[ Original Article ]

Korean Journal of Health Education and Promotion - Vol. 43, No. 1, pp.121-132

ISSN: 1229-4128 (Print) 2635-5302 (Online)

Print publication date 31 Mar 2026

Received 02 Dec 2025 Revised 21 Jan 2026 Accepted 04 Mar 2026

DOI: https://doi.org/10.14367/kjhep.2026.43.1.121

의료마이데이터 서비스 사용 의도에 영향을 미치는 요인 분석: 기술 수용도, 신뢰도, 프라이버시 염려를 중심으로

윤수영^*

; 신지은^**^{, †}

*건양대학교병원 의료데이터연구단 연구원
**건양대학교 정보의학교실 조교수

Analysis of factors influencing the intention to use medical MyData services: Technology acceptance, trust, and privacy concerns

Suyeong Yoon^*

; Jieun Shin^**^{, †}

*Researcher, Konyang Medical Data Research Group-KYMERA
**Assistant Professor, Department of Biomedical Informatics, College of Medicine, Konyang University

Correspondence to: Jieun ShinDepartment of Biomedical Informatics, College of Medicine, Konyang University, 158, Gwanjeodong-ro, Seo-gu, Daejeon, 35365, Republic of Korea주소: (35365) 대전광역시 서구 관저동로 158 건양대학교 정보의학교실Tel: +82-42-600-8663, Fax: +82-42-600-8629, E-mail: 910037@kyuh.ac.kr

Abstract

Objectives

This study analyzed the factors influencing users’ intention to use medical MyData services. Specifically, we examined whether technology acceptance, trust, and privacy concerns, identified as key factors in the financial sector, also play a role in the medical sector. The goal was to provide policy-relevant evidence to support the promotion of medical MyData services.

Methods

A survey was conducted among 137 users of K University Hospital from November 18 to 22, 2024. Independent t-tests and one-way ANOVA were performed to examine differences in intention to use medical MyData services according to general characteristics and key factors. Multiple regression analysis was conducted to identify factors influencing intention to use.

Results

Intention to use medical MyData services was positively correlated with technology acceptance, trust, and privacy awareness. Trust had the strongest effect on intention to use, while privacy concerns were also significant.

Conclusion

Successful implementation of medical MyData services requires not only institutional and technical infrastructure but also strategies to strengthen user trust and privacy protection. Future policies and service designs should incorporate these factors to establish an accessible, reliable, and sustainable medical MyData environment.

Keywords:

medical MyData, technology acceptance, usage intention, trust, privacy concerns

Ⅰ. 서론

1. 연구의 필요성

2020년 「데이터 3법」 개정을 계기로 ‘마이데이터(MyData)’ 개념이 본격적으로 도입되었다(Park, 2022). 마이데이터는 정보 주체인 개인이 자신의 데이터를 능동적으로 통제하고, 이를 다양한 방식으로 활용할 수 있도록 하는 새로운 데이터 활용 체계로, 디지털 전환 시대에 정보 주권 강화와 맞춤형 서비스 제공의 기반으로 주목받고 있다(Bae, 2022).

이러한 흐름은 의료 분야에서도 점차 확산되고 있으며, 특히 디지털 헬스케어 기술의 발전과 함께 개인 건강정보를 기반으로 한 맞춤형 서비스에 대한 수요가 증가함에 따라 ‘의료 마이데이터(My Health Data)’ 시스템에 대한 관심이 높아지고 있다(K. H. Baek, 2022). 의료 마이데이터는 개인이 자신의 건강정보를 통합·관리하고, 이를 기반으로 다양한 의료기관, 플랫폼, 서비스 제공자와 연계할 수 있도록 하는 데이터 기반 인프라로서, 환자 중심의 건강관리 및 정밀의료 실현을 위한 핵심적 수단으로 부각되고 있다(Korea Data Agency [K-DATA], 2025).

하지만 현재의 의료정보는 의료기관별로 분산·보관되고 있어 환자 중심의 연속적이고 통합적인 정보 활용에 제약이 존재한다. 의료 마이데이터 시스템이 효율적으로 구축·활용된다면, 진료기록이나 검사결과를 별도의 물리적 저장 없이도 의료기관 간에 손쉽게 공유할 수 있을 뿐만 아니라, 고령화 및 만성질환 증가 등 복합적인 보건의료 문제 해결에도 기여할 수 있다(Joint Government Ministries, 2023). 이에 따라 정부는 2021년 2월에 의료 분야 마이데이터 도입 방안을 발표하고, 대국민용 나의 건강기록 앱을 통하여 의료 마이데이터의 상용화가 가능해졌다(K. H. Lee, 2021). 또한, 2022년 공공 의료데이터를 연계한 건강정보 고속도로 플랫폼을 시범적으로 개통하여 여러 곳에 분산된 개인 의료데이터(PHR)를 개인이 손쉽게 조회하고 관리할 수 있으며, 표준화된 형태로 전달·활용할 수 있게 되었다(H. J. Lee, 2023). 그러나 보건의료 정보서비스에 대한 국민의 인지수준과 이용 경험에 관한 설문조사에 따르면 의료 마이데이터 서비스에 대한 국민의 인지도는 22.1%에 불과하며, 실제 이용 경험도는 28%로 낮은 수준이다. 특히 이용자 중 절반은 해당 서비스를 6개월에 1회 이하로 사용할 정도로 활용 빈도가 낮음을 알 수 있다(Korea Development Institute [KDI], 2025). 이는 정부 정책과 국민 활용 간의 차이가 있음을 나타낸다. 기술적 인프라 구축뿐 아니라 사용자 수용성, 시스템 신뢰도, 개인정보 보호 및 프라이버시 염려 해소 등의 요소가 서비스의 성공적 정착을 좌우하는 핵심 요인으로 지적되고 있다(Jung & Lee, 2022; Khamaj, 2024).

이러한 배경에도 불구하고, 현재까지 의료 마이데이터 서비스에 대한 사용자 관점의 실증적 연구는 제한적인 수준에 머무르고 있다(Ministory of Health and Welfare [MOHW], 2021). 특히, 민감한 개인정보를 다루는 의료 분야 특성상 도입이 금융 분야에 비해 더딘 양상을 보이고 있으나, 환자 맞춤형 치료, 예방 중심 건강관리, 보건의료 연구 및 정책 수립 등에서의 활용 가능성은 점차 확대되고 있다(Korea Human Resource Development Institute for Health and Welfare [KOHI], 2024). 이에 따라 의료 마이데이터 서비스의 사용자 수용 요인을 체계적으로 분석하는 연구의 필요성이 대두되고 있다.

