《互联网医疗平台用户持续使用意愿影响因素实证研究》22000字（论文）

PAGEV互联网医疗平台用户持续使用意愿影响因素实证研究【摘要】在美国健康应用市场，约45%的用户在采纳或下载数字健康信息系统后会停止使用。全球数字健康信息系统都面临用户持续使用问题，信息系统领域的研究表明，持续使用才是用户使用行为的稳定表现，也是衡量系统与否成功的关键标准。本文从用户视角出发探析影响互联网医疗平台用户持续使用意愿的因素，首先整合期望确认模型和信息系统成功模型等基础理论，结合互联网医疗平台的特征，确定其基础变量，包含期望确认度、感知有用性、满意度、持续使用意愿、信息质量、系统质量和服务质量；同时创新性引入用户的感知健康威胁和用户电子健康素养两个用户因素来丰富模型，较为全面的研究分析互联网医疗用户持续使用意愿的影响因素。通过实证分析，感知有用性、满意度、电子健康素养正向显著影响用户持续使用意愿；期望确认度通过影响感知有用性和满意度进而间接影响用户持续使用意愿；服务质量直接影响满意度，间接影响用户持续使用意愿。因此，为了提高用户持续使用互联网医疗平台的意愿，本文建议相关平台需要增强平台的服务质量来提高用户的满意，完善平台来提高用户的有用性感知，增强用户的电子健康素养以及满足用户的多重需求。【关键字】互联网医疗、持续使用意愿、期望确认模型、信息系统成功模型目录TOC\o"1-3"【摘要】 I一、 引言 1(一) 研究背景 1(二) 研究意义 21. 理论意义 22. 实践意义 2(三) 研究思路与研究方法 31. 研究思路 32. 研究方法 3(四) 论文创新点 4二、 文献综述 4(一) 相关概念 41. 互联网医疗平台 42. 持续使用意愿 5(二) 国内外互联网医疗平台用户持续使用意愿研究现状 51. 基于期望确认模型的相关研究 52. 基于技术接受模型的相关研究 73. 基于信息系统成功模型的相关研究 8(三) 总结 9三、 模型构建与研究假设 10(一) 模型的建立 10(二) 研究变量的关系与研究假设 111. 期望确认度、感知有用性、满意度与持续使用意愿的关系 112. 信息质量、系统质量、服务质量与满意度的关系 123. 用户感知健康威胁、用户电子健康素养与持续使用意愿的关系 13四、 问卷设计与数据收集 14（一）问卷设计 14（二）研究对象 14（三）数据收集步骤 15（四）量表与问卷内容的设计 15五、 数据分析 17(一) 数据收集 17(二) 描述性统计分析 171. 人口统计特征及用户使用现状的描述性统计分析 172. 变量的描述性统计分析 19(三) 信度检验和效度检验 201. 信度检验 202. 效度检验 22(四) 结构方程模型分析 251. 结构方程模型建立 252. 模型拟合度 263. 路径系数的显著性 274. 假设验证结果 29六、 研究结论与展望 30(一) 研究结论 301. 期望确认度正向显著影响感知有用性 302. 期望确认度、服务质量正向显著影响用户满意度 313. 感知有用性、满意度、电子健康素养正向显著影响用户持续使用意愿 31(二) 管理建议 311. 增强互联网医疗平台服务质量，提高用户满意度 322. 完善互联网医疗平台，提高用户的有用性感知 323. 增强互联网医疗平台用户的电子健康素养 334. 满足用户多重需求 33(三) 研究局限与展望 34参考文献 35附录 38

PAGE43引言研究背景在互联网技术和信息技术的高速发展的当下，我国互联网普及率越来越高。据CNNIC在2020年第46次《中国互联网络发展状况统计报告》中数据显示，截至2020年6月，我国网民规模为9.40亿，互联网普及率达67.0%，较2019年6月份，提升了5.8%[1]。互联网的普及也推动了各种平台、移动app的快速发展。由于社会和科技的飞速发展，人们生活节奏的持续加快，越发严峻的全球环境污染问题，以至于人们的健康问题逐渐增多，据相关统计数据表明2018年，我国大城市工薪阶层中，处于亚健康状态的人口占70%以上，此外患有慢性病的人数也逐年递增[2]。因而人们也越来越重视健康，而能够为人们提供多功能健康服务的互联网医疗平台开始受到关注。国家卫生和计划生育委员会及国务院办公厅分别在2014年和2015年发布的《关于推进医疗机构远程医疗服务的意见》及《全国医疗卫生服务体系规划纲要》等文件中强调，应用移动互联网推动惠及全民智慧医疗服务，提高医疗服务能力和管理水平[3]。自2016年全国卫生与健康大会召开以来，健康中国已成为国家战略。全民健康，推动建设健康中国成为战略首要目标[4]。总理李克强在召开的国务院常务会议中指出，要促进“互联网+医疗健康”进程的发展，并对互联网在医疗领域的作用给予肯定[5]。在科技进步及政策的推动下，线上健康医疗行业的市场规模快速扩大，互联网医疗平台也在迅速发展。在一定程度上，互联网医疗平台不仅缓解医疗资源分配不平衡的问题，也缓解了医患关系紧张等现象，越来越多人们开始尝试互联网医疗[6]。尤其在今年新冠肺炎疫情的影响之下，我国互联网医疗平台迎来了“爆发元年”，据平台数据表明，截至2月中旬，平安好医生平台上的累计访问达11.1亿次，APP新用户注册量增长10倍，新用户日均问诊量增长近9倍[7]；人们逐渐感受到互联网医疗平台的便利性、实用性，对其接受度逐渐提高。平台新用户的暴涨给互联网医疗平台的发展带来了新的发展机遇，但平台能否以及如何抓住机遇，留住用户，维持用户长期粘性成为各大平台企业需要思考的问题，同时也成为许多学者的关注点。在此背景下，研究互联网医疗平台用户的持续使用意愿极为重要。本文意图结合平台特征和用户特征，从用户的角度出发，引入研究变量进行实证研究，探析影响互联网医疗平台用户持续使用意愿的因素。研究意义理论意义首先，从当前的大多数研究及文献来看，聚焦于互联网医疗平台的开发和用户采用行为的研究相对较多，对于用户持续使用意愿的研究相对较少，且角度较单一。本文将以期望确认模型为主要的理论依据并结合信息系统成功模型理论，基于当下我国互联网医疗的使用情况背景，从用户视角出发，结合平台特征、用户特征，引入潜在变量，构建研究模型，并对假设进行论证，探讨分析影响互联网医疗平台用户持续使用的因素，旨在能构建更为完善的互联网医疗平台用户持续使用意愿的影响机制模型，对以往的研究做出理论上的补充，为我国对用户持续使用互联网医疗行为的研究做一定的贡献。其次，进行互联网医疗平台用户持续使用意愿影响因素的实证研究，并对其进行探析，给出可行性建议，对互联网医疗平台的运营和改进以及互联网医疗行业的发展具有理论性的指导意义。实践意义面对我国互联网医疗平台同质化严重且竞争日趋激烈的现状，用户的留存率和持续使用状况是平台成功的关键。因此，了解把握用户需求、留住现有用户、提升用户持续使用意愿的途径，已成为众多平台、商家最为关注的问题。本文研究分析影响用户持续使用意愿的因素，意在能帮助相关平台和商家更好的通晓促进用户持续使用平台的判断机制，更好的了解用户的需求，以期待互联网医疗平台拥有更好的发展和创新。研究思路与研究方法研究思路本文分为六个章节，各章节主要内容概括如图1-1所示：图1-1研究思路研究方法本文主要采用以下三种研究方法：第一，文献研究法。回顾和梳理国内外互联网医疗平台持续使用意愿的相关文献与研究，对前人的研究成果和经验进行整合，为后继的研究分析提供理论基础，为研究方法和模型建设提供思路。第二，问卷调查法。基于本文的研究模型和研究假设，设计出合理可靠的问卷，使用线上QQ、微信、微博等途径发放问卷，并收集数据。第三，结构方程法。利用SPSS软件和SPSSAU平台进行描述性统计分析、信度和效度分析。