Development and validation of a modified Technology Acceptance Model instrument for Digital Public Health Interventions among nurses in Kenya

Stellen Sie sich vor, Sie versuchen, eine ganze Schule dazu zu bringen, ein brandneues, supermodernes digitales Bestellsystem für das Mittagessen zu nutzen. Sie haben die Tablets gekauft, das WLAN installiert und sogar die Handbücher ausgedruckt. Aber wenn Sie sich umsehen, schreiben die Hälfte der Schüler immer noch auf Servietten herum, und die andere Hälfte tippt einfach wahllos auf den Bildschirm, weil sie nicht wissen, wie es funktioniert. Warum? Vielleicht ist das System zu kompliziert, vielleicht war das Training langweilig, oder vielleicht denken die Schüler einfach nicht, dass es ihnen wirklich hilft, schneller an ihr Essen zu kommen.

Genau dieses Rätsel versuchten Anne Ikua und ihr Team an der Strathmore University zu lösen, aber statt einer Schulkantine schauten sie sich Krankenhäuser in Kenia an. Sie wollten herausfinden, warum Pflegekräfte (oder eben nicht) neue digitale Gesundheitstools zur Verfolgung von Krankheiten wie HIV und Tuberkulose nutzen.

Die alte Karte vs. das neue GPS

Seit Jahrzehnten nutzen Wissenschaftler eine berühmte „Karte“ namens Technology Acceptance Model (TAM), um vorherzusagen, ob Menschen neue Technik nutzen werden. Diese Karte besagt im Grunde: „Wenn die Leute ein Werkzeug als nützlich und einfach zu bedienen empfinden, werden sie es benutzen.“ Es ist ein einfacher, zuverlässiger Kompass.

Aber die Forscher vermuteten, dass dieser alte Karte einige entscheidende Orientierungspunkte für den kenianischen Kontext fehlten. Sie dachten: „Was ist mit dem Rollout? Was ist damit, wie das Training durchgeführt wurde? Was ist damit, ob das System überhaupt überleben wird, wenn die erste Finanzierung ausläuft?“

Deshalb beschlossen sie, ein modifiziertes GPS zu bauen. Sie nahmen die ursprüngliche TAM-Karte und fügten zwei neue, superwichtige Stopps hinzu:

1. DPHI Rollout: Hier geht es um das „Wie“. Haten die Pflegekräfte die Möglichkeit, das System mitzugestalten? Wurden sie tatsächlich gut geschult, oder wurden ihnen einfach nur ein Handbuch in die Hand gedrückt und man sagte ihnen, sie sollen es selbst herausfinden?
2. Nachhaltigkeit (Sustainability): Hier stellt sich die Frage: „Wird dieses Ding nächstes Jahr noch funktionieren, oder bricht es zusammen, wenn das Geld aufgebraucht ist?“

Der große Filter: Was wurde aussortiert?

Hier wird die Geschichte interessant. Die Forscher starteten mit einem großen Beutel voller Ideen (Konstrukte), die sie testen wollten. Sie hatten sechs Hauptzutaten:

• Wahrgenommene Nützlichkeit (Perceived Usefulness)
• Wahrgenommene Benutzerfreundlichkeit (Perceived Ease of Use)
• Kontrollierbarkeit (Controllability) (Haben die Pflegekräfte das Gefühl, die Kontrolle über die Technik zu haben?)
• Tatsächliche Nutzung (Actual Use) (Wie sehr nutzen sie es tatsächlich?)
• DPHI Rollout
• Nachhaltigkeit

Sie testeten diese Ideen an 330 Pflegekräften, die in öffentlichen Gesundheitseinrichtungen in 11 Landkreisen in Kenia arbeiteten. Sie baten die Pflegekräfte, eine Umfrage auszufüllen, und ließen dann die Zahlen durch ein statistisches „Sieb“ laufen, um zu sehen, welche Ideen Bestand hatten und welche untergingen.

Die große Ablehnung:
Die Studie schloss zwei der ursprünglichen Zutaten explizit aus.

