Declaraciones del presidente Biden en honor a los campeones de la Serie Mundial de 2022, los Astros de Houston
May 17, 2023interior, niño
May 19, 2023Launch Trampoline Park cierra
May 21, 2023No se reportan heridos en el tiroteo en Sugarloaf Mills Mall, dice la policía
May 23, 2023Encuentra diversión vertiginosa en estos parques de aventuras y trampolines
May 25, 2023Explorar los factores que influyen en la intención conductual de los estudiantes de medicina de utilizar el modelo gastroscópico 3D para aprender a operar el gastroscopio utilizando el modelo UTAUT.
BMC Medical Education volumen 23, número de artículo: 554 (2023) Citar este artículo
Detalles de métricas
La aplicación de la realidad virtual (RV) en la enseñanza de operaciones gastroscópicas puede ser segura y eficaz, pero las ventajas sólo se pueden obtener cuando los estudiantes la aceptan y la utilizan. Este estudio tiene como objetivo identificar los factores que influyen en los posgraduados médicos clínicos chinos en su intención de utilizar el modelo gastroscópico 3D construido con base en tecnología de realidad virtual utilizando el modelo de la Teoría Unificada de Aceptación y Uso de Tecnología (UTAUT). También se tienen en cuenta los factores demográficos de los estudiantes.
Todos los métodos se llevaron a cabo de acuerdo con las directrices pertinentes. Los datos se recopilaron de estudiantes de posgrado en medicina clínica en China mediante un muestreo estratificado. En este estudio se utilizaron un total de 292 cuestionarios que incluían respuestas válidas. Los datos se procesaron utilizando el software Amos 24.0 y SPSS 26.0 y la técnica de análisis estadístico se basó en el modelado de ecuaciones estructurales (SEM).
Los resultados mostraron que, a diferencia del mediador de la ubicación del hogar y el año de aprendizaje clínico, el mediador del género, el tipo de universidad y el título de posgrado no afectaron la intención conductual. Además, la expectativa de desempeño, la condición facilitadora y la influencia social tienen efecto directa e indirectamente sobre la intención conductual. Además, se verificó la significancia entre influencia social y expectativa de desempeño, influencia social y expectativa de esfuerzo.
Este estudio manifestó que el marco propuesto basado en la UTAUT tuvo poder explicativo para identificar los factores que influyen en la intención conductual de los estudiantes al utilizar el modelo gastroscópico 3D construido con base en tecnología VR. Considerando que una variable importante de la expectativa de esfuerzo en el marco del SEM no fue certificada, lo que indica que las universidades y los profesores deben prestar especial atención a esta variable antes de aplicar el modelo gastroscópico 3D construido con base en la tecnología VR en la enseñanza. Se requiere trabajo preparatorio adicional, como explicar los conocimientos básicos de los pasos operativos del modelo de realidad virtual y hacer que los estudiantes comprendan adecuadamente su accesibilidad, lo que probablemente pueda mejorar sus intenciones de usarlo. Los efectos positivos de la influencia social sobre la expectativa de desempeño y la expectativa de esfuerzo que propusimos también se verificaron en este estudio, lo que proporcionó una dirección para futuras investigaciones.
Informes de revisión por pares
La gastroscopia es una importante herramienta diagnóstica y terapéutica que se utiliza para evaluar y tratar los trastornos gastrointestinales [1, 2]. La gastroscopia utiliza un tubo delgado y flexible que se inserta en el estómago, lo que permite al endoscopista observar directamente las lesiones del estómago. Es el método de elección para examinar las lesiones gástricas y es una de las técnicas que deben dominar los gastroenterólogos [3].
Sin embargo, la gastroscopia es un procedimiento complejo que requiere un alto nivel de habilidad médica por parte del médico. El modo tradicional de educación médica sobre el uso de la gastroscopia requiere que los alumnos participen en el diagnóstico y tratamiento de los pacientes bajo la guía de preceptores experimentados, en cuyo proceso continúan acumulando y mejorando su reserva de conocimientos y habilidades operativas. Para los preceptores, es difícil tener en cuenta la enseñanza de los alumnos y al mismo tiempo garantizar su buen funcionamiento, lo que no sólo afecta la calidad de la enseñanza clínica sino que también aumenta el riesgo para los pacientes [4]. Para los alumnos, es difícil dominar la tecnología de operación de gastroscopia, lo que no solo puede arruinar su confianza, sino también causar dolor a los pacientes [5], y mucho menos los posibles riesgos médicos [6, 7].
La historia del uso de tecnología de simulación para entrenar la operación de gastroscopia se remonta a la década de 1860, lo que representa una transición del entrenamiento tradicional de endoscopia "mano a mano" a la enseñanza asistida por simulador [8]. Con el tiempo, el simulador de gastroscopia ha evolucionado para utilizar tecnología de realidad virtual (VR) para mejorar su eficacia en el entrenamiento endoscópico [9].
La realidad virtual (VR) se define como el uso de modelado y simulación por computadora para permitir que una persona interactúe con un entorno visual tridimensional artificial u otro entorno sensorial [10]. La integración de la tecnología de realidad virtual con la práctica clínica ha beneficiado significativamente la educación y la experimentación médica [10]. La aplicación de la realidad virtual en la enseñanza de operaciones gastroscópicas ha proporcionado a los alumnos un diagnóstico y un entorno gastroscópico altamente realistas, en el que pueden realizar de forma segura y eficaz una formación integral y mejorar su cognición de orientación, coordinación ojo-mano y capacidad operativa [11]. Además, los simuladores de gastroscopia de realidad virtual ofrecen varias ventajas, como reducir riesgos y posibles disputas médicas, ofrecer alta repetibilidad, aumentar las oportunidades de práctica, ahorrar tiempo y costos de capacitación, establecer registros de capacitación y desarrollar planes de capacitación individualizados [12]. Además, estos simuladores tienen funciones de evaluación objetiva que permiten evaluar la competencia del operador [13]. Por ejemplo, Qianru Wang et al. exploró la excelencia de la tecnología de animación VR para cirugía, investigación, capacitación y educación utilizando un sistema de simulación de gastroscopia como ejemplo [11]. De manera similar, Heather Lesch, et al. descubrió que los simuladores de realidad virtual como el Toolkit for Illustration of Procedimientos in Surgery (TIPS) pueden mejorar la confianza de los alumnos a la hora de reproducir los pasos del procedimiento y servir como una valiosa estrategia de aprendizaje [14].
Actualmente, la aplicación del simulador de gastroscopia VR en la formación clínica está bien establecida a nivel internacional. En países extranjeros, la formación en endoscopia ha pasado con éxito de la enseñanza "práctica" tradicional a la enseñanza asistida por simuladores de realidad virtual. Sin embargo, en China, la enseñanza de gastroscopia asistida por simuladores de realidad virtual aún se encuentra en sus primeras etapas [8]. Con la introducción de una serie de nuevas tecnologías, equipos y software como la realidad virtual, se espera que brinde nuevas oportunidades a la práctica médica clínica, y el desarrollo de la tecnología de simulación de enseñanza de gastroscopia basada en realidad virtual en China se considera la tendencia de desarrollo futura.
Antes del desarrollo de la Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT), existían numerosos modelos teóricos de aceptación individual de la tecnología de la información, pero muchos de estos modelos carecían de poder explicativo integral, lo que dificultaba a los investigadores seleccionar el modelo más adecuado. modelo basado en sus requisitos específicos. Venkatesh et al. abordó este tema integrando ocho modelos ampliamente aceptados en ese momento: Teoría de la Acción Razonada (TRA), Modelo de Aceptación de Tecnología (TAM), Modelo Motivacional (MM), Teoría del Comportamiento Planificado (TPB), Teoría Integrada del Comportamiento Planificado y Tecnología Integrada. Modelo de Aceptación (C-TAM), Modelo de Utilización de PC (MPCU), Teoría de Difusión de Innovación (IDF) y Teoría Cognitiva Social (SCT). Esta integración resultó en la creación de la Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT) [15].
El modelo consta de cuatro variables independientes: Expectativa de Desempeño (PE), Expectativa de Esfuerzo (EE), Influencia Social (SI) y Condición Facilitadora (FC); Además, el modelo UTAUT incluye cuatro variables moderadoras, que son género, edad, experiencia y uso voluntario [15]. La expectativa de desempeño se refiere al nivel de expectativa de los usuarios de la nueva tecnología para la tecnología o sistema; la expectativa de esfuerzo se refiere al costo en términos de tiempo, mano de obra e inteligencia si el usuario de la nueva tecnología tiene que gastar para llegar a ser competente en la tecnología; la influencia social se refiere al nivel del papel que desempeña el entorno circundante, incluidas las relaciones interpersonales, el entorno social, etc., sobre los usuarios de la nueva tecnología; Las condiciones facilitadoras se refieren a la base de conocimientos que tienen los usuarios sobre la nueva tecnología y el nivel de apoyo de las organizaciones pertinentes para que los usuarios utilicen la tecnología [15].
