Development of a Questionnaire and Cross-Sectional Survey of Patient eHealth Readiness and eHealth Inequalities
Notice bibliographique
Résumé
BACKGROUND: Many speak of the digital divide, but variation in the opportunity of patients to use the Internet for health (patient eHealth readiness) is not a binary difference, rather a distribution influenced by personal capability, provision of services, support, and cost. Digital divisions in health have been addressed by various initiatives, but there was no comprehensive validated measure to know if they are effective that could be used in randomized controlled trials (RCTs) covering both non-Internet-users and the range of Internet-users. OBJECTIVE: The aim of this study was to develop and validate a self-completed questionnaire and scoring system to assess patient eHealth readiness by examining the spread of scores and eHealth inequalities. The intended use of this questionnaire and scores is in RCTs of interventions aiming to improve patient eHealth readiness and reduce eHealth inequalities. METHODS: Based on four factors identified from the literature, a self-completed questionnaire, using a pragmatic combination of factual and attitude questions, was drafted and piloted in three stages. This was followed by a final population-based, cross-sectional household survey of 344 people used to refine the scoring system. RESULTS: the patient ehealth readiness questionnaire (perq) includes questions used to calculate four subscores: patients' perception of (1) provision, (2) their personal ability and confidence, (3) their interpersonal support, and (4) relative costs in using the Internet for health. These were combined into an overall PERQ score (0-9) which could be used in intervention studies. Reduction in standard deviation of the scores represents reduction in eHealth inequalities. CONCLUSIONS: PERQ appears acceptable for participants in British studies. The scores produced appear valid and will enable assessment of the effectiveness of interventions to improve patient eHealth readiness and reduce eHealth inequalities. Such methods need continued evolution and redevelopment for other environments. Full documentation and data have been published to allow others to develop the tool further.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».