• Kontrollierbarkeit wurde aussortiert. Die Forscher fanden heraus, dass die Nutzung des digitalen Systems in diesen Krankenhäusern keine Wahlmöglichkeit war, sondern verpflichtend. Man kann niemanden fragen, ob er sich bei einem Werkzeug „in Kontrolle“ fühlt, das er jeden Tag benutzen muss. Die Daten zeigten, dass dieses Konzept in diesem spezifischen Umfeld nichts Sinnvolles maß.
• Tatsächliche Nutzung wurde ebenfalls entfernt. Die statistische Analyse ergab, dass dieses Konstrukt während der Testphasen (EFA und CFA) eine unzureichende psychometrische Leistung und eine schlechte Faktorenleistung aufwies. Die Daten unterstützten dieses Konzept in diesem Kontext schlichtweg nicht als zuverlässiges Maß, also wurde es aus dem finalen Modell gestrichen.

Das Gewinner-Team

Nach der statistischen Bereinigung blieben den Forschern ein schlankes, effizientes, vierteiliges Team, das tatsächlich funktionierte:

1. Wahrgenommene Nützlichkeit: „Macht das meinen Job besser?“
2. Wahrgenommene Benutzerfreundlichkeit: „Ist das einfach zu verstehen?“
3. DPHI Rollout: „War der Start reibungslos? Habe ich eine gute Schulung erhalten?“
4. Nachhaltigkeit: „Wird das halten?“

Der abschließende Test zeigte, dass dieses neue, modifizierte Instrument absolut solide war.

• Reliabilität (Zuverlässigkeit): Die Fragen maßen konsistent das, was sie messen sollten. Zum Beispiel hatten die Fragen zur „Nützlichkeit“ einen Reliabilitätswert von 0,92 und die zur „Benutzerfreundlichkeit“ einen Wert von 0,93. (Denken Sie an eine Waage, die jedes Mal das exakt gleiche Gewicht anzeigt, wenn man darauf tritt).
• Validität (Gültigkeit): Die Studie bewies, dass diese vier Konzepte tatsächlich unterschiedlich voneinander sind. Nur weil eine Pflegekraft ein Werkzeug als „einfach“ empfindet, bedeutet das nicht automatisch, dass sie es auch als „nützlich“ empfindet, und die Mathematik bestätigte, dass dies eigenständige Ideen sind.

Das Urteil

Das Paper behauptet nicht, das Geheimnis der digitalen Gesundheit für immer gelöst zu haben. Es sagt nicht: „Jetzt werden alle kenianischen Pflegekräfte ihre Tablets lieben!“ Stattdessen schlägt es etwas Praktischeres und Messbares vor: Wir haben nun ein besseres, validiertes Instrument, um die Akzeptanz zu messen.

Die Studie fand heraus, dass für Pflegekräfte in Kenia die Erfahrung beim „Rollout“ (Schulung und Nutzerbeteiligung) genauso wichtig ist, wie ob die Technik einfach zu bedienen ist. Wenn man die Schulung überspringt oder nicht auf die Pflegekräfte hört, während der Designphase, könnte das gesamte System scheitern, egal wie „nützlich“ es auf dem Papier erscheint.

Die Forscher merken vorsichtig an, dass dies eine Momentaufnahme (eine Querschnittsstudie) war und dass sie dies an Pflegekräften in bestimmten Landkreisen getestet haben. Sie schlagen vor, dass zukünftige Studien versuchen sollten, dieses Instrument an anderen Orten und mit anderen Arten von medizinischem Personal zu testen, um zu sehen, ob es standhält.

Kurz gesagt: Das Team hat nicht nur eine neue Antwort gefunden, sondern ein besseres Lineal gebaut, um das Problem zu messen. Und mit diesem neuen Lineal entdeckten sie, dass in der Welt der digitalen Gesundheit in Kenia die Art und Weise, wie man die Technologie einführt, genauso viel zählt wie die Technologie selbst.