MétaCan
Menu
Retour à la cohorte
Enregistrement W2165912169 · doi:10.1136/bmjopen-2014-005304

Perceptions of chronically ill and healthy consumers about electronic personal health records: a comparative empirical investigation

2014· article· en· W2165912169 sur OpenAlexafffundabout
Mihail Cocosila, Norm Archer

Notice bibliographique

RevueBMJ Open · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensMcMaster UniversityAthabasca University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicinePerceptionHealth recordsPublic healthElectronic health recordFamily medicineHealth careNursingNeuroscience

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To develop a model of consumer perceptions of electronic personal health records (PHRs) and validate it in a comparative study between consumers who report having a chronic illness and those who report being well. MATERIALS AND METHODS: A model of PHR use motivators and barriers was built and tested through a national survey across Canada. Data were collected from 800 individuals, 18 years or older. Half reported having a chronic illness or disability and half reported being well. Analyses were performed with structural equation modelling techniques. RESULTS: A total of 389 answers from chronically ill and 383 from well participants were collected. Perceived usefulness was the key explanation of the intention to use PHRs for both ill and well people (total effect of 0.601 and 0.565, respectively) followed by security, privacy and trust in PHRs (total effect of 0.377 and 0.479, respectively). Conversely, computer anxiety was perceived as a significant barrier (total effect of -0.327 for ill individuals and -0.212 for well individuals). DISCUSSION: The model proposed was appropriate in explaining key consumer positive and negative perceptions on electronic PHR use. We found little difference in perceptions of electronic PHRs between chronically ill and well individuals, although self-reporting their health status might have influenced the results. CONCLUSIONS: To increase the adoption rate of electronic PHRs among both chronically ill and well consumers it is necessary to reinforce consumer perceptions of the usefulness of and trust in these eHealth technologies while mitigating their anxieties about computer use in general.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,222
Tête enseignante GPT0,557
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetElectronic Health Records SystemsTravaux en français237 207