Author:
Fettermann Diego,Philipi Calegari Luiz
Abstract
A pesar del potencial beneficio del uso de los sistemas de e-Salud para compartir datos de salud, la relación entre la tecnología y sus proveedores con los potenciales usuarios tiende a ser compleja. Por eso, es importante interpretar los factores que explican la aceptación de nuevas tecnologías por parte de estos usuarios. Este trabajo tiene como objetivo sintetizar los resultados de aceptación de tecnologías de e-Salud disponibles en la literatura. Para ello, se utilizaron las relaciones y los constructos propuestos en el modelo de aceptación de tecnología UTAUT. Además, se probó los efectos de las variables moderadoras (género, grupo etario, presencia de enfermedad, usuario, aplicación tecnológica y año de publicación) en las relaciones propuestas en el modelo UTAUT mediante el procedimiento de metarregresión. Se observa la importancia en el efecto de los constructos “Expectativa de Rendimiento”, “Expectativa de Esfuerzo” e “Influencia Social” sobre el constructo “Intención de Comportamiento”. También es posible observar el sentido del efecto de los constructos “Intención de Comportamiento” y “Condiciones Facilitadoras” sobre el constructo “Comportamiento de Uso”. Entre las variables moderadoras, solo la variable “grupo etario” no resultó en moderación significativa para ninguna relación. Este estudio presenta estimaciones de los factores que determinan la aceptación de nuevas tecnologías para la salud y sugiere una orientación general para el desarrollo de nuevas tecnologías de e-Salud considerando su aceptación por parte de los usuarios.
Reference114 articles.
1. ADAPA, A.; NAH, F. F.; HALL, R. H.; SIAU, K.; SMITH, S. N. Factors Influencing the Adoption of Smart Wearable Devices. International Journal of Human–Computer Interaction, [s. l.], v. 34, n. 5, p. 399–409, May 2017. DOI https://doi.org/10.1080/10447318.2017.1357902.
2. AL-KHAFAJIY, M.; THAR BAKER; CHALMERS, C.; ASIM, M.; KOLIVAND, H.; FAHIM, M.; WARAICH, A. Remote health monitoring of elderly through wearable sensors. Multimedia Tools and Applications, [s. l.], v. 78, p. 24681–24706, Jan. 2019. DOI https://doi.org/10.1007/s11042-018-7134-7.
3. ALSSWEY, A.; AL-SAMARRAIE, H. Elderly users’ acceptance of mHealth user interface (UI) design-based culture: the moderator role of age. Journal on Multimodal User Interfaces, [s. l.], v. 14, n. 1, p. 49–59, Mar. 2020. DOI https://doi.org/10.1007/s12193-019-00307-w.
4. AN, J. Y. Theory development in health care informatics: Information and communication technology acceptance model (ICTAM) improves the explanatory and predictive power of technology acceptance models. Studies in Health Technology and Informatics, [s. l.], v. 122, p. 63–67, Jun. 2006. Disponível em: https://www.scopus.com/inward/record.uri?eid=2-s2.0-39049191130&partnerID=40&md5=660d46f738142e34585767358c50dfb5. Acesso em: 5 maio de 2020.
5. ATASEVEN, C.; NAIR, A. Assessment of supply chain integration and performance relationships: a meta-analytic investigation of the literature. International Journal of Production Economics, v. 185, p. 252–265, Mar. 2017. DOI https://doi.org/10.1016/j.ijpe.2017.01.007.