、绩效期望(PE)与便利条件(FACC)，表明高DIGL用户更易感知EHR的易用性与有用性，并能更好利用技术支持资源。但DIGL并非持续意愿的必要条件，而是高频使用的必备要素——需达到47.6%的水平方可实现>75%的使用频率。
UTAUT构念对意愿的影响
努力期望(β=0.225)、绩效期望(β=0.182)与社会影响(β=0.222)均显著促进持续使用意愿。其中，努力期望不仅是强预测因子，更是必要条件（需≥9.9%水平）；社会影响虽具促进作用，但非必需。
便利条件与实际使用
便利条件(FACC)显著正向影响使用频率(β=0.182)，且为持续意愿的必要条件（需≥53.5%水平），凸显基础设施与技术支持的基础性作用。
信任与隐私关注的互动
信任(TRUS)显著负向影响隐私关注(β=-0.601)，并正向促进持续意愿(β=0.182)。隐私关注对意愿的负向效应较弱(β=-0.118)，且不构成必要条件。信任作为必要条件的效应量(d=0.14)达中等水平。
讨论与结论
研究证实，数字健康素养(DIGL)通过提升用户对EHR易用性与价值的认知，间接驱动持续使用，但其核心作用是突破高频使用的“行动瓶颈”，而非激发初始意愿。这一发现揭示了“认知-行为解耦”现象：用户可能因外部压力（如国家强制系统）产生使用意愿，但缺乏足够数字技能则无法转化为高频行为。
核心UTAUT构念（努力期望、绩效期望、便利条件）同时具备充分性与必要性双重属性，其中努力期望与便利条件构成持续使用的硬性门槛。信任作为关键心理要素，不仅能直接促进持续使用，还可通过缓解隐私关注降低心理阻力，但其效应可能被用户对系统实用性的积极评估所稀释——当EHR被感知为高易用、高价值时，隐私风险担忧显著减弱。
实践层面，研究建议采取三轨策略：① 针对公众的数字健康素养教育项目；② 以用户为中心优化EHR界面与导航设计；③ 通过透明化数据安全政策与第三方认证构建制度信任。政策制定者可考虑将便利条件（如免费网络接入、终端设备补贴）作为普惠性数字健康服务的基础设施保障。
局限性在于横断面设计难以捕捉动态变化，且结论主要适用于高度集成的中央集权式EHR系统（如土耳其模式）。未来研究需在碎片化私营医疗体系中验证模型普适性，并探索慢性病等特殊健康情境下的差异化机制。
打赏
