Folge #68 – m/e-Health-Akzeptanz

eHealth-Akzeptanz. Wie schon Eingangs erwähnt, beschäftigen wir uns ja schon länger mit verschiedensten eHealth-Anwendungen von Apps über Informationssysteme von Vernetzungen im Ambulanten, im stationären Sektor und so weiter und wollen uns heute mal so ein bisschen vor allem auf der Anwenderseite anschauen, was beeinflusst eigentlich die Akzeptanz. Wir hatten in den News gehört, die Akzeptanz ist vielfach nicht sehr hoch, auch vielfach wissen die Leute gar nicht, was verbirgt sich dahinter hinter dem Begriff eHealth, mHealth und so weiter und uns interessiert eigentlich mal, kann ich das irgendwie messen, was sind Faktoren, die die Akzeptanz beeinflusst und das Ganze sowohl auf der Seite der professionellen Anwender, wie Ärzte, Pflegekräfte, aber auch vor allem bei Patienten und Bürgern. Renato, hast du spontan Faktoren, wo du sagen würdest, dass beeinflusst dich beim herunterladen oder nutzen einer App? 

Erst mal muss ich die App brauchen, ich muss das Gefühl haben, die bietet mir ein Mehrwert, ich gehe selten durch den App Store durch, am Anfang habe ich das noch gemacht, weil ich mein selten durch den App Store durch etwas mich so berieseln, also meistens ist ein fester Wille hinten dran und dann probiere ich die App aus, wenn ich die App ausprobiere und seh da, ist was hinten dran, dann nehme ich sie und wenn ich dann nicht, also wann würdest du der App benutzen? 

Ich leite einfach mal über dazu, was die entsprechenden Theorien im allgemeinen sagen und du kommst dem eigentlich schon relativ nah, es gibt so verschiedene Modelle in der Wissenschaft, die die Akzeptanz von solchen Technologien im allgemeinen, aber auch speziell von M-Health, Technologien untersuchen und ein allgemeines Modell ist eben dieses TAM, Technology Acceptance Model und dieses Modell geht eben von zwei wesentlichen Prädiktoren aus, also zwei wesentlichen Einfluss Parametern, der erste ist nämlich die wahrgenommende Nützlichkeit oder im Original Perceived Usefulness, also meine subjektive Wahrnehmung, dass das, was ich da irgendwie als Technologien nutze, meine Arbeitsleistung oder meine Leistung in einem bestimmten Bereich verbessert, also das ist eigentlich das, was du sagst, ich muss das brauchen, sonst bringt’s nichts. Das zweite ist die wahrgenommende Nützer Freundlichkeit im englischen Original Perceived Ease of Use, wie hoch schätze ich den Lernaufwand durch diese neue Technologie ein. Damit habe ich eigentlich zwei wesentliche Elemente, also bringt mir das was, sehe ich da einen subjektiven Nutzen und wie stark muss ich mich da einarbeiten, was muss ich persönlich investieren, damit ich diesen Nutzen erfahren kann. Meine sah uns eigentlich zwei relativ klare, nachvollziehbare Faktoren. Ja, würde ich auch so sehen, wobei das zweite, hab ich’s gefühlt, erst in den letzten Jahren so wirklich dazugekommen ist, als es ein das Mobility gibt, davor war ja der Is of Jews nicht unbedingt gegeben bei den komplexen, komplicierten Programmen. Aber du hast gesagt, das gibt ein Modell, aber da gibt’s bestimmt noch mehr oder? Genau, ein weiteres Modell ist das UTAUT-Modell Unified Theory of Acceptance and Use of Technology. Also ein ähnliches Modell wie das Technology Acceptance-Modell, das das UTAUT-Modell ist von Venkatesh und geht im Prinzip auf vier Prädiktoren ein. Der erste Prädiktor hier ist die Leistungserwartung, also das ist ähnlich zu der Persieft-Jusfüllnis, was erwartigt denn, was das entsprechend an mehrfährt, bringt. Der zweite Prädiktor ist die Aufwandserwartung, auch das geht in die ähnliche Richtung wie der wahrgenommenen Lernaufwand aus dem TAM-Modell. Und dann kommen eben noch zwei weitere Prädiktoren hinzu, das sind nämlich einmal der soziale Einfluss, Social Influence und unterstützende Bedingungen, die Facilitating Conditions. Und ich glaube, das sind schon mal sinnvolle Erweiterung, weil wir wissen alle, wie sehr der Mensch durch seine Umgebung geprägt ist und diese soziale Einflüsse sind sicherlich nicht von der Hand zu weisen. Also warum nutzen so viele WhatsApp nicht, weil es der beste Messagerdienst ist, sondern weil es der ist, der die meisten User zahlen hat. Und das ist so eine Art sozialer Einfluss, höre ich davon, dass andere das auch nutzen, ist es in den Medien plus weitere unterstützende Bedingungen. Okay, jetzt haben wir schon um zwei Sachen erweitert, geht es da noch weiter oder war es das jetzt schon? 