선행연구에 따르면 마이데이터의 수용 의도는 주로 금융 분야에서 활발히 연구되어 왔으며, 주요 영향 요인으로 기술 수용도, 신뢰도, 프라이버시 염려, 지각된 유용성, 지각된 가치가 확인되었다. 예를 들어, Vitalevich (2022)은 마이데이터 서비스가 개인에게 유용하다고 인식될수록 수용 의도가 높아진다고 보고하였으며, Baek (2020) 또한 지각된 유용성과 사용 용이성이 서비스 수용에 유의한 영향을 미친다고 밝혔다. 신뢰 요인과 관련하여 Kum 등 (2024)은 서비스 제공자의 신뢰성과 보안 역량이 사용자 신뢰를 높이고, 수용 의도에 긍정적인 영향을 미친다고 하였다. 또한 프라이버시 염려 측면에서 S. H. Lee와 Chang (2022)은 보안성, 법적 보호 조치에 대한 인식이 수용 의도에 중요한 영향을 미치며, 프라이버시 우려가 높을수록 이용을 회피하는 경향이 있다고 지적하였다. Sohn 등 (2022)은 사용자의 지각된 가치는 수용 의도에 유의한 영향을 미친다고 분석하였다.

금융 분야 이외에도 의료 마이데이터 서비스 수용에 영향을 미치는 요인들이 보고되고 있다. Alsyouf 등 (2025)은 기술수용모델을 기반으로 한 분석을 통해 보안성에 대한 신뢰, 지각된 유용성, 사용 용이성이 개인 건강기록 시스템 수용에 긍정적인 영향을 미치는 것으로 나타났다. 또한 Torkman 등 (2025)의 건강신념모델(HBM)을 적용한 노년층 대상 연구에서는 지각된 유용성, 자기효능감, 외부권고가 전자건강기록 사용 의도에 유의한 영향을 미친다고 밝혔다. 이는 의료 분야에서도 개인의 인식, 경험, 환경적 요인들이 서비스 수용 의도와 밀접한 연관이 있음을 보여주며 국내 환경을 고려한 실증적 분석이 필요하다.

이러한 금융 분야의 시사점은 의료 마이데이터와 같이 민감한 정보가 포함된 영역에서도 중요하게 작용할 수 있다. 기술 수용도, 시스템에 대한 신뢰, 개인정보 보호에 대한 우려는 사용자의 서비스 수용 여부에 직접적인 영향을 미칠 가능성이 높다. 그럼에도 불구하고, 의료 마이데이터를 중심으로 이들 요인의 상대적 영향력을 분석한 연구는 아직 미비한 실정이다.

또한, 의료 마이데이터 서비스는 단순한 정보 관리 기술을 넘어 개인이 자신의 건강정보를 이해하고 활용함으로써 건강행동을 변화시키고 자기관리 역량을 강화하는 중요한 보건교육 및 건강증진 수단이 될 수 있다. 따라서 의료 마이데이터의 성공적인 정착을 위해서는 기술적 인프라 구축과 함께 이용자 특성을 고려한 건강정보 활용 교육과 신뢰 기반의 서비스 설계가 병행되어야 하며, 본 연구는 의료 마이데이터 서비스 수용에 영향을 미치는 요인을 실증적으로 규명함으로써 향후 보건교육 및 건강증진 정책과 교육 프로그램 개발을 위한 기초자료를 제공한다.

이에 본 연구는 의료 마이데이터 서비스에 대한 사용자의 수용 의도에 영향을 미치는 요인을 규명함으로써, 마이데이터 기반 헬스케어 서비스의 활성화를 위한 정책적·실무적 기초자료를 제공하는 데 목적이 있다. 특히 금융 분야에서 유의한 영향요인으로 밝혀진 기술 수용도, 신뢰도, 프라이버시 염려가 의료 영역에서는 어떤 양상으로 작용하는지를 실증적으로 분석하고자 한다.

Ⅱ. 연구방법

1. 연구설계

본 연구는 의료 마이데이터 서비스에 대한 사용자의 수용 의도에 영향을 미치는 요인을 파악하기 위한 서술적 조사연구이다.

2. 자료수집 방법

연구대상자는 K대학병원에 내원한 외래 환자 및 병원 방문객 중 연구 목적을 이해하고 연구 참여에 자발적으로 동의한 자로 선정하였다. 대상자 모집은 외래 대기 공간에서 연구진이 연구 목적과 절차를 설명한 후 참여 의사를 밝힌 대상자를 중심으로 이루어졌으며, 이에 따라 본 연구는 편의표집(convenience sampling) 방식으로 자료를 수집하였다. 조사는 2024년 11월 18일(월)부터 11월 22일(금)까지 5일간 진행되었으며, 총 137명이었으며, 자료 검토를 통해 모든 자료를 최종 분석에 사용하였다. 본 연구의 표본수는 G*Power 3.1.9.4 프로그램을 이용하여 다중회귀분석을 기준으로 사전 검정력 분석을 수행하였다. 유의수준 α=.05, 검정력(1−β)=.95, 예측변수 수=4, 부분결정계수(partial R2)=.10을 효과크기로 설정하여 산출한 결과 최소 필요 표본수는 119명이었으며, 설문 응답 과정에서 발생할 수 있는 불완전 응답 및 탈락률을 고려하여 141명으로 설정하였으며, 최종적으로 137명 자료를 수집·분석에 활용하였다.

본 연구는 연구진이 소속된 대학의 생명윤리위원회(IRB) 승인을 받은 후 진행되었다(승인번호: 2024-09-004). 연구 참여자들에게는 온라인 설문조사 링크를 제공하면서 연구 목적, 참여 방법, 참여자 선정 기준, 그리고 참여 중단의 자율성을 충분히 설명하였다. 또한 설문에 앞서 대면으로 동의 절차를 거친 뒤 동의한 참여자만 설문에 참여하도록 하여 참여자의 자율성을 보장하였다.

3. 연구도구

1) 대상자의 일반적 특성

본 연구에서는 대상자의 인구사회학적 특성을 파악하기 위한 항목도 설문지에 포함하였다. 성별은 ‘남자’, ‘여자’로, 연령대는 ‘20대’, ‘30대’, ‘40대’, ‘50대’, ‘60대 이상’으로 구분하였다. 동거인 여부는 ‘동거인 있음’과 ‘동거인 없음’으로 조사하였으며, 직업의 유무는 ‘있음’과 ‘없음’으로 구분하여 응답하도록 하였다. 월수입은 ‘200만 원 미만’, ‘200만 원 이상 300만 원 미만’, ‘300만 원 이상’으로 구분하였다. 또한, 응답자의 주관적 경제상태와 건강상태를 파악하기 위해 각각 ‘상’, ‘중’, ‘하’와 ‘좋음’, ‘보통’, ‘나쁨’의 세 가지 선택지를 제시하였다.

