Bridging the Behavioral Intention Action Gap in Reusable Menstrual Product Adoption through Digital Health Literacy and Protection Motivation Theory

Technisches Resümee: Überbrückung der Intentions-Verhaltens-Lücke bei der Adoption wiederverwendbarer Menstruationsprodukte

Problemstellung
Trotz der wachsenden Popularität wiederverwendbarer Menstruationsprodukte (RMPs) wie Menstruationstassen, Stoffbinden und Periodenunterwäsche bleibt deren tatsächliche Adoption gering, insbesondere in Ländern mit niedrigem und mittlerem Einkommen. Diese Diskrepanz ist durch eine „Intentions-Verhaltens-Lücke“ (behavioral intention–action gap) gekennzeichnet, bei der vorteilhafte ökologische und kostenbezogene Intentionen nicht in eine dauerhafte Nutzung übergehen. Die bestehende Literatur konzentriert sich häufig auf Bewusstsein, Barrieren sowie soziodemografische Faktoren oder wendet allgemeine Frameworks wie die Theorie des geplanten Verhaltens (TPB) oder das Gesundheitsmodell (HBM) an. Es gibt jedoch eine begrenzte Anwendung der Schutzmotivations-Theorie (Protection Motivation Theory, PMT) spezifisch auf die Adoption von RMPs und ein bemerkenswertes Versäumnis hinsichtlich der digitalen Gesundheitskompetenz (Digital Health Literacy, DHL) bei der Erklärung, wie der digitale Informationszugang die Übersetzung von Intention in tatsächliches Verhalten beeinflusst. Die Studie adresset die Notwendigkeit, die kognitiven und informationalen Prozesse zu verstehen, die die Implementierung von Verhalten erleichtern, anstatt sich ausschließlich auf die Erzeugung von Intentionen zu konzentrieren.

Methodik
Die Forschung verwendete ein quantitatives, Querschnitts-Survey-Design, um ein konzeptionelles Framework zu testen, das die PMT mit der digitalen Gesundheitskompetenz integriert.

• Stichprobe: Die Daten wurden mittels eines selbstverwalteten Online-Fragebogens erhoben, der über soziale Medien und E-Mail verteilt wurde. Die endgültige Stichprobe bestand aus 186 validen Antworten von Menstruierenden im reproduktiven Alter (18–30 Jahre), wobei die Mehrheit über einen Postgraduiertenabschluss verfügte.
• Stichprobenverfahren: Es wurde ein nicht-probabilistisches Convenience-Sampling angewandt, was für die Theorieprüfung mittels Strukturgleichungsmodellen (SEM) als angemessen erachtet wurde, bei denen die Modellschätzung gegenüber der Populationsverallgemeinerung priorisiert wird.
• Maßstäbe: Die Konstrukte wurden unter Verwendung von Multi-Item-Reflexionsskalen operationalisiert, die aus validierter Literatur adaptiert wurden:
  • Bedrohungsbewertung (Threat Appraisal): Wahrgenommene Schwere (Perceived Severity) und wahrgenommene Verwundbarkeit (Perceived Vulnerability).
  • Bewältigungsbewertung (Coping Appraisal): Antwortwirksamkeit (Response Efficacy), Selbstwirksamkeit (Self-Efficacy) und Antwortkosten (Response Cost).
  • Ergebnisse (Outcomes): Verhaltensintention (Behavioral Intention) und tatsächliches Verhalten (Actual Behavior – selbstberichtete Adoption).
  • Moderator: Digitale Gesundheitskompetenz (Digital Health Literacy, DHL), gemessen über die eHealth Literacy Scale (eHELS).
• Analyse: Eine partielle Strukturgleichungsmodellierung (PLS-SEM) wurde mit SmartPLS (Version 4) durchgeführt. Die Analyse folgte einem zweistufigen Ansatz: Bewertung des Messmodells (Reliabilität, konvergente Validität, diskriminante Validität via HTMT) und des Strukturmodells (Pfadkoeffizienten, $R^2$, $Q^2$ und Bootstrapping mit 5.000 Resamples).

Kernergebnisse
Die Analyse des Strukturmodells lieferte die folgenden Ergebnisse bezüglich der hypothetisierten Beziehungen:

