基于互联网的数字健康干预：UTAUT验证和影响因素研究

互联网干预26（2021）100459接受数字健康干预理工PaulaPhilippia，*，HaraldBaumeistera，JenniferApolina'rio-Hagenb，DavidDanielEbertc，Severin Hennemannd，Leonie Kott a，Jiaxi Lin e，Eva-Maria Messnera，Yannik Terhorst a， fa德国乌尔姆大学心理学和教育研究所临床心理学和心理治疗系b德国杜塞尔多夫海因里希·海涅大学医学院职业、社会和环境医学研究所c德国慕尼黑工业大学体育与健康科学系d德国美因茨约翰-古腾堡大学临床心理学、心理治疗和实验精神病理学系德国弗莱堡大学医学院精神病学和心理治疗系，弗莱堡大学医学中心f德国乌尔姆大学心理与教育研究所研究方法系A R T I C L EI N FO保留字：技术接受与使用统一论基于互联网和移动设备的干预措施数字健康实施科学eHealthA B S T R A C T基于互联网和移动设备的干预措施（IMI）为补充医疗保健提供了有效途径。IMI是在日常护理中实施的关键促进因素，但接受程度往往很低。本研究以技术接受与使用统一理论（UTAUT）为基础，对UTAUT进行验证，并将其应用于数字医疗。在系统性文献检索后，10项基于UTAUT的原始研究（N=1588）评估了患者的以及医务人员对不同身心健康状况的IMI的接受程度。所有纳入的研究均通过自我报告问卷评估了绩效期望、努力期望、社会影响、促进条件和接受以及年龄、性别、互联网经验和互联网焦虑。对于模型验证，使用结构方程模型获得并分析了原始数据最佳拟合模型（RMSEA= 0.035，SRMR= 0.029）复制UTAUT的核心预测接受的基本结构。性能EX期望值是最强的预测因子（γ=0.68，p 0.001）。<网络焦虑被认为是接受度的额外决定因素（γ=-0.07，p 0.05），并调节社会影响（γ=0.07，p0.05）和努力程度（γ=-0.05，p 0.05）的影响。<<<年龄、性别和经验没有调节作用。接受是充分利用国际管理学院潜力的一个基本先决条件。调整后的UTAUT提供了一个功能强大的模型，可识别重要因素（1. 介绍技术已经越来越多地出现在社会中，并提供了数字化的机会，从而补充和改善医疗保健，例如通过基于互联网和移动的干预（IMI）（Andersson，2018; Ebert等人，2018年）。IMI的特征在于它们在使用位置和时间方面的灵活性，从而可以克服结构障碍（Ebert等人，2018年）。此外，IMI提供了一种低门槛的治疗选择，可以减少甚至消除对污名化、歧视或歧视的恐惧。尴尬（Andrade等人，2014; Baumeister等人，2017年）。新型冠状病毒肺炎疫情的爆发以及对社会和职业生活以及个人流动性的相关限制，使得对传统健康治疗的可行、可扩展和灵活的替代和补充的需求变得更加明显。IMI对于广泛的身体和精神健康状况的有效性有充分的记载（Ebert等人，2018; Moshe等人，2021 b）。然而，患者和健康专业人员对IMI的接受是在它们能够显著影响健康护理之前的基本要求（Cranen等人， 2012年）。目前的证据一致表明，* 通讯作者：乌尔姆大学，工程学院，计算机科学和心理学，心理学和教育研究所，临床心理学和心理治疗系，Lise-Meitner-Str. 16，89081 Ulm，德国。电子邮件地址：paula.philippi@ uni-ulm.de（P。Philippi）。https://doi.org/10.1016/j.invent.2021.100459接收日期：2021年7月26日;接收日期：2021年9月14日;接受日期：2021年9月15日2021年9月20日网上发售2214-7829/©2021的自行发表通过ElsevierB.V.这是一个开放接入文章下的CCby-NC-ND 许 可 证（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。可在ScienceDirect上获得目录列表互联网干预期刊主页：www.elsevier.com/locate/inventP. Philippi et al.