2) 의료 마이데이터 서비스에 대한 사용의도, 기술수용도, 신뢰도, 프라이버시 염려

의료 마이데이터 서비스에 대한 사용 의도를 중심으로 기술 수용도, 신뢰도, 프라이버시 염려 변수를 조작적으로 정의하고, 이를 바탕으로 설문 문항을 구성하였다. 의료 마이데이터 서비스 사용 의도는 사용자가 해당 서비스를 실제로 수용하고 이용할 의향을 나타내는 변수로 정의하였다. 본 연구에서는 Venkatesh 등 (2012)의 통합기술수용모형(UTAUT2)을 기반으로 사용 의도를 구성하였으며, 성과 기대, 노력 기대, 사회적 영향, 지원 조건, 행동 의도의 다섯 가지 하위 요인을 포함하였다. 행동 의도는 의료 마이데이터 서비스 수용을 예측하는 핵심 개념으로 판단되어, 사용의도의 구성 요인 중 하나로 포함하였다. 성과 기대는 기술 사용을 통해 얻게 되는 이점에 대한 기대를 의미하며, 노력 기대는 기술 사용의 용이성에 대한 인식을 의미한다. 사회적 영향은 중요한 타인(가족, 친구 등)의 기대가 개인의 기술 사용 결정에 미치는 영향을 측정하며, 지원 조건은 기술을 사용하는 데 필요한 자원과 지원이 얼마나 확보되어 있는지에 대한 인식으로 구성된다. 마지막으로 행동 의도는 해당 기술을 실제로 사용할 의향을 평가한다. 각 영역은 각각 3~4문항으로 구성되었으며, 모든 문항은 5점 리커트 척도(1=전혀 그렇지 않다, 5=매우 그렇다)로 측정하였다. 문항의 신뢰도 계수는 성과 기대 .937, 노력 기대 .937, 사회적 영향 .941, 지원 조건 .886, 행동 의도 .970으로 나타나 높은 신뢰도를 보였다.

기술 수용도는 개인이 새로운 기술을 사용할 준비 상태를 의미하며, Kaushik와 Agrawal (2021)의 연구를 바탕으로 네 가지 하위 영역인 낙관성, 혁신성, 불편함, 불안감으로 구성하였다. 낙관성은 기술이 삶의 질을 향상시킬 것이라는 기대를 나타내며, 혁신성은 새로운 기술을 빠르게 수용하고자 하는 개인의 경향을 의미한다. 반면, 불편함은 기술 사용에 있어 느끼는 어려움이나 복잡성으로 인한 부담감을 나타내며, 불안감은 기술에 대한 불신이나 불확실성에 대한 인식을 포함한다. 각 영역은 4문항으로 구성되었으며, 각각의 신뢰도 계수는 낙관성 .953, 혁신성 .867, 불편함 .900, 불안감 .888로 확인되었다.

신뢰도는 사용자가 의료 마이데이터 서비스 제공자를 신뢰할 수 있는지를 나타내는 지표로서, McKnight 등 (2002)의 연구를 기반으로 선의, 정직성, 능력, 의존 의사의 네 가지 하위 요인으로 측정하였다. 선의는 서비스 제공자가 이용자의 이익을 고려하여 행동할 것이라는 기대를 반영하며, 정직성은 약속을 지키고 정직하게 행동할 것이라는 믿음을 나타낸다. 능력은 서비스 제공자가 요구되는 업무를 수행할 수 있는 역량을 갖추고 있다고 인식하는 정도이며, 의존 의사는 사용자가 서비스 제공자에게 의존할 의향을 갖고 있는지를 평가한다. 각 영역은 3문항으로 구성되었고, 신뢰도는 선의 .866, 정직성 .930, 능력 .949, 의존 의사 .907로 나타났다.

프라이버시 염려는 개인이 자신의 건강정보가 수집, 저장, 이용되는 과정에서 느끼는 불안과 우려를 의미하며, Kook (2020)의 연구를 참고하여 구성하였다. 본 연구에서는 Smith 등 (1996)의 CFIP (Concern for Information Privacy) 프레임워크를 적용하여, 수집, 오류, 비인가된 이차적 사용, 부적절한 접근의 네 가지 하위 영역으로 측정하였다. 수집 영역은 개인정보 수집 행위에 대한 우려를 나타내고, 오류 영역은 정보가 부정확하게 저장되거나 유지될 가능성에 대한 우려를 반영한다. 비인가된 이차적 사용은 개인의 동의 없이 수집된 정보가 다른 목적으로 사용될 가능성에 대한 우려를 나타내며, 부적절한 접근은 허가받지 않은 사람이 정보에 접근하는 것에 대한 걱정을 포함한다. 수집, 오류, 비인가된 이차적 사용은 각각 4문항, 부적절한 접근은 3문항으로 구성되었으며, 각 영역의 신뢰도는 각각 .874, .896, .950, .949로 나타났다<Table 1>.

Operational definitions and measurement items of research variables

4. 통계분석

수집된 자료는 IBM SPSS Statistics 25.0 프로그램을 활용하여 통계 분석을 수행하였다. 연구대상자의 일반적 특성을 확인하기 위해 빈도분석을 실시하였다. 다음으로 일반적 특성에 따른 의료 마이데이터 서비스 사용 의도 및 주요 독립변수(기술 수용도, 신뢰도, 프라이버시 염려)의 차이를 검토하기 위해 독립표본 t-검정(t-test)과 일원분산분석(ANOVA)을 실시하였다.

각 구성개념의 문항 간 내적 일관성을 확인하기 위해 신뢰도 분석(Cronbach’s α)을 수행하였으며, 모든 척도는 수용 가능한 신뢰도 기준(α≥.70)을 충족하였다. 또한 주요 변수 간 관련성을 파악하기 위해 상관분석을 실시하였다.

의료 마이데이터 서비스 사용 의도에 영향을 미치는 요인을 분석하기 위해 다중회귀분석(multiple regression analysis)을 수행하였다. 회귀분석은 총 네 개의 모형으로 구성하였다. Model 1에는 기술 수용도 변수를 독립변수로 포함하였고, Model 2에는 신뢰도 변수를, Model 3에는 프라이버시 염려 변수를 각각 독립변수로 포함하였다. Model 4에서는 기술 수용도, 신뢰도, 프라이버시 염려를 모두 포함하여 이들 변수가 의료 마이데이터 서비스 사용 의도에 미치는 종합적인 영향을 분석하였다. 모든 회귀모형은 주관적 건강상태를 공변량으로 통제하였다.

회귀분석 수행 전 독립변수 간 다중공선성 진단을 위해 분산팽창지수(Variance Inflation Factor, VIF)를 확인하였으며, 모든 변수의 VIF 값은 10 미만으로 나타나 다중공선성 문제는 없는 것으로 판단하였다. 통계적 유의수준은 p<.05로 설정하였다.

Ⅲ. 연구결과

1. 대상자 일반적 특성

본 연구의 조사 대상자는 총 137명으로, 이들의 일반적 특성은 다음과 같다. 성별은 남성이 19.0%, 여성이 81.0%으로, 여성의 비율이 월등히 높았다. 연령대는 30대가 52명(38.5%)으로 가장 많았으며, 40대(22.1%), 20대(15.6%), 50대(12.6%), 60대 이상(12.5%) 순이었다.

