Akzeptanz einer digitalen Rehabilitationsnachsorge bei Muskel-Skelett-Erkrankungen: eine Kohortenstudie

Zusammenfassung

Hintergrund Die Studie untersuchte die Akzeptanz einer digitalen Rehabilitationsnachsorge in Form der Caspar-App für Rehabilitand*innen mit Muskel-Skelett-Erkrankungen. Die wichtigsten Einflussfaktoren auf die Nutzungsabsicht und die tatsächliche Nutzung sollten identifiziert werden. Die Auswahl der Variablen basierte auf dem Technology Acceptance Model 3 (TAM 3).

Material und Methoden Es wurden Rehabilitand*innen für eine Befragung mit zwei Zeitpunkten rekrutiert. Bei der Erstbefragung wurden u. a. mögliche Determinanten von Nutzungsabsicht und Nutzung erhoben. Bei der Zweitbefragung wurden u. a. die gewählte Form der Nachsorge und die Gründe gegen eine App-Nutzung erfragt. Die Zusammenhänge der Einflussfaktoren wurden durch ein generalisiertes Strukturgleichungsmodell (GSEM) geschätzt.

Ergebnisse An der Erstbefragung nahmen 152 und an der Zweitbefragung 64 Rehabilitand*innen teil. Die Befragten, die sich für ein konventionelles Nachsorgeangebot entschieden haben, nannten als Hauptgrund dafür die Annahme, mit der App nicht die gewünschten Ergebnisse zu erzielen (55%). Wir fanden starke Zusammenhänge zwischen Ergebniserwartungen und der wahrgenommenen Nützlichkeit sowie zwischen der wahrgenommenen Nützlichkeit und der Nutzungsabsicht. Die Assoziation einer hohen Nutzungsabsicht und tatsächlicher Nutzung konnte bestätigt werden.

Schlussfolgerungen Der starke Einfluss der Ergebniserwartungen und die geringe Nutzung der digitalen Rehabilitationsnachsorge könnten in der hohen Bedeutung physischer Übungen mit Therapeutinnen liegen, die für die Rehabilitation von Muskel-Skelett-Erkrankungen zentral sind. Die beobachteten Einflüsse der wahrgenommenen Benutzerfreundlichkeit und Nützlichkeit auf die Nutzungsabsicht und Nutzung unterstützen die Annahmen des TAM 3. Die wichtigste Handlungsempfehlung ist, den Rehabilitand*innen die Nicht-Unterlegenheit einer digitalen Rehabilitationsnachsorge in Form der Caspar-App aufzuzeigen.

Abstract

Objective The study investigated the acceptance of a digital rehabilitation aftercare in form of the Caspar-app for rehabilitants with musculoskeletal disorders. We aimed to identify the most important factors based on the Technology Acceptance Model 3 (TAM3), which influence the intention to use and the actual use of digital rehabilitation aftercare.

Material and Methods Rehabilitants were recruited for a survey at two time points. In the first survey, determinants of intention to use and actual use were collected. In the second survey, we recorded the chosen form of aftercare and the reasons for not using the app. The correlations between the influencing factors were estimated using a generalized structural equation model (GSEM).

Results 152 rehabilitants took part in the first survey and 64 in the second survey. The respondents who chose a conventional aftercare option cited the belief that they would not achieve the desired results with the app as the main reason for their decision (55%). We found strong associations between functional outcome expectations and perceived usefulness as well as between perceived usefulness and intention to use. The association between a high intention to use and actual use was also confirmed.

Conclusions The strong influence of outcome expectations and the low utilization of digital rehabilitation aftercare may be due to the high importance of physical exercises with therapists, which are central to the rehabilitation of musculoskeletal disorders. The observed influences of perceived usability and usefulness on the intention to use and use support the assumptions of TAM 3. The most important recommendation for action is to show the rehabilitants the non-inferiority of digital rehabilitation aftercare in the form of the Caspar-app.

Schlüsselwörter

Telemedizin - Technik Akzeptanz Modell - Rehabilitationsnachsorge - Muskel-Skelett-Erkrankungen - Kohortenstudie

Keywords

telemedicine - technology acceptance model - rehabilitation aftercare - musculoskeletal disorders - cohort study