Los investigadores probaron el modelo a través de numerosos estudios empíricos y descubrieron que UTAUT tiene un mayor poder explicativo que los modelos anteriores [16]. El modelo UTAUT ha sido aplicado en muchos estudios sobre la disposición al uso y comportamiento de nuevas tecnologías desde que fue propuesto. Por ejemplo, Cilliers L et al. utilizaron el modelo UTAUT para estudiar la aceptación de los estudiantes del uso de teléfonos móviles para buscar información de salud [17]; Dwivedi YK y Hoque R et al. lo utilizó para estudiar aplicaciones de salud móvil [18, 19]. Aunque el modelo UTAUT se ha utilizado en el campo de la realidad virtual y la educación [20,21,22], no hay estudios relevantes que hayan utilizado el modelo UTAUT para explorar la intención de utilizar el modelo gastroscópico 3D construido con base en tecnología VR, que implica que existe un vacío de investigación en este campo.
El UTAUT se desarrolló integrando cuatro constructos (expectativa de desempeño, expectativa de esfuerzo, influencia social y condiciones facilitadoras) para desempeñar un papel importante como determinantes directos de la intención conductual de los usuarios y del comportamiento de uso [23]. Según Venkatesh et al. [15], la expectativa de desempeño, la expectativa de esfuerzo y la influencia social tienen un efecto significativo en la intención de comportamiento de los usuarios. Consistentemente, planteamos las hipótesis H3-H5 en esta investigación. En 2012, Venkatesh et al. [24] ampliaron el modelo UTAUT planteando la hipótesis y verificando que las condiciones facilitadoras también tienen un efecto significativo en la intención conductual de los usuarios, lo que en consecuencia es la base de la hipótesis H6 de nuestro estudio. Además, varios estudios han demostrado los efectos positivos de la expectativa de desempeño, la expectativa de esfuerzo, la influencia social y las condiciones facilitadoras sobre la intención conductual en el modelo UTAUT [25, 26]. Chien-wen Shen et al. Estudió la intención conductual de utilizar tecnología de realidad virtual en el aprendizaje basándose en el modelo UTAUT, y los resultados mostraron que los cuatro factores principales del modelo UTAUT influyeron positivamente en la intención conductual de utilizar la realidad virtual en el aprendizaje [25]. Al explorar los factores que influyen en la implementación de hospitales en línea y la adopción de servicios de salud móvil, Wang et al. Llegó a la conclusión de que las expectativas de rendimiento, las expectativas de esfuerzo y las condiciones facilitadoras tenían un impacto positivo en la disposición de los pacientes a utilizar hospitales en línea [26].
La influencia social se define como el grado en el que un individuo percibe que otras personas importantes creen que él o ella debería utilizar el nuevo sistema [15]. Si otras personas importantes de los estudiantes, como profesores o compañeros de clase, les recomiendan utilizar el modelo gastroscópico 3D construido con tecnología de realidad virtual, probablemente considerarán las razones de sus recomendaciones: cuáles son las ventajas de esta tecnología. O la tecnología es fácil de usar o les ayudará a lograr mejoras en el rendimiento de los estudios. Por lo tanto, fuera del modelo UTAUT estándar y extendido, colocamos la influencia social como una variable antecedente y asumimos que tendría un efecto significativo sobre la expectativa de desempeño y la expectativa de esfuerzo, que son H1 y H2. Paula Philippi et al. validado y adaptado el UTAUT a la salud digital basado en el modelo UTAUT, en este estudio los autores propusieron y probaron la hipótesis de una correlación entre los factores principales (expectativa de desempeño, expectativa de esfuerzo, influencia social y condiciones facilitadoras) [27]. En el estudio de exploración de los factores que influyen en la intención de los estudiantes universitarios de utilizar consistentemente plataformas de cursos en línea, Mengting Chen et al. combinó el modelo UTAUT original, agregó nuevos factores para proponer un modelo marco y planteó la hipótesis de una relación positiva entre la influencia social y las expectativas de desempeño [28]. Dado que pocos estudios previos han explorado y verificado la relación entre la influencia social y la expectativa de desempeño o expectativa de esfuerzo, la hipótesis propuesta en este estudio es innovadora. Mientras tanto, la verificación de las hipótesis proporcionará nuevas direcciones para futuras investigaciones y proporcionará más valor de referencia para la aplicación práctica del modelo gastroscópico 3D construido con tecnología de realidad virtual.
Venkatesh et al. [15] presentaron cuatro variables manipuladas (género, edad, experiencia, voluntariedad de uso) que moderan la relación entre cuatro variables latentes y la intención conductual. Las características sociológicas demográficas en este estudio fueron género, tipos de universidades, grado, año de aprendizaje clínico y ubicación del hogar. Teniendo en cuenta el hecho de que los dispositivos tradicionales de alta simulación son muy caros y no pueden usarse ampliamente en las facultades de medicina [29], es decir, muchos de los encuestados en esta encuesta no tenían la experiencia de usar la tecnología VR para aprender, el uso El comportamiento y el efecto de la experiencia no se consideran en este estudio. Por lo tanto, la variable moderadora “experiencia” así como la variable latente “comportamiento de uso” fueron excluidas del modelo. Además, casi todos los usuarios no están obligados a utilizar el sistema, por lo que la variable moderadora “voluntariedad” queda excluida del modelo. En cuanto a la variable manipulada “edad”, considerando que la mayoría de los estudiantes del estudio se encuentran en el mismo rango de edad y no tienen mucha diferencia de edad, se eligió como variable moderadora otra característica demográfica “año de aprendizaje clínico”. La sustitución de variables manipuladas es otro importante punto de innovación para nosotros. Para un determinado grupo de investigación, las variables manipuladas del modelo pueden no ser completamente aplicables, y el reemplazo adecuado según la situación real puede aumentar el grado de adaptación del modelo, lo que proporciona un valor de referencia para futuras investigaciones.
Según lo mencionado anteriormente, planteamos la siguiente hipótesis:
H1: La influencia social afecta positivamente la expectativa de desempeño.
H2: La influencia social afecta positivamente la expectativa de esfuerzo.
H3: La expectativa de desempeño afecta positivamente la intención de comportamiento.
H4: La Influencia Social afecta positivamente la Intención de Comportamiento.
H5: La expectativa de esfuerzo afecta positivamente la intención de comportamiento.
H6: La condición facilitadora afecta positivamente la intención de comportamiento.
En la Fig. 1 se muestran seis hipótesis.
Marco de Investigación
En este estudio, exploraremos los cuatro factores que influyen en los posgraduados en medicina clínica chinos sobre su intención de utilizar un modelo gastroscópico 3D para aprender a operar un gastroscopio basado en UTAUT. Además, intentaremos verificar dos hipótesis sobre la influencia positiva significativa de la influencia social en la expectativa de desempeño y la expectativa de esfuerzo. Además, analizaremos la influencia de los factores demográficos de los estudiantes sobre los constructos del modelo UTAUT. Este estudio llena un vacío en la aplicación del modelo UTAUT en el campo de la realidad virtual para gastroscopia. A través de este estudio, esperamos brindar sugerencias para la aplicación de la tecnología de realidad virtual en el campo del 3D y para que los educadores ayuden a los estudiantes de medicina a aceptar mejor la tecnología de gastroscopia de realidad virtual.
Utilizando un método de muestreo estratificado, invitamos a estudiantes de maestría y doctorado con especialización en medicina clínica en 5 universidades integrales y 5 universidades médicas de China a participar en nuestro proyecto de investigación a través de un cuestionario electrónico, durante febrero y marzo de 2021. Considerando la tasa de respuesta, establecer un mecanismo de incentivos. Los sujetos que completen el cuestionario podrán obtener como recompensa un sobre rojo. Este estudio fue revisado y aprobado por el Comité de Ética del Centro de Investigación de Cultura de la Salud, la base clave de investigación de Filosofía y Ciencias Sociales en la provincia de Shaanxi porque la encuesta fue anónima y declaramos que todos los datos personales recopilados serán tratados de manera estrictamente confidencial en la forma informada. Formulario de consentimiento (ICF) en la primera página del cuestionario. La firma del CIF fue voluntaria, si los estudiantes se negaron a firmar el CIF se consideró que se habían retirado de la investigación. Un total de 347 estudiantes fueron invitados a completar la encuesta, con una tasa de respuesta del 99,14% (344), de los cuales 52 respuestas fueron excluidas: 20 fueron excluidas por tiempo de respuesta inferior a 5 min, 14 por direcciones IP duplicadas y 18 por no pasar la verificación lógica. Se utilizaron un total de 292 respuestas para análisis posteriores, por lo que la tasa de efectividad es del 84,15%.