동거인 유무 항목에서는 동거인이 있다고 응답한 비율이 78.1%로 대다수였으며, 동거인이 없다는 응답은 21.9%이었다. 직업 유무에 있어서는 직업이 있다고 응답한 비율이 91.2%로 높게 나타났다. 월수입은 200만 원 미만(17.5%), 200만 원 이상~300만 원 미만(35.5%), 300만 원 이상(46.7%)으로, 300만 원 이상 수입자 비율이 가장 높게 나타났다. 주관적 경제 상태는 중(48.9%), 하(30.7%), 상(20.4%) 순으로 나타났다. 마지막으로, 주관적 건강 상태에서는 보통(51.8%), 좋음(39.4%), 나쁨(8.8%)으로, 절반 이상이 자신의 건강 상태를 ‘보통’ 이상으로 평가한 것으로 나타났다<Table 2>.

General characteristics and analysis of differences in service usage intentions, technology acceptance, trust, and privacy concerns of medical MyData based on general characteristics

2. 일반적 특성에 따른 의료마이데이터의 서비스 사용 의도와 기술수용도, 신뢰도 및 프라이버시 염려 비교

성별에 따른 차이는 모든 변수에서 통계적으로 유의미하지 않았다(p>.05). 남성의 기술수용도 평균은 2.91±0.52, 여성은 2.82±0.76으로 유사한 수준이었다(p=.575). 신뢰도 및 프라이버시 인식 또한 성별에 따른 차이는 관찰되지 않았다.

연령대에 따른 기술수용도에서는 통계적으로 유의한 차이가 확인되었다(p=.040). 특히 30대(2.97±0.86)와 40대(2.85±0.59)가 가장 높은 수준의 기술수용도를 보였으며, 60대 이상은 평균 2.15±0.22로 가장 낮았다. 반면, 신뢰도와 프라이버시에 대한 인식은 연령대에 따라 유의미한 차이를 보이지 않았다. 직업 유무에 따른 차이에서는 유의미한 차이는 관찰되지 않았다(p>.05). 직업이 있는 집단은 기술수용도 평균 2.95±0.57, 신뢰도 3.41±0.85, 프라이버시 4.26±0.61로, 직업이 없는 집단과 큰 차이를 보이지 않았다. 월소득 수준에 따라서는 기술수용도나 신뢰도에 유의한 차이가 나타나지 않았다(p>.05). 다만 월소득이 300만원 이상인 집단은 프라이버시 인식이 평균 4.33±0.57로 가장 높게 나타났다. 주관적 경제 상태에 따라서는 뚜렷한 경향은 관찰되지 않았으며(p=.548), 기술수용도 평균은 경제 상태가 ‘중’이라고 응답한 집단에서 가장 높았다(2.96±0.59).

반면, 주관적 건강 상태가 ‘나쁨’인 집단은 기술수용도가 3.08±0.73으로 유의하게 높았으며(p=.028), 이 집단은 사용 의도 또한 평균 3.67±1.13으로 가장 높았다. 이는 건강 상태가 나쁜 사람이 디지털 헬스 기술을 보다 적극적으로 수용할 가능성을 나타낸다<Table 2>.

3. 의료마이데이터의 서비스 사용 의도와 기술수용도, 신뢰도 및 프라이버시 염려 상관분석

의료 마이데이터 서비스 사용 의도, 기술수용도, 신뢰도 및 프라이버시 염려 간의 상관관계를 분석한 결과, 다음과 같은 경향이 나타났다. 사용 의도는 기술수용도(r=.297, p<.001), 신뢰도(r=.629, p<.001), 프라이버시 염려(r=.200, p<.001)와 유의한 양(+)의 상관을 보였다. 기술수용도는 신뢰도(r=.422, p<.001)와 유의한 정적 상관이 있었으나, 프라이버시 염려(r=-.048, p>.05)와는 유의한 관계가 나타나지 않았다. 신뢰도는 프라이버시 염려와의 상관이(r=.079, p>.05) 통계적으로 유의하지 않았다.

즉, 의료 마이데이터 서비스 사용 의도는 기술수용도와 신뢰도가 높을수록, 그리고 프라이버시 염려가 높을수록 증가하는 경향이 있었으나, 기술수용도와 프라이버시 염려, 신뢰도와 프라이버시 염려 간에는 유의한 상관이 나타나지 않았다<Table 3>.

Analysis of the usage intention, technology acceptance, trust, and privacy concerns of medical MyData

4. 의료마이데이터의 주요 변수의 하위요인 간 상관 분석

각 구성개념의 세부 요인을 보다 정밀하게 규명하기 위하여 사용의도, 기술수용도, 신뢰도, 프라이버시 염려의 하위 영역 간 상관관계를 분석하였다.

분석 결과, 사용의도의 하위요인인 성과 기대(r=.764, p<.001), 노력 기대(r=.770, p<.001), 사회적 영향(r=.729, p<.001), 지원 조건(r=.804, p<.001)은 모두 행동 의도와 유의한 정적 상관을 보였으며, 전체 사용 의도와도 높은 상관을 나타냈다(성과 기대 r=.818, 노력 기대 r=.900, 사회적 영향 r=.849, 지원 조건 r=.915). 특히 지원 조건이 가장 높은 상관을 보여, 의료 마이데이터 서비스 이용 의도가 제도적·환경적 지원 인식에 크게 영향을 받음을 시사한다.

프라이버시 염려 하위요인 중 수집은 행동 의도(r=−.002, p>.05) 및 전체 사용 의도(r=.027, p>.05)와 유의한 상관을 보이지 않았으나, 오류(r=.856, p<.001), 비인가된 이차적 사용(r=.872, p<.001), 부적절한 접근(r=.852, p<.001)은 전체 신뢰와 높은 정적 상관을 나타냈다. 이는 정보 수집 자체보다 정보의 오남용 위험 인식이 서비스 신뢰 형성에 핵심적으로 작용함을 의미한다.

기술수용도 하위요인에서는 낙관성(r=.604, p<.001; r=.588, p<.001)과 혁신성(r=.477, p<.001; r=.510, p<.001)이 행동 의도 및 전체 사용 의도와 유의한 정적 상관을 보였으며, 불편함은 약한 상관(r=−.202, p>.05)을 나타냈다. 또한 불편함(r=.784, p<.001)과 불안감(r=.756, p<.001)은 전체 프라이버시 염려와 높은 상관을 보여, 기술을 어렵게 느끼거나 불안해하는 사람일수록 개인정보 보호에 대한 우려도 높은 경향을 보여준다.

신뢰의 하위요인 중 능력(r=.605, p<.001), 정직성(r=.577, p<.001), 선의(r=.551, p<.001), 의존 의사(r=.543, p<.001)는 모두 행동 의도와 유의한 정적 상관을 보였다. 특히 능력 요인이 가장 높은 상관을 나타내며, 의료 마이데이터 서비스에 대한 신뢰는 제공 기관의 전문성과 운영 역량 인식과 밀접하게 관련됨을 보여준다<Table 4>.

