A influência das tecnologias digitais de saúde sobre a aderência e ativação individuais: uma análise baseada em elaboration likelihood model

Abstract

As doenças crônicas não-transmissíveis (DCNT) representam 71% de todas as mortes e são uma ameaça global. As DCNT afetam idosos e adultos em idade produtiva, o que causa grande impacto econômico. Sua mitigação é uma das metas de Desenvolvimento Sustentável (SDGs) da Organização das Nações Unidas (ONU). A Organização Mundial de Saúde (OMS) estabeleceu em 2019 recomendações e normas para Intervenções em Saúde Digital (ISD) que buscam institucionalizar e desenvolver essas abordagens. Gerações de indivíduos interagem com a tecnologia de modo diferente e estudar esses grupos é relevante para melhorar as intervenções especialmente na meia-idade, que são potencialmente os indivíduos mais afetados pela incidência de doenças crônicas preveníveis. Na tradição do campo de Sistemas de Informações, os modelos TAM e UTAUT são empregados em situações em que se desejada analisar os antecedentes da adoção de sistemas por indivíduos. Este estudo, entretanto, emprega o Elaboration Likelihood Model (ELM) que permite incorporar uma centrada no processamento da informação que precede intenções e comportamentos como a aderência a tratamentos, mudanças de hábitos de vida, e comportamentos adequados em cuidados com a saúde, ou ativação, em particular em indivíduos com doenças crônicas e de meia-idade. Isso permite aprimorar a compreensão do funcionamento desses mecanismos para além das simples percepções de utilidade e facilidade de uso, contribuindo para a teoria no campo. O estudo usou PLS-SEM, a partir de uma survey com cidadãos norte-americanos, visando analisar um modelo estrutural construído a partir da ELM, que contempla o processamento de informações em rotas periféricas e centrais, demonstrando como ocorrem comportamentos distintos em grupos de indivíduos de meia-idade e com condição crônica. O modelo estrutural proposto revelou-se capaz de detectar uma distinção do modo processamento de informação entre diferentes grupos de indivíduos com significância estatística. O estudo também proporciona indicações de como aplicativos de saúde podem, na prática, abordar usuários de faixas etárias diferentes com uma perspectiva mais centrada em aspectos comportamentais.

Noncommunicable diseases (CNCD) represent 71% of all deaths and are a global threat. Chronic NCDs affect the elderly and adults of working age, generating a great economic impact. Its mitigation is one of the United Nations (UN) Sustainable Development Goals (SDGs). The World Health Organization (WHO) established in 2019 recommendations and standards for Digital Health Interventions (ISD) that seek to institutionalize and improve these approaches in Health Systems. Generations of individuals interact with technology differently and the study of these groups is relevant to improve interventions, especially in middle age, since they are potentially the individuals most affected by the incidence of preventable chronic conditions. In the tradition of the Information Systems field, the TAM and UTAUT models have been widely used to analyze the antecedents of systems adoption by individuals. This study, however, uses the Elaboration Likelihood Model (ELM), which allows a more focused view on information processing that precedes intentions and behaviors, such as adherence to treatments, changes in lifestyle and appropriate health or activation behaviors, mainly in individuals with chronic conditions and diseases related to middle age. This approach can improve the understanding of the functioning of these mechanisms beyond the simple perceptions of usefulness and ease of use, contributing to the theory in the field. The study also provides indications of how health applications can, in practice, address users of different age groups, with a perspective more focused on behavioral aspects. The study used PLS-SEM, based on a survey of US citizens, with the aim of analyzing a structural model built from the ELM, which contemplates the processing of information in peripheral and central routes, demonstrating how different behaviors occur in groups of middle-aged and chronic individuals. The proposed structural model was able to detect a distinction in the way information is processed between different groups of individuals with statistical significance. The study also provides indications of how health applications can, in practice, address users of different age groups, with a perspective more focused on behavioral aspects