互联网干预26（2021）1004592===-患者对IMI的接受度为低至中等（Baumeister等人，2014，2015; Ebert等人，2015）以及健康专业人员（Baumeister等人，2020; Hennemann等人，2017年）。这种缺乏接受可能解释了总体低摄取率和依从率（Karyotaki等人，2017; Lillevoll等人，2014年; Lin等人，2018年;米切尔和戈登，2007年）。因此，了解有助于接受IMI的因素至关重要。1.1. 接受的理论背景和决定因素在技术及其 接受决定因素领域 ，接受和使用技术的 统一理论（UTAUT）（Venkatesh等人，2003）是最常用的模型，为影响接受度的潜在因素提供了理论框架（Blut et al.，2021年）。UTAUT是基于八个先前存在的用户接受模型之间的概念相似性而开发的：理性行为理论（TRA; Fishbein和Ajzen，1975），技术接受模型（Davis，1989），动机模型（Davis等人， 1992）、计划行为理论（Ajzen，1985）、TAM和TPB组合（Taylor和Todd，1995）、PC利用模型（Thompson等人，1991）、创新扩散理论（Moore和Benbasat，1991）和社会认知理论（Bandura，1986）。Venkatesh等人（2003年）回顾并分析了这些模型，从而确定了相关结构作为技术接受和使用行为的决定因素。UTAUT的基本概念是，使用信息技术的意图是实际使用的直接预测因素。行为意图被概念化为对技术的接受（Holden和Karsh，2010）。UTAUT假设了接受和使用技术的四个核心决定因素：1）个人将从使用技术中获得的预期收益（绩效预期），2）使用技术的预期易用性（努力预期），3）预期-重要的其他人认为应该使用（社会影响）和4）预期的技术或组织支持，而使用该技术（促进条件 ） 以 及 四 个 主 持 人 ： 年 龄 ， 性 别 ， 经 验 和 使 用 的 非 自愿 性（Venkatesh等人，2003年）。虽然UTAUT模型最初是在工作场所环境中开发和制定的（Venkatesh等人， 2003年），它已成功应用于其他各个领域，如互联网银行（Sok Foon和Chan Yin Fah，2011年），教育数字化（Chao，2019年; Marchewka等人， 2007）或在线游戏（Chen等人，2011; Dwivedi等人，2020年），以及在医疗部门，例如，采用电子医疗记录（Hennington和Janz，2007; Wills等人，2008）、临床决策支持系统（Heselmans等人，2012）或疾病监测和管理应用程序（Rho 例如，2015; Seethamraju等人，2018年）。鉴于UTAUT的普遍性，UTAUT中接受的决定因素也可能是接受IMI的有希望的预测因素。然而，在数字医疗使用互联网/技术焦虑是另一种经常讨论的抑制摄取和接受的因子（Celik和Yesilyurt，2013;Jimison等，2008年）。 互联网焦虑被定义为在使用互联网时经历的恐惧或不信任，并且受到用户的个性以及个人信念（如资源或促进条件和社会支持）的影响（Thatcher et al.，2007年）。因此，对于扩展UTAUT，网络焦虑可能是接受和使用IMI的相关决定因素。1.2. 研究目的尽管UTAUT模型被频繁使用，但尚未在数字健康干预的背景下得到验证。本研究的目的是进行UTAUT的模型验证和进一步开发（例如，调查互联网焦虑的影响）在IMI的背景下，包括患有各种疾病的患者，身体健康和心理健康，以及健康专业人员，以便更好地了解接受的预测因素，并确定促进接受IMI的方法。调查了以下研究问题1. 努力期望、绩效期望和社会影响是否如UTAUT所提出的那样对接受产生影响2. 性别、年龄和经验的直接影响和调节作用是什么？3. 网络焦虑对大学生的接受度有何影响？2. 方法2.1. 研究的确定和这是一项次要分析，基于评估IMI可接受性的多项原始研究的主要数据。为了识别相关研究，进行了系统的文献检索。于2020年11月12日检索了数据库MEDLINE、PsycINFO和Embase，检索词为“移动”、“互联网”、“在线”、“智能 *"、“网络”、“混合”、“接受“和“意图”。删除重复内容后，由两名独立研究者筛选标题和摘要（PP，YT;一致性：97%，κn0.96）。全文获得其余研究并筛选合格性（PP，YT;一致性：100%，κn1）（Brennan和Prediger，1981）。