El cuestionario contiene 2 partes. La primera parte contiene la información básica de los participantes, incluido el sexo, el nombre de la universidad, el grado, el tiempo de estudio clínico y la ciudad de origen. La segunda parte se basa en el modelo UTAUT, utilizando una escala Likert de 5 puntos, que incluye 5 dimensiones y 19 preguntas (1 = totalmente en desacuerdo, 2 = en desacuerdo, 3 = neutral, 4 = de acuerdo y 5 = totalmente de acuerdo). La composición del cuestionario adaptado de la literatura se muestra en la Tabla 1.
Para mejorar la validez del cuestionario, elegimos un estudio piloto de la población de estudio. El propósito fundamental del estudio piloto es verificar empíricamente la confiabilidad del cuestionario examinando la exactitud y veracidad de elementos y constructos de medición completos. Para el constructo respectivo, la confiabilidad se examinó mediante el alfa de Cronbach, cuyo umbral se estableció en 0,7 [39]. En el estudio piloto, recopilamos 50 cuestionarios elegibles de encuestados en dos universidades. Las puntuaciones alfa de Cronbach oscilaron entre 0,829 para FC y 0,933 para PE. Según los resultados de los valores de alfa de Cronbach, todas las variables estuvieron por encima de 0,7. La validez de contenido del cuestionario se evaluó según los puntos de vista de seis especialistas, entre ellos medicina clínica, salud pública, pedagogía médica, psicología, conductista y estadística. Se demostró la fiabilidad y usabilidad del cuestionario final.
Se utilizó el software IBM SPSS Statistics 25.0 (versión de red de la Universidad de Pekín, dirección: 162.135.134.153) para establecer una base de datos para la descripción estadística y realizar estadísticas analíticas (coeficiente de correlación de Pearson y prueba de suma de rangos) para analizar los resultados. Utilizando el software Amos 21.0, la validez convergente y la validez discriminante del modelo de medición se probaron mediante análisis factorial confirmatorio (AFC) y se analizaron todas las rutas hipotéticas del SEM. También se utilizó PLS-SEM para probar la validez discriminante del modelo de medición. Para estimar los parámetros se utilizó el método robusto de máxima verosimilitud. La significancia se estableció en P <0,01. Los estándares de evaluación comúnmente utilizados de SEM son Chi-cuadrado/grados de libertad (X2/df), índice de bondad de ajuste (GFI), índice de ajuste comparativo (CFI), error cuadrático medio de aproximación (RMSEA), ajuste normal. índice (NFI) e índice de Tucker-Lewis (TLI), índice de bondad de ajuste ajustado (AGFI), índice de ajuste incremental (IFI) [40]. Todos los métodos se llevaron a cabo de acuerdo con las directrices pertinentes.
La muestra recopilada se compone de 170 (58,2%) mujeres y 122 (41,8%) hombres, cuya distribución se aproximaba a la proporción de género de toda la población de estudiantes de medicina en las Universidades Médicas de China: 60,1% mujeres frente a 39,9% estudiantes varones [38 ]. Entre ellos, 145 (49,7%) de los estudiantes eran de universidades integrales y 147 (50,3%) eran de universidades médicas, y la distribución se aproximaba a la proporción de todas las universidades integrales con facultades de medicina versus universidades médicas en China de aproximadamente 1 a 1. También en esta muestra, 225 (77,1%) eran estudiantes de maestría y el resto 67 (22,9%) eran estudiantes de doctorado. Además, menos de la mitad de los estudiantes (45,9%) procedían de zonas rurales de China, lo que sugiere que su situación económica familiar es relativamente baja en comparación con la de los estudiantes de zonas urbanas [41]. Los detalles de la información demográfica de los encuestados se muestran en la Tabla 2.
En primer lugar, la varianza del método común se probó utilizando la prueba de un factor de Harman y el resultado de 36,827% fue inferior al umbral del 40%, lo que indica que no existe un sesgo grave del método común en la escala utilizada en este estudio. Antes de informar el modelo estructural, se debe anotar el valor de colinealidad informando los valores del factor de inflación de varianza (VIF). En la Tabla 3, todos los VIF son inferiores a 3, lo que indica que no hay problemas de multicolinealidad significativos en el modelo.
Evaluamos el modelo de medición examinando la confiabilidad interna, la validez convergente (CV) y la validez discriminante (DV). La confiabilidad interna se evaluó verificando el alfa de Cronbach y los valores de confiabilidad compuesta (CR) para cada constructo. El CV se evaluó midiendo la varianza promedio extraída (AVE). Consulte la Tabla 3 para conocer los resultados del rango de carga de elementos, alfa de Cronbach, AVE y CR.
En la Tabla 3, las cargas de construcción calculadas oscilan entre 0,67 y 0,88, y todas superan los niveles recomendados [39]. La confiabilidad del constructo, que indica qué tan bien se mide un constructo mediante sus ítems, se evaluó mediante el alfa de Cronbach y la confiabilidad compuesta (CR). Los valores alfa de Cronbach oscilaron entre 0,82 para FC y 0,94 para PE, y los valores de CR oscilaron entre 0,833 para FC y 0,938 para PE. Para ambas medidas, todos los constructos excedieron el límite recomendado de 0,7 [42], lo que sugiere una alta confiabilidad interna. Como se muestra en la Tabla 3, las cargas factoriales de constructo latentes estimadas oscilaron entre 0,67 y 0,88 y fueron estadísticamente significativas (p <0,05). El AVE osciló entre 0,589 (SI) y 0,715 (PE) y superó el umbral de 0,5 para cada constructo [42], lo que sugiere una alta validez convergente.
Para evaluar el DV, se comparó la raíz cuadrada del AVE de cada constructo latente con su correlación entre constructos. La raíz cuadrada del AVE de un constructo debe exceder sus correlaciones con otros constructos para lograr un DV apropiado [42, 43]. Además, los valores diagonales deben exceder los valores fuera de la diagonal en las columnas y filas correspondientes [44]. La Tabla 4 muestra que para cada constructo, la raíz cuadrada del AVE (los valores en negrita se muestran en diagonal) fue mayor que las correlaciones entre constructos, lo que indica un nivel satisfactorio de DV.
DE: desviación estándar; Los valores en negrita en la diagonal son la raíz cuadrada del AVE. Los valores fuera de la diagonal representan correlaciones entre constructos. SI, Influencia Social; PE, Expectativa de Desempeño; EE, Expectativa de Esfuerzo; FC, Condiciones Facilitadoras; BI, Intención de Comportamiento. *p < 0,05.
Sin embargo, si se utiliza en combinación con resultados de modelos de ecuaciones estructurales basados en la varianza, como el tradicional modelo de trayectoria de mínimos cuadrados parciales y el análisis de componentes estructurados generalizados, el criterio de Fornell-Larcker carece de sensibilidad y, si se utiliza en combinación con estimaciones consistentes, carece de especificidad. 45]. Por lo tanto, además de utilizar el criterio de Fornell-Larcker, también utilizamos la relación de correlaciones heterotrait-monotrait (HTMT), que es un enfoque novedoso para evaluar la validez discriminante introducido por Henseler, Ringle y Sarstedt para garantizar que la prueba de validez discriminante sea de rigor. 46]. Si el HTMT es menor que uno, se puede considerar establecida la validez discriminante. En muchas situaciones prácticas, un umbral de 0,85 distingue de manera confiable entre aquellos pares de variables latentes que son válidas discriminatoriamente y aquellas que no lo son. El HTMT se calculó utilizando el paquete de software PLS-SEM y los resultados también se muestran en la Tabla 5.
SI, Influencia Social; PE, Expectativa de Desempeño; EE, Expectativa de Esfuerzo; FC, Condiciones Facilitadoras; BI, Intención de Comportamiento.
En la mayoría de los casos la relación entre variables no fue significativa (p > 0,05). Se encontró que existía una correlación significativa entre el género y la expectativa de esfuerzo (p < 0,05). Además, las condiciones facilitadoras tuvieron una correlación significativa con las universidades (p <0,01) o el título educativo (p <0,01) de los encuestados. La correlación entre la intención conductual y la ciudad natal (p < 0,05) o la duración del aprendizaje clínico (p < 0,01) de los encuestados también fue bastante significativa.
La calidad del SEM se evaluó examinando los índices de aptitud del modelo y las estimaciones explicadas por la varianza. Los índices de aptitud del modelo se muestran a continuación: X2/gl fue 2,385 < 3, GFI = 0,885>0,8, NFI = 0,908>0,9, TLI = 0,934>0,9, CFI = 0,944>0,9, IFI = 0,944 >0,9, AGFI = 0.849>0.8 y RMSEA = 0.069 < 0.08, lo que demuestra que el modelo de hipótesis en esta investigación fue respaldado (Ver Tabla 6 para más detalles).
