国外数字健康信息系统持续使用意愿研究综述及最新进展

张镨心 钟欢 刘春

摘 要：[目的/意義]数字健康信息服务作为移动互联网时代缓解线下医疗资源紧缺与日益增加的健康需求矛盾的重要模式，其用户的系统使用行为问题受到学界的广泛关注。本文构建了用户数字健康系统持续使用意愿的系统解释框架，旨在为我国相关领域研究者提供参考和借鉴。[方法/过程]本文采用文献调研方法，通过系统梳理和理论溯源从用户内部认知视角、供应商服务视角和整合视角3个研究视角分析该主题的研究现状。[结果/结论]研究发现，用户内部角度是数字健康持续使用意愿研究的主流理论流派，影响持续使用意愿的因素主要分为感知类因素、情感类因素和个体外部因素。供应商服务视角以信息系统成功模型为理论起点，着重供应商服务质量对持续使用意愿的直接和间接影响。随着研究的深入，仅从用户认知或者系统质量的单一视角难以全面反映复杂的持续使用意愿问题，以ELM模型为代表的整合研究将是该领域的主要研究趋势。

关键词：持续使用意愿;数字健康;信息系统使用行为;移动医疗

DOI：10.3969/j.issn.1008-0821.2020.09.018

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2020）09-0166-10

Review and Latest Development of Research on the Continuance

Intention of Digital Health Information System in Foreign Countries

Zhang Puxin1 Zhong Huan2 Liu Chun3*

（1.School of Economics and Management，Southwest Jiaotong University，Chengdu 610031，China;

2.School of Communication，Qufu Normal University，Rizhao 276826，China;

3.School of Public Affaires and Administration，University of Electronic Science and Technology of China，

Chengdu 611731，China）

Abstract：[Purpose/Significance]Digital health information service is an important model to alleviate the contradiction between the shortage of offline medical resources and the increasing health needs in the era of the mobile Internet.The system usage behavior of its users has received widespread attention from the academic community.This paper constructs a systematic explanation framework for users willingness to use the digital health system continuously，and aims to provide reference and reference for researchers in related fields in China.[Method/Process]This paper adopts a literature survey method to analyze the research status of this topic from the perspectives of user internal cognition，supplier service and integration.[Results/Conclusion]The study found that the internal perspective of users is the mainstream theoretical school of research on the willingness to use digital health.The factors that affect the willingness to use are mainly divided into perceptual factors，emotional factors and individual external factors.From the perspective of supplier service，the information system success model is the theoretical starting point，focusing on the direct and indirect effects of supplier service quality on the willingness to continue using it.With the deepening of research，it is difficult to comprehensively reflect the complex issue of continuous use from only a single perspective of user perception or system quality.Integrated research represented by the ELM model will be the main research trend in this field.

综上所述，从用户内部角度影响医疗相关信息系统的因素主要分为几类，一是感知类因素，其中感知有用性和感知易用性是数字健康信息系统持续使用意愿的重要解释变量;二是情感类因素即满意度，满意度常被作为中介变量，是持续使用的主要影响因素;三是个体外部因素，包括社会和组织的影响。从初始模型到扩展模型，本文发现以上研究数字健康信息系统的文献主要从以下两个思路开展研究，一是从数字健康信息系统的情景化因素入手，增加前置情景变量，例如Beldad A D等[11]引入健康评估变量，Huang G等[12]引入系统功能变量，需要注意的是，Huang G等引入的前因变量与信息系统成功模型的系统质量变量之间存在差异。二是从其他理论入手，增加理论上合理的因素，提高综合模型的预测能力，这个思路被广泛运用于研究中，其中被引入较多的是风险和信任变量。

2 基于供应商服务视角的持续使用意愿研究

不同于用户内部视角，供应商视角为以信息系统成功模型为出发点，延续系统—使用者的逻辑脉络，侧重数字健康信息系统质量对持续使用意愿的影响。Delone W H等[18]提出的信息系统成功模型（Information System Success Model，ISSM），指出信息系統的成功主要包含了6个变量：系统质量、信息质量、系统利用率、用户满意度、个人影响和组织影响。随着信息系统的不断发展该系统项目变成了一个提供服务的功能性项目，Delone W H等[19]改进了ISSM模型，增加了服务质量新变量。