合格的研究必须1）使用UTAUT模型测量接受度，2）关注独立或混合护理环境中对IMI的接受度。3)患者以及卫生专业人员（例如，治疗师）是合格的目标群体。排除了关注特定产品接受度（即IMI的回顾性满意度）而非数字治疗总体接受度的研究。此外，仅报告定性数据的研究被排除。联系了已确定研究的相应作者，并要求其分享原始数据。在无应答的情况下，排除研究。随后，将所有提供的数据集均质化并合并为单个数据集。确定了14项合格研究，其中10项提供了主要数据（更多详细结果见第3.1节）。2.2. 措施2.2.1. 接受度和主要预测因素所有纳入的研究均基于UTAUT评估了对数字干预的接受程度。在纳入的研究中，UTAUT问卷的个体适应性并不总是相同的，每项研究的项目数量可能不同。如果配方足够相似，则在纳入的研究中匹配项目。相似性由两名独立研究人员（PP，YT）确定。在讨论中解决了冲突。分析中包括的最终项目如下：接受被操作为行为意图（Venkatesh等人，（2003）共4个项目，其中绩效期望和努力期望各3个项目，社会影响和促进条件各2个项目。所有项目均为自我报告，并采用5分制进行评分，范围从“完全不适用“（1）到“完全适用“（5），所有项目见补充表1。实证因素分析得出了一个很好的模型拟合的问卷（RMSEA0.04，SRMR0.03，补充表2和补充图1）突出了所用问题的结构效度。2.2.2. 版主最初的UTAUT定义了预测因子和接受度之间关系的四个调节因子：年龄、性别、经验和使用的非自愿性（Venkatesh等人，2003年）。电子体验被操作为互联网的平均使用率和阅读和撰写电子邮件的频率，自我报告，并按5分制评分，范围从在任何研究中均未评估使用的非自愿性，因此未将其作为调节因素。互联网焦虑，IMI的特定变量，被列为一个潜在的主持人和直接预测的接受。P. Philippi et al.互联网干预26（2021）1004593三项网络焦虑（例如，“互联网对我来说是一种威胁”），也是自我报告，并以5分制进行评分，从“完全不适用“（1）到“完全适用“（5），都被纳入分析。所有项目见补充表1。2.3. 统计分析应用结构方程模型。为了评价模型拟合和比较不同的模型，考虑了各种拟合指数。χ2 检验倾向于过于敏感地拒绝错误指定的模型（Browne和Cudeck，1992;Moshagen，2012;Moshagen和Erdfelder，2016），因此使用拟合均方根误差（RMSEA）作为非中心性参数，使用标准化均方根残差（SRMR）作为残差指标。可接受拟合优度的临界值基于标准建模标准：估计方差模型，然后将两组之间的所有载荷约束为相等（度量不变性），然后将所有项目干扰约束为相等（标量不变性）。此外，通过将因子方差、协方差和回归约束为相等，研究了潜在结构的不变性（Millsap，2007）。进行了逐步模型比较。在等效模型拟合的情况下，由于其简约性，选择了更具限制性的模型。所有其他调查的潜在调节因素（年龄，经验，网络焦虑）是连续的。由于其优于替代方法，如中位数分割，通过将每个z标准化调节因子乘以每个z标准化主要预测因子来计算相互作用变量（MacCallum等人，2002年）。为了评估调节效应，主持人和交互变量的主效应都被包括作为接受的预测因子。主持人被允许与原始的主要因素（即，RMSEA 0.06，SRMR 0.08（Hu和Bentler，1999年）。赤池信息-绩效EX期望、努力EX期望、社会影响和模型比较采用AIC准则和BIC准则。通过模型差异检验比较嵌套模型。为了进一步研究错配的结构和潜在来源，评估了修饰指数（MacCallum等人，1992年）。使用全信息最大似然估计量估计参数，即使在匹配过程中出现数据缺失的情况下，也可以进行准确的参数估计（Enders，2010）。模型1。为了评估UTAUT的拟议结构，模型1由三个潜在因素（绩效期望、努力期望和社会影响）组成，作为接受（行为意图）的预测因子。与UTAUT一致，促进条件不作为验收的预测因素。允许主要因素（即，绩效期望、努力期望、社会影响和促进条件）之间存在相关性。模型1如图所示。1.一、2.3.1. 主持人分析为了评价是否存在性别效应（分类变量），使用建模方法检验了两个性别组之间的不变性。起初，一个不受约束的圆顶条件），并与对方。以逐步方式排除非显著性参数，并通过将具有自由估计参数的模型与相互作用变量参数逐步固定为零的模型进行比较来进行模型比较。在等模型拟合的情况下，由于其简约性，选择2.3.2. 