利用AMOS软件构建结构方程模型、进行拟合度分析、路径分析和假设检验。论文创新点虽然各种信息系统、软件、平台的持续使用意愿相关研究相对成熟，但是就目前我国而言，线上医疗平台的持续使用意愿研究较少。且在现有的相关文献中，将电子健康素养及感知健康威胁这两因素纳入研究中的极少。本文整合了期望确认模型理论和信息系统成功模型理论，结合互联网医疗平台的特征，确定了期望确认度、感知有用性、满意度、信息质量、系统质量和服务质量这几个变量，同时考虑到互联网医疗平台用户的特征，从用户自身的角度出发，引入了电子健康素养及感知健康威胁为潜变量丰富模型，更为全面的研究分析互联网平台用户持续使用意愿的影响因素。文献综述相关概念互联网医疗平台互联网医疗这一概念，在百度百科中的界定是联网在医疗行业的新应用，其包括了以互联网为载体和技术手段的健康教育、医疗信息查询、电子健康档案、疾病风险评估、在线疾病咨询、电子处方、远程会诊、及远程治疗和康复等多种形式的健康管家服务。目前互联网医疗平台确切定义尚未有学者给出，参考互联网医疗的相关概念，本文将互联网医疗平台定义为：通过互联网技术，创造能提供健康信息，开展在线问诊、建立电子健康档、药品配送等业务的互联网医疗平台。持续使用意愿lyytinen和Hirschheim与1987年指出，实现IS系统（informationsystem）成功的第一步为用户最初的接受[8][9]。但是，IS系统最终的成功并不取决于首次使用，而是取决于持续使用。Bhattacherjee在2001年定义了“持续使用意愿（continuanceuseintention）”这一概念，解释为：用户（消费者）长期使用某个信息系统的决定，以及在首次使用后继续使用该信息系统[10]。不同于初次使用意愿或愿意购买意愿等相关概念，用户的持续使用意愿可简单理解为：初次使用IS系统后愿意在未来长期使用它的主观意愿，而用户（消费者）持续使用信息系统的行为相当于消费者多次购买的行为。国内外互联网医疗平台用户持续使用意愿研究现状研究分别选用WOS和CNKI数据库数据、文献来源进行查找分析。以WOS数据库为文献来源，围绕互联网医疗平台的相关词汇，通过高级检索“TS=((healthappsORehealthORmhealthORDigitalhealthORInternetMedicalPlatform)AND(ContinuoususeORcontinueduse))”得到文献数量为1208篇。使用CNKI数据库为文献来源，经高级检索“主题=(互联网医疗平台+互联网医疗+在线医疗+在线健康+医疗APP)*持续使用”得到文献数量是25篇。相比之下，国内研究相对于国外研究较少。本文选取具有代表性的文献，以不同模型及理论作为标准进行分类梳理。基于期望确认模型的相关研究期望确认模型期望确认模型最初是根据1980年Oliver所提出的期望确认理论发展而来的，该理论常被用来探究消费者购买产品使用前和使用后所形成的满意度对其是否重复消费的影响[11]。随着期望确认模型越发频繁的在信息系统的相关研究中被使用，2001年，Bhattacherjee将期望确认理论加以扩展，所形成期望确认模型如下图2-1所示:图2-1望确认模型他认为在信息系统中，用户的初次使用与采纳和用户的持续使用之间没有必然的联系，而信息系统的成功与长期存在并非主要取决于用户的初次使用与采纳，相应的，其成功与长期存在主要取决于用户的持续使用。通过实证研究，他发现用户持续使用意愿受满意度和感知有用性的直接影响，受期望确认度的间接影响[10]。在用户对系统持续使用情况的研究中，该模型被广泛应用。基于期望确认模型的互联网医疗平台持续使用意愿研究张敏等学者研究了用户持续使用移动医疗APP的意愿，将期望确认模型作为理论基础，从信息生态的角度提出研究假设，建立研究模型。通过日志追踪实验结合调查问卷来收集数据，进行分析检验。研究发现期望确认模型里的假设均适用于移动医疗情境，且受信息人、信息环境、信息、信息技术因素共同影响用户持续使用意愿[12]。卞雪婷学者也同样基于期望确认模型（ECM），研究在线健康医疗网站用户的持续使用意愿。通过问卷调查法收集数据，并对其进行了结构模型路径分析和假设检验，结合利用KANO模型，结果表明：网站的信息质量和服务质量对期望确认和感知有用性有显著的影响作用。系统质量对感知有用性及期望确认的影响作用并不显著[13]。殷猛等学者以健康APP为例，研究了用户对移动APP的持续使用意愿。整合期望确认理论和系统成功理论，构建研究模型。通过实证研究发现，服务质量直接影响期望确认和感知有用性，系统质量和信息质量通过影响感知有用性，期望确认模型的相关假设在本文的研究中均成立。[14]。基于技术接受模型的相关研究技术接受模型技术接受模型（TAM）是美国学者FredD.Davis提出的，用于预测和解释信息技术被人们所接受的程度。用户感知有用性越高，则表示用户认为系统对自己帮助越大，感知易用性越高，则表示用户认为系统越容易上手。Davis认为，感知易用性有正向影响感知有用性的可能性。有不少用户行为模型都是由TAM模型为理论基础扩展而来的，用来分析人对新技术的使用行为。模型如下图2-2所示:图2-2TAM模型基于技术接受模型的互联网医疗平台持续使用意愿研究ChoJ等学者以技术接受模型(TAM)和后验收模型（PAM）为理论基础，对343位使用移动健康软件的韩籍成年人为样本进行在线调查，对影响用户持续使用健康软件意愿的因素进行研究。研究表明，用户持续使用健康应用软件的意向受用户的感知及情感因素，即感知易用性、感知有用性、满意度和确认度的正向显著影响[15]。代意玲等学者从患者角度出发，结合技术接受模型和期望确认理论，研究了持续使用医院信息系统的意愿。通过实证研究发现，感知有用性、感知易用性以及满意度显著影响用户持续使用医院信息系统的意愿。[16]。基于信息系统成功模型的相关研究信息系统成功模型用户的接受度和使用情况是衡量一个系统成功与否的重要因素之一。信息系统成功模型（ISSM）又称D&M模型，是由DeLon和McLean在前人研究的基础上于1992年所提出的[17]，提出了六个关于信息系统成功的主要指标，即系统质量、信息质量、用户满意、系统使用、个人影响及组织影响，D&M模型理论被广泛应用到研究中。模型如图2-3所示。图2-3初始信息系统成功模型随着用户对系统使用行动研究的逐渐深入，2003年，DeLon和McLean完善修正了原有模型[18]。如图2-4所示。图2-4完善后的信息系统成功模型修正完善后的D&M引入变量“服务质量”。将变量“使用”改为“使用意愿”，“个人影响”、“组织影响”被整合成“净收益”，改进后的模型强调了使用信息系统的意愿。修正后的D&M更为全面和准确，在用户持续使用意愿的研究中得到了应用。基于信息系统成功模型的互联网医疗平台持续使用意愿研究以Akter等为代表，为从系统质量角度研究数字医疗平台持续使用意愿的研究做出了贡献，提出了多维服务质量量表，如图2-5所示，并验证了服务质量正向显著影响用户满意度和持续使用意愿[19][20][21]。该研究结果为后续许多学者的研究思路带来了重要的参考。HossainM等学者在前人研究基础上，使用基于信息系统(IS)成功模型的实证调查，探究移动医疗的成功模式。研究表示，医疗平台质量、医疗咨询质量和交互质量正向影响感知价值和用户满意度，继而间接影响移动医疗服务的持续使用意愿，且在健康医疗水平较不发达的国家，平台的服务质量正向影响感知价值[22]。图2-5多维服务质量量表图总结互联网医疗平台的诞生在很大程度上减缓了医疗资源的不均衡分布和医患之间的紧张关系，互联网医疗是未来医疗行业的发展趋势，互联网医疗平台的发展也是日新月异。