先看重点
在对432名中国慢性病患者的调查中,预期实用性、预期易用性、社会影响和便利条件均正向预测使用可穿戴设备的意愿,意愿又预测实际使用。这是自我报告的横断面调查,反映的是模型中的关联,不能说明什么会改变行为。
证据类型
横断面研究
解读依据
公开摘要
阅读重点
关联与混杂
研究在问什么
可穿戴设备或许能帮助患者管理慢性病,但哪些因素促使患者采用并不清楚。作者把技术接受模型UTAUT与健康信念模型(HBM)这两个行为框架结合起来,分析影响使用意愿和实际使用的因素。
研究了谁,如何研究
对中国慢性病患者进行横断面调查,获得432份有效问卷。用偏最小二乘结构方程模型(PLS-SEM)检验潜变量如何影响可穿戴设备的行为意愿和实际使用,包括绩效期望的中介作用和身体活动的调节作用。摘要未报告调查时间、招募方式和具体疾病。
主要发现
以下为作者报告的结果。数字须连同人群和不确定性一起阅读。
- 1绩效期望、努力期望、社会影响和便利条件均对行为意愿有显著的正向影响,行为意愿又正向影响实际使用行为。
- 2感知易感性和感知严重性的作用是间接的:绩效期望在它们及社会影响对意愿的作用中起中介作用。
- 3身体活动没有调节绩效期望与行为意愿之间的关系。
- 4摘要未给出这些路径的效应量或P值。
局限与不确定性
- 1一次性横断面调查无法证明这些因素导致采用行为,答案为自我报告。
- 2参与者是中国慢性病患者,摘要未说明招募方式和纳入的疾病,样本未必代表其他人群。
- 3意愿和“实际使用”均由患者自己报告,而非来自设备数据,摘要中也没有路径系数。
- 4以上结论仅依据摘要。
对日常健康的启示
当患者认为可穿戴设备有用、容易上手,并得到身边人的支持且具备使用条件时,更可能使用。用于慢性病的任何设备,仍应与医生讨论。
如何联系自己的数据
想让可穿戴设备用得长久,应选择自己真会查看数据的设备,并长期使用同一台。从一两项自己在意的指标(如步数或睡眠)开始,每周回顾趋势。
如何理解这类证据
同一时期的测量通常不能确定方向或因果;症状可能改变行为,不能只按行为导致症状解释。
作者的结构化摘要 English
以下英文摘要按记录的开放许可转载,属于作者原始材料,不是 MoveVitals 的解读。上方已提供研究解读,分别说明作者结果与本站解释;重要结论可直接核对原文。
Objectives
Chronic diseases have emerged as a significant global health threat, making the effective management of these conditions crucial for improving patients' quality of life. Wearable devices, a significant innovation in digital healthcare, offer new solutions for managing the health of patients with chronic diseases. This study integrates the UTAUT model with the Health Belief Model (HBM) to analyze key factors influencing the adoption of wearable devices by patients with chronic diseases, aiming to provide a more comprehensive understanding of their behavioral patterns and motivations.
Methodology
A cross-sectional survey was conducted among Chinese patients with chronic diseases, yielding 432 valid responses. Partial Least Squares Structural Equation Modeling (PLS-SEM) was employed to construct the analytical model and examine the effects of latent variables on patients' behavioral intention and actual use of wearable devices.
Findings
The findings reveal that performance expectancy, effort expectancy, social influence, and facilitating conditions have a significant, positive influence on behavioral intention, which, in turn, positively affects actual use behavior. Performance expectancy mediates the relationships between social influence, perceived susceptibility, and perceived severity on behavioral intention. However, physical activity does not moderate the relationship between Performance Expectancy and Behavioral Intention.
Conclusion
Performance expectancy, effort expectancy, social influence, and facilitating conditions are identified as key determinants of patients with chronic diseases' adoption intention. Additionally, patients' perceived severity and perceived susceptibility indirectly influence their usage intention through performance expectancy.
Implications
These findings provide a theoretical foundation and practical guidance for optimizing the use of wearable devices in the management of chronic diseases. The study suggests that product development should focus on enhancing device performance, simplifying operational procedures, and strengthening social support systems.
来源与署名
Bridging UTAUT and HBM: determinants of wearable device adoption among chronic disease patients.
Guo Z, Chen SC.
Frontiers in public health · 2026-01-27
DOI: 10.3389/fpubh.2025.1687887 ↗PubMed · 41675082 ↗Europe PMC · 记录的开放许可: cc by ↗摘要版权归原作者,依据来源记录的开放许可转载。中文译文辅助阅读,英文摘要用于核对术语与具体数值;本站的方法学解释与作者结论分别呈现。
MoveVitals 编辑解读 · 健康教育内容 · 未记录个人临床审阅
来源核验日期 2026-11-01
实用健康指南
放在一起读
加速度计处理方法不同,身体活动与卒中、心肌梗死的关联曲线也不同
在英国生物银行中,基线无心血管疾病的90237名成年人随访至2022年12月,共发生1298例卒中和2031例心肌梗死;中高强度身体活动(MVPA)与这两种结局的关联曲线形状,取决于加速度计数据的处理方法。就卒中而言,只有机器学习法得到直线下降的风险;就心肌梗死而言,机器学习法和LFENMO法呈曲线下降,活动计数法呈直线下降。摘要没有给出风险比,只能说明不同方法的结论不一致,不能说明哪种方法更正确,而且这些只是观察性关联。
Preventive Medicine
智能手表数据能当“证人”吗:心率验证得最充分,其余证据参差
一项围绕数字取证展开的系统评价和荟萃分析,梳理了四大主流品牌智能手表的验证研究,发现心率是研究最多、也最准确的指标。步数、距离、能量消耗、活动分类和睡眠的验证不够一致,结果因品牌、方案和报告方式而异。摘要没有给出汇总数据,且多数研究是在健康人群中、于实验室内完成的,所以无法说明某一块手表对某个人在日常生活中的表现。
Forensic Science International
活动追踪器:每天多走约1800步,对其他健康指标影响较小
这项伞形综述汇总了39篇系统评价和荟萃分析,涉及163992名参与者;结果显示使用活动追踪器与身体活动增加相关(标准化均数差SMD为0.3–0.6),相当于每天多走约1800步、多步行40分钟,体重减轻约1公斤。对血压、胆固醇、糖化血红蛋白、生活质量和疼痛的影响通常很小,且多数不显著。摘要没有说明这些项目里追踪器还搭配了什么,也没有说明各评价之间重叠多少,因此不能把效果完全归功于设备本身。
The Lancet Digital Health
七款睡眠追踪设备:识别睡着很准,识别醒着和睡眠分期较差
在睡眠实验室里,34名健康的年轻成年人连续三晚佩戴七款消费级睡眠追踪设备中的若干款。与多导睡眠监测相比,所有设备识别睡眠都很准(灵敏度均不低于0.93),但识别清醒较差(特异度0.18–0.54),七款中有五款与研究用活动记录仪(特异度0.39)持平或更好;睡眠分期的估计结果不稳定。受试者是18至35岁的健康成年人,卧床时间固定为8小时,每款设备只在其中11至20人身上测试,因此对有睡眠问题的人几乎没有参考价值。
Sleep