分析软件软件R用于所有分析（R开发核心团队，2016）。对于验证性因素分析和结构方程建模，使用R软件包“lavaan“（版本0.6-8）（Rosseel，2009）。3. 结果3.1. 描述性统计量系统的文献检索产生了14个相关的研究，评估了参与者对基于UTAUT的IMI的接受程度。联系了所有通讯作者总共有14个联系人中的10个Fig. 1. 模型1。P. Philippi et al.互联网干预26（2021）1004594====-====-=-==-研究小组作出回应，并同意分享他们的主要数据（Apolina'rio-Hagen等人， 2018;Baumeister等人，2014，2015，2020; Ebert等人，2015;Hennemann等人，2016; Kott等人，2020; Lin等人，2018;Messner和Baumeister，2020 a，2020 b）。该流程图可以在图中找到。 二、纳入的10项研究产生了N 1588个体的总体样本。两项研究集中于抑郁症的IMI（n294例; 18%），1例针对糖尿病和共病抑郁症（n141; 9%），n 219（14%）例受试者来自两项重点关注慢性疼痛的试验，另一项试验针对老年人的福祉和健康（n47;3%），一项评估对胃肠道问题的IMI的接受程度（n152; 13%），一项重点关注住院患者的术后护理（n 287; 18%），另一项针对多发性硬化症（n175; 11%），最后一项评估心理治疗师对混合治疗的接受程度的研究（n273人，占17%。大多数参与者是女性（57%）。样本的平均年龄为M44.1岁（SD17.0），范围为18 - 93岁。平均接受度为低至中度（M2.82，SD1.12，量表范围1-5）。所有纳入变量的描述性统计量概述见表1。3.2. 模型验证为了评估原始UTAUT模型的拟议结构，应用了结构方程模型。模型1包括三个预测接受。 UTAUT假设的所有直接影响意义重大值得注意的是，表现EX期望值（γ0.67）是最强的预测因子，仅解释接受度的45.4%方差（R20.45）。有趣的是，潜在因素促进条件和努力效率之间存在很强的相关性（r=0.95）。因此，我们认为，表1预测因子、调节因子和接受度的描述性统计。女性M（标准差）男性M（标准差）M（标准差）性别n（%）1906人（57%）585人（37%）年龄41.1（17.0）44.1（17.0）行为意向2.93（1.11）2.68（1.12）2.82（1.12）性能EX性能2.89（1.14）2.69（1.12）2.80（1.14）努力EX期望3.41（1.10）3.26（1.18）3.34（1.14）社会影响力2.57（1.11）2.56（1.09）2.55（1.10）便利条件3.53（1.18）3.62（1.18）3.56（1.18）EX经验3.24（1.40）2.71（1.40）2.96（1.42）互联网焦虑2.01（0.96）1.77（0.87）1.92（0.94）注. （1）n = 97未说明性别。性别占总人数的百分比测试了促进条件和工作效率的单因素解决方案修正指数表明项目FC 01和EE 02的残差变异之间存在相关性，这显著改善了模型拟合（模型比较见表2），因此将其引入表2模型1和模型1b的模型拟合比较AIC BIC RMSEA SRMR模型1 68 214 44，470 44，741 0.043 0.027型号1b 67 1840.001 44，433 44，709 0.039 0.023注. AIC：赤池信息准则; BIC：贝叶斯信息准则; RMSEA：拟合均方根误差;SRMR：均方根残差。图二. 研究流程图。P. Philippi et al.互联网干预26（2021）1004595=-- -模型（模型1b）。包括参数估计的最终模型（1b）如图所示。3 .第三章。3.3. 主持人分析基于模型1b，建议的主持人进行了评估。为了分析性别的潜在影响，将模型1b分为两组（雄性和雌性），允许进行分组参数估计。通过逐步将两组之间的参数限制为相等，并与之前限制较少的模型进行比较，建立了不变性。结果表明，男性和女性的负荷、方差、协方差和回归是相等的。仅EE 03、BI 02和BI 04项的概念不同。因此，该模型的结构和回归关系与性别无关（Millsap，2007年）。接下来，包括所有剩余的潜在主持人（即，年龄，经验，和互联网焦虑）作为主要和交互作用的影响进行了估计。