然而，我国的互联网医疗行业发展的起步较晚，相关平台仍有改进空间。通过大量相关文献的阅读与分析，不难发现关于互联网医疗平台的持续使用意愿影响因素的研究，相较于国外，国内研究起步较晚且研究成果较少，因此针对国内的互联网医疗平台持续使用意愿研究尚存较大的研究空间。影响互联网医疗平台用户持续使用意愿的因素多种多样，其研究理论以期望确认模型、信息系统成功模型和技术接受模型为主流。研究的视角主要从系统和个人认知的角度（以感知有用性和感知易用性为主）出发。本文将借鉴前人的研究成果，整合期望确认模型和信息系统成功模型等基础理论并结合互联网医疗平台特征，确定其基础变量。同时结合用户的特征，从用户自身角度出发，引入其他潜变量来丰富模型，通过平台因素和用户因素较为全面的进行互联网医疗用户持续使用意愿影响因素的研究分析。旨在更为全面的分析哪些因素对用户持续使用意愿的影响权重较大，更为具体的找出当前平台存在的不足，给出可行性建议。模型构建与研究假设模型的建立本文归纳并借鉴前人的研究成果，从用户视角出发，整合期望确认模型和信息系统成功模型等理论，结合互联网医疗平台的特征，确定基础研究变量，即期望确认(CON)、感知有用性(PU)、满意度(SAT)、持续使用意愿(CI)、信息质量(IQ)、系统质量(SQ)和服务质量(SEQ)；同时结合互联网医疗平台的用户特征，加入用户的感知健康威胁(PHT)和电子健康素养(EHLI)为潜在变量，进一步丰富完善模型。将信息质量、系统质量、服务质量视为平台因素，将感知健康威胁和用户电子健康素养视为用户因素。综上所述，本文构建的研究模型如下图3-1所示。图3-1研究模型研究变量的关系与研究假设期望确认度、感知有用性、满意度与持续使用意愿的关系期望确认度这一概念是由Oliver在研究中所提出的，认为消费者在消费前会对将要消费的产品或者服务产生一定的期望水平，之后把完成消费后产生的效果和期望水平相比较获得期望确认度[11]。本文把期望确认度定义成用户在使用互联网医疗平台前所产生的初始期望水平在使用平台过程中被确认的程度。感知有用性这一概念源自Daivs提出的TAM理论[23]。本文将感知有用性定义为用户对互联网医疗平台健康管理促进程度和健康情况的感知以及对平台功能是否有用的判断。满意度理论早在1965年就被Cardozo学者提出[24]，目前顾客满意度理论的研究已日趋成熟。本文将满意度定义为用户对互联网医疗平台使用的满意程度。期望确认模型已被成熟运用到用户持续使用行为的研究中，是研究该领域的典型模型，模型有效性在实证研究中被多次验证。期望确认模型的主要包含五个假设（H1-H5），并且多年来学者们参考该理论进行的研究，基本证实了该模型的五个假设在网络环境中同样有效。如，Hsu等学者证实了期望确认模型在互联网应用中有效[25]，Kim学者证实期望确认模型的假设在移动数据服务的研究中均成立[26]，吴安学者证实了期望确认模型适用于在线教育平台的研究中[27]，黎斌学者证实了期望确认模型在微博的研究中是适用的[28]，舒杰学者证实了期望确认模型在政府内部办公系统中有效[29]。作为国内新兴的互联网产物，互联网医疗平台也同样具有和其他互联网产物一样的或是类似的特征。张敏、罗梅芬等学者借鉴了期望确认模型理论，探究移动医疗APP用户持续使用意愿，证实了期望确认度正向影响用户的感知有用性和满意度（H5）（H4），感知有性促进满意度（H3），并且感知有性和满意度均会促进移动医疗APP持续使意愿（H2）（H1）[12]。殷猛、李琪学者同样借鉴了期望确认模型理论，研究以健康APP为研究对象的移动APP持续使用意愿，证实了用户的感知有用性和期望确认度显著正向影响用户满意度（H3）（H4），感知有用性受期望确认度的直接影响（H5），满意度和感知有用性是决定用户持续使用意愿的主要因素（H1）（H2）[14]。基于以上论述，本文延续期望确认理论的5个假设，提出以下假设：H1：满意度正向影响互联网医疗平台用户的持续使用意愿。H2：感知有用性正向影响互联网医疗平台用户的持续使用意愿。H3：感知有用性正向影响互联网医疗平台用户的满意度。H4：期望确认度正向影响互联网医疗平台用户的满意度。H5：期望确认度正向影响互联网医疗平台用户的感知有用性。信息质量、系统质量、服务质量与满意度的关系在使用信息系统的过程中，用户主观意识通常受外部环境因素影响，这些因素对用户持续使用意愿或使用行为有显著影响作用。信息质量、系统质量、服务质量是信息系统成功模型里的关键变量，也是权衡信息系统运营方的关键标准，三者皆正向显著影响用户满意度[30]。在本文的研究中，信息系统成功模型中的信息质量、系统质量和服务质量被视为平台因素引入模型来衡量用户对互联网医疗平台的质量感知水平。互联网医疗平台会将健康信息推给用户。无误的健康信息有助于用户健康知识的普及和更好的自我健康管理。用户对健康信息准确性的感知越强，对信息质量的感知就越强，此外平台上信息更新的效率和时效性，影响用户对平台的满意度[31]。互联网医疗平台会提供各类服务，如信息查询、问诊咨询、预约挂号等服务。便捷性、可交互性、可靠性和人性化等方面是平台服务质量的主要体现。平台系统质量包括系统的适用性、可用性及有效性等，即平台的系统是否能满足用户的需求，系统的设计是否清晰明了、有效等[14]。以Akter等为代表，从信息系统的视角出发研究数字医疗平台持续使用意愿，提出了多维服务质量量表，验证了服务质量正向显著影响用户满意度和持续使用意愿[19][20][21]。HossainM等学者以信息系统成功模型为理论基础，研究移动医疗的成功模式，验证了医疗平台质量等因素正向且直接影响用户满意度，进而影响用户的持续使用意愿[22]。顾东晓等学者以春雨掌上医生为例，对持续使用移动医疗健康网络社区进行了研究，验证了系统质量对满意度的显著影响作用[32]。张敏等学者参考信息系统成功模型，研究了问诊类APP用户持续使用意愿影响因素，验证了用户满意度受信息质量和服务质量的正向影响[31]。因此，本文将信息质量、系统质量与服务质量引进研究模型，提出以下假设：H6：互联网医疗平台信息质量正向影响用户满意度。H7：互联网医疗平台系统质量正向影响用户满意度。H8：互联网医疗平台服务质量正向影响用户满意度。用户感知健康威胁、用户电子健康素养与持续使用意愿的关系感知健康威胁源自保护动机理论（PMT），该理论通过以下两个方面对用户的健康服务和健康技术采纳行为进行了解释：健康威胁评估及健康应对评估[33]。即当用户认为很快将面临健康威胁时，会对其严重性进行判断，然后会倾向于采纳有关的健康技术或健康服务来减轻威胁。电子健康素养被Norman和Skinner学者定义为个人通过电子资源，收集、理解、评估健康信息，并利用这些信息来解决和处理健康问题的能力[34]。本文将用户的感知健康威胁和用户电子健康素养视为用户因素引进模型。有学者发现，与电子健康素养低的用户相比，电子健康素养高的用户会更为踊跃的在互联网上搜寻健康资讯，并且他们的搜索策略也更多，对信息的审查更为认真[35]。在后续学者们的研究中，基本证实了用户电子健康素养会对用户的健康类平台使用行为有正向影响作用。也有相关学者在研究用户持续使用健康类平台影响因素时加入了感知健康威胁这一变量，基本证实了感知健康威胁正向影响用户持续使用意向。吴颖敏等学者研究了医疗健康类APP的用户粘性，研究证实了用户的电子健康素养正向影响用户粘性[36]。朱一梅学者基于TAM和D&M理论研究大学生健康APP持续使用意愿，证实了电子健康素养显著正向影响持续使用意愿[37]。李惠学者研究了青年群体持续使用健康管理APP意向的影响因素，证实了感知健康威胁越强，用户的持续使用意向则越越强[38]。