隨著高科技與大數據時代的來臨，許多醫療院所會引入智慧醫療系統來輔助醫療機構員工完成工作任務，進而提升醫療照護品質且降低醫療錯誤之風險。由於智慧醫療發展尚未成熟仍有許多醫療機構員工對此使用還處於摸索階段。故本研究以延伸型整合性科技接受模式作為研究架構，探討模式中各構面對智慧醫療的使用意圖之影響，並藉由性別、年齡、工作經驗三個調節變項了解影響使用意圖之因素。
本研究以醫療機構員工為研究對象，採用網路填寫方式發放問卷，共回收554份問卷，最終有效問卷共計有531份，有效問卷回收率為95.85%。
並以描述性統計、獨立樣本T檢定、單因子變異數分析、皮爾森相關分析與迴歸分析進行資料處理分析，所得結果如下：一、自我效能、享樂動機、價值衡量、使用習慣對使用意圖皆有顯著影響。二、年齡調節在績效預期、努力期望、社會影響、享樂動機對行為意圖具有高調節效果。三、工作經驗調節在績效預期、努力期望、社會影響、享樂動機、使用習慣對行為意圖具有部份調節效果。研究結果也顯示，工作上有接觸過智慧醫療系統的員工佔85.5%為大多數，在智慧醫療系統可協助您的工作績效與使用容易度的平均分數分別為7.8分和7.2分，由此可見智慧醫療的使用對於醫療機構員工是容易的並且是能輔助員工完成工作任務進而提升工作效率。

With the advent of the era of high technology and big data, many medical institutions will introduce Smart Health to assist with their work tasks, thereby improving the quality of medical care and reducing the risk of medical errors. As the development of Smart Health is not yet mature, many medical institution employees are still in the process of exploring its use. Therefore, this study uses the extended integrated science and technology acceptance model as a research framework to explore the influence of various forms of mental health care in the model, and to understand the factors affecting the intention of use through the three adjustment variables of gender, age, and work experience.
In this study, medical institutions were used as research objects, and questionnaires were distributed by means of online filling. A total of 554 questionnaires were collected. The total number of valid questionnaires was 531, giving an effective questionnaire recovery rate of 95.85%.
Descriptive statistics, independent sample T-test, single-factor variance analysis, Pearson correlation analysis, and regression analysis were used to analyze the data. The results are as follows: (1) Self-efficacy, Hedonic Motivation, Price Value, and Habits had significant impacts. (2) Age adjustment had a high effect on Performance Expectancy, Effort Expectancy, Social Influence, and Hedonic Motivation. (3) Work experience adjustment has partial effects on performance intentions in Performance Expectancy, Effort Expectancy, Social Influence, Hedonic Motivation, and Habits. The results of the study also show that the majority (85.5%) of employees have used the smart medical system at work are, and the average scores for “medical system that can help you with job performance” and “ease of use” items in the questionnaire are 7.8 points and 7.2 points (out of 10) respectively. The findings indicate that the use of smart healthcare is easy for employees in medical institutions and can assist employees in completing work tasks and improving work efficiency.

目錄
學位論文審定書 i
誌謝 ii
摘要 iii
Abstract iv
目錄 vi
圖目錄 viii
表目錄 ix
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 2
第二章 文獻探討 3
第一節 智慧醫療的定義 3
第二節 各國智慧醫療之政策規劃現況 4
第三節 台灣智慧醫療發展現況 7
第四節 延伸型整合性科技接受模式(UTAUT2) 10
第五節 小結 14
第三章 研究方法 15
第一節 研究架構 15
第二節 研究假設 16
第三節 變數之操作型定義 17
第四節 研究設計 18
第五節 問卷專家效度 21
第六節 資料處理與統計分析 22
第四章 資料分析與研究結果 24
第一節 信效度分析 24
第二節 描述性統計分析 26
第三節 推論性統計分析 34
第四節 迴歸分析 42
第五節 研究假說驗證 53
第六節 數值量化評值 56
第五章 結論與建議 57
第一節 研究結果之討論 57
第二節 研究限制 61
第三節 後續研究建議 61
第四節 研究貢獻 62
參考文獻 63
附錄一:人體試驗委員會核准函 66
附錄二:研究問卷 67
附錄三:捐款證明 73