Analysis of subfactors of key variables in medical MyData

5. 의료마이데이터의 서비스 사용 의도 평가 영향요인 분석

주관적 건강상태를 공변량으로 통제한 회귀분석한 결과, Model 1에서 기술수용성은 사용 의도에 유의한 정(+)적 영향을 미쳤으며(β=0.258, p=.002), 설명력(R2)은 7.4%였다. Model 2에서는 신뢰도가 사용 의도에 가장 강한 정(+)적 영향을 보였으며(β=0.615, p<.001), 설명력은 37.6%였다. Model 3에서는 프라이버시 염려 역시 사용 의도에 유의한 정(+)적 영향을 나타냈다(β=0.179, p=.037), 설명력은 4.0%였다. 모든 변수를 동시에 투입한 Model 4에서는 기술수용성(β=.013, p=.904)은 통계적으로 유의하지 않았으며, 신뢰도(β=0.602, p<.001)와 프라이버시 염려(β=.0135, p=.049)는 여전히 사용 의도에 유의한 영향을 미쳤다. 종합 모형의 설명력은 40.3%로 나타났다<Table 5>. 또한 다중공선성 진단 결과 모든 독립변수의 VIF값은 1.001~1.238 범위로 나타나 회귀모형의 안정성이 확보된 것으로 확인되었다.

Analysis of factors influencing the intention to use medical MyData services

Ⅳ. 논의

본 연구는 의료 마이데이터 서비스 사용 의도에 영향을 미치는 요인을 기술 수용도, 신뢰도, 프라이버시 염려 측면에서 분석하였다. 분석 결과, 연령, 주관적 건강 상태, 기술 수용성의 하위 요인 등 다양한 개인적 특성이 의료 마이데이터 서비스 사용 의도와 밀접하게 관련되어 있는 것으로 나타났다.

먼저 일반적 특성에 따른 차이를 살펴본 결과, 연령에 따라 기술 수용도 수준에 유의한 차이가 확인되었다. 30·40대 집단은 상대적으로 높은 기술 수용도를 보인 반면, 60대 이상에서는 가장 낮은 수준을 나타냈다. 이러한 결과는 65세 이상 다중 만성질환을 가진 한국 고령자를 대상으로 기술 수용도와 연령 간 음의 상관관계(r=–.241)를 보고한 Ha와 Park (2020)의 연구 결과와 일치한다. 이는 고령층의 의료 마이데이터 수용성을 제고하기 위해 연령 특성을 고려한 맞춤형 교육과 디지털 역량 강화 지원이 필요함을 시사한다. 특히 기술 수용성의 하위 개념인 불편감은 시스템 사용 시 경험하는 기술적·심리적 장벽을 반영하는 요인으로, 고령층이나 디지털 역량이 낮은 집단에서 더욱 큰 장애 요인으로 작용할 수 있다(Choi & DiNitto, 2013).

또한 주관적 건강 상태가 ‘나쁨’으로 인식된 집단에서 기술 수용도와 사용 의도가 모두 높게 나타났는데, 이는 건강 위험에 대한 인식이 높을수록 디지털 헬스케어 서비스 이용 의도가 증가한다는 선행연구 결과와 유사한 맥락으로 해석할 수 있다(Meng et al., 2022). 이러한 결과는 의료 마이데이터가 건강 관리의 필요성이 높은 집단에서 더욱 적극적으로 수용될 가능성이 있음을 시사한다.

다음으로 영향 요인 분석 결과, 기술 수용도는 의료 마이데이터 서비스 사용 의도에 유의한 영향을 미치는 핵심 변수로 확인되었다. 특히 상관분석 및 다중회귀분석에서 신뢰도는 사용 의도와 가장 강한 상관관계(r=.629)를 보였으며, 신뢰도와 프라이버시 염려를 동시에 고려한 종합 모형에서도 가장 강력한 예측 변수로 나타났다(β=0.615, p<.001). 이는 의료 마이데이터 서비스에 대한 사용자의 수용 의도가 서비스 제공 기관의 신뢰성, 보안성, 투명성에 크게 의존함을 의미한다. 이러한 결과는 전자상거래 맥락에서 신뢰를 다차원적으로 개념화하고 측정한 McKnight 등 (2002)의 연구 결과와도 일치하며, 개인정보 보호와 시스템 안정성이 중요한 의료 마이데이터 서비스에도 동일하게 적용될 수 있음을 시사한다. 또한 본 연구에서는 기술수용성을 단일 구성개념으로 분석하였으며, 추가적으로 하위요인 간 상관관계를 분석하여 UTAUT2 모형에서 제시된 세부 요인들의 관계를 탐색하였다. 분석 결과, 혁신성은 행동 의도 및 전체 사용 의도와 유의한 정적 상관을 나타냈다. 이는 UTAUT2 이론에서 혁신성이 기술 친화적 태도를 형성하고 사용 의도에 영향을 미치는 핵심 요인으로 제시된다는 점과 일치함을 보여준다(Venkatesh et al., 2012).

한편 프라이버시 염려는 일반적으로 서비스 이용을 저해하는 요인으로 알려져 있으나, 본 연구에서는 종합 모형에서도 사용 의도와 유의한 정(+)의 관계를 보였다(β=0.135, p=.049). 이는 의료 서비스의 특수성으로 인해 개인정보 보호에 대한 우려가 존재하더라도, 건강관리 필요성과 맞춤형 서비스에 대한 기대가 이러한 우려를 일정 부분 상쇄할 수 있음을 의미한다. 특히 하위 요인 중 데이터 정확성(CEIF 오류)에 대한 우려가 사용 의도와 관련된 점은, 개인정보 보호뿐 아니라 정보의 정확성과 오류 관리가 플랫폼에 대한 신뢰 형성과 지속적 이용에 중요한 역할을 함을 시사한다(Smith et al., 1996).

의료 마이데이터는 개인이 자신의 건강 및 의료 기록 정보를 손쉽게 확인하고 이를 건강 관리와 진료에 적극적으로 활용할 수 있도록 지원하는 서비스로, 그 도입과 인프라 구축은 이미 전 세계적인 흐름이 되고 있다. 그러나 의료 마이데이터의 성공적인 정착을 위해서는 단순한 기술 보급을 넘어 개인의 기술 수용 역량을 향상시키는 교육 프로그램이 병행되어야 하며, 특히 고령층 및 디지털 취약계층을 대상으로 한 접근성 강화 정책이 필요하다. 의료 마이데이터 서비스에 이용 안내 및 정보 제공 기능이 마련되어 있으나, 이용자 특성을 고려한 정보 전달 방식과 화면 구성, 반복 학습이 가능한 교육 콘텐츠는 보다 강화될 필요가 있다. 또한 신뢰도 측면에서 사용자들이 기술 제공 기관의 전문성과 책임성을 중요하게 인식하고 있는 만큼, 공공성과 투명성을 갖춘 운영 체계와 기관 인증제 도입 등 정책적 지원이 함께 고려되어야 한다. 프라이버시 측면에서는 정보 유출뿐 아니라 정보 오류에 대한 우려 역시 중요한 저해 요인으로 확인된 바, 정보 정확성 확보를 위한 실시간 검증 및 이력 관리 시스템 구축이 필요할 것으로 판단된다.