• Signifikante Prädiktoren der Verhaltensintention:
  • Wahrgenommene Schwere ($\beta = 0,290, p < 0,001$): Die subjektive Bewertung der Folgen von Gesundheits-/Umweltbedrohungen beeinflusst die Intention positiv.
  • Wahrgenommene Verwundbarkeit ($\beta = 0,271, p < 0,001$): Die subjektive Wahrscheinlichkeit, mit der Bedrohung konfrontiert zu werden, beeinflusst die Intention positiv.
  • Antwortkosten ($\beta = 0,375, p < 0,001$): Wahrgenommene Hindernisse (finanziell, zeitlich, aufwendig) erwiesen sich als robuster Prädiktor für die Intention.
• Nicht-signifikante Prädiktoren:
  • Antwortwirksamkeit ($\beta = -0,030, p = 0,857$): Der Glaube an die Effektivität des RMP sagte die Intention nicht signifikant voraus.
  • Selbstwirksamkeit ($\beta = 0,071, p = 0,625$): Der Glaube an die eigene Fähigkeit, das Verhalten auszuführen, sagte die Intention nicht signifikant voraus.
• Intention–Verhalten-Link:
  • Verhaltensintention zu Verhalten ($\beta = 0,345, p < 0,001$): Es wurde eine signifikante positive Beziehung gefunden, was darauf hindeutet, dass die Intention in diesem Kontext ein starker proximaler Prädiktor für das tatsächliche Adoptionsverhalten ist.
• Moderationseffekt:
  • Digitale Gesundheitskompetenz (H7): Der hypothetisierte Moderationseffekt der DHL auf die Beziehung zwischen Verhaltensintention und tatsächlichem Verhalten wurde nicht unterstützt ($\beta = -0,252, p = 0,574$). Die Daten legen nahe, dass die DHL in dieser spezifischen Stichprobe die Übersetzung von Intention zu Verhalten statistisch nicht verstärkt.
• Modellgüte: Das Modell erklärte 32,8 % der Varianz der Verhaltensintention ($R^2$) und 48,0 % der Varianz des Verhaltens (Action Behavior). Die prädiktive Relevanz ($Q^2$) war für beide Konstrukte positiv.

Zentrale Beiträge und Ansprüche
Das Paper beansprucht, folgende Beiträge zur Literatur über nachhaltige Gesundheitsverhaltensweisen und die PMT zu leisten:

1. Kontextuelle Anwendung der PMT: Es erweitert die PMT auf den unterexplorierten Bereich der Adoption wiederverwendbarer Menstruationsprodukte und zeigt auf, dass in diesem spezifischen Kontext Variablen der Bedrohungsbewertung (Schwere, Verwundbarkeit) und die Antwortkosten einen größeren Einfluss auf die Intention haben als Variablen der Bewältigungsbewertung (Wirksamkeitsüberzeugungen).
2. Analyse der Intention–Verhaltens-Lücke: Die Studie validiert empirisch die starke Verbindung zwischen Intention und Verhalten bei RMPs, was darauf hindeutet, dass die Lücke in diesem spezifischen Bereich schmaler ist als bei anderen Gesundheitsverhaltensweisen, während sie gleichzeitig hervorhebt, dass praktische Barrieren (Kosten) kritisch bleiben.
3. Rolle der digitalen Gesundheitskompetenz: Die Forschung stellt die Annahme in Frage, dass die digitale Gesundheitskompetenz als Moderator für die Intention-Verhaltens-Lücke fungiert. Stattdessen postuliert sie, dass die digitale Gesundheitskompetenz in digital aktiven Populationen eher als grundlegende Fertigkeit oder Vorläufer (Antezedenz) fungiert und nicht als differenzierender Moderator, was darauf hindeutet, dass eine hohe Kompetenz nicht zwangsläufig die Übersetzung von Intention in Handlung garantiert, ohne andere Barrieren zu adressieren.
4. Theoretische Verfeinerung: Die Ergebnisse legen nahe, dass in technologisch fortgeschrittenen und verhaltensbekannten Kontexten die Risikobewertung und Kosten-Nutzen-Analyse die Intention stärker treiben als die wahrgenommene Fähigkeit, was die Anwendung der PMT für pro-umweltorientierte Gesundheitsverhaltensweisen verfeinert.

Bedeutung
Die Studie bietet praktische Erkenntnisse für politische Entscheidungsträger und Gesundheitsfachkräfte, die darauf abzielen, nachhaltige Menstruationsgesundheit zu fördern. Sie argumenttiert, dass Interventionen Prioritäten setzen sollten:

• Risikosalienz: Botschaften sollten die Schwere und die persönliche Verwundbarkeit gegenüber Gesundheits- und Umweltbedrohungen thematisieren.
• Kostensenkung: Die wahrgenommenen Antwortkosten (finanziell, psychologisch und logistisch) aktiv zu mindern, statt sich allein auf Wirksamkeitsbotschaften zu verlassen.
• Design digitaler Interventionen: Zu erkennen, dass Plattformen für digital kompetente Nutzer handlungsorientiert und effizient sein sollten, um kognitive Überlastung zu vermeiden, anstatt lediglich mehr Informationen bereitzustellen.

Das Paper schließt mit dem Schluss, dass die digitale Gesundheitskompetenz zwar wichtig für den Zugang zu Informationen ist, die Überbrückung der Intention-Verhaltens-Lücke bei der RMP-Adoption jedoch eine Konzentration auf evaluative und motivationale Faktoren (Bedrohung und Kosten) erfordert, anstatt davon auszugehen, dass digitale Fähigkeiten allein die Verhaltensänderung erleichtern.