 
圖目錄
圖 2 1 UTAUT模型架構 10
圖 2 2 UTAUT2模型架構 11
圖 3 1 本研究架構 15
圖 4 1 績效預期*年齡 43
圖 4 2 績效預期*工作上是否有接觸過的智慧醫療相關系統 44
圖 4 3 努力期望*年齡 45
圖 4 4 努力期望*工作上是否有接觸過的智慧醫療相關系統 45
圖 4 5 社會影響*年齡 46
圖 4 6 社會影響*工作年資 47
圖 4 7 社會影響*工作上是否有接觸過的智慧醫療相關系統 47
圖 4 8 社會影響*使用智慧醫療系統的頻率 48
圖 4 9 享樂動機*年齡 50
圖 4 10 享樂動機*工作上是否有接觸過的智慧醫療相關系統 50
圖 4 11 享樂動機*使用智慧醫療系統的頻率 51
圖 4 12 使用習慣*工作上是否有接觸過的智慧醫療相關系統 52
圖 4 13 使用習慣*使用智慧醫療系統的頻率 53











表目錄
表 2 1 智慧醫療的定義 3
表 2 2 各國智慧醫療之政策 4
表 2 3 網路健康服務推動計畫 9
表 2 4 科技接受模式相關研究說明 12
表 3 1 研究假說 16
表 3 2 各變數之操作型定義 17
表 3 3 延伸型整合性科技接受模式量表 19
表 3 4 專家效度CVI值 21
表 4 1 信效度分析 25
表 4 2 樣本次數分配情形 28
表 4 3 績效預期(PE)敘述性統計 31
表 4 4努力期望(EE)敘述性統計 31
表 4 5 社會影響(SI)敘述性統計 31
表 4 6 促成條件(FC)敘述性統計 32
表 4 7 自我效能(SE)敘述性統計 32
表 4 8 享樂動機(HM)敘述性統計 32
表 4 9 價值衡量(PV)敘述性統計 33
表 4 10 使用習慣(HT)敘述性統計 33
表 4 11 行為意圖(BI)敘述性統計 33
表 4 12 性別與各構面之關係 34
表 4 13 任職機構是否有引進智慧醫療相關系統與各構面之關係 34
表 4 14 工作上是否有接觸過的智慧醫療相關系統與各構面之關係 35
表 4 15 年齡之單因子變異數分析(N=531) 36
表 4 16 教育程度之單因子變異數分析(N=531) 36
表 4 17 工作地點之單因子變異數分析(N=531) 37
表 4 18 工作機構類別之單因子變異數分析(N=531) 38
表 4 19 工作職稱之單因子變異數分析(N=531) 38
表 4 20 工作年資之單因子變異數分析(N=531) 39
表 4 21 使用智慧醫療系統的頻率之單因子變異數分析(N=531) 39
表 4 22 皮爾森相關分析 41
表 4 23 績效預期、努力期望、社會影響、促成條件、自我效能、享樂動機、價值衡量、使用習慣對行為意圖之迴歸分析 42
表 4 24 調節變數對績效預期與行為意圖之迴歸分析 43
表 4 25 調節變數對努力期望與行為意圖之迴歸分析 44
表 4 26 調節變數對社會影響與行為意圖之迴歸分析 46
表 4 27 調節變數對促成條件與行為意圖之迴歸分析 48
表 4 28 調節變數對自我效能與行為意圖之迴歸分析 48
表 4 29 調節變數對享樂動機與行為意圖之迴歸分析 49
表 4 30 調節變數對價值衡量與行為意圖之迴歸分析 51
表 4 31 調節變數對使用習慣與行為意圖之迴歸分析 52
表 4 32 研究假說驗證 54
表 4 33 工作績效和操作容易度分數 56
表 5 1 調節變數之討論 59