Ja und diese Modelle sind beide schon ein bisschen älter und es gibt seit dem eigentlich immer wieder neue Studien, die sagen, das ist doch noch nicht alles. Es gibt doch noch mehr als diese zwei Beziehungsweise, diese vier Faktoren, sodass man eigentlich rundherum immer wieder über verschiedene Erweiterungen nachdenkt, die auch punktuell jeweils eine entsprechende statistische Signifikanz haben, aber irgendwie noch nicht dazu geführt haben, das Modell komplett über den Haufen zu werfen. Also es wurde beispielsweise darüber nachgedacht, über Selbstwirksamkeitserwartung, also wie ist denn meine eigene Wahrnehmung, von dem was ich tue, ist das Ganze unter Stress anders, das war als weiterer Prädiktor in der Diskussion, inwieweit beeinflusst wissen, in einem ganz bestimmten Bereich, also was wie Health Literacy meint verhalten, also das wäre dann vor allem für diesen E-Health oder M-Health Bereich interessant. Also sehe ich denn tatsächlich einen Nutzen in einer App jetzt bezogen auf auf eine Gesundheitsverbesserung. Und dann natürlich allgemeine Elemente wie ein entsprechendes Bildungslevel, ein Alter, die immer auch als moderierende Faktoren mit hinzugenommen werden. Da kann man sicherlich verschiedene Erweiterungen diskutieren, die hin und wieder Signifikanz erreichen, aber eben nicht dazu geführt haben, dass das Ganze Modell völlig ungeworfen wird. 

Normalerweise soll die an Modell eine Komplexitätsreduktion hervorführen, wenn ich da jetzt diese ganzen Einflussfaktoren sehe, dann habe ich es gefühlt, es wird eher noch komplexer. Kann man mit den Modellen, denn was anfangen, also was sagt denn die Fachwelt dazu? Ja, also die Fachwelt ist wie immer so ein bisschen gespalten, einige sagen, dass TAM-Technologie-Acceptance-Modell in der ursprünglichen Version mit den beiden Prädiktoren wahrgenommene Nützlichkeit und wahrgenommene Nutzerfreundlichkeit. Das ist total gut, weil es irgendwie sehr einfach ist und viele Dinge erklärt. Andere sagen, es ist nicht komplex genug, man müsste weitere Faktoren hinzunehmen. Es wurde auch erweiter zu einem TAM-2-Modell, wobei dann wieder andere sagen, dass wird einfach zu komplex, das geht in eine Richtung, die ist dann wieder schwer nachvollziehbar und in allen Bereichen schwer belegbar. So dass man ja das eine ist zu einfach, das andere ist zu komplex. Irgendwas dazwischen gibt es nicht. Man muss sich also ein bisschen entscheiden, will ich irgendwie ein einfaches Erklärungsmodell haben und ich glaube, dass TAM-Modell ist sicherlich etwas, was wir unseren Hörern zu müssen, auch nochmal mit den beiden Faktoren relativ einfach nahebringen können. Okay, hier sind ja jetzt gerade im Gesundheitswesen, sind wir jetzt verhaftet und da spielen ja nicht nur dies einreien, die einen dazu ermutigen, etwas zu machen, sondern auch die anderen hindern etwas zu machen, das sehe ich jetzt gar nicht, also ich sehe immer nur was positive, wie Bildungslevel oder positive Persönlichkeits-Eigenschaften gibt es dann auch was, was jemand dran hindert, Apps zu benutzen. 