Publication History

Received: 04 March 2024

Accepted after revision: 09 October 2024

Article published online:
19 November 2024

• Literatur

• 1 Deutsche Rentenversicherung. Rahmenkonzept zur Nachsorge für medizinische Rehabilitation nach § 15 SGB VI. Berlin: Deutsche Rentenversicherung; 2019
• 2 Word Health Organization. The need for rehabilitation services in the WHO European Region. Copenhagen: WHO Regional Office for Europe; 2022
• 3 Von Eiff MC, von Eiff W, Ghanem M. Rehabilitation during the corona crisis: Situation and post-pandemic perspective. Gesundheitsökonomie & Qualitätsmanagement 2022; 27: 88-95
• 4 Brönneke JB, Debatin JF. Digitalisierung im Gesundheitswesen und ihre Effekte auf die Qualität der Gesundheitsversorgung. Bundesgesundheitsblatt 2022; 65: 342-347
• 5 Stark A, Geukes C, Dockweiler C. Digital Health Promotion and Prevention in Settings: Scoping Review. J Medical Internet Res 2022; 24: 2106
• 6 Deutsche Rentenversicherung Bund. Rahmenkonzeption Intensivierte Rehabilitations-Nachsorge „IRENA“ inklusive „Curriculum Hannover“. Berlin: Deutsche Rentenversicherung Bund; 2011
• 7 Jekauc D, Rayling S, Klopp S. et al. Effects of a web-based rehabilitation aftercare on subjective health, work ability and motivation: a partially randomized controlled trial. BMC Musculoskeletal Disorders 2021; 22: 366
• 8 Kobelt A, Nickel L, Virtus Grosch E. et al. Inanspruchnahme psychosomatischer Nachsorge nach stationärer Rehabilitation. Psychotherapie Psychosomatik Medizinische Psychologie 2004; 54: 58-64
• 9 Hirohama K, Tamura H, Hamada K. et al. Effects of non-face-to-face and noncontact interventions on knee pain and physical activity in older adults with knee osteoarthritis: a systematic review and meta-analysis. J Aging Phys Act 2022; 31: 319-329
• 10 Seron P, Oliveros M-J, Gutierrez-Arias R. et al. Effectiveness of telerehabilitation in physical therapy: A rapid overview. Physical Therapy 2021; 101
• 11 Cottrell MA, Galea OA, O’Leary SP. et al. Real-time telerehabilitation for the treatment of musculoskeletal conditions is effective and comparable to standard practice: a systematic review and meta-analysis. Clin Rehabil 2017; 31: 625-638
• 12 Bäcker HC, Wu CH, Pförringer D. et al. A Review of Functional Outcomes after the App-Based Rehabilitation of Patients with TKA and THA. J Pers Med 2022; 12: 1342
• 13 Ausserer K, Risser R. Intelligent transport systems and services – chances and risks. In: Proceedings of the 18th workshop on the technical, social and psycho-logical aspects of transport telematics and safety, the international cooperation on theories and concepts in traffic safety (ICTCT). Helsinki. 2005
• 14 Rengelshausen O. Online-Marketing in deutschen Unternehmen: Einsatz – Akzeptanz – Wirkungen. Gabler; Verlag: 2000
• 15 Schäfer M, Keppler D. Modelle der technikorientierten Akzeptanzforschung: Überblick und Reflexion am Beispiel eines Forschungsprojekts zur Implementierung innovativer technischer Energieeffizienz-Maßnahmen. Zentrum Technik und Gesellschaft, Technische Universität Berlin: Discussion paper 2013;
• 16 Davis FD. A technology acceptance model for empirically testing new end-user information systems: Theory and results. Massachusetts Institute of Technology; 1986. 291.
• 17 Fishbein M, Ajzen I. Belief, attitude, intention and behavior: an introduction to theory and research. Addison-Wesley Publishing Company; 1975
• 18 Ajzen I. From intentions to actions: A theory of planned behavior. In: Kuhl, J. & Beckmann, J. (eds.). Action-control: From cognition to behavior. Springer-Verlag; Heidelberg: 1985: 11-39
• 19 Venkatesh V, Davis FD. A theoretical extension of the technology acceptance model: Four longitudinal field studies. Manage Sci 2000; 46: 186-204
• 20 Venkatesh V, Bala H. Technology acceptance model 3 and a research agenda on interventions. Decis Sci 2008; 39: 273-315
• 21 Wu J-H, Wang S-C. What drives mobile commerce? An empirical evaluation of the revised technology acceptance model. Inf Manag 2004; 42: 719-729
• 22 Franke T, Attig C, Wessel D. A personal resource for technology interaction: Development and validation of the affinity for technology interaction (ATI) scale. Int. J. Hum.-Comput. Interact 2019; 35: 456-467
• 23 Deck R, Röckelein E. Zur Erhebung soziodemographischer und sozialmedizinischer Indikatoren in den rehabilitationswissenschaftlichen Forschungsverbünden. In: Verband Deutscher Rentenversicherungsträger (Hrsg.). Förderschwerpunkt „Rehabilitationswissenschaften“. DRV Schriften. 1999. 16. 81-102
• 24 Wolf EJ, Harrington KM, Clark SL. et al. Sample Size Requirements for Structural Equation Models: An Evaluation of Power, Bias, and Solution Propriety. Educ Psychol Meas 2013; 76: 913-934
• 25 Hildebrand J, Mannion AF, Brox JI. et al. Evidenz der Bewegungstherapie und manuellen Therapie bei chronischen nichtspezifischen Rückenschmerzen – Darstellung der Europäischen Leitlinien. Physioscience 2005; 2: 59-66
• 26 Choudhury AK, Bansal S, Jain A. et al. Conventional rehabilitation post-TKA achieves better knee flexion with higher resource utilization compared to application-based rehabilitation – a systematic review and meta-analysis. J Orthop 2023; 44: 77-85
• 27 Deutsche Rentenversicherung Bund. Fachkonzept „T-RENA®“. Trainingstherapeutische Reha-Nachsorge. Anlage 2b zum Rahmenkonzept zur Nachsorge nach medizinischer Rehabilitation. Berlin: Deutsche Rentenversicherung Bund; 2021
• 28 Fioratti I, Fernandes LG, Reis FJ. et al. Strategies for a safe and assertive telerehabilitation practice. Braz J Phys Ther 2021; 25: 113-116
• 29 Almojaibel AA, Munk N, Goodfellow LT. et al. Determinants of telerehabilitation acceptance among patients attending pulmonary rehabilitation programs in the United States. Saudi J Med Med Sci 2021; 9: 230-234