陈玥研究了问诊类APP用户持续使用意愿，发现用户的感知健康威胁和电子健康素养对持续使用意愿有正向作用[39]。据此，本文提出以下假设：H9：互联网医疗平台中用户的感知健康威胁正向影响用户持续使用意愿。H10：互联网医疗平台中用户的电子健康素养正向影响用户持续使用意愿。综上所述，本研究共提出10个假设，具体如表3-1所示：表3-1研究假设序号假设内容H1满意度正向影响互联网医疗平台用户的持续使用意愿H2感知有用性正向影响互联网医疗平台用户的持续使用意愿H3感知有用性正向影响互联网医疗平台用户的满意度H4期望确认正向影响互联网医疗平台用户的满意度H5期望确认正向影响互联网医疗平台用户的感知有用性H6互联网医疗平台信息质量正向影响用户满意度H7互联网医疗平台系统质量正向影响用户满意度H8互联网医疗平台服务质量正向影响用户满意度H9互联网医疗平台中用户的感知健康威胁正向影响用户持续使用意愿H10互联网医疗平台中用户的电子健康素养正向影响用户持续使用意愿问卷设计与数据收集（一）问卷设计调查问卷由两部分构成。第一部是用户的基本信息调查。主要为参与者的基本信息描述，包括性别、年龄、受教育程度、从事的职业及对互联网医疗平台的使用情况。第二部分是了解被调查者对互联网医疗平台质量评价和感知，用户的个人感知健康威胁和电子健康素养以及持续使用意愿。共32个测量项目，量表测量使用Likert五点计分法，从1-5依次表示：完全不同意、比较不同意、一般、比较同意、完全同意。本文主要通过网络问卷进行调查，通过常用社交软件发送问卷星链接，邀请填写。最后在回收问卷时，根据被调查者对互联网医疗平台的使用情况进行问卷的筛选，以得到有效的问卷设计。（二）研究对象在“互联网+”的时代下，互联网医疗平台的用户覆盖范围较为广泛。无论男女老少，无论是学生或是在职人员等，在健康方面有不适、有疑惑的情况下，通常会想到通过互联网医疗平台寻求帮助。因此本文的调研对象人群相对广泛，并将有使用过互联网医疗平台的人群视为本文的研究对象。（三）数据收集流程问卷的数据收集主要有三个步骤：首先是编写调查问卷。问卷编写是基于本文的研究并参考借鉴前人学者的优秀成果来实现的。通过参考及改进前人的量表来决定变量的题项，从而确定各变量的测量指标。其次是进行预调查。通过QQ、微信等社交平台发放预调查的问卷链接。共计回收36份，对获得的数据进行信度分析和效度分析，根据分析结果进行问卷的调整和改善，最终确定正式调查问卷。最后是正式调查问卷的发放与回收。在进行完预调查和问卷各内容的调整后，通过问卷星平台和QQ、微信等社交平台发放问卷。问卷共39题，其中量表题为32题，预计回收310-360份问卷，去除在“是否使用过互联网医疗平台”题项中填“否”的不符合要求的问卷，得到有效问卷。（四）量表与问卷内容的设计本研究涉的自变量包含期望确认度、信息质量、系统质量、服务质量、感知健康威胁和电子健康素养。中间变量为感知有用性和满意度。因变量为持续使用意愿。据此提出的问卷量表如表4-1所示：表4-1变量的测量问项表变量测量项目来源感知有用性(PU)PU1：使用互联网医疗平台能帮助我解决康方面的困惑Davis（1989）[23]Bhattacherjee（2001）[10]朱一梅（2019）[37]PU2：我认为互联网医疗平台对个人管理健康有帮助PU3：使用互联网医疗平台有助于提升我的健康管理能力PU4：我觉得使用互联网医疗平台在我生活中是有用处的期望确认度(CON)CON1：使用互联网医疗平台中的各种功能比我预期的好Bhattacherjee（2001）[10]卞雪婷（2020）[13]王露（2018）[41]CON2：使用互联网医疗平台的收获比我预期要大CON3：整体上我对互联网医疗平台的期望得到了满足信息质量(IQ)IQ1：互联网医疗平台提供的健康信息更新及时、迅速卞雪婷（2020）[13]IQ2：互联网医疗平台提供的健康信息是准确可信的IQ3：互联网医疗平台提供的健康信息是全面、完整的IQ4：互联网医疗平台提供的健康信息大多来源可靠系统质量(SQ)SQ1：互联网医疗平台界面设计科学且清晰卞雪婷（2020）[13]SQ2：互联网医疗平台各项功能运行稳定，很少出现卡顿现象SQ3：互联网医疗平台不会泄露我的个人信息SQ4：对于我来说，互联网医疗平台是易于操作的服务质量(SEQ)SEQ1：互联网医疗平台提供给我的服务是可靠的卞雪婷（2020）[13]SEQ2：互联网医疗平台各项功能收费合理SEQ3：当我在互联网医疗平台提问或咨询时，医生能以友好关怀、专业且易懂的方式与我交流SEQ4：互联网医疗平台能帮助我更加便捷的解决问题感知健康威胁(PHT)PHT1：我感觉自己处于亚健康状态李惠（2019）[38]PHT2：我害怕得病PHT3：由于生活习惯不良，我很可能患上慢性疾病PHT4：如果我患上慢性病，会影响我的学习或者工作生活电子健康素养(EHLI)EHLI1：我知道如何利用互联网查找有用的健康信息陈玥（2019）[39]EHLI2：我能够区分网络上高质量与低质量的健康卫生信息EHLI3：我知道如何利用网络上获取的健康信息来帮助自己满意度(SAT)SAT1：互联网医疗平台所提供的的信息和服务以及其系统本身，让我感到满意龙天悦（2017）[42]王若楠等（2017）[43]卞雪婷（2020）[13]SAT2：使用互联网医疗平台，我整体上感到十分满意SAT3：我认为使用互联网医疗平台是明智的选择持续使用意愿(CI)CI1：我愿意继续使用互联网医疗平台Bhattacherjee（2001）[10]朱一梅（2019）[37]CI2：在将来我也愿意时常使用互联网医疗平台CI3：我愿意把互联网医疗平台推荐给身边有需要的朋友数据分析数据收集本研究通过持续两周的问卷发放，共回收问卷357份，其中在“是否使用过互联网医疗平台”题项中填“否”的有32份，依据本研究界定的研究对象，此32份问卷被视为无效问卷，最终的有效问卷为325份，问卷有效率为91.03%。描述性统计分析人口统计特征及用户使用现状的描述性统计分析该部分主要通过SPSS软件，分析有效样本的用户人口统计特征及互联网医疗平台使用情况的描述性统计统计。所得到的具体的描述性统计分析总汇如表5-1所示。在325分的有效样本中，男生有156人，女生有169人，分别占比48.0%和52.0%，比例较为均衡，无太大偏差。在325份有效问卷中，年龄分布为18-25岁人群占比较多，为57.2%；其次为26-30的人群，占比14.2%，说明本次调查的对象主要是年轻人和学生群体。根据统计结果，使用互联网医疗平台的用户职业占比最大的是学生，为43.4%；而包括政府机关/事业单位人员和公司/企业职员在内的上班族占比31%，说明互联网医疗平台已逐渐融入人们的学习生活与工作生活中；医护人员占比14.2%，医护人员普遍拥有较高的健康素养，对于健康方面较为重视。在受教育程度方面，大专/大学本科占比较多，为69.5%。在有效问卷中，这些用户使用互联网医疗平台的频率通常是每月1-4次。在用户的使用目的方面，调查发现“个人健康咨询和信息查询”、“在平台上了解或学习健康知识”及“帮助亲朋好友查询健康信息”是用户使用互联网医疗平台的主要目的，其中用于“个人健康咨询和信息查询”的用户最多，占比81.5%；而由于其他目的的用户最少，仅占比4.6%，其他目的可能是预约挂号服务、购药服务等。