Factors influencing healthcare consumers' search for healthcare associated infection information on the World Wide Web
Notice bibliographique
Résumé
Purpose This paper seeks to provide a narrative review of some of the factors that influence healthcare consumers' information seeking involving healthcare associated infections (HAI) on the internet. Design/methodology/approach The paper takes the form of a narrative review arising from the authors' presentation and subsequent discussions that took place during the Universities Council Symposium held in Vancouver, Canada in May 2011. Findings There are a number of important factors that affect healthcare consumers' desire to seek information online about HAI, including the search engine used, the type of technology used, web site usability, information availability, consumers' learning style, consumers' personality traits, and finally, consumers' situational, emotional, and psychological contexts. These factors may affect healthcare consumers' decision making about where they will obtain healthcare (i.e. in their selection of a clinic, hospital, regional health authority and/or health care system). Research limitations/implications HAI reporting via web sites is being done by health care organizations across North America. There is a need to more fully understand the factors that affect consumer use of these web sites. Practical implications Fundamental questions have been raised about the impact of providing HAI information over the WWW. There is a need to consider the varying factors that influence consumers' information seeking involving the WWW (i.e. technology‐driven and consumer‐driven factors) especially when searching for HAI‐related information about health care organizations. Originality/value Historically, HAI information was the purview of those who had a background to interpret such data (e.g. infection control and public health practitioners). The literature focusing on what consumers want to know regarding HAIs over the WWW is only beginning to emerge. More research is needed to better understand what health care consumers need to support their decision making involving HAIs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».