Akter等是从系统质量角度开展数字健康信息系统持续使用意愿研究的代表人物，Akter S等[20]研究了移动健康系统中服务质量（Service Quality）维度对消费者持续使用意愿的影响，将服务质量作为分层反射模型细分为平台质量（Platform Quality）、交互质量（Interaction Quality）和结果质量（Outcome Quality），其中平台质量是包含系统可靠性（Reliability）、有效性（Efficiency）、可得性（Available）、隐私性（Privacy）的二阶反射模型，并提出未来的研究方向是继续明确服务质量理论概念并验证集成的服务质量模型。Akter S等[21]提出服务质量包含便利性（Convenience）、合作（Cooperation）、自信（Confidence）、照顾（Care）和隐私性（Privacy）5个变量。Akter S等[22]在原研究基础上，将服务质量分层反射模型中交互质量细分为合作（Cooperation）、自信（Confidence）和照顾（Care）3个维度，将原模型中结果质量更改为信息质量（Information quality），也细分为有用性（Utilitarian）和享乐性（Hedonic）2个维度，开发出一种以3个主维度和8个子维度的分层、多维的服务质量衡量量表，见图1，并再次验证了服务质量显著正向影响满意度和持续使用意愿。该研究具有服务质量理论概念化和多维尺度实证验证的优点，有效地解决了服务质量和持续使用意愿关系实证研究方面的困扰。许多学者继续沿此思路进行数字健康信息系统持续使用意愿研究，在关注交互质量方面，Li M等[23]基于相似吸引理论提出了一个研究系统—使用者关系的框架，探讨了系统—使用者沟通方式的相似性对使用者对医疗健康咨询服务认知的影响。发现系统的通信方式与用户的通信方式一致程度较高时，可提高用户参与度，用户感知的享乐性比功利性更主要地影响用户持续使用意图。Hossain M[24]验证了医疗平台质量、咨询质量（Advice Quality）和交互质量对感知价值和用户满意度有直接的正向影响，从而促进持续使用意愿，同时首次发现系统服务质量对感知价值的正向作用，特别是在健康状况不佳的发展中国家。Kima K等[3]在Akter S等关于移动健康服务质量研究的基础上，改进和建立了影响用户持续意愿的五个主要质量维度，即内容质量（Content Quality）、参与度（Engagement）、可靠性（Reliability）、可用性（Usability）和隐私性（Privacy），总体关于服务质量与持续使用意愿的关系结论与Akter等一致，但隐私维度和可用性维度对满意度和持续使用意愿的影响并不显著。

Akter S等还关注信任变量在服务质量与移动健康系统持续使用意愿的中介作用。Akter S等[25]将平台可信度（Trustworthiness）定义为一个分层反射的结构，包含了能力（Ability）、仁慈（Benevolence）、正直（Integrity）和可预测性（Predictability）等要素，验证了平台可信度直接和间接正向影响持续使用意愿，消费者信任在可信度和持续使用意愿之间起着关键的中介作用，而可信度对消费者信任和持续使用意愿之间的关系没有中介作用，该模型解释了持续使用意愿的65.9%的差异，也从理论上扩展了信任和平台服务质量的关系。Akter S等[26]再次关注信任和服务质量，建立包含感知服务质量和感知信任的集成ECM模型，发现感知服务质量通过正向显著影响信任和满意度间接影响持续使用意愿，同时直接对持续使用意愿产生显著正向影响，验证了服务质量对信任之间的正向影响关系，为持续意愿预测提供了更具有说服力的模型。

综上所述，服务质量既能够直接影响数字健康信息系统的持续使用意愿，又能够通过满意度、信任等中介变量间接影响持续使用意愿。但是目前的研究中关于服务质量的具体维度的影响作用尚没有达成一致看法，有待进一步研究。