Todas las hipótesis fueron respaldadas en este estudio, excepto la hipótesis H5 que establece que la expectativa de esfuerzo afecta positivamente la intención conductual (β=-0,112, p = 0,240). El coeficiente de trayectoria estandarizado del modelo estructural se presenta en la Tabla 7. Los resultados muestran que las relaciones entre la expectativa de desempeño y la intención conductual (β = 0,275, p < 0,01), la influencia social y la intención conductual (β = 0,313, p < 0,01), la condición facilitadora y la intención conductual (β = 0,331, p < 0,01) fueron significativas. Así, se confirmaron H3, H4 y H6.
Además, fuera del modelo UTAUT estándar se observó una relación significativa entre la influencia social y la expectativa de desempeño (β = 0,340, p < 0,01), la influencia social y la expectativa de esfuerzo (β = 0,727, p < 0,01). Por tanto, se confirmaron H1 y H2. En la Fig. 2 se muestra una descripción general del coeficiente de trayectoria estandarizado del modelo estructural.
Coeficientes de trayectoria para el modo de investigación. SI, Influencia Social; PE, Expectativa de Desempeño; EE, Expectativa de Esfuerzo; FC, Condiciones Facilitadoras; BI, Intención de Comportamiento. *P < 0,01
En este estudio, intentamos explorar cómo las variables afectan la intención de comportamiento de los estudiantes al utilizar un modelo gastroscópico 3D construido con base en tecnología de realidad virtual entre los estudiantes de la Universidad de Ciencias Médicas Clínicas. Los resultados mostraron que había una correlación significativa entre el año de aprendizaje clínico y la intención conductual de los estudiantes al utilizar el modelo gastroscópico 3D basado en tecnología de realidad virtual. A través del análisis post mortem, confirmamos que los estudiantes que habían estudiado en la clínica durante un año y uno o dos años mostraron una mayor disposición a utilizar la tecnología que aquellos que habían estudiado en la clínica durante más de dos años. No hubo diferencias significativas en la intención de comportamiento entre los estudiantes que habían estudiado en la clínica durante un año y uno o dos años. Quizás porque los estudiantes que han estudiado en la clínica durante más de dos años tienen más experiencia en el funcionamiento de la gastroscopia como resultado de más años de estudio y práctica. La misma explicación se aplica al efecto significativo del título educativo a la hora de facilitar las condiciones en las que los estudiantes de maestría perciben más apoyo técnico o de conocimiento por parte de profesores u organizaciones como universidades que los estudiantes de doctorado [47]. Además, a diferencia de los hallazgos de Venkatesh et al. Aunque el efecto moderador del género sobre la expectativa de esfuerzo sobre la intención de comportamiento será más fuerte para las mujeres, encontramos que la puntuación de la expectativa de esfuerzo de los estudiantes varones es mayor que la de las estudiantes con una significación significativa.
A diferencia de la estratificación de tipos de universidades y facultades, universidades y facultades clave (KUC) y universidades y facultades no clave (NKUC) en la investigación de Hongbin Wu, et al. [42], utilizamos universidades integrales y universidades médicas como base para la estratificación porque tienen diferentes entornos educativos y modos de enseñanza que pueden influir en la intención de comportamiento de los estudiantes. Para las universidades integrales, apoyadas por las humanidades, las ciencias sociales y otras ciencias naturales, se enfatiza el cultivo multinivel de logros, habilidades y conocimientos, de modo que los estudiantes de medicina puedan desarrollar mayores logros generales y fortalezas integrales sobre la base de buenas habilidades profesionales. Para las universidades de medicina, el trabajo central de la escuela es el cultivo de talentos médicos y las principales actividades de la escuela se llevan a cabo en torno al cultivo de las habilidades de práctica médica de los estudiantes de medicina, lo que favorece el cultivo de profesionales médicos pero relativamente carece de ambiente humanista [48]. Los resultados de la prueba de suma de rangos mostraron que había una diferencia significativa en los puntajes de las condiciones facilitadoras entre los estudiantes de diferentes tipos de universidades, con puntajes más altos en los estudiantes de universidades de medicina, lo que demuestra que nuestra estratificación es razonable. Teniendo en cuenta que pocos estudios previos han tenido en cuenta los tipos de universidad o facultad, estos resultados suponen una contribución única a la literatura [41].
Además, en esta investigación se encontró que la ubicación del hogar era una variable moderadora clave que afectaba la intención conductual de utilizar la tecnología de realidad virtual entre los estudiantes. En nuestra investigación, 143 estudiantes de medicina de zonas rurales de China tienen una intención de comportamiento más débil al utilizar el modelo de gastroscopio 3D basado en tecnología de realidad virtual que los de zonas urbanas. Especulamos que la razón de esta diferencia es que existe una gran brecha entre las áreas urbanas y rurales en China [49]. La situación económica familiar de los estudiantes de medicina en las zonas rurales es relativamente inferior a la de los estudiantes de las zonas urbanas [50], y tardan en aceptar nuevas cosas o tecnologías. Esto es consistente con un estudio sobre servicios para pacientes en línea, que encontró que había diferencias entre los residentes rurales y urbanos en el uso de portales para pacientes [51]. Además, esto es consistente con los hallazgos de investigaciones anteriores y el estudio de Ma Q et al. [52] ese estatus económico estaba fuertemente asociado con la aceptación de una tecnología en los países en desarrollo.
La enseñanza de gastroscopia tradicional tiene muchas limitaciones y es difícil tener en cuenta los riesgos de los pacientes y el funcionamiento real de los estudiantes [53,54,55]. La tecnología de realidad virtual proporciona un mejor método de enseñanza para la enseñanza de gastroscopia, que puede proporcionar una experiencia muy real. entorno para la operación y el diagnóstico de gastroscopia para estudiantes y mejorar la capacidad operativa de la gastroscopia [56,57,58]. El estudio adoptó el marco teórico del modelo UTAUT original y ampliado y tuvo como objetivo explorar la aceptación del modelo gastroscópico 3D construido con tecnología de realidad virtual por parte de estudiantes de medicina clínica y los factores que influyen en su voluntad de vacunarse contra esta nueva modalidad de enseñanza.
Se teorizaron cuatro determinantes en el modelo de investigación de acuerdo con el modelo de aceptación, pero los hallazgos no se ajustaron perfectamente a la hipótesis. Los resultados del estudio confirmaron que UTAUT podía predecir en gran medida la intención conductual de los estudiantes al utilizar un modelo gastroscópico construido con base en tecnología de realidad virtual. En cuanto a las variables de correlación UTAUT, el resultado muestra que tres variables de expectativa de desempeño, condición facilitadora e influencia social tuvieron una influencia significativa en la intención conductual de utilizar el modelo gastroscópico 3D construido con base en tecnología VR. Esto es consistente con nuestros supuestos para H3, H4, H6.
En primer lugar, las expectativas de rendimiento influyeron significativamente en la intención conductual de los estudiantes de medicina al recibir el sistema de gastroscopia de realidad virtual, lo que sugiere que cuanto mayores sean las expectativas de los estudiantes de medicina de que el sistema de gastroscopia de realidad virtual pueda ayudar a mejorar sus habilidades médicas, mayor será la aceptación del sistema de gastroscopia de realidad virtual. Ali garavand et al. utilizó el modelo UTAUT para analizar los factores que influyen en la adopción de aplicaciones de mHealth entre estudiantes de medicina y concluyó que las expectativas de desempeño tienen un efecto positivo significativo en las intenciones de comportamiento [23]. Yousef et al. En un estudio que utilizó el modelo UTAUT para predecir la intención de los pacientes de utilizar sus registros médicos personales, concluyó que las expectativas de desempeño estaban significativamente correlacionadas con las intenciones conductuales, de acuerdo con nuestros hallazgos [59]. En segundo lugar, la influencia social tuvo un efecto significativo en la intención conductual de los estudiantes de medicina al recibir el sistema de gastroscopia VR. Esto indica que el entorno que rodea a los estudiantes de medicina afecta su intención de comportamiento hacia el sistema de gastroscopia de realidad virtual, como que los profesores y compañeros de clase apoyan y favorecen el sistema de gastroscopia de realidad virtual, lo que aumentará la aceptación del sistema de gastroscopia de realidad virtual por parte de los estudiantes de medicina. En un estudio sobre la aceptación y los factores que influyen en la socialización de la realidad virtual entre las personas mayores urbanas, los investigadores analizaron a través del modelo UTAUT y encontraron que la influencia social y las expectativas de desempeño son factores importantes que afectan la aceptación de la socialización de la realidad virtual entre las personas mayores [60]. Al evaluar la aceptación humana de los escenarios de ensamblaje asistido por AR, Schuster et al. Verificó que la influencia social tiene un efecto positivo sobre la intención conductual [61]. Esto también fue confirmado por el metanálisis realizado por Dwivedi et al., en el que la influencia de los factores sociales sobre las intenciones conductuales fue significativa en la mayoría de los estudios [18]. Finalmente, la condición facilitadora tiene un efecto positivo y más significativo sobre la intención conductual en este estudio. Esto indica que si los estudiantes de medicina encuentran que el sistema de gastroscopia de realidad virtual es fácil de aprender y usar, su aceptación del sistema de gastroscopia de realidad virtual aumentará significativamente. En el estudio basado en el modelo UTAUT extendido para comprender el impacto de la confianza en la aceptación de la computación en la nube por parte de los usuarios, Saad Alharbi et al. [62] encontraron que las expectativas de desempeño y las condiciones de facilitación eran los factores de influencia más importantes. El estudio de BrizPonce y García-Peñalvo [63] y Schomakers et al. [64] encontraron que el factor de condición facilitadora es un fuerte predictor que afecta la intención conductual. Todos estos son consistentes con los resultados de este estudio.