以逐步方式排除非显著参数，并进行模型比较。没有经验或年龄的显着影响（既不是主效应，也不是相互作用效应）。最后的最佳拟合模型（RMSEA0.035，SRMR 0.029）包括网络焦虑的主效应以及网络焦虑与社会影响和努力EX预期的交互效应，仅次于原始UTAUT预测因子性能EX预期，努力的经济，社会影响力。网络焦虑对接纳有显著的负向影响（γ=-0.07），对社会影响与接纳的关系有调节作用（γ= 0.07），对努力期望与接纳的关系有调节作用（γ0.05）的范围内。的包含这些有向路径的网络焦虑模型显著优于无向路径模型。最后改编包括所发现的缓和效应的模型可以在图4中找到。最终模型的回归路径对于指示区域也是不变的（情感条件与其他条件：RMSSEA= 0.001;躯体条件：相对于其他：RMSEA =-0.001）。4. 讨论据我们所知，本研究是第一个在IMI背景下验证UTAUT的研究，样本量大且范围广，涵盖患者和医疗专业人员的多种身体和精神健康状况。首先，出色的模型拟合表明，UTAUT的基本结构与接受度的三个主要预测 因 子 ， 即 Per-pectancy X pectancy ， Effort E X pectancy 和 SocialInfluence，在IMI的背景下也成立（Venkatesh et al.， 2003年）。然而，调节分析显示，没有一个调节变量的原始UTAUT有调节作用的接受 关于IMI相反，网络焦虑被认为是一个相关的调节因子，也是一个有意义的直接预测因子。因此，我们提出了一个适应的UTAUT模型，属性接受原来的主要因素性能EX期望，努力EX期望，社会影响力，并制定了一个直接影响的网络焦虑和调节作用的网络焦虑的社会影响力和努力E x期望接受。网络焦虑对社会影响与接纳的关系具有调节作用，表明社会支持对焦虑程度较高的人尤为重要。这与互联网焦虑的概念是一致的，因为它包括与人相关的方面以及社会支持方面（Thatcher et al.，2007年）。有证据表明，提供足够的支持，促进对技术的信任，并确保重要的社会人士鼓励使用该技术，图三. 模型1b的估计值。注. 估计数是标准化的。为了便于阅读，省略了错误术语 所有的路径都很重要。P. Philippi et al.互联网干预26（2021）1004596==图四、 适应模型的估计。注. 估计数是标准化的。 为了便于阅读，省略了错误术语。所有的路径都很重要。对于减少网络焦虑是重要的（Thatcher等人，2007年）。在IMI的背景下，这可以通过提供有关IMI程序和数据安全的足够信息以及提供技术帮助来实现，以确保用户在遇到问题或疑问时始终感到得到支持。除了这些研究结果对调节因子的重要性之外，UTAUT模型中最引人注目的发现是绩效期望对接受度的强烈影响（γ0.68）。仅性能指标就解释了约46%的验收方差。这种影响也独立于潜在的调节因素（性别，年龄，互联网经验和互联网焦虑）。因此，使用IMI的性能预期应该是提高接受度的核心目标（例如，在患者医疗保健专业人员交互中），并且因此，数字健康治疗的潜在用途。这一发现与关于健康行为改变模型的文献一致，例如健康行动过程方法，该方法将结果期望描述为形成健康相关意图的重要诱发因素（Schwarzer，2008; Schwarzer et al.，2011年）。此外，表现期望的重要性变得明显，不仅是为了增加接受度和使用，而且是为了增加干预的有效性：积极的期望似乎是影响精神障碍治疗变化的主要机制（Rutherford等人，2010）和用于预测手术结果（Auer等人，2015; Rief等人，2017年）。因此，业绩预期也可能是IMI有效性的一个重要决定因素，这进一步增加了对业绩预期管理的需求。部件（例如，（c）采取措施促进业绩增长）。一种有希望的改善性能期望和其他UTAUT因素的方法可以是通过验收（例如，Baumeister等人，2014）或参与（例如，Batterham等人，2019）促进干预措施。到目前为止，有几项关于在IMI目标绩效评估以及UTAUT模型的其他因素的背景下促进接受的干预措施的研究（Baumeister等人，2014，2015，2020; Ebert等人，2015; Lin等人，2018年）。然而，所部署的干预措施的格式（例如，短视频、案例、演示）以及它们的效果是异质的，从非显著效果（Baumeister等人， 2014年）至D的大效应量0.81（Baumeister等人，2015年）。