3 基于内外整合视角的持续使用意愿研究

精细加工可能性模型（ELM，Elaboration Likelihood Model）理论起源社会心理学，用于解释个体态度的建立和变化过程[27]。Petty R等[27]认为说服（Persuasion）通过中心路径（Central Route）或外围路径（Peripheral Route）对态度产生影响，而精细加工（Elaboration）即个人处理信息的动机和能力，决定两种路径的相对有效性。说服是ELM的核心概念，大量文献研究了两大类说服决定因素：反映信息各个方面的因素，如论点质量（Argument Quality）、信息长度（Message Length）和来源可信度（Source Credibility），以及反映信息接收者各个方面的因素，如问题参与度（Issue Involvement）、动机（Motivation）、个人相关性（Personal Relevance）和先前的专业知识（Prior Expertise）[28-29]。态度是ELM模型的结果变量，指个人对各种问题、物体和人的整体评价[30]，Haddock G等[31]认为态度能够伴随接受者获得关于态度对象的信息而形成和改变。说服对态度的两种影响路径中，Kim M J等[32]认为中心路径需要大量的认知处理，即个人花费较多的精力和时间来研究和处理信息，而外围路径则意味着使用简单的线索，如来源因素、情感状态或相对简单的推论来判断信息的有效性。Petty R E等[33]提出由中心路线引起的态度变化更有可能持续下去，而由外围路线引起的态度变化则相对暂时和易受影响。同时，Petty R E等[34]指出这两种说服路径不是由变量本身性质决定的，而是由精细加工可能性程度决定，即当精细加工可能性程度高时，个体主要通过中心路径来形成对信息的态度;当精细加工可能性程度低时，外围路线则起主导作用。因此，ELM的原始模型如图2所示。

ELM的预测和解释能力得到丰富的实证支持，近年来诸多学者也将ELM应用于数字健康信息系统领域，用于分析用户使用行为。Angst C M等[35]认为电子病历技术采纳态度受论点框架（Argument Framing）和问题涉及（Issue Involvement）的共同影响，隐私关切（Concern for Information Privacy，CFIP）对影响路径具有调节作用。相较于中性论点框架，在积极论点框架下对信息隐私更加关注的人对电子病历采纳会有更积极的态度。研究将隐私关切的调节效应理论化，从理论上扩展了ELM理论。ELM在技术采纳意愿的适用性也逐渐吸引学者采用ELM对数字健康信息系统持续使用进行研究。在数字健康信息系统的使用过程中，用户的使用体验可以分为外部交互体验过程和内部认知形成过程，先前关于持续使用意愿的研究通常集中在两者之一，缺乏整体分析视角[30]。Chen Y等[30]较早将ELM应用于数字健康信息系统持续使用意愿研究，并指出在移动健康系统语境化条件下，因为用户需要花时间体验移动医疗服务并评估其服务质量和提供的信息质量，内部认知形成过程涉及医生服务质量和信息质量，外部交互体验过程涉及APP的声誉和APP的机构保证。并验证了感知有用性在医生服务和信息质量与持续使用意愿之间的中介作用，信任在APP声誉、机构保证与持续使用意愿之间的中介作用。最后，验证了在信息数字化的背景下潜在的隐私损失的合理性，指出移动健康应用中隐私关切显著正向调节感知有用性与持续使用意愿之间的关系，以及应用程序中的信任与持续使用意愿之间的关系。但这个研究忽略了ELM理论中精细加工可能性在中心和外围路径对态度影响的调节作用，Zhang X等[36]将感知电子健康素养（Perceived E-health Literacy，PEHL）作为影响路径选择可能性的变量引入移动健康系统ELM模型中，发现PEHL仅显著消极调节外围路径对信任的影响，不显著调节中心路径对信任的影响，信任显著积极影响持续使用意愿。

总结来看，ELM不同于先前关于持续使用意愿的模型，具有以下两个特点：一是ELM使得用单一的理论框架解释和整合先前研究的混合结果成为可能[37];二是ELM是面向过程的方法，而不是面向变量的方法[38]，它允许相同的变量在说服过程的不同阶段诱导不同的行为。因此以ELM为基本理论框架，也为数字健康信息系统持续使用意愿研究领域提供新的分析视角，使研究具有更好的适应性。虽然目前ELM在数字健康信息系统持续使用意愿的研究应用较少，且已有研究模型在精细加工可能性、调节作用等方面存在不足，但是ELM对持续使用意愿呈现较好的解释力和预测力，具有进一步完善的可行性。

