编辑推荐：
推荐阅读！该综述聚焦老年人对管理非传染性疾病（NCDs）的数字健康（DH）技术接受度，成果颇丰。
### 老年人对管理非传染性疾病的数字健康技术接受度研究进展
随着全球人口老龄化加剧，非传染性疾病（NCDs）在老年人群中的患病率不断上升，成为严峻的全球健康挑战。心血管疾病、代谢综合征、糖尿病、高血压等 NCDs，因长期的病程和缓慢的进展，严重威胁老年人健康。在低 - 中收入国家（LMICs），这一问题更为突出，预计到 2050 年，全球 65 岁以上人口翻倍，NCDs 导致的过早死亡负担将显著增加。
面对 NCDs 带来的挑战，技术在医疗领域的应用愈发重要。数字健康（DH）干预涵盖多种数字工具，如电子健康应用程序、远程监测系统、可穿戴设备等，为 NCDs 管理带来新契机。在 COVID - 19 大流行期间，远程医疗服务迅速扩张，满足了老年人远程获取医疗服务的需求，减少了医院就诊次数，优化了医疗资源分配。而基于人工智能（AI）的对话代理（CAs），如聊天机器人、语音机器人等，作为 DH 的新兴子集，能模拟人类互动，以简化语言提供个性化健康建议，改善老年患者的医疗体验，增强远程护理的可及性，为 NCDs 管理注入新活力。
尽管 DH 和 AI - CAs 在 NCDs 管理方面潜力巨大，但老年人对这些技术的接受度仍有待深入研究。现有研究多聚焦于可行性和可用性，对接受度的评估不足。为此，本文通过系统综述，深入探究老年人对管理 NCDs 的 DH 技术，尤其是 AI - CAs 的接受情况，为推动相关技术在老年医疗领域的应用提供参考。
研究方法
本研究采用系统综述的方法，遵循 PRISMA - ScR 指南，在 PROSPERO 平台进行前瞻性注册（注册号：CRD42024540035） 。
在搜索策略上，研究人员依据 SPIDER 框架制定全面的检索策略，利用 PubMed、Web of Science、Scopus 和 ACM Digital Library 四个主要电子数据库，检索 2010 年 1 月至 2024 年 5 月期间发表的英文实证研究。检索词涵盖老年人、技术接受、数字健康、AI、CAs 和 NCDs 管理等相关词汇，并运用布尔运算符组合搜索，确保广泛纳入相关研究。
研究设定了明确的纳入和排除标准。纳入的研究需为关于老年人接受用于管理 NCDs 的 DH 技术和 AI - CAs 的实证研究，且为英文全文的学术文章。排除标准包括仅关注可用性评估、涉及特定类型干预（如实体机器人、社交媒体、电话干预等）、研究非 NCD 相关主题、非实证研究（如综述、评论等） 。
筛选和选择过程由两位作者独立进行，借助 Endnote 导出文章，使用 Covidence 软件辅助筛选。先通过标题和摘要筛选出可能相关的研究，再对全文进行评估，如有分歧则通过讨论或咨询第三位评审者解决。
数据提取和报告阶段，研究人员从最终纳入的研究中提取干预措施、参与者人口统计学信息、技术类型、样本量、研究设计、技术接受度测量方法、关键结果和方法学局限性等数据，并使用叙事综合法进行分析，综合定量和定性数据，挖掘与技术接受相关的主要主题。
研究结果
最终纳入 20 项研究，这些研究发表于 2016 - 2024 年，多数在过去 5 年发表。
健康干预方面，研究主要聚焦于数字生活方式干预，涉及 2 型糖尿病（T2DM）、高血压、代谢综合征（MetS）、心血管疾病（CVDs）等 NCDs 的自我管理，部分研究关注认知障碍的管理，还有些研究对慢性病管理进行了更普遍的探索。
DH 技术类型多样，移动健康（mHealth）应用最受关注，多数研究围绕其展开，涉及商业应用和原型评估。此外，可穿戴追踪设备、远程监测系统也有应用，而对话代理（CA）的相关研究较少，仅 1 项研究调查了用于痴呆自我管理的 CA 的接受度，且未明确 AI 集成情况。