表5-1有效样本描述性统计分析变量名称类别描述样本量百分比性别男15648.0%女16952.0%年龄18岁以下319.5%18-25岁18657.2%26-30岁4614.2%31-40岁4313.2%40岁以上195.8%职业学生14143.4%政府机关/事业单位人员5817.8%医护人员4614.2%公司/企业职员4313.2%个体/自由职业者278.3%其他103.1%受教育程度高中/中专/技校及以下6921.2%大专/大学本科22669.5%研究生及以上309.2%月使用次数0-1次11234.5%2-4次11435.1%5-7次5316.3%8-10次3410.5%10次以上123.7%使用目的个人健康咨询和信息查询26581.5%在平台上了解或学习健康知识22569.2%帮助亲朋好友查询健康信息20061.5%其他154.6%变量的描述性统计分析该部分主要是对问卷中的变量做总体性的分析，主要包含测量各个题项的均值和标准差。具体的变量描述性统计分析结果如表5-2所示。表5-2变量的描述性统计变量样本数题项均值标准差感知有用性(PU)325PU13.941.012325PU23.93.957325PU34.01.972325PU44.00.877期望确认度(CON)325CON13.861.006325CON23.86.937325CON33.88.966信息质量(IQ)325IQ13.84.995325IQ23.821.032325IQ33.85.997325IQ43.881.022系统质量(SQ)325SQ13.861.033325SQ23.831.018325SQ33.751.029325SQ43.98.899服务质量(SEQ)325SEQ13.841.069325SEQ23.771.053325SEQ33.871.054325SEQ43.85.967感知健康威胁(PHT)325PHT13.881.067325PHT23.99.969325PHT33.851.094325PHT44.05.913电子健康素养(EHLI)325EHLI13.951.012325EHLI23.901.030325EHLI34.02.938满意度(SAT)325SAT13.851.062325SAT23.831.091325SAT33.911.046持续使用意愿(CI)325CI13.95.955325CI23.97.907325CI33.96.922从表5-2可看出，各缇题项的均值都处于3.7以上（中间值为3），各题项的标准差都接近于1。其中，题项PU3（使用互联网医疗平台有助于提升我的健康管理能力）、PU4（我觉得使用互联网医疗平台在我生活中是有用处的）、PHT4（如果我患上慢性病，会影响我的学习或者工作生活）和EHLI3（我知道如何利用网络上获取的健康信息来帮助自己）的均值都等于或略高于4，说明本文的调查对象在这四个方面普遍拥有较高的认可。信度检验和效度检验信度检验信度，也被称作可靠性，是反应测量数据可靠程度的重要依据。学术界较多采用克朗巴哈系数（Cronbach'sα）来测量量表的可信度，根据大多学者的观点，若α系数值≥0.8，说明问卷量表的信度非常好；如果α值在区间[0.7，0.8)，表示问卷量表具有相当的信度；若α值在区间[0.6，0.7)，说明问卷量表的信度可以接受；如果该值不超过0.6，表示内部的一致性不佳。本研究使用SPSS26.0来实现有效样本的信度检验。本研究中各变量量表的表克朗巴哈系数都超过0.8，说明量表的信度非常好，各个题项的校正项的总计相关值都大于0.5，表示分析项之间的相关关系良好。从“项已删除的Cronbach’sAlpla值”可看出，当某个题项被删除后，Cronbach’sAlpla系数将会有下降的现象，这表示该问项的设置恰当，所有题项均应当保留。综合以上分析，本研究中量表各个题项具有良好的内部一致性性，测量量表的信度满足要求，适合进一步分析。具体分析结果如表5-3所示。表5-3信度分析结果变量题项校正项总计相关性项已删除的Cronbach’sAlpla值Cronbach’sAlpla系数感知有用性(PU)PU1.764.836.880PU2.767.835PU3.730.849PU4.701.851期望确认度(CON)CON1.697.767.834CON2.717.748CON3.669.793信息质量(IQ)IQ1.717.886.897IQ2.806.854IQ3.758.871IQ4.802.855系统质量(SQ)SQ1.760.823.872SQ2.778.815SQ3.706.845SQ4.670.859服务质量(SEQ)SEQ1.792.869.903SEQ2.764.879SEQ3.775.875SEQ4.793.870感知健康威胁(PHT)PHT1.662.786.832PHT2.656.788PHT3.688.774PHT4.639.797电子健康素养(EHLI)EHLI1.728.788.853EHLI2.730.787EHLI3.713.804满意度(SAT)SAT1.768.849.887SAT2.791.829SAT3.779.839持续使用意愿(CI)CI1.700.770.836CI2.728.742CI3.664.803效度检验效度指的是测量的正确性，用于检验和判断测量量表能否真实反映实际测量状况的程度，主要类型有内容效度、校标效度及建构效度。内容效度指，测量工具的内容能够代表所需要测量的行为，即问卷是否具有代表性；校标效度指的是问卷预测趋势的能力。建构效度是指测量题项与测量方向之间的关系，即测量结果能否证实或是解释某一理论的假设和构想，以及能达到的解释程度，建构效度包括了聚合效度和区分效度。本研究对内容效度和建构效度进行了检验。由于本研究在设计问卷量表时就参考借鉴了许多前人的问卷量表，同时还邀请的专业研究生审阅量表题项，听取建议，修整问卷量表，由此本研究测量量表的内容效度较为优良。对于结构效度，首先，通过KMO值及巴特利（Bartlett）球形检验统计量等相关指标对有效样本的数据能否做因子分析进行合理判断。KMO统计量取值区间为0-1，越接近1，表示变量间的相关性越强，越适合做因子分析。当KMO值≥0.6且巴特利球形检验统计量显著性<0.01时，表示有效样本数据的相关性较好，适做因子分析。本文检验结果中，各变量的KMO值全都超过0.6，且Bartlett’s球形检验的显著性水平都为0.000。因此，本文的研究数据可以进一步进行因子分析。且各变量的累积方差都在60%以上，说明大部分测量题可以解释60%以上的方差变量。具体检验结果表如表5-4所示。表5-4各变量效度分析变量KMOBartlett’s球形检验累计解释方差近似卡方值自由度显著性感知有用性(PU).830671.4216.00073.541%期望确认度(CON).722375.7233.00075.098%信息质量(IQ).834781.0746.00076.366%系统质量(SQ).829640.8026.00072.380%服务质量(SEQ).845800.5756.00077.390%感知健康威胁(PHT).803473.5156.00065.544%电子健康素养(EHLI).733423.1073.00077.275%满意度(SAT).747540.8293.00081.548%持续使用意愿(CI).720382.6843.00075.309%其次，通过标准化因子负荷量、组合信度（CR）及平均方差萃取（AVE）来衡量聚合效度，本研究通过SPSSAU在线数据分析平台进行分析。通常来说，若某一变量题项的因子载荷都>0.6，则说明该变量的聚合效度较好。此外，衡量聚合效度的关键指标还包括了组合信度（CR）及平均方差萃取（AVE），认为若AVE>0.5，且CR>0.7，则表示具有良好的聚合效度。本研究的聚合效度分析如表5-5所示。本研究各变量测量题项的因子负荷量均大于0.7，且各变量的AVE均大于0.5，同时CR均大于0.8，高于标准值。