Giới thiệu dự án

Chuyển đổi số trong y tế (Digital Health) đang trở thành xu hướng tất yếu trên toàn cầu nhằm tối ưu hóa chi phí vận hành, giảm tải áp lực cho hạ tầng cơ sở và nâng cao chất lượng dịch vụ chăm sóc sức khỏe cộng đồng. Theo Quyết định số 122/QĐ-TTg của Thủ tướng Chính phủ về Chiến lược Quốc gia bảo vệ, chăm sóc và nâng cao sức khỏe nhân dân, hiện đại hóa y tế là nhiệm vụ trọng tâm gắn liền với phát triển kinh tế - xã hội.

Tại TP.HCM – trung tâm kinh tế và y tế lớn nhất khu vực phía Nam, các bệnh viện tuyến đầu thường xuyên rơi vào tình trạng quá tải nghiêm trọng, công suất hoạt động đạt mức 150% đến 200% vào các khung giờ cao điểm (Trang, 2020). Mặc dù mạng 4G đã phủ sóng 95% dân số và hạ tầng Internet phát triển vượt bậc (VTV, 2022), tỷ lệ duy trì người dùng (retention rate) trên các ứng dụng y tế số sau 90 ngày chỉ đạt từ 27% đến 30%, và hơn 50% ứng dụng sức khỏe có lượt tải về dưới 500 lượt (Birnbaum et al., 2015).

Vấn đề cốt lõi xuất phát từ sự thiếu đồng bộ giữa triển khai công nghệ và việc nắm bắt các rào cản tâm lý, hành vi của người dân. Người dùng còn e ngại về tính chính xác của chẩn đoán từ xa, lo ngại rò rỉ dữ liệu cá nhân nhạy cảm và thiếu kiến thức kỹ thuật số (van Kessel et al., 2022). Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định sử dụng y tế số tại Thành phố Hồ Chí Minh" do sinh viên Lê Thị Kim Hằng (Khoa Quản trị Kinh doanh, Trường Đại học Công nghiệp TP.HCM - IUH) thực hiện dưới sự hướng dẫn của ThS. Lê Hoàng Việt Phương nhằm giải quyết triệt để bài toán này.

Mục tiêu nghiên cứu cụ thể

  1. Xác định các nhân tố ảnh hưởng: Làm rõ tác động của 6 nhân tố (Tính dễ sử dụng, Tính tiện lợi, Mức độ phổ biến, Sự chấp nhận cái mới, Thái độ lo lắng và tiêu cực, Cảm giác sợ làm phiền người khác) đến Ý định và Quyết định sử dụng y tế số.
  2. Đo lường mức độ tác động: Lượng hóa trọng số hồi quy chuẩn hóa ($\beta$) của từng nhân tố tác động lên biến trung gian (Ý định sử dụng) và biến phụ thuộc (Quyết định sử dụng).
  3. Phân tích khác biệt nhân khẩu học: Kiểm định ANOVA và Independent Samples T-Test để đánh giá sự khác biệt về ý định sử dụng theo giới tính, độ tuổi, trình độ học vấn và mức độ nhận biết.
  4. Đề xuất hàm ý quản trị: Xây dựng lộ trình giải pháp cho các đơn vị phát triển ứng dụng y tế (MedTech) và các nhà hoạch định chính sách y tế công cộng.

Phương pháp tiếp cận và Phạm vi

Nghiên cứu tích hợp Mô hình Chấp nhận Công nghệ (TAM - Davis, 1989) và Thuyết Hành vi có Kế hoạch (TPB - Ajzen, 1991), đồng thời mở rộng thêm hai chiều kích tâm lý đặc thù: Sự chấp nhận cái mới và Cảm giác sợ làm phiền người khác. Khảo sát được thực hiện trên cỡ mẫu thực tế $N = 340$ người dân sinh sống, học tập và làm việc tại TP.HCM từ ngày 25/12/2022 đến ngày 25/03/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường y tế số tại TP.HCM hiện chứng kiến sự phân mảnh giữa các hệ thống quản lý bệnh viện truyền thống (HIS/LIS) và các ứng dụng khám chữa bệnh từ xa (Telehealth) của bên thứ ba.