4 总结与展望

4.1 数字健康信息系统持续使用意愿研究总体评述

4.1.1 理论层面

国外学者以数字健康为研究情境，基于不同的理论、不同的视角开展持续使用行为研究，形成了较为丰富的研究成果。本文通过对相关研究成果的理论发展进行溯源，从用户内部、供应商外部和整合研究3个视角对相关文献进行梳理，较为系统地呈现研究发展脉络与方向。

首先，用户内部视角是研究数字健康信息系统持续使用意愿的理论基点。在信息系统行为科学中，理论驱动型研究比探索性研究更能产生或达到预期结果。但是用户信息系统持续使用行为受到信息技术系统独特功能特征的限制，将一般信息系统行为理论直接应用到数字健康新技术情境并不能起到很好的解释效果。因此，研究数字健康情境下持续使用意愿的学者们从基于用户视角的ECM模型、TAM模型、PAM模型等理论中提取在数字健康情境下仍具有理论作用的变量，重新建立了以用户为中心的理论驱动模型。然后，从供应商服务视角开展数字健康信息系统持续使用意愿研究具有较强的管理实践意义。数字健康信息系统的系统质量对持续使用意愿影响的研究最初集中在整体服務质量、满意度和持续使用意愿之间的相互关系上，而随着研究的不断深入，学者们的目光逐渐转变到不同的质量维度对持续使用意愿的不同影响，供应商视角的理论仍是以信息系统成功理论为基础，不断扩展数字健康信息系统的质量维度，指导系统的开发与改进。最后，整合视角则揭示了信息系统外部变量对用户感知和情感因素的理论作用机制。相较于用户内部视角和供应商视角关注哪些变量显著影响持续使用意愿，整合视角将系统质量和用户内部因素纳入分析框架，更侧重建立具有过程性的影响机制。

总体来看，数字健康信息系统持续使用意愿研究涉及的理论和模型呈现出多样化特点，单一性研究较少。其理论来源多样、广泛，植根于社会学、心理学、消费者行为学、管理学、传播学、信息系统学等多个学科，且由于数字健康情境具有个体重要性和系统复杂性，大部分文献的理论基础主要采用心理学和信息系统学的跨学科理论。技术接受模型、期望确认模型、信息系统成功模型、计划行为理论、精细加工可能性模型是数字健康信息系统持续使用意愿研究最常用的理论框架，大多数文献至少使用了两种理论，且混合了不同理论的研究在实证检验往往表现更好，具有更高的解释力。

4.1.2 方法层面

定量研究仍是信息系统行为研究领域的主流方法，数字健康用户行为的研究也主要通过问卷调查收集数据，应用结构方程模型进行实证分析。同时，随着学者们更为关注特定复杂信息系统的情景化建模，持续使用行为的研究也逐渐采用以实用主义哲学范式为基础的混合方法进行设计，但目前数字健康信息系统持续使用意愿的研究中情景化建模较少，混合方法也没有得到充分应用。

4.2 当前研究在数字健康情境下的应用价值

从用户角度出发的研究成果非常丰富，首先，本文对数字健康情境下的实证文献进行影响因素使用频率统计分析，发现感知有用性和满意度变量使用频率最高，在用户决定是否持续使用数字健康技术时起关键且积极的作用，也是最常使用的中介变量。感知易用性使用频率较高，但其显著性在不同样本群体中具有差异性。由于感知易用性与学习使用数字健康信息系统的新技术所需的工作量成反比，数字技能越高学习成本越低，感知易用性的影响越不显著。以大学生群体为样本的实证研究中，感知易用性对持续使用意愿并不具有显著作用;而以老年人为样本的实证研究中，由于老年人数字素养普遍较低，当健康应用的易用性得不到保证时，他们很可能会失去持续使用健康应用的条件，因此数字健康信息系统的感知易用性显著正向影响老年人持续使用意愿。由于个人强烈保护健康隐私的欲望，感知风险与信任变量在数字健康系统情景下得到更多的关注，相较于其他信息系统使用频率也较高，其中信任显著正向影响持续使用意愿，而感知风险负向影响用户对系统的信任，进而抑制持续使用意愿。其他影响因素如感知行为控制、感知娱乐性、期望确认程度、自我效能、主观规范、电子健康素养等因素使用频率较低。以上具有促进和抑制作用的影响因素分析对管理实践和公共政策制定均有启发意义。对数字健康服务提供方而言，应该通过提高健康信息的精确度和准确度、提高医疗咨询服务的及时性和互动性、优化界面快速搜索功能、开发具有娱乐性和社交性的功能等措施，增加提升用户的满意度和感知有用性。对政府而言，则亟需从政策法规层面建立数据隐私保护制度，规范数字健康服务商数据获取行为，防止隐私敏感的健康数据泄露，降低用户感知风险和隐私忧虑。同时，政府应该加大公共网络接入设施的建设投资，为数字弱势群体提供必要的数字技能培训，减少受感知易用性影响而放弃持续使用的用户。