因此，本研究量表具有较好的聚合信度。表5-5聚合效度分析题项因子负荷量AVECRPUCONIQSQSEQPHTEHLISATCIPU1.844.653.882PU2.836PU3.786PU4.750CON1.788.627.834CON2.827CON3.761IQ1.759.689.898IQ2.874IQ3.807IQ4.870SQ1.832.642.876SQ2.854SQ3.768SQ4.727SEQ1.853.698.902SEQ2.812SEQ3.824SEQ4.853PHT1.744.559.834PHT2.735PHT3.778PHT4.720EHLI1.822.661.853EHLI2.816EHLI3.798SAT1.833.724.887SAT2.865SAT3.853CI1.802.632.837CI2.836CI3.745区分效度是所代表的潜变量之间相关低或有显著差异。区分效度一般通过测量模型里某一变量的AVE平方根与该变量和其他变量之间相关系数的差异程度来进行衡量。通常学术界认为，若某变量AVE平方根值比该变量与其它变量的相关系数绝对值大，且所有变量都呈现这样的结果，则表明其区分效度良好。本文通过SPSSAU平台对其进行分析，结果如表5-6所示。从分析结果可以观察出，各变量的AVE平方根都比它与其他变量间的相关系数大。所以可以判断，本研究测量量表具有良好的区分效度。表5-6区分效度（Pearson相关与AVE平方根值）PUCONIQSQSEQPHTEHLISATCIPU.808CON.196.792IQ.263.288.830SQ.243.361.288.801SEQ.18.835PHT.107.076.085.084.091.747EHLI.234.219.091.013SAT.34.160.041.249.851CI.181.351.099.206.284.795注：斜对角线的数值表示AVE的平方根。结构方程模型分析结构方程模型建立为检验本研究中变量间的关系和研究假设，本研究采用AMOS23.0建立结构方程模型，进行模型拟合，计算路径系数，检验显著性及假设。结构方程模型中共包含了9个潜在变量：感知有用性(PU)、期望确认度(CON)、信息质量(IQ)、系统质量(SQ)、服务质量(SEQ)、感知健康威胁(PHT)、电子健康素养(EHLI)、满意度(SAT)和持续使用意愿(CI)。并通过32个观察变量间接测量9个潜在变量，模型如图5-1所示。图5-1结构方程模型模型拟合度本研究通过AMOS23.0进行模型拟合。拟合指标适用于考核理论模型与有效样本数据的适配程度，模型拟合程度越好，说明模型越能反映出实际变量间的相互影响关系。本研究对实证研究相关文献中常用的拟合指标进行了参考与借鉴，并依此来对模型的拟合程度进行判断。主要包含了绝对拟合指标（用于确定模型可以预测的协方差阵和相关矩阵的程度）：X2/df、GFI、RMSEA。其中，X2/df（卡方自由度比）需小于3，比值越小说明模型拟合度越好；GFI值一般处在0-1之间，该值越靠近1说明模型拟合效果越好，通常为>0.9；RMSEA值一般处于0-0.1之间，该值越接近0表明模型拟合效果越好，以0.08为临界值。简约拟合指标（用于评价模型的简约程度）：PNFI、PGFI。其中，PNFI和PGFI的临界值为0.5，该值越接近1表示拟合效果越好。增值拟合指标（用于比较理论模型与虚无模型）：NFI、IFI、CFI。其中，NFI、IFI和CFI的正常取值区间为0-1，该值距离1越近，表示模型拟合效果越好，通常为>0.9。模型拟合指标及本研究的拟合结果如表5-7所示。从分析结果可以看出，本研究的模型拟合度尚佳，研究模型可以接受。表5-7模型拟合度判断拟合指标评价标准研究模型值判断绝对拟合指标X2/df尚可：<3好：<21.785好GFI尚可：[0.7，0.9]好：>0.9.861尚可RMSEA尚可：<0.08好：<0.05.049好简约拟合指标PNFI好：>0.5.791好PGFI好：>0.5.740好增值拟合指标NFI尚可：[0.7，0.9]好：>0.9.865尚可IFI尚可：[0.7，0.9]好：>0.9.936好CFI尚可：[0.7，0.9]好：>0.9.935好路径系数的显著性通过AMOS23.0软件对结构方程模型进行路径分析和显著性检验，所得到的的路径系数如图5-2所示，分析结果如表5-8所示。图5-2路径系数图表5-8结构方程模型路径分析结果路径Estimate标准化路径系数S.E.C.R.P显著性感知有用性<期望确认度.211.23.0593.575***显著满意度<信息质量.066.07.0591.108.268不显著满意度<服务质量.128.13.0582.193.028显著满意度<系统质量.036.03.083.432.666不显著满意度<期望确认度.193.16.0792.437.015显著满意度<感知有用性.141.11.0851.661.097不显著持续使用意愿<电子健康素养.114.13.0571.998.046显著持续使用意愿<感知健康威胁.058.06.060.969.332不显著持续使用意愿<感知有用性.148.13.0722.070.038显著持续使用意愿<满意度.242.28.0554.387***显著注：P<0.001时，表示高度显著，显示为***；P<0.05时，表示显著由表可知，“感知有用性<期望确认度”、“满意度<服务质量”、“满意度<期望确认度”、“持续使用意愿<电子健康素养”、“持续使用意愿<感知有用性”及“持续使用意愿<满意度”的路径P<0.05，路径系数P值均达到显著水平；其余路径系数P值均未达到显著水平。假设验证结果本研究提出的10个研究假设，通过结构方程模型的分析结果可知，6条研究假设在本研究中得到验证，即H1、H2、H4、H5、H8、H10；4条研究假设在本文中未能得到验证，即H3、H6、H7、H9。假设检验结果如表5-9所示。结合互联网医疗平台的特征，分析H3、H6、H7、H9未能在本文得到有效验证的主要原因。首先，H3未能得到验证，说明感知有用性对用户满意度无显著影响。可能因为本文的被调查者以年轻人和学生群体为主。对于该群体而言，相较于有用性感知，他们对于平台的满意度大多源自平台相关质量的感知以及用户体验。因此，H3在本文中未能得到验证。其次，H6未能得到验证，说明互联网医疗平台的信息质量对用户满意度的影响不显著。可能由于目前互联网医疗平台提供的健康信息鱼龙混杂，质量参差不齐，较难让用户的需求得到很好地满足。再者，H7未能在本文中得到验证，说明互联网医疗平台的系统质量对用户满意度的影响不显著。可能是因为，目前市面上各种大家常用的互联网医疗平台的系统质量差异不大，并且页面设计、系统的稳定性已得到较好的认可，因此，用户的满意度受系统质量的影响并不显著。此外H9也未能得到验证，说明用户的感知健康威胁对用户持续使用互联网医疗平台意愿的影响作用不大。可能是由于有效减轻感知健康威胁的途径多种多样，包括健身，去当地医院咨询问诊，作息饮食调节等方式，互联网医疗平台并不是唯一，因此H9未能得到验证。表5-9假设检验结果序号假设内容检验结果H1满意度正向影响互联网医疗平台用户的持续使用意愿成立H2感知有用性正向影响互联网医疗平台用户的持续使用意愿成立H3感知有用性正向影响互联网医疗平台用户的满意度不成立H4期望确认正向影响互联网医疗平台用户的满意度成立H5期望确认正向影响互联网医疗平台用户的感知有用性成立H6互联网医疗平台信息质量正向影响用户满意度不成立H7互联网医疗平台系统质量正向影响用户满意度不成立H8互联网医疗平台服务质量正向影响用户满意度成立H9互联网医疗平台中用户的感知健康威胁正向影响用户持续使用意愿不成立H10互联网医疗平台中用户的电子健康素养正向影响用户持续使用意愿成立研究结论与展望本章节将基于前文实证分析的结果，对研究结论进行总结，并据此提出管理建议、研究的局限性和未来研究的展望。