Además, hemos verificado la significancia entre influencia social y expectativa de desempeño, influencia social y expectativa de esfuerzo, por lo que se verifican las hipótesis H1 y H2. Esto es consistente con varios estudios realizados por académicos como Paula Philippi y Mengting Chen [27, 28]. Si los profesores o compañeros de clase de los estudiantes les recomiendan utilizar el modelo gastroscópico 3D construido con base en la tecnología VR, probablemente considerarán que la tecnología es fácil de usar, o que la tecnología les ayudará a lograr mejoras en el rendimiento en el estudio, mejorando así su aceptación de la tecnología. Estas dos hipótesis están fuera del modelo UTAUT y pocos estudios se centran en la relación entre ellas. Los resultados positivos de nuestro estudio implican que existe la necesidad de que futuras investigaciones presten más atención para verificar más la relación entre la influencia social y la expectativa de desempeño, así como la relación entre la influencia social y la expectativa de esfuerzo.
Según los resultados de este estudio, la expectativa de esfuerzo tiene efectos insignificantes sobre la intención conductual. Sin embargo, estudios previos han indicado que la expectativa de esfuerzo juega un efecto significativo en la intención conductual de los usuarios de emplear una nueva tecnología [65,66,67]. La sorprendente inconsistencia puede deberse a que la realidad virtual aún no se ha adoptado ampliamente en la educación médica, por lo que los estudiantes no están familiarizados con el modelo gastroscópico 3D construido con base en la tecnología de realidad virtual. Si los estudiantes no tienen la idea de cómo usar o cómo aprender a usar el modelo gastroscópico 3D construido con tecnología de realidad virtual, es posible que no estén seguros de poder trabajar duro para adquirir habilidades en esta cosa totalmente nueva. La suposición es relativamente razonable porque estudios anteriores han indicado que la expectativa de esfuerzo juega un efecto significativo en la intención de comportamiento de los usuarios, centrándose en algunas aplicaciones o técnicas que han sido ampliamente utilizadas y los encuestados están familiarizados con ellas.
Las contribuciones teóricas de este estudio son las siguientes: Este estudio aplica el modelo UTAUT en el campo de la gastroscopia de realidad virtual por primera vez y explora la intención conductual de los estudiantes de medicina al recibir una gastroscopia de realidad virtual, llenando los vacíos en campos de investigación anteriores, como entre UTAUT y virtual. realidad. Además, este estudio adaptó el marco del modelo UTAUT al modelo UTAUT original sugerido por Venkatesh et al. en el contexto de este estudio. Las cuatro variables moderadoras del modelo UTAUT original (género, edad, experiencia y voluntariedad de uso) se ajustaron a los cinco factores demográficos de género, tipo de universidad, nivel de grado, año de estudio clínico y ubicación del hogar. Además, se verificó la importancia entre la influencia social y la expectativa de desempeño, influencia social y expectativa de esfuerzo a la que los investigadores no prestaron mucha atención.
Las contribuciones prácticas de este estudio son que sus hallazgos podrían ayudar a los educadores médicos a enseñar mejor sobre el uso de modelos de gastroscopia 3D. Esto podría ayudar a las facultades de medicina a hacer un mejor uso de la tecnología en la enseñanza de conocimientos médicos y mejorar la comprensión y las habilidades operativas de los estudiantes en relación con las enfermedades, el diagnóstico y el tratamiento, reduciendo así los riesgos quirúrgicos y mejorando la seguridad del paciente. Además, este estudio también podría servir de referencia para mejoras similares en la docencia y la aplicación de nuevas tecnologías en otras áreas temáticas, así como el desarrollo de herramientas didácticas para empresas relacionadas.
Las limitaciones del estudio son las siguientes. En primer lugar, como los datos de la investigación se presentan en forma de autoinforme, es difícil eliminar algunos sesgos de recuerdo. En segundo lugar, este estudio es un estudio de diseño transversal, que no captura la inferencia causal. Por lo tanto, no captura los factores que influyen en la intención conductual de los estudiantes de medicina al utilizar el modelo gastroscópico VR, sino más bien factores relacionados con los fenómenos. Es más, la variable latente "comportamiento de uso" fue excluida de nuestro modelo debido al hecho de que los dispositivos tradicionales de alta simulación son demasiado caros para ser utilizados ampliamente en las facultades de medicina de China, por lo que muchos de los encuestados en nuestra encuesta no tenían la Experiencia en el uso de la tecnología VR para aprender. Los estudios futuros pueden reclutar encuestados de países que tienen una aplicación común de la tecnología de realidad virtual en la enseñanza de la gastroscopia y explorar las relaciones entre el comportamiento de uso y otras variables.
En comparación con la enseñanza de gastroscopia tradicional, la aplicación de la tecnología de realidad virtual en la enseñanza de gastroscopia tiene ventajas destacadas, ya que puede compensar los defectos inherentes del modo de enseñanza tradicional. Este estudio aplicó el modelo UTAUT para explicar los determinantes de la intención conductual de los estudiantes de medicina clínica hacia el uso del modelo gastroscópico 3D construido con base en tecnología VR. Tomando como base para la estratificación las universidades integrales y las universidades médicas, se recopilaron datos de 292 encuestados. Excluimos la variable manipulada "experiencia" y "voluntariedad" y cambiamos la "edad" a "año de aprendizaje clínico". Al mismo tiempo, incorporamos variables manipuladas "ubicación del hogar" y "grado educativo", que ofrecieron nuevas perspectivas sobre la interacción entre las cuatro variables latentes anteriores, ya que tenían efectos sobre la intención conductual.
Las conclusiones más importantes son las siguientes: Se testificó una alta consistencia interna y confiabilidad del modelo, manifestando así suficiente poder explicativo del modelo basado en UTAUT propuesto en este estudio. En este estudio se demostraron los efectos positivos de la expectativa de desempeño, la influencia social y las condiciones facilitadoras sobre la intención de comportamiento hacia el uso del modelo gastroscópico 3D construido con tecnología de realidad virtual. Además, la influencia social es un factor clave que desempeña efectos destacados en la expectativa de esfuerzo de los estudiantes de medicina clínica, y los resultados manifestaron un efecto positivo de la influencia social en la expectativa de desempeño, lo que proporcionó una dirección para futuros estudios.
Una variable importante de la expectativa de esfuerzo en el marco del SEM no fue certificada, lo que indica que las universidades y los profesores deben prestar especial atención a esta variable antes de aplicar el modelo gastroscópico 3D construido con tecnología VR en la enseñanza. Se requiere trabajo preparatorio adicional, como explicar los conocimientos básicos de los pasos operativos del modelo de realidad virtual y hacer que los estudiantes comprendan adecuadamente su accesibilidad, lo que probablemente pueda mejorar sus intenciones de usarlo. Además, sugerimos que la enseñanza de la gastroscopia con realidad virtual se integre con el modo de enseñanza tradicional y que los pasos operativos diseñados sean fáciles de aprender y dominar. En particular, los instructores deben tener práctica en los tipos de operaciones del sistema de enseñanza de gastroscopia VR.
Los autores declaran que los datos de respaldo se pueden obtener de los autores correspondientes previa solicitud razonable.
Khan R, Plahouras J, Johnston BC, Scaffidi MA, Grover SC, Walsh CM. Entrenamiento de simulación de realidad virtual en endoscopia: una revisión y metanálisis Cochrane. Endoscopia. 2019;51(7):653–64. https://doi.org/10.1055/a-0894-4400. Publicación electrónica 10/05/2019.
Artículo de Google Scholar
He L, Lin J. Intervención de enfermería y análisis del efecto de la gastroscopia. Foro de medicina de atención primaria (2020) 24(29):4264–5. doi: https://doi.org/10.19435/j.1672-1721.2020.29.077.