中文部分
王本正、許富榕(2016)。以延伸型整合性科技接受模式探討行動醫療App 協助照護任務之接受度。福祉科技與服務管理學刊 4(4)。
王本正、吳文智、孫銓(2017)。以整合性科技接受模式探討高齡者對於照護型機器人之接受度。福祉科技與服務管理學刊 5(2)。
李婉怡、趙珮如(2004)。醫療產業員工對電子病歷之科技接受模式探討－以中南部地區為例。醫務管理期刊5(2)。
林嬪嫱(2014)。臺灣智慧醫療推廣現況。醫療品質雜誌，8(3)，22-23。
吳旻臻(2017)。共享經濟下使用者對於Airbnb使用行為之探討。國立虎尾科技大學，雲林縣。
張巧真、陳筠惠(2014)。應用延伸型整合科技接受模式探討線上購買意願－
以雙媒介之觀點。電子商務研究，12(2)，143-168。
張紀萍(2015)。科技接受模式與應用—以慢性病長者遠距照護使用為例。護理雜誌，62（3），11–16。
陳佩宜(2016)。應用整合科技接受模式探討數位閱讀之研究－以桃園地區民
眾為例。蘭陽學報(15)，12-22。
孫培真(2017)。以UTAUT2模型探究影響教師使用創新資訊科技融入教學之因素。國立高雄師範大學，高雄市。
郭年真、賴飛羆、李鎮宜(2017)。智慧醫療關鍵議題與對策之研究。國家發展委員會委託研究。
許明暉(2011)。臺灣健康資訊科技之現況與未來。醫療品質雜誌5(6)。
國家發展委員會公共政策網路參與平台。資料引自https://join.gov.tw/acts/detail/5d4948f4-ef34-4772-bef6-cfbb161d2b91
黃瑞珍、楊怡玲、李怡慶、黃雅君、謝良博、王美玲(2014)。以整合性科技接受模式觀點探討醫療機構員工對異常事件通報系統使用行為之研究－以某區域級教學醫院為例。澄清醫護管理雜誌10(3)。
趙正敏、馬志民、鄭博文(2014)。以整合性觀點探討護理人員對於混合式數位學習使用意向之研究。顧客滿意學刊，12(1)，1-32。
廖慧娟(2015)。醫療品質獎系列-智慧醫療類介紹。醫療品質雜誌，9(2)，69-72。
蔡鳳凰(2011)。台灣智慧醫療產業的發展。經濟前瞻，(136)，125-129。
魏于翔(2018)。全球智慧醫療發展趨勢。農業生技產業季刊。
衛生福利部資訊處(2017年2月3日)。資料引自
https://dep.mohw.gov.tw/DOIM/cp-932-2419-114.html
衛生福利部資訊處(2018年9月13日)。資料引自
https://dep.mohw.gov.tw/DOIM/cp-923-1248-114.html
英文部分
Dirk Vanneste, Bram Vermeulen, Anja Declercq(2013). Healthcare professionals’ acceptance of BelRAI, a web-based system enabling person-centred recording and data sharing across care settings with interRAI instruments: a UTAUT analysis.BMC Medical Informatics and Decision Making 2013,13:129 http://www.biomedcentral.com/1472-6947/13/129.
Fornell, C., & Larcker, D. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18, 39-50.
Seok Kim, Kee-Hyuck Lee, Hee Hwang and Sooyoung Yoo(2016). Analysis of the factors influencing healthcare professionals’ adoption of mobile electronic medical record (EMR) using the unified theory of acceptance and use of technology (UTAUT) in a tertiary hospital. BMC Medical Informatics and Decision Making (2016) 16:12
DOI 10.1186/s12911-016-0249-8.
Viswanath Venkatesh, Michael G. Morris, Gordon B. Davis, Fred D. Davis(2003). User Acceptance Of Information Technology: Toward A Unified View. MIS Quarterly Vol,27(3),425-478.
Viswanath Venkatesh, James Y. L. Thong, Xin Xu(2012). Consumer Acceptance And Use Of Information Technology: Extending The Unified Theory Of Acceptance And Use Of Technology. MIS Quarterly36(1),157-178.
Nunnally, J. C. (1978). Psychometric theory (2 ed.). NY: McGraw-Hill.
Oliveira, T., Thomas, M., Baptista, G., & Campos, F. (2016). Mobile payment: Understanding the determinants of customer adoption and intention to recommend the technology. Computers in Human Behavior, 61, 404-414. doi:10.1016/j.chb.2016.03.030