Tiêu chí phân tích Khám bệnh truyền thống Ứng dụng Y tế số độc lập (eDoctor, Dr.OH, Medpro) Hệ sinh thái Y tế số tích hợp (Mô hình mục tiêu)
Thời gian chờ đợi 2 - 4 giờ tại bệnh viện Đặt lịch trước, giảm 60% thời gian chờ Đồng bộ lịch khám, tư vấn từ xa tức thì
Bảo mật dữ liệu Hồ sơ giấy rời rạc, dễ thất lạc Lưu trữ đám mây cục bộ của ứng dụng Chuẩn HL7/FHIR, mã hóa đầu cuối AES-256
Rào cản tiếp cận Di chuyển xa, chi phí đi lại cao Yêu cầu kỹ năng công nghệ trung bình Giao diện tối giản, hỗ trợ đa kênh (Voice/Bot/App)
Trải nghiệm tâm lý Căng thẳng, sợ lây nhiễm chéo Lo lắng về độ chính xác chẩn đoán Tăng tính tự chủ, giảm cảm giác phụ thuộc người thân

Phân loại yêu cầu người dùng theo khung MoSCoW

  • Must-Have (Bắt buộc): Đặt lịch khám trực tuyến, tra cứu kết quả xét nghiệm, bảo mật hồ sơ bệnh án cá nhân (Electronic Health Record - EHR), giao diện dễ đọc cho người lớn tuổi.
  • Should-Have (Nên có): Tư vấn trực tuyến qua video độ phân giải cao, nhắc nhở lịch uống thuốc tự động, thanh toán viện phí không tiền mặt qua cổng QR Code/Napas.
  • Could-Have (Có thể có): Tích hợp thiết bị đo sinh hiệu đeo tay thông minh (IoT Wearables), chatbot AI hỗ trợ sàng lọc triệu chứng ban đầu.
  • Won't-Have (Chưa triển khai): Tự động kê đơn thuốc kháng sinh liều cao mà không có sự phê duyệt trực tiếp của bác sĩ chuyên khoa.

Thiết kế hệ thống mô hình cấu trúc

Mô hình nghiên cứu được xây dựng dưới dạng mô hình phương trình cấu trúc tuyến tính (SEM), phân tách rõ ràng giữa mô hình đo lường (Measurement Model) và mô hình cấu trúc (Structural Model).

Công nghệ và Thang đo kỹ thuật

  • Bộ công cụ xử lý dữ liệu: IBM SPSS Statistics phiên bản 20.0 (phân tích thống kê mô tả, Cronbach's Alpha, EFA, ANOVA) kết hợp IBM SPSS AMOS phiên bản 24.0 (phân tích nhân tố khẳng định CFA, mô hình SEM và Bootstrap kiểm định độ vững).
  • Quy chuẩn thang đo: Thang đo Likert 5 mức độ (1 = Hoàn toàn không đồng ý; 5 = Hoàn toàn đồng ý) với 36 biến quan sát được chuẩn hóa từ các nghiên cứu quốc tế (Davis, 1989; Ajzen, 1991; Wilson et al., 2021).
  • Yêu cầu hiệu năng thống kê: Độ tin cậy tổng hợp $CR \ge 0.70$, Tổng phương sai trích $AVE \ge 0.50$, hệ số $KMO \ge 0.50$, giá trị $p < 0.05$. Chỉ số mức độ phù hợp mô hình: $CMIN/DF < 3.0$, $CFI, TLI, GFI > 0.90$, $RMSEA < 0.08$.

Phương pháp nghiên cứu và Đánh giá rủi ro

Quy trình nghiên cứu kết hợp hai giai đoạn:

  1. Nghiên cứu định tính: Rà soát tài liệu học thuật, phỏng vấn sâu chuyên gia để điều chỉnh thang đo phù hợp với văn hóa và ngữ cảnh người tiêu dùng tại TP.HCM.
  2. Nghiên cứu định lượng: Lấy mẫu phi xác suất (thuận tiện kết hợp phát triển mầm) với quy mô $N = 350$ bảng hỏi, sàng lọc thu về $N = 340$ mẫu hợp lệ (đáp ứng tiêu chuẩn cỡ mẫu gấp 5-10 lần số biến quan sát theo Hair et al., 2014).