현재 운영 중인 제도들은 가명정보 결합, 비식별 조치, 제3자 제공 승인 등의 데이터 관리와 활용 측면에 초점을 두고 있기에 실제 사용자들이 서비스 이용 과정에서 체감할 수 있는 신뢰 형성 장치로는 기능이 제한적이다. 따라서 기존의 제도를 대체하기보다 데이터 제공 범위와 활용 목적을 이용자가 명확히 확인할 수 있는 고지 체계, 개인이 자신의 정보 이용 현황을 직접 확인할 수 있는 이력 조회 기능, 문제 발생 시의 대응 절차 명시 등을 제공하는 운영 방식을 통해 서비스 신뢰 형성에 기여할 수 있을 것이다.

한편 2023년 의료 마이데이터 정책 및 서비스 인식도 조사 결과에 따르면 의료·데이터 분야 전문가의 인식률은 73.5%로 높은 수준을 보인 반면, 일반 국민의 인식률은 30.2%에 그쳐 인식 격차가 큰 것으로 나타났다(Korea Health Industry Development Institute, 2023). 이는 의료 마이데이터가 전 국민을 대상으로 하는 서비스임에도 불구하고, 여전히 인지도 측면에서 한계가 있음을 보여준다. 의료 마이데이터에 대한 인식은 실제 이용으로 이어질 가능성이 높은 만큼, 사용 의도에 영향을 미치는 요인을 지속적으로 규명하는 연구가 필요하다.

종합하면, 본 연구 결과는 의료 마이데이터 서비스가 단순한 기술 기반 서비스가 아니라 개인의 건강정보 이해 능력과 자기관리 역량을 강화하는 중요한 건강보건교육 수단이 될 수 있음을 시사한다. 기술 수용도와 신뢰도가 사용 의도에 핵심적인 영향을 미친다는 점은, 의료 마이데이터 확산을 위해 기술 개발 중심의 접근을 넘어 보건교육, 건강증진, 정책 설계가 유기적으로 연계된 다차원적 전략이 필요함을 의미한다. 본 연구는 의료 마이데이터 서비스 수용에 영향을 미치는 요인을 실증적으로 규명함으로써, 향후 건강보건교육 및 건강증진 정책 수립과 교육 프로그램 개발에 중요한 근거를 제공한다.

본 연구는 단일 대학병원 외래 내원자를 대상으로 편의표집 방식으로 자료가 수집되어 특정연령대가 상대적으로 많이 포함되었으며, 연구대상자가 일반 인구집단보다 건강문제에 대한 관심도나 질환 부담이 높은 집단일 가능성이 있다. 또한 임상적 질병 중증도 지표를 수집하지 못하여 중증도에 따른 영향을 통계적으로 보정하는 데 한계가 있었다. 다만 주관적 건강상태를 공변량으로 통제하여 일부 영향을 보정하고자 하였으며, 향후 연구에서는 진단명 및 질환 중증도 변수를 포함한 분석을 통해 의료 마이데이터 수용성에 대한 보다 정밀한 검증이 필요하다. 또한 본 연구는 횡단적 조사연구로 수행되어 인과관계를 명확히 설명하는 데 한계가 있으므로, 향후 종단연구(longitudinal study)를 통해 의료 마이데이터 사용 의도에 영향을 미치는 요인의 인과적 관계를 검증할 필요가 있다. 아울러 단일 기관 내 응답자 137명을 대상으로 분석하였기에 표본의 대표성과 일반화 가능성에 제한이 있으며, 향후 지역 및 연령을 고려한 대규모 표본 연구가 요구된다. 이에 따라 표본 규모를 고려할 때 안정적인 요인구조 검증에 한계가 있을 수 있어 주성분분석 또는 확인적 요인분석은 수행하지 않았다. 향후 대규모 표본 연구에서는 기술수용성, 신뢰도, 프라이버시 염려의 하위요인 구조를 검증하는 요인분석을 수행할 필요가 있다.

본 연구에서 사용한 설문도구는 국외 선행연구에서 검증된 척도를 번역하여 적용하였으나, 번역·역번역 또는 전문가 내용타당성 검증과 같은 체계적 도구 타당성 확보 절차를 수행하지 못하였다. 따라서 향후 연구에서는 도구 번역의 정밀화와 함께 내용타당성 및 구성타당성 검증을 수행할 필요가 있다. 또한, 변수 구성은 선행연구에 근거하여 기술 수용도, 신뢰도, 프라이버시 염려에 초점을 두었으나 eHealth 리터러시, 사용자 경험과 같은 다른 요인들은 포함하지 못하였다. 이러한 요인들은 서비스 이용 과정에서 형성되는 인식이나 장기 사용에 영향을 미칠 가능성이 있으므로, 향후 연구에서는 보다 다각적인 변수 구성이 필요하다. 더불어 자가보고식 설문조사에 따른 주관적 응답 편향 가능성이 존재하므로, 실제 의료 마이데이터 시스템 사용 데이터를 활용한 행동 기반 연구가 보완적으로 수행될 필요가 있다.

한편 일반 국민의 의료 마이데이터 인식 수준이 낮게 나타난 결과는 이용자가 체감할 수 있는 서비스 경험과 홍보·확산 전략의 부족을 시사한다. 이에 따라 개인 건강관리 앱 연계, 진료·검사·복약 관리 기능 강화, 고령층 대상 체험형 교육 등 이용자 중심 확산 전략이 향후 정책적으로 병행될 필요가 있다.

