Understanding Digital Technology Access and Use Among New York State Residents to Enhance Dissemination of Health Information
Notice bibliographique
Résumé
BACKGROUND: Many state and local health departments, as well as community organizations, have been using new technologies to disseminate health information to targeted populations. Yet little data exist that show access and use patterns, as well as preferences for receiving health information, at the state level. OBJECTIVE: This study was designed to obtain information about media and technology use, and health information seeking patterns, from a sample of New York State (NYS) residents. METHODS: A cross-sectional telephone survey (with mobile phones and landlines) was developed to assess media and technology access, use patterns, and preferences for receiving health information among a sample of 1350 residents in NYS. The survey used random digit dialing methodology. A weighted analysis was conducted utilizing Stata/SE software. RESULTS: Data suggest that NYS residents have a high level of computer and Internet use; 82% have at least one working computer at home, and 85% use the Internet at least sometimes. Mobile phone use is also high; 90% indicated having a mobile phone, and of those 63% have a smartphone. When asked about preferences for receiving health information from an organization, many people preferred websites (49%); preferences for other sources varied by demographic characteristics. CONCLUSIONS: Findings suggest that the Internet and other technologies are viable ways to reach NYS residents, but agencies and organizations should still consider using traditional methods of communication in some cases, and determine appropriate channels based on the population of interest.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».