Jin Z, Gan T, Wang P, Fu Z, Zhang C, Yan Q, et al. Aprendizaje profundo para imágenes gastroscópicas: técnicas asistidas por computadora para médicos. Biomed Eng en línea. 2022;21(1):12. https://doi.org/10.1186/s12938-022-00979-8. Publicación electrónica 2022/02/13.
Artículo de Google Scholar
Yang Hou YL, Jiangang, Shi, Wen Yuan. El rol y pensamiento de la Modalidad de Educación Médica basada en tecnología de realidad virtual en la Práctica Docente de Ortopedia. Lesión de la articulación ósea del mentón J. 2018;33(03):334–6. https://doi.org/10.7531/j.issn.1672-9935.2018.03.045.
Artículo de Google Scholar
Wu Y, Zhao J, Liang Y, Qin Z, Meng J, Xu S et al. Satisfacción del paciente en los hospitales de Shanghai: un estudio transversal, multicéntrico y de muestra grande. (2021). doi: https://doi.org/10.1142/S2689980921500019.
Shuwei Sun. Estudio sobre el diseño e implementación del sistema de examen de gastroscopio virtual en línea. Segunda Universidad Médica Militar; 2007.
Yi-Bo WU, Xie XH, Zhao ZG, Wang LQ, Xin-Yi LI, Tian Y et al. Estudio sobre la experiencia y la comprensión de la atención farmacéutica entre el personal médico y el público. Revista china de farmacia hospitalaria, 2020, 40(06):714–718. doi: https://doi.org/10.13286/j.1001-5213.2020.06.23.
Hong L, Xin G, Wenqiao H, Xiangjun J. Avance en la investigación sobre la realidad virtual en el entrenamiento en endoscopia digestiva. Chin J Gastroenterol 2021,26(03):181–5. doi: 10.3969 /j.issn.1008-7125.2021.03.011.
Walsh CM, Cohen J, Woods KL, Wang KK, Andersen DK, Anderson MA, et al. Asge Endovators Summit: simuladores y el futuro de la formación endoscópica. Gastrointest Endosc. 2019;90(1):13–26. https://doi.org/10.1016/j.gie.2018.10.031. Publicación electrónica 28/05/2019.
Artículo de Google Scholar
Chen FQ, Leng YF, Ge JF, Wang DW, Li C, Chen B, et al. Efectividad de la realidad virtual en la educación de enfermería: metaanálisis. J Med Internet Res. 2020;22(9):e18290. https://doi.org/10.2196/18290. Publicación electrónica 16/09/2020.
Artículo de Google Scholar
Wang Q, Li C, Xie Z, Bu Z, Shi L, Wang C, et al. El desarrollo y aplicación de la tecnología de simulación de animación de realidad virtual: tome el sistema de simulación de gastroscopia como ejemplo. Pathol Oncol Res. 2020;26(2):765–9. https://doi.org/10.1007/s12253-019-00590-8. Publicación electrónica 28/02/2019.
Artículo de Google Scholar
Schmidt MW, Kowalewski KF, Schmidt ML, Wennberg E, Garrow CR, Paik S, et al. La puntuación Heidelberg Vr: desarrollo y validación de una puntuación compuesta para el entrenamiento en realidad virtual laparoscópica. Cirugía Endosc. 2019;33(7):2093–103. https://doi.org/10.1007/s00464-018-6480-x. Publicación electrónica 18/10/2018.
Artículo de Google Scholar
Shi HT, Liu N, Zhao JH, Guo XY, Wang Y, Shi-Yang MA et al. Estado de la Formación en Endoscopia Digestiva y la aplicación del Simulador de endoscopio de realidad virtual. (2018). doi: https://doi.org/10.13555/j.cnki.cme2018.02.048.
Lesch H, Johnson E, Peters J, Cendan JC. La simulación Vr conduce a una mayor confianza en el procedimiento para los estudiantes de cirugía. J Surg Educa. 2020;77(1):213–8. https://doi.org/10.1016/j.jsurgi.2019.08.008. Publicación electrónica 31/08/2019.
Artículo de Google Scholar
Venkatesh V, Morris MG, Davis GB, Davis FDJMQ. Aceptación del Usuario de las Tecnologías de la Información: hacia una visión unificada. (2003) 27(3):425–78. doi: https://doi.org/10.2307/30036540.
Wang JJS. Tendencia de investigación de la teoría unificada de la aceptación y uso de la tecnología: un análisis bibliométrico. (2021) 14.doi: https://doi.org/10.3390/su14010010.
Cilliers L, Viljoen KL, Chinyamurindi WT. Un estudio sobre la aceptación del uso de teléfonos móviles por parte de los estudiantes para buscar información sanitaria en Sudáfrica. Gerencia de Inf. de Salud. 2018;47(2):59–69. https://doi.org/10.1177/1833358317706185. Publicación electrónica 26/05/2017.
Artículo de Google Scholar
C AYKD, E BL MASBDACS. F VWJGIQ. Un modelo de adopción generalizada de servicios: una comparación entre países de salud móvil (M-Health). (2016) 33(1):174–87. doi: https://doi.org/10.1016/j.giq.2015.06.003.
Hoque R, Sorwar G. Comprensión de los factores que influyen en la adopción de Mhealth por parte de las personas mayores: una extensión del modelo Utaut. Int J Med Informar. 2017;101:75–84. https://doi.org/10.1016/j.ijmedinf.2017.02.002. Publicación electrónica 30/03/2017.
Artículo de Google Scholar
Bracq MS, Michinov E, Arnaldi B, Caillaud B, Gibaud B, Gouranton V et al. Aprendizaje de habilidades procesales con un simulador de realidad virtual: un estudio de aceptabilidad. Nurse Educ Today (2019) 79:153 – 60. Epub 2019/05/28. doi: https://doi.org/10.1016/j.nedt.2019.05.026.
González Bravo L, Fernández Sagredo M, Torres Martínez P, Barrios Penna C, Fonseca Molina J, Stanciu ID, et al. Análisis psicométrico de una medida de Aceptación de Nuevas Tecnologías (Utaut), Aplicada al Uso de Simuladores Virtuales Hápticos en Estudiantes de Odontología. Eur J Dent Educación. 2020;24(4):706–14. https://doi.org/10.1111/eje.12559. Publicación electrónica 23/06/2020.
Artículo de Google Scholar
Kemp A, Palmer EJ, Strelan PJBJoET. Una taxonomía de factores que afectan las actitudes hacia las tecnologías educativas para su uso con modelos de aceptación de tecnología. (2019) (2). doi: https://doi.org/10.1111/bjet.12833.
Garavand A, Samadbeik M, Nadri H, Rahimi B, Asadi H. Factores efectivos en la adopción de aplicaciones de salud móviles entre estudiantes de ciencias médicas que utilizan el modelo Utaut. Métodos Inf Med. 2019;58(4–05):131–9. https://doi.org/10.1055/s-0040-1701607. Publicación electrónica 15/03/2020.
Artículo de Google Scholar
Venkatesh V, Thong J, Xin XJMQ. Aceptación y uso de la tecnología de la información por parte del consumidor: ampliación de la teoría unificada de aceptación y uso de la tecnología. (2012) 36(1):157 – 78. doi: https://doi.org/10.2307/41410412.
Shen C, Ho J, Ly PTM, et al. Intenciones conductuales del uso de la realidad virtual en el aprendizaje: perspectivas de aceptación de la tecnología de la información y estilo de aprendizaje. Realidad virtual. 2019;23(3):313–24.
Artículo de Google Scholar
Jr HW, Liang LY, Du CL. Sr YJJm, salud. La implementación de hospitales en línea en China: estudio de los factores que influyen en la adopción de servicios médicos móviles (preimpresión). (2020) 9(2). doi: https://doi.org/10.2196/25960.
Philippi P, Baumeister H, Apolinario-Hagen J, Ebert DD, Hennemann S, Kott L, et al. Aceptación hacia las intervenciones de salud digital: validación del modelo y mayor desarrollo de la Teoría Unificada de Aceptación y Uso de la Tecnología. Interv de Internet. 2021;26:100459. https://doi.org/10.1016/j.invent.2021.100459. Publicación electrónica 2021/10/05.
Artículo de Google Scholar
Chen M, Wang X, Wang J, Zuo C, Tian J, Cui Y. Factores que afectan la intención continua de los estudiantes universitarios de utilizar la plataforma de cursos en línea. SN Ciencias de la Computación. 2021;2(2):114. https://doi.org/10.1007/s42979-021-00498-8. Publicación electrónica 2021/03/03.
Artículo de Google Scholar
Wang W, Tang L, Zhao XF, Huang JS. Sobre el pensamiento de la aplicación de equipos de alta simulación en la enseñanza de la práctica médica clínica. Pop Sci Tech 2015,15(5):153–4.