因此，未来的研究是非常需要的，以确定以何种方式可以最有效地提高接受度。4.1. 局限性和对未来研究的虽然这项工作有助于了解接受IMI的最重要的决定因素，但也有一些局限性，应予以考虑。首先，需要强调的是，本研究报告只侧重于接受问题，而没有涉及技术的接受程度如何的问题（即，行为意图）和实际使用行为是相关联的。UTAUT将行为意图制定为实际使用行为的直接预测器（Venkatesh等人，2003年）。然而，人们并不总是按照他们的意图行事，这种现象通常被描述为“意图-行为差距”（Orbell和Shebell，1998）。这种现象也可能出现在数字健康的背景下。因此，需要未来的研究来解决缺乏证据支持使用IMI的意图与实际摄取和依从性之间的关系的问题（Baumel等人，2019; Lin等人，2018年）。第二，广泛的患者具有不同的躯体和本样本中的精神状况和治疗师代表了对该领域的独特贡献，因为可以得出关于P. Philippi et al.互联网干预26（2021）1004597=广泛的人口。然而，卫生专业人员在总体样本中的代表性不足，需要进一步研究以更好地了解这一特定人群。因此，应谨慎考虑与卫生专业人员相关的最后，本研究仅关注以治疗为重点的IMI智能传感）（Baumeister和 Montag ， 2019 年 ; Messner 等 人 ， 2019; Moshe 等 人 ， 2021 a;Opoku Asare等人， 2021年）。 在这些应用中，可能需要其他模型或本文提出的模型的修改（Salgado等人， 2020年）。此外，最近将兼容性、教育、个人创新和成本等因素确定为UTAUT模型在不同背景下的相关扩展workplace）在k1935个独立样本的Meta分析中（Blut等，2021年）。目前还不清楚在其他背景下发现的这些扩展是否也适用于IMI领域，应在未来的研究中进行探讨然而，对于这里集中的数字治疗（即IMI）的背景下，所提出的模型提供了一个强大的框架的因素影响接受解释81.5%的方差接受。4.2. 结论UTAUT成功地适应了接受IMI的背景。结果表明，网络焦虑是影响大学生接受度的直接因素，也是影响大学生接受度的调节因素。结果表明，所使用的问卷和模型适用于评估IMI的接受程度，并且在性别和适应症领域之间保持不变。关于实际影响，绩效评估对接受度的强烈直接影响特别重要，特别是对于促进干预措施的接受度设计，例如，应重点关注患者医疗保健专业人员的互动，以促进IMI的实际吸收和使用。此外，提供足够的支持和信息以及促进对技术的信任有助于减少网络焦虑。然而，未来的研究需要更深入地了解接受度与数字治疗的实际使用之间的关系（例如，IMI的吸收和粘附）以及最近应用于UTAUT的一些扩展（例如，兼容性，个人创新，成本，教育）从其他背景转移到IMI。资金详情这项研究没有从公共、商业或非营利部门的资助机构获得任何具体的数据和材料与所纳入项目的通讯作者的数据共享协议仅涵盖本项目的访问。因此，数据集不会公开。各项目的通讯作者可要求提供数据。数据的提供可能会受到数据共享协议的约束，对相应作者的支持取决于可用资源。本分析的R脚本可由YT请求CRediT作者贡献声明YT、HB和PP设计了该研究。YT和PP进行了系统的文献检索和研究选择过程。HB、JAH、DDE、SH、JL、LK和EMM提供了原始研究的主要数据。PP进行了数据分析并起草了手稿。YT提供方法和统计支持，并监督数据分析。所有作者都阅读、修改并批准了最终手稿。竞争利益HB和EMM收到咨询费、出席大会的报销和差旅费以及心理治疗和精神病学协会以及心理治疗培训机构在电子心理健康主题方面的讲座费用。SH收到了心理治疗培训机构在电子心理健康主题方面的付款。DDE拥有GET.On Institut GmbH的股份，该公司致力于将基于互联网和移动电话的健康干预措施的研究成果转移到日常护理中。DDE已经收到了几家公司和医疗保险提供商的付款，以获得关于使用基于互联网的干预措施的建议。他收到了心理治疗和精神病学协会的讲座费用，并成为健康保险提供者第三方资金的受益人。所有其他作者均声明无利益冲突确认我们要感谢所有参与研究的研究人员：Apolina'rio-Hagen ， J. ， Menzel ， M. ， Hennemann ， S. ，Salewski，C.，2018.多发性硬化症患者接受移动健康应用程序进行疾病管理：基于网络的调查研究。JMIR表格。Res. 2. 