References

Alsyouf, A., Lutfi, A., Alsubahi, N., Alhazmi, F. N., Al-Mugheed, K., Anshasi, R. J., Alharbi, N. I., & Albugami, M. (2023). The use of a technology acceptance model (TAM) to predict patients’ usage of a personal health record system: The role of security, privacy, and usability. International Journal of Environmental Research and Public Health, 20(2), Article 1347. [https://doi.org/10.3390/ijerph20021347]
Bae, I. G. (2022). Digital transformation era, focus on MyData (Korean, authors’ translation). Data and Statistics Human Resources Development Institute. https://shi.kostat.go.kr/window/2022a/main/2022_sum_01.html
Baek, H. J. (2020). A study on factors affecting the acceptance intention of MyData service in financial sector [Doctoral dissertation, Soongsil University]. RISS. https://www.riss.kr/link?id=T15499940
Baek, K. H. (2022). A study on digital healthcare and healthcare data. IP & Data Law, 2(1), 1–32. [https://doi.org/10.23349/ipdata.2022.2.1.001]
Choi, N. G., & DiNitto, D. M. (2013). The digital divide among low-income homebound older adults: Internet use patterns, eHealth literacy, and attitudes toward computer/Internet use. Journal of Medical Internet Research, 15(5), e93. [https://doi.org/10.2196/jmir.2645]
Ha, J., & Park, H. K. (2020). Factors affecting the acceptability of technology in health care among older Korean adults with multiple chronic conditions: A cross-sectional study adopting the senior technology acceptance model. Clinical Interventions in Aging, 15, 1873–1881. [https://doi.org/10.2147/CIA.S268606]
Joint Government Ministries. (2023). National MyData innovation promotion strategy (Korean, authors’ translation) (Report No. 23-19-2). https://www.pipc.go.kr/np/cop/bbs/selectBoardArticle.do?bbsId=BS074&mCode=C020010000&nttId=9105#LINK
Jung, H. J., & Lee, J. H. (2022). A study on privacy attitude and protection intent of MyData users: The effect of privacy cynicism. Informatization Policy, 29(2), 37-65. [https://doi.org/10.22693/NIAIP.2022.29.2.037]
Kaushik, M. K., & Agrawal, D. (2021). Influence of technology readiness in adoption of e-learning. International Journal of Educational Management, 35(2), 483-495. [https://doi.org/10.1108/IJEM-04-2020-0216]
Khamaj, A. (2024). The human factor in AI-powered m-health: Exploring user perspectives and expectations: A case study. Proceedings of the 28th Barcelona International Conference on Innovations in Science, Engineering & Technology (BISET-24). [https://doi.org/10.17758/HEAIG15.H0424104]
Kook, K. S. (2020). The impact of personal information de-identification factors on concern for information privacy and intention to provide personal information: Focusing on the mediating effect of concern for information privacy [Master’s thesis, Yonsei University]. RISS. https://www.riss.kr/link?id=T15668110
Korea Data Agency. (2025). MyData business operation guideline [Guideline]. https://www.kdata.or.kr/mydata/www/board/resources/boardView.do?bbsIdx=324
Korea Development Institute. (2025). Suggestions for promoting healthcare MyData: Implications from international cases and a nationwide survey (Korean, authors’ translation). Korea Development Institute. https://www.kdi.re.kr/research/reportView?pub_no=18781
Korea Health Industry Development Institute. (2023). Analysis of the 2023 survey results on medical MyData policy and service (Korean, authors’ translation) (KHID Brief, Vol. 390). Korea Health Industry Development Institute. https://www.khidi.or.kr/board/view?pageNum=1&rowCnt=10&no1=601&linkId=48903020&menuId=MENU01530&maxIndex=00489030209998&minIndex=00488832969998&schType=0&schText=&schStartDate=&schEndDate=&boardStyle=&categoryId=&continent=&country=
Korea Human Resource Development Institute for Health and Welfare. (2024). Issues and case studies on activating MyData in the healthcare sector (Korean, authors’ translation) (Report No. 2024-JJ-09). Korea Human Resource Development Institute for Health and Welfare. https://www.kohi.or.kr/user/bbs/BD_selectBbs.do?q_bbsCode=1012&q_bbscttSn=20250516181627911&q_currPage=&q_searchKeyTy=sj___1002&q_searchVal=%EB%B3%B4%EA%B1%B4%EC%9D%98%EB%A3%8C%EB%B6%84%EC%95%BC&stateCk=S
Kum, A. R., Lee, J. H., & Yeo, Y. (2024). A research on the transference of trust from service provider to MyData banking service. Journal of Information Technology Services, 23(1), 97–121. [https://doi.org/10.9716/KITS.2024.23.1.097]
Lee, H. J. (2023). Legal issues of using medical MyData. Ajou Law Review, 17(3), 167–188. [https://doi.org/10.21589/ajlaw.2023.17.3.167]
Lee, K. H. (2021). Current status of MyData policy and tasks in health and welfare. Health and Welfare Policy Forum, 301, 52–68. [https://doi.org/10.23062/2021.11.5]
Lee, S. H., & Chang, H. (2022). A study on acceptance factors of financial MyData service from information security perspectives. Journal of Society for e-Business Studies, 27(2), 137–152. [https://doi.org/10.7838/jsebs.2022.27.2.137]
McKnight, D. H., Choudhury, V., & Kacmar, C. (2002). Developing and validating trust measures for e-commerce: An integrative typology. Information Systems Research, 13(3), 334–359. [https://doi.org/10.1287/isre.13.3.334.81]
Meng, F., Guo, X., Peng, Z., Zhang, X., & Lai, K. (2022). Understanding the antecedents of the routine use of mobile health services: A person–technology–health framework. Frontiers in Psychology, 13, Article 879760. [https://doi.org/10.3389/fpsyg.2022.879760]
Ministry of Health and Welfare. (2021). 2021 healthcare data utilization guideline (Korean, authors’ translation) [Guideline]. https://www.mohw.go.kr/board.es?mid=a10501010000&bid=0003&tag=&act=view&list_no=363309
Park, J. S. (2022). The concept and current status of MyData (Korean, authors’ translation). ICT Standard Weekly, 1117. http://weekly.tta.or.kr/weekly/files/20235716095754_weekly.pdf
Smith, H. J., Milberg, S. J., & Burke, S. J. (1996). Information privacy: Measuring individuals’ concerns about organizational practices. MIS Quarterly, 20(2), 167-196. [https://doi.org/10.2307/249477]
Sohn, C., Park, H., & Kim, S. (2022). The relationship between financial MyData service characteristics and intention to use: The moderating effects of innovativeness and technology security. Journal of Knowledge Management Research, 23(4), 133–157. [https://doi.org/10.15813/kmr.2022.23.4.007]
Torkman, R., Ghapanchi, A. H., & Ghanbarzadeh, R. (2025). Investigating antecedents to older adults’ uptake of health information systems: A quantitative case study of electronic personal health records. Informatics, 12(1), Article 3. [https://doi.org/10.3390/informatics12010003]
Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157-178. [https://doi.org/10.2307/41410412]
Vitalevich, P. V. (2022). A study on factors influencing the intention to use MyData services based on TAM and VAM [Master’s thesis, Pukyong National University]. RISS. https://www.riss.kr/link?id=T16376880

Variable	Operational definition	Category	Source
Usage intention	User willingness to accept and use technology	Performance expectancy: 3 item	Venkatesh 등 (2012)
		Effort expectancy: 4 item
		Social influence: 3 item
		Facilitating conditions: 4 item
		Behavioral intention: 3 item
Technology acceptance	Individual readiness to use new technologies	Optimism: 4 item	Kaushik 등 (2021)
		Innovativeness: 4 item
		Discomfort: 4 item
		Insecurity: 4 item
Trust	Elements that enable consumers to overcome perceptions of risk and anxiety, interact with web providers, share information, and make decisions.	Benevolence: 3 item	McKnight 등 (2002)
		Integrity: 3 item
		Competence: 3 item
		Willingness to depend: 3 item
Privacy concerns	Data subjects’ concerns about the provision or use of their information	CFIP collection: 4 item	Kook (2020)
		CFIP errors: 4 item
		CFIP unauthorized secondary use: 4 item
		CFIP improper access: 3 item