Wu JH, Shen WS, Lin LM, Greenes RA, Bates DW. Prueba del modelo de aceptación de tecnología para evaluar la intención de los profesionales de la salud de utilizar un sistema de notificación de eventos adversos. Int J Qual Health Care. 2008;20(2):123–9. https://doi.org/10.1093/intqhc/mzm074. Publicación electrónica 29/01/2008.
Artículo de Google Scholar
Wang H, Tao D, Yu N, Qu X. Comprensión de la aceptación por parte del consumidor de los dispositivos portátiles para el cuidado de la salud: un modelo integrado de Utaut y Ttf. Int J Med Informar. 2020;139:104156. https://doi.org/10.1016/j.ijmedinf.2020.104156. Publicación electrónica 11/05/2020.
Artículo de Google Scholar
Yuan S, Ma W, Kanthawala S, Peng W. Siga usando mis aplicaciones de salud: descubra la percepción de los usuarios sobre las aplicaciones de salud y fitness con el modelo Utaut2. Telemed JE Salud. 2015;21(9):735–41. https://doi.org/10.1089/tmj.2014.0148. Publicación electrónica 29/04/2015.
Artículo de Google Scholar
Zhang Y, Liu C, Luo S, Xie Y, Liu F, Li X, et al. Factores que influyen en las intenciones de los pacientes de utilizar aplicaciones de control de la diabetes basadas en un modelo de teoría unificada extendida de aceptación y uso de tecnología: encuesta basada en la web. J Med Internet Res. 2019;21(8):e15023. https://doi.org/10.2196/15023. Publicación electrónica 15/08/2019.
Artículo de Google Scholar
de Veer AJ, Peeters JM, Brabers AE, Schellevis FG, Rademakers JJ, Francke AL. Determinantes de la intención de utilizar la cibersalud por parte de personas mayores que viven en comunidades. Res. del Servicio de Salud de BMC. 2015;15:103. https://doi.org/10.1186/s12913-015-0765-8. Publicación electrónica 19/04/2015.
Artículo de Google Scholar
Zhang Y, Liu C, Luo S, Xie Y, Liu F, Li X, Zhou Z. Factores que influyen en las intenciones de los pacientes de utilizar aplicaciones para el control de la diabetes basadas en una teoría unificada extendida de aceptación y uso del modelo de tecnología: encuesta basada en la web. J Med Internet Res. 2019;21(8):e15023. https://doi.org/10.2196/15023. PMID: 31411146; PMCID: PMC6711042.
Artículo de Google Scholar
Vanneste D, Vermeulen B, Declercq A. Aceptación de BelRAI por parte de los profesionales de la salud, un sistema basado en la web que permite el registro centrado en la persona y el intercambio de datos en entornos de atención con instrumentos interRAI: un análisis de UTAUT. BMC Med Informar a Decis Mak. 2013;13:129. https://doi.org/10.1186/1472-6947-13-129. Publicación electrónica 28/11/2013.
Artículo de Google Scholar
Emmert M, Wiener M. ¿Qué factores determinan la intención de utilizar boletas de calificaciones hospitalarias? Las perspectivas de usuarios y no usuarios. Consejos educativos para pacientes. 2017;100(7):1394–401. https://doi.org/10.1016/j.pec.2017.01.021. Publicación electrónica del 5 de febrero de 2017. PMID: 28189471.
Artículo de Google Scholar
Wen D, Ma X, Li H, Liu Z, Xian B, Liu Y. Empatía en estudiantes de medicina chinos: características psicométricas y diferencias por género y año de educación médica. BMC Educación Médica. 2013;13(1):130. https://doi.org/10.1186/1472-6920-13-130. Publicación electrónica 24/09/2013.
Artículo de Google Scholar
Cabello FJr. En: Black WC, Babin BJ, Anderson RE, editores. Análisis de datos multivariados: una perspectiva global. 7ª edición. Nueva York, Nueva York: MacMillan; 2010.
Google Académico
Wen D, Ma X, Li H, Liu Z, Xian B, Liu Y. Empatía en estudiantes de medicina chinos: características psicométricas y diferencias por género y año de educación médica. BMC Educación Médica. 2013;13(1):130. https://doi.org/10.1186/1472-6920-13-130. Publicación electrónica 24/09/2013.
Artículo de Google Scholar
Wu H, Li S, Zheng J, Guo J. Motivación y rendimiento académico de los estudiantes de medicina: los roles mediadores de la autoeficacia y el compromiso con el aprendizaje. Med Educa en línea. 2020;25(1):1742964. https://doi.org/10.1080/10872981.2020.1742964.PubMed. Publicación electrónica 2020/03/18.
Artículo de Google Scholar
Fornell C, Larcker DF. Evaluación de modelos de ecuaciones estructurales con variables no observables y error de medición. J Mercado Res1981.
Hair JF Jr, Hult GTM, Ringle C, Sarstedt M. Introducción al modelado de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM). Thousand Oaks, CA: Publicaciones Sage; 2016.
Google Académico
Henseler J, Ringle CM, Sinkovics RR. El uso del modelado de rutas de mínimos cuadrados parciales en marketing internacional. En Nuevos desafíos para el marketing internacional. Bingley: Emerald Group Publishing Limited; 2009.
Google Académico
Voorhees CM, Brady MK, Calantone R, et al. Pruebas de validez discriminantes en marketing: un análisis, motivos de preocupación y soluciones propuestas. J de la Acad Mark Sci. 2016;44:119–34. https://doi.org/10.1007/s11747-015-0455-4.
Artículo de Google Scholar
Henseler J, Ringle CM, Sarstedt M. Un nuevo criterio para evaluar la validez discriminante en el modelado de ecuaciones estructurales basado en varianza. J de la Acad Mark Sci. 2015;43:115–35. https://doi.org/10.1007/s11747-014-0403-8.
Artículo de Google Scholar
Xu SX, Duan TY, Wei ST, et al. Difusión del comportamiento innovador del público hacia la preparación de FEMK: desde las características innovadoras hasta la percepción personal de riesgo y la intención conductual. Psicosoma Med Res. 2021;3(1):16–23.
Google Académico
Fangmin Xing Z, Zeng Q, Ouyang. Comparación de facultades de medicina y facultades de medicina independientes en China. Coll Educ, 2016(08):142–4.
Yao Y, Jiang L. Fuerzas de urbanización que impulsan la disparidad de ingresos entre las zonas rurales y urbanas: evidencia de áreas metropolitanas de China. J Prod. Limpio. 2021;312(2):127748.
Artículo de Google Scholar
Gray K, Kaji AH, Wolfe M, Calhoun K, Amersi F, Donahue T, et al. Influencia de la deuda de préstamos estudiantiles en la toma de decisiones sobre la carrera y el estilo de vida de los residentes de cirugía general. J Am Coll Surg. 2020;230(2):173–81. https://doi.org/10.1016/j.jamcollsurgi.2019.10.016. Publicación electrónica 30/11/2019.
Artículo de Google Scholar
Huang M, Wen A, He H, Wang L, Liu S, Wang Y, Zong N, Yu Y, Prigge JE, Costello BA, Shah ND, Ting HH, Doubeni C, Fan JW, Liu H, Patten CA. Disparidades entre zonas rurales y urbanas del Medio Oeste en el uso de servicios en línea para pacientes para COVID-19. J Salud Rural 2022 8 de marzo: https://doi.org/10.1111/jrh.12657. doi: 10.1111/jrh.12657. Publicación electrónica antes de la impresión. PMID: 35261092; PMCID: PMC9115171.
Ma Q, Chan AH, Chen K. Factores personales y de otro tipo que afectan la aceptación de la tecnología de teléfonos inteligentes por parte de los adultos chinos mayores. Aplicación Ergon. 2016;54:62–71. PMID de PubMed: 26851465.
Artículo de Google Scholar
Rajesh Aggarwal MRCS. Ara Darzi. La formación técnica en el siglo XXI. New Engl J Med 2006,355: 2695–6.
Zou WB, Hou XH, Xin L, Liu J, Bo LM, Yu GY, et al. Cápsula endoscópica controlada magnéticamente versus gastroscopia para enfermedades gástricas: un ensayo comparativo autocontrolado en dos centros. Endoscopia. 2015;47(6):525–8. https://doi.org/10.1055/s-0034-1391123. Publicación electrónica 16/01/2015.
Artículo de Google Scholar
Vinnamala S, Murthy B, Parmar J, Bhasin N, Verma P, Melville C, Mannath J. Técnica de encuentro mediante broncoscopia y gastroscopia para cerrar una fístula traqueoesofágica mediante la colocación de un clip sobre el endoscopio. Endoscopia. 2014;46. https://doi.org/10.1055/s-0034-1377215. Publicación electrónica del 24 de julio de 2014. PMID: 25058822. Suplemento 1 UCTN:E301.