网站名称：https://doi.org/10.2196/11977Baumeister，H.，诺沃钦湖，林，J.，Seifferth，H.，Seufert，J.，Laubner，K.，Ebert，D. D.，2014.接受促进干预对糖尿病患者接受基于互联网的抑郁症干预的影响：一项随机对照试验Diabetes Res.Clin.Pract.105，30-39.网站名称：https://doi.org/10.1016/j.diabres.2014.04.031Baumeister，H.，Seifferth，H.，林，J.，诺沃钦湖，Lüking，M.，Ebert，D. D.，2015年。接受促进干预对患者接受基于互联网的疼痛干预的影响-一项随机对照试验Clin. J. 疼痛31，528-535。doi：https://doi.org/10.1097/AJP.00000000000118Baumeister ， H. ， Terhorst ， Y. ，Grassle ， C. ，Freudenstein，M.，尼布林河，Ebert，D. D.，2020.接受促进干预对心理治疗师接受混合心理治疗的影响。PLOS ONE15. doi：doi：https://doi.org/10.1371/journal.pone.0236995Ebert ， D. D. ， Berking ， M. ， Cuijpers ， P. ， Lehr ， D. ，Pörtner，M.， 包迈斯特，H.，2015.增加接受基于互联网的心理健康干预的初级保健患者的抑郁症状。随机对照试验。J.Affect.混乱176，9-17。doi：https：doi.org/10.1016/j.jad.2015.01.056Hennemann，S.，Beutel，M.E.，茨韦伦茨河2016年。在住院常规护理中接受基于网络的患者善后护理的驱动因素和障碍：一项横断面 调 查 。J.Med. 因 特 网 资 源 十 八 岁 doi ： https ： //doi.org/10.2196/jmir.6003科特湖，Messner，E. M.，Baumeister，H.，2020. 胃肠道不适（mSANO tummy）移动干预的接受促进研究。好吧注册。Klin. 种马啊林 ， J. ， 浮 士 德 ， B. ， Ebert ， D. D. ， Kr a？ mer ， L. ，Baumeister，H.，2018年一项基于网络的接受促进干预措施，用于确定患者对基于互联网和移动设备的疼痛干预措施的接受、吸收和依从性：随机对照试验。J.Med. Internet Res. 20，e244。网站名称：https://doi.org/10.2196/jmir.9925Messner，E. M.，Baumeister，H.，2020年a。接受促进抑郁障碍（mSANO情绪）的移动干预研究。好吧注册。Klin. 种马啊Messner，E. M.，Baumeister，H.，2020年b。接受促进研究为移动为基础的干预措施，为老年人（mSANO社会）。好吧注册。Klin. 种马啊附录A. 补充数据本文的补充数据可在https：//doi网站上找到。P. Philippi et al.互联网干预26（2021）1004598org/10.1016/j.invent.2021.100459。引用阿曾岛1985.从意图到行动：计划行为理论。行动控制：从认知到行为施普林格，纽约，pp. 11- 39安德森，G.，2018.互联网干预：过去、现在和未来。互联网访谈12，181-188。https://doi.org/10.1016/j.invent.2018.03.008网站。安德拉德，L.H.，阿隆索，J.，Mneimneh，Z.，威尔斯，J.E.，哈姆扎维，博尔赫斯，G.，Bromet，E.，布鲁费茨河德吉罗拉莫，G.，de Graaf，R.，弗洛雷斯库，S.，古雷耶河，澳-地Hinkov，H. R.，Hu，C.，黄，Y.，黄岛，印尼-地Jin，R.，Karam，E.G.，Kovess-Masnovsky，V.，Levinson，D.，Matschinger，H.，Posada-Villa，J.，萨加尔河，桑普森，N.A.，萨苏角，Stein，D.J.，Takeshima，T.，Viana，M.C.，泽维尔，M.，Kessler，R.C.，2014年。精神卫生治疗的障碍：来自世卫组织世界精神卫生调查的结果。Psychol. Med. 44，1303-1317. https://doi.org/10.1017/S0033291713001943.Apoli n'ario-Hagen，J.，Menzel，M.，Hennemann，S.，Salewski，C.，2018年多发性硬化症患者接受移动健康应用程序进行疾病管理：基于网络的调查研究。JMIR表格。Res. 2https://doi.org/10.2196/11977。Auer，C.J.，Glenewski，J.A.，Doering，B.K.，Winkler，A.，Laferton，J.A.C.，Broadbent，E.，里夫，W.，2015年。患者的预期可预测手术结局：一项荟萃分析。https://doi.org/10.1007/s12529-015-9500-4网站。班杜拉，A.，一九八六年思想和行动的社会基础：社会认知理论。普伦蒂斯大厅，恩格尔伍德悬崖。巴 特 汉 姆 ， P.J. ， Calear， A.L.， 桑 德 兰 ， M.， Kay-Lambkin， F.， Farrer， L.M.，Gulliver，A.，2019. 一个简短的干预，以增加抑郁和焦虑的在线程序的吸收和坚持：增强参与与心理社会干预（EEPI）随机对照试验的协议。对流临床试验78，107-115。https://doi.org/10.1016/j.cct.2019.01.015。Baumeister，H.，蒙塔格角，2019.数字表型和移动传感，神经科学，心理学和行为经济学研究。Springer International Publishing，Cham. https://doi.org/10.1007/978-3-030-31620-4网站。Baumeister，H.，诺沃钦湖，林，J.，Seifferth，H.，Seufert，J.，Laubner，K.，Ebert，D. D.，2014.接受促进干预对糖尿病患者接受基于互联网的抑郁症干预的影响：一项随机对照试验Diabetes Res. Clin. Pract. 105，30-39.https://doi.org/10.1016/j的网站。 diabres.2014.04.031。Baumeister，H.，Seifferth，H.，林，J.，诺沃钦湖，Lüking，M.，Ebert，D. D.，2015. 接受促进干预对患者接受基于互联网的疼痛干预的影响-随机对照试验Clin. J. 疼痛31，528-535。网址：http：//doi.org/10.1097/AJP.0000000000000118Baumeister，H.，林，J.，Ebert，D. D.，2017年。基于互联网和移动设备的方法：医疗康复中的心理社会诊断和治疗。Bundesgesundheitsblatt - Gesundheitsforsch. - Gesundheitsschutz 60，436-444. https://doi.org/10.1007/s00103-017-2518-9。Baumeister，H.，Terhorst，Y.， Grässle，C.，Freudenstein，M.，尼布林河，Ebert，D. D.，2020年。接受促进干预对心理治疗师接受混合心理治疗的影响。15.history of life https://doi.org/10.1371/journal的网站。pone. 0236995.Baumel，A.，Muench，F.，Edan，S.，凯恩，J.M.，2019.心理健康应用程序的客观用户参与J.Med. Internet Res. 21，e14567https://doi.org/10.2196/14567。布鲁特，M.，庄，A.，Tsiga，Z.，Venkatesh，V.，2021.接受和使用技术的统一理论（UTAUT）的元分析：挑战其有效性，并在红海制定研究议程。 J. Assoc. INF. 系统Forthcom 1-128布伦南，R. L.，Prediger，D.J.，一九八一年Kappa系数：一些用途、误用和替代品。教育心理学测量41，687-699。布朗，M.W.，库德克河，1992.评估模型拟合的替代方法。社会学方法研究21，230-258。https://doi.org/10.1177/0049124192021002005网站。Celik，V.，Yesilyurt，E.，