MétaCan
Menu
← Retour à la cohorte
Enregistrement W2264641421 · doi:10.2196/resprot.4545

Assessing the Usability of Web-Based Alcohol Education for Older Adults: A Feasibility Study

2016· article· en· W2264641421 sur OpenAlexvenueno aff
Arlène Fink, Lorna Kwan, Dan Osterweil, Jenna van Draanen, Alexis Cooke, John C. Beck

Notice bibliographique

RevueJMIR Research Protocols · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Alcohol Abuse and Alcoholism
Mots-clésUsabilityApplied psychologyPsychologyWeb applicationComputer scienceMedicineWorld Wide WebMedical educationHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Older adults can experience unfavorable health effects from drinking at relatively low consumption levels because of age-related physiological changes and alcohol's potentially adverse interactions with declining health, increased medication-use and diminishing functional status. At the same time, alcohol use in older adults may be protective against heart disease, stroke, and other disorders associated with aging. We developed "A Toast to Health in Later Life! Wise Drinking as We Age," a web-based educational intervention to teach older adults to balance drinking risks and benefits. OBJECTIVE: To examine the intervention's feasibility in a sample of community-dwelling current drinkers ≥55 years of age and examine its effects on their quantity and frequency of alcohol use, adherence to standard drinking guidelines, and alcohol-related risks. METHODS: Participants were recruited in person, by mail and by telephone between September and October 2014 from a community-based social services organization serving Los Angeles County. Once enrolled, participants were randomly assigned to the intervention or to a control group. The conceptual frameworks for the intervention were the Health Belief Model, models of adult learning, and the US Department of Health and Human Services guidelines for designing easy-to-use websites. The intervention's content focuses on the relationship between drinking and its effects on older adults' medical conditions, use of medications, and ability to perform daily activities. It also addresses quantity and frequency of alcohol use, drinking and driving and binge drinking. The control group did not receive any special intervention. Data on alcohol use and risks for both groups came from the online version of the Alcohol-Related Problems Survey and were collected at baseline and four weeks later. Data on usability were collected online from the intervention group immediately after it completed its review of the website. RESULTS: The 49 intervention and 47 control participants did not differ at baseline in age, ethnicity, medication use, medical conditions, or alcohol use and both groups were mostly female, college-educated, and in good health. Of the intervention participants, 94% (46/49) had little or no difficulty using the website, with 67% (33/49) reporting that they will change the way they think about drinking because of their exposure to the education. At the 4-week follow-up, the intervention group reported drinking less (P=.02). No changes between groups were found in quantity and frequency, adherence to recommended guidelines, or risk status. CONCLUSIONS: Community-dwelling older adults are receptive to online alcohol education. To be most effective, the education should be included as a component of a larger effort consisting of screening and counseling preferably in a health care setting.

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)0,014
score de la tête « metaresearch » (Gemma)0,025
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: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,333
Tête enseignante GPT0,599
Écart entre enseignants0,266 · 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
GenreProtocole

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

En bref

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research Protocols→Même sujetSubstance Abuse Treatment and Outcomes→Travaux en français237 207→