Cai MY, Cai XL, Zhou PH, Li XH, Liu XW, Xiong J, et al. Estudio empírico multicéntrico del simulador de gastroscopia virtual en el examen de las habilidades de práctica clínica de médicos especialistas. Zhonghua Wei Chang Wai Ke Za Zhi. 2019;22(10):972–6. https://doi.org/10.3760/cma.j.issn.1671-0274.2019.10.013. Publicación electrónica 22/10/2019.
Artículo de Google Scholar
Bradley P. La historia de la simulación en la educación médica y posibles direcciones futuras. Educación Médica. 2006;40(3):254–62. https://doi.org/10.1111/j.1365-2929.2006.02394.x. PMID: 16483328.
Artículo de Google Scholar
Wang Q, Li C, Xie Z, Bu Z, Shi L, Wang C, Jiang F. El desarrollo y aplicación de la tecnología de simulación de animación de realidad virtual: tome el sistema de simulación de gastroscopia como ejemplo. Pathol Oncol Res. 2020;26(2):765–9. https://doi.org/10.1007/s12253-019-00590-8. Publicación electrónica del 26 de febrero de 2019. PMID: 30809768.
Artículo de Google Scholar
Yousef CC, Salgado TM, Farooq A, Burnett K, McClelland LE, Thomas A, Alenazi AO, Abu Esba LC, AlAzmi A, Alhameed AF, Hattan A, Elgadi S, Almekhloof S, AlShammary MA, Alanezi NA, Alhamdan HS, Khoshhal S, DeShazo JP. Predecir la intención de los pacientes de utilizar una historia clínica personal utilizando un modelo de teoría unificada de aceptación y uso de tecnología adaptado: análisis de datos secundarios. Informe médico JMIR. 2021;9(8):e30214. https://doi.org/10.2196/30214. PMID: 34304150; PMCID: PMC8408759.
Artículo de Google Scholar
Shao D, Lee IJ. Aceptación y factores que influyen en la realidad virtual social en las personas mayores urbanas. Sostenibilidad. 2020;12(22):9345. https://doi.org/10.3390/su12229345.
Artículo de Google Scholar
Schuster F, Engelmann B, Sponholz U et al. Evaluación de la aceptación humana de escenarios de montaje asistidos por AR. J Manuf Syst, 2021(1); doi:10.1016.
Alharbi S. Un modelo UTAUT extendido para comprender el efecto de la confianza en la aceptación de la computación en la nube por parte de los usuarios. Tecnología Int J Comput Appl. 2017;56(1):65–76.
Artículo de Google Scholar
Rahimi B, Nadri H, Lotfnezhad Afshar H, Timpka T. Una revisión sistemática del modelo de aceptación de tecnología en informática sanitaria. Appl Clin informar. 2018;9(3):604–34. https://doi.org/10.1055/s-0038-1668091. Publicación electrónica 17/08/2018.
Artículo de Google Scholar
Schomakers EM, Lidynia C, Ziefle M. Explorando la aceptación de aplicaciones de salud móvil: ¿varían los patrones de aceptación según el contexto? En: Ahram T, editor. Avances en factores humanos en Tecnologías Wearables y Diseño de Juegos. AHFE 2018. Avances en Sistemas Inteligentes y Computación. Volumen 795. Cham: Springer; 2019. https://doi.org/10.1007/978-3-319-94619-1_6.
Capítulo Google Scholar
Dai B, Larnyo E, Tetteh EA, Aboagye AK, Musah AA. Factores que afectan la aceptación de los cuidadores del uso de dispositivos portátiles por parte de pacientes con demencia: una extensión de la teoría unificada de aceptación y uso del modelo de tecnología. Am J Alzheimers Dis Otros Demen. 2020 enero-diciembre; 35: 1533317519883493. doi: https://doi.org/10.1177/1533317519883493. Publicación electrónica del 3 de noviembre de 2019. PMID: 31679390.
Azizi SM, Roozbahani N, Khatony A. Factores que afectan la aceptación del aprendizaje combinado en la educación médica: aplicación del modelo UTAUT2. BMC Educación Médica. 2020;20:367. https://doi.org/10.1186/s12909-020-02302-2.
Artículo de Google Scholar
Ciftci SK, Gok R, Karadag E. Aceptación y uso de los sistemas de educación a distancia de los educadores médicos turcos durante la pandemia de COVID-19: un análisis de factores contextuales con la UTAUT2. BMC Educación Médica. 2023;23:36. https://doi.org/10.1186/s12909-023-04024-7.
Artículo de Google Scholar
Descargar referencias
Los autores desean agradecer a todos los profesores y estudiantes que sugirieron la metodología y revisión del artículo y a todos los estudiantes que apoyaron para completar los cuestionarios.
Este proyecto fue financiado por la Fundación Nacional de Ciencias Naturales de China (Nº 82170562). Fundación de Ciencias Naturales de Beijing (Nº 7232199), Fondos de la capital para la mejora y la investigación de la salud (Nº 2022-2-4093), Fondo de Incubación de Jóvenes del Tercer Hospital de la Universidad de Pekín (Nº BYSYFY2021003).
Shuting Wei y Pu Ge contribuyeron igualmente a este trabajo y comparten la primera autoría.
Centro de Investigación de Medicina Traslacional, División de Investigación de Innovación Médica, Cuarto Centro Médico del Hospital General Chino PLA, Beijing, China
Cerrando a Wei
Escuela de Medicina Tradicional China, Universidad de Medicina China de Beijing, Beijing, China
Pu Ge
Facultad de Humanidades y Ciencias Sociales, Universidad Médica de Harbin, Heilongjiang, China
Jinzi Zhang y Yujia Wang
Universidad Farmacéutica de China, Nanjing, China
Shuxian Xu
Escuela de Humanidades y Gestión Sanitaria, Universidad Médica de Jinzhou, Jinzhou, China
Qiyu Li
Facultad de Medicina, Universidad de Ciencia y Tecnología de Macao, Macao, China
Bojunhao Feng
Escuela de Humanidades del Deporte y Ciencias Sociales, Universidad Deportiva de Jilin, Changchun, China
Wenli Yu
Departamento de Gastroenterología, Tercer Hospital de la Universidad de Pekín, Beijing, China
Baojun Suo y Zhiqiang Song
Departamento de Epidemiología, Laboratorio Estatal Clave de Enfermedades Cardiovasculares, Hospital Fuwai, Centro Nacional de Enfermedades Cardiovasculares, Academia China de Ciencias Médicas y Facultad de Medicina de la Unión de Pekín, Universidad de Tsinghua, Beijing, China
Yue Yang Zhang
Tercera Facultad de Medicina Clínica, Universidad Médica de Harbin, Heilongjiang, China
Mingxing Wang
Escuela de Salud Pública, Universidad de Pekín, Beijing, China
Xinying Sun y Yibo Wu
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
SW, PG participó plenamente en el estudio y escribió el borrador del manuscrito. SX y JZ participaron en la construcción de ecuaciones estructurales y el análisis de datos. YW participó en el diseño de la escala. QL y FB participaron en el análisis de datos y recopilaron las imágenes y tablas. WY, BS, YZ, MW y XS recopilaron y organizaron los datos. ZS y YW fueron responsables de la orientación completa del estudio, la revisión crítica del manuscrito y contribuyeron al diseño del estudio. Todos los autores han revisado, pulido y aprobado la versión final del manuscrito. Todos los autores aceptan ser responsables de todos los aspectos del trabajo.
Correspondencia a Zhiqiang Song.
Los autores declaran no tener conflictos de intereses.
Este estudio fue aprobado por el Comité de Ética del Centro de Investigación de Cultura de la Salud, la base de investigación clave de Filosofía y Ciencias Sociales en la provincia de Shaanxi. Se obtuvo el consentimiento informado de todos los participantes. Todos los métodos se llevaron a cabo de acuerdo con las directrices y regulaciones pertinentes.
No aplica.
Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.
Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/. La exención de dedicación de dominio público de Creative Commons (http://creativecommons.org/publicdomain/zero/1.0/) se aplica a los datos disponibles en este artículo, a menos que se indique lo contrario en una línea de crédito a los datos.
Reimpresiones y permisos
Wei, S., Ge, P., Zhang, J. et al. Explorar los factores que influyen en la intención conductual de los estudiantes de medicina de utilizar el modelo gastroscópico 3D para aprender a operar el gastroscopio utilizando el modelo UTAUT. BMC Med Educ 23, 554 (2023). https://doi.org/10.1186/s12909-023-04532-6
Descargar cita
Recibido: 17 de octubre de 2022
Aceptado: 23 de julio de 2023
Publicado: 07 de agosto de 2023
DOI: https://doi.org/10.1186/s12909-023-04532-6
Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:
Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.
Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt