DOI: https://doi.org/10.3389/fpubh.2024.1408998
PMID: https://pubmed.ncbi.nlm.nih.gov/39668954
تاريخ النشر: 2024-11-28
المؤلف: Lingling Zhong وآخرون
الموضوع الرئيسي: الصحة المتنقلة وتطبيقات الصحة المتنقلة
نظرة عامة
تدرس هذه الدراسة تأثير overload المعلومات على الإفراط في استخدام الخدمات الطبية ضمن تطبيقات الصحة المتنقلة (mHealth)، باستخدام نموذج الاعتقاد الصحي (HBM) كإطار نظري. تم جمع البيانات من 1,494 مستجيبًا في مقاطعة قوانغدونغ باستخدام استبيان منظم، وتم تحليلها من خلال نمذجة المعادلات الهيكلية (SEM). تكشف النتائج أن overload المعلومات يؤثر بشكل كبير على تصورات المستخدمين حول الشدة، والضعف، وفوائد العلاج، والحواجز، والكفاءة الذاتية، وإشارات العمل، مما يسهم بدوره في الإفراط في استخدام خدمات الرعاية الصحية.
تؤكد النتائج على الحاجة الملحة لمطوري تطبيقات mHealth، ومقدمي الرعاية الصحية، وصانعي السياسات لإدارة تسليم المعلومات بشكل فعال. من خلال معالجة التحديات التي تطرحها overload المعلومات، تقدم الدراسة إطارًا لتخفيف المخاطر المرتبطة بالاستخدام المفرط لخدمات الرعاية الصحية، مما يعزز الفعالية العامة لتطبيقات mHealth.
مقدمة
تؤكد مقدمة هذه الدراسة على الأهمية الحاسمة لتحسين تقديم الخدمات الطبية من خلال الالتزام بمبدأ توفير الرعاية اللازمة مع تجنب التدخلات غير الضرورية. تسلط الضوء على استمرارية الإفراط في استخدام الخدمات الطبية، حيث يمكن أن تصبح العلاجات المفيدة ضارة عند تطبيقها بشكل خاطئ، مما يساهم في أعباء مالية كبيرة ويزيد من عدم المساواة الصحية. في الولايات المتحدة، يُعتبر حوالي 20.6% من الخدمات الطبية غير ضرورية، مع ملاحظة اتجاهات مماثلة في الصين، مما يشير إلى أن الإفراط في الاستخدام هو قضية ملحة لصانعي السياسات الصحية على مستوى العالم.
تحدد البحث عوامل مختلفة تساهم في الإفراط في استخدام الخدمات الطبية، بما في ذلك خصائص المستشفيات، وسمات الأطباء، والسياسات الإقليمية، وانتشار الخدمات الطبية ذات القيمة المنخفضة. كما يناقش الآليات النفسية التي تؤثر على سلوك المرضى، مثل الاعتماد على الأدلة القصصية والتحيزات المعرفية. يُلاحظ أن ظهور تطبيقات الصحة المتنقلة (mHealth) هو سلاح ذو حدين؛ بينما تعزز الوصول إلى المعلومات الطبية، قد تؤدي أيضًا إلى الإفراط في التشخيص وزيادة استخدام الخدمات. تهدف الدراسة إلى التحقيق في العلاقة بين overload المعلومات في تطبيقات mHealth والإفراط في استخدام الخدمات الطبية باستخدام نموذج الاعتقاد الصحي (HBM). تسعى لتقديم رؤى قابلة للتنفيذ للمطورين، ومقدمي الرعاية الصحية، وصانعي السياسات لتخفيف الآثار السلبية لـ overload المعلومات، مما يعزز في النهاية اتخاذ قرارات صحية أكثر عقلانية ويخفف الضغط على أنظمة الرعاية الصحية.
الطرق
تحدد قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث تم استخدام التحليلات الإحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. تضمنت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة تأثيراتها على النتائج المعنية.
شملت جمع البيانات استخدام أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام أدوات برمجية لنمذجة البيانات الإحصائية، مما سمح بتقييم العلاقات بين المتغيرات واختبار الفرضيات. تم اشتقاق النتائج الرئيسية من تطبيق هذه الطرق، مما يوفر أدلة قوية لدعم استنتاجات الدراسة.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يوضح نتائج الدراسة، مع تسليط الضوء على نقاط البيانات المهمة، والاتجاهات، وأي تحليلات إحصائية تم إجراؤها. عادةً ما يتم توضيح النتائج من خلال الجداول، والرسوم البيانية، أو الأشكال، التي توفر تمثيلًا بصريًا للبيانات من أجل الوضوح والتأكيد.
تشير النتائج إلى أن الفرضيات التي تم طرحها في المقدمة تم دعمها أو دحضها بناءً على الأدلة المجمعة. يتم الإبلاغ عن مقاييس محددة، مثل قيم p أو فترات الثقة، لدعم الاستنتاجات المستخلصة. بشكل عام، يخدم هذا القسم لنقل الأدلة التجريبية التي تدعم ادعاءات الدراسة، مما يمهد الطريق لمزيد من المناقشة والتفسير في الأقسام اللاحقة.
المناقشة
يعمل نموذج الاعتقاد الصحي (HBM) كإطار أساسي لفهم سلوكيات الصحة الفردية، خاصة في سياق تطبيقات الصحة المتنقلة. تم تطويره في الخمسينيات، يفترض HBM أن قرارات سلوك الصحة تتأثر بتصورات الضعف والشدة للتهديدات الصحية، بالإضافة إلى الفوائد المتصورة والحواجز للعمل. وقد وسعت الأبحاث الحديثة النموذج ليشمل عوامل مثل الكفاءة الذاتية والتأثيرات التحفيزية، مما يظهر فعاليته في التنبؤ بسلوكيات الصحة عبر مجالات مختلفة، بما في ذلك إدارة الأمراض المزمنة والإجراءات الصحية الوقائية. يكشف تطبيق النموذج على العلاقة بين overload المعلومات والإفراط في استخدام الخدمات الطبية كيف يمكن أن تشوه المعلومات الصحية المفرطة التصورات حول مخاطر الصحة، مما يؤدي إلى زيادة القلق والتدخلات الطبية غير الضرورية.
تعتبر overload المعلومات، التي تُعرف بأنها الحالة التي يتجاوز فيها حجم المعلومات قدرة الفرد على المعالجة، تحديات كبيرة في الرعاية الصحية. يمكن أن تؤدي إلى ارتباك معرفي، وسوء تفسير للنصائح الطبية، وزيادة القلق، مما يؤثر في النهاية على عمليات اتخاذ القرار للمرضى. في سياق تطبيقات الصحة المتنقلة، غالبًا ما يتعرض المستخدمون لفيض من المعلومات الصحية التي يمكن أن تفاقم من شدة إدراكهم و susceptibility لمشاكل الصحة، مما يؤدي إلى زيادة احتمال السعي للحصول على خدمات طبية غير ضرورية. تقترح هذه الدراسة عدة فرضيات تربط بين overload المعلومات ومكونات مختلفة من HBM، مقترحة أنها يمكن أن تعزز الشدة المدركة، والضعف، والفوائد، والحواجز، بينما تؤثر أيضًا على الكفاءة الذاتية وإشارات العمل. تؤكد النتائج على الحاجة إلى تدخلات مستهدفة لتخفيف الآثار السلبية لـ overload المعلومات على سلوكيات الصحة وتعزيز اتخاذ قرارات أكثر عقلانية في بيئات الرعاية الصحية.
DOI: https://doi.org/10.3389/fpubh.2024.1408998
PMID: https://pubmed.ncbi.nlm.nih.gov/39668954
Publication Date: 2024-11-28
Author(s): Lingling Zhong et al.
Primary Topic: Mobile Health and mHealth Applications
Overview
This study investigates the impact of information overload on the overuse of medical services within mobile health applications (mHealth), utilizing the Health Belief Model (HBM) as a theoretical framework. Data were collected from 1,494 respondents in Guangdong Province using a structured questionnaire, and analyzed through structural equation modeling (SEM). The findings reveal that information overload significantly influences users’ perceptions of severity, susceptibility, treatment benefits, barriers, self-efficacy, and action cues, which in turn contribute to the overuse of healthcare services.
The results underscore the critical need for mHealth application developers, healthcare providers, and policymakers to manage information delivery effectively. By addressing the challenges posed by information overload, the study offers a framework for mitigating the associated risks of excessive healthcare service utilization, thereby enhancing the overall efficacy of mHealth applications.
Introduction
The introduction of this study emphasizes the critical importance of optimizing medical service delivery by adhering to the principle of providing necessary care while avoiding unnecessary interventions. It highlights the continuum of medical service overuse, where beneficial treatments can become harmful when misapplied, contributing to significant financial burdens and exacerbating health inequalities. In the U.S., approximately 20.6% of medical services are deemed unnecessary, with similar trends observed in China, indicating that overutilization is a pressing issue for healthcare policymakers globally.
The research identifies various factors contributing to the overuse of medical services, including hospital characteristics, physician traits, regional policies, and the prevalence of low-value medical services. It also discusses the psychological mechanisms influencing patient behavior, such as reliance on anecdotal evidence and cognitive biases. The rise of mobile health applications (mHealth) is noted as a double-edged sword; while they enhance access to medical information, they may also lead to overdiagnosis and increased service utilization. The study aims to investigate the relationship between information overload in mHealth applications and the overutilization of medical services using the Health Belief Model (HBM). It seeks to provide actionable insights for developers, healthcare providers, and policymakers to mitigate the adverse effects of information overload, ultimately promoting more rational healthcare decisions and alleviating pressure on healthcare systems.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, employing statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments and protocols to ensure reliability and validity. The analysis was conducted using software tools for statistical modeling, allowing for the assessment of relationships between variables and the testing of hypotheses. Key findings were derived from the application of these methods, providing robust evidence to support the study’s conclusions.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments or analyses. It details the outcomes of the study, highlighting significant data points, trends, and any statistical analyses performed. The results are typically illustrated through tables, graphs, or figures, which provide visual representation of the data for clarity and emphasis.
The findings indicate that the hypotheses set forth in the introduction were either supported or refuted based on the evidence collected. Specific metrics, such as p-values or confidence intervals, are reported to substantiate the conclusions drawn. Overall, this section serves to convey the empirical evidence that underpins the study’s claims, setting the stage for further discussion and interpretation in subsequent sections.
Discussion
The Health Belief Model (HBM) serves as a foundational framework for understanding individual health behaviors, particularly in the context of mobile health applications. Developed in the 1950s, the HBM posits that health behavior decisions are influenced by perceptions of susceptibility and severity of health threats, as well as perceived benefits and barriers to action. Recent research has expanded the model to include factors such as self-efficacy and motivational influences, demonstrating its efficacy in predicting health behaviors across various domains, including chronic disease management and preventive health actions. The model’s application to the relationship between information overload and the overutilization of medical services reveals how excessive health information can distort perceptions of health risks, leading to increased anxiety and unnecessary medical interventions.
Information overload, defined as the state where the volume of information exceeds an individual’s processing capacity, poses significant challenges in healthcare. It can result in cognitive confusion, misinterpretation of medical advice, and heightened anxiety, ultimately affecting patients’ decision-making processes. In the context of mobile health applications, users are often inundated with health information that can exacerbate their perceived severity and susceptibility to health issues, leading to an increased likelihood of seeking unnecessary medical services. This study proposes several hypotheses linking information overload to various components of the HBM, suggesting that it can enhance perceived severity, susceptibility, benefits, and barriers, while also influencing self-efficacy and action cues. The findings underscore the need for targeted interventions to mitigate the adverse effects of information overload on health behaviors and to promote more rational decision-making in healthcare settings.