Variable	Category			Usage intention		Technology acceptance		Trust		Privacy concerns
Variable	Category	n	(%)	Mean±SD	p-value	Mean±SD	p-value	Mean±SD	p-value	Mean±SD	p-value
Gender	Male	26	(19.0)	3.62±0.83	.353	2.9±0.52	.575	3.31±1	.452	4.36±0.62	.450
Gender	Female	111	(81.0)	3.44±0.88		2.82±0.76		3.46±0.83		4.25±0.64
Age	20-29	21	(15.6)	3.64±0.91	.477	2.88±0.70	.040	3.4±0.74	.185	4.31±0.65	.993
	30-39	52	(38.5)	3.45±0.89		2.97±0.86		3.61±0.84		4.26±0.61
	40-49	38	(28.1)	3.46±0.86		2.85±0.59		3.36±0.9		4.28±0.77
	50-59	17	(12.6)	3.56±0.69		2.61±0.52		3.35±0.84		4.26±0.51
	≥ 60	7	( 5.2)	2.96±0.78		2.15±0.22		2.83±0.9		4.19±0.47
Cohabitant	Yes	107	(78.1)	3.45±0.87	.605	2.86±0.74	.388	3.45±0.85	.656	4.23±0.66	.126
Cohabitant	No	30	(21.9)	3.55±0.86		2.73±0.64		3.37±0.91		4.43±0.52
Career	Yes	125	(91.2)	3.49±0.88	.459	2.87±0.73	.071	3.45±0.86	.453	4.26±0.65	.514
Career	No	12	( 8.8)	3.29±0.8		2.47±0.57		3.25±0.86		4.39±0.55
Monthly salary	< 2 million KRW	24	(17.5)	3.37±1.04	.185	2.64±0.62	.117	3.22±0.9	.092	4.03±0.86	.114
	2-3 million KRW	49	(35.8)	3.33±0.79		2.76±0.71		3.31±0.86		4.31±0.59
	≥ 300 million KRW	64	(46.7)	3.62±0.85		2.96±0.75		3.6±0.83		4.33±0.57
Subjective economy	High	28	(20.4)	3.69±0.88	.338	2.91±0.78	.548	3.63±0.86	.403	4.2±0.61	.790
	Middle	67	(48.9)	3.43±0.81		2.86±0.69		3.38±0.85		4.3±0.67
	Low	42	(30.7)	3.4±0.94		2.73±0.74		3.38±0.88		4.28±0.62
Subjective health	Bad	12	( 8.8)	3.67±1.13	.028	3.18±0.73	.130	3.53±1.07	.415	4.27±0.8	.432
	Normal	71	(51.8)	3.28±0.87		2.74±0.71		3.33±0.92		4.21±0.7
	Good	54	(39.4)	3.68±0.75		2.87±0.72		3.53±0.71		4.36±0.5

	Usage intention	Technology acceptance	Trust	Privacy concerns
Note. *** p<.001
Usage intention	1.000
Technology acceptance	.297^***	1.000
Trust	.629^***	.422^***	1.000
Privacy concerns	.200^***	-.048	.079	1.000

	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20	21
Notes. * p<.05, p<.01, * p<.001
1. Performance expectancy	1.000
2. Effort expectancy	.680^***	1.000
3. Social influence	.638^***	.649^***	1.000
4. Facilitating conditions	.608^***	.823^***	.737^***	1.000
5. Behavioral intention	.764^***	.770^***	.729^***	.804^***	1.000
6. Overall_usage intention	.818^***	.900^***	.849^***	.915^***	.919^***	1.000
7. CEIF collection	.032	.098	-.127	.094	-.002	.027	1.000
8. CEIF errors	.303^***	.267^**	.171^*	.297^***	.312^***	.305^***	.502^***	1.000
9. CEIF unauthorized secondary use	.222^**	.188^*	.053	.151	.157	.173^*	.432^***	.683^***	1.000
10. CEIF improper access	.236^**	.185^*	.046	.170^*	.180^*	.183^*	.412^***	.665^***	.898^***	1.000
11. Overall_privacy concerns	.212^*	.224^**	.302^***	.308^***	.255^**	.297^***	.025	.062	-.195^*	-.093	1.000
12. Optimism	.532^***	.496^***	.439^***	.531^***	.604^***	.588^***	.084	.386^***	.196^*	.242^**	.523^***	1.000
13. Innovativeness	.352^***	.440^***	.437^***	.518^***	.477^***	.510^***	.030	.131	-.134	-.039	.775^***	.542^***	1.000
14. Discomfort	-.159	-.163	-.070	-.095	-.202^*	-.154	.024	-.102	-.247^**	-.158	.784^***	.062	.343^***	1.000
15. Insecurity	-.055	-.077	.098	-.022	-.080	-.031	-.059	-.187^*	-.324^***	-.268^**	.756^***	-.007	.333^***	.765^***	1.000
16. Overall_ technology acceptance	.531^***	.511^***	.579^***	.548^***	.618^***	.629^***	-.033	.156	.074	.086	.422^***	.622^***	.507^***	.030	.103	1.000
17. Benevolence	.494^***	.423^***	.539^***	.498^***	.551^***	.564^***	-.054	.133	.010	.007	.453^***	.577^***	.471^***	.118	.176^*	.886^***	1.000
18. Integrity	.497^***	.493^***	.515^***	.505^***	.577^***	.585^***	.005	.122	.083	.073	.401^***	.550^***	.496^***	.032	.115	.938^***	.781^***	1.000
19. Competence	.532^***	.499^***	.536^***	.517^***	.605^***	.606^***	-.046	.167	.113	.149	.361^***	.604^***	.454^***	-.011	.043	.935^***	.736^***	.856^***	1.000
20. Willingness to depend	.429^***	.468^***	.540^***	.496^***	.543^***	.561^***	-.024	.152	.068	.090	.334^***	.559^***	.445^***	-.033	.039	.923^***	.733^***	.817^***	.857^***	1.000
21. Overall_trust	.227^**	.219^**	.033	.213^*	.186	.200^*	.752^***	.856^***	.872^***	.852^***	-.048	.267^**	.006	-.131	-.236^**	.079	.027	.082	.103	.080	1.000

		B	SE	β	p-value	VIF	R²
Note. adjusted by subjective health
Model 1	Usage Intention	0.377	0.121	0.258	.002	1.001	.074
Model 2	Trust	0.753	0.083	0.615	.000	1.004	.376
Model 3	Privacy Concerns	0.296	0.140	0.179	.037	1.008	.040
Model 4	Usage Intention	0.013	0.109	0.009	.904	1.231	.403
	Trust	0.736	0.092	0.602	.000	1.238
	Privacy Concerns	0.223	0.112	0.135	.049	1.020