研究持续时间差异较大，从 8 天到 14 个月不等，部分研究未明确持续时间。研究对象主要为 50 岁及以上患有慢性病的老年人，部分研究聚焦 60 岁及以上人群，少数研究未限制年龄范围。研究地点多集中在高收入和中高收入国家，包括北美、欧洲和亚洲部分地区，低收入国家的研究较少。
研究设计上，近一半研究为定性研究，通过焦点小组、访谈等方式探究用户对技术的认知和接受度；35% 的研究采用混合方法，结合定量和定性研究手段；20% 的研究采用定量方法，多为横断面研究。
在理论框架和影响因素方面，技术接受模型（TAM）及其扩展版本应用最为广泛，统一技术接受和使用理论（UTAUT）及其扩展版本也有应用。促进技术接受的因素包括感知有用性、感知易用性、社会影响、数字或电子健康素养等；阻碍因素有隐私担忧、技术挑战、可用性问题、感官障碍和成本等。
讨论
多数研究表明，老年人对 DH 技术总体持积极态度。一些研究通过高接受度得分和关键因素的显著性证明了这一点，定性研究也显示参与者对相关技术有积极评价。然而，老年人对 AI - CAs 的接受度评估不足，尽管 AI - CAs 在远程护理中应用渐广，但相关研究较少，可能与现有评估框架的应用不足或方法学局限有关。不过，已有研究显示，老年人可能因 AI - CAs 的语音交互和拟人化特点而更倾向于采用。
目前没有明确证据表明不同 NCDs 在技术接受度上存在差异。多数研究关注的是物理性慢性病，对认知障碍相关研究较少。这可能是因为老年人更注重物理健康需求，认为数字技术在管理物理性疾病上更有价值。
TAM 和 UTAUT 是常用的技术接受度评估框架。TAM 因其简单易用且解释力强而受青睐，UTAUT 则综合多个模型，能更全面地解释技术接受度，尤其在组织环境中优势明显。此外，还有一些扩展和修改版本用于特定医疗情境评估，但专为老年人设计的高级技术接受模型（STAM）未在本研究中应用，可能与其在医疗技术接受度方面的扩展不足有关。
除了常见的影响因素，拟人化特征能增强 AI - CAs 的交互性，促进技术接受，但相关研究较少。同时，教育、就业、医院就诊、健康管理动机等因素在部分研究中被提及，但未得到充分探索。隐私和数据安全问题也备受关注，现有模型需要考虑这些针对老年人的特定因素进行调整。
研究局限性
本研究存在一定局限性。在文献检索方面，可能遗漏了非英文、未被检索数据库收录或因关键词问题未被发现的研究。严格的纳入和排除标准虽确保了研究相关性，但可能缩小了研究范围。此外，研究还可能存在发表偏倚和其他不可控偏倚，2024 年 6 月 1 日后发表的新研究也可能影响研究结果。
纳入研究在方法学上也存在不足。多数研究样本量较小，可能影响研究结果对老年人群体的代表性；抽样方法多为目的抽样或便利抽样，易导致抽样偏差；研究地理分布集中在高收入国家，限制了研究结果在不同地区的适用性；部分研究依赖自我报告数据，存在数据偏差风险；研究持续时间较短，难以评估技术的长期接受度和持续使用情况；部分研究年龄范围过宽，影响对老年人群体的针对性结论；参与者还面临技术挑战，影响技术的接受和有效使用。
研究展望
尽管面临挑战，但数字健康技术在老年 NCDs 管理领域前景广阔。未来研究应深入评估老年人对 AI - CAs 的接受度和使用意愿，特别是针对特定慢性病的应用。同时，纳入医疗专业人员的视角至关重要，他们的建议对患者接受 DH 工具影响重大。此外，还需进一步研究技术接受框架在该领域的适用性，以推动 AI 辅助 DH 解决方案的成功实施。
在实际应用中，各利益相关者需紧密合作。医疗服务提供者应积极参与技术应用，为患者提供指导；技术开发者应注重用户中心设计，提升技术易用性和针对性；政策制定者应制定相关政策，保障数据安全，促进技术推广。通过共同努力，将数字健康技术更好地融入老年 NCDs 管理，改善老年人健康状况和生活质量，为应对全球老龄化和 NCDs 挑战提供有力支持。