从供应商角度看，系统质量维度中用户参与度对持续使用意愿的影响程度最高，内容质量和系统的可靠性对持续使用意愿的影响受满意度的完全中介作用，高水平的质量维度只有在用户感到满意条件下才能提高用户的持续使用意愿。不同系统质量维度对持续使用意愿的影响程度差异的研究发现有助于信息系统供应商分配有限的人力、资本、时间等资源，改善关键的质量维度，有效提高持续使用意愿，构建企业信息系统质量管理策略。因此管理实践中，企业可以通过采取包括在数字健康信息系统设计中增加通知功能提醒用户健康活动等以增加参与度[3，39]，提供娱乐性内容、个人健康数据分析等以提高内容质量[40-41]，抓住关键系统质量维度有效提高用户持续使用意愿。

从整合研究视角看，数字健康情境下ELM模型揭示了用户持续使用行为的规律，数字健康情境下信息系统质量维度中的信息质量和服务质量作为中心路径，平台质量包括稳定性、权威性、易用性等作为外围路径，电子健康素养作用调节两种路径对用户认知因素的影响，电子健康素养较低的用户更容易受到平台质量的影响，而电子健康素养水平高的用户对中心和外围路径的偏好不存在显著差异。由于调节作用的差异性，外围路径与信任的关系比中心路径与信任的关系更复杂，因此应给予更多的关注。在管理实践中，数字健康信息系统企业未来应该首先做好顾客群体市场细分，针对电子健康素养较低用户的需求，改善系统的界面和导航，提高系统易用性，精准投放广告，提高平台声誉，使用户更加信任产品。同时，根据ELM理论，外围路径形成的行为容易受到外部因素影响，稳定性不强，因此在公共政策上，政府应与企业共同加强数字健康系统的宣传和推广，促进消费者对系统的认识和使用，同时制定教育计划提供电子健康知识培训，提高用户的电子健康素养。

4.3 未来展望

1）数字健康信息系统持续使用意愿的跨学科研究趋势。目前对于数字健康信息系统持续使用意愿的研究大多数是由信息系统领域的学者来完成的，采取的思路本质上还是将传统信息系统可持续使用的理论和方法扩展到数字健康信息系统中来。基于技术接受模型和期望确认模型的两大理论流派都主要从以下两个思路拓展研究：一是从数字健康信息系统的情景化因素入手，增加前置情景变量;二是从其他理论入手，增加理论上合理的因素，提高综合模型的预测能力。这些研究较少考虑数字鸿沟的影响。而部分学者已经发现在老龄化背景下，老年人群体受数字鸿沟的马太效应，极有可能被排除在信息通信技术革命之外，并不能受益于移动医疗服务的普及。因此，基于数字鸿沟视角的数字健康信息系统持续使用问题不仅仅是一个信息系统的管理学微观问题，同时也是一个公共卫生政策的宏观课题。数字鸿沟问题，传统上是传播学的重要议题之一，未来应该将传播学的数字鸿沟理论和研究方法与管理学的已有信息系统持续使用意愿研究相结合，来解决这个跨学科的问题。

2）数字健康信息系统持续使用意愿的情景化建模。目前的相关研究虽然运用了多种理论，但是较少从数字健康情景入手去突出数字健康信息系统不同于一般信息系统的特征，以及这种特征对用户持续使用意愿的影响，同时对文化因素关注较少，比如以集体主义为特征的文化中用户更有可能采纳和使用新技術。因此，建议未来的研究中进行情景化建模，应用混合方法找出情景化影响因素和文化制度因素，采用整合研究视角，将情景化因素、制度文化因素、系统质量因素、用户内部因素放入整体分析框架中，并增加对调节变量的关注，建立数字健康情境下的用户持续使用意愿模型。

参考文献

[1]Deluca J M，Enmark R.E-health：The Changing Model of Healthcare[J].Frontiers of Health Services Management，2000，17（1）：3-15.

[2]Zhao Y，Ni Q，Zhou R.What Factors Influence the Mobile Health Service Adoption？A Meta-Analysis and the Moderating Role of Age[J].International Journal of Information Management，2018，43（11）：342-350.

[3]Kim K，Kim K，Lee D，et al.Identification of Critical Quality Dimensions for Continuance Intention in m-Health Services：Case Study of Onecare Service[J].International Journal of Information Management，2019，46：187-197.

[4]Krebs P，Duncan D.Health App Use Among US Mobile Phone Owners：A National Survey[J].JMIR mHealth and uHealth，2015，3（4）：e101.

[5]Bhattacherjee A.Understanding Information Systems Continuance：An Expectation-Confirmation Model[J].MIS Quarterly，2001，25（3）：351-370.

[6]Fareedi A，Hassan S.The Impact of Social Media Networks on Healthcare Process Knowledge Management（Using of Semantic Platforms）[C]//International Conference on Control，Automation and Systems.ICCAS，2014：1514-1519.

[7]Maio G，Haddock G.The Psychology of Attitudes and Attitude Change[M].London：Psychology Press，2009.

[8]Premkumar G，Bhattacherjee A.Explaining Information Technology Usage：A Test of Competing Models[J].Wirtschaftsinformatik，2008，36（1）：64-75.

[9]Khosrowjerdi M.A Review of Theory-Driven Models of Trust in the Online Health Context[J].Ifla Journal，2016，42（3）：189-206.

[10]Yuan S，Ma W，Kanthawala S，et al.Keep Using My Health Apps：Discover Users Perception of Health and Fitness Apps with the UTAUT2 Model[J].Telemedicine and e-Health，2015，21（9）：735-741.

[11]Beldad A D，Hegner S M.Expanding the Technology Acceptance Model with the Inclusion of Trust，Social Influence，and Health Valuation to Determine the Predictors of German Users Willingness to Continue Using a Fitness App：A Structural Equation Modeling Approach[J].International Journal of Human-Computer Interaction，2018，34（9）：882-893.

[12]Huang G，Ren Y.Linking Technological Functions of Fitness Mobile Apps with Continuance Usage Among Chinese Users：Moderating Role of Exercise Self-Efficacy[J].Computers in Human Behavior，2020，103：151-160.

[13]Gu D，Guo J，Liang C，et al.Social Media-Based Health Management Systems and Sustained Health Engagement：TPB Perspective[J].International Journal of Environmental Research and Public Health，2019，16（9）：1495.

[14]Ayanso A，Herath T C，OBrien N.Understanding Continuance Intentions of Physicians with Electronic Medical Records （EMR）：An Expectancy-Confirmation Perspective[J].Decision Support Systems，2015，77：112-122.

[15]Cho J.The Impact of Post-Adoption Beliefs on the Continued Use of Health Apps[J].International Journal of Medical Informatics，2016，87：75-83.

[16]Gu D，Yang X，Li X，et al.Understanding the Role of Mobile Internet-Based Health Services on Patient Satisfaction and Word-of-Mouth[J].International Journal of Environmental Research and Public Health，2018，15（9）：1972.

[17]Shen X，Li Y，Sun Y.Wearable Health Information Systems Intermittent Discontinuance：A Revised Expectation-Disconfirmation Model[J].Industrial Management & Data Systems，2018，118：506-523.

[18]Delone W H，Mclean E R.Information Systems Success：The Quest for the Dependent Variable[J].Information Systems Research，1992，3（1）：60-95.

[19]Delone W H，Mclean E R.The DeLone and McLean Model of Information Systems Success：A Ten-Year Update[J].Journal of Management Information Systems，2003，19（4）：9-30.

[20]Akter S，D Ambra J，Ray P.Service Quality of m-Health Platforms：Development and Validation of a Hierarchical Model Using PLS[J].Electronic Markets，2010，20（3）：209-227.