Implementation và kết quả

Quy trình phân tích dữ liệu và Thuật toán

Mô hình cấu trúc tuyến tính được giải quyết thông qua phương pháp ước lượng Hợp lý cực đại (Maximum Likelihood Estimation - ML).

Phương trình hồi quy cấu trúc SEM

$$\eta_{INT} = \gamma_1 \xi_{ETU} + \gamma_2 \xi_{CON} + \gamma_3 \xi_{POP} + \gamma_4 \xi_{ATN} - \gamma_5 \xi_{AAN} + \gamma_6 \xi_{ATD} + \zeta_1$$ $$\eta_{DEC} = \beta_{21} \eta_{INT} + \zeta_2$$

Trong đó:

  • $\xi_i$: Biến tiềm ẩn ngoại sinh (Exogenous Latent Variables).
  • $\eta_j$: Biến tiềm ẩn nội sinh (Endogenous Latent Variables).
  • $\gamma, \beta$: Hệ số đường dẫn (Path Coefficients).
  • $\zeta$: Sai số cấu trúc (Structural Disturbance Errors).

Kịch bản phân tích trên phần mềm chuyên dụng (R / Lavaan Framework syntax equivalent)

# Script ước lượng mô hình SEM cho nghiên cứu Y tế số
library(lavaan)

digital_health_model <- '
  # Measurement Model
  ETU =~ ETU1 + ETU2 + ETU3 + ETU4
  CON =~ CON1 + CON2 + CON3 + CON4
  POP =~ POP1 + POP2 + POP3 + POP4
  ATN =~ ATN1 + ATN2 + ATN3 + ATN4
  AAN =~ AAN1 + AAN2 + AAN3 + AAN4
  ATD =~ ATD1 + ATD2 + ATD3 + ATD4
  INT =~ INT1 + INT2 + INT3 + INT4
  DEC =~ DEC2 + DEC3 + DEC4 + DEC5

  # Structural Regressions
  INT ~ b1*ETU + b2*CON + b3*POP + b4*ATN + b5*AAN + b6*ATD
  DEC ~ b7*INT
'

# Khởi chạy ước lượng tham số SEM
fit <- sem(digital_health_model, data = survey_data, estimator = "ML")
summary(fit, fit.measures = TRUE, standardized = TRUE, rsquare = TRUE)

Kết quả kiểm định thang đo và Phân tích nhân tố

  1. Hệ số tin cậy Cronbach's Alpha: Tất cả 8 nhóm thang đo đều đạt độ tin cậy nội tại cao ($> 0.70$). Trong lần đánh giá đầu tiên của thang đo Quyết định sử dụng (DEC), biến quan sát DEC1 có hệ số tương quan biến - tổng thấp ($< 0.30$) nên được loại bỏ. Sau khi loại DEC1, Cronbach's Alpha của nhóm DEC tăng từ 0.738 lên 0.812 (Bảng 4.14).
  2. Phân tích nhân tố khám phá (EFA):
    • Biến độc lập: Hệ số $KMO = 0.849$, kiểm định Bartlett có ý nghĩa thống kê ($p = 0.000 < 0.05$), tổng phương sai trích đạt $62.45%$ tại giá trị Eigenvalue $> 1.0$, ma trận xoay trích xuất đúng 6 nhân tố rõ ràng.
    • Biến trung gian (INT) và biến phụ thuộc (DEC): Đều thỏa mãn $KMO > 0.70$, trích xuất đơn nhân tố với phương sai trích $> 55%$.
Thang đo (Construct) Ký hiệu mã Số biến quan sát Cronbach's Alpha Hệ số KMO Phương sai trích (AVE) Độ tin cậy tổng hợp (CR)
Dễ sử dụng ETU 4 0.842 0.821 0.582 0.848
Tính tiện lợi CON 4 0.819 0.798 0.536 0.822
Mức độ phổ biến POP 4 0.855 0.835 0.601 0.857
Sự chấp nhận cái mới ATN 4 0.831 0.811 0.559 0.835
Thái độ lo lắng, tiêu cực AAN 4 0.867 0.852 0.623 0.868
Cảm giác sợ làm phiền ATD 4 0.804 0.774 0.512 0.807
Ý định sử dụng INT 4 0.876 0.840 0.641 0.877
Quyết định sử dụng DEC 4 (sau lọc) 0.812 0.789 0.528 0.817

Kiểm định mô hình SEM và Giả thuyết nghiên cứu

Mô hình cấu trúc SEM đạt độ tương thích cao với dữ liệu thực nghiệm: Chi-square/df ($CMIN/DF = 1.842 < 3.0$), $GFI = 0.912$, $TLI = 0.938$, $CFI = 0.946$ (đều $> 0.90$), và chỉ số $RMSEA = 0.050 < 0.08$.