Das waren Kriterien für allgemeine Technologie-Nutzung. Wenn ich jetzt speziell ans Gesundheitswesen denke, dann muss ich mir sicherlich Gedanken machen, ein solches Modell zu erweitern, um bestimmte barrieren, da kann eine Rolle spielen, beispielsweise eine unklare rechtliche Situation, darf ich diese App, wenn wir dabei bleiben, einfach so benutzen oder gibt es da irgendwie, beispielsweise Datenschutz bedenken, es spielt vielleicht eine Rolle, ist es ein Medizinprodukt? Ja, nein, also müsste es entsprechend registriert, zertifiziert sein oder nicht. Unsicherlich eine Barriere ist auch der Preis, häufig ist es so, dass die Dinge, die dann wirklich gut funktionieren und entsprechend als Medizinprodukt veröffentlicht wurden, natürlich dann auch einen entsprechenden Preis aufrufen. Und dann ist natürlich die Frage, will ich mir das entsprechend für so viel Geld einkaufen? Okay, wenn ich jetzt ein Hersteller bin, dann will ich ja meistens, also dann brauche ich an Anhaltspunkt, da muss ich ja wissen, ist mein Produkt gut oder nicht? Und das muss ich ja anhand von harten Kriterien machen, am besten anhand von Kennzahlen oder so. Kann man diese Akzeptanz, von der du jetzt die ganze Zeit sprichst, kann man die auch messen, kann man das irgendwie in Zahlen fassen oder zumindest in Bereiche fassen? Wir haben ein Versuch, das ganz natürlich zu messen, in irgendwelche Konstrukte und Kriterien überzuleiten. Das wird in den aller meisten Fällen mit Fragebürgen gemacht, das man sagt, die entsprechenden Teilnehmer, Patientenbürger, allgemein Nutzer von Technologien füllen, einen Fragebogen aus und diese einzelnen Fragen spiegeln dann einzelne Dimensionen dieser Prädiktoren wieder ein. Das ist dann heißt, wenn ich die Frage so und so beantwortet, dann ist bei mir die wahrgenommenen Nützlichkeit, beispielsweise sehr hoch oder dann spielt eine Barriere wie Datenschutz, eine Rolle oder nicht. Das hat natürlich auf der einen Seite ein paar methodische Einschränkungen, weil es sicherlich über die Fragebogen selbst Auskunft nicht 100% hoch valide ist und hat es auch in einigen Untersuchungen herausgebracht, dass viele auch da gesagt haben. Also ich weiß gar nicht, was E-Health ist oder Mobile Health, also das, was wir in den News zuvor auch schon gehört haben. 

Okay und so was führt es dann oder was hat dann all dieses Akzeptanz gedön, sage ich jetzt mal, was hat das wir folgen? 

Dass wir uns glaube ich in den verschiedenen Rollen als Wissenschaftler, als Industrie, als professionelle Anwendung, Nutzer, glaube ich noch intensiver, diesem Thema Widmen sollten, den entsprechenden Bürger, Patienten, partizipativ, vielleicht in die Entwicklung mit einbeziehen, dass man aber auch entsprechende Bedenken bezüglich Datenschutzmedizinprodukte ernst nimmt und den Nutzen aber auch für die Patienten verdeutlicht. Das man sagt, also welche Schausenstecken denn dahinter bei richtiger Betrachtung der Risiken und ich glaube ein ganz großer Nutzen kann eben durch eine Vernetzung entstehen und eine hohe Akzeptanz gelingt vor allem dann, wenn ich jetzt an so eine App denke, die akzeptiert werden soll auf ärztlicher und auf Patientenseite, dann muss ein Datenaustausch mit den Systemen, die der Arzt hat und der App des Patienten sehr nahtlos erfolgen. Dann sind wir wieder beim Thema, was ein Podcast schon zichmal hatten, semantische Interoperabilität und entsprechend saubere Vernetzung, damit wir das das auch noch abgehakt haben und von Christian ein Fleißkärtchen kriegen. Ich glaube, damit kann man was super schließen, ein Fleißkärtchen von Christian damit kann ich sehr gut leben. Ja, perfekt, dann wissen wir jetzt, wie wir akzeptable Lösungen bauen. 

eHealth, mHealth, usability