[21]Akter S，DAmbra J，Ray P，et al.Modelling the Impact of m-Health Service Quality on Satisfaction，Continuance and Quality of Life[J].Behaviour & Information Technology，2013，32（12）：1225-1241.

[22]Akter S，D Ambra J，Ray P.Development and Validation of an Instrument to Measure User Perceived Service Quality of m-Health[J].Information & Management，2013，50（4）：181-195.

[23]Li M，Mao J.Hedonic or utilitarian？ Exploring the Impact of Communication Style Alignment on Users Perception of Virtual Health Advisory Services[J].International Journal of Information Management，2015，35（2）：229-243.

[24]Hossain M.Assessing m-Health Success in Bangladesh：An Empirical Investigation Using IS Success Models[J].Journal of Enterprise Information Management，2016，29：774-796.

[25]Akter S，DAmbra J，Ray P.Trustworthiness in m-Health Information Services：An Assessment of a Hierarchical Model with Mediating and Moderating Effects Using Partial Least Squares（PLS）[J].Journal of the American Society for Information Science and Technology，2011，62（1）：100-116.

[26]Akter S，Akter S，Ray P，et al.Continuance of m-Health Services at the Bottom of the Pyramid：the Roles of Service Quality and Trust[J].Electronic Markets，2012，23（1）：29-47.

[27]Petty R，Cacioppo J.Attitudes and Persuasion：Classic and Contemporary Approaches[M].New York：Routledge，1981.

[28]Burnkrant R，Unnava H.Effects of Self-Referencing on Persuasion[J].Journal of Consumer Research，1995，22：17-26.

[29]Bhattacherjee A，Sanford C.Influence Processes for Information Technology Acceptance：An Elaboration Likelihood Model[J].Mis Quarterly，2006，30（4）：805-825.

[30]Chen Y，Yang L，Zhang M，et al.Central or Peripheral？Cognition Elaboration Cues Effect on Users Continuance Intention of Mobile Health Applications in the Developing Markets[J].International Journal of Medical Informatics，2018，116：33-45.

[31]Haddock G，Maio G R.The Psychology of Attitudes[M].Washington：Harcourt Brace Jovanovich College Publishers，1993.

[32]Kim M J，Chung N，Lee C，et al.Dual-route of Persuasive Communications in Mobile Tourism Shopping[J].Telematics and Informatics，2016，33（2）：293-308.

[33]Petty R E，Cacioppo J T.The Elaboration Likelihood Model of Persuasion：Advances in Experimental Social Psychology[J].Academic Press，1986，19：123-205.

[34]Petty R E，Wegener D T.The Elaboration Likelihood Model：Current Status and Controversies[J].Dual-process Theories in Social Psychology，1999，（1）：37-72.

[35]Angst C M，Agarwal R.Adoption of Electronic Health Records in the Presence of Privacy Concerns：The Elaboration Likelihood Model and Individual Persuasion[J].Mis Quarterly，2009，33（2）：339-370.

[36]Zhang X，Yan X，Cao X，et al.The Role of Perceived E-health Literacy in Users Continuance Intention to Use Mobile Healthcare Applications：an Exploratory Empirical Study in China[J].Information Technology for Development，2018，24（2）：198-223.

[37]Tam K Y，Ho S Y.Web Personalization as a Persuasion Strategy：An Elaboration Likelihood Model Perspective[J].Information Systems Research，2005，16（3）：271-291.

[38]Royo-Vela M，Casamassima P.The Influence of Belonging to Virtual Brand Communities on Consumers Affective Commitment，Satisfaction and Word-of-Mouth Advertising：The ZARA Case[J].Online Information Review，2011，35（4）：517-542.

[39]Platt A，Outlay C，Sarkar P，et al.Evaluating User Needs in Wellness Apps[J].International Journal of Human-Computer Interaction，2016，32（2）：119-131.

[40]Choe E K，& Lee B.Characterizing Visualization Insights from Quantified Selfers Personal Data Presentations.[C]//Computer Graphics and Applications.IEEE，2015，35（4）：28-37.

[41]Li M，& Mao J.Hedonic or Utilitarian？Exploring the Impact of Communication Style Alignment on Users Perception of Virtual Health Advisory Services[J].International Journal of Information Management，2015，35（2）：229-243.

（責任编辑：孙国雷）