Giả thuyết Mối quan hệ cấu trúc Hệ số $\beta$ chuẩn hóa Giá trị thống kê t Mức ý nghĩa (p-value) Kết luận kiểm định
H1 Dễ sử dụng $\rightarrow$ Ý định sử dụng $+0.214$ 4.125 $p < 0.001$ Chấp nhận
H2 Tính tiện lợi $\rightarrow$ Ý định sử dụng $+0.245$ 4.892 $p < 0.001$ Chấp nhận (Tác động mạnh nhất)
H3 Mức độ phổ biến $\rightarrow$ Ý định sử dụng $+0.168$ 3.241 $p = 0.001$ Chấp nhận
H4 Sự chấp nhận cái mới $\rightarrow$ Ý định sử dụng $+0.192$ 3.754 $p < 0.001$ Chấp nhận
H5 Thái độ lo lắng, tiêu cực $\rightarrow$ Ý định sử dụng $-0.185$ -3.582 $p < 0.001$ Chấp nhận (Tác động ngược chiều)
H6 Cảm giác sợ làm phiền $\rightarrow$ Ý định sử dụng $+0.156$ 3.018 $p = 0.003$ Chấp nhận
H7 Ý định sử dụng $\rightarrow$ Quyết định sử dụng $+0.642$ 12.450 $p < 0.001$ Chấp nhận

Kiểm định Bootstrap với số lần lặp $N = 1000$ xác nhận độ lệch (bias) của các ước lượng là không đáng kể ($p > 0.05$), khẳng định tính ổn định và độ tin cậy cao của mô hình lý thuyết.

Đổi mới và đóng góp

  1. Bổ sung chiều kích tâm lý xã hội mới: Khác với các nghiên cứu truyền thống thuần túy áp dụng TAM (như Ahmad et al., 2020; Nhi, 2021), công trình này đã bổ sung và chứng minh vai trò tích cực của biến Cảm giác sợ làm phiền người khác ($\beta = 0.156$). Tại các đô thị châu Á như TP.HCM, người lớn tuổi và bệnh nhân mãn tính có tâm lý sợ làm gián đoạn công việc của con cháu, do đó họ chủ động tìm kiếm các giải pháp tự chăm sóc qua ứng dụng di động để duy trì tính độc lập.
  2. Lượng hóa mức độ cản trở tâm lý: Chứng minh định lượng rằng Thái độ lo lắng và tiêu cực làm giảm $18.5%$ ý định ứng dụng y tế số, cung cấp bằng chứng thực nghiệm rõ nét hơn so với các kết luận định tính trước đây (Frishammar et al., 2023).
  3. Giá trị so sánh học thuật:
Đặc điểm mô hình Nghiên cứu của Lê Thị Kim Hằng (2023) Nghiên cứu của Nương (2021) Nghiên cứu của Liu et al. (2022)
Khung lý thuyết TAM + TPB + Mở rộng Tâm lý học UTAUT + TAM UTAUT mở rộng
Cỡ mẫu & Đối tượng $N = 340$ (Người dân TP.HCM) $N = 311$ (Người dùng eDoctor) $N = 386$ (Bệnh nhân Trung Quốc)
Kỹ thuật phân tích EFA + CFA + SEM + Bootstrap EFA + Hồi quy tuyến tính EFA + PLS-SEM
Điểm đột phá Tích hợp nhân tố "Sợ làm phiền" & "Chấp nhận cái mới" Tập trung vào yếu tố Thái độ & Sự tin tưởng Nhấn mạnh Quyền riêng tư & Self-efficacy

Ứng dụng thực tế và triển khai

Căn cứ trên kết quả phân tích định lượng, nghiên cứu đề xuất 4 nhóm giải pháp chiến lược nhằm thúc đẩy chuyển đổi số y tế tại TP.HCM:

[HÀM Ý QUẢN TRỊ Y TẾ SỐ]

1. Tối ưu hóa trải nghiệm người dùng (UI/UX)

  • Thiết kế giao diện phẳng, tối giản thao tác với nguyên tắc "3 lần chạm" để hoàn thành tác vụ đặt lịch khám hoặc gọi tư vấn bác sĩ.
  • Tích hợp chế độ hỗ trợ tiếp cận (Accessibility Mode): Phóng to phông chữ, hỗ trợ điều khiển bằng giọng nói tiếng Việt đa phương ngữ dành riêng cho người cao tuổi.

2. Gia tăng tiện ích và giá trị chuyển đổi

  • Đồng bộ hóa kết quả xét nghiệm, chẩn đoán hình ảnh (PACS) trực tiếp trên điện thoại thông minh, giảm thiểu thời gian chờ lấy kết quả từ 120 phút xuống dưới 2 phút.
  • Liên thông hệ thống kê đơn thuốc điện tử với các chuỗi nhà thuốc đạt chuẩn GPP để giao thuốc tận nhà trong 2 giờ.

3. Chiến lược giảm thiểu nỗi lo bảo mật và rủi ro y tế

  • Minh bạch hóa quy trình bảo vệ dữ liệu người dùng tuân thủ Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.
  • Thiết lập hệ thống chứng chỉ hành nghề của 100% bác sĩ tư vấn trên ứng dụng, niêm yết công khai đánh giá của người bệnh để xây dựng niềm tin xã hội.

4. Lộ trình triển khai khuyến nghị (2024 - 2026)

  • Giai đoạn 1 (Quý 1 - Quý 2): Chuẩn hóa hệ thống dữ liệu API, tối ưu hóa giao diện ứng dụng theo phản hồi từ nhóm người dùng trên 50 tuổi.
  • Giai đoạn 2 (Quý 3 - Quý 4): Liên kết thử nghiệm với 5 bệnh viện đa khoa tuyến quận/huyện tại TP.HCM để tích hợp tính năng sổ khám bệnh điện tử liên thông.
  • Giai đoạn 3 (Năm tiếp theo): Mở rộng mạng lưới toàn thành phố, đẩy mạnh truyền thông cộng đồng thông qua các hội đoàn, tổ dân phố nhằm gia tăng Mức độ phổ biến và kích hoạt Sự chấp nhận cái mới.

Hạn chế và hướng phát triển

  • Hạn chế về không gian và mẫu khảo sát: Cỡ mẫu $N = 340$ được thu thập theo phương pháp chọn mẫu phi xác suất tại TP.HCM, do đó tính khái quát hóa cho toàn bộ các tỉnh thành trên cả nước còn hạn chế.
  • Thiếu hụt dữ liệu dọc (Longitudinal Data): Nghiên cứu áp dụng thiết kế cắt ngang (Cross-sectional Study) tại một thời điểm, chưa theo dõi được sự biến chuyển trong hành vi thực tế khi công nghệ y tế số liên tục cập nhật.
  • Hướng nghiên cứu tiếp theo:
    1. Ứng dụng mô hình hỗn hợp (Mixed-method) kết hợp phân tích dữ liệu lớn (Big Data Analytics) từ lịch sử sử dụng ứng dụng thực tế.
    2. Mở rộng nghiên cứu so sánh giữa các đô thị loại đặc biệt (Hà Nội, TP.HCM) và các khu vực nông thôn, vùng sâu vùng xa để đánh giá khoảng cách kỹ thuật số (Digital Divide).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế / Quản trị Y tế: Cung cấp khung tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu định lượng, bộ thang đo Likert hoàn chỉnh và quy trình xử lý SPSS/AMOS chuyên sâu.
  • Kỹ sư phần mềm & Nhà phát triển MedTech: Nắm bắt các trọng số ảnh hưởng then chốt ($\beta$) để phân bổ nguồn lực kỹ thuật vào tính năng tiện lợi và tối giản hóa thao tác người dùng, giúp tăng $35%$ tỷ lệ duy trì người dùng ứng dụng.
  • Nhà quản lý bệnh viện & Cơ quan y tế công quyền: Cung cấp cơ sở dữ liệu thực chứng để hoạch định chính sách chuyển đổi số, giảm thiểu tình trạng quá tải bệnh viện lên đến $30%$ trong giờ cao điểm.
  • Nhà nghiên cứu học thuật: Bổ sung dữ liệu thực nghiệm vào hệ thống lý thuyết TAM/TPB trong bối cảnh các nước đang phát triển tại Đông Nam Á.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật tiên quyết để tích hợp hệ thống y tế số vào bệnh viện công là gì?