研究结论本文结合互联网医疗平台的特征以及互联网医疗平台的用户特征，加入用户的感知健康威胁和电子健康素养这两个变量，构建和完善互联网医疗平台用户持续使用意愿影响因素的研究模型。并从实证角度验证模型的有效性，将收集到的有效问卷样本通过SPSS26.0及SPSSAU平台对进行信度和效度检验。通过AMOS23.0构建结构方程模型，对研究模型进行拟合、路径分析和假设检验。结果表示H3假设未得到支持，平台因素方面的H6、H7未得到支持，用户因素方面的H9未得到支持，其余假设均得到支持。具体的主要研究结论如下。期望确认度正向显著影响感知有用性研究结果表明，期望确认度正向显著的影响感知有用性，其影响系数（即标准化路径系数）为：0.23（P<0.001）。可以看出，当用户的实际感知大于等于未体验前的期望，用户对互联网医疗平台的有用性感知将会越强。期望确认度、服务质量正向显著影响用户满意度本文研究发现互联网医疗平台用户的满意度受到期望确认度和服务质量正向显著的影响，而感知有用性、系统质量和信息质量对满意度的影响并不显著。期望确认度和服务质量对满意度的影响系数（即标准化路径系数）为0.16（P<0.05）和0.13（P<0.05）。不难看出，用户在使用互联网医疗平台的过程中，是否满意受很大程度上取决于用户对其的期望确认度，若用户的实际感知比未体验时的期望要好要高，则将会提高互联网医疗平台用户的满意度。服务质量同样正向显著影响互联网医疗平台用户的满意度，当用户在使用过程中感受到的服务越好，则用户的满意度会被提高。感知有用性、满意度、电子健康素养正向显著影响用户持续使用意愿研究结果表明，感知有用性、满意度及电子健康素养正向显著影响用户对互联网医疗平台的持续使用意愿，而感知健康威胁对用户持续使用意愿的影响不显著。根据影响程度由大到小进行排序：满意度、感知有用性和电子健康素养。对应的影响系数（即标准化路径系数）依次为：0.28（P<0.001）、0.13（P<0.05）和0.13（P<0.05）。可以看出，用户满意度对其持续使用意愿的影响最大，用户对互联网医疗平台越满意，则用户的持续使用意愿就越高；感知有用性和电子健康素养同样正向影响用户持续使用意愿，但影响力度不及用户端满意度。可以看出，用户越是认为互联网医疗平台有用，对自身有益处，便会更愿意持续使用互联网医疗平台。用户自身具备的电子健康素养越高，则将会更愿意持续使用互联网医疗平台。管理建议实证分析的结果反映出，用户持续使用意愿受满意度、感知有用性和电子健康素养的直接影响，其中受满意度的影响最为显著。通过加强互联网医疗平台用户的感知有用性、电子健康素养，可以达到预期效果，进而保证用户持续使用互联网医疗平台的意愿。同时，也可以通过期望确认度的提升来促进用户的有用性感知，进而促进用户的持续使用意愿的提升。当然，还可以通过提升用户对互联网医疗平台的期望确认度、平台的服务质量来增强用户的满意度，通过满意度来培养用户持续使用互联网医疗平台的意愿。综上，可以通过提高互联网医疗平台用户的满意度、注重互联网医疗平台的实用性、提高用户的电子健康素养、满足用户多重需求这四个方面来提高和保证用户持续使用互联网医疗平台的意愿。具体措施的阐述如下：增强互联网医疗平台服务质量，提高用户满意度用户对互联网医疗平台的满意度的提高，需多为用户考虑，提升平台的服务质量。增强平台的服务质量，可以对互联网平台中的客服人员及医生群体的服务水平上来进行把控。杜绝学艺不精的医生入驻互联网医疗平台，提高医生群体入驻互联网医疗平台的门槛，高水平、高职称的医生能够保证病情诊断的可靠性。另外，应强调入驻互联网医疗平台的医生与用户进行互动时应保持真诚礼貌的交流态度，并开展规范化的专业培训。交流过程中应细心且有耐性的如实的回答用户提出的问题和疑惑，并给予用户关怀，且通过亲切且易懂的口语化描述来淡化专业术语产生的“距离感”。不仅如此，还应该要求医生群体回复的及时性，用户等待回复的时间过长容易产生焦虑和不满的情绪，为了避免此现象的发生，互联网医疗平台可以规范回复时间，并设定相应的奖惩机制。除了提高客服人员及医生群体的服务水平外，还可以通过提高付费服务的性价比来提高用户对服务质量的感知，促进用户的满意度。互联网医疗平台有各类付费服务项目，而用户也可能因为价格问题而犹豫不决，因此，互联网医疗平台可以提高付费活动的性价比或者举办相应的活动来维持用户，提高用户对服务质量的感知，增强用户的满意度。完善互联网医疗平台，提高用户的有用性感知据本文研究，用户使用互联网医疗平台的主要目的有个人健康咨询和信息查询、在平台上了解或学习健康知识以及帮助亲朋好友查询健康信息。可以说，用户使用互联网医疗平台的目的性较为实际、较为明确。要提高用户的有用性感知，则要让用户切实的感受到平台在他身体健康方面有所帮助。为此，互联网医疗平台的运营商可以通过完善来促进用户的有用性感知。首先，互联网医疗平台应积极专家资源、优质的医生资源，用户会根据自己的状况选择医生，经验越丰富、资质越高的医生能够给用户可靠地医疗建议，因此优质的医生以及医疗专家资源越多，用户越能体会到平台的专业性、有用性[40]。其次，将医疗资源进行整合，完善一体化医疗服务。患者的就医步骤通常是：选择医院及医生、问诊、检查、确诊、治疗。目前互联网医疗平台基本未做到完整的一站式服务，用户较难在平台上一次性得到满足。因此，互联网医疗平台可以对相关的医院和医生信息、定点检查医院及后续治疗医院等资源的整合，努力做到提供一体化服务，使得互联网医疗平台更加实用，更加能给予用户帮助[6]。再者，进一步提高互联网医疗平台主句挖掘水平。目前互联网医疗平台的信息针对性总体不强，而相似案例的诊断信息以及治疗和预后情况是用户用户迫切需要的。基于多案例库的协同案例推理技术能够满足历史案例知识发现和推送的需求。互联网医疗平台可以利用该技术将历史案例的组织、挖掘及信息的可视化做的更好，提供精确、个性化的信息提送。还可以通过数据的挖掘，向用户推送用户关注的、感兴趣的健康信息[32]。以此使更好的帮助用户解决健康方面的困惑，帮助用户的自我健康管理能力的提高，促进用户的有用性感知。增强互联网医疗平台用户的电子健康素养根据本文分析的结果，增强用户的电子健康素养，有助于用户持续使用互联网医疗平台。因此平台的管理者应主动的采取措施以提高用户电子健康素养。可以举办客户教育活动及论坛，通过多样宣传渠道传播医疗健康信息。同时，激励用户积极加入相关的社区活动和讨论。满足用户多重需求互联网医疗平台可以通过满足用户的多重需求，完成用户的期望确认度，促进用户的感知有用性和满意度，进而提高用户的持续使用意愿。随着社会的不断发展，用户的需求也不尽一致且不断变化。因此，为了能够满足用户的需求，进而完成期望确认度，互联网医疗平台可以定期通过问卷等方式调查了解用户的需求，并结合用户的多样性需求，对平台进行规划、改进及调整。当满足用户的多重需求时，当用户使用平台后的感受大于等于使用前的期望时，用户的有用性感知和满意度也会随之提高，进而增强用户持续使用互联网医疗平台的意向。研究局限与展望本文的实证研究以问卷调查为基础，但由于个人学术研究能力有限，本研究仍存在不足，在后续的研究中有待改进，具体有以下这两方面：第一，数据样本的局限性。本文仅仅采用线上的方式进行问卷调查，问卷发放的途径过于单一。本文问卷调查主要通过社交软件进行，较难得到数据科学性、可靠性的保证。其次，在QQ和微信发放的问卷，主要通过在QQ空间、微信朋友圈以及学生交流群和游戏群里进行发放，收集数325份有效样本。可以看出样本的年龄分布及职业太过集中，无法实现真实意义上的抽样调查，并且样本量不够。在未来的研究中，可以采用更合理的方法进行调查，扩大样本的数量和范围，从而提高数据的可靠性、科学性。第二，研究变量的局限性。影响互联网医疗平台用户持续使用意愿的因素有很多，并不局限于本文所展示的这些，还存在其他因素。且本研究未考虑到人口统计学特征与互联网医疗平台用户持续使用意愿的影响关系，如性别、年龄、职业、受教育程度等变量。在后续的研究中，应当不断挖掘、扩展影响因素，引入其他变量来丰富模型，也需探析人口统计学变量对用户持续使用互联网医疗平台意愿的影响。

