Verständnis der Faktoren, die die Absicht älterer diabetischer Patienten zur Nutzung von digitalen Gesundheits-Wearables beeinflussen: Erweiterung des Technologie-Akzeptanz-Modells (TAM) – Fragebogendesign und Datenerfassung

• Beispiel

Um die Forschungshypothesen dieser Studie zu testen, haben wir die quantitative Forschungsmethode gewählt, um Daten von zufällig ausgewählten älteren Diabetikern in Bangladesch zu sammeln, die digitale Gesundheits-Wearables zur Überwachung ihres Wohlbefindens nutzen. Alle Daten wurden mittels einer papierbasierten Umfrage erhoben. Der Fragebogen hatte zwei Abschnitte, nämlich Teil A und Teil B. Fragen zur Demografie, wie Alter, Geschlecht und Bildungsabschluss, wurden für die Befragten in Teil A aufgenommen. Alle Fragen zu den sieben Variablen (27 Items) dieser Studie, die wir in das vorgeschlagene Modell aufgenommen haben, wurden in Teil B aufgenommen.

Es wurde eine Pilotstudie mit einer Zufallsstichprobe von 27 Befragten durchgeführt, die ältere Diabetiker waren und digitale Gesundheits-Wearables verwendeten, gefolgt von der Hauptstudie. Der Hauptgrund für die Pilotstudie war es, sicherzustellen, dass es während der Hauptdatenerfassungsphase keine Probleme geben würde. Abgesehen von ein paar Formulierungsfehlern, die anschließend behoben wurden, wurden keine wesentlichen Probleme festgestellt. Es ist erwähnenswert, dass nach der Pilotstudie ein Pool von Experten unseren strukturierten Fragebogen weiter überprüfte, insbesondere für Teil B, der insgesamt siebenundzwanzig Fragen enthielt. In Anbetracht der mangelnden Englischkenntnisse einiger Umfrageteilnehmer übersetzten wir unseren Fragebogen ins Bengalische und ließen die Teilnehmer die Fragen entweder auf Englisch oder Bengalisch beantworten. Es ist erwähnenswert, dass Bengali die erste Sprache für die Menschen in Bangladesch ist, und Englisch ist ebenfalls weit verbreitet. Jeder Befragte wurde zu Beginn der Umfrage gebeten, eine Einverständniserklärung auszufüllen, und sie erhielten auch das entsprechende Informationsblatt, in dem der Zweck unserer Studie beschrieben wurde. Insgesamt gab es 232 Befragte, und wir mussten neun unvollständige Fragebögen ausschließen.

Von den Befragten waren 60,1 % männlich und 39,9 % weiblich. Die Befragten im Alter zwischen 60 und 64 Jahren stellten die größte Gruppe in der Stichprobe dar (41,7 %), gefolgt von den Befragten im Alter von 65 bis 69 Jahren (30,0 %). Die anderen beiden Altersgruppen, die Befragten zwischen 70 und 74 Jahren und die 75 Jahre und älter, stellten 18,4 % bzw. 9,9 % der Gesamtbevölkerung. Nach dem Familienstand war die Mehrheit der Befragten (55,6 %) verheiratet und 30,9 % waren nie verheiratet; 10,3 % der Befragten gaben an, getrennt/geschieden zu sein, und 3,1 % waren verwitwet. Was den Bildungsgrad der Befragten angeht, so hatte die Mehrheit (53,4 %) einen Bachelor-Abschluss, während 30,0 % einen Postgraduierten-Abschluss hatten. Von den übrigen Befragten hatten 11,2 % einen Diplomabschluss, und 5,4 % hatten nach der Schule kein weiteres Studium absolviert. Was die Erwerbstätigkeit betrifft, so war die Mehrheit der Befragten (70,9 %) vollzeitbeschäftigt, 8,5 % waren teilzeitbeschäftigt und 15,7 % waren nicht erwerbstätig. Nur 1,8 % der Befragten waren nicht erwerbstätig, während 3,1 % arbeitslos waren. In die Kategorie der Vollzeitbeschäftigten wurden auch Personen einbezogen, die ihr eigenes Unternehmen (Geschäftsinhaber) auf Vollzeitbasis führen. Tabelle 1 zeigt die demografischen Merkmale der Befragten.

• Maßnahmen und Instrumentenentwicklung

Für diese Studie haben wir auf der Grundlage der zuvor validierten Skalen ein papierbasiertes Erhebungsinstrument entworfen, das an den Kontext von digitalen Gesundheits-Wearables angepasst wurde. Die Items zur Messung der wahrgenommenen Nützlichkeit wurden von Thong et al. und Venkatesh et al. adaptiert [43,44]. Vier Items zur Messung der wahrgenommenen Benutzerfreundlichkeit wurden von Davis, Brinkman et al., Hung et al., Wang und Wei et al. adaptiert [25,39,43-47]. Vier Items wurden von Bhattacherjee und Barfar, Venkatesh und Goyal sowie Venkatesh et al. [44,48,49] zur Messung der Fortführungsabsicht adaptiert. Drei Items wurden von Flavián und Gurrea sowie Schifferstein und Zwartkruis-Pelgrim [34,50] adaptiert, um die wahrgenommene Unersetzbarkeit zu messen. Die wahrgenommene Glaubwürdigkeit wurde anhand der von Wang et al. [36] adaptierten Items gemessen. Zur Messung der Kompatibilität wurden drei Items aus Bradford und Florin sowie Li et al. [51,52] adaptiert. Schließlich wurden fünf Items von Venkatesh et al. und Chong et al. [53,54] adaptiert, um den sozialen Einfluss zu messen.

Wir verwendeten die Strukturgleichungsmodellierung (SEM), um die Beziehung zwischen den vorgeschlagenen hypothetischen Konzepten zu bewerten und das vorgeschlagene konzeptionelle Forschungsmodell zu validieren. SEM ist eine der weit verbreiteten glaubwürdigen multivariaten statistischen Analysetechniken, die in vielen Studien verwendet wurde [55]. In unserer Studie wurde die Software AMOS (v. 22) verwendet, um die gesammelten Daten zu analysieren. Wir verwendeten die fünfstufige Likert-Skala, die von „stimme überhaupt nicht zu“ (1) bis „stimme voll und ganz zu“ (5) reichte, um alle Konstrukte des Forschungsmodells zu messen [56], mit Ausnahme des demografischen Profils. Die Antworten wurden später für die Datenanalyse auf einer Skala von „stimme überhaupt nicht zu“ (-2) bis „stimme voll und ganz zu“ (2) umcodiert.

Referenzen und Open Access Hinweis

This is an open access article distributed under the Creative Commons Attribution License which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited

Ahmad, A.; Rasul, T.; Yousaf, A.; Zaman, U. Understanding Factors Influencing Elderly Diabetic Patients’ Continuance Intention to Use Digital Health Wearables: Extending the Technology Acceptance Model (TAM). J. Open Innov. Technol. Mark. Complex. 2020, 6, 81. https://doi.org/10.3390/joitmc6030081