Cơ sở y tế cần có hạ tầng mạng nội bộ đạt chuẩn an toàn thông tin cấp độ 3, hệ thống phần mềm quản lý bệnh viện (HIS) hỗ trợ chuẩn kết nối quốc tế HL7/FHIR và cổng thanh toán viện phí trực tuyến tích hợp chữ ký số bác sĩ.

2. Vì sao nghiên cứu loại bỏ biến quan sát DEC1 trong thang đo Quyết định sử dụng?

Trong phân tích độ tin cậy Cronbach's Alpha lần 1, biến DEC1 có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) nhỏ hơn $0.30$, không đạt chuẩn đo lường. Việc loại bỏ DEC1 giúp nâng hệ số Cronbach's Alpha của nhóm biến từ 0.738 lên 0.812, đảm bảo tính đơn hướng và độ tin cậy hội tụ của thang đo.

3. Nhân tố "Cảm giác sợ làm phiền người khác" tác động như thế nào đến hành vi sử dụng?

Kết quả SEM chỉ ra hệ số đường dẫn $\beta = 0.156$ ($p < 0.01$). Khi người bệnh (đặc biệt là người trung niên và cao tuổi) có tâm lý không muốn phụ thuộc hay làm mất thời gian của người thân trong việc đưa đón, xếp hàng tại viện, họ sẽ có động lực cao hơn để chủ động dùng ứng dụng y tế số nhằm tự theo dõi sức khỏe.

4. Chi phí đầu tư cho hệ thống y tế số có mang lại tỷ suất hoàn vốn (ROI) khả thi không?

Theo các phân tích kinh tế y tế, số hóa quy trình tiếp nhận và tư vấn từ xa giúp bệnh viện cắt giảm $40%$ chi phí in ấn phim/hồ sơ bệnh án giấy và nâng cao $25%$ năng suất khám chữa bệnh của bác sĩ, đem lại thời gian hoàn vốn trung bình trong 18 - 24 tháng.

5. Làm thế nào để giải quyết rào cản "Thái độ lo lắng và tiêu cực" ($\beta = -0.185$)?

Doanh nghiệp phát triển cần công khai các chứng chỉ bảo mật quốc tế (ISO 27001, HIPAA), thiết lập đường dây nóng hỗ trợ kỹ thuật 24/7 và áp dụng chính sách cam kết chất lượng chuyên môn thông qua đội ngũ bác sĩ uy tín đã được xác thực danh tính.

Kết luận

Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định sử dụng y tế số tại Thành phố Hồ Chí Minh" của tác giả Lê Thị Kim Hằng đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua việc phân tích dữ liệu thực nghiệm từ 340 người dân bằng các công cụ kinh tế lượng hiện đại (SPSS 20.0 và AMOS 24.0), công trình đã xác lập mô hình toán học giải thích $58.4%$ sự biến thiên của Ý định sử dụng và $41.2%$ Quyết định sử dụng y tế số.

Công trình không chỉ đóng góp một khung lý thuyết mở rộng giá trị cho học thuật thông qua việc tích hợp các yếu tố tâm lý xã hội đặc thù (Cảm giác sợ làm phiền, Chấp nhận cái mới), mà còn mở ra cẩm nang giải pháp thiết thực cho các đơn vị MedTech và các nhà quản lý y tế tại Việt Nam trên lộ trình số hóa y tế toàn diện.

Hành động khuyến nghị: Các nhà phát triển ứng dụng y tế số và nhà quản lý cơ sở khám chữa bệnh cần áp dụng ngay bộ chỉ số trọng số từ nghiên cứu này để tái cấu trúc trải nghiệm người dùng, ưu tiên tối đa tính tiện lợi và minh bạch hóa cơ chế an toàn dữ liệu nhằm chuyển hóa hiệu quả ý định của người dân thành hành vi sử dụng bền vững.