参考文献[1]中国互联网络信息中心（CNNIC）.第46次中国互联网络发展状况统计报告[R].2020[2]裴晨思.“互联网+”背景下健康医疗信息化发展决策探讨[J].网络安全技术与应用,2020(09):116-117.[3]方鹏骞,谢俏丽,胡天天.论互联网与医疗服务的关系[J].中国卫生政策研究,2016,9(01):65-68.[4]佚名."健康中国2030"规划纲要[C]//全国中医药治未病养生康复学术交流大会暨期刊图书编辑与信息专业委员会2016年年会论文选集.2016.[5]常莽.新型冠状病毒疫情给互联网医疗带来的影响及机遇[J].计算机与网络,2020,46(04):18-19.[6]谭诗怡.关于互联网医疗行业的现状分析以及发展建议[J].商讯,2020(23):143-144.[7]戈晶晶.疫情后互联网医疗如何发展[J].中国信息界,2020(02):49-52.[8]Lyytinen,Kalle.Differentperspectivesoninformationsystems:problemsandsolutions[J].AcmComputingSurveys,1987,19(1):5-46.[9]JrRJB,HirschheimRA.CriticalIssuesinInformationSystemsResearch[M]Criticalissuesininformationsystemsresearch.Wiley,1987.[0]BhattacherjeeA.UnderstandingInformationSystemsContinuance:AnExpectation-ConfirmationModel[J].MisQuarterly,2001,25(3):351-370.[1]OliverRL.ACognitiveModeloftheAntecedentsandConsequencesofSatisfactionDecisions[J].JournalofMarketingResearch,1980,17(4):460-469.[2]张敏,罗梅芬,聂瑞,张艳.信息生态视域下移动医疗APP用户持续使用意愿分析[J].数据分析与知识发现,2017,1(04):46-56.[3]卞雪婷.在线健康医疗网站的质量评价和用户持续使用意愿研究[D].浙江工业大学,2020.[4]殷猛,李琪.整合ECT和IS成功理论的移动APP持续使用意愿研究——以健康APP为例[J].大连理工大学学报(社会科学版),2017,38(01):81-87.[5]ChoJ.Theimpactofpost-adoptionbeliefsonthecontinueduseofhealthapps[J].InternationalJournalofMedicalInformatics,2016,87(MAR.):75-83.[6]代意玲,顾东晓,陆文星,梁昌勇.医院信息系统持续使用意愿研究——基于技术接受模型和期望确认理论[J].计算机科学,2016,43(07):240-244.[7]DeloneWH,McleanER.InformationSystemsSuccess:TheQuestfortheDependentVariable[J].JournalofManagementInformationSystems,1992,3(4):60-95.[8]DeloneWH,McleanER.TheDeLoneandMcLeanModelofInformationSystemsSuccess:ATen-YearUpdate[J].JournalofManagementInformationSystems,2003,19(4):9-30.[9]AkterS,D'AmbraJ,RayP.ServiceQualityofmHealth:developmentandvalidationofahierarchicalmodelusingPLS[M]//FacultyofCommerce-Papers.2010.[20]AkterS,D'AmbraJ,RayP,etal.ModellingtheimpactofmHealthservicequalityonsatisfaction,continuanceandqualityoflife[J].BehaviourandInformationTechnology,2013,32(12):1225-1241.[2]AkterS,D'AmbraJ,RayP.DevelopmentandvalidationofaninstrumenttomeasureuserperceivedservicequalityofmHealth[J].Information&Management,2013,50(4):181-195.[22]HossainMA.Assessingm-HealthsuccessinBangladesh:AnempiricalinvestigationusingISsuccessmodels[J].JournalofEnterpriseInformationManagement,2016,29(5):774-796.[23]DavisFD.PerceivedUsefulness,PerceivedEaseofUse,andUserAcceptanceofInformationTechnology[J].MisQuarterly,1989,13(3):319-340.[24]CardozoRN.AnExperimentalStudyofCustomerEffort,Expectation,andSatisfaction[J].JournalofMarketingResearch,1965,2(3):244-249.[25]HsuMH,ChiuCM,JuTL.DeterminantsofcontinueduseoftheWWW:anintegrationoftwotheoreticalmodels[J].IndustrialManagement&DataSystems,2004,104(9):766-775.[26]KimB.Anempiricalinvestigationofmobiledataservicecontinuance:Incorporatingthetheoryofplannedbehaviorintotheexpectation-confirmationmodel[M].PergamonPress,Inc.2010.[27]吴安.在线教育平台用户持续使用意愿研究——基于期望确认理论模型的分析验证[J].哈尔滨学院学报,2018,39(006):117-122.[28]黎斌.微博用户持续使用意愿影响因素研究[D].浙江大学,2012.[29]舒杰.